JP2022054722A - 内視鏡用プロセッサ及び内視鏡システム - Google Patents
内視鏡用プロセッサ及び内視鏡システム Download PDFInfo
- Publication number
- JP2022054722A JP2022054722A JP2020161900A JP2020161900A JP2022054722A JP 2022054722 A JP2022054722 A JP 2022054722A JP 2020161900 A JP2020161900 A JP 2020161900A JP 2020161900 A JP2020161900 A JP 2020161900A JP 2022054722 A JP2022054722 A JP 2022054722A
- Authority
- JP
- Japan
- Prior art keywords
- evaluation value
- degree
- representative
- value
- pixel
- 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
- 238000011156 evaluation Methods 0.000 claims abstract description 266
- 230000003902 lesion Effects 0.000 claims abstract description 104
- 238000004364 calculation method Methods 0.000 claims abstract description 49
- 238000012545 processing Methods 0.000 claims abstract description 39
- 210000004204 blood vessel Anatomy 0.000 claims description 66
- 208000025865 Ulcer Diseases 0.000 claims description 10
- 231100000397 ulcer Toxicity 0.000 claims description 10
- 238000000611 regression analysis Methods 0.000 claims description 4
- 238000001839 endoscopy Methods 0.000 claims description 3
- 230000010354 integration Effects 0.000 abstract description 11
- 210000001519 tissue Anatomy 0.000 description 124
- 206010061218 Inflammation Diseases 0.000 description 31
- 230000004054 inflammatory process Effects 0.000 description 31
- 230000000875 corresponding effect Effects 0.000 description 24
- 238000000034 method Methods 0.000 description 22
- 238000005286 illumination Methods 0.000 description 14
- 238000007689 inspection Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 13
- 102000001554 Hemoglobins Human genes 0.000 description 11
- 108010054147 Hemoglobins Proteins 0.000 description 11
- 238000007781 pre-processing Methods 0.000 description 10
- 238000012937 correction Methods 0.000 description 9
- 239000003086 colorant Substances 0.000 description 7
- 210000004400 mucous membrane Anatomy 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 6
- 230000002792 vascular Effects 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 239000011159 matrix material Substances 0.000 description 5
- 210000004369 blood Anatomy 0.000 description 4
- 239000008280 blood Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000740 bleeding effect Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000011002 quantification Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 206010009900 Colitis ulcerative Diseases 0.000 description 2
- 206010020565 Hyperaemia Diseases 0.000 description 2
- 206010030113 Oedema Diseases 0.000 description 2
- 201000006704 Ulcerative Colitis Diseases 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000020169 heat generation Effects 0.000 description 2
- 210000004877 mucosa Anatomy 0.000 description 2
- 210000003097 mucus Anatomy 0.000 description 2
- 239000000049 pigment Substances 0.000 description 2
- 208000022064 reactive hyperemia Diseases 0.000 description 2
- 239000002893 slag Substances 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 210000001124 body fluid Anatomy 0.000 description 1
- 239000010839 body fluid Substances 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 229910052736 halogen Inorganic materials 0.000 description 1
- 150000002367 halogens Chemical class 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- QSHDDOUJBYECFT-UHFFFAOYSA-N mercury Chemical compound [Hg] QSHDDOUJBYECFT-UHFFFAOYSA-N 0.000 description 1
- 229910052753 mercury Inorganic materials 0.000 description 1
- 229910001507 metal halide Inorganic materials 0.000 description 1
- 150000005309 metal halides Chemical class 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 229910052724 xenon Inorganic materials 0.000 description 1
- FHNFHKCVQCLJFQ-UHFFFAOYSA-N xenon atom Chemical compound [Xe] FHNFHKCVQCLJFQ-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Endoscopes (AREA)
Abstract
【解決方法】内視鏡用プロセッサは、生体組織の病変の進行の程度を1つの値で表した病変の重症度を求める画像処理ユニットと、を備える。前記画像処理ユニットは、病変部に現れる外観の第1特徴の程度を示す第1画素評価値を、前記画像から画素毎に算出するように構成された特徴量算出部と、前記第1画素評価値を統合して第1代表評価値を算出する代表値算出部と、前記第1代表評価値の変化に対する前記重症度の変化を示す前記第1代表評価値の影響度を、画像の色成分の情報に基づいて調整し、また、少なくとも、前記第1特徴と異なる別の第2特徴の程度を示す第2画素評価値を統合した第2代表評価値に基づいて調整し、調整した前記影響度を用いて、少なくとも前記第1代表評価値に基づいて前記病変の重症度を算出する統合部と、を備える。
【選択図】図1
Description
特徴量算出部は、複数の外観の特徴のそれぞれを、病変部が示す色成分あるいは形状により生体組織の健常部の特徴と区別できる、前記複数の外観の特徴に対応した複数の画素評価値であって、病変部が示す色成分、あるいは色成分及び形状に関する、複数の特徴それぞれの程度を示す複数の画素評価値を画素毎に算出する。
代表算出部は、算出した画素評価値のそれぞれを、複数の特徴毎に統合することにより撮像した生体組織の前記複数の特徴それぞれに対応した代表評価値を算出する。
統合部は、算出した代表評価値のうち少なくとも2つの代表評価値を演算して統合した1つの数値を病変の重症度として算出する。
これにより、生体組織の病変部における病変の進行の程度を精度よく評価することができる。
また、生体組織の病変部における病変の進行の程度を従来に比べて安定して精度よく評価するためには、各画素の画素評価値を1つに纏めた代表評価値は、安定して適切に表すことができることが好ましい。
前記画像処理ユニットは、
前記病変部に現れる外観の第1特徴を、前記病変部が示す第1色成分、あるいは前記病変部の形状により前記生体組織の健常部の特徴と区別できる、前記第1特徴に対応した画素評価値であって、前記第1色成分、あるいは前記病変部の形状に関する、前記第1特徴の程度を示す第1画素評価値を、前記画像から画素毎に算出するように構成された特徴量算出部と、
前記画像における各画素の前記第1画素評価値を纏めることにより前記生体組織の前記第1特徴の第1代表評価値を算出するように構成された代表値算出部と、
前記第1代表評価値の変化に対する前記重症度の変化を示す前記第1代表評価値の影響度を、前記第1色成分と異なる前記画像の第2色成分の情報に基づいて調整し、あるいは、前記第1特徴と異なる別の第2特徴の程度を示す第2画素評価値を纏めて得られた第2代表評価値に基づいて調整することにより、少なくとも前記第1代表評価値に基づいて前記病変の重症度を算出するように構成された統合部と、を備える。
前記影響度は、前記多項式の前記第1代表評価値に係る係数である、ことが好ましい。
生体組織における病変部は、病変の進行の程度によって、炎症から潰瘍まで種々存在する。例えば、従来の内視鏡システムは、病変部に現れる複数の外観の特徴のそれぞれを、病変部が示す色成分、あるいは病変部の形状により生体組織の健常部の特徴と区別できる、複数の外観の特徴に対応した複数の画素評価値を、生体組織の画像から画素毎に算出する。さらに、従来の内視鏡システムは、算出した各画素の画素評価値を複数の外観の特徴毎に統合することにより複数の代表評価値を算出し、算出した複数の代表評価値のうち少なくとも2つの代表評価値を演算して統合した1つの数値を病変の重症度の値とする。上記演算は、事前に重症度と複数の代表評価値との間の関係を表した式に従って行われる。しかし、この式では、ある1つの代表評価値の重症度に対する影響度、すなわち、代表評価値の変化に対する重症度の変化は一定であるため、実際の病変の進行の程度の評価結果との乖離がある場合があった。また、代表評価値の重症度に対する影響度を変化させるために、従来、代表評価値の1つの閾値に対する高低に応じて、重症度を計算する計算式を変更させる場合もあった。
外観の特徴は、形状に関するものも含み、例えば、病変部の表面凹凸の形状の程度や表面塑造等の所定の形状の程度であってもよい。
一方、事前処理として、予め病変の進行の程度(重症度)の評価結果が定まっている参照画像が複数用意され、これらの参照画像それぞれにおいて上記複数の代表評価値が事前に算出される。これらの3つの代表評価値を含む複数の代表評価値を組み合わせて予測される重症度が、各参照画像において定まっている病変の進行の程度(重症度)の評価結果に最も相関して対応するように、複数の代表評価値を用いて予測式を算出する。この予測式が、内視鏡システムにおける重症度の計算の前に抽出され設定される。なお、病変の進行の程度(重症度)の評価結果は、例えば、医師による主観評価結果(例えば、MAYO endoscopic subscore)、組織学的な評価結果、あるいは病理学的な診断スコア(Geboes score,RHI(反応性充血指数))である。例えば、RHI(反応性充血指数)では、0~33の34段階の値で評価される。
このとき、予測式では、複数の代表評価値の1つである第1代表評価値の重症度に対する影響度が調整される。影響度の調整は、第1代表評価値の算出の際に注目する画像の第1色成分と異なる画像の第2色成分の情報に基づいて行われ、あるいは、少なくとも、第1特徴と異なる別の第2特徴の程度を示す第2代表評価値に基づいて行われる。
第2色成分の情報は、例えば、外部から体腔内に導入されて生体組織上にある残渣が呈する色成分に関する特徴量である。
あるいは、光源部230は、所定の色の波長帯域の光を出射する複数の発光ダイオードを備える。発光ダイオードから出射した光はダイクロイックミラー等の光学素子を用いて合成され、合成した光は照明光として、図示されない集光レンズにより集光された後、電子内視鏡100のLCB(Light Carrying Bundle)102の入射端に入射されるように光源部230は構成される。発光ダイオードに代えてレーザーダイオードを用いることもできる。発光ダイオード及びレーザーダイオードは、他の光源と比較して、低消費電力、発熱量が小さい等の特徴があるため、消費電力や発熱量を抑えつつ明るい画像を取得できるというメリットがある。明るい画像が取得できることにより、後述する病変に関する評価値の精度を向上させることができる。
光源部230が射出する照明光は、白色光に限らず、所定の狭い波長帯域を波長帯域とする狭帯域光等の特殊光であってもよい。
画像処理ユニット220は、電子内視鏡100で得られた生体組織の画像から、生体組織の病変の進行の程度を数値化することにより求める病変の重症度を求める部分である。画像処理ユニット220は、前処理部220a、特徴量算出部220b、代表値算出部220c、及び統合部220dを備える。
特徴量算出部220bは、一実施形態として、複数の代表評価値は、第1代表評価値と第2代表評価値であり、第1代表評価値を算出するための第1画素評価値として、生体組織の赤色の程度を画素毎に数値化した生体組織赤色度を計算し、第2代表評価値を算出するための第2画素評価値として、生体組織上の筋状に延在する血管領域の赤色を数値化した血管赤色度を計算する。以下、生体組織赤色度及び血管赤色度を計算する形態を説明する。
前処理部220aは、ドライバ信号処理回路112より入力した画像信号(輝度信号Y、色差信号Cb、Cr)を所定のマトリックス係数を用いて画像色成分(R、G、B)に変換する。
前処理部220aは、さらに、画像色成分に変換された画像データをRG平面に正射影する色空間変換を行う。具体的には、RGB3原色で定義されるRGB色空間の各画素の画像色成分がRGの画像色成分に変換される。概念的には、RGB色空間の各画素の画像色成分が、R、G成分の画素値に応じてRG平面内(例えば、R成分の画素値=0~255、G成分の画素値=0~255の値を取るRG平面内の区画)にプロットされる。以下、説明の便宜上、RGB色空間の各画素の画像色成分の点及びRG色空間内にプロットされた画像色成分の点を「画素対応点」と記す。RGB色空間のRGBそれぞれの画像色成分は、順番に、例えば、波長620~750nm、波長495~570nm、及び波長450~495nmの色成分である。なお、色成分は、色空間(色平面も含む。)を構成するものである。色相及び彩度は、「色成分」から除かれる。
前処理部220aは、生体組織赤色度及び血管赤色度を評価するために必要なRG平面内の基準軸が設定される。
図4に示す基準軸は、一例であり、疾患の種類に応じて基準軸は種々異なる。
他方、基準点O’を座標(-50,-50)から(-200,-200)の間に設定することで、炎症の程度を示す評価結果はノイズの影響を受け難い。
なお、注目画素は、画像の全画素について1つずつ選択される。
なお、図5に示す例では、色空間としてRG色空間を用いるが、RG色空間に代えてRB色空間を用いることもできる。
こうして、特徴量算出部220bは、生体組織赤色度に応じて色を付与したカラーマップ画像を作成する。
図6(a)に示すように、生体組織を撮像した画像には、病変部Xの近傍には、粘膜を通して透けて見える筋状の血管領域Yの像も含まれる。このような画像に対して上述の生体組織赤色度に応じて色分けした、図6(b)に示すカラーマップ画像においても、血管領域Yは炎症部と同じ色で表示される場合がある。図6(a),(b)は、生体組織の画像の一例と、従来の方法で得られるカラーマップ画像の一例を模式的に説明する図である。
特徴量算出部220bは、血管領域Yの確からしさを求め、確からしさに基づいて血管領域Yを抽出する。
特徴量算出部220bは、生体組織の画像の一部の検査対象エリアARの形状と複数のテンプレートTP1~TP4の直線形状それぞれとの相関の程度を表すマッチング度を求め、複数のテンプレートTP1~TP4それぞれに対応するマッチング度の中で、最も高い最高マッチング度を検査対象エリアARにおける血管領域Yの確からしさとする。テンプレートTP1~TP4は、画素で構成され、テンプレートTP1~TP4は、直線の延在方向を互いに異ならせた複数の直線形状を備える。テンプレートTP1~TP4は、それぞれの直線形状に合わせて各画素は画素値を有する。図7に示すように、画像の端から矢印に沿って順番に検査対象エリアARをオーバーラップさせながら移動させることにより、検査対象エリアAR内の画像の画素評価値とテンプレートTP1~TP4それぞれの対応する画素の値との相関度を求める。一実施形態によれば、テンプレートTP1~TP4は、血管を特徴付ける形状として、直線を4つの異なる延在方向に延ばした4つの直線形状を備える。検査対象エリアARが血管領域を含む場合、検査対象エリアAR内の画素値は、血管が筋状に延びるといった特徴形状の情報を含んでいるので、ずれ角度θに応じて設定された画素評価値を画素値とする画像を用いて、血管領域Yを抽出することができる。テンプレートTP1~TP4は、図6に示す白領域及び黒領域に対応して画素毎に値を有する。このため、一実施形態によれば、マッチング度は、テンプレートTP1~TP4の画素の値と、検査対象領域ARの対応する画素評価値との相関係数である。また一実施形態によれば、マッチング度は、テンプレートTP1~TP4の画素毎の値を空間フィルタのフィルタ係数として、このフィルタ係数のそれぞれと検査対象エリアARの対応する画素の画像評価値を乗算して合計した値であってもよい。
特徴量算出部220bは、抽出した血管領域Yに対応する画素における生体組織赤色度を血管赤色度として定める。この場合、血管領域Yに対応しない領域の血管赤色度はゼロとする。また、特徴量算出部220bは、血管の確からしさを0~1の範囲に正規化した値を求め、この値が高い程値が高くなり、低い程値が低くなるように生体組織赤色度を補正した結果を血管赤色度として求めてもよい。このように、全画素に対して血管赤色度が計算される。例えば、生体組織赤色度の値に、血管の確からしさの値を乗算した結果を血管赤色度として求めてもよい。
このように、一実施形態の特徴量算出部220bは、生体組織赤色度を第1画素評価値として算出し、血管赤色度を第2画素評価値として算出する。したがって、この実施形態における第1画素評価値は、画像の炎症部が示す色成分の程度を示す評価値であり、第2画素評価値は、画像中の血管の形状をなした部分に含まれる色成分の程度を示す評価値である。
画像における代表評価値である生体組織赤色度の代表値及び血管赤色度の代表値を算出する処理は、各画素の生体組織赤色度及び血管赤色度の平均値を算出する平均化処理であってもよいし、別の公知の処理、例えば、メディアン値を求める処理であってもよい。平均化処理は、単純平均値を求める処理、及び加重平均値を求める処理を含む。また、公知の処理として、画素評価値である生体組織赤色度及び血管赤色度のそれぞれを、順位のついた少なくとも2つ以上のレベルに分け、この各レベルに属する画素数に所定の重み付け係数を乗算した値の合計値Pを所定の式に代入して代表値を算出する処理であってもよい。この場合、所定の式は、例えば1/(1+e-P)である。この場合、重み付け係数は、医師による主観評価結果と相関を有するように、多重ロジスティック回帰分析によって得られる係数であることが好ましい。
このような合計ビン数を代表評価値として用いる場合、代表評価値は、生体組織の炎症部分が呈する色成分の程度を示す値、例えば生体組織赤色度の代表値に適用することが好ましい。生体組織の炎症部は赤色の程度が高い一方、炎症部以外の健常部は、赤色の程度が低いので、安定した代表評価値を得る点で合計ビン数を代表評価値として用いることは好ましい。
図1に示す例では、具体的には、病変の進行の程度の評価結果が定まっている複数の参照画像を用いて、生体組織赤色度の代表値(第1代表評価値)と、血管赤色度の代表値(第2代表評価値)と、生体組織白色度の代表値(第3代表評価値)を、少なくとも説明変数とし、参照画像における重症度を目的変数として重回帰分析を事前に行うことで回帰式が得られる。この回帰式を最適化された予測式として、電子内視鏡で撮像された評価の対象とする画像を用いた重症度の計算に用いる。
また、他の一実施形態によれば、重症度に影響を与えないが、第1代表評価値の影響度に影響を与える第2色成分がある場合、統合部220dは、第1代表評価値をXとし、第2色成分の情報を示す値(代表値)をZとしたとき、係数α2,β2と定数d2とを用いて、重症度=α2・X+β2・X・Z+d2に従って計算する、ことも好ましい。第1代表評価値は、生体組織赤色度の代表値、血管赤色度の代表値、及び生体組織白色度の代表値のいずれかに限定されず、他の病変部の特徴に基づいて算出された代表評価値であってもよい。第2色成分の情報は、外部から体腔内に導入されて生体組織上にある残渣が呈する色成分に関する特徴量であることが好ましいが、生体組織上にある食物等の滓(残渣)が呈する色成分に関する特徴量に限定されない。
重症度=α1・X+β1・Y+γ1・X・Y+d1に従って計算する場合、重症度=(α1+γ1・Y)・X+β1・Y+d1と表されるので、第1代表評価値の影響度は、α1+γ1・Y、すなわち、第2代表評価値に基づいて調整される。同様に、重症度=α2・X+β2・X・Z+d2に従って計算する場合、重症度=(α2+β2・Z)・X+d2と表されるので、第1代表評価値の影響度は、α2+β2・Z、すなわち、第2の色成分の情報に基づいて調整される。
このような予測式を用いて影響度を容易に変化させることができる。
また、統合部220dは、第1代表評価値の影響度を、第2代表評価値の他に、上述した第2色成分の情報を示す値(代表値)に基づいて調整することもできる。第1代表評価値(例えば、生体組織赤色度の代表値)をXとし、第2代表評価値(血管赤色度の代表値)をYとし、第2色成分(例えば、残渣が呈する色成分)の情報を示す値をZとしたとき、係数α4,β4,σ4,θ4,φ4と定数d4とを用いて、例えば、重症度=α4・X+β4・Y+σ4・X・Y+θ4・X・Z+φ4・X・Y・Z+d4に従って計算する。この場合、第2代表評価値Yと値Zの影響により第1代表評価値Xの影響度は変化しつつ、第2代表評価値Yは単独で重症度に寄与し、値Zは単独で重症度に寄与しない。なお、第1代表評価値Xの影響度は、(α4+σ4・Y+θ4・Z+φ4・Y・Z)となる。すなわち、このような予測式を用いて影響度を容易に変化させることができる。
次に、前処理部220aは、上述したRGB変換、色空間変換、基準軸の設定、及び色補正、必要に応じてトーン強調処理を含む前処理を行い、さらに、特徴量算出部220bは、前処理を行った画像に対して、病変部が示す色成分あるいは形状に関する複数の特徴それぞれの程度を示す複数の画素評価値(第1画素評価値、第2画素評価値、第3画素評価値)、例えば生体組織赤色度及び血管赤色度度、生体組織白色度等を、画素毎に計算する(ステップS12)。
特徴量算出部220bは、画素評価値を現フレームの画像の全画素について計算したか否かを判定する(ステップS14)。全画素について画素評価値の計算を完了した場合、代表値算出部220cは、画素評価値を統合した代表値、すなわち第1~第3代表評価値等の代表値を計算する(ステップS16)。代表値は、画素評価値の種類毎に算出される。
この後、統合部220dは、複数の代表値(代表評価値)を組み合わせて1つの重症度を計算する(ステップS18)。すなわち、複数の代表値(代表評価値)を演算して統合した1つの数値を病変の重症度として算出する。重症度の計算では、例えば、上述したように事前処理で得られた複数の代表値(代表評価値)を説明変数とする回帰式が用いられる。この回帰式、重症度に関して主観評価結果に最もよく対応する式である。
こうして画像処理ユニット220は、電子内視鏡100から順次撮像画像が送られてくる間、上記処理を繰り返す(ステップS22)。
100 電子内視鏡
200 電子内視鏡用プロセッサ
220 画像処理ユニット
220a 前処理部
220b 特徴量算出部
220c 代表値算出部
220d 統合部
222 メモリ
224 画像メモリ
230 光源部
300 モニタ
400 プリンタ
600 サーバ
Claims (11)
- 体腔内の生体組織を撮像するように構成された電子内視鏡で得られた前記生体組織の病変部の画像から、前記画像の情報を少なくとも用いて、前記生体組織の病変の進行の程度を1つの値で表した病変の重症度を求めるように構成された画像処理ユニットを含み、
前記画像処理ユニットは、
前記病変部に現れる外観の第1特徴を、前記病変部が示す第1色成分、あるいは前記病変部の形状により前記生体組織の健常部の特徴と区別できる、前記第1特徴に対応した画素評価値であって、前記第1色成分、あるいは前記病変部の形状に関する、前記第1特徴の程度を示す第1画素評価値を、前記画像から画素毎に算出するように構成された特徴量算出部と、
前記画像における各画素の前記第1画素評価値を纏めることにより前記生体組織の前記第1特徴の第1代表評価値を算出するように構成された代表値算出部と、
前記第1代表評価値の変化に対する前記重症度の変化を示す前記第1代表評価値の影響度を、少なくとも、前記第1色成分と異なる前記画像の第2色成分の情報に基づいて調整し、あるいは、少なくとも、前記第1特徴と異なる別の第2特徴の程度を示す第2画素評価値を纏めて得られた第2代表評価値に基づいて調整することにより、少なくとも前記第1代表評価値に基づいて前記病変の重症度を算出するように構成された統合部と、を備えることを特徴とする内視鏡用プロセッサ。 - 前記重症度は、少なくとも前記第1代表評価値を説明変数とする多項式に従って算出され、
前記影響度は、前記多項式の前記第1代表評価値に係る係数である、請求項1に記載の内視鏡用プロセッサ。 - 前記多項式は、前記病変の進行の程度に関する評価結果として評価値が定まっている参照画像を用いて、前記第1画素評価値と、前記第2色成分の情報を示す値あるいは前記第2画素評価値とを説明変数とし、前記参照画像における前記評価値を前記重症度の値とし、前記重症度の値を目的変数として重回帰分析を事前に行うことで得られた前記重症度に関する回帰式である、請求項2に記載の内視鏡用プロセッサ。
- 前記統合部は、前記第1代表評価値をXとし、前記第2代表評価値をYとしたとき、係数α1,β1,γ1と定数d1とを用いて、前記重症度=α1・X+β1・Y+γ1・X・Y+d1に従って計算する、請求項1~3のいずれか1項に記載の内視鏡用プロセッサ。
- 前記統合部は、前記第1代表評価値をXとし、前記第2色成分の情報を示す値をZとしたとき、係数α2,β2と定数d2とを用いて、前記重症度=α2・X+β2・X・Z+d2に従って計算する、請求項1~3のいずれか1項に記載の内視鏡用プロセッサ。
- 前記第1代表評価値の影響度は、前記第2代表評価値あるいは前記第2色成分の情報の他に、前記第1特徴及び前記第2特徴と異なる別の第3特徴の程度を示す第3画素評価値を纏めて得られた第3代表評価値を少なくとも用いて調整する、請求項1~3のいずれか1項に記載の内視鏡用プロセッサ。
- 前記第1特徴及び前記第2特徴のそれぞれは、前記生体組織の炎症部が呈する色成分の程度、前記生体組織の筋状に延びる血管を示す血管領域が呈する色成分の程度、及び、前記生体組織の潰瘍部が呈する色成分の程度のいずれか1つである、請求項1~6のいずれか1項に記載の内視鏡用プロセッサ。
- 前記第1代表評価値は、前記生体組織の前記病変部の前記画像における前記第1画素評価値のヒストグラムで頻度が1以上のビンの合計ビン数である、請求項1~7のいずれか1項に記載の内視鏡用プロセッサ。
- 前記第1代表評価値は、前記生体組織の炎症部分が呈する色成分の程度を示す値である、請求項8に記載の内視鏡用プロセッサ。
- 前記第2色成分の情報は、外部から前記体腔内に導入されて前記生体組織上にある残渣が呈する色成分に関する特徴量である、請求項1~9のいずれか1項に記載の内視鏡用プロセッサ。
- 体腔内の生体組織を撮像するように構成された電子内視鏡と、
前記電子内視鏡に接続される、請求項1~10のいずれか1項に記載の内視鏡用プロセッサと、を備える内視鏡システム。
Priority Applications (6)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020161900A JP7455717B2 (ja) | 2020-09-28 | 2020-09-28 | 内視鏡用プロセッサ及び内視鏡システム |
EP21872118.1A EP4218535A1 (en) | 2020-09-25 | 2021-09-01 | Endoscope processor and endoscope system |
PCT/JP2021/032170 WO2022064987A1 (ja) | 2020-09-25 | 2021-09-01 | 内視鏡用プロセッサ及び内視鏡システム |
US17/912,725 US20230142219A1 (en) | 2020-09-25 | 2021-09-01 | Endoscope processor and endoscope system |
CN202180017682.5A CN115190775A (zh) | 2020-09-25 | 2021-09-01 | 内窥镜用处理器以及内窥镜系统 |
DE112021005012.5T DE112021005012T5 (de) | 2020-09-25 | 2021-09-01 | Endoskopprozessor und endoskopsystem |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020161900A JP7455717B2 (ja) | 2020-09-28 | 2020-09-28 | 内視鏡用プロセッサ及び内視鏡システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022054722A true JP2022054722A (ja) | 2022-04-07 |
JP7455717B2 JP7455717B2 (ja) | 2024-03-26 |
Family
ID=80997752
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020161900A Active JP7455717B2 (ja) | 2020-09-25 | 2020-09-28 | 内視鏡用プロセッサ及び内視鏡システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7455717B2 (ja) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019159770A1 (ja) * | 2018-02-13 | 2019-08-22 | Hoya株式会社 | 内視鏡システム |
WO2020066807A1 (ja) * | 2018-09-27 | 2020-04-02 | Hoya株式会社 | 電子内視鏡システム |
WO2020066670A1 (ja) * | 2018-09-27 | 2020-04-02 | Hoya株式会社 | 電子内視鏡システム及びデータ処理装置 |
WO2020188825A1 (ja) * | 2019-03-20 | 2020-09-24 | Hoya株式会社 | 内視鏡システム |
WO2020189213A1 (ja) * | 2019-03-20 | 2020-09-24 | Hoya株式会社 | 内視鏡システム |
-
2020
- 2020-09-28 JP JP2020161900A patent/JP7455717B2/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2019159770A1 (ja) * | 2018-02-13 | 2019-08-22 | Hoya株式会社 | 内視鏡システム |
WO2019159435A1 (ja) * | 2018-02-13 | 2019-08-22 | Hoya株式会社 | 内視鏡システム |
WO2020066807A1 (ja) * | 2018-09-27 | 2020-04-02 | Hoya株式会社 | 電子内視鏡システム |
WO2020066670A1 (ja) * | 2018-09-27 | 2020-04-02 | Hoya株式会社 | 電子内視鏡システム及びデータ処理装置 |
WO2020188825A1 (ja) * | 2019-03-20 | 2020-09-24 | Hoya株式会社 | 内視鏡システム |
WO2020189213A1 (ja) * | 2019-03-20 | 2020-09-24 | Hoya株式会社 | 内視鏡システム |
Also Published As
Publication number | Publication date |
---|---|
JP7455717B2 (ja) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6907398B2 (ja) | 内視鏡システム | |
JP7068487B2 (ja) | 電子内視鏡システム | |
JP7041318B2 (ja) | 内視鏡システム | |
US11944261B2 (en) | Electronic endoscope system and data processing device | |
JP7084546B2 (ja) | 内視鏡システム | |
WO2022064987A1 (ja) | 内視鏡用プロセッサ及び内視鏡システム | |
US12011142B2 (en) | Electronic endoscope system | |
JP6912608B2 (ja) | 内視鏡システム | |
JP7455716B2 (ja) | 内視鏡用プロセッサ及び内視鏡システム | |
JP6877672B2 (ja) | 電子内視鏡システム及びデータ処理装置 | |
JP6926242B2 (ja) | 電子内視鏡用プロセッサ及び電子内視鏡システム | |
JP7455717B2 (ja) | 内視鏡用プロセッサ及び内視鏡システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220906 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231204 |
|
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: 20240220 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240313 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7455717 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |