JP2021502164A - 超音波画像生成システム - Google Patents
超音波画像生成システム Download PDFInfo
- Publication number
- JP2021502164A JP2021502164A JP2020524882A JP2020524882A JP2021502164A JP 2021502164 A JP2021502164 A JP 2021502164A JP 2020524882 A JP2020524882 A JP 2020524882A JP 2020524882 A JP2020524882 A JP 2020524882A JP 2021502164 A JP2021502164 A JP 2021502164A
- Authority
- JP
- Japan
- Prior art keywords
- image
- ultrasonic
- unit
- ultrasound
- raw 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
- 238000002604 ultrasonography Methods 0.000 claims abstract description 254
- 238000003384 imaging method Methods 0.000 claims abstract description 116
- 238000012285 ultrasound imaging Methods 0.000 claims abstract description 42
- 238000012549 training Methods 0.000 claims description 203
- 238000013528 artificial neural network Methods 0.000 claims description 89
- 238000000034 method Methods 0.000 claims description 52
- 238000010801 machine learning Methods 0.000 claims description 45
- 230000005540 biological transmission Effects 0.000 claims description 31
- 238000004590 computer program Methods 0.000 claims description 24
- 238000003325 tomography Methods 0.000 claims description 20
- 238000004088 simulation Methods 0.000 claims description 18
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 238000002591 computed tomography Methods 0.000 claims description 8
- 239000006249 magnetic particle Substances 0.000 claims description 4
- 238000002600 positron emission tomography Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 abstract 1
- 230000006872 improvement Effects 0.000 description 7
- 238000002603 single-photon emission computed tomography Methods 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 239000000523 sample Substances 0.000 description 6
- 238000004422 calculation algorithm Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 230000001419 dependent effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000009545 invasion Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000003909 pattern recognition Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000005415 magnetization Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000386 microscopy Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
- 210000004885 white matter Anatomy 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
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5207—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of raw data to produce diagnostic data, e.g. for generating an image
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
- A61B8/5238—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image
- A61B8/5261—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for combining image data of patient, e.g. merging several images from different acquisition modes into one image combining images from different diagnostic modalities, e.g. ultrasound and X-ray
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- 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
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- 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
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/5292—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves using additional data, e.g. patient information, image labeling, acquisition parameters
-
- 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
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Analysis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
・超音波イメージングモダリティによって取得された対象の超音波ローデータを提供するための超音波データ提供部、
・対象の超音波ローデータに基づき、超音波ローデータの取得のために使用された超音波イメージングモダリティに対応しない当該対象の超音波画像を生成するよう適合化された、機械学習によってトレーニングされたユニットを提供するためのトレーニング済ユニット(Trainierte-Einheit:トレーニングされたユニット)提供部、及び、
・該対象の提供された超音波ローデータに基づき、提供されたトレーニング済ユニットを用いて該対象の画像を生成するための画像生成部
を含む。
・超音波イメージングモダリティによって取得された又は超音波イメージングモダリティによる取得のシミュレーションによって生成された対象(被検体)の超音波ローデータを提供するための超音波データ提供部、
・機械学習によってトレーニングされるべきユニットを提供するためのトレーニング予定ユニット(Zu-Trainierende-Einheit:トレーニングされるべきユニット)提供部、
・超音波ローデータの取得に使用された超音波イメージングモダリティによって取得されたものではなくかつ超音波イメージングモダリティによる取得のシミュレーションによって生成されたものではない対象の画像を提供するための画像提供部、
・トレーニング済ユニットが対象の提供された超音波ローデータが入力されると提供された画像を出力するよう、提供されたトレーニング予定ユニットをトレーニングするためのトレーニング部
を含む。ここで、出力される画像は、既述の通り、超音波画像であり、従って、正確には、他のイメージングモダリティによって生成された画像ではないため、このことは、この画像を出力する目的でトレーニングが行われるが、これは達成(実現)されないことを意味する。換言すれば、トレーニングは、トレーニング予定ユニットによって生成される出力画像と対応するトレーニング画像との間の差異が最小化されるよう実行される。
・超音波イメージングモダリティによって取得された対象の超音波ローデータを、超音波データ提供部によって提供すること、
・超音波ローデータの取得に使用された超音波イメージングモダリティに対応しない対象の超音波画像を該対象の超音波ローデータに基づき生成するよう適合化された機械学習によってトレーニングされたユニットを、トレーニング済ユニット提供部によって提供すること、及び、
・該対象の提供された超音波ローデータに基づき、提供されたトレーニングされたユニット(提供されたトレーニング済ユニット)を用いて、該対象の画像を、画像生成部によって生成すること
を含む。
・超音波イメージングモダリティによって取得された又は超音波イメージングモダリティによる取得のシミュレーションによって生成された対象の超音波ローデータを、超音波データ提供部によって提供すること、
・トレーニングされるべきユニットを、トレーニング済ユニット提供部によって提供すること、
・超音波ローデータの取得に使用された超音波イメージングモダリティによって取得されたものではなくかつ超音波イメージングモダリティによる取得のシミュレーションによって生成されたものではない該対象の画像を、画像提供部によって提供すること、及び、
・トレーニング済ユニットが該対象の提供された超音波ローデータが入力されると提供された画像を出力するよう、提供されたユニットを、トレーニングユニットによってトレーニングすること
を含む。ここで、出力される画像は、既述の通り、超音波画像であり、従って、正確には、他のイメージングモダリティによって生成された画像ではないため、このことは、提供された画像を出力する目的でトレーニングが行われるが、これは達成(実現)されないことを意味する。換言すれば、トレーニングは、トレーニング予定ユニットによって生成される出力画像と対応するトレーニング画像との間の差異が最小化されるように、実行される。
2 対象
4、5 超音波データ提供部
6 トレーニング済ユニット提供部
7 画像生成部
8 画像提供部
9 記録部
10 エレメント決定部
11 インジケータ生成部
20、22 超音波データ提供部
20、21 画像提供部
24 トレーニング予定ユニット提供部
25 トレーニング部
30 トレーニングシステム
・超音波イメージングモダリティによって取得された対象の超音波ローデータを提供するための超音波データ提供部、
・対象の超音波ローデータに基づき、超音波ローデータの取得のために使用された超音波イメージングモダリティに対応しない該対象の超音波画像を生成するよう適合化された、機械学習によってトレーニングされたユニット(以下「トレーニング済ユニット」という。)を提供するためのトレーニング済ユニット提供部、及び、
・該対象の提供された超音波ローデータに基づき、提供されたトレーニング済ユニットを用いて該対象の画像を生成するための画像生成部
を含むことを特徴とする(形態1)。
本発明の第2の視点により、機械学習によってユニットをトレーニングするためのトレーニングシステムが提供される。該トレーニングシステムは、
・超音波イメージングモダリティによって取得された又は超音波イメージングモダリティによる取得のシミュレーションによって生成された対象の超音波ローデータを提供するための超音波データ提供部、
・機械学習によってトレーニングされるべきユニット(以下「トレーニング予定ユニット」という。)を提供するためのトレーニング予定ユニット提供部、
・超音波ローデータの取得に使用された超音波イメージングモダリティによって取得されたものではなくかつ超音波イメージングモダリティによる取得のシミュレーションによって生成されたものではない対象の画像を提供するための画像提供部、及び、
・トレーニング済ユニットが対象の提供された超音波ローデータが入力されると提供された画像を出力するよう、提供されたトレーニング予定ユニットをトレーニングするためのトレーニング部を含むことを特徴とする(形態9)。
本発明の第3の視点により、機械学習によってトレーニングされたユニットが提供される。該ユニットは、対象の超音波ローデータに基づき、超音波ローデータの取得に使用された超音波イメージングモダリティに対応しない該対象の超音波画像を生成するよう適合化されていることを特徴とする(形態14)。
本発明の第4の視点により、対象の画像を生成するための超音波画像生成方法が提供される。該超音波画像生成方法は、
・超音波イメージングモダリティによって取得された対象の超音波ローデータを、超音波データ提供部によって提供すること、
・超音波ローデータの取得に使用された超音波イメージングモダリティに対応しない対象の超音波画像を該対象の超音波ローデータに基づき生成するよう適合化された機械学習によってトレーニングされたユニットを、トレーニング済ユニット提供部によって提供すること、及び、
・該対象の提供された超音波ローデータに基づき、提供されたトレーニングされたユニットを用いて、該対象の画像を、画像生成部によって生成することを含むことを特徴とする(形態15)。
本発明の第5の視点により、機械学習によってユニットをトレーニングするためのトレーニング方法が提供される。該トレーニング方法は、
・超音波イメージングモダリティによって取得された又は超音波イメージングモダリティによる取得のシミュレーションによって生成された対象の超音波ローデータを、超音波データ提供部によって提供すること、
・トレーニングされるべきユニットを、トレーニング済ユニット提供部によって提供すること、
・超音波ローデータの取得に使用された超音波イメージングモダリティによって取得されたものではなくかつ超音波イメージングモダリティによる取得のシミュレーションによって生成されたものではない該対象の画像を、画像提供部によって提供すること、及び、
・トレーニング済ユニットが該対象の提供された超音波ローデータが入力されると提供された画像を出力するよう、提供されたユニットを、トレーニングユニットによってトレーニングすることを含むことを特徴とする(形態16)。
本発明の第6の視点により、対象の画像を生成するためのコンピュータプログラムが提供される。該コンピュータプログラムは、形態15の超音波画像生成方法が形態1〜8の何れかの画像を生成するための超音波画像生成システムで実行されるとき、該方法を実行するよう、適合化されていることを特徴とする(形態17)。
本発明の第7の視点により、機械学習によってユニットをトレーニングするためのコンピュータプログラムが提供される。該コンピュータプログラムは、形態16の機械学習によってユニットをトレーニングするためのトレーニング方法が形態9〜13の何れかの機械学習によってユニットをトレーニングするためのトレーニングシステムで実行されるとき、該方法を実行するよう、適合化されていることを特徴とする(形態18)。
(形態1)上記第1の視点参照。
(形態2)形態1の超音波画像生成システムにおいて、超音波データ提供部は、超音波エコーイメージングモダリティによって取得された超音波エコーローデータを超音波ローデータとして提供するよう、適合化されていることが好ましい。
(形態3)形態1又は2の超音波画像生成システムにおいて、トレーニング済ユニット提供部は、コンピュータ断層撮影画像特徴、磁気共鳴画像特徴、ポジトロン放出断層撮影画像特徴、単光子放出コンピュータ断層撮影画像特徴及び磁気粒子画像特徴からなる群から選択される画像特徴を有する対象の画像を、該対象の超音波ローデータに基づき生成するよう適合化されたトレーニングされたユニットを、前記トレーニング済ユニットとして提供するよう、適合化されていることが好ましい。
(形態4)形態1〜3の何れかの超音波画像生成システムにおいて、トレーニング済ユニット提供部は、超音波ローデータの取得のために使用された超音波イメージングモダリティに対応しない対象の超音波画像を該対象の超音波ローデータに基づいて生成するよう適合化されたニューラルネットワークを、前記機械学習によってトレーニングされたユニットとして提供するよう、適合化されていることが好ましい。
(形態5)形態4の超音波画像生成システムにおいて、トレーニング済ユニット提供部は、不完全畳み込みニューラルネットワークを前記ニューラルネットワークとして提供するよう、適合化されていることが好ましい。
(形態6)形態1〜5の何れかの超音波画像生成システムにおいて、該超音波画像生成システムは、超音波イメージングモダリティに対応しない対象の更なる画像を提供するための画像提供部を含むこと、この更なる画像はトレーニング済ユニットを用いないで生成されたものであることが好ましい。
(形態7)形態6の超音波画像生成システムにおいて、該超音波画像生成システムは、提供された更なる画像とトレーニング済ユニットを用いて生成された画像とを一緒に記録するための記録部を含むことが好ましい。
(形態8)形態6又は7の超音波画像生成システムにおいて、該超音波画像生成システムは、
・トレーニング済ユニットを用いて生成された画像中におけるエレメントの位置を決定するためのエレメント決定部、及び、
・提供された更なる画像中における該エレメントの位置を表示するインジケータを、記録及び決定された位置に基づいて生成するためのインジケータ生成部
を含むことが好ましい。
(形態9)上記第2の視点参照。
(形態10)形態9のトレーニングシステムにおいて、超音波データ提供部と画像提供部は、超音波ローデータと画像を対象の同じ領域から取得するよう、適合化されていることが好ましい。
(形態11)形態9又は10のトレーニングシステムにおいて、トレーニング部は、a)まず、提供された超音波ローデータに基づき、対象の超音波画像を生成するよう、b)次に、トレーニング済ユニットが対象の提供された超音波ローデータが入力されると生成された超音波画像を出力するようにトレーニング予定ユニットをトレーニングするよう、c)最後に、トレーニング済ユニットが対象の提供された超音波ローデータが入力されると、画像提供部から提供された前記提供された画像を出力するようにユニットをトレーニングするよう、適合化されていることが好ましい。
(形態12)形態9〜11の何れかのトレーニングシステムにおいて、超音波データ提供部は、超音波エコーローデータと超音波透過ローデータを超音波ローデータとして提供するよう、適合化されていることが好ましい。
(形態13)形態12のトレーニングシステムにおいて、トレーニング部は、a)まず、提供された超音波透過ローデータに基づき、対象の超音波断層撮影画像を生成するよう、b)次に、トレーニング済ユニットが対象の提供された超音波エコーローデータが入力されると生成された超音波断層撮影画像を出力するようにユニットをトレーニングするよう、c)最後に、トレーニング済ユニットが対象の提供された超音波エコーローデータが入力されると、画像提供部から提供された前記提供された画像を出力するようにユニットをトレーニングするよう、適合化されていることが好ましい。
(形態14)上記第3の視点参照。
(形態15)上記第4の視点参照。
(形態16)上記第5の視点参照。
(形態17)上記第6の視点参照。
(形態18)上記第7の視点参照。
以下に本発明の実施例を添付の図面を参照して説明する。
[付記1]対象の画像を生成するための超音波画像生成システム。
該超音波画像生成システムは、
・超音波イメージングモダリティによって取得された対象の超音波ローデータを提供するための超音波データ提供部、
・対象の超音波ローデータに基づき、超音波ローデータの取得のために使用された超音波イメージングモダリティに対応しない該対象の超音波画像を生成するよう適合化された、機械学習によってトレーニングされたユニット(以下「トレーニング済ユニット」という。)を提供するためのトレーニング済ユニット提供部、及び、
・該対象の提供された超音波ローデータに基づき、提供されたトレーニング済ユニットを用いて該対象の画像を生成するための画像生成部
を含む。
[付記2]上記の超音波画像生成システムにおいて、超音波データ提供部は、超音波エコーイメージングモダリティによって取得された超音波エコーローデータを超音波ローデータとして提供するよう、適合化されている。
[付記3]上記の超音波画像生成システムにおいて、トレーニング済ユニット提供部は、コンピュータ断層撮影画像特徴、磁気共鳴画像特徴、ポジトロン放出断層撮影画像特徴、単光子放出コンピュータ断層撮影画像特徴及び磁気粒子画像特徴からなる群から選択される画像特徴を有する対象の画像を、該対象の超音波ローデータに基づき生成するよう適合化されたトレーニングされたユニットを、前記トレーニング済ユニットとして提供するよう、適合化されている。
[付記4]上記の超音波画像生成システムにおいて、トレーニング済ユニット提供部は、超音波ローデータの取得のために使用された超音波イメージングモダリティに対応しない対象の超音波画像を該対象の超音波ローデータに基づいて生成するよう適合化されたニューラルネットワークを、前記機械学習によってトレーニングされたユニットとして提供するよう、適合化されている。
[付記5]上記の超音波画像生成システムにおいて、トレーニング済ユニット提供部は、不完全畳み込みニューラルネットワークを前記ニューラルネットワークとして提供するよう、適合化されている。
[付記6]上記の超音波画像生成システムにおいて、該超音波画像生成システムは、超音波イメージングモダリティに対応しない対象の更なる画像を提供するための画像提供部を含むこと、この更なる画像はトレーニング済ユニットを用いないで生成されたものである。
[付記7]上記の超音波画像生成システムにおいて、該超音波画像生成システムは、提供された更なる画像とトレーニング済ユニットを用いて生成された画像とを一緒に記録するための記録部を含む。
[付記8]上記の超音波画像生成システムにおいて、
該超音波画像生成システムは、
・トレーニング済ユニットを用いて生成された画像中におけるエレメントの位置を決定するためのエレメント決定部、及び、
・提供された更なる画像中における該エレメントの位置を表示するインジケータを、記録及び決定された位置に基づいて生成するためのインジケータ生成部
を含む。
[付記9]機械学習によってユニットをトレーニングするためのトレーニングシステム。
該トレーニングシステムは、
・超音波イメージングモダリティによって取得された又は超音波イメージングモダリティによる取得のシミュレーションによって生成された対象の超音波ローデータを提供するための超音波データ提供部、
・機械学習によってトレーニングされるべきユニット(以下「トレーニング予定ユニット」という。)を提供するためのトレーニング予定ユニット提供部、
・超音波ローデータの取得に使用された超音波イメージングモダリティによって取得されたものではなくかつ超音波イメージングモダリティによる取得のシミュレーションによって生成されたものではない対象の画像を提供するための画像提供部、及び、
・トレーニング済ユニットが対象の提供された超音波ローデータが入力されると提供された画像を出力するよう、提供されたトレーニング予定ユニットをトレーニングするためのトレーニング部
を含む。
[付記10]上記のトレーニングシステムにおいて、超音波データ提供部と画像提供部は、超音波ローデータと画像を対象の同じ領域から、とりわけ同時に、取得するよう、適合化されている。
[付記11]上記のトレーニングシステムにおいて、トレーニング部は、a)まず、提供された超音波ローデータに基づき、対象の超音波画像を生成するよう、b)次に、トレーニング済ユニットが対象の提供された超音波ローデータが入力されると生成された超音波画像を出力するようにトレーニング予定ユニットをトレーニングするよう、c)最後に、トレーニング済ユニットが対象の提供された超音波ローデータが入力されると、画像提供部から提供された前記提供された画像を出力するようにユニットをトレーニングするよう、適合化されている。
[付記12]上記のトレーニングシステムにおいて、超音波データ提供部は、超音波エコーローデータと超音波透過ローデータを超音波ローデータとして提供するよう、適合化されている。
[付記13]上記のトレーニングシステムにおいて、トレーニング部は、a)まず、提供された超音波透過ローデータに基づき、対象の超音波断層撮影画像を生成するよう、b)次に、トレーニング済ユニットが対象の提供された超音波透過ローデータが入力されると生成された超音波断層撮影画像を出力するようにユニットをトレーニングするよう、c)最後に、トレーニング済ユニットが対象の提供された超音波エコーローデータが入力されると、画像提供部から提供された前記提供された画像を出力するようにユニットをトレーニングするよう、適合化されている。
[付記14]機械学習によってトレーニングされたユニット。
該ユニットは、対象の超音波ローデータに基づき、超音波ローデータの取得に使用された超音波イメージングモダリティに対応しない該対象の超音波画像を生成するよう適合化されている。
[付記15]対象の画像を生成するための超音波画像生成方法。
該超音波画像生成方法は、
・超音波イメージングモダリティによって取得された対象の超音波ローデータを、超音波データ提供部によって提供すること、
・超音波ローデータの取得に使用された超音波イメージングモダリティに対応しない対象の超音波画像を該対象の超音波ローデータに基づき生成するよう適合化された機械学習によってトレーニングされたユニットを、トレーニング済ユニット提供部によって提供すること、及び、
・該対象の提供された超音波ローデータに基づき、提供されたトレーニングされたユニットを用いて、該対象の画像を、画像生成部によって生成すること
を含む。
[付記16]機械学習によってユニットをトレーニングするためのトレーニング方法。
該トレーニング方法は、
・超音波イメージングモダリティによって取得された又は超音波イメージングモダリティによる取得のシミュレーションによって生成された対象の超音波ローデータを、超音波データ提供部によって提供すること、
・トレーニングされるべきユニットを、トレーニング済ユニット提供部によって提供すること、
・超音波ローデータの取得に使用された超音波イメージングモダリティによって取得されたものではなくかつ超音波イメージングモダリティによる取得のシミュレーションによって生成されたものではない該対象の画像を、画像提供部によって提供すること、及び、
・トレーニング済ユニットが該対象の提供された超音波ローデータが入力されると提供された画像を出力するよう、提供されたユニットを、トレーニングユニットによってトレーニングすること
を含む。
[付記17]対象の画像を生成するためのコンピュータプログラム。
該コンピュータプログラムは、付記15に記載の超音波画像生成方法が付記1〜8の何れかに記載の画像を生成するための超音波画像生成システムで実行されるとき、該方法を実行するよう、適合化されている。
[付記18]機械学習によってユニットをトレーニングするためのコンピュータプログラム。
該コンピュータプログラムは、付記16に記載の機械学習によってユニットをトレーニングするためのトレーニング方法が付記9〜13の何れかに記載の機械学習によってユニットをトレーニングするためのトレーニングシステムで実行されるとき、該方法を実行するよう、適合化されている。
Claims (18)
- 対象の画像を生成するための超音波画像生成システムであって、
該超音波画像生成システム(1)は、
・超音波イメージングモダリティによって取得された対象(2)の超音波ローデータを提供するための超音波データ提供部(4、5)、
・対象の超音波ローデータに基づき、超音波ローデータの取得のために使用された超音波イメージングモダリティに対応しない該対象の超音波画像を生成するよう適合化された、機械学習によってトレーニングされたユニット(以下「トレーニング済ユニット」という。)を提供するためのトレーニング済ユニット提供部(6)、及び、
・該対象(2)の提供された超音波ローデータに基づき、提供されたトレーニング済ユニットを用いて該対象(2)の画像を生成するための画像生成部(7)
を含むこと
を特徴とする超音波画像生成システム。 - 請求項1に記載の超音波画像生成システムにおいて、
超音波データ提供部(4、5)は、超音波エコーイメージングモダリティによって取得された超音波エコーローデータを超音波ローデータとして提供するよう、適合化されていること
を特徴とする超音波画像生成システム。 - 請求項1又は2に記載の超音波画像生成システムにおいて、
トレーニング済ユニット提供部(6)は、コンピュータ断層撮影画像特徴、磁気共鳴画像特徴、ポジトロン放出断層撮影画像特徴、単光子放出コンピュータ断層撮影画像特徴及び磁気粒子画像特徴からなる群から選択される画像特徴を有する対象の画像を、該対象の超音波ローデータに基づき生成するよう適合化されたトレーニングされたユニットを、前記トレーニング済ユニットとして提供するよう、適合化されていること
を特徴とする超音波画像生成システム。 - 請求項1〜3の何れかに記載の超音波画像生成システムにおいて、
トレーニング済ユニット提供部(6)は、超音波ローデータの取得のために使用された超音波イメージングモダリティに対応しない対象の超音波画像を該対象の超音波ローデータに基づいて生成するよう適合化されたニューラルネットワークを、前記機械学習によってトレーニングされたユニットとして提供するよう、適合化されていること
を特徴とする超音波画像生成システム。 - 請求項4に記載の超音波画像生成システムにおいて、
トレーニング済ユニット提供部(6)は、不完全畳み込みニューラルネットワークを前記ニューラルネットワークとして提供するよう、適合化されていること
を特徴とする超音波画像生成システム。 - 請求項1〜5の何れかに記載の超音波画像生成システムにおいて、
該超音波画像生成システム(1)は、超音波イメージングモダリティに対応しない対象(2)の更なる画像を提供するための画像提供部(8)を含むこと、この更なる画像はトレーニング済ユニットを用いないで生成されたものであること
を特徴とする超音波画像生成システム。 - 請求項6に記載の超音波画像生成システムにおいて、
該超音波画像生成システム(1)は、提供された更なる画像とトレーニング済ユニットを用いて生成された画像とを一緒に記録するための記録部(9)を含むこと
を特徴とする超音波画像生成システム。 - 請求項6又は7に記載の超音波画像生成システムにおいて、
該超音波画像生成システム(1)は、
・トレーニング済ユニットを用いて生成された画像中におけるエレメントの位置を決定するためのエレメント決定部(10)、及び、
・提供された更なる画像中における該エレメントの位置を表示するインジケータを、記録及び決定された位置に基づいて生成するためのインジケータ生成部(11)
を含むこと
を特徴とする超音波画像生成システム。 - 機械学習によってユニットをトレーニングするためのトレーニングシステムであって、
該トレーニングシステム(30)は、
・超音波イメージングモダリティによって取得された又は超音波イメージングモダリティによる取得のシミュレーションによって生成された対象(2)の超音波ローデータを提供するための超音波データ提供部(20、22)、
・機械学習によってトレーニングされるべきユニット(以下「トレーニング予定ユニット」という。)を提供するためのトレーニング予定ユニット提供部(24)、
・超音波ローデータの取得に使用された超音波イメージングモダリティによって取得されたものではなくかつ超音波イメージングモダリティによる取得のシミュレーションによって生成されたものではない対象(2)の画像を提供するための画像提供部(20、21)、及び、
・トレーニング済ユニットが対象(2)の提供された超音波ローデータが入力されると提供された画像を出力するよう、提供されたトレーニング予定ユニットをトレーニングするためのトレーニング部(25)
を含むこと
を特徴とするトレーニングシステム。 - 請求項9に記載のトレーニングシステムにおいて、
超音波データ提供部(20、22)と画像提供部(20、21)は、超音波ローデータと画像を対象(2)の同じ領域から、とりわけ同時に、取得するよう、適合化されていること
を特徴とするトレーニングシステム。 - 請求項9又は10に記載のトレーニングシステムにおいて、
トレーニング部(25)は、a)まず、提供された超音波ローデータに基づき、対象(2)の超音波画像を生成するよう、b)次に、トレーニング済ユニットが対象(2)の提供された超音波ローデータが入力されると生成された超音波画像を出力するようにトレーニング予定ユニットをトレーニングするよう、c)最後に、トレーニング済ユニットが対象(2)の提供された超音波ローデータが入力されると、画像提供部から提供された前記提供された画像を出力するようにユニットをトレーニングするよう、適合化されていること
を特徴とするトレーニングシステム。 - 請求項9〜11の何れかに記載のトレーニングシステムにおいて、
超音波データ提供部(20、22)は、超音波エコーローデータと超音波透過ローデータを超音波ローデータとして提供するよう、適合化されていること
を特徴とするトレーニングシステム。 - 請求項11及び12に記載のトレーニングシステムにおいて、
トレーニング部(25)は、a)まず、提供された超音波透過ローデータに基づき、対象(2)の超音波断層撮影画像を生成するよう、b)次に、トレーニング済ユニットが対象(2)の提供された超音波透過ローデータが入力されると生成された超音波断層撮影画像を出力するようにユニットをトレーニングするよう、c)最後に、トレーニング済ユニットが対象(2)の提供された超音波エコーローデータが入力されると、画像提供部から提供された前記提供された画像を出力するようにユニットをトレーニングするよう、適合化されていること
を特徴とするトレーニングシステム。 - 機械学習によってトレーニングされたユニットであって、
該ユニットは、対象の超音波ローデータに基づき、超音波ローデータの取得に使用された超音波イメージングモダリティに対応しない該対象の超音波画像を生成するよう適合化されていること
を特徴とするユニット。 - 対象の画像を生成するための超音波画像生成方法であって、
該超音波画像生成方法は、
・超音波イメージングモダリティによって取得された対象(2)の超音波ローデータを、超音波データ提供部(4、5)によって提供すること、
・超音波ローデータの取得に使用された超音波イメージングモダリティに対応しない対象の超音波画像を該対象の超音波ローデータに基づき生成するよう適合化された機械学習によってトレーニングされたユニットを、トレーニング済ユニット提供部(6)によって提供すること、及び、
・該対象(2)の提供された超音波ローデータに基づき、提供されたトレーニングされたユニットを用いて、該対象(2)の画像を、画像生成部(7)によって生成すること
を含むこと
を特徴とする超音波画像生成方法。 - 機械学習によってユニットをトレーニングするためのトレーニング方法であって、
該トレーニング方法は、
・超音波イメージングモダリティによって取得された又は超音波イメージングモダリティによる取得のシミュレーションによって生成された対象(2)の超音波ローデータを、超音波データ提供部(20、22)によって提供すること、
・トレーニングされるべきユニットを、トレーニング済ユニット提供部(24)によって提供すること、
・超音波ローデータの取得に使用された超音波イメージングモダリティによって取得されたものではなくかつ超音波イメージングモダリティによる取得のシミュレーションによって生成されたものではない該対象(2)の画像を、画像提供部(20、21)によって提供すること、及び、
・トレーニング済ユニットが該対象(2)の提供された超音波ローデータが入力されると提供された画像を出力するよう、提供されたユニットを、トレーニングユニット(25)によってトレーニングすること
を含むこと
を特徴とするトレーニング方法。 - 対象の画像を生成するためのコンピュータプログラムであって、
該コンピュータプログラムは、請求項15に記載の超音波画像生成方法が請求項1〜8の何れかに記載の画像を生成するための超音波画像生成システムで実行されるとき、該方法を実行するよう、適合化されていること
を特徴とするコンピュータプログラム。 - 機械学習によってユニットをトレーニングするためのコンピュータプログラムであって、
該コンピュータプログラムは、請求項16に記載の機械学習によってユニットをトレーニングするためのトレーニング方法が請求項9〜13の何れかに記載の機械学習によってユニットをトレーニングするためのトレーニングシステム(30)で実行されるとき、該方法を実行するよう、適合化されていること
を特徴とするコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE102017126158.3 | 2017-11-08 | ||
DE102017126158.3A DE102017126158A1 (de) | 2017-11-08 | 2017-11-08 | Ultraschall-Bilderzeugungssystem |
PCT/EP2018/080495 WO2019092033A1 (de) | 2017-11-08 | 2018-11-07 | Ultraschall-bilderzeugungssystem |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021502164A true JP2021502164A (ja) | 2021-01-28 |
JP6982689B2 JP6982689B2 (ja) | 2021-12-17 |
Family
ID=64270864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020524882A Active JP6982689B2 (ja) | 2017-11-08 | 2018-11-07 | 超音波画像生成システム |
Country Status (6)
Country | Link |
---|---|
US (1) | US11295441B2 (ja) |
EP (1) | EP3706636B1 (ja) |
JP (1) | JP6982689B2 (ja) |
CN (1) | CN111629669B (ja) |
DE (1) | DE102017126158A1 (ja) |
WO (1) | WO2019092033A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7242409B2 (ja) * | 2019-04-26 | 2023-03-20 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、超音波診断装置及び学習済モデルの作成方法 |
JP7485512B2 (ja) * | 2019-12-26 | 2024-05-16 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、医用情報処理方法、及び医用情報処理プログラム |
CN112022348A (zh) * | 2020-09-11 | 2020-12-04 | 杭州微引科技有限公司 | 一种在ct和ai双引导下的穿刺消融术中导航*** |
CN112465786A (zh) * | 2020-12-01 | 2021-03-09 | 平安科技(深圳)有限公司 | 模型训练方法、数据处理方法、装置、客户端及存储介质 |
CN113112507B (zh) * | 2021-03-30 | 2023-08-22 | 上海联影智能医疗科技有限公司 | 灌注影像分析方法、***、电子设备及存储介质 |
US11308615B1 (en) | 2021-07-01 | 2022-04-19 | Maurice Nessim | Systems and processes for improving medical diagnoses |
GB202214067D0 (en) * | 2022-09-27 | 2022-11-09 | Cmr Surgical Ltd | Processing surgical data |
WO2024069156A1 (en) * | 2022-09-27 | 2024-04-04 | Cmr Surgical Limited | Processing surgical data |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010264231A (ja) * | 2009-04-14 | 2010-11-25 | Fujifilm Corp | 超音波診断装置 |
JP2011524772A (ja) * | 2008-06-20 | 2011-09-08 | 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 | 生検実施のための方法及びシステム |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6569097B1 (en) * | 2000-07-21 | 2003-05-27 | Diagnostics Ultrasound Corporation | System for remote evaluation of ultrasound information obtained by a programmed application-specific data collection device |
US7331925B2 (en) * | 2000-07-21 | 2008-02-19 | Verathon, Inc. | System for remote evaluation of ultrasound information obtained by a programmed application-specific data collection device |
CN101422378B (zh) * | 2003-05-08 | 2012-07-18 | 株式会社日立医药 | 超声诊断设备 |
JP4590256B2 (ja) * | 2004-05-20 | 2010-12-01 | 富士フイルム株式会社 | 超音波撮像装置、超音波画像処理方法、及び、超音波画像処理プログラム |
DE102005060582A1 (de) * | 2005-12-17 | 2007-07-05 | Ndt Systems & Services Ag | Verfahren und System zur zerstörungsfreien Prüfung eines metallischen Werkstücks |
US20140082542A1 (en) * | 2010-07-19 | 2014-03-20 | Qview, Inc. | Viewing and correlating between breast ultrasound and mammogram or breast tomosynthesis images |
US9513368B2 (en) * | 2010-06-30 | 2016-12-06 | General Electric Company | Method and system for ultrasound data processing |
WO2013025613A1 (en) * | 2011-08-12 | 2013-02-21 | Jointvue, Llc | 3-d ultrasound imaging device and methods |
KR101323330B1 (ko) * | 2011-12-28 | 2013-10-29 | 삼성메디슨 주식회사 | 결정 데이터에 기초하여 벡터 도플러 영상을 제공하는 초음파 시스템 및 방법 |
US9986969B2 (en) * | 2012-08-21 | 2018-06-05 | Maui Imaging, Inc. | Ultrasound imaging system memory architecture |
KR102248844B1 (ko) * | 2013-10-10 | 2021-05-06 | 삼성전자주식회사 | 초음파 영상 생성 방법 및 초음파 진단 장치. |
CN105828876A (zh) * | 2013-12-18 | 2016-08-03 | 皇家飞利浦有限公司 | 用于超声溶栓处置的超声图像和计算机断层摄影图像配准的***和方法 |
KR102328269B1 (ko) | 2014-10-23 | 2021-11-19 | 삼성전자주식회사 | 초음파 영상 장치 및 그 제어 방법 |
US10438380B2 (en) * | 2014-12-10 | 2019-10-08 | Koninklijke Philips N.V. | Systems and methods for translation of medical imaging using machine learning |
US10430688B2 (en) * | 2015-05-27 | 2019-10-01 | Siemens Medical Solutions Usa, Inc. | Knowledge-based ultrasound image enhancement |
JP6736864B2 (ja) * | 2015-10-09 | 2020-08-05 | コニカミノルタ株式会社 | 超音波画像診断装置 |
CN205563574U (zh) * | 2016-01-29 | 2016-09-07 | 乐普(北京)医疗器械股份有限公司 | 一种超声成像*** |
CN106373109B (zh) | 2016-08-31 | 2018-10-26 | 南方医科大学 | 一种医学图像模态合成的方法 |
JP6761128B2 (ja) * | 2016-09-06 | 2020-09-23 | エレクタ、インク.Elekta, Inc. | 合成医療画像を生成するためのニューラルネットワーク |
WO2018133096A1 (zh) * | 2017-01-23 | 2018-07-26 | 深圳迈瑞生物医疗电子股份有限公司 | 一种成像***、方法及超声成像*** |
-
2017
- 2017-11-08 DE DE102017126158.3A patent/DE102017126158A1/de active Pending
-
2018
- 2018-11-07 WO PCT/EP2018/080495 patent/WO2019092033A1/de unknown
- 2018-11-07 JP JP2020524882A patent/JP6982689B2/ja active Active
- 2018-11-07 US US16/762,862 patent/US11295441B2/en active Active
- 2018-11-07 CN CN201880085902.6A patent/CN111629669B/zh active Active
- 2018-11-07 EP EP18800586.2A patent/EP3706636B1/de active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011524772A (ja) * | 2008-06-20 | 2011-09-08 | 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 | 生検実施のための方法及びシステム |
JP2010264231A (ja) * | 2009-04-14 | 2010-11-25 | Fujifilm Corp | 超音波診断装置 |
Non-Patent Citations (1)
Title |
---|
SANKETH VEDULA, ET. AL: "TOWARDS CT-QUALITY ULTRASOUND IMAGING USING DEEP LEARNING", CORNELL UNIVERSITY LIBRARY, JPN7021001476, 17 October 2017 (2017-10-17), ISSN: 0004499012 * |
Also Published As
Publication number | Publication date |
---|---|
WO2019092033A1 (de) | 2019-05-16 |
JP6982689B2 (ja) | 2021-12-17 |
EP3706636A1 (de) | 2020-09-16 |
US11295441B2 (en) | 2022-04-05 |
EP3706636B1 (de) | 2024-05-01 |
DE102017126158A1 (de) | 2019-05-09 |
US20200286228A1 (en) | 2020-09-10 |
CN111629669B (zh) | 2023-07-18 |
CN111629669A (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6982689B2 (ja) | 超音波画像生成システム | |
EP3559903B1 (en) | Machine learning of anatomical model parameters | |
CN110381845B (zh) | 具有用于导出成像数据和组织信息的神经网络的超声成像*** | |
US10957013B2 (en) | Method and apparatus for synthesizing medical images | |
CN107205724B (zh) | 成像方法以及进行剪切波弹性成像的装置 | |
KR102094502B1 (ko) | 의료 영상들의 정합 방법 및 장치 | |
JP5481069B2 (ja) | 対象物の少なくとも一部を細かく再現したものを再構成する再構成ユニット | |
US11564663B2 (en) | Ultrasound imaging apparatus and control method thereof | |
JP7216131B2 (ja) | 超音波画像のシーケンスを視覚化する方法、コンピュータプログラム製品及び超音波システム | |
US20100324420A1 (en) | Method and System for Imaging | |
US20220051401A1 (en) | Providing a scene with synthetic contrast | |
KR102380167B1 (ko) | 단일 초음파 프로브를 이용한 정량적 이미징 방법 및 장치 | |
JP2021519181A (ja) | 超音波画像システム及び方法 | |
US20230320700A1 (en) | Apparatus and method for automatic ultrasound segmentation for visualization and measurement | |
KR20170086311A (ko) | 의료 영상 장치 및 그 동작방법 | |
CN113194837A (zh) | 用于帧索引和图像复查的***和方法 | |
EP2599444B1 (en) | Method and device for determining the elastic modulus of a biological tissue | |
US20210177380A1 (en) | Method and apparatus for quantitative ultrasound imaging using single-ultrasound probe | |
US12039703B2 (en) | Provision of an optimum subtraction data set | |
CN115551416A (zh) | 对髋部进行测量 | |
KR20150059098A (ko) | 영상에 복수의 모델을 피팅하는 영상 표시 장치 및 그 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200612 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200612 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201023 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210421 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210511 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210804 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211011 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20211026 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211119 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6982689 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |