CN112351724A - 电子内窥镜系统 - Google Patents

电子内窥镜系统 Download PDF

Info

Publication number
CN112351724A
CN112351724A CN201980040779.0A CN201980040779A CN112351724A CN 112351724 A CN112351724 A CN 112351724A CN 201980040779 A CN201980040779 A CN 201980040779A CN 112351724 A CN112351724 A CN 112351724A
Authority
CN
China
Prior art keywords
lesion
evaluation
organ
image
value
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201980040779.0A
Other languages
English (en)
Other versions
CN112351724B (zh
Inventor
牧野贵雄
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.)
Hoya Corp
Original Assignee
Hoya 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 Hoya Corp filed Critical Hoya Corp
Publication of CN112351724A publication Critical patent/CN112351724A/zh
Application granted granted Critical
Publication of CN112351724B publication Critical patent/CN112351724B/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
    • A61B1/00006—Operational features of endoscopes characterised by electronic signal processing of control signals
    • 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
    • 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
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00043—Operational features of endoscopes provided with output arrangements
    • A61B1/00045—Display arrangement
    • 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
    • A61B1/00043—Operational features of endoscopes provided with output arrangements
    • A61B1/00045—Display arrangement
    • A61B1/0005—Display arrangement combining images e.g. side-by-side, superimposed or tiled
    • 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
    • A61B1/045—Control thereof
    • 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
    • A61B1/06—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
    • A61B1/07—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 using light-conductive means, e.g. optical fibres
    • 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
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Engineering & Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Endoscopes (AREA)

Abstract

电子内窥镜系统具备：电子内窥镜，其用于对器官内的活组织进行拍摄；处理器，其具备评估单元，该评估单元用于对所拍摄的所述活组织的多个图像进行处理并评估器官中的病变程度；以及监视器，其用于显示所述病变程度的评估结果。所述评估单元具备：评估值计算部，其用于针对所述图像中的每一个，计算用于表示所述活组织的病变强度的病变评估值；摄像位置信息获取部，其用于获取每个所述图像的摄像位置信息；病变部位位置计算部，其用于根据所述病变评估值是否超过预设阈值来判断是否存在所述病变，从而求出病变部位的区域的起始位置和终止位置；以及器官病变评估部，其用于使用所述起始位置和所述终止位置计算出的所述病变部位的长度以及所述病变评估值的典型值来评估在所述器官上的所述病变程度。

Description

电子内窥镜系统
技术领域
本发明涉及一种电子内窥镜系统，其用于通过对器官内的活组织进行拍摄来评估器官内的病变程度。
背景技术
活组织中的病变部位从活组织的粘膜层变薄、表面粗糙、发红的炎症到粘膜层及其下层局部缺损的溃疡，存在不同等级的严重程度。例如，在溃疡性大肠炎(UC：UlcerativeColitis)发生病变的溃疡部位，因带有白苔和脓状粘液而发白，而在发炎部位，则伴有水肿和易充血的红色。可以通过内窥镜系统对这种病变部位进行拍摄和观察。
然而，为了使外科医生能够通过内窥镜图像中所包含的颜色差异来识别正常部位(也称为健康部位)和病变部位，需要在技术熟练者的指导下接受长时间的训练。此外，即使是技术熟练的外科医生也不太容易从颜色的细微差异中识别出病变部位，因此需要仔细的工作。因此，优选地，内窥镜系统提供用于客观地量化器官内病变部位的病变程度的评估结果。
相对于此，已知一种内窥镜系统，其能够抑制因图像的亮度所引起的发炎部位的评估值的波动，执行稳定的评估值计算，并且能够减轻评估值计算的处理负担(专利文献1)。
现有技术文献
专利文献
专利文献1国际公开第2017/057680号
发明内容
发明所要解决的课题
在上述内窥镜系统中，其具备：光源装置，其用于向被摄体照射照明光；图像获取部，其用于利用摄像元件对来自被摄体的反射光进行拍摄，并获取包含至少3个以上的颜色分量的彩色图像；以及评估部，其用于根据线段和基准轴所形成的角度来求出与各个像素的目标疾病相关的评估结果，其中，线段用于在由至少3个以上的颜色分量中的至少2个颜色分量所定义的颜色平面内，对构成设定于颜色平面内的预定基准点和由图像获取部所获取的彩色图像的各个像素在颜色平面内的像素对应点进行连接，而基准轴与目标疾病具有相关性。设定基准轴以使其通过预定的基准点。基准轴是在颜色平面中与炎症程度为预定值以下的目标疾病具有相关性的轴和与炎症程度为预定值以上的目标疾病具有相关性的轴中的至少一个。
根据这种结构，可以抑制因图像的亮度所引起的炎症评估值的波动，稳定地进行炎症评估值的计算，并且可以抑制炎症评估值计算的处理负担。
然而，当上述内窥镜系统评估器官内的活组织的病变时，此评估限定于拍摄图像的活组织的部分，而并不能适当地评估在器官内部的纵深方向上具有何种强度的病变部位扩散到何种程度。
优选地根据病变部位的病变强度和病变部位的扩散来评估器官内的病变程度(病变的严重程度)，但在以往的内窥镜系统中，不能充分综合地评估包括病变部位扩散在内的器官内的病变程度。
因此，本发明的目的在于提供一种电子内窥镜系统，其用于在评估器官内的病变程度(病变的严重程度)时，能够根据病变部位的病变强度和病变部位的扩散来综合地评估器官的病变程度。
用于解决课题的方案
本发明的一实施方式是一种电子内窥镜系统，其用于评估器官内部活组织的病变。该电子内窥镜系统具备：
电子内窥镜，其被配置为对器官内的活组织进行拍摄；
处理器，其具备评估单元，该评估单元被配置为对所拍摄的所述活组织的多个图像进行处理并评估所述器官内的病变程度；
以及监视器，其被配置为在屏幕上显示所述病变的评估结果。
所述评估单元具备：
图像评估值计算部，其被配置为，针对所述活组织的多个图像中的每一个，计算用于表示每一个所述图像的所述活组织的病变强度的图像评估值；
摄像位置信息获取部，其被配置为，将拍摄每一个所述图像的所述器官内部的摄像位置信息与每一个所述图像相对应后获取；
病变部位位置计算部，其用于根据所述图像评估值是否超过预设阈值来判断每个所述图像是否存在所述病变，从而求出所述病变在所述器官内部的纵深方向上连续扩散的病变部位的区域的起始位置和终止位置；
以及器官病变评估部，其被配置为，将根据所述起始位置和所述终止位置计算出的评估对象的所述病变部位的长度作为所述病变部位的扩散信息，使用所述扩散信息和拍摄了所述病变部位的病变部位拍摄图像的图像评估值的典型值来评估在所述器官的纵深方向上的所述病变程度。
优选地，当所述病变存在于多个位置时，所述病变部位位置计算部将所述病变连续扩散的纵深方向的长度为最大值的病变部位用作评估对象的所述病变部位。
本发明的另一实施方式是一种电子内窥镜系统，其用于评估器官内部活组织的病变。该电子内窥镜系统具备：
电子内窥镜，其被配置为对器官内的活组织进行拍摄；
处理器，其具备评估单元，该评估单元被配置为对所拍摄的所述活组织的多个图像进行处理并评估所述器官内的病变程度；
以及监视器，其被配置为在屏幕上显示所述病变的评估结果。
所述评估单元具备：
图像评估值计算部，其被配置为，针对所述活组织的多个图像的各个像素，计算用于表示各个像素中的所述活组织的病变强度，并且根据所述像素评估值来计算用于表示每一个所述图像的所述活组织的病变强度的图像评估值；
摄像位置信息获取部，其被配置为，将拍摄每一个所述图像的所述器官内部的摄像位置信息与每一个所述图像相对应后获取；
病变部位位置计算部，其用于根据所述图像评估值是否超过预设阈值来判断每个所述图像是否存在所述病变，从而求出所述病变在所述器官内部的纵深方向上连续扩散的病变部位的起始位置和终止位置；
以及器官病变评估部，其被配置为，在拍摄所述起始位置和所述终止位置之间的所述病变部位的多个病变部位拍摄图像内，将通过所述像素评估值为用于确定所述病变的阈值以上的值的像素确定的所述病变部位的面积信息作为所述病变部位的扩散信息，使用所述扩散信息和所述病变部位拍摄图像的所述图像评估值的典型值来评估所述器官中的评估对象的所述病变程度。
优选地，所述器官病变评估部根据对在所述病变部位拍摄图像中所述像素评估值为用于被判定为所述病变的阈值以上的像素进行计数后得到的像素数量，来求出所述面积信息。
优选地，所述器官病变评估部根据在所述病变部位拍摄图像中所述像素评估值为用于被判定为所述病变的阈值以上的像素占所述病变部位拍摄图像的占有率在所述病变部位拍摄图像中的平均值、与根据所述起始位置和所述终止位置计算出的评估对象的所述病变部位长度之积来求出所述面积信息。
优选地，所述典型值是所述病变部位拍摄图像在所述图像评估值中的最大值。
优选地，所述器官病变评估部具备病变样本对应关系，该病变样本对应关系使得用于与使用包括拍摄所述器官内的确定病变程度的评估等级的多个病变样本图像在内的图像组而得到的每个所述病变样本相关且与所述典型值相对应的所述病变样本的病变样本典型值、用于与所述病变部位的扩散信息相对应的所述病变样本的病变样本扩散信息、以及所述评估等级相对应；
所述器官病变评估部根据通过拍摄所述器官内而得到的作为评估对象的所述病变部位的扩散信息以及作为评估对象的所述病变部位的所述典型值，使用所述病变样本对应关系，以所述等级来评估作为评估对象的所述病变程度。
此外，优选地，所述器官病变评估部具备预测模型，该预测模型是用于预测作为评估对象的所述病变部位的评估等级的预测模型，其将用于与使用包括确定病变程度的评估等级的多个病变样本图像在内的图像组而得到的每个所述病变样本相关且与所述典型值相对应的所述病变样本的病变样本典型值、用于与所述病变部位的扩散信息相对应的所述病变样本的病变样本扩散信息、以及所述评估等级作为学习数据来机器学习所述病变样本典型值、所述病变样本扩散信息与所述评估等级之间的对应关系；
所述器官病变评估部根据作为评估对象的所述病变部位的所述典型值和所述病变部位的扩散信息，在所述预测模型中预测作为评估对象的所述病变部位的评估水平。
优选地，所述监视器用于在屏幕上显示二维散点图，该二维散点图将作为评估对象的所述病变部位的所述典型值以及作为评估对象的所述病变部位的扩散信息与所述病变样本典型值以及所述病变样本扩散信息一起绘制。
发明效果
根据上述电子内窥镜系统，在评估器官的病变程度(病变的严重程度)时，能够根据病变部位的病变强度和病变部位的扩散来综合地评估器官的病变程度。
附图说明
[图1]为示出一个实施方式中的内窥镜系统结构的框图。
[图2]为图1所示的图像处理单元中的用于对器官纵深方向上的病变扩散进行评估的部分的结构说明图。
[图3]为在一实施方式中使用的颜色空间内的基准轴的示例说明图。
[图4]为用于计算在一实施方式中使用的活组织红色度的偏移角计算方法的说明图。
[图5]为一实施方式中的器官病变评估部执行的处理的示例说明图。
[图6]为一实施方式中的器官病变评估部根据作为评估对象的病变部位的扩散信息、以及作为评估对象的病变部位的典型值计算出等级的示例说明图。
[图7A]为示出从一实施方式中的图像处理单元所执行的从图像获取到计算出器官内的病变程度的处理流程的示例的图。
[图7B]为示出从一实施方式中的图像处理单元所执行的从图像获取到计算出器官内的病变程度的处理流程的示例的图。
具体实施方式
下面，在参照附图对本发明的实施方式中的电子内窥镜系统进行说明之前，首先，将概念性地说明器官的病变程度的评估方法。
(病变程度的评估概要说明)
下面说明的实施方式处理由电子内窥镜拍摄的器官内活组织的图像，并评估病变程度。器官内的病变程度通过使用病变扩散和用于表示各位置处病变进展程度的病变强度来进行综合性评估。例如，在器官内拍摄活组织时，将电子观测器从管状器官的开口端插入至作为器官内部的纵深方向上(包括向里侧移动的方向、以及向与里侧相反的一侧的开口侧移动的方向)的拍摄对象的最深部位置处，从此处朝向器官的开口端基本连续移动的同时，拍摄器官内部的活组织。
活组织所拍摄的图像可以是间隔一定时间连续拍摄的运动图像，而且，也可以是在器官内一边移动电子内窥镜一边断断续续拍摄的静止图像。优选地，当拍摄运动图像时，以基本相同的移动速度在相同的方向上移动电子内窥镜的同时进行拍摄。
在评估器官内的病变程度时，例如针对利用白光照明光进行照射的活组织的多个图像中的每一个来计算用于表示每一个图像中的活组织的病变强度的图像评估值。此图像评估值并不受特别限定，例如，当病变发炎时，可以列举用于根据病变部位的颜色分量信息(例如红色)来评估病变部位(发炎部位)的炎症强度的炎症评估值。
评估对象的器官并不受特别限制，例如，可以列举咽喉～食道、胃、小肠、大肠等消化道等。
此外，例如，也可以将使用包括波长为405nm的激光、波长为445nm的激光、以及利用波长为445nm的激光使荧光体发光的445～700nm的荧光的特殊光对活组织进行照射并拍摄，从通过拍摄获得的3个RGB图像信号中创建2个图像信号的比率，利用对这2个图像信号执行预定增强处理后的处理结果来创建的每个图像的评估值、例如用于评估萎缩性胃炎中的粘膜等的评估值作为上述图像评估值。
此外，例如，也可以将分别用波长为600nm的光、波长为630nm的光和波长为540nm的光作为照明光对活组织进行照射并拍摄，利用对通过拍摄获得的图像执行预定增强处理后的处理结果来创建的每个图像的评估值、例如用于评估粘膜深部血管的状态的评估值作为上述图像评估值。
此外，也可以将用光照射的、并通过染色等实施过预处理的消化道粘膜细胞放大拍摄后，将细胞核的特征量(长度、直径、周长、正圆度等形状信息)的平均值等作为用于评估非肿瘤、腺瘤、癌症等病变强度的评估值即图像评估值。
此外，图像评估值可以是每个图像所获得的Mayo评分等的评估等级。在这种情况下，将通过预先拍摄的病变部位的病变样本的图像获得的病变部位的图像评估值的典型值、病变部位的后述扩散信息以及Mayo评分等的评估等级用作学习数据，在预测模型中机器学习上述典型值以及病变部位的扩散信息与评估等级之间的对应关系。也可以使用机器学习的预测模型，根据通过新拍摄的器官内活组织的图像获得的病变部位的图像评估值的典型值以及病变部位的后述扩散信息来预测评估等级。此外，图像评估值可以是对每个图像的组织病理学评估进行量化的数值。
更进一步地，当对每个图像进行拍摄时，使所拍摄的器官内的摄像位置信息与图像中的每一个相对应，并获取图像。关于摄像位置信息，例如通过在位于插入至器官内部的电子观测器的前端部的摄像元件附近设置用于可以检测位置信息的传感器，从而可以获得摄像位置信息。此外，也可以将器官分成具有可识别特征的多个分段，并且将电子观测器的前端部位于哪一段来作为位置信息。在这种情况下，通过图像处理提取所拍摄的图像内的分段特征来确定摄像位置的分段，并且可以获得与电子观测器的前端部位于哪个段相关的位置信息。此外，外科医生一边观察显示在监视器上的图像，一边按下预先设定的按钮，并输入用于表示电子观测器的前端部开始通过预定分段的信号，从而可以获得与电子观测器的前端部位于哪个段相关的位置信息。
更进一步地，在下面说明的实施方式中，根据计算出的图像评估值是否超过预设阈值来判断各个图像中是否存在病变，从而求出病变在器官内的纵深方向上连续扩散的病变部位区域的起始位置和终止位置。
将根据所求出的起始位置和终止位置计算出的评估对象的病变部位长度作为扩散信息，使用此扩散信息和拍摄了作为评估对象的病变部位的病变部位拍摄图像的图像评估值的典型值，来评估器官内的病变程度。
在此，典型值例如可以是最大值、中间值或平均值，但从能够准确地评估病变强度的观点出发，优选为最大值。
在器官内的病变程度的评估中，例如可以预设病变程度以将其分为多个等级，根据该设定，器官内的病变程度可以通过等级来进行评估。此外，可以将扩散信息和图像评估值的典型值信息显示在监视器上，也可以将在平面上绘制了这些信息的二维散点图与上述等级一起显示在监视器上。
如此一来，由于将根据作为评估对象的病变部位的起始位置和终止位置计算出的评估对象的病变部位长度作为扩散信息，使用此扩散信息和拍摄了作为评估对象的病变部位的病变部位拍摄图像的图像评估值的典型值，来评估器官内的病变程度，因此可以综合评估器官内的病变程度。
例如，可以将图像评估值的典型值小而病变部位的扩散大的病变形态与图像评估值的典型值大而病变部位的扩散小的病变形态区分开后进行评估。
此外，关于病变扩散的信息，在拍摄了起始位置和终止位置之间的病变部位的病变部位拍摄图像的每一个中，也可以使用根据在病变部位拍摄图像中被判定为病变部分的像素来确定的病变部位的面积信息来代替根据病变部位的起始位置和终止位置计算出的病变部位的长度。如后所述，所谓在病变部位拍摄图像中被判定为病变部分的像素，是指能够使用计算图像评估值时使用的每个像素的像素评估值来判定是否是病变部分。例如，在后述的病变为炎症的情况下，为了计算作为图像评估值的炎症评估值，针对每个像素计算活组织的红色度(像素评估值)。在这种情况下，可以根据活组织红色度是否具有被判定为病变的预设阈值以上的值来判断是否是病变部分。因此，病变部位的面积信息可以根据在病变部位拍摄图像内被判定为病变的像素来确定。在这种情况下，优选地调整摄像的帧速率或电子观测器的移动速度，以使得相同的病变部分不会在不同的病变部位拍摄图像中重复拍摄。
(电子内窥镜系统的说明)
图1为示出本发明的一个实施方式中的电子内窥镜系统1的结构的框图。如图1所示，电子内窥镜系统1具备电子观测器100、电子内窥镜用处理器200、监视器300以及打印机400。
电子内窥镜用处理器200具备系统控制器202和时序控制器206。系统控制器202执行存储在存储器204中的各种程序，并且集成控制整个电子内窥镜系统1。此外，系统控制器202根据输入到操作面板208的用户(外科医生或助手)的指示来变更电子内窥镜系统1的各种设定。时序控制器206向电子内窥镜系统1内的各电路输出用于调整各部操作时间的时钟脉冲。
电子内窥镜用处理器200具备用于向电子观测器100提供照明光的光源部230。尽管图中未示出，但是光源部230具备例如通过接收由灯电源供给的驱动功率来发射白色照明光的高亮度灯，例如氙气灯、金属卤化物灯、水银灯或卤素灯。光源部230被配置为，从高亮度灯射出的照明光在通过图中未示出的聚光透镜聚光后，经由图中未示出的调光装置入射在电子观测器100的LCB(Light Carrying Bundle)102的入射端上。
或者，光源部230具备多个发光二极管，其用于射出预定颜色的波段的光。光源部230被配置为，使用二向色镜等光学元件合成从发光二极管射出的光，将合成的光作为照明光，并通过图中未示出的聚光透镜聚光后，入射到电子观测器100的LCB(Light CarryingBundle)102的入射端上。可以使用激光二极管代替发光二极管。与其他光源相比，由于发光二极管和激光二极管具有低功耗、低发热量等特征，因此具有能够在抑制功耗和发热量的同时获得明亮图像的优点。通过获取明亮的图像，可以提高与后述炎症相关的的评估值的精度。
另外，在图1所示的示例中，光源部230内置在电子内窥镜用处理器200中，但是也可以作为与电子内窥镜用处理器200分开的装置而设置在电子内窥镜系统1中。此外，光源部230也可以设置在后述电子观测器100的前端部。在这种情况下，不需要设置用于引导照明光的LCB102。
从入射端入射到LCB102内的照明光在LCB102内传播，并从布置在电子观测器100的前端部内的LCB102的端部射出，并经由配光透镜104照射到作为被摄体的器官内部的活组织中。来自活组织的反射光经由物镜106在固体摄像元件108的受光面上形成光学图像。
固体摄像元件108例如是用于在受光面上布置IR(Infrared)截止滤光片108a、采用拜耳阵列的滤色片108b等各种滤光片的单片式彩色CCD(Charge-Coupled Device)图像传感器，根据在受光面上成像的光学图像生成R(Red)、G(Green)、B(Blue)各原色信号。代替单片式彩色CCD图像传感器，也可以使用单片式彩色CMOS(Complementary Metal OxideSemiconductor)图像传感器。CMOS图像传感器与CCD图像传感器相比，通常具有图像整体变暗的倾向。因此，当使用CMOS图像传感器时，在如下所述的用于评估病变程度的量化处理中，抑制因图像的亮度所引起的病变部位中病变严重程度的波动的有益效果更为明显。如此一来，电子观测器100使用固体摄像元件108对器官内部的活组织进行拍摄，并生成运动图像。
电子观测器100与处理器200之间的连接部内部具备驱动器信号处理电路112。驱动器信号处理电路112对从固体摄像元件108输入的原色信号执行颜色插值、矩阵运算等预定信号处理后，生成图像信号(亮度信号Y、色差信号Cb、Cr)，并将生成的图像信号输出到电子内窥镜用处理器200的图像处理单元220上。此外，驱动器信号处理电路112访问存储器114并读取电子观测器100的特有信息。记录在存储器114中的电子观测器100的特有信息例如包括固体摄像元件108的像素数、灵敏度、可操作帧速率、型号等。驱动器信号处理电路112将从存储器114读取的特有信息输出到系统控制器202中。
系统控制器202基于存储在存储器204中的信息和电子观测器100的特有信息执行各种运算，并生成控制信号。系统控制器202使用所生成的控制信号来控制电子内窥镜用处理器200内的各个电路的操作和时间，以便执行与连接于电子内窥镜用处理器200的电子观测器100相适应的处理。
时序控制器206根据由系统控制器202所执行的时序控制，向驱动器信号处理电路112、图像处理单元220以及光源部230供给时钟脉冲。驱动器信号处理电路112根据从时序控制器206所供应的时钟脉冲，按照与在电子内窥镜用处理器200侧上执行处理的图像帧速率同步的时序，驱动控制固体摄像元件108。
图像处理单元220是能够根据外科医生的指令或者根据预先设定的处理内容进行图像处理的部分。在系统控制器202的控制下，图像处理单元220根据从驱动器信号处理电路112所输入的拍摄图像的图像信号，生成用于在监视器上显示内窥镜图像等的视频信号，并输出到监视器300上。更进一步地，作为图像处理的一部分，图像处理单元220对所拍摄的活组织的多个图像进行处理并评估器官的病变程度，生成用于在监视器上显示此评估结果的视频信号，并输出到监视器300上。具体而言，图像处理单元220根据由电子观测器100获得的活组织的多个图像来计算出用于表示每一个图像中的活组织的病变强度的后述图像评估值。另外，电子观测器100一边沿着器官内部的纵深方向基本连续地移动(也包括纵深方向上的摄像位置朝着相反的方向发生局部偏离的情况)，一边以设定的帧速率对器官内部的活组织进行拍摄。因此，图像处理单元220利用沿着基本纵深方向基本连续地拍摄的运动图像的图像评估值、以及对多个图像中的每一个进行拍摄的器官内部的摄像位置信息，确定病变部位位置并计算出病变部位在器官的纵深方向上的扩散信息，更进一步地，根据拍摄病变部位的多个图像、即多个病变部位拍摄图像中的图像评估值来计算图像评估值的典型值，并且利用此典型值和扩散信息来评估器官内的病变程度。
更进一步地，图像处理单元220根据图像内的各个像素的后述像素评估值来生成对各个像素赋予颜色的颜色映射图像。图像处理单元220生成用于在监视器上显示器官中病变程度的评估结果信息和上述颜色映射图像的视频信号，并输出到监视器300上。由此，外科医生能够通过在监视器300的显示屏上显示的图像来接收在所关注器官的纵深方向上扩散的病变程度的评估结果。图像处理单元220根据需要将颜色映射图像和器官中的病变程度的评估结果信息输出到打印机400上。
电子内窥镜用处理器200经由NIC(Network Interface Card)210和网络500连接至服务器600上。电子内窥镜用处理器200可以从服务器600下载与内窥镜检查相关的信息(例如，患者的电子病历信息、外科医生信息、过去在同一器官中的病变程度的评估结果)。所下载的信息例如显示在监视器300的显示屏或操作面板208上。此外，电子内窥镜用处理器200将内窥镜检查结果(内窥镜图像数据、检查条件、器官病变程度的评估结果、外科医生的发现等)上传到服务器600上，从而保存在服务器600上。
图2为图像处理单元220的一部分即用于对器官的病变程度进行评估的部分的结构说明图。图像处理单元220是被配置为对由电子观测器100拍摄的活组织的多个图像进行处理并评估病变程度的部分。图像处理单元220具备预处理部220a、图像评估值计算部220b、摄像位置信息获取部220c、病变部位位置计算部220d、器官病变评估部220e、以及评估结果整合部220f。预处理部220a、图像评估值计算部220b、摄像位置信息获取部220c、病变部位位置计算部220d以及器官病变评估部220e形成评估单元225，其被配置为对所拍摄的活组织的多个图像进行处理并评估器官内的病变程度。
预处理部220a、图像评估值计算部220b、摄像位置信息获取部220c、病变部位位置计算部220d、器官病变评估部220e、以及评估结果整合部220f可以是通过启动存储在存储器204中的软件而形成的软件模块，也可以由硬件构成。
根据一实施方式，图像评估值计算部220b针对每个图像评估作为病变强度的示例的炎症强度。下面，作为病变的示例，列举由溃疡性大肠炎等产生的炎症进行说明。
图像评估值计算部220b将用于针对每个像素量化活组织的红色度的活组织红色度作为像素评估值，并对整个图像中的像素评估值进行例如累计处理或平均处理后汇总成一个数值的值(炎症评估值)作为图像评估值进行计算。即，利用活组织的红色度来评估活组织的炎症程度。下面，将以计算用于表示炎症强度的活组织红色度的形式为例进行说明。
预处理部220a是对用于评估活组织所呈现出的红色度的图像实施预处理的部分。如示例所示，预处理部220a执行RGB转换、颜色空间转换、基准轴的设定和颜色校正等各种处理。
预处理部220a使用预定矩阵系数将从驱动器信号处理电路112输入的图像信号(亮度信号Y、色差信号Cb、Cr)转换为图像颜色分量(R、G、B)。
预处理部220a还执行用于将转换为图像颜色分量的图像数据正投影在RG平面上的颜色转换。具体而言，将由RGB3原色定义的RGB颜色空间中的各个像素的图像颜色分量转换为RG的图像颜色分量。从概念上讲，RGB颜色空间中各个像素的图像颜色分量根据R、G分量的像素值在RG平面内(例如，取R分量的像素值＝0～255、G分量的像素值＝0～255的值的RG平面内的区域)进行绘制。下面，为了便于说明，将RGB颜色空间中各个像素的图像颜色分量的点和在RG颜色空间中绘制的图像颜色分量的点称为“像素对应点”。RGB颜色空间的RGB各自的图像颜色分量例如依次为波长为620～750nm、波长为495～570nm、以及波长为450～495nm的颜色分量。另外，颜色分量构成颜色空间(也包括颜色平面)。色相和饱和度从“颜色分量”中排除。
更进一步地，预处理部220a设定用于评估活组织的红色度时所需的RG平面内的基准轴。
在作为被摄体的患者器官内部的活组织中，由于血红蛋白色素等的影响，图像颜色分量中的R分量相对于其他分量(G分量和B分量)占支配地位。当病变部位的病变程度低并且病变部位为发炎部位时，炎症越严重，红色(R分量)相对于其他颜色(G分量和B分量)就越重。但是，器官内的拍摄图像会随着影响亮度的拍摄条件(例如，照明光的照射情况)的变化而变化。示例性地，照明光未到达的阴影部分是黑色的(无彩色，例如R，G和B的图像颜色分量的值为零或接近零的值)，并且照明光强烈照射后正反射的部分是白色的(无彩色，例如当R，G和B的图像颜色分量的值为8位灰度时，该值为255或接近255的值)。即，即使在对发生炎症的相同发炎部位进行拍摄的情况下，照明光照射越强烈，此发炎部位的像素值越大。因此，根据照明光的照射情况，图像的颜色分量的值有时会取与炎症强度不相关的值。
通常，未发生炎症的器官内部的健康部位被粘膜完全覆盖。粘膜基本上是白色的，但颜色略带黄色，图像上映出的颜色(黄色)根据其深浅(粘膜厚度)的变化而变化。因此，认为粘膜的深浅也是评估炎症强度的指标之一。与此相对，发生炎症的器官内部的发炎部位没有被粘膜完全覆盖。具体而言，在血管扩张的同时，血液和体液从血管漏出，因此粘膜相对变薄，并且容易看见血液的颜色。粘膜基本上是白色的，但颜色略带黄色，图像上映出的颜色(黄色)根据其深浅(粘膜厚度)的变化而变化。因此，认为粘膜的深浅也是评估炎症程度的指标之一。
因此，如图3所示，在RG颜色空间内，将穿过(50,0)和(255,76)的直线设为基准轴之一，并且将穿过(0,0)和(255,192)的直线也设为基准轴之一。为了便于说明，将前一个基准轴称为“血红蛋白变化轴AX1”，将后一个基准轴称为“粘膜变化轴AX2”。图3为在一实施方式中使用的颜色空间内的基准轴的示例说明图。
图3所示的绘图是通过分析器官内部的多个参考图像而获得的结果。在分析中所使用的参考图像中，包括炎症程度最高的炎症图像示例(严重等级最高的炎症图像示例)、炎症程度最低的炎症图像示例(实质上可视为健康部位的图像示例)等各个阶段的炎症图像示例。另外，在图3所示的示例中，为了使附图清楚，仅仅示出了通过分析结果而获得的绘图的一部分。通过分析结果而实际获得的绘图数量远远多于图3所示的绘图数量。
如上所述，炎症越严重，图像的颜色分量中R分量相对于其他分量(G分量和B分量)就越重。因此，在图3所示的示例中，在绘图分布区域与未分布区域之间的边界线上，将比G轴更靠近R轴的边界线上的轴、以及穿过(50,0)和(255,76)的边界线上的轴设为炎症程度最严重的部分、即与炎症程度最高的部位的相关性高的轴。此轴是血红蛋白变化轴AX1。在血红蛋白变化轴AX1上，重叠有与在各种拍摄条件、例如，照明光的照射情况下拍摄的炎症程度最严重的发炎部位相对应的绘图。因此，血红蛋白变化轴AX1是随着活组织的炎症程度的增加而所绘制的像素对应点就越收敛的轴。
另一方面，越接近健康部位，图像的颜色分量中G分量(或者B分量)相对于R分量就越重。因此，在图3所示的示例中，在绘图分布区域与未分布区域之间的边界线上，将比R轴更靠近G轴的边界线上的轴、以及穿过(0,0)和(255,192)的边界线上的轴设为炎症程度最轻的部分、即与炎症程度最低的部分、实质上可以视为健康部位的相关性高的轴。此轴是粘膜变化轴AX2。在粘膜变化轴AX2上，重叠有与在各种拍摄条件、例如，照明光的照射情况下拍摄的炎症程度最轻的部分、即实质上可以视为正常部位相对应的绘图。因此，粘膜变化轴AX2是随着炎症程度的降低(越靠近健康部位)而所绘制的像素对应点就越收敛的轴。
作为补充，病变部位的病变程度最高的部分伴随出血。另一方面，病变程度最低的部分实质上是正常的健康部位，因此被粘膜完全覆盖。因此，可以认为图3所示的RG颜色空间内的绘图分布在夹在与血液(血红蛋白色素)相关性最高的轴和与粘膜颜色相关性最高的轴之间的区域中。因此，在绘图分布区域与未分布区域之间的边界线上，靠近R轴(R分量占比大)的边界线相当于表示炎症程度最高的发炎部位的轴(血红蛋白变化轴AX1)，靠近G轴(G分量占比大)的边界线相当于表示炎症程度最低的发炎部位的轴(粘膜变化轴AX2)。
在以这种方式设定基准轴之后，针对正投影的图像的颜色分量执行用于对表示后述红色强度的活组织红色度进行计算的处理。在执行用于计算此活组织红色度的处理之前，对正投影的像素数据执行颜色校正。
图3所示的基准轴是示例，并且基准轴根据疾病种类的不同而不同。
预处理部220a在计算炎症评估值之前，对在RG颜色空间中表示的图像的颜色分量执行颜色校正。校正矩阵系数存储在存储器204中。如下式所示那样，预处理部220a使用校正矩阵系数校正作为各个像素RG颜色空间内的像素对应点的像素数据(R、G)，以便使用不同的电子内窥镜系统对相同的发炎部位进行摄像时，后述炎症评估值不会产生误差(换言之，为了抑制电子观测器的个体误差)。
Figure BDA0002841992570000141
Rnew：校正后的像素数据(R分量)
Gnew：校正后的像素
数据(G分量)
M00～M11：校正矩阵系数
R：校正前的像素数据(R分量)
G：校正前的像素数据(G分量)
图像评估值计算部220b从像素中选择一个关注像素，针对所选择的关注像素，根据关注像素的颜色分量信息来计算用于计算炎症程度的偏移角。即，根据像素的颜色分量信息，执行用于量化活组织的红色度的量化处理。图4为用于计算在一实施方式中使用的活组织红色度的偏移角计算方法的说明图。具体而言，如图4所示，图像评估值计算部220b将血红蛋白变化轴AX1和粘膜变化轴AX2的交点设为基准点O'，并计算用于连结基准点O'和关注像素的像素对应点P的线段L的方向相对于血红蛋白变化轴AX1偏移的偏移角θ。另外，基准点O'位于坐标(-150,-75)。列举了将基准点O'设为坐标(-150,-75)的示例，但是本发明并不限定于此。可以适当地变更基准点O'，例如，也可以是RG颜色空间中R轴和G轴的交点。
作为基准点O'，优选的坐标位置例如是可以减少因亮度波动而导致的评估结果的误差的位置。具体而言，优选地通过预先求出黑暗部(亮度小于预定值)的评估结果与非黑暗部(亮度大于等于预定值)的评估结果间的误差最小的点来设定基准点O'。
此外，例如，当将基准点O'设在坐标(-10,-10)到(10,10)之间时，与将坐标(-150,-75)等设为基准点O'时的情况进行比较，由于像素对应点变化时角度θ的变化量增大，因此分辨率得以提高。由此，可以获得高精度的评估结果。
另一方面，通过将基准点O′设在坐标(-50,-50)到(-200,-200)之间，用于表示炎症强度的评估结果很难受到噪声影响。
当拍摄器官内部活组织的图像亮度随着白光的照射情况的变化而变化时，尽管图像颜色会受到个体差异、摄像位置和发炎状态等的影响，但在RG颜色空间内，通常在炎症最严重的发炎部位，其沿血红蛋白变化轴AX1变化，而在炎症程度最轻的发炎部位，其沿粘膜变化轴AX2变化。此外，可以推测炎症程度为中度时的发炎部位的图像颜色也以相同的趋势发生变化。即，当像素的亮度随着照明光的照射情况的变化而变化时，与发炎部位相对应的像素对应点以基准点O'为起点开始在方位角方向上偏移。换言之，当像素的亮度随着照明光的照射情况的变化而变化时，与发炎部位相对应的像素对应点相对于血红蛋白变化轴AX1的偏移角θ恒定移动，与基准点O'间的距离发生变化。这意味着，偏移角θ是实质上不受图像亮度变化影响的参数。
偏移角θ越小，R分量相对于G分量就越重，这表明病变部位中的红色度相对较大。此外，偏移角θ越大，G分量相对于R分量就越重，这表明红色度相对较小。因此，图像评估值计算部220b对角度θ进行归一化，以使得当偏移角θ为零时该值为255，而当偏移角θ为θMAX时该值为零。另外，θMAX与血红蛋白变化轴AX1和粘膜变化轴AX2所形成的角度相等。即，评估值计算部220b针对各个关注像素，将对根据各个关注像素的颜色分量信息而计算出的偏移角θ进行归一化后获得的范围为0～255内的值作为活组织红色度(像素评估值)来进行计算。
另外，对图像的所有像素逐一选择关注像素。另外，在图4所示的示例中，使用RG颜色空间作为颜色空间，但是也可以使用RB颜色空间来代替RG颜色空间。
图像评估值计算部220b计算作为对偏差角θ进行归一化后的值的活组织红色度以用作像素评估值，但根据情况，也可以将用于表示活组织的溃疡特性强度的活组织白色度作为像素评估值来进行计算。例如，通过对活组织图像的各个像素的各个颜色分量像素值执行赋予线性增益(增益)的增益调整，实质上扩散病变特有的色域附近的动态范围，执行用于增强颜色表现的有效分辨率的色调增强处理，例如，从而可以通过颜色分量将包括溃疡性大肠炎的白苔和脓状粘液的溃疡部位与发炎部位、健康部位区分开。溃疡部位显示白色，与此相对，包括水肿和易出血性的发炎部位显示红色，健康部位显示黄色或绿色。活组织的白色度可以使用以图4所示的2种颜色分量(R分量、G分量和B分量中的两种)或3种颜色分量(R分量、G分量和B分量)为坐标轴在颜色空间上表示的、相对于与血红蛋白变化轴AX1不同的基准轴的偏移角来进行计算。另外，色调增强处理由预处理部220a来执行。
图像评估值计算部220b使用各个像素的像素评估值例如上述活组织红色度，来计算一个图像评估值。图像评估值计算部220b例如可以将拍摄图像中的所有像素的像素评估值的累积值或平均值作为一个图像评估值进行计算，此外，也可以在拍摄图像中取舍性地选择用于表示作为评估对象的活组织图像的像素，并将所选择的像素的像素评估值的累积值或平均值作为一个图像评估值进行计算。或者，例如，在每个像素的RGB颜色分量或像素的亮度分量中，根据预定范围内的颜色分量或亮度分量来提取评估对象的像素，并通过求出所提取的像素的像素评估值的平均值，或者使用预定的加权系数来求出加权平均值，或者通过执行累积处理，图像评估值计算部220b也可以计算出一个图像评估值。为了高精度地评估器官中的炎症程度，作为图像中的评估对象的像素部分是具有在活组织中假设的预定范围内的颜色分量的值的部分，并且是优选的是具有由照明光照明的预定值以上的亮度分量的像素部分。
将图像评估值计算部220b计算出的图像评估值发送到器官病变评估部220e中。
图像评估值计算部220b进一步生成用于通过随着活组织红色度的变化而变化的显示色对活组织的图像进行马赛克化的颜色映射图像。为了生成颜色映射图像，将像素评估值和预定显示色彼此对应的表格存储在存储器204的存储区域中。例如，在上述表格中，每5个数值对应不同的显示色。示例性地，像素评估值在0～5范围内时对应蓝色，每当该像素评估值增加5个值时，按照色调环中颜色的排列顺序对应不同的显示色，当像素评估值在250～255范围内时对应红色。活组织的红色度越大，显示色就越是从冷色系接近暖色系，例如从蓝色变为黄色甚至红色。图像评估值计算部220b基于上述表格，根据关注像素的活组织红色度来确定所选择的关注像素在颜色映射图像上的显示色。
这样一来，图像评估值计算部220b生成用于根据像素评估值(活组织红色度)赋予其颜色的颜色映射图像。
摄像位置信息获取部220c使从设置在电子内窥镜系统1中的位置测量系统250发送的摄像位置信息与所拍摄的图像相对应后获取。位置测量系统250例举了例如利用传感器来获取位于插入到器官中的电子观测器100的前端处的固体摄像元件108的位置以及续接的可挠管的各个位置的系统、获取从器官的开口插入的电子观测器100的插入长度的系统、或者将所拍摄的图像显示在监视器300上，并且观看此图像的外科医生通过手动输入指令，来获取用于表示电子观测器100的前端部已通过作为所插入的器官内的特征部分的特定部分通过信号的系统。
在利用传感器获取固体摄像元件108的位置的系统中，例如，在位于电子观测器100前端部的固体摄像元件108附近的位置以及从前端部到续接至处理器200侧的可挠管以预定间隔设置多个磁传感器，从将电子观测器100插入至器官内的人体外部开始根据位置施加强度不同的磁场，并且上述磁传感器通过测量磁场的强度，可以获悉设置在前端部的磁传感器的位置，进而，可以从多个磁传感器的位置来获悉可挠管在器官内的弯曲形状。由此，可以获悉固体摄像元件108的前端部的位置，并且可以获悉电子观测器100在器官内的形状、以及电子观测器100从器官开口端开始插入的的插入长度。
当其为用于获取电子观测器100从器官的开口端插入的插入长度的系统时，例如，在所拍摄的运动图像中的拍摄时间相邻的帧图像之间利用光流处理来获取活组织移动了多少等相关的移动距离信息，并且每当帧图像变化时累加上述移动距离信息计算出移动距离，从而可以获取当前电子观测器100的插入长度信息。此外，例如，可以通过测量续接的可挠管从所插入的电子观测器100的前端部朝向器官内伸出的长度来获取当前电子观测器100的插入长度信息。
在用于获取器官的特定部分通过信号的系统中，外科医生在观察显示在监视器300上的图像的同时，在器官内部的可识别的特定部分出现在图像中并通过的时间点，外科医生通过按下位于手边的按钮来生成特定部分通过信号，摄像位置信息获取部220c可以获取此特定部分通过信号。所谓器官内部的特定部分位置，例如当器官是大肠时，包括升结肠的起始位置、升结肠终止且大肠弯曲后横结肠的起始位置、横结肠终止且大肠弯曲后降结肠的起始位置、降结肠终止且大肠弯曲后乙状结肠的起始位置、乙状结肠终止且直肠的起始位置、以及直肠终止到达肛门的位置。
将摄像位置信息获取部220c获取的摄像位置信息发送到器官病变评估部220e中。
病变部位位置计算部220d根据图像评估值计算部220b计算出的图像评估值是否超过预设阈值来判断所拍摄的每个图像是否存在病变，从而求出病变在器官内部的纵深方向上连续扩散的病变部位的区域的起始位置和终止位置。使用由医生预先评估为有病变的过去拍摄的图像来设定用于判断是否存在病变的阈值。
根据一实施方式，当病变存在于多个位置时，病变部位位置计算部220d将病变连续扩散的纵深方向的长度为最大值的病变部位用作评估对象的病变部位。在多个病变部位中，病变部位长度扩散最大的病变部位最大程度地控制器官内的病变程度，从能够高精度地评估器官内的病变程度(严重程度)的观点出发，优选地将器官内部的纵深方向的长度最大的病变部位作为评估对象的病变部位。
器官病变评估部220e将根据病变部位的起始位置和终止位置计算出的评估对象的病变部位长度作为扩散信息，使用此扩散信息和拍摄了作为评估对象的病变部位的病变部位拍摄图像的图像评估值的典型值，来评估器官内的病变程度。在此，典型值是与多个病变部位拍摄图像的图像评估值相关的统计量，例如，最大值、中间值、或平均值。尤其是，典型值用作病变部位的病变强度的指标，因此优选为最大值。
图5为由器官病变评估部220e执行的处理的示例说明图。在图5中例示了所拍摄到的大肠内部的每个图像IM的图像评估值(在图5中记载为"评估值")和摄像位置信息。在图5所示的示例中，摄像位置信息"232"的位置是病变部位的起始位置，摄像位置信息"38"的位置是病变部位的终止位置。即，病变部位的范围是从摄像位置信息"232"的位置到摄像位置信息"38"的位置的范围。因此，病变部位的长度为"194"(＝232-38)。
此外，图5所示的示例是典型值使用病变部位拍摄图像中的图像评估值的最大值的示例，在图5所示的示例中，典型值在摄像位置信息"38"位置处的病变部位拍摄图像中的图像评估值为最大值。因此，典型值为"127"。
根据一实施方式，病变扩散信息优选为表示病变部位扩散的面积信息。在从病变的起始位置到终止位置的各处中，病变并不是存在于器官内部的整个内周上，有时病变不均匀地分布在器官内部的内周的一部分上，因此，与将病变部位的长度作为病变部位的扩散信息相比，将面积信息作为病变部位的扩散信息有时可以更准确地表示病变的扩散。当用面积信息表示病变部位的扩散时，在拍摄了起始位置和终止位置之间的病变部位的病变部位拍摄图像的每一个中，使用由在病变部位拍摄图像中被判定为病变部分的像素确定的病变部位的面积信息。所谓在病变部位拍摄图像中被判定为病变部分的像素，是指能够使用计算图像评估值时使用的每个像素的像素评估值，将上述炎症评估值作为图像评估值进行计算的示例中，则是使用活组织红色度来判定是否是病变部分。具体而言，将活组织红色度为预设阈值以上的像素作为病变(炎症)部分。
根据一实施方式，优选地，器官病变评估部220e对在多个病变部位拍摄图像的每一个中像素评估值(例如，活组织红色度)为用于被判断为病变的阈值以上的像素数进行计数，并且根据整个病变部位拍摄图像中的像素计数值，来求出病变部位的面积信息。作为面积信息，可以使用上述像素的计数值乘以预定系数，或者也可以使用上述像素数本身。在这种情况下，优选地调整摄像的帧速率或电子观测器的移动速度，以使得相同的病变部分不会在不同的病变部位拍摄图像中重复拍摄。
根据一实施方式，优选地，器官病变评估部220e针对每个病变部位拍摄图像来求出在病变部位拍摄图像中像素评估值(例如，活组织红色度)为用于被判断为病变的阈值以上的像素占图像的占有率，并且根据占有率在整个病变部位拍摄图像中的平均值、与根据起始位置和终止位置计算出的病变部位长度之积来求出面积信息。作为面积信息，可以使用上述乘积乘以预定系数，或者也可以使用上述乘积本身。可以将占有率的平均值视为病变部位占器官内部的内周的比率，因此占有率的平均值和病变部位的长度之积可以用作病变部位的面积信息的指标。
以此方式，器官病变评估部220e使用求出的扩散信息和图像评估值的典型值来评估器官内的病变程度。根据一实施方式，优选地，按照以下方式来进行器官内的病变程度的评估。
具体而言，器官病变评估部220e从存储器204调用并保持病变样本对应关系，该病变样本对应关系使得利用由与病变程度相关的评估等级确定的多个病变样本的图像组而得到的每个病变样本相关的病变样本典型值、用于表示病变样本的病变部位扩散的病变样本扩散信息、以及与病变样本的图像组相对应的的已知评估等级相对应。优选地，病变样本典型值以及病变样本的病变部位扩散信息以与用于计算与上述评估对象的病变部位相关的典型值以及扩散信息的方法相同的方法来进行计算。病变样本的图像组包括拍摄器官内部的多个病变样本的图像，通过等级来评估此病变样本中的病变程度，是指已经确定了评估等级的图像。优选地，病变样本的图像组是由医生通过例如Mayo评分那样的评估等级来进行评估。器官病变评估部220e根据拍摄器官内部而得到的评估对象的病变部位的扩散信息以及作为评估对象的病变部位的典型值，使用上述病变样本对应关系，通过评估等级来评估作为评估对象的病变程度。
关于病变样本对应关系，准备多组病变样本，对病变样本图像组中的典型值以及病变样本相对于病变样本扩散信息的评估等级例如进行回归分析来获得回归方程，从而可以建立病变样本对应关系。此外，通过对多组病变样本图像组进行聚类分析，基于病变样本图像组的病变样本典型值以及病变样本扩散信息来建立多个分组，通过对各个分组赋予其评估等级，从而可以建立病变样本对应关系。此外，准备多组确定了评估等级的病变样本图像组，将病变样本典型值以及病变样本扩散信息，和与其相对应的病变样本的评估等级作为学习数据，在预测模型中机器学习病变样本图像组中的典型值、病变样本扩散信息、与病变样本评估等级之间的病变样本对应关系，并且也可以将机器学习的预测模型设置在器官病变评估部220e中。在此预测模型中，可以根据作为评估对象的病变部位的扩散信息以及作为评估对象的病变部位的典型值来预测作为评估对象的病变部位的评估等级。即，病变样本对应关系还包括基于通过机器学习构建的人工智能的对应关系。在预测模型的机器学习中，例如使用基于神经网络的深度学习(Deep Learning)。此外，可以使用利用了树结构的随机森林。作为预测模型，可以使用卷积神经网络等的已知模型。
图6为器官病变评估部220e根据作为评估对象的病变部位的扩散信息、以及作为评估对象的病变部位的典型值，使用病变样本对应关系来计算出评估等级的示例说明图。多组病变样本图像组包含患者1…患者n的病变样本图像组和附随于此的病变样本的评估等级。在图6中，将评估等级记载为"等级"。根据此图像组，计算并设定病变样本典型值以及病变样本中的病变部位的长度(病变样本扩散信息)。准备多组这样的病变样本图像组，构建使病变样本典型值、病变样本扩散信息与评估等级之间相互对应的病变样本对应关系并存储在存储器204中。在评估作为评估对象的病变程度时，器官病变评估部220e调用并保持病变样本对应关系，并使用此对应关系，根据作为评估对象的病变部位的长度(扩散信息)以及作为评估对象的病变部位的典型值来预测评估等级并进行评估。
如此一来，器官病变评估部220e使用根据作为评估对象的病变部位的起始位置和终止位置来计算出的作为评估对象的病变部位的扩散信息和病变部位拍摄图像的图像评估值的典型值来评估器官内的病变程度，因此可以综合评估器官的病变程度。
评估结果整合部220f生成用于在监视器300上显示由器官病变评估部220e评估的评估等级、根据需要而设的二维散点图，或者图像评估值为最大值的病变部位拍摄图像、对此图像进行处理的颜色映射图像的画面。二维散点图是在横轴和纵轴中的一个轴上设病变部位的典型值，在横轴和纵轴中的另一个轴上设病变部位的扩散信息，将作为评估对象的病变部位的典型值和作为评估对象的病变部位的扩散信息与病变样本典型值和病变样本扩散信息一起绘制的图。
在这样的画面中，或者在别的画面上，也可以将拍摄器官内部的图像作为运动图像进行播放。
监视器300通过在屏幕上显示对作为评估对象的病变部位的典型值以及作为评估对象的病变部位的扩散信息进行绘制的上述二维散点图，外科医生可以很容易地掌握作为评估对象的病变部位的严重程度。
图7A、7B为示出由评估单元225所执行的从图像获取到计算出器官内的病变程度的处理流程的示例的图。图中所示的流程是将典型值设为图像评估值的最大值的示例，作为评估对象的病变部位是将器官内存在的多个病变部位中的长度最长的病变部位作为评估对称的示例。
首先，在评估单元225中，设置作为内部变量的病变部位的长度和病变标记。具体而言，将病变部位的长度设定为零，将表示病变部位是否存在的病变标记设定为"False"(False表示病变部位不存在)(步骤S10)。病变标记是“False”或“True”中的任意一个
然后，预处理部220a获取图像(步骤S12)，并执行上述RGB转换、颜色空间转换、基准轴的设定、以及颜色校正等处理。
此外，摄像位置信息获取部220c从位置测量系统250获取与预处理部220a所获取的图像相对应的图像摄像位置信息(步骤S14)。另一方面，图像评估值计算部220b使用由预处理部220a处理过的图像来计算图像评估值(步骤S16)。器官病变评估部220e判断所计算出的图像评估值是否超过用于确定病变是否存在的阈值(步骤S18)。当此判断结果为肯定时，器官病变评估部220e判断病变标记是否为"True"(步骤S20)。当此判断结果为否定时，即病变标记为"False"时，病变部位位置计算部220d由于检测出病变部位，因此将病变标记设置为"True"(步骤S22)，进而，将在步骤S14中获取的当前的摄像位置信息存储在存储器204中。由此，将病变部位的起始位置的信息存储在存储器204中。更进一步地，进入后述的步骤S26中。
另一方面，当步骤S20的判断结果为肯定时，即病变标记为"True"时，则表示病变部位正在持续发生，因此器官病变评估部220e将在步骤S16中计算出的图像评估值存储在存储器204中(步骤S26)。即，将病变部位中的图像评估值依次存储在存储器204中。之后，预处理部220a判断图像的获取是否完成(步骤S40)。当继续获取图像时(判断结果为否定时)，进入到步骤S12，预处理部220a获取新的图像并继续处理。当完成图像的获取时，进入图7B所示的病变标记是否为"True"的判断步骤(步骤S42)中。
另一方面，当步骤S18中的判断结果为否定时，则器官病变评估部220e判断病变标记是否为"True"(步骤S28)。当此判断结果为肯定时，则假设当前的摄像位置位于病变部位的终止位置，从而确定终止位置。因此，病变部位位置计算部220d将从存储在存储器204中的摄像位置信息、即病变部位的起始点位置信息中减去当前摄像位置信息后的值确定为临时长度(步骤S30)。更进一步地，器官病变评估部220e判断所确定的临时长度是否大于作为内部变量的病变部位的长度(步骤S32)。当此判断结果为肯定时，则病变部位位置计算部220d将所确定的临时长度设为病变部位的长度(步骤S34)。更进一步地，器官病变评估部220e将存储在存储器204中的图像评估值中的最大值设为典型值(步骤S36)。之后，器官病变评估部220e将病变标记设为"False"(步骤S38)，并进入步骤S40。
另一方面，当步骤S28中的判断结果为否定时，则进入上述步骤S40。即，当步骤S28中的判断结果为否定时，由于依然持续处于未发现病变部位的状态，因此进入接下来对要获取的图像进行评估的步骤中。
此外，当步骤S32中的判断结果为否定时，即临时长度比已经设定的病变部位的长度短时，则此病变部位对器官的病变程度的影响较小，因此不作为评估对象。此时，由于病变部位在当前摄像位置上终止，因此进入将病变标记设为"False"的步骤S38中。之后，进入步骤S40。
尽管完成了图像的获取，但是考虑到病变部位在最后获取的图像中持续存在的情况，执行步骤S42～S50的处理。即，器官病变评估部220e判断病变标记是否为"True"。当判断结果为肯定时，即，病变标记为"True"时，意味着在最后获取的图像中病变部位持续存在，因此执行与步骤S30～S38相同的处理(步骤S44～S52)。步骤S44～52的处理与步骤S30～38相同，因此在此省略说明。
以这种方式，器官病变评估部220e通过使用预先设定的上述对应关系，根据器官内具有最大长度的病变部位的长度及其典型值，利用评估等级来评估器官内的病变程度(步骤S54)。
如此一来，电子内窥镜系统1通过处理所获取的图像来获得病变部位的病变强度和病变部位的扩散信息，因此能够综合评估器官内的病变程度。
在上文中，对本发明提供的内窥镜系统进行了详细说明，但是本发明提供的内窥镜系统并不限于上述实施方式，在不脱离本发明的主旨的范围内还可以进行各种改进和变化。
符号说明
1 电子内窥镜系统
100 电子观测器
200 处理器
220 图像处理单元
225 评估单元
220a 预处理部
220b 图像评估值计算部
220c 摄像位置信息获取部
220d 病变部位位置计算部
220e 器官病变评估部
220f 评估结果整合部
225 评估单元
230 光源部
250 位置测量系统
300 监视器
400 打印机
600 服务器。

Claims (9)

1.一种电子内窥镜系统，具体是一种用于评估器官内活组织的病变的电子内窥镜系统，其特征在于，其具备：
电子内窥镜，其被配置为对器官内的活组织进行拍摄；
处理器，其具备评估单元，该评估单元被配置为对所拍摄的所述活组织的多个图像进行处理并评估所述器官中的病变程度；
以及监视器，其被配置为在屏幕上显示所述病变的评估结果；
所述评估单元具备：
图像评估值计算部，其被配置为，针对所述活组织的多个图像中的每一个，计算用于表示每一个所述图像的所述活组织的病变强度的图像评估值；
摄像位置信息获取部，其被配置为，将拍摄每一个所述图像的所述器官内的摄像位置信息与每一个所述图像相对应后获取；
病变部位位置计算部，其用于根据所述图像评估值是否超过预设阈值来判断每个所述图像是否存在所述病变，从而求出所述病变在所述器官内部的纵深方向上连续扩散的病变部位的区域的起始位置和终止位置；
以及器官病变评估部，其被配置为，将根据所述起始位置和所述终止位置计算出的所述病变部位的长度作为所述病变部位的扩散信息，使用所述扩散信息和拍摄了所述病变部位的病变部位拍摄图像的图像评估值的典型值来评估在所述器官上的所述病变程度。
2.根据权利要求1所述的电子内窥镜系统，当所述病变存在于多个位置时，所述病变部位位置计算部将所述病变连续扩散的纵深方向的长度为最大值的病变部位用作评估对象的所述病变部位。
3.一种电子内窥镜系统，具体是一种用于评估器官内活组织的病变的电子内窥镜系统，其特征在于，其具备：
电子内窥镜，其被配置为对器官内的活组织进行拍摄；
处理器，其具备评估单元，该评估单元被配置为对所拍摄的所述活组织的多个图像进行处理并评估所述器官中的病变程度；
以及监视器，其被配置为在屏幕上显示所述病变的评估结果；
所述评估单元具备：
图像评估值计算部，其被配置为，针对所述活组织的多个图像的各个像素，计算用于表示各个像素中的所述活组织的病变强度，并且根据所述像素评估值来计算用于表示每一个所述图像的所述活组织的病变强度的图像评估值；
摄像位置信息获取部，其被配置为，将拍摄每一个所述图像的所述器官内的摄像位置信息与每一个所述图像相对应后获取；
病变部位位置计算部，其用于根据所述图像评估值是否超过预设阈值来判断每个所述图像是否存在所述病变，从而求出所述病变在所述器官内部的纵深方向上连续扩散的病变部位的起始位置和终止位置；
以及器官病变评估部，其被配置为，在拍摄所述起始位置和所述终止位置之间的所述病变部位的多个病变部位拍摄图像内，将通过所述像素评估值为用于被判断为所述病变的阈值以上的值的像素确定的所述病变部位的面积信息作为所述病变部位的扩散信息，使用所述扩散信息和所述病变部位拍摄图像的所述图像评估值的典型值来评估所述器官中的评估对象的所述病变程度。
4.根据权利要求3所述的电子内窥镜系统，所述器官病变评估部根据对在所述病变部位拍摄图像中所述像素评估值为用于被判断为所述病变的阈值以上的像素进行计数后得到的像素数量，来求出所述面积信息。
5.根据权利要求3所述的电子内窥镜系统，所述器官病变评估部根据在所述病变部位拍摄图像中所述像素评估值为用于被判断为所述病变的阈值以上的像素占所述病变部位拍摄图像的占有率在所述病变部位拍摄图像中的平均值、与根据所述起始位置和所述终止位置计算出的评估对象的所述病变部位长度之积来求出所述面积信息。
6.根据权利要求1～5中任意一项所述的电子内窥镜系统，所述典型值是所述病变部位拍摄图像在所述图像评估值中的最大值。
7.根据权利要求1～6中任意一项所述的电子内窥镜系统，所述器官病变评估部具备病变样本对应关系，该病变样本对应关系使得用于与使用包括拍摄所述器官内的确定病变程度的评估等级的多个病变样本图像在内的图像组而得到的每个所述病变样本相关且与所述典型值相对应的所述病变样本的病变样本典型值、用于与所述病变部位的扩散信息相对应的所述病变样本的病变样本扩散信息、以及所述评估等级相对应；
所述器官病变评估部根据通过拍摄所述器官内而得到的作为评估对象的所述病变部位的扩散信息以及作为评估对象的所述病变部位的所述典型值，使用所述病变样本对应关系，以所述评估等级来评估作为评估对象的所述病变程度。
8.根据权利要求1～6中任意一项所述的电子内窥镜系统，所述器官病变评估部具备预测模型，该预测模型是用于预测作为评估对象的所述病变部位的评估等级的预测模型，其将用于与使用包括确定病变程度的评估等级的多个病变样本图像在内的图像组而得到的每个所述病变样本相关且与所述典型值相对应的所述病变样本的病变样本典型值、用于与所述病变部位的扩散信息相对应的所述病变样本的病变样本扩散信息、以及所述评估等级作为学习数据来机器学习所述病变样本典型值、所述病变样本扩散信息与所述评估等级之间的对应关系；
所述器官病变评估部根据作为评估对象的所述病变部位的所述典型值和所述病变部位的扩散信息，在所述预测模型中预测作为评估对象的所述病变部位的评估等级。
9.根据权利要求7或8中任意一项所述的电子内窥镜系统，所述监视器用于在屏幕上显示二维散点图，该二维散点图将作为评估对象的所述病变部位的所述典型值以及作为评估对象的所述病变部位的扩散信息与所述病变样本典型值以及所述病变样本扩散信息一起绘制。
CN201980040779.0A 2018-09-27 2019-09-18 电子内窥镜系统 Active CN112351724B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-182066 2018-09-27
JP2018182066 2018-09-27
PCT/JP2019/036646 WO2020066807A1 (ja) 2018-09-27 2019-09-18 電子内視鏡システム

Publications (2)

Publication Number Publication Date
CN112351724A true CN112351724A (zh) 2021-02-09
CN112351724B CN112351724B (zh) 2024-03-01

Family

ID=69949368

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980040779.0A Active CN112351724B (zh) 2018-09-27 2019-09-18 电子内窥镜系统

Country Status (5)

Country Link
US (1) US20210259515A1 (zh)
JP (1) JP7068487B2 (zh)
CN (1) CN112351724B (zh)
DE (1) DE112019004880T5 (zh)
WO (1) WO2020066807A1 (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610847A (zh) * 2021-10-08 2021-11-05 武汉楚精灵医疗科技有限公司 一种白光模式下胃部标志物评估方法及系统
CN114903408A (zh) * 2022-04-22 2022-08-16 华伦医疗用品(深圳)有限公司 一种具有诊断成像的内窥镜成像系统

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2019220583A1 (ja) * 2018-05-17 2019-11-21 オリンパス株式会社 内視鏡装置、内視鏡装置の作動方法及びプログラム
CN113747825B (zh) * 2019-09-30 2023-09-08 Hoya株式会社 电子内窥镜系统
JP7455717B2 (ja) 2020-09-28 2024-03-26 Hoya株式会社 内視鏡用プロセッサ及び内視鏡システム
EP4218535A1 (en) * 2020-09-25 2023-08-02 Hoya Corporation Endoscope processor and endoscope system
JP7455716B2 (ja) 2020-09-25 2024-03-26 Hoya株式会社 内視鏡用プロセッサ及び内視鏡システム
WO2023084969A1 (ja) * 2021-11-11 2023-05-19 富士フイルム株式会社 医療画像評価支援装置及び医療画像評価支援装置の作動方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016039874A (ja) * 2014-08-13 2016-03-24 富士フイルム株式会社 内視鏡画像診断支援装置、システム、方法およびプログラム
WO2018043550A1 (ja) * 2016-08-31 2018-03-08 Hoya株式会社 電子内視鏡用プロセッサ及び電子内視鏡システム
JP2018515197A (ja) * 2015-04-29 2018-06-14 シーメンス アクチエンゲゼルシヤフトＳｉｅｍｅｎｓ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ 腹腔鏡および内視鏡による２ｄ／２．５ｄ画像データにおけるセマンティックセグメンテーションのための方法およびシステム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7894646B2 (en) * 2003-08-01 2011-02-22 Hitachi Medical Corporation Medical image diagnosis support device and method for calculating degree of deformation from normal shapes of organ regions
JP2007313169A (ja) * 2006-05-29 2007-12-06 Olympus Corp 病変抽出装置および病変抽出方法
JP5106928B2 (ja) * 2007-06-14 2012-12-26 オリンパス株式会社 画像処理装置および画像処理プログラム
US8538113B2 (en) * 2008-09-01 2013-09-17 Hitachi Medical Corporation Image processing device and method for processing image to detect lesion candidate region
KR101599129B1 (ko) * 2014-05-20 2016-03-02 박현준 내시경 상 보이는 병변의 크기 측정 방법 및 컴퓨터 판독 가능한 기록매체

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016039874A (ja) * 2014-08-13 2016-03-24 富士フイルム株式会社 内視鏡画像診断支援装置、システム、方法およびプログラム
JP2018515197A (ja) * 2015-04-29 2018-06-14 シーメンス アクチエンゲゼルシヤフトＳｉｅｍｅｎｓ Ａｋｔｉｅｎｇｅｓｅｌｌｓｃｈａｆｔ 腹腔鏡および内視鏡による２ｄ／２．５ｄ画像データにおけるセマンティックセグメンテーションのための方法およびシステム
WO2018043550A1 (ja) * 2016-08-31 2018-03-08 Hoya株式会社 電子内視鏡用プロセッサ及び電子内視鏡システム

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113610847A (zh) * 2021-10-08 2021-11-05 武汉楚精灵医疗科技有限公司 一种白光模式下胃部标志物评估方法及系统
CN114903408A (zh) * 2022-04-22 2022-08-16 华伦医疗用品(深圳)有限公司 一种具有诊断成像的内窥镜成像系统

Also Published As

Publication number Publication date
DE112019004880T5 (de) 2021-07-01
WO2020066807A1 (ja) 2020-04-02
CN112351724B (zh) 2024-03-01
JP7068487B2 (ja) 2022-05-16
US20210259515A1 (en) 2021-08-26
JPWO2020066807A1 (ja) 2021-06-03

Similar Documents

Publication Publication Date Title
CN112351724B (zh) 电子内窥镜系统
JP6581730B2 (ja) 電子内視鏡用プロセッサ及び電子内視鏡システム
CN112351723B (zh) 电子内窥镜系统与数据处理装置
JP6907398B2 (ja) 内視鏡システム
CN112930136B (zh) 电子内窥镜系统与数据处理装置
CN112469323B (zh) 内窥镜系统
CN112469324B (zh) 内窥镜系统
JP6912608B2 (ja) 内視鏡システム
JP6877672B2 (ja) 電子内視鏡システム及びデータ処理装置
WO2022064987A1 (ja) 内視鏡用プロセッサ及び内視鏡システム
JP7455716B2 (ja) 内視鏡用プロセッサ及び内視鏡システム
JP6926242B2 (ja) 電子内視鏡用プロセッサ及び電子内視鏡システム
JP2022054722A (ja) 内視鏡用プロセッサ及び内視鏡システム

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