JP6466076B2 - Image processing apparatus and program - Google Patents
Image processing apparatus and program Download PDFInfo
- Publication number
- JP6466076B2 JP6466076B2 JP2014070725A JP2014070725A JP6466076B2 JP 6466076 B2 JP6466076 B2 JP 6466076B2 JP 2014070725 A JP2014070725 A JP 2014070725A JP 2014070725 A JP2014070725 A JP 2014070725A JP 6466076 B2 JP6466076 B2 JP 6466076B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- gradient
- hwhm
- pixel
- blood vessel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 210000004204 blood vessel Anatomy 0.000 claims description 79
- 238000000605 extraction Methods 0.000 claims description 41
- 101100023997 Caenorhabditis elegans mom-2 gene Proteins 0.000 claims description 6
- 101150060239 MOM1 gene Proteins 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 210000004185 liver Anatomy 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 238000000034 method Methods 0.000 description 30
- 230000008569 process Effects 0.000 description 15
- 238000001514 detection method Methods 0.000 description 11
- 230000004069 differentiation Effects 0.000 description 5
- 238000005429 filling process Methods 0.000 description 5
- 238000009499 grossing Methods 0.000 description 5
- 238000007796 conventional method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000002792 vascular Effects 0.000 description 4
- 230000035945 sensitivity Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000009792 diffusion process Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 210000004088 microvessel Anatomy 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Landscapes
- Magnetic Resonance Imaging Apparatus (AREA)
- Image Analysis (AREA)
Description
本発明は、画像上の血管を抽出する技術に関する。 The present invention relates to a technique for extracting blood vessels on an image.
画像における血管などの管状臓器の抽出(Segmentation)方法としては、Frangiらによって提案された方法が最も一般的である。この方法は、ヘシアン行列（Hessian matrix）を用いて画像上の各構造物を板、管、斑点（球）に分類し、管状組織を特定する。このヘシアン行列を用いた方法は、既にさまざまな医用ソフトウェア（software）に使用されており、信頼性の高い方法である。例えば、この方法は、Ｘ線アンギオ（X-ray Angio）やＸ線ＣＴアンギオ（X-ray Computed Tomography Angio）、ＭＲ（Magnetic Resonance）などの画像に対する血管領域の強調や抽出に広く用いられている。 As a method for extracting a tubular organ such as a blood vessel in an image (Segmentation), the method proposed by Frangi et al. Is the most common. In this method, each structure on an image is classified into a plate, a tube, and a spot (sphere) using a Hessian matrix, and a tubular tissue is specified. This method using the Hessian matrix is already used in various medical software and is a reliable method. For example, this method is widely used for enhancement and extraction of blood vessel regions for images such as X-ray Angio (X-ray Angio), X-ray Computed Tomography Angio (MR), and MR (Magnetic Resonance). .
しかしながら、ヘシアン行列を用いた方法では、対象画像における感度むらやコントラスト（contrast）不良により血管領域の検出精度が低下し、血管領域の未検出や非血管領域の誤検出が顕著に現れる場合がある。 However, in the method using the Hessian matrix, the detection accuracy of the blood vessel region is lowered due to the sensitivity unevenness or the contrast (contrast) failure in the target image, and the non-detection of the blood vessel region or the false detection of the non-blood vessel region may appear remarkably. .
このような事情により、画像上の血管をよりロバスト（robust）に検出することができる技術が望まれている。 Under such circumstances, a technique capable of detecting blood vessels on an image more robustly is desired.
第１の観点の発明は、
血管を含む画像を特定する特定手段と、
前記画像を構成する複数の画素列の各々について、該画素列に沿った方向における画素値の正の勾配と負の勾配との組合せを検出することにより、血管領域を抽出する抽出手段と、を備えた画像処理装置を提供する。
The invention of the first aspect
A specifying means for specifying an image including blood vessels;
Extracting means for extracting a blood vessel region by detecting a combination of a positive gradient and a negative gradient of pixel values in a direction along the pixel column for each of a plurality of pixel columns constituting the image; Provided is an image processing apparatus.
ここで、「正の勾配」は画素値が上昇する勾配を意味し、「負の勾配」は画素値が下降する勾配を意味する。 Here, “positive gradient” means a gradient in which the pixel value increases, and “negative gradient” means a gradient in which the pixel value decreases.
第２の観点の発明は、
前記抽出手段が、前記画素列に沿った方向における画素値の正の勾配から負の勾配までの領域または負の勾配から正の勾配までの領域を前記血管領域として抽出する、上記第１の観点の画像処理装置を提供する。
The invention of the second aspect is
The first aspect in which the extraction unit extracts a region from a positive gradient to a negative gradient of a pixel value or a region from a negative gradient to a positive gradient in the direction along the pixel column as the blood vessel region. An image processing apparatus is provided.
第３の観点の発明は、
前記抽出手段が、
前記画像における座標ごとに、該座標における画素値の勾配ベクトル（vector）の大きさが所定の閾値以上であるときには、前記勾配ベクトルを該勾配ベクトルの大きさで規格化したものを該座標における特徴ベクトルとして決定し、前記勾配ベクトルの大きさが前記所定の閾値未満であるときには、０ベクトル（zero vector）を該座標における特徴ベクトルとして決定する決定手段と、
前記画素列上の各座標における前記特徴ベクトルの該画素列に沿った方向の成分を該方向に沿って見たときに、該成分が正になってから負になるまでの間の領域または該成分が負になってから正になるまでの間の領域を、前記血管領域として検出する検出手段とを含む、上記第２の観点の画像処理装置を提供する。
The invention of the third aspect is
The extraction means comprises:
For each coordinate in the image, when the magnitude of the gradient vector (vector) of the pixel value in the coordinate is equal to or greater than a predetermined threshold, the gradient vector is normalized by the magnitude of the gradient vector. Determining means for determining a zero vector as a feature vector at the coordinates when the gradient vector is less than the predetermined threshold,
When the component in the direction along the pixel column of the feature vector at each coordinate on the pixel column is viewed along the direction, the region from when the component becomes positive until it becomes negative or the region There is provided an image processing apparatus according to the second aspect, including a detection unit that detects a region from when the component becomes negative to when the component becomes positive as the blood vessel region.
第４の観点の発明は、
前記決定手段が、前記画像に対して構造物強調フィルタ（filter）処理および／またはノイズ（noise）低減処理を行った後に前記勾配ベクトルを求める、上記第３の観点の画像処理装置を提供する。
The invention of the fourth aspect is
The image processing apparatus according to the third aspect, wherein the determining unit obtains the gradient vector after performing a structure enhancement filter process and / or a noise reduction process on the image.
第５の観点の発明は、
前記画素列が、前記画像における座標軸方向に並ぶ複数の画素であり、
前記勾配ベクトルが、前記画像における各座標軸方向の１次偏微分である、上記第３の観点または第４の観点の画像処理装置を提供する。
The invention of the fifth aspect is
The pixel column is a plurality of pixels arranged in a coordinate axis direction in the image;
The image processing apparatus according to the third aspect or the fourth aspect is provided, in which the gradient vector is a first-order partial differentiation in each coordinate axis direction in the image.
第６の観点の発明は、
前記画像におけるノイズ量を推定し、該ノイズ量に基づいて前記閾値を決定する手段をさらに有する、上記第３の観点から第５の観点のいずれか一つの観点の画像処理装置を提供する。
The invention of the sixth aspect is
An image processing apparatus according to any one of the third to fifth aspects, further comprising means for estimating a noise amount in the image and determining the threshold value based on the noise amount.
第７の観点の発明は、
前記閾値を決定する手段が、前記画像の少なくとも一部の領域における各画素での勾配強度を求め、該勾配強度のヒストグラム（histogram）に基づいて前記閾値を決定する、上記第６の観点の画像処理装置を提供する。
The invention of the seventh aspect
The image according to the sixth aspect, wherein the means for determining the threshold value obtains a gradient intensity at each pixel in at least a partial region of the image, and determines the threshold value based on a histogram of the gradient intensity. A processing device is provided.
第８の観点の発明は、
前記閾値を決定する手段が、ノイズ量Nqtを、以下の（ａ）〜（ｆ）式のいずれか１つ、または、複数の組合せの平均値から算出する、上記第７の観点の画像処理装置を提供する。
Nqt = Mfmax + σ×HWHML （ａ）
Nqt = Mfmax + σ×HWHMR （ｂ）
Nqt = Mfmax + σ×(HWHML+ HWHMR)/2 （ｃ）
Nqt = σ×Mfmax （ｄ）
Nqt = σ×Mmom1 （ｅ）
Nqt = σ×Mmom2 （ｆ）
ただし、
Mfmaxは、前記ヒストグラム分布上に現れるピーク（peak）のうち、最も勾配強度が低いピークにおいて最頻値を与える勾配強度であり、
HWHMLは、前記ヒストグラム分布上におけるMfmaxから見て低値側の半値半幅であり、
HWHMRは、前記ヒストグラム分布上におけるMfmaxから見て高値側の半値半幅であり、
HWHMmom1は、前記ヒストグラム分布上における勾配強度が0からHWHMRまでの範囲の重心に相当する勾配強度であり、
HWHMmom2は、前記ヒストグラム分布上における勾配強度がHWHMLからHWHMRまでの範囲の重心に相当する勾配強度である。
The invention of the eighth aspect
The image processing device according to the seventh aspect, wherein the means for determining the threshold calculates the noise amount Nqt from any one of the following formulas (a) to (f) or an average value of a plurality of combinations: I will provide a.
Nqt = M fmax + σ x HWHM L (a)
Nqt = M fmax + σ x HWHM R (b)
Nqt = M fmax + σ x (HWHM L + HWHM R ) / 2 (c)
Nqt = σ x M fmax (d)
Nqt = σ x M mom1 (e)
Nqt = σ x M mom2 (f)
However,
M fmax is the gradient intensity that gives the mode value at the peak with the lowest gradient intensity among the peaks that appear on the histogram distribution,
HWHM L is the half value half width on the low value side when viewed from M fmax on the histogram distribution,
HWHM R is the half value half width on the high value side when viewed from M fmax on the histogram distribution,
HWHM mom1 is the gradient intensity corresponding to the center of gravity in the range from 0 to HWHM R, the gradient intensity on the histogram distribution,
HWHM mom2 is the gradient strength corresponding to the center of gravity in the range from HWHM L to HWHM R on the histogram distribution.
第９の観点の発明は、
前記画像が、肝臓を表す画像である、上記第１の観点から第８の観点のいずれか一つの観点の画像処理装置を提供する。
The invention of the ninth aspect is
The image processing apparatus according to any one of the first to eighth aspects is provided, wherein the image is an image representing a liver.
第１０の観点の発明は、
コンピュータ（computer）を、上記第１の観点から第９の観点のいずれか一つの観点の画像処理装置として機能させるためのプログラム（program）を提供する。
The invention of the tenth aspect is
A program for causing a computer to function as the image processing apparatus according to any one of the first to ninth aspects is provided.
本発明によれば、画像上の血管の径方向の両端において画素値の正の勾配と負の勾配とがペア（pair）で存在する点に着目し、これら正負の勾配の検出により血管領域を抽出するので、上記画像における感度むらやコントラスト不良による影響を受けにくい、よりロバストな血管抽出が可能になる。 According to the present invention, focusing on the point that a positive gradient and a negative gradient of pixel values exist in pairs at both ends in the radial direction of the blood vessel on the image, the blood vessel region is detected by detecting these positive and negative gradients. Since extraction is performed, a more robust blood vessel extraction that is less affected by uneven sensitivity and poor contrast in the image can be performed.
以下、発明の実施形態について説明する。なお、これにより発明は限定されない。 Embodiments of the invention will be described below. The invention is not limited thereby.
図１に、本実施形態に係る画像処理装置１の構成を概略的に示す。同図に示すように、画像処理装置１は、画像入力受付部２、平滑化処理部３、偏微分処理部４、勾配ベクトル画像生成部５、勾配強度画像生成部６、ノイズ量推定処理部７、標準勾配場生成部８、正負勾配間領域抽出処理部９及び血管抽出画像出力部１０を有している。なお、画像処理装置１は、例えば、コンピュータに所定のプログラムを実行させることにより実現される。 FIG. 1 schematically shows a configuration of an image processing apparatus 1 according to the present embodiment. As shown in the figure, an image processing apparatus 1 includes an image input receiving unit 2, a smoothing processing unit 3, a partial differentiation processing unit 4, a gradient vector image generation unit 5, a gradient intensity image generation unit 6, and a noise amount estimation processing unit. 7, a standard gradient field generation unit 8, a positive / negative gradient region extraction processing unit 9, and a blood vessel extraction image output unit 10. The image processing apparatus 1 is realized by causing a computer to execute a predetermined program, for example.
以下、本実施形態に係る画像処理装置１による血管抽出処理の流れについて、例を用いて説明する。 Hereinafter, the flow of blood vessel extraction processing by the image processing apparatus 1 according to the present embodiment will be described using an example.
図２は、本実施形態に係る画像処理装置による血管抽出処理のフロー図である。また、図３は、血管抽出処理の過程で特定または生成される各画像を示す図である。なお、図３では、理解を容易にするために１スライス（slice）分の画像を表示しているが、実際には３Ｄ（３次元）のボリュームデータ（Volume data）であることが多い。 FIG. 2 is a flowchart of blood vessel extraction processing by the image processing apparatus according to the present embodiment. FIG. 3 is a diagram showing each image specified or generated in the blood vessel extraction process. In FIG. 3, an image for one slice is displayed for easy understanding, but in actuality, it is often 3D (three-dimensional) volume data.
ステップ（step）Ｓ０では、画像入力受付部２が、血管抽出の対象となる対象画像の入力を受け付ける。対象画像Ｉは、例えば、Ｘ線アンギオ画像、Ｘ線ＣＴアンギオ画像、ＭＲ画像などである。図３（ａ）に、本例における対象画像Ｉを示す。図３（ａ）の対象画像Ｉは、肝臓領域のＭＲ画像である。 In step S0, the image input receiving unit 2 receives an input of a target image that is a target for blood vessel extraction. The target image I is, for example, an X-ray angio image, an X-ray CT angio image, an MR image, or the like. FIG. 3A shows the target image I in this example. The target image I in FIG. 3A is an MR image of the liver region.
ステップＳ１では、平滑化処理部３が、対象画像Ｉに対して平滑化処理を行う。この時、血管などの構造物を強調するための構造物強調フィルタ処理や、ノイズを低減するためのノイズ低減フィルタ処理などを行うことが望ましい。構造物強調フィルタ処理としては、例えば、非等方拡散フィルタ処理（Anisotropic Diffusion Filter）などを考えることができる。また、ノイズ低減フィルタ処理としては、例えば、ガウシアンフィルタ処理(Gaussian Filter)などを考えることができる。 In step S1, the smoothing processing unit 3 performs a smoothing process on the target image I. At this time, it is desirable to perform structure enhancement filter processing for enhancing structures such as blood vessels, noise reduction filter processing for reducing noise, and the like. As the structure enhancement filter processing, for example, anisotropic diffusion filter processing (Anisotropic Diffusion Filter) can be considered. Further, as the noise reduction filter processing, for example, Gaussian filter processing (Gaussian Filter) can be considered.
ステップＳ２では、偏微分処理部４が、平滑化処理が行われた対象画像Ｉ′に対して、画素ごとに、各座標軸方向すなわちｘ，ｙ，ｚ方向について１次偏微分を行う。図３（ｂ）に、ステップＳ２にて得られる１次偏微分値の例として、ｘ方向の１次偏微分値を画素値としたｘ偏微分画像∇Ｉｘとｙ方向の１次偏微分値を画素値としたｙ偏微分画像∇Ｉｙとを示す。 In step S2, the partial differentiation processing unit 4 performs primary partial differentiation for each pixel axis direction, that is, in the x, y, and z directions, for each pixel, on the target image I ′ that has been subjected to the smoothing process. In FIG. 3B, as an example of the primary partial differential value obtained in step S2, an x partial differential image ∇Ix with the primary partial differential value in the x direction as the pixel value and the primary partial differential value in the y direction. The y partial differential image ∇Iy with the pixel value as.
ステップＳ３では、勾配ベクトル画像生成部５が、勾配ベクトル（Gradient Vector）画像∇Ｉを生成する。勾配ベクトルとは、画素値の空間的な変化である勾配をベクトルで表したものである。本例において、各画素ｐの勾配ベクトル∇Ｉ（ｐ）は、その成分を、ステップＳ２で得られたその画素におけるｘ，ｙ，ｚ方向の１次偏微分値とする。また、勾配ベクトル画像∇Ｉは、各画素ｐの勾配ベクトル∇Ｉ（ｐ）を例えば成分別に色分けするなどして画像化したものである。 In step S3, the gradient vector image generation unit 5 generates a gradient vector image ∇I. The gradient vector is a vector representing a gradient, which is a spatial change in pixel values. In this example, the gradient vector ∇I (p) of each pixel p has its component as the first partial differential value in the x, y, z direction at that pixel obtained in step S2. Further, the gradient vector image ∇I is an image obtained by color-grading the gradient vector ∇I (p) of each pixel p, for example, for each component.
図３（ｃ）に、本例においてステップＳ３で得られる勾配ベクトル画像∇Ｉを示す。図３（ｃ）において、ＲＧＢ成分はそれぞれｘ，ｙ，ｚの各方向の勾配ベクトルの成分に対応している。図３（ｃ）の勾配ベクトル画像∇Ｉでは、臓器輪郭の勾配ベクトルが目立ち、血管の輪郭上での勾配ベクトルは相対的に小さな値を持ち不明瞭である。 FIG. 3C shows a gradient vector image ∇I obtained in step S3 in this example. In FIG. 3C, RGB components correspond to gradient vector components in the x, y, and z directions, respectively. In the gradient vector image ∇I in FIG. 3C, the gradient vector of the organ outline is conspicuous, and the gradient vector on the outline of the blood vessel has a relatively small value and is unclear.
ステップＳ４では、勾配強度画像生成部６が、勾配強度（Gradient Magnitude）を表す勾配強度画像を生成する。勾配強度とは、各画素ｐにおける勾配ベクトル∇Ｉ（ｐ）の大きさ||∇Ｉ（ｐ）||を意味する。勾配強度画像とは、各画素ｐの勾配強度||∇Ｉ（ｐ）||をその画素ｐの画素値とした画像である。 In step S <b> 4, the gradient intensity image generation unit 6 generates a gradient intensity image representing the gradient intensity (Gradient Magnitude). The gradient strength means the magnitude || ∇I (p) || of the gradient vector ∇I (p) at each pixel p. The gradient intensity image is an image in which the gradient intensity || ∇I (p) || of each pixel p is the pixel value of the pixel p.
ステップＳ５では、ノイズ量推定処理部７が、勾配強度画像を基にノイズ量Nqtを推定する。ノイズ量推定の詳細は後述する。 In step S5, the noise amount estimation processing unit 7 estimates the noise amount Nqt based on the gradient intensity image. Details of the noise amount estimation will be described later.
ステップＳ６では、標準勾配場生成部８が、勾配ベクトル画像∇Ｉを次式にしたがって標準化し、標準勾配場(Normalized gradient field)ｎ（Ｉ，ｐ）を算出する。 In step S6, the standard gradient field generation unit 8 normalizes the gradient vector image ∇I according to the following expression, and calculates a standardized gradient field n (I, p).
すなわち、対象画像Ｉにおける画素ｐごとに、その画素ｐにおける画素値の勾配ベクトルの大きさ||∇Ｉ（ｐ）||がノイズ量Nqt（所定の閾値）以上であるときには、その勾配ベクトルは構造物に起因するものとみなし、勾配ベクトルをその勾配ベクトルの大きさで規格化したものをその座標における標準勾配場（特徴ベクトル）ｎ（Ｉ，ｐ）として決定する。一方、勾配ベクトルの大きさ||∇Ｉ（ｐ）||がノイズ量Nqt未満であるときには、その勾配ベクトルはノイズに起因するものとみなし、０（ゼロ）ベクトルをその座標における標準勾配場ｎ（Ｉ，ｐ）として決定する。これにより、標準勾配場には構造物に起因する勾配ベクトルのみが抽出される。 That is, for each pixel p in the target image I, when the magnitude of the gradient vector || ∇I (p) || is equal to or greater than the noise amount Nqt (predetermined threshold value), the gradient vector is A gradient vector normalized by the magnitude of the gradient vector is determined as a standard gradient field (feature vector) n (I, p) at that coordinate. On the other hand, when the magnitude of the gradient vector || ∇I (p) || is less than the noise amount Nqt, the gradient vector is considered to be caused by noise, and the 0 (zero) vector is a standard gradient field n at the coordinates. Determine as (I, p). Thereby, only the gradient vector resulting from the structure is extracted from the standard gradient field.
図３（ｄ）に、ステップＳ６で得られる標準勾配場を表す標準勾配場画像ｎ（Ｉ）を示す。図３（ｄ）において、ＲＧＢ成分はそれぞれｘ，ｙ，ｚの各方向の標準勾配場ｎ（Ｉ，ｐ）の成分に対応している。全ベクトルの長さが１に標準化されているため、部位によらず全ての輪郭が同等に視認される。また、画像処理の観点においても、勾配の強さとは無関係に各勾配を取り扱うことができる。 FIG. 3D shows a standard gradient field image n (I) representing the standard gradient field obtained in step S6. In FIG. 3D, the RGB components correspond to the components of the standard gradient field n (I, p) in the x, y, and z directions, respectively. Since all vector lengths are standardized to 1, all contours are visually recognized regardless of the part. From the viewpoint of image processing, each gradient can be handled regardless of the strength of the gradient.
ステップＳ７では、正負勾配間領域抽出処理部９が、前述の標準勾配場画像において、ｘ，ｙ，ｚ各方向の各画素列について、画素値が上昇する正の勾配になってから画素値が下降する負の勾配になるまでの領域を血管領域として抽出する。このとき、血管の輪郭は、正の勾配と負の勾配との組合せとして検出される。血管の内腔は、正の勾配になった直後から負の勾配になる直前までの間の領域として検出される。正負勾配間領域抽出処理の詳細は後述する。 In step S7, the positive / negative gradient region extraction processing unit 9 sets the pixel value after the pixel value in the x, y, and z directions in each of the pixel columns in the x, y, and z directions becomes a positive gradient. A region until a negative gradient that descends is extracted as a blood vessel region. At this time, the contour of the blood vessel is detected as a combination of a positive gradient and a negative gradient. The lumen of the blood vessel is detected as a region from immediately after the positive gradient to immediately before the negative gradient. Details of the positive / negative gradient region extraction processing will be described later.
ステップＳ８では、血管抽出画像出力部１０が、ステップＳ７で得られた血管抽出画像Ｖを出力する。図３（ｅ）に、本例にてステップＳ７で得られる血管抽出画像Ｖを示す。図３（ｅ）では、血管抽出画像Ｖが対象画像Ｉ上に重ね合わせて表示されている。 In step S8, the blood vessel extraction image output unit 10 outputs the blood vessel extraction image V obtained in step S7. FIG. 3E shows the blood vessel extraction image V obtained in step S7 in this example. In FIG. 3E, the blood vessel extraction image V is displayed superimposed on the target image I.
（ノイズ量推定処理）
ここで、ステップＳ５におけるノイズ量推定処理について説明する。
(Noise amount estimation processing)
Here, the noise amount estimation processing in step S5 will be described.
図４は、ノイズ量推定処理の流れを示すフロー図である。 FIG. 4 is a flowchart showing the flow of noise amount estimation processing.
ステップＳ５１では、勾配強度画像を取得する。 In step S51, a gradient intensity image is acquired.
ステップＳ５２では、ステップＳ５１で取得した勾配強度画像の全部または一部の領域について勾配強度のヒストグラムを算出し、ヒストグラムの特徴量を解析する。図５に、勾配強度のヒストグラムを示す。これらのヒストグラムでは、横軸は勾配強度を、縦軸は相対度数をそれぞれ表す。ノイズに起因する勾配の場合、その勾配強度は相対的に低値であり、その度数はヒストグラム上で低値に集中する。一方、構造物に起因する勾配の場合、その勾配強度は相対的に中値/高値をとり、その度数は広範囲に分布する。よって、このヒストグラムにおいて勾配強度が低い領域に現れる山は、ノイズに起因する勾配に対応していると考えることができる。 In step S52, a gradient intensity histogram is calculated for all or a part of the gradient intensity image acquired in step S51, and the feature amount of the histogram is analyzed. FIG. 5 shows a histogram of gradient strength. In these histograms, the horizontal axis represents the gradient intensity, and the vertical axis represents the relative frequency. In the case of a gradient due to noise, the gradient strength is relatively low, and the frequency is concentrated on the histogram on a low value. On the other hand, in the case of a gradient caused by a structure, the gradient strength has a relatively medium / high value, and the frequency is distributed over a wide range. Therefore, it can be considered that a mountain appearing in a region having a low gradient intensity in this histogram corresponds to a gradient caused by noise.
ここで解析する特徴量は、以下の通りである。
１．ヒストグラム分布上に現れるいくつかのピークのうち、もっとも勾配強度が低いピークにおいて最頻値を与える勾配強度（図５（ａ）のMfmax）
２．Mfmaxからみて低値側の半値半幅（図５（ａ）のHWHML）
３．Mfmaxからみて高値側の半値半幅（図５（ａ）のHWHMR）
４．勾配強度が0からHWHMRの範囲における重心の勾配方向成分（図５（ｂ）のHWHMmom1）
５．勾配強度がHWHMLからHWHMRの範囲における重心の勾配方向成分（図５（ｂ）のHWHMmom2）
The feature quantities analyzed here are as follows.
1. Of several peaks appearing on the histogram distribution, the gradient intensity giving the mode value at the peak having the lowest gradient intensity (M fmax in FIG. 5A)
2. Half width at half maximum on the low side as seen from M fmax (HWHM L in Fig. 5 (a))
3. Half-width at half-value on the high side as seen from M fmax (HWHM R in Fig. 5 (a))
4). Gradient direction component of the center of gravity in the range of gradient strength from 0 to HWHM R (HWHM mom1 in Fig. 5 (b))
5. The gradient direction component of the center of gravity in the range of gradient strength from HWHM L to HWHM R (HWHM mom2 in Fig. 5 (b))
ステップＳ５３では、ノイズ量を算出する。ノイズ量Nqtは、以下の式のいずれか一つ、または、複数の組み合わせの平均値から算出される。ここで、σは任意の定数であり、２．０〜３．０程度の値が望ましい。 In step S53, the amount of noise is calculated. The noise amount Nqt is calculated from the average value of any one of the following formulas or a plurality of combinations. Here, σ is an arbitrary constant, and a value of about 2.0 to 3.0 is desirable.
Nqt = Mfmax + σ×HWHML (3-a)
Nqt = Mfmax + σ×HWHMR (3-b)
Nqt = Mfmax + σ×(HWHML+ HWHMR)/2 (3-c)
Nqt = σ×Mfmax (3-d)
Nqt = σ×Mmom1 (3-e)
Nqt = σ×Mmom2 (3-f)
Nqt = M fmax + σ × HWHM L (3-a)
Nqt = M fmax + σ × HWHM R (3-b)
Nqt = M fmax + σ × (HWHM L + HWHM R ) / 2 (3-c)
Nqt = σ × M fmax (3-d)
Nqt = σ × M mom1 (3-e)
Nqt = σ × M mom2 (3-f)
（正負勾配間領域抽出処理）
ここで、ステップＳ９における正負勾配間領域抽出処理について説明する。
(Extraction process between positive and negative gradients)
Here, the region extraction process between positive and negative gradients in step S9 will be described.
図６に正負勾配間領域抽出処理の流れを示す。また、図７に正負勾配間領域抽出処理の過程にて得られる各画像を示す。ここでは、本処理の理解を容易にするため、血管抽出の対象画像を図７に示すような簡素な構造を持つ２Ｄ（２次元）のモデル（model）対象画像ＭＩとした場合を例に説明する。図７のモデル対象画像ＭＩでは、画素値は輝度値を表す。また、モデル対象画像ＭＩでは、血管が組織に対して相対的に低輝度で示される。 FIG. 6 shows the flow of the region extraction process between positive and negative gradients. FIG. 7 shows images obtained in the process of extracting the area between positive and negative gradients. Here, in order to facilitate understanding of this processing, a case where the target image of blood vessel extraction is a 2D (two-dimensional) model target image MI having a simple structure as shown in FIG. 7 will be described as an example. To do. In the model target image MI of FIG. 7, the pixel value represents a luminance value. Further, in the model target image MI, the blood vessel is shown with a relatively low luminance with respect to the tissue.
ステップＳ９１では、対象画像の標準勾配場画像を取得する。対象画像が３Ｄ画像の場合、標準勾配場の＋ｘ方向の成分を表す標準勾配場ｘ成分画像、標準勾配場の＋ｙ方向の成分を表す標準勾配場ｙ成分画像、標準勾配場の＋ｚ方向の成分を表す標準勾配場ｚ成分画像とが取得される。本例では、モデル対象画像ＭＩがｘｙ平面の２Ｄ画像であるから、標準勾配場ｘ成分画像ｎ（ＭＩ）ｘと標準勾配場ｙ成分画像ｎ（ＭＩ）ｙとが得られることになる。 In step S91, a standard gradient field image of the target image is acquired. When the target image is a 3D image, a standard gradient field x component image representing the + x direction component of the standard gradient field, a standard gradient field y component image representing the + y direction component of the standard gradient field, and a + z direction component of the standard gradient field And a standard gradient field z component image representing. In this example, since the model target image MI is a 2D image on the xy plane, a standard gradient field x component image n (MI) x and a standard gradient field y component image n (MI) y are obtained.
本例の場合、モデル対象画像ＭＩでは血管が組織に対して相対的に低輝度である。そのため、標準勾配場ｘ成分画像ｎ（ＭＩ）ｘにおいて、＋ｘ方向すなわち本例では左から右への方向に対して血管輪郭の左側に負の勾配が存在し、血管輪郭の右側に正の勾配が存在する。同様に、標準勾配場ｙ成分画像ｎ（ＭＩ）ｙにおいて、＋ｙ方向すなわち本例では上から下への方向に対して血管輪郭の上側に負の勾配が、血管輪郭の下側に正の勾配が存在する。 In the case of this example, in the model target image MI, the blood vessel has a relatively low luminance with respect to the tissue. Therefore, in the standard gradient field x component image n (MI) x, there is a negative gradient on the left side of the blood vessel contour in the + x direction, that is, in this example from left to right, and the positive gradient is on the right side of the blood vessel contour. Exists. Similarly, in the standard gradient field y component image n (MI) y, a negative gradient is present above the blood vessel contour in the + y direction, that is, a top-to-bottom direction in this example, and a positive gradient is present below the blood vessel contour. Exists.
ステップＳ９２では、ｘ方向に血管輪郭の検出及び血管内腔の穴埋め処理を行う。具体的には、まず、処理対象として、標準勾配場ｘ成分画像におけるｘ方向の画素列を選択する（S921）。次に選択されたｘ方向の画素列において、＋ｘ方向（本例では左から右への方向）に、負の勾配を持つ画素(以下、ＧＮと記述する)を探索する（S922）。ここで画素ＧＮは血管の左端に対応する（本例では、図７の画像ｎ（ＭＩ）ｘの画素ＧＮ）。次に、負の勾配を持つ画素ＧＮから＋ｘ方向に、正の勾配を持つ画素(以下、ＧＰと記述する)を探索する（S923）。正の勾配を持つ画素が複数見つかった場合は、その最近接の画素をＧＰに選択する。ここで画素ＧＰは血管の右端に対応する（本例では、図７の画像ｎ（ＭＩ）ｘの画素ＧＰ）。次いで、画素ＧＮから画素ＧＰまでの画素群を血管内腔とみなし、その画素群に特定の値Ｎを画素値として割り当てる（S924）(本例では、図７の画像ｎ（ＭＩ）ｘの領域Ｒｘ)。次に、新たに選択すべきｘ方向の画素列があるか否かを判定する（S925）。選択すべき画素列があれば、ステップS921に戻って新たな画素列を処理対象として選択し処理を続ける。選択すべき画素列がなければ、ｘ方向の血管輪郭の検出及び血管内腔の穴埋め処理を終了する。なお、ｘ方向の血管輪郭の検出及び血管内腔の穴埋め処理は、＋ｘ方向への探索に加え、−ｘ方向への探索をさらに行うようにしてもよい。この場合、血管内腔での画素値の変動による影響を受けにくくなり、よりロバスト性の高い血管領域の抽出が可能になる。 In step S92, blood vessel contour detection and vessel lumen filling processing are performed in the x direction. Specifically, first, a pixel row in the x direction in the standard gradient field x component image is selected as a processing target (S921). Next, in the selected pixel row in the x direction, a pixel having a negative gradient (hereinafter referred to as GN) is searched in the + x direction (in this example, the direction from left to right) (S922). Here, the pixel GN corresponds to the left end of the blood vessel (in this example, the pixel GN of the image n (MI) x in FIG. 7). Next, a pixel having a positive gradient (hereinafter referred to as GP) is searched in the + x direction from the pixel GN having a negative gradient (S923). When a plurality of pixels having a positive gradient are found, the closest pixel is selected as the GP. Here, the pixel GP corresponds to the right end of the blood vessel (in this example, the pixel GP of the image n (MI) x in FIG. 7). Next, the pixel group from the pixel GN to the pixel GP is regarded as a blood vessel lumen, and a specific value N is assigned to the pixel group as a pixel value (S924) (in this example, the region of the image n (MI) x in FIG. 7) Rx). Next, it is determined whether there is a pixel column in the x direction to be newly selected (S925). If there is a pixel column to be selected, the process returns to step S921 to select a new pixel column as a processing target and continue the processing. If there is no pixel column to be selected, the detection of the blood vessel contour in the x direction and the process of filling the blood vessel lumen are terminated. In addition, in addition to the search in the + x direction, the detection of the blood vessel contour in the x direction and the filling process of the blood vessel lumen may be further performed in the −x direction. In this case, it becomes difficult to be influenced by the fluctuation of the pixel value in the blood vessel lumen, and the blood vessel region having higher robustness can be extracted.
ステップＳ９３では、同様に、ｙ方向に血管輪郭の検出及び血管内腔の穴埋め処理を行う。すなわち、標準勾配場ｙ成分画像における各ｙ方向の画素列について、負の勾配を持つ画素ＧＮと正の勾配を持つ画素ＧＰとを探索し（本例では、図７の画像ｎ（ＭＩ）ｙの画素ＧＮ，ＧＰ）、これら２画素間の領域に値Ｎを画素値として割り当てる（本例では、図７の画像ｎ（ＭＩ）ｙの領域Ｒｙ）。 In step S93, similarly, blood vessel contour detection and vessel lumen filling processing are performed in the y direction. That is, for each pixel column in the y direction in the standard gradient field y component image, a pixel GN having a negative gradient and a pixel GP having a positive gradient are searched (in this example, the image n (MI) y in FIG. 7). Pixels GN, GP), and a value N is assigned as a pixel value to the area between these two pixels (in this example, the area Ry of the image n (MI) y in FIG. 7).
ステップＳ９４では、同様に、ｚ方向に血管輪郭の検出及び血管内腔の穴埋め処理を行う。すなわち、標準勾配場ｚ成分画像における各ｚ方向の画素列について、負の勾配を持つ画素ＧＮと正の勾配を持つ画素ＧＰとを探索し、これら２画素間に値Ｎを画素値として割り当てる。ただし、ここでは、血管抽出の対象画像として２Ｄ画像を想定しているので、本ステップは省かれる。 In step S94, similarly, blood vessel contour detection and vessel lumen filling processing are performed in the z direction. That is, for each pixel column in the z direction in the standard gradient field z component image, a pixel GN having a negative gradient and a pixel GP having a positive gradient are searched, and a value N is assigned as a pixel value between these two pixels. However, here, since a 2D image is assumed as a blood vessel extraction target image, this step is omitted.
ステップＳ９５では、ステップＳ９２〜Ｓ９４の各処理を実行して得られた各画像を統合する。具体的には、標準勾配場ｘ成分画像、標準勾配場ｙ成分画像及び標準勾配場ｚ成分画像において、ペアとして検出された正の勾配も持つ画素と負の勾配も持つ画素および上述の値Ｎが割り当てられた画素を１に、その他の画素を０にそれぞれ割り当てる。そして、得られた画像の論理和（ＯＲ）を取ることにより、血管領域を表す血管抽出画像を得る（本例では、図７の画像ＭＶ）。 In step S95, the images obtained by executing the processes in steps S92 to S94 are integrated. Specifically, in the standard gradient field x component image, the standard gradient field y component image, and the standard gradient field z component image, a pixel having a positive gradient and a negative gradient detected as a pair, and the above-described value N Is assigned to 1 and the other pixels are assigned to 0. Then, a blood vessel extraction image representing a blood vessel region is obtained by taking a logical sum (OR) of the obtained images (in this example, an image MV in FIG. 7).
なお、本例では血管が組織に対して相対的に低輝度である場合を示したが、血管が組織に対して相対的に高輝度である場合は正負が逆転するだけで同様に処理が可能である。 In this example, the blood vessel has a relatively low brightness with respect to the tissue. However, when the blood vessel has a relatively high brightness with respect to the tissue, the same processing can be performed only by reversing the sign. It is.
図８に、血管内腔の穴埋め処理を行った画像(図８（ａ）)と、血管内腔の穴埋め処理を行わずに、血管輪郭のみが検出されたの画像を直接２値化した画像(図８（ｂ）)を示す。一般に、穴埋め処理では、膨張処理などのモルフォロジー（morphology）処理を適用することが多いが、モルフォロジー処理を用いた場合には、血管内腔だけで外側方向にも抽出領域が広がってしまう。しかし、本手法では、図８に示すように、血管の内側方向のみが抽出されており、抽出領域の無用な膨張が抑制されている。 FIG. 8 is an image obtained by directly binarizing an image (FIG. 8A) obtained by performing the filling process of the blood vessel lumen and an image in which only the blood vessel contour is detected without performing the filling process of the blood vessel lumen. (FIG. 8B) is shown. In general, in the hole filling process, a morphological process such as an expansion process is often applied. However, when the morphological process is used, the extraction region expands outward only by the blood vessel lumen. However, in this method, as shown in FIG. 8, only the inner side direction of the blood vessel is extracted, and useless expansion of the extraction region is suppressed.
図９に、ヘシアン行列を用いた従来法による血管抽出画像(図９（ａ）)と、本提案法による血管抽出画像（図９（ｂ））の例を示す。図中の赤線は、従来法と本提案法との比較で本提案法による血管抽出の精度向上が顕著に視認できる箇所を示している。本提案法では従来法で観察されるような非血管領域の誤検出が抑制されているのが分かる。 FIG. 9 shows an example of a blood vessel extraction image (FIG. 9A) according to the conventional method using a Hessian matrix and a blood vessel extraction image according to the proposed method (FIG. 9B). The red line in the figure indicates a portion where the improvement in blood vessel extraction accuracy according to the proposed method can be remarkably recognized in comparison with the conventional method and the proposed method. It can be seen that the proposed method suppresses false detection of a non-vascular region as observed in the conventional method.
以上、本実施形態によれば、画像上の血管の径方向の両端において画素値の正の勾配と負の勾配とがペアで存在する点に着目し、これら正負の勾配の検出により血管領域を抽出するので、対象画像における感度むらやコントラスト不良による影響を受けにくい、よりロバストな血管抽出が可能になる。 As described above, according to the present embodiment, focusing on the point that the positive gradient and the negative gradient of the pixel value exist in pairs at both ends in the radial direction of the blood vessel on the image, the blood vessel region is detected by detecting these positive and negative gradients. Since extraction is performed, more robust blood vessel extraction that is less affected by uneven sensitivity and poor contrast in the target image becomes possible.
また、本実施形態では、血管抽出の対象画像において、画素値の勾配ベクトルの大きさが対象画像のノイズ量に基づく所定の閾値以上のときには、勾配ベクトルをその大きさで規格化（標準化）したものをその画素の標準勾配場とし、勾配ベクトルの大きさが当該閾値未満のときは、その画素の標準勾配場を０ベクトルとする。そして、画素列ごとに各画素の標準勾配場に基づいて画素値の正の勾配と負の勾配との組合せを検出することにより、血管輪郭を検出する。標準勾配場は、上述の定義により、ノイズによる成分が排除され、主要な構造物による成分のみで構成される。そのため、本実施形態によれば、血管抽出において、画素値の勾配の大小やノイズによる影響を受けにくい。したがって、特に、血管領域の画素値の変動が比較的小さい微小血管を含む画像や非血管領域と血管領域とのコントラスト比が低い画像、例えば肝臓を表す画像などに対して、検出精度の向上が期待できる。 In the present embodiment, when the size of the gradient vector of the pixel value is equal to or larger than a predetermined threshold based on the noise amount of the target image in the target image for blood vessel extraction, the gradient vector is normalized (standardized) by the size. If the magnitude of the gradient vector is less than the threshold value, the standard gradient field of the pixel is set as the zero vector. Then, a blood vessel contour is detected by detecting a combination of a positive gradient and a negative gradient of pixel values based on the standard gradient field of each pixel for each pixel column. According to the above definition, the standard gradient field is composed only of components due to the main structure, excluding components due to noise. Therefore, according to this embodiment, the blood vessel extraction is not easily affected by the magnitude of the pixel value gradient or noise. Therefore, the detection accuracy is improved particularly for an image including a microvessel with a relatively small change in the pixel value of the vascular region or an image with a low contrast ratio between the non-vascular region and the vascular region, such as an image representing the liver. I can expect.
なお、発明は本実施形態に限定されず、発明の趣旨を逸脱しない範囲において、種々の実施形態が考えられる。 The invention is not limited to the present embodiment, and various embodiments are conceivable without departing from the spirit of the invention.
例えば、本実施形態では、血管抽出の対象画像において、画素値は輝度値を表し、血管が組織に対して相対的に低輝度で示されるので、画素値の勾配が負の勾配から正の勾配になるまでの領域を血管領域として抽出している。しかし、対象画像において、画素値が濃度を表す場合や、血管が組織に対して相対的に高輝度で示される場合には、画素値の勾配が正の勾配から負の勾配になるまでの領域を血管領域として抽出するようにする。 For example, in the present embodiment, in the blood vessel extraction target image, the pixel value represents a luminance value, and the blood vessel is shown with a relatively low luminance relative to the tissue. Therefore, the pixel value gradient changes from a negative gradient to a positive gradient. The region up to is extracted as a blood vessel region. However, in the target image, when the pixel value represents density, or when the blood vessel is shown with a relatively high luminance relative to the tissue, the region from the positive gradient to the negative gradient Is extracted as a blood vessel region.
また例えば、本実施形態では、対象画像の例としてＭＲ画像を用いたが、Ｘ線アンギオ画像やＸ線ＣＴアンギオ画像など他の撮影モダリティによる画像を用いることもできる。 Further, for example, in the present embodiment, an MR image is used as an example of the target image, but an image based on another imaging modality such as an X-ray angio image or an X-ray CT angio image can also be used.
また例えば、本実施形態では、対象画像の例として２Ｄ画像を用いたが、画素値の勾配の探索方向を３次元に拡張することで３Ｄ画像に対応することもできる。 Further, for example, in this embodiment, a 2D image is used as an example of the target image. However, the search direction of the gradient of the pixel value can be extended to three dimensions to support a 3D image.
また例えば、本実施形態は、画像処理装置であるが、コンピュータをこのような画像処理装置として機能させるためのプログラムもまた発明の一実施形態である。 Further, for example, the present embodiment is an image processing apparatus, but a program for causing a computer to function as such an image processing apparatus is also an embodiment of the invention.
１ 画像処理装置
２ 画像入力受付部
３ 平滑化処理部
４ 偏微分処理部
５ 勾配ベクトル画像生成部
６ 勾配強度画像生成部
７ ノイズ量推定処理部
８ 標準勾配場生成部
９ 正負勾配間領域抽出部
１０ 血管抽出画像出力部
DESCRIPTION OF SYMBOLS 1 Image processing apparatus 2 Image input reception part 3 Smoothing process part 4 Partial differentiation process part 5 Gradient vector image generation part 6 Gradient intensity image generation part 7 Noise amount estimation process part 8 Standard gradient field generation part 9 Positive / negative gradient area extraction part 10 Blood vessel extraction image output unit
Claims (8)
前記画像を構成する複数の画素列の各々について、該画素列に沿った方向における画素値の正の勾配と負の勾配との組合せを検出することにより、血管領域を抽出する抽出手段と、を備え、
前記抽出手段は、
前記画像における座標ごとに、該座標における画素値の勾配ベクトルの大きさが所定の閾値以上であるときには、前記勾配ベクトルを該勾配ベクトルの大きさで規格化したものを該座標における特徴ベクトルとして決定し、前記勾配ベクトルの大きさが前記所定の閾値未満であるときには、０（ゼロ）ベクトルを該座標における特徴ベクトルとして決定する決定手段と、
前記画素列上の各座標における前記特徴ベクトルの該画素列に沿った方向の成分を該方向に沿って見たときに、該成分が正になってから負になるまでの間の領域または該成分が負になってから正になるまでの間の領域を、前記血管領域として検出する検出手段とを含む、画像処理装置。 A specifying means for specifying an image including blood vessels;
Extracting means for extracting a blood vessel region by detecting a combination of a positive gradient and a negative gradient of pixel values in a direction along the pixel column for each of a plurality of pixel columns constituting the image; Prepared,
The extraction means includes
For each coordinate in the image, when the magnitude of the gradient vector of the pixel value at the coordinate is equal to or greater than a predetermined threshold, the gradient vector normalized by the magnitude of the gradient vector is determined as the feature vector at the coordinate Determining means for determining a zero vector as a feature vector at the coordinates when the magnitude of the gradient vector is less than the predetermined threshold;
When the component in the direction along the pixel column of the feature vector at each coordinate on the pixel column is viewed along the direction, the region from when the component becomes positive until it becomes negative or the region An image processing apparatus comprising: a detecting unit that detects a region between a component becoming negative and a positive component as the blood vessel region .
前記勾配ベクトルは、前記画像における各座標軸方向の１次偏微分である、請求項１または請求項２に記載の画像処理装置。 The pixel column is a plurality of pixels arranged in a coordinate axis direction in the image,
The gradient vector is 1 Tsugihen derivative in the directions of the axes of the said image, the image processing apparatus according to claim 1 or claim 2.
Nqt = Mfmax+ σ×HWHML （ａ）
Nqt = Mfmax+ σ×HWHMR （ｂ）
Nqt = Mfmax+ σ×(HWHML+ HWHMR)/2 （ｃ）
Nqt = σ×Mfmax （ｄ）
Nqt = σ×Mmom1 （ｅ）
Nqt = σ×Mmom2 （ｆ）
ただし、
Mfmaxは、前記ヒストグラム分布上に現れるピークのうち、最も勾配強度が低いピークにおいて最頻値を与える勾配強度であり、
HWHMLは、前記ヒストグラム分布上におけるMfmaxから見て低値側の半値半幅であり、
HWHMRは、前記ヒストグラム分布上におけるMfmaxから見て高値側の半値半幅であり、
HWHMmom1は、前記ヒストグラム分布上における勾配強度が0からHWHMRまでの範囲の重心に相当する勾配強度であり、
HWHMmom2は、前記ヒストグラム分布上における勾配強度がHWHMLからHWHMRまでの範囲の重心に相当する勾配強度である。 The image processing apparatus according to claim 5 , wherein the means for determining the threshold value calculates a noise amount Nqt from any one of the following formulas (a) to (f) or an average value of a plurality of combinations. .
Nqt = M fmax + σ x HWHM L (a)
Nqt = M fmax + σ x HWHM R (b)
Nqt = M fmax + σ x (HWHM L + HWHM R ) / 2 (c)
Nqt = σ x M fmax (d)
Nqt = σ x M mom1 (e)
Nqt = σ x M mom2 (f)
However,
M fmax is the gradient intensity that gives the mode value at the peak with the lowest gradient intensity among the peaks that appear on the histogram distribution,
HWHM L is the half value half width on the low value side when viewed from M fmax on the histogram distribution,
HWHM R is the half value half width on the high value side when viewed from M fmax on the histogram distribution,
HWHM mom1 is the gradient intensity corresponding to the center of gravity in the range from 0 to HWHM R, the gradient intensity on the histogram distribution,
HWHM mom2 is the gradient strength corresponding to the center of gravity in the range from HWHM L to HWHM R on the histogram distribution.
Program for causing a computer to function as the image processing apparatus according to any one of claims 1 to 7.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014070725A JP6466076B2 (en) | 2014-03-31 | 2014-03-31 | Image processing apparatus and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2014070725A JP6466076B2 (en) | 2014-03-31 | 2014-03-31 | Image processing apparatus and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2015191642A JP2015191642A (en) | 2015-11-02 |
| JP6466076B2 true JP6466076B2 (en) | 2019-02-06 |
Family
ID=54426031
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014070725A Active JP6466076B2 (en) | 2014-03-31 | 2014-03-31 | Image processing apparatus and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6466076B2 (en) |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH03102477A (en) * | 1989-06-26 | 1991-04-26 | Fuji Photo Film Co Ltd | Radial image processing device |
| JPH05167927A (en) * | 1991-12-12 | 1993-07-02 | Toshiba Corp | Image processor |
| JPH0779955A (en) * | 1993-09-14 | 1995-03-28 | Toshiba Corp | Radiographic apparatus |
| US6173083B1 (en) * | 1998-04-14 | 2001-01-09 | General Electric Company | Method and apparatus for analyzing image structures |
| US6611627B1 (en) * | 2000-04-24 | 2003-08-26 | Eastman Kodak Company | Digital image processing method for edge shaping |
| JP4393016B2 (en) * | 2000-06-30 | 2010-01-06 | 株式会社日立メディコ | Diagnostic imaging support device |
| SG178898A1 (en) * | 2009-08-28 | 2012-04-27 | Ct For Eye Res Australia | Feature detection and measurement in retinal images |
-
2014
- 2014-03-31 JP JP2014070725A patent/JP6466076B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2015191642A (en) | 2015-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110036408B (en) | Automatic ct detection and visualization of active bleeding and blood extravasation | |
| Zheng et al. | Machine learning based vesselness measurement for coronary artery segmentation in cardiac CT volumes | |
| CA2827742C (en) | Method and apparatus for isolating a potential anomaly in imaging data and its application to medical imagery | |
| US7711167B2 (en) | Fissure detection methods for lung lobe segmentation | |
| US8068655B2 (en) | Method and system for vessel enhancement and artifact reduction in TOF MR angiography of brain | |
| US20160117797A1 (en) | Image Processing Apparatus and Image Processing Method | |
| JP5977214B2 (en) | Image processing method, apparatus, and program | |
| WO2005057498A1 (en) | Method and apparatus for identifying pathology in brain images | |
| KR101482247B1 (en) | Airway segmentation method and apparatus | |
| US10521906B2 (en) | Method and image processor for evaluating a contrast agent-enhanced magnetic resonance slice image of a heart | |
| US10405811B2 (en) | Image processing method and apparatus, and program | |
| US8306354B2 (en) | Image processing apparatus, method, and program | |
| Phellan et al. | Automatic temporal segmentation of vessels of the brain using 4D ASL MRA images | |
| EP3472805B1 (en) | A method and apparatus for mapping at least part of a structure in an image of at least part of a body of a subject | |
| JP2018077667A (en) | Image processing apparatus, image processing method, image processing system and program | |
| JPWO2017086433A1 (en) | MEDICAL IMAGE PROCESSING METHOD, DEVICE, SYSTEM, AND PROGRAM | |
| WO2018068195A1 (en) | Method and device for extracting vessel ridge point on basis of image gradient vector flow field | |
| WO2015150320A1 (en) | Segmentation of tubular organ structures | |
| Bauer et al. | Extracting curve skeletons from gray value images for virtual endoscopy | |
| Pelapur et al. | Multi-focus image fusion using epifluorescence microscopy for robust vascular segmentation | |
| Dvorak et al. | Automated segmentation of brain tumour edema in flair mri using symmetry and thresholding | |
| JP6466076B2 (en) | Image processing apparatus and program | |
| KR101494975B1 (en) | Nipple automatic detection system and the method in 3D automated breast ultrasound images | |
| Xiao et al. | Ridge-based automatic vascular centerline tracking in x-ray angiographic images | |
| Elnakib et al. | A new framework for automated segmentation of left ventricle wall from contrast enhanced cardiac magnetic resonance images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20170301 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20180323 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20180508 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180801 |
|
| 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: 20181211 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190109 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6466076 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 |