JP6772112B2 - 医用撮像装置及び医用画像処理方法 - Google Patents
医用撮像装置及び医用画像処理方法 Download PDFInfo
- Publication number
- JP6772112B2 JP6772112B2 JP2017148198A JP2017148198A JP6772112B2 JP 6772112 B2 JP6772112 B2 JP 6772112B2 JP 2017148198 A JP2017148198 A JP 2017148198A JP 2017148198 A JP2017148198 A JP 2017148198A JP 6772112 B2 JP6772112 B2 JP 6772112B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- data
- unit
- image data
- processing unit
- 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
- 238000002059 diagnostic imaging Methods 0.000 title claims description 30
- 238000003672 processing method Methods 0.000 title claims 5
- 238000012545 processing Methods 0.000 claims description 143
- 238000003384 imaging method Methods 0.000 claims description 87
- 238000000034 method Methods 0.000 claims description 60
- 230000006866 deterioration Effects 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 238000013170 computed tomography imaging Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000005259 measurement Methods 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 238000013527 convolutional neural network Methods 0.000 description 58
- 238000002595 magnetic resonance imaging Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 15
- 238000012986 modification Methods 0.000 description 13
- 230000004048 modification Effects 0.000 description 13
- 238000009826 distribution Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 239000000523 sample Substances 0.000 description 11
- 238000004364 calculation method Methods 0.000 description 10
- 230000010354 integration Effects 0.000 description 10
- 238000013135 deep learning Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 6
- 238000004904 shortening Methods 0.000 description 6
- 230000003068 static effect Effects 0.000 description 6
- 239000013598 vector Substances 0.000 description 6
- 102100033620 Calponin-1 Human genes 0.000 description 5
- 101000945318 Homo sapiens Calponin-1 Proteins 0.000 description 5
- 238000013480 data collection Methods 0.000 description 5
- 238000005481 NMR spectroscopy Methods 0.000 description 4
- 238000005520 cutting process Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 241001669679 Eleotris Species 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 102100033591 Calponin-2 Human genes 0.000 description 1
- 101000945403 Homo sapiens Calponin-2 Proteins 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 208000017520 skin disease Diseases 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- 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
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- 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
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- 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
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
- A61B6/032—Transmission computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/5608—Data processing and visualization specially adapted for MR, e.g. for feature analysis and pattern recognition on the basis of measured MR data, segmentation of measured MR data, edge contour detection on the basis of measured MR data, for enhancing measured MR data in terms of signal-to-noise ratio by means of noise filtering or apodization, for enhancing measured MR data in terms of resolution by means for deblurring, windowing, zero filling, or generation of gray-scaled images, colour-coded images or images displaying vectors instead of pixels
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
-
- 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
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/441—AI-based methods, deep learning or artificial neural networks
Description
本実施形態の医用撮像装置10は、図1(A)に示すように、被検体から画像再構成に必要なデータを収集する撮像部100と、撮像部100が収集したデータを処理し画像を作成する画像処理部200と、を備える。医用撮像装置10は、さらにその内部或いは外部に記憶装置300を備えている。撮像部100は、モダリティによって構成が異なるが、被検体の計測によって得た信号から画像データを作成する。モダリティ毎の詳細な構成については後述する実施形態で説明する。撮像部100が取得する画像データは、例えば高速撮像方法を利用した低空間分解能の、或いはアンダーサンプリングされたデータである。
復元器240は、正解画像とそれより画質の低い画像(劣化画像)とのペアを学習データとして用い、入力画像に対し正解画像との差が最小の画像を出力画像とするように学習されたものであり、本実施形態では、CNNを用いる。
第一実施形態では、クラスタの数と同数の復元器(CNN)を用意したが、本変形例では、特定の特徴との関連付けがなされていないCNN(ここではユニバーサルCNN:UCNNという)を追加する。図8に画像処理部200の構成例を示す。図中「Universal CNN」245がUCNNである。
第一実施形態では、画像データから切り取ったパッチ全てを、用意されたCNNで処理したが、本実施形態はCNNのブランク247を設けることが特徴である。図9に画像処理部200の構成例を示す。この場合、入力がそのまま出力になる、即ち、切り取られたパッチの画像データが統合部250に入力される。ブランクの対象となるパッチは、例えば、クラスタリングできないパッチであってもよいし、関心領域(ROI)から外れる領域の画像データでもよい。
第一実施形態では、画像データからのパッチの切り出しは、各パッチがオーバーラップしない条件で行ったが、パッチ処理部210は、隣接するパッチがオーバーラップするようにパッチを切り出すことも可能である。パッチをオーバーラップさせて切り出し、CNN処理することにより、出力画像の画質をさらに向上することができる。オーバーラップする割合は特に限定されないが、割合が多いほど処理量も増加し、冗長性も高くなるので、処理時間の短縮という観点から、50%以下であることが好ましい。なお全てのパッチをオーバーラップさせるのではなく、一部の、例えば関心領域内のパッチのみをオーバーラップさせてもよい。
S(x,y)=w1×S1(x,y)+w2×S2(x,y) (2)
但し、w1=d1/(d1+d2)、w2=d2/(d1+d2)
S(x,y)は、平均或いは加重平均後の画素値、S1(x,y)、S2(x,y)は、2つのCNNの出力画像の画素値である。
本発明をMRI装置に適用した実施形態を説明する。
MRI装置50は、図12に示すように、MR撮像部510として、静磁場発生磁石を備えた静磁場発生部511と、静磁場発生磁石が発生する静磁場空間に3軸方向の傾斜磁場を発生する傾斜磁場コイルを備えた傾斜磁場発生部512と、静磁場空間に置かれた被検体に対し高周波磁場を印加する高周波コイル(送信コイル)を備えた送信部513と、被検体101から発生する核磁気共鳴信号を受信する高周波コイル(受信コイル)を備えた受信部514と、傾斜磁場発生部512、送信部513及び受信部514の動作を所定のパルスシーケンスに従い制御するシーケンサ515と、を備えている。
MRI装置10では、例えば、3D撮像の場合、位相エンコード方向及びスライス方向にエンコード傾斜磁場を印加しエコー信号を計測し、k空間データを得る。k空間データは、エンコード方向を軸とするデータ空間であり、各軸のエンコード数は撮像対象のFOVの大きさで決まる。各エンコード傾斜磁場の大きさを異ならせてパルスシーケンスを繰り返すことで、所定のエンコード数のk空間データが得られる。本実施形態では、このエコードを間引いて、即ちアンダーサンプリングして劣化したデータを取得する。これにより撮像時間は間引き率に相当する割合で短縮される。
本発明を超音波撮像装置に適用した実施形態を説明する。
超音波撮像装置70の全体概要を図16に示す。この装置は大きく分けて超音波撮像部710と再構成部700とから成り、超音波撮像部710は第一実施形態の撮像部100に相当し、従来の超音波撮像装置と同様の構成を備える。即ち、超音波を発信する超音波探触子711、探触子711に超音波駆動信号を送る送信部712、探触子711からの超音波信号(RF信号)を受信する超音波受信部713、超音波受信部713が受信した信号を整相加算(ビームフォーミング)する整相加算部715、及び、超音波送信部712及び超音波受信部713を制御する超音波送受信制御部714を備える。
撮像部100がCT装置の場合の実施形態を説明する。
CT装置90の全体概要を図17に示す。この装置は、大きく分けてCT撮像部910と再構成部900とから成り、CT撮像部910は第一実施形態の撮像部100に相当し、従来のCT装置と同様の構成を備える。即ち、X線管を備えたX線源911と、固体検出器とダイオード等からなる多数のX線検出素子を1次元方向或いは円弧状及びそれと直交する方向に配置したX線検出器912と、中央に開口914が設けられ、X線源911及びX線検出器912を対向する位置で支持する回転板913と、開口914内の空間で被検体101を搭載する寝台915と、X線検出器912の出力を投影データ毎に収集するデータ収集部916と、CT撮像部910を構成する各要素の動作を制御するシステム制御部917とを備えている。
50:MRI装置
70:超音波撮像装置
90:CT装置
100:撮像部
200:画像処理部
210:パッチ処理部
220:分類処理部
230:復元器選択部(選択部)
240:画像復元部(復元器)
250:統合部
270:ROI設定部
300:記憶装置
410:出力部
430:入力部
500:再構成部
510:MR撮像部
511:静磁場発生部
512:傾斜磁場発生部
513:RF送信部
514:RF受信部
515:シーケンス制御部
530:画像生成部
550:画像処理部
700:再構成部
710:超音波撮像部
711:超音波探触子
712:超音波送信部
713:超音波受信部
715:整相加算部
714:超音波送受信制御部
730:超音波画像生成部
750:画像処理部
900:再構成部
910:CT撮像部
911:X線源
912:X線検出器
913:回転板
916:データ収集部
930:断層画像生成部
950:画像処理部
Claims (11)
- 検査対象の画像データを収集する撮像部と、前記撮像部が収集した画像データを用いて画像再構成を行う画像処理部と、を有し、
前記画像処理部は、画像データを分類する分類処理部と、前記分類処理部による分類に対応する複数の復元器を備える画像復元部と、前記分類処理部による分類結果に応じて前記複数の復元器から1ないし複数の復元器を選択する復元器選択部と、を備え、
前記複数の復元器は、それぞれ、分類毎の正解画像と劣化画像との組み合わせからなる学習用データを用いて学習されたニューラルネットワークで構成され,入力された劣化画像から高画質画像を復元する復元器であり、
前記画像復元部は、前記分類処理部による分類に対応する復元器に加えて、分類と関連付けられていない復元器を備えることを特徴とする医用撮像装置。 - 請求項1に記載の医用撮像装置であって、
前記画像処理部は、前記撮像部が収集した画像データからパッチの画像データを切り出し前記分類処理部に渡すパッチ処理部と、前記画像復元部において、前記パッチの画像データ毎に処理された出力データを統合する統合部と、を更に備えることを特徴とする医用撮像装置。 - 請求項2に記載の医用撮像装置であって、
前記パッチ処理部は、前記撮像部が収集した画像データからパッチの画像データを切り出す際に、隣接するパッチがオーバーラップするように切り出し、
前記統合部は、前記隣接するパッチの画像データが異なる復元器で処理されている場合に、オーバーラップ部分について、前記画像復元部からの出力データを平均又は加重平均して統合することを特徴とする医用撮像装置。 - 請求項1に記載の医用撮像装置であって、
前記検査対象の画像データに関心領域を設定するROI設定部を更に備え、
前記画像処理部は、前記ROI設定部で設定された領域の画像データを処理することを特徴とする医用撮像装置。 - 請求項1に記載の医用撮像装置であって、
多数の画像データについて、前記分類処理部が、予め複数のクラスタに分類した結果を格納する記憶部を有し、前記分類処理部は、前記記憶部に格納された前記複数のクラスタのそれぞれの重心と、分類対象の画像データとの距離に基き、分類を行うことを特徴とする医用撮像装置。 - 検査対象の磁気共鳴信号を計測するMR撮像部と、前記MR撮像部が計測した磁気共鳴信号で構成されるk空間データを画像データに変換する画像生成部と、前記画像生成部が作成した画像データを用いて再構成を行う画像処理部と、を有し、
前記画像処理部は、画像データを分類する分類処理部と、前記分類処理部による分類に対応する複数の復元器を備える画像復元部と、前記分類処理部による分類結果に応じて前記複数の復元器から1ないし複数の復元器を選択する復元器選択部と、を備え、
前記複数の復元器は、それぞれ、分類毎の正解画像と劣化画像との組み合わせからなる学習用データを用いて学習されたニューラルネットワークで構成され,入力された劣化画像から高画質画像を復元する復元器であり、前記学習用データとして、前記k空間を埋める全データが計測データであるk空間データから再構成した画像データと、間引き計測したk空間データから再構成した画像データとの組み合わせを用いて学習されたものである医用撮像装置。 - 請求項6に記載の医用撮像装置であって、
前記間引き計測したk空間データは、k空間の中心を含む円形又は多角形の領域のデータであることを特徴とする医用撮像装置。 - 請求項1に記載の医用撮像装置であって、
前記撮像部は、検査対象の超音波信号を計測する超音波撮像部であり、
前記画像処理部は、前記超音波撮像部が計測した超音波信号から作成した画像データを用いて再構成を行うことを特徴とする医用撮像装置。 - 請求項1に記載の医用撮像装置であって、
前記撮像部は、検査対象を透過したX線の投影データを、X線の異なる照射角度毎に取得するCT撮像部であり、
前記CT撮像部が取得した投影データから断層画像を生成する画像生成部をさらに備え、前記画像処理部は、前記画像生成部が生成した画像データを用いて再構成を行うことを特徴とする医用撮像装置。 - MRI装置が取得したk空間データからなる原画像データを処理し、当該原画像データより画質の向上した画像データを生成する医用画像処理方法であって、
正解画像から切り出したパッチの画像データを、その特徴によって分類するステップ(1)と、
分類されたクラスタ毎に、k空間を埋める全データが計測データであるk空間データから再構成した画像データと、間引き計測したk空間データから再構成した画像データとの組み合わせを学習用データとして学習させた復元器を用意するステップ(2)と、
処理対象画像データを、ステップ(1)で得られた複数のクラスタのいずれかに分類するステップ(3)と、
ステップ(3)の結果をもとに、前記クラスタ毎に用意した復元器のうち1ないし複数の復元器を選択するステップ(4)と、
ステップ(4)で選択された復元器に、処理対象画像データを入力し、当該復元器の出力として処理対象画像データより画質の向上した画像データを得るステップ(5)と、
複数の復元器の出力を統合するステップ(6)と、を含む医用画像処理方法。 - 医用撮像装置が撮像により取得した原画像データを処理し、当該原画像データより画質の向上した画像データを生成する医用画像処理方法であって、
正解画像から切り出したパッチの画像データを、その特徴によって分類するステップ(1)と、
分類されたクラスタ毎に、正解画像と当該正解画像に対し劣化過程を経た劣化画像との組み合わせを学習用データとして学習させた復元器と、分類と関連付けられていない復元器とを用意するステップ(2)と、
処理対象画像データを、ステップ(1)で得られた複数のクラスタのいずれかに分類するステップ(3)と、
ステップ(3)の結果をもとに、前記クラスタ毎に用意した復元器のうち1ないし複数の復元器及び分類と関連付けられていない復元器を選択するステップ(4)と、
ステップ(4)で選択された復元器に、処理対象画像データを入力し、当該復元器の出力として処理対象画像データより画質の向上した画像データを得るステップ(5)と、
複数の復元器の出力を統合するステップ(6)と、を含む医用画像処理方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017148198A JP6772112B2 (ja) | 2017-07-31 | 2017-07-31 | 医用撮像装置及び医用画像処理方法 |
US16/630,594 US11100638B2 (en) | 2017-07-31 | 2018-06-01 | Medical imaging device and medical image processing method using a neutral network |
PCT/JP2018/021200 WO2019026407A1 (ja) | 2017-07-31 | 2018-06-01 | 医用撮像装置及び医用画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017148198A JP6772112B2 (ja) | 2017-07-31 | 2017-07-31 | 医用撮像装置及び医用画像処理方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019025044A JP2019025044A (ja) | 2019-02-21 |
JP2019025044A5 JP2019025044A5 (ja) | 2020-02-27 |
JP6772112B2 true JP6772112B2 (ja) | 2020-10-21 |
Family
ID=65233704
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017148198A Active JP6772112B2 (ja) | 2017-07-31 | 2017-07-31 | 医用撮像装置及び医用画像処理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11100638B2 (ja) |
JP (1) | JP6772112B2 (ja) |
WO (1) | WO2019026407A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023128074A1 (ko) * | 2021-12-30 | 2023-07-06 | 주식회사 에어스 메디컬 | 스캔 파라미터를 이용하는 자기 공명 영상 처리 방법 및 장치 |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7005215B2 (ja) * | 2017-08-07 | 2022-01-21 | キヤノン株式会社 | 画像処理装置、及び、画像処理方法、コンピュータプログラム |
US11517197B2 (en) * | 2017-10-06 | 2022-12-06 | Canon Medical Systems Corporation | Apparatus and method for medical image reconstruction using deep learning for computed tomography (CT) image noise and artifacts reduction |
US10803984B2 (en) * | 2017-10-06 | 2020-10-13 | Canon Medical Systems Corporation | Medical image processing apparatus and medical image processing system |
US11537848B2 (en) * | 2018-07-26 | 2022-12-27 | Raytheon Company | Class level artificial neural network |
JP2021534852A (ja) | 2018-08-15 | 2021-12-16 | ハイパーファイン,インコーポレイテッド | 磁気共鳴画像においてアーティファクトを抑制するためのディープラーニング技術 |
CN112822973A (zh) | 2018-10-10 | 2021-05-18 | 佳能株式会社 | 医学图像处理装置、医学图像处理方法和程序 |
CN109658471B (zh) * | 2018-12-20 | 2023-07-25 | 上海联影医疗科技股份有限公司 | 一种医学图像重建方法和系统 |
CN109886891B (zh) * | 2019-02-15 | 2022-01-11 | 北京市商汤科技开发有限公司 | 一种图像复原方法及装置、电子设备、存储介质 |
JP7218215B2 (ja) * | 2019-03-07 | 2023-02-06 | 株式会社日立製作所 | 画像診断装置、画像処理方法及びプログラム |
JP7406892B2 (ja) * | 2019-03-11 | 2023-12-28 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
WO2020183791A1 (ja) | 2019-03-11 | 2020-09-17 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
WO2020183799A1 (ja) * | 2019-03-11 | 2020-09-17 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
US11344219B2 (en) | 2019-03-14 | 2022-05-31 | Hyperfine Operations, Inc. | Deep learning techniques for alignment of magnetic resonance images |
JP6737997B1 (ja) * | 2019-03-14 | 2020-08-12 | Navier株式会社 | 画像処理学習プログラム、画像処理プログラム、情報処理装置及び画像処理システム |
CN110047044B (zh) * | 2019-03-21 | 2021-01-29 | 深圳先进技术研究院 | 一种图像处理模型的构建方法、装置及终端设备 |
JP6938698B2 (ja) * | 2019-03-22 | 2021-09-22 | ネイバー コーポレーションNAVER Corporation | イメージ検索のためのマルチグローバルディスクリプタを組み合わせるフレームワーク |
JP2020160997A (ja) * | 2019-03-27 | 2020-10-01 | アイシン精機株式会社 | 画像処理装置、画像処理方法、およびプログラム |
JP6722322B1 (ja) * | 2019-03-29 | 2020-07-15 | ゼネラル・エレクトリック・カンパニイ | 超音波装置及びその制御プログラム |
KR102258756B1 (ko) * | 2019-04-12 | 2021-05-28 | 계명대학교 산학협력단 | 의료 영상을 이용한 암의 병기 결정 방법 및 의료 영상 분석 장치 |
EP3745153A1 (en) * | 2019-05-28 | 2020-12-02 | Koninklijke Philips N.V. | A method for motion artifact detection |
JP7321271B2 (ja) | 2019-07-26 | 2023-08-04 | 富士フイルム株式会社 | 学習用画像生成装置、方法及びプログラム、並びに学習方法、装置及びプログラム |
CN110464380B (zh) * | 2019-09-12 | 2021-10-29 | 李肯立 | 一种对中晚孕期胎儿的超声切面图像进行质量控制的方法 |
JP7369572B2 (ja) * | 2019-09-13 | 2023-10-26 | 浜松ホトニクス株式会社 | Mri装置、画像処理装置および画像処理方法 |
US11676009B2 (en) * | 2019-10-04 | 2023-06-13 | Raytheon Technologies Corporation | Machine learning based rotor alloy design system |
KR20210062477A (ko) | 2019-11-21 | 2021-05-31 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
US11747442B2 (en) | 2019-12-11 | 2023-09-05 | Samsung Electronics Co., Ltd. | Method and apparatus with radar data recognition |
US20210228188A1 (en) | 2020-01-24 | 2021-07-29 | Canon Kabushiki Kaisha | Ultrasonic diagnostic apparatus, learning apparatus, and image processing method |
JP7387461B2 (ja) | 2020-01-24 | 2023-11-28 | キヤノン株式会社 | 超音波診断装置、学習装置、画像処理方法およびプログラム |
WO2021153993A1 (ko) * | 2020-01-28 | 2021-08-05 | 주식회사 클라리파이 | 딥러닝 기반 가속촬영 mr 이미지 화질 복원 장치 및 방법 |
JP7256765B2 (ja) * | 2020-02-28 | 2023-04-12 | 株式会社日立製作所 | 医用撮像装置、医用画像処理装置、及び、画像処理プログラム |
JP2021196711A (ja) * | 2020-06-10 | 2021-12-27 | 日立造船株式会社 | 情報処理装置、判定方法、および情報処理プログラム |
KR102478813B1 (ko) * | 2020-08-14 | 2022-12-19 | 주식회사 지디에프랩 | 검사용 이미지의 화질 개선 시스템 |
KR102478814B1 (ko) * | 2020-08-14 | 2022-12-19 | 주식회사 지디에프랩 | 이미지 분할 기반 해상도 개선 방법 및 장치 |
CN114650070B (zh) * | 2022-04-01 | 2024-02-27 | 上海联影医疗科技股份有限公司 | 信号传输方法、装置、射频模块和ct系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6278042B2 (ja) * | 2013-04-05 | 2018-02-14 | 日本電気株式会社 | 情報処理装置、及び、画像処理方法 |
JP2015129987A (ja) * | 2014-01-06 | 2015-07-16 | 国立大学法人三重大学 | 医用高解像画像形成システムおよび方法。 |
US9846214B2 (en) | 2014-12-29 | 2017-12-19 | Toshiba Medical Systems Corporation | Magnetic resonance image reconstruction for undersampled data acquisitions |
JP2016168293A (ja) * | 2015-03-16 | 2016-09-23 | 株式会社日立製作所 | X線画像診断装置及び画像転送方法 |
US10302727B2 (en) * | 2015-07-02 | 2019-05-28 | The General Hospital Corporation | System and method for high resolution diffusion imaging |
JP6528608B2 (ja) | 2015-08-28 | 2019-06-12 | カシオ計算機株式会社 | 診断装置、及び診断装置における学習処理方法、並びにプログラム |
-
2017
- 2017-07-31 JP JP2017148198A patent/JP6772112B2/ja active Active
-
2018
- 2018-06-01 US US16/630,594 patent/US11100638B2/en active Active
- 2018-06-01 WO PCT/JP2018/021200 patent/WO2019026407A1/ja active Application Filing
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023128074A1 (ko) * | 2021-12-30 | 2023-07-06 | 주식회사 에어스 메디컬 | 스캔 파라미터를 이용하는 자기 공명 영상 처리 방법 및 장치 |
Also Published As
Publication number | Publication date |
---|---|
US11100638B2 (en) | 2021-08-24 |
WO2019026407A1 (ja) | 2019-02-07 |
US20200175675A1 (en) | 2020-06-04 |
JP2019025044A (ja) | 2019-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6772112B2 (ja) | 医用撮像装置及び医用画像処理方法 | |
EP3759514B1 (en) | Ultrasound system with a neural network for producing images from undersampled ultrasound data | |
JP2019025044A5 (ja) | ||
US10438350B2 (en) | Material segmentation in image volumes | |
KR101659578B1 (ko) | 자기 공명 영상 처리 방법 및 장치 | |
JP7455622B2 (ja) | 医用画像処理装置及び学習用画像の取得方法 | |
US20220237748A1 (en) | Methods and system for selective removal of streak artifacts and noise from images using deep neural networks | |
JP7302988B2 (ja) | 医用撮像装置、医用画像処理装置、及び、医用画像処理プログラム | |
CN109863512A (zh) | 用于通过流形近似进行自动变换的系统和方法 | |
JP6753798B2 (ja) | 医用撮像装置、画像処理方法及びプログラム | |
JP6072723B2 (ja) | 磁気共鳴イメージング装置、及び画像撮像方法 | |
CN107656224B (zh) | 一种磁共振成像方法、装置及系统 | |
EP3611529B1 (en) | Motion determination for volumetric magnetic resonance imaging using a deep machine-learning model | |
Huang et al. | Mimicknet, mimicking clinical image post-processing under black-box constraints | |
JP6744764B2 (ja) | 画像診断装置、及び画像取得方法 | |
US11615530B2 (en) | Medical data processing apparatus for reconstructing a medical image using a neural network | |
JP4698231B2 (ja) | 磁気共鳴診断装置 | |
JP7206073B2 (ja) | 医用画像処理装置、医用画像生成装置、医用画像処理方法、およびプログラム | |
CN103284749B (zh) | 医用图像处理装置 | |
RU2312602C2 (ru) | Способ формирования томографических изображений | |
US20230134630A1 (en) | Inference apparatus, medical image diagnostic apparatus, inference method, and trained neural network generation method | |
JP7126864B2 (ja) | 医用信号処理装置及び学習プログラム | |
GB2576945A (en) | Image processing methods | |
WO2015170394A1 (ja) | 撮像装置、画像処理装置及び画像処理方法 | |
US20220019850A1 (en) | Medical data processing apparatus and method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191217 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200110 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200714 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200831 |
|
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: 20200915 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200930 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6772112 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: R313111 |
|
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 |