JP6988926B2 - 画像処理装置、画像処理方法および画像処理プログラム - Google Patents
画像処理装置、画像処理方法および画像処理プログラム Download PDFInfo
- Publication number
- JP6988926B2 JP6988926B2 JP2019570260A JP2019570260A JP6988926B2 JP 6988926 B2 JP6988926 B2 JP 6988926B2 JP 2019570260 A JP2019570260 A JP 2019570260A JP 2019570260 A JP2019570260 A JP 2019570260A JP 6988926 B2 JP6988926 B2 JP 6988926B2
- Authority
- JP
- Japan
- Prior art keywords
- heat map
- object area
- generated
- image
- 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
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
- A61B1/045—Control thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Image Analysis (AREA)
- Endoscopes (AREA)
Description
画像中における検知対象物体の少なくとも一部が存在する位置を示す物体領域候補を複数生成する物体領域候補生成部と、
生成された物体領域候補を用いて、画像中における位置に対応するヒートマップを生成するヒートマップ生成部と、
生成されたヒートマップを用いて、1つ以上の物体領域候補から成る、検知対象物体の全体を囲う物体領域を出力する物体領域出力部
とを備える。
画像中における検知対象物体の少なくとも一部が存在する位置を示す物体領域候補を複数生成し、
生成された物体領域候補を用いて、画像中における位置に対応するヒートマップを生成し、
生成されたヒートマップを用いて、1つ以上の物体領域候補から成る、検知対象物体の全体を囲う物体領域を出力する
ことを備える。
画像中における検知対象物体の少なくとも一部が存在する位置を示す物体領域候補を複数生成し、
生成された物体領域候補を用いて、画像中における位置に対応するヒートマップを生成し、
生成されたヒートマップを用いて、1つ以上の物体領域候補から成る、検知対象物体の全体を囲う物体領域を出力する
ことをコンピュータに実現させるための画像処理プログラムである。
(画像処理装置)
本発明の第1の実施形態に係る画像処理装置100は、図1に示すように、物体領域候補生成部11、ヒートマップ生成部12、および、物体領域出力部13を備える。
図2に示すフローチャートを参照して、画像処理装置100の具体的な動作について説明する。
Rectanglen = [xn, yn, wn, hn, confn] …(式1)
本例では、物体領域は、検知対象物体の全体の外縁(外周)と接するように囲った(以下、この状態を外接とも称呼する)矩形を例とするが、これは矩形に限られず、例えば円でもよい。また物体領域の外接ではなく、検知対象物体の全体の内周と接するように囲ったものでもよい。また物体の重心を中心座標としてもよい。また、回転を表わす変数を加えて用いてもよい。
本発明の第1の実施形態における画像処理装置100は、不規則物体の全体を示す枠を高速に表示することができる。ひいてはオペレータによる不規則物体の発見および判断を容易にすることができる。この理由は、画像処理装置100が、各物体領域候補の信頼度に基づくヒートマップを用いて各物体領域を出力するため、検知対象物体の全体に外接する物体領域を正しく出力するからである。また、物体領域候補生成部11で生成される物体領域候補の信頼度から生成されるヒートマップ内のピクセルの値と予め設定される閾値とを比較して物体領域を出力するため、ニューラルネットワーク計算量と比して、遥かに少ない計算量で、高速に物体領域を出力するからである。
本発明の第1の実施形態においては、画像処理装置100はヒートマップを基に検知対象物体の物体領域を出力したが、当該物体領域の出力にはヒートマップとこれに対応する物体領域候補とを同時に用いても良い。また、第1の実施形態の物体領域候補生成部11が物体領域候補を生成する処理において、当該物体領域候補の数が多すぎる場合、当該物体領域候補の組み合わせの計算に多くの処理時間を要していた。そこで本発明の第2の実施形態においては、上記の生成する処理を簡略化して、ヒートマップおよびその物体領域候補を用いて検知対象物体の物体領域を出力する手法について説明する。
本発明の第2の実施形態に係る画像処理装置200は、図7に示すように、物体領域候補生成部21、ヒートマップ生成部22、および、物体領域出力部23を備える。
図8に示すフローチャートを参照して、画像処理装置200の具体的な動作について説明する。
本発明の第2の実施形態に係る画像処理装置200は、不規則物体の全体を示す枠を高速に表示することができる。ひいてはオペレータによる不規則物体の発見および判断を容易にすることができる。この理由は、画像処理装置200が、各物体領域候補の信頼度に基づくヒートマップのスコアを用いて各物体領域を出力するため、検知対象物体の全体に外接する物体領域を正しく出力するからである。また、物体領域候補生成部21で生成される物体領域候補の信頼度から生成されるヒートマップ内のピクセルの値と予め設定される閾値とを比較して物体領域を出力するため、ニューラルネットワーク計算量と比して、遥かに少ない計算量で、高速に物体領域を出力するからである。
尚、第1の実施形態と比して第2の実施形態では、物体領域候補生成部21の処理が簡略化されたため、全体の処理時間を早めることができる。第2の実施形態ではヒートマップ生成部22がヒートマップからスコアを算出する集計処理が必要となるが、物体領域出力部23が、ヒートマップを用いて物体領域候補の中から物体領域を構成する物体領域候補の選択を行うことにより、物体領域候補生成部11における処理が簡略化される。このため、物体領域候補数が多い場合でも、物体領域候補生成部11の処理時間が長期化することを避けられ、ひいては、全体としての処理時間を短縮することができる。
第1および第2の実施形態においては、主に、検知中に検知対象物体が静止している場合を想定しているが、検知対象物体は動くこともある。例えば検知対象物体が腫瘍の場合、腫瘍そのものは動かなくても周囲の不随意筋の動きに連動して動く場合もある。また、本発明の一利用例となる内視鏡動画像におけるリアルタイム腫瘍検知システムでは、医師による内視鏡操作に伴いカメラが動くことによって、画像中の腫瘍位置が動く。よって、第3の実施形態においては、検知中に検知対象物体が動く場合であっても高速に物体領域を出力可能な画像処理装置について説明する。
本発明の第3の実施形態に係る画像処理装置300は、図11に示すように、物体領域候補生成部31、ヒートマップ生成部32、および、物体領域出力部33を備える。尚、本実施形態においては、画像処理装置300が処理する画像は動画像(時間的に連続した一連の画像)であることを前提とする。
図12に示すフローチャートを参照して、上記画像処理装置300の具体的な動作について説明する。
Rectanglet,n = [xt,n, yt,n, wt,n, ht,n, conft,n] …(式2)
とし、上記時刻tにおけるヒートマップを
Score(Rectanglet,n)=Σt,w,hheatmapscore(t,i,j) …(式3)
とした場合、式(2)および式(3)を用いて、時刻t+1におけるヒートマップを、
Score(Rectanglet+1,n)=Σt,w,hheatmapscore(t,i,j)+Σt+1,i,jheatmapscore(t+1,i,j)…式(4)
と表わすことができる。
Score(Rectanglet+1,n)=wtΣt,w,hheatmapscore(t,i,j)+wt+1Σt+1,i,jheatmapscore(t+1,i,j)…(式6)
としてもよい。この各時刻の重みwtは、たとえばwt=1/tと設定してもよいし、各時刻tのヒートマップに応じて決定してもよい。例えばヒートマップ画像の類似度をwtとしてもよい。重み付けの一例として、過去に生成されたヒートマップと現在生成されたヒートマップとの一致度合いを示す類似度を算出して、重みとして利用してもよい。この場合、過去と現在において動きがない程一致度合いは高くなる。
本発明の第3の実施形態における画像処理装置300は、検知対象物体が動き、且つ、動画像で撮影された場合であっても、不規則物体の全体を示す枠を高速に表示することができる。ひいてはオペレータによる不規則物体の発見および判断を容易にすることができる。この理由は、ヒートマップ生成部32が、現時刻の物体領域候補に加え、過去の時刻にヒートマップ生成部32にて生成されたヒートマップも用いて、ヒートマップを生成し、物体領域出力部33が、このヒートマップを用いて、物体領域候補の中から物体領域を選択するからである。更に、各時刻に重みを与え、現時刻の類似度の基づき重みづけを行うことで、検知対象物体の動きに対して安定的に不規則物体の全体を示す枠を高速に表示することができる。ひいてはオペレータによる不規則物体の発見および判断を容易にすることができる。
上述した本発明の各実施形態において、図1、7、11等に示す画像処理装置における各構成要素の一部又は全部は、例えば図13に示すような情報処理装置500とプログラムとの任意の組み合わせを用いて実現することも可能である。情報処理装置500は、一例として、以下のような構成を含む。
・ROM(Read Only Memory)502
・RAM(Random Access Memory)503
・プログラム504および他のデータを格納する記憶装置505
・記録媒体506の読み書きを行うドライブ装置507
・通信ネットワーク509と接続する通信インターフェース508
・データの入出力を行う入出力インターフェース510
・各構成要素を接続するバス511
本願の各実施形態における画像処理装置の各構成要素は、これらの機能を実現するプログラム504をCPU501が取得して実行することで実現される。画像処理装置の各構成要素(例えば、物体領域候補生成部11、ヒートマップ生成部12、物体領域出力部13)の機能を実現するプログラム504は、例えば、予め記憶装置505やRAM503に格納されており、必要に応じてCPU501が読み出す。なお、プログラム504は、通信ネットワーク509を介してCPU501に供給されてもよいし、予め記録媒体506に格納されており、ドライブ装置507が当該プログラムを読み出してCPU501に供給してもよい。
11、21、31 物体領域候補生成部
12、22、32 ヒートマップ生成部
13、23、33 物体領域出力部
500 情報処理装置
501 CPU
503 RAM
504 プログラム
505 記憶装置
506 記録媒体
507 ドライブ装置
508 通信インターフェース
509 通信ネットワーク
510 入出力インターフェース
511 バス
Claims (7)
- 画像中における検知対象物体の少なくとも一部が存在する位置を示す物体領域候補を複数生成する物体領域候補生成手段と、
前記物体領域候補を用いて前記画像中における前記位置に対応するヒートマップを生成し、過去に生成されたヒートマップと、前記生成された前記位置に対応するヒートマップとの一致度合いを示す類似度を用いて前記過去に生成されたヒートマップを重みづけし、重みづけされた前記過去に生成されたヒートマップと、前記生成された前記位置に対応するヒートマップとを用いてヒートマップを再生成するヒートマップ生成手段と、
再生成された前記ヒートマップを用いて、1つ以上の前記物体領域候補から成る、前記検知対象物体の全体を囲う物体領域を出力する物体領域出力手段
とを備える画像処理装置。 - 前記ヒートマップ生成手段は、各物体領域候補が前記検知対象物体を含む確からしさを表わす信頼度を用いて、前記ヒートマップを生成する
請求項1に記載の画像処理装置。 - 前記物体領域出力手段は、前記ヒートマップを区分した複数の区画毎において、当該区画に紐付けられた前記信頼度が所定の閾値以上である区画の集合を含む物体領域候補を、前記物体領域として出力する
請求項2に記載の画像処理装置。 - 前記物体領域出力手段は、生成された前記物体領域候補が重畳された前記ヒートマップを用いて、前記物体領域を出力する
請求項1または請求項3のいずれかに記載の画像処理装置。 - 前記検知対象物体が、内視鏡画像に映る病変である
請求項1から請求項3のいずれかに記載の画像処理装置。 - 画像中における検知対象物体の少なくとも一部が存在する位置を示す物体領域候補を複数生成し、
前記物体領域候補を用いて前記画像中における前記位置に対応するヒートマップを生成し、
過去に生成されたヒートマップと、前記生成された前記位置に対応するヒートマップとの一致度合いを示す類似度を用いて前記過去に生成されたヒートマップを重みづけし、重みづけされた前記過去に生成されたヒートマップと、前記生成された前記位置に対応するヒートマップとを用いてヒートマップを再生成し、
再生成された前記ヒートマップを用いて、1つ以上の前記物体領域候補から成る、前記検知対象物体の全体を囲う物体領域を出力する
画像処理方法。 - 画像中における検知対象物体の少なくとも一部が存在する位置を示す物体領域候補を複数生成し、
前記物体領域候補を用いて前記画像中における前記位置に対応するヒートマップを生成し、
過去に生成されたヒートマップと、前記生成された前記位置に対応するヒートマップとの一致度合いを示す類似度を用いて前記過去に生成されたヒートマップを重みづけし、重みづけされた前記過去に生成されたヒートマップと、前記生成された前記位置に対応するヒートマップとを用いてヒートマップを再生成し、
再生成された前記ヒートマップを用いて、1つ以上の前記物体領域候補から成る、前記検知対象物体の全体を囲う物体領域を出力する
ことをコンピュータに実現させるための画像処理プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2018/004691 WO2019155628A1 (ja) | 2018-02-09 | 2018-02-09 | 画像処理装置、画像処理方法および記録媒体 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019155628A1 JPWO2019155628A1 (ja) | 2021-01-28 |
JP6988926B2 true JP6988926B2 (ja) | 2022-01-05 |
Family
ID=67548244
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019570260A Active JP6988926B2 (ja) | 2018-02-09 | 2018-02-09 | 画像処理装置、画像処理方法および画像処理プログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6988926B2 (ja) |
WO (1) | WO2019155628A1 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2022162766A1 (ja) * | 2021-01-27 | 2022-08-04 | ||
WO2023181353A1 (ja) * | 2022-03-25 | 2023-09-28 | 日本電気株式会社 | 画像処理装置、画像処理方法及び記憶媒体 |
WO2024024022A1 (ja) * | 2022-07-28 | 2024-02-01 | 日本電気株式会社 | 内視鏡検査支援装置、内視鏡検査支援方法、及び、記録媒体 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5489340B2 (ja) * | 2010-03-12 | 2014-05-14 | パナソニック株式会社 | 顔マスキング装置及び方法 |
JP6030457B2 (ja) * | 2013-01-23 | 2016-11-24 | 株式会社メガチップス | 画像検出装置及び制御プログラム並びに画像検出方法 |
JP6110174B2 (ja) * | 2013-03-26 | 2017-04-05 | 株式会社メガチップス | 画像検出装置及び制御プログラム並びに画像検出方法 |
JP6147056B2 (ja) * | 2013-03-29 | 2017-06-14 | 株式会社メガチップス | 画像検出装置及び制御プログラム並びに画像検出方法 |
JP6303090B2 (ja) * | 2014-03-24 | 2018-04-04 | アルパイン株式会社 | 画像処理装置および画像処理プログラム |
-
2018
- 2018-02-09 JP JP2019570260A patent/JP6988926B2/ja active Active
- 2018-02-09 WO PCT/JP2018/004691 patent/WO2019155628A1/ja active Application Filing
Also Published As
Publication number | Publication date |
---|---|
WO2019155628A1 (ja) | 2019-08-15 |
JPWO2019155628A1 (ja) | 2021-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10860930B2 (en) | Learning method, image recognition device, and computer-readable storage medium | |
KR102046134B1 (ko) | 복수의 이미지 간 차이점을 활용한 신경망 학습 방법 | |
Wang et al. | Afp-net: Realtime anchor-free polyp detection in colonoscopy | |
CN112543941A (zh) | 用于训练生成式对抗网络和使用经训练的生成式对抗网络的系统和方法 | |
CN112567381A (zh) | 用于处理来自医学成像设备的实时视频并检测视频中的对象的系统和方法 | |
JP6988926B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
JP2021513435A (ja) | 胃腸腫瘍を診断するシステム及び方法 | |
US9898819B2 (en) | System and method for detecting region of interest | |
CN110415792B (zh) | 图像检测方法、装置、计算机设备和存储介质 | |
JP2015154918A (ja) | 病変検出装置及び方法 | |
KR102530010B1 (ko) | 의료 영상 기반 질환 중증도 결정 장치 및 방법 | |
EP2810217B1 (en) | Graph cuts-based interactive segmentation of teeth in 3-d ct volumetric data | |
EP3981012A1 (en) | Systems and methods to process images for skin analysis and to visualize skin analysis | |
US20220301159A1 (en) | Artificial intelligence-based colonoscopic image diagnosis assisting system and method | |
CN108697310B (zh) | 图像处理装置、图像处理方法和记录了程序的介质 | |
Barnett et al. | Interpretable mammographic image classification using case-based reasoning and deep learning | |
Dijkstra et al. | Towards a Single Solution for Polyp Detection, Localization and Segmentation in Colonoscopy Images. | |
US11475568B2 (en) | Method for controlling display of abnormality in chest x-ray image, storage medium, abnormality display control apparatus, and server apparatus | |
KR102542016B1 (ko) | 의료 영상의 가명화 방법 및 장치 | |
JP5365408B2 (ja) | 移動体認識装置、移動体認識方法及びプログラム | |
JP6996303B2 (ja) | 医用画像生成装置 | |
US20220277445A1 (en) | Artificial intelligence-based gastroscopic image diagnosis assisting system and method | |
WO2020194664A1 (ja) | トラッキング装置、学習済モデル、内視鏡システム及びトラッキング方法 | |
Saeed et al. | MSFF: An automated multi-scale feature fusion deep learning model for spine fracture segmentation using MRI | |
Strümke et al. | Artificial Intelligence in Medicine: Gastroenterology |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200708 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200708 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210427 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210625 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210713 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210910 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20211021 |
|
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: 20211102 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211115 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6988926 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |