FUJIFILM

統計学的モデル、オブジェクトモデル、物理学的モデルに基づき、画像ノイズや画質を繰り返し演算処理により制御する独自技術を採用。
AIを活用し、高いノイズ低減率においても画像の質感を維持し、低線量時でも視認性の優れた画像を実現します。被ばく低減と画像の質感、ノイズ低減と視認性向上の両立を実現します。

高速化もしくは高分解能化によって低下するSNRをAI技術を用いた画像再構成により構造やコントラストの劣化を抑えつつノイズ成分を除去することで、画質を維持した撮像時間の短縮や画質向上による視認性を向上する技術です。

超解像拡大補間処理は、AI技術を使ったフィルタにより、画像を拡大した際に画像内に生じるエイリアシング成分を分離抑制する技術です。

ThickスライスのCTデータから、仮想的にThinスライスを生成する技術です。全身の部位に適用でき、過去データの活用に役立ちます。また、仮想的に生成したThinスライスデータを用いることで、VR表示やサジタル・コロナルの再構成画像における視認性を高めています。

脳の区域を100以上の区域にセグメンテーションします。各区域の体積を定量化する技術を開発中です。手術シミュレーションへの活用や、過去・現在の画像から各区域の萎縮率を算出するような応用が期待されます。

過去と現在の画像の椎体をばらばらに認識し、各椎体の位置合わせを行い差分をとる技術です。骨濃度の経時的変化を元画像上に重畳することで変化した部分を可視化します。
過去画像からCT値が増大した部分が赤く、低下した部分が青く表示されています。

造影CT画像から、膵臓、各周辺臓器領域・周辺脈管を自動抽出し3Dで解析します。
膵管径・残膵体積・断面積の計測、切除シュミレーションを行い、膵臓手術を支援します。

CTまたはMRI画像から左右の腎臓と周辺動静脈を抽出し、腎容積の経時変化の計測を支援します。
形状の多様性から抽出が難しいケースが多い遺伝性疾患である嚢胞腎についても、AI技術により抽出精度を向上し、診断/治療を支援します。

肝内血管の自動抽出（脈管構造認識）により、血管走行を基に定義される機能ごとの肝区域分割（クイノー分割）に対応する自動ラベリングを行います。肝臓に対するIVRプランニングに活用できます。

CT画像から、肝実質・周辺脈管を自動抽出し3Dで解析します。血管の支配領域計算による切除領域プランニングなどによって、術前シミュレーションを支援します。

CT画像から肺野、5葉、気管支、周辺動静脈を自動で抽出する技術です。各抽出結果から低吸収領域の割合を算出します。COPDの診断への貢献が期待されます。

MRI画像から大腿骨、脛骨、膝蓋骨、軟骨、半月板を自動で抽出する技術です。軟骨の厚さ、半月板と脛骨の距離を計測することで、侵襲を伴わず膝関節の病態を把握することが可能になります。

各椎体を個別に認識し、脊椎や肋骨のラベリングを行います。これにより、医師が骨の位置を目視で数える負荷を軽減できます。また、椎体の剛体位置合わせによるサブトラクションを行うことで、骨折や骨転移などの可視化に活用されます。

胸部CT画像において、肺区域を右10区域・左8区域に分類する技術です。医師が検出した結節等の病変位置を確認する際に参考となる情報を表示します。

胸部CTから、縦郭／腋窩リンパ節を抽出する機能です。比較的大きめな縦郭／腋窩リンパ節を抽出します。リンパ節腫大の評価を支援できる可能性があります。

肋骨の胸部CT画像を解析し、骨折懸念箇所を検出する技術です。CT画像を使った胸部診断への貢献が期待されます。

肺のCT画像からCOVID-19肺炎等の特徴的な画像所見を有する可能性がある領域をマーキングする技術です。CT画像を使った肺炎診断への貢献が期待されます。

胸部CT画像から肺結節領域を検出し、検出された領域のサイズやCT値などの計測値を表示します。
結節性病変の見落とし防止、レポート作成の支援を目指します。

浸潤影や網状影、すりガラス影、蜂巣肺など、CT画像上に現れる間質性肺炎の様々な所見を識別し、その分布や体積の解析を支援する技術です。
従来目視で行われていた間質性肺炎の重症度や治療効果などの定量化が期待されます。

頭部CT画像において、脳領域の左右比較により、高信号領域、低信号領域を抽出する技術です。一般的に高信号および低信号領域は脳卒中診断の際に脳の出血状態や虚血領域の評価に活用されています。本技術は、頭部CT画像診断の支援に繋がることが期待されます。

周辺組織よりも高吸収または低吸収な領域を抽出、強調表示する技術です。例えば、肝臓の高吸収/低吸収、胸腔の高吸収、腎臓の低吸収は、各部位の所見を判断する際に、参考となる情報を得られる可能性があります。今後、造影/非造影双方の画像に対応できる事を目指しています。

胸部単純X線画像から結節・腫瘤影、浸潤影、気胸の3つの画像所見を検出する技術です。健康診断や日常診療など、さまざまな胸部単純X線検査の場面で見落とし防止への貢献が期待されます。

AI技術を活用した画像認識技術により、撮像画像から対象部位を抽出します。抽出結果から、撮像時の位置決め設定の自動化や診断用３D画像作成時に不要な組織の自動除去を実現し検査の自動化をサポートする技術です。

医療機関内のさまざまな部門システムで管理している診療データを基に、肺炎入院患者の経過を高精度に予測する技術を開発しました。本技術を活用し、今後患者一人ひとりに応じた診療計画の作成や限られた医療リソース配分の最適化支援が期待されます。

肺結節の性状分析結果の観察と分析結果を元に、肺結節の所見文作成を支援する技術です。形状や吸収値、石灰化の有無などの複数の性状を分析し、結果を自然言語処理技術を用いて複数の所見文候補を提示することが可能になります。

医師が抽出した肝臓の関心領域の性状を分析し、医師の所見文作成を支援する技術です。区域や大きさのみならず、造影CTの多時相の検査画像をもとに、出現や消失を分析することも可能になります。また肺結節性状分析と同様に、自然言語処理技術を活用して複数の所見文候補を提示することも可能になります。

胸部CT画像の肺野内関心領域の高吸収の閾値を推定し、高吸収域の定量値を算出する技術を開発しました。例えば、部分充実型の肺結節の定量的な解析に関する参考情報を得られることが期待されます。

頭部CTから、EvansIndex, 脳梁角、MidlineShiftを自動計測する技術です。 EvansIndex,脳梁角は水頭症、MidlineShiftは頭部外傷の評価での支援につながることが期待されます。

MRIにおける、QSM（Quantitative Susceptibility Mapping）とVBM（Voxel Based Morphometry）のハイブリッド解析を用いて、認知症初期のわずかな脳容積減少と鉄沈着を定量判別する技術を開発しています。認知症の診断を支援できる可能性があります。