JP5017909B2 - 領域抽出装置、領域抽出方法及びプログラム - Google Patents

領域抽出装置、領域抽出方法及びプログラム Download PDF

Info

Publication number
JP5017909B2
JP5017909B2 JP2006103877A JP2006103877A JP5017909B2 JP 5017909 B2 JP5017909 B2 JP 5017909B2 JP 2006103877 A JP2006103877 A JP 2006103877A JP 2006103877 A JP2006103877 A JP 2006103877A JP 5017909 B2 JP5017909 B2 JP 5017909B2
Authority
JP
Japan
Prior art keywords
extraction
standard model
region
extraction target
initial position
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
Application number
JP2006103877A
Other languages
English (en)
Other versions
JP2007035020A (ja
Inventor
浩一 藤原
修 遠山
伸一 堀田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Konica Minolta Medical and Graphic Inc
Original Assignee
Konica Minolta Medical and Graphic Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Konica Minolta Medical and Graphic Inc filed Critical Konica Minolta Medical and Graphic Inc
Priority to JP2006103877A priority Critical patent/JP5017909B2/ja
Priority to US11/471,778 priority patent/US8103101B2/en
Publication of JP2007035020A publication Critical patent/JP2007035020A/ja
Application granted granted Critical
Publication of JP5017909B2 publication Critical patent/JP5017909B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06T7/12—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
    • G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
    • 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
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/755—Deformable models or variational models, e.g. snakes or active contours
    • 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
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Geometry (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Image Generation (AREA)

Description

本発明は、計測データから所望の領域を抽出する領域抽出技術に関する。
近年、医療分野において、Ｘ線ＣＴ(Computed Tomography)装置或いはＭＲＩ（Magnetic Resonance Imaging)装置等によって撮影された生体内の３次元画像(医用画像)が広く用いられている。これにより、体内の臓器等の情報が視覚的に把握可能となり診断精度の向上が期待できる。しかし、その一方で、診断に用いられる３次元画像は数十枚〜数百枚のスライス画像から構成されているため、このような膨大な情報量の中から診断に必要な情報のみを得ることは読影医師にとって大きな負担となっている。
そこで、計算機を援用した定量的或いは自動的診断の要望が強まり、計算機による診断支援（ＣＡＤ Computer−aided diagnosis）システムの研究が盛んに行われている。
計算機による診断支援を行うには、診断に必要な情報、つまり臓器領域又は形状等を正確に抽出することが重要な課題となる。
臓器の領域抽出手法としては、予め用意した標準モデルをエネルギー最小化原理に基づいて変形させ、目的の輪郭を見つけるモデルフィッテイング（Model Fitting）手法が提案されている（非特許文献１）。
この手法によれば、標準モデルという予め特徴を持たせたモデルを変形させて該当領域を抽出するため、高精度な抽出処理が可能となる。
ツァガーン・バイガルマ、清水昭伸、小畑秀文、「３次元可変形状モデルによる腹部ＣＴ像からの腎臓領域抽出法の開発」、電子情報通信学会論文誌、D-II、2002年１月、Vol.J85-D-II、No.１、pp.140-148
しかしながら、当該手法による抽出結果の良否は、フィッテイング動作前の標準モデルの初期位置に依存するため、標準モデルをモデルフィッテイングに適した位置にどのようにして配置するかという大きな問題がある。上記非特許文献１においては腎臓の領域抽出にあたり、データベースに登録されている腎臓の重心位置を用いて、標準モデルの初期位置を決定しているため、計測データ（３次元画像）内の腎臓の重心位置がデータベースに登録されている重心位置からずれている場合には、良好な抽出結果を得ることが難しいという問題がある。
そこで、本発明は上記課題に鑑みてなされたものであり、モデルフィッティング手法における標準モデルの初期位置をより高精度に決定することが可能な領域抽出技術を提供することを課題とする。
上記の課題を解決するため、請求項１の発明は、計測データから所望の領域を抽出する領域抽出装置であって、領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出手段と、暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定手段と、前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する手段とを備え、前記初期位置決定手段は、暫定的に抽出された前記抽出対象領域の特徴点と、前記標準モデルにおける対応特徴点との一致度合いに基づいて、前記標準モデルの初期位置を決定することを特徴とする。
また、請求項２の発明は、計測データから所望の領域を抽出する領域抽出装置であって、領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出手段と、暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定手段と、前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する手段とを備え、前記初期位置決定手段は、前記標準モデルと暫定的に抽出された前記抽出対象領域との重なり度合いに基づいて、前記標準モデルの初期位置を決定することを特徴とする。
また、請求項３の発明は、請求項１または請求項２の発明に係る領域抽出装置において、前記計測データは、３次元の計測データであり、前記暫定抽出手段は、３次元の領域拡張手法により前記３次元の計測データから３次元の抽出対象領域を暫定的に抽出することを特徴とする。
また、請求項４の発明は、請求項１または請求項２の発明に係る領域抽出装置において、前記暫定抽出手段は、前記領域拡張手法における領域拡張処理を複数の開始点から開始することを特徴とする。
また、請求項５の発明は、請求項１から請求項４のいずれかの発明に係る領域抽出装置において、前記モデルフィッティング手法においては、暫定的に抽出された前記抽出対象領域の境界画素を前記標準モデルの制御点に対応づけることによってフィッティング処理が行われることを特徴とする。
また、請求項６の発明は、請求項１から請求項５のいずれかの発明に係る領域抽出装置において、前記計測データは、医用の画像データであることを特徴とする。
また、請求項７の発明は、請求項１の発明に係る領域抽出装置において、前記抽出対象物体が前記特徴点を複数有する場合においては、前記標準モデルの初期配置後の対応特徴点と、これに対応する前記抽出対象物体の特徴点との各距離の和が最小となるように前記標準モデルの初期位置を決定することを特徴とする。
また、請求項８の発明は、請求項２の発明に係る領域抽出装置において、前記標準モデルと前記抽出対象物体との重複部分についての前記標準モデルにおける重なり量率と前記抽出対象物体における重なり量率との総和を用いて定義される所定の関数が大きくなるように前記標準モデルの初期位置を決定することを特徴とする。
また、請求項９の発明は、計測データから所望の領域を抽出する領域抽出方法であって、領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出工程と、暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定工程と、前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する工程と、を備え、前記初期位置決定工程においては、前記標準モデルの重心位置を、暫定的に抽出された前記抽出対象領域の重心位置と一致させることによって、前記標準モデルの初期位置が決定されることを特徴とする。
また、請求項１０の発明は、計測データから所望の領域を抽出する領域抽出方法であって、領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出工程と、暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定工程と、前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する工程とを備え、前記初期位置決定工程においては、前記標準モデルと暫定的に抽出された前記抽出対象領域との重なり度合いに基づいて、前記標準モデルの初期位置が決定されることを特徴とする。
また、請求項１１の発明は、請求項９または請求項１０の発明に係る領域抽出方法において、前記計測データは、３次元の計測データであり、前記暫定抽出工程においては、３次元の領域拡張手法により前記３次元の計測データから抽出対象領域が暫定的に抽出されることを特徴とする。
また、請求項１２の発明は、請求項９または請求項１０の発明に係る領域抽出方法において、前記暫定抽出工程においては、前記領域拡張手法における領域拡張処理が複数の開始点から開始されることを特徴とする。
また、請求項１３の発明は、計測データから所望の領域を抽出するプログラムであって、コンピュータに、領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出工程と、暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定工程と、前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する工程と、暫定的に抽出された前記抽出対象領域の特徴点を抽出する工程と、を備え、前記初期位置決定工程においては、暫定的に抽出された前記抽出対象領域の特徴点と、前記標準モデルにおける対応特徴点との一致度合いに基づいて、前記標準モデルの初期位置が決定されることを特徴とする。
また、請求項１４の発明は、計測データから所望の領域を抽出するプログラムであって、コンピュータに、領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出工程と、暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定工程と、前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する工程とを備え、前記初期位置決定工程においては、前記標準モデルと暫定的に抽出された前記抽出対象領域との重なり度合いに基づいて、前記標準モデルの初期位置が決定されることを特徴とする。
また、請求項１５の発明は、請求項１３または請求項１４の発明に係るプログラムにおいて、前記計測データは、３次元の計測データであり、前記暫定抽出工程においては、３次元の領域拡張手法により前記３次元の計測データから抽出対象領域が暫定的に抽出されることを特徴とする。
また、請求項１６の発明は、請求項１３または請求項１４の発明に係るプログラムにおいて、前記暫定抽出工程においては、前記領域拡張手法における領域拡張処理が複数の開始点から開始されることを特徴とする。
請求項１から請求項１６に記載の発明によれば、領域拡張手法によって計測データから暫定的に抽出された抽出対象領域を用いて、モデルフィッティング手法における標準モデルの初期位置が決定されるので、標準モデルの初期位置をより高精度に決定することが可能となり、モデルフィッティングによる高精度な領域抽出を行うことができる。
以下、本発明の実施形態を図面に基づいて説明する。
＜構成＞
図１は、本発明の実施形態に係る領域抽出装置１の概要を示す図である。領域抽出装置１は、計測データ（詳細には３次元計測データ（立体計測データとも称する））から所望の領域（詳細には立体領域）を抽出する装置である。
図１に示すように領域抽出装置１は、パーソナルコンピュータ（以下、単に「パソコン」と称する）２と、モニター３と、装着部５と、操作部４とを備えている。
パソコン２は、制御部２０、入出力Ｉ／Ｆ２１、及び記憶部２２を備えている。
入出力Ｉ／Ｆ２１は、モニター３、操作部４および装着部５とパソコン２との相互間でデータの送受信を行うためのインターフェイス（Ｉ／Ｆ）であり、制御部２０との間でデータの送受信を行う。
記憶部２２は、例えばハードディスクなどで構成されており、領域抽出を実行するためのソフトウェアプログラム（以下、単に「プログラム」と称する）ＰＧ等を格納している。
制御部２０は、主にＣＰＵ、ＲＯＭ２０ａ及びＲＡＭ２０ｂ等を有し、パソコン２の各部を統括制御する部位である。
モニター３は、例えば、ＣＲＴで構成され、制御部２０で生成される表示用画像を可視的に出力する。
操作部４は、キーボード及びマウス等から構成され、使用者（ユーザ）に各種操作にしたがって各種信号を入出力Ｉ／Ｆ２１に送信する。
また、装着部５は、メモリカード５１等の記憶媒体を着脱自在に装着することができる。そして、装着部５に装着されたメモリカード５１に格納される各種データ又はプログラム等を入出力Ｉ／Ｆ２１を介して制御部２０或いは記憶部２２に取り込むことができる。
次に、領域抽出装置１が備える各種機能について説明する。
図２は、領域抽出装置１が備える各種機能を示すブロック図である。
これらの各種機能は、制御部２０内のＣＰＵ等の各種ハードウェアを用いて所定のプログラムＰＧを実行することによって実現される。
図２に示されるように、領域抽出装置１は、暫定領域抽出部１１と初期位置決定部１２とモデルフィッティング部１３と抽出領域出力部１４とを備え、入力される３次元画像（３次元計測データ）から使用者（ユーザ）等が抽出したい物体（以下、「抽出対象領域（物体）」とも称する）（３次元領域）を抽出し、出力することができる。
暫定領域抽出部１１は、モデルフィッティング手法とは異なる手法、具体的には領域拡張手法（例えば３次元の領域拡張手法）を用いて、抽出対象物体（領域）を暫定的に抽出する機能を有している。
初期位置決定部１２は、暫定的に抽出された抽出対象物体（領域）を用いて、標準モデルの初期位置を決定する機能を有している。ここで、「標準モデル」は、モデルフィッティング手法において用いられるモデルであり、抽出対象領域（例えば臓器）の標準的なモデルを意味する。
モデルフィッティング部１３は、モデルフィッティング手法を用いて標準モデルを変形することにより、抽出対象物体（領域）を抽出する機能を有している。
抽出領域出力部１４は、抽出した対象物体をモニター３に表示出力する機能を有している。
＜処理概要＞
次に、上述した領域抽出装置１の各機能についてより詳細に説明する。なお、以下の説明においては、Ｘ線ＣＴ装置によって取得される医用の３次元画像（ボリュームデータとも称する）からの物体（例えば臓器）の抽出処理について述べるが、本発明は他の計測データ（例えば、ＭＲＩ装置によって取得される医用の３次元画像等）からの領域抽出処理にも適用することができる。
ここで、Ｘ線ＣＴ装置によって取得される３次元画像について説明する。
図３は、Ｘ線ＣＴ装置によって取得される３次元画像ＴＤＰ１を示す図である。
図３に示されるように、３次元画像ＴＤＰ１は、物体（人体）を輪切りにした断面を示す複数（例えば、数十枚から数百枚）のスライス画像（断層画像）ＳＤで構成されている。各スライス画像ＳＤは、各点（各画素）でのＸ線の吸収量（ＣＴ値）を濃淡表示して可視化した画像である。図３においては、３次元画像ＴＤＰ１を構成する複数のスライス画像ＳＤのうちの所定位置におけるスライス画像ＰＭも併せて示されている。
図４は、領域抽出装置１の全体動作を示すフローチャートである。
図４に示されるように、領域抽出装置１は、ステップＳ１からステップＳ４までの工程を実行することによって、入力画像（３次元画像）から使用者（ユーザ）が指定した物体（臓器）を抽出する。
まず、ステップＳ１では、領域抽出装置１に入力される３次元画像から使用者（ユーザ）の指定した物体（臓器）が暫定的に抽出される。後述するように、このステップＳ１では、領域拡張手法を用いて抽出対象領域が抽出される。
次に、ステップＳ２において、ステップＳ１で暫定的に抽出された物体（臓器）を用いて、標準モデルの初期位置（標準モデルを計測データ中に配置する際の初期位置）が決定され、標準モデルの配置が行われる。
さらに、ステップＳ３では、初期位置に配置された標準モデルをモデルフィッティング手法によって変形することで、抽出対象物体に相当する個別モデルが作成される。
ステップＳ４では、作成された個別モデルが抽出対象物体としてモニター３等に出力される。
このように、最終的にはモデルフィッティング手法によって抽出対象物体が抽出される（ステップＳ３）。但し、モデルフィッティング手法における標準モデルの初期位置を決定するに際しては、領域拡張手法が用いられる（ステップＳ１，Ｓ２）。
なお、抽出対象物体の指定は、ステップＳ１の処理開始前に使用者（ユーザ）によって行われる。指定の方法としては、例えば、記憶部２２に予めデータベース化されて保存されている各種臓器の項目一覧から、操作部（例えばマウス）４等の操作により使用者（ユーザ）が所望の項目を選択する態様等を採用することができる。
以下、ステップＳ１からステップＳ３において実行される各処理を詳述する。
＜暫定領域抽出処理＞
上述のように、暫定領域抽出処理（ステップＳ１）では、使用者（ユーザ）によって指定された物体（臓器）を、暫定的に抽出することを目的とする。ここでは、領域拡張手法を用いる。
図５は、領域拡張手法を用いた暫定領域抽出処理（ステップＳ１）の詳細を示すフローチャートである。図６は、人体をＸ線ＣＴ装置で撮影した際の所定位置におけるスライス画像ＰＭを示す図であり、図７は、図６に示されるスライス画像ＰＭ上の画素Ｍ１を中心として隣接する画素付近を拡大表示した図である。図７においては、スライス画像ＰＭの画素Ｍ１の隣接画素として、同一階層のスライス画像ＰＭにおける隣接８画素Ｍ２〜Ｍ９に加えて、スライス画像ＰＵにおける隣接９画素Ｕ１〜Ｕ９と、スライス画像ＰＤにおける隣接９画素Ｄ１〜Ｄ９とが示されている。なお、スライス画像ＰＵは、スライス画像ＰＭに対して＋ｚ方向に隣接するスライス画像（換言すればスライス画像ＰＭの直上層のスライス画像）であり、スライス画像ＰＤは、スライス画像ＰＭに対して−ｚ方向に隣接するスライス画像（換言すればスライス画像ＰＭの直下層のスライス画像）である。
以下では、図６のスライス画像ＰＭに表示されている物体（臓器）ＯＢ１を暫定的に抽出する場合を具体例に挙げて領域拡張手法を用いた暫定領域抽出処理について説明する。
まず、ステップＳ１１において、使用者（ユーザ）によって抽出対象物体（臓器）内の拡張開始画素（「開始点」とも称する）が特定される。具体的には、抽出したい物体（抽出対象物体）が表示されている任意のスライス画像（ここではスライス画像ＰＭ）上で、操作部（例えばマウス）４等の操作により抽出対象物体内の任意の点を特定する。より詳細には、物体ＯＢ１を抽出したい場合、スライス画像ＰＭ上の物体（臓器）ＯＢ１内の任意の点（例えばＭ１）をマウス等により特定すればよい（図６参照）。この操作により、スライス画像ＰＭ上において特定点Ｍ１に相当する画素が拡張開始画素となる。
次に、ステップＳ１２において、拡張開始画素に隣接する画素が拡張候補画素として検出される。詳細には、ステップＳ１１において拡張開始画素をＭ１と特定したとすると、画素Ｍ１に隣接する画素全てが拡張候補画素となる。つまり、スライス画像ＰＭ上の画素Ｍ２〜Ｍ９、スライス画像ＰＵ上の画素Ｕ１〜Ｕ９、及びスライス画像ＰＤ上の画素Ｄ１〜Ｄ９の計２６画素が拡張候補画素となる。
次に、ステップＳ１３において拡張候補画素がステップＳ１２で検出されたか否かが判定され、ステップＳ１２で拡張候補画素が検出されている場合には、ステップＳ１４へ移行する。
ステップＳ１４では、検出された拡張候補画素の濃度値が所定範囲内か否かが判定される。具体的には、物体（臓器）の有する濃度値の範囲が物体（臓器）ごとに予め定められており、拡張候補画素の濃度値が、抽出対象物体の持つ濃度値の範囲内か否かを判定する。これにより、拡張候補画素が所定範囲内の濃度値を有していると判定されると、ステップＳ１５に移行する。
ステップＳ１５では、当該拡張候補画素を抽出対象物体内の画素とする領域拡張（「領域拡張処理」とも称する）を行う。
一方、ステップＳ１４において、拡張候補画素が所定範囲内の濃度値を有していないと判定されると、当該拡張候補画素の領域拡張は行われない。
次に、ステップＳ１６では、拡張候補画素の濃度判定工程（ステップＳ１４）をまだ経ていない拡張候補画素が存在するか否かが判断される。
濃度判定工程（ステップＳ１４）を経ていない拡張候補画素が存在する場合には、当該未終了の拡張候補画素に対してステップＳ１４、Ｓ１６の処理が実行される。
一方、全ての拡張候補画素に対して濃度判定工程（ステップＳ１４）が終了している場合には、ステップＳ１２に戻り、ステップＳ１５において拡張された画素（換言すれば、領域内の画素であるとして特定された画素）にさらに隣接する画素であって、領域内に存在するか否かが未だ判定されていない画素が、新たな拡張候補画素として検出される。その後、新たに検出された拡張候補画素に対して、上述のステップＳ１３〜Ｓ１６の工程が実行される。ステップＳ１２〜Ｓ１６の工程は、新たな拡張候補画素を検出することが可能な限り繰り返され、新たな拡張候補画素が検出できなくなると、暫定領域抽出処理は終了する（ステップＳ１３）。
このようにステップＳ１２〜Ｓ１６の工程が繰り返し実行されることによって拡張開始画素から徐々に領域拡張が行われ、使用者（ユーザ）によって指定された物体（臓器）が暫定的に抽出される。
＜初期位置決定処理＞
次に、モデルフィッティング手法における標準モデルの初期位置を決定する初期位置決定処理（ステップＳ２）について、図８〜図１１を参照しながら説明する。図８は、重心点を利用した初期位置決定処理（ステップＳ２）の詳細を示すフローチャートである。また、図９は、３次元画像（計測データ）に含まれる物体ＯＢａを示す図であり、図１１は、標準モデルＳＯを初期位置に移動させる様子を概念的に示す図である。図１１においては、標準モデルを初期配置した際の抽出対象物体と標準モデルとの位置関係も示されている。
なお、以下では簡単のために、図９に示されるような３次元画像ＴＤＰ１中に存在する物体ＯＢａが抽出対象物体であると仮定して説明する。
まず、ステップＳ２１において、ステップＳ１で暫定的に抽出された物体ＯＢａの重心点ＧＺが算出される。
次に、ステップＳ２２では、後述のモデルフィッティングにおいて用いられる標準モデルの重心点ＧＨをステップＳ２１で算出された重心点ＧＺに合わせる標準モデルの初期配置が行われる。例えば、図１１に示されるように、標準モデルＳＯの重心点ＧＨを抽出対象物体ＯＢａの重心点ＧＺに合わせるように（一致させるように）標準モデルＳＯを移動して、標準モデルＳＯを計測データ中に初期配置する。
重心点を利用した標準モデルの初期配置が終了すると、モデルフィッティング処理（ステップＳ３）に移行する。
＜モデルフィッティング処理＞
ステップＳ３のモデルフィッテイング処理は、予め準備された一般的（標準的）な抽出対象物体のモデルである「標準モデル」を、抽出対象物体から得られる情報（形状等）を用いて変形する処理である。なお、本出願においては、モデルフィッティング処理による変形後の標準モデル（換言すれば抽出対象物体の情報が反映された標準モデル）を「個別モデル」とも称するものとする。
このモデルフィッティング処理では、初期位置に配置された標準モデルをモデルフィッティング手法によって変形することで、抽出対象物体を抽出する処理が行われる。
図１０は、モデルフィッティング処理（ステップＳ３）の詳細を示すフローチャートである。図１２は、抽出対象物体ＯＢａの境界点Ｑ１を中心にした領域ＲＱ（図１１参照）付近を拡大表示した模式図であり、図１３は、一部のスライス画像ＰＱ１、ＰＱ２及びＰＱ４を示す図である。図１４は、制御点間を仮想バネで繋いだ模式図である。
なお、抽出対象物体の標準モデルは、例えば、微小な多角形（例えば、三角形）のポリゴンで構成され、記憶部２２等に保存されている。ポリゴンで構成された標準モデルは、各ポリゴンの頂点の３次元座標によってそのモデルの表面形状を表現することができる。また、標準モデルにおけるポリゴンの頂点のうち、全頂点あるいは代表的な幾つかの頂点を「制御点」とも称する。
以下では、図１０〜図１４を用いてモデルフィッティング処理について詳述する。
まず、ステップＳ３１では、標準モデルＳＯの制御点Ｃｊに対応する点（以下、「対応点」とも称する）を決定する処理が行われる（図１０参照）。ここでは、抽出対象物体ＯＢａの輪郭（境界）を示す画素（「境界点」または「境界画素」とも称する）のうち、制御点Ｃｊの最も近傍に存在する画素を当該制御点Ｃｊの対応点とする手法を用いる。したがって、本実施形態のモデルフィッティング処理においては、抽出対象物体ＯＢａの境界画素を標準モデルの制御点に対応づけることによってフィッティング処理が行われる。
なお、抽出対象物体ＯＢａの輪郭（境界）は、各スライス画像ＳＤにおいて、エッジ抽出処理を行うことによって取得することができる。また、ステップＳ１において領域拡張手法によって暫定的に抽出された物体の境界を抽出対象物体ＯＢａの輪郭（境界）として用いてもよい。
例えば、図１２（立面図）においては、制御点Ｃ１の対応点は、制御点Ｃ１の最も近傍に存在する境界点（境界画素）Ｑ１となる。ここで、図１２においては、ｘｚ平面に平行な所定の平面（２次元空間）における境界点のみが示されているが、実際には、図１３に示されるような３次元空間において制御点Ｃ１の最も近傍に存在する境界点が対応点となる。図１３においては、制御点Ｃ１の各スライス画像ＰＱ１、ＰＱ２、ＰＱ４における射影点が×印で示されている。
次に、ステップＳ３２では、標準モデルの制御点Ｃｊのうち任意の一点（以下、「移動対象点」とも称する）（例えば制御点Ｃ１）が一方向（例えばＡ１方向）に微小量Ｌ移動される（図１２参照）。
さらに、ステップＳ３３では、ステップＳ３２において移動対象点を移動させ一時的に変形させた状態のモデル（以下、「一時変形モデル」とも称する）の総合エネルギーＵｅが算出される。
総合エネルギーＵｅは、式（１）に示されるように、制御点Ｃｊと対応点との距離に関する外部エネルギーＦｅと、過剰な変形を避けるための内部エネルギーＧｅとの和で表される。なお、外部エネルギーＦｅおよび内部エネルギーＧｅについては後述する。
Figure 0005017909
次に、ステップＳ３４において、移動対象点が全ての方向に移動されたか否かを判定する。例えば、３次元空間の全方位における移動対象点の移動方向を２６方向（当該移動対象点（画素）に隣接する２６画素へ向かう方向）とすると、２６方向全ての方向に制御点Ｃ１が移動されたか否かを判定する。
移動対象点（制御点Ｃ１）を２６方向全てに移動させた一時変形モデルの作成が終了していなければ、移動対象点の移動方向を変更して再び微小量Ｌ移動させ、異なる移動方向パターンの一時変形モデルを作成し、各一時変形モデルの総合エネルギーＵｅを算出する（ステップＳ３２、Ｓ３３）。
そして、ステップＳ３４において全方向の移動が終了したと判定されると、ステップＳ３５へ移行する。
ステップＳ３５では、作成された全パターンの一時変形モデルの中から、総合エネルギーＵｅを最小とする一時変形モデルが選択される。換言すれば、或る制御点Ｃｊを２６方向に移動させて生成された各一時変形モデルのうち、総合エネルギーＵｅを最小化する一時変形モデルが選択される。例えば、後述するような内部エネルギーＧｅと外部エネルギーＦｅとの作用によれば、内部エネルギーＧｅを考慮せず外部エネルギーＦｅのみを考慮する場合には、その制御点が対応点に近づく方向へと移動する一時変形モデルが選択されることになる。ただし、内部エネルギーＧｅを考慮する場合には、その制御点が対応点に近づく方向とは異なる方向へと移動する一時変形モデルが選択されることもある。
次に、ステップＳ３６において全制御点Ｃｊの移動が終了したか否かを判定する。具体的には、標準モデルの全ての制御点Ｃｊについて微少量Ｌの移動が終了したか否かを判定し、終了していない制御点（未了点とも称する）が存在すれば、移動対象点を当該制御点（未了点）に変更してステップＳ３２〜Ｓ３５の動作を繰り返し、全ての制御点Ｃｊの移動を完了した一時変形モデルを作成する。一方、全ての制御点の移動が終了していれば、ステップＳ３７へ移行する。
ステップＳ３７では、モデルフィッティング処理を終了するか否かを判定する。具体的には、全ての制御点Ｃｊの移動を完了させた一時変形モデルにおける複数の制御点とその対応点との距離の平均値が所定値以下であることを条件とし、当該条件を満たす場合に、モデルフィッティング処理を終了するようにすればよい。これによれば、各制御点が対応点に所定程度近づいた場合に同処理を終了することができる。または、これに加えてあるいはこれに代えて、（全ての制御点Ｃｊの移動を完了させた）前回の一時変形モデルと今回の一時変形モデルとの総合エネルギーＵｅの変化量が所定量以下であるか否かを終了判定の基準として用いてもよい。これによれば、制御点を移動しても総合エネルギーがあまり変化しなくなった場合に処理を終了することができる。
ステップＳ３７においてモデルフィッティング処理を終了しないと判定される場合は、ステップＳ３８へと移行する。
ステップＳ３８では、上述のステップＳ３２〜Ｓ３７で実行される処理を単位処理ループとして当該単位処理ループが所定回数Ｗ（例えば１０回）実行されたか否かを判定する。所定回数Ｗ実行されていなければ、所定回数Ｗ実行されるまで再びステップＳ３２〜Ｓ３７の処理ループを繰り返し、所定回数Ｗ実行されていれば、ステップＳ３９へと移行する。すなわち、全ての制御点の移動を完了させた一時変形モデルが所定回数Ｗ作成されるまで、単位処理ループが繰り返される。
ステップＳ３９では、ステップＳ３１で決定した対応点の更新が行われる。具体的には、上述の処理ループによって所定回数Ｗ移動した各制御点の最も近傍に存在する境界画素（境界点）を各制御点それぞれの新しい対応点とする対応点の更新が行われ、再びステップＳ３２〜Ｓ３９の処理が繰り返し行われる。このような「対応点の更新」によれば、制御点の移動に伴って制御点の最近傍境界点が変わる場合にも、対応点の適正化を図ることができる。
一方、ステップＳ３７においてモデルフィッティング処理を終了すると判定される場合は、最終的に得られた一時変形モデルが、抽出対象物体に相当する個別モデルとして決定され、このステップＳ３の処理は終了する。
このようなモデルフィッティング処理（ステップＳ３）においては、標準モデルを１制御点ごとに微少量Ｌずつ徐々に変形させることによって、抽出対象領域に相当する個別モデルが作成される。
ここで、総合エネルギーＵｅを構成する外部エネルギーＦｅ及び内部エネルギーＧｅについて説明する。
外部エネルギーＦｅは、各制御点Ｃｊと当該各制御点Ｃｊにそれぞれ対応する対応点Ｑｊとの距離の二乗を用いて式（２）のように表される。
Figure 0005017909
但し、αは定数、Ｎｔは制御点の数、｜Ｃｊ−Ｑｊ｜は制御点Ｃｊと対応点Ｑｊとの距離を表すものとする。
このような外部エネルギーＦｅが非常に大きくなるような一時変形モデル、すなわち、制御点Ｃｊと対応点Ｑｊとの距離が移動前より大きくなった一時変形モデルは、その総合エネルギーＵｅが大きくなるため、上述のステップＳ３５（総合エネルギーＵｅを最小とする制御点の移動を採用する工程）において採用されにくくなる。
また、内部エネルギーＧｅは、例えば、図１４に示されるように、制御点Ｃｊ間が仮想バネＳＰＲ（ＳＰＲ１，ＳＰＲ２，ＳＰＲ３，...）によって繋がれていると想定すると、式（３）のように表される。
Figure 0005017909
但し、βは定数、Ｋは仮想バネのバネ係数、Ｎｈは仮想バネの本数、ｗは各仮想バネの変位量を表すものとする。
式（３）によると、各制御点Ｃｊの過剰な移動は、仮想バネＳＰＲに蓄えられるエネルギーの増大として表現される。例えば、１つの制御点Ｃｚが、或る点Ｖｚへと移動し他の制御点との相対変位が増大したとすると、仮想バネＳＰＲ１、ＳＰＲ２及びＳＰＲ３には、各仮想バネの伸びによるエネルギーが蓄えられ内部エネルギーＧｅひいては総合エネルギーＵｅが大きくなる。
このような過剰変形を伴う一時変形モデルは、その内部エネルギーＧｅが大きくなりその総合エネルギーＵｅも大きくなるため、上述のステップＳ３５（総合エネルギーＵｅを最小とする制御点の移動を採用する工程）において採用されにくくなる。
換言すれば、内部エネルギーＧｅを減少させて総合エネルギーＵｅを減少させるような一時変形モデルがステップＳ３５で選択されることによって、各制御点Ｃｊの移動による過剰な変形を防止する作用を得ることができる。
つまり、このような内部エネルギーＧｅを導入することによって、標準モデルの形状すなわち標準モデルを構成する各ポリゴンの形状を損なわない制御点Ｃｊの移動が可能となる。
上述の処理によれば、このような外部エネルギーＦｅと内部エネルギーＧｅとの和で表現される総合エネルギーＵｅを最小とする一時変形モデルが、標準モデルを最適に変形させる一時変形モデル（「最適変形モデル」とも称する）、すなわち個別モデルとして決定される。そして、当該個別モデルの対応位置に存在する領域が抽出対象領域として抽出される。これによれば、適切な領域抽出処理が実現される。
なお、総合エネルギーＵｅを最小化する手法（エネルギー関数最適化手法）は、上記手法に限定されず、例えば、準ニュートン法或いはニュートン法等の数学的手法を用いて総合エネルギーＵｅを最適化してもよい。
以上のように、領域抽出装置１は、標準モデルを用いたモデルフィッティングを実行する前に、領域拡張手法を用いて抽出対象領域を暫定的に抽出し、暫定的に抽出された抽出対象領域に基づいて標準モデルの初期位置を決定する。したがって、標準モデルの初期位置を正確に決定することが可能となり、高精度なモデルフィッティングを行うことができる。
特に、計測データから暫定的に抽出された抽出対象領域を用いて標準モデルの初期位置が決定されるので、上記従来技術のようにデータベースに登録されている重心位置に一律に移動する場合に比べて、個々の計測データの情報を反映させることができる。そのため、標準モデルの初期位置を正確に決定することができる。
＜変形例＞
以上、この発明の実施の形態について説明したが、この発明は、上記に説明した内容に限定されるものではない。
例えば、上記実施形態では初期位置決定処理（ステップＳ２）において、重心点を利用して標準モデルの初期位置を決定する手法（手法ＴＱ１とも称する）を例示したがこれに限定されない。具体的には、以下の手法ＴＱ２〜ＴＱ４等を用いることができる。
◎ＴＱ２（特徴点を利用）：
抽出対象物体（ステップＳ１で暫定的に抽出された物体）が固有の特徴点（例えば、先鋭部の先端の点等）を有している場合には、当該特徴点と標準モデルにおいて当該特徴点に対応する点（「対応特徴点」とも称する）との一致度合いに基づいて、標準モデルの初期位置を決定することができる。
具体的には、抽出対象物体が特徴点を１つ有している場合には、所定の画像処理を施して３次元画像から特徴点を抽出し、標準モデルの対応特徴点を、３次元画像から抽出された特徴点へと移動させるようにして標準モデルの初期配置を行うことが可能である。３次元画像からの特徴点の抽出手法としては、例えば、予め用意された特徴点に関する画像パターンを用いて、パターンマッチングを行うことにより３次元画像から特徴点を抽出する手法を採用することができる。
また、抽出対象物体が特徴点を複数有する場合には、複数の特徴点に関する対応関係を標準モデルの初期配置に用いることができる。
例えば、標準モデルの一の特徴点を抽出対象物体の対応する特徴点に合わせ、さらに一の特徴点から他の特徴点への方向ベクトルが合致するように標準モデルを調整する。これによれば、標準モデルと抽出対象物体との傾き及び回転等も考慮された標準モデルの初期配置が可能となる。
また、対応する特徴点間の各距離の和を表す関数を設定し、当該関数を最適化するようにして標準モデルの初期配置を行うことができる。図１５は、３つの特徴点ＩＳｊ（ｊ＝１，２，３）を有する標準モデルＳＯ１の初期配置の様子を示す図である。
具体的には、図１５に示されるように、標準モデルＳＯ１の初期配置後の特徴点ＩＳｊと、これに対応する抽出対象物体ＯＢ２の特徴点ＩＴｊとの各距離ＬＤｊの和が最小となるように初期配置を行う。
標準モデルＳＯ１の特徴点ＩＳｊの初期配置後の３次元座標（Ｘｊ，Ｙｊ，Ｚｊ）は、初期配置前の３次元座標（ｘｊ，ｙｊ，ｚｊ）と、スケール変換（変倍）行列ＳＥと、回転変位（φ，θ，ψ）を表す回転行列ＲＡと、直交３軸方向における並進変位（Ｊｘ，Ｊｙ，Ｊｚ）とを用いて式（４）のように表される。なお、変倍行列ＳＥは、その対角成分をＳＥｘ，ＳＥｙ，ＳＥｚとする対角行列である。
Figure 0005017909
ここで、仮想的な初期位置における標準モデルＳＯ１の特徴点ＩＳｊ（Ｘｊ，Ｙｊ，Ｚｊ）と、当該特徴点ＩＳｊに対応する抽出対象物体ＯＢ２の特徴点ＩＴｊ（ａｊ，ｂｊ，ｃｊ）との間の各距離の和を表す関数ＥＤは、式（５）のように表される。
Figure 0005017909
この関数ＥＤは、暫定的に抽出された抽出対象物体の特徴点ＩＴｊと、標準モデルにおける対応特徴点ＩＳｊとの一致度合いを規定する関数であるとも表現される。一致度合いが高くなるにつれて関数ＥＤの値は小さくなり、逆に一致度合いが低くなるにつれて関数ＥＤの値は大きくなる。
式（４），（５）を考慮すると関数ＥＤは、変換パラメータ（ベクトル）ｖｔの各要素を変数とする関数として表現される。なお、変換パラメータｖｔは、上記パラメータＪｘ，Ｊｙ，Ｊｚ，φ，θ，ψ，ＳＥｘ，ＳＥｙ，ＳＥｚ）で構成される。
したがって、例えば、準ニュートン法等による最適化処理を施すことによって、関数ＥＤを最適化（最小化）する変換パラメータｖｔを算出し、特徴点ＩＳｊの最適な座標（Ｘｊ，Ｙｊ，Ｚｊ）を決定することができる。
以上のような手法により、暫定的に抽出された抽出対象領域の特徴点ＩＴｊと、標準モデルＳＯ１における対応特徴点ＩＳｊとの一致度合いを高めるように各特徴点ＩＳｊの最適な座標を決定し標準モデルを初期配置することによって、並進、回転、変倍の各変位を考慮した標準モデルＳＯ１の初期配置を行うことができる。
◎ＴＱ３（重なり度合いを利用）：
標準モデルＳＯ２とステップＳ１で暫定的に抽出された抽出対象物体ＯＢ３との重なり度合いに基づいて、標準モデルの初期位置を決定することができる。図１６は、標準モデルＳＯ２を３次元画像ＴＤＰ３内に配置した様子を示す図である。
図１６に示されるように、３次元画像ＴＤＰ３内で標準モデルＳＯ２を所定量ずつ移動し、標準モデルＳＯ２と抽出対象物体ＯＢ３との重なり度合いＤＧを算出する。そして、重なり度合いＤＧが最も大きくなった位置を初期位置と決定する。
ここで、重なり度合いＤＧは、標準モデルＳＯ２と抽出対象物体ＯＢ３との重複部分の画素数すなわち重なり量（体積）ＤＲと、標準モデルＳＯ２の体積ＳＯＲと、抽出対象物体ＯＢ３の体積ＯＢＲとを用いて式（６）のように表される。重なり度合いが高くなるにつれて関数ＤＧの値も大きくなり、逆に重なり度合いが低くなるにつれて関数ＤＧの値も小さくなる。
Figure 0005017909
なお、式（６）中のＷｅは重み係数を表し、ＤＲ／ＳＯＲは標準モデルＳＯ２における重なり量率、ＤＲ／ＯＢＲは抽出対象物体ＯＢ３における重なり量率を表している。
また、重なり度合いＤＧに基づいて初期位置を決定する際には、標準モデルＳＯ２を移動（並進移動および回転移動）するとともに標準モデルＳＯ２を変倍することによって、重なり度合いＤＧが最も大きくなる位置を決定することができる。具体的には、重なり量ＤＲは上記変換パラメータｖｔを変数とする関数であるから、準ニュートン法等の各種の最適化手法を用いて関数ＤＧを最適化（最大化）すればよい。
このような重なり度合いを利用した初期位置決定手法（ＴＱ３）によれば、標準モデルの抽出対象物体に対する並進、回転、ならびに変倍をも考慮した標準モデルの初期配置が可能となる。
◎ＴＱ４（ＴＱ１〜ＴＱ３の組み合せ）：
上述した初期位置決定手法（ＴＱ１〜ＴＱ３）を組み合わせて、標準モデルの初期位置を決定する。
例えば、手法ＴＱ１と手法ＴＱ２とを組み合わせること、すなわち、重心点と特徴点とを含む複数の点に関する対応関係を用いて、標準モデルの初期配置を行うことが可能である。これによれば、複数の点の対応関係を用いて標準モデルと３次元画像との対応関係が決定されるので、傾きおよび回転等に関しても比較的良好に合致した初期状態を生成することが可能になる。
あるいは、手法ＴＱ１と手法ＴＱ３とを組み合わせて標準モデルの初期配置を行うことも可能である。
手法ＴＱ１と手法ＴＱ３とを組み合わせた場合（すなわち、重心合致処理と重なり度合いを利用した初期位置決定処理とを組み合わせた場合）について図１７を用いて説明する。図１７は、このような変形例に係る初期位置決定処理（ステップＳ２）を示すフローチャートである。ここでは簡単化のため、所定範囲内の複数の位置にそれぞれ標準モデルを仮想的に初期配置したときの関数ＤＧの各値を総当たり的に算出し、関数ＤＧが最適化（最大化）されるときの初期配置を最適解として求める場合を例示する。なお、最適化手法はこれに限定されず、上述したような準ニュートン法等の最適化手法を用いることもできる。また、ここでは簡単化のため、標準モデルが初期配置に際して移動前の位置から並進移動のみを行う場合を想定するが、これに限定されず、上述のように回転移動、および変倍処理を伴う変形をも考慮してもよい。
まず、ステップＳ５１においては、ステップＳ１で暫定的に抽出された物体の重心点が算出される。
次に、ステップＳ５２では、ステップＳ５１において算出された重心点を中心とする所定範囲内で標準モデルが移動される。
そして、ステップＳ５３では、標準モデルと抽出対象物体との重なり度合いＤＧが算出される。
さらに、ステップＳ５４で所定範囲内での移動が全て終了したか否かが判断され、所定範囲内での移動が終了したと判断されると、ステップＳ５５に移行する。
ステップＳ５５では、ステップＳ５３で算出された重なり度合いＤＧに基づいて標準モデルの初期位置が決定される。
一方、所定範囲内での移動が終了していないと判断されると、ステップＳ５２に戻り、所定範囲内での移動が終了するまでステップＳ５２〜ステップＳ５４の処理が繰り返し実行される。
このように、重心合致処理と重なり度合いを利用した初期位置決定処理とを組み合わせた手法を用いることにより、高速かつ正確な標準モデルの初期配置が可能となる。
また、上記実施形態においては、内部エネルギーＧｅとして制御点Ｃｊ間の仮想バネによるエネルギーを考慮したがこれに限定されない。例えば、図１８に示されるように、各制御点を結ぶ直線がなす角度θｒを維持するような関数を内部エネルギーＧｅとすることもできる。
また、上記実施形態の拡張開始画素の特定工程（ステップＳ１１）においては、使用者が抽出対象物体内の任意の１点を拡張開始画素（開始点）として特定していたが、これに限定されない。具体的には、使用者は抽出対象物体内の任意の複数点を拡張開始画素（開始点）として特定してもよい。図１９は、狭幅部ＡＲＳを有する抽出対象物体ＯＢ４を示す図である。
より詳細には、ノイズ等の影響を受けて、３次元画像内ＴＤＰ４における抽出対象物体ＯＢ４がその狭幅部ＡＲＳ等において分断されている場合（或いは、分断されている可能性のある場合）には、各区分領域ＶＩＲ（ＶＩＲ１，ＶＩＲ２）（分断された各領域（或いは分断される可能性のある各領域）に対応して抽出対象物体ＯＢ４を区分した領域）に対してそれぞれ拡張開始画素ＳＡＰ（ＳＡＰ１，ＳＡＰ２）を設定することが好ましい（図１９参照）。これによれば、分断の影響を抑制して各区分領域を正確に抽出することができるので、抽出対象物体を正確に抽出することが可能となる。
また、抽出対象物体が個別部分の集合として構成されている場合にも、個別部分ごとに拡張開始画素を設定することが好ましい。例えば、図２０に示されるような背骨ＨＮを３次元画像ＴＤＰ５から領域拡張手法によって抽出する場合には、個別部分ＫＨ（「椎骨」とも称する）ごとに拡張開始画素ＭＫを設定する方が好ましい。これによれば、個別部分ＫＨ各々において設定された拡張開始画素ＭＫから、領域拡張を実行することができるので、各個別部分ＫＨを確実に抽出することが可能となり、ひいては、背骨ＨＮ全体を正確に抽出することが可能となる。
また、上記実施形態の拡張候補画素の検出工程（ステップＳ１２）においては、拡張開始画素に隣接する全画素（２６画素）を拡張候補画素とし、領域拡張処理を実行していたが、これに限定されない。例えば、拡張開始画素Ｍ１に対して±ｘ方向に隣接する画素（Ｍ２、Ｍ３）、±ｙ方向に隣接する画素（Ｍ４、Ｍ７）及び±ｚ方向に隣接する画素（Ｕ１、Ｄ１）の計６画素を拡張候補画素として検出してもよい。
また、上記実施形態の暫定領域抽出処理（ステップＳ１）においては、３次元方向に領域を拡張する３次元の領域拡張処理（ステップＳ１５）を実行していたが、これに限定されない。
具体的には、３次元画像を構成するスライス画像ごとに拡張開始画素をそれぞれ設定することによって、各スライス画像における拡張開始画素から２次元方向に領域を拡張する領域拡張処理（２次元の領域拡張処理）を実行するようにしてもよい。詳細には、ステップＳ１１において拡張開始画素をＭ１（図７参照）と特定したとすると、スライス画像ＰＭの上の画素Ｍ２，Ｍ３，Ｍ４，Ｍ７の計４画素、或いは、スライス画像ＰＭの上の画素Ｍ２〜Ｍ９の計８画素を拡張候補画素とすればよい。なお、３次元の領域拡張処理によれば、スライス画像ごとに拡張開始画素を設定する必要がないので、抽出対象領域をより簡易に抽出することが可能となる。
また、上記実施形態では、エッジ抽出処理または領域拡張手法によって得られる抽出対象物体ＯＢａの境界画素から、標準モデルＳＯにおける制御点Ｃｊの対応点を決定していたがこれに限定されない。
例えば、使用者が３次元画像を目視することによって、抽出対象物体固有の特徴点（例えば、先鋭部の先端の点等）を直接視認できる場合には、使用者は、当該特徴点と標準モデルＳＯにおいて当該特徴点に相当する制御点とを操作部４の操作（マウス操作等）によって直接対応付けてもよい。
本発明の実施形態に係る領域抽出装置の概要を示す図である。 領域抽出装置の各種機能を示すブロック図である。 Ｘ線ＣＴ装置によって取得される３次元画像と所定位置のスライス画像とを示す図である。 領域抽出装置の全体動作を示すフローチャートである。 領域拡張手法を用いた暫定領域抽出処理を示すフローチャートである。 人体をＸ線ＣＴ装置で撮影した際の所定位置におけるスライス画像を示す図である。 図６に示されるスライス画像上の画素Ｍ１付近の拡大図である。 重心点を利用した初期位置決定処理を示すフローチャートである。 ３次元画像に含まれる物体を示す図である。 モデルフィッティング処理を示すフローチャートである。 標準モデルを初期位置に移動させる様子を示す図である。 初期配置された標準モデルと抽出対象物体との関係を示す図である。 スライス画像ＰＱ１、ＰＱ２及びＰＱ４を示す図である。 制御点間を仮想バネで繋いだ模式図である。 ３つの特徴点を有する標準モデルの初期配置の様子を示す図である。 標準モデルを３次元画像内に配置した様子を示す図である。 変形例に係る初期位置決定処理を示すフローチャートである。 制御点を結ぶ直線がなす角を示す図である。 狭幅部を有する抽出対象物体を示す図である。 ３次元画像に含まれる背骨を示す図である。
符号の説明
１ 領域抽出装置
１１ 暫定領域抽出部
１２ 初期位置決定部
１３ モデルフィッティング部
１４ 抽出領域出力部
２０ 制御部
２２ 記憶部
ＳＯ 標準モデル
ＳＰＲ 仮想バネ

Claims (16)

  1. 計測データから所望の領域を抽出する領域抽出装置であって、
    領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出手段と、
    暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定手段と、
    前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する手段と、
    暫定的に抽出された前記抽出対象領域の特徴点を抽出する手段と、
    を備え、
    前記初期位置決定手段は、暫定的に抽出された前記抽出対象領域の特徴点と、前記標準モデルにおける対応特徴点との一致度合いに基づいて、前記標準モデルの初期位置を決定することを特徴とする領域抽出装置。
  2. 計測データから所望の領域を抽出する領域抽出装置であって、
    領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出手段と、
    暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定手段と、
    前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する手段と、
    を備え、
    前記初期位置決定手段は、前記標準モデルと暫定的に抽出された前記抽出対象領域との重なり度合いに基づいて、前記標準モデルの初期位置を決定することを特徴とする領域抽出装置。
  3. 請求項１または請求項２に記載の領域抽出装置において、
    前記計測データは、３次元の計測データであり、
    前記暫定抽出手段は、３次元の領域拡張手法により前記３次元の計測データから３次元の抽出対象領域を暫定的に抽出することを特徴とする領域抽出装置。
  4. 請求項１または請求項２に記載の領域抽出装置において、
    前記暫定抽出手段は、前記領域拡張手法における領域拡張処理を複数の開始点から開始することを特徴とする領域抽出装置。
  5. 請求項１から請求項４のいずれかに記載の領域抽出装置において、
    前記モデルフィッティング手法においては、暫定的に抽出された前記抽出対象領域の境界画素を前記標準モデルの制御点に対応づけることによってフィッティング処理が行われることを特徴とする領域抽出装置。
  6. 請求項１から請求項５のいずれかに記載の領域抽出装置において、
    前記計測データは、医用の画像データであることを特徴とする領域抽出装置。
  7. 請求項１に記載の領域抽出装置において、
    前記抽出対象物体が前記特徴点を複数有する場合においては、前記標準モデルの初期配置後の対応特徴点と、これに対応する前記抽出対象物体の特徴点との各距離の和が最小となるように前記標準モデルの初期位置を決定することを特徴とする領域抽出装置。
  8. 請求項２に記載の領域抽出装置において、
    前記標準モデルと前記抽出対象物体との重複部分についての前記標準モデルにおける重なり量率と前記抽出対象物体における重なり量率との総和を用いて定義される所定の関数が大きくなるように前記標準モデルの初期位置を決定することを特徴とする領域抽出装置。
  9. 計測データから所望の領域を抽出する領域抽出方法であって、
    領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出工程と、
    暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定工程と、
    前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する工程と、
    暫定的に抽出された前記抽出対象領域の特徴点を抽出する工程と、
    を備え、
    前記初期位置決定工程においては、暫定的に抽出された前記抽出対象領域の特徴点と、前記標準モデルにおける対応特徴点との一致度合いに基づいて、前記標準モデルの初期位置が決定されることを特徴とする領域抽出方法。
  10. 計測データから所望の領域を抽出する領域抽出方法であって、
    領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出工程と、
    暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定工程と、
    前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する工程と、
    を備え、
    前記初期位置決定工程においては、前記標準モデルと暫定的に抽出された前記抽出対象領域との重なり度合いに基づいて、前記標準モデルの初期位置が決定されることを特徴とする領域抽出方法。
  11. 請求項９または請求項１０に記載の領域抽出方法において、
    前記計測データは、３次元の計測データであり、
    前記暫定抽出工程においては、３次元の領域拡張手法により前記３次元の計測データから抽出対象領域が暫定的に抽出されることを特徴とする領域抽出方法。
  12. 請求項９または請求項１０に記載の領域抽出方法において、
    前記暫定抽出工程においては、前記領域拡張手法における領域拡張処理が複数の開始点から開始されることを特徴とする領域抽出方法。
  13. 計測データから所望の領域を抽出するプログラムであって、
    コンピュータに、
    領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出工程と、
    暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定工程と、
    前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する工程と、
    暫定的に抽出された前記抽出対象領域の特徴点を抽出する工程と、
    を備え、
    前記初期位置決定工程においては、暫定的に抽出された前記抽出対象領域の特徴点と、前記標準モデルにおける対応特徴点との一致度合いに基づいて、前記標準モデルの初期位置が決定されることを特徴とするプログラム。
  14. 計測データから所望の領域を抽出するプログラムであって、
    コンピュータに、
    領域拡張手法により、前記計測データから抽出対象領域を暫定的に抽出する暫定抽出工程と、
    暫定的に抽出された前記抽出対象領域を用いて、前記抽出対象領域の標準的なモデルである標準モデルの初期位置を決定する初期位置決定工程と、
    前記標準モデルを用いたモデルフィッティング手法により、前記計測データから前記抽出対象領域を抽出する工程と、
    を備え、
    前記初期位置決定工程においては、前記標準モデルと暫定的に抽出された前記抽出対象領域との重なり度合いに基づいて、前記標準モデルの初期位置が決定されることを特徴とするプログラム。
  15. 請求項１３または請求項１４に記載のプログラムにおいて、
    前記計測データは、３次元の計測データであり、
    前記暫定抽出工程においては、３次元の領域拡張手法により前記３次元の計測データから抽出対象領域が暫定的に抽出されることを特徴とするプログラム。
  16. 請求項１３または請求項１４に記載のプログラムにおいて、
    前記暫定抽出工程においては、前記領域拡張手法における領域拡張処理が複数の開始点から開始されることを特徴とするプログラム。
JP2006103877A 2005-06-22 2006-04-05 領域抽出装置、領域抽出方法及びプログラム Expired - Fee Related JP5017909B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2006103877A JP5017909B2 (ja) 2005-06-22 2006-04-05 領域抽出装置、領域抽出方法及びプログラム
US11/471,778 US8103101B2 (en) 2005-06-22 2006-06-21 Region extraction system, region extraction method and program

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2005182230 2005-06-22
JP2005182230 2005-06-22
JP2006103877A JP5017909B2 (ja) 2005-06-22 2006-04-05 領域抽出装置、領域抽出方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2007035020A JP2007035020A (ja) 2007-02-08
JP5017909B2 true JP5017909B2 (ja) 2012-09-05

Family

ID=37567412

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2006103877A Expired - Fee Related JP5017909B2 (ja) 2005-06-22 2006-04-05 領域抽出装置、領域抽出方法及びプログラム

Country Status (2)

Country Link
US (1) US8103101B2 (ja)
JP (1) JP5017909B2 (ja)

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2155064A2 (en) * 2007-05-08 2010-02-24 Koninklijke Philips Electronics N.V. Coronary artery selective calcium assignment using low dose calcium scoring scans
US8285407B2 (en) * 2007-10-25 2012-10-09 The Boeing Company Method and apparatus for composite part data extraction
US8442804B2 (en) * 2007-10-25 2013-05-14 The Boeing Company Method and apparatus for composite part data extraction
US8321180B2 (en) * 2007-10-25 2012-11-27 The Boeing Company Method and apparatus for composite part data extraction
US20090245646A1 (en) * 2008-03-28 2009-10-01 Microsoft Corporation Online Handwriting Expression Recognition
JP5272206B2 (ja) * 2008-04-22 2013-08-28 株式会社ザクティ 画像処理装置及び画像処理方法並びに撮像装置
WO2009154294A1 (ja) * 2008-06-20 2009-12-23 国立大学法人静岡大学 移動量抽出装置及びプログラム、画像補正装置及びプログラム並びに記録媒体
US20100166314A1 (en) * 2008-12-30 2010-07-01 Microsoft Corporation Segment Sequence-Based Handwritten Expression Recognition
JP4914517B2 (ja) * 2009-10-08 2012-04-11 富士フイルム株式会社 構造物検出装置および方法ならびにプログラム
US8620627B2 (en) * 2009-10-13 2013-12-31 The Boeing Company Composite information display for a part
JP4981966B2 (ja) 2009-11-18 2012-07-25 三菱重工業株式会社 放射線治療装置制御方法および放射線治療装置制御装置
JP5955782B2 (ja) * 2010-02-10 2016-07-20 アイモーフィクス リミテッド 画像解析
JP5610129B2 (ja) * 2010-03-26 2014-10-22 富士通株式会社 ３次元テンプレート変形方法、装置及びプログラム
US9522512B2 (en) 2010-08-17 2016-12-20 The Boeing Company Methods for making composite structures having composite-to-metal joints
US8993084B2 (en) 2010-08-17 2015-03-31 The Boeing Company Multi-layer metallic structure and composite-to-metal joint methods
US8652606B2 (en) 2010-08-17 2014-02-18 The Boeing Company Composite structures having composite-to-metal joints and method for making the same
JP5721225B2 (ja) * 2011-07-01 2015-05-20 富士通株式会社 形状データ生成方法、プログラム及び装置
EP3432262A1 (en) 2017-07-18 2019-01-23 Koninklijke Philips N.V. Method and system for dynamic multi dimensional images of an object
JP7165541B2 (ja) * 2018-09-14 2022-11-04 富士フイルムヘルスケア株式会社 ボリュームデータ処理装置、方法及びプログラム
US11806948B2 (en) 2019-12-12 2023-11-07 The Boeing Company Method of forming flyaway stringer end caps
US11718047B2 (en) 2019-12-12 2023-08-08 The Boeing Company Flyaway stringer end caps

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2845995B2 (ja) * 1989-10-27 1999-01-13 株式会社日立製作所 領域抽出手法
JP2834318B2 (ja) * 1990-11-28 1998-12-09 株式会社日立製作所 三次元画像処理方法
JP3330090B2 (ja) * 1998-09-30 2002-09-30 松下電器産業株式会社 臓器境界抽出方法および装置
JP4219456B2 (ja) * 1998-12-07 2009-02-04 株式会社日立製作所 領域抽出方法及び領域抽出装置
JP2002207992A (ja) * 2001-01-12 2002-07-26 Hitachi Ltd 画像処理方法及び画像処理装置
WO2003021532A2 (en) * 2001-09-06 2003-03-13 Koninklijke Philips Electronics N.V. Method and apparatus for segmentation of an object
JP4599191B2 (ja) * 2005-03-01 2010-12-15 国立大学法人神戸大学 画像診断処理装置および画像診断処理プログラム

Also Published As

Publication number Publication date
US8103101B2 (en) 2012-01-24
JP2007035020A (ja) 2007-02-08
US20060291724A1 (en) 2006-12-28

Similar Documents

Publication Publication Date Title
JP5017909B2 (ja) 領域抽出装置、領域抽出方法及びプログラム
US11568534B2 (en) System and method of mitral valve quantification
US10102622B2 (en) Processing apparatus, processing method, and non-transitory computer-readable storage medium
JP5654619B2 (ja) 身体の部分のジオメトリについての被験体に特有である３次元情報を取得する方法およびシステム
JP5546230B2 (ja) 情報処理装置、情報処理方法、及びプログラム
US7773786B2 (en) Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects
JP4701861B2 (ja) 領域抽出装置、領域抽出方法およびプログラム
JP6000705B2 (ja) データ処理装置及びデータ処理方法
US7200251B2 (en) Methods and systems for modeling objects and object image data using medial atoms
JP5355074B2 (ja) ３次元形状データ処理装置、３次元形状データ処理方法及びプログラム
US20080225044A1 (en) Method and Apparatus for Editing Three-Dimensional Images
US20090324041A1 (en) Apparatus for real-time 3d biopsy
JP2007098028A (ja) モデリング装置、モデリング方法、領域抽出装置、およびプログラム
US20140218397A1 (en) Method and apparatus for providing virtual device planning
US10970655B2 (en) Surgery planning based on predicted results
US7792360B2 (en) Method, a computer program, and apparatus, an image analysis system and an imaging system for an object mapping in a multi-dimensional dataset
JP4910478B2 (ja) モデリング装置、モデリング方法およびプログラム
JP6383153B2 (ja) 処理装置、処理方法、およびプログラム
JP2007534416A5 (ja)
JP4720478B2 (ja) モデリング装置、領域抽出装置およびプログラム
JP2007159927A (ja) モデリング装置、モデリング方法、領域抽出装置、領域抽出方法及びプログラム
JP2007312971A (ja) モデリング装置、モデリング方法及びプログラム
JP6827707B2 (ja) 情報処理装置および情報処理システム
JP4736755B2 (ja) モデリング装置、領域抽出装置、モデリング方法及びプログラム
JP7165541B2 (ja) ボリュームデータ処理装置、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: 20090323

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20090615

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20110406

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20110412

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20110610

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20111011

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: 20120515

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: 20120528

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: 20150622

Year of fee payment: 3

LAPS Cancellation because of no payment of annual fees