JP2018097852A - 画像類似度を確定する方法及び装置 - Google Patents

画像類似度を確定する方法及び装置 Download PDF

Info

Publication number
JP2018097852A
JP2018097852A JP2017201732A JP2017201732A JP2018097852A JP 2018097852 A JP2018097852 A JP 2018097852A JP 2017201732 A JP2017201732 A JP 2017201732A JP 2017201732 A JP2017201732 A JP 2017201732A JP 2018097852 A JP2018097852 A JP 2018097852A
Authority
JP
Japan
Prior art keywords
region
lung
image
target image
feature points
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.)
Granted
Application number
JP2017201732A
Other languages
English (en)
Other versions
JP7067014B2 (ja
Inventor
梦蛟 王
Mengjiao Wang
梦蛟 王
リィウ・ルゥジエ
Rujie Liu
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of JP2018097852A publication Critical patent/JP2018097852A/ja
Application granted granted Critical
Publication of JP7067014B2 publication Critical patent/JP7067014B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • 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
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • 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
    • 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
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • 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
    • G06T2207/30008—Bone
    • G06T2207/30012—Spine; Backbone
    • 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
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/759—Region-based matching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Library & Information Science (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

【課題】本発明は、画像類似度を確定する方法及び装置を提供する。
【解決手段】画像類似度を確定する方法は、目標画像中の基準点に対する位置に基づいて前記目標画像を複数の領域に分割し、また、同様な方式で参照画像を複数の領域に分割し；及び、前記目標画像中の特徴点、前記参照画像中の特徴点、及び分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点との分布状況の類似度を確定することを含む。
【選択図】図１

Description

本発明は、画像処理分野に関し、より具体的には、画像類似度を確定する方法及び装置に関する。
医学応用分野では、画像検索は、データベース中で類似した画像を検索することで、医者による診断を補助することができる。画像検索のキーとなるステップは、検索画像（目標画像）とデータベース中の参照画像との類似度を計算することで、類似度のソート（並べ替え）結果に基づいて類似画像を検索することである。びまん性肺疾患を例とし、通常、CT画像を用いて診断を行う。この例の場合、よくある類似度の確定手段は、検索画像と参照画像中の病変領域の重畳部分の大小を類似度確定の根拠とする方法である。しかし、このような方法は、病変領域の分布、具体的に言えば、即ち、病変領域から身体の中心までの距離情報を考慮していない。該情報は、異なる発症機序を表し、重要な臨床的意義を有する。
また、天然資源の探査では、地震トモグラフィー（seismic tomography）について、異常領域の分布状況を考慮して、検索画像とデータベース画像との類似度を計算することも望ましい。
よって、特徴点（例えば、病変領域や異常震域）の分布状況を考慮して、検索画像とデータベース画像との類似度を計算する方法及び装置を要する。
本発明の主な目的は、画像類似度を確定する方法を提供することにあり、該方法は、目標画像について、その中の基準点に対する位置に基づいて、前記目標画像を複数の領域に分割し、且つ同様な方式で参照画像を複数の領域に分割し；及び、前記目標画像中の特徴点及び前記参照画像中の特徴点、並びに分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点の分布状況の類似度を確定することを含む。
本発明の一側面によれば、画像類似度を確定する装置が提供される。該装置は、目標画像について、その中の基準点に対する位置に基づいて、前記目標画像を複数の領域に分割し、且つ同様な方式で参照画像を複数の領域に分割するように構成される領域分割ユニットと、前記目標画像中の特徴点及び前記参照画像中の特徴点、並びに分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点の分布状況の類似度を確定するように構成される類似度確定ユニットとを含む。
また、本発明の実施例は、さらに、上述の方法を実現するためのコンピュータプログラムを提供する。
また、本発明の実施例は、さらに、少なくとも、コンピュータ可読媒体形式のコンピュータプログラムプロダクトを提供し、その中には、上述の方法を実現するためのコンピュータプログラムコードが記憶されている。
本発明の一実施例における画像類似度確定方法100のフローチャートである。 図2Ａないし図2Ｄは、肺部断層画像において身体の中心を確定する方法を示す図である。 肺部を３つのサブ領域に分割することを示す図である。 識別待ち肺部断層画像とデータベース中の肺部断層画像との類似度を計算する方法を示す図である。 図5Ａないし図5Ｅは、肺部のびまん性病変領域についての識別過程を示す図である。 図6Ａないし図6Ｅは、肺部の実質性病変領域についての識別過程を示す図である。 本発明の一実施例における画像類似度確定装置700のブロック図である。 本発明の画像類似度確定方法及び装置を実施するための計算装置の例示的な構成図である。
以下、添付した図面を参照しながら、本発明を実施するための好適な形態を詳細に説明する。なお、以下に開示の実施形態は、例示に過ぎず、本発明を限定するものでない。
本発明は、基準点に対する位置に基づいて画像に対して領域分割を行い、そして、分割された領域の情報及び特徴点の分布状況に基づいて、画像類似度を確定する方法を提案することで、類似度についてのより合理な記述を提案する。以下、主に肺部画像を例として、本発明による画像類似度を確定する方法及び装置を説明する。
本発明の方法を用いて識別待ち肺部断層画像とデータベース中のサンプル肺部断層画像の類似度を確定する時に、先ず、医用画像中の肺部領域を抽出し、それから、肺部領域の、身体の中心に対しての遠近に基づいて、肺部を３つの領域、即ち、身体中心領域、肺中間領域及び肺内壁領域を分割し、これにより、病変領域の各サブ領域中の分布をより良く反映することができる。最後に、領域情報の加重（weighting）に基づく双方向距離度量を用いて類似度を衡量（measure）することで、後続の類似度ソート及びデータベース画像検索を実現することができる。
図1は、本発明の一実施例中の画像類似度を確定する方法100の例示的なフローチャートである。
ステップS102では、目標画像について、そのうちの基準点に対する位置に基づいて、前記目標画像を複数の領域に分割し、且つ同様な方法で参照画像を複数の領域に分割する。
以下、目標画像が識別待ち肺部断層画像であるケースを例として、肺部に対しての分割を詳細に説明する。
肺部に対しての分割は、先ず、身体の中心点の位置を見つける必要がある。図2A〜図2Dは、肺部断層画像中で身体の中心を確定する方法を示す。身体の中心は、身体の縦膈領域の中心である。縦膈領域は、図2Dに示すCT画像中の点線で示されている部分である。縦膈領域の断層画像中の形状が不規則であるため、その中心の位置を確定し難しい。よって、本発明では、骨のランドマーク（bony landmark）を用いて身体の中心を確定する。その具体的なステップは、次の通りである。
1)図2Aに示すように、断層画像中の骨の構造を抽出し、それは、脊柱、肋骨などを含み；
2)図2Bに示すように、骨の構造から、その面積の大小に基づいて、最大の隔離領域を脊柱部分として抽出し；
3)脊柱の中心列を身体の中心列方向上の位置とし；
4)図2Cに示すように、脊柱の上縁以上であって、左右境界がそれぞれ脊柱の左右境界である上部領域内で、骨の構造を見つけ；
5)図2Dに示すように、上記ステップ4)中で見つけた骨の構造の下縁と脊柱の上縁の、身体の中心列方向上での中点を取って身体の中心点とする。
身体の中心点を確定した後に、身体の中心点に対しての位置に基づいて、肺部に対して領域分割を行う必要がある。図3は、肺部を分割することで得られた３つのサブ領域、即ち、身体中心領域（図3中で碁盤の模様で示されている領域）、肺内壁領域（図3中で格子状の模様で示されている領域）及び肺中間領域（図3中で点状の模様で示されている領域）を示す。３つの領域の確定方法は、次の通りである。
身体中心領域：身体の中心点を円心とする所定半径の円形領域と肺部領域の共通集(intersection)である。
肺内壁領域：肺部辺縁輪郭（肺部上、下接点の間の輪郭）が法線ベクトルに沿って内へ移動することで囲まれる領域であり、具体的には、次のようなステップを含み、即ち、（1）身体の中心点と肺部領域の中心を接続する直線を形成し；（2）該直線に平行な肺部領域の接線の位置をそれぞれ見つけ、肺部領域の輪郭の、上下の２つの接点の間の部分を肺部の辺縁輪郭とし；（3）辺縁輪郭を、各輪郭点の法線ベクトルに沿って身体の中心点へ一定距離（例えば、20mm）移動し、移動後の輪郭と、オリジナル辺縁輪郭（移動前の辺縁輪郭）とにより囲まれた領域を肺内壁領域とする。
肺中間領域：肺部領域全体から上述の両者（２つの領域）を除去した部分を肺中間領域とする。
本発明では、身体の中心点に対しての位置に基づいて、肺部領域を身体中央領域、肺内壁領域及び肺中間領域に分けることで、病変領域の肺部中の分布をより精確に記述することができる。
また、目標画像とデータベース中の参照画像との類似度を計算するために、データベース中の参照画像を上述と同様な方法で分割する必要がある。
次に、ステップS104では、前記目標画像中の特徴点と前記参照画像中の特徴点、及び分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点の分布状況の類似度を確定する。
図4は、識別待ち肺部断層画像（即ち、目標画像）と、データベース中の肺部断層画像（参照画像）との類似度を計算する方法を示す。ここでは、識別待ち断層画像及びデータベース中の肺部断層画像における肺部の病変領域が既知であるとすると、目標画像と参照画像の類似度の計算方法は、次の通りである。
まず、上述の肺部に対しての分割方法に従って、目標画像及び参照画像をそれぞれ３つの領域（分割領域ともいう）に分割し、このようにして、病変領域は、３つの分割領域に分割され得る。
次に、目標画像中の病変領域の各画素から参照画像中の病変領域の各画素までの最小距離をそれぞれ計算する。
例えば、図4に示すように、目標画像中の病変領域Qにおける点bについて、その、参照画像中の病変領域Dにおける各画素までの距離のうちの最小距離、即ち、点bから領域Dまでの最小距離を計算する。
QとDが重畳領域を有すれば、重畳領域の距離は0である。
その後、同様な方法で参照画像中の病変領域における各画素から目標画像中の病変領域の各画素までの最小距離を計算する。
例えば、図4に示すように、参照画像中の病変領域Dにおける点aについて、その、目標画像中の病変領域Qにおける各画素までの距離のうちの最小距離、即ち、点aから領域Qまでの最小距離を計算する。
次に、目標画像及び参照画像を同じ座標系に置いて考慮して、上述の最小距離に対して加重処理を行う。
最小距離に対応する２つの画素（即ち、最小距離を成す２つの画像）がそれぞれ目標画像及び参照画像中の同一領域にあれば、ウェイトを1と設定し、また、２つの画素が隣接領域にあれば、ウェイトを2と設定し、これに基づいて類推する。なお、当業者が理解すべきは、ウェイトは、上述の値に限定されない。ウェイトの設定は、以下の条件を満足し、即ち、２つの画素が同一領域にある時に設置されるウェイトは、２つの画素が隣接領域にある時に設定されるウェイトよりも小さく、２つの画素の、目標画像及び参照画像中の領域の距離が遠い（大きい）ほど、ウェイトの値が大きい。
最後に、全ての加重後の距離の和を最終的な類似度の値とする。
得られた最終的な類似度の値は、目標画像と参照画像との距離を表す。該距離が大きいほど、目標画像と参照画像の類似度が小さい。以上、肺部の分割情報の加重に基づく双方向距離度量の類似度確定方法を説明し、これにより、同じ領域中の距離が比較的小さく、異なる領域の距離が比較的大きいという目的を実現し、このようにして、類似度をより合理的に記述することができる。
一例では、目標画像を分割する前に、先に肺部領域を識別することができる。
以下、図5A〜5E及び図6A〜6Eを参照して、肺部領域の識別について説明する。本発明では、肺部領域は、正常領域及び病変領域に分かられる。病変領域について、本発明は、それを、びまん性病変領域（5A〜5Eに示すように、明らかな境界がない病変領域である）と実質性病変領域（図6A〜6Eに示すように、明らかな境界がある病変領域である）という２種類に分ける。
CT画像では、正常肺部領域が、比較的低いグレーレベル（グレースケール値）を有する。よって、閾値に基づく分割方法を用いて正常肺部領域を（図5B及び図6Bに示すように）識別することができ、その後、形態学の「close」及び「open」の操作を用いて、抽出された領域輪郭をより平滑にすることができる。
以下、如何にびまん性病変領域及び実質性病変領域を識別するかについてそれぞれ説明する。
びまん性病変領域の識別について、まず、Haralick特徴におけるエントロピーの和を用いて、画像全体に対して解を求め、これにより、びまん性病変領域が他の領域に比べより高い画素値を有するようにさせ、その後、閾値を設定することで、びまん性病変領域を抽出することができる。
また、実質性病変領域について、それは、通常、肺部輪郭の境界に現れる。よって、本発明では、凸包を計算することで、実質性病変領域を識別する。まず、正常領域全体に対して凸包を計算し、その後、凸包画像から正常領域画像を減算し、且つ２つの肺部領域の間の最大独立領域を除去することで、最終的な実質性病変領域を得る。
最終的に、正常領域、びまん性病変領域及び実質性病変領域をコンバインすることで、最終的な肺部領域を得る。
本発明では、肺部領域の識別は、正常領域の識別と病変領域の識別に分かられ、その後、病変領域は、実質性とびまん性に分けられてそれぞれ識別され、そして、最終的に正常領域及び病変領域をコンバインすることで、完全な肺部領域を得ることができる。
以下、図7を参照して、本発明の一実施例における画像類似度を確定する装置700の例示的な構成を説明する。
図7に示すように、画像類似度を確定する装置700は、領域分割ユニット702及び類似度確定ユニット704を含む。
領域分割ユニット702は、目標画像について、そのうちの基準点に対しての位置に基づいて前記目標画像を複数の領域に分割し、且つ同様の方式で参照画像を複数の領域に分割するように構成される。
類似度確定ユニット704は、前記目標画像中の特徴点と前記参照画像中の特徴点、及び分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点の分布状況の類似度を計算するように構成される。
類似度確定ユニット704は、さらに、次のように構成され、即ち、前記目標画像中の各特徴点について、該特徴点から前記参照画像中の各特徴点までの距離のうちの第一最小距離を計算し；前記参照画像中の各特徴点にていて、該特徴点から前記目標画像中の各特徴点までの距離のうちの第二最小距離を計算し、そのうち、前記目標画像及び前記参照画像が同一座標系に位置し、及び、全ての第一最小距離及び第二最小距離に対して加重和を求め、そして、加重和の結果に基づいて、前記目標画像と前記参照画像中の特徴点の分布状況の類似度を計算する。
一例では、画像類似度を確定する装置700は、さらに、ウェイト確定ユニット（図示せず）を含み、それは、次のように構成され、即ち、前記第一最小距離及び前記第二最小距離のうちの各最小距離に対応する２つの特徴点がそれぞれ前記目標画像及び前記参照画像に位置する領域に基づいて加重用のウェイトを確定し、そのうち、前記対応する２つの特徴点がそれぞれ前記目標画像及び前記参照画像中の同じ領域にある場合、前記ウェイトを第一ウェイトと設定し；前記対応する２つの特徴点がそれぞれ前記目標画像及び前記参照画像中の隣接領域にある場合、前記ウェイトを第二ウェイトと設定し；及び、前記対応する２つの特徴点が前記目標画像及び前記参照画像中の同じ領域に位置せず、隣接領域にも位置しない場合、前記ウェイトを、前記第一ウェイト及び前記第二ウェイトと異なる他のウェイトと設定し；そのうち、前記第一ウェイトは、前記第二ウェイトよりも小さく、且つ前記対応する２つの特徴点が前記目標画像及び前記参照画像に位置する領域の距離が遠い（大きい）ほど、ウェイトは、大きい。
そのうち、前記目標画像は、識別待ち肺部断層画像であり、前記参照画像は、データベース中のサンプル肺部断層画像であり、前記特徴点は、肺部断層画像中の病変領域における画素であり、前記基準点は、身体の中心点である。
一例では、前記領域分割ユニット702は、さらに、次のようなプロセスで身体の骨の構造に基づいて前記身体の中心点を確定するように構成され、即ち、前記肺部断層画像中の骨の構造を抽出し；最大の隔離領域を脊柱とし；前記脊柱の中心列及び上縁を見つけ；前記脊柱の上縁以上であって、前記脊柱の左右境界をそれぞれ左右境界とする上部領域内で、骨の構造を見つけ；前記上部領域中の骨の構造の下縁を見つけ；前記中心列の、前記上縁及び前記下縁の間の中点を、前記身体の中心点と確定する。
一例では、前記領域分割ユニット702は、さらに、次のように構成され、即ち、前記肺部断層画像中の画素の、前記身体の中心点に対しての位置に基づいて、前記肺部断層画像を身体中心領域、肺内壁領域及び肺中間領域に分割する。
一例では、領域分割ユニット702は、さらに、次のようなプロセスで前記肺部断層画像を分割するように構成され、即ち、前記肺部領域と、前記身体の中心点を円心とする所定半径の円形領域との共通領域を前記身体中心領域とし；次のようなステップで前記肺内壁領域を確定し、即ち、前記身体の中心点と前記肺部領域の中心を接続する直線を形成し、形成された直線に平行な、前記肺部領域の輪郭と接する上下の２つの接線をそれぞれ見つけ、前記肺部領域の輪郭の上下の２つの接点の間の辺縁輪郭を確定し、及び、前記辺縁輪郭を各輪郭点の法線ベクトルに沿って前記身体の中心点へ所定距離移動し、移動後の輪郭と、前記辺縁輪郭（移動前の辺縁輪郭）により囲まれた領域を前記肺内壁領域とし；また、肺部領域全体から前記身体中心領域及び前記肺内壁領域を減算して、前記肺中間領域を取得する。
一例では、画像類似度を確定する装置700は、さらに、肺部領域識別ユニット（図示せず）を含み、それは、次のように構成され、即ち、前記肺部断層画像から正常肺部の初期領域を抽出し；びまん性病変領域及び実質性病変領域をそれぞれ抽出し；前記初期領域、前記びまん性病変領域及び前記実質性病変領域を組み合わせて、肺部領域を取得し；また、前記肺部領域を前記目標画像として領域分割を行う。
そのうち、肺部領域識別ユニットは、さらに、次のように構成され、即ち、閾値による分割方法を用いて正常肺部領域を抽出する。
そのうち、肺部領域識別ユニットは、さらに、次のように構成され、即ち、凸包を計算することで実質性病変領域を識別する。
なお、画像類似度を確定する装置700の各ユニットの処理及び機能の細部については、図1〜図6Eをもとに説明された本発明の画像類似度を確定する方法の実施例を参照することができるので、ここでは、その詳しい説明を省略する。
また、図7に示す装置及びその構成ユニットの構造は、例示に過ぎず、当業者は、ニーズに応じて図7に示す構造に対して変更しても良い。
また、上述の実施例による装置及び方法における各構成ユニットやステップなどは、ソフトウェア、ファームウェア、ハードウェア又はそれらの任意の組み合わせの方式で実現されてもよい。ソフトウェア又はファームウェアにより実現される場合は、記憶媒体又はネットワークから、専用ハードウェア構造を有する装置（例えば、図8に示す汎用計算装置800）に、このソフトウェア又はファームウェアを構成するプログラムをインストールすることができる。この計算装置800は、各種のプログラムがインストールされている時に、上述の各構成ユニットやステップの各種の機能を行うことができる。
図8は、本発明の画像類似度確定方法及び装置を実施するための計算装置800の例示的な構成図である。
図8では、中央処理ユニット（CPU）801は、ROM 802に記憶されているプログラム、又は、記憶部808からRAM 803にロードされているプログラムに基づいて、各種の処理を行う。RAM 803は、必要に応じて、CPU 801が各種の処理などを実行する時に必要なデータを記憶する。CPU 801、ROM 802及びRAM 803は、バス804により互いに接続される。入力／出力インタフェース805もバス804に接続される。
また、入力／出力インタフェース805に接続されるのは、入力部806（キーボード、マウスなどを含み）、出力部807（例えばCRT、LCDのような表示器及びスピーカーなどを含み）、記憶部808（ハードディスクなどを含み）、通信部809（例えばLANカード、モデムなどのネットワークアクセスカードを含み）をも含む。通信部809は、ネットワーク、例えば、インターネットを介して通信処理を行う。必要に応じて、ドライブ810も入力／出力インタフェース805に接続され得る。取り外し可能な媒体811、例えば、磁気ディスク、光ディスク、光磁気ディスク、半導体記憶装置なども、必要に応じてドライブ810に取り付けされてもよく、その中から読み出されたコンピュータプログラムは、必要に応じて記憶部808にインストールされ得る。
ソフトウェアにより上述の一連の処理を実現する場合、ネットワーク、例えば、インターネット、又は、記憶媒体、例えば、取り外し可能な媒体811からソフトウェアを構成するプログラムをインストールしてもよい。
なお、当業者が理解すべきは、このような記憶媒体は、中にプログラムが記憶されており、ユーザにプログラムを提供するよう装置と独立して配られる図8に示すような取り外し可能な媒体811に限定されない。取り外し可能な媒体811の例としては、磁気ディスク（フロッピーディスク（登録商標）を含む）、光ディスク（ＣＤ−ＲＯＭ及びＤＶＤを含む）、光磁気ディスク（ＭＤ（登録商標）を含む）、及び半導体メモリを含む。或いは、記憶媒体はROM 802、記憶部808に含まれるハードディスクなどであってもよく、それらにはプログラムが記憶されており、且つそれらを含む装置とともにユーザに配られてもよい。
また、本開示は、マシン（例えば、コンピュータ）読取可能な命令コードからなるプログラムプロダクトにも関する。この命令コードは、マシンに読み取られて実行される時に、上述の実施例による方法を実行することができる。それ相応に、上述のマシン読取可能な命令コードからなるプログラムプロダクトを記憶している記憶媒体も本開示に含まれている。このような記憶媒体は、磁気ディスク（フロッピーディスク）、光ディスク、光磁気ディスク、メモリカード、メモリメモリスティックなどを含むが、これらに限定されない。
また、本開示の一つの図面又は一つの実施例に記載の要素及び特徴は、一つ以上の他の図面又は実施例に示す要素及び特徴と組み合わせることができる。
また、上述の一連の処理を行うステップは、上述に説明した順序に従って時間順に行ってもよいが、必ずしも時間順に行う必要がない。一部のステップは、並行又は互いに独立で行ってもよい。
また、本開示による上述の方法の各処理プロセスは、各種のマシン読み取り可能な記憶媒体に記憶されるコンピュータ実行可能なプログラムで実現され得ることも明らかである。
また、本開示の目的は、次の方法で実現されてもよい。即ち、上述の実行可能なプログラムコードを記憶している記憶媒体を直接又は間接的にシステム又は装置に提供し、且つ、該システム又は装置内のコンピュータ又はCPUは、上述のプログラムコードを読み出して実行する。
このとき、システム又は装置はプログラムを実行する機能を有すれば、本発明の実施形態はプログラムに限定されず、且つ、該プログラムは任意の形式であってもよく、例えば、オブジェクトプログラム、インタープリター実行可能なプログラム、又は、オペレーティングシステムへのスクリプトプログラムであってもよい。
上述のマシン読み取り可能な記憶媒体は、各種の記憶器及び記憶ユニット、半導体装置、光、磁気及び光磁気ディスクのような磁気ディスクユニット、及び情報記憶に適する他の媒体等を含むが、これらに限定されない。
また、クライントコンピュータは、インターネットを介して、対応するサーバに接続し、且つ、本発明によるコンピュータプログムラコードをコンピュータにダウンロードしてインストールし、それから、このプログラムを実行することにより、本発明を実現することもできる。
最後に説明すべきは、本文では、例えば、「第一」及び「第二」などのような関係を表す用語は、１つの実体又は操作と、もう１つの実体又は操作とを区分するためだけのものであり、これらの実体又は操作の間にそのような実際の関係又は順序が存在するとの意味又は示唆を有しない。また、「含む」、「有する」のような用語又はその他の変形語は、非排他的な「含む」を包括するため用いられ、これにより、一連の要素を含むプロセス、方法、物品又は装置は、これらの要素だけでなく、明記されていない他の要素を含んでもよく、或いは、このプロセス、方法、物品又は装置が所有する固有の要素を含むものである。より多くの限定が無い場合、「・・・を含む」という語句で限定される要素は、この要素を含むプロセス、方法、物品又は装置に存在する他の同じ要素を排除しない。
また、上述の各実施例を含む実施形態に関し、更に以下の付記を開示する。
（付記1）
画像類似度を確定する方法であって、
目標画像について、その中の基準点に対する位置に基づいて前記目標画像を複数の領域に分割し、且つ同様の方式で参照画像を複数の領域に分割し；及び
前記目標画像中の特徴点、前記参照画像中の特徴点、及び分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点の分布状況の類似度を確定することを含む、方法。
（付記2）
付記1に記載の方法であって、
前記目標画像中の特徴点、前記参照画像中の特徴点、及び分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点の分布状況の類似度を確定することは、
前記目標画像中の各特徴点について、該特徴点から前記参照画像中の各特徴点までの距離のうちの第一最小距離を計算し；
前記参照画像中の各特徴点について、該特徴点から前記目標画像中の各特徴点までの距離のうちの第二最小距離を計算し；及び
全ての第一最小距離及び第二最小距離に対して加重和を求め、そして、加重和の結果に基づいて、前記目標画像と前記参照画像中の特徴点の分布状況の類似度を確定することを含み、
前記目標画像及び前記参照画像は、同一座標系にある、方法。
（付記3）
付記2に記載の方法であって、
前記第一最小距離及び前記第二最小距離のうちの各最小距離に対応する２つの特徴点がそれぞれ前記目標画像と前記参照画像に位置する領域に基づいて、ウェイトを確定し、
前記対応する２つの特徴点がそれぞれ前記目標画像と前記参照画像中の同じ領域に位置する場合、前記ウェイトを第一ウェイトと設定し；
前記対応する２つの特徴点がそれぞれ前記目標画像と前記参照画像中の隣接領域に位置する場合、前記ウェイトを第二ウェイトと設定し；及び
前記対応する２つの特徴点が前記目標画像と前記参照画像中の同じ領域及び隣接領域に位置しない場合、前記ウェイトを前記第一ウェイト及び前記第二ウェイトと異なる他のウェイトと設定し、
前記第一ウェイトは、前記第二ウェイトよりも小さく、前記対応する２つの特徴点が前記目標画像と前記参照画像に位置する領域の距離が大きいほど、ウェイトは大きい、方法。
（付記4）
付記1に記載の方法であって、
前記目標画像は、識別待ち肺部断層画像であり、前記参照画像は、データベース中のサンプル肺部断層画像であり、前記特徴点は、肺部断層画像中の病変領域における画素であり、前記基準点は、身体の中心点である、方法。
（付記5）
付記4に記載の方法であって、
身体の骨の構造に基づいて、以下のステップにより前記身体の中心点を確定し、即ち、
前記肺部断層画像中の骨の構造を抽出し；
最大の隔離領域を脊柱とし；
前記脊柱の中心列及び上縁を見つけ；
前記脊柱の上縁以上であって、前記脊柱の左右境界をそれぞれ左右境界とする上部領域内で、骨の構造を見つけ；
前記上部領域中の骨の構造の下縁を見つけ；及び
前記中心列の、前記上縁と前記下縁との間の中点を、前記身体の中心点とするステップである、方法。
（付記6）
付記5に記載の方法であって、
その中の基準点に対する位置に基づいて前記目標画像を複数の領域に分割することは、前記肺部断層画像中の画素の、前記身体の中心点に対する位置に基づいて、前記肺部断層画像を身体中心領域、肺内壁領域及び肺中間領域に分けることを含む、方法。
（付記7）
付記6に記載の方法であって、
以下のステップにより、前記肺部断層画像を確定し、即ち、
前記肺部領域と、前記身体の中心点を円心とする所定半径の円形領域との共通領域を前記身体中心領域とするステップであり、
以下のステップにより、前記肺内壁領域を確定し、即ち、
前記身体の中心点と前記肺部領域の中心を接続する直線を形成し；
形成された直線に平行な、前記肺部領域の輪郭に接する上下の２つの接線をそれぞれ見つけ、前記肺部領域の輪郭の、上下の２つの接点の間の辺縁輪郭を確定し；及び
前記辺縁輪郭を各輪郭点の法線ベクトルに沿って前記身体の中心点へ所定距離移動し、移動後の輪郭と前記辺縁輪郭により囲まれた領域を前記肺内壁領域とするステップであり、
以下のステップにより、前記肺中間領域を確定し、即ち、
前記肺部領域全体から前記身体中心領域及び前記肺内壁領域を除去して前記肺中間領域を得るステップである、方法。
（付記8）
付記4〜7のうちの任意の１項に記載の方法であって、
前記目標画像を複数の領域に分割する前に、肺部領域識別ステップをさらに含み、該肺部領域識別ステップは、
前記肺部断層画像から正常肺部領域を抽出し；
びまん性病変領域及び実質性病変領域をそれぞれ抽出し；
前記正常肺部領域、前記びまん性病変領域、及び前記実質性病変領域を組み合わせて、肺部領域を取得し；及び
前記肺部領域を前記目標画像として領域分割を行うことを含む、方法。
（付記9）
付記8に記載の方法であって、
閾値による分割方法を用いて前記正常肺部領域を抽出する、方法。
（付記10）
付記8に記載の方法であって、
凸包を計算することで前記実質性病変領域を識別する、方法。
（付記11）
画像類似度を確定する装置であって、
目標画像について、その中の基準点に対する位置に基づいて前記目標画像を複数の領域に分割し、且つ同様な方式で参照画像を複数の領域を分割するように構成される領域分割ユニット；及び
前記目標画像中の特徴点、前記参照画像中の特徴点、及び分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点の分布状況の類似度を確定するように構成される類似度確定ユニットを含む、装置。
（付記12）
付記11に記載の装置であって、
前記類似度確定ユニットは、さらに次のように構成され、即ち、
前記目標画像中の各特徴点について、該特徴点から前記参照画像中の各特徴点までの距離のうちの第一最小距離を計算し；
前記参照画像中の各特徴点について、該特徴点から前記目標画像中の各特徴点までの距離のうちの第二最小距離を計算し；及び
全ての第一最小距離及び第二最小距離に対して加重和を求め、そして、加重和の結果に基づいて、前記目標画像と前記参照画像中の特徴点の分布状況の類似度を確定するように構成され、
そのうち、前記目標画像及び前記参照画像は、同一座標系に位置する、装置。
（付記13）
付記12に記載の装置であって、さらに、
ウェイト確定ユニットを含み、それは、次のように構成され、即ち、
前記第一最小距離及び前記第二最小距離のうちの各最小距離に対応する２つの特徴点がそれぞれ前記目標画像及び前記参照画像に位置する領域に基づいて、加重用のウェイトを確定するように構成され、
そのうち、前記対応する２つの特徴点がそれぞれ前記目標画像と前記参照画像中の同じ領域に位置する場合、前記ウェイトを第一ウェイトと設定し；
前記対応する２つの特徴点がそれぞれ前記目標画像と前記参照画像中の隣接領域に位置する場合、前記ウェイト設置を第二ウェイトと設定し；及び
前記対応する２つの特徴点が前記目標画像と前記参照画像中の同じ領域及び隣接領域に位置しない場合、前記ウェイトを前記第一ウェイト及び前記第二ウェイトと異なる他のウェイトと設定し、
そのうち、前記第一ウェイトは、前記第二ウェイトよりも小さく、前記対応する２つの特徴点が前記目標画像と前記参照画像に位置する領域間の距離が大きいほど、ウェイトは、大きい、装置。
（付記14）
付記11に記載の装置であって、
前記目標画像は、識別待ち肺部断層画像であり、前記参照画像は、データベース中のサンプル肺部断層画像であり、前記特徴点は、肺部断層画像中の病変領域中の画素であり、前記基準点は、身体の中心点である、装置。
（付記15）
付記14に記載の装置であって、
前記領域分割ユニットは、さらに以下のステップで身体の骨の構造に基づいて前記身体の中心点を確定するように構成され、即ち、
前記肺部断層画像中の骨の構造を抽出し；
最大の隔離領域を脊柱とし；
前記脊柱の中心列及び上縁を見つけ；
前記脊柱の上縁以上であって、前記脊柱の左右境界をそれぞれ左右境界とする上部領域内で骨の構造を見つけ；
前記上部領域中の骨の構造の下縁を見つけ；及び
前記中心列の、前記上縁と前記下縁との間の中点を前記身体の中心点とするステップである、装置。
（付記16）
付記15に記載の装置であって、
前記領域分割ユニットは、さらに、
前記肺部断層画像中の画素の、前記身体の中心点に対する位置に基づいて、前記肺部断層画像を身体中心領域、肺内壁領域及び肺中間領域に分割するように構成される、装置。
（付記17）
付記16に記載の装置であって、
前記領域分割ユニットは、さらに、以下のステップで前記肺部断層画像を確定するように構成され、即ち、
前記肺部領域と、前記身体の中心点を円心とする所定半径の円形領域との共通領域を前記身体中心領域とするステップであり、
また、以下のステップで前記肺内壁領域を確定するように構成され、即ち、
前記身体の中心点と前記肺部領域の中心を接続する直線を形成し；
形成された直線に平行な、前記肺部領域の輪郭に接する上下の２つの接線をそれぞれ見つけ、前記肺部領域の輪郭の、上下の２つの接点の間の辺縁輪郭を確定し；及び
前記辺縁輪郭を各輪郭点の法線ベクトルに沿って前記身体の中心点へ所定距離移動し、移動後の輪郭と前記辺縁輪郭とにより囲まれた領域を前記肺内壁領域と確定するステップであり、
また、以下のステップで前記肺中間領域を確定するように構成され、即ち、
前記肺部領域全体から前記身体中心領域及び前記肺内壁領域を除去して前記肺中間領域を得るステップである、装置。
（付記18）
付記14〜17のうちの任意の１項に記載の装置であって、
肺部領域識別ユニットをさらに含み、それは、次のように構成され、即ち、
前記肺部断層画像から正常肺部の初期領域を抽出し；
それぞれ、びまん性病変領域及び実質性病変領域を抽出し；
前記初期領域、前記びまん性病変領域、及び前記実質性病変領域を組み合わせて、肺部領域を取得し；及び
前記肺部領域を前記目標画像として領域分割を行うように構成される、装置。
（付記19）
付記18に記載の装置であって、
前記肺部領域識別ユニットは、さらに、閾値による分割方法を用いて正常肺部領域（正常肺部の初期領域）を抽出するように構成される、装置。
（付記20）
付記18に記載の装置であって、
前記肺部領域識別ユニットは、さらに、凸包を計算することで実質性病変領域を識別するように構成される、装置。
以上、本発明の好ましい実施形態を説明したが、本発明はこのような実施形態に限定されず、本発明の趣旨を離脱しない限り、本発明に対するあらゆる変更は本発明の技術的範囲に属する。

Claims (10)

  1. 画像類似度を確定する方法であって、
    目標画像中の基準点に対する位置に基づいて前記目標画像を複数の領域に分割し、また、同様な方式で参照画像を複数の領域に分割し；及び
    前記目標画像中の特徴点、前記参照画像中の特徴点、及び分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点との分布状況の類似度を確定することを含む、方法。
  2. 請求項1に記載の方法であって、
    前記目標画像中の特徴点、前記参照画像中の特徴点、及び分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点との分布状況の類似度を確定することは、
    前記目標画像中の各特徴点について、該特徴点から前記参照画像中の各特徴点までの距離のうちの第一最小距離を計算し；
    前記参照画像中の各特徴点について、該特徴点から前記目標画像中の各特徴点までの距離のうちの第二最小距離を計算し；及び
    全ての第一最小距離及び第二最小距離に対して加重和を求め、そして、加重和の結果に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点との分布状況の類似度を確定することを含み、
    前記目標画像及び前記参照画像は、同一座標系に位置する、方法。
  3. 請求項2に記載の方法であって、
    前記第一最小距離及び前記第二最小距離のうちの各最小距離に対応する２つの特徴点がそれぞれ前記目標画像及び前記参照画像に位置する領域に基づいて、加重用のウェイトを確定し、
    前記２つの特徴点がそれぞれ前記目標画像及び前記参照画像中の同じ領域に位置する場合、前記ウェイトを第一ウェイトと設定し；
    前記２つの特徴点がそれぞれ前記目標画像及び前記参照画像中の隣接領域に位置する場合、前記ウェイトを第二ウェイトと設定し；及び
    前記２つの特徴点が前記目標画像及び前記参照画像中の同じ領域及び隣接領域に位置しない場合、前記ウェイトを前記第一ウェイト及び前記第二ウェイトと異なる他のウェイトと設定し、
    前記第一ウェイトは、前記第二ウェイトよりも小さく、前記２つの特徴点が前記目標画像及び前記参照画像に位置する領域の距離が大きいほど、ウェイトは大きい、方法。
  4. 請求項1に記載の方法であって、
    前記目標画像は、識別待ち肺部断層画像であり、前記参照画像は、データベース中のサンプル肺部断層画像であり、前記特徴点は、肺部断層画像中の病変領域における画素であり、前記基準点は、身体の中心点である、方法。
  5. 請求項4に記載の方法であって、
    身体の骨の構造に基づいて、
    肺部断層画像中の骨の構造を抽出し；
    最大の隔離領域を脊柱とし；
    前記脊柱の中心列及び上縁を見つけ；
    前記脊柱の上縁以上であって、前記脊柱の左右境界をそれぞれ左右境界とする上部領域内で骨の構造を見つけ；
    前記上部領域中の骨の構造の下縁を見つけ；及び
    前記中心列の、前記上縁と前記下縁との間の中点を、前記身体の中心点とする
    ことにより、前記身体の中心点を確定する、方法。
  6. 請求項5に記載の方法であって、
    前記目標画像中の基準点に対する位置に基づいて前記目標画像を複数の領域に分割することは、
    肺部断層画像中の画素の、前記身体の中心点に対する位置に基づいて、前記肺部断層画像を身体中心領域、肺内壁領域及び肺中間領域に分割することを含む、方法。
  7. 請求項6に記載の方法であって、
    肺部領域と、前記身体の中心点を円心とする所定半径の円形領域との共通領域を前記身体中心領域とし、
    前記身体の中心点と前記肺部領域の中心とを接続する直線を形成し；形成された直線に平行な、前記肺部領域の輪郭に接する上下の２つの接線をそれぞれ見つけ、前記肺部領域の輪郭の、上下の２つの接点の間の辺縁輪郭を確定し；そして、前記辺縁輪郭を各輪郭点の法線ベクトルに沿って前記身体の中心点へ所定距離移動し、移動後の輪郭と前記辺縁輪郭とにより囲まれた領域を前記肺内壁領域とし、
    前記肺部領域全体から前記身体中心領域及び前記肺内壁領域を除去して前記肺中間領域とする、
    ことにより、前記肺部断層画像を分割する、方法。
  8. 請求項4〜7のうちの任意の１項に記載の方法であって、
    前記目標画像を複数の領域に分割する前に、肺部領域を識別することをさらに含み、
    前記肺部領域を識別することは、
    肺部断層画像から正常肺部領域を抽出し；
    びまん性病変領域及び実質性病変領域をそれぞれ抽出し；
    前記正常肺部領域、前記びまん性病変領域、及び前記実質性病変領域を組み合わせて、肺部領域を取得し；及び
    前記肺部領域を前記目標画像とすることを含む、方法。
  9. 請求項8に記載の方法であって、
    閾値による分割方法を用いて前記正常肺部領域を抽出する、方法。
  10. 画像類似度を確定する装置であって、
    目標画像の中の基準点に対する位置に基づいて前記目標画像を複数の領域に分割し、また、同様な方式で参照画像を複数の領域を分割するように構成される領域分割ユニット；及び
    前記目標画像中の特徴点、前記参照画像中の特徴点、及び分割後の領域に基づいて、前記目標画像中の特徴点と前記参照画像中の特徴点との分布状況の類似度を確定するように構成される類似度確定ユニットを含む、装置。
JP2017201732A 2016-12-07 2017-10-18 画像類似度を確定する方法及び装置 Active JP7067014B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201611115344.2 2016-12-07
CN201611115344.2A CN108171712B (zh) 2016-12-07 2016-12-07 确定图像相似度的方法和装置

Publications (2)

Publication Number Publication Date
JP2018097852A true JP2018097852A (ja) 2018-06-21
JP7067014B2 JP7067014B2 (ja) 2022-05-16

Family

ID=62243361

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017201732A Active JP7067014B2 (ja) 2016-12-07 2017-10-18 画像類似度を確定する方法及び装置

Country Status (3)

Country Link
US (1) US10776918B2 (ja)
JP (1) JP7067014B2 (ja)
CN (1) CN108171712B (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210155871A (ko) * 2020-06-16 2021-12-24 재단법인 아산사회복지재단 유사한 의료 이미지를 검색하는 방법 및 상기 방법을 수행하는 유사 이미지 검색 장치

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11132529B2 (en) 2016-11-16 2021-09-28 Ventana Medical Systems, Inc. Convolutional neural networks for locating objects of interest in images of biological samples
JP7034306B2 (ja) * 2018-08-31 2022-03-11 富士フイルム株式会社 領域分割装置、方法およびプログラム、類似度決定装置、方法およびプログラム、並びに特徴量導出装置、方法およびプログラム
CN109740633B (zh) * 2018-12-10 2022-02-22 厦门市美亚柏科信息股份有限公司 一种图像相似度计算方法、装置、存储介质
CN110428415B (zh) * 2019-08-05 2022-05-13 上海联影医疗科技股份有限公司 医学图像的质量评估方法、装置、设备及存储介质
WO2021097595A1 (zh) * 2019-11-18 2021-05-27 中国科学院深圳先进技术研究院 图像的病变区域分割方法、装置及服务器
CN111179257A (zh) * 2019-12-31 2020-05-19 上海联影医疗科技有限公司 一种评价方法、装置、电子设备及存储介质
CN112182272B (zh) * 2020-09-23 2023-07-28 创新奇智(成都)科技有限公司 图像检索方法及装置、电子设备、存储介质
CN114814777B (zh) * 2022-06-27 2022-09-27 中国人民解放军32035部队 一种多雷达密集目标的图形匹配关联方法及系统
CN116132798B (zh) * 2023-02-02 2023-06-30 深圳市泰迅数码有限公司 一种智能摄像头的自动跟拍方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012055392A (ja) * 2010-09-07 2012-03-22 Hitachi Medical Corp 医用画像処理装置、医用画像処理方法
WO2014196069A1 (ja) * 2013-06-06 2014-12-11 株式会社日立製作所 画像処理装置および画像処理方法
JP2015001982A (ja) * 2013-06-14 2015-01-05 富士通株式会社 画像類似度確定装置及び方法並びに画像特徴取得装置及び方法
CN104281679A (zh) * 2014-09-30 2015-01-14 东软集团股份有限公司 基于图像特征的商品分类方法及装置

Family Cites Families (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6647139B1 (en) * 1999-02-18 2003-11-11 Matsushita Electric Industrial Co., Ltd. Method of object recognition, apparatus of the same and recording medium therefor
US7260248B2 (en) * 1999-12-15 2007-08-21 Medispectra, Inc. Image processing using measures of similarity
US6577752B2 (en) * 2001-06-15 2003-06-10 Arch Development Corporation Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease
US6678399B2 (en) * 2001-11-23 2004-01-13 University Of Chicago Subtraction technique for computerized detection of small lung nodules in computer tomography images
US20050207630A1 (en) * 2002-02-15 2005-09-22 The Regents Of The University Of Michigan Technology Management Office Lung nodule detection and classification
JP2008059081A (ja) * 2006-08-29 2008-03-13 Sony Corp 画像処理装置及び画像処理方法、並びにコンピュータ・プログラム
US8081811B2 (en) * 2007-04-12 2011-12-20 Fujifilm Corporation Method, apparatus, and program for judging image recognition results, and computer readable medium having the program stored therein
US8355552B2 (en) * 2007-06-20 2013-01-15 The Trustees Of Columbia University In The City Of New York Automated determination of lymph nodes in scanned images
US20090204338A1 (en) * 2008-02-13 2009-08-13 Nordic Bioscience A/S Method of deriving a quantitative measure of the instability of calcific deposits of a blood vessel
CN101287142A (zh) * 2008-05-16 2008-10-15 清华大学 基于双向跟踪和特征点修正的平面视频转立体视频的方法
US8170321B2 (en) * 2008-05-23 2012-05-01 Siemens Aktiengesellschaft System and method for contour tracking in cardiac phase contrast flow MR images
US9965592B2 (en) * 2010-07-16 2018-05-08 The University Of Houston System Methods of computing pericardial and abdominal fat and methods for motion compensation
CN102184411B (zh) * 2011-05-09 2012-09-05 中国电子科技集团公司第二十八研究所 基于彩色信息的尺度不变特征点描述和匹配方法
CN102968645A (zh) * 2012-10-24 2013-03-13 蔡翔 通过更新图像提高人脸识别准确率及适应性的方法
JP5834253B2 (ja) * 2013-03-27 2015-12-16 パナソニックＩｐマネジメント株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
JP5849206B2 (ja) * 2013-03-27 2016-01-27 パナソニックＩｐマネジメント株式会社 画像処理装置、画像処理方法、及び画像処理プログラム
JP5918734B2 (ja) * 2013-09-25 2016-05-18 富士フイルム株式会社 医用画像処理装置およびその作動方法並びに医用画像処理プログラム
CN103745227A (zh) 2013-12-31 2014-04-23 沈阳航空航天大学 一种基于多维信息的肺结节良恶性鉴别方法
CN103996029B (zh) * 2014-05-23 2017-12-05 安庆师范学院 表情相似度度量方法及装置
JP6368149B2 (ja) * 2014-06-04 2018-08-01 キヤノン株式会社 画像伝送システム、画像処理装置、画像蓄積装置、及びそれらの制御方法
KR20160020917A (ko) * 2014-08-14 2016-02-24 삼성전자주식회사 컴퓨터 보조 진단 장치 및 방법
US10748661B2 (en) * 2014-10-30 2020-08-18 Panasonic Corporation Method for controlling information terminal, and recording medium
CN105989092A (zh) * 2015-02-12 2016-10-05 东芝医疗系统株式会社 医学图像处理设备、医学图像处理方法以及医学成像系统
JP6478840B2 (ja) * 2015-07-01 2019-03-06 キヤノン株式会社 画像処理装置および画像処理方法
WO2017051945A1 (ko) * 2015-09-24 2017-03-30 주식회사 뷰노코리아 질환 모델 기반의 의료 정보 서비스 제공 방법 및 장치
KR102202398B1 (ko) * 2015-12-11 2021-01-13 삼성전자주식회사 영상처리장치 및 그의 영상처리방법
CN106125744B (zh) * 2016-06-22 2019-01-22 山东鲁能智能技术有限公司 基于视觉伺服的变电站巡检机器人云台控制方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012055392A (ja) * 2010-09-07 2012-03-22 Hitachi Medical Corp 医用画像処理装置、医用画像処理方法
WO2014196069A1 (ja) * 2013-06-06 2014-12-11 株式会社日立製作所 画像処理装置および画像処理方法
US20160117797A1 (en) * 2013-06-06 2016-04-28 Hitachi, Ltd. Image Processing Apparatus and Image Processing Method
JP2015001982A (ja) * 2013-06-14 2015-01-05 富士通株式会社 画像類似度確定装置及び方法並びに画像特徴取得装置及び方法
CN104281679A (zh) * 2014-09-30 2015-01-14 东软集团股份有限公司 基于图像特征的商品分类方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210155871A (ko) * 2020-06-16 2021-12-24 재단법인 아산사회복지재단 유사한 의료 이미지를 검색하는 방법 및 상기 방법을 수행하는 유사 이미지 검색 장치
KR102503723B1 (ko) * 2020-06-16 2023-02-28 재단법인 아산사회복지재단 유사한 의료 이미지를 검색하는 방법 및 상기 방법을 수행하는 유사 이미지 검색 장치

Also Published As

Publication number Publication date
CN108171712B (zh) 2022-02-11
US10776918B2 (en) 2020-09-15
US20180158186A1 (en) 2018-06-07
JP7067014B2 (ja) 2022-05-16
CN108171712A (zh) 2018-06-15

Similar Documents

Publication Publication Date Title
JP2018097852A (ja) 画像類似度を確定する方法及び装置
Maitra et al. Technique for preprocessing of digital mammogram
US8103077B2 (en) Method and system for locating opaque regions in chest X-ray radiographs
Zhou et al. Automated lung segmentation and smoothing techniques for inclusion of juxtapleural nodules and pulmonary vessels on chest CT images
US9058650B2 (en) Methods, apparatuses, and computer program products for identifying a region of interest within a mammogram image
Sedai et al. Deep multiscale convolutional feature learning for weakly supervised localization of chest pathologies in x-ray images
JP2014534822A (ja) モデルに基づいた冠動脈のカルシウムスコアリング
CN111462071B (zh) 一种图像处理方法和系统
Yu et al. A framework for hierarchical division of retinal vascular networks
US10296810B2 (en) Apparatus and method for determining lesion similarity of medical image
Nugroho et al. Ultrasound object detection using morphological region-based active contour: an application system
Chen et al. Snake model-based lymphoma segmentation for sequential CT images
EP3843038B1 (en) Image processing method and system
JP5640280B2 (ja) 骨粗鬆症診断支援装置及び骨粗鬆症診断支援プログラム
CN115147359B (zh) 肺叶分割网络模型训练方法、装置、电子设备及存储介质
Shivhare et al. Brain tumor detection using manifold ranking in flair mri
Yassine et al. Fully automated lung segmentation from chest radiographs using SLICO superpixels
CN113822846A (zh) 医学图像中确定感兴趣区域的方法、装置、设备及介质
Sirisha et al. Hybrid shuffled frog leaping algorithm with probability dispersal method for tumor detection in 3d MRI braintumor images
Naeem et al. Description of visual content in dermoscopy images using joint histogram of multiresolution local binary patterns and local contrast
Mourya et al. Empirical greedy machine‐based automatic liver segmentation in CT images
Joshua et al. Lung Cancer Classification with Improvised Three Parameter Logistic Type Distribution Model.
KN et al. Comparison of 3-segmentation techniques for intraventricular and intracerebral hemorrhages in unenhanced computed tomography scans
Asaturyan et al. Hierarchical framework for automatic pancreas segmentation in MRI using continuous max-flow and min-cuts approach
Babu et al. ICMFKC with optimize XGBoost classification for breast cancer image screening and detection

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200709

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20210827

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210914

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211109

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220329

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220411

R150 Certificate of patent or registration of utility model

Ref document number: 7067014

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150