JPWO2021095256A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2021095256A5 JPWO2021095256A5 JP2021555765A JP2021555765A JPWO2021095256A5 JP WO2021095256 A5 JPWO2021095256 A5 JP WO2021095256A5 JP 2021555765 A JP2021555765 A JP 2021555765A JP 2021555765 A JP2021555765 A JP 2021555765A JP WO2021095256 A5 JPWO2021095256 A5 JP WO2021095256A5
- Authority
- JP
- Japan
- Prior art keywords
- trained
- image
- processing system
- model
- image processing
- 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.)
- Pending
Links
- 238000006243 chemical reaction Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 230000004075 alteration Effects 0.000 claims 3
- 230000000153 supplemental effect Effects 0.000 claims 2
- 230000009466 transformation Effects 0.000 description 4
Description
本発明の一態様に係る画像処理システムは、画像変換部へ入力する入力画像を取得する顕微鏡システムと、前記顕微鏡システムにより取得した前記入力画像を前記入力画像よりも高い画質を有する出力画像に変換する画像変換を学習した複数の学習済みモデルの中から学習済みモデルを選択する選択部と、前記選択部で選択された学習済みモデルを用いて前記画像変換を行う前記画像変換部と、を備え、前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくともサンプルの種類の異なる画像で学習した学習済みモデル、又は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルである。
本発明の一態様に係る画像処理方法は、顕微鏡システムで取得した入力画像を前記入力画像よりも高い画質を有する出力画像に変換する画像変換を学習した複数の学習済みモデルの中から学習済みモデルを選択し、選択した学習済みモデルを用いて前記画像変換を行い、前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくともサンプルの種類の異なる画像で学習した学習済みモデル、又は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルである。
本発明の一態様に係るプログラムは、コンピュータに、顕微鏡システムで取得した入力画像を前記入力画像よりも高い画質を有する出力画像に変換する画像変換を学習した複数の学習済みモデルの中から学習済みモデルを選択し、選択した学習済みモデルを用いて前記画像変換を行い、前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくともサンプルの種類の異なる画像で学習した学習済みモデル、又は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルである、処理を実行させる。
Claims (20)
- 画像変換部へ入力する入力画像を取得する顕微鏡システムと、
前記顕微鏡システムにより取得した前記入力画像を前記入力画像よりも高い画質を有する出力画像に変換する画像変換を学習した複数の学習済みモデルの中から学習済みモデルを選択する選択部と、
前記選択部で選択された学習済みモデルを用いて前記画像変換を行う前記画像変換部と、を備え、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくともサンプルの種類の異なる画像で学習した学習済みモデル、又は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルである
ことを特徴とする画像処理システム。 - 請求項1記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとはサンプルの種類、及び、画質範囲の組合せが異なる画像で学習した学習済みモデルである
ことを特徴とする画像処理システム。 - 請求項1に記載の画像処理システムにおいて、さらに、
前記複数の学習済みモデルを記憶する記憶部を備える
ことを特徴とする画像処理システム。 - 請求項1又は請求項3に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルであり、
前記出力画像は、前記入力画像よりも低いノイズレベルを有し、
前記画質範囲は、ノイズレベルの範囲を含む
ことを特徴とする画像処理システム。 - 請求項4に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは異なるタイプの画像取得装置で取得した画像で学習した学習済みモデルである
ことを特徴とする画像処理システム。 - 請求項5記載の画像処理システムにおいて、
前記異なるタイプの画像取得装置は、レーザ走査顕微鏡とデジタルカメラを有する広視野顕微鏡である
ことを特徴とする画像処理システム。 - 請求項1又は請求項3に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習済みモデルであり、
前記出力画像は、前記入力画像よりも高い解像度を有し、
前記画質範囲は、解像度の範囲を含む
ことを特徴とする画像処理システム。 - 請求項7に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは異なる開口数の対物レンズを用いて取得した画像で学習した学習済みモデルである
ことを特徴とする画像処理システム。 - 請求項7に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは異なる画素分解能で取得した画像で学習した学習済みモデルである
ことを特徴とする画像処理システム。 - 請求項7に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、互いに異なる共焦点ピンホール径を有するレーザ走査型顕微鏡で取得した画像で学習した学習済みモデルである
ことを特徴とする画像処理システム。 - 請求項1又は請求項3に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルであり、
前記出力画像は、前記入力画像よりも低い収差レベルを有し、
前記画質範囲は、収差レベルの範囲を含む
ことを特徴とする画像処理システム。 - 請求項11に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは異なる収差性能を有する対物レンズを用いて取得した画像で学習した学習済みモデルである
ことを特徴とする画像処理システム。 - 請求項3に記載の画像処理システムにおいて、
前記記憶部は、前記複数の学習済みモデルと関連付けて前記複数の学習済みモデルの特徴を示す複数のモデル補足情報を記憶し、
前記選択部は、前記入力画像と、前記複数のモデル補足情報と、に基づいて、前記複数の学習済みモデルから前記画像変換に用いられる学習済みモデルを選択する
ことを特徴とする画像処理システム。 - 請求項13に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくともサンプルの種類の異なる画像で学習した学習済みモデルであり、
前記複数のモデル補足情報は、前記複数の学習済みモデルのサンプルの種類に対応する複数の代表画像であり、
前記選択部は、前記入力画像と前記複数の代表画像との比較結果に基づいて、前記複数の学習済みモデルから前記画像変換に用いられる学習済みモデルを選択する
ことを特徴とする画像処理システム。 - 請求項14に記載の画像処理システムにおいて、
前記選択部は、前記入力画像と前記複数の代表画像との類似度を算出することにより前記入力画像と前記複数の代表画像を比較する
ことを特徴とする画像処理システム。 - 請求項13に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルであり、
前記複数のモデル補足情報は、前記複数の学習済みモデルの学習に用いられた画像の画質範囲に対応する複数のモデル画質情報であり、
前記選択部は、前記入力画像から算出される入力画質情報と前記複数のモデル画質情報との比較結果に基づいて、前記複数の学習済みモデルから前記画像変換に用いられる学習済みモデルを選択する
ことを特徴とする画像処理システム。 - 請求項3に記載の画像処理システムにおいて、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルであり、
前記記憶部は、前記複数の学習済みモデルと関連付けて前記複数の学習済みモデルの特徴を示す複数のモデル補足情報を記憶し、
前記選択部は、前記入力画像を取得する前記顕微鏡システムの設定情報と、前記複数のモデル補足情報と、に基づいて、前記複数の学習済みモデルから前記画像変換に用いられる学習済みモデルを選択する
ことを特徴とする画像処理システム。 - 請求項17に記載の画像処理システムにおいて、
前記顕微鏡システムはレーザ走査型顕微鏡であり、
前記設定情報は、ガルバノスキャナのスキャンサイズとピンホール径のうち、少なくともどちらか一方を含み、
前記選択部は、前記設定情報から前記入力画像の解像度を算出し、算出した解像度と複数のモデル情報に基づいて、モデルを選択する
ことを特徴とする画像処理システム。 - 顕微鏡システムで取得した入力画像を前記入力画像よりも高い画質を有する出力画像に変換する画像変換を学習した複数の学習済みモデルの中から学習済みモデルを選択し、
選択した学習済みモデルを用いて前記画像変換を行い、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくともサンプルの種類の異なる画像で学習した学習済みモデル、又は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルである
ことを特徴とする画像処理方法。 - コンピュータに、
顕微鏡システムで取得した入力画像を前記入力画像よりも高い画質を有する出力画像に変換する画像変換を学習した複数の学習済みモデルの中から学習済みモデルを選択し、
選択した学習済みモデルを用いて前記画像変換を行い、
前記複数の学習済みモデルの各々は、他の学習済みモデルとは少なくともサンプルの種類の異なる画像で学習した学習済みモデル、又は、他の学習済みモデルとは少なくとも画質範囲の異なる画像で学習した学習済みモデルである
処理を実行させることを特徴とするプログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2019/044942 WO2021095256A1 (ja) | 2019-11-15 | 2019-11-15 | 画像処理システム、画像処理方法、及び、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2021095256A1 JPWO2021095256A1 (ja) | 2021-05-20 |
JPWO2021095256A5 true JPWO2021095256A5 (ja) | 2022-08-04 |
Family
ID=75912095
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021555765A Pending JPWO2021095256A1 (ja) | 2019-11-15 | 2019-11-15 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20220252857A1 (ja) |
JP (1) | JPWO2021095256A1 (ja) |
WO (1) | WO2021095256A1 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TW202143119A (zh) * | 2020-05-07 | 2021-11-16 | 瑞典商安訊士有限公司 | 在具有光強度廣泛範圍的場景中利用神經網路之物件偵測 |
WO2022068735A1 (en) * | 2020-09-30 | 2022-04-07 | Splitmedialabs Limited | Computing platform using machine learning for foreground mask estimation |
WO2023276327A1 (ja) * | 2021-06-29 | 2023-01-05 | 浜松ホトニクス株式会社 | 光学画像処理方法、機械学習方法、学習済みモデル、機械学習の前処理方法、光学画像処理モジュール、光学画像処理プログラム、及び光学画像処理システム |
JP2023123987A (ja) * | 2022-02-25 | 2023-09-06 | 株式会社Screenホールディングス | モデル選定方法および画像処理方法 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007189589A (ja) * | 2006-01-16 | 2007-07-26 | Sony Corp | 情報処理装置および情報処理方法、学習装置および学習方法、並びにプログラム |
WO2018037521A1 (ja) * | 2016-08-25 | 2018-03-01 | キヤノン株式会社 | 画像処理方法、画像処理装置、撮像装置、画像処理プログラム、記憶媒体 |
JP6668278B2 (ja) * | 2017-02-20 | 2020-03-18 | 株式会社日立ハイテク | 試料観察装置および試料観察方法 |
JP6957197B2 (ja) * | 2017-05-17 | 2021-11-02 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
US10657446B2 (en) * | 2017-06-02 | 2020-05-19 | Mitsubishi Electric Research Laboratories, Inc. | Sparsity enforcing neural network |
WO2018225133A1 (ja) * | 2017-06-05 | 2018-12-13 | 楽天株式会社 | 画像処理装置、画像処理方法、および画像処理プログラム |
-
2019
- 2019-11-15 JP JP2021555765A patent/JPWO2021095256A1/ja active Pending
- 2019-11-15 WO PCT/JP2019/044942 patent/WO2021095256A1/ja active Application Filing
-
2022
- 2022-04-28 US US17/731,407 patent/US20220252857A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPWO2021095256A5 (ja) | ||
JP7075743B2 (ja) | マルチレベル拡大被写界深度画像処理機能を備えた可変焦点距離レンズ | |
JP5705096B2 (ja) | 画像処理装置及び画像処理方法 | |
US20220252857A1 (en) | Image processing system, image processing method, and computer-readable medium | |
JP7292979B2 (ja) | 画像処理装置及び画像処理方法 | |
CN111462076A (zh) | 一种全切片数字病理图像模糊区域检测方法及系统 | |
US10330913B2 (en) | Method and device for imaging an object | |
JP6922166B2 (ja) | 円筒内面観察装置、円筒内面観察方法、円筒内面検査装置及び円筒内面検査方法 | |
JP2018536211A5 (ja) | ||
CN111008945B (zh) | 基于机器学习的多像质参数自适应像差矫正方法及装置 | |
JP5080491B2 (ja) | 焦点調整方法 | |
JP2015108837A (ja) | 画像処理装置及び画像処理方法 | |
JP2014115609A (ja) | 撮像装置、顕微鏡システム及び撮像方法 | |
JP6887875B2 (ja) | 顕微鏡システム、制御方法、及び、プログラム | |
JP6563486B2 (ja) | 顕微鏡観察システム、顕微鏡観察方法、及び顕微鏡観察プログラム | |
CN116930192B (zh) | 一种高精度铜管缺陷检测方法及系统 | |
JP2023532755A (ja) | 画像を処理するためのコンピュータ実装方法、コンピュータプログラム製品、およびシステム | |
JP6563517B2 (ja) | 顕微鏡観察システム、顕微鏡観察方法、及び顕微鏡観察プログラム | |
JP5996462B2 (ja) | 画像処理装置、顕微鏡システム及び画像処理方法 | |
Webb et al. | Quantifying depth of field and sharpness for image-based 3D reconstruction of heritage objects | |
WO2022113367A1 (ja) | 画像変換方法、プログラム、画像処理装置 | |
US20210109045A1 (en) | Continuous scanning for localization microscopy | |
CN112069735B (zh) | 一种基于非对称像差的全切片数字成像高精度自动聚焦法 | |
CN113689366A (zh) | 一种温宽动态调节方法和装置 | |
JP2022535391A (ja) | 顕微鏡対物レンズの視野を横断する合焦平面の変動を補正するためのシステムおよび方法 |