JP7382930B2 - 医療画像処理装置 - Google Patents
医療画像処理装置 Download PDFInfo
- Publication number
- JP7382930B2 JP7382930B2 JP2020527359A JP2020527359A JP7382930B2 JP 7382930 B2 JP7382930 B2 JP 7382930B2 JP 2020527359 A JP2020527359 A JP 2020527359A JP 2020527359 A JP2020527359 A JP 2020527359A JP 7382930 B2 JP7382930 B2 JP 7382930B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- model
- image
- images
- 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 80
- 238000013527 convolutional neural network Methods 0.000 claims description 56
- 238000000034 method Methods 0.000 description 49
- 238000012549 training Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000003902 lesion Effects 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 238000005286 illumination Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005401 electroluminescence Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 2
- 108010064719 Oxyhemoglobins Proteins 0.000 description 2
- 230000008033 biological extinction Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 108010002255 deoxyhemoglobin Proteins 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 238000001839 endoscopy Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
- A61B1/045—Control thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Endoscopes (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
図1は、学習装置の構成の一実施形態を示すブロック図である。
図4は、学習装置のハードウェア構成の一例を示す図である。
《学習の基本手順》
図5は、学習装置で行われる学習の手順を示すフローチャートである。
〈解像度の異なる学習用画像群での学習〉
特定の解像度を有する内視鏡画像に対して画像認識を行うモデルを生成する場合において、画像認識を行う内視鏡画像と異なる解像度(第1解像度)の内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像と同じ解像度(第2解像度)の内視鏡画像群で第2の学習を行う。この場合、(1)画像認識を行う内視鏡画像よりも高い解像度(第1解像度)の内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像と同じ解像度(第2解像度)の内視鏡画像群で第2の学習を行う方法と、(2)画像認識を行う内視鏡画像よりも低い解像度(第1解像度)の内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像と同じ解像度(第2解像度)の内視鏡画像群で第2の学習を行う方法と、がある。以下、(1)及び(2)の場合に分けて説明する。
特定の解像度を有する内視鏡画像に対して画像認識を行うモデルを生成する場合において、画像認識を行う内視鏡画像の解像度よりも高い解像度の内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像の解像度と同じ解像度(同程度の解像度を含む)の内視鏡画像群で第2の学習を行う。
特定の解像度を有する内視鏡画像に対して画像認識を行うモデルを生成する場合において、画像認識を行う内視鏡画像の解像度よりも低い解像度の内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像の解像度と同じ解像度(同程度の解像度を含む)の内視鏡画像群で第2の学習を行う。
特定のノイズ量の内視鏡画像に対して画像認識を行うモデルを生成する場合において、画像認識を行う内視鏡画像と異なるノイズ量の内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像のノイズ量と同じノイズ量(同程度のノイズ量を含む)の内視鏡画像群で第2の学習を行う。この場合、(1)画像認識を行う内視鏡画像よりもノイズ量の少ない内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像のノイズ量と同じノイズ量(同程度のノイズ量を含む)の内視鏡画像群で第2の学習を行う方法と、(2)画像認識を行う内視鏡画像よりもノイズ量の多い内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像のノイズ量と同じノイズ量(同程度のノイズ量を含む)の内視鏡画像群で第2の学習を行う方法と、がある。以下、(1)及び(2)の場合に分けて説明する。
特定のノイズ量の内視鏡画像に対して画像認識を行うモデルを生成する場合において、画像認識を行う内視鏡画像よりも低ノイズの内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像のノイズ量と同じノイズ量(同程度のノイズ量を含む)の内視鏡画像群で第2の学習を行う。
特定のノイズ量の内視鏡画像に対して画像認識を行うモデルを生成する場合において、画像認識を行う内視鏡画像よりも高ノイズの内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像のノイズ量と同じノイズ量(同程度のノイズ量を含む)の内視鏡画像群で第2の学習を行う。
特定の画角の内視鏡画像に対して画像認識を行うモデルを生成する場合において、画像認識を行う内視鏡画像よりも広い画角の内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡画像の画角と同じ画角(略同じ画角を含む)の内視鏡画像群で第2の学習を行う。
特定の内視鏡で撮影された内視鏡画像に対して画像認識を行うモデルを生成する場合において、他の内視鏡で撮影された内視鏡画像群を用いて第1の学習を行い、その結果をベースに、画像認識を行う内視鏡で撮影された内視鏡画像群で第2の学習を行う。
《学習装置のハードウェア構成の変形例》
上記実施の形態では、第1学習部10及び第2学習部20の機能を同一のコンピュータで実現する構成としているが、複数のコンピュータで実現する構成とすることもできる。たとえば、第1学習部10及び第2学習部20の機能を別々のコンピュータで実現することもできる。
上記実施の形態では、画像認識を行うモデルをCNNで構成しているが、画像認識を行うモデルの構成は、これに限定されるものではない。機械学習で生成されるモデルであればよい。
上記実施の形態では、学習済みの第1モデルM1を構成するCNNの一部の層の重みパラメータをリセットしたものを第2モデルM2のCNNとして設定しているが、第2モデルM2を設定する手法は、これに限定されるものではない。たとえば、学習済みの第1モデルM1の重みパラメータを初期値として、CNN全体で学習し直す手法、学習済みの第1モデルM1の入力層及び出力層を置換して、第2の学習を行う手法、学習済みの第1モデルM1の一部の層(たとえば、特徴抽出を行う層)の重みパラメータを固定し、他の層(たとえば、認識を行う層)だけを学習する手法など、種々の手法を採用できる。
図12は、内視鏡画像処理装置の構成の一実施形態を示すブロック図である。
図13は、内視鏡画像処理装置のハードウェア構成の一例を示す図である。
まず、内視鏡画像取得部110によって、認識対象の内視鏡画像が取得される。この内視鏡画像は、特定の画質の内視鏡画像である。次に、画像認識部112において、取得された内視鏡画像に対して画像認識が行われる。次に、認識結果出力部114によって、認識結果が出力される。
《内視鏡画像処理装置の変形例1》
図14は、内視鏡画像処理装置の変形例を示すブロック図である。
図15は、内視鏡画像処理装置の他の変形例を示すブロック図である。
《医療画像》
上記実施の形態では、医療画像として内視鏡画像を対象に画像認識する場合を例に説明したが、本発明が適用可能な医療画像は、これに限定されるものではない。
学習装置及び医療画像処理装置を実現するハードウェアは、次に示すような各種のプロセッサ(processor)で構成できる。
内視鏡は、軟性内視鏡に限らず、硬性内視鏡であってもよいし、カプセル内視鏡であってもよい。
内視鏡の観察光(照明光)は、白色光、あるいは1又は複数の特定の波長帯域の光、あるいはこれらの組み合わせなど観察目的に応じた各種波長帯域の光が選択される。白色光は、白色の波長帯域の光又は複数の波長帯域の光である。「特定の波長帯域」は、白色の波長帯域よりも狭い帯域である。特定の波長帯域に関する具体例を以下に示す。
特定の波長帯域の第1例は、たとえば、可視域の青色帯域又は緑色帯域である。この第1例の波長帯域は、390nm以上450nm以下の波長帯域又は530nm以上550nm以下の波長帯域を含み、かつ、第1例の光は、390nm以上450nm以下の波長帯域内又は530nm以上550nm以下の波長帯域内にピーク波長を有する。
特定の波長帯域の第2例は、たとえば、可視域の赤色帯域である。この第2例の波長帯域は、585nm以上615nm以下の波長帯域又は610nm以上730nm以下の波長帯 域を含み、かつ、第2例の光は、585nm以上615nmの波長帯域内以下又は610nm以上730nm以下の波長帯域内にピーク波長を有する。
特定の波長帯域の第3例は、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域を含み、かつ、第3例の光は、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域にピーク波長を有する。この第3例の波長帯域は、400±10nm、440±10nmの波長帯域、470±10nmの波長帯域、又は600nm以上750nm以下の波長帯域を含み、かつ、第3例の光は、上記400±10nm、440±10nm、470±10nm、又は600nm以上750nm以下の波長帯域内にピーク波長を有する。
特定の波長帯域の第4例は、生体内の蛍光物質が発する蛍光の観察(蛍光観察)に用いられ、かつ、この蛍光物質を励起させる励起光の波長帯域、たとえば、390nmから470nmである。
特定の波長帯域の第5例は、赤外光の波長帯域である。この第5例の波長帯域は、790nm以上820nm以下の波長帯域又は905nm以上970nm以下の波長帯域を含み、かつ、第5例の光は、790nm以上820nm以下の波長帯域内又は905nm以上970nm以下の波長帯域内にピーク波長を有する。
光源の種類は、レーザ光源、キセノン光源、若しくは、LED光源(LED:Light-Emitting Diode)又はこれらの適宜の組み合わせを採用できる。光源の種類、波長、フィルタの有無等は被写体の種類、観察の目的等に応じて構成することが好ましく、また、観察の際は、被写体の種類、観察の目的等に応じて照明光の波長を組み合わせ、及び/又は、切り替えることが好ましい。波長を切り替える場合、たとえば、光源の前方に配置され特定波長の光を透過又は遮光するフィルタが設けられた円板状のフィルタ(ロータリカラーフィルタ)を回転させることにより、照射する光の波長を切り替えてもよい。
内視鏡の画像を処理するプロセッサ装置は、白色光を用いて撮像して得られた通常光画像に基づいて、特定の波長帯域の情報を有する特殊光画像を生成してもよい。なお、ここでいう生成には「取得」の概念が含まれる。プロセッサ装置16は、特定の波長帯域の信号を、通常光画像に含まれる赤(R)、緑(G)、及び、青(B)、あるいは、シアン(Cyan,C)、マゼンタ(Magenta,M)、イエロ(Yellow,Y)の色情報に基づく演算を行うことで得ることができる。
上述の実施形態で説明した学習装置及び医療画像処理装置の機能をコンピュータに実現させるプログラムを光ディスク、磁気ディスク、若しくは、半導体メモリその他の有体物たる非一時的な情報記憶媒体であるコンピュータ可読媒体に記録し、この情報記憶媒体を通じてプログラムを提供することが可能である。またこのような有体物たる非一時的な情報記憶媒体にプログラムを記憶させて提供する態様に代えて、インターネットなどの電気通信回線を利用してプログラム信号をダウンロードサービスとして提供することも可能である。
10 第1学習部
12 第1学習用データセット
16 プロセッサ装置
20 第2学習部
22 第2学習用データセット
30 学習制御部
51 CPU
52 ROM
53 RAM
54 HDD
55 通信インターフェイス
56 入出力インターフェイス
57 入力装置
58 表示装置
59 ネットワーク
100 内視鏡画像処理装置
100A 内視鏡画像処理装置
100B 内視鏡画像処理装置
110 内視鏡画像取得部
112 画像認識部
114 認識結果出力部
116 画像処理制御部
121 CPU
122 ROM
123 RAM
124 HDD
125 通信インターフェイス
126 入出力インターフェイス
127 入力装置
128 表示装置
130 モデル切替部
140 内視鏡情報取得部
M1 第1モデル
M2 第2モデル
S1からS4 学習の手順
S11からS14 高解像度の学習用画像群による学習結果をベースにした学習の手順
S21からS24 低解像度の学習用画像群による学習結果をベースにした学習の手順
S31からS34 低ノイズの学習用画像群による学習結果をベースにした学習の手順
S41からS44 高ノイズの学習用画像群による学習結果をベースにした学習の手順
S51からS54 広角の学習用画像群による学習結果をベースにした学習の手順
S61からS64 異なる内視鏡で撮影された学習用画像群による学習結果をベースにした学習の手順
Claims (7)
- 内視鏡で撮影された医療画像を取得する医療画像取得部と、
前記医療画像に対して画像認識を行う複数のモデルと、
前記医療画像を撮影した前記内視鏡の機種の情報を取得する内視鏡情報取得部と、
前記内視鏡の機種と対応する前記モデルとが関連付けられたテーブルを参照し、前記内視鏡情報取得部で取得される前記内視鏡の機種の情報に基づいて、画像認識に使用する前記モデルを切り替えるモデル切替部と、
を備え、複数の前記モデルは、畳み込みニューラルネットワークで構成されるモデルを、第1画質の医療画像で構成される第1医療画像群を用いて学習することにより、前記第1画質の医療画像に対して画像認識を行う第1モデルを生成する第1学習部と、前記第1モデルの一部の層の重みパラメータをリセットしたモデルを、前記第1画質と少なくともノイズ量の異なる第2画質の医療画像で構成される第2医療画像群を用いて学習することにより、前記第2画質の医療画像に対して画像認識を行う第2モデルを生成する第2学習部と、を備えた学習装置で生成された前記第2モデルで構成され、かつ、それぞれ機種の異なる前記内視鏡で撮影された前記第2画質の医療画像で構成される前記第2医療画像群を用いて学習することにより生成された前記第2モデルで構成される、
医療画像処理装置。 - 前記内視鏡情報取得部は、更に、前記医療画像を撮影した前記内視鏡の仕様の情報を取得し、
複数の前記モデルは、それぞれ機種及び仕様の異なる前記内視鏡で撮影された前記第2画質の医療画像で構成される前記第2医療画像群を用いて学習することにより生成された前記第2モデルで構成され、
前記モデル切替部は、前記内視鏡情報取得部で取得される前記内視鏡の機種及び仕様の情報に基づいて、画像認識に使用する前記モデルを切り替える、
請求項1に記載の医療画像処理装置。 - 前記内視鏡情報取得部は、更に、前記医療画像を撮影した前記内視鏡の解像度の情報を取得し、
複数の前記モデルは、それぞれ機種、仕様及び解像度の異なる前記内視鏡で撮影された前記第2画質の医療画像で構成される前記第2医療画像群を用いて学習することにより生成された前記第2モデルで構成され、
前記モデル切替部は、前記内視鏡情報取得部で取得される前記内視鏡の機種、仕様及び解像度の情報に基づいて、画像認識に使用する前記モデルを切り替える、
請求項2に記載の医療画像処理装置。 - 前記学習装置において、前記重みパラメータをリセットする層が、出力に近い層である、
請求項1から3のいずれか1項に記載の医療画像処理装置。 - 前記学習装置において、前記重みパラメータをリセットする層が、終端の複数の層である、
請求項4に記載の医療画像処理装置。 - 前記学習装置において、前記第2学習部は、少なくとも一部の層の学習係数を変えて学習する、
請求項1から5のいずれか1項に記載の医療画像処理装置。 - 前記学習装置において、前記重みパラメータをリセットした層の学習係数を他の層よりも大きく設定する、
請求項6に記載の医療画像処理装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018123443 | 2018-06-28 | ||
JP2018123443 | 2018-06-28 | ||
PCT/JP2019/022910 WO2020003992A1 (ja) | 2018-06-28 | 2019-06-10 | 学習装置及び学習方法、並びに、医療画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020003992A1 JPWO2020003992A1 (ja) | 2021-06-24 |
JP7382930B2 true JP7382930B2 (ja) | 2023-11-17 |
Family
ID=68986461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020527359A Active JP7382930B2 (ja) | 2018-06-28 | 2019-06-10 | 医療画像処理装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7382930B2 (ja) |
WO (1) | WO2020003992A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2021156974A1 (ja) * | 2020-02-05 | 2021-08-12 | オリンパス株式会社 | 画像処理装置、画像処理方法、画像処理プログラム、表示制御装置及び内視鏡装置 |
US20230230364A1 (en) * | 2020-05-26 | 2023-07-20 | Nec Corporation | Image processing device, control method and storage medium |
JP2022054916A (ja) * | 2020-09-28 | 2022-04-07 | LeapMind株式会社 | 認識処理実行プログラム及び認識処理実行装置 |
EP4298986A4 (en) | 2021-02-26 | 2024-03-13 | Nec Corp | IMAGE PROCESSING DEVICE AND METHOD, AND STORAGE MEDIUM |
WO2023042273A1 (ja) * | 2021-09-14 | 2023-03-23 | 日本電気株式会社 | 画像処理装置、画像処理方法及び記憶媒体 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008302075A (ja) | 2007-06-08 | 2008-12-18 | Olympus Corp | 画像処理装置並びにスコープおよびこれらを備える内視鏡装置 |
JP2017130196A (ja) | 2016-01-14 | 2017-07-27 | キヤノン株式会社 | 認識学習装置、認識学習方法及びプログラム |
WO2017175282A1 (ja) | 2016-04-04 | 2017-10-12 | オリンパス株式会社 | 学習方法、画像認識装置およびプログラム |
JP2017211799A (ja) | 2016-05-25 | 2017-11-30 | キヤノン株式会社 | 情報処理装置および情報処理方法 |
JP2017221486A (ja) | 2016-06-16 | 2017-12-21 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム及び医療用観察システム |
-
2019
- 2019-06-10 JP JP2020527359A patent/JP7382930B2/ja active Active
- 2019-06-10 WO PCT/JP2019/022910 patent/WO2020003992A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008302075A (ja) | 2007-06-08 | 2008-12-18 | Olympus Corp | 画像処理装置並びにスコープおよびこれらを備える内視鏡装置 |
JP2017130196A (ja) | 2016-01-14 | 2017-07-27 | キヤノン株式会社 | 認識学習装置、認識学習方法及びプログラム |
WO2017175282A1 (ja) | 2016-04-04 | 2017-10-12 | オリンパス株式会社 | 学習方法、画像認識装置およびプログラム |
JP2017211799A (ja) | 2016-05-25 | 2017-11-30 | キヤノン株式会社 | 情報処理装置および情報処理方法 |
JP2017221486A (ja) | 2016-06-16 | 2017-12-21 | ソニー株式会社 | 情報処理装置、情報処理方法、プログラム及び医療用観察システム |
Non-Patent Citations (3)
Title |
---|
Masood Sarfaraz,Identification of diabetic retinopathy in eye images using transfer learning,2017 International Conference on Computing, Communication and Automation (ICCCA),2017年12月21日,Vol.2017 No.ICCCA,Page.1183-1187 |
上野洋典,画像認識における効率的な転移学習のための学習モデル選択手法の検討,情報処理学会 研究報告 システム・アーキテクチャ(ARC) 2017-ARC-228 [online] ,日本,情報処理学会 |
園山昌司,大腸内視鏡画像認識のための転移学習手法,電子情報通信学会技術研究報告 Vol.115 No.401 IEICE Technical Report,日本,一般社団法人電子情報通信学会 The Institute of Ele,2016年01月,第115巻,pp.223-227 |
Also Published As
Publication number | Publication date |
---|---|
JPWO2020003992A1 (ja) | 2021-06-24 |
WO2020003992A1 (ja) | 2020-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7382930B2 (ja) | 医療画像処理装置 | |
US11900623B2 (en) | Hyperspectral imaging with tool tracking in a light deficient environment | |
US11600385B2 (en) | Medical image processing device, endoscope system, diagnosis support method, and program | |
JP7383105B2 (ja) | 医療画像処理装置及び内視鏡システム | |
JP7289373B2 (ja) | 医療画像処理装置、内視鏡システム、診断支援方法及びプログラム | |
CN103857335A (zh) | 激光散斑图像的各向异性处理 | |
WO2020017213A1 (ja) | 内視鏡画像認識装置、内視鏡画像学習装置、内視鏡画像学習方法及びプログラム | |
JP7335399B2 (ja) | 医用画像処理装置及び内視鏡システム並びに医用画像処理装置の作動方法 | |
WO2019235195A1 (ja) | 画像処理装置、内視鏡システム、及び画像処理方法 | |
JPWO2020031851A1 (ja) | 画像処理方法及び画像処理装置 | |
JP7350954B2 (ja) | 内視鏡画像処理装置、内視鏡システム、内視鏡画像処理装置の作動方法、内視鏡画像処理プログラム及び記憶媒体 | |
WO2020054543A1 (ja) | 医療画像処理装置及び方法、内視鏡システム、プロセッサ装置、診断支援装置並びにプログラム | |
WO2020170809A1 (ja) | 医療画像処理装置、内視鏡システム、及び医療画像処理方法 | |
WO2020184257A1 (ja) | 医用画像処理装置及び方法 | |
WO2021132023A1 (ja) | 医用画像処理装置、医用画像処理方法及びプログラム | |
JP7387859B2 (ja) | 医用画像処理装置、プロセッサ装置、内視鏡システム、医用画像処理装置の作動方法及びプログラム | |
WO2022228396A1 (zh) | 内窥镜多光谱图像处理系统及处理和训练方法 | |
US20220222840A1 (en) | Control device, image processing method, and storage medium | |
CN116322465A (zh) | 图像处理装置、内窥镜系统、图像处理装置的工作方法及图像处理装置用程序 | |
CN114376491A (zh) | 内窥镜成像装置及其方法、系统以及电子设备 | |
CN214231268U (zh) | 内窥镜成像装置和电子设备 | |
JP6866497B2 (ja) | 医療画像処理装置、及び、内視鏡装置 | |
KR101281802B1 (ko) | 감량 영상 구성장치 | |
WO2022249572A1 (ja) | 画像処理装置、画像処理方法及び記録媒体 | |
WO2024009631A1 (ja) | 画像処理装置及び画像処理装置の作動方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201127 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211210 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220203 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220613 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220808 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221118 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230120 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231107 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7382930 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |