JP2022018415A - 医用データ処理装置及び方法 - Google Patents
医用データ処理装置及び方法 Download PDFInfo
- Publication number
- JP2022018415A JP2022018415A JP2020121510A JP2020121510A JP2022018415A JP 2022018415 A JP2022018415 A JP 2022018415A JP 2020121510 A JP2020121510 A JP 2020121510A JP 2020121510 A JP2020121510 A JP 2020121510A JP 2022018415 A JP2022018415 A JP 2022018415A
- Authority
- JP
- Japan
- Prior art keywords
- medical data
- model
- image
- scan
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 230
- 238000000034 method Methods 0.000 title claims description 50
- 238000007689 inspection Methods 0.000 claims description 52
- 238000003860 storage Methods 0.000 claims description 37
- 238000012360 testing method Methods 0.000 claims description 33
- 238000012549 training Methods 0.000 claims description 10
- 210000003484 anatomy Anatomy 0.000 claims description 5
- 238000003672 processing method Methods 0.000 claims 1
- 238000010801 machine learning Methods 0.000 abstract description 27
- 239000012491 analyte Substances 0.000 abstract 1
- 230000006870 function Effects 0.000 description 65
- 238000002595 magnetic resonance imaging Methods 0.000 description 29
- 230000008569 process Effects 0.000 description 26
- 238000003384 imaging method Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 22
- 230000035945 sensitivity Effects 0.000 description 21
- 238000009826 distribution Methods 0.000 description 20
- 238000002059 diagnostic imaging Methods 0.000 description 18
- 238000012986 modification Methods 0.000 description 16
- 230000004048 modification Effects 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000002600 positron emission tomography Methods 0.000 description 8
- 238000010191 image analysis Methods 0.000 description 7
- 230000009467 reduction Effects 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 230000017531 blood circulation Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- VZSRBBMJRBPUNF-UHFFFAOYSA-N 2-(2,3-dihydro-1H-inden-2-ylamino)-N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]pyrimidine-5-carboxamide Chemical class C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C(=O)NCCC(N1CC2=C(CC1)NN=N2)=O VZSRBBMJRBPUNF-UHFFFAOYSA-N 0.000 description 3
- NIPNSKYNPDTRPC-UHFFFAOYSA-N N-[2-oxo-2-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethyl]-2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidine-5-carboxamide Chemical class O=C(CNC(=O)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)N1CC2=C(CC1)NN=N2 NIPNSKYNPDTRPC-UHFFFAOYSA-N 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- AFCARXCZXQIEQB-UHFFFAOYSA-N N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]-2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidine-5-carboxamide Chemical class O=C(CCNC(=O)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)N1CC2=C(CC1)NN=N2 AFCARXCZXQIEQB-UHFFFAOYSA-N 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 239000008280 blood Substances 0.000 description 2
- 210000004369 blood Anatomy 0.000 description 2
- 230000003727 cerebral blood flow Effects 0.000 description 2
- 230000002490 cerebral effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013144 data compression Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000010339 medical test Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
実施例1に係る医用データ処理装置1は、MRI装置に実装されているものとする。また、機械学習モデルが行う処理は、如何なる処理でもよいが、この実施例では、医用画像をノイズ低減する処理であるものとする。なお、ノイズ低減以外の処理の例については変形例として説明する。
図5は、変形例1-1に係る医用データ処理装置1の全体的な処理例を模式的に示す図である。図5に示すように、変形例1-1に係る処理回路11は、生成局面において、第1の本スキャンにより収集されたMR画像(以下、第1の本スキャン画像と呼ぶ)に基づいて学習済みモデルから派生モデルを生成する。例えば、ノイズ低減処理が施されていない第1の本スキャン画像が入力データに設定され、当該第1の本スキャン画像にノイズ低減処理を施して生成された第1の本スキャン画像が教師データに設定され、入力データと教師データとに基づいて学習済みモデルから派生モデルが生成される。第1の本スキャン画像は第1医用データの一例である。
上記の幾つかの実施例は、パラレルイメージング(PI:Parallel Imaging)にも適用可能である。実施例2に係るスキャンシーケンスは、SENSE(simultaneous acquisition of spatial harmonics)等の実空間法のパラレルイメージングであるとする。
上記の幾つかの実施例においては、学習に使用する医用データと推論に使用する医用データとは、別々のスキャンにより取得されるものとした。しかしながら、本実施形態はこれに限定されない。変形例1-3に係る処理回路11は、学習に使用する医用データと推論に使用する医用データとを一のスキャンにより順次取得するものとする。変形例1-3に係るスキャンとしては、一例として、GRAPPA(generalized auto-calibrating partially parallel acquisition)やARC(auto-calibrating reconstruction for cartesian imaging)等のk空間法のパラレルイメージングであるとする。
上記の図3においては、一検査においてキャリブレーションスキャンと一の本スキャンとが行われるものとした。しかしながら、本実施形態はこれに限定されず、一検査において3以上のスキャンが行われてもよい。3番目以降のスキャン(すなわち、2番目の本スキャン)により収集された本スキャン画像(以下、第2の本スキャン画像と呼ぶ)に適用する機械学習モデルとしては、種々のものが適用可能である。例えば、第2の本スキャン画像には、ステップSA3において生成された派生モデルが流用されてもよい。すなわち、第2の本スキャン画像には、1番目の本スキャンにより収集された本スキャン画像(以下、第1の本スキャン画像と呼ぶ)に適用された派生モデル、換言すれば、キャリブレーションスキャンにより収集されたキャリブレーションデータに基づく派生モデルが適用されてもよい。この場合、処理回路11は、一検査のうちの最後のスキャンの本スキャン画像に対して派生モデルが適用された後、当該派生モデルのダンプを保存し、当該派生モデルを廃棄する。
以上の実施例ではノイズ低減処理について説明したが、出力は必ずしもノイズ低減処理である必要はなく、例えば次の撮像対象のROI(Region Of Interest)情報といった認識結果の出力であっても良い。オンライン学習によりパラメータの一部を変更することで、ROI情報の選択精度を高めることができる。
実施例2に係る医用データ処理装置1は、ワークステーションに実装されているものとする。実施例2に係る医用データ処理装置1は、PACSサーバ等の画像保管装置から医用データを取得し、取得された医用データを種々の目的で解析する。画像保管装置は、様々な医用画像診断装置により収集された様々な被検体に関する医用データを保管しているものとする。実施例2に係る医用データ処理装置1は、如何なる医用画像診断装置により収集された医用データについて処理可能であるが、例示のため、MRI装置により収集された医用データを処理されているものとする。また、機械学習モデルが行う処理は、如何なる処理でもよいが、医用画像を解析する処理であるものとする。解析処理としては、特に限定されないが、例えば、解剖学的領域に対する各種指標値の計算や画像計測等が行われる。各種指標値としては、例えば、拡散イメージングにおける拡散係数(ADC:apparent diffusion coefficient)、FA(fractional anisotropy)、灌流イメージングにおける脳血液量(CBV:cerebral blood volume)や脳血液量(CBF:cerebral blood flow)、平均通過時間(MTT:mean transit time)が挙げられる。
上記の実施例において現在検査は、推論対象のMR画像が属する検査であり、最新の検査であるとした。しかしながら、現在検査は最新の検査である必要はない。この場合、画像保管装置には、同一被検体に関し、現在検査よりも後の検査日に関する検査(以下、後検査と呼ぶ)のMR画像が保管されている場合がある。この場合、処理回路11は、ステップSB2において、現在検査のMR画像に類似する後検査のMR画像があるか否かを判定し、ステップSB3において、後検査のMR画像を取得し、ステップSB4において、後検査のMR画像に基づいて学習済みモデルから派生モデルを生成してもよい。
上記の実施例においては、一の現在検査のMR画像に対して派生モデルの適用処理が終了すると、当該派生モデルは廃棄されるものとした。しかしながら、変形例2-2に係る処理回路11は、一の現在検査のMR画像に続き、同一検査の他のMR画像についても解析処理を行う場合、当該他のMR画像にも同一派生モデルを適用してもよい。これにより、派生モデルを繰り返し生成する手間を削減することが可能である。この場合、ユーザによる入力インタフェース14を介して廃棄指示が入力されたことを契機として、処理回路11は、派生モデルを廃棄するとよい。
以下、実施例3に係る医用データ処理装置1について説明する。実施例3に係る医用データ処理装置1は、医用画像診断装置に実装されてもよいし、ワークステーションに実装されてもよい。また、機械学習モデルの処理内容についても特に限定されない。
図11は、実施例4に係る医用データ処理装置1の処理例を模式的に示す図である。図11に示すように、推論局面において処理回路11は、推論機能113の実現により、第2医用データを派生モデルに適用して第3医用データを生成するとともに、第2医用データを学習済みモデルに適用して第4医用データを生成してもよい。処理回路11は、出力制御機能116の実現により、第3医用データと第4医用データとを表示機器13に表示する。第3医用データと第4医用データとは、比較のため、並べて表示されてもよいし、重畳して表示されてもよい。また、第3医用データには派生モデルの適用により生成された事を示す文章や記号が付され、第4医用データには学習済みモデルの適用により生成された事を示す文章や記号が付されて表示されてもよい。
11 処理回路
12 通信インタフェース
13 表示機器
14 入力インタフェース
15 記憶装置
111 取得機能
112 生成機能
113 推論機能
114 処分機能
115 データ処理機能
116 出力制御機能
Claims (15)
- 第1医用データを取得する第1取得部と、
前記第1医用データに基づいて学習済みモデルから派生モデルを生成する生成部と、
前記第1医用データと同一の被検体であり且つ前記第1医用データとは異なる収集パラメータに関する第2医用データを取得する第2取得部と、
前記第2医用データを前記派生モデルに適用して第3医用データを生成する適用部と、
を具備する医用データ処理装置。 - 前記第1医用データと前記第2医用データとは、同一検査において収集された医用データであり、
前記第2医用データは、前記第1医用データよりも後のスキャンにより収集された医用データである、
請求項1記載の医用データ処理装置。 - 前記第1医用データは、キャリブレーションスキャンにより収集された医用データであり、
前記第2医用データは、本スキャンにより収集された医用データである、
請求項1記載の医用データ処理装置。 - 前記第1医用データは、第1の本スキャンにより収集された医用データであり、
前記第2医用データは、前記第1の本スキャンより後の第2の本スキャンにより収集された医用データである、
請求項1記載の医用データ処理装置。 - 前記第1医用データは、前記被検体に関する過去検査の医用データであり、
前記第2医用データは、前記被検体に関する現在検査の医用データである、
請求項1記載の医用データ処理装置。 - 前記生成部は、前記第1医用データに基づいて教師データを生成し、前記第1医用データと前記教師データとに基づいて前記学習済みモデルのパラメータを変更することにより前記派生モデルを生成する、請求項1記載の医用データ処理装置。
- 前記第1取得部は、前記第1医用データと同一スキャンにおいて、前記第1医用データの欠落部分に関する追加医用データを取得し、
前記生成部は、前記第1医用データと前記追加医用データとに基づいて前記教師データを生成する、
請求項6記載の医用データ処理装置。 - 前記生成部は、
前記学習済みモデルに含まれる複数のパラメータのうちの一部のパラメータを固定パラメータに設定し、残部のパラメータを変更対象パラメータに設定し、
前記変更対象パラメータに限定して変更する、
請求項1記載の医用データ処理装置。 - 前記生成部は、現在検査における前記第2医用データに描出される解剖学的構造に形態が略一致する、他の検査における他検査医用データが存在する場合、前記第1医用データとして前記他検査医用データに基づいて前記学習済みモデルのパラメータを変更して前記派生モデルを生成し、
前記現在検査における前記第2医用データを前記派生モデルに適用して前記第3医用データを生成する、
請求項1記載の医用データ処理装置。 - 前記収集パラメータは、検査日時、スキャン日時、スライス位置、スキャン条件及び画像再構成法の何れか1つを含む、請求項1記載の医用データ処理装置。
- 前記学習済みモデルは、複数の被検体に関する複数の学習サンプルに基づく学習を実施済みであり、前記学習により決定されたパラメータが割り当てられている、請求項1記載の医用データ処理装置。
- 前記適用部による前記派生モデルの使用後、前記派生モデルのダンプを記憶装置に保存し、前記派生モデルを廃棄する処分部を更に備える、請求項1記載の医用データ処理装置。
- 前記適用部は、前記第2医用データを前記派生モデルに適用して前記第3医用データを生成し、前記第2医用データを前記学習済みモデルに適用して第4医用データを生成する、請求項1記載の医用データ処理装置。
- 第1医用データを取得し、
前記第1医用データに基づいて学習済みモデルから派生モデルを生成し、
前記第1医用データと同一の被検体かつ前記第1医用データとは異なる収集パラメータに関する第2医用データを取得し、
前記第2医用データを前記派生モデルに適用して第3医用データを生成する、
ことを具備する医用データ処理方法。 - 現在検査における医用データを取得する取得部と、
学習済みモデルを記憶する記憶部と、
前記学習済みモデルに基づく派生モデルが前記現在検査において生成されているか否かを判定する判定部と、
前記判定部により前記派生モデル生成されていないと判定された場合、前記現在検査における前スキャン又は過去検査の医用データに基づいて前記学習済みモデルから前記派生モデルを生成する生成部と、
前記判定部により前記派生モデルが生成されていると判定された場合、又は前記判定部により前記派生モデルが生成されていないと判定され且つ前記生成部により前記派生モデルが生成された場合、前記現在検査における医用データを前記派生モデルに適用して前記現在検査における他の医用データを生成する適用部と、
を具備する医用データ処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020121510A JP2022018415A (ja) | 2020-07-15 | 2020-07-15 | 医用データ処理装置及び方法 |
US17/305,259 US20220019850A1 (en) | 2020-07-15 | 2021-07-02 | Medical data processing apparatus and method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020121510A JP2022018415A (ja) | 2020-07-15 | 2020-07-15 | 医用データ処理装置及び方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022018415A true JP2022018415A (ja) | 2022-01-27 |
Family
ID=79292567
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020121510A Pending JP2022018415A (ja) | 2020-07-15 | 2020-07-15 | 医用データ処理装置及び方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20220019850A1 (ja) |
JP (1) | JP2022018415A (ja) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018117883A (ja) * | 2017-01-25 | 2018-08-02 | 国立大学法人大阪大学 | 学習装置、識別装置、識別方法、及びプログラム |
US20190159737A1 (en) * | 2015-08-14 | 2019-05-30 | Elucid Bioimaging Inc. | Methods and systems for utilizing quantitative imaging |
JP2019097805A (ja) * | 2017-11-30 | 2019-06-24 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2019129989A (ja) * | 2018-01-31 | 2019-08-08 | コニカミノルタ株式会社 | 医用画像処理装置 |
WO2019211131A1 (en) * | 2018-05-03 | 2019-11-07 | Koninklijke Philips N.V. | Interactive coronary labeling using interventional x-ray images and deep learning |
JP2020062378A (ja) * | 2018-08-19 | 2020-04-23 | チャン グァン メモリアル ホスピタル,リンコウChang Gung Memorial Hospital,Linkou | 医療画像の分析方法、システムおよびモデル |
JP2020099409A (ja) * | 2018-12-20 | 2020-07-02 | 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、医用画像診断装置、及び医用画像処理方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9785746B2 (en) * | 2014-03-31 | 2017-10-10 | Heartflow, Inc. | Systems and methods for determining blood flow characteristics using flow ratio |
US10595790B2 (en) * | 2014-12-16 | 2020-03-24 | Siemens Healthcare Gmbh | Method and system for personalized non-invasive hemodynamic assessment of renal artery stenosis from medical images |
JP7188390B2 (ja) * | 2017-08-30 | 2022-12-13 | 日本電気株式会社 | 医療情報処理装置、医療情報処理方法およびプログラム |
JP6916310B2 (ja) * | 2017-08-30 | 2021-08-11 | グーグル エルエルシーGoogle LLC | 人間参加型対話式モデル訓練 |
US20210256616A1 (en) * | 2017-09-27 | 2021-08-19 | State Farm Mutual Automobile Insurance Company | Automobile Monitoring Systems and Methods for Risk Determination |
WO2019147257A1 (en) * | 2018-01-26 | 2019-08-01 | Hitachi High-Tech Solutions Corporation | Controlling devices to achieve medical outcomes |
MX2021011493A (es) * | 2019-03-22 | 2022-01-04 | Cognoa Inc | Métodos y dispositivos de terapia digital personalizados. |
US20200365269A1 (en) * | 2019-05-14 | 2020-11-19 | International Business Machines Corporation | System for alerting to skin conditions |
CN110610767B (zh) * | 2019-08-01 | 2023-06-02 | 平安科技(深圳)有限公司 | 发病率监测方法、装置、设备及存储介质 |
US11094413B1 (en) * | 2020-03-13 | 2021-08-17 | Kairoi Healthcare Strategies, Inc. | Time-based resource allocation for long-term integrated health computer system |
US11587678B2 (en) * | 2020-03-23 | 2023-02-21 | Clover Health | Machine learning models for diagnosis suspecting |
US11587679B2 (en) * | 2020-03-26 | 2023-02-21 | International Business Machines Corporation | Generating computer models from implicitly relevant feature sets |
-
2020
- 2020-07-15 JP JP2020121510A patent/JP2022018415A/ja active Pending
-
2021
- 2021-07-02 US US17/305,259 patent/US20220019850A1/en active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190159737A1 (en) * | 2015-08-14 | 2019-05-30 | Elucid Bioimaging Inc. | Methods and systems for utilizing quantitative imaging |
JP2018117883A (ja) * | 2017-01-25 | 2018-08-02 | 国立大学法人大阪大学 | 学習装置、識別装置、識別方法、及びプログラム |
JP2019097805A (ja) * | 2017-11-30 | 2019-06-24 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
JP2019129989A (ja) * | 2018-01-31 | 2019-08-08 | コニカミノルタ株式会社 | 医用画像処理装置 |
WO2019211131A1 (en) * | 2018-05-03 | 2019-11-07 | Koninklijke Philips N.V. | Interactive coronary labeling using interventional x-ray images and deep learning |
JP2020062378A (ja) * | 2018-08-19 | 2020-04-23 | チャン グァン メモリアル ホスピタル,リンコウChang Gung Memorial Hospital,Linkou | 医療画像の分析方法、システムおよびモデル |
JP2020099409A (ja) * | 2018-12-20 | 2020-07-02 | 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、医用画像診断装置、及び医用画像処理方法 |
Also Published As
Publication number | Publication date |
---|---|
US20220019850A1 (en) | 2022-01-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6843924B2 (ja) | 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法 | |
JP5517017B2 (ja) | 反復性の高度に限定されたイメージの再構成法 | |
Gemmeke et al. | 3D ultrasound computer tomography for medical imaging | |
JP5523686B2 (ja) | 高度に限定された医用画像におけるモーションアーチファクトの低減方法 | |
Li et al. | Blooming artifact reduction in coronary artery calcification by a new de-blooming algorithm: initial study | |
WO2019026407A1 (ja) | 医用撮像装置及び医用画像処理方法 | |
JP5525797B2 (ja) | 医用画像処理装置、超音波診断装置および医用画像処理方法 | |
JP6753798B2 (ja) | 医用撮像装置、画像処理方法及びプログラム | |
JP6744764B2 (ja) | 画像診断装置、及び画像取得方法 | |
US20210174501A1 (en) | Medical data processing apparatus | |
WO2018156543A1 (en) | Systems and methods for intervention guidance using pre-operative planning with ultrasound | |
JP2024001297A (ja) | 医用データ処理装置、医用画像診断装置、医用データ処理方法、および医用データ処理プログラム | |
Sandino et al. | Upstream machine learning in radiology | |
Wake et al. | Medical imaging technologies and imaging considerations for 3D printed anatomic models | |
US8155466B2 (en) | Methods and apparatus for reducing noise in images | |
US11587680B2 (en) | Medical data processing apparatus and medical data processing method | |
Badiger et al. | Medical imaging techniques in clinical medicine | |
JP2022018415A (ja) | 医用データ処理装置及び方法 | |
Fahmi et al. | Dynamic myocardial perfusion in a porcine balloon-induced ischemia model using a prototype spectral detector CT | |
US11227399B2 (en) | Analysis apparatus, ultrasound diagnostic apparatus, and analysis method | |
JP2005168868A (ja) | 磁気共鳴イメージング装置 | |
JP2019153180A (ja) | 画像処理装置、3d造形装置及びデータ構造 | |
CN111553958B (zh) | 图像矩阵大小的计算 | |
JP2022089773A (ja) | 情報処理装置及び方法 | |
JP2020049214A (ja) | 解析装置、超音波診断装置及び解析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20230106 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230526 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231012 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231107 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20240319 |