JP7226207B2 - 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 - Google Patents
医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 Download PDFInfo
- Publication number
- JP7226207B2 JP7226207B2 JP2019167628A JP2019167628A JP7226207B2 JP 7226207 B2 JP7226207 B2 JP 7226207B2 JP 2019167628 A JP2019167628 A JP 2019167628A JP 2019167628 A JP2019167628 A JP 2019167628A JP 7226207 B2 JP7226207 B2 JP 7226207B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- specific portion
- ray
- teacher
- bone
- 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 150
- 238000000034 method Methods 0.000 title claims description 34
- 210000000988 bone and bone Anatomy 0.000 claims description 198
- 238000002591 computed tomography Methods 0.000 claims description 117
- 238000000605 extraction Methods 0.000 claims description 110
- 238000003384 imaging method Methods 0.000 claims description 59
- 230000015572 biosynthetic process Effects 0.000 claims description 44
- 238000003786 synthesis reaction Methods 0.000 claims description 44
- 238000012549 training Methods 0.000 claims description 44
- 238000010801 machine learning Methods 0.000 claims description 35
- 230000002194 synthesizing effect Effects 0.000 claims description 18
- 238000004088 simulation Methods 0.000 claims description 12
- 238000001959 radiotherapy Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 25
- 238000002583 angiography Methods 0.000 description 19
- 239000003550 marker Substances 0.000 description 15
- 230000000694 effects Effects 0.000 description 9
- 230000005855 radiation Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 6
- 239000002131 composite material Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 230000001678 irradiating effect Effects 0.000 description 4
- 238000002156 mixing Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000006866 deterioration Effects 0.000 description 3
- 230000002542 deteriorative effect Effects 0.000 description 3
- 230000001151 other effect Effects 0.000 description 3
- 230000001225 therapeutic effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
(X線画像処理システムの構成)
図1~図9を参照して、本発明の第1実施形態によるX線画像処理システム100の構成について説明する。
ここで、本実施形態では、DRR画像生成部31によって、CT画像データCに基づいて、被検体Pの骨部Hおよび骨部Hとは異なる抽出対象部分Qを含む領域についてのDRR画像Dが生成され取得される。そして、教師画像生成部32によって、取得されたDRR画像Dに対して、骨部Hの画素値が骨部H以外の部分の画素値に対して相対的に変更されている画像を含む入力教師画像T1が生成される。また、教師画像生成部32によって、入力教師画像T1と同じ領域における抽出対象部分Qを示す画像である出力教師画像T2が生成される。そして、学習モデル生成部33によって、入力教師画像T1および出力教師画像T2を用いて、機械学習を行うことにより、抽出対象部分Qを抽出するための学習モデルMを生成する。
DRR画像生成部31は、図6に示すように、コンピュータ断層撮影による3次元データであるCT画像データCに基づいて、デジタル再構成シミュレーションによって被検体Pの骨部Hおよび骨部Hとは異なる抽出対象部分Qを含む領域についてのDRR画像Dを生成する。なお、DRR画像Dは、特許請求の範囲における「2次元投影画像」の一例である。
CT画像データCに基づいて生成されたDRR画像Dと、X線撮影部4によって撮影されたX線透視画像Aとでは、骨部Hの写り方が異なる場合がある。たとえば、図7に示すように、DRR画像Dに比べてX線透視画像Aでは骨部Hの写り方が薄くなる場合がある。第1制御部30は、こうしたDRR画像DとX線透視画像Aとにおける骨部Hの写り方の差異に対応可能な学習モデルMを生成する。すなわち、第1制御部30は、X線透視画像Aに対応させるように、骨部Hの写り方を多様に変更させた入力教師画像T1を生成する。
Y=αX1+(1-α)X2・・・(1)
ここで、教師画像生成部32は、係数αの値をランダムな値とすることによって、ランダムな割合にDRR画像Dと合成用DRR画像Eとを合成する。そして、教師画像生成部32は、ランダムな割合にDRR画像Dと合成用DRR画像Eとを合成することによって、骨部Hの写り方が様々な複数の入力教師画像T1を生成する。なお、図9は、様々な割合において(様々なαの値を用いて)複数の入力教師画像T1を生成する例を示している。なお、画像の合成は、式(1)の計算方法に限らず、加算および乗算などを用いて計算してもよい。
学習モデル生成部33は、図5に示すように、教師画像生成部32によって生成された入力教師画像T1を入力層として取得する。そして、学習モデル生成部33は、治療計画装置2において登録された抽出対象部分Qの領域を表すように教師画像生成部32によって生成された2チャンネルのラベル画像である出力教師画像T2を出力層として取得する。そして、学習モデル生成部33は、入力層および出力層を用いて、機械学習を行う。学習モデル生成部33は、学習モデルとして使用する畳み込み層を学習することによって、学習モデルMを生成する。そして、画像処理部51は、生成された学習モデルMを用いて、X線透視画像Aにおける抽出対象部分Qの領域を抽出する。X線透視画像Aを入力層として、学習モデル生成部33によって生成された学習モデルMを用いることにより、出力層として2チャンネルのラベル画像である出力画像Aαを生成する。
次に、図10を参照して、学習装置3による学習モデルMの生成方法について説明する。
次に、図11を参照して、第1実施形態によるX線画像処理システム100による制御処理フローについて説明する。
次に、図12を参照して、第1実施形態におけるX線画像処理システム100の使用例について説明する。本発明の第1実施形態によるX線画像処理システム100が用いられる放射線治療は、がんなどの腫瘍に対して放射線(たとえば、高エネルギーのX線)を照射することによって、がんなどの腫瘍を治療する方法である。
第1実施形態では、以下のような効果を得ることができる。
図13~図15を参照して、参考例によるX線画像処理システム200の構成について説明する。この参考例は、DRR画像生成部31によって生成された2次元のDRR画像Dと2次元の合成用DRR画像Eとに基づいて、教師画像生成部32が入力教師画像T1を生成するように構成した第1実施形態とは異なり、教師画像生成部232によって3次元のCT画像データCを処理することによって、骨部Hの写り方が変更されるように投影された画像を入力教師画像T1とするように構成されている。なお、図中において、上記第1実施形態と同様の構成の部分には、同一の符号を付して図示するとともに説明を省略する。
図13に示すように、本発明の参考例によるX線画像処理システム200は、学習装置203を備えるように構成されている。学習装置203は、第1制御部230を含む。第1制御部230は、たとえば、CPUを有する。学習装置203は、ハードウェア的な構成として、たとえば、CPU、GPU、ROM、および、RAMなどを有する。また、学習装置203は、記憶部として、HDDまたは不揮発性のメモリなどを含んでいる。
次に、図16を参照して、参考例によるX線画像処理システム200によるX線撮影に関する制御処理フローについて説明する。
参考例では、以下のような効果を得ることができる。
図17~図22を参照して、第2実施形態によるX線画像処理システム300の構成について説明する。この第2実施形態は、放射線治療において、抽出対象部分Qを抽出(追跡)するように構成した第1実施形態とは異なり、血管造影において、骨部Hである特定部分をX線画像上から除去して表示するように構成されている。なお、図中において、上記第1実施形態と同様の構成の部分には、同一の符号を付して図示するとともに説明を省略する。
図17および図18に示すように、本発明の第2実施形態によるX線画像処理システム300は、表示装置301、CT装置302、学習装置303、X線撮影部304、および、X線画像処理装置305を備える。図19に示すように、X線画像処理システム300は、血管造影の際に、DRR画像D301およびDRR画像D302を用いた機械学習によってX線画像A300から骨部Hを除去するように学習された学習モデルM300に基づいて、X線画像A300から骨部Hを除去するように構成されている。なお、X線画像A300は、X線撮影画像またはX線透視画像を含む。また、骨部Hは特許請求の範囲における「特定部分」の一例である。
次に、図23を参照して、第2実施形態によるX線画像処理システム300による制御処理フローについて説明する。
第2実施形態では、以下のような効果を得ることができる。
図24~図29を参照して、第3実施形態によるX線画像処理システム400の構成について説明する。この第3実施形態は、学習モデルを用いて、骨部HをX線画像上から除去するように構成された第2実施形態とは異なり、学習モデルを用いて、骨部HをX線画像上から抽出するように構成されている。なお、図中において、上記第2実施形態とは同様の構成の部分には、同一の符号を付して図示するとともに説明を省略する。
図24に示すように、本発明の第3実施形態によるX線画像処理システム400は、学習装置403、X線画像処理装置405を備える。図25に示すように、X線画像処理システム400は、血管造影の際に、DRR画像D401およびDRR画像D402を用いた機械学習によってX線画像A300から骨部H以外の部分を除去するように学習された学習モデルM400に基づいて、X線画像A300から骨部H以外の部分を除去するように構成されている。そして、この第3実施形態によるX線画像処理システム400では、X線画像A300から骨部H以外の部分が除去された画像とX線画像A300とで差分をとることによって、X線画像A300から骨部Hを除いた画像が取得される。そして、骨部Hが除かれたX線画像A300を用いて血管造影を行うように構成されている。なお、X線画像A300は、X線撮影画像またはX線透視画像を含む。また、「骨部H以外の部分」は特許請求の範囲における「特定部分」の一例である。
次に、図30を参照して、第3実施形態によるX線画像処理システム400による制御処理フローについて説明する。
第3実施形態では、以下のような効果を得ることができる。
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更(変形例)が含まれる。
たとえば、上記第1実施形態では、学習モデルMに基づいて、被検体Pの抽出対象部分Qを直接的に抽出する例を示したが、本発明はこれに限られない。たとえば、抽出対象部分Qの位置を示すための印として、被検体Pの体内にマーカーRを留置するようにして、マーカーRの位置を抽出することによって抽出対象部分Qを抽出するようにしてもよい。
また、上記第1および第2実施形態では、特定部分は骨部Hを含み、学習画像生成部(DRR画像生成部31、231、331および教師画像生成部32、232、332)を、コンピュータ断層撮影による3次元データ(CT画像データC)に基づいて、デジタル再構成シミュレーションにより生成された2次元投影画像(DRR画像D)に対して、骨部Hの画素値が骨部H以外の部分の画素値に対して相対的に変更されている画像を含む入力教師画像T1(T201、T301)と、入力教師画像T1(T201、T301)と同じ領域における抽出対象部分Qを示す画像または骨部Hを除く画像である出力教師画像T2(T302)と、を生成するように構成する例を示したが、本発明はこれに限られない。たとえば、骨部H以外の部分を特定部分とするようにしてもよい。すなわち、予め、骨部H以外の腫瘍部分に対応する3次元画素部分をCT画像データCにおいて指定することによって、腫瘍部分の画素値が変更されている画像を入力教師画像T1(T201、T301)として、学習モデルM(M300)を生成するように構成されていてもよい。
上記した例示的な実施形態は、以下の態様の具体例であることが当業者により理解される。
3次元における画素値データを有する3次元データに基づいて取得された被検体の特定部分を含む領域についての2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む入力教師画像と、前記入力教師画像と同じ領域における前記被検体の抽出対象部分を示す画像または前記特定部分を除く画像である出力教師画像と、を生成する学習画像生成部と、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記抽出対象部分を抽出するか、または、前記特定部分を除去するための学習モデルを生成する学習モデル生成部と、
学習済みの前記学習モデルに基づいて、X線撮影によって取得された前記被検体の前記特定部分を含むX線画像に対して、前記抽出対象部分を抽出する処理と、前記特定部分を除去する処理とのいずれか一方を行う画像処理部と、を備える、医用画像処理装置。
前記特定部分は骨部を含み、
前記学習画像生成部は、コンピュータ断層撮影による前記3次元データに基づいて、デジタル再構成シミュレーションにより生成された前記2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む前記入力教師画像と、前記入力教師画像と同じ領域における前記抽出対象部分を示す画像または前記特定部分を除く画像である前記出力教師画像と、を生成するように構成されている、項目1に記載の医用画像処理装置。
前記学習画像生成部は、前記特定部分の画素値がランダムな値に変更されている画像を含むように複数の前記入力教師画像を生成するように構成されている、項目1または2に記載の医用画像処理装置。
前記学習画像生成部と前記学習モデル生成部とを含む第1制御部と、
前記画像処理部を含む第2制御部と、をさらに備える、項目1~3のいずれか1項に記載の医用画像処理装置。
前記学習画像生成部は、前記特定部分を含む前記2次元投影画像と、前記特定部分を除くように生成された前記2次元投影画像である合成用投影画像とに基づいて、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む前記入力教師画像を生成するように構成されている、項目1~4のいずれか1項に記載の医用画像処理装置。
前記学習画像生成部は、前記3次元データを構成する3次元画素部分のうちから前記特定部分に対応する前記3次元画素部分を除去することによって前記合成用投影画像を生成するように構成されている、項目5に記載の医用画像処理装置。
前記学習画像生成部は、前記2次元投影画像と前記合成用投影画像とを合成する際の画素値の割合を変更して、前記合成する画素値の割合が変更された前記2次元投影画像と前記合成用投影画像とを合成することによって前記入力教師画像を生成するように構成されている、項目5または6に記載の医用画像処理装置。
前記学習画像生成部は、前記3次元データを構成する3次元画素部分のうちから、前記特定部分に対応する前記3次元画素部分の前記画素値データを、前記特定部分以外の部分に対応する前記3次元画素部分の前記画素値データに対して相対的に変更した状態で2次元に投影することによって、前記入力教師画像を生成するように構成されている、項目1~4のいずれか1項に記載の医用画像処理装置。
前記特定部分は、骨部以外の部分を含み、
前記学習画像生成部は、コンピュータ断層撮影による前記3次元データに基づいて、デジタル再構成シミュレーションにより生成された前記2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む前記入力教師画像と、前記入力教師画像と同じ領域における前記特定部分を除く画像である前記出力教師画像と、を生成するように構成されている、項目1に記載の医用画像処理装置。
3次元における画素値データを有する3次元データに基づいて取得された被検体の特定部分を含む領域についての2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む入力教師画像と、前記入力教師画像と同じ領域における前記被検体の抽出対象部分を示す画像または前記特定部分を除く画像である出力教師画像と、を生成する学習画像生成部と、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記抽出対象部分を抽出するか、または、前記特定部分を除去するための学習モデルを生成する学習モデル生成部と、
X線撮影によって前記被検体の前記特定部分を含むX線画像を取得するX線撮影部と、
学習済みの前記学習モデルに基づいて、前記X線撮影部によって撮影された前記X線画像に対して、前記抽出対象部分を抽出する処理と、前記特定部分を除去する処理とのいずれか一方を行う画像処理部と、を備える、X線画像処理システム。
3次元における画素値データを有する3次元データに基づいて取得された被検体の特定部分を含む領域についての2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む入力教師画像を生成するステップと、
前記入力教師画像と同じ領域における前記被検体の抽出対象部分を示す画像または前記特定部分を除く画像である出力教師画像を生成するステップと、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記抽出対象部分を抽出するか、または、前記特定部分を除去するための学習モデルを生成するステップと、を備える、学習モデルの生成方法。
1 放射線照射装置
2 治療計画装置
3、203、303、403 学習装置(医用画像処理装置)
4、304 X線撮影部
5、205、305、405 X線画像処理装置(医用画像処理装置)
11、343 天板
30、230、330、430 第1制御部
31、231、331、431 DRR画像生成部(学習画像生成部)
32、232、332、432 教師画像生成部(学習画像生成部)
33、233、333、433 学習モデル生成部
50、350、450 第2制御部
51、351、451 画像処理部
Claims (8)
- 3次元における画素値データを有する3次元データに基づいて取得された被検体の特定部分を含む領域についての2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む入力教師画像と、前記入力教師画像と同じ領域における抽出対象部分を示す画像または前記特定部分を除く画像である出力教師画像と、を生成する学習画像生成部と、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記抽出対象部分を抽出するか、または、前記特定部分を除去するための学習モデルを生成する学習モデル生成部と、
学習済みの前記学習モデルに基づいて、X線撮影によって取得された前記被検体の前記特定部分を含むX線画像に対して、前記抽出対象部分を抽出する処理と、前記特定部分を除去する処理とのいずれか一方を行う画像処理部と、を備え、
前記学習画像生成部は、前記特定部分と前記特定部分以外の部分とを含む前記2次元投影画像と、前記特定部分を除くように生成された前記2次元投影画像である合成用投影画像とを、前記2次元投影画像と前記合成用投影画像との画素値の割合を変更しながら合成することによって、前記特定部分の画素値が複数種類に変更された複数の前記入力教師画像を生成するように構成されている、医用画像処理装置。 - 前記特定部分は骨部を含み、
前記学習画像生成部は、コンピュータ断層撮影による前記3次元データに基づいて、デジタル再構成シミュレーションにより生成された前記2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む前記入力教師画像と、前記入力教師画像と同じ領域における前記抽出対象部分を示す画像または前記特定部分を除く画像である前記出力教師画像と、を生成するように構成されている、請求項1に記載の医用画像処理装置。 - 前記学習画像生成部は、前記特定部分の画素値がランダムな値に変更されている画像を含むように複数の前記入力教師画像を生成するように構成されている、請求項1または2に記載の医用画像処理装置。
- 前記学習画像生成部と前記学習モデル生成部とを含む第1制御部と、
前記画像処理部を含む第2制御部と、をさらに備える、請求項1~3のいずれか1項に記載の医用画像処理装置。 - 前記学習画像生成部は、前記3次元データを構成する3次元画素部分のうちから前記特定部分に対応する前記3次元画素部分を除去することによって前記合成用投影画像を生成するように構成されている、請求項1~4のいずれか1項に記載の医用画像処理装置。
- 前記特定部分は、骨部以外の部分を含み、
前記学習画像生成部は、コンピュータ断層撮影による前記3次元データに基づいて、デジタル再構成シミュレーションにより生成された前記2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む前記入力教師画像と、前記入力教師画像と同じ領域における前記特定部分を除く画像である前記出力教師画像と、を生成するように構成されている、請求項1に記載の医用画像処理装置。 - 3次元における画素値データを有する3次元データに基づいて取得された被検体の特定部分を含む領域についての2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む入力教師画像と、前記入力教師画像と同じ領域における抽出対象部分を示す画像または前記特定部分を除く画像である出力教師画像と、を生成する学習画像生成部と、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記抽出対象部分を抽出するか、または、前記特定部分を除去するための学習モデルを生成する学習モデル生成部と、
X線撮影によって前記被検体の前記特定部分を含むX線画像を取得するX線撮影部と、
学習済みの前記学習モデルに基づいて、前記X線撮影部によって撮影された前記X線画像に対して、前記抽出対象部分を抽出する処理と、前記特定部分を除去する処理とのいずれか一方を行う画像処理部と、を備え、
前記学習画像生成部は、前記特定部分と前記特定部分以外の部分とを含む前記2次元投影画像と、前記特定部分を除くように生成された前記2次元投影画像である合成用投影画像とを、前記2次元投影画像と前記合成用投影画像との画素値の割合を変更しながら合成することによって、前記特定部分の画素値が複数種類に変更された複数の前記入力教師画像を生成するように構成されている、X線画像処理システム。 - 3次元における画素値データを有する3次元データに基づいて取得された被検体の特定部分を含む領域についての2次元投影画像に対して、前記特定部分の画素値が前記特定部分以外の部分の画素値に対して相対的に変更されている画像を含む入力教師画像を生成するステップと、
前記入力教師画像と同じ領域における抽出対象部分を示す画像または前記特定部分を除く画像である出力教師画像を生成するステップと、
前記入力教師画像および前記出力教師画像を用いて、機械学習を行うことにより、前記抽出対象部分を抽出するか、または、前記特定部分を除去するための学習モデルを生成するステップと、を備え、
前記入力教師画像を生成するステップは、前記特定部分と前記特定部分以外の部分とを含む前記2次元投影画像と、前記特定部分を除くように生成された前記2次元投影画像である合成用投影画像とを、前記2次元投影画像と前記合成用投影画像との画素値の割合を変更しながら合成することによって、前記特定部分の画素値が複数種類に変更された複数の前記入力教師画像を生成するステップを含む、学習モデルの生成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019167628A JP7226207B2 (ja) | 2019-09-13 | 2019-09-13 | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019167628A JP7226207B2 (ja) | 2019-09-13 | 2019-09-13 | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021041090A JP2021041090A (ja) | 2021-03-18 |
JP7226207B2 true JP7226207B2 (ja) | 2023-02-21 |
Family
ID=74861818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019167628A Active JP7226207B2 (ja) | 2019-09-13 | 2019-09-13 | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7226207B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117615713A (zh) * | 2021-07-20 | 2024-02-27 | 株式会社岛津制作所 | X射线拍摄系统及图像处理方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018083844A1 (ja) | 2016-11-02 | 2018-05-11 | 株式会社島津製作所 | X線透視装置およびx線透視方法 |
WO2018159775A1 (ja) | 2017-03-03 | 2018-09-07 | 国立大学法人筑波大学 | 対象追跡装置 |
WO2019003474A1 (ja) | 2017-06-30 | 2019-01-03 | 株式会社島津製作所 | 放射線治療用追跡装置、位置検出装置および動体追跡方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6785485B2 (ja) * | 2016-12-01 | 2020-11-18 | 株式会社島津製作所 | X線透視装置 |
-
2019
- 2019-09-13 JP JP2019167628A patent/JP7226207B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018083844A1 (ja) | 2016-11-02 | 2018-05-11 | 株式会社島津製作所 | X線透視装置およびx線透視方法 |
WO2018159775A1 (ja) | 2017-03-03 | 2018-09-07 | 国立大学法人筑波大学 | 対象追跡装置 |
WO2019003474A1 (ja) | 2017-06-30 | 2019-01-03 | 株式会社島津製作所 | 放射線治療用追跡装置、位置検出装置および動体追跡方法 |
Also Published As
Publication number | Publication date |
---|---|
JP2021041090A (ja) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102070714B1 (ko) | 오브젝트 위치 결정 장치, 오브젝트 위치 결정 방법, 오브젝트 위치 결정 프로그램, 및 방사선 치료 시스템 | |
JP5345947B2 (ja) | 対象物を撮像する撮像システム及び撮像方法 | |
JP3896188B2 (ja) | 放射線治療計画のための画像処理装置 | |
KR102579039B1 (ko) | 의료용 화상 처리 장치, 치료 시스템, 및 의료용 화상 처리 프로그램 | |
US8126224B2 (en) | Method and apparatus for instrument tracking on a scrolling series of 2D fluoroscopic images | |
US20120121064A1 (en) | Procedure for processing patient radiological images | |
WO2021171394A1 (ja) | 学習済みモデルの作成方法、画像生成方法および画像処理装置 | |
TWI688373B (zh) | 醫用畫像處理裝置、治療系統及醫用畫像處理程式 | |
KR102283934B1 (ko) | Pet 영상에 기반한 가상 ct 영상 및 감쇠보정 pet 영상 생성 방법 및 시스템 | |
JP7226207B2 (ja) | 医用画像処理装置、x線画像処理システム、および、学習モデルの生成方法 | |
WO2020230642A1 (ja) | 医用画像処理装置、医用画像処理プログラム、医用装置、および治療システム | |
JP7323128B2 (ja) | 医用画像処理装置、医用装置、治療システム、医用画像処理方法、およびプログラム | |
US8358874B2 (en) | Method for displaying computed-tomography scans, and a computed-tomography system or computed-tomography system assembly for carrying out this method | |
JP6797555B2 (ja) | 医用情報処理装置 | |
JP2023103359A (ja) | 学習装置、x線画像処理システム、および、学習モデルの生成方法 | |
WO2022190846A1 (ja) | 医用画像処理装置、医用画像処理方法、医用画像処理プログラム、および放射線治療装置 | |
WO2024070093A1 (ja) | 照射位置確認支援装置、照射位置確認支援方法、および照射位置確認支援プログラム | |
JP2019180799A (ja) | 医用画像処理装置、医用画像処理方法、およびプログラム | |
WO2024117129A1 (ja) | 医用画像処理装置、治療システム、医用画像処理方法、およびプログラム | |
JP6855173B2 (ja) | X線ct装置 | |
KR20230166023A (ko) | Ar 영상 제공 방법 및 ar 영상 제공 장치 | |
JP2021013741A (ja) | アパーチャ制御を用いる低線量ct透視のシステムおよび方法 | |
KR20230151364A (ko) | 의료 영상 기반의 시술 시뮬레이션 제공 방법 및 장치 | |
KR20220098740A (ko) | X선 영상 획득 방법 | |
JP2009050413A (ja) | 記憶媒体及びx線ctシステム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220112 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221018 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221216 |
|
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: 20230110 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230123 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7226207 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |