JPWO2020085336A1 - 重み画像生成装置、方法およびプログラム、判別器学習装置、方法およびプログラム、領域抽出装置、方法およびプログラム並びに判別器 - Google Patents
重み画像生成装置、方法およびプログラム、判別器学習装置、方法およびプログラム、領域抽出装置、方法およびプログラム並びに判別器 Download PDFInfo
- Publication number
- JPWO2020085336A1 JPWO2020085336A1 JP2020553410A JP2020553410A JPWO2020085336A1 JP WO2020085336 A1 JPWO2020085336 A1 JP WO2020085336A1 JP 2020553410 A JP2020553410 A JP 2020553410A JP 2020553410 A JP2020553410 A JP 2020553410A JP WO2020085336 A1 JPWO2020085336 A1 JP WO2020085336A1
- Authority
- JP
- Japan
- Prior art keywords
- interest
- region
- image
- correction
- medical 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims description 62
- 238000012937 correction Methods 0.000 claims abstract description 127
- 238000000605 extraction Methods 0.000 claims description 54
- 238000012986 modification Methods 0.000 claims description 15
- 230000004048 modification Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 2
- 238000003860 storage Methods 0.000 description 35
- 230000008569 process Effects 0.000 description 34
- 238000010586 diagram Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 230000000306 recurrent effect Effects 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 210000000988 bone and bone Anatomy 0.000 description 2
- 210000000845 cartilage Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000012447 hatching Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01T—MEASUREMENT OF NUCLEAR OR X-RADIATION
- G01T1/00—Measuring X-radiation, gamma radiation, corpuscular radiation, or cosmic radiation
- G01T1/16—Measuring radiation intensity
- G01T1/161—Applications in the field of nuclear medicine, e.g. in vivo counting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- High Energy & Nuclear Physics (AREA)
- Molecular Biology (AREA)
- Data Mining & Analysis (AREA)
- Multimedia (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Public Health (AREA)
- Optics & Photonics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
表示された医用画像から抽出された関心領域の境界に対する修正指示により、関心領域の境界を修正する修正部と、
抽出された関心領域に初期重み係数を設定し、医用画像における修正指示がなされた修正領域に対して修正重み係数を設定することにより、医用画像内の各画素に対して関心領域であることの確からしさを表す重み係数を各画素の画素値とする重み画像を生成する画像生成部とを備える。
修正部は、複数の関心領域のそれぞれに対する修正指示により、複数の関心領域のそれぞれの境界を修正し、
画像生成部は、複数の関心領域のそれぞれに対して重み係数を設定するものであってもよい。
重み画像において重み係数がしきい値以上となる領域に対応する対応領域を、医用画像から抽出する対応領域抽出部をさらに備えるものであってもよい。
複数の学習データにより、医用画像が入力されると医用画像に含まれる関心領域の判別結果を出力する判別器を学習する学習部とを備える。
医用画像における関心領域を判別する本開示の判別器とを備える。
表示された医用画像から抽出された関心領域の境界に対する修正指示により、関心領域の境界を修正し、
抽出された関心領域に初期重み係数を設定し、医用画像における修正指示がなされた修正領域に対して修正重み係数を設定することにより、医用画像内の各画素に対して関心領域であることの確からしさを表す重み係数を各画素の画素値とする重み画像を生成する。
複数の学習データにより、医用画像が入力されると医用画像に含まれる関心領域の判別結果を出力する判別器を学習する。
本開示の判別器により、医用画像における関心領域を判別する。
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
少なくとも1つの関心領域が抽出された医用画像を表示部に表示し、
表示された医用画像から抽出された関心領域の境界に対する修正指示により、関心領域の境界を修正し、
抽出された関心領域に初期重み係数を設定し、医用画像における修正指示がなされた修正領域に対して修正重み係数を設定することにより、医用画像内の各画素に対して関心領域であることの確からしさを表す重み係数を各画素の画素値とする重み画像を生成する処理を実行する。
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
本開示による重み画像生成方法により生成された重み画像および医用画像から抽出された対応領域の画像を学習データとして取得し、
複数の学習データにより、医用画像が入力されると医用画像に含まれる関心領域の判別結果を出力する判別器を学習する処理を実行する。
記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、
関心領域の判別対象となる医用画像を取得し、
本開示の判別器により、医用画像における関心領域を判別する処理を実行する。
2 3次元画像撮影装置
3 画像保管サーバ
4 ネットワーク
11,51 CPU
12,52 メモリ
13,53 ストレージ
14,54 ディスプレイ
15,55 入力部
21 画像取得部
22 関心領域抽出部
23 表示制御部
24 修正部
25 画像生成部
26 しきい値設定部
26A スライダ
27 領域抽出部
29 対応領域
30 関心領域
30L 関心領域の境界
31 第1の関心領域
32 第2の関心領域
50 領域抽出装置
61 学習データ取得部
62 学習部
63 判別器
64 画像取得部
65 表示制御部
70 判別された関心領域
A10 不足している領域
A11 過抽出の領域
A12 追加された領域
Dk,D1〜D4 断層画像
L1,L2 境界を表す線
W0 重み画像
2 3次元画像撮影装置
3 画像保管サーバ
4 ネットワーク
11,51 CPU
12,52 メモリ
13,53 ストレージ
14,54 表示部
15,55 入力部
21 画像取得部
22 関心領域抽出部
23 表示制御部
24 修正部
25 画像生成部
26 しきい値設定部
26A スライダ
27 対応領域抽出部
29 対応領域
30 関心領域
30L 関心領域の境界
31 第1の関心領域
32 第2の関心領域
50 領域抽出装置
61 学習データ取得部
62 学習部
63 判別器
64 画像取得部
65 表示制御部
70 判別された関心領域
A10 不足している領域
A11 過抽出の領域
A12 追加された領域
Dk,D1〜D4 断層画像
L1,L2 境界を表す線
W0 重み画像
Claims (20)
- 少なくとも1つの関心領域が抽出された医用画像を表示部に表示する表示制御部と、
表示された前記医用画像から抽出された関心領域の境界に対する修正指示により、前記関心領域の境界を修正する修正部と、
前記抽出された関心領域に初期重み係数を設定し、前記医用画像における前記修正指示がなされた修正領域に対して修正重み係数を設定することにより、前記医用画像内の各画素に対して前記関心領域であることの確からしさを表す重み係数を各画素の画素値とする重み画像を生成する画像生成部とを備えた重み画像生成装置。 - 前記画像生成部は、前記修正指示の内容に応じて異なる前記修正重み係数を設定する請求項1に記載の重み画像生成装置。
- 前記画像生成部は、前記修正指示が領域の追加の指示である場合、前記修正領域に対して正の修正重み係数を設定し、前記修正指示が領域の削除の指示である場合、前記修正領域に対して負の修正重み係数を設定する請求項2に記載の重み画像生成装置。
- 複数の前記関心領域が前記医用画像から抽出されてなる場合、
前記修正部は、前記複数の関心領域のそれぞれに対する前記修正指示により、前記複数の関心領域のそれぞれの境界を修正し、
前記画像生成部は、前記複数の関心領域のそれぞれに対して前記重み係数を設定する請求項1から3のいずれか1項に記載の重み画像生成装置。 - 前記画像生成部は、前記複数の関心領域が隣接する場合、前記複数の関心領域のそれぞれに対して設定された前記重み係数に応じて、前記重み画像における前記複数の関心領域の境界を設定する請求項4に記載の重み画像生成装置。
- 前記画像生成部は、前記複数の関心領域のうちの1つの関心領域に対する修正指示により、該1つの関心領域以外の他の関心領域に対して前記修正重み係数を設定する請求項4または5に記載の重み画像生成装置。
- 前記画像生成部は、前記複数の関心領域のうちの少なくとも1つの関心領域の前記重み係数に対して設定されたしきい値に応じて、前記複数の関心領域の境界を設定する請求項4から6のいずれか1項に記載の重み画像生成装置。
- 前記画像生成部は、前記関心領域の種類に応じて、異なる前記修正重み係数を設定する請求項1から7のいずれか1項に記載の重み画像生成装置。
- 前記画像生成部は、前記医用画像が3次元画像である場合、前記表示部に表示された前記医用画像において、視認できる画素に対する前記修正重み係数を、視認できない画素よりも大きくする請求項1から8のいずれか1項に記載の重み画像生成装置。
- 前記重み係数に対するしきい値を設定するしきい値設定部をさらに備え、
前記重み画像において前記重み係数が前記しきい値以上となる領域に対応する対応領域を、前記医用画像から抽出する対応領域抽出部をさらに備えた請求項1から9のいずれか1項に記載の重み画像生成装置。 - 請求項10に記載の重み画像生成装置により生成された前記重み画像および前記医用画像から抽出された前記対応領域の画像を学習データとして取得する学習データ取得部と、
複数の前記学習データにより、前記医用画像が入力されると該医用画像に含まれる関心領域の判別結果を出力する判別器を学習する学習部とを備えた判別器学習装置。 - 請求項11に記載の判別器学習装置により学習がなされた判別器。
- 関心領域の判別対象となる医用画像を取得する画像取得部と、
前記医用画像における前記関心領域を判別する請求項12に記載の判別器とを備えた領域抽出装置。 - 前記判別器による前記関心領域の判別結果を表示する表示制御部をさらに備えた請求項13に記載の領域抽出装置。
- 少なくとも1つの関心領域が抽出された医用画像を表示部に表示し、
表示された前記医用画像から抽出された関心領域の境界に対する修正指示により、前記関心領域の境界を修正し、
前記抽出された関心領域に初期重み係数を設定し、前記医用画像における前記修正指示がなされた修正領域に対して修正重み係数を設定することにより、前記医用画像内の各画素に対して前記関心領域であることの確からしさを表す重み係数を各画素の画素値とする重み画像を生成する重み画像生成方法。 - 請求項15に記載の重み画像生成方法により生成された前記重み画像および前記医用画像から抽出された、前記重み画像において前記重み係数が前記しきい値以上となる領域に対応する対応領域の画像を学習データとして取得し、
複数の前記学習データにより、前記医用画像が入力されると該医用画像に含まれる関心領域の判別結果を出力する判別器を学習する判別器学習方法。 - 関心領域の判別対象となる医用画像を取得し、
請求項12に記載の判別器により、前記医用画像における前記関心領域を判別する領域抽出方法。 - 少なくとも1つの関心領域が抽出された医用画像を表示部に表示する手順と、
表示された前記医用画像から抽出された関心領域の境界に対する修正指示により、前記関心領域の境界を修正する手順と、
前記抽出された関心領域に初期重み係数を設定し、前記医用画像における前記修正指示がなされた修正領域に対して修正重み係数を設定することにより、前記医用画像内の各画素に対して前記関心領域であることの確からしさを表す重み係数を各画素の画素値とする重み画像を生成する手順とをコンピュータに実行させる重み画像生成プログラム。 - 請求項15に記載の重み画像生成方法により生成された前記重み画像および前記医用画像から抽出された、前記重み画像において前記重み係数が前記しきい値以上となる領域に対応する対応領域の画像を学習データとして取得する手順と、
複数の前記学習データにより、前記医用画像が入力されると該医用画像に含まれる関心領域の判別結果を出力する判別器を学習する手順とをコンピュータに実行させる判別器学習プログラム。 - 関心領域の判別対象となる医用画像を取得する手順と、
請求項12に記載の判別器により、前記医用画像における前記関心領域を判別する手順とをコンピュータに実行させる領域抽出プログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018201071 | 2018-10-25 | ||
JP2018201071 | 2018-10-25 | ||
PCT/JP2019/041401 WO2020085336A1 (ja) | 2018-10-25 | 2019-10-21 | 重み画像生成装置、方法およびプログラム、判別器学習装置、方法およびプログラム、領域抽出装置、方法およびプログラム並びに判別器 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2020085336A1 true JPWO2020085336A1 (ja) | 2021-09-09 |
JP7084494B2 JP7084494B2 (ja) | 2022-06-14 |
Family
ID=70330452
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020553410A Active JP7084494B2 (ja) | 2018-10-25 | 2019-10-21 | 重み画像生成装置、方法およびプログラム、判別器学習装置、方法およびプログラム、領域抽出装置、方法およびプログラム並びに判別器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11715279B2 (ja) |
JP (1) | JP7084494B2 (ja) |
CN (1) | CN112912008B (ja) |
DE (1) | DE112019005308T5 (ja) |
WO (1) | WO2020085336A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7048760B2 (ja) * | 2018-10-31 | 2022-04-05 | 富士フイルム株式会社 | 領域修正装置、方法およびプログラム |
DE112020002179T5 (de) * | 2019-06-04 | 2022-04-07 | Fujifilm Corporation | Anzeigevorrichtung für Korrekturbefehlsbereich, Anzeigeverfahren für Korrekturbefehlsbereich und Anzeigeprogramm für Korrekturbefehlsbereich |
WO2022059799A1 (ja) * | 2020-09-18 | 2022-03-24 | 国立大学法人群馬大学 | 情報処理装置及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11128226A (ja) * | 1997-10-31 | 1999-05-18 | Toshiba Corp | 画像診断装置及び超音波診断装置 |
JP2002210027A (ja) * | 2001-01-16 | 2002-07-30 | Mitsubishi Electric Corp | 放射線治療装置 |
WO2008107970A1 (ja) * | 2007-03-06 | 2008-09-12 | Shimadzu Corporation | エッジ評価方法とエッジ検出方法と画像補正方法と画像処理システム |
JP2011030911A (ja) * | 2009-08-05 | 2011-02-17 | Dainippon Printing Co Ltd | Cnr測定装置,方法及びコンピュータプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007104250A (ja) * | 2005-10-04 | 2007-04-19 | Seiko Epson Corp | 画像表示方法、画像表示システム、画像表示プログラム。 |
US8081811B2 (en) | 2007-04-12 | 2011-12-20 | Fujifilm Corporation | Method, apparatus, and program for judging image recognition results, and computer readable medium having the program stored therein |
KR100952817B1 (ko) * | 2008-11-28 | 2010-04-14 | 서울대학교산학협력단 | 반자동 의료 영상 분할 방법 및 그 장치 |
EP3236418B1 (en) * | 2016-04-13 | 2020-10-28 | Canon Kabushiki Kaisha | Image processing apparatus, image processing method, and storage medium |
-
2019
- 2019-10-21 CN CN201980070256.0A patent/CN112912008B/zh active Active
- 2019-10-21 JP JP2020553410A patent/JP7084494B2/ja active Active
- 2019-10-21 WO PCT/JP2019/041401 patent/WO2020085336A1/ja active Application Filing
- 2019-10-21 DE DE112019005308.6T patent/DE112019005308T5/de active Pending
-
2021
- 2021-04-22 US US17/237,076 patent/US11715279B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11128226A (ja) * | 1997-10-31 | 1999-05-18 | Toshiba Corp | 画像診断装置及び超音波診断装置 |
JP2002210027A (ja) * | 2001-01-16 | 2002-07-30 | Mitsubishi Electric Corp | 放射線治療装置 |
WO2008107970A1 (ja) * | 2007-03-06 | 2008-09-12 | Shimadzu Corporation | エッジ評価方法とエッジ検出方法と画像補正方法と画像処理システム |
JP2011030911A (ja) * | 2009-08-05 | 2011-02-17 | Dainippon Printing Co Ltd | Cnr測定装置,方法及びコンピュータプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20210241016A1 (en) | 2021-08-05 |
CN112912008A (zh) | 2021-06-04 |
JP7084494B2 (ja) | 2022-06-14 |
US11715279B2 (en) | 2023-08-01 |
CN112912008B (zh) | 2024-04-09 |
WO2020085336A1 (ja) | 2020-04-30 |
DE112019005308T5 (de) | 2021-07-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108701370B (zh) | 基于机器学习的基于内容的医学成像渲染 | |
US20210174543A1 (en) | Automated determination of a canonical pose of a 3d objects and superimposition of 3d objects using deep learning | |
US11715279B2 (en) | Weighted image generation apparatus, method, and program, determiner learning apparatus, method, and program, region extraction apparatus, method, and program, and determiner | |
JP6824845B2 (ja) | 画像処理システム、装置、方法およびプログラム | |
US20180064409A1 (en) | Simultaneously displaying medical images | |
EP2401719A1 (fr) | Méthodes de segmentation d'images et de détection de structures particulières | |
WO2020110519A1 (ja) | 類似度決定装置、方法およびプログラム | |
EP3651117B1 (en) | Methods, systems and use for detecting irregularities in medical images by means of a machine learning model | |
Seo et al. | Semiautomatic segmentation of nasal airway based on collaborative environment | |
JP7007469B2 (ja) | 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム | |
CN116797612A (zh) | 基于弱监督深度活动轮廓模型的超声图像分割方法及装置 | |
JP2023114463A (ja) | 表示装置、方法およびプログラム | |
KR102222816B1 (ko) | 진행성 병변의 미래 영상을 생성하는 방법 및 이를 이용한 장치 | |
JP7048760B2 (ja) | 領域修正装置、方法およびプログラム | |
KR102556646B1 (ko) | 의료 영상 생성 방법 및 장치 | |
JP7083427B2 (ja) | 修正指示領域表示装置、方法およびプログラム | |
JP7204781B2 (ja) | 画像処理装置、方法及びプログラム | |
Nagaraju et al. | Design of a novel panoptic segmentation using multi-scale pooling model for tooth segmentation | |
US20230306605A1 (en) | Image generation apparatus, method, and program, learning apparatus, method, and program, segmentation model, and image processing apparatus, method, and program | |
US20240037739A1 (en) | Image processing apparatus, image processing method, and image processing program | |
JP7376715B2 (ja) | 経過予測装置、経過予測装置の作動方法および経過予測プログラム | |
Neumann | Localization and Classification of Teeth in Cone Beam Computed Tomography using 2D CNNs | |
JP2023143628A (ja) | 画像生成装置、方法およびプログラム、学習装置、方法およびプログラム、セグメンテーションモデル、並びに画像処理装置、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210420 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210420 |
|
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: 20220510 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220602 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7084494 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |