JP2008259710A - 画像処理方法および装置ならびにプログラム - Google Patents
画像処理方法および装置ならびにプログラム Download PDFInfo
- Publication number
- JP2008259710A JP2008259710A JP2007105349A JP2007105349A JP2008259710A JP 2008259710 A JP2008259710 A JP 2008259710A JP 2007105349 A JP2007105349 A JP 2007105349A JP 2007105349 A JP2007105349 A JP 2007105349A JP 2008259710 A JP2008259710 A JP 2008259710A
- Authority
- JP
- Japan
- Prior art keywords
- type
- region
- basic
- area
- integrated
- 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.)
- Withdrawn
Links
- 238000003672 processing method Methods 0.000 title claims description 8
- 238000012937 correction Methods 0.000 claims abstract description 53
- 230000010354 integration Effects 0.000 claims description 16
- 238000000034 method Methods 0.000 abstract description 16
- 238000000605 extraction Methods 0.000 abstract description 7
- 210000004204 blood vessel Anatomy 0.000 description 27
- 210000000988 bone and bone Anatomy 0.000 description 21
- 238000013528 artificial neural network Methods 0.000 description 8
- 238000012706 support-vector machine Methods 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 210000004185 liver Anatomy 0.000 description 4
- 210000000056 organ Anatomy 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 101000911772 Homo sapiens Hsc70-interacting protein Proteins 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003734 kidney Anatomy 0.000 description 1
- 238000003825 pressing Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
【課題】簡単な操作で効率よく領域の過抽出および抽出不足を修正する。
【解決手段】医用画像Pが複数の基本領域BRに分割された後、複数の基本領域BRの特徴に基づいて、基本領域BRが統合され統合領域URが生成されるとともに、統合領域URの種類KIが識別される。そして、表示装置20にはたとえば各統合領域URの種類毎に分類して表示する。ここで、ユーザーから種類KIの識別結果を修正する位置を特定し、修正内容の指示があったとき、特定した位置の基本領域BRを表示し、表示した基本領域BRについて種類KIの修正を行う。
【選択図】図1
【解決手段】医用画像Pが複数の基本領域BRに分割された後、複数の基本領域BRの特徴に基づいて、基本領域BRが統合され統合領域URが生成されるとともに、統合領域URの種類KIが識別される。そして、表示装置20にはたとえば各統合領域URの種類毎に分類して表示する。ここで、ユーザーから種類KIの識別結果を修正する位置を特定し、修正内容の指示があったとき、特定した位置の基本領域BRを表示し、表示した基本領域BRについて種類KIの修正を行う。
【選択図】図1
Description
近年、CT(Computed Tomography;コンピュータ断層撮影)等の医用画像内の骨や血管等を、診断者の経験や画像読影能力に左右されることなく自動的に検出する技術が提案されている。そこで、2次元もしくは3次元の医用画像内に含まれる各部位の自動検出を行う方法が提案されている。
上述のように医用画像に映し出された各部位を自動検出したとき検出精度を100%にするのは難しく、抽出結果をインタラクティブに修正する必要がある。ここで、特許文献1には、いわゆるVR画像を用いて抽出結果を確認し、過抽出部分のシード領域と膨張度とを指定し、シード領域を指定した膨張度で膨張させた領域を用いて過抽出部分を削除する方法が提案されている。また、特許文献2には、抽出された関心領域と関心領域に対応する臓器の標準形状と比較し、抽出欠損あるいは抽出あふれを修正する方法が提案されている。
特開2003−153894号公報
特開2003−265462号公報
しかし、特許文献1において、適切なシード領域と膨張度とを指定するとともに何回かの試行錯誤の操作が必要であり、修正操作が複雑であるという問題がある。特に、抽出不足を修正する場合、関心領域と非関心領域とを反転させた後に試行錯誤の操作を行う必要があるため修正の際の作業効率が悪いという問題がある。
同様に、特許文献2においても、臓器形状の個人差や病変に対応するために用意された多数の典型形状を用いてデータのマッチングを行う必要があり、関心領域の対象範囲が広いときには典型形状の数が膨大になってしまい、抽出欠損あるいは抽出あふれを修正するまでの作業効率が悪いという問題がある。
そこで、本発明は、簡単な操作で効率よく自動識別結果を修正することができる医用画像処理方法および装置ならびにプログラムを提供することを目的とするものである。
本発明の医用画像処理方法は、医用画像の各画素の特徴量を用いて領域分割を行い複数の基本領域を生成し、生成した複数の基本領域を各基本領域の特徴に基づいて統合することにより統合領域を生成し、生成した統合領域の種類を識別し、医用画像内の各部位を識別した種類毎に分類して表示装置に表示し、表示装置に各種類毎に分類して表示された医用画像のうち、種類の識別結果を修正する位置が指定され種類の変更が指示されたとき、指定された位置の基本領域もしくは統合領域の種類の修正を行うことを特徴とするものである。
本発明の医用画像処理装置は、医用画像の各画素の特徴量を用いて領域分割を行い複数の基本領域を生成する領域分割手段と、領域分割手段により分割された基本領域を基本領域の特徴に基づいて統合することにより統合領域を生成する領域統合手段と、領域統合手段により生成された統合領域の種類を識別する種類識別手段と、医用画像内の各部位を種類識別手段により識別された種類毎に分類して表示装置に表示する表示制御手段と、表示制御手段により表示装置に各種類毎に分類して表示された医用画像のうち、種類識別手段における種類の識別結果を修正する位置が指定され種類の変更が指示されたとき、指定された位置の基本領域もしくは統合領域の種類の修正を行う領域修正手段とを備えたことを特徴とするものである。
本発明の医用画像処理プログラムは、医用画像の各画素の特徴量を用いて領域分割を行い複数の基本領域を生成し、生成した複数の基本領域を各基本領域の特徴に基づいて統合することにより統合領域を生成し、生成した統合領域の種類を識別し、医用画像内の各部位を識別した種類毎に分類して表示装置に表示し、表示装置に各種類毎に分類して表示された医用画像のうち、種類の識別結果を修正する位置が指定され種類の変更が指示されたとき、指定された位置の基本領域もしくは統合領域の種類の修正を行うことを実行させることを特徴とするものである。
ここで、医用画像は、たとえばCT画像のほか、MRI画像、RI画像、PET画像、X線画像等であってもよい。
また、領域分割手段は、基本領域の分割をするものであればその手法は問わず、たとえば各画素の特徴量を用いたクラスタリングによる領域分割、濃度分布を用いた領域分割等の公知の技術を用いることができる。
さらに、領域統合手段は、領域分割手段により分割された基本領域を統合することにより統合領域を生成するものであればその手法は問わず、たとえば基本領域の形状、大きさ、濃淡パターン特性等の特徴量に基づいて人工ニューラルネットワーク(ANN)、サポートベクターマシン(SVM)、適合ベクターマシン(Relevance Vector Machine; RVM)等の公知の技術を用いて統合領域を生成するようにしてもよい。
また、種類識別手段は、統合領域の種類を識別するものであればその手法は問わず、たとえば上述したような人工ニューラルネットワーク(ANN)、サポートベクターマシン(SVM)、適合ベクターマシン(Relevance Vector Machine; RVM)等の公知の技術を用いることができる。なお、基本領域によっては他の基本領域と統合せず孤立して存在するものもある。このとき、種類識別手段は孤立した基本領域を統合領域として取り扱うことにより種類の識別を行う。ここで、種類とは、たとえば「血管」や「骨」といった人体の構成要素の種類であってもよいし、「腎臓」、「肝臓」といった臓器の種類であってもよい。
さらに、表示制御手段は、医用画像内の各部位を種類識別手段により識別された種類毎に分類して表示装置に表示するものであればよく、たとえば種類が骨と識別された基本領域および統合領域を1つの骨領域グループ(関心領域)として表示し、種類が血管であると識別された基本領域および統合領域を1つの血管領域グループ(関心領域)として表示するようにしてもよい。
なお、表示制御手段は、種類を修正する位置が指定されたとき、指定された部位の基本領域もしくは統合領域を表示装置に表示するものであってもよく、たとえば指定された位置の基本領域もしくは統合領域を色分けして表示するようにしてもよい。
また、領域修正手段は、基本領域もしくは統合領域のいずれかを修正するかの指示に従い、基本領域の種類の修正が指示されたときには基本領域を修正し、統合領域の種類の修正が指示されたとき、統合領域の種類の修正を行うようにしてもよい。
さらに、領域統合手段は、領域修正手段が基本領域の修正を行ったとき、修正した基本領域に隣接する基本領域についても種類の修正を行うようにしてもよい。
本発明の医用画像処理方法および装置ならびにプログラムによれば、医用画像の各画素の特徴量を用いて領域分割を行い複数の基本領域を生成し、生成した複数の基本領域を各基本領域の特徴に基づいて統合することにより統合領域を生成し、生成した統合領域の種類を識別し、医用画像内の各部位を識別した種類毎に分類して表示装置に表示し、表示装置に各種類毎に分類して表示された医用画像のうち、種類の識別結果を修正する位置が指定され種類の変更が指示されたとき、指定された位置の基本領域もしくは統合領域の種類の修正を行うことにより、医用画像中の各部位を種類毎に分類して表示させる際に既に作成済みである基本領域もしくは統合領域の領域分割結果を用いて種類の修正を行うものであるため、簡単な操作で効率的に統合領域の修正を行うことができる。
なお、領域修正手段が基本領域の修正を行ったとき、修正した基本領域に隣接する基本領域についても種類の修正を行うものであれば、修正された基本領域と同様の修正を行う必要のある他の基本領域を自動的に修正することができるため、修正作業のさらなる効率化を図ることができる。
以下、図面を参照して本発明の医用画像処理装置の一実施形態について説明する。図1は本発明の医用画像処理装置1の好ましい実施の形態を示すブロック図である。なお、図1のような医用画像処理装置1の構成は、補助記憶装置に読み込まれた医用画像処理プログラムをコンピュータ(たとえばパーソナルコンピュータ等)上で実行することにより実現される。また、この医用画像処理プログラムは、CD−ROM等の情報記憶媒体に記憶され、もしくはインターネット等のネットワークを介して配布され、コンピュータにインストールされることになる。
医用画像処理装置1は、たとえばCTにより取得された医用画像Pに映し出された各部位の種類の識別および領域の分割を自動的に行うものであって、画像取得手段2、領域分割手段3、領域統合手段4、種類識別手段5、表示制御手段6、領域修正手段10等を有している。
画像取得手段2は、たとえば図2に示すようなCT画像により取得された医用画像Pを取得するものである。なお、画像取得手段2は、たとえばCT画像のみならず、いわゆるMRI画像、RI画像、PET画像、X線画像等の医用画像を取得するものであってもよい。また画像取得手段2は取得した医用画像Pをデータベース7に記憶する。
領域分割手段3は、医用画像Pを各画素の特徴量を用いた領域分割を行うことにより、複数の基本領域BR(図2中の実線で囲まれた領域)を生成するものである。領域分割手段3は、たとえば各画素から特徴量を抽出し、抽出した特徴量の類似性を用いてクラスタリングを行う手法やテクスチャー解析、エッジ検出等の公知の技術により複数の基本領域BRに領域分割する。そして、領域分割手段3は分割した基本領域BRの情報をデータベース7に記憶する(図4参照)。
図2の領域統合手段4は、生成した複数の基本領域BRを各基本領域BRの隣接状態に基づいて統合することにより、図3に示すような統合領域URを生成するものである。領域統合手段4は、各基本領域BRから抽出される特徴量に基づいて、たとえば人工ニューラルネットワーク(ANN)、サポートベクターマシン(SVM)、適合ベクターマシン(Relevance Vector Machine; RVM)等の公知の技術により基本領域BRを統合し統合領域URを生成する。領域統合手段4は、基本領域BRを統合したときの統合領域URの情報をデータベース7に記憶する(図4参照)。
図2の種類識別手段5は、領域統合手段4により生成された統合領域URの種類を判別するものである。種類識別手段5は、上述した人工ニューラルネットワーク(ANN)、サポートベクターマシン(SVM)、適合ベクターマシン(Relevance Vector Machine; RVM)等の公知の技術を用いてクラス分類を行うことにより種類KIを識別する。そして、たとえば図3に示すように、種類識別手段5は種類KIが「骨」である統合領域URを1つの骨領域グループURaとしてデータベース7に記憶するとともに、種類KIが「血管」である統合領域URを1つの血管領域グループURbとしてデータベース7に記憶するようになっている(図4参照)。
なお、上述した領域統合手段4において、すべての基本領域BRが他の基本領域BRと統合するとは限らず、基本領域BRが孤立した状態で存在する場合がある。このとき、種類識別手段5は孤立した基本領域BRを統合領域URであるとみなし、種類KIの識別を行うとともに、データベース7の各領域グループURa、URbに記憶する。
あるいは、種類識別手段5は、領域分割手段2において生成された各基本領域BR毎に種類KIの識別を行うようにし、領域統合手段4が、互いに隣接した同じ種類KIの基本領域BR同士を統合するようにしてもよい。なお、医用画像Pがボリュームデータである場合、基本領域BR同士の隣接面積が各基本領域BRの表面面積の最小値の100分の1以上であるとき、隣接状態であるとみなし統合するようにしてもよい。この場合であっても、種類判別手段5は結果的に統合領域URの種類KIを識別することになる。
表示制御手段6は、医用画像Pを表示装置20に表示させるものであって、特に、ユーザーからの指示により、医用画像P内の各部位を種類KI毎に分類して表示装置20に表示させる機能を有している。具体的には、ユーザーが「骨」のみを表示させるように指示した場合、表示制御手段6は種類KIが骨と識別された骨領域グループを表示装置20に表示する。一方、ユーザーが「血管」のみを表示させるように指示した場合、表示制御手段6は種類KIが血管と識別された血管領域グループを表示装置20に表示する。なお、統合領域URを各種類KI毎に分類して表示する際に上述のようにいずれか一方を表示する場合について例示しているが、表示制御手段6は、各領域グループ毎に異なる色を付して表示するようにしてもよい。
ここで、上述した種類KIの識別は統合領域URの特徴に基づいて自動的に行われるものであるが、医用画像Pに含まれるノイズや部位の病変等により、結果に誤りが生じる場合がある。そこで、医用画像処理装置1は上記構成の他に統合結果を修正するための領域修正手段10を備えている。領域修正手段10は、修正する統合領域URの位置が指定された種類の変更が指示されたとき、基本領域BRを統合領域へ統合しもしくは削除するものであって、図4に示すように修正領域設定手段11とデータ修正手段12とを備えている。
具体的には、図5(a)は、医用画像Pにおいて種類KIが血管であると識別された統合領域URのみを表示させ、種類KIが骨であると識別された統合領域URを非表示にさせたものである。図5(a)中のカーソル位置において、本来血管であると識別される領域が骨であると識別されて非表示状態になっているとする(過抽出の場合)。
そこで、誤って識別されている位置にユーザーがカーソルを合わせてクリックすることにより修正する位置を指定する。すると、修正領域設定手段11は、データベース7の中から特定された位置の基本領域BRを検索し、修正する基本領域BRとして設定する。同時に、表示制御手段6は、修正領域設定手段11において設定された基本領域BRをたとえばハイライトで表示する。
次に、ユーザーがスペースキーを押下する等の修正の指示を行う。すると、データ修正手段12は入力手段30からの入力内容に従ってデータベース7内の基本領域BRの情報を修正する。つまり、データ修正手段12は基本領域BRについて統合領域URから分離するとともに基本領域BRの種類KIを骨から血管へ修正するように、データベース7内の情報を修正する。表示制御手段6は、データベース7の修正内容に従い表示内容を更新し、図5(b)に示すように、特定した位置の種類KIが血管であると識別された状態の医用画像Pを表示する。
図4、5においては、いわゆる骨の基本領域BRが血管として識別されたときに、誤って識別された基本領域BRを修正する場合について例示しているが、本来血管である基本領域BRが骨として識別された場合にも同様の操作で修正することができる。また、種類KIを骨であると修正した基本領域BRが骨と識別された統合領域URもしくは基本領域BRに隣接している場合、修正した基本領域BRを当統合領域UR等に統合するようにしてもよい。
このように、基本領域BRの種類KIの修正を基本領域BR単位で行うことにより、従来のように修正範囲を指定し、もしくはテンプレートマッチング等を行うことをせず、簡単な操作で効率よく修正作業を行うことができる。すなわち、骨領域グループのみもしくは血管領域グループのみを関心領域として表示する場合、医用画像Pに含まれる各部位の種類KIの識別が必要になり、各部位を識別するためには基本領域BR、統合領域URの生成が必要になる。そこで、種類KIの修正を行う際に既に作成した基本領域BRもしくは統合領域URを用いて修正を行うことにより、新たに修正領域を指定する等の作業が不要になり、簡単な操作で効率よく修正作業を行うことができる。
なお、基本領域BRの修正を行う場合について例示しているが、統合領域URの種類KIを修正する場合も同様である。このとき、基本領域BRの修正であるか統合領域URの修正であるかは、入力手段30からの入力により切替可能になっている。そして、領域修正手段10は、統合領域URの修正が指示されている状態で医用画像P中の所定の位置が指定された場合、統合領域UR全体の種類KIを骨から血管へ、もしくは血管から骨へ修正する。これにより、統合領域URの種類の修正を簡単な操作で効率よく行うことができる。
図6は本発明の医用画像処理方法の好ましい実施形態を示すフローチャートであり、図から図1から図6を参照して医用画像処理方法について説明する。まず、基本領域分割手段により医用画像Pが複数の基本領域BRに分割される(ステップST1)。その後、複数の基本領域BRの特徴に基づいて、隣接する基本領域BRが統合され統合領域URが生成されるとともに(ステップST2)、統合領域URの種類(骨もしくは血管)が識別される(ステップST3)。そして、表示制御手段6により、表示装置20にはたとえば各統合領域URの種類毎に分類して表示され、もしくは各種類毎の表示がなされる(ステップST4)。
ここで、ユーザーから基本領域BRもしくは統合領域UR修正の指示があったとき(ステップST11)、表示制御手段6により指示がなされた位置の基本領域BRもしくは徒統合領域URを表示する(ステップST12)。さらに、ユーザーが入力手段30を用いて修正すべき基本領域BRおよび修正事項を入力したとき、領域修正手段10により入力手段30からの入力に従い、基本領域BRの種類KIの修正が行われる(ステップST13)。その後、修正事項がデータベース7に記憶され、修正されたデータベース7の内容にしたがい表示装置20の表示内容が更新される(ステップST14)。
上記実施の形態によれば、医用画像Pの各画素の特徴量を用いて領域分割を行い複数の基本領域BRを生成し、生成した複数の基本領域BRを各基本領域BRの特徴に基づいて統合することにより統合領域URを生成し、生成した統合領域URの種類KIを識別し、医用画像P内の各部位を識別した種類KI毎に分類して表示装置に表示し、表示装置に各種類KI毎に表示された医用画像Pのうち、種類KIの識別結果を修正する位置が指定されたとき、指定された位置の基本領域BRもしくは統合領域URを表示装置20に表示し、表示した基本領域BRもしくは統合領域URの種類KIの変更が指示されたとき、基本領域BRもしくは統合領域URの種類KIの修正を行うことにより、各種類KI毎に分類して表示する際に既に作成済みである基本領域BRの領域分割結果を用いて種類KIの修正を行うものであるため、簡単な操作で効率的に統合領域URの修正を行うことができる。
なお、領域修正手段10が、基本領域の種類の修正が指示されたとき基本領域の修正を行い、統合領域UR全体の種類KIの修正が指示されたとき統合領域URの種類KIの修正を行うものであれば、基本領域BRの修正もしくは統合領域URの修正を簡単な操作で行うことができる。
さらに、領域修正手段が基本領域BRの修正を行ったとき、領域修正手段が基本領域BRの修正を行ったとき、修正した基本領域BRに隣接する基本領域BRについても種類KIの修正を行うものであれば、修正された基本領域BRと同様の修正を行う必要のある他の基本領域BRを自動的に修正することができるため、修正作業のさらなる効率化を図ることができる。
本発明の実施形態は、上記実施の形態に限定されない。たとえば、上記実施の形態において医用画像Pから骨もしくは血管の領域抽出を行う場合について例示しているが、たとえば造影画像から肝臓実質と血管領域との抽出を行う場合にも適用することができる。このとき、肝臓実質あるいは血管の基本領域BRを抽出し、基本領域BRを統合することにより、肝臓実質を示す統合領域URと血管を示す統合領域URとが生成されることになる。この場合であっても、上述のような基本領域BRに基づく修正を行うことにより、簡単な操作で効率的に領域の修正を行うことができる。
さらに、上記実施の形態において、入力手段30から1つの基本領域BRが選択されたとき、領域修正手段10は選択された基本領域BRについてのみ修正する場合について例示しているが、選択された基本領域BRに隣接する基本領域BRまで選択し修正するようにしてもよい。
具体的には、図7に示すように複数の基本領域BR1〜BR5について、基本領域BR1〜BR4が1つの統合領域URを形成し、このうち基本領域BR2〜BR4の種類KIが骨であると誤って識別されたものとする。そして、ユーザーが基本領域BR3について種類KIを血管にする修正の指示を行ったものとする。このとき、領域修正手段10は基本領域BR3について修正内容にしたがった修正を行う。同時に、領域修正手段10は、同じ統合領域UR内にある他の基本領域BR1〜BR4について、各基本領域の隣接関係、解剖学的な制約等の条件に基づいて、他の基本領域BR1〜BR4についても修正を行う。
具体的には、図7に示すように、修正した基本領域BR3が統合領域URを2つの分離した領域に分割するものである場合、基本領域BR3に隣接した他の基本領域BR2、BR4の種類KIも血管であると修正するとともに、種類KIが血管である基本領域BR2〜BR5を1つの統合領域URであると修正する。
あるいは、修正した基本領域BR2が統合領域URを2つの分離した領域に分割するものである場合、修正した基本領域BR2を基準として人体の内側の基本領域BR3、BR4の種類KIを血管であると判断し、人体の外側の基本領域BR1の種類KIを骨であると判断するようにしてもよい。
上述した2つの手法のいずれかを用いて隣接する基本領域を修正するようにしてもよいし、いずれか一方を優先し、もしくは双方手法による判別結果を重み付けを行うことにより総合的に判断してもよい。これにより、本来であれば基本領域BR2〜BR4に対して修正を行うために3回の操作が必要であるところを、3回未満(上記の場合は1回)の修正操作により基本領域BR2〜BR4のすべての種類KIの修正を行うことができ、修正作業をより効率的に行うことができる。
1 医用画像処理装置
2 画像取得手段
3 領域分割手段
4 領域統合手段
5 種類識別手段
6 表示制御手段
10 領域修正手段
20 表示装置
30 入力手段
BR 基本領域
KI 種類
P 医用画像
UR 統合領域
2 画像取得手段
3 領域分割手段
4 領域統合手段
5 種類識別手段
6 表示制御手段
10 領域修正手段
20 表示装置
30 入力手段
BR 基本領域
KI 種類
P 医用画像
UR 統合領域
Claims (5)
- 医用画像の各画素の特徴量を用いて領域分割を行い複数の基本領域を生成し、
生成した前記複数の基本領域を該各基本領域の特徴に基づいて統合することにより統合領域を生成し、
生成した該統合領域の種類を識別し、
前記医用画像内の各部位を識別した種類毎に分類して表示装置に表示し、
該表示装置に各種類毎に分類して表示された前記医用画像のうち、種類の識別結果を修正する位置が指定され種類の変更が指示されたとき、指定された位置の前記基本領域もしくは前記統合領域の種類の修正を行う
ことを特徴とする医用画像処理方法。 - 医用画像の各画素の特徴量を用いて領域分割を行い複数の基本領域を生成する領域分割手段と、
該領域分割手段により生成された前記基本領域を該基本領域の特徴に基づいて統合することにより統合領域を生成する領域統合手段と、
該領域統合手段により生成された該統合領域の種類を識別する種類識別手段と、
前記医用画像内の各部位を該種類識別手段により識別された種類毎に分類して表示装置に表示する表示制御手段と、
該表示制御手段により前記表示装置に各種類毎に分類して表示された前記医用画像のうち、前記種類識別手段における種類の識別結果を修正する位置が指定され該種類の変更が指示されたとき、指定された位置の前記基本領域もしくは前記統合領域の種類の修正を行う領域修正手段と
を備えたことを特徴とする医用画像処理装置。 - 前記領域修正手段が、前記基本領域の種類の修正が指示されたとき該基本領域の修正を行い、前記統合領域の種類の修正が指示されたとき前記統合領域の種類の修正を行うものであることを特徴とする請求項2記載の医用画像処理装置。
- 前記領域修正手段が前記基本領域の修正を行ったときに該基本領域に隣接する前記基本領域について種類の修正を行う機能を有するものであることを特徴とする請求項2または3記載の医用画像処理装置。
- コンピュータに、
医用画像の各画素の特徴量を用いて領域分割を行い複数の基本領域を生成し、
生成した前記複数の基本領域を該各基本領域の特徴に基づいて統合することにより統合領域を生成し、
生成した該統合領域の種類を識別し、
前記医用画像内の各部位を識別した種類毎に分類して表示装置に表示し、
該表示装置に各種類毎に分類して表示された前記医用画像のうち、種類の識別結果を修正する位置が指定され種類の変更が指示されたとき、指定された位置の前記基本領域もしくは前記統合領域の種類の修正を行う
ことを実行させるための医用画像処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007105349A JP2008259710A (ja) | 2007-04-12 | 2007-04-12 | 画像処理方法および装置ならびにプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007105349A JP2008259710A (ja) | 2007-04-12 | 2007-04-12 | 画像処理方法および装置ならびにプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008259710A true JP2008259710A (ja) | 2008-10-30 |
Family
ID=39982668
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007105349A Withdrawn JP2008259710A (ja) | 2007-04-12 | 2007-04-12 | 画像処理方法および装置ならびにプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2008259710A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010113479A1 (ja) * | 2009-03-31 | 2010-10-07 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
US8774483B2 (en) | 2009-11-30 | 2014-07-08 | Hitachi Medical Corporation | Image processing method, image processing apparatus and program |
JP2020086698A (ja) * | 2018-11-20 | 2020-06-04 | 株式会社アルム | 画像処理装置、画像処理システム、および画像処理プログラム |
JP2021121337A (ja) * | 2015-08-26 | 2021-08-26 | 株式会社根本杏林堂 | 医用画像処理装置および医用画像処理プログラム |
-
2007
- 2007-04-12 JP JP2007105349A patent/JP2008259710A/ja not_active Withdrawn
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102164543A (zh) * | 2009-03-31 | 2011-08-24 | 富士胶片株式会社 | 图像处理装置和方法、以及程序 |
JP4596437B2 (ja) * | 2009-03-31 | 2010-12-08 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
JP2011011069A (ja) * | 2009-03-31 | 2011-01-20 | Fujifilm Corp | 画像処理装置および方法並びにプログラム |
JP2011025056A (ja) * | 2009-03-31 | 2011-02-10 | Fujifilm Corp | 画像処理装置および方法並びにプログラム |
JP4634539B2 (ja) * | 2009-03-31 | 2011-02-16 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
JP4694651B2 (ja) * | 2009-03-31 | 2011-06-08 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
WO2010113479A1 (ja) * | 2009-03-31 | 2010-10-07 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
JPWO2010113479A1 (ja) * | 2009-03-31 | 2012-10-04 | 富士フイルム株式会社 | 画像処理装置および方法並びにプログラム |
US9144407B2 (en) | 2009-03-31 | 2015-09-29 | Fujifilm Corporation | Image processing device and method, and program |
US8774483B2 (en) | 2009-11-30 | 2014-07-08 | Hitachi Medical Corporation | Image processing method, image processing apparatus and program |
JP2021121337A (ja) * | 2015-08-26 | 2021-08-26 | 株式会社根本杏林堂 | 医用画像処理装置および医用画像処理プログラム |
JP7229569B2 (ja) | 2015-08-26 | 2023-02-28 | 株式会社根本杏林堂 | 医用画像処理装置および医用画像処理プログラム |
JP2020086698A (ja) * | 2018-11-20 | 2020-06-04 | 株式会社アルム | 画像処理装置、画像処理システム、および画像処理プログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Vijayarajeswari et al. | Classification of mammogram for early detection of breast cancer using SVM classifier and Hough transform | |
Agarwal et al. | Deep learning for mass detection in full field digital mammograms | |
Maitra et al. | Technique for preprocessing of digital mammogram | |
Oliver et al. | Automatic microcalcification and cluster detection for digital and digitised mammograms | |
JP4879028B2 (ja) | 画像処理方法および画像解析方法ならびにプログラム記憶媒体 | |
Sampaio et al. | Detection of masses in mammogram images using CNN, geostatistic functions and SVM | |
US20210182622A1 (en) | Method and system for image segmentation and identification | |
JP2008520317A (ja) | 医療画像データ内の腫瘍境界を自動的に検出及び区分するシステム及び方法 | |
JP7350582B2 (ja) | モデル学習用のシステム、装置、及び学習方法 | |
JP2009207709A (ja) | 画像処理システム、画像保管装置、および、画像処理装置、並びに、画像処理方法、プログラム | |
JP2006034585A (ja) | 画像表示装置、画像表示方法およびそのプログラム | |
CN102369555B (zh) | 用于进行轮廓描绘的自动对比度增强的方法和系统 | |
Cherry et al. | Abdominal lymphadenopathy detection using random forest | |
JP2010000133A (ja) | 画像表示装置、画像表示方法及びプログラム | |
Riaz et al. | Impact of visual features on the segmentation of gastroenterology images using normalized cuts | |
JP6415878B2 (ja) | 画像処理装置、画像処理方法及び医用画像診断装置 | |
TWI684994B (zh) | 脊椎影像註冊方法 | |
JP2009045286A (ja) | 医用画像処理装置、医用画像診断装置、及びプログラム | |
WO2018088055A1 (ja) | 画像処理装置、画像処理方法、画像処理システム及びプログラム | |
US9538920B2 (en) | Standalone annotations of axial-view spine images | |
Jimenez-Pastor et al. | Automated vertebrae localization and identification by decision forests and image-based refinement on real-world CT data | |
JP2008259710A (ja) | 画像処理方法および装置ならびにプログラム | |
Pham et al. | Chest x-rays abnormalities localization and classification using an ensemble framework of deep convolutional neural networks | |
AU2019204365B1 (en) | Method and System for Image Segmentation and Identification | |
JP5343973B2 (ja) | 医用画像処理装置及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20100706 |