CN111212591B - 医疗图像处理装置及内窥镜装置 - Google Patents

医疗图像处理装置及内窥镜装置 Download PDF

Info

Publication number
CN111212591B
CN111212591B CN201880067162.3A CN201880067162A CN111212591B CN 111212591 B CN111212591 B CN 111212591B CN 201880067162 A CN201880067162 A CN 201880067162A CN 111212591 B CN111212591 B CN 111212591B
Authority
CN
China
Prior art keywords
medical image
discrimination
lesion
degree
discrimination 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
CN201880067162.3A
Other languages
English (en)
Other versions
CN111212591A (zh
Inventor
青山达也
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 CN111212591A publication Critical patent/CN111212591A/zh
Application granted granted Critical
Publication of CN111212591B publication Critical patent/CN111212591B/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
    • 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
    • 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
    • A61B1/06—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 with illuminating arrangements
    • A61B1/0638—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 with illuminating arrangements providing two or more wavelengths
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10141—Special mode during image acquisition
    • G06T2207/10152—Varying illumination
    • 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

Abstract

提供对病变等能够提示比以往更详细的信息的医疗图像处理装置及内窥镜装置。医疗图像处理装置(10)具备：医疗图像获取部(11)，获取包含被摄体像的医疗图像；第1鉴别处理部(51)，医疗图像中利用使用具有特定的光谱的第1照明光拍摄的第1医疗图像而检测病变，且进行鉴别检测到的病变的恶化程度的第1鉴别处理；及第2鉴别处理部(52)，在医疗图像中利用使用光谱与第1照明光不同的第2照明光拍摄的第2医疗图像而进行鉴别病变的恶化程度的第2鉴别处理。

Description

医疗图像处理装置及内窥镜装置
技术领域
本发明涉及一种使用医疗图像的分析结果的医疗图像处理装置及内窥镜装置。
背景技术
以往，在医疗所涉及的装置(以下，称为医疗装置)中，获取包含被摄体像的图像(以下，称为医疗图像)的装置将所获取的医疗图像提示给医生。而且，医生将从医疗装置获得的医疗图像用作判断材料的一种而进行诊断等。当然，在诊断时使用医疗图像而进行的被摄体状态等的鉴别基于医生的技术及经验等。
近年，因图像分析技术的进步，通过对医疗图像进行分析能够从医疗图像获得客观的信息或定量性的信息。因此，通过将医疗图像的分析结果提示给医生等而支持鉴别及诊断等的医疗装置逐渐增加。例如，专利文献1中所记载的内窥镜装置利用使用荧光拍摄的荧光图像或使用具有特定的窄波长频带的光(所谓的窄频带光)拍摄的窄频带光图像而确定存在异常的区域的位置。而且，将存在异常的区域的位置在显示用内窥镜图像中显示。
现有技术文献
专利文献
专利文献1：日本特开2006-198106号公报
发明内容
发明要解决的技术课题
在以往的医疗装置中，检测包含一个或多个通过对医疗图像进行分析而确认病变等异常的部分(病变部分或存在病变可能性的部分)的需关注区域(所谓的称为关注区域、关心区域或异常区域等的区域。以下，简称为病变等。)，并提示该位置等而支持诊断等。
医生等对医疗装置提示的病变等鉴别其种类及恶化程度等，但病变等的种类及恶化程度的鉴别依然是沉重的负担。因此，近年，为了进一步减轻医生等的负担，对病变等的种类及恶化程度等要求提供成为鉴别材料的详细信息。
本发明的目的在于提供一种对病变等能够提示比以往更详细的信息的医疗图像处理装置及内窥镜装置。
用于解决技术课题的手段
本发明的医疗图像处理装置具备：医疗图像获取部，获取包含被摄体像的医疗图像；第1鉴别处理部，医疗图像中利用使用具有特定的光谱的第1照明光拍摄的第1医疗图像而检测病变，且进行鉴别检测到的病变的恶化程度的第1鉴别处理；及第2鉴别处理部，医疗图像中利用使用光谱与第1照明光不同的第2照明光拍摄的第2医疗图像而进行鉴别病变的恶化程度的第2鉴别处理。
优选具备存储部，预先存储第1照明光与第2照明光的组合。
优选根据在第1鉴别处理中进行检测的病变的种类或在第1鉴别处理中进行检测的病变的恶化程度，规定第1照明光与第2照明光的组合。
第2医疗图像优选为使用波长频带窄于第1照明光的第2照明光拍摄的医疗图像。
第2医疗图像优选为使用比第1照明光多含特定的蓝色或特定的紫色的第2照明光拍摄的医疗图像。
第1医疗图像优选为使用白色光拍摄的医疗图像。
第1鉴别处理部作为病变优选检测炎症性肠病或癌。
当在第1鉴别处理中检测到的病变的种类为特定的种类时或在第1鉴别处理中检测到的病变为特定的恶化程度时，第2鉴别处理部优选进行第2鉴别处理。
优选当第2鉴别处理部进行第2鉴别处理时，将第2鉴别处理的结果作为最终鉴别结果来输出，且当第2鉴别处理部不进行第2鉴别处理时，将第1鉴别处理的结果作为最终鉴别结果来输出。
当第1鉴别处理部作为病变检测溃疡性大肠炎时，且作为溃疡性大肠炎的恶化程度鉴别内窥镜所见分型的分级时，第2鉴别处理部优选在溃疡性大肠炎的分级为特定的分级时进行第2鉴别处理。
第2鉴别处理部优选输出将内窥镜所见分型的分级进一步细分化的鉴别结果。
当第1鉴别处理部作为溃疡性大肠炎的恶化程度鉴别Mayo分型的分级时，第2鉴别处理部优选在溃疡性大肠炎的恶化程度为分级2或分级3时不进行第2鉴别处理，且在溃疡性大肠炎的恶化程度为分级0或分级1时进行第2鉴别处理。
当第1鉴别处理部作为溃疡性大肠炎的恶化程度鉴别Matts分型的分级时，第2鉴别处理部优选在溃疡性大肠炎的恶化程度为分级3以上时不进行第2鉴别处理，且在溃疡性大肠炎的恶化程度为分级1或分级2时进行第2鉴别处理。
当第1鉴别处理部作为病变检测癌时，第2鉴别处理部优选在第1鉴别处理中检测到的病变不是癌时不进行第2鉴别处理，且在第1鉴别处理中检测到癌时进行第2鉴别处理。
第2鉴别处理部优选将治疗效果的预测所涉及的信息作为鉴别结果来输出。
本发明的内窥镜装置具备：光源部，发射光谱不同的多种照明光；内窥镜图像获取部，通过使用照明光拍摄被摄体，获取包含被摄体像的内窥镜图像；第1鉴别处理部，内窥镜图像中利用使用具有特定的光谱的第1照明光拍摄的第1内窥镜图像而检测病变，且进行鉴别检测到的病变的恶化程度的第1鉴别处理；光源控制部，根据病变的种类或恶化程度，将照明光切换为光谱与第1照明光不同的第2照明光；及第2鉴别处理部，利用使用第2照明光拍摄的第2内窥镜图像而进行鉴别病变的恶化程度的第2鉴别处理。
发明效果
本发明的医疗图像处理装置及内窥镜装置对病变等能够提供比以往更详细的信息。
附图说明
图1是医疗图像处理装置的框图。
图2是内窥镜装置的框图。
图3是医疗图像分析处理部的框图。
图4是表示第1鉴别处理的分型与第2鉴别处理的分型之间的关系的表。
图5是表示医疗图像处理装置的作用的流程图。
图6是显示用医疗图像。
图7是第1鉴别处理用内窥镜图像。
图8是第2鉴别处理用内窥镜图像。
图9是鉴别结果的显示例。
图10是包含医疗图像处理装置的内窥镜装置的框图。
图11是在内窥镜装置中实时进行病变等的检测及恶化程度的鉴别时的流程图。
图12是包含医疗图像处理装置的诊断支持装置。
图13是包含医疗图像处理装置的医疗业务支持装置。
具体实施方式
[第1实施方式]
如图1所示，医疗图像处理装置10具备医疗图像获取部11、医疗图像分析处理部12、显示部13、显示控制部15、输入接收部16、集中控制部17及保存部18。
医疗图像获取部11从医疗装置即内窥镜装置21等直接或经由PACS(PictureArchiving and Communication System/图像存储与传输系统)22等管理系统或其他信息系统获取包含被摄体像的医疗图像。医疗图像为静态图像或动态图像(所谓的检查动态图像)。当医疗图像为动态图像时，医疗图像获取部11能够获取检查后构成动态图像的帧图像而作为静态图像。并且，当医疗图像为动态图像时，医疗图像的显示除了包含显示构成动态图像的一个代表帧的静态图像的内容以外，还包含播放一次或多次动态图像的内容。并且，在医疗图像获取部11所获取的医疗图像中，除了医生使用内窥镜装置21等医疗装置拍摄的图像以外，还包含内窥镜装置21等医疗装置不依赖于医生的摄影命令而自动拍摄的图像。
当能够获取多个医疗图像时，医疗图像获取部11能够选择性地获取这些医疗图像中的一个或多个医疗图像。并且，医疗图像获取部11能够获取在多个彼此不同的检查中获取的多个医疗图像。例如，能够获取过去进行的检查中所获取的医疗图像及最新检查中所获取的医疗图像中的一个或两个。即，医疗图像获取部11能够任意地获取医疗图像。
在本实施方式中，医疗图像处理装置10与内窥镜装置21连接，并从内窥镜装置21获取医疗图像。即，在本实施方式中，医疗图像为内窥镜图像。
并且，当进行病变等的检测及病变等的恶化程度的鉴别时，医疗图像获取部11至少获取一个或多个摄影条件不同的内窥镜图像(医疗图像)。具体而言，在本实施方式中，医疗图像获取部11检测病变等，且获取用于粗略鉴别检测到的病变等的恶化程度的一个或多个第1内窥镜图像111(参考图7)。而且，医疗图像获取部11根据需要获取用于详细鉴别病变等的恶化程度的一个或多个第2内窥镜图像121(参考图8)。
摄影条件为医疗图像的拍摄所涉及的条件，例如是照明光的光谱或生成医疗图像时的图像处理的有无或强度等。照明光的光谱为每个波长的强度分布，包含波长频带及中心波长的概念。生成医疗图像时的图像处理例如为强调特定的组织或病变等的色彩等的调节所涉及的处理等。除了上述以外，在本实施方式中，医疗图像获取部11还获取显示于显示部13的显示用内窥镜图像101(参考图6)。当显示用内窥镜图像101多时，病变等的检测及病变等的恶化程度的粗略鉴别中所使用的第1内窥镜图像111以及病变等的详细鉴别中所使用的第2内窥镜图像121的摄影条件不同。但是，根据检测到的病变等的种类或恶化程度，能够将显示用内窥镜图像101使用于病变等的检测、病变等的恶化程度的粗略鉴别或病变等的详细鉴别中。在本实施方式中，作为一例，作为病变等示出检测溃疡性大肠炎的例子，因此医疗图像获取部11与显示用内窥镜图像101另行获取粗略鉴别用第1内窥镜图像111，但这些图像均为使用白色光拍摄被摄体的内窥镜图像，实际上为相同的种类。
另外，在本实施方式中，医疗图像获取部11所获取的医疗图像为在一次特定的检查中拍摄的医疗图像。并且，对进行病变等的检测及恶化程度的鉴别的部分所获取的医疗图像原则上为视角或被摄体的形状等变化不大的时间的范围内(在图像处理中彼此的部分能够建立对应关联的程度的时间的范围内)拍摄的一系列医疗图像。
如图2所示，在本实施方式中，医疗图像处理装置10连接的内窥镜装置21具有照射白色的波长频带的光或特定的波长频带的光中的至少任一个拍摄被摄体的内窥镜31、经由内窥镜31对被摄体内照射照明光的光源装置32、处理器装置33及显示使用内窥镜31拍摄的内窥镜图像等的监视器34。
内窥镜31具备使用被摄体反射或散射的照明光或者被摄体或对被摄体注射的药剂等发光的荧光等而拍摄被摄体的图像传感器41。图像传感器41例如为CMOS(Complementary Metal Oxide Semiconductor/互补金属氧化物半导体)的彩色传感器(具有滤色器的传感器)。
光源装置32包含光源部42及光源控制部47。光源部42发射光谱不同的多种照明光。光源部42例如具备LED(Light Emitting Diode/发光二极管)、LD(Laser Diode/激光二极管)或氙气灯等发光设备。并且，光源部42根据需要具备棱镜、反射镜、光纤或调节波长频带或光量等的滤光器等。在本实施方式中，光源部42具备发射中心波长为约405nm的紫色光的V-LED43、发射中心波长为约450nm的蓝色光的B-LED44、发射中心波长为约540nm的绿色光的G-LED45及发射中心波长为约630nm的红色光的R-LED46。
光源控制部47控制光源部42所包含的发光源，内窥镜31产生被摄体的拍摄中所使用的照明光。并且，当光源部42包含多个发光设备时，光源控制部47能够分别控制各发光设备的发光定时及发光量。因此，光源装置32能够以任意的定时及任意的强度将光谱不同的多种照明光供给至内窥镜31。例如，在本实施方式中，光源装置32通过光源控制部47进行的控制，除了白色光以外，还能够以任意的定时及任意的强度将紫色光、蓝色光、绿色光、红色光或以任意的强度比混合了这些各颜色的光中的两种以上的光等作为照明光来发射。此外，光源装置32根据发光设备的特性或根据滤光器的使用，能够将具有特定的窄波长频带的光(所谓的窄频带光)作为照明光来发射。例如，能够发射比绿色波长频带短的波长频带的光，尤其能够发射可见区域的蓝色频带或紫色频带的光。
处理器装置33具备从图像传感器41获取内窥镜图像或生成对从图像传感器41获取的内窥镜图像实施了图像处理的内窥镜图像的内窥镜图像生成部48。图像传感器41及内窥镜图像生成部48在内窥镜装置21中构成“内窥镜图像获取部”。内窥镜图像获取部通过使用照明光拍摄被摄体，获取包含被摄体像的内窥镜图像。医疗图像处理装置10与上述处理器装置33连接。而且，医疗图像获取部11从内窥镜装置21的内窥镜图像生成部48直接获取内窥镜图像。
医疗图像分析处理部12使用医疗图像获取部11所获取的医疗图像即内窥镜图像(以下，简称为内窥镜图像)进行分析处理。具体而言，如图3所示，包含第1鉴别处理部51、第2鉴别处理部52及存储部53。
第1鉴别处理部51在医疗图像获取部11所获取的一个或多个医疗图像中，利用使用具有特定光谱的第1照明光拍摄的第1医疗图像而检测病变，且进行鉴别检测到的病变的恶化程度的第1鉴别处理。第1医疗图像例如为使用白色光拍摄的医疗图像，在本实施方式中，第1医疗图像为第1内窥镜图像111。第1鉴别处理部51例如使用第1医疗图像计算一个或多个规定的特征量，使用计算出的特征量检测病变等，并鉴别其恶化程度。规定的特征量为病变等的检测或恶化程度的鉴别中所需的特征量，并且根据设为检测对象的病变等的种类或恶化程度的鉴别方法而不同。规定的特征量例如为血管等的特定的组织或结构的形状、长度、粗细、距粘膜表面的深度、密度、大小、分布等的范围、分支数、复杂度、规律性紊乱或其他特征所涉及的数量。
当医疗图像获取部11获取内窥镜图像时，第1鉴别处理部51作为病变等进行检测的对象为包含具有与一个或多个病变及周边组织等不同的颜色或形状的特征的区域、喷洒药剂等的区域或实施了处置(活检、内镜下黏膜切除术(EMR(Endoscopic MucosalResection))或内镜下黏膜剥离术(ESD(Endoscopic Submucosal Dissection))等)的区域等对象的区域。当医疗图像为内窥镜图像时，病变等例如为炎症性疾病所涉及的炎症或息肉(隆起性病变)等。更具体而言，息肉为增生性息肉(HP：hyperplastic polyp)、SSA/P(sessile serrated adenoma/polyp：锯齿状腺瘤/息肉)、腺瘤、癌等。并且，具有与周边组织等不同的颜色或形状的特征的区域是指，被摄体的发红、萎缩、憩室或治疗痕迹等。
在本实施方式中，第1鉴别处理部51作为病变等检测炎症性肠病即溃疡性大肠炎。而且，恶化程度按照所谓的内窥镜所见分型进行鉴别。溃疡性大肠炎的内窥镜所见分型例如为Mayo分型、Matts分型、UCEIS(Ulcerative Colitis Endoscopic.Index of Severity/内镜下严重度指数)分型等。这些内窥镜所见分型中，在本实施方式中，在第1鉴别处理中将溃疡性大肠炎的恶化程度按照Mayo分型进行分型。Mayo分型中有Mayo0(分级0)、Mayo1(分级1)、Mayo2(分级2)及Mayo3(分级3)这四个阶段的分级。Mayo0为表示正常或非活动性(包含缓解期)的分级。Mayo1为表示轻症的分级，通常为确认到发红、血管像不清晰或轻度易出血性的状态。Mayo2为表示中等症的分级，通常为确认到显著发红、血管像消失、易出血性、脓性分泌物的附着、粘膜粗糙、糜烂或局部溃疡等的状态。Mayo3为表示重症(活动期)的分级，通常为确认到明显的自然出血、浮肿、溃疡(包含大范围溃疡)等的状态。另外，将癌设为对象病变时的内窥镜所见分型具有NICE(The Narrow-band imaging InternationalColorectal Endoscopic/国际结直肠内镜)分型或JNET(The Japan NBI(Narrow BandImaging/窄带成像)Expert Team/日本内镜窄带光成像技术专家小组)分型等。
第1鉴别处理部51对医疗图像的一部分或全部检测病变等，且当检测到病变时，鉴别其恶化程度。即，当按每个像素将内窥镜图像分为小区域时，第1鉴别处理部51能够按该每个小区域或对内窥镜图像的整体进行病变等的检测及恶化程度的鉴别。在本实施方式中，第1鉴别处理部51按由规定数的像素构成的每个小区域进行病变等的检测及恶化程度的鉴别。因此，第1鉴别处理部51能够在医疗图像的一处或多处检测病变等。此外，第1鉴别处理部51至少能够将病变等的有无及恶化程度和表示病变等的检测及恶化程度的鉴别的结果的准确性的“准确度”包含于判别结果。
第2鉴别处理部52在医疗图像中，利用使用光谱与第1照明光不同的第2照明光拍摄的第2医疗图像而进行鉴别检测到的病变等的恶化程度的第2鉴别处理。第2医疗图像为使用波长频带窄于第1照明光的第2照明光拍摄的医疗图像，在本实施方式中，第2医疗图像为第2内窥镜图像121。第1鉴别处理为检测病变等且用于粗略鉴别检测到的病变等的恶化程度的某种程度的通用处理，相对于此，第2鉴别处理为因病变等在某种前提下与其病变等的特性吻合而比第1鉴别处理更详细地鉴别恶化程度的处理。第2鉴别处理部52例如使用第2医疗图像计算一个或多个规定的特征量，并使用计算出的特征量鉴别病变等的恶化程度。第2鉴别处理部52计算的规定的特征量是为了详细鉴别病变等的恶化程度而所需的特征量，根据设为检测对象的病变等的种类或恶化程度的鉴别方法而不同。第2鉴别处理部52与第1鉴别处理部51计算的规定的特征量相同地能够计算所需的任意的特征量。
另外，第2鉴别处理部52可以始终实施第2鉴别处理，或也可以根据需要实施第2鉴别处理。例如，当在第1鉴别处理中检测到的病变等的种类为特定的种类时或在第1鉴别处理中检测到的病变等的种类为特定的恶化程度时，第2鉴别处理部52可以进行第2鉴别处理。当第2鉴别处理部52进行第2鉴别处理时，将第2鉴别处理的结果作为最终鉴别结果来输出，且当第2鉴别处理部不进行第2鉴别处理时，将第1鉴别处理的结果作为最终鉴别结果来输出。具体而言，当第1鉴别处理部51作为病变等检测溃疡性大肠炎且作为溃疡性大肠炎的恶化程度鉴别内窥镜所见分型的分级时，第2鉴别处理部52在溃疡性大肠炎的分级为特定的分级时进行第2鉴别处理。而且，第2鉴别处理部52输出将内窥镜所见分型的分级进一步细分化的鉴别结果。
在本实施方式中，第2鉴别处理部52进行将在第1鉴别处理中根据内窥镜所见分型进行分型的恶化程度进一步细分化的鉴别。具体而言，如图4所示，当溃疡性大肠炎的恶化程度为Mayo0或Mayo1时，第2鉴别处理部52进行第2鉴别处理，且当为Mayo2或Mayo3时，第2鉴别处理部52不进行第2鉴别处理。而且，当溃疡性大肠炎为Mayo分型中的四个阶段的分级中的Mayo0时，第2鉴别处理部52将Mayo0进一步细分化为Mayo0-I、Mayo0-II及Mayo0-III这三个阶段而鉴别恶化程度。Mayo0-I表示即使在Mayo0中也是离Mayo1最远且几乎确定为正常或非活动性。Mayo0-III表示即使在Mayo0中也是离Mayo1最近的恶化程度。Mayo0-II表示Mayo0-I与Mayo0-III的中间的恶化程度。并且，当溃疡性大肠炎的恶化程度为Mayo1时，第2鉴别处理部52将Mayo1进一步分为Mayo1-I、Mayo1-II及Mayo1-III这三个阶段而鉴别恶化程度。Mayo1-I表示即使在Mayo1中也是离Mayo0最近的恶化程度，Mayo1-III表示即使在Mayo1中也是离Mayo2最近的恶化程度。Mayo1-II表示Mayo1-I与Mayo1-III的中间的恶化程度。
存储部53按设为检测对象的病变等的每个种类或恶化程度预先存储用于获取第1鉴别处理中所使用的第1医疗图像的第1照明光与用于获取第2鉴别处理中所使用的第2医疗图像的第2照明光的组合。因此，若通过设定规定设为检测及鉴别的对象的病变等的种类，则第1鉴别处理部51按照存储于存储部53的上述组合，将使用第1照明光拍摄的第1医疗图像使用于第1鉴别处理。相同地，若通过设定规定设为检测及鉴别的对象的病变等的种类，则第2鉴别处理部52按照存储于存储部53的上述组合，将使用第2照明光拍摄的第2医疗图像使用于第2鉴别处理。存储部53所存储的第1照明光与第2照明光的组合根据在第1鉴别处理中进行检测的病变等的种类或在第1鉴别处理中进行检测的病变等的恶化程度而预先设定。
另外，医疗图像获取部11能够预先获取存在第1鉴别处理部51及第2鉴别处理部52要求的可能性的医疗图像。并且，当未获取第1鉴别处理部51或第2鉴别处理部52要求的医疗图像时，医疗图像获取部11按照第1鉴别处理部51或第2鉴别处理部52的要求，获取使用于第2鉴别处理的医疗图像。
并且，第1鉴别处理部51及第2鉴别处理部52在显示控制部15将显示用医疗图像即显示用内窥镜图像101显示于显示部13的期间，进行各鉴别处理。但是，显示控制部15在进行第1鉴别处理或第2鉴别处理的途中，有时更新显示于显示部13的显示用内窥镜图像101。即，“在显示控制部15将显示用医疗图像即显示用内窥镜图像101显示于显示部13的期间，进行各鉴别处理”是指，在将显示用内窥镜图像101显示于显示部13的显示控制的背景下执行第1鉴别处理及第2鉴别处理。
显示部13为显示医疗图像获取部11所获取的医疗图像、病变等的检测结果及病变等的鉴别结果等的显示器。能够共用医疗图像处理装置10连接的设备等所包含的监视器或显示器，并用作医疗图像处理装置10的显示部13。
显示控制部15控制显示部13中的医疗图像、病变等的检测结果及病变等的鉴别结果等的显示方式。在本实施方式中，显示控制部15使用显示部13等至少显示第2鉴别处理部52的鉴别结果。具体而言，将第1鉴别处理部51检测到的病变等的位置重叠显示于显示用内窥镜图像101，且将表示第2鉴别处理部52的判别结果即病变等的恶化程度的消息等显示于显示部13。另外，通过设定，显示控制部15通过声音(包含语音)、光(显示用内窥镜图像101局部性闪烁等)、坐标的显示等其他任意的方法能够表示检测到的病变等的位置及第2鉴别处理部52的鉴别结果。
输入接收部16接收来自与医疗图像处理装置10连接的鼠标、键盘及其他操作设备的输入。医疗图像处理装置10的各部的动作能够使用这些操作设备进行控制。
集中控制部17集中控制医疗图像处理装置10的各部的动作。当输入接收部16接收了使用操作设备的操作输入时，集中控制部17按照该操作输入控制医疗图像处理装置10的各部。
保存部18根据需要在医疗图像处理装置10所包含的存储器等存储设备(未图示)或内窥镜装置21等医疗装置或PACS22所包含的存储设备(未图示)中保存病变等的检测结果、恶化程度的鉴别结果或这两者等。
以下，对医疗图像处理装置10的动作的流程进行说明。如图5所示，医疗图像获取部11通过自动或手动选择获取多个显示用内窥镜图像101(步骤S110)，显示控制部15将医疗图像获取部11所获取的显示用内窥镜图像101依次显示于显示部13(步骤S111)。在本实施方式中，例如获取及显示图6所示的显示用内窥镜图像101。
另一方面，在背景中，医疗图像获取部11获取第1鉴别处理用医疗图像即第1医疗图像(步骤S112)。在本实施方式中，将溃疡性大肠炎设为检测对象，因此如图7所示，医疗图像获取部11作为第1医疗图像获取使用白色光(第1照明光)拍摄的第1内窥镜图像111。
若医疗图像获取部11获取第1内窥镜图像111(获取之后)，则第1鉴别处理部51使用第1内窥镜图像111进行第1鉴别处理(步骤S113)。例如，第1鉴别处理部51从第1内窥镜图像111检测存在由溃疡性大肠炎引起的炎症的区域(以下，称为炎症区域)112。而且，使用炎症区域112的特征量而鉴别溃疡性大肠炎的恶化程度。在本实施方式中，溃疡性大肠炎的恶化程度设成Mayo分型中为Mayo1的分级。
若第1鉴别处理部51结束病变等的检测及病变等的恶化程度的鉴别(结束之后)，则第2鉴别处理部52判断第2鉴别处理的必要性(步骤S114)。而且，当需要第2鉴别处理时(步骤S114：“是”)，医疗图像获取部11获取第2鉴别处理用医疗图像即第2医疗图像(步骤S115)。在本实施方式中，将溃疡性大肠炎设为检测对象，因此如图8所示，医疗图像获取部11作为第2医疗图像获取使用比白色光多含特定的蓝色或特定的紫色的照明光(第2照明光)拍摄的第2内窥镜图像121。第2内窥镜图像121使用比白色光多含特定的蓝色或特定的紫色的照明光进行拍摄，因此与第1内窥镜图像111相比，能够更详细地观察炎症区域112的组织或结构等。
若医疗图像获取部11获取第2鉴别处理用第2内窥镜图像121(获取之后)，则第2鉴别处理部52使用第2内窥镜图像121进行第2鉴别处理(步骤S116)。具体而言，第2鉴别处理部52对炎症区域112的组织或结构等清晰的炎症区域112计算规定的特征量(规律性紊乱等)，使用计算出的规定的特征量鉴别将Mayo分型进一步细分化的恶化程度。在本实施方式中，第2鉴别处理中的溃疡性大肠炎的鉴别结果设为Mayo1-I。
如上所述，若第2鉴别处理结束(结束之后)，则如图9所示，显示控制部15例如在显示用内窥镜图像101中示出轮廓等而示出炎症区域112的所在位置，且示出第2鉴别处理的鉴别结果即已细分化的Mayo分型的分级(步骤S117)。
如上所述，医疗图像处理装置10作为第1阶段检测病变等，且按照分型鉴别病变等的恶化程度。这些信息足以使医疗装置支持诊断等，但医疗图像处理装置10进一步作为第2阶段将常规分型等进一步细分化而鉴别检测到的病变等的恶化程度，并将其结果提示给医生等。若观察医疗图像处理装置10所提示的比以往更细分化的鉴别结果，则医生等能够轻松地进行鉴别诊断。即，医疗图像处理装置10对病变等提供比以往更详细的信息而能够更有效地支持诊断等。
尤其对溃疡性大肠炎，当为Mayo0至Mayo1程度的恶化程度时，炎症等的特征较小，因此鉴别诊断并不轻松，且准确地鉴别Mayo0至Mayo1程度的恶化程度在溃疡性大肠炎的治疗等中尤其重要。例如，这是因为，即便是Mayo1的恶化程度，有时在接近Mayo2的状态及接近Mayo0的状态下对策也有所不同。因此，如上所述，将Mayo0或Mayo1的恶化程度进一步细分化而进行鉴别，并提示其结果，因此医疗图像处理装置10能够尤其有效地支持溃疡性大肠炎的诊断等。
在上述第1实施方式中，将溃疡性大肠炎设为检测对象，且将其恶化程度按照Mayo分型进行鉴别，但即使在使用除Mayo分型以外的内窥镜所见分型而鉴别溃疡性大肠炎的恶化程度的情况下，也与上述第1实施方式相同。例如，Matts分型的分级1、分级2、分级3及分级4分别与Mayo分型的分级0、分级2、分级3及分级4大致对应。因此，当将溃疡性大肠炎设为检测对象且按照Matts分型鉴别恶化程度时，第2鉴别处理部52在溃疡性大肠炎的恶化程度为分级3以上时不进行第2鉴别处理，且在溃疡性大肠炎的恶化程度为分级1或分级2时进行第2鉴别处理。
在上述第1实施方式中，第2鉴别处理部52在第2鉴别处理中将Mayo1及Mayo0进一步细分化为三个阶段的分级而鉴别溃疡性大肠炎的恶化程度，但在第2鉴别处理中将哪一分级进一步细分化是任意的。并且，细分化为几个阶段也是任意的。在检测除溃疡性大肠炎以外的病变等的情况或按照除Mayo分型以外的分型进行第1鉴别处理的情况下也相同。
在上述第1实施方式中，第1鉴别处理部51作为病变等检测炎症性肠病即溃疡性大肠炎，但第1鉴别处理部51能够检测癌或存在发展成癌的可能性的病情(除了腺瘤等以外，还包含发展成癌的可能性低但需要鉴别的良性息肉。以下，称为癌等)。当第1鉴别处理部51作为病变等检测癌等时，第2鉴别处理部52在第1鉴别处理中检测到的病变等不是癌时不进行第2鉴别处理，且在第1鉴别处理中检测到癌时进行第2鉴别处理。并且，当将癌等设为检测对象时，第2鉴别处理部52能够将治疗效果的预测所涉及的信息作为鉴别结果来输出，以代替将恶化程度比以往更细分化而进行鉴别。治疗效果的预测所涉及的信息例如为包含特定的治疗用药或治疗方法是否对检测到的癌等有效或者特定的治疗用药或治疗方法对检测到的癌等有哪种程度的效果等内容的信息。
在上述第1实施方式中，计算规定的特征量而进行第1鉴别处理及第2鉴别处理，但第1鉴别处理部51或第2鉴别处理部52代替使用特征量，例如通过纹理分析或使用了规则形状的模式匹配能够检测病变等或鉴别病变等的恶化程度。
第1实施方式中的第1鉴别处理部51、第2鉴别处理部52及存储部53能够使用通过机器学习或深度学习等学习的所谓的AI(Artificial Intelligence/人工智能)程序来构成。
[第2实施方式]
在上述第1实施方式中，医疗图像处理装置10与内窥镜装置21为独立的装置，但内窥镜装置21能够包含医疗图像处理装置10。在该情况下，如图10所示的内窥镜装置510，构成医疗图像处理装置10的各部520设置于处理器装置33。但是，显示部13能够共用内窥镜装置21的监视器34。并且，医疗图像获取部11相当于图像传感器41及内窥镜图像生成部48形成的“内窥镜图像获取部”。因此，在处理器装置33中设置除了医疗图像获取部11及显示部13以外的各部即可。其他各部的结构与第1实施方式相同。并且，能够由上述各实施方式及其他变形例的医疗图像处理装置10及图2的内窥镜装置21整体构成新的内窥镜装置。
包含医疗图像处理装置10的内窥镜装置510为基本上实时观察被摄体的装置。因此，内窥镜装置510的医疗图像即内窥镜图像的获取、第1鉴别处理、第2鉴别处理及鉴别结果的显示处理等能够拍摄内窥镜图像的同时实时或以因各种操作部等的操作而产生的任意的定时来执行。
以下，对包含医疗图像处理装置10的内窥镜装置510实时进行病变等的检测及恶化程度的鉴别时的动作的流程进行说明。如图11所示，内窥镜装置510例如使用白色光依次拍摄被摄体，获取显示用内窥镜图像101(步骤S210)，将所获取的显示用内窥镜图像101显示于监视器34(步骤S211)。内窥镜装置510例如以规定的帧速率始终重复执行这些步骤。因此，医生等能够实时观察被摄体。
并且，集中控制部17在拍摄一系列显示用内窥镜图像101的期间，以不妨碍显示用内窥镜图像101的连续显示的规定的定时间歇性地穿插第1鉴别处理用摄影。由此，内窥镜图像获取部获取第1鉴别处理用医疗图像即第1内窥镜图像111(步骤S212)。但是，当溃疡性大肠炎为检测对象时，第1鉴别处理用第1内窥镜图像111与显示用内窥镜图像101相同地使用白色光进行拍摄，因此能够省略该步骤S212，并将显示用内窥镜图像101利用于第1鉴别处理。
第1鉴别处理部51使用如上实时获取的第1内窥镜图像111进行第1鉴别处理(步骤S213)。由此，第1鉴别处理部51检测由溃疡性大肠炎引起的炎症区域112，且例如按照Mayo分型鉴别溃疡性大肠炎的恶化程度。这些与第1实施方式相同。
然后，第2鉴别处理部52判断第2鉴别处理的必要性(步骤S214)。当需要第2鉴别处理时(步骤S214：“是”)，集中控制部17在拍摄一系列显示用内窥镜图像101的期间，以不妨碍显示用内窥镜图像101的连续显示的规定的定时间歇性地穿插第2鉴别处理用摄影。即，光源控制部47根据病变的种类或恶化程度，将照明光切换为光谱与第1照明光不同的第2照明光，图像传感器41使用第2照明光拍摄被摄体。由此，内窥镜图像获取部获取第2鉴别处理用医疗图像即第2内窥镜图像121(步骤S216)。
另外，当实时进行病变等的检测及恶化程度的鉴别时，存储部53按设为检测对象的病变等的每个种类或恶化程度预先存储利用于第1医疗图像的拍摄的第1照明光与利用于第2医疗图像的拍摄的第2照明光的组合(用于实现第1照明光及第2照明光的各光谱或具有特定的光谱的第1照明光及第2照明光的发光源的光量比等)。光源控制部47参考存储于存储部53的组合控制光源部42。因此，光源部42在进行第1鉴别处理用摄影时发射适当的第1照明光，且在进行第2鉴别处理用摄影时发射适当的第2照明光。
若医疗图像获取部11获取第2鉴别处理用第2内窥镜图像121(获取之后)，则第2鉴别处理部52在显示控制的背景下使用第2内窥镜图像121实时执行第2鉴别处理(步骤S117)。若第2鉴别处理结束(结束之后)，则显示控制部15在显示用内窥镜图像101中示出轮廓等而示出炎症区域112的所在位置，且示出第2鉴别处理的鉴别结果即已细分化的Mayo分型的分级(步骤S118)。
如上所述，包含医疗图像处理装置10的内窥镜装置510实时进行第1鉴别处理及第2鉴别处理等而能够实时支持诊断等。
另外，在上述第2实施方式中，内窥镜装置510包含医疗图像处理装置10，但如图12所示，除了内窥镜装置21以外与医学影像设备组合使用的诊断支持装置610能够包含上述实施方式及其他变形例的医疗图像处理装置10。并且，如图13所示，例如经由任意的网络626与包含内窥镜装置21的第1检查装置621、第2检查装置622、……、第N检查装置623等各种检查装置连接的医疗业务支持装置630能够包含上述实施方式及其他变形例的医疗图像处理装置10。
此外，医疗图像处理装置10及包含医疗图像处理装置10的各种装置以及内含医疗图像处理装置10的功能的各种装置或系统能够进行以下各种变更等来使用。
作为医疗图像，能够使用照射白色频带的光或作为白色频带的光照射多个波长频带的光而获得的通常光图像。
作为医疗图像，当使用照射特定的波长频带的光而获得的图像时，特定的波长频带能够使用比白色的波长频带窄的频带。
特定的波长频带例如为可见区域的蓝色频带或绿色频带。
当特定的波长频带为可见区域的蓝色频带或绿色频带时，优选特定的波长频带包含390nm以上且450nm以下或530nm以上且550nm以下的波长频带，且特定的波长频带的光在390nm以上且450nm以下或530nm以上且550nm以下的波长频带内具有峰值波长。
特定的波长频带例如为可见区域的红色频带。
当特定的波长频带为可见区域的红色频带时，优选特定的波长频带包含585nm以上且615nm以下或610nm以上且730nm以下的波长频带，且特定的波长频带的光在585nm以上且615nm以下或610nm以上且730nm以下的波长频带内具有峰值波长。
特定的波长频带例如包含氧合血红蛋白及还原血红蛋白中的吸光系数不同的波长频带，且特定的波长频带的光能够在氧合血红蛋白及还原血红蛋白中的吸光系数不同的波长频带中具有峰值波长。
当特定的波长频带包含氧合血红蛋白及还原血红蛋白中的吸光系数不同的波长频带，且特定的波长频带的光在氧合血红蛋白及还原血红蛋白中的吸光系数不同的波长频带中具有峰值波长时，优选特定的波长频带包含400±10nm、440±10nm、470±10nm或600nm以上且750nm以下的波长频带，且特定的波长频带的光在400±10nm、440±10nm、470±10nm或600nm以上且750nm以下的波长频带中具有峰值波长。
当医疗图像为照出活体内的活体内图像时，该活体内图像能够具有活体内的荧光物质发出的荧光的信息。
并且，荧光能够利用对活体内照射峰值波长为390nm以上且470nm以下的激励光而获得的荧光。
当医疗图像为照出活体内的活体内图像时，前述的特定的波长频带能够利用红外光的波长频带。
当医疗图像为照出活体内的活体内图像，且作为前述的特定的波长频带利用红外光的波长频带时，优选特定的波长频带包含790nm以上且820nm以下或905nm以上且970nm以下的波长频带，且特定的波长频带的光在790nm以上且820nm以下或905nm以上且970nm以下的波长频带中具有峰值波长。
医疗图像获取部11能够具有特殊光图像获取部，该特殊光图像获取部根据照射白色频带的光或作为白色频带的光照射多个波长频带的光而获得的通常光图像，获取具有特定的波长频带的信号的特殊光图像。在该情况下，作为医疗图像能够利用特殊光图像。
特定的波长频带的信号能够通过基于通常光图像中所包含的RGB或CMY的颜色信息的运算来获得。
能够具备特征量图像生成部，该特征量图像生成部通过基于照射白色频带的光或作为白色频带的光照射多个波长频带的光而获得的通常光图像及照射特定的波长频带的光而获得的特殊光图像中的至少一个的运算，生成特征量图像。在该情况下，作为医疗图像能够利用特征量图像。
关于内窥镜装置21，作为内窥镜31能够使用胶囊型内窥镜。在该情况下，光源装置32及处理器装置33的一部分能够搭载于胶囊型内窥镜。
上述各实施方式及变形例中，医疗图像获取部11、医疗图像分析处理部12(构成医疗图像分析处理部12的各部)、显示控制部15、输入接收部16、集中控制部17及内窥镜装置21的内窥镜图像生成部48等执行各种处理的处理部(processing unit)的硬件结构为如下所示的各种处理器(processor)。各种处理器中包含执行软件(程序)而作为各种处理部发挥功能的通用的处理器及CPU(Central Processing Unit/中央处理器)、FPGA(FieldProgrammable Gate Array/现场可编程门阵列)等制造后能够变更电路结构的处理器即可编程逻辑器件(Programmable Logic Device：PLD)及具有为了执行各种处理而专门设计的电路结构的处理器即专用电气电路等。
一个处理部可以由这些各种处理器中的一个构成，也可以由相同种类或不同种类的两个以上的处理器的组合(例如，多个FPGA或CPU与FPGA的组合)构成。并且，也可以将多个处理部由一个处理器来构成。作为将多个处理部由一个处理器来构成的例子，第1，有如以客户端或服务器等计算机为代表，由一个以上的CPU与软件的组合来构成一个处理器，且该处理器作为多个处理部而发挥功能的方式。第2，有如以片上系统(System On Chip：SoC)等为代表，使用将包含多个处理部的整个系统的功能由一个IC(Integrated Circuit/集成电路)芯片来实现的处理器的方式。如此，各种处理部作为硬件结构使用一个以上上述各种处理器而构成。
而且，更具体而言，这些各种处理器的硬件结构为组合了半导体元件等电路元件的方式的电气电路(circuitry)。
符号说明
10-医疗图像处理装置，11-医疗图像获取部，12-医疗图像分析处理部，13-显示部，15-显示控制部，16-输入接收部，17-集中控制部，18-保存部，21、510-内窥镜装置，22-PACS，31-内窥镜，32-光源装置，33-处理器装置，34-监视器，41-图像传感器，42-光源部，43-V-LED，44-B-LED，45-G-LED，46-R-LED，47-光源控制部，48-内窥镜图像生成部，51-第1鉴别处理部，52-第2鉴别处理部，53-存储部，101-显示用内窥镜图像，111-第1内窥镜图像，112-炎症区域，121-第2内窥镜图像，520-构成医疗图像处理装置的各部，610-诊断支持装置，621-第1检查装置，622-第2检查装置，623-第N检查装置，626-网络，630-医疗业务支持装置，S110～S218-动作的步骤。

Claims (15)

1.一种医疗图像处理装置，其中，该医疗图像处理装置具备：
医疗图像获取部，其获取包含被摄体像的医疗图像；
第1鉴别处理部，其进行第1鉴别处理，在该第1鉴别处理中，利用所述医疗图像中的使用具有特定的光谱的第1照明光拍摄的第1医疗图像而检测病变，并且对所检测到的所述病变的恶化程度进行鉴别；以及
第2鉴别处理部，其进行第2鉴别处理，在该第2鉴别处理中，利用所述医疗图像中的使用光谱与所述第1照明光不同的第2照明光拍摄的第2医疗图像，对所述病变的恶化程度进行鉴别，
所述第2鉴别处理部在所述第1鉴别处理中所检测到的所述病变的种类为特定的种类时或在所述第1鉴别处理中所检测到的所述病变为特定的恶化程度时，进行所述第2鉴别处理。
2.根据权利要求1所述的医疗图像处理装置，其中，
该医疗图像处理装置具备存储部，该存储部预先存储所述第1照明光与所述第2照明光的组合。
3.根据权利要求2所述的医疗图像处理装置，其中，
根据在所述第1鉴别处理中所检测的所述病变的种类或在所述第1鉴别处理中所检测的所述病变的恶化程度，规定所述第1照明光与所述第2照明光的组合。
4.根据权利要求1至3中任意一项所述的医疗图像处理装置，其中，
所述第2医疗图像为使用波长频带窄于所述第1照明光的所述第2照明光拍摄的所述医疗图像。
5.根据权利要求1至3中任意一项所述的医疗图像处理装置，其中，
所述第2医疗图像为使用比所述第1照明光多含特定的蓝色或特定的紫色的所述第2照明光拍摄的所述医疗图像。
6.根据权利要求1至3中任意一项所述的医疗图像处理装置，其中，
所述第1医疗图像为使用白色光拍摄的所述医疗图像。
7.根据权利要求1至3中任意一项所述的医疗图像处理装置，其中，
所述第1鉴别处理部检测炎症性肠病或癌作为所述病变。
8.根据权利要求1所述的医疗图像处理装置，其中，
在所述第2鉴别处理部进行所述第2鉴别处理的情况下，输出所述第2鉴别处理的结果来作为最终鉴别结果，且在所述第2鉴别处理部不进行所述第2鉴别处理时，输出所述第1鉴别处理的结果来作为最终鉴别结果。
9.根据权利要求7所述的医疗图像处理装置，其中，
在所述第1鉴别处理部检测溃疡性大肠炎作为所述病变，且鉴别内窥镜所见分型的分级作为溃疡性大肠炎的恶化程度时，
所述第2鉴别处理部在溃疡性大肠炎的分级为特定的分级时进行所述第2鉴别处理。
10.根据权利要求9所述的医疗图像处理装置，其中，
所述第2鉴别处理部输出将所述内窥镜所见分型的分级进一步细分化的鉴别结果。
11.根据权利要求9或10所述的医疗图像处理装置，其中，
在所述第1鉴别处理部鉴别Mayo分型的分级作为溃疡性大肠炎的恶化程度时，
所述第2鉴别处理部在溃疡性大肠炎的恶化程度为分级2或分级3时不进行所述第2鉴别处理，且在溃疡性大肠炎的恶化程度为分级0或分级1时进行所述第2鉴别处理。
12.根据权利要求9或10所述的医疗图像处理装置，其中，
在所述第1鉴别处理部鉴别Matts分型的分级作为溃疡性大肠炎的恶化程度时，
所述第2鉴别处理部在溃疡性大肠炎的恶化程度为分级3以上时不进行所述第2鉴别处理，且在溃疡性大肠炎的恶化程度为分级1或分级2时进行所述第2鉴别处理。
13.根据权利要求7所述的医疗图像处理装置，其中，
在所述第1鉴别处理部检测癌作为所述病变时，
所述第2鉴别处理部在所述第1鉴别处理中所检测到的所述病变不是癌时不进行所述第2鉴别处理，且在所述第1鉴别处理中检测到癌时进行所述第2鉴别处理。
14.根据权利要求13所述的医疗图像处理装置，其中，
所述第2鉴别处理部输出与治疗效果的预测相关的信息来作为鉴别结果。
15.一种内窥镜装置，其中，该内窥镜装置具备：
光源部，其发射光谱不同的多种照明光；
权利要求1至14中的任意一项所述的医疗图像处理装置；以及
光源控制部，其根据所述病变的种类或恶化程度，从第1照明光切换为第2照明光。
CN201880067162.3A 2017-10-17 2018-10-16 医疗图像处理装置及内窥镜装置 Active CN111212591B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2017-201333 2017-10-17
JP2017201333 2017-10-17
PCT/JP2018/038496 WO2019078204A1 (ja) 2017-10-17 2018-10-16 医療画像処理装置、及び、内視鏡装置

Publications (2)

Publication Number Publication Date
CN111212591A CN111212591A (zh) 2020-05-29
CN111212591B true CN111212591B (zh) 2022-08-02

Family

ID=66174153

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880067162.3A Active CN111212591B (zh) 2017-10-17 2018-10-16 医疗图像处理装置及内窥镜装置

Country Status (5)

Country Link
US (2) US11574401B2 (zh)
EP (1) EP3698702B1 (zh)
JP (2) JP7033146B2 (zh)
CN (1) CN111212591B (zh)
WO (1) WO2019078204A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA3124747A1 (en) * 2017-12-22 2019-06-27 Syddansk Universitet Dual-mode endoscopic capsule with image processing capabilities
JP7010774B2 (ja) * 2018-06-26 2022-01-26 トヨタ自動車株式会社 中間工程状態推定方法
JP7270626B2 (ja) * 2018-07-09 2023-05-10 富士フイルム株式会社 医用画像処理装置、医用画像処理システム、医用画像処理装置の作動方法、プログラム、及び記憶媒体
CN110599451B (zh) * 2019-08-05 2023-01-20 平安科技（深圳）有限公司 医学图像病灶检测定位方法、装置、设备及存储介质
EP4035585A4 (en) * 2019-09-27 2022-11-23 FUJIFILM Corporation IMAGE PROCESSING DEVICE, ENDOSCOPIC SYSTEM AND METHOD OF IMAGE PROCESSING
CN114585291A (zh) * 2019-10-23 2022-06-03 富士胶片株式会社 图像处理装置及其工作方法
US20220028547A1 (en) * 2020-07-22 2022-01-27 Iterative Scopes, Inc. Systems and methods for analysis of medical images for scoring of inflammatory bowel disease
EP4223203A4 (en) * 2020-10-02 2024-03-13 Fujifilm Corp IMAGE PROCESSING DEVICE, ENDOSCOPE SYSTEM, IMAGE PROCESSING DEVICE OPERATING METHOD, AND IMAGE PROCESSING DEVICE PROGRAM
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
JPWO2023282144A1 (zh) * 2021-07-07 2023-01-12

Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006061438A (ja) * 2004-08-27 2006-03-09 Olympus Corp カプセル型内視鏡
WO2008041809A1 (en) * 2006-10-02 2008-04-10 University Industry Cooperation Foundation Korea Aerospace University Capsule type endoscope device
CN101404924A (zh) * 2006-03-28 2009-04-08 奥林巴斯医疗株式会社 医疗用图像处理装置和医疗用图像处理方法
CN102266217A (zh) * 2010-06-01 2011-12-07 富士胶片株式会社 电子内窥镜系统
WO2012001178A1 (en) * 2010-07-02 2012-01-05 Vib Vzw The role of fragile x mental retardation gene and protein in cancer metastasis
CN102429679A (zh) * 2011-09-09 2012-05-02 华南理工大学 基于胸部ct图像的肺气肿计算机辅助诊断系统
WO2012135589A1 (en) * 2011-03-31 2012-10-04 Genentech, Inc. Methods of administering beta7 integrin antagonists
JP2012239816A (ja) * 2011-05-24 2012-12-10 Fujifilm Corp 内視鏡システム及び内視鏡診断支援方法
CN102871669A (zh) * 2011-07-14 2013-01-16 富士胶片株式会社 血液信息测量设备及方法
CN103747718A (zh) * 2012-03-21 2014-04-23 奥林巴斯医疗株式会社 图像处理装置
CN103834722A (zh) * 2013-06-19 2014-06-04 惠州市第二妇幼保健院 适用于结肠癌普查的核心基因芯片及探针
CN103889305A (zh) * 2011-10-04 2014-06-25 奥林巴斯株式会社 图像处理装置、内窥镜装置、图像处理方法及图像处理程序
CN104540438A (zh) * 2012-07-17 2015-04-22 Hoya株式会社 图像处理装置和内窥镜装置
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
JP2016077756A (ja) * 2014-10-21 2016-05-16 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
TWI537762B (zh) * 2016-01-12 2016-06-11 Application of hyperfamily imaging to identification of cancerous lesions
JPWO2015068604A1 (ja) * 2013-11-11 2017-03-09 富士フイルム株式会社 放射線画像撮影装置、放射線画像撮影方法、及び放射線画像撮影プログラム
CN107203778A (zh) * 2017-05-05 2017-09-26 平安科技（深圳）有限公司 视网膜病变程度等级检测系统及方法

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5819736A (en) * 1994-03-24 1998-10-13 Sightline Technologies Ltd. Viewing method and apparatus particularly useful for viewing the interior of the large intestine
JP3895400B2 (ja) * 1996-04-30 2007-03-22 オリンパス株式会社 診断支援装置
US7153259B2 (en) * 2003-09-01 2006-12-26 Olympus Corporation Capsule type endoscope
JP2006068488A (ja) * 2004-08-31 2006-03-16 Olympus Corp カプセル内視鏡
JP2006198106A (ja) 2005-01-19 2006-08-03 Olympus Corp 電子内視鏡装置
AU2006242054B2 (en) * 2005-04-14 2010-12-02 Fujirebio Inc. Method for determining the stage of ulcerative colitis or interstitial pneumonitis and reagent kit thereof
US8849380B2 (en) * 2007-11-26 2014-09-30 Canfield Scientific Inc. Multi-spectral tissue imaging
JP5506443B2 (ja) * 2010-02-10 2014-05-28 オリンパス株式会社 蛍光観察装置
JP2012000160A (ja) * 2010-06-14 2012-01-05 Fujifilm Corp 内視鏡装置
JP5486432B2 (ja) * 2010-07-28 2014-05-07 富士フイルム株式会社 画像処理装置、その作動方法およびプログラム
JP5335017B2 (ja) * 2011-02-24 2013-11-06 富士フイルム株式会社 内視鏡装置
US20130345510A1 (en) * 2011-05-10 2013-12-26 Ron Hadani Method and endoscopic device for examining or imaging an interior surface of a corporeal cavity
US9795330B2 (en) * 2011-12-15 2017-10-24 Given Imaging Ltd. Device, system and method for in-vivo detection of bleeding in the gastrointestinal tract
US9342881B1 (en) * 2013-12-31 2016-05-17 Given Imaging Ltd. System and method for automatic detection of in vivo polyps in video sequences
DE112015002789T5 (de) * 2014-07-09 2017-03-02 Olympus Corporation Endoskopsystem und Endoskop-Lichtquellenvorrichtung
US10413253B2 (en) * 2014-11-21 2019-09-17 Samsung Electronics Co., Ltd. Method and apparatus for processing medical image
JP6469558B2 (ja) 2015-10-07 2019-02-13 富士フイルム株式会社 内視鏡システム及び内視鏡システムの作動方法
JP6581923B2 (ja) 2016-03-03 2019-09-25 富士フイルム株式会社 画像処理装置とその作動方法および作動プログラム

Patent Citations (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006061438A (ja) * 2004-08-27 2006-03-09 Olympus Corp カプセル型内視鏡
CN101404924A (zh) * 2006-03-28 2009-04-08 奥林巴斯医疗株式会社 医疗用图像处理装置和医疗用图像处理方法
WO2008041809A1 (en) * 2006-10-02 2008-04-10 University Industry Cooperation Foundation Korea Aerospace University Capsule type endoscope device
CN102266217A (zh) * 2010-06-01 2011-12-07 富士胶片株式会社 电子内窥镜系统
WO2012001178A1 (en) * 2010-07-02 2012-01-05 Vib Vzw The role of fragile x mental retardation gene and protein in cancer metastasis
WO2012135589A1 (en) * 2011-03-31 2012-10-04 Genentech, Inc. Methods of administering beta7 integrin antagonists
JP2012239816A (ja) * 2011-05-24 2012-12-10 Fujifilm Corp 内視鏡システム及び内視鏡診断支援方法
CN102871669A (zh) * 2011-07-14 2013-01-16 富士胶片株式会社 血液信息测量设备及方法
CN102429679A (zh) * 2011-09-09 2012-05-02 华南理工大学 基于胸部ct图像的肺气肿计算机辅助诊断系统
CN103889305A (zh) * 2011-10-04 2014-06-25 奥林巴斯株式会社 图像处理装置、内窥镜装置、图像处理方法及图像处理程序
CN103747718A (zh) * 2012-03-21 2014-04-23 奥林巴斯医疗株式会社 图像处理装置
CN104540438A (zh) * 2012-07-17 2015-04-22 Hoya株式会社 图像处理装置和内窥镜装置
CN103834722A (zh) * 2013-06-19 2014-06-04 惠州市第二妇幼保健院 适用于结肠癌普查的核心基因芯片及探针
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
JPWO2015068604A1 (ja) * 2013-11-11 2017-03-09 富士フイルム株式会社 放射線画像撮影装置、放射線画像撮影方法、及び放射線画像撮影プログラム
JP2016077756A (ja) * 2014-10-21 2016-05-16 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
TWI537762B (zh) * 2016-01-12 2016-06-11 Application of hyperfamily imaging to identification of cancerous lesions
CN107203778A (zh) * 2017-05-05 2017-09-26 平安科技（深圳）有限公司 视网膜病变程度等级检测系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
《clinical remission as defined by the mayo score：dowedeceive ourselves？ reply》;SAMAAN,MA等;《GASTROIN TESTINAL ENDOSCOPY》;20150131;第83卷(第5期);E3-E4 *
《second-look ultrasonography for MRI-detected suspicious breast lesion in patients with breast cancer》;HONG,MJ等;《ULTRASONOGRAPHY》;20080930;第34卷(第2期);第125-132页 *
《胆囊息肉样病变的分型及临床表现》;杨东东等;《张家口医学院学报》;20011231(第5期);第92-93页 *

Also Published As

Publication number Publication date
EP3698702A4 (en) 2020-11-25
JPWO2019078204A1 (ja) 2020-10-22
JP7033146B2 (ja) 2022-03-09
JP7296498B2 (ja) 2023-06-22
JP2022060540A (ja) 2022-04-14
US20230119040A1 (en) 2023-04-20
US11574401B2 (en) 2023-02-07
US20200242764A1 (en) 2020-07-30
CN111212591A (zh) 2020-05-29
EP3698702B1 (en) 2023-06-07
WO2019078204A1 (ja) 2019-04-25
EP3698702A1 (en) 2020-08-26

Similar Documents

Publication Publication Date Title
CN111212591B (zh) 医疗图像处理装置及内窥镜装置
CN111278349B (zh) 医疗图像处理装置
JP6920931B2 (ja) 医療画像処理装置、内視鏡装置、診断支援装置、及び、医療業務支援装置
JPWO2018159363A1 (ja) 内視鏡システム及びその作動方法
JP7411618B2 (ja) 医療画像処理装置
JP7009636B2 (ja) 内視鏡システム
JP6785990B2 (ja) 医療画像処理装置、及び、内視鏡装置
JP7116176B2 (ja) 医療画像処理システム
CN112512398B (zh) 医疗图像处理装置
JP6834019B2 (ja) 医療画像処理装置、及び、内視鏡装置
JP6866497B2 (ja) 医療画像処理装置、及び、内視鏡装置
US11830185B2 (en) Medical image processing system and learning method

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