JP4373682B2 - 関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置 - Google Patents
関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置 Download PDFInfo
- Publication number
- JP4373682B2 JP4373682B2 JP2003025277A JP2003025277A JP4373682B2 JP 4373682 B2 JP4373682 B2 JP 4373682B2 JP 2003025277 A JP2003025277 A JP 2003025277A JP 2003025277 A JP2003025277 A JP 2003025277A JP 4373682 B2 JP4373682 B2 JP 4373682B2
- Authority
- JP
- Japan
- Prior art keywords
- region
- interest
- frame
- tissue region
- tissue
- 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
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
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/12—Edge-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
- G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20104—Interactive definition of region of interest [ROI]
-
- 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
- G06T2207/20112—Image segmentation details
- G06T2207/20116—Active contour; Active surface; Snakes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/248—Aligning, centring, orientation detection or correction of the image by interactive preprocessing or interactive shape modelling, e.g. feature points assigned by a user
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Processing Or Creating Images (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Description
【発明の属する技術分野】
本発明は、例えば、関心組織領域抽出方法、関心組織領域抽出処理プログラム及び画像処理装置に関する。
【0002】
【従来の技術】
今日、期待される生体内組織のディジタルモデルとは、生体内の各組織の構造、及び力学的特性の詳細な情報を保持する3次元モデルを意味する。もし医療に応用できれば、診断や治療、手術の事前シミュレーションが可能となり、その効果は計り知れない。
【0003】
そういったモデル構築のためには生体内の各組織の詳細な構造データと、その力学的特性の収集が必要であり、構築過程は以下の3つに大別される。
▲1▼生体内情報を画像データとして収集
▲2▼認識(各組織のセグメンテーション)
▲3▼各組織の力学的特性を付加
【0004】
これらの過程を経て構築される力学的モデルに、有限要素法(FEM)などによる力学的シミュレーションが実行されるが、そのシミュレーション結果は特に画像データの精度に大きく左右される。そのため、画像データ収集のための生体内撮影装置の撮影精度が大きな問題となる。現在、主な撮影装置としてX線CT(Computed Tomography)、MRI(Magnetic Resonance Imaging)が用いられているが、その撮影特徴上、データ収集が可能な組織が限られる。つまり、詳細部位や軟組織のデータ収集は不可能である。また、撮影された組織の解像度も十分とは言えず、現在のところ意図するモデル構築には至らない。
【0005】
生体内の詳細なモデルを構築するためには、構成要素の組成が似ている軟組織の情報も入手し、認識することが必要不可欠であるが、現在の主に用いられている撮影装置からでは要求を満たすデータが入手できていないのが現状であった。
【0006】
ところが近年、生体内組織の詳細データの入手に、実際の生体組織が持つカラー情報を利用しようとする動きが出てきた。米国National Library of Medicineとコロラド大学によるVisible Human Project (以下、VHP)では人体全身を約0.33mm間隔でスライスし、そのスライス面を撮影することで生体内フルカラー連続断面画像の入手を行った。
【0007】
X線CT、MRIが数mmの解像度であることや、入手データがカラー情報を持つことを考慮すると、その有用性は言うまでもない。しかし、このプロジェクトでは人体を一旦特殊冷却保存した後に、まず頭部から足先の方向に0.3mm間隔で削り取り、その度毎に分解能2000×2000画素のカラーディジタルカメラで撮影してデータを得ているため、その手間を考慮するとデータを量産出来るものではない。
【0008】
一方、本件出願人である理化学研究所において、生体内カラー情報の収集が可能な装置として三次元内部構造顕微鏡が開発された。この装置は数十μmの極小間隔で生体試料を全自動でスライスすることが出来る装置であり、スライス面の直上からCCDカメラで直接スライス面を撮影することで、軸のずれない高精彩のフルカラー連続断面画像の入手を可能としている。僅か1時間程度で1万枚程度の連続画像が入手可能である。
【0009】
さて、上述の装置で入手した生体内フルカラーデータを利用し、生体内ディジタルモデルを構築したいが、ここで新しく問題が生じた。従来は白黒画像であったものが、フルカラーになったことで画像の特徴が大きく変わったこと、さらに、生体内のデータを詳細に入手したため情報量が莫大に増加し、前述の過程▲2▼において従来のセグメンテーションでは良い認識結果を示すことが出来なくなったのである。
【0010】
もともと連続断面画像のような3次元画像からの領域抽出(セグメンテーション)法は、それだけで一つの研究分野が出来るほど奥が深い。従来多く用いられているX線CT、MRI画像からのセグメンテーション法でも未だ確立された手法はなく、多くの議論がなされている。
【0011】
一般的にセグメンテーションでは、「画像内の、一つの対象物(関心組織)に対応した部分(関心組織領域)では、特徴(濃度値、テクスチャなど)がほぼ均一であり、異なる対象物間(組織間)の境界部分では特徴が急変している」という仮定が利用されている。この仮定に基づき、セグメンテーション手法は2つに大別できる。すなわち、(1)関心組織の輪郭に相当するエッジを線として抽出する手法(エッジ抽出法)および、(2)画像を関心組織に対応した部分領域に分割する手法(領域分割法)である。それぞれの代表的なものとして、(1)ではスネークやレベルセットなど、(2)では領域成長法(リージョングローイング)などが挙げられる。
【0012】
【非特許文献1】
鳥脇純一郎著「3次元ディジタル画像処理」昭晃堂
【非特許文献2】
周藤安造著「医学における三次元画像処理基礎から応用まで」コロナ社
【0013】
【発明が解決しようとする課題】
上述の(1)のエッジ抽出法の場合、局所処理を用いて特徴の急変性を強調し境界を検出するため、画像内に雑音(ノイズ)が含まれる場合や、関心組織形状が複雑化した場合は、偽のエッジやエッジの途切れが生じる。そのため、生体フルカラー画像の様に保持する情報が多く、エッジ特定のための必要特徴とそれ以外を判別することが難しいことや、生体組織形状の複雑さを考慮すると、最適なセグメンテーション手法には挙げられない。
【0014】
一方、前述の(2)の領域分割法では、関心組織領域内での特徴の均一性を評価して関心組織に対応すると考えられる領域を直接抽出するため、雑音などの局所的な変動に左右されにくい。さらに、抽出結果は領域としてまとまっているために画像の大局的な構造を理解しやすく、新たに構造理解の必要が減るケースが多いなどの利点がある。しかし、ごく狭い領域(線状領域)を抽出する場合や、組織間の特徴変動がなだらかな場合に、分離すべき領域が統合される(抽出のあふれ)がしばしば生じる欠点もあり、多くの場合、何らかの処理を恣意的に加えなければならないケースが多い。
【0015】
また、前述の(1)と(2)双方の対照的、相補的な特徴を利用し、それらを組み合わせることで性能を良くしたセグメンテーション手法として領域・エッジ併用法が提案されている。 この併用方法はリージョングローイングによる領域分割の判定条件にエッジ情報を使用するため、エッジ抽出法だけのときのエッジの途切れをそれほど問題としない。さらに、リージョングローイングだけのときよりも、エッジ情報が加わったために正しい判別が行える利点がある。
【0016】
しかし、リージョングローイングは領域判別の制御条件としてあらかじめパラメータを与える必要がある。さらに、生成される領域の拡張量に停止条件を設定しないと処理を終了することが出来ない。このパラメータや条件を自動的に画像の特徴に合わせて調整することは難しく実現されていないため、複雑な画像からの正しいセグメンテーション結果は期待出来ない。
【0017】
また他に、各判別段階で対話的な修正処理を組み込むことで、画像特徴に合わないパラメータの役割を補間する手法が提案されている。これは、領域抽出過程のモニタリングを行い、領域拡張の停止条件適当でないために生じた抽出のあふれを、解剖学的知識を持った人が指定し修正することで正しいセグメンテーションを実現する手法である。
【0018】
前述のように、データの情報量が莫大に増加した画像において、人の手作業による修正処理を施す必要のあるこの方法では一般性は得られない。
【0019】
以上のように、リージョングローイングはエッジ抽出法と比較し利点も多いが、その効果が発揮されるのは、理想的なデータに対し、特定のパラメータや条件を与えられた場合のみであり、通常の処理の場合は人の介在なくしては良い結果が得られない。今日の研究で扱う生体内部のフルカラー画像は、形状や濃度変化も複雑でデータの総容量も多く、従来法をそのまま適用しても良いセグメンテーション結果は得られない。
【0020】
そこで、本件発明者は鋭意研究を通じて、生体内部のフルカラー画像に適したセグメンテーション手法を提案するに至った。
【0021】
本発明の目的は、従来法のリージョングローイングで問題とされた、恣意的なパラメータや拡張の停止条件をなくし、自動的なセグメンテーションを実現することが可能な関心組織領域抽出方法、関心組織領域抽出処理プログラム及び画像処理装置を提供することにある。
【0022】
【課題を解決するための手段】
上述した課題を解決し、上記目的を達成するため、関心組織領域抽出方法は、生体断面画像の連続フレームから関心組織領域を抽出する方法であって、前記連続フレームの一部に対して前記関心組織領域における初期の判定基準を与え、前記連続フレームの一部に続くフレームについて当該フレームの各画素値と前記判定基準とに基づいて前記関心組織領域に帰属させる領域と帰属させない領域とを判断し、前記フレームに続くフレーム以降の判断では、前記関心組織領域に前記帰属させる領域を含めた領域の画素値に基づいて前記判定基準を設定することを特徴とするものである。
【0023】
また、関心組織領域抽出方法は、生体断面画像の連続フレームから関心組織領域を抽出する方法であって、前記連続フレームの一部に対して前記関心組織領域内における初期の判定基準と前記関心組織領域外における初期の判定基準の2種類を与え、前記連続フレームの一部に続くフレームについて当該フレームの各画素値と前記2種類の判定基準とに基づいて前記関心組織領域内に帰属させる領域と前記関心組織領域外に帰属させる領域とを判断し、前記フレームに続くフレーム以降の判断では、前記関心組織領域内に前記帰属させる領域を含めた領域の画素値と前記関心組織領域外に前記帰属させる領域を含めた領域の画素値に基づいて前記2種類の判定基準を設定することを特徴とするものである。
【0024】
前記連続フレームの一部は1枚のフレーム又は複数枚のフレームであり、前記フレームに対して手操作により設定された前記関心組織領域から前記判定基準を求めるようにしてもよい。
【0025】
前記連続フレームの一部に続くフレーム及び当該フレームに続くフレーム以降の帰属の判断では、判断対象となるフレームの1つ前のフレームで判断された関心組織領域と同じ位置に仮領域を設け、当該仮領域の境界に沿って画素単位に帰属の判断を行うようにしてもよい。
【0026】
前記仮領域において、前記関心組織領域に帰属させる画素が前記仮領域外にある場合には、当該画素を前記判断対象のフレームの関心組織領域の画素として当該関心組織領域を前記1つ前のフレームの関心組織領域に対して拡張し、前記関心組織領域に帰属させない画素が前記仮領域内にある場合には、当該画素を前記判断対象のフレームの関心組織領域外の画素として当該関心組織領域を前記1つ前のフレームの関心組織領域に対して縮小するようにしてもよい。
【0027】
前記連続フレームの一部に続くフレーム及び当該フレームに続くフレーム以降の帰属の判断では、判断対象となるフレーム以前の連続する複数枚のフレームから画素単位に対応させて前記判断対象となるフレームの各画素を含む所定サイズの局所領域を取り出しながら、前記各局所領域に含まれる前記関心組織領域の一部に対応する前記設定された判定基準を使用するようにしてもよい。
【0028】
前記関心組織領域の画素のみ表示対象として記憶するようにしてもよい。
【0029】
また、関心組織領域抽出プログラムは、生体断面画像の連続フレームから関心組織領域を抽出するための処理をコンピュータに実行させるプログラムであって、前記コンピュータに、前記連続フレームの一部に対応する前記関心組織領域における初期の判定基準を算出する第1ステップと、前記連続フレームの一部に続くフレームについて当該フレームの各画素値と前記算出された初期の判定基準とに基づいて前記関心組織領域に帰属させる領域と帰属させない領域とを判断する第2ステップと、前記フレームに続くフレーム以降の判断では、前記関心組織領域に前記帰属させる領域を含めた領域の画素値に基づいて前記判定基準を設定する第3ステップと、を実行させることを特徴とするものである。
【0030】
また、関心組織領域抽出プログラムは、生体断面画像の連続フレームから関心組織領域を抽出するための処理をコンピュータに実行させるプログラムであって、前記連続フレームの一部に対して前記関心組織領域内における初期の判定基準と前記関心組織領域外における初期の判定基準の2種類を算出する第1ステップと、前記連続フレームの一部に続くフレームについて当該フレームの各画素値と前記算出された2種類の判定基準とに基づいて前記関心組織領域内に帰属させる領域と前記関心組織領域外に帰属させる領域とを判断する第2ステップと、前記フレームに続くフレーム以降の判断では、前記関心組織領域内に前記帰属させる領域を含めた領域の画素値と前記関心組織領域外に前記帰属させる領域を含めた領域の画素値に基づいて前記2種類の判定基準を設定する第3ステップと、を実行させることを特徴とするものである。
【0031】
前記連続フレームの一部は1枚のフレーム又は複数枚のフレームであり、前記フレームに対して手操作により設定された前記関心組織領域から前記初期の判定基準を算出させる前記第1ステップを有したものでもよい。
【0032】
前記連続フレームの一部に続くフレーム及び当該フレームに続くフレーム以降の帰属の判断では、判断対象となるフレームの1つ前のフレームで判断された関心組織領域と同じ位置に仮領域を設け、当該仮領域の境界に沿って画素単位に帰属の判断を行わせる前記第2ステップを有したものでもよい。
【0033】
前記仮領域において、前記関心組織領域に帰属させる画素が前記仮領域外にある場合には、当該画素を前記判断対象のフレームの関心組織領域の画素として当該関心組織領域を前記1つ前のフレームの関心組織領域に対して拡張させ、前記関心組織領域に帰属させない画素が前記仮領域内にある場合には、当該画素を前記判断対象のフレームの関心組織領域外の画素として当該関心組織領域を前記1つ前のフレームの関心組織領域に対して縮小させる前記第2ステップを有したものでもよい。
【0034】
前記連続フレームの一部に続くフレーム及び当該フレームに続くフレーム以降の帰属の判断では、判断対象となるフレーム以前の連続する複数枚のフレームから画素単位に対応させて前記判断対象となるフレームの各画素を含む所定サイズの局所領域を取り出させながら、前記各局所領域に含まれる前記関心組織領域の一部に対応する前記設定された判定基準を使用させる前記第2ステップを有したものでもよい。
【0035】
前記コンピュータに、さらに、前記関心組織領域の画素のみ表示対象として記憶する第4ステップを実行させるものでもよい。
【0036】
また、画像処理装置は、生体断面画像の連続フレームから関心組織領域を抽出する画像処理装置であって、前記連続フレームの画素値を記憶する画素値記憶手段と、前記画素値記憶手段を参照して前記連続フレームの一部に対応する前記関心組織領域における初期の判定基準を算出する算出手段と、前記連続フレームの一部に続くフレームについて当該フレームの各画素の濃度値と前記算出された初期の判定基準とに基づいて前記関心組織領域に帰属させる領域と帰属させない領域とを判断する判断手段と、前記フレームに続くフレーム以降の判断では、前記関心組織領域に前記帰属させる領域を含めた領域の画素値に基づいて前記判定基準を設定する設定手段と、を備えることを特徴とするものである。
【0037】
また、画像処理装置は、生体断面画像の連続フレームから関心組織領域を抽出する画像処理装置であって、前記連続フレームの画素値を記憶する画素値記憶手段と、前記画素値記憶手段を参照して前記連続フレームの一部に対して前記関心組織領域内における初期の判定基準と前記関心組織領域外における初期の判定基準の2種類を算出する算出手段と、前記連続フレームの一部に続くフレームについて当該フレームの各画素値と前記算出された2種類の判定基準とに基づいて前記関心組織領域内に帰属させる領域と前記関心組織領域外に帰属させる領域とを判断する判断手段と、前記フレームに続くフレーム以降の判断では、前記関心組織領域内に前記帰属させる領域を含めた領域の画素値と前記関心組織領域外に前記帰属させる領域を含めた領域の画素値に基づいて前記2種類の判定基準を設定する設定手段と、を備えることを特徴とするものである。
【0038】
さらに、前記関心組織領域の各画素に対応させて表示対象を示すフラグ情報を記憶する表示対象記憶手段を有するようにしてもよい。
【0039】
さらに、前記画素値記憶手段を参照し、前記表示対象記憶手段に記憶されたフラグ情報に基づいて前記関心組織領域を表示する表示手段を有するようにしてもよい。
【0040】
【発明の実施の形態】
以下に添付図面を参照して、本発明にかかる一実施の形態を詳細に説明する。
【0041】
まず、本発明の原理について説明する。本発明に係る関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置において共通する原理は、生体断面画像の連続フレームの一部に対して関心組織領域内における初期の判定基準(濃度中央値又は濃度平均値)と関心組織領域外における初期の判定基準(濃度中央値又は濃度平均値)の2種類を与えることろからはじめる。
【0042】
連続フレームの一部に連続するフレームについて、そのフレームの各画素値(画素の濃度値)は関心組織領域内における初期の判定基準、関心組織領域外における初期の判定基準にそれぞれ比較される。画素値が関心組織領域内における初期の判定基準に近い場合には、関心組織領域内に帰属させる領域として判断される。
【0043】
この場合、上記の関心組織領域とその領域内に帰属させると判断した領域とを含めた新たな関心組織領域(3次元構造)の画素値に基づいて判定基準を設定する。
【0044】
一方、画素値が関心組織領域外における初期の判定基準に近い場合には、関心組織領域外に帰属させる領域として判断される。この場合、上記の関心組織領域外とその領域外に帰属させると判断した領域とを含めた新たな関心組織領域外(3次元構造)の画素値に基づいて判定基準を設定する。
【0045】
さらに連続する次のフレームについては、連続する前処理済みフレームによって更新された判定基準を用いて関心組織領域内か外かを判断する。
【0046】
つづいて、フルカラー連続断面画像からの自動領域抽出についての原理を説明する。図1はHSVカラー空間を説明する図、図2は本発明に適用される極座標を説明する図、図3及び図4は本発明に適用される領域抽出方法を説明する図、そして、図5は本発明に適用される3次元空間における関心組織領域のリージョングローイング方法を説明する図である。
【0047】
フルカラー画像は各ピクセルにRGB表色系による3つのカラーベクトル値をもっている。各2次元画像において、関心組織領域を抽出するために、組織の境界を判別する必要がある。そのためには、組織間のわずかな色の差を認識しなくてはならない。つまり、近隣画素間での微小な色変化に注目をする。
【0048】
関心組織領域を抽出する際には、画素値に閾値を適用する方法を用いることもできるが、生体内では組織境界付近に明らかな色変化があることが少なく、また場所ごとに複雑な色分布をしているため、一意的な閾値では関心組織領域を抽出することは困難である。
【0049】
そこで本発明では、以下の2点を抽出手法に取り入れる。
(1)HSV(H:色相、S:色彩、V:明度)表色法で表現した画素値を利用した画素間濃度差の算出
(2)画像全体に同一閾値を適用するのではなく、局所的領域に注目した領域内外判別(拡張リージョングローイング法)
【0050】
HSV表色法を用いた理由は以下の2点となる。
(1)RGB表色法よりも生体組織境界を判別しやすい点
(2)同一組織内では特にH値、S値に大きな色変化がおこらず値がまとまっている点
【0051】
さて、HSV表色法で表された画素値を用いてセグメンテーションを行うが、特にH値、S値を用いてセグメンテーションを行う。しかし、HSV表色法で表されるH,S,Vの各ベクトル値は互いに等価ではなく、図1のような特殊な空間を生成しているため、画素間濃度差を計算する際、通常のユークリッド距離では正しい値が得られない。
【0052】
そこで、ある2点の画素間濃度差を算出する際は、HSV空間の特徴を損なわない計算方法として、H,Sによる極座標上での距離を計算した。例として画素P1,P2の画素値をそれぞれ
【数1】
としたとき、画素 P1,P2 間の濃度差δは以下の式(1),(2),(3)で計算する。
【数2】
【0053】
本発明は、以上の画素間の濃度差を求める手法を3次元の局所領域に適用して関心組織領域に帰属するか否かを判断するものである。そこで、図3、図4及び図5を用いて簡単に説明する。
【0054】
連続する生体断面画像(生体フルカラー画像情報の連続フレーム)から初期画像(フレームN−1)を選択する際は、ある程度視認できる程度のサイズを有した関心組織領域が写っていることが好ましい(図3参照)。この場合には、手作業による領域抽出となるが、関心組織領域を含むことが精度上好ましい。なお、図3の例では、フレームN−1,N,N+1・・・の方向がスライス方向であり、関心組織領域の中心に向けてスライス方向が進むものとする。
【0055】
フレームN−1の画像に手作業で抽出対象と思われる任意の領域が指定されると、その領域は関心組織領域ROI0として抽出される(図4(A))。そして、連続する生体断面画像では、連続する次のフレームNの画像に対して上フレームN−1の画像で抽出された領域とまったく同じ位置の領域をまずは仮領域Sとして選択される(図4(B)参照)。
【0056】
その後、後述する本発明の拡張リージョングローイング法により、正しい領域すなわち実際の関心組織領域ROI1をが仮の状態から再抽出される(図4(C)参照)。このようにして関心組織領域ROI1の抽出が完了する(図4(D)参照)。
【0057】
拡張リージョングローイング法とは、フレームN−1の画像から抽出された関心組織領域ROI0と全く同じ抽出対象の関心組織領域ROI1をH値、S値に基づく濃度値を用いてフレームNの画像から抽出し、さらに連続する次のフレームN+1、N+2、N+3・・・については少なくとも過去フレームの関心組織領域内外の濃度値から抽出する手法である。
【0058】
すなわち、各フレームにおいては、1つ前のフレームで抽出された関心組織領域と同じ位置の領域をまずは仮領域として与え、その仮領域の境界画素に一つ一つ注目し、断面(連続するフレーム)間で領域内と領域外のどちらかに変化したかを判定する処理が施される。
【0059】
図5において、まず境界画素Pxを中心とした7x7x4ピクセルの局所領域に注目する。この場合、Z方向はN,N−1,N−2,N−3で示すが、領域抽出の処理方向は図中下方向となる。
【0060】
その局所領域中、この時点までに領域内と判定されている画素のH値,S値の濃度中央値(メディアン値)Minを計算する。同時にこの時点までに領域外と判定されている画素のH値、S値の中央値Moutも計算する。
【数3】
【0061】
画素Pxの画素値が、この局所領域の領域内外どちらの特徴に近いかを検討し領域内,外を決定する。実際には、領域内外のH値、S値による濃度代表値Mと画素Pxとの濃度差dをそれぞれ計算し、差が小さかった方と画素Pxの特徴が類似しているとみなす。これにより、Pxを領域内、領域外のどちらかに取り込む。これを計算式で表したものが以下の式(5)〜(6)である。
【数4】
【0062】
以上の処理をすべての境界画素に対して行う。この処理は領域内外への取り込みが終了するまで自動的に繰り返す。このときの取り込みが終了するとは、画素の領域内への取り込み、または除外を繰り返すことで正しい領域境界の設定が完了したことを意味する。
【0063】
このようにして、フレームNの画像に対する抽出処理が終了した後、さらに下に連続するフレームN+1,N+2,・・・の画像においても同様の処理を行い、連続自動抽出を実行する。
【0064】
以上の原理に基づいて以下に構成、動作を説明する。まず、構成について説明する。図6は本発明の一実施の形態による画像処理装置の一構成を示すブロック図である。図6の画像処理装置は本発明に係る画像処理装置を構成しており、フロッピー(登録商標)ディスク、CD、DVD等の記録媒体や通信回線を通じて図6の画像処理装置に供給されるプログラムは本発明に係る関心組織領域抽出プログラムを含むものとする。
【0065】
本実施の形態による画像処理装置は、例えば図6に示したように、内部バス11に、通信インタフェース12、CPU13、ROM14、RAM15、ディスプレイ16、キーボード/マウス17、ドライブ18、ハードディスク19を接続させ、アドレス信号、制御信号、データ等を伝送させ、本実施の形態による領域抽出を実現する構成を備えている。
【0066】
図6において、通信インタフェース12は、例えばインターネット等の通信網に接続する機能を有しており、本発明に係る関心組織領域抽出プログラムをダウンロードすることも可能である。CPU13は、ROM14に格納されたOSにより装置全体の制御を行うとともにハードディスク19に格納された各種のアプリケーションプログラムに基づいて処理を実行する機能を司る。
【0067】
ROM14は、OS等のように装置全体の制御を行うためのプログラムを格納しており、これらをCPU13に供給する機能を有している。RAM15は、CPU13による各種プログラムの実行時にワークエリアとして利用されるメモリ機能を有している。このRAM15は、領域抽出の際に例えばスタックA,Bを設定するものとする。
【0068】
ディスプレイ16は、CPU13の各種の処理に伴うメニュー、ステータス、表示遷移等を表示する機能を有している。キーボード/マスス17は、文字、数字、記号等のデータを入力するためのキー、画面上のポイント位置を操作するためのカーソルキー、ファンクションキー等を備えている。なお、ポイント位置を操作するために、マウスが備わっている。
【0069】
ドライブ18は、各種のプログラム、データを記録したCD、DVD等の記録媒体からインストール作業を実行するための駆動ユニットである。なお、フロッピー(登録商標)ディスクのドライブ機能を付加してもよい。
【0070】
ハードディスク19は、プログラム19A、メモリ19B、生体フルカラー画像情報19C、フラグ情報19D等を記憶する外部記憶装置である。プログラム19Aは、前述した通信インタフェース12、ドライブ18等からインストールされたプログラムを実行形式で記憶したものに相当する。メモリ19Bは、各種プログラムの実行結果等のファイルを保存する記憶部である。
【0071】
生体フルカラー画像情報19Cは、通信インタフェース12、ドライブ18等を介して読み込んだデータファイルである。この生体フルカラー画像情報19Cは、連続する複数フレームにより構成される生体の断面画像である。フラグ情報19Dは、生体フルカラー画像情報19Cの各フレームに座標で対応させてRGBをひとつのフラグで表すものである。
【0072】
つづいて、本実施の形態を機能的に説明する。図7は本実施の形態による機能を示すブロック図であり、図8は本実施の形態による表示遷移の一例を示す図である。本発明の機能は、初期関心組織領域設定部101、仮領域設定部102、濃度中央値算出部103、境界近傍画素値取得部104、領域内外判定部105、関心組織領域抽出部106、表示画像形成部107等により構成される。
【0073】
以上の構成によれば、まず初期関心組織領域設定部101により生体フルカラー画像情報19CからフレームN−1の画像が取り出され、手作業による任意の領域指定により初期の関心組織領域が設定される。濃度中央値算出部103では、この関心組織領域設定部101で設定された領域内の各画素の濃度ちから濃度中央値が算出される。
【0074】
仮領域設定部102により、フレームN−1に連続する次のフレームNに対して初期関心組織領域設定部101で設定された関心組織領域と同じ領域の位置に仮領域が設定される。そして、境界近傍画素値取得部104により仮領域内外の境界近傍画素の画素値が取得される。
【0075】
領域内外判定部105では、境界近傍画素と画素値と濃度中央値算出部103で算出された濃度中央値とに基づいて前述したように拡張リージョングローリング法による領域内外の判定が行われる。なお、7×7×4の局所領域での判定が開始されるのは、過去に4フレーム分の領域抽出が完了してからとなる。よって、抽出開始のレームをNとした場合には、フレームN+3から7×7×4の局所領域が採用される。
【0076】
そして、関心組織領域抽出部106により、領域内外判定に基づいて関心組織領域の拡張又は伸縮による抽出が行われ、その抽出結果がフラグ情報19Dに反映される。
【0077】
連続する次のフレームN+1においては、フレームN−1及びNによる3次元の局所領域が濃度中央値算出部103で濃度中央ちを算出する際の対象となる。このとき、仮領域設定部102では、フラグ情報19DよりフレームNの関心組織領域を取り込み、その関心組織領域にしたがって仮領域が設定される。以降、同様に、拡張リージョングローリング法により領域抽出が実施される。
【0078】
そして、抽出済の関心組織領域を表示させる場合には、表示画像形成部107によりフラグ情報19D及び生体フルカラー画像情報19Cに基づいて表示データが生成され、図8(A)〜(F)の如く関心組織領域ROIの表示遷移を観察することができる。
【0079】
つぎに、動作について簡単に説明する。図9は本実施の形態による動作を説明するフローチャートであり、図10は本実施の形態によるフラグ情報の管理について説明する図である。なお、この図9による処理は、プログラム19Aのうち本発明に係る関心組織領域抽出プログラムに相当するものである。ただし、表示については、図7の機能ブロックに従うものである。
【0080】
まず、1枚目の断面画像が入力され(ステップS1)、HSV変換処理が実行される(ステップS2)。そして、抽出対象の領域が指定される(ステップS3)。これにより手作業部分での初期の関心組織領域が設定される。
【0081】
この段階では次の断面画像が存在することから(ステップS4)、連続する次の断面画像が入力される(ステップS5)。このとき、入力された断面画像に対応するフラグ情報がリセットされる(ステップS6)。
【0082】
入力断面画像に対しては、1つ前の断面画像に指定した関心組織領域と同じ領域の位置に仮領域として抽出開始領域が指定される(ステップS7)。この抽出開始領域境界の近傍画素を1つ選択され(ステップS8)、スタックA(図6参照)に格納される(ステップS9)。
【0083】
この段階では、スタックAは空ではないので(ステップS10)、スタックAから注目画素Pを1つ取り出し(ステップS11)、局所領域による前述した拡張リージョングローリング処理が実行される(ステップS12)。
【0084】
そして、注目画素Pが関心組織領域内の場合には(ステップS13)、注目画Pに対してフラグがセットされ(ステップS14)、その注目画素P近傍で抽出開始領域に対して外側の画素が1つ選択される(ステップS15)。この後、選択画素はスタックAに格納され(ステップS9)、同様の処理が繰り返される。
【0085】
フラグ情報は、図10に示したように、核フレームに対して画素毎に座標で管理される。例えば、フレームNo.100の座標(X1,Y1,Z1)が関心組織領域内と判断された場合には、フラグ“1”にセットされる。フレームNo.101の座標(X2,Y2,Z2)はフラグ“1”のため、関心組織領域内と判断されたことになる。
【0086】
ステップS13において注目画素Pが領域外の場合には、注目画素Pの近傍で領域内の画素が1つ選択され(ステップS16)、その選択画素はスタックBに格納される(ステップS17)。そして、スタックAの空状態が確認される(ステップS18)。このスタックAに関する処理は領域内を処理対象としている。
【0087】
スタックAが空でないときには(ステップS18のNOルート)、処理はステップS11に戻り、同様の処理が繰り返される。一方、スタックAが空の場合には(ステップS18のYESルート)、さらにスタックBの空の状態が確認される(ステップS19)。
【0088】
スタックBが空でないときには(ステップS19のNOルート)、処理はステップS20に進み、一方、スタックBが空の場合には(ステップS19のYESルート)、入力断面画像1枚分の処理が完了したので、処理はステップS4に戻り、次の断面画像の有無が判断される。
【0089】
ステップS20においては、スタックBから注目画素Pとして画素が1つ取り出され、その注目画素Pに対して前述した拡張リージョングローリング処理が施される(ステップS21)。そして、その注目画素Pが領域外であれば(ステップS22)、さらに内側の判断を仰ぐため、注目画素Pの近傍で領域内の画素が1つ選択される(ステップS23)。その選択画素はスタックBに格納され(ステップS17)、以下は同様の処理が繰り返される。このスタックBに関する処理は領域外を処理対象としているので、ステップS22で注目画素が領域内と判断された場合には処理はステップS19に戻る。
【0090】
以上説明したように、本実施の形態によれば、拡張リージョングローリングにより、注目画素周囲の3次元局所空間を使用し、注目画素周辺の3次元局所空間での関心組織領域内外の濃度中央値を判定基準とした領域抽出を行うようにしたので、抽出対象のフレームよりも前の連続する数フレーム分の判定結果を加味することができ、その結果、拡張リージョングローリングによる自動的なセグメンテーションを実現することが可能である。このようにすれば、例えば同一臓器の色の変化にも対応して正確に領域抽出を行い、また、同一臓器内に異物が混在しても影響されずに正確に領域抽出を行うことができる。また、従来法のリージョングローイングで問題とされた恣意的なパラメータや拡張の停止条件をなくし、判定基準の固定化を避けることができる。
【0091】
さて、上述した実施の形態では、判定基準のデータとして濃度中央値を採用したが、本発明はこれに限定されるものではなく、濃度中央値のほうが好ましいが、濃度平均値からも同様の効果を得ることが可能である。
【0092】
また、上述した実施の形態では、3次元局所領域を7×7×4のサイズとして説明したが、本発明はこれに限定されるものではなく、例えば3×3×2のように上記サイズよりも小さくてもよく、あるいは、大きくてもよい。また、大中小等の複数のサイズをもつことで、それぞれに重み付けをすることも可能である。
【0093】
さらに、上述した実施の形態では、カラー画像を例に挙げているが、白黒画像への適用も可能である。
【0094】
また、上述した実施の形態では、初期画像にあたるフレームN−1に対して手作業で関心組織領域を抽出していたが、本発明はこれに限定されるものではなく、画像処理技術により自動的に抽出するようにしてもよい。
【0095】
つぎに、実験例を2つ挙げる。
(実験1:水晶体部の抽出)
図11及び図12は実験2の結果を示す図である。人眼全体から水晶体領域を自動抽出した。合計枚数120枚を利用した。水晶体付近は、周辺組織が透明であるため、断面画像では次断面での領域がすけて見える現象がおこっていた。そのため、手作業ではどこまでが正しい領域であるのかを判別するのが難しい。
【0096】
図12には、連続する複数フレームについて、本発明を適用して抽出された領域内外(inside area/outside area)の画素数(Result)と実際に手作業で抽出した領域内外(inside area/outside area)の画素数(Answer)との比較から、エラー画素数(E)と回答率(Rate%)とを示している。フレームNo.は1,5,10,30,50,100,130,140,150をサンプルとして挙げている。
【0097】
例えば、フレームNo.10では、領域内は1663画素であるのに対して実際は1726画素となり、96.35%の正解率を得ることができた。このときのエラー画素数は、63となった。一方、領域外は75015画素であるのに対して実際は75074画素となり、99.92%の正解率を得ることができた。このときのエラー画素数は、52である。
【0098】
このように、枚数が進んでも高い正解率が得られ、フレームNo.130まで進んでもほぼ95%(94.81%)の正解率を得ることができた。これは、5%のエラーを示すものであり、手作業との間で遜色のない領域抽出を達成できたことを示すものである。
【0099】
ところが、画素値のS値は実際の水晶体領域と、透けて見えている領域の間に大きな値の変化があったため、本手法ではそれらを分離することに成功した。
【0100】
(実験2:眼球の包埋剤からの抽出)
図13は実験1の結果を示す図である。人眼の連続断面画像840枚を使用し、背景(包埋剤)から人眼だけを抽出した。包埋剤は青一色だが、同じ青でも場所ごとに色に差があり、一つの閾値で青だけを除外する手法では難しい。また、840枚もの多数枚から手作業で抽出するのは困難であった。本発明の手法により、図13に示したように、自動的に連続抽出が可能となった。
【0101】
以上の実験例から示されるように、H値、S値を利用したセグメンテーションの有用性が示された。
【0102】
【発明の効果】
以上説明したように本発明によれば、従来法のリージョングローイングでは関心組織領域の判定基準が固定されていたのに対して、関心組織領域の判定基準を3次元の空間で行うことができ、これによって、自動的なセグメンテーションを実現することが可能な関心組織領域抽出方法、関心組織領域抽出処理プログラム及び画像処理装置を提供できるという効果を奏する。
【図面の簡単な説明】
【図1】HSVカラー空間を説明する図である。
【図2】本発明に適用される極座標を説明する図である。
【図3】本発明に適用される領域抽出方法を説明する図である。
【図4】本発明に適用される領域抽出方法を説明する図である。
【図5】本発明に適用される3次元空間における関心組織領域のリージョングローイング方法を説明する図である。
【図6】本発明の一実施の形態による画像処理装置の一構成を示すブロック図である。
【図7】本実施の形態による機能を示すブロック図である。
【図8】本実施の形態による表示遷移の一例を示す図である。
【図9】本実施の形態による動作を説明するフローチャートである。
【図10】本実施の形態によるフラグ情報の管理について説明する図である。
【図11】実験1の結果を示す図である。
【図12】実験1の結果を示す図である。
【図13】実験2の結果を示す図である。
【符号の説明】
12 通信インタフェース
13 CPU
14 ROM
15 RAM
16 ディスプレイ
17 キーボード/マウス
18 ドライブ
19 ハードディスク
19A プログラム
19B メモリ
19C 生体フルカラー画像情報
19D フラグ情報
101 初期関心組織領域設定部
102 仮領域設定部
103 濃度中央値算出部
104 境界近傍画素値取得部
105 領域内外判定部
106 関心組織領域抽出部
107 表示画像形成部
Claims (15)
- 生体断面画像の連続フレームから関心組織領域を抽出する方法であって、
前記連続フレームの一部に対して前記関心組織領域内における初期の判定基準と前記関心組織領域外における初期の判定基準の2種類を受け付け、
前記連続フレームの一部に続くフレームについて当該フレームの各画素値が、前記関心組織領域内における初期の判定基準と前記関心組織領域外における初期の判定基準のいずれに近いか判断し、前記関心組織領域内における初期の判定基準に近い場合には、関心組織領域内に帰属させる領域として判断する一方、前記関心組織領域外における初期の判定基準に近い場合には、関心組織領域外に帰属させる領域として判断し、
前記2種類の判定基準は、前記連続フレームの一部に含まれる前記関心組織領域内における画素値の色相の濃度中央値および前記連続フレームの一部に含まれる前記関心組織領域内における画素値の彩度の濃度中央値の少なくとも一方と、
前記連続フレームの一部に含まれる前記関心組織領域外における画素値の色相の濃度中央値および前記連続フレームの一部に含まれる前記関心組織領域外における画素値の彩度の濃度中央値の少なくとも一方とを含み、
前記フレームに続くフレーム以降の判断では、前記関心組織領域内に前記帰属させる領域を含めた領域の画素値と前記関心組織領域外に前記帰属させる領域を含めた領域の画素値に基づいて前記2種類の判定基準を設定することを特徴とする関心組織領域抽出方法。 - 前記連続フレームの一部は1枚のフレーム又は複数枚のフレームであり、前記フレームに対して手操作により設定された前記関心組織領域から前記判定基準を求めることを特徴とする請求項1に記載の関心組織領域抽出方法。
- 前記連続フレームの一部に続くフレーム及び当該フレームに続くフレーム以降の帰属の判断では、判断対象となるフレームの1つ前のフレームで判断された関心組織領域と同じ位置に仮領域を設け、当該仮領域の境界に沿って画素単位に帰属の判断を行うことを特徴とする請求項1又は2に記載の関心組織領域抽出方法。
- 前記仮領域において、前記関心組織領域に帰属させる画素が前記仮領域外にある場合には、当該画素を前記判断対象のフレームの関心組織領域の画素として当該関心組織領域を前記1つ前のフレームの関心組織領域に対して拡張し、前記関心組織領域に帰属させない画素が前記仮領域内にある場合には、当該画素を前記判断対象のフレームの関心組織領域外の画素として当該関心組織領域を前記1つ前のフレームの関心組織領域に対して縮小することを特徴とする請求項3に記載の関心組織領域抽出方法。
- 前記連続フレームの一部に続くフレーム及び当該フレームに続くフレーム以降の帰属の判断では、判断対象となるフレーム以前の連続する複数枚のフレームから画素単位に対応させて前記判断対象となるフレームの各画素を含む所定サイズの局所領域を取り出しながら、前記各局所領域に含まれる前記関心組織領域の一部に対応する前記設定された判定基準を使用することを特徴とする請求項1〜4のいずれか1つに記載の関心組織領域抽出方法。
- 前記関心組織領域の画素のみ表示対象として記憶することを特徴とする請求項1〜5のいずれか1つに記載の関心組織領域抽出方法。
- 生体断面画像の連続フレームから関心組織領域を抽出するための処理をコンピュータに実行させるプログラムであって、
前記連続フレームの一部に対して前記関心組織領域内における初期の判定基準と前記関心組織領域外における初期の判定基準の2種類を算出する第1ステップと、
前記連続フレームの一部に続くフレームについて当該フレームの各画素値が、前記関心組織領域内における初期の判定基準と前記関心組織領域外における初期の判定基準のいずれに近いか判断し、前記関心組織領域内における初期の判定基準に近い場合には、関心組織領域内に帰属させる領域として判断する一方、前記関心組織領域外における初期の判定基準に近い場合には、関心組織領域外に帰属させる領域として判断する第2ステップと、 前記2種類の判定基準は、前記連続フレームの一部に含まれる前記関心組織領域内における画素値の色相の濃度中央値および前記連続フレームの一部に含まれる前記関心組織領域内における画素値の彩度の濃度中央値の少なくとも一方と、
前記連続フレームの一部に含まれる前記関心組織領域外における画素値の色相の濃度中央値および前記連続フレームの一部に含まれる前記関心組織領域外における画素値の彩度の濃度中央値の少なくとも一方とを含み、
前記フレームに続くフレーム以降の判断では、前記関心組織領域内に前記帰属させる領域を含めた領域の画素値と前記関心組織領域外に前記帰属させる領域を含めた領域の画素値に基づいて前記2種類の判定基準を設定する第3ステップと、
を実行させることを特徴とする関心組織領域抽出プログラム。 - 前記連続フレームの一部は1枚のフレーム又は複数枚のフレームであり、前記フレームに対して手操作により設定された前記関心組織領域から前記初期の判定基準を算出させる前記第1ステップを有したことを特徴とする請求項7に記載の関心組織領域抽出プログラム。
- 前記連続フレームの一部に続くフレーム及び当該フレームに続くフレーム以降の帰属の判断では、判断対象となるフレームの1つ前のフレームで判断された関心組織領域と同じ位置に仮領域を設け、当該仮領域の境界に沿って画素単位に帰属の判断を行わせる前記第2ステップを有したことを特徴とする請求項7又は8に記載の関心組織領域抽出プログラム。
- 前記仮領域において、前記関心組織領域に帰属させる画素が前記仮領域外にある場合には、当該画素を前記判断対象のフレームの関心組織領域の画素として当該関心組織領域を前記1つ前のフレームの関心組織領域に対して拡張させ、前記関心組織領域に帰属させない画素が前記仮領域内にある場合には、当該画素を前記判断対象のフレームの関心組織領域外の画素として当該関心組織領域を前記1つ前のフレームの関心組織領域に対して縮小させる前記第2ステップを有したことを特徴とする請求項9に記載の関心組織領域抽出プログラム。
- 前記連続フレームの一部に続くフレーム及び当該フレームに続くフレーム以降の帰属の判断では、判断対象となるフレーム以前の連続する複数枚のフレームから画素単位に対応させて前記判断対象となるフレームの各画素を含む所定サイズの局所領域を取り出させながら、前記各局所領域に含まれる前記関心組織領域の一部に対応する前記設定された判定基準を使用させる前記第2ステップを有したことを特徴とする請求項7〜10のいずれか1つに記載の関心組織領域抽出プログラム。
- 前記コンピュータに、さらに、前記関心組織領域の画素のみ表示対象として記憶する第4ステップを実行させることを特徴とする請求項7〜11のいずれか1つに記載の関心組織領域抽出プログラム。
- 生体断面画像の連続フレームから関心組織領域を抽出する画像処理装置であって、
前記連続フレームの画素値を記憶する画素値記憶手段と、
前記画素値記憶手段を参照して前記連続フレームの一部に対して前記関心組織領域内における初期の判定基準と前記関心組織領域外における初期の判定基準の2種類を算出する算出手段と、
前記連続フレームの一部に続くフレームについて当該フレームの各画素値が、前記関心組織領域内における初期の判定基準と前記関心組織領域外における初期の判定基準のいずれに近いか判断し、前記関心組織領域内における初期の判定基準に近い場合には、関心組織領域内に帰属させる領域として判断する一方、前記関心組織領域外における初期の判定基準に近い場合には、関心組織領域外に帰属させる領域として判断する判断手段と、
前記フレームに続くフレーム以降の判断では、前記関心組織領域内に前記帰属させる領域を含めた領域の画素値と前記関心組織領域外に前記帰属させる領域を含めた領域の画素値に基づいて前記2種類の判定基準を設定する設定手段と、
を備え、
前記2種類の判定基準は、前記連続フレームの一部に含まれる前記関心組織領域内における画素値の色相の濃度中央値および前記連続フレームの一部に含まれる前記関心組織領域内における画素値の彩度の濃度中央値の少なくとも一方と、
前記連続フレームの一部に含まれる前記関心組織領域外における画素値の色相の濃度中央値および前記連続フレームの一部に含まれる前記関心組織領域外における画素値の彩度の濃度中央値の少なくとも一方とを含むことを特徴とする画像処理装置。 - さらに、前記関心組織領域の各画素に対応させて表示対象を示すフラグ情報を記憶する表示対象記憶手段を有することを特徴とする請求項13に記載の画像処理装置。
- さらに、前記画素値記憶手段を参照し、前記表示対象記憶手段に記憶されたフラグ情報に基づいて前記関心組織領域を表示する表示手段を有することを特徴とする請求項14に記載の画像処理装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003025277A JP4373682B2 (ja) | 2003-01-31 | 2003-01-31 | 関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置 |
US10/627,979 US7366334B2 (en) | 2003-01-31 | 2003-07-28 | Method of extraction of region of interest, image processing apparatus, and computer product |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003025277A JP4373682B2 (ja) | 2003-01-31 | 2003-01-31 | 関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2004234579A JP2004234579A (ja) | 2004-08-19 |
JP4373682B2 true JP4373682B2 (ja) | 2009-11-25 |
Family
ID=32767601
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003025277A Expired - Fee Related JP4373682B2 (ja) | 2003-01-31 | 2003-01-31 | 関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US7366334B2 (ja) |
JP (1) | JP4373682B2 (ja) |
Families Citing this family (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070031038A1 (en) * | 2005-08-03 | 2007-02-08 | Honeywell International Inc. | Boolean complement methods and systems for video image processing a region of interest |
US7778445B2 (en) * | 2006-06-07 | 2010-08-17 | Honeywell International Inc. | Method and system for the detection of removed objects in video images |
US7889912B2 (en) * | 2006-09-15 | 2011-02-15 | The General Electric Company | Method for real-time tracking of cardiac structures in 3D echocardiography |
EP2201525B1 (en) * | 2007-10-15 | 2013-06-19 | Koninklijke Philips Electronics N.V. | Visualization of temporal data |
WO2009145170A1 (ja) * | 2008-05-26 | 2009-12-03 | 株式会社 日立メディコ | 医用画像処理装置、医用画像処理方法および医用画像処理プログラム |
US8265363B2 (en) * | 2009-02-04 | 2012-09-11 | General Electric Company | Method and apparatus for automatically identifying image views in a 3D dataset |
JP5859966B2 (ja) | 2009-09-11 | 2016-02-16 | ストラックスコープ ピーティワイ リミテッドStraxcorp Pty Ltd | 解析方法及び解析システム |
CN102883662B (zh) * | 2011-05-11 | 2015-04-08 | 株式会社东芝 | 医疗图像处理设备以及其方法 |
KR101185727B1 (ko) * | 2011-09-14 | 2012-09-25 | 주식회사 인피니트헬스케어 | 의료영상에서의 세그멘테이션 방법 및 그 장치 |
US20140111431A1 (en) * | 2012-10-18 | 2014-04-24 | Bradley Horowitz | Optimizing photos |
US9571726B2 (en) | 2012-12-20 | 2017-02-14 | Google Inc. | Generating attention information from photos |
US9116926B2 (en) | 2012-12-20 | 2015-08-25 | Google Inc. | Sharing photos |
JP6070377B2 (ja) * | 2013-04-09 | 2017-02-01 | 国立研究開発法人理化学研究所 | 境界特定装置、境界特定方法、プログラム、及び、記録媒体 |
CN111383236B (zh) * | 2020-04-24 | 2021-04-02 | 中国人民解放军总医院 | 用于标注感兴趣区域的方法、装置和计算机可读存储介质 |
CN115134633B (zh) * | 2021-03-26 | 2024-04-26 | 华为技术有限公司 | 一种远程视频方法及相关装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2259882A1 (en) * | 1999-01-22 | 2000-07-22 | I.S.G. Technologies, Inc. | Interactive sculpting for volumetric exploration and feature extraction |
JP4614548B2 (ja) * | 2001-01-31 | 2011-01-19 | パナソニック株式会社 | 超音波診断装置 |
-
2003
- 2003-01-31 JP JP2003025277A patent/JP4373682B2/ja not_active Expired - Fee Related
- 2003-07-28 US US10/627,979 patent/US7366334B2/en not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
US20040151355A1 (en) | 2004-08-05 |
US7366334B2 (en) | 2008-04-29 |
JP2004234579A (ja) | 2004-08-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110232383B (zh) | 一种基于深度学习模型的病灶图像识别方法及病灶图像识别系统 | |
JP4373682B2 (ja) | 関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置 | |
JP5652227B2 (ja) | 画像処理装置および方法、並びにプログラム | |
RU2571523C2 (ru) | Вероятностная оптимизация сегментации, основанной на модели | |
JP4020470B2 (ja) | イメージ・セグメンテーション・システム及び複数のスライス・イメージを解剖学的構造にセグメントする方法 | |
JP5039310B2 (ja) | 脳内出血部位セグメンテーション装置 | |
CN107274402A (zh) | 一种基于胸部ct影像的肺结节自动检测方法及系统 | |
JPH03206572A (ja) | 階調変換自動化装置 | |
JP6979278B2 (ja) | 画像診断支援装置及び画像診断支援システム、並びに画像診断支援方法 | |
JP5442542B2 (ja) | 病理診断支援装置、病理診断支援方法、病理診断支援のための制御プログラムおよび該制御プログラムを記録した記録媒体 | |
JP5576775B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP6407718B2 (ja) | 画像処理装置及び画像処理方法 | |
US8718344B2 (en) | Image processing apparatus and medical image diagnosis apparatus | |
CN110619318A (zh) | 基于人工智能的图像处理方法、显微镜、系统和介质 | |
JP5709216B2 (ja) | 画像処理プログラム、方法及び装置 | |
de Albuquerque et al. | Fast fully automatic heart fat segmentation in computed tomography datasets | |
Maitra et al. | Accurate breast contour detection algorithms in digital mammogram | |
JP7076168B1 (ja) | リアルタイム映像における画像の物体輪郭を強調する方法 | |
US20110103663A1 (en) | Apparatus, method and computer-readable storage mediums for detecting a region of interest in a medical image | |
JP6041781B2 (ja) | 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 | |
JPWO2016208016A1 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP6731753B2 (ja) | 画像処理装置、画像処理方法、画像処理システムおよびプログラム | |
JP2007044346A (ja) | 医用画像処理装置における関心領域の経時的特定方法及び医用画像処理装置 | |
Skalski et al. | Analysis of vocal folds movement in high speed videoendoscopy based on level set segmentation and image registration | |
EP2734147B1 (en) | Method for segmentation of dental images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20051212 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20090330 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090407 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090604 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090630 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090811 |
|
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: 20090901 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090904 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120911 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120911 Year of fee payment: 3 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150911 Year of fee payment: 6 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |