JP6662246B2 - 診断支援装置、及び診断支援装置における画像処理方法、並びにプログラム - Google Patents

Description

本発明は、診断支援装置、及び診断支援装置における画像処理方法、並びにプログラムに関する。

皮膚病変の診断として視診は必ず行われ、多くの情報を得ることができる。しかしながら、肉眼やルーペだけでは、ホクロとしみの判別さえ難しく、良性腫瘍と悪性腫瘍の鑑別も難しい。そこで、ダーモスコープ付きカメラを用いて病変を撮影するダーモスコピー診断が行われているが、画像の観察による症例の識別は医師のスキルに依存しているのが現状である。

このため、例えば、特許文献１に、撮影され保存された患者の撮影画像からＨＤＲ（High Dynamic Range Imaging）変換したハイダイナミックレンジ合成画像を生成して比較可能な医用撮影装置の技術が記載されている。特許文献１に記載された技術によれば、診断スキルの有無に依存することなく容易にダーモスコピー画像の所見を得ることができる。

特開２０１５−１６４５１２号公報

しかしながら、特許文献１に記載された技術によれば、ＲＧＢ等の色空間を利用した画像分類において、薄い血の色と薄いメラニン色とは近接しているため、ＲＧＢ画素値を用いた画像分類では、血管領域とメラニン色素領域との区別が困難である。

本発明は上記した課題を解決するためになされたものであり、血管画像の弁別性を高め、血管領域とメラニン色素領域との区別が容易な、診断支援装置、及び診断支援装置における画像処理方法、並びにプログラムを提供することを目的とする。

上記した課題を解決するために本発明の一態様は、撮影画像から病変を診断するための診断支援装置であって、病変に係る既知の第１撮影画像に対応するリファレンス画像について血管強調情報を付加されたコードブックを備え、病変に係る未知の第２撮影画像に対応するクエリ画像について、前処理として血管強調を行い、血管相当領域について、前記コードブックに付加された血管強調情報を割り当てることを特徴とする診断支援装置を提供する。
また、本発明の他の態様は、撮影画像から病変を診断するための診断支援装置であって、病変に係る既知の第１撮影画像に基づいて形成されるリファレンス画像において前処理として血管強調された血管強調部に対応するビジュアルワードが付加されたコードブックと、病変に係る未知の第２撮影画像に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化する処理部と、を備え、前記処理部が、前記クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、前記コードブックに付加された前記ビジュアルワードを割り当てることにより、血管画像の弁別性を高めることを特徴とする。
本発明の他の特徴は、本明細書及び添付図面の記載により明らかにする。

本発明によれば、血管画像の弁別性を高め、血管領域とメラニン色素領域との区別が容易な、診断支援装置、及び診断支援装置における画像処理方法、並びにプログラムを提供することができる。

本発明の実施の形態に係る診断支援装置の構成を示すブロック図である。 本発明の実施の形態に係る診断支援装置によるコードブック生成の処理動作を示すフローチャートである。 本発明の実施の形態に係る診断支援装置によるＢｏＦ特徴ベクトル抽出の処理動作を示すフローチャートである。 ダーモスコピー画像の一例を示す図である。 Ｖｉｓｕａｌ Ｗｏｒｄ辞書のデータ構造の一例を示す図である。 血管強調画像の一例を示す図である。 Ｖｉｓｕａｌ Ｗｏｒｄヒストグラムの一例を示す図である。

以下、添付図面を参照して、本発明を実施するための形態（以下、実施形態）について詳細に説明する。以降の図においては、実施形態の説明の全体を通して同じ要素には同じ番号又は符号を付している。

（実施形態の構成）
図１は、本実施形態に係る診断支援装置１の構成を示すブロック図である。図１に示すように、本実施形態に係る診断支援装置１（装置本体１０）には、ダーモスコープ付撮影装置２０が接続されている。

ダーモスコープ付撮影装置２０は、装置本体１０からの指示により撮影を行い、撮影画像であるダーモスコピー画像を画像記憶部１５に記憶すると共に表示装置４０上に表示する。また、撮影画像は、装置本体１０により画像処理が施されて画像記憶部１５に記憶すると共に表示装置４０上に表示される。

入力装置３０は、ダーモスコピー画像の撮影開始指示や、後述するダーモスコピー画像中の部位選択操作等を行う。なお、表示装置４０は、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）モニタ等により構成され、入力装置３０は、マウス等により構成されている。

装置本体１０は、撮影画像取得部１１と、コードブック生成部１２と、処理部１３と、検索手段１４と、画像記憶部１５と、辞書記憶部１６と、を含む。本実施形態は、病変に係る既知の第１撮影画像に対応するリファレンス画像について血管強調情報を付加されたコードブックを備え、病変に係る未知の第２撮影画像に対応するクエリ画像について、前処理として血管強調を行い、血管相当領域についてコードブックに付加された血管強調情報を割り当てるものである。以下、詳しく説明する。

撮影画像取得部１１は、ダーモスコープ付撮影装置２０により撮影された撮影画像を取り込んでコードブック生成部１２、及び処理部１３へ出力する。コードブック生成部１２は、病変に係る既知の撮影画像（第１撮影画像）に基づいて形成されるリファレンス画像において前処理として血管強調の画素値が付加された、すなわち血管強調された血管強調部に対応するＶｉｓｕａｌ Ｗｏｒｄが付加されたコードブックを生成し、辞書記憶部１６の一部領域に割り当てられ記憶されるＶｉｓｕａｌ Ｗｏｒｄ辞書１６０に登録する。なお、Ｖｉｓｕａｌ Ｗｏｒｄ（ビジュアルワード）とは、撮影画像から局所特徴を抽出して全ての局所特徴をクラスタリングしたときの、それぞれのクラスタの重心となるベクトルを指す。

このため、コードブック生成部１２は、ＲＧＢ画素値取得部１２１と、クラスタリング処理部１２２と、コードブック登録部１２３と、を含む。なお、本実施形態では色空間としてＲＧＢ色空間を取り上げて説明するが、本実施形態の適用にあたっては、そのほかにも、例えばＹＵＶ色空間やＨＳＶ色空間であってもよい。

ＲＧＢ画素値取得部１２１は、入力された撮影画像をＲＧＢ画素データに展開してクラスタリング処理部１２２へ出力する。クラスタリング処理部１２２は、撮影画像の全画面領域から一定間隔で画素値をサンプリングしてクラスタリング対象のデータ群に登録し、ＲＧＢ画素の画素値の登録を対象の撮影画像に対して完了するまで処理を繰り返し、登録されたサンプリングデータの少なくとも一部についてクラスタリングを行う。

コードブック登録部１２３は、クラスタリング処理部１２２により得られた各クラスタの中心値を辞書記憶部１６のＶｉｓｕａｌ Ｗｏｒｄ辞書１６０に登録する。このとき、後述する処理部１３により新たに血管強調で強調される箇所の画素値が追加登録される、すなわち新たに血管強調された血管強調部に対応するＶｉｓｕａｌ Ｗｏｒｄが付加される。

処理部１３は、病変に係る未知の撮影画像（第２撮影画像）に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化する。このため、処理部１３は、前処理部１３１と、ＢｏＦ（Bag of Feature）特徴ベクトル抽出部１３２とを含む。

前処理部１３１は、クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、Ｖｉｓｕａｌ Ｗｏｒｄ辞書１６０に付加された血管強調の画素値すなわち血管強調部に対応するビジュアルワードを割り当てることにより、血管画像の弁別性を高める。

なお、血管強調は、例えば、入力画像にエッジ保存型平滑フィルタを施した結果をベース画像とし、入力画像からそのベース画像を減算したものをディテール画像とし、ベース画像のゲインを下げ、ディテール画像のゲインを上げて再合成することにより生成することができる。図６に血管強調画像の一例が示されている。

ＢｏＦ特徴ベクトル抽出部１３２は、クエリ画像について局所特徴ベクトル群を抽出し、コードブックにしたがい抽出した局所特徴ベクトル群をベクトル数分量子化後、ベクトル量子化された複数の値を統計処理する。ここで、ＢｏＦとは、画像を局所特徴の集合として捉えた画像の表現方法であり、基本的な考え方は、ｂａｇ−ｏｆ−ｗｏｒｄと称されるテキスト検索のモデルであり、文章中に出現する単語のコードブックをもとに語順に関係なく文章を単語の出現頻度で表現する方法である。

ＢｏＦは、単語の代わりにベクトル量子化された局所特徴を用いることで画像を局所特徴の集合として捉える。このため、撮影画像から局所特徴を抽出し、全ての局所特徴をクラスタリングすることでＶｉｓｕａｌ Ｗｏｒｄと称される複数の類似画像を作成する。これら特徴ベクトルをまとめたものをコードブックと称している。ＢｏＦは、撮影画像ごとに得られる局所特徴を、コードブックの特徴ベクトルのうち最も近い特徴ベクトルに投票することで出現回数のヒストグラムで表現することができる。その画像の局所特徴の総数でヒストグラムのｂｉｎを割ることで作成される、正規化されたヒストグラムがその画像に対するＢｏＦ表現になる。

検索手段１４は、生成されたｖｉｓｕａｌ Ｗｏｒｄ辞書１６０を用いてＢｏＦ特徴ベクトル抽出による類似画像検索を行いその結果を表示装置４０へ出力する。

画像記憶部１５は、ダーモスコープ付撮影装置２０により撮影される患部のダーモスコピー画像を記憶する他に、本実施形態に係るプログラムの実行途中で生成される画像他、各種データを記憶する。辞書記憶部１６は、コードブック生成部１２により生成されるＶｉｓｕａｌ Ｗｏｒｄ辞書１６０を記憶する。画像記憶部１５，辞書記憶部１６共に、半導体、磁気、光等のうち、いずれかの記憶素子が実装されている。

（実施形態の動作）
以下、図２，図３のフローチャートを参照して図１に示す本実施形態に係る診断支援装置１の処理動作について詳細に説明する。

まず、図２のフローチャートを参照しながら本実施形態に係る診断支援装置１のコードブック生成処理から説明する。

まず、医師が入力装置３０を操作することによる指示の下、ダーモスコープ付撮影装置２０により患部の撮影を行うと、装置本体１０は、撮影画像取得部１１が撮影後のダーモスコピー画像を取り込み、コードブック生成部１２へ出力する（ステップＳ２０１）。図４にダーモスコピー画像の一例が示されている。

コードブック生成部１２は、まず、ＲＧＢ画素値取得部１２１が、撮影画像取得部１１により取得されたダーモスコピー画像をＲＧＢ画素データに展開し、その全画面領域から一定間隔で画素値をサンプリングし、クラスタリング対象のデータ群に登録する（ステップＳ２０２）。この処理は、辞書記憶部１６に記憶されるＶｉｓｕａｌ Ｗｏｒｄ辞書１６０の作成対象となる全ての画像が終了するまで繰り返し実行され、全画像分ＲＧＢ画素値を指定間隔でサンプリングしクラスタリング対象のデータ群に登録する処理が終了すると（ステップＳ２０３“ＹＥＳ”）、クラスタリング処理部１２２に制御を移す。

クラスタリング処理部１２２は、クラスタリング対象データ群に登録された全サンプリング点（サンプリングデータ）をｋ−ｍｅａｎｓ法等、分割最適化手法によるクラスタリングを実行し（ステップＳ２０４）、各クラスタ中心値をＶｉｓｕａｌ Ｗｏｒｄとしてコードブック登録部１２３に出力する（ステップＳ２０５）。コードブック登録部１２３は、生成されたＶｉｓｕａｌ Ｗｏｒｄを辞書記憶部１６のＶｉｓｕａｌ Ｗｏｒｄ辞書１６０に登録する。このとき、例えば、図５にそのデータ構造の一例が示されているように、血管強調により強調される箇所の画素値（Ｒ，Ｇ，Ｂ）＝（２５５，０，０）が追加Ｖｉｓｕａｌ Ｗｏｒｄとして追加登録される。

次に、図３のフローチャートを参照しながら本実施形態に係る診断支援装置１のＢｏＦ特徴ベクトル抽出処理ついて説明する。

ここでは、処理部１３が、コードブック生成部１２により生成されるＶｉｓｕａｌ Ｗｏｒｄ辞書１６０を用いて、ＢｏＦ特徴ベクトル抽出を行う。このため、まず、医師が入力装置３０を操作することによる指示の下、ダーモスコープ付撮影装置２０により患部の撮影を行うと、装置本体１０は、撮影画像取得部１１が撮影後のダーモスコピー画像を取り込み、処理部１３へ出力する（ステップＳ３０１）。

続いて、処理部１３は、前処理部１３１が、撮影画像取得部１１により取得されたダーモスコピー画像を所定のアルゴリズムにしたがい血管強調する（ステップＳ３０２）。図６に血管強調画像の一例が示されている。ただし、血管強調部には、Ｖｉｓｕａｌ Ｗｏｒｄ辞書１６０を作成する際に追加した画素値（Ｒ，Ｇ，Ｂ）＝（２５５，０，０）を用いる。

次に、前処理部１３１は、Ｖｉｓｕａｌ Ｗｏｒｄ辞書１６０の作成時と同様に、ダーモスコピー画像をＲＧＢ画素データに展開し、全画面領域から、一定間隔で画素値をサンプリングしてＢｏＦ特徴ベクトル抽出部１３２へ出力する（ステップＳ３０３）。

ＢｏＦ特徴ベクトル抽出部１３２は、各サンプリング値をＶｉｓｕａｌ Ｗｏｒｄ辞書１６０に基づきベクトル量子化することによりＶｉｓｕａｌ Ｗｏｒｄヒストグラム（ＢｏＦ特徴ベクトル）を作成する（ステップＳ３０４）。図７に、縦軸に血管色Ｖｉｓｕａｌ Ｗｏｒｄ、横軸に出現頻度をとったＶｉｓｕａｌ Ｗｏｒｄヒストグラムの一例が示されている。図中、右端のｂｉｎが血管強調部に追加されるＶｉｓｕａｌ Ｗｏｒｄである。

ＢｏＦ特徴ベクトル抽出部１３２は、血管色Ｖｉｓｕａｌ Ｗｏｒｄの重みが全体のＶｉｓｕａｌ Ｗｏｒｄ数に影響されるため、血管色Ｖｉｓｕａｌ Ｗｏｒｄのｂｉｎ値を明示的に定数倍することによって重みを変更する（ステップＳ３０５）。この場合、同じ値の血管色Ｖｉｓｕａｌ Ｗｏｒｄを複数個加えてもよい。

続いて、ＢｏＦ特徴ベクトル抽出部１３２は、得られるＶｉｓｕａｌ Ｗｏｒｄヒストグラム（ＢｏＦ特徴ベクトル）の大きさを揃えるために、Ｌ２ノルム正規化を行うことにより一連のＢｏＦ特徴ベクトル抽出処理を終了する（ステップＳ３０６）。

なお、検索手段１４は、生成されたｖｉｓｕａｌ Ｗｏｒｄ辞書１６０を用いてＢｏＦ特徴ベクトル抽出による類似画像検索を行い表示装置４０へ出力する。このとき、血管を伴う画像のＢｏＦの特徴量表現で前処理として血管強調を行い、ベクトル量子化時に、血管領域について特定のＶｉｓｕａｌ Ｗｏｒｄを割り当てることにより、血管画像の弁別性を高めることができる。

（実施形態の効果）
以上説明のように本実施形態に係る診断支援装置１によれば、装置本体１０は、病変に係る既知の第１撮影画像に基づいて形成されるリファレンス画像について血管強調の画素値が付加されたコードブック（Ｖｉｓｕａｌ Ｗｏｒｄ辞書１６０）を生成するコードブック生成部１２と、病変に係る未知の第２撮影画像に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化する処理部１３と、により構成され、処理部１３が、クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、Ｖｉｓｕａｌ Ｗｏｒｄ辞書１６０に付加された血管強調の画素値を割り当てることにより血管画像の弁別性を高めることができる。このため、ＲＧＢ色空間では、比較的近接している薄茶色いメラニンと血腫の分離性が良くなり、画像の選別に有効な特徴量が得られることから血管領域とメラニン色素領域との区別が容易になる。

なお、上記した本実施形態に係る診断支援装置１は、局所特徴ベクトルはＢｏＦ特徴ベクトルであるとして説明したが、他に、量子化残差の和を用いるＶＬＡＤ（Vector of Locally Aggregated Description）としてもよい。

また、本実施形態に係る診断支援装置１は、図１に示すスタンドアロン構成で説明したが、例えば、装置本体１０をサーバで実現し、入力装置３０と表示装置４０をサーバにＩＰ（Internet Protocol）網等のネットワーク経由で接続される端末で実現し、サーバが、端末から検索クエリを受信することによりコードブックを参照して局所特徴ベクトルを抽出し、クエリ画像に類似する候補を検索して要求のあった端末に出力するクライアントサーバシステムで実現してもよい。

なお、本実施形態に係る画像処理方法は、例えば、図１に示すように、撮影画像から病変を診断するための診断支援装置１における画像処理方法である。そして、その画像処理方法は、病変に係る既知の第１撮影画像に基づいて形成されるリファレンス画像について血管強調の画素値を付加されたコードブックを生成するステップ（Ａ）と、病変に係る未知の第２撮影画像に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化するステップ（Ｂ）と、を備え、前記ステップ（Ｂ）が、前記クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、前記コードブックに付加された血管強調の前記画素値を割り当てることにより、血管画像の弁別性を高めることを特徴とする。

ここで、ステップ（Ａ）とは、例えは、図２のフローチャートに示すにステップＳ２０１〜Ｓ２０６をいい、ステップ（Ｂ）とは、例えば、図３のフローチャートのステップＳ３０１〜Ｓ３０６をいう。

また、本実施形態に係る画像処理方法において、前記ステップ（Ａ）が、入力された前記第１撮影画像をＲＧＢ画素データに展開するステップ（Ａ１）と、全画面領域から一定間隔で画素値をサンプリングしてクラスタリング対象のデータ群に登録するするステップ（Ａ２）と、ＲＧＢ画素の画素値の登録を対象の前記第１撮影画像に対して完了するまで処理を繰り返すステップ（Ａ３）と、登録されたサンプリングデータの少なくとも一部についてクラスタリングを行うステップ（Ａ４）と、得られた各クラスタの中心値を前記コードブックに登録するステップ（Ａ５）と、前記コードブックに新たに血管強調で強調される箇所の画素値を追加登録するステップ（Ａ６）と、を備えることを特徴とする。

ここで、（Ａ１）は、図２のフローチャートのステップＳ２０１、（Ａ２）は、図２のフローチャートのステップＳ２０２、（Ａ３）は、図２のフローチャートのステップＳ２０１〜Ｓ２０３、（Ａ４）は図２のフローチャートのステップＳ２０４、（Ａ５）は図２のフローチャートのステップＳ２０５、（Ａ６）は図２のフローチャートのステップＳ２０６、のそれぞれをいう。

また、本実施形態に係る画像処理方法におけるステップ（Ｂ）において、前記局所特徴ベクトルが、局所特徴ベクトル群を抽出するステップ（Ｂ１）と、前記コードブックにしたがい抽出した前記局所特徴ベクトル群をベクトル数分量子化するステップ（Ｂ２）と、量子化して得られる複数の値を統計処理するステップ（Ｂ３）と、を備えることを特徴とする。ここで、（Ｂ１）〜（Ｂ３）は、図３のフローチャートのステップＳ３０４をいう。

本実施形態に係る画像処理方法によれば、血管画像の弁別性を高め、血管領域とメラニン色素領域との区別が容易になり、その結果、精度の高い診断支援を行うことができる。

なお、本実施形態に係るプログラムは、例えば、図１に示すように、撮影画像から病変を診断するための診断支援装置１における画像処理方法のプログラムである。そしてそのプログラムは、コンピュータ（装置本体１０）に、上記した本実施形態に係る画像処理方法における各ステップと同様の処理を実行させるものであり、重複を回避する意味で各処理の説明を省略する。

本実施形態に係るプログラムによれば、装置本体１０が、上記した本実施形態に係るプログラムを読み出し実行することにより、血管画像の弁別性を高め、血管領域とメラニン色素領域との区別が容易になり、その結果、精度の高い診断支援を行うことができる。なお、本実施形態に係るプログラムは、装置本体１０内の図示省略したプログラムメモリに記憶される。

以上、実施形態を用いて本発明を説明したが、本発明の技術的範囲は上記実施形態に記載の範囲には限定されないことはいうまでもない。上記実施形態に、多様な変更または改良を加えることが可能であることが当業者に明らかである。またその様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

以下に、この出願の願書に最初に添付した特許請求の範囲に記載した発明を付記する。付記に記載した請求項の項番は、この出願の願書に最初に添付した特許請求の範囲の通りである。
［請求項１］
撮影画像から病変を診断するための診断支援装置であって、
病変に係る既知の第１撮影画像に対応するリファレンス画像について血管強調情報を付加されたコードブックを備え、
病変に係る未知の第２撮影画像に対応するクエリ画像について、前処理として血管強調を行い、血管相当領域について、前記コードブックに付加された血管強調情報を割り当てることを特徴とする診断支援装置。
［請求項２］
撮影画像から病変を診断するための診断支援装置であって、
病変に係る既知の第１撮影画像に基づいて形成されるリファレンス画像において前処理として血管強調された血管強調部に対応するビジュアルワードが付加されたコードブックと、
病変に係る未知の第２撮影画像に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化する処理部と、を備え、
前記処理部が、前記クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、前記コードブックに付加された前記ビジュアルワードを割り当てることにより、血管画像の弁別性を高めることを特徴とする診断支援装置。
［請求項３］
前記コードブックが、
入力された前記第１撮影画像を色空間画素データに展開し、
全画面領域から一定間隔で画素値をサンプリングしてクラスタリング対象のデータ群に登録し、
色空間画素の画素値の登録を対象の前記第１撮影画像に対して完了するまで処理を繰り返し、
登録されたサンプリングデータの少なくとも一部についてクラスタリングを行い、
得られた各クラスタの中心値を前記コードブックに登録し、
前記コードブックに新たに血管強調された血管強調部に対応するビジュアルワードを追加登録することによって得られることを特徴とする請求項２に記載の診断支援装置。
［請求項４］
前記局所特徴ベクトルが、局所特徴ベクトル群を抽出し、前記コードブックにしたがい抽出した前記局所特徴ベクトル群をベクトル数分量子化後、量子化した複数の値を統計処理したものであることを特徴とする請求項２又は３に記載の診断支援装置。
［請求項５］
撮影画像から病変を診断するための診断支援装置における画像処理方法であって、
病変に係る既知の第１撮影画像に基づいて形成されるリファレンス画像において前処理として血管強調された血管強調部に対応するビジュアルワードが付加されたコードブックを生成するステップ（Ａ）と、
病変に係る未知の第２撮影画像に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化するステップ（Ｂ）と、を備え、
前記ステップ（Ｂ）が、前記クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、前記コードブックに付加された前記ビジュアルワードを割り当てることにより、血管画像の弁別性を高めることを特徴とする画像処理方法。
［請求項６］
撮影画像から病変を診断するための診断支援装置における画像処理方法のプログラムであって、
コンピュータに、
病変に係る既知の第１撮影画像に基づいて形成されるリファレンス画像において前処理として血管強調された血管強調部に対応するビジュアルワードが付加されたコードブックを生成する処理（Ａ）と、
病変に係る未知の第２撮影画像に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化する処理（Ｂ）と、を実行させ、
前記処理（Ｂ）が、前記クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、前記コードブックに付加された前記ビジュアルワードを割り当てることにより、血管画像の弁別性を高めることを特徴とするプログラム。

１…診断支援装置、１０…装置本体、１１…撮影画像取得部、１２…コードブック生成部、１３…処理部、１４…検索手段、１５…画像記憶部、１６…辞書記憶部、２０…ダーモスコープ付撮影装置、３０…入力装置、４０…表示装置、１２１…ＲＧＢ画素値取得部、１２２…クラスタリング処理部、１２３…コードブック登録部、１３１…前処理部、１３２…ＢｏＦ特徴ベクトル抽出部、１５１…ベクトル間距離算出部、１６０…Ｖｉｓｕａｌ Ｗｏｒｄ辞書

Claims (6)

1. 撮影画像から病変を診断するための診断支援装置であって、
   病変に係る既知の第１撮影画像に対応するリファレンス画像について血管強調情報を付加されたコードブックを備え、
   病変に係る未知の第２撮影画像に対応するクエリ画像について、前処理として血管強調を行い、血管相当領域について、前記コードブックに付加された血管強調情報を割り当てることを特徴とする診断支援装置。
2. 撮影画像から病変を診断するための診断支援装置であって、
   病変に係る既知の第１撮影画像に基づいて形成されるリファレンス画像において前処理として血管強調された血管強調部に対応するビジュアルワードが付加されたコードブックと、
   病変に係る未知の第２撮影画像に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化する処理部と、を備え、
   前記処理部が、前記クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、前記コードブックに付加された前記ビジュアルワードを割り当てることにより、血管画像の弁別性を高めることを特徴とする診断支援装置。
3. 前記コードブックが、
   入力された前記第１撮影画像を色空間画素データに展開し、
   全画面領域から一定間隔で画素値をサンプリングしてクラスタリング対象のデータ群に登録し、
   色空間画素の画素値の登録を対象の前記第１撮影画像に対して完了するまで処理を繰り返し、
   登録されたサンプリングデータの少なくとも一部についてクラスタリングを行い、
   得られた各クラスタの中心値を前記コードブックに登録し、
   前記コードブックに新たに血管強調された血管強調部に対応するビジュアルワードを追加登録することによって得られることを特徴とする請求項２に記載の診断支援装置。
4. 前記局所特徴ベクトルが、局所特徴ベクトル群を抽出し、前記コードブックにしたがい抽出した前記局所特徴ベクトル群をベクトル数分量子化後、量子化した複数の値を統計処理したものであることを特徴とする請求項２又は３に記載の診断支援装置。
5. 撮影画像から病変を診断するための診断支援装置における画像処理方法であって、
   病変に係る既知の第１撮影画像に基づいて形成されるリファレンス画像において前処理として血管強調された血管強調部に対応するビジュアルワードが付加されたコードブックを生成するステップ（Ａ）と、
   病変に係る未知の第２撮影画像に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化するステップ（Ｂ）と、を備え、
   前記ステップ（Ｂ）が、前記クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、前記コードブックに付加された前記ビジュアルワードを割り当てることにより、血管画像の弁別性を高めることを特徴とする画像処理方法。
6. 撮影画像から病変を診断するための診断支援装置における画像処理方法のプログラムであって、
   コンピュータに、
   病変に係る既知の第１撮影画像に基づいて形成されるリファレンス画像において前処理として血管強調された血管強調部に対応するビジュアルワードが付加されたコードブックを生成する処理（Ａ）と、
   病変に係る未知の第２撮影画像に基づいて形成されるクエリ画像について、局所特徴ベクトルを抽出してベクトル量子化する処理（Ｂ）と、を実行させ、
   前記処理（Ｂ）が、前記クエリ画像において前処理として血管強調を行い、ベクトル量子化時、血管領域について、前記コードブックに付加された前記ビジュアルワードを割り当てることにより、血管画像の弁別性を高めることを特徴とするプログラム。

Images