JP7420834B2 - 運動アーチファクト検出の方法 - Google Patents
運動アーチファクト検出の方法 Download PDFInfo
- Publication number
- JP7420834B2 JP7420834B2 JP2021569335A JP2021569335A JP7420834B2 JP 7420834 B2 JP7420834 B2 JP 7420834B2 JP 2021569335 A JP2021569335 A JP 2021569335A JP 2021569335 A JP2021569335 A JP 2021569335A JP 7420834 B2 JP7420834 B2 JP 7420834B2
- Authority
- JP
- Japan
- Prior art keywords
- motion
- image
- processor
- pattern
- cnn
- 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
- 230000033001 locomotion Effects 0.000 title claims description 188
- 238000000034 method Methods 0.000 title claims description 57
- 238000001514 detection method Methods 0.000 title claims description 15
- 238000013527 convolutional neural network Methods 0.000 claims description 70
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000012549 training Methods 0.000 claims description 44
- 230000006870 function Effects 0.000 claims description 28
- 238000005070 sampling Methods 0.000 claims description 21
- 238000004590 computer program Methods 0.000 claims description 15
- 238000006073 displacement reaction Methods 0.000 claims description 12
- 238000003384 imaging method Methods 0.000 description 36
- 238000002595 magnetic resonance imaging Methods 0.000 description 20
- 238000010586 diagram Methods 0.000 description 9
- 238000012937 correction Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 5
- 238000002059 diagnostic imaging Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 210000003484 anatomy Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 230000002123 temporal effect Effects 0.000 description 2
- 101000863856 Homo sapiens Shiftless antiviral inhibitor of ribosomal frameshifting protein Proteins 0.000 description 1
- 241000699670 Mus sp. Species 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000008034 disappearance Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000011423 initialization method Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000001208 nuclear magnetic resonance pulse sequence Methods 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000001902 propagating effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000003813 thumb Anatomy 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
-
- 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
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
- G01R33/00—Arrangements or instruments for measuring magnetic variables
- G01R33/20—Arrangements or instruments for measuring magnetic variables involving magnetic resonance
- G01R33/44—Arrangements or instruments for measuring magnetic variables involving magnetic resonance using nuclear magnetic resonance [NMR]
- G01R33/48—NMR imaging systems
- G01R33/54—Signal processing systems, e.g. using pulse sequences ; Generation or control of pulse sequences; Operator console
- G01R33/56—Image enhancement or correction, e.g. subtraction or averaging techniques, e.g. improvement of signal-to-noise ratio and resolution
- G01R33/565—Correction of image distortions, e.g. due to magnetic field inhomogeneities
- G01R33/56509—Correction of image distortions, e.g. due to magnetic field inhomogeneities due to motion, displacement or flow, e.g. gradient moment nulling
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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]
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- General Physics & Mathematics (AREA)
- Pathology (AREA)
- Signal Processing (AREA)
- Data Mining & Analysis (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Veterinary Medicine (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Heart & Thoracic Surgery (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Epidemiology (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Psychiatry (AREA)
- Primary Health Care (AREA)
- General Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Fuzzy Systems (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Description
であり、δはデルタ関数であり、dx(t)は運動関数であり、FTはフーリエ変換を表し、kは動き破損画像Mのk空間位置である。
であり、δはデルタ関数であり、dx(t)は運動関数であり、FTはフーリエ変換であり、kは動き破損画像Mのk空間位置である。本実施形態のCNNは、k空間サンプリングパターン及びそのタイミングのようなk空間の特性、並びに特定の運動から導出されるように、特徴行列で初期化され得る畳み込みカーネルの代わりに、乗算レイヤを含むことができる。
ここで、Eは、指数関数位相項である。
が畳み込みである場合、Mは次のように書くことができる。
Dは、k空間サンプリングパターンで定義される指数関数位相項Eの逆FT、そのタイミング、動きである。Aが動き破損画像M内の純粋なアーチファクトであり、δがデルタ関数である場合、純粋なアーチファクトAは、次のように画像Mを用いてステップ305において規定されることができる。
ここで、
である。式(8)は、畳み込み行列Kのモデリングを提供する。画像空間における畳み込み行列Kは、測定画像の畳み込みごとに純粋なアーチファクトを得るために使用され得るカーネルである。カーネルDは、k空間サンプリングパターン、そのタイミング、及び運動に依存する指数関数位相項Eの逆FTであるので、畳み込み行列Kは、これらの特性のみに依存してもよい。
101 スキャンイメージングシステム
103 プロセッサ
107 メモリ
108 電源
109 バス
111 制御装置
121 ソフトウェア
125 ディスプレイ
129 ユーザインタフェース
150 AIコンポーネント
201-413 方法ステップ
700 磁気共鳴イメージングシステム
704 磁石
706 磁石のボア
708 撮像ゾーン
710 磁場勾配コイル
712 磁場勾配コイル電源
714 無線周波数コイル
715 RF増幅器
718 被検体
Claims (15)
- プロセッサが入力画像における運動アーチファクトを検出する方法であって、
前記プロセッサが、k空間サンプリングパターンとそのタイミングを表すk空間取得特性を使用して、第1の運動パターンに起因する運動アーチファクトを有する動き破損画像を生成するステップであって、前記運動アーチファクトは、特徴行列と前記動き破損画像の関数として規定される、ステップと、
前記プロセッサが、畳み込みニューラルネットワークの畳み込みカーネル又は乗算カーネルの出力を表す少なくとも1つの特徴マップを前記特徴行列の値で初期化するステップと、
前記プロセッサが、訓練画像により、初期化された畳み込みニューラルネットワーク(CNN)を訓練するステップであって、前記訓練画像は、運動アーチファクトを得るための第2の運動パターンによって破損されたものである、ステップと、
前記プロセッサが、訓練済みCNNを用いて、前記入力画像における運動アーチファクトを得るステップと、
を有する方法。 - 前記初期化するステップは、前記プロセッサが、前記CNNの各特徴マップについて、それぞれ異なる前記第1の運動パターンで前記特徴行列を決定するステップと、前記特徴行列の値を使用して前記特徴マップを初期化するステップとを有する、請求項1に記載の方法。
- 前記運動アーチファクトは、k空間において、前記特徴行列と前記動き破損画像とを乗算したものとして定義され、前記特徴マップは、前記CNNの乗算レイヤであり、前記CNNは、画像のk空間表現を入力として受信するように構成される、請求項1又は2に記載の方法。
- 前記運動アーチファクトは、画像空間において、前記特徴行列と前記動き破損画像との畳み込みとして定義され、前記特徴マップは、前記CNNのカーネルであり、前記CNNは、入力画像として受信するように構成される、請求項1乃至3のいずれか1項に記載の方法。
- 前記第1の運動パターンは、それぞれの並進変位を特徴とする並進運動である、請求項1乃至4のいずれか1項に記載の方法。
- 前記第2の運動パターンは、前記第1の運動パターンの組み合わせであり、各第1の運動パターンは、それぞれの並進変位により特徴付けられる、請求項1乃至5のいずれか1項に記載の方法。
- 前記入力画像内の前記運動アーチファクトは、前記第1の運動パターンと前記第2の運動パターンとの組み合わせ又は前記第2の運動パターンである、前記運動によって引き起こされる、請求項1乃至6のいずれか1項に記載の方法。
- 前記第1の運動パターンは、前記第2の運動パターンと異なるか、又は同じである、請求項1乃至7のいずれか1項に記載の方法。
- 前記k空間取得特性が、前記k空間のサンプリングのパターン及び/又はサンプリングのタイミングを含む、請求項1乃至8のいずれか1項に記載の方法。
- プロセッサが運動アーチファクト検出のための畳み込みニューラルネットワーク(CNN)を訓練する方法であって、
前記プロセッサが、k空間サンプリングパターンとそのタイミングを表すk空間取得特性を使用して、第1の運動パターンに起因する運動アーチファクトを有する動き破損画像を生成するステップであって、前記運動アーチファクトは、特徴行列と前記動き破損画像の関数として規定される、ステップと、
前記プロセッサが、畳み込みニューラルネットワークの畳み込みカーネル又は乗算カーネルを表す少なくとも1つの特徴マップを特徴行列の値で初期化するステップと、
前記プロセッサが、訓練画像により初期化された畳み込みニューラルネットワーク(CNN)を訓練するステップであって、前記訓練画像は、前記運動アーチファクトを得るために第2の運動パターンによって破損されている、ステップと、
を有する方法。 - プロセッサによる実行のためのマシン実行可能命令を有するコンピュータプログラムであって、前記マシン実行可能命令の実行により、前記プロセッサに請求項1乃至12のいずれか1項に記載の方法を実行させるコンピュータプログラム。
- 少なくとも1つのプロセッサと、コンピュータプログラムコードを含む少なくとも1つのメモリと、を有する医用分析システムであって、前記少なくとも1つのメモリ及び前記コンピュータプログラムコードは、前記少なくとも1つのプロセッサによって、前記医用分析システムに請求項1乃至12のいずれか1項に記載の方法を実行させるように構成される、医用分析システム。
- 請求項14に記載の医用分析システムを有するMRIシステムであって、画像データを取得し、前記画像データから初期画像を再構成するように構成され、前記初期画像は、請求項1乃至14のいずれか1項に記載の方法を実行するように前記医用分析システムによって処理される、MRIシステム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
EP19176878.7 | 2019-05-28 | ||
EP19176878.7A EP3745153A1 (en) | 2019-05-28 | 2019-05-28 | A method for motion artifact detection |
PCT/EP2020/064376 WO2020239661A1 (en) | 2019-05-28 | 2020-05-25 | A method for motion artifact detection |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2022534031A JP2022534031A (ja) | 2022-07-27 |
JPWO2020239661A5 JPWO2020239661A5 (ja) | 2023-05-24 |
JP7420834B2 true JP7420834B2 (ja) | 2024-01-23 |
Family
ID=66668764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021569335A Active JP7420834B2 (ja) | 2019-05-28 | 2020-05-25 | 運動アーチファクト検出の方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11995825B2 (ja) |
EP (2) | EP3745153A1 (ja) |
JP (1) | JP7420834B2 (ja) |
CN (1) | CN113892149A (ja) |
WO (1) | WO2020239661A1 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230169663A1 (en) * | 2021-11-29 | 2023-06-01 | Canon Medical Systems Corporation | Motion correction of images corrupted by multiple motion sources |
CN115343623B (zh) * | 2022-08-31 | 2023-06-16 | 中国长江三峡集团有限公司 | 一种电化学储能电池故障的在线检测方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060074604A1 (en) | 2004-09-24 | 2006-04-06 | International Business Machines (Ibm) Corporation | Identifying a state of a system using an artificial neural network generated model |
JP2017157138A (ja) | 2016-03-04 | 2017-09-07 | キヤノン株式会社 | 画像認識装置、画像認識方法及びプログラム |
JP2018503152A (ja) | 2015-04-02 | 2018-02-01 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | コンボリューションニューラルネットワークモデルの訓練方法及び装置 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9811924B2 (en) * | 2011-04-19 | 2017-11-07 | University Of Virginia Patent Foundation | Interferometric techniques for magnetic resonance imaging |
US8724881B2 (en) * | 2011-11-09 | 2014-05-13 | Siemens Aktiengesellschaft | Method and system for precise segmentation of the left atrium in C-arm computed tomography volumes |
US10092199B2 (en) * | 2014-04-01 | 2018-10-09 | Siemens Healthcare Gmbh | MR imaging apparatus and method for generating a perfusion image with motion correction |
US10429477B2 (en) * | 2015-08-21 | 2019-10-01 | Shanghai United Imaging Healthcare Co., Ltd. | System and method for flip angle determination in magnetic resonance imaging |
US10074037B2 (en) * | 2016-06-03 | 2018-09-11 | Siemens Healthcare Gmbh | System and method for determining optimal operating parameters for medical imaging |
JP6887030B2 (ja) * | 2017-06-26 | 2021-06-16 | エレクタ、インク.Elekta, Inc. | ディープ畳み込みニューラルネットワークを使用してコーンビームコンピュータ断層撮影画像を改善する方法 |
JP6772112B2 (ja) * | 2017-07-31 | 2020-10-21 | 株式会社日立製作所 | 医用撮像装置及び医用画像処理方法 |
EP3477583A1 (en) * | 2017-10-31 | 2019-05-01 | Koninklijke Philips N.V. | Deep-learning based processing of motion artifacts in magnetic resonance imaging data |
US10698063B2 (en) * | 2017-11-01 | 2020-06-30 | Siemens Healthcare Gmbh | Motion artifact reduction of magnetic resonance images with an adversarial trained network |
-
2019
- 2019-05-28 EP EP19176878.7A patent/EP3745153A1/en not_active Withdrawn
-
2020
- 2020-05-25 EP EP20732740.4A patent/EP3977150A1/en active Pending
- 2020-05-25 CN CN202080039752.2A patent/CN113892149A/zh active Pending
- 2020-05-25 JP JP2021569335A patent/JP7420834B2/ja active Active
- 2020-05-25 US US17/613,101 patent/US11995825B2/en active Active
- 2020-05-25 WO PCT/EP2020/064376 patent/WO2020239661A1/en unknown
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060074604A1 (en) | 2004-09-24 | 2006-04-06 | International Business Machines (Ibm) Corporation | Identifying a state of a system using an artificial neural network generated model |
JP2018503152A (ja) | 2015-04-02 | 2018-02-01 | ▲騰▼▲訊▼科技(深▲セン▼)有限公司 | コンボリューションニューラルネットワークモデルの訓練方法及び装置 |
JP2017157138A (ja) | 2016-03-04 | 2017-09-07 | キヤノン株式会社 | 画像認識装置、画像認識方法及びプログラム |
Non-Patent Citations (3)
Title |
---|
Daiki Tamada, 外4名,"Motion Artifact Reduction Using a Convolutional Neural Network for Dynamic Contrast Enhanced MR Imaging of the Liver",Magnetic Resonance in Medical Science,第19巻, 第1号,Japn Society for magnetic Resonance in Medicin (JSMRM),2019年04月26日,p.64-76 |
G.A. Wright,"Magnetic resonance imaging",IEEE Signal Processing Magazine,IEEE,1997年01月,第14巻, 第1号,p.56-66 |
工藤博幸, 外1名,"MRIにおける静磁場不均一性と被写体の動きの推定",電子情報通信学会論文誌,日本,社団法人電子情報通信学会,1990年12月25日,第J73-D-II巻, 第12号,p.2039-2046 |
Also Published As
Publication number | Publication date |
---|---|
JP2022534031A (ja) | 2022-07-27 |
EP3977150A1 (en) | 2022-04-06 |
WO2020239661A1 (en) | 2020-12-03 |
CN113892149A (zh) | 2022-01-04 |
EP3745153A1 (en) | 2020-12-02 |
US20220215540A1 (en) | 2022-07-07 |
US11995825B2 (en) | 2024-05-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7183265B2 (ja) | 人工知能による解剖学的ランドマークのローカライゼーション | |
US11249160B2 (en) | Image segmentation using reference gray scale values | |
US11341616B2 (en) | Methods and system for selective removal of streak artifacts and noise from images using deep neural networks | |
CN110476075A (zh) | 针对解剖区域的磁共振指纹识别词典的选择 | |
JP7420834B2 (ja) | 運動アーチファクト検出の方法 | |
JP6574439B2 (ja) | プロペラ磁気共鳴撮像 | |
US20220248973A1 (en) | Deep learning of eletrical properties tomography | |
JP7301144B2 (ja) | 多重拡散強調mr画像を用いたb0画像の計算 | |
US20230186532A1 (en) | Correction of magnetic resonance images using multiple magnetic resonance imaging system configurations | |
US20220301687A1 (en) | Uncertainty maps for deep learning eletrical properties tomography | |
US11906608B2 (en) | Automated detection of water-fat swaps in Dixon magnetic resonance imaging | |
EP4306983A1 (en) | Making anatomical measurements using magnetic resonance imaging | |
JP7442545B2 (ja) | シミュレーション磁気共鳴画像を使用した磁気共鳴画像の補正 | |
CN115552273A (zh) | 基于机器学习的运动损坏数据检测 | |
JP2024512439A (ja) | 心臓磁気共鳴イメージング用の計画画像の段階的再構成 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230516 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230516 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230516 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230913 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230926 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231124 |
|
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: 20231214 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240111 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7420834 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |