[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JPWO2010024331A1 - 画像処理装置、及び画像処理方法 - Google Patents

画像処理装置、及び画像処理方法 Download PDF

Info

Publication number
JPWO2010024331A1
JPWO2010024331A1 JP2010526757A JP2010526757A JPWO2010024331A1 JP WO2010024331 A1 JPWO2010024331 A1 JP WO2010024331A1 JP 2010526757 A JP2010526757 A JP 2010526757A JP 2010526757 A JP2010526757 A JP 2010526757A JP WO2010024331 A1 JPWO2010024331 A1 JP WO2010024331A1
Authority
JP
Japan
Prior art keywords
parameter
lesion candidate
image processing
image
pixel
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.)
Granted
Application number
JP2010526757A
Other languages
English (en)
Other versions
JP5346938B2 (ja
Inventor
詩乃 田中
詩乃 田中
白旗　崇
崇 白旗
角村　卓是
卓是 角村
國分　博人
博人 國分
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Healthcare Manufacturing Ltd
Original Assignee
Hitachi Medical Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Medical Corp filed Critical Hitachi Medical Corp
Priority to JP2010526757A priority Critical patent/JP5346938B2/ja
Publication of JPWO2010024331A1 publication Critical patent/JPWO2010024331A1/ja
Application granted granted Critical
Publication of JP5346938B2 publication Critical patent/JP5346938B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1075—Measuring physical dimensions, e.g. size of the entire body or parts thereof for measuring dimensions by non-invasive methods, e.g. for determining thickness of tissue layer
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
    • A61B6/566—Details of data transmission or power supply, e.g. use of slip rings involving communication between diagnostic systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/06—Topological mapping of higher dimensional structures onto lower dimensional surfaces
    • G06T3/067—Reshaping or unfolding 3D tree structures onto 2D planes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20068—Projection on vertical or horizontal image axis
    • 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
    • G06T2207/30028—Colon; Small intestine
    • G06T2207/30032—Colon polyp
    • 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
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/41—Medical
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2215/00—Indexing scheme for image rendering
    • G06T2215/06—Curved planar reformation of 3D line structures

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Epidemiology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Primary Health Care (AREA)
  • Dentistry (AREA)
  • Computer Graphics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Quality & Reliability (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

診断目的に応じて操作者が容易に検出対象を変更して病変領域を検出することが可能な画像処理装置を提供するために、医用画像処理装置100は、臓器表面の画像から病変候補領域を検出する処理を実行する際に、病変候補領域の検出に使用するパラメータを設定可能とする。設定するパラメータP1は例えばポリープ径であり、モード別または操作者の所望値を入力可能とする。CPU101は設定されたパラメータP1から更に微分参照点間距離等のパラメータP2を算出し、このパラメータP2を用いて臓器表面の各点について形状(曲率値)を算出し、所定の形状に該当する点を病変候補領域として抽出する。CPU101は抽出した病変候補領域について、更に領域径や円形度といった特徴量を算出し、これらの特徴量に基づいて病変候補に該当するかを判定し、偽陽性のものについては削除する。

Description

本発明は、医用診断に利用される画像を処理する画像処理装置等に関する。
従来から医用診断に利用される画像としては、例えばX線CT(computed tomography)装置やMRI(magnetic resonance imaging)装置等によって撮影される被検体の断層像等が知られている。また、このような医用画像をコンピュータを用いて解析し、その陰影の中から病変候補を検出して医師に提示するコンピュータ検出支援装置(Computer-Aided Detection；以下、CADという)が開発されている。CADは、病変部の形状特性や濃度特性に基づいて、病変部と推測される画像領域(以下、病変候補領域という)を自動的に検出するものであり、医師の負担を軽減させている。
例えば、大腸領域におけるポリープ等の病変候補は球形をしているものが多く、特徴的な形状特性を有する。形状特性を表す特徴量として、例えば特許文献1では、Shape Index等に代表される曲率値を算出し、画像の濃度分布を示す曲面の形状から異常陰影候補領域を絞り込んでいる。また、特許文献2では、CADのユーザインタフェースとして、スキャン画像中の異常を示す特徴を強調表示したり、原スキャン画像と比較可能に表示させるようにしたりして、操作者の利便性向上を図っている。
一方、大腸等の管腔臓器内部を能率的に診断するための画像表示方法として、管腔臓器の芯線を中心に臓器内部を展開表示した画像(以下、展開画像という)を生成する手法が開発されている(特許文献3)。展開画像では管腔臓器内部の表面全体を一望できるため、医師等が病変候補を見つけやすいといった利点がある。また上述のX線CT装置等で得られる複数枚の断層像を積み上げたボリューム画像データから、仮想内視鏡画像を生成する手法も開発されている(特許文献4)。仮想内視鏡画像は、管腔臓器内部に設けた仮想的な視点から、投影対象物に対して仮想的な光線(レイ)を照射し、視線上のボクセルであって所定の閾値以上の輝度値を有するものを抽出して投影面に投影させる表示方法であり、内視鏡で得られる画像のように臓器内部を観察できる(特許文献4)。
特開2006-230910号公報 特表2008-512161号公報 特許3627066号公報 特開平07-296184号公報
しかしながら、従来のCADのように曲率値に基づいて病変候補領域を抽出すると、臓器表面のひだの部分のように病変部ではないものや、病変部の大きさ(ポリープ径等)が小さすぎるものまで抽出してしまい、病変候補を絞りきれないという不具合が生じていた。また、病変の早期発見という目的や、進行した病変の検出という目的など、診断目的に応じてCADで検出させたい病変部の大きさ(ポリープ径等)は異なるものであった。病変候補領域の抽出アルゴリズムには病変組織やポリープの特徴等に応じて種々のものが開発されているが、それぞれの対象に特化している反面、汎用性には欠けるものであった。
本発明は、以上の問題点に鑑みてなされたものであり、診断目的に応じて操作者が容易に検出対象を変更して病変領域を検出することが可能な画像処理装置等を提供することを目的とする。
前述した目的を達成するため、第1の発明は、医用画像から病変候補領域を検出する画像処理装置であって、前記病変候補領域の検出に利用されるパラメータを設定するパラメータ設定手段と、前記パラメータ設定手段により設定されたパラメータを用いて前記医用画像を評価し、評価結果に基づいて病変候補領域を検出する病変候補領域検出手段と、を備えることを特徴とする画像処理装置である。
また、モード別に前記パラメータの値を予め定めたデータテーブルを備え、前記パラメータ設定手段は、選択されたモードに対応するパラメータの値を前記データテーブルから読み出して入力する第1の入力手段を備えることが望ましい。
また、前記パラメータの値を数値入力する第2の入力手段を備え、前記パラメータ設定手段は、前記第2の入力手段によって入力された数値をパラメータの値として設定することが望ましい。
前記医用画像が表示される表示画面上に、前記パラメータの値の大きさに応じて大きさまたは形状が変化するオブジェクトを表示させ、該オブジェクトに対する操作によって前記パラメータの値を入力する第3の入力手段を備え、前記パラメータ設定手段は、前記第3の入力手段によって入力された前記オブジェクトの大きさまたは形状に応じた値を前記パラメータの値として設定することが望ましい。
前記パラメータ設定手段は、第1のパラメータを入力するパラメータ入力手段と、前記パラメータ入力手段によって入力された第1のパラメータから、第2のパラメータを算出する第2のパラメータ算出手段と、を備え、前記病変候補検出手段は、前記医用画像について前記第2のパラメータ算出手段により算出された第2のパラメータを用いて臓器表面の形状を表す特徴量を算出し、算出された特徴量に基づいて病変候補領域を抽出する病変候補領域抽出手段と、前記病変候補領域抽出手段によって抽出された病変候補領域について、所定の特徴量を評価することにより偽陽性領域を判定し、偽陽性領域と判定された病変候補領域を削除する偽陽性削除手段と、を備える。
前記第2のパラメータは、前記臓器表面の形状を表す特徴量として曲率値を算出する際に利用される微分参照点間距離である。
また、前記パラメータ設定手段は、第1のパラメータを入力するパラメータ入力手段と、前記パラメータ入力手段によって入力された第1のパラメータから、第3のパラメータを算出する第3のパラメータ算出手段と、を備え、前記病変候補検出手段は、前記医用画像について臓器表面の形状を表す特徴量を算出し、算出された特徴量に基づいて病変候補領域を抽出する病変候補領域抽出手段と、前記病変候補領域抽出手段によって抽出された病変候補領域について、所定の特徴量を前記第3のパラメータ算出手段により算出された第3のパラメータを用いて評価することにより偽陽性領域を判定し、偽陽性領域と判定された病変候補領域を削除する偽陽性削除手段と、を備える。
前記第3のパラメータは、前記病変候補領域の大きさを示すもの、または前記病変候補領域の形状を示すもののうち、少なくともいずれか一方を含む。
また、前記パラメータ設定手段によって設定されたパラメータを、前記医用画像の歪みに応じて補正するパラメータ補正手段を更に備え、前記病変候補領域検出手段は、前記パラメータ補正手段によって補正されたパラメータを用いて、前記医用画像を評価し、評価結果に基づいて病変候補領域を検出することが望ましい。
前記医用画像は、管腔臓器の芯線を中心に展開するように臓器内部表面を表示した展開画像であることが望ましい。
前記医用画像は、管腔臓器内部に設けた仮想的な視点から臓器内部を所定の投影面に投影した仮想内視鏡画像であることが望ましい。
第2の発明は、医用画像から病変候補領域を検出する画像処理方法であって、前記病変候補領域の検出に利用されるパラメータを設定するパラメータ設定ステップと、前記パラメータ設定ステップにより設定されたパラメータを用いて前記医用画像を評価し、評価結果に基づいて病変候補領域を検出する病変候補領域検出ステップと、を備えることを特徴とする画像処理方法である。
本発明によれば、診断目的に応じて操作者が容易に検出対象を変更して病変領域を検出することが可能な画像処理装置等を提供できる。
画像処理システム1の全体構成を示すハードウエア構成図 画像処理システム1における画像処理全体の流れを示すフローチャート 医用画像処理装置100が実行する病変候補検出に関する処理の流れを説明するフローチャート 主メモリ102のデータ構成図(第1の実施の形態) モード別にパラメータP1の値が予め設定されるデータテーブル2の一例 展開画像71及びパラメータ設定ウィンドウ72の表示例 Shape Indexについて説明する図 微分参照点間距離を説明する図 展開画像と展開画像上の画素の向きを説明する図 画素ひずみ算出処理の流れを説明するフローチャート 主メモリ102のデータ構成図(第2の実施の形態) 経路半径について説明する図 隣の断面との距離について説明する図 管腔表面の位置と、長手方向の画素サイズの関係を説明する図 画素ひずみを補正したひずみ調整パラメータに基づいて、病変候補検出処理を行った際に得られる病変候補領域の表示例を示す図 急カーブ領域での断面補正を説明する図 第3の実施の形態の画素ひずみ算出時における各点の位置関係を説明する図 第3の実施の形態における画素ひずみ算出処理の流れを説明するフローチャート 主メモリ102のデータ構成図(第3の実施の形態) 仮想内視鏡画像について説明する図 被投影対象物の視点からの距離に起因するひずみを説明する図 仮想内視鏡画像の端部に生じるひずみを説明する図 中心投影法について説明する図 仮想内視鏡画像における、微分参照点間距離算出処理の流れを示すフローチャート 主メモリ102のデータ構成図(第4の実施の形態)
以下、添付図面を参照しながら、本発明の好適な実施形態について詳細に説明する。
(第1の実施の形態)
まず、本発明の画像処理装置を適用した画像処理システム1の構成について説明する。
図1は、画像処理システム1の全体構成を示すハードウエア構成図である。
図1に示すように、画像処理システム1は、表示装置107、入力装置109を備えた医用画像処理装置100、及び医用画像処理装置100とネットワーク110を介して接続される画像データベース111とを備える。
医用画像処理装置100は、病院等に設置される画像診断用のコンピュータであり、医用画像を解析し、その陰影の中から病変候補を検出して医師に提示するコンピュータ検出支援装置(CAD)として機能するものである。
医用画像処理装置100は、CPU101(Central Processing Unit)101、主メモリ102、記憶装置103、通信インタフェース(通信I/F)104、表示メモリ105、マウス108等の外部機器とのインタフェース(I/F)106を備え、各部はバス107を介して接続されている。
CPU101は、主メモリ102または記憶装置103等に格納されるプログラムを主メモリ102のRAM上のワークメモリ領域に呼び出して実行し、バス107を介して接続された各部を駆動制御し、医用画像処理装置100が行う各種処理を実現する。
また、CPU101は、第1の実施の形態において、病変候補検出に関する後述する処理を実行する(図2、図3参照)。
主メモリ102は、ROM(Read Only Memory)、RAM(Random Access Memory)等により構成される。ROMは、コンピュータのブートプログラムやBIOS等のプログラム、データ等を恒久的に保持している。また、RAMは、ROM、記憶装置103等からロードしたプログラム、データ等を一時的に保持するとともに、CPU101が各種処理を行う為に使用するワークエリアを備える。
記憶装置103は、HDD(ハードディスクドライブ)や他の記録媒体へのデータの読み書きを行う記憶装置であり、CPU101が実行するプログラム、プログラム実行に必要なデータ、OS(オペレーティングシステム)等が格納される。プログラムに関しては、OSに相当する制御プログラムや、アプリケーションプログラムが格納されている。これらの各プログラムコードは、CPU101により必要に応じて読み出されて主メモリ102のRAMに移され、各種の手段として実行される。
通信I/F104は、通信制御装置、通信ポート等を有し、医用画像処理装置100とネットワーク110との通信を媒介する。また通信I/F104は、ネットワーク110を介して、画像データベース111や、他のコンピュータ、或いは、X線CT装置、MRI装置等との通信制御を行う。
I/F106は、周辺機器を接続させるためのポートであり、周辺機器とのデータの送受信を行う。例えば、マウス108等の入力装置等をI/F106を介して接続させるようにしてもよい。
表示メモリ105は、CPU101から入力される表示データを一時的に蓄積するバッファである。蓄積された表示データは所定のタイミングで表示装置107に出力される。
表示装置107は、液晶パネル、CRTモニタ等のディスプレイ装置と、ディスプレイ装置と連携して表示処理を実行するための論理回路で構成され、表示メモリ105を介してCPU101に接続される。表示装置107はCPU101の制御により表示メモリ105に蓄積された表示データをディスプレイ装置に表示する。
入力装置109は、例えば、キーボード等の入力装置であり、操作者によって入力される各種の指示や情報をCPU101に出力する。操作者は、表示装置107、入力装置109、及びマウス108等の外部機器を使用して対話的に医用画像処理装置100を操作する。
ネットワーク110は、LAN(Local Area Network)、WAN(Wide Area Network)、イントラネット、インターネット等の各種通信網を含み、画像データベース111やサーバ、他の情報機器等と医用画像処理装置100との通信接続を媒介する。
画像データベース111は、X線CT装置やMRI装置等、医用診断に利用される画像を撮影する機器によって撮影された医用画像を蓄積して記憶するものであり、例えば病院や医療センター等のサーバ等に設けられる。図1に示す画像処理システム1では、画像データベース111はネットワーク110を介して医用画像処理装置100に接続される構成であるが、医用画像処理装置100内の例えば記憶装置103に画像データベース111を設けるようにしてもよい。
なお、本発明の画像処理システム1で扱う医用画像には、被検体の断層像や、管腔臓器の展開画像、仮想内視鏡画像が含まれる。展開画像は、管腔臓器の芯線(経路線)を中心に展開するように臓器内部を表示したものであり(図6参照)、仮想内視鏡画像は、管腔臓器内部に設けた仮想的な視点から中心投影法に基づく表示方法で管腔臓器内部を表示したもの(図20(b)参照)である。
第1から第3の実施の形態では、展開画像における病変候補の検出について説明し、第4の実施の形態では仮想内視鏡画像における病変候補の検出について説明する。
次に、図2〜図8を参照しながら、画像処理システム1の動作について説明する。
図2は、画像処理システム1における画像処理全体の流れを示すフローチャートである。
図3は、医用画像処理装置100が実行する病変候補検出に関する処理の流れを説明するフローチャートである。
図4は、画像処理及び病変候補検出処理実行時に主メモリ102のRAMに保持されるデータを示す図である。
図5は、本実施の形態のモード別にパラメータP1の値が予め設定されるデータテーブル2の一例を示す図である。
図6は、展開画像71及びパラメータ設定ウィンドウ72の表示例である。
図7は、Shape Indexについて説明する図である。
図8は、微分参照点間距離を説明する図である。
医用画像処理装置100のCPU101は、主メモリ102から画像処理や病変候補検出処理に関するプログラム及びデータを読み出し、このプログラム及びデータに基づいて画像処理、病変候補検出処理を実行する。
なお、以下の画像処理の実行開始に際して、画像データは画像データベース111等からネットワーク110及び通信I/F104を介して取り込まれ、医用画像処理装置100の記憶装置103に記憶されているものとする。
図2の画像処理において、まず医用画像処理装置100のCPU101は、画像データを読み込む処理を行う。CPU101は、複数の被選択画像をリスト表示またはサムネイル表示した画像選択ウィンドウを表示装置107に表示させ、操作者からの画像の選択を受け付ける。操作者が所望の画像を選択すると、CPU101は記憶装置103から選択された画像データを読み出して主メモリ102に保持する(ステップS101、図4の102a)。
本実施の形態では、管腔領域の画像データが選択されるものとする。また、この段階で読み込む画像データ102aは複数の断層像を積み上げたボリューム画像データであるものとする。
次にCPU101は、ステップS101で読み込んだ画像データ102aから、表示画像を作成する。ここでは表示画像として展開画像を作成するものとする。CPU101は画像データ102aから管腔壁座標データ102bを取得する。管腔壁座標データ102bは、展開画像として表示される管腔壁の各点(各画素)の実空間での座標(x，y)と、その座標における管腔表面から管腔の中心付近を通る線(以下、経路線という)までの3次元座標上での距離f(x，y)と、から構成される。距離f(x，y)は、デプスデータとよばれ、展開画像作成時にCPU101によって作成される。CPU101は取得した管腔壁座標データ102bを主メモリ102に保持する(ステップS102、図4の102b)。
なお、展開画像の作成については、上述の特許文献3(特許3627066号公報)等に開示されるものであるので、説明を省略する。
次にCPU101は、ステップS102において取得した管腔壁座標データ102bに基づいて、病変候補を検出する(ステップS103；図3の病変候補検出処理へ)。
図3の病変候補検出処理において、まずCPU101は病変候補の検出処理に用いるパラメータを設定する(ステップS201)。ステップS201において設定するパラメータをパラメータP1と呼ぶ。
パラメータP1としては、病変部の長さ(ポリープ径)、面積、体積等の大きさを示すような値が考えられるが、本実施の形態では、一例として検出対象とする病変部(ポリープ等)の長さ(ポリープ径)を示すものとする。
パラメータP1は、ステップS202の曲率計算で用いるパラメータP2(微分参照点間距離)や、ステップS204の偽陽性削除処理で用いるパラメータP3(領域径の閾値)、P4(円形度の閾値)の算出にも利用される。
上述のパラメータP2は、微分参照点間距離を表すものであり、次式(1)で与えられる。
Figure 2010024331
また、上述のパラメータP3は、抽出された病変候補領域の径(領域径)の閾値を表すものであり、次式(2)で表される。
Figure 2010024331
また、上述のパラメータP4は、抽出された病変候補領域の円形度の閾値を表すものであり、次式(3)で表される。
Figure 2010024331
ここで、A，B，Cは定数である。
ステップS201のパラメータの設定において、CPU101はモード別に予め定められた値を、図5のデータテーブル2から読み出して設定するものとしてもよいし、操作者が入力装置109から任意の数値を入力するものとしてもよい。
また、上述のステップS102において作成された展開画像上に、オブジェクト(例えば、ポリープのイメージ画像など)を表示させ、マウス108等のポインティングデバイスや入力装置109からの入力操作によってオブジェクトの大きさまたは形状を操作し、パラメータP1の大きさを入力するようにしてもよい。この場合、CPU101はオブジェクトの示す大きさ(径)または形状に応じた値をパラメータP1として設定し、主メモリのパラメータP1(図4の102c)に保持する。
図5に示すデータテーブル2には、例えば「早期発見」モード、「通常」モード、「マニュアル」モード等の各モード別にパラメータP1のデフォルト値が、「6」、「10」、「8」のように与えられているものとする。データテーブル2の「表示ON/OFF」は、モード切り替えスイッチの「ON/OFF」を示すものであり、「1」は「ON」状態を表し、「0」は「OFF」状態を表す。
図6において、表示装置107の表示画面上部には展開画像71が表示され、下部にはパラメータ設定ウィンドウ72が表示されている様子を示している。展開画像71は実際には臓器表面の陰影をグレースケール(濃淡情報)で表したものであるが、図を明瞭に示すために図6では実線を用いて表すこととする。すなわち、上下2本の線711で挟まれた領域は管腔臓器の内部表面に相当し、その領域内に描かれている複数の縦線712は臓器表面のひだを表している。
図6のパラメータ設定ウィンドウ72には、選択可能なモード一覧721がチェックボタンとともに表示され、パラメータP1の数値入力枠722が表示される。また、「表示」ボタン723はパラメータP1の設定後、マウス108等によって押下操作されるものであり、操作者がマウス108等により「表示」ボタン723を押下操作すると、CPU101によって病変候補の検出処理(ステップS202〜S204)が実行され、展開画像71上に病変候補領域が識別表示される。
図6の例では、モード一覧721で「早期発見」モードが選択されたが、数値入力枠722で「10」mmが入力されているものとする。このようにデータテーブル2で「早期発見」モードの値として予め与えられる値「6」がデフォルト値として入力される場合にも、操作者により数値入力枠722に値が入力された際は、数値入力された値を優先的に設定するようにしてもよい。その後、表示ボタン723の押下操作により、ポリープ径(パラメータP1)が「10」mm程度の病変候補が、後述するステップS202以降の処理によって検出されて、マーク713のように識別表示される。
以上のようにしてCPU101は、パラメータP1を設定すると、パラメータP1に基づいて、上述の式(1)、(2)、(3)によりパラメータP2、P3、P4を算出し、主メモリ102(図4の102d、102e、102f)に保持する。
ステップS201においてパラメータP1、P2、P3、P4の設定が行われると、CPU101は、展開画像71のデプスデータf(x，y)(図4の102b)を使用して、展開画像71の各画素pの第1の特徴量を算出する。第1の特徴量は、例えば曲率値とする。曲率値とは、例えば、Shape Indexに代表されるものである(ステップS202)。CPU101は算出した曲率値を主メモリ102に保持する(図4の102g)。
図7に示すように、Shape Indexは、0から1まで連続的に変化する値をとり、各値にはそれぞれ異なる曲面状態が対応している。すなわち、凹型の半球はShape Indexの値「0」に対応し、Shape Indexの値が「0」から大きくなるに従って、凹型の半円柱、鞍型の面・平面、凸型の半円柱、凸型の半球を表す。凸型の半球ではShape Indexの値「1」に対応する。
Shape Indexは、以下の式(4)により算出される。
Figure 2010024331
ここで、λmax、λminは、曲面上の各点についての主曲率の最大値、最小値である。
主曲率の最大値λmax、最小値λminは、以下の式(5)により算出される。
Figure 2010024331
ここで、fxx、fyy、fxyは、注目画素pにおけるf(x，y)の第2次偏導関数であり、注目画素pの座標(x，y)と画素pにおけるデプスデータf(x，y)とを用いて、以下の式(6)により算出される。
Figure 2010024331
ここで、P2は、上述の式(1)により算出された微分参照点間距離である。微分参照点間距離とは、式(6)の第2次偏導関数を算出するときに参照する画素と、注目画素pと、の距離を表す。
図8は、微分参照点間距離を説明する図である。
一例として微分参照点間距離P2を、パラメータP1(ポリープ径)の1/2とする。すなわち、上述の式(1)において、A＝1/2とする。
図8に示す凸面601の曲率を求める場合、曲率の値は微分参照点間距離に依存する。曲率値は、微分参照点間距離が曲面(凹凸)の幅と同程度のときに最大値をとる。図8の矢印602のように、凹凸の幅よりも微分参照点間距離が小さいときはほぼ平らな面の曲率を求めることとなり、Shape Indexは0．5付近の値をとる。一方、図8の矢印603のように、凹凸の幅と微分参照点間距離とが同程度のときは、第2次偏導関数算出の際に凸面の傾きを捉えることができるので、Shape Indexは1付近の値をとり、凸型の半球に近い形状であることを示す。
なお、微分参照点間距離を算出する際に用いる定数A(式(1))は、上述の例では1/2としているが、これに限定されるものではない。
次に、CPU101は算出した各画素pについてのShape Index(曲率値102g)に基づいて閾値処理を行い、病変候補領域を抽出する(ステップS203)。CPU101は、抽出した病変候補領域を主メモリに保持する(図4の病変候補領域102h)。
病変部(ポリープ)は、凸状の曲面であるので、Shape Indexの下限値を設定しておき、CPU101は下限値以上の曲率値をとる画素を病変候補領域とする。下限値は例えば、0．5とする。
ここで、曲面の幅が微分参照点間距離をはるかに越える大きさの凸面では、算出される曲率値は小さくなるので、病変候補の対象外となり、抽出されない。
次にCPU101は抽出された各病変候補領域(注目領域)について、第2、第3の特徴量を求め、主メモリ102に保持する(図4の特徴量(領域径)102i、特徴量(円形度)102j)。ここで第2の特徴量は、例えば病変候補領域の領域径dであり、第3の特徴量は病変候補領域の円形度kとする。そして、CPU101は注目領域について、第2、第3の特徴量について次の評価を行い、判定結果から偽陽性であると判定される場合は、ステップS203にて挙げられた病変候補領域から、その注目領域を削除する(ステップS204)。
ステップS204の偽陽性削除処理において、第2の特徴量である領域径dを評価する際、CPU101は管腔表面の各点について、3次元実空間の座標データを参照して各病変候補領域の領域径dを算出する。CPU101は、算出した領域径d(図4の102i)をステップS201において設定したパラメータP3(式(2)；図4の102e)と比較し、d＜P3が成り立てば、偽陽性と判断し、注目領域を病変候補領域102hから削除する。
ステップS204の偽陽性削除処理において、第3の特徴量である円形度kを評価する場合、CPU101は管腔表面の各点について、3次元実空間の座標データを参照して各病変候補領域の円形度kを算出する。CPU101は、算出した円形度k(図4の102j)をステップS201において設定したパラメータP4(式(3)；図4の102f)と比較し、k＜P4が成り立てば、偽陽性と判断し(図4の偽陽性領域102k)、この偽陽性領域102kを病変候補領域102hから削除する。
なお、ステップS204の偽陽性削除処理では、特徴量として領域径dや円形度kを評価したが、これに限定されるものではなく注目領域の縦横比やCT値等を特徴量とし、これらの特徴量に基づいて偽陽性領域を判定するようにしてもよい。
また、ステップS204の偽陽性削除処理等で用いる特徴量として、Curvednessを使用してもよい。Curvednessとは、曲面の大きさを示すものである。同じ凸面でも、Curvednessの値が大きいものは小さな凸面を示し、Curvednessの値が小さいものは大きな凸面を示す。したがってCurvednessは評価対象とするポリープ径の目安として利用できる。Curvednessは次式(7)により与えられる。
Figure 2010024331
なお、Curvednessを特徴量とする場合は、注目する病変候補領域全体のCurvednessの平均値を所定の値(パラメータP1の逆数に比例する値)と比較して偽陽性であるか否かを判定する。また、ステップS203の閾値処理において、Shape IndexとCurvednessとのAND条件判定を行うようにしてもよい。
ステップS204の偽陽性削除処理が終了し、偽陽性が削除された段階で、図2のステップS104へ移行する。CPU101は、展開画像71に病変候補領域をマーク713等を用いて識別表示し(ステップS104；図6参照)、画像処理を終了する。
以上説明したように、第1の実施の形態の画像処理システム1において、医用画像処理装置100は、臓器表面の画像から病変候補領域を検出する処理を実行する。病変候補検出処理では、病変候補領域の検出に使用するパラメータをモード別に設定したり、或いは操作者が数値入力、或いはGUIを利用して設定可能としたりする。パラメータは本実施の形態では、P1、P2、P3、P4の4種類のパラメータを取り扱い、例えば、P1はポリープ径、P2は微分参照点間距離、P3は領域径の閾値、P4は円形度の閾値としている。CPU101は設定されたパラメータ(P2)を用いて、臓器表面の各点について形状の特徴量(曲率値)を算出し、所定の形状に該当する点を病変候補領域とする。
またCPU101は、検出された病変候補領域について、領域径や円形度といった特徴量を算出し、これらの特徴量について、パラメータ(P3、P4)を用いて病変候補に該当するかを判定し、偽陽性のものについては削除する。そして、CPU101は偽陽性の領域を除く病変候補領域を、画像上に識別表示する。
従って、病変候補領域の検出に関するパラメータを、モード別に、または操作者が設定するので、診断目的に応じて容易にターゲットを変更して病変候補領域を検出することが可能となり、CADの汎用性を向上させることができる。
また、本実施の形態の画像処理システム1では、操作者によってはじめに設定されたパラメータ(P1)から、曲率値の算出に用いるパラメータ(P2の微分参照点間距離)や、偽陽性削除処理における特徴量の評価に用いるパラメータ(P3の領域径、P4の円形度)を算出し、一つのパラメータP1を2次的に利用する。
設定した一つのパラメータ(P1)から、他の特徴量の判定に用いるパラメータ(P2、P3、P4)を算出しているので、多くのパラメータを夫々入力する必要もなくなり、パラメータ設定の煩雑さを軽減できる。また操作者に設定させるパラメータを、ポリープ径等、病変部の大きさや形状を示す視認性の高いものとすれば、操作者はCADを感覚的に操作しやすくなる。更に、パラメータを入力するため、GUIを用いれば、操作性が向上する。
本実施の形態では、パラメータP1を病変部の長さ、パラメータP2を微分参照点間距離とし、両者を関連付けて設定するようにした。これによって、抽出したい病変候補の長さに応じた微分参照間距離の値を用いて病変候補領域抽出処理を実行することができ、ターゲットとしていない病変候補は抽出されないようにすることができる。
なお、第1の実施の形態において例示した医用画像は、管腔臓器の展開画像としたが、これに限定されるものではなく、被検体の断層像や3次元ボリューム画像等、様々な医用画像を用いるようにしてもよい。その場合であっても、医用画像処理装置100は病変候補検出に関するパラメータの設定を可能とし、設定されたパラメータを用いて病変候補を検出する。
また、パラメータは、P1のみ入力するものとしたがこれに限定されるものではなく、他のパラメータ(P2、P3、P4)についてもモード別に予め定められた値や、操作者の所望の値を入力するようにしてもよい。
(第2の実施の形態)
次に、第2の実施の形態の画像処理システム1について説明する。第2の実施の形態の画像処理システム1のハードウエア構成は、図1の第1の実施の形態の画像処理システム1と同一であるので説明を省略し、同一の各部については同一の符号を付して説明する。
一般に展開画像では、画像にひずみが生じてしまう。そのため、病変候補を検出する際に臓器表面の形状をより正確に評価するためには、画像のひずみを考慮した処理を行う必要がある。
第2の実施の形態では、病変候補の検出に利用されるパラメータの設定の際に、展開画像のひずみに基づいてパラメータを補正する。
展開画像のひずみの原因として、管腔臓器の長手方向に垂直な方向(y方向；以下、「短手方向」という)の画素サイズ(図9のdy)が、展開画像の長手方向(x方向)毎に異なることや、管腔のカーブ等が挙げられる。すなわち、展開画像を生成する際、短手方向の画素に、管腔臓器のそのx位置(長手方向位置)における断面の円周を所定角度刻みに割り当てているが、実際の管腔臓器は長手方向で断面の円周が異なるので画素サイズdyにばらつきが生じ、これが歪みとなってしまう。
また、管腔のカーブする領域では、隣のx位置までの距離(図9のdx)がカーブの内側と外側とで異なってしまい、画像のひずみとなる。
そこで、第2の実施の形態では、第1の実施の形態の病変候補検出処理(図3参照)において、ステップS201のパラメータ設定処理の際に、図10に示す画素ひずみ算出処理によって各画素の画素ひずみを算出し、算出した画素ひずみに基づいてパラメータP2を補正したひずみ調整パラメータ(P2_x、P2_y)を算出する。
図9は、管腔臓器の展開画像71と展開画像71上の画素の向きについて説明する図である。
図9の展開画像71は、管腔臓器の長手方向の経路線をx方向とし、経路線に垂直な方向(短手方向)をy方向としている。そして、画素715の1辺に相当する実際の臓器表面の長さを画素サイズとよび、x方向の画素サイズをdx、y方向の画素サイズをdyとして表すこととする。画素ひずみは、注目画素のx方向とy方向の各画素サイズの比(dx/dy)として求められる。
図10は、画素ひずみ算出処理の流れを説明するフローチャートである。
図11は、画素ひずみ算出処理実行時に主メモリ102のRAMに保持されるデータを示す図である。
図12は、経路半径Rについて説明する図である。
図13は、注目断面(管腔面Sn)と隣の断面(管腔面Sn＋1)との距離について説明する図である。
図14は、管腔表面の位置と、長手方向の画素サイズの関係を説明する図である。
第2の実施の形態の医用画像処理装置100のCPU101は、主メモリ102から図10に示す画素ひずみ算出処理に関するプログラム及びデータを読み出し、このプログラム及びデータに基づいて画素ひずみ算出処理を実行する。
なお、以下の処理の実行開始に際して、画像データは画像データベース111等からネットワーク110を介して取り込まれ、医用画像処理装置100の記憶装置103に記憶されているものとする。
画素ひずみ算出処理において、まず医用画像処理装置100のCPU101は、記憶装置103から、展開画像データ102lと、展開画像の対応点の3次元実空間座標を格納した3次元実空間座標データ102mと、経路線上の点(以下、経路点という。)の座標データ102nと、を読み込み、主メモリ102に保持する(ステップS301；図11の102l、102m、102n)。
ここで、経路点の座標データ102nとは、展開画像71上の短手方向に並ぶ画素列を管腔表面とする断面(以下、注目管腔面Snという。)と経路線とが直交する点の3次元実空間座標データである。以下、この経路点を注目管腔面Snにおける経路点とし、注目経路点Qnと呼ぶ(図12参照)。
次に、CPU101は展開画像71上の各画素を順番に走査して、各点(画素)の画素ひずみ(dx/dy)を算出する。図10のフローチャートでは、展開画像71上の短手方向から走査し、次に長手方向について走査する例を示す。
展開画像71に生じる画素ひずみは、経路線の曲がり具合、すなわち管腔のカーブの大きさによって異なるので、まずCPU101は、カーブの大きさを判別する。
CPU101は、管腔のカーブする領域について、経路点の座標データ102nを用いて経路半径Rを求め、主メモリ102に保持する(ステップS302、図11の102o)。ここで経路半径Rについて図12を参照して説明する。図12は管腔臓器8のカーブする領域を示している。管腔臓器8の中心付近を通る線が経路線82である。経路線82上のn番目の点をQnで表す。経路半径Rは、注目経路点Qnと、所定点数Nだけ離れた経路点Qn−N、Qn＋Nと、の3点を通る円の半径Rである。経路点Qn、Qn−N、Qn＋Nを通る円の中心をOとする。経路半径Rが大きい場合は、緩やかなカーブの領域であり、経路半径Rが小さい場合は、急なカーブの領域である。
CPU101は、算出した経路半径Rに基づいて、管腔臓器82の曲がり具合を判別する(ステップS303)。例えば、経路半径Rの大きさが所定の閾値Rt以上の場合は、注目経路点Qnが緩やかなカーブ上にあると判別し、所定の閾値Rt未満の場合は注目経路点Qnが急なカーブ上にあると判別する。
注目経路点Qnが緩やかなカーブ上にあると判別した場合は(ステップS303；緩やかなカーブ)、カーブによるひずみは小さいので考慮せず、CPU101は短手方向の画素ひずみについて考慮する。
まず、ステップS304において、注目画素pにおけるx方向の画素サイズdxを求め、主メモリ102に保持する(図11の102p)。画素サイズdxは次式(8)で表される。
Figure 2010024331
次に、ステップS305において、注目画素pにおける短手方向の画素サイズdyを求め、主メモリ102に保持する(図11の102q)。画素サイズdyは次式(9)で表される。
Figure 2010024331
CPU101は、ステップS304、S305で算出した画素サイズdx、dyに基づいて、画素ひずみdx/dyを算出し(ステップS306)、配列に格納する(図11の102r)。
一方、注目経路点Qnが急なカーブ上にあると判別される場合は(ステップS303；急なカーブ)、カーブによる影響で展開画像71上の経路線方向(長手方向)に画素の歪みが生じる。カーブによる画素の歪みの度合いは、その画素が経路線のカーブの内側にあるか外側にあるかで決まる。
図13、図14を参照して、カーブによる画素の歪みについて説明する。図13に示すように、管腔臓器8の隣り合う管腔面Sn、Sn＋1において、カーブの内側にある画素は隣の面の対応画素までの距離が短く、カーブの外側にある画素は隣の面の対応画素までの距離が長くなる。
図14において、管腔面Snは、経路線方向を紙面に鉛直な方向に表し、その管腔面Snにおける管腔領域の淵(管腔表面83)の各点Bnを投影面t0に投影する様子を示している。図14に示す点Qnは注目経路点、点Bnは管腔表面83の点であり、点Oは図12の点O(経路線82にフィットした円の中心)に対応している。
すなわち、図14に示すように、管腔面Snの管腔表面83では、注目経路点Qnから管腔表面の点Bnに向かうベクトルQnBnと、点Qnから点Oに向かうベクトルQnOと、のなす角度θの大きさによって、注目画素pがカーブの内側にあるか外側にあるかが決定される。より正確には、点Qnを中心として、ベクトルQnBnをベクトルQnOに投影した点Bn’の投影座標qによって、注目画素pがカーブの内側にあるか外側にあるかが決定される。
つまり注目管腔面Snと隣の管腔面Sn＋1の対応する角度の投影座標間の距離が、点Bnに対応する展開画像上の画素サイズdxに相当する。
CPU101は、まず注目経路点Qnとその隣の経路点Qn＋1との距離l0を算出し、主メモリ102に保持する(図11の102s)。距離l0は、ステップS301で読み込んだ経路点の3次元実空間座標データ102nから求められる(ステップS307)。
次にCPU101は、注目経路点Qnに直交する断面(管腔面Sn)の平均径rを算出する。すなわち、CPU101は注目画素と同じ長手方向(x方向)の座標を持つ展開画像上の画素について、それぞれ3次元実空間座標を参照し、注目経路点Qnとの距離を算出する。そして、算出された距離の平均を求めて、管腔の平均半径rとする(ステップS308)。CPU101は算出した平均半径rを主メモリ102に保持する(図11の102t)。なお、この距離(平均半径r)はデプスデータから求めることも可能である。
次にCPU101は、注目画素pにおける長手方向の画素サイズdxを算出する(ステップS309)。
ステップS309において、まずCPU101は、注目画素pの投影座標qを求める。投影座標は次式(10)により算出される。
Figure 2010024331
ここで、角度θの値は、経路半径Rの中心座標(点Oの座標)と、経路線の座標(点Qnの座標)と、管腔表面(点B)の座標と、から求められる(図11の102u)。
CPU101は、経路半径Rと管腔の平均半径rを用いて、投影座標qにおける経路線方向の画素サイズdxの値を算出する(ステップS309；図11の102p)。注目管腔面Snと隣の管腔面Sn＋1とが近接している場合は、二つの面の対応する角度間の距離は投影座標q＝rcosθに線形に比例すると考えられる。従って、dxは次式(11)により算出される。
Figure 2010024331
次にCPU101は注目画素pにおけるy方向の画素サイズdyを算出する(ステップS310；図11の102q)。
画素サイズdyはステップS305と同様に次式(12)によって算出する。
Figure 2010024331
CPU101は、ステップS309、S310で算出した画素サイズdx、dyに基づいて、画素ひずみdx/dyを算出し(ステップS311)、配列に格納する(ステップS312；図11の102r)。
以上のように、CPU101は展開画像の各画素についてステップS302からステップS312の処理を繰り返し、全ての画素についての画素ひずみdx/dyを算出すると、画素ひずみ算出処理を終了する。
画素ひずみ算出処理によって算出した各画素の画素ひずみdx/dyは、図3の病変候補領域検出処理のステップS202における曲率計算を行う際に参照される。
例えば、CPU101はパラメータP2について、次式(13)によりひずみ調整パラメータP2_x、P2_yを算出する。
Figure 2010024331
ここで、P2_xは、長手方向の微分参照点間距離であり、P2_yは長手方向に垂直な方向の微分参照点間距離である。ひずみ調整パラメータP2_x、P2_yを用いて次式(14)を算出し、上述の式(4)、式(5)、式(6)を用いてShape Indexを算出することにより、曲率値を求める。
Figure 2010024331
このように曲率計算時に画素ひずみdx/dyを用いてパラメータP2を補正することにより、展開画像のような歪みのある画像でも、実空間での長さに基づく曲率計算を行なうことが可能となる。
なお、ひずみ調整パラメータP2_x、P2_yは、次式(15)により算出することも可能である。
Figure 2010024331
図15は、ひずみ調整パラメータP2_x、P2_yを用いて病変候補検出処理を行った際に得られる病変候補領域の表示例を示す図である。
図15に示すように展開画像71には、病変候補領域713a、713b、713cが識別表示される。
図15中、マーク713aは歪みの少ない領域における病変候補領域を示し、マーク713bは横方向に歪んだ病変候補領域を示し、マーク713cは縦方向に歪んだ病変候補領域を示している。すなわち、管腔臓器の実空間でのカーブによる影響で横方向に歪んだ領域は、実空間では円形のポリープであっても、ひずみ調整パラメータを用いた病変候補の検出を行なわない場合は病変候補として検出されない。しかしながら、本実施の形態のように、ひずみ調整パラメータP2_x、P2_yを用いて、曲率計算を行なうことにより、実空間での形状が正しく評価されることとなる。同様に、マーク713cのように、縦方向に歪んだ領域についても、実空間での形状が正しく評価されることとなる。
以上説明したように、第2の実施の形態の画像処理システム1では、展開画像について病変候補検出処理を行う場合に、CPU101は画素ひずみ算出処理を実行して各画素の長手方向と短手方向とのひずみ量(dx/dy)を算出し、そのひずみ量を用いてパラメータを補正し、ひずみ調整パラメータ(P2_x、P2_y)を算出する。そしてCPU101はひずみ調整パラメータを用いて曲率計算等を行ない、病変候補領域の検出を行なう。
そのため、展開画像のように、長手方向、短手方向でひずみの生じた画像であっても、実空間での臓器表面形状を正しく評価でき、病変候補領域の検出精度が向上する。
なお、第2の実施の形態では、微分参照点間距離を表すパラメータP2についての補正を行なう例を示したが、パラメータP3、パラメータP4についても同様にひずみの補正を行なうようにしてもよい。
(第3の実施の形態)
次に、第3の実施の形態の画像処理システム1について説明する。第3の実施の形態の画像処理システム1のハードウエア構成は、図1の第1の実施の形態の画像処理システム1と同一であるので説明を省略し、同一の各部については同一の符号を付して説明する。
第3の実施の形態では、第2の実施の形態と同様に、パラメータ設定の際に、展開画像のひずみを考慮した処理を行う。第2の実施の形態ではカーブによる画像のゆがみについての調整を行なったが、第3の実施の形態では、より急なカーブ領域での展開画像のゆがみについての処理を説明する。
展開画像を生成する際、急なカーブを描く管腔臓器8については管腔断面の交差を防ぐために、断面の向きを補正している。
図16は、急カーブ領域での断面補正を説明する図である。
図16に示すように、管腔臓器8の急カーブ領域では、管腔領域81の外側であって経路線82のカーブの内側に存在する位置に、任意の断面集中点O’を与え、断面集中点O’と注目経路点Qnとを結ぶ線分O’Qnを通るように、注目管腔面Snを選択する手法をとっている。
このような断面補正を行なう場合、注目管腔面Snは注目経路点Qnにおける経路線の接線とは直交せず、大きく傾いてしまうことがある。そのため、注目管腔面Snと隣の管腔面Sn＋1の対応する角度の投影座標間の距離が、第2の実施の形態の手法のように線形近似できないことがある。
そこで、本第3の実施の形態では、注目画素pにおける長手方向の画素サイズdxを求める際に、注目画素pと、展開画像上の注目画素pの長手方向に接する画素(以下、隣接画素pnext)について、それぞれ対応する3次元実空間座標上の2点間の距離をdxとして求める。
図17は、第3の実施の形態で病変検出対象とする展開画像の、元となる管腔臓器8における各点の位置関係を説明する図である。
図17に示すような管腔臓器8の急カーブ領域において、管腔面Snにおける注目画素pと、隣接する管腔面Sn＋1における注目画素pに対応する画素pnextとの、各3次元実空間における対応点を注目画素対応点p’、pnext’と呼ぶ。
そして注目画素対応点p’、pnext’の3次元実空間座標での距離dxを経路線82に沿った曲線の長さに近づけるため、2点p’、pnext’を結ぶ円弧の長さを求めて、円弧の長さを距離dxとする。
そこで、第3の実施の形態では、第1の実施の形態の病変候補検出処理(図3参照)において、ステップS201のパラメータ設定処理の際に、図18に示す画素ひずみ算出処理によって各画素の画素ひずみ(dx/dy)を算出し、算出した画素ひずみ(dx/dy)に基づいてパラメータP2を補正したひずみ調整パラメータ(P2_x、P2_y)を算出する。
図18は、第3の実施の形態における画素ひずみ算出処理の流れを説明するフローチャートである。
図19は、画素ひずみ算出処理実行時に主メモリ102のRAMに保持されるデータを示す図である。
第3の実施の形態の医用画像処理装置100のCPU101は、主メモリ102から図18に示す画素ひずみ算出処理に関するプログラム及びデータを読み出し、このプログラム及びデータに基づいて画素ひずみ算出処理を実行する。
なお、以下の処理の実行開始に際して、画像データは画像データベース111等からネットワーク110を介して取り込まれ、医用画像処理装置100の記憶装置103に記憶されているものとする。
図18に示す画素ひずみ算出処理において、まず医用画像処理装置100のCPU101は、図10に示す画素ひずみ算出処理のステップS301と同様に、記憶装置103から、展開画像データと、展開画像の対応点の3次元実空間座標を格納した3次元実空間座標データと、経路点の座標データと、を読み込み、主メモリ102に保持する(ステップS401、図19の102l。102m、102n)。
次に、CPU101は展開画像71上の各画素を順番に走査して、各点(画素)の画素ひずみ(dx/dy)を算出する。図18のフローチャートでは、展開画像上の短手方向から走査し、次に長手方向について走査する例を示す。
第2の実施の形態と同様に、展開画像71に生じる画素ひずみは、経路線82の曲がり具合、すなわち管腔臓器8のカーブの大きさによって異なるので、まずCPU101は、カーブの大きさを判別する。
CPU101は、まず、断面集中点O’と注目経路点Qn’との距離を経路半径Rとして算出し、主メモリ102に保持する(図19の102o’)。そしてCPU101は、経路半径Rの大きさに基づいてカーブの大きさを判別する(ステップS402)。
経路半径Rが大きい場合は、緩やかなカーブの領域であり、経路半径Rが小さい場合は、急なカーブの領域である。
CPU101は、図10のステップS303と同様に、算出した経路半径Rに基づいて、曲がり具合を判別する(ステップS403)。例えば、経路半径Rの大きさが所定の閾値Rt以上の場合は、注目経路点Qnが緩やかなカーブ上にあると判別し、所定の閾値Rt未満の場合は注目経路点Qnが急なカーブ上にあると判別する。
注目経路点Qnが緩やかなカーブ上にあると判別した場合は(ステップS403；緩やかなカーブ)、図9のステップS304、ステップS305、ステップS306と同様に、CPU101は上述の式(8)、(9)を用いて注目画素pにおけるx方向の画素サイズdx、注目画素pにおけるy方向の画素サイズdyを求め、主メモリ102に保持する(ステップS404、ステップS405、図19の102p、102q)。そしてCPU101は画素ひずみdx/dyを算出し、配列に格納する(ステップS406→ステップS410；図19の102r)。
一方、注目経路点Qnが急なカーブ上にあると判別される場合は(ステップS403；急なカーブ)、ステップS407へ移行する。ステップS407においてCPU101は、図17に示す注目画素対応点p’、pnext’の二点間の円弧の長さ(画素サイズdx)を求める。
すなわち、まずCPU101は、注目画素対応点p’と断面集中点O’との3次元実空間座標データに基づいて、距離p’O’を求め、これを半径R’とする。CPU101は求めた半径R’を主メモリ102に保持する(図19の102x)。
次にCPU101は、注目画素対応点p’と、断面集中点O’と、隣接画素対応点pnext’の3点のなす角度δを求め、主メモリ102に保持する(図19の102y)。
点O’から点p’に向かうベクトルをO’p’、点O’から点pnext’に向かうベクトルをO’pnext’とすると、角度δは次式(16)で求められる。
Figure 2010024331
そして、CPU101は円弧の長さを次式(17)から求め、主メモリ102に保持する(ステップS407；図19の102p)。
Figure 2010024331
次に、CPU101は、注目画素pにおける、短手方向の画素サイズdyを次式(18)から算出し、主メモリ102に保持する(ステップS408；図19の102q)。
Figure 2010024331
CPU101は、ステップS407、S408で算出した画素サイズdx、dyに基づいて、画素ひずみdx/dyを算出し(ステップS409)、配列に格納する(ステップS410；図19の102r)。
以上のように、CPU101は展開画像の各画素についてステップS402からステップS410の処理を繰り返し、全ての画素についての画素ひずみdx/dyを算出すると、画素ひずみ算出処理を終了する。
画素ひずみ算出処理によって算出した各画素の画素ひずみdx/dyは、図3の病変候補領域検出処理のステップS202における曲率計算を行う際に参照される。ひずみ調整パラメータ(P2_x、P2_y)の算出については第2に実施の形態と同様であるので、説明を省略する。
以上のように、管腔臓器の急カーブ領域において、管腔面Snを断面集中点O’を中心に設定して生成される展開画像(断面補正された展開画像)においても、ひずみ調整パラメータP2_x、P2_yを用いて病変候補検出処理を行えば、図15に示す表示例と同様に、展開画像のゆがみに左右されずに正確に病変候補領域を識別表示できる(図15の病変候補領域713a、713b、713c参照)。
以上説明したように、第3の実施の形態の画像処理システム1では、カーブ領域で断面補正された展開画像について、管腔臓器の長手方向の画素サイズdxについては、隣り合う画素対応点間の円弧の長さとして算出する。そのため、急カーブのために断面補正の行なわれた展開画像であっても、実空間での形状を正しく評価でき、病変候補領域の検出精度が向上する。
なお、第3の実施の形態のように、画素サイズdxを円弧で求める手法を、第2の実施の形態の展開画像のように断面補正の行なわれていない比較的緩やかなカーブを描く領域の展開画像について適用するようにしてもよい。
また、第3の実施の形態についても、微分参照点間距離を表すパラメータP2についての補正を行なう例を示したが、パラメータP3、パラメータP4についても同様にひずみの補正を行なうようにしてもよい。
(第4の実施の形態)
第1から第3の実施の形態では管腔臓器の展開画像についての病変候補検出についての例を示したが、本発明の画像処理装置は、その他の画像表示方法において適用することとしてもよい。第4の実施の形態では、仮想内視鏡画像について本発明を適用する例について説明する。
図20は仮想内視鏡画像について説明する図である。図20(a)は管腔臓器の長手方向を上下方向に表した図であり、図20(b)は図20(a)の管腔臓器についての仮想内視鏡画像の一例である。
仮想内視鏡画像とは、図20(a)に示す管腔領域ｖ内部に設定される任意の視点p0から、ある範囲の方向(θview)を視野角として眺めた様子を平面状の投影面s0に投影した画像75(図20(b))である。
仮想内視鏡画像75の各点(以下、「注目画素p」と呼ぶ。)の持つ画素値は、視点p0と注目画素対応点p’との距離に基づいて与えられた陰影値である。注目画素対応点p’とは、例えば3次元実空間座標上において、視点p0から注目画素pに対してレイと呼ばれる仮想的な光線を照射したときに、レイの達するボクセルである。注目画素対応点p’であるボクセルは、所定の閾値範囲内の画素値を持つ。
仮想内視鏡画像75について、曲率を計算する方法の一例として、仮想内視鏡画像75の各点における濃度勾配に基づいて曲率を求める方法が挙げられる。
しかしながら、一般的に用いられる中心投影法により生成される仮想内視鏡画像75には、以下の2種類のひずみが表れる。
2種類のひずみとは、投影対象物の視点p0からの距離に応じたひずみと、視点p0から投影対象物への投影面に対する角度に応じたひずみである。
そのため仮想内視鏡画像75について病変候補領域検出処理を行う際は、前述の方法で求めた画素値に基づく曲率計算に用いる微分参照点間距離(パラメータP2)を補正する必要がある。
図21は、投影対象物の視点からの距離に起因するひずみを説明する図であり、図22は、仮想内視鏡画像の端部に生じるひずみを説明する図である。
図21に示すように、投影対象物を投影面s0に投影すると、視点p0からの距離に応じて、投影される像の大きさは異なる。同じ大きさの2つの物体T1、T2を、視点p0から投影面s0に対して同一方向であって距離の異なる位置に配置する。このとき視点p0から物体T1までの距離をL1とし、視点p0から物体T2までの距離をL2とする。また、投影面s0に投影される像の大きさをそれぞれΔ1、Δ2とする。Δ1とΔ2とを比較すると、視点p0に近い物体T1の方が、投影面s0上では大きな像となっている(Δ1＞Δ2)。これが画像のゆがみとなる。したがって、曲率計算を行なう場合には、注目画素対応点p’において微分参照点間距離が等しくなるように、注目画素pにおける微分参照点距離(パラメータP2)を設定する必要がある。
また、図22に示すように、投影面s0に対して投影対象となる物体T3、T4に向かって、視点p0から法線を延ばしたとき、各法線のなす角度をΘとする。また、投影面s0に投影される像の大きさをそれぞれΔ3、Δ4とする。Δ3とΔ4とを比較すると、角度Θが大きくなるほど投影面s0上では大きな像となる(Δ4＞Δ3)。これが画像のゆがみとなる。したがって、仮想内視鏡画像75の端部では、微分参照点間距離(パラメータP2)の値を、画像中央部よりも大きな値に補正する必要がある。
以下、中心投影法を用いて生成された仮想内視鏡画像75におけるパラメータP2(微分参照点間距離)の補正について、図23、図24、図25を参照して説明する。
図23は、中心投影法について説明する図である。
図24は、仮想内視鏡画像75における、微分参照点間距離算出処理の流れを示すフローチャートである。
図25は、微分参照点間距離算出処理実行時に主メモリ102のRAMに保持されるデータを示す図である。
図23において、p0は視点、s0は投影面、Δは投影面s0の中心に位置する画素(以下、「中心画素」と呼ぶ。)の1辺の長さ(画素サイズ)、L0は視点p0と中心画素との距離、θ0は、視点p0を中心とする、中心画素の両端と視点p0のなす角度である。
また、pは注目画素、Δ’は注目画素対応点p’における投影対象物T1の長さ、L’は視点p0と注目画素対応点p’との距離、θは、視点p0を中心とする、注目画素pの両端と視点p0のなす角度である。
図24に示す微分参照点間距離算出処理において、CPU101は視点p0の座標と投影面s0の位置及び向きを設定し、主メモリ102に保持する(ステップS501；図25の102A、102B)。投影面s0は、視点p0からの距離L0と、視点p0と中心画素とを結ぶベクトルと、から設定することができる。
次に、CPU101は、投影面s0の中心画素の1辺の長さ(画素サイズΔ)を算出し、主メモリ102に保持する(ステップS502；図25の102C)。画素サイズΔは、以下の式(19)から求められる。
Figure 2010024331
CPU101は、投影面s0上の各点(注目画素p)について、以下のステップS503〜ステップS506までの処理を繰り返す。
まず、CPU101は、注目画素pに投影する注目画素対応点p’の座標を取得する(ステップS503)。すなわち、CPU101は、視点p0から注目画素pに対してレイを照射し、閾値範囲内の輝度値を持つ照射先のボクセルの座標を、注目画素対応点p’の座標として取得する。
次にCPU101は、注目画素pについて、注目画素対応点p’の位置における長さΔ’を求め、主メモリ102Eに保持する(ステップS504；図25の102E)。
図23に示すように、Δ’は、注目画素対応点p’と視点p0との距離L’と、視点p0から注目画素pを見たときに、画素p’の両端の点と視点p0とのなす角度θとから算出できる。すなわちΔ’は以下の式(20)で表される。
Figure 2010024331
ここで、角度θは、注目画素pの座標、注目画素pと視点p0間の距離L、中心画素と視点p0間の距離L0と、中心画素の1辺の長さΔより求めることができる。
CPU101は、注目画素pにおける微分参照点間距離P2を計算する(ステップS505)。中心画素における微分参照点間距離P2が、P2＝A×P1の関係である場合(上述の式(1))には、注目画素pの微分参照点間距離P2は、以下の式(21)ように表すことができる。
Figure 2010024331
CPU101はステップS505で算出した注目画素pについての微分参照点間距離P2を配列に格納する(ステップS506；図25の102F)。
以上のように、CPU101は仮想内視鏡画像の各画素について、ステップS503からステップS506の処理を繰り返し、全ての画素pについて微分参照点間距離P2を算出すると、図24に示す微分参照点間距離の算出処理を終了する。
その後CPU101は、図3に示す病変候補領域検出処理において、上述の処理によって算出した各画素の微分参照点間距離P2を用いて曲率値(Shape Index)を算出し、病変候補の検出を行なう。
以上説明したように、第4の実施の形態の画像処理システム1では、中心投影法を用いて生成される仮想内視鏡画像について、微分参照点間距離P2を画像のひずみを考慮して補正する。そして補正した微分参照点間距離P2を用いて病変候補の検出を行なう。
その結果、仮想内視鏡画像について病変候補検出処理を行う場合にも、臓器表面の形状を正しく評価でき、病変候補領域の検出精度が向上する。
なお、第4の実施の形態では、中心投影法を用いた仮想内視鏡画像における微分参照点間距離の補正について示したが、仮想内視鏡画像の中には、画像の端に生じるひずみ(視点から投影対象物への投影面に対する角度に応じたひずみ)を補正する処理を施したものもある(例えば、特開平7−296184号公報)。この場合、画像のひずみは視点からの距離だけに依存するので、微分参照点間距離(パラメータP2)についても、視点からの距離だけに依存する補正を行なえばよい。微分参照点間距離は以下の式(22)で表される。
Figure 2010024331
以上、本発明に係る画像処理装置の好適な実施形態について説明したが、本発明は、上述の実施形態に限定されるものではない。例えば、第1から第4の実施の形態において説明した手法を適宜組み合わせるようにしてもよい。また、当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
1 画像処理システム、100 医用画像処理装置、101 CPU、102 主メモリ、103 記憶装置、104 通信I/F、105 表示メモリ、106 I/F、107 表示装置、108 マウス(外部機器)、109 入力装置、110 ネットワーク、111 画像データベース、71 展開画像、713 病変候補領域、72 パラメータ設定ウィンドウ、721 モード一覧、722 数値入力枠、8 管腔臓器、81 管腔領域、82 経路線、83 管腔表面、Qn 経路点、Sn 管腔面、p 注目画素、dx 長手方向画素サイズ、dy 短手方向画素サイズ、O 経路点にフィットする円の中心、O’ 断面集中点
医用画像処理装置100は、CPU101(Central Processing Unit)101、主メモリ102、記憶装置103、通信インタフェース(通信I/F)104、表示メモリ105、マウス108等の外部機器とのインタフェース(I/F)106を備え、各部はバス112を介して接続されている。
CPU101は、主メモリ102または記憶装置103等に格納されるプログラムを主メモリ102のRAM上のワークメモリ領域に呼び出して実行し、バス112を介して接続された各部を駆動制御し、医用画像処理装置100が行う各種処理を実現する。

Claims (12)

  1. 医用画像から病変候補領域を検出する画像処理装置であって、
    前記病変候補領域の検出に利用されるパラメータを設定するパラメータ設定手段と、
    前記パラメータ設定手段により設定されたパラメータを用いて前記医用画像を評価し、評価結果に基づいて病変候補領域を検出する病変候補領域検出手段と、
    を備えることを特徴とする画像処理装置。
  2. 前記パラメータ設定手段は、
    第1のパラメータを入力するパラメータ入力手段と、
    前記パラメータ入力手段によって入力された第1のパラメータから、第2のパラメータを算出する第2のパラメータ算出手段と、を備え、
    前記病変候補検出手段は、
    前記医用画像について前記第2のパラメータ算出手段により算出された第2のパラメータを用いて臓器表面の形状を表す特徴量を算出し、算出された特徴量に基づいて病変候補領域を抽出する病変候補領域抽出手段と、
    前記病変候補領域抽出手段によって抽出された病変候補領域について、所定の特徴量を評価することにより偽陽性領域を判定し、偽陽性領域と判定された病変候補領域を削除する偽陽性削除手段と、
    を備えることを特徴とする請求項1に記載の画像処理装置。
  3. 前記第2のパラメータは、前記臓器表面の形状を表す特徴量として曲率値を算出する際に利用される微分参照点間距離であることを特徴とする請求項2に記載の画像処理装置。
  4. 前記パラメータ設定手段は、
    第1のパラメータを入力するパラメータ入力手段と、
    前記パラメータ入力手段によって入力された第1のパラメータから、第3のパラメータを算出する第3のパラメータ算出手段と、を備え、
    前記病変候補検出手段は、
    前記医用画像について臓器表面の形状を表す特徴量を算出し、算出された特徴量に基づいて病変候補領域を抽出する病変候補領域抽出手段と、
    前記病変候補領域抽出手段によって抽出された病変候補領域について、所定の特徴量を前記第3のパラメータ算出手段により算出された第3のパラメータを用いて評価することにより偽陽性領域を判定し、偽陽性領域と判定された病変候補領域を削除する偽陽性削除手段と、
    を備えることを特徴とする請求項1に記載の画像処理装置。
  5. 前記第3のパラメータは、前記病変候補領域の大きさを示すもの、または前記病変候補領域の形状を示すもののうち、少なくともいずれか一方を含むことを特徴とする請求項4に記載の画像処理装置。
  6. 前記パラメータ設定手段によって設定されたパラメータを、前記医用画像の歪みに応じて補正するパラメータ補正手段を更に備え、
    前記病変候補領域検出手段は、前記パラメータ補正手段によって補正されたパラメータを用いて、前記医用画像を評価し、評価結果に基づいて病変候補領域を検出することを特徴とする請求項1に記載の画像処理装置。
  7. 前記医用画像は、管腔臓器の芯線を中心に展開するように臓器内部表面を表示した展開画像であることを特徴とする請求項6に記載の画像処理装置。
  8. 前記医用画像は、管腔臓器内部に設けた仮想的な視点から臓器内部を所定の投影面に投影した仮想内視鏡画像であることを特徴とする請求項6に記載の画像処理装置。
  9. モード別に前記パラメータの値を予め定めたデータテーブルを備え、
    前記パラメータ設定手段は、選択されたモードに対応するパラメータの値を前記データテーブルから読み出して入力する第1の入力手段を備えることを特徴とする請求項1に記載の画像処理装置。
  10. 前記パラメータの値を数値入力する第2の入力手段を備え、
    前記パラメータ設定手段は、前記第2の入力手段によって入力された数値をパラメータの値として設定することを特徴とする請求項1に記載の画像処理装置。
  11. 前記医用画像が表示される表示画面上に、前記パラメータの値の大きさに応じて大きさまたは形状が変化するオブジェクトを表示させ、該オブジェクトに対する操作によって前記パラメータの値を入力する第3の入力手段を備え、
    前記パラメータ設定手段は、前記第3の入力手段によって入力された前記オブジェクトの大きさまたは形状に応じた値を前記パラメータの値として設定することを特徴とする請求項1に記載の画像処理装置。
  12. 医用画像から病変候補領域を検出する画像処理方法であって、
    前記病変候補領域の検出に利用されるパラメータを設定するパラメータ設定ステップと、
    前記パラメータ設定ステップにより設定されたパラメータを用いて前記医用画像を評価し、評価結果に基づいて病変候補領域を検出する病変候補領域検出ステップと、
    を備えることを特徴とする画像処理方法。
JP2010526757A 2008-09-01 2009-08-27 画像処理装置、及び画像処理装置の作動方法 Active JP5346938B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2010526757A JP5346938B2 (ja) 2008-09-01 2009-08-27 画像処理装置、及び画像処理装置の作動方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2008222978 2008-09-01
JP2008222978 2008-09-01
JP2010526757A JP5346938B2 (ja) 2008-09-01 2009-08-27 画像処理装置、及び画像処理装置の作動方法
PCT/JP2009/064958 WO2010024331A1 (ja) 2008-09-01 2009-08-27 画像処理装置、及び画像処理方法

Publications (2)

Publication Number Publication Date
JPWO2010024331A1 true JPWO2010024331A1 (ja) 2012-01-26
JP5346938B2 JP5346938B2 (ja) 2013-11-20

Family

ID=41721497

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2010526757A Active JP5346938B2 (ja) 2008-09-01 2009-08-27 画像処理装置、及び画像処理装置の作動方法

Country Status (3)

Country Link
US (1) US8538113B2 (ja)
JP (1) JP5346938B2 (ja)
WO (1) WO2010024331A1 (ja)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010064687A1 (ja) * 2008-12-05 2010-06-10 株式会社 日立メディコ 医用画像表示装置及び医用画像表示方法
JP4676021B2 (ja) * 2009-04-16 2011-04-27 富士フイルム株式会社 診断支援装置、診断支援プログラムおよび診断支援方法
US8121618B2 (en) 2009-10-28 2012-02-21 Digimarc Corporation Intuitive computing methods and systems
US8175617B2 (en) * 2009-10-28 2012-05-08 Digimarc Corporation Sensor-based mobile search, related methods and systems
JP5535725B2 (ja) 2010-03-31 2014-07-02 富士フイルム株式会社 内視鏡観察支援システム、並びに、内視鏡観察支援装置、その作動方法およびプログラム
WO2013051045A1 (ja) * 2011-10-03 2013-04-11 株式会社日立製作所 画像処理装置および画像処理方法
US20140003655A1 (en) * 2012-06-29 2014-01-02 Praveen Gopalakrishnan Method, apparatus and system for providing image data to represent inventory
JP6045417B2 (ja) * 2012-12-20 2016-12-14 オリンパス株式会社 画像処理装置、電子機器、内視鏡装置、プログラム及び画像処理装置の作動方法
JP6150555B2 (ja) * 2013-02-26 2017-06-21 オリンパス株式会社 内視鏡装置、内視鏡装置の作動方法及び画像処理プログラム
JP6150554B2 (ja) * 2013-02-26 2017-06-21 オリンパス株式会社 画像処理装置、内視鏡装置、画像処理装置の作動方法及び画像処理プログラム
JP6461916B2 (ja) * 2013-04-18 2019-01-30 セント・ジュード・メディカル・エイトリアル・フィブリレーション・ディヴィジョン・インコーポレーテッド ２ｄ平面投影及び部分的展開表面マッピングプロセスを利用して不整脈を視覚化し分析するためのシステムの作動方法
US10117563B2 (en) * 2014-01-09 2018-11-06 Gyrus Acmi, Inc. Polyp detection from an image
US9311639B2 (en) 2014-02-11 2016-04-12 Digimarc Corporation Methods, apparatus and arrangements for device to device communication
JP2015156937A (ja) * 2014-02-24 2015-09-03 ソニー株式会社 画像処理装置、画像処理方法、並びにプログラム
DE102014007908A1 (de) * 2014-05-27 2015-12-03 Carl Zeiss Meditec Ag Chirurgie-System
JP2016158916A (ja) * 2015-03-03 2016-09-05 キヤノンマーケティングジャパン株式会社 医用画像処理装置、医用画像処理装置に搭載可能なプログラム、及び医用画像処理方法
US20180064342A1 (en) * 2015-03-18 2018-03-08 Imricor Medical Systems, Inc. System and method for enhanced magnetic resonance imaging of tissue
US10339650B2 (en) 2016-01-07 2019-07-02 Koios Medical, Inc. Method and means of CAD system personalization to reduce intraoperator and interoperator variation
US9536054B1 (en) 2016-01-07 2017-01-03 ClearView Diagnostics Inc. Method and means of CAD system personalization to provide a confidence level indicator for CAD system recommendations
US10346982B2 (en) 2016-08-22 2019-07-09 Koios Medical, Inc. Method and system of computer-aided detection using multiple images from different views of a region of interest to improve detection accuracy
WO2018235246A1 (ja) * 2017-06-22 2018-12-27 オリンパス株式会社 画像処理装置、画像処理プログラム及び画像処理方法
WO2019023909A1 (zh) * 2017-07-31 2019-02-07 深圳联影医疗科技有限公司 一种肝段分割方法与设备
JP7114252B2 (ja) * 2017-12-28 2022-08-08 キヤノンメディカルシステムズ株式会社 医用画像処理装置、その制御方法、及びプログラム
CN112351724B (zh) * 2018-09-27 2024-03-01 Hoya株式会社 电子内窥镜系统
CN111986137B (zh) * 2019-05-21 2024-06-28 梁红霞 生物器官病变检测方法、装置、设备及可读存储介质
KR20210083725A (ko) 2019-12-27 2021-07-07 주식회사 이우소프트 치근관의 만곡도를 3차원적으로 시각화하는 방법 및 장치
JP7376674B2 (ja) * 2020-02-10 2023-11-08 富士フイルム株式会社 文書作成支援装置、文書作成支援方法及びプログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004351056A (ja) * 2003-05-30 2004-12-16 Konica Minolta Medical & Graphic Inc 医用画像処理装置
US20050152588A1 (en) * 2003-10-28 2005-07-14 University Of Chicago Method for virtual endoscopic visualization of the colon by shape-scale signatures, centerlining, and computerized detection of masses
US7609910B2 (en) * 2004-04-09 2009-10-27 Siemens Medical Solutions Usa, Inc. System and method for creating a panoramic view of a volumetric image
GB2420641B (en) 2004-11-29 2008-06-04 Medicsight Plc Digital medical image analysis
JP2006230910A (ja) * 2005-02-28 2006-09-07 Konica Minolta Medical & Graphic Inc 画像処理装置及び画像処理方法

Also Published As

Publication number Publication date
JP5346938B2 (ja) 2013-11-20
US8538113B2 (en) 2013-09-17
WO2010024331A1 (ja) 2010-03-04
US20110164064A1 (en) 2011-07-07

Similar Documents

Publication Publication Date Title
JP5346938B2 (ja) 画像処理装置、及び画像処理装置の作動方法
US8423124B2 (en) Method and system for spine visualization in 3D medical images
US20190355174A1 (en) Information processing apparatus, information processing system, information processing method, and computer-readable recording medium
US9036882B2 (en) Diagnosis assisting apparatus, diagnosis assisting method, and recording medium having a diagnosis assisting program stored therein
US8542896B2 (en) Medical image processing device and medical image processing method
US8077948B2 (en) Method for editing 3D image segmentation maps
JP4616872B2 (ja) 画像表示装置および画像表示プログラム
US20040202990A1 (en) System and method for performing a virtual endoscopy
JP2004180932A (ja) コンピュータ支援診断装置
JP5536669B2 (ja) 医用画像表示装置及び医用画像表示方法
JP2009072433A (ja) サイズ計測装置、画像表示装置、サイズ計測プログラム、および画像表示プログラム
JPWO2007013300A1 (ja) 異常陰影候補検出方法及び異常陰影候補検出装置
JP4497951B2 (ja) 医用画像診断装置
WO2016104082A1 (ja) 画像処理装置及び画像処理方法
JP5624336B2 (ja) 医用画像処理装置、及び医用画像処理プログラム
US20180293727A1 (en) Rib unfolding from magnetic resonance images
JPWO2005009242A1 (ja) 医用画像処理装置及び方法
JP2007267979A (ja) 生物の臓器形態解析方法と生物の臓器形態解析システム
JP5701208B2 (ja) 医用画像表示装置及び医用画像表示方法
JP2009022307A (ja) 医用画像表示装置及びそのプログラム
JP2006055402A (ja) 画像処理装置、画像処理方法及び画像処理プログラム
EP4258207A1 (en) Automatic rib fracture detection from unfolded scan images
US20230225684A1 (en) Determining needle position
JP2010075334A (ja) 医用画像処理装置及びプログラム
WO2023194267A1 (en) Automatic rib fracture detection from unfolded scan images

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20120323

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130212

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130415

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130514

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20130703

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130729

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130819

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

Ref document number: 5346938

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

S533 Written request for registration of change of name

Free format text: JAPANESE INTERMEDIATE CODE: R313533

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

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

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350