JP2020168200A - 医用画像処理装置 - Google Patents
医用画像処理装置 Download PDFInfo
- Publication number
- JP2020168200A JP2020168200A JP2019071401A JP2019071401A JP2020168200A JP 2020168200 A JP2020168200 A JP 2020168200A JP 2019071401 A JP2019071401 A JP 2019071401A JP 2019071401 A JP2019071401 A JP 2019071401A JP 2020168200 A JP2020168200 A JP 2020168200A
- Authority
- JP
- Japan
- Prior art keywords
- data
- lesion
- prediction
- age
- subject
- 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 185
- 238000003384 imaging method Methods 0.000 claims abstract description 75
- 230000003902 lesion Effects 0.000 claims description 236
- 239000002131 composite material Substances 0.000 claims description 32
- 230000036962 time dependent Effects 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 12
- 230000015572 biosynthetic process Effects 0.000 claims description 11
- 238000003786 synthesis reaction Methods 0.000 claims description 11
- 239000000284 extract Substances 0.000 claims description 7
- 230000002194 synthesizing effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 208
- 238000000034 method Methods 0.000 description 76
- 238000012549 training Methods 0.000 description 54
- 238000012986 modification Methods 0.000 description 44
- 230000004048 modification Effects 0.000 description 44
- 238000010586 diagram Methods 0.000 description 25
- 238000010801 machine learning Methods 0.000 description 9
- 241001669679 Eleotris Species 0.000 description 8
- 230000000694 effects Effects 0.000 description 6
- 210000001015 abdomen Anatomy 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000002601 radiography Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000003990 capacitor Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 239000010408 film Substances 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000010409 thin film Substances 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000001151 other effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- WFKWXMTUELFFGS-UHFFFAOYSA-N tungsten Chemical compound [W] WFKWXMTUELFFGS-UHFFFAOYSA-N 0.000 description 1
- 229910052721 tungsten Inorganic materials 0.000 description 1
- 239000010937 tungsten Substances 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
前記予測部は、第1被検体の撮影対象部位に関して第1年齢で取得された第1医用データを受け付け、前記第1年齢から前記第1年齢とは異なる第2年齢までの前記撮影対象部位の経時変化を前記第1医用データに反映させた予測データを出力する学習済み予測モデルに前記第1医用データを入力し、前記学習済み予測モデルに前記予測データを出力させる。
前記判定部は、前記第2年齢において前記撮影対象部位に関して取得された第2医用データと前記予測データとを受け付けて前記第2医用データに関する第2被検体と前記第1被検体とが同一であるか否かの判定結果を出力する学習済み判定モデルに前記第2医用データと前記予測データとを入力し、前記学習済み判定モデルに前記判定結果を出力させる。
図1は、第1の実施形態に係るX線診断装置1の構成例を示す図である。図1に示すように、X線診断装置1は、撮影装置10、寝台装置30及びコンソール装置40を備えている。撮影装置10は、高電圧発生装置11、X線発生部12、X線検出器13、Cアーム14、及びCアーム駆動装置142を備えている。
(ステップS101)
処理回路44は、予測機能446を実行する。処理回路44は、予測機能446により、メモリ41に記憶された被検体情報から過去X線画像及び過去年齢を読み出す。また、処理回路44は、メモリ41に記憶された撮影情報に基づいて現在年齢を読み出す。処理回路44は、過去X線画像、過去年齢及び現在年齢を学習済み予測モデルM1に入力し、学習済み予測モデルM1に予測X線画像を生成させる。処理回路44は、生成された予測X線画像をメモリ41に記憶する。
処理回路44は、システム制御機能441と、駆動制御機能442と、X線制御機能443と、画像生成機能444とを実行することにより、X線撮影を行い、現在X線画像を生成する。処理回路44は、画像生成機能444により、生成された現在X線画像をメモリ41に記憶する。このとき、処理回路44は、表示制御機能445により現在X線画像をディスプレイ42に表示させてもよい。
処理回路44は、判定機能447を実行する。処理回路44は、判定機能447により、ステップS101の処理において生成された予測X線画像と、ステップS102の処理において生成された現在X線画像とを、メモリ41から読み出す。そして、処理回路44は、予測X線画像と現在X線画像とを、学習済み判定モデルM2に入力する。処理回路44は、予測X線画像と現在X線画像とが入力された学習済み判定モデルM2から、第1被検体と第2被検体とが同一であるか否かを示す判定結果を出力させる。処理回路44は、出力された判定結果をメモリ41に記憶する。
ステップS103の処理において第1被検体と第2被検体とが同一であると判断された場合、すなわち、学習済み判定モデルM2から出力された判定結果において第1被検体と第2被検体とが同一である場合(S104−Yes)、ステップS105の処理が実行される。また、第1被検体と第2被検体とが同一でないと判断された場合、すなわち、学習済み判定モデルM2から出力された判定結果において第1被検体と第2被検体とが異なる場合(S104−No)、ステップS106の処理が実行される。
処理回路44は、判定機能447により、現在X線画像と過去X線画像とを関連付ける。例えば、処理回路44は、患者情報において、現在X線画像に関する第2被検体を過去X線画像に関する第1被検体として設定する。処理回路44は、過去X線画像と同一の被検体を撮影したX線画像として現在X線画像をメモリ41に記憶し、当該被検体同定処理を終了する。
処理回路44は、判定機能447により、現在X線画像に関する第2被検体と過去X線画像に関する第1被検体とが異なることを操作者に報知する。例えば、処理回路44は、現在X線画像に関する第2被検体と過去X線画像に関する第1被検体とが異なることを示す警告表示を、ディスプレイ42に表示させ、当該被検体同定処理を終了する。
本実施形態の第1の変形例について、図5乃至図7を参照して説明する。本変形例は、第1の実施形態の構成を以下の通りに変形したものである。図5は、本変形例に係るX線診断装置1の構成例を示す図である。図5と図1との違いは、メモリ41が学習済み予測モデルM1及び学習済み判定モデルM2の代わりに学習済み非病変予測モデルM3と学習済み病変予測モデルM4と学習済み判定モデルM5とを記憶し、処理回路44が予測機能446及び判定機能447の代わりに抽出機能446Aと非病変予測機能446Bと病変予測機能446Cと合成機能446Dと判定機能447Aとをさらに有することにある。
(ステップS111)
処理回路44は、抽出機能446Aを実行する。処理回路44は、抽出機能446Aにより、メモリ41から過去X線画像を読み出す。処理回路44は、過去X線画像から過去X線画像における病変領域を示す病変画像を抽出する。そして、処理回路44は、過去X線画像から病変画像を差分することにより、非病変領域を示す非病変画像を抽出する。処理回路44は、抽出された非病変画像及び病変画像をメモリ41に記憶する。
処理回路44は、非病変予測機能446Bを実行する。処理回路44は、非病変予測機能446Bにより、メモリ41に記憶された被検体情報から非病変画像及び過去年齢を読み出す。また、処理回路44は、メモリ41に記憶された撮影情報に基づいて現在年齢を読み出す。処理回路44は、非病変予測機能446Bにより、非病変画像、過去年齢及び現在年齢を学習済み非病変予測モデルM3に入力し、学習済み非病変予測モデルM3に非病変予測画像を生成させる。処理回路44は、生成された非病変予測画像をメモリ41に記憶する。
処理回路44は、病変予測機能446Cを実行する。処理回路44は、病変予測機能446Cにより、メモリ41に記憶された被検体情報から病変画像及び過去年齢を読み出す。また、処理回路44は、メモリ41に記憶された撮影情報に基づいて現在年齢を読み出す。処理回路44は、病変予測機能446Cにより、病変画像、過去年齢及び現在年齢を学習済み病変予測モデルM4に入力し、学習済み病変予測モデルM4に病変予測画像を生成させる。処理回路44は、生成された病変予測画像をメモリ41に記憶する。
処理回路44は、合成機能446Dを実行する。処理回路44は、合成機能446Dにより、メモリ41に記憶された非病変予測画像と病変予測画像とを読み出す。処理回路44は、非病変予測画像と病変予測画像とを合成することにより、合成画像を生成する。例えば、処理回路44は、非病変予測画像において、過去X線画像における病変領域の抽出位置と同様の位置に、病変画像を合成する。処理回路44は、生成された合成画像をメモリ41に記憶される。
処理回路44は、判定機能447Aを実行する。処理回路44は、判定機能447Aにより、ステップS114の処理において生成された合成画像と、ステップS115の処理において生成された現在X線画像とを、メモリ41から読み出す。そして、処理回路44は、合成画像と現在X線画像とを、学習済み判定モデルM5に入力する。処理回路44は、判定機能447Aにより、合成画像と現在X線画像とが入力された学習済み判定モデルM5から、合成画像に関する第1被検体と現在X線画像に関する第2被検体とが同一であるか否かを示す判定結果を出力させる。処理回路44は、出力された判定結果をメモリ41に記憶する。
ステップS116の処理において合成画像に関する第1被検体と現在X線画像に関する第2被検体とが同一であると判断された場合、すなわち、学習済み判定モデルM5から出力された判定結果において第1被検体と第2被検体とが同一である場合(S117−Yes)、ステップS118の処理が実行される。また、合成画像に関する第1被検体と現在X線画像に関する第2被検体とが同一でないと判断された場合、すなわち、学習済み判定モデルM5から出力された判定結果において、第1被検体と第2被検体とが異なる場合(S117−No)、ステップS119の処理が実行される。
処理回路44は、判定機能447Aにより、現在X線画像と過去X線画像とを関連付ける。他の処理は、ステップS105と同様なため、説明は省略する。
処理回路44は、判定機能447Aにより、現在X線画像に関する被検体と過去X線画像に関する被検体とが異なることを操作者に報知する。他の処理は、ステップS106と同様なため、説明は省略する。
本実施形態の第2の変形例について、図8乃至図10を参照して説明する。本変形例は、第1の実施形態の構成を以下の通りに変形したものである。図8は、本変形例に係るX線診断装置1の構成例を示す図である。図8と図1との相違は、処理回路44がモデル特定機能448をさらに有することにある。
(ステップS121)
処理回路44は、モデル特定機能448により、メモリ41に記憶された撮影条件から撮像対象部位を取得する。処理回路44は、モデル特定機能448により、メモリ41に記憶された複数の学習済み予測モデル(M11〜M13など)の中から、取得された撮像対象部位に対応する学習済み予測モデルを特定する。また、処理回路44は、モデル特定機能448により、メモリ41に記憶された複数の学習済み判定モデル(M21〜M23など)の中から、取得された撮像対象部位に対応する学習済み判定モデルを特定する。
処理回路44は、予測機能446により、ステップS121の処理により特定された学習済み予測モデルを読み出す。処理回路44は、ステップS121の処理により特定された学習済み予測モデルに過去X線画像、過去年齢及び現在年齢を入力し、S121の処理により特定された学習済み予測モデルM1に予測X線画像を生成させる。処理回路44は、生成された予測X線画像をメモリ41に記憶する。
処理回路44は、判定機能447により、ステップS121の処理により特定された学習済み判定モデルに予測X線画像と現在X線画像とを入力し、ステップS121の処理により特定された学習済み判定モデルに第1被検体と第2被検体とが同一であるか否かを示す判定結果を出力させる。処理回路44は、出力された判定結果をメモリ41に記憶する。
本実施形態の第3の変形例について、図11及び図12を参照して説明する。本変形例は、第1の実施形態の構成を以下の通りに変形したものである。本変形例では、メモリ41には、学習済み予測モデルM6と学習済み判定モデルM7とが記憶されている。
本実施形態の第4の変形例について、説明する。本変形例は、第1の実施形態の構成を以下の通りに変形したものである。
以下、これまでに説明した学習済み予測モデル、学習済み判定モデル、学習済み非病変予測モデル及び学習済み病変予測モデルの各々における、学習時に用いられる学習用データについて説明する。
以下、敵対的生成ネットワーク(GAN:Generative Adversarial Network)を応用して第1の実施形態において用いられる学習済み予測モデルを生成するモデル学習装置の一例を、図18及び図19を参照して説明する。
(ステップS201)
モデル学習装置60は、識別器訓練機能63により、識別器62を訓練する。モデル学習装置60における処理回路は、識別器訓練機能63を実行することにより、識別器62が正しい判断結果を出力する割合(以下、識別器62の判断の成功度と呼ぶ)が大きくなるように、識別器62を訓練する。この際、モデル学習装置60は、例えば、識別器62から出力された判断結果と、その判断において用いられた予測X線画像に関する撮影情報と現在X線画像に関する被検者情報とを取得し、識別器62の判断結果が正しいか否かを判断する。その後、モデル学習装置60は、判断結果に基づいて、正しい判断結果を出力するように識別器62の各パラメータを更新する。これにより、識別器62は、判断の成功度が大きくなるように、訓練(学習)される。
モデル学習装置60は、生成器訓練機能64により、生成器61を訓練する。モデル学習装置60における処理回路は、生成器訓練機能64を実行することにより、識別器62の判断の成功度を小さくする予測X線画像を出力するように、生成器61を訓練する。この際、モデル学習装置60は、識別器62の判断結果が誤った際に識別器62へ入力された予測X線画像と、この予測X線画像を生成器61が出力した際に生成器61に入力した過去X線画像とを学習させることにより、識別器62が誤った判断結果を出力するような予測X線画像を出力するように、生成器61の各パラメータを更新する。これにより、生成器61は、識別器62の判断の成功度を小さくする予測X線画像を出力するように、訓練(学習)される。
モデル学習装置60は、識別器訓練機能63及び生成器訓練機能64の実行回数が規定の回数以上であるか否かを判断する。すなわち、処理回路は、識別器訓練機能63及び生成器訓練機能64のそれぞれが規定の回数以上実行されたか否かを判断する。規定の回数は、例えば、1万回である。
識別器訓練機能63及び生成器訓練機能64が規定の回数以上実行されると、モデル学習装置60は、生成器61及び識別器62の訓練を終了する。訓練後の生成器61は、学習済みモデルとして用いられる。
10…撮影装置
11…高電圧発生装置
12…X線発生部
13…X線検出器
14…Cアーム
142…Cアーム駆動装置
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…処理回路
441…システム制御機能
442…駆動制御機能
443…X線制御機能
444…画像生成機能
445…表示制御機能
446…予測機能
446A…抽出機能
446B…非病変予測機能
446C…病変予測機能
446D…合成機能
447…判定機能
447A…判定機能
448…モデル特定機能
60…モデル学習装置
61…生成器
62…識別器
63…識別器訓練機能
64…生成器訓練機能
M1,M6…学習済み予測モデル
M11…頭部用学習済み予測モデル
M12…胸部用学習済み予測モデル
M13…腹部用学習済み予測モデル
M2,M5,M7…学習済み判定モデル
M21…頭部用学習済み判定モデル
M22…胸部用学習済み判定モデル
M23…腹部用学習済み判定モデル
M3…学習済み非病変予測モデル
M4…学習済み病変予測モデル
Claims (10)
- 第1年齢において第1被検体の撮影対象部位に関して取得された第1医用データと前記第1年齢と前記第1年齢とは異なる第2年齢とを受け付け、前記第1年齢から前記第2年齢までの前記撮影対象部位の経時変化を前記第1医用データに反映させた予測データを出力する学習済み予測モデルに前記第1医用データと前記第1年齢と前記第2年齢とを入力し、前記学習済み予測モデルに前記予測データを出力させる予測部と、
前記第2年齢において前記撮影対象部位に関して取得された第2医用データと前記予測データとを受け付け、前記第2医用データに関する第2被検体と前記第1被検体とが同一であるか否かの判定結果を出力する学習済み判定モデルに前記第2医用データと前記予測データとを入力し、前記学習済み判定モデルに前記判定結果を出力させる判定部と、
を備える、医用画像処理装置。 - 前記判定部は、前記判定結果において前記第2被検体と前記第1被検体とが同一である場合、前記第1医用データと前記第2医用データとを関連付ける、
請求項1に記載の医用画像処理装置。 - 前記第1医用データと前記第2医用データとは、X線画像又は再構成画像である、
請求項1又は2に記載の医用画像処理装置。 - 前記第1医用データから前記第1医用データにおける病変領域を示す病変データを抽出する抽出部と、
前記第1年齢から前記第2年齢までの前記病変領域の経時変化を前記病変データに反映させた病変予測データを出力する学習済み病変予測モデルに前記病変データを入力し、前記学習済み病変予測モデルに前記病変予測データを出力させる病変予測部と、
前記予測データに前記病変予測データが重畳された合成データを生成する合成部と、
をさらに備え、
前記判定部は、前記第2医用データと前記合成データとを受け付け、前記第2被検体と前記第1被検体とが同一であるか否かの判定結果を出力する学習済み判定モデルに前記第2医用データと前記合成データとを入力し、前記学習済み判定モデルに前記判定結果を出力させる、
請求項1乃至3のうちいずれか一項に記載の医用画像処理装置。 - 複数の前記学習済み予測モデルの中から前記第1医用データに関する付帯情報に対応する学習済み予測モデルを特定し、複数の前記学習済み判定モデルの中から前記付帯情報に対応する学習済み判定モデルを特定するモデル特定部をさらに備え、
前記予測部は、前記特定された学習済み予測モデルに対して前記第1医用データを入力し、前記特定された学習済み予測モデルに前記予測データを出力させ、
前記判定部は、前記特定された学習済み判定モデルに対して前記第2医用データを入力し、前記特定された学習済み判定モデルに前記判定結果を出力させる、
請求項1乃至4のうちいずれか一項に記載の医用画像処理装置。 - 前記付帯情報は、被検体の性別、被検体の人種、及び、撮影対象部位のうちの少なくとも1つである、
請求項5に記載の医用画像処理装置。 - 前記第1医用データは、前記第2医用データより過去において取得された医用データである、
請求項1乃至6のうちいずれか一項に記載の医用画像処理装置。 - 前記予測部は、前記第1被検体の前記撮影対象部位に関して取得された複数の医用データのうち前記第2医用データに最も近い時点で取得された医用データを、前記第1医用データとして前記学習済み予測モデルに入力する、
請求項7に記載の医用画像処理装置。 - 前記第2医用データは、前記第1医用データより過去において取得された医用データである、
請求項1乃至6のうちいずれか一項に記載の医用画像処理装置。 - 第1被検体の撮影対象部位に関して第1年齢で取得された第1医用データから前記第1医用データにおける病変領域を示す病変データを抽出し、前記第1医用データから前記病変データを差分することにより非病変領域を示す非病変データを抽出する抽出部と、
前記非病変データを受け付け、前記第1年齢から前記第1年齢とは異なる第2年齢までの前記非病変領域の経時変化を前記非病変データに反映させた非病変予測データを出力する学習済み非病変予測モデルに前記非病変データを入力し、前記学習済み非病変予測モデルに前記非病変予測データを出力させる非病変予測部と、
前記病変データを受け付け、前記第1年齢から前記第2年齢までの前記病変領域の経時変化を前記病変データに反映させた病変予測データを出力する学習済み病変予測モデルに前記病変データを入力し、前記学習済み病変予測モデルに前記病変予測データを出力させる病変予測部と、
前記非病変予測データと前記病変予測データとを合成することにより、合成データを生成する合成部と、
前記第2年齢において前記撮影対象部位に関して取得された第2医用データと前記合成データとを受け付け、前記第2医用データに関する第2被検体と前記第1被検体とが同一であるか否かの判定結果を出力する学習済み判定モデルに前記第2医用データと前記合成データとを入力し、前記学習済み判定モデルに前記判定結果を出力させる判定部と、
を備える、医用画像処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019071401A JP7225008B2 (ja) | 2019-04-03 | 2019-04-03 | 医用画像処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019071401A JP7225008B2 (ja) | 2019-04-03 | 2019-04-03 | 医用画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020168200A true JP2020168200A (ja) | 2020-10-15 |
JP7225008B2 JP7225008B2 (ja) | 2023-02-20 |
Family
ID=72746455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019071401A Active JP7225008B2 (ja) | 2019-04-03 | 2019-04-03 | 医用画像処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7225008B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023057871A (ja) * | 2021-10-12 | 2023-04-24 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法およびプログラム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170270379A1 (en) * | 2016-03-21 | 2017-09-21 | Konica Minolta Laboratory U.S.A., Inc. | Patient identification using dynamic medical images |
-
2019
- 2019-04-03 JP JP2019071401A patent/JP7225008B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170270379A1 (en) * | 2016-03-21 | 2017-09-21 | Konica Minolta Laboratory U.S.A., Inc. | Patient identification using dynamic medical images |
JP2017170132A (ja) * | 2016-03-21 | 2017-09-28 | コニカ ミノルタ ラボラトリー ユー.エス.エー.,インコーポレイテッド | 動態医用画像を用いた患者特定 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023057871A (ja) * | 2021-10-12 | 2023-04-24 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法およびプログラム |
JP7487159B2 (ja) | 2021-10-12 | 2024-05-20 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7225008B2 (ja) | 2023-02-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106204433B (zh) | 用于显示医学图像的方法和设备 | |
CN101953691B (zh) | X射线诊断装置以及x射线照射区域控制方法 | |
JP2004105728A (ja) | コンピュータを利用した医療用画像の収集 | |
EP3698719B1 (en) | Mammography apparatus and program | |
JP7254656B2 (ja) | 医用画像処理装置、医用画像診断装置及び核医学診断装置 | |
JP2014236798A (ja) | X線診断装置、被曝管理装置、散乱線線量分布形成方法、および散乱線線量分布形成プログラム | |
JP2024514494A (ja) | インモーション多パルス作動x線源トモシンセシスイメージングシステムによる人工知能訓練 | |
JP2005198798A (ja) | 放射線画像処理装置及び処理方法 | |
JP2012075862A (ja) | 体動検出装置、方法およびプログラム | |
JP7225008B2 (ja) | 医用画像処理装置 | |
JP7483437B2 (ja) | 放射線照射制御装置、放射線治療システム及び放射線照射制御方法 | |
CN117412710A (zh) | 医用信息处理方法及医用信息处理装置 | |
JP2020014805A (ja) | 医用画像処理装置及びx線コンピュータ断層撮影装置 | |
JP2021191404A (ja) | 画像処理装置、放射線画像撮影システム、画像処理方法、及び画像処理プログラム | |
JP2016106814A (ja) | 医用画像診断装置、及び、撮影範囲表示方法 | |
WO2024048374A1 (ja) | 画像処理装置、撮影システム、画像処理方法、及びプログラム | |
JP7443591B2 (ja) | 医用画像診断装置、および医用画像診断方法 | |
US20220313192A1 (en) | Positioning device, positioning method, positioning program, radiation image processing device, radiation image processing method, and radiation image processing program | |
CN113473058B (zh) | 摄影控制装置、图像管理装置、图像管理***以及计算机可读取的记录介质 | |
JP2023162794A (ja) | X線撮影装置、医用情報処理装置、及び医用情報処理プログラム | |
JP7182488B2 (ja) | X線照射制御装置、x線診断装置、およびx線照射制御プログラム | |
JP2023055322A (ja) | 機械学習モデル評価装置、機械学習モデル評価方法、及びプログラム | |
WO2022021030A1 (zh) | 追踪方法及设备 | |
US20230368421A1 (en) | Radiation therapy device, medical image processing device, radiation therapy method, and storage medium | |
JP4033719B2 (ja) | 放射線画像を較正するための方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221227 |
|
TRDD | Decision of grant or rejection written | ||
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20230110 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230208 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7225008 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |