JP3254451B2 - 多チャンネルｍｒｉ画像処理によるカラー化方法及び装置 - Google Patents
多チャンネルｍｒｉ画像処理によるカラー化方法及び装置Info
- Publication number
- JP3254451B2 JP3254451B2 JP2000061244A JP2000061244A JP3254451B2 JP 3254451 B2 JP3254451 B2 JP 3254451B2 JP 2000061244 A JP2000061244 A JP 2000061244A JP 2000061244 A JP2000061244 A JP 2000061244A JP 3254451 B2 JP3254451 B2 JP 3254451B2
- Authority
- JP
- Japan
- Prior art keywords
- mri
- independent component
- color
- image
- channel
- 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.)
- Expired - Fee Related
Links
- 238000000034 method Methods 0.000 title claims description 33
- 238000012545 processing Methods 0.000 title claims description 12
- 238000004040 coloring Methods 0.000 title 1
- 238000012546 transfer Methods 0.000 claims description 43
- 238000012549 training Methods 0.000 claims description 34
- 235000019557 luminance Nutrition 0.000 claims description 28
- 238000012880 independent component analysis Methods 0.000 claims description 23
- 238000003384 imaging method Methods 0.000 claims description 13
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000000605 extraction Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 description 54
- 238000010586 diagram Methods 0.000 description 11
- 241000282414 Homo sapiens Species 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 210000005252 bulbus oculi Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- 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
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30016—Brain
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- High Energy & Nuclear Physics (AREA)
- Condensed Matter Physics & Semiconductors (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Processing (AREA)
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Description
【０００１】
【発明の属する技術分野】本発明は、多チャンネルMRI
画像からカラー画像を生成する多チャンネルMRI画像処
理によるカラー化方法及び装置に関する。
画像からカラー画像を生成する多チャンネルMRI画像処
理によるカラー化方法及び装置に関する。
【０００２】
【従来の技術】CT（computed tomography）やMRI（magn
etic resonance imaging）などの医用画像診断装置は、
ミリ単位の精度で生体の3次元形態を計測できる。これ
らの画像の輝度情報は、CTの場合はX線の吸収係数、MRI
の場合は原子核スピンの磁気緩和時間などに関係する量
で、生体組織の違いをよく反映する。特にMRIの輝度情
報は、撮影時のラジオパルスの加え方により様々なコン
トラストを与え、生体組織の診断に有効である。臨床現
場で良く撮影されるT1（縦緩和時間）強調画像、T2（横
緩和時間）強調画像、プロトン密度強調画像といった画
像も、スピンエコー法におけるMRI撮影時のパルス系列
の反復時間（TR）、エコー時間（TE）の大小関係によっ
て区別される（図1）。しかし、これらの画像の輝度情
報は、スピン緩和時間などの純粋な物理量ではなく、い
くつかの要因が混合したものとして観察され、MRI装置
の磁場強度の違いなどによっても変化する。つまり、TR
を長く、かつ、TEを短くすれば、プロトン密度の重みの
大きい画像が得られると言った大まかな目安があるだけ
で、診断におけるTRやTEの厳密な値が決められているわ
けではない。撮影に要する時間を考慮すると、診断に使
用できる画像の種類は自ずと制限され、どのような画像
を何種類撮影するかは、医師や放射線技師の判断で決め
られる。診断を行う医師は、撮影された複数の画像を並
べて、頭の中で被験者の形態、生体組織の状態を把握す
る（図2）。
etic resonance imaging）などの医用画像診断装置は、
ミリ単位の精度で生体の3次元形態を計測できる。これ
らの画像の輝度情報は、CTの場合はX線の吸収係数、MRI
の場合は原子核スピンの磁気緩和時間などに関係する量
で、生体組織の違いをよく反映する。特にMRIの輝度情
報は、撮影時のラジオパルスの加え方により様々なコン
トラストを与え、生体組織の診断に有効である。臨床現
場で良く撮影されるT1（縦緩和時間）強調画像、T2（横
緩和時間）強調画像、プロトン密度強調画像といった画
像も、スピンエコー法におけるMRI撮影時のパルス系列
の反復時間（TR）、エコー時間（TE）の大小関係によっ
て区別される（図1）。しかし、これらの画像の輝度情
報は、スピン緩和時間などの純粋な物理量ではなく、い
くつかの要因が混合したものとして観察され、MRI装置
の磁場強度の違いなどによっても変化する。つまり、TR
を長く、かつ、TEを短くすれば、プロトン密度の重みの
大きい画像が得られると言った大まかな目安があるだけ
で、診断におけるTRやTEの厳密な値が決められているわ
けではない。撮影に要する時間を考慮すると、診断に使
用できる画像の種類は自ずと制限され、どのような画像
を何種類撮影するかは、医師や放射線技師の判断で決め
られる。診断を行う医師は、撮影された複数の画像を並
べて、頭の中で被験者の形態、生体組織の状態を把握す
る（図2）。
【０００３】図2に示したように医師が複数種類の医用
画像から、患者の生体組織情報を把握できるようになる
には、多くの経験と訓練が必要である。また、画像の種
類や枚数が増えると、人間が頭の中で対象物の状態をイ
メージすることは困難になり、計算機による支援が望ま
れている。近年、コンピュータグラフィックス技術の進
歩により、断面位置を少しずつ変えながら連続的に撮影
した複数枚の画像（ボリュームデータ）から、対象物の
3次元形状を表示する技術が普及してきている。その代
表は、対象物の境界面を表示するサーフェイスレンダリ
ングであるが、この手法では面の内側の輝度情報を完全
に破棄してしまう。それに対して、ボリュームレンダリ
ングと呼ばれる手法では、各ボクセルに色と不透明度を
与え、任意の始点からの透過映像を生成するので、微妙
な輝度情報の違いを可視化できる。ボリュームレンダリ
ングにおけるボクセルへの色の与え方は、図3に示すよ
うなボクセル輝度と色成分（RGB又は不透明度を加えたR
GBAなど）の対応を与える伝達関数を生成することによ
って行う。しかし、現時点では伝達関数の生成に確立さ
れた方法がなく、各ユーザーが経験的に生成するため、
得られたカラー画像には一般性がなく、診断などへの応
用は困難である。さらに、現在のカラー化方法は、単一
輝度のデータを対象にしたもので、カラー化しても1チ
ャンネル分の情報量しかないことに変りはない。多チャ
ンネルのMRI画像から一つのカラー画像が生成できれ
ば、個々の撮影条件でしかとらえることのできない情報
を一つの画像に盛り込むことができ、診断のための有力
なツールになると考えられるが、先に述べたMRIの輝度
の曖昧さから、どのような画像を何種類使ってカラーを
生成すれば良いかといった明確な基準が存在しない。
画像から、患者の生体組織情報を把握できるようになる
には、多くの経験と訓練が必要である。また、画像の種
類や枚数が増えると、人間が頭の中で対象物の状態をイ
メージすることは困難になり、計算機による支援が望ま
れている。近年、コンピュータグラフィックス技術の進
歩により、断面位置を少しずつ変えながら連続的に撮影
した複数枚の画像（ボリュームデータ）から、対象物の
3次元形状を表示する技術が普及してきている。その代
表は、対象物の境界面を表示するサーフェイスレンダリ
ングであるが、この手法では面の内側の輝度情報を完全
に破棄してしまう。それに対して、ボリュームレンダリ
ングと呼ばれる手法では、各ボクセルに色と不透明度を
与え、任意の始点からの透過映像を生成するので、微妙
な輝度情報の違いを可視化できる。ボリュームレンダリ
ングにおけるボクセルへの色の与え方は、図3に示すよ
うなボクセル輝度と色成分（RGB又は不透明度を加えたR
GBAなど）の対応を与える伝達関数を生成することによ
って行う。しかし、現時点では伝達関数の生成に確立さ
れた方法がなく、各ユーザーが経験的に生成するため、
得られたカラー画像には一般性がなく、診断などへの応
用は困難である。さらに、現在のカラー化方法は、単一
輝度のデータを対象にしたもので、カラー化しても1チ
ャンネル分の情報量しかないことに変りはない。多チャ
ンネルのMRI画像から一つのカラー画像が生成できれ
ば、個々の撮影条件でしかとらえることのできない情報
を一つの画像に盛り込むことができ、診断のための有力
なツールになると考えられるが、先に述べたMRIの輝度
の曖昧さから、どのような画像を何種類使ってカラーを
生成すれば良いかといった明確な基準が存在しない。
【０００４】
【発明が解決しようとする課題】以上述べたように、従
来技術には以下の問題点がある。 ｉ．従来の可視化技術は対象物体の境界を表示する方法
が主流で、MRIの輝度情報を有効利用していない。 ii.多チャンネルMRI画像からカラー画像を生成するため
に、どのようなMRI画像を何種類使えば良いかという明
確な基準が存在しない。 iii.ボクセルに色を割り付ける伝達関数の生成には、確
立された方法がない。そこで、本発明は、係る問題点を
解決して、多チャンネルMRIのカラー化を実現すること
を目的としている。
来技術には以下の問題点がある。 ｉ．従来の可視化技術は対象物体の境界を表示する方法
が主流で、MRIの輝度情報を有効利用していない。 ii.多チャンネルMRI画像からカラー画像を生成するため
に、どのようなMRI画像を何種類使えば良いかという明
確な基準が存在しない。 iii.ボクセルに色を割り付ける伝達関数の生成には、確
立された方法がない。そこで、本発明は、係る問題点を
解決して、多チャンネルMRIのカラー化を実現すること
を目的としている。
【０００５】
【課題を解決するための手段】本発明の多チャンネルMR
I画像処理によるカラー化方法は、組織標本などの、色
の決定とMRI撮影が可能なサンプルについて、条件を変
えて複数（Mチャンネル）のMRI画像を撮影し、前記Mチ
ャンネルMRI画像のデータに第一の独立成分分析（ICA）
を行って、L個（L≦M)の独立成分画像に分解し、サンプ
ル上からN点を選び、L個の独立成分画像輝度と色成分の
組である訓練サンプルを作成する。前記訓練サンプルを
用いて、L個の独立成分画像輝度の任意の組み合わせに
対して一つの色成分を出力する伝達関数を、色成分の数
だけ生成する。カラー化MRIを生成したい対象に対し
て、条件を変えて撮影したM’チャンネル（M'≧L）のMR
I画像を撮影し、前記M’チャンネルのMRI画像のデータ
に第二の独立成分分析を行って、L個の独立成分画像を
生成する。そして、前記第二の独立成分を、前記第一の
独立成分の輝度スケールに合わせるキャリブレーション
処理を行い、前記訓練サンプルを用いて得た伝達関数
を、前記キャリブレーションを行った独立成分画像に適
用してカラー画像を得ることを特徴としている。
I画像処理によるカラー化方法は、組織標本などの、色
の決定とMRI撮影が可能なサンプルについて、条件を変
えて複数（Mチャンネル）のMRI画像を撮影し、前記Mチ
ャンネルMRI画像のデータに第一の独立成分分析（ICA）
を行って、L個（L≦M)の独立成分画像に分解し、サンプ
ル上からN点を選び、L個の独立成分画像輝度と色成分の
組である訓練サンプルを作成する。前記訓練サンプルを
用いて、L個の独立成分画像輝度の任意の組み合わせに
対して一つの色成分を出力する伝達関数を、色成分の数
だけ生成する。カラー化MRIを生成したい対象に対し
て、条件を変えて撮影したM’チャンネル（M'≧L）のMR
I画像を撮影し、前記M’チャンネルのMRI画像のデータ
に第二の独立成分分析を行って、L個の独立成分画像を
生成する。そして、前記第二の独立成分を、前記第一の
独立成分の輝度スケールに合わせるキャリブレーション
処理を行い、前記訓練サンプルを用いて得た伝達関数
を、前記キャリブレーションを行った独立成分画像に適
用してカラー画像を得ることを特徴としている。
【０００６】また、本発明の多チャンネルMRI画像処理
によるカラー化装置は、ＭＲＩ装置と、成分抽出部と、
伝達関数生成部と、キャリブレーション部と、成分・色
変換部とから構成される。ＭＲＩ装置は、組織標本など
の、色の決定とMRI撮影が可能なサンプルについて、条
件を変えて複数（Mチャンネル）のMRI画像を撮影し、ま
た、カラー化MRIを生成したい対象に対して、条件を変
えて撮影したM’チャンネル（M'≧L）のMRI画像を撮影
する。成分抽出部は、前記MチャンネルMRI画像のデータ
に独立成分分析（ICA）を行って、L個（L≦M)の独立成
分画像に分解し、また、前記M’チャンネルのMRI画像の
データに独立成分分析を行って、L個の独立成分画像を
生成する。伝達関数生成部は、サンプル上からN点を選
び、L個の独立成分画像輝度と色成分の組である訓練サ
ンプルを作成し、該訓練サンプルを用いて、L個の独立
成分画像輝度の任意の組み合わせに対して一つの色成分
を出力する伝達関数を、色成分の数だけ生成する。キャ
リブレーション部は、伝達関数生成部から伝達関数を選
択し、カラー化しようとする対象の独立成分を、伝達関
数の独立成分のスケールに合わせるキャリブレーション
処理を行う。成分・色変換部は、キャリブレーションの
済んだ独立成分に伝達関数を適用し、カラー画像を生成
する。
によるカラー化装置は、ＭＲＩ装置と、成分抽出部と、
伝達関数生成部と、キャリブレーション部と、成分・色
変換部とから構成される。ＭＲＩ装置は、組織標本など
の、色の決定とMRI撮影が可能なサンプルについて、条
件を変えて複数（Mチャンネル）のMRI画像を撮影し、ま
た、カラー化MRIを生成したい対象に対して、条件を変
えて撮影したM’チャンネル（M'≧L）のMRI画像を撮影
する。成分抽出部は、前記MチャンネルMRI画像のデータ
に独立成分分析（ICA）を行って、L個（L≦M)の独立成
分画像に分解し、また、前記M’チャンネルのMRI画像の
データに独立成分分析を行って、L個の独立成分画像を
生成する。伝達関数生成部は、サンプル上からN点を選
び、L個の独立成分画像輝度と色成分の組である訓練サ
ンプルを作成し、該訓練サンプルを用いて、L個の独立
成分画像輝度の任意の組み合わせに対して一つの色成分
を出力する伝達関数を、色成分の数だけ生成する。キャ
リブレーション部は、伝達関数生成部から伝達関数を選
択し、カラー化しようとする対象の独立成分を、伝達関
数の独立成分のスケールに合わせるキャリブレーション
処理を行う。成分・色変換部は、キャリブレーションの
済んだ独立成分に伝達関数を適用し、カラー画像を生成
する。
【０００７】
【発明の実施の形態】本発明は、以下の段階処理により
多チャンネルMRIのカラー化を実現する。 １．組織標本などの、色の決定とMRI撮影が可能なサン
プルについて、条件を変えて複数（Mチャンネル）のMRI
画像を撮影する。 ２．上記1の多チャンネルMRI画像に独立成分分析（IC
A）を行い、L個（L≦M)の独立成分画像に分解する。
（図4参照） 例えば、３チャンネルのＭＲＩ画像(T１強調画像、T２
強調画像、プロトン密度強調画像)を独立成分分析(ICA)
すると、三つの独立成分画像(脂肪、自由水、緩和時間
の短い水)に分解できる。この場合 M=L=3 である。ちょ
うどこれは、テレビのR(赤)、G(緑)、B(青)のような基
本成分と考えられる。
多チャンネルMRIのカラー化を実現する。 １．組織標本などの、色の決定とMRI撮影が可能なサン
プルについて、条件を変えて複数（Mチャンネル）のMRI
画像を撮影する。 ２．上記1の多チャンネルMRI画像に独立成分分析（IC
A）を行い、L個（L≦M)の独立成分画像に分解する。
（図4参照） 例えば、３チャンネルのＭＲＩ画像(T１強調画像、T２
強調画像、プロトン密度強調画像)を独立成分分析(ICA)
すると、三つの独立成分画像(脂肪、自由水、緩和時間
の短い水)に分解できる。この場合 M=L=3 である。ちょ
うどこれは、テレビのR(赤)、G(緑)、B(青)のような基
本成分と考えられる。
【０００８】３．サンプル上からN点を選び、L個の独立
成分画像輝度と色成分（通常3個）の組である訓練サン
プルを作成する（図5参照）。 ４．訓練サンプルを用いて、L個の独立成分画像輝度の
任意の組み合わせに対して一つの色成分を出力する伝達
関数を、色成分の数（通常3）だけ生成する。
成分画像輝度と色成分（通常3個）の組である訓練サン
プルを作成する（図5参照）。 ４．訓練サンプルを用いて、L個の独立成分画像輝度の
任意の組み合わせに対して一つの色成分を出力する伝達
関数を、色成分の数（通常3）だけ生成する。
【０００９】例えばL=3の場合、カラー化のためには、
この三つの独立成分画像の輝度値と出力される色成分
（通常3）の値とを対応づける必要がある。これは、色
成分がR、G、Bの3成分である場合、伝達関数 R=f1(s1, s2, s3) G=f2(s1, s2, s3) B=f3(s1, s2, s3) を決めることに相当する。伝達関数を作る一番簡単な方
法は、独立成分画像の輝度が256階調とすれば、 R[256,256,256] G[256,256,256] B[256,256,256] のような256x256x256の３次元配列のテーブルを３つ作
ることに相当する。そうすると各テーブルについて1670
万の値を定義する必要が生じ、実際には容易にはできな
い。本発明は、s1, s2, s3で張られる３次元空間からN
個の訓練サンプル点を選び、その点と色成分の対応づけ
を行い、それ以外の点は、訓練サンプルから決まる滑ら
かな伝達関数を使って値を決める。
この三つの独立成分画像の輝度値と出力される色成分
（通常3）の値とを対応づける必要がある。これは、色
成分がR、G、Bの3成分である場合、伝達関数 R=f1(s1, s2, s3) G=f2(s1, s2, s3) B=f3(s1, s2, s3) を決めることに相当する。伝達関数を作る一番簡単な方
法は、独立成分画像の輝度が256階調とすれば、 R[256,256,256] G[256,256,256] B[256,256,256] のような256x256x256の３次元配列のテーブルを３つ作
ることに相当する。そうすると各テーブルについて1670
万の値を定義する必要が生じ、実際には容易にはできな
い。本発明は、s1, s2, s3で張られる３次元空間からN
個の訓練サンプル点を選び、その点と色成分の対応づけ
を行い、それ以外の点は、訓練サンプルから決まる滑ら
かな伝達関数を使って値を決める。
【００１０】N点の選び方は、脳の白質はクリーム色、
灰白質はピンク色、といった具合に人間が決めることも
可能であるが、アメリカの国立医学図書館が発行してい
る、Visible Human Dataset (http://www.nlm.nih.gov/
research/visible/visible_human.html)を利用して、自
動的に作成することができる。このデータには、死体の
三つのMRI画像と、断面カラー写真があるので、MRIの独
立成分とカラーを簡単に対応づけることができる。
灰白質はピンク色、といった具合に人間が決めることも
可能であるが、アメリカの国立医学図書館が発行してい
る、Visible Human Dataset (http://www.nlm.nih.gov/
research/visible/visible_human.html)を利用して、自
動的に作成することができる。このデータには、死体の
三つのMRI画像と、断面カラー写真があるので、MRIの独
立成分とカラーを簡単に対応づけることができる。
【００１１】これらの点をできるだけ忠実に再現する滑
らかな伝達関数を発生させるのに、ニューラルネットの
手法を使うことができる。つまり、訓練サンプルを使っ
て、ネットワークを学習させ、訓練の終ったネットワー
クを伝達関数として使うということになる。なお、断面
カラー写真を作るだけならば、Visible Human Dataset
から作った伝達関数をいつも使うことができるが、しか
し、例えば癌を赤色に強調するとか、脂肪を緑色にする
と言った、診断目的の特殊なカラー化を行おうとする
と、あらかじめ手作業で、各独立成分の癌の輝度と色成
分を対応づけた訓練サンプルを用意する必要がある。
らかな伝達関数を発生させるのに、ニューラルネットの
手法を使うことができる。つまり、訓練サンプルを使っ
て、ネットワークを学習させ、訓練の終ったネットワー
クを伝達関数として使うということになる。なお、断面
カラー写真を作るだけならば、Visible Human Dataset
から作った伝達関数をいつも使うことができるが、しか
し、例えば癌を赤色に強調するとか、脂肪を緑色にする
と言った、診断目的の特殊なカラー化を行おうとする
と、あらかじめ手作業で、各独立成分の癌の輝度と色成
分を対応づけた訓練サンプルを用意する必要がある。
【００１２】５．カラー化MRIを生成したい対象に対し
て、条件を変えて撮影したM’チャンネル（M'≧L）のMR
I画像を撮影する。 ６．上記5のデータに独立成分分析を行い、上記2と同種
のL個の独立成分画像を生成する。 ７．上記6の独立成分を、上記2の独立成分の輝度スケー
ルに合わせる処理（キャリブレーション）を行う。 ８．上記4で得た伝達関数を、上記7でキャリブレーショ
ンを行った独立成分画像に適用し、カラー画像を得る。
（図6）
て、条件を変えて撮影したM’チャンネル（M'≧L）のMR
I画像を撮影する。 ６．上記5のデータに独立成分分析を行い、上記2と同種
のL個の独立成分画像を生成する。 ７．上記6の独立成分を、上記2の独立成分の輝度スケー
ルに合わせる処理（キャリブレーション）を行う。 ８．上記4で得た伝達関数を、上記7でキャリブレーショ
ンを行った独立成分画像に適用し、カラー画像を得る。
（図6）
【００１３】このカラー化によって、多チャンネルMRI
の輝度情報が一つのカラー画像として統合され、従来技
術の問題点iが解決する。米国の国立医学図書館が発行
するVisible Human Datasetが提供する死体の3チャンネ
ルMRI（T1強調、T2強調、プロトン密度強調）と断面カ
ラー写真が、上記1,2,3の訓練サンプル作成に適してい
ることについては前述したが、それ以外にも、組織サン
プルの多チャンネルMRIとカラー写真の組み合わせを使
っても良いし、特定の組織に特定の色を対応づけるよう
に意図した人工的サンプルを使っても良い。上記2と6で
用いられる独立成分分析は、混合信号から信号源を見つ
ける信号処理法で、図1の3チャンネルMRIデータに適用
すると、図4に示すような、物理的違いを反映する独立
成分画像が生成される。これらの独立成分はTRやTEなど
の撮影パラメタやMRI装置の違いに影響を受けにくく、
カラー化のための基準となり、従来技術の問題点iiを解
決する。上記4の伝達関数の生成は、L次元空間中のN点
の訓練サンプルを滑らかに補間することに等しい。N点
の訓練サンプルからこのような滑らかな関数を生成する
方法はいろいろ考えられるが、ラジアル・ベーシス・フ
ァンクション法（RBF）を使うのが効果的で、これによ
って従来技術の問題点iiiを解決する。RBFの詳細は補足
説明に記す。ここで伝達関数としては、独立成分画像を
そのまま出力するような物も含むこととする。（熟練し
た医師には、そのような表示が好まれる。）
の輝度情報が一つのカラー画像として統合され、従来技
術の問題点iが解決する。米国の国立医学図書館が発行
するVisible Human Datasetが提供する死体の3チャンネ
ルMRI（T1強調、T2強調、プロトン密度強調）と断面カ
ラー写真が、上記1,2,3の訓練サンプル作成に適してい
ることについては前述したが、それ以外にも、組織サン
プルの多チャンネルMRIとカラー写真の組み合わせを使
っても良いし、特定の組織に特定の色を対応づけるよう
に意図した人工的サンプルを使っても良い。上記2と6で
用いられる独立成分分析は、混合信号から信号源を見つ
ける信号処理法で、図1の3チャンネルMRIデータに適用
すると、図4に示すような、物理的違いを反映する独立
成分画像が生成される。これらの独立成分はTRやTEなど
の撮影パラメタやMRI装置の違いに影響を受けにくく、
カラー化のための基準となり、従来技術の問題点iiを解
決する。上記4の伝達関数の生成は、L次元空間中のN点
の訓練サンプルを滑らかに補間することに等しい。N点
の訓練サンプルからこのような滑らかな関数を生成する
方法はいろいろ考えられるが、ラジアル・ベーシス・フ
ァンクション法（RBF）を使うのが効果的で、これによ
って従来技術の問題点iiiを解決する。RBFの詳細は補足
説明に記す。ここで伝達関数としては、独立成分画像を
そのまま出力するような物も含むこととする。（熟練し
た医師には、そのような表示が好まれる。）
【００１４】
【実施例】Ａ．ソフトウェアによる実現法 上記の処理を汎用計算機上のソフトウェアで行う場合の
手順は図7のようになる。入力された多チャンネルMRIデ
ータは、独立成分分析を実行される。ここでのパラメタ
入力は、MRI画像のサイズ、チャンネル数（M又はM'）、
独立成分数（L）、データの種類（訓練サンプルである
かどうか）などである。独立成分分析の詳細は補足説明
に記す。
手順は図7のようになる。入力された多チャンネルMRIデ
ータは、独立成分分析を実行される。ここでのパラメタ
入力は、MRI画像のサイズ、チャンネル数（M又はM'）、
独立成分数（L）、データの種類（訓練サンプルである
かどうか）などである。独立成分分析の詳細は補足説明
に記す。
【００１５】訓練サンプルを生成する場合、Visible Hu
man Datasetのような多チャンネルMRIとカラー断面写真
の組が与えられるようなデータを用いれば、組織の色を
生成する伝達関数を自動的に生成できる。しかし使用者
の目的に合わせた特別のカラー化を行おうとする場合
は、人手により独立成分と色情報の入力が必要になる。
man Datasetのような多チャンネルMRIとカラー断面写真
の組が与えられるようなデータを用いれば、組織の色を
生成する伝達関数を自動的に生成できる。しかし使用者
の目的に合わせた特別のカラー化を行おうとする場合
は、人手により独立成分と色情報の入力が必要になる。
【００１６】訓練サンプルを生成しない場合はカラー化
処理とみなされ、伝達関数選択部に送られる。伝達関数
はどのようなカラー化を行うかによってデータベースの
中から選択して使用する。訓練サンプルの独立成分と、
カラー化を行う多チャンネルMRIデータの独立成分は別
物であるため、訓練サンプルとカラー化しようとするデ
ータの独立成分画像輝度の対応づけを行う必要がある。
この処理は、訓練サンプルとカラー化しようとするデー
タに同じ物質サンプルを一緒に撮影しておくことで自動
化できるが、そうでない場合は、人手による組織の対応
付けが必要になる。図8は、Visible Human Datasetを訓
練サンプルとして、健康なボランティアの多チャンネル
MRIをカラー化する場合のキャリブレーションの例であ
る。ここではクラスタリングという画像処理の手法で、
訓練サンプルと健康なボランティアの各独立成分を6つ
の領域に分け、それらの領域から、眼球や背景などの他
と区別しやすい２つの領域を対応付け、健康なボランテ
ィアの独立成分を訓練サンプルの独立成分の輝度スケー
ルに変換する線形のキャリブレーション関数を生成した
例である。キャリブレーション関数でスケール補正した
独立成分に伝達関数を適用し、カラー化されたMRI画像
が生成される。
処理とみなされ、伝達関数選択部に送られる。伝達関数
はどのようなカラー化を行うかによってデータベースの
中から選択して使用する。訓練サンプルの独立成分と、
カラー化を行う多チャンネルMRIデータの独立成分は別
物であるため、訓練サンプルとカラー化しようとするデ
ータの独立成分画像輝度の対応づけを行う必要がある。
この処理は、訓練サンプルとカラー化しようとするデー
タに同じ物質サンプルを一緒に撮影しておくことで自動
化できるが、そうでない場合は、人手による組織の対応
付けが必要になる。図8は、Visible Human Datasetを訓
練サンプルとして、健康なボランティアの多チャンネル
MRIをカラー化する場合のキャリブレーションの例であ
る。ここではクラスタリングという画像処理の手法で、
訓練サンプルと健康なボランティアの各独立成分を6つ
の領域に分け、それらの領域から、眼球や背景などの他
と区別しやすい２つの領域を対応付け、健康なボランテ
ィアの独立成分を訓練サンプルの独立成分の輝度スケー
ルに変換する線形のキャリブレーション関数を生成した
例である。キャリブレーション関数でスケール補正した
独立成分に伝達関数を適用し、カラー化されたMRI画像
が生成される。
【００１７】Ｂ．ハードウェアによる実現法 上記の処理を行うハードウェアは図9のような構成にな
る。各部分は、デジタル計算機により実現できる。ハー
ドウェアはMRI装置と一体となり、成分抽出部が被験者
や組織標本の多チャンネルMRIの独立成分分析を行う。
伝達関数生成部は、訓練サンプルから伝達関数を生成
し、伝達関数データベースに格納する。キャリブレーシ
ョン部は、伝達関数生成部から伝達関数を選択し、カラ
ー化しようとする対象の独立成分を、伝達関数の独立成
分のスケールに合わせる。成分・色変換部は、キャリブ
レーションの済んだ独立成分に伝達関数を適用し、カラ
ー画像を生成する。
る。各部分は、デジタル計算機により実現できる。ハー
ドウェアはMRI装置と一体となり、成分抽出部が被験者
や組織標本の多チャンネルMRIの独立成分分析を行う。
伝達関数生成部は、訓練サンプルから伝達関数を生成
し、伝達関数データベースに格納する。キャリブレーシ
ョン部は、伝達関数生成部から伝達関数を選択し、カラ
ー化しようとする対象の独立成分を、伝達関数の独立成
分のスケールに合わせる。成分・色変換部は、キャリブ
レーションの済んだ独立成分に伝達関数を適用し、カラ
ー画像を生成する。
【００１８】（補足説明） Ａ．多チャンネルMRIの独立成分分析 異なる撮影条件で撮影されたMチャンネルMRIデータを
【数１】 とすると、独立成分分析（ICA）では、XがM 個の独立な
ソース信号
ソース信号
【数２】 の線形結合、
【数３】 として観察されたと考える（図10）。ここで、xｍは平
均値がゼロになるような変換を受けているものとする。
ICA は、Sの個々の要素が互いにできるだけ独立になる
ようなM×M行列AとSを決定する問題とみなせる。実際に
はAとSを同時に決定することは困難なので、まず、適当
なM×M行列Wを定義し、
均値がゼロになるような変換を受けているものとする。
ICA は、Sの個々の要素が互いにできるだけ独立になる
ようなM×M行列AとSを決定する問題とみなせる。実際に
はAとSを同時に決定することは困難なので、まず、適当
なM×M行列Wを定義し、
【数４】 を計算し、Yの各要素ができるだけ独立になるようにWを
逐次修正する。計算が収束すれば、Yはスケールと順番
を除いてSに一致すると考えられる。
逐次修正する。計算が収束すれば、Yはスケールと順番
を除いてSに一致すると考えられる。
【００１９】yｉを独立にする方法はいくつか提案され
ているが、いずれの場合も自然勾配、
ているが、いずれの場合も自然勾配、
【数５】 に従って、
【数６】 のようにWを修正すれば良いことが知られている。ここ
でηは適当な学習係数である。「数５」の
でηは適当な学習係数である。「数５」の
【数７】 は、数学的にはyｉの累積密度関数であるが、ソースの
確立密度関数を事前に知ることはできないので、
確立密度関数を事前に知ることはできないので、
【数８】 などの非線型関数が用いられる。
【００２０】以上の説明では、観測データXとSの成分数
はどちらもMであると仮定されているが、前もってXを主
成分分析し、有意成分だけを使ってMより小さい成分数
のSを求めることもできる。 Ｂ．ラジアル・ベーシス・ファンクション法による伝達
関数生成 M個の独立成分S(tｎ)=[s１(tｎ),・・・,sＭ(tｎ)]と色
成分C(tｎ)=[c１(tｎ),c２(tｎ),c３(tｎ)]の組である
訓練サンプルから伝達関数を生成する問題は、
はどちらもMであると仮定されているが、前もってXを主
成分分析し、有意成分だけを使ってMより小さい成分数
のSを求めることもできる。 Ｂ．ラジアル・ベーシス・ファンクション法による伝達
関数生成 M個の独立成分S(tｎ)=[s１(tｎ),・・・,sＭ(tｎ)]と色
成分C(tｎ)=[c１(tｎ),c２(tｎ),c３(tｎ)]の組である
訓練サンプルから伝達関数を生成する問題は、
【数９】 のよう滑らかな関数fｊ(S)を求める問題とみなすことが
できる。ここで tｎ (n=1,・・・,N)は訓練サンプルと
して選ばれたボクセルへのインデックスである。「数
９」のような関数の生成に、我々はラジアル・ベーシス
・ファンクション法（RBF）を用いる。
できる。ここで tｎ (n=1,・・・,N)は訓練サンプルと
して選ばれたボクセルへのインデックスである。「数
９」のような関数の生成に、我々はラジアル・ベーシス
・ファンクション法（RBF）を用いる。
【００２１】RBF法はp個の放射状の基底関数φｐ(S)の
線形結合
線形結合
【数１０】 によって、滑らかな関数fｊ(S)を定義する。ここでS=[s
１,・・・,sＭ]はM次元ベクトル、ωｊ，ｐは重み係数
である。基底関数φｐ(S)としては様々なものが利用で
きるが、ガウス関数の積を使うのが一般的である。基底
関数が決まれば、訓練サンプルを用いてωｊ，ｐを決定
できる。つまり、
１,・・・,sＭ]はM次元ベクトル、ωｊ，ｐは重み係数
である。基底関数φｐ(S)としては様々なものが利用で
きるが、ガウス関数の積を使うのが一般的である。基底
関数が決まれば、訓練サンプルを用いてωｊ，ｐを決定
できる。つまり、
【数１１】 として、fｊ(S)を、
【数１２】 のようなベクトル表現で表すことにより、
【数１３】 を最小にするベクトルΩｊを、
【数１４】 を解くことによって求める。ここで、
【数１５】 とすると、Φ＊はN×P行列Φの一般逆行列である。
【００２２】本出願人はp個の基底関数φｐ(S)を、Sで
張られるM次元空間中の格子上に置く。1次元のガウス関
数を
張られるM次元空間中の格子上に置く。1次元のガウス関
数を
【数１６】 とすれば、φｐ(S)はこれらの積として定義される。つ
まり、2次元（M=2）の場合、
まり、2次元（M=2）の場合、
【数１７】 のような関数を、図11のように配置する。この時、K1、
K2は各独立成分をk-mean法などで領域分類（クラスタリ
ング）した時のクラス数であり、P=K1*K2である。同様
に、M=3の場合は、
K2は各独立成分をk-mean法などで領域分類（クラスタリ
ング）した時のクラス数であり、P=K1*K2である。同様
に、M=3の場合は、
【数１８】 のようになり、P=K1*K2*K3である。(3)式のgｍ，ｉとし
ては、領域分類した独立成分のクラスタ中心を用い、σ
ｍ，ｉとしては、
ては、領域分類した独立成分のクラスタ中心を用い、σ
ｍ，ｉとしては、
【数１９】 のような値を用いた。ここでλは適当な定数である。
【００２３】
【発明の効果】本発明は、MRIの輝度情報を有効利用し
て、多チャンネルMRIのカラー化を実現し、それ故、個
々の撮影条件でしかとらえることのできない情報を一つ
の画像に盛り込むことができ、診断のための有力なツー
ルを提供することができる。
て、多チャンネルMRIのカラー化を実現し、それ故、個
々の撮影条件でしかとらえることのできない情報を一つ
の画像に盛り込むことができ、診断のための有力なツー
ルを提供することができる。
【図１】臨床現場で良く撮影されるT1強調画像、T2強調
画像、プロトン密度強調画像を例示する図である。
画像、プロトン密度強調画像を例示する図である。
【図２】複数の医用診断画像を見て医師がイメージする
ことについて説明するための図である。
ことについて説明するための図である。
【図３】単一輝度画像の擬似カラー表示を説明するため
の図である。
の図である。
【図４】独立成分分析を説明するための図である。
【図５】訓練サンプルを説明するための図である。
【図６】多チャンネル画像処理によるカラー化ＭＲＩを
説明するための図である。
説明するための図である。
【図７】ソフトウェアにより実現する場合の手順を例示
するための図である。
するための図である。
【図８】Visible Human Datasetを訓練サンプルとし
て、健康なボランティアの多チャンネルMRIをカラー化
する場合のキャリブレーションの例を示す図である。
て、健康なボランティアの多チャンネルMRIをカラー化
する場合のキャリブレーションの例を示す図である。
【図９】ハードウェアにより実現した構成を例示する図
である。
である。
【図１０】多チャンネルMRIの独立成分分析を説明する
ための図である。
ための図である。
【図１１】ラジアル・ベーシス・ファンクション法によ
る伝達関数生成を説明するための図である。
る伝達関数生成を説明するための図である。
───────────────────────────────────────────────────── フロントページの続き 審査官 新井 則和 (56)参考文献 特表 平７−505805（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G06T 1/00 290 G06T 1/00 510 A61B 5/055 G01R 33/32 H04N 7/18
Claims (2)
- 【請求項１】 組織標本などの、色の決定とMRI撮影が
可能なサンプルについて、条件を変えて複数（Mチャン
ネル）のMRI画像を撮影し、 前記MチャンネルMRI画像のデータに第一の独立成分分析
（ICA）を行って、L個（L≦M)の独立成分画像に分解
し、 サンプル上からN点を選び、L個の独立成分画像輝度と色
成分の組である訓練サンプルを作成し、 前記訓練サンプルを用いて、L個の独立成分画像輝度の
任意の組み合わせに対して一つの色成分を出力する伝達
関数を、色成分の数だけ生成し、 カラー化MRIを生成したい対象に対して、条件を変えて
撮影したM’チャンネル（M'≧L）のMRI画像を撮影し、 前記M’チャンネルのMRI画像のデータに第二の独立成分
分析を行って、L個の独立成分画像を生成し、 前記第二の独立成分を、前記第一の独立成分の輝度スケ
ールに合わせるキャリブレーション処理を行い、 前記訓練サンプルを用いて得た伝達関数を、前記キャリ
ブレーションを行った独立成分画像に適用してカラー画
像を得る、 ことから成る多チャンネルMRI画像処理によるカラー化
方法。 - 【請求項２】 組織標本などの、色の決定とMRI撮影が
可能なサンプルについて、条件を変えて複数（Mチャン
ネル）のMRI画像を撮影し、また、カラー化MRIを生成し
たい対象に対して、条件を変えて撮影したM’チャンネ
ル（M'≧L）のMRI画像を撮影するＭＲＩ装置と、 前記MチャンネルMRI画像のデータに独立成分分析（IC
A）を行って、L個（L≦M)の独立成分画像に分解し、ま
た、前記M’チャンネルのMRI画像のデータに独立成分分
析を行って、L個の独立成分画像を生成する成分抽出部
と、 サンプル上からN点を選び、L個の独立成分画像輝度と色
成分の組である訓練サンプルを作成し、該訓練サンプル
を用いて、L個の独立成分画像輝度の任意の組み合わせ
に対して一つの色成分を出力する伝達関数を、色成分の
数だけ生成する伝達関数生成部と、 伝達関数生成部から伝達関数を選択し、カラー化しよう
とする対象の独立成分を、伝達関数の独立成分のスケー
ルに合わせるキャリブレーション処理を行うキャリブレ
ーション部と、 キャリブレーションの済んだ独立成分に伝達関数を適用
し、カラー画像を生成する成分・色変換部と、 から成る多チャンネルMRI画像処理によるカラー化装
置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000061244A JP3254451B2 (ja) | 2000-03-06 | 2000-03-06 | 多チャンネルｍｒｉ画像処理によるカラー化方法及び装置 |
| US09/750,989 US6580936B2 (en) | 2000-03-06 | 2000-12-28 | Coloring method and apparatus for multichannel MRI imaging process |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000061244A JP3254451B2 (ja) | 2000-03-06 | 2000-03-06 | 多チャンネルｍｒｉ画像処理によるカラー化方法及び装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2001250106A JP2001250106A (ja) | 2001-09-14 |
| JP3254451B2 true JP3254451B2 (ja) | 2002-02-04 |
Family
ID=18581411
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2000061244A Expired - Fee Related JP3254451B2 (ja) | 2000-03-06 | 2000-03-06 | 多チャンネルｍｒｉ画像処理によるカラー化方法及び装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6580936B2 (ja) |
| JP (1) | JP3254451B2 (ja) |
Families Citing this family (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE10119784B4 (de) * | 2001-04-23 | 2004-04-15 | Siemens Ag | Stufenlose Überblendung zwischen Darstellungen mehrerer Spinkollektive an der Benutzer-Schnittstelle mit einem Eingabegerät bei der Kernspintomographie |
| FI114613B (fi) * | 2001-10-17 | 2004-11-30 | Nexstim Oy | Menetelmä ja laite magneettistimulaation annoslaskentaa varten |
| US7355597B2 (en) * | 2002-05-06 | 2008-04-08 | Brown University Research Foundation | Method, apparatus and computer program product for the interactive rendering of multivalued volume data with layered complementary values |
| US7764814B2 (en) * | 2003-07-10 | 2010-07-27 | Mount Sinai School Of Medicine | Display and analysis of multicontrast-weighted magnetic resonance images |
| WO2005070400A1 (en) * | 2004-01-15 | 2005-08-04 | Mount Sinai School Of Medicine | Methods and compositions for imaging |
| US20050215884A1 (en) * | 2004-02-27 | 2005-09-29 | Greicius Michael D | Evaluation of Alzheimer's disease using an independent component analysis of an individual's resting-state functional MRI |
| US7426289B2 (en) * | 2004-10-14 | 2008-09-16 | The Brigham And Women's Hospital, Inc. | Overlay of tinted images for visualizing change in serial radiologic images |
| US20080012856A1 (en) * | 2006-07-14 | 2008-01-17 | Daphne Yu | Perception-based quality metrics for volume rendering |
| WO2009047643A2 (en) * | 2007-04-23 | 2009-04-16 | Comagna Kft. | Mehtod and apparatus for image processing |
| US8009168B2 (en) * | 2007-06-26 | 2011-08-30 | Microsoft Corporation | Real-time rendering of light-scattering media |
| US7990377B2 (en) * | 2007-06-26 | 2011-08-02 | Microsoft Corporation | Real-time rendering of light-scattering media |
| US7940268B2 (en) * | 2007-06-29 | 2011-05-10 | Microsoft Corporation | Real-time rendering of light-scattering media |
| US7940269B2 (en) | 2007-06-29 | 2011-05-10 | Microsoft Corporation | Real-time rendering of light-scattering media |
| US7818042B2 (en) * | 2007-08-20 | 2010-10-19 | Mastercolors LLC | Method and apparatus for uniquely identifying tissue pathology |
| US8320647B2 (en) | 2007-11-20 | 2012-11-27 | Olea Medical | Method and system for processing multiple series of biological images obtained from a patient |
| KR101529876B1 (ko) * | 2008-10-10 | 2015-06-19 | 삼성전자주식회사 | 영상 처리 장치 및 방법 |
| US8462346B2 (en) * | 2009-02-20 | 2013-06-11 | Acuitas Medical Limited | Representation of spatial-frequency data as a map |
| US10894098B2 (en) | 2012-04-09 | 2021-01-19 | Signablok, Inc. | Methods and compositions for targeted imaging |
| US20130322712A1 (en) * | 2012-06-05 | 2013-12-05 | Siemens Medical Solutions Usa, Inc. | System for Comparing Medical Images |
| CN104103083A (zh) * | 2013-04-03 | 2014-10-15 | 株式会社东芝 | 图像处理装置和方法以及医学成像设备 |
| JP2018505705A (ja) * | 2014-12-10 | 2018-03-01 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 機械学習を用いた医用イメージングの変換のためのシステムおよび方法 |
| US10656229B2 (en) | 2016-04-06 | 2020-05-19 | Northwestern University | Magnetic barcode imaging |
| EP3438918A1 (en) * | 2017-08-02 | 2019-02-06 | Koninklijke Philips N.V. | Display of a medical image |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4609872A (en) * | 1984-08-10 | 1986-09-02 | General Electric Company | NMR multiple-echo phase-contrast blood flow imaging |
| US4728892A (en) * | 1985-08-13 | 1988-03-01 | Shell Oil Company | NMR imaging of materials |
| US7194117B2 (en) * | 1999-06-29 | 2007-03-20 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination of objects, such as internal organs |
| US6331116B1 (en) * | 1996-09-16 | 2001-12-18 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual segmentation and examination |
| US6008813A (en) * | 1997-08-01 | 1999-12-28 | Mitsubishi Electric Information Technology Center America, Inc. (Ita) | Real-time PC based volume rendering system |
| US6664961B2 (en) * | 2000-12-20 | 2003-12-16 | Rutgers, The State University Of Nj | Resample and composite engine for real-time volume rendering |
-
2000
- 2000-03-06 JP JP2000061244A patent/JP3254451B2/ja not_active Expired - Fee Related
- 2000-12-28 US US09/750,989 patent/US6580936B2/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2001250106A (ja) | 2001-09-14 |
| US20010021794A1 (en) | 2001-09-13 |
| US6580936B2 (en) | 2003-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3254451B2 (ja) | 多チャンネルｍｒｉ画像処理によるカラー化方法及び装置 | |
| JP3549527B2 (ja) | 磁気共振画像作成カラー合成 | |
| Rorden et al. | Age-specific CT and MRI templates for spatial normalization | |
| Zhang et al. | Can signal-to-noise ratio perform as a baseline indicator for medical image quality assessment | |
| Bauer et al. | Generation of annotated multimodal ground truth datasets for abdominal medical image registration | |
| CN108324244A (zh) | 用于ai+mri影像辅助诊断的自动增广训练样本的构建方法及系统 | |
| Baum et al. | Fusion viewer: a new tool for fusion and visualization of multimodal medical data sets | |
| JP7332338B2 (ja) | 画像診断支援装置、画像診断支援プログラム、および、医用画像取得装置 | |
| CN107920798B (zh) | 用于显示身体部位的医学图像数据的装置 | |
| US20080112602A1 (en) | Medical image generating method | |
| JP5783627B2 (ja) | 人体模型作成システム | |
| CN101176683A (zh) | 人体立体解剖图象的制作方法与应用 | |
| Peng et al. | Three-dimensional reconstruction of magnetic resonance images of carp brain for brain control technology | |
| Bibin et al. | Hybrid 3D pregnant woman and fetus modeling from medical imaging for dosimetry studies | |
| US7280681B2 (en) | Method and apparatus for generating a combined parameter map | |
| US20030169254A1 (en) | Method for producing an image sequence from volume datasets | |
| Fajar et al. | Color Mapping for Volume Rendering Using Digital Imaging and Communications in Medicine Images | |
| Muraki et al. | Basic research for coloring multichannel MRI data | |
| CN113470152B (zh) | 一种颜色保真的功能影像体绘制方法 | |
| CN115192057B (zh) | 一种基于ct的复合成像方法及装置 | |
| Baum | Multimodal breast imaging: Registration, visualization, and image synthesis | |
| Ruff et al. | Volume rendering of multimodal images for the planning of skull base surgery | |
| JP2001307065A (ja) | 画像処理装置及び画像処理方法 | |
| Patel et al. | Effect of reduced sampling of MRI k-space on optimal diagnosis of myocarditis with T2 mapping | |
| Khoroshun et al. | Improving of computed tomography images for effective diagnosis of gunshot wounds |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
| S631 | Written request for registration of reclamation of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313631 |
|
| R360 | Written notification for declining of transfer of rights |
Free format text: JAPANESE INTERMEDIATE CODE: R360 |
|
| R370 | Written measure of declining of transfer procedure |
Free format text: JAPANESE INTERMEDIATE CODE: R370 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071130 Year of fee payment: 6 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313115 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| LAPS | Cancellation because of no payment of annual fees | ||
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |