JP7139474B2 - 医用データ処理装置、x線コンピュータ断層撮影装置及び学習済みモデル生成方法 - Google Patents
医用データ処理装置、x線コンピュータ断層撮影装置及び学習済みモデル生成方法 Download PDFInfo
- Publication number
- JP7139474B2 JP7139474B2 JP2021026478A JP2021026478A JP7139474B2 JP 7139474 B2 JP7139474 B2 JP 7139474B2 JP 2021026478 A JP2021026478 A JP 2021026478A JP 2021026478 A JP2021026478 A JP 2021026478A JP 7139474 B2 JP7139474 B2 JP 7139474B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- input
- image
- imaging
- medical
- 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
- 238000012545 processing Methods 0.000 title claims description 587
- 238000000034 method Methods 0.000 title claims description 119
- 238000002591 computed tomography Methods 0.000 title claims description 22
- 230000006870 function Effects 0.000 claims description 239
- 238000003384 imaging method Methods 0.000 claims description 198
- 239000013598 vector Substances 0.000 claims description 38
- 238000013170 computed tomography imaging Methods 0.000 claims description 25
- 238000010801 machine learning Methods 0.000 claims description 15
- 230000007812 deficiency Effects 0.000 claims 1
- 239000010410 layer Substances 0.000 description 144
- 238000010586 diagram Methods 0.000 description 70
- 230000015654 memory Effects 0.000 description 55
- 230000002123 temporal effect Effects 0.000 description 50
- 238000002059 diagnostic imaging Methods 0.000 description 47
- 238000002600 positron emission tomography Methods 0.000 description 47
- 238000002595 magnetic resonance imaging Methods 0.000 description 38
- 230000008569 process Effects 0.000 description 29
- 239000000523 sample Substances 0.000 description 28
- 238000003860 storage Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 21
- 230000005540 biological transmission Effects 0.000 description 20
- 238000001514 detection method Methods 0.000 description 18
- 230000005251 gamma ray Effects 0.000 description 15
- 238000002604 ultrasonography Methods 0.000 description 15
- 238000013500 data storage Methods 0.000 description 14
- 238000006243 chemical reaction Methods 0.000 description 13
- 238000004364 calculation method Methods 0.000 description 12
- 239000002131 composite material Substances 0.000 description 12
- 230000003068 static effect Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 10
- 230000006866 deterioration Effects 0.000 description 10
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 10
- 230000015572 biosynthetic process Effects 0.000 description 9
- 238000003786 synthesis reaction Methods 0.000 description 9
- 230000002194 synthesizing effect Effects 0.000 description 9
- 238000005070 sampling Methods 0.000 description 8
- 238000012879 PET imaging Methods 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 5
- 238000002603 single-photon emission computed tomography Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000017531 blood circulation Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000007906 compression Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 3
- 238000000354 decomposition reaction Methods 0.000 description 3
- 230000004069 differentiation Effects 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 229910052782 aluminium Inorganic materials 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 230000003321 amplification Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000002075 inversion recovery Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000001537 neural effect Effects 0.000 description 2
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 2
- 238000003199 nucleic acid amplification method Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000004043 responsiveness Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000011478 gradient descent method Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000011229 interlayer Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 125000006850 spacer group Chemical group 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4208—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector
- A61B6/4241—Arrangements for detecting radiation specially adapted for radiation diagnosis characterised by using a particular type of detector using energy resolving detectors, e.g. photon counting
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
-
- 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
- G01R33/543—Control of the operation of the MR system, e.g. setting of acquisition parameters prior to or during MR data acquisition, dynamic shimming, use of one or more scout images for scan plane prescription
-
- 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
- G01R33/5602—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by filtering or weighting based on different relaxation times within the sample, e.g. T1 weighting using an inversion pulse
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- 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
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
- A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/42—Arrangements for detecting radiation specially adapted for radiation diagnosis
- A61B6/4291—Arrangements for detecting radiation specially adapted for radiation diagnosis the detector being combined with a grid or grating
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/44—Constructional features of apparatus for radiation diagnosis
- A61B6/4417—Constructional features of apparatus for radiation diagnosis related to combined acquisition of different diagnostic modalities
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/482—Diagnostic techniques involving multiple energy imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/48—Diagnostic techniques
- A61B6/486—Diagnostic techniques involving generating temporal series of image data
- A61B6/487—Diagnostic techniques involving generating temporal series of image data involving fluoroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/48—Diagnostic techniques
- A61B8/488—Diagnostic techniques involving Doppler signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- 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
- G01R33/4808—Multimodal MR, e.g. MR combined with positron emission tomography [PET], MR combined with ultrasound or MR combined with computed tomography [CT]
- G01R33/481—MR combined with positron emission tomography [PET] or single photon emission computed tomography [SPECT]
-
- 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
- G01R33/483—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy
- G01R33/4833—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy using spatially selective excitation of the volume of interest, e.g. selecting non-orthogonal or inclined slices
- G01R33/4835—NMR imaging systems with selection of signals or spectra from particular regions of the volume, e.g. in vivo spectroscopy using spatially selective excitation of the volume of interest, e.g. selecting non-orthogonal or inclined slices of multiple slices
-
- 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
- G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
-
- 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
- G01R33/561—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution by reduction of the scanning time, i.e. fast acquiring systems, e.g. using echo-planar pulse sequences
- G01R33/5615—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE]
- G01R33/5616—Echo train techniques involving acquiring plural, differently encoded, echo signals after one RF excitation, e.g. using gradient refocusing in echo planar imaging [EPI], RF refocusing in rapid acquisition with relaxation enhancement [RARE] or using both RF and gradient refocusing in gradient and spin echo imaging [GRASE] using gradient refocusing, e.g. EPI
-
- 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
- G01R33/563—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution of moving material, e.g. flow contrast angiography
- G01R33/56341—Diffusion imaging
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- 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
- G06T2207/10132—Ultrasound image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—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
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
-
- 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
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- 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
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- High Energy & Nuclear Physics (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Optics & Photonics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
Description
(1)入力医用データxを一個の画像データとし、各成分xp(p=1,2,・・・,N)を当該一個の画像データを構成する位置毎の値(ピクセル値或いはボクセル値)として規定する形式。
(2)入力医用データxをM個の画像データ(例えば、互いに撮像条件の異なる複数の画像データ)とし、各成分xpのうちの1≦p≦qまでを一個目の画像データ、q+1≦p≦rまでを二個目の画像データ、r+1≦p≦sまでを三個目の画像データ、・・・として、入力層において画像データ毎に入力ユニットの範囲を割り当てる形式。
(3)入力医用データxをM個の画像データとし、各成分xpを一個の画像データの位置毎の値(ピクセル値或いはボクセル値)を縦に並べたベクトルとして規定する形式。
(4)入力医用データxを、k空間データや投影データ等の生データ(RAWデータ)として、(1)~(3)等を採用する形式。
(5)入力医用データxを、畳み込み処理が施された画像データ又は生データとして、(1)~(3)等を採用する形式。
上記の説明においては、補助入力画像の生成タイミングについて特に限定しなかった。以下の応用例においては、単一の検査において複数の医用画像が順番に生成され、生成された複数の医用画像の中から順次、処理対象医用画像と補助入力画像とが選択されるものとする。以下、生データから医用画像データへの復元処理は再構成処理であるものとする。なお、以下の説明において、上記実施形態と略同一の機能を有する構成要素については、同一符号を付し、必要な場合にのみ重複説明する。
磁気共鳴イメージング検査は、磁気共鳴イメージング装置により行われる。応用例1において医用撮像装置3は磁気共鳴イメージング装置のMR架台であるとする。
X線コンピュータ断層撮影装置検査は、X線コンピュータ断層撮影装置により行われる。応用例2において医用撮像装置3はX線コンピュータ断層撮影装置のCT架台であるとする。
PET/CT検査は、PET/CT装置により行われる。応用例3において医用撮像装置3はPET/CT装置の架台であるとする。この場合、医用撮像装置3は、X線CT撮像を行うCT架台と、PET撮像を行うPET架台とを装備している。
超音波検査は、超音波診断装置により行われる。応用例4において医用撮像装置3は超音波診断装置の超音波プローブであるとする。
X線透視検査は、X線診断装置により行われる。応用例5において医用撮像装置3は、X線管とX線検出器とが取り付けられたCアームであるとする。なお、応用例5は応用例4と同等である。
実施例1に係る処理回路11は、高間引き率でアンダーサンプリングされたラディアルk空間データから動画像を再構成する。空間相関及び時間相関と再構成時間の遅延の低減を得るため、援助された相関を表示する付加的な入力画像を用いて深層ニューラルネットワークが学習される。実施例の方法での画質は、1入力1出力である通常のDNN再構成に比して、高画質である。
実施例2に係る補助入力画像は、同一スライス位置に関し収集時間及び時間分解能が異なる2枚以上の画像である。以下、実施例2に係る医用データ処理装置1について説明する。実施例2に係る医用データ処理装置1は、時系列の複数フレームの撮像(動画撮像)を実行可能な如何なる医用画像診断装置にも実装可能である。しかしながら、以下の説明を具体的に行うため、医用データ処理装置1は、磁気共鳴イメージング装置9-1に実装されているものとする。磁気共鳴イメージングにおいて動画撮像は、如何なる種類のk空間充填軌跡でも実行可能であるが、以下の実施例においては、比較的時間分解能に優れたラディアルスキャンに基づく動画撮像であるとする。MR画像は2次元画像であっても3次元画像であってもよい。ラディアルスキャンに基づく3次元画像の動画撮像として、例えば、3次元ラディアルスキャンやスタック・オブ・スターズが適用可能である。
実施例3は実施例2の応用である。実施例2においては、撮像フレームと同等の時間分解能を有するレベル1のフレームのMR画像が補助入力画像としてDNNに入力されるとした。しかしながら、本実施形態はこれに限定されない。実施例3に係る処理回路11は、レベル2以上のフレームのMR画像のみを補助入力画像としてDNNに入力する。
上述した実施形態及びその応用例においては、パラメータ付き合成関数のパラメータを機械学習の一手法である深層ニューラルネットワークにより導出する例を記載したが、実施形態はこれに限られるものではない。機械学習の手法として、生物の脳の神経回路を模した手法に限られず、他の手法を適用してもよい。また、実施形態は、パラメータ付き合成関数のパラメータを機械学習により導出することに限られるものでもない。例えば、機械学習を用いずに、人がパラメータを適宜調整することにより導出してもよい。すなわち、医用データ処理装置1が使用する学習済みモデル90は、モデル学習装置5により生成された機械学習モデルに限定されない。例えば、医用データ処理装置1は、学習済みモデル90として、ユーザ指示に従いパラメータが設定された機械学習モデルを使用してもよい。
第1のMRデータと、前記第1のMRデータと同一の撮像対象且つ前記第1のMRデータとは異なる撮像パラメータに関する第2のMRデータとを入力する入力層と、前記第1のMRデータの欠損部分が復元された第3のMRデータを出力する出力層と、前記入力層と前記出力層との間に設けられる少なくとも1つの中間層とを有する学習済みモデルを記憶する記憶部と、
前記学習済みモデルに従い、被検体に関する処理対象の第1のMRデータと、前記被検体に関し且つ前記処理対象の第1のMRデータとは異なる撮像パラメータにより収集された第2のMRデータとから、前記被検体に関する第3のMRデータを生成する処理部と、
を具備する医用データ処理装置。
前記第1のMRデータと前記第2のMRデータとは、k空間データ又は前記k空間データに復元処理を施して生成されたMR画像データである、[付記1-1]記載の医用データ処理装置。
前記復元処理は、デノイズ型復元又はデータ誤差フィードバック型復元である、[付記1-2]記載の医用データ処理装置。
前記撮像パラメータは、スライス位置、収集時刻、収集シーケンス、k空間充填軌跡及び時間分解能の少なくとも一つを含む、[付記1-1]記載の医用データ処理装置。
[付記1-5]
前記第1のMRデータは、前記第2のMRデータに比してデータ間引き量が多い、[付記1-4]記載の医用データ処理装置。
前記第1のMRデータと前記第2のMRデータとは、単一の入力ベクトルとして前記学習済みモデルに入力される、[付記1-1]記載の医用データ処理装置。
前記第1のMRデータは、前記入力ベクトルの第1の範囲に設定され、
前記第2のMRデータは、前記入力ベクトルの第2の範囲に設定され、
前記第1の範囲と前記第2の範囲との位置は、固定される、
[付記1-6]記載の医用データ処理装置。
前記第2のMRデータは、撮像パラメータが異なる複数セットのMRデータを有し、 前記複数セット各々の前記第2のMRデータは、前記入力ベクトルの前記第2の範囲のうちの固定された範囲に設定される、
[付記1-7]記載の医用データ処理装置。
複数の関数を合成したパラメータ付き合成関数に対して、第1のMRデータと第2のMRデータとを適用して推定出力データを生成し、前記推定出力データと正解出力データとが近似するように前記パラメータ付き合成関数のパラメータを更新することにより前記学習済みモデルを生成する学習部を更に備える、[付記1-1]記載の医用データ処理装置。
ユーザによる指示に従い撮像部位を選択する選択部を更に備え、
前記処理部は、前記選択された撮像部位に応じて学習済みモデルを切り替える、
[付記1-1]記載の医用データ処理装置。
前記撮像パラメータは、第1のパラメータと第2のパラメータとを含み、
前記第1のMRデータと前記第2のMRデータとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なり、
前記第1のMRデータと前記第3のMRデータとは、前記第1のパラメータと前記第2のパラメータとが共通であり、
前記第2のMRデータと前記第3のMRデータとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なり、
前記3のMRデータは、前記第1のMRデータに比してデータ欠損が少ない又は画質が高い、
[付記1-1]記載の医用データ処理装置。
前記第1のパラメータは、スライス位置であり、
前記第2のパラメータは、収集時刻、収集シーケンス、k空間充填軌跡及び時間分解能である、
[付記1-11]記載の医用データ処理装置。
前記第1のパラメータは、収集シーケンス、k空間充填軌跡及び時間分解能の少なくとも一つであり、
前記第2のパラメータは、スライス位置である、
[付記1-11]記載の医用データ処理装置。
前記第1のパラメータは、スライス位置と収集シーケンスのうちのEPIとであり、 前記第2のパラメータは、収集シーケンスのうちのb値である、
[付記1-11]記載の医用データ処理装置。
第1のk空間データ又はMR画像データと、前記第1のk空間データ又はMR画像データと同一の撮像対象且つ前記第1のk空間データ又はMR画像データとは異なる撮像パラメータに関する第2のk空間データ又はMR画像データとを入力する入力層と、前記第1のk空間データ又はMR画像データの欠損部分が復元された第3のk空間データ又はMR画像データを出力する出力層と、前記入力層と前記出力層との間に設けられる少なくとも1つの中間層とを有する学習済みモデルを記憶する記憶部と、
被検体にMR撮像を施して第1の撮像パラメータに関する第1のk空間データと、前記第1の撮像パラメータとは異なる第2の撮像パラメータに関する第2のk空間データとを収集する収集部と、
前記学習済みモデルに従い、前記収集されたk空間データ又は前記収集されたk空間データに基づくMR画像データと前記収集された第2のk空間データ又は前記収集されたk空間データに基づくMR画像データとから、前記被検体に関する第3のk空間データ又はMR画像データを生成する処理部と、
前記収集部は、前記第1のk空間データと前記第2のk空間データとを含む時系列の複数フレームのk空間データを収集し、
前記処理部は、前記複数フレームのk空間データの中から、前記第1のk空間データとして、一の第1フレームのk空間データを選択し、前記第2のk空間データとして、一又は複数の第2フレームのk空間データを選択する、
[付記1-15]記載の磁気共鳴イメージング装置。
前記収集部は、前記第1のk空間データと前記第2のk空間データとを含む時系列の複数フレームのk空間データを収集し、
前記処理部は、前記複数フレームのk空間データの中から、前記第1のk空間データとして、一の第1フレームのk空間データを選択し、前記複数フレームのk空間データに基づいて収集時間及び/又は時間分解能が異なる複数の第2フレームのk空間データを生成し、前記第2のk空間データとして、前記複数の第2フレームのk空間データを選択する、
[付記1-15]記載の磁気共鳴イメージング装置。
前記処理部は、前記第1フレームのk空間データに基づいて前記第1フレームの入力MR画像データを生成し、前記複数フレームのk空間データに基づいて前記複数の第2フレームのk空間データを生成し、前記複数の第2フレームのk空間データに基づいて複数の第2フレームの入力MR画像データを生成し、
前記学習済みモデルに従い前記第1フレームの入力MR画像データと前記複数の第2フレームの入力MR画像データとから、前記第3のMRデータとして、前記第1のフレームの出力MR画像データを生成する、
[付記1-17]記載の磁気共鳴イメージング装置。
前記複数のフレームと前記第1フレームとは、第1の時間分解能レベルを有し、
前記複数の第2フレームは、前記第1の時間分解能レベルよりも低い第2の時間分解能レベルを有する、
[付記1-17]記載の磁気共鳴イメージング装置。
前記第1の時間分解能レベルは、1撮像フレームに相当する時間分解能を有し、
前記第2の時間分解能レベルは、2以上の撮像フレームに相当する時間分解能を有し、
前記複数の第2フレームは、N(N+1)/2のフレームを有し、
前記複数の第2フレームは、N撮像フレームに相当する時間分解能レベルから2撮像フレームに相当する時間分解能レベルまでの各第nの時間分解能レベルについて、(N+1-n)のフレームを有する、
[付記1-19]記載の磁気共鳴イメージング装置。
前記第1のMRデータは、前記第2のMRデータに含まれる、[1-16]記載の磁気共鳴イメージング装置。
複数の関数を合成したパラメータ付き合成関数に対して、第1のMRデータと、前記第1のMRデータと同一の撮影対象で且つ前記第1のMRデータとは異なる撮像パラメータに関する第2のMRデータとを適用して推定出力データを生成する工程と、
前記推定出力データと、前記第1のMRデータの欠損部分が復元された正解出力データとが近似するように前記パラメータ付き合成関数のパラメータを更新することにより学習済みモデルを生成する工程と、
を具備する学習済みモデル生成方法。
第1のCTデータと、前記第1のCTデータと同一の撮像対象且つ前記第1のCTデータとは異なる撮像パラメータに関する第2のCTデータとを入力する入力層と、前記第1のCTデータの欠損部分が復元された第3のCTデータを出力する出力層と、前記入力層と前記出力層との間に設けられる少なくとも1つの中間層とを有する学習済みモデルを記憶する記憶部と、
前記学習済みモデルに従い、被検体に関する処理対象の第1のCTデータと、前記被検体に関し且つ前記処理対象の第1のCTデータとは異なる撮像パラメータにより収集された第2のCTデータとから、前記被検体に関する第3のCTデータを生成する処理部と、 を具備する医用データ処理装置。
前記第1のCTデータと前記第2のCTデータとは、投影データ又は前記投影データに復元処理を施して生成されたCT画像データである、[付記2-1]記載の医用データ処理装置。
前記復元処理は、デノイズ型復元又はデータ誤差フィードバック型復元である、[付記2-2]記載の医用データ処理装置。
前記撮像パラメータは、スライス位置、収集時刻、管電流、管電圧、焦点サイズ、検出器空間分解能、ビュー数、再構成関数、架台回転速度及び時間分解能の少なくとも一つを含む、[付記2-1]記載の医用データ処理装置。
前記第1のCTデータは、前記第2のCTデータに比してデータ間引き量が多い、[付記2-4]記載の医用データ処理装置。
前記第1のCTデータと前記第2のCTデータとは、単一の入力ベクトルとして前記学習済みモデルに入力される、[付記2-1]記載の医用データ処理装置。
前記第1のCTデータは、前記入力ベクトルの第1の範囲に設定され、
前記第2のCTデータは、前記入力ベクトルの第2の範囲に設定され、
前記第1の範囲と前記第2の範囲との位置は、固定される、
[付記2-6]記載の医用データ処理装置。
前記第2のCTデータは、撮像パラメータが異なる複数セットのCTデータを有し、
前記複数セット各々の前記第2のCTデータは、前記入力ベクトルの前記第2の範囲のうちの固定された範囲に設定される、
[付記2-7]記載の医用データ処理装置。
複数の関数を合成したパラメータ付き合成関数に対して、第1のCTデータと第2のCTデータとを適用して推定出力データを生成し、前記推定出力データと正解出力データとが近似するように前記パラメータ付き合成関数のパラメータを更新することにより前記学習済みモデルを生成する学習部を更に備える、[付記2-1]記載の医用データ処理装置。
ユーザによる指示に従い撮像部位を選択する選択部を更に備え、
前記処理部は、前記選択された撮像部位に応じて学習済みモデルを切り替える、
[付記2-1]記載の医用データ処理装置。
前記撮像パラメータは、第1のパラメータと第2のパラメータとを含み、
前記第1のCTデータと前記第2のCTデータとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なり、
前記第1のCTデータと前記第3のCTデータとは、前記第1のパラメータと前記第2のパラメータとが共通であり、
前記第2のCTデータと前記第3のCTデータとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なり、
前記3のCTデータは、前記第1のCTデータに比してデータ欠損が少ない又は画質が高い、
[付記2-1]記載の医用データ処理装置。
前記第1のパラメータは、スライス位置であり、
前記第2のパラメータは、収集時刻及び管電流である、
[付記2-11]記載の医用データ処理装置。
第1の投影データ又はCT画像データと、前記第1の投影データ又はCT画像データと同一の撮像対象且つ前記第1の投影データ又はCT画像データとは異なる撮像パラメータに関する第2の投影データ又はCT画像データとを入力する入力層と、前記第1の投影データ又はCT画像データの欠損部分が復元された第3の投影データ又はCT画像データを出力する出力層と、前記入力層と前記出力層との間に設けられる少なくとも1つの中間層とを有する学習済みモデルを記憶する記憶部と、
前記被検体にCT撮像を施して第1の撮像パラメータに関する第1の投影データと、前記第1の撮像パラメータとは異なる第2の撮像パラメータに関する第2の投影データとを収集する収集部と、
前記学習済みモデルに従い、前記収集された第1の投影データ又はCT画像データと前記収集された第2の投影データ又はCT画像データとから、前記被検体に関する第3の投影データ又はCT画像データを生成する処理部と、
を具備するX線コンピュータ断層撮影装置。
前記収集部は、回転フレームの複数周回の投影データを取得し、
前記処理部は、前記複数周回の投影データのうちの第1周回の投影データに基づいて、前記第1のCT画像データとして、第1周回のCT画像データを生成し、前記複数周回の投影データのうちの第2周回の投影データに基づいて、前記第2のCT画像データとして、第2周回のCT画像データを生成する、
[付記2-13]記載のX線コンピュータ断層撮影装置。
前記第1周回の投影データは、高線量のCT撮像により生成され、
前記第2周回の投影データは、低線量のCT撮像により生成される、
[付記2-14]記載のX線コンピュータ断層撮影装置。
複数の関数を合成したパラメータ付き合成関数に対して、第1のCTデータと、前記第1のCTデータと同一の撮影対象で且つ前記第1のCTデータとは異なる撮像パラメータに関する第2のCTデータとを適用して推定出力データを生成する工程と、
前記推定出力データと、前記第1のCTデータの欠損部分が復元された正解出力データとが近似するように前記パラメータ付き合成関数のパラメータを更新することにより学習済みモデルを生成する工程と、
を具備する学習済みモデル生成方法。
第1のUSデータと、前記第1のUSデータと同一の撮像対象且つ前記第1のUSデータとは異なる撮像パラメータに関する第2のUSデータとを入力する入力層と、前記第1のUSデータの欠損部分が復元された第3のUSデータを出力する出力層と、前記入力層と前記出力層との間に設けられる少なくとも1つの中間層とを有する学習済みモデルを記憶する記憶部と、
前記学習済みモデルに従い、被検体に関する処理対象の第1のUSデータと、前記被検体に関し且つ前記処理対象の第1のUSデータとは異なる撮像パラメータにより収集された第2のUSデータとから、前記被検体に関する第3のUSデータを生成する処理部と、
を具備する医用データ処理装置。
前記第1のUSデータと前記第2のUSデータとは、US生データ又は前記US生データに復元処理を施して生成されたUS画像データである、[付記3-1]記載の医用データ処理装置。
前記復元処理は、デノイズ型復元又はデータ誤差フィードバック型復元である、[付記3-2]記載の医用データ処理装置。
前記撮像パラメータは、スライス位置、収集時刻、焦点位置、ゲイン、送信強度、受信強度、PRF、ビーム走査方式、走査モード及び時間分解能の少なくとも一つを含む、[付記3-1]記載の医用データ処理装置。
前記第1のUSデータは、前記第2のUSデータに比してデータ間引き量が多い、[付記3-4]記載の医用データ処理装置。
前記第1のUSデータと前記第2のUSデータとは、単一の入力ベクトルとして前記学習済みモデルに入力される、[付記3-1]記載の医用データ処理装置。
前記第1のUSデータは、前記入力ベクトルの第1の範囲に設定され、
前記第2のUSデータは、前記入力ベクトルの第2の範囲に設定され、
前記第1の範囲と前記第2の範囲との位置は、固定される、
[付記3-6]記載の医用データ処理装置。
前記第2のUSデータは、撮像パラメータが異なる複数セットのUSデータを有し、
前記複数セット各々の前記第2のUSデータは、前記入力ベクトルの前記第2の範囲のうちの固定された範囲に設定される、
[付記3-7]記載の医用データ処理装置。
複数の関数を合成したパラメータ付き合成関数に対して、第1のUSデータと第2のUSデータとを適用して推定出力データを生成し、前記推定出力データと正解出力データとが近似するように前記パラメータ付き合成関数のパラメータを更新することにより前記学習済みモデルを生成する学習部を更に備える、[付記3-1]記載の医用データ処理装置。
ユーザによる指示に従い撮像部位を選択する選択部を更に備え、
前記処理部は、前記選択された撮像部位に応じて学習済みモデルを切り替える、
[付記3-1]記載の医用データ処理装置。
前記撮像パラメータは、第1のパラメータと第2のパラメータとを含み、
前記第1のUSデータと前記第2のUSデータとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なり、
前記第1のUSデータと前記第3のUSデータとは、前記第1のパラメータと前記第2のパラメータとが共通であり、
前記第2のUSデータと前記第3のUSデータとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なり、
前記3のUSデータは、前記第1のUSデータに比してデータ欠損が少ない又は画質が高い、
[付記3-1]記載の医用データ処理装置。
前記第1のパラメータは、スライス位置であり、
前記第2のパラメータは、収集時刻である、
[付記3-11]記載の医用データ処理装置。
第1のUS生データ又はUS画像データと、前記第1のUS生データ又はUS画像データと同一の撮像対象且つ前記第1のUS生データ又はUS画像データとは異なる撮像パラメータに関する第2のUS生データ又はUS画像データとを入力する入力層と、前記第1のUS生データ又はUS画像データの欠損部分が復元された第3のUS生データ又はUS画像データを出力する出力層と、前記入力層と前記出力層との間に設けられる少なくとも1つの中間層とを有する学習済みモデルを記憶する記憶部と、
前記被検体にUS撮像を施して第1の撮像パラメータに関する第1のUS生データと、前記第1の撮像パラメータとは異なる第2の撮像パラメータに関する第2のUS生データとを収集する収集部と、
前記学習済みモデルに従い、前記収集された第1のUS生データ又は前記収集された第1のUS生データに基づくUS画像データと前記収集された第2のUS生データ又は前記収集された第2のUS生データに基づくUS画像データとから、前記被検体に関する第3のUS生データ又はUS画像データを生成する処理部と、
を具備する超音波診断装置。
前記収集部は、時系列の複数フレームのUS生データを収集し、
前記処理部は、前記複数フレームのUS生データの中から、前記第1のUS生データとして、一の第1フレームのUS生データを選択し、前記第2のUS生データとして、一又は複数の第2フレームのUS生データを選択する、
[付記3-13]記載の超音波診断装置。
前記処理部は、
前記第1フレームのUS生データに基づいて前記第1フレームの入力US画像データを生成し、前記第2フレームのUS生データに基づいて前記第2フレームの入力US画像データを生成し、
前記学習済みモデルに従い前記第1フレームの入力US画像データと前記複数の第2フレームの入力US画像データとから、前記第3のUSデータとして、前記第1のフレームの出力US画像データを生成する、
[付記3-14]記載の超音波診断装置。
前記複数フレームのUS生データに基づく前記複数フレームのUS画像データをリアルタイムで表示する表示部を更に備え、
前記処理部は、
ユーザにより画像静止指示がなされた場合、前記画像静止指示がなされた時点において前記表示機器に表示されていたUS波画像データを前記第1フレームのUS画像データとして選択し、
前記画像静止指示がなされた時点から所定フレーム前のフレーム又は前記画像静止指示がなされた時点から所定フレーム後のフレームのUS画像データを、前記第2フレームのUS画像データとして選択する、
[付記3-15]記載の超音波診断装置。
複数の関数を合成したパラメータ付き合成関数に対して、第1のUSデータと、前記第1のUSデータと同一の撮影対象で且つ前記第1のUSデータとは異なる撮像パラメータに関する第2のUSデータとを適用して推定出力データを生成する工程と、
前記推定出力データと、前記第1のUSデータの欠損部分が復元された正解出力データとが近似するように前記パラメータ付き合成関数のパラメータを更新することにより学習済みモデルを生成する工程と、
を具備する学習済みモデル生成方法。
第1の医用データと、前記第1の医用データと同一の撮像対象且つ前記第1の医用データとは異なる撮像パラメータに関する第2の医用データとを入力する入力層と、前記第1の医用データの欠損部分が復元された第3の医用データを出力する出力層と、前記入力層と前記出力層との間に設けられる少なくとも1つの中間層とを有する学習済みモデルを記憶する記憶部と、
前記学習済みモデルに従い、被検体に関する処理対象の第1の医用データと、前記被検体に関し且つ前記処理対象の第1の医用データとは異なる撮像パラメータにより収集された第2の医用データとから、前記被検体に関する第3の医用データを生成する処理部と、
を具備する医用データ処理装置。
前記第1の医用データと前記第2の医用データとは、生データ又は前記生データに復元処理を施して生成された医用画像データである、[付記4-1]記載の医用データ処理装置。
前記復元処理は、デノイズ型復元又はデータ誤差フィードバック型復元である、[付記4-2]記載の医用データ処理装置。
前記撮像パラメータは、スライス位置、医用データの撮像原理及び時間分解能の少なくとも一つを含む、[付記4-1]記載の医用データ処理装置。
前記第1の医用データは、前記第2の医用データに比してデータ間引き量が多い、[付記4-4]記載の医用データ処理装置。
前記第1の医用データと前記第2の医用データとは、単一の入力ベクトルとして前記学習済みモデルに入力される、[付記4-1]記載の医用データ処理装置。
前記第1の医用データは、前記入力ベクトルの第1の範囲に設定され、
前記第2の医用データは、前記入力ベクトルの第2の範囲に設定され、
前記第1の範囲と前記第2の範囲との位置は、固定される、
[付記4-6]記載の医用データ処理装置。
前記第2の医用データは、撮像パラメータが異なる複数セットの医用データを有し、 前記複数セット各々の前記第2の医用データは、前記入力ベクトルの前記第2の範囲のうちの固定された範囲に設定される、
[付記4-7]記載の医用データ処理装置。
複数の関数を合成したパラメータ付き合成関数に対して、第1の医用データと第2の医用データとを適用して推定出力データを生成し、前記推定出力データと正解出力データとが近似するように前記パラメータ付き合成関数のパラメータを更新することにより前記学習済みモデルを生成する学習部を更に備える、[付記4-1]記載の医用データ処理装置。
ユーザによる指示に従い撮像部位を選択する選択部を更に備え、
前記処理部は、前記選択された撮像部位に応じて学習済みモデルを切り替える、
[付記4-1]記載の医用データ処理装置。
前記撮像パラメータは、第1のパラメータと第2のパラメータとを含み、
前記第1の医用データと前記第2の医用データとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なり、
前記第1の医用データと前記第3の医用データとは、前記第1のパラメータと前記第2のパラメータとが共通であり、
前記第2の医用データと前記第3の医用データとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なり、
前記3の医用データは、前記第1の医用データに比してデータ欠損が少ない又は画質が高い、
[付記4-1]記載の医用データ処理装置。
前記第1のパラメータは、スライス位置であり、
前記第2のパラメータは、医用データの撮像原理である、
[付記4-11]記載の医用データ処理装置。
前記第1の医用データに関する前記第2のパラメータは、前記撮像原理として、PET撮像であり、
前記第2の医用データに関する前記第2のパラメータは、前記撮像原理として、X線CT撮像である、
[付記4-12]記載の医用データ処理装置。
第1の医用データと、前記第1の医用データと同一の撮像対象且つ前記第1の医用データとは異なる撮像パラメータに関する第2の医用データとを入力する入力層と、前記第1の医用データの欠損部分が復元された第3の医用データを出力する出力層と、前記入力層と前記出力層との間に設けられる少なくとも1つの中間層とを有する学習済みモデルを記憶する記憶部と、
前記被検体に撮像を施して第1の撮像パラメータに関する第1の医用データと、前記第1の撮像パラメータとは異なる第2の撮像パラメータに関する第2の医用データとを収集する収集部と、
前記学習済みモデルに従い、前記収集された第1の医用データと前記収集された第2の医用データとから、前記被検体に関する第3の医用データを生成する処理部と、
を具備する医用画像診断装置。
前記収集部は、前記被検体にPET撮像を施して前記第1の医用データを収集するPETスキャナと前記被検体にX線CT撮像を施して前記第2の医用データを収集X線CTスキャナとを有する、[付記4-14]記載の医用画像診断装置。
複数の関数を合成したパラメータ付き合成関数に対して、第1の医用データと、前記第1の医用データと同一の撮影対象で且つ前記第1の医用データとは異なる撮像パラメータに関する第2の医用データとを適用して推定出力データを生成する工程と、
前記推定出力データと、前記第1の医用データの欠損部分が復元された正解出力データとが近似するように前記パラメータ付き合成関数のパラメータを更新することにより学習済みモデルを生成する工程と、
を具備する学習済みモデル生成方法。
2 医用データ処理装置
3 医用撮像装置
5 モデル学習装置
7 学習データ保管装置
9 医用画像診断装置
11 処理回路
13 メモリ
15 入力インタフェース
17 通信インタフェース
19 ディスプレイ
21 処理回路
23 メモリ
25 入力インタフェース
27 出力インタフェース
50 学習プログラム
51 処理回路
53 メモリ
55 入力インタフェース
57 通信インタフェース
59 ディスプレイ
90 学習済みモデル
100 医用信号処理システム
111 撮像制御機能
112 通常復元機能
113 入力選択機能
114 順伝播機能
115 画像処理機能
116 表示制御機能
511 順伝播機能
512 逆伝播機能
513 更新機能
514 判定機能
515 表示制御機能
Claims (14)
- 学習済みモデルに、第1の撮像パラメータに関するデータであって、データ欠損を含む入力CTデータと、前記入力CTデータと同一の撮像対象であり且つ前記第1の撮像パラメータとは異なる第2の撮像パラメータに関する補助入力CTデータとを適用して、前記入力CTデータのデータ欠損が低減された出力CTデータを生成する処理部を具備する医用データ処理装置。
- 前記入力CTデータ、前記補助入力CTデータ及び前記出力CTデータは、投影データ又は前記投影データに復元処理を施して生成されたCT画像データである、請求項1記載の医用データ処理装置。
- 前記第1の撮像パラメータ及び前記第2の撮像パラメータは、スライス位置、収集時刻、管電流、管電圧、焦点サイズ、検出器空間分解能、ビュー数、再構成関数、架台回転速度及び時間分解能の少なくとも一つを含む、請求項1記載の医用データ処理装置。
- 前記入力CTデータ及び前記補助入力CTデータは、単一の入力ベクトルとして前記学習済みモデルに入力される、請求項1記載の医用データ処理装置。
- 前記入力CTデータは、前記入力ベクトルの第1の範囲に設定され、
前記補助入力CTデータは、前記入力ベクトルの第2の範囲に設定され、
前記第1の範囲と前記第2の範囲との位置は、固定される、
請求項4記載の医用データ処理装置。 - 前記補助入力CTデータは、撮像パラメータが異なる複数セットのCTデータを有し、
前記複数セット各々の前記補助入力CTデータは、前記入力ベクトルの前記第2の範囲のうちの固定された範囲に設定される、
請求項5記載の医用データ処理装置。 - 未学習の機械学習モデルに対して、前記入力CTデータ及び前記補助入力CTデータを適用して推定出力データを生成し、前記推定出力データと正解出力データとが近似するように前記未学習の機械学習モデルのパラメータを更新することにより前記学習済みモデルを生成する学習部を更に備える、請求項1記載の医用データ処理装置。
- ユーザによる指示に従い撮像部位を選択する選択部を更に備え、
前記処理部は、前記選択された撮像部位に応じて学習済みモデルを切り替える、
請求項1記載の医用データ処理装置。 - 前記第1の撮像パラメータ及び前記第2の撮像パラメータは、スライス位置、収集時刻、管電流、管電圧、焦点サイズ、検出器空間分解能、ビュー数、再構成関数、架台回転速度及び時間分解能から選択された第1のパラメータ及び第2のパラメータを含み、
前記入力CTデータと前記補助入力CTデータとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なり、
前記入力CTデータと前記出力CTデータとは、前記第1のパラメータと前記第2のパラメータとが共通であり、
前記補助入力CTデータと前記出力CTデータとは、前記第1のパラメータが共通であり、前記第2のパラメータが異なる、
請求項1記載の医用データ処理装置。 - 前記第1のパラメータは、スライス位置であり、
前記第2のパラメータは、収集時刻及び管電流である、
請求項9記載の医用データ処理装置。 - 被検体にCT撮像を施して第1の撮像パラメータに関する入力投影データと、前記第1の撮像パラメータとは異なる第2の撮像パラメータに関する補助入力投影データとを収集する収集部と、
学習済みモデルに、前記収集された入力投影データ又は前記入力投影データに基づく入力CT画像データと前記収集された補助入力投影データ又は前記補助入力投影データに基づく補助入力CT画像データとを適用して、前記入力投影データ又は入力CT画像データのデータ欠損が低減された出力投影データ又は出力CT画像データを生成する処理部と、
を具備するX線コンピュータ断層撮影装置。 - 前記収集部は、X線管とX線検出器とを有する回転フレームを回転させながら、複数周回の投影データを取得し、
前記処理部は、前記複数周回の投影データのうちの第1周回の投影データに基づいて、前記入力CT画像データとして、第1周回の入力CT画像データを生成し、前記複数周回の投影データのうちの第2周回の投影データに基づいて、前記補助入力CT画像データとして、第2周回のCT画像データを生成する、
請求項11記載のX線コンピュータ断層撮影装置。 - 前記第1周回の投影データは、所定の線量のCT撮像により生成され、
前記第2周回の投影データは、前記所定の線量に比して低い線量のCT撮像により生成される、
請求項12記載のX線コンピュータ断層撮影装置。 - 未学習の機械学習モデルに対して、データ欠損を含む入力CTデータと、前記入力CTデータと同一の撮影対象であり、且つ前記入力CTデータとは異なる撮像パラメータに関する補助入力CTデータとを適用して推定出力CTデータを生成する工程と、
前記推定出力CTデータと、前記入力CTデータに含まれる前記データ欠損が低減された正解出力CTデータとが近似するように前記未学習の機械学習モデルを更新することにより学習済みモデルを生成する工程と、
を具備する学習済みモデル生成方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022139490A JP7386944B2 (ja) | 2017-11-24 | 2022-09-01 | 医用データ処理装置、超音波診断装置及び学習済みモデル生成方法 |
JP2023193722A JP2024009074A (ja) | 2017-11-24 | 2023-11-14 | 医用データ処理装置、超音波診断装置及び学習済みモデル生成方法 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017226243 | 2017-11-24 | ||
JP2017226243 | 2017-11-24 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019109545A Division JP6843924B2 (ja) | 2017-11-24 | 2019-06-12 | 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022139490A Division JP7386944B2 (ja) | 2017-11-24 | 2022-09-01 | 医用データ処理装置、超音波診断装置及び学習済みモデル生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021090825A JP2021090825A (ja) | 2021-06-17 |
JP7139474B2 true JP7139474B2 (ja) | 2022-09-20 |
Family
ID=66631722
Family Applications (5)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018208903A Active JP6545887B2 (ja) | 2017-11-24 | 2018-11-06 | 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法 |
JP2019109545A Active JP6843924B2 (ja) | 2017-11-24 | 2019-06-12 | 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法 |
JP2021026478A Active JP7139474B2 (ja) | 2017-11-24 | 2021-02-22 | 医用データ処理装置、x線コンピュータ断層撮影装置及び学習済みモデル生成方法 |
JP2022139490A Active JP7386944B2 (ja) | 2017-11-24 | 2022-09-01 | 医用データ処理装置、超音波診断装置及び学習済みモデル生成方法 |
JP2023193722A Pending JP2024009074A (ja) | 2017-11-24 | 2023-11-14 | 医用データ処理装置、超音波診断装置及び学習済みモデル生成方法 |
Family Applications Before (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018208903A Active JP6545887B2 (ja) | 2017-11-24 | 2018-11-06 | 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法 |
JP2019109545A Active JP6843924B2 (ja) | 2017-11-24 | 2019-06-12 | 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法 |
Family Applications After (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022139490A Active JP7386944B2 (ja) | 2017-11-24 | 2022-09-01 | 医用データ処理装置、超音波診断装置及び学習済みモデル生成方法 |
JP2023193722A Pending JP2024009074A (ja) | 2017-11-24 | 2023-11-14 | 医用データ処理装置、超音波診断装置及び学習済みモデル生成方法 |
Country Status (5)
Country | Link |
---|---|
US (2) | US11278213B2 (ja) |
EP (1) | EP3714784A4 (ja) |
JP (5) | JP6545887B2 (ja) |
CN (3) | CN116741352A (ja) |
WO (1) | WO2019102846A1 (ja) |
Families Citing this family (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10698064B2 (en) * | 2016-07-21 | 2020-06-30 | Koninklijke Philips N.V. | Motion-corrected compressed sensing magnetic resonance imaging |
US10776925B2 (en) * | 2018-04-27 | 2020-09-15 | General Eelectric Company | System and method for generating a water-fat seperated image |
JP7126864B2 (ja) | 2018-05-25 | 2022-08-29 | キヤノンメディカルシステムズ株式会社 | 医用信号処理装置及び学習プログラム |
CN108876783B (zh) * | 2018-06-27 | 2021-02-05 | 上海联影医疗科技股份有限公司 | 图像融合方法及系统、医疗设备和图像融合终端 |
US11756691B2 (en) * | 2018-08-01 | 2023-09-12 | Martin Reimann | Brain health comparison system |
JP7206073B2 (ja) * | 2018-08-21 | 2023-01-17 | キヤノンメディカルシステムズ株式会社 | 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 |
DE102018214325A1 (de) * | 2018-08-24 | 2020-02-27 | Siemens Healthcare Gmbh | Verfahren und Bereitstellungseinheit zum Bereitstellen eines virtuellen tomographischen Schlaganfall-Nachfolgeuntersuchungsbildes |
JP7224817B2 (ja) | 2018-09-06 | 2023-02-20 | キヤノンメディカルシステムズ株式会社 | 信号データ処理装置 |
US11037030B1 (en) * | 2018-10-29 | 2021-06-15 | Hrl Laboratories, Llc | System and method for direct learning from raw tomographic data |
CN109727223B (zh) * | 2018-12-27 | 2021-02-05 | 上海联影医疗科技股份有限公司 | 一种医学图像自动融合方法和系统 |
JP7272818B2 (ja) | 2019-02-26 | 2023-05-12 | キヤノンメディカルシステムズ株式会社 | データ処理装置、方法及びプログラム |
JP2020146453A (ja) * | 2019-03-05 | 2020-09-17 | キヤノンメディカルシステムズ株式会社 | 医用処理装置 |
US12002203B2 (en) | 2019-03-12 | 2024-06-04 | Bayer Healthcare Llc | Systems and methods for assessing a likelihood of CTEPH and identifying characteristics indicative thereof |
US11224399B2 (en) * | 2019-07-12 | 2022-01-18 | Canon Medical Systems Corporation | Apparatus and method using deep learning (DL) to compensate for large focal spot size in x-ray projection imaging |
EP3764325B1 (en) * | 2019-07-12 | 2024-05-15 | Canon Medical Systems Corporation | System and program for avoiding focal spot blurring |
US11244443B2 (en) * | 2019-07-28 | 2022-02-08 | Advantest Corporation | Examination apparatus, examination method, recording medium storing an examination program, learning apparatus, learning method, and recording medium storing a learning program |
KR102317337B1 (ko) * | 2019-07-30 | 2021-10-26 | 한국과학기술원 | 다양한 센서 조건에서의 초음파 영상 처리 장치 및 그 방법 |
US20230103344A1 (en) * | 2019-08-21 | 2023-04-06 | Shimadzu Corporation | X-Ray Imaging Method and X-Ray Imaging System |
AU2020349121A1 (en) | 2019-09-18 | 2022-03-31 | Bayer Aktiengesellschaft | System, method, and computer program product for predicting, anticipating, and/or assessing tissue characteristics |
AU2020347797A1 (en) | 2019-09-18 | 2022-03-31 | Bayer Aktiengesellschaft | Forecast of MRI images by means of a forecast model trained by supervised learning |
JP7350595B2 (ja) * | 2019-10-01 | 2023-09-26 | キヤノンメディカルシステムズ株式会社 | 画像処理装置、医用画像診断装置及び画像処理プログラム |
US12000918B2 (en) * | 2019-10-25 | 2024-06-04 | Washington University | Systems and methods of reconstructing magnetic resonance images using deep learning |
JPWO2021106961A1 (ja) * | 2019-11-27 | 2021-06-03 | ||
JP7337675B2 (ja) * | 2019-12-04 | 2023-09-04 | キヤノンメディカルシステムズ株式会社 | 医用データ処理装置 |
JP6737491B1 (ja) * | 2020-01-09 | 2020-08-12 | 株式会社アドイン研究所 | Aiを用いる診断装置、診断システム、及び、プログラム |
JP7451239B2 (ja) | 2020-03-12 | 2024-03-18 | 富士フイルムヘルスケア株式会社 | 画像処理装置、x線撮像装置及び画像処理方法 |
JP7341950B2 (ja) * | 2020-06-05 | 2023-09-11 | 富士フイルム株式会社 | 画像処理装置、放射線画像撮影システム、画像処理方法、及び画像処理プログラム |
KR102415806B1 (ko) * | 2020-09-15 | 2022-07-05 | 주식회사 뷰노 | 전자의료기록으로부터 의료 이벤트를 예측하는 인공 신경망의 기계학습 방법 |
US20220096055A1 (en) * | 2020-09-29 | 2022-03-31 | The Board Of Trustees Of The Leland Stanford Junior University | Functional ultrasound imaging of the brain using deep learning and sparse data |
CN112561918A (zh) * | 2020-12-31 | 2021-03-26 | 中移(杭州)信息技术有限公司 | 卷积神经网络的训练方法和病灶分割方法 |
WO2022202310A1 (ja) * | 2021-03-26 | 2022-09-29 | テルモ株式会社 | プログラム、画像処理方法及び画像処理装置 |
JP2022189058A (ja) | 2021-06-10 | 2022-12-22 | キヤノンメディカルシステムズ株式会社 | 磁気共鳴イメージング装置及び方法 |
JP2023044462A (ja) | 2021-09-17 | 2023-03-30 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、磁気共鳴イメージング装置、医用画像処理方法、および医用画像処理プログラム |
CN117094987B (zh) * | 2023-10-13 | 2023-12-22 | 四川大学 | 一种优化神经调控物理场方向的方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008167949A (ja) | 2007-01-12 | 2008-07-24 | Fujifilm Corp | 放射線画像処理方法および装置ならびにプログラム |
JP2017094097A (ja) | 2015-11-27 | 2017-06-01 | 株式会社東芝 | 医用画像処理装置、x線コンピュータ断層撮像装置及び医用画像処理方法 |
Family Cites Families (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1131214A (ja) * | 1997-07-10 | 1999-02-02 | Hitachi Medical Corp | 画像処理装置 |
US7545965B2 (en) * | 2003-11-10 | 2009-06-09 | The University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
CN101248458B (zh) * | 2005-07-08 | 2012-08-15 | 威斯康星校友研究基金会 | 高约束图像重构方法 |
US8879852B2 (en) * | 2010-11-10 | 2014-11-04 | Siemens Aktiengesellschaft | Non-contrast-enhanced 4D MRA using compressed sensing reconstruction |
US9265441B2 (en) * | 2013-07-12 | 2016-02-23 | Siemens Aktiengesellschaft | Assessment of traumatic brain injury |
US9437016B2 (en) | 2013-08-07 | 2016-09-06 | Toshiba Medical Systems Corporation | Image domain pansharpening method and system for spectral CT with large pixel energy discriminating detectors |
US9730643B2 (en) * | 2013-10-17 | 2017-08-15 | Siemens Healthcare Gmbh | Method and system for anatomical object detection using marginal space deep neural networks |
JP5918200B2 (ja) | 2013-11-29 | 2016-05-18 | 日立アロカメディカル株式会社 | 超音波診断装置 |
KR101857795B1 (ko) * | 2013-12-18 | 2018-05-14 | 삼성전자주식회사 | 자기 공명 영상 장치 및 그 동작방법 |
JP6181542B2 (ja) | 2013-12-18 | 2017-08-16 | 東芝メディカルシステムズ株式会社 | 超音波診断装置、医用画像診断装置および検査手順発生プログラム |
US10331852B2 (en) * | 2014-01-17 | 2019-06-25 | Arterys Inc. | Medical imaging and efficient sharing of medical imaging information |
JP6377378B2 (ja) * | 2014-03-17 | 2018-08-22 | キヤノンメディカルシステムズ株式会社 | 磁気共鳴イメージング装置 |
US9953246B2 (en) | 2014-12-16 | 2018-04-24 | The Regents Of The University Of California | Feature-preserving noise removal |
US10871536B2 (en) * | 2015-11-29 | 2020-12-22 | Arterys Inc. | Automated cardiac volume segmentation |
US20170337682A1 (en) * | 2016-05-18 | 2017-11-23 | Siemens Healthcare Gmbh | Method and System for Image Registration Using an Intelligent Artificial Agent |
WO2017206048A1 (en) * | 2016-05-31 | 2017-12-07 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for removing gibbs artifact in medical imaging system |
US10074038B2 (en) * | 2016-11-23 | 2018-09-11 | General Electric Company | Deep learning medical systems and methods for image reconstruction and quality evaluation |
CN106682636B (zh) * | 2016-12-31 | 2020-10-16 | 上海联影医疗科技有限公司 | 血管提取方法及其系统 |
US10600184B2 (en) * | 2017-01-27 | 2020-03-24 | Arterys Inc. | Automated segmentation utilizing fully convolutional networks |
US10685429B2 (en) * | 2017-02-22 | 2020-06-16 | Siemens Healthcare Gmbh | Denoising medical images by learning sparse image representations with a deep unfolding approach |
US10753997B2 (en) * | 2017-08-10 | 2020-08-25 | Siemens Healthcare Gmbh | Image standardization using generative adversarial networks |
US11127175B2 (en) * | 2017-09-26 | 2021-09-21 | Rensselaer Polytechnic Institute | Monochromatic CT image reconstruction from current-integrating data via machine learning |
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 |
JP7246903B2 (ja) | 2017-12-20 | 2023-03-28 | キヤノンメディカルシステムズ株式会社 | 医用信号処理装置 |
-
2018
- 2018-11-06 JP JP2018208903A patent/JP6545887B2/ja active Active
- 2018-11-06 CN CN202310728132.5A patent/CN116741352A/zh active Pending
- 2018-11-06 CN CN201880003369.4A patent/CN110121293B/zh active Active
- 2018-11-06 CN CN202310728134.4A patent/CN116741353A/zh active Pending
- 2018-11-06 EP EP18881546.8A patent/EP3714784A4/en active Pending
- 2018-11-06 WO PCT/JP2018/041193 patent/WO2019102846A1/ja unknown
-
2019
- 2019-06-12 JP JP2019109545A patent/JP6843924B2/ja active Active
- 2019-07-19 US US16/516,938 patent/US11278213B2/en active Active
-
2021
- 2021-02-22 JP JP2021026478A patent/JP7139474B2/ja active Active
-
2022
- 2022-02-22 US US17/652,047 patent/US20220202306A1/en active Pending
- 2022-09-01 JP JP2022139490A patent/JP7386944B2/ja active Active
-
2023
- 2023-11-14 JP JP2023193722A patent/JP2024009074A/ja active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008167949A (ja) | 2007-01-12 | 2008-07-24 | Fujifilm Corp | 放射線画像処理方法および装置ならびにプログラム |
JP2017094097A (ja) | 2015-11-27 | 2017-06-01 | 株式会社東芝 | 医用画像処理装置、x線コンピュータ断層撮像装置及び医用画像処理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2022169790A (ja) | 2022-11-09 |
JP6843924B2 (ja) | 2021-03-17 |
JP2019181226A (ja) | 2019-10-24 |
US20220202306A1 (en) | 2022-06-30 |
CN110121293A (zh) | 2019-08-13 |
EP3714784A4 (en) | 2021-08-04 |
JP6545887B2 (ja) | 2019-07-17 |
JP2024009074A (ja) | 2024-01-19 |
CN116741353A (zh) | 2023-09-12 |
JP7386944B2 (ja) | 2023-11-27 |
CN110121293B (zh) | 2023-07-04 |
JP2019093126A (ja) | 2019-06-20 |
US11278213B2 (en) | 2022-03-22 |
EP3714784A1 (en) | 2020-09-30 |
US20190336033A1 (en) | 2019-11-07 |
CN116741352A (zh) | 2023-09-12 |
JP2021090825A (ja) | 2021-06-17 |
WO2019102846A1 (ja) | 2019-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7139474B2 (ja) | 医用データ処理装置、x線コンピュータ断層撮影装置及び学習済みモデル生成方法 | |
JP5734664B2 (ja) | 希薄化制約補正を用いた画像復元法 | |
CN101278863B (zh) | 超声波诊断装置、乳房成像系统以及乳房成像方法 | |
JP2009533086A (ja) | トモシンセシス技術を用いた患者の位置決め | |
JP2003325499A (ja) | マルチ・モダリティ型x線及び核医学マンモグラフィ・イメージング・システム及び撮像方法 | |
CN106456088A (zh) | 用于连续运动乳房断层摄影的系统和方法 | |
US11615530B2 (en) | Medical data processing apparatus for reconstructing a medical image using a neural network | |
JP2003232855A (ja) | 断層像作成装置及び断層像作成方法並びに放射線検査装置 | |
CN105962959A (zh) | 对于虚拟x射线量子能量分布产生图像的方法和拍摄装置 | |
JP7254656B2 (ja) | 医用画像処理装置、医用画像診断装置及び核医学診断装置 | |
JP2005058428A (ja) | 病巣位置特定システム及び放射線検査装置 | |
JP2024001297A (ja) | 医用データ処理装置、医用画像診断装置、医用データ処理方法、および医用データ処理プログラム | |
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 | |
US11587680B2 (en) | Medical data processing apparatus and medical data processing method | |
US20230134630A1 (en) | Inference apparatus, medical image diagnostic apparatus, inference method, and trained neural network generation method | |
WO2016077865A1 (en) | Single/limited angle gamma/x-ray tomography | |
Johnson et al. | Bioimage synthesis and analysis from x-ray, gamma, optical and ultrasound energy | |
JP2022186050A (ja) | X線コンピュータ断層撮影装置、学習装置及び超音波診断装置 | |
JP2020177333A (ja) | 医用情報処理システム、および医用情報処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210222 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220121 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220404 |
|
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: 20220809 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220907 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7139474 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |