JP7439990B2 - 医療画像処理装置、医療画像処理プログラム、および医療画像処理方法 - Google Patents
医療画像処理装置、医療画像処理プログラム、および医療画像処理方法 Download PDFInfo
- Publication number
- JP7439990B2 JP7439990B2 JP2023510719A JP2023510719A JP7439990B2 JP 7439990 B2 JP7439990 B2 JP 7439990B2 JP 2023510719 A JP2023510719 A JP 2023510719A JP 2023510719 A JP2023510719 A JP 2023510719A JP 7439990 B2 JP7439990 B2 JP 7439990B2
- Authority
- JP
- Japan
- Prior art keywords
- image processing
- region
- image
- dimensional
- processing device
- 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 227
- 238000003672 processing method Methods 0.000 title claims description 22
- 238000001514 detection method Methods 0.000 claims description 281
- 238000000034 method Methods 0.000 claims description 220
- 238000013178 mathematical model Methods 0.000 claims description 114
- 238000000605 extraction Methods 0.000 claims description 107
- 239000000284 extract Substances 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 31
- 238000010801 machine learning Methods 0.000 claims description 31
- 230000005540 biological transmission Effects 0.000 claims description 5
- 238000012067 mathematical method Methods 0.000 claims 1
- 210000001519 tissue Anatomy 0.000 description 93
- 238000012549 training Methods 0.000 description 30
- 238000010276 construction Methods 0.000 description 27
- 238000012014 optical coherence tomography Methods 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000003287 optical effect Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000012935 Averaging Methods 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000002207 retinal effect Effects 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 206010025421 Macule Diseases 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 210000004126 nerve fiber Anatomy 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000005081 epithelial layer Anatomy 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000000790 retinal pigment Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012421 spiking Methods 0.000 description 1
- 238000013530 stochastic neural network Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
- A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06T2207/10081—Computed x-ray tomography [CT]
-
- 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
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/20076—Probabilistic 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
- G06T2207/20—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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Computer Graphics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Ophthalmology & Optometry (AREA)
- Biophysics (AREA)
- Image Processing (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Description
本開示における典型的な実施形態が提供する医療画像処理装置の第2態様は、生体組織の三次元画像のデータを処理する医療画像処理装置であって、前記医療画像処理装置の制御部は、組織の三次元画像を取得する画像取得ステップと、取得された前記三次元画像を構成する複数の二次元画像の各々から、一部の領域である第1領域を抽出する抽出ステップと、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、を実行する。
本開示における典型的な実施形態が提供する医療画像処理装置の第3態様は、生体組織の三次元画像のデータを処理する医療画像処理装置であって、前記医療画像処理装置の制御部は、組織の三次元画像を取得する画像取得ステップと、取得された前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、を実行し、前記制御部は、前記三次元画像に含まれる前記複数の二次元画像のうち、一部の基準画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップを実行した後に、前記複数の二次元画像のうち、前記基準画像との間の類似度が閾値未満である二次元画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップを実行する。
本開示における典型的な実施形態が提供する医療画像処理装置の第4態様は、生体組織の三次元画像のデータを処理する医療画像処理装置であって、前記医療画像処理装置の制御部は、組織の三次元画像を取得する画像取得ステップと、取得された前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、を実行し、前記制御部は、前記抽出ステップにおいて、前記三次元画像の画像領域内に注目位置を設定し、設定した前記注目位置を基準として、複数の二次元画像の抽出パターンを設定し、前記三次元画像から、設定した抽出パターンに合致する複数の二次元画像を、前記第1領域として抽出する。
本開示における典型的な実施形態が提供する医療画像処理プログラムの第2態様は、生体組織の三次元画像のデータを処理する医療画像処理装置によって実行される医療画像処理プログラムであって、前記医療画像処理プログラムが前記医療画像処理装置の制御部によって実行されることで、組織の三次元画像を取得する画像取得ステップと、取得された前記三次元画像を構成する複数の二次元画像の各々から、一部の領域である第1領域を抽出する抽出ステップと、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、を前記医療画像処理装置に実行させる。
本開示における典型的な実施形態が提供する医療画像処理プログラムの第3態様は、生体組織の三次元画像のデータを処理する医療画像処理装置によって実行される医療画像処理プログラムであって、前記医療画像処理プログラムが前記医療画像処理装置の制御部によって実行されることで、組織の三次元画像を取得する画像取得ステップと、取得された前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、を前記医療画像処理装置に実行させ、前記三次元画像に含まれる前記複数の二次元画像のうち、一部の基準画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップが実行された後に、前記複数の二次元画像のうち、前記基準画像との間の類似度が閾値未満である二次元画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップが実行される。
本開示における典型的な実施形態が提供する医療画像処理プログラムの第4態様は、生体組織の三次元画像のデータを処理する医療画像処理装置によって実行される医療画像処理プログラムであって、前記医療画像処理プログラムが前記医療画像処理装置の制御部によって実行されることで、組織の三次元画像を取得する画像取得ステップと、取得された前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、を前記医療画像処理装置に実行させ、前記抽出ステップにおいて、前記三次元画像の画像領域内に注目位置が設定され、設定された前記注目位置を基準として、複数の二次元画像の抽出パターンが設定され、前記三次元画像から、設定された抽出パターンに合致する複数の二次元画像が、前記第1領域として抽出される。
本開示における典型的な実施形態が提供する医療画像処理方法の第2態様は、生体組織の三次元画像のデータを処理する医療画像処理システムにおいて実行される医療画像処理方法であって、前記医療画像処理システムは、ネットワークを介して互いに接続された第1画像処理装置および第2画像処理装置を含み、前記第1画像処理装置が、組織の三次元画像を取得する画像取得ステップと、前記第1画像処理装置が、前記三次元画像を構成する複数の二次元画像の各々から、一部の領域である第1領域を抽出する抽出ステップと、前記第1画像処理装置が、前記抽出ステップにおいて抽出された前記第1領域を前記第2画像処理装置に送信する送信ステップと、前記第2画像処理装置が、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、を含む。
本開示における典型的な実施形態が提供する医療画像処理方法の第3態様は、生体組織の三次元画像のデータを処理する医療画像処理システムにおいて実行される医療画像処理方法であって、前記医療画像処理システムは、ネットワークを介して互いに接続された第1画像処理装置および第2画像処理装置を含み、前記第1画像処理装置が、組織の三次元画像を取得する画像取得ステップと、前記第1画像処理装置が、前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、前記第1画像処理装置が、前記抽出ステップにおいて抽出された前記第1領域を前記第2画像処理装置に送信する送信ステップと、前記第2画像処理装置が、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、を含み、前記三次元画像に含まれる前記複数の二次元画像のうち、一部の基準画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップが実行された後に、前記複数の二次元画像のうち、前記基準画像との間の類似度が閾値未満である二次元画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップが実行される。
本開示における典型的な実施形態が提供する医療画像処理方法の第4態様は、生体組織の三次元画像のデータを処理する医療画像処理システムにおいて実行される医療画像処理方法であって、前記医療画像処理システムは、ネットワークを介して互いに接続された第1画像処理装置および第2画像処理装置を含み、前記第1画像処理装置が、組織の三次元画像を取得する画像取得ステップと、前記第1画像処理装置が、前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、前記第1画像処理装置が、前記抽出ステップにおいて抽出された前記第1領域を前記第2画像処理装置に送信する送信ステップと、前記第2画像処理装置が、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、を含み、前記抽出ステップにおいて、前記三次元画像の画像領域内に注目位置が設定され、設定された前記注目位置を基準として、複数の二次元画像の抽出パターンが設定され、前記三次元画像から、設定された抽出パターンに合致する複数の二次元画像が、前記第1領域として抽出される。
図2および図3を参照して、数学モデル構築装置1が実行する数学モデル構築処理について説明する。数学モデル構築処理は、記憶装置4に記憶された数学モデル構築プログラムに従って、CPU3によって実行される。数学モデル構築処理では、複数の訓練データによって数学モデルが訓練されることで、画像に写る組織における特定の構造の検出結果を出力する数学モデルが構築される。訓練データには、入力データと出力データが含まれる。
の層、および、眼底組織の層の境界の少なくともいずれか(以下、単に「層・境界」という)である。この場合、訓練用画像として、被検眼の眼底組織の画像が取得される。詳細には、数学モデル構築処理では、医療画像処理装置21において画像から構造を検出される際に、数学モデルに入力される画像の態様に応じて、訓練用画像の態様が変化する。例えば、構造(眼底の層・境界)を検出するために数学モデルに入力される画像が二次元画像(眼底の二次元断層画像)であれば、数学モデル構築処理でも、二次元画像(眼底の二次元断層画像)が訓練用画像として用いられる。図2に、眼底の二次元断層画像である訓練用画像30の一例を示す。図2に例示する訓練用画像30には、眼底における複数の層・境界が表れている。
図4および図5を参照して、組織の構造を検出する対象とする三次元画像の一例について説明する。図4に示すように、本実施形態の医療画像撮影装置11Bは、生体の組織50(図4に示す例では、眼底組織)における二次元の領域51内で、光(測定光)をスキャンする。詳細には、本実施形態の医療画像撮影装置11Bは、領域51内の所定の方向に延びるスキャンライン52上で光をスキャンすることで、光の光軸に沿うZ方向と、Z方向に垂直なX方向に広がる二次元画像61(図5参照)を取得(撮影)する。図4に示す例では、Z方向は二次元の領域51に対して垂直な方向(深さ方向)となり、X方向はスキャンライン52が延びる方向となる。次いで、医療画像撮影装置11Bは、スキャンライン52の位置を領域51内でY方向に移動させて、二次元画像61の取得を繰り返す。Y方向は、Z方向およびX方向に共に交差(本実施形態では垂直に交差)する方向となる。その結果、複数のスキャンライン52の各々を通過し、且つ組織の深さ方向に広がる複数の二次元画像61が取得される。次いで、図5に示すように、複数の二次元画像61が、Y方向(つまり、各々の二次元画像の画像領域に対して交差する方向)に並べられることで、領域51における三次元画像が生成される。
図6および図7を参照して、第1検出処理について説明する。第1検出処理では、二次元画像61を構成する画素列を処理の単位として、各々の二次元画像61から構造を検出する処理が行われる。
図8および図9を参照して、第2検出処理について説明する。第2検出処理では、各々の二次元画像から、組織の像が写っている領域である像領域が抽出される。抽出された像領域に対して、数学モデルを用いた第1構造検出処理が行われる。従って、組織の像が写っていない領域が、数学モデルによって特定の組織を検出する対象とする領域から除外される。なお、第2~第5検出処理のうち、前述した第1検出処理で説明したステップと同様のステップについては、説明を簡略化する。
図10および図11を参照して、第3検出処理について説明する。第3検出処理では、三次元画像を構成する複数の二次元画像61に対し、二次元画像61内における像の位置合わせと、二次元画像61間の像の位置合わせが実行される。その後、像領域が抽出されて、抽出された像領域における特定の構造が検出される。
図12および図13を参照して、第4検出処理について説明する。第4検出処理では、三次元画像を構成する複数の二次元画像61の一部が、第1構造検出処理の対象とする第1領域として抽出される。詳細には、複数の二次元画像61の間の類似度に基づいて、複数の二次元画像61の一部が第1領域として抽出される。
図14および図15を参照して、第5検出処理について説明する。第5検出処理では、三次元画像領域内に注目位置が設定され、設定された注目領域を基準として第1領域が抽出される。
Claims (12)
- 生体組織の三次元画像のデータを処理する医療画像処理装置であって、
前記医療画像処理装置の制御部は、
組織の三次元画像を取得する画像取得ステップと、
取得された前記三次元画像から、一部の領域である第1領域を抽出する抽出ステップと、
機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
前記三次元画像の全領域のうち、前記抽出ステップにおいて前記第1領域として抽出されなかった第2領域における前記特定の構造を、前記第1領域に対して前記数学モデルによって出力された前記特定の構造の検出結果に基づいて検出する第2構造検出ステップと、
を実行することを特徴とする医療画像処理装置。 - 生体組織の三次元画像のデータを処理する医療画像処理装置であって、
前記医療画像処理装置の制御部は、
組織の三次元画像を取得する画像取得ステップと、
取得された前記三次元画像を構成する複数の二次元画像の各々から、一部の領域である第1領域を抽出する抽出ステップと、
機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
を実行することを特徴とする医療画像処理装置。 - 生体組織の三次元画像のデータを処理する医療画像処理装置であって、
前記医療画像処理装置の制御部は、
組織の三次元画像を取得する画像取得ステップと、
取得された前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、
機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
を実行し、
前記制御部は、
前記三次元画像に含まれる前記複数の二次元画像のうち、一部の基準画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップを実行した後に、
前記複数の二次元画像のうち、前記基準画像との間の類似度が閾値未満である二次元画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップを実行することを特徴とする医療画像処理装置。 - 生体組織の三次元画像のデータを処理する医療画像処理装置であって、
前記医療画像処理装置の制御部は、
組織の三次元画像を取得する画像取得ステップと、
取得された前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、
機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
を実行し、
前記制御部は、前記抽出ステップにおいて、
前記三次元画像の画像領域内に注目位置を設定し、
設定した前記注目位置を基準として、複数の二次元画像の抽出パターンを設定し、
前記三次元画像から、設定した抽出パターンに合致する複数の二次元画像を、前記第1領域として抽出することを特徴とする医療画像処理装置。 - 生体組織の三次元画像のデータを処理する医療画像処理装置によって実行される医療画像処理プログラムであって、
前記医療画像処理プログラムが前記医療画像処理装置の制御部によって実行されることで、
組織の三次元画像を取得する画像取得ステップと、
取得された前記三次元画像から、一部の領域である第1領域を抽出する抽出ステップと、
機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
前記三次元画像の全領域のうち、前記抽出ステップにおいて前記第1領域として抽出されなかった第2領域における前記特定の構造を、前記第1領域に対して前記数学モデルによって出力された前記特定の構造の検出結果に基づいて検出する第2構造検出ステップと、
を前記医療画像処理装置に実行させることを特徴とする医療画像処理プログラム。 - 生体組織の三次元画像のデータを処理する医療画像処理装置によって実行される医療画像処理プログラムであって、
前記医療画像処理プログラムが前記医療画像処理装置の制御部によって実行されることで、
組織の三次元画像を取得する画像取得ステップと、
取得された前記三次元画像を構成する複数の二次元画像の各々から、一部の領域である第1領域を抽出する抽出ステップと、
機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
を前記医療画像処理装置に実行させることを特徴とする医療画像処理プログラム。 - 生体組織の三次元画像のデータを処理する医療画像処理装置によって実行される医療画像処理プログラムであって、
前記医療画像処理プログラムが前記医療画像処理装置の制御部によって実行されることで、
組織の三次元画像を取得する画像取得ステップと、
取得された前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、
機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
を前記医療画像処理装置に実行させ、
前記三次元画像に含まれる前記複数の二次元画像のうち、一部の基準画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップが実行された後に、
前記複数の二次元画像のうち、前記基準画像との間の類似度が閾値未満である二次元画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップが実行されることを特徴とする医療画像処理プログラム。 - 生体組織の三次元画像のデータを処理する医療画像処理装置によって実行される医療画像処理プログラムであって、
前記医療画像処理プログラムが前記医療画像処理装置の制御部によって実行されることで、
組織の三次元画像を取得する画像取得ステップと、
取得された前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、
機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに、前記抽出ステップにおいて抽出された前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
を前記医療画像処理装置に実行させ、
前記抽出ステップにおいて、
前記三次元画像の画像領域内に注目位置が設定され、
設定された前記注目位置を基準として、複数の二次元画像の抽出パターンが設定され、
前記三次元画像から、設定された抽出パターンに合致する複数の二次元画像が、前記第1領域として抽出されることを特徴とする医療画像処理プログラム。 - 生体組織の三次元画像のデータを処理する医療画像処理システムにおいて実行される医療画像処理方法であって、
前記医療画像処理システムは、ネットワークを介して互いに接続された第1画像処理装置および第2画像処理装置を含み、
前記第1画像処理装置が、組織の三次元画像を取得する画像取得ステップと、
前記第1画像処理装置が、前記三次元画像から、一部の領域である第1領域を抽出する抽出ステップと、
前記第1画像処理装置が、前記抽出ステップにおいて抽出された前記第1領域を前記第2画像処理装置に送信する送信ステップと、
前記第2画像処理装置が、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
前記第2画像処理装置が、前記三次元画像の全領域のうち、前記抽出ステップにおいて前記第1領域として抽出されなかった第2領域における前記特定の構造を、前記第1領域に対して前記数学モデルによって出力された前記特定の構造の検出結果に基づいて検出する第2構造検出ステップと、
を含むことを特徴とする医療画像処理方法。 - 生体組織の三次元画像のデータを処理する医療画像処理システムにおいて実行される医療画像処理方法であって、
前記医療画像処理システムは、ネットワークを介して互いに接続された第1画像処理装置および第2画像処理装置を含み、
前記第1画像処理装置が、組織の三次元画像を取得する画像取得ステップと、
前記第1画像処理装置が、前記三次元画像を構成する複数の二次元画像の各々から、一部の領域である第1領域を抽出する抽出ステップと、
前記第1画像処理装置が、前記抽出ステップにおいて抽出された前記第1領域を前記第2画像処理装置に送信する送信ステップと、
前記第2画像処理装置が、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
を含むことを特徴とする医療画像処理方法。 - 生体組織の三次元画像のデータを処理する医療画像処理システムにおいて実行される医療画像処理方法であって、
前記医療画像処理システムは、ネットワークを介して互いに接続された第1画像処理装置および第2画像処理装置を含み、
前記第1画像処理装置が、組織の三次元画像を取得する画像取得ステップと、
前記第1画像処理装置が、前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、
前記第1画像処理装置が、前記抽出ステップにおいて抽出された前記第1領域を前記第2画像処理装置に送信する送信ステップと、
前記第2画像処理装置が、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
を含み、
前記三次元画像に含まれる前記複数の二次元画像のうち、一部の基準画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップが実行された後に、
前記複数の二次元画像のうち、前記基準画像との間の類似度が閾値未満である二次元画像を前記第1領域として前記抽出ステップおよび前記第1構造検出ステップが実行されることを特徴とする医療画像処理方法。 - 生体組織の三次元画像のデータを処理する医療画像処理システムにおいて実行される医療画像処理方法であって、
前記医療画像処理システムは、ネットワークを介して互いに接続された第1画像処理装置および第2画像処理装置を含み、
前記第1画像処理装置が、組織の三次元画像を取得する画像取得ステップと、
前記第1画像処理装置が、前記三次元画像に含まれる複数の二次元画像のうちの一部を第1領域として抽出する抽出ステップと、
前記第1画像処理装置が、前記抽出ステップにおいて抽出された前記第1領域を前記第2画像処理装置に送信する送信ステップと、
前記第2画像処理装置が、機械学習アルゴリズムによって訓練されており、且つ、入力された画像に写る前記組織の特定の構造の検出結果を出力する数学モデルに前記第1領域を入力することで、前記第1領域における前記特定の構造の検出結果を取得する第1構造検出ステップと、
を含み、
前記抽出ステップにおいて、
前記三次元画像の画像領域内に注目位置が設定され、
設定された前記注目位置を基準として、複数の二次元画像の抽出パターンが設定され、
前記三次元画像から、設定された抽出パターンに合致する複数の二次元画像が、前記第1領域として抽出されることを特徴とする医療画像処理方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021059329 | 2021-03-31 | ||
JP2021059329 | 2021-03-31 | ||
PCT/JP2022/009329 WO2022209574A1 (ja) | 2021-03-31 | 2022-03-04 | 医療画像処理装置、医療画像処理プログラム、および医療画像処理方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2022209574A1 JPWO2022209574A1 (ja) | 2022-10-06 |
JPWO2022209574A5 JPWO2022209574A5 (ja) | 2023-09-29 |
JP7439990B2 true JP7439990B2 (ja) | 2024-02-28 |
Family
ID=83458589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023510719A Active JP7439990B2 (ja) | 2021-03-31 | 2022-03-04 | 医療画像処理装置、医療画像処理プログラム、および医療画像処理方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20240020839A1 (ja) |
JP (1) | JP7439990B2 (ja) |
WO (1) | WO2022209574A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116071350B (zh) * | 2023-03-06 | 2023-07-04 | 同心智医科技(北京)有限公司 | 基于深度学习的大脑微出血识别方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020026535A1 (ja) | 2018-08-03 | 2020-02-06 | 株式会社ニデック | 眼科画像処理装置、oct装置、および眼科画像処理プログラム |
WO2020036182A1 (ja) | 2018-08-14 | 2020-02-20 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
WO2020137678A1 (ja) | 2018-12-27 | 2020-07-02 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
JP2020121037A (ja) | 2019-01-31 | 2020-08-13 | 株式会社ニデック | 眼科画像処理装置、および眼科画像処理プログラム |
US20200327663A1 (en) | 2019-04-11 | 2020-10-15 | HONGBOG Inc. | Method of analyzing iris image for diagnosing dementia in artificial intelligence |
JP2021037239A (ja) | 2019-09-05 | 2021-03-11 | キヤノン株式会社 | 領域分類方法 |
JP2021037177A (ja) | 2019-09-04 | 2021-03-11 | 株式会社ニデック | 眼科画像処理プログラムおよび眼科画像処理装置 |
-
2022
- 2022-03-04 JP JP2023510719A patent/JP7439990B2/ja active Active
- 2022-03-04 WO PCT/JP2022/009329 patent/WO2022209574A1/ja active Application Filing
-
2023
- 2023-09-28 US US18/477,067 patent/US20240020839A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2020026535A1 (ja) | 2018-08-03 | 2020-02-06 | 株式会社ニデック | 眼科画像処理装置、oct装置、および眼科画像処理プログラム |
WO2020036182A1 (ja) | 2018-08-14 | 2020-02-20 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
WO2020137678A1 (ja) | 2018-12-27 | 2020-07-02 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
JP2020121037A (ja) | 2019-01-31 | 2020-08-13 | 株式会社ニデック | 眼科画像処理装置、および眼科画像処理プログラム |
US20200327663A1 (en) | 2019-04-11 | 2020-10-15 | HONGBOG Inc. | Method of analyzing iris image for diagnosing dementia in artificial intelligence |
JP2021037177A (ja) | 2019-09-04 | 2021-03-11 | 株式会社ニデック | 眼科画像処理プログラムおよび眼科画像処理装置 |
JP2021037239A (ja) | 2019-09-05 | 2021-03-11 | キヤノン株式会社 | 領域分類方法 |
Also Published As
Publication number | Publication date |
---|---|
US20240020839A1 (en) | 2024-01-18 |
JPWO2022209574A1 (ja) | 2022-10-06 |
WO2022209574A1 (ja) | 2022-10-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7332463B2 (ja) | 制御装置、光干渉断層撮影装置、光干渉断層撮影装置の制御方法、及びプログラム | |
WO2020026535A1 (ja) | 眼科画像処理装置、oct装置、および眼科画像処理プログラム | |
JP7439990B2 (ja) | 医療画像処理装置、医療画像処理プログラム、および医療画像処理方法 | |
WO2021106967A1 (ja) | 眼底画像処理装置および眼底画像処理プログラム | |
WO2021100694A1 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JPWO2019207800A1 (ja) | 眼科画像処理装置および眼科画像処理プログラム | |
JP6703319B1 (ja) | 眼科画像処理装置、およびoct装置 | |
JP2023115058A (ja) | 眼科画像処理装置、および眼科画像処理プログラム | |
WO2021020419A1 (ja) | 医療画像処理装置および医療画像処理プログラム | |
JPWO2020116351A1 (ja) | 診断支援装置、および診断支援プログラム | |
JP7328489B2 (ja) | 眼科画像処理装置、および眼科撮影装置 | |
JP7147888B2 (ja) | 眼科画像処理装置、oct装置、および眼科画像処理プログラム | |
JP6747617B2 (ja) | 眼科画像処理装置、およびoct装置 | |
JP2021074095A (ja) | 眼科画像処理装置および眼科画像処理プログラム | |
JP2022138552A (ja) | 眼科画像処理装置、眼科画像処理プログラム、および眼科画像撮影装置 | |
WO2023281965A1 (ja) | 医療画像処理装置、および医療画像処理プログラム | |
WO2020241794A1 (ja) | 眼科画像処理装置、眼科画像処理プログラム、および眼科画像処理システム | |
JP7210927B2 (ja) | 眼科画像処理装置、oct装置、および眼科画像処理プログラム | |
JP7180187B2 (ja) | 眼科画像処理装置、oct装置、および眼科画像処理プログラム | |
JP7468163B2 (ja) | 眼科画像処理プログラムおよび眼科画像処理装置 | |
JP7435067B2 (ja) | 眼科画像処理装置および眼科画像処理プログラム | |
WO2021045019A1 (ja) | 眼科画像処理プログラムおよび眼科画像処理装置 | |
US20240221160A1 (en) | Ophthalmic image processing device, oct device, and non-transitory computer-readable storage medium | |
JP7302184B2 (ja) | 眼科画像処理装置、および眼科画像処理プログラム | |
JP6720267B2 (ja) | 画像処理装置、画像処理方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230901 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230901 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230901 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231121 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231121 |
|
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: 20240116 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240129 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7439990 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |