JP7486983B2 - 医用装置 - Google Patents
医用装置 Download PDFInfo
- Publication number
- JP7486983B2 JP7486983B2 JP2020035531A JP2020035531A JP7486983B2 JP 7486983 B2 JP7486983 B2 JP 7486983B2 JP 2020035531 A JP2020035531 A JP 2020035531A JP 2020035531 A JP2020035531 A JP 2020035531A JP 7486983 B2 JP7486983 B2 JP 7486983B2
- Authority
- JP
- Japan
- Prior art keywords
- artifacts
- sinogram
- neural network
- artifact
- image
- 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 claims description 159
- 238000013528 artificial neural network Methods 0.000 claims description 83
- 230000008569 process Effects 0.000 claims description 55
- 230000006870 function Effects 0.000 claims description 42
- 238000012545 processing Methods 0.000 claims description 37
- 238000012549 training Methods 0.000 claims description 36
- 229910052751 metal Inorganic materials 0.000 claims description 20
- 239000002184 metal Substances 0.000 claims description 20
- 238000002600 positron emission tomography Methods 0.000 claims description 17
- 230000005855 radiation Effects 0.000 claims description 12
- 230000036961 partial effect Effects 0.000 claims description 11
- 235000003642 hunger Nutrition 0.000 claims description 8
- 230000037351 starvation Effects 0.000 claims description 8
- 230000004044 response Effects 0.000 claims description 5
- 238000012986 modification Methods 0.000 claims description 4
- 230000004048 modification Effects 0.000 claims description 4
- 241000283070 Equus zebra Species 0.000 claims description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 claims 1
- 238000013527 convolutional neural network Methods 0.000 description 69
- 238000002591 computed tomography Methods 0.000 description 42
- 238000012937 correction Methods 0.000 description 40
- 238000013135 deep learning Methods 0.000 description 38
- 238000004422 calculation algorithm Methods 0.000 description 33
- 238000003384 imaging method Methods 0.000 description 28
- 230000015654 memory Effects 0.000 description 27
- 238000001514 detection method Methods 0.000 description 25
- 238000002595 magnetic resonance imaging Methods 0.000 description 25
- 238000012805 post-processing Methods 0.000 description 16
- 230000002829 reductive effect Effects 0.000 description 13
- 238000005457 optimization Methods 0.000 description 12
- 210000002569 neuron Anatomy 0.000 description 11
- 230000004913 activation Effects 0.000 description 10
- 238000001994 activation Methods 0.000 description 10
- 230000000670 limiting effect Effects 0.000 description 10
- 238000002059 diagnostic imaging Methods 0.000 description 9
- 230000005251 gamma ray Effects 0.000 description 8
- 239000000463 material Substances 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000013078 crystal Substances 0.000 description 6
- 239000007943 implant Substances 0.000 description 6
- 238000007781 pre-processing Methods 0.000 description 6
- 230000009467 reduction Effects 0.000 description 6
- 238000003860 storage Methods 0.000 description 6
- 238000012879 PET imaging Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 230000003044 adaptive effect Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000007170 pathology Effects 0.000 description 4
- 238000003909 pattern recognition Methods 0.000 description 4
- 239000000700 radioactive tracer Substances 0.000 description 4
- SYUHGPGVQRZVTB-UHFFFAOYSA-N radon atom Chemical compound [Rn] SYUHGPGVQRZVTB-UHFFFAOYSA-N 0.000 description 4
- 230000000747 cardiac effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 2
- 238000005481 NMR spectroscopy Methods 0.000 description 2
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000003759 clinical diagnosis Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 229910052740 iodine Inorganic materials 0.000 description 2
- 239000011630 iodine Substances 0.000 description 2
- 230000007257 malfunction Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 150000002739 metals Chemical class 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 210000004205 output neuron Anatomy 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- 229910052704 radon Inorganic materials 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 229910052710 silicon Inorganic materials 0.000 description 2
- 239000010703 silicon Substances 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 230000002747 voluntary effect Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 102100036769 Girdin Human genes 0.000 description 1
- 102100036442 Glutathione reductase, mitochondrial Human genes 0.000 description 1
- 101100283943 Homo sapiens GSR gene Proteins 0.000 description 1
- 101001071367 Homo sapiens Girdin Proteins 0.000 description 1
- 101100428743 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) VPS5 gene Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000003705 background correction Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000000845 cartilage Anatomy 0.000 description 1
- 238000000701 chemical imaging Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013479 data entry Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 210000001513 elbow Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000013100 final test Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 238000002546 full scan Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000011065 in-situ storage Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 210000002364 input neuron Anatomy 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 210000002414 leg Anatomy 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- RCVOTEPLGFCFIG-UHFFFAOYSA-N lutetium(3+);yttrium(3+);silicate Chemical compound [Y+3].[Lu+3].[O-][Si]([O-])([O-])[O-] RCVOTEPLGFCFIG-UHFFFAOYSA-N 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000001144 postural effect Effects 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 210000002832 shoulder Anatomy 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 210000000225 synapse Anatomy 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/008—Specific post-processing after tomographic reconstruction, e.g. voxelisation, metal artifact correction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/003—Reconstruction from projections, e.g. tomography
- G06T11/005—Specific pre-processing for tomographic reconstruction, e.g. calibration, source positioning, rebinning, scatter correction, retrospective gating
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- 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
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/441—AI-based methods, deep learning or artificial neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
Description
614 再構成回路
700 MRIシステム
742 プロセッサ
800 PETスキャナ
870 プロセッサ
Claims (17)
- 検出器によって検出された放射線の強度を表すサイノグラムを取得し、
ニューラルネットワークを取得し、
前記取得されたサイノグラムを前記ニューラルネットワークに適用することによって、前記ニューラルネットワークから、2以上のアーチファクトの指標を出力し、
前記ニューラルネットワークからの前記指標に基づいて、前記取得されたサイノグラムによって第1のアーチファクトが呈示されるか否か、および前記取得されたサイノグラムによって第2のアーチファクトが呈示されるか否かを判定し、
1以上のアーチファクトが前記取得されたサイノグラムによって呈示されると判定されるときは、前記取得されたサイノグラムによって呈示されると判定されている前記1以上のアーチファクトを補正することによって補正されたサイノグラムを生成し、前記補正されたサイノグラムについて再構成処理を実行し、
前記1以上のアーチファクトが前記取得されたサイノグラムによって呈示されないと判定されるときは、前記取得されたサイノグラムについて再構成処理を実行する処理回路を備え、
前記処理回路は、更に、
前記取得されたサイノグラムによって呈示されると判定される前記1以上のアーチファクトのうち少なくとも1つが修復困難且つスキャンの中止を要する程度のアーチファクトであるか否かを判定し、
前記1以上のアーチファクトのうちの少なくとも1つが修復困難且つスキャンの中止を要する程度のアーチファクトであるときは、前記再構成処理を実行することなく、前記サイノグラムの取得を停止する、医用装置。 - 前記処理回路は、更に、
前記ニューラルネットワークからの前記指標に基づいて、前記取得されたサイノグラムによって呈示されると判定される前記1以上のアーチファクトのうち少なくとも1つが、前記サイノグラムを取得するためのプロトコルを変更することによって軽減できるか否かを判定し、
前記プロトコルを変更することによって前記1以上のアーチファクトのうち少なくとも1つが軽減できるときは、前記サイノグラムを取得するための前記プロトコルを変更し、当該変更されたプロトコルを使用して、前記サイノグラムの取得を継続する、請求項1に記載の医用装置。 - 検出器によって検出された放射線の強度を表すサイノグラムを取得し、
ニューラルネットワークを取得し、
前記取得されたサイノグラムを前記ニューラルネットワークに適用することによって、前記ニューラルネットワークから、2以上のアーチファクトの指標を出力し、
前記ニューラルネットワークからの前記指標に基づいて、前記取得されたサイノグラムによって第1のアーチファクトが呈示されるか否か、および前記取得されたサイノグラムによって第2のアーチファクトが呈示されるか否かを判定し、
1以上のアーチファクトが前記取得されたサイノグラムによって呈示されると判定されるときは、前記取得されたサイノグラムによって呈示されると判定されている前記1以上のアーチファクトを補正することによって補正されたサイノグラムを生成し、前記補正されたサイノグラムについて再構成処理を実行し、
前記1以上のアーチファクトが前記取得されたサイノグラムによって呈示されないと判定されるときは、前記取得されたサイノグラムについて再構成処理を実行する処理回路を備え、
前記処理回路は、更に、
前記ニューラルネットワークからの前記指標に基づいて、前記取得されたサイノグラムによって呈示されると判定される前記1以上のアーチファクトのうち少なくとも1つが、前記サイノグラムを取得するためのプロトコルを変更することによって軽減できるか否かを判定し、
前記プロトコルを変更することによって前記1以上のアーチファクトのうち少なくとも1つが軽減できるときは、前記サイノグラムを取得するための前記プロトコルを変更し、当該変更されたプロトコルを使用して、前記サイノグラムの取得を継続する、医用装置。 - 前記処理回路は、
更に、別のニューラルネットワークを取得し、
前記取得されたサイノグラムを前記別のニューラルネットワークに適用することによって、呈示されると判定される前記1以上のアーチファクトを補正し、前記別のニューラルネットワークからの出力を、前記補正されたサイノグラムとして生成する、請求項1~3のいずれか一項に記載の医用装置。 - 前記ニューラルネットワークは、(i)ビーム硬化アーチファクト、(ii)リングアーチファクト、(iii)運動アーチファクト、(iv)金属アーチファクト、(v)光子不足アーチファクト、(vi)風車アーチファクト、(vii)リングアーチファクト、(viii)ゼブラアーチファクト、(ix)部分ボリュームアーチファクト、(x)カッピングアーチファクト、(xi)切り捨てアーチファクト、(xii)ストリーキングアーチファクト、および(xiii)シャドウイングアーチファクトのうち2以上が、前記サイノグラムによって呈示されるかどうかを示す指標を出力するように訓練されている、請求項1~3のいずれか一項に記載の医用装置。
- 前記処理回路は更に、
入力サイノグラムが1以上のアーチファクトを示すか否かを示すそれぞれの目標指標と組み合わせた入力サイノグラムを含んだ、第1の訓練データセットを入手することと、
所与の前記入力サイノグラムを前記ニューラルネットワークに適用して対応するアーチファクト指標を生成することにより、前記ニューラルネットワークを使用して前記入力サイノグラムそれぞれからアーチファクト指標を生成することと、
損失関数の値を最小にするように前記ニューラルネットワークの重み付け係数を反復的に調整することとによって、
前記ニューラルネットワークを訓練し、
前記損失関数は、前記第1の訓練データセットのそれぞれの入力サイノグラムに応答して生成されたアーチファクト指標と、前記第1の訓練データセットの対応する目標指標との間の不一致を評価する、請求項1に記載の医用装置。 - 前記処理回路は更に、
それぞれの目標サイノグラムと組み合わせた入力サイノグラムを含む第2の訓練データセットを入手することと、
前記入力サイノグラムを前記別のニューラルネットワークに適用することにより、前記別のニューラルネットワークを使用して前記入力サイノグラムそれぞれからアーチファクトが補正されたサイノグラムを生成することと、
損失関数の値を最小にするために前記別のニューラルネットワークの重み付け係数を反復的に調整することとによって、
前記別のニューラルネットワークを訓練し、
前記入力サイノグラムは、前記取得されたサイノグラムにより呈示されると判定される前記1以上のアーチファクトを示し、
前記目標サイノグラムは、前記取得されたサイノグラムにより呈示されると判定される前記1以上のアーチファクトを示さないか、またはより少ない当該アーチファクトを示し、
前記損失関数は、それぞれの目標サイノグラムと、それぞれの入力サイノグラムを前記別のニューラルネットワークに適用することに応答して生成された対応するアーチファクトが補正されたサイノグラムとの間の不一致を評価する、請求項4に記載の医用装置。 - 検出器によって検出された放射線の強度を表すサイノグラムを取得し、
前記サイノグラムから画像を再構成し、
ニューラルネットワークを取得し、
前記再構成された画像を前記ニューラルネットワークに適用することによって、前記ニューラルネットワークから、2以上のアーチファクトの指標を出力し、
前記ニューラルネットワークからの前記指標に基づいて、前記再構成された画像によって第1のアーチファクトが示されているか否か、および前記再構成された画像によって第2のアーチファクトが示されているか否かを判定し、
1以上のアーチファクトが前記再構成された画像によって呈示されると判定されるときは、前記再構成された画像によって呈示されると判定されている前記1以上のアーチファクトを補正することによって、補正された画像を生成する処理回路を備え、
前記処理回路は、更に、
前記再構成された画像によって呈示されると判定される前記1以上のアーチファクトのうち少なくとも1つが修復困難且つスキャンの中止を要する程度のアーチファクトであるか否かを判定し、
前記1以上のアーチファクトのうちの少なくとも1つが修復困難且つスキャンの中止を要する程度のアーチファクトであるときは、前記サイノグラムの取得を停止し、そうでなければ前記サイノグラムの取得を継続する、医用装置。 - 前記処理回路は、更に、
前記ニューラルネットワークからの前記指標に基づいて、前記再構成された画像によって示されると判定される前記1以上のアーチファクトのうち少なくとも1つが、前記サイノグラムを取得するためのプロトコルを変更することによって軽減できるか否かを判定し、
前記プロトコルを変更することによって前記1以上のアーチファクトのうち少なくとも1つが軽減できるときは、前記サイノグラムを取得するための前記プロトコルを変更し、当該変更されたプロトコルを使用して、前記サイノグラムの取得を継続する、請求項8に記載の医用装置。 - 前記処理回路は、
更に、別のニューラルネットワークを取得し、
前記再構成された画像を前記別のニューラルネットワークに適用することによって、呈示されると判定される前記1以上のアーチファクトを補正し、前記別のニューラルネットワークからの出力を、前記補正された画像として生成する、請求項8又は9に記載の医用装置。 - 前記処理回路は更に、
入力画像が1以上のアーチファクトを呈示するか否かを示すそれぞれの目標指標と組み合わせた入力画像を含む、第1の訓練データセットを入手することと、
所与の前記入力画像を前記ニューラルネットワークに適用して対応するアーチファクト指標を生成することにより、前記ニューラルネットワークを使用して前記入力画像それぞれからアーチファクト指標を生成することと、
損失関数の値を最小にするように前記ニューラルネットワークの重み付け係数を反復的に調整することとによって、
前記ニューラルネットワークを訓練し、
前記損失関数は、前記第1の訓練データセットのそれぞれの入力画像に応答して生成されたアーチファクト指標と、前記第1の訓練データセットの対応する目標指標との間の不一致を評価する、請求項8に記載の医用装置。 - 前記処理回路は更に、
それぞれの目標画像と組み合わせた入力画像を含む第2の訓練データセットを入手することと、
前記入力画像を前記別のニューラルネットワークに適用することにより、前記別のニューラルネットワークを使用して前記入力画像それぞれからアーチファクト補正された画像を生成することと、
損失関数の値を最小にするために前記別のニューラルネットワークの重み付け係数を反復的に調整することとによって、
前記別のニューラルネットワークを訓練し、
前記入力画像は、前記再構成された画像により呈示されると判定される前記1以上のアーチファクトを示し、
前記目標画像は、前記再構成された画像により呈示されると判定される前記1以上のアーチファクトを示さないか、またはより少ない当該アーチファクトを示し、
前記損失関数は、それぞれの目標画像と、それぞれの入力画像を前記別のニューラルネットワークに適用することに応答して生成された対応するアーチファクト補正された画像との間の不一致を評価する、請求項10に記載の医用装置。 - 前記サイノグラムは、X線投影データ、ポジトロン放射断層撮影データ、および単一光子放出コンピュータ断層撮影データのうちの1つである、請求項1~12のいずれか一項に記載の医用装置。
- 前記サイノグラムは、X線投影データであり、
前記処理回路は、X線管の電流、X線管の電圧、X線ビームのコーンビーム角度、ヘリカルスキャンのピッチ、校正、および前記検出器の画素ピッチのうちの1以上を変更することによって、前記プロトコルを変更する、請求項2、3又は9に記載の医用装置。 - 前記処理回路は更に、
別のニューラルネットワークを取得し、
前記別のニューラルネットワークにCT画像を適用して、残留アーチファクトが前記CT画像によって呈示されるかどうかを示す出力を生成し、
前記別のニューラルネットワークからの出力が、前記CT画像によって前記残留アーチファクトが呈示されることを示すときに、前記残留アーチファクトが前記CT画像によって呈示されることを前記医用装置のユーザに知らせる、請求項1に記載の医用装置。 - 前記処理回路は更に、
別のニューラルネットワークを取得し、
前記別のニューラルネットワークにCT画像を適用することによって、前記別のニューラルネットワークから別の2以上のアーチファクトの指標を出力し、
前記別のニューラルネットワークからの指標に基づいて、前記CT画像によって第3のアーチファクトが呈示されるか否か、および前記CT画像によって第4のアーチファクトが呈示されるか否かを判定し、
別の1以上のアーチファクトが前記CT画像によって呈示されると判定されるときは、前記CT画像によって示されると判定される前記別の1以上のアーチファクトを補正することによって、補正された画像を生成する、請求項1に記載の医用装置。 - 前記ニューラルネットワークは、前記取得されたサイノグラムによって呈示されると判定される前記1以上のアーチファクトが(i)光子不足アーチファクト、(ii)風車アーチファクト、(iii)リングアーチファクト、(iv)ゼブラアーチファクト、(v)部分ボリュームアーチファクト、および(vi)切り捨てアーチファクトのうち1以上を含むときは、前記サイノグラムを取得するためのプロトコルに対する変更を指示する指標を発生するように訓練されている、請求項2又は3に記載の医用装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/509,408 | 2019-07-11 | ||
US16/509,408 US11100684B2 (en) | 2019-07-11 | 2019-07-11 | Apparatus and method for artifact detection and correction using deep learning |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021013726A JP2021013726A (ja) | 2021-02-12 |
JP7486983B2 true JP7486983B2 (ja) | 2024-05-20 |
Family
ID=74101969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020035531A Active JP7486983B2 (ja) | 2019-07-11 | 2020-03-03 | 医用装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11100684B2 (ja) |
JP (1) | JP7486983B2 (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3633622A1 (en) * | 2018-10-02 | 2020-04-08 | Koninklijke Philips N.V. | Generation of pseudo radiographic images from optical images |
US11120582B2 (en) * | 2019-07-31 | 2021-09-14 | Z2Sky Technologies Inc. | Unified dual-domain network for medical image formation, recovery, and analysis |
CN110755075B (zh) * | 2019-10-30 | 2023-07-25 | 上海联影医疗科技股份有限公司 | 磁共振成像方法、装置、设备和存储介质 |
US20210287096A1 (en) * | 2020-03-13 | 2021-09-16 | Nvidia Corporation | Microtraining for iterative few-shot refinement of a neural network |
US11341616B2 (en) * | 2020-03-23 | 2022-05-24 | Ge Precision Healthcare | Methods and system for selective removal of streak artifacts and noise from images using deep neural networks |
US11408954B2 (en) * | 2020-03-24 | 2022-08-09 | GE Precision Healthcare LLC | Systems and methods of reducing noise and artifacts in magnetic resonance imaging |
US11740304B2 (en) * | 2020-10-30 | 2023-08-29 | Chengdu Yijian Medical Technology Co., Ltd | Magnetic resonance imaging method and system for subject with metal implants |
TR202019736A2 (tr) * | 2020-12-04 | 2022-06-21 | Aselsan Elektronik Sanayi Ve Ticaret As | Tespi̇t uygulamalari i̇çi̇n gürültü önleme metodu |
CN112767395B (zh) * | 2021-04-07 | 2021-06-25 | 上海市东方医院(同济大学附属东方医院) | 图像性能检测方法及装置 |
US11823354B2 (en) * | 2021-04-08 | 2023-11-21 | GE Precision Healthcare LLC | System and method for utilizing a deep learning network to correct for a bad pixel in a computed tomography detector |
US11808832B2 (en) * | 2021-06-10 | 2023-11-07 | GE Precision Healthcare LLC | System and method for deep learning-based generation of true contrast images utilizing synthetic magnetic resonance imaging data |
CN113420438A (zh) * | 2021-06-22 | 2021-09-21 | 天津大学 | 基于x射线正弦图的增材器件内部结构几何参数测量方法 |
US12045958B2 (en) * | 2021-07-16 | 2024-07-23 | Shanghai United Imaging Intelligence Co., Ltd. | Motion artifact correction using artificial neural networks |
CN113689359B (zh) * | 2021-09-23 | 2024-05-14 | 上海联影医疗科技股份有限公司 | 一种图像伪影去除模型及其训练方法和系统 |
WO2023114265A1 (en) * | 2021-12-15 | 2023-06-22 | The Johns Hopkins University | Methods and related aspects for mitigating unknown biases in computed tomography data |
CN115049753B (zh) * | 2022-05-13 | 2024-05-10 | 沈阳铸造研究所有限公司 | 一种基于无监督深度学习的锥束ct伪影校正方法 |
CN115100308B (zh) * | 2022-06-17 | 2024-05-28 | 明峰医疗系统股份有限公司 | 用于去除ct伪影的神经网络训练方法及系统 |
WO2024035674A1 (en) * | 2022-08-10 | 2024-02-15 | The Johns Hopkins University | Methods and related aspects for producing processed images with controlled images quality levels |
WO2024112969A1 (en) * | 2022-11-27 | 2024-05-30 | Mayo Foundation For Medical Education And Research | High-resolution low-noise volume-of-interest imaging in helical computed tomography using deep learning |
CN115690255B (zh) * | 2023-01-04 | 2023-05-09 | 浙江双元科技股份有限公司 | 基于卷积神经网络的ct图像去伪影方法、装置及系统 |
CN116309923A (zh) * | 2023-05-24 | 2023-06-23 | 吉林大学 | 基于图神经网络的ct金属伪影消除方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018210648A1 (en) | 2017-05-17 | 2018-11-22 | Koninklijke Philips N.V. | Iterative image reconstruction/de-noising with artifact reduction |
JP2019069145A (ja) | 2017-10-06 | 2019-05-09 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理システム |
US20190147588A1 (en) | 2017-11-13 | 2019-05-16 | Siemens Healthcare Gmbh | Artifact identification and/or correction for medical imaging |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59156331A (ja) * | 1983-02-28 | 1984-09-05 | 株式会社島津製作所 | Ctスキヤナ |
JPH04144550A (ja) * | 1990-10-04 | 1992-05-19 | Toshiba Corp | 医用画像装置 |
EP2786309A4 (en) | 2011-11-30 | 2015-07-08 | Univ Rush Medical Center | SYSTEM AND METHOD FOR IDENTIFYING IMPLANTED MEDICAL DEVICES AND / OR DETECTING REMAINING SURGICAL PROPERTIES ON MEDICAL PICTURES |
US9668699B2 (en) | 2013-10-17 | 2017-06-06 | Siemens Healthcare Gmbh | Method and system for anatomical object detection using marginal space deep neural networks |
US9875527B2 (en) * | 2016-01-15 | 2018-01-23 | Toshiba Medical Systems Corporation | Apparatus and method for noise reduction of spectral computed tomography images and sinograms using a whitening transform |
US20180018757A1 (en) * | 2016-07-13 | 2018-01-18 | Kenji Suzuki | Transforming projection data in tomography by means of machine learning |
US9965863B2 (en) | 2016-08-26 | 2018-05-08 | Elekta, Inc. | System and methods for image segmentation using convolutional neural network |
US10074038B2 (en) | 2016-11-23 | 2018-09-11 | General Electric Company | Deep learning medical systems and methods for image reconstruction and quality evaluation |
US11039805B2 (en) * | 2017-01-05 | 2021-06-22 | General Electric Company | Deep learning based estimation of data for use in tomographic reconstruction |
WO2019019199A1 (en) * | 2017-07-28 | 2019-01-31 | Shenzhen United Imaging Healthcare Co., Ltd. | SYSTEM AND METHOD FOR IMAGE CONVERSION |
CN110998651A (zh) * | 2017-08-24 | 2020-04-10 | 爱克发有限公司 | 一种用于生成对象的增强断层扫描图像的方法 |
EP3451284A1 (de) | 2017-09-05 | 2019-03-06 | Siemens Healthcare GmbH | Verfahren zur automatischen artefakterkennung in computertomographischen bilddaten |
US11127175B2 (en) * | 2017-09-26 | 2021-09-21 | Rensselaer Polytechnic Institute | Monochromatic CT image reconstruction from current-integrating data via machine learning |
US11517197B2 (en) * | 2017-10-06 | 2022-12-06 | Canon Medical Systems Corporation | Apparatus and method for medical image reconstruction using deep learning for computed tomography (CT) image noise and artifacts reduction |
CN107871332A (zh) | 2017-11-09 | 2018-04-03 | 南京邮电大学 | 一种基于残差学习的ct稀疏重建伪影校正方法及系统 |
CN107945132B (zh) | 2017-11-29 | 2022-10-04 | 深圳安科高技术股份有限公司 | 一种基于神经网络的ct图像的伪影校正方法及装置 |
WO2019147767A1 (en) * | 2018-01-24 | 2019-08-01 | Rensselaer Polytechnic Institute | 3-d convolutional autoencoder for low-dose ct via transfer learning from a 2-d trained network |
KR102210474B1 (ko) * | 2018-02-23 | 2021-02-01 | 서울대학교산학협력단 | 양전자방출 단층촬영 시스템 및 그것을 이용한 영상 재구성 방법 |
KR20190103816A (ko) * | 2018-02-28 | 2019-09-05 | 삼성전자주식회사 | 컴퓨터 단층 촬영 영상을 보정하는 방법 및 장치 |
KR102174600B1 (ko) * | 2018-06-04 | 2020-11-05 | 한국과학기술원 | 뉴럴 네트워크를 이용한 다방향 엑스레이 전산단층 촬영 영상 처리 방법 및 그 장치 |
US11195310B2 (en) * | 2018-08-06 | 2021-12-07 | General Electric Company | Iterative image reconstruction framework |
US10867415B1 (en) * | 2019-01-17 | 2020-12-15 | National Technology & Engineering Solutions Of Sandia, Llc | Device and method for constructing and displaying high quality images from imaging data by transforming a data structure utilizing machine learning techniques |
-
2019
- 2019-07-11 US US16/509,408 patent/US11100684B2/en active Active
-
2020
- 2020-03-03 JP JP2020035531A patent/JP7486983B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018210648A1 (en) | 2017-05-17 | 2018-11-22 | Koninklijke Philips N.V. | Iterative image reconstruction/de-noising with artifact reduction |
JP2019069145A (ja) | 2017-10-06 | 2019-05-09 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置及び医用画像処理システム |
US20190147588A1 (en) | 2017-11-13 | 2019-05-16 | Siemens Healthcare Gmbh | Artifact identification and/or correction for medical imaging |
Also Published As
Publication number | Publication date |
---|---|
US20210012543A1 (en) | 2021-01-14 |
JP2021013726A (ja) | 2021-02-12 |
US11100684B2 (en) | 2021-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7486983B2 (ja) | 医用装置 | |
JP7518255B2 (ja) | 医用画像処理装置及び医用画像処理システム | |
US20230119427A1 (en) | Apparatus and method for medical image reconstruction using deep learning for computed tomography (ct) image noise and artifacts reduction | |
US11801029B2 (en) | Apparatus and method for medical image reconstruction using deep learning to improve image quality in positron emission tomography (PET) | |
US11176428B2 (en) | Apparatus and method for sinogram restoration in computed tomography (CT) using adaptive filtering with deep learning (DL) | |
CN110807737B (zh) | 迭代图像重建框架 | |
US11039805B2 (en) | Deep learning based estimation of data for use in tomographic reconstruction | |
US20180330233A1 (en) | Machine learning based scatter correction | |
JP2024054204A (ja) | ニューラルネットワークの学習方法、プログラム、医用画像処理方法及び医用装置 | |
US10937208B2 (en) | PET image reconstruction and processing using lesion proxies | |
JP2021013725A (ja) | 医用装置 | |
Zhang et al. | PET image reconstruction using a cascading back-projection neural network | |
JP2020056769A (ja) | 核医学診断装置、核医学画像再構成方法及び核医学画像再構成プログラム | |
JP2021144032A (ja) | 放射線診断装置、方法及びプログラム | |
US20220327665A1 (en) | Neural network for improved performance of medical imaging systems | |
US20230237638A1 (en) | Apparatus and methods for unsupervised image denoising using double over-parameterization |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230112 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230816 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230919 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231027 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240118 |
|
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: 20240409 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240508 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7486983 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |