JP6772873B2 - 動態解析装置及び動態解析システム - Google Patents
動態解析装置及び動態解析システム Download PDFInfo
- Publication number
- JP6772873B2 JP6772873B2 JP2017020290A JP2017020290A JP6772873B2 JP 6772873 B2 JP6772873 B2 JP 6772873B2 JP 2017020290 A JP2017020290 A JP 2017020290A JP 2017020290 A JP2017020290 A JP 2017020290A JP 6772873 B2 JP6772873 B2 JP 6772873B2
- Authority
- JP
- Japan
- Prior art keywords
- blood flow
- pulmonary blood
- value
- signal
- region
- 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
- 238000004458 analytical method Methods 0.000 title claims description 37
- 230000017531 blood circulation Effects 0.000 claims description 117
- 230000002685 pulmonary effect Effects 0.000 claims description 99
- 210000004072 lung Anatomy 0.000 claims description 67
- 230000008859 change Effects 0.000 claims description 56
- 238000003384 imaging method Methods 0.000 claims description 38
- 238000006243 chemical reaction Methods 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000009423 ventilation Methods 0.000 claims description 11
- 210000004204 blood vessel Anatomy 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 230000037396 body weight Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000002601 radiography Methods 0.000 claims description 2
- 230000005855 radiation Effects 0.000 description 39
- 238000000034 method Methods 0.000 description 23
- 230000006870 function Effects 0.000 description 17
- 238000012545 processing Methods 0.000 description 16
- 238000004891 communication Methods 0.000 description 15
- 238000001514 detection method Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 8
- 239000004065 semiconductor Substances 0.000 description 7
- 238000010191 image analysis Methods 0.000 description 5
- 230000000241 respiratory effect Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004199 lung function Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 210000000578 peripheral nerve Anatomy 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Classifications
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/507—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for determination of haemodynamic parameters, e.g. perfusion CT
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
-
- 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
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/46—Arrangements for interfacing with the operator or the patient
- A61B6/461—Displaying means of special interest
- A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
- A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
- A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- 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
- G06T2207/10116—X-ray 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
- G06T2207/20004—Adaptive image processing
- G06T2207/20008—Globally adaptive
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
- G06T2207/30104—Vascular flow; Blood flow; Perfusion
-
- 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
- G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Heart & Thoracic Surgery (AREA)
- Multimedia (AREA)
- Physiology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Dentistry (AREA)
- Hematology (AREA)
- Cardiology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
Description
例えば、特許文献1には、呼吸状態下で撮影された動態画像における肺野領域を複数の小領域に分割し、小領域毎に、画素値の平均値を算出して時間方向のハイパスフィルターをかけることにより肺血流量に関する情報を生成し、心臓の拍動を示す信号の時間変化に対する肺血流に関する情報の時間変化の位相遅れ時間を算出し、表示するシステムが記載されている。小領域のサイズは、0.4〜4cm角とすることが記載されている。
放射線撮影により取得された胸部動態画像の肺野領域に注目領域を設定する設定手段と、
前記設定手段により設定された注目領域内の画素信号値の代表値を算出し、算出した代表値に基づいて、当該注目領域内の画素信号値を変換する変換手段と、
前記変換手段による変換後の胸部動態画像から肺血流信号を抽出する抽出手段と、
前記抽出手段により抽出された肺血流信号の変化量を算出し、算出した肺血流信号の変化量に基づいて、肺血流に関する特徴量を算出する算出手段と、
を備え、
前記設定手段は、前記胸部動態画像における肺血管以外の構造物の大きさ、前記肺血管以外の構造物の移動量、又は前記胸部動態画像に付帯されている被検者の性別、年齢、身長、もしくは体重に関する情報に基づいて、前記注目領域のサイズを決定し、決定したサイズの注目領域を前記胸部動態画像の肺野領域に設定する。
前記設定手段は、前記胸部動態画像の肺野領域に複数の注目領域を設定する。
前記設定手段は、前記胸部動態画像における肺野の大きさ、横隔膜の移動量、肋骨の移動量、又は前記胸部動態画像に付帯されている被検者の性別、年齢、身長、もしくは体重に関する情報に基づいて、前記注目領域のサイズを決定する。
前記抽出手段は、前記変換手段による変換後の胸部動態画像の画素信号値の時間変化に対して時間方向の周波数フィルター処理を施すことにより肺血流信号を抽出する。
前記抽出手段は、前記変換手段による変換後の胸部動態画像の画素信号値の時間変化を示す波形から、当該波形を当該波形に含まれる低周波成分の一周期毎に区切ることにより得られる複数の波形を平均化した平均信号波形を引くことにより肺血流信号を抽出する。
前記抽出手段は、前記変換手段による変換後の胸部動態画像の画素信号値の時間変化を示す波形から、機械学習を用いて生成された換気成分の信号波形を引くことにより、肺血流信号を抽出する。
前記算出手段は、前記肺血流信号の変化量として前記抽出手段により肺血流信号を抽出することにより生成されるフレーム画像間の画素信号値の差分値を算出し、算出した前記フレーム画像間の差分値の時間変化の周期、極大点から極小点までに要する時間、又は微分値を前記肺血流の速さに関する特徴量として算出する。
前記算出手段は、前記肺血流信号の変化量として前記抽出手段により肺血流信号を抽出することにより生成されるフレーム画像間の画素信号値の差分値を算出し、算出した前記フレーム画像間の差分値の時間変化の極大値、極小値、又は極大値と極小値の比を前記肺血流の大きさに関する特徴量として算出する。
前記算出手段は、前記肺血流信号の変化量として前記抽出手段により肺血流信号を抽出することにより生成されるフレーム画像間の画素信号値の差分値を算出し、算出した前記フレーム画像間の差分値に基づいて前記肺血流信号の変化の方向を特定し、特定した方向を前記肺血流の方向に関する特徴量として算出する。
前記肺野領域の2以上の領域における、前記算出手段により算出された前記肺血流に関する特徴量又は前記肺血流信号の時間変化を示す波形を比較する比較手段を備える。
人体の胸部の動態を放射線撮影することにより胸部動態画像を取得する撮影装置と、
請求項1〜10のいずれか一項に記載の動態解析装置と、
を備える。
前記動態解析装置による解析結果を表示する表示手段を備える。
まず、構成を説明する。
図1に、本実施形態における動態解析システム100の全体構成を示す。
図1に示すように、動態解析システム100は、撮影装置1と、撮影用コンソール2とが通信ケーブル等により接続され、撮影用コンソール2と、診断用コンソール3とがLAN(Local Area Network)等の通信ネットワークNTを介して接続されて構成されている。動態解析システム100を構成する各装置は、DICOM(Digital Image and Communications in Medicine)規格に準じており、各装置間の通信は、DICOMに則って行われる。
撮影装置1は、例えば、呼吸運動に伴う肺の膨張及び収縮の形態変化、心臓の拍動等の、周期性(サイクル)を持つ胸部の動態を撮影する撮影手段である。動態撮影とは、被写体に対し、X線等の放射線をパルス状にして所定時間間隔で繰り返し照射するか(パルス照射)、もしくは、低線量率にして途切れなく継続して照射する(連続照射)ことで、動態を示す複数の画像を取得することをいう。動態撮影により得られた一連の画像を動態画像と呼ぶ。また、動態画像を構成する複数の画像のそれぞれをフレーム画像と呼ぶ。なお、以下の実施形態では、パルス照射により動態撮影を行う場合を例にとり説明する。
放射線照射制御装置12は、撮影用コンソール2に接続されており、撮影用コンソール2から入力された放射線照射条件に基づいて放射線源11を制御して放射線撮影を行う。撮影用コンソール2から入力される放射線照射条件は、例えば、パルスレート、パルス幅、パルス間隔、1撮影あたりの撮影フレーム数、X線管電流の値、X線管電圧の値、付加フィルター種等である。パルスレートは、1秒あたりの放射線照射回数であり、後述するフレームレートと一致している。パルス幅は、放射線照射1回当たりの放射線照射時間である。パルス間隔は、1回の放射線照射開始から次の放射線照射開始までの時間であり、後述するフレーム間隔と一致している。
放射線検出部13は、被写体Mを挟んで放射線源11と対向するように設けられている。
撮影用コンソール2は、放射線照射条件や画像読取条件を撮影装置1に出力して撮影装置1による放射線撮影及び放射線画像の読み取り動作を制御するとともに、撮影装置1により取得された動態画像を撮影技師等の撮影実施者によるポジショニングの確認や診断に適した画像であるか否かの確認用に表示する。
撮影用コンソール2は、図1に示すように、制御部21、記憶部22、操作部23、表示部24、通信部25を備えて構成され、各部はバス26により接続されている。
診断用コンソール3は、撮影用コンソール2から動態画像を取得し、取得した動態画像や動態画像の解析結果を表示して医師の診断を支援するための動態解析装置である。本実施形態において、診断用コンソール3は、胸部の動態画像において肺血流機能について解析してその解析結果を表示する。
診断用コンソール3は、図1に示すように、制御部31、記憶部32、操作部33、表示部34、通信部35を備えて構成され、各部はバス36により接続されている。
次に、上記動態解析システム100における動作について説明する。
まず、撮影装置1、撮影用コンソール2による撮影動作について説明する。
図2に、撮影用コンソール2の制御部21において実行される撮影制御処理を示す。撮影制御処理は、制御部21と記憶部22に記憶されているプログラムとの協働により実行される。
次に、診断用コンソール3における動作について説明する。
診断用コンソール3においては、通信部35を介して撮影用コンソール2から動態画像の一連のフレーム画像が受信されると、制御部31と記憶部32に記憶されているプログラムとの協働により図3に示す画像解析処理が実行される。
まず、動態画像の各フレーム画像から、解析対象領域である肺野領域が抽出される(ステップS11)。
肺野領域の抽出方法は何れの方法であってもよい。例えば、フレーム画像の各画素の信号値(濃度値)のヒストグラムから判別分析によって閾値を求め、この閾値より高信号の領域を肺野領域候補として1次抽出する。次いで、1次抽出された肺野領域候補の境界付近でエッジ検出を行い、境界付近の小ブロックでエッジが最大となる点を境界に沿って抽出すれば肺野領域の境界を抽出することができる。
ステップS12においては、まず、注目領域サイズの決定が行われる。注目領域サイズは、例えば、i)肺野の大きさ、ii)患者情報(患者の性別、年齢、身長等)、iii)横隔膜の移動量、iv)肋骨の移動量、のいずれかに基づいて決定される。以下、それぞれに基づく注目領域サイズの決定方法について説明する。
この決定方法により注目領域サイズを決定する前提として、複数の異なる人体の肺野の平均面積(右肺の平均面積:Mean(Sright)、左肺の平均面積:Mean(Sleft))及び基準の注目領域サイズ(Broi_x、Broi_y)を予めプログラム内に保持しておく。基準の注目領域サイズは、平均的な面積の肺野に対して最適な注目領域サイズであり、実験的、経験的に求めたものである。
まず、動態画像の一連のフレーム画像の肺野の平均面積(右肺の平均面積:Sright、左肺の平均面積:Sleft)を算出する。例えば、各フレーム画像の右肺野領域、左肺野領域のそれぞれについて、領域内の画素数をカウントして画素サイズを掛けることに面積を算出し、算出した各フレーム画像の面積の平均を算出する。
次いで、算出した平均面積に基づいて、下記の(式1)、(式2)により(Roix、Roiy)を算出し、算出したサイズを注目領域サイズ(横×縦)として決定する。なお、(式1)、(式2)は、右肺野についての式であるが、左肺野の注目領域サイズも、同様にして算出することができる。
Roix=Broi_x×(Sright/Mean(Sright)) (式1)
Roiy=Broi_y×(Sright/Mean(Sright)) (式2)
このように、肺野の面積に基づいて注目領域のサイズを決定することで、注目領域のサイズを肺野の大きさに応じた最適なサイズとすることができる。その結果、例えば、子供の小さい肺に大人と同様の大きい注目領域を設定してしまうことを防止することができる。
男性は腹式呼吸優位のため、女性に比べて大きく肺が動く。また、加齢に伴い、肺の動きは悪くなる。そこで、性別や年齢と、注目領域サイズとの変換テーブル(図4(a)、(b)参照)を記憶部32に記憶しておき、この変換テーブルを参照して、動態画像に付帯されている付帯情報に含まれる患者情報(被検者)の性別や年齢に基づき注目領域サイズを決定する。なお、図4(a)、(b)においては、性別、年齢のそれぞれの変換テーブルを示しているが、男性に対する年齢別の変換テーブル、女性に対する年齢別の変換テーブルを記憶部32に記憶しておくこととしてもよい。また、性別及び年齢に限らず、身長や体重等の他の身体的情報と注目領域サイズとの変換テーブルを記憶部32に記憶しておくこととしてもよい。
横隔膜の移動量は、例えば、公知文献1に記載の手法により求めることができる(公知文献1:田中理恵、真田茂著、「低コスト・低被ばくポータブルX線肺機能イメージング(診る聴診器)の開発」、医用画像情報学会誌、Vol.31、No.2、2014)。まず、1フレーム目では、図5に示す4つの計測点(左右の肺尖部の頂点及び横隔膜ドームの1点)をエッジ検出により決定する。2フレーム目以降は、テンプレートマッチングにより計測点を追跡する。肺尖部−横隔膜間距離の変化量が、横隔膜移動量となる。例えば、算出された最大の横隔膜移動量(肺尖部−横隔膜間距離の最大値と最小値の差)を注目領域サイズ(注目領域の一辺の長さ)として決定する。
まず、各フレーム画像の肺野領域から肋骨の上縁、下縁を抽出する。肋骨の上縁、下縁は、例えば、特開平5−176919号公報に記載されているモデル関数とSobelオペレーターを用いた肋骨抽出方法のように、公知の画像処理技術によって抽出することができる。次いで、肋骨の移動量を算出する。例えば、図6(a)に示すように、まず、基準画像(例えば、安静呼気位の画像)において、抽出された肋骨の上縁L1、下縁L2の中間曲線L3を求め、肋骨の上縁L1のx方向の中間点P1と下縁L3のx方向の中間点P2を結んだ線L4と中間曲線L3とが交わる点を代表点PBaseに設定する。同様に、他のフレーム画像においても同一の肋骨の代表点(Pt、Pt+1、・・・)を設定する(図6(b)参照)。そして、基準画像と他のフレーム画像のそれぞれとの代表点の距離を肋骨の移動量として求め、例えば、求めた距離の最大値を注目領域サイズ(注目領域の一辺の長さ)として決定する。なお、肋骨の幅も考慮して注目領域サイズを決定することとしてもよい。
例えば、基準画像における肺野領域が決定されたサイズの複数の小領域(矩形領域)に分割され、各小領域が注目領域として設定される。或いは、基準画像が表示部34に表示され、表示された基準画像上でユーザによる操作部33の操作により指定された点を左上とする決定されたサイズの矩形領域を注目領域として設定することとしてもよい。これらの場合、注目領域が重ならずに(タイル状に)設定される。このように、互いに重なり合っていない注目領域を重なりなしと呼ぶ。これに対し、決定されたサイズの注目領域を肺野領域上で1画素ずつずらしながら設定してもよい。この場合、近傍の注目領域同士が図7に示すように重なり合うことになる。このように、互いに重なり合っている注目領域を重なりありと呼ぶ。
次いで、他のフレーム画像の、基準画像に設定された注目領域と同じ画素位置の領域(撮影に使用された放射線検出部13の同じ検出素子から出力される信号値の領域)に注目領域が設定される。なお、上述の(i)、(ii)の場合は、公知のローカルマッチング処理及びワーピング処理(特開2012−5729号公報参照)を施して、フレーム画像間における肺野領域の位置ずれを補正してから他のフレーム画像に注目領域を設定することが好ましい。
ステップS13においては、例えば、設定された注目領域が重なりなしの場合、注目領域内の画素の信号値の代表値が算出され、注目領域内の各画素の信号値が算出された代表値に変換される。また、設定された注目領域が重なりありの場合、図7に示すように、注目領域内の画素の信号値の代表値が算出され、注目領域内の中央に位置する画素の信号値が算出された代表値に変換される。
代表値は、例えば、中央値、平均値、最大値、最小値等の何れの値としてもよいが、中央値とすると、ノイズとなる肋骨等の他の構造物の信号成分をより効果的に抑制することができるので好ましい。
血流信号成分の抽出手法としては、i)周波数フィルターを用いる手法、ii)平均波形を用いる手法、iii)機械学習を用いる手法等が挙げられる。以下、各抽出手法について説明する。
設定された注目領域が重なりなしの場合、一連のフレーム画像の注目領域を対応付け、注目領域毎に信号値(代表値)の時間変化を算出し、算出された時間変化を時間方向のハイパスフィルター(例えば、カットオフ周波数0.7Hz)でフィルタリングする。これにより、注目領域の信号値の時間変化から血流信号成分のみを取り出して、換気の影響を取り除くことができる。
設定された注目領域が重なりありの場合、各フレーム間の対応する画素毎に信号値(代表値)の時間変化を算出し、算出された時間変化を時間方向のハイパスフィルター(例えば、カットオフ周波数0.7Hz)でフィルタリングする。これにより、各画素の信号値の時間変化から血流信号成分のみを取り出して、換気の影響を取り除くことができる。
なお、ハイパスフィルターの代わりにバンドパスフィルターを用いることとしてもよい。
設定された注目領域が重なりなしの場合、まず、一連のフレーム画像間の注目領域を対応付け、注目領域毎に信号値の時間変化を示す波形を描画する。この信号波形をオリジナル信号波形と呼ぶ。図8(a)にオリジナル信号波形の一例を示す。図8(a)に示すように、オリジナル信号波形は、呼吸による低周波に肺血流による高周波がのったような波形となる。次いで、オリジナル信号波形を低周波の一周期毎に区切り、複数周期の波形を平均化して平均信号波形を生成する。図8(b)に、平均信号波形の一例を示す。平均信号波形は、高周波成分が平均化されるため、図8(b)に示すように、低周波の正弦波に近い波形となる。次いで、図8(c)に示すように、オリジナル信号波形と平均信号波形を重ねてオリジナル信号から平均信号を引く(差分をとる)ことにより、図8(d)に示すように高周波成分が取り出される。即ち、血流信号成分を抽出することができる。
設定された注目領域が重なりありの場合、各フレーム画像間の対応する画素毎に信号値(代表値)の時間変化を示す波形を描画して、同様に、オリジナル信号波形の各周期の波形を平均化した平均信号波形を生成し、オリジナル信号から平均信号を引くことにより、血流信号成分を抽出する。
まず、人体の胸部を動態撮影した動態画像を複数用意し、それぞれ時間方向のローパスフィルター(例えば、カットオフ周波数0.5Hz)でフィルタリングして換気成分の信号を抽出する。次いで、抽出した換気成分の信号を、例えば、RPB(Restricted Boltzmann Machine)、Auto Encoder等の深層学習(ディープラーニング)におけるプレトレーニングによる信号再構築(公知文献2参照)によって、換気成分の一般的な特徴を有する信号を生成する(公知文献2:河嵜光毅、吉川大弘、古橋武著、「時系列データの異常検出を目的とした深層学習における再構築誤差の利用可能性に関する検討」、The 29th annual conference of the Japanese society for Artificial Intelligence, 2015)。次いで、設定された注目領域が重なりなしの場合、一連のフレーム画像間の注目領域を対応付け、注目領域毎に信号値の時間変化を示す波形(オリジナル信号波形)を生成し、オリジナル信号波形から換気成分の一般的な特徴を有する信号を引く(差分をとる)ことにより血流信号成分を抽出する。設定された注目領域が重なりありの場合、各フレーム画像間の対応する画素毎に信号値の時間変化を示すオリジナル信号波形を生成し、オリジナル信号波形から換気成分の一般的な特徴を有する信号を引く(差分をとる)ことにより血流信号成分を抽出する。
設定された注目領域が重なりなしの場合、注目領域毎に、隣接するフレーム画像間で信号値の差分値を算出する。設定された注目領域が重なりありの場合、各フレーム間の対応する画素毎に隣接するフレーム画像間で信号値の差分値を算出する。ここで、フレーム間差分値は、時間的に後のフレーム画像から先のフレーム画像を引いたものとする。
ここでは、i)肺血流の速さ、ii)肺血流の大きさ、iii)肺血流の方向、を示す特徴量の一つ以上が算出される。設定された注目領域が重なりなしの場合、注目領域毎に特徴量が算出される。設定された注目領域が重なりなしの場合、画素毎に特徴量が算出される。
例えば、ステップS15で算出した血流信号成分の変化量(即ち、フレーム間差分値)の時間変化の周期T[s]が肺血流の速さを示す特徴量として算出される(図9(a)参照)。または、ステップS15で算出した血流信号成分の変化量の時間変化の極大値から次の極小値までにかかる時間T1が肺血流の速さを示す特徴量として算出される(図9(b)参照)。または、ステップS15で算出した血流信号成分の変化量の時間変化の微分値が肺血流の速さを示す特徴量として算出される。算出結果は、制御部31のRAMに記憶される。
例えば、ステップS15で算出した血流信号成分の変化量の時間変化の極大値又は極小値が肺血流の大きさを示す特徴量として算出される。または、極大値と極小値の比(極大値/極小値)が肺血流の大きさを示す特徴量として算出される。極大値と極小値の比は、血液の流出と流入の大きさの比のバランスを見ることができる。算出結果は、制御部31のRAMに記憶される。
或るフレーム画像間の肺野領域で血流が減少し、次のフレーム画像間でその血流が減少した箇所の近傍に血流が増加する場所があれば、肺血流の方向が分かる。ここで、血流が減少した場合、動態画像の信号値(濃度値)は低(白)から高(黒)に変化するため、フレーム間差分値の符号は+となる。血流が増加した場合、動態画像の信号値(濃度値)は高(黒)から低(白)に変化するため、フレーム間差分値の符号は−となる。そこで、注目領域(画素)毎に、t番目のフレーム画像間のフレーム間差分値の符号が+であるか否かが判断され、+の場合、t+1番目のフレーム画像間における近傍領域(例えば、注目領域(画素)を中央とする周辺8つの領域(画素))でフレーム間差分値が最小の領域(画素)がその肺血流の方向として特定される。肺血流の方向の情報は、制御部31のRAMに記憶される。
例えば、算出された特徴量が上記i)肺血流の速さ、又はii)肺血流の大きさである場合、各注目領域(又は各画素)に算出した特徴量に応じた色を付した画像が表示部34に表示される。図10(a)に、重なりなしの場合の結果表示例を示す。図10(b)に、重なりありの場合の結果表示例を示す。
また、例えば、算出された特徴量が上記iii)肺血流の方向である場合、肺野における血流の方向を示す矢印が付された画像が表示部34に表示される。図10(c)に、肺血流の方向の結果表示例を示す。
ここで、Aは、比較する2つの領域のうち一方の特徴量、Bは、比較する2つの領域のうちの他方の特徴量である。
比較に用いる特徴量が1つの場合、比又は差が算出される。比較に用いる特徴量が複数の場合、コサイン類似度又はピアソン相関が算出される。算出された値は、表示部34に表示される。
または、操作部33により指定された2つの領域の画素信号値の時間変化を示す波形を比較可能に並べて表示部34に表示することとしてもよい。
したがって、胸部動態画像において肺血流機能を解析する際のノイズ抑制のための注目領域のサイズを、構造物の動き、個人差等の影響を考慮した適切なサイズに設定することが可能となる。
例えば、制御部31は、胸部動態画像から肺血流信号を抽出することにより生成されるフレーム画像間の画素信号値の差分値を肺血流信号の変化量として算出し、算出したフレーム画像間の差分値の時間変化の周期、極大点から極小点までに要する時間、又は微分値を肺血流の速さに関する特徴量として算出する。また、例えば、制御部31は、胸部動態画像から肺血流信号を抽出することにより生成されるフレーム画像間の画素信号値の差分値を肺血流信号の変化量として算出し、算出したフレーム画像間の差分値の時間変化の極大値、極小値、又は極大値と極小値の比を肺血流の大きさに関する特徴量として算出する。更に、例えば、制御部31は、胸部動態画像から肺血流信号を抽出することにより生成されるフレーム画像間の画素信号値の差分値を肺血流信号の変化量として算出し、算出したフレーム画像間の差分値に基づいて肺血流信号の変化の方向を特定し、特定した方向を肺血流の方向に関する特徴量として算出する。
したがって、肺血流の速さ、大きさ、方向の情報を診断支援情報として提供することができる。
等の可搬型記録媒体を適用することが可能である。また、本発明に係るプログラムのデータを通信回線を介して提供する媒体として、キャリアウエーブ(搬送波)も適用される。
1 撮影装置
11 放射線源
12 放射線照射制御装置
13 放射線検出部
14 読取制御装置
2 撮影用コンソール
21 制御部
22 記憶部
23 操作部
24 表示部
25 通信部
26 バス
3 診断用コンソール
31 制御部
32 記憶部
33 操作部
34 表示部
35 通信部
36 バス
Claims (12)
- 放射線撮影により取得された胸部動態画像の肺野領域に注目領域を設定する設定手段と、
前記設定手段により設定された注目領域内の画素信号値の代表値を算出し、算出した代表値に基づいて、当該注目領域内の画素信号値を変換する変換手段と、
前記変換手段による変換後の胸部動態画像から肺血流信号を抽出する抽出手段と、
前記抽出手段により抽出された肺血流信号の変化量を算出し、算出した肺血流信号の変化量に基づいて、肺血流に関する特徴量を算出する算出手段と、
を備え、
前記設定手段は、前記胸部動態画像における肺血管以外の構造物の大きさ、前記肺血管以外の構造物の移動量、又は前記胸部動態画像に付帯されている被検者の性別、年齢、身長、もしくは体重に関する情報に基づいて、前記注目領域のサイズを決定し、決定したサイズの注目領域を前記胸部動態画像の肺野領域に設定する動態解析装置。 - 前記設定手段は、前記胸部動態画像の肺野領域に複数の注目領域を設定する請求項1に記載の動態解析装置。
- 前記設定手段は、前記胸部動態画像における肺野の大きさ、横隔膜の移動量、肋骨の移動量、又は前記胸部動態画像に付帯されている被検者の性別、年齢、身長、もしくは体重に関する情報に基づいて、前記注目領域のサイズを決定する請求項1又は2に記載の動態解析装置。
- 前記抽出手段は、前記変換手段による変換後の胸部動態画像の画素信号値の時間変化に対して時間方向の周波数フィルター処理を施すことにより肺血流信号を抽出する請求項1〜3のいずれか一項に記載の動態解析装置。
- 前記抽出手段は、前記変換手段による変換後の胸部動態画像の画素信号値の時間変化を示す波形から、当該波形を当該波形に含まれる低周波成分の一周期毎に区切ることにより得られる複数の波形を平均化した平均信号波形を引くことにより肺血流信号を抽出する請求項1〜3のいずれか一項に記載の動態解析装置。
- 前記抽出手段は、前記変換手段による変換後の胸部動態画像の画素信号値の時間変化を示す波形から、機械学習を用いて生成された換気成分の信号波形を引くことにより、肺血流信号を抽出する請求項1〜3のいずれか一項に記載の動態解析装置。
- 前記算出手段は、前記肺血流信号の変化量として前記抽出手段により肺血流信号を抽出することにより生成されるフレーム画像間の画素信号値の差分値を算出し、算出した前記フレーム画像間の差分値の時間変化の周期、極大点から極小点までに要する時間、又は微分値を前記肺血流の速さに関する特徴量として算出する請求項1〜6のいずれか一項に記載の動態解析装置。
- 前記算出手段は、前記肺血流信号の変化量として前記抽出手段により肺血流信号を抽出することにより生成されるフレーム画像間の画素信号値の差分値を算出し、算出した前記フレーム画像間の差分値の時間変化の極大値、極小値、又は極大値と極小値の比を前記肺血流の大きさに関する特徴量として算出する請求項1〜7のいずれか一項に記載の動態解析装置。
- 前記算出手段は、前記肺血流信号の変化量として前記抽出手段により肺血流信号を抽出することにより生成されるフレーム画像間の画素信号値の差分値を算出し、算出した前記フレーム画像間の差分値に基づいて前記肺血流信号の変化の方向を特定し、特定した方向を前記肺血流の方向に関する特徴量として算出する請求項1〜8のいずれか一項に記載の動態解析装置。
- 前記肺野領域の2以上の領域における、前記算出手段により算出された前記肺血流に関する特徴量又は前記肺血流信号の時間変化を示す波形を比較する比較手段を備える請求項1〜9のいずれか一項に記載の動態解析装置。
- 人体の胸部の動態を放射線撮影することにより胸部動態画像を取得する撮影装置と、
請求項1〜10のいずれか一項に記載の動態解析装置と、
を備える動態解析システム。 - 前記動態解析装置による解析結果を表示する表示手段を備える請求項11に記載の動態解析システム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US15/145,137 US9947093B2 (en) | 2016-05-03 | 2016-05-03 | Dynamic analysis apparatus and dynamic analysis system |
US15/145,137 | 2016-05-03 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017200565A JP2017200565A (ja) | 2017-11-09 |
JP6772873B2 true JP6772873B2 (ja) | 2020-10-21 |
Family
ID=60243579
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017020290A Active JP6772873B2 (ja) | 2016-05-03 | 2017-02-07 | 動態解析装置及び動態解析システム |
Country Status (2)
Country | Link |
---|---|
US (2) | US9947093B2 (ja) |
JP (1) | JP6772873B2 (ja) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6540807B2 (ja) * | 2015-07-24 | 2019-07-10 | コニカミノルタ株式会社 | 撮影用コンソール |
US9947093B2 (en) * | 2016-05-03 | 2018-04-17 | Konica Minolta, Inc. | Dynamic analysis apparatus and dynamic analysis system |
JP6812815B2 (ja) * | 2017-01-31 | 2021-01-13 | 株式会社島津製作所 | X線撮影装置およびx線画像解析方法 |
JP6950483B2 (ja) * | 2017-11-20 | 2021-10-13 | コニカミノルタ株式会社 | 動態撮影システム |
JP7462898B2 (ja) * | 2018-01-05 | 2024-04-08 | ラドウィスプ プライベート リミテッド | 診断支援プログラム |
JP7094511B2 (ja) * | 2018-03-15 | 2022-07-04 | ライフサイエンスコンピューティング株式会社 | 人工知能を用いた病変の検知方法、及び、そのシステム |
JP7183563B2 (ja) | 2018-04-11 | 2022-12-06 | コニカミノルタ株式会社 | 放射線画像表示装置及び放射線撮影システム |
JP6897656B2 (ja) | 2018-11-22 | 2021-07-07 | コニカミノルタ株式会社 | 画像表示制御システム、画像表示システム、画像解析装置、画像表示制御プログラム及び画像表示制御方法 |
JP7143747B2 (ja) * | 2018-12-07 | 2022-09-29 | コニカミノルタ株式会社 | 画像表示装置、画像表示方法及び画像表示プログラム |
JP2020141841A (ja) * | 2019-03-06 | 2020-09-10 | コニカミノルタ株式会社 | 動態解析装置及びプログラム |
JP7074101B2 (ja) * | 2019-03-20 | 2022-05-24 | コニカミノルタ株式会社 | 動態解析装置、動態解析システム、予測率算出方法及びプログラム |
JP7144370B2 (ja) | 2019-07-12 | 2022-09-29 | 富士フイルム株式会社 | 診断支援装置、診断支援方法、及び診断支援プログラム |
CN111292353B (zh) * | 2020-01-21 | 2023-12-19 | 成都恒创新星科技有限公司 | 一种停车状态变化识别方法 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8300912B2 (en) * | 2006-01-05 | 2012-10-30 | National University Corporation Kanazawa University | Continuous X-ray image screening examination device, program, and recording medium |
WO2009090894A1 (ja) * | 2008-01-15 | 2009-07-23 | Konica Minolta Medical & Graphic, Inc. | 動態画像診断支援システム |
JP2012110400A (ja) * | 2010-11-22 | 2012-06-14 | Konica Minolta Medical & Graphic Inc | 動態診断支援情報生成システム |
JP5919717B2 (ja) * | 2011-10-07 | 2016-05-18 | コニカミノルタ株式会社 | 動態医用画像生成システム |
EP2838425A4 (en) * | 2012-04-17 | 2016-04-13 | Univ Monash | IMAGING METHOD AND SYSTEM |
JP2014079312A (ja) * | 2012-10-15 | 2014-05-08 | Konica Minolta Inc | 画像処理装置及びプログラム |
JP2014100249A (ja) * | 2012-11-19 | 2014-06-05 | Toshiba Corp | 血管解析装置、医用画像診断装置、血管解析方法、及び血管解析プログラム |
JP5907185B2 (ja) | 2014-01-27 | 2016-04-26 | コニカミノルタ株式会社 | 動態画像診断支援システム |
US9947093B2 (en) * | 2016-05-03 | 2018-04-17 | Konica Minolta, Inc. | Dynamic analysis apparatus and dynamic analysis system |
-
2016
- 2016-05-03 US US15/145,137 patent/US9947093B2/en active Active
-
2017
- 2017-02-07 JP JP2017020290A patent/JP6772873B2/ja active Active
-
2018
- 2018-03-07 US US15/913,982 patent/US10242445B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US9947093B2 (en) | 2018-04-17 |
JP2017200565A (ja) | 2017-11-09 |
US20180197289A1 (en) | 2018-07-12 |
US10242445B2 (en) | 2019-03-26 |
US20170323440A1 (en) | 2017-11-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6772873B2 (ja) | 動態解析装置及び動態解析システム | |
JP6436182B2 (ja) | 動態画像解析装置 | |
JP6597548B2 (ja) | 動態解析システム | |
JP6743662B2 (ja) | 動態画像処理システム | |
JP6772908B2 (ja) | 動態解析システム及びプログラム | |
JP6217241B2 (ja) | 胸部診断支援システム | |
WO2012026145A1 (ja) | 診断支援システム及びプログラム | |
JP6418091B2 (ja) | 胸部画像表示システム及び画像処理装置 | |
JP6958202B2 (ja) | 動態画像処理装置及びプログラム | |
JP6812685B2 (ja) | 動態解析装置 | |
JP2017176202A (ja) | 動態解析システム | |
JP6740910B2 (ja) | 動態画像処理システム | |
JP6848393B2 (ja) | 動態画像処理装置 | |
JP2017169830A (ja) | 動態解析装置 | |
JP6938940B2 (ja) | 動態解析システム | |
JP6690774B2 (ja) | 動態解析システム、プログラム及び動態解析装置 | |
JP2018196693A (ja) | 動態解析システム | |
JP2018187310A (ja) | 動態画像処理システム | |
JP6962030B2 (ja) | 動態解析装置、動態解析システム、動態解析プログラム及び動態解析方法 | |
JP2019111006A (ja) | 動態画像処理方法及び動態画像処理装置 | |
JP7047806B2 (ja) | 動態解析装置、動態解析システム、動態解析プログラム及び動態解析方法 | |
JP6888721B2 (ja) | 動態画像処理装置、動態画像処理プログラム及び動態画像処理方法 | |
JP2017217047A (ja) | 画像表示システム | |
JP2020203191A (ja) | 動態解析システム及びプログラム | |
JP2021131742A (ja) | 画像処理装置、放射線画像システム及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190620 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200417 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200616 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200730 |
|
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: 20200901 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200914 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6772873 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |