JP7433913B2 - 経路決定方法、医用画像処理装置、モデル学習方法及びモデル学習装置 - Google Patents
経路決定方法、医用画像処理装置、モデル学習方法及びモデル学習装置 Download PDFInfo
- Publication number
- JP7433913B2 JP7433913B2 JP2020000688A JP2020000688A JP7433913B2 JP 7433913 B2 JP7433913 B2 JP 7433913B2 JP 2020000688 A JP2020000688 A JP 2020000688A JP 2020000688 A JP2020000688 A JP 2020000688A JP 7433913 B2 JP7433913 B2 JP 7433913B2
- Authority
- JP
- Japan
- Prior art keywords
- tubular structure
- point
- model
- sub
- path
- 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
- 238000000034 method Methods 0.000 title claims description 156
- 238000012545 processing Methods 0.000 title claims description 37
- 210000004204 blood vessel Anatomy 0.000 claims description 75
- 238000012549 training Methods 0.000 claims description 53
- 238000013527 convolutional neural network Methods 0.000 claims description 23
- 230000011218 segmentation Effects 0.000 claims description 23
- 210000003484 anatomy Anatomy 0.000 claims description 13
- 230000006978 adaptation Effects 0.000 claims description 6
- 230000006403 short-term memory Effects 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 2
- 239000013598 vector Substances 0.000 description 23
- 238000010801 machine learning Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000002591 computed tomography Methods 0.000 description 8
- 238000005452 bending Methods 0.000 description 7
- 210000004351 coronary vessel Anatomy 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000013213 extrapolation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30172—Centreline of tubular or elongated structure
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30241—Trajectory
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Computational Linguistics (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Databases & Information Systems (AREA)
- Pathology (AREA)
- Quality & Reliability (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Description
30 医用画像処理装置
32 計算装置
34 スキャナ
36 表示スクリーン
38 デバイス
40 データストア
42 処理装置
44 特徴回路
46 追跡回路
48 学習回路
68,70,72,74 位置
76 サブ領域
80 カーブ
82,84 ポイント
90 第二の学習済みモデル
92 ベクトル
94 パラメータ
96 セット
97 判定
98 決定
Claims (22)
- 管状構造を含む被検体の生体構造を表すボリューム医用画像データを取得することと、
前記管状構造を追跡して前記管状構造に沿った位置を決定する位置決定手順であって、
前記管状構造の経路上の現在のポイントの初期位置を取得することと、
前記初期位置に基づいたサブ領域を選択することと、前記サブ領域のサイズは、現在のポイントと次のポイントの推定される位置との間の管状構造の推定されるボリューム全体を含む、
前記初期位置の前記管状構造を表す曲がり及びねじれに対する値と、前記現在のポイントと次のポイントの推定される位置との間のステップサイズとを取得することと、
前記選択されたサブ領域と前記曲がり及びねじれに対する値と前記ステップサイズとからの各々のデータを、学習済みモデルへと入力することと、前記学習済みモデルは、複数の管状構造の複数の経路を決定するよう学習されている、
前記管状構造の前記経路上の次のポイントに対する位置を前記学習済みモデルより出力することと、
前記次のポイントに対する前記初期位置を更新することと、
を備えた前記位置決定手順を逐次実行することと、
前記初期位置を更新するための前記位置決定手順を前記管状構造の分岐点又は前記管状構造の終端に到達するまで繰り返すことにより前記管状構造の前記経路を取得することと、
を具備する、前記管状構造の経路決定方法。 - 管状構造を含む被検体の生体構造を表すボリューム医用画像データを取得することと、
位置決定手順であって、
前記管状構造の経路上の現在のポイントの初期位置を取得することと、
前記初期位置に基づいたサブ領域を選択することと、
前記管状構造を表す少なくとも一つのパラメータのうちの少なくとも一つの値を取得することと、
前記選択されたサブ領域と前記少なくとも一つのパラメータ値とからの両方のデータを、学習済みモデルへと入力することと、前記学習済みモデルは、複数の管状構造の複数の経路を決定するよう学習されている、
前記管状構造の前記経路上の次のポイントに対する位置を前記学習済みモデルより出力することと、
前記次のポイントに対する前記初期位置を更新することと、
を備えた前記位置決定手順を実行することと、
前記初期位置を更新するための前記位置決定手順を繰り返すことにより前記管状構造の前記経路を取得することと、
を具備し、
前記選択されたサブ領域は、個別の前記現在のポイントと個別の前記次のポイントの推定される位置との間に中心を有する、前記管状構造の経路決定方法。 - 前記少なくとも一つのパラメータに対する前記少なくとも一つの値は、前記管状構造の前記経路の三次元の曲がりを表す請求項2記載の経路決定方法。
- 前記少なくとも一つのパラメータは、曲がり及び/又はねじれを具備する請求項2又は3記載の経路決定方法。
- 前記少なくとも一つのパラメータに対する前記少なくとも一つの値は、前記管状構造上の前記現在のポイント及び/又は少なくとも一つの前回のポイントから取得される請求項2乃至4のいずれか一項に記載の経路決定方法。
- 前記位置決定手順は、前記少なくとも一つのパラメータに対する少なくとも一つの更新された値を出力するよう更に構成された請求項2乃至5のいずれか一項に記載の経路決定方法。
- 前記サブ領域を前記選択することは、前記次のポイントに対する推定される位置の決定に基づく請求項1乃至6のいずれか一項に記載の経路決定方法。
- 前記選択されたサブ領域は、個別の前記現在のポイントと個別の前記次のポイントの推定される位置との間に中心を有する請求項1を引用する請求項7記載の経路決定方法。
- 前記学習済みモデルは、前記管状構造が複数の分岐へと分かれる分岐点の存在を決定するよう構成されており、
前記分岐点が存在する場合に、前記経路決定方法は、前記複数の分岐のそれぞれに対して位置決定手順の新たな継続を実行することにより前記複数の分岐のそれぞれの前記複数の経路を決定することを備えた、請求項1乃至8のいずれか一項に記載の経路決定方法。 - 前記選択されたサブ領域からの前記データは、畳み込みを具備する請求項1乃至9のいずれか一項に記載の経路決定方法。
- 前記位置決定手順は、更なる学習済みモデルを使用し前記選択されたサブ領域から前記データを決定することを更に具備する請求項1乃至10のいずれか一項に記載の経路決定方法。
- 前記更なる学習済みモデルは、前記管状構造のうちの少なくとも一部のセグメンテーションを実行するよう更に構成された請求項11記載の経路決定方法。
- 前記学習済みモデルは、畳み込みニューラルネットワーク(convolutional neural network:CNN)、回帰ネットワーク、長・短期記憶ユニット(long short-term memory:LSTM)のうちの少なくとも一つを具備する請求項1乃至12のいずれか一項に記載の経路決定方法。
- 前記少なくとも一つのパラメータは、ステップサイズを具備する請求項2乃至6、請求項2を直接的又は間接的に引用する請求項7及び9乃至13のいずれか一項に記載の経路決定方法。
- 前記管状構造は、血管、気道のうちの少なくとも一方を具備する請求項1乃至14のいずれか一項に記載の経路決定方法。
- 前記学習済みモデルは、自己学習モデルを具備する請求項1乃至15のいずれか一項に記載の経路決定方法。
- 管状構造の経路を決定するための医用画像処理装置であって、
前記管状構造を含む被検体の生体構造を表すボリューム医用画像データを取得する画像取得部と、
前記管状構造を追跡して前記管状構造に沿った位置を決定する位置決定手順を実行する実行部であって、
前記管状構造の前記経路上の現在のポイントの初期位置を取得する初期位置取得部と、
前記初期位置に基づいたサブ領域を選択する選択部と、前記サブ領域のサイズは、現在のポイントと次のポイントの推定される位置との間の管状構造の推定されるボリューム全体を含む、
前記初期位置の前記管状構造を表す曲がり及びねじれに対する値と、前記現在のポイントと次のポイントの推定される位置との間のステップサイズとを取得する値取得部と、
前記選択されたサブ領域と前記曲がり及びねじれに対する値と前記ステップサイズとからの各々のデータを、学習済みモデルへと入力する入力部と、前記学習済みモデルは、複数の管状構造の複数の経路を決定するよう学習されている、
前記管状構造の前記経路上の次のポイントに対する位置を前記学習済みモデルより出力する出力部と、
前記次のポイントに対する前記初期位置を更新する更新部と、
を備え、前記初期位置取得部、前記選択部、前記値取得部、前記入力部、前記出力部及び前記更新部による処理として前記位置決定手順を逐次実行する実行部と、
前記初期位置を更新するための前記位置決定手順を前記管状構造の分岐点又は前記管状構造の終端に到達するまで繰り返すことにより前記管状構造の前記経路を取得する経路取得部と、
を具備する、医用画像処理装置。 - 管状構造の経路を決定するための医用画像処理装置であって、
前記管状構造を含む被検体の生体構造を表すボリューム医用画像データを取得する画像取得部と、
前記経路に関する位置決定手順を実行する実行部であって、
前記管状構造の前記経路上の現在のポイントの初期位置を取得する初期位置取得部と、
前記初期位置に基づいたサブ領域を選択する選択部と、
前記管状構造を表す少なくとも一つのパラメータのうちの少なくとも一つの値を取得する値取得部と、
前記選択されたサブ領域と前記少なくとも一つのパラメータ値とからの両方のデータを、学習済みモデルへと入力する入力部と、前記学習済みモデルは、複数の管状構造の複数の経路を決定するよう学習されている、
前記管状構造の前記経路上の次のポイントに対する位置を前記学習済みモデルより出力する出力部と、
前記次のポイントに対する前記初期位置を更新する更新部と、
を備え、前記初期位置取得部、前記選択部、前記値取得部、前記入力部、前記出力部及び前記更新部による処理として前記位置決定手順を実行する実行部と、
前記初期位置を更新するための前記位置決定手順を前記実行部に繰り返し実行させることにより前記管状構造の前記経路を取得する経路取得部と、
を具備し、
前記選択されたサブ領域は、個別の前記現在のポイントと個別の前記次のポイントの推定される位置との間に中心を有する、医用画像処理装置。 - 複数の管状構造の複数の経路を決定するためのモデルを学習させるためのモデル学習方法であって、
ボリューム医用画像データの複数の学習セットを取得することと、前記学習セットのそれぞれは個別の管状構造を含む個別の被検体の生体構造を表す、
前記ボリューム医用画像データの学習セットのそれぞれに対して、個別のグラウンドトゥルース経路を取得することと、
前記ボリューム医用画像データの学習セットのそれぞれについて、前記個別の管状構造に沿った複数のサブ領域に対するデータを取得することと、前記複数のサブ領域のそれぞれのサイズは、前記個別の管状構造の経路上の現在のポイントと次のポイントの推定される位置との間の管状構造の推定されるボリューム全体を含む、
サブ領域からのデータと前記管状構造を表す少なくとも一つのパラメータに対する値とを使用して前記複数の管状構造の前記複数の経路を決定するようモデルを学習させることと、
を具備し、
前記サブ領域は、個別の前記現在のポイントと個別の前記次のポイントの推定される位置との間に中心を有する、モデル学習方法。 - 前記ボリューム医用画像データの学習セットのうちの少なくともいくつかを、標準的な血管サイズに及び/又は多重の血管サイズに対してスケーリングすることを更に具備する請求項19記載のモデル学習方法。
- ドメイン適応技術を使用して、前記ボリューム医用画像データのうちの学習セットのうちの少なくともいくつかを変換することを更に具備する請求項19記載のモデル学習方法。
- 複数の管状構造の複数の経路を決定するようモデルを学習させるためのモデル学習装置であって、
ボリューム医用画像データの複数の学習セットを取得する学習セット取得部と、前記学習セットのそれぞれは個別の管状構造を含む個別の被検体の生体構造を表す、
ボリューム医用画像データの前記学習セットのそれぞれに対して、個別のグラウンドトゥルース経路を取得するグラウンドトゥルース取得部と、
前記ボリューム医用画像データの学習セットのそれぞれについて、前記個別の管状構造に沿った複数のサブ領域に対するデータを取得するデータ取得部と、前記複数のサブ領域のそれぞれのサイズは、前記個別の管状構造の経路上の現在のポイントと次のポイントの推定される位置との間の管状構造の推定されるボリューム全体を含む、
サブ領域からのデータと前記管状構造を表す少なくとも一つのパラメータに対する値とを使用して前記複数の管状構造の前記複数の経路を決定するようモデルを学習させる学習部と、
を具備し、
前記サブ領域は、個別の前記現在のポイントと個別の前記次のポイントの推定される位置との間に中心を有する、モデル学習装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/549,443 | 2019-08-23 | ||
US16/549,443 US11200976B2 (en) | 2019-08-23 | 2019-08-23 | Tracking method and apparatus |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021030048A JP2021030048A (ja) | 2021-03-01 |
JP7433913B2 true JP7433913B2 (ja) | 2024-02-20 |
Family
ID=74645873
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020000688A Active JP7433913B2 (ja) | 2019-08-23 | 2020-01-07 | 経路決定方法、医用画像処理装置、モデル学習方法及びモデル学習装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11200976B2 (ja) |
JP (1) | JP7433913B2 (ja) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010220742A (ja) | 2009-03-23 | 2010-10-07 | Fujifilm Corp | 画像処理装置および方法並びにプログラム |
JP2011212156A (ja) | 2010-03-31 | 2011-10-27 | Fujifilm Corp | 投影画像生成装置、投影画像生成プログラムおよび投影画像生成方法 |
JP2012223338A (ja) | 2011-04-19 | 2012-11-15 | Fujifilm Corp | 木構造作成装置および方法ならびにプログラム |
JP2013090799A (ja) | 2011-10-26 | 2013-05-16 | Fujifilm Corp | 画像処理装置および方法並びにプログラム |
US20150067599A1 (en) | 2013-09-05 | 2015-03-05 | General Electric Company | Smart and early workflow for quick vessel network detection |
WO2017047819A1 (ja) | 2015-09-18 | 2017-03-23 | イービーエム株式会社 | 血管形状分析装置、その方法、及びそのコンピュータソフトウェアプログラム |
US20170262733A1 (en) | 2016-03-10 | 2017-09-14 | Siemens Healthcare Gmbh | Method and System for Machine Learning Based Classification of Vascular Branches |
CN110060263A (zh) | 2018-04-24 | 2019-07-26 | 深圳科亚医疗科技有限公司 | 医学图像的分割方法、分割装置、分割系统及计算机可读介质 |
JP2019521733A (ja) | 2016-05-16 | 2019-08-08 | キャスワークス リミテッド | 画像からの血管の選択方法 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03297450A (ja) * | 1990-04-17 | 1991-12-27 | Toshiba Corp | 画像処理方式 |
JP4319031B2 (ja) | 2001-09-06 | 2009-08-26 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 対象のセグメンテーション方法及び装置 |
CN102473303B (zh) | 2009-08-12 | 2015-07-29 | 皇家飞利浦电子股份有限公司 | 生成对象数据 |
US8958618B2 (en) * | 2012-06-28 | 2015-02-17 | Kabushiki Kaisha Toshiba | Method and system for identification of calcification in imaged blood vessels |
US9406141B2 (en) * | 2013-05-31 | 2016-08-02 | Siemens Aktiengesellschaft | Segmentation of a structure |
US9805463B2 (en) | 2013-08-27 | 2017-10-31 | Heartflow, Inc. | Systems and methods for predicting location, onset, and/or change of coronary lesions |
US9613426B2 (en) * | 2014-10-21 | 2017-04-04 | Toshiba Medical Systems Corporation | Segmentation and matching of structures in medical imaging data |
US9349178B1 (en) * | 2014-11-24 | 2016-05-24 | Siemens Aktiengesellschaft | Synthetic data-driven hemodynamic determination in medical imaging |
KR102361733B1 (ko) | 2014-11-28 | 2022-02-11 | 삼성전자주식회사 | 3d cta영상으로부터 관상동맥의 구조를 모델링하는 방법 및 장치 |
US9697603B2 (en) * | 2014-12-19 | 2017-07-04 | Toshiba Medical Systems Corporation | Medical image data processing system and method for vessel segmentation using pre- and post-contrast data |
EP3142069B1 (en) * | 2015-09-10 | 2020-05-13 | Agfa HealthCare | Method, apparatus and system for analyzing medical images of blood vessels |
US9767557B1 (en) | 2016-06-23 | 2017-09-19 | Siemens Healthcare Gmbh | Method and system for vascular disease detection using recurrent neural networks |
WO2018001099A1 (zh) | 2016-06-30 | 2018-01-04 | 上海联影医疗科技有限公司 | 一种血管提取方法与系统 |
WO2018029237A1 (en) | 2016-08-10 | 2018-02-15 | Agfa Healthcare | Method for automatically detecting systemic arteries in arbitrary field-of-view computed tomography angiography (cta). |
US10083504B2 (en) | 2016-09-07 | 2018-09-25 | International Business Machines Corporation | Multi-step vessel segmentation and analysis |
CN106504232B (zh) | 2016-10-14 | 2019-06-14 | 北京网医智捷科技有限公司 | 一种基于3d卷积神经网络的肺部结节自动检测系统 |
EP3270355B1 (en) | 2017-01-27 | 2019-07-31 | Siemens Healthcare GmbH | Determining a complexity value of a stenosis or a section of a vessel |
EP3376472A1 (en) | 2017-03-13 | 2018-09-19 | Koninklijke Philips N.V. | Anatomical measurements from ultrasound data |
CN107563983B (zh) | 2017-09-28 | 2020-09-01 | 上海联影医疗科技有限公司 | 图像处理方法以及医学成像设备 |
US11132801B2 (en) * | 2018-02-02 | 2021-09-28 | Centerline Biomedical, Inc. | Segmentation of three-dimensional images containing anatomic structures |
US10699407B2 (en) * | 2018-04-11 | 2020-06-30 | Pie Medical Imaging B.V. | Method and system for assessing vessel obstruction based on machine learning |
CN108830848B (zh) * | 2018-05-25 | 2022-07-05 | 深圳科亚医疗科技有限公司 | 利用计算机确定血管上的血管状况参数的序列的装置和系统 |
-
2019
- 2019-08-23 US US16/549,443 patent/US11200976B2/en active Active
-
2020
- 2020-01-07 JP JP2020000688A patent/JP7433913B2/ja active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010220742A (ja) | 2009-03-23 | 2010-10-07 | Fujifilm Corp | 画像処理装置および方法並びにプログラム |
JP2011212156A (ja) | 2010-03-31 | 2011-10-27 | Fujifilm Corp | 投影画像生成装置、投影画像生成プログラムおよび投影画像生成方法 |
JP2012223338A (ja) | 2011-04-19 | 2012-11-15 | Fujifilm Corp | 木構造作成装置および方法ならびにプログラム |
JP2013090799A (ja) | 2011-10-26 | 2013-05-16 | Fujifilm Corp | 画像処理装置および方法並びにプログラム |
US20150067599A1 (en) | 2013-09-05 | 2015-03-05 | General Electric Company | Smart and early workflow for quick vessel network detection |
WO2017047819A1 (ja) | 2015-09-18 | 2017-03-23 | イービーエム株式会社 | 血管形状分析装置、その方法、及びそのコンピュータソフトウェアプログラム |
US20170262733A1 (en) | 2016-03-10 | 2017-09-14 | Siemens Healthcare Gmbh | Method and System for Machine Learning Based Classification of Vascular Branches |
JP2019521733A (ja) | 2016-05-16 | 2019-08-08 | キャスワークス リミテッド | 画像からの血管の選択方法 |
CN110060263A (zh) | 2018-04-24 | 2019-07-26 | 深圳科亚医疗科技有限公司 | 医学图像的分割方法、分割装置、分割系统及计算机可读介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2021030048A (ja) | 2021-03-01 |
US20210057081A1 (en) | 2021-02-25 |
US11200976B2 (en) | 2021-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7312301B2 (ja) | 次数低減モデル及び/または機械学習を使用して血流特性を推定するためのシステム及び方法 | |
JP7453309B2 (ja) | 画像解析における解剖学的構造のセグメンテーションのためのシステム及び方法 | |
CN106037710B (zh) | 在医学成像中合成数据驱动的血液动力学测定 | |
US9830427B2 (en) | Method for intracranial aneurysm analysis and endovascular intervention planning | |
JP2021513697A (ja) | 完全畳み込みニューラル・ネットワークを用いた心臓ctaにおける解剖学的構造のセグメンテーションのためのシステム | |
Wu et al. | Segmentation and reconstruction of vascular structures for 3D real-time simulation | |
EP3467779A1 (en) | Systems and methods for data and model-driven image reconstruction and enhancement | |
EP3828818A1 (en) | Method and system for identifying pathological changes in follow-up medical images | |
RU2540829C2 (ru) | Интерактивный итеративный алгоритм ближайших точек для сегментации органов | |
US9697600B2 (en) | Multi-modal segmentatin of image data | |
CN110599505A (zh) | 一种器官图像分割方法、装置、电子设备和存储介质 | |
CN117115150B (zh) | 用于确定分支血管的方法、计算设备和介质 | |
Dangi et al. | Left ventricle segmentation and quantification from cardiac cine MR images via multi-task learning | |
WO2023237553A1 (en) | Method and system for assessing functionally significant vessel obstruction based on machine learning | |
CN109949300B (zh) | 解剖树结构分析的方法、系统和计算机可读介质 | |
US20140029816A1 (en) | Per vessel, vessel tree modelling with shared contours | |
JP2023505676A (ja) | 機械学習方法のデータ拡張 | |
JP7433913B2 (ja) | 経路決定方法、医用画像処理装置、モデル学習方法及びモデル学習装置 | |
WO2023126241A1 (en) | Device, system and method for segmentation of images | |
Al Moussawi et al. | 3D Reconstruction of blood vessels | |
Cagnoni et al. | Interactive segmentation of multi-dimensional medical data with contour-based application of genetic algorithms | |
JP2022546303A (ja) | 管状フィーチャのセグメント化 | |
CN112419283A (zh) | 估计厚度的神经网络及其方法 | |
Koutkalaki et al. | Towards a foot bio-model for performing finite element analysis for footwear design optimization using a Cloud infrastructure | |
US20230162493A1 (en) | Method for the automatic detection of aortic disease and automatic generation of an aortic volume |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221202 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230720 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230815 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231013 |
|
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: 20240109 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240207 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7433913 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |