JP2012223338A - 木構造作成装置および方法ならびにプログラム - Google Patents

木構造作成装置および方法ならびにプログラム Download PDF

Info

Publication number
JP2012223338A
JP2012223338A JP2011092940A JP2011092940A JP2012223338A JP 2012223338 A JP2012223338 A JP 2012223338A JP 2011092940 A JP2011092940 A JP 2011092940A JP 2011092940 A JP2011092940 A JP 2011092940A JP 2012223338 A JP2012223338 A JP 2012223338A
Authority
JP
Japan
Prior art keywords
tree structure
node
nodes
root node
candidate
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.)
Abandoned
Application number
JP2011092940A
Other languages
English (en)
Inventor
Satoshi Ihara
聡志 井原
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.)
Fujifilm Corp
Original Assignee
Fujifilm 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 Fujifilm Corp filed Critical Fujifilm Corp
Priority to JP2011092940A priority Critical patent/JP2012223338A/ja
Priority to US13/450,325 priority patent/US8761473B2/en
Publication of JP2012223338A publication Critical patent/JP2012223338A/ja
Abandoned 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
    • G06T7/10—Segmentation; Edge detection
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • 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
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/20076—Probabilistic image processing
    • 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
    • G06T2207/30056—Liver; Hepatic
    • 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
    • G06T2207/30061—Lung
    • 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
    • G06T2207/30172—Centreline of tubular or elongated structure

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】医用画像データから、所定の構造物に対応する木構造を精度よく作成する。
【解決手段】医用画像データから、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる所定の構造物を起始部に対応する根ノードＮ0を含む複数のノードＮiと複数のエッジＥによって定義した木構造の候補として抽出し、抽出した木構造の候補の各ノードＮについて、所定の構造物が根ノードから分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて各ノードＮiと根ノードＮ0との関係を評価することにより前記各ノード間の接続されやすさを重み付けするコスト関数を用いて、木構造の定義を再評価して木構造を作成する。
【選択図】図３

Description

本発明は、画像データから検出した特定の構造物を木構造として作成する木構造作成装置および方法ならびにプログラムに関するものである。
肝臓・肺などの臓器において患部を切除する手術を行う際には、例えば肝臓の場合、肝臓のＸ線ＣＴ画像から血管や肝臓実質、腫瘍部分を抽出し、抽出された血管の芯線の位置や血管径等に基づいて、抽出された腫瘍がどの血管の支配領域に属するかを特定することによって腫瘍に栄養を供給する血管を特定し、その血管の支配領域を切除すべき部分として適切に決定することが求められる。肝臓の切除手術においては、腫瘍に栄養を送っている門脈の部分と、その門脈の部分によって支配される、がん細胞などの注意すべき物質が送られている可能性のある領域を、肝機能を維持できる範囲で適切に切除するためである。このため、術前にどこを切除部位とすべきか綿密にシミュレートすることが重要であり、このシミュレートのために肺や肝臓を走行する血管の中心経路を精度よく抽出することが必要とされている。
ここで、ＣＴ等で得られた３次元医用画像から気管支等の線状構造を木構造として抽出する画像認識技術として、ヘッセ行列を用いた手法が提案されている。具体的には、まず、３次元医用画像に対して多重解像度変換を行った後、各解像度の画像に対してヘッセ行列の固有値解析を行い、線状構造要素を抽出する。この線状構造要素は、固有値解析によって得られる３つの固有値のうち１つだけが０に近いという特徴を有する。次に、各解像度の画像における解析結果を統合することによって、３次元医用画像中の様々なサイズの線状構造要素（血管）を抽出する。そして、最小全域木アルゴリズム等を用いて、抽出された各線状構造要素を連結することにより、３次元医用画像中の管状構造を表す木構造のデータが得られる。なお、最小全域木アルゴリズムによる線状構造要素の連結の際には、各線状構造要素の位置関係や、上記０に近い固有値に対応する固有ベクトルで表される、各線状構造要素の主軸方向に基づいたコスト関数が用いられる（特許文献１）。
特開２０１０−２２０７４２号公報
しかし、肝臓の門脈と肝静脈のように、枝分かれ回数が多く、各血管の枝同士が近い位置を絡み合うように走行している構造物では、特許文献１と同様の手法により門脈などの血管を抽出しようとすると、別の血管である肝静脈の枝を門脈の枝として誤って抽出してしまうことがある。
門脈の枝や肺血管の枝は、起始部から分岐を繰り返しながら離れる方向に広がって延びる点で、他の血管とは性質が異なる。本発明においては、この性質を利用して、起始部から分岐を繰り返しながら離れる方向に広がって延びる血管を従来方法よりも効率よく且つ正確に抽出する木構造作成装置および方法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。
本発明における木構造作成装置は、医用画像データから、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる所定の構造物を前記起始部に対応する根ノードを含む複数のノードと複数のエッジによって定義した木構造の候補として抽出する木構造候補抽出手段と、前記抽出した木構造の候補の各ノードについて、前記所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて前記各ノードと前記根ノードとの関係を評価することにより前記各ノード間の接続されやすさを重み付けするコスト関数を用いて、前記木構造の定義を再評価して木構造を作成する木構造作成手段とを備えたことを特徴とするものである。
本発明における木構造作成方法は、医用画像データから、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる所定の構造物を前記起始部に対応する根ノードを含む複数のノードと複数のエッジによって定義した木構造の候補として抽出し、前記抽出した木構造の候補の各ノードについて、前記所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて前記各ノードと前記根ノードとの関係を評価することにより前記各ノード間の接続されやすさを重み付けするコスト関数を用いて、前記木構造の定義を再評価して木構造を作成することを特徴とするものである。
本発明における木構造作成プログラムは、コンピュータを、医用画像データから、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる所定の構造物を前記起始部に対応する根ノードを含む複数のノードと複数のエッジによって定義した木構造の候補として抽出する木構造候補抽出手段と、前記抽出した木構造の候補の各ノードについて、前記所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて前記各ノードと前記根ノードとの関係を評価することにより前記各ノード間の接続されやすさを重み付けするコスト関数を用いて、前記木構造の定義を再評価して木構造を作成する木構造作成手段として機能させることを特徴とするものである。
ここで、所定の構造物とは、ノード（節点）とそれを結ぶエッジ（辺）とにより根つき木構造として形状モデル化可能なオブジェクトであるとともに、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる構造物であれば何でもよい。例えば、複数の所定の構造物は、肺または肝臓の血管であってもよく、さらに、肺における肺動脈、肺静脈、肝臓における門脈、冠動脈、肝静脈などが考えられる。
また、医用画像データとは、たとえばＣＴ、ＭＲ、超音波装置、ＰＥＴ―ＣＴ、ＳＰＥＣＴ、４Ｄ-ＣＴ、ＯＣＴ、Ｘ線撮影装置（ＣＲ、ＤＲ）により撮像された医用画像データであってもよいし、たとえばボリュームデータ等の３次元画像データであってもよい。
また、所定の構造物を木構造の候補として抽出する方法には、所定の構造物を木構造として抽出できるものであれば周知のいかなる方法も適用でき、例えば、本発明の木構造作成装置が、画像データから所定の構造物の画像的特徴を有する領域を検出し、検出された領域中を細線化して得られた細線を分岐点および所定の距離などにより分割することにより抽出してもよい。
「木構造を作成する」とは、それぞれのノードごとに、各ノード間の接続の強さを表す指標値をコストとして算出することにより、各ノード間の接続の強さが強くなるように各ノードを接続できるものであればいかなる木構造作成方法を適用してもよい。例えば、最小全域木法や最短路木法などのスパニング木生成アルゴリズムを適用することが考えられる。
上記本発明の木構造作成装置における前記コスト関数は、所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて前記各ノードと前記根ノードとの関係を評価することにより前記各ノード間の接続されやすさを重み付けするものであれば、いかなるものであってもよい。例えば、前記根ノードと各ノードとを結ぶ線分と、前記各ノードと該ノードの前記離れる方向に隣接するノード間のエッジとのなす角度に基づいて前記角度が小さい程前記各ノードと前記隣接するノードが接続されやすくなるよう重み付けを行うものであることが好ましい。また、上記本発明の木構造作成装置における前記コスト関数は、前記根ノードと各ノードとを結ぶ線分の長さと、前記各ノードと該ノードの前記離れる方向に隣接するノード間のエッジの長さとの差に基づいて前記長さの差が小さい程前記各ノードと前記隣接するノードが接続されやすくなるよう重み付けを行うものであることが好ましい。
また、起始部は、任意の方法により特定したものであってよく、起始部に基づいて周知の方法により起始部に対応する根ノードを特定してよい。例えば、表示された画像上でマウス等の入力装置により起始部を指定してもよく、起始部が既知である所定の構造物を表す複数の教師データを機械学習することにより、前記起始部を検出する起始部検出手段をさらに備え、かかる起始部検出手段により検出してもよい。なお、教師データを機械学習して根ノードを抽出する周知の種々の方法を用いることができ、例えば、アダブースト(Adaboost)法により教師データにおいて既知である起始部の特徴量に基づいて起始部を検出することが考えられる。
本発明の木構造作成装置および方法ならびにプログラムによれば、医用画像データから、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる所定の構造物を前記起始部に対応する根ノードを含む複数のノードと複数のエッジによって定義した木構造を抽出し、抽出した木構造の各ノードについて、所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて前記各ノードと前記根ノードとの関係を評価することにより前記各ノード間の接続されやすさを重み付けするため、起始部から分岐を繰り返しながら離れる方向に広がって延びる構造物の幾何学的特徴を利用して木構造の定義を再評価して木構造を作成することにより、効率よく且つ正確に木構造を作成することができる。
本実施形態における木構造作成装置の機能ブロック図 構造物として検出された肝臓の血管領域の木構造候補抽出処理を説明する図 本実施形態における各ノード間のコストの算出方法を説明する図 抽出された肝臓の門脈と肝静脈を表す図 第２の実施形態における木構造作成装置の機能ブロック図
以下、図面を参照して本発明の木構造作成装置の実施の形態を詳細に説明する。図１は本発明の第１の実施形態となる木構造作成装置１の概略構成図である。なお、図１のような木構造作成装置１の構成は、補助記憶装置に読み込まれた木構造作成プログラムをコンピュータ上で実行することにより実現される。このとき、この木構造作成プログラムは、ＣＤ−ＲＯＭ等の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。図１の木構造作成装置１は、肝臓における門脈等の構造物を表す画像データから門脈を表す木構造を作成するものであって、構造物領域検出手段１１、木構造候補抽出手段１２、木構造作成手段１３と表示制御手段１４とを備えている。また、本実施形態における木構造作成プログラムがインストールされたコンピュータは、木構造作成装置１として機能する本体と、ディスプレイからなる表示装置３とマウスやキーボード等の入力装置４とメモリやハードディスク等から構成される記憶手段２を備えている。
構造物領域検出手段１１は、画像データにおいて所定の構造物の一部を構成するか否かを判断することにより候補領域Ｒｃを検出するものである。なお、画像データ７は、データ記憶手段２に記憶されたたとえば撮影装置もしくは放射線検出装置により撮像された２次元の画像もしくは複数の２次元画像から生成された３次元のボリュームデータからなっている。図２は、所定の構造物領域である血管を、血管の候補領域Ｒｃとして抽出し、抽出された血管領域に基づいてグラフ化して木構造の候補を抽出する様子を示す模式図である。
ここで、一例として、所定の構造物が肝臓における門脈であり、ボリュームデータから門脈の候補領域Ｒｃを検出する場合について説明する。
まず、構造物領域検出手段１１は、図２(i)に示すように、ボリュームデータ７を構成するボクセルデータの値に基づいて、門脈の芯線を構成する複数の候補点Ｓｐ（ｐ＝１〜ｎ：ｎは候補点の抽出数）の位置を算出する。なお、ここでは、かかる位置の算出に先立って門脈を表す画素であることが既知であるボクセルデータの値を統計等により取得し、そのボクセルデータの値により門脈らしい画素を候補点Ｓｐとして判断する。
そして、構造物領域検出手段１１は、図２(ii)に示すように、候補点を拡張する。さらに、図２(iii)に示すように、拡張された候補点Ｓｐの門脈を表す画素値を含む所定の範囲の画素値を有する画像データを、門脈領域であると判断し候補領域Ｒｃとして抽出する。
なお、構造物領域検出手段１１は、本実施形態に限られず、候補領域Ｒｃを抽出可能な周知の種々の方法を適用してよい。例えば、候補点周辺のボクセルデータについて門脈らしさを表す特徴量を算出し、算出した特徴量に基づいてそのボクセルデータが門脈領域を表すものであるか否かを判別してもよく、かかる場合、特徴量に基づく判別は、マシンラーニングにより予め取得された評価関数に基づいて行なうことが考えられる。あるいは、構造物領域検出手段１１は特開２０１０−２００９２５号もしくは特許文献１に開示された手法やその他公知の技術により候補領域を検出してもよい。
次に、木構造候補抽出手段１２は、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる所定の構造物（門脈）を起始部に対応する根ノードを含む複数のノードと複数のエッジによって定義した木構造の候補として抽出する。本実施形態では、まず、木構造候補抽出手段１２は、図２(iii)に示す構造物領域検出手段１１が検出した構造物領域Ｒｃを取得し、図２(iv)に示すように、取得した構造物領域Ｒｃを周知の方法により細線化し、図２(v)に示すように、細線化処理された線を分岐点において分割する。そして、分岐点および端点を複数のノードNi（ｉ＝１〜ｍ：ｍは候補点の抽出数）として定義するとともに、分割された線分を複数のエッジＥとして定義して木構造の候補を抽出する。なお、細線化処理された線を分岐点だけでなく、所定の間隔などの所定の条件で分割してもよい。細線化処理された線のうち、ゆるやかな湾曲形状をなす部分を、湾曲に沿って適宜複数の線分に分割できるようにするためである。
木構造作成手段１３は、抽出した木構造の候補の各ノードNi（ｉ＝１〜ｍ：ｍは候補点の抽出数）について、各ノード間の接続されやすさを重み付けすることにより木構造の定義を再評価して木構造Mを作成する。図３を用いて木構造作成手段１３により各ノードN間のコストを決定する方法の原理を説明する。図３は、上述の木構造候補抽出処理により抽出された門脈をあらわす木構造の候補を表した図である。
ここで、本発明者は、肝臓の門脈などの所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる幾何学的な特徴を有することに着目した。そして、所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて各ノードと根ノードとの関係を評価することにより各ノード間の接続されやすさを重み付けするコスト関数を用いて、木構造の定義を再評価して好適に木構造を作成可能であることを見いだした。
本実施形態では、図３に示すように、上記幾何学的特徴を、所定の構造物を木構造として表した木構造においては各ノードについて、根ノードNoと各ノードNiとを結ぶ線分と、各ノードNiと該ノードの離れる方向に隣接するノードNi+1間のエッジＥとのなす角度θが小さいという特徴としてさらに捉え、コスト関数を定義した。
さらに詳細には、上記角度θを下記式（１）のように内積によって判断し、この式（１）を用いて角度θが小さい程各ノードNiとノードNi+1が接続されやすくなるよう重み付けを行うことにより、上記幾何学的な特徴を木構造の作成に反映した。
本実施形態では、上記観点に基づいて、角度θが小さい程各ノードNiとノードNi+1が接続されやすくなるように、式（１）をコスト関数ｆとして定義する。そして、コスト関数ｆにより、Ｎ個のノードについてコストを個々に算出する。なお、本実施形態では、マウス等の入力装置をマニュアル操作することにより指定された起始部の位置を門脈の起始部に対応する根ノードN0として入力する。
そして、木構造作成手段１３は、上記算出された各コストに基づいて各ノードを再接続してmaxΣｆとなるように最小全域木法により木構造を作成する。各ノードのコストを評価するコスト関数に基づいて木構造作成する周知の種々の方法を用いることができ、例えば、周知の最小全域木法や最短路木法などのスパニング木生成アルゴリズムにより、maxΣｆとなるように、最適経路を決定し、木構造Ｍを作成することができる。
図４は、上記処理により作成された木構造Ｍに基づいて抽出された門脈Ｍ１と、同様に別途作成された木構造に基づいて抽出された肝静脈Ｍ２を表す図である。図４に示すように、表示制御手段１４は、ディスプレイ３に、木構造作成手段１３により作成された木構造Ｍに基づいて周知の方法により門脈Ｍ１を表示させる。また、本実施形態では、肺静脈についても門脈同様に木構造作成処理を行い、その結果得られた肝静脈Ｍ２をディスプレイ３に表示させる。
上記第１の実施の形態によれば、肝臓の門脈と肝静脈のように、枝分かれ回数が多く、各血管の枝同士が近い位置を絡み合うように走行している構造物においても、起始部から分岐を繰り返しながら離れる方向に広がって延びる構造物の幾何学的特徴を利用して木構造の定義を再評価して木構造を作成するため、効率よく且つ正確に木構造を作成することができる。
また、上記起始部から分岐を繰り返しながら離れる方向に広がって延びる構造物の幾何学的特徴を根ノードと各ノードを結ぶ線分と、各根ノードと根ノードから分岐を繰り返しながら離れる方向に隣接するノードとの内積により規定することにより、簡易かつ好適に上記特徴を各ノードの接続されやすさに重み付けして木構造を作成することができる。
また、本実施形態の応用例として、式（１）に替えて、所定の構造物を木構造として表した木構造においては各接続されるべき候補点と、その候補点との端点と根ノードとを結ぶ線分との相対的な角度が小さいという特徴を表すいかなる評価方法を用いてもよい。
また、本実施形態に限られず、本発明の木構造作成装置におけるコスト関数は、所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて各ノードと根ノードとの関係を評価することにより各ノード間の接続されやすさを重み付けするものであれば、いかなるものであってもよい。例えば、コスト関数は、式（２）に示すように、根ノードと各ノードとを結ぶ線分の長さと、各ノードとそのノードの根ノードから分岐を繰り返しながら離れる方向に隣接するノード間のエッジの長さとの差に基づいて長さの差が小さい程各ノードと前記隣接するノードが接続されやすくなるよう重み付けを行うものであってもよい。
上記根ノードと各ノードとを結ぶ線分の長さと、ノードとそのノードの根ノードから分岐を繰り返しながら離れる方向に隣接するノード間のエッジの長さとの差に基づいて、長さの差が小さい程各ノードと前記隣接するノードが接続されやすくなるよう重み付けを行う場合には、簡易かつ好適に上記特徴を各ノードの接続されやすさとして重み付けして木構造を作成することができる。
また、上記実施形態に限定されず、コスト関数ｆに、各ノード同士の距離が近いほど接続強度が大きくなるようにさらに重み付けを行ってもよく、さらなる周知の重み付け方法を任意に組み合わせてもよい。
また、第２の実施形態として、図５に示すように、木構造作成装置１は起始部が既知である門脈を表す複数の教師データを機械学習することにより、門脈の起始部を検出する起始部検出手段１５をさらに備え、かかる起始部検出手段１５により検出された起始部を取得し、取得した起始部に対応する根ノードを、周知の方法により特定して上記木構造作成処理を行ってもよい。第２の実施形態では、アダブースト(Adaboost)法により教師データにおいて既知である起始部の特徴量に基づいて起始部を検出し、画像データの座標系における起始部の座標値を取得する。そして、起始部の座標値に基づいて根ノードを特定する。かかる場合には、起始部の入力のためのマニュアル操作を省略することができるため、より効率よく木構造の作成を行うことができる。また、アダブースト(Adaboost)法により起始部検出を行った場合には、所定の構造物から好適に起始部を検出することができる。なお、第２の実施形態に限定されず、本発明に起始部を抽出する周知の種々の方法を適用可能である。
また、ここでは所定の構造物として門脈を基に説明したが、所定の構造物は点とそれを結ぶ候補点とにより木構造として形状モデル化可能なオブジェクトであるとともに１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという特徴を有するものであれば何でもよい。例えば、所定の構造物は、肺または肝臓の血管であってよく、さらには、肺動脈、肺静脈、肝臓における門脈、肝動脈、肝静脈があげられる。
１ 木構造作成装置
７ 画像データ
１１ 構造物領域検出手段
１２ 木構造候補抽出手段
１３ 木構造作成手段
１４ 表示制御手段
１５ 起始部検出手段
Ｓｐ 候補点
Ｎ０ 根ノード
Ｎ ノード
Ｅ エッジ
ｆ コスト関数

Claims (8)

  1. 医用画像データから、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる所定の構造物を前記起始部に対応する根ノードを含む複数のノードと複数のエッジによって定義した木構造の候補として抽出する木構造候補抽出手段と、
    前記抽出した木構造の候補の各ノードについて、前記所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて前記各ノードと前記根ノードとの関係を評価することにより前記各ノード間の接続されやすさを重み付けするコスト関数を用いて、前記木構造の定義を再評価して木構造を作成する木構造作成手段とを備えたことを特徴とする木構造作成装置。
  2. 前記コスト関数は、前記根ノードと各ノードとを結ぶ線分と、前記各ノードと該ノードの前記離れる方向に隣接するノード間のエッジとのなす角度に基づいて前記角度が小さい程前記各ノードと前記隣接するノードが接続されやすくなるよう重み付けを行うものであることを特徴とする請求項１記載の木構造作成装置。
  3. 前記コスト関数は、前記根ノードと各ノードとを結ぶ線分の長さと、前記各ノードと該ノードの前記離れる方向に隣接するノード間のエッジの長さとの差に基づいて前記長さの差が小さい程前記各ノードと前記隣接するノードが接続されやすくなるよう重み付けを行うものであることを特徴とする請求項１記載の木構造作成装置。
  4. 前記起始部が既知である木構造を表す複数の教師データを機械学習することにより、前記起始部を検出する起始部検出手段をさらに備えたことを特徴とする請求項１から３のいずれか１項記載の木構造作成装置。
  5. 前記所定の構造物は、肺の血管であることを特徴とする請求項１から４いずれか１項記載の木構造作成装置。
  6. 前記所定の構造物は、肝臓の血管であることを特徴とする請求項１から４いずれか１項記載の木構造作成装置。
  7. 医用画像データから、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる所定の構造物を前記起始部に対応する根ノードを含む複数のノードと複数のエッジによって定義した木構造の候補として抽出し、
    前記抽出した木構造の候補の各ノードについて、前記所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて前記各ノードと前記根ノードとの関係を評価することにより前記各ノード間の接続されやすさを重み付けするコスト関数を用いて、前記木構造の定義を再評価して木構造を作成することを特徴とする木構造作成方法。
  8. 医用画像データから、１つの起始部から分岐を繰り返しながら離れる方向に広がって延びる所定の構造物を前記起始部に対応する根ノードを含む複数のノードと複数のエッジによって定義した木構造の候補として抽出する木構造候補抽出手段と、
    前記抽出した木構造の候補の各ノードについて、前記所定の構造物が１つの起始部から分岐を繰り返しながら離れる方向に広がって延びるという幾何学的特徴に基づいて前記各ノードと前記根ノードとの関係を評価することにより前記各ノード間の接続されやすさを重み付けするコスト関数を用いて、前記木構造の定義を再評価して木構造を作成する木構造作成手段とを備えたことを特徴とする木構造作成プログラム。
JP2011092940A 2011-04-19 2011-04-19 木構造作成装置および方法ならびにプログラム Abandoned JP2012223338A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2011092940A JP2012223338A (ja) 2011-04-19 2011-04-19 木構造作成装置および方法ならびにプログラム
US13/450,325 US8761473B2 (en) 2011-04-19 2012-04-18 Tree structure creation apparatus, method and program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2011092940A JP2012223338A (ja) 2011-04-19 2011-04-19 木構造作成装置および方法ならびにプログラム

Publications (1)

Publication Number Publication Date
JP2012223338A true JP2012223338A (ja) 2012-11-15

Family

ID=47021373

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011092940A Abandoned JP2012223338A (ja) 2011-04-19 2011-04-19 木構造作成装置および方法ならびにプログラム

Country Status (2)

Country Link
US (1) US8761473B2 (ja)
JP (1) JP2012223338A (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014168350A1 (ko) * 2013-04-10 2014-10-16 재단법인 아산사회복지재단 폐동맥과 폐정맥을 구분하는 방법 및 이를 이용한 혈관의 정량화 방법
JP2016055606A (ja) * 2014-09-12 2016-04-21 富士フイルム株式会社 ３次元オブジェクト分割出力装置およびその応用
KR20160143560A (ko) * 2015-06-05 2016-12-14 서울대학교산학협력단 전산유체역학을 이용한 기관지 분석 방법 및 그 장치
US10535428B2 (en) 2015-10-30 2020-01-14 Canon Kabushiki Kaisha Medical image processing apparatus, control method for the same, and program
JP2021030048A (ja) * 2019-08-23 2021-03-01 キヤノンメディカルシステムズ株式会社 経路決定方法、医用画像処理装置、モデル学習方法及びモデル学習装置

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10140699B2 (en) 2010-12-07 2018-11-27 University Of Iowa Research Foundation Optimal, user-friendly, object background separation
CA2825169A1 (en) 2011-01-20 2012-07-26 University Of Iowa Research Foundation Automated determination of arteriovenous ratio in images of blood vessels
JP2012223338A (ja) 2011-04-19 2012-11-15 Fujifilm Corp 木構造作成装置および方法ならびにプログラム
JP5391229B2 (ja) * 2011-04-27 2014-01-15 富士フイルム株式会社 木構造抽出装置および方法ならびにプログラム
WO2013165614A1 (en) 2012-05-04 2013-11-07 University Of Iowa Research Foundation Automated assessment of glaucoma loss from optical coherence tomography
WO2014143891A1 (en) * 2013-03-15 2014-09-18 University Of Iowa Research Foundation Automated separation of binary overlapping trees
US10410355B2 (en) 2014-03-21 2019-09-10 U.S. Department Of Veterans Affairs Methods and systems for image analysis using non-euclidean deformed graphs
US10152651B2 (en) * 2014-10-31 2018-12-11 Toshiba Medical Systems Corporation Medical image processing apparatus and medical image processing method
US10115194B2 (en) 2015-04-06 2018-10-30 IDx, LLC Systems and methods for feature detection in retinal images
EP3633612A4 (en) 2017-06-30 2020-06-03 Shanghai United Imaging Healthcare Co., Ltd. IMAGE SEGMENTATION METHOD AND SYSTEM
CN111814781A (zh) * 2019-04-11 2020-10-23 富士通株式会社 用于对图像块识别结果进行校正的方法、设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007531543A (ja) * 2003-07-11 2007-11-08 シーメンス　メディカル　ソリューションズ　ユーエスエー　インコーポレイテッド 内視鏡的パスプランニングのための方法及びシステム
JP2010220742A (ja) * 2009-03-23 2010-10-07 Fujifilm Corp 画像処理装置および方法並びにプログラム

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3656695B2 (ja) 1997-09-30 2005-06-08 富士写真フイルム株式会社 骨計測方法および装置
US6882990B1 (en) 1999-05-01 2005-04-19 Biowulf Technologies, Llc Methods of identifying biological patterns using multiple data sets
US6430430B1 (en) 1999-04-29 2002-08-06 University Of South Florida Method and system for knowledge guided hyperintensity detection and volumetric measurement
EP1780651A1 (en) 2005-10-25 2007-05-02 Bracco Imaging, S.P.A. Method and system for automatic processing and evaluation of images, particularly diagnostic images
US8014576B2 (en) 2005-11-23 2011-09-06 The Medipattern Corporation Method and system of computer-aided quantitative and qualitative analysis of medical images
JP4999163B2 (ja) 2006-04-17 2012-08-15 富士フイルム株式会社 画像処理方法および装置ならびにプログラム
JP4690361B2 (ja) 2007-05-28 2011-06-01 富士フイルム株式会社 心臓機能解析装置、方法およびそのプログラム
WO2008150840A1 (en) 2007-05-29 2008-12-11 University Of Iowa Research Foundation Methods and systems for determining optimal features for classifying patterns or objects in images
US20090076394A1 (en) 2007-06-29 2009-03-19 William Wong High-frequency tissue imaging devices and methods
US9330165B2 (en) * 2009-02-13 2016-05-03 Microsoft Technology Licensing, Llc Context-aware query suggestion by mining log data
EP2404553B1 (en) 2009-03-03 2015-06-24 FUJIFILM Corporation Image processing device and method, and program
US8213700B2 (en) * 2009-03-31 2012-07-03 Icad, Inc. Systems and methods for identifying suspicious anomalies using information from a plurality of images of an anatomical colon under study
JP5009391B2 (ja) 2009-07-03 2012-08-22 富士フイルム株式会社 診断支援装置、診断支援プログラムおよび診断支援方法
JP5478328B2 (ja) 2009-09-30 2014-04-23 富士フイルム株式会社 診断支援システム、診断支援プログラムおよび診断支援方法
US10140699B2 (en) 2010-12-07 2018-11-27 University Of Iowa Research Foundation Optimal, user-friendly, object background separation
JP5701138B2 (ja) 2011-04-19 2015-04-15 富士フイルム株式会社 医用画像処理装置および方法、並びにプログラム
JP2012223338A (ja) 2011-04-19 2012-11-15 Fujifilm Corp 木構造作成装置および方法ならびにプログラム
JP5391229B2 (ja) 2011-04-27 2014-01-15 富士フイルム株式会社 木構造抽出装置および方法ならびにプログラム

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007531543A (ja) * 2003-07-11 2007-11-08 シーメンス　メディカル　ソリューションズ　ユーエスエー　インコーポレイテッド 内視鏡的パスプランニングのための方法及びシステム
JP2010220742A (ja) * 2009-03-23 2010-10-07 Fujifilm Corp 画像処理装置および方法並びにプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JPN6013017749; Ｃｈｉａ-Ｌｉｎｇ　Ｔｓａｉ，　Ｙｉ-Ｌｕｎ　Ｙａｎｇ，　Ｓｈｉｈ-Ｊｅｎ　Ｃｈｅｎ，　Ｃｈｉｈ-Ｈａｏ　Ｃｈａｎ，　Ｗｅｉ-Ｙａｎｇ　Ｌｉｎ: 'Ａｕｔｏｍａｔｉｃ　ｃｈａｒａｃｔｅｒｉｚａｔｉｏｎ　ａｎｄ　ｓｅｇｍｅｎｔａｔｉｏｎ　ｏｆ　ｃｌａｓｓｉｃ　ｃｈｏｒｏｉｄａｌ　ｎｅｏｖａｓｃｕｌａｒｉｚａｔｉｏｎ　ｕｓｉｎｇ　Ａｄａｂｏｏｓｔ　ｆ' Ｎｕｃｌｅａｒ　Ｓｃｉｅｎｃｅ　Ｓｙｍｐｏｓｉｕｍ　Ｃｏｎｆｅｒｅｎｃｅ　Ｒｅｃｏｒｄ　（ＮＳＳ／ＭＩＣ），　２０１０　ＩＥＥＥ , 20101030, ３６１０-３６１２ *
JPN6013017750; Ｐｅｃｈｉｎ　Ｌｏ，　ｖａｎ　Ｇｉｎｎｅｋｅｎ，　Ｂ．，　ｄｅ　Ｂｒｕｉｊｎｅ，　Ｍ．: 'Ｖｅｓｓｅｌ　ｔｒｅｅ　ｅｘｔｒａｃｔｉｏｎ　ｕｓｉｎｇ　ｌｏｃａｌｌｙ　ｏｐｔｉｍａｌ　ｐａｔｈｓ' Ｂｉｏｍｅｄｉｃａｌ　Ｉｍａｇｉｎｇ：　Ｆｒｏｍ　Ｎａｎｏ　ｔｏ　Ｍａｃｒｏ，　２０１０　ＩＥＥＥ , 20100414, ６８０-６８３ *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2014168350A1 (ko) * 2013-04-10 2014-10-16 재단법인 아산사회복지재단 폐동맥과 폐정맥을 구분하는 방법 및 이를 이용한 혈관의 정량화 방법
US9996918B2 (en) 2013-04-10 2018-06-12 The Asan Foundation Method for distinguishing pulmonary artery and pulmonary vein, and method for quantifying blood vessels using same
JP2016055606A (ja) * 2014-09-12 2016-04-21 富士フイルム株式会社 ３次元オブジェクト分割出力装置およびその応用
KR20160143560A (ko) * 2015-06-05 2016-12-14 서울대학교산학협력단 전산유체역학을 이용한 기관지 분석 방법 및 그 장치
KR101977294B1 (ko) 2015-06-05 2019-05-10 서울대학교산학협력단 전산유체역학을 이용한 기관지 분석 방법 및 그 장치
US10535428B2 (en) 2015-10-30 2020-01-14 Canon Kabushiki Kaisha Medical image processing apparatus, control method for the same, and program
JP2021030048A (ja) * 2019-08-23 2021-03-01 キヤノンメディカルシステムズ株式会社 経路決定方法、医用画像処理装置、モデル学習方法及びモデル学習装置
JP7433913B2 (ja) 2019-08-23 2024-02-20 キヤノンメディカルシステムズ株式会社 経路決定方法、医用画像処理装置、モデル学習方法及びモデル学習装置

Also Published As

Publication number Publication date
US8761473B2 (en) 2014-06-24
US20120269410A1 (en) 2012-10-25

Similar Documents

Publication Publication Date Title
JP2012223338A (ja) 木構造作成装置および方法ならびにプログラム
JP5391229B2 (ja) 木構造抽出装置および方法ならびにプログラム
JP5263995B2 (ja) ネットワーク構築装置および方法ならびにプログラム
JP5833994B2 (ja) 画像処理装置および方法ならびにプログラム
JP5797124B2 (ja) 手術支援装置、手術支援方法および手術支援プログラム
JP5701138B2 (ja) 医用画像処理装置および方法、並びにプログラム
CN104217418B (zh) 钙化血管的分割
JP5777070B2 (ja) 領域抽出装置、領域抽出方法および領域抽出プログラム
US8548213B2 (en) Method and system for guiding catheter detection in fluoroscopic images
JP6129310B2 (ja) 画像処理装置および画像処理方法
JP5748636B2 (ja) 画像処理装置および方法並びにプログラム
Osama et al. Empowering cardiologists with deep learning yolov8 model for accurate coronary artery stenosis detection in angiography images
JP2014071716A (ja) 画像処理装置、画像処理プログラムおよび画像処理装置の動作方法
Alom et al. Automatic slice growing method based 3D reconstruction of liver with its vessels
JP6945379B2 (ja) 画像処理装置、磁気共鳴イメージング装置及び画像処理プログラム
Aase Graph Convolutional Neural Networks for Automated Echocardiography View Recognition: A Holistic Approach
Lv et al. Centerline extraction based on Hessian matrix and scale space analysis
JP2022158899A (ja) 学習済みモデル生成装置、医用画像処理装置及びプログラム
Wang et al. Robust detection of bifurcations for vessel tree tracking

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20130118

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20130410

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20130416

A762 Written abandonment of application

Free format text: JAPANESE INTERMEDIATE CODE: A762

Effective date: 20130523