CN107106110B - 图像处理装置以及图像处理方法 - Google Patents

图像处理装置以及图像处理方法 Download PDF

Info

Publication number
CN107106110B
CN107106110B CN201580062376.8A CN201580062376A CN107106110B CN 107106110 B CN107106110 B CN 107106110B CN 201580062376 A CN201580062376 A CN 201580062376A CN 107106110 B CN107106110 B CN 107106110B
Authority
CN
China
Prior art keywords
region
image
boundary
volume data
image processing
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
Application number
CN201580062376.8A
Other languages
English (en)
Other versions
CN107106110A (zh
Inventor
田中诗乃
白旗崇
谷口扩树
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 Healthcare Corp
Original Assignee
Hitachi Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Publication of CN107106110A publication Critical patent/CN107106110A/zh
Application granted granted Critical
Publication of CN107106110B publication Critical patent/CN107106110B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • 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
    • 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

Landscapes

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

Abstract

提供一种图像处理装置以及图像处理方法，能够进行用于从体数据高精度地提取处于不同物质的边界并且像素值不均匀且连续地变化的区域的区域扩展处理，并使用所扩展的区域的信息来生成更准确的分析图像，为此，图像处理装置的CPU取得包含大肠的区域的体数据，在大肠内部的空气与残留物的边界区域设定多个区域扩展的起点，并且对各起点分别设定与像素值梯度相应大小的可扩展范围的条件，CPU按照所设定的条件从各起点起进行区域扩展处理，由此，即使在与周围的像素之差较小的区域中也无遗漏地提取边界区域，CPU基于这样得到的边界区域的信息来生成分析图像。

Description

图像处理装置以及图像处理方法
技术领域
本发明涉及图像处理装置以及图像处理方法，详细来说，涉及在从CT图像、MR图像提取规定区域时使用的区域扩展处理。
背景技术
已知一种如下方法，即，根据通过X射线CT(Computed Tomography，计算机断层扫描)装置、MRI(Magnetic Resonance Imaging，磁共振成像)装置等拍摄的断层像群来生成三维原图像(三维体数据)，并生成适于诊断的图像(以下称为分析图像)来进行显示。作为分析图像，生成例如三维体绘制图像、MIP(Maximum Intensity Projection，最大强度投影)图像等。
另外，在使用X射线CT装置或MRI装置对用二氧化碳、空气使大肠等空腔脏器扩张后的腹部区域进行拍摄的情况下，一般需要进行空腔脏器内的清洗。但是常常存在未能完全洗净而致使残留物残留在脏器内的情况。在这样的情况下，残留物和病变的判别很困难，不利于图像诊断。因此，使用了一种被称为“Fecal Tagging(粪便标记)”的方法，该方法通过使用口服造影剂对残留物进行造影，使图像上的残留物的像素值高于病变的CT值，从而判别残留物和病变。进而近年来，开始使用通过图像处理从分析图像去除造影后的残留物的技术(称为残留物去除或Electronic Cleansing(电子清除))。
对于简单的残留物去除而言，针对通过像素值的阈值处理等而辨别出的造影残留物区域，将像素值变换为空气相应的像素值之后生成分析图像。但是，在像空气与造影残留物的边界那样多个物质的边界部处，由于部分容积效应，像素值连续地变化。因此，单纯的阈值处理难以辨别并去除2个区域(2层体区域)的边界区域，边界区域被描绘于分析图像。所谓部分容积效应，是指CT图像中像素值不同的2个区域相接的情况下，其边界区域的像素值连续地变化为各区域的像素值相连的现象。
因此，在专利文献1中，提出了一种方法，即，利用造影残留物与大肠内的空气区域相接，在2层体区域中提取2个层及其整个边界。
在先技术文献
专利文献
专利文献1：JP专利第4146438号公报
发明内容
发明要解决的课题
但是，在专利文献1的残留物去除方法中，由于选择二层体的边界面的候补中的、朝向为水平的部分作为边界面部分，因此只能应用于液状的造影残留物，而难以对固形的造影残留物与空气的边界区域进行应用。此外，在提取大肠内的残留物与空气的边界区域的处理中，若在其边界线的端部(接近空腔壁的周围的软部组织(软组织)的像素等)和中央部以相同条件进行提取处理，则由于端部是残留物的像素与周围(软部组织)的像素的像素值之差较小的部分，因此有可能发生提取的遗漏或过多提取。
在这样的情况下，基于这些图像而生成的分析图像有时会成为未准确地描绘出周围的软部组织的图像。此外，当提取出整个2层体时，在随后生成的三维图像等分析图像中，有可能空腔脏器的壁面被不连续地描绘，表面被粗糙地描绘。
此外，在用X射线CT装置或MRI装置等对血管等空腔脏器进行拍摄时，使用造影剂对血管进行造影。利用体绘制图像、曲面MPR(Multi-Planar Reconstruction，多平面重建)图像等三维的分析图像对像素值因造影剂而增高的血管区域进行描绘，利用于诊断、手术仿真。
在生成这些分析图像的情况下，图像处理装置需要对血管区域与其他区域进行辨别，但是在血管的末端部分，与大动脉的中心部的较粗的血管相比，存在造影剂未充分地传播，致使造影不充分的情况。在该情况下，由于像素值随着从血管较粗的部分向末端部前进而逐渐下降，因此有时不识别为血管。
本发明鉴于以上的问题点而作，其目的在于提供一种图像处理装置以及图像处理方法，能够进行用于从体数据高精度地提取处于不同物质的边界并且像素值不均匀且连续地变化的区域的区域扩展处理，并使用进行了扩展的区域的信息来生成更准确的分析图像。
用于解决课题的手段
为了达成前述目的，本发明提供一种图像处理装置，其特征在于，具备：体数据取得部，其取得包含处于不同物质的边界并且像素值不均匀且连续地变化的区域的图像的体数据；设定部，其在所述区域内设定多个区域扩展的起点，并且按每个所述起点设定与像素值梯度相关的条件作为区域扩展的条件；区域扩展处理部，其按照所述条件从所述起点起进行区域扩展处理；和图像生成部，其基于通过所述区域扩展处理而扩展的区域即扩展区域的信息，根据所述体数据来生成分析图像。
此外本发明提供一种图像处理方法，其特征在于，计算机执行包括如下步骤的处理：取得包含处于不同物质的边界并且像素值不均匀且连续地变化的区域的图像的体数据的步骤；在所述区域内设定多个区域扩展的起点，并且按每个所述起点设定与像素值梯度相关的条件作为区域扩展的条件的步骤；按照所述条件从所述起点起进行区域扩展处理的步骤；和基于通过所述区域扩展处理而扩展的区域即扩展区域的信息，根据所述体数据来生成分析图像的步骤。
发明效果
根据本发明的图像处理装置以及图像处理方法，能够进行用于从体数据高精度地提取处于不同物质的边界并且像素值不均匀且连续地变化的区域的区域扩展处理，并使用所扩展的区域的信息来生成更准确的分析图像。
附图说明
图1是表示图像处理装置100的整体结构的图。
图2是说明本发明所涉及的图像处理装置100执行的分析图像生成处理的流程的流程图(第1实施方式)。
图3是包含残留物(液体残留物)32的大肠区域的剖视图。
图4是包含固体残留物52的大肠区域的剖视图。
图5的(a)是对在液体残留物与空气的边界部的区域扩展处理中设定的扩展条件进行说明的图，图5的(b)是表示所提取出的边界区域47的图。
图6的(a)是对在固体残留物与空气的边界部的区域扩展处理中设定的扩展条件进行说明的图，图6的(b)是表示所提取出的边界区域67的图。
图7是对分析图像生成处理进行说明的图(关于不透明度、描绘禁止区域的设定)。
图8是说明本发明所涉及的图像处理装置100执行的分析图像生成处理的流程的流程图(第2实施方式)。
图9的(a)是对梯度信息的取得方向进行说明的图，图9的(b)是表示图9的(a)的扫描方向上的像素值分布的曲线图，图9的(c)是表示图9的(b)的曲线图的一阶微分的曲线图，图9的(d)是表示图9的(b)的曲线图的二阶微分的曲线图。
图10的(a)是表示使用一阶微分的信息提取出的边界区域81的图，图10的(b)是表示使用二阶微分的信息提取出的边界区域82的图。
图11是末端部分的造影不充分的血管的示意图。
图12是说明本发明所涉及的图像处理装置100执行的分析图像生成处理的流程的流程图(第3实施方式)。
图13是对处理开始点P的设定进行说明的图。
图14是对扩展条件的设定进行说明的图。
图15是表示血管表面的区域扩展处理(图12的步骤S306)的过程的流程图。
图16是对区域扩展的起点的移动(血管行进方向)进行说明的图。
图17的(a)是表示区域扩展处理前的血管的图，图17的(b)是表示血管表面的区域扩展后的血管的图。
具体实施方式
以下，参照附图对本发明的实施方式详细进行说明。
[第1实施方式]
首先，参照图1对应用了本发明的图像处理装置100的图像处理系统1的结构进行说明。
如图1所示，图像处理系统1具备：具有显示装置107、输入装置109的图像处理装置100、经由网络110与图像处理装置100连接的图像数据库111、和图像拍摄装置112。
图像处理装置100是进行图像生成、图像分析等处理的计算机。例如，包含设置于病院等的医用图像处理装置。
如图1所示，图像处理装置100具备CPU(Central Processing Unit，中央处理器)101、主存储器102、存储装置103、通信接口(通信I/F)104、显示存储器105以及与鼠标108等外部设备的接口(I/F)106，各部经由总线113连接。
CPU101将保存在主存储器102或存储装置103等的程序调出到主存储器102的RAM上的工作存储器区域并加以执行，对经由总线113连接的各部进行驱动控制，从而实现图像处理装置100执行的各种处理。
此外，CPU101执行分析图像生成处理(参照图2)，该分析图像生成处理根据对CT图像等断层像进行堆叠而成的体数据，来生成用于图像诊断的分析图像。关于分析图像生成处理的详情在后面叙述。
主存储器102由ROM(Read Only Memory，只读存储器)、RAM(Random AccessMemory，随机存取存储器)等构成。ROM永久地保持有计算机的引导程序、BIOS等程序、数据等。此外，RAM临时性地保持从ROM、存储装置103等加载的程序、数据等，并且具备用于CPU101执行各种处理的工作区。
存储装置103是进行向HDD(硬盘驱动器)或其他记录介质的数据的读写的存储装置，保存CPU101执行的程序、程序执行所需的数据、OS(操作系统)等。关于程序，保存有与OS相当的控制程序、应用程序。这种各程序代码根据需要由CPU101读出并移至主存储器102的RAM，作为各种单元而被执行。
通信I/F104具有通信控制装置、通信端口等，协调图像处理装置100与网络110的通信。此外通信I/F104经由网络110，进行与图像数据库111、其他计算机、或者X射线CT装置、MRI装置等图像拍摄装置112的通信控制。
I/F106是用于连接周边设备的端口，进行与周边设备的数据的收发。例如，可以经由I/F106来连接鼠标108或触控笔等定点设备。
显示存储器105是临时性地累积从CPU101输入的显示数据的缓冲器。所累积的显示数据在规定的定时被输出至显示装置107。
显示装置107由液晶面板、CRT监视器等显示装置、和用于与显示装置协作执行显示处理的逻辑电路构成，经由显示存储器105与CPU101连接。显示装置107通过CPU101的控制对累积在显示存储器105中的显示数据进行显示。
输入装置109例如是键盘等输入装置，将由操作者输入的各种指示或信息输出至CPU101。操作者使用显示装置107、输入装置109以及鼠标108等外部设备以对话的方式对图像处理装置100进行操作。
网络110包含LAN(Local Area Network，局域网)、WAN(Wide Area Network，广域网)、内部网、因特网等各种通信网，协调图像数据库111或服务器、其他信息设备等与图像处理装置100的通信连接。
图像数据库111对由图像拍摄装置112拍摄到的图像数据进行累积存储。在图1所示的图像处理系统1中，图像数据库111是经由网络110与图像处理装置100连接的结构，但也可以在图像处理装置100内的例如存储装置103中设置图像数据库111。
接下来，参照图2～图7对图像处理装置100的动作进行说明。
图像处理装置100的CPU101从主存储器102读出与图2的分析图像生成处理相关的程序以及数据，并基于该程序以及数据来执行处理。
另外，假定在开始执行分析图像生成处理时，作为处理对象的图像数据已经从图像数据库111等经由网络110以及通信I/F104而取入，并存储在图像处理装置100的存储装置103中。此外，作为处理对象的图像数据设为对包含对象区域的多个断层像进行堆叠而成的体数据(三维原图像)。此外，作为体数据的优选示例，可以列举CT图像或MR图像等。在本实施方式中，作为处理对象的体数据，对用空气等进行扩张后的大肠区域进行拍摄得到的CT图像进行说明。另外，本发明的应用范围并不限定于大肠区域。例如，也能够应用于血管区域、其他的空腔脏器、具有像素值不同的多个区域的边界区域的图像。
图3是表示包含造影残留物的大肠的内部的示意图，示出了与空腔脏器的中心线大致垂直的剖面。如图3所示，大肠内部具有在空气区域31与残留物(残留物区域或液体残留物)32之间具有有限的厚度的残留物与空气的边界区域(或边界区域)33。大肠壁36的周边与软部组织34等接触。在残留物与空气的边界区域33，像素值不均匀，此外由于部分容积效应从而像素值连续地变化。因此，对于单纯的阈值处理而言，不能区分边界区域33与软部组织34，难以提取边界区域33。因此，在本发明的第1实施方式中，对用于像这样提取多个区域的边界区域33的区域扩展处理进行说明。
另外，图3是包含液状的残留物32的大肠的剖视图，但本发明也能够应用于图4所示那样的包含固体残留物52的情况。
如图2的流程图所示，首先CPU101读入包含作为观察对象或者诊断对象的大肠的医用图像数据(步骤S101)。所读入的医用图像数据，例如是将通过X射线CT装置等医用图像拍摄装置所拍摄到的断层像进行堆叠而成的三维体数据。图像处理装置100的CPU101将由操作者选择的医用图像的体数据从存储装置103读出并保持在主存储器102中。
接着CPU101对在步骤S101读入的体数据进行分析，使用像素值的信息以及解剖学信息等来提取大肠内部的空气区域31(步骤S102)。提取空气区域31时，CPU101例如基于像素值信息从体数据首先提取体外的空气区域和肺部区域，将在这些提取区域以外所提取出的空气区域中的、体积为规定阈值以上的空气区域识别为大肠内的空气区域31。
接着CPU101对在步骤S101读入的体数据进行分析，基于像素值的信息等来提取大肠内部的残留物区域32(步骤S103)。CPU101例如从在步骤S101读入的体数据提取骨区域，将在骨区域以外的部分中与残留物的像素值对应并且体积为阈值以上的区域提取为残留物区域32。或者，残留物区域32也可以利用其总是位于大肠内的垂直方向下侧的情况来进行残留物区域32的提取。即CPU101对在步骤S102提取出的大肠内的空气区域31的垂直方向下侧进行搜索，来检测与残留物32相当的像素。在空气区域31的几个像素下侧找到与残留物32相当的像素的情况下，通过以该像素为起点进行区域扩展来提取残留物区域32。
接下来，CPU101提取残留物与空气的边界区域33的中心线(残留物与空气的边界线)41(步骤S104)。在提取边界线41的处理中，例如CPU101在步骤S101读入的体数据的断层图像上在垂直方向上设定扫描线使得跨越图3的残留物区域32与空气区域31的边界，在各扫描线上求取像素值的梯度信息，并基于梯度信息来设定区域提取的起点。例如，针对各扫描线分别提取梯度值最大的像素，将在各扫描线上提取到的像素群设为残留物与空气的边界线41(图5)，在边界线41上设定多个起点。
关于上述的残留物与空气的边界区域33的寻找方法，例如，在垂直方向上对断层图像进行光栅扫描，搜索空气区域31的下侧的边界像素P1。进而，从边界像素P1起沿垂直方向进行光栅扫描，在有限的范围内搜索残留物区域32的上侧的边界像素P2。在找到边界像素P1与P2的双方的情况下，将从P1连接P2的线上的像素识别为残留物与空气的边界区域33。
CPU101以在步骤S104检测出的残留物与空气的边界线41上的多个像素为起点进行区域扩展(步骤S105)。此时，针对构成边界线41的各像素分别单独地设定可扩展范围。所谓可扩展范围，是CPU101进行区域扩展处理的有限的范围。在该可扩展范围的设定中，例如，利用各起点的像素的梯度信息、位置信息等。CPU101从边界线41上的各像素进行区域扩展处理时，设为不能向比所设定的可扩展范围更靠外侧进行扩展。
也可以利用作为用于设定可扩展范围的参数的各起点的像素的梯度信息、位置信息等，来设定所提取出的像素与起点的像素间的距离的最大值、能够扩展的世代的最大值等。
参照图5对在可扩展范围的设定中使用梯度信息的例子进行说明。
若对边界线41上的中央部的点42的像素处的梯度与靠近端部的点43的像素处的梯度进行比较，则靠近端部的点43更接近软部组织34(大肠壁的外侧区域)、空气31和残留物区域32这3个区域。因此，端部的点43的梯度可以认为小于中央部的点42的梯度。但是由于软部组织34与边界区域33(图3)的像素值之差较小，因而在区域扩展处理中很难将这2个区域分开。
因此，CPU101基于梯度值来设定进行扩展区域的范围(可扩展范围)。例如，对于边界线41上的中央部的点42等梯度较大的像素而言，将可扩展范围设定得较大。另一方面，对于边界线41上的端部的点43等梯度较小的像素而言，将可扩展范围设定得较小。图5(a)中由虚线所示的圆45、46分别表示点42、点43的可扩展范围。在边界线41上的中央部的点42处可扩展范围被设定得较大，在端部附近的点处可扩展范围被设定得较小。
像这样，CPU101作为区域扩展条件，设定与像素值的梯度相应大小的可扩展范围，并按照所设定的条件进行区域扩展。于是，提取图5(b)的区域47那样的新月型的区域。另外，在区域扩展处理中，除可扩展范围以外，作为区域扩展条件还设定像素值的扩展条件。
另外，上述的说明使用液体残留物32的例子进行了说明，但在包含固体残留物52的情况下也能够进行同样的区域扩展处理。图6是对包含固体残留物52的情况下的区域扩展处理进行说明的图。
如图6所示，空气51与固体残留物52的边界线61上的中央部的像素62由于梯度值较大，因而CPU101将可扩展范围设定得较大(包围点62的虚线的圆65)。另一方面，边界线61上的端部的点63将可扩展范围设定得较小(包围点63的虚线的圆66)。若以这样设定的条件(可扩展范围)进行区域扩展处理，则如图6(b)所示提取新月型的区域67。
返回至图2的说明。CPU101基于在步骤S105提取出的残留物与空气的边界区域47、67的信息，来生成分析图像(步骤S106)。在以下的说明中，作为分析图像的一例而说明虚拟内窥镜图像的生成方法。但是，本发明并不限定于虚拟内窥镜图像，也能够应用于生成展开图像、其他分析图像的情况。
图7是对作为分析图像的虚拟内窥镜图像进行说明的图。
如图7所示，考虑从位于大肠内部的视点71沿虚线箭头72的方向射出光线，使该光线通过的点的颜色信息投影至投影图像的某像素。此时，CPU101针对像素值设定不透明度(参照图7(b))。CPU101取得与光线通过的像素的像素值相应的不透明度，并对将该像素的颜色信息与不透明度等参数相乘得到的值进行累计。
例如，光线通过空气区域73时对应于不透明度a1，通过残留物与空气的边界区域74时对应于不透明度a2、a3、a4，通过残留物区域75时对应于不透明度a5，从大肠壁36通过软部组织34时分别对应于不透明度a4、a3、a2。由于不透明度的值越大则对象越会被描绘，因而所生成的分析图像(虚拟内窥镜图像)描绘残留物与空气的边界区域47、以及大肠壁36与软部组织34的边界区域。
因此，在本实施方式中，将在步骤S105提取出的残留物与空气的边界区域47设定为描绘禁止区域。于是，该描绘禁止区域所包含的像素值的像素不被描绘在分析图像中。此外这时，空气区域和残留物区域期望将不透明度设定为“0”，空气的像素值与残留物的像素值之间的像素值对应的不透明度期望设定为连续地变化。通过这样设定，从而不仅不描绘残留物与空气的边界区域，还平滑地描绘大肠壁面处的边界区域。
CPU101将在步骤S106生成的分析图像存储于存储装置103，并且显示于显示装置107，结束一系列的分析图像生成处理。
如以上说明的那样，根据本发明所涉及的图像处理装置100，CPU101取得大肠区域的体数据，在大肠内部的空气与残留物的边界区域设定区域扩展的起点，并且对边界区域内的各像素分别设定与该像素的梯度信息相应的可扩展范围的条件，按照所设定的条件从各起点进行区域扩展处理。由此，能够高精度地提取像素值不均匀且连续地变化的区域(边界区域)。CPU101基于这样得到的边界区域的信息来生成分析图像。
因此，能够从体数据高精度地提取由于部分容积效应从而像素值不均匀且连续地变化的空气与残留物的边界区域。此外，即使在边界线的端部(靠近大肠壁的部分)等与周围的像素值之差较小的区域，也能够无遗漏地提取边界区域。
若使用这样识别出的区域信息来生成分析图像，则能够无需不必要地除去与残留物接触的软部组织的表面地进行描绘，因而连续而平滑地描绘。此外，因为不进行平滑化处理，所以不存在小的突起物破坏的情况。因此即使在边界部分存在小的病变候补也能够不将其除去地进行描绘。此外，本方法不仅能够应用于液状的残留物，也能够应用于固体的残留物。
[第2实施方式]
接下来，参照图8～图10来说明本发明的第2实施方式。
即使在使用了第1实施方式的方法的情况下，也有时边界区域会残留一部分。因此，在第2实施方式中，对无遗漏地进行残留物与空气的边界区域的提取的方法进行说明。
另外，第2实施方式的图像处理装置100的硬件构成由于与第1实施方式相同，故省略重复的说明，相同的各部赋予同一符号来进行说明。
图8是表示第2实施方式的分析图像生成处理的流程的流程图。
图8的步骤S201～步骤S204的处理与第1实施方式的分析图像生成处理(图2)的步骤S101～步骤S104相同。
即，CPU101读入包含作为观察对象或者诊断对象的大肠的医用图像数据(体数据)(步骤S201)，对在步骤S201读入的体数据进行分析，使用像素值的信息以及解剖学信息等来提取大肠内部的空气区域31(步骤S202)。此外，基于像素值的信息等来提取大肠内部的残留物区域32(步骤S203)。
接着CPU101求取残留物与空气的边界区域33的中心线(边界线)41(步骤S204：参照图5(a))。边界区域的中心线41的计算方法可以与第1实施方式相同。
若通过步骤S202～步骤S204的处理，从而分别提取出大肠内的空气区域31、残留物区域32以及残留物与空气的边界线41，则接下来CPU101进行使用了像素值的一阶微分的区域扩展处理(步骤S205)，然后，进一步进行使用了像素值的二阶微分的区域扩展处理(步骤S206)。
图9是对步骤S205～步骤S206的区域扩展处理进行说明的图。在图9(b)中示出对图9(a)所示的大肠的剖视图像向虚线91的方向进行了光栅扫描时的像素值的变化。如图9(b)所示，可以看到从空气相应的像素值平滑地变化至残留物相应的像素值的样态。进而在图9(c)中示出对图9(b)的曲线图进行了一阶微分的结果，在图9(d)中示出对图9(b)的曲线图进行了二阶微分的结果。
在步骤S205中，当从在步骤S204提取出的残留物与空气的边界线41上的起点起扩展区域时，以与梯度信息相应的扩展条件进行区域扩展处理。此时，也可以如第1实施方式的步骤S104的处理(图2)那样，根据梯度信息按每个像素来设置可扩展范围的限制。此外，也可以设定扩展条件，使得针对各像素的梯度的大小取图9(c)的阈值92以上的像素扩展区域。
在设定了这样的扩展条件的情况下，从坐标93到坐标94的范围被提取为残留物与空气的边界区域。
此外，也可以将区域扩展时的父像素与关注像素的梯度(一阶微分)的内积成为阈值以上的像素设为扩展区域。
阈值92既可以使用由用户输入的值，也可以使用医用图像处理装置100对体数据进行分析得到的值。作为由医用图像处理装置100设定阈值92的方法，例如存在如下方法等：CPU101在对空气区域以及残留物区域的双方进行了膨胀处理的范围内，求取相对于各像素值的梯度的平均值，将取相对于像素值的平均梯度值的峰值的像素值设定为阈值92。
在步骤S206的区域扩展处理中，基于在步骤S205提取出的区域，使用二阶微分的信息来进一步扩展区域。使用了二阶微分的信息的区域扩展的条件，例如，设为该像素的二阶微分的大小为阈值95以上或阈值96以下来进行区域扩展。若以这样的条件进行区域扩展，则从坐标97到坐标98的范围进一步被扩展。
通过这样使用二阶微分的信息来进行区域扩展，从而能够实现即使是相同像素值，也不提取均匀的部分的像素，而仅区别并提取不均匀的部分的像素。因此，适于像素值不均匀的边界区域的提取。
另外，二阶微分的阈值95、96的设定方法与一阶微分的阈值92的设定方法同样地，既可以使用由用户输入的值，也可以使用医用图像处理装置100对体数据进行分析得到的值。此外，扩展条件下的二阶微分的值，例如可以使用沿由一阶微分求出的梯度的方向的二阶微分。此外，也可以使用与父像素的二阶微分的内积。
图10(a)示出通过步骤S205的使用了一阶微分的信息的区域扩展处理而提取出的边界区域81，图10(b)示出了进一步追加了通过步骤S206的使用了二阶微分的信息的区域扩展处理而提取出的区域82的边界区域。
CPU101基于通过步骤S205以及步骤S206的区域扩展处理而提取出的残留物与空气的边界区域的信息，来生成分析图像(步骤S207)。分析图像的生成方法与第1实施方式相同。
如以上说明的那样，根据第2实施方式，作为区域扩展的条件，将扫描线上的一阶微分的信息作为扩展条件来进行区域扩展处理，进而，将上述的扫描线上的二阶微分的信息作为扩展条件来进一步扩展区域。由此，在扩展边界区域时，能够实现即使是相同像素值也不提取周围的像素值均匀的部分而提取不均匀的部分。
另外，在第1以及第2实施方式中对提取空腔脏器的造影残留物与空气的边界区域的例子进行了说明，但本发明并不限定于此，能够应用于从图像提取像素值不均匀且连续地变化的多个区域的边界部的情况。
例如，在描绘包含造影不充分的部分的造影血管区域时也能够应用本发明。
[第3实施方式]
接下来，参照图11～图17来说明本发明的第3实施方式。
在第3实施方式中，对在描绘包含造影不充分的部分的造影血管区域时应用本发明的区域扩展处理的例子进行说明。
另外，第3实施方式的图像处理装置100的硬件构成由于与第1实施方式相同，故省略重复的说明，相同的各部赋予同一符号来进行说明。
图11是第3实施方式中作为处理对象的造影血管的示意图。关于该造影血管，末端部132并未充分地被造影。在这样的血管的区域提取中，若匹配充分进行了造影的血管较粗的部分131的条件来进行区域扩展，则会产生只能提取到血管的中途(例如虚线133的位置)这样的问题。因此，在第3实施方式中，提出如下方法：通过在造影血管的内部与外部的边界表面执行区域扩展处理，并且将进行区域扩展的范围在血管的行进方向上一点一点地延长，从而描绘到造影不充分的末端132为止。
图12是表示第3实施方式的分析图像生成处理的流程的流程图。
如图12所示，CPU101读入包含造影血管的体数据(步骤S301)。
接着CPU101将造影血管内的任意的点P设为处理开始点。点P例如通过用户在使用在步骤S301读入的体数据而生成的三维分析图像的任意位置点击鼠标等方法来指定。或者，也可以对在步骤S301读入的体数据进行分析，检测充分进行了造影的大动脉等较粗的血管的上游部分，将所检测出的部分中包含的任意点设为处理开始点P。
CPU101计算处理开始点P附近的血管的行进方向(步骤S303)。如图13所示，CPU101例如通过区域扩展来提取在步骤S302指定的处理开始点P附近的造影血管143，通过针对所提取出的造影血管143进行细线化处理，从而计算出血管的行进方向142。此外，也可以从处理开始点P向多个方向射出光线，将到血管表面的距离最远的方向设为行进方向142。
在步骤S303中，CPU101还在所计算出的行进方向142的方向上提取血管壁周边的区域。在处理开始点P处于血管的中途的情况下，也可以将2方向的行进方向保存到主存储器102等。或者，也可以将与点P相比前方的血管较长的方向设为行进方向142。在保存有2方向的行进方向的情况下，针对各方向分别进行步骤S304至步骤S306的处理(血管剖面的提取、血管剖面的边界线的提取、区域扩展)。
若计算出血管行进方向，则接下来CPU101提取与点P交叉的血管剖面(步骤S304)。即，求取通过处理开始点P且与在步骤S303计算出的血管的行进方向垂直的面作为血管剖面。
接下来CPU101取得在步骤S304计算出的血管剖面(图14的面151)的边界线152(血管壁)上的各像素的信息(步骤S305)。即，提取血管剖面的边界线152上的多个像素。所提取出的边界线152上的各像素的信息在设定步骤S306的区域扩展处理的起点时使用。
接下来，CPU101将在步骤S305检测出的边界线152上的像素的一部分作为起点来进行血管表面的区域扩展处理(步骤S306)。
参照图15对步骤S306的血管表面的区域扩展处理进行说明。
CPU101首先判定在步骤S305取得的在边界线152上设定的起点的数量是否大于规定阈值(阈值为1以上)。在起点数量大于阈值的情况下(步骤S401：“是”)，针对各起点进行步骤S402～步骤S405的处理。
首先，CPU101设定区域扩展处理的扩展条件(步骤S402)。在步骤S402中，CPU101使用梯度信息作为扩展条件。梯度信息是跨越边界线的方向的像素值梯度。例如，CPU101与第1实施方式同样地，根据区域扩展的起点的像素处的梯度的大小来设定可扩展范围R，设定使该可扩展范围R内的处于规定的像素值范围的像素包含于扩展区域的条件。
图14中示出对血管的根部附近的血管剖面151的血管壁上的点(起点Q1)设定的可扩展范围R1、以及对末端部的血管剖面154的血管壁上的点(起点T1)设定的可扩展范围U1。
如图14所示，对于血管较粗且充分地进行了造影的部分(血管剖面151)而言，区域扩展处理的起点Q1～Q8(血管剖面151中的血管壁且血管的内部与外部的边界线152上的像素)处的梯度153较大。另一方面，对于血管末端部而言，由于血管较细且并未充分地进行造影，因而区域扩展处理的起点T1～T4处的梯度155较小。因此在梯度较大时CPU101将可扩展范围设定得较大，在梯度较小时，CPU101将可扩展范围设定得较小(图14的由虚线所示的范围R1、U1)。
CPU101针对某剖面151，判定是否能够按照在步骤S402设定的扩展条件，从第一个起点Q1起扩展区域，即，判定可扩展范围是否为“0”(步骤S403)。在可扩展范围不为“0”的情况下(步骤S403：“是”)，前进至步骤S404，在可扩展范围为“0”的情况下(步骤S403：“否”)，转移至相同剖面内的下一个起点Q2的处理。
在步骤S404中，CPU101在步骤S402设定的可扩展范围内进行区域扩展(步骤S404)。此时，除了可扩展范围的条件以外，还可以追加区域扩展用的条件。在区域扩展用的条件所使用的参数中，例如，能够使用像素值、像素值的梯度、父像素与关注像素的梯度的内积、像素值的二阶微分、父像素与关注像素的二阶微分的内积、以及梯度方向的二阶微分的大小等。
若进行步骤S404的区域扩展处理，则接下来CPU101沿着血管的表面将区域扩展的起点移动至血管的行进方向侧的点(步骤S405)。
参照图16对区域扩展的起点在血管行进方向上的移动进行说明。CPU101通过在步骤S402中计算出的起点的梯度方向153(向量V)与起点Q1处的剖面区域的切线方向165(向量U)的外积W＝U×V来求取移动方向166(向量W)。
CPU101将区域扩展的起点朝向移动方向166移动一定量，从而设定为下一个起点M1。
CPU101针对相同血管剖面的各起点Q1～Q8重复进行步骤S402～步骤S405的处理。若针对一个血管剖面的全部起点Q1～Q8，区域扩展以及起点向血管行进方向的移动结束，则跳出循环并前进至步骤S406。
在该阶段中，对于血管剖面151决定从各起点Q1～Q8扩展的扩展区域，并且在下一个血管剖面161上，设定了下一个起点M1(～M8：未图示)。
在步骤S406中，CPU101进行在步骤S405求出的下一个起点M1(～M8)的剔除或追加处理。在起点的剔除或追加处理中，CPU101计算1剖面内的相邻起点间的距离，并在所计算出的起点间的距离为阈值a以下时删除一个起点(剔除处理)。在起点间的距离为阈值b以上的情况下，在2个起点之间追加几个起点(追加处理)。在起点间的距离大于阈值a且小于阈值b的情况下，维持起点数量(步骤S406)。
图15的流程图所示的处理的结果，提取图17(b)所示那样的由面171和面172包围的区域173。在血管较粗的部分，区域173的厚度被提取得较厚，在末端部，区域173的厚度被提取得较薄。CPU101对所提取出的区域的面172的内部进行填补处理。此外，也可以使用梯度条件等来进行附有条件的区域的收缩处理，来删除多余的部分。
返回至图12的说明。CPU101使用由步骤S306的区域扩展处理取得的血管的表面区域(图17(b)的区域173)或血管区域的信息来生成分析图像。在生成分析图像时，CPU101将扩展的区域设定为具有规定的不透明度的描绘区域来生成分析图像。
分析图像既可以是描绘血管内部的虚拟内窥镜图像，也可以从外侧观察血管那样的体绘制图像。此外，也可以基于由步骤S306的区域扩展处理提取出的区域来重新计算血管的中心线，基于该中心线来生成曲面MPR图像。
如以上说明的那样，在第3实施方式中，从在各血管剖面的血管壁设定的起点起以像素值的梯度信息为扩展条件与第1实施方式同样地进行区域扩展。然后，在血管行进方向上移动起点，在下一剖面位置处从移动后的起点起进行区域扩展处理。重复进行该处理，直到血管的末端为止。进而，在生成分析图像时，CPU101将扩展的区域设定为具有规定的不透明度的描绘区域来生成分析图像。
由此，即使是包含造影不充分的部分的造影血管，也能够描绘到末端部。
以上，参照附图对本发明所涉及的图像处理装置的优选实施方式进行了说明，但本发明并不限定于这些实施例。只要是本领域技术人员，显然能够在本申请所公开的技术思想的范畴内，想到各种变更例或修正例，应当理解这些变更例或修正例当然也属于本发明的技术范围。
符号说明：
1 图像处理系统；100 图像处理装置；101 CPU；102 主存储器；103 存储装置；104通信I/F；105 显示存储器；106 I/F；107 显示装置；108 鼠标；109 输入装置；110 网络；111 图像数据库；112 图像拍摄装置；31、51 空气；32 液体残留物(残留物)；52 固体残留物；33、53 残留物与空气的边界区域；34、54 软部组织；36、56 大肠壁；41 残留物与空气的边界线；45、46 可扩展范围；47 扩展区域(边界区域)。

Claims (9)

1.一种图像处理装置，其特征在于，具备：
体数据取得部，其取得包含处于不同物质的边界并且像素值不均匀且连续地变化的区域的图像的体数据；
设定部，其在所述区域内设定多个区域扩展的起点，并且按每个所述起点设定与像素值梯度相关的条件作为区域扩展的条件；
区域扩展处理部，其按照所述条件从所述起点起进行区域扩展处理；和
图像生成部，其基于通过所述区域扩展处理部而扩展的区域中的体数据来生成分析图像。
2.根据权利要求1所述的图像处理装置，其特征在于，
所述处于不同物质的边界并且像素值不均匀且连续地变化的区域是空腔脏器内的造影残留物与空气的边界区域。
3.根据权利要求1所述的图像处理装置，其特征在于，
所述处于不同物质的边界并且像素值不均匀且连续地变化的区域是包含造影不充分的部分的造影血管的内部与外部的边界区域。
4.根据权利要求1所述的图像处理装置，其特征在于，
所述设定部基于所述体数据取得部取得的体数据的像素值以及像素位置从所述体数据取得部取得的体数据提取第1区域和第2区域，并基于第1区域与第2区域的边界处的像素值梯度的信息来决定区域扩展处理的起点。
5.根据权利要求1所述的图像处理装置，其特征在于，
所述设定部按每个所述起点将与所述像素值梯度的大小相应大小的范围设定为可扩展范围来作为所述区域扩展的条件。
6.根据权利要求1所述的图像处理装置，其特征在于，
所述区域扩展处理部基于所述体数据取得部取得的体数据的像素值以及像素位置从所述体数据取得部取得的体数据提取第1区域和第2区域，设定跨越第1区域和第2区域的扫描线，使用扫描线上的像素值的一阶微分值的信息将扩展的区域扩展至规定的有限范围，然后，使用所述扫描线上的像素值的二阶微分值的信息进一步将扩展的区域扩展至规定的有限范围。
7.根据权利要求2所述的图像处理装置，其特征在于，
所述图像生成部将通过所述区域扩展处理部而扩展的区域设定为描绘禁止区域来生成所述分析图像。
8.根据权利要求3所述的图像处理装置，其特征在于，
所述图像生成部将通过所述区域扩展处理部而扩展的区域设定为具有规定的不透明度的描绘区域来生成所述分析图像。
9.一种图像处理方法，其特征在于，计算机执行包括如下步骤的处理：
取得包含处于不同物质的边界并且像素值不均匀且连续地变化的区域的图像的体数据的步骤；
在所述区域内设定多个区域扩展的起点，并且按每个所述起点设定与像素值梯度相关的条件作为区域扩展的条件的步骤；
按照所述条件从所述起点起进行区域扩展处理的步骤；和
基于通过所述区域扩展处理而扩展的区域中的体数据来生成分析图像的步骤。
CN201580062376.8A 2014-12-26 2015-12-02 图像处理装置以及图像处理方法 Active CN107106110B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014264739 2014-12-26
JP2014-264739 2014-12-26
PCT/JP2015/083851 WO2016104082A1 (ja) 2014-12-26 2015-12-02 画像処理装置及び画像処理方法

Publications (2)

Publication Number Publication Date
CN107106110A CN107106110A (zh) 2017-08-29
CN107106110B true CN107106110B (zh) 2020-03-03

Family

ID=56150114

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201580062376.8A Active CN107106110B (zh) 2014-12-26 2015-12-02 图像处理装置以及图像处理方法

Country Status (5)

Country Link
US (1) US10290099B2 (zh)
EP (1) EP3238626A1 (zh)
JP (1) JP6571687B2 (zh)
CN (1) CN107106110B (zh)
WO (1) WO2016104082A1 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6971598B2 (ja) * 2017-03-13 2021-11-24 キヤノンメディカルシステムズ株式会社 Ｘ線診断装置、画像処理装置及び画像処理プログラム
WO2020148797A1 (ja) * 2019-01-15 2020-07-23 オリンパス株式会社 画像処理システム、学習済みモデル及び画像処理方法
JP7241598B2 (ja) * 2019-04-26 2023-03-17 株式会社日立ハイテク 画像処理方法、画像処理装置及び画像処理システム
CN112967207B (zh) * 2021-04-23 2024-04-12 北京恒安嘉新安全技术有限公司 一种图像处理方法、装置、电子设备及存储介质
CN114022547B (zh) * 2021-09-15 2024-08-27 苏州中科华影健康科技有限公司 一种内窥镜图像检测方法、装置、设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1947155B (zh) * 2004-04-27 2012-03-28 株式会社日立医药 图像描绘装置及其方法
JP4874810B2 (ja) * 2004-11-26 2012-02-15 株式会社東芝 Ｘ線ｃｔ装置
JP4146438B2 (ja) * 2005-01-19 2008-09-10 ザイオソフト株式会社 識別方法
JP4891636B2 (ja) * 2006-03-14 2012-03-07 オリンパスメディカルシステムズ株式会社 画像解析装置
JP4937843B2 (ja) * 2007-06-11 2012-05-23 株式会社日立メディコ 医用画像表示装置、医用画像表示方法及びプログラム
JP2011135936A (ja) * 2009-12-25 2011-07-14 Toshiba Corp 画像処理装置、医用画像診断装置および画像処理プログラム
JP2012187161A (ja) * 2011-03-09 2012-10-04 Fujifilm Corp 画像処理装置、方法、及びプログラム
CN103606153B (zh) * 2013-11-19 2016-04-13 华中科技大学 一种从粪便显微图像中提取细胞的方法

Also Published As

Publication number Publication date
JP6571687B2 (ja) 2019-09-04
US20170278242A1 (en) 2017-09-28
EP3238626A1 (en) 2017-11-01
WO2016104082A1 (ja) 2016-06-30
JPWO2016104082A1 (ja) 2017-10-05
CN107106110A (zh) 2017-08-29
US10290099B2 (en) 2019-05-14

Similar Documents

Publication Publication Date Title
CN107106110B (zh) 图像处理装置以及图像处理方法
US10402976B2 (en) Isolation of aneurysm and parent vessel in volumetric image data
US7787673B2 (en) Method and apparatus for airway detection and segmentation using 3D morphological operators
JP2014171889A (ja) 画像分割装置、医用画像診断装置及び画像分割方法
WO2007105517A1 (ja) 画像解析装置
JP6407718B2 (ja) 画像処理装置及び画像処理方法
JP2007135858A (ja) 画像処理装置
JP6437207B2 (ja) 医用画像処理装置および医用画像処理方法
JPWO2012073769A1 (ja) 画像処理装置及び画像処理方法
CN105761217A (zh) 图像重建方法及装置
JP2013111125A (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
US8050470B2 (en) Branch extension method for airway segmentation
WO2018088055A1 (ja) 画像処理装置、画像処理方法、画像処理システム及びプログラム
US11278257B2 (en) Diagnostic auxiliary image generation apparatus, diagnostic auxiliary image generation method, and diagnostic auxiliary image generation program
JP5536644B2 (ja) 医用画像処理装置、医用画像処理方法および医用画像処理プログラム
JP4738236B2 (ja) 画像表示装置
US9754368B2 (en) Region extraction apparatus, method, and program
JP2011110357A (ja) 画像処理方法、画像処理装置及びプログラム
US9367893B2 (en) Diagnosis assistance apparatus, method and program
JP2009273644A (ja) 医用画像撮影装置、医用画像処理装置および医用画像処理プログラム
JP2009078161A (ja) 画像診断支援装置
Skalski et al. 3D segmentation and visualisation of mediastinal structures adjacent to tracheobronchial tree from CT data
Highton et al. Robustness Testing of Black-Box Models Against CT Degradation Through Test-Time Augmentation
CN113597631A (zh) 器官分割方法和系统
JP2017205499A (ja) 医用画像処理装置、医用画像診断装置、及び画像処理方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20211117

Address after: Chiba County, Japan

Patentee after: Fujifilm medical health Co.,Ltd.

Address before: Tokyo, Japan

Patentee before: Hitachi, Ltd.

TR01 Transfer of patent right