JP6838644B2 - 画像診断装置、画像診断方法、及びプログラム - Google Patents
画像診断装置、画像診断方法、及びプログラム Download PDFInfo
- Publication number
- JP6838644B2 JP6838644B2 JP2019502319A JP2019502319A JP6838644B2 JP 6838644 B2 JP6838644 B2 JP 6838644B2 JP 2019502319 A JP2019502319 A JP 2019502319A JP 2019502319 A JP2019502319 A JP 2019502319A JP 6838644 B2 JP6838644 B2 JP 6838644B2
- Authority
- JP
- Japan
- Prior art keywords
- input image
- tumor
- diagnostic imaging
- image
- processing
- 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
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10016—Video; Image sequence
-
- 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
- G06T2207/10068—Endoscopic 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- 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
Description
前記入力画像は、医師が内視鏡を操作することにより得られた患者の体内画像であり、
前記第1処理手段は、前記入力画像が腫瘍に対する処置で用いる器具または前記処置で散布された薬剤を含む画像であることが前記特定条件として検出されたときに前記腫瘍の判別が不要と判断する。
前記入力画像は、医師が内視鏡を操作することにより得られた患者の体内画像であり、
前記事前処理では、前記入力画像が腫瘍に対する処置で用いる器具または前記処置で散布された薬剤を含む画像であることが前記特定条件として検出されたときに前記腫瘍の判別が不要と判断する。
図1は、本発明に係る画像診断装置の導入例を示す図である。図1に示されるように、本発明に係る画像診断装置10は、内視鏡システム20およびモニタ30と接続される。なお、画像診断装置10は、内視鏡システム20の一要素として、内視鏡システム20に組み込まれていてもよい。
以下、本発明に係る画像診断装置10について説明する。
図2は、第1実施形態の画像診断装置10の機能構成を概念的に示すブロック図である。図2に示されるように、画像診断装置10は、第1処理部110および第2処理部120を有する。
以上、本実施形態によれば、複数の入力画像は、第1処理部110の事前処理によって、第2処理部120による腫瘍の判別処理が必要な画像とそうでない画像とに選別される。画像を用いた腫瘍の判別処理は負荷が比較的大きい処理であるため、このように処理対象の画像を間引きすることによって、診断支援に係る処理全体の処理量を低減させる効果が見込める。これにより、診断支援処理が高速化され、例えばリアルタイムで内視鏡画像を処理する場合であっても、結果の出力を円滑に行うことができる。また、診断支援処理に用いる装置に要求されるスペックが下がり、内視鏡画像を用いた診断支援システムの導入コストを削減する効果も見込める。
画像診断装置10の各機能構成部は、各機能構成部を実現するハードウエア(例:ハードワイヤードされた電子回路など)で実現されてもよいし、ハードウエアとソフトウエアとの組み合わせ(例:電子回路とそれを制御するプログラムの組み合わせなど)で実現されてもよい。以下、画像診断装置10の各機能構成部がハードウエアとソフトウエアとの組み合わせで実現される場合について、さらに説明する。
以下、図4を用いて、第1実施形態における画像診断装置10の動作例を説明する。図4は、第1実施形態における画像診断装置10の処理の流れを例示するフローチャートである。
第1処理部110の事前処理について具体的に説明する。第1処理部110は、事前処理として、S102で取得した入力画像に対する画像処理において予め設定された条件(以下、「特定条件」とも表記)が検出されたか否かを判定する。事前処理において特定条件が検出された場合、第1処理部110は、「第2処理部120による腫瘍判別処理は不要」と判断する。
図5は、第1処理部110が実行する事前処理の第1の具体例を示すフローチャートである。本具体例において、第1処理部110は、「動画を構成するフレームとして前後する2つの入力画像の差分が基準以下であること」を、特定条件として検出する。ある入力画像とその前の入力画像とを比較した結果得られる差分が小さい場合、これら2つの入力画像は互いに類似しているため、前の入力画像に対する腫瘍の判別結果をそのまま流用することができる。このような入力画像に対しては、腫瘍の判別処理は必要ないと言える。一方、ある入力画像とその前の入力画像とを比較した結果得られる差分が大きい場合、これら2つの入力画像は互いに非類似であり、前の入力画像に対する腫瘍の判別結果をそのまま流用することができない。このような入力画像に対しては、腫瘍の判別処理が必要と言える。
図6は、第1処理部110が実行する事前処理の第2の具体例を示すフローチャートである。本具体例では、第1処理部110は、「複数の入力画像を用いて算出されるオプティカルフローが基準の範囲外であること」を、特定条件として検出する。前の入力画像に対してオプティカルフロー(動きベクトル)が大きい入力画像が得られた場合は、医師が内視鏡を大きく動かしていて、撮像範囲に含まれる部分を観察していないと判断できる。このような入力画像に対しては、腫瘍の判別処理は不要と判断できる。また、前の入力画像に対してオプティカルフロー(動きベクトル)が小さい入力画像が得られた場合は、医師が内視鏡をあまり動かしておらず、撮像範囲に含まれる部分を観察しているものと判断できる。このような入力画像に対しては、腫瘍の判別処理が必要と判断できる。
図7は、第1処理部110が実行する事前処理の第3の具体例を示すフローチャートである。本具体例において、第1処理部110は、「入力画像から算出される被写体の鮮明さの度合いが基準以下であること」を、特定条件として検出する。不鮮明な入力画像については、当該入力画像から特徴量を上手く得ることができず、判別処理の精度が下がる可能性がある。このような画像に対しては、腫瘍の判別処理は不要と判断できる。一方、ある程度の鮮明な入力画像については、当該入力画像から特徴量を上手く得ることができ、ある程度の精度で判別処理を実行することができる。このような画像に対しては、腫瘍の判別処理が必要と判断できる。
M. Arnold, A. Ghosh, S. Ameling, G. Lacey, “Automatic segmentation and inpainting of specular highlights for endoscopic imaging”, Journal on Image and Video Processing, vol. 2010, no. 9, pp. 1-12, 2010.
また、白とびや黒つぶれが発生している領域は、例えば、各画素の輝度値に基づいて検出することができる。また、焦点ぼけが発生している領域は、例えば、FFT(Fast Fourier Transform)などによって算出される、各画素の空間周波数に基づいて検出することができる。第1処理部110は、テカリ、ハレーション、白とび、黒つぶれ、および焦点ぼけなどが発生している領域として検出した領域が入力画像の全領域に対して占める割合などを、入力画像の鮮明度として算出することができる。
図8は、第1処理部110が実行する事前処理の第4の具体例を示すフローチャートである。本具体例において、第1処理部110は、「入力画像が体内以外の領域を撮像した画像であること」を、特定条件として検出する。例えば、内視鏡を体内に挿入する前または内視鏡を体内から抜去した直後などは、体外を撮像した入力画像が得られる。このような入力画像に対しては、腫瘍の判別処理は明らかに不要と判断できる。一方、体内を撮像した入力画像に対しては、腫瘍の判別処理が必要と判断できる。
図9は、第1処理部110が実行する事前処理の第5の具体例を示すフローチャートである。本具体例において、第1処理部110は、「入力画像が腫瘍に対する処置で用いる器具または前記処置で散布された薬剤を含む画像であること」を、特定条件として検出する。処置器具や薬剤の散布が検出された場合には、医師が入力画像中の腫瘍に既に気付いているものと推測できる。このような入力画像に対しては、改めて医師に腫瘍の情報を提示する必要もないため、腫瘍の判別処理は不要と判断することができる。
図10は、第1処理部110が実行する事前処理の第6の具体例を示すフローチャートである。本具体例において、第1処理部110は、「入力画像が倍率を上げて撮像された画像であること」を、特定条件として検出する。入力画像が拡大表示されている場合には、医師が当該入力画像の範囲を診断中と判断することができる。このような入力画像に対しては、腫瘍の判別処理は不要と判断することができる。
本実施形態は、以下の点を除き、第1実施形態と同様である。
本実施形態の画像診断装置10は、第1実施形態と同様の機能構成(例:図2)を有する。本実施形態の第1処理部110は、第2処理部120による腫瘍の判別処理の結果に応じて、腫瘍の判別処理の必要性を決定する閾値を変化させる。
第2実施形態における画像診断装置10のハードウエア構成は、第1実施形態と同様に、例えば図3によって表される。ただし、本実施形態の画像診断装置10のストレージデバイス104には、本実施形態の画像診断装置10の機能を実現するプログラムモジュールがさらに記憶される。
図11を用いて、本実施形態の画像診断装置10の動作例について説明する。図11は、第2実施形態における画像診断装置10の処理の流れを例示するフローチャートである。図11の処理は、例えば、図4のS108に続けて実行される。
本実施形態は、以下で述べる点を除き、上述の各実施形態と同様である。
本実施形態の画像診断装置10は、第1実施形態と同様の機能構成(例:図2)を有する。本実施形態の第2処理部120は、ある入力画像(以下、「第1の入力画像」と表記)に対する事前処理によって「腫瘍の判別処理が不要」と判断された場合、当該第1の入力画像よりも前の入力画像(以下、「第2の入力画像」と表記)に対する腫瘍の判別処理の判別結果を、第1の入力画像に対する判別結果として用いる。
第3実施形態における画像診断装置10のハードウエア構成は、第1実施形態と同様に、例えば図3によって表される。ただし、本実施形態の画像診断装置10のストレージデバイス104には、本実施形態の画像診断装置10の機能を実現するプログラムモジュールがさらに記憶される。
図12を用いて、本実施形態の画像診断装置10の動作例について説明する。図12は、第3実施形態における画像診断装置10の処理の流れを例示するフローチャートである。以下では、第1実施形態と異なる処理(S302、S304)について主に説明する。また本図の例では、第1の入力画像と第2の入力画像は、時間的に連続するフレームであり、第1の入力画像は第2の入力画像の後に取得されるものとして説明する。
Claims (21)
- 入力画像に対する画像処理において予め設定された特定条件が検出されたか否かを判別することで、複数の前記入力画像のそれぞれに対し、腫瘍の判別処理が必要か否かを判断する事前処理を実行する第1処理手段と、
前記事前処理において前記腫瘍の判別処理が必要と判断された入力画像に対して、前記腫瘍の判別処理を行う第2処理手段と、
を備え、
前記入力画像は、医師が内視鏡を操作することにより得られた患者の体内画像であり、
前記第1処理手段は、前記入力画像が腫瘍に対する処置で用いる器具または前記処置で散布された薬剤を含む画像であることが前記特定条件として検出されたときに前記腫瘍の判別が不要と判断する
画像診断装置。 - 前記第1処理手段は、動画を構成するフレームとして前後する2つの前記入力画像の差分が基準以下であることを、前記特定条件として検出する、
請求項1に記載の画像診断装置。 - 前記第1処理手段は、前記複数の入力画像を用いて算出されるオプティカルフローが基準の範囲外であること、前記入力画像から算出される被写体の鮮明さの度合いが基準以下であること、前記入力画像が倍率を上げて撮像された画像であること、の少なくともいずれか1つを前記特定条件としてさらに検出する、
請求項1または2に記載の画像診断装置。 - 前記第1処理手段は、前記第2処理手段の前記腫瘍の判別処理において陽性を示す結果が得られた場合、前記事前処理における前記特定条件の検出閾値を、前記特定条件の検出頻度が増加する方向に変更する、
請求項1乃至3のいずれか1項に記載の画像診断装置。 - 前記第1処理手段は、前記第2処理手段の前記腫瘍の判別処理において陰性を示す結果が得られた場合、前記事前処理における前記特定条件の検出閾値を、前記特定条件の検出頻度が減少する方向に変更する、
請求項1乃至4のいずれか1項に記載の画像診断装置。 - 前記第2処理手段は、第1の入力画像に対する前記事前処理によって前記腫瘍の判別処理が不要と判断された場合、前記第1の入力画像よりも前の第2の入力画像に対する前記腫瘍の判別処理の判別結果を前記第1の入力画像に対する判別結果として用いる、
請求項1乃至5のいずれか1項に記載の画像診断装置。 - 前記第1の入力画像と前記第2の入力画像は、時間的に連続するフレームである、
請求項6に記載の画像診断装置。 - 前記第2処理手段は、前記入力画像中の臓器の内壁に現れている血管の色および形状の少なくとも一方に基づいて、前記腫瘍の判別処理の結果が陽性または陰性のいずれであるかを決定する、
請求項1乃至7のいずれか1項に記載の画像診断装置。 - 前記第2処理手段は、前記入力画像中の臓器の内壁の形状に基づいて、前記腫瘍の判別処理の結果が陽性または陰性のいずれであるかを決定する、
請求項1乃至8のいずれか1項に記載の画像診断装置。 - 前記複数の入力画像は、内視鏡を用いて生成された動画を構成するフレームである、
請求項1乃至9のいずれか1項に記載の画像診断装置。 - コンピュータによって実行される画像診断方法であって、
入力画像に対する画像処理において予め設定された特定条件が検出されたか否かを判別することで、複数の前記入力画像のそれぞれに対し、腫瘍の判別処理が必要か否かを判断する事前処理を実行し、
前記事前処理において前記腫瘍の判別処理が必要と判断された入力画像に対して、前記腫瘍の判別処理を行う、
ことを含み、
前記入力画像は、医師が内視鏡を操作することにより得られた患者の体内画像であり、
前記事前処理では、前記入力画像が腫瘍に対する処置で用いる器具または前記処置で散布された薬剤を含む画像であることが前記特定条件として検出されたときに前記腫瘍の判別が不要と判断する
画像診断方法。 - 動画を構成するフレームとして前後する2つの前記入力画像の差分が基準以下であることを、前記特定条件として検出する、
ことを含む請求項11に記載の画像診断方法。 - 前記複数の入力画像を用いて算出されるオプティカルフローが基準の範囲外であること、前記入力画像から算出される被写体の鮮明さの度合いが基準以下であること、前記入力画像が倍率を上げて撮像された画像であること、の少なくともいずれか1つを前記特定条件としてさらに検出する、
ことを含む請求項11または12に記載の画像診断方法。 - 前記腫瘍の判別処理において陽性を示す結果が得られた場合、前記事前処理における前記特定条件の検出閾値を、前記特定条件の検出頻度が増加する方向に変更する、
ことを含む請求項11乃至13のいずれか1項に記載の画像診断方法。 - 前記腫瘍の判別処理において陰性を示す結果が得られた場合、前記事前処理における前記特定条件の検出閾値を、前記特定条件の検出頻度が減少する方向に変更する、
ことを含む請求項11乃至14のいずれか1項に記載の画像診断方法。 - 第1の入力画像に対する前記事前処理によって前記腫瘍の判別処理が不要と判断された場合、前記第1の入力画像よりも前の第2の入力画像に対する前記腫瘍の判別処理の判別結果を前記第1の入力画像に対する判別結果として用いる、
ことを含む請求項11乃至15のいずれか1項に記載の画像診断方法。 - 前記第1の入力画像と前記第2の入力画像は、時間的に連続するフレームである、
請求項16に記載の画像診断方法。 - 前記入力画像中の臓器の内壁に現れている血管の色および形状の少なくとも一方に基づいて、前記腫瘍の判別処理の結果が陽性または陰性のいずれであるかを決定する、
ことを含む請求項11乃至17のいずれか1項に記載の画像診断方法。 - 前記入力画像中の臓器の内壁の形状に基づいて、前記腫瘍の判別処理の結果が陽性または陰性のいずれであるかを決定する、
ことを含む請求項11乃至18のいずれか1項に記載の画像診断方法。 - 前記複数の入力画像は、内視鏡を用いて生成された動画を構成するフレームである、
請求項11乃至19のいずれか1項に記載の画像診断方法。 - 請求項11乃至20のいずれか1項に記載の画像診断方法をコンピュータに実行させるプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2017/007782 WO2018158817A1 (ja) | 2017-02-28 | 2017-02-28 | 画像診断装置、画像診断方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2018158817A1 JPWO2018158817A1 (ja) | 2019-12-19 |
JP6838644B2 true JP6838644B2 (ja) | 2021-03-03 |
Family
ID=63371140
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019502319A Active JP6838644B2 (ja) | 2017-02-28 | 2017-02-28 | 画像診断装置、画像診断方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11120554B2 (ja) |
JP (1) | JP6838644B2 (ja) |
WO (1) | WO2018158817A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102185886B1 (ko) * | 2020-05-22 | 2020-12-02 | 주식회사 웨이센 | 인공지능을 이용한 대장 내시경 영상 분석 방법 및 장치 |
KR102388535B1 (ko) * | 2021-06-15 | 2022-04-22 | (주)제이엘케이 | 인공지능에 기반하여 내시경 영상을 분석하기 위한 방법 및 장치 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3993554B2 (ja) | 2003-10-27 | 2007-10-17 | オリンパス株式会社 | 画像処理装置、該方法、及び該プログラム |
WO2005039399A1 (ja) | 2003-10-27 | 2005-05-06 | Olympus Corporation | 画像処理装置、画像処理方法及び画像処理プログラム |
JP4451460B2 (ja) | 2007-03-16 | 2010-04-14 | オリンパス株式会社 | 内視鏡診断支援装置 |
JP2011156203A (ja) * | 2010-02-02 | 2011-08-18 | Olympus Corp | 画像処理装置、内視鏡システム、プログラム及び画像処理方法 |
JP5802440B2 (ja) | 2011-06-02 | 2015-10-28 | オリンパス株式会社 | 蛍光観察装置 |
JP6005918B2 (ja) | 2011-09-08 | 2016-10-12 | オリンパス株式会社 | 蛍光観察装置 |
JP6059271B2 (ja) | 2015-02-26 | 2017-01-11 | サイバネットシステム株式会社 | 画像処理装置及び画像処理方法 |
JP6600356B2 (ja) * | 2015-06-24 | 2019-10-30 | オリンパス株式会社 | 画像処理装置、内視鏡装置及びプログラム |
-
2017
- 2017-02-28 WO PCT/JP2017/007782 patent/WO2018158817A1/ja active Application Filing
- 2017-02-28 US US16/487,136 patent/US11120554B2/en active Active
- 2017-02-28 JP JP2019502319A patent/JP6838644B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
US20190370971A1 (en) | 2019-12-05 |
JPWO2018158817A1 (ja) | 2019-12-19 |
WO2018158817A1 (ja) | 2018-09-07 |
US11120554B2 (en) | 2021-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9761004B2 (en) | Method and system for automatic detection of coronary stenosis in cardiac computed tomography data | |
JP4911029B2 (ja) | 異常陰影候補検出方法、異常陰影候補検出装置 | |
CN113573654A (zh) | 用于检测并测定病灶尺寸的ai系统 | |
CN110176010B (zh) | 一种图像检测方法、装置、设备及存储介质 | |
JP2008194456A (ja) | 医用画像処理装置および医用画像処理方法 | |
JP2018061771A (ja) | 画像処理装置、及び画像処理方法 | |
US20220012457A1 (en) | Image processing method, microscope, image processing system, and medium based on artificial intelligence | |
WO2019142910A1 (ja) | 診断支援装置、学習装置、診断支援方法、学習方法及びプログラム | |
JP5744631B2 (ja) | 診療支援装置、診療支援方法 | |
JP2007151645A (ja) | 医用画像診断支援システム | |
CN114531846A (zh) | 用于浊度分析的系统、设备和方法 | |
JP6838644B2 (ja) | 画像診断装置、画像診断方法、及びプログラム | |
KR102361354B1 (ko) | 관상동맥 조영 영상에서 심장 협착증 질병 정보 제공 방법 | |
CN112786163B (zh) | 一种超声图像处理显示方法、系统及存储介质 | |
US20210161604A1 (en) | Systems and methods of navigation for robotic colonoscopy | |
US10290099B2 (en) | Image processing device and image processing method | |
JP2004234579A (ja) | 関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置 | |
JP4738236B2 (ja) | 画像表示装置 | |
JPWO2018211982A1 (ja) | 画像処理装置および方法、並びに画像処理システム | |
JP2006068373A (ja) | 乳頭検出装置およびそのプログラム | |
JP2019170881A (ja) | コンピュータプログラム、分類装置、分類方法、画像出力装置及び画像出力装置の動作方法 | |
JP3963789B2 (ja) | 眼検出装置、眼検出プログラム、そのプログラムを記録する記録媒体及び眼検出方法 | |
JP5543871B2 (ja) | 画像処理装置 | |
KR20160112494A (ko) | 파노라마에서의 효율적인 구강 병변 발병여부 예측감지 방법 및 시스템 | |
JP2004283188A (ja) | 画像診断支援装置、画像診断支援方法、プログラム及び記憶媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190822 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200811 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201009 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201203 |
|
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: 20210112 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210125 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6838644 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |