JP7282487B2 - 医用画像診断装置 - Google Patents
医用画像診断装置 Download PDFInfo
- Publication number
- JP7282487B2 JP7282487B2 JP2018109558A JP2018109558A JP7282487B2 JP 7282487 B2 JP7282487 B2 JP 7282487B2 JP 2018109558 A JP2018109558 A JP 2018109558A JP 2018109558 A JP2018109558 A JP 2018109558A JP 7282487 B2 JP7282487 B2 JP 7282487B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- noise
- map
- input
- 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
- 238000002059 diagnostic imaging Methods 0.000 title claims description 5
- 230000009467 reduction Effects 0.000 claims description 100
- 230000005540 biological transmission Effects 0.000 claims description 75
- 238000002591 computed tomography Methods 0.000 claims description 70
- 230000035945 sensitivity Effects 0.000 claims description 39
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 description 233
- 230000006870 function Effects 0.000 description 145
- 238000013527 convolutional neural network Methods 0.000 description 48
- 238000003384 imaging method Methods 0.000 description 39
- 238000000034 method Methods 0.000 description 37
- 230000000875 corresponding effect Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 32
- 230000015654 memory Effects 0.000 description 29
- 238000002595 magnetic resonance imaging Methods 0.000 description 23
- 238000012905 input function Methods 0.000 description 20
- 238000001514 detection method Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 15
- 238000007781 pre-processing Methods 0.000 description 14
- 230000003068 static effect Effects 0.000 description 10
- 239000013598 vector Substances 0.000 description 10
- 230000004913 activation Effects 0.000 description 9
- 239000002131 composite material Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000002596 correlated effect Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 238000009877 rendering Methods 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000010894 electron beam technology Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 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 2
- 230000002411 adverse Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000005577 local transmission Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- 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
-
- 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
- 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
- G01R33/4818—MR characterised by data acquisition along a specific k-space trajectory or by the temporal order of k-space coverage, e.g. centric or segmented coverage of k-space
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- 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
- G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Quality & Reliability (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Image Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
Description
本実施形態における処理回路141によれば、入力層103に、処理対象信号101に加えて参照信号102も入力されるため、CNN105の学習において、入力層103から第1の中間層204に向けて、同じ重み係数でもノイズ量に応じて出力が変化する自由度が生まれる。これにより、本実施形態によれば、入力層103にノイズ低減対象画像だけを入力した場合に比べて、ノイズ低減対象画像101におけるノイズ量が画像の複数の領域各々において異なる場合であっても、処理対象信号101における部分領域ごとのノイズ量に応じた強度で、処理対象信号101におけるノイズを低減することができる。
本応用例と本実施形態との相違は、第2の学習済みモデルを用いて、ノイズ低減対象画像101に基づいてノイズ相関マップ102を生成することにある。図6は、本応用例における処理回路141の構成例を示すブロック図である。図6に示す処理回路141は、図1に示す処理回路141における各種機能に加えて、相関データ生成機能1419をさらに有する。処理回路141が有する相関データ生成機能1419は、相関データ生成部の一例である。
本応用例における処理回路141によれば、参照信号102を処理対象信号101から生成できるため、参照信号102を処理対象画像101とは別に用意する必要がない。すなわち、本処理回路141によれば、参照信号102を収集する必要がないため、処理対象画像101のデノイズ処理に関する効率を向上させることができる。
本応用例と本実施形態との相違は、入力層103にノイズ低減対象画像101だけを入力し、ノイズ相関マップ102をCNN105における少なくとも一つの中間層に入力することにある。すなわち、本応用例における入力層103は、第1の入力範囲104aのみを有する。また、本応用例においてノイズ相関マップ102が入力される中間層は、活性化関数により活性化された積和値が入力されるチャンネルに加えて、ノイズ相関マップ102が入力されるチャンネルを有する。
本適用例における医用画像診断装置は、本実施形態における処理回路141を搭載した医用MRI装置である。本適用例において、ノイズ低減対象画像101は、医用画像に相当する。また、ノイズ相関マップ102は、医用画像におけるノイズ量の空間分布に相関する画像に相当する。
本適用例におけるデノイズ処理は、デノイズ前画像101と、ノイズ相関マップ102とを用いたノイズ低減プログラムの実行により、デノイズ画像を生成する処理である。図11は、本適用例におけるデノイズ処理の手順の一例を示すフローチャートである。説明を具体的にするために、ノイズ相関マップ102は感度マップであるものとして説明する。
プリスキャンにより収集されたMRデータに基づいて、感度マップ102が生成される。具体的には、撮像制御回路131は、被検体Pに対してプリスキャンを実行する。撮像制御回路131は、プリスキャンにより収集されたプリスキャンMRデータを、処理回路141に出力する。処理回路141は、再構成機能1413により、プリスキャンMRデータに対してフーリエ変換を実行することにより、感度マップ102を再構成する。なお、処理回路141は、パラレルイメージングに用いられる複数の受信コイル127各々に関するプリスキャンMRデータに基づいて、複数の受信コイル127にそれぞれ対応する複数の感度マップを生成し、生成された複数の感度マップを合成することにより、入力層103に入力される感度マップ102を再構成してもよい。
本スキャンにより収集されたMRデータに基づいて、MR画像が生成される。具体的には、撮像制御回路131は、被検体Pに対して本スキャンを実行する。撮像制御回路131は、本スキャンにより収集された本スキャンMRデータを、処理回路141に出力する。処理回路141は、再構成機能1413により、本スキャンMRデータに対してフーリエ変換を実行することにより、デノイズ前画像101としてのMR画像を再構成する。
デノイズ前画像101であるMR画像と感度マップ102とが学習済みモデルに入力される。具体的には、処理回路141は、入力機能1415により、デノイズ前画像101と感度マップ102とを入力層103に入力する。より詳細には、処理回路141は、ステップSa2により生成されたMR画像101における複数の画素値を、入力層103の第1の入力範囲104aにおける複数のノードに入力する。処理回路141は、ステップSa1により生成された感度マップ102における複数の画素値を、入力層103の第2の入力範囲104bにおける複数のノードに入力する。
デノイズ前画像101であるMR画像のノイズが低減されたデノイズ画像108が生成される。具体的には、処理回路141は、ノイズ低減機能1417により、デノイズ前画像101と、ノイズ相関マップ102とを用いたノイズ低減プログラムの実行により、デノイズ画像108を生成する。デノイズ画像108は、例えば、デノイズ前画像101におけるノイズが低減された画像に相当する。
本適用例における医用MRI装置110によれば、被検体Pに対して収集された本スキャンMRデータに基づいて生成された医用画像(MR画像)と、医用画像に含まれるノイズに相関するノイズ相関マップ(感度マップ、gマップ、または複合マップ)とに基づいて医用画像のノイズを低減したデノイズ画像を生成するように機能付けられた学習済みモデルを記憶し、医用画像とノイズ相関マップとを学習済みモデルに入力し、学習済みモデルを用いて、医用画像のノイズが低減されたデノイズ画像を生成することができる。
本適用例における医用画像診断装置は、本実施形態における処理回路141を搭載した医用X線CT装置である。本適用例において、ノイズ低減対象画像101に相当する医用画像は、図1におけるノイズ低減機能1417によるデノイズ処理前であって、被検体Pに対するCTスキャンに関して生成された前処理後の投影データに基づいて再構成されたX線CT断層撮影画像(以下、デノイズ前CT画像と呼ぶ)に対応する。また、ノイズ低減対象画像101に相当する中間画像は、投影データに基づいて生成されたサイノグラム(以下、デノイズ前サイノグラムと呼ぶ)に相当する。
本適用例におけるデノイズ処理は、デノイズ前サイノグラム101と、透過長マップ102とを用いたノイズ低減プログラムの実行により、デノイズサイノグラム108を生成する処理である。図15は、本適用例におけるデノイズ処理の手順の一例を示すフローチャートである。
被検体Pに対するCTスキャンにより、投影データが生成される。具体的には、処理回路44は、前処理機能442により、DAS18から出力された検出データに対して前処理を行うことで、投影データを生成する。
投影データに基づいて医用画像が再構成される。具体的には、処理回路44は、再構成処理機能443により、投影データに対して再構成処理を行い、デノイズ前CT画像を再構成する。
投影データに基づいてサイノグラムが生成される。具体的には、処理回路44は、前処理機能442により、被検体Pに対するCTスキャンにおける複数のビュー角に亘る投影データを用いて、デノイズ前サイノグラム101を生成する。
医用画像に基づいてデノイズ前サイノグラム101に対応するノイズ相関マップが生成される。具体的には、処理回路44は、画像処理機能444により、デノイズ前CT画像を用いて、複数のビュー角に各々において、複数のX線検出素子各々に入射するX線のレイに沿った透過長を算出する。処理回路44は、複数のビュー角各々および複数の素子番号各々に対応付けられた透過長をビュー角および素子番号に沿って配列することで、ノイズ相関マップとしての透過長マップ102を生成する。なお、透過長マップ102の生成は、処理回路44における他の機能において実施されてもよい。
デノイズ前サイノグラム101と、透過長マップ102とが学習済みモデルに入力される。具体的には、処理回路44は、入力機能1415により、デノイズ前サイノグラム101と透過長マップ102とを入力層103に入力する。より詳細には、処理回路44は、ステップSb3において生成されたデノイズ前サイノグラム101における複数の画素値を、入力層103の第1の入力範囲104aにおける複数のノードに入力する。処理回路44は、ステップSb4により生成された透過長マップ102における複数の画素値を、入力層103の第2の入力範囲104bにおける複数のノードに入力する。
サイノグラムのノイズが低減されたデノイズ画像が生成される。具体的には、処理回路44は、ノイズ低減機能1417により、デノイズ前サイノグラム101と透過長マップ102とを用いたノイズ低減プログラムの実行により、デノイズサイノグラム108を生成する。デノイズサイノグラム108は、デノイズ前サイノグラム101におけるノイズが低減された画像である。
デノイズ画像であるデノイズサイノグラム108に対して再構成処理を実行することにより、ノイズが低減された医用画像が生成される。具体的には、処理回路44は、再構成処理機能443により、デノイズサイノグラム108に対して再構成処理を実行することにより、デノイズCT画像を再構成する。
医用画像に基づいてデノイズ前サイノグラムに対応する透過長を示すデータが生成される。透過長を示すデータは、図18に示す透過長マップに対応する。
透過長を示すデータを再構成することにより、ノイズ相関マップが生成される。具体的には、処理回路44は、再構成処理機能443により、透過長を示すデータに対して再構成処理を実行することで、透過長再構成画像を生成する。透過長再構成画像は、ノイズ相関マップ102に相当する。
デノイズ前CT画像101と透過長再構成画像102とが学習済みモデルに入力される。具体的には、処理回路44は、入力機能1415により、デノイズ前CT画像101と透過長再構成画像102とを入力層103に入力する。より詳細には、処理回路44は、ステップSc2において生成されたデノイズ前再構成画像101における複数の画素値を、入力層103の第1の入力範囲104aにおける複数のノードに入力する。処理回路44は、ステップSc4により生成された透過長再構成画像102における複数の画素値を、入力層103の第2の入力範囲104bにおける複数のノードに入力する。
デノイズ前CT画像101のノイズが低減されたデノイズ画像108が生成される。デノイズ画像は、デノイズCT画像に対応する。具体的には、処理回路44は、ノイズ低減機能1417により、デノイズ前CT画像101と透過長再構成画像102とを用いたノイズ低減プログラムの実行により、デノイズCT画像108を生成する。
本適用例における医用X線CT装置1によれば、被検体Pに対して収集された投影データに基づいて生成された医用画像(デノイズ前CT画像)または医用画像を生成する前段の中間画像(デノイズ前サイノグラム)と、医用画像または中間画像に含まれるノイズに相関するノイズ相関マップ(透過長マップまたは透過長再構成画像)とに基づいて医用画像のノイズまたは中間画像のノイズを低減したデノイズ画像を生成するように機能付けられた学習済みモデルを記憶し、医用画像または中間画像とノイズ相関マップとを学習済みモデルに入力し、学習済みモデルを用いて、医用画像のノイズまたは中間画像のノイズが低減されたデノイズ画像を生成することができる。
10…架台
11…X線管
12…X線検出器
13…回転フレーム
14…X線高電圧装置
15…制御装置
16…ウェッジ
17…コリメータ
18…DAS
19…開口部
30…寝台
31…基台
32…支持フレーム
33…天板
34…寝台駆動装置
40…コンソール
41…メモリ
42…ディスプレイ
43…入力インターフェース
44…処理回路
101…処理対象信号
102…ノイズ相関マップ
104…組み合わせデータ
105…学習済みモデル
104a…第1の入力範囲
104b…第2の入力範囲
105…畳み込みニューラルネットワーク(CNN)
106…信号
107…出力層
108…デノイズ画像
110…医用MRI装置
111…静磁場磁石
113…傾斜磁場コイル
115…傾斜磁場電源
117…寝台
119…寝台制御回路
121…ボア
123…送信回路
125…送信コイル
127…受信コイル
129…受信回路
131…撮像制御回路
135…インタフェース
137…ディスプレイ
139…記憶装置
141…処理回路
204…第1の中間層
204a…畳み込み後入力範囲
204a…マップ入力範囲
205…ノード
206…第3の中間層
441…システム制御機能
442…前処理機能
443…再構成処理機能
444…画像処理機能
1171…天板
1411…システム制御機能
1413…再構成機能
1415…入力機能
1417…ノイズ低減機能
1419…相関データ生成機能
2041…活性化されたデータ
Claims (5)
- 被検体に対して収集されたデータに基づいて生成された医用画像または前記医用画像を生成する前段の中間画像と、前記医用画像または前記中間画像に含まれるノイズに相関するノイズ相関マップとに基づいて前記医用画像のノイズまたは前記中間画像のノイズを低減したデノイズ画像を生成するように機能付けられた学習済みモデルを記憶する記憶部と、
前記ノイズ相関マップと、前記医用画像または前記中間画像とを前記学習済みモデルに入力する入力部と、
前記学習済みモデルを用いて、前記医用画像のノイズまたは前記中間画像のノイズが低減された前記デノイズ画像を生成するノイズ低減部と、
を具備し、
前記データは、磁気共鳴データであり、
前記医用画像は、磁気共鳴画像であって、
前記ノイズ相関マップは、前記磁気共鳴データの収集に関するRFコイルの空間感度を示す感度マップ、前記磁気共鳴データに基づいて算出されたgファクタの分布を示すgマップ、または前記感度マップと前記gマップとを用いて生成されたマップに相当する、
医用画像診断装置。 - 被検体に対して収集されたデータに基づいて生成された医用画像または前記医用画像を生成する前段の中間画像と、前記医用画像または前記中間画像に含まれるノイズに相関するノイズ相関マップとに基づいて前記医用画像のノイズまたは前記中間画像のノイズを低減したデノイズ画像を生成するように機能付けられた学習済みモデルを記憶する記憶部と、
前記ノイズ相関マップと、前記医用画像または前記中間画像とを前記学習済みモデルに入力する入力部と、
前記学習済みモデルを用いて、前記医用画像のノイズまたは前記中間画像のノイズが低減された前記デノイズ画像を生成するノイズ低減部と、
を具備し、
前記データは、投影データであり、
前記医用画像は、X線コンピュータ断層撮影画像であり、
前記中間画像は、前記投影データに基づくサイノグラムであって、
前記ノイズ相関マップは、前記医用画像においてビューごとに前記被検体を透過するX線のレイに沿った前記被検体の透過長を示す透過長マップ、または前記透過長マップを用いて再構成された透過長再構成画像である、
医用画像診断装置。 - 前記学習済みモデルは、ニューラルネットワークであって、
前記入力部は、前記ニューラルネットワークにおける入力層の互いに別のチャンネルに、前記医用画像または前記中間画像と、前記ノイズ相関マップとを入力する、
請求項1または請求項2のうちいずれか一項に記載の医用画像診断装置。 - 前記学習済みモデルは、ニューラルネットワークであって、
前記入力部は、
前記ニューラルネットワークにおける入力層に、前記医用画像または前記中間画像を入力し、
前記ニューラルネットワークにおける複数の中間層のうち少なくとも一つに、前記ノイズ相関マップを入力する、
請求項1または請求項2のうちいずれか一項に記載の医用画像診断装置。 - 前記記憶部は、前記医用画像または前記中間画像に基づいて前記ノイズ相関マップを生成するように機能付けられた第2の学習済みモデルをさらに記憶し、
前記入力部は、前記医用画像または前記中間画像を前記第2の学習済みモデルに入力し、
前記第2の学習済みモデルを用いて、前記ノイズ相関マップを生成する相関データ生成部をさらに具備する、
請求項1乃至4のうちいずれか一項に記載の医用画像診断装置。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018109558A JP7282487B2 (ja) | 2018-06-07 | 2018-06-07 | 医用画像診断装置 |
US16/431,240 US11348226B2 (en) | 2018-06-07 | 2019-06-04 | Medical image diagnostic apparatus |
US17/733,290 US20220254021A1 (en) | 2018-06-07 | 2022-04-29 | Medical image diagnostic apparatus |
JP2023081651A JP2023101568A (ja) | 2018-06-07 | 2023-05-17 | 医用画像処理装置および医用画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018109558A JP7282487B2 (ja) | 2018-06-07 | 2018-06-07 | 医用画像診断装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023081651A Division JP2023101568A (ja) | 2018-06-07 | 2023-05-17 | 医用画像処理装置および医用画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019208990A JP2019208990A (ja) | 2019-12-12 |
JP7282487B2 true JP7282487B2 (ja) | 2023-05-29 |
Family
ID=68765254
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018109558A Active JP7282487B2 (ja) | 2018-06-07 | 2018-06-07 | 医用画像診断装置 |
JP2023081651A Pending JP2023101568A (ja) | 2018-06-07 | 2023-05-17 | 医用画像処理装置および医用画像処理方法 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023081651A Pending JP2023101568A (ja) | 2018-06-07 | 2023-05-17 | 医用画像処理装置および医用画像処理方法 |
Country Status (2)
Country | Link |
---|---|
US (2) | US11348226B2 (ja) |
JP (2) | JP7282487B2 (ja) |
Families Citing this family (26)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018069050A1 (en) * | 2016-10-10 | 2018-04-19 | Koninklijke Philips N.V. | Gradient impulse response function mapping |
US11189017B1 (en) | 2018-09-11 | 2021-11-30 | Apple Inc. | Generalized fusion techniques based on minimizing variance and asymmetric distance measures |
US11094039B1 (en) * | 2018-09-11 | 2021-08-17 | Apple Inc. | Fusion-adaptive noise reduction |
US10997670B1 (en) * | 2018-10-02 | 2021-05-04 | Wells Fargo Bank, N.A. | Systems and methods for a whole life interactive simulation |
JP6937330B2 (ja) * | 2019-03-04 | 2021-09-22 | 株式会社東芝 | 機械学習モデル圧縮システム、機械学習モデル圧縮方法及びプログラム |
JP7297470B2 (ja) * | 2019-03-05 | 2023-06-26 | キヤノン株式会社 | 画像処理方法、画像処理装置、プログラム、画像処理システム、および、学習済みモデルの製造方法 |
CN111881927B (zh) | 2019-05-02 | 2021-12-21 | 三星电子株式会社 | 电子装置及其图像处理方法 |
US11682110B2 (en) * | 2019-09-27 | 2023-06-20 | Rensselaer Polytechnic Institute | Modularized adaptive processing neural network (MAP-NN) for low-dose CT |
DE102019215460A1 (de) * | 2019-10-09 | 2021-04-15 | Siemens Healthcare Gmbh | Verfahren und Vorrichtung zur Rauschreduktion von Bildaufnahmen |
US11783451B2 (en) * | 2020-03-02 | 2023-10-10 | GE Precision Healthcare LLC | Systems and methods for reducing colored noise in medical images using deep neural network |
US11408954B2 (en) * | 2020-03-24 | 2022-08-09 | GE Precision Healthcare LLC | Systems and methods of reducing noise and artifacts in magnetic resonance imaging |
JPWO2021210612A1 (ja) * | 2020-04-16 | 2021-10-21 | ||
US11222406B2 (en) * | 2020-06-05 | 2022-01-11 | Canon Medical Systems Corporation | Method and system for training a machine learning-based image denoising system |
EP3923193B1 (de) * | 2020-06-12 | 2024-03-27 | Robert Bosch GmbH | Messung der empfindlichkeit von bildklassifikatoren gegen veränderungen des eingabebildes |
JP7479959B2 (ja) | 2020-06-25 | 2024-05-09 | 富士フイルムヘルスケア株式会社 | 画像処理装置、医用撮像装置および画像処理プログラム |
US11672498B2 (en) | 2020-07-29 | 2023-06-13 | Canon Medical Systems Corporation | Information processing method, medical image diagnostic apparatus, and information processing system |
CN112001856A (zh) * | 2020-07-29 | 2020-11-27 | 东软医疗系统股份有限公司 | 去噪模型的训练方法及去除图像噪声方法、相关装置 |
JP7451366B2 (ja) | 2020-09-18 | 2024-03-18 | キヤノンメディカルシステムズ株式会社 | 画像生成装置、画像生成方法、および画像生成プログラム |
CN112053421B (zh) * | 2020-10-14 | 2023-06-23 | 腾讯科技(深圳)有限公司 | 信号降噪处理方法、装置、设备及存储介质 |
US11693076B2 (en) | 2020-10-20 | 2023-07-04 | Canon Medical Systems Corporation | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium storing information processing program |
WO2022163440A1 (ja) | 2021-01-29 | 2022-08-04 | 富士フイルム株式会社 | 情報処理装置、撮像装置、情報処理方法、及びプログラム |
CN117616451A (zh) * | 2021-06-29 | 2024-02-27 | 浜松光子学株式会社 | 一种光学图像处理方法、机器学习方法、训练后的模型、机器学习的预处理方法、光学图像处理模块、光学图像处理程序和光学图像处理系统 |
WO2023030922A1 (en) * | 2021-08-31 | 2023-03-09 | Koninklijke Philips N.V. | Denoising of medical images using a machine-learning method |
JP2023062595A (ja) * | 2021-10-21 | 2023-05-08 | 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、磁気共鳴イメージング装置及びデータ処理方法 |
WO2024112971A1 (en) * | 2022-11-25 | 2024-05-30 | Mayo Foundation For Medical Education And Research | Pixelwise noise quantification in computed tomography images using a deep learning model |
CN115905817B (zh) * | 2022-12-20 | 2023-11-03 | 无锡鸣石峻致医疗科技有限公司 | 一种多通道非均匀场信号降噪方法、装置和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002263097A (ja) | 2001-03-09 | 2002-09-17 | Hitachi Medical Corp | X線ct装置 |
JP2015047371A (ja) | 2013-09-02 | 2015-03-16 | 株式会社東芝 | X線画像処理装置、x線診断装置およびx線画像処理プログラム |
US20160018489A1 (en) | 2014-05-28 | 2016-01-21 | The Royal Institution For The Advancement Of Learning / Mcgill University | Methods and systems relating to high resolution magnetic resonance imaging |
US20160171727A1 (en) | 2014-12-16 | 2016-06-16 | The Regents Of The University Of California | Feature-preserving noise removal |
US20170061620A1 (en) | 2015-09-01 | 2017-03-02 | Samsung Electronics Co., Ltd. | Method and apparatus for processing magnetic resonance image |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7941002B2 (en) * | 2006-12-01 | 2011-05-10 | Hewlett-Packard Development Company, L.P. | Apparatus and methods of producing photorealistic image thumbnails |
US8270560B2 (en) * | 2008-02-25 | 2012-09-18 | Hitachi Medical Corporation | X-ray CT scan simulator and X-ray CT apparatus |
WO2012147471A1 (ja) * | 2011-04-28 | 2012-11-01 | 株式会社 日立メディコ | 医用画像処理装置、医用画像処理方法 |
EP3259920A1 (en) * | 2015-02-19 | 2017-12-27 | Magic Pony Technology Limited | Visual processing using temporal and spatial interpolation |
US9665927B2 (en) * | 2015-06-03 | 2017-05-30 | Samsung Electronics Co., Ltd. | Method and apparatus of multi-frame super resolution robust to local and global motion |
US10194829B2 (en) * | 2015-07-07 | 2019-02-05 | Q Bio, Inc. | Fast scanning based on magnetic resonance history |
US9633282B2 (en) * | 2015-07-30 | 2017-04-25 | Xerox Corporation | Cross-trained convolutional neural networks using multimodal images |
JP2017136170A (ja) * | 2016-02-02 | 2017-08-10 | 東芝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 |
US10970887B2 (en) * | 2016-06-24 | 2021-04-06 | Rensselaer Polytechnic Institute | Tomographic image reconstruction via machine learning |
US10242443B2 (en) * | 2016-11-23 | 2019-03-26 | General Electric Company | Deep learning medical systems and methods for medical procedures |
JP7169094B2 (ja) | 2017-06-01 | 2022-11-10 | 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 |
-
2018
- 2018-06-07 JP JP2018109558A patent/JP7282487B2/ja active Active
-
2019
- 2019-06-04 US US16/431,240 patent/US11348226B2/en active Active
-
2022
- 2022-04-29 US US17/733,290 patent/US20220254021A1/en active Pending
-
2023
- 2023-05-17 JP JP2023081651A patent/JP2023101568A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002263097A (ja) | 2001-03-09 | 2002-09-17 | Hitachi Medical Corp | X線ct装置 |
JP2015047371A (ja) | 2013-09-02 | 2015-03-16 | 株式会社東芝 | X線画像処理装置、x線診断装置およびx線画像処理プログラム |
US20160018489A1 (en) | 2014-05-28 | 2016-01-21 | The Royal Institution For The Advancement Of Learning / Mcgill University | Methods and systems relating to high resolution magnetic resonance imaging |
US20160171727A1 (en) | 2014-12-16 | 2016-06-16 | The Regents Of The University Of California | Feature-preserving noise removal |
US20170061620A1 (en) | 2015-09-01 | 2017-03-02 | Samsung Electronics Co., Ltd. | Method and apparatus for processing magnetic resonance image |
Non-Patent Citations (2)
Title |
---|
Le An, et al.,Multi-Level Canonical Correlation Analysis for Standard-Dose PET Image Estimation,IEEE TRANSACTIONS ON IMAGE PROCESSING,2016年,VOL. 25, NO. 7,pp.3303-3315 |
Lei Xiang, et al.,Deep Auto-context Convolutional Neural Networks for Standard-Dose PET Image Estimation from Low-Dose PET/MRI,Neurocomputing,2017年,pp.406-416 |
Also Published As
Publication number | Publication date |
---|---|
JP2023101568A (ja) | 2023-07-21 |
US20190378270A1 (en) | 2019-12-12 |
JP2019208990A (ja) | 2019-12-12 |
US11348226B2 (en) | 2022-05-31 |
US20220254021A1 (en) | 2022-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7282487B2 (ja) | 医用画像診断装置 | |
US7372934B2 (en) | Method for performing image reconstruction using hybrid computed tomography detectors | |
US20050190878A1 (en) | Method and system for imaging using multiple offset X-ray emission points | |
JP5033313B2 (ja) | X線検出器、x線検出器の形成方法、およびx線検出器内に誘起する電磁ノイズの低減方法 | |
JP5675257B2 (ja) | 医用画像処理装置、x線コンピュータ断層撮影装置、医用画像処理方法および医用画像処理プログラム | |
JP6753798B2 (ja) | 医用撮像装置、画像処理方法及びプログラム | |
JP2008531107A (ja) | コンピュータ断層撮影装置、関心対象を検査する方法、コンピュータ読み取り可能媒体及びプログラム要素 | |
JP4519434B2 (ja) | 超解像処理装置及び医用画像診断装置 | |
JP2015051081A (ja) | 医用画像処理装置、x線診断装置およびx線コンピュータ断層撮影装置 | |
US10893839B2 (en) | Computed tomography system and method configured to image at different energy levels and focal spot positions | |
JP7199850B2 (ja) | 医用情報処理装置 | |
US11416984B2 (en) | Medical image processing apparatus, medical image generation apparatus, medical image processing method, and storage medium | |
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 | |
JP6359278B2 (ja) | X線コンピュータ断層撮影装置、および医用画像処理装置 | |
US11241212B2 (en) | Medical apparatus | |
CN113331854A (zh) | 医用信息处理装置、医用图像诊断装置及医用信息处理方法 | |
JP7345292B2 (ja) | X線トモシンセシス装置、画像処理装置、および、プログラム | |
JP7334073B2 (ja) | 医用データ処理装置及び医用データ処理方法 | |
JP6595362B2 (ja) | 核医学診断装置 | |
JP7106384B2 (ja) | 医用画像処理装置及びx線コンピュータ断層撮影装置 | |
JP7179479B2 (ja) | X線ct装置 | |
JP2005095329A (ja) | 超解像処理装置及び医用画像診断装置 | |
JP6449383B2 (ja) | 医用画像処理装置、およびx線診断装置 | |
JP2020022579A (ja) | X線コンピュータ断層撮影装置 | |
JP7177613B2 (ja) | X線ct装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210428 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220412 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220603 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221115 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230116 |
|
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: 20230418 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230517 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7282487 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |