CN101184430A - 内窥镜诊断支持方法、内窥镜诊断支持装置和内窥镜诊断支持程序 - Google Patents
内窥镜诊断支持方法、内窥镜诊断支持装置和内窥镜诊断支持程序 Download PDFInfo
- Publication number
- CN101184430A CN101184430A CNA2006800189163A CN200680018916A CN101184430A CN 101184430 A CN101184430 A CN 101184430A CN A2006800189163 A CNA2006800189163 A CN A2006800189163A CN 200680018916 A CN200680018916 A CN 200680018916A CN 101184430 A CN101184430 A CN 101184430A
- Authority
- CN
- China
- Prior art keywords
- endoscopic
- image
- region
- tone
- images
- 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
Links
- 238000012327 Endoscopic diagnosis Methods 0.000 title claims abstract description 155
- 238000000034 method Methods 0.000 title claims abstract description 99
- 208000032843 Hemorrhage Diseases 0.000 claims description 99
- 230000003319 supportive effect Effects 0.000 claims description 73
- 238000012800 visualization Methods 0.000 claims description 28
- 230000008569 process Effects 0.000 claims description 15
- 230000000740 bleeding effect Effects 0.000 abstract 2
- 210000004877 mucosa Anatomy 0.000 description 30
- 238000012545 processing Methods 0.000 description 23
- 238000006467 substitution reaction Methods 0.000 description 12
- 238000003745 diagnosis Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 6
- 238000004891 communication Methods 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 230000000968 intestinal effect Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 3
- 208000017667 Chronic Disease Diseases 0.000 description 2
- 208000007882 Gastritis Diseases 0.000 description 2
- 241000167880 Hirundinidae Species 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 210000001035 gastrointestinal tract Anatomy 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 231100000915 pathological change Toxicity 0.000 description 2
- 230000036285 pathological change Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- QFTYEBTUFIFTHD-UHFFFAOYSA-N 1-[6,7-dimethoxy-1-[1-(6-methoxynaphthalen-2-yl)ethyl]-3,4-dihydro-1H-isoquinolin-2-yl]-2-piperidin-1-ylethanone Chemical compound C1=CC2=CC(OC)=CC=C2C=C1C(C)C(C1=CC(OC)=C(OC)C=C1CC1)N1C(=O)CN1CCCCC1 QFTYEBTUFIFTHD-UHFFFAOYSA-N 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005538 encapsulation Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- A61B1/04—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 combined with photographic or television appliances
- A61B1/041—Capsule endoscopes for imaging
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
Abstract
本发明提供了一种内窥镜诊断支持方法、内窥镜诊断支持装置和内窥镜诊断支持程序,它们都能够通过根据划分内窥镜图像而获得的多个图像区域中的每一个图像区域的颜色信号计算色调,从通过内窥镜观察装置采集的大量内窥镜图像当中容易且准确地提取采集了出血区的图像;并且在用于支持基于通过内窥镜观察装置采集的内窥镜图像进行的内窥镜诊断的内窥镜诊断支持装置中,通过基于各个图像区域的所计算的色调判断所述多个图像区域中的各个图像区域之间的差别,来辨别出包括出血区的图像区域。
Description
技术领域
本发明涉及内窥镜诊断支持方法、内窥镜诊断支持装置以及内窥镜诊断支持程序,它们都用于支持基于通过内窥镜观察装置采集的内窥镜图像执行的内窥镜诊断,该内窥镜观察装置用于通过在内腔中自主地移动来采集观察区的图像,具体地说,本发明涉及用于通过基于内窥镜图像识别出血区来支持内窥镜诊断的内窥镜诊断支持方法、内窥镜诊断支持装置以及内窥镜诊断支持程序。
背景技术
内窥镜传统上已经在医学实践和工业领域中广泛使用。在近来用于医学实践的内窥镜当中存在一种所谓的囊状内窥镜,其通过将观测仪器(scope)形成为囊状结构而不再需要插入部分。囊状内窥镜被构造为包括图像采集功能和无线电通信功能,并且由要被观察(即,检查)的病人吞下,然后按顺序采集诸如胃和肠的各个器官的图像,并且还在观察时段期间通过无线电波向外部发送采集图像信息(即,表示图像的电子数据),直到它从人体自然排出为止。
由此无线地发送的图像信息被配备在病人身体外部的接收器接收,并且被存储在预定存储器中,然后医生通过根据构造在需要的基础上读取该信息并且例如在显示装置中显示来使用该信息进行诊断等。
然而,因为观察时段从病人吞下这种囊状内窥镜持续到其自然排出,所以这种囊状内窥镜的观察时段延伸为八小时或大于十小时,导致在这种长时段期间通过采集图像而获得的图像信息的条数变得庞大。
因此,在诸如诊断的阶段在较短的可用时间内掌握这种大量的图像信息绝对不容易,也不容易从大量的图像信息中找到所需的一条图像信息(例如,与拍摄患病区域的图像相关的图像信息等)。
同时,不仅对于使用囊状内窥镜的诊断,而且在包括普通内窥镜在内的内窥镜检查中的诊断主要取决于医生的主观判断(subject),由此,出于提高图像诊断的质量和缩短射线照片(radiogram)解释时间的目的,希望实现检测病灶的存在的计算机辅助诊断(CAD)。这种利用CAD的内窥镜诊断支持装置,通过利用根据图像内的感兴趣区域(ROI)计算出的多种特征量,并且利用阈值处理或统计/非统计标识符,向医生呈现作为诊断目标的图像被分类为哪种结果(finding)或病变(lesion),由此,支持客观和定量诊断;并且通过选择怀疑为疾病的图像,由此减轻医生解释射线照片的负担。
在利用这种内窥镜图像的诊断中,对于出血的存在可以考虑多种病理学基本原理,并因此已经采用了多种方法来检测出血。
作为该多种方法中的一种方法,公开了这样的一种方法,该方法预先设定出血区的色调、饱和度以及亮度的抽样值以及与出血区相同的图像的正常黏膜的色调、饱和度以及亮度的抽样值,并且判断目标区域与任一区域的值的接近度(closeness),由此辨别是正常黏膜还是出血区(例如,参照专利文献1)。
专利文献1:国际公开No.02/073507小册子。
发明内容
然而,预先设定出血区的色调、饱和度以及亮度的抽样值以及与出血区相同的图像的正常黏膜的色调、饱和度以及亮度的抽样值,并且判断目标区域与任一区域的值的接近度,由此辨别是正常黏膜还是出血区的方法面临着辨别结果取决于抽样值的问题。
考虑到上述情况,本发明的目的是,提供一种内窥镜诊断支持方法、内窥镜诊断支持装置以及内窥镜诊断支持程序,它们都能够从通过内窥镜观察装置采集的大量内窥镜图像当中容易且准确地提取采集了出血区的图像。
为了解决上述问题,本发明采用了以下构成。
即,根据本发明的一个方面,本发明的一种内窥镜诊断支持方法是一种在内窥镜诊断支持装置中执行的内窥镜诊断支持方法,该内窥镜诊断支持装置用于支持基于通过内窥镜观察装置采集的内窥镜图像而执行的内窥镜诊断,该内窥镜诊断支持方法包括以下步骤:根据通过划分所述内窥镜图像而获得的多个图像区域中的每一个图像区域的颜色信号来计算色调;以及通过基于各个图像区域的所计算的色调判断所述多个图像区域中的每一个图像区域之间的差别,来辨别出包括出血区的图像区域。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为:进一步选择包括辨别出的图像区域的内窥镜图像。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为:在辨别出血区时,通过将构成内窥镜图像的所有图像区域的所计算的色调的平均值与各个图像区域的色调值进行比较,来判断所述多个图像区域之间的差别。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为:在计算色调时,基于过去选择了的内窥镜图像以外的内窥镜图像来计算色调的平均值,并且在辨别出血区时,通过将基于过去选择了的内窥镜图像以外的内窥镜图像所计算出的平均值与各个图像区域的色调值进行比较,来判断所述多个图像区域之间的差别。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为:在辨别出血区时,将计算出的平均值与预定容限和各个图像区域的色调值相加的结果值进行比较,来判断所述多个图像区域之间的差别。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为采用以下的方式:所述预定容限随一变化参数动态地改变。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为采用以下的方式:所述变化参数是标准偏差、色度变化系数、变化值或梯度(gradient)。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为采用以下的方式:所述变化参数是计算出的平均色度。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为:在辨别出血区时,基于相对于构成内窥镜图像的所有图像区域的所计算的色调的平均值的色度偏差,来判断所述多个图像区域之间的差别。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为:在计算色调时,基于过去选择了的内窥镜图像以外的内窥镜图像,计算相对于色调的平均值的色度偏差,并且在辨别出血区时,根据基于过去选择了的内窥镜图像以外的内窥镜图像计算出的色度偏差,来判断所述多个图像区域之间的差别。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为:在计算色调时,根据通过划分所述内窥镜图像而获得的多个图像区域中的各个图像区域当中的预定图像区域的颜色信号来计算色调。
而且,根据本发明的内窥镜诊断支持方法优选地被设置为:在计算色调时,通过利用构成所述内窥镜图像的所有图像区域的色调分布中的中央部分来计算平均值。
而且,根据本发明的一个方面,本发明的内窥镜诊断支持装置是一种用于支持基于通过内窥镜观察装置采集的内窥镜图像执行的内窥镜诊断的内窥镜诊断支持装置,该内窥镜诊断支持装置包括:色调计算单元,该色调计算单元用于根据通过划分所述内窥镜图像而获得的多个图像区域中的每一个图像区域的颜色信号来计算色调;以及出血区辨别单元,该出血区辨别单元用于通过基于所述色调计算单元计算出的各个图像区域的色调判断所述多个图像区域中的各个图像区域之间的差别,来辨别出包括出血区的图像区域。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为还包括出血内窥镜图像选择单元,该出血内窥镜图像选择单元用于选择包括由所述出血区辨别单元辨别出的图像区域的内窥镜图像。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:所述出血区辨别单元通过将构成所述内窥镜图像的所有图像区域的由所述色调计算单元计算出的色调的平均值与各个图像区域的色调值进行比较,来判断所述多个图像区域之间的差别。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:所述色调计算单元基于过去由所述出血内窥镜图像选择单元选择了的内窥镜图像以外的内窥镜图像来计算色调的平均值,并且所述出血区辨别单元通过将基于过去选择了的内窥镜图像以外的内窥镜图像所计算出的平均值与各个图像区域的色调值进行比较,来判断所述多个图像区域之间的差别。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:在判断所述多个图像区域之间的差别时,所述出血区辨别单元将计算出的平均值与预定容限和各个图像区域的色调值相加的结果值进行比较。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:所述预定容限随一变化参数动态地改变。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:所述变化参数是标准偏差、色度变化系数、变化值或梯度。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:所述变化参数是计算出的平均色度。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:所述出血区辨别单元基于相对于构成内窥镜图像的所有图像区域的所计算的色调的平均值的色度偏差来判断所述多个图像区域之间的差别。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:所述色调计算单元基于由所述出血内窥镜图像选择单元选择了的内窥镜图像以外的内窥镜图像计算相对于色调的平均值的色度偏差,并且所述出血区辨别单元基于根据过去选择了的内窥镜图像以外的内窥镜图像计算出的色度偏差,来判断所述多个图像区域之间的差别。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:所述色调计算单元根据通过划分所述内窥镜图像而获得的多个图像区域中的各个图像区域当中的预定图像区域的颜色信号来计算色调。
而且,根据本发明的内窥镜诊断支持装置优选地被设置为采用以下的方式:所述色调计算单元通过利用构成所述内窥镜图像的所有图像区域的色调分布中的中央部分来计算平均值。
而且,根据本发明的一个方面,本发明的内窥镜诊断支持程序或内窥镜诊断支持程序产品是一种用于使内窥镜诊断支持装置执行操作以支持基于通过内窥镜观察装置采集的内窥镜图像进行的内窥镜诊断的内窥镜诊断支持程序或内窥镜诊断支持程序产品,其中,所述程序使所述内窥镜诊断支持装置执行以下过程:根据通过划分所述内窥镜图像而获得的多个图像区域中的每一个图像区域的颜色信号来计算色调;以及通过基于各个图像区域的所计算的色调判断所述多个图像区域中的各个图像区域之间的差别,来辨别出包括出血区的图像区域。
附图说明
图1是包括应用了本发明的内窥镜诊断支持装置的囊状内窥镜系统的整体构造图;
图2是用于说明内窥镜诊断支持装置7的系统构成的图;
图3是示出由应用了本发明的内窥镜诊断支持装置7执行的内窥镜诊断支持处理的流程(部分1)的流程图;
图4是不包括出血区的图像的色度分布图;
图5是包括出血区的图像的色度分布图;
图6是示出由应用了本发明的内窥镜诊断支持装置7执行的内窥镜诊断支持处理的流程(部分2)的流程图;
图7是示出用于仅基于正常黏膜的区域来计算平均值的处理的流程图;
图8是示出用于基于与色度分布的中央区域相关的区域计算平均值的处理的流程图;
图9是示出绿色分量与红色分量的比率(即,g/r(i))的分布的图;
图10是示出区域的位置关系的图;
图11是示出用于识别存在于具有黄色色度的黏膜区域中的出血区的内窥镜诊断支持处理的流程的流程图;以及
图12是示出其中用于提取出血区的条件对于多个类别分别不同的实施例的内窥镜诊断支持处理的流程的流程图。
具体实施方式
下面参照附图对本发明的优选实施方式进行说明。
图1是包括应用了本发明的内窥镜诊断支持装置的囊状内窥镜系统的整体构造图。
参照图1,囊状内窥镜系统1包括:封装在封装3中的囊型内窥镜观察装置2、要由病人4穿戴的夹克5、可拆卸地安装在夹克5上的接收器6、本发明应用的内窥镜诊断支持装置7、Compact Flash(CF;注册商标)存储器读/写器8、标签打印机9、内窥镜归档装置10,以及诸如LAN的网络11。
内窥镜观察装置2配备有图像采集单元、无线电通信单元等(在此都未示出),以使无线电通信单元能够向外部发送通过图像采集单元采集的图像信息(即,表示采集图像的图像信息)。
夹克5配备有天线5a、5b、5c以及5d,用于捕获从配备在内窥镜观察装置2中的无线电通信部发送的采集图像的图像信息的无线电波,使得能够与接收器6进行无线或有线通信。
接收器6配备有在直接从夹克5无线地接收图像信息的情况下使用的天线6a、用于显示观察(或检查)所需的信息的显示单元6b以及用于输入观察(或检查)所需的信息的输入单元6c。而且,存储接收到的图像信息的CF存储器12可以可拆卸地安装到接收器6上。
内窥镜诊断支持装置7例如包括主体7a、显示装置7b、键盘7c、鼠标7d等,该内窥镜诊断支持装置7向医生提供处理功能,以基于通过内窥镜观察装置2拍摄的病人身体内的器官等的图像来进行诊断。配备有用于分别可通信地连接至接收器6、CF存储器读/写器8以及标签打印机9的接口的内窥镜诊断支持装置7执行从CF存储器12读取和向CF存储器12写入、病人卡片打印等。而且,内窥镜诊断支持装置7基于病人身体内部的采集图像的图像信息(其例如是从接收器6传送来的)在显示单元7b中显示器官等的图像。而且,包括用于连接至网络11的通信功能的内窥镜诊断支持装置7通过网络11在内窥镜归档装置10中累积病人的检查结果等。应该注意到,内窥镜归档装置10可以整体地并入在内窥镜诊断支持装置7中。
如图1所示,将内窥镜观察装置2从封装3中取出,并且在开始检查之前由病人4吞下该内窥镜观察装置2,接着该内窥镜观察装置2经过食道、通过消化道的蠕动的帮助而在体腔中行进,同时按顺序采集体腔的图像。
而且,根据需要或在适当的时间,从内窥镜观察装置2输出携带表示通过图像采集而获得的采集图像的图像信息的无线电波,并且通过夹克5上配备的各个天线5a、5b、5c以及5d捕获该无线电波。来自天线5a、5b、5c或5d的具有高无线电波接收强度的信号被发送至设置在病人4的身体外部的接收器6。
在接收器6中,将依次接收到的采集图像的多条图像信息存储在CF存储器12中。应该注意到,接收器6没有与内窥镜观察装置2的图像采集的开始进行同步,而是通过输入单元6c的操作来控制接收开始和接收结束。对于采集图像的图像信息,这里假定为静止图像的图像信息,但是其可以是按照每秒钟多个帧采集的用于以动态图像的方式进行显示的多个静止图像的图像信息,或是正常动态图像的图像信息。
当内窥镜观察装置2结束对病人4的观察(或检查)时,将存储在CF存储器12中的采集图像的图像信息通过线缆传送到内窥镜诊断支持装置7。或者,可以构造为使得将存储采集图像的图像信息的CF存储器12安装在CF存储器读/写器8上,并且通过CF存储器读/写器8向内窥镜诊断支持装置7传送采集图像的图像信息。
在内窥镜诊断支持装置7处,针对每一个病人存储所传送来的采集图像的图像信息,根据需要来读取特定病人的采集图像的图像信息,并在显示单元7b中将其显示为图像。这种构造使得能够获取人体的整个消化道(包括超声波观测仪器、普通内窥镜或其它装置不能到达的较深部分(例如小肠))的用于生理学研究和病变诊断的有用数据。
顺便提及,内窥镜观察装置2如上所述随着消化道腔的蠕动而移动,因此在反复移动和停止的情况下采集图像。因此,与在中间时期采集的图像信息相关的图像的总数很大;然而,按时间序列连续的图像具有以下的特征:其中的大量图像是相同或大致相同的图像。
内窥镜诊断支持装置7被设置为适当地进行显示,以容易地掌握大量图像并且容易地从大量图像中找到所需的图像(例如,患病区域的图像)。
接下来,进一步详细说明该内窥镜诊断支持装置7的构成和操作。
图2是用于说明内窥镜诊断支持装置7的系统构造的图。
参照图2,内窥镜诊断支持装置的执行图像处理和信息处理的主体7a通常使用个人计算机(PC)、根据从通过采集活体内的图像来输出图像信号的内窥镜观察装置2输出的图像信号来生成图像数据、获得通过网络11存储在用于累积所生成的图像数据的内窥镜归档装置10中的图像数据、对图像数据应用各种处理,以及在显示装置7b中显示处理结果。通过对包括键盘7c和鼠标7d的操作装置的操作,来进行要处理的图像数据的指定、所指定的图像数据的获得并显示,以及处理执行的指令。
同时,主体7a包括:执行控制和处理的中央处理单元(CPU)23;用于存储处理程序和数据的存储器24;用于从由硬盘构成的存储装置7e读取信息和向该存储装置7e写入信息的外部存储接口(I/F)25;用于与外部设备进行通信的网卡21;用于执行与操作装置的输入和输出的操作I/F 22;用于向显示装置7b输出视频信号的图形板26;以及对前述组件进行互连以使它们之间能够相互通信的总线27。
网卡21用于与连接到LAN的内窥镜归档装置10交换数据。操作I/F22接收通过作为操作装置的键盘7c和鼠标7d输入的输入信号,并且执行必要的数据处理。
连接到主体7a的存储装置7e存储用于执行分析处理的内窥镜诊断支持程序。包括多个执行文件、动态链接数据库文件或设置文件的内窥镜诊断支持程序根据通过划分内窥镜图像而获得的多个图像区域中的每一个图像区域的颜色信号来计算色调,并且基于各个图像区域的计算出的色调,来判断所述多个图像区域之间的差别,由此辨别包括出血区的图像区域。
外部存储I/F 25读取存储在存储装置7e中的内窥镜诊断支持程序,并将其存储在存储器24中。
CPU 23执行存储在存储器24中的内窥镜诊断支持程序,由此获得内窥镜图像并且执行包括内窥镜诊断支持处理的图像分析处理。
接下来,参照图3到12对由内窥镜诊断支持装置7执行的内窥镜诊断支持的操作进行说明。应该注意到,该内窥镜诊断支持的操作是通过CPU 23读取并且执行预存储在ROM 24中的控制程序来执行的。
图3是示出由应用了本发明的内窥镜诊断支持装置7执行的内窥镜诊断支持处理的流程(部分1)的流程图。
图3所示的内窥镜诊断支持处理用于计算图像信息中的平均色度并且根据相对于计算出的平均色度或绝对色度的色度偏差来识别出血区。
首先,在步骤S31中,内窥镜诊断支持装置7从内窥镜归档装置10或已经从内窥镜归档装置10接收到数据的存储装置7e获得通过内窥镜观察装置2采集的图像信息。
在步骤S32中,CPU23将在步骤S31中获得的图像数据划分成多个区域(例如,M乘N块)。这里,“划分成多个区域”意指将“纵向288个像素×横向288个像素”的示例图像数据按照“纵向8个像素×横向8个像素”的尺寸划分成纵向36×横向36块的区域。在这种情况下,M=36并且N=36。
在步骤S33到S36中,CPU 23计算在步骤S32中划分的每一个区域的色度。即,在步骤S33中,通过将“1”代入变量i来开始处理,随后在步骤S34到S35中计算三原色中的绿色分量与红色分量的比率(即,g/r(i)=G(i)/R(i)),以及蓝色分量与绿色分量的比率(即,b/g(i)=B(i)/G(i)),作为第i(其中,i=1到M*N)区域的色度。
接着,在步骤S37中,计算在步骤S35中计算出的g/r(i)的平均值Mg/r和b/g(i)的平均值Mb/g,其中,i=1到M*N。
接着,在步骤S38到S42中,CPU 23判断在步骤S32中划分的各个区域是否包括出血区。即,在步骤S38中,通过将“1”代入变量i来开始处理,并且在步骤S39中,判断g/r(i)是否小于预定容限和Mg/r相加的结果值,并且还判断b/g(i)是否大于预定容限和Mb/g相加的结果值。如果判断为g/r(i)小于预定容限(例如,-0.1)和Mg/r相加的结果值,并且如果b/g(i)大于预定容限(例如,-0.01)和Mb/g相加的结果值(步骤S39的“是”),则在步骤S40中判断为第i区域包括出血区。
将预定容限和Mg/r相加并同样和Mb/g相加的原因在于,其中蓝色分量与红色分量的比率小于预定容限和平均值Mg/r相加的结果值并且蓝色分量与绿色分量的比率大于预定容限和平均值Mb/g相加的结果值的区域表示出血区,如从图4所示的不包括出血区域的图像的色度分布图和图5所示的包括出血区的图像的色度分布图所显见的。同时,如果g/r(i)小于预定的绝对出血阈值Zg/r,并且b/g(i)大于预定的绝对出血阈值Zb/g,则可以将第i区域判断为包括出血区,而与平均值Mg/r或Mb/g无关。这种构造使得即使平均值Mg/r或Mb/g由于存在大的出血区而偏向出血区的区域,也可以判断出血区的存在。
以上是对用于通过计算图像信息中的平均色度并且基于相对于计算出的平均色度或绝对色度的色度偏差来识别出血区的内窥镜诊断支持处理的说明。
然而,在其中存在出血区的图像数据中,图像的黏膜平均值偏向出血区,由此存在作为使用相对于偏置平均值的色度偏差的结果而错误识别出血区的可能性。
因此,这里说明的是一种能够根据正常黏膜的图像数据计算图像黏膜平均值的、仅受出血区或异物的很小影响的内窥镜诊断支持处理。
图6是示出由应用了本发明的内窥镜诊断支持装置7执行的内窥镜诊断支持处理的流程(部分2)的流程图。
首先,在步骤S61到S63中,CPU 23通过利用过去按照时间序列获得的图像数据来计算黏膜平均值。具体地说,在步骤S61中,获得在过去按照时间序列获得的所有图像数据,随后在步骤S62中,获得任意的一条图像数据Pj,并且在步骤S63中,利用时间序列中的从该任意图像数据Pj的前一条到前n条(即,图像数据Pj-1与Pj-n之间)的多条图像数据中的、除了已经被内窥镜诊断支持处理判断为包括出血区的区域以外的区域(即,作为非出血区的区域)的数据,来计算色度Mg/r和Mb/g的平均值。
在下一步骤S64中,CPU 23将在步骤S63中获得的图像数据Pj划分成多个(例如,M*N块)区域,例如,将纵向288个像素×横向288个像素的图像数据按照纵向8像素×横向8像素的尺寸划分成纵向36×横向36块的区域。
在步骤S65到S70中,计算在步骤S62中划分的每一个区域的色度并且判断各个区域是否包括出血区。即,在步骤S65中,通过将“1”代入变量i来开始处理,随后在步骤S66中计算三原色中的绿色分量与红色分量的比率(即,g/r(i)=G(i)/R(i)),以及蓝色分量与绿色分量的比率(即,b/g(i)=B(i)/G(i)),作为第i(其中,i=1到M*N)区域的色度。接着,在步骤S67中,判断g/r(i)是否小于预定容限和Mg/r相加的结果值,并且还判断b/g(i)是否大于预定容限和Mb/g相加的结果值。如果判断为g/r(i)小于预定容限(例如,-0.1)和Mg/r相加的结果值,并且如果还判断为b/g(i)大于预定容限(例如,-0.01)和Mb/g相加的结果值(步骤S67的“是”),则在步骤S68中,CPU 23判断为第i区域包括出血区。
同样地,可以通过基于按照时间序列获得的并且已经判断了是否包括出血区的过去的图像数据来计算平均色度Mg/r和Mb/g,来执行基于观察目标区域中的正常黏膜的平均色度的内窥镜诊断支持处理。
还可以限于所划分的区域当中的属于正常黏膜的区域,并且计算这些区域的平均值。
图7是示出用于仅基于正常黏膜的区域计算平均值的处理的流程图。
首先,在步骤S71中,内窥镜诊断支持装置7从内窥镜归档装置10或已经从内窥镜归档装置10接收到数据的存储装置7e获得通过内窥镜观察装置2采集的图像信息。
在下一步骤S72中,CPU 23将在步骤S71中获得的图像数据划分成多个(例如,M*N块)区域,例如,将纵向288个像素×横向288个像素的图像数据按照纵向8像素×横向8像素的尺寸划分成纵向36×横向36块的区域。
在步骤S73到S78中,计算在步骤S72中划分的每一个区域的色度并且判断各个区域是否是正常黏膜。即,在步骤S73中,通过将“1”代入变量i来开始处理,随后在步骤S74中,计算三原色中的绿色分量与红色分量的比率(即,g/r(i)=G(i)/R(i)),以及蓝色分量与绿色分量的比率(即,b/g(i)=B(i)/G(i)),作为第i(其中,i=1到M*N)区域的色度。接着,在步骤S75中,判断g/r(i)是否大于预定值(threl1)并且b/g(i)是否大于预定值(threl2)。如果判断为g/r(i)大于预定值(threl1)并且b/g(i)大于预定值(threl2)(步骤S75的“是”),则在步骤S76中,CPU 23判断为第i区域是正常黏膜并且产生一标志(即,将值NEN代入变量flag)。
接着,在步骤S79中,计算与被判断为正常黏膜的区域(即,其中将值NEN代入变量flag的区域)相关的平均色度Mg/r和Mb/g。
还可以通过参照所划分的区域的色度分布,来计算与分布的被认为受出血区或异物的较少影响的中央区域相关的平均值。
图8是示出用于基于与色度分布的中央区域相关的区域来计算平均值的处理的流程图。
首先,在步骤S81中,内窥镜诊断支持装置7从内窥镜归档装置10或已经从内窥镜归档装置10接收到数据的存储装置7e获得通过内窥镜观察装置2采集的图像信息。
在下一步骤S82中,CPU 23将在步骤S81中获得的图像数据划分成多个(例如,M*N块)区域,例如,将纵向288个像素×横向288个像素的图像数据按照纵向8像素×横向8像素的尺寸划分成纵向36×横向36块的区域。
在步骤S83到S86中,计算在步骤S82中划分的每一个区域的色度并且判断各个区域是否是正常黏膜。即,在步骤S83中,通过将“1”代入变量i来开始处理,随后在步骤S84和S85中计算三原色中的绿色分量与红色分量的比率(即,g/r(i)=G(i)/R(i)),以及蓝色分量与绿色分量的比率(即,b/g(i)=B(i)/G(i)),作为第i(其中,i=1到M*N)区域的色度。
接着,在步骤S87中,按照升序对在步骤S84中计算出的各个区域的色度中的绿色分量与红色分量的比率(即,g/r(i))进行排列(参照图9),并且在步骤S88中,将排除了不大于g/r(i)的最低比率预定百分比(即,x%)的部分以及不小于g/r(i)的最高比率预定百分比(即,y%)的部分的区域确定为正常黏膜(参照图9),随后在步骤S89中,计算与在步骤S88中被确定为正常黏膜的区域相关的平均值Mg/r以及b/g(i)的平均值Mb/g。
接下来,对能够减少由于受到绒毛区或诸如胃炎的慢性疾病区影响的黏膜的色度变化而导致错误提取出血区的内窥镜诊断支持处理进行说明。
除了用于提取包括出血区的区域的不同条件以外,该处理流程与图3或图6的情况类似。即,在如图3的步骤S39中或图6的步骤S67中所示的“g/r(i)是否小于预定容限和Mg/r相加的结果值,并且b/g(i)是否大于预定容限和Mb/g相加的结果值”的条件下,预定容限分别不同。
在图3或6所示的实施例中,和Mg/r相加的预定容限为“-0.1”而和Mb/g相加的预定容限为“-0.01”,而在此,和Mg/r相加的预定容限为“-0.1-A”并且和Mb/g相加的预定容限为“-0.01+B”。
变量A是k与所划分的区域i的周围区域中的g/r(i)的值的标准偏差相乘,而变量B是k与所划分的区域i的周围区域中的b/g(i)的值的标准偏差相乘。即,用于提取出血区的条件在具有较大偏差的区域中更严格,由此,使得可以减少由于受到绒毛区或诸如胃炎的慢性疾病区影响的黏膜的色度变化而导致的出血区的错误检测。
另选的是,变量A可以选择k与所划分的区域i的周围区域中的g/r(i)的值的变化系数相乘,并且变量B也可以选择k与所划分的区域i的周围区域中的b/g(i)的值的变化系数相乘。
或者,变量A可以选择k与所划分的区域i内的沿八个方向(即图10所示的方向(1)到方向(8))的G变化/R变化的最大值相乘,并且变量B可以选择k与沿八个方向(即图10所示的方向(1)到方向(8))的B变化/G变化的最大值相乘,如图10所示。应该注意到,在这种情况下,G变化=loge(G′)-loge(G),而R变化=loge(R′)-loge(R)。
或者,变量A和B可以使用k与所划分的区域i中的梯度相乘。
接下来,对存在于覆盖有肠液等的具有黄色的色度的黏膜区域中的出血区进行识别的实施例进行说明。存在于覆盖有肠液等的具有黄色的色度的黏膜区域中的出血区的色度偏差具有与存在于正常黏膜区域中的出血区的色度偏差不同的特征,因此需要改变用于识别出血区的条件。
图11是示出用于识别存在于具有黄色的色度的黏膜区域中的出血区的内窥镜诊断支持处理的流程的流程图。
首先,在步骤S111中,内窥镜诊断支持装置7从内窥镜归档装置10或已经从内窥镜归档装置10接收到数据的存储装置7e获得通过内窥镜观察装置2采集的图像信息。
在下一步骤S112中,CPU 23将在步骤S111中获得的图像数据划分成多个(例如,M*N块)区域,例如,将纵向288个像素×横向288个像素的图像数据按照纵向8像素×横向8像素的尺寸划分成纵向36×横向36块的区域。
在步骤S113到S116中,CPU 23计算在步骤S112中划分的每一个区域的色度。即,在步骤S113中,通过将“1”代入变量i来开始处理,随后在步骤S114和S115中计算三原色中的绿色分量与红色分量的比率(即,g/r(i)=G(i)/R(i)),以及蓝色分量与绿色分量的比率(即,b/g(i)=B(i)/G(i)),作为第i(其中,i=1到M*N)区域的色度。
接着,在步骤S117中,计算在步骤S115中计算出的g/r(i)的平均值Mg/r和b/g(i)的平均值Mb/g,其中,i=1到M*N。
接着,在步骤S118中,CPU 23判断在步骤S117中计算出的平均值Mg/r是否小于预定值(α),并且如果判断为小于(步骤S118的“是”),则确定该图像数据表示覆盖有肠液等的具有黄色的色度的黏膜的图像。
最后,在步骤S120到S124中,CPU 23判断在步骤S112中所划分的各个区域是否包括出血区。即,在步骤S120中,通过将“1”代入变量i来开始处理,并且在步骤S121中,判断g/r(i)是否小于预定容限和Mg/r相加的结果值,并且还判断b/g(i)是否大于预定容限和Mb/g相加的结果值。如果判断为g/r(i)小于预定容限(例如,-0.1)和Mg/r相加的结果值,并且如果还判断为b/g(i)大于预定容限(例如,0.03)和Mb/g相加的结果值(步骤S121的“是”),则在步骤S122中判断为第i区域包括出血区。
接下来,对将图像的划分的区域分类成多个类别、计算各个类别的黏膜的平均色度以及根据类别区分用于提取出血区的条件的实施例进行说明。该实施例使得可以在属于多个类别的区域混合在单个图像中的情况下选择最优提取条件,由此提高提取出血区的准确度。
图12是示出其中用于提取出血区的条件对于多个类别分别不同的实施例的内窥镜诊断支持处理的流程的流程图。
首先,在步骤S131中,内窥镜诊断支持装置7从内窥镜归档装置10或已经从内窥镜归档装置10接收到数据的存储装置7e获得通过内窥镜观察装置2采集的图像信息。
在下一步骤S132中,CPU 23将在步骤S131中获得的图像数据划分成多个(例如,M*N块)区域。这里,“划分成多个区域”意指将“纵向288个像素×横向288个像素”的示例图像数据按照“纵向8像素×横向8像素”的尺寸划分成纵向36×横向36块的区域。在这种情况下,M=36并且N=36。
接着,在步骤S133中,CPU 23计算各个区域的区域特征量,例如,计算三原色中的蓝色分量与绿色分量的比率(即,b/g(i)=B(i)/G(i)),作为第i(其中,i=1到M*N)区域的色度。
接着,在步骤S134中,基于在步骤S133中计算出的区域特征量来识别各个区域所属的类别。例如,如果蓝色分量与绿色分量的比率(即,b/g(i))大于预定值,则将其分类为正常黏膜的区域的类别,并因此产生一标志(即,代入变量class(i)=1),而如果蓝色分量与绿色分量的比率(即,b/g(i))不大于预定值,则将其分类为黄色黏膜的区域,并因此产生一标志(即,代入变量class=2;表示类别的数量K=2)。应该注意到,可以适当地计算多个特征量作为区域特征量,并利用标识符将它们分类成多个类别。
接着,在步骤S135中,CPU 23计算所划分的区域i的区域色度,例如,在第i区域中,计算g/r(i)和b/g(i)(其中,i=1到M*N)作为区域色度。
接下来,在步骤S136到S141中,判断已经在步骤S132中进行了划分并且在步骤S134中进行了分类的各个类别的各个区域是否包括出血区。即,在步骤S136中,通过将“1”代入变量j来开始处理,随后在步骤S137中,计算属于第一类别(即,变量class(i)=1)的区域的g/r(i)的平均值Mg/r(1)和b/g(i)的平均值Mb/g(1),作为针对第一类别的平均色度。接着,在步骤S138和S139中,将第一类别的出血区检测条件表达式应用于属于第一类别(即,变量class(i)=1)的区域。即,因为第一类别是正常黏膜,所以判断在属于第一类别(即,变量class(i)=1;其中,i=1到M*N)的第i区域中,g/r(i)是否小于预定容限和Mg/r(1)相加的结果值,并且b/g(i)是否大于预定容限和Mb/g(1)相加的结果值。如果判断为g/r(i)小于预定容限(例如,-0.1)和Mg/r(1)相加的结果值,并且b/g(i)还大于预定容限(例如,-0.01)和Mb/g(1)相加的结果值,则将第i区域判断为包括出血区。接着,将第一类别的出血区检测条件表达式应用于所划分的区域i中的第1到第M*N区域当中的属于第一类别的所有区域,并且判断是否包括出血区。接着,在步骤S141中,使变量j递增,将步骤S137到S139的处理应用于第二类别,并且此后,执行针对所有类别的处理,并随后结束该处理。
这样,已经对应用了本发明的优选实施方式进行了说明;然而,应用了本发明的内窥镜诊断支持装置显然可以是单个装置、由多个装置构成的系统或集成装置、或通过诸如LAN或WAN的网络来执行处理的系统(假设执行内窥镜诊断支持装置的功能),而不受限于上述优选实施方式。
即,本发明可以采用可能在本发明的范围内的多种构造或特征,而不受限于上述优选实施方式。
本发明使得能够从通过内窥镜观察装置采集的大量内窥镜图像当中容易且正确地提取采集了出血区的图像。
Claims (26)
1.一种在内窥镜诊断支持装置中执行的内窥镜诊断支持方法,该内窥镜诊断支持装置用于支持基于通过内窥镜观察装置采集的内窥镜图像执行的内窥镜诊断,该内窥镜诊断支持方法包括:
根据通过划分所述内窥镜图像而获得的多个图像区域中的每一个图像区域的颜色信号来计算色调;以及
通过基于各个图像区域的所计算的色调判断所述多个图像区域中的各个图像区域之间的差别,来辨别出包括出血区的图像区域。
2.根据权利要求1所述的内窥镜诊断支持方法,所述内窥镜诊断支持方法还包括:
选择包括所述辨别出的图像区域的内窥镜图像。
3.根据权利要求1所述的内窥镜诊断支持方法,其中
在辨别出血区时,通过将构成所述内窥镜图像的所有图像区域的所计算的色调的平均值与各个图像区域的色调值进行比较,来判断所述多个图像区域之间的差别。
4.根据权利要求3所述的内窥镜诊断支持方法,其中
在计算色调时,基于过去选择了的内窥镜图像以外的内窥镜图像来计算色调的平均值,并且
在辨别出血区时,通过将基于过去选择了的内窥镜图像以外的内窥镜图像计算出的平均值与各个图像区域的色调值进行比较,来判断所述多个图像区域之间的差别。
5.根据权利要求3所述的内窥镜诊断支持方法,其中
在辨别出血区时,将计算出的平均值与预定容限和各个图像区域的色调值相加的结果值进行比较,来判断所述多个图像区域之间的差别。
6.根据权利要求5所述的内窥镜诊断支持方法,其中
所述预定容限随一变化参数动态地改变。
7.根据权利要求6所述的内窥镜诊断支持方法,其中
所述变化参数是标准偏差、色度变化系数、变化值或梯度。
8.根据权利要求6所述的内窥镜诊断支持方法,其中
所述变化参数是计算出的平均色度。
9.根据权利要求1所述的内窥镜诊断支持方法,其中
在辨别出血区时,基于相对于构成所述内窥镜图像的所有图像区域的所计算的色调的平均值的色度偏差来判断所述多个图像区域之间的差别。
10.根据权利要求9所述的内窥镜诊断支持方法,其中
在计算色调时,基于过去选择了的内窥镜图像以外的内窥镜图像计算相对于色调的平均值的色度偏差,并且
在辨别出血区时,根据基于过去选择了的内窥镜图像以外的内窥镜图像计算出的色度偏差,来判断所述多个图像区域之间的差别。
11.根据权利要求1所述的内窥镜诊断支持方法,其中
在计算色调时,根据通过划分所述内窥镜图像而获得的多个图像区域中的各个图像区域当中的预定图像区域的颜色信号来计算色调。
12.根据权利要求2所述的内窥镜诊断支持方法,其中
在计算色调时,通过利用构成所述内窥镜图像的所有图像区域的色调分布中的中央部分来计算平均值。
13.一种内窥镜诊断支持装置,该内窥镜诊断支持装置用于支持基于通过内窥镜观察装置采集的内窥镜图像执行的内窥镜诊断,该内窥镜诊断支持装置包括:
色调计算单元,该色调计算单元用于根据通过划分所述内窥镜图像而获得的多个图像区域中的每一个图像区域的颜色信号来计算色调;以及
出血区辨别单元,该出血区辨别单元用于通过基于所述色调计算单元计算出的各个图像区域的色调判断所述多个图像区域中的各个图像区域之间的差别,来辨别出包括出血区的图像区域。
14.根据权利要求13所述内窥镜诊断支持装置,所述内窥镜诊断支持装置还包括:
出血内窥镜图像选择单元,该出血内窥镜图像选择单元用于选择包括由所述出血区辨别单元辨别出的图像区域的内窥镜图像。
15.根据权利要求13所述的内窥镜诊断支持装置,其中
所述出血区辨别单元通过将构成所述内窥镜图像的所有图像区域的由所述色调计算单元计算出的色调的平均值与各个图像区域的色调值进行比较,来判断所述多个图像区域之间的差别。
16.根据权利要求15所述的内窥镜诊断支持装置,其中
所述色调计算单元基于过去由所述出血内窥镜图像选择单元选择了的内窥镜图像以外的内窥镜图像来计算色调的平均值,并且
所述出血区辨别单元通过将基于过去选择了的内窥镜图像以外的内窥镜图像所计算出的平均值与各个图像区域的色调值进行比较,来判断所述多个图像区域之间的差别。
17.根据权利要求15所述的内窥镜诊断支持装置,其中
在判断所述多个图像区域之间的差别时,所述出血区辨别单元将计算出的平均值与预定容限和各个图像区域的色调值相加的结果值进行比较。
18.根据权利要求17所述的内窥镜诊断支持装置,其中
所述预定容限随一变化参数动态地改变。
19.根据权利要求18所述的内窥镜诊断支持装置,其中
所述变化参数是标准偏差、色度变化系数、变化值或梯度。
20.根据权利要求18所述的内窥镜诊断支持装置,其中
所述变化参数是计算出的平均色度。
21.根据权利要求13所述的内窥镜诊断支持装置,其中
所述出血区辨别单元基于相对于构成所述内窥镜图像的所有图像区域的所计算的色调的平均值的色度偏差来判断所述多个图像区域之间的差别。
22.根据权利要求21所述的内窥镜诊断支持装置,
所述色调计算单元基于由所述出血内窥镜图像选择单元选择了的内窥镜图像以外的内窥镜图像计算相对于色调的平均值的色度偏差,并且
所述出血区辨别单元基于根据过去选择了的内窥镜图像以外的内窥镜图像计算出的色度偏差,来判断所述多个图像区域之间的差别。
23.根据权利要求13所述的内窥镜诊断支持装置,其中
所述色调计算单元根据通过划分所述内窥镜图像而获得的多个图像区域中的各个图像区域当中的预定图像区域的颜色信号来计算色调。
24.根据权利要求14所述的内窥镜诊断支持装置,其中
所述色调计算单元通过利用构成所述内窥镜图像的所有图像区域的色调分布中的中央部分来计算平均值。
25.一种内窥镜诊断支持程序,该内窥镜诊断支持程序用于使内窥镜诊断支持装置执行操作,以支持基于通过内窥镜观察装置采集的内窥镜图像进行的内窥镜诊断,其中,
所述程序使所述内窥镜诊断支持装置执行以下过程:
根据通过划分所述内窥镜图像而获得的多个图像区域中的每一个图像区域的颜色信号来计算色调;以及
通过基于各个图像区域的所计算的色调判断所述多个图像区域中的各个图像区域之间的差别,来辨别出包括出血区的图像区域。
26.一种内窥镜诊断支持程序产品,该内窥镜诊断支持程序产品用于使内窥镜诊断支持装置执行操作,以支持基于通过内窥镜观察装置采集的内窥镜图像进行的内窥镜诊断,其中,
所述程序产品使所述内窥镜诊断支持装置执行以下过程:
根据通过划分所述内窥镜图像而获得的多个图像区域中的每一个图像区域的颜色信号来计算色调;以及
通过基于各个图像区域的所计算的色调判断所述多个图像区域中的各个图像区域之间的差别,来辨别出包括出血区的图像区域。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP162023/2005 | 2005-06-01 | ||
JP2005162023A JP4767591B2 (ja) | 2005-06-01 | 2005-06-01 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101184430A true CN101184430A (zh) | 2008-05-21 |
CN100558289C CN100558289C (zh) | 2009-11-11 |
Family
ID=37481363
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNB2006800189163A Expired - Fee Related CN100558289C (zh) | 2005-06-01 | 2006-04-20 | 内窥镜诊断支持装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US8581973B2 (zh) |
EP (1) | EP1897483A4 (zh) |
JP (1) | JP4767591B2 (zh) |
KR (1) | KR100991915B1 (zh) |
CN (1) | CN100558289C (zh) |
WO (1) | WO2006129430A1 (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102188226A (zh) * | 2010-03-19 | 2011-09-21 | 富士胶片株式会社 | 电子内窥镜系统、电子内窥镜处理器和获取血管信息的方法 |
TWI616180B (zh) * | 2016-06-29 | 2018-03-01 | 國立成功大學 | 上消化道出血偵測裝置及方法 |
CN109117890A (zh) * | 2018-08-24 | 2019-01-01 | 腾讯科技(深圳)有限公司 | 一种图像分类方法、装置和存储介质 |
CN110689014A (zh) * | 2019-10-14 | 2020-01-14 | 腾讯科技(深圳)有限公司 | 感兴趣区域的检测方法、装置、电子设备及可读存储介质 |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005000101A2 (en) * | 2003-06-12 | 2005-01-06 | University Of Utah Research Foundation | Apparatus, systems and methods for diagnosing carpal tunnel syndrome |
WO2007077672A1 (ja) * | 2005-12-28 | 2007-07-12 | Olympus Medical Systems Corp. | 画像処理装置および当該画像処理装置における画像処理方法 |
KR101071466B1 (ko) * | 2007-02-22 | 2011-10-10 | 올림푸스 가부시키가이샤 | 피검체 내 도입 시스템 |
JP5312807B2 (ja) | 2008-01-08 | 2013-10-09 | オリンパス株式会社 | 画像処理装置および画像処理プログラム |
JP4760883B2 (ja) * | 2008-09-25 | 2011-08-31 | 富士ゼロックス株式会社 | 画像処理装置及び画像処理プログラム |
JP5305850B2 (ja) | 2008-11-14 | 2013-10-02 | オリンパス株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
DE102010006741A1 (de) * | 2010-02-03 | 2011-08-04 | Friedrich-Alexander-Universität Erlangen-Nürnberg, 91054 | Verfahren zum Verarbeiten eines Endoskopiebildes |
EP2502546B1 (en) * | 2010-04-12 | 2015-07-01 | Olympus Medical Systems Corp. | Medical image processing apparatus and medical image processing method |
US8768024B1 (en) * | 2010-06-01 | 2014-07-01 | Given Imaging Ltd. | System and method for real time detection of villi texture in an image stream of the gastrointestinal tract |
US8922633B1 (en) | 2010-09-27 | 2014-12-30 | Given Imaging Ltd. | Detection of gastrointestinal sections and transition of an in-vivo device there between |
US8965079B1 (en) | 2010-09-28 | 2015-02-24 | Given Imaging Ltd. | Real time detection of gastrointestinal sections and transitions of an in-vivo device therebetween |
KR102163327B1 (ko) * | 2012-07-25 | 2020-10-08 | 인튜어티브 서지컬 오퍼레이션즈 인코포레이티드 | 수술 시스템의 효율적인 쌍방향 출혈 검출 방법 및 시스템 |
JP5622903B2 (ja) * | 2013-08-05 | 2014-11-12 | オリンパス株式会社 | 画像処理装置、画像処理装置の作動方法および画像処理プログラム |
US9324145B1 (en) | 2013-08-08 | 2016-04-26 | Given Imaging Ltd. | System and method for detection of transitions in an image stream of the gastrointestinal tract |
CN108289599B (zh) * | 2015-11-25 | 2020-08-11 | 奥林巴斯株式会社 | 内窥镜系统和拍摄方法 |
JP6669539B2 (ja) * | 2016-03-11 | 2020-03-18 | 富士フイルム株式会社 | 画像処理装置、画像処理装置の作動方法、および画像処理プログラム |
KR102014385B1 (ko) * | 2018-02-20 | 2019-08-26 | (주)휴톰 | 수술영상 학습 및 학습 기반 수술동작 인식 방법 및 장치 |
WO2019164277A1 (ko) * | 2018-02-20 | 2019-08-29 | (주)휴톰 | 수술영상을 이용한 출혈 평가 방법 및 장치 |
CN113038868A (zh) | 2018-11-14 | 2021-06-25 | 富士胶片株式会社 | 医疗图像处理系统 |
KR102360615B1 (ko) * | 2019-11-05 | 2022-02-09 | 주식회사 인피니트헬스케어 | 내시경 영상에 대한 복수의 의료 영상 판독 알고리듬들을 이용하는 의료 영상 판독 지원 장치 및 방법 |
JP6855610B2 (ja) * | 2020-02-27 | 2021-04-07 | 富士フイルム株式会社 | 画像処理装置、画像処理装置の作動方法、および画像処理プログラム |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5932824A (ja) * | 1982-08-18 | 1984-02-22 | Sanyo Electric Co Ltd | 色度差検出装置 |
JPH01101962A (ja) * | 1987-10-15 | 1989-04-19 | Olympus Optical Co Ltd | 経内視鏡分光診断装置 |
JP2918162B2 (ja) * | 1988-11-02 | 1999-07-12 | オリンパス光学工業株式会社 | 内視鏡画像処理装置 |
JP2001037718A (ja) * | 1999-05-26 | 2001-02-13 | Olympus Optical Co Ltd | 画像診断装置及び内視鏡装置 |
JP4450973B2 (ja) * | 2000-11-30 | 2010-04-14 | オリンパス株式会社 | 診断支援装置 |
WO2002073507A2 (en) | 2001-03-14 | 2002-09-19 | Given Imaging Ltd. | Method and system for detecting colorimetric abnormalities |
US7356190B2 (en) * | 2002-07-02 | 2008-04-08 | Canon Kabushiki Kaisha | Image area extraction method, image reconstruction method using the extraction result and apparatus thereof |
US7282723B2 (en) * | 2002-07-09 | 2007-10-16 | Medispectra, Inc. | Methods and apparatus for processing spectral data for use in tissue characterization |
US7200252B2 (en) * | 2002-10-28 | 2007-04-03 | Ventana Medical Systems, Inc. | Color space transformations for use in identifying objects of interest in biological specimens |
US7071689B2 (en) | 2002-12-04 | 2006-07-04 | The Johns Hopkins University | Methods for multiple acquisitions with global inversion cycling for vascular-space-occupancy dependant and apparatuses and devices related thereto |
US7538761B2 (en) * | 2002-12-12 | 2009-05-26 | Olympus Corporation | Information processor |
JP2004188026A (ja) * | 2002-12-12 | 2004-07-08 | Olympus Corp | 情報処理装置 |
CN100431475C (zh) * | 2003-04-25 | 2008-11-12 | 奥林巴斯株式会社 | 图像显示装置、图像显示方法以及图像显示程序 |
JP4652694B2 (ja) * | 2004-01-08 | 2011-03-16 | オリンパス株式会社 | 画像処理方法 |
WO2007077672A1 (ja) * | 2005-12-28 | 2007-07-12 | Olympus Medical Systems Corp. | 画像処理装置および当該画像処理装置における画像処理方法 |
-
2005
- 2005-06-01 JP JP2005162023A patent/JP4767591B2/ja not_active Expired - Fee Related
-
2006
- 2006-04-20 KR KR1020077030955A patent/KR100991915B1/ko not_active IP Right Cessation
- 2006-04-20 WO PCT/JP2006/308330 patent/WO2006129430A1/ja active Application Filing
- 2006-04-20 EP EP06745511A patent/EP1897483A4/en not_active Withdrawn
- 2006-04-20 CN CNB2006800189163A patent/CN100558289C/zh not_active Expired - Fee Related
- 2006-12-15 US US11/639,687 patent/US8581973B2/en active Active
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102188226A (zh) * | 2010-03-19 | 2011-09-21 | 富士胶片株式会社 | 电子内窥镜系统、电子内窥镜处理器和获取血管信息的方法 |
CN102188226B (zh) * | 2010-03-19 | 2014-12-31 | 富士胶片株式会社 | 电子内窥镜系统、电子内窥镜处理器和获取血管信息的方法 |
TWI616180B (zh) * | 2016-06-29 | 2018-03-01 | 國立成功大學 | 上消化道出血偵測裝置及方法 |
CN109117890A (zh) * | 2018-08-24 | 2019-01-01 | 腾讯科技(深圳)有限公司 | 一种图像分类方法、装置和存储介质 |
CN110689014A (zh) * | 2019-10-14 | 2020-01-14 | 腾讯科技(深圳)有限公司 | 感兴趣区域的检测方法、装置、电子设备及可读存储介质 |
WO2021073443A1 (zh) * | 2019-10-14 | 2021-04-22 | 腾讯科技(深圳)有限公司 | 感兴趣区域的检测方法、装置、电子设备及可读存储介质 |
CN110689014B (zh) * | 2019-10-14 | 2022-02-11 | 腾讯科技(深圳)有限公司 | 感兴趣区域的检测方法、装置、电子设备及可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
KR100991915B1 (ko) | 2010-11-04 |
JP2006334115A (ja) | 2006-12-14 |
US8581973B2 (en) | 2013-11-12 |
CN100558289C (zh) | 2009-11-11 |
KR20080020652A (ko) | 2008-03-05 |
EP1897483A4 (en) | 2011-02-23 |
EP1897483A1 (en) | 2008-03-12 |
WO2006129430A1 (ja) | 2006-12-07 |
US20070135715A1 (en) | 2007-06-14 |
JP4767591B2 (ja) | 2011-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN100558289C (zh) | 内窥镜诊断支持装置 | |
US7319781B2 (en) | Method and system for multiple passes diagnostic alignment for in vivo images | |
US8204287B2 (en) | Image processing apparatus, image processing method and image processing program | |
US20050075537A1 (en) | Method and system for real-time automatic abnormality detection for in vivo images | |
US9076078B2 (en) | Image processing apparatus, method and program for determining arrangement of vectors on a distribution map | |
CN104114077A (zh) | 图像处理装置和图像处理方法 | |
EP3806101A1 (en) | Training data collecting device, training data collecting method and program, training system, trained model, and endoscope image processing device | |
CN103458765B (zh) | 图像处理装置 | |
JP4832794B2 (ja) | 画像処理装置及び画像処理プログラム | |
US20230206435A1 (en) | Artificial intelligence-based gastroscopy diagnosis supporting system and method for improving gastrointestinal disease detection rate | |
CN101273916B (zh) | 评估患者状况的系统和方法 | |
JP4855709B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
US20090080768A1 (en) | Recognition method for images by probing alimentary canals | |
Lee et al. | Real-time image analysis of capsule endoscopy for bleeding discrimination in embedded system platform | |
JP4804742B2 (ja) | 画像処理装置、及び画像処理プログラム | |
JP5231160B2 (ja) | 画像表示装置、画像表示方法、および画像表示プログラム | |
Bourbakis et al. | A neural network-based detection of bleeding in sequences of WCE images | |
Priya et al. | Lung pattern classification for interstitial lung diseases using an ANN-back propagation network | |
WO2021070527A1 (ja) | 画像処理装置、方法およびプログラム | |
CN100543774C (zh) | 用于结肠壁提取的系统和方法 | |
CN113130050A (zh) | 一种医学信息显示方法及显示系统 | |
US20230401700A1 (en) | Systems and methods for identifying images containing indicators of a celiac-like disease | |
Vilariño et al. | A machine learning framework using SOMs: Applications in the intestinal motility assessment |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C41 | Transfer of patent application or patent right or utility model | ||
TR01 | Transfer of patent right |
Effective date of registration: 20151116 Address after: Tokyo, Japan Patentee after: OLYMPUS Corp. Address before: Tokyo, Japan Patentee before: Olympus Medical Systems Corp. |
|
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20091111 |