JP2019515382A - 医療アトラス登録 - Google Patents
医療アトラス登録 Download PDFInfo
- Publication number
- JP2019515382A JP2019515382A JP2018555659A JP2018555659A JP2019515382A JP 2019515382 A JP2019515382 A JP 2019515382A JP 2018555659 A JP2018555659 A JP 2018555659A JP 2018555659 A JP2018555659 A JP 2018555659A JP 2019515382 A JP2019515382 A JP 2019515382A
- Authority
- JP
- Japan
- Prior art keywords
- atlas
- medical
- image
- reinforcement learning
- data
- 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
- 230000002787 reinforcement Effects 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 45
- 230000006870 function Effects 0.000 claims abstract description 20
- 238000010801 machine learning Methods 0.000 claims abstract description 10
- 230000009466 transformation Effects 0.000 claims description 45
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 230000033001 locomotion Effects 0.000 claims description 14
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 230000002085 persistent effect Effects 0.000 claims description 8
- 238000013459 approach Methods 0.000 abstract description 13
- 230000009471 action Effects 0.000 description 12
- 230000001755 vocal effect Effects 0.000 description 12
- 210000003484 anatomy Anatomy 0.000 description 8
- 239000003795 chemical substances by application Substances 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 238000013500 data storage Methods 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 230000011218 segmentation Effects 0.000 description 4
- 238000000844 transformation Methods 0.000 description 4
- 238000002604 ultrasonography Methods 0.000 description 4
- 230000003111 delayed effect Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000007704 transition Effects 0.000 description 3
- 238000013519 translation Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000011157 brain segmentation Effects 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000021615 conjugation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000002409 epiglottis Anatomy 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 210000004704 glottis Anatomy 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 210000001983 hard palate Anatomy 0.000 description 1
- 201000000615 hard palate cancer Diseases 0.000 description 1
- 230000004886 head movement Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 210000002105 tongue Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
- G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
-
- 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20128—Atlas-based segmentation
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Image Analysis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
前記医療アトラスを定義するアトラスデータにアクセスするための第1の入力インタフェースと、
前記医療画像の画像データにアクセスするための第2の入力インタフェースと、
プロセッサと、
を有し、前記プロセッサは、
前記医療画像に前記医療アトラスをマッチングするためのモデルを学習するための強化学習アルゴリズムを実行するよう構成され、前記学習は、前記医療アトラスと前記医療画像との間のマッチングの度合いを定量化する報酬関数に基づくものであり、前記プロセッサは更に、
前記アトラスデータと、前記画像データと、から抽出された特徴のセットに基づいて、前記強化学習アルゴリズムについての状態空間を決定する
よう構成されたシステムを提供する。本発明の更なる態様は、該システムを有するワークステーションを提供する。本発明の更なる態様は、該システムにより生成される医療画像におけるアトラス登録のためのモデルを表す非持続性又は持続性データを有する、コンピュータ読み取り可能な媒体を提供する。
前記医療アトラスを定義するアトラスデータにアクセスするステップと、
前記医療画像の画像データにアクセスするステップと、
前記医療画像に前記医療アトラスをマッチングするためのモデルを学習するための強化学習アルゴリズムを実行するステップであって、前記学習は、前記医療アトラスと前記医療画像との間のマッチングの度合いを定量化する報酬関数に基づくものであるステップと、
前記アトラスデータと、前記画像データと、から抽出された特徴のセットに基づいて、前記強化学習アルゴリズムについての状態空間を決定するステップと、
を有する方法を提供する。
・レベル1:変換動作として、3領域モデル幾何全体の変換及び回転のみを許容し、これにより対象の面内の頭部の動きを補償する。
・レベル2:変換動作として、各領域の境界の変換及び回転のみを許容し、これにより粗い現在の声道の姿勢にモデルをフィッティングする。
・レベル3:変換動作として、上述した論文の表III乃至表Vのセクション毎のブースティング関数に従う、各解剖学的なセクションの、例えば並進、回転及びスケーリングのような、堅固な変換のみを許容する。
・レベル4:変換動作として、全ての領域の個々の頂点の全ての独立した動きを許容する。
例えば医療画像とこれまでに登録された医療アトラスとの間の差分画像のエネルギーである、報酬関数と、
アトラス、該アトラスのパラメータ化、及び該アトラスの変換動作セットと、
であっても良い。
022 医療アトラスを定義するアトラスデータ
040 画像データ保存部
042 医療画像の画像データ
062 モデルを表すモデルデータ
100 アトラス登録を可能とするためのシステム
120 第1の入力インタフェース
140 第2の入力インタフェース
160 プロセッサ
200 アトラス登録を可能とするための方法
210 アトラスデータにアクセスする
220 画像データにアクセスする
230 状態空間を決定する
240 動作空間を決定する
250 RLアルゴリズムを実行する
260 コンピュータ読み取り可能な媒体
270 持続性データとして保存された命令
300 (未登録の)医療アトラス
302 登録された医療アトラス
310 医療アトラスの画像モデル
320 医療画像
Claims (13)
- 医療画像におけるアトラス登録を可能とするためのシステムであって、前記アトラス登録は、医療画像に医療アトラスをマッチングするステップを有し、前記システムは、
前記医療アトラスを定義するアトラスデータにアクセスするための第1の入力インタフェースと、
前記医療画像の画像データにアクセスするための第2の入力インタフェースと、
プロセッサと、
を有し、前記プロセッサは、
前記医療画像に前記医療アトラスをマッチングするためのモデルを学習するための強化学習アルゴリズムを実行するよう構成され、前記学習は、前記医療アトラスと前記医療画像との間のマッチングの度合いを定量化する報酬関数に基づくものであり、前記プロセッサは更に、
前記アトラスデータと、前記画像データと、から抽出された特徴のセットに基づいて、前記強化学習アルゴリズムについての状態空間を決定し、
前記医療アトラスに適用されるために利用可能な変換動作の所定のセットに基づいて、前記強化学習アルゴリズムのための動作空間を決定する
よう構成され、前記動作空間は、種々のレベルに構造化され、
前記種々のレベルのそれぞれは、前記変換動作のサブセットを有し、前記種々のレベルは、変換動作の階層を形成し、前記強化学習アルゴリズムによる変換動作のシーケンスの選択が、前記階層における下向きの進行に制約された、システム。 - 前記プロセッサは、機械学習アルゴリズムを用いて、前記アトラスデータ及び前記画像データから抽出されるべき特徴のセットを学習するよう構成された、請求項1に記載のシステム。
- 前記プロセッサは、前記アトラスデータ及び前記画像データに畳み込みニューラルネットワーク又はオートエンコーダを適用して前記特徴のセットを決定するよう構成された、請求項2に記載のシステム。
- 前記動作空間は、前記階層において上向きの、より制約の少ない変換動作と、前記階層において下向きの、より制約の多い変換動作と、を有するよう階層構造化された、請求項1に記載のシステム。
- 前記プロセッサは、機械学習アルゴリズムを用いて又は所定の経験則を用いて、前記動作空間の前記階層構造化を実行するよう構成された、請求項1乃至4のいずれか一項に記載のシステム。
- 前記プロセッサは、変換動作の前記階層における現在のレベルに更に基づいて、前記強化学習アルゴリズムのための前記状態空間を決定するよう構成された、請求項1、4又は5のいずれか一項に記載のシステム。
- 前記医療アトラスに適用されるために利用可能な変換動作の所定のセットは、前記アトラスデータにより定義された、請求項1、4、5又は6のいずれか一項に記載のシステム。
- 前記プロセッサは、前記医療アトラスにおける目印を定義する目印データに更に基づいて、前記強化学習アルゴリズムのための状態空間を決定するよう構成された、請求項1乃至7のいずれか一項に記載のシステム。
- 前記強化学習アルゴリズムは、深層強化学習アルゴリズムである、請求項1乃至8のいずれか一項に記載のシステム。
- 請求項1乃至9のいずれか一項に記載のシステムを有するワークステーション。
- 請求項1乃至9のいずれか一項に記載のシステムにより生成される医療画像におけるアトラス登録のためのモデルを表す持続性又は非持続性データを有する、コンピュータ読み取り可能な媒体。
- 医療画像におけるアトラス登録を可能とする方法であって、前記アトラス登録は、医療画像に医療アトラスをマッチングするステップを有し、前記方法は、
前記医療アトラスを定義するアトラスデータにアクセスするステップと、
前記医療画像の画像データにアクセスするステップと、
前記医療画像に前記医療アトラスをマッチングするためのモデルを学習するための強化学習アルゴリズムを実行するステップであって、前記学習は、前記医療アトラスと前記医療画像との間のマッチングの度合いを定量化する報酬関数に基づくものであるステップと、
前記アトラスデータと、前記画像データと、から抽出された特徴のセットに基づいて、前記強化学習アルゴリズムについての状態空間を決定するステップと、
前記医療アトラスに適用されるために利用可能な変換動作の所定のセットに基づいて、前記強化学習アルゴリズムのための動作空間を決定するステップであって、前記動作空間は、種々のレベルに構造化されたステップと、
を有し、前記種々のレベルのそれぞれは、前記変換動作のサブセットを有し、前記種々のレベルは、変換動作の階層を形成し、前記強化学習アルゴリズムによる変換動作のシーケンスの選択が、前記階層における下向きの進行に制約された、方法。 - 請求項12に記載の方法をプロセッサシステムに実行させるための命令を表す持続性又は非持続性データを有する、コンピュータ読み取り可能な媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP16168226 | 2016-05-04 | ||
EP16168226.5 | 2016-05-04 | ||
PCT/EP2017/060634 WO2017191248A1 (en) | 2016-05-04 | 2017-05-04 | Medical atlas registration |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6510150B1 JP6510150B1 (ja) | 2019-05-08 |
JP2019515382A true JP2019515382A (ja) | 2019-06-06 |
Family
ID=55963170
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018555659A Active JP6510150B1 (ja) | 2016-05-04 | 2017-05-04 | 医療アトラス登録 |
Country Status (7)
Country | Link |
---|---|
US (1) | US10692226B2 (ja) |
EP (1) | EP3452984B1 (ja) |
JP (1) | JP6510150B1 (ja) |
CN (1) | CN109074659B (ja) |
BR (1) | BR112018072348A8 (ja) |
RU (1) | RU2745400C2 (ja) |
WO (1) | WO2017191248A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10878576B2 (en) * | 2018-02-14 | 2020-12-29 | Elekta, Inc. | Atlas-based segmentation using deep-learning |
US11348227B2 (en) * | 2018-09-04 | 2022-05-31 | The Trustees Of The University Of Pennsylvania | Image registration using a fully convolutional network |
US10930386B2 (en) | 2018-12-11 | 2021-02-23 | International Business Machines Corporation | Automated normality scoring of echocardiograms |
CN110363797B (zh) * | 2019-07-15 | 2023-02-14 | 东北大学 | 一种基于过度形变抑制的pet与ct图像配准方法 |
CN112884820B (zh) * | 2019-11-29 | 2024-06-25 | 杭州三坛医疗科技有限公司 | 一种影像初始配准及神经网络的训练方法、装置和设备 |
US11989326B2 (en) * | 2021-03-30 | 2024-05-21 | Sophos Limited | Programmable feature extractor with anonymization |
CN113379809A (zh) * | 2021-05-25 | 2021-09-10 | 上海联影智能医疗科技有限公司 | 图谱构建方法、计算机设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001092924A (ja) * | 1999-09-24 | 2001-04-06 | Glory Ltd | パターン認識方法および装置 |
JP2004188201A (ja) * | 2002-12-10 | 2004-07-08 | Eastman Kodak Co | 肺領域のための2次元の統計的形状モデルを自動構成するための方法 |
JP2007283108A (ja) * | 2006-04-17 | 2007-11-01 | Siemens Medical Solutions Usa Inc | 画像の位置合わせを容易にするシステム及び方法 |
JP2013501290A (ja) * | 2009-08-07 | 2013-01-10 | ユーシーエル ビジネス ピーエルシー | 2つの医用画像を位置合わせするための装置および方法 |
JP2015130973A (ja) * | 2014-01-10 | 2015-07-23 | キヤノン株式会社 | 処理装置、処理方法、およびプログラム |
JP2016041245A (ja) * | 2014-08-15 | 2016-03-31 | 株式会社東芝 | 医用画像処理装置及び医用画像処理方法 |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1820274A (zh) * | 2003-06-27 | 2006-08-16 | 美国西门子医疗解决公司 | 使用机器学习来利用cad***的常规使用期间所收集到的知识适配cad过程以对医学成像提供cad(计算机辅助决策 )支持 |
US7738683B2 (en) * | 2005-07-22 | 2010-06-15 | Carestream Health, Inc. | Abnormality detection in medical images |
EP2186058B1 (en) * | 2007-08-03 | 2017-04-26 | Koninklijke Philips N.V. | Anatomically constrained image registration |
US8073220B2 (en) * | 2009-04-20 | 2011-12-06 | Siemens Aktiengesellschaft | Methods and systems for fully automatic segmentation of medical images |
US8861891B2 (en) | 2010-03-05 | 2014-10-14 | Siemens Aktiengesellschaft | Hierarchical atlas-based segmentation |
US9129372B2 (en) * | 2012-07-30 | 2015-09-08 | General Electric Company | Methods and systems for determining a transformation function to automatically register different modality medical images |
US9122950B2 (en) * | 2013-03-01 | 2015-09-01 | Impac Medical Systems, Inc. | Method and apparatus for learning-enhanced atlas-based auto-segmentation |
RU2530220C1 (ru) * | 2013-03-18 | 2014-10-10 | Корпорация "САМСУНГ ЭЛЕКТРОНИКС Ко., Лтд." | Система и способ для автоматической регистрации анатомических точек в объемных медицинских изображениях |
CN104142920A (zh) * | 2013-05-06 | 2014-11-12 | 苏州搜客信息技术有限公司 | 一种在线图像检索*** |
US10650508B2 (en) * | 2014-12-03 | 2020-05-12 | Kla-Tencor Corporation | Automatic defect classification without sampling and feature selection |
US9792531B2 (en) * | 2015-09-16 | 2017-10-17 | Siemens Healthcare Gmbh | Intelligent multi-scale medical image landmark detection |
US10032281B1 (en) * | 2017-05-03 | 2018-07-24 | Siemens Healthcare Gmbh | Multi-scale deep reinforcement machine learning for N-dimensional segmentation in medical imaging |
US11087446B2 (en) * | 2018-03-25 | 2021-08-10 | Matthew Henry Ranson | Automated arthropod detection system |
CN112106073B (zh) * | 2018-05-09 | 2024-08-16 | 渊慧科技有限公司 | 使用网格代码执行导航任务 |
-
2017
- 2017-05-04 BR BR112018072348A patent/BR112018072348A8/pt not_active Application Discontinuation
- 2017-05-04 CN CN201780027536.4A patent/CN109074659B/zh active Active
- 2017-05-04 EP EP17720520.0A patent/EP3452984B1/en active Active
- 2017-05-04 US US16/097,653 patent/US10692226B2/en active Active
- 2017-05-04 JP JP2018555659A patent/JP6510150B1/ja active Active
- 2017-05-04 RU RU2018142712A patent/RU2745400C2/ru active
- 2017-05-04 WO PCT/EP2017/060634 patent/WO2017191248A1/en unknown
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001092924A (ja) * | 1999-09-24 | 2001-04-06 | Glory Ltd | パターン認識方法および装置 |
JP2004188201A (ja) * | 2002-12-10 | 2004-07-08 | Eastman Kodak Co | 肺領域のための2次元の統計的形状モデルを自動構成するための方法 |
JP2007283108A (ja) * | 2006-04-17 | 2007-11-01 | Siemens Medical Solutions Usa Inc | 画像の位置合わせを容易にするシステム及び方法 |
JP2013501290A (ja) * | 2009-08-07 | 2013-01-10 | ユーシーエル ビジネス ピーエルシー | 2つの医用画像を位置合わせするための装置および方法 |
JP2015130973A (ja) * | 2014-01-10 | 2015-07-23 | キヤノン株式会社 | 処理装置、処理方法、およびプログラム |
JP2016041245A (ja) * | 2014-08-15 | 2016-03-31 | 株式会社東芝 | 医用画像処理装置及び医用画像処理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP6510150B1 (ja) | 2019-05-08 |
EP3452984B1 (en) | 2020-07-15 |
WO2017191248A1 (en) | 2017-11-09 |
BR112018072348A2 (pt) | 2019-02-19 |
BR112018072348A8 (pt) | 2023-04-04 |
US20190139237A1 (en) | 2019-05-09 |
CN109074659B (zh) | 2023-04-04 |
CN109074659A (zh) | 2018-12-21 |
US10692226B2 (en) | 2020-06-23 |
EP3452984A1 (en) | 2019-03-13 |
RU2018142712A3 (ja) | 2021-01-21 |
RU2745400C2 (ru) | 2021-03-24 |
RU2018142712A (ru) | 2020-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6510150B1 (ja) | 医療アトラス登録 | |
JP6932182B2 (ja) | 畳み込みニューラルネットワークを用いた画像セグメンテーションのためのシステムおよび方法 | |
Qazi et al. | Auto‐segmentation of normal and target structures in head and neck CT images: a feature‐driven model‐based approach | |
CN109074500B (zh) | 用于分割同一患者的医学图像的***和方法 | |
CN112639880A (zh) | 使用深度学习自动确定3d对象的正则姿态和自动叠加3d对象 | |
JP2016512977A (ja) | 医療画像の位置合わせ | |
JP2021535482A (ja) | 深層学習ベースのコレジストレーション | |
Platero et al. | A multiatlas segmentation using graph cuts with applications to liver segmentation in CT scans | |
JP2021504830A (ja) | 画像内のオブジェクトをセグメント化するためのセグメンテーションシステム | |
US20180064409A1 (en) | Simultaneously displaying medical images | |
Vu et al. | Deep convolutional neural networks for automatic segmentation of thoracic organs‐at‐risk in radiation oncology–use of non‐domain transfer learning | |
Zhou et al. | Interactive medical image segmentation using snake and multiscale curve editing | |
JP6789238B2 (ja) | 解剖学的構造のモデルベースのセグメント化 | |
Yang et al. | An indirect multimodal image registration and completion method guided by image synthesis | |
Willems et al. | Clinical implementation of DeepVoxNet for auto-delineation of organs at risk in head and neck cancer patients in radiotherapy | |
JP7520005B2 (ja) | 対話的な反復的画像注釈付け | |
Sumithra et al. | Modified Global Flower Pollination Algorithm‐based image fusion for medical diagnosis using computed tomography and magnetic resonance imaging | |
Lee et al. | Seq2Morph: A deep learning deformable image registration algorithm for longitudinal imaging studies and adaptive radiotherapy | |
Bongratz et al. | Abdominal organ segmentation via deep diffeomorphic mesh deformations | |
JP2007515714A (ja) | 適応型である点ベースの弾性的画像照合 | |
US11861839B2 (en) | Preprocessing medical image data for machine learning | |
Olveres et al. | Deformable models for segmentation based on local analysis | |
CN111260546B (zh) | 一种图像处理方法、装置及电子设备 | |
KR20220162153A (ko) | 부호부여된 거리 맵의 예측에 의한 형상-인지 기관 세그먼트화 | |
Xiong et al. | Multiple sclerosis lesion filling using a non-lesion attention based convolutional network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20181023 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20181023 |
|
TRDD | Decision of grant or rejection written | ||
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20190320 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190328 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190403 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6510150 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |