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

JPWO2020100630A1 - 医療画像処理システム - Google Patents

医療画像処理システム Download PDF

Info

Publication number
JPWO2020100630A1
JPWO2020100630A1 JP2020556041A JP2020556041A JPWO2020100630A1 JP WO2020100630 A1 JPWO2020100630 A1 JP WO2020100630A1 JP 2020556041 A JP2020556041 A JP 2020556041A JP 2020556041 A JP2020556041 A JP 2020556041A JP WO2020100630 A1 JPWO2020100630 A1 JP WO2020100630A1
Authority
JP
Japan
Prior art keywords
feature amount
medical image
blood vessel
region
stage
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
JP2020556041A
Other languages
English (en)
Other versions
JP7263387B2 (ja
Inventor
青山　達也
達也 青山
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.)
Fujifilm Corp
Original Assignee
Fujifilm 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 Fujifilm Corp filed Critical Fujifilm Corp
Publication of JPWO2020100630A1 publication Critical patent/JPWO2020100630A1/ja
Application granted granted Critical
Publication of JP7263387B2 publication Critical patent/JP7263387B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
    • A61B5/0086—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters using infrared radiation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/02007—Evaluating blood vessel condition, e.g. elasticity, compliance
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4842—Monitoring progression or stage of a disease
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/10—Image acquisition
    • G06V10/12—Details of acquisition arrangements; Constructional details thereof
    • G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
    • G06V10/143—Sensing or illuminating at different wavelengths
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A61B2576/02—Medical imaging apparatus involving image processing or analysis specially adapted for a particular organ or body part
    • 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
    • G06T2207/10024—Color image
    • 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
    • G06T2207/10068—Endoscopic image
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Multimedia (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Vascular Medicine (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Signal Processing (AREA)
  • Optics & Photonics (AREA)
  • Data Mining & Analysis (AREA)
  • Image Analysis (AREA)
  • Endoscopes (AREA)

Abstract

病変部の進行度を示す病期ステージの判別を高い精度で行うことができる医療画像処理システムを提供する。医療画像取得部（３５）は、観察対象を撮像して得られる医療画像を取得する。特徴量算出部（４２）は、医療画像の画像領域の画素毎、又は、医療画像の画像領域を特定サイズに分割した分割領域毎に、観察対象の特徴量を算出する。ステージ判別部（４４）は、各分割領域の特徴量の空間的な分布を指標値化した分布指標値を算出し、分布指標値に基づいて、観察対象の病期ステージを判別する。

Description

本発明は、医療画像に基づいて病変部の進行ステージを示す病期ステージを判別する医療画像処理システムに関する。
現在の医療分野においては、光源装置、内視鏡、及びプロセッサ装置を備える内視鏡システムなどのように、医療画像を用いる医療画像処理システムが普及している。また、近年においては、医療画像から特徴量を算出し、算出した特徴量に基づいて、病変部など医療画像に含まれる領域の診断に用いている。
例えば、特許文献１では、出血部位のある医療画像を検出するために、医療画像を分割した領域毎に特徴量（色度）を算出し、算出した特徴量と閾値との比較に基づいて、各領域が出血領域か否かを判別している。また、特許文献２では、医療画像から不要領域を削除した上で、医療画像の領域毎に特徴量を算出し、閾値以上の領域数が全有効領域に対してどの程度かによって、粘膜領域の状態を判別している。
特開２００６−３３４１１５号公報 特開２００６−１６６９３９号公報
医療画像を用いる診断においては、特に、病変領域の特定、又は、病変部の進行ステージを示す病期ステージなどの判別を高い精度で行おうとする場合、医療画像から算出した特徴量の空間的な分布に関する情報が重要となる。例えば、バレット食道の初期ステージでは、血管が全体的に均一に分布する一方で、進行ステージでは、びらんが生じて血管が見えなくなる領域と、血管が密集した領域が生じて、血管の分布にバラツキが生じる傾向がある。これに対して、上記した特許文献１、２では、特徴量の大きさを用いて領域に対する判別は行っているものの、特徴量の空間的な分布を用いて領域判別等することについては、記載及び示唆がない。
本発明は、病変部の進行度を示す病期ステージの判別を高い精度で行うことができる医療画像処理システムを提供することを目的とする。
本発明の医療画像処理システムは、観察対象を撮像して得られる医療画像を取得する医療画像取得部と、医療画像の画像領域の画素毎、又は、医療画像の画像領域を特定サイズに分割した分割領域毎に、観察対象の特徴量を算出する特徴量算出部と、特徴量の空間的な分布を用いて、観察対象の病期ステージを判別するステージ判別部とを備える。
ステージ判別部は、特徴量の空間的な分布を指標化した分布指標値を算出する分布指標値算出部と、分布指標値に基づいて病期ステージを判別する判別部を有することが好ましい。分布指標値は、特徴量の分散であり、病期ステージの進行度は、特徴量の分散が大きくなる程、大きくなることが好ましい。分布指標値は、特徴量が特定範囲外の画素又は分割領域を示す異常領域の空間的な分布に関する指標値であることが好ましい。異常領域の空間的な分布に関する指標値は、異常領域の数又は面積、又は、画像領域のうち異常領域が占める比率の少なくともいずれかであり、病期ステージの進行度は、異常領域の数、面積、又は異常領域の比率が大きくなる程、大きくなることが好ましい。
ステージ判別部は、特徴量が特定範囲外の画素又は分割領域を示す異常領域を統合する第１領域統合部を有し、分布指標値は、第１領域統合部によって異常領域を統合した統合異常領域のうち特定の条件を満たす特定の統合異常領域の空間的な分布に関する指標値であることが好ましい。隣接する画素又は分割領域の特徴量が特徴量用範囲内の場合には、隣接する分割領域を統合する第２領域統合部を有し、分布指標値は、第２領域統合部によって隣接する画素又は分割領域を統合した統合領域の空間的な分布に関する指標値であることが好ましい。特徴量は、血管密度、血管コントラスト、血管幅の変動、又は、血管幅の平均値のうち少なくともいずれかであることが好ましい。
特徴量算出部は、画素毎、又は、分割領域毎に、互いに種類が異なる複数の演算用特徴量を算出し、複数の演算用特徴量に基づく演算により得られる第１演算値を、特徴量として算出することが好ましい。演算用特徴量は、第１層血管の血管密度、及び、第１層血管と異なる第２層血管の血管密度であり、第１演算値は、第１層血管の血管密度と第２層血管の血管密度の比であることが好ましい。
特徴量算出部は、画素毎、又は、分割領域毎に、互いに種類が異なる複数の演算用特徴量を算出し、ステージ判別部は、各演算用特徴量の空間的な分布を指標化した演算用分布指標値を算出し、演算用分布指標値に基づく演算により得られる第２演算値を、分布指標値として算出する分布指標値算出部と、分布指標値に基づいて病期ステージを判別する判別部を有することが好ましい。
画像領域のうち病期ステージの判別が可能な有効領域を設定する有効領域設定部を有し、特徴量算出部は、有効領域内にある分割領域毎に、特徴量を算出することが好ましい。特徴量算出部は、画素毎に特徴量を算出する場合には、画素を含む特定領域から得られる特定領域の特徴量を、画素毎の特徴量とすることが好ましい。
本発明によれば、病変部の進行度を示す病期ステージの判別を高い精度で行うことができる。
画像処理システムと内視鏡システムなどを示すブロック図である。 内視鏡システムを示すブロック図である。 医療画像解析処理部の機能を示すブロック図である。 画像領域及び有効領域を示す医療画像の画像図である。 キャップの縁部及び鏡面反射を示す医療画像の画像図である。 画像領域及び分割領域を示す医療画像の画像図である。 画像領域及び有効領域内の分割領域を示す医療画像の画像図である。 画素ＰＥ及び特定領域ＳＲを示す説明図である。 分割領域Ｐ１、Ｐ２、・・・、Ｐｎを示す医療画像の画像図である。 異常領域である分割領域Ｐａ、Ｐｂ、Ｐｃを示す医療画像の画像図である。 第１領域統合部を有する医療画像解析処理部を示すブロック図である。 統合異常領域ＩＲ１、ＩＲ２を示す医療画像の画像図である。 統合異常領域ＩＲ３を示す医療画像の画像図である。 第２領域統合部を有する医療画像解析処理部を示すブロック図である。 統合異常領域ＩＲｘを示す医療画像の画像図である。 画像処理システムを含む診断支援装置である。 画像処理システムを含む医療業務支援装置である。
図１に示すように、画像処理システム１０は、医療画像取得部１１、医療画像解析処理部１２、表示部１３、表示制御部１５、入力受信部１６、統括制御部１７、及び、保存部１８を備える。
医療画像取得部１１は、医療装置である内視鏡システム２１等から直接に、または、ＰＡＣＳ（Picture Archiving and Communication System）２２等の管理システムもしくはその他情報システムを介して、被写体像を含む医療画像を取得する。医療画像は静止画像または動画（いわゆる検査動画）である。医療画像が動画である場合、医療画像取得部１１は、検査後に動画を構成するフレーム画像を静止画像として取得することができる。また、医療画像が動画である場合、医療画像の表示には、動画を構成する１つの代表フレームの静止画像を表示することのほか、動画を１または複数回、再生することを含む。また、医療画像取得部１１が取得する医療画像には、内視鏡システム２１等の医療装置を用いて医師が撮影した画像の他、内視鏡システム２１等の医療装置が医師の撮影指示に依らず自動的に撮影した画像を含む。なお、本実施形態では、画像処理システム１０及び内視鏡システム２１ともに医療画像を用いて画像処理を行うことから、画像処理システム１０及び内視鏡システム２１はいずれも医療画像処理システムに相当する。医療画像システムとしては、その他、リアルタイムに画像を取得して表示する超音波診断装置も含まれる。
医療画像取得部１１は、複数の医療画像を取得し得る場合、これらの医療画像のうち１または複数の医療画像を選択的に取得できる。また、医療画像取得部１１は、複数の互いに異なる検査において取得した複数の医療画像を取得できる。例えば、過去に行った検査で取得した医療画像と、最新の検査で取得した医療画像と、の一方または両方を取得できる。すなわち、医療画像取得部１１は、任意に医療画像を取得できる。
本実施形態においては、被写体像を含む医療画像を複数取得する。より具体的には、１回の特定の検査において撮影した医療画像を取得し、かつ、１回の特定の検査において撮影した医療画像が複数ある場合には、一連の医療画像のうち複数の医療画像を取得する。また、本実施形態においては、画像処理システム１０は、内視鏡システム２１と接続し、内視鏡システム２１から医療画像を取得する。すなわち、本実施形態において医療画像は、内視鏡画像である。
表示部１３は、医療画像取得部１１が取得した医療画像、及び、医療画像解析処理部１２の解析結果を表示するディスプレイである。画像処理システム１０が接続するデバイス等が含むモニタまたはディスプレイを共用し、画像処理システム１０の表示部１３として使用できる。表示制御部１５は、表示部１３における医療画像及び解析結果の表示態様を制御する。
入力受信部１６は、画像処理システム１０に接続するマウス、キーボード、その他操作デバイスからの入力を受け付ける。画像処理システム１０の各部の動作はこれらの操作デバイスを用いて制御できる。
統括制御部１７は、画像処理システム１０の各部の動作を統括的に制御する。入力受信部１６が操作デバイスを用いた操作入力を受信した場合には、統括制御部１７は、その操作入力にしたがって画像処理システム１０の各部を制御する。
保存部１８は、画像処理システム１０が含むメモリ等の記憶デバイス（図示しない）、または、内視鏡システム２１等の医療装置もしくはＰＡＣＳ２２が含む記憶デバイス（図示しない）に、医療画像の静止画等を保存する。
図２に示すように、本実施形態において画像処理システム１０が接続する内視鏡システム２１は、白色の波長帯域の光もしくは特定の波長帯域の光の少なくともいずれかを照射して被写体を撮影することにより画像を取得する内視鏡３１、内視鏡３１を介して被写体内に照明光を照射する光源装置３２、プロセッサ装置３３、及び、内視鏡３１を用いて撮影した内視鏡画像等の医療画像を表示するモニタ３４を有する。内視鏡３１が照明光に使用する特定の波長帯域の光は、例えば、緑色波長帯域よりも短波長帯域の光、特に可視域の青色帯域または紫色帯域の光である。
プロセッサ装置３３は、医療画像取得部３５、医療画像解析処理部３６、表示制御部３７を備えている。医療画像取得部３５は、内視鏡３１から出力される医療画像を取得する。医療画像解析処理部３６は、医療画像取得部３５で取得した医療画像に対して、解析処理を行う。医療画像解析処理部３６での処理内容は、画像処理システム１０の医療画像解析処理部１２での処理内容と同様である。表示制御部３７は、医療画像解析処理部３６で得られた医療画像をモニタ３４（表示部）に表示する。プロセッサ装置３３は画像処理システム１０と接続される。なお、医療画像取得部３５は医療画像取得部１１と同様であり、医療画像解析処理部３６は医療画像解析処理部１２と同様であり、表示制御部３７は表示制御部１５と同様である。
医療画像解析処理部３６は、医療画像取得部１１が取得した医療画像を用いて解析処理をする。図３に示すように、医療画像解析処理部３６は、有効領域設定部４０と、特徴量算出部４２と、ステージ判別部４４とを備えている。
有効領域設定部４０は、医療画像の画像領域うちステージ判別部４４での病期ステージの判別が可能な有効領域を設定する。そのため、医療画像の画像領域から、病期ステージの判別が不可能またはステージの判別を妨げる判別不可能領域を除去する。例えば、図４に示すように、画像領域ＲＰのうち、画素値が低くなっている暗部４６については、判別不可能領域とし、画像領域ＲＰから暗部４６を除去する。画像領域ＲＰは、内視鏡３１によって撮像された観察対象の画像全体を表示する表示領域である。そして、画像領域ＲＰから暗部４６を除いた領域が、有効領域Ｒｘとして設定される。
なお、暗部４６の他に、観察対象を覆う水たまり、血たまり、などの特定のたまり部、画像領域ＲＰの周辺部に発生するひずみ（観察対象の撮像に用いられる対物レンズによるひずみ）や画像ぼけ、空気などを含む泡などについても、判別不可能領域とすることが好ましい。例えば、特定のたまり部については、特定の色をしていることから、特定の色の除去する処理によって特定のたまり部を除去することが可能である。また、泡については、円状を有していることから、円状の構造物を除去することによって泡を除去することが可能である。
また、内視鏡３１の挿入部の先端部にキャップを装着し、図５に示すように、医療画像の画像領域にキャップの縁部４８が写り込んでいる場合には、キャップの縁部４８の画像についても、ステージ判別部４４での病期ステージの判別の妨げになることから、判別不可能領域とする。また、観察対象が透明の粘膜に覆われていることによって生じる鏡面反射５０についても、ステージ判別部４４での病期ステージの判別の妨げになることから、判別不可能領域とする。そして、有効領域設定部４０は、画像領域ＲＰからキャップの縁部４８又は鏡面反射５０除いた領域を、有効領域として設定する。なお、判別不可能領域を示す画像を作成し、判別不可能領域の画像をプロセッサ装置３３の学習部（図示しない）に学習させ、学習部に対して、取得した医療画像を入力することによって、判別不可能領域を特定するようにしてもよい。
特徴量算出部４２は、図６に示すように、医療画像の画像領域ＲＰを特定サイズに分割した分割領域Ｐ毎に、観察対象の特徴量を算出する。例えば、医療画像の画像サイズが640×480の場合には、縦と横でそれぞれ１６分割すると、分割領域の特定サイズは40×30程度となる（左右の周辺部分の特定サイズは他の部分と比べて小さくなる）。特徴量は、病期ステージの判別に用いられることから、図７Ａに示すように、特徴量算出部４２は、病期ステージの判別が可能な有効領域Ｒｘ内にある分割領域Ｐについて、観察対象の特徴量を算出することが好ましい。なお、特徴量算出部４２において、分割領域Ｐ毎に特徴量を算出することに代えて、画像領域ＲＰの画素毎に特徴量を算出してもよい。この場合には、例えば、図７Ｂに示すように、着目する画素ＰＥを中心とする40×30程度の特定領域ＳＲを設定し、特定領域ＳＲ内で得られる特徴量を、着目する画素の特徴量とすることが好ましい。
特徴量算出部４２では、特徴量として、例えば、特定領域ＳＲ又は各分割領域Ｐに含まれる血管の血管密度、血管のコントラスト、血管幅の変動、血管幅の平均値などを算出することが好ましい。
血管密度は、特定領域ＳＲ又は分割領域Ｐに含まれる血管の割合である。血管の密度は、分割領域Ｐの全画素のうち血管が占める割合である。血管については、周囲よりも画素値が低い画素領域を血管とすることが好ましい。
血管のコントラストとは、観察対象の粘膜に対する血管の相対的なコントラストである。血管のコントラストは、血管の輝度ＹＶと、粘膜の輝度ＹＭと、を用いて、例えば「ＹＶ／ＹＭ」又は「（ＹＶ−ＹＭ）／（ＹＶ＋ＹＭ）」で算出する。
血管幅の変動とは、特定領域ＳＲ又は分割領域Ｐに含まれる血管の血管幅（血管と粘膜の境界線間の距離）のばらつきに関する血管指標値であり、口径不同度ともいう。血管幅の変動は、例えば、血管幅の変化率（拡張度ともいう）である。血管径の変化率は、血管の最も細い部分の太さ（最小径）と血管の最も太い部分の太さ（最大径）を用いて、「血管経の変化率（％）＝最小径／最大径×１００」で求める。なお、血管幅は、例えば、抽出した血管の中心軸に沿って特定間隔毎に、直交方向である血管の短手方向の画素数を計数して得る。
血管幅の平均値は、特定領域ＳＲ又は分割領域Ｐに含まれる血管の血管幅の平均値である。具体的には、分割領域Ｐ内の血管の血管幅の合計を、分割領域Ｐ内の血管の本数で割ることにより、血管幅の平均値が算出される。
特徴量算出部４２にて算出する特徴量としては、上記の他、血管幅変動の複雑度、血管の本数、血管の交差数、血管の長さ、血管の間隔、血管の深さ、血管の高低差、血管の傾き、血管の面積、血管の色、血管の蛇行度、血管の血液濃度、血管の酸素飽和度、血管の走行パターン、血管の血流量などがある。
血管幅変動の複雑度（以下、「幅変動の複雑度」という）とは、特定領域ＳＲ又は分割領域Ｐに含まれる血管の血管幅が変化している場合に、その変化がどの程度複雑であるかを表す血管指標値であり、血管幅の変動を表す血管指標値（すなわち、血管径の変化率、細径部の割合、又は太径部の割合）を複数組み合わせて算出する血管指標値である。太さ変化の複雑度は、例えば、血管径の変化率と細径部の割合の積で求めることができる。
血管の本数とは、特定領域ＳＲ又は分割領域Ｐで抽出した血管の数である。血管の本数は、例えば、抽出した血管の分岐点の個数（分岐数）や他の血管との交差点の個数（交差数）等を用いて算出する。血管の分岐角度は、２本の血管が分岐点においてなす角度である。分岐点間距離は、任意の分岐点とその隣の分岐点の直線距離、又は、任意の分岐点とその隣の分岐点までの血管に沿った長さである。
血管の交差数とは、粘膜下の深さが異なる血管が特定領域ＳＲ又は分割領域Ｐで交差する交差点の個数である。より具体的には、血管の交差数とは、相対的に粘膜下の浅い位置にある血管が、深い位置にある血管を横切る数である。
血管の長さとは、特定領域ＳＲ又は分割領域Ｐから抽出した血管を長手方向に沿って計数した画素数である。
血管の間隔とは、特定領域ＳＲ又は分割領域Ｐから抽出した血管のエッジ間にある粘膜を表す画素の画素数である。抽出した血管が１本の場合、血管の間隔は値を持たない。
血管の深さは、粘膜（より具体的には粘膜の表面）を基準として測る。この粘膜を基準とした血管の深さは、例えば、血管の色に基づいて算出することができる。特殊観察画像の場合、例えば、粘膜の表面に近い位置（粘膜下の浅い位置）にある表層血管をマゼンタ系の色で表しており、粘膜の表面から遠い位置（粘膜下の深い位置）にある中深層血管をシアン系の色で表しているので、血管として抽出した画素のＲ，Ｇ，Ｂ各色の信号のバランスに基づいて、粘膜を基準とした血管の深さを画素毎に算出する。
血管の高低差とは、特定領域ＳＲ又は分割領域Ｐに含まれる血管の深さの差の大きさである。例えば、注目する１本の血管の高低差は、この血管の最も深い箇所の深さ（最大深さ）と、最も浅い箇所の深さ（最小深さ）の差で求める。深さが一定の場合、高低差は零である。
血管の傾きとは、特定領域ＳＲ又は分割領域Ｐに含まれる血管の深さの変化率であり、血管の長さと血管の深さを用いて算出する。すなわち、血管の傾きは、「血管の傾き＝血管の深さ／血管の長さ」で求める。なお、血管を複数の区間に区切り、各区間で血管の傾きを算出してもよい。
血管の面積は、特定領域ＳＲ又は分割領域Ｐに含まれる血管の画素の画素数、又は、血管として抽出した画素の画素数に比例する値である。血管の面積は、関心領域内、関心領域外、又は、内視鏡画像全体について算出する。
血管の色とは、特定領域ＳＲ又は分割領域Ｐに含まれる血管を表す画素のＲＧＢの各値である。そして、血管の色の変化とは、血管を表す画素のＲＧＢ各値の各々の最大値と最小値の差又は比である。例えば、血管を表す画素のＢ値の最大値と最小値の比、Ｇ値の最大値と最小値の比、又はＲ値の最大値と最小値の比は、血管の色の変化を表す。もちろん、補色に変換して、シアン、マゼンタ、イエロー、グリーン等の各値について血管の色及び血管の色の変化を算出しても良い。
血管の蛇行度とは、特定領域ＳＲ又は分割領域Ｐに含まれる血管が蛇行して走行する範囲の広さを表す血管指標値である。血管の蛇行度は、例えば、蛇行度を算出する血管を含む最小の長方形の面積（画素数）である。また、血管の始点と終点の直線距離に対する血管の長さの比を血管の蛇行度としても良い。
血管の血液濃度とは、特定領域ＳＲ又は分割領域Ｐに含まれる血管中のヘモグロビンの量に比例する血管指標値である。血管を表す画素のＲ値に対するＧ値の比（Ｇ／Ｒ）はヘモグロビンの量に比例するので、Ｇ／Ｒの値を算出することで、画素ごとに血液濃度を算出することができる。
血管の酸素飽和度とは、特定領域ＳＲ又は分割領域Ｐに含まれる血管中のヘモグロビンの総量（酸化ヘモグロビン及び還元ヘモグロビンの総量）に対する酸化ヘモグロビンの量である。酸素飽和度は、酸化ヘモグロビンと還元ヘモグロビンの吸光係数の違いが大きい特定の波長帯域の光（例えば、波長４７０±１０ｎｍ程度の青色光）で観察対象を照明した際に得た内視鏡画像を用いて算出することができる。波長４７０±１０ｎｍ程度の青色光を用いる場合、血管を表す画素のＢ値は酸素飽和度と相関があるので、Ｂ値を酸素飽和度に対応付けるテーブル等を用いることで、血管を表す各画素の酸素飽和度を算出することができる。
動脈の割合とは、全血管の画素数に対する動脈の画素数の割合である。同様に、静脈の割合とは、全血管の画素数に対する静脈の画素数の割合である。動脈と静脈は、酸素飽和度によって区別することができる。例えば、酸素飽和度が７０％以上の血管を動脈とし、酸素飽和度が７０％未満の血管を静脈とすれば、抽出した血管を動脈と静脈に区別できるので、上記動脈の割合及び静脈の割合を算出するするこができる。
投与した色素の濃度とは、観察対象に対して散布した色素、又は静脈注射により血管に注入した色素の濃度である。投与した色素の濃度は、例えば、色素色以外の画素の画素値に対する色素色の画素値の割合で算出する。例えば、青色に着色する色素を投与した場合は、Ｂ／ＧやＢ／Ｒ等が、観察対象に定着（あるいは一時的に付着）した色素の濃度を表す。Ｂ／Ｇは、医療画像の青色画像の画素値と医療画像の緑色画像の画素値の比率であり、Ｂ／Ｒは、医療画像の青色画像の画素値と医療画像の赤色画像の画素値の比率である。
血管の走行パターンとは、特定領域ＳＲ又は分割領域Ｐに含まれる血管の走行方向に関する血管指標値である。血管の走行パターンは、例えば、任意に設定する基準線に対する血管の平均角度（走行方向）や、任意に設定する基準線に対して血管がなす角度の分散（走行方向のばらつき）等である。
血管の血流量は、特定領域ＳＲ又は分割領域Ｐに含まれる血管において単位時間あたりに赤血球が通り抜ける数である。超音波プローブを内視鏡１２の鉗子チャネル等を介して併用する場合等に、内視鏡画像の血管を表す各画素のドップラーシフト周波数を、超音波プローブで得る信号を用いて算出することによって、血管の血流量を求めるができる。
ステージ判別部４４は、特徴量算出部４２にて算出した特徴量の空間的な分布を用いて、観察対象の病期ステージを判別する。ステージ判別部４４は、特徴量の空間的な分布を指標値化した分布指標値を算出する分布指標値算出部４４ａと、分布指標値に基づいて病期ステージを判別する判別部４４ｂとを備えている（図３参照）。なお、特徴量の空間的な分布とは、画像領域ＲＰにおける特徴量の広がりをいい、具体的には、画像領域の各画素間の特徴量の大きさの違いを表したものである。
ここで、病期ステージとしては、病変部の進行度で表すことが好ましい。一般的に、特徴量の空間的な分布にバラツキが出るほど、病変ステージの進行度が大きくなると考えられる。例えば、病変部がバレット食道である場合には、初期ステージでは、「血管が全体的に均等に分布すること」、「血管幅があまり変わらないこと」が挙げられる。即ち、初期ステージの場合、特徴量の空間的な分布はバラツキが少ないと考えられる。一方、進行ステージになると、「炎症、びらんのため、血管が見えない領域があること」、「領域によって血管幅が変わること」、「血管幅の変動が大きくなること」が挙げられる。即ち、進行ステージの場合、特徴量の空間的な分布にバラツキが生じていると考えられる。
なお、本実施形態では、分布指標値を用いて、病期ステージの判別を行うが、その他の方法で病期ステージの判別を行ってもよい。例えば、特徴量の空間的な分布画像とその分布画像から判別される病期ステージを学習データとして、プロセッサ装置３３の学習部（図示しない）に学習させる。学習には、ディープラーニングなどの機械学習手法が用いられる。そして、特徴量算出部４２にて算出した特徴量の空間的な分布画像を、学習部に入力することにより、学習部から病期ステージが出力される。
分布指標値算出部４４ａは、分布指標値として、例えば、特徴量の分散を求める。具体的には、分割領域毎に特徴量を算出した場合には、図８に示すように、各分割領域Ｐ１、Ｐ２、・・・、Ｐｎの特徴量の全てを足し合わせて合計値Ｓを算出し、合計値Ｓを分割領域の数Ｎで割ることにより平均特徴量Ａｖｅを算出する。次に、分割領域Ｐ１の特徴量から平均特徴量Ａｖｅを引いたものを二乗して、二乗偏差Ｖ１（＝（分割領域Ｐ１の特徴量−Ａｖｅ）２）を算出する。同様にして、分割領域Ｐ２〜Ｐｎの特徴量についても、それぞれの特徴量から平均特徴量Ａｖｅを引いたものを二乗して、二乗偏差Ｖ２（＝（分割領域Ｐ２の特徴量−Ａｖｅ）２）、・・・、Ｖｎ（＝（分割領域Ｐｎの特徴量−Ａｖｅ）２）を算出する。そして、算出した全ての二乗偏差Ｖ１、Ｖ２、・・・、Ｖｎを合計することにより、分散Ｖｘを得る。
また、画素毎に特徴量を算出した場合には、各画素で算出された特徴量の全てを足し合わせて合計値を算出し、合計値を有効領域内の画素数で割ることにより、平均特徴量を算出する。次に、各画素の特徴量から平均特徴量を引いたものを二乗して、二乗偏差（＝（各画素の特徴量−平均特徴量）２）を算出する。そして、有効領域内の全ての二乗偏差を合計することによって、分散を得る。
判別部４４ｂは、分布指標値算出部４４ａで求めた分散に基づいて、病期ステージを判別する。この場合、特徴量の分散が大きくなる程、特徴量の空間的な分布にバラツキが生じていると考えられるため、病期ステージの進行度は大きくなると判別する。
分布指標値算出部４４ａは、例えば、特徴量が特定範囲外となる画素又は分割領域を異常領域として特定し、異常領域の空間的な分布に関する指標値を分布指標値として算出する。分割領域の場合であれば、異常領域は、例えば、図９に示すように、分割領域Ｐ１、Ｐ２、・・・、Ｐａ、Ｐｂ、Ｐｃ、・・・、Ｐｎのうち、特徴量が特定範囲外となる分割領域Ｐａ、Ｐｂ、Ｐｃが異常領域として特定される。異常領域の空間的な分布に関する指標値としては、異常領域の数、面積、又は画像領域ＲＰのうち異常領域が占める面積の比率（異常領域の面積比）がある。例えば、異常領域が分割領域Ｐａ、Ｐｂ、Ｐｃで、各分割領域の面積がＭで、分割領域の数がＮである場合には、異常領域の数は「３」となり、異常領域の面積は「３Ｍ」となり、異常領域の面積比は「３Ｍ／ＮＭ」となる。なお、異常領域の空間的な分布とは、画像領域ＲＰにおける異常領域の広がりのことをいい、具体的には、画像領域ＲＰの異常領域間の違いを表したものである。また、以下に示す「特定の統合異常領域の空間的な分布」、又は、「統合領域の空間的な分布」についても同様に定義される。
判別部４４ｂは、異常領域の空間的な分布に関する指標値に基づいて病期ステージを判別する。例えば、異常領域の空間的な分布に関する指標値として、異常領域の数、面積、又は、異常領域の面積比が大きくなる程、特徴量の空間的な分布にバラツキが生じていると考えられるため、病期ステージの進行度は大きくなると判別する。なお、画素毎に特徴量を算出する場合、又は、分割領域毎に特徴量を算出する場合のいずれにおいても、特徴量が特定範囲外となる異常領域の画素数等により、病期ステージの進行度の判別が可能である。
［第２実施形態］
第２実施形態では、特徴量が特定範囲外の画素又は分割領域を示す異常領域を統合し、統合領域を統合した統合異常領域のうち特定の条件を満たす特定の統合異常領域の空間的な分布に関する指標値を、分布指標値として算出する。第２実施形態では、特定の統合異常領域の空間的な分布に関する指標値について、例えば、特定の統合異常領域の数、面積、又は、画像領域のうち統合異常領域が占める比率の少なくともいずれかとする。
第２実施形態においても、分布指標値算出部４４ａは、特徴量が特定範囲外の画素又は分割領域を示す異常領域を特定する。ただし、異常領域の空間的な分布に関する指標値をそのまま分布指標値とはしない。そして、図１０に示すように、医療画像解析処理部３６に設けられた第１領域統合部４４ｃは、異常領域が隣接して存在する場合に、それら隣接する複数の異常領域を統合異常領域として統合する。そして、第１領域統合部４４ｃは、一定値の面積以上を有する統合異常領域、または、画像領域において占める比率が一定以上である統合異常領域を、特定の条件を満たす特定の統合異常領域として設定する。そして、分布指標値算出部４４ａは、特定の統合異常領域の数、面積、又は、画像領域のうち特定の統合異常領域が占める比率の少なくともいずれかを、分布指標値として算出する。
異常領域が分割領域の場合を例にとると、例えば、図１１に示すように、異常領域Ｐａ、Ｐｂ、Ｐｃがそれぞれ隣接しており、これら異常領域Ｐａ、Ｐｂ、Ｐｃから離れた位置において異常領域Ｐｄ、Ｐｅ、Ｐｆがそれぞれ隣接して分布している場合には、第１領域統合部４４ｃは、異常領域Ｐａ、Ｐｂ、Ｐｃを統合して統合異常領域ＩＲ１とし、異常領域Ｐｄ、Ｐｅ、Ｐｆを統合して統合異常領域ＩＲ２とする。ただし、統合異常領域ＩＲ１、ＩＲ２については、面積が一定値を下回っているとして、統合異常領域ＩＲ１、ＩＲ２は特定の統合異常領域として設定されない。
一方、図１２に示すように、異常領域Ｐａ、Ｐｂ、Ｐｃ、Ｐｄ、Ｐｅ、Ｐｆがそれぞれ隣接して分布している場合には、第１領域統合部４４ｃは、それら異常領域Ｐａ、Ｐｂ、Ｐｃ、Ｐｄ、Ｐｅ、Ｐｆを統合して統合異常領域ＩＲ３とする。そして、統合異常領域ＩＲ３は面積が一定値以上であるとして、統合異常領域ＩＲ３は特定の統合異常領域として設定される。この統合異常領域ＩＲ３の数、面積、又は、画像領域ＲＰのうち統合異常領域ＩＲ３が占める比率の少なくともいずれかを、分布指標値として算出する。
判別部４４ｂは、分布指標値として、特定の統合異常領域の数、面積、又は、画像領域のうち特定の統合異常領域が占める比率を算出した場合には、これら特定の統合異常領域の面積等に基づいて病期ステージを判別する。例えば、特定の統合異常領域の面積等が大きくなる程、特徴量の空間的な分布にバラツキが生じていると考えられるため、病期ステージの進行度は大きくなると判別する。なお、画素毎に特徴量を算出する場合、又は、分割領域毎に特徴量を算出する場合のいずれにおいても、特定の統合異常領域の数等により、病期ステージの進行度の判別が可能である。
なお、第２実施形態においては、異常領域を統合することに代えて、隣接する画素又は分割領域間の特徴量が特徴量用範囲内の場合には、隣接する画素又は分割領域を統合するようにしてもよい。この画素又は分割領域の統合は、図１３に示す医療画像解析処理部３６内の第２領域統合部４３によって行われる。そして、分布指標値算出部４４ａは、隣接する画素又は分割領域を統合した統合領域の空間的な分布に関する指標値を、分布指標値として算出する。統合領域の空間的な分布に関する指標値については、例えば、統合領域の分散とする。
分割領域の場合を例にとると、例えば、図１４に示すように、特徴量Ｃｓを有する分割領域Ｐｓ、特徴量Ｃｔを有する分割領域Ｐｔ、特徴量Ｃｕを有する分割領域Ｐｕ、特徴量Ｃｖを有する分割領域Ｐｖ、特徴量Ｃｗを有する分割領域Ｐｗがそれぞれ隣接して分布している場合においては、特徴量Ｃｓ、Ｃｔ、Ｃｕが特徴量用範囲内に入っており、特徴量Ｃｖ、Ｃｗが特徴量用範囲外である場合には、分割領域Ｐｓ、Ｐｔ、Ｐｕを統合して統合領域ＩＲｘとされる。そして、この統合領域ＩＲｘの分散を、分布指標値として算出する。
判別部４４ｂは、分布指標値として、統合領域の数、面積、又は、画像領域のうち統合領域が占める比率を算出した場合には、これら統合領域の数等に基づいて病期ステージを判別する。例えば、統合領域の数等が大きくなる程、特徴量の空間的な分布にバラツキが生じていると考えられるため、病期ステージの進行度は大きくなると判別する。なお、画素毎に特徴量を算出する場合、又は、分割領域毎に特徴量を算出する場合のいずれにおいても、統合領域の数等により、病期ステージの進行度の判別が可能である。
なお、上記第１及び第２実施形態では、特徴量として、血管密度、血管コントラスト、血管幅の変動、又は、血管幅の平均値等を算出しているが、それらを組み合わせたものを特徴量としてもよい。例えば、特徴量算出部４２において、画素毎に、又は、分割領域毎に、互いに種類が異なる複数の演算用特徴量を算出し、複数の演算用特徴量に基づく演算により得られる第１演算値を特徴量としてもよい。なお、画素毎に複数の演算用特徴量を算出する場合には、上記実施形態と同様に、特定領域ＳＲにて算出される複数の演算用特徴量を、画素毎の特徴量とすることが好ましい。
例えば、特定領域ＳＲ又は各分割領域において、極表層血管（第１層血管）の血管密度と、極表層血管よりも深い領域に位置する表層血管（第２層血管）の血管密度の２つの演算用特徴量を算出場合には、極表層血管の血管密度を表層血管の血管密度で割って得られる血管密度比（第１演算値）を特徴量としてもよい。この場合、極表層血管の血管密度については、４１０ｎｍの狭帯域光を含む照明光に基づいて得られる４１０ｎｍの医療画像を用いて、各分割領域に含まれる極表層血管の血管密度を算出することが好ましい。また、表層血管の血管密度については、４５０ｎｍの狭帯域光を含む照明光に基づいて得られる４５０ｎｍの医療画像を用いて、各分割領域に含まれる表層血管の血管密度を算出することが好ましい。
また、特徴量算出部４２において、特定領域ＳＲ又は分割領域毎に、互いに種類が異なる複数の演算用特徴量を算出した上で、分布指標値算出部４４ａにおいて、各演算用特徴量の空間的な分布を指標値化した演算用分布指標値を算出し、算出した演算用分布指標値に基づく演算により得られる第２演算値を、分布指標値としてもよい。
また、上記のように、特定領域ＳＲ又は各分割領域において、極表層血管の血管密度と、極表層血管よりも深い領域に位置する表層血管の血管密度の２つの演算用特徴量を算出した場合には、極表層血管の血管密度に関する空間的な分布を指標値化した極表層血管の分布指標値を算出し、表層血管の血管密度に関する空間的な分布を指標値化した表層血管の分布指標値を算出する。そして、極表層血管の分布指標値を表層血管の分布指標値で割って得られる分布指標値比（第２演算値）を分布指標値としてもよい。
この他、画像処理システム１０、内視鏡システム２１、及び、画像処理システム１０を含む各種装置またはシステムは、以下の種々の変更等をして使用できる。
医療画像としては、白色帯域の光、または白色帯域の光として複数の波長帯域の光を照射して得る通常光画像を用いることができる。
医療画像としては、特定の波長帯域の光を照射して得た画像を使用する場合、特定の波長帯域は、白色の波長帯域よりも狭い帯域を用いることができる。
特定の波長帯域は、例えば、可視域の青色帯域または緑色帯域である。
特定の波長帯域が可視域の青色帯域または緑色帯域である場合、特定の波長帯域は、３９０ｎｍ以上４５０ｎｍ以下または５３０ｎｍ以上５５０ｎｍ以下の波長帯域を含み、かつ、特定の波長帯域の光は、３９０ｎｍ以上４５０ｎｍ以下または５３０ｎｍ以上５５０ｎｍ以下の波長帯域内にピーク波長を有することが好ましい。
特定の波長帯域は、例えば、可視域の赤色帯域である。
特定の波長帯域が可視域の赤色帯域である場合、特定の波長帯域は、５８５ｎｍ以上６１５ｎｍまたは６１０ｎｍ以上７３０ｎｍ以下の波長帯域を含み、かつ、特定の波長帯域の光は、５８５ｎｍ以上６１５ｎｍ以下または６１０ｎｍ以上７３０ｎｍ以下の波長帯域内にピーク波長を有することが好ましい。
特定の波長帯域は、例えば、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域を含み、かつ、特定の波長帯域の光は、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域にピーク波長を有することができる。
特定の波長帯域が、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域を含み、かつ、特定の波長帯域の光は、酸化ヘモグロビンと還元ヘモグロビンとで吸光係数が異なる波長帯域にピーク波長を有する場合、特定の波長帯域は、４００±１０ｎｍ、４４０±１０ｎｍ、４７０±１０ｎｍ、または、６００ｎｍ以上７５０ｎｍ以下の波長帯域を含み、かつ、特定の波長帯域の光は、４００±１０ｎｍ、４４０±１０ｎｍ、４７０±１０ｎｍ、または、６００ｎｍ以上７５０ｎｍ以下の波長帯域にピーク波長を有することが好ましい。
医療画像が生体内を写した生体内画像である場合、この生体内画像は、生体内の蛍光物質が発する蛍光の情報を有することができる。
また、蛍光は、ピーク波長が３９０ｎｍ以上４７０ｎｍ以下である励起光を生体内に照射して得る蛍光を利用できる。
医療画像が生体内を写した生体内画像である場合、前述の特定の波長帯域は、赤外光の波長帯域を利用することができる。
医療画像が生体内を写した生体内画像であり、前述の特定の波長帯域として、赤外光の波長帯域を利用する場合、特定の波長帯域は、７９０ｎｍ以上８２０ｎｍまたは９０５ｎｍ以上９７０ｎｍ以下の波長帯域を含み、かつ、特定の波長帯域の光は、７９０ｎｍ以上８２０ｎｍ以下または９０５ｎｍ以上９７０ｎｍ以下の波長帯域にピーク波長を有することが好ましい。
医療画像取得部１１は、白色帯域の光、または白色帯域の光として複数の波長帯域の光を照射して得る通常光画像に基づいて、特定の波長帯域の信号を有する特殊光画像を取得する特殊光画像取得部を有することができる。この場合、医療画像として特殊光画像を利用できる。
特定の波長帯域の信号は、通常光画像に含むＲＧＢまたはＣＭＹの色情報に基づく演算により得ることができる。
白色帯域の光、または白色帯域の光として複数の波長帯域の光を照射して得る通常光画像と、特定の波長帯域の光を照射して得る特殊光画像との少なくとも一方に基づく演算によって、特徴量画像を生成する特徴量画像生成部を備えることができる。この場合、医療画像として特徴量画像を利用できる。
内視鏡システム２１については、内視鏡３１としてカプセル内視鏡を使用できる。この場合、光源装置３２と、プロセッサ装置３３の一部と、はカプセル内視鏡に搭載できる。
なお、上記実施形態では、医療画像の一つである内視鏡画像の処理を行う内視鏡システムに対して、本発明の適用を行っているが、内視鏡画像以外の医療画像を処理する医療画像処理システムに対しても本発明の適用は可能である。また、医療画像を用いてユーザーに診断支援を行うための診断支援装置に対しても本発明の適用は可能である。また、医療画像を用いて、診断レポートなどの医療業務を支援するための医療業務支援装置に対しても本発明の適用は可能である。
例えば、図１５に示すように、診断支援装置６００は、医療画像処理システム６０２などのモダリティやＰＡＣＳ６０４を組み合わせて使用される。また、図１６に示すように、医療業務支援装置６１０は、第１医療画像処理システム６２１、第２医療画像処理システム６２２、…、第Ｎ医療画像処理システム６２３等の各種検査装置と任意のネットワーク６２６を介して接続する。医療業務支援装置６１０は、第１〜第N医療画像処理システム６２１、６２２・・・、６２３からの医療画像を受信し、受信した医療画像に基づいて、医療業務の支援を行う。
上記実施形態及び変形例において、医療画像取得部１１、医療画像解析処理部１２及び医療画像解析処理部１２を構成する各部、表示制御部１５、入力受信部１６、統括制御部１７、並びに、医療画像取得部３５、医療画像解析処理部３６、表示制御部３７、有効領域設定部４０、特徴量算出部４２、第２領域統合部４３、ステージ判別部４４、分布指標値算出部４４ａ、判別部４４ｂ、第１領域統合部４４ｃといった各種の処理を実行する処理部（processing unit)のハードウェア的な構造は、次に示すような各種のプロセッサ（processor）である。各種のプロセッサには、ソフトウエア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵ（Central Processing Unit)、ＦＰＧＡ (Field Programmable Gate Array)などの製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device:ＰＬＤ）、各種の処理を実行するために専用に設計された回路構成を有するプロセッサである専用電気回路、GPU (Graphical Processing Unit)などが含まれる。
１つの処理部は、これら各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合せ（例えば、複数のＦＰＧＡや、ＣＰＵとＦＰＧＡの組み合わせ、ＣＰＵとＧＰＵの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントやサーバなどのコンピュータに代表されるように、１つ以上のＣＰＵとソフトウエアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:ＳｏＣ）などに代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサを１つ以上用いて構成される。
さらに、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子などの回路素子を組み合わせた形態の電気回路（circuitry）である。また、記憶部のハードウェア的な構造はＨＤＤ（hard disc drive）やＳＳＤ（solid state drive）等の記憶装置である。
本発明は、下記の別形態によっても実施可能である。
プロセッサ装置において、
観察対象を撮像して得られる医療画像を取得し、
医療画像の画像領域の画素毎、又は、医療画像の画像領域を特定サイズに分割した分割領域毎に、観察対象の特徴量を算出し、
特徴量の空間的な分布を用いて、観察対象の病期ステージを判別するプロセッサ装置。
１０ 画像処理システム
１１ 医療画像取得部
１２ 医療画像解析処理部
１３ 表示部
１５ 表示制御部
１６ 入力受信部
１７ 統括制御部
１８ 保存部
２１ 内視鏡システム
２２ ＰＡＣＳ
３１ 内視鏡
３２ 光源装置
３３ プロセッサ装置
３４ モニタ
３５ 医療画像取得部
３６ 医療画像解析処理部
３７ 表示制御部
４０ 有効領域設定部
４２ 特徴量算出部
４３ 第２領域統合部
４４ ステージ判別部
４４ａ 分布指標値算出部
４４ｂ 判別部
４４ｃ 第１領域統合部
４６ 暗部
４８ 縁部
５０ 鏡面反射
６１０ 診断支援装置
６２１ 第１検査装置
６２２ 第２検査装置
６２３ 第Ｎ検査装置
６２６ ネットワーク
６３０ 医療業務支援装置
ＲＰ 画像領域
Ｒｘ 有効領域
Ｐ 分割領域
Ｐ１、Ｐ２、Ｐｎ、Ｐｓ、Ｐｔ、Ｐｕ、Ｐｖ、Ｐｗ 分割領域
Ｐａ、Ｐｂ、Ｐｃ、Ｐｄ、Ｐｆ 分割領域（異常領域）
ＩＲ１、ＩＲ２、ＩＲ３ 統合異常領域
ＩＲｘ 統合領域

Claims (13)

  1. 観察対象を撮像して得られる医療画像を取得する医療画像取得部と、
    前記医療画像の画像領域の画素毎、又は、前記医療画像の画像領域を特定サイズに分割した分割領域毎に、前記観察対象の特徴量を算出する特徴量算出部と、
    前記特徴量の空間的な分布を用いて、前記観察対象の病期ステージを判別するステージ判別部とを備える医療画像処理システム。
  2. 前記ステージ判別部は、
    前記特徴量の空間的な分布を指標化した分布指標値を算出する分布指標値算出部と、
    前記分布指標値に基づいて前記病期ステージを判別する判別部を有する請求項１記載の医療画像処理システム。
  3. 前記分布指標値は、前記特徴量の分散であり、
    前記病期ステージの進行度は、前記特徴量の分散が大きくなる程、大きくなる請求項２記載の医療画像処理システム。
  4. 前記分布指標値は、前記特徴量が特定範囲外の画素又は分割領域を示す異常領域の空間的な分布に関する指標値である請求項２記載の医療画像処理システム。
  5. 前記異常領域の空間的な分布に関する指標値は、前記異常領域の数又は面積、又は、前記画像領域のうち前記異常領域が占める比率の少なくともいずれかであり、
    前記病期ステージの進行度は、前記異常領域の数、面積、又は前記異常領域の比率が大きくなる程、大きくなる請求項４記載の医療画像処理システム。
  6. 前記ステージ判別部は、前記特徴量が特定範囲外の画素又は分割領域を示す異常領域を統合する第１領域統合部を有し、
    前記分布指標値は、前記第１領域統合部によって前記異常領域を統合した統合異常領域のうち特定の条件を満たす特定の統合異常領域の空間的な分布に関する指標値である請求項２記載の医療画像処理システム。
  7. 隣接する画素又は分割領域の特徴量が特徴量用範囲内の場合には、前記隣接する画素又は分割領域を統合する第２領域統合部を有し、
    前記分布指標値は、前記第２領域統合部によって前記隣接する画素又は分割領域を統合した統合領域の空間的な分布に関する指標値である請求項２記載の医療画像処理システム。
  8. 前記特徴量は、血管密度、血管コントラスト、血管幅の変動、又は、血管幅の平均値のうち少なくともいずれかである請求項１ないし７いずれか１項記載の医療画像処理システム。
  9. 前記特徴量算出部は、前記画素毎、又は、前記分割領域毎に、互いに種類が異なる複数の演算用特徴量を算出し、前記複数の演算用特徴量に基づく演算により得られる第１演算値を、前記特徴量として算出する請求項１ないし７いずれか１項記載の医療画像処理システム。
  10. 前記演算用特徴量は、第１層血管の血管密度、及び、前記第１層血管と異なる第２層血管の血管密度であり、前記第１演算値は、前記第１層血管の血管密度と前記第２層血管の血管密度の比である請求項９記載の医療画像処理システム。
  11. 前記特徴量算出部は、前記画素毎、又は、前記分割領域毎に、互いに種類が異なる複数の演算用特徴量を算出し、
    前記ステージ判別部は、
    前記各演算用特徴量の空間的な分布を指標化した演算用分布指標値を算出し、前記演算用分布指標値に基づく演算により得られる第２演算値を、分布指標値として算出する分布指標値算出部と、
    前記分布指標値に基づいて前記病期ステージを判別する判別部を有する請求項１記載の医療画像処理システム。
  12. 前記画像領域のうち前記病期ステージの判別が可能な有効領域を設定する有効領域設定部を有し、
    前記特徴量算出部は、前記有効領域内にある分割領域毎に、前記特徴量を算出する請求項１ないし１１いずれか１項記載の医療画像処理システム。
  13. 前記特徴量算出部は、前記画素毎に前記特徴量を算出する場合には、前記画素を含む特定領域から得られる特定領域の特徴量を、前記画素毎の特徴量とする請求項１ないし１２いずれか１項記載の医療画像処理システム。
JP2020556041A 2018-11-14 2019-11-01 医療画像処理システム Active JP7263387B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018213697 2018-11-14
JP2018213697 2018-11-14
PCT/JP2019/043027 WO2020100630A1 (ja) 2018-11-14 2019-11-01 医療画像処理システム

Publications (2)

Publication Number Publication Date
JPWO2020100630A1 true JPWO2020100630A1 (ja) 2021-09-30
JP7263387B2 JP7263387B2 (ja) 2023-04-24

Family

ID=70731495

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020556041A Active JP7263387B2 (ja) 2018-11-14 2019-11-01 医療画像処理システム

Country Status (5)

Country Link
US (1) US11961228B2 (ja)
EP (1) EP3881751B1 (ja)
JP (1) JP7263387B2 (ja)
CN (1) CN113038868B (ja)
WO (1) WO2020100630A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022209390A1 (ja) * 2021-03-31 2022-10-06 富士フイルム株式会社 内視鏡システム及びその作動方法
WO2023084969A1 (ja) * 2021-11-11 2023-05-19 富士フイルム株式会社 医療画像評価支援装置及び医療画像評価支援装置の作動方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007236956A (ja) * 2007-03-16 2007-09-20 Olympus Corp 内視鏡診断支援装置及び内視鏡画像処理方法
JP2014018333A (ja) * 2012-07-17 2014-02-03 Hoya Corp 画像処理装置及び内視鏡装置
JP2015085152A (ja) * 2013-09-26 2015-05-07 富士フイルム株式会社 内視鏡システム、内視鏡システムのプロセッサ装置、内視鏡システムの作動方法、プロセッサ装置の作動方法
WO2015141692A1 (ja) * 2014-03-20 2015-09-24 オリンパス株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
JP2016067778A (ja) * 2014-09-30 2016-05-09 富士フイルム株式会社 内視鏡システム、プロセッサ装置、内視鏡システムの作動方法、及びプロセッサ装置の作動方法
WO2017057414A1 (ja) * 2015-09-28 2017-04-06 富士フイルム株式会社 画像処理装置、内視鏡システム、及び画像処理方法
WO2017057573A1 (ja) * 2015-09-29 2017-04-06 富士フイルム株式会社 画像処理装置、内視鏡システム、及び画像処理方法
WO2017057574A1 (ja) * 2015-09-29 2017-04-06 富士フイルム株式会社 画像処理装置、内視鏡システム、及び画像処理方法

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006166939A (ja) 2004-12-10 2006-06-29 Olympus Corp 画像処理方法
JP4832794B2 (ja) * 2005-04-27 2011-12-07 オリンパスメディカルシステムズ株式会社 画像処理装置及び画像処理プログラム
JP4767591B2 (ja) 2005-06-01 2011-09-07 オリンパスメディカルシステムズ株式会社 内視鏡診断支援方法、内視鏡診断支援装置および内視鏡診断支援プログラム
JP5227639B2 (ja) 2008-04-04 2013-07-03 富士フイルム株式会社 オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム
JP5276225B2 (ja) 2011-02-22 2013-08-28 オリンパスメディカルシステムズ株式会社 医用画像処理装置及び医用画像処理装置の作動方法
JP5784404B2 (ja) * 2011-07-29 2015-09-24 オリンパス株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
US10052015B2 (en) 2014-09-30 2018-08-21 Fujifilm Corporation Endoscope system, processor device, and method for operating endoscope system
US20160306936A1 (en) * 2015-04-15 2016-10-20 Canon Kabushiki Kaisha Diagnosis support system, information processing method, and program
JP6074455B2 (ja) * 2015-05-14 2017-02-01 キヤノン株式会社 診断支援装置、診断支援装置の制御方法、プログラム、及び診断支援システム
US10255675B2 (en) * 2016-01-25 2019-04-09 Toshiba Medical Systems Corporation Medical image processing apparatus and analysis region setting method of texture analysis

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007236956A (ja) * 2007-03-16 2007-09-20 Olympus Corp 内視鏡診断支援装置及び内視鏡画像処理方法
JP2014018333A (ja) * 2012-07-17 2014-02-03 Hoya Corp 画像処理装置及び内視鏡装置
JP2015085152A (ja) * 2013-09-26 2015-05-07 富士フイルム株式会社 内視鏡システム、内視鏡システムのプロセッサ装置、内視鏡システムの作動方法、プロセッサ装置の作動方法
WO2015141692A1 (ja) * 2014-03-20 2015-09-24 オリンパス株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
JP2016067778A (ja) * 2014-09-30 2016-05-09 富士フイルム株式会社 内視鏡システム、プロセッサ装置、内視鏡システムの作動方法、及びプロセッサ装置の作動方法
WO2017057414A1 (ja) * 2015-09-28 2017-04-06 富士フイルム株式会社 画像処理装置、内視鏡システム、及び画像処理方法
WO2017057573A1 (ja) * 2015-09-29 2017-04-06 富士フイルム株式会社 画像処理装置、内視鏡システム、及び画像処理方法
WO2017057574A1 (ja) * 2015-09-29 2017-04-06 富士フイルム株式会社 画像処理装置、内視鏡システム、及び画像処理方法

Also Published As

Publication number Publication date
EP3881751B1 (en) 2024-09-11
CN113038868B (zh) 2024-10-11
CN113038868A (zh) 2021-06-25
JP7263387B2 (ja) 2023-04-24
EP3881751A4 (en) 2021-12-15
WO2020100630A1 (ja) 2020-05-22
US11961228B2 (en) 2024-04-16
US20210264592A1 (en) 2021-08-26
EP3881751A1 (en) 2021-09-22

Similar Documents

Publication Publication Date Title
US10653295B2 (en) Image processing apparatus, endoscope system, and image processing method
JP6831463B2 (ja) 医療画像処理装置、内視鏡システム、診断支援装置、並びに医療業務支援装置
US10674892B2 (en) Image processor, image processing method, and endoscope system
JP7296498B2 (ja) 医療画像処理装置、及び、内視鏡装置
US10426318B2 (en) Image processing apparatus, endoscope system, and image processing method
US10672123B2 (en) Image processing apparatus, endoscope system, and image processing method
JP6640866B2 (ja) 画像処理装置、内視鏡システム、及び画像処理方法
JPWO2019078237A1 (ja) 医療画像処理装置、内視鏡システム、診断支援装置、並びに医療業務支援装置
US20180206738A1 (en) Endoscope system and method of operating endoscope system
JP6796725B2 (ja) 医療画像処理システム、内視鏡システム、診断支援装置、及び医療業務支援装置
JP7116176B2 (ja) 医療画像処理システム
US11961228B2 (en) Medical image processing system
JPWO2019087971A1 (ja) 医療画像処理装置、及び、内視鏡装置
JP6850358B2 (ja) 医療画像処理システム、内視鏡システム、診断支援装置、及び医療業務支援装置
JP6866497B2 (ja) 医療画像処理装置、及び、内視鏡装置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210430

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210430

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220405

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220426

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220823

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221018

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230214

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230220

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: 20230404

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230412

R150 Certificate of patent or registration of utility model

Ref document number: 7263387

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150