JP7034013B2 - 自動画像レジストレーション品質評価 - Google Patents
自動画像レジストレーション品質評価 Download PDFInfo
- Publication number
- JP7034013B2 JP7034013B2 JP2018111585A JP2018111585A JP7034013B2 JP 7034013 B2 JP7034013 B2 JP 7034013B2 JP 2018111585 A JP2018111585 A JP 2018111585A JP 2018111585 A JP2018111585 A JP 2018111585A JP 7034013 B2 JP7034013 B2 JP 7034013B2
- Authority
- JP
- Japan
- Prior art keywords
- medical
- registration
- medical registration
- new
- training
- 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
- 238000013441 quality evaluation Methods 0.000 title description 7
- 238000012549 training Methods 0.000 claims description 83
- 238000000034 method Methods 0.000 claims description 77
- 238000012545 processing Methods 0.000 claims description 47
- 238000010801 machine learning Methods 0.000 claims description 41
- 238000012937 correction Methods 0.000 claims description 27
- 230000006399 behavior Effects 0.000 claims description 15
- 230000004044 response Effects 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 12
- 210000000056 organ Anatomy 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 10
- 230000003902 lesion Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 8
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000010244 region-of-interest analysis Methods 0.000 claims description 3
- 239000002872 contrast media Substances 0.000 claims 1
- 230000007246 mechanism Effects 0.000 description 66
- 238000004422 calculation algorithm Methods 0.000 description 36
- 230000006870 function Effects 0.000 description 27
- 230000009466 transformation Effects 0.000 description 20
- 238000004891 communication Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 16
- 238000000611 regression analysis Methods 0.000 description 16
- 238000012360 testing method Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 13
- 238000002591 computed tomography Methods 0.000 description 12
- 238000000844 transformation Methods 0.000 description 12
- 230000001419 dependent effect Effects 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 5
- 238000013519 translation Methods 0.000 description 5
- 210000003484 anatomy Anatomy 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000004138 cluster model Methods 0.000 description 4
- ANSXAPJVJOKRDJ-UHFFFAOYSA-N furo[3,4-f][2]benzofuran-1,3,5,7-tetrone Chemical compound C1=C2C(=O)OC(=O)C2=CC2=C1C(=O)OC2=O ANSXAPJVJOKRDJ-UHFFFAOYSA-N 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 230000003187 abdominal effect Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 2
- 230000000996 additive effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007635 classification algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 239000004744 fabric Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000001902 propagating effect Effects 0.000 description 2
- 238000001303 quality assessment method Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000009530 blood pressure measurement Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000006227 byproduct Substances 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000000205 computational method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000001404 mediated effect Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000013488 ordinary least square regression Methods 0.000 description 1
- 229920001690 polydopamine Polymers 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 238000012887 quadratic function Methods 0.000 description 1
- 238000001959 radiotherapy Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002604 ultrasonography 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
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- 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
-
- 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
- G06T3/14—Transformations for image registration, e.g. adjusting or mapping for alignment of images
- G06T3/153—Transformations for image registration, e.g. adjusting or mapping for alignment of images using elastic snapping
-
- 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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
- G06T7/344—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/35—Determination of transform parameters for the alignment of images, i.e. image registration using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/32—Indexing scheme for image data processing or generation, in general involving image mosaicing
-
- 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
- G06T2207/10004—Still image; Photographic 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
- G06T2207/10—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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/20076—Probabilistic 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
- G06T2207/20081—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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Description
1.両方のシリーズに対してマルチ・エイリアス臓器セグメンテーションを実行する。
2.失敗したレジストレーションの結果を用いて、臓器ラベルの1つのセットを他の空間に変換する。
3.レジストレーションされたシリーズにおける対応する臓器間のオフセットを計算する。
4.臓器オフセットを用いて、シリーズ間の変換への大まかな更新を計算する。
5.更新されたシリーズ間の変換を初期推測値(initial guess)として用いてレジストレーションを再実行する。
・ハード・クラスタリング:各オブジェクトがクラスタに属するか否か、或いは
・ソフト・クラスタリング(同じく、ファジー・クラスタリング):各オブジェクトが、ある程度(例えば、クラスタに属する可能性)各クラスタに属する。
102:ネットワーク
104、106:サーバ
108:ストレージ・ユニット
110、112、114:クライアント
202:ノース・ブリッジ及びメモリ・コントローラ・ハブ(NB/MCH)
204:サウス・ブリッジ及び入力/出力(I/O)コントローラ・ハブ(SB/ICH)
206:処理ユニット
208:メイン・メモリ
210:グラフィックス・プロセッサ
238、240:バス
212:ネットワーク・アダプタ
310:訓練スタディのセット
311、312、313:訓練スタディ
320:スタディ情報
321:病変サイズ、タイプ
322:人口学的情報
323:身体部位/位置推定
324:主要臓器セグメンテーション
330:画像レジストレーション訓練システム
331、343:レジストレーション・コンポーネント
332:レジストレーション・エラー
333、349:ユーザ
341、342:試験スタディ
344:メトリック収束分析コンポーネント
345:学習エンジン
346:レジストレーション失敗確率コンポーネント
347:再レジストレーション・コンポーネント
350:データベース
Claims (12)
- 少なくとも1つのプロセッサ及び少なくとも1つのメモリを含み、前記少なくとも1つのメモリは、前記少なくとも1つのプロセッサによって実行され、医用レジストレーション・システムを実装するように前記少なくとも1つのプロセッサを構成する命令を含む、データ処理システムにおける方法であって、前記方法は、
前記医用レジストレーション・システム内で実行される医用レジストレーション訓練システムにより、医用スタディの対に対する医用レジストレーション訓練動作を実行することであって、前記医用スタディの対内の各医用スタディは、少なくとも1つの画像及び前
記医用スタディについての情報を含み、前記医用レジストレーション訓練動作は、前記医用スタディの対内の第1の医用スタディにおける前記少なくとも1つの画像を、前記医用スタディの対内の第2の医用スタディにおける前記少なくとも1つの画像とアラインしようと試みる、実行することと、
前記医用レジストレーション訓練システムが、前記医用レジストレーション訓練動作が成功したと判断することに応答して、前記医用レジストレーション訓練システムにより、複数の医用レジストレーション・インスタンスを含む医用レジストレーション履歴内に前記医用スタディの対についての医用レジストレーション・インスタンスを記録し、前記医用レジストレーション履歴において前記医用レジストレーション・インスタンスをポジティブ・インスタンスとしてマーク付けすることと、
前記医用レジストレーション訓練システムが、前記医用レジストレーション訓練動作が補正を必要とすると判断することに応答して、前記医用レジストレーション訓練システムにより、前記医用レジストレーション履歴内に前記医用スタディの対についての医用レジストレーション・インスタンスを記録し、前記医用レジストレーション履歴において前記医用レジストレーション・インスタンスをネガティブ・インスタンスとしてマーク付けすることと、
前記医用レジストレーション訓練システムにより、失敗予測機械学習モデルが、新しい医用レジストレーション動作が補正を要するかどうかを予測するように、機械学習を用いて前記医用レジストレーション履歴に基づいて前記失敗予測機械学習モデルを訓練するこ
とと、
前記失敗予測機械学習モデルが、前記新しい医用レジストレーション動作が補正を要すると予測することに応答して、前記新しい医用レジストレーション動作を自動的に補正するためのステップをとることと、
を含む方法。 - 前記医用スタディについての前記情報は、モダリティ、病変サイズ、病変タイプ、スライス・オーバーラップ、身体部位、患者についての人口学的情報、病歴、造影剤の使用、及びイメージング・プロトコルに関する情報を含む、請求項1に記載の方法。
- 前記新しい医用レジストレーション動作を実行することと、
前記新しい医用レジストレーション動作の結果に対してメトリック収束分析を実行することと、をさらに含み、
前記失敗予測機械学習モデルは、前記メトリック収束分析の結果に基づいて、前記新しい医用レジストレーション動作が補正を要するかどうかを予測する、請求項1に記載の方法。 - 前記失敗予測機械学習モデルは分類器モデルを含み、前記新しい医用レジストレーション動作が補正を要するかどうかを予測することは、
前記医用レジストレーション動作の結果及び前記医用レジストレーション動作を行う医用スタディの対についての情報に基づいて、前記新しいレジストレーション動作についての特徴ベクトルを生成することと、
前記分類器モデルを前記特徴ベクトルに適用し、前記新しい医用レジストレーション動作をポジティブ・インスタンス又はネガティブ・インスタンスとして分類することと、
を含む、請求項1に記載の方法。 - 前記失敗予測機械学習モデルは回帰モデルを含み、前記新しい医用レジストレーション動作が補正を要するかどうかを予測することは、
前記医用レジストレーション動作の結果及び前記医用レジストレーション動作を行う医用スタディの対についての情報に基づいて、前記新しいレジストレーション動作についての特徴ベクトルを生成することと、
前記回帰モデルを前記特徴ベクトルに適用し、失敗確率値を生成することと、
前記失敗確率値を閾値と比較することと、
前記失敗確率値が前記閾値より大きくないことに応答して、前記新しい医用レジストレーション動作が補正を要しないと予測することと、
前記失敗確率値が前記閾値より大きいことに応答して、前記新しい医用レジストレーション動作が補正を要すると予測することと、
を含む、請求項1に記載の方法。 - 前記新しい医用レジストレーション動作を自動的に補正するためのステップをとることは、2つのボリュームをレジストレーションするために関心領域(ROI)分析を実行すること、両方向において対称レジストレーションを実行すること、同じ点への収束をチェックすること、又は主要臓器セグメンテーションを実行すること、及びレジストレーションされたボリュームの位置を比較することのうちの少なくとも1つを含む、請求項1に記載の方法。
- 前記医用レジストレーション訓練動作が補正を要すると判断することに応答して、前記医用レジストレーション訓練動作を補正するために必要なアクションを記録することと、
再レジストレーション機械学習モデルが、前記新しい医療レジストレーション動作についての複数の初期化点を識別するように、機械学習を用いて前記医用レジストレーション履歴に基づいて前記再レジストレーション機械学習モデルを訓練することと、
をさらに含む、請求項1に記載の方法。 - 前記新しい医用レジストレーション動作を実行することと、
前記失敗予測機械学習モデルが、前記新しい医用レジストレーション動作が補正を要すると予測することに応答して、前記再レジストレーション機械学習モデルを前記新しい医用レジストレーション動作に適用し、前記新しい医用レジストレーション動作に類似した前記医用レジストレーション履歴内の医用レジストレーション・インスタンスのクラスタを識別することと、
前記医用レジストレーション・インスタンスのクラスタ内のネガティブ・インスタンスに対する前記医用レジストレーション動作を補正するのに必要なアクションを識別するこ
とと、をさらに含み、
前記新しい医用レジストレーション動作を自動的に補正するためのステップをとることは、前記識別したアクションに基づいて、前記新しい医用レジストレーション動作についての前記複数の初期化点を判断することを含む、請求項7に記載の方法。 - 前記新しい医用レジストレーション動作と、前記医用レジストレーション・インスタンスの前記クラスタ内のポジティブ・インスタンスとの間の差を識別することをさらに含み、前記新しい医用レジストレーション動作を自動的に補正するためのステップをとることは、前記識別した差に基づいて、前記新しい医用レジストレーション動作についての前記複数の初期化点を判断することを含む、請求項8に記載の方法。
- 前記新しい医用レジストレーション動作を自動的に補正するためのステップをとることは、
前記新しい医用レジストレーション動作についての複数の初期化点を判断することと、
前記複数の初期化点から前記新しい医用レジストレーション動作の再レジストレーションを実行することと、
前記複数の初期化点から前記再レジストレーションの最良の収束結果を選択することと
、
を含む、請求項1に記載の方法。 - コンピューティング・デバイス上で実行されるとき、前記コンピューティング・デバイスに医用レジストレーション・システムを実装させるコンピュータ可読プログラムを含むコンピュータ・プログラムであって、前記コンピュータ可読プログラムは、前記コンピューティング・デバイスに、請求項1ないし10いずれか一項に記載の方法を実行させる、コンピュタ・プログラム。
- 装置であって、
少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサにより結合されるメモリと、
を含み、前記メモリは、前記少なくとも1つのプロセッサによって実行されるとき、前記少なくとも1つのプロセッサに、医用レジストレーション・システムを実装させる命令を含み、前記命令は、前記少なくとも1つのプロセッサに、
前記医用レジストレーション・システム内で実行される医用レジストレーション訓練システムにより、医用スタディの対に対する医用レジストレーション訓練動作を実行することであって、前記医用スタディの対内の各医用スタディは、少なくとも1つの画像及び前記医用スタディについての情報を含み、前記医用レジストレーション訓練動作は、前記医用スタディの対内の第1の医用スタディにおける前記少なくとも1つの画像を、前記医用スタディの対内の第2の医用スタディにおける前記少なくとも1つの画像とアラインしようと試みる、実行することと、
前記医用レジストレーション訓練システムが、前記医用レジストレーション訓練動作が成功したと判断することに応答して、前記医用レジストレーション訓練システムにより、複数の医用レジストレーション・インスタンスを含む医用レジストレーション履歴内に前記医用スタディの対についての医用レジストレーション・インスタンスを記録し、前記医用レジストレーション履歴において前記医用レジストレーション・インスタンスをポジティブ・インスタンスとしてマーク付けすることと、
前記医用レジストレーション訓練システムが、前記医用レジストレーション訓練動作が補正を必要とすると判断することに応答して、前記医用レジストレーション訓練システムにより、前記医用レジストレーション履歴内に前記医用スタディの対についての医用レジストレーション・インスタンスを記録し、前記医用レジストレーション履歴において前記医用レジストレーション・インスタンスをネガティブ・インスタンスとしてマーク付けす
ることと、
前記医用レジストレーション訓練システムにより、失敗予測機械学習モデルが新しい医用レジストレーション動作が補正を要するかどうかを予測するように、機械学習を用いて前記医用レジストレーション履歴に基づいて前記失敗予測機械学習モデルを訓練することと、
前記失敗予測機械学習モデルが、前記新しい医用レジストレーション動作が補正を要すると予測することに応答して、前記新しい医用レジストレーション動作を自動的に補正するためのステップをとることと、を行わせる、装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/629,254 US10424045B2 (en) | 2017-06-21 | 2017-06-21 | Machine learning model for automatic image registration quality assessment and correction |
US15/629254 | 2017-06-21 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019005566A JP2019005566A (ja) | 2019-01-17 |
JP7034013B2 true JP7034013B2 (ja) | 2022-03-11 |
Family
ID=62812495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018111585A Active JP7034013B2 (ja) | 2017-06-21 | 2018-06-12 | 自動画像レジストレーション品質評価 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10424045B2 (ja) |
JP (1) | JP7034013B2 (ja) |
CN (1) | CN109102490B (ja) |
GB (1) | GB2564939B (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10417737B2 (en) * | 2017-06-21 | 2019-09-17 | International Business Machines Corporation | Machine learning model for automatic image registration quality assessment and correction |
US10817997B2 (en) * | 2017-09-11 | 2020-10-27 | Mx Technologies, Inc. | Propensity model based optimization |
CN112074867A (zh) * | 2018-05-11 | 2020-12-11 | 直观外科手术操作公司 | 与用于图像引导手术的配准有关的系统和方法 |
CN109409425B (zh) * | 2018-10-09 | 2021-06-15 | 宁波大学 | 一种基于近邻成分分析的故障类型识别方法 |
US10957442B2 (en) * | 2018-12-31 | 2021-03-23 | GE Precision Healthcare, LLC | Facilitating artificial intelligence integration into systems using a distributed learning platform |
CN109918291A (zh) * | 2019-01-17 | 2019-06-21 | 深圳壹账通智能科技有限公司 | 软件界面检测方法、装置、计算机设备及存储介质 |
CN110288577A (zh) * | 2019-06-20 | 2019-09-27 | 翼健(上海)信息科技有限公司 | 一种3d实现多器官病灶整合的控制方法及控制装置 |
US11436470B2 (en) * | 2019-09-13 | 2022-09-06 | Kyndryl, Inc. | Generating simulated image training data |
CN111242877A (zh) * | 2019-12-31 | 2020-06-05 | 北京深睿博联科技有限责任公司 | 乳腺x射线影像配准方法和装置 |
US11848097B2 (en) | 2020-12-17 | 2023-12-19 | Evicore Healthcare MSI, LLC | Machine learning models for automated request processing |
CN113707289B (zh) * | 2021-07-16 | 2023-11-10 | 联影智能医疗科技(北京)有限公司 | 医学人工智能平台及其搭建方法 |
CN113660128B (zh) * | 2021-08-20 | 2023-10-20 | 北京神州新桥科技有限公司 | 网络设备故障预测方法、电子设备及存储介质 |
US11941825B2 (en) * | 2021-10-28 | 2024-03-26 | Canon Medical Systems Corporation | Method and apparatus for registering image volumes |
US20230281789A1 (en) * | 2022-03-04 | 2023-09-07 | Siemens Healthcare Gmbh | Image quality assessment for refinement of imaging rendering parameters for rendering medical images |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006512960A (ja) | 2003-01-13 | 2006-04-20 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像位置合わせ方法及び医用画像データ処理装置 |
JP2009515585A (ja) | 2005-11-14 | 2009-04-16 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ボリュメトリック位置合わせのための方法、システムおよびコンピュータプログラム |
JP2014026521A (ja) | 2012-07-27 | 2014-02-06 | Hitachi High-Technologies Corp | マッチング処理装置、マッチング処理方法、及びそれを用いた検査装置 |
JP2016534811A (ja) | 2013-10-30 | 2016-11-10 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 位置及び形状決定装置に対する撮像装置の位置合せを支援するための支援機器 |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5351311A (en) * | 1992-07-28 | 1994-09-27 | The United States Of America As Represented By The Secretary Of The Navy | Neural network for detection and correction of local boundary misalignments between images |
CA2531126A1 (en) * | 2003-06-16 | 2004-12-23 | Dynapix Intelligence Imaging Inc. | Segmentation and data mining for gel electrophoresis images |
US7545965B2 (en) * | 2003-11-10 | 2009-06-09 | The University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
US7876938B2 (en) | 2005-10-06 | 2011-01-25 | Siemens Medical Solutions Usa, Inc. | System and method for whole body landmark detection, segmentation and change quantification in digital images |
US20090069665A1 (en) | 2007-09-11 | 2009-03-12 | Siemens Medical Solutions Usa, Inc. | Automatic Lesion Correlation in Multiple MR Modalities |
US8787648B2 (en) | 2008-03-07 | 2014-07-22 | Koninklijke Philips N.V. | CT surrogate by auto-segmentation of magnetic resonance images |
WO2012154216A1 (en) * | 2011-05-06 | 2012-11-15 | Sti Medical Systems, Llc | Diagnosis support system providing guidance to a user by automated retrieval of similar cancer images with user feedback |
US8958614B2 (en) | 2011-11-28 | 2015-02-17 | Siemens Medical Solutions Usa, Inc. | Image-based detection using hierarchical learning |
CN104160424B (zh) | 2012-03-08 | 2017-09-19 | 皇家飞利浦有限公司 | 用于改进多模态图像融合中的配准准确度的智能标志选择 |
WO2014144019A1 (en) * | 2013-03-15 | 2014-09-18 | The University Of North Carolina At Chapel Hill | Methods, systems, and computer readable media for real-time 2d/3d deformable registration using metric learning |
CN104361328B (zh) * | 2014-11-21 | 2018-11-02 | 重庆中科云丛科技有限公司 | 一种基于自适应多列深度模型的人脸图像正规化方法 |
CN105844582B (zh) * | 2015-01-15 | 2019-08-20 | 北京三星通信技术研究有限公司 | 3d图像数据的注册方法和装置 |
US9767565B2 (en) * | 2015-08-26 | 2017-09-19 | Digitalglobe, Inc. | Synthesizing training data for broad area geospatial object detection |
CN106548127B (zh) * | 2015-09-18 | 2022-11-04 | 松下电器(美国)知识产权公司 | 图像识别方法 |
US10176567B2 (en) * | 2015-12-21 | 2019-01-08 | Canon Kabushiki Kaisha | Physical registration of images acquired by Fourier Ptychography |
US20170337682A1 (en) * | 2016-05-18 | 2017-11-23 | Siemens Healthcare Gmbh | Method and System for Image Registration Using an Intelligent Artificial Agent |
-
2017
- 2017-06-21 US US15/629,254 patent/US10424045B2/en active Active
-
2018
- 2018-05-29 GB GB1808731.2A patent/GB2564939B/en active Active
- 2018-06-12 JP JP2018111585A patent/JP7034013B2/ja active Active
- 2018-06-20 CN CN201810635431.3A patent/CN109102490B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006512960A (ja) | 2003-01-13 | 2006-04-20 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像位置合わせ方法及び医用画像データ処理装置 |
US20060188134A1 (en) | 2003-01-13 | 2006-08-24 | Quist Marcel J | Method of image registration and medical image data processing apparatus |
JP2009515585A (ja) | 2005-11-14 | 2009-04-16 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ボリュメトリック位置合わせのための方法、システムおよびコンピュータプログラム |
JP2014026521A (ja) | 2012-07-27 | 2014-02-06 | Hitachi High-Technologies Corp | マッチング処理装置、マッチング処理方法、及びそれを用いた検査装置 |
JP2016534811A (ja) | 2013-10-30 | 2016-11-10 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 位置及び形状決定装置に対する撮像装置の位置合せを支援するための支援機器 |
Also Published As
Publication number | Publication date |
---|---|
GB201808731D0 (en) | 2018-07-11 |
CN109102490A (zh) | 2018-12-28 |
GB2564939A (en) | 2019-01-30 |
CN109102490B (zh) | 2022-03-01 |
US10424045B2 (en) | 2019-09-24 |
US20180374193A1 (en) | 2018-12-27 |
JP2019005566A (ja) | 2019-01-17 |
GB2564939B (en) | 2020-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7034013B2 (ja) | 自動画像レジストレーション品質評価 | |
US10679325B2 (en) | Machine learning model for automatic image registration quality assessment and correction | |
Hu et al. | Weakly-supervised convolutional neural networks for multimodal image registration | |
Hosny et al. | Artificial intelligence in radiology | |
US11288813B2 (en) | Systems and methods for anatomic structure segmentation in image analysis | |
Bakas et al. | Advancing the cancer genome atlas glioma MRI collections with expert segmentation labels and radiomic features | |
US10482600B2 (en) | Cross-domain image analysis and cross-domain image synthesis using deep image-to-image networks and adversarial networks | |
Candemir et al. | Training strategies for radiology deep learning models in data-limited scenarios | |
Lafata et al. | Radiomics: a primer on high-throughput image phenotyping | |
US10853449B1 (en) | Report formatting for automated or assisted analysis of medical imaging data and medical diagnosis | |
US10692602B1 (en) | Structuring free text medical reports with forced taxonomies | |
JP2023510697A (ja) | 不確実性にガイドされたイメージのクラス化のための半教師ありニューラル・ネットワークのトレーニング | |
Göçeri | Fully automated liver segmentation using Sobolev gradient‐based level set evolution | |
US10706534B2 (en) | Method and apparatus for classifying a data point in imaging data | |
CN113168912B (zh) | 使用深度学习确定3d数据集中对象的增长速度 | |
US20230090906A1 (en) | Method, device and system for automated processing of medical images to output alerts for detected dissimilarities | |
US20230005600A1 (en) | Providing a second result dataset | |
CN114266896A (zh) | 图像标注方法、模型训练方法及装置、电子设备、介质 | |
WO2023104464A1 (en) | Selecting training data for annotation | |
EP4327333A1 (en) | Methods and systems for automated follow-up reading of medical image data | |
Selle et al. | Dimension reduction and outlier detection of 3-D shapes derived from multi-organ CT images | |
US20230298136A1 (en) | Deep learning multi-planar reformatting of medical images | |
US20240169538A1 (en) | Improved spinal hardware rendering | |
Astaraki | Advanced machine learning methods for oncological image analysis | |
Rister | Automated Longitudinal Assessment of CT Cancer Lesions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201130 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211026 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220215 |
|
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: 20220222 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220301 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7034013 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |