JP5635980B2 - 画像処理、特に医療画像を処理するための方法及び装置 - Google Patents
画像処理、特に医療画像を処理するための方法及び装置 Download PDFInfo
- Publication number
- JP5635980B2 JP5635980B2 JP2011512997A JP2011512997A JP5635980B2 JP 5635980 B2 JP5635980 B2 JP 5635980B2 JP 2011512997 A JP2011512997 A JP 2011512997A JP 2011512997 A JP2011512997 A JP 2011512997A JP 5635980 B2 JP5635980 B2 JP 5635980B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- label
- images
- sets
- determining
- 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 abstract description 73
- 238000012545 processing Methods 0.000 title claims description 28
- 210000004556 brain Anatomy 0.000 claims description 15
- 210000003625 skull Anatomy 0.000 claims description 12
- 238000002591 computed tomography Methods 0.000 claims description 7
- 238000000638 solvent extraction Methods 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 claims 1
- 238000002372 labelling Methods 0.000 description 23
- 206010028980 Neoplasm Diseases 0.000 description 16
- 230000011218 segmentation Effects 0.000 description 11
- 238000005259 measurement Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 230000007717 exclusion Effects 0.000 description 3
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000010168 coupling process Methods 0.000 description 2
- 238000005859 coupling reaction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 238000002360 preparation method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000006011 Stroke Diseases 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000011157 brain segmentation Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/10—Constructive solid geometry [CSG] using solid primitives, e.g. cylinders, cubes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Description
本発明は、画像の配列を処理する領域、特に、ＭＲＩなどの医療画像の配列の処理に関するものである。
医療画像の、単に視覚の質的な分析は困難であり、開業医の側では多くの経験を必要とする。画像装置などの医療機器により供給されるデジタルデータの処理の現在の可能性により、開業医を補助するための方法、特に、その開業医が診察したい構成部分の体積を評価するための方法、を使用できるようになる。それら構成部分は、一般に異形（損傷、腫瘍、卒中現象など）である。画像や部分を調節し、自動的に異形を定量化するための、大小の性能のアルゴリズムが開発されている。本目的は、特に、確実に、客観的に、かつ再生可能な方法で病気の進行を定量化し、分析画像において開業医にかかる時間を低減できることである。
医療画像の分析は、医療診断及び外科処置の決定的な局面において、重要なポイントとなっている。画像分析は、特に、（ＭＲＩ画像などの）医療画像のデジタル解釈を可能にすることで、実質的に改善されている。デジタル画像は、実際に、ある位置及び値を有する一組のデータ（例えば、グレースケール）である。画像のデジタル処理は、単に、所望のデータを得るためにこれらデータを処理することである。
一般に、画像補助の医療診断により、患者の体の器官又は部分の一組の連続的なスライスを表す一連の連続的な画像を生成することが可能となる。
分析は、本質的に、デジタル画像データに基づいているため、全体の問題は、如何にして、これらデータから実体を解釈し、そのようなデータは、多かれ少なかれ実体の真実の再提示を行なうだけであるということを心に留めておくことである。さらに、一連の画像を分析する際に困難となるのは、ある画像を結びつける要素と、連続する他の全画像を結びつける要素とを関係づける能力である。
現在、ＭＲＩ型の医療画像における体積の計算は、例えば、３Ｄで直接的に行われていない。それは、各画像部分（軸の、矢状、及び、冠状）において、２次元コンピュータツール（コンピュータスクリーンによる長さの測定、楕円、多角形、円板の測定）により実行されている。その後、開業医は、マニュアルで、近似計算を行う。異形（例えば、卒中現象、又は腫瘍）の体積は、単に幾何学的な形状に帰するものではほとんどないため、この外挿法は３次元において正確性に欠け、したがって、増幅したデルタ誤差が生じる。
特に各記号：ｎについて下記意味する。
Aは、軸部分において測定される表面であり、Δaは、この区画平面におけるその測定の不確定性である。
Sは、矢状部分で測定される表面であり、Δsは、この区画平面におけるその測定の不確定性である。
医療画像における体積Vの計算は、次の式を用いて行われる。
V＝A＊S＊F 但し、Δv＝V＊（Δa／A＋Δs／S＋Δf／F）の不確定性とする。
一般に、画像補助の医療診断により、患者の体の器官又は部分の一組の連続的なスライスを表す一連の連続的な画像を生成することが可能となる。
分析は、本質的に、デジタル画像データに基づいているため、全体の問題は、如何にして、これらデータから実体を解釈し、そのようなデータは、多かれ少なかれ実体の真実の再提示を行なうだけであるということを心に留めておくことである。さらに、一連の画像を分析する際に困難となるのは、ある画像を結びつける要素と、連続する他の全画像を結びつける要素とを関係づける能力である。
現在、ＭＲＩ型の医療画像における体積の計算は、例えば、３Ｄで直接的に行われていない。それは、各画像部分（軸の、矢状、及び、冠状）において、２次元コンピュータツール（コンピュータスクリーンによる長さの測定、楕円、多角形、円板の測定）により実行されている。その後、開業医は、マニュアルで、近似計算を行う。異形（例えば、卒中現象、又は腫瘍）の体積は、単に幾何学的な形状に帰するものではほとんどないため、この外挿法は３次元において正確性に欠け、したがって、増幅したデルタ誤差が生じる。
特に各記号：ｎについて下記意味する。
Aは、軸部分において測定される表面であり、Δaは、この区画平面におけるその測定の不確定性である。
Sは、矢状部分で測定される表面であり、Δsは、この区画平面におけるその測定の不確定性である。
医療画像における体積Vの計算は、次の式を用いて行われる。
V＝A＊S＊F 但し、Δv＝V＊（Δa／A＋Δs／S＋Δf／F）の不確定性とする。
この目的のために、本発明は、２つの画像間でラベルを伝達するための方法であって、前記方法は、次の連続するステップを備える方法を提案する。
−各セットがラベルによって特徴付けられ、数セットの連続点を有する第１画像を供給し、
−第２画像を供給し、
−前記第２画像から、数セットの連続点を決定し、
−前記第１及び第２画像のセットの共通部分及び非共通部分を決定するために、前記２つの画像を重ね合わせ、
−前記第２画像の各共通部分に、前記部分が共通となる前記第１画像のセットのラベルを与え、
−前記第１画像の単一セットの連続点と接触する前記第２画像の各非共通部分に、前記セットのラベルを与え、
−前記第１画像のいずれのセットとも接触しない前記第２画像の各非共通部分に新しいラベルを与える。
有利なこととして、しかし、任意で、本発明は次の特徴のうち少なくとも１つを備えている。
・前記方法は、異なるラベルを有する前記第１画像における少なくとも２つのセットの連続点と接触する前記第２画像の各非共通部分が削除される付加的なステップを備える。
・前記方法は、新しいラベルが、異なるラベルを有する前記第１画像における少なくとも２つのセットの連続点と接触する前記第２画像の各非共通部分に与えられる付加的なステップを備える。
・前記方法は、異なるラベルを有する前記第１画像における少なくとも２つのセットと接触する前記第２画像の各非共通部分が、前記２つのセットのうち１つの前記ラベルを受ける付加的なステップを備える。
・各ラベルはある値によって特徴付けられており、前記方法は、次のステップを更に備える。
〇前記第２画像における同一のセットと接触する前記第１画像の２つのセットの前記ラベル間における等価性を生成する。
・数個のラベルは互換性がなく、結果として、前記ラベル間で等価性が生成されない。
・セットを決定するための前記ステップは、区分化、分散フィルタの適用、及び部位充填の処理のうち少なくとも１つを備える。
本発明は、また、異なる画像から体積を決定し、各画像が実質的に平行で連続的な平面を表している方法であって、前記方法は、次のステップを備える。
〇全ての画像の中から初期画像を選択し、
〇前記初期画像の体積を決定するために要求される前記初期画像内の点を選択し、
〇前記初期画像において数セットの連続点を決定し、前記選択された連続点が前記同一のセットに属し、前記セットが１次のラベルを有し、その他のセットが２次のラベルを有し、
〇全ての前記画像に適用し、
〇前記特定のラベルを有する各画像のセットに対応する前記体積を決定する。
有利なこととして、しかし、任意で、この方法は、次の特徴のうち少なくとも１つを備える。
・前記体積決定ステップは、前記特定のラベルを有する各画像内の前記セットの表面領域を統合するステップを備える。
本発明は、また、医療のＣＴ−スキャン又はＭＲＩから体積を決定し、本発明に従った体積を決定するための前記方法の全てのステップを備える方法に関する。
患者の脳のＣＴ−スキャン又はＭＲＩ画像から体積を決定するための方法であって、前記方法は、本発明に従って体積を決定するための前記方法の全てのステップを備え、予め次のステップを備えることを特徴とする。
〇前記初期画像において、前記患者の頭蓋に対応する前記セットを決定し、
〇前記初期画像において、前記患者の脳に対応する前記セットを決定する。
本発明は、また、医療画像、例えば、ＣＴ−スキャン又はＭＲＩ画像から体積を決定するための装置であって、前記装置は、本発明に従った前記方法の全ステップを実行するための手段を備えることを特徴とする装置に関する。
前記方法は、有利なこととして、半自動式の計測（例えば、開業医によって、関心のある領域及び対応するソフトウェアによって任意に高められた色をクリックすることで）、や即時計測に使用可能であり、医療画像から体積を特定することができる。
前記方法は、有利なこととして、脳ＭＲＩの画像に対して専用であってもよく、特に、腫瘍及び卒中現象（ストロークイベント）を計測できる。本方法は、また、骨盤腔の腫瘍に対して専用であってもよい。
前記方法により、予想外に、異形（卒中現象、損傷など）の体積を高速かつ正確に取得でき、与えられた処置、特に、複雑及び／又は危険な手術に対する安全な決定を行うための処置、においてより正確な決定のために使用可能である。前記決定は、一般に、限界体積に依存している。例えば、卒中の場合において、異形の体積が脳ＭＣＡ領域の１／３を超えているとき、外科的手順が決定される。従って、本発明に従った体積計算方法によって、外科的手順（血栓崩壊のような）のためのこのトリガー限界は、信頼性がありかつ再生成可能である。
本発明の他の特徴、目的及び利点は、限定しない例として与えられる添付図面を参照して、以下、詳細な説明を読みことで明らかになる。
−各セットがラベルによって特徴付けられ、数セットの連続点を有する第１画像を供給し、
−第２画像を供給し、
−前記第２画像から、数セットの連続点を決定し、
−前記第１及び第２画像のセットの共通部分及び非共通部分を決定するために、前記２つの画像を重ね合わせ、
−前記第２画像の各共通部分に、前記部分が共通となる前記第１画像のセットのラベルを与え、
−前記第１画像の単一セットの連続点と接触する前記第２画像の各非共通部分に、前記セットのラベルを与え、
−前記第１画像のいずれのセットとも接触しない前記第２画像の各非共通部分に新しいラベルを与える。
有利なこととして、しかし、任意で、本発明は次の特徴のうち少なくとも１つを備えている。
・前記方法は、異なるラベルを有する前記第１画像における少なくとも２つのセットの連続点と接触する前記第２画像の各非共通部分が削除される付加的なステップを備える。
・前記方法は、新しいラベルが、異なるラベルを有する前記第１画像における少なくとも２つのセットの連続点と接触する前記第２画像の各非共通部分に与えられる付加的なステップを備える。
・前記方法は、異なるラベルを有する前記第１画像における少なくとも２つのセットと接触する前記第２画像の各非共通部分が、前記２つのセットのうち１つの前記ラベルを受ける付加的なステップを備える。
・各ラベルはある値によって特徴付けられており、前記方法は、次のステップを更に備える。
〇前記第２画像における同一のセットと接触する前記第１画像の２つのセットの前記ラベル間における等価性を生成する。
・数個のラベルは互換性がなく、結果として、前記ラベル間で等価性が生成されない。
・セットを決定するための前記ステップは、区分化、分散フィルタの適用、及び部位充填の処理のうち少なくとも１つを備える。
本発明は、また、異なる画像から体積を決定し、各画像が実質的に平行で連続的な平面を表している方法であって、前記方法は、次のステップを備える。
〇全ての画像の中から初期画像を選択し、
〇前記初期画像の体積を決定するために要求される前記初期画像内の点を選択し、
〇前記初期画像において数セットの連続点を決定し、前記選択された連続点が前記同一のセットに属し、前記セットが１次のラベルを有し、その他のセットが２次のラベルを有し、
〇全ての前記画像に適用し、
〇前記特定のラベルを有する各画像のセットに対応する前記体積を決定する。
有利なこととして、しかし、任意で、この方法は、次の特徴のうち少なくとも１つを備える。
・前記体積決定ステップは、前記特定のラベルを有する各画像内の前記セットの表面領域を統合するステップを備える。
本発明は、また、医療のＣＴ−スキャン又はＭＲＩから体積を決定し、本発明に従った体積を決定するための前記方法の全てのステップを備える方法に関する。
患者の脳のＣＴ−スキャン又はＭＲＩ画像から体積を決定するための方法であって、前記方法は、本発明に従って体積を決定するための前記方法の全てのステップを備え、予め次のステップを備えることを特徴とする。
〇前記初期画像において、前記患者の頭蓋に対応する前記セットを決定し、
〇前記初期画像において、前記患者の脳に対応する前記セットを決定する。
本発明は、また、医療画像、例えば、ＣＴ−スキャン又はＭＲＩ画像から体積を決定するための装置であって、前記装置は、本発明に従った前記方法の全ステップを実行するための手段を備えることを特徴とする装置に関する。
前記方法は、有利なこととして、半自動式の計測（例えば、開業医によって、関心のある領域及び対応するソフトウェアによって任意に高められた色をクリックすることで）、や即時計測に使用可能であり、医療画像から体積を特定することができる。
前記方法は、有利なこととして、脳ＭＲＩの画像に対して専用であってもよく、特に、腫瘍及び卒中現象（ストロークイベント）を計測できる。本方法は、また、骨盤腔の腫瘍に対して専用であってもよい。
前記方法により、予想外に、異形（卒中現象、損傷など）の体積を高速かつ正確に取得でき、与えられた処置、特に、複雑及び／又は危険な手術に対する安全な決定を行うための処置、においてより正確な決定のために使用可能である。前記決定は、一般に、限界体積に依存している。例えば、卒中の場合において、異形の体積が脳ＭＣＡ領域の１／３を超えているとき、外科的手順が決定される。従って、本発明に従った体積計算方法によって、外科的手順（血栓崩壊のような）のためのこのトリガー限界は、信頼性がありかつ再生成可能である。
本発明の他の特徴、目的及び利点は、限定しない例として与えられる添付図面を参照して、以下、詳細な説明を読みことで明らかになる。
本発明の一つの目的は、現状技術と比較して、一連の画像を処理するための改善した方法及び装置を提案することであり、それにより、特に、その画像を用いた体積計算の精度及び信頼性を改善することが可能となる。
本発明の方法は、予め、医療画像に適用された処理に基づいている。それら処理動作の中で、特別な使用は、区分化及び閾値処理から構成されている。
区分化
例えば、通常の構造内の複数組の形状及び／又は信号を個別的に考慮することにより、有益な情報を抽出するために、区分化は一つの画像を選択された基準（グレースケール、組織など）に従って、複数の同質の領域に分割又は区分する。
閾値処理
閾値処理は、選択基準として２つの値（最小、最大）を選択することにより、画像を２値化できる一種の区分化であり、その画像の各画素がこれら２値間の区間に属しているか否かによって決まる。
接続性（コネクティビティ）
区分化は、画像を数個のセットに分割するために使用されている。１セットの点は、このセットの全ての点間に存在する接続性によって特徴付けられている。接続性の２つのレベル間で区別が行われている。
・４-接続性
・８-接続性
図１ａを参照すると、４-接続性は、各画素の水平及び垂直の隣接する画素から確立されている。ｐ及びｑを２つの画素として下さい。画素ｐが画素ｑの４つの隣接部（１から４）のうちの一つである場合、ｐ及びｑは４-接続性を有することとなる。
図１ｂを参照すると、８-接続性は、各画素の隣接する水平、垂直、及び斜めの画素から確立されている。ｐ及びｑを２つの画素として下さい。画素ｐが画素ｑの８つの画素（１ｂから８ｂ）のうちの一つである場合、その時、ｐ及びｑは８-接続性を有することとなる。
後処理
しかしながら、区分化の結果は、開業医にとって満足なものではないかもしれない。例えば、数個の異形の輪郭が過大あるいは過小評価されているかもしれない。区分化は、実際上、いわゆる＜＜低レベル＞＞の処理であり、その画像は、しばしば画素の単独の特性の上で、区分化されている。
開業医は、画素の特性だけでなく、解剖の知識、前の経験などを用いている。そのような過去の知識により、区分化の結果を改善することができる。特に、間違った正数及び負数（例えば、間違って区分化されたセット）を減少させることにより改善が可能となる。この過去の知識は、人工知能技術、例えば、ニューラルネットワーク及びファジー論理システム、を用いて区分化された画像の後処理中に、貢献する。
ラベル付け動作
区分化の動作の後、ラベル付け動作が実行される。ラベル付け動作は、二値画像内で、一つの同一値（ラベルと称す）を、１セットの連続している画素（連続画素）に属する各画素に割り当てる、ことから構成されている。各セットの連続している点（連続点）は、したがって、ラベルにより特徴付けられている。なお、数個の連続しているセット（連続セット）は、同一のラベルを有していてもよい。
そのセットのいずれもが他のセットと接続性を有しないようにそのセットは構成されている。そうでなければ、これら２つのセットが１つの同一の連続セットに属することとなり、したがって、同一のラベルを有することとなるからである。
ラベルは、例えば、区間[１、∞]内のセットＮ＊から一般に選択された値と関連している。ラベルの値は、好ましくは、昇順で割り当てられている。
部位充填
画像処理（上記説明したようにウインド処理、閾値処理）に続いて、閉じた空洞（穴に類似）を有している１セットの連続点を考えて下さい。この処理は、連続セットの損失に繋がり、これら穴を発生させることとなるため、これら連続セットを再配置し、それらを初期セットに付けることができる。これにより、１つの連続セットのみを形成することができる（いずれの穴も無く）。
閉又は拡張動作は、初期の連続セットにおける開いた空洞部を閉じるための充填動作の前に使用することができる。これら閉又は拡張動作は、この技術分野では、良く知られており、さらに、詳述しないものとする。
分散フィルタ
作用素は、大きさ３×３（又はそれ以上）のマスクである。このマスクは画像の点（その点はマスクの中心にある）に対して適用されたとき、マスクに覆われた全てのセットの点の分散をその点に割り当てる。画像の外側には点欠けが存在しているため、このマスクは、画像の縁を除くその画像の全ての点に対して適用されている。マスクが大きくなるに従って、画像の縁（除外縁）も大きくなる。大きさ３×３のマスクのために、その縁は寸法（長さ）１となっている。分散は、下記種類の式に関して、その例の散らばりの特性である、ということが想起させる。
分散＝（２乗された値の合計の平均）−（平均２乗値）
その分散フィルタは、閾値処理の後、閾値処理の結果を改善するために、適用され得る。この作用素は、有利な点として、いくつかの応用で、帯域通過フィルタ（周波数フィルタ）を置き換える。
３Ｄラベル付け
３Ｄラベル付けの目的は、空間内の３つの平面（軸の、冠状の、矢状の）における１組の接続された直方体上に対応システムを生成することである。直方体（＜＜体積測定の画素＞＞の縮小）は、３Ｄ画素である。直方体は、物理学または３Ｄ医療画像で、特に、上記引用した医療調査機械（ＣＴ−ｓｃａｎ、ＭＲＩ、など）により生成される２Ｄのスライスのデジタル処理のために、３Ｄ空間を表すのに使用されている。従って、画素からなる一連の画像上において、異なる画像の画素間のその対応システムは、複数組の直方体を確立するために使用され得る。
この３Ｄラベル付け動作は、空間内の異なるセットの直方体を表す３つの平面のうちの１つにおいて、一連の連続する画像に対して適用することができる。
一般に、分析は、複数の平面（軸の、冠状の、矢状の）のうちの１つにおいて、一連の連続する、実質的に平行な医療画像上で行われる。
画像で得られた夫々の連続セットに対して、次の手法を用いて、ラベルは割り当てられている。まず、２つの連続する画像を重ね合わせると、共通の部分を有する、連続セットは同一のグローバル・ラベルを有する。実際に、全ての画像を通して、３つの平面における１セットの連続点は、同一のラベルを有している。
図１ａ乃至５ｄを参照すると、"部分"によって、第２画像のセットに第１画像のセットの輪郭を重ね合わせることで、そのセットの分割から得られる第２画像のセットのサブ−セットを意味する。
より正確には、"共通の部分"は、第２画像のセットのサブ−セットであり、その各画素は第１画像及び第２画像のセットに対して共通となっている。広げると、"非共通部分"によって、そのセットに対して共通の部分の切断から生じる第２画像におけるセットのサブ−セットを意味する。
図３ａ乃至３ｄを参照すると、Ｉｎ−１と称す画像が供給される。その画像は、数個の連続セットを有しており、各セットは、グローバル・ラベルにより特徴付けられている。ラベルは、１つ以上の、前に処理された画像に対して共通している点で、グローバルである。
また、次の画像（Ｉｎと称す）が、図３ｂに供給され、示されている。その画像の処理動作後に、数セットが決定されている。セットの夫々は、いわゆる、ローカル・ラベルを有しており、例えば、これらラベルは現在の画像に対して有効なだけである。
２つの画像（Ｉｎ及びＩｎ−１）は、その時、第１及び第２画像のセットの共通部分及び非共通部分を決定するために、重ね合わされる。図３ｃに示すように、この重ね合わせにより、画像Ｃｎが得られる。この画像の重ね合わせにより、画像Ｉｎ−１及び画像Ｉｎのセットに対して共通となる共通部分３５が高まる。補足として、この重ね合わせは、共通部分３５に関連する図Ｉｎのセットの補完物である非共通部分３４を高める。
画像Ｉｎの各共通部分には、そのとき、第１画像のセットのグローバル・ラベルが与えられ、その部分は第１画像と共通であり、それにより、異なる画像間の連結（対応）を確立することができる。平行して、単一のセットの画像Ｉｎ−１に接触する第２画像の各非共通部分に、そのセットのグローバル・ラベルが与えられる。
最後に、第１画像のいずれのセットとも接触しない第２画像の各非共通部分に、図示された例の第１画像のいずれのセットにも属さない新しいラベルが与えられ、ローカル・ラベル３３ｂは、グローバル・ラベル３３となる。
図４ａ乃至４ｄを参照し、３Ｄラベル付けの１つの可能な実施形態によれば、この方法は、次のステップを有している。
現在の画像、Ｉｎ−１と称す、が供給される（図４ａ参照）。この画像は、グローバル・ラベル４１及び４２と夫々関連する数個のセットを有している。
その時、図４ｂに示すように、次の画像（Ｉｎと称す）が供給される。前述したように、その画像を処理した後、数個のセットは、特に画像の区分から決定され、各セットはローカル・ラベルにより特徴付けられている。
第１及び第２画像のセットにおいて共通部分及び非共通部分を決定するために、２つの画像（Ｉｎ及びＩｎ−１）は、その時、重ね合わせられる。この重ね合わせにより、図４ｃに示すように、画像Ｃｎが得られる。この画像の重ね合わせにより、画像Ｉｎ-１及び画像Ｉｎのセットに対して共通する共通部分４３ａ及び４３ｂを高めることができる。補足的に、この重ね合わせは、共通部分に関して、図Ｉｎにおけるセットの補完物となる非共通部分４４ａ、４４ｂ及び４５を高めることもできる。
画像Ｉｎの各共通部分には、その時、その部分が共通している第１画像のセットのグローバル・ラベルが与えられる。
平行して、画像Ｉｎ-１の単一セットと接触する第２画像の各非共通部分には、そのセット（部分４４ａ及び４４ｂ）のグローバル・ラベルが与えられる。
最後に、異なるグローバル・ラベルを有する第１画像の２つのセットと接触する第２画像の非共通部分４５が、削除される。
図４ｄを参照すると、グローバル・ラベル４１及び４２と、ラベル付けされたセットの部分との間に、結合が確立される。
図５ａ乃至５ｅを参照すると、より複雑な場合が説明されている。この方法は、また、次のステップを有している。
現在の画像、Ｉｎ−１と称す、が供給される（図５ａ参照）。この画像は、グローバル・ラベル５１、５２、又は５３と夫々関連する数個のセット４１及び４２を有している。
そして、次の画像（Ｉｎと称す）が、図５ｂに示すように、供給される。その画像を処理した後、前述したように、数個のセットは、特に、画像区分から決定される。各セットはローカル・ラベル５０１、５０２、５０３、５０４、５０５、又は５０６により特徴付けられている。
第１及び第２画像におけるセットの共通部分及び非共通部分を決定するために、２つの画像（Ｉｎ及びＩｎ−１）は、その時、重ね合わせられる。この重ね合わせにより、図５ｃに示すように、画像Ｃｎを得ることができる。この画像の重ね合わせにより、画像Ｉｎ-１及び画像Ｉｎのセットに対して共通する共通部分５０２ｂ、５０２ｃ、５０２ｄ、５０２ｆ、５０３ｂ、５０３ｅ、及び５０６ｂを高めることができる。補足的に、この重ね合わせにより、共通部分に関して、画像Ｉｎにおけるセットの補完物となる非共通部分を高めることができる。
画像Ｉｎの各共通部分には、その時、その部分が共通する第１画像におけるセットのグローバル・ラベルが与えられる。
平行して、画像Ｉｎ−１の単一セットと接触する画像Ｉｎの各非共通部分には、そのセット（部分５０２ａ、５０１、５０３ａ、５０３ｃ、５０６ａ）のグローバル・ラベルが与えられる。
異なるグローバル・ラベルを有する第１画像の２つのセットと接触する、第２画像の非共通部分５０２ｈ及び５０２ｅが、削除される。
図５ｄを参照すると、グローバル・ラベル５１及び５２とラベル付けされたセットの部分との間に、結合が確立される。最後に、いずれの画像Ｉｎ−１のセットとも接触していない部分５０５及び５０４には、新しいグローバル・ラベル５４及び５５が付けられる。
結論として、同一のグローバル・ラベル値を有しない、少なくとも２つのセットと接触する非共通部分は：
−削除され、２つのグローバル・ラベル間で明確に分割される。
−又は、新しいグローバル・ラベルが割り当てられ、その部分の情報を維持しつつ、２つのグローバル・ラベル間で、明確に分割される。
−又は、これらセットのうちの１つのグローバル・ラベルが割り当てられ、グローバル・ラベルに関する情報が失われていないことを保証する。
この決定は、初期設定された次のような決定規則に従っている。この規則は、同一グローバル・ラベル値を有していない少なくとも２つのセットと接続する非共通部分の処理方法を定義するために使用される。図４ａ乃至４ｄ及び図５ａ乃至５ｄで示されるように、この規則は、従って、その部分が削除されるということを定義することができる。
この規則は、その部分に新しいグローバル・ラベル値が割り当てられるということを定義してもよい。その新しいグローバル・ラベル値は、この方法ではまだ使用されておらず、一般的に、最後に割り当てられたグローバル・ラベルの値をインクリメントすることにより得られる。
この規則は、その部分に、ラベルの優先度に従って、２つのセットのうち１つのグローバル・ラベルが割り当てられるということが定義されてもよい。
しかしながら、間違ってラベル付けされたセット又はセットの部分を回避するために、規則は互換性を有するグローバル・ラベルと互換性を有しないグローバル・ラベルとに従って、定義されている。非共通部分に関する決定規則の適用は、その部分と接触するグローバル・ラベルの互換性に従って異なる。
ラベル付け手続き中に、各グローバル・ラベルは記憶され、その関係は対応表のそのグローバル・ラベルに属する異なる画素間で決定される。これにより、連続する異なる画像間の結合を確立することができる。
この方法中及び所定の画像に対して、連続セットは互換性を有するグローバル・ラベルと接触する場合に、これらグローバル・ラベルは、等価性を有していると言われる。
これらグローバル・ラベル間の等価性は、結果として、それに等価な全てのグローバル・ラベルの等価性に起因する。等価なラベルのセット間で、最小のラベル値は、等価表の中から選択され、全ての等価なラベルに対して割り当てられる。
この方法中及び所定の画像に対して、連続セットは、そのうちのいくつかが他と互換性を有しないグローバル・ラベルと接触している場合に、グローバル・ラベルの対応表は変更されず、これらラベルのうちのいくつかの非互換性により、それらの等価性が許容されなくなる。
予め定義された規則によれば、
・新しいグローバル・ラベルをこの部分に割り当てることができる、また、
・その部分を削除でき、２つのグローバル・ラベル間の明確な分割を行うことができる。
なお、画像の各画素が、その位置（３座標ｘ、ｙ、画像ｎ°）、その強度、及びそのラベルの数と共に記憶される。
一連の初期画像上においてこの処理方法が完了すると、対応表が得られ、そこから、各グローバル・ラベルの等価なネットワークが再構成され得る（また、所定のラベルに等価な全てのラベル）。それにより、（３つの平面：軸の、冠状の、矢状の、において）連続セットの広い再構成を得ることができ、例えば、等価なネットワークに含まれるラベルと共に記憶される画素を見出すことができ、そして、これにより、直方体を決定することができる。
したがって、連続する画像において連続点のセットに属する点から、この点が属する全ての広く連続点が（例えば、空間の３平面で）見出され得る。
開業医にとって関心のある領域
ラベル付け処理の前に、開業医は異形が見られる画像（又は関心の領域）を選択する。そこで検査が望まれ、かつその中で最もよく視認できる。この画像で、開業医は、点を事前に選択できる。その点からこの画像にラベル付けを行った後、これら点に連続するセットのラベルが得られる。好ましくは、選択された点を有するそのセットには、グローバル・ラベル値１が与えられる。その画像の他のセットには、グローバル・ラベル値２が与えられる。
値１のグローバル・ラベルは、そのラベルの等価なネットワークが開業医によって要求された所望の連続セットを設計するようなラベルである。
値２のグローバル・ラベルは、そのラベルの等価なネットワークがグローバル・ラベル値１の等価なネットワークに属することができない連続セットを設計するようなラベルである。グローバル・ラベル１及び２は、互換性を有していない。
連続する画像を処理するときに、前述したように、相関表が作成される。２つのグローバル・ラベルが等価であると想定されたとき、その表は、そのラベルの値に、２つのラベルにとって等価なネットワークにおける最小値を設定することで、変更される。しかしながら、値２のグローバル・ラベルと値１のグローバル・ラベルとの等価は不能となる。：これら２つのラベルは互換性がないからである。
実際に所望のセットの部分でない画像における他のセットに対して、これは、とても重要な規則であり、ラベル１（開業医により要求されたセット）の"悪影響"を回避する。
なお、一連の画像において、第１の処理画像は、必ずしも、その連続における第１の画像というわけはない。したがって、初期画像を選択するために準備が行われ、そのとき、２つの連続する画像を得ることができる。：
−この初期画像から始まる第１の連続部分は、上方向で、最後の画像まで延びており、
−この初期画像から始まる第２の連続部分は、下方向で、第１画像まで延びている。
この初期画像の選択により、最良の画像の選択が可能となり、その画像では、検査される異形が識別され得る。
連続する第１部分の処理中に、対応表は生成され、そして、それは連続する第２部分に対して使用される同一の表となる。
連続する第２部分を処理するために、初期画像は前述のように使用されるが、連続の第２部分が最後のラベル値の後にスタートする間に割り当てられた新しいグローバル・ラベルが、第１の連続部分の処理中に到達するという点で異なる。
処理が完了すると対応表が得られ、その対応表から、各ラベルの等価なネットワークを再構成することができる。それにより、連続セット（例えば、３つの平面：軸の、冠状の、矢状の、において）の広い再構成を得ることができる。
したがって、グローバル・ラベル１から、このラベルに関係する全ての広く連続している点を見出すことができる。
一連のＭＲＩ脳画像に対する適用
図６ａ乃至６ｄを参照して、我々は、一連のＭＲＩ脳画像に対する本発明の方法の適用を説明する。
最初に、軸の平面において、一連の連続する画像が存在する。これら画像は、磁気共鳴映像処理、ＭＲＩから得られる。
開業医の全体の目的は、連続する画像の中から少なくとも１つにおいて、異形（腫瘍、卒中現象など）を識別することであり、その異形上で選択した計測（例えば、体積の計測）を行うことができる。
初期の連続する画像から、開業医は、点状の影、あるいは、より基本的には、この異形の開始及び終了を含む一連の画像を抽出する。
頭蓋の分割
連続中の各画像に対して、及び頭蓋の形状から、連続セット、このセットの点の共通重心は計算される。
そうするために、簡単な閾値処理が行われ、例えば、最大閾値及び最小閾値で得られた画像の２値化を行い、図６ａに示すように、頭蓋の最良の分割を行う。その画像では、白い骨部分を明確に識別することができる。
部位充填は、そのとき、頭蓋の全形状を得るために行われる。
脳の区分化
連続中の各画像に対して、及び、前に計算した頭蓋の部位から、脳の形状が計算される。
そうするために、各画像に対して、次のことが行われる。
−図６ｂに示すように、脳の最良の区分を得るために画像の閾値処理を行い、
−そのとき、その画像における中心を維持しつつ、所定係数（一般的に、０．９９と０．９との間の比例係数）によって、頭蓋の形状（前に区分化した）を縮小するために準備がおこなわれ、縮小された形状を超えた除外領域を定義する。したがって、縮小された形状の外側のどの点も、（したがって、頭蓋の骨塊に属するであろう）自動的に除外される。
−脳の部位充填もまた、脳の全形状を得るために行われる。
腫瘍の区分化
また、閾値処理は、図６ｃに示すように、腫瘍（又はいずれかの他の異形）の最良の区分を得るために行われる。
有利なこととして、分散フィルタは、（例えば、３×３マスクの形式で）、結果画像を閾値処理する前に、初期の画像に対して適用されてもよい。
腫瘍に閾値処理を行うときに、前に定義された除外部位は、頭蓋を考慮しないようにできる。この場合、異なる点のセットにおける部位充填は実行される。その除外部位により、部位充填は頭蓋自身上ではなく、頭蓋内の全要素上に行われる。
画像は、そのとき、ラベル付けされる（図６ｄ参照）。この画像のラベル付けにより、開業医は、ここでは腫瘍を表しており、検査するセット（グローバル・ラベル値１）、及び検査するセットの外側のセット（グローバル・ラベル値２）を定義することができる。腫瘍は、それにより、区分化されており、その初期画像において、その腫瘍を形成している各連続セットの点の位置を示している。
有利なこととして、初期画像において、（例えば、画像の残余部分から腫瘍を分割することにより）連続点の同一セットをいくつかのセットに分割するために使用される境界線を、定義することができる。これら境界線は、その腫瘍の部分が外部要素と考えられる要素に連結されたセットを、分離することができる（図６ｄ参照）。
体積計算
この方法の最後に、図７を参照して、検査する連続セットの体積が、計算される（例えば、腫瘍）。
画像の空間的な分解及び各画像間の間隔から、区分化されたセットにおける直方体のカウント数を用いて、腫瘍の体積を決定することができる。体積は、したがって、腫瘍の連続的なスライスの表面領域間の直線補間を行うことで、算出される。
区分化
例えば、通常の構造内の複数組の形状及び／又は信号を個別的に考慮することにより、有益な情報を抽出するために、区分化は一つの画像を選択された基準（グレースケール、組織など）に従って、複数の同質の領域に分割又は区分する。
閾値処理
閾値処理は、選択基準として２つの値（最小、最大）を選択することにより、画像を２値化できる一種の区分化であり、その画像の各画素がこれら２値間の区間に属しているか否かによって決まる。
接続性（コネクティビティ）
区分化は、画像を数個のセットに分割するために使用されている。１セットの点は、このセットの全ての点間に存在する接続性によって特徴付けられている。接続性の２つのレベル間で区別が行われている。
・４-接続性
・８-接続性
図１ａを参照すると、４-接続性は、各画素の水平及び垂直の隣接する画素から確立されている。ｐ及びｑを２つの画素として下さい。画素ｐが画素ｑの４つの隣接部（１から４）のうちの一つである場合、ｐ及びｑは４-接続性を有することとなる。
図１ｂを参照すると、８-接続性は、各画素の隣接する水平、垂直、及び斜めの画素から確立されている。ｐ及びｑを２つの画素として下さい。画素ｐが画素ｑの８つの画素（１ｂから８ｂ）のうちの一つである場合、その時、ｐ及びｑは８-接続性を有することとなる。
後処理
しかしながら、区分化の結果は、開業医にとって満足なものではないかもしれない。例えば、数個の異形の輪郭が過大あるいは過小評価されているかもしれない。区分化は、実際上、いわゆる＜＜低レベル＞＞の処理であり、その画像は、しばしば画素の単独の特性の上で、区分化されている。
開業医は、画素の特性だけでなく、解剖の知識、前の経験などを用いている。そのような過去の知識により、区分化の結果を改善することができる。特に、間違った正数及び負数（例えば、間違って区分化されたセット）を減少させることにより改善が可能となる。この過去の知識は、人工知能技術、例えば、ニューラルネットワーク及びファジー論理システム、を用いて区分化された画像の後処理中に、貢献する。
ラベル付け動作
区分化の動作の後、ラベル付け動作が実行される。ラベル付け動作は、二値画像内で、一つの同一値（ラベルと称す）を、１セットの連続している画素（連続画素）に属する各画素に割り当てる、ことから構成されている。各セットの連続している点（連続点）は、したがって、ラベルにより特徴付けられている。なお、数個の連続しているセット（連続セット）は、同一のラベルを有していてもよい。
そのセットのいずれもが他のセットと接続性を有しないようにそのセットは構成されている。そうでなければ、これら２つのセットが１つの同一の連続セットに属することとなり、したがって、同一のラベルを有することとなるからである。
ラベルは、例えば、区間[１、∞]内のセットＮ＊から一般に選択された値と関連している。ラベルの値は、好ましくは、昇順で割り当てられている。
部位充填
画像処理（上記説明したようにウインド処理、閾値処理）に続いて、閉じた空洞（穴に類似）を有している１セットの連続点を考えて下さい。この処理は、連続セットの損失に繋がり、これら穴を発生させることとなるため、これら連続セットを再配置し、それらを初期セットに付けることができる。これにより、１つの連続セットのみを形成することができる（いずれの穴も無く）。
閉又は拡張動作は、初期の連続セットにおける開いた空洞部を閉じるための充填動作の前に使用することができる。これら閉又は拡張動作は、この技術分野では、良く知られており、さらに、詳述しないものとする。
分散フィルタ
作用素は、大きさ３×３（又はそれ以上）のマスクである。このマスクは画像の点（その点はマスクの中心にある）に対して適用されたとき、マスクに覆われた全てのセットの点の分散をその点に割り当てる。画像の外側には点欠けが存在しているため、このマスクは、画像の縁を除くその画像の全ての点に対して適用されている。マスクが大きくなるに従って、画像の縁（除外縁）も大きくなる。大きさ３×３のマスクのために、その縁は寸法（長さ）１となっている。分散は、下記種類の式に関して、その例の散らばりの特性である、ということが想起させる。
分散＝（２乗された値の合計の平均）−（平均２乗値）
その分散フィルタは、閾値処理の後、閾値処理の結果を改善するために、適用され得る。この作用素は、有利な点として、いくつかの応用で、帯域通過フィルタ（周波数フィルタ）を置き換える。
３Ｄラベル付け
３Ｄラベル付けの目的は、空間内の３つの平面（軸の、冠状の、矢状の）における１組の接続された直方体上に対応システムを生成することである。直方体（＜＜体積測定の画素＞＞の縮小）は、３Ｄ画素である。直方体は、物理学または３Ｄ医療画像で、特に、上記引用した医療調査機械（ＣＴ−ｓｃａｎ、ＭＲＩ、など）により生成される２Ｄのスライスのデジタル処理のために、３Ｄ空間を表すのに使用されている。従って、画素からなる一連の画像上において、異なる画像の画素間のその対応システムは、複数組の直方体を確立するために使用され得る。
この３Ｄラベル付け動作は、空間内の異なるセットの直方体を表す３つの平面のうちの１つにおいて、一連の連続する画像に対して適用することができる。
一般に、分析は、複数の平面（軸の、冠状の、矢状の）のうちの１つにおいて、一連の連続する、実質的に平行な医療画像上で行われる。
画像で得られた夫々の連続セットに対して、次の手法を用いて、ラベルは割り当てられている。まず、２つの連続する画像を重ね合わせると、共通の部分を有する、連続セットは同一のグローバル・ラベルを有する。実際に、全ての画像を通して、３つの平面における１セットの連続点は、同一のラベルを有している。
図１ａ乃至５ｄを参照すると、"部分"によって、第２画像のセットに第１画像のセットの輪郭を重ね合わせることで、そのセットの分割から得られる第２画像のセットのサブ−セットを意味する。
より正確には、"共通の部分"は、第２画像のセットのサブ−セットであり、その各画素は第１画像及び第２画像のセットに対して共通となっている。広げると、"非共通部分"によって、そのセットに対して共通の部分の切断から生じる第２画像におけるセットのサブ−セットを意味する。
図３ａ乃至３ｄを参照すると、Ｉｎ−１と称す画像が供給される。その画像は、数個の連続セットを有しており、各セットは、グローバル・ラベルにより特徴付けられている。ラベルは、１つ以上の、前に処理された画像に対して共通している点で、グローバルである。
また、次の画像（Ｉｎと称す）が、図３ｂに供給され、示されている。その画像の処理動作後に、数セットが決定されている。セットの夫々は、いわゆる、ローカル・ラベルを有しており、例えば、これらラベルは現在の画像に対して有効なだけである。
２つの画像（Ｉｎ及びＩｎ−１）は、その時、第１及び第２画像のセットの共通部分及び非共通部分を決定するために、重ね合わされる。図３ｃに示すように、この重ね合わせにより、画像Ｃｎが得られる。この画像の重ね合わせにより、画像Ｉｎ−１及び画像Ｉｎのセットに対して共通となる共通部分３５が高まる。補足として、この重ね合わせは、共通部分３５に関連する図Ｉｎのセットの補完物である非共通部分３４を高める。
画像Ｉｎの各共通部分には、そのとき、第１画像のセットのグローバル・ラベルが与えられ、その部分は第１画像と共通であり、それにより、異なる画像間の連結（対応）を確立することができる。平行して、単一のセットの画像Ｉｎ−１に接触する第２画像の各非共通部分に、そのセットのグローバル・ラベルが与えられる。
最後に、第１画像のいずれのセットとも接触しない第２画像の各非共通部分に、図示された例の第１画像のいずれのセットにも属さない新しいラベルが与えられ、ローカル・ラベル３３ｂは、グローバル・ラベル３３となる。
図４ａ乃至４ｄを参照し、３Ｄラベル付けの１つの可能な実施形態によれば、この方法は、次のステップを有している。
現在の画像、Ｉｎ−１と称す、が供給される（図４ａ参照）。この画像は、グローバル・ラベル４１及び４２と夫々関連する数個のセットを有している。
その時、図４ｂに示すように、次の画像（Ｉｎと称す）が供給される。前述したように、その画像を処理した後、数個のセットは、特に画像の区分から決定され、各セットはローカル・ラベルにより特徴付けられている。
第１及び第２画像のセットにおいて共通部分及び非共通部分を決定するために、２つの画像（Ｉｎ及びＩｎ−１）は、その時、重ね合わせられる。この重ね合わせにより、図４ｃに示すように、画像Ｃｎが得られる。この画像の重ね合わせにより、画像Ｉｎ-１及び画像Ｉｎのセットに対して共通する共通部分４３ａ及び４３ｂを高めることができる。補足的に、この重ね合わせは、共通部分に関して、図Ｉｎにおけるセットの補完物となる非共通部分４４ａ、４４ｂ及び４５を高めることもできる。
画像Ｉｎの各共通部分には、その時、その部分が共通している第１画像のセットのグローバル・ラベルが与えられる。
平行して、画像Ｉｎ-１の単一セットと接触する第２画像の各非共通部分には、そのセット（部分４４ａ及び４４ｂ）のグローバル・ラベルが与えられる。
最後に、異なるグローバル・ラベルを有する第１画像の２つのセットと接触する第２画像の非共通部分４５が、削除される。
図４ｄを参照すると、グローバル・ラベル４１及び４２と、ラベル付けされたセットの部分との間に、結合が確立される。
図５ａ乃至５ｅを参照すると、より複雑な場合が説明されている。この方法は、また、次のステップを有している。
現在の画像、Ｉｎ−１と称す、が供給される（図５ａ参照）。この画像は、グローバル・ラベル５１、５２、又は５３と夫々関連する数個のセット４１及び４２を有している。
そして、次の画像（Ｉｎと称す）が、図５ｂに示すように、供給される。その画像を処理した後、前述したように、数個のセットは、特に、画像区分から決定される。各セットはローカル・ラベル５０１、５０２、５０３、５０４、５０５、又は５０６により特徴付けられている。
第１及び第２画像におけるセットの共通部分及び非共通部分を決定するために、２つの画像（Ｉｎ及びＩｎ−１）は、その時、重ね合わせられる。この重ね合わせにより、図５ｃに示すように、画像Ｃｎを得ることができる。この画像の重ね合わせにより、画像Ｉｎ-１及び画像Ｉｎのセットに対して共通する共通部分５０２ｂ、５０２ｃ、５０２ｄ、５０２ｆ、５０３ｂ、５０３ｅ、及び５０６ｂを高めることができる。補足的に、この重ね合わせにより、共通部分に関して、画像Ｉｎにおけるセットの補完物となる非共通部分を高めることができる。
画像Ｉｎの各共通部分には、その時、その部分が共通する第１画像におけるセットのグローバル・ラベルが与えられる。
平行して、画像Ｉｎ−１の単一セットと接触する画像Ｉｎの各非共通部分には、そのセット（部分５０２ａ、５０１、５０３ａ、５０３ｃ、５０６ａ）のグローバル・ラベルが与えられる。
異なるグローバル・ラベルを有する第１画像の２つのセットと接触する、第２画像の非共通部分５０２ｈ及び５０２ｅが、削除される。
図５ｄを参照すると、グローバル・ラベル５１及び５２とラベル付けされたセットの部分との間に、結合が確立される。最後に、いずれの画像Ｉｎ−１のセットとも接触していない部分５０５及び５０４には、新しいグローバル・ラベル５４及び５５が付けられる。
結論として、同一のグローバル・ラベル値を有しない、少なくとも２つのセットと接触する非共通部分は：
−削除され、２つのグローバル・ラベル間で明確に分割される。
−又は、新しいグローバル・ラベルが割り当てられ、その部分の情報を維持しつつ、２つのグローバル・ラベル間で、明確に分割される。
−又は、これらセットのうちの１つのグローバル・ラベルが割り当てられ、グローバル・ラベルに関する情報が失われていないことを保証する。
この決定は、初期設定された次のような決定規則に従っている。この規則は、同一グローバル・ラベル値を有していない少なくとも２つのセットと接続する非共通部分の処理方法を定義するために使用される。図４ａ乃至４ｄ及び図５ａ乃至５ｄで示されるように、この規則は、従って、その部分が削除されるということを定義することができる。
この規則は、その部分に新しいグローバル・ラベル値が割り当てられるということを定義してもよい。その新しいグローバル・ラベル値は、この方法ではまだ使用されておらず、一般的に、最後に割り当てられたグローバル・ラベルの値をインクリメントすることにより得られる。
この規則は、その部分に、ラベルの優先度に従って、２つのセットのうち１つのグローバル・ラベルが割り当てられるということが定義されてもよい。
しかしながら、間違ってラベル付けされたセット又はセットの部分を回避するために、規則は互換性を有するグローバル・ラベルと互換性を有しないグローバル・ラベルとに従って、定義されている。非共通部分に関する決定規則の適用は、その部分と接触するグローバル・ラベルの互換性に従って異なる。
ラベル付け手続き中に、各グローバル・ラベルは記憶され、その関係は対応表のそのグローバル・ラベルに属する異なる画素間で決定される。これにより、連続する異なる画像間の結合を確立することができる。
この方法中及び所定の画像に対して、連続セットは互換性を有するグローバル・ラベルと接触する場合に、これらグローバル・ラベルは、等価性を有していると言われる。
これらグローバル・ラベル間の等価性は、結果として、それに等価な全てのグローバル・ラベルの等価性に起因する。等価なラベルのセット間で、最小のラベル値は、等価表の中から選択され、全ての等価なラベルに対して割り当てられる。
この方法中及び所定の画像に対して、連続セットは、そのうちのいくつかが他と互換性を有しないグローバル・ラベルと接触している場合に、グローバル・ラベルの対応表は変更されず、これらラベルのうちのいくつかの非互換性により、それらの等価性が許容されなくなる。
予め定義された規則によれば、
・新しいグローバル・ラベルをこの部分に割り当てることができる、また、
・その部分を削除でき、２つのグローバル・ラベル間の明確な分割を行うことができる。
なお、画像の各画素が、その位置（３座標ｘ、ｙ、画像ｎ°）、その強度、及びそのラベルの数と共に記憶される。
一連の初期画像上においてこの処理方法が完了すると、対応表が得られ、そこから、各グローバル・ラベルの等価なネットワークが再構成され得る（また、所定のラベルに等価な全てのラベル）。それにより、（３つの平面：軸の、冠状の、矢状の、において）連続セットの広い再構成を得ることができ、例えば、等価なネットワークに含まれるラベルと共に記憶される画素を見出すことができ、そして、これにより、直方体を決定することができる。
したがって、連続する画像において連続点のセットに属する点から、この点が属する全ての広く連続点が（例えば、空間の３平面で）見出され得る。
開業医にとって関心のある領域
ラベル付け処理の前に、開業医は異形が見られる画像（又は関心の領域）を選択する。そこで検査が望まれ、かつその中で最もよく視認できる。この画像で、開業医は、点を事前に選択できる。その点からこの画像にラベル付けを行った後、これら点に連続するセットのラベルが得られる。好ましくは、選択された点を有するそのセットには、グローバル・ラベル値１が与えられる。その画像の他のセットには、グローバル・ラベル値２が与えられる。
値１のグローバル・ラベルは、そのラベルの等価なネットワークが開業医によって要求された所望の連続セットを設計するようなラベルである。
値２のグローバル・ラベルは、そのラベルの等価なネットワークがグローバル・ラベル値１の等価なネットワークに属することができない連続セットを設計するようなラベルである。グローバル・ラベル１及び２は、互換性を有していない。
連続する画像を処理するときに、前述したように、相関表が作成される。２つのグローバル・ラベルが等価であると想定されたとき、その表は、そのラベルの値に、２つのラベルにとって等価なネットワークにおける最小値を設定することで、変更される。しかしながら、値２のグローバル・ラベルと値１のグローバル・ラベルとの等価は不能となる。：これら２つのラベルは互換性がないからである。
実際に所望のセットの部分でない画像における他のセットに対して、これは、とても重要な規則であり、ラベル１（開業医により要求されたセット）の"悪影響"を回避する。
なお、一連の画像において、第１の処理画像は、必ずしも、その連続における第１の画像というわけはない。したがって、初期画像を選択するために準備が行われ、そのとき、２つの連続する画像を得ることができる。：
−この初期画像から始まる第１の連続部分は、上方向で、最後の画像まで延びており、
−この初期画像から始まる第２の連続部分は、下方向で、第１画像まで延びている。
この初期画像の選択により、最良の画像の選択が可能となり、その画像では、検査される異形が識別され得る。
連続する第１部分の処理中に、対応表は生成され、そして、それは連続する第２部分に対して使用される同一の表となる。
連続する第２部分を処理するために、初期画像は前述のように使用されるが、連続の第２部分が最後のラベル値の後にスタートする間に割り当てられた新しいグローバル・ラベルが、第１の連続部分の処理中に到達するという点で異なる。
処理が完了すると対応表が得られ、その対応表から、各ラベルの等価なネットワークを再構成することができる。それにより、連続セット（例えば、３つの平面：軸の、冠状の、矢状の、において）の広い再構成を得ることができる。
したがって、グローバル・ラベル１から、このラベルに関係する全ての広く連続している点を見出すことができる。
一連のＭＲＩ脳画像に対する適用
図６ａ乃至６ｄを参照して、我々は、一連のＭＲＩ脳画像に対する本発明の方法の適用を説明する。
最初に、軸の平面において、一連の連続する画像が存在する。これら画像は、磁気共鳴映像処理、ＭＲＩから得られる。
開業医の全体の目的は、連続する画像の中から少なくとも１つにおいて、異形（腫瘍、卒中現象など）を識別することであり、その異形上で選択した計測（例えば、体積の計測）を行うことができる。
初期の連続する画像から、開業医は、点状の影、あるいは、より基本的には、この異形の開始及び終了を含む一連の画像を抽出する。
頭蓋の分割
連続中の各画像に対して、及び頭蓋の形状から、連続セット、このセットの点の共通重心は計算される。
そうするために、簡単な閾値処理が行われ、例えば、最大閾値及び最小閾値で得られた画像の２値化を行い、図６ａに示すように、頭蓋の最良の分割を行う。その画像では、白い骨部分を明確に識別することができる。
部位充填は、そのとき、頭蓋の全形状を得るために行われる。
脳の区分化
連続中の各画像に対して、及び、前に計算した頭蓋の部位から、脳の形状が計算される。
そうするために、各画像に対して、次のことが行われる。
−図６ｂに示すように、脳の最良の区分を得るために画像の閾値処理を行い、
−そのとき、その画像における中心を維持しつつ、所定係数（一般的に、０．９９と０．９との間の比例係数）によって、頭蓋の形状（前に区分化した）を縮小するために準備がおこなわれ、縮小された形状を超えた除外領域を定義する。したがって、縮小された形状の外側のどの点も、（したがって、頭蓋の骨塊に属するであろう）自動的に除外される。
−脳の部位充填もまた、脳の全形状を得るために行われる。
腫瘍の区分化
また、閾値処理は、図６ｃに示すように、腫瘍（又はいずれかの他の異形）の最良の区分を得るために行われる。
有利なこととして、分散フィルタは、（例えば、３×３マスクの形式で）、結果画像を閾値処理する前に、初期の画像に対して適用されてもよい。
腫瘍に閾値処理を行うときに、前に定義された除外部位は、頭蓋を考慮しないようにできる。この場合、異なる点のセットにおける部位充填は実行される。その除外部位により、部位充填は頭蓋自身上ではなく、頭蓋内の全要素上に行われる。
画像は、そのとき、ラベル付けされる（図６ｄ参照）。この画像のラベル付けにより、開業医は、ここでは腫瘍を表しており、検査するセット（グローバル・ラベル値１）、及び検査するセットの外側のセット（グローバル・ラベル値２）を定義することができる。腫瘍は、それにより、区分化されており、その初期画像において、その腫瘍を形成している各連続セットの点の位置を示している。
有利なこととして、初期画像において、（例えば、画像の残余部分から腫瘍を分割することにより）連続点の同一セットをいくつかのセットに分割するために使用される境界線を、定義することができる。これら境界線は、その腫瘍の部分が外部要素と考えられる要素に連結されたセットを、分離することができる（図６ｄ参照）。
体積計算
この方法の最後に、図７を参照して、検査する連続セットの体積が、計算される（例えば、腫瘍）。
画像の空間的な分解及び各画像間の間隔から、区分化されたセットにおける直方体のカウント数を用いて、腫瘍の体積を決定することができる。体積は、したがって、腫瘍の連続的なスライスの表面領域間の直線補間を行うことで、算出される。
Claims (12)
- ２つの画像間でラベルを伝達するための方法であって、
前記方法は、
各セットがラベル（３１、３２、４１、４２、５１、５２、５３）によって特徴付けられ、数セットの連続点を有する第１画像（Ｉｎ−１）を供給するステップと、
第２画像（Ｉｎ）を供給し、前記第２画像から、数セットの連続点（３１ｂ、３２ｂ、３３ｂ、５０１、５０２、５０３、５０４、５０５、５０６）を決定するステップと、
前記第１及び第２画像のセットの共通部分（３５、４３ａ、４３ｂ、５０６ｂ、５０２ｂ、５０２ｃ、５０２ｄ、５０２ｆ、５０３ｂ、５０３ｄ）及び非共通部分（３４、４４ｂ、４５、５０１、５０３ａ、５０３ｃ、５０２ａ、５０２ｂ、５０２ｇ、５０２ｅ、５０４、５０５、５０６ａ）を決定するために、前記２つの画像を重ね合わせるステップと、
前記第２画像の各共通部分に、前記部分が共通となる前記第１画像のセットのラベル（３１、４４ｂ、５０６ａ、５０２ａ、５０３ａ）を与えるステップと、
前記第１画像の単一セットの連続点と接触する前記第２画像の各非共通部分（３１、４４ｂ、５０６ａ、５０２ａ、５０３ａ）に、前記セットのラベルを与えるステップと、
前記第１画像のいずれのセットとも接触しない前記第２画像の各非共通部分（３４、５０１、５０４、５０５）に新しいラベルを与えるステップと、
異なるラベルを有する前記第１画像における少なくとも２つのセットの連続点と接触する前記第２画像の各非共通部分（４５、５０２ｂ、５０２ｅ、５０３ｃ）が削除される、又は、新しいラベルが、異なるラベルを有する前記第１画像における少なくとも２つのセットの連続点と接触する前記第２画像の各非共通部分（４５、５０２ｂ、５０２ｅ、５０３ｃ）に与えられるステップと、
を備える、ことを特徴とする方法。 - 請求項１記載の方法であって、
前記方法は、
異なるラベルを有する前記第１画像における少なくとも２つのセットと接触する前記第２画像の各非共通部分（４５、５０２ｂ、５０２ｅ、５０３ｃ）が、前記２つのセットのうち１つの前記ラベルを受けるステップを更に備えることを特徴とする方法。 - 請求項１又は２記載の方法であって、
各ラベルはある値によって特徴付けられており、
前記方法は、
前記第２画像における同一のセットと接触する前記第１画像の２つのセットの前記ラベル間における等価性を生成するステップを更に備えることを特徴とする方法。 - 請求項３記載の方法であって、
数個のラベルは互換性がなく、結果として、前記ラベル間で等価性が生成されない、方法。 - 請求項１乃至４のうちいずれか１項記載の方法であって、
セットを決定するための前記ステップは、区分化、分散フィルタの適用、及び部位充填の処理のうち少なくとも１つを備えることを特徴とする方法。 - 異なる画像から体積を決定し、各画像が実質的に平行で連続的な平面を表している方法であって、
前記方法は、
全ての画像の中から初期画像を選択するステップと、
前記初期画像の体積を決定するために要求される前記初期画像内の点を選択するステップと、
前記初期画像において数セットの連続点を決定し、前記選択された連続点が前記同一のセットに属し、前記セットが１次のラベルを有し、その他のセットが２次のラベルを有するステップと、を備え、
前記方法は、
請求項１乃至５のうちいずれか１項記載の前記ラベル伝達方法を、全ての前記画像に適用するステップと、
前記特定のラベルを有する各画像のセットに対応する前記体積を決定するステップと、を更に備えることを特徴とする方法。 - 請求項６記載の体積を決定する方法であって、
前記体積決定ステップは、前記特定のラベルを有する各画像内の前記セットの表面領域を統合するステップを備える方法。 - 医療のＣＴ−スキャン又はＭＲＩから体積を決定する方法であって、
前記方法は、請求項６又は７に記載の前記方法の全てのステップを備えることを特徴とする方法。 - 患者の脳のＣＴ−スキャン又はＭＲＩ画像から体積を決定する方法であって、
前記方法は、請求項６又は７に記載の前記方法のステップを備え、かつ、
前記方法は、予め、
前記初期画像において、前記患者の頭蓋に対応する前記セットを決定するステップと、
前記初期画像において、前記患者の脳に対応する前記セットを決定するステップと、を更に備える、ことを特徴とする方法。 - 医療画像、例えば、ＣＴ−スキャン又はＭＲＩ画像から体積を決定するための装置であって、
前記装置は、請求項６又は７に記載の前記方法の全ステップを実行するための手段を備えることを特徴とする装置。 - 請求項１０に記載の装置であって、
前記医療画像を取得するための装置を更に備える装置。 - 請求項６又は７に記載の前記方法の全ステップを実行するために、コンピュータで使用できる媒体に記憶されたプログラムコード指令を備えるプログラム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| FR0853911A FR2932599A1 (fr) | 2008-06-12 | 2008-06-12 | Procede et dispositif de traitement d'image, notamment pour le traitement d'images medicales pour la determination de vo lumes 3d |
| FR0853911 | 2008-06-12 | ||
| PCT/EP2009/057313 WO2009150236A1 (fr) | 2008-06-12 | 2009-06-12 | Procédé et dispositif de traitement d'image, notamment pour le traitement d'images médicales |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011523147A JP2011523147A (ja) | 2011-08-04 |
| JP5635980B2 true JP5635980B2 (ja) | 2014-12-03 |
Family
ID=40099565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2011512997A Active JP5635980B2 (ja) | 2008-06-12 | 2009-06-12 | 画像処理、特に医療画像を処理するための方法及び装置 |
Country Status (10)
| Country | Link |
|---|---|
| US (1) | US9105095B2 (ja) |
| EP (1) | EP2171687B1 (ja) |
| JP (1) | JP5635980B2 (ja) |
| CN (1) | CN102132320A (ja) |
| AT (1) | ATE487996T1 (ja) |
| CA (1) | CA2765241A1 (ja) |
| DE (1) | DE602009000348D1 (ja) |
| ES (1) | ES2355794T3 (ja) |
| FR (1) | FR2932599A1 (ja) |
| WO (1) | WO2009150236A1 (ja) |
Families Citing this family (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102760289A (zh) * | 2011-04-29 | 2012-10-31 | 王晓东 | 一种嵌入式复杂连通域搜索方法 |
| US9513357B2 (en) | 2011-07-07 | 2016-12-06 | The Board Of Trustees Of The Leland Stanford Junior University | Comprehensive cardiovascular analysis with volumetric phase-contrast MRI |
| US10331852B2 (en) | 2014-01-17 | 2019-06-25 | Arterys Inc. | Medical imaging and efficient sharing of medical imaging information |
| CN106170246A (zh) | 2014-01-17 | 2016-11-30 | 阿特瑞斯公司 | 用于四维(4d)流磁共振成像的设备、方法和产品 |
| CN107613873B (zh) * | 2015-03-12 | 2021-10-29 | 阿斯托计算机断层扫描公司 | 用于物体的原地靶向的方法和系统 |
| US10716457B2 (en) * | 2015-10-14 | 2020-07-21 | Siemens Aktiengesellschaft | Method and system for calculating resected tissue volume from 2D/2.5D intraoperative image data |
| CN108603922A (zh) * | 2015-11-29 | 2018-09-28 | 阿特瑞斯公司 | 自动心脏体积分割 |
| WO2018090091A1 (en) | 2016-11-21 | 2018-05-24 | Nano-X Pty Ltd | Three-dimensional tracking of a target in a body |
| WO2018140596A2 (en) * | 2017-01-27 | 2018-08-02 | Arterys Inc. | Automated segmentation utilizing fully convolutional networks |
| EP3629898A4 (en) * | 2017-05-30 | 2021-01-20 | Arterys Inc. | AUTOMATED LESION DETECTION, SEGMENTATION AND LONGITUDINAL IDENTIFICATION |
| EP3714467A4 (en) | 2017-11-22 | 2021-09-15 | Arterys Inc. | CONTENT-BASED IMAGE RECOVERY FOR LESION ANALYSIS |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH077444B2 (ja) * | 1986-09-03 | 1995-01-30 | 株式会社東芝 | 三次元画像の連結成分抽出装置 |
| US4791567A (en) * | 1986-09-15 | 1988-12-13 | General Electric Company | Three dimensional connectivity system employing an equivalence schema for determining connected substructures within a body |
| JPS6488689A (en) * | 1987-09-29 | 1989-04-03 | Toshiba Corp | Three dimensional labelling device |
| JP4878239B2 (ja) * | 2006-08-09 | 2012-02-15 | 日立アロカメディカル株式会社 | 超音波診断装置 |
-
2008
- 2008-06-12 FR FR0853911A patent/FR2932599A1/fr active Pending
-
2009
- 2009-06-12 EP EP09744586A patent/EP2171687B1/fr active Active
- 2009-06-12 CN CN2009801235834A patent/CN102132320A/zh active Pending
- 2009-06-12 JP JP2011512997A patent/JP5635980B2/ja active Active
- 2009-06-12 CA CA2765241A patent/CA2765241A1/fr not_active Abandoned
- 2009-06-12 US US12/600,373 patent/US9105095B2/en active Active
- 2009-06-12 AT AT09744586T patent/ATE487996T1/de not_active IP Right Cessation
- 2009-06-12 DE DE602009000348T patent/DE602009000348D1/de active Active
- 2009-06-12 ES ES09744586T patent/ES2355794T3/es active Active
- 2009-06-12 WO PCT/EP2009/057313 patent/WO2009150236A1/fr active Application Filing
Also Published As
| Publication number | Publication date |
|---|---|
| FR2932599A1 (fr) | 2009-12-18 |
| EP2171687A1 (fr) | 2010-04-07 |
| ES2355794T3 (es) | 2011-03-31 |
| DE602009000348D1 (de) | 2010-12-23 |
| JP2011523147A (ja) | 2011-08-04 |
| CN102132320A (zh) | 2011-07-20 |
| ATE487996T1 (de) | 2010-11-15 |
| WO2009150236A1 (fr) | 2009-12-17 |
| US9105095B2 (en) | 2015-08-11 |
| US20110311120A1 (en) | 2011-12-22 |
| CA2765241A1 (fr) | 2009-12-17 |
| EP2171687B1 (fr) | 2010-11-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5635980B2 (ja) | 画像処理、特に医療画像を処理するための方法及び装置 | |
| CN100553561C (zh) | 在ct血管造影术中分割结构的方法及设备 | |
| CN110956635A (zh) | 一种肺段分割方法、装置、设备及存储介质 | |
| US9600890B2 (en) | Image segmentation apparatus, medical image device and image segmentation method | |
| EP1791087B1 (en) | Method for point-of-interest attraction in digital images | |
| US9129391B2 (en) | Semi-automated preoperative resection planning | |
| US10524823B2 (en) | Surgery assistance apparatus, method and program | |
| CN112861961B (zh) | 肺血管分类方法及装置、存储介质及电子设备 | |
| EP1442427B1 (en) | Method for automatic branch labelling | |
| CN110675464A (zh) | 一种医疗影像的处理方法、装置、服务器及存储介质 | |
| JP2006521862A (ja) | ３次元データセットにおけるボリューム測定 | |
| JP2010162340A (ja) | 画像処理装置および方法並びにプログラム | |
| CN113538471B (zh) | 斑块的分割方法、装置、计算机设备和存储介质 | |
| JP2005157902A (ja) | 画像解析方法 | |
| CN113826140A (zh) | 血管造影数据分析 | |
| Sekiguchi et al. | Interactive 3‐dimensional segmentation method based on region growing method | |
| KR102255592B1 (ko) | 마진 라인의 정밀도 향상을 위한 치과용 ct 영상 처리 방법 | |
| CN111899273A (zh) | 图像分割方法、计算机设备和存储介质 | |
| CN114187320B (zh) | 脊柱ct图像的分割方法、椎体成像的识别方法及装置 | |
| EP0354026B1 (en) | Three-dimensional display of tomographic data | |
| US12094108B2 (en) | Lymph node detection system and methods for use | |
| KR101479845B1 (ko) | 무릎 자기공명영상의 전방십자인대 분할 장치 및 그 분할 방법 | |
| CN114631116A (zh) | 用于在医学图像中自动传播分割的方法和系统 | |
| JP2011182946A (ja) | 医用画像表示装置及び医用画像表示方法 | |
| WO2016146722A1 (en) | Segmentation of objects in image data using channel detection |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120604 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20130718 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130723 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20131119 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140319 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140418 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20140513 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140708 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140826 |
|
| 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: 20140930 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20141017 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5635980 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| 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 |
|
| 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 |