JP7245740B2 - 画像処理装置、画像処理方法及びx線ct装置 - Google Patents
画像処理装置、画像処理方法及びx線ct装置 Download PDFInfo
- Publication number
- JP7245740B2 JP7245740B2 JP2019136899A JP2019136899A JP7245740B2 JP 7245740 B2 JP7245740 B2 JP 7245740B2 JP 2019136899 A JP2019136899 A JP 2019136899A JP 2019136899 A JP2019136899 A JP 2019136899A JP 7245740 B2 JP7245740 B2 JP 7245740B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- images
- noise
- processing
- input
- 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 212
- 238000003672 processing method Methods 0.000 title claims description 5
- 230000009467 reduction Effects 0.000 claims description 101
- 238000000034 method Methods 0.000 claims description 45
- 239000002184 metal Substances 0.000 claims description 41
- 229910052751 metal Inorganic materials 0.000 claims description 41
- 238000007781 pre-processing Methods 0.000 claims description 40
- 230000008569 process Effects 0.000 claims description 33
- 238000003384 imaging method Methods 0.000 claims description 32
- 238000013135 deep learning Methods 0.000 claims description 16
- 238000012937 correction Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 description 45
- 230000015572 biosynthetic process Effects 0.000 description 19
- 238000011946 reduction process Methods 0.000 description 19
- 238000003786 synthesis reaction Methods 0.000 description 19
- 210000000988 bone and bone Anatomy 0.000 description 18
- 210000004872 soft tissue Anatomy 0.000 description 18
- 238000003860 storage Methods 0.000 description 14
- 238000004364 calculation method Methods 0.000 description 10
- 230000009466 transformation Effects 0.000 description 10
- 238000013441 quality evaluation Methods 0.000 description 9
- 239000002131 composite material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000002360 preparation method Methods 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000010801 machine learning Methods 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 150000002739 metals Chemical class 0.000 description 4
- 230000001131 transforming effect Effects 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 210000004394 hip joint Anatomy 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002194 synthesizing effect Effects 0.000 description 2
- 208000010392 Bone Fractures Diseases 0.000 description 1
- 208000016247 Soft tissue disease Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 210000001847 jaw Anatomy 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000004705 lumbosacral region Anatomy 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- G06T5/70—
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
- A61B6/00—Apparatus for radiation diagnosis, e.g. 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
-
- 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
- G06N3/045—Combinations of networks
-
- 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
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/50—Clinical applications
- A61B6/505—Clinical applications involving diagnosis of bone
-
- 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
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
Description
一方、一般的な画像に対しては、機械学習あるいは深層学習によるノイズ低減処理が、画像を適応的に評価して画像の特徴に応じたノイズ低減を行う適応フィルタとして高い効果を挙げている(非特許文献2)。
本発明の一態様は、原画像及び原画像よりもノイズが低減された画像を1枚以上含む入力画像を生成する前処理部と、学習済みネットワークを適用して、前記入力画像に基づいて前記原画像からノイズを低減した画像を出力するノイズ低減処理部と、を備え、前記ノイズ低減処理部において用いられる前記学習済みネットワークが、ノイズを含む医用画像と、該医用画像に対してノイズ低減処理を行って得られるノイズ低減画像及び前記ノイズ低減処理の過程において得られる中間画像のうち1枚以上とを入力画像とし、これらの入力画像に基づいて得られた正解画像を出力画像とする複数の学習セットを用いて深層学習を行うことにより構築された画像処理装置を提供する。
以下、本発明の第1の実施形態に係る画像処理装置(画像処理部)を適用したX線CT装置について、図面を参照して説明する。
図1に本実施形態に係るX線CT装置の概略構成図を示す。図1のX線CT装置は、X線の照射及び検出を行う撮像部110、撮像部110における撮影の制御を行う制御部120、撮像部110により検出した信号から画像を生成し所定の処理を行う演算部130、演算部130が実行するプログラムやプログラム実行に必要なデータを格納する記憶部140、X線照射条件などの撮像条件や画像の生成条件を入力する入力部150、及び生成した画像を表示する出力部160を備えている。
本実施形態に係る画像処理装置は画像処理部133としてX線CT装置に組み込まれている。画像処理部133は、画像生成部132により生成された再構成像に対してノイズ低減処理や、エッジ抽出、コントラスト調整等撮像対象や目的に応じた種々の画像処理を行う。本実施形態において画像処理部133は、主としてノイズ低減処理を行うこととし、その他の画像処理についての説明は省略する。
図3に、学習適用部311が用いる深層学習のネットワーク(以下、単に「ネットワーク」と記載)の構造の一例を示す。
本実施形態において学習適用部133は、ネットワークとして畳み込みニューラルネットワーク(CNN:Convolutional neural network)を用いることとして説明する。図3に示すように、CNNは1枚以上の、ノイズを含む画像410を入力する入力層420と、多数の畳み込み演算をくり返すように構成された演算手段430と、1枚のノイズが低減した画像450を出力する出力層440から構成される。
本実施形態において、ネットワークは処理精度及び処理時間の優位性のため広く使われているCNNとしたが、これに限られず、例えば、MLP(Multi Layer Perceptron)、VAE(Variational Auto Encoder)、GAN(Generative Adversarial Network)等を用いることもできる。
以下、学習適用部311が適用する学習済みネットワークの構築について説明する。本実施形態において、学習適用部311が適用する学習済みネットワークの一例は、図3に示すように、CNNを用い、金属に起因したノイズを含む画像を入力し、ノイズを低減させた画像を出力する。
変換処理・パラメータ定義部610は、入力画像を出力画像に変換するための変換処理及び変換処理に用いるパラメータを予め定義する。本実施形態では、ネットワークを用いてノイズ低減を行うので、入力画像に対してノイズを低減した正解画像を得るための処理を変換処理とし、例えば、実空間上の加重和、周波数空間上の加重和、又は、これらの組み合わせ、その他、公知のノイズ低減処理などから適宜選択する。また、定義した変換処理に用いるパラメータを併せて定義する。
以下、このように構成された学習準備装置600の学習データ作成部322における正解画像作成の流れについて図5のフローチャートに従って説明する。
学習データ作成部322は、学習データ作成部322を実現するプログラムが展開・起動されると、変換処理・パラメータ定義部610、パラメータ値決定部620、及び変換実行部630としての機能を実現する。ステップS610において、変換処理・パラメータ定義部610が変換処理及びパラメータの定義を図示しない記憶部から読み込み定義する。
<学習データ作成の実施例1>
本実施例は、変換処理・パラメータ定義部610が定義する入力画像を出力画像に変換するための変換処理を、実空間上の加重和、周波数空間上の加重和、又は実空間上及び周波数空間上の加重和の組み合わせの何れかとする。また、パラメータ値決定部620では、入力画像から正解画像への変換に用いられるパラメータのうち1つ以上の値をユーザによる入力に基づいて決定する。
この際に表示させる画面の例を図6に示す。図6に示す画面900は、入力画像の表示領域910、変換のパラメータを入力するパラメータ値入力領域930、入力した値のパラメータを使って入力画像を変換した結果である正解画像を表示する正解画像表示領域920から構成される。
前処理部321は、一例として、公知のノイズ低減処理の入力画像に相当するCT画像である原画像と、金属の影響を受けた成分を影響を減らした値に投影空間で置換した投影置換画像と、金属の影響を受けた成分を投影空間で線形補間した線形補間画像と、ビームハードニング補正処理を行ったビームハードニング補正画像の計4枚の入力画像を生成する。
上述の正解画像の生成処理は、具体的には図7に示すフローチャートに従って行われる。以下、本実施例1に係る学習データ作成部322における正解画像作成の流れについて図7のフローチャートに従って説明する。
さらに、GUIによってパラメータを取得することで、正解画像の作成時間を短縮できる。
本実施例は、変換処理・パラメータ定義部610が定義する入力画像を出力画像に変換するための変換処理について、公知のノイズ低減処理の一部を、パラメータを用いた処理に置き換えた変換処理とし、このパラメータのうち1つ以上の値をユーザによる入力に基づいて決定する。
本実施例では、これらの3つの処理要素のうち、第2の処理要素である領域別ノイズ低減処理についてパラメータを用いた処理に置き換える。
より具体的には、4枚の入力画像から得られた領域分割画像についてステップS311で領域毎に異なる処理に分別して、領域毎に処理を行う。具体的には、ステップS312において軟部組織領域用のノイズ低減処理を行い、ステップS313において骨組織領域用のノイズ低減処理、S314において空気領域用のノイズ低減処理、S315において金属領域用のノイズ低減処理を行う。
ステップS312のノイズ低減処理は、公知の低減処理の一部をパラメータを用いた処理に置き換えたものである。すなわち、軟部組織領域用のノイズ低減処理とこれに対する入力画像が公知の低減処理と異なる。
パラメータの値は、従来処理低減処理画像1は線形補間画像、従来低減処理画像2はビームハードニング補正画像として、基本画像及び合成画像2はビームハードニング補正画像、合成画像1は線形補間画像、合成領域は全領域、低周波用フィルタはカーネルサイズ3のガウシアンカーネル、高周波用フィルタは恒等変換から低周波用フィルタを差し引いたフィルタが例として挙げられる。
上述の実施例2では、軟部組織用の低減処理(S312)をパラメータを用いた領域別ノイズ低減処理とし、その後メタル部置換処理を行った結果を正解画像とした。
一般的に、複数の画像処理から構成され、中間画像が発生する画像処理において、中間画像の目標画質は、最終出力の目標画質と異なる場合がある。画像のテクスチャーなど高周波成分の一部はメタル部置換処理によって回復されるため、領域別ノイズ低減処理では低周波成分の正確さが重視される。このため、本実施例では、上述の実施例2における正解画像の低周波成分となる合成画像1をさらに高精度化する。
本実施例における合成画像1は、入力画像の1枚を選択するのではなく、複数の入力画像から作成する。従って、まず、合成画像1の作成に用いるM枚の入力画像を決定し、合成元画像m(m=1~M)とする(ステップS31)。ここで、合成元画像mは、低周波成分を含み、ノイズの性質の異なる入力画像であることが望ましく、例えば、M=2の場合、合成元画像1はビームハード二ング補正画像、合成元画像2は線形補間画像が好適である。
本実施例では、上述の実施例2又は実施例3における骨組織領域用のノイズ低減処理(S313)の処理を異なる手法とする。実施例2又は実施例3における公知の骨組織領域用の低減処理では、原画像の値を領域別ノイズ低減画像としているが、本実施例では、入力画像のうち、原画像、従来低減処理画像1及び従来低減処理画像2を画素ごとに比較し、すべての画素について3枚の画像の最大値を画素値とする。この場合、パラメータは最大値を示す画素を持つ画像、例えば、原画像、従来低減処理画像1、従来低減処理画像2を指定する変数とする。
上述した実施例2乃至実施例4では、領域別ノイズ低減処理を高精度化したが、領域分割処理またはメタル部置換処理を高精度化することもできる。
上述した実施例2乃至実施例5では、金属由来のノイズの低減処理のうち、投影空間での処理の一部を高精度化したが、ビームハードニング補正処理などの実空間での処理、逐次再構成などの実空間と投影空間の処理の組み合わせのくり返し処理の一部を高精度化してもよい。
本実施形態は、X線CT装置の画像処理部133において入力画像の用途を認識し、用途に応じたノイズ低減処理を行う。ここで、画像の用途とは、頭部、歯顎、胸部、腹部、腰椎、股関節などの撮像部位と、軟部組織、骨組織などの撮像組織により特定される。撮像組織が軟部組織の場合、CT画像は、内科疾患や悪性腫瘍などの軟部組織の疾患の診断などに使われ、撮像組織が骨組織の場合、骨折など整形外科疾患の診断などに使われる。
Claims (7)
- 原画像及び原画像よりもノイズが低減された画像を1枚以上含む入力画像を生成する前処理部と、
学習済みネットワークを適用して、前記入力画像に基づいて前記原画像からノイズを低減した画像を出力するノイズ低減処理部と、を備え、
前記ノイズ低減処理部において用いられる前記学習済みネットワークが、ノイズを含む医用画像と、該医用画像に対してノイズ低減処理を行って得られるノイズ低減画像及び前記ノイズ低減処理の過程において得られる中間画像のうち1枚以上とを入力画像とし、これらの入力画像に基づいて得られた正解画像を出力画像とする複数の学習セットを用いて深層学習を行うことにより構築された画像処理装置。 - 前記学習済みネットワークは、前記医用画像が金属に起因するノイズを含む医用画像であり、該医用画像及び該医用画像に基づいて得られた複数の入力画像と、金属に起因するノイズが低減された正解画像を出力画像とする複数の学習セットを用いて深層学習を行うことにより構築された請求項1記載の画像処理装置。
- 前記学習済みネットワークは、ノイズ低減を行っていない医用画像、金属の領域のみ値を持つ金属画像、金属の影響を受けた成分を投影空間で線形補間した線形補間画像、ビームハードニング補正処理により金属に起因するノイズを低減したビームハードニング補正画像、原画像の高周波成分を強調した高周波画像、原画像における隣接画素間の画素値の差の大きさをあらわすエッジ画像、及び撮像対象のX線減弱係数の違いにより領域を分割した領域分割画像のうち2枚以上を入力画像とし、これらの入力画像に基づいて得られた金属に起因するノイズが低減された正解画像を出力画像とする複数の学習セットを用いて深層学習を行うことにより構築された請求項1記載の画像処理装置。
- 前記正解画像は、前記入力画像に対して、実空間上の加重和、周波数空間上の加重和、又は、実空間上及び周波数空間上の加重和の組み合わせの何れかの処理を行うことによって得られる請求項1記載の画像処理装置。
- 前記正解画像は、前記入力画像に対して、処理に用いられる所定のパラメータの値をユーザが特定して公知のノイズ低減処理を行うことにより得られる請求項1記載の画像処理装置。
- 原画像及び原画像よりもノイズが低減された画像を1枚以上含む入力画像を生成する前処理ステップと、
学習済みネットワークを適用して、前記入力画像に基づいて前記原画像からノイズを低減した画像を出力するノイズ低減処理ステップと、を備え、
前記ノイズ低減処理ステップにおいて用いられる前記学習済みネットワークが、ノイズを含む医用画像と、該医用画像に対してノイズ低減処理を行って得られるノイズ低減画像及び前記ノイズ低減処理の過程において得られる中間画像のうち1枚以上とを入力画像とし、これらの入力画像に基づいて得られた正解画像を出力画像とする複数の学習セットを用いて深層学習を行うことにより構築された画像処理方法。 - 被検体にX線を照射し、前記被検体を透過したX線を検出して画像を生成する撮像部と、
請求項1乃至請求項5の何れか1項に記載の画像処理装置と、を備え、
該画像処理装置が、前記撮像部により生成された画像を原画像としてノイズ低減処理を行うX線CT装置。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019136899A JP7245740B2 (ja) | 2019-07-25 | 2019-07-25 | 画像処理装置、画像処理方法及びx線ct装置 |
CN202010454757.3A CN112308788B (zh) | 2019-07-25 | 2020-05-26 | 图像处理装置、图像处理方法以及x射线ct装置 |
US16/897,768 US11631160B2 (en) | 2019-07-25 | 2020-06-10 | Image processing apparatus, image processing method, and X-ray CT apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019136899A JP7245740B2 (ja) | 2019-07-25 | 2019-07-25 | 画像処理装置、画像処理方法及びx線ct装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021019714A JP2021019714A (ja) | 2021-02-18 |
JP7245740B2 true JP7245740B2 (ja) | 2023-03-24 |
Family
ID=74187625
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019136899A Active JP7245740B2 (ja) | 2019-07-25 | 2019-07-25 | 画像処理装置、画像処理方法及びx線ct装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11631160B2 (ja) |
JP (1) | JP7245740B2 (ja) |
CN (1) | CN112308788B (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113128521B (zh) * | 2021-04-30 | 2023-07-18 | 西安微电子技术研究所 | 一种小型化人工智能模型特征提取方法、系统、计算机设备及存储介质 |
US20230177747A1 (en) * | 2021-12-06 | 2023-06-08 | GE Precision Healthcare LLC | Machine learning generation of low-noise and high structural conspicuity images |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050100208A1 (en) | 2003-11-10 | 2005-05-12 | University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
JP2008229161A (ja) | 2007-03-22 | 2008-10-02 | Fujifilm Corp | 画像成分分離装置、方法、およびプログラム、ならびに、正常画像生成装置、方法、およびプログラム |
US20150296152A1 (en) | 2014-04-14 | 2015-10-15 | Microsoft Corporation | Sensor data filtering |
WO2016111014A1 (ja) | 2015-01-09 | 2016-07-14 | 株式会社島津製作所 | X線撮影装置 |
US20180315225A1 (en) | 2015-11-17 | 2018-11-01 | Koninklijke Philips N.V. | Data and scanner spec guided smart filtering for low dose and/or high resolution pet imaging |
JP2019010411A (ja) | 2017-06-30 | 2019-01-24 | 富士フイルム株式会社 | 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム |
EP3447721A1 (en) | 2017-08-24 | 2019-02-27 | Agfa Nv | A method of generating an enhanced tomographic image of an object |
WO2019074870A1 (en) | 2017-10-09 | 2019-04-18 | The Broad Institute, Inc. | COMPOSITIONS AND METHODS FOR DISCOVERING COMBINATORY DRUG IN DROPLETS OF THE NANOLITRE ORDER |
JP2019069145A (ja) | 2017-10-06 | 2019-05-09 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理システム |
US20190201106A1 (en) | 2018-01-04 | 2019-07-04 | Holo Surgical Inc. | Identification and tracking of a predefined object in a set of images from a medical image scanner during a surgical procedure |
JP2019111322A (ja) | 2017-12-20 | 2019-07-11 | 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 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8233586B1 (en) * | 2011-02-17 | 2012-07-31 | Franz Edward Boas | Iterative reduction of artifacts in computed tomography images using forward projection and an edge-preserving blur filter |
US20130051516A1 (en) * | 2011-08-31 | 2013-02-28 | Carestream Health, Inc. | Noise suppression for low x-ray dose cone-beam image reconstruction |
JP6647836B2 (ja) * | 2014-11-10 | 2020-02-14 | 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、画像処理装置及び画像処理方法 |
WO2016132880A1 (ja) * | 2015-02-16 | 2016-08-25 | 株式会社日立製作所 | 演算装置、x線ct装置、及び画像再構成方法 |
JP6525772B2 (ja) * | 2015-06-30 | 2019-06-05 | キヤノン株式会社 | 画像処理装置、画像処理方法、放射線撮影システムおよび画像処理プログラム |
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 |
US10970887B2 (en) * | 2016-06-24 | 2021-04-06 | Rensselaer Polytechnic Institute | Tomographic image reconstruction via machine learning |
JP6929047B2 (ja) * | 2016-11-24 | 2021-09-01 | キヤノン株式会社 | 画像処理装置、情報処理方法及びプログラム |
US11039805B2 (en) * | 2017-01-05 | 2021-06-22 | General Electric Company | Deep learning based estimation of data for use in tomographic reconstruction |
US10891762B2 (en) * | 2017-11-20 | 2021-01-12 | ClariPI Inc. | Apparatus and method for medical image denoising based on deep learning |
CN109102550B (zh) * | 2018-06-08 | 2023-03-31 | 东南大学 | 基于卷积残差网络的全网络低剂量ct成像方法及装置 |
CN112367915A (zh) * | 2018-06-15 | 2021-02-12 | 佳能株式会社 | 医学图像处理装置、医学图像处理方法和程序 |
CN109166161B (zh) * | 2018-07-04 | 2023-06-30 | 东南大学 | 一种基于噪声伪影抑制卷积神经网络的低剂量ct图像处理系统 |
CN109978778B (zh) * | 2019-03-06 | 2020-11-13 | 浙江工业大学 | 基于残差学习的卷积神经网络医学ct图像去噪方法 |
-
2019
- 2019-07-25 JP JP2019136899A patent/JP7245740B2/ja active Active
-
2020
- 2020-05-26 CN CN202010454757.3A patent/CN112308788B/zh active Active
- 2020-06-10 US US16/897,768 patent/US11631160B2/en active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050100208A1 (en) | 2003-11-10 | 2005-05-12 | University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
JP2008229161A (ja) | 2007-03-22 | 2008-10-02 | Fujifilm Corp | 画像成分分離装置、方法、およびプログラム、ならびに、正常画像生成装置、方法、およびプログラム |
US20150296152A1 (en) | 2014-04-14 | 2015-10-15 | Microsoft Corporation | Sensor data filtering |
WO2016111014A1 (ja) | 2015-01-09 | 2016-07-14 | 株式会社島津製作所 | X線撮影装置 |
US20180315225A1 (en) | 2015-11-17 | 2018-11-01 | Koninklijke Philips N.V. | Data and scanner spec guided smart filtering for low dose and/or high resolution pet imaging |
JP2019010411A (ja) | 2017-06-30 | 2019-01-24 | 富士フイルム株式会社 | 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム |
EP3447721A1 (en) | 2017-08-24 | 2019-02-27 | Agfa Nv | A method of generating an enhanced tomographic image of an object |
JP2019069145A (ja) | 2017-10-06 | 2019-05-09 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理システム |
WO2019074870A1 (en) | 2017-10-09 | 2019-04-18 | The Broad Institute, Inc. | COMPOSITIONS AND METHODS FOR DISCOVERING COMBINATORY DRUG IN DROPLETS OF THE NANOLITRE ORDER |
JP2019111322A (ja) | 2017-12-20 | 2019-07-11 | 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 |
US20190201106A1 (en) | 2018-01-04 | 2019-07-04 | Holo Surgical Inc. | Identification and tracking of a predefined object in a set of images from a medical image scanner during a surgical procedure |
Non-Patent Citations (1)
Title |
---|
Dufan Wu et al.,A Cascaded Convolutinal Neral Network for X-ray Low-dose CT Image Denoising,arXiv:1705.04267,2017年08月28日 |
Also Published As
Publication number | Publication date |
---|---|
US20210027430A1 (en) | 2021-01-28 |
CN112308788B (zh) | 2023-10-20 |
CN112308788A (zh) | 2021-02-02 |
US11631160B2 (en) | 2023-04-18 |
JP2021019714A (ja) | 2021-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4354484B2 (ja) | 内部構造の撮像 | |
US7983462B2 (en) | Methods and systems for improving quality of an image | |
JP2007203046A (ja) | 対象の画像スライスを作成するための方法及びシステム | |
CN103544684A (zh) | 图像处理方法和图像处理设备 | |
JP2012524329A (ja) | 多重尺度画像の正規化及び強調 | |
CN106530236B (zh) | 一种医学图像处理方法及系统 | |
CN112804943A (zh) | 学习完成模型的制作方法、亮度调整方法以及图像处理装置 | |
JP7245740B2 (ja) | 画像処理装置、画像処理方法及びx線ct装置 | |
EP4070267A1 (en) | Composition-guided post processing for x-ray images | |
JP6987352B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
US11963812B2 (en) | Method and device for producing a panoramic tomographic image of an object to be recorded | |
CN111047519B (zh) | 用于调整图像观感的方法 | |
WO2009110260A1 (ja) | 画像処理装置 | |
WO2008065394A1 (en) | Method and apparatus for reducing distortion in a computed tomography image | |
JP4571378B2 (ja) | 画像処理方法および装置並びにプログラム | |
CN112967295B (zh) | 一种基于残差网络和注意力机制的图像处理方法及系统 | |
JP4707471B2 (ja) | 画像処理プログラム、装置及び方法 | |
JP2017000675A (ja) | 医用画像処理装置及びx線撮像装置 | |
JP5924408B2 (ja) | 画像処理装置 | |
KR102486818B1 (ko) | 의료영상의 움직임 보상처리 장치 및 방법 | |
JP7451239B2 (ja) | 画像処理装置、x線撮像装置及び画像処理方法 | |
JP7238185B1 (ja) | 画像生成装置、医用装置、および記憶媒体 | |
US20110075888A1 (en) | Computer readable medium, systems and methods for improving medical image quality using motion information | |
EP4167187A1 (en) | X-ray diagnostic apparatus and a medical information processing method | |
US20230363724A1 (en) | X-ray ct apparatus and high-quality image generation device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20211013 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220520 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230215 |
|
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: 20230228 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230313 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7245740 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |