JP6954719B2 - 検査ボリュームの差分画像データセットの決定 - Google Patents
検査ボリュームの差分画像データセットの決定 Download PDFInfo
- Publication number
- JP6954719B2 JP6954719B2 JP2019098672A JP2019098672A JP6954719B2 JP 6954719 B2 JP6954719 B2 JP 6954719B2 JP 2019098672 A JP2019098672 A JP 2019098672A JP 2019098672 A JP2019098672 A JP 2019098672A JP 6954719 B2 JP6954719 B2 JP 6954719B2
- Authority
- JP
- Japan
- Prior art keywords
- image data
- data set
- dimensional
- training
- dataset
- 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
- 238000007689 inspection Methods 0.000 title claims description 120
- 230000006870 function Effects 0.000 claims description 258
- 238000000034 method Methods 0.000 claims description 250
- 238000012549 training Methods 0.000 claims description 226
- 230000008569 process Effects 0.000 claims description 120
- 238000012545 processing Methods 0.000 claims description 79
- 210000004204 blood vessel Anatomy 0.000 claims description 53
- 239000002872 contrast media Substances 0.000 claims description 41
- 238000013528 artificial neural network Methods 0.000 claims description 31
- 238000012546 transfer Methods 0.000 claims description 30
- 238000012360 testing method Methods 0.000 claims description 29
- 230000002792 vascular Effects 0.000 claims description 28
- 238000004590 computer program Methods 0.000 claims description 24
- 238000002583 angiography Methods 0.000 claims description 11
- 101000651310 Desulfitobacterium hafniense (strain Y51) Trigger factor 2 Proteins 0.000 description 32
- 238000009826 distribution Methods 0.000 description 17
- 230000011218 segmentation Effects 0.000 description 16
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 8
- 230000005855 radiation Effects 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000010521 absorption reaction Methods 0.000 description 5
- 238000012937 correction Methods 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 230000018109 developmental process Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 230000000052 comparative effect Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 238000011176 pooling Methods 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000873 masking effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 101100400452 Caenorhabditis elegans map-2 gene Proteins 0.000 description 1
- 240000007594 Oryza sativa Species 0.000 description 1
- 235000007164 Oryza sativa Nutrition 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000012885 constant function Methods 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 235000009566 rice Nutrition 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 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
- G06T7/20—Analysis of motion
- G06T7/254—Analysis of motion involving subtraction of images
-
- 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
- G06T11/006—Inverse problem, transformation from projection-space into object-space, e.g. transform methods, back-projection, algebraic methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
- G06T7/0002—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
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
- G06T7/593—Depth or shape recovery from multiple images from stereo 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
- G06T2207/10116—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
- G06T2207/20076—Probabilistic image processing
-
- 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]
-
- 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
- G06T2207/20212—Image combination
- G06T2207/20224—Image subtraction
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/404—Angiography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2211/00—Image generation
- G06T2211/40—Computed tomography
- G06T2211/421—Filtered back projection [FBP]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Algebra (AREA)
- Multimedia (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
インターフェースにより、検査ボリュームに関する2次元実画像データセットを受信し、この2次元実画像データセットの各々が、1つの投影方向に沿った検査ボリュームの2次元X線投影からなり、
処理ユニットにより、2次元実画像データセットに基づいて3次元実画像データセットを再構成し、
処理ユニットにより、2次元実画像データセットに基づいて第1の差分画像データセットを決定し、該決定において、第1のトレーニング済み関数を3次元実画像データセットへ適用する、ことを含む。
インターフェースにより、検査ボリュームに関する2次元実画像データセットを受信し、この2次元実画像データセットの各々は、1つの投影方向に沿った検査ボリュームの2次元X線投影を含み、
処理ユニットにより、2次元実画像データセットへ第1のトレーニング済み関数を適用することによって、2次元差分画像データセットを決定し、
処理ユニットにより、第1の差分画像データセットを決定する、ことを含み、この第1の差分画像データセットの決定において、2次元差分画像データセットに基づく再構成を含む。
インターフェースにより、第2のトレーニング済み関数を受信し、
インターフェースにより、検査ボリュームの3次元トレーニング差分画像データセット及び該検査ボリュームの2次元トレーニング画像データセットを受信し、この2次元トレーニング画像データセットは、2次元実画像データセット又は2次元差分画像データセットに対応し、
処理ユニットにより、3次元トレーニング差分画像データセット及び2次元トレーニング画像データセットに基づいて、逆投影により第1の4次元トレーニング差分画像データセットを決定し、
処理ユニットにより、3次元トレーニング差分画像データセット及び2次元トレーニング画像データセットへ第2のトレーニング済み関数を適用して、第2の4次元トレーニング差分画像データセットを決定し、
処理ユニットにより、第1の4次元トレーニング差分画像データセットと第2の4次元トレーニング差分画像データセットとの比較に基づいて、第2のトレーニング済み関数を調整し、
−場合に応じて、インターフェースにより、第2のトレーニング済み関数を提供する、ことを含む。
検査ボリュームに関する2次元実画像データセットを受信するように構成されたインターフェースを備え、その2次元実画像データセットの各々は、1つの投影方向に沿った検査ボリュームの2次元X線投影を含み、
2次元実画像データセットに基づくと共にトレーニング済み関数に基づいて、差分画像データセットを決定するように構成された処理ユニットを備え、第1の差分画像データセットが少なくとも2次元か少なくとも3次元である。
検査ボリュームに関する2次元実画像データセットを受信するように構成されたインターフェースを備え、その2次元実画像データセットは、1つの投影方向に沿った検査ボリュームの2次元X線投影を含み、
2次元実画像データセットへ第1のトレーニング済み関数を適用して2次元差分画像データセットを決定するように構成された処理ユニットを備える。
第1のトレーニング済み関数を受信するように構成されると共に、検査ボリュームの第1の2次元トレーニング画像データセット及び第2の2次元トレーニング画像データセットを受信するように構成されたインターフェースを備え、その第1の2次元トレーニング画像データセットの各々は、1つの投影方向に沿った検査ボリュームの2次元X線投影を含み、該検査ボリュームは、第1の2次元X線投影の記録中にX線造影剤を含有しておらず、第2の2次元トレーニング画像データセットの各々は、1つの投影方向に沿った検査ボリュームの第2の2次元X線投影を含み、該検査ボリュームは、第2の2次元X線投影の記録中にX線造影剤を含有しており、
第1及び第2の2次元トレーニング画像データセットに基づいてデジタル減算血管造影法により第1のトレーニング差分画像データセットを決定するように構成されると共に、第2の2次元トレーニング画像データセットに基づくと共に第1のトレーニング済み関数に基づいて第2のトレーニング差分画像データセットを決定するように構成され、そして、その第1のトレーニング差分画像データセットと第2のトレーニング差分画像データセットとの比較に基づいて第1のトレーニング済み関数を調整するように構成された処理ユニットを備える。
第2のトレーニング済み関数を受信するように構成されると共に、検査ボリュームの3次元トレーニング差分画像データセット及び該検査ボリュームの2次元トレーニング画像データセットを受信するように構成されたインターフェースを備え、その2次元トレーニング画像データセットは、2次元実画像データセット又は2次元差分画像データセットに対応し、このインターフェースは、第2のトレーニング済み関数を提供するようにも構成可能とされ、
3次元トレーニング差分画像データセット及び2次元トレーニング画像データセットに基づいて逆投影により第1の4次元トレーニング差分画像データセットを決定するように構成されると共に、該3次元トレーニング差分画像データセット及び2次元トレーニング画像データセットへ第2のトレーニング済み関数を適用して第2の4次元トレーニング差分画像データセットを決定するように構成され、そして、その第1の4次元トレーニング差分画像データセットと第2の4次元トレーニング差分画像データセットとの比較に基づいて第2のトレーニング済み関数を調整するように構成された処理ユニットを備える。
式中、I0は、X線源のX線強度であり、Ikl(ti)は、時点tiでのX線検出器XRAY.DTCにおける、あるいは、2次元実画像データセットRDS−2D.1,・・・,RDS−2D.4において座標k,iを有するピクセルにおける、X線強度である。投影方向がviに相当し(本例では近似的に平行投影を仮定することができる)、且つμ(x,ti)が時点tiの検査ボリュームの部位又は3次元座標xにおける線形減衰係数である場合、Γkl(vi)は、X線源XRAY.SRCから、X線検出器XRAY.DTC又は2次元実画像データセットRDS−2D.1,・・・,RDS−2D.4における座標k,iのピクセルまでの、経路である。この経路Γkl(vi)は、簡単な幾何学的検討事項によって決定することができ、さらに、この関係は連続的に記述することもできる。
投影方向がviに相当する場合、式中、I(y,ti)は、X線検出器XRAY.DTC又は2次元実画像データセットRDS−2D.1,・・・,RDS−2D.4の2次元座標yにおける、時点tiでのX線強度であり、Γ(y,vi)は、X線源XRAY.SRCから、X線検出器XRAY.DTCに関する又は2次元実画像データセットRDS−2D.1,・・・,RDS−2D.4に関する2次元座標yの点までの経路である。
第1の場合において、3次元実画像データセットRDS−3Dの強度は、時点t’の後の検査ボリュームにおける線形減衰形係数に対応し、この時点t’は、血管が完全に造影剤で満たされた時点に対応し得る。第2の場合において、3次元実画像データセットRDS−3Dの強度は、t’〜t”の期間に渡る検査ボリュームVOLにおける線形減衰係数の平均に対応する。3次元実画像データセットRDS−3Dは、個々のボクセルによって確定され、これらボクセルの強度は、例えば、それぞれのボクセルのボリュームに渡るB(x)を空間的に平均することによって決定することができる。
式中、F1は、第1のトレーニング済み関数TF−1であり、K,L,Mは、それぞれボクセルの数で測った、第1の方向x、第2の方向y及び第3の方向zに関する3次元実画像データセットRDS−3Dの拡がりであり、また3次元の第1の差分画像データセットDDS−3Dの拡がりでもある。この関数F1の引数は、添え字k,l,mのピクセルでの3次元の第1の差分画像データセットDDS−3Dの強度値Dklmが、3次元実画像データセットRDS−3Dの全ての強度値に依存し得るものであると理解される。
式中、F1は、第1のトレーニング済み関数TF−1であり、K,L,Mは、それぞれボクセルの数で測った、第1の方向x、第2の方向y、及び第3の方向zに関する3次元実画像データセットRDS−3Dの拡がりであり、また3次元の第1の差分画像データセットDDS−3Dの拡がりでもある。この関数F1の引数は、添え字k,l,mのピクセルでの3次元の第1の差分画像データセットDDS−3Dの強度値Dklmが、3次元実画像データセットRDS−3Dの全ての強度値に依存し得るものであると理解される。
式中、uは、X線検出器302の座標系における2次元空間座標であり、tは、時間座標であり、また特に時間情報である。Dは、3次元の第1の差分画像データセットDDS−3Dを表し、そしてD(x)は、空間座標xにおける3次元の第1の差分画像データセットDDS−3Dの値を表す。1次元経路L(t,u)は、点状のX線源XRAY.SRCと、記録時点tにおけるX線検出器XRAY.DTC上の点uとを通る直線に対応する。この経路L(t,u)は、さらに時間座標tに依存するが、これは、一般に、X線源XRAY.SRC及びX線検出器XRAY.DTCの空間的位置が時間座標tと共に変化するからである。変数d(t,u)は、記録時点tで記録された2次元差分画像データセットDDS−2D.1,・・・,DDS−2D.4の検出器座標uにおける強度値を表現している。結果DN(t,u)は、記録時点tで記録された2次元差分画像データセットDDS−2D.1,・・・,DDS−2D.4の検出器座標uにおける正規化された強度値である。
式中、xは、3次元空間座標であり、tは、時間座標であり、また特に時間情報である。したがって、タプル(t,x)は、4次元座標として解釈することもできる。Dは、3次元の第1の差分画像データセットDDS−3Dを表し、D(x)は、空間座標xにおける3次元の第1の差分画像データセットDDS−3Dの値を表す。A(t,x)は、記録時点tにおける空間座標xの、X線検出器XRAY.DTCの空間的な2次元検出器座標u= A(t,x)への投影を表す。Kは、任意選択の畳み込みカーネルを表し、演算子*は、畳み込みを表し、Seg[D](x)は、3次元の第1の差分画像データセットDDS−3Dのセグメンテーション(あるいは空間座標xでの該セグメンテーションの値)を表す。このセグメンテーションの代替として、3次元の第1の差分画像データセットDDS−3Dを直接使用してもよい。D4D(t,x)は、空間座標xでの、そして時間座標tでの4次元の第2の差分画像データセットDDS−4D’の値を表す。
2次元血管画像データセットVDS−2D.1,・・・,VDS−2D.4は、以下の式によって決定される。
式中、bv(y,v)は、座標yにおける投影方向vに関する2次元血管画像データセットVDS−2D.1,・・・,VDS−2D.4の値を表し、D(x)は、3次元の第1の差分画像データセットDDS−3Dを表し、でΓ(y,v)は、投影方向vの点yを通る直線を表す。
2次元背景画像データセットBDS−2D.1,・・・,BDS−2D.4は、以下の式 によって決定される。
式中、bb(y,v)は、座標yにおける投影方向vに関する2次元背景画像データセットBDS−2D.1,・・・,BDS−2D.4の値を表し、D(x)は、3次元の第1の差分画像データセットDDS−3Dを表し、B(x)は、3次元実画像データセットを表し、Γ(y,v)は、投影方向vの点yを通る直線を表す。
式中、Recは、再構成演算子を表す。
3重積分は、3次元的に配列されたピクセルに渡る和と解釈することもできる。次に、この偏差平方和が、例えば、誤差逆伝搬(Backpropagation)により最小化されるように、トレーニング済み関数TF−1,TF−2の1つ以上のパラメータが調整される。この誤差逆伝搬をトレーニング済み関数TF−1,TF−2において実行するだけでなく、それぞれの再構成演算子によっても実行することが必要である。このための例えば数値的な方法が当業者には知られている。
この偏差平方和は、同様に、すべてのピクセルに渡る4次元の和によって個々に決定され得る。
あるいは、以下の式で与えられる。
Claims (27)
- 検査ボリュームの第1の差分画像データセットを決定する方法であって、
インターフェースにより、前記検査ボリュームに関する2次元実画像データセットであってその各々が1つの投影方向に沿った前記検査ボリュームの2次元X線投影を含む2次元実画像データセットを受信し、
処理ユニットにより、前記2次元実画像データセットに基づくと共に第1のトレーニング済み関数に基づいて、前記第1の差分画像データセットを決定する、ことを含み、
3次元である前記第1の差分画像データセットを決定するために、
前記処理ユニットにより、前記2次元実画像データセットに基づいて、3次元実画像データセットを再構成し、
前記処理ユニットにより、前記3次元実画像データセットへ前記第1のトレーニング済み関数を適用する、ことを含む、方法。 - 請求項1に記載の方法であって、
前記処理ユニットにより、前記3次元実画像データセットへ前記第1のトレーニング済み関数を適用して、3次元確率データセットを決定し、
前記3次元の第1の差分画像データセットを決定するときに、前記処理ユニットにより、前記3次元確率データセットと前記3次元実画像データセットとをピクセル毎に乗算する、ことをさらに含む方法。 - 請求項2に記載の方法であって、
前記インターフェースにより、伝達関数を受信し、
前記処理ユニットにより、前記伝達関数に基づいて前記3次元確率データセットを補正する、ことをさらに含む方法。 - 請求項1〜3のいずれか1項に記載の方法であって、
前記3次元の第1の差分画像データセットと前記3次元実画像データセットのいずれか又は両方に基づいて、2次元血管画像データセットと2次元背景画像データセットのいずれか又は両方を決定し、
前記2次元血管画像データセットと前記2次元背景画像データセットのいずれか又は両方に基づいて、2次元補正画像データセットを決定する、ことを含む方法。 - 請求項4に記載の方法であって、
前記2次元血管画像データセットを、前記3次元の第1の差分画像データセットの順投影によって決定する過程と、
前記2次元背景画像データセットを、前記3次元実画像データセットと前記3次元の第1の差分画像データセットとの差分の順投影によって決定する過程と、
のいずれか又は両方を実行する方法。 - 請求項4又は5に記載の方法であって、
前記2次元補正画像データセットと前記3次元の第1の差分画像データセットとに基づいて、4次元の第2の差分画像データセットを決定する、ことをさらに含む方法。 - 検査ボリュームの第1の差分画像データセットを決定する方法であって、
インターフェースにより、前記検査ボリュームに関する2次元実画像データセットであってその各々が1つの投影方向に沿った前記検査ボリュームの2次元X線投影を含む2次元実画像データセットを受信し、
処理ユニットにより、前記2次元実画像データセットに基づくと共に第1のトレーニング済み関数に基づいて、前記第1の差分画像データセットを決定する、ことを含み、
3次元である前記第1の差分画像データセットを決定するために、
前記処理ユニットにより、前記2次元実画像データセットへ前記第1のトレーニング済み関数を適用して、2次元差分画像データセットを決定し、
前記処理ユニットにより、前記2次元差分画像データセットに基づいて再構成して前記3次元の第1の差分画像データセットを決定する、ことをさらに含む方法。 - 検査ボリュームの第1の差分画像データセットを決定する方法であって、
インターフェースにより、前記検査ボリュームに関する2次元実画像データセットであってその各々が1つの投影方向に沿った前記検査ボリュームの2次元X線投影を含む2次元実画像データセットを受信し、
処理ユニットにより、前記2次元実画像データセットに基づくと共に第1のトレーニング済み関数に基づいて、前記第1の差分画像データセットを決定する、ことを含み、
4次元である前記第1の差分画像データセットを決定するために、
前記処理ユニットにより、前記2次元実画像データセットへ前記第1のトレーニング済み関数を適用する、ことを含む方法。 - 請求項1〜7のいずれか1項に記載の方法であって、
前記処理ユニットにより、入力データへ第2のトレーニング済み関数を適用して、第2の差分画像データセットを決定する、ことをさらに含み、
前記入力データは、前記2次元実画像データセット、前記2次元差分画像データセット、及び前記3次元の第1の差分画像データセットのいずれか1つ以上に基づいており、
前記第2の差分画像データセットが4次元である、方法。 - 請求項9に記載の方法であって、
前記第2のトレーニング済み関数は、畳み込み層と逆畳み込み層のいずれか又は両方を含むニューラルネットワークに基づいている、方法。 - 請求項1〜10のいずれか1項に記載の方法であって、
前記第1のトレーニング済み関数は、畳み込み層と逆畳み込み層のいずれか又は両方を含むニューラルネットワークに基づいている、方法。 - 第1のトレーニング済み関数を調整する方法であって、
インターフェースにより、前記第1のトレーニング済み関数を受信し、
前記インターフェースにより、検査ボリュームの第1の2次元のトレーニング画像データセット及び第2の2次元のトレーニング画像データセットを受信し、
処理ユニットにより、前記第1の2次元のトレーニング画像データセット及び前記第2の2次元のトレーニング画像データセットに基づいて、デジタル減算血管造影法を通し第1のトレーニング差分画像データセットを決定し、
前記処理ユニットにより、前記第2の2次元のトレーニング画像データセットに基づくと共に前記第1のトレーニング済み関数に基づいて、第2のトレーニング差分画像データセットを決定し、
前記処理ユニットにより、前記第1のトレーニング差分画像データセットと前記第2のトレーニング差分画像データセットとの比較に基づいて、前記第1のトレーニング済み関数を調整する、ことを含み、
前記第1の2次元のトレーニング画像データセットの各々が、1つの投影方向に沿った前記検査ボリュームの2次元X線投影を含み、該検査ボリュームは、第1の2次元X線投影の録画中にX線造影剤を含有しておらず、
前記第2の2次元のトレーニング画像データセットの各々が、1つの投影方向に沿った前記検査ボリュームの第2の2次元X線投影を含み、該検査ボリュームは、第2の2次元X線投影の録画中にX線造影剤を含有している、方法。 - 検査ボリュームの第1の差分画像データセットを決定する決定システムであって、
前記検査ボリュームに関する2次元実画像データセットを受信するように構成されたインターフェースと、
前記2次元実画像データセットに基づくと共に第1のトレーニング済み関数に基づいて、前記第1の差分画像データセットを決定するように構成された処理ユニットとを備え、
前記2次元実画像データセットの各々が、1つの投影方向に沿った前記検査ボリュームの2次元X線投影を含み、
前記処理ユニットは、
3次元である前記第1の差分画像データセットを決定するために、
前記2次元実画像データセットに基づいて、3次元実画像データセットを再構成し、
前記3次元実画像データセットへ前記第1のトレーニング済み関数を適用するように構成される、決定システム。 - 請求項13に記載の決定システムであって、
前記処理ユニットは、
前記3次元実画像データセットへ前記第1のトレーニング済み関数を適用して、3次元確率データセットを決定し、
前記3次元の第1の差分画像データセットを決定するときに、前記3次元確率データセットと前記3次元実画像データセットとをピクセル毎に乗算するように構成される、決定システム。 - 請求項14に記載の決定システムであって、
前記インターフェースが伝達関数を受信するようにさらに構成され、
前記処理ユニットは、前記伝達関数に基づいて前記3次元確率データセットを補正するように構成される、決定システム。 - 請求項13〜15のいずれか1項に記載の決定システムであって、
前記処理ユニットは、
前記3次元の第1の差分画像データセットと前記3次元実画像データセットのいずれか又は両方に基づいて、2次元血管画像データセットと2次元背景画像データセットのいずれか又は両方を決定し、
前記2次元血管画像データセットと前記2次元背景画像データセットのいずれか又は両方に基づいて、2次元補正画像データセットを決定するように構成される、決定システム。 - 請求項16に記載の決定システムであって、
前記処理ユニットは、
前記2次元血管画像データセットを、前記3次元の第1の差分画像データセットの順投影によって決定する過程と、
前記2次元背景画像データセットを、前記3次元実画像データセットと前記3次元の第1の差分画像データセットとの差分の順投影によって決定する過程と、
のいずれか又は両方を実行するように構成される、決定システム。 - 請求項16又は17に記載の決定システムであって、
前記処理ユニットは、
前記2次元補正画像データセットと前記3次元の第1の差分画像データセットとに基づいて、4次元の第2の差分画像データセットを決定するように構成される、決定システム。 - 検査ボリュームの第1の差分画像データセットを決定する決定システムであって、
前記検査ボリュームに関する2次元実画像データセットを受信するように構成されたインターフェースと、
前記2次元実画像データセットに基づくと共に第1のトレーニング済み関数に基づいて、前記第1の差分画像データセットを決定するように構成された処理ユニットとを備え、
前記2次元実画像データセットの各々が、1つの投影方向に沿った前記検査ボリュームの2次元X線投影を含み、
前記処理ユニットは、
3次元である前記第1の差分画像データセットを決定するために、
前記2次元実画像データセットへ前記第1のトレーニング済み関数を適用して、2次元差分画像データセットを決定し、
前記2次元差分画像データセットに基づいて再構成して前記3次元の第1の差分画像データセットを決定するように構成される、決定システム。 - 検査ボリュームの第1の差分画像データセットを決定する決定システムであって、
前記検査ボリュームに関する2次元実画像データセットを受信するように構成されたインターフェースと、
前記2次元実画像データセットに基づくと共に第1のトレーニング済み関数に基づいて、前記第1の差分画像データセットを決定するように構成された処理ユニットとを備え、
前記2次元実画像データセットの各々が、1つの投影方向に沿った前記検査ボリュームの2次元X線投影を含み、
前記処理ユニットは、
4次元である前記第1の差分画像データセットを決定するために、
前記2次元実画像データセットへ前記第1のトレーニング済み関数を適用するように構成される、決定システム。 - 請求項13〜19のいずれか1項に記載の決定システムであって、
前記処理ユニットは、
入力データへ第2のトレーニング済み関数を適用して、第2の差分画像データセットを決定するように構成され、
前記入力データは、前記2次元実画像データセット、前記2次元差分画像データセット、及び前記3次元の第1の差分画像データセットのいずれか1つ以上に基づいており、
前記第2の差分画像データセットが4次元である、決定システム。 - 請求項21に記載の決定システムであって、
前記第2のトレーニング済み関数は、畳み込み層と逆畳み込み層のいずれか又は両方を含むニューラルネットワークに基づいている、決定システム。 - 請求項13〜22のいずれか1項に記載の決定システムであって、
前記第1のトレーニング済み関数は、畳み込み層と逆畳み込み層のいずれか又は両方を含むニューラルネットワークに基づいている、決定システム。 - 請求項13〜23のいずれか1項に記載の決定システムを備えたX線ユニット。
- 第1のトレーニング済み関数を調整するトレーニングシステムであって、
前記第1のトレーニング済み関数を受信するように構成されると共に、検査ボリュームの第1の2次元トレーニング画像データセット及び第2の2次元トレーニング画像データセットを受信するように構成された、インターフェースと、
前記第1の2次元トレーニング画像データセット及び前記第2の2次元トレーニング画像データセットに基づいて、デジタル減算血管造影法を通し第1のトレーニング差分画像データセットを決定するように構成されると共に、前記第2の2次元トレーニング画像データセットに基づくと共に前記第1のトレーニング済み関数に基づいて、第2の2次元トレーニング差分画像データセットを決定するように構成され、そして、前記第1のトレーニング差分画像データセットと前記第2のトレーニング差分画像データセットとの比較に基づいて、前記第1のトレーニング済み関数を調整するように構成された、処理ユニットとを備え、
前記第1の2次元トレーニング画像データセットの各々が、1つの投影方向に沿った前記検査ボリュームの2次元X線投影を含み、該検査ボリュームは、第1の2次元X線投影の録画中にX線造影剤を含有しておらず、
前記第2の2次元トレーニング画像データセットの各々が、1つの投影方向に沿った前記検査ボリュームの第2の2次元X線投影を含み、該検査ボリュームは、第2の2次元X線投影の録画中にX線造影剤を含有している、トレーニングシステム。 - 決定システムとトレーニングシステムのいずれか又は両方のメモリに直接ロードすることができるコンピュータプログラムを記憶したコンピュータプログラム製品であって、
前記コンピュータプログラムのプログラムセクションが前記決定システムと前記トレーニングシステムのいずれか又は両方において実行されたときに、請求項1〜11のいずれか1項に記載の方法及び請求項12に記載の方法のいずれか1つ以上の方法の全過程が実行される、コンピュータプログラム製品。 - コンピュータ可読記憶媒体であって、
決定システムとトレーニングシステムのいずれか又は両方において読み取り可能且つ実行可能なプログラムセクションが記憶され、
前記決定システムと前記トレーニングシステムのいずれか又は両方において前記プログラムセクションが実行されたときに、請求項1〜11のいずれか1項に記載の方法及び請求項12に記載の方法のいずれか1つ以上の全過程が実行される、コンピュータ可読記憶媒体。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP18182251.1A EP3591617A1 (de) | 2018-07-06 | 2018-07-06 | Bestimmen eines differenzbilddatensatzes eines untersuchungsvolumens |
EP18182251.1 | 2018-07-06 | ||
EP19163508.5 | 2019-03-18 | ||
EP19163508.5A EP3591611B1 (de) | 2018-07-06 | 2019-03-18 | Bestimmen eines differenzbilddatensatzes eines untersuchungsvolumens |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020022728A JP2020022728A (ja) | 2020-02-13 |
JP6954719B2 true JP6954719B2 (ja) | 2021-10-27 |
Family
ID=69101422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019098672A Active JP6954719B2 (ja) | 2018-07-06 | 2019-05-27 | 検査ボリュームの差分画像データセットの決定 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11017514B2 (ja) |
JP (1) | JP6954719B2 (ja) |
CN (1) | CN110689592B (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6954719B2 (ja) * | 2018-07-06 | 2021-10-27 | シーメンス ヘルスケア ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 検査ボリュームの差分画像データセットの決定 |
DE102019200270A1 (de) | 2019-01-11 | 2020-07-16 | Siemens Healthcare Gmbh | Bereitstellen eines Differenzbilddatensatzes und Bereitstellen einer trainierten Funktion |
DE102019200269A1 (de) | 2019-01-11 | 2020-07-16 | Siemens Healthcare Gmbh | Bereitstellen eines Beschränkungsbilddatensatzes und/oder eines Differenzbilddatensatzes |
DE102019200888A1 (de) * | 2019-01-24 | 2020-07-30 | Siemens Healthcare Gmbh | Bestimmen eines Bilddatensatzes |
DE102019208496B4 (de) | 2019-06-12 | 2024-01-25 | Siemens Healthcare Gmbh | Computerimplementierte Verfahren und Vorrichtungen zum Bereitstellen eines Differenzbilddatensatzes eines Untersuchungsvolumens und zum Bereitstellen einer trainierten Generatorfunktion |
DE102019218770A1 (de) * | 2019-12-03 | 2021-06-10 | Siemens Healthcare Gmbh | Bereitstellen eines Gefäßbilddatensatzes |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19925395B4 (de) * | 1999-06-02 | 2004-11-25 | Siemens Ag | Verfahren zum Betrieb eines Computertomographie(CT)-Gerätes |
DE19936679C2 (de) * | 1999-08-04 | 2003-06-18 | Siemens Ag | Röntgendiagnostikgerät |
DE10150428A1 (de) * | 2001-10-11 | 2003-04-30 | Siemens Ag | Verfahren zur Erzeugung dreidimensionaler, mehrfachaufgelöster Volumenbilder eines Untersuchungsobjekts |
DE10317137A1 (de) * | 2003-04-14 | 2004-11-18 | Siemens Ag | Röntgeneinrichtung und Verfahren zum Herstellen eines Oberflächenbildes |
DE10348796B4 (de) * | 2003-10-21 | 2007-09-27 | Siemens Ag | Vorrichtung zur räumlichen Modulation eines Röntgenstrahlbündels und Röntgenbildsystem |
JP3940747B2 (ja) * | 2006-01-18 | 2007-07-04 | 株式会社東芝 | X線診断装置 |
JP4595978B2 (ja) * | 2007-09-21 | 2010-12-08 | 株式会社デンソー | ハンズフリー装置 |
US8094904B2 (en) * | 2007-09-26 | 2012-01-10 | Siemens Aktiengesellschaft | Method and system for bone suppression based on a single x-ray image |
DE102011006501B4 (de) * | 2011-03-31 | 2021-12-23 | Siemens Healthcare Gmbh | Verfahren, Bildverarbeitungseinrichtung und Computertomographie-System zur Gewinnung eines 4D-Bilddatensatzes eines Untersuchungsobjekts, sowie Computerprogrammprodukt mit Programmcodeabschnitten zur Ausführung eines solchen Verfahrens |
JP5487172B2 (ja) * | 2011-09-05 | 2014-05-07 | 株式会社東芝 | 医用画像診断装置及び医用画像処理装置 |
DE102014213408B4 (de) | 2014-07-10 | 2018-10-25 | Siemens Healthcare Gmbh | Verfahren zur Ermittlung eines dreidimensionalen Modelldatensatzes eines wenigstens ein Gefäßsegment umfassenden Blutgefäßsystems |
US10818073B2 (en) * | 2015-03-10 | 2020-10-27 | Wisconsin Alumni Research Foundation | System and method for time-resolved, three-dimensional angiography with flow information |
JP6525912B2 (ja) * | 2016-03-23 | 2019-06-05 | 富士フイルム株式会社 | 画像分類装置、方法およびプログラム |
US10575469B2 (en) * | 2016-07-14 | 2020-03-03 | Cnh Industrial America Llc | Net wrapping system |
US9965863B2 (en) * | 2016-08-26 | 2018-05-08 | Elekta, Inc. | System and methods for image segmentation using convolutional neural network |
JP6813178B2 (ja) * | 2016-12-07 | 2021-01-13 | 学校法人常翔学園 | 生体画像処理装置、出力画像製造方法、学習結果製造方法、及びプログラム |
DE102016226195B3 (de) | 2016-12-23 | 2018-02-01 | Siemens Healthcare Gmbh | Berechnen eines vierdimensionalen DSA-Datensatzes mit variabler räumlicher Auflösung |
CN106682636B (zh) | 2016-12-31 | 2020-10-16 | 上海联影医疗科技有限公司 | 血管提取方法及其*** |
US10140421B1 (en) * | 2017-05-25 | 2018-11-27 | Enlitic, Inc. | Medical scan annotator system |
JP6954719B2 (ja) * | 2018-07-06 | 2021-10-27 | シーメンス ヘルスケア ゲゼルシヤフト ミツト ベシユレンクテル ハフツング | 検査ボリュームの差分画像データセットの決定 |
DE102019200270A1 (de) | 2019-01-11 | 2020-07-16 | Siemens Healthcare Gmbh | Bereitstellen eines Differenzbilddatensatzes und Bereitstellen einer trainierten Funktion |
DE102019200269A1 (de) | 2019-01-11 | 2020-07-16 | Siemens Healthcare Gmbh | Bereitstellen eines Beschränkungsbilddatensatzes und/oder eines Differenzbilddatensatzes |
DE102019208496B4 (de) | 2019-06-12 | 2024-01-25 | Siemens Healthcare Gmbh | Computerimplementierte Verfahren und Vorrichtungen zum Bereitstellen eines Differenzbilddatensatzes eines Untersuchungsvolumens und zum Bereitstellen einer trainierten Generatorfunktion |
-
2019
- 2019-05-27 JP JP2019098672A patent/JP6954719B2/ja active Active
- 2019-07-02 US US16/460,078 patent/US11017514B2/en active Active
- 2019-07-08 CN CN201910610360.6A patent/CN110689592B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
US11017514B2 (en) | 2021-05-25 |
US20200013153A1 (en) | 2020-01-09 |
JP2020022728A (ja) | 2020-02-13 |
CN110689592B (zh) | 2023-10-31 |
CN110689592A (zh) | 2020-01-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6954719B2 (ja) | 検査ボリュームの差分画像データセットの決定 | |
JP7433883B2 (ja) | 医用装置及びプログラム | |
US11026642B2 (en) | Apparatuses and a method for artifact reduction in medical images using a neural network | |
JP2020537555A (ja) | 機械学習レギュラライザを用いた画像再構成 | |
US20160225169A1 (en) | Method for local adjustment of regularization parameters for image quality optimization in fully 3d iterative ct reconstruction | |
US10722178B2 (en) | Method and apparatus for motion correction in CT imaging | |
US20140314331A1 (en) | Image domain de-noising | |
US20210007695A1 (en) | Apparatus and method using physical model based deep learning (dl) to improve image quality in images that are reconstructed using computed tomography (ct) | |
CN108242067B (zh) | 计算具有可变空间分辨率的四维dsa数据组 | |
JP7258983B2 (ja) | 4dコンピュータ断層撮影から呼吸性血液量変化を決定するシステム及び方法 | |
Xu et al. | Statistical iterative reconstruction to improve image quality for digital breast tomosynthesis | |
Jang et al. | Head motion correction based on filtered backprojection in helical CT scanning | |
Cierniak et al. | A practical statistical approach to the reconstruction problem using a single slice rebinning method | |
CN110599530A (zh) | 基于双正则约束的mvct图像纹理增强方法 | |
Kim et al. | Cardiac image reconstruction via nonlinear motion correction based on partial angle reconstructed images | |
KR102137765B1 (ko) | 사전 영상을 이용하는 고품질의 4차원 콘빔 전산화 단층 촬영 시스템 | |
CN109118555B (zh) | 计算机断层成像的金属伪影校正方法和*** | |
US20120155729A1 (en) | Methods and systems for fast iterative reconstruction using separable system models | |
Kim et al. | Evaluation of algebraic iterative image reconstruction methods for tetrahedron beam computed tomography systems | |
US20220215601A1 (en) | Image Reconstruction by Modeling Image Formation as One or More Neural Networks | |
KR102473009B1 (ko) | 비국부 전역 변형 저감화 기법을 이용한 저선량 콘빔 전산화 단층 촬영 시스템 | |
CN113409414B (zh) | X线图像的散射修正方法、装置、电子设备、存储介质 | |
US11823387B2 (en) | Providing a vascular image data record | |
Chen | Alternating minimization algorithms for dual-energy x-ray CT imaging and information optimization | |
Huang et al. | Deformable motion compensation in interventional cone‐beam CT with a context‐aware learned autofocus metric |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191227 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201118 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201124 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20210224 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210416 |
|
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: 20210831 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210928 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6954719 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |