JP5802175B2 - 画像処理装置 - Google Patents

Description

本発明は、画像処理装置に関し、特に、画像処理フローおよび画像処理パラメータの評価部を備える画像処理装置に関する。

近年、医用画像診断は、非侵襲的に体内の情報を得ることができるため、広く行われている。Ｘ線コンピュータ断層撮影（Computer Tomography：ＣＴ）装置や核磁気共鳴撮影（Magnetic Resonance Imaging：ＭＲＩ）装置、陽電子放射断層撮影（Positron Emission Tomography：ＰＥＴ）装置や単一光子放射断層撮影（Single Photon Emission Computed Tomography：ＳＰＥＣＴ）装置など、様々な種類の画像診断装置による三次元画像が診断や経過観察に活用されている。

一方、上記のような医用画像診断装置により得られた画像は、単に読影のために閲覧されるのみならず、画像処理を施すことでさまざまな情報を得ることが可能になっている。例えば、Ｘ線ＣＴ装置では、空間分解能の高いボリューム画像を得ることができるため、セグメンテーション技術を用いて臓器、血管などを抽出し、それらをボリュームレンダリング法にて３次元可視化することが可能である。さらには、単に可視化するだけでなく、さまざまな画像処理アルゴリズムを用いて腫瘍などの病変部位を抽出し、それらの最大径や体積などを求めることにより、定量的に評価することも可能である。

従来より、医用画像診断を支援するためのシステムとして、コンピュータ診断支援システム（Computer Aided Diagnosis：ＣＡＤ）が提案されている。ＣＡＤを細かく機能分類すると、ＣＡＤe（Computer Aided Detection）とＣＡＤｘ（Computer Aided Diagnosis）とに分けられる。ＣＡＤeは、画像上で病巣が存在する候補位置をコンピュータが自動検出し、その位置をマーキングする機能を有し、その病変を指摘することを支援するものである。

一方、ＣＡＤｘはＣＡＤe機能に加え、病変候補に関する物理特性（最大径や体積など）の数値や、良悪性鑑別や病変の進行度のデータや数値を出力する機能を有し、病変自身の定性的、定量的なデータを出力して診断支援するものである。これらのうち、すでに肺がん、乳がん用のＣＡＤeシステムは製品化されており、その重要性は増している。

このように医用画像診断装置もしくは装置から得られる画像は多岐にわたり、一方でその画像の処理方法も多岐にわたっているため、目的に適した画像や画像処理方法およびそのフローを選択し、実行することが重要である。

特許文献１には、医用画像中の問題部位を自動的に検出し、マークするために機械学習分類を利用するＣＡＤ（コンピュータ援用決定）支援システムが開示されている。

特表２００７−５２８７４６号公報

前述した通り、医用画像装置により取得される画像は、目的に応じて多岐にわたっている。また医用画像装置により取得された画像に対して、画像処理の目的に応じて様々な画像処理アプリケーションが提案されている。画像処理アプリケーションは、画像処理アルゴリズムを単独、もしくは複数用いて処理フローを実行することが一般的である。このように画像処理アプリケーションの種類も多岐にわたっている。これらを組み合わせて実行する場合、処理したい画像と画像処理フローの組合せは膨大となる。したがって、これら数多くの画像処理フローの組み合わせの中から、操作者が目的に最適な処理フローを選択することは今後ますます困難になる。

特許文献１に開示されたシステムでは、医用画像中の問題部位を自動的に検出し、マークするために機械学習分類を利用するＣＡＤ（コンピュータ援用決定）支援システムを提供している。このシステムは、ＣＡＤプロセスを適応および最適化することができる機械学習手段を備えている。この機械学習手段は、日常的なＣＡＤ支援システムの利用から得られるトレーニング・データを利用して、医師としての知識を絶えずＣＡＤプロセスに組み込みことにより、ＣＡＤプロセスの適応および最適化を行っている。

具体的には、特許文献１では、医用画像中の問題部位を検出、診断及びマーキングするＣＡＤシステムにおいて、検出された問題部位を指摘するＣＡＤマークとともに表示し、ユーザが問題部位として容認する。そして、入力されるユーザマークと連携することにより、トレーニング・データを得るアプローチを取っている。上記方法では、画像上での病変位置をシステムおよびユーザがマーキングし、そのマークが連携することで学習のためのトレーニング・データを作成する。したがって、ＣＡＤeの機能として病変部位の位置などを学習することは可能であるが、ＣＡＤxの機能として病変部位の３次元の定量的特性値を学習することは困難である。それに加えて、引用文献１では、画像処理や、その画像処理を組合せた画像処理フロー、および画像処理に必要なパラメータを学習する機能は提供できていない。

操作者が目的に応じた画像処理やそれを組合せた画像処理フローを選択および実行することが困難な主要因は、操作者が実行する、もしくは実行した処理フローの組み合わせが残っていないことである。また、画像処理フローを構成する各画像処理用パラメータは目的によって異なるため、目的に応じて最適なパラメータが不明瞭であることである。したがって、従来では、操作者の経験等に依存した画像処理フローの選択や、パラメータの調整が行われていた。

本発明は、操作者が実施した画像処理フロー（画像処理アルゴリズムの組み合わせやパラメータ）の処理結果を容易に評価でき、その評価結果を蓄積および学習することにより、操作者に目的に応じた最適な画像処理フローを提示することが可能な技術を提供する。

上記課題を解決するために、本発明の画像処理装置は、複数の画像処理アルゴリズムの組み合わせに基づいて、複数の画像処理フローを構築する処理フロー構築部と、予め選択された画像に対して、前記処理フロー構築部で構築された前記複数の画像処理フローを実行する処理フロー実行部と、前記複数の画像処理フローの実行結果を表示する表示部と、前記表示部に表示された前記複数の画像処理フローの前記実行結果に対する入力情報を受付けるための選択部と、前記選択部において受付けた前記入力情報に基づいて前記複数の画像処理フローの少なくとも１つの評価値を算出する処理フロー評価部と、前記複数の画像処理フローと前記評価値とを対応付けて格納する処理フローデータベースを含む記憶部と、を備えることを特徴とする。

また、本発明の画像処理装置は、予め選択された画像処理フローに対して、複数の画像処理パラメータパターンを提示する画像処理パラメータ調整部と、前記複数の画像処理パラメータパターンを用いて、予め選択された画像に対して、前記処理フローを実行する処理フロー実行部と、前記複数の画像処理パラメータパターンの実行結果を表示する表示部と、前記表示部に表示された前記複数の画像処理パラメータパターンの前記実行結果に対する入力情報を受付けるための選択部と、前記選択部において受付けた前記入力情報に基づいて前記複数の画像処理パラメータパターンの少なくとも１つの評価値を算出するパラメータ評価部と、前記複数の画像処理パラメータパターンと前記評価値とを対応付けて格納するパラメータデータベースを含む記憶部と、を備えることを特徴とする。

本発明によれば、画像処理アルゴリズムの組み合わせや画像処理パラメータを容易に評価でき、その評価結果を蓄積および学習することにより、操作者に目的に応じた最適な画像処理フローを提示することが可能となる。

本発明に関連する更なる特徴は、本明細書の記述、添付図面から明らかになるものである。また、上記した以外の、課題、構成および効果は、以下の実施形態の説明により明らかにされる。

第１実施形態に係る画像処理装置の全体構成を示す図である。 第１実施形態に係る画像処理装置の処理の流れを示すフローチャートである。 第１実施形態に係る処理フロー構築部における処理フローの構築例を示す図である。 画像処理装置の表示部に表示される画面例を示す図である。 第２実施形態に係る画像処理装置の全体構成を示す図である。 第２実施形態に係る画像処理装置の処理の流れを示すフローチャートである。 操作者が処理フローを選択する際の処理フロー選択画面の例である。 ラベル登録処理に関係がある処理部のみを示した画像処理装置の構成図である。 ラベル登録処理の流れを示すフローチャートである。 ラベルを登録する際のラベル登録画面の例である。 ラベリング情報を含む処理フローに関するスコアマスタと、ラベリング情報を含むアルゴリズムに関するスコアマスタを示す図である。 ラベルを用いて処理フローを検索する際の画面の例である。 階層化した処理フローに関するスコアマスタを示す図である。

以下、添付図面を参照して本発明の実施形態について説明する。なお、添付図面は本発明の原理に則った具体的な実施形態を示しているが、これらは本発明の理解のためのものであり、決して本発明を限定的に解釈するために用いられるものではない。

＜第１実施形態に係る画像処理装置の構成＞
図１は、第１実施形態に係る画像処理装置の全体構成を示す図である。画像処理装置１０１は、操作者（ユーザ）が選択した画像処理アルゴリズムから複数の画像処理フローを構築する。さらに、画像処理装置１０１は、複数の画像処理フローの画像処理結果に対する評価を操作者から受け取り、画像処理フローの評価値を算出し、画像処理フローの組み合わせパターンおよび評価値をデータベースに登録する。

上述の処理を実行するために、画像処理装置１０１は、画像サーバ１０２と、入力部１０３と、表示部１０８とを外部インタフェースとして備える。画像サーバ１０２は、例えば、目的の医用画像を格納するデータベースである。画像サーバ１０２は、ＨＤＤ（Hard Disk Drive）装置に代表される記憶装置により構成されている。画像処理装置１０１は、ネットワーク等を介して画像サーバ１０２に対して画像取得の要求を行い、目的の画像を取得する。例えば、画像サーバ１０２内には、画像処理装置１０１の分野にて一般的に使用されている標準規格ダイコム（Digital Imaging and Communication in Medicine：ＤＩＣＯＭ）フォーマットで画像が保存されている。画像処理装置１０１は、前記規格に定められた通信手段を用いて、画像データを取得することが可能である。

入力部１０３は、キーボードや、マウスなどのポインティングデバイスなどである。画像処理装置１０１は、入力部１０３を介して操作者からの入力を受付ける。表示部１０８は、操作者が選択した画像処理フローや、画像処理の結果等を表示する。表示部１０８上のユーザーインターフェースとしては、グラフィカルユーザーインターフェース（ＧＵＩ）が良く用いられ、操作者は、対話的な入力を行うことが可能である。表示部１０８は、例えば、液晶ディスプレイやＣＲＴ（Cathode−Ray Tube）などを利用したディスプレイにより構成される。

また、画像処理装置１０１は、画像選択部１０４と、アルゴリズム選択部１０５と、処理フロー構築部１０６と、処理フロー自動実行部１０７とを備える。画像選択部１０４は、入力部１０３を介して操作者によって選択された画像を選択するためのものである。画像選択部１０４は、操作者によって選択された画像を画像サーバ１０２から、例えばＤＩＣＯＭ規格に準じた通信手段にてネットワークを介して取得し、その画像を表示部１０８に表示可能である。

また、アルゴリズム選択部１０５は、入力部１０３を介して操作者によって選択された画像処理アルゴリズムを選択するためのものである。画像内の領域を抽出するための画像処理アルゴリズムとしては、リージョングローイング法、レベルセット法、グラフカット法などがある。画像処理装置１０１は、操作者が画像処理アルゴリズムを選択する際、表示部１０８上のＧＵＩに画像処理アルゴリズムを表示して、画像処理アルゴリズムを選択させることが可能である。アルゴリズム選択部１０５は、選択された画像処理アルゴリズムを処理フロー構築部１０６に入力する。

また、処理フロー構築部１０６は、操作者によって選択された画像処理アルゴリズムから、構築されうる複数の処理フローを自動で生成する。複数の処理フローの構築手法については、後述する。なお、処理フロー構築部１０６は、構築された複数の処理フローを処理フロー自動実行部１０７および処理フロー評価部１１０に入力する。

また、処理フロー自動実行部１０７は、処理フロー構築部１０６において自動生成された複数の処理フローを、画像サーバ１０２から取得された画像（すなわち、画像選択部１０４により選択された画像）に対して適用および自動実行する。また、処理フロー自動実行部１０７は、複数の処理フローのそれぞれについての画像処理結果（演算結果）を表示部１０８に表示する。操作者は、処理フロー自動実行部１０７において演算された複数の演算結果を表示部１０８にて確認することが可能である。

また、画像処理装置１０１は、上記演算結果を評価および学習するための機能として、演算結果選択部１０９と、処理フロー評価部１１０と、処理フロー学習部１１１と、処理フローデータベース１１２とを備える。

演算結果選択部１０９は、入力部１０３を介して操作者によって選択された処理フローあるいは操作者によって入力された処理フローの評価を受付けるためのものである。演算結果選択部１０９は、選択された処理フローあるいは入力された処理フローの評価を処理フロー評価部１１０に入力する。

処理フロー評価部１１０は、演算結果選択部１０９から入力された情報に基づいて、処理フローに対してスコアを算出する。処理フロー評価部１１０は、算出したスコアを処理フロー学習部１１１に入力する。

処理フロー学習部１１１は、処理フロー評価部１１０において算出されたスコアを用いて処理フローを学習する。処理フローの学習方法については後述する。処理フロー学習部１１１は、学習結果を処理フローデータベース１１２に登録する。

＜画像処理装置のハードウェア構成＞
次に、画像処理装置１０１のハードウェア構成について説明する。画像処理装置１０１は、ワークステーションやパーソナルコンピュータなどの情報処理装置によって構成されている。画像処理装置１０１は、上述した入力部１０３および表示部１０８と、メモリと、中央処理装置と、記憶装置とを備える。記憶装置は、ＨＤＤやＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭなどの記憶媒体である。

中央処理装置は、ＣＰＵ（Central Processing Unit）やマイクロプロセッサなどで構成されている。図１に示す画像処理装置１０１の各処理部は、各処理部の機能を実現するソフトウェアのプログラムコードによっても実現できる。すなわち、画像処理装置１０１の各処理部は、プログラムコードとしてメモリに格納され、中央処理装置が各プログラムコードを実行することによって実現されてもよい。なお、画像処理装置１０１の各処理部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。

また、処理フローデータベース１１２は、記憶装置に格納されており、中央処理装置が、画像処理装置１０１の各処理部を用いて、処理フローデータベース１１２のデータの読み出し処理および登録処理を実行する。

＜データベースの構成＞
次に、本実施形態における処理フローデータベース１１２の構成を説明する。例えば、処理フローデータベース１１２は、テーブル構造を有する。なお、下記で説明される本発明のデータベースにおける情報は必ずしもテーブルによるデータ構造で表現されていなくても良く、リスト、キュー等のデータ構造やそれ以外で表現されていてもよい。そのため、以下では、データ構造に依存しないことを示すために「テーブル」、「リスト」、「キュー」等について単に「情報」と呼ぶことがある。

処理フローデータベース１１２は、複数の処理フローの情報を格納する。処理フローデータベース１１２は、例えば、処理フローを識別するＩＤと、処理フローのパターンと、処理フローの評価値と、処理フローに対して付されるラベル情報と、処理フローの階層に関する情報とを構成項目として含む。ここで、処理フローのパターンの情報は、図７の「アルゴリズム手順」に示されるような複数の画像アルゴリズムの組み合わせや順序を表す情報である。処理フローデータベース１１２は、図１０に示すように、処理フローを複数の階層で管理するように構成されてもよい。処理フローの階層に関する情報としては、後述するように、処理フローが属する階層の情報や、その処理フローの上位の階層の処理フローの識別ＩＤの情報などであり、これらの情報によって、処理フローの階層が表現されてもよい。

＜画像処理装置の処理＞
次に、第１実施形態に係る画像処理装置１０１において行われる処理について説明する。図２は、第１実施形態に係る画像処理装置１０１の処理の流れを示すフローチャートである。

まず、ステップ２０１において、画像処理装置１０１は、画像サーバ１０２に格納されている画像のリストを表示部１０８上に表示し、操作者からの入力を受付ける。そして、画像選択部１０４は、入力部１０３を介して選択された画像を処理対象画像として選択し、画像処理装置１０１は、画像サーバ１０２から選択された画像を取得する。

次に、ステップ２０２において、アルゴリズム選択部１０５が、入力部１０３を介して操作者によって選択された画像処理アルゴリズムを選択する。ここでは、画像処理装置１０１に実装されている画像処理アルゴリズムに関して、処理フローを構成すべき２つの画像処理アルゴリズムが選択される。ここで２つのアルゴリズムを選択する理由は、処理フローそのものが構成されるためには最低２つのアルゴリズムが必要であり、単独のアルゴリズムでは処理フローを構築できないためである。

次に、ステップ２０３において、処理フロー構築部１０６が、選択された２つの画像処理アルゴリズムから、構築されうる複数の処理フローを自動で生成する。処理フローの構築例を図３を用いて説明する。図３は、アルゴリズムＡとアルゴリズムＢが選択された場合の処理フローの構築例を示す。

まず、選択した２つのアルゴリズムＡ、アルゴリズムＢが出力する抽出領域を、それぞれ、ＲｅｇＡ、ＲｅｇＢとする。これらの抽出領域から生成される領域のパターンは、図３に示すようにＲｅｇＡとＲｅｇＢの論理演算で求めることができ、そのパターンは全部で８パターン（１）〜（８）である。しかし、アルゴリズムＡおよびアルゴリズムＢを処理フローとして実行した場合には、単に８パターンの処理フローしか構成されるわけではない。その例として、図３に示すように、パターン（１）、つまり（ＲｅｇＡ）ＡＮＤ（ＲｅｇＢ）の場合であっても、処理フローとしては単に各アルゴリズムの実行結果をマージする処理フローだけでなく、シーケンシャルにＲｅｇＡとＲｅｇＢとを計算するフローも提案可能である。以上のように、処理フロー構築部１０６は、構成可能な処理フローを提案する。

なお、提案する処理フローの論理演算（ＡＮＤ、ＯＲ）は操作者により指定可能であってもよい。また、図３の提案フロー２および提案フロー３のようなシーケンシャルなフローの場合には、操作者が実行すべきアルゴリズムの順序を指定することにより、提案フローパターンを限定してもよい。また、図３の例では、ＲｅｇＡとＲｅｇＢのＡＮＤ論理演算により処理フローを提案しているが、アルゴリズムによっては、ＲｅｇＡでない領域とＲｅｇＢでない領域との論理演算により処理フローが提案されてもよく、例えば、図３のＡＮＤ表の（２）〜（４）、ＯＲ表の（６）〜（８）のパターンに基づいて処理フローが提案されてもよい。

次に、ステップ２０４において、処理フロー自動実行部１０７は、ステップ２０３において構築された処理フローを、ステップ２０１において取得された画像に対して実行する。そして、ステップ２０５において、処理フロー自動実行部１０７は、実行すべき処理フローがあるかを判定し、処理フローがある場合はステップ２０４に戻って、処理を繰り返し実行する。

実行すべき処理フローがない場合には、ステップ２０６において、処理フロー自動実行部１０７は、全ての処理フローの処理結果を表示部１０８に表示する。図４は、処理結果の具体的な表示例を示す。

次に、ステップ２０７において、演算結果選択部１０９は、入力部１０３を介して操作者によって選択された処理フローあるいは操作者によって入力された処理フローの評価を受付ける。この際、操作者は、処理フローを選択するのみではなく、複数の処理結果の順位付けを行い、その情報を入力してもよい。また、操作者は、選択した結果に対してどの程度満足していたかを考慮するような重みの情報を設定してもよい。そして、演算結果選択部１０９は、選択された処理フローあるいは入力された処理フローの評価を処理フロー評価部１１０に入力する。

次に、ステップ２０８において、処理フロー評価部１１０は、演算結果選択部１０９から入力された情報に基づいて、処理フローに対してスコアを算出する。処理フロー評価部１１０は、操作者が単に処理結果を選択した場合には、処理フローのスコアFlow_Scoreを以下の計算式で計算することにより処理フロー評価することが可能である。ここで、ｗは重み係数であり、Ｎは選択数である。

一方、処理フロー評価部１１０は、操作者が順位付けをして処理結果を選択した場合には、処理フローのスコアFlow_Scoreを以下の計算式で計算することにより処理フロー評価することが可能である。ここで、ｗは重み係数であり、Ｎは操作者により選択された処理結果の数である。また、rankingは操作者により設定された処理フローの順位である。

次に、ステップ２０９において、処理フロー学習部１１１は、ステップ２０８において算出されたスコアFlow_Scoreを用いて処理フローの学習を実行する。処理フローの学習は、以下の式で処理フローのスコアFlow_Scoreを更新することにより可能である。ここで、ｗは重み係数であり、Ｎは選択数である。

数３の式に示すように、前回同じ処理フローで実行した評価結果スコアFlow_Score _iがある場合には、それに今回の評価結果として１/Ｎを加算、もしくはユーザが入力した重みを考慮した１/Ｎを加算することにより、学習後のスコアFlow_Score _i+1を求めることができる。

一方、操作者が順位付けをして処理結果を選択した場合には、以下の式で処理フローのスコアFlow_Scoreを更新することが可能である。ここで、ｗは重み係数であり、Ｎは操作者により選択された処理結果の数である。また、rankingは操作者により設定された処理フローの順位である。

数４の式に示すように、前回同じ処理フローで実行した評価結果としてのスコアFlow_Score _iがある場合には、それに今回の評価結果として順位を考慮した値を加算、もしくはユーザが入力した重みと順位を考慮した値を加算することにより、学習後のスコアFlow_Score _i+1を求めることができる。

次に、ステップ２１０において、処理フロー学習部１１１は、ステップ２０９において算出したスコアFlow_Score _i+1を処理フローデータベース１１２に登録する。以上のように、操作者が入力した重みや順位を考慮することにより、処理フローの評価をより精緻に行うことができ、これにより、処理フローの学習効果も高めることができる。したがって、操作者の目的に応じた高精度な処理フローの蓄積が可能なる。

以上の実施形態では、２つのアルゴリズムの組合せパターンの例を示したが、本発明は、３つ以上のアルゴリズムの場合にも同様に適用可能である。例えば、まず、２つのアルゴリズムの組合せパターンを上記の方法で学習させ、この２つの組合せパターンの学習結果が良いものと、もう１つのアルゴリズムとを組合せたパターンに関して学習させることが可能である。このように、３つ以上のアルゴリズムの処理フローについても、その組合せを自動に提示し、操作者が選択することにより処理フローを学習することは可能である。

＜画像処理装置の画面＞
図４は、ステップ２０７において、画像処理装置１０１の表示部１０８に表示される画面例を示している。図４の画面４０１は、入力画像表示部４０２と、演算結果表示部４０３，４０４，４０５，４０６と、処理フロー評価部４０７とを備える。

入力画像表示部４０２には、画像選択部１０４により選択された画像（画像サーバ１０２から取得された画像）が表示される。また、演算結果表示部４０３，４０４，４０５，４０６には、処理フロー評価部４０７に表示されたフロー１〜４に対応する演算結果が表示される。

処理フロー評価部４０７には、処理フローを識別する名称４０７ａと、その処理フローの具体的な内容４０７ｂと、重み入力部４０７ｃと、ランク入力部４０７ｄとがテーブル形式で表示される。操作者は、演算結果表示部４０３，４０４，４０５，４０６に表示された演算結果を参照しながら、重み入力部４０７ｃとランク入力部４０７ｄに数値を入力することができる。

なお、重み入力部４０７ｃに入力される数値は、数１〜数４の数式における重み係数ｗに対応するものである。また、ランク入力部４０７ｄに入力される数値は、数２および数４の数式における処理フローの順位rankingに対応する。なお、この画面例では、ランク入力部４０７ｄに数値が入力されている数を、操作者により選択された処理結果の数Ｎ（図４ではＮ＝２となる）とすることができる。

なお、数１の数式を実施する場合、表示部１０８に表示される画面には、どの演算結果を選択するかを入力する入力部さえあればよい。

この画面例では、操作者が、処理フローの評価の入力が終了した時点で、ＯＫボタンを押下する。ＯＫボタンが押下されると、画像処理装置１０１は、図２のステップ２０８以降の処理を実行することになる。

本実施形態によれば、単独もしくは複数の画像処理アルゴリズムを組み合わせた画像処理フローを実行する画像処理装置において、画像処理フローを評価し、処理フローデータベース１１２を構築することにより、操作者の目的に応じ、かつ高精度な処理フローの蓄積が可能なる。また、本実施形態によれば、構築した処理フローデータベース１１２を用いて画像処理を行う場合に、操作者が、必要な画像処理フローを容易に選択することができるため、操作時間を低減することが可能となる。さらに、本実施形態によれば、構築した処理フローデータベース１１２を用いて画像処理を行う場合に、従来では、操作者により異なっていた処理フローの組み合わせを均一化することができ、かつ高精度な処理フローを提案可能になる。

＜第２実施形態に係る画像処理装置の構成＞
図５は、第２実施形態に係る画像処理装置の全体構成を示す図である。画像処理装置５０１は、操作者（ユーザ）が選択した画像処理フローに対して複数の画像処理パラメータパターンを提示する。さらに、画像処理装置５０１は、複数の画像処理パラメータパターンの画像処理結果に対する評価を操作者から受け取り、画像処理パラメータパターンの評価値を算出し、画像処理パラメータパターンおよび評価値を画像処理パラメータデータベースに登録する。また、画像処理装置５０１は、抽出領域の特徴量を学習し、その特徴量を特徴量データベースに登録する。

画像処理装置５０１は、画像サーバ５０２と、入力部５０３と、表示部５０９とを外部インタフェースとして備える。なお、画像サーバ５０２と、入力部５０３と、表示部５０９は、第１実施形態における画像サーバ１０２と、入力部１０３と、表示部１０８と構成が同じであるため、説明を省略する。

画像処理装置５０１は、処理フロー選択部５０５と、処理フローデータベース５０６と、画像処理パラメータ調整部５０７と、処理フロー自動実行部５０８とを備える。処理フロー選択部５０５は、入力部５０３を介して操作者によって選択された処理フローを選択するためのものである。ここでの処理フローの選択は、処理フローデータベース５０６に蓄積されている処理フローから選択される。
処理フロー選択部５０５は、処理フローデータベース５０６の処理フローを検索するための検索部（図示せず）を有してもよく、図７に示すように画像処理アルゴリズムをキーワードとして検索し、検索結果から選択するようにしてもよい。また、処理フロー選択部５０５が、いくつかの処理フローを自動的にテンプレートとして提示するようにしてもよい。

画像処理パラメータ調整部５０７は、処理フロー選択部５０５により選択された処理フローに対して、複数の画像処理パラメータパターンを提示する。画像処理パラメータを自動的に設定する手法については後述する。なお、画像処理パラメータ調整部５０７は、画像処理パラメータが、例えば、複数のアイテムから一つを選択するパラメータである場合には、それらのアイテムの中から複数のパターンを自動的に設定することが可能である。一方、画像処理パラメータ調整部５０７は、画像処理パラメータが数値の場合には、その数値の下限値、上限値、デフォルト値を用いて複数のパターンを設定するようにしてもよい。

また、処理フロー自動実行部５０８は、画像処理パラメータ調整部５０７において提示された複数の画像処理パラメータパターンを、画像サーバ５０２から取得された画像（すなわち、画像選択部５０４により選択された画像）に対して適用および自動実行する。また、処理フロー自動実行部５０８は、複数の画像処理パラメータパターンのそれぞれについての画像処理結果（演算結果）を表示部５０９に表示する。操作者は、処理フロー自動実行部５０８において演算された複数の演算結果を表示部５０９にて確認することが可能である。

また、画像処理装置５０１は、上記演算結果を評価および学習するための機能として、演算結果選択部５１０と、画像処理パラメータ評価部５１１と、画像処理パラメータ学習部５１２と、画像処理パラメータデータベース５１３とを備える。

演算結果選択部５１０は、入力部５０３を介して操作者によって選択された画像処理パラメータパターンあるいは操作者によって入力された画像処理パラメータパターンの評価を受付けるためのものである。演算結果選択部５１０は、選択された画像処理パラメータパターンあるいは入力された画像処理パラメータパターンの評価を画像処理パラメータ評価部５１１に入力する。

画像処理パラメータ評価部５１１は、演算結果選択部５１０から入力された情報に基づいて、画像処理パラメータパターンに対してスコアを算出する画像処理パラメータ評価部５１１は、算出したスコアを画像処理パラメータ学習部５１２に入力する。

画像処理パラメータ学習部５１２は、画像処理パラメータ評価部５１１において算出されたスコアを用いて画像処理パラメータパターンを学習する。画像処理パラメータパターンの学習方法については後述する。画像処理パラメータ学習部５１２は、学習結果を画像処理パラメータデータベース５１３に登録する。

また、画像処理装置５０１は、演算結果選択部５１０において選択された演算結果の特徴量を算出および評価するための機能として、特徴量算出部５１４と、特徴量評価部５１５と、特徴量学習部５１６と、特徴量データベース５１７とを備える。

特徴量算出部５１４は、演算結果選択部５１０において選択された演算結果で抽出された抽出領域の特徴量を算出する。ここで、特徴量とは、例えば、抽出領域の体積、表面積、球形度、平均曲率、ガウス曲率などを表す画像の形状情報、Haar-like特徴などのテクスチャ情報、画像の輝度情報やコントラスト情報などである。

特徴量評価部５１５は、特徴量算出部５１４において算出された特徴量に対してスコアを算出する。また、特徴量学習部５１６は、画像処理パラメータ評価部５１１にて算出されたスコアを用いて特徴量を学習するためのものである。特徴量の学習方法については後述する。

＜画像処理装置のハードウェア構成＞
次に、画像処理装置５０１のハードウェア構成について説明する。画像処理装置５０１は、画像処理装置１０１と同様の情報処理装置によって構成されている。画像処理装置５０１は、上述した入力部５０３および表示部５０９と、メモリと、中央処理装置と、記憶装置とを備える。したがって、図５に示す画像処理装置５０１の各処理部は、各処理部の機能を実現するソフトウェアのプログラムコードによっても実現できる。すなわち、画像処理装置５０１の各処理部は、プログラムコードとしてメモリに格納され、中央処理装置が各プログラムコードを実行することによって実現されてもよい。なお、画像処理装置５０１の各処理部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。

＜データベースの構成＞
次に、本実施形態におけるデータベースの構成を説明する。なお、処理フローデータベース５０６は、図１の処理フローデータベース１１２と同様の構成であるため、説明を省略する。

画像処理パラメータデータベース５１３は、処理フローと、その処理フローを実行する際に使用する画像処理パラメータパターンの情報を格納する。画像処理パラメータデータベース５１３は、例えば、処理フローを識別するＩＤと、その処理フローを実行する際に使用する画像処理パラメータパターンと、画像処理パラメータパターンの評価値と、画像処理パラメータパターンに対して付されるラベル情報と、処理フローの階層に関する情報とを構成項目として含む。

特徴量データベース５１７は、処理フローと、その処理フローを実行する際に使用する画像処理パラメータパターンと、その処理フローを実行して得られた抽出領域の特徴量の情報を格納する。特徴量データベース５１７は、例えば、処理フローを識別するＩＤと、その処理フローを実行する際に使用する画像処理パラメータパターンと、その処理フローを実行して得られた抽出領域の特徴量の種別と、特徴量の評価値と、特徴量に対して付されるラベル情報とを構成項目として含む。

＜画像処理装置の処理＞
次に、第２実施形態に係る画像処理装置５０１において行われる処理について説明する。図６は、第２実施形態に係る画像処理装置５０１の処理の流れを示すフローチャートである。

まず、ステップ６０１において、画像処理装置５０１は、画像サーバ５０２に格納されている画像のリストを表示部５０９上に表示し、操作者からの入力を受付ける。そして、画像選択部５０４は、入力部５０３を介して選択された画像を処理対象画像として選択し、画像処理装置５０１は、画像サーバ５０２から選択された画像を取得する。

次に、ステップ６０２において、処理フロー選択部５０５は、入力部５０３を介して操作者によって選択された処理フローを選択する。ここでの処理フローの選択は、処理フローデータベース５０６に蓄積されている処理フローから選択される。図７は、処理フローの選択画面の一例を示す。図７の画面７０１に示すように、操作者は、画像処理アルゴリズムをキーワードとして処理フローデータベース５０６を検索し、目的の画像処理アルゴリズムが含まれる処理フローを選択することができる。

次に、ステップ６０３において、画像処理パラメータ調整部５０７は、処理フロー選択部５０５により選択された処理フローに対して、複数の画像処理パラメータパターンを提示する。画像処理装置５０１の運用当初は、例えば、画像処理パラメータが複数のアイテムから一つを選択するパラメータである場合には、そのアイテムの中から複数のパターンを自動的に設定することが可能である。一方、画像処理パラメータが数値の場合には、その数値の下限値、上限値、デフォルト値を用いて複数のパターンを設定することが可能である。画像処理装置５０１の運用が進んでいくと、下記に示す方法で画像処理パラメータを学習することにより、使用したパラメータ分布に基づいて、頻度の高いアイテムや、頻度の高い数値を用いて、複数の画像処理パラメータのパターンを提示可能である。

以下に、パラメータを自動的に設定する手法を、領域抽出の画像処理アルゴリズムであるＧｒａｐｈ Ｃｕｔsを用いて説明する。Ｇｒａｐｈ Ｃｕｔｓは，次式に示すエネルギーを最小化し、画像に対して２値をラベリングすることで領域抽出する。

但し、第一項をデータ項、第二項を平滑化項と呼び、Ｙは画像、Ｘはラベル変数、Ｖは画像集合、u，ｖは画素、λはデータ項係数、κは平滑化項係数である。
まず、画像処理パラメータを複数のアイテムから一つを選択する例を示す。操作者がＧｒａｐｈ Ｃｕｔｓを用いて抽出したい領域として臓器を抽出しようとする。医用画像においては、造影剤を用いた撮像があるため、例えば造影時間が異なる場合には画像上の臓器の見え方は異なる。そのためシステムでは、複数の時間相パターンをあらかじめ用意し、それらをユーザによって選択可能とすることとしている。操作者がこのパターンを選択することは、数５の式のＸの値を変更することに相当する。操作者が選択したパターンの履歴を蓄積することで、頻度の高いパラメータの順位をつけることは容易なため、使用頻度の高いパラメータを自動で選択し、提示することが可能である。

次に、画像処理パラメータを数値入力する場合の例を示す。Ｇｒａｐｈ Ｃｔｕｓにおいて数値入力するパラメータの例は、λやκである。システムの運用当初は、システムに登録されているパラメータのデフォルト値、最小値、最大値を提案するが、運用が進み、実際に利用された値のヒストグラムを得ることが可能である。例えば、ヒストグラムが一つのピークを持っていた場合には、ピークの値、および前後数％の値を提示することが可能であり、またピークを複数もつ分布であれば、それらの値を提示することにより、複数の画像処理パラメータを提示することが可能である。今回示したパラメータは、単純な多数決やヒストグラム分布を用いた提示法を示したが、これらのパラメータを機械学習するアルゴリズムを導入して学習することも可能である。以上のようにして画像処理パラメータを学習することは可能である。

次に、ステップ６０４において、処理フロー自動実行部５０８は、ステップ６０３において提示された画像処理パラメータパターンを設定した処理フローを、ステップ６０１において取得された画像に対して実行する。そして、ステップ６０５において、処理フロー自動実行部５０８は、実行すべき画像処理パラメータパターンがあるかを判定し、画像処理パラメータパターンがある場合はステップ６０４に戻って、処理を繰り返し実行する。

実行すべき処理フローがない場合には、ステップ６０６において、処理フロー自動実行部５０８は、全ての画像処理パラメータパターンの処理結果を表示部５０９に表示する。

次に、ステップ６０７において、演算結果選択部５１０は、入力部５０３を介して操作者によって選択された画像処理パラメータパターンあるいは操作者によって入力された画像処理パラメータパターンの評価を受付ける。この際、操作者は、画像処理パラメータパターンを選択するのみではなく、複数の処理結果の順位付けを行い、その情報を入力してもよい。また、操作者は、選択した結果に対してどの程度満足していたかを考慮するような重みの情報を設定してもよい。そして演算結果選択部５１０は、選択された画像処理パラメータパターン、あるいは入力された画像処理パラメータパターンの評価を画像処理パラメータ評価部５１１および特徴量算出部５１４に入力する。

ステップ６０７以降は、ステップ６０８〜６１０と、ステップ６１１〜６１４の２つのフローを実行する。以下では、まず、ステップ６０８〜６１０について説明する。
ステップ６０８において、画像処理パラメータ評価部５１１は、演算結果選択部５１０から入力された情報に基づいて、画像処理パラメータパターンに対してスコアを算出する。画像処理パラメータ評価部５１１は、操作者が単に処理結果を選択した場合には、画像処理パラメータパターンのスコアParameter_Scoreを以下の計算式で計算することにより、画像処理パラメータパターンの評価をすることが可能である。ここで、ｗは重み係数であり、Ｎは選択数である。

一方、画像処理パラメータ評価部５１１は、操作者が順位付けをして画像処理パラメータパターンを選択した場合には、画像処理パラメータパターンのスコアParameter_Scoreを以下の計算式で計算することにより、画像処理パラメータパターンを評価することが可能である。ここで、ｗは重み係数であり、Ｎは操作者により選択された処理結果の数である。また、rankingは操作者により設定された画像処理パラメータパターンの順位である。

次に、ステップ６０９において、画像処理パラメータ学習部５１２は、ステップ６０８において算出されたスコアParameter_Scoreを用いて画像処理パラメータパターンの学習を実行する。画像処理パラメータパターンの学習は、以下の式でスコアParameter_Scoreを更新することにより可能である。ここで、ｗは重み係数であり、Ｎは選択数である。

数８の式に示すように、前回同じ処理フローで実行した評価結果スコアParameter_Score _iがある場合には、それに今回の評価結果として１/Ｎを加算、もしくはユーザが入力した重みを考慮した１/Ｎを加算することにより、画像処理パラメータパターンのスコアParameter_Score _i+1を求めることができる。

一方、操作者が順位付けをして処理結果を選択した場合には、以下の式でスコアParameter_Scoreを更新することが可能である。ここで、ｗは重み係数であり、Ｎは操作者により選択された処理結果の数である。また、rankingは操作者により設定された画像処理パラメータパターンの順位である。

数９の式に示すように、前回同じ処理フローで実行した評価結果としてのスコアParameter_Score _iがある場合には、それに今回の評価結果として順位を考慮した値を加算、もしくはユーザが入力した重みを考慮して加算することにより、今回のスコアParameter_Score _i+1を求めることができる。

次に、ステップ６１０において、画像処理パラメータ学習部５１２は、ステップ６０９において算出したスコアParameter_Score _i+1を画像処理パラメータデータベース５１３に登録する。

次に、ステップ６１１〜６１４について説明する。
ステップ６１１において、特徴量算出部５１４は、演算結果選択部５１０において選択された演算結果で抽出された抽出領域の特徴量を算出する。ここで計算される特徴量は、予め設定されていてもよいし、特徴量を算出する前に操作者にいくつかの選択肢から選択できるようにしてもよい。

次に、ステップ６１２において、特徴量評価部５１５は、演算結果選択部５１０から入力された情報に基づいて、演算結果選択部５１０において選択された演算結果で抽出された抽出領域の特徴量に対してスコアを算出する。特徴量評価部５１５は、操作者が単に処理結果を選択した場合には、特徴量のスコアFeature_Scoreを以下の計算式で計算することにより、特徴量を評価をすることが可能である。ここで、ｗは重み係数であり、Ｎは選択数である。

一方、特徴量評価部５１５は、操作者が順位付けをして画像処理パラメータパターンを選択した場合には、特徴量のスコアFeature_Scoreを以下の計算式で計算することにより、特徴量を評価をすることが可能である。ここで、ｗは重み係数であり、Ｎは操作者により選択された処理結果の数である。また、rankingは操作者により設定された順位である。

次に、ステップ６１３において、特徴量学習部５１６は、ステップ６１２において算出されたスコアFeature_Scoreを用いて特徴量の学習を実行する。特徴量の学習は、以下の式でスコアFeature_Scoreを更新することにより可能である。ここで、ｗは重み係数であり、Ｎは選択数である。

数１２の式に示すように、前回同じ処理フローで実行した評価結果スコアFeature_Score _iがある場合には、それに今回の評価結果として１/Ｎを加算、もしくはユーザが入力した重みを考慮した１／Ｎを加算することにより、今回の特徴量のスコアFeature_Score _i+1を求めることができる。

一方、操作者が順位付けをして処理結果を選択した場合には、以下の式でスコアFeature_Scoreを更新することが可能である。ここで、ｗは重み係数であり、Ｎは操作者により選択された処理結果の数である。また、rankingは操作者により設定された順位である。

数１３の式に示すように、前回同じ処理フローで実行した評価結果としてのスコアFeature_Score _iがある場合には、それに今回の評価結果として順位を考慮した値を加算、もしくはユーザが入力した重みと順位を考慮した値を加算することにより、今回のスコアFeature_Score _i+1を求めることができる。

次に、ステップ６１４において、特徴量学習部５１６は、ステップ６１３において算出したスコアFeature_Score _i+1を特徴量データベース５１７に登録する。以上のように、操作者が入力した重みや順位を考慮することにより、画像処理パラメータパターンおよび特徴量の評価をより精緻に行うことができ、これにより、画像処理パラメータパターンおよび特徴量の学習効果も高めることができる。したがって、操作者の目的に応じた高精度な画像処理パラメータパターンの蓄積や、病変部の種別ごとの有効な特徴量の蓄積が可能なる。

本実施形態によれば、単独もしくは複数の画像処理アルゴリズムを組み合わせた画像処理フローを実行する画像処理装置において、画像処理パラメータパターンを評価し、画像処理パラメータデータベース５１３を構築することにより、操作者の目的に応じ、かつ高精度な画像処理パラメータパターンの蓄積が可能なる。また、本実施形態によれば、構築した画像処理パラメータデータベース５１３を用いて画像処理を行う場合に、操作者が、必要な画像処理フローを選択しただけで、最適な画像処理パラメータパターンを設定することができるため、操作時間を低減することが可能となる。

さらに、本実施形態によれば、単独もしくは複数の画像処理アルゴリズムを組み合わせた画像処理フローを実行する画像処理装置において、操作者が選択した処理結果の抽出領域の特徴量を評価し、特徴量データベース５１７を構築することにより、例えば、病変部の種別ごとに有効な特徴量の情報を蓄積することが可能となる。特に、医用画像に関して、病変部の種類によってはその病変部がどのような特徴量を持っているかわからないために、その病変部の特徴量をどのように定義してよいかわからない場合がある。本実施形態によれば、画像処理パラメータパターンの蓄積と並行して、特徴量の評価も行い、病変部の種別ごとに有効な特徴量の情報を蓄積することが可能となる。

＜ラベル登録処理のための構成＞
次に、第１実施形態および第２実施形態の画像処理装置１０１，５０１におけるラベル登録処理について説明する。第１実施形態および第２実施形態の画像処理装置１０１，５０１において、処理フローデータベース、画像処理パラメータデータベース、特徴量データベースに保存された情報に対してラベリング処理が可能である。例えば、操作者は、処理フローデータベースの保存された処理フローや画像処理パラメータデータベースに保存された画像処理パラメータを参照し、それぞれに情報に対して医学的な意味に関する情報を付加することによりラベリングを行うことができる。

図８は、ラベル登録処理に関係がある処理部のみを示した画像処理装置８０１の構成図である。画像処理装置８０１は、入力部８０２と、表示部８０３と、データベースアクセス部８０４と、ラベル登録部８０８とを備える。入力部８０２と、表示部８０３は、第１実施形態における入力部１０３および表示部１０８と構成が同じであるため、説明を省略する。

データベースアクセス部８０４は、入力部８０２を介して操作者がデータベースにアクセスするための処理部である。また、ラベル登録部８０８は、入力部８０２を介して操作者が選択した処理フローなどに対してラベルを付加し、処理フローデータベース８０５に登録する。

また、画像処理装置８０１は、処理フローデータベース８０５と、画像処理パラメータデータベース８０６と、特徴量データベース８０７とを備える。なお、処理フローデータベース８０５と、画像処理パラメータデータベース８０６と、特徴量データベース８０７とは、第１実施形態および第２実施形態で説明した処理フローデータベース１１２、５０６、画像処理パラメータデータベース５１３、特徴量データベース５１７と同様の構成であるため、説明を省略する。

＜ラベル登録処理＞
次に、画像処理装置８０１において行われるラベル登録処理について説明する。図９は、ラベル登録処理の流れを示すフローチャートである。

まず、ステップ９０１において、データベースアクセス部８０４は、処理フローデータベース８０５にアクセスする。次に、ステップ９０２において、データベースアクセス部８０４は、処理フローデータベース８０５に登録されている処理フローの学習結果の一覧を表示部８０３に表示する。

次に、ステップ９０３において、操作者が、入力部８０２を介して表示部８０３上の一覧から処理フロー群を選択する。次に、ステップ９０４において、操作者が、選択した処理フロー群に関して、処理フローデータベース８０５内に格納されている処理フローのスコアFlow_Scoreを参考に、入力部８０２を介してラベリングする処理フローを選択する。

次に、ステップ９０５において、選択した処理フローに関して、画像処理パラメータデータベース８０６内に格納されている画像処理パラメータパターンのスコアParameter_Scoreを表示部８０３に表示する。次に、ステップ９０６において、操作者が、処理フローのスコアFlow_Scoreおよび画像処理パラメータパターンのスコアParameter_Scoreを参考に、処理フローのラベルを入力する。そして、ステップ９０７において、ラベル登録部８０８が、操作者が入力したラベルを、選択した処理フローに付加し、処理フローデータベース８０５に登録する。

なお、上述では、処理フローデータベース８０５内の処理フローのラベリングについて説明したが、画像処理パラメータデータベース８０６や、特徴量データベース８０７なども上述の処理の流れで同様にラベリング処理を行うことが可能である。

＜ラベリング設定画面＞
次に、ラベルを登録するための設定画面について説明する。図１０は、ラベルを登録する際のラベル登録画面の例である。
処理フローラベリング入力画面１００１は、入力モードボタン１００２と、テンプレート読込ボタン１００３と、階層追加ボタン１００４と、リンクモードボタン１００５とを備える。また、処理フローラベリング入力画面１００１は、表示部分として、処理フロー表示部１００６と、第１ラベル階層表示部１００７と、第２ラベル階層表示部１００８と、第３ラベル階層表示部１００９とを備える。

処理フロー表示部１００６には、操作者が選択した処理フローおよび画像処理アルゴリズムが表示される。操作者は、処理フローを選択して、入力モードボタン１００２またはテンプレート読込ボタン１００３を押下する。入力モードボタン１００２を押下した場合、例えば、処理フローラベリング入力画面１００１には、テキストボックスが表示され、操作者はそのテキストボックスに直接ラベルを入力することができる。テンプレート読込ボタン１００３を押下した場合、例えば、処理フローラベリング入力画面１００１には、ラベルのテンプレート（一覧）が表示され、操作者は、テンプレートの中からラベルを選択することができる。図１０の例では、処理フローの中の「アルゴリズム１」には、「臓器Ａ抽出」というラベルが入力されている。この際、「臓器Ａ抽出」というラベルは、ラベル階層０として、第１ラベル階層表示部１００７に表示される。

図１１は、ラベリングした結果を処理フローデータベース８０５に登録した場合のテーブルを示す。例えば、処理フローデータベース８０５は、処理フローマスタテーブル１１０１と、アルゴリズムマスタテーブル１１０２とを備える。処理フローマスタテーブル１１０１は、処理フローに対応するラベル用の項目を含み、各処理フローに対応するラベルが入力されている。また、アルゴリズムマスタテーブル１１０２は、アルゴリズムに対応するラベル用の項目を含み、各アルゴリズムに対応するラベルが入力されている。

このように画像処理アルゴリズムもしくは処理フローに対してラベリングを行いデータベースに登録する利点は、データベース内を操作者が検索する場合に有意な検索を行うことが可能となる点である。操作者にとって、画像処理アルゴリズム名は、自身が実行する目的を表してはいないため、各アルゴリズムや処理フローをラベリングすることにより、操作者は、自身が実行する目的に合致した処理フローを選択可能になる。また、操作者が医療従事者の場合には、処理フローが単に画像処理アルゴリズムの集合としてではなく、医学的な処理フローとして保存することが可能となる。

また、ラベリングは、画像処理アルゴリズムおよびその集合である処理フローを任意に組み合わせて行うことができる。例えば、階層追加ボタン１００４を押下した場合、第２ラベル階層表示部１００８にラベルを入力することが可能になる。図１０の例において、第２ラベル階層表示部１００８には、「臓器Ａがん画像診断」というラベルが入力されている。ここで、リンクモードボタン１００５を押下した場合、操作者は、画像処理アルゴリズムの任意の組み合わせを「臓器Ａがん画像診断」というラベルに紐付けることが可能になる。例えば、リンクモードボタン１００５を押下した場合、線描画ツールが表示され、操作者は線描画ツールを用いてラベル階層０の複数のラベルをラベル階層１の「臓器Ａがん画像診断」に紐付けることができる。なお、さらに、階層追加ボタン１００４を押下して、第３ラベル階層表示部１００９にラベルを入力することも可能である。図１０の例では、ラベル階層１の「臓器Ａがん画像診断」ラベルおよび「臓器Ｂがん画像診断」ラベルを、ラベル階層２の「転移性がん画像診断」とリンクさせている。

図１３は、上述したように処理フローが複数の階層で定義づけられた場合の処理フローデータベース８０５の一例を示す。処理フローデータベース８０５は、階層２処理フローマスタテーブル１３０１と、階層１処理フローマスタテーブル１３０２とを備える。階層２処理フローマスタテーブル１３０１は、階層情報を入力する項目と、処理フローに対応するラベル用の項目とを含む。階層２処理フローマスタテーブル１３０１において、階層情報の項目には「２」が設定されている。

また、階層１処理フローマスタテーブル１３０２は、階層情報を入力する項目と、処理フローに対応するラベル用の項目と、上位の階層処理フローの情報を入力する項目とを含む。階層１処理フローマスタテーブル１３０２において、階層情報の項目には「１」が設定されている。そして、上位の階層処理フローの情報の項目には、対応する階層２処理フローマスタテーブル１３０１の処理フローＮｏが入力されている。
この場合、処理フローの集合である上位階層の処理フローに関するスコアLabeled Flow_Scoreは、以下の式により算出することができる。ここで、F_Score_iはその上位の階層の処理フローに紐付けられた各画像処理アルゴリズムあるいは各処理フローのスコアである。ｎは、その上位の階層の処理フローに紐付けられた画像処理アルゴリズムあるいは各処理フローの数である。また、ｗは重み係数である。重み係数ｗを変化させることにより、上位処理フローにおける各処理フローの影響度を制御できる。

図１２は、ラベリング処理によってラベル情報が格納された処理フローデータベース８０５から処理フローを検索する画面の一例を示す。例えば、第２実施形態における処理フロー選択部５０５が、処理フローデータベース８０５の処理フローを検索するための検索部（図示せず）を有してもよく、図１２に示すようにキーワードを用いて検索し、検索結果から処理フローを選択するようにしてもよい。

図１２において、検索キーワード入力部１２０２には、「肝がん」という文字列が入力されて、処理フローデータベース８０５に対する検索が実行されている。その検索結果として、「肝がん」という文字列をラベルに含む処理フローが、処理フロー表示部１２０３に一覧で表示される。なお、図１２に示すように、処理フローの一覧とともに処理フローのスコアを表示してもよい。

なお、ラベル情報は、処理フローもしくは画像処理アルゴリズムの使途を限定するものではなく、例えば、「臓器Ａ抽出」とラベリングしたアルゴリズムを「臓器Ｂ抽出」に利用しても構わない。

以上のように、本実施形態によれば、画像処理アルゴリズムもしくは処理フローに対してラベリングを行うことにより、データベース内を操作者が検索する場合に有意な検索を行うことが可能となる。これにより、操作者は、自身が実行する目的に合致した処理フローを選択可能になる。

＜まとめ＞
第１実施形態の画像処理装置１０１は、複数の画像処理アルゴリズムの組み合わせに基づいて、複数の画像処理フローを構築する処理フロー構築部１０６と、予め選択された画像に対して、処理フロー構築部１０６で構築された複数の画像処理フローを実行する処理フロー自動実行部１０７と、複数の画像処理フローの実行結果を表示する表示部１０８と、表示部１０８に表示された複数の画像処理フローの実行結果に対する入力情報を受付けるための演算結果選択部１０９と、演算結果選択部１０９において受付けた入力情報に基づいて複数の画像処理フローの少なくとも１つの評価値を算出する処理フロー評価部１１０と、複数の画像処理フローと評価値とを対応付けて格納する処理フローデータベース１１２を含む記憶装置と、を備える。
この構成によれば、単独もしくは複数の画像処理アルゴリズムを組み合わせた画像処理フローを実行する画像処理装置において、画像処理フローを評価し、処理フローデータベース１１２を構築することにより、操作者の目的に応じ、かつ高精度な処理フローの蓄積が可能なる。また、構築した処理フローデータベース１１２を用いて画像処理を行う場合に、操作者が、評価値を参考にして必要な画像処理フローを容易に選択することができるため、操作時間を低減することが可能となる。さらに、構築した処理フローデータベース１１２を用いて画像処理を行う場合に、従来では、操作者により異なっていた処理フローの組み合わせを均一化することができ、かつ高精度な処理フローを提案可能になる。なお、本実施形態は、複数のアルゴリズムを組み合わせたより効果的な処理フローを蓄積する目的ならば、様々な分野の画像処理に適用することができるが、特に、病変部などの領域を抽出するためのより効果的な処理フローを蓄積するために、医用画像の画像処理に適用することが有益である。

また、第２実施形態の画像処理装置５０１は、予め選択された画像処理フローに対して、複数の画像処理パラメータパターンを提示する画像処理パラメータ調整部５０７と、複数の画像処理パラメータパターンを用いて、予め選択された画像に対して、画像処理フローを実行する処理フロー自動実行部５０８と、複数の画像処理パラメータパターンの実行結果を表示する表示部５０９と、表示部５０９に表示された複数の画像処理パラメータパターンの実行結果に対する入力情報を受付けるための演算結果選択部５１０と、演算結果選択部５１０において受付けた入力情報に基づいて複数の画像処理パラメータパターンの少なくとも１つの評価値を算出する画像処理パラメータ評価部５１１と、複数の画像処理パラメータパターンと評価値とを対応付けて格納する画像処理パラメータデータベース５１３を含む記憶装置と、を備える。
この構成によれば、単独もしくは複数の画像処理アルゴリズムを組み合わせた画像処理フローを実行する画像処理装置において、画像処理パラメータパターンを評価し、画像処理パラメータデータベース５１３を構築することにより、操作者の目的に応じ、かつ高精度な画像処理パラメータパターンの蓄積が可能なる。また、構築した画像処理パラメータデータベース５１３を用いて画像処理を行う場合に、操作者が、必要な画像処理フローを選択しただけで、最適な画像処理パラメータパターンを設定することができるため、操作時間を低減することが可能となる。なお、本実施形態は、より効果的な画像処理パラメータパターンを蓄積する目的ならば、様々な分野の画像処理に適用することができるが、特に、病変部などの領域を抽出するための画像処理に対するパラメータパターンを蓄積するために、医用画像の画像処理に適用することが有益である。

また、第２実施形態の画像処理装置５０１は、複数の画像処理パラメータパターンによって抽出された抽出領域の特徴量を算出する特徴量算出部５１４と、演算結果選択部５１０において受付けた入力情報に基づいて特徴量の評価値を算出する特徴量評価部５１５と、をさらに備え、記憶装置が、特徴量と特徴量の評価値とを対応付けて格納する特徴量データベース５１７を更に含む。
この構成によれば、単独もしくは複数の画像処理アルゴリズムを組み合わせた画像処理フローを実行する画像処理装置において、操作者が選択した処理結果の抽出領域の特徴量を評価し、特徴量データベース５１７を構築することにより、例えば、病変部の種別ごとに有効な特徴量の情報を蓄積することが可能となる。したがって、画像処理パラメータパターンの蓄積と並行して、特徴量の評価も行い、病変部の種別ごとに有効な特徴量の情報を蓄積することが可能となる。

なお、本発明は上述した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上述した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることがあり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

上述の第１実施形態および第２実施形態では、処理フロー学習部１１１、画像処理パラメータ学習部５１２、および特徴量学習部５１６を備えているが、この構成は本発明のより好ましい形態である。評価した処理フローあるいは画像処理パラメータパターンを蓄積するという点においては、これらの学習部１１１、５１２、５１６の一部または全部を削除して本発明を構成することが可能である。この場合、処理フロー評価部１１０、画像処理パラメータ評価部５１１、および特徴量評価部５１５で算出されたスコアがそのままデータベースに格納されることになる。

上述の実施形態では、第２実施形態の画像処理装置５０１が、特徴量算出部５１４、特徴量評価部５１５、および、特徴量学習部５１６とを備えているが、この構成に限定されない。例えば、特徴量算出部５１４、特徴量評価部５１５、および、特徴量学習部５１６を、第１実施形態の画像処理装置１０１に組み込むことも可能である。この場合、演算結果選択部１０９で選択された処理フローについて特徴量の算出、評価、および学習を行うことが可能になる。

上述の第１実施形態および第２実施形態では、システム内に図１に示した処理フローデータベース１１２、図５に示した処理フローデータベース５０６、画像処理パラメータデータベース５１３、特徴量データベース５１７、図８に示した処理フローデータベース８０５、画像処理パラメータデータベース８０６、特徴量データベース８０７を備えているが、この構成に限定されない。例えば、各データベースは、システム外、特にシステムを設置した病院外にクラウドサーバとして設け、上述した方法で本システムを設置した病院内での処理フロー、画像処理パラメータ、特徴量を蓄積、評価、および学習した結果を、ネットワークを介してクラウドサーバに保存することが可能である。さらに、本システムを設置した複数の病院が、上記病院外のクラウドサーバに各病院での結果を保存することで、それら情報を異なる病院間で共有することが可能である。

また、上述の第１実施形態および第２実施形態は、図１に示した画像処理装置１０１、図５に示した画像処理装置５０１、図８に示した画像処理装置８０１が、病院内に設置されることに限定されない。例えば、画像処理装置の入力部および表示部を除く、すべての構成部を病院外にクラウドシステムとして設け、ネットワークを介して接続し、上述した方法により処理フロー、画像処理パラメータ、特徴量を蓄積、評価、および学習することが可能である。さらに、それら情報を複数の病院間で共有することが可能である。

上述したように、画像処理装置１０１および５０１は、実施形態の機能を実現するソフトウェアのプログラムコードで実現してもよい。この場合、プログラムコードを記録した記憶媒体を情報処理装置に提供し、その情報処理装置（またはＣＰＵ）が記憶媒体に格納されたプログラムコードを読み出す。この場合、記憶媒体から読み出されたプログラムコード自体が前述した実施形態の機能を実現することになり、そのプログラムコード自体、およびそれを記憶した記憶媒体は本発明を構成することになる。このようなプログラムコードを供給するための記憶媒体としては、例えば、フレキシブルディスク、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−Ｒ、磁気テープ、不揮発性のメモリカード、ＲＯＭなどが用いられる。

また、プログラムコードの指示に基づき、情報処理装置上で稼動しているＯＳ（オペレーティングシステム）などが実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現されるようにしてもよい。さらに、実施形態の機能を実現するソフトウェアのプログラムコードを、ネットワークを介して配信することにより、それを情報処理装置の記憶装置またはＣＤ−ＲＷ、ＣＤ−Ｒ等の記憶媒体に格納し、使用時にその情報処理装置のＣＰＵが当該記憶装置や当該記憶媒体に格納されたプログラムコードを読み出して実行するようにしてもよい。

本発明は、具体例に関連して記述したが、これらは、すべての観点に於いて限定の為ではなく説明の為である。本分野にスキルのある者には、本発明を実施するのに相応しいハードウェア、ソフトウェア、およびファームウエアの多数の組み合わせがあることが解るであろう。例えば、本実施形態に記載の機能を実現するプログラムコードは、アセンブラ、Ｃ／Ｃ＋＋、ｐｅｒｌ、Ｓｈｅｌｌ、ＰＨＰ、Ｊａｖａ（登録商標）等の広範囲のプログラムまたはスクリプト言語で実装できる。

また、画像処理装置１０１および５０１は、それらの一部や全部を、例えば、集積回路で設計する等によりハードウェアで実現してもよい。

また、図面における制御線や情報線は、説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。全ての構成が相互に接続されていてもよい。

本発明は、画像処理装置に関し、特に画像に対して複数の画像処理を施し目的領域を抽出する場合に、最適な画像処理を選択し、効率的に画像像処理を実施する技術として有用である。

１０１ ：画像処理装置
１０２ ：画像サーバ
１０３ ：入力部
１０４ ：画像選択部
１０５ ：アルゴリズム選択部
１０６ ：処理フロー構築部
１０７ ：処理フロー自動実行部
１０８ ：表示部
１０９ ：演算結果選択部
１１０ ：処理フロー評価部
１１１ ：学習部
１１１ ：処理フロー学習部
１１２ ：処理フローデータベース
４０１ ：画面
４０２ ：入力画像表示部
４０３ ：演算結果表示部
４０７ ：処理フロー評価部
５０１ ：画像処理装置
５０２ ：画像サーバ
５０３ ：入力部
５０４ ：画像選択部
５０５ ：処理フロー選択部
５０６ ：処理フローデータベース
５０７ ：画像処理パラメータ調整部
５０８ ：処理フロー自動実行部
５０９ ：表示部
５１０ ：演算結果選択部
５１１ ：画像処理パラメータ評価部
５１２ ：画像処理パラメータ学習部
５１３ ：画像処理パラメータデータベース
５１４ ：特徴量算出部
５１５ ：特徴量評価部
５１６ ：特徴量学習部
５１７ ：特徴量データベース
７０１ ：画面
８０１ ：画像処理装置
８０２ ：入力部
８０３ ：表示部
８０４ ：データベースアクセス部
８０５ ：処理フローデータベース
８０６ ：画像処理パラメータデータベース
８０７ ：特徴量データベース
８０８ ：ラベル登録部
１００１ ：処理フローラベリング入力画面
１００２ ：入力モードボタン
１００３ ：テンプレート読込ボタン
１００４ ：階層追加ボタン
１００５ ：リンクモードボタン
１００６ ：処理フロー表示部
１００７ ：第１ラベル階層表示部
１００８ ：第２ラベル階層表示部
１００９ ：第３ラベル階層表示部
１１０１ ：処理フローマスタテーブル
１１０２ ：アルゴリズムマスタテーブル
１２０２ ：検索キーワード入力部
１２０３ ：処理フロー表示部
１３０１ ：階層２処理フローマスタテーブル
１３０２ ：階層１処理フローマスタテーブル

Claims (14)

1. 複数の画像処理アルゴリズムの組み合わせに基づいて、複数の画像処理フローを構築する処理フロー構築部と、
   予め選択された画像に対して、前記処理フロー構築部で構築された前記複数の画像処理フローを実行する処理フロー実行部と、
   前記複数の画像処理フローの実行結果を表示する表示部と、
   前記表示部に表示された前記複数の画像処理フローの前記実行結果に対する入力情報を受付けるための選択部と、
   前記選択部において受付けた前記入力情報に基づいて前記複数の画像処理フローの少なくとも１つの評価値を算出する処理フロー評価部と、
   前記複数の画像処理フローと前記評価値とを対応付けて格納する処理フローデータベースを含む記憶部と、
   を備えることを特徴とする画像処理装置。
2. 請求項１に記載の画像処理装置において、
   前記入力情報は、
   操作者によって選択された画像処理フローの数と、重み係数とを含む第１の入力情報か、または、
   操作者によって選択された画像処理フローの数と、重み係数と、前記複数の画像処理フローの順位情報とを含む第２の入力情報のいずれかであり、
   前記処理フロー評価部が、前記第１の入力情報または前記第２の入力情報に基づいて前記評価値を算出することを特徴とする画像処理装置。
3. 請求項１に記載の画像処理装置において、
   前記処理フローデータベースに格納されている以前の評価値を用いて前記複数の画像処理フローの少なくとも１つの評価値を算出する処理フロー学習部を更に備えることを特徴とする画像処理装置。
4. 請求項３に記載の画像処理装置において、
   前記入力情報は、
   操作者によって選択された画像処理フローの数と、重み係数とを含む第１の入力情報か、または、
   操作者によって選択された画像処理フローの数と、重み係数と、前記複数の画像処理フローの順位情報とを含む第２の入力情報のいずれかであり、
   前記処理フロー学習部が、前記第１の入力情報または前記第２の入力情報と、前記処理フローデータベースに格納されている以前の評価値とに基づいて前記評価値を算出することを特徴とする画像処理装置。
5. 請求項１に記載の画像処理装置において、
   前記画像は医用画像であることを特徴とする画像処理装置。
6. 予め選択された画像処理フローに対して、複数の画像処理パラメータパターンを提示する画像処理パラメータ調整部と、
   前記複数の画像処理パラメータパターンを用いて、予め選択された画像に対して、前記画像処理フローを実行する処理フロー実行部と、
   前記複数の画像処理パラメータパターンの実行結果を表示する表示部と、
   前記表示部に表示された前記複数の画像処理パラメータパターンの前記実行結果に対する入力情報を受付けるための選択部と、
   前記選択部において受付けた前記入力情報に基づいて前記複数の画像処理パラメータパターンの少なくとも１つの評価値を算出するパラメータ評価部と、
   前記複数の画像処理パラメータパターンと前記評価値とを対応付けて格納するパラメータデータベースを含む記憶部と、
   を備えることを特徴とする画像処理装置。
7. 請求項６に記載の画像処理装置において、
   前記入力情報は、
   操作者によって選択された画像処理パラメータパターンの数と、重み係数とを含む第１の入力情報か、または、
   操作者によって選択された画像処理パラメータパターンの数と、重み係数と、前記複数の画像処理パラメータパターンの順位情報とを含む第２の入力情報のいずれかであり、
   前記パラメータ評価部が、前記第１の入力情報または前記第２の入力情報に基づいて前記評価値を算出することを特徴とする画像処理装置。
8. 請求項６に記載の画像処理装置において、
   前記パラメータデータベースに格納されている以前の評価値を用いて前記複数の画像処理パラメータパターンの少なくとも１つの評価値を算出するパラメータ学習部を更に備えることを特徴とする画像処理装置。
9. 請求項８に記載の画像処理装置において、
   前記入力情報は、
   操作者によって選択された画像処理パラメータパターンの数と、重み係数とを含む第１の入力情報か、または、
   操作者によって選択された画像処理パラメータパターンの数と、重み係数と、前記複数の画像処理パラメータパターンの順位情報とを含む第２の入力情報のいずれかであり、
   前記パラメータ学習部が、前記第１の入力情報または前記第２の入力情報と、前記パラメータデータベースに格納されている以前の評価値とに基づいて前記評価値を算出することを特徴とする画像処理装置。
10. 請求項６に記載の画像処理装置において、
    前記複数の画像処理パラメータパターンによって抽出された抽出領域の特徴量を算出する特徴量算出部と、
    前記選択部において受付けた前記入力情報に基づいて前記特徴量の評価値を算出する特徴量評価部と、をさらに備え、
    前記記憶部が、前記特徴量と前記特徴量の評価値とを対応付けて格納する特徴量データベースを更に含むことを特徴とする画像処理装置。
11. 請求項１０に記載の画像処理装置において、
    前記特徴量データベースに格納されている以前の前記特徴量の評価値を用いて前記特徴量の評価値を算出する特徴量学習部を更に備えることを特徴とする画像処理装置。
12. 請求項６に記載の画像処理装置において、
    前記記憶部が、複数の画像処理フローを格納する処理フローデータベースを更に含み、
    前記予め選択された画像処理フローとして、前記処理フローデータベースに格納されている前記複数の画像処理フローから画像処理フローを選択する処理フロー選択部を更に備えることを特徴とする画像処理装置。
13. 請求項１２に記載の画像処理装置において、
    前記処理フローデータベースに格納されている各画像処理フローに対してラベルを登録するためのラベル登録部を更に備え、
    前記処理フロー選択部が、前記ラベルを用いて前記処理フローデータベースに格納されている前記複数の画像処理フローを検索する検索部を有することを特徴とする画像処理装置。
14. 請求項６に記載の画像処理装置において、
    前記画像は医用画像であることを特徴とする画像処理装置。

Images