JP2020061000A - 画像検索プログラム、画像検索装置、及び画像検索方法 - Google Patents
画像検索プログラム、画像検索装置、及び画像検索方法 Download PDFInfo
- Publication number
- JP2020061000A JP2020061000A JP2018192435A JP2018192435A JP2020061000A JP 2020061000 A JP2020061000 A JP 2020061000A JP 2018192435 A JP2018192435 A JP 2018192435A JP 2018192435 A JP2018192435 A JP 2018192435A JP 2020061000 A JP2020061000 A JP 2020061000A
- Authority
- JP
- Japan
- Prior art keywords
- image
- feature quantity
- distribution
- similarity
- vector
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
<画像検索システムの構成例>
図1は画像検索システム10の構成例を表す図である。
次に、本第1の実施の形態において用いられる類似度について説明する。
<1.特徴抽出処理>
図7は、画像検索装置100における特徴抽出処理の例を表すフローチャートである。
図8は、検索処理の例を表すフローチャートである。
U=(|ha|cos0,|ha|sin0)=(|ha|,0)
V=(|hb|cosθ,|hb|sinθ)
となる。
図11は、画像検索装置100のハードウェア構成例を表す図である。
第1の画像から前記第1の画像に類似する第2の画像を検索する画像検索装置におけるコンピュータに実行させる画像検索プログラムであって、
前記第1の画像の画像データと前記第2の画像の画像データとに基づいて、前記第1の画像における第1の特徴量の分布と前記第2の画像における第2の特徴量の分布をそれぞれ抽出し、
前記第1の特徴量と前記第2の特徴量とを正規化し、正規化した前記第1の特徴量と正規化した前記第2の特徴量とに基づいて、前記第1の特徴量と前記第2の特徴量の分布の類似度を算出し、
前記分布の類似度を、前記第1の特徴量の分布に対応する第1のベクトルと前記第2の特徴量の分布に対応する第2のベクトルとのなす角度とし、前記第1の特徴量を前記第1のベクトルの大きさ、前記第2の特徴量を前記第2のベクトルの大きさとし、前記第1のベクトルと前記第2のベクトルとの間の距離に基づいて、類似度を算出し、
算出した前記類似度に基づいて、前記第1の画像から前記第2の画像を検索する
処理を前記コンピュータに実行させることを特徴とする画像検索プログラム。
前記第1の特徴量の分布に含まれる前記第1の特徴量に対して、該第1の特徴量の大きさを|ha|、定数をCとすると、C/|ha|を乗算することで、該第1の特徴量を正規化し、前記第2の特徴量の分布に含まれる前記第2の特徴量に対して、該第2の特徴量の大きさを|hb|とすると、C/|hb|を乗算することで、該第2の特徴量を正規化することを特徴とする付記1記載の画像検索プログラム。
正規化した前記第1の特徴量と正規化した前記第2の特徴量とに基づいて、EMD(Earth Mover’s Distance)を用いて、前記分布の類似度を算出することを特徴とする付記1記載の画像検索プログラム。
前記分布の類似度の値がαのとき、(α,0)と(0,1)とを結んだ線分と、中心が(0,0.5)の半径が1/2の円との交点を(β,γ)とすると、メモリから読み出した以下の式(12)に類似度の値αを代入することで、値γを算出し、メモリから読み出した以下の式(13)にγを代入することで、分布の類似度の値域が−1から1までの値zに変換し、値zに対して、メモリから読み出した式(14)に代入することで、前記第1のベクトルと前記第2のベクトルのなす角度θを算出することを特徴とする付記1記載の画像検索プログラム。
前記第1の特徴量の分布に含まれる前記第1の特徴量の大きさを|ha|、前記第2の特徴量の分布に含まれる前記第2の特徴量の大きさを|hb|、前記第1のベクトルと前記第2のベクトルとのなす角度をθとすると、前記第1のベクトルを極座標(|ha|,0)、前記第2のベクトルを極座標(|hb|,θ)とし、極座標(|ha|,0)と極座標(|hb|,θ)との間の距離に基づいて、前記類似度を算出することを特徴とする付記1記載の画像検索プログラム。
極座標(|ha|,0)と極座標(|hb|,θ)との間の距離の逆数に比例する値を、前記類似度とすることを特徴とする付記5記載の画像検索プログラム。
前記類似度が高い順に複数の前記第2の画像を検索することを特徴とする付記1記載の画像検索プログラム。
前記第1及び第2の特徴量は、前記第1及び第2の画像において複数画素からなる格子領域に対して、異常陰影と判定した前記格子領域の数であることを特徴とする付記1記載の画像検索プログラム。
前記格子領域に対して、SVM(Support Vector Machine)を用いて、異常陰影か否かを判定することを特徴とする付記8記載の画像検索プログラム。
前記第1及び第2の画像は、人の肺の画像であり、前記特徴量は、肺の中枢部分の特徴量と末梢部分の特徴量を含むことを特徴とする付記1記載の画像検索プログラム。
前記第1及び第2の画像は、CT(Computed Tomography)画像であり、前記第1及び第2の画像データは、CT値で表されることを特徴とする付記1記載の画像検索プログラム。
第1の画像から前記第1の画像に類似する第2の画像を検索する画像検索装置において、
前記第1の画像の画像データに基づいて、前記第1の画像における第1の特徴量の分布を抽出する検索部と、
前記第2の画像の画像データに基づいて、前記第2の画像における第2の特徴量の分布を抽出する辞書登録部とを備え、
前記検索部は、
前記第1の特徴量と前記第2の特徴量とを正規化し、正規化した前記第1の特徴量と正規化した前記第2の特徴量とに基づいて、前記第1の特徴量と前記第2の特徴量の分布の類似度を算出し、
前記分布の類似度を、前記第1の特徴量の分布に対応する第1のベクトルと前記第2の特徴量の分布に対応する第2のベクトルとのなす角度とし、前記第1の特徴量を前記第1のベクトルの大きさ、前記第2の特徴量を前記第2のベクトルの大きさとし、前記第1のベクトルと前記第2のベクトルとの間の距離に基づいて、類似度を算出し、
算出した前記類似度に基づいて、前記第1の画像から前記第2の画像を検索する
ことを特徴とする画像検索装置。
第1の画像から前記第1の画像に類似する第2の画像を検索する画像検索装置における画像検索方法であって、
前記第1の画像の画像データと前記第2の画像の画像データとに基づいて、前記第1の画像における第1の特徴量の分布と前記第2の画像における第2の特徴量の分布をそれぞれ抽出し、
前記第1の特徴量と前記第2の特徴量とを正規化し、正規化した前記第1の特徴量と正規化した前記第2の特徴量とに基づいて、前記第1の特徴量と前記第2の特徴量の分布の類似度を算出し、
前記分布の類似度を、前記第1の特徴量の分布に対応する第1のベクトルと前記第2の特徴量の分布に対応する第2のベクトルとのなす角度とし、前記第1の特徴量を前記第1のベクトルの大きさ、前記第2の特徴量を前記第2のベクトルの大きさとし、前記第1のベクトルと前記第2のベクトルとの間の距離に基づいて、類似度を算出し、
算出した前記類似度に基づいて、前記第1の画像から前記第2の画像を検索する
ことを特徴とする画像検索方法。
110:辞書登録モジュール 120:特徴量辞書DB
130:検索モジュール 140:UI
160:CPU 200:画像DB
300:CT画像撮像装置
Claims (6)
- 第1の画像から前記第1の画像に類似する第2の画像を検索する画像検索装置におけるコンピュータに実行させる画像検索プログラムであって、
前記第1の画像の画像データと前記第2の画像の画像データとに基づいて、前記第1の画像における第1の特徴量の分布と前記第2の画像における第2の特徴量の分布をそれぞれ抽出し、
前記第1の特徴量と前記第2の特徴量とを正規化し、正規化した前記第1の特徴量と正規化した前記第2の特徴量とに基づいて、前記第1の特徴量と前記第2の特徴量の分布の類似度を算出し、
前記分布の類似度を、前記第1の特徴量の分布に対応する第1のベクトルと前記第2の特徴量の分布に対応する第2のベクトルとのなす角度とし、前記第1の特徴量を前記第1のベクトルの大きさ、前記第2の特徴量を前記第2のベクトルの大きさとし、前記第1のベクトルと前記第2のベクトルとの間の距離に基づいて、類似度を算出し、
算出した前記類似度に基づいて、前記第1の画像から前記第2の画像を検索する
処理を前記コンピュータに実行させることを特徴とする画像検索プログラム。 - 前記分布の類似度の値がαのとき、(α,0)と(0,1)とを結んだ線分と、中心が(0,0.5)の半径が1/2の円との交点を(β,γ)とすると、メモリから読み出した以下の式(1)に類似度の値αを代入することで、値γを算出し、メモリから読み出した以下の式(2)にγを代入することで、分布の類似度の値域が−1から1までの値zに変換し、値zに対して、メモリから読み出した式(3)に代入することで、前記第1のベクトルと前記第2のベクトルのなす角度θを算出することを特徴とする請求項1記載の画像検索プログラム。
- 前記第1の特徴量の分布に含まれる前記第1の特徴量の大きさを|ha|、前記第2の特徴量の分布に含まれる前記第2の特徴量の大きさを|hb|、前記第1のベクトルと前記第2のベクトルとのなす角度をθとすると、前記第1のベクトルを極座標(|ha|,0)、前記第2のベクトルを極座標(|hb|,θ)とし、極座標(|ha|,0)と極座標(|hb|,θ)との間の距離に基づいて、前記類似度を算出することを特徴とする請求項1記載の画像検索プログラム。
- 前記第1及び第2の画像は、人の肺の画像であり、前記特徴量は、肺の中枢部分の特徴量と末梢部分の特徴量を含むことを特徴とする請求項1記載の画像検索プログラム。
- 第1の画像から前記第1の画像に類似する第2の画像を検索する画像検索装置において、
前記第1の画像の画像データに基づいて、前記第1の画像における第1の特徴量の分布を抽出する検索部と、
前記第2の画像の画像データに基づいて、前記第2の画像における第2の特徴量の分布を抽出する辞書登録部とを備え、
前記検索部は、
前記第1の特徴量と前記第2の特徴量とを正規化し、正規化した前記第1の特徴量と正規化した前記第2の特徴量とに基づいて、前記第1の特徴量と前記第2の特徴量の分布の類似度を算出し、
前記分布の類似度を、前記第1の特徴量の分布に対応する第1のベクトルと前記第2の特徴量の分布に対応する第2のベクトルとのなす角度とし、前記第1の特徴量を前記第1のベクトルの大きさ、前記第2の特徴量を前記第2のベクトルの大きさとし、前記第1のベクトルと前記第2のベクトルとの間の距離に基づいて、類似度を算出し、
算出した前記類似度に基づいて、前記第1の画像から前記第2の画像を検索する
ことを特徴とする画像検索装置。 - 第1の画像から前記第1の画像に類似する第2の画像を検索する画像検索装置における画像検索方法であって、
前記第1の画像の画像データと前記第2の画像の画像データとに基づいて、前記第1の画像における第1の特徴量の分布と前記第2の画像における第2の特徴量の分布をそれぞれ抽出し、
前記第1の特徴量と前記第2の特徴量とを正規化し、正規化した前記第1の特徴量と正規化した前記第2の特徴量とに基づいて、前記第1の特徴量と前記第2の特徴量の分布の類似度を算出し、
前記分布の類似度を、前記第1の特徴量の分布に対応する第1のベクトルと前記第2の特徴量の分布に対応する第2のベクトルとのなす角度とし、前記第1の特徴量を前記第1のベクトルの大きさ、前記第2の特徴量を前記第2のベクトルの大きさとし、前記第1のベクトルと前記第2のベクトルとの間の距離に基づいて、類似度を算出し、
算出した前記類似度に基づいて、前記第1の画像から前記第2の画像を検索する
ことを特徴とする画像検索方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018192435A JP7082287B2 (ja) | 2018-10-11 | 2018-10-11 | 画像検索プログラム、画像検索装置、及び画像検索方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018192435A JP7082287B2 (ja) | 2018-10-11 | 2018-10-11 | 画像検索プログラム、画像検索装置、及び画像検索方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020061000A true JP2020061000A (ja) | 2020-04-16 |
JP7082287B2 JP7082287B2 (ja) | 2022-06-08 |
Family
ID=70219029
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018192435A Active JP7082287B2 (ja) | 2018-10-11 | 2018-10-11 | 画像検索プログラム、画像検索装置、及び画像検索方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7082287B2 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1139332A (ja) * | 1997-07-22 | 1999-02-12 | Hitachi Ltd | 画像検索方法およびその装置およびこれを利用した検索サービス |
US20140343889A1 (en) * | 2012-01-13 | 2014-11-20 | Enhanced Surface Dynamics, Inc. | System and methods for risk management analysis of a pressure sensing system |
JP2016076115A (ja) * | 2014-10-07 | 2016-05-12 | 株式会社Nttドコモ | 情報処理装置、情報処理方法及びプログラム |
JP2017021613A (ja) * | 2015-07-13 | 2017-01-26 | 国立大学法人 筑波大学 | クロスモーダル感覚分析システム、提示情報決定システム、情報提示システム、クロスモーダル感覚分析プログラム、提示情報決定プログラムおよび情報提示プログラム |
JP2017215876A (ja) * | 2016-06-01 | 2017-12-07 | 富士通株式会社 | 類似画像検索プログラム、類似画像検索方法、及び類似画像検索装置 |
JP2018151791A (ja) * | 2017-03-10 | 2018-09-27 | 富士通株式会社 | 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法 |
-
2018
- 2018-10-11 JP JP2018192435A patent/JP7082287B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH1139332A (ja) * | 1997-07-22 | 1999-02-12 | Hitachi Ltd | 画像検索方法およびその装置およびこれを利用した検索サービス |
US20140343889A1 (en) * | 2012-01-13 | 2014-11-20 | Enhanced Surface Dynamics, Inc. | System and methods for risk management analysis of a pressure sensing system |
JP2016076115A (ja) * | 2014-10-07 | 2016-05-12 | 株式会社Nttドコモ | 情報処理装置、情報処理方法及びプログラム |
JP2017021613A (ja) * | 2015-07-13 | 2017-01-26 | 国立大学法人 筑波大学 | クロスモーダル感覚分析システム、提示情報決定システム、情報提示システム、クロスモーダル感覚分析プログラム、提示情報決定プログラムおよび情報提示プログラム |
JP2017215876A (ja) * | 2016-06-01 | 2017-12-07 | 富士通株式会社 | 類似画像検索プログラム、類似画像検索方法、及び類似画像検索装置 |
JP2018151791A (ja) * | 2017-03-10 | 2018-09-27 | 富士通株式会社 | 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7082287B2 (ja) | 2022-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8837771B2 (en) | Method and system for joint multi-organ segmentation in medical image data using local and global context | |
Cheung et al. | $ n $-SIFT: $ n $-Dimensional Scale Invariant Feature Transform | |
US8867802B2 (en) | Automatic organ localization | |
US8150132B2 (en) | Image analysis apparatus, image analysis method, and computer-readable recording medium storing image analysis program | |
US8363918B2 (en) | Method and system for anatomic landmark detection using constrained marginal space learning and geometric inference | |
US20110188715A1 (en) | Automatic Identification of Image Features | |
US10853409B2 (en) | Systems and methods for image search | |
US7706612B2 (en) | Method for automatic shape classification | |
US20100067764A1 (en) | Method and System for Automatic Landmark Detection Using Discriminative Joint Context | |
US8285013B2 (en) | Method and apparatus for detecting abnormal patterns within diagnosis target image utilizing the past positions of abnormal patterns | |
JP2012155723A (ja) | 三次元医療映像から最適の二次元医療映像を自動的に生成する方法及び装置 | |
Di Ruberto et al. | Fast and accurate computation of orthogonal moments for texture analysis | |
JP5982726B2 (ja) | ボリュームデータ解析システム及びその方法 | |
JP2008080132A (ja) | 高次元画像空間内の対象を検出するためのシステム及び方法 | |
WO2022110525A1 (zh) | 一种癌变区域综合检测装置及方法 | |
US8340385B2 (en) | Method and system for left ventricle detection in 2D magnetic resonance images using ranking based multi-detector aggregation | |
Sudhakar et al. | An effective biomedical image retrieval framework in a fuzzy feature space employing Phase Congruency and GeoSOM | |
Li et al. | Deformation and refined features based lesion detection on chest X-ray | |
JP7082287B2 (ja) | 画像検索プログラム、画像検索装置、及び画像検索方法 | |
EP4327333A1 (en) | Methods and systems for automated follow-up reading of medical image data | |
Xue et al. | Spine X-ray image retrieval using partial vertebral boundaries | |
Liu et al. | Automatic localization of the fetal cerebellum on 3D ultrasound volumes | |
EP4113439B1 (en) | Determining a location at which a given feature is represented in medical imaging data | |
JP7273285B2 (ja) | 画像検索プログラム、画像検索装置、及び画像検索方法 | |
CN101261735A (zh) | 在高维空间中检测对象的系统和方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210709 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220418 |
|
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: 20220426 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220509 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7082287 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |