JP6471559B2 - 診断装置並びに当該診断装置における画像処理方法、画像処理システム及びそのプログラム - Google Patents
診断装置並びに当該診断装置における画像処理方法、画像処理システム及びそのプログラム Download PDFInfo
- Publication number
- JP6471559B2 JP6471559B2 JP2015057036A JP2015057036A JP6471559B2 JP 6471559 B2 JP6471559 B2 JP 6471559B2 JP 2015057036 A JP2015057036 A JP 2015057036A JP 2015057036 A JP2015057036 A JP 2015057036A JP 6471559 B2 JP6471559 B2 JP 6471559B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- skin image
- learning
- skin
- disease
- 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
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Description
皮膚画像を用いて皮膚の疾患を診断するための診断装置であって、
偏光処理を行わずに撮影された第1の皮膚画像データと、偏光処理を行って撮影された第2の皮膚画像データを含む未知の皮膚画像データを取得する取得部と、
前記取得された偏光処理を行わずに撮影された第1の皮膚画像データから疾患部分の平滑度を算出する平滑度算出部と、
疾患の識別名称と、既知の皮膚画像データを関連付けて記録している皮膚画像データベースを用いて予め学習に付され、前記平滑度算出部で算出した前記第1の皮膚画像データからの平滑度と、前記第2の皮膚画像データからの判別値とを合わせて最終判別値を求め、該最終判別値に基づいて診断されるべき疾患を識別する識別器と、を有することを特徴とする診断装置である。
本発明の他の特徴は、本明細書及び添付図面の記載により、明らかにする。
図1は、本実施形態に係る診断装置100の構成を示すブロック図である。図1に示すように、本実施形態に係る診断装置100には、ダーモスコープ付き撮影装置(取得部)110が接続されている。ダーモスコープ付き撮影装置110は、診断装置100(処理部10)からの指示により撮影を行ない、撮影画像(ダーモスコピー画像)を画像記憶部102に格納するとともに表示装置120上に表示する。また、撮影画像は、処理部10により画像処理が施されて画像記憶部102に保存されると共に表示装置120上に表示される。入力装置130は、ダーモスコープ画像の撮影開始指示、後述するダーモスコピー画像中の部位選択操作等を行う。なお、表示装置120、例えば、LCD(Liquid Crystal Display)モニタにより構成され、入力装置130は、マウス等により構成されている。
以下、図3以降のフローチャートを参照しながら、図1,図2に示す本実施形態に係る診断装置100の動作について詳細に説明する。
次に、変形例について説明する。変形例において、図3に示した基本動作フローチャートにおける学習画像収集処理(ステップS10)は、本実施形態と同様であるため重複を回避する意味で説明を省略する。ここでは、本実施形態との差異にのみ注目して説明を行う。図7は、変形例の識別器生成処理Bの手順(図3のステップS20)を示すフローチャートである。
但し、σ white_pixは前景内の上位5%の平面内分散、Storeは前景面積である。
P(イボ)=P従来(イボ)
P(ホクロ)=P従来(ほくろ)+k*H
但し、kは平滑加算係数であり、Hは平滑度である。
以上説明のように本実施形態に係る診断装置100によれば、処理部10(識別器)が、畳み込みニューラルネットワークを有し、第1の学習用皮膚画像データ(ジェル又は偏光フィルタなしで撮影された学習用ダーモスコピー画像)と第2の学習用皮膚画像データ(ジェル又は偏光フィルタありで撮影された学習用ダーモスコピー画像)が畳み込みニューラルネットワークへ入力されることにより学習を行い、診断されるべき疾患の識別が可能なように生成されることで、従来、ジェル又は偏光フィルタありで撮影された第2の学習用皮膚画像のみで診断を行っていた場合に比べて皮膚表面の平滑性を捕捉することができ、より精度の高い診断を可能にする。
[請求項1]
皮膚画像を用いて皮膚の疾患を診断するための診断装置であって、
疾患の識別名称と、既知の皮膚画像データを関連付けて記録している皮膚画像データベースと、
偏光処理を行わずに撮影された第1の皮膚画像データと、偏光処理を行って撮影された第2の皮膚画像データを含む未知の皮膚画像データを取得する取得部と、
前記取得された前記第1の皮膚画像データ及び前記第2の皮膚画像データの特徴を抽出し、この抽出された特徴を基に前記皮膚画像データベースに記憶されている前記既知の皮膚画像データを参照して、前記疾患の識別名称を検索し、前記診断されるべき疾患を識別する識別器と、
を備えることを特徴とする診断装置。
[請求項2]
前記識別器は、前記取得された前記第1の皮膚画像データ及び前記第2の皮膚画像データから統合された第3の皮膚画像データを生成し、前記第3の皮膚画像データが入力されることにより、前記診断されるべき疾患を識別することを特徴とする請求項1に記載の診断装置。
[請求項3]
前記識別器は、前記取得された前記第1の皮膚画像データ及び前記第2の皮膚画像データが各別に入力され、各別の結果が統合されることにより、前記診断されるべき疾患を識別することを特徴とする請求項1に記載の診断装置。
[請求項4]
前記第1の皮膚画像データ及び前記第2の皮膚画像データが、それぞれ、ダーモスコープを用いて、ジェル又は偏光フィルタなしで撮影された第1のダーモスコピー画像データ及びジェル又は偏光フィルタありで撮影された第2のダーモスコピー画像データであることを特徴とする請求項1から3のいずれか1項に記載の診断装置。
[請求項5]
前記既知の皮膚画像データが、偏光処理を行わずに撮影された第1の学習用皮膚画像データと、偏光処理を行って撮影された第2の学習用皮膚画像データを含み、
前記識別器は、前記記録された前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データの特徴を抽出し、この抽出された特徴を基に前記疾患の識別名称と対照し、前記診断されるべき疾患を識別可能なように予め学習に付されていることを特徴とする請求項1から4のいずれか1項に記載の診断装置。
[請求項6]
前記識別器は、前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データから統合された第3の学習用皮膚画像データを生成し、前記第3の学習用皮膚画像データが入力されることにより、前記識別されるべき疾患を識別可能なように予め学習に付されていることを特徴とする請求項5に記載の診断装置。
[請求項7]
前記識別器は、前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データが各別に入力され、各別の結果が統合されることにより、前記識別されるべき疾患を識別可能なように予め学習に付されていることを特徴とする請求項5に記載の診断装置。
[請求項8]
前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データが、それぞれ、ダーモスコープを用いて、ジェル又は偏光フィルタなしで撮影された第1の学習用ダーモスコピー画像データ及びジェル又は偏光フィルタありで撮影された第2の学習用ダーモスコピー画像データであることを特徴とする請求項5から7のいずれか1項に記載の診断装置。
[請求項9]
前記識別器は、畳み込みニューラルネットワークを有し、
前記畳み込みニューラルネットワークが、
前記未知の皮膚画像データ又は前記既知の皮膚画像データが入力される入力層と、
畳み込み層とプーリング層から構成されたセットを複数有し、前記未知の皮膚画像データ又は前記既知の皮膚画像データから特徴を抽出する中間層と、
抽出された前記特徴に基づき前記診断されるべき疾患の分類ごとに識別値を出力する出力層と、を備えることを特徴とする請求項1から8のいずれか1項に記載の診断装置。
[請求項10]
前記識別器は、畳み込みニューラルネットワークを有し、
前記畳み込みニューラルネットワークが、
前記未知の皮膚画像データとして、前記第1の皮膚画像データ及び前記第2の皮膚画像データから多チャンネル化により統合された前記第3の皮膚画像データが入力される入力層と、
畳み込み層とプーリング層から構成されたセットを複数有し、前記第3の皮膚画像データから特徴を抽出する中間層と、
抽出された前記特徴に基づき前記診断されるべき疾患の分類ごとに識別値を出力する出力層と、を備えることを特徴とする請求項2から8のいずれか1項に記載の診断装置。
[請求項11]
前記識別器は、畳み込みニューラルネットワークを有し、
前記畳み込みニューラルネットワークが、
前記既知の皮膚画像データとして、前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データから多チャンネル化により統合された前記第3の学習用皮膚画像データが入力される入力層と、
畳み込み層とプーリング層から構成されたセットを複数有し、前記第3の学習用皮膚画像データから特徴を抽出する中間層と、
抽出された前記特徴に基づき前記診断されるべき疾患の分類ごとに識別値を出力する出力層と、を備えることを特徴とする請求項6から8のいずれか1項に記載の診断装置。
[請求項12]
収集された既知の皮膚画像データと、疾患の識別名称を関連付けて記録した皮膚画像データベースを備え、皮膚画像を用いて皮膚の疾患を診断するための診断装置における画像処理方法であって、
偏光処理を行わずに撮影された第1の皮膚画像データと、偏光処理を行って撮影された第2の皮膚画像データを含む未知の皮膚画像データを取得するステップと、
前記取得された前記第1の皮膚画像データ及び前記第2の皮膚画像データの特徴を抽出し、この抽出された特徴を基に前記皮膚画像データベースに記憶されている前記既知の皮膚画像データを参照して、前記疾患の識別名称を検索し、前記診断されるべき疾患を識別するステップと、を備えることを特徴とする画像処理方法。
[請求項13]
皮膚画像を用いて皮膚の疾患を診断するための診断装置における画像処理システムであって、
既知の皮膚画像データとして、偏光処理を行わずに撮影された第1の学習用皮膚画像データと、偏光処理を行って撮影された第2の学習用皮膚画像データを収集する手段と、
前記第1の学習用皮膚画像データと前記第2の学習用皮膚画像データを疾患の識別名称と関連付けて皮膚画像データベースに記録する手段と、
前記記録された前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データの特徴を抽出し、この抽出された特徴を基に前記疾患の識別名称と対照し、前記診断されるべき疾患を識別可能なように学習する手段と、
偏光処理を行わずに撮影された第1の皮膚画像データと、偏光処理を行って撮影された第2の皮膚画像データを含む未知の皮膚画像データを取得する手段と、
前記取得された前記第1の皮膚画像データ及び前記第2の皮膚画像データの特徴を抽出し、この抽出された特徴を基に前記皮膚画像データベースに記憶されている前記既知の皮膚画像データを参照して、前記疾患の識別名称を検索し、前記診断されるべき疾患を識別する手段と、を備えることを特徴とする画像処理システム。
[請求項14]
収集された既知の皮膚画像データと、疾患の識別名称を関連付けて記録した皮膚画像データベースを備え、皮膚画像を用いて皮膚の疾患を診断するための診断装置における画像処理のプログラムであって、
コンピュータに、
偏光処理を行わずに撮影された第1の皮膚画像データと、偏光処理を行って撮影された第2の皮膚画像データを含む未知の皮膚画像データを取得する機能と、
前記取得された前記第1の皮膚画像データ及び前記第2の皮膚画像データの特徴を抽出し、この抽出された特徴を基に前記皮膚画像データベースに記憶されている前記既知の皮膚画像データを参照して、前記疾患の識別名称を検索し、前記診断されるべき疾患を識別する機能と、を実行させることを特徴とするプログラム。
Claims (16)
- 皮膚画像を用いて皮膚の疾患を診断するための診断装置であって、
偏光処理を行わずに撮影された第1の皮膚画像データと、偏光処理を行って撮影された第2の皮膚画像データを含む未知の皮膚画像データを取得する取得部と、
前記取得された偏光処理を行わずに撮影された第1の皮膚画像データから疾患部分の平滑度を算出する平滑度算出部と、
疾患の識別名称と、既知の皮膚画像データを関連付けて記録している皮膚画像データベースを用いて予め学習に付され、前記平滑度算出部で算出した前記第1の皮膚画像データからの平滑度と、前記第2の皮膚画像データからの判別値とを合わせて最終判別値を求め、該最終判別値に基づいて診断されるべき疾患を識別する識別器と、を有することを特徴とする診断装置。 - 前記識別器は、前記取得された前記第1の皮膚画像データ及び前記第2の皮膚画像データから統合された第3の皮膚画像データを生成し、前記第3の皮膚画像データが入力されることにより、前記診断されるべき疾患を識別することを特徴とする請求項1に記載の診断装置。
- 前記皮膚画像データベースは、既知の皮膚画像データとして、偏光処理を行わずに撮影された第1の学習用皮膚画像データと、偏光処理を行って撮影された第2の学習用皮膚画像データとが、疾患の識別名称と関連付けて記録されることを特徴とする請求項1に記載の診断装置。
- 前記第1の皮膚画像データ及び前記第2の皮膚画像データが、それぞれ、ダーモスコープを用いて、ジェル又は偏光フィルタなしで撮影された第1のダーモスコピー画像データ及びジェル又は偏光フィルタありで撮影された第2のダーモスコピー画像データであることを特徴とする請求項1から3いずれかに記載の診断装置。
- 前記既知の皮膚画像データが、偏光処理を行わずに撮影された第1の学習用皮膚画像データと、偏光処理を行って撮影された第2の学習用皮膚画像データを含み、
前記識別器は、前記記録された前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データの特徴を抽出し、この抽出された特徴を基に前記疾患の識別名称と関連付けて、前記診断されるべき疾患を識別可能なように予め学習に付されていることを特徴とする請求項1から4のいずれか1項に記載の診断装置。 - 前記識別器は、前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データから統合された第3の学習用皮膚画像データを生成し、前記第3の学習用皮膚画像データが入力されることにより、前記識別されるべき疾患を識別可能なように予め学習に付されていることを特徴とする請求項2を引用する請求項5に記載の診断装置。
- 前記識別器は、前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データが各別に入力され、各別の結果が統合されることにより、前記識別されるべき疾患を識別可能なように予め学習に付されていることを特徴とする請求項2を引用する請求項5に記載の診断装置。
- 前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データが、それぞれ、ダーモスコープを用いて、ジェル又は偏光フィルタなしで撮影された第1の学習用ダーモスコピー画像データ及びジェル又は偏光フィルタありで撮影された第2の学習用ダーモスコピー画像データであることを特徴とする請求項5から7のいずれか1項に記載の診断装置。
- 前記識別器は、畳み込みニューラルネットワークを有し、
前記畳み込みニューラルネットワークが、
前記未知の皮膚画像データ又は前記既知の皮膚画像データが入力される入力層と、
畳み込み層とプーリング層から構成されたセットを複数有し、前記未知の皮膚画像データ又は前記既知の皮膚画像データから特徴を抽出する中間層と、
抽出された前記特徴に基づき前記診断されるべき疾患の分類ごとに識別値を出力する出力層と、を備えることを特徴とする請求項1から8のいずれか1項に記載の診断装置。 - 前記識別器は、畳み込みニューラルネットワークを有し、
前記畳み込みニューラルネットワークが、
前記未知の皮膚画像データとして、前記第1の皮膚画像データ及び前記第2の皮膚画像データから多チャンネル化により統合された前記第3の皮膚画像データが入力される入力層と、
畳み込み層とプーリング層から構成されたセットを複数有し、前記第3の皮膚画像データから特徴を抽出する中間層と、
抽出された前記特徴に基づき前記診断されるべき疾患の分類ごとに識別値を出力する出力層と、を備えることを特徴とする請求項2に記載の診断装置。 - 前記識別器は、畳み込みニューラルネットワークを有し、
前記畳み込みニューラルネットワークが、
前記既知の皮膚画像データとして、前記第1の学習用皮膚画像データ及び前記第2の学習用皮膚画像データから多チャンネル化により統合された前記第3の学習用皮膚画像データが入力される入力層と、
畳み込み層とプーリング層から構成されたセットを複数有し、前記第3の学習用皮膚画像データから特徴を抽出する中間層と、
抽出された前記特徴に基づき前記診断されるべき疾患の分類ごとに識別値を出力する出力層と、を備えることを特徴とする請求項6に記載の診断装置。 - 前記平滑度算出部は、疾患部位の輝度画像のヒストグラムを算出し、高輝度側の所定割合の値の画素分散値を求め、それを前記高輝度側の所定割合の画素面積で割り、その逆数を平滑度として算出することを特徴とする請求項1に記載の診断装置。
- 疾患の識別名称と、既知の皮膚画像データを関連付けて記録している皮膚画像データベースで予め学習に付された識別器を備え、皮膚画像を用いて皮膚の疾患を診断するための診断装置における画像処理方法であって、
前記診断装置のコンピュータが、
偏光処理を行わずに撮影された第1の皮膚画像データと、偏光処理を行って撮影された第2の皮膚画像データを含む未知の皮膚画像データを取得するステップと、
前記取得された前記偏光処理を行わずに撮影された第1の皮膚画像データから疾患部分の平滑度を算出するステップと、
前記算出した前記第1の皮膚画像データからの平滑度と、前記第2の皮膚画像データからの判別値とを合わせて最終判別値を求めるステップと、
を実行し、前記識別器が前記最終判別値に基づいて診断されるべき疾患を識別することを特徴とする画像処理方法。 - 前記平滑度を算出するステップは、
疾患部位の輝度画像のヒストグラムを算出し、高輝度側の所定割合の値の画素分散値を求め、それを前記高輝度側の所定割合の画素面積で割り、その逆数を平滑度として算出するステップを備えることを特徴とする請求項13に記載の画像処理方法。 - 疾患の識別名称と、既知の皮膚画像データを関連付けて記録している皮膚画像データベースで予め学習に付された識別器を備え、皮膚画像を用いて皮膚の疾患を診断するための診断装置における画像処理システムであって、
前記識別器に、偏光処理を行わずに撮影された第1の学習用皮膚画像データと、偏光処理を行って撮影された第2の学習用皮膚画像データの特徴を抽出し、この抽出された特徴を基に前記疾患の識別名称と対照し、前記診断されるべき疾患を識別可能なように学習を付する手段と、
偏光処理を行わずに撮影された第1の皮膚画像データと、偏光処理を行って撮影された第2の皮膚画像データを含む未知の皮膚画像データを取得する手段と、
前記取得された偏光処理を行わずに撮影された第1の皮膚画像データから疾患部分の平滑度を算出する平滑度算出部と、を備え、
前記識別器は、前記平滑度算出部で算出した前記第1の皮膚画像データからの平滑度と、前記第2の皮膚画像データからの判別値とを合わせて最終判別値を求め、該最終判別値に基づいて診断されるべき疾患を識別することを特徴とする画像処理システム。 - 疾患の識別名称と、既知の皮膚画像データを関連付けて記録している皮膚画像データベースで予め学習に付された識別器を備え、皮膚画像を用いて皮膚の疾患を診断するための診断装置における画像処理のプログラムであって、
コンピュータに、
偏光処理を行わずに撮影された第1の皮膚画像データと、偏光処理を行って撮影された第2の皮膚画像データを含む未知の皮膚画像データを取得する機能と、
前記取得された前記偏光処理を行わずに撮影された第1の皮膚画像データから疾患部分の平滑度を算出する機能と、
前記識別器により前記算出した前記第1の皮膚画像データからの平滑度と、前記第2の皮膚画像データからの判別値とを合わせて最終判別値を求め、該最終判別値に基づいて診断されるべき疾患を識別する機能と、
を実行させることを特徴とするプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015057036A JP6471559B2 (ja) | 2015-03-20 | 2015-03-20 | 診断装置並びに当該診断装置における画像処理方法、画像処理システム及びそのプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015057036A JP6471559B2 (ja) | 2015-03-20 | 2015-03-20 | 診断装置並びに当該診断装置における画像処理方法、画像処理システム及びそのプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2016174728A JP2016174728A (ja) | 2016-10-06 |
JP6471559B2 true JP6471559B2 (ja) | 2019-02-20 |
Family
ID=57069471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015057036A Active JP6471559B2 (ja) | 2015-03-20 | 2015-03-20 | 診断装置並びに当該診断装置における画像処理方法、画像処理システム及びそのプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6471559B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6757054B2 (ja) * | 2017-05-30 | 2020-09-16 | 国立大学法人東北大学 | 皮膚組織の病理画像を用いた診断支援のためのシステム及び方法 |
JP7087390B2 (ja) | 2018-01-09 | 2022-06-21 | カシオ計算機株式会社 | 診断支援装置、画像処理方法及びプログラム |
IT201800010536A1 (it) * | 2018-11-23 | 2020-05-23 | Torino Politecnico | Dispositivo e metodo per la rilevazione ed il monitoraggio di patologie cutanee |
US10878567B1 (en) | 2019-09-18 | 2020-12-29 | Triage Technologies Inc. | System to collect and identify skin conditions from images and expert knowledge |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4437202B2 (ja) * | 2004-01-09 | 2010-03-24 | 学校法人慶應義塾 | 色素沈着部位の遠隔診療システム |
US20080194928A1 (en) * | 2007-01-05 | 2008-08-14 | Jadran Bandic | System, device, and method for dermal imaging |
-
2015
- 2015-03-20 JP JP2015057036A patent/JP6471559B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2016174728A (ja) | 2016-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10383511B2 (en) | Image processing apparatus, image processing method, and program | |
JP2021154159A (ja) | 機械学習ガイド付き撮影システム | |
US20210133473A1 (en) | Learning apparatus and learning method | |
JP6471559B2 (ja) | 診断装置並びに当該診断装置における画像処理方法、画像処理システム及びそのプログラム | |
Vocaturo et al. | On the usefulness of pre-processing step in melanoma detection using multiple instance learning | |
JP2007252891A (ja) | 肌の美しさの目視評価値の推定方法 | |
WO2017020045A1 (en) | System and methods for malarial retinopathy screening | |
Haddad et al. | Image analysis model for skin disease detection: framework | |
CA2915651C (en) | Diagnostic apparatus for lesion, image processing method in the same apparatus, and medium storing program associated with the same method | |
Ho et al. | Detecting mouse squamous cell carcinoma from submicron full‐field optical coherence tomography images by deep learning | |
ES2669606T3 (es) | Aparato de diagnóstico y procedimiento de procesamiento de imágenes en el mismo aparato | |
US20240032784A1 (en) | Integrated analysis of multiple spectral information for ophthalmology applications | |
Lange et al. | Computer-aided-diagnosis (CAD) for colposcopy | |
EP3038052B1 (en) | Diagnosis support apparatus and image processing method in the same apparatus | |
EP3023936B1 (en) | Diagnostic apparatus and image processing method in the same apparatus | |
Madan et al. | Learning-based detection of acne-like regions using time-lapse features | |
Zaman et al. | Classification of diabetes using machine learning | |
Al-Fahdawi et al. | An automatic corneal subbasal nerve registration system using FFT and phase correlation techniques for an accurate DPN diagnosis | |
Cudek et al. | Automatic system for classification of melanocytic skin lesions based on images recognition | |
JP6319370B2 (ja) | 診断装置並びに当該診断装置における画像処理方法及びそのプログラム | |
Hashim et al. | A study on RGB color extraction of psoriasis lesion using principle component analysis (PCA) | |
Szymkowski et al. | A simple algorithm for hard exudate detection in diabetic retinopathy using spectral-domain Optical Coherence Tomography | |
Relan et al. | Robustness of Fourier fractal analysis in differentiating subgroups of retinal images | |
Huang et al. | Capillary detection for clinical images of basal cell carcinoma | |
Kumar et al. | Pioneering Skin Health: Harnessing Thermal Images for Cutting-Edge Computer-Aided Diagnosis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171019 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180731 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180907 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20180907 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181009 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181029 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181120 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181206 |
|
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: 20181225 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190107 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6471559 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |