CN103327883B - 医用图像处理装置和医用图像处理方法 - Google Patents
医用图像处理装置和医用图像处理方法 Download PDFInfo
- Publication number
- CN103327883B CN103327883B CN201180065521.XA CN201180065521A CN103327883B CN 103327883 B CN103327883 B CN 103327883B CN 201180065521 A CN201180065521 A CN 201180065521A CN 103327883 B CN103327883 B CN 103327883B
- Authority
- CN
- China
- Prior art keywords
- mentioned
- pixel
- concerned pixel
- linear structure
- evaluation
- 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.)
- Active
Links
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
- 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
- A61B1/05—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 characterised by the image sensor, e.g. camera, being in the distal end portion
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- 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
- A61B5/4887—Locating particular structures in or on the body
- A61B5/489—Blood vessels
-
- 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
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Optics & Photonics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Veterinary Medicine (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Endoscopes (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
- Instruments For Viewing The Inside Of Hollow Bodies (AREA)
Abstract
本发明的医用图像处理装置具有:像素选择部,其从图像中选择关注像素;特征量计算部,其获取包括关注像素的规定的范围内所存在的像素群的色调信息,并且根据色调信息来计算关注像素的特征量;评价值计算部,其根据计算出的特征量,来计算关注像素的评价值;评价值判断部,其根据所计算出的评价值,来判断关注像素是否为构成线状结构的像素;以及线状结构检测部,其根据评价值判断部的判断结果,检测存在线状结构的区域,其中,特征量计算部获取关注像素和与关注像素连续的多个像素的色调信息,并且根据将以适合于线状结构的方式设计的滤波器应用于获取到的色调信息而得到的结果,来计算关注像素的特征量。
Description
技术领域
本发明涉及医用图像处理装置和医用图像处理方法,特别是涉及对拍摄体腔内的生物体组织而得到的图像进行处理的医用图像处理装置和医用图像处理方法。
背景技术
以往,广泛使用着具备内窥镜和医用图像处理装置等而构成的内窥镜系统。具体地说,内窥镜系统例如构成为具备内窥镜和医用图像处理装置,其中,该内窥镜构成为具有:插入部,其插入到被检体的体腔内;;对物光学系统,配置于上述插入部的前端部;;以及摄像部,其对由上述对物光学系统成像得到的体腔内的被摄体进行拍摄并生成摄像信号输出,该医用图像处理装置根据上述摄像信号来进行使上述被摄体的图像显示在作为显示部的监视器等的处理。而且,通过具备上述结构的内窥镜系统,例如能够观察胃部等消化管粘膜中的粘膜的色调、病变的形状以及粘膜表面的细微结构等各种观察结果。
另一方面,近年来,例如在八尾建史等人的“早期胃癌的微小血管构建图像的存在和边界诊断”、消化器官内窥镜(「早期胃癌の微小血管構築像による存在および境界診断」、消化器内視鏡)Vol.17No.12、pp2093-2100(2005)中记载,进行根据使用内窥镜等拍摄被摄体得到的图像数据来在体腔内的粘膜表层中抽取存在微小血管或者腺管开口(pit)的结构等的区域并通过呈现上述区域的抽取结果来能够检测病变和支持诊断的、被称为CAD(Computer Aided Diagnosis或者Computer Aided Detection)的技术的研究。
另外,例如在中川俊明等人的“针对用于眼底图像诊断支持系统的使用 了血管删除图像的视神经乳头的自动识别和虚拟立体观察图像的应用”、电子信息通信学会刊.(「眼底画像診断支援システムのための血管消去画像を用いた視神経乳頭の自動認識及び擬似立体視画像への応用」、電子情報通信学会誌)D Vol.J89-D No.11、pp.2491-2501(2006)”中公开了以下一种技术:根据使用内窥镜等拍摄被摄体而得到的图像数据,抽取作为能够存在血管的区域的血管候选区域,并且,对上述血管候选区域的抽取结果实施区域的扩展或者缩小等校正处理,由此得到作为能够被视作实际存在血管的区域的血管区域的检测结果。
另外,红血球内的血红蛋白在构成RGB光的各波长频带中、G(绿色)光的频带中具有强吸收特性。因此,例如在对包括血管的被摄体照射RGB光时得到的图像数据中,存在血管的区域的G(绿色)浓度值具有比不存在血管的区域的G(绿色)浓度值相对低的趋势。而且,作为考虑了这种趋势的技术,例如已知以下技术:通过对使用内窥镜等拍摄被摄体而得到的图像数据应用带通滤波器,来进行血管候选区域的抽取。
但是,例如在对血管候选区域的抽取结果进行的校正处理中,在对图像数据的整个区域实施同样的处理的情况下,无法应对局部产生色调的变化的区域,因此存在容易产生血管区域的未检测部位和(或者)错误检测部位这种问题。
另外,在对拍摄包括血管的被摄体而得到的图像数据应用带通滤波器的情况下,仅通过带通滤波器的频带的区域被抽取为血管候选区域,因此存在容易产生血管区域的未检测部位和(或者)错误检测部位这种问题。
本发明是鉴于上述情形而完成的,目的在于提供一种能够高精度地检测图像所包含的血管的医用图像处理装置和医用图像处理方法。
发明内容
本发明的一个方式的医用图像处理装置具有:像素选择部,其从拍摄生物体组织得到的图像中选择关注像素;特征量计算部,其获取在包括上述关注像素的规定的范围内存在的像素群的色调信息,并且根据上述色调信息来计算一个以上的上述关注像素的特征量;评价值计算部,其根据由上述特征量计算部计算出的各特征量,来计算上述关注像素的评价值;评价值判断部,其根据由上述评价值计算部计算出的评价值,来判断上述关注像素是否为构成线状结构的像素;以及线状结构检测部,其根据上述评价值判断部的判断结果,检测在上述图像中存在上述线状结构的区域,其中,上述特征量计算部按照上述关注像素和与上述关注像素连续的多个像素的各像素来获取上述色调信息,并且根据将以适合于上述线状结构的方式设计的滤波器应用于在上述关注像素和上述多个像素中获取到的上述色调信息而得到的结果,来计算与上述线状结构中的色调的变动相应的上述关注像素的特征量。
本发明的一个方式的医用图像处理方法包括以下步骤:像素选择步骤,从拍摄生物体组织而得到的图像中选择关注像素;特征量计算步骤,获取在包括上述关注像素的规定的范围内存在的像素群的色调信息,并且根据上述色调信息来计算一个以上的上述关注像素的特征量;评价值计算步骤,根据通过上述特征量计算步骤计算出的各特征量,来计算上述关注像素的评价值;评价值判断步骤,根据通过上述评价值计算步骤计算出的评价值,来判断上述关注像素是否为构成线状结构的像素;以及线状结构检测步骤,根据上述评价值判断步骤的判断结果,来检测在上述图像中存在上述线状结构的区域,其中,在上述特征量计算步骤中,按照上述关注像素和与上述关注像素连续的多个像素的各像素来获取上述色调信息,并且根据将以适合于上述线状结构的方式设计的滤波器应用于在上述关注像素和上述多个像素中获取到的上述色调信息而得到的结果,来计算与上述线状结构中的色调的变动相应的上述关注像素的特征量。
附图说明
图1是表示本发明的实施例所涉及的具备医用图像处理装置的医用系统的主要部分的结构的图。
图2是表示本实施例的医用图像处理装置所具备的运算处理部的结构的一例的图。
图3是表示本实施例的运算处理部所具备的评价值计算部的结构的一例的图。
图4是表示由本实施例的医用图像处理装置进行的处理的一例的流程图。
图5是用于说明血管沿横截面方向的情况下的绿色成分的浓度值的变动的图。
图6是用于说明计算第二特征量时的处理的图。
具体实施方式
下面,参照附图说明本发明的实施方式。图1至图6是本发明的实施例所涉及的图。
图1是表示本发明的实施例所涉及的具备医用图像处理装置的医用系统的主要部分的结构的图。
如图1所示,医用系统1构成为具有:医用观察装置2,其拍摄作为体腔内的被摄体的生物体组织而输出影像信号;医用图像处理装置3,其由个人计算机等构成,对从医用观察装置2输出的影像信号进行图像处理,并且将进行了该图像处理之后的影像信号作为图像信号输出;以及监视器4,其显示基于从医用图像处理装置3输出的图像信号的图像。
另外,医用观察装置2构成为具有:内窥镜6,其被插入到体腔内,并且 拍摄该体腔内的被摄体作为摄像信号而输出;光源装置7,其提供照明光(例如RGB光),该照明光(例如RGB光)用于照明由内窥镜6拍摄的被摄体;摄像机控制单元(以后,简称为CCU)8,其对内窥镜6进行各种控制,并且对从内窥镜6输出的摄像信号实施信号处理,由此生成影像信号而输出;以及监视器9,其根据从CCU8输出的影像信号,对由内窥镜6拍摄得到的被摄体的图像进行图像显示。
作为医用摄像装置的内窥镜6构成为具有:插入部11,其插入到体腔内;以及操作部12,其设置于插入部11的基端侧。另外,在从插入部11的基端侧至前端侧的前端部14的内部中贯穿光导件13,该光导件13用于传送从光源装置7提供的照明光。
光导件13构成为前端侧配置于内窥镜6的前端部14并且后端侧能够与光源装置7相连接。而且,根据这种结构,在从光源装置7提供的照明光通过光导件13传送之后,从设置于插入部11的前端部14的前端面上的照明窗(未图示)出射。而且,通过从上述照明窗出射的照明光,对作为被摄体的生物体组织等进行照明。
在内窥镜6的前端部14设置有摄像部17,该摄像部17具有:对物光学系统16,其安装于在与上述照明窗相邻的位置上配置的观察窗(未图示);以及摄像元件15,其由配置于对物光学系统16的成像位置上的CCD等构成。
摄像元件15经由信号线与CCU8相连接。而且,摄像元件15根据从CCU8输出的驱动信号来驱动,并且对由对物光学系统16成像得到的被摄体进行拍摄而得到的摄像信号输出到CCU8。
在设置于CCU8内部的信号处理电路(未图示)中对输入到CCU8的摄像信号进行信号处理,由此将该摄像信号转换为影像信号而输出。而且,从CCU8输出的影像信号被输入到监视器9和医用图像处理装置3。由此,在监视器9中显示基于从CCU8输出的影像信号的被摄体的图像。
医用图像处理装置3具有:图像输入部21,其对从医用观察装置2输出的影像信号实施A/D转换等处理而生成图像数据;运算处理部22,其构成为具备CPU等,对从图像输入部21输出的图像数据等进行各种处理;程序存储部23,其存储了在运算处理部22中实施的与处理有关的程序(和软件)等;图像存储部24,其能够存储从图像输入部21输出的图像数据等;以及信息存储部25,其能够临时存储运算处理部22的处理结果。
另外,医用图像处理装置3具有:存储装置接口26,其与后述的数据总线30相连接;硬盘27,其能够保存经由存储装置接口26输出的运算处理部22的处理结果;显示处理部28,其生成图像信号而输出,该图像信号用于将运算处理部22的处理结果等以图像的方式显示在监视器4中;以及输入操作部29,其构成为具备键盘等输入装置,能够输入运算处理部22的处理中的参数和对医用图像处理装置3的操作指示等。
此外,医用图像处理装置3的图像输入部21、运算处理部22、程序存储部23、图像存储部24、信息存储部25、存储装置接口26、显示处理部28以及输入操作部29经由数据总线30相互连接。
图2是表示本实施例的医用图像处理装置所具备的运算处理部的结构的一例的图。
另一方面,如图2所示,运算处理部22构成为具有与通过执行程序存储部23所存储的程序或者软件等来实现的功能相当的、预处理部221、血管标志设定部222、像素选择部223、评价值计算部224、评价值判断部225以及处理结束条件判断部226。
图3是表示本实施例的运算处理部所具备的评价值计算部的结构的一例的图。
另外,如图3所示,运算处理部22的评价值计算部224构成为具有与通过执行程序或者软件等来实现的功能相当的、第一特征量计算部224a、第二特 征量计算部224b、第三特征量计算部224c、第四特征量计算部224d以及噪声去除部224e。此外,在后文中说明运算处理部22的各部的功能。
接着,说明具备上述说明的结构的医用系统1的作用。
首先,用户在接通医用系统1各部的电源之后,例如,将插入部11插入,直到前端部14到达被检体的胃内部为止。由此,由摄像部17对由从前端部14出射的照明光(RGB光)照明的胃内部的被摄体进行拍摄,并且将与拍摄得到的该被摄体相应的摄像信号输出到CCU8。
CCU8在信号处理电路(未图示)中对从摄像部17的摄像元件15输出的摄像信号实施信号处理,由此将该摄像信号转换为影像信号而输出到医用图像处理装置3和监视器9。而且,监视器9根据从CCU8输出的影像信号,对由摄像部17拍摄得到的被摄体进行图像显示。
图4是表示由本实施例的医用图像处理装置进行的处理的一例的流程图。
另一方面,医用图像处理装置3的图像输入部21通过对所输入的影像信号实施A/D转换等处理来生成图像数据,将所生成的图像数据输出到运算处理部22(图4的步骤S1)。此外,在本实施例的图像输入部21中生成的图像数据具备纵×横=ISX×ISY=640×480的尺寸,并且各像素的R(红)成分、G(绿)成分以及B(蓝)成分具有8比特的灰度(256灰度)。
运算处理部22的预处理部221对从图像输入部21输入的图像数据实施逆伽马处理和中值滤波器的噪声去除处理等预处理(图4的步骤S2)。
运算处理部22的血管标志设定部222在由预处理部221实施了预处理的图像数据中,进行作为能够存在血管的区域的血管候选区域的初始设定(图4的步骤S3)。具体地说,血管标志设定部222按照由预处理部221实施了预处理的图像数据所包含的各像素,将初始状态下的血管候选区域的标志设定为打开(ON)或者关闭(OFF)中的某一个。在此,本实施例的血管标志设定部222 在上述初始设定中,例如可以将图像数据内的全部像素的标志同样地设为打开或者关闭,也可以随机地决定图像数据内的各像素的标志的打开和关闭,或者也可以根据对与图像数据内的各像素的色调等有关的特征量进行阈值处理的结果来决定标志的打开和关闭。
运算处理部22的像素选择部223从图像数据内的各像素中选择像素位置(i,j)中的关注像素P(i,j)(图4的步骤S4)。此外,在考虑上述例示的图像数据的尺寸(ISX×ISY=640×480)的情况下,成为0≤i≤639以及0≤j≤479。另外,像素选择部223例如可以从图像数据的左上角的像素至右下角的像素一边一个像素一个像素地进行扫描一边选择关注像素P(i,j),或者也可以从图像数据内的各像素中随机地选择关注像素P(i,j)。
运算处理部22的评价值计算部224通过进行使用了以下式(1)的运算,来计算在图4的步骤S4中选择的关注像素P(i,j)的评价值V(i,j)(图4的步骤S5)。
此外,设为上述式(1)右边的w1、w2、w3、w4以及w5的值是对fsv、fd、fw、fGR以及fn的各项分别设定的加权系数。具体地说,上述式(1)的右边的w1、w2、w3、w4以及w5的值例如设定为w1=3、w2=5、w3=1、w4=1以及w5=1那样的值。
在此,说明上述式(1)示出的fsv、fd、fw、fGR以及fn的各值的具体计算方法等。
评价值计算部224的第一特征量计算部224a计算在图4的步骤S4中选择的关注像素P(i,j)的特征量fsv。
具体地说,首先,第一特征量计算部224a按照图像数据内的各像素来计算从G成分的像素值去除R成分的像素值得到的值(以后,称为G/R值)。
之后,第一特征量计算部224a对与图像数据内的各像素的色调信息相当 的G/R值的计算结果中的、关注像素P(i,j)的G/R值(色调信息)和以关注像素P(i,j)为中心在左右方向、上下方向、第一倾斜方向(45°和225°方向)以及第二倾斜方向(135°和315°方向)的各方向上(直线状地)连续的规定数的像素的G/R值(色调信息)分别应用具备以下例示的滤波器系数的一维滤波器F1、F2和F3。
F1={0.182375、0.32356、0.1682、-0.3481、-0.652、-0.3481、0.1682、0.32356、0.18238}
F2={0.19347、0.28177、0.24509、-0.0356、-0.4009、-0.5676、-0.4009、-0.0356、0.24509、0.28177、0.19347}
F3={0.16261、0.18215、0.2109、0.20337、0.08723、-0.1554、-0.4214、-0.5389、-0.4214、-0.1554、0.08723、0.20337、0.2109、0.18215、0.16261}
上述一维滤波器F1是设计成在应用于G/R值的计算结果的情况下能够适当地检测具有五个像素量的宽度的血管的匹配滤波器,构成为具有九个像素量的滤波器系数。即,第一特征量计算部224a在上述各方向的每个方向上进行由关注像素P(i,j)和以关注像素P(i,j)为中心在两个方向(两侧)上连续的四个像素构成的九个像素量的G/R值与上述一维滤波器F1的各滤波器系数的积和运算,由此得到能够辨别具有五个像素量的宽度的血管是否存在的四个输出值。
另外,上述一维滤波器F2是设计成在应用于G/R值的计算结果的情况下能够适当地检测具有七个像素量的宽度的血管的匹配滤波器,构成为具有十一个像素量的滤波器系数。即,第一特征量计算部224a在上述各方向的每个方向上进行由关注像素P(i,j)与以关注像素P(i,j)为中心在两个方向(两侧)上连续的五个像素构成的十一个像素量的G/R值与上述一维滤波器F2的各滤波器系数的积和运算,由此得到能够辨别具有七个像素量的宽度的血管是否存在的四个输出值。
另外,上述一维滤波器F3是设计成在应用于G/R值的计算结果的情况下能够适当地检测具有九个像素量的宽度的血管的匹配滤波器,构成为具有十五个像素量的滤波器系数。即,第一特征量计算部224a在上述各方向的每个方向上进行由关注像素P(i,j)与以关注像素P(i,j)为中心在两个方向(两侧)上连续的七个像素构成的十五个像素量的G/R值与上述一维滤波器F3的各滤波器系数的积和运算,由此得到能够辨别具有九个像素量的宽度的血管是否存在的四个输出值。
另外,红血球内的血红蛋白在构成RGB光的各波长频带中的、G(绿色)光的频带中具有强吸收特性。因此,例如在对包括血管的被摄体照射RGB光时得到的图像数据中,存在血管的区域的G成分的浓度值具有比不存在血管的区域的G成分的浓度值相对低的趋势。而且,在示出沿血管的横截面方向基于这种趋势的G成分的浓度值的变动的情况下,形成图5示出的向下凸的形状。
即,上述一维滤波器F1~F3被设计成具有考虑了图5例示那样的G成分的浓度值的变动的滤波器系数,并且应用于G/R值的计算结果,由此大致不依赖于摄像条件(照明光的光量等)而能够检测出规定的像素数量的宽度的血管。此外,根据本实施例,并不限定于将G/R值使用于色调信息,例如也可以将G值(G成分的像素值)、G/(R+G+B)值(从G成分的像素值除R成分、G成分和B成分的像素值之和而得到的值)或者亮度值等其它值使用于色调信息。
而且,第一特征量计算部224a将通过使用了上述那样的一维滤波器F1、F2和F3的运算来得到的合计十二个输出值中的最大输出值设为关注像素P(i,j)的特征量fsv。另外,第一特征量计算部224a将与得到关注像素P(i,j)的特征量fsv时的滤波器应用方向正交的方向保持为与关注像素P(i,j)的血管行进方向有关的方向信息。并且,第一特征量计算部224a将得到关注像素P(i,j)的特征量fsv时的成为滤波器的检测对象的血管宽度的像素数的信息保持为 与关注像素P(i,j)的血管宽度有关的宽度信息。
此外,本实施例的第一特征量计算部224a并不限定于使用上述那样的一维滤波器F1、F2和F3的输出值来得到关注像素P(i,j)的特征量fsv的计算部,例如也可以是根据设计成适合于血管的Gabor滤波器等的输出值来得到关注像素P(i,j)的特征量fsv的计算部。
评价值计算部224的第二特征量计算部224b根据与在图4的步骤S4中选择的关注像素P(i,j)的血管行进方向有关的方向信息以及与关注像素P(i,j)的附近像素P(x,y)的血管行进方向有关的方向信息,来计算与血管行进方向的约束条件有关的特征量fd。此外,以后,为了说明简单,举例说明八个附近的附近像素P(x,y)的情况、即i-1≤x≤i+1和j-1≤y≤j+1的情况。另外,在x=y=0的情况下,不计算后述的value_d(x,y)和value_w(x,y)的值。
具体地说,首先,第二特征量计算部224b对于附近像素P(x,y)中的G/R值(色调信息)的计算结果,例如将上述一维滤波器F1~F3中的任一个以附近像素P(x,y)为中心应用于左右方向、上下方向、第一倾斜方向(45°和225°方向)以及第二倾斜方向(135°和315°方向)的各方向上而进行与第一特征量计算部224a相同的运算,由此计算附近像素P(x,y)中的特征量fsv1,并且保存与得到该特征量fsv1时的滤波器应用方向正交的方向,作为与附近像素P(x,y)的血管行进方向有关的方向信息。
此外,在第二特征量计算部224b的特征量fd的计算处理中,计算附近像素P(x,y)的特征量fsv1时的滤波器应用方向也可以从上述左右方向、上下方向、第一倾斜方向(45°和225°方向)以及第二倾斜方向(135°和315°方向)的各方向中增减。另外,第二特征量计算部224b在计算附近像素P(x,y)中的特征量fsv1时,并不限定于使用上述一维滤波器F1~F3中的任一个,例如也可以使用设计成适合于血管的带通滤波器。
之后,第二特征量计算部224b通过将附近像素P(x,y)中的特征量fsv1应用于以下式(2),来计算关注像素P(i,j)与附近像素P(x,y)之间的、与方向有关的约束值value_d(x,y)。
value_d(x,y)=weight1×fsv1...(2)
在此,第二特征量计算部224b根据与关注像素P(i,j)和附近像素P(x,y)的血管行进方向有关的方向信息,例如在附近像素P(x,y)中的血管候选区域的标志为打开(ON)并且关注像素P(i,j)位于相对于附近像素P(x,y)的方向信息的方向的延伸方向、并且关注像素P(i,j)的方向信息的方向与附近像素P(x,y)的方向信息的方向一致的情况下,将上述式(2)中的weight1的值设定为0.2。具体地说,例如在相对于图6的关注像素P(i,j)的右下角的附近像素P(x,y)的血管候选区域的标志为打开(ON)的情况下,通过与上述条件匹配,将weight1的值设定为0.2。因此,在相对于图6的关注像素P(i,j)的右下角的附近像素P(x,y)的特征量fsv1为3.1的情况下,成为约束值value_d(x,y)=0.62。
另外,第二特征量计算部224b根据与关注像素P(i,j)和附近像素P(x,y)的血管行进方向有关的方向信息,例如在附近像素P(x,y)中的血管候选区域的标志为打开并且关注像素P(i,j)位于相对于附近像素P(x,y)的方向信息的方向的延伸方向、并且关注像素P(i,j)的方向信息的方向与附近像素P(x,y)的方向信息的方向彼此正交的情况下,将上述式(2)中的weight1的值设定为-0.2。具体地说,例如在相对于图6的关注像素P(i,j)的右上角的附近像素P(x,y)的血管候选区域的标志为打开的情况下,通过与上述条件匹配,将weight1的值设定为-0.2。因此,在相对于图6的关注像素P(i,j)的右上角的附近像素P(x,y)的特征量fsv1为3.2的情况下,成为约束值value_d(x,y)=-0.64。
并且,第二特征量计算部224b根据与关注像素P(i,j)和附近像素P(x,y)的血管行进方向有关的方向信息,在与上述说明的两个条件中的任一个均不匹配的情况下,将上述式(2)中的weight1的值设定为0,由此得到约束值value_d(x,y)=0这种计算结果。
此外,上述式(2)中的weight1的值并不限定于设定为上述说明的值,也可以设定为其它值。
而且,第二特征量计算部224b根据约束值value_d(x,y)的计算结果来进行以下式(3)的运算,由此计算关注像素P(i,j)的特征量fd。
此外,在本实施例中,关于相对于关注像素P(i,j)的八个的附近像素P(x,y)计算约束值value_d(x,y),因此将上述式(3)的右边N的值设定为1。
另外,上述式(3)的右边的分母TB为大于0的数值,并且设定为与八个附近的附近像素P(x,y)中的、得到约束值value_d(x,y)=0以外的计算结果的像素数相等的数值。
并且,例如在由各附近像素P(x,y)的血管候选区域的标志为关闭(OFF)这一情况等导致各附近像素P(x,y)的约束值value_d(x,y)全部为0的情况下(上述式(3)的TB值成为0的情况下),第二特征量计算部224b不进行上述式(3)的运算,将关注像素P(i,j)的特征量fd的值设定为0。
根据上述说明的特征量fd,由于色调淡等而估计为血管产生中断的像素的特征量fd成为比其它像素的特征量fd相对大的值。因此,根据上述说明的特征量fd,在图像数据内将估计为血管产生中断的区域抽取出来,作为血管候选区域。
评价值计算部224的第三特征量计算部224c根据与在图4的步骤S4中选择的关注像素P(i,j)的血管宽度有关的宽度信息以及与关注像素P(i,j)的附近像素P(x,y)的血管宽度有关的宽度信息来计算与血管宽度的约束条件有关的特征量fw。
具体地说,首先,第三特征量计算部224c对于附近像素P(x,y)中的G/R值 (色调信息)的计算结果,例如将上述一维滤波器F1~F3以附近像素P(x,y)为中心分别应用于左右方向、上下方向、第一倾斜方向(45°和225°方向)以及第二倾斜方向(135°和315°方向)的各方向上而进行与第一特征量计算部224a相同的运算,由此计算附近像素P(x,y)中的特征量fsv2,并且将得到该特征量fsv2时的成为滤波器的检测对象的血管宽度的像素数的信息保持为与附近像素P(x,y)的血管宽度有关的宽度信息。
此外,第三特征量计算部224c在计算附近像素P(x,y)中的特征量fsv2时,并不限定于使用上述一维滤波器F1~F3,也可以使用按照成为检测对象的血管宽度的像素数来构成的多个带通滤波器。
之后,第三特征量计算部224c将附近像素P(x,y)中的特征量fsv2应用于以下式(4),由此计算关注像素P(i,j)与附近像素P(x,y)之间的、与宽度有关的约束值value_w(x,y)。
value_w(x,y)=weight2×fsv2...(4)
在此,第三特征量计算部224c根据与关注像素P(i,j)和附近像素P(x,y)的血管宽度有关的宽度信息,例如在附近像素P(x,y)中的血管候选区域的标志为打开并且从关注像素P(i,j)的宽度信息所包含的血管的宽度的像素数减去附近像素P(x,y)的宽度信息所包含的血管的宽度的像素数而得到的减法结果的绝对值大于2的情况下,将上述式(4)中的weight2的值设定为-0.2。
另外,第三特征量计算部224c根据与关注像素P(i,j)和附近像素P(x,y)的血管宽度有关的宽度信息,在与上述说明的条件不匹配的情况下,将上述式(4)中的weight2的值设定为0,由此得到约束值value_w(x,y)=0这种计算结果。
此外,上述式(4)中的weight2的值并不限定于设定为上述说明的值,也可以设定为其它值。
而且,第三特征量计算部224c根据约束值value_w(x,y)的计算结果来进行以下式(5)的运算,由此计算关注像素P(i,j)的特征量fw。
此外,在本实施例中,关于相对于关注像素P(i,j)的八个附近的附近像素P(x,y)计算约束值value_w(x,y),因此将上述式(5)的右边的N的值设定为1。
另外,上述式(5)的右边的分母TC为大于0的数值,并且设定为与八个附近的附近像素P(x,y)中的得到约束值value_w(x,y)=0以外的计算结果的像素数相等的数值。
并且,例如在由各附近像素P(x,y)的血管候选区域的标志为关闭(OFF)这一情况等导致各附近像素P(x,y)的约束值value_w(x,y)全部为0的情况下(在上述式(5)的TC的值成为0的情况下),第三特征量计算部224c不进行上述式(5)的运算,将关注像素P(i,j)的特征量fw的值设定为0。
根据上述说明的特征量fw,估计为产生不自然的血管宽度的变动的像素的特征量fw成为比其它像素的特征量fw相对小的值。因此,根据上述说明的特征量fw,能够在图像数据内从血管候选区域排除估计为产生不自然的血管宽度的变动的区域。
评价值计算部224的第四特征量计算部224d根据表示在图4的步骤S4中选择的关注像素P(i,j)的色调与关注像素P(i,j)的周边像素的色调之间的相关性的色调信息,来计算与色调的约束条件有关的特征量fGR。
具体地说,第四特征量计算部224d计算以关注像素P(i,j)为中心的51×51尺寸的矩形区域所包含的全部像素的G/R值(色调信息),并且计算各G/R值的平均值GRAvg(i,j)。
此外,使用于计算平均值GRAvg(i,j)的区域并不限定于51×51尺寸的矩形区域,也可以是具有其它尺寸和(或者)形状的区域。
另外,第四特征量计算部224d也可以从图像数据内的规定区域中抽取实际存在血管的可能性高的像素群而计算平均值GRAvg(i,j)。具体地说,第四特征量计算部224d例如也可以根据第一特征量计算部224a的运算结果,从51×51尺寸的矩形区域中抽取特征量fsv的值成为规定值以上的像素群,根据属于抽取出的像素群中的各像素的G/R值来计算平均值GRAvg(i,j)。
而且,第四特征量计算部224d通过将作为关注像素P(i,j)的G/R值的GR(i,j)和上述平均值GRAvg(i,j)的计算结果应用于以下式(6)来计算特征量fGR。
fGR=(GRAvg(i,j)/GR(i,j)-1.0)×weight3...(6)
此外,上述式(6)中的weight3例如是设定为10.0等任意的数值的常数。
另外,第四特征量计算部224d也可以代替平均值GRAvg(i,j)将对平均值GRAvg(i,j)加上标准偏差或者从平均值GRAvg(i,j)减去标准偏差而得到的值应用于上述式(6)而计算特征量fGR。
根据上述说明的特征量fGR,实际存在血管的可能性高的像素的特征量fGR的值成为正值,另一方面,实际存在血管的可能性低的像素的特征量fGR的值成为负值。因此,根据上述说明的特征量fGR,能够在图像数据内抽取估计为产生血管的分支或者交差的区域来作为血管候选区域。
评价值计算部224的噪声去除部224e判断包括在图4的步骤S4中选择的关注像素P(i,j)的局部区域的结构是否为由噪声引起的结构(是否为孤立点),根据其判断结果来计算用于校正评价值V(i,j)的校正值fn。
具体地说,在将由噪声引起产生的结构(孤立点)的尺寸设为小于M×M像素的情况下,噪声去除部224e分别对在包括关注像素P(i,j)的(M+2)×(M+2)的矩形区域内血管候选区域的标志为打开的像素数Cs与在包括关注像素P(i,j)的(M+4)×(M+4)的矩形区域内血管候选区域的标志为打开的像素数Ct进行计数。
而且,在Cs=Ct的情况下,噪声去除部224e判断为包括关注像素P(i,j)的 局部区域的结构为由噪声引起产生的,并且将通过第一特征量计算部224a的运算结果而得到的特征量fsv例如乘以设定为-10.0等任意的数值的常数weight4,由此计算关注像素P(i,j)的校正值fn。另外,在Cs≠Ct的情况下,噪声去除部224e判断为包括关注像素P(i,j)的局部区域的结构并非由噪声引起产生的,能够将关注像素P(i,j)的校正值fn设定为0。
另外,在当前的处理状况与后述的图4的步骤S9中的处理结束条件大幅偏离的情况下,考虑为血管候选区域的标志为打开或关闭可靠性低。考虑这样的情形,噪声去除部224e也可以根据当前的处理状况与图4的步骤S9中的处理结束条件之间的相关性来使校正值fn的加权发生变化。
具体地说,例如,在图4的步骤S9中的处理结束条件是根据处理次数来决定的并且Cs=Ct的情况下,噪声去除部224e也可以通过将当前的处理次数除以处理结束次数来获取weight_num的值,并且通过将得到的weight_num的值应用于以下式(7)来计算校正值fn。
fn=-weight4×fsv×weight_num...(7)
而且,运算处理部22的评价值计算部224将通过上述说明的处理得到的fsv、fd、fw、fGR以及fn的各值应用于上述式(1),由此计算在图4的步骤S4中选择的关注像素P(i,j)的评价值V(i,j)。
此外,运算处理部22的评价值计算部224在使用上述式(1)来计算关注像素P(i,j)的评价值V(i,j)时,并不限定于将fsv、fd、fw、fGR以及fn的各值应用于上述式(1)的分子,例如也可以从上述各值中选择一个以上的应用于上述式(1)的分子的值而进行运算,或者也可以将上述各值以外的其它项加到上述式(1)的分子而进行运算(其中,由于校正值fn的性质,无法单独使用校正值fn而计算评价值V(i,j),因此需要将校正值fn与其它值一起应用于上述式(1))。
运算处理部22的评价值判断部225判断在图4的步骤S5中计计算的评价值V(i,j)是否为阈值Thre以上(图4的步骤S6)。
而且,血管标志设定部222在由评价值判断部225得到评价值V(i,j)为阈值Thre以上这种判断结果、即关注像素P(i,j)为构成血管的像素这种判断结果的情况下,将关注像素P(i,j)的血管候选区域的标志设定(更新)为打开(图4的步骤S7)。另一方面,血管标志设定部222在由评价值判断部225得到评价值V(i,j)小于阈值Thre这种判断结果、即关注像素P(i,j)并非是构成血管的像素这种判断结果的情况下,将关注像素P(i,j)的血管候选区域的标志设定(更新)为关闭(图4的步骤S8)。
处理结束条件判断部226判断当前的处理状况是否满足预先设定的处理结束条件(图4的步骤S9)。具体地说,处理结束条件判断部226例如判断与从图4的步骤S4至步骤S8有关的处理是否对图像数据内的各像素进行了十次、或者判断图像数据内的各像素中的血管候选区域的标志为打开或关闭的变更次数(更新频率)是否小于规定的阈值。
而且,运算处理部22在由处理结束条件判断部226得到当前的处理状况不满足预先设定的处理结束条件这种判断结果的情况下,在像素选择部223、评价值计算部224、评价值判断部225以及处理结束条件判断部226的各部中再次实施从图4的步骤S4至步骤S9为止的处理。另外,运算处理部22在由处理结束条件判断部226得到当前的处理状况满足预先设定的处理结束条件这种判断结果的情况下,在得到该判断结果的时间点将由血管候选区域的标志为打开的各像素构成的区域检测为能够视为实际存在血管的血管区域(图4的步骤S10)。
另一方面,显示处理部28通过对从图像输入部21输入的图像数据所包含的各像素中的、与通过图4的一系列处理检测出的血管区域相当的像素群实施着色等处理,由此生成图像信号而输出,该图像信号是用于使相当于血管区域的像素群被可视化的图像显示在监视器4中。
根据上述说明的本实施例,能够将拍摄体腔内的生物体组织而得到的图 像数据所包含的各像素中的、评价值V(i,j)高的像素检测为血管区域。因此,根据上述说明的本实施例,能够高精度地检测图像所包含的血管。
此外,上述说明的实施例并不限定于血管的检测,例如也能够广泛应用于大肠腺管开口(pit)或者上皮结构等具有线状结构的组织的检测。但是,例如在对拍摄实施了甲基紫染色的状态下的大肠腺管开口而得到的图像数据应用本实施例的处理的情况下,鉴于沿血管的横截面方向的情况下的G成分的浓度值的变动并非图5例示的向下凸的形状而成为向上凸的形状,需要适当地变更用作色调信息的值和判断条件等。
另外,上述说明的实施例并不限定于应用于使用内窥镜拍摄得到的图像数据,例如还能够应用于对拍摄眼底得到的图像数据所包含的血管等线段进行检测时的情况。
本发明并不限定于上述实施例,当然在不脱离发明的宗旨的范围内能够进行各种变更、应用。
本申请主张在2011年2月22日洗日本申请的特愿2011-036168号的优先权基础,上述公开内容被引用于本申请的说明书、权利要求、附图。
Claims (5)
1.一种医用图像处理装置,其特征在于,具有:
像素选择部,其从拍摄生物体组织得到的图像中选择关注像素;
特征量计算部,其获取在包括上述关注像素的规定的范围内存在的像素群的色调信息,并且根据上述色调信息来计算一个以上的上述关注像素的特征量;
评价值计算部,其根据由上述特征量计算部计算出的各特征量,来计算上述关注像素的评价值;
评价值判断部,其根据由上述评价值计算部计算出的评价值,来判断上述关注像素是否为构成线状结构的像素;以及
线状结构检测部,其根据上述评价值判断部的判断结果,检测在上述图像中存在上述线状结构的区域,
其中,上述特征量计算部按照上述关注像素和与上述关注像素连续的多个像素的各像素来获取上述色调信息,并且根据将以适合于上述线状结构的方式设计的滤波器应用于在上述关注像素和上述多个像素中获取到的上述色调信息而得到的结果,来计算与上述线状结构中的色调的变动相应的上述关注像素的特征量,
其中,上述特征量计算部还获取上述关注像素的附近区域的各像素的上述色调信息,并且根据将以适合于上述线状结构的方式设计的滤波器应用于在上述附近区域的各像素中获取到的上述色调信息而得到的结果,来计算与上述线状结构的行进方向的约束条件有关的上述关注像素的特征量。
2.一种医用图像处理装置,其特征在于,具有:
像素选择部,其从拍摄生物体组织得到的图像中选择关注像素;
特征量计算部,其获取在包括上述关注像素的规定的范围内存在的像素群的色调信息,并且根据上述色调信息来计算一个以上的上述关注像素的特征量;
评价值计算部,其根据由上述特征量计算部计算出的各特征量,来计算上述关注像素的评价值;
评价值判断部,其根据由上述评价值计算部计算出的评价值,来判断上述关注像素是否为构成线状结构的像素;以及
线状结构检测部,其根据上述评价值判断部的判断结果,检测在上述图像中存在上述线状结构的区域,
其中,上述特征量计算部按照上述关注像素和与上述关注像素连续的多个像素的各像素来获取上述色调信息,并且根据将以适合于上述线状结构的方式设计的滤波器应用于在上述关注像素和上述多个像素中获取到的上述色调信息而得到的结果,来计算与上述线状结构中的色调的变动相应的上述关注像素的特征量,
其中,上述特征量计算部还获取上述关注像素的附近区域的各像素的上述色调信息,并且根据将以适合于上述线状结构的方式设计的滤波器应用于在上述附近区域的各像素中获取到的上述色调信息而得到的结果,来计算与上述线状结构的宽度的约束条件有关的上述关注像素的特征量。
3.一种医用图像处理装置,其特征在于,具有:
像素选择部,其从拍摄生物体组织得到的图像中选择关注像素;
特征量计算部,其获取在包括上述关注像素的规定的范围内存在的像素群的色调信息,并且根据上述色调信息来计算一个以上的上述关注像素的特征量;
评价值计算部,其根据由上述特征量计算部计算出的各特征量,来计算上述关注像素的评价值;
评价值判断部,其根据由上述评价值计算部计算出的评价值,来判断上述关注像素是否为构成线状结构的像素;以及
线状结构检测部,其根据上述评价值判断部的判断结果,检测在上述图像中存在上述线状结构的区域,
其中,上述特征量计算部按照上述关注像素和与上述关注像素连续的多个像素的各像素来获取上述色调信息,并且根据将以适合于上述线状结构的方式设计的滤波器应用于在上述关注像素和上述多个像素中获取到的上述色调信息而得到的结果,来计算与上述线状结构中的色调的变动相应的上述关注像素的特征量,
其中,上述特征量计算部还按照包括上述关注像素的局部区域的各像素来获取上述色调信息,并且根据在上述局部区域的各像素中获取到的上述色调信息,来计算与上述线状结构的色调的约束条件有关的上述关注像素的特征量。
4.根据权利要求1-3中任一项所述的医用图像处理装置,其特征在于,
还具备噪声去除部,该噪声去除部判断包括上述关注像素的局部区域的结构是否为由噪声引起产生的结构,并且根据该判断结果来计算用于校正上述关注像素的评价值的校正值。
5.根据权利要求1-3中任一项所述的医用图像处理装置,其特征在于,
上述线状结构检测部在满足规定的条件之前的期间反复实施上述像素选择部、上述特征量计算部、上述评价值计算部以及上述评价值判断部的处理,并且根据满足上述规定的条件时的上述评价值判断部的判断结果,来检测在上述图像中存在上述线状结构的区域。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011-036168 | 2011-02-22 | ||
JP2011036168 | 2011-02-22 | ||
PCT/JP2011/078141 WO2012114600A1 (ja) | 2011-02-22 | 2011-12-06 | 医用画像処理装置及び医用画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103327883A CN103327883A (zh) | 2013-09-25 |
CN103327883B true CN103327883B (zh) | 2016-08-24 |
Family
ID=46720403
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180065521.XA Active CN103327883B (zh) | 2011-02-22 | 2011-12-06 | 医用图像处理装置和医用图像处理方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8639002B2 (zh) |
EP (1) | EP2679142B1 (zh) |
JP (1) | JP5276225B2 (zh) |
CN (1) | CN103327883B (zh) |
WO (1) | WO2012114600A1 (zh) |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150379708A1 (en) * | 2010-12-07 | 2015-12-31 | University Of Iowa Research Foundation | Methods and systems for vessel bifurcation detection |
US10140699B2 (en) | 2010-12-07 | 2018-11-27 | University Of Iowa Research Foundation | Optimal, user-friendly, object background separation |
EP2665406B1 (en) | 2011-01-20 | 2021-03-10 | University of Iowa Research Foundation | Automated determination of arteriovenous ratio in images of blood vessels |
US9545196B2 (en) | 2012-05-04 | 2017-01-17 | University Of Iowa Research Foundation | Automated assessment of glaucoma loss from optical coherence tomography |
JP6086663B2 (ja) * | 2012-06-19 | 2017-03-01 | オリンパス株式会社 | 画像処理装置、内視鏡装置及び孤立点ノイズ補正方法 |
CN104869884B (zh) * | 2012-12-19 | 2017-03-08 | 奥林巴斯株式会社 | 医用图像处理装置以及医用图像处理方法 |
JP6045396B2 (ja) * | 2013-02-27 | 2016-12-14 | 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 |
US10360672B2 (en) | 2013-03-15 | 2019-07-23 | University Of Iowa Research Foundation | Automated separation of binary overlapping trees |
CN104103039B (zh) * | 2013-04-08 | 2015-04-15 | 上海联影医疗科技有限公司 | 一种图像噪声估计方法 |
JP6349076B2 (ja) * | 2013-11-27 | 2018-06-27 | 株式会社ニデック | 画像処理装置および画像処理プログラム |
EP3085298A4 (en) * | 2013-12-19 | 2017-08-16 | Olympus Corporation | Image-processing apparatus, image-processing method, and image-processing program |
US10410355B2 (en) | 2014-03-21 | 2019-09-10 | U.S. Department Of Veterans Affairs | Methods and systems for image analysis using non-euclidean deformed graphs |
US10115194B2 (en) | 2015-04-06 | 2018-10-30 | IDx, LLC | Systems and methods for feature detection in retinal images |
JP6743588B2 (ja) * | 2015-10-27 | 2020-08-19 | コニカミノルタ株式会社 | 医用画像システム及びプログラム |
WO2020100630A1 (ja) | 2018-11-14 | 2020-05-22 | 富士フイルム株式会社 | 医療画像処理システム |
JP7041318B2 (ja) * | 2019-03-20 | 2022-03-23 | Hoya株式会社 | 内視鏡システム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101115435A (zh) * | 2005-02-15 | 2008-01-30 | 奥林巴斯株式会社 | 医用图像处理装置、管腔图像处理装置、管腔图像处理方法及用于上述装置和方法的程序 |
Family Cites Families (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4393016B2 (ja) * | 2000-06-30 | 2010-01-06 | 株式会社日立メディコ | 画像診断支援装置 |
JP3886757B2 (ja) * | 2001-09-27 | 2007-02-28 | フジノン株式会社 | 電子内視鏡装置 |
US6956602B2 (en) * | 2001-09-27 | 2005-10-18 | Fujinon Corporation | Electronic endoscope for highlighting blood vessel |
JP4409166B2 (ja) * | 2002-12-05 | 2010-02-03 | オリンパス株式会社 | 画像処理装置 |
US7022073B2 (en) * | 2003-04-02 | 2006-04-04 | Siemens Medical Solutions Usa, Inc. | Border detection for medical imaging |
JP4434705B2 (ja) * | 2003-11-27 | 2010-03-17 | オリンパス株式会社 | 画像解析方法 |
US8055033B2 (en) * | 2005-02-15 | 2011-11-08 | Olympus Corporation | Medical image processing apparatus, luminal image processing apparatus, luminal image processing method, and programs for the same |
JP5078486B2 (ja) * | 2007-07-26 | 2012-11-21 | オリンパスメディカルシステムズ株式会社 | 医療用画像処理装置及び医療用画像処理装置の作動方法 |
JP2009172077A (ja) * | 2008-01-23 | 2009-08-06 | Panasonic Corp | 血管位置取得装置および血管位置取得方法 |
GB0902280D0 (en) * | 2009-02-12 | 2009-03-25 | Univ Aberdeen | Disease determination |
JP2010184057A (ja) * | 2009-02-13 | 2010-08-26 | Fujifilm Corp | 画像処理方法および装置 |
EP2476363A4 (en) * | 2010-07-21 | 2014-06-25 | Olympus Medical Systems Corp | IMAGE PROCESSING DEVICE AND IMAGE PROCESSING METHOD |
US8553954B2 (en) * | 2010-08-24 | 2013-10-08 | Siemens Medical Solutions Usa, Inc. | Automated system for anatomical vessel characteristic determination |
JP5526044B2 (ja) * | 2011-01-11 | 2014-06-18 | 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 |
JPWO2012153568A1 (ja) * | 2011-05-10 | 2014-07-31 | 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 |
-
2011
- 2011-12-06 CN CN201180065521.XA patent/CN103327883B/zh active Active
- 2011-12-06 WO PCT/JP2011/078141 patent/WO2012114600A1/ja active Application Filing
- 2011-12-06 JP JP2012538536A patent/JP5276225B2/ja active Active
- 2011-12-06 EP EP11859300.3A patent/EP2679142B1/en not_active Not-in-force
-
2012
- 2012-08-22 US US13/591,289 patent/US8639002B2/en active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101115435A (zh) * | 2005-02-15 | 2008-01-30 | 奥林巴斯株式会社 | 医用图像处理装置、管腔图像处理装置、管腔图像处理方法及用于上述装置和方法的程序 |
Non-Patent Citations (1)
Title |
---|
Multiscale Vessel Enhancement Filtering;Alejandro F. Frangi 等;《Medical Image Computing and Computer-Assisted Intervention-MICCAI 98》;19981231;第1496卷;摘要,引言部分,方法部分和结论部分 * |
Also Published As
Publication number | Publication date |
---|---|
US8639002B2 (en) | 2014-01-28 |
JP5276225B2 (ja) | 2013-08-28 |
EP2679142A1 (en) | 2014-01-01 |
EP2679142A4 (en) | 2015-04-22 |
JPWO2012114600A1 (ja) | 2014-07-07 |
WO2012114600A1 (ja) | 2012-08-30 |
CN103327883A (zh) | 2013-09-25 |
EP2679142B1 (en) | 2017-04-19 |
US20130051641A1 (en) | 2013-02-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103327883B (zh) | 医用图像处理装置和医用图像处理方法 | |
US8515141B2 (en) | Medical image processing apparatus and method for detecting locally protruding lesion | |
EP1994878B1 (en) | Medical image processing device and medical image processing method | |
CN110600122B (zh) | 一种消化道影像的处理方法、装置、以及医疗系统 | |
Yang-Mao et al. | Edge enhancement nucleus and cytoplast contour detector of cervical smear images | |
CN107708521B (zh) | 图像处理装置、内窥镜系统、图像处理方法以及图像处理程序 | |
EP2305091B1 (en) | Image processing apparatus, image processing program, and image processing method | |
EP1849402B1 (en) | Medical image processing device, lumen image processing device, lumen image processing method, and programs for them | |
EP2937033A1 (en) | Image processing apparatus, electronic device, endoscope apparatus, program, and image processing method | |
JP5301737B2 (ja) | 医用画像処理装置 | |
CN102724909B (zh) | 医用图像处理装置和医用图像处理方法 | |
JP2004181096A (ja) | 画像処理方法 | |
EP2405397A1 (en) | Processing of images captured inside a body lumen | |
US20090196495A1 (en) | Image processing apparatus, image processing method and image processing program | |
US9262687B2 (en) | Image processing apparatus and method of operation of image processing appartus | |
US20130064436A1 (en) | Medical image processing apparatus and method of operating medical image processing apparatus | |
CN102984990A (zh) | 诊断辅助装置 | |
CN117481579A (zh) | 内窥镜系统及其工作方法 | |
KR20160118037A (ko) | 의료 영상으로부터 병변의 위치를 자동으로 감지하는 장치 및 그 방법 | |
CN109152517A (zh) | 图像处理装置、图像处理装置的控制方法和图像处理装置的控制程序 | |
Chen et al. | Ulcer detection in wireless capsule endoscopy video | |
Lee et al. | Bleeding detection algorithm for capsule endoscopy | |
EP2506212B1 (en) | Image processing apparatus, image processing method, and image processing program | |
JP2019180748A (ja) | 画像処理プログラム、画像処理装置、および画像処理方法 | |
Liu et al. | Mining colonoscopy videos to measure quality of colonoscopic procedures |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C41 | Transfer of patent application or patent right or utility model | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20151109 Address after: Tokyo, Japan, Japan Applicant after: Olympus Corporation Address before: Tokyo, Japan, Japan Applicant before: Olympus Medical Systems Corp. |
|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |