RU2016137791A - Система и способ автоматического построения контуров в адаптивной радиотерапии - Google Patents
Система и способ автоматического построения контуров в адаптивной радиотерапии Download PDFInfo
- Publication number
- RU2016137791A RU2016137791A RU2016137791A RU2016137791A RU2016137791A RU 2016137791 A RU2016137791 A RU 2016137791A RU 2016137791 A RU2016137791 A RU 2016137791A RU 2016137791 A RU2016137791 A RU 2016137791A RU 2016137791 A RU2016137791 A RU 2016137791A
- Authority
- RU
- Russia
- Prior art keywords
- image
- updating
- loop
- forms
- detector
- Prior art date
Links
- 238000000034 method Methods 0.000 title claims 17
- 230000003044 adaptive effect Effects 0.000 title 1
- 238000010276 construction Methods 0.000 title 1
- 238000001959 radiotherapy Methods 0.000 title 1
- 230000015572 biosynthetic process Effects 0.000 claims 2
- 238000005457 optimization Methods 0.000 claims 2
- 238000000926 separation method Methods 0.000 claims 1
Classifications
-
- 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
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
-
- 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
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30081—Prostate
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Quality & Reliability (AREA)
- Software Systems (AREA)
- Physiology (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
Claims (75)
1. Реализуемый с помощью процессора способ осуществления автоматического построения контуров на медицинском изображении, содержащий:
прием изображения, содержащего область исследования;
определение с помощью процессора первого контура области исследования с использованием детектора границ;
уточнение с помощью процессора первого контура на основании справочника форм для генерирования второго контура области исследования; и
обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура.
2. Способ по п. 1, содержащий уточнение с помощью процессора второго контура с использованием детектора границ.
3. Способ по п. 1, причем определение с помощью процессора первого контура включает в себя:
определение того, находится ли точка изображения на границе области исследования; и
выбор набора точек изображения, которые определены как находящиеся на границе области исследования, для формирования первого контура.
4. Способ по п. 3, причем:
определение того, находится ли упомянутая точка изображения на границе области исследования, включает в себя определение вероятности того, что эта точка изображения находится на границе; и
выбор упомянутого набора точек изображения для формирования первого контура включает в себя выбор точек изображения, имеющих более высокие вероятности, чем предварительно заданная пороговая величина.
5. Способ по п. 1, причем уточнение с помощью процессора первого контура на основании справочника форм для генерирования второго контура включает в себя:
выбор набора форм из справочника форм;
объединение выбранного набора форм для аппроксимирования первого контура; и
генерирование второго контура на основании объединенного набора форм.
6. Способ по п. 5, включающий в себя:
определение того, находится ли на втором контуре по меньшей мере подмножество точек изображения на первом контуре, посредством минимизации функции оптимизации.
7. Способ по п. 1, причем обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура включает в себя обновление детектора границ и
(a) определение обновленного первого контура после обновления детектора границ на основании второго контура;
(b) уточнение обновленного первого контура на основании справочника форм для генерирования обновленного второго контура; и
повторение этапов (a) и (b) до тех пор, пока не будет удовлетворено по меньшей мере одно из следующих условий:
число повторений достигнет заранее заданного значения;
или остаточная ошибка достигнет заранее заданного минимума.
8. Способ по п. 1, причем обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура включает в себя обновление детектора границ, включающее в себя:
сравнение упомянутого изображения, имеющего второй контур, с коллекцией изображений, содержащих область исследования;
выбор подмножества изображений из коллекции, похожих на изображение, имеющее второй контур; и
обновление детектора границ на основании изображения, имеющего второй контур, и выбранного подмножества изображений.
9. Способ по п. 8, причем обновление детектора границ на основании изображения, имеющего второй контур, и выбранного подмножества изображений включает в себя:
разделение положительных и отрицательных точек изображения;
выбор положительных точек изображения, расположенных на втором контуре или на границах выбранного подмножества изображений;
извлечение поворачиваемых признаков из выбранных положительных точек изображения;
определение вектора признаков на основании извлеченных поворачиваемых признаков; и
обновление детектора границ на основании вектора признаков.
10. Способ по п. 1, причем обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура включает в себя обновление справочника форм, и причем обновление справочника форм включает в себя:
выбор подмножества форм из изображения, содержащего второй контур;
получение коэффициента разрежения для каждой формы в упомянутом подмножестве; и
обновление справочника форм на основании полученных коэффициентов разрежения.
11. Система для осуществления автоматического построения контуров на медицинском изображении, содержащая:
процессор;
память, оперативно соединенную с процессором и хранящую инструкции, которые, будучи исполняемыми процессором, заставляют процессор осуществлять способ, содержащий:
прием изображения, содержащего область исследования;
определение первого контура области исследования с использованием детектора границ;
уточнение первого контура на основании справочника форм для генерирования второго контура области исследования; и
обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура.
12. Система по п. 11, причем определение первого контура области исследования с использованием детектора границ включает в себя:
определение того, находится ли точка изображения на границе области исследования; и
выбор набора точек изображения, которые определены как находящиеся на границе области исследования, для формирования первого контура.
13. Система по п. 12, причем определение того, находится ли точка изображения на границе области исследования, включает в себя определение вероятности того, что эта точка изображения находится на границе; и выбор точек изображения, имеющих более высокие вероятности, чем заранее заданная пороговая величина.
14. Система по п. 11, причем уточнение первого контура на основании справочника форм для генерирования второго контура области исследования включает в себя:
выбор набора форм из справочника форм;
объединение выбранного набора форм для аппроксимирования первого контура; и
генерирование второго контура на основании объединенного набора форм.
15. Система по п. 14, причем способ включает в себя:
определение того, находится ли на втором контуре по меньшей мере подмножество точек изображения на первом контуре, посредством минимизации функции оптимизации.
16. Система по п. 11, причем обновление по меньшей мере одного из детектора границ или справочника форм на основании второго контура включает в себя обновление детектора границ и
(a) определение обновленного первого контура после обновления детектора границ на основании второго контура;
(b) уточнение обновленного первого контура на основании справочника форм для генерирования обновленного второго контура; и
повторение этапов (a) и (b) до тех пор, пока не будет удовлетворено по меньшей мере одно из следующих условий:
число повторений достигнет заранее заданного значения; или
остаточная ошибка достигнет заранее заданного минимума.
17. Система по п. 11, причем способ включает в себя уточнение второго контура с использованием детектора границ.
18. Реализуемый на компьютере способ обучения детектора границ на основании множества медицинских изображений, содержащих область исследования, содержащий:
выбор с помощью процессора точек изображения, расположенных на границах области исследования, из упомянутого множества медицинских изображений;
извлечение с помощью процессора поворачиваемых признаков из выбранных точек изображения;
определение с помощью процессора вектора признаков на основании извлеченных поворачиваемых признаков; и
генерирование с помощью процессора детектора границ на основании вектора признаков.
19. Реализуемый на компьютере способ по п. 18, содержащий:
сравнение нового изображения, имеющего новый контур, с упомянутым множеством медицинских изображений;
выбор подмножества медицинских изображений из упомянутого множества на основании их сходств с упомянутым новым изображением, имеющим новый контур; и
обновление детектора границ на основании упомянутого нового изображения, имеющего новый контур, и выбранного подмножества медицинских изображений.
20. Реализуемый на компьютере способ по п. 19, содержащий:
выбор подмножества форм из упомянутого нового изображения, содержащего новый контур;
получение коэффициента разрежения для каждой формы в упомянутом подмножестве; и
обновление справочника форм на основании полученного коэффициента разрежения.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/192,778 | 2014-02-27 | ||
US14/192,778 US9629598B2 (en) | 2014-02-27 | 2014-02-27 | System and method for auto-contouring in adaptive radiotherapy |
PCT/IB2015/051383 WO2015128803A2 (en) | 2014-02-27 | 2015-02-24 | System and method for auto-contouring in adaptive radiotherapy |
Publications (3)
Publication Number | Publication Date |
---|---|
RU2016137791A true RU2016137791A (ru) | 2018-03-29 |
RU2016137791A3 RU2016137791A3 (ru) | 2018-09-12 |
RU2689029C2 RU2689029C2 (ru) | 2019-05-23 |
Family
ID=53539748
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2016137791A RU2689029C2 (ru) | 2014-02-27 | 2015-02-24 | Система и способ автоматического построения контуров в адаптивной радиотерапии |
Country Status (7)
Country | Link |
---|---|
US (2) | US9629598B2 (ru) |
EP (1) | EP3111422B1 (ru) |
JP (1) | JP6505124B2 (ru) |
CN (1) | CN106462963B (ru) |
AU (1) | AU2015221826B2 (ru) |
RU (1) | RU2689029C2 (ru) |
WO (1) | WO2015128803A2 (ru) |
Families Citing this family (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3384959B1 (en) | 2013-06-18 | 2019-11-06 | Duke University | Systems and methods for specifying treatment criteria and treatment parameters for patient specific radiation therapy planning |
GB2518589B (en) * | 2013-07-30 | 2019-12-11 | Holition Ltd | Image processing |
KR20160032586A (ko) * | 2014-09-16 | 2016-03-24 | 삼성전자주식회사 | 관심영역 크기 전이 모델 기반의 컴퓨터 보조 진단 장치 및 방법 |
US11065471B2 (en) * | 2015-11-20 | 2021-07-20 | Duke University | Systems and methods for automatic, customized radiation treatment plan generation for cancer |
US10096132B2 (en) * | 2016-01-27 | 2018-10-09 | Samsung Electronics Co., Ltd. | Method and apparatus for positioning feature point |
JP7293118B2 (ja) * | 2017-02-22 | 2023-06-19 | ザ ユナイテッド ステイツ オブ アメリカ, アズ リプレゼンテッド バイ ザ セクレタリー, デパートメント オブ ヘルス アンド ヒューマン サービシーズ | インスタンス重み付けを伴うランダムフォレストを使用するマルチパラメトリックmriにおける前立腺がんの検出、およびホリスティックネスト型ネットワークを用いたディープラーニングによるmr前立腺セグメント化 |
EP3391940A1 (en) * | 2017-04-21 | 2018-10-24 | Koninklijke Philips N.V. | Planning system for adaptive radiation therapy |
CN107392897B (zh) * | 2017-07-17 | 2021-02-02 | 上海联影医疗科技股份有限公司 | 器官轮廓获取方法、影像设备、放疗计划系统及存储介质 |
KR101955919B1 (ko) * | 2017-09-21 | 2019-03-08 | 재단법인 아산사회복지재단 | 딥러닝 기반의 영상데이터 내 관심영역 설정방법 및 프로그램 |
GB2569541B (en) * | 2017-12-19 | 2020-08-19 | Mirada Medical Ltd | Method and apparatus for medical imaging |
WO2019167883A1 (ja) * | 2018-02-28 | 2019-09-06 | 富士フイルム株式会社 | 機械学習装置および方法 |
EP3813940B1 (en) * | 2018-06-26 | 2024-12-18 | The Medical College of Wisconsin, Inc. | Systems and methods for accelerated online adaptive radiation therapy |
WO2020168284A1 (en) * | 2019-02-15 | 2020-08-20 | The Regents Of The University Of California | Systems and methods for digital pathology |
KR102667231B1 (ko) | 2020-12-21 | 2024-05-20 | 주식회사 인피니트헬스케어 | 딥 러닝 알고리듬과 해부학적 특성에 기반한 의료 영상 셋의 컨투어링 시스템 및 방법 |
EP4272812A4 (en) * | 2020-12-30 | 2024-09-04 | Neurophet Inc. | MEDICAL IMAGE ANALYSIS METHOD TAKES FEATURE INFORMATION INTO ACCOUNT, MEDICAL IMAGE ANALYSIS DEVICE AND MEDICAL IMAGE ANALYSIS SYSTEM |
CN113536575B (zh) * | 2021-07-20 | 2024-09-27 | 深圳市联影高端医疗装备创新研究院 | 器官轮廓勾画方法、医学影像系统以及存储介质 |
CN114093459B (zh) * | 2021-11-24 | 2025-01-24 | 上海联影医疗科技股份有限公司 | 剂量控制点的确定方法、装置和存储介质 |
Family Cites Families (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1091782A (ja) * | 1996-09-10 | 1998-04-10 | Olympus Optical Co Ltd | 濃淡画像用特定部位抽出方法 |
US5871019A (en) * | 1996-09-23 | 1999-02-16 | Mayo Foundation For Medical Education And Research | Fast cardiac boundary imaging |
JP2002500795A (ja) * | 1998-04-03 | 2002-01-08 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 輪郭検出段階を含む画像処理方法及びシステム |
JP4614548B2 (ja) * | 2001-01-31 | 2011-01-19 | パナソニック株式会社 | 超音波診断装置 |
JP5231210B2 (ja) * | 2005-04-13 | 2013-07-10 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 多次元データセットにおいて表面をセグメント化する方法、システム及びコンピュータプログラム |
JP4999163B2 (ja) * | 2006-04-17 | 2012-08-15 | 富士フイルム株式会社 | 画像処理方法および装置ならびにプログラム |
US7889912B2 (en) * | 2006-09-15 | 2011-02-15 | The General Electric Company | Method for real-time tracking of cardiac structures in 3D echocardiography |
US7916919B2 (en) * | 2006-09-28 | 2011-03-29 | Siemens Medical Solutions Usa, Inc. | System and method for segmenting chambers of a heart in a three dimensional image |
CA2666313A1 (en) * | 2006-10-10 | 2008-05-08 | Cedara Software Corp. | System and method for segmenting a region in a medical image |
JP4867771B2 (ja) * | 2007-04-19 | 2012-02-01 | パナソニック電工株式会社 | テンプレートマッチング装置 |
US9070207B2 (en) * | 2007-09-06 | 2015-06-30 | Yeda Research & Development Co., Ltd. | Modelization of objects in images |
US8121367B2 (en) * | 2007-09-21 | 2012-02-21 | Siemens Aktiengesellschaft | Method and system for vessel segmentation in fluoroscopic images |
US8275182B2 (en) * | 2007-09-27 | 2012-09-25 | The University Of British Columbia University-Industry Liaison Office | Method for automated delineation of contours of tissue in medical images |
US9364196B2 (en) * | 2008-12-12 | 2016-06-14 | Signostics Limited | Method and apparatus for ultrasonic measurement of volume of bodily structures |
US20110054295A1 (en) * | 2009-08-25 | 2011-03-03 | Fujifilm Corporation | Medical image diagnostic apparatus and method using a liver function angiographic image, and computer readable recording medium on which is recorded a program therefor |
US8437521B2 (en) * | 2009-09-10 | 2013-05-07 | Siemens Medical Solutions Usa, Inc. | Systems and methods for automatic vertebra edge detection, segmentation and identification in 3D imaging |
US9025841B2 (en) * | 2009-11-18 | 2015-05-05 | Siemens Aktiengesellschaft | Method and system for segmentation of the prostate in 3D magnetic resonance images |
JP5753794B2 (ja) * | 2010-01-07 | 2015-07-22 | 株式会社日立メディコ | 医用画像診断装置と医用画像の輪郭抽出処理方法 |
US8494245B2 (en) * | 2010-03-09 | 2013-07-23 | Siemens Aktiengesellschaft | System and method for guiding transcatheter aortic valve implantations based on interventional C-Arm CT imaging |
CN102542601A (zh) * | 2010-12-10 | 2012-07-04 | 三星电子株式会社 | 一种用于3d对象建模的设备和方法 |
US8867806B2 (en) * | 2011-08-01 | 2014-10-21 | Impac Medical Systems, Inc. | Method and apparatus for correction of errors in surfaces |
US9292917B2 (en) * | 2011-11-23 | 2016-03-22 | Siemens Aktiengesellschaft | Method and system for model-based fusion of computed tomography and non-contrasted C-arm computed tomography |
-
2014
- 2014-02-27 US US14/192,778 patent/US9629598B2/en active Active
-
2015
- 2015-02-24 JP JP2016554572A patent/JP6505124B2/ja active Active
- 2015-02-24 RU RU2016137791A patent/RU2689029C2/ru active
- 2015-02-24 EP EP15736039.7A patent/EP3111422B1/en active Active
- 2015-02-24 CN CN201580022410.9A patent/CN106462963B/zh active Active
- 2015-02-24 WO PCT/IB2015/051383 patent/WO2015128803A2/en active Application Filing
- 2015-02-24 AU AU2015221826A patent/AU2015221826B2/en active Active
-
2017
- 2017-03-20 US US15/463,253 patent/US9697602B1/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20170193662A1 (en) | 2017-07-06 |
AU2015221826B2 (en) | 2019-03-21 |
RU2689029C2 (ru) | 2019-05-23 |
RU2016137791A3 (ru) | 2018-09-12 |
WO2015128803A2 (en) | 2015-09-03 |
CN106462963B (zh) | 2019-05-03 |
EP3111422A2 (en) | 2017-01-04 |
JP6505124B2 (ja) | 2019-04-24 |
WO2015128803A3 (en) | 2015-11-12 |
US9629598B2 (en) | 2017-04-25 |
CN106462963A (zh) | 2017-02-22 |
JP2017512091A (ja) | 2017-05-18 |
EP3111422B1 (en) | 2020-11-11 |
AU2015221826A1 (en) | 2016-09-08 |
US20150238158A1 (en) | 2015-08-27 |
US9697602B1 (en) | 2017-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2016137791A (ru) | Система и способ автоматического построения контуров в адаптивной радиотерапии | |
CN107832807B (zh) | 一种图像处理方法和系统 | |
US9471964B2 (en) | Non-local mean-based video denoising method and apparatus | |
JP6433149B2 (ja) | 姿勢推定装置、姿勢推定方法およびプログラム | |
CN108846826B (zh) | 物体检测方法、装置、图像处理设备及存储介质 | |
CN110766013A (zh) | 一种基于卷积神经网络的鱼类识别方法和装置 | |
JP2018028899A5 (ru) | ||
WO2016074247A1 (en) | Face detection using machine learning | |
CN108171233A (zh) | 使用基于区域的深度学习模型的对象检测的方法和设备 | |
JP2017138198A5 (ru) | ||
JP2018532216A5 (ru) | ||
RU2017143389A (ru) | Отслеживание объектов путем обучения без контроля | |
CN109063584B (zh) | 基于级联回归的面部特征点定位方法、装置、设备及介质 | |
JP6595263B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
RU2015123211A (ru) | Устройство распознавания трехмерного объекта и способ распознавания трехмерного объекта | |
CN108154464B (zh) | 基于强化学习的图片自动裁剪的方法及装置 | |
US20180109776A1 (en) | Method, system and medium for improving the quality of 2d-to-3d automatic image conversion using machine learning techniques | |
JP2017510427A (ja) | 放射線画像の肺野セグメンテーション技術及び骨減弱技術 | |
KR102119057B1 (ko) | 골절 진단모델의 학습 방법 및 장치 | |
JP2023159216A (ja) | 画像処理装置、画像処理方法、プログラム | |
RU2014128596A (ru) | Автоматическое определение коэффициента регуляризации для итерационного восстановления изображения с регуляризацией и/или шумоподавлением изображения | |
JP2017539034A5 (ru) | ||
CN112949693A (zh) | 图像分类模型的训练方法、图像分类方法、装置和设备 | |
RU2014117521A (ru) | Распознавание динамических жестов с использованием свойств, извлекаемых из нескольких интервалов | |
JP2017033063A5 (ru) |