JP3255668B2 - 画像解析装置 - Google Patents
画像解析装置Info
- Publication number
- JP3255668B2 JP3255668B2 JP31488991A JP31488991A JP3255668B2 JP 3255668 B2 JP3255668 B2 JP 3255668B2 JP 31488991 A JP31488991 A JP 31488991A JP 31488991 A JP31488991 A JP 31488991A JP 3255668 B2 JP3255668 B2 JP 3255668B2
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- tissue
- subject
- rate
- feature
- 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.)
- Expired - Fee Related
Links
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
- Complex Calculations (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Investigating Or Analyzing Materials By The Use Of Ultrasonic Waves (AREA)
Description
【０００１】
【産業上の利用分野】本発明は画像解析結果から病変部
である確率を判断する判断手段と、その判断結果に応じ
て表示を視覚的に変化する手段を設けた画像解析装置に
関する。
である確率を判断する判断手段と、その判断結果に応じ
て表示を視覚的に変化する手段を設けた画像解析装置に
関する。
【０００２】
【従来技術】近年、被検体などを切開することなく、光
学的な検査を行うことのできる内視鏡が広く用いられる
ようになった。また、超音波を用いた、被検体内部に対
する音響的情報を得ることによって、被検体を診断する
超音波診断装置も広く用いられるようになった。
学的な検査を行うことのできる内視鏡が広く用いられる
ようになった。また、超音波を用いた、被検体内部に対
する音響的情報を得ることによって、被検体を診断する
超音波診断装置も広く用いられるようになった。
【０００３】図３は従来の超音波診断システム１の構成
を示す。超音波診断装置２から出力される映像信号はモ
ニタ３に入力され、超音波像を表示すると共に、画像解
析装置４にも入力される。つまり、映像信号はＡ／Ｄコ
ンバータ５でＡ／Ｄ変換され、フレームメモリ６に書き
込まれる。このフレームメモリ６は図４（ａ）に示すよ
うに例えば、６４０画素×５１２画素の容量を有し、こ
のフレームメモリ６内に図４（ｂ）に示すような９画素
×９画素の関心領域Ｒを、キーボード７とかトラックボ
ール８などで制御部９を介して設定でき、関心領域Ｒの
画像データは特徴量算出部１１により、特徴量が算出さ
れる。
を示す。超音波診断装置２から出力される映像信号はモ
ニタ３に入力され、超音波像を表示すると共に、画像解
析装置４にも入力される。つまり、映像信号はＡ／Ｄコ
ンバータ５でＡ／Ｄ変換され、フレームメモリ６に書き
込まれる。このフレームメモリ６は図４（ａ）に示すよ
うに例えば、６４０画素×５１２画素の容量を有し、こ
のフレームメモリ６内に図４（ｂ）に示すような９画素
×９画素の関心領域Ｒを、キーボード７とかトラックボ
ール８などで制御部９を介して設定でき、関心領域Ｒの
画像データは特徴量算出部１１により、特徴量が算出さ
れる。
【０００４】上記特徴量算出部１１により算出される特
徴量としては、例えばテクスチャ解析手法が用いられ
る。このテクスチャー解析手法は、文献［画像認識の基
礎〔II〕］、オーム社出版、P195〜P200にも記載されて
いるように、周知のものであって、濃度共起行列による
方法、濃度レベル差分法、濃度レベルランレングス法、
パワースペクトラム法等がある。
徴量としては、例えばテクスチャ解析手法が用いられ
る。このテクスチャー解析手法は、文献［画像認識の基
礎〔II〕］、オーム社出版、P195〜P200にも記載されて
いるように、周知のものであって、濃度共起行列による
方法、濃度レベル差分法、濃度レベルランレングス法、
パワースペクトラム法等がある。
【０００５】テクスチャー解析の上記濃度共起行列によ
る方法は、基本的には２次元結合確率密度関数ｆ（ｉ，
ｊ｜ｄ，θ）の評価に基づくものであり、（ｉ，ｊ｜
ｄ，θ）は、濃度値ｉをもった画素からθ方向に距離ｄ
だけ離れた画素が、濃度値ｊをもつ可能性を示す確率密
度関数である。即ち（ｄ，θ）ごとにｆ（ｉ，ｊ｜ｄ，
θ）を行列で表したものが濃度共起行列であり、ｉ，ｊ
がそれぞれ行、列の位置を示す。
る方法は、基本的には２次元結合確率密度関数ｆ（ｉ，
ｊ｜ｄ，θ）の評価に基づくものであり、（ｉ，ｊ｜
ｄ，θ）は、濃度値ｉをもった画素からθ方向に距離ｄ
だけ離れた画素が、濃度値ｊをもつ可能性を示す確率密
度関数である。即ち（ｄ，θ）ごとにｆ（ｉ，ｊ｜ｄ，
θ）を行列で表したものが濃度共起行列であり、ｉ，ｊ
がそれぞれ行、列の位置を示す。
【０００６】通常以下のパラメータａ〜ｅ、 （ａ） エネルギー（energy） （ｂ） エントロピ（entropy ） （ｃ）相関（correlation ） （ｄ）局所一様性（local homogeneity) （ｅ） 慣性（inertia) が有効な特徴量として使用される。
【０００７】ここで、Ｓθ（ｉ，ｊ｜ｄ）はＳθ（ｄ）
行列のｉ行ｊ列要素であり、ＮG は画像の濃度レベルの
数である。また、濃度の平均Ｖx ，Ｖy と、分散σx ，
σy は、 となる。
行列のｉ行ｊ列要素であり、ＮG は画像の濃度レベルの
数である。また、濃度の平均Ｖx ，Ｖy と、分散σx ，
σy は、 となる。
【０００８】また、上記濃度レベルランレングス法は、
例えば縞模様のように、ランレングスコーディングが有
効な対象に対して効果的に用いられる手法で、濃度ラベ
ルランというのは、線状に隣接した同一濃度値をもった
画素の集合のことで、レングスというのは濃度レベルラ
ンに含まれる画素の数のことである。そして、対象とな
る画像上でθ方向に、濃度値ｉ、長さｊのランが何回あ
るかを計算し、それをθごとに行列の形で表したものを
濃度レベルラン行列Ｒ（θ）とすると、ｒ（ｉ，ｊ｜
θ）をその行列要素として Ｒ（θ）＝［ｒ（ｉ，ｊ｜θ）］ （１０） となる。
例えば縞模様のように、ランレングスコーディングが有
効な対象に対して効果的に用いられる手法で、濃度ラベ
ルランというのは、線状に隣接した同一濃度値をもった
画素の集合のことで、レングスというのは濃度レベルラ
ンに含まれる画素の数のことである。そして、対象とな
る画像上でθ方向に、濃度値ｉ、長さｊのランが何回あ
るかを計算し、それをθごとに行列の形で表したものを
濃度レベルラン行列Ｒ（θ）とすると、ｒ（ｉ，ｊ｜
θ）をその行列要素として Ｒ（θ）＝［ｒ（ｉ，ｊ｜θ）］ （１０） となる。
【０００９】そして、前と同様に以下の特徴量、 （ｆ） 短ラン強調（short run emphasis） （ｇ） 長ラン強調（long run emphasis) （ｈ） 濃度レベル分布（gray level distribution) （ｉ） ランレングス分布（run length distribution) （ｊ） ランパーセンテージ（run percentage） がパラメータとして定義される。
【００１０】ここで、ＮG は濃度レベルの数であり、Ｎ
R は行列Ｒ（θ）におけるランレングスの数である。Ｔ
R はθ方向における長さ、濃度値によらないランの総数
である。また、Ｔｐは画像における画素の総数である。
R は行列Ｒ（θ）におけるランレングスの数である。Ｔ
R はθ方向における長さ、濃度値によらないランの総数
である。また、Ｔｐは画像における画素の総数である。
【００１１】以上がテクスチャー解析手法であり、上記
パラメータにより、算出された値と、キーボード７又は
トラックボール８により設定された、又は測定部位に基
づいて予め設定された閾値α、βを判定部１２により比
較し、算出された値が閾値α、βの間にあるときには表
示制御部１３により超音波像に色情報を付加した後Ｄ／
Ａコンバータ１４を経て混合器１５に出力し、ＴＶ同期
信号発生器１６の同期信号と混合しＴＶモニタ１９に出
力することで、閾値α、βの間にある関心領域に対応す
る部分をカラー表示する。図４（ａ）に示す関心領域Ｒ
を矢印で示すように上下左右に移動させ、全画面を処理
する。処理領域はキーボード７又はトラックボール８に
より設定することができる。
パラメータにより、算出された値と、キーボード７又は
トラックボール８により設定された、又は測定部位に基
づいて予め設定された閾値α、βを判定部１２により比
較し、算出された値が閾値α、βの間にあるときには表
示制御部１３により超音波像に色情報を付加した後Ｄ／
Ａコンバータ１４を経て混合器１５に出力し、ＴＶ同期
信号発生器１６の同期信号と混合しＴＶモニタ１９に出
力することで、閾値α、βの間にある関心領域に対応す
る部分をカラー表示する。図４（ａ）に示す関心領域Ｒ
を矢印で示すように上下左右に移動させ、全画面を処理
する。処理領域はキーボード７又はトラックボール８に
より設定することができる。
【００１２】
【発明が解決しようとする問題点】例えば、癌に対する
特徴量と正解率の関係は図５に示すようになっている。
この図の値α、βのような閾値を設定した場合、Ａ′の
部分は癌である確率が低いにもかかわらず、癌と判定さ
れてしまうという問題点がある。
特徴量と正解率の関係は図５に示すようになっている。
この図の値α、βのような閾値を設定した場合、Ａ′の
部分は癌である確率が低いにもかかわらず、癌と判定さ
れてしまうという問題点がある。
【００１３】又、Ｂ′の部分は癌である確率が高いにも
かかわらず、癌でないと判定されてしまうという問題点
がある。上記のようにα、βを設定した場合、例えば、 TRUE POSITIVE （本当に癌が存在する時に“存在する”と答える） ７５％ FALSE NEGATIVE（本当に癌が存在する時に“ない”と答える） １５％ FALSE POSITIVE（本当は癌はないが“存在する”と答える） １０％ であっても、モニタ上では識別できない。
かかわらず、癌でないと判定されてしまうという問題点
がある。上記のようにα、βを設定した場合、例えば、 TRUE POSITIVE （本当に癌が存在する時に“存在する”と答える） ７５％ FALSE NEGATIVE（本当に癌が存在する時に“ない”と答える） １５％ FALSE POSITIVE（本当は癌はないが“存在する”と答える） １０％ であっても、モニタ上では識別できない。
【００１４】また、解析パラメータ、閾値を変えること
で判定結果は TRUE POSITIVE ９２％ FALSE NEGATIVE ５％ FALSE POSITIVE １０％ のように変化するが、モニタ上では変化したことを知る
ことができない。本発明は上述した点に鑑みてなされた
もので、病変である確率が正確に分かる画像解析装置を
提供することを目的とする。
で判定結果は TRUE POSITIVE ９２％ FALSE NEGATIVE ５％ FALSE POSITIVE １０％ のように変化するが、モニタ上では変化したことを知る
ことができない。本発明は上述した点に鑑みてなされた
もので、病変である確率が正確に分かる画像解析装置を
提供することを目的とする。
【００１５】
【問題点を解決するための手段及び作用】本発明による
画像解析装置は、組織の特徴量とこの組織が特定の病変
組織であることについての正解率との相関関係を表すデ
ータを記憶するデータ記憶手段と、被検体に対応する画
像信号データを解析して前記被検体の被検組織の特徴量
を求める特徴量算出手段と、前記データ記憶手段の記憶
する前記相関関係を表すデータを用いて、前記特徴量算
出手段で求められた特徴量から前記被検組織が前記特定
の病変組織であることについての正解率を判定する判定
手段と、前記判定手段で判定された正解率に応じて表示
状態を変化する表示制御手段とを設けたことを特徴とす
る。また、本発明による画像解析装置は、組織の特徴量
とこの組織が病変組織であることについての正解率との
相関関係を表すデータを記憶するデータ記憶手段と、被
検体に対応する画像信号データを解析して複数の異なる
病変に対する特徴量が算出可能で、かつ指定された病変
に対応する特徴量を選択する特徴量算出手段と、前記相
関関係を表すデータを用いて、前記特徴量算出手段で得
られた特徴量から前記被検体の被検組織が前記指定され
た病変の病変組織であることについての正解率を判定す
る判定手段と、前記判定手段で判定された正解率に応じ
て表示状態を変化する表示制御手段とを設けたことを特
徴とし、そして、前記被検体の画像信号データに対して
関心領域を設定する手段を更に有し、前記指定された病
変に対応して前記設定された関心領域のサイズを変化さ
せることを特徴とする。
画像解析装置は、組織の特徴量とこの組織が特定の病変
組織であることについての正解率との相関関係を表すデ
ータを記憶するデータ記憶手段と、被検体に対応する画
像信号データを解析して前記被検体の被検組織の特徴量
を求める特徴量算出手段と、前記データ記憶手段の記憶
する前記相関関係を表すデータを用いて、前記特徴量算
出手段で求められた特徴量から前記被検組織が前記特定
の病変組織であることについての正解率を判定する判定
手段と、前記判定手段で判定された正解率に応じて表示
状態を変化する表示制御手段とを設けたことを特徴とす
る。また、本発明による画像解析装置は、組織の特徴量
とこの組織が病変組織であることについての正解率との
相関関係を表すデータを記憶するデータ記憶手段と、被
検体に対応する画像信号データを解析して複数の異なる
病変に対する特徴量が算出可能で、かつ指定された病変
に対応する特徴量を選択する特徴量算出手段と、前記相
関関係を表すデータを用いて、前記特徴量算出手段で得
られた特徴量から前記被検体の被検組織が前記指定され
た病変の病変組織であることについての正解率を判定す
る判定手段と、前記判定手段で判定された正解率に応じ
て表示状態を変化する表示制御手段とを設けたことを特
徴とし、そして、前記被検体の画像信号データに対して
関心領域を設定する手段を更に有し、前記指定された病
変に対応して前記設定された関心領域のサイズを変化さ
せることを特徴とする。
【００１６】
【実施例】以下、図面を参照して本発明の実施例を具体
的に説明する。図１及び図２は本発明の１実施例に係
り、図１は１実施例の画像解析装置を示す構成図、図２
は統計的に得られた特徴量と癌正解率との関係を示す特
性図である。
的に説明する。図１及び図２は本発明の１実施例に係
り、図１は１実施例の画像解析装置を示す構成図、図２
は統計的に得られた特徴量と癌正解率との関係を示す特
性図である。
【００１７】図１に示す本発明の１実施例の画像解析装
置２１には図３に示す超音波観測装置２（又は図示しな
いＶＴＲ等）から出力される映像信号が入力される。つ
まり、映像信号はＡ／Ｄコンバータ５でＡ／Ｄ変換さ
れ、フレームメモリ６に書き込まれる。このフレームメ
モリ６は例えば、６４０画素×５１２画素の容量を有
し、このフレームメモリ６内に９画素×９画素の関心領
域を、キーボード７とかトラックボール８などで制御部
９を介して設定でき、関心領域の画像データは特徴量算
出部１１により、特徴量が算出される。
置２１には図３に示す超音波観測装置２（又は図示しな
いＶＴＲ等）から出力される映像信号が入力される。つ
まり、映像信号はＡ／Ｄコンバータ５でＡ／Ｄ変換さ
れ、フレームメモリ６に書き込まれる。このフレームメ
モリ６は例えば、６４０画素×５１２画素の容量を有
し、このフレームメモリ６内に９画素×９画素の関心領
域を、キーボード７とかトラックボール８などで制御部
９を介して設定でき、関心領域の画像データは特徴量算
出部１１により、特徴量が算出される。
【００１８】上記特徴量算出部１１により上述したテク
スチャ解析手法のパラメータを用いて特徴量が算出され
る。この実施例では実際の癌の分布に基づいた特徴量と
正解率の関係をデータテーブル２２に書き込むようにし
てある。例えば、図２に示すようにある特徴量ｘに対し
て、検出されるべき被検組織としての癌である確率を正
解率ｙとした定量的な相関関係を表すデータがデータテ
ーブル２２に書き込まれ、従って特徴量算出部１１によ
り算出された特徴量をデータテーブル２２に入力するこ
とによってその特徴量に対応する正解率の定量的データ
を引き出すことができる。
スチャ解析手法のパラメータを用いて特徴量が算出され
る。この実施例では実際の癌の分布に基づいた特徴量と
正解率の関係をデータテーブル２２に書き込むようにし
てある。例えば、図２に示すようにある特徴量ｘに対し
て、検出されるべき被検組織としての癌である確率を正
解率ｙとした定量的な相関関係を表すデータがデータテ
ーブル２２に書き込まれ、従って特徴量算出部１１によ
り算出された特徴量をデータテーブル２２に入力するこ
とによってその特徴量に対応する正解率の定量的データ
を引き出すことができる。
【００１９】そして、特徴量算出部１１の結果とデータ
テーブル２２の内容を元に、正解率算出部２３は癌か否
かの正解率を計算する。つまり、特徴量算出部１１によ
り求められた特徴量をデータテーブル２２に入力し、そ
の特徴量に対応する正解率データを引き出し、関心領域
に対する正解率を求める処理を行う。この正解率算出部
２３の出力はカラーデータ生成部２４に入力され、この
カラーデータ生成部２４は正解率に対応したカラーデー
タ、例えば正解率の値に応じて異なる色相のカラー信号
を生成し、表示制御部１３に出力する。
テーブル２２の内容を元に、正解率算出部２３は癌か否
かの正解率を計算する。つまり、特徴量算出部１１によ
り求められた特徴量をデータテーブル２２に入力し、そ
の特徴量に対応する正解率データを引き出し、関心領域
に対する正解率を求める処理を行う。この正解率算出部
２３の出力はカラーデータ生成部２４に入力され、この
カラーデータ生成部２４は正解率に対応したカラーデー
タ、例えば正解率の値に応じて異なる色相のカラー信号
を生成し、表示制御部１３に出力する。
【００２０】この表示制御部１３は上記正解率に対応し
たカラーデータと超音波像とを合成し、Ｄ／Ａコンバー
タ１４を経て混合器１５に出力する。この混合器１５に
はＴＶ同期信号発生器１６の同期信号も入力され、Ｄ／
Ａコンバータ１４を経た信号と同期信号を混合し、ＴＶ
モニタ１９に出力し、超音波像と共に、正解率算出部２
３で計算された（癌か否かの）正解率がその正解率に対
応したカラーデータでＴＶモニタ１９上に定量的に表示
されるようになっている。
たカラーデータと超音波像とを合成し、Ｄ／Ａコンバー
タ１４を経て混合器１５に出力する。この混合器１５に
はＴＶ同期信号発生器１６の同期信号も入力され、Ｄ／
Ａコンバータ１４を経た信号と同期信号を混合し、ＴＶ
モニタ１９に出力し、超音波像と共に、正解率算出部２
３で計算された（癌か否かの）正解率がその正解率に対
応したカラーデータでＴＶモニタ１９上に定量的に表示
されるようになっている。
【００２１】この実施例によれば、特徴量算出部１１に
より得られた特徴量に応じて、対応する正解率が色の違
いによりカラー表示されるようになっているので、癌で
あるか否かの確率を色の違いにより、視覚的に容易に確
認でき、的確な診断を下す際に有効なものとなる。
より得られた特徴量に応じて、対応する正解率が色の違
いによりカラー表示されるようになっているので、癌で
あるか否かの確率を色の違いにより、視覚的に容易に確
認でき、的確な診断を下す際に有効なものとなる。
【００２２】例えば、この実施例では図２において、特
徴量算出部１１により得られた特徴量の値がｘである場
合、この値ｘに対応する正解率ｙに応じて、その特徴量
が算出された像部分の色が異なり、この値ｘが異なる
と、対応する正解率ｙの値も変化し、この正解率ｙの値
に応じて表示される色が異なるので、正解率をより正確
に確認できる。つまり、超音波画像と共に、その画像の
色が癌である可能性が高いと、その可能性の高さに応じ
た色で表示されるので、癌である可能性が高い部分を容
易に確認できる。
徴量算出部１１により得られた特徴量の値がｘである場
合、この値ｘに対応する正解率ｙに応じて、その特徴量
が算出された像部分の色が異なり、この値ｘが異なる
と、対応する正解率ｙの値も変化し、この正解率ｙの値
に応じて表示される色が異なるので、正解率をより正確
に確認できる。つまり、超音波画像と共に、その画像の
色が癌である可能性が高いと、その可能性の高さに応じ
た色で表示されるので、癌である可能性が高い部分を容
易に確認できる。
【００２３】なお、図２において特徴量がαの場合には
輝度の低い赤で表示し、特徴量がγとβの間のように正
解率が高い部分（ＡとＢで示す部分）では輝度の高い赤
で表示し、特徴量がｘの場合のように正解率がこれらの
間の値となる場合にはその正解率の値に応じて中間の輝
度の赤で表示するようにしても良い。
輝度の低い赤で表示し、特徴量がγとβの間のように正
解率が高い部分（ＡとＢで示す部分）では輝度の高い赤
で表示し、特徴量がｘの場合のように正解率がこれらの
間の値となる場合にはその正解率の値に応じて中間の輝
度の赤で表示するようにしても良い。
【００２４】また、TRUE POSITIVE 、FALSE NEGATIVE、
FALSE POSITIVEに対して各色を割り当て、各正解率を輝
度として色を混合して表示するようにしても良い。ま
た、閾値をα、βと決め、α、βと正解率の曲線との面
積を輝度として表示するようにしても良いし、また、使
用する特徴量の種類により、色を変えるようにしても良
い。
FALSE POSITIVEに対して各色を割り当て、各正解率を輝
度として色を混合して表示するようにしても良い。ま
た、閾値をα、βと決め、α、βと正解率の曲線との面
積を輝度として表示するようにしても良いし、また、使
用する特徴量の種類により、色を変えるようにしても良
い。
【００２５】なお、データテーブル２２または他のデー
タテーブルに異なる病変名に対しても同様な正解率と特
徴量との関係を表すデータを記憶しておき、キーボード
７などで使用するデータを選択使用できるようにしても
良い。また、特徴量算出部１１により得られた特徴量か
ら異なる病変に対する確率を求め、これらも表示するよ
うにしても良い。
タテーブルに異なる病変名に対しても同様な正解率と特
徴量との関係を表すデータを記憶しておき、キーボード
７などで使用するデータを選択使用できるようにしても
良い。また、特徴量算出部１１により得られた特徴量か
ら異なる病変に対する確率を求め、これらも表示するよ
うにしても良い。
【００２６】また、特徴量算出部１１も病変に応じてそ
の病変の判断に適して特徴量を算出できるように異なる
特徴量を算出できる機能を設け、それらを選択使用でき
るようにしても良い。また、病変を指定することによっ
て、その病変の可能性の判断に適した特徴量を算出する
ようにしても良い。また、関心領域のサイズを変化でき
るようにしても良いし、病変に応じてそのサイズをかえ
るようにしても良い。
の病変の判断に適して特徴量を算出できるように異なる
特徴量を算出できる機能を設け、それらを選択使用でき
るようにしても良い。また、病変を指定することによっ
て、その病変の可能性の判断に適した特徴量を算出する
ようにしても良い。また、関心領域のサイズを変化でき
るようにしても良いし、病変に応じてそのサイズをかえ
るようにしても良い。
【００２７】また、例えば超音波観測装置により得られ
る超音波像データをＤＳＣで変換する前などにリアルタ
イム的に病変部位であるか否かを判断することにより、
その可能性が高い場合にはさらにその高い部位に関する
情報をより詳細に得られる（検査できる）ようにしても
良い。なお、本発明は超音波画像に対しての画像解析に
限定されるものでなく、他の画像に対して広く適用でき
る。
る超音波像データをＤＳＣで変換する前などにリアルタ
イム的に病変部位であるか否かを判断することにより、
その可能性が高い場合にはさらにその高い部位に関する
情報をより詳細に得られる（検査できる）ようにしても
良い。なお、本発明は超音波画像に対しての画像解析に
限定されるものでなく、他の画像に対して広く適用でき
る。
【００２８】
【発明の効果】以上説明したように本発明によれば、求
められた特徴量が病変部位などの被検組織である正解率
に応じて表示状態が変化することになるので、より正確
に病変部位などであるか否かを確認することができる。
められた特徴量が病変部位などの被検組織である正解率
に応じて表示状態が変化することになるので、より正確
に病変部位などであるか否かを確認することができる。
【図１】本発明の第１実施例の画像解析装置の構成を示
すブロック図。
すブロック図。
【図２】統計的に得られた特徴量と癌正解率との関係を
示す特性図。
示す特性図。
【図３】従来例の超音波診断システムの構成を示すブロ
ック図。
ック図。
【図４】フレームメモリ内で関心領域が設定されること
を示す説明図。
を示す説明図。
【図５】統計的に得られた特徴量と癌正解率との関係を
示す特性図。
示す特性図。
５…Ａ／Ｄコンバータ ６…フレームメモリ ７…キーボード ８…トラックボール ９…制御部 １１…特徴量算出部 １３…表示制御部 １４…Ｄ／Ａコンバータ １７…ＴＶモニタ ２１…画像解析装置 ２２…データテーブル ２３…正解率算出部 ２４…カラーデータ生成部
───────────────────────────────────────────────────── フロントページの続き (72)発明者 権藤 雅彦 東京都渋谷区幡ヶ谷２丁目43番２号 オ リンパス光学工業株式会社内 (72)発明者 高山 修一 東京都渋谷区幡ヶ谷２丁目43番２号 オ リンパス光学工業株式会社内 (56)参考文献 特開 昭62−14839（ＪＰ，Ａ) 特開 昭63−122437（ＪＰ，Ａ) 国際公開91／17517（ＷＯ，Ａ１) (58)調査した分野(Int.Cl.7，ＤＢ名) A61B 8/00 - 8/15 G06T 1/00
Claims (3)
- 【請求項１】 組織の特徴量とこの組織が特定の病変組
織であることについての正解率との相関関係を表すデー
タを記憶するデータ記憶手段と、 被検体に対応する画像信号データを解析して前記被検体
の被検組織の特徴量を求める特徴量算出手段と、前記データ記憶手段の記憶する 前記相関関係を表すデー
タを用いて、前記特徴量算出手段で求められた特徴量か
ら前記被検組織が前記特定の病変組織であることについ
ての正解率を判定する判定手段と、 前記判定手段で判定された正解率に応じて表示状態を変
化する表示制御手段と、 を設けたことを特徴とする画像解析装置。 - 【請求項２】 組織の特徴量とこの組織が病変組織であ
ることについての正解率との相関関係を表すデータを記
憶するデータ記憶手段と、 被検体に対応する画像信号データを解析して複数の異な
る病変に対する特徴量が算出可能で、かつ指定された病
変に対応する特徴量を選択する特徴量算出手段と、 前記相関関係を表すデータを用いて、前記特徴量算出手
段で得られた特徴量から前記被検体の被検組織が前記指
定された病変の病変組織であることについての正解率を
判定する判定手段と、 前記判定手段で判定された正解率に応じて表示状態を変
化する表示制御手段と、 を設けたことを特徴とする画像解析装置。 - 【請求項３】 前記被検体の画像信号データに対して関
心領域を設定する手段を更に有し、前記指定された病変
に対応して前記設定された関心領域のサイズを変化させ
ることを特徴とする請求項２記載の画像解析装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31488991A JP3255668B2 (ja) | 1991-11-28 | 1991-11-28 | 画像解析装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP31488991A JP3255668B2 (ja) | 1991-11-28 | 1991-11-28 | 画像解析装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH05146433A JPH05146433A (ja) | 1993-06-15 |
| JP3255668B2 true JP3255668B2 (ja) | 2002-02-12 |
Family
ID=18058849
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP31488991A Expired - Fee Related JP3255668B2 (ja) | 1991-11-28 | 1991-11-28 | 画像解析装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3255668B2 (ja) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR100207426B1 (ko) * | 1996-05-08 | 1999-07-15 | 전주범 | 무늬의 크기와 방향성을 이용한 텍스쳐 분류 장치 |
| JP4558394B2 (ja) * | 2004-07-02 | 2010-10-06 | 株式会社日立メディコ | 画像診断支援装置 |
| WO2006095896A1 (ja) * | 2005-03-08 | 2006-09-14 | Nihon University | 培養細胞監視システム |
| US9144413B2 (en) * | 2005-03-30 | 2015-09-29 | Hitachi Medical Corporation | Ultrasonic diagnostic apparatus |
| WO2009052375A1 (en) * | 2007-10-19 | 2009-04-23 | Boston Scientific Scimed, Inc. | Display of classifier output and confidence measure in an image |
| JP5528255B2 (ja) * | 2010-08-16 | 2014-06-25 | Ｈｏｙａ株式会社 | 内視鏡画像処理システム |
| JP5624505B2 (ja) * | 2011-03-08 | 2014-11-12 | 株式会社東芝 | 画像処理装置 |
| JP6150617B2 (ja) * | 2013-05-30 | 2017-06-21 | オリンパス株式会社 | 検出装置、学習装置、検出方法、学習方法及びプログラム |
| EP3843638A4 (en) * | 2018-08-31 | 2022-05-18 | Seno Medical Instruments, Inc. | METHODS AND SYSTEMS FOR DETERMINING MOLECULAR CANCER SUBTYPES BASED ON ULTRASOUND AND/OR OPTOACOUSTIC (OA/US) PROPERTIES |
| JP7457571B2 (ja) * | 2020-05-19 | 2024-03-28 | 富士フイルムヘルスケア株式会社 | 超音波診断装置及び診断支援方法 |
-
1991
- 1991-11-28 JP JP31488991A patent/JP3255668B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH05146433A (ja) | 1993-06-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111227864B (zh) | 使用超声图像利用计算机视觉进行病灶检测的装置 | |
| Chen et al. | Breast cancer diagnosis using self-organizing map for sonography | |
| US7664297B2 (en) | Three-dimensional joint structure measuring method | |
| CN109788939B (zh) | 用于通过自动检测b线和对超声扫描的图像进行评分来增强代表性超声图像的可视化和选择的方法和系统 | |
| CN111214255B (zh) | 一种医学超声图像计算机辅助方法 | |
| US20170086790A1 (en) | Method and system for enhanced visualization and selection of a representative ultrasound image by automatically detecting b lines and scoring images of an ultrasound scan | |
| JPH07284090A (ja) | 画像分類装置 | |
| JPH07323024A (ja) | 画像診断支援装置 | |
| CN111340827A (zh) | 一种肺部ct影像数据处理分析方法及系统 | |
| CN101420905A (zh) | 病灶标记和表征质量保证的方法及系统 | |
| JP3255668B2 (ja) | 画像解析装置 | |
| US20220301159A1 (en) | Artificial intelligence-based colonoscopic image diagnosis assisting system and method | |
| CN112819818A (zh) | 图像识别模块训练方法和装置 | |
| CN110458834B (zh) | 一种乳腺肿瘤图像处理系统、方法及装置 | |
| US20140206997A1 (en) | Ultrasonic diagnostic arrangements selecting parameters for selecting relevant estimation data for classifying an elasticity image | |
| US7068827B2 (en) | System and method of measuring fat content in target organ and recording medium of recording fat content measuring program | |
| CN116452523A (zh) | 一种超声图像质量量化评价方法 | |
| CN114565582B (zh) | 一种医学图像分类和病变区域定位方法、系统及存储介质 | |
| Ciobanu et al. | Objective method for colon cleansing evaluation using color CIELAB features | |
| JP2019118694A (ja) | 医用画像生成装置 | |
| JP3296828B2 (ja) | 超音波画像解析装置 | |
| JP7275961B2 (ja) | 教師画像生成プログラム、教師画像生成方法、および教師画像生成システム | |
| Cavouras et al. | Computer image analysis of ultrasound images for discriminating and grading liver parenchyma disease employing a hierarchical decision tree scheme and the multilayer perceptron neural network classifier | |
| JPH10258050A (ja) | 超音波画像診断装置 | |
| JPH11155849A (ja) | 骨画像情報取得方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20011119 |
|
| LAPS | Cancellation because of no payment of annual fees |