深層学習を用いたアトラスベースセグメンテーション

    公开(公告)号:JP2021131872A

    公开(公告)日:2021-09-09

    申请号:JP2021073090

    申请日:2021-04-23

    Abstract: 【課題】深層学習を統合して画像セグメンテーションを強化する方法、機械可読記憶媒体及びシステムを提供する。 【解決手段】システムは、深層学習を用いたアトラスベースのセグメンテーション方法で、解剖学的特徴を識別するために対象画像に深層学習モデルを適用し、対象画像にアトラス画像をレジストレーションし、深層学習のセグメンテーションデータを用いてレジストレーション結果を改善し、マッピングされたアトラスを生成し、マッピングされたアトラスを用いて対象画像の特徴を識別する。また、アトラス画像に深層学習モデルを適用し、深層学習モデルを適用したデータを使用して機械学習モデル分類器を訓練し、対象画像の領域の構造ラベルを推定し、推定された構造ラベルを対象画像のアトラスベースのセグメンテーションから生成されたラベルと組み合わせることによって構造ラベルを定義する。 【選択図】図6

    適応放射線治療のためのファントム

    公开(公告)号:JP2021515682A

    公开(公告)日:2021-06-24

    申请号:JP2020561048

    申请日:2019-04-23

    Abstract: 変形可能な放射線治療ファントムは、患者の医用画像に基づいて、付加製造プロセスを用いて製造することができる。変形可能なファントムは、放射線量分布を測定するための線量計を含むことができる。スマート材料は、印加された刺激に応じて変形する。とりわけ、ファントムは、放射線治療の治療計画である放射線量の歪みの検証、患者の最大許容変形量の決定、放射線量の歪みの累積精度の検証、および変形可能な画像登録の検証などに使用することができる。 【選択図】図3

    ディープ畳み込みニューラルネットワークを使用する放射線治療計画

    公开(公告)号:JP2020528791A

    公开(公告)日:2020-10-01

    申请号:JP2020503934

    申请日:2018-07-23

    Abstract: ディープ畳み込みニューラルネットワークをトレーニングして、患者の放射線治療計画を提供することができる。トレーニングすることは、患者からの患者の解剖学的構造の少なくとも1つの画像に基づいて患者データを収集すること、収集された患者データから制御ポイントのセットを含む治療計画を決定すること、決定された治療計画と対応する収集された患者データを使用して回帰のためのディープ畳み込みニューラルネットワークをトレーニングして、収集された患者データから制御ポイントを含む治療計画を決定することを含む。トレーニングされたモデルを用いて、例えば、リアルタイムで放射線治療計画を提供することができる。 【選択図】図9A

    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

    公开(公告)号:JP2021142326A

    公开(公告)日:2021-09-24

    申请号:JP2021082929

    申请日:2021-05-17

    Abstract: 【課題】DCNNをトレーニングして、投影空間アプローチまたは画像空間アプローチを使用して1つまたはそれ以上のアーチファクトを減らすシステムと方法を提供する。 【解決手段】投影空間アプローチは、アーチファクト汚染されたCBCT投影空間画像と、患者グループ内の各患者からの対応するアーチファクト低減されたCBCT投影空間画像とを使用し、DCNNをトレーニングして投影空間画像内の1つまたはそれ以上のアーチファクトを低減することとを含むことができる。画像空間アプローチは、複数の患者のCBCT解剖学的画像と、患者のグループからの対応する登録されたCT解剖学的画像とを収集し、複数のCBCT解剖学的画像と対応するアーチファクト低減されたCT解剖学的画像とを使用し、DCNNをトレーニングしてCBCT解剖学的画像からアーチファクトを取り除くこととを含むことができる。 【選択図】図9B

Patent Agency Ranking