JP7240845B2 - 画像処理プログラム、画像処理装置、及び画像処理方法 - Google Patents
画像処理プログラム、画像処理装置、及び画像処理方法 Download PDFInfo
- Publication number
- JP7240845B2 JP7240845B2 JP2018190306A JP2018190306A JP7240845B2 JP 7240845 B2 JP7240845 B2 JP 7240845B2 JP 2018190306 A JP2018190306 A JP 2018190306A JP 2018190306 A JP2018190306 A JP 2018190306A JP 7240845 B2 JP7240845 B2 JP 7240845B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- value
- predetermined position
- slices
- high absorption
- 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 53
- 238000003672 processing method Methods 0.000 title claims description 10
- 238000002591 computed tomography Methods 0.000 claims description 169
- 238000010521 absorption reaction Methods 0.000 claims description 111
- 230000000694 effects Effects 0.000 claims description 48
- 230000005484 gravity Effects 0.000 claims description 31
- 210000004072 lung Anatomy 0.000 description 49
- 230000002159 abnormal effect Effects 0.000 description 18
- 238000012937 correction Methods 0.000 description 13
- 238000010801 machine learning Methods 0.000 description 9
- 238000003745 diagnosis Methods 0.000 description 8
- 230000010365 information processing Effects 0.000 description 8
- 238000000034 method Methods 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 8
- 208000019693 Lung disease Diseases 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000002835 absorbance Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 238000013170 computed tomography imaging Methods 0.000 description 4
- 208000029523 Interstitial Lung disease Diseases 0.000 description 3
- 206010014561 Emphysema Diseases 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000005337 ground glass Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 206010011878 Deafness Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000001926 lymphatic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Images
Description
(1)コンピュータは、身体部位の隣接する2枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、身体部位に作用する重力の方向に対応する所定位置に、第1高吸収領域と類似する第2高吸収領域が含まれるか否かを判定する。第1高吸収領域は、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域である。
(2)コンピュータは、複数のスライスのコンピュータ断層撮影画像内の所定位置に第2高吸収領域が含まれている場合、第2高吸収領域が重力効果に起因する高吸収領域であると判定する。
(C1)複数のスライス各々のCT画像421内において、肺野の背側の位置に存在する領域の画像特徴量が、GGOを含む高吸収領域の画像特徴量に対応する。
(C2)背側の位置を基準として、重力の方向とは逆の方向に存在する領域のCT値の統計値が、所定値よりも小さい。
(付記1)
身体部位の隣接する2枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に、特定の症例のコンピュータ断層撮影画像に現れる第1高吸収領域と類似する第2高吸収領域が含まれるか否かを判定し、
前記複数のスライスのコンピュータ断層撮影画像内の前記所定位置に前記第2高吸収領域が含まれている場合、前記第2高吸収領域が重力効果に起因する高吸収領域であると判定する、
処理をコンピュータに実行させるための画像処理プログラム。
(付記2)
前記コンピュータは、前記複数のスライス各々のコンピュータ断層撮影画像内の前記所定位置に存在する領域の画像特徴量が前記第1高吸収領域の画像特徴量に対応し、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する領域の画素値の統計値が所定値よりも小さい場合、前記所定位置に前記第2高吸収領域が含まれていると判定することを特徴とする付記1記載の画像処理プログラム。
(付記3)
前記コンピュータは、前記複数のスライス各々のコンピュータ断層撮影画像を複数のブロックに分割し、前記複数のブロックのうち前記所定位置に存在するブロックの画像特徴量が前記第1高吸収領域の画像特徴量に対応するか否かを判定し、前記所定位置に存在するブロックの画像特徴量が前記第1高吸収領域の画像特徴量に対応する場合、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値を求め、前記統計値が所定値よりも小さい場合、前記所定位置に前記第2高吸収領域が含まれていると判定することを特徴とする付記1記載の画像処理プログラム。
(付記4)
前記コンピュータは、機械学習によって生成された画像識別モデルを用いて、前記所定位置に存在するブロックの画像特徴量が前記第1高吸収領域の画像特徴量に対応するか否かを判定することを特徴とする付記3記載の画像処理プログラム。
(付記5)
前記身体部位は胸部であり、前記複数のスライス各々のコンピュータ断層撮影画像には肺野の画像が含まれており、前記所定位置は前記肺野内の背側の位置であり、前記特定の症例は肺疾患であり、前記第1高吸収領域はすりガラス陰影を含む領域であることを特徴とする付記1乃至4のいずれか1項に記載の画像処理プログラム。
(付記6)
前記複数のスライスは、前記肺野のうち下肺野の長さよりも長い部分に対応する、連続したスライスであることを特徴とする付記5記載の画像処理プログラム。
(付記7)
身体部位の隣接する2枚のスライスを含む複数のスライスのコンピュータ断層撮影画像を記憶する記憶部と、
前記複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に、特定の症例のコンピュータ断層撮影画像に現れる第1高吸収領域と類似する第2高吸収領域が含まれるか否かを判定し、前記複数のスライスのコンピュータ断層撮影画像内の前記所定位置に前記第2高吸収領域が含まれている場合、前記第2高吸収領域が重力効果に起因する高吸収領域であると判定する判定部と、
を備えることを特徴とする画像処理装置。
(付記8)
前記判定部は、前記複数のスライス各々のコンピュータ断層撮影画像内の前記所定位置に存在する領域の画像特徴量が前記第1高吸収領域の画像特徴量に対応し、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する領域の画素値の統計値が所定値よりも小さい場合、前記所定位置に前記第2高吸収領域が含まれていると判定することを特徴とする付記7記載の画像処理装置。
(付記9)
前記判定部は、前記複数のスライス各々のコンピュータ断層撮影画像を複数のブロックに分割し、前記複数のブロックのうち前記所定位置に存在するブロックの画像特徴量が前記第1高吸収領域の画像特徴量に対応するか否かを判定し、前記所定位置に存在するブロックの画像特徴量が前記第1高吸収領域の画像特徴量に対応する場合、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値を求め、前記統計値が所定値よりも小さい場合、前記所定位置に前記第2高吸収領域が含まれていると判定することを特徴とする付記7記載の画像処理装置。
(付記10)
前記判定部は、機械学習によって生成された画像識別モデルを用いて、前記所定位置に存在するブロックの画像特徴量が前記第1高吸収領域の画像特徴量に対応するか否かを判定することを特徴とする付記9記載の画像処理装置。
(付記11)
コンピュータにより実行される画像処理方法であって、
前記コンピュータが、
身体部位の隣接する2枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に、特定の症例のコンピュータ断層撮影画像に現れる第1高吸収領域と類似する第2高吸収領域が含まれるか否かを判定し、
前記複数のスライスのコンピュータ断層撮影画像内の前記所定位置に前記第2高吸収領域が含まれている場合、前記第2高吸収領域が重力効果に起因する高吸収領域であると判定する、
ことを特徴とする画像処理方法。
(付記12)
前記コンピュータは、前記複数のスライス各々のコンピュータ断層撮影画像内の前記所定位置に存在する領域の画像特徴量が前記第1高吸収領域の画像特徴量に対応し、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する領域の画素値の統計値が所定値よりも小さい場合、前記所定位置に前記第2高吸収領域が含まれていると判定することを特徴とする付記11記載の画像処理方法。
(付記13)
前記コンピュータは、前記複数のスライス各々のコンピュータ断層撮影画像を複数のブロックに分割し、前記複数のブロックのうち前記所定位置に存在するブロックの画像特徴量が前記第1高吸収領域の画像特徴量に対応するか否かを判定し、前記所定位置に存在するブロックの画像特徴量が前記第1高吸収領域の画像特徴量に対応する場合、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値を求め、前記統計値が所定値よりも小さい場合、前記所定位置に前記第2高吸収領域が含まれていると判定することを特徴とする付記11記載の画像処理方法。
(付記14)
前記コンピュータは、機械学習によって生成された画像識別モデルを用いて、前記所定位置に存在するブロックの画像特徴量が前記第1高吸収領域の画像特徴量に対応するか否かを判定することを特徴とする付記13記載の画像処理方法。
201、401 画像処理装置
211、411 記憶部
212、414 判定部
221、421 CT画像
402 CT装置
403 ストレージ装置
412 取得部
413 前処理部
415 出力部
422 判定結果
501、502、511、512 高吸収領域
701 領域
702 列
801 曲線
901 CPU
902 メモリ
903 入力装置
904 出力装置
905 補助記憶装置
906 媒体駆動装置
907 ネットワーク接続装置
908 バス
909 可搬型記録媒体
Claims (6)
- コンピュータのための画像処理プログラムであって、
前記画像処理プログラムは、
身体部位の隣接する2枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に存在する第1領域の画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する第2領域の画素値の統計値が所定値よりも小さい場合、前記第1領域が重力効果に起因する高吸収領域であると判定する、
処理を前記コンピュータに実行させ、
前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理プログラム。 - コンピュータのための画像処理プログラムであって、
前記画像処理プログラムは、
身体部位の隣接する2枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像を、複数のブロックに分割し、
前記複数のブロックのうち、前記身体部位に作用する重力の方向に対応する所定位置に存在するブロックの画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値が所定値よりも小さい場合、前記所定位置に存在するブロックが重力効果に起因する高吸収領域であると判定する、
処理を前記コンピュータに実行させ、
前記所定位置に存在するブロックを含む列は、前記複数のスライス各々のコンピュータ断層撮影画像内における前記重力の方向の列であり、前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理プログラム。 - 身体部位の隣接する2枚のスライスを含む複数のスライスのコンピュータ断層撮影画像を記憶する記憶部と、
前記複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に存在する第1領域の画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する第2領域の画素値の統計値が所定値よりも小さい場合、前記第1領域が重力効果に起因する高吸収領域であると判定する判定部と、
を備え、
前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理装置。 - 身体部位の隣接する2枚のスライスを含む複数のスライスのコンピュータ断層撮影画像を記憶する記憶部と、
前記複数のスライス各々のコンピュータ断層撮影画像を、複数のブロックに分割し、前記複数のブロックのうち、前記身体部位に作用する重力の方向に対応する所定位置に存在するブロックの画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値が所定値よりも小さい場合、前記所定位置に存在するブロックが重力効果に起因する高吸収領域であると判定する判定部と、
を備え、
前記所定位置に存在するブロックを含む列は、前記複数のスライス各々のコンピュータ断層撮影画像内における前記重力の方向の列であり、前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理装置。 - コンピュータにより実行される画像処理方法であって、
前記コンピュータが、
身体部位の隣接する2枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像内において、前記身体部位に作用する重力の方向に対応する所定位置に存在する第1領域の画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置を基準として前記重力の方向とは逆の方向に存在する第2領域の画素値の統計値が所定値よりも小さい場合、前記第1領域が重力効果に起因する高吸収領域であると判定し、
前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とすることを特徴とする画像処理方法。 - コンピュータにより実行される画像処理方法であって、
前記コンピュータが、
身体部位の隣接する2枚のスライスを含む複数のスライス各々のコンピュータ断層撮影画像を、複数のブロックに分割し、
前記複数のブロックのうち、前記身体部位に作用する重力の方向に対応する所定位置に存在するブロックの画像特徴量が、特定の症例のコンピュータ断層撮影画像に現れる高吸収領域の画像特徴量と類似しており、かつ、前記所定位置に存在するブロックを含む列において、前記所定位置に存在するブロック以外のブロックの画素値の統計値が所定値よりも小さい場合、前記所定位置に存在するブロックが重力効果に起因する高吸収領域であると判定し、
前記所定位置に存在するブロックを含む列は、前記複数のスライス各々のコンピュータ断層撮影画像内における前記重力の方向の列であり、前記統計値は、平均値、中央値、最頻値、最大値、最小値、又は総和であることを特徴とする画像処理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018190306A JP7240845B2 (ja) | 2018-10-05 | 2018-10-05 | 画像処理プログラム、画像処理装置、及び画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018190306A JP7240845B2 (ja) | 2018-10-05 | 2018-10-05 | 画像処理プログラム、画像処理装置、及び画像処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020058472A JP2020058472A (ja) | 2020-04-16 |
JP7240845B2 true JP7240845B2 (ja) | 2023-03-16 |
Family
ID=70219645
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018190306A Active JP7240845B2 (ja) | 2018-10-05 | 2018-10-05 | 画像処理プログラム、画像処理装置、及び画像処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7240845B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023080703A (ja) * | 2021-11-30 | 2023-06-09 | キヤノン株式会社 | 医用画像処理装置、方法及びプログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004135976A (ja) | 2002-10-18 | 2004-05-13 | Canon Inc | 画像取得装置、画像取得方法、記録媒体及びプログラム |
JP2007289335A (ja) | 2006-04-24 | 2007-11-08 | Hitachi Medical Corp | 医用画像診断支援装置 |
JP2008029415A (ja) | 2006-07-26 | 2008-02-14 | Hitachi Medical Corp | 医療画像装置 |
JP2017202208A (ja) | 2016-05-13 | 2017-11-16 | コニカミノルタ株式会社 | 動態解析システム |
-
2018
- 2018-10-05 JP JP2018190306A patent/JP7240845B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004135976A (ja) | 2002-10-18 | 2004-05-13 | Canon Inc | 画像取得装置、画像取得方法、記録媒体及びプログラム |
JP2007289335A (ja) | 2006-04-24 | 2007-11-08 | Hitachi Medical Corp | 医用画像診断支援装置 |
JP2008029415A (ja) | 2006-07-26 | 2008-02-14 | Hitachi Medical Corp | 医療画像装置 |
JP2017202208A (ja) | 2016-05-13 | 2017-11-16 | コニカミノルタ株式会社 | 動態解析システム |
Also Published As
Publication number | Publication date |
---|---|
JP2020058472A (ja) | 2020-04-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5159242B2 (ja) | 診断支援装置、診断支援装置の制御方法、およびそのプログラム | |
US9710907B2 (en) | Diagnosis support system using panoramic radiograph and diagnosis support program using panoramic radiograph | |
US20160128663A1 (en) | Systems and methods for determining hepatic function from liver scans | |
CN111445449B (zh) | 感兴趣区域的分类方法、装置、计算机设备和存储介质 | |
JP5331299B2 (ja) | 解剖学的構造内の疾患に関する疾患関連の変化の患者特異的解析を実行するための方法及びシステム | |
KR101530015B1 (ko) | 컴퓨터 단층촬영 이미지의 밀도 분석 방법 | |
JP2008259622A (ja) | レポート作成支援装置およびそのプログラム | |
JP2004105729A (ja) | コンピュータ支援による断層撮影マンモグラフィデータの分析 | |
US20120116219A1 (en) | System and method of ultrasound image processing | |
CN110992376A (zh) | 基于ct图像的肋骨分割方法、装置、介质及电子设备 | |
CN110796636A (zh) | 基于卷积神经网络的ct图像骨质状况检测方法及装置 | |
CN111127467A (zh) | 图像量化方法、计算机设备和存储介质 | |
Areeckal et al. | Early diagnosis of osteoporosis using radiogrammetry and texture analysis from hand and wrist radiographs in Indian population | |
JP5456132B2 (ja) | 診断支援装置、診断支援装置の制御方法、およびそのプログラム | |
Sun et al. | Detection and staging of chronic obstructive pulmonary disease using a computed tomography–based weakly supervised deep learning approach | |
KR20170140127A (ko) | Kpca, lda, 및 다중커널학습 svm을 이용한 뇌 이미지 분석방법 | |
CN110895812A (zh) | Ct图像的检测方法、装置、存储介质及电子设备 | |
JP7240845B2 (ja) | 画像処理プログラム、画像処理装置、及び画像処理方法 | |
EP3467770B1 (en) | Method for analysing a medical imaging data set, system for analysing a medical imaging data set, computer program product and a computer-readable medium | |
JP5640280B2 (ja) | 骨粗鬆症診断支援装置及び骨粗鬆症診断支援プログラム | |
US20220301177A1 (en) | Updating boundary segmentations | |
Gaggion et al. | Chexmask: a large-scale dataset of anatomical segmentation masks for multi-center chest x-ray images | |
Zheng et al. | Automated detection and quantitative assessment of pulmonary airways depicted on CT images | |
KR101455198B1 (ko) | Ct 영상 분석을 이용한 흉곽 변형성 정량적 평가 지표값 계산 방법, 시스템 및 기록 매체 | |
US11574727B2 (en) | Method for filtering normal medical image, method for interpreting medical image, and computing device implementing the methods |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210610 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220526 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220531 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220715 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20220715 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221018 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221214 |
|
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: 20230221 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230306 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7240845 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |