JP6571687B2 - 画像処理装置及び画像処理方法 - Google Patents

画像処理装置及び画像処理方法 Download PDF

Info

Publication number
JP6571687B2
JP6571687B2 JP2016566073A JP2016566073A JP6571687B2 JP 6571687 B2 JP6571687 B2 JP 6571687B2 JP 2016566073 A JP2016566073 A JP 2016566073A JP 2016566073 A JP2016566073 A JP 2016566073A JP 6571687 B2 JP6571687 B2 JP 6571687B2
Authority
JP
Japan
Prior art keywords
region
area
image
expansion
image processing
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
JP2016566073A
Other languages
English (en)
Other versions
JPWO2016104082A1 (ja
Inventor
詩乃 田中
詩乃 田中
白旗　崇
崇 白旗
拡樹 谷口
拡樹 谷口
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.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
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 Hitachi Ltd filed Critical Hitachi Ltd
Publication of JPWO2016104082A1 publication Critical patent/JPWO2016104082A1/ja
Application granted granted Critical
Publication of JP6571687B2 publication Critical patent/JP6571687B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A61B5/489—Blood vessels
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/481—Diagnostic techniques involving the use of contrast agents
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
    • 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
    • G06T7/12—Edge-based segmentation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or 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
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30028—Colon; Small intestine
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Optics & Photonics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Vascular Medicine (AREA)
  • Pulmonology (AREA)
  • Dentistry (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)

Description

本発明は、画像処理装置及び画像処理方法に係り、詳細には、CT画像やMR画像から所定の領域を抽出する際に用いる領域拡張処理に関する。
X線CT(Computed Tomography)装置やMRI(Magnetic Resonance Imaging)装置等によって撮影される断層像群から3次元原画像(3次元ボリュームデータ)を生成し、診断に適した画像(以下、解析画像という)を生成して表示する手法が知られている。解析画像としては、例えば3次元ボリュームレンダリング画像やMIP(Maximum Intensity Projection)画像等が作成される。
ところで、大腸等の管腔臓器を炭酸ガスや空気で拡張させた腹部領域をX線CT装置やMRI装置を用いて撮影する場合には、一般に管腔臓器内の洗浄が必要とされる。しかし完全に洗浄することができず残渣が臓器内に残ることがしばしばある。このような場合、残渣と病変の判別は困難であり、画像診断に不都合である。そこで、経口造影剤を用いて残渣を造影し、画像上の残渣の画素値を病変のCT値よりも高くすることで、残渣と病変を判別する「Fecal Tagging」と呼ばれる方法が用いられている。更に近年では、造影した残渣を画像処理によって解析画像から除去する技術(残渣除去、またはElectronic Cleansingという)が用いられている。
簡単な残渣除去では、画素値の閾値処理等によって識別した造影残渣領域について、画素値を空気相当の画素値に変換した上で解析画像を作成する。しかし、空気と造影残渣との境界のように複数の物質の境界部では、パーシャルボリューム効果によって画素値が連続的に変化する。そのため、単純な閾値処理では2つの領域(2層体領域)の境界領域を識別して除去することが困難であり、境界領域が解析画像に描画されてしまう。パーシャルボリューム効果とは、CT画像において画素値が異なる2つの領域が接する場合、その境界領域の画素値が各領域の画素値をつなぐように連続的に変化する現象である。
そこで、特許文献1では、造影残渣が大腸内の空気領域と接することを利用して、2層体領域において2つの層とその境界全体を抽出する方法を提案している。
特許第4146438号公報
しかしながら、特許文献1の残渣除去方法では、二層体の境界面の候補のうち、向きが水平である部分を境界面部分として選択するものであるため、液状の造影残渣にしか適用できず、固形の造影残渣と空気との境界領域への適用は難しいものであった。また、大腸内の残渣と空気の境界領域を抽出する処理において、その境界線の端部(管腔壁の周囲の軟部組織に近接する画素等)と中央部とで同じ条件で抽出処理を行うと、端部では残渣の画素と周囲(軟部組織)の画素の画素値との差が小さい部分があるため、抽出の漏れ出しや抽出過多が起きる可能性がある。
このような場合、これらの画像を基に作成された解析画像は、周囲の軟部組織が正確に描出されない画像になることがある。また、2層体全体を抽出したとき、その後生成する3次元画像等の解析画像では、管腔臓器の壁面が不連続に描画され、表面が粗く描画される虞がある。
また、血管等の管腔臓器をX線CT装置やMRI装置等で撮影するときは、造影剤を用いて血管を造影する。造影剤により画素値が高くなった血管領域をボリュームレンダリング画像やカーブドMPR(Multi-Planar Reconstruction)画像等の3次元の解析画像で描画し、診断や手術シミュレーションに利用する。
これらの解析画像を作成する場合は、画像処理装置は血管領域を他の領域と識別する必要があるが、血管の末端部分では大動脈の中心部の太い血管に比べ、造影剤が十分に行き渡らず、造影が不十分となることがある。この場合、血管の太い部分から末端部に進むにつれて徐々に画素値が下がっていくため、血管として認識されないことがある。
本発明は、以上の問題点に鑑みてなされたものであり、異なる物質の境界にあり画素値が不均一かつ連続的に変化する領域を、ボリュームデータから精度よく抽出するための領域拡張処理を行い、拡張した領域の情報を用いてより正確な解析画像を作成することが可能な画像処理装置及び画像処理方法を提供することを目的とする。
前述した目的を達成するために、本発明は、異なる物質の境界にあり画素値が不均一かつ連続的に変化する領域を含む画像のボリュームデータを取得するボリュームデータ取得部と、前記領域内に領域拡張の始点を複数設定するとともに、前記始点毎に画素値勾配に関する条件を領域拡張の条件として設定する設定部と、前記条件に従って前記始点から領域拡張処理を行う領域拡張処理部と、前記領域拡張処理により拡張された領域である拡張領域の情報に基づいて前記ボリュームデータから解析画像を生成する画像生成部と、を備えることを特徴とする画像処理装置である。
また本発明は、コンピュータが、異なる物質の境界にあり画素値が不均一かつ連続的に変化する領域を含む画像のボリュームデータを取得するステップと、前記領域内に領域拡張の始点を複数設定するとともに、前記始点毎に画素値勾配に関する条件を領域拡張の条件として設定するステップと、前記条件に従って前記始点から領域拡張処理を行うステップと、前記領域拡張処理により拡張された領域である拡張領域の情報に基づいて前記ボリュームデータから解析画像を生成するステップと、を含む処理を実行することを特徴とする画像処理方法である。
本発明の画像処理装置及び画像処理方法により、異なる物質の境界にあり画素値が不均一かつ連続的に変化する領域を、ボリュームデータから精度よく抽出するための領域拡張処理を行い、拡張した領域の情報を用いてより正確な解析画像を作成することが可能となる。
画像処理装置100の全体構成を示す図 本発明に係る画像処理装置100が実行する解析画像作成処理の流れを説明するフローチャート(第1の実施の形態) 残渣(液体残渣)32を含む大腸領域の断面図 固体残渣52を含む大腸領域の断面図 (a)液体残渣と空気との境界部の領域拡張処理において設定する拡張条件について説明する図、(b)抽出された境界領域47を示す図 (a)固体残渣と空気との境界部の領域拡張処理において設定する拡張条件について説明する図、(b)抽出された境界領域67を示す図 解析画像作成処理について説明する図(不透明度、描画禁止領域の設定について) 本発明に係る画像処理装置100が実行する解析画像作成処理の流れを説明するフローチャート(第2の実施の形態) (a)勾配情報の取得方向について説明する図、(b)(a)の走査方向における画素値分布を示すグラフ、(c)(b)のグラフの1階微分を示すグラフ、(d)(b)のグラフの2階微分を示すグラフ (a)1階微分の情報を用いて抽出された境界領域81、(b)2階微分の情報を用いて抽出された境界領域82を示す図 末端部分の造影が不十分な血管の模式図 本発明に係る画像処理装置100が実行する解析画像作成処理の流れを説明するフローチャート(第3の実施の形態) 処理開始点Pの設定について説明する図 拡張条件の設定について説明する図 血管表面の領域拡張処理(図12のステップS306)の手順を示すフローチャート 領域拡張の始点の移動(血管走行方向)について説明する図 (a)領域拡張処理前の血管、(b)血管表面の領域拡張後の血管を示す図
以下、図面を参照しながら本発明の実施形態を詳細に説明する。
［第1の実施の形態］
まず、図1を参照して本発明の画像処理装置100を適用した画像処理システム1の構成について説明する。
図1に示すように、画像処理システム1は、表示装置107、入力装置109を有する画像処理装置100と、画像処理装置100にネットワーク110を介して接続される画像データベース111と、画像撮影装置112とを備える。
画像処理装置100は、画像生成、画像解析等の処理を行うコンピュータである。例えば、病院等に設置される医用画像処理装置を含む。
画像処理装置100は、図1に示すように、CPU(Central Processing Unit)101、主メモリ102、記憶装置103、通信インタフェース(通信I/F)104、表示メモリ105、マウス108等の外部機器とのインタフェース(I/F)106を備え、各部はバス113を介して接続されている。
CPU101は、主メモリ102または記憶装置103等に格納されるプログラムを主メモリ102のRAM上のワークメモリ領域に呼び出して実行し、バス113を介して接続された各部を駆動制御し、画像処理装置100が行う各種処理を実現する。
また、CPU101はCT画像等の断層像を積み上げてなるボリュームデータから画像診断に用いるための解析画像を生成する解析画像作成処理(図2参照)を実行する。解析画像作成処理の詳細については後述する。
主メモリ102は、ROM(Read Only Memory)、RAM(Random Access Memory)等により構成される。ROMは、コンピュータのブートプログラムやBIOS等のプログラム、データ等を恒久的に保持している。また、RAMは、ROM、記憶装置103等からロードしたプログラム、データ等を一時的に保持するとともに、CPU101が各種処理を行う為に使用するワークエリアを備える。
記憶装置103は、HDD(ハードディスクドライブ)や他の記録媒体へのデータの読み書きを行う記憶装置であり、CPU101が実行するプログラム、プログラム実行に必要なデータ、OS(オペレーティングシステム)等が格納される。プログラムに関しては、OSに相当する制御プログラムや、アプリケーションプログラムが格納されている。これらの各プログラムコードは、CPU101により必要に応じて読み出されて主メモリ102のRAMに移され、各種の手段として実行される。
通信I/F104は、通信制御装置、通信ポート等を有し、画像処理装置100とネットワーク110との通信を媒介する。また通信I/F104は、ネットワーク110を介して、画像データベース111や、他のコンピュータ、或いは、X線CT装置、MRI装置等の画像撮影装置112との通信制御を行う。
I/F106は、周辺機器を接続させるためのポートであり、周辺機器とのデータの送受信を行う。例えば、マウス108やスタイラスペン等のポインティングデバイスをI/F106を介して接続させるようにしてもよい。
表示メモリ105は、CPU101から入力される表示データを一時的に蓄積するバッファである。蓄積された表示データは所定のタイミングで表示装置107に出力される。
表示装置107は、液晶パネル、CRTモニタ等のディスプレイ装置と、ディスプレイ装置と連携して表示処理を実行するための論理回路で構成され、表示メモリ105を介してCPU101に接続される。表示装置107はCPU101の制御により表示メモリ105に蓄積された表示データを表示する。
入力装置109は、例えば、キーボード等の入力装置であり、操作者によって入力される各種の指示や情報をCPU101に出力する。操作者は、表示装置107、入力装置109、及びマウス108等の外部機器を使用して対話的に画像処理装置100を操作する。
ネットワーク110は、LAN(Local Area Network)、WAN(Wide Area Network)、イントラネット、インターネット等の各種通信網を含み、画像データベース111やサーバ、他の情報機器等と画像処理装置100との通信接続を媒介する。
画像データベース111は、画像撮影装置112によって撮影された画像データを蓄積して記憶するものである。図1に示す画像処理システム1では、画像データベース111はネットワーク110を介して画像処理装置100に接続される構成であるが、画像処理装置100内の例えば記憶装置103に画像データベース111を設けるようにしてもよい。
次に、図2〜図7を参照して、画像処理装置100の動作について説明する。
画像処理装置100のCPU101は、主メモリ102から図2の解析画像作成処理に関するプログラム及びデータを読み出し、このプログラム及びデータに基づいて処理を実行する。
なお、解析画像作成処理の実行開始に際して、処理対象とする画像データは画像データベース111等からネットワーク110及び通信I/F104を介して取り込まれ、画像処理装置100の記憶装置103に記憶されているものとする。また、処理対象とする画像データは、対象領域を含む複数の断層像を積み上げてなるボリュームデータ(3次元原画像)とする。また、ボリュームデータの好適な例として、CT画像またはMR画像等が挙げられる。本実施の形態では、処理対象とするボリュームデータは、空気等で拡張した大腸領域を撮影したCT画像について説明する。なお、本発明の適用範囲は大腸領域に限定されない。例えば、血管領域、その他の管腔臓器や、画素値が異なる複数の領域の境界領域を有する画像にも適用可能である。
図3は造影残渣を含む大腸の内部を示す模式図であり、管腔臓器の芯線に略垂直な断面を示している。図3に示すように、大腸内部は空気領域31と残渣(残渣領域又は液体残渣)32との間に有限の厚みを持つ残渣と空気の境界領域(または、境界領域)33を有する。大腸壁36の周辺は軟部組織34等が接している。残渣と空気の境界領域33は、画素値が不均一であり、またパーシャルボリューム効果によって画素値が連続的に変化している。そのため、単純な閾値処理では境界領域33と軟部組織34を区別できず、境界領域33を抽出することが困難である。そのため、本発明の第1の実施の形態では、このように複数の領域の境界領域33を抽出するための領域拡張処理について説明する。
なお、図3は、液状の残渣32を含む大腸の断面図であるが、本発明は図4に示すような固体残渣52を含む場合にも適用可能である。
図2のフローチャートに示すように、まずCPU101は、観察対象或いは診断対象とする大腸を含む医用画像データを読み込む(ステップS101)。読み込む医用画像データは、例えばX線CT装置等の医用画像撮影装置によって撮影された断層像が積み上げられた3次元ボリュームデータである。画像処理装置100のCPU101は、操作者によって選択された医用画像のボリュームデータを記憶装置103から読み出して主メモリ102に保持する。
次にCPU101は、ステップS101で読み込んだボリュームデータを解析し、大腸内部の空気領域31を画素値の情報及び解剖学的情報等を用いて抽出する(ステップS102)。空気領域31を抽出する際、CPU101は、例えば画素値情報に基づいてボリュームデータからまず体外の空気領域と肺野領域を抽出し、それらの抽出領域以外で抽出された空気領域のうち、体積が所定の閾値以上である空気領域を大腸内の空気領域31として認識する。
次にCPU101は、ステップS101で読み込んだボリュームデータを解析し、大腸内部の残渣領域32を画素値の情報等に基づいて抽出する(ステップS103)。CPU101は、例えばステップS101で読み込んだボリュームデータから骨の領域を抽出し、骨領域以外の部分において、残渣の画素値に対応し、かつ体積が閾値以上の領域を残渣領域32として抽出する。または、残渣領域32は常に大腸内の垂直方向下側に位置することを利用して残渣領域32の抽出を行ってもよい。つまりCPU101は、ステップS102で抽出した大腸内の空気領域31の垂直方向下側を探索し、残渣32に相当する画素を検出する。空気領域31の数画素下側において残渣32に相当する画素を見つけた場合は、その画素を始点として領域拡張を行うことにより残渣領域32を抽出する。
次に、CPU101は、残渣と空気の境界領域33の中心線(残渣と空気の境界線)41を抽出する(ステップS104)。境界線41を抽出する処理では、例えばCPU101は、ステップS101で読み込んだボリュームデータの断層画像上で図3の残渣領域32と空気領域31との境界を跨ぐように垂直方向に走査線を設定し、各走査線上で画素値の勾配情報を求め、勾配情報に基づいて領域抽出の始点を設定する。例えば、各走査線についてそれぞれ勾配値が最も大きい画素を抽出し、各走査線上で抽出された画素群を残渣と空気の境界線41(図5)とし、境界線41上に複数の始点を設定する。
上述の残渣と空気の境界領域33の見つけ方は、例えば、断層画像を垂直方向にラスタ走査し、空気領域31の下側の境界画素P1を探索する。更に、境界画素P1から垂直方向にラスタ走査し、有限の範囲内に残渣領域32の上側の境界画素P2を探索する。境界画素P1とP2の両方が見つかった場合は、P1からP2をつなぐ線上の画素を残渣と空気の境界領域33と認識する。
CPU101は、ステップS104で検出した残渣と空気の境界線41上の複数の画素を始点として領域拡張を行う(ステップS105)。このとき、境界線41を構成する画素それぞれに対して個別に、拡張可能範囲を設定する。拡張可能範囲とは、CPU101が領域拡張処理を行う有限の範囲である。この拡張可能範囲の設定には、例えば、各始点の画素の勾配情報や位置情報等を利用する。CPU101は、境界線41上の各画素から領域拡張処理を行う際、設定した拡張可能範囲より外側には拡張できないものとする。
拡張可能範囲を設定するために使用するパラメータである各始点の画素の勾配情報や位置情報等を用いて、抽出された画素と始点の画素間の距離の最大値や、拡張できる世代の最大値等を設定してもよい。
図5を参照して、拡張可能範囲の設定に勾配情報を用いる例について説明する。
境界線41上の中央部の点42の画素における勾配と、端部に近い点43の画素における勾配とを比べると、端部に近い点43は軟部組織34(大腸壁の外側領域)と空気31と残渣領域32の3つの領域に近接する。そのため、端部の点43の勾配は中央部の点42の勾配よりも小さくなると考えられる。しかし軟部組織34と境界領域33(図3)の画素値の差は小さいため、領域拡張処理でこれら2つの領域を分けることは難しい。
そこで、CPU101は領域拡張を行う範囲(拡張可能範囲)を勾配値に基づいて設定する。例えば、境界線41上の中央部の点42等、勾配が大きい画素では拡張可能範囲を大きく設定する。一方、境界線41上の端部の点43等、勾配が小さい画素では拡張可能範囲を小さく設定する。図5(a)に破線で示す円45、46は、それぞれ点42、点43の拡張可能範囲を表している。境界線41上の中央部の点42では拡張可能範囲が大きく設定され、端部付近の点では拡張可能範囲が小さく設定される。
このように、CPU101は領域拡張条件として、画素値の勾配に応じた広さの拡張可能範囲を設定し、設定した条件に従って領域拡張を行う。すると、図5(b)の領域47のような三日月型の領域が抽出される。なお、領域拡張処理においては、拡張可能範囲とは別に、領域拡張条件として画素値の拡張条件を設定する。
なお、上述の説明は液体残渣32の例を用いて説明したが、固体残渣52を含む場合でも同様の領域拡張処理を行うことが可能である。図6は、固体残渣52を含む場合の領域拡張処理について説明する図である。
図6に示すように、空気51と固体残渣52との境界線61上の中央部の点62は勾配値が大きいため、CPU101は拡張可能範囲を大きく設定する(点62を囲む破線の円65)。一方、境界線61上の端部の点63では拡張可能範囲を小さく設定する(点63を囲む破線の円66)。このように設定された条件(拡張可能範囲)で領域拡張処理を行うと、図6(b)に示すように三日月型の領域67が抽出される。
図2の説明に戻る。CPU101は、ステップS105で抽出された残渣と空気の境界領域47、67の情報に基づいて、解析画像を作成する(ステップS106)。以下の説明では、解析画像の一例として仮想内視鏡画像の作成方法を説明する。ただし、本発明は仮想内視鏡画像に限定されず、展開画像やその他の解析画像を作成する場合にも適用できる。
図7は解析画像である仮想内視鏡画像について説明する図である。
図7に示すように、大腸内部にある視点71から破線矢印72の向きに光線を飛ばし、この光線が通過した点の色情報を投影画像のある画素に投影することを考える。このとき、CPU101は画素値に対して不透明度を設定する(図7(b)参照)。CPU101は、光線が通過する画素の画素値に応じた不透明度を取得して、その画素の色情報に不透明度等のパラメータを乗じた値を積算していく。
例えば、光線が空気領域73を通過するときは不透明度a1に対応し、残渣と空気の境界領域74を通過するときは不透明度a2、a3、a4に対応し、残渣領域75を通過するときは不透明度a5に対応し、大腸壁36から軟部組織34を通過するときは不透明度a4、a3、a2にそれぞれ対応する。不透明度の値が大きいほどオブジェクトが描画されるため、作成される解析画像(仮想内視鏡画像)は、残渣と空気の境界領域47、及び大腸壁36と軟部組織34の境界領域が描画される。
そこで、本実施の形態では、ステップS105で抽出した残渣と空気の境界領域47を描画禁止領域として設定する。すると、この描画禁止領域に含まれる画素値の画素は解析画像に描画されない。またこのとき、空気領域と残渣領域は不透明度を「0」に設定し、空気の画素値と残渣の画素値の間の画素値に対する不透明度は連続的に変化するように設定することが望ましい。このように設定することで、残渣と空気の境界領域が描画されないだけでなく、大腸壁面における境界領域が滑らかに描画される。
CPU101はステップS106で作成した解析画像を記憶装置103に記憶するとともに、表示装置107に表示し、一連の解析画像作成処理を終了する。
以上説明したように、本発明に係る画像処理装置100によれば、CPU101は、大腸領域のボリュームデータを取得し、大腸内部の空気と残渣の境界領域に領域拡張の始点を設定するとともに、境界領域内の各画素にそれぞれその画素の勾配情報に応じた拡張可能範囲の条件を設定し、設定した条件に従って各始点から領域拡張処理を行う。これにより、画素値が不均一かつ連続的に変化する領域(境界領域)を精度よく抽出できる。CPU101はこのようにして得た境界領域の情報に基づいて解析画像を生成する。
したがって、パーシャルボリューム効果により画素値が均一でなく連続的に変化している空気と残渣との境界領域を精度よくボリュームデータから抽出できる。また、境界線の端部(大腸壁に近い部分)等、周囲との画素値の差が小さい領域においても、漏れ出しなく境界領域を抽出することができる。
このように認識された領域情報を用いて、解析画像を作成すれば、残渣と接する軟部組織の表面を不必要に削ることなく描画可能となるため、不連続にならず、滑らかに描画される。また、平滑化処理を行わないため小さな突起物がつぶれることがない。したがって境界部分に小さな病変候補が存在しても削られることなく描画できる。また、本手法は液状の残渣でなくとも、固体の残渣にも適用可能である。
［第2の実施の形態］
次に、図8〜図10を参照して本発明の第2の実施の形態を説明する。
第1の実施の形態の手法を用いた場合にも、境界領域が一部残ってしまうことがある。
そこで、第2の実施の形態では、残渣と空気の境界領域の抽出を、漏れ出しなく行う方法について説明する。
なお、第2の実施の形態の画像処理装置100のハードウエア構成は、第1の実施の形態と同様であるため、重複する説明を省略し、同一の各部は同一の符号を付して説明する。
図8は第2の実施の形態の解析画像作成処理の流れを示すフローチャートである。
図8のステップS201〜ステップS204の処理は、第1の実施の形態の解析画像作成処理(図2)のステップS101〜ステップS104と同様である。
すなわち、CPU101は、観察対象或いは診断対象とする大腸を含む医用画像データ(ボリュームデータ)を読み込み(ステップS201)、ステップS201で読み込んだボリュームデータを解析し、大腸内部の空気領域31を画素値の情報及び解剖学的情報等を用いて抽出する(ステップS202)。また、大腸内部の残渣領域32を画素値の情報等に基づいて抽出する(ステップS203)。
次にCPU101は、残渣と空気の境界領域33の中心線(境界線)41を求める(ステップS204；図5(a)参照)。境界領域の中心線41の算出方法は、第1の実施の形態と同様でよい。
ステップS202〜ステップS204の処理により、大腸内の空気領域31、残渣領域32、及び残渣と空気の境界線41がそれぞれ抽出されると、次にCPU101は、画素値の1階微分を使用した領域拡張処理を行い(ステップS205)、その後、更に画素値の2階微分を使用した領域拡張処理を行う(ステップS206)。
図9は、ステップS205〜ステップS206の領域拡張処理について説明する図である。図9(a)に示す大腸の断面画像を破線91の方向へラスタ走査した時の画素値の変化を図9(b)に示す。図9(b)に示すように、空気相当の画素値から残渣相当の画素値になだらかに変化する様子が見られる。更に図9(b)のグラフを1階微分したものを図9(c)に示し、図9(b)のグラフを2階微分したものを図9(d)に示す。
ステップS205では、ステップS204で抽出した残渣と空気との境界線41上の始点から領域を拡張する際に、勾配情報に応じた拡張条件で領域拡張処理を行う。このとき、第1の実施の形態のステップS104の処理(図2)のように、勾配情報に応じて拡張可能範囲の制限を画素毎に設けてもよい。また、各画素の勾配の大きさが図9(c)の閾値92以上をとるような画素について領域を拡張するよう、拡張条件を設定してもよい。
このような拡張条件を設定した場合、座標93から座標94までの範囲が残渣と空気の境界領域として抽出される。
また、領域拡張時の親画素と注目画素との勾配(1階微分)の内積が閾値以上となる画素を拡張領域としてもよい。
閾値92は、ユーザによって入力された値を使用してもよいし、医用画像処理装置100がボリュームデータを解析して得られた値を使用してもよい。医用画像処理装置100によって閾値92を設定する方法として、例えばCPU101は、空気領域及び残渣領域の両方を膨張処理した範囲内で、各画素値に対する勾配の平均値を求め、画素値に対する平均勾配値のピークをとる画素値を閾値92として設定する方法等がある。
ステップS206の領域拡張処理では、ステップS205で抽出した領域をもとに、2階微分の情報を用いて更に領域を拡張する。2階微分の情報を用いた領域拡張の条件は、例えば、その画素の2階微分の大きさが閾値95以上または閾値96以下として領域拡張する。このような条件で領域拡張すると、座標97から座標98までの範囲が更に拡張される。
このように2階微分の情報を用いて領域拡張を行うことで、同じ画素値であっても均一な部分の画素は抽出されず、不均一な部分の画素のみを区別して抽出することが可能となる。そのため、画素値が不均一な境界領域の抽出に好適である。
なお、2階微分の閾値95、96の設定方法は、1階微分の閾値92の設定方法と同様に、ユーザによって入力された値を使用してもよいし、医用画像処理装置100がボリュームデータを解析して得られた値を使用してもよい。また、拡張条件における2階微分の値は、例えば1階微分で求めた勾配に沿った向きの2階微分を用いてもよい。また、親画素の2階微分との内積を用いてもよい。
図10(a)はステップS205の1階微分の情報を用いた領域拡張処理で抽出された境界領域81を示し、図10(b)は更にステップS206の2階微分の情報を用いた領域拡張処理で抽出された領域82が追加された境界領域を示している。
CPU101は、ステップS205及びステップS206の領域拡張処理で抽出された残渣と空気の境界領域の情報に基づいて、解析画像を作成する(ステップS207)。解析画像の作成方法は、第1の実施の形態と同様である。
以上説明したように、第2の実施の形態によれば、領域拡張の条件として、走査線上における1階微分の情報を拡張条件として領域拡張処理を行い、更に、上述の走査線上における2階微分の情報を拡張条件として更に領域を拡張する。これにより、境界領域を広げる際に、同じ画素値であっても周囲の画素値が均一な部分は抽出されず、不均一な部分を抽出することが可能となる。
なお、第1及び第2の実施の形態では管腔臓器の造影残渣と空気の境界領域を抽出する例について説明したが、本発明はこれに限定されず、画像から、画素値が不均一かつ連続的に変化する複数の領域の境界部を抽出する場合に適用することができる。
例えば、造影が不十分な部分を含む造影血管領域を描画する際にも本発明を適用可能である。
［第3の実施の形態］
次に、図11〜図17を参照して本発明の第3の実施の形態を説明する。
第3の実施の形態では、造影が不十分な部分を含む造影血管領域を描画する際に本発明の領域拡張処理を適用する例について説明する。
なお、第3の実施の形態の画像処理装置100のハードウエア構成は、第1の実施の形態と同様であるため、重複する説明を省略し、同一の各部は同一の符号を付して説明する。
図11は、第3の実施形態で処理対象とする造影血管の模式図である。この造影血管は、末端部132が十分に造影されていない。このような血管の領域抽出では、十分に造影された血管の太い部分131の条件に合わせて領域拡張を行うと、血管の途中(例えば破線133の位置)までしか抽出されないという問題が生じる。そこで、第3の実施の形態では、造影血管の内部と外部との境界表面で領域拡張処理を実行しつつ、領域拡張を行う範囲を血管の走行方向に少しずつ延長することで、造影が不十分な末端部132まで描画する方法を提案する。
図12は第3の実施の形態の解析画像作成処理の流れを示すフローチャートである。
図12に示すように、CPU101は、造影血管を含むボリュームデータを読み込む(ステップS301)。
次にCPU101は、造影血管内の任意の点Pを処理開始点とする。点Pは、例えばステップS301で読み込んだボリュームデータを用いて生成した3次元解析画像の任意の位置をユーザがマウスをクリックする等の方法で指定する。或いは、ステップS301で読み込んだボリュームデータを解析し、十分に造影された大動脈等の太い血管の上流部分を検出し、検出した部分に含まれる任意の点を処理開始点Pとしてもよい。
CPU101は、処理開始点P付近の血管の走行方向を算出する(ステップS303)。図13に示すように、CPU101は、例えばステップS302で指定した処理開始点P付近の造影血管143を領域拡張により抽出し、抽出した造影血管143に対して細線化処理を行うことで、血管の走行方向142を算出する。また、処理開始点Pから複数の方向に光線を飛ばし、血管表面までの距離が最も遠い方向を走行方向142としてもよい。
ステップS303において、CPU101は、算出した走行方向142の向きに血管壁周辺の領域も抽出する。処理開始点Pが血管の途中にある場合は、2方向の走行方向を主メモリ102等に保存しておいてよい。或いは、点Pより先の血管が長い方向を走行方向142としてもよい。2方向の走行方向を保存した場合は、各方向についてそれぞれステップS304からステップS306の処理(血管断面の抽出、血管断面の境界線の抽出、領域拡張)を行うものとする。
血管走行方向を算出すると、次にCPU101は、点Pと交差する血管断面を抽出する(ステップS304)。すなわち、処理開始点Pを通り、ステップS303で算出した血管の走行方向に垂直な面を血管断面として求める。
次にCPU101は、ステップS304で算出した血管断面(図14の面151)の境界線152(血管壁)上の各画素の情報を取得する(ステップS305)。すなわち、血管断面の境界線152上の画素を複数抽出する。抽出した境界線152上の各画素の情報はステップS306の領域拡張処理の始点を設定する際に使用される。
次に、CPU101はステップS305で検出した境界線152上の画素の一部を始点として血管表面の領域拡張処理を行う(ステップS306)。
図15を参照して、ステップS306の血管表面の領域拡張処理について説明する。
CPU101は、まずステップS305で取得した境界線152上で設定した始点の数が所定の閾値(閾値は1以上とする)より大きいか否かを判定する。始点数が閾値よりも大きい場合は(ステップS401；Yes)、各始点についてステップS402〜ステップS405の処理を行う。
まず、CPU101は領域拡張処理の拡張条件を設定する(ステップS402)。ステップS402においてCPU101は、拡張条件として勾配情報を用いる。勾配情報は、境界線を跨ぐ方向の画素値勾配である。例えば、CPU101は、第1の実施の形態と同様に、領域拡張の始点の画素における勾配の大きさに応じて拡張可能範囲Rを設定し、この拡張可能範囲R内の所定の画素値範囲にある画素を拡張領域に含めるとする条件を設定する。
図14に、血管の根本付近の血管断面151の血管壁上の点(始点Q1)に設定される拡張可能範囲R1、及び末端部の血管断面154の血管壁上の点(始点T1)に設定する拡張可能範囲U1を示す。
図14に示すように、血管が太く、十分に造影されている部分(血管断面151)では、領域拡張処理の始点Q1〜Q8(血管断面151における血管壁であって血管の内部と外部との境界線152上の画素)における勾配153は大きい。一方、血管末端部では、血管が細く十分に造影されていないため、領域拡張処理の始点T1〜T4における勾配155は小さくなる。そこでCPU101は、勾配が大きいときは拡張可能範囲を広く設定し、勾配が小さいときは、拡張可能範囲を狭く設定する(図14の破線で示す範囲R1やU1)。
CPU101は、ある断面151について、ステップS402で設定した拡張条件に従って、1つ目の始点Q1から領域が拡張可能であるか否か、すなわち、拡張可能範囲が「0」であるか否かを判定する(ステップS403)。拡張可能範囲が「0」でない場合は(ステップS403；Yes)、ステップS404へ進み、拡張可能範囲が「0」の場合は(ステップS403；No)、同じ断面内の次の始点Q2の処理へ移行する。
ステップS404においてCPU101は、ステップS402で設定した拡張可能範囲内で領域拡張を行う(ステップS404)。このとき、拡張可能範囲の条件とは別に、領域拡張するための条件を加えてもよい。領域拡張するための条件に使用するパラメータには、例えば、画素値、画素値の勾配、親画素と注目画素との勾配の内積、画素値の2階微分、親画素と注目画素との2階微分の内積、及び勾配方向の2階微分の大きさ等を用いることができる。
ステップS404の領域拡張処理が行われると、次にCPU101は、血管の表面に沿って領域拡張の始点を血管の走行方向側の点に移動する(ステップS405)。
図16を参照して、領域拡張の始点の血管走行方向への移動について説明する。CPU101は、ステップS402において算出された始点の勾配方向153(ベクトルV)と始点Q1における断面領域の接線方向165(ベクトルU)の外積W＝U×Vにより移動方向166(ベクトルW)を求める。
CPU101は、移動方向166の向きに一定量だけ領域拡張の始点を移動し、次の始点M1として設定する。
CPU101はステップS402〜ステップS405の処理を同じ血管断面の各始点Q1〜Q8について繰り返し行う。1つの血管断面のすべての始点Q1〜Q8について、領域拡張及び始点の血管走行方向への移動が終了すると、ループを抜けステップS406へ進む。
この段階で、血管断面151には各始点Q1〜Q8から拡張された拡張領域が決定されるとともに、次の血管断面161上に、次の始点M1(〜M8；不図示)が設定されている。
ステップS406では、CPU101はステップS405で求めた次の始点M1(〜M8)の間引きまたは追加処理を行う。始点の間引きまたは追加処理において、CPU101は、1断面内の隣り合う始点間の距離を算出し、算出した始点間の距離が、閾値a以下のときは片方の始点を削除する(間引き処理)。始点間の距離が閾値b以上の場合は、2つの始点の間に始点をいくつか追加する(追加処理)。始点間の距離が閾値aより大きく閾値bより小さい場合は、始点数を維持する(ステップS406)。
図15のフローチャートに示す処理の結果、図17(b)に示すような、面171と面172に囲まれる領域173が抽出される。血管の太い部分では、領域173の厚みは厚く、末端部では領域173の厚みは薄く抽出される。CPU101は、抽出された領域の面172の内部を穴埋め処理する。また、勾配条件等を使用して条件付きの領域の収縮処理を行って、余分な部分を削除してもよい。
図12の説明に戻る。CPU101はステップS306の領域拡張処理で取得した血管の表面領域(図17(b)の領域173)または血管領域の情報を使用して解析画像を作成する。解析画像を作成する際、CPU101は、拡張した領域を所定の不透明度を有する描画領域と設定して解析画像を生成する。
解析画像は、血管内部を描画する仮想内視鏡画像でも良いし、血管を外側から見るようなボリュームレンダリング画像でも良い。また、ステップS306の領域拡張処理で抽出した領域をもとに血管の芯線を再算出し、この芯線を基にカーブドMPR画像を作成してもよい。
以上説明したように、第3の実施の形態では、各血管断面の血管壁に設定した始点から画素値の勾配情報を拡張条件として第1の実施の形態と同様に領域拡張を行う。その後、血管走行方向に始点を移動し、次の断面位置で移動後の始点から領域拡張処理を行う。これを血管の末端まで繰り返し行う。更に、解析画像を作成する際、CPU101は、拡張した領域を所定の不透明度を有する描画領域と設定して解析画像を生成する。
これにより、造影が不十分な部分を含む造影血管であっても、末端部まで描画することが可能となる。
以上、添付図面を参照しながら、本発明に係る画像処理装置の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
1 画像処理システム、100 画像処理装置、101 CPU、102 主メモリ、103 記憶装置、104 通信I/F、105 表示メモリ、106 I/F、107 表示装置、108 マウス、109 入力装置、110 ネットワーク、111 画像データベース、112 画像撮影装置、31、51 空気、32 液体残渣(残渣)、52 固体残渣、33、53 残渣と空気の境界領域、34、54 軟部組織、36、56 大腸壁、41 残渣と空気の境界線、45、46 拡張可能範囲、47 拡張領域(境界領域)

Claims (10)

  1. 異なる物質の境界にあり画素値が不均一かつ連続的に変化する領域を含む画像のボリュームデータを取得するボリュームデータ取得部と、
    前記領域内に領域拡張の始点を複数設定するとともに、前記始点毎に画素値勾配に関する条件を領域拡張の条件として設定する設定部と、
    前記条件に従って前記始点から領域拡張処理を行う領域拡張処理部と、
    前記領域拡張処理により拡張された領域である拡張領域の情報に基づいて前記ボリュームデータから解析画像を生成する画像生成部と、
    を備えることを特徴とする画像処理装置。
  2. 前記領域は、管腔臓器内の造影残渣と空気の境界領域であることを特徴とする請求項1に記載の画像処理装置。
  3. 前記領域は、造影が不十分な部分を含む造影血管の内部と外部の境界領域であることを特徴とする請求項1に記載の画像処理装置。
  4. 前記設定部は、前記ボリュームデータの画素値及び画素位置に基づいて前記ボリュームデータから第1領域と第2領域とを抽出し、第1領域と第2領域との境界における画素値勾配の情報に基づいて領域拡張処理の始点を決定することを特徴とする請求項1に記載の画像処理装置。
  5. 前記設定部は前記領域拡張の条件として、前記始点毎に前記画素値勾配の大きさに応じた広さの範囲を拡張可能範囲として設定することを特徴とする請求項1に記載の画像処理装置。
  6. 前記領域拡張処理部は、前記ボリュームデータの画素値及び画素位置に基づいて前記ボリュームデータから第1領域と第2領域とを抽出し、第1領域と第2領域とを跨ぐ走査線を設定し、走査線上における画素値の1階微分値の情報を用い所定の有限範囲まで領域を拡張し、その後、前記走査線上における画素値の2階微分値の情報を用い更に所定の有限範囲まで領域を拡張することを特徴とする請求項1に記載の画像処理装置。
  7. 前記画像生成部は、前記領域拡張処理部により拡張した領域を描画禁止領域と設定して前記解析画像を生成することを特徴とする請求項2に記載の画像処理装置。
  8. 前記画像生成部は、前記領域拡張処理部により拡張した領域を所定の不透明度を有する描画領域と設定して前記解析画像を生成することを特徴とする請求項3に記載の画像処理装置。
  9. 前記始点から領域を拡張した後、更に別の断面に前記始点を移動して移動後の始点位置から領域拡張処理を繰り返すことを特徴とする請求項1に記載の画像処理装置。
  10. コンピュータが、
    異なる物質の境界にあり画素値が不均一かつ連続的に変化する領域を含む画像のボリュームデータを取得するステップと、
    前記領域内に領域拡張の始点を複数設定するとともに、前記始点毎に画素値勾配に関する条件を領域拡張の条件として設定するステップと、
    前記条件に従って前記始点から領域拡張処理を行うステップと、
    前記領域拡張処理により拡張された領域である拡張領域の情報に基づいて前記ボリュームデータから解析画像を生成するステップと、
    を含む処理を実行することを特徴とする画像処理方法。
JP2016566073A 2014-12-26 2015-12-02 画像処理装置及び画像処理方法 Active JP6571687B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2014264739 2014-12-26
JP2014264739 2014-12-26
PCT/JP2015/083851 WO2016104082A1 (ja) 2014-12-26 2015-12-02 画像処理装置及び画像処理方法

Publications (2)

Publication Number Publication Date
JPWO2016104082A1 JPWO2016104082A1 (ja) 2017-10-05
JP6571687B2 true JP6571687B2 (ja) 2019-09-04

Family

ID=56150114

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016566073A Active JP6571687B2 (ja) 2014-12-26 2015-12-02 画像処理装置及び画像処理方法

Country Status (5)

Country Link
US (1) US10290099B2 (ja)
EP (1) EP3238626A1 (ja)
JP (1) JP6571687B2 (ja)
CN (1) CN107106110B (ja)
WO (1) WO2016104082A1 (ja)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6971598B2 (ja) * 2017-03-13 2021-11-24 キヤノンメディカルシステムズ株式会社 Ｘ線診断装置、画像処理装置及び画像処理プログラム
CN112639865B (zh) * 2019-01-15 2024-05-14 奥林巴斯株式会社 图像处理系统、学习完毕模型和图像处理方法
JP7241598B2 (ja) * 2019-04-26 2023-03-17 株式会社日立ハイテク 画像処理方法、画像処理装置及び画像処理システム
CN112967207B (zh) * 2021-04-23 2024-04-12 北京恒安嘉新安全技术有限公司 一种图像处理方法、装置、电子设备及存储介质

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7817164B2 (en) * 2004-04-27 2010-10-19 Hitachi Medical Corporation Image editing device and method thereof
EP2284794B1 (en) * 2004-11-26 2017-01-18 Toshiba Medical Systems Corporation X-ray CT apparatus and image processing device
JP4146438B2 (ja) * 2005-01-19 2008-09-10 ザイオソフト株式会社 識別方法
JP4891636B2 (ja) * 2006-03-14 2012-03-07 オリンパスメディカルシステムズ株式会社 画像解析装置
JP4937843B2 (ja) * 2007-06-11 2012-05-23 株式会社日立メディコ 医用画像表示装置、医用画像表示方法及びプログラム
JP2011135936A (ja) * 2009-12-25 2011-07-14 Toshiba Corp 画像処理装置、医用画像診断装置および画像処理プログラム
JP2012187161A (ja) 2011-03-09 2012-10-04 Fujifilm Corp 画像処理装置、方法、及びプログラム
CN103606153B (zh) * 2013-11-19 2016-04-13 华中科技大学 一种从粪便显微图像中提取细胞的方法

Also Published As

Publication number Publication date
JPWO2016104082A1 (ja) 2017-10-05
CN107106110B (zh) 2020-03-03
US20170278242A1 (en) 2017-09-28
CN107106110A (zh) 2017-08-29
EP3238626A1 (en) 2017-11-01
US10290099B2 (en) 2019-05-14
WO2016104082A1 (ja) 2016-06-30

Similar Documents

Publication Publication Date Title
Li et al. Optimal surface segmentation in volumetric images-a graph-theoretic approach
US7787673B2 (en) Method and apparatus for airway detection and segmentation using 3D morphological operators
JP6273266B2 (ja) セグメント化の強調表示
JP5536664B2 (ja) 医用画像処理装置及び方法
JP6571687B2 (ja) 画像処理装置及び画像処理方法
JP2006075602A (ja) 血管構造の３ｄ画像データセットからなるプラーク沈着の可視化方法
JP2006198411A (ja) 心筋層の損傷の可視化方法
JP5566299B2 (ja) 医用画像処理装置、及び医用画像処理方法
JP2007090073A (ja) ３ｄ画像データセットの後処理方法および装置
JP2014171889A (ja) 画像分割装置、医用画像診断装置及び画像分割方法
JP6407718B2 (ja) 画像処理装置及び画像処理方法
Sun et al. Lung segmentation refinement based on optimal surface finding utilizing a hybrid desktop/virtual reality user interface
JP6437207B2 (ja) 医用画像処理装置および医用画像処理方法
US9530238B2 (en) Image processing apparatus, method and program utilizing an opacity curve for endoscopic images
JP2008043564A (ja) 領域確定装置
JP2010178906A (ja) 医用画像処理装置、画像診断装置および医用画像処理プログラム
WO2018088055A1 (ja) 画像処理装置、画像処理方法、画像処理システム及びプログラム
JP4738236B2 (ja) 画像表示装置
JP2011110357A (ja) 画像処理方法、画像処理装置及びプログラム
JP2014221201A (ja) 撮像制御装置、医用画像診断装置及び撮像制御方法
JP6820805B2 (ja) 画像位置合わせ装置、その作動方法およびプログラム
CN112884879B (zh) 用于提供至少一个管状结构的二维展开图像的方法
JP2009273644A (ja) 医用画像撮影装置、医用画像処理装置および医用画像処理プログラム
Shamonin et al. Automatic lung lobe segmentation of COPD patients using iterative B-spline fitting
JP7321671B2 (ja) 情報処理装置、情報処理方法、情報処理システムおよびプログラム

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170707

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170810

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20171030

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20171107

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180910

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: 20190723

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190808

R150 Certificate of patent or registration of utility model

Ref document number: 6571687

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250