JP5784751B2 - 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム - Google Patents
画像処理装置、画像処理装置の作動方法、及び画像処理プログラム Download PDFInfo
- Publication number
- JP5784751B2 JP5784751B2 JP2013548327A JP2013548327A JP5784751B2 JP 5784751 B2 JP5784751 B2 JP 5784751B2 JP 2013548327 A JP2013548327 A JP 2013548327A JP 2013548327 A JP2013548327 A JP 2013548327A JP 5784751 B2 JP5784751 B2 JP 5784751B2
- Authority
- JP
- Japan
- Prior art keywords
- distribution
- color feature
- determination
- residue
- candidate
- 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
- 238000012545 processing Methods 0.000 title claims description 154
- 238000000034 method Methods 0.000 title claims description 61
- 238000009826 distribution Methods 0.000 claims description 1046
- 238000004364 calculation method Methods 0.000 claims description 36
- 210000004400 mucous membrane Anatomy 0.000 claims description 33
- 230000003902 lesion Effects 0.000 claims description 22
- 210000004877 mucosa Anatomy 0.000 claims description 19
- 238000003384 imaging method Methods 0.000 claims description 18
- 230000007717 exclusion Effects 0.000 claims description 13
- 238000012937 correction Methods 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 5
- 230000002902 bimodal effect Effects 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 239000000284 extract Substances 0.000 claims 1
- 238000003786 synthesis reaction Methods 0.000 claims 1
- 238000004383 yellowing Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 59
- 238000012986 modification Methods 0.000 description 38
- 230000004048 modification Effects 0.000 description 38
- 238000004422 calculation algorithm Methods 0.000 description 22
- 230000006870 function Effects 0.000 description 20
- 230000005484 gravity Effects 0.000 description 20
- 230000008569 process Effects 0.000 description 14
- 238000003672 processing method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 239000002131 composite material Substances 0.000 description 5
- 239000000203 mixture Substances 0.000 description 5
- 239000002775 capsule Substances 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- VZSRBBMJRBPUNF-UHFFFAOYSA-N 2-(2,3-dihydro-1H-inden-2-ylamino)-N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]pyrimidine-5-carboxamide Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C(=O)NCCC(N1CC2=C(CC1)NN=N2)=O VZSRBBMJRBPUNF-UHFFFAOYSA-N 0.000 description 3
- 239000000470 constituent Substances 0.000 description 3
- 238000000926 separation method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- YLZOPXRUQYQQID-UHFFFAOYSA-N 3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-1-[4-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]piperazin-1-yl]propan-1-one Chemical compound N1N=NC=2CN(CCC=21)CCC(=O)N1CCN(CC1)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F YLZOPXRUQYQQID-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001079 digestive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/143—Segmentation; Edge detection involving probabilistic approaches, e.g. Markov random field [MRF] modelling
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000096—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope using artificial intelligence
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
- A61B1/041—Capsule endoscopes for imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
- G06V10/507—Summing image-intensity values; Histogram projection analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
- G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30028—Colon; Small intestine
-
- 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
- G06T2207/30092—Stomach; Gastric
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- General Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Optics & Photonics (AREA)
- Evolutionary Computation (AREA)
- Probability & Statistics with Applications (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Signal Processing (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Endoscopes (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
- Studio Devices (AREA)
Description
図1は、本発明の実施の形態1に係る画像処理装置の構成を示すブロック図である。図1において、画像信号等のデータを伝送するラインは実線で示し、制御信号を伝送するラインは破線で示している。
表示部40は、LCDやELディスプレイ等の表示装置によって実現され、制御部10の制御の下で、管腔内画像を含む各種画面を表示する。
演算部100は、管腔内画像内の各画素の色特徴量を算出して分布を作成する色特徴量算出部110と、色特徴量の分布のうち、相対的に赤みの強い側に分布する色特徴量を粘膜分布と判定し、相対的に赤みが弱い側に分布する色特徴量を残渣候補分布として判定する残渣候補分布判定部120と、残渣候補分布のうち、粘膜分布を基準として黄みの強い側に分布する残渣候補分布を残渣分布として判定する残渣分布判定部130とを備える。
また、第1ヒストグラム作成部122は、管腔内画像から泡領域、暗部領域、及び赤色病変領域との内の少なくとも1つを検出し、残渣領域の判別に不要な領域と判定して除外する不要領域除外部122aを含む。より詳細には、不要領域除外部122aは、暗部領域判定部122a−1と、泡領域判定部122a−2と、赤色病変領域判定部122a−3とを含む。
また、第2判定閾値設定部133は、第2ヒストグラム作成部132が作成したヒストグラムに基づいて、上記判定閾値を設定する。より詳細には、第2判定閾値設定部133は、ヒストグラムの双峰性の形状を評価して、この評価結果をもとにヒストグラムを1つ又は2つの正規分布で近似し、近似した正規分布と粘膜分布との関係に基づいて判定閾値を設定する。或いは、第2判定閾値設定部133は、ヒストグラムが双峰性を有しないと評価される場合には、ヒストグラムを正規分布で近似することなく、ヒストグラムそのものに基づいて判定閾値を設定しても良い。
図5は、候補分布判定部の詳細な動作を示すフローチャートである。
そのために、まず、不要領域除外部122aは、粘膜分布と残渣候補分布との判別に不要な領域を除外する。不要領域としては、例えば、被写体の観察が困難な暗部領域や、管腔内において消化液等が泡となった泡領域や、残渣ではないことが確定的な赤色病変領域等が挙げられる。
この後、画像処理装置1の動作はメインルーチンに戻る。
図7は、残渣分布判定部130の詳細な動作を示すフローチャートである。
図9は、第2判定閾値設定部133の詳細な動作を示すフローチャートである。以下、図8及び図10〜図13に具体例を示しつつ説明する。なお、以下の説明においては、各分布の代表値として重心位置を用いるが、代表値としては、この他にも、平均値、最頻値等を用いても良い。
その後、残渣分布判定部130の動作は図7に示すサブルーチンに戻る。
この後、画像処理装置1の動作はメインルーチンに戻る。
次に、変形例1−1について説明する。
上述した実施の形態において、色特徴量算出部110は、管腔内画像内の各画素の色特徴量を算出して、色特徴量の分布を作成した。しかしながら、色特徴量算出部110は、管腔内画像を複数の小領域に分割し、小領域単位で色特徴量を算出しても良い。管腔内画像を分割する小領域は、予め設定されたサイズの矩形領域であっても良い。或いは、管腔内画像の画素値(R値若しくはG値)又は画素値から算出される輝度値Yに対して分水嶺処理(参考:Luc Vincent and Pierre Soille,“Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulations”,IEEE Transactions on Pattern Analysis and Machine Intelligence, Vol.13,No.6, pp.583−598,June 1991)等を施すことにより、管腔内画像を複数の小領域に分割しても良い。小領域単位の色特徴量としては、例えば各小領域に含まれる画素の色特徴量の平均値が用いられる。
変形例1−1によれば、色特徴量を小領域単位で算出することによりノイズの影響を抑制することができるので、不要領域の判定精度を向上させることが可能となる。
次に、変形例1−2について説明する。
候補判定軸設定部121は、粘膜領域と残渣候補領域とを判別する際に用いられる候補判定軸を、複数の管腔内画像間における粘膜分布の変動が小さい色特徴量に対応して設定しても良い。それにより、粘膜領域の検出誤差を低減できるからである。この場合、候補判定軸設定部121は、予め複数の管腔内画像から取得した粘膜領域内の色特徴量をプロットした色特徴量空間において、例えば、1次関数による最小二乗法、回帰法、固有値法等を実行することにより、分散が最小となる方向を検出して、該方向に対応する色特徴量を候補判定軸として設定する。
次に、変形例1−3について説明する。
判定軸設定部131は、残渣候補分布が残渣分布に相当するか否かを判定する際に用いられる判定軸を、管腔内画像間において残渣候補領域の変動幅が大きい色特徴量に対応して設定しても良い。これは、残渣候補分布には、白色病変領域に対応する分布やハレーション領域に対応する分布のように、残渣分布以外の複数の分布が含まれるため、これらの分布を明確に分離できるようにするためである。この場合、判定軸設定部131は、予め複数の管腔内画像から取得した残渣領域内の色特徴量をプロットした色特徴量空間において、分散が最大となる方向を検出して、該方向に対応する色特徴量に関する座標軸を判定軸として設定する。
次に、変形例1−4について説明する。
第1判定閾値設定部123は、粘膜領域と残渣候補領域とを判別する際に用いられる候補判定閾値を、予め複数の管腔内画像から取得した色特徴量の分布に基づいて設定しても良い。そのために、まず、第1判定閾値設定部123は、各管腔内画像に対し、粘膜領域内の画素の色特徴量(例えば、G/R値)の頻度分布を作成し、分水嶺処理により頻度分布を山毎に分割する。そして、山毎に分割した各分布の重心位置を算出する。続いて、第1判定閾値設定部123は、複数の管腔内画像から取得した重心位置の頻度分布を作成する。この重心位置の頻度分布において、頻度が最大となる色特徴量から赤みの弱い側(例えばG/R値が大きい側)を見たときに、頻度が最初に最小又は極小となるときの候補判定軸の値を候補判定閾値とする。
次に、変形例1−5について説明する。
候補判定部124は、処理対象の管腔内画像の色特徴量をクラスタリングしたクラスタごとに、残渣候補分布に相当するか否かを判定しても良い。なお、クラスタリングの手法としては、上述したように、分水嶺処理、階層法、k-means法、EMアルゴリズム、自己組織化マップ等の公知の手法を用いることができる。
次に、変形例1−6について説明する。
第1判定閾値設定部123は、第2判定閾値設定部133と同様に、ヒストグラムの双峰性の形状を評価し、この評価結果をもとにヒストグラムの境界位置を算出して、この境界位置を判定閾値に設定しても良い。
次に、変形例1−7について説明する。
変形例1−7においては、図1に示す第1判定閾値設定部123の代わりに、図16に示すように、合成ヒストグラム作成部125aを含む第1判定閾値設定部125を適用しても良い。
次に、本発明の実施の形態2について説明する。
図19は、本発明の実施の形態2に係る画像処理装置の構成を示すブロック図である。図19に示すように、実施の形態2に係る画像処理装置2は、図1に示す演算部100の代わりに、演算部200を備える。なお、演算部200以外の各部の構成及び動作については、実施の形態1と同様である。
EMアルゴリズムとは、あるデータ軸(例えば、候補判定軸)に対する有限個数のデータ(例えば、色特徴量G/R値)に対し、以下に説明するEステップ(expectation)及びMステップ(maximization)を繰り返し、繰り返し回数又は対数尤度が最大値付近となったときに処理を終了するアルゴリズムである。
(i)ステップ1
例えば図25に示すように、あるデータ軸におけるN(Nは自然数)個のデータX={xi}(i=1、2、…、N)の密度関数Fに対し、データXが分布A、Bのいずれに属するかを示す確率モデルを、2つの正規分布で定義する(図26参照)。ここで、2つの正規分布の各種パラメータを、以下のように定義する。
平均:μA、μB
分散:σA 2、σB 2
分布Aと分布Bの混合比率(事前確率):ωA、ωB
平均μA:密度関数Fの最小値
平均μB:密度関数Fの最大値
分散σA 2:1.0
分散σB 2:1.0
混合比率ωA:0.5
混合比率ωB:0.5(=1−ωA)
式(2)、(3)に示す確率密度から、G/R軸におけるあるデータの位置が、分布A、Bのいずれに属しているかを示す事後確率P(A|X)、P(B|X)を、式(4)及び(5)を用いて算出する(図27参照)。
P(A|X)+P(B|X)=1
次式(6)に示す尤度Q(X|ω,μ,σ2)を用い、密度関数Fに対して確率モデルが当てはめられているか否かを評価する。ここで、評価には、対数尤度が用いられる。対数尤度は尤もらしい状態において最大値を取る。
(iv)ステップ4
確率モデルのパラメータを更新する。平均μA、μBの更新は、式(7)、(8)により、分散σA 2、σB 2の更新は式(9)、(10)により、混合比率ωA、ωBの更新は(11)、(12)によりそれぞれ行われる。
このようなEステップ及びMステップを繰り返すことにより、分布A、Bの最適なパラメータを求めることができる。
即ち、図36(a)及び(b)に示すように、クラスタC(3)が粘膜分布と判定された場合、分布モデル間外候補閾値設定部233bは、図38(a)及び(b)に示すように、候補判定軸の赤みが弱い側(G/R値が大きい側)の値である最大値gmaxを、候補閾値Th(N)として設定する。
即ち、図41(a)及び(b)に示すように、クラスタC(6)が残渣分布と判定された場合、分布モデル間外閾値設定部243bは、図43(a)及び(b)に示すように、判定軸の黄みが弱い側(B/G値が大きい側)の値である最大値gmax’を閾値Thとして設定する。
次に、実施の形態2の変形例2−1について説明する。
変形例2−1に係る画像処理装置は、図19に示す画像処理装置2に対し、分布モデル間外候補閾値設定部233b、分布モデル間外閾値設定部243bの代わりに、図44に示す分布モデル間外候補閾値設定部233cと、図45に示す分布モデル間外閾値設定部243cとを備える。なお、変形例2−1に係る画像処理装置のうち、分布モデル間外候補閾値設定部233c及び分布モデル間外閾値設定部243c以外の各部の構成及び動作は、実施の形態2と同様である。
次に、実施の形態2の変形例2−2について説明する。
変形例2−2に係る画像処理装置は、図19に示す画像処理装置2に対し、閾値処理部242bの代わりに、図50に示す閾値処理部242cを備える。なお、変形例2−2に係る画像処理装置のうち、閾値処理部242c以外の各部の構成及び動作は、実施の形態2と同様である。
次に、本発明の実施の形態3について説明する。
実施の形態3に係る画像処理装置は、図19に示す画像処理装置2に対し、分布モデル当てはめ部231、241の代わりに、図53に示す分布モデル当てはめ部331、341をそれぞれ備える。なお、実施の形態3に係る画像処理装置のうち、分布モデル当てはめ部331、341以外の各部の構成及び動作は、実施の形態2と同様である。
次に、本発明の実施の形態4について説明する。
実施の形態4に係る画像処理装置は、図19に示す画像処理装置2に対し、分布モデル当てはめ部231、241の代わりに、図60に示す分布モデル当てはめ部431、441をそれぞれ備える。なお、実施の形態4に係る画像処理装置のうち、分布モデル当てはめ部431、441以外の各部の構成及び動作は、実施の形態2と同様である。
なお、ステップs422において、低比率分布モデルが含まれない場合(ステップs422:No)、動作はそのままメインルーチンに戻る。
10 制御部
20 外部インタフェース(I/F)部
30 操作入力部
40 表示部
50 記録部
51 画像処理プログラム
100、200 演算部
110、210 色特徴量算出部
120 候補分布判定部
121 候補判定軸設定部
122 第1ヒストグラム作成部
122a、220 不要領域除外部
122a−1、221 暗部領域判定部
122a−2、222 泡領域判定部
122a−3、223 赤色病変領域判定部
123、125 第1判定閾値設定部
124 候補判定部
125a 合成ヒストグラム作成部
130 分布判定部
131 判定軸設定部
132 第2ヒストグラム作成部
133 第2判定閾値設定部
134 判定部
230 残渣候補分布判定部
231、241、331,341、431、441 分布モデル当てはめ部
232、242 分布モデル判定部
232a、242a 代表値算出部
232b、242b、242c 閾値処理部
233 候補閾値設定部
233a 分布モデル間候補閾値設定部
233b 分布モデル間外候補閾値設定部
233c 分布モデル間外候補閾値設定部
233c−1 固定候補閾値設定部
233c−2 代表値候補閾値設定部
234 候補判定部
240 残渣分布判定部
242c−1 粘膜基準閾値作成部
243 閾値設定部
243a 分布モデル間閾値設定部
243b 分布モデル間外閾値設定部
243c 分布モデル間外閾値設定部
243c−1 固定閾値設定部
243c−2 代表値閾値設定部
244 判定部
331a、341a 概要分布モデル当てはめ部
331b、341b 概要分布モデル範囲取得部
331c、341c、431c、441c 分布モデル修正部
431a、441a 低比率分布モデル判定部
431b、441b 高比率分布モデル取得部
Claims (32)
- 被検体の管腔内を撮像した管腔内画像から、残渣が写った残渣領域を判別する画像処理装置において、
前記管腔内画像内の各画素の色特徴量、又は、前記管腔内画像を複数の小領域に分割した各小領域の色特徴量を算出する色特徴量算出部と、
前記色特徴量のうち、相対的に赤みの強い側に分布する色特徴量を粘膜分布と判定し、相対的に赤みが弱い側に分布する色特徴量を残渣候補分布として判定する残渣候補分布判定部と、
前記残渣候補分布として判定された色特徴量の分布のうち、前記粘膜分布を基準として黄みの強い側に分布する残渣候補分布を残渣分布として判定する残渣分布判定部と、
を備えることを特徴とする画像処理装置。 - 前記候補分布判定部は、
前記粘膜分布と前記残渣候補分布とを判別する際に用いられる候補判定軸として、少なくとも赤みの強さが変化する色特徴量に対応する軸を設定する候補判定軸設定部と、
前記各画素又は前記各小領域が有する前記色特徴量の頻度分布を前記候補判定軸に対して作成する第1のヒストグラム作成部と、
前記粘膜分布に対応する色特徴量の範囲を定める判定閾値を前記候補判定軸上に設定する第1の判定閾値設定部と、
前記頻度分布と前記判定閾値とをもとに、前記粘膜分布と前記残渣候補分布とを判別する候補判定部と、
を有することを特徴とする請求項1に記載の画像処理装置。 - 前記残渣分布判定部は、
前記残渣候補分布が前記残渣分布に相当するか否かを判定する際に用いられる判定軸として、少なくとも黄みの強さが変化する色特徴量に対応する軸を設定する判定軸設定部と、
前記残渣候補分布における色特徴量の頻度分布を前記判定軸に対して作成する第2のヒストグラム作成部と、
前記頻度分布と前記粘膜分布の代表値とをもとに、判定閾値を設定する第2の判定閾値設定部と、
前記判定閾値よりも黄みの強い側に存在する残渣候補分布を残渣分布として判定する判定部と、
を有することを特徴とする請求項1に記載の画像処理装置。 - 前記管腔内画像の輝度成分のエッジをもとに前記管腔内画像を分割した小領域単位で色特徴量を算出する色特徴量算出部をさらに備えることを特徴とする請求項1に記載の画像処理装置。
- 前記管腔内画像は、各画素位置においてR、G、Bの各色成分を有し、
前記候補判定軸は、G/R値に対応することを特徴とする請求項2に記載の画像処理装置。 - 前記第1のヒストグラム作成部は、前記管腔内画像から泡領域、暗部領域、及び赤色病変領域との内の少なくとも1つを検出し、前記粘膜分布と前記残渣候補分布との判別に不要な領域と判定して除外する不要領域除外部を含むことを特徴とする請求項2に記載の画像処理装置。
- 前記第1の判定閾値設定部は、予め複数の管腔内画像から取得した粘膜領域内の色特徴量を前記候補判定軸に対して累積した粘膜の頻度分布を作成し、前記粘膜の頻度分布において、頻度が最大となる色特徴量から赤みの弱い側を見たときに、頻度が最初に最小又は極小となるときの色特徴量を前記判定閾値として保持することを特徴とする請求項2に記載の画像処理装置。
- 前記第1の判定閾値設定部は、前記頻度分布の双峰性の形状を評価し、該評価の結果をもとに前記頻度分布における境界位置を算出し、該境界位置を前記判定閾値に設定することを特徴とする請求項2に記載の画像処理装置。
- 前記第1の判定閾値設定部は、前記管腔内画像を所定サイズの複数の矩形領域に分割し、前記複数の矩形領域毎に、前記色特徴量の頻度分布を作成し、前記複数の矩形領域間の色特徴量の頻度の最大値又は最頻値を抽出して合成する合成ヒストグラム作成部を含むことを特徴とする請求項2に記載の画像処理装置。
- 前記管腔内画像は、各画素位置においてR、G、Bの各色成分を有し、
前記候補判定部は、G/R値を成分の1つとする色特徴量空間において、前記色特徴量の分布をクラスタリングすると共に、クラスタリングによって得られた各クラスタにおける前記G/R値の代表値を前記判定閾値と比較して、クラスタ毎に判定を行うことを特徴とする請求項2に記載の画像処理装置。 - 前記管腔内画像は、各画素位置においてR、G、Bの各色成分を有し、
前記判定軸は、B/G値に対応することを特徴とする請求項3に記載の画像処理装置。 - 前記第2の判定閾値設定部は、前記色特徴量の頻度分布を1つ又は2つの正規分布で近似し、前記1つの正規分布の代表値又は前記2つの正規分布の境界位置と、前記粘膜分布の代表値とをもとに、判定閾値を設定することを特徴とする請求項3に記載の画像処理装置。
- 前記管腔内画像は、各画素位置においてR、G、Bの各色成分を有し、
前記判定部は、B/G値を成分の1つとする色特徴量空間において、前記色特徴量の分布をクラスタリングすると共に、クラスタリングによって得られた各クラスタにおける前記B/G値の代表値を、前記粘膜分布における前記B/G値の代表値と比較して、クラスタ毎に判定を行うことを特徴とする請求項3に記載の画像処理装置。 - 被検体の管腔内を撮像した管腔内画像から、残渣が写った残渣領域を判別する画像処理装置の作動方法において、
演算部が、前記管腔内画像内の各画素の色特徴量、又は、前記管腔内画像を複数の小領域に分割した各小領域の色特徴量を算出する色特徴量算出ステップと、
前記演算部が、前記色特徴量のうち、相対的に赤みの強い側に分布する色特徴量を粘膜分布と判定し、相対的に赤みが弱い側に分布する色特徴量を残渣候補分布として判定する残渣候補分布判定ステップと、
前記演算部が、残渣候補分布のうち、前記粘膜分布を基準として黄みの強い側に分布する残渣候補分布を残渣分布として判定する残渣分布判定ステップと、
を含むことを特徴とする画像処理装置の作動方法。 - 被検体の管腔内を撮像した管腔内画像から、残渣が写った残渣領域を判別する画像処理をコンピュータに実行させるプログラムにおいて、
前記管腔内画像内の各画素の色特徴量、又は、前記管腔内画像を複数の小領域に分割した各小領域の色特徴量を算出する色特徴量算出ステップと、
前記色特徴量のうち、相対的に赤みの強い側に分布する色特徴量を粘膜分布と判定し、相対的に赤みが弱い側に分布する色特徴量を残渣候補分布として判定する残渣候補分布判定ステップと、
残渣候補分布のうち、前記粘膜分布を基準として黄みの強い側に分布する残渣候補分布を残渣分布として判定する残渣分布判定ステップと、
を前記コンピュータに実行させることを特徴とする画像処理プログラム。 - 被検体の管腔内を撮像した管腔内画像から、残渣が写った残渣領域を判別する画像処理装置において、
前記管腔内画像内の各画素の色特徴量、又は、前記管腔内画像を複数の小領域に分割した各小領域の色特徴量を算出する色特徴量算出部と、
赤みの度合いを判定する色特徴量の第1の判定軸において、前記色特徴量の分布に対して1つ以上の分布モデルを当てはめ、該1つ以上の分布モデルの赤みの度合いに基づき、残渣候補を表す色特徴量を判定する残渣候補分布判定部と、
黄みの度合いを判定する色特徴量の第2の判定軸において、前記残渣候補分布判定部により残渣候補を表すと判定された色特徴量に対して1つ以上の分布モデルを当てはめ、該1つ以上の分布モデルの黄みの度合いに基づき、残渣を表す色特徴量を判定する残渣分布判定部と、
を備えることを特徴とする画像処理装置。 - 前記残渣分布判定部は、
前記第2の判定軸において、前記残渣候補を表すと判定された色特徴量の分布に対して所定の分布モデルを当てはめることにより、1つ以上の分布モデルを作成する分布モデル当てはめ部と、
前記1つ以上の分布モデルを所定の閾値と比較することにより、前記1つ以上の分布モデルの各々が残渣分布であるか否かを判定する分布モデル判定部と、
前記分布モデル判定部による判定結果をもとに、残渣を表す色特徴量を判定するための閾値を設定する閾値設定部と、
前記閾値設定部により設定された閾値をもとに、前記残渣候補として判定された前記色特徴量のうちから、残渣を表す色特徴量を判定する判定部と、
を備えることを特徴とする請求項16に記載の画像処理装置。 - 前記管腔内画像から前記残渣の判定に不要な領域を除外する不要領域除外部をさらに備えることを特徴とする請求項16に記載の画像処理装置。
- 前記残渣候補分布判定部は、
前記第1の判定軸において、前記色特徴量の分布に対して所定の分布モデルを当てはめることにより、1つ以上の分布モデルを作成する分布モデル当てはめ部と、
前記1つ以上の分布モデルを所定の閾値と比較することにより、前記1つ以上の分布モデルの各々が残渣候補分布であるか否かを判定する分布モデル判定部と、
前記分布モデル判定部による判定結果をもとに、残渣候補を表す色特徴量を判定するための候補閾値を設定する候補閾値設定部と、
前記候補閾値をもとに、前記管腔内画像内の前記色特徴量のうち、残渣候補を表す色特徴量を判定する候補判定部と、
を備えることを特徴とする請求項16に記載の画像処理装置。 - 前記分布モデル当てはめ部は、
前記色特徴量の分布に対し、該色特徴量の分布に当てはめ可能な分布モデルよりも少ない数の分布モデルを概要分布モデルとして当てはめる概要分布モデル当てはめ部と、
前記第1の判定軸における前記概要分布モデルの分布範囲を取得する概要分布モデル範囲取得部と、
前記分布範囲において、前記色特徴量の分布に対して1つ以上の分布モデルを当てはめる分布モデル修正部と、
を備えることを特徴とする請求項19に記載の画像処理装置。 - 前記分布モデル当てはめ部は、
前記1つ以上の分布モデルに、該1つ以上の分布モデル間の混合比率が所定値以下である低比率分布モデルが含まれるか否かを判定する低比率分布モデル判定部と、
前記1つ以上の分布モデルに前記低比率分布モデルが含まれる場合に、前記1つ以上の分布モデルから前記低比率分布モデルを除外した残りの分布モデルが前記第1の判定軸に分布する分布範囲を取得する高比率分布モデル範囲取得部と、
前記分布範囲において、前記色特徴量の分布に対し、再度、1つ以上の分布モデルを当てはめる分布モデル修正部と、
を備えることを特徴とする請求項19に記載の画像処理装置。 - 前記分布モデル判定部は、
前記第1の判定軸における前記1つ以上の分布モデルの代表値を算出する代表値算出部と、
前記代表値に対応して前記第1の判定軸に予め設定された閾値をもとに、赤みの弱い側に分布する分布モデルを残渣候補分布として判定する閾値処理部と、
を備えることを特徴とする請求項19に記載の画像処理装置。 - 前記候補閾値設定部は、
前記分布モデル当てはめ部により前記色特徴量の分布に対して複数の分布モデルが当てはめられた場合において、前記分布モデル判定部により前記複数の分布モデルに対して互いに異なる結果となる判定がなされたとき、前記第1の判定軸における前記複数の分布モデルの間の値を候補閾値として設定する分布モデル間候補閾値設定部と、
前記分布モデル当てはめ部により前記色特徴量の分布に対して複数の分布モデルが当てはめられた場合において、前記分布モデル判定部により前記複数の分布モデルに対して互いに同一の結果となる判定がなされたとき、又は、前記分布モデル当てはめ部により前記色特徴量の分布に対して1つの分布モデルが当てはめられた場合、前記第1の判定軸における前記1つ以上の分布モデルの外側の値を候補閾値として設定する分布モデル間外候補閾値設定部と、
を備えることを特徴とする請求項19に記載の画像処理装置。 - 前記候補判定部は、前記色特徴量の分布をクラスタリングすることにより取得したクラスタの各々に対し、各クラスタの代表値を用いて判定を行うことを特徴とする請求項19に記載の画像処理装置。
- 前記分布モデル当てはめ部は、
前記色特徴量の分布に対し、該色特徴量の分布に当てはめ可能な分布モデルよりも少ない数の分布モデルを概要分布モデルとして当てはめる概要分布モデル当てはめ部と、
前記第2の判定軸における前記概要分布モデルの分布範囲を取得する概要分布モデル範囲取得部と、
前記分布範囲において、前記色特徴量の分布に対して1つ以上の分布モデルを当てはめる分布モデル修正部と、
を備えることを特徴とする請求項17に記載の画像処理装置。 - 前記分布モデル当てはめ部は、
前記1つ以上の分布モデルに、該1つ以上の分布モデル間の混合比率が所定値以下である低比率分布モデルが含まれるか否かを判定する低比率分布モデル判定部と、
前記1つ以上の分布モデルに前記低比率分布モデルが含まれる場合に、前記1つ以上の分布モデルから前記低比率分布モデルを除外した残りの分布モデルが前記第2の判定軸に分布する分布範囲を取得する高比率分布モデル範囲取得部と、
前記分布範囲において、前記残渣候補と判定された前記色特徴量の分布に対し、再度、1つ以上の分布モデルを当てはめる分布モデル修正部と、
を備えることを特徴とする請求項17に記載の画像処理装置。 - 前記分布モデル判定部は、
前記第2の判定軸における前記1つ以上の分布モデルの代表値を算出する代表値算出部と、
前記代表値に対応して前記第2の判定軸に予め設定された閾値をもとに、黄みの強い側に分布する分布モデルを残渣分布として判定する閾値処理部と、
を備えることを特徴とする請求項17に記載の画像処理装置。 - 前記閾値処理部は、前記1つ以上の分布モデルのうち、前記残渣候補分布判定部により前記残渣候補として判定されなかった色特徴量の分布を粘膜分布とし、前記第2の判定軸における該粘膜分布の代表値を算出する粘膜基準閾値設定部を備えることを特徴とする請求項27に記載の画像処理装置。
- 前記閾値処理部は、
前記分布モデル当てはめ部により前記色特徴量の分布に対して複数の分布モデルが当てはめられた場合において、前記分布モデル判定部により前記複数の分布モデルに対して互いに異なる結果となる判定がなされたとき、前記第2の判定軸における前記複数の分布モデルの間の値を閾値として設定する分布モデル間閾値設定部と、
前記分布モデル当てはめ部により前記色特徴量の分布に対して複数の分布モデルが当てはめられた場合において、前記分布モデル判定部により前記複数の分布モデルに対して互いに同一の結果となる判定がなされたとき、又は、前記分布モデル当てはめ部により前記色特徴量の分布に対して1つの分布モデルが当てはめられた場合、前記第2の判定軸における前記1つ以上の分布モデルの外側の値を閾値として設定する分布モデル間外閾値設定部と、
を備えることを特徴とする請求項27に記載の画像処理装置。 - 前記判定部は、前記色特徴量の分布をクラスタリングすることにより取得した各クラスタに対し、当該クラスタの代表値を用いて判定を行うことを特徴とする請求項17に記載の画像処理装置。
- 被検体の管腔内を撮像した管腔内画像から、残渣が写った残渣領域を判別する画像処理装置の作動方法において、
演算部が、前記管腔内画像内の各画素の色特徴量、又は、前記管腔内画像を複数の小領域に分割した各小領域の色特徴量を算出する色特徴量算出ステップと、
前記演算部が、赤みの度合いを判定する色特徴量の第1の判定軸において、前記色特徴量の分布に対して1つ以上の分布モデルを当てはめ、該1つ以上の分布モデルの赤みの度合いに基づき、残渣候補を表す色特徴量を判定する残渣候補分布判定ステップと、
前記演算部が、黄みの度合いを判定する色特徴量の第2の判定軸において、前記残渣候補分布判定ステップにおいて残渣候補を表すと判定された色特徴量に対して1つ以上の分布モデルを当てはめ、該1つ以上の分布モデルの黄みの度合いに基づき、残渣を表す色特徴量を判定する残渣分布判定ステップと、
を含むことを特徴とする画像処理装置の作動方法。 - 被検体の管腔内を撮像した管腔内画像から、残渣が写った残渣領域を判別する画像処理をコンピュータに実行させる画像処理プログラムにおいて、
前記管腔内画像内の各画素の色特徴量、又は、前記管腔内画像を複数の小領域に分割した各小領域の色特徴量を算出する色特徴量算出ステップと、
赤みの度合いを判定する色特徴量の第1の判定軸において、前記色特徴量の分布に対して1つ以上の分布モデルを当てはめ、該1つ以上の分布モデルの赤みの度合いに基づき、残渣候補を表す色特徴量を判定する残渣候補分布判定ステップと、
黄みの度合いを判定する色特徴量の第2の判定軸において、前記残渣候補分布判定ステップにおいて残渣候補を表すと判定された色特徴量に対して1つ以上の分布モデルを当てはめ、該1つ以上の分布モデルの黄みの度合いに基づき、残渣を表す色特徴量を判定する残渣分布判定ステップと、
を前記コンピュータに実行させることを特徴とする画像処理プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013548327A JP5784751B2 (ja) | 2011-12-08 | 2012-12-10 | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011269055 | 2011-12-08 | ||
JP2011269055 | 2011-12-08 | ||
JP2013548327A JP5784751B2 (ja) | 2011-12-08 | 2012-12-10 | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム |
PCT/JP2012/081989 WO2013085061A1 (ja) | 2011-12-08 | 2012-12-10 | 画像処理装置、画像処理方法、及び画像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2013085061A1 JPWO2013085061A1 (ja) | 2015-04-27 |
JP5784751B2 true JP5784751B2 (ja) | 2015-09-24 |
Family
ID=48574410
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013548327A Active JP5784751B2 (ja) | 2011-12-08 | 2012-12-10 | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US9129412B2 (ja) |
EP (1) | EP2789288A4 (ja) |
JP (1) | JP5784751B2 (ja) |
CN (1) | CN103974653B (ja) |
WO (1) | WO2013085061A1 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6010571B2 (ja) * | 2014-02-27 | 2016-10-19 | 富士フイルム株式会社 | 内視鏡システム、内視鏡システム用プロセッサ装置、内視鏡システムの作動方法、内視鏡システム用プロセッサ装置の作動方法 |
JP6113116B2 (ja) * | 2014-03-31 | 2017-04-12 | 富士フイルム株式会社 | 医用画像処理装置及びその作動方法並びに内視鏡システム |
US9058692B1 (en) | 2014-04-16 | 2015-06-16 | Heartflow, Inc. | Systems and methods for image-based object modeling using multiple image acquisitions or reconstructions |
US9665943B2 (en) * | 2015-09-25 | 2017-05-30 | Intel Corporation | Histogram-based image segmentation |
WO2019208011A1 (ja) * | 2018-04-24 | 2019-10-31 | オリンパス株式会社 | 内視鏡システム |
CN108921833B (zh) * | 2018-06-26 | 2022-03-25 | 中国科学院合肥物质科学研究院 | 一种双向吸收的马尔可夫显著性目标检测方法及装置 |
CN117911734B (zh) * | 2024-01-12 | 2024-07-26 | 哈尔滨工业大学 | 一种基于图像聚类离散度计算的红外检测数据预融合处理方法 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4615963B2 (ja) | 2004-10-29 | 2011-01-19 | オリンパス株式会社 | カプセル型内視鏡装置 |
WO2007077672A1 (ja) * | 2005-12-28 | 2007-07-12 | Olympus Medical Systems Corp. | 画像処理装置および当該画像処理装置における画像処理方法 |
JP4520405B2 (ja) * | 2005-12-28 | 2010-08-04 | オリンパスメディカルシステムズ株式会社 | 画像処理装置および当該画像処理装置における画像処理方法 |
JP4472631B2 (ja) * | 2005-12-28 | 2010-06-02 | オリンパスメディカルシステムズ株式会社 | 画像処理装置および当該画像処理装置における画像処理方法 |
JP5374078B2 (ja) * | 2008-06-16 | 2013-12-25 | オリンパス株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
JP5117353B2 (ja) | 2008-11-07 | 2013-01-16 | オリンパス株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
JP5305850B2 (ja) * | 2008-11-14 | 2013-10-02 | オリンパス株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
JP2010187756A (ja) * | 2009-02-16 | 2010-09-02 | Olympus Corp | 画像処理装置、画像処理方法および画像処理プログラム |
JP5800468B2 (ja) * | 2010-05-11 | 2015-10-28 | オリンパス株式会社 | 画像処理装置、画像処理方法、および画像処理プログラム |
JP5622461B2 (ja) * | 2010-07-07 | 2014-11-12 | オリンパス株式会社 | 画像処理装置、画像処理方法、および画像処理プログラム |
JP5526044B2 (ja) * | 2011-01-11 | 2014-06-18 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
JP5926937B2 (ja) * | 2011-11-30 | 2016-05-25 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
-
2012
- 2012-12-10 WO PCT/JP2012/081989 patent/WO2013085061A1/ja active Application Filing
- 2012-12-10 JP JP2013548327A patent/JP5784751B2/ja active Active
- 2012-12-10 CN CN201280059750.5A patent/CN103974653B/zh active Active
- 2012-12-10 EP EP12855722.0A patent/EP2789288A4/en not_active Withdrawn
-
2014
- 2014-05-28 US US14/288,733 patent/US9129412B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JPWO2013085061A1 (ja) | 2015-04-27 |
WO2013085061A1 (ja) | 2013-06-13 |
CN103974653A (zh) | 2014-08-06 |
US9129412B2 (en) | 2015-09-08 |
EP2789288A1 (en) | 2014-10-15 |
CN103974653B (zh) | 2016-06-01 |
EP2789288A4 (en) | 2016-02-24 |
US20140270499A1 (en) | 2014-09-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5784751B2 (ja) | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム | |
JP5851160B2 (ja) | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム | |
US8811676B2 (en) | Image processing apparatus, image processing method, and computer readable recording device | |
JP6552613B2 (ja) | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム | |
US8705818B2 (en) | Image processing device, computer readable storage medium storing image processing program, and image processing method | |
US8913806B2 (en) | Texture homogeneity based in-vivo image identifying device, method, and computer-readable recording device | |
EP2523164B1 (en) | Image processing apparatus, image processing method, and image processing program | |
US7555152B2 (en) | System and method for detecting ground glass nodules in medical images | |
JP2009291415A (ja) | 画像処理装置、画像処理プログラムおよび画像処理方法 | |
JP2014161672A (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP2009297450A (ja) | 画像処理装置、画像処理プログラムおよび画像処理方法 | |
CN115136189A (zh) | 基于图像处理的肿瘤的自动化检测 | |
JP2011206531A (ja) | 画像処理装置および方法並びにプログラム | |
CN109241898B (zh) | 腔镜视像的目标定位方法和系统、存储介质 | |
CN114140378A (zh) | 扫描图像处理方法、电子设备和可读介质 | |
JP2016016265A (ja) | 画像処理装置、画像処理方法及び医用画像診断装置 | |
KR20110130288A (ko) | 점막하 종양의 초음파 내시경 영상 분석에 의한 질병의 진단 방법 | |
Arnold et al. | Indistinct frame detection in colonoscopy videos | |
CN118071746B (zh) | 基于人工智能的超声影像数据管理系统及方法 | |
Klepaczko et al. | Local polynomial approximation for unsupervised segmentation of endoscopic images | |
Gómez et al. | Finding regions of interest in pathological images: An attentional model approach | |
WO2006093564A9 (en) | System and method for detecting ground glass nodules in medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150407 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150519 |
|
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: 20150707 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150722 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5784751 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
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 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |