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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims description 36
- 210000004204 blood vessel Anatomy 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 22
- 210000004185 liver Anatomy 0.000 claims description 16
- 238000000605 extraction Methods 0.000 claims description 8
- 210000004072 lung Anatomy 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims 1
- 210000003240 portal vein Anatomy 0.000 description 29
- 238000001514 detection method Methods 0.000 description 10
- 210000002989 hepatic vein Anatomy 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 230000002685 pulmonary effect Effects 0.000 description 3
- 210000003492 pulmonary vein Anatomy 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000002440 hepatic effect Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 210000001147 pulmonary artery Anatomy 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 210000000621 bronchi Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 210000002767 hepatic artery Anatomy 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000002603 single-photon emission computed tomography Methods 0.000 description 1
- 238000000547 structure data Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
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
【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)。
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。
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
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)
- 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。 - 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。
- 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。
- 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。
- 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。
- 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。
- 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。 - 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。
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)
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)
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)
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)
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 |
-
2011
- 2011-04-19 JP JP2011092940A patent/JP2012223338A/ja not_active Abandoned
-
2012
- 2012-04-18 US US13/450,325 patent/US8761473B2/en not_active Expired - Fee Related
Patent Citations (2)
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)
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)
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 |