JP6792364B2 - 画像処理装置、画像処理システム、画像処理方法、およびプログラム - Google Patents
画像処理装置、画像処理システム、画像処理方法、およびプログラム Download PDFInfo
- Publication number
- JP6792364B2 JP6792364B2 JP2016144750A JP2016144750A JP6792364B2 JP 6792364 B2 JP6792364 B2 JP 6792364B2 JP 2016144750 A JP2016144750 A JP 2016144750A JP 2016144750 A JP2016144750 A JP 2016144750A JP 6792364 B2 JP6792364 B2 JP 6792364B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- image processing
- region
- extraction
- initial
- 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
- 238000012545 processing Methods 0.000 title claims description 158
- 238000003672 processing method Methods 0.000 title claims description 7
- 238000000605 extraction Methods 0.000 claims description 259
- 238000000034 method Methods 0.000 claims description 75
- 230000010354 integration Effects 0.000 claims description 52
- 238000011156 evaluation Methods 0.000 claims description 20
- 239000000284 extract Substances 0.000 claims description 20
- 230000005484 gravity Effects 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 description 64
- 206010056342 Pulmonary mass Diseases 0.000 description 61
- 238000002591 computed tomography Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 9
- 238000012804 iterative process Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002093 peripheral effect Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 239000002131 composite material Substances 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 239000011165 3D composite Substances 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 210000002307 prostate Anatomy 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/149—Segmentation; Edge detection involving deformable models, e.g. active contour models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
- G06V10/267—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion by performing operations on regions, e.g. growing, shrinking or watersheds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
- G06V10/754—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries involving a deformation of the sample pattern or of the reference pattern; Elastic matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20092—Interactive image processing based on input by user
- G06T2207/20101—Interactive definition of point of interest, landmark or seed
-
- 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
- G06T2207/30061—Lung
- G06T2207/30064—Lung nodule
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/032—Recognition of patterns in medical or anatomical images of protuberances, polyps nodules, etc.
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Databases & Information Systems (AREA)
- Library & Information Science (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Description
本実施形態に係る画像処理装置(システム)は、処理対象症例の胸部CT画像(処理対象画像)から、対象物である肺結節の領域(輪郭)を抽出する。画像処理装置は、対象物の領域(肺結節領域)に含まれる可能性が高い複数の基準点に基づいて取得した肺結節の複数個の初期抽出結果を統合する。そして、統合の結果に応じた算出方法により、対象物の領域(輪郭)を抽出する。以下の説明では、処理対象画像(画像)として胸部CT画像上の肺結節を対象物とする場合について説明するが、本発明の適用範囲は、被検体の対象臓器、腫瘍やモダリティの種類に限定されるものではない。以下、具体的な装置(システム)構成、機能構成および処理フローを説明する。
図1に基づいて本発明の第1実施形態に係る画像処理装置100、及び、画像処理装置100と接続される各装置から構成される画像処理システム190について詳しく説明する。画像処理システム190は、医用画像を取得し、当該医用画像に含まれる対象物の領域を画像処理により抽出する。画像処理システム190は、画像を撮影する画像撮影装置110と、撮影された画像を記憶するデータサーバ120と、画像処理を行う画像処理装置100と、取得された画像及び画像処理の結果を表示する表示部160と、操作入力のための操作部170と、を有する。ここで、医用画像とは、画像撮影装置110により取得された画像データを、診断に好適な画像とするための画像処理等を施すことにより得られる画像である。以下、画像処理システム190を構成する各部について説明する。
画像処理装置100は、例えば、コンピュータであり、本実施形態に係る画像処理を行う。画像処理装置100は、画像処理の実行により処理対象画像から対象物領域を抽出する。画像処理装置100は、中央演算処理装置(CPU:Central Processing Unit)11、主メモリ12、磁気ディスク13、表示メモリ14、および通信部15を有する。CPU11は、画像処理装置100の各構成要素の動作を統合的に制御する制御部として機能する。CPU11(制御部)の処理により、画像処理装置100が画像撮影装置110および表示部160(表示装置)の動作も併せて制御するようにしてもよい。主メモリ12は、CPU11が実行するプログラムを格納し、CPU11によるプログラム実行時の作業領域を提供する。磁気ディスク13は、オペレーティングシステム(OS:Operating System)、周辺機器のデバイスドライバ、後述する本実施形態に係る画像処理を行うためのプログラムを含む各種アプリケーションプログラムを格納する。表示メモリ14は、表示部160に表示するデータを一時的に格納する。通信部15は、例えば、LANカードなどにより構成され、ネットワーク19を介して、外部装置(例えば、画像撮影装置110やデータサーバ120やなど)と画像処理装置100との通信を実現する。ネットワーク19は、例えば、Ethernet(登録商標)、LAN(Local Area Network)やWAN(Wide Area Network)等を含む。また、通信部15は、ネットワーク19を介して、病院情報システム(HIS:Hospital Information Systems)や放射線情報システム(RIS:Radiology Information Systems)と通信を行い、被検者の情報や各種検査情報を取得することが可能である。
画像撮影装置110は、例えば、コンピュータ断層撮影装置(CT:Computed Tomography)、核磁気共鳴映像装置(MRI:Magnetic Resonance Imaging)、2次元の放射線画像を撮像する放射線撮影装置(DR:Digital Radiography)、光音響断層撮影装置(PAT:Photoacoustic Tomography)である。画像撮影装置110は取得した画像をデータサーバ120へ送信する。画像撮影装置110を制御する不図示の撮影制御部が画像処理装置100に含まれていてもよい。CPU11(制御部)の処理により、画像処理装置100のCPU11(制御部)が撮影制御部として機能して、画像撮影装置110を制御することも可能である。
データサーバ120は、画像撮影装置110が撮影した画像を保持する。データサーバ120は、例えば、画像保存通信システム(PACS:Picture Archiving and Communication System)のサーバである。画像処理装置100は、データサーバ120から、通信部15およびネットワーク19を介して、画像処理を実行するために必要なデータを読み込み、データサーバ120に保持された画像を取得する。
次に、図2に基づいて画像処理装置100を構成する各機能構成について説明する。主メモリ12に格納されている、プログラムをCPU11が実行することにより各機能構成が実現される。画像処理装置100は、機能構成として、画像取得部1000、基準点取得部1010、抽出結果取得部1020、抽出結果統合部1030、領域抽出部1040、表示制御部1050を有する。
続いて、本発明の第1実施形態に係る画像処理について説明する。図3は本実施形態の画像処理装置100が実行する処理手順を示す図である。本実施形態は、主メモリ12に格納されている各部の機能を実現するプログラムをCPU11が実行することにより実現される。本実施形態では、処理対象画像はCT画像であるとして説明する。CT画像は3次元濃淡画像として取得される。また、本実施形態では処理対象画像に含まれる対象物は肺結節であるとして説明する。
ステップS1100において、画像取得部1000は、画像処理の対象とする画像(処理対象画像)を取得する。すなわち、画像取得部1000は処理対象画像であるCT画像をデータサーバ120から取得し、画像処理装置100の主メモリ12上に記憶する。尚、処理対象画像の取得は、この例に限定されるものではなく、例えば、画像取得部1000は、画像撮影装置110で撮影した画像データを、通信部15を介して取得し、診断に好適な画像とするための濃度変換処理などの簡単な画像処理等を施して、本実施形態に係る画像処理を施す処理対象画像を取得可能である。例えば、画像撮影装置110がCT装置である場合、画像取得部1000は、画像撮影装置110からCT値とよばれる相対的なX線吸収係数値の一次元分布を画像データとして取得する。その後、画像取得部1000は画像再構成とよばれる処理を施して、3次元濃淡画像で表される処理対象画像を得る。画像取得部1000は、画像再構成を行って得られた3次元濃淡画像を処理対象画像として取得してもよい。
ステップS1110において、基準点取得部1010は、処理対象画像に含まれる対象物の領域に含まれる可能性の高い複数の点(基準点)に関する情報(基準点情報)を取得する。基準点取得部1010は、対象物の領域、例えば、肺結節領域に含まれる可能性が高いn個の点pseed_i(xseed_i,yseed_i,zseed_i)(i=1,2,・・・,n)を基準点として設定する。n個の点(基準点)の設定により、基準点pseed_i(i=1,2,・・・,n)を要素に持つ集合(基準点集合)P={pseed_i|i=1,2,・・・,n}が生成される。基準点取得部1010による基準点の取得について以下、具体的に説明する。
ステップS1120において、抽出結果取得部1020は、初期領域抽出処理によって複数の肺結節の初期抽出結果を取得する。抽出結果取得部1020は、ステップS1110で取得した局所画像領域V(x,y,z)と、基準点群Pとを用いて、夫々の基準点から初期抽出結果を取得する。本処理によって、各基準点と1対1の対応関係を持つ肺結節の初期抽出結果が取得される。本実施形態では、初期抽出結果を、抽出された肺結節領域(前景領域)に含まれる画素の値を「1」とし、その他の領域(背景領域)に含まれる画素の値を「0」とする、マスク画像として説明する。
次に、ステップS1130において、抽出結果統合部1030は、抽出結果取得部1020が取得した複数の初期抽出結果を統合した統合結果を生成する。抽出結果統合部1030は、ステップS1120で取得した複数の初期抽出結果Ri(i=1,2,・・・,n)を統合し、統合の結果をRp(x,y,z)とする(統合結果)。本実施形態では、統合結果Rp(x,y,z)の各画素の画素値を、肺結節領域である可能性を表す尤度(存在確率p)とし、統合結果Rp(x,y,z)を肺結節領域の尤度マップとする。統合結果Rp(尤度マップ)における画素の値が大きいほど当該画素が肺結節領域である可能性が高い。
ステップS1140では、領域抽出部1040は、基準点取得部1010が取得した基準点情報、および抽出結果統合部1030が取得した初期抽出結果の統合結果に基づいて、画像取得部1000が取得した処理対象画像から対象物の領域(肺結節の領域)を抽出する。領域抽出部1040は、ステップS1110で取得した基準点群Pと、ステップS1120で取得した局所画像領域V'(x,y,z)と初期抽出結果Ri(i=1,2,・・・,n)、およびステップS1130で取得した正規化尤度マップR'pを用いて、対象物領域である各肺結節の領域を処理対象画像の局所画像領域から抽出する。
ステップS1150において、表示制御部1050は、領域抽出の結果を表示部160に表示させるための表示制御を行う。表示制御部1050は、ステップS1140で抽出した領域に関する情報(領域抽出の結果)を画像処理装置100に接続された表示部160に送信し、表示部160に領域抽出の結果を表示させる制御を行う。表示制御部1050は、例えば、抽出された対象物領域と元の3次元CT画像(処理対象画像)とを重ね合わせて合成した画像(以下、合成画像と称する)を表示部160に表示させる表示制御を行うことが可能である。別の例として、表示制御部1050は、対象物の領域と所定の面で切断した2次元の断面画像との合成画像を表示部160に表示させる表示制御を行うことが可能である。さらに別の例として、表示制御部1050は、3次元の合成画像をボリュームレンダリングして表示部160に表示させる表示制御を行うことが可能である。
本発明の第2実施形態に係る画像処理について説明する。本実施形態では、基準点取得部1010が取得する基準点の増加(基準点の逐次追加設定)に伴い、抽出される対象物領域の変化量(例えば、抽出される対象物領域の体積の差分)を計算し、変化量(体積の差分)が収束するまで処理を繰り返して、対象物領域の抽出処理を実行する構成について説明する。尚、抽出される対象物領域の変化量は、体積の差分に限定されるものではなく、例えば、対象物領域の輪郭の位置情報や対象物領域の所定の断面の面積など、抽出される対象物領域の特徴を示す特徴情報の差分であってもよい。
図9に基づいて、本発明の第2実施形態に係る画像処理装置200を構成する各機能構成について説明する。画像処理装置200は、本発明の第2実施形態に係る画像処理を実行する。画像処理装置200は、機能構成として、画像取得部1000、基準点取得部1015、抽出結果取得部1020、抽出結果統合部1030、領域抽出部1040、処理制御部1045、表示制御部1050を有する。第1実施形態に係る画像処理装置100を構成する機能構成と同様の機能を有する構成には図2と同一の番号を付しており、詳細な説明を省略する。
続いて、本発明の第2実施形態に係る画像処理について説明する。図10は本実施形態の画像処理装置200が実行する処理手順を示す図である。本実施形態は、主メモリ12に格納されている各部の機能を実現するプログラムをCPU11が実行することにより実現される。ステップS2100、S2120、S2130、S2140の処理は図3に示すステップS1100、S1120、S1130、S1140の処理とそれぞれ同様であるため、詳細な説明を省略する。
ステップS2100において、画像取得部1000は画像処理の対象とする処理対象画像を取得する。すなわち、画像取得部1000は処理対象画像であるCT画像をデータサーバ120から取得し、画像処理装置100の主メモリ12上に記憶する。この処理は、ステップS1100と同様の処理であるため、処理対象画像の取得に関する詳細な説明を省略する。
ステップS2115で、基準点取得部1015は、処理対象画像に含まれる対象物の領域に含まれる可能性の高い複数の点(基準点)に関する基準点情報を、繰り返し処理を実施することにより取得する。すなわち、基準点取得部1015は、初期抽出結果を取得するための複数の基準点を、繰り返し処理を実施することにより取得する。ここで、繰り返し処理を実施するために、基準点取得部1015は、前回の処理結果に基づいて処理を行う。例えば、繰り返し処理の回数をSとすると、S=1(1回目の基準点取得)のとき、基準点取得部1015はLoGカーネルの出力値が最も大きい画素から順番にn1個の点(画素)を基準点として取得する。次に、S=2(2回目の基準点取得)のとき、基準点取得部1015はLoGカーネルの出力値の大きさがn1+1番目の点からLoGカーネルの出力値の大きい順にn2個の点(画像)を追加の基準点として取得する。このような処理を、後述の処理制御部1045により領域抽出結果での変化の収束完了判定がなされるまで、繰り返し実行する。基準点取得部1015が取得する基準点の数n2は、繰り返し処理の回数がS=1のときに基準点取得部1015が取得した基準点の数n1と同じであってもよいし、操作者が必要に応じて異なる基準点の数を任意に設定してもよい。繰り返し処理の回数がS>2のときも同様である。また、基準点取得部1015は、取得する基準点の個数を繰り返し回数に応じて増加させてもよい。例えば、S=1のとき、ステップS2115で、基準点取得部1015は基準点として一つの点を取得し、S=2では基準点として二つの点を取得し、S=3では基準点として三つの点を取得してもよい。
ステップS2120において、抽出結果取得部1020は、初期領域抽出処理によって複数の肺結節の初期抽出結果を取得する。抽出結果取得部1020は、局所画像領域V'(x,y,z)と基準点群pS seed_iを用いて、ステップS1120と同様に、複数回の領域抽出処理を行い、各々の基準点に対応した肺結節の初期抽出結果RS i(i=1,2,・・・ns)を取得する。Sは、繰り返し処理の回数である。
ステップS2130において、抽出結果統合部1030は、抽出結果取得部1020が取得した複数の初期抽出結果を統合した統合結果を生成する。抽出結果統合部1030は、ステップS2120で取得した全ての初期抽出結果R1 i(i=1,2,・・・n1)、R2 i(i=1,2,・・・n2)・・・RS i(i=1,2,・・・ns)を統合した統合結果Rp(x,y,z)を取得する。そして、抽出結果統合部1030は、取得した統合結果Rp(x,y,z)(尤度マップ)に対して、正規化処理を施し、正規化尤度マップR'pを取得する。抽出結果統合部1030による処理は第1実施形態の図6で説明したステップS1130と同様の処理であるため、説明を省略する。
ステップS2140において、領域抽出部1040は、基準点取得部1010が取得した基準点情報、および抽出結果統合部1030が取得した初期抽出結果の統合結果に基づいて、画像取得部1000が取得した処理対象画像から対象物の領域(肺結節の領域)を抽出する。領域抽出部1040は、局所画像領域V'(x,y,z)と、基準点群pS seed_iと、初期抽出結果群RS i、正規化尤度マップR'pを用いて、対象物である肺結節の領域を抽出する。領域抽出部1040によって抽出された肺結節領域のS回目の領域抽出結果をRf(S)とする。この処理は第1実施形態で説明したステップS1140と同様の処理であるため、説明を省略する。
ステップS2045において、処理制御部1045は、ステップS2040で取得したS回目の領域抽出結果Rf(S)とS−1回目の領域抽出結果Rf(S−1)との差分を算出し、ステップS2148において、処理制御部1045は、算出した差分と閾値とを比較して、繰り返し処理を行うか否かを判定する判定処理を行う。判定処理は、例えば、S回目の領域抽出結果Rf(S)の体積とS−1回目の領域抽出結果Rf(S−1)の体積との差分Vdiffに基づいて実施する。体積の差分Vdiffが閾値VTより大きい場合(S2148−Yes)、処理制御部1045は、基準点取得部1010から、領域抽出部1040までの処理(S2100〜S2140)を繰り返し実施すると判定する。また、処理制御部1045は、体積の差分Vdiffが閾値VT以下の場合(S2148−No)、領域抽出結果は収束したと判定する(収束完了判定)。判定処理に用いる閾値VTは式8のように算出してもよい。
ステップS2150において、表示制御部1050は、領域抽出の結果を表示する処理を行う。繰り返し処理が必要でないと判断された場合、すなわち、処理制御部1045によって、体積の差分Vdiffが閾値VT以下と判定された場合、表示制御部1050は、領域抽出の結果を画像処理装置200に接続された表示部160に送信し、表示部160に領域抽出の結果を表示させる制御を行う。ステップS2150の処理は、第1実施形態の図8で説明したS1150と同様の処理であるため、説明を省略する。
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
Claims (19)
- 画像から一つの対象物領域を抽出する画像処理装置であって、
前記画像において、前記一つの対象物領域内に複数の基準点を設定する設定手段と、
前記一つの対象物領域が有する特性に基づいて、前記一つの対象物領域に対して前記複数の基準点の夫々と対応する複数の輪郭を抽出し、抽出された該複数の輪郭を複数の初期抽出結果として取得する取得手段と、
前記複数の初期抽出結果における各画素の値を統合した統合結果に基づいて、前記画像から前記一つの対象物領域を抽出する抽出手段と、
を備えることを特徴とする画像処理装置。 - 前記抽出手段は、前記統合結果における各画素が前記一つの対象物領域に含まれる尤度を示す尤度マップを生成し、前記尤度マップに基づいて前記画像から前記一つの対象物領域を抽出することを特徴とする請求項1に記載の画像処理装置。
- 前記抽出手段は、前記尤度マップにおける各画素の尤度と、前記一つの対象物領域が有する特性とに基づいて、前記画像から前記一つの対象物領域を抽出することを特徴とする請求項2に記載の画像処理装置。
- 前記一つの対象物領域が有する特性には、前記一つの対象物領域の領域内と領域外とで濃度値が変化する濃度値変化の特性と、前記一つの対象物領域が有する輪郭形状の特性と、が含まれることを特徴とする請求項2または3に記載の画像処理装置。
- 前記抽出手段は、前記濃度値変化の特性の評価結果と、前記輪郭形状の特性の評価結果と、前記尤度マップにおける各画素の尤度の評価結果とに基づいて、前記画像から前記一つの対象物領域を抽出することを特徴とする請求項4に記載の画像処理装置。
- 前記抽出手段は、前記複数の初期抽出結果における各画素の値を同じ画素位置において加算した結果に基づいて、前記一つの対象物領域を抽出することを特徴とする請求項1に記載の画像処理装置。
- 前記設定手段は、操作手段からの入力情報に基づいて設定した初期基準点の画像特徴と類似した画像特徴を有する複数の画素を前記複数の基準点として設定することを特徴とする請求項1乃至6のいずれか1項に記載の画像処理装置。
- 前記設定手段は、前記操作手段からの入力情報に基づいて設定した初期基準点と、前記初期基準点の画像特徴に類似した画像特徴を有する複数の画素とを、前記複数の基準点として設定することを特徴とする請求項7に記載の画像処理装置。
- 前記設定手段は、画像サイズを求めるための評価関数として、Laplacian of Gaussian(LoG)を用い、前記評価関数の出力値の分布に基づいて、前記一つの対象物領域を含む画像領域の画像サイズを決定することを特徴とする請求項7または8に記載の画像処理装置。
- 前記設定手段は、前記評価関数の出力値の最大値に対応する前記評価関数のスケールを表すパラメータに基づいて、前記一つの対象物領域を含む画像領域の画像サイズを決定することを特徴とする請求項9に記載の画像処理装置。
- 前記設定手段は、前記評価関数の出力値に基づいて前記複数の基準点を設定することを特徴とする請求項10に記載の画像処理装置。
- 前記取得手段は、前記複数の基準点の重心を求めることにより、前記一つの対象物領域を含む画像領域の位置を設定し、
前記取得手段は、前記画像サイズと前記位置とを用いて前記画像から前記画像領域を取得することを特徴とする請求項11に記載の画像処理装置。 - 前記画像特徴には、前記画像を構成する各画素の画素値、または、前記評価関数の出力値が含まれることを特徴とする請求項9乃至12のいずれか1項に記載の画像処理装置。
- 前記設定手段は、繰り返し演算において、複数の基準点を追加設定し、
前記取得手段は、設定されている第1の複数の基準点および前記追加設定された第2の複数の基準点の夫々と対応する対象物領域の輪郭を初期抽出結果として取得し、
前記抽出手段は、前記第1の複数の基準点および追加設定された前記第2の複数の基準点に基づいて取得された複数の初期抽出結果における各画素の値を統合した統合結果に基づいて、前記画像から前記一つの対象物領域を抽出する
ことを特徴とする請求項1乃至13のいずれか1項に記載の画像処理装置。 - 前記追加設定される複数の基準点の増加に伴い、前記抽出手段で抽出される前記一つの対象物領域の特徴を示す特徴情報の変化量を取得して、前記変化量と閾値との比較に基づいて前記繰り返し演算を継続するか否かを判定する判定手段を更に備えることを特徴とする請求項14に記載の画像処理装置。
- 前記抽出手段による領域抽出の結果を表示手段に表示させるための表示制御を行う表示制御手段を更に備え、
前記表示制御手段は、抽出された前記一つの対象物領域と前記画像とを重ね合わせて合成した画像を前記表示手段に表示させることを特徴とする請求項1乃至15のいずれか1項に記載の画像処理装置。 - 請求項1乃至16のいずれか1項に記載の画像処理装置を有することを特徴とする画像処理システム。
- 画像から一つの対象物領域を抽出する画像処理装置における画像処理方法であって、
前記画像において、前記一つの対象物領域内に複数の基準点を設定する工程と、
前記一つの対象物領域が有する特性に基づいて、前記一つの対象物領域に対して前記複数の基準点の夫々と対応する複数の輪郭を抽出し、抽出された該複数の輪郭を複数の初期抽出結果として取得する取得工程と、
前記複数の初期抽出結果における各画素の値を統合した統合結果に基づいて、前記画像から前記一つの対象物領域を抽出する工程と、
を有することを特徴とする画像処理方法。 - コンピュータに、請求項18に記載の画像処理方法の各工程を実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016144750A JP6792364B2 (ja) | 2016-07-22 | 2016-07-22 | 画像処理装置、画像処理システム、画像処理方法、およびプログラム |
US15/649,720 US10949698B2 (en) | 2016-07-22 | 2017-07-14 | Image processing apparatus, image processing system, image processing method, and storage medium |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016144750A JP6792364B2 (ja) | 2016-07-22 | 2016-07-22 | 画像処理装置、画像処理システム、画像処理方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018011870A JP2018011870A (ja) | 2018-01-25 |
JP6792364B2 true JP6792364B2 (ja) | 2020-11-25 |
Family
ID=60989515
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016144750A Active JP6792364B2 (ja) | 2016-07-22 | 2016-07-22 | 画像処理装置、画像処理システム、画像処理方法、およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10949698B2 (ja) |
JP (1) | JP6792364B2 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6862147B2 (ja) * | 2016-11-09 | 2021-04-21 | キヤノン株式会社 | 画像処理装置、画像処理装置の作動方法、画像処理システム |
US10504251B1 (en) * | 2017-12-13 | 2019-12-10 | A9.Com, Inc. | Determining a visual hull of an object |
JP7143118B2 (ja) * | 2018-05-23 | 2022-09-28 | 浜松ホトニクス株式会社 | 大腰筋領域画定装置および大腰筋領域画定方法 |
JP7181000B2 (ja) * | 2018-05-24 | 2022-11-30 | 日本電子株式会社 | 生物組織画像処理装置及び方法 |
CN109636810B (zh) * | 2018-11-28 | 2020-11-03 | 心医国际数字医疗系统(大连)有限公司 | Ct影像的肺结节分割方法及系统 |
JP2020096728A (ja) * | 2018-12-18 | 2020-06-25 | 大日本印刷株式会社 | ピクセル画像に基づいて所定の選択条件を満たすボクセルを選択するための装置、方法、及びプログラム |
JP2020170408A (ja) * | 2019-04-04 | 2020-10-15 | キヤノン株式会社 | 画像処理装置、画像処理方法、プログラム |
JPWO2021002356A1 (ja) * | 2019-07-02 | 2021-01-07 |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3330090B2 (ja) * | 1998-09-30 | 2002-09-30 | 松下電器産業株式会社 | 臓器境界抽出方法および装置 |
JP4614548B2 (ja) * | 2001-01-31 | 2011-01-19 | パナソニック株式会社 | 超音波診断装置 |
JP3881265B2 (ja) * | 2002-03-07 | 2007-02-14 | 富士フイルムホールディングス株式会社 | 異常陰影の検出領域設定装置 |
US7006677B2 (en) * | 2002-04-15 | 2006-02-28 | General Electric Company | Semi-automatic segmentation algorithm for pet oncology images |
US7035461B2 (en) * | 2002-08-22 | 2006-04-25 | Eastman Kodak Company | Method for detecting objects in digital images |
TWI239209B (en) * | 2004-04-08 | 2005-09-01 | Benq Corp | A specific image extraction method, storage medium and image pickup device using the same |
JP2006048205A (ja) * | 2004-08-02 | 2006-02-16 | Matsushita Electric Ind Co Ltd | 瞳孔検出装置および虹彩認証装置 |
US7907768B2 (en) * | 2006-12-19 | 2011-03-15 | Fujifilm Corporation | Method and apparatus for probabilistic atlas based on shape modeling technique |
JP4640845B2 (ja) * | 2007-03-05 | 2011-03-02 | 富士フイルム株式会社 | 画像処理装置およびそのプログラム |
EP2522279A4 (en) * | 2010-01-07 | 2016-11-30 | Hitachi Ltd | DIAGNOSIS DEVICE WITH MEDICAL PICTURES, METHOD FOR EXTRACTION AND PROCESSING OF THE CONTOUR OF MEDICAL PICTURES |
JP6383182B2 (ja) * | 2014-06-02 | 2018-08-29 | キヤノン株式会社 | 画像処理装置、画像処理システム、画像処理方法およびプログラム |
JP6158143B2 (ja) * | 2014-07-18 | 2017-07-05 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 石灰化表示装置及び撮影装置並びにプログラム |
-
2016
- 2016-07-22 JP JP2016144750A patent/JP6792364B2/ja active Active
-
2017
- 2017-07-14 US US15/649,720 patent/US10949698B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2018011870A (ja) | 2018-01-25 |
US10949698B2 (en) | 2021-03-16 |
US20180025250A1 (en) | 2018-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6792364B2 (ja) | 画像処理装置、画像処理システム、画像処理方法、およびプログラム | |
EP3444781B1 (en) | Image processing apparatus and image processing method | |
EP2443587B1 (en) | Systems for computer aided lung nodule detection in chest tomosynthesis imaging | |
Zhou et al. | Automated coronary artery tree extraction in coronary CT angiography using a multiscale enhancement and dynamic balloon tracking (MSCAR-DBT) method | |
Abdolali et al. | Automatic segmentation of mandibular canal in cone beam CT images using conditional statistical shape model and fast marching | |
US20070116334A1 (en) | Method and apparatus for three-dimensional interactive tools for semi-automatic segmentation and editing of image objects | |
JP6824845B2 (ja) | 画像処理システム、装置、方法およびプログラム | |
JP6643821B2 (ja) | 画像処理装置 | |
US9305356B2 (en) | Image processing method and apparatus | |
EP2953095B1 (en) | Image processing apparatus, image processing system, image processing method, and storage medium | |
WO2011114243A1 (en) | Functional image data enhancement and/or enhancer | |
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 | |
WO2005031649A1 (en) | Method and system for automatic orientation of local visualization techniques for vessel structures | |
JP6827707B2 (ja) | 情報処理装置および情報処理システム | |
JP6934734B2 (ja) | 画像処理装置、画像処理装置の制御方法およびプログラム | |
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 | |
Dovganich et al. | Automatic quality control in lung X-ray imaging with deep learning | |
US11244458B2 (en) | Image processing apparatus, image processing method, and program | |
Kockelkorn et al. | Semi-automatic classification of textures in thoracic CT scans | |
Xu et al. | Highly precise partial volume correction for PET images: An iterative approach via shape consistency | |
US11295451B2 (en) | Robust pulmonary lobe segmentation | |
Wieclawek et al. | Live-wire-based 3d segmentation method | |
US11704795B2 (en) | Quality-driven image processing | |
Medina et al. | Accuracy of connected confidence left ventricle segmentation in 3-D multi-slice computerized tomography images | |
O'Dell | Method for accurate sizing of pulmonary vessels from 3D medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190628 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200515 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200601 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200720 |
|
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: 20201009 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201106 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6792364 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |