JP7405176B2 - 画像処理方法および画像処理装置 - Google Patents
画像処理方法および画像処理装置 Download PDFInfo
- Publication number
- JP7405176B2 JP7405176B2 JP2022043727A JP2022043727A JP7405176B2 JP 7405176 B2 JP7405176 B2 JP 7405176B2 JP 2022043727 A JP2022043727 A JP 2022043727A JP 2022043727 A JP2022043727 A JP 2022043727A JP 7405176 B2 JP7405176 B2 JP 7405176B2
- Authority
- JP
- Japan
- Prior art keywords
- resolution
- image
- machine learning
- low
- processing
- 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 208
- 238000003672 processing method Methods 0.000 title claims description 34
- 238000010801 machine learning Methods 0.000 claims description 363
- 210000004204 blood vessel Anatomy 0.000 claims description 55
- 238000000034 method Methods 0.000 claims description 49
- 238000009499 grossing Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 22
- 230000006866 deterioration Effects 0.000 description 19
- 230000000694 effects Effects 0.000 description 8
- 238000002474 experimental method Methods 0.000 description 6
- 230000000052 comparative effect Effects 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 210000002565 arteriole Anatomy 0.000 description 3
- 210000001367 artery Anatomy 0.000 description 3
- 230000002490 cerebral effect Effects 0.000 description 3
- 210000000709 aorta Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000001736 capillary Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002542 deteriorative effect Effects 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Landscapes
- Image Processing (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
図1~図7を参照して、本発明の第1実施形態による画像処理装置100の構成、第1実施形態の画像処理方法による超解像処理後の医用画像11を生成する方法について説明する。
まず、図1を参照して、第1実施形態による画像処理装置100の構成について説明する。
次に、図2~図7を参照して、第1実施形態による画像処理方法によって、超解像処理後の医用画像11を生成する処理について説明する。
機械学習を行うステップMI1は、高解像度機械学習用画像12を取得するステップと、高解像度機械学習用画像12のスケールを小さくすることにより、低解像度画像13を取得するステップと、低解像度画像13に対してぼかし処理を行うことにより、低解像度機械学習用画像14を取得するステップと、高解像度機械学習用画像12と低解像度機械学習用画像14とを用いて学習モデルLMの機械学習を行うステップとを含む。
図3は、第1実施形態による機械学習を行う機械学習装置200の模式図である。第1実施形態による画像処理方法において、機械学習を行うステップMI1は、機械学習装置200を用いて行うことができる。図3に示すように、機械学習装置200は、画像取得部20と、制御部21と、記憶部22と、画像処理部23と、機械学習部24とを備える。
図4は、機械学習に用いる高解像度機械学習用画像12から、低解像度機械学習用画像14を取得する処理を説明するための模式図である。
第1実施形態では、機械学習を行うステップは、以下のステップを含む。すなわち、機械学習を行うステップは、高解像度機械学習用画像12から、低解像度機械学習用画像14を取得するステップと、高解像度機械学習用画像12と低解像度機械学習用画像14とを用いて学習モデルLMの機械学習を行うステップと、を含む。
第1実施形態では、画像処理装置100は、機械学習によって学習済みの学習モデルLMを用いて、医用画像10の解像度を高める超解像処理を行う。
次に、図8を参照して、第1実施形態における医用画像10の超解像処理の流れについて説明する。なお、ステップS1~ステップS4における処理は、機械学習装置200が行う。また、ステップS5およびステップS6における処理は、画像処理装置100が行う。
次に、図7および図9を参照して、第1実施形態における超解像処理後の医用画像11(図7参照)と、医用画像10の解像度を大きくするとともに、拡大した拡大後の医用画像40(図9参照)とを比較する。
次に、図10~図12を参照して、第1実施例による医用画像10の超解像処理を行う学習モデルLMを取得した実験について説明する。
第1実施形態では、以下のような効果を得ることができる。
次に、図3、図13および図14を参照して、第2実施形態による画像処理方法について説明する。高解像度機械学習用画像12と低解像度機械学習用画像14とを用いて学習モデルLMの機械学習を行う第1実施形態とは異なり、第2実施形態では、機械学習装置300(図3参照)における機械学習を行うステップMI2(図13参照)は、高解像度機械学習用画像12にノイズが含まれている場合に、高解像度機械学習用画像12のノイズを除去するステップを含む。なお、上記第1実施形態と同様の構成については同様の符号を付し、説明を省略する。
次に、図16を参照して、第2実施例による実験について説明する。
第2実施形態では、以下のような効果を得ることができる。
なお、今回開示された実施形態は、すべての点で例示であって制限的なものではないと考えられるべきである。本発明の範囲は、上記した実施形態の説明ではなく、特許請求の範囲によって示され、さらに特許請求の範囲と均等の意味および範囲内でのすべての変更(変形例)が含まれる。
12 高解像度機械学習用画像
13 低解像度画像
14 低解像度機械学習用画像
bp1、bp2、bp3、bp4、bp 被写体の境界部分
bv 血管
LM 学習モデル
Claims (8)
- 医用画像に対して超解像処理を行う画像処理方法であって、
機械学習装置が、高解像度機械学習用画像を取得するステップと、
前記機械学習装置が、前記高解像度機械学習用画像のスケールを小さくすることにより、低解像度画像を取得するステップと、
前記機械学習装置が、前記低解像度画像に対してぼかし処理を行うことにより、低解像度機械学習用画像を取得するステップと、
前記機械学習装置が、前記高解像度機械学習用画像と、前記低解像度機械学習用画像とを用いて学習モデルの機械学習を行うステップと、
画像処理装置が、前記医用画像を取得するステップと、
前記画像処理装置が、学習済みの前記学習モデルによって、前記医用画像の解像度を、前記高解像度機械学習用画像の解像度よりも高くする超解像処理を行うステップと、を含み、
前記機械学習を行うステップは、前記機械学習装置が、前記高解像度機械学習用画像のスケールを小さくして前記低解像度画像を取得した後に、取得した前記低解像度画像に対してぼかし処理が行われた前記低解像度機械学習用画像に含まれる自己相似性を有する構造に基づく周波数成分のパターン、および、前記高解像度機械学習用画像に含まれる自己相似性を有する構造に基づく周波数成分のパターンに基づいて、前記高解像度機械学習用画像には含まれない高周波の周波数成分を推測することにより、前記医用画像の解像度を前記高解像度機械学習用画像よりも高解像度にすることを前記学習モデルに学習させる前記機械学習を行う、画像処理方法。 - 前記低解像度機械学習用画像を取得するステップは、前記機械学習装置が、前記低解像度画像に対して、解像度の低下を伴わないぼかし処理を行うことにより、前記低解像度機械学習用画像を取得する、請求項1に記載の画像処理方法。
- 前記低解像度機械学習用画像を取得するステップは、前記機械学習装置が、ぼかし処理として、前記低解像度画像に対して、被写体の境界部分の輝度値の変化をなだらかにする平滑化処理を行うことにより、前記低解像度機械学習用画像を取得する、請求項2に記載の画像処理方法。
- 前記高解像度機械学習用画像は、部分的な構造と全体の構造とが類似する自己相似性を有する構造が同一画像中に含まれる医用画像である、請求項1~3のいずれか1項に記載の画像処理方法。
- 前記高解像度機械学習用画像は、血管を撮像したX線画像である、請求項4に記載の画像処理方法。
- 前記高解像度機械学習用画像にノイズが含まれている場合に、前記機械学習装置が、前記高解像度機械学習用画像のノイズを除去するステップをさらに含み、
前記機械学習を行うステップは、前記機械学習装置が、前記低解像度機械学習用画像と、ノイズが除去された前記高解像度機械学習用画像とを用いて、前記学習モデルの前記機械学習を行う、請求項1~5のいずれか1項に記載の画像処理方法。 - 機械学習によって学習済みの学習モデルを用いて医用画像に対して超解像処理を行う画像処理装置であって、
高解像度機械学習用画像と、前記高解像度機械学習用画像のスケールを小さくするとともに、スケールを小さくした前記高解像度機械学習用画像に対してぼかし処理を行うことにより取得された低解像度機械学習用画像とを用いて学習された学習済みの前記学習モデルを記憶する記憶部と、
学習済みの前記学習モデルによって、取得した医用画像の解像度を、前記高解像度機械学習用画像の解像度よりも高くする超解像処理を行う超解像処理部と、を備え、
前記学習モデルは、前記高解像度機械学習用画像のスケールを小さくして低解像度画像を取得した後に、取得した前記低解像度画像に対してぼかし処理が行われた前記低解像度機械学習用画像に含まれる自己相似性を有する構造に基づく周波数成分のパターン、および、前記高解像度機械学習用画像に含まれる自己相似性を有する構造に基づく周波数成分のパターンに基づいて、前記高解像度機械学習用画像には含まれない高周波の周波数成分を推測することにより、前記医用画像の解像度を前記高解像度機械学習用画像よりも高解像度にすることを学習させる前記機械学習を行うことにより作成される、画像処理装置。 - 機械学習を利用することにより、医用画像に対して超解像処理を行うときに用いられる学習モデルを作成する学習モデル作成方法であって、
機械学習装置が、高解像度機械学習用画像と、前記高解像度機械学習用画像のスケールを小さくした低解像度画像に対してぼかし処理を行った低解像度機械学習用画像とを用いて、機械学習の学習を実行して学習モデルを作成するステップを含み、
前記機械学習を行うステップは、前記機械学習装置が、前記高解像度機械学習用画像のスケールを小さくして前記低解像度画像を取得した後に、取得した前記低解像度画像に対してぼかし処理が行われた前記低解像度機械学習用画像に含まれる自己相似性を有する構造に基づく周波数成分のパターン、および、前記高解像度機械学習用画像に含まれる自己相似性を有する構造に基づく周波数成分のパターンに基づいて、前記高解像度機械学習用画像には含まれない高周波の周波数成分を推測することにより、前記医用画像の解像度を前記高解像度機械学習用画像よりも高解像度にする前記学習を前記学習モデルに対して行う、学習モデル作成方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022043727A JP7405176B2 (ja) | 2018-06-05 | 2022-03-18 | 画像処理方法および画像処理装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018108080A JP2019212050A (ja) | 2018-06-05 | 2018-06-05 | 画像処理方法、画像処理装置および学習モデル作成方法 |
JP2022043727A JP7405176B2 (ja) | 2018-06-05 | 2022-03-18 | 画像処理方法および画像処理装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018108080A Division JP2019212050A (ja) | 2018-06-05 | 2018-06-05 | 画像処理方法、画像処理装置および学習モデル作成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022081653A JP2022081653A (ja) | 2022-05-31 |
JP7405176B2 true JP7405176B2 (ja) | 2023-12-26 |
Family
ID=68845320
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018108080A Pending JP2019212050A (ja) | 2018-06-05 | 2018-06-05 | 画像処理方法、画像処理装置および学習モデル作成方法 |
JP2022043727A Active JP7405176B2 (ja) | 2018-06-05 | 2022-03-18 | 画像処理方法および画像処理装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018108080A Pending JP2019212050A (ja) | 2018-06-05 | 2018-06-05 | 画像処理方法、画像処理装置および学習モデル作成方法 |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP2019212050A (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102246966B1 (ko) * | 2020-01-29 | 2021-04-30 | 주식회사 아티큐 | 신체의 목적 타겟 위치 확인 방법 |
CN111711750B (zh) * | 2020-06-05 | 2023-11-07 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像处理方法、装置、设备及介质 |
JP2022070035A (ja) * | 2020-10-26 | 2022-05-12 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
JP2022070036A (ja) * | 2020-10-26 | 2022-05-12 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
WO2023058468A1 (ja) * | 2021-10-04 | 2023-04-13 | 株式会社biomy | 情報処理装置及び情報処理方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007225100A (ja) | 2006-02-23 | 2007-09-06 | Masamichi Shima | フラクタル曲線とフラクタル歯車 |
JP2015129987A (ja) | 2014-01-06 | 2015-07-16 | 国立大学法人三重大学 | 医用高解像画像形成システムおよび方法。 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6778541B2 (ja) * | 2016-08-03 | 2020-11-04 | 日本放送協会 | 超解像装置及びプログラム |
-
2018
- 2018-06-05 JP JP2018108080A patent/JP2019212050A/ja active Pending
-
2022
- 2022-03-18 JP JP2022043727A patent/JP7405176B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007225100A (ja) | 2006-02-23 | 2007-09-06 | Masamichi Shima | フラクタル曲線とフラクタル歯車 |
JP2015129987A (ja) | 2014-01-06 | 2015-07-16 | 国立大学法人三重大学 | 医用高解像画像形成システムおよび方法。 |
Non-Patent Citations (2)
Title |
---|
我妻 大樹、外2名,"l2ノルムを用いた自己学習型超解像",電子情報通信学会技術研究報告 通信方式,一般社団法人電子情報通信学会,2013年03月07日,第112巻,第486号,p.57~61 |
柏原 考爾,"畳み込みニューラルネットワークによる静脈画像の超解像処理",電子情報通信学会技術研究報告,日本,一般社団法人電子情報通信学会,2016年08月18日,Vol.116, No.196,pp.39-44 |
Also Published As
Publication number | Publication date |
---|---|
JP2022081653A (ja) | 2022-05-31 |
JP2019212050A (ja) | 2019-12-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7405176B2 (ja) | 画像処理方法および画像処理装置 | |
JP3995854B2 (ja) | 画像処理方法および装置並びに記録媒体 | |
JP5331797B2 (ja) | 医用診断装置および医用診断装置の画質改善方法 | |
US8542944B2 (en) | Method and apparatus for multi-scale based dynamic range compression and noise suppression | |
JP5348145B2 (ja) | 画像処理装置および画像処理プログラム | |
JP2013235594A (ja) | 低解像度の入力データ構造の超解像度バージョンを生成する方法及び装置 | |
JP2010157163A (ja) | 画像処理方法および画像処理装置 | |
JP2012531790A (ja) | 多重フレームへのアプローチ方法および画像アップスケール処理システム | |
KR100860968B1 (ko) | 해상도 향상 장치 및 방법 | |
JP2013228798A (ja) | 画像処理装置、撮像装置、内視鏡、プログラム及び画像処理方法 | |
US9672596B2 (en) | Image processing apparatus to generate a reduced image of an endoscopic image | |
JP2001167264A (ja) | 画像処理方法および装置並びに記録媒体 | |
JP3973181B2 (ja) | 目的物の一連の放射線医学画像を処理する方法 | |
Akhtar et al. | A single image interpolation scheme for enhanced super resolution in bio-medical imaging | |
CN108022220B (zh) | 一种超声图像斑点噪声去除方法 | |
JP7106741B2 (ja) | 学習方法、学習装置、生成モデル及びプログラム | |
JP3730872B2 (ja) | 画像処理装置及び画像処理プログラム | |
Qin | An improved super resolution reconstruction method based on initial value estimation | |
JP4456096B2 (ja) | ノイズ除去方法および装置並びにプログラム | |
CN114677268A (zh) | X射线图像处理装置和x射线图像处理方法 | |
JP2021026592A (ja) | 画像処理方法、画像処理装置および学習モデル作成方法 | |
JP6383145B2 (ja) | 画像処理装置、画像処理装置の制御方法およびプログラム | |
JP4316106B2 (ja) | 画像処理方法および装置並びに記録媒体 | |
EP3150107A1 (en) | Image processing device | |
JP2007150581A (ja) | 輪郭強調回路及び輪郭強調方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220414 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220414 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20230526 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20230526 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230727 |
|
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: 20231114 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231127 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7405176 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |