JP2007244518A - 画像解析装置及び画像解析方法 - Google Patents

Abstract

【課題】管腔内異常組織の検出精度を向上させる。
【解決手段】ＣＰＵは、ステップＳ４のポリープ候補検出処理を実施することで、細線化画像２５の各ラベル値ごとに処理して、処理結果をポリープ候補画像２６に重畳することにより、ポリープ候補エッジをラベリングした、ポリープ候補ラベリング画像を生成する。そして、ポリープ候補画像２６を原画像２２に重畳したポリープ候補ラベリング画像を表示装置上に表示することにより、画像上のポリープ候補位置を容易に確認することが可能となる。
【選択図】図４

Description

本発明は、医療画像よりポリープの検出する画像解析装置及び画像解析方法に関する。

医療分野においてはＸ線、ＣＴ、ＭＲＩ、超音波観測装置、内視鏡装置等の画像撮像機器を用いた診断が広く行われている。

例えば内視鏡装置においては、細長の挿入部を体腔内に挿入し、固体撮像素子等を撮像手段に用いて体腔内臓器等をモニタ画面により観察し、診断をすることができる。また、前記体腔内臓器へ超音波を照射し、この超音波の反射あるいは透過度等により該体腔内臓器の状況をモニタ画面により観察し、検査あるいは診断することのできる超音波内視鏡装置も広く用いられている。

これらの機器により撮像された画像を用いた最終的な診断は、医師の主観に依存している部分が多大であるため、画像解析手法により撮像対象に関する特徴量を算出し、客観的・数値的な診断支援情報を医師に提示することにより、医師の診断行為を支援する、診断支援装置がある。

ここで、特徴量とは、画像上の様々な所見を反映した数値であり、画像解析手法の適用により得られるものである。

例えば内視鏡画像において、粘膜表面の発赤といった色調に関する所見、透見血管像に見られる血管の屈折・蛇行性といった血管の形状に関する所見、胃小区における粘膜模様のパターンに関する所見は、病変の悪性度診断において重要な要素となっている。例えば非特許文献１（「”消化器内視鏡”2001vol.13 No.3 voI.13 東京医学社刊 P349-354」）は、粘膜所見及び血管の形状に関する所見による病変良悪性の鑑別についての例である。

例えば特開２００５−１５７９０２号公報等には、特徴量を利用した所見の客観化結果に基づく病変判定精度を向上させることのできる画像解析方法が開示されている。この特開２００５−１５７９０２号公報では、画像解析方法を消化管画像内の血管を線状パターンとして抽出して、病変判定に利用している。
特開２００５−１５７９０２号公報 「"消化器内視鏡"2001 vol.13 No.3 voI.13 東京医学社刊 P349-354」

しかしながら、撮像対象となる消化管が大腸であるときの病変候補検出に着眼した画像解析手法は従来技術には存在しない。大腸における検出対象として隆起性病変（大腸ポリープ）があるが、公知のエッジ検出手法では、大腸ポリープだけではなく襞（ひだ：ハウストラ）や大腸管腔屈曲部等の境界も同時に検出してしまう問題がある。

本発明は、上記事情に鑑みてなされたものであり、管腔内異常組織の検出精度を向上させることのできる画像解析装置及び画像解析方法を提供することを目的としている。

本発明の請求項１に記載の画像解析装置は、
管腔内画像のエッジを抽出するエッジ抽出処理を行うエッジ抽出処理手段と、
前記エッジ抽出手段により抽出した各々の前記エッジのエッジ線データ及び／またはエッジ周辺画素データに基づき、前記エッジが管腔内異常組織のエッジであるか否かを判定する管腔内異常組織候補検出処理手段と
を備えて構成される。

本発明の請求項１に記載の画像解析方法は、
管腔内画像に対して、エッジ抽出処理を行うエッジ抽出処理ステップと、
抽出した各々の前記エッジのエッジ線データ及び／またはエッジ周辺画素データに基づき、前記エッジが管腔内異常組織のエッジであるか否かを判定する管腔内異常組織候補検出処理ステップと
を備えて構成される。

本発明によれば、管腔内異常組織の検出精度を向上させることができることができるという効果がある。

以下、図面を参照しながら本発明の実施例について述べる。

図１ないし図１１は本発明の実施例１に係わり、図１は内視鏡画像解析装置の構成を示す構成図、図２は図１のメモリ上に記憶される情報を示す図、図３は図１のＣＰＵにより実行される画像解析プログラムの処理の流れを示すフローチャート、図４は図３の画像解析処理の流れを示すフローチャート、図５は図１のメモリ上に記憶される原画像を示す図、図６は図１のメモリ上に記憶される細線化画像を示す図、図７は図１のメモリ上に記憶されるリープ候補画像を示す図、図８は図４のポリープ候補検出処理の流れを示すフローチャート、図９は図８の処理を説明する第１の図、図１０は図８の処理を説明する第２の図、図１１は図３の処理で表示装置に表示されるポリープ候補画像を原画像に重畳したポリープ候補ラベリング画像を示す図である。

（構成）
図１に示すように、本実施例の内視鏡画像解析装置１は、生体内を撮像してアナログ画像信号を出力する内視鏡観察装置２と、内視鏡観察装置２の出力するアナログ画像信号から画像データを生成すると共に生成された画像データを蓄積する内視鏡ファイリング装置３と、画像解析処理を行う画像処理装置４とを備えて構成される。

画像処理装置４は、情報処理を行う情報処理装置５と、キーボードとマウス等とからなる操作装置６と、ハードディスク等からなる記憶装置７と、ＣＲＴあるいは液晶ディスプレイあるいはプラズマディスプレイ等の表示手段からなる表示装置８とを具備して構成される。

内視鏡ファイリング装置３と情報処理装置５は、例えばＴＣＰ／ＩＰをプロトコルとするＬＡＮ９に接続されており、相互に通信可能である。

情報処理装置５は、一般のパーソナルコンピュータが用いられており、内視鏡ファイリング装置３に蓄積されている画像データをＬＡＮ９経由で取得し、画像データに対して画像解析処理を行い、画像解析結果を表示装置８に表示するようになっている。ここで、処理を行う画像データの指定、指定された画像データの取得指示、処理実行の指示は、操作装置６を用いた操作によって行われる。

情報処理装置５では、制御・処理を行うエッジ抽出処理手段及び管腔内異常組織候補検出処理手段としてのＣＰＵ１０と、処理プログラム・データを記憶するメモリ１１と、記憶装置７との間で情報の読み書きを行う外部記憶Ｉ／Ｆ１２と、外部機器との通信を行うネットワークカード１３と、操作装置６との入出力を行う操作Ｉ／Ｆ１４と、表示装置８にビデオ信号を出力するグラフィックボード１５とが、バス１６に接続されており、バス１６を介して相互にやり取りを行うようになっている。

ネットワークカード１３は、ＬＡＮ９上に接続されている内視鏡ファイリング装置８とデータの送受信処理を行うようになっている。

操作Ｉ／Ｆ１４は、操作装置６のキーボードやマウスによって入力された入力信号を受け取り、必要なデータ処理を行うようになっている。

記憶装置７は情報処理装置５に接続されており、画像解析処理を実行する画像解析プログラム２０を格納している。該画像解析プログラム２０は、複数の実行ファイルまたは動的リンクライブラリファイルまたは設定ファイルから構成される。

外部記憶Ｉ／Ｆ１２は、記憶装置７に記憶されている画像解析プログラム２０を読み込み、メモリ１１に記憶させるようになっている。

図２に示すように、メモリ１１は、画像解析プログラム２０と、解析データ２１を保持している。

メモリ１１に記憶された画像解析プログラム２０は、ＣＰＵ１０による実行により、操作装置６によって指定された内視鏡画像データを内視鏡ファイリング装置３から取得し、取得した画像データに対して画像解析処理をし、画像解析結果の表示装置８への表示処理を行うプログラムである。

メモリ１１に記憶された解析データ２１は、ＣＰＵ１０における各処理により取得及び生成されるデータである。記憶される解析データ２１は、内視鏡ファイリング装置３から取得した画像データである原画像２２及び後述する各種処理により生成される２値化画像２３、ラベリング画像２４、細線化画像２５、ポリープ候補画像２６からなる。

（作用）
ＣＰＵ１０にて実行される画像解析プログラム２０の処理について説明する。この処理では、図３に示すように、ＣＰＵ１０は、原画像取得処理のステップＳ１にて、操作装置６の操作により指定された画像データを、内視鏡ファイリング装置３から取得し、メモリ１１上に原画像２２として記憶させる処理を行う。

次に、ＣＰＵ１０は、画像解析処理のステップＳ２にて、原画像取得処理ステップＳ１により取得した原画像２２を処理し、２値化画像２３と、ラベリング画像２４と、細線化画像２５と、ポリープ候補画像２６と、図示しない解析処理画像とを生成してメモリ１１上に記憶させる処理を行う。

そして、ＣＰＵ１０は、解析結果表示処理のステップＳ３にて、前記解析処理画像を表示装置８上に表示する処理を行う。

図３のステップＳ２の画像解析処理を図４を用いて説明する。図４に示すように、画像解析プログラム２０により、ステップＳ１０の２値化処理ステップにて、ＣＰＵ１０は、図５に示すような原画像２２の例えばＲ信号について公知のSobelフィルタによるエッジ抽出処理を行って、処理結果として得られた画素値が所定の閾値Rt以上である場合に、該当画素を「１」とする２値画像２３を生成する。

なお、エッジ抽出処理は、原画像２２の例えばＲ信号について行うとしたが、これに限らず、原画像２２のＧ信号あるいはＢ信号について行うようにしてもよい。

ＣＰＵ１０は、ステップＳ１１のラベリング処理ステップにより、２値化画像の画素値が「１」である画素の連結成分のそれぞれにラベルを割り当てたラベリング画像２４を生成する。

ＣＰＵ１０は、ステップＳ１２の細線化処理ステップにより、ラベリング画像２４内の各ラベル値を例えば公知のHildichの方法により細線化した図６に示すような細線化画像２５を生成する。細線化画像２５は、原画像１１に含まれるエッジを、１画素の連結成分からなるエッジ線として抽出して各々にラベルを割り当てた画像となる。各エッジは、大腸の隆起性病変候補の外形線とともに、病変以外の構造の外形線を含んでいる。

なお、ラベリング画像２４及び細線化画像２５の生成方法については、例えば特開２００５−１５７９０２号公報に開示されているように、公知であるので説明は省略する。

ＣＰＵ１０は、ステップＳ１３のポリープ候補検出処理ステップにより、細線化画像２５のエッジ線から、隆起性病変としての可能性の高いエッジ線のみを抽出して、図７に示すようなポリープ候補画像２６として生成する。

次に、ステップＳ１３のポリープ候補検出処理ステップを図８のフローチャートを用いて説明する。ポリープ候補検出処理は、細線化画像２５のエッジ線から、隆起性病変としての可能性の高いエッジ線のみを抽出して、ポリープ候補画像２６として生成する処理である。

図８に示すように、ＣＰＵ１０は、ステップＳ２１にて、ラベリング画像２４においてラベル値「１」をもつエッジ線情報を取得する。

ＣＰＵ１０は、ステップＳ２２にて、エッジ線の端点を算出する。端点数が”２”ではない場合には、分岐／交差点がある、または閉曲線であることを示しており、本処理では大腸ポリープの対象候補から除外する。

ＣＰＵ１０は、ステップＳ２３にて、エッジ線の線分長を算出する。本実施例では、画素数を線分長として代用する。また、線分長が所定値Ｌ0以下である場合には、ノイズであるとみなして、大腸ポリープの対象候補から除外する。

ＣＰＵ１０は、ステップＳ２４にて、エッジ線を長さＬc間隔で分割する分割点Ｐ’nを求める。その方法は、エッジ線の端点から辿って、Ｌc番目の画素を分割点Ｐ’nとして設定することにより実現する。図９、図１０の白丸が、端点Ｐ0から端点Ｐ1までの分割点Ｐ’nの分布を示している。

ＣＰＵ１０は、ステップＳ２５にて、まず、ステップＳ２４において求めた分割点Ｐ’nを通る補間曲線を求める。補間曲線をパラメトリック曲線とするときの曲線方程式は、曲線上に存在するとみなす４点（端点を含む点間を補間する場合は３点）を決定してCatmull-Rom曲線式に当てはめることにより導出する。補間曲線上の補間点は、パラメトリック曲線のパラメタｔ（０≦ｔ≦１）を設定することにより容易に求まる。

続いて、分割点Ｐ’nにおけるエッジ線の法線ベクトルを求める。分割点Ｐ’nにおける接線ベクトルは、前述の方法により求めたパラメトリック曲線方程式のｔに関する微分式に、ｔ＝０．０またはｔ＝１．０を代入することにより容易に求まる。よって、その接線ベクトルと直交するベクトルが法線ベクトルとなる。

ただし、法線ベクトルは２方向あるため、点Ｐ0と点Ｐ1の中点に近い方向を各分割点Ｐ’nごとに求めて、数の多い方の方向を法線ベクトルの方向とする。

これにより、エッジ線が円弧形状である場合にその円弧の中心方向を法線ベクトルが向くこととなる。法線ベクトルの長さは所定の長さｎ0とする。

ＣＰＵ１０は、ステップＳ２６にて、法線ベクトルの端点のうち分割点ではない方（すなわち、法線ベクトルの終点：図９、図１０の×印））の集合の度合いを評価する。

本実施例では、法線ベクトル端点のｘ座標, ｙ座標の平均値をμｘ, μｙとするときの、各法線ベクトル端点との距離の二乗である
（ｘ−μｘ）²＋（ｙ−μｙ）²
を求めることとする。

ＣＰＵ１０は、ステップＳ２７にて、ステップＳ２６で求めた距離の二乗の平均値を求め、その値が所定の閾値Ｍ0以上であるときに、該当するエッジ線を大腸ポリープの対象候補から除外する。

そして、ステップＳ２６で求めた距離の二乗の平均値が閾値Ｍ0よりも小さい場合には、ＣＰＵ１０は、ステップＳ２８にてエッジ線の画素を「１」とするポリープ候補画像２６を生成する。

なお、図９は本実施例においてポリープ候補として認められたエッジ線の例を示し、図１０は本実施例においてポリープ候補として認められなかったエッジ線の例を示す。

（効果）
以上本実施例では、ＣＰＵ１０が上記処理ステップを、細線化画像２５の各ラベル値ごとに処理して、処理結果をポリープ候補画像２６に重畳することにより、ポリープ候補エッジをラベリングした、図１１に示すようなポリープ候補ラベリング画像２７を生成する。そして、図１１に示すように、ポリープ候補画像２６を原画像２２に重畳したポリープ候補ラベリング画像２７を表示装置８上に表示することにより、画像上のポリープ候補位置を容易に確認することが可能となる。

図１２ないし図１５は本発明の実施例２に係わり、図１２は大腸ポリープ候補検出処理の流れを示すフローチャート、図１３は図１２の処理を説明する第１の図、図１４は図１２の処理を説明する第２の図、図１５は図１２の処理を説明する第３の図である。

実施例２は実施例１とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号を付し説明は省略する。

本実施例では、大腸ポリープ候補検出処理の一部が実施例１と異なり、図１２に示すように、本実施例ではＣＰＵ１０は、ステップＳ２１〜Ｓ２５を実施し、実施例１と同様にステップＳ２５においてエッジ線の分割点Ｐ’nでの法線ベクトルを求めた後、ステップＳ３１にて法線ベクトルの端点のうち分割点ではない方（すなわち、法線ベクトルの終点）における、原画像のR信号の濃淡値勾配を求める。

濃淡値勾配は、図１３に示すように、法線ベクトル端点を中心として３×３の画素に関して、ｘ，ｙ方向それぞれ3画素先のＲ画素信号の差分を抽出し、ｘ，ｙ方向の差分値の平均値を、濃淡値勾配のｘ方向成分、ｙ方向成分とする。

そして、ＣＰＵ１０は、ステップＳ３２にて法線ベクトル端点から、ステップＳ３１で求めた濃淡値勾配の方向に直線を引いたときの、エッジ線との交点の有無を調べる。その方法は、法線ベクトル端点を起点として、濃淡値勾配方向に辿っていき、エッジ線と交わるか否かを調べることとなる。例えば、図１４のようにエッジ線がＲ信号の濃淡値の明るい領域を囲むように位置する場合には、全ての法線ベクトル端点についてエッジ線との交差が発生する。しかし、図１５のようにエッジ線がＲ信号の濃淡値の暗い領域を囲むように位置する場合には、全ての法線ベクトル端点についてエッジ線との交差が発生しないこととなる。図１４はポリープの外形線としてエッジ抽出した例を示し、図１５は管腔奥を覗き見る際の管腔に存在する襞を抽出した例を示している。

続いて、ＣＰＵ１０は、ステップＳ３３にてエッジ線との交点が発生した数と所定の閾値Ｍ0とを比較し、交点がＭ0以上である場合にはエッジ線がポリープの外形線を表すものとして、ステップＳ２８においてエッジ線の画素を「１」とするポリープ候補画像２６を生成する。

なお、本実施例ではＣＰＵ１０は、濃淡値勾配を３画素先の画素値との差分により求めているが、設定可能なパラメタ変数Ｎにより、Ｎ画素先の差分を求めるように構成して、濃淡値勾配情報のスケールを調整可能としてもよい。

このように本実施例では、ＣＰＵ１０がエッジ近傍の画像濃淡値の勾配を調べることによって、ポリープ外形の特徴を示さないエッジ線を検出し、そのエッジ線をポリープ候補から除外して病変候補を提示するため、Ｄｒ．の病変発見を補助することとなる。

図１６ないし図２９は本発明の実施例３に係わり、図１６は大腸ポリープ候補検出処理の流れを示すフローチャート、図１７は図１６の処理を説明する第１の図、図１８は図１６の処理を説明する第２の図、図１９は図１６の処理を説明する第３の図、図２は図１６の処理を説明する第４の図、図２１は図１６の処理を説明する第５の図、図２２は図１６の処理を説明する第６の図、図２３は図１６の処理を説明する第７の図、図２４は図１６の処理を説明する第８の図、図２５は図１６の大腸ポリープ候補検出処理の変形例を実施する画像解析プログラムを示す図、図２６は図２５の大腸ポリープ候補検出処理の流れを示すフローチャート、図２７は図２６の処理を説明する第１の図、図２８は図２６の処理を説明する第２の図、図２９は図２６の処理を説明する第３の図である。

実施例３は実施例１とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号を付し説明は省略する。

本実施例では、大腸ポリープ候補検出処理が実施例１と異なり、図１６に示すように、ＣＰＵ１０は、ステップＳ２１にて、ラベリング画像２４においてラベル値「１」をもつエッジ線情報を取得する。

ＣＰＵ１０は、ステップＳ２２にて、エッジ線の端点を算出する。端点数が２である場合には、分岐／交差のない開曲線であるとみなして、端点同士を結んだ開曲線を形成し、ステップＳ２３に進む。端点数が２でない場合は、ステップＳ６０に進む。端点数が０である場合には、分岐のない閉曲線であるとみなしてステップＳ６１に進む。端点数が２以上である場合には、本処理では大腸ポリープの対象候補から除外するため、以降の処理を全てスキップする。

なお、端点数が２であっても、閉曲線に分岐点／交差点が含まれる場合があるため、分岐点の数、交差点の数を調べて判定することにより、本実施例の検出精度が向上させることが可能である。

ＣＰＵ１０は、ステップＳ２３にて、エッジ線の周囲長を算出する。本実施例では、画素数を周囲長として代用する。周囲長が所定値Ｌ0以下である場合には、ノイズであるとみなして、大腸ポリープの対象候補から除外する。

ＣＰＵ１０は、ステップＳ２４にて、エッジ線をｎ分割する分割点Ｐ’nを求める。分割点間の距離Ｌcを、Ｌc＝（エッジ線分長）／ｎにより求めておき、エッジ上の任意の点（本実施例では、ステップＳ２２にて算出したエッジ線の端点Ｐ0）を開始点として設定し、右回りに辿って、Ｌc番目の画素を分割点として順次設定することにより分割点生成を実現する。その結果の例として、図１７では、端点Ｐ0から右回りに分割点列を生成したことを示している。

ＣＰＵ１０は、ステップＳ５０にて、エッジ分割点列の複素PARCOR係数を算出しステップＳ５１に進む。ここで、点列の座標値は、周囲長が１になるようにスケール変換しておく。

なお、複素PARCOR係数は、点列のなす形状に関する特徴量であり、参考文献として例えば「電子情報通信学会論文誌 D-II Vol.J73-D-II No.6 pp804-811 1990年6月」がある。

次に端点数が0の場合の処理フローを説明する。
ＣＰＵ１０は、ステップＳ６１にて、エッジ線の周囲長を求める。本実施例では、ステップＳ２３と同様に画素数を線分長として代用する。周囲長が所定の値Ｄ0以下である場合には、ノイズであるとみなして、大腸ポリープの対象候補から除外する。

ＣＰＵ１０は、ステップＳ６２にて、エッジ線をｎ分割する分割点Ｐ’nを求める。その方法はステップＳ２４と同様であり、分割点間の距離Ｄcを、Ｄc＝（エッジ周囲長）／ｎにより求めておき、エッジ線上の任意の点（本実施例では、ｘ座標が最小値であるエッジ線上の点のうち、ｙ座標が最小値である点）を開始点Ｐ0と設定し、右回りに辿って、Ｄc番目の画素を分割点として順次設定することにより分割点生成を実現する。その結果の例として、図１８では、端点Ｐ0からＰ6まで設定されて、Ｐ7がＰ0と重なる分割点列を生成したことを示している。

ＣＰＵ１０は、ステップＳ６３にて、エッジ分割点列の複素PARCOR係数を算出しステップＳ５１に進む。ここで、点列の座標値は、対象となる閉曲線を囲む最小の正方形の１辺の長さが１であるようにスケール変換しておく。

ＣＰＵ１０は、ステップＳ５１にて、ステップＳ５０、ステップＳ６３で得た結果である複素PARCOR係数を、判別分析する。判別分析の教師データ例を図１９ないし図２４に示す。このうち、大腸ポリープであることを示す正解例としてのポリープクラスと判定される教師データ例は、例えば図２３及び図２４の２つである。

ＣＰＵ１０は、ステップＳ５２にて、ステップＳ５１での結果がポリープクラスと識別された場合には、エッジ形状が大腸ポリープのものであるとして、ステップＳ２８にて該当するエッジ線の画素を１とするポリープ候補画像２６を生成する。

以上のように本実施例においても、ポリープ候補画像２６を原画像２２に重畳して表示装８置上に表示することにより、画像上のポリープ候補位置を容易に確認することが可能となる。

なお、本実施例では実施例１と同様に、ＣＰＵ１０が細線化画像２５におけるエッジ線を求めて、図１６の大腸ポリープ候補検出処理を実施するとしたが、これに限らず、図２５に示すように、細線化画像２５を生成することなく、２値化画像の画素値が「１」である画素の連結成分のそれぞれにラベルを割り当てたラベリング画像２４におけるエッジ線を求めて、図２６に示すような大腸ポリープ候補検出処理を実施するようにしても良い。

すなわち、細線化されていないラベリング画像２４は、例えば図２７ないし図２９に示すような閉曲線画像となるが、該ラベリング画像２４をエッジ線として、エッジ線をｎ分割する分割点Ｐ’nを求め、エッジ分割点列の複素PARCOR係数を算出し、複素PARCOR係数を判別分析してポリープ候補画像２６を生成するようにしても良い（図２７ないし図２９の例では、図２８及び図２９がポリープ候補画像２６となる）。

図３０及び図３１は本発明の実施例４に係わり、図３０は大腸ポリープ候補検出処理の流れを示すフローチャート、図３１は図３０の処理を説明する図である。

実施例４は実施例１とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号を付し説明は省略する。

本実施例では、大腸ポリープ候補検出処理の一部が実施例１と異なり、図３０に示すように、ＣＰＵ１０は、本実施例ではステップＳ２１〜Ｓ２４を実施し、実施例１と同様にステップＳ２４においてエッジ線をｎ分割する分割点Ｐ’nを求める。

その結果の例として、図３１では、端点Ｐ0から端点Ｐ1まで、Ｐ’0、Ｐ’1の2点の分割点を生成したことを示している。

そして、ＣＰＵ１０は、ステップＳ７１にて、端点Ｐ0、Ｐ1、分割点Ｐ’nを通る補間曲線上の補間点を求める。補間曲線上の補間点は、パラメトリック曲線のパラメタｔ（０≦ｔ≦１）を設定することにより容易に求まる。本実施例では補間点Ｃ0、Ｃ1、Ｃ2を、それぞれＰ0〜Ｐ’0、Ｐ’0〜Ｐ’1、Ｐ’1〜Ｐ1の中点として設定し、それぞれｔ＝０．５０を各曲線方程式に代入することにより求めることとする。

ＣＰＵ１０は、ステップＳ７２にて、まず補間点を通る補間曲線と法線方向に交わる直線方程式を求める。補間点における曲線の接線ベクトルは、ステップＳ７１のパラメトリック曲線方程式のｔに関する微分式に、補間点生成に代入したｔの値を代入することにより容易に求まる。よって、その方向ベクトルと直交する方向ベクトルが、直線方程式の傾きとなる。次に、求めた直線方程式を表す直線上を、補間点Ｃnを起点として辿っていき、エッジ線と交わったところの点と、起点であるＣnとの距離Ｗnを求める。

ＣＰＵ１０は、ステップＳ７３にて、ステップＳ７２で求めた各補間点Ｃnにおける距離Ｗnの二乗の平均値を求める。この平均値が、所定の値Ｍ0以上である場合には、エッジの形状が不整であるとして、該当するエッジ線の画素を１とするポリープ候補画像２６を生成する。

本実施例においても、ポリープ候補画像２６を原画像２２に重畳して表示装置８上に表示することにより、画像上のポリープ候補位置を容易に確認することが可能となる。

なお、画像データの一例として上記各実施例では大腸内の内視鏡画像データを用い、管腔内異常組織としての大腸ポリープを例に説明したが、これに限らず、他の管腔内画像データに適用し他の管腔内の異常組織の検出に適用可能である。

本発明は、上述した実施例に限定されるものではなく、本発明の要旨を変えない範囲において、種々の変更、改変等が可能である。

本発明の実施例１に係る内視鏡画像解析装置の構成を示す構成図 図１のメモリ上に記憶される情報を示す図 図１のＣＰＵにより実行される画像解析プログラムの処理の流れを示すフローチャート 図３の画像解析処理の流れを示すフローチャート 図１のメモリ上に記憶される原画像を示す図 図１のメモリ上に記憶される細線化画像を示す図 図１のメモリ上に記憶されるリープ候補画像を示す図 図４のポリープ候補検出処理の流れを示すフローチャート 図８の処理を説明する第１の図 図８の処理を説明する第２の図 図３の処理で表示装置に表示されるポリープ候補画像を原画像に重畳したポリープ候補ラベリング画像を示す図 本発明の実施例２に係る大腸ポリープ候補検出処理の流れを示すフローチャート 図１２の処理を説明する第１の図 図１２の処理を説明する第２の図 図１２の処理を説明する第３の図 本発明の実施例３に係る大腸ポリープ候補検出処理の流れを示すフローチャート 図１６の処理を説明する第１の図 図１６の処理を説明する第２の図 図１６の処理を説明する第３の図 図１６の処理を説明する第４の図 図１６の処理を説明する第５の図 図１６の処理を説明する第６の図 図１６の処理を説明する第７の図 図１６の処理を説明する第８の図 図１６の大腸ポリープ候補検出処理の変形例を実施する画像解析プログラムの処理を示す図 図２５の大腸ポリープ候補検出処理の流れを示すフローチャート 図２６の処理を説明する第１の図 図２６の処理を説明する第２の図 図２６の処理を説明する第３の図 本発明の実施例４に係る大腸ポリープ候補検出処理の流れを示すフローチャート 図３０の処理を説明する図

符号の説明

１…内視鏡画像解析装置
２…内視鏡観察装置
３…内視鏡ファイリング装置
４…画像処理装置
５…情報処理装置
６…操作装置
７…記憶装置
８…表示装置
９…ＬＡＮ
１０…ＣＰＵ
１１…メモリ
１２…外部記憶Ｉ／Ｆ
１３…ネットワークカード
１４…操作Ｉ／Ｆ
１５…グラフィックボード
１６…バス
２０…画像解析プログラム
２１…解析データ
２２…原画像
２３…２値化画像
２４…ラベリング画像
２５…細線化画像
２６…ポリープ候補画像

Claims (8)

1. 管腔内画像のエッジを抽出するエッジ抽出処理を行うエッジ抽出処理手段と、
   前記エッジ抽出手段により抽出した各々の前記エッジのエッジ線データ及び／またはエッジ周辺画素データに基づき、前記エッジが管腔内異常組織のエッジであるか否かを判定する管腔内異常組織候補検出処理手段と
   を備えたことを特徴とする画像解析装置。
2. 前記管腔内異常組織候補検出処理手段は、前記エッジの法線ベクトルの集中度に基づき、前記管腔内異常組織のエッジであるか否かを判定する
   ことを特徴とする請求項１に記載の画像解析装置。
3. 前記管腔内異常組織候補検出処理手段は、前記エッジ周辺の画素値勾配の方向ベクトルとエッジ線との交差判定に基づき、前記管腔内異常組織のエッジであるか否かを判定する
   ことを特徴とする請求項１に記載の画像解析装置。
4. 前記管腔内異常組織候補検出処理手段は、前記エッジの複素PARCOR係数に基づき、前記管腔内異常組織のエッジであるか否かを判定する
   ことを特徴とする請求項１に記載の画像解析装置。
5. 前記管腔内異常組織候補検出処理手段は、前記エッジのなす曲線の複雑度に基づき、前記管腔内異常組織のエッジであるか否かを判定する
   ことを特徴とする請求項１に記載の画像解析装置。
6. 前記管腔内異常組織は、大腸ポリープである
   ことを特徴とする請求項１ないし５に記載の画像解析装置。
7. 管腔内画像に対して、エッジ抽出処理を行うエッジ抽出処理ステップと、
   抽出した各々の前記エッジのエッジ線データ及び／またはエッジ周辺画素データに基づき、前記エッジが管腔内異常組織のエッジであるか否かを判定する管腔内異常組織候補検出処理ステップと
   からなることを特徴とする画像解析方法。、
8. 前記管腔内異常組織は、大腸ポリープである
   ことを特徴とする請求項７に記載の画像解析方法。