JP5439747B2 - Method for operating medical image processing apparatus and medical image processing apparatus - Google Patents
Method for operating medical image processing apparatus and medical image processing apparatus Download PDFInfo
- Publication number
- JP5439747B2 JP5439747B2 JP2008141140A JP2008141140A JP5439747B2 JP 5439747 B2 JP5439747 B2 JP 5439747B2 JP 2008141140 A JP2008141140 A JP 2008141140A JP 2008141140 A JP2008141140 A JP 2008141140A JP 5439747 B2 JP5439747 B2 JP 5439747B2
- Authority
- JP
- Japan
- Prior art keywords
- region
- blood vessel
- feature amount
- vessel region
- detecting
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 42
- 210000004204 blood vessel Anatomy 0.000 claims description 98
- 206010002329 Aneurysm Diseases 0.000 claims description 45
- 230000001186 cumulative effect Effects 0.000 claims description 37
- 238000000605 extraction Methods 0.000 claims description 23
- 238000012217 deletion Methods 0.000 claims description 17
- 230000037430 deletion Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 17
- 238000003672 processing method Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 11
- 238000004458 analytical method Methods 0.000 description 4
- 201000008450 Intracranial aneurysm Diseases 0.000 description 3
- 230000002490 cerebral effect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000017531 blood circulation Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Description
本発明は、３次元画像データから検出対象を検出する画像処理方法および画像処理装置に関し、嚢状小動脈瘤を湾曲部の影響を受けずに検出することが可能な医用画像処理方法および医用画像処理装置に関する。 The present invention relates to an image processing method and an image processing apparatus for detecting a detection target from three-dimensional image data, and a medical image processing method and medical image capable of detecting a saccular small aneurysm without being affected by a curved portion. The present invention relates to a processing apparatus.
医療分野におけるコンピュータ支援診断装置として、コンピュータを用いて医用画像データに画像処理を施し、疾患部分を検出する装置が知られている。
しかし、医用画像に表れる疾患部分は、それぞれ大きさおよび形状が異なっており、一様ではないことが多い。一方、疾患部分を強調するためのフィルタ処理や微分処理などの結果は、疾患部分の大きさおよび形状に強く依存する。
As a computer-aided diagnosis apparatus in the medical field, an apparatus that performs image processing on medical image data using a computer and detects a diseased part is known.
However, the diseased portions appearing in the medical image are different in size and shape and are often not uniform. On the other hand, the results of filter processing and differentiation processing for emphasizing the diseased part strongly depend on the size and shape of the diseased part.
このように、疾患部分の抽出に用いられるフィルタ処理や微分処理などは、疾患部分の幾何学的性質により、検出結果にばらつきが現れる場合が多く、とくに特異な形状の疾患部分の検出が困難なこともある。 As described above, filter processing and differentiation processing used for extraction of a diseased part often show variations in detection results due to the geometric properties of the diseased part, and it is particularly difficult to detect a diseased part having a specific shape. Sometimes.
このため、検出対象の大きさや形状が一様でない場合でも、検出対象を良好に検出できる画像処理方法、画像処理装置およびこのような画像処理方法を実行できるプログラムが検討されている。
頭部の血管領域を対象として、動脈瘤を検出する方法としては、特許文献１に示す球状フィルタを用いる方法、非特許文献１に示す曲率を用いる方法がある。
For this reason, even when the size and shape of the detection target are not uniform, an image processing method and an image processing apparatus that can detect the detection target satisfactorily and a program that can execute such an image processing method are being studied.
As a method for detecting an aneurysm for the blood vessel region of the head, there are a method using a spherical filter shown in Patent Document 1 and a method using a curvature shown in Non-Patent Document 1.
図６は従来例および本発明の実施形態の一例を示すもので、画像処理方法を実行する画像処理装置の構成を例示するブロック図である。図６に示すように、画像処理装置１００はコンピュータ（パソコン）１と、医用画像データが蓄積された記憶装置２と、使用者に対しインターフェースとして機能するとともに、画像処理の結果等を表示する表示装置３とを備えている。 FIG. 6 shows an example of a conventional example and an embodiment of the present invention, and is a block diagram illustrating the configuration of an image processing apparatus that executes an image processing method. As shown in FIG. 6, the image processing apparatus 100 functions as an interface for a computer (personal computer) 1, a storage device 2 in which medical image data is stored, and a user, and displays a result of image processing and the like. The apparatus 3 is provided.
記憶装置２には、例えば、ＣＴあるいはＭＲなどの三次元物体をスキャンした一連の検査画像（スライス画像）データなどが記憶されている。記憶装置２および表示装置３はコンピュータ１により制御される。 In the storage device 2, for example, a series of inspection image (slice image) data obtained by scanning a three-dimensional object such as CT or MR is stored. The storage device 2 and the display device 3 are controlled by the computer 1.
特許文献１に示す球状フィルタを用いる方法について図７を用いて簡単に説明する。
図７は画像処理装置１００における従来の画像処理方法の手順を示すフローチャートである。この手順では、頭部のＭＲのデータから脳動脈瘤を検出する例を示す。一連の手順は、例えばプログラムに従うコンピュータ１の制御により実行される。
A method using the spherical filter shown in Patent Document 1 will be briefly described with reference to FIG.
FIG. 7 is a flowchart showing a procedure of a conventional image processing method in the image processing apparatus 100. This procedure shows an example of detecting a cerebral aneurysm from MR data of the head. A series of procedures is executed under the control of the computer 1 according to a program, for example.
まず、ステップＳ１では、記憶装置２から必要なスライス画像データを読み込み、画像データの２値化処理を実行し、血管領域（動脈瘤領域を含む）を抽出する。
次に、ステップＳ２では、球状フィルタとのマッチング処理を実行する。
First, in step S1, necessary slice image data is read from the storage device 2, binarization processing of the image data is executed, and a blood vessel region (including an aneurysm region) is extracted.
Next, in step S2, matching processing with a spherical filter is executed.
次に、ステップＳ３では、球径プロファイルについて３次元ラベリング処理を行う。この処理では、ステップＳ２のマッチング処理で出力された領域（１つに繋がった領域）ごとにラベルを付与する。 Next, in step S3, a three-dimensional labeling process is performed on the spherical diameter profile. In this process, a label is assigned to each area (area connected to one) output in the matching process in step S2.
ステップＳ４では、ラベルが付与された領域について、順次、特徴量の計算を行う。特徴量としては、ラベルされた各領域の体積（ラベル体積Ｖ）、各領域の表面積Ｓ、凸度Ｔ、集中度Ｃなどを用いる。 In step S4, feature amounts are sequentially calculated for the regions to which labels are assigned. As the feature amount, the volume of each labeled region (label volume V), the surface area S of each region, the convexity T, the concentration C, and the like are used.
次に、ステップＳ５では、適当な特徴量Ａが予め決められた値Ａthよりも大きいか否かを判断することにより、巨大嚢状動脈瘤または紡錘形脳動脈瘤の有無を判定する。例えば、ラベルされた領域のうち、ある程度球径の大きな球状フィルタでのマッチング処理を実行した場合に出力される領域の凸度Ｔが、予め決められた値Ｔthよりも大きいか否か判断する。判断が肯定されればステップＳ６へ進み、判断が否定されればステップＳ７へ進む。 Next, in step S5, it is determined whether or not there is a giant saccular aneurysm or spindle cerebral aneurysm by determining whether or not an appropriate feature amount A is greater than a predetermined value Ath. For example, it is determined whether or not the convexity T of a region output when a matching process is performed with a spherical filter having a certain sphere diameter among the labeled regions is greater than a predetermined value Tth. If the determination is positive, the process proceeds to step S6, and if the determination is negative, the process proceeds to step S7.
ステップＳ６では、ラベル体積Ｖ、表面積Ｓ、凸度Ｔ、集中度Ｃ、あるいはラベル領域の形状に関する他の幾何学的特徴量を算出することにより、巨大嚢状動脈瘤あるいは紡錘形動脈瘤のいずれが存在するのかを判別する。その後、ステップＳ１１へ進む。 In step S6, either the giant sac aneurysm or the spindle aneurysm is calculated by calculating the label volume V, the surface area S, the convexity T, the concentration C, or other geometric features related to the shape of the label region. Determine if it exists. Then, it progresses to step S11.
一方、ステップＳ７およびステップＳ８では、所定のラベル領域をさらに分割し、新たなラベル領域を設定する。
次に、ステップＳ９でラベルが新たに付与された領域について、ステップ１０で判別分析の処理を行う。ここではそれぞれのラベルされた領域について特徴量を算出し、小嚢状動脈瘤の有無を判別する。例えば、分岐点から末端までの長さを特徴量として算出した場合、算出値が小さければ小嚢状動脈瘤の存在が示され、算出値が大きければ小嚢状動脈瘤ではなく正常な血管であることが示される。
On the other hand, in step S7 and step S8, the predetermined label area is further divided to set a new label area.
Next, a discriminant analysis process is performed in step S10 for the region to which a label is newly added in step S9. Here, a feature amount is calculated for each labeled region, and the presence or absence of a vesicular aneurysm is determined. For example, when the length from the bifurcation point to the end is calculated as a feature value, if the calculated value is small, the presence of a saccular aneurysm is indicated, and if the calculated value is large, a normal blood vessel is used instead of the saccular aneurysm. It is shown that there is.
上記ステップＳ６およびステップＳ１０の判別分析の処理を終了後、ステップＳ１１へ進む。ステップＳ１１では、ステップＳ６およびステップＳ１０の判別分析の結果を受けて、動脈瘤が存在する部位の検出を行う。また、検出結果を表示装置３に表示する。 After completion of the discriminant analysis process in steps S6 and S10, the process proceeds to step S11. In step S11, a part where an aneurysm exists is detected in response to the results of the discriminant analysis in steps S6 and S10. Further, the detection result is displayed on the display device 3.
上記従来の画像処理装置によれば、対象領域と球状フィルタを重ね合わせたときに、球状フィルタが対象領域によってある値以上の充填率で充たされるような球状フィルタの中心点の領域を出力するので、検出対象の形状の違いを適切に表現できる。 According to the conventional image processing apparatus, when the target region and the spherical filter are overlapped, the region of the center point of the spherical filter is output so that the spherical filter is filled with a filling rate equal to or higher than a certain value by the target region. The difference in the shape of the detection target can be expressed appropriately.
そのため、対象領域の形状的特徴を的確に把握することができ、形状の異なる複数の検出対象を効率的に検出することもできる。
また、複数の径の球状フィルタを用いることにより、検出対象の大きさが異なっても常に対象領域の形状的特徴を正確に把握することができるため、その大きさに拘わりなく検出対象を適切に検出できる。
Therefore, it is possible to accurately grasp the shape characteristics of the target region, and it is possible to efficiently detect a plurality of detection targets having different shapes.
In addition, by using a spherical filter with multiple diameters, it is possible to accurately grasp the shape characteristics of the target area at all times even if the size of the detection target is different. It can be detected.
図８に示す非特許文献１の処理は、局所情報である３次元曲率情報を投票操作により統合し、多数決原理を用いることで雑音の影響を低減している。しかし、血管の正常部分である湾曲部と分岐部に偽陽性が検出されやすく、正常部分周辺における血管径の変化は動脈瘤周辺のように大きく変化しないという考えから、外径と呼ぶ脳血管径の計測値を用いた偽陽性除去を追加している。 The processing of Non-Patent Document 1 shown in FIG. 8 integrates the three-dimensional curvature information that is local information by voting operation, and reduces the influence of noise by using the majority rule. However, because of the idea that false positives are likely to be detected in the curved and bifurcated parts, which are normal parts of blood vessels, and the change in blood vessel diameter around the normal part does not change as much as in the vicinity of the aneurysm, The false positive elimination using the measured value of is added.
動脈瘤は、血管径と同じ２〜３ｍｍ程度の大きさの嚢状小動脈瘤もある。脳血管径の計測では血管径と同じ程度の大きさの嚢状小動脈瘤検出も行いたい。しかし、上記特許文献１の球状フィルタを用いる方法で、嚢状小動脈瘤を検出するために球状フィルタの径を小さくすると、正常な血管まで検出されてしまう。 An aneurysm is also a sac-like small aneurysm having a size of about 2 to 3 mm which is the same as the blood vessel diameter. In measuring the cerebral blood vessel diameter, we want to detect saccular small aneurysms that are about the same size as the blood vessel diameter. However, if the diameter of the spherical filter is reduced in order to detect a saccular small aneurysm by the method using the spherical filter of Patent Document 1, even normal blood vessels are detected.
そのため、球状フィルタを用いて、嚢状小動脈瘤のみを検出することは難しい。
また、非特許文献１の３次元曲率情報を用いる方法は、外径と呼ぶ脳血管径の計測値を用いた偽陽性除去を追加しても、湾曲部に偽陽性が発生してしまうという課題があった。
したがって本発明は、血管径と同じ２〜３ｍｍ程度の大きさの嚢状小動脈瘤を湾曲部の影響を受けずに検出することを目的としている。
Therefore, it is difficult to detect only a saccular small aneurysm using a spherical filter.
In addition, the method using the three-dimensional curvature information of Non-Patent Document 1 has a problem that even if false positive removal using a measured value of a cerebral blood vessel diameter called an outer diameter is added, a false positive occurs in a curved portion. was there.
Accordingly, an object of the present invention is to detect a saccular small aneurysm having a size of about 2 to 3 mm, which is the same as a blood vessel diameter, without being affected by a curved portion.
本発明の医用画像処理装置の作動方法は、請求項１においては、
ＭＲまたはＣＴにより得られるスライス画像に基づく３次元画像データから血管領域内の動脈瘤を検出する医用画像処理装置の作動方法において、
累積度数分布から求まるしきい値を用いて処理領域を抽出するステップと、
抽出された処理領域から細線化処理によって血管領域を検出するステップと、
血管領域の特徴量を算出するステップと、
算出された当該特徴量に基づいて動脈瘤を検出するステップと、
からなり、
前記累積度数分布から求まるしきい値を用いて処理領域を抽出するステップでは、
累積度数分布から求まるしきい値で領域抽出を行うステップと、
累積度数分布から求まる前記領域抽出で使用したステップとは異なるしきい値で領域拡張を行うステップと、
微小領域を削除するステップと、
膨張−収縮のノイズを除去し、２次元穴埋めを行うステップを有し、
前記細線化処理ステップでは、
前記３次元画像データから必要な血管領域データを読み込むステップと
直線性を考慮した連結数による削除画素を決定するステップと、
連結数による削除画素を決定して細線化結果を得るステップを有し、
前記細線化結果から端点−分岐点の部分を短枝として検出し、この短枝から短枝の画素数、位置を短枝の特徴量として求めるステップとを有し、
前記血管領域の特徴量を算出するステップでは、
特徴量として、前記血管領域の画素数、凸度、血管領域の長径、血管領域の短径、表面の画素数、血管領域の画素値の平均のうち、少なくとも１つに基づく指標を用いることを特徴とする。
The operation method of the medical image processing apparatus of the present invention is as follows.
In an operation method of a medical image processing apparatus for detecting an aneurysm in a blood vessel region from three-dimensional image data based on a slice image obtained by MR or CT,
Extracting a processing region using a threshold value obtained from a cumulative frequency distribution;
Detecting a blood vessel region by thinning processing from the extracted processing region;
Calculating a characteristic amount of the blood vessel region;
Detecting an aneurysm based on the calculated feature amount;
Consists of
In the step of extracting a processing region using a threshold value obtained from the cumulative frequency distribution,
Extracting a region with a threshold value obtained from a cumulative frequency distribution;
Performing region expansion with a threshold different from that used in the region extraction obtained from the cumulative frequency distribution;
Deleting a micro area; and
Removing the expansion-contraction noise and performing two-dimensional hole filling;
In the thinning process step,
A step of reading necessary blood vessel region data from the three-dimensional image data, a step of determining a deletion pixel based on the number of connections in consideration of linearity,
Determining a deletion pixel based on the number of connections and obtaining a thinning result;
Detecting the end point-branch point portion from the thinning result as a short branch, and obtaining the number of pixels and the position of the short branch from the short branch as a feature amount of the short branch,
In the step of calculating the characteristic amount of the blood vessel region,
As the feature amount, an index based on at least one of the number of pixels of the blood vessel region, the degree of convexity, the long diameter of the blood vessel region, the short diameter of the blood vessel region, the number of pixels on the surface, and the average of the pixel values of the blood vessel region is used. Features.
請求項２の医用画像処理装置の作動方法においては、
ＭＲまたはＣＴにより得られるスライス画像に基づく３次元画像データから血管領域内の動脈瘤を検出する医用画像処理装置の作動方法において、
累積度数分布から求まるしきい値を用いて処理領域を抽出するステップと、
抽出された処理領域から細線化処理によって血管領域を検出するステップと、
血管領域の特徴量を算出するステップと、
算出された当該特徴量に基づいて動脈瘤を検出するステップと、
からなり、
前記累積度数分布から求まるしきい値を用いて処理領域を抽出するステップでは、
累積度数分布から求まるしきい値で領域抽出を行うステップと、
累積度数分布から求まる前記領域抽出で使用したステップとは異なるしきい値で領域拡張を行うステップと、
微小領域を削除するステップと、
膨張−収縮のノイズを除去し、２次元穴埋めを行うステップを有し、
前記細線化処理ステップでは、
前記３次元画像データから必要な血管領域データを読み込むステップと
直線性を考慮した連結数による削除画素を決定するステップと、
連結数による削除画素を決定して細線化結果を得るステップを有し、
前記細線化結果から端点−分岐点の部分を短枝として検出し、この短枝から短枝の画素数、位置を短枝の特徴量として求めるステップとを有し、
前記血管領域の特徴量を算出するステップでは、
特徴量として、前記血管領域の画素数、凸度、血管領域の長径、血管領域の短径、表面の画素数、血管領域の画素値の平均のうち、少なくとも１つに基づく指標を用い、
前記細線化の短枝の特徴量を算出するステップでは、
特徴量として、前記短枝の長さ、短枝の位置のうち、少なくとも１つに基づく指標を用いることを特徴とする。
In the operation method of the medical image processing apparatus according to claim 2,
In an operation method of a medical image processing apparatus for detecting an aneurysm in a blood vessel region from three-dimensional image data based on a slice image obtained by MR or CT,
Extracting a processing region using a threshold value obtained from a cumulative frequency distribution;
Detecting a blood vessel region by thinning processing from the extracted processing region;
Calculating a characteristic amount of the blood vessel region;
Detecting an aneurysm based on the calculated feature amount;
Consists of
In the step of extracting a processing region using a threshold value obtained from the cumulative frequency distribution,
Extracting a region with a threshold value obtained from a cumulative frequency distribution;
Performing region expansion with a threshold different from that used in the region extraction obtained from the cumulative frequency distribution;
Deleting a micro area; and
Removing the expansion-contraction noise and performing two-dimensional hole filling;
In the thinning process step,
A step of reading necessary blood vessel region data from the three-dimensional image data, a step of determining a deletion pixel based on the number of connections in consideration of linearity,
Determining a deletion pixel based on the number of connections and obtaining a thinning result;
Detecting the end point-branch point portion from the thinning result as a short branch, and obtaining the number of pixels and the position of the short branch from the short branch as a feature amount of the short branch,
In the step of calculating the characteristic amount of the blood vessel region,
As the feature amount, using an index based on at least one of the number of pixels of the blood vessel region, the degree of convexity, the long diameter of the blood vessel region, the short diameter of the blood vessel region, the number of pixels on the surface, and the pixel value of the blood vessel region,
In the step of calculating the feature amount of the thinned short branch,
As the feature amount, an index based on at least one of the length of the short branch and the position of the short branch is used.
請求項３の医用画像処理装置においては、
ＭＲまたはＣＴにより得られるスライス画像に基づく３次元画像データから血管領域内の動脈瘤を検出する医用画像処理装置において、
累積度数分布から求まるしきい値を用いて処理領域を抽出する処理領域抽出手段と、
抽出された処理領域から細線化によって血管領域を検出する血管領域検出手段と、
血管領域の特徴量を算出する特徴量算出手段と、
算出された当該特徴量に基づいて動脈瘤を検出する動脈瘤検出手段と、
を備え、
前記累積度数分布から求まるしきい値を用いて処理領域を抽出する処理領域抽出手段では、
累積度数分布から求まるしきい値で処理領域抽出を行う処理領域抽出手段と、
累積度数分布から求まる処理領域抽出のしきい値とは異なるしきい値で領域拡張を行う領域拡張手段と、
微小領域を削除する微小領域削除手段と、
膨張−収縮のノイズを除去し、２次元穴埋めを行う手段と、
前記細線化処理手段では、
前記３次元画像データから必要な血管領域データを読み込む手段と、
直線性を考慮した連結数による削除画素を決定する手段と、
連結数による削除画素を決定して細線化結果を得る手段と、
前記細線化結果から端点−分岐点の部分を短枝として検出し、この短枝から短枝の画素数、位置を短枝の特徴量として求める手段、
を備えることを特徴とする。
In the medical image processing apparatus according to claim 3,
In a medical image processing apparatus for detecting an aneurysm in a blood vessel region from three-dimensional image data based on a slice image obtained by MR or CT,
Processing region extraction means for extracting a processing region using a threshold value obtained from a cumulative frequency distribution;
A blood vessel region detecting means for detecting a blood vessel region by thinning from the extracted processing region;
A feature amount calculating means for calculating a feature amount of the blood vessel region;
Aneurysm detection means for detecting an aneurysm based on the calculated feature amount;
With
In the processing region extraction means for extracting a processing region using a threshold value obtained from the cumulative frequency distribution,
Processing region extraction means for extracting a processing region with a threshold value obtained from a cumulative frequency distribution;
A region expansion means for performing region expansion with a threshold different from the threshold for processing region extraction obtained from the cumulative frequency distribution;
A micro area deleting means for deleting the micro area;
Means for removing expansion-contraction noise and performing two-dimensional hole filling;
In the thinning processing means,
Means for reading necessary blood vessel region data from the three-dimensional image data;
Means for determining a deletion pixel based on the number of connections in consideration of linearity;
Means for determining a pixel to be deleted based on the number of connections and obtaining a thinning result;
Means for detecting an end point-branch point portion as a short branch from the thinning result, and obtaining the number of pixels and the position of the short branch from the short branch as a feature amount of the short branch;
It is characterized by providing .
請求項４の医用画像処理装置においては、
ＭＲまたはＣＴにより得られるスライス画像に基づく３次元画像データから血管領域内の動脈瘤を検出する医用画像処理装置において、
累積度数分布から求まるしきい値を用いて処理領域を抽出する処理領域抽出手段と、
抽出された処理領域から細線化によって血管領域を検出する血管領域検出手段と、
血管領域の特徴量を算出する特徴量算出手段と、
算出された当該特徴量に基づいて動脈瘤を検出する動脈瘤検出手段と、
を備え、
前記累積度数分布から求まるしきい値を用いて処理領域を抽出する処理領域抽出手段では、
累積度数分布から求まるしきい値で処理領域抽出を行う処理領域抽出手段と、
累積度数分布から求まる処理領域抽出のしきい値とは異なるしきい値で領域拡張を行う領域拡張手段と、
微小領域を削除する微小領域削除手段と、
膨張−収縮のノイズを除去し、２次元穴埋めを行う手段と、
前記細線化処理手段では、
前記３次元画像データから必要な血管領域データを読み込む手段と、
直線性を考慮した連結数による削除画素を決定する手段と、
連結数による削除画素を決定して細線化結果を得る手段と、
前記細線化結果から端点−分岐点の部分を短枝として検出し、この短枝から短枝の画素数、位置を短枝の特徴量として求める手段と、
前記血管領域の特徴量を算出する特徴量算出手段では、
特徴量として、前記血管領域の画素数、凸度、血管領域の長径、血管領域の短径、表面の画素数、血管領域の画素値の平均のうち、少なくとも１つに基づく指標を用い、
前記細線化の短枝の特徴量を算出する特徴量算出手段では、
特徴量として、前記短枝の長さ、短枝の位置のうち、少なくとも１つに基づく指標を用いることを特徴とする。
In the medical image processing apparatus according to claim 4,
In a medical image processing apparatus for detecting an aneurysm in a blood vessel region from three-dimensional image data based on a slice image obtained by MR or CT,
Processing region extraction means for extracting a processing region using a threshold value obtained from a cumulative frequency distribution;
A blood vessel region detecting means for detecting a blood vessel region by thinning from the extracted processing region;
A feature amount calculating means for calculating a feature amount of the blood vessel region;
Aneurysm detection means for detecting an aneurysm based on the calculated feature amount;
With
In the processing region extraction means for extracting a processing region using a threshold value obtained from the cumulative frequency distribution,
Processing region extraction means for extracting a processing region with a threshold value obtained from a cumulative frequency distribution;
A region expansion means for performing region expansion with a threshold different from the threshold for processing region extraction obtained from the cumulative frequency distribution;
A micro area deleting means for deleting the micro area;
Means for removing expansion-contraction noise and performing two-dimensional hole filling;
In the thinning processing means,
Means for reading necessary blood vessel region data from the three-dimensional image data;
Means for determining a deletion pixel based on the number of connections in consideration of linearity;
Means for determining a pixel to be deleted based on the number of connections and obtaining a thinning result;
Means for detecting an end point-branch point portion as a short branch from the thinning result, and obtaining the number of pixels and the position of the short branch from the short branch as a feature amount of the short branch;
In the feature amount calculation means for calculating the feature amount of the blood vessel region,
As the feature amount, using an index based on at least one of the number of pixels of the blood vessel region, the degree of convexity, the long diameter of the blood vessel region, the short diameter of the blood vessel region, the number of pixels on the surface, and the pixel value of the blood vessel region,
In the feature amount calculating means for calculating the feature amount of the thinned short branch,
As the feature amount, an index based on at least one of the length of the short branch and the position of the short branch is used .
請求項８においては、請求項２に記載の画像処理方法において、
前記細線化の短枝の特徴量を算出するステップで、
特徴量として、前記短枝の長さ、短枝の位置のうち、少なくとも１つに基づく指標を用いることを特徴とする。
In Claim 8, In the image processing method of Claim 2,
Calculating a feature amount of the thinned short branch;
As the feature amount, an index based on at least one of the length of the short branch and the position of the short branch is used.
本発明の画像処理方法、画像処理装置によれば、血管径と同じ２〜３ｍｍ程度の大きさの嚢状小動脈瘤も、細線化処理を行って短枝として判断することによって検出することができる。また、細線化で湾曲部に１〜２画素程度の短い短枝が発生することがあるが、短枝の長さに下限を設けることで、湾曲部の影響を受けずに検出できる。 According to the image processing method and the image processing apparatus of the present invention, a saccular small aneurysm having a size of about 2 to 3 mm, which is the same as the blood vessel diameter, can be detected by performing thinning processing and determining it as a short branch. it can. In addition, a short branch of about 1 to 2 pixels may be generated in the curved portion due to thinning. However, by setting a lower limit on the length of the short branch, it can be detected without being influenced by the curved portion.
図１は図６に示す画像処理装置１００における画像処理方法であって、嚢状小動脈瘤の検出手順を示すフローチャートである。なお、本発明においても装置の構成は図６に示す従来例と同様である。即ち、画像処理装置１００はコンピュータ（パソコン）１と、医用画像データが蓄積された記憶装置２と、使用者に対しインターフェースとして機能するとともに、画像処理の結果等を表示する表示装置３とを備えている。
記憶装置２には、例えば、ＣＴあるいはＭＲなどの三次元物体をスキャンした一連の検査画像（スライス画像）データなどが記憶されている。
FIG. 1 is an image processing method in the image processing apparatus 100 shown in FIG. 6, and is a flowchart showing a procedure for detecting a saccular small aneurysm. In the present invention, the configuration of the apparatus is the same as that of the conventional example shown in FIG. That is, the image processing apparatus 100 includes a computer (personal computer) 1, a storage device 2 in which medical image data is stored, and a display device 3 that functions as an interface for the user and displays the results of image processing and the like. ing.
In the storage device 2, for example, a series of inspection image (slice image) data obtained by scanning a three-dimensional object such as CT or MR is stored.
まず、ステップＳ１では記憶装置２から必要なＭＲＡスライスデータを読み込む。
次にステップＳ２では、ＭＲＡスライス画像の処理の方向性を無くすために、用いるデータでスライス面内の画素間隔とスライス面間のスライス間隔について判断する。
First, in step S1, necessary MRA slice data is read from the storage device 2.
Next, in step S2, in order to eliminate the directionality of processing of the MRA slice image, the pixel interval in the slice plane and the slice interval between the slice planes are determined based on the data to be used.
そして、スライス面間のスライス間隔が異なっている場合は、画素間隔にスライス間隔を一致させる補間処理を行い、データを等方化した等方ボクセルデータを作成する。
次にステップＳ３において、等方ボクセルデータから、血管領域を抽出する。
If the slice intervals between the slice planes are different, an interpolation process for matching the slice intervals to the pixel intervals is performed to create isotropic voxel data in which the data is isotropic.
Next, in step S3, a blood vessel region is extracted from the isotropic voxel data.
図２は血管領域の抽出の手順を示すフローチャートである。
ステップＳ１で等方ボクセルデータを読み出す。
次にステップ２で累積度数（画素の出現回数）による領域抽出を行う。
FIG. 2 is a flowchart showing a procedure for extracting a blood vessel region.
In step S1, isotropic voxel data is read.
Next, in step 2, region extraction is performed based on the cumulative frequency (number of appearances of pixels).
ここでは、症例による違いを吸収するために、１症例の全スライスの累積度数分布から求めた高いしきい値以上の血管候補領域を抽出する。たとえば、この高いしきい値は累積度数分布の下から９９．９％の値を用いる。
図３は血管候補領域を抽出するためのイメージを示すもので、縦軸を頻度、横軸を濃度としたとき、９９．９％で示す濃度を高いしきい値とし、しきい値以上の濃度を示す領域を血管領域とする。
Here, in order to absorb the difference depending on the case, a blood vessel candidate region having a high threshold value or more obtained from the cumulative frequency distribution of all slices of one case is extracted. For example, this high threshold value uses a value of 99.9% from the bottom of the cumulative frequency distribution.
FIG. 3 shows an image for extracting a blood vessel candidate region. When the vertical axis represents frequency and the horizontal axis represents density, the density indicated by 99.9% is set to a high threshold value, and the density is equal to or higher than the threshold value. The region indicating the is a blood vessel region.
図２に戻り、ステップＳ３で微小領域の削除を行う。
ステップＳ２で高いしきい値で抽出された領域には、血管以外の脂肪部分などが含まれる。脂肪部分は、血管のように連続せず、孤立領域として抽出される。このため、画素数をしきい値として微小領域を削除することによって、過抽出されてしまった脂肪部分を削除する。たとえば、この画素数のしきい値には５００画素を用いる。
Returning to FIG. 2, the micro area is deleted in step S3.
The region extracted with a high threshold value in step S2 includes fat portions other than blood vessels. The fat portion is not continuous like a blood vessel and is extracted as an isolated region. For this reason, the fat portion that has been over-extracted is deleted by deleting the minute region using the number of pixels as a threshold value. For example, 500 pixels are used as the threshold value for the number of pixels.
ステップ４で領域拡張を行う。
前記高いしきい値で抽出された領域は、抽出したい血管領域よりも小さな領域になってしまう。このため、１症例の全スライスの累積度数分布から求めた低いしきい値以上の残っている血管候補領域に隣接する部分を領域拡張する。たとえば、この低いしきい値は累積度数分布の下から９９．５％の値を用いる（図３参照）。
In step 4, the area is expanded.
The region extracted with the high threshold becomes a region smaller than the blood vessel region to be extracted. For this reason, the region adjacent to the remaining blood vessel candidate region that is equal to or higher than the low threshold obtained from the cumulative frequency distribution of all slices of one case is expanded. For example, the lower threshold value is 99.5% from the bottom of the cumulative frequency distribution (see FIG. 3).
ステップ５で膨張−収縮のノイズ除去する。
ステップ４の結果は、元画像の画素値のノイズの影響を受け、境界が歪んでしまっているため、膨張−収縮のノイズ処理を行い、領域の境界を滑らかにする。
In step 5, the expansion / contraction noise is removed.
The result of step 4 is affected by the noise of the pixel value of the original image, and the boundary is distorted. Therefore, the expansion / contraction noise processing is performed to smooth the boundary of the region.
ステップ６で２次元穴埋めを行う。
ステップ５の結果で、大きな血管の領域は血流の低下のため、中心部分が抽出されないことが起きる。このため、スライス面内で２次元の穴埋めを行い、大きな血管の中心部分も抽出されるようにする。この結果を血管領域として、嚢状小動脈瘤の検出を行う。
In step 6, two-dimensional filling is performed.
As a result of step 5, a large blood vessel region may not be extracted due to a decrease in blood flow. For this reason, two-dimensional hole filling is performed in the slice plane so that the central portion of a large blood vessel is also extracted. Using this result as a blood vessel region, a saccular small aneurysm is detected.
図１に戻りステップ４において細線化（画像を極度に簡単化して物体の形を骨格となる幅１の線（芯線）に変換する処理）を行う。この細線化によって嚢状小動脈瘤領域の候補となる短枝領域を得るための短枝を得る。
図４は細線化処理の手順を示すフローチャートである。
ステップ１において、記憶装置２から必要な血管領域データを読み込む。
ステップ２において、直線性を考慮した連結数による削除画素を決定する。
ステップ３において、連結数による削除画素を決定し、
ステップ４において、細線化結果を得る。
Returning to FIG. 1, in step 4, thinning (processing for extremely simplifying the image and converting the shape of the object into a line having a width 1 (core line) as a skeleton) is performed. By this thinning, a short branch for obtaining a short branch region that is a candidate for the saccular small aneurysm region is obtained.
FIG. 4 is a flowchart showing the procedure of the thinning process.
In step 1, necessary blood vessel region data is read from the storage device 2.
In step 2, a deletion pixel is determined based on the number of connections in consideration of linearity.
In step 3, a deletion pixel based on the number of connections is determined,
In step 4, a thinning result is obtained.
細線化は短枝が残るように、画素の削除を制御する条件を変えた細線化を２回行う。
１回目：連結数以外に、
・注目画素を中心としたＸ、Ｙ，Ｚのいずれかの平面で画素がない場合
・Ｘ、Ｙ，Ｚの軸で直線性が保持される場合
は削除を行わない。
Thinning is performed twice with different conditions for controlling the deletion of pixels so that short branches remain.
1st: In addition to the number of connections,
-When there is no pixel on any plane of X, Y, Z centering on the target pixel-When linearity is maintained on the X, Y, Z axis, no deletion is performed.
２回目：連結数のみで削除画素を決める。
連結数は、周囲画素で対象となる独立している画素の個数を表す。
図５は２次元で注目画素の周囲８画素を対象とした場合を示すイメージである。
図５（ａ）は端点（連結数：１）の場合を示し、図５（ｂ）は連結点（連結数：２）の場合を示し、図５（ｃ）は分岐点（連結数：３）の場合を示し、図５（ｄ）は交差点（連結数：４）の場合を示している。
Second time: A deletion pixel is determined only by the number of connections.
The number of connections represents the number of independent pixels that are the target of surrounding pixels.
FIG. 5 is an image showing a case in which eight pixels around the target pixel are targeted in two dimensions.
5A shows the case of an end point (number of connections: 1), FIG. 5B shows the case of a connection point (number of connections: 2), and FIG. 5C shows a branch point (number of connections: 3). ), And FIG. 5D shows the case of an intersection (number of connections: 4).
図１に戻り、ステップ５において、細線化結果から端点−分岐点の部分を短枝として検出する。
ステップ６において、この短枝から、短枝の画素数、位置などを短枝の特徴量として求める。
また、ステップ７において、抽出された血管領域で細線化された結果の画素からの距離を求め、一番近い画素が短枝であった場合に、その短枝の領域とする方法で短枝領域を決定する。
Returning to FIG. 1, in step 5, the end point-branch point portion is detected as a short branch from the thinning result.
In step 6, from this short branch, the number of pixels and the position of the short branch are obtained as the feature quantity of the short branch.
Further, in step 7, the distance from the pixel obtained as a result of thinning in the extracted blood vessel region is obtained, and when the nearest pixel is a short branch, the short branch region is determined by using the short branch region. To decide.
ステップ８において、この短枝領域から領域の画素数、凸度などを短枝領域の特徴量として求める。
ステップ９において、この短枝の特徴量、短枝領域の特徴量から分析を行い、
ステップ１０において嚢状小動脈瘤の検出を行う。
In step 8, the number of pixels of the area, the degree of convexity, etc. are obtained from this short branch area as the feature quantity of the short branch area.
In step 9, an analysis is performed from the feature amount of the short branch and the feature amount of the short branch region,
In step 10, a saccular small aneurysm is detected.
上記医用画像処理方法および装置によれば、血管径と同じ２〜３ｍｍ程度の大きさの嚢状小動脈瘤も、細線化により、短枝として判断することによって、検出することができる。また、細線化で湾曲部に１〜２画素程度の短い短枝が発生することがあるが、短枝の長さに下限を設けることで、湾曲部の影響を受けずに検出できる。 According to the medical image processing method and apparatus described above, a saccular small aneurysm having a size of about 2 to 3 mm, which is the same as the blood vessel diameter, can also be detected by determining as a short branch by thinning. In addition, a short branch of about 1 to 2 pixels may be generated in the curved portion due to thinning. However, by setting a lower limit on the length of the short branch, it can be detected without being influenced by the curved portion.
また、上記実施形態では、動脈瘤を検出するためのコンピュータ支援診断装置に本発明を適用した例を示したが、本発明の適用範囲は上記実施形態に限定されることはない。本発明は３次元画像データから検出対象を検出する場合に、その分野に無関係に広く適用することができる。 Moreover, although the example which applied this invention to the computer-aided diagnosis apparatus for detecting an aneurysm was shown in the said embodiment, the application range of this invention is not limited to the said embodiment. The present invention can be widely applied regardless of the field when detecting a detection target from three-dimensional image data.
１ コンピュータ（処理領域抽出手段、対象領域検出手段、特徴量算出手段、検出対象検出手段）
２ 記憶装置
３ 表示装置
1 Computer (processing area extraction means, target area detection means, feature amount calculation means, detection target detection means)
2 Storage device 3 Display device
Claims (4)
累積度数分布から求まるしきい値を用いて処理領域を抽出するステップと、
抽出された処理領域から細線化処理によって血管領域を検出するステップと、
血管領域の特徴量を算出するステップと、
算出された当該特徴量に基づいて動脈瘤を検出するステップと、
からなり、
前記累積度数分布から求まるしきい値を用いて処理領域を抽出するステップでは、
累積度数分布から求まるしきい値で領域抽出を行うステップと、
累積度数分布から求まる前記領域抽出で使用したステップとは異なるしきい値で領域拡張を行うステップと、
微小領域を削除するステップと、
膨張−収縮のノイズを除去し、２次元穴埋めを行うステップを有し、
前記細線化処理ステップでは、
前記３次元画像データから必要な血管領域データを読み込むステップと
直線性を考慮した連結数による削除画素を決定するステップと、
連結数による削除画素を決定して細線化結果を得るステップを有し、
前記細線化結果から端点−分岐点の部分を短枝として検出し、この短枝から短枝の画素数、位置を短枝の特徴量として求めるステップとを有し、
前記血管領域の特徴量を算出するステップでは、
特徴量として、前記血管領域の画素数、凸度、血管領域の長径、血管領域の短径、表面の画素数、血管領域の画素値の平均のうち、少なくとも１つに基づく指標を用いることを特徴とする医用画像処理装置の作動方法。 In an operation method of a medical image processing apparatus for detecting an aneurysm in a blood vessel region from three-dimensional image data based on a slice image obtained by MR or CT,
Extracting a processing region using a threshold value obtained from a cumulative frequency distribution;
Detecting a blood vessel region by thinning processing from the extracted processing region;
Calculating a characteristic amount of the blood vessel region;
Detecting an aneurysm based on the calculated feature amount;
Consists of
In the step of extracting a processing region using a threshold value obtained from the cumulative frequency distribution,
Extracting a region with a threshold value obtained from a cumulative frequency distribution;
Performing region expansion with a threshold different from that used in the region extraction obtained from the cumulative frequency distribution;
Deleting a micro area; and
Removing the expansion-contraction noise and performing two-dimensional hole filling;
In the thinning process step,
A step of reading necessary blood vessel region data from the three-dimensional image data, a step of determining a deletion pixel based on the number of connections in consideration of linearity,
Determining a deletion pixel based on the number of connections and obtaining a thinning result;
Detecting the end point-branch point portion from the thinning result as a short branch, and obtaining the number of pixels and the position of the short branch from the short branch as a feature amount of the short branch,
In the step of calculating the characteristic amount of the blood vessel region,
As the feature amount, an index based on at least one of the number of pixels of the blood vessel region, the degree of convexity, the long diameter of the blood vessel region, the short diameter of the blood vessel region, the number of pixels on the surface, and the average of the pixel values of the blood vessel region is used. A method for operating a medical image processing apparatus .
累積度数分布から求まるしきい値を用いて処理領域を抽出するステップと、
抽出された処理領域から細線化処理によって血管領域を検出するステップと、
血管領域の特徴量を算出するステップと、
算出された当該特徴量に基づいて動脈瘤を検出するステップと、
からなり、
前記累積度数分布から求まるしきい値を用いて処理領域を抽出するステップでは、
累積度数分布から求まるしきい値で領域抽出を行うステップと、
累積度数分布から求まる前記領域抽出で使用したステップとは異なるしきい値で領域拡張を行うステップと、
微小領域を削除するステップと、
膨張−収縮のノイズを除去し、２次元穴埋めを行うステップを有し、
前記細線化処理ステップでは、
前記３次元画像データから必要な血管領域データを読み込むステップと
直線性を考慮した連結数による削除画素を決定するステップと、
連結数による削除画素を決定して細線化結果を得るステップを有し、
前記細線化結果から端点−分岐点の部分を短枝として検出し、この短枝から短枝の画素数、位置を短枝の特徴量として求めるステップとを有し、
前記血管領域の特徴量を算出するステップでは、
特徴量として、前記血管領域の画素数、凸度、血管領域の長径、血管領域の短径、表面の画素数、血管領域の画素値の平均のうち、少なくとも１つに基づく指標を用い、
前記細線化の短枝の特徴量を算出するステップでは、
特徴量として、前記短枝の長さ、短枝の位置のうち、少なくとも１つに基づく指標を用いることを特徴とする医用画像処理装置の作動方法。 In an operation method of a medical image processing apparatus for detecting an aneurysm in a blood vessel region from three-dimensional image data based on a slice image obtained by MR or CT,
Extracting a processing region using a threshold value obtained from a cumulative frequency distribution;
Detecting a blood vessel region by thinning processing from the extracted processing region;
Calculating a characteristic amount of the blood vessel region;
Detecting an aneurysm based on the calculated feature amount;
Consists of
In the step of extracting a processing region using a threshold value obtained from the cumulative frequency distribution,
Extracting a region with a threshold value obtained from a cumulative frequency distribution;
Performing region expansion with a threshold different from that used in the region extraction obtained from the cumulative frequency distribution;
Deleting a micro area; and
Removing the expansion-contraction noise and performing two-dimensional hole filling;
In the thinning process step,
A step of reading necessary blood vessel region data from the three-dimensional image data, a step of determining a deletion pixel based on the number of connections in consideration of linearity,
Determining a deletion pixel based on the number of connections and obtaining a thinning result;
Detecting the end point-branch point portion from the thinning result as a short branch, and obtaining the number of pixels and the position of the short branch from the short branch as a feature amount of the short branch,
In the step of calculating the characteristic amount of the blood vessel region,
As the feature amount, using an index based on at least one of the number of pixels of the blood vessel region, the degree of convexity, the long diameter of the blood vessel region, the short diameter of the blood vessel region, the number of pixels on the surface, and the pixel value of the blood vessel region,
In the step of calculating the feature amount of the thinned short branch,
An operation method of a medical image processing apparatus, wherein an index based on at least one of the length of the short branch and the position of the short branch is used as the feature amount.
累積度数分布から求まるしきい値を用いて処理領域を抽出する処理領域抽出手段と、
抽出された処理領域から細線化によって血管領域を検出する血管領域検出手段と、
血管領域の特徴量を算出する特徴量算出手段と、
算出された当該特徴量に基づいて動脈瘤を検出する動脈瘤検出手段と、
を備え、
前記累積度数分布から求まるしきい値を用いて処理領域を抽出する処理領域抽出手段では、
累積度数分布から求まるしきい値で処理領域抽出を行う処理領域抽出手段と、
累積度数分布から求まる処理領域抽出のしきい値とは異なるしきい値で領域拡張を行う領域拡張手段と、
微小領域を削除する微小領域削除手段と、
膨張−収縮のノイズを除去し、２次元穴埋めを行う手段と、
前記細線化処理手段では、
前記３次元画像データから必要な血管領域データを読み込む手段と、
直線性を考慮した連結数による削除画素を決定する手段と、
連結数による削除画素を決定して細線化結果を得る手段と、
前記細線化結果から端点−分岐点の部分を短枝として検出し、この短枝から短枝の画素数、位置を短枝の特徴量として求める手段、
を備えることを特徴とする医用画像処理装置。 In a medical image processing apparatus for detecting an aneurysm in a blood vessel region from three-dimensional image data based on a slice image obtained by MR or CT,
Processing region extraction means for extracting a processing region using a threshold value obtained from a cumulative frequency distribution;
A blood vessel region detecting means for detecting a blood vessel region by thinning from the extracted processing region;
A feature amount calculating means for calculating a feature amount of the blood vessel region;
Aneurysm detection means for detecting an aneurysm based on the calculated feature amount;
With
In the processing region extraction means for extracting a processing region using a threshold value obtained from the cumulative frequency distribution,
Processing region extraction means for extracting a processing region with a threshold value obtained from a cumulative frequency distribution;
A region expansion means for performing region expansion with a threshold different from the threshold for processing region extraction obtained from the cumulative frequency distribution;
A micro area deleting means for deleting the micro area;
Means for removing expansion-contraction noise and performing two-dimensional hole filling;
In the thinning processing means,
Means for reading necessary blood vessel region data from the three-dimensional image data;
Means for determining a deletion pixel based on the number of connections in consideration of linearity;
Means for determining a pixel to be deleted based on the number of connections and obtaining a thinning result;
Means for detecting an end point-branch point portion as a short branch from the thinning result, and obtaining the number of pixels and the position of the short branch from the short branch as a feature amount of the short branch;
A medical image processing apparatus comprising:
累積度数分布から求まるしきい値を用いて処理領域を抽出する処理領域抽出手段と、
抽出された処理領域から細線化によって血管領域を検出する血管領域検出手段と、
血管領域の特徴量を算出する特徴量算出手段と、
算出された当該特徴量に基づいて動脈瘤を検出する動脈瘤検出手段と、
を備え、
前記累積度数分布から求まるしきい値を用いて処理領域を抽出する処理領域抽出手段では、
累積度数分布から求まるしきい値で処理領域抽出を行う処理領域抽出手段と、
累積度数分布から求まる処理領域抽出のしきい値とは異なるしきい値で領域拡張を行う領域拡張手段と、
微小領域を削除する微小領域削除手段と、
膨張−収縮のノイズを除去し、２次元穴埋めを行う手段と、
前記細線化処理手段では、
前記３次元画像データから必要な血管領域データを読み込む手段と、
直線性を考慮した連結数による削除画素を決定する手段と、
連結数による削除画素を決定して細線化結果を得る手段と、
前記細線化結果から端点−分岐点の部分を短枝として検出し、この短枝から短枝の画素数、位置を短枝の特徴量として求める手段と、
前記血管領域の特徴量を算出する特徴量算出手段では、
特徴量として、前記血管領域の画素数、凸度、血管領域の長径、血管領域の短径、表面の画素数、血管領域の画素値の平均のうち、少なくとも１つに基づく指標を用い、
前記細線化の短枝の特徴量を算出する特徴量算出手段では、
特徴量として、前記短枝の長さ、短枝の位置のうち、少なくとも１つに基づく指標を用いることを特徴とする医用画像処理装置。 In a medical image processing apparatus for detecting an aneurysm in a blood vessel region from three-dimensional image data based on a slice image obtained by MR or CT,
Processing region extraction means for extracting a processing region using a threshold value obtained from a cumulative frequency distribution;
A blood vessel region detecting means for detecting a blood vessel region by thinning from the extracted processing region;
A feature amount calculating means for calculating a feature amount of the blood vessel region;
Aneurysm detection means for detecting an aneurysm based on the calculated feature amount;
With
In the processing region extraction means for extracting a processing region using a threshold value obtained from the cumulative frequency distribution,
Processing region extraction means for extracting a processing region with a threshold value obtained from a cumulative frequency distribution;
A region expansion means for performing region expansion with a threshold different from the threshold for processing region extraction obtained from the cumulative frequency distribution;
A micro area deleting means for deleting the micro area;
Means for removing expansion-contraction noise and performing two-dimensional hole filling;
In the thinning processing means,
Means for reading necessary blood vessel region data from the three-dimensional image data;
Means for determining a deletion pixel based on the number of connections in consideration of linearity;
Means for determining a pixel to be deleted based on the number of connections and obtaining a thinning result;
Means for detecting an end point-branch point portion as a short branch from the thinning result, and obtaining the number of pixels and the position of the short branch from the short branch as a feature amount of the short branch;
In the feature amount calculation means for calculating the feature amount of the blood vessel region,
As the feature amount, using an index based on at least one of the number of pixels of the blood vessel region, the degree of convexity, the long diameter of the blood vessel region, the short diameter of the blood vessel region, the number of pixels on the surface, and the pixel value of the blood vessel region,
In the feature amount calculating means for calculating the feature amount of the thinned short branch,
An index based on at least one of the length of the short branch and the position of the short branch is used as the feature amount.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008141140A JP5439747B2 (en) | 2008-05-29 | 2008-05-29 | Method for operating medical image processing apparatus and medical image processing apparatus |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008141140A JP5439747B2 (en) | 2008-05-29 | 2008-05-29 | Method for operating medical image processing apparatus and medical image processing apparatus |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2009285157A JP2009285157A (en) | 2009-12-10 |
| JP5439747B2 true JP5439747B2 (en) | 2014-03-12 |
Family
ID=41454946
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008141140A Active JP5439747B2 (en) | 2008-05-29 | 2008-05-29 | Method for operating medical image processing apparatus and medical image processing apparatus |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5439747B2 (en) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5819157B2 (en) * | 2011-10-18 | 2015-11-18 | 株式会社日立ソリューションズ | Image processing apparatus and image processing method |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3577512B2 (en) * | 2001-07-17 | 2004-10-13 | 独立行政法人情報通信研究機構 | Program and apparatus for extracting cerebral blood vessels from MRA images |
| JP4507081B2 (en) * | 2004-08-02 | 2010-07-21 | 横河電機株式会社 | Image processing method, image processing apparatus, and program for image processing |
-
2008
- 2008-05-29 JP JP2008141140A patent/JP5439747B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2009285157A (en) | 2009-12-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4950071B2 (en) | Method for automatic extraction of pulmonary artery tree from 3D medical images | |
| EP3308710B1 (en) | Blood vessel image processing apparatus, blood vessel image processing program, and blood vessel image processing method | |
| US8582844B2 (en) | Medical image processing device and method | |
| JP6561349B2 (en) | Blood vessel shape construction apparatus, method and computer software program for blood flow simulation | |
| EP2827301B1 (en) | Image generation device, method, and program | |
| US10290095B2 (en) | Image processing apparatus for measuring a length of a subject and method therefor | |
| JP2008073338A (en) | Medical image processor, medical image processing method and program | |
| JP2009072576A (en) | Method, apparatus and computer program for quantitative bifurcation analysis on angiographic image | |
| CN113066061B (en) | MRA-based aneurysm detection method, system, terminal and medium | |
| US9886781B2 (en) | Image processing device and region extraction method | |
| KR101175426B1 (en) | Ultrasound system and method for providing three-dimensional ultrasound image | |
| KR101926015B1 (en) | Apparatus and method processing image | |
| US9345442B2 (en) | System and derivation method | |
| JP2008100073A (en) | Ultrasonic diagnostic apparatus and method for measuring size of target object | |
| CN102024254A (en) | Method and apparatus for detection of crossing/branching of blood vessels | |
| US9367667B2 (en) | Method and system for advanced aneurysm analysis | |
| JP2011104206A (en) | Aneurysm candidate detection support device and detecting method | |
| JP2009240543A (en) | Aneurysm measuring method, its apparatus and computer program | |
| JP4507081B2 (en) | Image processing method, image processing apparatus, and program for image processing | |
| JP2016195755A (en) | Medical image processor, medical image processing method, and medical imaging device | |
| JP5439747B2 (en) | Method for operating medical image processing apparatus and medical image processing apparatus | |
| JP2002140713A (en) | Image processing method and image processor | |
| JP2010063670A (en) | Image processing method, image processing apparatus and program for image processing | |
| CN116503395A (en) | Method, device and equipment for automatically obtaining morphological parameters aiming at wide-neck aneurysm | |
| CN107240101B (en) | Target area detection method and device, and image segmentation method and device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110517 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130314 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130520 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20130705 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131004 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20131101 |
|
| 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: 20131119 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131202 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5439747 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R371 | Transfer withdrawn |
Free format text: JAPANESE INTERMEDIATE CODE: R371 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| 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 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |