بعض محتويات هذا التطبيق غير متوفرة في الوقت الحالي.
إذا استمرت هذه الحالة ، يرجى الاتصال بنا علىتعليق وإتصال
1. (WO2019021646) MEDICAL IMAGING DEVICE AND IMAGE PROCESSING METHOD
أحدث البيانات الببلوغرافية المتوفرة لدى المكتب الدوليتقديم ملاحظات

رقم النشر: WO/2019/021646 رقم الطلب الدولي: PCT/JP2018/021926
تاريخ النشر: 31.01.2019 تاريخ الإيداع الدولي: 07.06.2018
التصنيف الدولي للبراءات:
A61B 8/14 (2006.01) ,G06T 1/00 (2006.01)
Description not available in lang arDescription not available in lang ar
المودعون:
株式会社日立製作所 HITACHI, LTD. [JP/JP]; 東京都千代田区丸の内一丁目6番6号 6-6, Marunouchi 1-chome, Chiyoda-ku, Tokyo 1008280, JP
المخترعون:
李 云 LI, Yun; JP
豊村 崇 TOYOMURA, Takashi; JP
前田 俊徳 MAEDA, Toshinori; JP
黎 子盛 LI, Zisheng; JP
الوكيل:
特許業務法人 山王坂特許事務所 SANNOZAKA PATENT LAW FIRM; 神奈川県横浜市神奈川区鶴屋町2丁目26番地2 第4安田ビル9階 4th Yasuda Building 9F, 26-2, Tsuruyacho 2-chome, Kanagawa-ku, Yokohama-shi, Kanagawa 2210835, JP
بيانات الأولوية:
2017-14678228.07.2017JP
العنوان (EN) MEDICAL IMAGING DEVICE AND IMAGE PROCESSING METHOD
(FR) DISPOSITIF D'IMAGERIE MÉDICALE ET PROCÉDÉ DE TRAITEMENT D'IMAGE
(JA) 医用撮像装置及び画像処理方法
الملخص:
(EN) Provided is a technique which avoids the problems of user dependency and imaging subject dependency when determining a specific cross section for use in diagnosis and measurements and achieves precise and fast automatic extraction of cross sections from 3D volume data obtained by a medical imaging device or time-sequentially imaged 2D images and 3D volume data. An image processing unit of an imaging device includes a cross section extraction unit that extracts a specific cross section from imaging data. Using a learning model that has been learned in advance so that spatial or temporal proximities of a plurality of pieces of cross section image data to a specific cross section are output as identification scores, the cross section extraction unit determines a specific cross section. The learning model is a scale model in which a learned model which has a large number of layers and has been learned to a high degree and an unlearned model which has a small number of layers are merged and relearned.
(FR) La présente invention concerne une technique qui résout le problème de dépendre de l'utilisateur et du sujet d'imagerie lors de la définition d'une section transversale spécifique destinée à être utilisée dans un diagnostic et des mesures, et qui réalise une extraction automatique précise et rapide de sections transversales à partir de données de volume 3D obtenues par un dispositif d'imagerie médicale ou d'images 2D et de données de volume 3D imagées de manière chronologique. Une unité de traitement d'image d'un dispositif d'imagerie comprend une unité d'extraction de section transversale qui extrait une section transversale spécifique de données d'imagerie. À l'aide d'un modèle d'apprentissage qui a été appris à l'avance de telle sorte que des proximités spatiales ou temporelles d'une pluralité d'éléments de données d'image de section transversale à une section transversale spécifique sont délivrées en tant que scores d'identification, l'unité d'extraction de section transversale détermine une section transversale spécifique. Le modèle d'apprentissage est un modèle d'échelle dans lequel un modèle appris, qui comporte un grand nombre de couches et qui a été appris dans une large mesure, et un modèle non appris, qui comporte un petit nombre de couches, sont fusionnés et réappris.
(JA) 医用撮像装置で取得した3Dボリュームデータ、または時間的に連続撮像した2D画像や3Dボリュームデータから、診断や計測に用いる所定の断面を決定する際に、撮像者依存性や撮像対象依存性の問題を回避して、高精度且つ高速で断面を自動抽出する技術を提供する。 撮像装置の画像処理部は、撮像データから所定の断面を抽出する断面抽出部を備える。断面抽出部は、複数の断面画像データに対し所定の断面との空間的又は時間的近さを、識別スコアとして出力するように予め学習された学習モデルを用いて、所定の断面を決定する。学習モデルは、高度に学習した層数の大きい学習済モデルと層数の小さい未学習モデルとを融合し、再学習した縮小モデルである。
front page image
الدول المعيّنة: AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
المنظمة الإقليمية الأفريقية للملكية الفكرية (الأريبو) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
المكتب الأوروبي الآسيوي للبراءات (EAPO) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
المكتب الأوروبي للبراءات (EPO) (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
المنظمة الأفريقية للملكية الفكرية (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
لغة النشر: ياباني (JA)
لغة الإيداع: ياباني (JA)