JP5880332B2 - 画像処理装置及びプログラム - Google Patents
画像処理装置及びプログラム Download PDFInfo
- Publication number
- JP5880332B2 JP5880332B2 JP2012165053A JP2012165053A JP5880332B2 JP 5880332 B2 JP5880332 B2 JP 5880332B2 JP 2012165053 A JP2012165053 A JP 2012165053A JP 2012165053 A JP2012165053 A JP 2012165053A JP 5880332 B2 JP5880332 B2 JP 5880332B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- template
- image
- subject
- extraction
- 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.)
- Expired - Fee Related
Links
- 238000012545 processing Methods 0.000 title claims description 220
- 238000000605 extraction Methods 0.000 claims description 336
- 210000004072 lung Anatomy 0.000 claims description 268
- 238000000034 method Methods 0.000 claims description 218
- 230000008569 process Effects 0.000 claims description 169
- 238000003384 imaging method Methods 0.000 claims description 147
- 210000002376 aorta thoracic Anatomy 0.000 claims description 44
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 40
- 230000005855 radiation Effects 0.000 claims description 36
- 238000003745 diagnosis Methods 0.000 claims description 19
- 230000000391 smoking effect Effects 0.000 claims description 18
- 241001465754 Metazoa Species 0.000 claims description 17
- 230000007423 decrease Effects 0.000 claims description 9
- 238000001356 surgical procedure Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 78
- 238000012805 post-processing Methods 0.000 description 36
- 210000000038 chest Anatomy 0.000 description 23
- 238000003702 image correction Methods 0.000 description 18
- 201000010099 disease Diseases 0.000 description 14
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 14
- 238000002271 resection Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 12
- 239000000284 extract Substances 0.000 description 12
- 230000002685 pulmonary effect Effects 0.000 description 12
- 238000001514 detection method Methods 0.000 description 9
- 230000008859 change Effects 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 8
- 230000000241 respiratory effect Effects 0.000 description 8
- 206010007572 Cardiac hypertrophy Diseases 0.000 description 6
- 208000006029 Cardiomegaly Diseases 0.000 description 6
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 6
- 102100024854 Taste receptor type 2 member 4 Human genes 0.000 description 6
- 108050000632 Taste receptor type 2 member 4 Proteins 0.000 description 6
- 230000017531 blood circulation Effects 0.000 description 6
- 201000005202 lung cancer Diseases 0.000 description 6
- 208000020816 lung neoplasm Diseases 0.000 description 6
- 238000002601 radiography Methods 0.000 description 6
- 102100024845 Taste receptor type 2 member 1 Human genes 0.000 description 5
- 101710129400 Taste receptor type 2 member 1 Proteins 0.000 description 5
- 230000001186 cumulative effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 206010006322 Breath holding Diseases 0.000 description 4
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 4
- 206010035664 Pneumonia Diseases 0.000 description 4
- 208000010378 Pulmonary Embolism Diseases 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 4
- 235000003642 hunger Nutrition 0.000 description 4
- 239000004065 semiconductor Substances 0.000 description 4
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 3
- 208000000059 Dyspnea Diseases 0.000 description 3
- 206010013975 Dyspnoeas Diseases 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 3
- 210000003109 clavicle Anatomy 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000011946 reduction process Methods 0.000 description 3
- 208000013220 shortness of breath Diseases 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 206010014561 Emphysema Diseases 0.000 description 2
- 241000270295 Serpentes Species 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 201000009267 bronchiectasis Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012790 confirmation Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 206010020880 Hypertrophy Diseases 0.000 description 1
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 210000000709 aorta Anatomy 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 210000004351 coronary vessel Anatomy 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 201000010759 hypertrophy of breast Diseases 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000013538 segmental resection Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000005586 smoking cessation Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 210000002784 stomach Anatomy 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001835 viscera Anatomy 0.000 description 1
Images
Description
本発明の実施の形態に係る放射線動態画像撮影システムは、人体または動物の身体を被写体として、被写体の放射線画像の撮影を行い、撮影された医用画像(放射線画像)から対象部位の抽出を行う。
撮影装置1は、例えば、X線撮影装置等によって構成され、呼吸に伴う被写体Mの胸部の動態を撮影する装置である。動態撮影は、被写体Mの胸部に対し、X線等の放射線を繰り返して照射しつつ、時間順時に複数の画像を取得することにより行う。この連続撮影により得られた一連の画像を動態画像(動画像)と呼ぶ。また、動態画像を構成する複数の画像のそれぞれをフレーム画像と呼ぶ。
撮影制御装置2は、放射線照射条件や画像読取条件を撮影装置1に出力して撮影装置1による放射線撮影及び放射線画像の読み取り動作を制御するとともに、撮影装置1により取得された動態画像を撮影技師によるポジショニングの確認や診断に適した画像であるか否かの確認用に表示する。
画像処理装置3(3A,3A’,3B,3C)は、撮像装置1から送信された動態画像を、撮影制御装置2を介して取得し、医師等が読影診断するための画像を表示する。
図1に示すように、情報蓄積装置4(4A,4C)は、例えばパーソナル・コンピュータまたはワークステーションを用いたデータベースサーバからなり、カルテ情報記憶部41(41A,41C)を備えて構成され、制御部31(31A,31A’,31C)とはバス36を介してデータの送受信を行う。カルテ情報記憶部41(41A,41C)には、被写体Mに関する撮影情報が予め記憶されている(詳細は後述する)。
図1に示すように、情報蓄積装置5(5A,5B,5C)は、例えばパーソナル・コンピュータまたはワークステーションを用いたデータベースサーバからなり、データベース(テンプレート記憶部)51(51A,51B,51C)を備えて構成され、制御部31(31A,31A’,31B,31C)とはバス36を介してデータの送受信を行う。データベース51(51A,51B,51C)には、想定される撮影情報を考慮したテンプレートが予め記憶されている(詳細は後述する)。
本発明の第1実施形態における放射線動態画像撮影システム100の画像処理装置3は、撮影情報(被写体固有情報)を考慮して、肺野領域の抽出処理を行う。
図2は、放射線動態画像撮影システム100における画像処理装置3において、CPU等が各種プログラムに従って動作することにより制御部31で実現される機能構成を他の構成とともに示す図である。この実施形態の画像処理装置3は、主として心臓および両肺を含む胸部が撮影された動態画像を使用する。
画像取得部110では、人体または動物の身体を被写体とし該被写体における肺野領域(所定部位)を一部に含ませて放射線撮影された動画像(医用画像)を取得する。
撮影情報(被写体固有情報)取得部115では、放射線撮影前に予め入力された被写体Mに関する情報である撮影情報を、情報蓄積装置4におけるカルテ情報記憶部41から取得する(図2参照)。本実施形態におけるカルテ情報記憶部41に記憶された撮影情報とは、被写体Mの固有の情報を示す被写体固有情報IOを指し、具体的に被写体固有情報IOとは、性別、年齢、胸囲、体重、身長、肺活量等のうち少なくとも何れか1つの情報を指す。
図4及び図5は、被写体固有情報IOの一例を示す図であり、横隔膜形状の特徴が男性か女性かにより異なることを説明する模式図である。なお、図4(a)及び図5(a)は女性の場合のサンプル画像SGを示し、図4(b)及び図5(b)は男性の場合のサンプル画像SGを示す。
性別以外にも肺野の形状や状態に大きく依存するファクタとして、年齢情報、胸囲情報、体重情報、身長情報、肺活量情報等が挙げられる。
年齢、性別、身長、体重により予測肺活量を算出し、肺の大きさを推定することが可能である。例えば、下記記載の予測肺活量の計算式を用いて推定することが可能である(例えば、“肺移植希望者(レシピエント)選択基準”[平成24年6月25日(月)検索]、インターネット<URL:http://www.jotnw.or.jp/jotnw/law_manual/pdf/rec-lungs.pdf>等参照)。
女性: 予測肺活量(L)=0.032× 身長(cm)−0.018×年齢−1.178
(方法2)肺活量
実際に肺活量の検査により、肺から出入りする空気の量を測って、肺の大きさを推定することができる(例えば、羽島市民病院、“肺の検査”[平成24年6月25日(月)検索]、インターネット<URL:http://www.hashima-hp.jp/bumon/kensa/link_kokyuu.htm>等参照)。
画像補正部120では、画像取得部110において取得される動画像におけるフレーム画像G0に対して補正処理を実施することで、次処理(粗抽出決定部130)で用いられる補正後のフレーム画像IG0を粗抽出決定部130に出力する(図2参照)。
画像補正部120が最初に行う工程は、画像全体に存在するノイズを削減する目的としてノイズ削減処理を実施する。ノイズ削減処理として、例えば、フレーム画像G0からフレーム画像G1に縮小する縮小処理(図7(a)から図7(b)の処理)や平均値フィルタをかける処理等が挙げられる。例えば、縮小処理を実施する場合、その縮小方法は、選択エリア内の平均の画素値(濃淡値)でも良いが、選択エリア内の最大の画素値を選択して縮小するようにしても良い。なお、ここでいう最大の画素値とは、肺野内領域における画素値が用いられる。
続いて、画像補正部120は、肺野内の構造物の影響低減を実施する為ために、エリア内強調処理(図7(b)から図7(c)の処理)を実施する。具体的に、エリア内強調処理の方法としては、所望の固定領域に対してヒストグラムの強調処理を実施しても良いが、よりロバスト性を求める場合は、入力画像(フレーム画像G1)のプロファイルの特性に応じて矩形を変更しても良い。
画像補正部120の最後の工程として、肺野内の構造物の影響を低減するために、画像全体の強調処理(図7(c)から図7(d)の処理)を実施する。
粗抽出決定部130では、動画像に基づく時間的に連続した第1〜第nのフレーム画像(nは2以上の整数)に対して、第1〜第nのテンプレートを用いてそれぞれテンプレートマッチングを行い、肺野領域(所定部位を含む領域)を粗く抽出し、第1〜第nの粗抽出領域を順次決定する粗抽出処理を行う。ここでいう動画像に基づく時間的に連続した第1〜第nのフレーム画像とは、画像補正部120において補正されたフレーム画像IG0を指す。すなわち、粗抽出決定部130における粗抽出処理は、先見的知識を用いて巨視的に捉えることで、大外れをなくす処理であり、部位候補位置をモデルベースの手法の1つであるテンプレートマッチングにより実施する。
続いて、粗抽出決定部130にて用いるテンプレートを格納するデータベース(テンプレート記憶部)51について説明する。データベース51では、本実施形態に係るテンプレートが上述した各部位ごとの形状の個人差に対して被写体固有情報IOに基づいてグループ分けされて格納されている。すなわち、被写体固有情報取得部115にて取得される被写体固有情報IOを考慮したテンプレートが予め準備され、各テンプレートには、性別、年齢、胸囲、体重、身長、肺活量等に関係する情報を示す属性情報が予め付されてグループ別にデータベース51に格納されている。
横隔膜の位置及び形状の特徴としては、肺野や心臓の大きさが異なるため、横隔膜の形状が異なるとともに、横隔膜の位置が左右で異なるという課題がある。そこで、本実施形態では、横隔膜の形状の差異に対して、縦横変倍の複数テンプレートを用いることで対応し、横隔膜の左右の位置関係については、左右独立のテンプレートを用いることで対応を行う。そして、横隔膜のテンプレートマッチングにおいて、粗抽出決定部130が、縦横変倍の複数テンプレート及び左右独立のテンプレートを用いて、順次にそれぞれマッチングさせることで、テンプレートマッチング処理を行う(以下「2段階テンプレートマッチング」と称する)。
図15は、本発明で予め準備する縦横変倍の複数テンプレートを例示する図である。図15(a)〜図15(d)はサンプル画像SGであり、図15(e)〜図15(h)は図15(a)〜図15(d)のサンプル画像SGの横隔膜の形状を各々表現した横隔膜テンプレートT11〜T14を模式的に示す図である。
図17は左右の肺野における高さの違いを説明する模式図である。図17で示されるように、左右肺の高さに違いがある場合もあることから、上記の横隔膜テンプレートT11〜T14だけでは、正確に横隔膜の位置を特定することができない。
粗抽出決定部130では、横隔膜のテンプレートマッチングにおいて、予め準備した、縦横変倍の複数の横隔膜テンプレートT11〜T14及び左右独立の横隔膜テンプレートT2L1〜T2L4,T2R1〜T2R4を用いて、フレーム画像IG0の横隔膜領域に対して順次にマッチングさせることで2段階テンプレートマッチングを行う。
心臓の位置及び形状の特徴としては、呼吸と異なる時間的変化となるため、作成した横隔膜テンプレートと完全に一致するとは限らない。したがって、呼吸の周期と心拍の周期とを切り分け対応するために心臓テンプレートを予め準備しておく必要がある。
本発明の粗抽出処理で予め準備する心臓テンプレートは、横隔膜(図15参照)と同様に、サンプル画像SGに対してパターンの分類を行うことにより生成する。作成ポイントとしては、スケールは、変倍にしても良いが、上記横隔膜テンプレートT11〜T14で算出された倍率サイズを活用しても良い。
図21は、心臓テンプレートT3(T31〜T34)によるテンプレートマッチング方法を説明する模式図である。図21で示されるように、心臓テンプレートマッチングの方法は、まず、上記の横隔膜テンプレートT1,T2L,T2Rを用いてマッチングを行い(図19(c)及び図19(d)参照)、抽出された左肺の横隔膜位置の情報をベースに、心臓テンプレートT3(T31〜T34)(図20(e)参照)を用いて心臓の位置及び形状を探索する。具体的には、横隔膜の位置に対し、オフセットを加えた範囲SRに対してテンプレートマッチングを行う。つまり、横隔膜の探索結果とリンクした形で行うことで、より位置関係を精度よく抽出することができる。
肺尖部の位置及び形状の特徴としては、鎖骨や肋骨等のエッジの強い部分の影響を受けやすいため、鎖骨を含むように、肺尖部のテンプレートを準備しておく必要がある。
本発明の粗抽出処理で予め準備する肺尖部テンプレートは、上記横隔膜や心臓のように複数個のテンプレートを生成しても良いが、大きさの違いに関しては、縦横変倍のテンプレートで対応することができる。また、この領域で最も個人差のある鎖骨の傾きを考慮して複数のパターンのテンプレートを生成するようにしてもよい。
図23は、肺尖部テンプレートT4L及びT4Rによるテンプレートマッチング方法を説明する模式図である。図23で示されるように、肺尖部テンプレートマッチング方法は、まず、上記の横隔膜テンプレートT1,T2L,T2Rを用いてマッチングを行った後(図19(c)及び図19(d)参照)、抽出された左右横隔膜位置情報をベースに、肺尖部テンプレートT4L及びT4Rを用いて肺尖部の位置及び形状を探索する。具体的には、左右横隔膜位置より上部に、肺尖部テンプレートT4Lによる探索領域SL及び肺尖部テンプレートT4Rによる探索領域SRを設け、テンプレートマッチングを行う。また左右の位置関係も横隔膜の位置関係により限定することで、より精度の高いマッチングを行うことができる。
肺野領域の抽出時に、大動脈弓が肺野内に含まれると、血流が多く流れていることから肺野内の血流の信号値に影響を与えるため、血流解析に悪影響を与える可能性が高い。
図25は大動脈弓の個人差を例示する模式図である。図25で示されるように、大動脈弓の位置及び形状の特徴においても、人それぞれにより異なる傾向がある。そこで、本発明の粗抽出処理で予め準備する肺尖部テンプレートにおいても、スケールを変えたり、複数パターンを用意したりすることで対応することが望ましい。
図27は、大動脈弓テンプレートT5によるテンプレートマッチング方法を説明する模式図である。図27で示されるように、大動脈弓テンプレートマッチング方法は、まず、上記の横隔膜テンプレートT1,T2L,T2R及び肺尖部テンプレートマッチング4L,4Rを用いてマッチングを行い(図19および図23参照)、抽出された左肺尖部位置情報をベースに、大動脈弓テンプレートT5を用いて大動脈弓の位置及び形状を探索する。具体的には、左肺尖部の位置に対し、オフセットを加えた範囲SRLに対してテンプレートマッチングを行う。
図11で示したように、粗抽出決定部130による粗抽出処理は、精密抽出決定部140にて実施する精密抽出処理を行うために必要な情報である、肺野内確定領域RI、肺野外確定領域RO、及び、肺野未確定領域RU(以下、これらの情報の総称を「初期値」と呼ぶ。)を与えるために実施している処理である。したがって、粗抽出決定部130における最終のアウトプットは、初期値を与えた状態の結果を出力することになる。
精密抽出決定部140では、第1〜第nの粗抽出領域から肺野領域を精密に抽出する精密抽出処理を行うことで、第1〜第nの精密抽出領域を順次決定する。すなわち、精密抽出決定部140による精密抽出処理は、肺野未確定領域RUが肺野領域の内部であるか、外部であるかを決定する処理である。
画像から肺野領域(対象物)の輪郭を抽出するためにエッジを情報とする抽出手法として、レベルセット(Level set)、スネーク(Snakes)(例えば、"Snakes: Active contour models.", M.Kass, A.Witkin, and D.Terzopoulos, International Journal of Computer Vision, Vol.1, No.4, pp.321-331, 1988.等参照)といった動的輪郭モデル(Active Contour Model)を用いた手法が知られている。動的輪郭モデルとは、所定の変形傾向に沿って変形を繰り返す曲線(動的曲線)によって、肺野領域の輪郭を動的に抽出する手法である。動的曲線の変形傾向は、曲線の状態を定量的に評価した値である「動的曲線のエネルギー」によって規定される。この「動的曲線のエネルギー」は、動的曲線が肺野領域の輪郭を抽出した時点で最小となるように予め定義される。したがって、動的曲線のエネルギーが最小となるように動的曲線を変形させてゆき、エネルギーが最小となる安定状態を見つけることによって、肺野領域RA0の輪郭部SM0を抽出することができる。
画像から肺野領域(対象物)の輪郭を抽出するために領域を情報とする抽出手法として、領域拡張法(Region growing)などが挙げられる。領域拡張法では、2値化画像を用いて始点となるボクセルを決定し、2値化処理前の処理対象画像においてその始点と決定されたボクセルの近傍ボクセルを調べ、ある判定条件を満たす近傍ボクセルを肺野領域と判断する。そして、この肺野領域と判断された近傍ボクセルについても上記と同様の処理を繰り返す。このように、領域を拡張しながら判定条件を満たすボクセルを順次抽出することにより、肺野領域RA0の輪郭部SM0を抽出することができる。
画像から肺野領域(対象物)の輪郭を抽出するためにエッジと領域とを情報とする抽出手法として、グラフカット(Graph Cut)(例えば、"Fast Apporoximate Energy Minimization via Graph Cuts.",Y.Boykov,O. Veksler,R. Zabih. IEEE Transactions on Pattern Analysis and Machine Intelligence 23:1222-1239:2001.等参照)などが挙げられる。グラフカット法では、マルコフ確率場(Markov Random Field: MRF)などの確率モデルの最大事後確率推定問題として定式化してエネルギー最小化問題として効率的に解く方法であり、エネルギーを比較的効率良く最小化することにより、肺野領域RA0の輪郭部SM0を抽出することができる。
後処理部150では、第1の精密抽出画像IG2(1)〜第nの精密抽出画像IG2(n)における不安定な精密抽出結果や抽出失敗に対し、モデル知識を使うことで、解析に必要な肺野に整形する。すなわち、後処理部150では、粗抽出領域に基づき上述の画像抽出処理が施された精密抽出領域(粗抽出領域に基づく領域)に対して、肺野領域の境界を近似する所定数のフィッティング関数で表現された形状モデルF(後述の図32(a)を参照)をフィッティングさせるフィッティング処理を行う。なお、当該所定数のフィッティング関数は、肺野領域の境界に接する領域(とりわけ、肺尖部領域、横隔膜領域、心臓領域、及び、大動脈弓領域等)の境界部分が考慮されることが好ましい。これにより、不安定な精密抽出結果や抽出失敗した位置を精密抽出の結果から算出し補正を行うことが可能となる。
モデル情報制御部135では、撮影情報取得部115にて取得した被写体固有情報(撮影情報)IOに基づいて、肺野領域の境界を示すモデル情報を決定するモデル情報決定処理を実施する(図2参照)。本実施形態にいうモデル情報とは、上述のテンプレートの種類等を指示する情報(以下、単に「テンプレート情報」と称する)TOおよび形状モデルF(図32参照)におけるフィッティング関数の総数(所定数)や次数等を指示する情報(以下、単に「形状モデル情報」または「形状モデル」と称する)FOであり、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも1つの形状が考慮される。
モデル情報決定処理(1)では、モデル情報制御部135におけるモデル選択部125(図2参照)が、データベース51に該被写体固有情報IOを入力し、データベース51が、該被写体固有情報IOの属性情報にマッチする種類の少なくとも1つのテンプレートを指示する情報であるテンプレート情報TOをモデル選択部125に出力した後、モデル選択部125が、該テンプレート情報TOを粗抽出決定部130に入力する。
一方、モデル情報決定処理の(2)及び(3)の処理では、モデル情報制御部135が、該被写体固有情報IOに基づいて形状モデルFの形状を変更し形状モデル情報FOを決定する。なお、形状モデルFは予め設定された初期状態から、モデル決定処理(2)及び(3)により順次変更されていく。すなわち、モデル情報決定処理(2)及び(3)は直近に決定された形状モデルFに対して行われる。そして、モデル情報制御部135が、該形状モデル情報FOを後処理部150に入力した後、後処理部150が、該形状モデル情報FOに基づいて上述のフィッティング処理を行うことで、フレーム画像IG0から肺野領域を抽出する肺野領域抽出処理(具体的には、精密抽出画像IG2に形状モデルFOを付した形状モデル付精密抽出画像IG3を得る処理)を実施する。
粗抽出処理内容制御部160では、肺野領域の少なくとも一部の動き量を考慮して、第i(2≦i≦nの何れかの整数)の粗抽出領域の決定に関し、前述の粗抽出処理内容を変更することにより、粗抽出決定部130を制御可能である。
対象部位抽出部170では、後処理部150において後処理を実施した第1の精密抽出画像IG3(1)〜第nの精密抽出画像IG3(n)から肺野領域RAを抽出し、記憶部32へ記憶する。
図34は、第1実施形態に係る画像処理装置3において実現される基本動作を説明するフローチャートであり、図33は、横隔膜領域に対する抽出処理の流れを示す概念図である。既に各部の個別機能の説明は行ったため(図2参照)、ここでは全体の流れのみ説明する。
図35は、本発明の第2実施形態として構成された画像処理装置3A(図1参照)で用いられる制御部31Aの機能構成を示す図である。この制御部31Aは、第1実施形態の画像処理装置3における制御部31(図2参照)の代替として使用される。第1実施形態と異なる点は、撮影情報(被写体固有情報)取得部115が撮影情報(被写体状態情報)取得部115Aに置換されることにより、情報蓄積装置4Aのカルテ情報記憶部41A、情報蓄積装置5Aのデータベース(テンプレート記憶部)51A、モデル選択部125A、モデル情報制御部135Aが変更される点である。なお、残余の構成は画像処理装置3と同様である。
撮影情報(被写体状態情報)取得部115Aでは、放射線撮影前に予め入力された被写体Mに関する情報である撮影情報を、情報蓄積装置4Aにおけるカルテ情報記憶部41Aから取得する(図35参照)。本実施形態におけるカルテ情報記憶部41Aに記憶された撮影情報とは、被写体Mの過去及び現在の状態を示す被写体状態情報IS(図35参照)を指し、具体的に被写体状態情報ISとは、手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴等のうち少なくとも何れか1つの情報を指す。
図36(a)〜(c)では、手術歴のある被写体の肺野形状を例示している。図36(a)及び図36(b)では、肺切除術により通常の右肺野領域の下半分の領域P1(図36(a)参照)及び上半分の領域P2(図36(b)参照)がそれぞれ切除されている。肺切除術には、切除範囲の広いものから順に肺全摘術・肺葉切除術・肺区域切除術・肺部分切除術に分けられるため、肺切除場所の情報は、手術方法から決定することも可能である(例えば、岐阜大学がんセンター、“がん治療について”[平成24年6月25日(月)検索]、インターネット<URL:http://hosp.gifu-u.ac.jp/center/gan/about/lungs.html>等参照)。
図36(d)〜(f)では、現在の病気も含む病歴をもつ被写体Mの肺野形状を例示している。図36(d)では、領域P4,P5に“もや”が入っており、図36(e)では、領域P6に影が入っている様子が見て取れる。何れも病気に起因して生じる現象であり、これによりエッジが不鮮明になるため、肺野領域を正確に抽出できない。
被写体状態情報取得部115Aでは、上記以外の情報として、過去の撮影時の情報、空腹の有無といった体の状態を示す情報、診断対象に関する情報、問診による判定結果、喫煙歴等の情報をも取得可能である。
また、データベース(テンプレート記憶部)51Aでは、本実施形態に係るテンプレートが被写体状態情報ISに基づいてグループ分けされて格納されている。すなわち、上述の被写体状態情報取得部115Aにて取得される被写体状態情報ISを考慮したテンプレートが予め準備され、各テンプレートには、手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴等に関係する情報を示す属性情報が予め付されてグループ別にデータベース51Aに格納されている。
モデル情報制御部135Aでは、被写体状態取得部115Aにて取得した被写体状態情報(撮影情報)ISに基づいて、肺野領域の境界を示すモデル情報を決定するモデル情報決定処理を実施する(図35参照)。本実施形態にいうモデル情報とは、上述のテンプレート情報TSおよび形状モデル情報FSであり、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも1つの形状が考慮される。
モデル情報決定処理の(1a)の処理では、モデル情報制御部135Aにおけるモデル選択部125A(図35参照)が、データベース51Aに該被写体状態情報ISを入力し、データベース51Aが、該被写体状態情報ISの属性情報にマッチする種類の少なくとも1つのテンプレートを指示する情報であるテンプレート情報TSをモデル選択部125Aに出力した後、モデル選択部125Aが、該テンプレート情報TSを粗抽出決定部130に入力する。
一方、モデル情報決定処理の(2a)及び(3a)の処理では、モデル情報制御部135Aが、被写体状態情報ISに基づいて形状モデルFの形状を変更し形状モデル情報FSを決定する。なお、形状モデルFは予め設定された初期状態から、モデル決定処理(2a)及び(3a)により順次変更されていく。すなわち、モデル情報決定処理(2a)及び(3a)は直近に決定された形状モデルFに対して行われる。
続いて、第2実施形態に係る画像処理装置3Aの変形例である画像処理装置3A’について説明する。図37は、画像処理装置3A’の基本的な機能構成を示すブロック図である。図37で示されるように、画像処理装置3Aと異なる点は、画像処理装置3A’では、モデル情報制御部135A’にテンプレート加工部126A’が付加されることにより、モデル選択部125A’が変更される点である。なお、残余の構成は画像処理装置3Aと同様である。
続いて、図39は、第2実施形態に係る画像処理装置3Aの動作フローを例示した図である。なお、図39のうち、ステップSA11,SA12,SA4,SA6〜SA8は図34のステップS11,S12,S4,S6〜S8と同様であるため、その説明は省略する。
図40は、本発明の第3実施形態として構成された画像処理装置3B(図1参照)で用いられる制御部31Bの機能構成を示す図である。この制御部31Bは、第1実施形態の画像処理装置3における制御部31(図2参照)の代替として使用される。第1実施形態と異なる点は、撮影情報(被写体固有情報)取得部115が撮影情報(撮影環境情報)取得部115Bに置換されることにより、情報蓄積装置4のカルテ情報記憶部41を必要としない点、及び、情報蓄積装置5Bのデータベース(テンプレート記憶部)51B、モデル選択部125B、モデル情報制御部135Bが変更される点である。なお、残余の構成は画像処理装置3と同様である。
撮影情報(撮影環境情報)取得部115Bでは、放射線撮影環境に関する情報である撮影情報を、撮影制御装置2から取得する(図40参照)。本実施形態における撮影制御装置2から取得する撮影情報とは、動画像(医用画像)が撮影された環境を示す撮影環境情報IE(図40参照)を指し、具体的に撮影環境情報IEとは、撮影方向、被写体Mとなる対象者または対象動物の呼吸の有無、呼吸の強制有無等のうち少なくとも何れか1つの情報を指す。
図41は撮影環境情報IEを説明するためのサンプル画像SGを例示する図であり、図41(a)では、図1で示されるように撮影部13の前に被験者Mが立った状態(立位)で撮影されるのに対し、図41(b)では、診療台の上に被験者Mが寝ている状態(臥位)で撮影されている。
また、肺野形状を決める他の要因として呼吸状態情報が挙げられる。図42は、自然呼吸と強制呼吸とについて説明する図である。図42で示されるように、被写体Mが通常行う自然呼吸の呼吸サイクルは、吸気と呼気とから構成される。吸気では、横隔膜が下がって息が吸い込まれるに連れて胸郭中の肺野の領域が大きくなり、息を最大限に吸い込んだとき(吸気と呼気の変換点)が最大吸気時となる。一方、呼気では、横隔膜が上がって息が吐き出されるに連れて肺野の領域が小さくなるが、息を最大限に排出したとき(呼気と吸気の変換点)が最大呼気時となる。このように、最大吸気時に肺野形状が最も大きくなり、最大呼気時に肺野形状が最も小さくなる特徴を有する。
撮影環境情報取得部115Bは上記以外に例えば、FPDのサイズ等も取得可能である。例えば、小さいFPDで、大きい被写体Mが撮影されたときにフレーム画像から対象部位がはみ出る可能性があるためであり、FPDのサイズ等も考慮することが好ましい。
また、データベース(テンプレート記憶部)51Bでは、本実施形態に係るテンプレートが撮影環境情報IEに基づいてグループ分けされて格納されている。すなわち、上述の撮影環境情報取得部115Bにて取得される撮影環境情報IEを考慮したテンプレートが予め準備され、各テンプレートには、撮影方向、被写体Mとなる対象者または対象動物の呼吸の有無、呼吸の強制有無等に関係する情報を示す属性情報が予め付されてグループ別にデータベース51Bに格納されている。
モデル情報制御部135Bでは、撮影環境情報取得部115Bにて取得した撮影環境情報(撮影情報)IEに基づいて、肺野領域の境界を示すモデル情報を決定するモデル情報決定処理を実施する(図40参照)。本実施形態にいうモデル情報とは、テンプレート情報TEおよび形状モデル情報FEであり、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも1つの形状が考慮される。
モデル情報決定処理の(1b)の処理では、モデル情報制御部135Bにおけるモデル選択部125B(図40参照)が、データベース51Bに該撮影環境情報IEを入力し、データベース51Bが、該撮影環境情報IEの属性情報にマッチする種類の少なくとも1つのテンプレートを指示する情報であるテンプレート情報TEをモデル選択部125Bに出力した後、モデル選択部125Bが、該テンプレート情報TEを粗抽出決定部130に入力する。
一方、モデル情報決定処理の(2b)及び(3b)の処理では、モデル情報制御部135Bが、撮影環境情報IEに基づいて形状モデルFの形状を変更し形状モデル情報FEを決定する。なお、形状モデルFは予め設定された初期状態から、モデル決定処理(2b)及び(3b)により順次変更されていく。すなわち、モデル情報決定処理(2b)及び(3b)は直近に決定された形状モデルFに対して行われる。
続いて、図43は、第3実施形態に係る画像処理装置3Bの動作フローを例示した図である。なお、図43のうち、ステップSB11,SB12,SB4,SB6〜SB8は図34のステップS11,S12,S4,S6〜S8と同様であるため、その説明は省略する。
図44は、本発明の第4実施形態として構成された画像処理装置3C(図1参照)で用いられる制御部31Cの機能構成を示す図である。この制御部31Cは、第1〜第3実施形態の画像処理装置3,3A,3Bにおける制御部31,31A,31Bが組み合わされた構成を有する。第1実施形態と異なる点は、撮影情報(被写体固有情報)取得部115が撮影情報(被写体固有情報・被写体状態情報・撮影環境情報)取得部115Cに置換されることにより、情報蓄積装置4Cのカルテ情報記憶部41C、情報蓄積装置5Cのデータベース(テンプレート記憶部)51C、モデル選択部125C、モデル情報制御部135Cが変更される点である。なお、残余の構成は画像処理装置3と同様である。
撮影情報(被写体固有情報・被写体状態情報・撮影環境情報)取得部115Cでは、放射線撮影前に予め入力された被写体Mに関する情報である撮影情報(被写体固有情報IO、被写体状態情報IS)を、情報蓄積装置4Cにおけるカルテ情報記憶部41Cから取得するとともに、放射線撮影環境に関する情報である撮影情報(撮影環境情報IE)を、撮影制御装置2から取得する(図44参照)。したがって、本実施形態における撮影情報とは、上述と同様の被写体固有情報IO、被写体状態情報IS、及び、撮影環境情報IEを指す。そして、撮影情報取得部115Cは、モデル情報制御部135Cにおけるモデル選択部125Cにこれら3種類の撮影情報IO,IS,IEを入力する。
また、データベース(テンプレート記憶部)51Cでは、本実施形態に係るテンプレートが被写体固有情報IO、被写体状態情報IS、撮影環境情報IEに基づいてグループ分けされて格納されている。すなわち、上述の撮影情報取得部115Cにて取得されるこれら3種類の撮影情報を考慮したテンプレートが予め準備され、各テンプレートには、上述と同様の属性情報(第1〜第3実施形態にて説明済み)が予め付されてグループ別にデータベース51Cにて格納されている。
モデル情報制御部135Cでは、撮影情報取得部115Cにて取得した被写体固有情報IO、被写体状態情報IS、撮影環境情報IEに基づいて、肺野領域の境界を示すモデル情報を決定するモデル情報決定処理を実施する(図44参照)。本実施形態にいうモデル情報とは、テンプレート情報TOSEおよび形状モデル情報FOSEであり、全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも1つの形状が考慮される。
具体的に、モデル情報決定処理の(1c)の処理では、モデル情報制御部135Cにおけるモデル選択部125C(図44参照)が、データベース51Cに該被写体固有情報IO、該被写体状態情報IS、該撮影環境情報IEを入力し、データベース51Cが、これら3種類の属性情報にマッチする種類の少なくとも1つのテンプレートを指示する情報であるテンプレート情報TOSEをモデル選択部125Cに出力した後、モデル選択部125Cが、該テンプレート情報TOSEを粗抽出決定部130に入力する。
一方、モデル情報決定処理の(2c)及び(3c)の処理では、モデル情報制御部135Cが、該被写体固有情報IO、該被写体状態情報IS、該撮影環境情報IEに基づいて形状モデルFの形状を変更し形状モデル情報FOSEを決定する。なお、形状モデルFは予め設定された初期状態から、モデル決定処理(2c)及び(3c)により順次変更されていく。すなわち、モデル情報決定処理(2c)及び(3c)は直近に決定された形状モデルFに対して行われる。
続いて、図46は、第4実施形態に係る画像処理装置3Cの動作フローを例示した図である。なお、図46のうち、ステップSC11,SC12,SC4,SC6〜SC8は図34のステップS11,S12,S4,S6〜S8と同様であるため、その説明は省略する。
以上、本発明の実施形態について説明してきたが、本発明は、上記実施形態に限定されるものではなく、様々な変形が可能である。
2 撮影制御装置
3,3A,3A’,3B,3C 画像処理装置
4,4A,4C,5,5A〜5C 情報蓄積装置
31,31A,31A’,31B,31C 制御部
41,41A,41C カルテ情報記憶部
51,51A〜51C データベース(テンプレート記憶部)
100,100A,100A’,100B,100C 放射線動態画像撮影システム
110 画像取得部
115,115A〜115C 撮影情報取得部
120 画像補正部
125,125A,125A’,125B,125C モデル選択部
126A’ テンプレート加工部
130 粗抽出決定部
135,135A,135A’,135B,135C モデル情報制御部
140 精密抽出決定部
150 後処理部
160 粗抽出処理内容制御部
170 対象部位抽出部
IO 被写体固有情報
IS 被写体状態情報
IE 撮影環境情報
TO,TS,TE,TOSE モデル情報(テンプレート情報)
FS,FE,FOSE モデル情報(形状モデル情報、形状モデル)
IG0 フレーム画像
IG1 粗抽出画像
IG2,IG3 精密抽出画像
M 被写体(被検者)
Claims (8)
- 人体または動物の身体を被写体とし該被写体における所定部位を一部に含ませて放射線撮影された医用画像を取得する画像取得手段と、
前記放射線撮影前に予め入力された前記被写体あるいは前記放射線撮影環境に関する情報である撮影情報を取得する撮影情報取得手段と、
前記撮影情報に基づいて、前記所定部位の境界を示すモデル情報を決定するモデル情報決定処理を実施するモデル情報制御手段と、
前記モデル情報決定処理において決定されたモデル情報に基づいて、前記医用画像から前記所定部位を抽出する所定部位抽出処理を実施する抽出手段とを備え、
前記所定部位抽出処理は、
前記医用画像に対してテンプレートを用いてテンプレートマッチングを行い、前記所定部位を含む領域を粗く抽出し粗抽出領域を決定する粗抽出処理と、
前記粗抽出領域に基づく領域に対して、前記所定部位の境界を近似する所定数のフィッティング関数で表現された形状モデルをフィッティングさせるフィッティング処理とを含み、
前記モデル情報は、前記テンプレート及び前記形状モデルのうち少なくとも一方を指示する情報を含み、
前記粗抽出処理における前記テンプレートマッチングは、
第1のテンプレートを用いた1段目テンプレートマッチングと、
1段目テンプレートマッチングによるマッチング結果を利用して行う、前記第1のテンプレートで規定される領域を複数の領域に細分化した複数の第2のテンプレートを用いた2段目テンプレートマッチングとを含む、
画像処理装置。 - 請求項1に記載の画像処理装置であって、
前記撮影情報は、
前記被写体の固有の情報を示す被写体固有情報、
前記被写体の過去及び現在の状態を示す被写体状態情報、
前記医用画像が撮影された環境を示す撮影環境情報、
のうち少なくとも何れか1つの情報を含む、
画像処理装置。 - 請求項2に記載の画像処理装置であって、
前記被写体固有情報は、
性別、年齢、胸囲、体重、身長、肺活量のうち少なくとも何れか1つの情報を含む、
画像処理装置。 - 請求項2に記載の画像処理装置であって、
前記被写体状態情報は、
手術歴、病歴、過去の撮影時の情報、体の状態、診断対象、問診による判定結果、喫煙歴のうち少なくとも何れか1つの情報を含む、
画像処理装置。 - 請求項2に記載の画像処理装置であって、
前記撮影環境情報は、
撮影方向、前記被写体となる対象者または対象動物の呼吸の有無、呼吸の強制有無のうち少なくとも何れか1つの情報を含む、
画像処理装置。 - 請求項1ないし請求項5のうち、いずれか1項に記載の画像処理装置であって、
前記モデル情報決定処理は、
(a)予め準備された複数種のテンプレートのうち、前記テンプレートマッチングに使用する前記テンプレートの種類を決定する処理、
(b)直近に決定された前記所定数のフィッティング関数に対し、前記所定数のフィッティング関数のうち少なくとも1つの関数の次数を決定する処理、及び/あるいは、前記所定数の増減を決定する処理、
のうち少なくとも何れか1つの処理を含み、
前記モデル情報は前記処理(a)あるいは処理(b)で決定された内容を含む、
画像処理装置。 - 請求項1ないし請求項6のうち、いずれか1項に記載の画像処理装置であって、
前記所定部位は肺野領域を含み、
前記モデル情報は、
全体の肺形状、肺尖部形状、横隔膜形状、心臓の形状、大動脈弓の形状のうち少なくとも1つの形状が考慮されることを特徴とする、
画像処理装置。 - 画像処理装置に含まれるコンピュータによって実行されることにより、前記コンピュータを、請求項1ないし請求項7のうち、いずれか1項記載の画像処理装置として機能させるプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012165053A JP5880332B2 (ja) | 2012-07-25 | 2012-07-25 | 画像処理装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012165053A JP5880332B2 (ja) | 2012-07-25 | 2012-07-25 | 画像処理装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014023640A JP2014023640A (ja) | 2014-02-06 |
JP5880332B2 true JP5880332B2 (ja) | 2016-03-09 |
Family
ID=50197893
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012165053A Expired - Fee Related JP5880332B2 (ja) | 2012-07-25 | 2012-07-25 | 画像処理装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5880332B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3170145B1 (en) * | 2014-07-15 | 2020-03-25 | Koninklijke Philips N.V. | Imaging data statistical testing including a stereotactical normalization with a personalized template image |
DE112019005378T5 (de) * | 2018-10-29 | 2021-07-15 | Fujifilm Corporation | Informationsverarbeitungsvorrichtung, Informationsverarbeitungsverfahren und -Programm |
JP2020171475A (ja) * | 2019-04-10 | 2020-10-22 | コニカミノルタ株式会社 | 動態画像解析装置、動態画像解析方法及びプログラム |
CN111144361A (zh) * | 2019-12-31 | 2020-05-12 | 合肥湛达智能科技有限公司 | 一种基于二值化cgan网络的公路车道检测方法 |
JP2022013077A (ja) * | 2020-07-03 | 2022-01-18 | キヤノン株式会社 | 情報処理装置、情報処理方法およびプログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2957878B2 (ja) * | 1994-01-28 | 1999-10-06 | 三洋電機株式会社 | 画像処理装置 |
JPH07262370A (ja) * | 1994-03-17 | 1995-10-13 | Fuji Photo Film Co Ltd | 画像のテンプレートマッチング方法 |
JP4545971B2 (ja) * | 2001-03-05 | 2010-09-15 | 日本電信電話株式会社 | 医用画像識別システム,医用画像識別処理方法,医用画像識別用プログラムおよびその記録媒体 |
JP2006034585A (ja) * | 2004-07-27 | 2006-02-09 | Fuji Photo Film Co Ltd | 画像表示装置、画像表示方法およびそのプログラム |
JP5109534B2 (ja) * | 2007-08-28 | 2012-12-26 | コニカミノルタエムジー株式会社 | 放射線画像撮影システム及び動態用放射線画像撮影支援装置 |
JP2010075334A (ja) * | 2008-09-25 | 2010-04-08 | Konica Minolta Medical & Graphic Inc | 医用画像処理装置及びプログラム |
JP5610129B2 (ja) * | 2010-03-26 | 2014-10-22 | 富士通株式会社 | 3次元テンプレート変形方法、装置及びプログラム |
-
2012
- 2012-07-25 JP JP2012165053A patent/JP5880332B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2014023640A (ja) | 2014-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6676655B2 (ja) | 二重エネルギーx線冠動脈カルシウムのグレード付け | |
JP5643304B2 (ja) | 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法 | |
US10588589B2 (en) | Systems and methods for prediction of osteoporotic fracture risk | |
JP6636331B2 (ja) | 血流予備量比の算出 | |
JP4728627B2 (ja) | Ct血管造影法における構造を領域分割する方法及び装置 | |
JP6350522B2 (ja) | 画像処理装置及びプログラム | |
JP6570145B2 (ja) | 画像を処理する方法、プログラム、代替的な投影を構築する方法および装置 | |
CN111968070B (zh) | 一种基于三维建模的血管检测方法及装置 | |
US20100266188A1 (en) | Chest x-ray registration, subtraction and display | |
JP5510619B1 (ja) | 画像処理装置 | |
JP5880332B2 (ja) | 画像処理装置及びプログラム | |
JP2017510427A (ja) | 放射線画像の肺野セグメンテーション技術及び骨減弱技術 | |
US20130223711A1 (en) | Maching Learning Techniques for Pectoral Muscle Equalization and Segmentation in Digital Mammograms | |
JP6361435B2 (ja) | 画像処理装置及びプログラム | |
JP2016116867A (ja) | 医用画像処理装置、医用画像診断装置及び医用画像処理プログラム | |
CN111275755B (zh) | 基于人工智能的二尖瓣瓣口面积检测方法、系统和设备 | |
JP2014079312A (ja) | 画像処理装置及びプログラム | |
US11278257B2 (en) | Diagnostic auxiliary image generation apparatus, diagnostic auxiliary image generation method, and diagnostic auxiliary image generation program | |
El-Baz et al. | A novel approach for automatic follow-up of detected lung nodules | |
Huang et al. | Joint spine segmentation and noise removal from ultrasound volume projection images with selective feature sharing | |
US11475568B2 (en) | Method for controlling display of abnormality in chest x-ray image, storage medium, abnormality display control apparatus, and server apparatus | |
JP5364009B2 (ja) | 画像生成装置、画像生成方法、及びそのプログラム | |
US11080866B2 (en) | Dynamic image processing method and dynamic image processing device | |
JP4738970B2 (ja) | 画像処理装置、画像処理方法およびそのプログラム | |
JP5051025B2 (ja) | 画像生成装置、プログラム、および画像生成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140918 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150520 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150602 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150722 |
|
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: 20160105 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20160118 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5880332 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |