JP5955723B2 - 画像処理装置および画像処理方法、並びに、画像処理プログラム - Google Patents

画像処理装置および画像処理方法、並びに、画像処理プログラム Download PDF

Info

Publication number
JP5955723B2
JP5955723B2 JP2012213636A JP2012213636A JP5955723B2 JP 5955723 B2 JP5955723 B2 JP 5955723B2 JP 2012213636 A JP2012213636 A JP 2012213636A JP 2012213636 A JP2012213636 A JP 2012213636A JP 5955723 B2 JP5955723 B2 JP 5955723B2
Authority
JP
Japan
Prior art keywords
region
area
histogram
major axis
value
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
Application number
JP2012213636A
Other languages
English (en)
Other versions
JP2014067343A (ja
Inventor
元中 李
元中 李
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujifilm Corp filed Critical Fujifilm Corp
Priority to JP2012213636A priority Critical patent/JP5955723B2/ja
Priority to PCT/JP2013/005555 priority patent/WO2014050043A1/ja
Priority to EP13841846.2A priority patent/EP2902969B1/en
Publication of JP2014067343A publication Critical patent/JP2014067343A/ja
Priority to US14/669,382 priority patent/US9483705B2/en
Application granted granted Critical
Publication of JP5955723B2 publication Critical patent/JP5955723B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • G06T7/162—Segmentation; Edge detection involving graph-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • 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
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G06V10/457—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components by analysing connectivity, e.g. edge linking, connected component analysis or slices
    • 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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic 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
    • G06T2207/10072—Tomographic images
    • 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
    • G06T2207/20072—Graph-based 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measurement Of Radiation (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Nuclear Medicine (AREA)
  • Image Processing (AREA)

Description

本発明は、入力画像中の画素の濃度値に基づいて特定領域を抽出する画像処理装置および画像処理方法、並びに、画像処理プログラムに関する。
従来、医療分野においては、高い診断性能を有する画像を提供するために、医用画像中の病変領域、臓器領域等の特定領域を抽出して表示する処理が行われている。
非特許文献１は、腫瘍を治療する際の病気の悪化状況および治療効果判定のための指標として、病変領域の長径およびその長径に直交する方向の最長距離を用いることを推奨している。近年では、病気の治療効果判定を正確に行うために、腫瘍領域などの特定領域のサイズをさらに正確に評価したいという要求もあり、非特許文献２にも示されるように、病気の治療効果判定の指標として病変領域の面積や体積を用いる手法も提案されている。
画像中の特定領域を抽出する方法として、特許文献１などに示すように、ユーザに医用画像中の病変領域内に任意の点を指定させ、その指定された点を基準に判別領域を設定し、その領域内の各画素が病変領域の輪郭を示す画素であるかどうかを評価し、その評価結果に基づいて病変領域の輪郭を決定するようにしたものがある。ここで、各画素が輪郭を示す画素であるかどうかの評価は、輪郭が既知である病変領域を含む多数のサンプル画像を予め機械学習することによって求められた評価関数により行われる。
特開２００７−３０７３５８号公報
Patrick Therasse, et al,"New Guidelines to Evaluate the Response to Treatment in Solid Tumors", Journal of the National Cancer Institute, 2000, volume 92, No. 3, pp. 205-216 Shingo Iwano, et al,"Semi-automatic Volumetric of Lung Cancer Using Multi-detector CT: Effects of Nodule Characteristics", Academic Radiology, volume 16, No. 10, 2009, pp. 1179-1186
しかしながら、特許文献１に記載された方法では、医用画像中の特定領域内に指定した任意の点に基づいて、サンプル画像の機械学習結果を用いて特定領域を抽出するため、精度よく特定領域の抽出を行うために、特定領域の種類に応じた適切なサンプル画像の機械学習結果を用いる必要があった。このため、このようなサンプル画像の機械学習結果の種類などに左右されず、それぞれ異なる濃度値や形状やサイズなどを有する多様な種類の特定領域を精度よく抽出する技術が求められている。
本発明は、かかる問題点に鑑みて、入力画像から精度よく特定領域を抽出することができる画像処理装置、画像処理方法、及び画像処理プログラムを提供することを目的とする。
上記目的を達成するために、本発明に係る画像処理装置は、特定領域を含む入力画像上で特定領域の長径を設定する長径設定部と、設定された長径に基づいて、特定領域である蓋然性が高いと推定される第１領域を入力画像内に設定し、特定領域以外の領域である蓋然性が高いと推定される第２領域を入力画像内に設定する領域設定部と、第１領域内の各画素の濃度値の濃度ヒストグラムである第１ヒストグラムと、第２領域内の各画素の濃度値の濃度ヒストグラムである第２ヒストグラムを算出し、第１ヒストグラムと第２ヒストグラムに基づいて、濃度値ごとに、濃度値が特定領域を表している確からしさを表す第１評価値を算出し、入力画像中の隣接する２つの画素ごとに、隣接する２つの画素の濃度値にそれぞれ対応する第１評価値に基づいて、隣接する２つの画素が輪郭を表す確からしさである輪郭らしさを表す第２評価値を算出する評価部と、特定領域に属する第１の基準頂点と、背景領域に属する第２の基準頂点と、入力画像中の各画素をそれぞれ表す複数の頂点を定義し、第２評価値に基づいて、各頂点の接続しやすさを表す接続コストを設定し、接続コストに基づいて複数の頂点を接続することにより、特定領域を抽出する特定領域抽出部を備えたことを特徴とする。
本発明に係る画像処理方法は、上記画像処理装置に実行させる画像処理方法において、特定領域を含む入力画像上で特定領域の長径を設定する長径設定ステップと、設定された長径に基づいて、特定領域である蓋然性が高いと推定される第１領域を入力画像内に設定し、特定領域以外の領域である蓋然性が高いと推定される第２領域を入力画像内に設定する領域設定ステップと、第１領域内の各画素の濃度値の濃度ヒストグラムである第１ヒストグラムと、第２領域内の各画素の濃度値の濃度ヒストグラムである第２ヒストグラムを算出し、第１ヒストグラムと第２ヒストグラムに基づいて、濃度値ごとに、濃度値が特定領域を表している確からしさを表す第１評価値を算出し、入力画像中の隣接する２つの画素ごとに、隣接する２つの画素の濃度値にそれぞれ対応する第１評価値に基づいて、隣接する２つの画素が輪郭を表す確からしさである輪郭らしさを表す第２評価値を算出する評価ステップと、特定領域に属する第１の基準頂点と、背景領域に属する第２の基準頂点と、入力画像中の各画素をそれぞれ表す複数の頂点を定義し、第２評価値に基づいて、各頂点の接続しやすさを表す接続コストを設定し、接続コストに基づいて複数の頂点を接続することにより、特定領域を抽出する特定領域抽出ステップとを有することを特徴とする。
本発明に係る画像処理プログラムは、コンピュータに、上記方法を実行させることを特徴とする。
本発明に係る画像処理装置において、入力画像は、特定領域を１つ以上含むものであればいかなるものであってもよい。例えば、入力画像を、ＰＥＴ、ＣＴ、ＭＲＩ、ＳＰＥＣＴ、超音波画像などの任意のモダリティで被写体を撮影して得られた医用画像とし、特定領域は病変、腫瘍などの異常陰影領域を表すものとすることができる。
また、本発明に係る画像処理装置において、上記「特定領域の長径」は、特定領域の長径をおおむね表していると認められるものであればよい。例えば、「特定領域の長径」は、入力画像上でユーザが特定領域の長径と判断して入力した、長径を特定する情報に基づいて設定されたものであれば厳密には特定領域の最も長い径と一致しない場合も含む。
また、本発明に係る画像処理装置において、上記「隣接する２つの画素」は、互いに直接隣接している２つの画素だけでなく、画素間の距離が入力画像のサイズに対して隣接していると認められる程度に十分近接している２つの画素を含む。
また、上記「第１領域」は、上記「特定領域の長径」に基づいて、特定領域である蓋然性が高いと推定される領域であれば、任意の大きさおよび任意の形状を有する領域であってよい。また、特定領域である蓋然性を判断可能な任意の推定方法が適用可能である。なお、「第１領域」の位置は、特定領域である蓋然性が高いと推定される位置であれば、入力画像内の任意の位置に配置してよい。また、「第１領域」は、１つの領域から構成されるものであってもよく、複数の領域から構成されるものであってもよい。
例えば、第１領域は、設定された長径を長径とする楕円領域に含まれる領域とすることが好ましい。また、この場合、「設定された長径を長径とする楕円領域に含まれる領域」は、設定された長径の全体をその楕円領域の長径とする楕円領域全体としてもよく、この楕円領域の部分領域としてもよい。
上記「第２領域」は、上記「特定領域の長径」に基づいて、特定領域以外の領域である背景領域である蓋然性が高いと推定される領域であれば、任意の大きさおよび任意の形状を有する領域であってよい。また、特定領域以外の領域である蓋然性を判断可能な任意の推定方法が適用可能である。なお、「第２領域」の位置は、特定領域以外の領域である蓋然性が高いと推定される位置であれば、入力画像内の任意の位置に配置してよい。また、「第２領域」は、１つの領域から構成されるものであってもよく、複数の領域から構成されるものであってもよい。
例えば、第２領域は、設定された長径を直径とする円の外側に位置する所定形状の領域とすることが好ましい。なお、ここでいう「所定形状の領域」とは、設定された長径を直径とする円の外側に位置する所定の拡がりを持った領域であれば任意の形状の領域として設定できる。例えば、設定された長径を直径とする円の外側に所定の幅に広がる輪状の領域であってもよく、設定された長径を直径とする円の外側に位置する矩形などの多角形領域であってもよい。
上記「第１評価値」は、濃度値ごとに、各濃度値が特定領域を表している確からしさを表すものであれば、第１ヒストグラムと第２ヒストグラムに基づいて、任意の方法によって定義されたものであってよい。例えば、第１評価値は、濃度値ごとに、第２ヒストグラムの頻度の値と第１ヒストグラムの頻度の値の比の対数値を表していてもよく、第１評価値は、濃度値ごとに、第１ヒストグラムの頻度の値と第２ヒストグラムの頻度の値との差を表していてもよい。
上記「第２評価値」は、入力画像中の画素ごとに、隣接する２つの画素が輪郭を表す確からしさである輪郭らしさを表すものであれば、隣接する２つの画素の濃度値にそれぞれ対応する第１評価値に基づいて、任意の方法によって定義されたものであってよい。例えば、第２評価値が、隣接する２つの画素にそれぞれ対応する第１評価値との差が大きくなるほど、輪郭らしさが大きくなるように算出されることが好ましい。
また、本発明の画像処理装置において、特定領域抽出部は、特定領域に属する第１の基準頂点と、背景領域に属する第２の基準頂点と、入力画像中の各画素をそれぞれ表す複数の頂点を定義し、第２評価値に基づいて、各頂点の接続しやすさを表す接続コストを設定し、接続コストに基づいて複数の頂点を接続することにより、特定領域を抽出する任意の方法を用いることができる。例えば、入力画像を、特定領域に属する第１の基準頂点と、背景領域に属する第２の基準頂点と、各画素をそれぞれ表す複数の頂点と、各頂点をつなぐ辺とで定義してグラフとして表し、グラフカット法を用いて、グラフの各頂点の接続コストの総和を表す所定の評価関数を最小化することによりグラフの接続コストを最小化して、グラフを特定領域と背景領域に分割することにより、特定領域を抽出することができる。なお、所定の評価関数として、グラフカット法に適用可能な任意の評価関数を用いることができる。
また、「第２評価値に基づいて、各頂点の接続しやすさを表す接続コストを設定し、」とは、第１の基準頂点と画素を表す頂点間の接続しやすさを表す接続コストと、第２の基準頂点と画素を表す頂点間の接続しやすさを表す接続コストと、複数の画素をそれぞれ表す複数の頂点間の接続しやすさを表す接続コストから選択される接続コストの少なくとも一部が、第２評価値に基づいて設定されていることを意味する。
例えば、本発明の画像処理装置において、第２評価値に基づいて、隣接する２つの画素の輪郭らしさが大きくなるほど、隣接する２つの画素にそれぞれ対応する頂点が接続されにくくなるように接続コストが設定されることが好ましい。
また、本発明の画像処理装置において、設定された長径に基づいて、長径から所定の範囲内に位置する頂点と第１の基準頂点とが接続されやすくなるように接続コストが設定されることが好ましい。なお、上記所定の範囲とは、特定領域に属する蓋然性の高い任意の範囲に設定でき、長径との距離が小さい範囲であることが好ましい。例えば、長径上に位置する画素に対応する頂点である第１の頂点の接続コストが、第１の基準頂点と接続されやすくなるように設定されることが好ましい。
また、本発明の画像処理装置において、設定された長径に基づいて、長径の延びる方向に長径の両端より外側に位置する画素に対応する頂点と、第２の基準頂点とが接続されやすくなるように接続コストが設定されることが好ましい。なお、ここでいう「長径の延びる方向に」とは、長径の延びる方向と厳密に一致する必要はなく、例えば長径から３０度以下の傾きを有する方向とすることができる。例えば、長径の延長線上であって、直径の両端より外側に位置する画素に対応する頂点である第２の頂点が第２の基準頂点と接続されやすくなるように接続コストが設定されることが好ましい。
また、頂点の接続コストが「接続されやすくなるように設定され」とは、特定領域抽出部が用いる評価関数が、接続コストが大きくなるほど接続されやすいと評価するものである場合には、接続コストが相対的に大きくなるよう設定されることを意味し、特定領域抽出部が用いる評価関数が、接続コストが大きくなるほど接続されにくいと評価するものである場合には、接続コストが相対的に小さくなるよう設定されることを意味する。また、接続コストが「接続されにくくなるように設定され」とは、特定領域抽出部が用いる評価関数が、接続コストが大きくなるほど接続されやすいと評価するものである場合には、接続コストが相対的に小さくなるよう設定されることを意味し、特定領域抽出部が用いる評価関数が、接続コストが大きくなるほど接続されにくいと評価するものである場合には、接続コストが相対的に大きくなるよう設定されることを意味する。
本発明による画像処理装置および方法並びにプログラムによれば、設定された特定領域の長径に基づいて、特定領域である蓋然性が高いと推定される第１領域と特定領域以外の領域である蓋然性が高いと推定される第２領域を入力画像内に設定し、設定された第１領域内の各画素の濃度ヒストグラムと第２領域内の各画素の濃度ヒストグラムとを算出し、これらの濃度ヒストグラムに基づいて、濃度値ごとに、濃度値が特定領域を表している確からしさを表す第１評価値を算出し、入力画像中の画素ごとに、隣接する２つの画素の濃度値にそれぞれ対応する第１評価値に基づいて、隣接する２つの画素が輪郭を表す確からしさである輪郭らしさを表す第２評価値を算出し、特定領域に属する第１の基準頂点と、背景領域に属する第２の基準頂点と、入力画像中の各画素をそれぞれ表す複数の頂点を定義し、第２評価値に基づいて、各頂点の接続しやすさを表す接続コストを設定し、接続コストに基づいて複数の頂点を接続することにより、特定領域を抽出している。このため、特定領域の長径を特定する情報を有効に利用して、精度よく特定領域の抽出を行うことができる。
本発明の一実施形態における画像処理装置の電気的な概略ブロック図である。 本発明の一実施形態において、特定領域に設定された長径の一例を示す図である。 図２で示された長径に基づいて設定された第１領域と第２領域の一例を示す図である。 本発明の一実施形態における第１ヒストグラムの一例を示す図である。 本発明の一実施形態における第２ヒストグラムの一例を示す図である。 図４Ｂに示す第２ヒストグラムの頻度に対する図４Ａに示す第１ヒストグラムの頻度の比の対数値（第１評価値の一例）を示す図である。 図４Ａに示す第１ヒストグラムの頻度と図４Ｂに示す第２ヒストグラムの頻度の差（第１評価値の他の一例）を示す図である。 本発明の一実施形態における特定領域抽出処理を説明する図である。 本発明の一実施形態における画像処理装置の動作を示すフローチャートである。 本発明の画像処理装置により抽出された腫瘍の例を説明する図である。
以下、本発明の画像処理装置、画像処理プログラムおよび画像処理方法の実施形態について、図面を参照しながら詳細に説明する。本発明は、入力画像中の特定領域を抽出する処理を行う様々な分野で応用可能であるが、ここでは、医療分野における画像診断における異常陰影領域の抽出に本発明を適用した例をもとに説明を行う。
図１に、医師が使用するワークステーションに、画像処理プログラムをインストールすることにより実現された画像処理装置の概略構成を示す。画像処理装置１は、標準的なワークステーションの構成として、プロセッサおよびメモリ（いずれも図示せず）を備え、さらに、ＨＤＤ（Hard Disk Drive）等のストレージ２を備えている。また、画像処理装置１には、ディスプレイ３と、マウス、キーボード等の入力装置４が接続されている。
画像処理プログラムと画像処理プログラムが参照するデータは、インストール時にストレージ２に記憶され、起動時にメモリにロードされる。画像処理プログラムは、ＣＰＵに実行させる処理として、画像取得処理と、長径設定処理と、領域設定処理と、評価処理と、特定領域抽出処理と、表示制御処理とを規定している。
そして、プログラムの規定にしたがって、ＣＰＵが上記各処理を実行することにより、汎用のワークステーションは、後述の画像取得部１１と、長径設定部１２と、領域設定部１３と、評価部１４と、特定領域抽出部１５と、表示制御部１６として機能する。
画像取得部１１は、入力画像Ｉをストレージ２からメモリに取得する。ストレージ２には、撮影を担当する検査部門から転送された、もしくはデータベース検索により取得されたボリュームデータが記憶されている。本実施の形態では、ある患者の検査において、患者の腹部をＣＴ撮影して得られた、複数のスライス画像から構成されるボリュームデータＶが検査部門から転送され、ストレージ２に記憶されている。本実施形態においては、画像取得部１１は、ボリュームデータＶに含まれる個々のスライス画像をそれぞれ入力画像Ｉとして取得する。そして、各スライス画像に対して本画像処理装置による画像処理が個々に行われるものとする。
長径設定部１２は、上記画像処理プログラムに係る所定の選択メニューにおいて長径入力機能が選択されたことを検出すると、ユーザに、長径の特定に必要な情報の選択または入力を促す。そして、ユーザの入力装置４の操作により、長径Ｌの両端の位置が特定されると、画像取得部１１は、長径Ｌの両端の位置の座標を、特定領域ＲＡの長径Ｌを特定する情報として、メモリに取得する。図２は、入力画像Ｉ中の特定領域ＲＡ内に長径Ｌが設定された例を示す図である。
なお、上記に限定されず、長径設定部１２は、自動的に長径Ｌを計測する任意の方法によって取得された長径Ｌを特定する情報を用いてもよい。
領域設定部１３は、設定された長径Ｌに基づいて、特定領域ＲＡである蓋然性が高いと推定される第１領域Ｒ１を入力画像Ｉの中に設定し、特定領域ＲＡ以外の領域である背景領域ＲＢである蓋然性が高いと推定される第２領域Ｒ２を入力画像Ｉの中に設定する。図３は、図２に示された長径Ｌに基づいて、第１領域Ｒ１と第２領域Ｒ２が設定された例を示す図である。
第１領域Ｒ１は、特定領域ＲＡである蓋然性が高いと推定される領域である。入力画像Ｉ中の特定領域ＲＡである異常陰影領域は、長径Ｌの中点を中心に広がる領域である可能性が高いため、長径Ｌの近傍の領域は特定領域ＲＡである可能性が高いと推定できる。このため、本実施形態では、図３に示すように、長径Ｌの近傍を含む所定の形状である楕円領域を第１領域Ｒ１とする。また、楕円領域の短径は、長径Ｌに所定の比率を乗算した値に設定される。長径Ｌの近傍を含む所定の形状である楕円領域に含まれる領域を第１領域Ｒ１とすることにより、特定領域ＲＡである蓋然性が高い領域を簡易かつ好適に第１領域Ｒ１として設定することができるからである。
なお、ここでは、第１領域Ｒ１は、設定された長径の全体をその楕円領域の長径そのものとする楕円領域として設定されるが、例えば、上記楕円領域の部分領域を第１領域Ｒ１として設定してもよい。
第１領域Ｒ１は、長径Ｌに基づいて、特定領域ＲＡである蓋然性が高いと推定される領域であれば、任意の大きさおよび任意の形状を有する領域であってよく、任意の位置に配置されてよい。また、上記第１領域Ｒ１を、長径Ｌの近傍を含み、背景領域ＲＢを含みにくい形状とすることが好ましい。また、特定領域ＲＡである蓋然性を判断可能な任意の推定方法が適用可能である。また、「第１領域」は、１つの領域から構成されるものであってもよく、複数の領域から構成されるものであってもよい。
第２領域Ｒ２は、背景領域ＲＢである蓋然性が高いと推定される領域である。先述の通り、医用画像中の特定領域ＲＡである異常陰影領域は長径Ｌの中点を中心に広がる領域である可能性が高く、長径Ｌは長径の延びる方向に特定領域ＲＡの最大径を表していると判断できるため、長径Ｌより外側では、特定領域ＲＡが存在しないか、または、特定領域ＲＡに含まれる領域よりも背景領域ＲＢに含まれる領域の割合が相対的に大きいと推定できる。
このため、第２領域Ｒ２を、設定された長径Ｌを直径とする円Ｃ１の外側に位置する所定形状の領域として設定することにより、長径Ｌの情報を利用して、簡易かつ好適に背景領域ＲＢである蓋然性が高い領域を第２領域Ｒ２とすることができる。なお、所定形状の領域は、円Ｃ１の外側に位置する所定の拡がりを持った領域であれば任意の形状の領域として設定できる。例えば、円Ｃ１の外側に位置する矩形などの多角形領域であってもよい。
本実施形態では、図３に示すように、第２領域Ｒ２を、設定された長径を直径とする円Ｃ１の外側に広がる輪状の領域として設定する。なお、本実施形態において、第２領域Ｒ２は、設定された長径Ｌを直径とする円Ｃ１と、長径Ｌよりも長い直径を有する円Ｃ２との間の輪状領域として設定される。円Ｃ２の中心は円Ｃ１の中心と一致するように設定され、円Ｃ２の直径の長さは設定された長径Ｌの長さに１より大きい所定の比率を乗算することにより設定される。
第２領域Ｒ２は、上記長径Ｌに基づいて、特定領域以外の領域である蓋然性が高いと推定される領域であれば、任意の大きさおよび任意の形状を有する領域であってよく、任意の位置に配置されてよい。また、特定領域ＲＡ以外の領域である蓋然性を判断可能な任意の推定方法が適用可能である。また、第２領域Ｒ２は、１つの領域から構成されるものであってもよく、複数の領域から構成されるものであってもよい。
さらに、評価部１４は、第１領域内Ｒ１の各画素の濃度値の濃度ヒストグラムである第１ヒストグラムと、第２領域Ｒ２内の各画素の濃度値の濃度ヒストグラムである第２ヒストグラムを算出し、第１ヒストグラムと第２ヒストグラムに基づいて、濃度値ごとに、濃度値が特定領域ＲＡを表している確からしさを表す第１評価値を算出する。
図４Ａは、本実施形態における第１ヒストグラムの一例を示す図であり、図４Ｂは、本実施形態における第２ヒストグラムの一例を示す図であり、図４Ｃは、本実施形態における第１評価値の例を示す図である。
第１ヒストグラムは、特定領域である蓋然性が高い領域（第１領域Ｒ１）の濃度値のみを用いて算出した濃度ヒストグラムである。このため、第１ヒストグラムにおける頻度は、その濃度値が特定領域ＲＡを表している確からしさを表していると考えられる。つまり、第１ヒストグラムにおいて頻度が大きいほど、その頻度に対応する濃度値は、特定領域を表す確からしさが大きくなると考えられる。
第２ヒストグラムに表す頻度は、背景領域である蓋然性が高い領域（第２領域Ｒ２）の濃度値のみを用いて算出した濃度ヒストグラムである。このため、第２ヒストグラムにおける頻度は、その濃度値が背景領域ＲＢを表している確からしさを表していると考えられる。言い換えると、第２ヒストグラムにおいて頻度が大きいほど、その頻度に対応する濃度値は、背景領域ＲＢを表す確からしさが大きくなると考えられる。また、第２ヒストグラムにおいて頻度に応じて背景領域ＲＢを表す確からしさが大きくなると、これに伴って特定領域である確からしさが小さくなると考えられる。
なお、第１ヒストグラムと第２ヒストグラムは、縦軸同士のスケールと横軸同士のスケールがそれぞれ一致するように正規化されることが好ましい。後述の第１評価値が、第１ヒストグラムと第２ヒストグラムを互いに比較することにより算出されるためである。ここでは、第１ヒストグラムと第２ヒストグラムの表す濃度値の範囲が一致するように正規化される。具体的には、両ヒストグラムの濃度値の範囲が調整され、第１ヒストグラムの算出に用いられた全画素数は、第２ヒストグラムの算出に用いられた全画素数と一致するように適宜調整される。
第１評価値は、第１ヒストグラムと第２ヒストグラムとに基づいて、濃度値ごとに、各濃度値が特定領域ＲＡを表す確からしさを表すものである。本実施形態では、評価部１４は、同じ濃度値範囲ごとに、第２ヒストグラムの頻度の値に対する第１ヒストグラムの頻度の値の比の対数値を第１評価値として算出する。第１評価値は、背景領域ＲＢである確からしさに対する特定領域である確からしさの比であるため、濃度値ごとに特定領域ＲＡを好適に表している確からしさを表していると考えられる。例えば、第１評価値が１以上の場合には背景領域らしさよりも特定領域らしさが相対的に大きいため、特定領域らしさが高いと評価でき、第１評価値が大きくなるほど特定領域ＲＡを表す確からしさが大きくなると評価できる。
なお、上記実施形態に限定されず、第１評価値は、濃度値ごとに、各濃度値が特定領域を表している確からしさを表すものであれば、第１ヒストグラムと第２ヒストグラムに基づいて、任意の方法によって定義されたものであってよい。例えば、評価部１４は、同じ濃度値範囲ごとに、第１ヒストグラムの頻度の値に対する第２ヒストグラムの頻度の値の比の対数値を第１評価値として算出してもよい。この場合には、第１評価値は、特定領域である確からしさに対する背景領域ＲＢである確からしさの比であるため、例えば、第１評価値が１以下の場合には特定領域らしさが高いと評価でき、第１評価値が大きくなるほど特定領域ＲＡを表す確からしさが小さくなると考えられる。
第１ヒストグラムと第２ヒストグラムを用いて、各濃度値が特定領域を表している確からしさを表すように第１評価値を算出した場合は、背景領域ＲＢである確からしさと特定領域である確からしさの両方に基づいて、特定領域である確からしさの評価値である第１評価値を算出しているため、第１評価値によって精度よく特定領域である確からしさを表すことができる。
また、第１評価値が、濃度値ごとに、第１ヒストグラムの頻度の値に対する第２ヒストグラムの頻度の値の比の対数値を表すものとした場合には、簡易に第１評価値を算出できる。また、第１評価値を、濃度値ごとに、第１ヒストグラムの頻度の値と第２ヒストグラムの頻度の値との差を表すものとした場合にも、同様の効果が得られる。
図４Ｄは、本実施形態における第１評価値の他の例を示す図である。図４Ｄのように、例えば、第１評価値を、濃度値ごとに、第１ヒストグラムの頻度の値と第２ヒストグラムの頻度の値との差を表すものとしてもよい。上述のように、第２ヒストグラムにおける頻度は、その濃度値が背景領域ＲＢを表している確からしさを表しているため、第２ヒストグラムにおける頻度は、特定領域でない確からしさを示しているとも考えることができる。このため、第１ヒストグラムの頻度の値と第２ヒストグラムの頻度の値との差は、特定領域を表す確からしさと特定領域でない確からしさとの差を表すものとなり、この差を第１評価値とした場合にも、第１評価値は特定領域を表す確からしさを表しているといえる。図４Ｄのように、第１評価値を、第１ヒストグラムの頻度の値から第２ヒストグラムの頻度の値を減算した値を表すようにした場合にも、第１評価値が大きいほど特定領域らしさが大きくなると評価できる。
また、評価部１４は、入力画像中の隣接する２つの画素ごとに、その２つの画素の濃度値に基づいて、隣接する２つの画素のそれぞれの第１評価値を取得し、取得された隣接する２つの画素にそれぞれ対応する第１評価値に基づいて、隣接する２つの画素が輪郭を表す確からしさである輪郭らしさを表す第２評価値を算出する。
ここで、隣接する２つの画素が輪郭を表す輪郭らしさは、隣接する２つの画素が互いに異なる２つの領域（特定領域ＲＡと背景領域ＲＢ）にそれぞれ属する確からしさと捉えることができる。そして、特定領域ＲＡに位置する画素と、背景領域ＲＢに位置する画素とでは特定領域である確からしさである第１の評価値が異なる値を取る可能性が高いと推定できる。このため、２つの隣接する画素が両方とも特定領域ＲＡ（または背景領域ＲＢ）に属する場合よりも、２つの隣接する画素の一方が特定領域ＲＡに属し、他方が背景領域ＲＢに属する場合の方が、２つの隣接する画素にそれぞれ対応する第１評価値の差が大きくなると考えられる。このことを利用して、本実施形態では、入力画像Ｉ中の画素の第１評価値と、その画素に隣接する隣接画素の第１評価値との差の絶対値を第２評価値として算出し、第２評価値が大きくなるほど、その隣接する２つの画素が輪郭を表している確からしさである輪郭らしさが大きくなると評価する。
なお、上記実施形態に限定されず、第２評価値は、入力画像中の互いに隣接する２つの画素ごとに、その画素のペアが輪郭を表している確からしさ（輪郭らしさ）を表すものであれば、互いに隣接する２つの画素にそれぞれ対応する第１評価値に基づいて、任意の方法によって定義されたものであってよい。
上記のように、評価部１４が、入力画像中の画素ごとに、特定領域らしさを表す第１評価値に基づいて、入力画像Ｉ内の隣接する２つの画素ごとに、隣接する画素のペアの特定領域らしさの差（第１評価値の差）が大きくなるほど、輪郭らしさを表す第２評価値が大きくなるように第２評価値を算出している場合には、簡易かつ好適に輪郭らしさを表す第２評価値を算出できる。これに対し、例えば、輪郭らしさを、隣接する２つの画素の濃度値の差の情報だけに基づいて、隣接する２つの画素の濃度値の差が大きいほど輪郭らしさが大きいと定義した場合には、例えば図７で示す入力画像Ｉのように特定領域ＲＡまたは背景領域ＲＢ内で濃度値が変動する画像Ｉの輪郭を正確に判別することが難しい。
特定領域抽出部１５は、特定領域ＲＡに属する第１の基準頂点Ｓと、特定領域ＲＢに属する第２の基準頂点Ｔと、入力画像Ｉ中の各画素をそれぞれ表す複数の頂点Ｎｉｊを定義し、第２評価値に基づいて、各頂点の接続しやすさを表す接続コストを設定し、接続コストに基づいて複数の頂点を接続することにより、特定領域ＲＡを抽出するものである。
本実施形態では、特定領域抽出部１５は、図５に示すように、入力画像Ｉを、特定領域ＲＡに属する第１の基準頂点Ｓ（頂点Ｓ）と、特定領域ＲＢに属する第２の基準頂点Ｔ（頂点Ｔ）と、入力画像Ｉ中の各画素を表す複数の頂点Ｎｉｊと複数の頂点間を結ぶ辺とで構成されるグラフとして定義し、第２評価値に基づいて、互いに隣接する２つの画素の輪郭らしさが大きくなるほど、その画素に対応する頂点とその隣接する画素に対応する頂点とが接続されにくくなるように接続コストを設定し、接続コストに基づいて、グラフカット法によりグラフから特定領域ＲＡを抽出する。なお、図５におけるグラフは、説明のために頂点の間隔や頂点の個数が簡略化されている。また、グラフカット法の詳細については、特許文献１にも記載されている。
入力画像Ｉの全領域を判別領域Ｄとすると、特定領域抽出部１５は、図５に示すように、まず、判別領域Ｄ中の各画素を表す頂点Ｎｉｊと、各画素が取り得るラベルを表す頂点Ｓ、Ｔと、隣接する画素の頂点同士をつなぐ辺からなるｎ−ｌｉｎｋと、各画素を表す頂点Ｎｉｊと特定領域を表す頂点Ｓまたは背景領域ＲＢを表す頂点Ｔとをつなぐ辺からなるｔ−ｌｉｎｋと、から構成されるグラフを作成する。
ここで、ｎ−ｌｉｎｋは、隣接する画素が同一領域の画素である確からしさを接続コストの大きさ（図５中における辺の太さ）で表すものである。ここでは、第２評価値に基づいて、隣接する２つの画素の輪郭らしさが大きくなるほど、隣接する２つの画素に対応する頂点が互いに接続されにくくなるように（辺が細くなるように）、ｎ−ｌｉｎｋの接続コストが設定されている。なお、上記ｎ−ｌｉｎｋの接続コストは、隣接する画素間の距離または濃度値の差などに基づいて、さらに重み付けされてもよい。また、ここでは、頂点間の辺の太さは、接続コストの大きさを示しており、辺が太いほど大きい接続コストが設定されているものとする。
各画素を表す頂点Ｎｉｊと特定領域ＲＡを表す頂点Ｓをつなぐｔ−ｌｉｎｋは、各画素が特定領域ＲＡに含まれる画素である確からしさを表すものであり、各画素を表す頂点Ｎｉｊと背景領域ＲＢを表す頂点Ｔをつなぐｔ−ｌｉｎｋは、各画素が背景領域ＲＢに含まれる画素である確からしさを表すものである。
本実施形態では、設定された長径Ｌを特定する情報を利用して、その画素が特定領域ＲＡに属すると判別できる場合には、その画素に対応する頂点が特定領域ＲＡを表す頂点Ｓに接続されやすくなるように（その画素に対応する頂点と特定領域ＲＡを表す頂点Ｓを結ぶ辺が太くなるように）、ｔ−ｌｉｎｋの接続コストを設定する。また、その画素が背景領域ＲＢに属すると判別できる場合には、その画素に対応する頂点が背景領域ＲＢを表す頂点Ｔに接続されやすくなるように（その画素に対応する頂点と背景領域ＲＢを表す頂点Ｔを結ぶ辺が太くなるように）、ｔ−ｌｉｎｋの接続コストを設定する。
具体的には、以下の４つの条件（１）〜（４）に基づいて、ｔ−ｌｉｎｋの接続コストを設定する。
（１）長径Ｌ上に位置する画素に対応する頂点（第１の頂点）は、特定領域ＲＡに属する可能性が高い画素であるため、頂点Ｓと接続されやすくなるように接続コストが設定される。
（２）長径Ｌの延長線上であって、長径Ｌの両端より外側に位置する画素に対応する頂点（第２の頂点、図５における破線Ｌ１上に位置する頂点）は、背景領域ＲＢに属する可能性が高い画素であるため、頂点Ｔと接続されやすくなるように接続コストが設定される。
（３）入力画像中の第２領域Ｒ２の外側の輪郭に位置する画素に対応する頂点（第３の頂点、図５における円Ｃ２上に位置する頂点）は、背景領域ＲＢ（特定領域以外の領域）に属する可能性が高い画素であるため、頂点Ｔと接続されやすくなるように接続コストが設定される。
（４）入力画像Ｉを表すグラフを構成する頂点のうち、第１から第３の頂点のいずれにも該当しない頂点は、頂点Ｓおよび頂点Ｔの両方に接続されにくくなるように接続コストが設定される。
図５に示す例では、Ｎ３３、Ｎ３４、Ｎ３５、Ｎ３６が第１の頂点に相当し、上記条件（１）に基づいて頂点Ｓと接続されている。また、Ｎ３１、Ｎ３２、Ｎ３７、Ｎ３８が第２の頂点に相当し、上記条件（２）に基づいて頂点Ｔと接続されている。また、Ｎ１３、Ｎ１５、Ｎ２１、Ｎ４８、Ｎ５４、Ｎ５６が第３の頂点に相当し、上記条件（３）に基づいて頂点Ｔと接続されている。また、図５に示す上記第１から第３の頂点に該当しない頂点は、頂点Ｓおよび頂点Ｔの両方に接続されないように（接続コストが０となるように）設定されている。
特定領域ＲＡは、長径Ｌを中心に広がっている可能性が高いと推定される。このため、上記（１）のように、長径Ｌ上に位置する頂点（第１の頂点）は特定領域ＲＡに属する可能性が高いと判別して、第１の頂点を頂点Ｓに接続されやすくなるように接続コストを設定した場合には、設定された長径Ｌを特定する情報を好適に利用して、精度よく入力画像を表すグラフから特定領域ＲＡを抽出することができる。
なお、上記条件（１）に換えて、設定された長径Ｌに基づいて、長径Ｌから所定の範囲内に位置する頂点と頂点Ｓとが接続されやすくなるように任意の方法で接続コストを決定してもよい。なお、上記所定の範囲とは、特定領域に属する蓋然性の高い任意の範囲に設定でき、長径との距離が小さい範囲であることが好ましい。
また、長径Ｌは、長径Ｌの延びる方向の特定領域ＲＡの最大径を表していると判断できるため、長径Ｌの延びる方向に、長径Ｌの両端より外側には特定領域ＲＡが存在する可能性は低いと考えられる。このため、上記（２）のように、長径Ｌの延長線上であって、長径Ｌの両端より外側に位置する頂点（第２の頂点）を背景領域ＲＢに属する可能性が高いと判別して、第２の頂点を頂点Ｔに接続されやすくなるようにした場合にも、設定された長径Ｌを特定する情報を好適に利用して、精度よく入力画像を表すグラフから特定領域ＲＡを抽出することができる。
なお、上記条件（２）に換えて、設定された長径Ｌに基づいて、長径Ｌの延びる方向に、長径Ｌの両端より外側に位置する画素に対応する頂点とＴ頂点とが接続されやすくなるように任意の方法で接続コストを設定してもよい。
また、設定された長径Ｌから十分離れた領域に位置する頂点は背景領域Ｂに属する可能性が高いと考えられる。このため、上記（３）のように、背景領域ＲＢである蓋然性が高い領域である第２領域Ｒ２の外側の輪郭に位置する頂点（第３の頂点）を背景領域ＲＢに属する可能性が高いと判別して、第３の頂点を頂点Ｔに接続されやすくなるように接続コストを設定した場合には、第３の頂点は長径Ｌから十分離間して位置するものであるため、設定された長径Ｌを特定する情報を好適に利用して、精度よく入力画像を表すグラフから特定領域ＲＡを抽出することができる。
なお、上記（３）に換えて、設定された長径Ｌに基づいて、長径Ｌから所定の距離以上離れて位置する頂点と頂点Ｔとが接続されやすくなるように任意の方法で接続コストを決定してもよい。なお、上記所定の距離とは、背景領域ＲＢに属する蓋然性の高い任意の範囲に設定でき、長径Ｌとの距離が大きい範囲であることが好ましい。
本実施形態に限定されず、特定領域ＲＡと背景領域ＲＢを分離可能にｔ−ｌｉｎｋの接続コストを設定可能であればあらゆる方法でｔ−ｌｉｎｋの接続コストを設定してよい。このために、特定領域ＲＡと背景領域ＲＢを分離可能にｔ−ｌｉｎｋの接続コストを設定可能な範囲で、上記（１）から（４）に基づく接続コストの設定の一部または全てを省略してもよく、上記（１）から（４）に基づく接続コストの設定の一部または全てに換えて別の手法で接続コストを設定してもよい。
なお、上記ｔ−ｌｉｎｋの接続コストの設定は、その画素が特定領域ＲＡ又は背景領域ＲＢのいずれかを示す画素であるかの情報がすでに与えられている場合には、その与えられた情報に従って任意の方法で設定できる。また、そのような情報が与えられてない場合には、特定領域ＲＡまたは背景領域ＲＢを示す画素であることが既知である１以上の画素における濃度値の統計的な特徴に基づいて算出してもよい。
そして、特定領域抽出部１５は、上記のグラフにおけるｔ−ｌｉｎｋとｎ−ｌｉｎｋの接続コストの総和を表す評価関数Ｆを、最大流最小切断法などのグラフカット法に適用可能な周知の方法により最小化することにより領域分割をする。この結果、図５に点線で示すように、全てのｔ−ｌｉｎｋおよびｎ−ｌｉｎｋのうち適当なリンクが切断されて、頂点Ｓが頂点Ｔから切り離され、入力画像は特定領域ＲＡと背景領域ＲＢに分割される。
表示制御部１６は、入力画像Ｉ、上記画像処理の過程で作成された諸画像、抽出された特定領域ＲＡなどを、ユーザの指示やプログラムの要求などの必要に応じて適宜ディスプレイ３に表示するよう指示するものである。
図６は、本実施形態の画像処理装置１の処理の流れを示すフローチャートである。以下、図６に従って、本実施形態の画像処理装置１の各処理を順に説明する。
まず、画像取得部１１が、入力画像Ｉをストレージ２から取得する（Ｓ０１）。次いで、長径設定部１２が、ユーザ操作により入力された長径を特定する情報を受け取ることにより長径Ｌを設定する（Ｓ０２）。領域設定部１３は、設定された長径Ｌに基づいて、長径Ｌを長径とする楕円領域である第１領域Ｒ１と、長径Ｌを直径とする円Ｃ１と円Ｃ２との間の輪状領域である第２領域Ｒ２を設定する（Ｓ０３）。
次に、評価部１４は、第１領域Ｒ１における各画素の濃度値に基づいて第１ヒストグラムを作成し、第２領域Ｒ２における各画素の濃度値に基づいて第２ヒストグラムを作成して、両ヒストグラムを正規化する（Ｓ０４）。そして、評価部１４は、濃度値ごとに、第２ヒストグラムの頻度の値に対する第１ヒストグラムの頻度の値の比の対数値を、特定領域ＲＡを表す確からしさを表す第１評価値として算出する（Ｓ０５）。さらに、評価部１４は、入力画像Ｉにおける隣接する２つの画素ごとに、隣接する２つの画素にそれぞれ対応する第１評価値の差の絶対値を、輪郭らしさを表す第２評価値として算出する（Ｓ０６）。
次いで、特定領域抽出部１５は、入力画像Ｉを、特定領域ＲＡに属する第１の基準頂点Ｓと、背景領域ＲＡに属する第２の基準頂点Ｔと、入力画像Ｉ中の各画素を表す複数の頂点と複数の頂点間を結ぶ辺とで構成されるグラフとして定義する。そして、第２評価値に基づいて、隣接する２つの画素の輪郭らしさが大きくなるほど、隣接する２つの画素にそれぞれ対応する頂点が互いに接続されにくくなるようにｎ−ｌｉｎｋの接続コストを設定する。また、設定された長径Ｌに基づいて、特定領域ＲＡに属すると推定される第１の頂点が特定領域ＲＡを表す頂点Ｓと接続され、背景領域ＲＢに属すると推定される第２の頂点および第３の頂点が背景領域ＲＢを表す頂点Ｔと接続されるようにｔ−ｌｉｎｋの接続コストを設定する。そして、接続コストに基づいて、評価関数Ｆを最小化することによりグラフを分割し、入力画像Ｉから特定領域を抽出する（Ｓ０７）。
そして、表示制御部１６は、抽出された特定領域ＲＡをディスプレイに表示して（Ｓ０８）、処理を終了する。以上のように領域分割して抽出した特定領域ＲＡの一例を図７に示す。
以上、本実施形態の画像処理装置１によれば、特定領域ＲＡの長径Ｌを特定する情報を有効に利用して、第１領域Ｒ１と第２領域Ｒ２を適切に設定し、第１領域Ｒ１と第２領域Ｒ２の画素の濃度ヒストグラムに基づいて第１評価値を算出し、第１評価値に基づいて隣接する２つの画素の輪郭らしさである第２評価値を算出し、第２評価値に基づいて特定領域を抽出しているため、特定領域の形状や大きさに関して機械学習結果などの情報がない場合でも、精度よく特定領域の抽出を行うことができる。
また、長径設定部１２が、上記実施形態のようにユーザ入力に基づいて長径Ｌを設定している場合には、入力画像に対するユーザの判断を利用できるため、より正確に長径Ｌを設定できる。
また、領域設定部１３が、特定領域ＲＡが長径Ｌの中点を中心に広がる領域であり、長径Ｌの長さが長径Ｌの延びる方向の特定領域ＲＡの最大径であるという判断に基づいて、第１領域Ｒ１を長径Ｌを長径とする楕円とし、第２領域Ｒ２を長径Ｌを直径とする円Ｃ１の外側に広がる領域として設定しているため、評価部１４は、長径Ｌの情報を好適に利用して、特定領域らしさを表す第１評価値をより精度よく算出することができ、この第１評価値に基づいて輪郭らしさを表す第２評価値を正確に算出することができる。
そして、特定領域抽出部１５が、特定領域ＲＡに属する第１の基準頂点Ｓと、背景領域ＲＡに属する第２の基準頂点Ｔと、入力画像Ｉの画素をそれぞれ表す複数の頂点を定義し、この第２評価値を用いて、隣接する２つの画素の輪郭らしさが大きい場合には、隣接する２つの画素を表す頂点が接続されにくくなるように接続コストを設定して、接続コストに基づいて複数の頂点をそれぞれ接続することにより、輪郭らしさが大きい２つの画素間で、精度よく特定領域ＲＡと背景領域ＲＢが適切に分離されやすくなり、特定領域ＲＡを精度良く抽出することができる。
また、上記の実施形態では、特定領域抽出部１５が、特定領域ＲＡに属する可能性が高い画素に対応する頂点と、背景領域ＲＢに属する可能性が高い画素に対応する頂点を第１から第３の頂点として好適に判別し、判別された第１から第３の頂点を、適宜特定領域ＲＡを表す第１の基準頂点または背景領域ＲＢを表す第２の基準頂点に接続されやすくなるように各頂点を接続しているため、長径Ｌの情報を好適に利用して、より精度よく特定領域を抽出することができる。
上記の各実施形態はあくまでも例示であり、上記のすべての説明が本発明の技術的範囲を限定的に解釈するために利用されるべきものではない。
この他、上記の実施形態におけるシステム構成、ハードウェア構成、処理フロー、モジュール構成、ユーザインターフェースや具体的処理内容等に対して、本発明の趣旨から逸脱しない範囲で様々な改変を行ったものも、本発明の技術的範囲に含まれる。
また、画像処理装置１は、複数台のコンピュータにより、上記各部としての機能を分担する構成としてもよい。また、入力装置、ディスプレイ等、システムを構成する装置としては、公知のあらゆる装置を採用することができる。
１ 画像処理装置、 ２ ストレージ、 ３ ディスプレイ（表示装置）
４ 入力装置
１１ 画像取得部
１２ 長径設定部
１３ 領域設定部
１４ 第１評価部
１５ 特定領域抽出部
１６ 表示制御部
Ｒ１ 第１領域
Ｒ２ 第２領域
ＲＡ 特定領域
ＲＢ 背景領域
Ｉ 入力画像
Ｌ 長径

Claims (11)

  1. 特定領域を含む入力画像上で前記特定領域の長径を設定する長径設定部と、
    設定された前記長径に基づいて、前記特定領域である蓋然性が高いと推定される第１領域を前記入力画像内に設定し、前記特定領域以外の領域である背景領域である蓋然性が高いと推定される第２領域を前記入力画像内に設定する領域設定部と、
    前記第１領域内の各画素の濃度値の濃度ヒストグラムである第１ヒストグラムと、前記第２領域内の各画素の濃度値の濃度ヒストグラムである第２ヒストグラムを算出し、前記第１ヒストグラムと前記第２ヒストグラムに基づいて、濃度値ごとに、該濃度値が前記特定領域を表している確からしさを表す第１評価値を算出し、前記入力画像中の隣接する２つの画素ごとに、該隣接する２つの画素の濃度値にそれぞれ対応する前記第１評価値に基づいて、前記隣接する２つの画素が輪郭を表す確からしさである輪郭らしさを表す第２評価値を算出する評価部と、
    前記特定領域に属する第１の基準頂点と、前記背景領域に属する第２の基準頂点と、前記入力画像中の各画素をそれぞれ表す複数の頂点とを定義し、前記第２評価値に基づいて、前記各頂点間の接続しやすさを表す接続コストを設定し、設定された該接続コストに基づいて前記各頂点を接続して、前記特定領域を抽出する特定領域抽出部とを備えたことを特徴とする画像処理装置。
  2. 前記第１評価値が、前記第１ヒストグラムの頻度の値と前記第２ヒストグラムの頻度の値の比の対数値を表していることを特徴とする請求項１記載の画像処理装置。
  3. 前記第１評価値が、前記第１ヒストグラムの頻度の値と前記第２ヒストグラムの頻度の値との差を表していることを特徴とする請求項１記載の画像処理装置。
  4. 前記入力画像中の画素ごとに、前記隣接する２つの画素の前記第１評価値の差が大きくなるほど、前記輪郭らしさが大きくなるように前記第２評価値が算出されることを特徴とする請求項１から３のいずれか１項記載の画像処理装置。
  5. 前記第２評価値に基づいて、前記隣接する２つの画素の前記輪郭らしさが大きくなるほど、前記隣接する２つの画素にそれぞれ対応する前記頂点が接続されにくくなるように前記接続コストが設定されることを特徴とする請求項１から４のいずれか１項記載の画像処理装置。
  6. 設定された前記長径に基づいて、前記長径から所定の範囲内に位置する前記頂点と前記第１の基準頂点とが接続されやすくなるように前記接続コストが設定されることを特徴とする請求項１から５のいずれか１項記載の画像処理装置。
  7. 設定された前記長径に基づいて、該長径の延びる方向に前記長径の両端より外側に位置する画素に対応する前記頂点と前記第２の基準頂点とが接続されやすくなるように前記接続コストが設定されることを特徴とする請求項１から６のいずれか１項記載の画像処理装置。
  8. 前記第１領域が、設定された前記長径を長径とする楕円領域に含まれる領域であることを特徴とする請求項１から７のいずれか１項記載の画像処理装置。
  9. 前記第２領域が、設定された前記長径を直径とする円の外側に位置する、所定形状の領域であることを特徴とする請求項１から８のいずれか１項記載の画像処理装置。
  10. 画像処理装置における画像処理方法であって、
    特定領域を含む入力画像上で前記特定領域の長径を設定する長径設定ステップと、
    設定された前記長径に基づいて、前記特定領域である蓋然性が高いと推定される第１領域を前記入力画像内に設定し、前記特定領域以外の領域である背景領域である蓋然性が高いと推定される第２領域を前記入力画像内に設定する領域設定ステップと、
    前記第１領域内の各画素の濃度値の濃度ヒストグラムである第１ヒストグラムと、前記第２領域内の各画素の濃度値の濃度ヒストグラムである第２ヒストグラムを算出し、前記第１ヒストグラムと前記第２ヒストグラムに基づいて、濃度値ごとに、該濃度値が前記特定領域を表している確からしさを表す第１評価値を算出し、前記入力画像中の隣接する２つの画素ごとに、該隣接する２つの画素の濃度値にそれぞれ対応する前記第１評価値に基づいて、前記隣接する２つの画素が輪郭を表す確からしさである輪郭らしさを表す第２評価値を算出する評価ステップと、
    前記特定領域に属する第１の基準頂点と、前記背景領域に属する第２の基準頂点と、前記入力画像中の各画素をそれぞれ表す複数の頂点とを定義し、前記第２評価値に基づいて、前記各頂点間の接続しやすさを表す接続コストを設定し、設定された該接続コストに基づいて前記各頂点を接続して、前記特定領域を抽出する特定領域抽出ステップとを有することを特徴とする画像処理方法。
  11. コンピュータに、
    特定領域を含む入力画像上で前記特定領域の長径を設定する長径設定ステップと、
    設定された前記長径に基づいて、前記特定領域である蓋然性が高いと推定される第１領域を前記入力画像内に設定し、前記特定領域以外の領域である背景領域である蓋然性が高いと推定される第２領域を前記入力画像内に設定する領域設定ステップと、
    前記第１領域内の各画素の濃度値の濃度ヒストグラムである第１ヒストグラムと、前記第２領域内の各画素の濃度値の濃度ヒストグラムである第２ヒストグラムを算出し、前記第１ヒストグラムと前記第２ヒストグラムに基づいて、濃度値ごとに、該濃度値が前記特定領域を表している確からしさを表す第１評価値を算出し、前記入力画像中の隣接する２つの画素ごとに、該隣接する２つの画素の濃度値にそれぞれ対応する前記第１評価値に基づいて、前記隣接する２つの画素が輪郭を表す確からしさである輪郭らしさを表す第２評価値を算出する評価ステップと、
    前記特定領域に属する第１の基準頂点と、前記背景領域に属する第２の基準頂点と、前記入力画像中の各画素をそれぞれ表す複数の頂点とを定義し、前記第２評価値に基づいて、前記各頂点間の接続しやすさを表す接続コストを設定し、設定された該接続コストに基づいて前記各頂点を接続して、前記特定領域を抽出する特定領域抽出ステップとを実行させることを特徴とする画像処理プログラム。
JP2012213636A 2012-09-27 2012-09-27 画像処理装置および画像処理方法、並びに、画像処理プログラム Active JP5955723B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2012213636A JP5955723B2 (ja) 2012-09-27 2012-09-27 画像処理装置および画像処理方法、並びに、画像処理プログラム
PCT/JP2013/005555 WO2014050043A1 (ja) 2012-09-27 2013-09-20 画像処理装置および画像処理方法、並びに、画像処理プログラム
EP13841846.2A EP2902969B1 (en) 2012-09-27 2013-09-20 Image processing device, image processing method, and image processing program
US14/669,382 US9483705B2 (en) 2012-09-27 2015-03-26 Image processing device, image processing method, and image processing program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012213636A JP5955723B2 (ja) 2012-09-27 2012-09-27 画像処理装置および画像処理方法、並びに、画像処理プログラム

Publications (2)

Publication Number Publication Date
JP2014067343A JP2014067343A (ja) 2014-04-17
JP5955723B2 true JP5955723B2 (ja) 2016-07-20

Family

ID=50387484

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012213636A Active JP5955723B2 (ja) 2012-09-27 2012-09-27 画像処理装置および画像処理方法、並びに、画像処理プログラム

Country Status (4)

Country Link
US (1) US9483705B2 (ja)
EP (1) EP2902969B1 (ja)
JP (1) JP5955723B2 (ja)
WO (1) WO2014050043A1 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5881625B2 (ja) * 2013-01-17 2016-03-09 富士フイルム株式会社 領域分割装置、プログラムおよび方法
WO2016154366A1 (en) * 2015-03-23 2016-09-29 Arris Enterprises, Inc. System and method for selectively compressing images
US10729622B2 (en) 2015-05-29 2020-08-04 3M Innovative Properties Company Process for taking a dental impression and curable composition for use in a dental impressioning and retraction process
WO2017199245A1 (en) 2016-05-16 2017-11-23 Cathworks Ltd. System for vascular assessment
CN110473252A (zh) * 2019-08-28 2019-11-19 北京理工大学 基于矩阵运算计算任意形状接触面积的方法及模块

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6973212B2 (en) * 2000-09-01 2005-12-06 Siemens Corporate Research, Inc. Graph cuts for binary segmentation of n-dimensional images from object and background seeds
JP4999163B2 (ja) 2006-04-17 2012-08-15 富士フイルム株式会社 画像処理方法および装置ならびにプログラム
JP4493679B2 (ja) * 2007-03-29 2010-06-30 富士フイルム株式会社 対象領域抽出方法および装置ならびにプログラム
KR100967379B1 (ko) * 2009-11-04 2010-07-05 (주)올라웍스 그래프 컷의 초기값을 설정하는 방법, 단말 장치, 및 컴퓨터 판독 가능한 기록 매체

Also Published As

Publication number Publication date
US20150199587A1 (en) 2015-07-16
US9483705B2 (en) 2016-11-01
EP2902969A4 (en) 2016-07-27
JP2014067343A (ja) 2014-04-17
WO2014050043A1 (ja) 2014-04-03
EP2902969A1 (en) 2015-08-05
EP2902969B1 (en) 2019-05-01

Similar Documents

Publication Publication Date Title
US9282929B2 (en) Apparatus and method for estimating malignant tumor
US10111713B2 (en) Surgery assistance apparatus, surgery assistance method and non-transitory computer-readable recording medium having stored therein surgery assistance program
US9159127B2 (en) Detecting haemorrhagic stroke in CT image data
JP4879028B2 (ja) 画像処理方法および画像解析方法ならびにプログラム記憶媒体
US9230320B2 (en) Computer aided diagnostic system incorporating shape analysis for diagnosing malignant lung nodules
US9014456B2 (en) Computer aided diagnostic system incorporating appearance analysis for diagnosing malignant lung nodules
US10319093B2 (en) Image processing apparatus, image processing method, and program
JP5955723B2 (ja) 画像処理装置および画像処理方法、並びに、画像処理プログラム
US20160239950A1 (en) Image processing apparatus, image processing method, and storage medium
EP2796089A1 (en) Image processing device and image processing method, and image processing program
WO2015042421A1 (en) Biopsy-free detection and staging of cancer using a virtual staging score
US20090016589A1 (en) Computer-Assisted Detection of Colonic Polyps Using Convex Hull
US9547896B2 (en) Lesion classification apparatus, and method of modifying lesion classification data
US20210374957A1 (en) Systems and methods for automated analysis of medical images
EP1994493A1 (en) Identifying set of image characteristics for assessing similarity of images
US11348229B2 (en) Determining regions of hyperdense lung tissue in an image of a lung
US7711172B2 (en) Automatic nodule measurements
JP5961512B2 (ja) 画像処理装置およびその作動方法並びに画像処理プログラム
JP2017189394A (ja) 情報処理装置および情報処理システム
WO2006110398A2 (en) Estimation of solitary pulmonary nodule diameters with a hybrid segmentation approach
US11823377B2 (en) Information processing apparatus, information processing method, and non-transitory computer-readable storage medium
EP2815382B1 (en) Method for quantification of uncertainty of contours in manual and auto segmenting algorithms
US10984294B2 (en) Apparatus for identifying objects from an object class

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20141024

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20151104

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20151218

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: 20160524

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160615

R150 Certificate of patent or registration of utility model

Ref document number: 5955723

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250