JP7246194B2 - 医用画像処理装置、医用画像処理方法、およびプログラム - Google Patents
医用画像処理装置、医用画像処理方法、およびプログラム Download PDFInfo
- Publication number
- JP7246194B2 JP7246194B2 JP2019012168A JP2019012168A JP7246194B2 JP 7246194 B2 JP7246194 B2 JP 7246194B2 JP 2019012168 A JP2019012168 A JP 2019012168A JP 2019012168 A JP2019012168 A JP 2019012168A JP 7246194 B2 JP7246194 B2 JP 7246194B2
- Authority
- JP
- Japan
- Prior art keywords
- denoising
- image
- medical image
- function
- images
- 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 116
- 238000003672 processing method Methods 0.000 title claims description 7
- PWPJGUXAGUPAHP-UHFFFAOYSA-N lufenuron Chemical compound C1=C(Cl)C(OC(F)(F)C(C(F)(F)F)F)=CC(Cl)=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F PWPJGUXAGUPAHP-UHFFFAOYSA-N 0.000 title 1
- 230000004913 activation Effects 0.000 claims description 29
- 238000009795 derivation Methods 0.000 claims description 25
- 230000002596 correlated effect Effects 0.000 claims description 10
- 230000006870 function Effects 0.000 description 262
- 102100040841 C-type lectin domain family 5 member A Human genes 0.000 description 35
- 101150008824 CLEC5A gene Proteins 0.000 description 35
- 101150056111 MDL1 gene Proteins 0.000 description 35
- 101100386697 Magnaporthe oryzae (strain 70-15 / ATCC MYA-4617 / FGSC 8958) DCL1 gene Proteins 0.000 description 35
- 238000004891 communication Methods 0.000 description 30
- 238000010586 diagram Methods 0.000 description 25
- 238000000034 method Methods 0.000 description 25
- 239000011159 matrix material Substances 0.000 description 22
- 230000015654 memory Effects 0.000 description 20
- 230000005540 biological transmission Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 18
- 210000002569 neuron Anatomy 0.000 description 12
- 230000003068 static effect Effects 0.000 description 11
- 238000003384 imaging method Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000011176 pooling Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
Description
図1は、第1の実施形態に係る医用画像処理装置200を含む医用画像処理システム1の構成の一例を示す図である。図1に示すように、医用画像処理システム1は、例えば、医用画像生成装置100と、医用画像処理装置200とを備える。医用画像生成装置100と医用画像処理装置200とは、ネットワークNWを介して互いに接続される。ネットワークNWは、例えば、WAN(Wide Area Network)やLAN(Local Area Network)、インターネット、専用回線、無線基地局、プロバイダなどを含む。
図2は、第1の実施形態に係る医用画像生成装置100の一例を示す図である。図2に示すように、医用画像生成装置100は、例えば、静磁場磁石101と、傾斜磁場コイル102と、傾斜磁場電源103と、寝台104と、寝台制御回路105と、送信コイル106と、送信回路107と、受信コイル108と、受信回路109と、シーケンス制御回路110と、コンソール装置120とを備える。
図4は、第1の実施形態に係る医用画像処理装置200の一例を示す図である。医用画像処理装置200は、医用画像生成装置100から受信した原画像に対して、デノイズ処理を行うことでノイズを除去或いは軽減された画像(以下、デノイズ画像)を生成する。また、医用画像処理装置200は、上述のデノイズ処理におけるノイズ除去の度合い(以下、デノイズ強度)の最適値を決定する機能を有する。以下においては、ノイズを除去或いは軽減することを、単にノイズを除去すると記載する。図4に示すように、医用画像処理装置200は、例えば、通信インターフェース202と、入力インターフェース204と、ディスプレイ206と、処理回路210と、メモリ230とを備える。
以下、第1の実施形態における処理回路210の処理フローについて説明する。処理回路210の処理には、デノイズモデルMDL1を学習する学習処理と、学習済みのデノイズモデルMDL1を使用してノイズを除去する処理を行う画像処理とが含まれる。以下においては、まず、処理回路210の学習処理について説明する。図11は、第1の実施形態における処理回路210の学習処理の一連の流れを示すフローチャートである。本フローチャートの処理は、例えば、医用画像処理装置200の操作者が、入力インターフェース204を操作して学習処理の開始を指示した場合に行われる。
次に、処理回路210の画像処理について説明する。図12は、第1の実施形態における処理回路210の画像処理の一連の流れを示すフローチャートである。本フローチャートの処理は、例えば、医用画像生成装置100により送信された原画像が取得機能212によって取得された場合に行われる。
以下、第2の実施形態について説明する。上述した第1の実施形態では、医用画像処理装置200のデノイズ強度決定機能222が差分画像から求まるノイズの分布との相関がある指標値に基づいてデノイズ強度の最適値OPを決定する構成を説明した。これに対して、本実施形態のデノイズ強度決定機能222は、差分画像の画素ごとの信号値のヒストグラムに基づいてデノイズ強度の最適値OPを決定する。このため、構成などについては第1の実施形態で説明した図および関連する記載を援用し、詳細な説明を省略する。
次に、処理回路210の画像処理について説明する。図13は、第2の実施形態における処理回路210の画像処理の一連の流れを示すフローチャートである。本フローチャートの処理は、例えば、医用画像生成装置100により送信された原画像が取得機能212によって取得された場合に行われる。
以下、第1及び第2の実施形態の変形例について説明する。上述した第1及び第2の実施形態では、医用画像生成装置100と医用画像処理装置200とが互いに異なる装置であるものとして説明したがこれに限られない。例えば、医用画像処理装置200は、医用画像生成装置100のコンソール装置120の一機能によって実現されてもよい。すなわち、医用画像処理装置200は、医用画像生成装置100のコンソール装置120によって仮想的に実現される仮想マシンであってもよい。この場合、医用画像生成装置100は、「医用画像処理装置」の一例である。
プログラムを格納するストレージと、
プロセッサと、を備え、
前記プロセッサは、前記プログラムを実行することにより、
医用画像からノイズ成分を除去する度合い示す複数のデノイズ強度を設定し、
設定された複数の前記デノイズ強度の各々に基づいて、前記医用画像からノイズ成分を除去し、複数のデノイズ画像を生成し、
前記医用画像と、生成された複数の前記デノイズ画像の各々との差分である複数の差分画像を生成し、
生成された複数の前記差分画像に基づいて、前記デノイズ強度の最適値を決定する、
医用画像処理装置。
Claims (10)
- 医用画像からノイズ成分を除去する度合い示す複数のデノイズ強度を設定する設定部と、
前記設定部によって設定された複数の前記デノイズ強度の各々に基づいて、前記医用画像からノイズ成分を除去し、複数のデノイズ画像を生成するデノイズ画像生成部と、
前記医用画像と、前記デノイズ画像生成部によって生成された複数の前記デノイズ画像の各々との差分である複数の差分画像を生成する差分画像生成部と、
前記差分画像生成部によって生成された複数の前記差分画像に基づいて、前記デノイズ強度の最適値を決定する決定部と、
を備え、
前記デノイズ画像生成部は、画像が入力されたときに該画像からノイズ成分が除去された画像を出力するように学習されたモデルに基づいて、前記医用画像からノイズ成分を除去する、
医用画像処理装置。 - 医用画像からノイズ成分を除去する度合い示す複数のデノイズ強度を設定する設定部と、
前記設定部によって設定された複数の前記デノイズ強度の各々に基づいて、前記医用画像からノイズ成分を除去し、複数のデノイズ画像を生成するデノイズ画像生成部と、
前記医用画像と、前記デノイズ画像生成部によって生成された複数の前記デノイズ画像の各々との差分である複数の差分画像を生成する差分画像生成部と、
前記差分画像生成部によって生成された複数の前記差分画像に基づいて、前記デノイズ強度の最適値を決定する決定部と、
を備え、
前記医用画像に含まれるノイズ成分に関する指標値を導出する導出部をさらに備え、
前記設定部は、前記導出部によって導出された前記指標値に基づいて、複数の前記デノイズ強度を設定する、
医用画像処理装置。 - 前記決定部は、複数の前記差分画像の各々のノイズの分布との相関がある指標値を相互に比較することで、前記デノイズ強度の最適値を決定する、
請求項1または2に記載の医用画像処理装置。 - 前記設定部は、前記モデルの内部パラメータを前記デノイズ強度として設定する、
請求項1に記載の医用画像処理装置。 - 前記内部パラメータは、前記モデルに含まれる少なくとも1つのノードの活性化関数のパラメータである、
請求項4に記載の医用画像処理装置。 - 前記導出部は、前記医用画像の信号対雑音比を前記指標値として導出する、
請求項2に記載の医用画像処理装置。 - コンピュータが、
医用画像からノイズ成分を除去する度合い示す複数のデノイズ強度を設定し、
設定された複数の前記デノイズ強度の各々に基づいて、前記医用画像からノイズ成分を除去し、複数のデノイズ画像を生成し、
前記医用画像と、生成された複数の前記デノイズ画像の各々との差分である複数の差分画像を生成し、
生成された複数の前記差分画像に基づいて、前記デノイズ強度の最適値を決定する、
医用画像処理方法であって、
画像が入力されたときに該画像からノイズ成分が除去された画像を出力するように学習されたモデルに基づいて、前記医用画像からノイズ成分を除去する、
医用画像処理方法。 - コンピュータが、
医用画像からノイズ成分を除去する度合い示す複数のデノイズ強度を設定し、
設定された複数の前記デノイズ強度の各々に基づいて、前記医用画像からノイズ成分を除去し、複数のデノイズ画像を生成し、
前記医用画像と、生成された複数の前記デノイズ画像の各々との差分である複数の差分画像を生成し、
生成された複数の前記差分画像に基づいて、前記デノイズ強度の最適値を決定する、
医用画像処理方法であって、
前記医用画像に含まれるノイズ成分に関する指標値を導出し、
導出された前記指標値に基づいて、複数の前記デノイズ強度を設定する、
医用画像処理方法。 - コンピュータに、
医用画像からノイズ成分を除去する度合い示す複数のデノイズ強度を設定させ、
設定された複数の前記デノイズ強度の各々に基づいて、前記医用画像からノイズ成分を除去し、複数のデノイズ画像を生成させ、
前記医用画像と、生成された複数の前記デノイズ画像の各々との差分である複数の差分画像を生成させ、
生成された複数の前記差分画像に基づいて、前記デノイズ強度の最適値を決定させる、
プログラムであって、
画像が入力されたときに該画像からノイズ成分が除去された画像を出力するように学習されたモデルに基づいて、前記医用画像からノイズ成分を除去させる、
プログラム。 - コンピュータに、
医用画像からノイズ成分を除去する度合い示す複数のデノイズ強度を設定させ、
設定された複数の前記デノイズ強度の各々に基づいて、前記医用画像からノイズ成分を除去し、複数のデノイズ画像を生成させ、
前記医用画像と、生成された複数の前記デノイズ画像の各々との差分である複数の差分画像を生成させ、
生成された複数の前記差分画像に基づいて、前記デノイズ強度の最適値を決定させる、
プログラムであって、
前記医用画像に含まれるノイズ成分に関する指標値を導出させ、
導出された前記指標値に基づいて、複数の前記デノイズ強度を設定させる、
プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019012168A JP7246194B2 (ja) | 2019-01-28 | 2019-01-28 | 医用画像処理装置、医用画像処理方法、およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019012168A JP7246194B2 (ja) | 2019-01-28 | 2019-01-28 | 医用画像処理装置、医用画像処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020119429A JP2020119429A (ja) | 2020-08-06 |
JP7246194B2 true JP7246194B2 (ja) | 2023-03-27 |
Family
ID=71890944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019012168A Active JP7246194B2 (ja) | 2019-01-28 | 2019-01-28 | 医用画像処理装置、医用画像処理方法、およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7246194B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6997263B1 (ja) | 2020-07-10 | 2022-01-17 | イビデン株式会社 | 熱伝達抑制シート及び組電池 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010262470A (ja) | 2009-05-07 | 2010-11-18 | Nippon Telegr & Teleph Corp <Ntt> | 画像処理装置、画像処理方法及びプログラム |
JP2012174275A (ja) | 2011-02-22 | 2012-09-10 | Toshiba Corp | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP2018206382A (ja) | 2017-06-01 | 2018-12-27 | 株式会社東芝 | 画像処理システム及び医用情報処理システム |
-
2019
- 2019-01-28 JP JP2019012168A patent/JP7246194B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010262470A (ja) | 2009-05-07 | 2010-11-18 | Nippon Telegr & Teleph Corp <Ntt> | 画像処理装置、画像処理方法及びプログラム |
JP2012174275A (ja) | 2011-02-22 | 2012-09-10 | Toshiba Corp | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP2018206382A (ja) | 2017-06-01 | 2018-12-27 | 株式会社東芝 | 画像処理システム及び医用情報処理システム |
Also Published As
Publication number | Publication date |
---|---|
JP2020119429A (ja) | 2020-08-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111513716B (zh) | 使用扩展灵敏度模型和深度神经网络进行磁共振图像重建的方法和系统 | |
KR20210141550A (ko) | 공간 주파수 데이터로부터 자기 공명 이미지를 생성하기 위한 딥 러닝 기법 | |
US11341616B2 (en) | Methods and system for selective removal of streak artifacts and noise from images using deep neural networks | |
JP5731373B2 (ja) | 患者の安全性、及び走査性能の改良のためのリアルタイム性の局所的及び大域的なsar推定 | |
JP2021532875A (ja) | 磁気共鳴画像再構成のための深層学習技術 | |
US11965948B2 (en) | Medical information processing apparatus, medical information processing method, and storage medium | |
JP7346270B2 (ja) | 医用情報処理装置、医用情報処理方法、およびプログラム | |
CN107656224B (zh) | 一种磁共振成像方法、装置及系统 | |
US11815581B2 (en) | Medical information processing apparatus, magnetic resonance imaging apparatus, and medical information processing method | |
JP7300811B2 (ja) | 医用情報処理装置、医用情報処理方法、およびプログラム | |
JP7246194B2 (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 | |
JP4975614B2 (ja) | 磁気共鳴イメージング装置及び方法 | |
CN114601445A (zh) | 生成磁共振图像的方法和系统、计算机可读存储介质 | |
JP2021518228A (ja) | 磁気共鳴フィンガープリンティングを用いた異常検出 | |
KR20190117234A (ko) | 인공신경망을 이용한 자기 공명 영상의 영상 프로토콜 선택 장치와 방법 및 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 | |
JP7228386B2 (ja) | 医用画像処理装置、磁気共鳴イメージング装置、および医用画像処理方法 | |
JP2023004423A (ja) | 医用画像処理装置、医用撮像装置、及び、医用画像におけるノイズ低減方法 | |
JP7341913B2 (ja) | 医用情報処理装置、磁気共鳴イメージング装置、および医用情報処理方法 | |
JP7213099B2 (ja) | 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、およびプログラム | |
KR101797141B1 (ko) | 자기 공명 영상 처리 장치 및 그 영상 처리 방법 | |
JP7186604B2 (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 | |
JP7221067B2 (ja) | 医用画像処理装置、磁気共鳴イメージング装置、学習装置、医用画像処理方法、およびプログラム | |
US20230251338A1 (en) | Computer-Implemented Method for Determining Magnetic Resonance Images Showing Different Contrasts, Magnetic Resonance Device, Computer Program and Electronically Readable Storage Medium | |
WO2023186609A1 (en) | Deep learning based denoising of mr images | |
CN115363559A (zh) | 基于深度学习的图像采集医学系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211130 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220913 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221109 |
|
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: 20230214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230314 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7246194 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |