JP7154322B2 - 医療画像処理方法及び装置、電子機器並びに記憶媒体 - Google Patents
医療画像処理方法及び装置、電子機器並びに記憶媒体 Download PDFInfo
- Publication number
- JP7154322B2 JP7154322B2 JP2020573401A JP2020573401A JP7154322B2 JP 7154322 B2 JP7154322 B2 JP 7154322B2 JP 2020573401 A JP2020573401 A JP 2020573401A JP 2020573401 A JP2020573401 A JP 2020573401A JP 7154322 B2 JP7154322 B2 JP 7154322B2
- Authority
- JP
- Japan
- Prior art keywords
- target
- feature map
- detection module
- image
- information
- 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
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
- 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
- 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
- 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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- 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
- 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
-
- 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
- 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
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
- G06T2207/30012—Spine; Backbone
-
- 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)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Evolutionary Computation (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Artificial Intelligence (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Pathology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
本願は、出願番号が201810818690.Xで、出願日が2018年7月24日である中国特許出願に基づいて提出され、且つこの中国特許出願の優先権を主張し、この中国特許出願の全ての内容が参照によって本願に組み込まれる。
第1検出モジュールを用いて医療画像を検出して、第2目標内の第1目標の第1位置情報を取得するステップであって、前記第2目標は少なくとも2つの前記第1目標を含む、ステップと、
前記第1検出モジュールを用いて前記第1位置情報にしたがって前記第2目標を分割して前記第1目標の目標特徴マップ及び第1診断補助情報を取得するステップと、を含む医療画像処理方法を提供する。
第1検出モジュールを用いて医療画像を検出して、第2目標内の第1目標の第1位置情報を取得するように構成される第1検出ユニットであって、前記第2目標は少なくとも2つの前記第1目標を含む、第1検出ユニットと、
前記第1検出モジュールを用いて前記第1位置情報にしたがって前記第2目標を分割して前記第1目標の目標特徴マップ及び第1診断補助情報を取得するように構成される処理ユニットと、を含む医療画像処理装置を提供する。
情報を記憶するためのメモリと、
前記メモリに接続され、前記メモリに記憶されたコンピュータ実行可能コマンドを実行することによって、第1態様のいずれか1つの技術的手段で提供される方法を実現できるプロセッサと、を含む画像処理装置を提供する。
第1検出モジュールを用いて医療画像を検出して、第2目標内の第1目標の第1位置情報を取得するステップS110であって、前記第2目標は少なくとも2つの前記第1目標を含む、ステップS110と、
前記第1検出モジュールを用いて前記第1位置情報にしたがって前記第2目標を分割して前記第1目標の目標特徴マップ及び第1診断補助情報を取得するステップS120と、を含む医療画像処理方法を提供する。
例えば、テキストとして属性を記述するテキスト情報と、
例えば、座標軸等の補助情報を組み合わせて、座標軸上で矢印及び文字説明等によって、椎間板等の第1目標の異なる次元(方向)のサイズをラベリングするラベリング情報と、を含んでよい。
第2検出モジュールを用いて医療画像を検出して、前記医療画像内の前記第2目標の第2位置情報を取得するステップS100と、
前記第2位置情報にしたがって前記医療画像から前記第2目標を含む処理待ち画像を分割するステップS101と、を更に含み、
前記ステップS110には、前記第1検出モジュールを用いて前記処理待ち画像を検出して、前記第1位置情報を取得するステップS110’を含んでよい。
第1検出モジュールを用いて前記処理待ち画像又は医療画像を検出して、前記第1目標の画像検出領域を取得するステップS111と、
前記画像検出領域を検出して前記第2目標の外郭情報を取得するステップS112と、
前記外郭情報にしたがってマスク領域を生成するステップS113と、
前記マスク領域により、前記医療画像又は処理待ち画像から第2目標を含む分割画像を分割するステップS114と、を含んでよい。
第2検出モジュールを用いて医療画像を検出して、第2目標の画像検出領域を取得するステップと、
第2目標の画像検出領域を検出して第2目標の外郭情報を取得するステップと、
第2目標の外郭情報に対応するマスク領域に応じて前記処理待ち画像を切り出すステップと、を含んでよい。
前記分割画像を処理して、前記第1目標に一対一に対応する前記目標特徴マップを取得するステップと、
前記処理待ち画像、前記目標特徴マップ及び前記分割画像の少なくとも1つに基づいて、前記第1目標の第1診断補助情報を取得するステップと、を含んでよい。
直接前記目標特徴マップにより対応する第1目標の第1診断補助情報を取得するステップを更に含んでよい。例えば、第1目標の異なる方向でのサイズ、例えば、第1目標の長さ及び厚さ等のサイズ情報を取得する。このようなサイズ情報は第1目標の属性情報の一種となってよい。別の実施例では、前記属性情報は更に形状を記述する形状情報を含んでよい。
前記第1検出モジュールの特徴抽出層を用いて前記分割画像から第1特徴マップを抽出するステップと、
前記第1検出モジュールのプーリング層を用いて、前記第1特徴マップに基づいて、スケールが前記第1特徴マップと異なる少なくとも1つの第2特徴マップを生成するステップと、
前記第2特徴マップにしたがって前記目標特徴マップを取得するステップと、を含んでよい。
前記第1検出モジュールのアップサンプリング層を用いて前記第2特徴マップに対してアップサンプリングを行って、第3特徴マップを取得するステップと、
前記第1検出モジュールの融合層を用いて前記第1特徴マップ及び前記第3特徴マップを融合して融合特徴マップを取得し、又は、前記第3特徴マップ及び前記第3特徴マップと異なるスケールの前記第2特徴マップを融合して融合特徴マップを取得するステップと、
前記第1検出モジュールの出力層を用いて前記融合特徴マップにしたがって前記目標特徴マップを出力するステップと、を含む。
前記処理待ち画像及び前記分割画像を組み合わせることにより、前記目標特徴マップに対応する前記第1目標の第1識別情報を決定するステップと、
前記目標特徴マップに基づいて前記第1目標の属性情報を決定するステップと、
前記目標特徴マップに基づいて前記第1目標のプロンプト情報を決定するステップとの少なくとも1つを含んでよい。
サンプルデータを用いて第2検出モジュールと第1検出モジュールをトレーニングするステップと、
サンプルデータを用いてトレーニングして前記第2検出モジュールと第1検出モジュールのネットワークパラメータを取得するステップと、
損失関数に基づいて、前記ネットワークパラメータを取得した第2検出モジュールと前記第1検出モジュールの損失値を計算するステップと、
前記損失値が所定の値以下であれば、前記第2検出モジュールと前記第1検出モジュールのトレーニングを完了し、又は、前記損失値が前記所定の値より大きければ、前記損失値にしたがって前記ネットワークパラメータを最適化するステップと、を更に含む。
前記損失値が前記所定の値より大きければ、逆伝搬方式を用いて前記ネットワークパラメータを更新するステップを含む。
1つの損失関数を用いて、前記第2検出モジュールから入力され且つ前記第1検出モジュールから出力されるエンドツーエンド損失値を計算するステップを含む。
前記現在医療画像の第2識別情報を取得するステップ、
前記第2識別情報により履歴医療画像に対応する履歴目標特徴マップを取得し、同一の第1目標の現在目標特徴マップと前記履歴目標特徴マップを比較し、第2診断補助情報を取得するステップ、
及び/又は、
前記第2識別情報により前記履歴医療画像に対応する第1診断補助情報を取得し、現在医療画像の第1診断補助情報と前記履歴医療画像に対応する第1診断補助情報を比較して第3診断補助情報を生成するステップを更に含む。
ステップS130の後に現在医療画像の目標特徴マップ及び第1診断補助情報を出力すると同時に、履歴医療診断画像に対応する目標特徴マップ及び/又は第1診断補助情報のリンクを前記第2識別情報により出力画面で確立するステップを含んでよく、そのようにして、医者が現在の需要に応じてリンクによって履歴医療画像の目標特徴マップ及び/又は第1診断補助情報を簡便に取得することもできる。
第1検出モジュールを用いて医療画像を検出して、第2目標内の第1目標の第1位置情報を取得するように構成される第1検出ユニット110であって、前記第2目標は少なくとも2つの前記第1目標を含む、第1検出ユニット110と、
前記第1検出モジュールを用いて前記第1位置情報にしたがって前記第2目標を分割して前記第1目標の目標特徴マップ及び第1診断補助情報を取得するように構成される処理ユニット120と、を含む医療画像処理装置を提供する。
第2検出モジュールを用いて医療画像を検出して、前記医療画像内の前記第2目標の第2位置情報を取得し、前記第2位置情報にしたがって前記医療画像から前記第2目標を含む処理待ち画像を分割するように構成される第2検出ユニットと、
前記医療画像を検出して前記第2目標の所在する画像検出領域を取得し、前記画像検出領域を検出して前記第2目標の外郭情報を取得し、前記外郭情報にしたがってマスク領域を生成するように構成される前記第1検出ユニット110と、を更に含む。
前記処理待ち画像及び前記分割画像を組み合わせることにより、前記目標特徴マップに対応する前記第1目標の第1識別情報を決定するステップと、
前記目標特徴マップに基づいて前記第1目標の属性情報を決定するステップと、
前記目標特徴マップに基づいて、前記第1目標の属性情報を基に生成するプロンプト情報を決定するステップとの少なくとも1つを実行するように構成される。
サンプルデータを用いてトレーニングして前記第2検出モジュールと第1検出モジュールを取得するように構成されるトレーニングユニットと、
損失関数に基づいて、ネットワークパラメータを取得した第2検出モジュールと前記第1検出モジュールの損失値を計算するように構成される計算ユニットと、
前記損失値が所定の値より大きければ、前記損失値にしたがって前記ネットワークパラメータを最適化するように構成される最適化ユニットと、を更に含み、又は、前記トレーニングユニットは、更に、前記損失値が前記所定の値以下であれば、前記第2検出モジュールと前記第1検出モジュールのトレーニングを完了するために用いられる。
いくつかの実施例では、前記計算ユニットは、1つの損失関数を用いて、前記第2検出モジュールから入力され且つ前記第1検出モジュールから出力されるエンドツーエンド損失値を計算するように構成される。
前記第1目標が椎間板である。
まず深層学習モデルを用いて検出して椎間板の位置を確定し、各椎間板の位置情報を取得し、例えば、各椎間板の中心座標を取得し、且つどの椎間板であるかを表記する(つまり、該椎間板がどの2つの椎骨の間に位置するかを表記し、例えば胸椎T12と腰椎L1の間に位置する)。ここの深層学習モデルは、上述したニューラルネットワークモデルを含んでよい。
入力されたDixonシーケンスにより分割アルゴリズムを用いて脊椎部分の分割結果を取得し、干渉になる他の部分を除去するステップを含んでよく、具体的には、Dixonシーケンスを検出ネットワークに入力し、脊椎分割結果の制限により、椎間板の具体的位置を検出し、分割のための大まかなマスク領域を生成するステップと、完全畳み込みネットワークの2次元画像分割に基づいて、Dixonシーケンス内の各フレーム画像をそれぞれ分割し、次に結合して完全な分割結果を取得するステップと、を含んでよい。
椎間板を検出した後で精確な分割を行って、干渉が除去され、分割結果がより正確になる。
分割結果がより正確になったため、それに基づいて算出された体積等のパラメータもより正確になる。医者の診断をより好適に補助する。
情報を記憶するように構成されるメモリと、
前記メモリに接続され、前記メモリに記憶されたコンピュータ実行可能コマンドを実行することによって、上述した1つ又は複数の技術的手段で提供された画像処理方法、例えば、図1、図2及び/又は図3に示す方法を実現できるように構成されるプロセッサと、を含む画像処理装置を提供する。
120 処理ユニット
Claims (17)
- 医療画像処理方法であって、
第1検出モジュールを用いて医療画像を検出して、第2目標内の第1目標の第1位置情報を取得するステップであって、前記第2目標は少なくとも2つの前記第1目標を含み、前記第1位置情報は、前記第1目標のエッジのエッジ座標値、前記第1目標の中心の中心座標値及び前記第1目標の前記第2目標での各次元のサイズ値を含む、ステップと、
前記第1検出モジュールを用いて前記第1位置情報にしたがって前記第2目標を分割して前記第1目標の目標特徴マップ及び第1診断補助情報を取得するステップと、を含む医療画像処理方法。 - 前記第1検出モジュールを用いて前記第1位置情報にしたがって前記第2目標を分割して前記第1目標の目標特徴マップ及び第1診断補助情報を取得するステップは、
前記第1検出モジュールを用いて前記第1位置情報にしたがって前記第2目標に対して画素レベルの分割を行って前記目標特徴マップ及び前記第1診断補助情報を取得するステップを含む請求項1に記載の方法。 - 第2検出モジュールを用いて医療画像を検出して、前記医療画像内の前記第2目標の第2位置情報を取得するステップと、
前記第2位置情報にしたがって前記医療画像から前記第2目標を含む処理待ち画像を分割するステップと、を更に含み、
前記第1検出モジュールを用いて医療画像を検出して、第2目標内の第1目標の第1位置情報を取得するステップは、
前記第1検出モジュールを用いて前記処理待ち画像を検出して、前記第1位置情報を取得するステップを含む請求項1又は2に記載の方法。 - 前記第1検出モジュールを用いて医療画像を検出して、第2目標内の第1目標の第1位置情報を取得するステップは、
第1検出モジュールを用いて処理待ち画像又は医療画像を検出して前記第1目標の画像検出領域を取得するステップと、
前記画像検出領域を検出して前記第1目標の外郭情報を取得するステップと、
前記外郭情報にしたがってマスク領域を生成するステップであって、前記マスク領域は前記第2目標を分割して前記第1目標の分割画像を取得するためである、ステップと、を含む請求項1~3のいずれか一項に記載の方法。 - 前記第2目標を分割して前記第1目標の目標特徴マップ及び第1診断補助情報を取得するステップは、
前記分割画像を処理して、前記第1目標に一対一に対応する前記目標特徴マップを取得するステップと、
前記処理待ち画像、前記目標特徴マップ及び前記分割画像の少なくとも1つに基づいて、前記第1目標の第1診断補助情報を取得するステップと、を含む請求項4に記載の方法。 - 前記分割画像を処理して前記目標特徴マップを取得するステップは、
前記第1検出モジュールの特徴抽出層を用いて前記分割画像から第1特徴マップを抽出するステップと、
前記第1検出モジュールのプーリング層を用いて、前記第1特徴マップに基づいて、スケールが前記第1特徴マップと異なる少なくとも1つの第2特徴マップを生成するステップと、
前記第2特徴マップにしたがって前記目標特徴マップを取得するステップと、を含む請求項5に記載の方法。 - 前記分割画像を処理して前記目標特徴マップを取得するステップは、
前記第1検出モジュールのアップサンプリング層を用いて前記第2特徴マップに対してアップサンプリングを行って、第3特徴マップを取得するステップと、
前記第1検出モジュールの融合層を用いて前記第1特徴マップ及び前記第3特徴マップを融合して融合特徴マップを取得し、又は、前記第3特徴マップ及び前記第3特徴マップと異なるスケールの前記第2特徴マップを融合して融合特徴マップを取得するステップと、
前記第1検出モジュールの出力層を用いて前記融合特徴マップにしたがって前記目標特徴マップを出力するステップと、を含む請求項6に記載の方法。 - 前記処理待ち画像、前記目標特徴マップ及び前記分割画像の少なくとも1つに基づいて、前記第1目標の第1診断補助情報を取得するステップは、
前記処理待ち画像及び前記分割画像を組み合わせることにより、前記目標特徴マップに対応する前記第1目標の第1識別情報を決定するステップと、
前記目標特徴マップに基づいて前記第1目標の属性情報を決定するステップと、
前記目標特徴マップに基づいて、前記第1目標の属性情報を基に生成するプロンプト情報を決定するステップとの少なくとも1つを含む請求項6に記載の方法。 - サンプルデータを用いてトレーニングして第2検出モジュールと第1検出モジュールを取得するステップと、
損失関数に基づいて、ネットワークパラメータを取得した第2検出モジュールと前記第1検出モジュールの損失値を計算するステップと、
前記損失値が所定の値以下であれば、前記第2検出モジュールと前記第1検出モジュールのトレーニングを完了し、又は、前記損失値が前記所定の値より大きければ、前記損失値にしたがって前記ネットワークパラメータを最適化するステップと、を更に含む請求項3~8のいずれか一項に記載の方法。 - 前記損失値が前記所定の値より大きければ、前記損失値にしたがって前記ネットワークパラメータを最適化するステップは、
前記損失値が前記所定の値より大きければ、逆伝搬方式を用いて前記ネットワークパラメータを更新するステップを含む請求項9に記載の方法。 - 損失関数に基づいて、前記ネットワークパラメータを取得した第2検出モジュールと前記第1検出モジュールの損失値を計算するステップは、
1つの損失関数を用いて、前記第2検出モジュールから入力され且つ前記第1検出モジュールから出力されるエンドツーエンド損失値を計算するステップを含む請求項9に記載の方法。 - 前記第1検出モジュールは第1検出モデルを含み、
及び/又は、
前記第2検出モジュールは第2検出モデルを含む請求項3、9~11のいずれか一項に記載の方法。 - 前記第2目標が脊柱であり、
前記第1目標が椎間板である請求項1~12のいずれか一項に記載の方法。 - 医療画像処理装置であって、
第1検出モジュールを用いて医療画像を検出して、第2目標内の第1目標の第1位置情報を取得するように構成される第1検出ユニットであって、前記第2目標は少なくとも2つの前記第1目標を含み、前記第1位置情報は、前記第1目標のエッジのエッジ座標値、前記第1目標の中心の中心座標値及び前記第1目標の前記第2目標での各次元のサイズ値を含む、第1検出ユニットと、
前記第1検出モジュールを用いて前記第1位置情報にしたがって前記第2目標を分割して前記第1目標の目標特徴マップ及び第1診断補助情報を取得するように構成される処理ユニットと、を含む医療画像処理装置。 - コンピュータに請求項1~13のいずれか一項に記載の方法を実行させるためのコンピュータ実行可能コードを記憶したコンピュータ読み取り可能な記憶媒体。
- コンピュータに請求項1~13のいずれか一項に記載の方法を実行させるためのコンピュータプログラム。
- 情報を記憶するように構成されるメモリと、
前記メモリに接続され、前記メモリに記憶されたコンピュータ実行可能コマンドを実行することによって、請求項1~13のいずれか一項によって提供される方法を実現できるように構成されるプロセッサと、を含む画像処理装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810818690.X | 2018-07-24 | ||
CN201810818690.XA CN108986891A (zh) | 2018-07-24 | 2018-07-24 | 医疗影像处理方法及装置、电子设备及存储介质 |
PCT/CN2018/117759 WO2020019612A1 (zh) | 2018-07-24 | 2018-11-27 | 医疗影像处理方法及装置、电子设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021529400A JP2021529400A (ja) | 2021-10-28 |
JP7154322B2 true JP7154322B2 (ja) | 2022-10-17 |
Family
ID=64549848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020573401A Active JP7154322B2 (ja) | 2018-07-24 | 2018-11-27 | 医療画像処理方法及び装置、電子機器並びに記憶媒体 |
Country Status (7)
Country | Link |
---|---|
US (1) | US20210073982A1 (ja) |
JP (1) | JP7154322B2 (ja) |
KR (1) | KR20210002606A (ja) |
CN (1) | CN108986891A (ja) |
SG (1) | SG11202011655YA (ja) |
TW (1) | TWI715117B (ja) |
WO (1) | WO2020019612A1 (ja) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111435432B (zh) * | 2019-01-15 | 2023-05-26 | 北京市商汤科技开发有限公司 | 网络优化方法及装置、图像处理方法及装置、存储介质 |
CN109949309B (zh) * | 2019-03-18 | 2022-02-11 | 安徽紫薇帝星数字科技有限公司 | 一种基于深度学习的肝脏ct图像分割方法 |
CN109978886B (zh) * | 2019-04-01 | 2021-11-09 | 北京市商汤科技开发有限公司 | 图像处理方法及装置、电子设备和存储介质 |
CN110148454B (zh) * | 2019-05-21 | 2023-06-06 | 上海联影医疗科技股份有限公司 | 一种摆位方法、装置、服务器及存储介质 |
CN110555833B (zh) * | 2019-08-30 | 2023-03-21 | 联想(北京)有限公司 | 图像处理方法、装置、电子设备以及介质 |
CN110992376A (zh) * | 2019-11-28 | 2020-04-10 | 北京推想科技有限公司 | 基于ct图像的肋骨分割方法、装置、介质及电子设备 |
CN111369582B (zh) * | 2020-03-06 | 2023-04-07 | 腾讯科技(深圳)有限公司 | 图像分割方法、背景替换方法、装置、设备及存储介质 |
WO2021247034A1 (en) * | 2020-06-05 | 2021-12-09 | Aetherai Ip Holding Llc | Object detection method and convolution neural network for the same |
CN111768382B (zh) * | 2020-06-30 | 2023-08-15 | 重庆大学 | 一种基于肺结节生长形态的交互式分割方法 |
TWI771761B (zh) * | 2020-09-25 | 2022-07-21 | 宏正自動科技股份有限公司 | 醫療影像處理方法及其醫療影像處理裝置 |
TWI768575B (zh) | 2020-12-03 | 2022-06-21 | 財團法人工業技術研究院 | 三維影像動態矯正評估與矯具輔助設計方法及其系統 |
TWI755214B (zh) * | 2020-12-22 | 2022-02-11 | 鴻海精密工業股份有限公司 | 區分物件的方法、電腦裝置及儲存介質 |
CN113052159B (zh) * | 2021-04-14 | 2024-06-07 | ***通信集团陕西有限公司 | 一种图像识别方法、装置、设备及计算机存储介质 |
CN113112484B (zh) * | 2021-04-19 | 2021-12-31 | 山东省人工智能研究院 | 一种基于特征压缩和噪声抑制的心室图像分割方法 |
CN113255756B (zh) * | 2021-05-20 | 2024-05-24 | 联仁健康医疗大数据科技股份有限公司 | 图像融合方法、装置、电子设备及存储介质 |
CN113269747B (zh) * | 2021-05-24 | 2023-06-13 | 浙江大学医学院附属第一医院 | 一种基于深度学习的病理图片肝癌扩散检测方法及*** |
CN113554619A (zh) * | 2021-07-22 | 2021-10-26 | 深圳市永吉星光电有限公司 | 3d医用***头的图像目标检测方法、***及装置 |
KR102632864B1 (ko) * | 2023-04-07 | 2024-02-07 | 주식회사 카비랩 | 의미론적 분할을 이용한 3차원 골절 골편 분할 시스템 및 그 방법 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017091833A1 (en) | 2015-11-29 | 2017-06-01 | Arterys Inc. | Automated cardiac volume segmentation |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120143090A1 (en) * | 2009-08-16 | 2012-06-07 | Ori Hay | Assessment of Spinal Anatomy |
TWI473598B (zh) * | 2012-05-18 | 2015-02-21 | Univ Nat Taiwan | Breast ultrasound image scanning and diagnostic assistance system |
US9430829B2 (en) * | 2014-01-30 | 2016-08-30 | Case Western Reserve University | Automatic detection of mitosis using handcrafted and convolutional neural network features |
CN105678746B (zh) * | 2015-12-30 | 2018-04-03 | 上海联影医疗科技有限公司 | 一种医学图像中肝脏范围的定位方法及装置 |
WO2017141958A1 (ja) * | 2016-02-15 | 2017-08-24 | 学校法人慶應義塾 | 脊柱配列推定装置、脊柱配列推定方法及び脊柱配列推定プログラム |
US9965863B2 (en) * | 2016-08-26 | 2018-05-08 | Elekta, Inc. | System and methods for image segmentation using convolutional neural network |
CN108229455B (zh) * | 2017-02-23 | 2020-10-16 | 北京市商汤科技开发有限公司 | 物体检测方法、神经网络的训练方法、装置和电子设备 |
US10366491B2 (en) * | 2017-03-08 | 2019-07-30 | Siemens Healthcare Gmbh | Deep image-to-image recurrent network with shape basis for automatic vertebra labeling in large-scale 3D CT volumes |
CN107220980B (zh) * | 2017-05-25 | 2019-12-03 | 重庆师范大学 | 一种基于全卷积网络的mri图像脑肿瘤自动分割方法 |
WO2019023891A1 (en) * | 2017-07-31 | 2019-02-07 | Shenzhen United Imaging Healthcare Co., Ltd. | SYSTEMS AND METHODS FOR AUTOMATIC SEGMENTATION AND IDENTIFICATION OF VERTEBRA IN MEDICAL IMAGES |
WO2019041262A1 (en) * | 2017-08-31 | 2019-03-07 | Shenzhen United Imaging Healthcare Co., Ltd. | SYSTEM AND METHOD FOR IMAGE SEGMENTATION |
US11158047B2 (en) * | 2017-09-15 | 2021-10-26 | Multus Medical, Llc | System and method for segmentation and visualization of medical image data |
CN107784647B (zh) * | 2017-09-29 | 2021-03-09 | 华侨大学 | 基于多任务深度卷积网络的肝脏及其肿瘤分割方法及*** |
EP3872759A1 (en) * | 2017-10-20 | 2021-09-01 | Nuvasive, Inc. | Intervertebral disc modeling |
CN107945179A (zh) * | 2017-12-21 | 2018-04-20 | 王华锋 | 一种基于特征融合的卷积神经网络的肺结节良恶性检测方法 |
CN108230323B (zh) * | 2018-01-30 | 2021-03-23 | 浙江大学 | 一种基于卷积神经网络的肺结节假阳性筛选方法 |
US10878576B2 (en) * | 2018-02-14 | 2020-12-29 | Elekta, Inc. | Atlas-based segmentation using deep-learning |
US10902587B2 (en) * | 2018-05-31 | 2021-01-26 | GE Precision Healthcare LLC | Methods and systems for labeling whole spine image using deep neural network |
CN111063424B (zh) * | 2019-12-25 | 2023-09-19 | 上海联影医疗科技股份有限公司 | 一种椎间盘数据处理方法、装置、电子设备及存储介质 |
-
2018
- 2018-07-24 CN CN201810818690.XA patent/CN108986891A/zh not_active Withdrawn
- 2018-11-27 WO PCT/CN2018/117759 patent/WO2020019612A1/zh active Application Filing
- 2018-11-27 KR KR1020207033584A patent/KR20210002606A/ko not_active Application Discontinuation
- 2018-11-27 SG SG11202011655YA patent/SG11202011655YA/en unknown
- 2018-11-27 JP JP2020573401A patent/JP7154322B2/ja active Active
-
2019
- 2019-07-24 TW TW108126233A patent/TWI715117B/zh active
-
2020
- 2020-11-20 US US16/953,896 patent/US20210073982A1/en not_active Abandoned
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017091833A1 (en) | 2015-11-29 | 2017-06-01 | Arterys Inc. | Automated cardiac volume segmentation |
Also Published As
Publication number | Publication date |
---|---|
US20210073982A1 (en) | 2021-03-11 |
CN108986891A (zh) | 2018-12-11 |
SG11202011655YA (en) | 2020-12-30 |
KR20210002606A (ko) | 2021-01-08 |
JP2021529400A (ja) | 2021-10-28 |
WO2020019612A1 (zh) | 2020-01-30 |
TWI715117B (zh) | 2021-01-01 |
TW202008163A (zh) | 2020-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7154322B2 (ja) | 医療画像処理方法及び装置、電子機器並びに記憶媒体 | |
Shin et al. | Deep vessel segmentation by learning graphical connectivity | |
Rampun et al. | Breast pectoral muscle segmentation in mammograms using a modified holistically-nested edge detection network | |
Al Arif et al. | Fully automatic cervical vertebrae segmentation framework for X-ray images | |
JP6657132B2 (ja) | 画像分類装置、方法およびプログラム | |
US20180260951A1 (en) | Deep Image-to-Image Recurrent Network with Shape Basis for Automatic Vertebra Labeling in Large-Scale 3D CT Volumes | |
JP2022518446A (ja) | 深層学習に基づく医用画像検出方法及び装置、電子機器及びコンピュータプログラム | |
US20200327721A1 (en) | Autonomous level identification of anatomical bony structures on 3d medical imagery | |
US20220198230A1 (en) | Auxiliary detection method and image recognition method for rib fractures based on deep learning | |
EP2866200A1 (en) | Apparatus and method for computer-aided diagnosis | |
JP2021002338A (ja) | 画像セグメンテーション及び識別のための方法及びシステム | |
CN102934126A (zh) | 放射摄影图像中的微钙化检测和分级 | |
CN112489005A (zh) | 骨分割方法及装置、骨折检出方法及装置 | |
CN111667459B (zh) | 一种基于3d可变卷积和时序特征融合的医学征象检测方法、***、终端及存储介质 | |
CN115115575A (zh) | 一种图像检测方法、装置、计算机设备及存储介质 | |
Laumer et al. | Weakly supervised inference of personalized heart meshes based on echocardiography videos | |
CN110009641A (zh) | 晶状体分割方法、装置及存储介质 | |
CN112541900A (zh) | 基于卷积神经网络的检测方法、装置、计算机设备及存储介质 | |
KR102173321B1 (ko) | 형태학적 특징을 이용한 자동 척추 골절 진단 및 검출 장치 및 방법 | |
JP7456928B2 (ja) | 胸部x線画像の異常表示制御方法、異常表示制御プログラム、異常表示制御装置、及びサーバ装置 | |
AU2019204365B1 (en) | Method and System for Image Segmentation and Identification | |
Lee et al. | True-false lumen segmentation of aortic dissection using multi-scale wavelet analysis and generative-discriminative model matching | |
CN110176007A (zh) | 晶状体分割方法、装置及存储介质 | |
CN112862786B (zh) | Cta影像数据处理方法、装置及存储介质 | |
CN112862785B (zh) | Cta影像数据识别方法、装置及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201228 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201228 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220511 |
|
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: 20220920 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221004 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7154322 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |