JP7497145B2 - 機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム - Google Patents
機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム Download PDFInfo
- Publication number
- JP7497145B2 JP7497145B2 JP2019158927A JP2019158927A JP7497145B2 JP 7497145 B2 JP7497145 B2 JP 7497145B2 JP 2019158927 A JP2019158927 A JP 2019158927A JP 2019158927 A JP2019158927 A JP 2019158927A JP 7497145 B2 JP7497145 B2 JP 7497145B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- machine learning
- data
- input image
- learning device
- 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
- 238000010801 machine learning Methods 0.000 title claims description 67
- 230000005855 radiation Effects 0.000 title claims description 49
- 238000003384 imaging method Methods 0.000 title claims description 15
- 230000010365 information processing Effects 0.000 title claims description 11
- 238000000034 method Methods 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 52
- 230000008569 process Effects 0.000 claims description 47
- 230000009466 transformation Effects 0.000 claims description 26
- 238000013527 convolutional neural network Methods 0.000 claims description 25
- 238000012549 training Methods 0.000 claims description 25
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 9
- 238000013434 data augmentation Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 8
- 238000002601 radiography Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 10
- 230000002950 deficient Effects 0.000 description 6
- 238000013480 data collection Methods 0.000 description 4
- 230000007423 decrease Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- JJWKPURADFRFRB-UHFFFAOYSA-N carbonyl sulfide Chemical compound O=C=S JJWKPURADFRFRB-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005258 radioactive decay Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
- G06V10/7747—Organisation of the process, e.g. bagging or boosting
-
- 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
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/02—Affine transformations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- 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
- 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
- G06T2207/20081—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
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- General Engineering & Computer Science (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
前記入力画像に対する推論処理により前記領域を出力する推論手段と、
教師データに基づいて前記推論手段の学習を行う学習時に、回転処理を用いることにより前記教師データを構成する前記入力画像の数を増やしてデータ拡張を行う拡張手段と、を備え、
前記拡張手段は、
前記回転処理における前記入力画像の回転角度に応じて前記入力画像を拡大することにより変換画像を生成し、
前記変換画像に対して切り出し処理を行うことにより切り出し画像を生成し、
前記変換画像に含まれる、前記入力画像に由来する画像情報が欠損した無効な領域が、前記切り出し画像に含まれないように前記データ拡張を行うことを特徴とする。
教師データに基づいて前記推論手段の学習を行う学習時に、回転処理を用いることにより前記教師データを構成する前記入力画像の数を増やしてデータ拡張を行う拡張工程を有し、
前記拡張工程では、
前記回転処理における前記入力画像の回転角度に応じて前記入力画像を拡大することにより変換画像を生成し、
前記変換画像に対して切り出し処理を行うことにより切り出し画像を生成し、
前記変換画像に含まれる、前記入力画像に由来する画像情報が欠損した無効な領域が、前記切り出し画像に含まれないように前記データ拡張を行うことを特徴とする。
切り出し画像307は、頂点309、310、311、312、313、314、315、316に囲まれた切り出し可能領域317内に含まれるように制限される。画像左上端に座標の原点318を設定したとき、各頂点の座標(x,y)は、以下の式で表される。すなわち、頂点309の座標は[数2]式、頂点310の座標は[数3]式、頂点311の座標[数4]式、頂点312の座標は[数5]式で表される。また、頂点313の座標は[数6]式、頂点314の座標は[数7]式、頂点315の座標は[数8]式、頂点316の座標は[数9]式で表される。
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
103:寝台、104:放射線検出装置、105:制御装置、
106:データ収集装置、107:情報処理装置、108:機械学習装置、
109:学習部、110:推論部、111:CPUバス、112:CPU、
113:メモリ、114:操作パネル、115:記憶装置、
116:表示装置、117:診断用画像処理装置、120:データ拡張部、
121:推論部、122:パラメータ更新部、123:終了判定部
Claims (22)
- 入力画像から領域を抽出する機械学習装置であって、
前記入力画像に対する推論処理により前記領域を出力する推論手段と、
教師データに基づいて前記推論手段の学習を行う学習時に、回転処理を用いることにより前記教師データを構成する前記入力画像の数を増やしてデータ拡張を行う拡張手段と、を備え、
前記拡張手段は、
前記回転処理における前記入力画像の回転角度に応じて前記入力画像を拡大することにより変換画像を生成し、
前記変換画像に対して切り出し処理を行うことにより切り出し画像を生成し、
前記変換画像に含まれる、前記入力画像に由来する画像情報が欠損した無効な領域が、前記切り出し画像に含まれないように前記データ拡張を行うことを特徴とする機械学習装置。 - 前記教師データは、前記入力画像と、前記入力画像に対応し抽出領域を示す正解データとの組により構成されることを特徴とする請求項1に記載の機械学習装置。
- 前記拡張手段は、前記教師データに対して、アフィン変換処理と、切り出し処理と、信号量調整処理のうち少なくとも1つ以上の拡張処理により前記データ拡張を行い、
前記拡張手段は、前記入力画像と前記正解データとに対して同じ拡張処理を行うことを特徴とする請求項2に記載の機械学習装置。 - 前記拡張手段は、前記教師データを構成する前記入力画像の一部を切り出した切り出し画像の生成により前記データ拡張を行い、
前記切り出し画像に、前記画像情報が欠損した領域が含まれないように、前記切り出し画像を取得する範囲を制限することを特徴とする請求項3に記載の機械学習装置。 - 前記拡張手段は、前記入力画像において切り出し可能領域を設定し、前記切り出し画像を取得する範囲を制限することを特徴とする請求項4に記載の機械学習装置。
- 前記拡張手段は、前記教師データを構成する前記入力画像をアフィン変換した変換画像の一部を切り出した切り出し画像の生成により前記データ拡張を行い、
前記切り出し画像に、前記画像情報が欠損した領域が含まれないように、前記切り出し画像を取得する範囲を制限することを特徴とする請求項3に記載の機械学習装置。 - 前記拡張手段は、前記変換画像において切り出し可能領域を設定し、前記切り出し画像を取得する範囲を制限することを特徴とする請求項6に記載の機械学習装置。
- 前記拡張手段は、前記アフィン変換における前記入力画像の回転角度に応じて前記切り出し可能領域を設定する請求項7に記載の機械学習装置。
- 前記拡張手段は、前記アフィン変換における前記入力画像の回転角度に応じて前記入力画像の拡大率を示すパラメータを設定することを特徴とする請求項6乃至8のいずれか1項に記載の機械学習装置。
- 前記拡張手段は、前記アフィン変換により前記入力画像の一部が欠落しないように前記回転角度、及び前記入力画像の拡大率を示すパラメータを設定することを特徴とする請求項9に記載の機械学習装置。
- 前記拡張手段は、前記信号量調整処理として、前記切り出し画像に対して任意の係数による乗算と任意の係数による加算とを行うことを特徴とする請求項4乃至10のいずれか1項に記載の機械学習装置。
- 前記正解データは、前記入力画像における抽出領域を任意の値でラベリングしたラベリング画像であることを特徴とする請求項2乃至11のうちいずれか1項に記載の機械学習装置。
- 前記正解データは、前記入力画像における抽出領域を座標で示した座標データであることを特徴とする請求項2乃至11のうちいずれか1項に記載の機械学習装置。
- 前記正解データは、前記入力画像における抽出領域の境界を直線または曲線で特定したデータであることを特徴とする請求項2乃至11のうちいずれか1項に記載の機械学習装置。
- 前記推論手段は、前記学習に基づいて取得された学習済みパラメータに基づいて、前記推論処理を行うことを特徴とする請求項1乃至14のいずれか1項に記載の機械学習装置。
- 前記機械学習装置は、畳み込みニューラルネットワークを用いた教師あり学習に基づいて前記入力画像から前記領域を抽出することを特徴とする請求項1乃至15のいずれか1項に記載の機械学習装置。
- 前記入力画像は、放射線撮影システムを用いて撮影された画像であり、
前記領域は、前記放射線撮影システムにより放射線が照射された照射野領域であることを特徴とする請求項1乃至16のいずれか1項に記載の機械学習装置。 - 前記推論手段は、ユーザーの使用環境において、前記放射線撮影システムを用いて撮影された画像と、前記画像に対応する照射野領域のデータとの組を教師データとして追加された学習の結果と、事前に行われた学習の結果とに基づいて前記推論処理を行うことを特徴とする請求項17に記載の機械学習装置。
- 入力画像に対する推論処理により領域を出力する推論手段を有し、前記入力画像から領域を抽出する機械学習装置における機械学習方法であって、
教師データに基づいて前記推論手段の学習を行う学習時に、回転処理を用いることにより前記教師データを構成する前記入力画像の数を増やしてデータ拡張を行う拡張工程を有し、
前記拡張工程では、
前記回転処理における前記入力画像の回転角度に応じて前記入力画像を拡大することにより変換画像を生成し、
前記変換画像に対して切り出し処理を行うことにより切り出し画像を生成し、
前記変換画像に含まれる、前記入力画像に由来する画像情報が欠損した無効な領域が、前記切り出し画像に含まれないように前記データ拡張を行うことを特徴とする機械学習方法。 - コンピュータに、請求項19に記載の機械学習方法の工程を実行させるプログラム。
- 請求項1に記載の機械学習装置を用いて学習することにより得たパラメータを用いて入力画像から領域を抽出する処理を行う推論部を備える情報処理装置。
- 請求項21に記載の情報処理装置と、
前記情報処理装置と通信可能に接続された、放射線を検出する放射線検出装置と、
を備える放射線撮影システム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019158927A JP7497145B2 (ja) | 2019-08-30 | 2019-08-30 | 機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム |
PCT/JP2020/028193 WO2021039211A1 (ja) | 2019-08-30 | 2020-07-21 | 機械学習装置、機械学習方法及びプログラム |
US17/675,071 US11823441B2 (en) | 2019-08-30 | 2022-02-18 | Machine learning apparatus, machine learning method, and non-transitory computer-readable storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019158927A JP7497145B2 (ja) | 2019-08-30 | 2019-08-30 | 機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021036969A JP2021036969A (ja) | 2021-03-11 |
JP7497145B2 true JP7497145B2 (ja) | 2024-06-10 |
Family
ID=74684475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019158927A Active JP7497145B2 (ja) | 2019-08-30 | 2019-08-30 | 機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11823441B2 (ja) |
JP (1) | JP7497145B2 (ja) |
WO (1) | WO2021039211A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7497145B2 (ja) * | 2019-08-30 | 2024-06-10 | キヤノン株式会社 | 機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180107928A1 (en) | 2016-10-14 | 2018-04-19 | Kla-Tencor Corporation | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
US20180190377A1 (en) | 2016-12-30 | 2018-07-05 | Dirk Schneemann, LLC | Modeling and learning character traits and medical condition based on 3d facial features |
US20190065884A1 (en) | 2017-08-22 | 2019-02-28 | Boe Technology Group Co., Ltd. | Training method and device of neural network for medical image processing, and medical image processing method and device |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH04261649A (ja) * | 1990-08-20 | 1992-09-17 | Fuji Photo Film Co Ltd | 放射線画像解析方法および装置 |
JP6214226B2 (ja) | 2013-06-06 | 2017-10-18 | キヤノン株式会社 | 画像処理装置、断層撮影装置、画像処理方法およびプログラム |
JP6570330B2 (ja) | 2015-06-12 | 2019-09-04 | キヤノン株式会社 | 画像処理装置、放射線撮影装置、画像処理方法、プログラム、および記憶媒体 |
JP6491545B2 (ja) | 2015-06-12 | 2019-03-27 | キヤノン株式会社 | 画像処理装置、放射線撮影装置、画像処理方法、プログラム、および記憶媒体 |
JP2017185007A (ja) | 2016-04-05 | 2017-10-12 | 株式会社島津製作所 | 放射線撮影装置、放射線画像の対象物検出プログラムおよび放射線画像における対象物検出方法 |
SG11202003232VA (en) * | 2017-10-09 | 2020-05-28 | Univ Leland Stanford Junior | Contrast dose reduction for medical imaging using deep learning |
US10346728B2 (en) * | 2017-10-26 | 2019-07-09 | Hitachi, Ltd. | Nodule detection with false positive reduction |
US10872409B2 (en) * | 2018-02-07 | 2020-12-22 | Analogic Corporation | Visual augmentation of regions within images |
FR3082645B1 (fr) * | 2018-06-13 | 2023-01-13 | Idemia Identity & Security France | Procede d'apprentissage de parametres d'un reseau de neurones a convolution |
CN109086691B (zh) * | 2018-07-16 | 2020-02-21 | 阿里巴巴集团控股有限公司 | 一种三维脸部活体检测方法、脸部认证识别方法及装置 |
JP7115114B2 (ja) * | 2018-07-27 | 2022-08-09 | コニカミノルタ株式会社 | X線画像物体認識システム |
JP7134017B2 (ja) | 2018-08-14 | 2022-09-09 | キヤノン株式会社 | 画像処理装置、画像処理方法、及びプログラム |
US11321610B2 (en) * | 2018-08-22 | 2022-05-03 | Verizon Patent And Licensing Inc. | Rehearsal network for generalized learning |
KR102372200B1 (ko) * | 2019-04-16 | 2022-03-10 | 서울여자대학교 산학협력단 | 의료영상의 병변 정보 증강 패치에 하나 이상의 증강 방식을 적용한 학습데이터 기반의 병변 분류 방법 및 장치 |
US11327497B2 (en) * | 2019-06-21 | 2022-05-10 | Volkswagen Ag | Autonomous transportation vehicle image augmentation |
KR102641117B1 (ko) * | 2019-08-26 | 2024-02-27 | 삼성전자주식회사 | 영상을 증강하는 방법 및 장치 |
JP7497145B2 (ja) * | 2019-08-30 | 2024-06-10 | キヤノン株式会社 | 機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム |
US11461537B2 (en) * | 2019-11-13 | 2022-10-04 | Salesforce, Inc. | Systems and methods of data augmentation for pre-trained embeddings |
US12038320B2 (en) * | 2020-12-22 | 2024-07-16 | Nec Corporation | Distributed intelligent SNAP informatics |
-
2019
- 2019-08-30 JP JP2019158927A patent/JP7497145B2/ja active Active
-
2020
- 2020-07-21 WO PCT/JP2020/028193 patent/WO2021039211A1/ja active Application Filing
-
2022
- 2022-02-18 US US17/675,071 patent/US11823441B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180107928A1 (en) | 2016-10-14 | 2018-04-19 | Kla-Tencor Corporation | Diagnostic systems and methods for deep learning models configured for semiconductor applications |
US20180190377A1 (en) | 2016-12-30 | 2018-07-05 | Dirk Schneemann, LLC | Modeling and learning character traits and medical condition based on 3d facial features |
US20190065884A1 (en) | 2017-08-22 | 2019-02-28 | Boe Technology Group Co., Ltd. | Training method and device of neural network for medical image processing, and medical image processing method and device |
Non-Patent Citations (3)
Title |
---|
DO et al.,Knee Bone Tumor Segmentation from radiographs using Seg-Unet with Dice Loss,ResearchGate,2019年02月25日,[online], [2023年09月27日検索], <URL: https://www.researchgate.net/publication/331318041_Knee_Bone_Tumor_Segmentation_from_radiographs_using_Seg-Unet_with_Dice_Loss> |
JANG et al.,Estimating Compressive Strength of Concrete Using Deep Convolutional Neural Networks with Digital Microscope Images,ResearchGate,2019年05月08日,[online], [2023年09月27日検索], <URL: https://www.researchgate.net/publication/331730377_Estimating_Compressive_Strength_of_Concrete_Using_Deep_Convolutional_Neural_Networks_with_Digital_Microscope_Images> |
Keras ImageDataGenerator with center crop for rotation and translation shift,stack overflow,2019年05月22日,[online], [2023年09月27日検索], <https://stackoverflow.com/questions/56254393/keras-imagedatagenerator-with-center-crop-for-rotation-and-translation-shift>,<https://web.archive.org/web/20190523093603/https://stackoverflow.com/questions/56254393/keras-imagedatagenerator-with-center-crop-for-rotation-and-translation-shift> |
Also Published As
Publication number | Publication date |
---|---|
WO2021039211A1 (ja) | 2021-03-04 |
US20220172461A1 (en) | 2022-06-02 |
JP2021036969A (ja) | 2021-03-11 |
US11823441B2 (en) | 2023-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11120582B2 (en) | Unified dual-domain network for medical image formation, recovery, and analysis | |
US10984565B2 (en) | Image processing method using convolutional neural network, image processing device and storage medium | |
CN109509235B (zh) | Ct图像的重建方法、装置、设备及存储介质 | |
CN107516330B (zh) | 模型生成方法、图像处理方法及医学成像设备 | |
Ng et al. | Solving constrained total-variation image restoration and reconstruction problems via alternating direction methods | |
CN107595312B (zh) | 模型生成方法、图像处理方法及医学成像设备 | |
JP7134017B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US10366480B2 (en) | Super-resolution systems and methods | |
Gao et al. | Bayesian image super-resolution with deep modeling of image statistics | |
US20220164927A1 (en) | Method and system of statistical image restoration for low-dose ct image using deep learning | |
JP7497145B2 (ja) | 機械学習装置、機械学習方法及びプログラム、情報処理装置、放射線撮影システム | |
CN109993701B (zh) | 一种基于金字塔结构的深度图超分辨率重建的方法 | |
González et al. | Non-parametric PSF estimation from celestial transit solar images using blind deconvolution | |
WO2023119922A1 (ja) | 画像生成装置、方法及びプログラム並びに学習装置及び学習データ | |
CN115239836A (zh) | 一种基于端到端神经网络的极端稀疏视角ct重建方法 | |
CN112017113B (zh) | 图像处理方法及装置、模型训练方法及装置、设备及介质 | |
CN108364273B (zh) | 一种空间域下的多聚焦图像融合的方法 | |
CN111369425A (zh) | 图像处理方法、装置、电子设备和计算机可读介质 | |
JP2016167736A (ja) | 画像変換装置、画像変換方法及び画像変換プログラム | |
JP7277536B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP7523628B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP7520802B2 (ja) | 放射線画像処理装置、放射線画像処理方法、画像処理装置、学習装置、学習データの生成方法、及びプログラム | |
US20230237628A1 (en) | Modeling continuous kernels to generate an enhanced digital image from a burst of digital images | |
WO2023070495A9 (zh) | 图像处理方法、电子设备和非瞬态计算机可读介质 | |
JP2023088665A (ja) | 学習装置、医用情報処理装置、学習データの生成方法、学習方法、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20210103 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210113 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220826 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231006 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231201 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240222 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240417 |
|
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: 20240430 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240529 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7497145 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |