JP2019503214A - ヒューリスティックグラフ探索による階層画像の高速自動区分化 - Google Patents
ヒューリスティックグラフ探索による階層画像の高速自動区分化 Download PDFInfo
- Publication number
- JP2019503214A JP2019503214A JP2018529552A JP2018529552A JP2019503214A JP 2019503214 A JP2019503214 A JP 2019503214A JP 2018529552 A JP2018529552 A JP 2018529552A JP 2018529552 A JP2018529552 A JP 2018529552A JP 2019503214 A JP2019503214 A JP 2019503214A
- Authority
- JP
- Japan
- Prior art keywords
- cost
- path
- image
- link
- heuristic
- 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
Links
- 230000011218 segmentation Effects 0.000 title description 4
- 238000000034 method Methods 0.000 claims abstract description 152
- 238000003384 imaging method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 21
- 238000012014 optical coherence tomography Methods 0.000 claims description 15
- 230000008859 change Effects 0.000 claims description 8
- 230000010287 polarization Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 2
- 230000007423 decrease Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims description 2
- 238000002604 ultrasonography Methods 0.000 claims description 2
- 230000002708 enhancing effect Effects 0.000 claims 1
- 238000003709 image segmentation Methods 0.000 description 11
- 238000001514 detection method Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 210000004087 cornea Anatomy 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000001454 recorded image Methods 0.000 description 3
- 238000010845 search algorithm Methods 0.000 description 3
- 238000011477 surgical intervention Methods 0.000 description 3
- 239000002775 capsule Substances 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000001976 improved effect Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 210000002159 anterior chamber Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000037361 pathway Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 210000001525 retina Anatomy 0.000 description 1
- 230000002207 retinal effect Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
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
- G06T7/181—Segmentation; Edge detection involving edge growing; involving edge linking
-
- 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
- G06T7/162—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
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10101—Optical tomography; Optical coherence tomography [OCT]
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/20016—Hierarchical, coarse-to-fine, multiscale or multiresolution image processing; Pyramid transform
-
- 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
- G06T2207/30041—Eye; Retina; Ophthalmic
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Eye Examination Apparatus (AREA)
- Image Analysis (AREA)
Abstract
Description
110−眼層5を含む眼領域の画像データを撮像システム10により検出する工程と;
120−リンクにより接続されたノードと、ノードとリンクの少なくとも1つに対応する検出された画像データとを含む画像グラフを画像処理プロセッサにより構築する工程と;
130−経路のヒューリスティックグラフ探索を眼層の画像に対応する画像グラフに対して行う工程であって、本工程は、
140−リンクコストの少なくとも1つを画像グラフのリンクへおよびノードコストを画像グラフのノードへ割り当てることにより;
150−画像グラフのノードとリンクの少なくとも1つへヒューリスティックコストを割り当てることにより;
160/(a)−拡張リンクによりその前ノードから選択経路を拡張することにより拡張経路を生成することにより;
170/(b)−拡張経路のヒューリスティックコストと拡張経路のチェーンコストとを組み合わせることにより拡張経路の経路コストを判断することにより、ここで、経路のヒューリスティックコストはその前ノードのヒューリスティックコストであり、経路のチェーンコストは、経路のリンクのリンクコストの合計、経路のノードのノードコストの合計、および経路のリンクとノードのリンクコストとノードコストの加重和のうちの1つである;
180/(c)−更新された選択経路として、拡張経路からおよび格納された未選択経路から選択された最低コスト経路を選択することにより;
190/(d)−未選択拡張経路とそれらのコストを格納し、選択経路の前ノードを検査済みとしてマーキングすることにより、行われる工程とを含み得るということを示す。工程(a)−(d)は眼層画像を表す選択経路を識別するために繰り返し行われ得る。
110−眼層5を含む眼領域の画像データを撮像システム10により検出する工程と;
120−リンクにより接続されたノードと、ノードとリンクの少なくとも1つに対応する検出された画像データとを含む画像グラフを画像処理プロセッサにより構築する工程と;
130−経路のヒューリスティックグラフ探索を眼層の画像に対応する画像グラフに対して行う工程であって、本工程は、
140−リンクコストの少なくとも1つを画像グラフのリンクへおよびノードコストを画像グラフのノードへ割り当てることにより;
150−画像グラフのノードとリンクの少なくとも1つへヒューリスティックコストを割り当てることにより;
160/(a)拡張リンクによりその前ノードから選択経路を拡張することにより拡張経路を生成することにより;
170/(b)拡張経路のヒューリスティックコストと拡張経路のチェーンコストとを組み合わせることにより拡張経路の経路コストを判断することにより、ここで、経路のヒューリスティックコストはその前ノードのヒューリスティックコストであり、経路のチェーンコストは、経路のリンクのリンクコストの合計、経路のノードのノードコストの合計、および経路のリンクとノードのリンクコストとノードコストの加重和のうちの1つである;
180/(c)−拡張経路から最低コスト経路を選択することにより、行われる工程と、を含み得るということを示す。工程(a)−(c)は眼層画像を表す選択経路を識別するために繰り返し行われ得る。
310−眼層を含む眼領域の画像200を撮像システム10により撮影する工程と;
320−画像200から、リンク220により接続されたノード210と、ノードとリンクのうちの少なくとも1つに対応する検出画像データとを含む画像グラフを構築するために画像処理プロセッサ30を使用する工程と;
330−経路のヒューリスティックグラフ探索を眼層201の画像に対応する画像グラフに対して行う工程であって、本工程は、
340−リンクコストの少なくとも1つを画像グラフのリンク220へおよびノードコストを画像グラフのノード210へ割り当てることにより;
350−画像グラフのノードとリンクの少なくとも1つへヒューリスティックコストを割り当てることにより;
360/(a)−N番目の選択経路をそのN番目の前ノードから(N+1)番目の拡張リンクにより拡張することにより(N+1)番目の拡張経路を生成することにより;
370/(b)−(N+1)番目の拡張経路のリンクコストとノードコストの少なくとも1つと(N+1)番目の拡張経路のヒューリスティックコストとを組み合わせることにより(N+1)番目の拡張経路の経路コストを判断することにより、ここで、経路のヒューリスティックコストはその前ノードのヒューリスティックコストであり、経路のリンクコストは経路のリンクのリンクコストの合計であり、経路のノードコストは経路のノードのノードコストの合計である;
380/(c)−(N+1)番目の選択経路として、(N+1)番目の拡張経路からおよび格納された未選択経路から選択された最小コスト経路を選択することにより;
390/(d)−(N+1)番目の未選択経路とそれらのコストを格納し、N番目の前ノードを検査済みとしてマーキングすることにより、行われる工程と、を含み、工程(a)−(d)を繰り返し反復するということを示す。
コスト(工程0):直隣リンクコストLC=10;対角線方向隣リンクコストLC=14。
1a.第1の拡張リンクによりノード6をノードiへリンクすることにより第1の拡張経路(6−i)を生成する;
1b.第1の拡張経路の経路コストC1(6−i)を判断する:
1c.第1の選択経路(6−2)*として、第1の拡張経路から選択された最小コスト経路を選択する:
1d.未選択経路のコストを格納し;ノード6を検査済みとしてマーキングする。
*工程1cでは、経路(6−2)、(6−5)、(6−10)のコストは次のコストのリストに示すようにすべて同じ10だった。さらに、前ノード2と5は左上角ノード1から同じ距離を有する。したがって、上記タイブレーク手順の両工程が、(6−2)を選択するために採用された。
コスト(工程1):
−第1の拡張経路コスト:
C1(6−1)=14
C1(6−2)=10
C1(6−3)=14
C1(6−5)=10
C1(6−9)=14
C1(6−10)=10
2a.第2の拡張リンクにより第1の選択経路(6−2)をノードIまで拡張することにより第2の拡張経路(6−2−i)を生成する;
2b.第2の拡張経路の経路コストC2(6−2−i)を判断する;C2(6−2−i)<C1(6−i)の場合に限り、経路(6−2)を(6−2−i)まで拡張する;
2c.第2の拡張経路からおよび格納された未選択経路から選択された最小コスト経路を第2の選択経路(6−5)*として選択する:
2d.未選択経路のコストを格納し;ノード2を検査済みとしてマーキングする。
*経路(6−5)と格納された経路(6−10)は同じ最低コストを有する。タイブレーク手順は、前ノード5がノード10よりノード1に近いので、選択された経路(6−5)を選択した。
コスト(工程2):
−第2の拡張経路コスト:
C2(6−2−1)=20、C1(6−1)=14を選択する。
C2(6−2−3)=20、C1(6−3)=14を選択する。
C2(6−2−5)=24、C1(6−5)=10を選択する。
−格納された経路コスト:工程1からの未選択経路。
3a.3番目の拡張リンクにより第2の選択経路(6−5)をノードiまで拡張することにより3番目の拡張経路(6−5−i)を生成する;
3b.3番目の拡張経路の経路コストC3(6−5−i)を判断する;C3(6−5−i)<C2(6−i)の場合に限り、経路(6−5)を(6−5−i)まで拡張する。
3c.3番目の拡張経路と未選択経路とから選択された最小コスト経路を3番目の選択経路(6−10)として格納する;
3d.未選択経路のコストを格納し;ノード5を検査済みとしてマーキングする。
コスト(工程3):
−3番目の拡張経路コスト:
C3(6−5−1)=20、C1(6−1)=14を選択する。
C3(6−5−9)=20、C1(6−9)=14を選択する。
C3(6−5−10)=24、C1(6−10)=10を選択する。
−格納された経路コスト:工程1〜2からの未選択経路。
4a.4番目の拡張リンクにより3番目の選択経路(6−10)をノードiまで拡張することにより4番目の拡張経路(6−10−i)を生成する;
4b.4番目の拡張経路の経路コストC4(6−10−i)を判断する;C4(6−10−i)<C3(6−i)の場合に限り、経路(6−10)を(6−10−i)まで拡張する;
4c.4番目の拡張経路と格納された未選択経路とから選択された最小コスト経路を4番目の選択経路(6−1)*として選択する:
4d.未選択経路のコストを格納し;ノード10を検査済みとしてマーキングする。
*再び2つの最低コスト経路(格納された経路(6−9)と(6−1))が存在する。前ノード1は左上角により近い(実際にはそれに一致する)、経路(6−1)が、選択工程180/380/(c)において上記タイブレーク手順により選択される。
コスト(工程4):
−4番目の拡張経路:
C4(6−10−9)=24、C1(6−9)=14を選択する。
−格納された経路コスト:C1(6−1)=14を含む工程1〜3からの未選択経路。
5a.5番目の拡張リンクにより4番目の選択経路(6−1)をノードiまで拡張することにより5番目の拡張経路(6−1−i)を生成する;
5b.全ての可能なノードi(2、5、6)は検査済みとしてマーキングされているので、そのコストが計算される必要がある5番目の拡張経路は存在しないということに留意されたい;
5c.格納済みで以前の未選択経路から最低コスト経路を選択する:(6−9)*
5d.1を検査済みとしてマーキングする。
*再び、2つの最低コスト経路(6−3)と(6−9)が存在する。タイブレーク手順は(6−9)を選択した。
コスト(工程5):
−5番目の拡張経路コスト:
ノード1に接続され得るすべてのノード(2、5、6)はすべて検査済みとして既にマーキングされているので5番目の拡張経路は許容されない。
−格納されたコスト:工程1〜4からの未選択経路。
C1(6−9)=14
6a.6番目の拡張リンクにより5番目の選択経路(6−9)をノードiまで拡張することにより6番目の拡張経路(6−9−i)を生成する;
6b.全ての可能なノードi(5、6、10)は検査済みとしてマーキングされているので、そのコストが計算される必要がある6番目の拡張経路は存在しないということに留意されたい;
6c.格納済みで以前の未選択経路:(6−3)から最低コスト経路を選択する;
6d.9を検査済みとしてマーキングする。
コスト(工程6):
−6番目の拡張経路コスト:
5、6、10はすべて検査済みとしてマーキングされているので、6番目の拡張経路は許容されない。
−格納されたコスト:工程1〜5からの未選択経路。
C1(6−3)=14
7a.7番目の拡張リンクにより6番目の選択経路(6−3)をノードiまで拡張することにより7番目の拡張経路(6−3−i)を生成する;
7b.7番目の拡張経路のうちの1つがターゲットノード8に達していない限り7番目の拡張経路の経路コストC7(6−3−i)を判断する。7番目の拡張経路がターゲットノード8に達していれば、眼層の画像として第7の拡張経路(6−3−8)を出力/報告する。
コスト(工程7):(拡張経路(6−3−8)がターゲットノード8に達したので、いかなるコストベース選択も行われる必要がなく、したがって、これらのコストは完全性のためにだけ与えられる):
−第7の拡張経路コスト:
C7(6−3−4)=24
C7(6−3−8)=28
工程0:
0a.リンクコストLCを割り当てる。
0b.ヒューリスティックコストHCを割り当てる:HC=ターゲットノード8からのノードの斜格子距離
コスト:
LC(直隣)=10
LC(対角方向近隣)=14
そして
HC(1)=34
HC(2)=24
HC(3)=14
HC(4)=10
HC(5)=30
HC(6)=20
HC(9)=34
HC(10)=24
1a.第1の拡張リンクによりノード6を隣接ノードiへリンクすることにより第1の拡張経路(6−i)を生成する;
1b.第1の拡張経路の経路コストC1(6−i)をC=LC+HCと判断する;
1c.第1の拡張経路から選択された最低コスト経路を第1の選択経路(6−3)として選択する:
1d.未選択経路のコストを格納し、ノード6を検査済みとしてマーキングする。
コスト(工程1):
−第1の拡張経路コスト:
C1(6−1)=48
C1(6−2)=34
C1(6−3)=28
C1(6−5)=40
C1(6−9)=48
C1(6−10)=34
2a.第2の拡張リンクにより第1の選択経路(6−3)をノードiへ拡張することにより第2の拡張経路(6−3−i)を生成する;
2b.第2の拡張経路がターゲットノード8に達しない限り、第2の拡張経路の経路コストC2(6−3−i)を判断する。第2の拡張経路がターゲットノード8に達したならば、眼層の画像として第2の拡張経路(6−3−8)を出力する:
コスト(工程2):
−第2の拡張経路コスト:
C2(6−3−2)=48、
C1(6−2)=34を選択する。
C2(6−3−4)=34
C2(6−3−8)=28
−格納された経路コスト:工程1からの未選択経路。
Claims (23)
- 眼画像を処理する方法であって、
眼層を含む眼領域の画像データを撮像システムにより検出する工程と;
リンクにより接続されたノードと、前記ノードと前記リンクの少なくとも1つに対応する前記検出された画像データとを含む画像グラフを前記画像から画像処理プロセッサにより構築する工程と;
経路のヒューリスティックグラフ探索を前記眼層の画像に対応する前記画像グラフに対して行う工程であって、本工程は、
リンクコストの少なくとも1つを前記画像グラフのリンクへおよびノードコストを前記画像グラフのノードへ割り当てることにより;
前記画像グラフの前記ノードと前記リンクの少なくとも1つへヒューリスティックコストを割り当てることにより;
(a)拡張リンクによりその前ノードから選択経路を拡張することにより拡張経路を生成することにより;
(b)前記拡張経路のヒューリスティックコストと前記拡張経路のチェーンコストとを組み合わせることにより拡張経路の経路コストを判断することにより、ここで、経路の前記ヒューリスティックコストはその前ノードの前記ヒューリスティックコストであり、経路の前記チェーンコストは、前記経路の前記リンクの前記リンクコストの合計、前記経路の前記ノードの前記ノードコストの合計、および前記経路の前記リンクと前記ノードの前記リンクコストと前記ノードコストの加重和のうちの1つである;
(c)更新された選択経路として、前記拡張経路からおよび格納された未選択経路から選択された最低コスト経路を選択することにより;
(d)未選択拡張経路とそれらのコストを格納し、前記選択された経路の前記前ノードを検査済みとしてマーキングすることにより;
そして工程(a)−(d)を繰り返し反復することにより行われる工程と、を含む方法。 - 前記画像グラフを構築する前記工程は、前記撮像システムから前記眼領域の検出画像データを受信する工程と、
前記画像処理プロセッサにより前記検出画像データから特徴画像データを生成する工程とを含み、
前記特徴画像データは、前記検出画像データの強度、位相、勾配またはテクスチャに対応し、
前記ヒューリスティックグラフ探索を行う前記工程は、前記ヒューリスティックコストと、前記リンクコストと前記ノードコストの少なくとも1つとを判断するために前記特徴画像データを使用する工程を含む、請求項1に記載の方法。 - 前記検出画像データは、検出された撮像光の画像強度、偏光状態、色および位相の少なくとも1つに関連付けられる、請求項2に記載の方法。
- 前記画像グラフを構築する前記工程は、前記グラフの前記ノードを前記撮像システムの画素に対応するように定義するとともに前記グラフの前記リンクを前記ノード同士を接続するリンクとして定義する工程を含み;
前記特徴画像データを生成する前記工程は、前記検出画像データの強度と位相のうちの1つを前記画像データを検出した前記画素に関連付ける工程と、
一対のノード間の前記検出画像データの前記強度と前記位相の1つの勾配を評価する工程とを含み、
リンクコストを前記リンクへ割り当てる前記工程は前記勾配が増加すると低下するリンクコストを、前記一対のノードを接続する前記リンクへ割り当てる工程を含む、請求項2に記載の方法。 - 前記一対のノードは、最近隣画素、対角線方向隣画素、カットオフ距離より短い距離だけ離された画素のうちの少なくとも1つを含む、請求項4に記載の方法。
- 拡張経路の前記経路コストを判断する前記工程は:
前記選択された経路の前記ヒューリスティックコストの変化を計算するとともに、前記選択された経路の前記チェーンコストの変化を計算する工程であって、前記両方の変化は前記選択された経路を前記経路拡張リンクにより拡張することにより引き起こされる、工程と;
前記ヒューリスティックコストの前記変化および前記チェーンコストの前記変化の組み合わせにより前記選択経路の前記経路コストを更新することにより前記拡張経路の前記経路コストを判断する工程とを含む、請求項1に記載の方法。 - 最低コスト経路を選択する前記工程は、前記拡張経路および格納された未選択経路のうちの2つ以上が同じ経路コストを有するときにタイブレークアルゴリズムを使用する工程を含む、請求項1に記載の方法。
- 終了判定基準に達するまで前記選択された経路を更新するために工程(a)−(d)を反復する工程と;
前記更新された選択経路を前記眼層の前記画像に対応するとして識別する工程とを含む、請求項1に記載の方法。 - ヒューリスティックコストと前記チェーンコストとを組み合わせる工程は、前記拡張経路の前記ヒューリスティックコストを、重み係数でもって前記拡張経路の前記チェーンコストへ加える工程を含む、請求項1に記載の方法。
- 前記ヒューリスティックコストを割り当てる前記工程は、
前記画像処理プロセッサにより前記画像の縁からの前記ノードと前記リンクのうちの前記少なくとも1つの距離を判断する工程と;
前記判断された距離に応じて、ノードとリンクのうちの少なくとも1つの前記ヒューリスティックコストを定義する工程とを含む、請求項1に記載の方法。 - 前記ヒューリスティックコストを割り当てる前記工程は、
前記画像処理プロセッサにより前記眼層の以前の記録済み層画像に基づき前記眼層の層画像を生成する工程と;
ノードまたはリンクの少なくとも1つのヒューリスティックコストを、前記ノードと前記リンクの少なくとも1つから前記判断された層画像に沿った前記画像の縁までの経路長に基づき定義する工程とを含む、請求項1に記載の方法。 - 前記以前の記録済み層画像を前記眼画像へ登録する工程を含む、請求項11に記載の方法。
- 前記ヒューリスティックコストを割り当てる前記工程は、
前記ヒューリスティックグラフ探索を行うのに先立って較正の一部としてヒューリスティック関数テーブルを生成する工程と;
前記生成されたヒューリスティック関数テーブルをメモリ内に格納する工程と;
前記格納されたヒューリスティック関数テーブルを前記メモリから呼び出して前記ヒューリスティックコスト割り当て工程に使用されるようにする工程とを含む、請求項1に記載の方法。 - 前記ヒューリスティックコストを割り当てる前記工程は、
前記画像グラフの解像度未満の第1の解像度によりスケーリング済み画像グラフを生成する工程と;
スケーリング済み経路を判断するために前記スケーリング済み画像グラフ上の前記経路の非ヒューリスティックグラフ探索を行う工程と;
前記スケーリング済み経路を使用して前記ヒューリスティックグラフ探索の前記ヒューリスティックコストを割り当てる工程と、を含む、請求項1に記載の方法。 - 前記スケーリング済み経路を使用して前記ヒューリスティックグラフ探索の前記ヒューリスティックコストを割り当てる前記工程は、前記スケーリング済み経路に沿った前記画像の縁からの前記画像グラフの前記ノードと前記リンクの少なくとも1つの距離を使用する工程を含む、請求項14に記載の方法。
- 前記距離を使用する工程は前記スケーリング済み経路からの前記画像グラフの前記リンクと前記ノードとの少なくとも1つの距離と前記使用された距離とを組み合わせる工程を含む、請求項14に記載の方法。
- 前記スケーリング済み画像グラフを生成する前記工程は、粗視化と間引きの少なくとも1つにより、前記撮像システムにより撮影された前記画像から前記スケーリング済み画像グラフを生成する工程を含む、請求項14に記載の方法。
- 前記撮像システムは光コヒーレンストモグラフィ(OCT)システムを含む、請求項1に記載の方法。
- 前記撮像システムは超音波システムを含む、請求項1に記載の方法。
- 前記撮像システムはシャインプルーフシステムを含む、請求項1に記載の方法。
- 画像を撮影する前記工程は、擬似カラーを関連付けること、コントラストを調整すること、輝度を調整すること、フィルタリングすること、正規化すること、雑音低減を実施すること、画像データを増強すること、およびヒストグラム等化を実施することのうちの少なくとも1つにより前記撮像システムにより前記画像を前処理する工程を含む、請求項1に記載の方法。
- 請求項1に記載の方法は前記眼層の画像に対して行われ、
前記画像は、前記画像の縁から縁まで配向された、方向付けされた、滑らかである、および拡張されたもののうちの1つである、請求項1に記載の方法。 - 眼画像を処理する方法であって、
眼層を含む眼領域の画像データを撮像システムにより検出する工程と;
リンクにより接続されたノードと、前記ノードと前記リンクの少なくとも1つに対応する前記検出された画像データとを含む画像グラフを前記画像から構築するために画像処理プロセッサを使用する工程と;
経路のヒューリスティックグラフ探索を前記眼層の画像に対応する前記画像グラフに対して行う工程であって、本工程は、
リンクコストの少なくとも1つを前記画像グラフのリンクへおよびノードコストを前記画像グラフのノードへ割り当てることにより;
前記画像グラフの前記ノードと前記リンクの少なくとも1つへヒューリスティックコストを割り当てることにより;
(a)N番目の選択経路をそのN番目の前ノードから(N+1)番目の拡張リンクにより拡張することにより(N+1)番目の拡張経路を生成することにより;
(b)前記(N+1)番目の拡張経路のリンクコストとノードコストの少なくとも1つと前記(N+1)番目の拡張経路のヒューリスティックコストとを組み合わせることにより前記(N+1)番目の拡張経路の経路コストを判断することにより、ここで、経路の前記ヒューリスティックコストはその前ノードの前記ヒューリスティックコストであり、前記経路の前記リンクコストは前記経路の前記リンクの前記リンクコストの合計であり、前記経路の前記ノードコストは前記経路の前記ノードの前記ノードコストの合計である;
(c)前記(N+1)番目の選択経路として、前記(N+1)番目の拡張経路と前記格納された未選択経路から選択された最小コスト経路を選択することにより;
(d)前記(N+1)番目の未選択経路とそれらのコストを格納し、前記N番目の前ノードを検査済みとしてマーキングすることにより、行われる、工程と、を含み、工程(a)−(d)を繰り返し反復する方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US14/966,694 US9928602B2 (en) | 2015-12-11 | 2015-12-11 | Fast and automated segmentation of layered image with heuristic graph search |
US14/966,694 | 2015-12-11 | ||
PCT/IB2016/057324 WO2017098388A1 (en) | 2015-12-11 | 2016-12-02 | Fast and automated segmentation of layered image with heuristic graph search |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019503214A true JP2019503214A (ja) | 2019-02-07 |
JP6795596B2 JP6795596B2 (ja) | 2020-12-02 |
Family
ID=57680432
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018529552A Active JP6795596B2 (ja) | 2015-12-11 | 2016-12-02 | ヒューリスティックグラフ探索による階層画像の高速自動区分化 |
Country Status (8)
Country | Link |
---|---|
US (1) | US9928602B2 (ja) |
EP (1) | EP3360112B8 (ja) |
JP (1) | JP6795596B2 (ja) |
CN (1) | CN108369737B (ja) |
AU (1) | AU2016367430B2 (ja) |
CA (1) | CA3004517C (ja) |
ES (1) | ES2774126T3 (ja) |
WO (1) | WO2017098388A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10123689B2 (en) | 2015-10-28 | 2018-11-13 | Oregon Health & Science University | Systems and methods for retinal layer segmentation in OCT imaging and OCT angiography |
US10140693B2 (en) * | 2017-03-23 | 2018-11-27 | Intergraph Corporation | Motion imagery corner point sequencer |
US10991120B2 (en) * | 2017-11-14 | 2021-04-27 | Samsung Electronics Co., Ltd. | Method and apparatus for processing a plurality of undirected graphs |
JP7417524B2 (ja) * | 2017-11-30 | 2024-01-18 | アルコン インコーポレイティド | 光コヒーレンストモグラフィ撮像におけるセグメント化の改善 |
US10970291B2 (en) * | 2018-08-10 | 2021-04-06 | MachineVantage, Inc. | Detecting topical similarities in knowledge databases |
CN109299337B (zh) * | 2018-10-19 | 2022-05-13 | 南威软件股份有限公司 | 一种基于迭代的图搜索方法 |
CN112348829B (zh) * | 2020-11-02 | 2022-06-28 | 东华理工大学 | 基于模态点演化的地面LiDAR点云枝叶分离方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007502676A (ja) * | 2003-08-21 | 2007-02-15 | アイシェム コーポレイション | 血管プラーク検出および分析のための自動化方法およびシステム |
US20110182517A1 (en) * | 2010-01-20 | 2011-07-28 | Duke University | Segmentation and identification of layered structures in images |
JP2013066667A (ja) * | 2011-09-26 | 2013-04-18 | Fujifilm Corp | 画像処理装置および方法ならびにプログラム |
JP2013537067A (ja) * | 2010-09-10 | 2013-09-30 | アシスト・メディカル・システムズ,インコーポレイテッド | 医用画像検索のための装置及び方法 |
JP2014014725A (ja) * | 2013-10-30 | 2014-01-30 | Canon Inc | 画像処理装置、画像処理方法、及びプログラム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7995810B2 (en) * | 2005-06-24 | 2011-08-09 | The University Of Iowa Research Foundation | System and methods for image segmentation in n-dimensional space |
US8571278B2 (en) * | 2005-06-24 | 2013-10-29 | The University Of Iowa Research Foundation | System and methods for multi-object multi-surface segmentation |
US8358819B2 (en) * | 2005-06-24 | 2013-01-22 | University Of Iowa Research Foundation | System and methods for image segmentation in N-dimensional space |
US7997728B2 (en) * | 2006-05-01 | 2011-08-16 | University Of Southern California | Mapping and diagnosis of macular edema by optical coherence tomography |
US8223143B2 (en) * | 2006-10-27 | 2012-07-17 | Carl Zeiss Meditec, Inc. | User interface for efficiently displaying relevant OCT imaging data |
DE102007056528B3 (de) * | 2007-11-16 | 2009-04-02 | Seereal Technologies S.A. | Verfahren und Vorrichtung zum Auffinden und Verfolgen von Augenpaaren |
US8348429B2 (en) | 2008-03-27 | 2013-01-08 | Doheny Eye Institute | Optical coherence tomography device, method, and system |
DE102009006416B3 (de) * | 2009-01-28 | 2010-08-26 | Siemens Aktiengesellschaft | Verfahren und Verzweigungs-Ermittlungseinrichtung zur Ermittlung einer Verzweigungsstelle sowie einer Mittellinie innerhalb eines Hohlorgans nebst zugehörigem Computerprogramm |
US8801187B1 (en) * | 2010-12-23 | 2014-08-12 | Carl Zeiss Meditec, Inc. | Methods to reduce variance in OCT analysis of the macula |
US9033510B2 (en) * | 2011-03-30 | 2015-05-19 | Carl Zeiss Meditec, Inc. | Systems and methods for efficiently obtaining measurements of the human eye using tracking |
US9214029B2 (en) * | 2012-02-02 | 2015-12-15 | Peter Yim | Method and system for image segmentation |
US8929636B2 (en) * | 2012-02-02 | 2015-01-06 | Peter Yim | Method and system for image segmentation |
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 |
-
2015
- 2015-12-11 US US14/966,694 patent/US9928602B2/en active Active
-
2016
- 2016-12-02 CA CA3004517A patent/CA3004517C/en active Active
- 2016-12-02 EP EP16819664.0A patent/EP3360112B8/en active Active
- 2016-12-02 CN CN201680072363.3A patent/CN108369737B/zh active Active
- 2016-12-02 WO PCT/IB2016/057324 patent/WO2017098388A1/en active Application Filing
- 2016-12-02 JP JP2018529552A patent/JP6795596B2/ja active Active
- 2016-12-02 ES ES16819664T patent/ES2774126T3/es active Active
- 2016-12-02 AU AU2016367430A patent/AU2016367430B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007502676A (ja) * | 2003-08-21 | 2007-02-15 | アイシェム コーポレイション | 血管プラーク検出および分析のための自動化方法およびシステム |
US20110182517A1 (en) * | 2010-01-20 | 2011-07-28 | Duke University | Segmentation and identification of layered structures in images |
JP2013537067A (ja) * | 2010-09-10 | 2013-09-30 | アシスト・メディカル・システムズ,インコーポレイテッド | 医用画像検索のための装置及び方法 |
JP2013066667A (ja) * | 2011-09-26 | 2013-04-18 | Fujifilm Corp | 画像処理装置および方法ならびにプログラム |
JP2014014725A (ja) * | 2013-10-30 | 2014-01-30 | Canon Inc | 画像処理装置、画像処理方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20170169573A1 (en) | 2017-06-15 |
JP6795596B2 (ja) | 2020-12-02 |
AU2016367430B2 (en) | 2021-09-30 |
EP3360112A1 (en) | 2018-08-15 |
CN108369737B (zh) | 2022-03-04 |
CA3004517A1 (en) | 2017-06-15 |
CA3004517C (en) | 2024-04-02 |
CN108369737A (zh) | 2018-08-03 |
EP3360112B1 (en) | 2020-01-29 |
WO2017098388A1 (en) | 2017-06-15 |
US9928602B2 (en) | 2018-03-27 |
AU2016367430A1 (en) | 2018-05-24 |
EP3360112B8 (en) | 2020-03-11 |
ES2774126T3 (es) | 2020-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108369737B (zh) | 使用启发式图搜索以快速且自动地分割分层图像 | |
Kaul et al. | Detecting curves with unknown endpoints and arbitrary topology using minimal paths | |
CN107920747B (zh) | 导丝检测系统、方法和装置 | |
JP6039156B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
JP5072449B2 (ja) | 医用画像処理装置及び医用画像処理方法 | |
JP5959168B2 (ja) | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム | |
JP5784404B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
US20060280351A1 (en) | Systems and methods for automated measurements and visualization using knowledge structure mapping ("knowledge structure mapping") | |
CN107657644B (zh) | 一种移动环境下稀疏场景流检测方法和装置 | |
JP6752468B2 (ja) | 3次元形状計測装置及び3次元形状計測方法 | |
JP2011194060A (ja) | 画像処理装置、画像処理システム、画像処理方法、及び画像処理をコンピュータに実行させるためのプログラム | |
US20160259898A1 (en) | Apparatus and method for providing reliability for computer aided diagnosis | |
JP6644075B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN112164043A (zh) | 一种用于多眼底图像拼接的方法及系统 | |
JP6864450B2 (ja) | 眼科撮影装置 | |
JP4836065B2 (ja) | エッジトラッキング方法及びそのコンピュータプログラム | |
JP7439990B2 (ja) | 医療画像処理装置、医療画像処理プログラム、および医療画像処理方法 | |
WO2017030058A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
Chen et al. | Determination of blood flow characteristics in eye vessels in video sequence | |
JP5859983B2 (ja) | レーザ式手術システムにおいて局所的画像化と統合された勾配探索法 | |
JP6647305B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP6419115B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US10264960B2 (en) | Information processing apparatus, operation method thereof, and computer program | |
JP7396468B2 (ja) | 学習装置、推論装置、制御方法及びプログラム | |
JP6720267B2 (ja) | 画像処理装置、画像処理方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20191106 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20191227 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20200116 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20200212 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200909 |
|
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: 20201013 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201112 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6795596 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |