JP5057651B2 - 管腔画像処理装置、管腔画像処理方法及びそのためのプログラム - Google Patents

Description

本発明は、管腔内の画像に基づいて噴門を検出する管腔画像処理装置、管腔画像処理方法及びそのためのプログラムに関する。

医療分野においては、画像撮像機能を有する医療機器を用いた体腔内臓器の観察及び診断が広く行われている。
例えば、食道疾患診断においては、胃と食道の境目の部分である噴門部の上部におけるＥＧジャンクション（食道・胃接合部）付近におけるＢａｒｒｅｔ食道の疾患診断がある。Ｂａｒｒｅｔ食道から腺癌が発生することもあることから、食道部の診断における内視鏡検査が重要である。内視鏡を患者の口から挿入し、医者はモニタ画面に表示された内視鏡画像を見ながら食道の疾患診断を行う。

また、近年は、カプセル型内視鏡が開発され、カプセル型内視鏡によって得られた画像を見ながら医者は食道疾患の診断を行うこともできるようになってきている。カプセル型内視鏡によって得られた生体画像に基づいて、病変の検出を行うシステムが提案されている（例えば、特許文献１参照）。
ＷＯ ０２／０７３５０７ Ａ２号公報

しかし、上述した提案に係るシステムによっても、食道から胃にかけての画像に基づいて噴門あるいは噴門境界部近傍部の検出をすることについては、なんら開示はされていなかった。
例えば、噴門あるいは噴門の境界部を検出することができれば、医者は、検出された噴門あるいは噴門の境界部の生体組織画像を詳細に観察することができるので、Ｂａｒｒｅｔ食道等の病変の診断を迅速に行うことができる。

そこで、本発明は、管腔内画像に基づいて、噴門部の検出ができる管腔画像処理装置を提供することを目的とする。

本発明の管腔画像処理装置は、内視鏡によって食道から胃にかけての管腔臓器を内側から所定の時間間隔で撮像した複数の管腔内画像のそれぞれについて、暗部とハレーション部の画素を除いた複数の画素の画素数が所定の有効数存在した場合の前記複数の画素から所定の色調特徴量を算出する特徴量算出手段と、各管腔内画像について算出された前記所定の色調特徴量と、前記所定の色調特徴量が前記胃から前記食道にかけて徐々に変化する途中における所定の閾値と比較して、前記複数の管腔内画像に含まれる画像が、前記内視鏡が前記食道と前記胃の境界部である噴門部に入ろうとしている時の画像であることを検出する検出手段と、
を備えた。

本発明は、管腔内画像に基づいて、噴門部の検出ができる管腔画像処理装置を提供することができる。

以下、図面を参照して本発明の実施の形態に係わる管腔画像処理装置を説明する。
（実施の形態）
まず、本発明の実施の形態に係るカプセル型内視鏡装置を利用した管腔画像処理装置及びその方法について、図面を用いて説明する。最初に、本発明の実施の形態に係るカプセル型内視鏡装置を利用した管腔画像処理装置について、図１と図２を用いて説明する。図１は本実施の形態に係るカプセル型内視鏡装置１と、管腔画像処理装置としての端末装置７の概略構成を示すブロック図である。

本実施の形態の画像処理方法を用いるカプセル型内視鏡装置１は、図１（Ａ）に示すように、カプセル型内視鏡３、アンテナユニット４、及び外部装置５からなっている。カプセル型内視鏡３は、詳細は後述するが、被検体である患者２の口から体腔内に飲み込まれて食道及び消化管内を進行する形状に形成され、かつ、内部に食道及び消化管内を撮像し、その撮像画像情報を生成する撮像機能と、その撮像画像情報を体外に送信する送信機能とを有している。アンテナユニット４は、患者２の身体表面上に設置され、前記カプセル型内視鏡３から送信される撮像画像情報を受信する複数の受信アンテナ１１を有している。外部装置５は、外形が箱形形状に形成されており、前記アンテナユニット４が受信した撮像画像情報の各種処理、撮像画像情報の記録、及び撮像画像情報による撮像画像表示等の機能を有している。この外部装置５の外装の表面に前記撮像画像を表示させる液晶モニタ１２と、各種機能の操作指示を行う操作部１３が設けられている。また、この外部装置５は、駆動電源用の電池の残量に関する警告表示用のＬＥＤ、操作部１３として電源スイッチが設けられている。

この外部装置５は、患者２の身体に装着されると共に、図１（Ｂ）に示すように、クレードル６に装着されることにより端末装置７に接続されるようになっている。管腔画像処理装置である噴門検出装置としての端末装置７は、たとえば、パーソナルコンピュータが用いられ、各種データの処理機能や記憶機能を有する端末本体９、各種操作処理入力用のキーボード８ａとマウス８ｂ、及び各種処理結果を表示するディスプレイ８ｃからなっている。この端末装置７の基本的機能としては、前記外部装置５に記録されている撮像画像情報をクレードル６を介して取り込み、端末本体９に内蔵されている書き換え可能なメモリ、或いは端末本体９に着脱自在な書き換え可能な半導体メモリ等の可搬型メモリに書込記録させ、かつ、その記録した撮像画像情報をディスプレイ８ｃに表示する画像処理を行う。さらに、端末装置７は、後述する実施の形態に係る画像処理方法によって噴門検出処理を実行する。なお、前記外部装置５に記憶されている撮像画像情報は、前記クレードル６に代えて、ＵＳＢケーブル等によって端末装置７に取り込まれるようにしても良い。このようなクレードル６等が、カプセル型内視鏡３により撮像された画像を入力する画像入力手段である。

次に、前記カプセル型内視鏡３の外形と内部構造について、図２を用いて説明する。カプセル型内視鏡３は、断面がＵ字状の外装部材１４と、この外装部材１４の先端側の開放端に接着剤により水密装着された透明部材により形成された略半球形状のカバー部材１４ａとからなるカプセル形に形成されている。

この外装部材１４とカバー部材１４ａからなるカプセル形状の内部中空部には、前記カバー部材１４ａの半球の円弧の中央部分の内部には、カバー部材１４ａを介して入射された観察部位像を取り込む対物レンズ１５がレンズ枠１６に収納されて配置されている。この対物レンズ１５の結像位置には、撮像素子である電荷結合素子（以下、ＣＣＤと称する）１７が配置されている。また、前記対物レンズ１５を収納するレンズ枠１６の周囲には、照明光を発光放射させる４つの白色系のＬＥＤ１８が同一平面上に配置されている（図中には２つのＬＥＤのみを表記している）。前記ＣＣＤ１７の後端側の前記外装部材１４の中空部には、前記ＣＣＤ１７を駆動制御して光電変換された撮像信号の生成と、その撮像信号に所定の信号処理を施して撮像画像信号を生成する撮像処理と、及び前記ＬＥＤ１８の点灯・非点灯の動作を制御するＬＥＤ駆動の処理とを行う処理回路１９、この処理回路１９の撮像処理により生成された撮像画像信号を無線信号に変換して送信する通信処理回路２０、この通信処理回路２０からの無線信号を外部に送信する送信アンテナ２３、前記処理回路１９と通信処理回路２０の駆動用電源を供給する複数のボタン型の電池２１が配置されている。なお、ＣＣＤ１７、ＬＥＤ１８、処理回路１９、通信処理回路２０、及び送信アンテナ２３は、図示しない基板上に配置され、それらの基板の間は、フレキシブル基板にて接続されている。

カプセル型内視鏡３は、患者２の体内を移動しながら、所定の時間間隔で撮像した体内画像を外部装置５に送信し、外部装置５は、内蔵する記憶装置に受信した内視鏡画像を記録する。外部装置５に記録された内視鏡画像は、クレードル６を介して端末装置７に転送され図示しない記憶装置に記憶され、端末装置７は、転送されて記憶された内視鏡画像に基づいて噴門部の検出処理を行う。この噴門検出処理は、内視鏡画像の画像データに対して画像処理を行う画像処理ソフトウエアすなわちプログラムによって行われる。その画像処理ソフトウエアは、端末装置７のＣＰＵ等の処理装置によって実行される。

以下に説明する画像処理は、ソフトウエアにより実現されるもので、前記カプセル型内視鏡３、外部装置５、または端末装置７のいずれにおいてもこの画像処理を実行することができるが、ここでは、パーソナルコンピュータを用いた端末装置７において実行される例を用いて説明する。また、画像処理内容の説明において、１フレームの画像の大きさは、ＩＳＸ×ＩＳＹ（１≦ＩＳＸ、ＩＳＹ。例えばＩＳＸ＝６４０、ＩＳＹ＝４８０）の赤（Ｒ）、緑（Ｇ）、青（Ｂ）の３プレーンからなり、各プレーンの画素の階調数は、８ｂｉｔ、すなわち０乃至２５５の値をとるものとする。

また、前記カプセル型内視鏡３は、例えば、食道の検査の場合は、毎秒１５〜３０枚の画像（１５ｆｐｓ〜３０ｆｐｓ）を撮像する。なお、カプセル型内視鏡３は、食道を通過した後は、毎秒当たりの撮像枚数の少ない低速撮像となるよう撮像機能制御を行う。これは、図示しないタイマー回路を設け、このタイマー回路によるタイマーカウントが所定時間以内においては毎秒当たりの撮像枚数の多い高速撮像とし、所定時間が経過した後は毎秒当たりの撮像枚数の少ない低速撮像となるように制御する等によって実現することができる。

図３は、得られた一連の内視鏡画像に基づいて、端末装置７において実行される食道・胃接合部の通過により噴門部の検出を行う処理の流れの例を示すフローチャートである。被検者の口から入ってから撮像されて得られた一連の内視鏡画像は、複数のフレームからなり、各フレームについて図３の処理が実行される。なお、各内視鏡画像の画像データは、図３の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。

図３の処理を施したい一連の画像の中における最初のフレームから処理するために、まず、フレーム番号ｉを１にする（ステップＳ１）。ｉは１からｎの整数である。

次に、フレーム番号ｉの画像Ｆｉの画像データを、端末装置７の記憶装置（図示せず）から読み出す（ステップＳ２）。画像Ｆｉは、ＲＧＢの３つのプレーンからなる。

読み出した画像Ｆｉの画像データに基づいて、内視鏡画像の所定の特徴量として色調の特徴量、ここでは平均色調特徴量μｉを算出する（ステップＳ３）。平均色調特徴量μｉは、各画像に含まれる全画素の色調特徴量の平均値である。ステップＳ３が、各画像Ｆｉについての全画素の値に基づく色調の特徴量としての、平均色調特徴量を算出する特徴量算出工程あるいは特徴量算出手段を構成し、ステップＳ３からＳ５が消化管の境界部を検出する検出手段を構成する。

次に、平均色調特徴量μｉが、所定の閾値Ｔｈを超えているか否かを判断する（ステップＳ４）。色調特徴量として、後述するＲ／（Ｒ＋Ｇ＋Ｂ）の値を用いる場合であれば、閾値Ｔｈは例えば０．５である。

なお、この閾値Ｔｈの値を調整することによって、読み出した画像Ｆｉが、消化管の境界部である食道・胃接合部（ＥＧジャンクション）に入った近辺を撮像している画像であるか、食道・胃接合部の中央部を撮像している画像であるか、胃に入った部分を撮像している画像であるかの判定とすることができる。この点については、後で、図４を用いて説明する。

ステップＳ４においてＹＥＳの場合、すなわち平均色調特徴量μｉが所定の閾値Ｔｈを超えているときは、カプセル型内視鏡３が食道・胃接合部（ＥＧジャンクション）に入ろうとしている、あるいは食道・胃接合部（ＥＧジャンクション）を通過している時なので、読み出された画像Ｆｉは、その時に撮像された画像であると判定する（ステップＳ５）。

ステップＳ４においてＮＯの場合、すなわち平均色調特徴量μｉが所定の閾値Ｔｈを超えていないときは、図３の処理を施したい一連の画像の全てについて図３の処理が終了したか否かを判定し（ステップＳ６）、全て終了しているときは、ステップＳ６でＹＥＳとなり、処理は終了する。ステップＳ６でＮＯの場合は、未処理の画像が残っているので、ｉ＝ｉ＋１の処理を行い（ステップＳ７）、以降、次の画像に対して、ステップＳ２からＳ４の処理を繰り返す。

なお、上述したように、ステップＳ５では、平均色調特徴量μｉが所定の閾値Ｔｈを超えた時は、カプセル型内視鏡３が食道・胃接合部（ＥＧジャンクション）を通過している、あるいは食道・胃接合部（ＥＧジャンクション）に入ろうとしている時と判断しているが、言い換えると、その後噴門部に到達しようとしている、あるいはその後胃内へ到達しようとしているという判定ということもできる。よって、噴門部の検出がされているということができる。

ここで、食道から胃にかけての生体組織の色調について説明する。図４は、得られる一連の内視鏡画像における色調の変化を説明するための模式的グラフである。図４において、横軸は、食道扁平上皮部から食道・胃接合部を経て胃に到達するまでに得られる内視鏡画像の時系列に沿った画像番号（フレーム番号）を示し、縦軸は、各画像番号に対応する内視鏡画像の色調特徴量を示す。

被検者の口から入って得られるカプセル型内視鏡３によって得られた各画像の色調は、図４に示すように変化する。すなわち、食道の扁平上皮部ＲＡと円柱上皮の胃部ＲＣにおける色調は異なっており、それらの間の食道・胃接合部ＲＢでは段階的に徐々に変化している。図４では、例えば、後述するようなＲＧＢの３つの画素値から算出される色調特徴量Ｒ／（Ｒ＋Ｇ＋Ｂ）においては、食道扁平上皮部ＲＡは白色調であるため色調特徴量は小さく、胃部ＲＣでは赤色調であるため色調特徴量は大きい。それらの間の食道・胃接合部ＲＢでは、色調特徴量は、白色調から赤色調に徐々に変化する。

そこで、図３のステップＳ４のような色調特徴量が、その徐々に変化する途中において所定の閾値Ｔｈを超えたときに（色調が赤くなったとき）、その画像は、カプセル型内視鏡３が食道・胃接合部（ＥＧジャンクション）に入ろうとしている時、あるいは食道・胃接合部（ＥＧジャンクション）を通過している時に撮像した画像である等の判定、言い換えると、消化管の境界部である噴門部の検出が実行される。すなわち、食道粘膜から胃粘膜へかけての色調の違いに基づき、噴門部の検出が行われる。具体的には、その通過等の判断を確実に行うために、色調特徴量の平均値等が利用される。

次に、図３において説明した平均色調特徴量μｉの具体的な例を説明する。
図５は、各フレームの画像について実行され、平均色調特徴量μｉとして、ＲＧＢの３つの画素値から算出されるＲ／（Ｒ＋Ｇ＋Ｂ）を用いた場合における図３のステップＳ３の処理の流れの例を示すフローチャートである。図５の処理では、１フレームの画素毎における、ＲＧＢの３つの各画素値ｒｊ、ｇｊ、ｂｊから、色度ｒｊ／（ｒｊ＋ｇｊ＋ｂｊ）を算出することによって平均色調特徴量μｉが算出される。ｊは、各フレームの画像データにおいて画素を特定するための番号を示す。

初めに、ｊ＝１，ｖａｌ＝０，ｃｏｕｎｔ＝０とする（ステップＳ１１）。ここで、ｖａｌは色調特徴量の総和を求めるための変数であり、ｃｏｕｎｔは、平均色調特徴量μｉの算出に用いられた画素数を求めるための変数である。

次に、ステップＳ１２において、ｊ番目の画素が暗部に属する画素か否かを判定する。具体的には、Ｒ画像、Ｇ画像、及びＢ画像の各画像におけるｊ番目の画素の値をｒｊ、ｇｊ、及びｂｊとしたときに、ｒｊ≦ｔｈｄ、ｇｊ≦ｔｈｄ、及びｂｊ≦ｔｈｄであれば、その画素は暗部に属する画素と判定する。ここで、ｔｈｄは、暗部画素であるかを判定するための各色の閾値であり、本実施の形態においては、例えばｔｈｄ＝１０に設定している。ｊ番目の画素が暗部に属する画素であると判定された場合、ステップＳ１６に進み、ｊ番目の画素が暗部に属さない画素である判定された場合、ステップＳ１３に進む。

次に、ステップＳ１３において、ｊ番目の画素が、極端に明るい画素、すなわちハレーション部に属する画素か否かを判定する。具体的には、ｒｊ≧ｔｈｈ、ｇｊ≧ｔｈｈ、及びｂｊ≧ｔｈｈであればハレーション画素と判定する。ここで、ｔｈｈは、ハレーション画素であるかを判定するための各色の閾値であり、本実施の形態においては、例えばＴｈ＝２００に設定している。ｊ番目の画素がハレーション画素であると判定された場合、ステップＳ１６に進み、ｊ番目の画素がハレーション画素でない判定された場合、ステップＳ１４に進む。

尚、ステップＳ１２とＳ１３において、Ｒ画像、Ｇ画像、及びＢ画像についての閾値ｔｈｄとｔｈｈは各画素ｒｊ、ｇｊ、及びｂｊについてそれぞれ同じ値としているが、生体粘膜は総じてＲ画像が最も明るい傾向にあるため、例えばｒｊに対する閾値を、ｇｊ、ｂｊに対する閾値よりも高く設定してもよい。また、ｒｊ、ｇｊ、ｂｊのそれぞれに対する閾値を異なる値に設定してもよい。

ステップＳ１４では、ｖａｌ＝ｖａｌ＋ｒｊ／（ｒｊ＋ｇｊ＋ｂｊ））と、ｃｏｕｎｔ＝ｃｏｕｎｔ＋１が演算される。色調特徴量の総和を求めるための変数ｖａｌに、色調特徴量ｒｊ／（ｒｊ＋ｇｊ＋ｂｊ）を加算し、変数ｃｏｕｎｔを１だけインクリメントする。

そして、ステップＳ１５においては、全ての画素について、ステップＳ１２からステップＳ１４の処理を行ったか否かを判定する。具体的には、ｊ＜ＩＳＸ×ＩＳＹである場合、ステップＳ１６において、画素を特定する番号ｊに１を加算（ｊ＝ｊ＋１）して、次の画素に対して前記ステップＳ１２からステップＳ１４を実行する。ｊ＝ＩＳＸ×ＩＳＹである場合、すなわち全ての画素についてステップＳ１２からステップＳ１４の処理を行った場合、ｃｏｕｎｔが所定の閾値ｔｈｃより大きいか否かを判定する（ステップＳ１７）。閾値ｔｈｃは、色調評価には不充分な画素数を示し、その閾値ｔｈｃ以上の数であれば、色調評価に有効な画素が充分な数だけ存在したことになる数である。ステップＳ１７において、ＹＥＳの場合、すなわち色調評価に有効な画素が充分な数だけ存在した場合、平均色調特徴量μｉが、色調特徴量総和ｖａｌを、平均色調特徴量μｉの算出に用いられる画素数ｃｏｕｎｔによって割り算することによって、算出される（ステップ１８）。具体的には、μｉ＝ｖａｌ／ｃｏｕｎｔである。

ステップＳ１７においてＮＯの場合、すなわち色調評価に有効な画素が充分な数だけ存在しなかった場合、そのフレームの画像は、エラーすなわち異常画像として（ステップＳ１９）、平均色調特徴量μｉを例えば０（ゼロ）として、図３のステップＳ４においては、閾値Ｔｈを超えないものとして判断されることになる。

次に、本実施の形態における各種変形例を説明する。
第１の変形例として、上述した図３から図５においては、各フレームの画像に基づいて、食道・胃接合部の通過、噴門部の通過等の判断を行っているが、連続する複数の画像が、あるいは連続する複数の画像の中の所定の割合（例えば８０％）以上が、ステップＳ４の判定結果がμｉ＞Ｔｈであった場合に、カプセル内視鏡３が、食道・胃接合部を通過した等の、判断をするようにしてもよい。
また、第２の変形例として、以上の説明は、連続する複数の画像に対して、処理を行っているが、図３の処理は、特定の１枚の画像に対して行うようにしてもよい。

さらになお、第３の変形例として、連続する複数の画像における平均色調特徴量μｉの移動平均を算出して、その移動平均値が所定の閾値を超えたか否かによって、カプセル型内視鏡３の食道・胃接合部の通過等の判定を行うようにしてもよい。例えば、ｍ＝２，３，４，・・、かつｉ＞＝ｍ＋１としたとき（すなわち、ｎ枚の画像の中から、連続するｍ枚の画像を取り出し、そのとき、（ｍ＋１）はｉ以下であることの意）、連続するｍ枚の各画像から得られる画像Ｆ（ｉ−ｍ）からＦｉの平均色調特徴量μｉに基づいて移動平均値を算出し、その移動平均値が所定の閾値を超えたか否かが判断される。このような移動平均を用いることによれば、観察距離、角度等の違いによる照明条件の変化から生じ得る赤みの強い食道内の画像等であっても、平均色調特徴量の小さな変動による影響を除去して、より精度の高い、カプセル型内視鏡３の食道・胃接合部の通過等を検出することができる。

また、第４の変形例として、以上の例では、色調特徴量として、ＲＧＢの３つの画素値から算出される画素値の比率としてＲ／（Ｒ＋Ｇ＋Ｂ）を用いているが、他のパラメータでもよい。他の色調特徴量のパラメータとしては、例えば、Ｇ／（Ｒ＋Ｇ＋Ｂ）でもよいし、ＩＨｂ（＝３２ｌｏｇ_２（Ｒ／Ｇ））、色相、彩度などでもよい。

さらにまた、第５の変形例として、複数の色調特徴量を用いてもよい。例えば、図３のステップＳ３において、ＲＧＢの３つの画素値から算出される画素値の比率としてＲ／（Ｒ＋Ｇ＋Ｂ）とＧ／（Ｒ＋Ｇ＋Ｂ）とを用い、それらの平均値、すなわち各画像における全画素の色調特徴量（Ｒ／（Ｒ＋Ｇ＋Ｂ））の平均値μ１ｉと、色調特徴量（Ｇ／（Ｒ＋Ｇ＋Ｂ））の平均値μ２ｉとを算出する。そして、ステップＳ４において、平均値μ１ｉと平均値μ２ｉが、μ１ｉ＞Ｔｈ１、かつμ２ｉ＜Ｔｈ２か否かの判断を行うようにしてもよい。

また、第６の変形例として、平均色調特徴量の変化量に基づいて、カプセル型内視鏡３の食道・胃接合部の通過等を検出するようにしてもよい。すなわち、連続する一連の画像の各画像から得られる平均色調特徴量が所定の閾値を超えたか否かではなく、２枚の画像の平均色調特徴量の変化量が所定の閾値を超えたか否かを判定するようにしてもよい。すなわち、各画像の平均色調特徴量について、例えば、一つ前の画像あるいは一つ後の画像の平均色調特徴量とを比較し、その２つの平均色調特徴量の差が、所定の閾値を超えていれば、例えばカプセル型内視鏡３が食道から食道・胃接合部へ入った、食道・胃接合部から胃に入った等の判定を行うようにしてもよい。画像Ｆ（ｉ−ｍ１）と画像Ｆｉにおける平均色調特徴量μ（ｉ−ｍ１）とμｉの差分値（μｉ−μ（ｉ−ｍ１））が、所定の閾値以上変化したか否かの判断が行われる。ｍ１は、１，２，３，・・である。

これは、粘膜色の個人差、Ｂａｒｒｅｔ食道等の病変部の存在、撮像系のバラツキ等により粘膜の色調は、常に一定ではないため、そのような個人差等の影響を受けないで、カプセル型内視鏡３が食道・胃接合部を通過したか等の判定ができるようにするためである。

さらに、その場合、平均色調特徴量の変化を、平均色調特徴量の微分値を算出することによって検出するようにしてもよい。
図６は、その平均色調特徴量の微分値を算出することによって、平均色調特徴量の変化を検出する処理の流れの例を示すフローチャートである。

なお、各画像の画像データも、図３の処理で説明したように、図６の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。ステップＳ１からステップＳ３の処理は、図３の処理のステップＳ１からステップＳ３の処理と同じである。すなわち、最初のフレームから処理するために、まず、フレーム番号ｉを１にする（ステップＳ１）。次に、フレーム番号ｉの画像Ｆｉの画像データを、端末装置７の記憶装置（図示せず）から読み出す（ステップＳ２）。読み出した画像Ｆｉの画像データから平均色調特徴量μｉを算出する（ステップＳ３）。

全ての画像について処理をしたか、すなわち全画像終了かを判定する（ステップＳ２１）。全画像終了でなければ、ステップＳ２１でＮＯとなり、ｉ＝ｉ＋１とし（ステップＳ７）、処理はステップＳ２に移行する。

全画像終了のときは、ステップＳ２１でＹＥＳとなり、得られた複数の平均色調特徴量μｉについて、平滑化のために所定の範囲すなわち連続する所定枚数の画像の範囲に亘って移動平均値ｆ（μｉ）を算出する（ステップＳ２２）。そして、移動平均値ｆ（μｉ）の時間経過に基づいて微分値Δｆ（μｉ）を算出する（ステップＳ２３）。

そして、所定の閾値ｔｈｆを超える微分値Δｆ（μｉ）に対応する画像Ｆｉを特定し検出する（ステップＳ２４）。ステップＳ３からＳ２４が消化管の境界部を検出する検出手段を構成する。
以上により、複数の画像間で色調の変化量が所定の閾値を超える画像が検出できるので、粘膜色の個人差等があっても、個人差等の影響を受けないで、カプセル型内視鏡３の食道・胃接合部の通過等の判定をすることができる。

さらに、第７の変形例として、色調特徴量の平均値ではなく、標準偏差あるいは分散を用いることもできる。
例えば、図７は、得られる一連の内視鏡画像における色調特徴量の標準偏差あるいは分散の変化を説明するためのグラフである。図７において、横軸は、食道扁平上皮部から食道・胃接合部を経て胃に関して得られる内視鏡画像の時系列に沿った画像番号（フレーム番号）を示し、縦軸は、各画像番号に対応する内視鏡画像の色調特徴量の標準偏差σｉあるいは分散ｖｉを示す。

被検者の口から入って得られるカプセル型内視鏡３によって得られた各画像の色調は、図４に示すように変化するが、算出して得られる色調特徴量Ｒ／（Ｒ＋Ｇ＋Ｂ）の標準偏差あるいは分散は、図７に示すように変化する。すなわち、食道の扁平上皮部ＲＡと円柱上皮の胃部ＲＣの画像における色調はそれぞれ一様であるため、色調特徴量Ｒ／（Ｒ＋Ｇ＋Ｂ）の標準偏差σｉあるいは分散ｖｉは小さいが、それらの間の食道・胃接合部ＲＢでは、その標準偏差σｉあるいは分散ｖｉは大きくなる。

従って、各画像の色調特徴量の標準偏差σｉあるいは分散ｖｉに基づいて、カプセル型内視鏡３が食道・胃接合部を通過しようとしている等の判定をすることができる。
さらになお、色調特徴量の標準偏差σｉあるいは分散ｖｉの代わりに、それらの変動係数（＝標準偏差σｉ／平均色調特徴量μｉ）を用いてもよい。

さらに、第８の変形例として、以上説明した例では、各フレームの画像の全ての画素の画素データを用いているが、図８に示すように、全画素を処理対象とするのではなく、各フレームの所定の領域内の画素についてのみサンプリングして処理対象としてもよい。図８は、各フレームの画像３１において、上述した本実施の形態及び変形例における画像処理を行う領域の例を示す図である。

各フレームの画像３１を、所定の領域に分割する。図８では、各画像３１は、各分割された領域が矩形となるように１６分割され、その分割された領域の中で、所定の領域（Ｒ２，Ｒ３，Ｒ５，Ｒ８，Ｒ９，Ｒ１２，Ｒ１４，Ｒ１５）についてのみ、すなわち関心領域（ＲＯＩ）についてのみ、上述した処理が行われる。特に、食道は管腔臓器であるため、より正確に粘膜表面の色調を算出するために、視野の中央部を除いて、関心領域（ＲＯＩ）を設定することもできる。
従って、関心領域（ＲＯＩ）のみを処理対象とすれば、演算量が少なくなるため処理の高速化が図れる。

さらになお、より高速処理を図るために、関心領域（ＲＯＩ）のみを処理対象とするときに、全てのフレームについて処理を行うのではなく、ｋ枚（ｋ＝１，２，３，・・）おきのフレーム毎に、関心領域（ＲＯＩ）の画素のみについて処理対象とするようにしてもよい。特に、食道内では、毎秒の撮像枚数が多いので、多少の間引きを行っても、正確な判定を行うことができる場合があるからである。

以上のように、本実施の形態（変形例を含む）によれば、管腔画像の色調特徴量に基づいて、各画像が、カプセル型内視鏡が食道・胃接合部（ＥＧジャンクション）に入ろうとしている時、あるいは食道・胃接合部（ＥＧジャンクション）を通過している時の画像であるか否かの判定をすることができる。

なお、本実施の形態においては、算出した特徴量に対する閾値処理の適用により、各画像が、カプセル型内視鏡が食道・胃接合部（ＥＧジャンクション）に入ろうとしている時、あるいは食道・胃接合部（ＥＧジャンクション）を通過している時の画像であるかの検出をしたが、例えば、公知の線形判別関数等の識別関数を用いて、その検出を行うようにしてもよい。また、他の実施の形態における特徴量を組み合わせて使用してもよい。

以下、上述した実施形態の参考となる例について説明する。
（第１の参考例）
次に、本発明の第１の参考例に係るカプセル型内視鏡装置を利用した噴門検出装置及びその方法について、図面を用いて説明する。本参考例において画像処理の対象となる内視鏡画像は、上述した実施の形態と同様に、カプセル型内視鏡装置１によって得られた連続した一連の内視鏡画像であるので、噴門検出装置の構成は、上述した実施の形態と同様であるので、説明は省略する。

上述した実施の形態では色調特徴量が用いられているが、本参考例に係る管腔画像処理装置である噴門検出装置は、各画像の明るさ情報を用いて、各画像が、カプセル型内視鏡が食道・胃接合部（ＥＧジャンクション）を通過している等のときの画像であるか否かの判定を行うようにした点が、上述した実施の形態と異なる。

図９は、得られる一連の内視鏡画像における明るさの変化、具体的には輝度の変化を説明するための模式的グラフである。図９において、横軸は、食道扁平上皮部から食道・胃接合部を経て胃に到達するまでに得られる内視鏡画像の時系列に沿った画像番号（フレーム番号）を示し、縦軸は、各画像番号に対応する内視鏡画像の輝度を示す。

被検者の口から入って得られるカプセル型内視鏡３によって得られた各画像の輝度は、画像の明るさを示し、図９に示すように変化する。すなわち、食道の扁平上皮部ＲＡと円柱上皮の胃部ＲＣにおける輝度は異なっており、さらにそれらの間の食道・胃接合部ＲＢも輝度は、食道の扁平上皮部ＲＡと円柱上皮の胃部ＲＣとは異なっている。図９に示すように、例えば、ＲＧＢの３つの画素値から算出される輝度においては、食道扁平上皮部ＲＡは比較的狭い管腔臓器であり粘膜壁までの距離が近いため、暗部とハレーション部を除くと、平均輝度値は大きく、胃部ＲＣ内では相対的に輝度は小さい。それらの間の食道・胃接合部ＲＢでは、食道という管腔内において閉じた噴門部を正面視するために、輝度値は、食道扁平上皮部ＲＡよりも大きい。

よって、画像の明るさ情報が、その徐々に変化する途中において所定の閾値Ｔｈ１を超えたときに、食道・胃接合部（ＥＧジャンクション）を通過している、あるいは食道・胃接合部（ＥＧジャンクション）に入ろうとしている、等の判定が実行される。すなわち、撮像した画像における明るさ情報の違いに基づき、カプセル型内視鏡３が食道・胃接合部（ＥＧジャンクション）に入ろうとしている時、あるいは食道・胃接合部（ＥＧジャンクション）を通過している時に閉じた噴門部の検出が行われる。具体的には、その通過等の判断を確実に行うために、明るさ情報として、平均輝度値等が利用される。

図１０は、図３と同様に、得られた一連の内視鏡画像に基づいて、端末装置７において実行される食道・胃接合部の通過時に噴門部の検出を行う処理の流れの例を示すフローチャートである。図１０の処理は、図３の処理と略同様であり、被検者の口から入ってから撮像されて得られた一連の内視鏡画像は、複数のフレームからなり、各フレームについて図１０の処理が実行される。なお、各内視鏡画像の画像データは、図１０の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。図１０において、図３と同様の処理は、同じステップ番号を付し、説明は簡略化する。また、以下では、明るさ情報として輝度値を用いた場合を説明するが、明るさ情報としてＧ又はＢの画素データ値を用いた場合は、閾値データが異なることと、画素データが閾値を下回ったか否かの判断となることの違いだけであるので、説明は省略する。

まず、図１０の処理を施したい一連の画像の中における最初のフレームから処理するために、フレーム番号ｉを１にし（ステップＳ１）、次に、フレーム番号ｉの画像Ｆｉの画像データを、端末装置７の記憶装置（図示せず）から読み出す（ステップＳ２）。

読み出した画像Ｆｉの画像データから平均輝度値Ｉｉを算出する（ステップＳ３３）。平均輝度値Ｉｉは、各画像に含まれる全画素の輝度値の平均値である。ここでは、輝度値Ｉは、上述したように、画像の明るさを示す特徴量であり、例えば、輝度値Ｉ＝０．６Ｒ＋０．３Ｇ＋０．１Ｂで算出される。ステップＳ３３が、明るさ情報の特徴量として、各画像Ｆｉについて全画素の輝度値に基づく平均輝度値を算出する特徴量算出工程あるいは特徴量算出手段を構成する。

次に、平均輝度値Ｉｉが、所定の閾値Ｔｈ１１を超えたか否かを判断する（ステップＳ３４）。

なお、この閾値Ｔｈ１１の値を調整することによって、読み出した画像Ｆｉが、食道・胃接合部（ＥＧジャンクション）に入った近辺において撮像した画像であるか、食道・胃接合部の中央部において撮像した画像であるかの判定とすることができる。

ステップＳ３４においてＹＥＳの場合、すなわち平均輝度値Ｉｉが所定の閾値Ｔｈ１１を超えたときは、その画像Ｆｉは、カプセル型内視鏡３が食道・胃接合部（ＥＧジャンクション）に入ろうとしている時、あるいは食道・胃接合部（ＥＧジャンクション）を通過している時に撮像された画像であると判定する（ステップＳ５）。

ステップＳ３４においてＮＯの場合、すなわち平均輝度値Ｉｉが所定の閾値Ｔｈ１１を超えていないときは、図１０の処理を施したい一連の画像の全てについて図１０の処理が終了したか否かを判定し（ステップＳ６）、全て終了しているときは、ステップＳ６でＮＯとなり、処理は終了する。ステップＳ６でＮＯの場合は、未処理の画像が残っているので、ｉ＝ｉ＋１の処理を行い（ステップＳ７）、以降、ステップＳ２からＳ３４の処理を繰り返す。ステップＳ３３からＳ５が消化管の境界部を検出する検出手段を構成する。

なお、本参考例においても、ステップＳ５では、明るさ情報である平均輝度値Ｉｉが所定の閾値Ｔｈ１１を超えているときは、その画像Ｆｉは、カプセル型内視鏡３が食道・胃接合部（ＥＧジャンクション）に入ろうとしている時、あるいは食道・胃接合部（ＥＧジャンクション）を通過している時に撮像された画像と判定しているが、言い換えると、その後、閉じた噴門部を通過しようとしている、あるいは胃内へ到達しようとしているという判定ということもできる。よって、噴門部の検出がされているということができる。

次に、図１０において説明した平均輝度値Ｉｉの具体的な例を説明する。
図１１は、各フレームの画像について実行され、平均輝度値Ｉｉとして、ＲＧＢの３つの画素値から算出される（０．６Ｒ＋０．３Ｇ＋０．１Ｂ）を用いた場合における図１０のステップＳ３３の処理の流れの例を示すフローチャートである。図１１の処理では、１フレームの画素毎における、ＲＧＢの３つの各画素値ｒｊ、ｇｊ、ｂｊから、輝度値（０．６Ｒ＋０．３Ｇ＋０．１Ｂ）を算出することによって平均輝度値Ｉｉが算出される。
なお、図１１は、図５と同様の処理ステップを含むため、同様の処理は同じステップ番号を付し、説明は簡略化する。ｊは、各フレームの画像データにおいて画素を特定するための番号を示す。

初めに、ｊ＝１，ｖａｌ１＝０，ｃｏｕｎｔ１＝０とする（ステップＳ１１）。ここで、ｖａｌ１は明るさの特徴量の総和を求めるための変数であり、ｃｏｕｎｔ１は、平均輝度値Ｉｉの算出に用いられた画素数を求めるための変数である。

次に、ステップＳ１２において、ｊ番目の画素が暗部に属する画素か否かを判定する。ｊ番目の画素が暗部に属する画素であると判定された場合、ステップＳ１６に進み、ｊ番目の画素が暗部に属さない画素であると判定された場合、ステップＳ１３に進む。

次に、ステップＳ１３において、ｊ番目の画素が、極端に明るい画素、すなわちハレーション部に属する画素か否かを判定する。ｊ番目の画素がハレーション画素であると判定された場合、ステップＳ１６に進み、ｊ番目の画素がハレーション画素でないと判定された場合、ステップＳ４４に進む。

尚、ステップＳ１２とＳ１３において、Ｒ画像、Ｇ画像、及びＢ画像についての閾値ｔｈｄとｔｈｈは各画素ｒｊ、ｇｊ、及びｂｊについてそれぞれ同じ値としているが、生体粘膜は総じてＲ画像が最も明るい傾向にあるため、例えばｒｊに対する閾値を、ｇｊ、ｂｊに対する閾値よりも高く設定してもよい。また、ｒｊ、ｇｊ、ｂｊのそれぞれに対する閾値を異なる値に設定してもよい。

ステップＳ４４では、ｖａｌ１＝ｖａｌ１＋（０．６ｒｊ＋０．３ｇｊ＋０．１ｂｊ）と、ｃｏｕｎｔ１＝ｃｏｕｎｔ１＋１が演算される。明るさ特徴量の総和を求めるための変数ｖａｌ１に、明るさ特徴量である輝度値（０．６ｒｊ＋０．３ｇｊ＋０．１ｂｊ）を加算し、変数ｃｏｕｎｔ１を１だけインクリメントする。

そして、ステップＳ１５においては、全ての画素について、ステップＳ１２からステップＳ１４の処理を行ったか否かを判定する。全ての画素についてステップＳ１２からステップＳ４４の処理を行っていない場合、ステップＳ１６において、画素を特定する番号ｊに１を加算（ｊ＝ｊ＋１）して、次の画素に対して前記ステップＳ１２からステップＳ４４を実行する。全ての画素についてステップＳ１２からステップＳ４４の処理を行った場合、ｃｏｕｎｔ１が所定の閾値ｔｈｃより大きいか否かを判定する（ステップＳ１７）。明るさの評価に有効な画素が充分な数だけ存在した場合、平均輝度値Ｉｉが、変数ｖａｌ１を、変数ｃｏｕｎｔ１によって割り算することによって、算出される（ステップ１８）。具体的には、Ｉｉ＝ｖａｌ１／ｃｏｕｎｔ１である。

明るさの評価に有効な画素が充分な数だけ存在しなかった場合、そのフレームの画像は、エラーすなわち異常画像として（ステップＳ１９）、平均輝度値Ｉｉを例えば０（ゼロ）として、図１０のステップＳ３４においては、閾値Ｔｈ１１を超えないものとして判断されることになる。

なお、以上の説明では、噴門部が閉じている場合で説明したが、開いていても、本参考例の処理は適用でき、輝度量が所定の閾値を超えたか否かによって、噴門部を検出することができる。
次に、本参考例における各種変形例を説明する。
第１の変形例として、上述した図１０から図１１においては、各フレームの画像に基づいて、食道・胃接合部の通過、噴門部の通過等の判断を行っているが、連続する複数の画像が、あるいは連続する複数の画像の中の所定の割合（例えば８０％）以上が、ステップＳ３４の判定結果がＩｉ＞Ｔｈ１１であった場合に、カプセル内視鏡３が、食道・胃接合部を通過した等の、判断をするようにしてもよい。
また、第２の変形例として、以上の説明は、連続する複数の画像に対して、処理を行っているが、図１０の処理は、特定の１枚の画像に対して行うようにしてもよい。

さらになお、第３の変形例として、連続する複数の画像における平均輝度値Ｉｉの移動平均を算出して、その移動平均値が所定の閾値を超えたか否かによって、カプセル型内視鏡３の食道・胃接合部の通過等の判定を行うようにしてもよい。例えば、ｍ＝２，３，４，・・、かつｉ＞＝ｍ＋１としたとき（すなわち、ｎ枚の画像の中から、連続するｍ枚の画像を取り出し、そのとき、（ｍ＋１）はｉ以下であることの意）に、連続するｍ枚の各画像から得られる画像Ｆ（ｉ−ｍ）からＦｉの平均輝度値に基づいて移動平均値を算出し、その移動平均値が所定の閾値を超えたか否かが判断される。このような移動平均を用いることによれば、観察距離、角度等の違いによる照明条件の変化から生じ得る赤みの強い食道内の画像等であっても、平均輝度値の小さな変動による影響を除去して、より精度の高い、カプセル型内視鏡３の食道・胃接合部の通過等を検出することができる。

また、第４の変形例として、以上の例では、明るさの特徴量として、上述したようなＲＧＢの３つの画素値から算出される輝度の代わりに、ＧあるいはＢの画素データを用いてもよい。

図１２は、画像の明るさ情報として、上述したようなＲＧＢの３つの画素値から算出される輝度の代わりに、ＧあるいはＢの画素データを用いた場合における一連の内視鏡画像におけるＧあるいはＢの画素データの変化を説明するための模式的グラフである。図１２において、横軸は、食道扁平上皮部から食道・胃接合部を経て胃に到達するまでに得られる内視鏡画像の時系列に沿った画像番号（フレーム番号）を示し、縦軸は、各画像番号に対応する内視鏡画像のＧ又はＢの画素データ値を示す。

すなわち、図１２に示すように、食道の扁平上皮部ＲＡと円柱上皮の胃部ＲＣにおいて、Ｇ又はＢの画素データ値は異なっており、さらにそれらの間の食道・胃接合部ＲＢもＧ又はＢの画素データ値は、食道の扁平上皮部ＲＡと円柱上皮の胃部ＲＣとは異なっている。具体的には、食道・胃接合部ＲＢでは、Ｇ又はＢの画素データ値は、画素データ値の大きい白色調の食道の扁平上皮部ＲＡから、画素データ値の小さな円柱上皮及び胃底腺粘膜の胃部ＲＣにかけて徐々に低下する。

よって、画像の明るさ情報が、その徐々に変化する途中において所定の閾値Ｔｈ１２を下回ったときに、カプセル型内視鏡３が食道・胃接合部（ＥＧジャンクション）を通過している、あるいは食道・胃接合部（ＥＧジャンクション）に入ろうとしている、等の判定が実行される。すなわち、撮像した画像の明るさ情報の違いに基づき、カプセル型内視鏡３の食道・胃接合部の通過等の判定が行われる。具体的には、その通過等の判断を確実に行うために、明るさ情報として、Ｇ又はＢの画素データ値の平均値等が利用される。

さらにまた、第５の変形例として、複数の明るさの情報を用いてもよい。例えば、図１０のステップＳ３３において、ＲＧＢの３つの画素値から算出される画素の輝度値とＧの画素データとを用い、それらの平均値、すなわち各画像における全画素の平均輝度値Ｉ１ｉと、Ｇの画素データの平均値Ｉ２ｉとを算出する。そして、ステップＳ３４において、平均輝度値Ｉ１ｉとＧの画素データの平均値Ｉ２ｉが、Ｉ１ｉ＞Ｔｈ１３、かつＩ２ｉ＜Ｔｈ１４か否かの判断を行うようにしてもよい。

また、第６の変形例として、明るさの情報の変化量に基づいて、カプセル型内視鏡３の食道・胃接合部の通過等を検出するようにしてもよい。すなわち、連続する一連の画像の各画像から得られる明るさの情報が所定の閾値を超えたか否かではなく、連続する２枚の画像の明るさの情報の変化量が所定の閾値を超えたか否かを判定するようにしてもよい。すなわち、各画像の明るさの情報について、例えば、一つ前の画像あるいは一つ後の画像の平均輝度値とを比較し、その２つの平均輝度値の差が、所定の閾値を超えていれば、例えばカプセル型内視鏡３が食道から食道・胃接合部へ入った、食道・胃接合部から胃に入った等の判定を行うようにしてもよい。画像Ｆ（ｉ−ｍ１）と画像Ｆｉにおける平均輝度値Ｉ（ｉ−ｍ１）とＩｉの差分値（Ｉｉ−Ｉ（ｉ−ｍ１））が、所定の閾値以上変化したか否かの判断が行われる。ｍ１は、１，２，３，・・である。

これは、粘膜色の個人差、Ｂａｒｒｅｔ食道等の病変部の存在、撮像系のバラツキ等により粘膜の色調は、常に一定ではないため、そのような個人差等の影響を受けないで、カプセル型内視鏡３が食道・胃接合部を通過したか等の判定ができるようにするためである。

さらに、その場合、明るさの情報の変化を、平均輝度値の微分値を算出することによって検出するようにしてもよい。
図１３は、その平均輝度値の微分値を算出することによって、明るさの変化を検出する処理の流れの例を示すフローチャートである。図６と同様の処理に係るものは、同じステップ番号を付して、説明は簡略化する。

なお、各画像の画像データも、図１０の処理で説明したように、図１３の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。ステップＳ１からステップＳ３３の処理は、図１０の処理のステップＳ１からステップＳ３３の処理と同じである。

全ての画像について処理をしたか、すなわち全画像終了かを判定し（ステップＳ２１）、全画像終了でなければ、ステップＳ２１でＮＯとなり、ｉ＝ｉ＋１とし（ステップＳ７）、処理はステップＳ２に移行する。

全画像終了のときは、ステップＳ２１でＹＥＳとなり、得られた複数の平均輝度値Ｉｉについて、平滑化のために所定の範囲すなわち連続する所定枚数の画像の範囲に亘って移動平均値ｆ（Ｉｉ）を算出する（ステップＳ５２）。そして、移動平均値ｆ（Ｉｉ）の時間経過に基づいて微分値Δｆ（Ｉｉ）を算出する（ステップＳ５３）。

そして、所定の閾値ｔｈｆ１を超える微分値Δｆ（Ｉｉ）に対応する画像Ｆｉを特定し検出する（ステップＳ５４）。ステップＳ３３からＳ５４が消化管の境界部を検出する検出手段を構成する。
以上により、複数の画像間で明るさの変化量が所定の閾値を超える画像が検出できるので、粘膜色の個人差等があっても、個人差等の影響を受けないで、カプセル型内視鏡３の食道・胃接合部の通過等の判定をすることができる。

さらに、第７の変形例として、閉じた状態の噴門部を、明るさの分布に基づいて検出するようにしてもよい。例えば、明るさ情報の平均値ではなく、上述した実施の形態と同様に、標準偏差あるいは分散を用いることもできる。得られる一連の内視鏡画像における明るさの情報の標準偏差あるいは分散の値に基づいて、カプセル型内視鏡３が食道・胃接合部を通過しようとしている等の判定をすることができる。具体的には、Ｒ画像データの明るさの標準偏差を求め、その標準偏差が所定の閾値よりも小さければ、閉じた噴門部を正面視していると判定する。これは、閉じた状態の噴門部を正面視したときの画像の明るさは比較的均一であるからである。さらになお、平均輝度値の標準偏差あるいは分散の代わりに、それらの変動係数（＝標準偏差／平均輝度値）を用いてもよい。

さらに、第８の変形例として、以上説明した例では、各フレームの画像の全ての画素の画素データを用いているが、上述した実施の形態の図８で説明したように、全画素を処理対象とするのではなく、各フレームの所定の領域内の画素についてのみサンプリングして処理対象としてもよい。図８は、各フレームの画像において、上述した本参考例及び変形例における画像処理を行う領域の例を示す図である。

各フレームの画像を、所定の領域に分割する。図８では、各画像は、各分割された領域が矩形となるように１６分割され、その分割された領域の中で、予め設定された領域（Ｒ２，Ｒ３，Ｒ５，Ｒ８，Ｒ９，Ｒ１２，Ｒ１４，Ｒ１５）についてのみ、すなわち関心領域（ＲＯＩ）についてのみ、上述した処理が行われる。特に、食道は管腔臓器であるため、より正確に粘膜表面の色調を算出するために、若干視野の中央部を除いて、関心領域（ＲＯＩ）を設定することもできる。
従って、関心領域（ＲＯＩ）のみを処理対象とすれば、演算量が少なくなるため処理の高速化が図れる。

さらになお、より高速処理を図るために、関心領域（ＲＯＩ）のみを処理対象とするときに、全てのフレームについて処理を行うのではなく、ｋ枚（ｋ＝１，２，３，・・）おきのフレーム毎に、関心領域（ＲＯＩ）の画素のみについて処理対象とするようにしてもよい。特に、食道内では、毎秒の撮像枚数が多いので、多少の間引きを行っても、正確な判定を行うことができる場合があるからである。

以上のように、本参考例（変形例を含む）によれば、画像の明るさの情報に基づいて、各画像が、カプセル型内視鏡が食道・胃接合部（ＥＧジャンクション）に入ろうとしている時、あるいは食道・胃接合部（ＥＧジャンクション）を通過している時等の画像であるか否かの判定をすることができる。

なお、本参考例においては、算出した特徴量に対する閾値処理の適用により、各画像が、カプセル型内視鏡が食道・胃接合部（ＥＧジャンクション）に入ろうとしている時、あるいは食道・胃接合部（ＥＧジャンクション）を通過している時の画像であるかの検出をしたが、例えば、公知の線形判別関数等の識別関数を用いて、その検出を行うようにしてもよい。また、上述した実施の形態あるいは他の参考例における特徴量を組み合わせて使用してもよい。

（第２の参考例）
次に、本発明の第２の参考例に係るカプセル型内視鏡装置を利用した噴門検出装置及びその方法について、図面を用いて説明する。本参考例において画像処理の対象となる内視鏡画像は、上述した実施の形態と同様に、カプセル型内視鏡装置１によって得られた連続した一連の内視鏡画像であるので、噴門検出装置の構成は、上述した実施の形態と同様であるので、説明は省略する。

上述した実施の形態では色調特徴量が用いられているが、本参考例に係る管腔画像処理装置である噴門検出装置は、開いた状態の噴門部の検出を行うことによって、各画像が、カプセル型内視鏡が食道から胃に向かう噴門部の手前の近傍にある等のときの画像であるか否かの判定を行うようにした点が特徴である。

図１４は、カプセル型内視鏡３が開いている噴門部の手前にある場合の画像の例を示す図である。
カプセル型内視鏡３が管腔内において、開いた噴門部を撮像した場合、開いた噴門部には、周辺部と比較して顕著な明るさの低下がある。図１４に示すように、噴門部３２が開いている場合、カプセル型内視鏡３が撮像した画像３１において、開いた噴門部３２は暗部領域となる。従って、カプセル型内視鏡３が食道から食道・胃接合部（ＥＧジャンクション）を通って噴門に近づくにつれて、画像３１における噴門部３２の面積は大きくなる。本参考例は、開いた噴門部領域の面積が所定の大きさを超えているときに、カプセル型内視鏡３が胃の食道側から噴門部を通過しようとしているという判定を行う。

図１５は、得られた一連の内視鏡画像に基づいて、開いた噴門部の検出を行う処理の流れの例を示すフローチャートである。被検者の口から入ってから撮像されて得られた一連の内視鏡画像は、複数のフレームからなり、各フレームについて図１５の処理が実行される。なお、各内視鏡画像の画像データは、図１５の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。

図１５の処理を施したい一連の画像の中における最初のフレームから処理するために、まず、フレーム番号ｉを１にする（ステップＳ６１）。ｉは１からｎの整数である。

次に、フレーム番号ｉの画像ＦｉのＲ画像データを、端末装置７の記憶装置（図示せず）から読み出す（ステップＳ６２）。画像Ｆｉは、ＲＧＢの３つのプレーンからなるが、ここでは、Ｒ画像データのみが読み出される。

なお、ここでは、後述する噴門部の判定のために、Ｒ画像データが読み出されるが、画像ＦｉのＧ画像データ、あるいはＢ画像データを用いてもよい。

読み出した画像ＦｉのＲ画像データの全画素について、暗部画素の２値化処理を施す（ステップＳ６３）。具体的には、各画素の画素値について、所定の閾値Ｔｈ２と比較して２値化処理を施し、暗部画素を１とし、それ以外の画素を０（ゼロ）とする。ｊを、各フレームの画像データにおいて画素を特定するための番号とすれば、各画素の値ｒｊが、閾値Ｔｈ２を下回るか否かをチェックすることにより、閾値Ｔｈ２を下回った画素を１とし、それ以外の画素を０（ゼロ）とする。

次に、全画素に対する暗部画素の割合εを算出する（ステップＳ６４）。割合εは、言い換えると、画像中の暗部の面積の割合である。具体的には、ステップＳ６３の２値化処理によって暗部画素とされた画素の数をカウントし、その数をＲ画像データの全画素数で除算することによって、割合εが算出される。暗部画素数をｐ１とし、画像ＦｉのサイズをＩＳＸ×ＩＳＹとすれば、割合εは、ｐ１／（ＩＳＸ×ＩＳＹ）となる。ステップＳ６４が、各画像Ｆｉについての暗部画素の割合を算出する暗部割合算出工程あるいは暗部割合算出手段を構成する。

そして、暗部画素の割合εが、所定の閾値Ｔｈｒを超えたか否かを判断する（ステップＳ６５）。閾値Ｔｈｒは例えば０．８である。

ステップＳ６５でＹＥＳの場合、すなわち、画像全体の８０％を超えて暗部がある場合は、開いた噴門部が検出されたと判定し（ステップＳ６６）、処理は終了する。

ステップＳ６５でＮＯの場合、すなわち、暗部が画像全体の８０％以下である場合は非噴門と判定し（ステップＳ６７）、図１５の処理を施したい一連の画像の全てについて図１５の処理が終了したか否かを判定し（ステップＳ６８）、全て終了しているときは、ステップＳ６８でＹＥＳとなり、処理は終了する。ステップＳ６８でＮＯの場合は、未処理の画像が残っているので、ｉ＝ｉ＋１の処理を行い（ステップＳ６９）、以降、次の画像に対して、ステップＳ６２からＳ６５の処理を繰り返す。

なお、ステップＳ６６では、暗部画素の割合εが所定の閾値Ｔｈｒを超えているときは、開いた噴門部を検出と判定しているが、言い換えると、その後、噴門部を通過しようとしている、あるいは胃内へ到達しようとしているという判定ということもできる。ステップＳ６３からＳ６６が消化管の境界部を検出する検出手段を構成する。

次に、本参考例における各種変形例を説明する。
上述した例では、噴門部の判定のために、Ｒ画像データだけが読み出されるが、さらに、Ｇ画像データ若しくはＢ画像データ、またはＧ画像データ及びＢ画像データを読み出し、２つ以上の画像データについて暗部画素の２値化処理を行い、２つの以上の画像データにおける暗部画素の割合εが全て所定の閾値Ｔｈｒを超えたときに、噴門部を検出したと判定するようにしてもよい。

また、第２の変形例として、上述した図１５においては、各フレームの画像に基づいて、噴門部の検出を行っているが、連続する複数の画像が、あるいは連続する複数の画像の中の所定の割合（例えば８０％）以上が、ステップＳ６５の判定結果がε＞Ｔｈｒであった場合に、噴門部を検出したと判定するようにしてもよい。

第３の変形例として、以上の説明は、連続する複数の画像に対して、処理を行っているが、図１５の処理は、１枚の画像に対して行うようにしてもよい。

さらに、第４の変形例として、全画素に対する暗部画素の割合εを算出するのではなく、非暗部の画素、上述した例では閾値Ｔｈ２を下回わらなかった画素Ｐ０の総数をカウントし、その数を全画素数で除算し、非暗部の画素の割合ε１を算出したり、暗部画素数ｐ１に対する非暗部画素数ｐ０の割合（ｐ０／ｐ１。但し、ｐ１は０（ゼロ）でない）を算出したりする等して、噴門検出の判定を行うようにしてもよい。

また、第５の変形例として、噴門部を検出するときのカプセル型内視鏡３と噴門との距離に応じて閾値Ｔｈｒは変更することができる。言い換えると、噴門部を検出したいときの、カプセル型内視鏡３と噴門との距離に応じて、閾値Ｔｈｒを変更することができる。例えば、Ｔｈｒを０．５とすることにより、上述したＴｈｒが０．８のときよりも、早めの噴門検出が可能となる。
以上のように、本参考例によれば、画像中の暗部の面積に基づいて開いた噴門部の検出をすることができる。

なお、本参考例においては、算出した特徴量に対する閾値処理の適用により、開いた噴門部の検出をしたが、例えば、公知の線形判別関数等の識別関数を用いて、その検出を行うようにしてもよい。また、上述した実施の形態あるいは他の参考例における特徴量を組み合わせて使用してもよい。

（第３の参考例）
次に、本発明の第３の参考例に係るカプセル型内視鏡装置を利用した噴門検出装置及びその方法について、図面を用いて説明する。本参考例では、形状に基づいて開いた噴門部を検出するようにしたことが特徴である。本参考例において画像処理の対象となる内視鏡画像は、上述した実施の形態と同様に、カプセル型内視鏡装置１によって得られた連続した一連の内視鏡画像であるので、噴門検出装置の構成は、上述した実施の形態と同様であるので、説明は省略する。

本参考例に係る管腔画像処理装置である噴門検出装置は、開いた状態の噴門部の形状を検出することによって、各画像が、食道から胃に向かうカプセル型内視鏡が噴門部の手前の近傍にある等のときの画像であるか否かの判定を行うようにした点が特徴である。

図１６は、カプセル型内視鏡３が開いている噴門部を通過する場合の画像の例を示す図である。画像３１Ａ内には、暗部画像である開いた噴門部３２Ａが含まれている。

図１７は、得られた一連の内視鏡画像に基づいて、開いた噴門部の検出を行う処理の流れの例を示すフローチャートである。被検者の口から入ってから撮像されて得られた一連の内視鏡画像は、複数のフレームからなり、各フレームについて図１７の処理が実行される。なお、各内視鏡画像の画像データは、図１７の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。

図１７の処理を施したい一連の画像の中における最初のフレームから処理するために、まず、フレーム番号ｉを１にする（ステップＳ７１）。ｉは１からｎの整数である。

次に、フレーム番号ｉの画像ＦｉのＲ画像データを、端末装置７の記憶装置（図示せず）から読み出す（ステップＳ７２）。画像Ｆｉは、ＲＧＢの３つのプレーンからなるが、ここでは、Ｒ画像データのみが読み出される。

読み出した画像ＦｉのＲ画像データに対してバンドパスフィルタリング処理を施す（ステップＳ７３）。バンドパスフィルタリングは、公知のディジタルフィルタを用いた畳み込み処理により、又はフーリエ面上において適用される。

バンドパスフィルタの特性は、例えば、図１８に示すような特性を有する。図１８は、バンドパスフィルタリング処理におけるフィルタ特性を示す図である。そのフィルタ特性は、図１８に示すように、血管等の微細なエッジ成分の影響を受け難くするために、若干低周波数帯域において通過成分が多い特性である。フィルタ特性は、例えば、空間周波数が０（ゼロ）からπ（ｒａｄ）の周波数において、π／４に通過特性のピーク値（１．０）を有する。

次に、バンドパスフィルタリング処理の処理結果画像に対して、閾値を用いてエッジ成分の２値化処理を施す（ステップＳ７４）。２値化処理は、例えば、所定の閾値Ｔｈ３を１０．０として、この閾値Ｔｈ３よりも大きな変動を有するエッジ成分を抽出する。閾値Ｔｈ３よりも大きな変動のエッジ成分を有する画素を１とし、それ以外の画素を０（ゼロ）とする。ｊを、各フレームの画像データにおいて画素を特定するための番号とすれば、各画素のエッジ成分が、閾値Ｔｈ３を超えるか否かをチェックすることにより、閾値Ｔｈ３を上回った画素ｒｊを１とし、それ以外の画素を０（ゼロ）とする。上述したように画像に噴門部が含まれる場合、その画像は急峻な明暗変化を有するため、閾値Ｔｈ３を高めに設定することによって、他のエッジ成分、例えば粘膜の変形による皺などが除外できる。

そして、抽出されたエッジ成分の画像が噴門により生じたものであるか否かの噴門判定処理により、噴門か否かの判定が行われる（ステップＳ７５）。本参考例では、抽出したエッジ成分を細線化し、近似円との一致度を評価値として、エッジ成分が略円形状であるか否かにより、噴門であるか否かが判定される。エッジ成分が略円形状であるか否かは、ハフ変換処理により判定することができる。

図１９は、図１６の画像に対して、所定のバンドパスフィルタリング及び２値化の処理を施した結果の画像の例を示す図である。図１９に示すように、開いた噴門部は略円形の形状３２Ｂを有している。従って、図１９のエッジ成分画像３１Ｂに対して、ハフ変換などを施して、エッジ成分３２Ｂが円形状であるか否かの判定が行われる。

噴門判定処理の結果に基づいて、噴門である場合は、ステップＳ７５でＹＥＳとなり、噴門部が検出されたと判定し（ステップＳ７６）、処理は終了する。

ステップＳ７５でＮＯの場合、すなわち、噴門でない場合は非噴門と判定し（ステップＳ７７）、図１７の処理を施したい一連の画像の全てについて図１７の処理が終了したか否かを判定し（ステップＳ７８）、全て終了しているときは、ステップＳ７８でＹＥＳとなり、処理は終了する。ステップＳ７８でＮＯの場合は、未処理の画像が残っているので、ｉ＝ｉ＋１の処理を行い（ステップＳ７９）、以降、次の画像に対して、ステップＳ７２からＳ７４の処理を繰り返す。ステップＳ７３からＳ７６が消化管の境界部を検出する検出手段を構成する。

次に、本参考例における各種変形例を説明する。
上述した例では、噴門部の判定のために、Ｒ画像データだけが読み出されるが、さらに、Ｇ画像データ若しくはＢ画像データ、またはＧ画像データ及びＢ画像データを読み出し、２つ以上の画像データについて暗部画素の２値化処理を行い、２つの以上の画像データにおける暗部画素の形状が円形状であるときに、噴門部を検出したと判定するようにしてもよい。

また、第２の変形例として、上述した図１７においては、各フレームの画像に基づいて、噴門部の検出を行っているが、連続する複数の画像、あるいは連続する複数の画像の中の所定の割合（例えば８０％）以上において、暗部画素の形状が円形状である場合に、噴門部を検出したと判定するようにしてもよい。

第３の変形例として、以上の説明は、連続する複数の画像に対して、処理を行っているが、図１７の処理は、１枚の画像に対して行うようにしてもよい。

以上のように、本参考例によれば、画像中の開いた噴門部の形状に基づいて噴門部の検出をすることができる。

なお、本参考例においては、算出した特徴量に対する閾値処理の適用により、開いた噴門部の検出をしたが、例えば、公知の線形判別関数等の識別関数を用いて、その検出を行うようにしてもよい。また、上述した実施の形態あるいは他の参考例における特徴量を組み合わせて使用してもよい。

（第４の参考例）
次に、本発明の第４の参考例に係るカプセル型内視鏡装置を利用した噴門検出装置及びその方法について、図面を用いて説明する。本参考例では、形状に基づいて開いた噴門部を検出する際に、暗部領域の境界検出と、第３の参考例において説明したエッジ検出の両方を利用して、撮像して得られた画像に開いた噴門部が有るか否かの判定を行うようにしたことが特徴である。本参考例において画像処理の対象となる内視鏡画像は、上述した実施の形態と同様に、カプセル型内視鏡装置１によって得られた連続した一連の内視鏡画像であるので、管腔画像処理装置である噴門検出装置の構成は、上述した実施の形態と同様であるので、説明は省略する。

図２０は、得られた一連の内視鏡画像に基づいて、噴門部の検出を行う処理の流れの例を示すフローチャートである。被検者の口から入ってから撮像されて得られた一連の内視鏡画像は、複数のフレームからなり、各フレームについて図２０の処理が実行される。なお、各内視鏡画像の画像データは、図２０の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。

図２０の処理を施したい一連の画像の中における最初のフレームから処理するために、まず、フレーム番号ｉを１にする（ステップＳ８１）。ｉは１からｎの整数である。

次に、フレーム番号ｉの画像ＦｉのＲ画像データを、端末装置７の記憶装置（図示せず）から読み出す（ステップＳ８２）。画像Ｆｉは、ＲＧＢの３つのプレーンからなるが、ここでは、Ｒ画像データのみが読み出される。

読み出した画像ＦｉのＲ画像データの全画素について、暗部画素の２値化処理を施す（ステップＳ８３）。具体的には、各画素の画素値について、所定の閾値Ｔｈ２と比較して２値化処理を施し、暗部画素を１とし、それ以外の画素を０（ゼロ）とする。ｊを、各フレームの画像データにおいて画素を特定するための番号とすれば、各画素の値ｒｊが、閾値Ｔｈ２を下回るか否かをチェックすることにより、閾値Ｔｈ２を下回った画素を１とし、それ以外の画素を０（ゼロ）とする。

次に、抽出した暗部領域の境界を抽出、言い換えると辺縁を抽出する境界抽出処理を行う（ステップＳ８４）。境界抽出処理は、例えば、値が１の画素（暗部画素）を注目画素として、その注目画素を中心とするサイズ３×３のマスク領域を設定し、マスク領域内の８つの画素に１つでも値が０（ゼロ）の画素があるときには、その注目画素を境界画素として、値を１とする処理である。ステップＳ８４が、各画像Ｆｉについての暗部画素の境界を抽出する暗部境界抽出工程あるいは暗部境界抽出手段を構成する。この境界抽出処理を、すべての暗部画素について施す。図２１は、抽出された境界の画像を示す図である。図２１の画像３１Ｃにおいて、境界抽出をすると、開いた噴門部の境界に沿った略円形の形状３２Ｃが生成される。

次に、読み出した画像ＦｉのＲ画像データに対してバンドパスフィルタリング処理を施す（ステップＳ８５）。バンドパスフィルタリングは、第３の参考例において説明したように、公知のディジタルフィルタを用いた畳み込み処理により、又はフーリエ面上において適用する。

ここでも、バンドパスフィルタの特性は、例えば、上述した図１８に示すような特性を有し、血管等の微細なエッジ成分の影響を受け難くするために、若干低周波数帯域において通過成分が多い特性である。

次に、バンドパスフィルタリング処理の処理結果画像に対して、閾値を用いてエッジ成分の２値化処理を施す（ステップＳ８６）。この２値化処理も、第３の参考例で説明したように、例えば、所定の閾値Ｔｈ３よりも大きな変動を有するエッジ成分を抽出する。エッジ成分として抽出された画素を１とし、それ以外の画素を０（ゼロ）とする。ｊを、各フレームの画像データにおいて画素を特定するための番号とすれば、各画素のエッジ成分が、閾値Ｔｈ３を超えるか否かをチェックすることにより、閾値Ｔｈ３を上回った画素ｒｊを１とし、それ以外の画素を０（ゼロ）とする。上述したように画像に噴門部が含まれる場合、その画像は急峻な明暗変化を有するため、閾値Ｔｈ３を高めに設定することによって、他のエッジ成分、例えば粘膜の変形による皺などが除外できる。なお、暗部境界の検出のずれの影響を受け難くするために、抽出された画素に対して膨張処理を施してもよい。

そして、ステップＳ８４で抽出された境界画素と、ステップＳ８６でエッジ成分として抽出されたエッジ成分抽出画素との一致度を算出する（ステップＳ８７）。具体的には、例えば、抽出された境界画素ｅｋ１（ｋ１＝１，２，３，・・，Ｋ。Ｋは、境界画素として検出された画素の総数。）のそれぞれについて、画像上の同じ座標の画素が、エッジ成分画素としても抽出されているか否かを判定し、境界画素ｅｋ１であってエッジ成分画素としても抽出されている画素の個数ｎ１をカウントする。その判定は、例えば、境界画素ｅｋ１と画像上の同じ座標の画素のエッジ成分との論理積（ＡＮＤ）をとることによって行われる。そして、境界画素の総数Ｋに対する、その個数ｎ１の割合（ｎ１／Ｋ）を算出する。

次に、境界画素とエッジ成分抽出画素との一致度を示す割合（ｎ１／Ｋ）に基づいて、画像が噴門部を含むか否かの判断を行う（ステップ８８）。図２２は、処理対象の画像に対して、所定のバンドパスフィルタリング及び２値化の処理を施した結果の画像の例を示す図である。開いた噴門部は略円形の形状３２Ｂを有しているが、図２２は、一部に円の途切れがある。このような場合に、図２１の暗部領域の境界部分と図２２のエッジ部分との比率が算出され、噴門であるか否かの判定が行われる。

噴門判定処理の結果に基づいて、噴門である場合は、ステップＳ８８でＹＥＳとなり、噴門部が検出されたと判定し（ステップＳ８９）、処理は終了する。具体的には、割合（ｎ１／Ｋ）が、所定の閾値ｔｈｅを超えていると、ステップＳ８８でＹＥＳとなって、噴門と判定し（ステップＳ８９）、処理は終了する。

ステップＳ８８でＮＯの場合、すなわち、割合（ｎ１／Ｋ）が、所定の閾値ｔｈｅを超えていない場合は非噴門と判定し（ステップＳ９０）、図２０の処理を施したい一連の画像の全てについて図２０の処理が終了したか否かを判定し（ステップＳ９１）、全て終了しているときは、ステップＳ９１でＹＥＳとなり、処理は終了する。ステップＳ９１でＮＯの場合は、未処理の画像が残っているので、ｉ＝ｉ＋１の処理を行い（ステップＳ９２）、以降、次の画像に対して、ステップＳ８２からＳ８８の処理を繰り返す。ステップＳ８３からＳ８９が消化管の境界部を検出する検出手段を構成する。

次に、本参考例における各種変形例を説明する。
上述した例では、噴門部の判定のために、Ｒ画像データだけが読み出されるが、さらに、Ｇ画像データ若しくはＢ画像データ、またはＧ画像データ及びＢ画像データを読み出し、２つ以上の画像データについて暗部画素の２値化処理を行い、２つの以上の画像データにおける一致度が所定の閾値を超えるときに、噴門部を検出したと判定するようにしてもよい。

また、第２の変形例として、上述した図２０においては、各フレームの画像に基づいて、噴門部の検出を行っているが、連続する複数の画像、あるいは連続する複数の画像の中の所定の割合（例えば８０％）以上において、一致度が所定の閾値を超える場合に、噴門部を検出したと判定するようにしてもよい。

第３の変形例として、以上の説明は、連続する複数の画像に対して、処理を行っているが、図２０の処理は、１枚の画像に対して行うようにしてもよい。

本参考例によれば、暗部として抽出された領域が大きなエッジを伴っているか否かの判断を行うので、噴門判定を高精度に行うことができる。
また、噴門部が円形に開いていない状態にある場合、あるいは、カプセル型内視鏡３から噴門までの距離が遠く、噴門部が遠景像である場合においても、噴門判定を高精度に行うことができる。
なお、本参考例においては、算出した特徴量に対する閾値処理の適用により、開いた噴門部の検出をしたが、例えば、公知の線形判別関数等の識別関数を用いて、その検出を行うようにしてもよい。また、上述した実施の形態あるいは他の参考例における特徴量を組み合わせて使用してもよい。

（第５の参考例）
次に、本発明の第５の参考例に係るカプセル型内視鏡装置を利用した噴門検出装置及びその方法について、図面を用いて説明する。本参考例では、形状に基づいて噴門部を検出する際に、暗部領域の重心検出と、第３の参考例において説明したエッジ検出の両方を利用して、撮像して得られた画像に、開いた噴門部が有るか否かの判定を行うようにしたことが特徴である。本参考例において画像処理の対象となる内視鏡画像は、上述した実施の形態と同様に、カプセル型内視鏡装置１によって得られた連続した一連の内視鏡画像であるので、管腔画像処理装置である噴門検出装置の構成は、上述した実施の形態と同様であるので、説明は省略する。

なお、第４の参考例と同様の処理ステップについては、同様のステップ番号を付して、説明は簡略化する。
図２３は、得られた一連の内視鏡画像に基づいて、噴門部の検出を行う処理の流れの例を示すフローチャートである。なお、図２３において、第４の参考例と同様の処理ステップについては、同様のステップ番号を付して、説明は簡略化する。

被検者の口から入ってから撮像されて得られた一連の内視鏡画像は、複数のフレームからなり、各フレームについて図２３の処理が実行される。なお、各内視鏡画像の画像データは、図２３の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。

図２３の処理を施したい一連の画像の中における最初のフレームから処理するために、まず、フレーム番号ｉを１にする（ステップＳ８１）。ｉは１からｎの整数である。

次に、フレーム番号ｉの画像ＦｉのＲ画像データを、端末装置７の記憶装置（図示せず）から読み出す（ステップＳ８２）。

読み出した画像ＦｉのＲ画像データの全画素について、暗部画素の２値化処理を施す（ステップＳ８３）。具体的には、各画素の画素値について、所定の閾値Ｔｈ２と比較して２値化処理を施し、暗部画素を１とし、それ以外の画素を０（ゼロ）とする。ｊを、各フレームの画像データにおいて画素を特定するための番号とすれば、各画素の値ｒｊが、閾値Ｔｈ２を下回るか否かをチェックすることにより、閾値Ｔｈ２を下回った画素を１とし、それ以外の画素を０（ゼロ）とする。

次に、２値化処理によって検出された暗部領域の座標データに基づいて、暗部領域の重心座標を算出する（ステップＳ１０１）。ステップＳ１０１が、画像Ｆｉについての暗部領域の重心座標を算出する暗部領域重心座標算出工程あるいは暗部領域重心座標算出手段を構成する。図２４は、暗部領域重心座標算出処理によって算出された重心位置を示す図である。図２４の画像３１Ｅにおいて、略円形の形状である開いた噴門部の暗部領域３２Ｅの重心３２Ｅｃが、算出された重心座標の位置に示されている。

次に、第４の参考例で説明したように、読み出した画像ＦｉのＲ画像データに対してバンドパスフィルタリング処理を施し（ステップＳ８５）、さらに、バンドパスフィルタリング処理の処理結果画像に対して、閾値を用いてエッジ成分の２値化処理を施す（ステップＳ８６）。

そして、ステップＳ８６で抽出されたエッジ成分の画素が、暗部領域を囲むように存在しているか否かを判定する全周性の評価が行われる（ステップＳ１０７）。具体的には、図２５に示すように、算出された重心座標３２Ｅｃから放射状の所定の方向において、抽出されたエッジ成分画素を透過するか否かのチェックが行われる。図２５は、全周性の評価を説明するための図である。図２５に示す例では、重心座標３２Ｅｃから延びる放射状の複数の線３２Ｅｄにおいて、エッジ成分画素と交差する線分の数（以下、交差数という）ｍ２をカウントすると、８方向中において３２Ｅｄ線は７つのエッジ成分と交差あるいは透過しているので、交差数ｍ２は７である。

次に、交差数ｍ２に基づいて、画像が噴門部を含むか否かの判断を行う（ステップ８８）。図２５に示すように、エッジ成分画素の描く円の一部に途切れがあっても、複数の線３２Ｅｄの数ｍ３に対する交差数ｍ２の割合（ｍ２／ｍ３）が、所定の閾値Ｔｈｍを超えるときには、画像は噴門部を含むと判定する。言い換えると、図２４の暗部領域の重心位置から放射状に延びた複数の線分が、図２５のエッジ成分画素との交差する割合（ｍ２／ｍ３）に基づいて、噴門であるか否かの判定が行われる。

複数の線分３２Ｅｄの数ｍ３に対する交差数ｍ２の割合が所定の閾値Ｔｈｍを超える場合は、ステップＳ８８でＹＥＳとなり、噴門部が検出されたと判定し（ステップＳ８９）、処理は終了する。具体的には、全周性の評価値を示す割合（ｍ２／ｍ３）が、所定の閾値ｔｈｍ、例えば０．７を超えていると、ステップＳ８８でＹＥＳとなって、噴門と判定し（ステップＳ８９）、処理は終了する。

ステップＳ８８でＮＯの場合、すなわち、割合（ｍ２／ｍ３）が、所定の閾値ｔｈｍを超えていない場合は非噴門と判定し（ステップＳ９０）、図２３の処理を施したい一連の画像の全てについて図２３の処理が終了したか否かを判定し（ステップＳ９１）、全て終了しているときは、ステップＳ９１でＹＥＳとなり、処理は終了する。ステップＳ９１でＮＯの場合は、未処理の画像が残っているので、ｉ＝ｉ＋１の処理を行い（ステップＳ９２）、以降、次の画像に対して、図２３のステップＳ８２からＳ８８の処理を繰り返す。ステップＳ８３からＳ８９が消化管の境界部を検出する検出手段を構成する。

次に、本参考例における各種変形例を説明する。
上述した例では、噴門部の判定のために、Ｒ画像データだけが読み出されるが、さらに、Ｇ画像データ若しくはＢ画像データ、またはＧ画像データ及びＢ画像データを読み出し、２つ以上の画像データについて暗部画素の２値化処理を行い、２つの以上の画像データにおける全周性の評価値が所定の閾値を超えるときに、噴門部を検出したと判定するようにしてもよい。

また、第２の変形例として、上述した図２３においては、各フレームの画像に基づいて、噴門部の検出を行っているが、連続する複数の画像、あるいは連続する複数の画像の中の所定の割合（例えば８０％）以上において、全周性の評価値が所定の閾値を超える場合に、噴門部を検出したと判定するようにしてもよい。

第３の変形例として、以上の説明は、連続する複数の画像に対して、処理を行っているが、図２３の処理は、１枚の画像に対して行うようにしてもよい。

第４の変形例として、全周性の評価を、所定の複数の領域内において、いくつの領域、あるいはどれぐらいの割合の領域においてエッジ成分画像が存在するかに基づいて行うようにしてもよい。図２６は、第４の変形例に係わる全周性の評価を領域の割合に基づいて行うことを説明するための図である。例えば、図２６に示すように、求めた重心３２Ｅｃを中心として、例えば８つの領域、０度から４５度、４５度から９０度、９０度から１３５度、１３５度から１８０度、１８０度から２２５度、２２５度から２７０度、２７０度から３１５度、３１５度から３６０の８つに分割する。そして、その各領域に、ステップＳ８６で得られたエッジ成分画素が含まれるか否かを判定し、エッジ成分画素３２Ｇが含まれている領域数が、所定の閾値以上であるときには、噴門部を検出したと判定してもよい。図２６においては、斜線で示す６つの領域にエッジ成分画素が存在することを示している。閾値が６であれば、図２６の場合は、噴門部を検出した判定される。

さらに、領域数ではなく、エッジ成分画素が存在する角度範囲に基づいて、噴門部を検出したと判定してもよい。例えば、図２７に示すように、重心３２Ｅｃの周りに、エッジ成分画素が存在する角度範囲θを求め、その角度範囲θが所定の閾値、例えば２７０度以上か否かによって、噴門部を検出したと判定するようにしてもよい。図２７は、さらに、全周性の評価を角度範囲に基づいて行うことを説明するための図である。なお、複数のエッジ成分画素の線が存在するときは、最大角度範囲のエッジ成分画素について、所定の閾値と比較して噴門部を検出したと判定するようにしてもよい。

以上のように、暗部領域の２値化処理においては閾値Ｔｈ２に応じて境界の位置は変動するが、本参考例によれば、そのような境界位置の変動があっても、そのような変動の影響を受けないで、噴門判定を高精度に行うことができる。
また、噴門部が円形に開いていない状態にある場合、あるいは、カプセル型内視鏡３から噴門までの距離が遠く、噴門部が遠景像である場合においても、噴門判定を高精度に行うことができる。
なお、本参考例においては、算出した特徴量に対する閾値処理の適用により、開いた噴門部の検出をしたが、例えば、公知の線形判別関数等の識別関数を用いて、その検出を行うようにしてもよい。また、上述した実施の形態あるいは他の参考例における特徴量を組み合わせて使用してもよい。

（第６の参考例）
次に、本発明の第６の参考例に係るカプセル型内視鏡装置を利用した噴門検出装置及びその方法について、図面を用いて説明する。本参考例において画像処理の対象となる内視鏡画像は、上述した実施の形態と同様に、カプセル型内視鏡装置１によって得られた連続した一連の内視鏡画像であるので、管腔画像処理装置である噴門検出装置の構成は、上述した実施の形態と同様であるので、説明は省略する。

上述した第２の参考例から第５の参考例においては、開いた状態の噴門部を検出する場合であるが、噴門部は閉じている状態のときもある。本参考例に係る噴門検出装置は、閉じた状態の噴門部を検出することによって、各画像が、食道から胃に向かうカプセル型内視鏡が噴門部の手前の近傍にある等のときの画像であるか否かの判定を行うようにした点に特徴がある。

図２８は、カプセル型内視鏡３が閉じている噴門部の手前にある場合の画像の例を示す図である。
カプセル型内視鏡３が管腔内において、閉じた噴門部を撮像した場合、噴門部が閉じていることから、撮像して得られた画像には明確な暗部領域が存在せず、さらに食道の末端で噴門部の周辺を正面視することから画面内の明るさが比較的均一な状態である。本参考例は、閉じた噴門部領域の面積が所定の大きさ未満であるときに、閉じた噴門部を検出したという判定を行う。

図２９は、得られた一連の内視鏡画像に基づいて、閉じた噴門部の検出を行う処理の流れの例を示すフローチャートである。被検者の口から入ってから撮像されて得られた一連の内視鏡画像は、複数のフレームからなり、各フレームについて図２９の処理が実行される。なお、各内視鏡画像の画像データは、図２９の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。また、図２９の処理は、図１５の処理と同様の処理ステップを含むため、図１５と同様の処理については同様のステップ番号を付し、説明は簡略化する。

図２９の処理を施したい一連の画像の中における最初のフレームから処理するために、まず、フレーム番号ｉを１にする（ステップＳ６１）。ｉは１からｎの整数である。

次に、フレーム番号ｉの画像ＦｉのＲ画像データを、端末装置７の記憶装置（図示せず）から読み出す（ステップＳ６２）。画像Ｆｉは、ＲＧＢの３つのプレーンからなるが、ここでは、Ｒ画像データのみが読み出される。

なお、ここでは、後述する噴門部の判定のために、Ｒ画像データが読み出されるが、画像ＦｉのＧ画像データ、あるいはＢ画像データを用いてもよい。

読み出した画像ＦｉのＲ画像データの全画素について、暗部画素の２値化処理を施す（ステップＳ６３）。具体的には、各画素の画素値について、所定の閾値Ｔｈ２と比較して２値化処理を施し、暗部画素を１とし、それ以外の画素を０（ゼロ）とする。ｊを、各フレームの画像データにおいて画素を特定するための番号とすれば、各画素の値ｒｊが、閾値Ｔｈ２を下回るか否かをチェックすることにより、閾値Ｔｈ２を下回った画素を１とし、それ以外の画素を０（ゼロ）とする。

次に、暗部画素の複数の領域をラベリング処理により、ラベリングを行い、その中で最大面積Ｄの暗部領域を特定する（ステップＳ１１４）。ステップＳ１１４が、各画像Ｆｉについての最大面積Ｄの暗部領域を特定する最大暗部領域特定工程あるいは最大暗部領域特定手段を構成する。図２８において、画像３２Ｉにおいて、最大面積Ｄの暗部領域３２Ｉが示されている。

そして、最大面積Ｄが、所定の閾値Ｔｈｄ１未満であるか否かを判断する（ステップＳ１１５）。閾値Ｔｈｄ１は例えば０．１である。

ステップＳ１１５でＹＥＳの場合、すなわち、画像全体の１０％未満の暗部がある場合は、噴門部が検出されたと判定し（ステップＳ６６）、処理は終了する。

ステップＳ１１５でＮＯの場合、すなわち、暗部が画像全体の１０％未満でない場合は非噴門と判定し（ステップＳ６７）、図２９の処理を施したい一連の画像の全てについて図２９の処理が終了したか否かを判定し（ステップＳ６８）、全て終了しているときは、ステップＳ６８でＹＥＳとなり、処理は終了する。ステップＳ６８でＮＯの場合は、未処理の画像が残っているので、ｉ＝ｉ＋１の処理を行い（ステップＳ６９）、以降、次の画像に対して、ステップＳ６２からＳ６４の処理を繰り返す。

なお、ステップＳ６６では、最大の暗部領域の面積Ｄが所定の閾値Ｔｈｄ１未満であるときは、噴門部を検出と判定しているが、言い換えると、画像は、カプセル型内視鏡がその後噴門部を通過しようとしている、あるいは胃内へ到達しようとしているという判定ということもできる。ステップＳ６３からＳ６６が消化管の境界部を検出する検出手段を構成する。

次に、本参考例における各種変形例を説明する。
上述した例では、噴門部の判定のために、Ｒ画像データだけが読み出されるが、さらに、Ｇ画像データ若しくはＢ画像データ、またはＧ画像データ及びＢ画像データを読み出し、２つ以上の画像データについて暗部画素の２値化処理を行い、２つの以上の画像データにおける最大面積の暗部領域の面積Ｄが全て所定の閾値Ｔｈｄ１未満のときに、噴門部を検出したと判定するようにしてもよい。

また、第２の変形例として、上述した図２９においては、各フレームの画像に基づいて、噴門部の検出を行っているが、連続する複数の画像が、あるいは連続する複数の画像の中の所定の割合（例えば８０％）以上が、ステップＳ１１５の判定結果がＤ＜Ｔｈｄ１であった場合に、噴門部を検出したと判定するようにしてもよい。

第３の変形例として、以上の説明は、連続する複数の画像に対して、処理を行っているが、図２７の処理は、１枚の画像に対して行うようにしてもよい。

第４の変形例として、上述した最大面積の暗部領域の周辺に、図２８に点線で示すような所定の大きさの関心領域（ＲＯＩ）を設定し、その関心領域（ＲＯＩ）内の明るさの標準偏差、分散あるいは変動係数分を算出し、その算出された標準偏差等の値が、所定の閾値未満であるか否かによって、閉じた状態の噴門部を検出するようにしてもよい。

以上のように、本参考例によれば、画像中の暗部の面積に基づいて閉じた噴門部の検出をすることができる。

なお、本参考例においては、算出した特徴量に対する閾値処理の適用により、閉じた噴門部の検出をしたが、例えば、公知の線形判別関数等の識別関数を用いて、その検出を行うようにしてもよい。また、上述した実施の形態あるいは他の参考例における特徴量を組み合わせて使用してもよい。

（第７の参考例）
次に、本発明の第７の参考例に係るカプセル型内視鏡装置を利用した噴門検出装置及びその方法について、図面を用いて説明する。本参考例において画像処理の対象となる内視鏡画像は、上述した実施の形態と同様に、カプセル型内視鏡装置１によって得られた連続した一連の内視鏡画像であるので、噴門検出装置の構成は、上述した実施の形態と同様であるので、説明は省略する。

本参考例に係る管腔画像処理装置である噴門検出装置は、閉じた状態の噴門部を検出することによって、各画像が、食道から胃に向かうカプセル型内視鏡が噴門部の手前の近傍にある等のときの画像であるか否かの判定であるか否かの判定を行うようにした点に特徴がある。

図３０は、得られた一連の内視鏡画像に基づいて、閉じた噴門部の検出を行う処理の流れの例を示すフローチャートである。被検者の口から入ってから撮像されて得られた一連の内視鏡画像は、複数のフレームからなり、各フレームについて図３０の処理が実行される。なお、各内視鏡画像の画像データは、図３０の処理がされる前に、逆ガンマ補正、ノイズ除去等の前処理がされているものである。

図３０の処理を施したい一連の画像の中における最初のフレームから処理するために、まず、フレーム番号ｉを１にする（ステップＳ１２１）。ｉは１からｎの整数である。

次に、フレーム番号ｉの画像ＦｉのＲ画像データを、端末装置７の記憶装置（図示せず）から読み出す（ステップＳ１２２）。画像Ｆｉは、ＲＧＢの３つのプレーンからなるが、ここでは、Ｒ画像データのみが読み出される。

なお、ここでは、後述する噴門部の判定のために、Ｒ画像データが読み出されるが、画像ＦｉのＧ画像データ、あるいはＢ画像データを用いてもよい。

読み出した画像ＦｉのＲ画像データの全画素について、暗部画素の２値化処理を施す（ステップＳ１２３）。具体的には、各画素の画素値について、所定の閾値Ｔｈ２と比較して２値化処理を施し、暗部画素を１とし、それ以外の画素を０（ゼロ）とする。ｊを、各フレームの画像データにおいて画素を特定するための番号とすれば、各画素の値ｒｊが、閾値Ｔｈ２を下回るか否かをチェックすることにより、閾値Ｔｈ２を下回った画素を１とし、それ以外の画素を０（ゼロ）とする。

次に、２値化処理された画像に対して細線化処理を施す（ステップＳ１２４）。図３１において、画像３１Ｊにおいて、閉じた噴門部の画像から細線化された噴門形状３２Ｊが示されている。図３１は、閉じた噴門部の画像から細線化された噴門形状を説明するための図である。そして、細線化されて生成された各線において、分岐あるいは交差をする点（以下、分岐点という）を算出し（ステップＳ１２５）、その分岐点の座標データは、集中度を示すデータとして記憶装置に記憶される。

次に、算出された分岐点の集中度を算出する（ステップＳ１２６）。ステップＳ１２６が、各画像Ｆｉについての分岐点の集中度を算出する集中度算出工程あるいは集中度算出手段を構成する。集中度は、例えば、分岐点の座標値の分散値をパラメータとして用いる。

図３２は、集中度のパラメータである分散値を算出する処理の流れの例を示すフローチャートである。まず、算出された分岐点の座標データを記憶装置から取得する（ステップＳ１４１）。例えば、Ｎ個の分岐点が算出して得られたとすれば、Ｎ個の分岐点のｘ座標値の分散ｖｘと、ｙ座標値の分散ｖｙをそれぞれ算出する（ステップＳ１４２）。Ｎ個の分岐点について、それぞれ分散ｖｘ、ｖｙを記憶装置に記憶する。

図３０に戻って、集中度を示すデータである分散ｖｘ、ｖｙが、それぞれ所定の閾値ｔｈｖ１、ｔｈｖ２未満であるかによって、集中度が高いか否かを判定する（ステップＳ１２７）。

ステップＳ１２７でＹＥＳの場合、すなわち、分散ｖｘ、ｖｙが、それぞれ所定の閾値ｔｈｖ１、ｔｈｖ２未満である場合は、噴門部が検出されたと判定し（ステップＳ１２８）、処理は終了する。

ステップＳ１２７でＮＯの場合、すなわち、分散ｖｘ、ｖｙが、それぞれ所定の閾値ｔｈｖ１、ｔｈｖ２未満でない場合は非噴門と判定し（ステップＳ１２９）、図３０の処理を施したい一連の画像の全てについて図３０の処理が終了したか否かを判定し（ステップＳ１３０）、全て終了しているときは、ステップＳ１３０でＹＥＳとなり、処理は終了する。ステップＳ１３０でＮＯの場合は、未処理の画像が残っているので、ｉ＝ｉ＋１の処理を行い（ステップＳ１３１）、以降、次の画像に対して、ステップＳ１２２からＳ１２７の処理を繰り返す。ステップＳ１２３からＳ１２８が消化管の境界部を検出する検出手段を構成する。

図３３は、分岐点を説明するための画像の例を示す図である。図３３において、閉じた噴門部の場合、画像３１Ｊの線の分岐点３３Ｊは、画像３１Ｊの一部に集中している。その集中の度合いを、上述した分散によって数値化し、例えば上述したような分散値を求め、その度合い、例えば分散値と所定の閾値とを比較することによって、閉じた噴門部が検出されたか否かの判定が行われる。本参考例は、閉じた噴門部を細線化したときの分岐点は集中するので、集中しているときは、噴門部を検出したという判定を行う。

なお、ステップＳ１２８では、分散値が所定の閾値未満のときは、閉じた噴門部を検出と判定しているが、言い換えると、カプセル内視鏡３は、その後噴門部を通過しようとしている、あるいは胃内へ到達しようとしているという判定ということもできる。

次に、本参考例における各種変形例を説明する。
上述した例では、噴門部の判定のために、Ｒ画像データだけが読み出されるが、さらに、Ｇ画像データ若しくはＢ画像データ、またはＧ画像データ及びＢ画像データを読み出し、２つ以上の画像データについて集中度を算出し、２つの以上の画像データにおける集中度に基づいて、閉じた噴門部を検出したと判定するようにしてもよい。

また、第２の変形例として、上述した図３０においては、各フレームの画像に基づいて、噴門部の検出を行っているが、連続する複数の画像が、あるいは連続する複数の画像の中の所定の割合（例えば８０％）以上が、ステップＳ１２７の判定結果がYESの場合であった場合に、閉じた噴門部を検出したと判定するようにしてもよい。

第３の変形例として、以上の説明は、連続する複数の画像に対して、処理を行っているが、図３０の処理は、１枚の画像に対して行うようにしてもよい。

なお、本参考例においては、算出した特徴量に対する閾値処理の適用により、閉じた噴門部の検出をしたが、例えば、公知の線形判別関数等の識別関数を用いて、その検出を行うようにしてもよい。また、上述した実施の形態あるいは他の参考例における特徴量を組み合わせて使用してもよい。

以上説明した実施の形態及び複数の参考例のそれぞれによれば、一枚の、あるいは連続した一連の内視鏡画像に基づいて、その画像が、食道・胃接合部を通過した時、噴門部に達しようとしている時等を検出することができるので、大量に撮像された内視鏡画像の中から食道疾患の診断に必要な画像を選択して食道疾患の診断が迅速に行うことができる。

従って、以上説明した実施の形態及び複数の参考例によれば、噴門部の検出ができる管腔画像処理装置を実現することができる。

例えば、Ｂａｒｒｅｔ食道の判定は、食道・胃接合部の近辺の画像を基づいて行われる。そこで、上述したような噴門部の検出ができれば、その画像のみ、あるいは前後の画像のみを観ながら入念に診断することができるので、診断の迅速化が図れる。

以上の説明は、カプセル型内視鏡３を用いて得られた画像を用いた処理の例であるが、通常の内視鏡、すなわち細長い可撓性の挿入部を有する内視鏡により得られた画像に対して上述した処理を行うようにしてもよいことは言うまでもない。カプセル型内視鏡と通常の内視鏡は、共に管腔内の画像を得ることができるからである。

さらに、以上説明した実施の形態及び複数の参考例に係る手法（変形例を含む）のそれぞれにおいても、噴門部の検出ができるが、複数の手法組み合わせて用いて噴門部の検出をするようにしてもよい。

本発明の実施の形態に係るカプセル型内視鏡装置と、管腔画像処理装置としての端末装置の概略構成を示すブロック図である。 本発明の実施の形態に係るカカプセル型内視鏡の概略構造を説明する説明図である。 端末装置において実行される食道・胃接合部の通過により噴門部の検出を行う処理の流れの例を示すフローチャートである。 得られる一連の内視鏡画像における色調の変化を説明するための模式的グラフである。 図３のステップＳ３の処理の流れの例を示すフローチャートである。 平均色調特徴量の微分値を算出することによって、平均色調特徴量の変化を検出する処理の流れの例を示すフローチャートである。 本発明の実施の形態の第７の変形例における、得られる一連の内視鏡画像における色調特徴量の標準偏差あるいは分散の変化を説明するためのグラフである。 各フレームの画像において、本発明の実施の形態及び変形例における画像処理を行う領域の例を示す図である。 第１の参考例に係る、得られる一連の内視鏡画像における明るさの変化、具体的には輝度の変化を説明するための模式的グラフである。 第１の参考例に係る、得られた一連の内視鏡画像に基づいて、端末装置において実行される食道・胃接合部の通過時に噴門部の検出を行う処理の流れの例を示すフローチャートである。 図１０のステップＳ３３の処理の流れの例を示すフローチャートである。 画像の明るさ情報として、上述したようなＲＧＢの３つの画素値から算出される輝度の代わりに、ＧあるいはＢの画素データを用いた場合における一連の内視鏡画像におけるＧあるいはＢの画素データの変化を説明するための模式的グラフである。 第１の参考例に係る、平均輝度値の微分値を算出することによって、明るさの変化を検出する処理の流れの例を示すフローチャートである。 第２の参考例に係る、カプセル型内視鏡が開いている噴門部の手前にある場合の画像の例を示す図である。 第２の参考例に係る、得られた一連の内視鏡画像に基づいて、開いた噴門部の検出を行う処理の流れの例を示すフローチャートである。 第３の参考例に係る、カプセル型内視鏡が開いている噴門部を通過する場合の画像の例を示す図である。 第３の参考例に係る、得られた一連の内視鏡画像に基づいて、開いた噴門部の検出を行う処理の流れの例を示すフローチャートである。 第３の参考例に係る、バンドパスフィルタリング処理におけるフィルタ特性を示す図である。 図１６の画像に対して、所定のバンドパスフィルタリング及び２値化の処理を施した結果の画像の例を示す図である。 第４の参考例に係る、得られた一連の内視鏡画像に基づいて、噴門部の検出を行う処理の流れの例を示すフローチャートである。 第４の参考例に係る、抽出された境界の画像を示す図である。 第４の参考例に係る、処理対象の画像に対して、所定のバンドパスフィルタリング及び２値化の処理を施した結果の画像の例を示す図である。 第５の参考例に係る、得られた一連の内視鏡画像に基づいて、噴門部の検出を行う処理の流れの例を示すフローチャートである。 第５の参考例に係る、暗部領域重心座標算出処理によって算出された重心位置を示す図である。 第５の参考例に係る、全周性の評価を説明するための図である。 第５の参考例の第４の変形例に係わる、全周性の評価を領域の割合に基づいて行うことを説明するための図である。 第６の参考例の第４の変形例に係わる、全周性の評価を角度範囲に基づいて行うことを説明するための図である。 第６の参考例に係る、カプセル型内視鏡が閉じている噴門部の手前にある場合の画像の例を示す図である。 第６の参考例に係る、得られた一連の内視鏡画像に基づいて、閉じた噴門部の検出を行う処理の流れの例を示すフローチャートである。 第７の参考例に係る、得られた一連の内視鏡画像に基づいて、閉じた噴門部の検出を行う処理の流れの例を示すフローチャートである。 第７の参考例に係る、閉じた噴門部の画像から細線化された噴門形状を説明するための画像の例を示す図である。 第７の参考例に係る、集中度のパラメータである分散値を算出する処理の流れの例を示すフローチャートである。 第７の参考例に係る、分岐点を説明するための画像の例を示す図である。

１ カプセル型内視鏡装置、 ２ 患者、 ３ カプセル型内視鏡、 ４ ア
ンテナユニット、 ５ 外部装置、 ６ クレードル、 ７ 端末装置、 ８ａ
キーボード、 ８ｂ マウス、 ８ｃ ディスプレイ、 ９ 端末本体 １０
ジャケット、 １１ 受信アンテナ、 １２ 液晶モニタ、 １３ 操作部

Claims (9)

1. 内視鏡によって食道から胃にかけての管腔臓器を内側から所定の時間間隔で撮像した複数の管腔内画像のそれぞれについて、暗部とハレーション部の画素を除いた複数の画素の画素数が所定の有効数存在した場合の前記複数の画素から所定の色調特徴量を算出する特徴量算出手段と、
   各管腔内画像について算出された前記所定の色調特徴量と、前記所定の色調特徴量が前記胃から前記食道にかけて徐々に変化する途中における所定の閾値と比較して、前記複数の管腔内画像に含まれる画像が、前記内視鏡が前記食道と前記胃の境界部である噴門部に入ろうとしている時の画像であることを検出する検出手段と、
   を備えたことを特徴とする管腔画像処理装置。
2. 前記所定の色調特徴量は、前記複数の画素の色調特徴量の総和を前記画素数で割り算することによって算出される平均色調特徴量であることを特徴とする請求項１に記載の管腔画像処理装置。
3. 前記所定の色調特徴量は、前記平均色調特徴量の移動平均値であることを特徴とする請求項２に記載の管腔画像処理装置。
4. 前記所定の色調特徴量は、前記各管腔画像のＲＧＢ信号の（Ｒ／（Ｒ＋Ｇ＋Ｂ））、（Ｇ／（Ｒ＋Ｇ＋Ｂ））若しくは３２ｌｏｇ_２（Ｒ／Ｇ）、色相または彩度であることを特徴とする請求項１に記載の管腔画像処理装置。
5. 前記所定の色調特徴量は、前記平均色調特徴量の変化量であることを特徴とする請求項２に記載の管腔画像処理装置。
6. 前記所定の色調特徴量は、前記複数の画素の色調特徴量の標準偏差あるいは分散であることを特徴とする請求項１に記載の管腔画像処理装置。
7. 前記特徴量算出手段は、前記複数の管腔内画像のそれぞれにおける所定の領域内の画素についてのみ前記所定の色調特徴量を算出することを特徴とする請求項１から６のいずれか１つに記載の管腔画像処理装置。
8. 内視鏡によって食道から胃にかけての管腔臓器を内側から所定の時間間隔で撮像した複数の管腔内画像のそれぞれについて、暗部とハレーション部の画素を除いた複数の画素の画素数が所定の有効数存在した場合の前記複数の画素から所定の色調特徴量を算出するステップと、
   各管腔内画像について算出された前記所定の色調特徴量と、前記所定の色調特徴量が前記胃から前記食道にかけて徐々に変化する途中における所定の閾値と比較して、前記複数の管腔内画像に含まれる画像が、前記内視鏡が前記食道と前記胃の境界部である噴門部に入ろうとしている時の画像であることを検出するステップと、
   を備えたことを特徴とする管腔画像処理方法。
9. 内視鏡によって食道から胃にかけての管腔臓器を内側から所定の時間間隔で撮像した複数の管腔内画像のそれぞれについて、暗部とハレーション部の画素を除いた複数の画素の画素数が所定の有効数存在した場合の前記複数の画素から所定の色調特徴量を算出する機能と、
   各管腔内画像について算出された前記所定の色調特徴量と、前記所定の色調特徴量が前記胃から前記食道にかけて徐々に変化する途中における所定の閾値と比較して、前記複数の管腔内画像に含まれる画像が、前記内視鏡が前記食道と前記胃の境界部である噴門部に入ろうとしている時の画像であることを検出する機能と、
   をコンピュータに実現させるためのプログラム。

Images