JP2020022689A - 医用画像処理装置およびx線ct装置 - Google Patents
医用画像処理装置およびx線ct装置 Download PDFInfo
- Publication number
- JP2020022689A JP2020022689A JP2018149645A JP2018149645A JP2020022689A JP 2020022689 A JP2020022689 A JP 2020022689A JP 2018149645 A JP2018149645 A JP 2018149645A JP 2018149645 A JP2018149645 A JP 2018149645A JP 2020022689 A JP2020022689 A JP 2020022689A
- Authority
- JP
- Japan
- Prior art keywords
- spectrum
- learned model
- image processing
- data
- 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
- 238000012545 processing Methods 0.000 title claims abstract description 132
- 238000001228 spectrum Methods 0.000 claims abstract description 171
- 230000004044 response Effects 0.000 claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 230000005855 radiation Effects 0.000 claims abstract description 4
- 238000003384 imaging method Methods 0.000 claims description 74
- 238000000034 method Methods 0.000 claims description 47
- 238000012937 correction Methods 0.000 claims description 42
- 230000005540 biological transmission Effects 0.000 claims description 21
- 239000000126 substance Substances 0.000 claims description 12
- 238000007781 pre-processing Methods 0.000 claims description 11
- 230000001678 irradiating effect Effects 0.000 claims description 4
- 230000006870 function Effects 0.000 description 109
- 238000002591 computed tomography Methods 0.000 description 43
- 230000008569 process Effects 0.000 description 31
- 238000010801 machine learning Methods 0.000 description 21
- 238000010586 diagram Methods 0.000 description 16
- 238000013500 data storage Methods 0.000 description 11
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 10
- 229910052791 calcium Inorganic materials 0.000 description 10
- 239000011575 calcium Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 229910052751 metal Inorganic materials 0.000 description 9
- 239000002184 metal Substances 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- ZCYVEMRRCGMTRW-UHFFFAOYSA-N 7553-56-2 Chemical compound [I] ZCYVEMRRCGMTRW-UHFFFAOYSA-N 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 5
- 229910052740 iodine Inorganic materials 0.000 description 5
- 239000011630 iodine Substances 0.000 description 5
- 239000003550 marker Substances 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 210000001015 abdomen Anatomy 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 229910052782 aluminium Inorganic materials 0.000 description 2
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 2
- 230000002238 attenuated effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 238000010894 electron beam technology Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Landscapes
- Measurement Of Radiation (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
Description
しかし、事前に学習した撮影データの範囲を大きく逸脱するデータが入力された場合、機械学習により出力されるデータの有効性が補償されなくなる。すなわち、異常画像が生成される原因となるデータが出力されたり、または無効なデータ処理が行われたりする可能性がある。
以下、X線CT(Computed Tomography)装置について図1のブロック図を参照して説明する。図1に示すX線CT装置1は、架台装置10と、寝台装置30と、コンソール装置40とを有する。図1では説明の都合上、架台装置10を複数描画している。なお、本実施形態では、非チルト状態での回転フレーム13の回転軸又は寝台装置30の天板33の長手方向をZ軸方向、Z軸方向に直交し、床面に対し水平である軸方向をX軸方向、Z軸方向に直交し、床面に対し垂直である軸方向をY軸方向とそれぞれ定義するものとする。
基台31は、支持フレーム34を鉛直方向に移動可能に支持する筐体である。
スキャン制御処理は、X線高電圧装置14に高電圧を供給させて、X線管11にX線を照射させるなど、X線スキャンに関する各種動作を制御する処理である。
画像処理は、入力インターフェース43を介して操作者から受け付けた入力操作に基づいて、再構成処理機能443によって生成されたCT画像データを公知の方法により、任意断面の断層画像データや3次元画像データに変換する処理である。
処理回路44は、コンソール装置40に含まれる場合に限らず、複数の医用画像診断装置にて取得されたデータに対する処理を一括して行う統合サーバに含まれてもよい。
ステップS202では、判定機能445を実行することで処理回路44が、対象撮影データに対して、学習済みモデルを適用するか否かを判定する。具体的には、判定機能445を実行することで処理回路44が、対象撮影データのスペクトルの特徴に基づいて、対象撮影データが適正範囲内か否かを判定する。適正範囲内か否かの判定処理については、判定機能445により処理回路44が、学習済みモデルの学習に用いたスペクトルの特徴量から対象撮影データのスペクトルの特徴量が外れた場合、対象撮影データが適正範囲内ではない(適正範囲外)と判定する。具体的な判定処理については、図6から図11を参照して後述する。
対象撮影データが適正範囲内である場合、ステップS203に進み、対象撮影データが適正範囲外の場合、ステップS204に進む。
ステップS204では、前処理機能442を実行することで処理回路44が、適正範囲外の対象撮影データについては学習済みモデルを適用した補正を実行せずに、逐次比較法、またはモデルを用いた解析的計算処理など一般的な補正処理により検出器応答補正を実行し、補正撮影データ及び補正スペクトルを生成する。
ステップS206では、表示制御機能447を実行することで処理回路44が、処理中のビューにおける補正撮影データ(及び補正スペクトル)を例えばメモリ41に出力する。
図3は、学習済みモデルを生成する学習システムの一例を示すブロック図である。図3に示される医用情報処理システムは、X線CT装置1と、学習データ保管装置50と、モデル学習装置52とを含む。
学習済みモデル411のモデル学習時には、例えば工場出荷時などにおいて、X線検出器12を用いて実測した撮影データの実測スペクトルを入力データとし、シミュレーションによる撮影データのスペクトルについて検出器応答が補正された理想的なスペクトルを正解データとした学習用データセットが用いられる。モデル学習装置52は、学習用データセットを用いて学習用プログラムである多層化ネットワーク410を機械学習させればよい。学習済みモデル411は、X線CT装置1のコンソール装置40にインストールされる。また、修理時やソフトウェアのアップデート時において学習済みモデル411をアップデートできるようにしてもよい。
学習済みモデル411の利用時には、例えば、X線検出器12を用いて実測した撮影データのスペクトルが学習済みモデル411に入力される。学習済みモデル411は、少なくともX線検出器12の検出器応答が補正された補正撮影データのスペクトル(復元スペクトルともいう)を出力する。
図6は、基準スペクトル601の概形を示す図である。縦軸は、カウント値を示し、横軸は、エネルギー帯域毎のビンを示す。基準スペクトル601の各ビンのカウント値602は、モデルを機械学習させるために用いた複数の学習用データに含まれる撮影データのカウント値のうち、各ビンにおける最大のカウント値である。すなわち、基準スペクトル601は、学習済みモデル411を機械学習させたときの撮影データの最大範囲を表す。
図7に示す実線のスペクトルは、対象撮影データのスペクトル(対象スペクトル603という)である。一方、破線のスペクトルは、図6に示す基準スペクトル601である。図7に示すように、基準スペクトル601の範囲内に、対象スペクトル603が含まれる、言い換えると、対象スペクトル603の各ビンのカウント値は、基準スペクトル601の各ビンのカウント値602以内である。よって、判定機能445により処理回路44が、対象撮影データは適正範囲内であると判定する。
図8に示す例では、丸のマーカー605で示す対象スペクトルの右から3番目のビンのカウント値が、斜線で示す領域のカウント値の分、基準スペクトル601の同位置にあるビンのカウント値を上回る。よって判定機能445により処理回路44が、対象撮影データは適正範囲を逸脱する、すなわち適正範囲外のデータであり、学習済みモデルを適用しないと判定する。
図10は、各ビンのカウント値として学習用データのうちの最小のカウント値を用いた場合の基準スペクトルを示す。判定機能445を実行することで処理回路44が、対象スペクトルが基準スペクトル未満である場合、対象撮影データは適正範囲外と判定し、対象スペクトルが基準スペクトル以上である場合、対象撮影データは適正範囲内と判定する。
図11中の丸のマーカー605で囲まれたビンのカウント値は、基準スペクトルの同じ位置にあるビン(同じエネルギー帯域のビン)のカウント値よりも少ないため、判定機能445を実行することで処理回路44が、対象撮影データは適正範囲外であり、学習済みモデルを適用しないと判定される。
こうすることで、対象撮影データのスペクトルが適正範囲内である場合は、学習済みモデルを用いて効率的に補正処理を実行できる。一方、学習用データの範囲を大きく逸脱するデータが入力されたような対象撮影データのスペクトルが適正範囲外である場合は、学習済みモデルを適用せず一般的な検出器応答補正を実行するため、無効なデータの生成を抑制しつつ補正撮影データの有効性を保証できる。
第1の実施形態では、1つの学習済みモデルを適用するか否かを判定しているが、第2の実施形態では、撮影した物質又は着目した物質などによって適用する学習済みモデルを切り換えて補正処理を実行する点が異なる。これによって、機械学習による学習済みモデルの効率化及び処理量の軽減を図ることができる。
図12は、水とカルシウムとの透過距離の対応関係を示すグラフであり、横軸が水透過距離であり、縦軸がカルシウム透過距離である。第2の実施形態では、スペクトルの特徴として、複数の物質の透過距離を用いる。図12に示す領域606及び領域607は、学習用データの正解データを水透過距離及びカルシウム透過距離の組合せで表したプロットの集合を示す領域である。例えば、頭部と腹部とでは着目する物質の透過距離が異なると考えられる。つまり、撮影対象部位によって、図12のグラフ上における正解データの分布が異なる。
学習済みモデルの生成方法としては、図3及び図4に示す方法を用いればよい。具体的には、例えば、撮影データのスペクトルを入力データとし、領域606に属する水とカルシウムとの透過距離に関するデータを正解データとした学習用データを用いて、モデルを学習することにより、領域606に基づく学習済みモデルと、領域607に基づく学習済みモデルとが生成されればよい。生成された学習済みモデルは、例えばメモリ41に格納されればよい。
学習済みモデルの生成方法は、図12の場合と同様に、撮影データのスペクトルを入力データとし、領域608に属するカルシウムとヨウ素との透過距離に関するデータを正解データとした学習用データを用いて、モデルを機械学習することにより、領域608に基づく学習済みモデルが生成される。生成された学習済みモデルは、例えばメモリ41に予め格納されればよい。
ステップS1402では、判定機能445を実行することで処理回路44が、対象撮影データのスペクトルの特徴に基づいて、対象スペクトルが適正範囲内であるか否かを判定する。対象スペクトルが適正範囲内である場合、ステップS1403に進み、対象スペクトルが適正範囲外である場合、ステップS1406に進む。
具体的には、判定機能445を実行することで処理回路44は、例えば、第1の学習済みモデルの機械学習時に用いた領域606に属する正解データの基準スペクトルの幅(ビン又はエネルギー方向の範囲と、ビンのカウント値の範囲との組合せ)と、第2の学習済みモデルの機械学習時に用いた領域607に属する撮影データの基準スペクトルの幅と、対象スペクトルとを比較し、対象スペクトルがどちらの基準スペクトルの幅に属するかを判定すればよい。判定機能445を実行することで処理回路44は、基準スペクトルの幅に属すると判定された学習済みモデルを、対象スペクトルに適用すべき学習済みモデルと判定すればよい。
ステップS1405では、処理対象の撮影データに対して第2の学習済みモデルを適用し、補正撮影データ及び補正スペクトルを出力する。
ステップS1406では、システム制御機能441を実行することで処理回路44が、適正範囲外の撮影データについて、逐次比較処理による透過距離推定、またはモデルを用いた解析的検出器応答補正など、検出器応答補正に関する一般的な補正処理が実行される。
ステップS1408では、表示制御機能447を実行することで処理回路44が、処理中のビューにおける補正された撮影データを例えばメモリ41に出力する。
または、スキャンモードを変更するなど撮影条件の変更により回転フレーム13の回転速度が変化すると、検出される光子のカウント数も変化する。よって、スキャンモード毎に学習済みモデルを用意しておき、スキャンモードなどの撮影条件に応じて学習済みモデルを切り換えて対象スペクトルに適用してもよい。
本変形例では、スペクトルの特徴として、1ビューにおける、各スペクトルのカウントを合計したカウント合計値、つまり1つの検出素子(チャンネル)に入射する光子の総数を用いる。つまり、判定機能445を実行することで処理回路44が、対象スペクトルのカウント合計値が基準スペクトルのカウント合計値以下であれば、学習済みモデルを適用すると判定すればよい。このようにすることで、スペクトルのカウント合計値が、基準スペクトルのカウント合計値を上回れば、学習用データの範囲を逸脱していることが分かり、スペクトルのビン毎のカウント値で判定する場合と同様に、適正範囲内か否かを判定することができる。
よって、判定機能445を実行することで処理回路44が、閾値以下のカウント数を有するチャンネルが存在しなければ(図15(a)の場合)、学習済みモデルを適用して補正撮影データを生成する。一方、判定機能445を実行することで処理回路44が、閾値以下のカウント値が存在すれば(図15(b)の場合)、金属アーチファクトが発生していると判定する。その後、前処理機能442を実行することで処理回路44が、当該チャンネルについて金属アーチファクトに関する補正処理(例えば、隣接するチャンネルのデータに基づく補間処理)を実行する。補正機能446を実行することで処理回路44が、金属アーチファクトに関する補正処理後の撮影データに対して学習済みモデルを適用して、補正撮影データを生成する。なお、金属アーチファクトに関する補正処理後の撮影データに対して一般的な検出器応答補正が実行されてもよい。
上述の実施形態に係るデータ処理は、X線CT装置1のコンソール装置40で行われることに限らず、例えば、ワークステーションに含まれるような医用画像処理装置において実行されてもよい。
医用画像処理装置1600は、処理回路1620と、ストレージ1640と、通信インターフェース1660とを含む。また、信号のやりとりは、バス1680を介して行われる。
ストレージ1640は、例えばメモリであり、選択されたスキャン条件、学習済みモデル、参考画像、劣化画像などを記憶する。なお、ストレージ1640に記憶される学習済みモデルについても、上述した実施形態と同様の方法で生成されればよい。
通信インターフェース1660は、補正された撮影データをX線CT装置1に送信する。
多管球型のX線CT装置の場合は、処理回路44は、管球毎に上述した対応関係を作成し、最も長いOLP待ち時間に基づいて、上述の実施形態に係る表示制御処理を実行すればよい。
10 架台装置
11 X線管
12 X線検出器
13 回転フレーム
14 X線高電圧装置
15 制御装置
16 ウェッジ
17 コリメータ
18 データ収集装置(DAS)
19 開口(ボア)
30 寝台装置
31 基台
32 寝台駆動装置
33 天板
34 支持フレーム
40 コンソール装置
41 メモリ
42 ディスプレイ
43 入力インターフェース
44,1620 処理回路
50 学習データ保管装置
52 モデル学習装置
410 多層化ネットワーク
411 学習済みモデル
441 システム制御機能
442 前処理機能
443 再構成処理機能
444,1622 取得機能
445,1624 判定機能
446 補正機能
447,1628 表示制御機能
601 基準スペクトル
602 カウント値
603 対象スペクトル
605 マーカー
606〜608 領域
1600 医用画像処理装置
1640 ストレージ
1660 通信インターフェース
1680 バス
Claims (13)
- 放射線を検出する検出素子毎に、少なくとも検出器応答を含んだ第1スペクトルを取得する取得部と、
前記第1スペクトルの特徴に基づいて、入力されたスペクトルを補正した第2スペクトルを出力する学習済みモデルを、前記第1スペクトルに対して適用するか否かを判定する判定部と、
を備える医用画像処理装置。 - 前記判定部は、前記学習済みモデルの学習に用いたスペクトルの特徴量から前記第1スペクトルの特徴量が外れた場合、前記学習済みモデルを前記第1スペクトルに対して適用しないと判定する請求項1に記載の医用画像処理装置。
- 前記判定部は、前記学習済みモデルの学習に用いたスペクトルの各ビンの最大値を、前記第1スペクトルの前記各ビンのうちの少なくとも1つが上回った場合、前記学習済みモデルを前記第1スペクトルに対して適用しないと判定する請求項1または請求項2に記載の医用画像処理装置。
- 前記判定部は、前記学習済みモデルの学習に用いたスペクトルのビン又はエネルギー方向の範囲よりも、前記第1スペクトルのビン又はエネルギー方向の範囲が広い場合、前記学習済みモデルを前記第1スペクトルに対して適用しないと判定する請求項1から請求項3のいずれか1項に記載の医用画像処理装置。
- 前記判定部は、前記学習済みモデルの学習に用いたスペクトルの各ビンの最小値を、前記第1スペクトルの前記各ビンのうちの少なくとも1つが下回った場合、前記学習済みモデルを前記第1スペクトルに対して適用しないと判定する請求項1から請求項4のいずれか1項に記載の医用画像処理装置。
- 前記判定部は、前記学習済みモデルの学習に用いたスペクトルのものであって、前記検出素子に入射する光子の総数であるカウント値のうちの最大値を、前記第1スペクトルのカウント値が上回った場合、前記学習済みモデルを前記第1スペクトルに対して適用しないと判定する請求項1に記載の医用画像処理装置。
- 前記学習済みモデルを前記第1スペクトルに対して適用すると判定された場合、前記第1スペクトルに対して前記学習済みモデルを適用して前記第2スペクトルを生成する補正部と、
前記学習済みモデルを前記第1スペクトルに対して適用しないと判定された場合、前記学習済みモデル以外の補正手法により前記第1スペクトルを補正して前記第2スペクトルを生成する前処理部をさらに具備する請求項1から請求項6のいずれか1項に記載の医用画像処理装置。 - 放射線を検出する検出素子毎に、少なくとも検出器応答を含んだ第1スペクトルを取得する取得部と、
前記第1スペクトルの特徴に基づき、入力されたスペクトルを補正した第2スペクトルを出力する第1学習済みモデルと、入力されたスペクトルを補正した第2スペクトルを出力し前記第1学習済みモデルとはパラメータが異なる第2学習済みモデルとで、前記第1スペクトルに適用する学習済みモデルを判定する判定部と、
を備える医用画像処理装置。 - 前記判定部は、前記第1スペクトルを得たときの撮影条件に基づいて、前記第1スペクトルに適用する学習済みモデルを、前記第1学習済みモデルと前記第2学習済みモデルとの中から判定する請求項8に記載の医用画像処理装置。
- 前記第1学習済みモデルは、複数の物質の透過距離の組合せの集合を示す第1領域に属するデータに基づいて生成され、
前記第2学習済みモデルは、前記第1領域とは異なる第2領域に属するデータに基づく生成され、
前記判定部は、第1スペクトルに基づく前記複数の物質の透過距離の組合せに基づいて、前記第1スペクトルに適用する学習済みモデルを、前記第1学習済みモデルと前記第2学習済みモデルとの中から判定する請求項8に記載の医用画像処理装置。 - 前記第1学習済みモデルは、複数の物質の透過距離の組合せの集合を示す第1領域に属するデータに基づいて生成され、
前記第2学習済みモデルは、前記第1領域以外の第2領域に属するデータに基づく生成され、
前記判定部は、前記第1領域に基づき生成された理想スペクトルのマスクに基づき、前記第1スペクトルが前記マスクに該当する場合、前記第1学習済みモデルを適用すると判定し、前記第1スペクトルが前記マスクから外れる場合、前記第2学習済みモデルを適用すると判定する請求項8に記載の医用画像処理装置。 - 前記第1スペクトルのデータが前記第1領域及び前記第2領域に属しない場合、当該第1スペクトルのデータに関する情報を提示する制御部をさらに具備する、請求項10または請求項11に記載の医用画像処理装置。
- X線を照射するX線管と、
前記X線管から照射されて被検体を透過したX線を検出する検出器と、
前記検出器の検出素子毎に、少なくとも前記検出器の検出器応答を含んだ第1スペクトルを取得する取得部と、
前記第1スペクトルの特徴に基づいて、入力されたスペクトルを補正した第2スペクトルを出力する学習済みモデルを、前記第1スペクトルに対して適用するか否かを判定する判定部と、
を具備するX線CT装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018149645A JP7461102B2 (ja) | 2018-08-08 | 2018-08-08 | 医用画像処理装置およびx線ct装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018149645A JP7461102B2 (ja) | 2018-08-08 | 2018-08-08 | 医用画像処理装置およびx線ct装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020022689A true JP2020022689A (ja) | 2020-02-13 |
JP7461102B2 JP7461102B2 (ja) | 2024-04-03 |
Family
ID=69617919
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018149645A Active JP7461102B2 (ja) | 2018-08-08 | 2018-08-08 | 医用画像処理装置およびx線ct装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7461102B2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210383541A1 (en) * | 2020-06-05 | 2021-12-09 | Fujifilm Corporation | Image processing apparatus, radiography system, image processing method, and image processing program |
US20210383542A1 (en) * | 2020-06-05 | 2021-12-09 | Fujifilm Corporation | Image processing apparatus, radiography system, image processing method, and image processing program |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005253708A (ja) * | 2004-03-12 | 2005-09-22 | Fuji Photo Film Co Ltd | 特徴量選択装置、異常陰影判別装置およびプログラム |
JP2015131028A (ja) * | 2014-01-14 | 2015-07-23 | 株式会社東芝 | フォトンカウンティングct装置及びフォトンカウンティングctデータ処理方法 |
US20150371378A1 (en) * | 2014-06-20 | 2015-12-24 | Marquette University | Material decomposition of multi-spectral x-ray projections using neural networks |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6386997B2 (ja) | 2013-04-19 | 2018-09-05 | キヤノンメディカルシステムズ株式会社 | X線コンピュータ断層撮影装置及び補正方法 |
US20160217594A1 (en) | 2015-01-22 | 2016-07-28 | Kabushiki Kaisha Toshiba | Cost-function based method and apparatus for projection-domain basis decomposition in spectral computed tomography |
US9687207B2 (en) | 2015-04-01 | 2017-06-27 | Toshiba Medical Systems Corporation | Pre-reconstruction calibration, data correction, and material decomposition method and apparatus for photon-counting spectrally-resolving X-ray detectors and X-ray imaging |
AU2015405066A1 (en) | 2015-08-13 | 2018-02-01 | Halliburton Energy Services, Inc. | Calibration of optical computing devices using traceable filters |
-
2018
- 2018-08-08 JP JP2018149645A patent/JP7461102B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005253708A (ja) * | 2004-03-12 | 2005-09-22 | Fuji Photo Film Co Ltd | 特徴量選択装置、異常陰影判別装置およびプログラム |
JP2015131028A (ja) * | 2014-01-14 | 2015-07-23 | 株式会社東芝 | フォトンカウンティングct装置及びフォトンカウンティングctデータ処理方法 |
US20150371378A1 (en) * | 2014-06-20 | 2015-12-24 | Marquette University | Material decomposition of multi-spectral x-ray projections using neural networks |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210383541A1 (en) * | 2020-06-05 | 2021-12-09 | Fujifilm Corporation | Image processing apparatus, radiography system, image processing method, and image processing program |
US20210383542A1 (en) * | 2020-06-05 | 2021-12-09 | Fujifilm Corporation | Image processing apparatus, radiography system, image processing method, and image processing program |
US11806178B2 (en) * | 2020-06-05 | 2023-11-07 | Fujifilm Corporation | Image processing apparatus, radiography system, image processing method, and image processing program |
Also Published As
Publication number | Publication date |
---|---|
JP7461102B2 (ja) | 2024-04-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7461102B2 (ja) | 医用画像処理装置およびx線ct装置 | |
JP7224829B2 (ja) | 医用画像処理装置および方法 | |
JP7175639B2 (ja) | X線撮影装置及び医用画像処理装置 | |
JP7179479B2 (ja) | X線ct装置 | |
JP7334088B2 (ja) | 医用情報処理装置、医用情報処理プログラムおよびx線ct装置 | |
JP7361568B2 (ja) | X線撮影装置および単色x線生成方法 | |
JP7356816B2 (ja) | 医用情報処理装置 | |
JP7055709B2 (ja) | X線ct装置及び撮影計画装置 | |
JP7487367B2 (ja) | X線ct装置、検出器補正方法および医用情報システム | |
JP2020199086A (ja) | X線ctシステム | |
JP7224880B2 (ja) | X線撮影装置 | |
US11559269B2 (en) | X-ray imaging apparatus, medical information processing apparatus, X-ray detector, and correction method of X-ray detector | |
JP7258473B2 (ja) | X線ct装置及び撮影条件管理装置 | |
JP7206163B2 (ja) | X線ct装置、医用情報処理装置、及び医用情報処理プログラム | |
JP7224208B2 (ja) | 医用処理装置、および医用診断システム | |
JP7362270B2 (ja) | 放射線検出器及び放射線診断装置 | |
JP7066359B2 (ja) | X線ct装置 | |
US20240169531A1 (en) | Medical image processing apparatus, medical image processing method, and model generation method | |
JP7114381B2 (ja) | X線ct装置及びx線管装置 | |
JP2018129126A (ja) | X線撮像装置 | |
JP2020089594A (ja) | 医用画像処理システム、医用画像処理装置及び医用画像処理方法 | |
JP2022014431A (ja) | 補正用x線検出器、x線ct装置及び検出素子決定方法 | |
JP2022011724A (ja) | X線ct装置 | |
JP2024001425A (ja) | 光子計数型x線コンピュータ断層撮影装置、再構成処理装置、光子計数型情報取得方法、再構成処理方法、光子計数型情報取得プログラム、および再構成処理プログラム | |
JP2022092932A (ja) | X線コンピュータ断層撮影装置、医用画像処理装置、およびデータ処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210608 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220421 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220524 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220725 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20221108 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230208 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20230208 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230217 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20230221 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20230310 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20230314 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240322 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7461102 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |