JP6544648B2 - 骨粗鬆症診断支援装置 - Google Patents
骨粗鬆症診断支援装置 Download PDFInfo
- Publication number
- JP6544648B2 JP6544648B2 JP2015549222A JP2015549222A JP6544648B2 JP 6544648 B2 JP6544648 B2 JP 6544648B2 JP 2015549222 A JP2015549222 A JP 2015549222A JP 2015549222 A JP2015549222 A JP 2015549222A JP 6544648 B2 JP6544648 B2 JP 6544648B2
- Authority
- JP
- Japan
- Prior art keywords
- cortical bone
- line segment
- value information
- contour
- mandible
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4504—Bones
- A61B5/4509—Bone density determination
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
- A61B5/0088—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for oral or dental tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
- A61B5/4538—Evaluating a particular part of the muscoloskeletal system or a particular medical condition
- A61B5/4542—Evaluating the mouth, e.g. the jaw
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/501—Clinical applications involving diagnosis of head, e.g. neuroimaging, craniography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/505—Clinical applications involving diagnosis of bone
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- 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
- G06T7/12—Edge-based segmentation
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2576/00—Medical imaging apparatus involving image processing or analysis
- A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
-
- 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
- G06T2207/30008—Bone
-
- 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
- G06T2207/30036—Dental; Teeth
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Optics & Photonics (AREA)
- High Energy & Nuclear Physics (AREA)
- Orthopedic Medicine & Surgery (AREA)
- Physiology (AREA)
- Rheumatology (AREA)
- Quality & Reliability (AREA)
- Neurosurgery (AREA)
- Neurology (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Physical Education & Sports Medicine (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
Description
−下顎皮質骨とその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から、下顎骨輪郭を抽出する輪郭抽出部と、
−前記撮影装置によって撮影された下顎皮質骨の画像から、線分を抽出する線分抽出部と、
−抽出された下顎骨輪郭と線分に基づき、皮質骨の状態を算出する皮質骨状態算出部とを有することを特徴とする。
−下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
−前記撮影装置によって撮影された下顎皮質骨の画像から、線分を抽出する線分抽出手段と、
−抽出された下顎骨輪郭及び線分に基づき、皮質骨の状態を算出する皮質骨状態算出手段と
をコンピュータに実行させる骨粗鬆症診断支援プログラムという態様としてもよい。
−皮質骨の厚みの特徴量、
−抽出された下顎骨輪郭及び線分に基づき、密度別領域を推定して密と推定された皮質骨領域での線素の画素数、
−密度別領域の推定で、粗と推定された皮質骨領域での線素の画素数、
−密度別領域の推定で、粗と推定された皮質骨領域の面積、
−密度別領域の推定で、密と推定された皮質骨領域と、粗と推定された皮質骨領域とにおける線素の濃度平均値の比、
−密度別領域の推定で、粗と推定された皮質骨領域の0、45、90、または、135度の分散(Variance)、
−密度別領域の推定で、粗と推定された皮質骨領域の0、45、90、または、135度の差分散(Difference Variance)、
−密度別領域の推定で、粗と推定された皮質骨領域の45、90、または、135度の差エントロピー(Difference Entropy)、
−密度別領域の推定で、密及び粗と推定された皮質骨領域全体の0度の逆差分モーメント(Inverse Difference Moment)、
−密度別領域の推定で、密及び粗と推定された皮質骨領域全体の0度の差エントロピー(Difference Entropy)、
−密度別領域の推定で、密及び粗と推定された皮質骨領域全体の0度の差分散(Difference Variance)
のいずれか1つまたは2つ以上を含むことを特徴としてもよい。
−下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
−撮影装置によって撮影された下顎皮質骨の画像から、線分を抽出する線分抽出手段と、
−抽出された下顎骨輪郭、線分の少なくとも1つに基づき特徴量を抽出し、特徴量から、下顎皮質骨形態指標を識別する下顎皮質骨形態指標識別手段と
をコンピュータに実行させる骨粗鬆症診断支援プログラムという態様としてもよい。
まず、撮影装置10のひとつである、パノラマエックス線画像撮影装置にて下顎骨及びその周辺の画像を撮影する。
次に、撮影された歯科のパノラマ画像を、画像解析装置20に入力し、画像解析装置20の一部である輪郭抽出部41を用いて、下顎骨の輪郭を抽出する。
<計測基準点決定>(S31)
<プロファイルの取得>(S32)
<線集中度フィルタによる尾根線抽出>(S33)
<プロファイル群選択>(S34)
<厚み測定>(S35)
これらについて、以下に詳述する。なお、その中に示された数値については、好ましい例を挙げたものであるが、これに限定されず、画像の状況、診断支援の精度などに対応して、適宜、選定しうるものである。
下顎骨輪郭から計測基準点を求める。下顎骨の状態(厚みまたは粗さ)を算出するためには、安定して算出ができる、左右両側のオトガイ孔の直下付近の位置を計測基準点とすることが望ましい。
a)下顎角を検出する。これは、下顎骨の輪郭の接線と鉛直線とがなす角が初めて15度以下となる地点であり、左右両側に存在する。
b)左右の下顎角の距離Yに、所定の係数を掛けた距離を、左右の計測基準点の間の距離とする。ここで、所定の係数は、これまでに蓄積されたデータなどから、オトガイ孔に相当する位置としては好ましくは0.48とするが、この数値に限定されるものではない。
c)計測基準点間の距離を、下顎骨輪郭の中央部から左右に振り分け、2ヶ所の計測基準点XL、XRとする。
次に、計測基準点を中心として、その周辺の下顎骨輪郭上で、所定の間隔の複数の点を定め、各点から、下顎骨輪郭に垂直な線を取得し、その垂線上で、所定の間隔での濃淡値を求める。この濃淡値を表したものをプロファイルと呼ぶ。
a)左右の計算基準点とその周辺の下顎骨輪郭上の100点とから、計101個の垂線上の画素値を求めて画像化する。つまり、使用した輪郭上の点において、輪郭左側からxi番目の点と輪郭から求められるプロファイルの計算開始地点からの距離yi(yi=1〜100)における画素値とを先に作成した画像上での座標(xi,yi)での画素値にすることによって画像を作成する。作成した画像の最下端は下顎骨輪郭、またはプロファイルの計算開始点に対応する。
b)取得したそれぞれのプロファイルのピークの位置を抽出して、画像に対応する箇所の画素値を最大に、すなわち白くする。
次に、濃度分布によって形成される線分(尾根線と呼ぶ)の抽出のため、プロファイルによって作られた画像に対して線集中度フィルタを適用する手法について説明する。なお、この手法の概要については非特許文献2に開示されている。
・最大探索幅Wmax=3[pix]
・幅R=8、L=8
・仮定する方向 φ=0度、15度、30度、45度、135度、150度、165度
これは、皮質骨と粗造が画像最下端(画像最下端は下顎骨輪郭に相当する)に対して水平方向にベクトル集中線を持つことから、この角度とするのが好適である。
線集中度フィルタを応用することで抽出した尾根線は、皮質骨の濃淡値ピークによって形成される尾根線、粗造の濃淡値ピークによって形成される尾根線、ノイズの3種類に分類されると仮定する。図11のような尾根線抽出された画像上の線に対し、以下のような方法で分類する。
画像に対して、x軸の幅15pix未満の線をノイズと判定して削除する。最終的に15個のプロファイルを用いて測定するため、15pixという値を用いている。
b)皮質骨の尾根線
ノイズの削除後、画像の最も下端に存在する線を皮質骨の尾根線とする。
c)粗造の尾根線
プロファイルにおいて、皮質骨と海綿骨との境界は皮質骨の濃淡値ピークTsからTe+20[pix]までの地点に存在することが試料データから推測される。よってノイズの削除後、画像において、b)で選択された線からy軸上に20pix以上離れて存在する線は厚み測定には影響を与えないと考え削除する。
その後、下顎皮質骨の厚み測定に最も有効と思われるプロファイル群を選択する。厚み測定を行う皮質骨領域に粗造が存在する場合、先に抽出された皮質骨及び粗造の尾根線を用いて、取得されるプロファイル上で多数存在するピークの中から皮質骨と粗造の濃淡値のピークを選択することができる。つまり、図14の適切な検索範囲の説明図に示すように、皮質骨の尾根線LAと粗造の尾根線LBを用いて、プロファイル上の検索範囲Zの開始時点Ts及び終了時点Teをプロファイルごとに適した位置に動的に変化させることができ、精度が高く厚み測定が可能となる。なお、図14右図(b)の横軸は、測定開始点からの距離[pix]、縦軸は濃淡値を示す。
皮質骨の尾根線が存在しないx軸がある、つまり、そのx軸に対応するプロファイルは皮質骨の濃淡値ピークが安定して形成されていないと考えられるため、皮質骨の厚み測定に適さないとし使用しない。
画像に抽出された皮質骨の尾根線が存在するプロファイルのみを厚み測定に使用する。検索範囲の決定方法は以下のように決められる。
b−1)プロファイル上に粗造の尾根線に対応する地点がある場合は、求めた尾根線を用いて、検索開始地点Tsは皮質骨の濃淡値ピーク、検索終了地点Teは粗造の濃淡値のピークとする。
b−2)プロファイル上に粗造の尾根線に対応する地点がない場合は、求めた尾根線を用いて、検索開始地点Tsは皮質骨の濃淡値ピーク、検索終了地点TeはTs+20pixとする。
最良な隣接する15個のプロファイルを求めるために、粗造の尾根線の有無によって最良なプロファイルの候補を絞る。そして、検索範囲の減少幅を用いて最良な15個の隣接したプロファイルを見つけるという手法を用いる。最良なプロファイルの選択のための手法の詳細を以下に示す。
画像上に粗造の尾根線が存在する場合は、プロファイル上に粗造の濃淡値ピークによる尾根線に対応するピークが存在する場合、そのプロファイルを最良なプロファイルの候補群とし、存在しないプロファイルは最良なプロファイルの候補から除外する。
画像上に粗造の尾根線が存在しない場合は、最良なプロファイルの候補を絞るということはせず、抽出した皮質骨の濃淡値ピークが存在するプロファイルすべてが候補となる。
図15は粗造の尾根線の有無の測定結果への影響を示す説明図であり、厚み測定に際し、粗造の尾根線の存在しないプロファイルPBを用いた測定結果RBよりも、粗造の尾根線が存在するプロファイルPAを用いた測定結果RAの方が、より安定した測定結果が得られる。
最後に、「粗造の尾根線の有無による最良なプロファイルの候補選択」によって選ばれたプロファイルに対し、検索開始点Tsでの濃淡値と検索範囲の最小の濃淡値との減少幅を求める。図16は濃淡値減少幅を示す説明図であり、同図左図(a)に示すTs−Te間の減少幅Dは、同図右図(b)に示すように皮質骨と海綿骨との境界の明瞭さを表しており、減少幅が大きいプロファイルを選ぶということは皮質骨の厚み測定に適するプロファイルを選ぶと同意である。よって、「粗造の尾根線の有無による最良なプロファイルの候補選択」の次に、さらに隣接する15個のプロファイルの減少幅の合計ΣDが最大となるプロファイル群を選ぶことで、最良なプロファイルの選択を実現する。
最後に、選択されたプロファイル群を用いて厚み測定を行う。
上の手法により求めた、最良な隣接する15個のプロファイルと、動的な検索範囲を用いて、次に述べるプロファイルの傾きを用いた皮質骨と海綿骨の境界設定を行うことで皮質骨の厚み測定を行う。
<計測基準点決定>(S41)
<プロファイルの取得>(S42)
<線集中度フィルタによる線分抽出>(S43)
<線分の面積算出>(S44)
<粗さ測定>(S45)
これらについて、以下に詳述する。なお、その中に示された数値については、好ましい例を挙げたものであるが、これに限定されず、画像の状況、診断支援の精度などに対応して、適宜、選定しうるものである。
線集中度フィルタの適用に際しては、粗さ算出の場合も、厚み算出の場合と同様に、線集中度フィルタの出力Cが0.50以下の場合、出力をC=0とする。なお、粗さ検出の場合には、画像の状況などを考慮して、この閾値を小さくするなどの変更を加えることも可能である。
図18は、線集中度フィルタの適用前後を示した画像であり、同図左図(a)が適用前の画像であり、同図右図(b)が適用後で、C<0.50をC=0、C>=0.50をC=1とし、2値化した画像である。線集中度フィルタ適用後、C=0.50を閾値として作成された画像を2値化し構成した画像の正画素の合計を算出する。ROI(関心領域)は左右に2つ存在するため、結果は左右の正画素数の平均としてもよいし、左右の正画素数の最小値としてもよい。
この数の多寡により、皮質骨の粗さの度合いを判定する。図19は、結果画像の例であり、(a)が粗造が多く、骨粗鬆症が疑われる例、(b)が粗造が全くない正常と思われる例である。
まず、撮影装置110のひとつである、パノラマエックス線画像撮影装置にて下顎骨及びその周辺の画像を撮影し、入力する。ここは、第1の実施形態の画像撮影と同内容である。
次に、撮影された歯科のパノラマ画像を、画像解析装置120に入力し、画像解析装置120の一部である輪郭抽出部141を用いて、下顎骨の輪郭を追跡する。ここは、第1の実施形態の輪郭抽出と同内容である。
次に、撮影された画像及び抽出された輪郭を用いて、下顎皮質骨形態指標識別部146において、まず、皮質骨が含まれる関心領域(ROI)を設定する。ここは、第1の実施形態の、計測基準点決定、プロファイルの取得と同内容であるが、下顎皮質骨形態指標の識別に適するように、関心領域のサイズを拡大している。すなわち、左右の計測基準点を中心として、それぞれ、下顎骨輪郭に沿った横幅151ピクセル(pix)(計測基準点から正中方向に50pix、逆方向に100pix)、下顎骨輪郭から垂直方向に縦幅100pixの領域を関心領域として設定する。図22に関心領域の設定についての説明図を示す。なお、1pixの縦横はそれぞれ0.1mmに相当する。
引き続き下顎皮質骨形態指標識別部146において、設定した関心領域について、線集中度フィルタを用いて、線状構造(骨吸収によって形成された線状の像)及び密な皮質骨部の濃淡値ピークから構成される線を抽出する。具体的には、第1の実施形態に述べられたように、線集中度フィルタによって尾根線を抽出し、更に細線化とノイズ除去を行い、皮質骨の濃淡値ピークによって形成される尾根線(皮質骨の尾根線)、粗造の濃淡値ピークによって形成される尾根線(粗造の尾根線)を検出する。図23に線集中度フィルタ適用後の線状構造の画像を示す。
次に、下顎皮質骨形態指標識別部146において、最下端(下顎骨輪郭側)に存在する線を密な皮質骨部の濃淡値ピークから構成される線とし、この線の上端までを密な皮質骨部の領域と推定する。また、関心領域の下端から垂直に100pixのプロファイルを151個取得する。図24は1個のプロファイルの取得の方法を示しており、同図(a)のように100pixのプロファイルを取得し、同図(b)のように縦軸を濃淡度、横軸を関心領域下端、すなわち輪郭からの距離としてグラフ表示する。そして、図25に示すように、それぞれのオリジナルのプロファイルOrに対する3次多項式近似曲線Apを取得し、この曲線Apの変曲点Anを皮質骨全体CBと海綿骨の境界線と推定する。そして、先に推定した密な皮質骨部DCBの領域を除く、皮質骨全体と海綿骨の境界線までの領域を粗な皮質骨部SCBの領域と推定する。図26にはこのようにして推定した関心領域における密粗な領域部(図中の一点鎖線で境界を示す)の推定結果を示す。
次に、下顎皮質骨形態指標識別部146において、形態指標(I型、II型、III型)を識別するための特徴量を抽出する。特徴量としては、以下の5種を用いる。
(1)厚みの特徴量
(2)密な皮質骨領域における線素の画素数
(3)粗な皮質骨領域における線素の画素数
(4)粗な皮質骨領域の面積
(5)各領域における線素の濃度平均値の比
ここで、厚みの特徴量は、皮質骨の総合的な厚みを求めるために下顎骨左右に3点、計6点の計測基準点を設定する.図27に示すように、まず、左右に1ヵ所ずつ計測基準点L1、R1を設定し、その計測基準点から下顎骨輪郭に沿って両側に101pix間隔で新たに2つの計測基準点L2、L3、R2、R3を設定する。各計測基準点から、第1の実施形態における皮質骨厚み算出部42と同等の機能を下顎皮質骨形態指標識別部146に内蔵しておき、これを用いて皮質骨厚みの計測を行い、更に、エラー値を考慮して、6つの計測値から最小値と最大値を除いた4ヵ所の計測結果の平均値を厚みの特徴量とする 。
次に、下顎皮質骨形態指標識別部146において、これらの特徴量から、皮質骨の形態を識別する。この識別には、「教師あり学習」を用いる識別手法の一つであるサポートベクターマシン(SVM)を用いる。SVMは、最も優れた識別性能を有する学習モデルの1つである。
最後に、形態指標の識別(分類)結果を表示装置170に提示するとともに、骨粗鬆症診断支援部145によって、骨粗鬆症に関する医師の診断を支援する。
−距離 5pixels
−角度別 0度、45度、90度、135度 (濃度共起行列を作成するときの角度)
−関心領域 皮質骨全体、粗な皮質骨領域のみ
−種類
コントラスト(Contrast)、相関(Correlation)、分散(Variance)、エントロピー(Entropy)、和エントロピー(Sum Entropy)、逆差分モーメント(Inverse Difference Moment)、和平均(Sum Average)、和分散(Sum Variance)、差分散(Difference Variance)、差エントロピー(Difference Entropy) 、2次モーメント(Angular Second
Moment)
−粗な皮質骨領域の0、45、90、または、135度の分散(Variance)、
−粗な皮質骨領域の0、45、90、または、135度の差分散(Difference Variance)、
−粗な皮質骨領域の45、90、または、135度の差エントロピー(Difference Entropy)、
−皮質骨領域全体の0度の逆差分モーメント(Inverse Difference Moment)、
−皮質骨領域全体の0度の差エントロピー(Difference Entropy)、
−皮質骨領域全体の0度の差分散(Difference Variance)
10 撮影装置
20 画像解析装置
30 CPU
40 メモリー
41 輪郭抽出部
42 皮質骨厚み算出部
43 皮質骨粗さ抽出部
44 線分抽出部
45 骨粗鬆症診断支援部
50 インターフェース
60 インターフェース
70 表示装置
100 骨粗鬆症診断支援装置
110 撮影装置
120 画像解析装置
130 CPU
140 メモリー
141 輪郭抽出部
144 線分抽出部
145 骨粗鬆症診断支援部
146 下顎皮質骨形態指標識別部
150 インターフェース
160 インターフェース
170 表示装置
Claims (16)
- 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出部と、
前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分を含む線分を抽出する線分抽出部と、
前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の厚みを算出する皮質骨厚み算出部と
を有する骨粗鬆症診断支援装置であって、
皮質骨厚み算出部においては、前記輪郭抽出部で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出部において抽出された皮質骨の線分について尾根線が存在する前記濃淡値情報のみを対象として該濃淡値情報ごとの検索範囲を決定し、最適な濃淡値情報の候補を選択し、該選択された最適な濃淡値情報の候補に対し、前記検索範囲の開始点での濃淡値と前記検索範囲の最小の濃淡値との減少幅を求め、前記選択された最適な濃淡値情報の候補に隣接する所定個数の濃淡値情報の減少幅の合計が最大となる濃淡値情報を選ぶことで、最適な前記濃淡値情報の群を選定することによって、前記選定された最適な濃淡値情報の群から皮質骨の厚みを算出することを特徴とする骨粗鬆症診断支援装置。 - 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出部と、
前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分及び粗造部の線分を含む線分を抽出する線分抽出部と、
前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の厚みを算出する皮質骨厚み算出部と
を有する骨粗鬆症診断支援装置であって、
皮質骨厚み算出部においては、前記輪郭抽出部で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出部において抽出された皮質骨の線分及び粗造部の線分について尾根線が存在する前記濃淡値情報のみを対象として該濃淡値情報ごとの検索範囲を決定し、最適な濃淡値情報の候補を選択し、該選択された最適な濃淡値情報の候補に対し、前記検索範囲の開始点での濃淡値と前記検索範囲の最小の濃淡値との減少幅を求め、前記選択された最適な濃淡値情報の候補に隣接する所定個数の濃淡値情報の減少幅の合計が最大となる濃淡値情報を選ぶことで、最適な前記濃淡値情報の群を選定することによって、前記選定された最適な濃淡値情報の群から皮質骨の厚みを算出することを特徴とする骨粗鬆症診断支援装置。 - 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出部と、
前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって粗造部の線分を含む線分を抽出する線分抽出部と、
前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の粗さを算出する皮質骨粗さ算出部と
を有する骨粗鬆症診断支援装置であって、
皮質骨粗さ算出部においては、前記輪郭抽出部で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出部において抽出された粗造部の線分の面積を算出することによって、皮質骨の粗さを算出することを特徴とする骨粗鬆症診断支援装置。 - 前記線分抽出部は、前記線分を抽出するにおいて線集中度フィルタを用いることを特徴とする請求項1乃至3のうち1項記載の骨粗鬆症診断支援装置。
- 前記皮質骨厚み算出部における計測基準点の決定に際し、下顎角を検出することを含むことを特徴とする請求項1もしくは2記載の骨粗鬆症診断支援装置。
- 前記皮質骨粗さ算出部における計測基準点の決定に際し、下顎角を検出することを含むことを特徴とする請求項3記載の骨粗鬆症診断支援装置。
- 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分を含む線分を抽出する線分抽出手段と、
前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の厚みを算出する皮質骨厚み算出手段と
をコンピュータに実行させる骨粗鬆症診断支援プログラムであって、該骨粗鬆症診断支援プログラムは、
皮質骨厚み算出手段において、前記輪郭抽出手段で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出手段において抽出された皮質骨の線分について尾根線が存在する前記濃淡値情報のみを対象として該濃淡値情報ごとの検索範囲を決定し、最適な濃淡値情報の候補を選択し、該選択された最適な濃淡値情報の候補に対し、前記検索範囲の開始点での濃淡値と前記検索範囲の最小の濃淡値との減少幅を求め、前記選択された最適な濃淡値情報の候補に隣接する所定個数の濃淡値情報の減少幅の合計が最大となる濃淡値情報を選ぶことで、最適な前記濃淡値情報の群を選定することによって、前記選定された最適な濃淡値情報の群から皮質骨の厚みを算出することを特徴とする骨粗鬆症診断支援プログラム。 - 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分及び粗造部の線分を含む線分を抽出する線分抽出手段と、
前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の厚みを算出する皮質骨厚み算出手段と
をコンピュータに実行させる骨粗鬆症診断支援プログラムであって、該骨粗鬆症診断支援プログラムは、
皮質骨厚み算出手段において、前記輪郭抽出手段で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出手段において抽出された皮質骨の線分及び粗造部の線分について尾根線が存在する前記濃淡値情報のみを対象として該濃淡値情報ごとの検索範囲を決定し、最適な濃淡値情報の候補を選択し、該選択された最適な濃淡値情報の候補に対し、前記検索範囲の開始点での濃淡値と前記検索範囲の最小の濃淡値との減少幅を求め、前記選択された最適な濃淡値情報の候補に隣接する所定個数の濃淡値情報の減少幅の合計が最大となる濃淡値情報を選ぶことで、最適な前記濃淡値情報の群を選定することによって、前記選定された最適な濃淡値情報の群から皮質骨の厚みを算出することを特徴とする骨粗鬆症診断支援プログラム。 - 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって粗造部の線分を含む線分を抽出する線分抽出手段と、
前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の粗さを算出する皮質骨粗さ算出手段と
をコンピュータに実行させる骨粗鬆症診断支援プログラムであって、該骨粗鬆症診断支援プログラムは、
皮質骨粗さ算出手段において、前記輪郭抽出手段で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出手段において抽出された粗造部の線分の面積を算出することによって、皮質骨の粗さを算出することを特徴とする骨粗鬆症診断支援プログラム。 - 前記線分抽出手段は、前記線分を抽出するにおいて線集中度フィルタを用いることを特徴とする請求項7乃至9のうち1項に記載の骨粗鬆症診断支援プログラム。
- 前記皮質骨厚み算出手段における計測基準点の決定に際し、下顎角を検出することを含むことを特徴とする請求項7もしくは8記載の骨粗鬆症診断支援プログラム。
- 前記皮質骨粗さ算出手段における計測基準点の決定に際し、下顎角を検出することを含むことを特徴とする請求項9記載の骨粗鬆症診断支援プログラム。
- 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出部と、
前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分及び粗造部の線分を含む線分を抽出する線分抽出部と、
前記抽出された下顎骨輪郭及び線分に基づき特徴量を抽出し、前記特徴量から、下顎皮質骨形態指標を識別する、骨密度推定機能を備えた下顎皮質骨形態指標識別部と
を有することを特徴とする骨粗鬆症診断支援装置。 - 前記特徴量が、
−皮質骨の厚みの特徴量、
−前記抽出された下顎骨輪郭及び線分に基づき、密度別領域を推定して密と推定された皮質骨領域での線素の画素数、
−前記密度別領域の推定で、粗と推定された皮質骨領域での線素の画素数、
−前記密度別領域の推定で、粗と推定された皮質骨領域の面積、
−前記密度別領域の推定で、密と推定された皮質骨領域と、粗と推定された皮質骨領域とにおける線素の濃度平均値の比、
−前記密度別領域の推定で、粗と推定された皮質骨領域の分散(Variance)、
−前記密度別領域の推定で、粗と推定された皮質骨領域の差分散(Difference Variance)、
−前記密度別領域の推定で、粗と推定された皮質骨領域の差エントロピー(Difference Entropy)、
−前記密度別領域の推定で、密及び粗と推定された皮質骨領域全体の逆差分モーメント(Inverse Difference Moment)、
−前記密度別領域の推定で、密及び粗と推定された皮質骨領域全体の差エントロピー(Difference Entropy)、
−前記密度別領域の推定で、密及び粗と推定された皮質骨領域全体の差分散(Difference Variance)
のいずれか1つまたは2つ以上を含むことを特徴とする請求項13に記載の骨粗鬆症診断支援装置。 - 前記下顎皮質骨形態指標識別部が、サポートベクターマシンによる識別部であることを特徴とする請求項13に記載の骨粗鬆症診断支援装置。
- 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分及び粗造部の線分を含む線分を抽出する線分抽出手段と、
前記抽出された下顎骨輪郭及び線分に基づき特徴量を抽出し、前記特徴量から、下顎皮質骨形態指標を識別する、骨密度推定機能を備えた下顎皮質骨形態指標識別手段と
をコンピュータに実行させることを特徴とする骨粗鬆症診断支援プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013242678A JP5722414B1 (ja) | 2013-11-25 | 2013-11-25 | 骨粗鬆症診断支援装置 |
JP2013242678 | 2013-11-25 | ||
PCT/JP2014/081056 WO2015076406A1 (ja) | 2013-11-25 | 2014-11-25 | 骨粗鬆症診断支援装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2015076406A1 JPWO2015076406A1 (ja) | 2017-03-16 |
JP6544648B2 true JP6544648B2 (ja) | 2019-07-17 |
Family
ID=53179665
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013242678A Active JP5722414B1 (ja) | 2013-11-25 | 2013-11-25 | 骨粗鬆症診断支援装置 |
JP2015549222A Active JP6544648B2 (ja) | 2013-11-25 | 2014-11-25 | 骨粗鬆症診断支援装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013242678A Active JP5722414B1 (ja) | 2013-11-25 | 2013-11-25 | 骨粗鬆症診断支援装置 |
Country Status (4)
Country | Link |
---|---|
US (3) | US10004448B2 (ja) |
JP (2) | JP5722414B1 (ja) |
DE (1) | DE112014005372B4 (ja) |
WO (1) | WO2015076406A1 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5722414B1 (ja) | 2013-11-25 | 2015-05-20 | メディア株式会社 | 骨粗鬆症診断支援装置 |
EP3098780A1 (en) * | 2015-05-28 | 2016-11-30 | Galgo Medical, S.L. | A method, a system and a computer program for determining data defining an estimate of the thickness and density of a tissue structure of interest from imaging data |
CA3019321A1 (en) * | 2015-11-13 | 2017-05-18 | Rutgers, The State University Of New Jersey | Differential diagnosis of periapical diseases based on results of image analysis |
JP6810395B2 (ja) * | 2016-03-18 | 2021-01-06 | メディア株式会社 | 骨粗鬆症診断支援装置 |
WO2018127949A1 (ja) * | 2017-01-05 | 2018-07-12 | 佳知 高石 | 骨質評価装置,方法およびプログラムならびに骨折リスク評価装置,方法およびプログラム |
US10115197B1 (en) | 2017-06-06 | 2018-10-30 | Imam Abdulrahman Bin Faisal University | Apparatus and method for lesions segmentation |
US11090014B2 (en) * | 2017-10-23 | 2021-08-17 | Niigata University | Dental image processing device, dental imaging system, dental image processing method, and program |
EP3713446B1 (en) | 2017-11-26 | 2023-07-26 | Dentlytec G.P.L. Ltd. | Handheld dental tracking device |
LU101008B1 (en) * | 2018-11-26 | 2020-05-26 | Metamorphosis Gmbh | Bone fracture detection and classification |
JP7152455B2 (ja) * | 2019-10-07 | 2022-10-12 | 株式会社モリタ製作所 | セグメンテーション装置および学習モデルの生成方法 |
WO2021201908A1 (en) * | 2020-04-03 | 2021-10-07 | New York Society For The Relief Of The Ruptured And Crippled, Maintaining The Hospital For Special Surgery | Mri-based textural analysis of trabecular bone |
CN111724357B (zh) * | 2020-06-09 | 2023-05-16 | 四川大学 | 基于数字放射图像及支持向量回归的手臂骨密度测量方法 |
CN113129286B (zh) * | 2021-04-21 | 2024-03-08 | 中国人民解放军空军特色医学中心 | 一种检测骨质疏松的方法、装置、设备及存储介质 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7840247B2 (en) * | 2002-09-16 | 2010-11-23 | Imatx, Inc. | Methods of predicting musculoskeletal disease |
US8965075B2 (en) * | 2002-09-16 | 2015-02-24 | Imatx, Inc. | System and method for predicting future fractures |
JP3964795B2 (ja) * | 2003-01-07 | 2007-08-22 | 独立行政法人科学技術振興機構 | パノラマx線画像を用いた骨粗鬆症診断支援装置 |
JP4956745B2 (ja) | 2004-10-19 | 2012-06-20 | 国立大学法人広島大学 | 骨粗鬆症診断支援装置 |
JP4850927B2 (ja) * | 2009-06-02 | 2012-01-11 | キヤノン株式会社 | 画像処理装置、画像処理方法及びコンピュータプログラム |
JP5640280B2 (ja) * | 2011-01-12 | 2014-12-17 | 国立大学法人広島大学 | 骨粗鬆症診断支援装置及び骨粗鬆症診断支援プログラム |
WO2012128121A1 (ja) | 2011-03-18 | 2012-09-27 | 国立大学法人岐阜大学 | パノラマエックス線写真を利用した診断支援システム、及びパノラマエックス線写真を利用した診断支援プログラム |
JP5935061B2 (ja) * | 2011-12-05 | 2016-06-15 | 国立大学法人広島大学 | 骨粗鬆症診断支援装置、骨粗鬆症診断支援プログラム、及び骨密度変化部位特定方法 |
US20140329194A1 (en) * | 2013-05-05 | 2014-11-06 | Rohit Sachdeva | Orthodontic treatment planning using biological constraints |
JP5722414B1 (ja) | 2013-11-25 | 2015-05-20 | メディア株式会社 | 骨粗鬆症診断支援装置 |
-
2013
- 2013-11-25 JP JP2013242678A patent/JP5722414B1/ja active Active
-
2014
- 2014-11-25 WO PCT/JP2014/081056 patent/WO2015076406A1/ja active Application Filing
- 2014-11-25 JP JP2015549222A patent/JP6544648B2/ja active Active
- 2014-11-25 DE DE112014005372.4T patent/DE112014005372B4/de active Active
-
2016
- 2016-05-23 US US15/162,447 patent/US10004448B2/en active Active
-
2018
- 2018-06-25 US US16/017,066 patent/US11672471B2/en active Active
-
2023
- 2023-04-30 US US18/309,815 patent/US20230263463A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
DE112014005372T5 (de) | 2016-08-04 |
US11672471B2 (en) | 2023-06-13 |
JPWO2015076406A1 (ja) | 2017-03-16 |
US20160262686A1 (en) | 2016-09-15 |
US20230263463A1 (en) | 2023-08-24 |
DE112014005372B4 (de) | 2022-07-14 |
WO2015076406A1 (ja) | 2015-05-28 |
US20180303409A1 (en) | 2018-10-25 |
JP5722414B1 (ja) | 2015-05-20 |
US10004448B2 (en) | 2018-06-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6544648B2 (ja) | 骨粗鬆症診断支援装置 | |
KR101267755B1 (ko) | 화상 처리 장치, 화상 처리 방법, 단층상 촬상 장치 및 프로그램 기억 매체 | |
JP6361776B2 (ja) | 診断支援装置、及び診断支援装置における画像処理方法、並びにプログラム | |
JP5231007B2 (ja) | 自動セグメント化方法及び装置 | |
US20110103674A1 (en) | Marker detection in x-ray images | |
JP6273291B2 (ja) | 画像処理装置および方法 | |
JP2004032684A (ja) | 医療画像において腫瘤や実質組織変形をコンピュータを用いて検出する自動化した方法と装置 | |
US20110103673A1 (en) | Systems, computer-readable media, methods, and medical imaging apparatus for the automated detection of suspicious regions of interest in noise normalized x-ray medical imagery | |
JP4717585B2 (ja) | 医用画像判定装置、医用画像判定方法およびそのプログラム | |
WO2007117506A2 (en) | System and method for automatic detection of internal structures in medical images | |
KR20160020918A (ko) | 적응형 컴퓨터 보조 진단 장치 및 방법 | |
JP6810395B2 (ja) | 骨粗鬆症診断支援装置 | |
US7840055B2 (en) | Computer aided tube and tip detection | |
JP2008212396A (ja) | 画像処理装置およびそのプログラム | |
US20110211743A1 (en) | Change Assessment Method | |
GB2545641A (en) | A method for detecting motion in a series of image data frames, and providing a corresponding warning to a user | |
US20230113721A1 (en) | Functional measurements of vessels using a temporal feature | |
JP2021505264A (ja) | 患者の身体運動を検知するためのデバイス、システム及び方法 | |
KR101162599B1 (ko) | 흉부 방사선 이미지 분석을 통한 심비대 자동탐지 방법 및 그 기록매체 | |
TWI490790B (zh) | Dynamic cardiac imaging analysis and cardiac function assessment system | |
JP2013116293A (ja) | 骨粗鬆症診断支援装置、骨粗鬆症診断支援プログラム、及び骨密度変化部位特定方法 | |
KR101494975B1 (ko) | 3차원 자동 유방 초음파 영상의 유두 자동 검출 시스템 및 그 검출 방법 | |
JP2006175036A (ja) | 肋骨形状推定装置、肋骨形状推定方法およびそのプログラム | |
Tripathi et al. | Learning the Imaging Landmarks: Unsupervised Key point Detection in Lung Ultrasound Videos | |
JP2009502430A (ja) | 胸部磁気共鳴シーケンスにおいて血管を自動的にセグメント化するシステムおよび方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180814 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20181015 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181213 |
|
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: 20190507 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190606 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6544648 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
R370 | Written measure of declining of transfer procedure |
Free format text: JAPANESE INTERMEDIATE CODE: R370 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |