[发明专利]放射线图像处理方法、学习完毕模型、放射线图像处理模块、放射线图像处理程序及放射线图像处理系统在审

专利信息
申请号: 202180028347.5 申请日: 2021-04-14
公开(公告)号: CN115398215A 公开(公告)日: 2022-11-25
发明(设计)人: 须山敏康;大西达也 申请(专利权)人: 浜松光子学株式会社
主分类号: G01N23/04 分类号: G01N23/04;G06T5/00
代理公司: 北京尚诚知识产权代理有限公司 11322 代理人: 杨琦;梁策
地址: 日本*** 国省代码: 暂无信息
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 放射线 图像 处理 方法 学习 完毕 模型 模块 程序 系统
【权利要求书】:

1.一种放射线图像处理方法,其具备:

使用向对象物照射放射线,并拍摄透过所述对象物的放射线而取得放射线图像的系统,取得治具的放射线图像的步骤;

确定所述治具的放射线图像的图像特性的步骤;

基于所述图像特性,从预先使用图像数据通过机器学习分别构建的多个学习完毕模型中,选择学习完毕模型的步骤;

使用所述系统,取得所述对象物的放射线图像的步骤;及

使用所选择的所述学习完毕模型,执行从所述对象物的放射线图像去除噪声的图像处理的步骤。

2.根据权利要求1所述的放射线图像处理方法,其中,

在所述选择步骤中,通过比较所述图像特性与根据所述图像数据而确定的图像特性,来选择所述学习完毕模型。

3.根据权利要求1所述的放射线图像处理方法,其中,

在所述确定步骤中,确定作为对所述治具的放射线图像应用了所述多个学习完毕模型的结果而获得的多个图像的图像特性,

在所述选择步骤中,基于所述多个图像的图像特性,选择所述学习完毕模型。

4.根据权利要求2所述的放射线图像处理方法,其中,

所述图像特性是能量特性、噪声特性、及频率特性中的至少1个,

在所述选择步骤中,选择通过所述图像特性类似的图像数据而构建的所述学习完毕模型。

5.根据权利要求3所述的放射线图像处理方法,其中,

所述图像特性是分辨率特性或亮度-噪声比,

在所述选择步骤中,选择用于产生分辨率特性或亮度-噪声比相对优异的图像的所述学习完毕模型。

6.根据权利要求1至5中任一项所述的放射线图像处理方法,其中,

所述机器学习是深度学习。

7.一种学习完毕模型,其中,

是用于权利要求1至6中任一项所述的放射线图像处理方法的学习完毕模型,

所述学习完毕模型使用图像数据通过机器学习而构建,使处理器执行从所述对象物的放射线图像去除噪声的图像处理。

8.一种放射线图像处理模块,其具备:

取得部,其使用向对象物照射放射线,并拍摄透过所述对象物的放射线而取得放射线图像的系统,取得治具及对象物的放射线图像;

确定部,其确定所述治具的放射线图像的图像特性;

选择部,其基于所述图像特性,从预先使用图像数据通过机器学习分别构建的多个学习完毕模型中,选择学习完毕模型;及

处理部,其使用所选择的所述学习完毕模型,执行从所述对象物的放射线图像去除噪声的图像处理。

9.根据权利要求8所述的放射线图像处理模块,其中,

所述选择部,通过比较所述图像特性与根据所述图像数据而确定的图像特性,来选择所述学习完毕模型。

10.根据权利要求8所述的放射线图像处理模块,其中,

所述确定部,确定作为对所述治具的放射线图像应用了所述多个学习完毕模型的结果而获得的多个图像的图像特性,

所述选择部,基于所述多个图像的图像特性,选择所述学习完毕模型。

11.根据权利要求9所述的放射线图像处理模块,其中,

所述图像特性是能量特性、噪声特性、及频率特性中的至少1个,

所述选择部,选择通过所述图像特性类似的图像数据而构建的所述学习完毕模型。

12.根据权利要求10所述的放射线图像处理模块,其中,

所述图像特性是分辨率特性或亮度-噪声比,

所述选择部,选择用于产生分辨率特性或亮度-噪声比相对优异的图像的所述学习完毕模型。

13.根据权利要求8至12中任一项所述的放射线图像处理模块,其中,

所述机器学习是深度学习。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浜松光子学株式会社,未经浜松光子学株式会社许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202180028347.5/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top