© FUJIFILM Corporation

Technology

過去70年以上にわたり追求し続けてきた画像処理技術を、医療分野に応用。
多くのお客様の診断業務を支援してきた富士フイルムの画像処理AI技術 REiLI の
4つの強みをご紹介します。
01
高画質化
高画質化のイメージ
低線量と高画質の両立、高いノイズ抑制と画像の質感(Texture)の両立を実現し、読影やAIによる診断により適切な画像を構築する技術を開発しています。
02
セグメン
テーション
複雑な解析・病変の検出技術などのベースとなる臓器・領域をセグメンテーション(領域抽出)する技術。個人差、疾患の有無、撮像条件によらず、安定的に正確な領域抽出を実現するための技術を開発しています。
03
検出・診断
対象画像・領域から疾患が疑われる個所を検出・計測するためのAI技術です。
04
ワークフロー
支援
セグメンテーション・CADエンジンからの解析結果と連携して、様々なアプリケーションに活用、 業務を効率化するためのAI技術です。

機器サービス
低線量時でも視認性の優れた画像を提供するAI技術を用いた逐次近似処理
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。
高画質化CTIT放射線科領域循環器領域呼吸器領域整形領域
AI技術を活用したノイズ除去技術
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。
高画質化MRIT放射線科領域循環器領域消化器領域整形領域
超解像処理
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。
高画質化IT放射線科領域消化器領域
Thinスライスの仮想生成技術
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。
高画質化CTIT放射線科領域循環器領域呼吸器領域消化器領域整形領域
AI技術を活用した超音波ノイズ除去技術
AI技術を活用してエコー信号とノイズを区別し、診断に必要な信号を抽出します。これにより診断に苦慮した症例でも高画質な画像を提供できる技術です。
高画質化US放射線科領域循環器領域消化器領域整形領域
脳区域セグメンテーション
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。
セグメンテーションMRIT放射線科領域頭部領域
骨経時サブトラクション
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。
セグメンテーションCTIT放射線科領域整形領域
尿量計測
膀胱領域を自動で抽出し、膀胱の体積を推定することにより尿量の値を自動計算します。残尿等の計測を簡便にかつ定量的に行うことができ、在宅医療の現場等における医師や看護スタッフによる患者の排尿管理を支援します。
セグメンテーションUSその他
骨密度測定
エネルギーサブトラクションによって得られる骨部強調画像から、腰椎や大腿骨を自動的に抽出し、骨密度測定を行う技術を開発中です。
セグメンテーションDR放射線科領域
膵臓解析
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。
セグメンテーションCTIT放射線科領域消化器領域
腎臓セグメンテーション
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。
セグメンテーションCTMRIT放射線科領域
肝区域ラベリング
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。
セグメンテーションCTIT放射線科領域消化器領域
肝臓解析
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。
セグメンテーションCTIT放射線科領域消化器領域
肺解析
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。
セグメンテーションCTIT放射線科領域呼吸器領域
膝関節解析
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。
セグメンテーションMRIT放射線科領域整形領域
脊椎・肋骨抽出・ラベリング
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。
セグメンテーションCTIT放射線科領域整形領域
肺区域抽出・ラベリング
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。
セグメンテーションCTIT放射線科領域呼吸器領域
縦隔/腋窩リンパ節臓器認識
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。
セグメンテーションCTIT放射線科領域
肋骨骨折判別技術
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。
検出・診断CTIT放射線科領域
肺炎所見の判別技術
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。
検出・診断CTIT放射線科領域呼吸器領域
大腸ポリープの検出と鑑別支援技術
大腸内視鏡で撮影された画像をAI技術を活用して開発したソフトウェアで認識し、ポリープの検出と鑑別を支援する技術です。
検出・診断ES消化器領域
肺結節CAD
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。
検出・診断CTIT放射線科領域呼吸器領域
間質性肺疾患分類
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。
検出・診断CTIT放射線科領域呼吸器領域
CADの活用技術
AI技術を活用したCAD等のソフトウェアの動作環境を撮影モダリティ上に搭載し、活用範囲を広げる事によりワークフローを支援する技術です。
検出・診断DRその他
頭部CT画像の左右比較による高信号/低信号領域の強調
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。
検出・診断CTIT放射線科領域頭部領域
胸腔・肝臓・腎臓などの周辺組織との比較による高吸収/低吸収領域の強調
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。
検出・診断CTIT放射線科領域
胸部X線からの所見検出CAD
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。
検出・診断IT放射線科領域呼吸器領域
Real-time Screening Assist
AI 技術*を用いた画像認識技術により、Bモード画像内の周囲と輝度の特徴が異なる領域を強調表示します。リアルタイムに検出部位を表示することで乳房超音波検査におけるスクリーニングの負担軽減に貢献します。
*AI技術のひとつであるDeep learningを用いて開発・設計したものです。実装後に自動的に装置の性能・精度は変化することはありません。
検出・診断US放射線科領域
AI技術を活用した ワークフロー向上技術
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。
ワークフロー支援MRIT放射線科領域
自動断面認識、自動計測機能
AI技術を活用して構築した認識機能により心臓の断面及び左室、左房、右房壁を自動認識し、EF(左室駆出率; Ejection Fraction)や体積計測等を自動で行うことができます。心エコー検査において上記計測は使用頻度が高く、検査間誤差が出やすいため、自動化することによって検査の定量化を促進し、再現性向上と検査時間の短縮に貢献します。
ワークフロー支援US循環器領域
血管判別技術
超音波画像から、血管の静脈・動脈の判別や、血管径と深さの認識をする技術。各種超音波画像診断への貢献が期待されます。
ワークフロー支援USその他
手術用器具の認識技術
X線画像に写っている異物等を認識する技術です。
手術用ガーゼ等の器具の認識に活用し、手術の遺残物を確認する外科医の負荷の軽減を目指しています。
ワークフロー支援DRその他
撮影ポジショニングのサポート技術
撮影装置に取り付けたカメラの画像をAI技術を活用して開発したソフトウェアで認識し、ポジショニングのサポートに利用する技術です。
ワークフロー支援DR放射線科領域
撮影条件ナビゲーション
撮影装置に搭載するセンサーを用いて、被写体を3次元で認識し、検査目的に適した撮影条件を提案し、放射線技師をアシストする技術を開発中です。
撮影前に患者の体型や撮影メニューに応じた最適条件を算出することにより、線量不足による写損や過剰被ばくを防ぐことが期待されます。
ワークフロー支援DR放射線科領域
肺炎入院患者の経過予測技術
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。
ワークフロー支援ITその他
肺結節性状分析
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。
ワークフロー支援CTIT放射線科領域
肝臓性状分析
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。
ワークフロー支援CTIT放射線科領域
肺野内関心領域の高吸収域表示
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。
検出・診断CTIT放射線科領域呼吸器領域
EvansIndex, 脳梁角、MidlineShift自動計測
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。
検出・診断CTIT放射線科領域頭部領域
認知症早期診断技術
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。
検出・診断MRIT放射線科領域頭部領域