JP4919408B2 - 放射線画像処理方法および装置ならびにプログラム - Google Patents
放射線画像処理方法および装置ならびにプログラム Download PDFInfo
- Publication number
- JP4919408B2 JP4919408B2 JP2007003975A JP2007003975A JP4919408B2 JP 4919408 B2 JP4919408 B2 JP 4919408B2 JP 2007003975 A JP2007003975 A JP 2007003975A JP 2007003975 A JP2007003975 A JP 2007003975A JP 4919408 B2 JP4919408 B2 JP 4919408B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- subject
- radiation
- teacher
- radiographic
- 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.)
- Active
Links
- 230000005855 radiation Effects 0.000 title claims description 260
- 238000003672 processing method Methods 0.000 title claims description 44
- 210000000988 bone and bone Anatomy 0.000 claims description 80
- 238000002601 radiography Methods 0.000 claims description 73
- 238000000034 method Methods 0.000 claims description 48
- 238000009826 distribution Methods 0.000 claims description 30
- 230000015556 catabolic process Effects 0.000 claims description 29
- 238000006731 degradation reaction Methods 0.000 claims description 29
- 238000003384 imaging method Methods 0.000 claims description 28
- 230000006866 deterioration Effects 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 14
- 230000015572 biosynthetic process Effects 0.000 claims description 8
- 210000001519 tissue Anatomy 0.000 claims description 7
- 210000004872 soft tissue Anatomy 0.000 claims 1
- 210000000038 chest Anatomy 0.000 description 40
- 238000010586 diagram Methods 0.000 description 13
- 238000006243 chemical reaction Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 238000010521 absorption reaction Methods 0.000 description 7
- 210000000481 breast Anatomy 0.000 description 6
- 238000010606 normalization Methods 0.000 description 6
- 238000003786 synthesis reaction Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 238000012706 support-vector machine Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 description 2
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 229910052802 copper Inorganic materials 0.000 description 2
- 239000010949 copper Substances 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Conversion Of X-Rays Into Visible Images (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
ここで、Iは原画像の画素値、I'はコントラスト正規化後の画素値、SDはサブウィンドウSw内の画素値についての標準偏差、Cは標準偏差の目標値(上記Cは事前に設定する定数)である。
ここで、上記軟部画像73Aには低周波成分の側よりも高周波成分の側の方により多くのノイズ成分が含まれているが、このノイズ成分は上記ローパスフィルタ処理74によって除去される。そのため、上記骨部画像である入力用放射線画像76は全体的にノイズの混入が少ない画像となる。
3P 被写体
10 放射線撮影
11H 高圧画像
11L 低圧画像
11 入力用放射線画像
21 放射線画像
33 教師用放射線画像
40 教師学習済フィルタ
60 放射線画像
Claims (10)
- 複数の同種の被写体毎に、互いにエネルギ分布の異なる放射線による放射線撮影で得られた2種類以上の放射線画像からなる入力用放射線画像を用意し、
前記各被写体の放射線撮影により得られた、該被写体の入力用放射線画像よりも画質劣化が少なく、かつ、該被写体中の特定の部位を強調して表す教師用放射線画像を前記各被写体毎に用意し、
前記各被写体を表す入力用放射線画像の入力に対し、該被写体に対応する前記教師用放射線画像を教師として学習させた教師学習済フィルタを得、
その後、前記被写体と同種の与えられた被写体について、前記入力用放射線画像と同種の放射線画像を作成し、
該放射線画像を前記教師学習済フィルタに入力して、画質劣化が補償され、かつ、前記与えられた被写体中の前記特定の部位と同じ部位が強調されてなる該被写体の放射線画像を形成することを特徴とする放射線画像処理方法。 - 前記入力用放射線画像が、互いにエネルギ分布の異なる放射線による放射線撮影で得られた高圧画像および低圧画像、ならびに該高圧画像と低圧画像を用いた加重減算により形成されたエネルギサブトラクション画像からなる放射線画像群のうち、(i)高圧画像および低圧画像、(ii)高圧画像とエネルギサブトラクション画像、(iii)低圧画像とエネルギサブトラクション画像の(i)から(iii)のいずれかであることを特徴とする請求項1記載の放射線画像処理方法。
- 前記教師用放射線画像を作成するための放射線撮影に用いられた放射線の線量が、前記入力用放射線画像を作成するための放射線撮影に用いられた放射線の線量よりも大きいことを特徴とする請求項1または2記載の放射線画像処理方法。
- 前記教師用放射線画像が、互いにエネルギ分布の異なる放射線による放射線撮影で得られた高圧画像および低圧画像を用いた加重減算により形成されたものであることを特徴とする請求項1から3のいずれか1項記載の放射線画像処理方法。
- 前記特定の部位が、他の部位とは異なる特定の放射線吸収特性を有する部位であることを特徴とする請求項1から4のいずれか1項記載の放射線画像処理方法。
- 前記被写体が生体組織であり、前記特定の部位が前記生体組織の骨部あるいは軟部であることを特徴とする請求項1から5のいずれか1項記載の放射線画像処理方法。
- 前記特定の部位が骨部であり、
前記放射線画像処理方法により形成された、前記画質劣化が補償され、かつ、前記与えられた被写体中の前記骨部が強調されてなる該被写体の放射線画像を、該被写体を表す高圧画像あるいは低圧画像から差し引いて前記被写体の軟部画像を作成することを特徴とする請求項6記載の放射線画像処理方法。 - 前記教師学習済フィルタが、前記教師学習済フィルタを取得するための学習および前記与えられた被写体に対する放射線画像の形成を互に異なる複数の空間周波数帯域毎に行い、各空間周波数帯域毎に形成された前記放射線画像のそれぞれを合成して1つの放射線画像を得るものであることを特徴とする請求項1から7のいずれか1項記載の放射線画像処理方法。
- 複数の同種の被写体毎の互いにエネルギ分布の異なる放射線による放射線撮影で得られた2種類以上の放射線画像からなる入力用放射線画像と、前記各被写体の放射線撮影により得られた、該被写体の入力用放射線画像よりも画質劣化が少なく、かつ、該被写体中の特定の部位を強調して表す前記各被写体毎の教師用放射線画像とを用いて、前記各被写体を表す入力用放射線画像の入力に対し、前記被写体に対応する前記教師用放射線画像を教師として学習させた教師学習済フィルタを得るフィルタ取得手段と、
前記被写体と同種の与えられた被写体について、前記入力用放射線画像と同種の放射線画像を作成する同種画像作成手段と、
該放射線画像を前記教師学習済フィルタに入力して、画質劣化が補償され、かつ、前記与えられた被写体中の前記特定の部位と同じ部位が強調されてなる該被写体の放射線画像を形成する部位強調画像形成手段とを備えたことを特徴とする放射線画像処理装置。 - 複数の同種の被写体毎の互いにエネルギ分布の異なる放射線による放射線撮影で得られた2種類以上の放射線画像からなる入力用放射線画像と、前記各被写体の放射線撮影により得られた、該被写体の入力用放射線画像よりも画質劣化が少なく、かつ、該被写体中の特定の部位を強調して表す前記各被写体毎の教師用放射線画像とを用いて、前記各被写体を表す入力用放射線画像の入力に対し、前記被写体に対応する前記教師用放射線画像を教師として学習させた教師学習済フィルタを得る手順と、
前記被写体と同種の与えられた被写体について、前記入力用放射線画像と同種の放射線画像を作成する手順と、
該放射線画像を前記教師学習済フィルタに入力して、画質劣化が補償され、かつ、前記与えられた被写体中の前記特定の部位と同じ部位が強調されてなる該被写体の放射線画像を形成する手順とを実行する放射線画像処理方法をコンピュータに実行させるためのプログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007003975A JP4919408B2 (ja) | 2007-01-12 | 2007-01-12 | 放射線画像処理方法および装置ならびにプログラム |
PCT/JP2008/050651 WO2008084880A1 (en) | 2007-01-12 | 2008-01-11 | Radiation image processing method, apparatus and program |
EP08703501.0A EP2120718A4 (en) | 2007-01-12 | 2008-01-11 | METHOD, DEVICE AND PROGRAM FOR PREPARING A RADIATION RECEIVING |
US12/523,001 US20100067772A1 (en) | 2007-01-12 | 2008-01-11 | Radiation image processing method, apparatus and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007003975A JP4919408B2 (ja) | 2007-01-12 | 2007-01-12 | 放射線画像処理方法および装置ならびにプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008167949A JP2008167949A (ja) | 2008-07-24 |
JP4919408B2 true JP4919408B2 (ja) | 2012-04-18 |
Family
ID=39696590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007003975A Active JP4919408B2 (ja) | 2007-01-12 | 2007-01-12 | 放射線画像処理方法および装置ならびにプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4919408B2 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5684488B2 (ja) | 2009-04-20 | 2015-03-11 | 富士フイルム株式会社 | 画像処理装置、画像処理方法およびプログラム |
JP5506273B2 (ja) | 2009-07-31 | 2014-05-28 | 富士フイルム株式会社 | 画像処理装置及び方法、データ処理装置及び方法、並びにプログラム |
JP5506272B2 (ja) | 2009-07-31 | 2014-05-28 | 富士フイルム株式会社 | 画像処理装置及び方法、データ処理装置及び方法、並びにプログラム |
JP5506274B2 (ja) | 2009-07-31 | 2014-05-28 | 富士フイルム株式会社 | 画像処理装置及び方法、データ処理装置及び方法、並びにプログラム |
US9905003B2 (en) * | 2013-11-20 | 2018-02-27 | Koninklijke Philips N.V. | Processing dual energy spectral mammography images |
CA2982526C (en) * | 2015-04-13 | 2020-04-14 | Case Western Reserve University | Dual energy x-ray coronary calcium grading |
KR102559943B1 (ko) * | 2017-10-24 | 2023-07-26 | 주식회사 인피니트헬스케어 | 인공지능에 기반한 이미지 화질 분석 및 권장 촬영 조건 제안을 위한 시스템 및 방법 |
EP3477583A1 (en) * | 2017-10-31 | 2019-05-01 | Koninklijke Philips N.V. | Deep-learning based processing of motion artifacts in magnetic resonance imaging data |
CN116741352A (zh) * | 2017-11-24 | 2023-09-12 | 佳能医疗***株式会社 | 医用数据处理装置、磁共振成像装置及学习完毕模型生成方法 |
JP7288628B2 (ja) * | 2018-03-23 | 2023-06-08 | アイテック株式会社 | 歯科画像処理システム |
JP7092190B2 (ja) * | 2018-04-24 | 2022-06-28 | 株式会社島津製作所 | 画像解析方法、セグメンテーション方法、骨密度測定方法、学習モデル作成方法および画像作成装置 |
JP7016293B2 (ja) * | 2018-06-08 | 2022-02-04 | 富士フイルム株式会社 | 骨塩情報取得装置、方法およびプログラム |
JP7016294B2 (ja) * | 2018-06-08 | 2022-02-04 | 富士フイルム株式会社 | 骨塩情報取得装置、方法およびプログラム |
JP7320934B2 (ja) * | 2018-11-07 | 2023-08-04 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置および医用画像処理方法 |
JP7373273B2 (ja) * | 2018-12-14 | 2023-11-02 | キヤノン株式会社 | 画像処理装置、画像処理方法、医用情報処理装置、医用情報処理方法、放射線撮影システム及びプログラム |
EP3932315A4 (en) * | 2019-02-28 | 2022-04-06 | FUJIFILM Corporation | RADIATION IMAGE PROCESSING DEVICE AND PROGRAM |
JP7193493B2 (ja) * | 2020-03-17 | 2022-12-20 | アンリツ株式会社 | X線検査装置およびx線検査方法 |
JP7238185B1 (ja) | 2022-03-14 | 2023-03-13 | ジーイー・プレシジョン・ヘルスケア・エルエルシー | 画像生成装置、医用装置、および記憶媒体 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4311598B2 (ja) * | 2000-11-20 | 2009-08-12 | 富士フイルム株式会社 | 異常陰影検出方法および装置 |
US7545965B2 (en) * | 2003-11-10 | 2009-06-09 | The University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
-
2007
- 2007-01-12 JP JP2007003975A patent/JP4919408B2/ja active Active
Also Published As
Publication number | Publication date |
---|---|
JP2008167949A (ja) | 2008-07-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4919408B2 (ja) | 放射線画像処理方法および装置ならびにプログラム | |
Kang et al. | Deep convolutional framelet denosing for low-dose CT via wavelet residual network | |
JP4913606B2 (ja) | 放射線画像処理方法および装置ならびにプログラム | |
JP4895204B2 (ja) | 画像成分分離装置、方法、およびプログラム、ならびに、正常画像生成装置、方法、およびプログラム | |
US11176642B2 (en) | System and method for processing data acquired utilizing multi-energy computed tomography imaging | |
WO2019145149A1 (en) | Using deep learning to reduce metal artifacts | |
CN102024251B (zh) | 用于双源ct的基于多图像虚拟非对比图像增强的***和方法 | |
Gajera et al. | CT-scan denoising using a charbonnier loss generative adversarial network | |
CN103226815A (zh) | 一种低剂量ct图像滤波方法 | |
Wang et al. | A review of deep learning ct reconstruction from incomplete projection data | |
Wang et al. | Inner-ear augmented metal artifact reduction with simulation-based 3D generative adversarial networks | |
Wu et al. | Metal artifact reduction algorithm based on model images and spatial information | |
WO2008065394A1 (en) | Method and apparatus for reducing distortion in a computed tomography image | |
CN116664429A (zh) | 一种半监督式去除多能谱ct影像中金属伪影的方法 | |
CN114202464B (zh) | 基于深度学习的x射线ct局部高分辨率成像方法及装置 | |
CN113592968B (zh) | 断层扫描图像中金属伪影的消减方法和装置 | |
Zhu et al. | Physics-informed sinogram completion for metal artifact reduction in CT imaging | |
Singh et al. | An advanced technique of de-noising medical images using ANFIS | |
Kang et al. | Total variation noise reduction algorithm in computed tomography image with custom-built phantom using 3D-printer | |
Xie et al. | Metal artifact correction in head computed tomography based on a homographic adaptation convolution neural network | |
Idowu et al. | Improved Enhancement Technique for Medical Image Processing | |
Lee et al. | Framework for dual‐energy‐like chest radiography image synthesis from single‐energy computed tomography based on cycle‐consistent generative adversarial network | |
KR102553068B1 (ko) | 다중 레벨 웨이브렛 인공지능 기반 선량 저 감화를 위한 컴퓨터 단층영상 재구성 방법 | |
Pandey et al. | A Framework for Mathematical Methods in Medical Image Processing | |
Risager et al. | Non-Reference Quality Assessment for Medical Imaging: Application to Synthetic Brain MRIs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090910 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20111004 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111205 |
|
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: 20120110 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120127 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4919408 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150210 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |