特許
J-GLOBAL ID：201903019340397377
自動化された心臓ボリュームセグメンテーション
発明者：
,
,
,
,
出願人/特許権者：
代理人 (1件)：
特許業務法人 谷・阿部特許事務所
公報種別：公表公報
出願番号（国際出願番号）：特願2018-527794
公開番号（公開出願番号）：特表2019-504659
出願日： 2016年11月29日
公開日（公表日）： 2019年02月21日
要約：
ヒト心臓などの解剖構造の自動化されたセグメンテーションのためのシステム及び方法。このシステム及び方法は、畳み込みニューラルネットワーク(CNN)を利用して、3D MRIデータなどの画像データによって表される解剖構造の様々な部分を自律的にセグメント化する。畳み込みニューラルネットワークは、2つの経路、すなわち、畳み込み/プーリングレイヤを含む収縮経路、及びアップサンプリング/畳み込みレイヤを含む拡張経路を利用する。CNNモデルを検証するために使用される損失関数は、欠損データを明確に説明することができ、それによって、より大きなトレーニングセットの使用を可能にする。CNNモデルは、多次元カーネル(例えば、2D、3D、4D、6D)を利用することができ、空間データ、時間データ、流れデータなどを符号化する様々なチャンネルを含むことができる。また、本開示のシステム及び方法は、CNNを利用して、解剖構造の画像におけるランドマークの自動検出及び表示を提供する。
請求項（抜粋）：
機械学習システムであって、
プロセッサ実行可能命令又はデータのうちの少なくとも1つを記憶する少なくとも1つの非一時的プロセッサ可読記憶媒体と、
前記少なくとも1つの非一時的プロセッサ可読記憶媒体に通信可能に結合された少なくとも1つのプロセッサと
を備え、前記少なくとも1つのプロセッサは、
複数のバッチのラベル付けされた画像セットを備える学習データを受け取ることであって、各画像セットは、解剖構造を表す画像データを備え、各画像セットは、前記画像セットの各画像において描かれた前記解剖構造の特定部分の領域を識別する少なくとも1つのラベルを含む、受け取ることと、
前記受け取られた学習データを利用して前記解剖構造の少なくとも一部分をセグメント化するように完全畳み込みニューラルネットワーク(CNN)モデルをトレーニングすることと、
前記トレーニングされたCNNモデルを、前記機械学習システムの前記少なくとも1つの非一時的プロセッサ可読記憶媒体に記憶することと
を行う、機械学習システム。
IPC (2件)：
FI (3件)：
A61B5/055 380
, G06T7/00 612
, G06T7/00 350C
4C096AA09
, 4C096AA10
, 4C096AB38
, 4C096AB44
, 4C096AC04
, 4C096AD14
, 4C096AD24
, 4C096BA18
, 4C096BA24
, 4C096BA36
, 4C096DC18
, 4C096DC21
, 4C096DC24
, 4C096DC36
, 5L096BA06
, 5L096BA13
, 5L096KA04
審査官引用 (1件)
-
"U-Net: Convolutional Networks for Biomedical Image Segmentation"
前のページに戻る
