KR20200129616A - 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치 - Google Patents

혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치 Download PDF

Info

Publication number
KR20200129616A
KR20200129616A KR1020190054292A KR20190054292A KR20200129616A KR 20200129616 A KR20200129616 A KR 20200129616A KR 1020190054292 A KR1020190054292 A KR 1020190054292A KR 20190054292 A KR20190054292 A KR 20190054292A KR 20200129616 A KR20200129616 A KR 20200129616A
Authority
KR
South Korea
Prior art keywords
image
digital breast
correction unit
breast tomography
correcting
Prior art date
Application number
KR1020190054292A
Other languages
English (en)
Inventor
백종덕
최윤수
Original Assignee
연세대학교 산학협력단
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 연세대학교 산학협력단 filed Critical 연세대학교 산학협력단
Priority to KR1020190054292A priority Critical patent/KR20200129616A/ko
Publication of KR20200129616A publication Critical patent/KR20200129616A/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/001—
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G06T5/006—
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/80—Geometric correction
    • 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
    • G06T2207/30068—Mammography; Breast

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Image Processing (AREA)

Abstract

본 발명은 복수의 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상에서 발생되는 왜곡을 보정하여 CT 영상과 유사한 영상을 출력하는 방법에 관한 기술로서, 디지털 유방 단층촬영합성 영상을 수신하는 입력부, 입력부가 수신한 디지털 유방 단층촬영합성 영상에서 복수의 콘볼루션 신경망을 이용하여 보정하는 보정부, 보정부에서 보정된 영상을 출력하는 출력부를 포함한다.

Description

혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치 {METHOD AND APPARATUS TO CALIBRATE DIGITAL BREAST TOMOSYNTHESIS IMAGE USING MIXED CONVOLUTION NEURAL NETWORK}
본 발명은 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치에 관한 것으로서, 보다 상세하게는 복수의 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상에서 발생되는 왜곡을 보정하여 CT 영상과 유사한 영상을 출력하는 방법에 관한 기술이다.
초기 유방암 진단을 위해 디지털 유방 단층촬영합성(Digital Breast Tomosynthesis, DBT) 영상을 많이 이용되고 있다.
디지털 유방 단층촬영합성 영상은 CT(computerized tomography) 영상에 비해 선량(Dose)이 적은 장점이 있다.
CT 영상은 모든 각도에서 유방(Breast)을 촬영하기 때문에 선명한 영상을 획득할 수 있다. 반면, 디지털 유방 단층촬영합성 영상은 한정된 각도에서 촬영이 이루어지기 때문에 데이터 손실과 번짐 현상과 같은 영상 왜곡이 발생되는 문제가 있다.
도 1은 CT를 이용하여 촬영된 영상(상측)과, 동일 부위를 디지털 유방 단층촬영합성을 이용하여 촬영된 영상(하측)을 비교한 것이다. CT 영상에서는 유방조직(Breast tissue)과 종양(붉은 화살표)의 모습이 구분되지만, DBT 영상에서는 명확하게 식별되지 않는 한계가 있다.
등록특허공보 제10-1500481호
이에 본 발명은 상기와 같은 종래의 제반 문제점을 해소하기 위해 제안된 것으로, 본 발명의 목적은 복수의 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상에서 발생되는 왜곡을 보정하여 CT 영상과 유사한 영상을 출력하는 방법을 제공하는 것을 과제로 한다.
상기와 같은 목적을 달성하기 위하여 본 발명의 기술적 사상에 의한 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 장치는, 디지털 유방 단층촬영합성 영상을 수신하는 입력부; 상기 입력부가 수신한 디지털 유방 단층촬영합성 영상에서 복수의 콘볼루션 신경망을 이용하여 보정하는 보정부; 및 상기 보정부에서 보정된 영상을 출력하는 출력부를 포함하는 것을 특징으로 한다.
또한, 상기 보정부는, 상기 디지털 유방 단층촬영합성 영상의 볼륨을 고려하여 3차원적으로 보정하는 삼차원보정부; 및 상기 삼차원보정부에서 보정된 영상의 축면(Axial plane) 및 시상면(Sagittal plane)을 보정하는 이차원보정부를 포함하는 것을 특징으로 할 수 있다.
또한, 상기 이차원보정부는 U-net 및 Perceptual loss를 이용하는 것을 특징으로 할 수 있다.
한편, 상기와 같은 목적을 달성하기 위하여 본 발명의 기술적 사상에 의한 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법은, 입력부가 디지털 유방 단층촬영합성 영상을 수신하는 단계; 삼차원보정부가 상기 디지털 유방 단층촬영합성 영상의 볼륨을 고려하여 3차원적으로 보정하는 단계; 이차원보정부가 상기 삼차원보정부에서 보정된 영상의 축면(Axial plane) 및 시상면(Sagittal plane)을 보정하는 단계; 및 출력부가 보정된 영상을 출력하는 단계를 포함하는 것을 특징으로 한다.
본 발명에 의한 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치에 따르면,
첫째, 종래 디지털 유방 단층촬영합성에 포함된 노이즈가 보정과정에서 상당히 제거되기 때문에 CT 영상을 이용하는 것과 같이 보다 선명한 영상으로 유방암을 진단할 수 있게 된다.
둘째, 관상면(Coronal plane)에 더하여 축면(Axial plane) 및 시상면(Sagittal plane)에서도 보정이 실시되기 때문에 유방암 진단 시 다양한 방향의 영상을 참고할 수 있게 되어 진단에 활용할 수 있는 자료가 풍부해지게 된다.
도 1은 동일 부위를 촬영한 CT 영상과 디지털 유방 단층촬영합성 영상을 비교한 도면.
도 2는 본 발명의 실시예에 따른 디지털 유방 단층촬영합성 영상을 보정하는 장치의 구성을 나타낸 블록도.
도 3은 디지털 유방 단층촬영합성 영상을 관상면(Coronal plane), 축면(Axial plane) 및 시상면(Sagittal plane)과, 해당 면에서 관찰했을 때 나타나는 영상을 나타낸 도면.
도 4의 (a)는 CT 영상의 관상면, (b)는 (a)부위의 디지털 유방 단층촬영합성 영상, (c)는 (b)를 본 발명의 실시예로 보정한 영상을 나타낸 도면.
도 5의 (a)는 CT 영상의 축면, (b)는 (a)부위의 디지털 유방 단층촬영합성 영상, (c)는 (b)를 본 발명의 실시예로 보정한 영상을 나타낸 도면.
도 6의 (a)는 CT 영상의 시상면, (b)는 (a)부위의 디지털 유방 단층촬영합성 영상, (c)는 (b)를 본 발명의 실시예로 보정한 영상을 나타낸 도면.
도 7은 본 발명의 실시예에 따른 디지털 유방 단층촬영합성 영상을 보정하는 방법을 나타낸 순서도.
첨부한 도면을 참조하여 본 발명의 실시예들에 의한 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치에 대하여 상세히 설명한다. 본 발명은 다양한 변경을 가할 수 있고 여러 가지 형태를 가질 수 있는바, 특정 실시예들을 도면에 예시하고 본문에 상세하게 설명하고자 한다. 그러나 이는 본 발명을 특정한 개시 형태에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술범위에 포함되는 모든 변경, 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 각 도면을 설명하면서 유사한 참조부호를 유사한 구성요소에 대해 사용하였다.
또한, 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
본 발명의 실시예에 따른 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성(Digital Breast Tomosynthesis) 영상을 보정하는 방법 및 장치는 하나의 컴퓨터 장치에 설치 운영되거나, 복수의 컴퓨터 장치에 분산 설치되고 유선 또는 무선으로 각 컴퓨터가 서로 네트워크를 구성하여 연동되는 것으로 실시될 수 있다.
도 2를 참조하면, 본 발명의 실시예에 따른 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 장치는 디지털 유방 단층촬영합성 영상을 수신하는 입력부(120), 입력부(120)가 수신한 디지털 유방 단층촬영합성 영상에서 복수의 콘볼루션 신경망을 이용하여 보정하는 보정부(140), 보정부(140)에서 보정된 영상을 출력하는 출력부(180)를 포함한다.
입력부(120)가 수신하는 유방 단층촬영합성 영상은 촬영된 부위의 3차원 정보, 즉 볼륨 정보를 포함한다.
보정부(140)는, 디지털 유방 단층촬영합성 영상의 볼륨을 고려하여 3차원적으로 보정하는 삼차원보정부(142)와, 삼차원보정부(142)에서 보정된 영상의 축면(Axial plane) 및 시상면(Sagittal plane)을 보정하는 이차원보정부(144)를 포함한다.
삼차원보정부(142)는 잔류 신경망(Residual neural network)과 같은 콘볼루션 신경망이 이용될 수 있다. 잔류 신경망은 대뇌 피질의 피라미드 세포에서 알려진 구조를 기반으로하는 인공 신경망(artificial neural network)이다. 잔류 신경망은 스킵-연결 또는 일부 레이어를 스킵하는 지름길을 이용하여 기능을 수행한다. 일반적인 잔류 신경망 모델은 단일 레이어 스킵으로 구현된다. 추가 가중치 행렬은 스킵 가중치를 학습하는데 이용될 수 있다.
삼차원보정부(142)는 3차원 영상의 보정을 위해, 3차원 영상으로 학습된다.
유방 단층촬영합성 영상은 3차원 영상이기 때문에 삼차원보정부(142)를 이용하여 삼차원 콘볼루션을 하면 2차원 영상보다 더 많은 정보를 포함하여, 이후 2차원 보정에 이용될 때 더 많은 정보를 참고할 수 있게 된다.
또한, 이차원보정부(144)는 U-net 및 Perceptual loss를 이용한다.
U-net은 이미지를 빠르고 정확하게 세분화할 수 있는 콘볼루션 네트워크 아키텍처이다. 네트워크는 완전 콘볼루션 네트워크를 기반으로하며, 아키텍처가 수정되어 더 적은 학습 이미지로 작동하고, 보다 정확한 세분화를 제공한다. 삼차원보정부(142)에서 3차원 영상이 보정되어 전달되기 때문에 보다 효과적으로 영상의 노이즈를 제거할 수 있게 된다.
도 3을 참조하면, 유방 단층촬영합성 영상은 3차원 영상이기 때문에, 관상면(Coronal plane), 축면(Axial plane) 및 시상면(Sagittal plane) 측에서 관찰한 2차원 영상을 획득할 수 있다. 하지만, 축면과 시상면으로 관찰한 영상은 노이즈가 심하게 나타나기 때문에 종래 기술은 상대적으로 노이즈가 적은 관상면에서 관찰하는 2차원 영상을 주로 참고한다.
이차원보정부(144)는 삼차원보정부(142)에서 보정된 영상의 축면 및 시상면을 보정한다. 또한, 이차원보정부(144)는 관상면도 보정할 수 있다.
영상의 관상면, 축면 및 시상면의 보정을 위해, U-net 및 Perceptual loss는 각 면의 유방조직(breast tissue)의 영상으로 학습된다.
도 4는 세 개의 관상면 영상을 비교한 것이다. (a)는 CT를 이용하여 촬영된 기준 영상(Reference image)의 관상면, (b)는 (a)부위를 디지털 유방 단층촬영합성을 이용하여 촬영한 영상의 관상면, (c)는 이 실시예를 이용하여 (b)영상을 보정한 영상이다. 도시된바와 같이, 보정되지 않은 영상에 포함되어있던 불명확한 영역이 보다 분명하게 보정된 것을 확인할 수 있다.
도 5는 세 개의 축면 영상을 비교한 것이다. (a)는 CT를 이용하여 촬영된 기준 영상(Reference image)의 축면, (b)는 (a)부위를 디지털 유방 단층촬영합성을 이용하여 촬영한 영상의 축면, (c)는 이 실시예를 이용하여 (b)영상을 보정한 영상이다. 도시된바와 같이, 축면은 관상면보다 더 큰 노이즈가 발생되지만, 이 실시예를 이용하여 보정할 때 보다 원본에 가까운 영상으로 보정되는 것을 확인할 수 있다.
도 6은 세 개의 시상면 영상을 비교한 것이다. (a)는 CT를 이용하여 촬영된 기준 영상(Reference image)의 시상면, (b)는 (a)부위를 디지털 유방 단층촬영합성을 이용하여 촬영한 영상의 시상면, (c)는 이 실시예를 이용하여 (b)영상을 보정한 영상이다. 도시된바와 같이, 시상면에서도 큰 노이즈가 발생되지만, 이 실시예를 이용하여 보정할 때 보다 원본에 가까운 영상으로 보정되는 것을 확인할 수 있다.
이어서, 본 발명의 실시예에 따른 디지털 유방 단층촬영합성 영상을 보정하는 방법을 설명한다.
도 7을 참조하면, 이 실시예는 입력부(120)가 디지털 유방 단층촬영합성 영상을 수신하는 단계, 삼차원보정부(142)가 디지털 유방 단층촬영합성 영상의 볼륨을 고려하여 3차원적으로 보정하는 단계, 이차원보정부(144)가 삼차원보정부(142)에서 보정된 영상의 축면(Axial plane) 및 시상면(Sagittal plane)을 보정하는 단계, 및 출력부(180)가 보정된 영상을 출력하는 단계를 포함한다.
이차원보정부(144)는 U-net 및 Perceptual loss를 이용하는 것을 특징으로 한다.
이상에서 본 발명의 바람직한 실시예를 설명하였으나, 본 발명은 다양한 변화와 변경 및 균등물을 사용할 수 있다. 본 발명은 상기 실시예를 적절히 변형하여 동일하게 응용할 수 있음이 명확하다. 따라서 상기 기재 내용은 다음 특허청구범위의 한계에 의해 정해지는 본 발명의 범위를 한정하는 것이 아니다.
120 : 입력부 140 : 보정부
142 : 삼차원보정부 144 : 이차원보정부
180 : 출력부

Claims (4)

  1. 디지털 유방 단층촬영합성 영상을 수신하는 입력부;
    상기 입력부가 수신한 디지털 유방 단층촬영합성 영상에서 복수의 콘볼루션 신경망을 이용하여 보정하는 보정부; 및
    상기 보정부에서 보정된 영상을 출력하는 출력부를 포함하는 것을 특징으로 하는 디지털 유방 단층촬영합성 영상을 보정하는 장치.
  2. 제1항에 있어서, 상기 보정부는,
    상기 디지털 유방 단층촬영합성 영상의 볼륨을 고려하여 3차원적으로 보정하는 삼차원보정부; 및
    상기 삼차원보정부에서 보정된 영상의 축면(Axial plane) 및 시상면(Sagittal plane)을 보정하는 이차원보정부를 포함하는 것을 특징으로 하는 디지털 유방 단층촬영합성 영상을 보정하는 장치.
  3. 제2항에 있어서,
    상기 이차원보정부는 U-net 및 Perceptual loss를 이용하는 것을 특징으로 하는 디지털 유방 단층촬영합성 영상을 보정하는 장치.
  4. 입력부가 디지털 유방 단층촬영합성 영상을 수신하는 단계;
    삼차원보정부가 상기 디지털 유방 단층촬영합성 영상의 볼륨을 고려하여 3차원적으로 보정하는 단계;
    이차원보정부가 상기 삼차원보정부에서 보정된 영상의 축면(Axial plane) 및 시상면(Sagittal plane)을 보정하는 단계; 및
    출력부가 보정된 영상을 출력하는 단계를 포함하는 것을 특징으로 하는 디지털 유방 단층촬영합성 영상을 보정하는 방법.
KR1020190054292A 2019-05-09 2019-05-09 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치 KR20200129616A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020190054292A KR20200129616A (ko) 2019-05-09 2019-05-09 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020190054292A KR20200129616A (ko) 2019-05-09 2019-05-09 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치

Publications (1)

Publication Number Publication Date
KR20200129616A true KR20200129616A (ko) 2020-11-18

Family

ID=73697433

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020190054292A KR20200129616A (ko) 2019-05-09 2019-05-09 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치

Country Status (1)

Country Link
KR (1) KR20200129616A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950614A (zh) * 2021-03-22 2021-06-11 山西三友和智慧信息技术股份有限公司 一种基于多尺度空洞卷积的乳腺癌检测方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101500481B1 (ko) 2014-01-24 2015-03-10 연세대학교 원주산학협력단 디지털유방촬영과 디지털유방단층합성촬영 시 평균유선선량 검출 방법 및 그 방법을 실행하는 프로그램이 기록된 기록매체

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101500481B1 (ko) 2014-01-24 2015-03-10 연세대학교 원주산학협력단 디지털유방촬영과 디지털유방단층합성촬영 시 평균유선선량 검출 방법 및 그 방법을 실행하는 프로그램이 기록된 기록매체

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112950614A (zh) * 2021-03-22 2021-06-11 山西三友和智慧信息技术股份有限公司 一种基于多尺度空洞卷积的乳腺癌检测方法
CN112950614B (zh) * 2021-03-22 2023-01-10 山西三友和智慧信息技术股份有限公司 一种基于多尺度空洞卷积的乳腺癌病理图片分类方法

Similar Documents

Publication Publication Date Title
US20080304617A1 (en) Method for generating a 3D reconstruction of a body
CN112396672B (zh) 一种基于深度学习的稀疏角度锥束ct图像重建方法
CN101930595A (zh) 图像处理方法和图像处理设备
JP2020129276A5 (ko)
CN110916708A (zh) 一种ct扫描投影数据伪影校正方法、ct图像重建方法
CN106551702B (zh) Ct图像的射束硬化伪影校正装置及方法
US20220414832A1 (en) X-ray imaging restoration using deep learning algorithms
CN110084868B (zh) 图像校正方法、装置、计算机设备和可读存储介质
CN112489158B (zh) 基于cGAN的自适应网络用于低剂量PET图像的增强方法
US20210027430A1 (en) Image processing apparatus, image processing method, and x-ray ct apparatus
US20160343117A1 (en) Apparatus, method, and computer-readable medium for quad reconstruction using hybrid filter convolution and high dynamic range tone-mapping
CN108876730A (zh) 校正运动伪影的方法、装置及设备和存储介质
CN110458908B (zh) 基于有限角度迭代重建超视野ct图像的方法
WO2022091869A1 (ja) 医用画像処理装置、医用画像処理方法及びプログラム
KR20200129616A (ko) 혼합 콘볼루션 신경망을 이용하여 디지털 유방 단층촬영합성 영상을 보정하는 방법 및 장치
JP2021087201A (ja) 画像処理装置、画像処理方法、学習装置、学習方法、撮像装置、及びプログラム
KR20210026934A (ko) 팬텀에 대한 구조 영상 기반의 공간해상도와 화질의 동시 개선 신경망 학습을 통한 새로운 핵의학영상 재구성 시스템
JP7568471B2 (ja) 医用画像処理装置、学習済みモデルおよび医用画像処理方法
CN106651787A (zh) 基于x射线的hdr图像合成方法及系统
KR102382602B1 (ko) 3d 인공신경망 네트워크 기반 콘빔 아티팩트 보정 시스템 및 방법
US20240070810A1 (en) Image processing apparatus, operation method of image processing apparatus, and endoscope system
JP7446797B2 (ja) 画像処理装置、撮像装置、画像処理方法およびプログラム
CN113838161B (zh) 一种基于图学习的稀疏投影重建方法
CN110673070B (zh) 磁共振信号校正网络的训练方法和磁共振信号处理方法
CN112233030A (zh) 一种基于深度学习的ct投影几何校正方法

Legal Events

Date Code Title Description
E601 Decision to refuse application