JP6947759B2 - 解剖学的対象物を自動的に検出、位置特定、及びセマンティックセグメンテーションするシステム及び方法 - Google Patents
解剖学的対象物を自動的に検出、位置特定、及びセマンティックセグメンテーションするシステム及び方法 Download PDFInfo
- Publication number
- JP6947759B2 JP6947759B2 JP2018566504A JP2018566504A JP6947759B2 JP 6947759 B2 JP6947759 B2 JP 6947759B2 JP 2018566504 A JP2018566504 A JP 2018566504A JP 2018566504 A JP2018566504 A JP 2018566504A JP 6947759 B2 JP6947759 B2 JP 6947759B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- anatomical object
- surrounding tissue
- deep learning
- parameter space
- 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
- 238000000034 method Methods 0.000 title claims description 152
- 238000013135 deep learning Methods 0.000 claims description 72
- 238000003384 imaging method Methods 0.000 claims description 61
- 238000012549 training Methods 0.000 claims description 47
- 238000013528 artificial neural network Methods 0.000 claims description 36
- 230000011218 segmentation Effects 0.000 claims description 30
- 238000013527 convolutional neural network Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 22
- 238000001514 detection method Methods 0.000 claims description 16
- 230000033001 locomotion Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 9
- 238000002591 computed tomography Methods 0.000 claims description 8
- 238000010200 validation analysis Methods 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 claims description 5
- 238000007781 pre-processing Methods 0.000 claims description 5
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 4
- 210000001519 tissue Anatomy 0.000 description 72
- 210000003461 brachial plexus Anatomy 0.000 description 28
- 238000002604 ultrasonography Methods 0.000 description 20
- 210000003205 muscle Anatomy 0.000 description 18
- 238000010586 diagram Methods 0.000 description 12
- 210000005036 nerve Anatomy 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 210000003484 anatomy Anatomy 0.000 description 8
- 238000004140 cleaning Methods 0.000 description 6
- 239000000523 sample Substances 0.000 description 6
- 238000012285 ultrasound imaging Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 210000001364 upper extremity Anatomy 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000003139 buffering effect Effects 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003099 femoral nerve Anatomy 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 210000003141 lower extremity Anatomy 0.000 description 2
- 210000002988 lumbosacral plexus Anatomy 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 210000003752 saphenous vein Anatomy 0.000 description 2
- 210000003497 sciatic nerve Anatomy 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 210000003423 ankle Anatomy 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 210000001099 axilla Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000004889 cervical nerve Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 230000008570 general process Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003601 intercostal effect Effects 0.000 description 1
- 210000001937 intercostal nerve Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000012528 membrane Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 210000004165 myocardium Anatomy 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000001698 popliteal fossa Anatomy 0.000 description 1
- 238000002203 pretreatment Methods 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 238000013517 stratification Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 210000003448 thoracic nerve Anatomy 0.000 description 1
- 210000000857 visual cortex Anatomy 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/251—Fusion techniques of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/803—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of input or preprocessed data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
- G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
- G06V30/274—Syntactic or semantic context, e.g. balancing
-
- 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
- G06T2207/20—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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Multimedia (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Computational Linguistics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本出願は、米国特許仮出願第62/359、726号(2016年7月8日出願)、同第62/429、157号(2016年12月2日出願)、及び同第62/500、750号(2017年5月3日出願)に基づく優先権を主張するものである。
本発明は、医用イメージングの分野における解剖学的対象物の検出に関し、特に、ディープラーニングアルゴリズムを用いて、解剖学的対象物を自動的に検出、位置特定、及びセマンティックセグメンテーションするシステム及び方法に関する。
Claims (30)
- 画像化システムにより生成された画像のパラメータ空間内の少なくとも1つの解剖学的対象物を自動的に検出、位置特定、及びセグメンテーションする方法であって、
前記解剖学的対象物及びその周囲組織を含む画像をプロセッサに提供するステップと、
前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に検出するための、1または複数の畳み込み型ニューラルネットワークを含むパラメータ空間ディープラーニングネットワークを開発し、訓練するステップと、
別の畳み込み型ニューラルネットワークを用いて、前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に位置特定及びセグメンテーションするステップであって、前記解剖学的対象物の形状を楕円形として推定する、該ステップと、
前記画像中の前記解剖学的対象物及びその周囲組織を自動的にラベル付けするステップと、
ラベル付けされた前記画像をユーザに対して表示するステップと、を含むことを特徴とする方法。 - 前記画像が正規化画像であり、
前記正規化画像は、サイズ、強度、コントラスト、テクスチャ、またはそれらの任意の組み合わせを調節するために前処理されることを特徴とする、請求項1に記載の方法。 - 前記画像が、ビデオストリーム中のフレームから提供され、
前記フレームは、ローカルまたはクラウドサービスに格納されることを特徴とする、請求項1に記載の方法。 - 前記解剖学的対象物の自動的な検出と、前記解剖学的対象物の自動的な位置特定及びセグメンテーションとが、中央演算装置(CPU)ベースのコンピュータ、タブレット、またはモバイルデバイスにおいて、単一のディープラーニングネットワークを用いて実施されることを特徴とする、請求項1に記載の方法。
- 前記1または複数の畳み込み型ニューラルネットワーク、前記別の畳み込み型ニューラルネットワーク、またはその両方が、8ビット整数または1ビット2進数の重みを使用することを特徴とする、請求項1に記載の方法。
- 前記解剖学的対象物及びその周囲組織を含む前記画像の前記パラメータ空間を自動的に検出するための前記ディープラーニングネットワークを、グランドトゥルースデータを使用して訓練するステップをさらに含み、
前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に検出する前記ディープラーニングネットワークを開発し、訓練する前記ステップが、
複数の患者から、前記解剖学的対象物及びその周囲組織の画像データセットをスキャンし、収集するステップと、
前記グランドトゥルースデータを生成するために、ユーザ入力に基づいて前記画像データセットに注釈を付けるステップと、
前記画像データセット及び前記グランドトゥルースデータを、訓練データセット及び妥当性確認データセットに分割するステップと、
前記訓練データセットを使用して前記ディープラーニングネットワークを訓練するステップと、を含むことを特徴とする、請求項1に記載の方法。 - サイズ、強度、コントラスト、テクスチャ、またはそれらの任意の組み合わせを調節するために、前記画像データセットを前処理することによって前記画像データセットを正規化するステップをさらに含むことを特徴とする、請求項6に記載の方法。
- 前記画像データセットが、複数の画像化システムから収集されることを特徴とする、請求項6に記載の方法。
- 前記画像データセットが、少なくとも1つのビデオストリームから収集されたフレームを含み、
前記フレームは、ローカルまたはクラウドサービスに格納されることを特徴とする、請求項6に記載の方法。 - 前記グランドトゥルースデータを生成するために、ユーザ入力に基づいて前記画像データセットに注釈を付ける前記ステップが、
フレーム間ピクセル動きのオプティカルフロー計算を実施するステップと、
前記少なくとも1つのビデオストリームにわたって前記フレーム間ピクセル動きをグループにクラスタリングするために教師なし学習を実施するステップと、
所定の範囲のフレームにわたって識別及びラベル付けするために、ピクセル動きの前記グループを前記ユーザに提供するステップと、を含むことを特徴とする、請求項9に記載の方法。 - 前記訓練データセットを使用して前記ディープラーニングネットワークを訓練する前記ステップが、
前記ディープラーニングネットワークの出力と前記グランドトゥルースデータとの間の誤差を最小化するためにコスト関数を最適化するステップをさらに含み、
前記誤差を最小化するために前記コスト関数を最適化する前記ステップが、
前記グランドトゥルースデータの一部を反復処理し、前記ディープラーニングネットワークの前記出力と前記グランドトゥルースデータとの間の前記誤差に基づいて前記ディープラーニングネットワークの1以上のパラメータを調整する確率的勾配降下(SGD)アルゴリズムを使用するステップをさらに含むことを特徴とする、請求項6に記載の方法。 - 前記コスト関数の最適化後に、前記ディープラーニングネットワークをリアルタイムで使用して妥当性確認データの予測を自動的に提供し、前記予測を前記グランドトゥルースデータと比較するステップを含むことを特徴とする、請求項11に記載の方法。
- 前記グランドトゥルースデータを作成するために、ユーザ入力に基づいて前記画像データセットに注釈を付ける前記ステップが、
前記各画像データセット中の前記解剖学的対象物及びその周囲組織を手動で識別し、注釈を付けるステップをさらに含むことを特徴とする、請求項6に記載の方法。 - 前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に位置特定及びセグメンテーションする前記ステップが、
セマンティックセグメンテーションによって前記解剖学的対象物及びその周囲組織をセグメンテーションするステップをさらに含むことを特徴とする、請求項1に記載の方法。 - 前記解剖学的対象物及びその周囲組織を含む前記画像の前記パラメータ空間を自動的に検出するための前記ディープラーニングネットワークを、オフラインで最初に訓練するステップと、
前記解剖学的対象物及びその周囲組織を含む前記画像の前記パラメータ空間を自動的に検出するための前記ディープラーニングネットワークを、オンラインで継続的に訓練するステップと、をさらに含むことを特徴とする、請求項1に記載の方法。 - 前記画像中の前記解剖学的対象物及びその周囲組織を自動的にラベル付けする前記ステップが、
前記画像中の少なくとも1つの前記解剖学的対象物及びその周囲組織の輪郭を描くこと及び陰影を付けることの少なくとも一方、または、前記少なくとも1つの前記解剖学的対象物及びその周囲組織の各々の上に記述的ラベルを重畳することを含み、
前記別の畳み込み型ニューラルネットワークを用いて、前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に位置特定及びセグメンテーションする前記ステップが、
前記画像から前記解剖学的対象物の周囲の関心領域を抽出するステップを含み、
前記解剖学的対象物及びその周囲組織を含む前記画像は、前記プロセッサに提供される前に、自動的にクロッピングされることを特徴とする、請求項1に記載の方法。 - 画像化システムであって、
少なくとも1つのプロセッサと、
ユーザディスプレイと、を備え、
前記少なくとも1つのプロセッサが、
少なくとも1つの解剖学的対象物及びその周囲組織を含む画像を受け取るステップと、
前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に検出するための、1または複数の畳み込み型ニューラルネットワークを含むパラメータ空間ディープラーニングネットワークを開発し、訓練するステップと、
別の畳み込み型ニューラルネットワークを用いて、前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に位置特定及びセグメンテーションするステップであって、前記解剖学的対象物の形状を楕円形として推定する、該ステップと、
前記画像中の前記解剖学的対象物及びその周囲組織を自動的にラベル付けするステップと、を含む1以上のステップを実施するように構成されており、
前記ユーザディスプレイが、ラベル付けされた前記画像をユーザに対して表示するように構成されていることを特徴とする、画像化システム。 - 当該画像化システムが、超音波画像化システム、コンピュータ断層撮影(CT)スキャナ、または磁気共鳴画像化(MR)スキャナを含み、
前記画像が正規化画像であり、
前記正規化画像は、サイズ、強度、コントラスト、テクスチャ、またはそれらの任意の組み合わせを調節するために前処理されることを特徴とする、請求項17に記載の画像化システム。 - 前記画像が、ビデオストリーム中のフレームから提供され、
前記フレームは、ローカルまたはクラウドサービスに格納されることを特徴とする、請求項17に記載の画像化システム。 - 前記解剖学的対象物の自動的な検出と、前記解剖学的対象物の自動的な位置特定及びセグメンテーションとが、中央演算装置(CPU)ベースのコンピュータ、タブレット、またはモバイルデバイスにおいて、単一のディープラーニングネットワークを用いて実施されることを特徴とする、請求項17に記載の画像化システム。
- 前記1または複数の畳み込み型ニューラルネットワーク、前記別の畳み込み型ニューラルネットワーク、またはその両方が、8ビット整数または1ビット2進数の重みを使用することを特徴とする、請求項17に記載の画像化システム。
- 前記別の畳み込み型ニューラルネットワークを用いて、前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に位置特定及びセグメンテーションする前記ステップが、
前記画像から前記解剖学的対象物の周囲の関心領域を抽出するステップを含み、
当該システムが、前記少なくとも1つの解剖学的対象物及びその周囲組織を含む画像を前記少なくとも1つのプロセッサに提供する前に、該画像を自動的にクロッピングするように構成されていることを特徴とする、請求項17に記載の画像化システム。 - 画像化システムにより生成された画像のパラメータ空間内の少なくとも1つの解剖学的対象物を自動的に検出、位置特定、及びセマンティックセグメンテーションする方法であって、
前記解剖学的対象物及びその周囲組織を含む画像をプロセッサに提供するステップと、
前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に検出するためのパラメータ空間ディープラーニングネットワークを開発し、訓練するステップと、
1または複数のディープラーニングアルゴリズムを用いて、前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に位置特定及びセマンティックセグメンテーションするステップであって、前記解剖学的対象物の形状を楕円形として推定する、該ステップと、
前記画像中の前記解剖学的対象物及びその周囲組織を自動的にラベル付けするステップと、
ラベル付けされた前記画像をユーザに対して表示するステップと、を含むことを特徴とする方法。 - 前記画像が、正規化画像であり、
前記正規化画像は、サイズ、強度、コントラスト、テクスチャ、またはそれらの任意の組み合わせを調節するために前処理されることを特徴とする、請求項23に記載の方法。 - 前記画像は、ビデオストリーム中のフレームから提供され、
前記フレームは、ローカルまたはクラウドサービスに格納されることを特徴とする、請求項23に記載の方法。 - 前記解剖学的対象物の自動的な検出と、前記解剖学的対象物の自動的な位置特定及びセグメンテーションとが、中央演算装置(CPU)ベースのコンピュータ、タブレット、またはモバイルデバイスにおいて、単一のディープラーニングネットワークを用いて実施され、
前記1または複数の畳み込み型ニューラルネットワーク、前記別の畳み込み型ニューラルネットワーク、またはその両方が、8ビット整数または1ビット2進数の重みを使用することを特徴とする、請求項23に記載の方法。 - 前記解剖学的対象物及びその周囲組織を含む前記画像の前記パラメータ空間を自動的に検出するための前記ディープラーニングネットワークを、グランドトゥルースデータを使用して訓練するステップをさらに含み、
前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に検出する前記ディープラーニングネットワークを開発し、訓練する前記ステップが、
複数の患者から、前記解剖学的対象物及びその周囲組織の画像データセットをスキャンし、収集するステップと、
前記グランドトゥルースデータを生成するために、ユーザ入力に基づいて前記画像データセットに注釈を付けるステップと、
前記画像データセット及び前記グランドトゥルースデータを、訓練データセット及び妥当性確認データセットに分割するステップと、
前記訓練データセットを使用して前記ディープラーニングネットワークを訓練するステップと、を含むことを特徴とする、請求項23に記載の方法。 - サイズ、強度、コントラスト、テクスチャ、またはそれらの任意の組み合わせを調節するために、前記画像データセットを前処理することによって前記画像データセットを正規化するステップをさらに含み、
前記画像データセットが、複数の画像化システムから収集され、
前記画像データセットは、少なくとも1つのビデオストリームから収集されたフレームを含み、
前記フレームは、ローカルまたはクラウドサービスに格納されることを特徴とする、請求項27に記載の方法。 - 前記グランドトゥルースデータを生成するために、ユーザ入力に基づいて前記画像データセットに注釈を付ける前記ステップが、
フレーム間ピクセル動きのオプティカルフロー計算を実施するステップと、
前記少なくとも1つのビデオストリームにわたって前記フレーム間ピクセル動きをグループにクラスタリングするために教師なし学習を実施するステップと、
所定の範囲のフレームにわたって識別及びラベル付けするために、ピクセル動きの前記グループを前記ユーザに提供するステップと、を含み、
前記訓練データセットを使用して前記ディープラーニングネットワークを訓練する前記ステップが、前記ディープラーニングネットワークの出力と前記グランドトゥルースデータとの間の誤差を最小化するためにコスト関数を最適化するステップをさらに含むことを特徴とする、請求項27に記載の方法。 - 前記別の畳み込み型ニューラルネットワークを用いて、前記画像の前記パラメータ空間内の前記解剖学的対象物及びその周囲組織を自動的に位置特定及びセグメンテーションする前記ステップが、
前記画像から前記解剖学的対象物の周囲の関心領域を抽出するステップを含み、
前記解剖学的対象物及びその周囲組織を含む前記画像は、前記プロセッサに提供される前に、自動的にクロッピングされることを特徴とする、請求項23に記載の方法。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201662359726P | 2016-07-08 | 2016-07-08 | |
US62/359,726 | 2016-07-08 | ||
US201662429157P | 2016-12-02 | 2016-12-02 | |
US62/429,157 | 2016-12-02 | ||
US201762500750P | 2017-05-03 | 2017-05-03 | |
US62/500,750 | 2017-05-03 | ||
PCT/US2017/039923 WO2018009405A1 (en) | 2016-07-08 | 2017-06-29 | System and method for automatic detection, localization, and semantic segmentation of anatomical objects |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2019525786A JP2019525786A (ja) | 2019-09-12 |
JP2019525786A5 JP2019525786A5 (ja) | 2020-08-06 |
JP6947759B2 true JP6947759B2 (ja) | 2021-10-13 |
Family
ID=59315745
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018566504A Active JP6947759B2 (ja) | 2016-07-08 | 2017-06-29 | 解剖学的対象物を自動的に検出、位置特定、及びセマンティックセグメンテーションするシステム及び方法 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11151721B2 (ja) |
EP (1) | EP3482346A1 (ja) |
JP (1) | JP6947759B2 (ja) |
KR (1) | KR20190028422A (ja) |
AU (1) | AU2017292642B2 (ja) |
MX (1) | MX2018015394A (ja) |
WO (1) | WO2018009405A1 (ja) |
Families Citing this family (55)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10242292B2 (en) | 2017-06-13 | 2019-03-26 | Digital Surgery Limited | Surgical simulation for training detection and classification neural networks |
US11175650B2 (en) * | 2017-11-03 | 2021-11-16 | Drishti Technologies, Inc. | Product knitting systems and methods |
US11327773B2 (en) * | 2017-12-05 | 2022-05-10 | Siemens Healthcare Gmbh | Anatomy-aware adaptation of graphical user interface |
US10896508B2 (en) * | 2018-02-07 | 2021-01-19 | International Business Machines Corporation | System for segmentation of anatomical structures in cardiac CTA using fully convolutional neural networks |
US10867214B2 (en) | 2018-02-14 | 2020-12-15 | Nvidia Corporation | Generation of synthetic images for training a neural network model |
US10910099B2 (en) * | 2018-02-20 | 2021-02-02 | Siemens Healthcare Gmbh | Segmentation, landmark detection and view classification using multi-task learning |
CN110555337B (zh) * | 2018-05-30 | 2022-12-06 | 腾讯科技(深圳)有限公司 | 一种指示对象的检测方法、装置以及相关设备 |
WO2019234495A2 (en) * | 2018-06-06 | 2019-12-12 | Insightec, Ltd. | Improved reflection autofocusing |
US10846875B2 (en) * | 2018-06-07 | 2020-11-24 | Siemens Healthcare Gmbh | Adaptive nonlinear optimization of shape parameters for object localization in 3D medical images |
US11100633B2 (en) | 2018-06-13 | 2021-08-24 | Cosmo Artificial Intelligence—Al Limited | Systems and methods for processing real-time video from a medical image device and detecting objects in the video |
US11927736B2 (en) | 2018-06-15 | 2024-03-12 | Siemens Healthcare Diagnostics Inc. | Methods and apparatus for fine-grained HIL index determination with advanced semantic segmentation and adversarial training |
CN110279433B (zh) * | 2018-09-21 | 2020-03-27 | 四川大学华西第二医院 | 一种基于卷积神经网络的胎儿头围自动精确测量方法 |
US11083913B2 (en) | 2018-10-25 | 2021-08-10 | Elekta, Inc. | Machine learning approach to real-time patient motion monitoring |
JP7464593B2 (ja) * | 2018-11-01 | 2024-04-09 | コーニンクレッカ フィリップス エヌ ヴェ | 医用画像内でのインターベンションデバイスの識別 |
US10475182B1 (en) | 2018-11-14 | 2019-11-12 | Qure.Ai Technologies Private Limited | Application of deep learning for medical imaging evaluation |
CN111436215A (zh) * | 2018-11-14 | 2020-07-21 | 库雷人工智能科技私人有限公司 | 用于医学成像评估的深度学习的应用 |
US10803987B2 (en) * | 2018-11-16 | 2020-10-13 | Elekta, Inc. | Real-time motion monitoring using deep neural network |
KR102193723B1 (ko) * | 2018-11-27 | 2020-12-21 | 울산대학교 산학협력단 | 수술 계획 및 목표 설정 최적화 시스템 및 방법 |
WO2020126712A1 (en) | 2018-12-17 | 2020-06-25 | Koninklijke Philips N.V. | Systems and methods for frame indexing and image review |
US11950877B2 (en) * | 2019-02-05 | 2024-04-09 | University Of Virginia Patent Foundation | System and method for fully automatic LV segmentation of myocardial first-pass perfusion images |
US11100917B2 (en) * | 2019-03-27 | 2021-08-24 | Adobe Inc. | Generating ground truth annotations corresponding to digital image editing dialogues for training state tracking models |
US11074479B2 (en) | 2019-03-28 | 2021-07-27 | International Business Machines Corporation | Learning of detection model using loss function |
WO2020234106A1 (en) * | 2019-05-17 | 2020-11-26 | Koninklijke Philips N.V. | System, device and method for assistance with cervical ultrasound examination |
US11200456B2 (en) * | 2019-07-31 | 2021-12-14 | GE Precision Healthcare LLC | Systems and methods for generating augmented training data for machine learning models |
US20210059758A1 (en) * | 2019-08-30 | 2021-03-04 | Avent, Inc. | System and Method for Identification, Labeling, and Tracking of a Medical Instrument |
US11113570B2 (en) | 2019-09-16 | 2021-09-07 | The Boeing Company | Systems and methods for automatically generating training image sets for an environment |
US10885386B1 (en) | 2019-09-16 | 2021-01-05 | The Boeing Company | Systems and methods for automatically generating training image sets for an object |
JP7427902B2 (ja) * | 2019-10-02 | 2024-02-06 | コニカミノルタ株式会社 | 超音波画像診断用訓練装置、超音波画像診断装置、識別モデルの訓練方法、プログラム及び超音波診断装置 |
US20240078781A1 (en) * | 2019-10-11 | 2024-03-07 | The Regents Of The University Of California | System and Method for Determining a Device Safe Zone |
CN110807778B (zh) * | 2019-10-11 | 2022-07-15 | 华中科技大学 | 一种迭代式的三维脑空间位置自动计算方法 |
US11798161B2 (en) | 2019-11-26 | 2023-10-24 | Koh Young Technology Inc. | Method and apparatus for determining mid-sagittal plane in magnetic resonance images |
US11514573B2 (en) * | 2019-11-27 | 2022-11-29 | Shanghai United Imaging Intelligence Co., Ltd. | Estimating object thickness with neural networks |
KR102144672B1 (ko) * | 2020-01-17 | 2020-08-14 | 성균관대학교산학협력단 | 시맨틱 분할을 이용한 인공지능형 초음파 의료 진단 장치 및 이를 이용한 원격 의료 진단 방법 |
CN111243026B (zh) * | 2020-01-19 | 2023-09-22 | 武汉联影智融医疗科技有限公司 | 解剖标记点定位方法、装置、计算机设备和存储介质 |
JP7323885B2 (ja) * | 2020-03-04 | 2023-08-09 | 株式会社Kompath | 画像処理装置、画像処理モデル生成装置、学習用データ生成装置、及びプログラム |
JP7297705B2 (ja) * | 2020-03-18 | 2023-06-26 | 株式会社東芝 | 処理装置、処理方法、学習装置およびプログラム |
US20210334955A1 (en) * | 2020-04-24 | 2021-10-28 | Nvidia Corporation | Image annotation using one or more neural networks |
US11430240B2 (en) | 2020-05-06 | 2022-08-30 | Volvo Car Corporation | Methods and systems for the automated quality assurance of annotated images |
KR102416698B1 (ko) * | 2020-06-03 | 2022-07-05 | 고려대학교 산학협력단 | 딥러닝 알고리즘 기반의 초음파 영상에서의 말초신경 자동 인식 및 신경 지표 측정 방법 및 장치 |
FR3113325B1 (fr) | 2020-08-04 | 2022-07-08 | Michelin & Cie | Système et Procédé de Reconnaissance Automatique des Interfaces dans des Profils de Produits des Pneumatiques |
CN111935487B (zh) * | 2020-08-12 | 2022-08-12 | 北京广慧金通教育科技有限公司 | 一种基于视频流检测的图像压缩方法及系统 |
WO2022071265A1 (ja) * | 2020-09-29 | 2022-04-07 | テルモ株式会社 | プログラム、情報処理装置及び情報処理方法 |
CN112102411B (zh) * | 2020-11-02 | 2021-02-12 | 中国人民解放军国防科技大学 | 一种基于语义误差图像的视觉定位方法及装置 |
CN112669325B (zh) * | 2021-01-06 | 2022-10-14 | 大连理工大学 | 一种基于主动式学习的视频语义分割方法 |
US11410316B1 (en) * | 2021-01-27 | 2022-08-09 | UiPath, Inc. | System and computer-implemented method for validation of label data |
CN113033566B (zh) * | 2021-03-19 | 2022-07-08 | 北京百度网讯科技有限公司 | 模型训练方法、识别方法、设备、存储介质及程序产品 |
TR202106462A2 (tr) * | 2021-04-12 | 2021-07-26 | Smart Alfa Teknoloji Sanayi Ve Ticaret Anonim Sirketi | Deri̇n öğrenme, maki̇ne öğrenmesi̇, yapay zeka tekni̇kleri̇ i̇le i̇şaretlenen/skorlanan ultrasonografi̇ görüntüsünün uygunluğunun skorlanmasi amaciyla kullanilan bi̇r ci̇haz ve yöntem |
JP2022179368A (ja) * | 2021-05-19 | 2022-12-02 | エヌビディア コーポレーション | 機械学習を用いたスーパビジョンの拡張 |
KR102593539B1 (ko) * | 2021-06-18 | 2023-10-23 | 한림대학교 산학협력단 | 인공지능 기반 온쓸개관돌의 단층 촬영 이미지 판독 장치, 시스템, 방법 및 프로그램 |
WO2023277907A1 (en) * | 2021-06-30 | 2023-01-05 | Hewlett-Packard Development Company, L.P. | Synthetic images for object detection |
US20230148991A1 (en) * | 2021-11-18 | 2023-05-18 | EchoNous, Inc. | Automatically detecting and quantifying anatomical structures in an ultrasound image using a customized shape prior |
WO2023152530A2 (en) * | 2021-12-10 | 2023-08-17 | Mofaip, Llp | Multidimensional anatomic mapping, descriptions, visualizations, and translations |
KR102590387B1 (ko) * | 2021-12-28 | 2023-10-17 | 고려대학교 산학협력단 | 인공지능 기반의 근육 초음파를 이용한 수근관 증후군 진단 시스템 및 방법 |
KR102391934B1 (ko) * | 2022-01-19 | 2022-04-28 | 주식회사 엘티포 | 인공지능 기반 갑상선 결절의 암 위험도 진단 시스템 및 방법 |
CN118393402A (zh) * | 2024-06-28 | 2024-07-26 | 国网安徽省电力有限公司超高压分公司 | 特高压直流换流变压器隐性故障诊断方法及系统 |
Family Cites Families (36)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7876934B2 (en) | 2004-11-08 | 2011-01-25 | Siemens Medical Solutions Usa, Inc. | Method of database-guided segmentation of anatomical structures having complex appearances |
US8500451B2 (en) | 2007-01-16 | 2013-08-06 | Simbionix Ltd. | Preoperative surgical simulation |
US8175362B2 (en) | 2007-10-19 | 2012-05-08 | Boston Scientific Scimed, Inc. | Display of classifier output and confidence measure in an image |
US8172753B2 (en) | 2008-07-11 | 2012-05-08 | General Electric Company | Systems and methods for visualization of an ultrasound probe relative to an object |
US8073220B2 (en) | 2009-04-20 | 2011-12-06 | Siemens Aktiengesellschaft | Methods and systems for fully automatic segmentation of medical images |
US20110182493A1 (en) | 2010-01-25 | 2011-07-28 | Martin Huber | Method and a system for image annotation |
US20110188715A1 (en) | 2010-02-01 | 2011-08-04 | Microsoft Corporation | Automatic Identification of Image Features |
KR101883258B1 (ko) | 2010-08-13 | 2018-07-31 | 스미스 앤드 네퓨, 인크. | 해부학적 계측점의 검출 방법 |
WO2012035538A1 (en) | 2010-09-16 | 2012-03-22 | Mor Research Applications Ltd. | Method and system for analyzing images |
US8867802B2 (en) | 2011-04-19 | 2014-10-21 | Microsoft Corporation | Automatic organ localization |
JP2013169211A (ja) | 2012-02-17 | 2013-09-02 | Konica Minolta Inc | 医用画像処理装置及びプログラム |
US9943286B2 (en) | 2012-06-04 | 2018-04-17 | Tel Hashomer Medical Research Infrastructure And Services Ltd. | Ultrasonographic images processing |
EP2690596B1 (en) | 2012-07-24 | 2018-08-15 | Agfa Healthcare | Method, apparatus and system for automated spine labeling |
US9256962B2 (en) | 2013-01-23 | 2016-02-09 | Orca Health Inc. | Personalizing medical conditions with augmented reality |
US9824446B2 (en) | 2013-03-15 | 2017-11-21 | Stephanie Littell | Evaluating electromagnetic imagery by comparing to other individuals' imagery |
ES2641480T3 (es) | 2013-03-15 | 2017-11-10 | Ventana Medical Systems, Inc. | Sistema de aprendizaje automático basado en objetos de tejido para puntuación automatizada de portaobjetos digitales completos |
DE102013218437A1 (de) | 2013-09-13 | 2015-03-19 | Siemens Aktiengesellschaft | Verfahren zur automatischen oder halb-automatischen Segmentierung und Vorrichtung |
US9730643B2 (en) * | 2013-10-17 | 2017-08-15 | Siemens Healthcare Gmbh | Method and system for anatomical object detection using marginal space deep neural networks |
US9700219B2 (en) | 2013-10-17 | 2017-07-11 | Siemens Healthcare Gmbh | Method and system for machine learning based assessment of fractional flow reserve |
US20150164605A1 (en) | 2013-12-13 | 2015-06-18 | General Electric Company | Methods and systems for interventional imaging |
WO2015104607A1 (en) | 2014-01-07 | 2015-07-16 | Koninklijke Philips N.V. | Ultrasound imaging modes for automated real time quantification and analysis |
EP3949837A1 (en) | 2014-01-17 | 2022-02-09 | Arterys Inc. | Apparatus, methods and articles for four dimensional (4d) flow magnetic resonance imaging |
KR20150108701A (ko) | 2014-03-18 | 2015-09-30 | 삼성전자주식회사 | 의료 영상 내 해부학적 요소 시각화 시스템 및 방법 |
WO2015175806A1 (en) | 2014-05-16 | 2015-11-19 | The Trustees Of The University Of Pennsylvania | Applications of automatic anatomy recognition in medical tomographic imagery based on fuzzy anatomy models |
WO2015191414A2 (en) | 2014-06-09 | 2015-12-17 | Siemens Corporation | Landmark detection with spatial and temporal constraints in medical imaging |
US10176363B2 (en) | 2014-06-16 | 2019-01-08 | Siemens Healthcare Diagnostics Inc. | Analyzing digital holographic microscopy data for hematology applications |
GB2528249B (en) | 2014-07-11 | 2019-03-06 | Siemens Medical Solutions Usa Inc | Automatic background region selection for lesion delineation in medical images |
US20160015469A1 (en) * | 2014-07-17 | 2016-01-21 | Kyphon Sarl | Surgical tissue recognition and navigation apparatus and method |
KR101579740B1 (ko) | 2014-09-01 | 2015-12-23 | 삼성메디슨 주식회사 | 초음파 진단장치, 그에 따른 초음파 진단 방법 및 그에 따른 컴퓨터 판독 가능한 저장매체 |
US9779505B2 (en) | 2014-09-30 | 2017-10-03 | Toshiba Medical Systems Corporation | Medical data processing apparatus and method |
US9959486B2 (en) * | 2014-10-20 | 2018-05-01 | Siemens Healthcare Gmbh | Voxel-level machine learning with or without cloud-based support in medical imaging |
US10068340B2 (en) | 2014-11-03 | 2018-09-04 | Algotec Systems Ltd. | Method for segmentation of the head-neck arteries, brain and skull in medical images |
US10835210B2 (en) | 2015-03-30 | 2020-11-17 | Siemens Medical Solutions Usa, Inc. | Three-dimensional volume of interest in ultrasound imaging |
US9990712B2 (en) * | 2015-04-08 | 2018-06-05 | Algotec Systems Ltd. | Organ detection and segmentation |
US9633306B2 (en) | 2015-05-07 | 2017-04-25 | Siemens Healthcare Gmbh | Method and system for approximating deep neural networks for anatomical object detection |
US9569736B1 (en) * | 2015-09-16 | 2017-02-14 | Siemens Healthcare Gmbh | Intelligent medical image landmark detection |
-
2017
- 2017-06-29 EP EP17737988.0A patent/EP3482346A1/en not_active Withdrawn
- 2017-06-29 JP JP2018566504A patent/JP6947759B2/ja active Active
- 2017-06-29 US US16/315,237 patent/US11151721B2/en active Active
- 2017-06-29 AU AU2017292642A patent/AU2017292642B2/en not_active Ceased
- 2017-06-29 WO PCT/US2017/039923 patent/WO2018009405A1/en unknown
- 2017-06-29 KR KR1020197000221A patent/KR20190028422A/ko unknown
- 2017-06-29 MX MX2018015394A patent/MX2018015394A/es unknown
Also Published As
Publication number | Publication date |
---|---|
US20190311478A1 (en) | 2019-10-10 |
WO2018009405A1 (en) | 2018-01-11 |
JP2019525786A (ja) | 2019-09-12 |
EP3482346A1 (en) | 2019-05-15 |
KR20190028422A (ko) | 2019-03-18 |
US11151721B2 (en) | 2021-10-19 |
AU2017292642B2 (en) | 2022-08-04 |
MX2018015394A (es) | 2019-04-22 |
AU2017292642A1 (en) | 2018-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6947759B2 (ja) | 解剖学的対象物を自動的に検出、位置特定、及びセマンティックセグメンテーションするシステム及び方法 | |
Singh et al. | Shallow 3D CNN for detecting acute brain hemorrhage from medical imaging sensors | |
CN107492099B (zh) | 医学图像分析方法、医学图像分析系统以及存储介质 | |
US10049457B2 (en) | Automated cephalometric analysis using machine learning | |
CN109923554B (zh) | 图像处理 | |
JP2021530061A (ja) | 画像処理方法及びその装置、電子機器並びにコンピュータ可読記憶媒体 | |
Chen et al. | Fast and accurate craniomaxillofacial landmark detection via 3D faster R-CNN | |
US20210059758A1 (en) | System and Method for Identification, Labeling, and Tracking of a Medical Instrument | |
Zhang et al. | Deepgi: An automated approach for gastrointestinal tract segmentation in mri scans | |
Gu et al. | VINet: A visually interpretable image diagnosis network | |
CN112365980A (zh) | 脑肿瘤多靶点辅助诊断与前瞻性治疗演化可视化方法及系统 | |
Bourbakis | Detecting abnormal patterns in WCE images | |
Ribeiro et al. | Handling inter-annotator agreement for automated skin lesion segmentation | |
CN112750531A (zh) | 一种中医自动化望诊系统、方法、设备和介质 | |
CN114332132A (zh) | 图像分割方法、装置和计算机设备 | |
JP2022527525A (ja) | 画像データ中の病変部の境界の識別 | |
Gaber et al. | Comprehensive assessment of facial paralysis based on facial animation units | |
CN114255235A (zh) | 用于自动定位三维图像中的器官分段的方法和布置 | |
CN113822323A (zh) | 脑部扫描图像的识别处理方法、装置、设备及存储介质 | |
KR102545906B1 (ko) | 학습 모델을 이용한 데이터 처리 방법 | |
CN116128942A (zh) | 基于深度学习的三维多模块医学影像的配准方法和系统 | |
CN115761226A (zh) | 一种口腔影像分割识别方法、装置、电子设备和存储介质 | |
CN112766333B (zh) | 医学影像处理模型训练方法、医学影像处理方法及装置 | |
EP4083650A1 (en) | Controlling a scanning operation of a medical imaging device | |
Pal et al. | Panoptic Segmentation and Labelling of Lumbar Spine Vertebrae using Modified Attention Unet |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200617 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200623 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210324 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210413 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210601 |
|
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: 20210907 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210916 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6947759 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |