JP7233792B2 - 画像診断装置、画像診断方法、プログラム及び機械学習用訓練データの生成方法 - Google Patents
画像診断装置、画像診断方法、プログラム及び機械学習用訓練データの生成方法 Download PDFInfo
- Publication number
- JP7233792B2 JP7233792B2 JP2022533229A JP2022533229A JP7233792B2 JP 7233792 B2 JP7233792 B2 JP 7233792B2 JP 2022533229 A JP2022533229 A JP 2022533229A JP 2022533229 A JP2022533229 A JP 2022533229A JP 7233792 B2 JP7233792 B2 JP 7233792B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- images
- blur
- diagnostic imaging
- ultrasonic
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
- A61B8/14—Echo-tomography
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Description
(実施の形態1)
図1は、画像診断システムの構成例を示す説明図である。本実施の形態では、被検者の***を対象とした超音波画像診断を行う画像診断システムについて説明する。画像診断システムは、サーバ1及び画像診断装置2を含む。サーバ1及び画像診断装置2は、ネットワークNを介して通信接続されている。
制御部11は、一又は複数のCPU(Central Processing Unit)、MPU(Micro-Processing Unit)、GPU(Graphics Processing Unit)等のプロセッサを有し、補助記憶部14に記憶されたプログラムP1を読み出して実行することにより、種々の情報処理を行う。主記憶部12は、SRAM(Static Random Access Memory)、DRAM(Dynamic Random Access Memory)、フラッシュメモリ等の一時記憶領域であり、制御部11が演算処理を実行するために必要なデータを一時的に記憶する。通信部13は、通信に関する処理を行うための通信モジュールであり、外部と情報の送受信を行う。補助記憶部14は、大容量メモリ、ハードディスク等の不揮発性記憶領域であり、制御部11が処理を実行するために必要なプログラムP1、その他のデータを記憶している。
制御部21は、一又は複数のCPU等のプロセッサを有し、補助記憶部28に記憶されたプログラムP2を読み出して実行することにより、種々の情報処理を行う。主記憶部22は、RAM等の一時記憶領域であり、制御部21が演算処理を実行するために必要なデータを一時的に記憶する。通信部23は、通信に関する処理を行うための通信モジュールであり、外部と情報の送受信を行う。表示部24は、液晶ディスプレイ等の表示画面であり、画像を表示する。入力部25は、キーボード、マウス等の操作インターフェイスであり、ユーザから操作入力を受け付ける。送受信部26は、リングアレイ34の超音波素子341を制御し、超音波信号を送受信する。画像処理部27は、画像処理(再構成)を行うモジュールであり、好適には、GPUのように計算処理能力が高いプロセッサを含む。
サーバ1の制御部11は、過去に撮像(生成)された被検者の***(生体部位)の超音波断層像であって、画像にぼやけがない複数の断層像を取得する(ステップS11)。制御部11は、各断層像に対してぼやけを加えた訓練用の断層像を生成する(ステップS12)。具体的には、制御部11は、ぼやけがない断層像の各々を構成する複数のファン画像に対し、体動を模擬した所定の座標変換を施す。制御部11は、座標変換後の複数のファン画像を再構成することで、人工的にぼやけを加えた断層像を生成する。
画像診断装置2(画像処理装置20)の制御部21は、リングアレイ34の各超音波素子341から超音波信号を送信し、各超音波素子341から送信した超音波信号の反射波を受信して得た複数のファン画像(反射波データ、第1画像)を取得する(ステップS31)。制御部21は、リングアレイ34を上下方向に移動させながら超音波信号を送受信し、***の互いに異なる位置(高さ)において各方向から***を撮像したファン画像を取得する。
実施の形態1では、ファン画像を断層像に再構成する際にぼやけの検出及び補正を行う形態について説明した。本実施の形態では、断層像(第1画像)を3次元画像(第2画像)に再構成する際にぼやけの検出及び補正を行う形態について述べる。なお、実施の形態1と重複する内容については同一の符号を付して説明を省略する。
サーバ1の制御部11は、過去に生成(撮像)された被検者の***の3次元画像であって、画像にぼやけがない複数の3次元画像を取得する(ステップS201)。制御部11は、各3次元画像に対してぼやけを加えた訓練用の3次元画像を生成する(ステップS202)。具体的には、制御部11は、ぼやけがない3次元画像を構成する複数の断層像に対して体動を模擬した所定の座標変換を施し、座標変換後の複数の断層像を再構成して、ぼやけを加えた3次元画像を生成する。
画像診断装置2(画像処理装置20)の画像処理部27は、***の互いに異なる位置において撮像された複数の断層像(第1画像)を再構成した3次元画像を生成する(ステップS221)。制御部21は、生成した3次元画像から、***に対応する画像領域を抽出する(ステップS222)。制御部21は、抽出した画像領域を第2モデル52に入力し、3次元画像のぼやけを検出する(ステップS223)。
11 制御部
12 主記憶部
13 通信部
14 補助記憶部
P1 プログラム
2 画像診断装置
20 画像処理装置
21 制御部
22 主記憶部
23 通信部
24 表示部
25 入力部
26 送受信部
27 画像処理部
28 補助記憶部
P2 プログラム
51 第1モデル
511 特徴量抽出器
512 検出器
52 第2モデル
30 撮像装置
31 天板
32 孔
33 水槽
34 リングアレイ
341 超音波素子
Claims (16)
- 超音波信号に基づき被検者の生体部位を撮像した複数の第1画像を取得する取得部と、
前記複数の第1画像を再構成した第2画像を生成する生成部と、
前記第1画像又は第2画像を入力した場合に、前記第1画像又は第2画像のぼやけを検出するよう学習済みのモデルに、取得した前記第1画像、又は生成した前記第2画像を入力して前記ぼやけを検出する検出部と、
前記ぼやけを検出した場合、前記複数の第1画像同士の位置合わせを行うための位置合わせ関数を算出する算出部とを備え、
前記生成部は、前記複数の第1画像と、前記位置合わせ関数とに基づき、前記第2画像を生成する
画像診断装置。 - 前記取得部は、複数の方向それぞれから前記生体部位に送信した前記超音波信号を受信して得た複数の反射波データを前記複数の第1画像として取得し、
前記生成部は、前記複数の反射波データを再構成した超音波断層像を前記第2画像として生成する
請求項1に記載の画像診断装置。 - 前記複数の第1画像は、前記生体部位の周囲を取り囲むように配置した複数の超音波素子から前記超音波信号を順次送信して得た複数の反射波データであり、
一の前記超音波断層像の生成に用いる前記複数の反射波データのうち、初回に送信した前記超音波信号に対応する反射波データの撮像領域と、最終回に送信した前記超音波信号に対応する反射波データの撮像領域とは、少なくとも一部が互いに重複する
請求項2に記載の画像診断装置。 - 前記取得部は、前記生体部位の互いに異なる位置において撮像された複数の超音波断層像を前記複数の第1画像として取得し、
前記生成部は、前記複数の超音波断層像を再構成した3次元画像を前記第2画像として生成する
請求項1~3のいずれか1項に記載の画像診断装置。 - 前記モデルは、前記第1画像又は第2画像の特徴量を抽出する特徴量抽出器と、前記特徴量を入力した場合に前記ぼやけの程度を表すスコアを算出するよう学習済みの検出器とを備え、
前記検出部は、
前記第1画像又は第2画像を前記特徴量抽出器に入力して前記特徴量を抽出し、
抽出した前記特徴量を前記検出器に入力して前記スコアを算出し、算出した該スコアに応じて前記ぼやけを検出する
請求項1~4のいずれか1項に記載の画像診断装置。 - 前記スコアに基づき、前記第1画像の再撮像の要否を判定する判定部を備える
請求項5に記載の画像診断装置。 - 前記検出部は、
前記複数の第1画像から、各第1画像に対して撮像位置が隣り合う隣接画像を取得し、
各第1画像と、取得した隣接画像との不一致度を算出し、
各第1画像を前記特徴量抽出器に入力して抽出した前記特徴量を前記検出器に入力して算出した前記スコアと、算出した隣接画像との不一致度とに応じて前記ぼやけを検出する
請求項5又は6に記載の画像診断装置。 - 前記第1画像又は第2画像から、前記生体部位に対応する画像領域を抽出する抽出部を備え、
前記検出部は、前記画像領域を前記モデルに入力して前記ぼやけを検出する
請求項1~7のいずれか1項に記載の画像診断装置。 - 前記算出部は、
前記複数の第1画像に対してエッジ検出を行い、前記第1画像内のエッジを抽出した複数のエッジ画像を生成し、
前記複数のエッジ画像の間における前記エッジの動きベクトルを算出し、
算出した前記動きベクトルに基づき、前記位置合せ関数を算出する
請求項1~8のいずれか1項に記載の画像診断装置。 - 前記ぼやけを検出した場合、前記位置合わせ関数を適用せずに前記複数の第1画像から生成した前記第2画像と、前記位置合わせ関数を適用して前記複数の第1画像から生成した前記第2画像とを表示する表示部を備える
請求項1~9のいずれか1項に記載の画像診断装置。 - 前記第1画像の補正の要否を選択する選択入力を受け付ける受付部と、
複数の前記第2画像を再構成した第3画像を生成する第2生成部とを備え、
前記第2生成部は、前記補正の要否の選択結果に応じて、表示した2つの前記第2画像のいずれかを用いて前記第3画像を生成する
請求項10に記載の画像診断装置。 - 前記第1画像の再撮像の要否を選択する選択入力を受け付ける第2受付部を備え、
再撮像が必要である旨の選択入力を受け付けた場合、前記取得部は、前記生体部位を再撮像した前記複数の第1画像を取得し、
前記生成部は、前記再撮像した複数の第1画像を再構成した前記第2画像を生成する
請求項10又は11に記載の画像診断装置。 - 前記検出部は、前記第1画像又は第2画像から前記ぼやけ以外のアーチファクトを検出し、
前記アーチファクトを検出した場合、前記取得部は、前記生体部位を再撮像した前記複数の第1画像を取得し、
前記生成部は、前記再撮像した複数の第1画像を再構成した前記第2画像を生成する
請求項1~11のいずれか1項に記載の画像診断装置。 - 超音波信号に基づき被検者の生体部位を撮像した複数の第1画像を取得し、
前記複数の第1画像を再構成した第2画像を生成し、
前記第1画像又は第2画像を入力した場合に、前記第1画像又は第2画像のぼやけを検出するよう学習済みのモデルに、取得した前記第1画像、又は生成した前記第2画像を入力して前記ぼやけを検出し、
前記ぼやけを検出した場合、前記複数の第1画像同士の位置合わせを行うための位置合わせ関数を算出し、
前記複数の第1画像と、前記位置合わせ関数とに基づき、前記第2画像を生成する
処理をコンピュータが実行する画像診断方法。 - 超音波信号に基づき被検者の生体部位を撮像した複数の第1画像を取得し、
前記複数の第1画像を再構成した第2画像を生成し、
前記第1画像又は第2画像を入力した場合に、前記第1画像又は第2画像のぼやけを検出するよう学習済みのモデルに、取得した前記第1画像、又は生成した前記第2画像を入力して前記ぼやけを検出し、
前記ぼやけを検出した場合、前記複数の第1画像同士の位置合わせを行うための位置合わせ関数を算出し、
前記複数の第1画像と、前記位置合わせ関数とに基づき、前記第2画像を生成する
処理をコンピュータに実行させるプログラム。 - 超音波信号に基づき被検者の生体部位を撮像した複数の第1画像を取得し、
取得した前記複数の第1画像に対して生体の体動を模した所定の座標変換を施し、
座標変換後の前記複数の第1画像を再構成した第2画像を生成する
処理をコンピュータに実行させる機械学習用訓練データの生成方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020198664 | 2020-11-30 | ||
JP2020198664 | 2020-11-30 | ||
PCT/JP2021/043404 WO2022114131A1 (ja) | 2020-11-30 | 2021-11-26 | 画像診断装置、画像診断方法、プログラム及び機械学習用訓練データの生成方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2022114131A1 JPWO2022114131A1 (ja) | 2022-06-02 |
JP7233792B2 true JP7233792B2 (ja) | 2023-03-07 |
Family
ID=81755642
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022533229A Active JP7233792B2 (ja) | 2020-11-30 | 2021-11-26 | 画像診断装置、画像診断方法、プログラム及び機械学習用訓練データの生成方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7233792B2 (ja) |
WO (1) | WO2022114131A1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014064913A (ja) | 2012-09-10 | 2014-04-17 | Toshiba Corp | 超音波診断装置、医用画像処理装置及び画像処理プログラム |
JP2014131777A (ja) | 2010-07-14 | 2014-07-17 | Hitachi Medical Corp | 超音波画像の画像復元方法およびその装置並びに超音波診断装置 |
JP2016055162A (ja) | 2014-09-05 | 2016-04-21 | キヤノン株式会社 | 被検体情報取得装置 |
WO2019082892A1 (ja) | 2017-10-24 | 2019-05-02 | 株式会社Lily MedTech | 超音波診断システム及び超音波診断方法 |
US20190350534A1 (en) | 2018-05-16 | 2019-11-21 | Siemens Healthcare Gmbh | System and method for determining an imaging modality and the parameters therefor |
JP2020531074A (ja) | 2017-08-17 | 2020-11-05 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 画像アーチファクト特定及び除去のための深層学習ネットワークを有する超音波システム |
-
2021
- 2021-11-26 JP JP2022533229A patent/JP7233792B2/ja active Active
- 2021-11-26 WO PCT/JP2021/043404 patent/WO2022114131A1/ja active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014131777A (ja) | 2010-07-14 | 2014-07-17 | Hitachi Medical Corp | 超音波画像の画像復元方法およびその装置並びに超音波診断装置 |
JP2014064913A (ja) | 2012-09-10 | 2014-04-17 | Toshiba Corp | 超音波診断装置、医用画像処理装置及び画像処理プログラム |
JP2016055162A (ja) | 2014-09-05 | 2016-04-21 | キヤノン株式会社 | 被検体情報取得装置 |
JP2020531074A (ja) | 2017-08-17 | 2020-11-05 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 画像アーチファクト特定及び除去のための深層学習ネットワークを有する超音波システム |
WO2019082892A1 (ja) | 2017-10-24 | 2019-05-02 | 株式会社Lily MedTech | 超音波診断システム及び超音波診断方法 |
US20190350534A1 (en) | 2018-05-16 | 2019-11-21 | Siemens Healthcare Gmbh | System and method for determining an imaging modality and the parameters therefor |
Also Published As
Publication number | Publication date |
---|---|
JPWO2022114131A1 (ja) | 2022-06-02 |
WO2022114131A1 (ja) | 2022-06-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10743844B2 (en) | Ultrasound imaging apparatus | |
US8657440B2 (en) | Image processing apparatus and image processing method | |
CN101596110B (zh) | 心脏mri中视场的自动确定 | |
US20170164923A1 (en) | Image Processor, Ultrasound Diagnostic Device Including Same, And Image Processing Method | |
JP2020531074A (ja) | 画像アーチファクト特定及び除去のための深層学習ネットワークを有する超音波システム | |
CN113557714A (zh) | 医学图像处理装置、医学图像处理方法和程序 | |
EP4129197A1 (en) | Computer program, information processing method, information processing device, and method for generating model | |
JP7183590B2 (ja) | 眼科画像処理装置、oct装置、および眼科画像処理プログラム | |
US20240050062A1 (en) | Analyzing apparatus and analyzing method | |
US11631160B2 (en) | Image processing apparatus, image processing method, and X-ray CT apparatus | |
CN113712594A (zh) | 医用图像处理装置以及医用摄像装置 | |
US11684344B2 (en) | Systems and methods for quantitative abdominal aortic aneurysm analysis using 3D ultrasound imaging | |
WO2022071264A1 (ja) | プログラム、モデル生成方法、情報処理装置及び情報処理方法 | |
US8858442B2 (en) | Ultrasonic diagnostic apparatus and ultrasonic image processing apparatus | |
EP2599444A1 (en) | Method and device for determining the elastic modulus of a biological tissue | |
JP7233792B2 (ja) | 画像診断装置、画像診断方法、プログラム及び機械学習用訓練データの生成方法 | |
US20120316442A1 (en) | Hypothesis Validation of Far Wall Brightness in Arterial Ultrasound | |
WO2022071265A1 (ja) | プログラム、情報処理装置及び情報処理方法 | |
JP7294996B2 (ja) | 超音波診断装置及び表示方法 | |
CN115439423A (zh) | 一种基于ct图像的识别方法、装置、设备及存储介质 | |
US20200170624A1 (en) | Diagnostic apparatus and diagnostic method | |
Loizou | Ultrasound image analysis of the carotid artery | |
WO2023053755A1 (ja) | 画像診断支援装置、画像診断支援方法、及び画像診断支援プログラム | |
WO2023032954A1 (ja) | 情報処理方法、プログラム及び画像診断装置 | |
CN117095137B (zh) | 基于双路图像采集的医疗图像的三维成像方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220602 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20220603 |
|
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: 20230117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230215 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7233792 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |