JP2009178423A

JP2009178423A - 画像処理装置及びその方法

Info

Publication number: JP2009178423A
Application number: JP2008021456A
Authority: JP
Inventors: Masahide Nishiura; 正英西浦; Satoyuki Takeguchi; 智行武口
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2008-01-31
Filing date: 2008-01-31
Publication date: 2009-08-13
Anticipated expiration: 2028-01-31
Also published as: US20090196474A1; US8170309B2; EP2085930A2; CN101504727A; CN101504727B; EP2085930A3; JP5072625B2

Abstract

【課題】解剖学的特徴点が画像上に存在しない場合においても心筋セグメンテーションを可能にする画像処理装置を提供する。
【解決手段】複数の教示用画像について、基準三角形の３個の頂点の位置関係を有するように心筋境界上に指定されている３点の教示用位置に対応した教示用心筋領域境界データを格納し、診断画像中の心筋境界上に、基準三角形の各頂点に対応する３点の診断用位置を指定し、複数の教示用画像のそれぞれについて、３点の教示用位置と３点の診断用位置とを一致させて、診断画像と教示用心筋領域境界データとを比較して類似度を求め、最も高い類似度を有する教示用心筋領域境界データを出力する。
【選択図】図１

Description

本発明は、医用画像診断装置で得られた心臓画像から、心筋領域をセグメンテーションまたは輪郭抽出する画像処理装置及びその方法に関する。

心臓病の診断を支援する画像処理技術として、心筋の領域を識別するセグメンテーション技術や輪郭抽出技術は重要である。

特許文献１には、心臓断面像における弁輪の位置を解剖学的特徴点として利用して、左心室の輪郭抽出を行う方法が記載されている。

また、特許文献２には、弁輪や乳頭筋といった解剖学的特徴点を用いて輪郭同士の対応付けを行う方法が記載されている。

しかし、例えば左心室の短軸像で心筋のセグメンテーション（または輪郭抽出）を行う場合には、解剖学的特徴点が利用できない場合がある。短軸像の断面位置によっては、解剖学的特徴点となり得る乳頭筋が画像上に含まれない場合があり、このような場合には解剖学的特徴点を利用できない。また、乳頭筋の位置自体も個人差等による変動があり、確実な特徴点とはならない。このような場合においては、解剖学的特徴点を利用した心筋セグメンテーションを行うことはできなかった。
特開２０００−２１７８１８号公報特開平１０−９９３３４号公報

上記したように、従来技術では解剖学的特徴点を利用した心筋セグメンテーションを行えない場合があるという問題点があった。

そこで本発明は、上記問題点を解決するためになされたものであって、解剖学的特徴点が画像上に存在しない場合においても心筋セグメンテーションを可能にする画像処理装置及びその方法を提供することを目的とする。

本発明は、教示用心臓が写った複数の教示用画像のそれぞれについて、予め定めた基準三角形の３個の頂点の位置関係を有するように前記心臓の心筋境界上に指定されている３点の教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを、学習データとして格納した記憶部と、診断用心臓が写った診断画像を入力する入力部と、前記診断画像中の前記診断用心臓の心筋境界上に、前記基準三角形の相似形と類似するように、前記基準三角形の各頂点に対応する３点の診断用位置を指定する位置指定部と、前記複数の教示用画像のそれぞれについて、前記３点の教示用位置と前記３点の診断用位置とを一致させて、前記診断画像と前記教示用心筋領域境界データとを比較して類似度を求める計算部と、最も高い前記類似度を有する前記教示用心筋領域境界データを、前記診断用心臓の心筋領域境界データとして出力する出力部と、を有する画像処理装置である。

また、本発明は、教示用心臓が写った複数の教示用画像のそれぞれについて、予め定めた基準直線の両端の点の位置関係を有するように前記心臓の心筋境界上に指定されている２個の教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを、学習データとして格納した記憶部と、診断用心臓が写った診断画像を入力する入力部と、前記診断画像中の前記診断用心臓の心筋境界上に、前記基準直線に対応する２点の診断用位置を指定する位置指定部と、前記複数の教示用画像のそれぞれについて、前記２点の教示用位置と前記２点の診断用位置とを一致させて、前記診断画像と前記教示用心筋領域境界データとを比較して類似度を求める計算部と、最も高い前記類似度を有する前記教示用心筋領域境界データを、前記診断用心臓の心筋領域境界データとして出力する出力部と、を有する画像処理装置である。

本発明によれば、明確な解剖学的特徴点がない断面像においても心筋セグメンテーションができる。

（第１の実施形態）
以下、本発明の第１の実施形態の画像処理装置である心筋セグメンテーション装置（以下、本装置という）１０について図１〜図５に基づいて説明する。

（１）本装置１０の構成
図１は、本実施形態に係わる心解析を行う本装置１０を示すブロック図である。

本装置１０は、画像が入力する画像入力部２２、この画像を記憶するメモリ２４、画像を表示する表示部２６、画像上の位置を指定する位置指定部１２と、指定された位置を用いて心臓の画像上での姿勢を推定処理する姿勢推定部１４と、事前に学習した輪郭辞書２０を用いて心筋の内側及び外側の境界を抽出するセグメンテーション部１６と、セグメンテーションされた境界形状データを出力する出力部１８とを備えている。

なお、本装置１０は、例えば、汎用のコンピュータ装置を基本ハードウェアとして用いることでも実現することが可能である。すなわち、位置指定部１２、姿勢推定部１４、セグメンテーション部１６及び出力部１８は、上記のコンピュータ装置に搭載されたプロセッサにプログラムを実行させることにより実現することができる。このとき、本装置１０は、上記のプログラムをコンピュータ装置に予めインストールすることで実現してもよいし、ＣＤ−ＲＯＭなどの記憶媒体に記憶して、あるいはネットワークを介して上記のプログラムを配布して、このプログラムをコンピュータ装置に適宜インストールすることで実現してもよい。また、メモリは、上記のコンピュータ装置に内蔵あるいは外付けされたメモリ、ハードディスクもしくはＣＤ−Ｒ、ＣＤ−ＲＷ、ＤＶＤ−ＲＡＭ、ＤＶＤ−Ｒなどの記憶媒体などを適宜利用して実現することができる。

次に、図１及び図２を用いて、本装置１０の動作について説明する。図２は、本装置１０の動作を示すフローチャートである。

（２）学習処理
まず、心筋セグメンテーションの処理を行う事前の処理として、輪郭辞書２０の学習を行う。輪郭辞書２０の学習は心筋セグメンテーション処理時には行う必要はない。

以下に輪郭辞書２０の学習処理の手順について説明する。

（２−１）基準三角形の設定
まず、心筋境界上に指定する３点の位置関係を表す基準三角形を定める。基準三角形は、抽出対象とする心筋の形状である断面カテゴリーに応じて規定する。

心筋の形状は、観察する断面の位置によって変化する。例えば、心筋形状が円形に近いような短軸断面像では、基準三角形を正三角形とすると、円周上に偏りなく頂点が配置されることとなり、精度向上の効果が得られる。

また、長軸断面像では二等辺三角形あるいは鋭角三角形とすると、心筋の両端をカバーすることができ、精度向上の効果が得られる。

このように、基準三角形を断面カテゴリー毎に切り替えると効率的である。

（２−２）３点の教示用位置の指定
次に、複数枚の教示用画像を準備する。そして、各教示用画像における教示用心筋領域境界上において前記基準三角形の相似形に類似するように３点の教示用位置、すなわち、三角形の頂点の位置を指定する。例として、図３を用いて説明する。図３では、短軸断面像において基準三角形が正三角形の場合について図示している。

この場合、教示用画像における教示用心筋境界上で正三角形に類似するように３点の位置を指定する。この３点の位置は解剖学的特徴点である必要はない。

（２−３）学習データの作成
次に、各教示用画像における、少なくとも３点の教示用位置と教示用心筋領域境界データを用いて輪郭辞書２０に格納する学習データを作成する。

まず、教示用画像における３点の教示用位置を、予め定めた正規化三角形の頂点位置に重なるような座標変換式を求める。ここで、「正規化三角形」とは、基準三角形とは異なる概念であり、後から説明する診断用画像と教示用画像との類似度を求めるときに、互いに正規化して比較し易くするために生まれた概念である。この正規化三角形は、仮想の正規化座標系に存在する３点の座標の位置から構成され、その形状は必ずしも基準三角形と相似形である必要はなく、異なる形状でもよい。そして、この座標変換式は、教示用画像の座標系から正規化座標系に変換する式である。

次に、この座標変換式により教示用画像における教示用輪郭データの座標を正規化した上で、輪郭形状の学習を行う。

輪郭形状の学習には、例えば一般的なActive Shape Model（文献１、T.F.Cootes, C.J.Taylor, D.H.Cooper and J.Graham, 「Active shape models - their training and application」, Computer Vision and Image Understanding, 61(1):38-59, Jan. 1995.）などを用いることができる。

Active Shape Modelでは、教示用輪郭形状データとして、輪郭形状の分布と輪郭周辺の画像の輝度プロファイルとを学習する。

輪郭形状の分布の学習では、例えば、輪郭を表現する頂点の座標データを並べたベクトルの分布を主成分分析し、固有値の大きい上位の形状ベクトルなどを輪郭形状データとして輪郭辞書２０に保存する。

画像輝度のプロファイルの学習では、例えば、輪郭に直交する直線上の画像輝度データ（輝度プロファイル）の分布を主成分分析した結果を、輝度プロファイルとして輪郭辞書に保存する。

（２−４）まとめ
以上の学習処理によって、複数枚の教示用画像のそれぞれについて、位置指定部１２で定める３点を基準とした輪郭形状の学習が行われ学習データが生成される。つまり、心筋の画像中での姿勢の分布までをも含めた輪郭学習を行うことができる。

生成された学習データを保存しておき、後述する心筋セグメンテーション処理に使用する。

（３）心筋セグメンテーション処理
次に、心筋セグメンテーション処理の手順について説明する。

（３−１）診断用画像の入力
まず、診断用心臓が写った診断用画像が画像入力部２２によりメモリ２４に格納される。診断用画像は超音波診断装置、Ｘ線ＣＴ装置、ＭＲＩ装置等の医用画像診断装置から入力しても良いし、画像サーバー等に保存された画像を入力としても良い。

（３−２）３点の指定
メモリ２４に格納された診断用画像は表示部２６に表示され、ユーザは表示された診断用画像を参照しながら、位置指定部１２を用いて、診断用心臓の心筋境界上の３点の診断用位置を指定する。指定する３点は、心筋境界上で、事前に規定された基準三角形の相似形に類似するように配置する。

例えば、図４に示すように診断用画像中の心臓短軸像において解剖学的特徴点が明確でない場合には、心筋境界のうちで最も上部になる点と、その点から例えばおおよそ１２０度の２点を指定する。

また、解剖学的特徴点は明確ではないが、短軸像のおおよその回転姿勢をユーザが判断できる場合には、その回転角に合わせて入力する３点（基準三角形の頂点）を回転させた状態とする（図５参照）。

なお、３点の診断用位置の入力時に入力位置関係のガイドとなるように、表示部２６上にアイコンを表示してもよい。例えば、図４中に示すようにＹ字型または三角形状のアイコンを表示し３点の角度の目安をガイドすることによって、三角形の位置関係での入力が容易となる。

また、３点の診断用位置の位置関係が、診断画像の画像座標系において心筋境界上で最上部、最下部、最右部、最左部の１点と、心筋境界上の他の２点によって基準三角形の相似形に類似する位置関係となるように定めても良い。例えば、超音波画像を経胸壁で得た場合には、心臓の前壁が画像上部に撮像されるなど、心臓の大まかな姿勢が一定の条件下にあることも多く、このような場合に上記のような位置関係を定めることでより安定した心筋セグメンテーションが可能となる。

（３−３）姿勢推定
次に、姿勢推定部１４では、診断用画像の指定された３点の診断用位置が、学習時に使用した正規化座標系の正規化三角形の頂点位置に重なるような座標変換式を求める。

この座標変換式は、例えば３点の診断用位置の座標と正規化三角形の頂点座標の関係からアフィン変換行列を計算することによって求められる。

また、３点の診断用位置の座標と正規化三角形の頂点座標の関係から、位置、スケール、回転のパラメータを計算することによって求められる。

座標変換式を計算することによって、診断用画像上での心筋の位置、スケール、回転角といった姿勢が求められたことになる。

（３−４）境界輪郭の抽出
セグメンテーション部１６では、位置指定部１２で指定された診断用画像の３点の診断位置と、診断用画像と、学習データから心筋の境界輪郭を抽出する。以下では、Active Shape Modelを利用した例について説明する。

まず、輪郭辞書２０の中の一つの学習データの教示用輪郭形状データを、正規化三角形の各頂点の位置と姿勢推定部１４で求めた座標変換式の逆変換により、診断用画像上の座標へ変換する。

次に、診断用画像中の輪郭周辺の輝度プロファイルと、教示用輪郭形状データの輝度プロファイルとの類似度を求める。

次に、この処理を輪郭辞書２０に格納されている複数枚の教示用画像に関する輪郭形状データの全てについて繰り返し行う、
次に、輪郭辞書２０の輪郭形状の分布範囲において最も輝度プロファイルの類似度が、最も高い輪郭形状データの探索を行う。

次に、この最も類似度が高い輪郭形状データが、診断用画像の診断用心臓の心筋の境界輪郭を表すものとして抽出する。

（３−５）出力
最後に、出力部１８は、抽出された輪郭形状データを出力する。

（４）効果
以上のように本実施形態であると、３点の教示用位置を用いた輪郭形状の学習と、３点位置指定による輪郭の抽出を用いれば、診断用画像上で解剖学的特徴点が明確でない場合においても、ユーザ入力に応じた適切な心筋セグメンテーション結果を得ることができる。これにより、関心領域の指定などのユーザ操作を簡単化する点で大きな効果を得ることができる。

（第２の実施形態）
第２の実施形態の本装置１０について図６に基づいて説明する。

本実施形態は、心筋輪郭形状の学習時に、心筋の部分領域の境界位置を合わせて学習しておくことで、３点位置指定により心筋セグメンテーションと部分領域境界の位置指定を同時に行うことができる（図６参照）。

「心筋の部分領域」とは、解剖学的に使用される領域であって、例えば、心基部前壁、心基部後壁などと呼ばれる領域である。

（１）学習処理
まず、学習処理について説明する。

心筋輪郭形状の学習処理時には、教示用輪郭形状データと、教示用画像と、教示用部分領域境界位置データを用いる。

第１の実施形態と同様に、複数枚の教示用画像のそれぞれについて、規定の基準三角形の相似形に類似するように３点の教示用位置を指定する。

次に、３点の教示用位置が正規化三角形の頂点位置に重なるような座標変換式により教示用輪郭データ及び教示用部分領域境界位置データの座標を変換し、輪郭形状と部分境界位置を合わせて学習する。

具体的には、輪郭形状データも部分境界位置データも頂点の座標データであるので、これら座標データを羅列して、１つのベクトルとした上で学習に用いる。学習により生成される学習データには、輪郭形状データ（輪郭形状の分布と輝度プロファイル）と部分領域境界位置データが含まれることになる。

（２）心筋セグメンテーション処理
次に、心筋セグメンテーション処理について説明する。

心筋セグメンテーション部１６では、位置指定部１２で指定された３点位置と診断用画像と輪郭辞書２０から心筋の境界輪郭及び心筋の部分領域境界位置を抽出する。

まず、第１の実施形態と同様に、指定された３点の診断用位置が学習時に使用した正規化三角形の頂点位置に重なるような座標変換式を求める。

次に、学習データ中の輪郭形状データを座標逆変換式により診断用画像上の座標へ変換する。

次に、診断用画像における輪郭周辺の輝度プロファイルと、輪郭辞書２０中の輝度プロファイルとの類似度を評価する。

次に、この処理を複数枚の教示用画像のついてぞれぞれ行う。

次に、輪郭辞書２０中の輪郭形状の分布範囲において最も輝度プロファイルの類似度が高い輪郭形状の探索を行うことで心筋の境界輪郭を抽出する。

次に、抽出された輪郭形状と組みで保存されている部分領域境界位置データを読み出すことで、部分領域境界の位置を得ることができる。

（３）効果
以上により第２の実施形態であると、心筋の部分領域の境界位置を合わせて学習しておくことで、同じ３点位置指定によって心筋セグメンテーションと部分領域境界の位置指定をも同時に行うことができる。このことは、関心領域の指定などのユーザ操作を簡単化する点でさらに大きな効果を有する。

（第３の実施形態）
第３の実施形態の本装置１０について図８に基づいて説明する。

本実施形態では、基準三角形に代えて基準直線を用いて、輪郭上の２点の位置指定により心筋セグメンテーションを行う。

本装置１０について、上記実施形態と異なる点を中心に説明する。

（１）学習処理
事前に行う学習処理では、心筋境界上に指定する２点を通る直線の傾きを表す基準直線を定める。例えば、輪郭上の最上点と最下点を指定する場合には基準直線は縦直線と規定する。

まず、複数枚の教示用画像のそれぞれについて、基準直線を教示用心筋領域の想定重心を通るように配置した場合に心筋領域境界と交差する２点（すなわち、基準直線の両端の点）を２点の教示用位置とする（図８参照）。なお、２点の教示用位置は解剖学的特徴点となる必要はない。

次に、少なくとも前記教示用２点位置と教示用心筋領域境界データを用いて学習データを作成する。２点の教示用位置の座標を用いて、この２点間距離が、正規化直線上の単位長となるような座標変換式を求め正規化処理を行い、輪郭形状を学習し、輪郭辞書２０データを作成する。

ここで、「正規化直線」とは、基準三角形と同じ概念であって、基準直線とは異なる概念であり、後から説明する診断用画像と教示用画像との類似度を求めるときに、互いに正規化して比較し易くするために生まれた概念である。この正規化直線は、仮想の正規化座標系に存在する２点の座標の位置から構成される。

（２）心筋セグメンテーション処理
まず、心筋セグメンテーション処理では、心筋領域の想定重心に規定の基準直線を配置した場合に心筋境界と交差する２点の診断用位置を指定する。

次に、この２点間距離が正規化直線上の単位長となるような座標変換式を求める。

次に、学習データ中の輪郭形状データを座標変換式の逆変換により、診断用画像上の座標へ変換する。

次に、診断用画像中の輪郭周辺の輝度プロファイルと、輪郭辞書２０中の輝度プロファイルとの類似度を求める。

次に、輪郭辞書２０中の輪郭形状の分布範囲において最も輝度プロファイルの類似度が最も高い、教示用画像の輪郭形状の探索を行うことで心筋の境界輪郭を抽出する。

（３）効果
以上により本実施形態によれば、基準図形として直線を用い、２点の入力により心筋セグメンテーションを行うことで、学習時の形状変動幅が大きくなり精度面で不利になる反面、指定する点数を減らすことができる。また、断面像内に解剖学的特徴点のない場合においても、より少ない２点の入力により心筋セグメンテーションを行うことができる。

（変更例）
なお、本発明は上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。

例えば、上記各実施形態の説明においては心臓短軸断面像に対する使用例を示したが、短軸断面像に限らない。例えば、長軸断面像に対しては図７に示すように３点を指定することで、同様の効果を得ることができる。

この場合に、基準三角形または基準直線を、心臓の断面カテゴリー（長軸断面像、短軸断面像）毎に切り替える切り替え部を有するようにしてもよい。

本発明の第１の実施形態に係わる心筋セグメンテーション装置の構成を示すブロック図である。同じく動作を示すフローチャートである。辞書生成時の心臓短軸像における３点指定を説明する図である。心臓短軸像における３点指定を説明する図である。心臓短軸像においてユーザが意図的に心臓の姿勢を入力する場合の３点指定を説明する図である。第２の実施形態における、心筋の輪郭と部分領域の境界位置の同時抽出を説明する図である。変更例における、心臓長軸断面像における３点指定の例を説明する図である。第３の実施形態における、心臓短軸像における２点指定を説明する図である。

符号の説明

１０心筋セグメンテーション装置
１２位置指定部
１４姿勢推定部
１６セグメンテーション部
１８出力部
２０輪郭辞書
２２画像入力部
２４メモリ
２６表示部

Claims

教示用心臓が写った複数の教示用画像のそれぞれについて、予め定めた基準三角形の３個の頂点の位置関係を有するように前記心臓の心筋境界上に指定されている３点の教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを、学習データとして格納した記憶部と、
診断用心臓が写った診断画像を入力する入力部と、
前記診断画像中の前記診断用心臓の心筋境界上に、前記基準三角形の相似形と類似するように、前記基準三角形の各頂点に対応する３点の診断用位置を指定する位置指定部と、
前記複数の教示用画像のそれぞれについて、前記３点の教示用位置と前記３点の診断用位置とを一致させて、前記診断画像と前記教示用心筋領域境界データとを比較して類似度を求める計算部と、
最も高い前記類似度を有する前記教示用心筋領域境界データを、前記診断用心臓の心筋領域境界データとして出力する出力部と、
を有する画像処理装置。
教示用心臓が写った複数の教示用画像のそれぞれについて、予め定めた基準直線の両端の点の位置関係を有するように前記心臓の心筋境界上に指定されている２個の教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを、学習データとして格納した記憶部と、
診断用心臓が写った診断画像を入力する入力部と、
前記診断画像中の前記診断用心臓の心筋境界上に、前記基準直線に対応する２点の診断用位置を指定する位置指定部と、
前記複数の教示用画像のそれぞれについて、前記２点の教示用位置と前記２点の診断用位置とを一致させて、前記診断画像と前記教示用心筋領域境界データとを比較して類似度を求める計算部と、
最も高い前記類似度を有する前記教示用心筋領域境界データを、前記診断用心臓の心筋領域境界データとして出力する出力部と、
を有する画像処理装置。
前記教示用画像について、前記基準三角形の相似形と類似するように、前記教示用心臓の心筋境界上に、３点の前記教示用位置を指定する教示用位置指定部と、
３点の前記教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを前記教示用画像から抽出して前記記憶部に格納する学習部と、
を有する請求項１記載の画像処理装置。
前記教示用画像について、前記基準直線に対応するように、前記教示用心臓の心筋境界上に、２点の前記教示用位置を指定する教示用位置指定部と、
２点の前記教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを前記教示用画像から抽出して前記記憶部に格納する学習部と、
を有する請求項２記載の画像処理装置。
前記記憶部が格納している前記各学習データが、前記教示用心臓の心筋輪郭形状データ及び心筋部分領域の境界データを含み、
前記出力部は、最も高い前記類似度を有する前記教示用心筋領域境界データに対応した前記心筋輪郭形状データ及び前記心筋部分領域の境界データに基づいて、前記診断用心臓の心筋の境界形状と心筋部分領域の境界位置を出力する、
請求項１または２記載の画像処理装置。
前記診断画像が心臓短軸断面像である場合に、
前記位置指定部における前記３点の診断用位置が、前記診断画像における画像座標系において心筋境界上の最上部、最下部、最右部、または、最左部の中の１点と、前記心筋境界上の他の２点である、
請求項１記載の画像処理装置。
前記心筋領域境界データが、心筋の内側及び外側の境界輪郭形状を示している、
請求項１または２記載の画像処理装置。
前記基準三角形を、心臓の断面カテゴリー毎に切り替える切り替え部を有する、
請求項１記載の画像処理装置。
前記基準直線を、心臓の断面カテゴリー毎に切り替える切り替え部を有する、
請求項２記載の画像処理装置。
教示用心臓が写った複数の教示用画像のそれぞれについて、予め定めた基準三角形の３個の頂点の位置関係を有するように前記心臓の心筋境界上に指定されている３点の教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを、学習データとして格納する記憶ステップと、
診断用心臓が写った診断画像を入力する入力ステップと、
前記診断画像中の前記診断用心臓の心筋境界上に、前記基準三角形の相似形と類似するように、前記基準三角形の各頂点に対応する３点の診断用位置を指定する位置指定ステップと、
前記複数の教示用画像のそれぞれについて、前記３点の教示用位置と前記３点の診断用位置とを一致させて、前記診断画像と前記教示用心筋領域境界データとを比較して類似度を求める計算ステップと、
最も高い前記類似度を有する前記教示用心筋領域境界データを、前記診断用心臓の心筋領域境界データとして出力する出力ステップと、
を有する画像処理方法。
教示用心臓が写った複数の教示用画像のそれぞれについて、予め定めた基準直線の両端の点の位置関係を有するように前記心臓の心筋境界上に指定されている２個の教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを、学習データとして格納する記憶ステップと、
診断用心臓が写った診断画像を入力する入力ステップと、
前記診断画像中の前記診断用心臓の心筋境界上に、前記基準直線に対応する２点の診断用位置を指定する位置指定ステップと、
前記複数の教示用画像のそれぞれについて、前記２点の教示用位置と前記２点の診断用位置とを一致させて、前記診断画像と前記教示用心筋領域境界データとを比較して類似度を求める計算ステップと、
最も高い前記類似度を有する前記教示用心筋領域境界データを、前記診断用心臓の心筋領域境界データとして出力する出力ステップと、
を有する画像処理方法。
教示用心臓が写った複数の教示用画像のそれぞれについて、予め定めた基準三角形の３個の頂点の位置関係を有するように前記心臓の心筋境界上に指定されている３点の教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを、学習データとして格納する記憶機能と、
診断用心臓が写った診断画像を入力する入力機能と、
前記診断画像中の前記診断用心臓の心筋境界上に、前記基準三角形の相似形と類似するように、前記基準三角形の各頂点に対応する３点の診断用位置を指定する位置指定機能と、
前記複数の教示用画像のそれぞれについて、前記３点の教示用位置と前記３点の診断用位置とを一致させて、前記診断画像と前記教示用心筋領域境界データとを比較して類似度を求める計算機能と、
最も高い前記類似度を有する前記教示用心筋領域境界データを、前記診断用心臓の心筋領域境界データとして出力する出力機能と、
をコンピュータによって実現する画像処理プログラム。
教示用心臓が写った複数の教示用画像のそれぞれについて、予め定めた基準直線の両端の点の位置関係を有するように前記心臓の心筋境界上に指定されている２個の教示用位置に対応した前記教示用心臓の教示用心筋領域境界データを、学習データとして格納する記憶機能と、
診断用心臓が写った診断画像を入力する入力機能と、
前記診断画像中の前記診断用心臓の心筋境界上に、前記基準直線に対応する２点の診断用位置を指定する位置指定機能と、
前記複数の教示用画像のそれぞれについて、前記２点の教示用位置と前記２点の診断用位置とを一致させて、前記診断画像と前記教示用心筋領域境界データとを比較して類似度を求める計算機能と、
最も高い前記類似度を有する前記教示用心筋領域境界データを、前記診断用心臓の心筋領域境界データとして出力する出力機能と、
をコンピュータによって実現する画像処理プログラム。