JP7387270B2 - 医用画像処理装置、学習方法、x線診断装置、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、学習方法、x線診断装置、医用画像処理方法、およびプログラム Download PDFInfo
- Publication number
- JP7387270B2 JP7387270B2 JP2019040876A JP2019040876A JP7387270B2 JP 7387270 B2 JP7387270 B2 JP 7387270B2 JP 2019040876 A JP2019040876 A JP 2019040876A JP 2019040876 A JP2019040876 A JP 2019040876A JP 7387270 B2 JP7387270 B2 JP 7387270B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- data
- medical image
- subject
- mammography
- 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 79
- 238000000034 method Methods 0.000 title claims description 25
- 238000003672 processing method Methods 0.000 title claims description 5
- 230000006870 function Effects 0.000 claims description 171
- 238000003384 imaging method Methods 0.000 claims description 140
- 238000009607 mammography Methods 0.000 claims description 41
- 238000000605 extraction Methods 0.000 claims description 15
- 230000003902 lesion Effects 0.000 claims description 12
- 239000000284 extract Substances 0.000 claims description 6
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 238000002156 mixing Methods 0.000 claims description 4
- 238000004195 computer-aided diagnosis Methods 0.000 claims 2
- 238000012549 training Methods 0.000 description 27
- 238000010586 diagram Methods 0.000 description 22
- 238000013528 artificial neural network Methods 0.000 description 15
- 210000000481 breast Anatomy 0.000 description 13
- 230000006835 compression Effects 0.000 description 10
- 238000007906 compression Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 210000005075 mammary gland Anatomy 0.000 description 7
- 230000008859 change Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 4
- 230000002308 calcification Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 230000007935 neutral effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 230000004913 activation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 229910052704 radon Inorganic materials 0.000 description 1
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/025—Tomosynthesis
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
- A61B6/5223—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data generating planar views from image data, e.g. extracting a coronal view from a 3D image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- 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
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- 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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2210/00—Indexing scheme for image generation or computer graphics
- G06T2210/41—Medical
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/436—Limited angle
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/441—AI-based methods, deep learning or artificial neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Veterinary Medicine (AREA)
- High Energy & Nuclear Physics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
図1は、第1の実施形態に係る医用画像処理装置10の一構成例を示すブロック図である。医用画像処理装置10は、入力回路11、ディスプレイ12、記憶回路13、ネットワーク接続回路14および処理回路15を備える。
以下、第2の実施形態について説明する。第2の実施形態は、第1の医用画像データの内容が第1の実施形態と異なるものである。
以下、第3の実施形態について説明する。第3の実施形態は、第1の医用画像データの内容が第1または第2の実施形態と異なるものである。
第3の実施形態における学習済みモデル22は、例えば、以下のような形態で生成される。図10は、第3の実施形態に係る学習済みモデル22の内容の一例を示す図である。学習済みモデル22は、CNNを利用したネットワークである。図示するように、学習済みモデル22は、例えば、コンボリューション層とプーリング層を有するCNNのパラメータをバックプロパゲーションによって求めるディープラーニングによって生成される。コンボリューション層とプーリング層の間には、ReLUなどの活性化関数が挟まれてもよい。学習済モデル22は、例えば、入力層において、被検体のトモシンセシス撮影に対応する医用画像データに適用するCNNと、参照投影データに適用するCNNとを分離させている。参照投影データとは、検体のトモシンセシス撮影により取得された複数の投影データのうち、2次元画像データに対応する角度が0度付近の一部の投影データ、または、被検体のトモシンセシス撮影により取得された複数の投影データを再構成したボリュームデータの断層画像データのうち、2次元画像データに対応する角度が0度付近の一部の断層画像データである。そして、出力層までの任意の層(ある程度、特徴が抽出されてきた層)において、それぞれのCNNの出力が結合(コンカチネット)され、結合されたデータを更にCNNに入力することで2次元画像データが得られるように学習されたものである。図では、被検体のトモシンセシス撮影に対応する医用画像データに適用されるCNNはn層で構成され、参照投影データに適用されるCNNはm層で構成されるものとしている。層の数nとmは同じ値であってもよいし、異なる値であってもよい。また、参照投影データにはCNNが適用されず、被検体のトモシンセシス撮影に対応する医用画像データ側のCNNの中間層に参照投影データが結合されるようにしてもよい。なお、一般的なCNNでは、出力層に近づくにつれて次元が小さくなるが、実施形態では、適宜、外枠部分を外挿により追加していくことで、同じ次元を維持して処理を進行させてよい。
以下、第4の実施形態について説明する。図11は、第4の実施形態に係る医用画像処理装置10の一構成例を示すブロック図である。医用画像処理装置10は、入力回路11、ディスプレイ12、記憶回路13、ネットワーク接続回路14および処理回路15を備える。処理回路15以外の構成要素は、第1~第3の実施形態で説明したものと同様である。
これらの各機能は、それぞれプログラムの形態で記憶回路13に記憶されている。画像取得機能21、画像生成機能22は、学習済みモデル32が生成された後に機能し、出力機能23、学習機能24は、学習済みモデル32の生成のために機能する。また、抽出機能25、強調機能26は、学習済みモデル32を用いて二次元画像データを生成する際に機能する。
以下、第5の実施形態について説明する。第5の実施形態の医用画像処理装置10は、第4の実施形態の医用画像処理装置10と同様の構成を有する。但し、第5の実施形態の医用画像処理装置10は、強調機能26を有してもよいし、有さなくてもよい。また、
第5の実施形態において、第1の医用画像データおよび学習済みモデルは、第1~第3の実施形態のいずれかと同様であってよい。従って、学習時の処理についての説明を省略する。
以下、第6の実施形態について説明する。第6の実施形態では、被検体のトモシンセシス撮影により得られた複数の投影データ、または複数の投影データを再構成したボリュームデータと、複数の投影データのうち2次元画像データに対応する角度が0度付近の一部の投影データ、またはボリュームデータから抽出される、2次元画像データに対応する角度が0度付近の一部の断層画像データとのそれぞれを、スライス平面で分割したミニバッチ領域を対象として学習時および運用時の処理を行う。
第6の実施形態に係る学習機能24は、ミニバッチ領域のそれぞれについて、学習処理を行う。図15に示すように、第6の実施形態におけるニューラルネットワーク31は、被検体のトモシンセシス撮影により得られた複数の投影データにおけるミニバッチ領域t(n)が入力される部分と、複数の投影データのうち2次元画像データに対応する角度が0度付近の一部の投影データにおけるミニバッチ領域r(n)が入力される部分とで入力層が分かれており、任意の層までは別々に情報が伝播するモデルである。図中、nは1~kであり、ミニバッチ領域の識別子である。ニューラルネットワーク31は、任意の層において、両方向から伝播する情報が結合され、以降は、結合データから例えば全結合で情報が伝播するようになっている。学習機能24は、学習用データセットが入力されるごとに、トレーニング入力データ(ミニバッチ領域t(n)およびミニバッチ領域r(n)のデータ)をニューラルネットワーク31で処理した結果がトレーニング出力データ(ミニバッチ領域o(n)のデータ)に近づくようにニューラルネットワーク31のパラメータデータを更新していく、いわゆる学習を行う。ニューラルネットワーク31のパラメータデータは、例えば、CNNの誤差逆伝播等の手法によって調整され、更新される。学習機能24は、パラメータデータの変化割合が閾値以内に収束すると、学習が終了したと判断する。学習機能24は、学習後のパラメータデータに基づいて、例えば、DNNの形態を有する学習済みモデル32を生成する。なお、学習済みモデル32は、記憶回路13に記憶され、運用時に記憶回路13から読み出される。また、学習済みモデル32は、ASIC、FPGAなどの集積回路によって構築されてもよい。
以下、第7の実施形態について説明する。第7の実施形態は、上記説明した第1~第6の実施形態の医用画像処理装置を、X線診断装置に内蔵させたものである。以下の説明では、代表して第1の実施形態の医用画像処理装置1がX線診断装置に内蔵された例について説明する。
上記実施形態では、X線診断装置としてマンモグラフィ装置を例に説明したが、X線TV装置に適用する場合、X線TV装置において行われるトモシンセシス撮影で得られたデータから2次元画像(0度のX線撮影により得られるX線画像に相当する画像)を生成するようにしてもよい。
プログラムを記憶した記憶装置と、
ハードウェアプロセッサと、を備え、
前記ハードウェアプロセッサは、前記プログラムを実行することにより、被検体のトモシンセシス撮影に対応する医用画像データを第1の医用画像データとして取得し、前記第1の医用画像データに基づいて2次元画像データである第2の医用画像データを生成する学習済みモデルに対して、前記第1の医用画像データを入力することで、前記被検体の第2の医用画像データを生成する、
ように構成されている、医用画像処理装置。
10 入力回路
12 ディスプレイ
13 記憶回路
14 ネットワーク接続回路
15 処理回路
21 画像取得機能
22 画像生成機能
23 出力機能
24 学習機能
25 抽出機能
26 強調機能
100、100F X線診断装置
120 X線管
140 X線検出器
142 信号処理回路
170 記憶回路
172 学習済モデル
200 処理回路
220 画像取得機能
230 画像再構成機能
240 画像生成機能
Claims (10)
- 被検体のトモシンセシス撮影に対応する医用画像データを第1の医用画像データとして取得する画像取得部と、
前記第1の医用画像データに基づいて2次元画像データである第2の医用画像データを生成する学習済みモデルに対して、前記第1の医用画像データを入力することで、前記被検体の第2の医用画像データを生成する画像生成部と、を備え、
前記学習済みモデルは、トモシンセシス撮影に基づく複数の画像データに含まれる一部の画像データと、当該トモシンセシス撮影された人物と同一人物に対するマンモグラフィ撮影に基づく画像データとを組にしたデータセットを学習することにより生成されたモデルであり、前記一部の画像データは、前記マンモグラフィ撮影の角度に対応する角度の画像データであり、
前記画像取得部は、前記トモシンセシス撮影により取得された複数の投影データから前記被検体のマンモグラフィ撮影の角度に対応する角度の一部の投影データを抽出するか、或いは、前記複数の投影データを再構成したボリュームデータから前記被検体のマンモグラフィ撮影の角度に対応する角度の一部の断層画像データを抽出することにより、前記第1の医用画像データを取得し、
前記画像生成部は、前記学習済みモデルに対して、抽出された前記一部の投影データまたは前記一部の断層画像データである前記第1の医用画像データを入力することで、前記被検体のマンモグラフィ画像である前記第2の医用画像データを生成する、
医用画像処理装置。 - 前記画像生成部は、前記学習済みモデルに対して、前記複数の投影データと抽出された前記一部の投影データとを組み合わせたデータ、或いは、前記ボリュームデータと前記一部の断層画像データとを組み合わせたデータを入力することで、前記被検体の第2の医用画像データを生成する、
請求項1に記載の医用画像処理装置。 - 前記画像取得部により取得された前記第1の医用画像データに含まれる注目部位を抽出する抽出部と、
前記画像生成部により生成された前記被検体の第2の医用画像データにおいて、前記抽出部により抽出された前記注目部位に対応する部位を強調する強調部と、をさらに備える、
請求項1または2に記載の医用画像処理装置。 - 前記抽出部は、コンピュータ支援診断(CAD;Computer Aided Detection)によって検出される病変を前記注目部位として抽出する、
請求項3に記載の医用画像処理装置。 - 前記画像生成部は、前記学習済みモデルの出力と、前記第1の医用画像データの断層画像データとを所定割合でブレンドして前記被検体の第2の医用画像データを生成する、
請求項1から4のいずれか1項に記載の医用画像処理装置。 - 被検体のトモシンセシス撮影により取得された投影データ、または、当該投影データを再構成したボリュームデータを第1の医用画像データとし、前記被検体のマンモグラフィ撮影により取得された2次元画像データを第2の医用画像データとして、当該第1の医用画像データと前記第2の医用画像データとを組にしたデータセットに基づき、前記第1の医用画像データに基づいて前記第2の医用画像データを出力する学習済みモデルを生成する、
学習方法であって、
前記学習済みモデルは、トモシンセシス撮影に基づく複数の画像データに含まれる一部の画像データと、当該トモシンセシス撮影された人物と同一人物に対するマンモグラフィ撮影に基づく画像データとを組にしたデータセットを学習することにより生成され、前記一部の画像データは、前記マンモグラフィ撮影の角度に対応する角度の画像データであり、
前記学習済みモデルは、前記トモシンセシス撮影により取得された前記投影データまたは前記ボリュームデータから抽出された、前記被検体のマンモグラフィ撮影の角度に対応する角度の一部の投影データまたは一部の断層画像データが入力されたときに、前記被検体のマンモグラフィ画像である前記第2の医用画像データを出力する、
学習方法。 - 前記2次元画像データは、前記被検体のトモシンセシス撮影において照射されたX線よりも大きい線量で前記マンモグラフィ撮影が行われることにより取得される、
請求項6に記載の学習方法。 - 被検体に対して複数の角度からX線を照射することによりトモシンセシス撮影を行う撮影部と、
前記トモシンセシス撮影により取得された投影データ、または、当該投影データを再構成したボリュームデータを第1の医用画像データとして取得する画像取得部と、
前記第1の医用画像データに基づいて2次元画像データである第2の医用画像データを生成する学習済みモデルに対して、前記第1の医用画像データを入力することで、前記被検体の第2の医用画像データを生成する画像生成部と、を備え、
前記学習済みモデルは、トモシンセシス撮影に基づく複数の画像データに含まれる一部の画像データと、当該トモシンセシス撮影された人物と同一人物に対するマンモグラフィ撮影に基づく画像データとを組にしたデータセットを学習することにより生成されたモデルであり、前記一部の画像データは、前記マンモグラフィ撮影の角度に対応する角度の画像データであり、
前記画像取得部は、前記トモシンセシス撮影により取得された複数の投影データから前記被検体のマンモグラフィ撮影の角度に対応する角度の一部の投影データを抽出するか、或いは、前記複数の投影データを再構成したボリュームデータから前記被検体のマンモグラフィ撮影の角度に対応する角度の一部の断層画像データを抽出することにより、前記第1の医用画像データを取得し、
前記画像生成部は、前記学習済みモデルに対して、抽出された前記一部の投影データまたは前記一部の断層画像データである前記第1の医用画像データを入力することで、前記被検体のマンモグラフィ画像である前記第2の医用画像データを生成する、
X線診断装置。 - コンピュータが、被検体のトモシンセシス撮影により取得された投影データ、または、当該投影データを再構成したボリュームデータを第1の医用画像データとして取得し、
コンピュータが、前記第1の医用画像データに基づいて2次元画像データである第2の医用画像データを生成する学習済みモデルに対して、前記第1の医用画像データを入力することで、前記被検体の第2の医用画像データを生成する、
医用画像処理方法であって、
前記学習済みモデルは、トモシンセシス撮影に基づく複数の画像データに含まれる一部の画像データと、当該トモシンセシス撮影された人物と同一人物に対するマンモグラフィ撮影に基づく画像データとを組にしたデータセットを学習することにより生成されたモデルであり、前記一部の画像データは、前記マンモグラフィ撮影の角度に対応する角度の画像データであり、
前記トモシンセシス撮影により取得された複数の投影データから前記被検体のマンモグラフィ撮影の角度に対応する角度の一部の投影データを抽出するか、或いは、前記複数の投影データを再構成したボリュームデータから前記被検体のマンモグラフィ撮影の角度に対応する角度の一部の断層画像データを抽出することにより、前記第1の医用画像データを取得し、
前記学習済みモデルに対して、抽出された前記一部の投影データまたは前記一部の断層画像データである前記第1の医用画像データを入力することで、前記被検体のマンモグラフィ画像である前記第2の医用画像データを生成する、
医用画像処理方法。 - コンピュータを、
被検体のトモシンセシス撮影により取得された投影データ、または、当該投影データを再構成したボリュームデータを第1の医用画像データとして取得する画像取得部、
前記第1の医用画像データに基づいて2次元画像データである第2の医用画像データを生成する学習済みモデルに対して、前記第1の医用画像データを入力することで、前記被検体の第2の医用画像データを生成する画像生成部、として機能させる、
プログラムであって、
前記学習済みモデルは、トモシンセシス撮影に基づく複数の画像データに含まれる一部の画像データと、当該トモシンセシス撮影された人物と同一人物に対するマンモグラフィ撮影に基づく画像データとを組にしたデータセットを学習することにより生成されたモデルであり、前記一部の画像データは、前記マンモグラフィ撮影の角度に対応する角度の画像データであり、
前記トモシンセシス撮影により取得された複数の投影データから前記被検体のマンモグラフィ撮影の角度に対応する角度の一部の投影データを抽出するか、或いは、前記複数の投影データを再構成したボリュームデータから前記被検体のマンモグラフィ撮影の角度に対応する角度の一部の断層画像データを抽出することにより、前記第1の医用画像データを取得させ、
前記学習済みモデルに対して、抽出された前記一部の投影データまたは前記一部の断層画像データである前記第1の医用画像データを入力することで、前記被検体のマンモグラフィ画像である前記第2の医用画像データを生成させる、
プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019040876A JP7387270B2 (ja) | 2019-03-06 | 2019-03-06 | 医用画像処理装置、学習方法、x線診断装置、医用画像処理方法、およびプログラム |
US16/809,673 US11615270B2 (en) | 2019-03-06 | 2020-03-05 | Medical image processing apparatus, learning method, X-ray diagnostic apparatus, and medical image processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019040876A JP7387270B2 (ja) | 2019-03-06 | 2019-03-06 | 医用画像処理装置、学習方法、x線診断装置、医用画像処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020141867A JP2020141867A (ja) | 2020-09-10 |
JP7387270B2 true JP7387270B2 (ja) | 2023-11-28 |
Family
ID=72336428
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019040876A Active JP7387270B2 (ja) | 2019-03-06 | 2019-03-06 | 医用画像処理装置、学習方法、x線診断装置、医用画像処理方法、およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US11615270B2 (ja) |
JP (1) | JP7387270B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220076114A1 (en) * | 2020-09-04 | 2022-03-10 | NEC Laboratories Europe GmbH | Modular-related methods for machine learning algorithms including continual learning algorithms |
CN113506334B (zh) * | 2021-06-07 | 2023-12-15 | 刘星宇 | 基于深度学习的多模态医学图像融合方法及系统 |
JP2023051400A (ja) | 2021-09-30 | 2023-04-11 | 富士フイルム株式会社 | 学習装置、画像生成装置、学習方法、画像生成方法、学習プログラム、及び画像生成プログラム |
US20230115941A1 (en) | 2021-10-12 | 2023-04-13 | Canon Medical Systems Corporation | X-ray diagnostic apparatus and medical information processing method |
JP2023105688A (ja) | 2022-01-19 | 2023-07-31 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、及びプログラム |
JP2023105689A (ja) | 2022-01-19 | 2023-07-31 | 富士フイルム株式会社 | 画像処理装置、画像処理方法、及びプログラム |
CN115861462B (zh) * | 2022-10-17 | 2023-11-03 | 北京百度网讯科技有限公司 | 图像生成模型的训练方法、装置、电子设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012512669A (ja) | 2008-11-21 | 2012-06-07 | ホロジック インコーポレイティッド | トモシンセシスデータセットから2d画像を生成するためのシステムおよび方法 |
WO2018048507A1 (en) | 2016-09-06 | 2018-03-15 | Han Xiao | Neural network for generating synthetic medical images |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10610182B2 (en) * | 2014-01-15 | 2020-04-07 | Alara Systems, Inc | Converting low-dose to higher dose 3D tomosynthesis images through machine-learning processes |
US9792703B2 (en) | 2015-07-06 | 2017-10-17 | Siemens Healthcare Gmbh | Generating a synthetic two-dimensional mammogram |
US10679384B2 (en) * | 2017-09-29 | 2020-06-09 | General Electric Company | Systems and methods for deep learning-based image reconstruction |
US10607122B2 (en) * | 2017-12-04 | 2020-03-31 | International Business Machines Corporation | Systems and user interfaces for enhancement of data utilized in machine-learning based medical image review |
US11090017B2 (en) * | 2018-09-13 | 2021-08-17 | Hologic, Inc. | Generating synthesized projection images for 3D breast tomosynthesis or multi-mode x-ray breast imaging |
US11227418B2 (en) * | 2018-12-28 | 2022-01-18 | General Electric Company | Systems and methods for deep learning-based image reconstruction |
US11386592B2 (en) * | 2019-12-20 | 2022-07-12 | Varian Medical Systems International Ag | Tomographic image analysis using artificial intelligence (AI) engines |
-
2019
- 2019-03-06 JP JP2019040876A patent/JP7387270B2/ja active Active
-
2020
- 2020-03-05 US US16/809,673 patent/US11615270B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012512669A (ja) | 2008-11-21 | 2012-06-07 | ホロジック インコーポレイティッド | トモシンセシスデータセットから2d画像を生成するためのシステムおよび方法 |
WO2018048507A1 (en) | 2016-09-06 | 2018-03-15 | Han Xiao | Neural network for generating synthetic medical images |
Non-Patent Citations (1)
Title |
---|
Shuyue Guan, et al.,Breast cancer detection using synthetic mammograms from generative adversarial networks in convolutional neural networks,PROCEEDINGS VOLUME 10718 14th International Workshop on BreastImaging(IWBI 2018) Table of Contents,2018年,2/4 |
Also Published As
Publication number | Publication date |
---|---|
US11615270B2 (en) | 2023-03-28 |
JP2020141867A (ja) | 2020-09-10 |
US20200285902A1 (en) | 2020-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7387270B2 (ja) | 医用画像処理装置、学習方法、x線診断装置、医用画像処理方法、およびプログラム | |
JP6379785B2 (ja) | 断層画像生成システム | |
EP1750584B1 (en) | System and method for diagnosing breast cancer | |
US9613440B2 (en) | Digital breast Tomosynthesis reconstruction using adaptive voxel grid | |
US9123108B2 (en) | Image processing device, radiographic image capture system, image processing method, and image processing storage medium | |
US9898839B2 (en) | Medical image diagnosis apparatus and mammography apparatus | |
CN108352078A (zh) | 图像重建系统和方法 | |
JP2013081765A (ja) | X線ct装置、画像処理装置及びプログラム | |
US10143433B2 (en) | Computed tomography apparatus and method of reconstructing a computed tomography image by the computed tomography apparatus | |
KR20130069506A (ko) | 화상 처리 장치, 화상 처리 방법 및 컴퓨터 판독 가능 저장 매체 | |
US10631810B2 (en) | Image processing device, radiation imaging system, image processing method, and image processing program | |
JP3987024B2 (ja) | 横方向のフィルタリング処理を用いたトモシンセシス画像を強調する方法及びシステム | |
KR101665513B1 (ko) | 컴퓨터 단층 촬영 장치 및 그에 따른 ct 영상 복원 방법 | |
JP6526669B2 (ja) | 画像データからの骨の区分化 | |
CN105659296A (zh) | 图像可视化 | |
CN111540025A (zh) | 预测用于图像处理的图像 | |
US20160078620A1 (en) | Image processing apparatus and method, computer program product, and stereoscopic image display apparatus | |
US10013778B2 (en) | Tomography apparatus and method of reconstructing tomography image by using the tomography apparatus | |
US11039807B2 (en) | System and method for dark-field-imaging | |
EP4292051A1 (en) | Metal artifact reduction algorithm for ct-guided interventional procedures | |
US20210282733A1 (en) | Edge noise reduction | |
US20230115941A1 (en) | X-ray diagnostic apparatus and medical information processing method | |
CN107644447A (zh) | 用于基于运动补偿的ct数据重建的设备和方法 | |
JP2020054761A (ja) | 医用画像処理装置、x線診断装置、およびプログラム | |
WO2018050462A1 (en) | Edge noise reduction |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220201 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221209 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230117 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230613 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230810 |
|
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: 20231017 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7387270 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |