JP7408467B2 - Medical image processing device and medical image processing method - Google Patents
Medical image processing device and medical image processing method Download PDFInfo
- Publication number
- JP7408467B2 JP7408467B2 JP2020066877A JP2020066877A JP7408467B2 JP 7408467 B2 JP7408467 B2 JP 7408467B2 JP 2020066877 A JP2020066877 A JP 2020066877A JP 2020066877 A JP2020066877 A JP 2020066877A JP 7408467 B2 JP7408467 B2 JP 7408467B2
- Authority
- JP
- Japan
- Prior art keywords
- medical image
- sampling points
- anatomical structure
- noise removal
- function
- 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 147
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000005070 sampling Methods 0.000 claims description 156
- 210000003709 heart valve Anatomy 0.000 claims description 116
- 210000003484 anatomy Anatomy 0.000 claims description 46
- 238000000605 extraction Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 38
- 239000000284 extract Substances 0.000 claims description 15
- 238000002604 ultrasonography Methods 0.000 claims description 7
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 190
- 238000012986 modification Methods 0.000 description 31
- 230000004048 modification Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 22
- 238000002591 computed tomography Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 210000000709 aorta Anatomy 0.000 description 4
- 210000001765 aortic valve Anatomy 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000013135 deep learning Methods 0.000 description 4
- 238000012805 post-processing Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000007429 general method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004115 mitral valve Anatomy 0.000 description 1
- 210000003102 pulmonary valve Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000591 tricuspid valve Anatomy 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Description
本明細書及び図面に開示の実施形態は、医用画像処理装置及び医用画像処理方法に関する。 Embodiments disclosed in this specification and the drawings relate to a medical image processing apparatus and a medical image processing method.
従来、X線CT(Computed Tomography)装置や超音波診断装置、磁気共鳴イメージング(Magnetic Resonance Imaging:MRI)装置等の医用画像診断装置によって得られた医用画像から特定の解剖構造を抽出する技術が知られている。この技術は、セグメンテーションとも呼ばれる。 Conventionally, techniques for extracting specific anatomical structures from medical images obtained by medical image diagnostic equipment such as X-ray CT (Computed Tomography) equipment, ultrasound diagnostic equipment, and Magnetic Resonance Imaging (MRI) equipment have been known. It is being This technique is also called segmentation.
本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、医用画像から解剖構造を抽出する精度を向上させることである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置付けることもできる。 One of the problems that the embodiments disclosed in this specification and drawings aim to solve is to improve the accuracy of extracting anatomical structures from medical images. However, the problems to be solved by the embodiments disclosed in this specification and the drawings are not limited to the above problems. Problems corresponding to each effect of each configuration shown in the embodiments described later can also be positioned as other problems.
実施形態に係る医用画像処理装置は、取得部と、設定部と、分類部と、抽出部とを備える。取得部は、医用画像を取得する。設定部は、前記医用画像における特定の解剖構造を含む領域に対してランダムにサンプリング点を設定する。分類部は、前記サンプリング点の中から前記解剖構造に対応するサンプリング点を分類する。抽出部は、分類されたサンプリング点を用いて、前記医用画像から前記解剖構造を抽出する。 The medical image processing apparatus according to the embodiment includes an acquisition section, a setting section, a classification section, and an extraction section. The acquisition unit acquires a medical image. The setting unit randomly sets sampling points in a region including a specific anatomical structure in the medical image. The classification unit classifies sampling points corresponding to the anatomical structure from among the sampling points. The extraction unit extracts the anatomical structure from the medical image using the classified sampling points.
以下、図面を参照しながら、医用画像処理装置及び医用画像処理方法の実施形態について詳細に説明する。 Embodiments of a medical image processing apparatus and a medical image processing method will be described in detail below with reference to the drawings.
(第1の実施形態)
図1は、第1の実施形態に係る医用画像処理装置の構成の一例を示す図である。
(First embodiment)
FIG. 1 is a diagram showing an example of the configuration of a medical image processing apparatus according to the first embodiment.
例えば、図1に示すように、本実施形態に係る医用画像処理装置100は、ネットワーク10を介して、医用画像診断装置20及び医用画像保管装置30と相互に通信可能に接続される。
For example, as shown in FIG. 1, a medical
医用画像診断装置20は、画像診断等に用いられる被検体(患者等)の医用画像を取得する。具体的には、医用画像診断装置20は、医用画像として、被検体の2次元画像や3次元画像(ボリュームデータとも呼ばれる)を生成する。例えば、医用画像診断装置20は、X線CT装置や超音波診断装置、MRI装置等である。 The medical image diagnostic apparatus 20 acquires medical images of a subject (patient, etc.) used for image diagnosis and the like. Specifically, the medical image diagnostic apparatus 20 generates a two-dimensional image or a three-dimensional image (also called volume data) of the subject as a medical image. For example, the medical image diagnostic device 20 is an X-ray CT device, an ultrasound diagnostic device, an MRI device, or the like.
医用画像保管装置30は、ネットワーク10を介して、医用画像診断装置20から医用画像を取得し、取得した医用画像を自装置内の記憶回路に記憶させる。例えば、医用画像保管装置30は、サーバやワークステーション等のコンピュータ機器によって実現される。
The medical
医用画像処理装置100は、ネットワーク10を介して、医用画像診断装置20又は医用画像保管装置30から医用画像を取得し、取得した医用画像に対して各種画像処理を行う。例えば、医用画像処理装置100は、サーバやワークステーション、パーソナルコンピュータ、タブレット端末等のコンピュータ機器によって実現される。
The medical
具体的には、医用画像処理装置100は、ネットワーク(NetWork:NW)インタフェース110、記憶回路120、入力インタフェース130、ディスプレイ140、及び処理回路150を有する。
Specifically, the medical
NWインタフェース110は、ネットワーク10を介して接続された他の装置と医用画像処理装置100との間で送受信される各種データの伝送及び通信を制御する。具体的には、NWインタフェース110は、処理回路150に接続されており、医用画像診断装置20又は医用画像保管装置30から受信した医用画像を処理回路150に出力する。例えば、NWインタフェース110は、ネットワークカードやネットワークアダプタ、NIC(Network Interface Controller)等によって実現される。
The NW interface 110 controls transmission and communication of various data sent and received between the medical
記憶回路120は、各種データや各種プログラム等を記憶する。具体的には、記憶回路120は、処理回路150に接続されており、処理回路150から送られる命令に応じて、入力された医用画像を記憶し、又は、記憶している医用画像を処理回路150に出力する。例えば、記憶回路120は、RAM(Random Access Memory)、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。 The storage circuit 120 stores various data, various programs, and the like. Specifically, the storage circuit 120 is connected to the processing circuit 150, and stores input medical images or transfers the stored medical images to the processing circuit according to commands sent from the processing circuit 150. Output to 150. For example, the memory circuit 120 is realized by a semiconductor memory element such as a RAM (Random Access Memory) or a flash memory, a hard disk, an optical disk, or the like.
入力インタフェース130は、操作者から各種指示及び各種情報の入力操作を受け付ける。具体的には、入力インタフェース130は、処理回路150に接続されており、操作者から受け取った入力操作を電気信号へ変換して処理回路150に出力する。例えば、入力インタフェース130は、トラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力インタフェース、及び音声入力インタフェース等によって実現される。なお、本明細書において、入力インタフェース130は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インタフェース130の例に含まれる。 The input interface 130 receives various instructions and input operations for various information from the operator. Specifically, the input interface 130 is connected to the processing circuit 150 , converts an input operation received from an operator into an electrical signal, and outputs the electrical signal to the processing circuit 150 . For example, the input interface 130 may include a trackball, a switch button, a mouse, a keyboard, a touchpad that performs input operations by touching the operation surface, a touchscreen that integrates a display screen and a touchpad, and a non-control device that uses an optical sensor. This is realized by a touch input interface, a voice input interface, etc. Note that in this specification, the input interface 130 is not limited to one that includes physical operation parts such as a mouse and a keyboard. For example, examples of the input interface 130 include an electrical signal processing circuit that receives an electrical signal corresponding to an input operation from an external input device provided separately from the device and outputs this electrical signal to a control circuit.
ディスプレイ140は、各種情報及び各種データを表示する。具体的には、ディスプレイ140は、処理回路150に接続されており、処理回路150から出力される各種情報及び各種データを表示する。例えば、ディスプレイ140は、液晶モニタやCRT(Cathode Ray Tube)モニタ、タッチパネル等によって実現される。 The display 140 displays various information and data. Specifically, the display 140 is connected to the processing circuit 150 and displays various information and data output from the processing circuit 150. For example, the display 140 is realized by a liquid crystal monitor, a CRT (cathode ray tube) monitor, a touch panel, or the like.
処理回路150は、入力インタフェース130を介して操作者から受け付けた入力操作に応じて、医用画像処理装置100の構成要素を制御する。例えば、処理回路150は、NWインタフェース110から出力される医用画像を記憶回路120に記憶させる。また、例えば、処理回路150は、記憶回路120から医用画像を読み出し、ディスプレイ140に表示する。
The processing circuit 150 controls the components of the medical
以上、本実施形態に係る医用画像処理装置100の全体構成について説明した。上述した構成のもと、本実施形態に係る医用画像処理装置100は、医用画像診断装置20によって得られた医用画像から特定の解剖構造を抽出する機能を有している。
The overall configuration of the medical
例えば、大動脈弁弁膜症の診断や治療計画立案が行われる際には、医師又は技師によって大動脈弁の形状に関する指標の計測が行われる。ここでいう形状に関する指標は、例えば、大動脈弁に含まれる各弁(右冠尖、左冠尖、無冠尖)の自由縁の長さや弁葉の面積等である。このような指標が計測される場合には、一般的に、医用画像処理装置によって、医用画像から大動脈の各弁を抽出する処理が行われる。 For example, when diagnosing or formulating a treatment plan for aortic valve valvular disease, a doctor or technician measures an index related to the shape of the aortic valve. The shape-related index mentioned here is, for example, the length of the free edge of each valve (right coronary cusp, left coronary cusp, non-coronary cusp) included in the aortic valve, the area of the valve leaflet, etc. When such an index is measured, a medical image processing apparatus generally performs a process of extracting each valve of the aorta from the medical image.
図2は、第1の実施形態の比較例となる大動脈の各弁の抽出の一例を示す図である。 FIG. 2 is a diagram showing an example of extraction of each valve of the aorta, which is a comparative example of the first embodiment.
例えば、図2に示すように、一般的な手法では、医用画像(臨床画像等)のピクセル又はボクセルによって構成される各格子点に対して等間隔にサンプリング点が設定される。その後、各サンプリング点について、弁であるか、弁以外であるか、弁であれば、右冠尖、左冠尖及び無冠尖のいずれの弁であるかの分類が行われる。そして、分類されたサンプリング点群が表面データに変換されることで、大動脈の各弁が抽出される。 For example, as shown in FIG. 2, in a general method, sampling points are set at equal intervals for each grid point formed by pixels or voxels of a medical image (such as a clinical image). Thereafter, each sampling point is classified as whether it is a valve or a valve other than a valve, and if it is a valve, it is classified as a right coronary leaflet, a left coronary leaflet, or a valve without a crown leaflet. Then, each valve of the aorta is extracted by converting the classified sampling point group into surface data.
ここで、上述した手法では、医用画像の種類によって、解剖構造を抽出する精度が低くなる場合がある。具体的には、画像に含まれる周波数成分の周期性が強調されるような画像生成方法によって生成された医用画像が用いられる場合に、解剖構造を抽出する精度が低くなることがあり得る。 Here, with the above-described method, the accuracy of extracting anatomical structures may be lower depending on the type of medical image. Specifically, when a medical image generated by an image generation method that emphasizes the periodicity of frequency components included in the image is used, the accuracy of extracting anatomical structures may be lowered.
一例として、例えば、X線CT装置では、被検体にX線を照射するX線源と、被検体内部を通過したX線を検出する検出器とを被検体を中心とした円軌道上で回転移動させ、各回転角で検出されたX線の分布に対してフーリエ変換を行うことで、画像が生成される。このようなフーリエ変換を用いた画像生成方法では、複数の周波数成分の組み合わせによって、画像が構成される。 For example, in an X-ray CT device, an X-ray source that irradiates a subject with X-rays and a detector that detects the X-rays that have passed through the subject rotate on a circular orbit centered on the subject. An image is generated by moving and performing Fourier transform on the distribution of X-rays detected at each rotation angle. In such an image generation method using Fourier transform, an image is constructed by a combination of a plurality of frequency components.
図3は、第1の実施形態の比較例に関連するフーリエ変換を用いた画像生成方法を説明するための図である。 FIG. 3 is a diagram for explaining an image generation method using Fourier transform related to a comparative example of the first embodiment.
例えば、図3に示すように、フーリエ変換を用いた画像生成方法では、フーリエ展開(フーリエ級数展開)によって、X線の分布を示す信号の波形が正弦波で表される複数の周波数成分(4.0×sinθ、0.5×sin2θ、2.0×sin3θ、1.0×sin4θ等)に展開され、各周波数成分の振幅の大きさに基づいて画像が生成される。この場合に、X線の分布を示す信号の波形は多数の波形に展開され得るが、現実には、処理時間を短縮するために、振幅の大きい周波数成分のみが画像の生成に利用され、振幅の小さい周波数成分は切り捨てられる。 For example, as shown in FIG. 3, in an image generation method using Fourier transform, the waveform of a signal indicating the distribution of X-rays is divided into multiple frequency components (4 .0×sinθ, 0.5×sin2θ, 2.0×sin3θ, 1.0×sin4θ, etc.), and an image is generated based on the magnitude of the amplitude of each frequency component. In this case, the waveform of the signal indicating the distribution of X-rays can be expanded into many waveforms, but in reality, in order to shorten processing time, only frequency components with large amplitudes are used to generate images, and Frequency components with small values are truncated.
このように、フーリエ変換を用いた画像生成方法では、複数の周波数成分の組み合わせによって画像が構成されるため、画像に含まれる周波数成分の周期性が過度に強調されてしまうことがあり得る。そのため、例えば、検出器によって検出されたX線を示す信号にノイズが混入した場合には、ノイズを表す周波数成分の周期性が強調されることもあり、その結果、画像内で周期性を有する誤差が生じることになる。そして、この誤差によって、医用画像から解剖構造を抽出する精度が低くなることがあり得る。 In this way, in the image generation method using Fourier transform, since an image is constructed by a combination of a plurality of frequency components, the periodicity of the frequency components included in the image may be excessively emphasized. Therefore, for example, if noise is mixed into a signal indicating X-rays detected by a detector, the periodicity of the frequency component representing the noise may be emphasized, and as a result, periodic An error will occur. This error may reduce the accuracy of extracting anatomical structures from medical images.
このようなことから、本実施形態に係る医用画像処理装置100は、医用画像から解剖構造を抽出する精度を向上させることができるように構成されている。
For this reason, the medical
以下、このような構成を有する医用画像処理装置100について詳細に説明する。なお、以下では、医用画像から抽出する特定の解剖構造が心臓弁である場合の例を説明する。ここで、心臓弁は、大動脈弁に含まれる弁であってもよいし、僧帽弁や三尖弁、肺動脈弁に含まれる弁であってもよい。
The medical
図1に戻って、具体的には、本実施形態では、処理回路150が、取得機能151と、特定機能152と、設定機能153と、分類機能154と、抽出機能155とを有する。ここで、取得機能151は、取得部の一例である。また、特定機能152は、特定部の一例である。また、設定機能153は、設定部の一例である。また、分類機能154は、分類部の一例である。また、抽出機能155は、抽出部の一例である。
Returning to FIG. 1, specifically, in this embodiment, the processing circuit 150 includes an
取得機能151は、医用画像を取得する。具体的には、取得機能151は、NWインタフェース110を介して、医用画像診断装置20又は医用画像保管装置30から医用画像を取得する。そして、取得機能151は、取得した医用画像を記憶回路120に記憶させる。
The
特定機能152は、取得機能151によって取得された医用画像上で心臓弁を含む領域を特定する。具体的には、特定機能152は、取得機能151によって取得された医用画像を記憶回路120から読み出し、読み出した医用画像上で心臓弁を含む領域を特定する。ここで、医用画像上で心臓弁を含む領域を特定する方法としては、公知の各種の領域抽出方法を用いることが可能である。
The identification function 152 identifies a region including a heart valve on the medical image acquired by the
設定機能153は、取得機能151によって取得された医用画像における心臓弁を含む領域に対してランダムにサンプリング点を設定する。具体的には、設定機能153は、特定機能152によって医用画像上で特定された心臓弁を含む領域に対してランダムにサンプリング点を設定する。
The
分類機能154は、設定機能153によって設定されたサンプリング点の中から心臓弁に対応するサンプリング点を分類する。具体的には、分類機能154は、設定機能153によって心臓弁を含む領域に対して設定された各サンプリング点について、取得機能151によって取得された医用画像における当該サンプリング点が設定された位置の画素が心臓弁に対応するか否かを判別することで、心臓弁に対応するサンプリング点を分類する。
The classification function 154 classifies sampling points corresponding to heart valves from among the sampling points set by the
抽出機能155は、分類機能154によって分類された心臓弁に対応するサンプリング点を用いて、医用画像から心臓弁を抽出する。例えば、抽出機能155は、分類機能154によって分類されたサンプリング点群を表面データに変換することで、医用画像から心臓弁を抽出する。そして、抽出機能155は、抽出された心臓弁をディスプレイ140に表示する。このとき、例えば、抽出機能155は、心臓弁41の抽出結果に基づいて、心臓弁の形状に関する指標(各弁の自由縁の長さや弁葉の面積等)を計測し、計測した指標をディスプレイ140にさらに表示してもよい。
The extraction function 155 extracts heart valves from the medical image using the sampling points corresponding to the heart valves classified by the classification function 154. For example, the extraction function 155 extracts heart valves from the medical image by converting the sampling point group classified by the classification function 154 into surface data. The extraction function 155 then displays the extracted heart valves on the display 140. At this time, for example, the extraction function 155 measures an index related to the shape of the heart valve (such as the length of the free edge of each valve or the area of the valve leaflet) based on the extraction result of the
図4は、第1の実施形態に係る医用画像処理装置100によって行われる心臓弁の抽出の一例を示す図である。
FIG. 4 is a diagram illustrating an example of heart valve extraction performed by the medical
例えば、図4の(a)に示すように、本実施形態では、取得機能151が、心臓弁41が撮像された医用画像42を取得する。例えば、医用画像42は、X線CT装置によって得られたCT画像や、超音波診断装置によって得られた超音波画像、MRI装置によって得られたMR画像等である。なお、図4に示す例では、医用画像42に含まれるボクセルのうち、心臓弁41を表すボクセル44のみを示している。
For example, as shown in FIG. 4A, in this embodiment, the
また、特定機能152が、取得機能151によって取得された医用画像42上で、心臓弁41を含む領域43を特定する。例えば、特定機能152は、医用画像42上で、心臓弁41を包含する領域43を大まかに特定する。この場合、心臓弁41を包含する領域43には、心臓弁41の領域に加え、心臓弁41以外の領域のうちの心臓弁41の周辺にある一部の領域が含まれる。
Further, the specifying function 152 specifies a
そして、設定機能153が、特定機能152によって医用画像42上で特定された心臓弁41を含む領域43に対してランダムにサンプリング点を設定する。ここで、設定機能153は、心臓弁41を含む領域43に対して、図4の(b)に示すように、医用画像42のボクセルによって構成される各格子点に対して等間隔にサンプリング点を設定するのではなく、図4の(c)に示すように、ランダムにサンプリング点を設定する。例えば、図4に示す例では、サンプリング点を●及び○で示している。
Then, the
その後、分類機能154が、設定機能153によって設定された各サンプリング点について、当該サンプリング点が設定された位置のボクセル44が心臓弁41に対応するか否かを判別することで、心臓弁41に対応するサンプリング点を分類する。例えば、図4に示す例では、心臓弁41に対応すると分類されたサンプリング点を○で示し、心臓弁に対応しないと分類されたサンプリング点を●で示している。
Thereafter, the classification function 154 determines, for each sampling point set by the
そして、抽出機能155が、分類機能154によって心臓弁41に対応するものとして分類されたサンプリング点を用いて、医用画像42から心臓弁41を抽出する。
Then, the extraction function 155 extracts the
以上、処理回路150が有する各処理機能について説明した。ここで、例えば、処理回路150は、プロセッサによって実現される。その場合に、上述した各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路120に記憶される。そして、処理回路150は、記憶回路120に記憶された各プログラムを読み出して実行することで、各プログラムに対応する機能を実現する。換言すると、処理回路150は、各プログラムを読み出した状態で、図1に示した各処理機能を有することとなる。 Each processing function that the processing circuit 150 has has been described above. Here, for example, the processing circuit 150 is realized by a processor. In that case, each of the processing functions described above is stored in the storage circuit 120 in the form of a computer-executable program. Then, the processing circuit 150 reads and executes each program stored in the storage circuit 120, thereby realizing a function corresponding to each program. In other words, the processing circuit 150 has each processing function shown in FIG. 1 in a state where each program is read.
なお、処理回路150は、複数の独立したプロセッサを組み合わせて構成され、各プロセッサがプログラムを実行することによって各処理機能を実現するものとしてもよい。また、処理回路150が有する各処理機能は、単一又は複数の処理回路に適宜に分散又は統合されて実現されてもよい。また、処理回路150が有する各処理機能は、回路等のハードウェアとソフトウェアとの混合によって実現されても構わない。また、ここでは、各処理機能に対応するプログラムが単一の記憶回路120に記憶される場合の例を説明したが、実施形態はこれに限られない。例えば、各処理機能に対応するプログラムが複数の記憶回路が分散して記憶され、処理回路150が、各記憶回路から各プログラムを読み出して実行する構成としても構わない。 Note that the processing circuit 150 may be configured by combining a plurality of independent processors, and each processor may implement each processing function by executing a program. Further, each processing function of the processing circuit 150 may be realized by being appropriately distributed or integrated into a single or multiple processing circuits. Moreover, each processing function that the processing circuit 150 has may be realized by a mixture of hardware such as a circuit and software. Further, although an example has been described here in which programs corresponding to each processing function are stored in a single storage circuit 120, the embodiment is not limited to this. For example, a configuration may be adopted in which programs corresponding to each processing function are stored in a distributed manner in a plurality of storage circuits, and the processing circuit 150 reads each program from each storage circuit and executes it.
図5は、本実施形態に係る医用画像処理装置100の処理回路150が有する各処理機能によって行われる処理の処理手順を示すフローチャートである。
FIG. 5 is a flowchart showing a processing procedure of processing performed by each processing function included in the processing circuit 150 of the medical
例えば、図5に示すように、本実施形態では、取得機能151が、入力インタフェース130を介して、操作者から処理を開始する指示を受け付けた場合に(ステップS101,Yes)、医用画像診断装置20又は医用画像保管装置30から医用画像を取得する(ステップS102)。この処理は、例えば、処理回路150が、取得機能151に対応する所定のプログラムを記憶回路120から呼び出して実行することにより実現される。
For example, as shown in FIG. 5, in this embodiment, when the
続いて、特定機能152が、取得機能151によって取得された医用画像上で心臓弁を含む領域を特定する(ステップS103)。この処理は、例えば、処理回路150が、特定機能152に対応する所定のプログラムを記憶回路120から呼び出して実行することにより実現される。 Subsequently, the specifying function 152 specifies a region including the heart valve on the medical image obtained by the obtaining function 151 (step S103). This processing is realized, for example, by the processing circuit 150 calling a predetermined program corresponding to the specific function 152 from the storage circuit 120 and executing it.
続いて、設定機能153が、特定機能152によって医用画像上で特定された心臓弁を含む領域に対してランダムにサンプリング点を設定する(ステップS104)。この処理は、例えば、処理回路150が、設定機能153に対応する所定のプログラムを記憶回路120から呼び出して実行することにより実現される。
Subsequently, the
続いて、分類機能154が、設定機能153によって設定されたサンプリング点の中から心臓弁に対応するサンプリング点を分類する(ステップS105)。この処理は、例えば、処理回路150が、分類機能154に対応する所定のプログラムを記憶回路120から呼び出して実行することにより実現される。 Subsequently, the classification function 154 classifies sampling points corresponding to heart valves from among the sampling points set by the setting function 153 (step S105). This processing is realized, for example, by the processing circuit 150 calling a predetermined program corresponding to the classification function 154 from the storage circuit 120 and executing it.
続いて、抽出機能155が、分類機能154によって分類された心臓弁に対応するサンプリング点を用いて、医用画像から心臓弁を抽出し(ステップS106)、抽出された心臓弁をディスプレイ140に表示する(ステップS107)。この処理は、例えば、処理回路150が、抽出機能155に対応する所定のプログラムを記憶回路120から呼び出して実行することにより実現される。 Next, the extraction function 155 extracts heart valves from the medical image using the sampling points corresponding to the heart valves classified by the classification function 154 (step S106), and displays the extracted heart valves on the display 140. (Step S107). This processing is realized, for example, by the processing circuit 150 calling a predetermined program corresponding to the extraction function 155 from the storage circuit 120 and executing it.
上述した構成によれば、以下で説明するように、医用画像から心臓弁を抽出する精度を向上させることができる。 According to the above-described configuration, the accuracy of extracting heart valves from medical images can be improved, as described below.
図6及び7は、第1の実施形態に係る医用画像処理装置100によって得られる効果を説明するための図である。
6 and 7 are diagrams for explaining the effects obtained by the medical
例えば、CT画像や超音波画像、MR画像等の医用画像は、一般的に、フーリエ変換を用いた画像生成方法によって生成されるため、ノイズを表す周波数成分の周期性が強調されることがあり得る。その結果、画像内で周期性を有する誤差が生じることになり、医用画像から心臓弁を抽出する精度が低くなることがあり得る。 For example, medical images such as CT images, ultrasound images, and MR images are generally generated using an image generation method that uses Fourier transform, so the periodicity of frequency components representing noise may be emphasized. obtain. As a result, periodic errors will occur within the image, which may reduce the accuracy with which heart valves are extracted from medical images.
例えば、図6の左側に示すように、医用画像の基になる信号61が正常な場合(ノイズが混入しない場合)には、フーリエ展開によって、当該信号を表す周波数成分62のみが展開される。しかしながら、例えば、図6の右側に示すように、医用画像の基になる信号63にノイズが混入した場合には(ノイズが混入した波形を一点鎖線で示す)、正常な場合に展開される周波数成分64の他に、ノイズの周波数成分65が現れる。これにより、医用画像に周期性を有する誤差が生じることになる。
For example, as shown on the left side of FIG. 6, when the
このような場合に、例えば、図7の左側に示すように、医用画像に対してサンプリング点を等間隔に設定した場合には、サンプリング点が周期的に配置されるため、サンプリング点の周波数とノイズの周波数とが一致することがあり得る。その場合には、サンプリング点の分類における誤差が大きくなってしまう。 In such a case, for example, if sampling points are set at equal intervals on the medical image as shown on the left side of FIG. 7, the sampling points are arranged periodically, so the frequency of the sampling points and It is possible that the frequency of the noise matches. In that case, the error in classifying the sampling points becomes large.
これに対し、第1の実施形態では、図7の右側に示すように、医用画像に対してサンプリング点がランダムに設定されるため、サンプリング点が非周期的に配置されることになる。これにより、サンプリング点の周波数とノイズの周波数とが一致することがほぼなくなるため、サンプリング点の分類における誤差を減らすことができる。この結果、第1の実施形態によれば、医用画像から心臓弁を抽出する精度を向上させることができる。 On the other hand, in the first embodiment, as shown on the right side of FIG. 7, the sampling points are randomly set for the medical image, so the sampling points are arranged aperiodically. As a result, the frequency of the sampling point and the frequency of the noise almost never match, so that errors in classification of the sampling point can be reduced. As a result, according to the first embodiment, the accuracy of extracting heart valves from medical images can be improved.
以上、第1の実施形態について説明したが、上述した実施形態は、医用画像処理装置100が備える構成の一部を適宜に変更して実施することも可能である。そこで、以下では、第1の実施形態に関する変形例について説明する。
Although the first embodiment has been described above, the above-described embodiment can also be implemented by appropriately changing a part of the configuration of the medical
(第1の実施形態の第1の変形例)
例えば、第1の変形例として、医用画像における心臓弁を含む領域内で、ランダムに設定されるサンプリング点の粗密の程度を変えるようにしてもよい。
(First modification of the first embodiment)
For example, as a first modification, the degree of sparseness of randomly set sampling points may be changed within a region including a heart valve in a medical image.
具体的には、設定機能153が、取得機能151によって取得された医用画像における解剖構造(一例として2つの心臓弁を示す)が密集するか否かに応じてサンプリング点を密にあるいは粗く設定する。
Specifically, the
図8は、第1の実施形態の第1の変形例に係る医用画像処理装置100によって行われる心臓弁の抽出の一例を示す図である。
FIG. 8 is a diagram illustrating an example of heart valve extraction performed by the medical
例えば、図8の(a)に示すように、本変形例では、取得機能151が、2つの心臓弁81が撮像された医用画像82を取得する。なお、図8に示す例では、医用画像82に含まれるボクセルのうち、2つの心臓弁81を表すボクセル88のみを示している。
For example, as shown in FIG. 8A, in this modification, the
また、特定機能152が、取得機能151によって取得された医用画像82上で、2つの心臓弁81を含む領域83を特定する。例えば、特定機能152は、医用画像82上で、2つの心臓弁81を包含する領域83を大まかに特定する。この場合、2つの心臓弁81を包含する領域83には、心臓弁81の領域に加え、心臓弁81以外の領域のうちの心臓弁81の周辺にある一部の領域が含まれる。
Further, the specifying function 152 specifies a
そして、設定機能153が、特定機能152によって医用画像82上で特定された心臓弁81を含む領域83に対してランダムにサンプリング点を設定する。ここで、設定機能153は、心臓弁81を含む領域83に対して、図8の(b)に示すように、医用画像42のボクセルによって構成される各格子点に対して等間隔にサンプリング点を設定するのではなく、図8の(c)に示すように、ランダムにサンプリング点を設定する。
Then, the
このとき、本変形例では、設定機能153は、心臓弁81を含む領域83に、当該領域83内の他の領域と比べて心臓弁が密集している領域が含まれているか否かを判定する。そして、設定機能153は、他の領域と比べて心臓弁が密集している領域が含まれている場合に、当該領域に対して、他の領域と比べてサンプリング点を密に設定する。すなわち、設定機能153は、心臓弁の抽出が難しい領域については、他の領域と比べて、単位面積当たりに配置されるサンプリング点の数を多くする。
At this time, in this modification, the
例えば、設定機能153は、心臓弁81を含む領域83に、密集する領域として2つの心臓弁81が接合する部分である接合部が含まれているか否かを判定する。接合部の付近では、2つの心臓弁81が重なることや接することがあるため、一般的に、各心臓弁を別々に抽出することが難しい。そこで、設定機能153は、心臓弁81を含む領域83に接合部が含まれている場合には、当該接合部を含む領域に対して、心臓弁81を含む領域83内の他の領域と比べてサンプリング点を密に設定する。例えば、図8の(c)に示すように、設定機能153は、心臓弁81を含む領域83内で、接合部を含まない領域にはサンプリング点を粗に設定し、接合部を含む領域にはサンプリング点を密に設定する。
For example, the
その後は、第1の実施形態と同様に、分類機能154が、設定機能153によって設定された各サンプリング点について、当該サンプリング点が設定された位置のボクセル84が心臓弁81に対応するか否かを判別することで、心臓弁81に対応するサンプリング点を分類する。また、抽出機能155が、分類機能154によって心臓弁81に対応するものとして分類されたサンプリング点を用いて、医用画像82から心臓弁81を抽出する。
After that, similarly to the first embodiment, the classification function 154 determines, for each sampling point set by the
上述した第1の変形例によれば、医用画像における心臓弁を含む領域の全体にわたってサンプリング点を粗に設定する場合と比べて、心臓弁を抽出する精度を向上させることができる。また、医用画像における心臓弁を含む領域の全体にわたってサンプリング点を密に設定する場合と比べて、心臓弁の抽出に係る処理時間を短縮することができる。 According to the first modification described above, the accuracy of extracting a heart valve can be improved compared to the case where sampling points are roughly set over the entire region including the heart valve in a medical image. Further, compared to the case where sampling points are set densely over the entire region including the heart valve in a medical image, the processing time for extracting the heart valve can be shortened.
(第1の実施形態の第2の変形例)
また、例えば、第2の変形例として、医用画像における心臓弁を含む領域に対するサンプリング点の設定及びサンプリング点の分類を複数回行うことで、複数の分類結果に基づいて、心臓弁を抽出するようにしてもよい。
(Second modification of the first embodiment)
For example, as a second modified example, by setting sampling points for a region including a heart valve in a medical image and classifying the sampling points multiple times, a heart valve can be extracted based on multiple classification results. You can also do this.
具体的には、設定機能153が、取得機能151によって取得された医用画像における心臓弁を含む領域に対してサンプリング点をランダムに設定する処理を複数回行うことで、複数のサンプリング結果を導出する。また、分類機能154が、設定機能153によって導出された複数のサンプリング結果それぞれについて、心臓弁に対応するサンプリング点を分類することで、複数の分類結果を導出する。また、抽出機能155が、分類機能154によって導出された複数の分類結果に基づいて、医用画像から心臓弁を抽出する。
Specifically, the
図9は、第1の実施形態の第2の変形例に係る医用画像処理装置100によって行われる心臓弁の抽出の一例を示す図である。
FIG. 9 is a diagram illustrating an example of heart valve extraction performed by the medical
例えば、図9の(a)に示すように、本変形例では、取得機能151が、心臓弁91が撮像された医用画像92を取得する。なお、図9に示す例では、医用画像92に含まれるボクセルのうち、心臓弁91を表すボクセル94のみを示している。
For example, as shown in FIG. 9A, in this modification, the
また、特定機能152が、取得機能151によって取得された医用画像92上で、心臓弁91を含む領域93を特定する。例えば、特定機能152は、医用画像92上で、心臓弁91を包含する領域93を大まかに特定する。この場合、心臓弁91を包含する領域93には、心臓弁91の領域に加え、心臓弁91以外の領域のうちの心臓弁91の周辺にある一部の領域が含まれる。
Further, the specifying function 152 specifies a
そして、設定機能153が、特定機能152によって医用画像92上で特定された心臓弁91を含む領域93に対してランダムにサンプリング点を設定する。
Then, the
このとき、本変形例では、設定機能153は、図9の(b1)~(b3)に示すように、医用画像42における心臓弁91を含む領域93に対してサンプリング点をランダムに設定する処理を複数回行うことで、複数のサンプリング結果を導出する。
At this time, in this modification, the
その後、分類機能154が、設定機能153によって設定された各サンプリング点について、当該サンプリング点が設定された位置のボクセル94が心臓弁91に対応するか否かを判別することで、心臓弁91に対応するサンプリング点を分類する。
Thereafter, the classification function 154 determines, for each sampling point set by the
このとき、本変形例では、分類機能154は、図9の(b1)~(b3)に示すように、設定機能153によって導出された複数のサンプリング結果それぞれについて、心臓弁91に対応するサンプリング点を分類することで、複数の分類結果を導出する。
At this time, in this modification, the classification function 154 selects sampling points corresponding to the
そして、本変形例では、抽出機能155が、分類機能154によって導出された複数の分類結果に基づいて、医用画像92から心臓弁91を抽出する。ここで、抽出機能155は、図9の(c)に示すように、複数の分類結果に基づいて最終的な分類結果を決定する。例えば、抽出機能155は、複数の分類結果の中から心臓弁の標準的な形状に最も類似した形状を示す分類結果を選択することによって、最終的な分類結果を決定する。または、例えば、抽出機能155は、複数の分類結果から平均的な分布を算出することによって、最終的な分類結果を決定してもよい。そして、抽出機能155は、決定した最終的な分類結果を用いて、医用画像92から心臓弁91を抽出する。
In this modification, the extraction function 155 extracts the
上述した第2の変形例によれば、複数の分類結果から弁の形状を抽出することによって、心臓弁を抽出する精度をさらに向上させることができる。 According to the second modification described above, by extracting the shape of the valve from a plurality of classification results, it is possible to further improve the accuracy of extracting the heart valve.
(第2の実施形態)
なお、上述した第1の実施形態及び変形例では、医用画像診断装置20又は医用画像保管装置30から取得した医用画像に対して直接サンプリング点を設定する場合の例を説明したが、実施形態はこれに限られない。例えば、医用画像を用いた診断等が行われる際には、医用画像に対してノイズ除去処理等の後処理が行われることもある。その場合には、ノイズ除去処理が行われた後の医用画像の状態に応じて、サンプリング点の設定が調整されるようにしてもよい。以下では、このような例を第2の実施形態として説明する。なお、第2の実施形態では、第1の実施形態と異なる点を中心に説明し、第1の実施形態と共通する構成要素については同じ符号を付すこととして詳細な説明を省略する。
(Second embodiment)
Note that in the first embodiment and the modified example described above, an example was described in which sampling points are directly set for a medical image acquired from the medical image diagnostic apparatus 20 or the medical
図10は、第2の実施形態に係る医用画像処理装置の構成の一例を示す図である。 FIG. 10 is a diagram illustrating an example of the configuration of a medical image processing apparatus according to the second embodiment.
例えば、図10に示すように、本実施形態では、医用画像処理装置200の処理回路250が、取得機能151と、特定機能252と、設定機能253と、分類機能154と、抽出機能155と、ノイズ除去機能256とを有する。ここで、特定機能252は、特定部の他の一例である。また、設定機能253は、設定部の他の一例である。また、ノイズ除去機能256は、ノイズ除去部の一例である。
For example, as shown in FIG. 10, in this embodiment, the processing circuit 250 of the medical image processing apparatus 200 includes an
本実施形態では、ノイズ除去機能256が、取得機能151によって取得された医用画像に対してノイズ除去処理を行う。具体的には、ノイズ除去機能256は、取得機能151によって取得された医用画像を記憶回路120から読み出し、読み出した医用画像に対してノイズ除去処理を行う。ここで、医用画像に対してノイズ除去処理を行う方法としては、公知の各種のノイズ除去方法を用いることが可能である。そして、ノイズ除去機能256は、ノイズ除去処理が行われた医用画像を記憶回路120に記憶させる。
In this embodiment, the noise removal function 256 performs noise removal processing on the medical image acquired by the
また、本実施形態では、特定機能252が、ノイズ除去機能256によって取得された医用画像上で心臓弁を含む領域を特定する。具体的には、特定機能252は、ノイズ除去機能256によってノイズ除去処理が行われた医用画像を記憶回路120から読み出し、読み出した医用画像上で心臓弁を含む領域を特定する。ここで、医用画像上で心臓弁を含む領域を特定する方法としては、公知の各種の領域抽出方法を用いることが可能である。
Further, in this embodiment, the
また、本実施形態では、設定機能253が、特定機能252によって医用画像上で特定された心臓弁を含む領域に対してランダムにサンプリング点を設定する。
Further, in this embodiment, the setting function 253 randomly sets sampling points for the region including the heart valve specified on the medical image by the specifying
このとき、本実施形態では、設定機能253は、ノイズ除去機能256によってノイズ除去処理が行われ医用画像を周波数が異なる複数の信号に変換し、当該複数の信号のうち、振幅が大きい所定数の信号の周期と対応する間隔で配置されるサンプリング点の数が他の周期と対応する間隔で配置されるサンプリング点の数より少なくなるように、ランダムに設定されるサンプリング点の数を調整する。 At this time, in the present embodiment, the setting function 253 performs noise removal processing by the noise removal function 256 and converts the medical image into a plurality of signals having different frequencies, and selects a predetermined number of signals having large amplitudes from among the plurality of signals. The number of randomly set sampling points is adjusted so that the number of sampling points arranged at intervals corresponding to the period of the signal is smaller than the number of sampling points arranged at intervals corresponding to other periods.
図11は、第2の実施形態に係る医用画像処理装置200によって行われるサンプリング点の設定の一例を示す図である。 FIG. 11 is a diagram illustrating an example of setting sampling points performed by the medical image processing apparatus 200 according to the second embodiment.
例えば、図11に示すように、本実施形態では、設定機能253が、ノイズ除去処理が行われた後の医用画像を周波数が異なる複数の信号に変換し、変換された複数の信号の中で周期が大きい順に所定数の信号を特定する。例えば、設定機能253は、周期A1の信号、周期A2の信号及び周期A3の信号の3つの信号を特定する。その後、設定機能253は、特定した各信号の周期と対応する間隔で配置されるサンプリング点が他の周期と対応する間隔で配置されるサンプリング点の数より少なくなるように、心臓弁を含む領域に対して設定されるサンプリング点の数を決定する。そして、設定機能253は、心臓弁を含む領域に対して、決定した数のサンプリング点をランダムに設定する。 For example, as shown in FIG. 11, in this embodiment, the setting function 253 converts the medical image after noise removal processing into a plurality of signals with different frequencies, and among the plurality of converted signals, A predetermined number of signals are identified in descending order of period. For example, the setting function 253 specifies three signals: a signal with period A 1 , a signal with period A 2 , and a signal with period A 3 . Thereafter, the setting function 253 configures the region including the heart valve so that the number of sampling points arranged at intervals corresponding to the period of each identified signal is less than the number of sampling points arranged at intervals corresponding to other periods. Determine the number of sampling points set for. Then, the setting function 253 randomly sets the determined number of sampling points for the region including the heart valve.
その後は、第1の実施形態と同様に、分類機能154が、設定機能253によって設定されたサンプリング点の中から心臓弁に対応するサンプリング点を分類する。また、抽出機能155が、分類機能154によって分類サンプリング点を用いて、取得機能151によって取得された医用画像から心臓弁を抽出する。
Thereafter, similarly to the first embodiment, the classification function 154 classifies sampling points corresponding to heart valves from among the sampling points set by the setting function 253. Additionally, an extraction function 155 extracts heart valves from the medical image acquired by the
上述した第2の実施形態によれば、医用画像に対して行われるノイズ除去処理によって特定の周期の信号が強調される場合でも、そのような信号の周波数とサンプリング点の周波数とが一致することがほぼなくなるため、サンプリング点の分類における誤差を減らすことができる。この結果、第2の実施形態によれば、医用画像から心臓弁を抽出する精度を向上させることができる。 According to the second embodiment described above, even if a signal of a specific period is emphasized by noise removal processing performed on a medical image, the frequency of such a signal and the frequency of the sampling point match. Errors in classification of sampling points can be reduced. As a result, according to the second embodiment, the accuracy of extracting heart valves from medical images can be improved.
(第2の実施形態の変形例)
なお、上述した第2の実施形態では、ノイズ除去処理が行われた後の医用画像の状態に応じて、サンプリング点の設定が調整される例を説明したが、例えば、ノイズ除去処理の手法に応じて、サンプリング点の設定が調整されるようにしてもよい。
(Modified example of second embodiment)
In addition, in the second embodiment described above, an example was explained in which the setting of sampling points is adjusted according to the state of the medical image after the noise removal process. The settings of the sampling points may be adjusted accordingly.
具体的には、設定機能253が、ノイズ除去機能256によってノイズ除去処理が行われた医用画像を周波数が異なる複数の信号に変換し、当該複数の信号のうち、前記ノイズ除去処理の手法に応じて強調される信号の周期と対応する間隔で配置されるサンプリング点の数が他の周期と対応する間隔で配置されるサンプリング点の数より少なくなるように、ランダムに設定されるサンプリング点の数を調整する。 Specifically, the setting function 253 converts the medical image that has been subjected to noise removal processing by the noise removal function 256 into a plurality of signals having different frequencies, and selects one of the plurality of signals according to the method of the noise removal processing. The number of sampling points that are randomly set such that the number of sampling points that are placed at intervals that correspond to the period of the signal to be emphasized is less than the number of sampling points that are placed at intervals that correspond to other periods. Adjust.
例えば、本変形例では、ノイズ除去機能256が、畳み込みニューラルネットワークを用いたディープラーニングによって、ノイズ除去処理を行う。 For example, in this modification, the noise removal function 256 performs noise removal processing by deep learning using a convolutional neural network.
図12は、第2の実施形態の変形例に係る医用画像処理装置200によって行われるサンプリング点の設定の一例を示す図である。 FIG. 12 is a diagram illustrating an example of setting sampling points performed by the medical image processing apparatus 200 according to a modification of the second embodiment.
例えば、図12に示すように、畳み込みニューラルネットワークを用いたディープラーニングによるノイズ除去処理では、医用画像に対して、複数回のプーリングによって、4×4個のボクセルが2×2個のボクセルに凝縮され、さらに、2×2個のボクセルが1つのボクセルに凝縮される。この処理では、4×4個のボクセルごとにプーリングが行われるため、4つのボクセル分の間隔に対応する周期の信号が強調されることになる。 For example, as shown in Fig. 12, in noise removal processing using deep learning using a convolutional neural network, 4 x 4 voxels are condensed into 2 x 2 voxels by pooling multiple times on a medical image. The 2×2 voxels are further condensed into one voxel. In this process, since pooling is performed for each 4×4 voxel, signals with a period corresponding to an interval of four voxels are emphasized.
そこで、この場合には、設定機能253は、4つのボクセル分の間隔で配置されるサンプリング点が他の間隔で配置されるサンプリング点の数より少なくなるように、心臓弁を含む領域に対して設定されるサンプリング点の数を決定する。そして、設定機能253は、心臓弁を含む領域に対して、決定した数のサンプリング点をランダムに設定する。 Therefore, in this case, the setting function 253 configures the region including the heart valve so that the number of sampling points arranged at intervals of four voxels is smaller than the number of sampling points arranged at other intervals. Determine the number of sampling points to be set. Then, the setting function 253 randomly sets the determined number of sampling points for the region including the heart valve.
上述した変形例によれば、ノイズ除去処理の手法に応じて特定の周期の信号が強調される場合でも、そのような信号の周波数とサンプリング点の周波数とが一致することがほぼなくなるため、サンプリング点の分類における誤差を減らすことができる。この結果、第2の実施形態によれば、医用画像から心臓弁を抽出する精度をより向上させることができる。 According to the above-mentioned modification, even if a signal with a specific period is emphasized depending on the noise removal processing method, the frequency of such a signal and the frequency of the sampling point almost never match, so the sampling Errors in point classification can be reduced. As a result, according to the second embodiment, the accuracy of extracting heart valves from medical images can be further improved.
なお、上述した変形例では、畳み込みニューラルネットワークを用いたディープラーニングによってノイズ除去処理が行われる場合の例を説明したが、ノイズ除去処理の手法はこれに限られない。例えば、畳み込みニューラルネットワークを用いたディープラーニング以外の手法でノイズ除去処理が行われる場合でも、当該ノイズ除去処理によって特定の周期の信号が強調される場合には、上述した変形例を適用することで、医用画像から心臓弁を抽出する精度をより向上させることが可能である。 Note that in the above-mentioned modification, an example has been described in which the noise removal process is performed by deep learning using a convolutional neural network, but the method of the noise removal process is not limited to this. For example, even if noise removal processing is performed using a method other than deep learning using a convolutional neural network, if the noise removal processing emphasizes a signal with a specific period, the above-mentioned modification example can be applied. , it is possible to further improve the accuracy of extracting heart valves from medical images.
また、上述した第2の実施形態及び変形例では、ノイズ除去処理が行われる場合の例を説明したが、医用画像に対して行われる後処理はこれに限られない。例えば、ノイズ除去処理以外の後処理が行われる場合でも、当該後処理によって特定の周期の信号が強調される場合には、上述した変形例を適用することで、医用画像から心臓弁を抽出する精度をより向上させることが可能である。 Further, in the second embodiment and the modified example described above, an example in which noise removal processing is performed has been described, but the post-processing performed on a medical image is not limited to this. For example, even if post-processing other than noise removal processing is performed, if the post-processing emphasizes a signal of a specific period, the above-mentioned modification can be applied to extract heart valves from a medical image. It is possible to further improve accuracy.
また、上述した第1の実施形態、第2の実施形態及び各変形例では、医用画像処理装置が、取得機能によって取得された医用画像上で心臓弁を含む領域を特定する特定機能を備える場合の例を説明したが、実施形態はこれに限られない。例えば、医用画像処理装置は、必ずしも特定機能を備えなくてもよい。その場合には、設定機能は、取得機能によって取得された医用画像における全体の領域に対して、ランダムにサンプリング点を設定する。この場合には、特定機能を有する場合と比べて心臓弁の抽出に係る処理時間が長くなるが、心臓弁を抽出する精度を向上させる効果は得られる。 Furthermore, in the first embodiment, the second embodiment, and each modification example described above, when the medical image processing apparatus is provided with a specific function for identifying a region including a heart valve on a medical image acquired by the acquisition function, Although an example has been described, the embodiment is not limited to this. For example, a medical image processing device does not necessarily have to have specific functions. In that case, the setting function randomly sets sampling points for the entire area in the medical image acquired by the acquisition function. In this case, the processing time involved in extracting the heart valve will be longer than in the case where the specific function is provided, but the effect of improving the accuracy of extracting the heart valve can be obtained.
なお、上述した実施形態及び変形例では、医用画像から抽出する特定の解剖構造が心臓弁である場合の例を説明したが、上述した実施形態及び変形例で説明した方法は、心臓弁以外の解剖構造を医用画像から抽出する場合にも、同様に適用することが可能である。 Note that in the above-mentioned embodiments and modifications, an example was explained in which the specific anatomical structure extracted from a medical image is a heart valve; however, the method described in the above-mentioned embodiments and modifications The present invention can be similarly applied to the case of extracting anatomical structures from medical images.
また、上述した実施形態及び変形例で説明した医用画像処理装置の構成は、クライアントサーバシステムに適用することも可能である。この場合には、サーバ装置が、上述した取得機能、特定機能、設定機能、分類機能、抽出機能及びノイズ除去機能を備え、クライアント装置から送信される要求に応じて、医用画像から特定の解剖構造を抽出し、その結果をクライアント装置へ送信する。 Further, the configuration of the medical image processing apparatus described in the embodiment and modification described above can also be applied to a client server system. In this case, the server device is equipped with the above-mentioned acquisition function, specific function, setting function, classification function, extraction function, and noise removal function, and can extract a specific anatomical structure from a medical image in response to a request sent from the client device. and sends the result to the client device.
また、上述した実施形態及び変形例で説明した医用画像処理装置の構成は、医用画像診断装置20に適用することも可能である。この場合には、医用画像診断装置20に含まれるコンソール装置等の情報処理装置が、上述した取得機能、特定機能、設定機能、分類機能、抽出機能及びノイズ除去機能を備える。この場合に、例えば、医用画像診断装置20は、被検体の医用画像を取得するごとに、各処理機能によって、当該医用画像からリアルタイムで特定の解剖構造を抽出してもよい。 Furthermore, the configuration of the medical image processing apparatus described in the embodiment and modification described above can also be applied to the medical image diagnostic apparatus 20. In this case, an information processing device such as a console device included in the medical image diagnostic apparatus 20 is provided with the above-described acquisition function, specific function, setting function, classification function, extraction function, and noise removal function. In this case, for example, each time the medical image diagnostic apparatus 20 acquires a medical image of the subject, it may use each processing function to extract a specific anatomical structure from the medical image in real time.
また、上述した実施形態及び変形例では、本明細書における取得部、特定部、設定部、分類部、抽出部及びノイズ除去部を、それぞれ、処理回路の取得機能、特定機能、設定機能、分類機能、抽出機能及びノイズ除去機能によって実現する場合の例を説明したが、実施形態はこれに限られない。例えば、本明細書における取得部、特定部、設定部、分類部、抽出部及びノイズ除去部は、実施形態で述べた取得機能、特定機能、設定機能、分類機能、抽出機能及びノイズ除去機能によって実現する他にも、ハードウェアのみ、ソフトウェアのみ、又は、ハードウェアとソフトウェアとの混合によって同機能を実現するものであっても構わない。 Furthermore, in the above-described embodiments and modified examples, the acquisition unit, identification unit, setting unit, classification unit, extraction unit, and noise removal unit in this specification are respectively referred to as the acquisition function, identification function, setting function, and classification function of the processing circuit. Although an example has been described in which the present invention is implemented using a function, an extraction function, and a noise removal function, the embodiments are not limited to this. For example, the acquisition unit, identification unit, setting unit, classification unit, extraction unit, and noise removal unit in this specification are the acquisition function, identification function, setting function, classification function, extraction function, and noise removal function described in the embodiment. Alternatively, the same function may be realized by only hardware, only software, or a mixture of hardware and software.
また、上述した実施形態の説明で用いた「プロセッサ」という文言は、例えば、CPU(Central Processing Unit)、GPU(Graphics Processing Unit)、又は、特定用途向け集積回路(Application Specific Integrated Circuit:ASIC)、プログラマブル論理デバイス(例えば、単純プログラマブル論理デバイス(Simple Programmable Logic Device:SPLD)、複合プログラマブル論理デバイス(Complex Programmable Logic Device:CPLD)、及びフィールドプログラマブルゲートアレイ(Field Programmable Gate Array:FPGA))等の回路を意味する。ここで、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合には、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。また、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。 Furthermore, the term "processor" used in the description of the above-described embodiments refers to, for example, a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), or an Application Specific Integrated Circuit (ASIC). Circuits such as programmable logic devices (e.g., Simple Programmable Logic Devices (SPLDs), Complex Programmable Logic Devices (CPLDs), and Field Programmable Gate Arrays (FPGAs)) means. Here, instead of storing the program in the memory circuit, the program may be directly incorporated into the circuit of the processor. In this case, the processor realizes its functions by reading and executing a program built into the circuit. Furthermore, each processor of this embodiment is not limited to being configured as a single circuit for each processor, but may also be configured as a single processor by combining multiple independent circuits to realize its functions. good.
ここで、プロセッサによって実行されるプログラムは、ROM(Read Only Memory)や記憶回路等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでCD(Compact Disk)-ROM、FD(Flexible Disk)、CD-R(Recordable)、DVD(Digital Versatile Disk)等のコンピュータで読み取り可能な非一過性の記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることによって提供又は配布されてもよい。例えば、このプログラムは、上述した各処理機能を含むモジュールで構成される。実際のハードウェアとしては、CPUが、ROM等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。 Here, the program executed by the processor is provided by being pre-installed in a ROM (Read Only Memory), a storage circuit, or the like. This program is a file in a format that can be installed or executable on these devices, such as CD (Compact Disk)-ROM, FD (Flexible Disk), CD-R (Recordable), DVD (Digital Versatile Disk), etc. The information may be provided recorded on a computer readable non-transitory storage medium. Further, this program may be stored on a computer connected to a network such as the Internet, and may be provided or distributed by being downloaded via the network. For example, this program is composed of modules including each of the processing functions described above. In actual hardware, a CPU reads a program from a storage medium such as a ROM and executes it, so that each module is loaded onto the main storage device and generated on the main storage device.
また、上述した実施形態及び変形例において、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散又は統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況等に応じて、任意の単位で機能的又は物理的に分散又は統合して構成することができる。更に、各装置にて行なわれる各処理機能は、その全部又は任意の一部が、CPU及び当該CPUにて解析実行されるプログラムにて実現され、或いは、ワイヤードロジックによるハードウェアとして実現され得る。 Furthermore, in the embodiments and modifications described above, each component of each device illustrated is functionally conceptual, and does not necessarily need to be physically configured as illustrated. In other words, the specific form of distributing or integrating each device is not limited to what is shown in the diagram, and all or part of the devices may be functionally or physically distributed or integrated in arbitrary units depending on various loads and usage conditions. Can be integrated and configured. Further, each processing function performed by each device may be realized in whole or in part by a CPU and a program that is analyzed and executed by the CPU, or may be realized as hardware using wired logic.
また、上述した実施形態及び変形例において説明した各処理のうち、自動的に行なわれるものとして説明した処理の全部又は一部を手動的に行なうこともでき、或いは、手動的に行なわれるものとして説明した処理の全部又は一部を公知の方法で自動的に行なうこともできる。この他、上記文書中や図面中で示した処理手順、制御手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。 Furthermore, among the processes described in the embodiments and modifications described above, all or part of the processes described as being performed automatically can be performed manually, or may be performed manually. All or part of the described processing can also be performed automatically using known methods. In addition, information including processing procedures, control procedures, specific names, and various data and parameters shown in the above documents and drawings may be changed arbitrarily, unless otherwise specified.
以上説明した少なくとも一つの実施形態によれば、医用画像から解剖構造を抽出する精度を向上させることができる。 According to at least one embodiment described above, the accuracy of extracting anatomical structures from medical images can be improved.
いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。 Although several embodiments have been described, these embodiments are presented by way of example and are not intended to limit the scope of the invention. These embodiments can be implemented in various other forms, and various omissions, substitutions, and changes can be made without departing from the gist of the invention. These embodiments and their modifications are included within the scope and gist of the invention as well as within the scope of the invention described in the claims and its equivalents.
100,200 医用画像処理装置
150,250 処理回路
151 取得機能
152,252 特定機能
153,253 設定機能
154 分類機能
155 抽出機能
256 ノイズ除去機能
100,200 Medical image processing device 150,250
Claims (14)
前記医用画像における特定の解剖構造を含む領域に対してランダムにサンプリング点を設定することによって、前記医用画像にノイズが混入している場合に生じる周期性を有する誤差が低減されるように非周期的に配置されたサンプリング点を設定する設定部と、
前記サンプリング点の中から前記解剖構造に対応するサンプリング点を分類する分類部と、
分類されたサンプリング点を用いて、前記医用画像から前記解剖構造を抽出する抽出部と
を備える、医用画像処理装置。 an acquisition unit that acquires medical images;
By randomly setting sampling points for a region including a specific anatomical structure in the medical image, a periodic error that occurs when noise is mixed in the medical image is reduced. a setting section for setting sampling points arranged in a specific manner ;
a classification unit that classifies sampling points corresponding to the anatomical structure from among the sampling points;
A medical image processing apparatus, comprising: an extraction unit that extracts the anatomical structure from the medical image using classified sampling points.
前記設定部は、前記ノイズ除去処理が行われた医用画像を周波数が異なる複数の信号に変換し、当該複数の信号のうち、振幅が大きい所定数の信号の周期と対応する間隔で配置されるサンプリング点の数が他の周期と対応する間隔で配置されるサンプリング点の数より少なくなるように、ランダムに設定されるサンプリング点の数を調整する、
請求項1に記載の医用画像処理装置。 further comprising a noise removal unit that performs noise removal processing on the medical image,
The setting unit converts the medical image subjected to the noise removal process into a plurality of signals having different frequencies, and is arranged at intervals corresponding to a period of a predetermined number of signals having large amplitudes among the plurality of signals. adjusting the number of randomly set sampling points such that the number of sampling points is less than the number of sampling points arranged at intervals corresponding to other periods;
The medical image processing device according to claim 1 .
前記設定部は、前記ノイズ除去処理が行われた医用画像を周波数が異なる複数の信号に変換し、当該複数の信号のうち、前記ノイズ除去処理の手法に応じて強調される信号の周期と対応する間隔で配置されるサンプリング点の数が他の周期と対応する間隔で配置されるサンプリング点の数より少なくなるように、ランダムに設定されるサンプリング点の数を調整する、
請求項1に記載の医用画像処理装置。 further comprising a noise removal unit that performs noise removal processing on the medical image,
The setting unit converts the medical image subjected to the noise removal processing into a plurality of signals having different frequencies, and among the plurality of signals, the setting unit converts the medical image subjected to the noise removal processing to correspond to the period of the signal to be emphasized according to the method of the noise removal processing. adjusting the number of randomly set sampling points such that the number of sampling points arranged at intervals corresponding to other periods is less than the number of sampling points arranged at intervals corresponding to other periods;
The medical image processing device according to claim 1 .
前記医用画像に対してノイズ除去処理を行うノイズ除去部と、a noise removal unit that performs noise removal processing on the medical image;
前記医用画像における特定の解剖構造を含む領域に対してランダムにサンプリング点を設定する設定部と、a setting unit that randomly sets sampling points for a region including a specific anatomical structure in the medical image;
前記サンプリング点の中から前記解剖構造に対応するサンプリング点を分類する分類部と、a classification unit that classifies sampling points corresponding to the anatomical structure from among the sampling points;
分類されたサンプリング点を用いて、前記医用画像から前記解剖構造を抽出する抽出部とan extraction unit that extracts the anatomical structure from the medical image using the classified sampling points;
を備え、Equipped with
前記設定部は、前記ノイズ除去処理が行われた医用画像を周波数が異なる複数の信号に変換し、当該複数の信号のうち、振幅が大きい所定数の信号の周期と対応する間隔で配置されるサンプリング点の数が他の周期と対応する間隔で配置されるサンプリング点の数より少なくなるように、ランダムに設定されるサンプリング点の数を調整する、The setting unit converts the medical image subjected to the noise removal process into a plurality of signals having different frequencies, and is arranged at intervals corresponding to a period of a predetermined number of signals having large amplitudes among the plurality of signals. adjusting the number of randomly set sampling points such that the number of sampling points is less than the number of sampling points arranged at intervals corresponding to other periods;
医用画像処理装置。Medical image processing device.
前記医用画像に対してノイズ除去処理を行うノイズ除去部と、a noise removal unit that performs noise removal processing on the medical image;
前記医用画像における特定の解剖構造を含む領域に対してランダムにサンプリング点を設定する設定部と、a setting unit that randomly sets sampling points for a region including a specific anatomical structure in the medical image;
前記サンプリング点の中から前記解剖構造に対応するサンプリング点を分類する分類部と、a classification unit that classifies sampling points corresponding to the anatomical structure from among the sampling points;
分類されたサンプリング点を用いて、前記医用画像から前記解剖構造を抽出する抽出部とan extraction unit that extracts the anatomical structure from the medical image using the classified sampling points;
を備え、Equipped with
前記設定部は、前記ノイズ除去処理が行われた医用画像を周波数が異なる複数の信号に変換し、当該複数の信号のうち、前記ノイズ除去処理の手法に応じて強調される信号の周期と対応する間隔で配置されるサンプリング点の数が他の周期と対応する間隔で配置されるサンプリング点の数より少なくなるように、ランダムに設定されるサンプリング点の数を調整する、The setting unit converts the medical image subjected to the noise removal processing into a plurality of signals having different frequencies, and among the plurality of signals, the setting unit converts the medical image subjected to the noise removal processing to correspond to the period of the signal to be emphasized according to the method of the noise removal processing. adjusting the number of randomly set sampling points such that the number of sampling points arranged at intervals corresponding to other periods is less than the number of sampling points arranged at intervals corresponding to other periods;
医用画像処理装置。Medical image processing device.
前記設定部は、前記医用画像上で特定された前記解剖構造を含む領域に対してランダムにサンプリング点を設定する、
請求項1~5のいずれか一つに記載の医用画像処理装置。 further comprising a specifying unit that specifies a region including the anatomical structure on the medical image;
The setting unit randomly sets sampling points for a region including the anatomical structure identified on the medical image.
The medical image processing device according to any one of claims 1 to 5 .
請求項1~6のいずれか一つに記載の医用画像処理装置。 the anatomical structure is a heart valve;
The medical image processing device according to any one of claims 1 to 6 .
請求項1~7のいずれか一つに記載の医用画像処理装置。 The classification unit determines, for each sampling point set for a region including the anatomical structure, whether a pixel at a position in the medical image at which the sampling point is set corresponds to the anatomical structure. classifying sampling points corresponding to the anatomical structure;
The medical image processing device according to any one of claims 1 to 7 .
請求項1~8のいずれか一つに記載の医用画像処理装置。 The setting unit roughly sets the sampling points in a region where the anatomical structures are not dense, and sets the sampling points densely in a region where the anatomical structures are dense.
The medical image processing device according to any one of claims 1 to 8 .
前記分類部は、前記複数のサンプリング結果それぞれについて、前記解剖構造に対応するサンプリング点を分類することで、複数の分類結果を導出し、
前記抽出部は、前記複数の分類結果に基づいて、前記医用画像から前記解剖構造を抽出する、
請求項1~9のいずれか一つに記載の医用画像処理装置。 The setting unit derives a plurality of sampling results by performing a process of randomly setting sampling points for a region including the anatomical structure multiple times,
The classification unit derives a plurality of classification results by classifying sampling points corresponding to the anatomical structure for each of the plurality of sampling results,
The extraction unit extracts the anatomical structure from the medical image based on the plurality of classification results.
A medical image processing apparatus according to any one of claims 1 to 9 .
請求項1~10のいずれか一つに記載の医用画像処理装置。 The medical image is an ultrasound image obtained by an ultrasound diagnostic device,
The medical image processing device according to any one of claims 1 to 10 .
前記医用画像における特定の解剖構造を含む領域に対してランダムにサンプリング点を設定することによって、前記医用画像にノイズが混入している場合に生じる周期性を有する誤差が低減されるように非周期的に配置されたサンプリング点を設定し、
前記サンプリング点の中から前記解剖構造に対応するサンプリング点を分類し、
分類されたサンプリング点を用いて、前記医用画像から前記解剖構造を抽出する、
ことを含む、医用画像処理方法。 Acquire medical images,
By randomly setting sampling points for a region including a specific anatomical structure in the medical image, a periodic error that occurs when noise is mixed in the medical image is reduced. Set the sampling points located according to the
classifying sampling points corresponding to the anatomical structure from among the sampling points;
extracting the anatomical structure from the medical image using the classified sampling points;
A medical image processing method comprising:
前記医用画像に対してノイズ除去処理を行い、Performing noise removal processing on the medical image,
前記医用画像における特定の解剖構造を含む領域に対してランダムにサンプリング点を設定し、Randomly setting sampling points for a region including a specific anatomical structure in the medical image,
前記サンプリング点の中から前記解剖構造に対応するサンプリング点を分類し、classifying sampling points corresponding to the anatomical structure from among the sampling points;
分類されたサンプリング点を用いて、前記医用画像から前記解剖構造を抽出する、extracting the anatomical structure from the medical image using the classified sampling points;
ことを含み、including that
前記サンプリング点を設定することは、前記ノイズ除去処理が行われた医用画像を周波数が異なる複数の信号に変換し、当該複数の信号のうち、振幅が大きい所定数の信号の周期と対応する間隔で配置されるサンプリング点の数が他の周期と対応する間隔で配置されるサンプリング点の数より少なくなるように、ランダムに設定されるサンプリング点の数を調整することを含む、Setting the sampling points involves converting the medical image subjected to the noise removal process into a plurality of signals having different frequencies, and setting an interval corresponding to the cycle of a predetermined number of signals with large amplitudes among the plurality of signals. adjusting the number of randomly set sampling points such that the number of sampling points arranged at intervals is less than the number of sampling points arranged at intervals corresponding to other periods;
医用画像処理方法。Medical image processing method.
前記医用画像に対してノイズ除去処理を行い、Performing noise removal processing on the medical image,
前記医用画像における特定の解剖構造を含む領域に対してランダムにサンプリング点を設定し、Randomly setting sampling points for a region including a specific anatomical structure in the medical image,
前記サンプリング点の中から前記解剖構造に対応するサンプリング点を分類し、classifying sampling points corresponding to the anatomical structure from among the sampling points;
分類されたサンプリング点を用いて、前記医用画像から前記解剖構造を抽出する、extracting the anatomical structure from the medical image using the classified sampling points;
ことを含み、including that
前記サンプリング点を設定することは、前記ノイズ除去処理が行われた医用画像を周波数が異なる複数の信号に変換し、当該複数の信号のうち、前記ノイズ除去処理の手法に応じて強調される信号の周期と対応する間隔で配置されるサンプリング点の数が他の周期と対応する間隔で配置されるサンプリング点の数より少なくなるように、ランダムに設定されるサンプリング点の数を調整することを含む、Setting the sampling points involves converting the medical image subjected to the noise removal processing into a plurality of signals having different frequencies, and selecting a signal that is emphasized according to the method of the noise removal processing among the plurality of signals. The number of randomly set sampling points is adjusted so that the number of sampling points arranged at intervals corresponding to the period of is less than the number of sampling points arranged at intervals corresponding to other periods. include,
医用画像処理方法。Medical image processing method.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020066877A JP7408467B2 (en) | 2020-04-02 | 2020-04-02 | Medical image processing device and medical image processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020066877A JP7408467B2 (en) | 2020-04-02 | 2020-04-02 | Medical image processing device and medical image processing method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021159587A JP2021159587A (en) | 2021-10-11 |
JP7408467B2 true JP7408467B2 (en) | 2024-01-05 |
Family
ID=78001843
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020066877A Active JP7408467B2 (en) | 2020-04-02 | 2020-04-02 | Medical image processing device and medical image processing method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7408467B2 (en) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007068992A (en) | 2005-09-07 | 2007-03-22 | General Electric Co <Ge> | System and method for 3d cad using projection images |
JP2019084152A (en) | 2017-11-08 | 2019-06-06 | 国立大学法人 東京大学 | Medical image display method and medical image display apparatus |
JP2019209130A (en) | 2018-06-07 | 2019-12-12 | キヤノンメディカルシステムズ株式会社 | Ultrasound diagnostic device, ultrasound parameter learning device, ultrasound diagnostic device control program, and ultrasound parameter learning program |
-
2020
- 2020-04-02 JP JP2020066877A patent/JP7408467B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007068992A (en) | 2005-09-07 | 2007-03-22 | General Electric Co <Ge> | System and method for 3d cad using projection images |
JP2019084152A (en) | 2017-11-08 | 2019-06-06 | 国立大学法人 東京大学 | Medical image display method and medical image display apparatus |
JP2019209130A (en) | 2018-06-07 | 2019-12-12 | キヤノンメディカルシステムズ株式会社 | Ultrasound diagnostic device, ultrasound parameter learning device, ultrasound diagnostic device control program, and ultrasound parameter learning program |
Also Published As
Publication number | Publication date |
---|---|
JP2021159587A (en) | 2021-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7195725B2 (en) | MEDICAL IMAGE PROCESSING APPARATUS, MEDICAL IMAGE PROCESSING METHOD AND X-RAY CT APPARATUS | |
JP4728627B2 (en) | Method and apparatus for segmenting structures in CT angiography | |
JP5785694B2 (en) | Computer-readable storage medium storing a computer program for separating regions in an image | |
US9471987B2 (en) | Automatic planning for medical imaging | |
US11941812B2 (en) | Diagnosis support apparatus and X-ray CT apparatus | |
JP5943353B2 (en) | Image processing apparatus and image processing method | |
US10052032B2 (en) | Stenosis therapy planning | |
JP6739422B2 (en) | Device, system and method for segmenting an image of a subject | |
JP7187244B2 (en) | Medical image processing device, medical image processing system and medical image processing program | |
JP7129869B2 (en) | Disease area extraction device, method and program | |
US20210104040A1 (en) | System and method for automated angiography | |
JP5388638B2 (en) | Image processing apparatus and image processing program | |
WO2019169403A1 (en) | Neural network classification of osteolysis and synovitis near metal implants | |
JP2022076477A (en) | Medical information processing equipment, medical information processing system and medical information processing method | |
JP6933521B2 (en) | Medical image processing equipment and X-ray CT equipment | |
US8331638B2 (en) | Creation of motion compensated MRI M-mode images of the myocardial wall | |
US11610344B2 (en) | Image interpretation support apparatus, image interpretation support method, and image interpretation support program | |
US10736583B2 (en) | Medical image processing apparatus and X-ray CT apparatus | |
CN112368777B (en) | Systems, methods, and apparatus for generating a region of interest from a voxel pattern based on a threshold | |
JP7408467B2 (en) | Medical image processing device and medical image processing method | |
JP6595362B2 (en) | Nuclear medicine diagnostic equipment | |
JP2023152885A (en) | Medical image processor, medical image processing method, and medical image processing program | |
CN106037779A (en) | Determination of imaging initialization time point by using contrast agent | |
US11645767B2 (en) | Capturing a misalignment | |
JP2019153180A (en) | Image processing apparatus, 3d modeling apparatus and data structure |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220727 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230119 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230829 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231102 |
|
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: 20231121 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7408467 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |