JP2013182626A - 自動画像アラインメント - Google Patents

自動画像アラインメント Download PDF

Info

Publication number
JP2013182626A
JP2013182626A JP2013047206A JP2013047206A JP2013182626A JP 2013182626 A JP2013182626 A JP 2013182626A JP 2013047206 A JP2013047206 A JP 2013047206A JP 2013047206 A JP2013047206 A JP 2013047206A JP 2013182626 A JP2013182626 A JP 2013182626A
Authority
JP
Japan
Prior art keywords
image
triangular mesh
correspondence
images
refined
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.)
Pending
Application number
JP2013047206A
Other languages
English (en)
Inventor
Liangyin Yu
良吟 余
Ming-Chang Liu
明昌 劉
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.)
Sony Corp
Original Assignee
Sony 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 Sony Corp filed Critical Sony Corp
Publication of JP2013182626A publication Critical patent/JP2013182626A/ja
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/40Extraction of image or video features
    • G06V10/42Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/422Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation for representing the structure of the pattern or shape of an object therefor
    • G06V10/426Graphical representations
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/69Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695Preprocessing, e.g. image segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20072Graph-based image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30024Cell structures in vitro; Tissue sections in vitro

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】自動画像アラインメント
【解決手段】画像を自動的にアラインするための方法は、(a)第1画像と第2画像の間の初期対応ポイント特徴を決定する段階と、(b)画像内の初期対応ポイント特徴から画像に対する三角メッシュを作成する段階と、(c)三角メッシュを使用したアフィン変換推定に基づいて第1及び第2画像間のポイント対応をリファインするス段階とを含む。本方法はまた、(d)(c)でリファインされたポイント対応から画像に対するリファイン三角メッシュを作成する段階と、(e)対応する三角形のペアにおけるアフィン変換の補間を介してリファイン三角メッシュにおける対応する三角形のペアの範囲内の座標アラインメントを決定する段階とを含むことができる。
【選択図】図11

Description

本開示は、画像、例えば、異なる方法によって染色された組織サンプルの画像を自動的にアラインするための方法及びシステムに関する。
病理診断は、組織サンプル(例えば、生体組織検査)を薄い一片にスライスし、薄片を個々のスライド上に配置し、様々な方法及び試薬で薄片を染色することを含む場合が多い。例えば、組織サンプルの薄片は、サンプルの組織構造を視覚化するためのヘマトキシリン‐エオシン(H&E)染色法によって染色することができるが、隣接する組織サンプルの薄片は、病気固有の抗体による免疫組織化学(HIC)染色法によって染色することができる。病理学者は、一般的に、H&E染色サンプルで初期診断を行い、次に確証及び予後のために同じ生体組織検査ブロックからのIHC染色を指図する。
デジタル化の傾向と共に、標本スライドは、後でモニタ上で見るためにデジタル画像(バーチャルスライド)にスキャンされることが多い。最終的な診断をするために、病理学者は、H&E画像における関心領域と同じ生体組織検査ブロックからのIHC画像の対応する範囲とを同時に調べる必要がある。従って、倍率に関わらず正確な同時及び同期化ビューが画像及びそれに対応するビューにわたって得られるように、これらの染色画像をモニタ上でアラインする必要がある(図1)。
様々な方法によって染色される2つの隣接するサンプル薄片間の画像外観に大きな違いがあることが多く、様々な局所的な変形が含まれるので、このような染色画像をアラインすることは難しい。隣接するサンプルは、単純な変換によって関係付けられないことが多く、構造的な変化は、隣接するサンプル及び異なる倍率全体に渡って予測できない。例えば、隣接するが異なる組織ブロックの部分から取得された2つの画像は、不明瞭な構造的対応を有する可能性がある(図2を参照)。染色画像は、全体の画像をアラインするために明瞭にする必要がある不十分な構造を有する可能性がある(図3)。更に、サンプルの処理の間に組織薄片を伸ばしたり変形させたりすることがあるので、各画像の様々な部分は、同じ画像の他の部分とは違って変形されることがある(図4)。
画像アラインメント及びナビゲーションのための既存のシステムでは、上述の問題に起因してユーザがバーチャルスライド(画像)上に対応する範囲を手動で位置付ける必要がある。この処理は、アラインメント領域から離れた領域及び異なる解像度で見る場合は再度実行するひつようがある。非常に大きな画像(例えば、100k×100k)では、この処理は面倒で実行不可能になる。更に、画像を高解像度で局所的に調べる場合、対応する領域間の外観は、急に変わるので、マッチングポイントを探すのが難しくなる。
従って、全体的な外観では類似であるが、局所変形、例えば異なる方法によって染色された組織サンプルの大きな画像を有する画像を自動的にアラインするための方法及びシステムを開発する必要性が存在する。
本開示は、画像をアラインするための例示的な方法を含む。本方法の実施形態は、(a)第1画像と第2画像の間の初期対応ポイント特徴を決定する段階、(b)画像内の初期対応ポイント特徴から画像に対する三角メッシュを作成する段階、及び(c)三角メッシュを使用したアフィン変換推定に基づいて第1及び第2画像間のポイント対応をリファインする段階を含む。本方法の実施形態はまた、(d)(c)でリファインされたポイント対応から画像に対するリファイン三角メッシュを作成する段階、及び(e)対応する三角形のペアにおけるアフィン変換の補間を介してリファイン三角メッシュにおける対応する三角形のペアの範囲内の座標アラインメントを決定する段階を含むことができる。
本開示による例示的なシステムは、第1画像と第2画像間の初期対応ポイント特徴を決定するための対応イニシエータ;画像内の初期対応ポイント特徴から画像に対する三角メッシュを作成するための第1トライアンギュレータ;三角メッシュを使用したアフィン変換推定に基づいて第1及び第2画像間のポイント対応をリファインするための対応リファイナー;リファインされたポイント対応から画像に対するリファイン三角メッシュを作成するための第2トライアンギュレータ;及び対応する三角形のペアにおけるアフィン変換を使用する補間を介してリファイン三角メッシュにおける対応する三角形のペアの範囲内の座標アラインメントを決定するための座標アラインメント生成器を含む。
本開示は、実行時に、画像をアラインするための方法をコンピュータに実行させる命令を格納する例示的なコンピュータ可読媒体を含み、この方法は、(a)第1画像と第2画像間の初期対応ポイント特徴を決定する段階;(b)画像内の初期対応ポイント特徴から画像に対する三角メッシュを作成する段階;(c)三角メッシュを使用するアフィン変換推定に基づいて第1と第2画像間のポイント対応をリファンする段階;(d)(c)でリファンされたポイント対応から画像に対するリファイン三角メッシュを作成する段階;及び(e)対応する三角形のペアにおけるアフィン変換を使用した補間を介してリファイン三角メッシュにおける対応する三角形のペアの範囲内の座標アラインメントを決定する段階を含む。
また、画像をアラインするための例示的なコンピュータシステムが提供され、このシステムは、プログラム命令を実行するよう構成された1つ又はそれよりも多くのプロセッサ、及び1つ又はそれよりも多くのプロセッサによって実行された時に、画像をアラインするための方法をコンピュータシステムに実行させる実行可能命令を含むコンピュータ可読媒体を含み、この方法は、(a)第1画像と第2画像間の初期対応ポイント特徴を決定する段階;(b)画像内の初期対応ポイント特徴から画像に対する三角メッシュを作成する段階;(c)三角メッシュを使用したアフィン変換推定に基づいて第1及び第2画像間のポイント対応をリファインする段階;(d)(c)でリファインされたポイント対応から画像に対するリファイン三角メッシュを作成する段階;及び(e)対応する三角形のペアにおけるアフィン変換の補間を介してリファイン三角メッシュにおける対応する三角形のペアの範囲内の座標アラインメントを決定する段階を含む。
前述の概要説明及び以下の詳細な説明は、請求項に記載の本発明を例示し解説するだけであり、それを制限するものではないことを理解されたい。
特許又は出願書類は、カラーで作成されたら少なくとも1つの図面を含む。カラー図面を伴う本特許又は特許出願公開のコピーは、依頼書及び必要な料金の支払いに応じて特許庁によって提供されるものとする。
病理学的診断の目的のための画像のアラインメントを示す図である。 H&E(左)及びIHC(右)によって染色された2つの隣接する組織サンプル間の不明瞭な構造対応の実施例をそれぞれ示す図である。 H&E(左)及びIHC(右)によって染色された2つの隣接する組織サンプルにおける不十分な構造の実施例をそれぞれ示す図である。 組織処理のために、H&E(左)及びIHC(右)によって染色された2つの隣接する組織サンプル間の均一でない変換をそれぞれ示す実施例である。 現在請求されている発明に矛盾しない例示的な方法を示す流れ図である。 2つの画像をアラインする例示的な第1段階を示す流れ図である。 2つの画像をアラインする例示的な第1段階の間の、例示的なキーポイント生成(A)、及びキーポイント交差適合(B)を示す図である。 2つの画像をアラインするための例示的な方法における初期対応ポイント特徴に基づいて作成された例示的な三角メッシュを示す図である。 2つの画像をアラインする例示的な第2段階を示す流れ図である。 2つの画像をアラインする例示的な第3段階を示す流れ図である。 本発明に矛盾しない例示的な画像アラインメントシステムを示すブロック図である。
以下に、実施例が添付の図面に示される例示的な実施形態を詳しく参照することにする。可能な限り、同じ又は同様の部分を示すために図面全体を通して同じ参照数字を使用するものとする。
本明細書に開示する方法及びシステムは、多くの実際的な応用を有する。例えば、例示的な実施形態は、異なる方法によって染色された組織サンプルの大きな画像を自動的にアラインするために使用することができる。マッチングポイントを識別し局所的変換による局所変形をモデル化することによって、本明細書に開示する方法及びシステムは、異なる解像度での同期化ビューを達成し、画像における対応する領域を同期させることができる。本明細書に開示する方法及びシステムは、病理学的診断の目的だけでなく、全体的な外観が類似しているが、局所的変更又は変形、例えば、異なる視点からの同じシーンの衛星画像を含むあらゆる画像をアラインするために使用することができる。
以下の段落では、「IHC画像」及び「H&E画像」という用語が、例証の目的のために頻繁に使用される。これらは、一般的に、アラインされるあらゆる画像を示すことを意味し、文字どおりにIHC又はH&E画像に制限されない。
図5は、現在請求されている発明に矛盾しない例示的な方法の流れ図を示している。図5に示すように、2つの画像間の初期対応ポイント特徴が決定される(ステップ506)。画像は、全体的な外観で類似しているが、異なる方法によって染色された、例えば1つはH&E染色法及び他方はIHC染色法によって染色された隣接する組織サンプルの画像のような局所的変種を有する任意の画像とすることができる。特定の実施形態では、画像は、同じ倍率で取得することができ、例えば40x倍率の画像とすることができる。特定の実施形態では、画像は、処理の目的のためにダウンサンプルすることができる。
画像処理アルゴリズム、例えば、画像曲線に沿った最大局率によって、画像からポイント特徴を抽出することができる。次に、2つの画像間のポイント特徴を交差適合させることによって、ポイント特徴の対応を決定することができる。
初期対応ポイント特徴に基づいて、各画像に対する三角メッシュを作成することができ(ステップ508)、識別された対応ポイント特徴の各々は、三角形の頂点として使用される。特定の実施形態では、三角メッシュは、ドローネー三角分割法である。少なくとも3つの初期対応ポイント特徴が、三角メッシュを作成するためにステップ508によって識別されることが理解されるであろう。
三角メッシュにおけるアフィン変換推定に基づいて、2つの画像間のポイント対応を、画像の細かい対応範囲を取得するためにリファインすることができる(ステップ510)。効率的に、アフィン変換推定は、三角メッシュにおける対応する三角形内の座標の粗アラインメントを可能にする。この結果、付加的な及びより正確な対応ポイントを識別することができる。
次に、リファイン三角メッシュを、リファインポイント対応に基づいて各画像に対して作成することができる(ステップ512)。リファイン三角メッシュは、細かい三角形を含み、初期対応ポイント特徴から作成された三角メッシュより大きなスペースを画像で網羅することができる。特定の実施形態では、リファイン三角メッシュは、ドローネー三角分割法である。特定の実施形態では、リファイン三角メッシュによって網羅されていない画像の領域は、リファン三角メッシュを改善するために使用することができる付加的なポイント対応を識別するために更に処理することができる。
リファイン三角メッシュは、2つの画像間の各三角形内の座標アラインメントを決定するために使用することができる(ステップ514)。特定の実施形態では、アフィン変換が、対応する三角形の各ペアに対してコンピュータで計算され、三角形内の範囲に対する座標が、アフィン変換データの補間に基づいてアラインされる。
全ての画像が、三角メッシュ及び三角形内の補間座標アラインメントに基づいてアラインされる。三角メッシュの端でアラインされた座標及び補間に基づいてアラインされた座標を含むアライン座標(516)は、ユーザによる同期ビューのためにモニタでのレンダリングのためのデータ構造を含むデータベースに格納することができる。
図6は、2つの画像間の初期対応ポイント特徴を決定する段階及び初期対応ポイント特徴から各画像に対する三角メッシュを作成する段階を含む、2つの画像をアラインする例示的な第1段階を更に詳しく説明する流れ図を示している。図6に示すように、特定の実施形態では、ポイント特徴を抽出して対応を決定するために個々に処理することができる複数のサブ画像ウィンドウに画像を区分することができる。画像区分は、画像に合った任意の基準に基づくことができる。例えば、H&E染色画像のような画像の1つは、画像の構造的特徴に基づいて区分することができる(ステップ608)。特定の実施形態では、画像区分のための構造的特徴を識別するために、構造マッピングが、H&E染色画像から抽出される。特定の実施形態では、H&E又は他の試薬の染色は、画像が区分される前に染色分離アルゴリズムによって分離することができる。特定の実施形態では、サブ画像ウィンドウを、構造的特徴に集中させることができる。サブ画像ウィンドウのサイズは、ポイント特徴抽出及び/又は対応決定のために要求されるいずれかのサイズ、例えば、100x100、200x200、300x300、400x400、500x500、600x600、800x800、900x900、又は1000x1000とすることができる。特定の実施形態では、サブ画像ウィンドウのサイズは、600x600、又は400x400とすることができる。
更に、他の画像、例えば、IHC染色画像は、同じサイズの対応するサブ画像ウィンドウに区分することができる(ステップ606)。特定の実施形態では、初期対応ポイント特徴を決定するために、他の画像(例えば、IHC画像)を、2つの画像間の直接画像座標対応に基づいて区分することができる。例えば、H&E画像のサブ画像ウィンドウの中心を、直接画像座標マッピングによってIHC画像にマッピングすることができ、同じサイズのサブ画像ウィンドウを、その中心の位置に基づいてIHC画像で決定することができる。
図6に更に示すように、サブ画像ウィンドウの内容を分析することによって、サブ画像ウィンドウに対するキーポイントを生成することができる(ステップ610)。最大曲率検出のような画像に合ったいずれの画像処理方法は、キーポイントを生成するために使用することができる。図7Aに例証されるように、特定の実施形態では、画像セグメント化の後に最大曲率検出に基づいてIHC画像における各サブ画像ウィンドウに対するキーポイントを生成することができる。
図6を再度参照すると、他の画像における対応するサブ画像ウィンドウでキーポイントを交差適合させることができる(ステップ612)。特定の実施形態では、キーポイントを中心にして置かれた64x64ウィンドウのような小さなキーポイントウィンドウは、対応を検出するために他の画像(例えば、H&E画像)における対応するサブ画像ウィンドウをスキャンするために使用することができる。特定の実施形態では、他の画像におけるキーポイントの対応は、相互相関、例えば、キーポイントウィンドウの標準化された相互相関によって決定することができる。交差適合目的のための他の画像分析方法、例えば、類似性に基づく又はテンプレートマッチングも使用することができる。対応があると決定されると、1つの画像におけるキーポイント及び他の画像におけるその対応するポイントが、初期対応ポイント特徴として選択され、三角分割法のための初期対応ポイント特徴のセットに統合される。
交差適合は、サブ画像ウィンドウに対して生成されたキーポイントの全てが処理されるまで、各キーポイントに対して繰り返すことができる。特定の実施形態では、対応するサブ画像ウィンドウの識別(606)、キーポイント生成(610)、及びキーポイントの交差適合(612)を含むステップを、ステップ608からの区分画像の各サブ画像ウィンドウ、例えば、区分されたH&E画像に対して繰り返すことができる。
特定の実施形態では、1つの画像、例えばH&E画像におけるサブ画像ウィンドウを、所望の条件、例えば、サブウィンドウ画像の中心における構造的特徴の密度に基づいて処理するために優先順位付けすることができる。特定の実施形態では、H&E画像におけるサブ画像ウィンドウを、優先順位に従って処理するために選択することができる。次に、その対応サブ画像ウィンドウを、IHC画像で識別することができる。IHC画像における識別されたウィンドウ内で、キーポイントが生成され、H&E画像における対応するサブ画像ウィンドウに対してマッチングされる。キーポイントの全てがサブ画像ウィンドウのそのペアに対して使い果たされると、新しいサブ画像ウィンドウが、処理を繰り返すために優先順位に従ってH&E画像から選択される。
特定の実施形態では、初期対応ポイント特徴が、偽対応ポイントを除去するためにフィルタ処理される(ステップ614)。例えば、2つの画像間の直線セグメント接続対応ポイントを、図7Bの下のパネルに示すように描画することができる。理論的に、対応ポイントが全て真である場合、直線は全て平行になる。従って、平行でない直線接続対応ポイントは、対応が偽であることを示し、対応ポイントが、偽陽性として取り除かれる。このようなフィルタ処理は、例えば、各サブ画像ウィンドウが処理された後、初期対応ポイント特徴の決定の間及び/又は後、及び/又はポイント対応のリファインの後のような、画像アラインメントの処理の特定のポイントで実行することができる。
各画像に対して、三角メッシュが、画像に対して識別された初期対応ポイント特徴から作成される。特定の実施形態では、三角メッシュは、ドローネー三角分割法である。図8は、H&E染色画像(左)及びIHC染色画像(右)における初期対応ポイント特徴から作成された例示的な三角メッシュを示している。
図9は、2つの画像をアラインする例示的な第2段階を示す流れ図を示している。この段階では、ポイント対応を、第1段階から取得された三角メッシュを使用するアフィン変換推定に基づいてリファインすることができる。図9に示すように、画像を上述のように複数のサブ画像ウィンドウに再度区分することができる(ステップ906)。例えば、H&E画像は、構造的特徴に基づいて区分することができ、サブ画像ウィンドウは各々、構造特徴ポイントに集中させることができる。サブ画像ウィンドウは、ポイント対応をリファインするために要求されるいずれかのサイズ、例えば、100x100、200x200、300x300、400x400、500x500、600x600、800x800、900x900、又は1000x1000とすることができる。
特定の実施形態では、各サブ画像ウィンドウに対して、対応サブ画像ウィンドウを、初期対応ポイント特徴から作成された三角メッシュに基づくアフィン推定を介して他の画像で識別することができる。例えば、H&E画像におけるサブ画像ウィンドウの中心を、その中心を含む三角形からのアフィン推定に基づいてIHC画像にマッピングすることができ、同じサイズの対応サブ画像ウィンドウを、マッピングされた位置に基づいてIHC画像で識別することができる。
特定の実施形態では、キーポイントが、上述の第1段階のように、対応サブ画像ウィンドウに対して生成される(ステップ908)。特定の実施形態では、キーポイントは、画像セグメント化の後に最大曲率検出に基づいてIHC画像における各サブ画像ウィンドウに対して生成することができる。
第1段階と同様、キーポイントは、他の画像における対応サブ画像ウィンドウで交差適合することができる(ステップ910)。特定の実施形態では、キーポイント上に中心を置かれた64x64ウィンドウのような小さなキーポイントウィンドウを、他の画像(例えば、H&E画像)における対応サブ画像ウィンドウをスキャンするために使用することができる。他の画像におけるキーポイントの対応は、例えば、標準化された相互相関、又はテンプレートマッチングのような他の類似の画像分析方法によって決定することができる。画像間の対応を有するマッチングキーポイントが、選択され、フィルタ処理され、更にリファイン三角形分割法のための対応ポイントのセットに統合される。この交差適合は、サブ画像ウィンドウにおける各キーポイントに対して及び区分された画像の各サブ画像ウィンドウに対して繰り返される(ステップ906から)。
特定の実施形態では、サブ画像ウィンドウの処理は、第1段階に対して上述のように優先順位付けすることができる。特定の実施形態では、例えば、各サブ画像ウィンドウの処理の後、又は全てのサブ画像ウィンドウの処理の後に、偽陽性を取り除くために、選択された対応ポイントをフィルタ処理することができる(ステップ912)。
図9に示すように、リファイン三角メッシュは、リファインポイント対応に基づいて作成することができる、すなわち、対応するポイントが、上述のキーポイント交差適合から識別される。第1段階から取得された三角メッシュに比べて、第2段階から取得されたリファイン三角メッシュは、より多くの頂点及び細かい三角形を含むことができ、より多くの画像スペースを網羅することができる。
本発明の特定の実施形態は、図10の例示的な流れ図に示されるように、画像の周辺領域に関してポイント対応及び三角メッシュを更にリファインするために、第3段階を含む。第2段階から取得されたリファイン三角メッシュの外側に付加的な対応ポイントを識別することができ、リファイン三角メッシュは、付加的な対応ポイントを組み入れることによって更新することができる。
図10に示すように、特定の実施形態では、第2段階の終わりに識別された対応ポイントの全てに対して凸面スペース(凸面丘)をコンピュータで計算することができる(ステップ1004)。凸面丘によって網羅されていない周辺領域は、ブランクの背景画像を含むことができるが、領域の一部は、組織サンプルのような関心の対象物の一部を表示することができ、従って、画像アラインメントに使用することができるポイント特徴を含むことができる。画像アラインメントのための情報を含むことができるが凸面丘によって網羅されていない画像の領域は、図10及び下記で「損失領域」と呼ばれる。特定の実施形態では、凸面丘を画像から減算することができ、残りの画像の内容を、更なる画像アラインメントのための紛失領域を識別するために分析することができる(ステップ1006)。特定の実施形態では、残りの画像の内容は、紛失領域を識別するために、画像セグメント化、例えば、グラフに基づくセグメント化のような画像処理ツールによって分析することができる。特定の実施形態では、凸面丘は、H&E画像に対してコンピュータで計算され、凸面丘の外側の画像の内容が、紛失領域を識別するために画像セグメント化によって分析される。
特定の実施形態では、新しいキーポイントを生成して画像間の付加的な対応ポイントを識別するために、上述の第1又は第2段階のように紛失領域を複数のサブ画像ウィンドウに区分することができる。例えば、H&E画像における紛失領域は、構造的特徴に基づいて区分することができる。サブ画像ウィンドウの各々は、対応サブ画像ウィンドウを識別するために他の画像にマッピングすることができる。例えば、H&E画像におけるサブ画像ウィンドウは、幾何学的位置又はアフィンマッピングに基づいてIHC画像にマッピングすることができる。特定の実施形態では、第1及び第2段階のように、IHC画像におけるサブ画像ウィンドウでキーポイントを生成することができ(ステップ1008)、次にH&E画像における対応サブ画像ウィンドウに交差適合させることができる。マッチングキーポイントは、画像間の対応ポイントとして選択され(ステップ1010)、フィルタ処理される。上記の処理は、紛失領域における各サブ画像ウィンドウに対して繰り返すことができる。紛失領域の全てが処理された後、上述のように偽陽性を取り除くために、紛失領域で識別された新しい対応ポイントをフィルタ処理することができる(ステップ1012)。前の段階から取得されたリファイン三角メッシュは、新しい対応ポイントを組み入れるために更新することができる(ステップ1014)。
図10を参照すると、特定の実施形態では、識別された紛失領域の全てが処理されリファイン三角メッシュが更新された後、三角メッシュに基づいて新しい凸面丘をコンピュータで計算することができる(ステップ1015)。紛失領域によって増加されたアラインメント範囲の限度を決定するために、新しい凸面丘及び前の凸面丘の範囲を計算することができ、領域範囲増加率(r)を、以前の網羅された画像範囲に対する付加的な範囲対象領域の割合として決定することができる。rが、例えば、5%、4%、3%、2%、1%、0.9%、0.8%、0.7%、0.6%、0.5%、0.4%、0.3%、0.2%、0.1%、又は目的に合ったいずれかの他の値とすることができる事前に決められた値Rより大きい場合(ステップ1016)、新しい凸面丘の外側の新しい紛失領域を識別し付加的な対応ポイントを識別するために、上述のように画像を再度処理することができる。特定の実施形態では、事前に決められた値Rを0.6%とすることができる。リファイン三角メッシュは、新しい紛失領域で識別されたいずれの付加的な対応ポイントも組み入れるために再度更新される。特定の実施形態では、領域範囲増加率(r)が事前に決められた値Rより大きくならなくなるまで、上述の処理は、反復され、リファイン三角メッシュは、新しく識別された対応ポイントを組み入れるために更新される。
特定の実施形態では、付加的な紛失領域を識別するために、画像を任意選択的に再度処理することができ、覆っている三角メッシュの凸面丘の外側のポイント特徴を決定することができ、異なる画像マッチング方法、例えばコンピュータ幾何学方法によって画像間でマッチングさせることができる。リファイン三角メッシュは、識別された対応するポイントを組み入れるために更に更新することができる。
リファイン三角メッシュに基づいて、1つの画像における座標を他の画像にマッピングすることができる(ステップ1018)。例えば、リファイン三角メッシュにおける対応する三角形の各ペアに対して、頂点の座標をアフィン変換によってアラインすることができ、各三角形内の座標を、頂点のアフィン変換の補間を介してアラインすることができる。特定の実施形態では、第2段階から取得されたリファイン三角メッシュは、上述のように座標をアラインするために使用することができる。アラインされた座標は、データ構造及び/又はデータベースに格納することができる。全画像のアラインメントは、出力、例えば1つのモニタ又は複数のモニタでのレンダリング、プリントなどのためにアラインされた座標に基づいて生成することができる。
IHC及びH&E画像を含む組織サンプル画像は、単に、アラインされる例示的な画像である。開示される実施形態に矛盾しない画像のいずれの種類も、本明細書で開示される自動画像アラインメントのための候補とすることができる。本発明の広範な精神及び範囲から逸脱することなく修正及び変更を伴う本明細書で開示される方法及びシステムを使用して、2つより多い画像をアラインすることができる。
図5、6、9、及び10の上述の例示的な処理の流れは、単に例証の目的のためにあることを理解されたい。特定のステップを削除、結合、又は再構成することができ、付加的なステップを追加することができる。
本明細書で開示される方法は、コンピュータプログラム製品、すなわち、非一時的情報キャリアに、例えば機械可読記憶装置に有形で実装されたコンピュータプログラム、又はデータ処理装置、例えば、プログラム可能プロセッサ、マルチプロセッサ、コンピュータ、又はマルチコンピュータによる実行のための或いはこれらの動作を制御するための有形非一時的コンピュータ可読媒体として実装することができる。コンピュータプログラムは、コンパイル又は翻訳言語を含むプログラミング言語のいずれかの適切な形式で書くことができ、独立型プログラムとして、又はモジュール、構成要素、サブルーチン、又はコンピュータ環境で使用するのに適した他のユニットとして含む様々な形式で配備することができる。コンピュータプログラムは、1つのコンピュータで又は1つの場所の複数のコンピュータで実行されるよう配備することができる、又は複数の場所に渡って分散させ通信ネットワークによって相互接続することができる。
本明細書で開示される方法の一部又は全ては、特定用途向け集積回路(ASIC)、フィールドプログラマブルゲートアレイ(FPGA)、結合プログラム可能論理回路(CPLD)、プリント回路基板(PCB)、デジタル信号プロセッサ(DSP)、プログラム可能論理構成要素及びプログラム可能相互接続の結合、単一中央処理ユニット(CPU)チップ、マザーボード上に結合されたCPUチップ、汎用コンピュータ、又は本明細書で開示される自動画像アラインメントを実行することができる装置又はモジュールのいずれかの他の組合せによって実行することができる。
図11は、本発明に矛盾しない例示的な画像アラインメントシステム1100のブロック図を示している。図11に示すように、例示的なシステム1100は、対応イニシエータ1106;第1トライアンギュレータ1108;対応リファイナー1110;第2トライアンギュレータ1112;及び座標アラインメント生成器1114を含むことができる。
図11に関して、アラインされる画像を受信した後に、対応イニシエータ1106は、上述のように、例えば画像アラインメントの第1段階に記述されるように、画像間の初期対応ポイント特徴を決定することができる。次に、第1トライアンギュレータ1108は、該画像内の初期対応ポイント特徴から各画像に対する三角メッシュを作成する。
三角メッシュにおけるアフィン変換推定に基づいて、対応リファイナー1110は、上述のように、例えば画像アラインメントの第2段階に記述されるように、画像間のポイント対応をリファインする。第2トライアンギュレータ1112は、対応リファイナーによってリファインされたポイント対応から各画像に対するリファイン三角メッシュを作成することができる。
リファイン三角メッシュに基づいて、座標アラインメント生成器1114は、アフィン変換を介して対応する三角形の各ペアの頂点で座標アラインメントを決定する。座標アラインメント生成器は、三角形の該ペアにおけるアフィン変換の補間を介して対応する三角形の各ペアの範囲内の座標アラインメントを決定することができる。
特定の実施形態では、例示的なシステムは、画像に対する座標アラインメント情報を格納するために、データ構造又はデータベース管理システムとすることができるデータベース1118を更に含むことができる。データベースはまた、画像アラインメントの処理の間に生成又は使用された情報のいずれも格納することができる。例示的なシステムは、コンピュータモニタ、TVモニタ、又はプリンタなどのようなモニタ又は複数のモニタにおける出力のためのアライン画像1120を提供するために画像アラインメントレンダリングエンジン1116を更に含むことができる。
図11のシステム1100は、画像をアラインするためのコンピュータシステムとして実行することができ、プログラム命令を実行するよう構成された1つ又はそれよりも多くのプロセッサ;及び実行可能命令を含むコンピュータ可読媒体を含み、この実行可能命令は、1つ又はそれよりも多くのプロセッサによって実行された時に、(a)第1画像と第2画像の間の初期対応ポイント特徴を決定する段階;(b)該画像内の初期対応ポイント特徴から各画像に対する三角メッシュを作成する段階;(c)三角メッシュを使用するアフィン変換推定に基づいて第1画像と第2画像間のポイント対応をリファインする段階;(d)(c)でリファインされたポイント対応から各画像に対するリファイン三角メッシュを作成する段階;及び(e)該対応する三角形のペアにおけるアフィン変換の補間を介してリファインされた三角メッシュにおける対応する三角形の各ペアの範囲内の座標アラインメントを決定する段階を含む、画像をアラインするための方法をコンピュータシステムに実行させる。
前述の明細書では、本発明を、特定の例示的な実施形態に関して説明している。しかし、様々な修正及び変更が、以下の請求項に示される本発明の広範な精神及び範囲から逸脱することなく行い得ることが明らかであろう。明細書及び図面は、従って、制限ではなく例証と見なされる。本発明の他の実施形態は、本明細書に開示される本発明の明細書及び実施の検討から当業者には明らかになるはずである。
1100 画像アラインメントシステム
1102 画像1
1104 画像2
1106 対応イニシエータ
1108 第1トライアンギュレータ
1110 対応リファイナー
1112 第2トライアンギュレータ
1114 座標アラインメント生成器
1116 画像アラインメントレンダリングエンジン
1118 データベース
1120 アラインされた画像

Claims (20)

  1. 画像をアラインするためのコンピュータ実行方法であって、前記方法は、1つ又はそれよりも多くのコンピュータによって実行される、
    (a)第1画像と第2画像の間の初期対応ポイント特徴を決定する段階と、
    (b)前記画像内の前記初期対応ポイント特徴から前記画像の三角メッシュを作成する段階と、
    (c)前記三角メッシュを使用したアフィン変換推定に基づいて前記第1画像と前記第2画像の間のポイント対応をリファインする段階と、
    (d)(c)でリファインされた前記ポイント対応から前記画像に対するリファイン三角メッシュを作成する段階と、
    (e)前記対応する三角形のペアにおけるアフィン変換の補間を介して前記リファイン三角メッシュにおける対応する三角形のペアの範囲内の座標アラインメントを決定する段階と、
    を含む方法。
  2. (a)初期対応ポイント特徴を決定する段階は、
    前記第1画像でキーポイントを生成する段階と、
    前記キーポイントに対する前記第2画像における対応を決定するス段階と、
    初期対応ポイント特徴として前記第2画像における対応を有するキーポイントを選択する段階と、
    を含むことを特徴とする請求項1に記載の方法。
  3. 前記第2画像を複数のサブ画像ウィンドウに区分する段階と、
    前記第1画像における対応するサブ画像ウィンドウを識別する段階と、
    を更に含み、
    キーポイントを生成する段階は、前記第1画像における対応するサブ画像ウィンドウに対するキーポイントを生成する段階を含むことを特徴とする請求項2に記載の方法。
  4. 偽初期対応ポイント特徴を除去する段階を更に含むことを特徴とする請求項1に記載の方法。
  5. (b)の前記三角メッシュは、ドローネー三角分割法であることを特徴とする請求項1に記載の方法。
  6. (c)ポイント対応をリファインする段階は、
    前記第2画像を複数のサブ画像ウィンドウに区分する段階と、
    (b)の前記三角メッシュを使用したアフィン変換推定に基づいて前記第1画像で対応サブ画像ウィンドウを識別する段階と、
    前記第1画像と前記第2画像における対応するサブ画像ウィンドウに対する前記第1画像及び第2画像間の対応ポイントを識別する段階と、
    を含むことを特徴とする請求項1に記載の方法。
  7. 対応ポイントを識別する段階は、
    前記第1画像における前記対応サブ画像ウィンドウに対するキーポイントを生成する段階と、
    前記キーポイントに対する前記第2画像における対応を決定する段階と、
    対応ポイントとして前記第2画像における対応を有するキーポイントを選択する段階と、
    を含むことを特徴とする請求項6に記載の方法。
  8. 偽対応ポイントを除去する段階を更に含むことを特徴とする請求項7に記載の方法。
  9. 前記第1及び第2画像の1つに対する対応ポイントを含む凸面スペースをコンピュータで計算する段階と、
    前記1つの画像における前記凸面スペースの外側に位置付けられた紛失領域を識別する段階と、
    前記第1及び第2画像の間の前記紛失領域における対応ポイントを識別する段階と、
    を更に含むことを特徴とする請求項6に記載の方法。
  10. 前記座標アラインメント及び前記リファイン三角メッシュに基づいて画像アラインメントを生成する段階を更に含むことを特徴とする請求項1に記載の方法。
  11. 前記第1画像は、免疫組織化学的(IHC)染色画像であり、
    前記第2画像は、ヘマトキシリン‐エオジン(H&E)染色画像であることを特徴とする請求項1に記載の方法。
  12. 前記対応を決定する段階は、標準化相互相関を含むことを特徴とする請求項2に記載の方法。
  13. 前記キーポイントを生成する段階は、前記第1画像における画像セグメント化の後の最大曲率検出を含むことを特徴とする請求項3に記載の方法。
  14. 前記対応を決定する段階は、標準化相互相関を含むことを特徴とする請求項7に記載の方法。
  15. 画像をアラインするための装置であって、
    第1画像と第2画像の間の初期対応ポイント特徴を決定するための画像対応イニシエータと、
    前記画像内の前記初期対応ポイント特徴から前記画像に対する三角メッシュを作成するための第1トライアンギュレータと、
    前記三角メッシュを使用したアフィン変換推定に基づいて前記第1及び第2画像間のポイント対応をリファインするための対応リファイナーと、
    前記リファインポイント対応から前記画像に対するリファイン三角メッシュを作成するための第2トライアンギュレータと、
    前記対応する三角形のペアにおけるアフィン変換の補間を介して前記リファイン三角メッシュにおける対応する三角形のペアの範囲内の座標アラインメントを決定するための座標アラインメント生成器と、
    を含む画像をアラインするための装置。
  16. 前記座標アラインメント及び前記リファイン三角メッシュに基づいて画像アラインメントを生成するための画像アラインメントレンダリングエンジンを更に含むことを特徴とする請求項15に記載の装置。
  17. 座標アラインメント情報を格納するためのデータベースを更に含むことを特徴とする請求項15に記載の装置。
  18. 命令を格納するコンピュータ可読媒体であって、前記命令は、実行時に、画像をアラインするための方法をコンピュータに実行させ、前記方法は、
    (a)第1画像と第2画像の間の初期対応ポイント特徴を決定する段階と、
    (b)該画像内の前記初期対応ポイント特徴から前記画像に対する三角メッシュを作成する段階と、
    (c)前記三角メッシュを使用したアフィン変換推定に基づいて前記第1及び第2画像間のポイント対応をリファインする段階と、
    (d)(c)でリファインされた前記ポイント対応から前記画像に対するリファイン三角メッシュを作成する段階と、
    (e)前記対応する三角形のペアにおけるアフィン変換の補間を介して前記リファイン三角メッシュにおける対応する三角形のペアの範囲内の座標アラインメントを決定する段階と、
    を含むことを特徴とするコンピュータ可読媒体。
  19. 前記座標アラインメント及び前記リファイン三角メッシュに基づいて画像アラインメントを生成する段階を更に含むことを特徴とする請求項18に記載の方法。
  20. 画像をアラインするためのコンピュータシステムであって、
    プログラム命令を実行するよう構成された1つ又はそれよりも多くのプロセッサと、
    実行可能命令を含むコンピュータ可読媒体と、
    を含み、前記実行可能命令は、前記1つ又はそれよりも多くのプロセッサによって実行される時に、画像をアラインするための方法を前記コンピュータシステムに実行させ、前記方法は、
    (a)第1画像と第2画像の間の初期対応ポイント特徴を決定する段階と、
    (b)該画像内の前記初期対応ポイント特徴から前記画像に対する三角メッシュを作成する段階と、
    (c)前記三角メッシュを使用したアフィン変換推定に基づいて前記第1及び第2画像間のポイント対応をリファインする段階と、
    (d)(c)でリファインされた前記ポイント対応から前記画像に対するリファイン三角メッシュを作成する段階と、
    (e)前記対応する三角形のペアにおけるアフィン変換の補間を介して前記リファイン三角メッシュにおける対応する三角形のペアの範囲内の座標アラインメントを決定する段階と、
    を含むことを特徴とする画像をアラインするためのコンピュータシステム。
JP2013047206A 2012-03-02 2013-02-20 自動画像アラインメント Pending JP2013182626A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US13/410,960 US8605972B2 (en) 2012-03-02 2012-03-02 Automatic image alignment
US13/410,960 2012-03-02

Publications (1)

Publication Number Publication Date
JP2013182626A true JP2013182626A (ja) 2013-09-12

Family

ID=47900511

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013047206A Pending JP2013182626A (ja) 2012-03-02 2013-02-20 自動画像アラインメント

Country Status (6)

Country Link
US (1) US8605972B2 (ja)
EP (1) EP2634749B1 (ja)
JP (1) JP2013182626A (ja)
CN (1) CN103325085B (ja)
CA (1) CA2866118C (ja)
WO (1) WO2013130469A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017502362A (ja) * 2013-10-01 2017-01-19 ベンタナ メディカル システムズ, インコーポレイテッド ラインベースの画像位置合わせ及び交差画像注釈デバイス、システム、及び方法
JP2018529145A (ja) * 2015-07-17 2018-10-04 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 組織病理学画像の位置合せ

Families Citing this family (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8824758B2 (en) * 2012-11-07 2014-09-02 Sony Corporation Method and apparatus for orienting tissue samples for comparison
EP2973396B1 (en) 2013-03-14 2018-10-10 Ventana Medical Systems, Inc. Whole slide image registration and cross-image annotation devices, systems and methods
US9785818B2 (en) 2014-08-11 2017-10-10 Synaptics Incorporated Systems and methods for image alignment
CN105389774B (zh) * 2014-09-05 2019-03-01 华为技术有限公司 对齐图像的方法和装置
JP6738332B2 (ja) 2014-12-16 2020-08-12 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 対応確率マップ主導の視覚化
US9430457B2 (en) 2014-12-24 2016-08-30 Xerox Corporation Ambiguity reduction for image alignment applications
CN105184786B (zh) * 2015-08-28 2017-10-17 大连理工大学 一种浮点型三角形特征描述方法
WO2017036921A1 (en) * 2015-09-02 2017-03-09 Ventana Medical Systems, Inc. Image processing systems and methods for displaying multiple images of a biological specimen
US10290111B2 (en) * 2016-07-26 2019-05-14 Qualcomm Incorporated Systems and methods for compositing images
CN110168561B (zh) * 2016-10-27 2023-06-16 皇家飞利浦有限公司 用于确定一个或多个组织样本中的细胞组成信息的装置
JP6972157B2 (ja) * 2017-10-16 2021-11-24 株式会社日立ハイテク 撮像装置
CN107945217B (zh) * 2017-11-20 2020-07-14 北京宇航系统工程研究所 一种适用于自动装配的图像特征点对快速筛选方法及系统
EP3559910B1 (en) 2018-03-06 2020-05-13 Google LLC Adaptive image alignment using locally optimal transformations
US11783603B2 (en) 2018-03-07 2023-10-10 Verily Life Sciences Llc Virtual staining for tissue slide images
CN108986016B (zh) * 2018-06-28 2021-04-20 北京微播视界科技有限公司 图像美化方法、装置及电子设备
CN109165571B (zh) * 2018-08-03 2020-04-24 北京字节跳动网络技术有限公司 用于插入图像的方法和装置
CN109191255B (zh) * 2018-09-04 2022-04-15 中山大学 一种基于无监督特征点检测的商品对齐方法
US20200410697A1 (en) * 2019-06-28 2020-12-31 Fei Company Automated and robust method for recording nm-resolution 3d image data from serial ultra-sections of life-sciences samples with electron microscopes
CA3154216A1 (en) * 2019-10-11 2021-04-15 Beyeonics Surgical Ltd. System and method for improved electronic assisted medical procedures
CN110827336A (zh) * 2019-11-01 2020-02-21 厦门美图之家科技有限公司 一种图像对齐方法、装置、设备及存储介质
CN110992407B (zh) * 2019-11-07 2023-10-27 武汉多谱多勒科技有限公司 一种红外与可见光图像匹配方法
CN111751371B (zh) * 2020-06-24 2021-01-08 武汉中纪生物科技有限公司 一种免疫组化数字玻片阅片系统及方法
CN115917594A (zh) * 2020-08-24 2023-04-04 文塔纳医疗系统公司 使用几何特征的整个载玻片注释转移
CN112348863B (zh) * 2020-11-09 2022-06-21 Oppo广东移动通信有限公司 图像对齐方法、图像对齐装置及终端设备
US11830622B2 (en) 2021-06-11 2023-11-28 International Business Machines Corporation Processing multimodal images of tissue for medical evaluation
WO2023167968A2 (en) * 2022-03-02 2023-09-07 Brain Corporation Systems and methods for aligning a plurality of local computer readable maps to a single global map and detecting mapping errors

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001067463A (ja) * 1999-06-22 2001-03-16 Nadeisu:Kk 異なる視点からの複数のフェイシャル画像に基づき新たな視点からのフェイシャル画像を生成するフェイシャル画像生成装置及び方法並びにその応用装置及び記録媒体
JP2005308553A (ja) * 2004-04-21 2005-11-04 Topcon Corp 三次元画像計測装置及び方法
JP2009180539A (ja) * 2008-01-29 2009-08-13 Nec Corp 病理診断支援装置、病理診断支援方法、およびプログラム
JP2010500571A (ja) * 2006-08-07 2010-01-07 ゼネラル・エレクトリック・カンパニイ 組織マイクロアレイの多チャネル画像の共位置合わせシステム及び方法
JP2011118005A (ja) * 2009-11-30 2011-06-16 Sony Corp 情報処理装置、情報処理方法及びそのプログラム
WO2011158162A1 (en) * 2010-06-15 2011-12-22 Koninklijke Philips Electronics N.V. An image processing method in microscopy

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6266062B1 (en) 1997-10-08 2001-07-24 Maria-Cecilia Rivara Longest-edge refinement and derefinement system and method for automatic mesh generation
US6664956B1 (en) * 2000-10-12 2003-12-16 Momentum Bilgisayar, Yazilim, Danismanlik, Ticaret A. S. Method for generating a personalized 3-D face model
US7020347B2 (en) * 2002-04-18 2006-03-28 Microsoft Corp. System and method for image-based surface detail transfer
JP4451647B2 (ja) 2002-12-11 2010-04-14 エフ イー アイ カンパニ 電子顕微鏡におけるチルト系列の自動配置決定方法
WO2005017820A1 (en) 2003-08-15 2005-02-24 Scape A/S Computer-vision system for classification and spatial localization of bounded 3d-objects
US8732025B2 (en) 2005-05-09 2014-05-20 Google Inc. System and method for enabling image recognition and searching of remote content on display
US7583857B2 (en) * 2005-08-24 2009-09-01 Siemens Medical Solutions Usa, Inc. System and method for salient region feature based 3D multi modality registration of medical images
US7854518B2 (en) 2006-06-16 2010-12-21 Hewlett-Packard Development Company, L.P. Mesh for rendering an image frame
US20080095465A1 (en) * 2006-10-18 2008-04-24 General Electric Company Image registration system and method
EP2081494B1 (en) 2006-11-16 2018-07-11 Vanderbilt University System and method of compensating for organ deformation
EP2104906A4 (en) 2007-01-05 2011-01-26 Carl Zeiss Microimaging Ais Inc SYSTEM AND METHOD FOR ANALYZING TISSUE OBJECTS FOR TRUTHING PATHOLOGIES
US20100322496A1 (en) 2008-02-29 2010-12-23 Agency For Science, Technology And Research Method and system for anatomy structure segmentation and modeling in an image
GB0913930D0 (en) 2009-08-07 2009-09-16 Ucl Business Plc Apparatus and method for registering two medical images
CN101930537B (zh) * 2010-08-18 2014-08-20 北京交通大学 基于弯曲不变量相关特征的三维人脸识别方法及系统
CN102136142B (zh) * 2011-03-16 2013-03-13 内蒙古科技大学 基于自适应三角形网格的非刚性医学图像配准方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001067463A (ja) * 1999-06-22 2001-03-16 Nadeisu:Kk 異なる視点からの複数のフェイシャル画像に基づき新たな視点からのフェイシャル画像を生成するフェイシャル画像生成装置及び方法並びにその応用装置及び記録媒体
JP2005308553A (ja) * 2004-04-21 2005-11-04 Topcon Corp 三次元画像計測装置及び方法
JP2010500571A (ja) * 2006-08-07 2010-01-07 ゼネラル・エレクトリック・カンパニイ 組織マイクロアレイの多チャネル画像の共位置合わせシステム及び方法
JP2009180539A (ja) * 2008-01-29 2009-08-13 Nec Corp 病理診断支援装置、病理診断支援方法、およびプログラム
JP2011118005A (ja) * 2009-11-30 2011-06-16 Sony Corp 情報処理装置、情報処理方法及びそのプログラム
WO2011158162A1 (en) * 2010-06-15 2011-12-22 Koninklijke Philips Electronics N.V. An image processing method in microscopy
JP2013530467A (ja) * 2010-06-15 2013-07-25 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 顕微鏡検査法の画像処理方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017502362A (ja) * 2013-10-01 2017-01-19 ベンタナ メディカル システムズ, インコーポレイテッド ラインベースの画像位置合わせ及び交差画像注釈デバイス、システム、及び方法
JP2018529145A (ja) * 2015-07-17 2018-10-04 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. 組織病理学画像の位置合せ

Also Published As

Publication number Publication date
US20130230220A1 (en) 2013-09-05
CA2866118A1 (en) 2013-09-06
US8605972B2 (en) 2013-12-10
EP2634749A2 (en) 2013-09-04
CA2866118C (en) 2017-03-28
CN103325085B (zh) 2016-05-18
WO2013130469A1 (en) 2013-09-06
CN103325085A (zh) 2013-09-25
EP2634749A3 (en) 2017-12-06
EP2634749B1 (en) 2019-04-10

Similar Documents

Publication Publication Date Title
JP2013182626A (ja) 自動画像アラインメント
US20230419694A1 (en) Virtual staining for tissue slide images
US10373380B2 (en) 3-dimensional scene analysis for augmented reality operations
JP5704363B2 (ja) デジタル病理画像のための自動同期ナビゲーションシステム
EP3621034B1 (en) Method and apparatus for calibrating relative parameters of collector, and storage medium
US20170098310A1 (en) Edge-based local adaptive thresholding system and methods for foreground detection
US11783604B2 (en) Method for creating histopathological ground truth masks using slide restaining
Paramanandam et al. Automated segmentation of nuclei in breast cancer histopathology images
JP5538868B2 (ja) 画像処理装置、その画像処理方法及びプログラム
JP2019533805A (ja) 視覚化されたスライド全域画像分析を提供するためのデジタル病理学システムおよび関連するワークフロー
WO2014172527A1 (en) Systems and methods for multiplexed biomarker quantitation using single cell segmentation on sequentially stained tissue
US8306354B2 (en) Image processing apparatus, method, and program
WO2005062255A1 (en) Toboggan-based shape characterization
Harangi et al. Cell detection on digitized pap smear images using ensemble of conventional image processing and deep learning techniques
CN113724267A (zh) 一种乳腺超声图像肿瘤分割方法及装置
CN113705432A (zh) 一种模型训练、三维目标检测方法、装置、设备及介质
KR102075454B1 (ko) 웹-기반 삼차원 뇌 신경회로 이미지를 제공하는 시스템 및 방법
CN112703531A (zh) 生成组织图像的注释数据
JP2016001386A (ja) 画像生成方法、画像生成装置、コンピュータプログラム及び記録媒体
WO2024035957A1 (en) Method and system for automatic determination of registration accuracy
CN115917594A (zh) 使用几何特征的整个载玻片注释转移

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20140106

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20140115

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20140707