JP2003510730A - 画像処理方法及び画像列における移動対象を追跡するシステム - Google Patents

画像処理方法及び画像列における移動対象を追跡するシステム

Info

Publication number
JP2003510730A
JP2003510730A JP2001526808A JP2001526808A JP2003510730A JP 2003510730 A JP2003510730 A JP 2003510730A JP 2001526808 A JP2001526808 A JP 2001526808A JP 2001526808 A JP2001526808 A JP 2001526808A JP 2003510730 A JP2003510730 A JP 2003510730A
Authority
JP
Japan
Prior art keywords
image
points
parameter
point
target
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.)
Pending
Application number
JP2001526808A
Other languages
English (en)
Inventor
マクラム−エバイト シェリフ
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.)
Koninklijke Philips NV
Original Assignee
Philips Electronics NV
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 Philips Electronics NV filed Critical Philips Electronics NV
Publication of JP2003510730A publication Critical patent/JP2003510730A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

(57)【要約】 画像列(S)の画像を処理する画像処理方法であって、第１画像にて見られ、起こり得る動きを呈する注目画像の第１点に関連する画像データ及び前記画像列の第２画像に見られ、且つ前記画像データに基づく相関点に関連する画像データを決定するステップ(200,300)と、前記第1点を前記相関点に変換する変換関数の組みのパラメータを推定するステップ（400）と、前記パラメータから、前記第1画像における前記所定の注目対象を前記画像列の第2画像における同じ対象に自動的に変換する１つのワーピング規則を決定し（500）、前記画像列の前記第2画像における前記注目対象を追跡すると共に、該注目対象の位置を突き止めるステップ（600）とを具えている画像処理方法である。用途：医用の撮像、Ｘ腺診断装置。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】
本発明は、画像処理方法及び画像列における１つの像から他の像までの移動対
象を追跡するシステムに関するものである。本発明は、このようなシステム及び
方法を用いる医用のX線診断装置にも関するものである。 本発明は医用撮像の分野に適用することができる。
【０００２】
【従来の技術】
動いている像を表現する画像処理方法は、John Y.A. Wang及びEdward H. Ande
lsonの論文“「Representing Moving Images with layers」IEEE TRANSACTIONS
ON IMAGE PROCESSING, VOL.3, NO.5 (1994年9月)”から既知である。
【０００３】 3-D（三次元）の物体認識の如き、高レベルのマシンビジョン概念を用いて画
像を符号化することを避けるために、上記文献では、重畳画像層に基づいて画像
を表現する画像符号化システムを提案している。この文献ではさらに、斯様な表
現をビデオ(画像)列の符号化に適用することも提案している。ディジタルシステ
ムでは、並進、回転、拡大及びせん断変形の組み合わせを含むアフィン変換の如
き複雑な動きを用いることができる。斯様な表現は、第１列に動きの適切な記述
を伴なうものである。例えば、動いている背景の上で手を振っているその手の動
きを詳しく調べる場合に、第１列では、動きを発生させたプロセスを反転させる
ことが求められる。このために、画像列は、前記第１列を生成するように合成す
ることができる一組の層に分解される。各層は強度マップと、アルファマップと
称される不透明又は透明のマップと、速度マップとを具えている。さらに、それ
ぞれの層は、深さの順に整列されるようにしている。強度マップ及びアルファマ
ップを共にワープする。デルタマップを、強度マップのオーバタイムを更新させ
るべくエラー信号として仕えさせることもできる。層による記述が一旦与えられ
れば、画像列を簡単に発生させることができる。困難な部分は、入力画像列に与
えられる層化表現を決定することにある。その層の合成は容易であるが、解析す
るのは困難である。表現は独特であり、同じ合成画像列となる記述には多くの種
々のものがある。従って、層化表現は復号化処理を特定するのに役立てることが
できるも、一方、符号化処理は個々のユーザによるさらなる改善のために開かれ
たままである。
【０００４】 前記引用文献には、解析問題を解決するために、アルファチャネルをバイナリ
とし、且つデルタマップは使用されないようにして、表現を簡単化することが提
案されている。この引用文献からすると、スムースな動きをしている対象を安定
化させる方法をとり；バイナリである画像における対象は完全に透明か、全く不
透明のいずれかとし；速度マップをアフィン変換に限定することに留意するのが
重要である。
【０００５】 前記引用文献に提案されている解決策は、医用の画像処理には適していない。
医用撮像分野における問題は、像、例えばX線像にて表わされる対象の幾つかの
ものは全く動かなかったり；他の幾つかの対象は、それらの壁部がスムースには
動かないように周期的に拡張したりすると云うことにある。従って、こうした対
象はスムースな動きをする安定な対象として規定することができず、また、これ
らの対象をそれらの動きに関連付けた情報に基づいてセグメント化することもで
きない。他の問題点は、対象が半透明であり、しかも特にX線像では、これらの対
象が完全に透明でもなければ、完全に黒でもなくて、その代わりに、幾つかの器官
は重なっているも互いに透けて見える。そこで、X線像のこれらの器官をバイナ
リ（二値）の強度値によって表わすことはできない。
【０００６】
【発明が解決しようとする課題】
本発明の目的は、医用画像における対象の視覚化を容易にし、且つこれらの医
用画像に基づく開業医の診断も容易にするために、医用画像を改善することにあ
る。そこで、或る所定の注目する対象を画像列における１つの像から他の像へと
自動的に追跡する手段を提供することが本発明の目的である。医用用途では、例
えば輪郭によって規定される器官を自動的に追跡することは、内科医にとっては
、前記器官の動きを解析するのに極めて有効である。しかし、画像における器官
の輪郭は極めてぼやけていることがよくあるため、画像列における１つの画像か
ら他の画像まで器官の位置を追跡することは内科医にとっては困難である。例え
ば、心臓の左心室の動きを追跡して、異常部位を見分けてその位置を突き止める
ことは極めて有効である。しかし、心臓の左心室の輪郭はスムースな動きをせず
、しかも左心室はそれぞれ固有の動きをする他の器官によって形成される混乱し
た環境内に位置することからして、心臓の左心室の動きを追跡するのは特に困難
である。
【０００７】
【課題を解決するための手段】
上記目的は請求項１に記載の方法によって達成される。このような方法は、請
求項11に記載のシステムによって遂行するのが好適である。このようなシステム
は、請求項１２に記載のX線診断医用装置に有利に関連付けることができる。
【０００８】 本発明の利点は、画像列における２つの像間の追跡すべき注目対象が、混雑し
た環境内に表わされる輪郭がぼやけた半透明のものである場合でも、本発明によ
る画像処理方法又はシステムを首尾良く適用できることにある。他の利点は、画
像処理方法がしっかりしているため、その処理を１つの画像から次ぎの画像へと
、そして処理した画像から次ぎの画像へと進めて行き、画像列の最後の画像に達
するまで、全画像列に亘って注目する対象を自動的に追跡することができること
にある。本発明のさらに他の利点は、アフィン関数によって独特に規定される動
きがスムースな対象を表わす画像列に適用することに限定されず、対象はパラメ
トリック（母数）関数によって規定される任意の動きをするものとし得ると云う
ことにある。
【０００９】
【発明の実施の形態】
本発明をより詳細に説述するために、添付の図面に従ってこれを説明する。
【００１０】 本発明は、画像処理方法及びこの方法を実施し、画像列における注目対象の位
置を突き止めて追跡するシステムに関するものである。この注目対象は、混み入
った環境ＢＧ内で動いている輪郭がはっきりしない半透明なものとすることがで
きる。本発明は、このようなシステムを有しているX線装置にも関するものであ
る。
【００１１】 図7を参照するに、画像列Sは、基準画像RIと称する第1画像と、目標画像TIと
称する第2画像とを少なくとも有している。基準画像は、例えばCAD画像のような
バーチャル画像とするか、又は画像列における目標画像に対する実際上前の画像
とすることができる。本発明は特に、例えば、それぞれが重なった半透明の対象
を成す幾つもの器官を表わしているX線像のような、医用画像に関するものであ
る。画像列における対象の幾つかのものは全く動かなかったり、また他の幾つか
のものは合成した動きをしたりする。本発明の方法によれば、基準対象ROを調べ
、且つ基準画像RIにおけるその位置を特定する。次いで、１つのワーピング規則（
Warping Law）WLを基準画像RIの前記基準対象ROに適用することにより、基準対
象ROに似ている目標対象TOを目標画像TI内にて見つけるようにする。実際のとこ
ろ、目標対象は起こり得る動きが生じた後の基準対象と同じものであり、この目
標対象は基準画像に対する目標画像内にて見られる。
【００１２】 図1を参照するに、斯かる本発明による方法は次ぎのような主要なステップを
具えるものである。即ち：
【００１３】 ・基準対象ROと称する注目対象を表わしている基準画像RIと、その注目対象を
追跡すべき個所で、目標対象TOと称する目標画像TIとを含む画像列Sの画像デー
タを取得するステップ100；
【００１４】 ・基準画像RIにおける基準対象ROのキーポイントRKPと称する特定点のｍ-プレ
ット（m-plets）の組を決定するステップ200：ｍ-プレットは、二次元（２-D）
又は三次元（３-D）とし得る画像空間の次元に応じてトリプレット（3個一組）、
又はクワドルプレット（4個一組）とすることができる；
【００１５】 ・基準対象のｍ-プレットのキーポイントに相関付けられる、目標画像TIのキー
ポイントTKPと称するｍ-プレットの点の組を決定するステップ300；
【００１６】 ・相関付けるｍ-プレットの対の数と、これらの相関ｍ-プレットの各対に関連す
るパラメータ関数（母数関数）の組を決定するステップ400：各パラメータ関数
は、１つの基準対象におけるｍ‐プレットのキーポイントを一対のｍ-プレット
の相関キーポイントに変換する；
【００１７】 ・最良なワーピング規則WLを決定するステップ500：各組のパラメータ変換関
数を解くことは、多次元空間における１つのパラメータ点を決定するための一組
のパラメータを提供し；多数対のｍ-プレットの組は、これと同数のパラメータ
点の組を提供し、この組を先ずサブサンプリングするのであって；最良なワーピ
ング規則は、前記サブサンプリングされるパラメータ点の組から形成される一組
の候補ワーピング規則に適用する相互情報技法によって決定される；
【００１８】 ・基準対象ROを、最良なワーピング規則を用いることにより、求めようとする
対応する目標対象TOに変換するステップ600。
【００１９】 この本発明による方法の利点は、前記ワーピング規則WLを一次、二次又はそれ
以上の次数関数の如き、そのパラメータが推定されるや否や決定される任意形態
のパラメータ関数とすることにある。この関数は必ずしもアフィン関数に限定さ
れるものではなく、また、前記ワーピング規則は２-D空間内における二次元の動
きの記述に限定されるものでもない。このワーピング規則によって３-D空間にお
ける三次元の動きを記述することができる。従って、本発明による方法は、基準
画像RIにおける基準対象ROに前記ワーピング規則を適用して、このワーピング規
則により基準対象ROを変換したものに対応する、目標画像TIにおける目標対象TO
を提供する最良と思われるワーピング規則のパラメータを推定するステップを具
えている。
【００２０】 図2を参照するに、本発明による方法の前記ステップ200は次ぎのようなサブス
テップを具えるものである。即ち：
【００２１】 ・画像列Sのうちの前記基準画像RIにて行なう画像のセグメント化ステップ２
：このステップでは、基準対象ROにおける基準点RPを、例えば基準対象のセグメ
ント化によるような、当業者に既知の任意の技法に従って決定する。これらの基
準点は基準対象の輪郭点又は内部点のうちから選定することができる。基準点の
数は数１０個とすることができる。心臓の左心室LVとする基準対象ROを有するX
線の基準画像RIを図式的に示している図7を参照するに、ここでは多数の輪郭点
を一例として、基準点RPとして示してある。このセグメント化によって、半透明
、即ち二値のものではない基準対象ROは、基準画像RIの分解能でその基準対象の
あらゆる基準点の座標及び強度と、これらの座標及び強度を求める基準点RPの組
とによって特徴付けられる。
【００２２】 ・基準画像RIにおける固有特徴ベクトルFVの推定ステップ３：このステップは
各基準点RPに対する固有の特徴を推定し；例えば、各基準点RPは、２-Dの基準画
像RIにおけるその座標ＸＲ，ＹＲ又は３-Dの基準画像RIにおけるその座標ＸＲ，
ＹＲ，ＺＲと、その強度レベルIＲと、その強度勾配のベクトル方向の如き、基
準画像RIにおけるその局部環境固有の、少なくとも１つの他の特徴とによって特
徴づけられる。特徴ベクトルFVは、基準画像RIにおける基準対象ROの各基準点RP
におけるこれらの固有の特徴に基づいて形成する。この特徴ベクトルFVは、上述
したような特徴に限定されるものでなく、例えば、基準点の座標以外にも、この
基準点の画像勾配及びこの点における画像の二次導関数を含めることができる。
【００２３】 ・基準画像RIにおける基準点のうちから、基準キーポイントRKPと称する代表の点
を選択するステップ４：このステップでは、基準点RPをサブサンプリングして、
クラスタリング（Clustering）技法を用いて代表する基準キーポイントを決定す
る。シグナチュア、即ち特徴ベクトルFVが似ている基準点を類（Class）に関連
付けて、これらの類が密にパックした特徴ベクトルに関連付けられるようにする
。このことは、特徴ベクトルが基準対象の、お互いに明かに異なるそれぞれの特
定の領域に関連付けられることを意味している。クラスタリング技法ステップは
、データ点である特徴ベクトルを或る所定数の類に分け、各類が密に離間した特
徴ベクトルから成るも、それぞれの類はできるだけ互いに離れて離間されるよう
にする。このクラスタリング技法４は、確実なK-平均アルゴリズムと称されるサ
ブステップと、昇順階層化分類アルゴリズムAHCの他のサブステップとを含むもの
である。
【００２４】 図3を参照するに、K-平均アルゴリズムは２段階４１，４２から成り、その初期
化段階４１では、全ての基準点に対する特徴ベクトルの組と、これらのベクトル
を類別することが望まれる類の個数Kを与えて、それらの類の代表と称されるK個
の特徴ベクトルを選択する。この場合、前記組の各特徴ベクトルは、クラスタリ
ング基準の最小化、従ってK個の類を形成することにより、前記K個の代表特徴ベ
クトルの1つに関連付けられる。斯かるクラスタリング基準は、或る特徴ベクト
ルと前記類の代表の特徴ベクトルとの間の二次的距離に基づくものとすることが
できる。
【００２５】 次いで、アクティブ段階４２では、各類の重心を決定し、且つこの場合にも、
各特徴ベクトルと各類の重心との間の二次的距離に基づくクラスタリング基準の
最小化を用いて、K個の新たな類を得る。これら2つの段階４１，４２を反復させ
る。非現実的な値をなくすために、前記アルゴリズムのアクティブ段階４２にて、
特徴ベクトルと類の重心との間の最大距離を規定しておく。この最大許容距離と
反復回数を予め決めておいて、各反復毎にそれぞれの類に許容し得る最大サイズ
が小さくなるように、各反復毎に類に許容される最大サイズを計算することがで
きる。
【００２６】 こうした２段階４１，４２の工程を反復させることは、ステップ４３でK個の
類を導出するK-平均タイプのアルゴリズムを極めて確実なものにする。
【００２７】 昇順階層化分類アルゴリズムAHCは２つの演算ステップを含み、このアルゴリ
ズムは最初に求めたK個の類の数を最少にすべく設計する。
【００２８】 最初の演算ステップ４４では、K-平均によって選出したK個の類をグラフGの形
状で格納する。図8に示すように、K1,K2,K3,K4,K5．．．．にて示した、予め決
めた類の各点をグラフGにノードとして示してある。このグラフの各ノードは、
これらノード間の併合関係を表わし、従ってノード対を形成している弧によって
他のノードに接続されている。
【００２９】 併合基準を満たす条件のもとで、弧によって結ばれる２つのノード間の併合演
算４５について考察する。そこで、前記類K1,K2,K3,K4,K5．．．．にアクセスし
、これらの類の点を併合基準に従って調べるのであって、この併合基準は、或る
対の類が、その対の類を併合することによって形成される新たな類の重心に対し
て最少の標準距離偏差を呈する場合に、前記対の類を併合できるとするようなも
のとする。斯かる標準距離偏差は、新たな重心に対する新規な類におけるそれぞ
れの点の新たな分散度の目安となる。
【００３０】 図4を参照するに、斯かる併合基準を遂行するために、AHCアルゴリズムの斯か
る併合演算ステップ４５には次ぎのようなサブ演算ステップを含めることができ
る。即ち:或る対の2つの類を併合することにより得られる新たな類の重心を決定
するステップ45.1；この新規の重心と、併合演算に関係した類の各点に対する先
の重心との間の二乗距離差の計算ステップ45.2；これらの二乗距離差から、新規
の重心に対する併合演算に関係した点の距離分散を求める平均値を計算するステ
ップ45.3；距離分散のしきい値を定め、併合点が基準を満たさないために、併合
するのに適さない類を消去して、このような類の対はもうそれ以上は考慮しない
ようにする、距離分散のしきい値設定ステップ45.4；別個に取った2つの類と、類
対の併合から生まれた新たな類との間の慣性の増加を表わす併合コストの推定ス
テップ45.5；各点が距離分散の基準を満たす類対のうちから最少の併合コストを
示す類対の併合演算ステップ45.6；を併合演算ステップ４５に含めることができ
る。AHCアルゴリズムの演算ステップ４５におけるこれらの併合サブ演算ステッ
プ45.1〜45.6は、併合するのに適しているクラスターを包含する対がもうなくな
るか、又は多数の併合演算の後に含まれるクラスターの最終個数が或る予定した
しきい値以下となるまで繰り返す。
【００３１】 基準画像RIにおけるキーポイントRKPは図３に示すようなステップ４６にて決
定する。このステップによって対象を最も良く表す点を選択し、且つ雑音排除性
を良くすることができる。併合演算45.6による最後の類の重心を、本発明による
方法のさらなるステップにて考える基準画像のキーポイントRKPと称する。これ
らのキーポイントによって基準対象から最も有効な情報を抽出して、画像列の画
像を追跡することができる。例えば、心臓の左心室の輪郭では、全く平坦で均一
な輪郭部分は僅か1つの点だけで示すのに対し、あまり規則的でない輪郭部分は
数個の点で表わすようにする。
【００３２】 図2に示すように、ステップ３００は次ぎのようなステップを具えている。即ち
： 相関マップCMの作成を含む、各基準画像のキーポイントに対する動きベクトル
MVの１つの組を決定するステップ。図9を参照するに、基準画像のキーポイントRK
Pは基準画像RI内にて着目する点であって、これに対応する目標キーポイントTKP
と称する点を目標画像TI内にて探索する。このために、基準対象ROの全ての基準
キーポイントRKPに対して、目標対象TOの対応する目標キーポイントTKPを構成す
ると思える最もありがちな点を決定するために、ブロックマッチング技法を用い
る。このブロックマッチング技法は、基準画像RIにおける基準キーポイントRKP
の近辺を目標画像TIと比較して、最もありそうな目標キーポイントTKPを求める
ことができる。図5を参照するに、本発明による方法にて使用するブロックマッチ
ングアルゴリズムは次ぎのようなサブステップを具えている。即ち:
【００３３】 ・基準画像RI内に作成される合成核の生成ステップ５１：基準ウィンドウRWと
称する核は基準画像RIにおける或る所定の基準キーポイントRKPの周りに適用す
る；
【００３４】 ・探索ウィンドウSWの生成ステップ５２：前記核は、比率ファクタで取って、
目標画像TIに適用して、基準画像における前記所定の基準点と同じ目標画像にお
ける位置を有しているCPにて示した点の周りの目標探索ウィンドウSWと称する近
辺を規定する。そして、基準画像RIにおける座標ＸＲ，ＹＲの基準キーポイント
RKPに対して、目標画像TIにおける座標ＸＲ，ＹＲのコピー点CPを考察する。基準
ウィンドウRW及び目標探索ウィンドウSWは、基準キーポイントKP及び目標画像に
おけるコピー点CPの周りにそれぞれ形成する。基準キーポイントKPの座標ＸＲ，
ＹＲの周りの、基準ウィンドウの寸法は、例えば２ΔXｘ２ΔYとし、また、コピ
ー点CPの周りの、目標探索ウィンドウの寸法は２rΔXｘ２rΔYとし、ここに、Δ
X，ΔY≒２０画素とし、比率ファクタｒ≒１とする。変形例として、基準ウィン
ドウ及び目標探索ウィンドウは円形又は他の形態とすることもできる；
【００３５】 ・基準ウィンドウと探索ウィンドウのたたみこみ積の計算ステップ５３：基準
及び探索ウィンドウを走査し、或る所定の基準キーポイントに対する前記基準ウ
ィンドウ及び目標探索ウィンドウの対応する走査点間でたたみ込み積を求める；
【００３６】 ・着目した基準キーポイントRKPの近辺における基準画像と目標画像との相関
マトリックスである相関マップの計算ステップ５４：たたみ込み積の値は前記所
定の基準キーポイントに関連する相関マップの点を形成する。
【００３７】 ・前記相関マップCMにおける最大たたみ込み偏差の推定ステップ５５：先ず、
相関マップの絶対最大値を決定する。次いで、予定した相関比率によって、相対
最大値を許容し得る範囲を決定する。許容最大値の数は制限することができる。
これによって１つの所定の基準キーポイントRKPに関連する相関マップにおける
最大値の数を少なめにし、例えば、データ点と称する最大値の数を１〜５とする
；
【００３８】 ・基準キーポイント毎に一組の動きベクトルを決定するステップ５６：図10に
示すように、前記各データ点には、基準画像と目標画像との間の、前記1つの所
定の基準キーポイントRKPに起り得る動きのそれぞれの動きベクトルMV,MV’,MV
’’．．．．を関連付け、それらの動きベクトルの特性は相関マップにて求めた
対応するデータ点によって与えられる。相関マップは全ての基準キーポイントに
対して形成して、起り得る動きの一組の動きベクトルを前記各基準キーポイント
にそれぞれ関連付ける。
【００３９】 図2に示すように、ステップ300はさらに次ぎのようなステップも具えている。
即ち： 目標画像における相関点の決定ステップ６:図2及び図10を参照するに、例えば
基準画像RIにおける或る所定の基準キーポイントRKPに関連する動きベクトルMV,
MV’,MV’’の組を用いて、目標画像TIにてTKP,TKP’,TKP’’にて示した予想目
標キーポイントの組を求めることができる。
【００４０】 そこで、図２に示すように、ステップ200及び300は、基準キーポイントのｍ-プ
レットと、目標キーポイントの相関ｍ-プレットとを決定して、これらの基準キー
ポイントのｍ-プレットと、目標キーポイントの相関ｍ-プレットとの対を形成す
るためのステップ７A,７Bをそれぞれ具えている。図１１を参照するに、これは
２-D空間内にて基準点を３つだけ考慮して、三角形によって表わすことができる
基準トリプレットと称するRKP1,RKP2,RKP3の如き基準キーポイントのトリプレッ
トを形成することにより行なうことができる。ステップ５にて先に決定した動き
ベクトルの組を考慮すると、前記基準トリプレットを形成する基準キーポイント
は、目標画像におけるTKP1,TKP2,TKP3と称する（これらの目標キーポイントTKP1
,TKP2,TKP3は基準キーポイントRKP1,RKP2,RKP3にそれぞれ相関する）少なくとも
１つの対応する目標トリプレットが存在するように、基準画像と目標画像との間
を動くことになる。この基準トリプレットと目標トリプレットを以後トリプレッ
トの対と称する。基準対象が３-Dの画像列内にあるとする場合の第２例では、基
準キーポイントを４個づつの点の組にて関連付けて、四面体を表わす基準クワド
ルプレットを形成し、動きベクトルを基準キーポイントに適用することによって
形成される相関目標クワドルプレットを前記基準クワドルプレットに対応させる
ようにする。この基準クワドルプレットと目標クワドルプレットとを以後クワド
ルプレットの対と称する。ｍ-プレットの“ｍ”は、関連するキーポイントの数
に従って、“トリ（tri-）”又は“クワドル（quadru-）”とする。
【００４１】 次いで、ステップ４００は、ｍ-プレットの基準キーポイントをｍ-プレットの
目標キーポイントに変換するためのパラメータ関数の組を決定するステップ８を
具えている。本発明によれば、基準対象を目標対象に変換するワーピング規則WL
をパラメータ関数とする。先ず、分かりやすくするために、このワーピング規則
は、２-D空間内に６個のパラメータを有するアフィン関数であるとする。本発明
はこれらのパラメータを決定することにある。６個のパラメータを一旦決定すれ
ば、ワーピング規則決めることができる。しかし、本発明は正確な決定方法を提
供する。
【００４２】 予想目標キーポイントの座標をＸＴ，ＹＴとする。このアフィン関数は、６つ
の未知の値のパラメータ、即ちa,b,c,d,e,fを有する下記の２つの関係式を用い
て、前記目標キーポイントの座標を相関基準キーポイントの座標にリンクする。 XT＝ａXＲ+ｂYＲ+ｃ （１ａ） ＹT＝ｄＸＲ+ｅＹＲ+ｆ (1b)
【００４３】 当業者であれば、関係式が項XR ２，ＹＲ ２又はXR ３，ＹＲ ３を含む非線形変換
式を上式の代わりに用いることができる。こうした高次の変換式に対する解は、
後述する技法から導出されるステップを用いて、僅か6つの未知のパラメータを
有する一次のアフィン関係を解くことによって求めることができる。
【００４４】 6個のパラメータを求めるためには、僅か2つの関係式(1a),(1b)の代わりに、
６つの関係式を立てる必要がある。本発明よれば、このことは、一対以上の相関
キーポイントを考慮するのではなくて、その代わりに一対のｍ-プレットを考慮
することにより行なうことができるのであって、相関キーポイントのｍ-プレッ
トの個数は、求めようとするパラメータと同数の式を立てるのに充分な数とする
。
【００４５】 ２-D空間内では、或る所定対のトリプレットを考える。このトリプレット対は
未知のデータに対する6つのパラメータを有する6通りの一組の式を提供する。こ
の第1組の6通りの式を解いて、第1組の6つのパラメータを推定することができる
。
【００４６】 前記キーポイントのトリプレット対の第1相関キーポイントに対する式は次ぎ
の通りであり： X1T＝ａＸ1R+ｂＹ1R+ｃ （１ａ） Ｙ1T＝ｄＸ1R+ｅＹ1R+ｆ （１ｂ） 前記キーポイントのトリプレット対の第２相関キーポイントに対する式は次ぎ
の通りであり： X2T＝ａＸ2R+ｂＹ2R+ｃ （２ａ） Ｙ2T＝ｄＸ2R+ｅＹ2R+ｆ （２ｂ） 前記キーポイントのトリプレット対の第３相関キーポイントに対する式は次ぎ
の通りである： X3T＝ａＸ3R+ｂＹ3R+ｃ （３ａ） Ｙ3T＝ｄＸ3R+ｅＹ3R+ｆ （３ｂ）
【００４７】 ６通りの式（１ａ）〜（３ｂ）の組におけるa,b,c,d,e,fの各パラメータは一
意のものとする。この6個のパラメータの第1組を、多次元の６-D空間におけるそ
の座標（a,b,c,d,e,f）によって規定される点を示すパラメータ点Qと見なす。
【００４８】 前記所定の基準トリプレットを形成する３つの基準キーポイントが幾つかの動
きベクトルを有する場合には、前記所定の基準トリプレットに相関付けられて、
幾つかのトリプレット対を形成し得る数個の目標トリプレットを見つけることが
できる。それから、式(1a)〜(3b)を他のトリプレット対に関連する他の座標XT，
ＹTで書き表わすことができる。3対のトリプレットを形成する例の場合を仮定す
ると、3組の6つの式を立てることができ、且つ動きベクトルと同数の組の3組の6つ
のパラメータを求めることができる。各組の6つの式の解は、６-D空間における1
つのパラメータ点Q（a,b,c,d,d,e,f）を提供する。従って、トリプレットの３つ
の予想対に関連する式(1a)〜(3b)のこれら3つの組は、3つのパラメータ点Q（a,b,
c,d,d,e,f）を提供し、これはこの６-D空間では多少異なることがある。一対のト
リプレットに基づく式(1a)〜(3b)の6つの式の各組では、パラメータa,b,c,d,d,e
,fをそれぞれ相違させるのであって、その理由は、トリプレットの対毎に1つの独
特のパラメータ点Q（a,b,c,d,d,e,f）を構成することができるからである。
【００４９】 ２-D空間における基準画像及び目標画像でも、3つの基準キーポイントの他の
組を考えて、第2の所定の基準トリプレット、従って第2対のトリプレットを形成
し、これにより未知のデータに対する６つのパラメータa,b,c,d,d,e,fを有する
第2組の6つの式を立てることができる。これら6つの式の解は、前述した多次元
の６-D空間における新規のパラメータ点Q（a,b,c,d,d,e,f）を提供する。そこで
、キーポイントの1個の基準トリプレットが、前記キーポイントに関連する所定数
の動きベクトルを有するものとすれば、同数のトリプレットの対を構成できるこ
とになる。この場合、前記トリプレットの対の数に関連する式(1a)〜(3b)の解は
、予想されるトリプレットの対と同数の６-Dのパラメータ点Q（a,b,c,d,d,e,f）
を提供し、これらの６-Dのパラメータ点Qは互いに僅かに相違する。基準トリプ
レットを形成すべく3つずつの組によって殆どの基準キーポイントを組み合わせ、
且つ各基準キーポイントに関連する先に決めた動きベクトルを考慮することによ
って、多数の対応する考え得るトリプレット対を決定して、それぞれ６つの式から
成る多数組の式を立てることができると共に、多次元の６-D空間における同じ多
数のパラメータ点Q（a,b,c,d,d,e,f）を構成するためのそれぞれ6つのパラメー
タから成る多数組を提供することができる。
【００５０】 基準対象が３-Dの画像列内にある場合の第2例では、アフィン関数は12個の未知
のパラメータを有する。この場合には、クワドルプレットの対を用いて、式（１
）に似ており、相関キーポイントの座標を伴なう１２通りの式を立てて、適当な
多次元空間における１つのパラメータ点Qを構成する12個のパラメータの組を決
定することができる。この際、前記パラメータを正確に求めるためには、数組、
即ち多次元空間における数点Qを処分するのが有効である。このために、各３-Dの
基準クワドルプレットによって、ステップ5で決定した動きベクトルの数に従っ
て、数対のクワドルプレットを供給することができる。さらに、各規準キーポイ
ントを順次3つの他の基準キーポイントに関連付けて、異なる多数のクワドルプレ
ットの対を構成し得るようにして、パラメータ点Qをもっと多くすることができ
る。
【００５１】 ステップ４００は、前記ｍ-プレットの対に関連する式の組を解くことによっ
て、上述したｍ-プレットの可能対の組からパラメータ点Qの組を推定するステッ
プ９も具えている。上述したように、斯様なパラメータ点Qの数は多数とすること
ができる。このことは本発明による方法の利点でもあり、パラメータ点Qの数が
多ければ、候補のワーピング規則を所定数生成して、このうちから最良のワーピン
グ規則を選択することができる。
【００５２】 ステップ５００は図6に示すように、前記最良と思われるワーピング規則を決
定するステップを具えている。このステップ５００は、クラスタリング技法を行
うサブサンプリング演算ステップ１０を含み、これは上述したものと同様なステ
ップを有することができる。斯かるクラスタリング技法は多次元空間内における
パラメータ点Qをサブサンプリングし、これは候補のワーピング規則をサブサン
プリングすることに相当する。例えば、このクラスタリング技法は、ステップ４の
基準点の代わりに、パラメータ点Qに適用されるK-平均のサブステップを含む。
このK-平均サブステップによって、ステップ400の終わりに存在すると思われる
約10,000個のパラメータ点Qのうちから、例えば100〜1,000個のパラメータ点Qを
選択することができる。この100〜1,000個のパラメータ点Qに昇順階層化分類ア
ルゴリズムAHCのサブステップも適用して、残っている候補のワーピング規則の数
に相当する約10〜20個の残りのパラメータ点Qを選択する。
【００５３】 ステップ500はn=10〜20個の残りの候補ワーピング規則から最良のワーピング
規則を選択する演算ステップ１１も含む。この演算ステップ１１は画像のグレー
レベルの変化に対処する。この場合の条件は、X線システムの如き、画像列取得
システムに起こり得る欠陥を補償するように設定し、これは自動利得系を駆動さ
せることにより、連続画像間のグレーレベルを変えられるようにする。このため
に演算ステップ１１は相互情報の基準に基づいて行なうようにする。従って、こ
の演算ステップ１１は次ぎのようなサブステップを具えるようにする。即ち：
【００５４】 ・図１２に示すように、基準点RPの周りで、これらの基準点の周りの円又は球
面によって構成し得るZOIにて示した注目領域の決定ステップ11a：基準画像にお
けるこの注目領域を走査し、この領域内に位置するRにて示したそれぞれの点の
強度を測定する；
【００５５】 ・前記ｎ個の残りのワーピング規則を1つずつをZOIの基準点の座標に適用して
、目標画像におけるTにて示した点で形成されるｎ通りの注目目標領域を決定する
ことにより、前記ZOIの基準点に対応するZOIの目標点の座標を決定するステップ
11b；
【００５６】 ・目標画像におけるｎ通りの目標注目領域内におけるZOI目標点Tの強度ITを測
定するステップ11c;
【００５７】 ・当業者に既知の方法により、ｎ通りの目標注目領域ZOIの各々と基準注目領
域ZOIとの間で推定される相互情報量M(R,T)を最大化するステップ11d：このステ
ップを遂行する方法については、Frederik MAES外による論文“「Multimodalit
y Image Registration by Maximization of Mutual Information」IEEE TRANSAC
TIONS ON MEDICAL IMAGING , VOL.16 NO.2 1997年4月”にて見ることができる。
基準画像にRにて示し、また目標画像にTにて示したZOIのそれぞれの点の強度値I
R及びITに着目する。点R及びTは、残りの候補ワーピング規則の１つによって先
に決定した点に対応する点である。このステップは所定強度IT,IRを有する前記
点R,Tの小部分ｐR,T(IR,IT)を推定するステップ、強度IRを有する前記点Rの小部
分ｐR(IR)を推定するステップ及び強度ITを有する前記点Tの小部分ｐT(IT)を推
定するステップを含む。これらの小部分の推定は、(IR,IT)を結ぶ値の正規化した
1つの２-Dヒストグラムと、基準画像及び目標画像におけるZORの前記点R,Tにお
ける(IR)及び（IT）の個々の値を正規化した２つの１-Dヒストグラムとを構成す
ることにより得ることができる。相互情報基準とは、KULLBACK-LEIBLER測定と称
される測度が最大、即ち、 M(R,T)＝ΣｐR,T(IR,IT)log（ｐR,T(IR,IT)/ｐR(IR)．ｐT(IT) となる際に、当面のワーピング規則によって基準及び目標画像に並んで注目対象
が見られることを云う。
【００５８】 前記測度M(R,T)は次ぎの関係式によるエントロピーに関連し、 M(R,T)＝H(R)+H(T)-H(R,T) H(R)及びH(T)はそれぞれR及びTのエントロピーであり、H(R,T)はそれらの結合エ
ントロピーである。この式M(R,T)は、着目したワーピング規則を用いることによ
る点R,Tのマッチング量の目安となる。前記最大測度はワーピング規則によって
与えられる最善のマッチングに相当する。従って、前記測度の最大値を推定する
ことによって、残りの候補ワーピング規則のうちから、強度変化がしっかりして
いる前記最良のワーピング規則を決定することができる。
【００５９】 ステップ600では、斯かる最良のワーピング規則を基準画像における基準対象
の全ての基準点に適用して、目標画像に目標対象を与えるようにして、実際の目
標対象をより良く可視化することができる。例えば、基準点を輪郭点とする場合
には、目標対象の輪郭点を決定して、前記注目対象の位置を突き止め、且つより良
く可視化することができる。目標画像をさらに基準画像として、ステップ100〜60
0に従って新たなワーピング規則を決定し、画像列の連続画像にて、１つの画像
から次ぎの画像へと全画像列に亘って注目画像を追跡する。
【００６０】 図13Aを参照するに、例えば、医用診断装置150によって供給される画像列の画
像データはさらに、画像処理システム120に供給して、本発明の方法によりその
データを処理することができる。この画像処理システム120はスクリーン140を有
するワークステーション130又は本発明による方法におけるそれぞれのステップ
の機能を果たすべく構成した回路手段を有している特定目的のプロセッサを適切
にプログラムしたコンピュータとすることができる。ワークステーション130に
はキーボード131及びマウス132を設けることもできる。この処理システムは、医
用画像を格納すべく格納手段に接続することができる。
【００６１】 図13Bに示したような医用X線装置は、ディジタルの医用画像列データを取得す
るためのデータ取得手段及びこれらのデータを処理し、注目対象を上述した処理
方法に従って画像列全体に亘って追跡するディジタル処理手段を具えることがで
きる。X線装置はX線源101、患者を載せるテーブル102、画像データを処理手段120
に与える光学系103,104を具えている。処理手段はデータを処理するディジタル
計算手段及びデータを格納するメモリの如き格納手段を有するプロセッサとする
ことができる。処理手段の少なくとも１つの出力端子106はスクリーン107を具え
る表示手段に結合させて、元の医用画像及び処理した医用画像を表示させて、この
表示処理画像によって開業医が前記注目対象を見易くする。
【図面の簡単な説明】
【図１】 本発明による方法の主要なステップの機能ブロック図である。
【図２】 本発明による方法の細部ステップの機能ブロック図である
【図３】 本発明による方法のK-平均及びAHCステップの機能ブロック図である
【図４】 本発明による方法のさらに詳しいAHCステップの機能ブロック図であ
る
【図５】 本発明による方法のブロック-マッチングステップの機能ブロック図
である。
【図６】 最適なワーピング規則を決定する機能ブロック図である。
【図７】 処理すべき画像列の説明図である。
【図８】 AHTステップにおけるグラフ構成の説明図である。
【図９】 本発明による方法のブロック-マッチングステップの説明図である。
【図１０】 一組の動きベクトルからの相関点の組みたて方を示す図である。
【図１１】 相関点からの相関トリプレットの構成の仕方を示す図である。
【図１２】 相互情報最大化のステップを示す図である。
【図１３Ａ】 処理システム及び本発明による方法を実施するための手段を有す
る診断装置を示す機能部ロック図である。
【図１３Ｂ】 斯種の処理システムに関連付けたＸ腺装置を示す図である。
───────────────────────────────────────────────────── フロントページの続き Ｆターム(参考） 4C093 AA07 DA02 FF11 FF16 FF24 FF27 5B057 AA08 CA12 CA16 DA06 DB02 DC05 DC36 5C054 CA02 FC12 GB01 GB12 HA12 5L096 BA06 FA34 FA69 HA05

Claims (13)

    【特許請求の範囲】
  1. 【請求項１】 起こり得る動きを有する或る注目対象を表わしている画像列の画
    像を処理する方法であって、前記画像列の第１画像から第２画像までの前記注目
    対象の前記起こり得る動きを記述するステップと、前記画像列の第２画像におけ
    る前記注目対象の位置を突き止めるステップとを具えており： 前記第１画像における前記注目対象の第１点を規定し、該第１点に対して相関
    付けられ、前記第２画像に見られる第２点と称する点を決定し、且つ前記第１及
    び第２点の画像データを取得し、 前記第１点を前記相関第２点に変換する或る所定数のパラメータ関数の組を決
    定し、且つ前記パラメータ関数のそれぞれのパラメータを計算し、 且つ、前記パラメータから、前記画像列の前記第１画像における前記所定の注
    目対象を前記第２画像における同じ対象に自動的に変換するワーピング規則と称
    される１つの一般的なパラメータ規則を推定する画像処理方法。
  2. 【請求項２】 前記第１点の座標を前記相関第２点の座標にそれぞれリンクする
    、或る所定数の未知のパラメータを有している同じ所定数のパラメータ変換関数
    の組を決定するステップと、前記ワーピング規則を決めるために、前記所定数の
    パラメータ関数の各組をそれらのパラメータに対して解いて、対応するパラメー
    タの組を推定するステップとを具えている請求項１に記載の画像処理方法。
  3. 【請求項３】 多次元空間における、各点が座標に対して一組のパラメータ関数
    の解から推定されるパラメータを有する、パラメータ点と称する点を推定するス
    テップを具えている請求項２に記載の画像処理方法。
  4. 【請求項４】 前記第１画像と第２画像との間のｍ-プレットと称する数（ｍ）
    の相関第１点と第２点との対を決定するステップであって、ｍ-プレットの各対の
    前記相関点は、未知のパラメータと同数のパラメータ関数の組によってリンクさ
    れるようにするステップ及び 前記パラメータ関数の各組を解いて、多次元空間における１つのパラメータ点
    の座標である一組のパラメータを前記パラメータ関数の各組に対して推定するス
    テップ を具えている請求項３に記載の画像処理方法。
  5. 【請求項５】 前記ｍ-プレットの対を、前記画像列の空間が二次元であるのか
    、三次元であるのかに応じて、相関第１点及び第２点のトリプレット又はクワド
    ルプレットの対とする請求項４に記載の画像処理方法。
  6. 【請求項６】 多次元空間内における前記パラメータ点を、或る所定数の前記パ
    ラメータ点にサブサンプリングするステップと、これらのサブサンプリングした
    パラメータ点のそれぞれの座標をパラメータとして有する対応する数の候補のパ
    ラメータワーピング規則を推定するステップとを具えている請求項３〜５のいず
    れか一項に記載の画像処理方法。
  7. 【請求項７】 前記多次元空間内のパラメータ点に適用され、前記パラメータ点
    をサブサンプリングするステップであって、K-平均アルゴリズム及び昇順階層化
    分類AHCアルゴリズムを含むクラスタリング技法のステップを具えている請求項
    ６に記載の画像処理方法。
  8. 【請求項８】 前記基準画像と前記目標画像との間の相対エントロピーに基づい
    て相互情報の最大化を図り、前記候補のパラメータワーピング規則から最良のワ
    ーピング規則を選択するステップを具えている請求項６又は７のいずれか一項に
    記載の画像処理方法。
  9. 【請求項９】 前記注目対象における前記第１点を成すキーポイントと称する点
    を選択するステップ及び前記第１画像と第２画像との間に適用され、各キーポイ
    ントに対して１つの相関マップを提供するブロックマッチング技法を用いること
    により前記相関第2点を決定するステップを具え、前記相関マップにて、前記第2
    画像における１〜数個の最良な相関点を前記キーポイントに関連する相関第２点
    の組として選択する請求項１〜８のいずれか一項に記載の画像処理方法。
  10. 【請求項１０】 前記キーポイントを、K-平均アルゴリズム及び昇順階層化分類
    AHCアルゴリズムを含むクラスタリング技法を用いることにより、輪郭点の如き
    、注目対象の特定な点から選択する請求項９に記載の画像処理方法。
  11. 【請求項１１】 請求項１〜１０のいずれか一項に記載の方法に従って画像列デ
    ータを処理すべく構成した回路手段及び前記方法に従って処理した画像を表示す
    る手段並びに時には画像データを格納する手段を有しているワークステーション
    又は特殊目的のプロセッサを適切にプログラムしたコンピュータを具えているシ
    ステム。
  12. 【請求項１２】 医用ディジタル画像列データを取得する手段有し、且つ前記医
    用ディジタル画像列データにアクセスして前記画像データを処理すると共に表示
    し、時には該画像データを格納する請求項１１に記載のシステムを有するX線診
    断医用装置。
  13. 【請求項１３】 請求項１〜１０のいずれか一項に記載の方法を実施する命令セ
    ットを含んでいるコンピュータプログラム製品。
JP2001526808A 1999-09-30 2000-09-19 画像処理方法及び画像列における移動対象を追跡するシステム Pending JP2003510730A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP99402392.7 1999-09-30
EP99402392 1999-09-30
PCT/EP2000/009205 WO2001024114A1 (en) 1999-09-30 2000-09-19 Image processing method and system for following a moving object in an image sequence

Publications (1)

Publication Number Publication Date
JP2003510730A true JP2003510730A (ja) 2003-03-18

Family

ID=8242129

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001526808A Pending JP2003510730A (ja) 1999-09-30 2000-09-19 画像処理方法及び画像列における移動対象を追跡するシステム

Country Status (4)

Country Link
US (1) US6788827B1 (ja)
EP (1) EP1135748A1 (ja)
JP (1) JP2003510730A (ja)
WO (1) WO2001024114A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005020719A (ja) * 2003-06-06 2005-01-20 Fuji Photo Film Co Ltd 画像読影支援方法及び装置並びにプログラム
JP2013521969A (ja) * 2010-03-24 2013-06-13 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 物理的対象物の画像を生成するシステム及び方法
WO2014156444A1 (ja) * 2013-03-28 2014-10-02 富士フイルム株式会社 画像表示装置および方法
JP7562583B2 (ja) 2019-06-27 2024-10-07 ウイスコンシン アラムナイ リサーチ ファウンデーシヨン 血管ロードマップを使用した動き調整装置の誘導のためのシステムおよび方法

Families Citing this family (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2003014759A1 (en) * 2001-08-09 2003-02-20 Koninklijke Philips Electronics N.V. Method and apparatus for determining at least one contour of the left and/or right ventricle of a heart
US7440586B2 (en) * 2004-07-23 2008-10-21 Mitsubishi Electric Research Laboratories, Inc. Object classification using image segmentation
US7623250B2 (en) * 2005-02-04 2009-11-24 Stryker Leibinger Gmbh & Co. Kg. Enhanced shape characterization device and method
US7653264B2 (en) * 2005-03-04 2010-01-26 The Regents Of The University Of Michigan Method of determining alignment of images in high dimensional feature space
US20060239527A1 (en) * 2005-04-25 2006-10-26 Sriram Krishnan Three-dimensional cardiac border delineation in medical imaging
DE102005037426A1 (de) * 2005-08-08 2007-02-15 Siemens Ag Vorrichtung und Verfahren zum Fusionieren von Bilddatensätzen
US7423496B2 (en) 2005-11-09 2008-09-09 Boston Scientific Scimed, Inc. Resonator with adjustable capacitance for medical device
US9305334B2 (en) 2007-03-08 2016-04-05 Sync-Rx, Ltd. Luminal background cleaning
US9968256B2 (en) 2007-03-08 2018-05-15 Sync-Rx Ltd. Automatic identification of a tool
US10716528B2 (en) 2007-03-08 2020-07-21 Sync-Rx, Ltd. Automatic display of previously-acquired endoluminal images
US8781193B2 (en) 2007-03-08 2014-07-15 Sync-Rx, Ltd. Automatic quantitative vessel analysis
US11197651B2 (en) 2007-03-08 2021-12-14 Sync-Rx, Ltd. Identification and presentation of device-to-vessel relative motion
US9375164B2 (en) 2007-03-08 2016-06-28 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
US11064964B2 (en) 2007-03-08 2021-07-20 Sync-Rx, Ltd Determining a characteristic of a lumen by measuring velocity of a contrast agent
JP5639764B2 (ja) 2007-03-08 2014-12-10 シンク−アールエックス，リミティド 運動する器官と共に使用するイメージング及びツール
US9629571B2 (en) 2007-03-08 2017-04-25 Sync-Rx, Ltd. Co-use of endoluminal data and extraluminal imaging
US8069251B2 (en) * 2007-06-01 2011-11-29 Adobe Systems Incorporated System and/or method for client-driven server load distribution
EP2303385B1 (en) 2008-06-19 2013-12-11 Sync-RX, Ltd. Stepwise advancement of a medical tool
US9974509B2 (en) 2008-11-18 2018-05-22 Sync-Rx Ltd. Image super enhancement
US9095313B2 (en) 2008-11-18 2015-08-04 Sync-Rx, Ltd. Accounting for non-uniform longitudinal motion during movement of an endoluminal imaging probe
US9101286B2 (en) 2008-11-18 2015-08-11 Sync-Rx, Ltd. Apparatus and methods for determining a dimension of a portion of a stack of endoluminal data points
US8855744B2 (en) 2008-11-18 2014-10-07 Sync-Rx, Ltd. Displaying a device within an endoluminal image stack
US11064903B2 (en) 2008-11-18 2021-07-20 Sync-Rx, Ltd Apparatus and methods for mapping a sequence of images to a roadmap image
US9144394B2 (en) 2008-11-18 2015-09-29 Sync-Rx, Ltd. Apparatus and methods for determining a plurality of local calibration factors for an image
US10362962B2 (en) 2008-11-18 2019-07-30 Synx-Rx, Ltd. Accounting for skipped imaging locations during movement of an endoluminal imaging probe
EP2863802B1 (en) 2012-06-26 2020-11-04 Sync-RX, Ltd. Flow-related image processing in luminal organs
US9436995B2 (en) * 2014-04-27 2016-09-06 International Business Machines Corporation Discriminating between normal and abnormal left ventricles in echocardiography
US12106492B2 (en) * 2021-11-18 2024-10-01 Volkswagen Aktiengesellschaft Computer vision system for object tracking and time-to-collision

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5293574A (en) * 1992-10-23 1994-03-08 General Electric Company Digital x-ray imaging system with automatic tracking
DE4302657C1 (de) 1993-01-30 1994-03-03 Holstein & Kappert Maschf Verfahren zur Bestimmung von Kontaminaten in Behältern

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005020719A (ja) * 2003-06-06 2005-01-20 Fuji Photo Film Co Ltd 画像読影支援方法及び装置並びにプログラム
JP4493408B2 (ja) * 2003-06-06 2010-06-30 富士フイルム株式会社 画像読影支援方法及び装置並びにプログラム
JP2013521969A (ja) * 2010-03-24 2013-06-13 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 物理的対象物の画像を生成するシステム及び方法
WO2014156444A1 (ja) * 2013-03-28 2014-10-02 富士フイルム株式会社 画像表示装置および方法
JP2014188250A (ja) * 2013-03-28 2014-10-06 Fujifilm Corp 画像表示装置および方法
JP7562583B2 (ja) 2019-06-27 2024-10-07 ウイスコンシン アラムナイ リサーチ ファウンデーシヨン 血管ロードマップを使用した動き調整装置の誘導のためのシステムおよび方法

Also Published As

Publication number Publication date
US6788827B1 (en) 2004-09-07
WO2001024114A1 (en) 2001-04-05
EP1135748A1 (en) 2001-09-26

Similar Documents

Publication Publication Date Title
JP2003510730A (ja) 画像処理方法及び画像列における移動対象を追跡するシステム
US7352386B1 (en) Method and apparatus for recovering a three-dimensional scene from two-dimensional images
Dai et al. A 3d morphable model of craniofacial shape and texture variation
EP2710557B1 (en) Fast articulated motion tracking
CN113168710A (zh) 三维对象重建
US7590264B2 (en) Quantitative analysis, visualization and movement correction in dynamic processes
US6950542B2 (en) Device and method of computing a transformation linking two images
KR100415266B1 (ko) 물체영역정보 기술방법과 물체영역정보 생성장치 및 기록매체
Li et al. Nerf-pose: A first-reconstruct-then-regress approach for weakly-supervised 6d object pose estimation
Seghers et al. Construction of a brain template from MR images using state-of-the-art registration and segmentation techniques
KR20190038808A (ko) 비디오 데이터의 객체 검출
US6826292B1 (en) Method and apparatus for tracking moving objects in a sequence of two-dimensional images using a dynamic layered representation
CN110310285B (zh) 一种精确的基于三维人体重建的烧伤面积计算方法
JP2018520425A (ja) 三次元空間のモデリング
US6289135B1 (en) Electronic image processing device for the detection of motions
US6678416B1 (en) Detecting and segmenting local deformation in a tracked video object
CN113450396A (zh) 基于骨骼特征的三维/二维图像配准方法及装置
JP2018055199A (ja) 画像処理プログラム、画像処理装置、及び画像処理方法
CN114359642A (zh) 基于一对一目标查询Transformer的多模态医学图像多器官定位方法
CN111260702B (zh) 激光三维点云与ct三维点云配准方法
JP2003061936A (ja) 動立体モデル生成装置及び方法
Koujan et al. Combining dense nonrigid structure from motion and 3d morphable models for monocular 4d face reconstruction
JPH04232579A (ja) 近傍データに基づく画像形状の比較方法
Barrett et al. Determination of left ventricular contours: A probabilistic algorithm derived from angiographic images
JP3499663B2 (ja) レーダイメージ処理装置