JP2007244519A - 画像解析装置 - Google Patents

Abstract

【課題】管腔内異常組織の存在位置の検出を向上させる。
【解決手段】ＣＰＵは、ステップＳ１０にて例えばＲ信号について濃淡値勾配算出処理を実行し、ステップＳ１１にて算出した濃淡値勾配より等方性変化特徴量算出処理を実行し、さらにステップＳ１２にて算出した等方性変化特徴量よりポリープの存在する位置にポリープ候補画像２６を生成するポリープ候補検出処理を実行する。
【選択図】図８

Description

本発明は、医療画像よりポリープの検出する画像解析装置に関する。

医療分野においてはＸ線、ＣＴ、ＭＲＩ、超音波観測装置、内視鏡装置等の画像撮像機器を用いた診断が広く行われている。

例えば内視鏡装置においては、細長の挿入部を体腔内に挿入し、固体撮像素子等を撮像手段に用いて体腔内臓器等をモニタ画面により観察し、診断をすることができる。また、前記体腔内臓器へ超音波を照射し、この超音波の反射あるいは透過度等により該体腔内臓器の状況をモニタ画面により観察し、検査あるいは診断することのできる超音波内視鏡装置も広く用いられている。

これらの機器により撮像された画像を用いた最終的な診断は、医師の主観に依存している部分が多大であるため、画像解析手法により撮像対象に関する特徴量を算出し、客観的・数値的な診断支援情報を医師に提示することにより、医師の診断行為を支援する、診断支援装置がある。

ここで、特徴量とは、画像上の様々な所見を反映した数値であり、画像解析手法の適用により得られるものである。

例えば内視鏡画像において、粘膜表面の発赤といった色調に関する所見、透見血管像に見られる血管の屈折・蛇行性といった血管の形状に関する所見、胃小区における粘膜模様のパターンに関する所見は、病変の悪性度診断において重要な要素となっている。例えば非特許文献１（「”消化器内視鏡”2001vol.13 No.3 voI.13 東京医学社刊 P349-354」）は、粘膜所見及び血管の形状に関する所見による病変良悪性の鑑別についての例である。

例えば特開２００５−１５７９０２号公報等には、特徴量を利用した所見の客観化結果に基づく病変判定精度を向上させることのできる画像解析方法が開示されている。この特開２００５−１５７９０２号公報では、画像解析方法を消化管画像内の血管を線状パターンとして抽出して、病変判定に利用している。
特開２００５−１５７９０２号公報 「"消化器内視鏡"2001 vol.13 No.3 voI.13 東京医学社刊 P349-354」

しかしながら、撮像対象となる消化管が大腸であるときの病変候補検出に着眼した画像解析手法は従来技術には存在しない。

大腸における検出対象として隆起性病変（大腸ポリープ）があるが、管腔表面から隆起した構造物を上方から観察すると、構造物のエッジが描出されず、エッジ検出を用いた大腸ポリープ候補検出手法は使用できないといった問題がある。

本発明は、上記事情に鑑みてなされたものであり、大腸ポリープの存在位置の検出を向上させることのできる画像解析装置を提供することを目的としている。

本発明の画像解析装置は、
管腔内画像の画素または小領域のデータに基づき、管腔内異常組織が存在するか否かを判定する異常組織存在判定処理手段
を備えて構成される。

本発明によれば、大腸ポリープの存在位置の検出を向上させることができるという効果がある。

以下、図面を参照しながら本発明の実施例について述べる。

図１ないし図１３は本発明の実施例１に係わり、図１は内視鏡画像解析装置の構成を示す構成図、図２は図１のメモリ上に記憶される情報を示す図、図３は図１の画像処理装置の作用を説明する第１の図、図４は図１の画像処理装置の作用を説明する第２の図、図５は図１の画像処理装置の作用を説明する第３の図、図６は図１の画像処理装置の作用を説明する第４の図、図７は図１のＣＰＵにより実行される画像解析プログラムの処理の流れを示すフローチャート、図８は図７の画像解析処理の流れを示すフローチャート、図９は図８の濃淡値勾配算出処理説明する第１の図、図１０は図８の濃淡値勾配算出処理説明する第２の図、図１１は図８の等方性変化特徴量算出処理の流れを示すフローチャート、図１２は図８のポリープ候補検出処理の流れを示すフローチャート、図１３は図８の画像解析処理の変形例を説明する図である。

（構成）
図１に示すように、本実施例の内視鏡画像解析装置１は、生体内を撮像してアナログ画像信号を出力する内視鏡観察装置２と、内視鏡観察装置２の出力するアナログ画像信号から画像データを生成すると共に生成された画像データを蓄積する内視鏡ファイリング装置３と、画像解析処理を行う画像処理装置４とを備えて構成される。

画像処理装置４は、情報処理を行う情報処理装置５と、キーボードとマウス等とからなる操作装置６と、ハードディスク等からなる記憶装置７と、ＣＲＴあるいは液晶ディスプレイあるいはプラズマディスプレイ等の表示手段からなる表示装置８とを具備して構成される。

内視鏡ファイリング装置３と情報処理装置５は、例えばＴＣＰ／ＩＰをプロトコルとするＬＡＮ９に接続されており、相互に通信可能である。

情報処理装置５は、一般のパーソナルコンピュータが用いられており、内視鏡ファイリング装置３に蓄積されている画像データをＬＡＮ９経由で取得し、画像データに対して画像解析処理を行い、画像解析結果を表示装置８に表示するようになっている。ここで、処理を行う画像データの指定、指定された画像データの取得指示、処理実行の指示は、操作装置６を用いた操作によって行われる。

情報処理装置５では、制御・処理を行う異常組織存在判定処理手段としてのＣＰＵ１０と、処理プログラム・データを記憶するメモリ１１と、記憶装置７との間で情報の読み書きを行う外部記憶Ｉ／Ｆ１２と、外部機器との通信を行うネットワークカード１３と、操作装置６との入出力を行う操作Ｉ／Ｆ１４と、表示装置８にビデオ信号を出力するグラフィックボード１５とが、バス１６に接続されており、バス１６を介して相互にやり取りを行うようになっている。

ネットワークカード１３は、ＬＡＮ９上に接続されている内視鏡ファイリング装置８とデータの送受信処理を行うようになっている。

操作Ｉ／Ｆ１４は、操作装置６のキーボードやマウスによって入力された入力信号を受け取り、必要なデータ処理を行うようになっている。

記憶装置７は情報処理装置５に接続されており、画像解析処理を実行する画像解析プログラム２０を格納している。該画像解析プログラム２０は、複数の実行ファイルまたは動的リンクライブラリファイルまたは設定ファイルから構成される。

外部記憶Ｉ／Ｆ１２は、記憶装置７に記憶されている画像解析プログラム２０を読み込み、メモリ１１に記憶させるようになっている。

図２に示すように、メモリ１１は、画像解析プログラム２０と、解析データ２１を保持している。

メモリ１１に記憶された画像解析プログラム２０は、ＣＰＵ１０による実行により、操作装置６によって指定された内視鏡画像データを内視鏡ファイリング装置３から取得し、取得した画像データに対して画像解析処理をし、画像解析結果の表示装置８への表示処理を行うプログラムである。

メモリ１１に記憶された解析データ２１は、ＣＰＵ１０における各処理により取得及び生成されるデータである。記憶される解析データ２１は、内視鏡ファイリング装置３から取得した画像データである原画像２２及び後述する各種処理により生成される濃淡値勾配情報２３、等方性変化情報２４、ポリープ候補画像２６からなる。

（作用）
図３に示すように、内視鏡観察装置２を用いて大腸ポリープ１００を斜め方向から観察すると、図４のようにエッジ１０１が観察されるため、従来手法のエッジ検出手法を使用して大腸ポリープ１００の候補を検出することが可能であるが、大腸ポリープを上方から観察すると、図５のようにエッジが観察されない。よって、エッジ検出手法を使用しても大腸ポリープ１００の候補を検出することができない。

一方、図６に示すような、内視鏡観察装置２を用いて大腸管腔の襞を観察する場合にも、上方からの観察ではエッジが観察されない。さらに、画像内に仮想的に直線を引いたときの直線上の画素の濃淡値変化を観察すると、直線の引き方によって大腸ポリープと襞は同一の変化形状を示す（例えば図６のｙ方向の濃淡値変化）。よって、１次元の濃淡値変化（例えば図６のｘ方向の濃淡値変化）を元にして大腸ポリープの検出を試みる場合、襞も同時に誤検出してしまう可能性がある。

そこで、本実施例では、以下の処理を行うことで上記問題を解決する。

詳細には、ＣＰＵ１０にて実行される画像解析プログラム２０の処理では、図７に示すように、ＣＰＵ１０は、原画像取得処理のステップＳ１にて、操作装置６の操作により指定された画像データを、内視鏡ファイリング装置３から取得し、メモリ１１上に原画像２２として記憶させる処理を行う。

次に、ＣＰＵ１０は、画像解析処理のステップＳ２にて、原画像取得処理ステップＳ１により取得した原画像２２を処理し、濃淡値勾配情報２３、等方性変化情報２４、ポリープ候補画像２６とを生成してメモリ１１上に記憶させる処理を行う。

そして、ＣＰＵ１０は、解析結果表示処理のステップＳ３にて、ポリープ候補画像２６を原画像２２に重畳させた解析処理画像を表示装置８上に表示する処理を行う。

図７のステップＳ２の画像解析処理を図８を用いて説明する。図８に示すように、ＣＰＵ１０は、ステップＳ１０にて例えばＲ信号について後述する濃淡値勾配算出処理を実行する。続いて、ＣＰＵ１０は、ステップＳ１１にて算出した濃淡値勾配より後述する等方性変化特徴量算出処理を実行する。さらにＣＰＵ１０は、ステップＳ１２にて算出した等方性変化特徴量よりポリープの存在する位置にポリープ候補画像２６を生成するポリープ候補検出処理を実行する。

まず、ステップＳ１０の濃淡値勾配算出処理について説明する。濃淡値勾配算出処理は、図９に示すように、注目点を中心として３×３の画素に関して、例えば原画像のR信号についての濃淡値勾配を、各画素毎に求める。

詳細には、例えば図１０に示すような注目点Ｒ22を中心として３×３の画素に関して、ｘ，ｙ方向それぞれ３画素先のR画素信号の差分を抽出する。例えばＲ22に関しては差分は
g22x=R22x-R22
g22y=R22y-R22
rg22x=R'22x-R22
rg22y=R'22y-R22
となる。

ｘ，ｙ方向の差分値の平均値を、濃淡値勾配のｘ方向成分（０°方向）の差分平均値をgx、ｙ方向成分（９０°方向）の差分平均値をgy、gxの逆方向(180°方向)の差分平均値をrgx、gyの逆方向（２７０°方向）の差分平均値をrgyとすると、これらは
gx=AVE(gijx)=AVE(Rijx-Rij)
gy=AVE(gijy)=AVE(Rijy-Rij)
rgx=AVE(rgijx)=AVE(Rij'x-Rij)
rgy=AVE(rgijy)=AVE(Rij'y-Rij) i,j=1〜3
として求められる。AVEは引数内の i,jに関する数値の平均値を返す関数とする。

以上の４つの方向の濃淡値勾配情報と、注目点の画素値とを、濃淡値勾配情報としてメモリ１１上に記録する。

次に、ステップＳ１１の等方性変化特徴量算出処理について説明する。等方性変化特徴量算出処理は、図１１に示すように、ステップＳ２０にてまず各画素毎に上述の濃淡値勾配算出処理により算出された濃淡値勾配情報を取得し、ステップＳ２１にて濃淡値勾配情報の差分値を求める。

本実施例では、
gxとgyの差分：dxy=ABS(gx-gy)
gxとrgxの差分：dxrx=ABS(gx-rgx)
gxとrgyの差分：dxry= ABS(gx-rgy)
を算出する。なお、ABSは引数内の数値の絶対値を返す関数とする。

ステップＳ２２にて注目点のする画素値Ｒ（図１０ではＲ22）と所定の閾値Ｒtとを比較し、Ｒ＞Ｒtであるときに、ステップＳ２３にて上述の３つの差分値を等方性変化情報としてメモリ１１上に記録し、処理を終了する。

一方、Ｒ≦Ｒtである場合には、dxy=dxrx=dxry=ERR（ERRは値が不適であることを示す十分大きな定数値）をメモリ１１上に記録し、処理を終了する。

続いて、ステップＳ１２のポリープ候補検出処理について説明する。ポリープ候補検出処理は、図１２に示すように、ステップＳ３０にてまず各画素毎に等方性変化特徴量算出処理により算出された等方性変化情報を取得する。

そして、ステップＳ３１にてdxy=dxrx=dxry=ERRを満たすかどうか判断し、満たす場合には処理をスキップし、そうでない場合には以下のステップＳ３２以降の処理を実施する。

ステップＳ３２では、所定の閾値Dtを用いて、dxy <Dt かつ、dxxy <Dt かつ、dyxy <Dtであるか否かを判定する。この条件を満たす場合には、ステップＳ３３にてポリープ候補画像の当該位置の画素値を「１」として更新する。もし条件を満たさない場合には、ステップＳ３４にて当該位置の画素値を「０」として更新する。

そして、ステップＳ３４にてポリープの存在する位置の画素値が「１」となるポリープ候補画像２６を生成し、処理を終了する。

そして、画像処理装置４では、原画像２２の表示に重畳するように、ポリープ候補画像２６の画素値が「１」である位置にマーカを表示する。

なお、上記処理は、原画像２２の例えばＲ信号について行うとしたが、これに限らず、Ｇ信号あるいはＢ信号でも良い。

（効果）
このように本実施例では、２次元の濃淡値変化を調べることによって、エッジをもたないポリープを画像内から検出して、病変候補として提示することで、Ｄｒ．（術者）にポリープの存在位置を提示でき、病変発見を補助することが可能となる。

なお、上述の説明では濃淡値勾配情報を３画素先の画素値との差分から求めているが、設定可能なパラメタ変数Ｎにより、Ｎ画素先の差分を求めるように構成して、濃淡値勾配情報のスケールを調整可能としてもよい。

次に、本実施例の変形例について説明する。なお、異なる部分だけ説明する。

等方性変化特徴量算出処理において、まず、次の計算式（１）、（２）により各画素毎の濃淡値勾配に関する要素構造テンソルＴ^lを求める。

次に、検出対象となる大腸ポリープの大きさに準じたガウシアンカーネルを生成する。例えば、５×５の大きさに関するガウシアンカーネルを生成する場合、平均値μ＝０、分散σ2＝１の正規分布関数ｆ（ｘ）を、

に基づき、図１３に示す５×５のフィルタＧを生成する。そして、各画素毎に求めたＴ^lとＧを畳み込み、各画素毎に構造テンソルＴ＝Ｇ＊Ｔ^lを算出する。

さらにＴの固有値をハウスホルダＱＲ法により各画素毎に求めて、
特徴量ｕ＝最小固有値／最大固有値
を算出する。

注目点のする画素値Ｒと所定の閾値Ｒtとを比較し、Ｒ＞Ｒtであるときに、特徴量ｕを等方性変化情報としてメモリ１１上に記録する（図１１のステップＳ２３に相当）。

Ｒ≦Ｒtである場合には、ｕ＝ERR（ERRは値が不適であることを示す十分大きな定数値） をメモリ１１上に記録する（図１１のステップＳ２４に相当）。

そして、ポリープ候補検出処理は、各画素毎に等方性変化情報を取得し（図１２のステップＳ３０に相当）、ｕ＝ERRかどうか判断し（図１２のステップＳ３１に相当）、ｕ＝ERRである場合には処理をスキップし、そうでない場合には以下の処理を実施する。

次に、所定の閾値Ｕtを用いて、ｕ＞ Utであるか否かを判定する（図１２のステップＳ３２に相当）。この条件を満たす場合には、ポリープ候補画像の当該位置の画素値を「１」として更新する（図１２のステップＳ３３に相当）。もし条件を満たさない場合には、当該位置の画素値を「０」として更新する（図１２のステップＳ３４に相当）。

図１４ないし図２０は本発明の実施例２に係わり、図１４はメモリ上に記憶される情報を示す図、図１５は図１４の画像解析プログラムにおける画像解析処理の処理の流れを示すフローチャート、図１６は図１５のポリープ候補検出処理の流れを示すフローチャート、図１７は図１６のポリープ候補検出処理を説明する図、図１８は図１６のポリープ候補検出処理における類円形状の検出方法の変形例を説明する第１の図、図１９は図１６のポリープ候補検出処理における類円形状の検出方法の変形例を説明する第２の図、図２０は図１６のポリープ候補検出処理における類円形状の検出方法の変形例を説明する第３の図である。

実施例２は、実施例１とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

（構成）
本実施例では、図１４に示すように、メモリ１１に記憶される解析データ２１は、内視鏡ファイリング装置３から取得した画像データである原画像２２及び後述する各種処理により生成される２値化画像３０、ラベリング画像３１、細線化画像３２、ポリープ候補画像２６からなる。その他の構成は実施例１と同じである。

（作用）
ＣＰＵ１０にて実行される本実施例の画像解析プログラム２０の画像解析処理を図１５を用いて説明する。図１５に示すように、ステップＳ４０の２値化処理ステップにて、ＣＰＵ１０は、画像解析プログラム２０により、原画像２２の例えばＲ信号について公知のSobelフィルタによるエッジ抽出処理を行って、処理結果として得られた画素値が所定の閾値Ｒt以上である場合に、該当画素を「１」とする２値画像３０を生成する。

なお、エッジ抽出処理は、原画像２２の例えばＲ信号について行うとしたが、これに限らず、原画像２２のＧ信号あるいはＢ信号について行うようにしてもよい。

ＣＰＵ１０は、ステップＳ４１のラベリング処理ステップにより、２値化画像３０の画素値が「１」である画素の連結成分のそれぞれにラベルを割り当てたラベリング画像３１を生成する。

そして、ＣＰＵ１０は、ステップＳ４２の細線化処理ステップにより、ラベリング画像３１内の各ラベル値を例えば公知のHildichの方法により細線化した細線化画像３２を生成する。細線化画像３２は、原画像２２に含まれるエッジを、１画素の連結成分からなるエッジ線として抽出して各々にラベルを割り当てた画像となる。各エッジは、大腸の隆起性病変候補の外形線とともに、病変以外の構造の外形線を含んでいる。

なお、ラベリング画像３１及び細線化画像３２の生成方法については、例えば特開２００５−１５７９０２号公報に開示されているように、公知であるので説明は省略する。

本実施例のポリープ候補検出処理は、細線化画像３２のエッジ線から、隆起性病変としての可能性の高いエッジ線のみを抽出して、ポリープ候補画像２６として生成する処理である。

図１６は、本実施例のポリープ候補検出処理における処理フローチャートを示す図である。

図１６に示すように、ポリープ候補検出処理では、ＣＰＵ１０は、ステップＳ５０にて、ラベル値「１」をもつエッジ線情報を取得する。

そして、ＣＰＵ１０は、ステップＳ５１にて、円形状に関するハフ変換を実行して、エッジ線を構成する円を抽出する。図１７はその抽出例である。図１７の例では、エッジ線を構成する円要素として、４つの円A,B,C,Dが抽出されたことを示している。

ＣＰＵ１０は、ステップＳ５２にて、抽出した円のうち、エッジ線との一致度が最も高い円の一致度の大小を閾値判定する。判定は、ステップＳ５０のエッジ線の画素数と、一致している画素数との比が、所定の値Ｒ0より大きいか否かで行う。図１７の例では、エッジ線を構成する画素を最も多く重複している円は円Aであり、かつ、エッジ線の画素数と一致している画素数との比がＲ0より大きいとして、円Aを検出する。もし該当する円の半径がない場合には、大腸ポリープの対象候補から除外する。

ＣＰＵ１０は、ステップＳ５３にて、ステップＳ５２において判定した円の半径ｒを、所定の閾値ｒmin、ｒmaxと比較処理する。ｒmin＜ｒ＜ｒmaxである場合には、該当するエッジ線がポリープの外形線を表すものとして、ステップＳ５４にてエッジ線の画素を「１」とするポリープ候補画像２６を生成する。

ＣＰＵ１０は、以上の処理ステップを、細線化画像３２の各ラベル値毎に処理して、処理結果をポリープ候補画像２６に重畳することにより、ポリープ候補エッジをラベリングしたポリープ候補ラベリング画像を生成する。

（効果）
本実施例は、ポリープ候補ラベリング画像を原画像２２に重畳して表示装置８上に表示することにより、ポリープの存在位置である画像上のポリープ候補位置を容易に確認することが可能となる。

なお、本実施例は、エッジ線上の点列に基づき複素PARCOR係数を算出し、その係数を図１８ないし図２０に示す分類クラスを正解として判別分析して類円形状を検出するように構成してもよい。

図２１ないし図２９は本発明の実施例３に係わり、図２１はエッジ抽出処理の前処理を説明する第１の図、図２２は図２１の前処理を説明する第２の図、図２３は図２１の前処理を説明する第３の図、図２４は図２１の前処理を説明する第４の図、図２５は図２１の前処理を説明する第５の図、図２６は図２１の前処理の流れを示す第１のフローチャート、図２７は図２６の処理を説明する第１の図、図２８は図２６の処理を説明する第２の図、図２９は図２１の前処理の流れを示す第２のフローチャートである。

実施例３は、実施例２とほとんど同じであるので、異なる点のみ説明し、同一の構成には同じ符号をつけ説明は省略する。

大腸における検出対象として隆起性病変（大腸ポリープ）があり、従来技術の１手法として、画像の濃淡値の極大を検知してその位置を大腸ポリープの候補と判定する手法がある。その際に、極大が急峻である場合には大腸ポリープではなく微小な残渣等の内容物によるノイズであるため、ノイズ除去のためにモフォロジーフィルターを使用する。

しかし、内視鏡画像には歪曲収差があるため、モフォロジーフィルターが狙うノイズのサイズが、画像の中央と周辺部とで異なってしまう問題がある。

そこで本実施例では、ＣＰＵ１０は、歪曲収差のある画像に対して適切な処理を行い、大腸ポリープの検出精度を向上させる。

本実施例では、ＣＰＵ１０は、実施例２における図１５のステップＳ４０でのエッジ抽出処理の前処理として、原画像２２から残渣等の内容物からくるノイズを除去する。そのノイズ除去の方法としてモフォロジーフィルターを一般に使用する。

図２１のように急峻なピークがある場合には、モフォロジーフィルター処理の１つであるerosionを行った後、モフォロジーフィルター処理の１つであるdilationを行うことで、急峻なピークが取り除かれる。図２１ではerosionを行った例を示す。モフォロジーフィルターは、図２２に示すように、dilationは図形拡張作用を有し、またerosionは図形収縮作用を有しており、球体または楕円体を対象とするデータ値に接するように這わせたときの球体または楕円体の中心の軌跡を出力とする。dilationではデータ値の上を、erosionではデータ値の下を這わせる。よって、erosion及びdilationにより、球体または楕円体のサイズ以下のピークを取り除くことが可能となる。

しかし、内視鏡画像は歪曲収差を持っているため、画像の中央と周辺とでスケールが異なる。よって図２３に示すように、内視鏡画像における実サイズは、画像の中心部からの距離、方向に応じて異なる。

歪曲収差を補正した画像に対して、実施例２における図１５に示した一連の処理を行うと、上述の画像位置によるスケール相違の問題が回避できるが、歪曲収差の補正処理には時間がかかり、その上でモフォロジーフィルタ演算を行わなければならない。

本実施例では、ＣＰＵ１０は、あらかじめレンズの収差仕様または実測値に基づき、図２４及び図２５に示すように、画面中心からの距離ｌに応じた楕円体の長軸/短軸を出力する関数ｆ（ｌ） ，ｇ（ｌ）を用意している。この関数は、ルックアップテーブルまたは計算式によって構成される。

本実施例において、画像Ｉ に対してモフォロジーフィルターのdilationを適用する際の処理フローチャートを図２６に示す（erosionも同様の処理を行う）。

図２６は、画素（ｘ，ｙ）に関する処理を表し、この処理を画像Ｉ 全体に適用することによりdilation処理画像を得ることとなる。

ＣＰＵ１０は、dilation処理では、画像Ｉ と同一サイズの画像バッファをメモリ１１上に確保し画像バッファにdilation処理結果を格納する。画像バッファの値は、dialtion処理に先立って、画像Ｉの画素値をコピーして格納しておく。

図２６に示すように、モフォロジーフィルターによるdilation処理では、ＣＰＵ１０は、ステップＳ６０にて、注目する画素（ｘ，ｙ）と画像Ｉの中心画素（ｃｘ，ｃｙ）とのなす角度θを求める（図２７参照）。

ステップＳ６１において、ＣＰＵ１０は、注目する画素（ｘ，ｙ）と画像Ｉの中心画素（ｃｘ，ｃｙ）との距離Ｌを求める。

ステップＳ６２において、ＣＰＵ１０は、上述の関数ｆ（ｌ） ，ｇ（ｌ）と、ステップＳ６１で求めた距離Ｌを用いて、図２８に示すような長軸がｆ（Ｌ） ，短軸がｇ（Ｌ）の楕円体を求める。

ステップＳ６３にて、ＣＰＵ１０は、ステップＳ６２において求めた楕円体をステップＳ６０で求めた角度θだけ回転する。

ステップＳ６４において、ＣＰＵ１０は、画素（ｘ，ｙ）におけるdilation処理を行う。処理結果は、画像Ｉと同一サイズの画像バッファに格納する。画像バッファにおけるフィルタの占める領域内の画素値が、フィルタ処理結果の画素値よりも大きい時には、フィルタ処理結果の画素値に置き換える。

なお、図２９はerosion処理の場合のフローチャートを示す。dilation処理とほとんど同じで、ステップＳ６４の代りにステップＳ６４ａにて画素（ｘ，ｙ）におけるerosion処理を行う点のみ異なるので、説明は省略する。

また、本実施例ではモフォロジーフィルタに対して適用したが、ＣＰＵ１０がテンプレートを生成しテンプレートマッチング処理を実行して、該テンプレートマッチング処理においても、画像の歪曲収差を考慮してテンプレートを補正しながら処理を行うことでマッチング精度を向上させることが可能となる。

歪曲収差のある画像に対してノイズ除去を高精度に行うことが可能となり、病変候補の正解率が向上するため、Dr.の病変発見を補助することとなる。

なお、画像データの一例として上記各実施例では大腸内の内視鏡画像データを用い、管腔内異常組織としての大腸ポリープを例に説明したが、これに限らず、他の管腔内画像データに適用し他の管腔内の異常組織の検出に適用可能である。

なお、本発明の上記実施例では、図３０に示すように、濃淡値勾配算出処理（例えば図８のステップＳ１０）を実行する濃淡値勾配算出処理手段としての濃淡値勾配算出部２００と、等方性変化特徴量算出処理（例えば図８のステップＳ１１）を実行する等方性評価処理手段としての等方性評価部２０１と、エッジ抽出処理（例えば図１５のステップＳ４０）を実行するエッジ抽出処理手段としてのエッジ抽出部２０２と、ポリープ候補検出処理（例えば図８のステップＳ１２）を実行する異常組織候補検出処理手段としてのポリープ候補検出部２０３と、例えば図２２のモフォロジーフィルターを生成するフィルタ／テンプレート生成手段としてのフィルタ／テンプレート生成部２０４と、例えば図２４及び図２５の画面中心からの距離ｌに応じた楕円体の長軸/短軸を出力する関数ｆ（ｌ） ，ｇ（ｌ）を用いたモフォロジーフィルター演算を実行するフィルタリング／テンプレートマッチング処理手段としてのフィルタリング／テンプレートマッチング部２０５とは、異常組織存在判定処理手段としてのＣＰＵ１０により構成される。

本発明は、上述した実施例に限定されるものではなく、本発明の要旨を変えない範囲において、種々の変更、改変等が可能である。

本発明の実施例１に係る内視鏡画像解析装置の構成を示す構成図 図１のメモリ上に記憶される情報を示す図 図１の画像処理装置の作用を説明する第１の図 図１の画像処理装置の作用を説明する第２の図 図１の画像処理装置の作用を説明する第３の図 図１の画像処理装置の作用を説明する第４の図 図１のＣＰＵにより実行される画像解析プログラムの処理の流れを示すフローチャート 図７の画像解析処理の流れを示すフローチャート 図８の濃淡値勾配算出処理説明する第１の図 図８の濃淡値勾配算出処理説明する第２の図 図８の等方性変化特徴量算出処理の流れを示すフローチャート 図８のポリープ候補検出処理の流れを示すフローチャート 図８の画像解析処理の変形例を説明する図 本発明の実施例２に係るメモリ上に記憶される情報を示す図 図１４の画像解析プログラムにおける画像解析処理の処理の流れを示すフローチャート 図１５のポリープ候補検出処理の流れを示すフローチャート 図１６のポリープ候補検出処理を説明する図 図１６のポリープ候補検出処理における類円形状の検出方法の変形例を説明する第１の図 図１６のポリープ候補検出処理における類円形状の検出方法の変形例を説明する第２の図 図１６のポリープ候補検出処理における類円形状の検出方法の変形例を説明する第３の図 本発明の実施例３に係るエッジ抽出処理の前処理を説明する第１の図 図２１の前処理を説明する第２の図 図２１の前処理を説明する第３の図 図２１の前処理を説明する第４の図 図２１の前処理を説明する第５の図 図２１の前処理の流れを示す第１のフローチャート 図２６の処理を説明する第１の図 図２６の処理を説明する第２の図 図２１の前処理の流れを示す第２のフローチャート ＣＰＵの機能構成を示すブロック図

符号の説明

１…内視鏡画像解析装置
２…内視鏡観察装置
３…内視鏡ファイリング装置
４…画像処理装置
５…情報処理装置
６…操作装置
７…記憶装置
８…表示装置
９…ＬＡＮ
１０…ＣＰＵ
１１…メモリ
１２…外部記憶Ｉ／Ｆ
１３…ネットワークカード
１４…操作Ｉ／Ｆ
１５…グラフィックボード
１６…バス
２０…画像解析プログラム
２１…解析データ
２２…原画像
２３…濃淡値勾配情報
２４…等方性変化情報
２６…ポリープ候補画像

Claims (5)

1. 管腔内画像の画素または小領域のデータに基づき、管腔内異常組織が存在するか否かを判定する異常組織存在判定処理手段
   を備えたことを特徴とする画像解析装置。
2. 前記管腔内画像の画素または小領域の濃淡値勾配を算出する濃淡値勾配算出処理手段と、
   前記濃淡値勾配の等方性を評価する等方性評価処理手段と
   をさらに有し、
   前記異常組織存在判定処理手段は、前記等方性評価結果を基づいて、前記管腔内異常組織が存在するか否かを判定する
   ことを特徴とする請求項１に記載の画像解析装置。
3. 前記管腔内画像のエッジを抽出するエッジ抽出処理を行うエッジ抽出処理手段と、
   前記エッジ抽出処理手段により抽出した各々のエッジが前記異常組織のエッジであるか否かを判定する異常組織候補検出処理手段とを
   さらに備え、
   前記異常組織候補検出処理手段は、エッジのなす曲線のうち類円形状の曲線を検出する円形状検出処理手段を有し、
   前記異常組織存在判定処理手段は、前記類円形状の曲線に基づいて、前記管腔内異常組織が存在するか否かを判定する
   ことを特徴とする請求項１に記載の画像解析装置。
4. 前記管腔内画像中央からの位置に応じてサイズの異なるフィルタまたはテンプレートを生成するフィルタ／テンプレート生成手段と、
   前記フィルタまたはテンプレートにより、前記管腔内画像に対してフィルタリング処理またはテンプレートマッチング処理を行うフィルタリング／テンプレートマッチング処理手段とを
   さらに備え、
   前記異常組織存在判定処理手段は、前記フィルタリング／テンプレートマッチング処理手段の処理結果に基づいて、前記管腔内異常組織が存在するか否かを判定する
   ことを特徴とする請求項１に記載の画像解析装置。
5. 前記管腔内異常組織は、大腸ポリープである
   ことを特徴とする請求項１ないし４に記載の画像解析装置。