JP7265805B2 - 画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体 - Google Patents
画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体 Download PDFInfo
- Publication number
- JP7265805B2 JP7265805B2 JP2021562735A JP2021562735A JP7265805B2 JP 7265805 B2 JP7265805 B2 JP 7265805B2 JP 2021562735 A JP2021562735 A JP 2021562735A JP 2021562735 A JP2021562735 A JP 2021562735A JP 7265805 B2 JP7265805 B2 JP 7265805B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- reference value
- maximum
- binarized
- image analysis
- 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
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
- G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
-
- 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
- G06T7/0014—Biomedical image inspection using an image reference approach
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
- A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computerised tomographs
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
-
- 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
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- 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
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking
-
- 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
- G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
-
- 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
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G06T2207/30024—Cell structures in vitro; Tissue sections in vitro
-
- 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
- G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs
Description
以下、本発明の一実施形態について、詳細に説明する。
まず、本発明の技術思想について以下に説明する。
次に、本発明の一態様に係る画像解析方法において、組織画像を解析するために適用される数学的表現について説明する。
0次元ベッチ数b0は、数学的には以下のように定義される。一般に有限個の線分を繋ぎ合わせて成る図形(1次元複体とも呼称される)Kの連結成分の個数を0次元ベッチ数という。「有限個の点を有限個の線分で結んだ図形が連結である」とは、この図形の任意の頂点から他の任意の頂点に、この図形の辺を辿って到達し得ることを意図する。
1次元ベッチ数b1は、数学的には以下のように定義される。以下の(1)および(2)の条件が満たされる場合、図形Kの1次元ベッチ数b1はrである。
(1)有限個の線分を繋ぎ合わせて成る図形(連結な1次元複体)Kに対して、適当なr個の、開いた(両端を含まない)1次元単体(例えば、線分)を図形Kから取り去っても図形Kの連結成分の個数は増加しない。
(2)任意の(r+1)個の、開いた1次元単体をKから取り去った場合にはKは連結でなくなる(すなわち、Kの連結成分の個数が1つ増加する)。
ここで、図2に示す例示的な図形を用いて、二値化画像における0次元ベッチ数b0および1次元ベッチ数b1について説明する。図2は、ホモロジーの概念におけるベッチ数を説明するための模式図である。図2に示す図形M1の場合、黒い領域の数は1つである。したがって、図形M1の0次元ベッチ数b0は1である。また、図形M1の場合、黒い領域によって囲まれた白い領域の数は1つである。したがって、図形M1の1次元ベッチ数b1は1である。
以下では、肺のCT画像の結節影を解析して、肺に生じた変化(例えば、肺結節の有無および肺結節の種類)を判定する画像解析装置1を例に挙げて説明する。しかし、本発明の一態様に係る画像解析方法を適用可能な組織画像は、肺のCT画像に限定されない。
(1)MRI(磁気共鳴像、magnetic resonance imaging)検査にて撮像される脳および膵臓などの画像
(2)レントゲン(マンモグラフィーを含む)検査にて撮像される肝臓および乳房などの画像
(3)PET(陽電子放射断層撮影、positron emission tomography)
(4)PET-CT(positron emission tomography/CT)
(5)SPECT-CT(single-photon emission coupled tomography/CT)。
まず、肺のCT画像に基づいて判断される肺結節の種類について、図3~図6を用いて説明する。図3は、結節が生じていない肺野の領域のCT画像の例を示す図である。図4は、肺血管の領域のCT画像の例を示す図である。図5は、充実型結節が生じている肺の領域のCT画像の例を示す図である。図6は、すりガラス型結節が生じている肺の領域のCT画像の例を示す図である。
続いて、本発明の一態様に係る画像解析の流れの概要について、図7を用いて説明する。図7は、本発明の一態様に係る画像解析装置1を肺のCT画像の解析に適用した場合の処理の流れの概要を模式的に示す図である。
次に、本発明の一態様に係る画像解析方法の各処理を実行する画像解析装置1の構成について、図1を用いて説明する。図1は、本発明の一態様に係る画像解析装置1の構成の一例を示すブロック図である。なお、図1では、画像解析装置1に画像を送信する外部機器8も示している。
制御部4は、結節影としての特徴を有する領域など、解析対象となる領域の画像(以後、対象領域画像と記す)を解析することにより、肺結節の種類を判定し、判定結果を出力する。この制御部4は、二値化部41、ベッチ数算出部42(特徴数算出部)、基準値特定部43、判定部44、および表示制御部45を備えている。
二値化部41は、肺のCT画像から解析対象となる対象領域画像を抽出し、該対象領域画像に対して二値化処理を行い、二値化の基準値が異なる複数の二値化画像を生成する(図7参照)。
ベッチ数算出部42は、複数の二値化画像のそれぞれについて、第1画素値と第2画素値とに二値化された後における一方の画素値(第1画素値)の画素に囲まれた、該二値化後における他方の画素値(第2画素値)の画素からなる穴形状の領域の数を示す1次元ベッチ数b1を算出する。
基準値特定部43は、二値化部41によって生成された複数の二値化画像のうち、1次元ベッチ数b1が最大となる二値化画像を特定する。さらに、基準値特定部43は、第1基準値Taおよび最大1次元ベッチ数Va(最大第1特徴数)を特定する。ここで、第1基準値Taは、特定した二値化画像における二値化の基準値である。また、最大1次元ベッチ数Vaは、特定した二値化画像における1次元ベッチ数b1である。
判定部44は、下記(1)および(2)に基づいて、肺に生じた変化を判定する。
(2)最大1次元ベッチ数Va
なお、判定部44は、肺に生じた変化を判定するための判定基準32を参照する構成であってもよい。判定基準32については後に具体例を挙げて説明する。
(教師データ)判定部44が対象領域画像についての判定に用いた上記パラメータ(例えば、上記(1)~(6)など)と、該対象領域画像について医師によって判断された結果との組み合わせを含むデータ。
表示制御部45は、判定部44から出力される判定結果を示す情報を、表示装置5に表示させる。なお、表示制御部45は、判定結果を示す情報と共に、対象領域画像を抽出するために用いた胸部CT画像(または、肺のCT画像)を表示装置5に表示させてもよい。
画像解析装置1が行う処理の流れについて、適宜、図9~図12を参照しながら、図8を用いて説明する。図8は、画像解析装置1が行う処理の流れの一例を示すフローチャートである。
・判定部44は、対象領域画像について特定された第1基準値Taが70~100であり、最大1次元ベッチ数Vaが10~25である場合、該対象領域画像は結節が生じていない肺野の画像であると判定する。
・判定部44は、対象領域画像について特定された第1基準値Taが120~180であり、最大1次元ベッチ数Vaが2~10である場合、該対象領域画像はすりガラス型結節の画像であると判定する。
・判定部44は、対象領域画像について特定された第1基準値Taが180~255であり、最大1次元ベッチ数Vaが2~10である場合、該対象領域画像は肺血管の画像であると判定する。
・判定部44は、対象領域画像について特定された第1基準値Taが180~255であり、最大1次元ベッチ数Vaが10~50である場合、該対象領域画像は充実型結節の画像であると判定する。
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。本実施形態では、ベッチ数算出部42が算出した0次元ベッチ数b0も利用して、肺に生じた変化を判定する構成である。
基準値特定部43は、二値化部41によって生成された複数の二値化画像のうち、0次元ベッチ数b0が最大となる二値化画像をさらに特定してもよい。そして、基準値特定部43は、第2基準値Tbおよび最大0次元ベッチ数Vb(最大第2特徴数)を特定する。ここで、第2基準値Tbは、特定した二値化画像における二値化の基準値である。また、最大0次元ベッチ数Vbは、特定した二値化画像における0次元ベッチ数b0である。
判定部44は、下記の(1)~(4)に基づいて、肺に生じた変化を判定する。
(2)最大1次元ベッチ数Va
(3)第2基準値Tb
(4)最大0次元ベッチ数Vb。
本実施形態に係る画像解析装置1が行う処理の流れについて、適宜、図14~図17を参照しながら、図13を用いて説明する。図13は、本発明の別の態様に係る画像解析装置における処理の流れの一例を示すフローチャートである。
ベッチ数算出部42が算出した1次元ベッチ数b1と0次元ベッチ数b0との比も利用して、肺に生じた変化を判定してもよい。以下では、1次元ベッチ数b1と0次元ベッチ数b0との比が、1次元ベッチ数b1を0次元ベッチ数b0で除した値(b1/b0)である場合を例にあげて説明する。
ベッチ数算出部42は、複数の二値化画像のそれぞれについて算出した、1次元ベッチ数b1と0次元ベッチ数b0とを用いて、b1/b0を算出する。
基準値特定部43は、二値化部41によって生成された複数の二値化画像のうち、b1/b0が最大となる二値化画像を特定する。そして、基準値特定部43は、第3基準値Tcおよびb1/b0の最大値Rを特定する。ここで、第3基準値は、特定した二値化画像における二値化の基準値である。
判定部44は、下記の(1)~(6)のうちの少なくとも2つに基づいて、肺に生じた変化を判定する。
(2)最大1次元ベッチ数Va
(3)第2基準値Tb
(4)最大0次元ベッチ数Vb
(5)第3基準値Tc
(6)b1/b0の最大値R。
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
本発明の一態様に係る画像解析装置1aの構成について、図18を用いて説明する。図18は、本発明の一態様に係る画像解析装置1aの構成の一例を示すブロック図である。なお、図18では、図1と同様に、画像解析装置1aに画像を送信する外部機器8も示している。
二値化部41aは、肺のCT画像から解析対象となる対象領域画像を抽出し、該対象領域画像に対して二値化処理を行い、二値化の基準値が異なる複数の二値化画像を生成する(図7参照)。
面積算出部46は、対象領域画像を二値化部41aから取得し、対象領域画像に撮像されている領域の面積Wを算出する。面積算出部46は、撮像されている領域の広さが異なる対象領域画像について算出された1次元ベッチ数b1および0次元ベッチ数b0などを、単位面積当たりの値として比較するために、各対象領域画像の面積Wを算出する。
ベッチ数算出部42aは、対象領域画像毎に算出した1次元ベッチ数b1および0次元ベッチ数b0と、面積算出部46から取得した該対象領域画像の面積Wとに基づいて、単位面積当たりの1次元ベッチ数b1/Wおよび0次元ベッチ数b0/Wを算出する。
判定部44aは、下記の(1)~(6)のうちの少なくとも2つに基づいて、肺に生じた変化を判定する。なお、以下では、単位面積当たりの1次元ベッチ数b1/Wが最大となる二値化画像における、二値化の基準値のことを「第1基準値Ta」と呼称する。同様に、単位面積当たりの0次元ベッチ数b0/Wが最大となる二値化画像における、二値化の基準値のことを「第2基準値Tb」と呼称する。
(2)単位面積当たりの1次元ベッチ数b1/Wの最大値(最大1次元ベッチ数Va)
(3)第2基準値Tb
(4)単位面積当たりの0次元ベッチ数b0/Wの最大値(最大0次元ベッチ数Vb)
(5)第3基準値Tc
(6)b1/b0の最大値R。
画像解析装置1aが行う処理の流れについて、適宜、図20~図26を参照しながら、図19を用いて説明する。図19は、画像解析装置1aが行う処理の流れの一例を示すフローチャートである。
(2)最大1次元ベッチ数Va
(3)第2基準値Tb
(4)最大0次元ベッチ数Vb
(5)第3基準値Tc
(6)b1/b0の最大値R。
本発明の他の実施形態について、以下に説明する。なお、説明の便宜上、上記実施形態にて説明した部材と同じ機能を有する部材については、同じ符号を付記し、その説明を繰り返さない。
次に、図27を用いて、画像解析装置1bの構成について説明する。図27は、本発明の実施例4に係る画像解析装置1bの構成の一例を示すブロック図である。画像解析装置1bは通信部6を備えている点で、図1に示す画像解析装置1と異なっている。通信部6は、外部機器8から受信した画像データが示す組織画像を解析した結果に基づいて判定した判定結果を表示装置5にて表示させるための表示データを表示制御部45から取得し、表示装置5へ送信する。
ここでは、画像解析装置1bを含む画像解析システム100および100aの構成例について、図28および図29を用いて説明する。図28は、本発明に係る画像解析装置1bを含む画像解析システム100の構成例を示す概略図である。図28は、外部機器8と提示装置7とが離れた場所に設置されている例を示している。一方、図29は、本発明に係る画像解析装置1bを含む別の画像解析システム100aの構成例を示す概略図である。図29は、提示装置7が外部機器8aに接続されている例を示している。
画像解析装置1、1a、1bの制御ブロック(特に制御部4、4a)は、集積回路(ICチップ)等に形成された論理回路(ハードウェア)によって実現してもよいし、ソフトウェアによって実現してもよい。
本発明は上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。
2 画像取得部
3、3a 記憶部
7 提示装置
8、8a 外部機器
41、41a 二値化部
42、42a ベッチ数算出部(特徴数算出部)
43 基準値特定部
44、44a 判定部
46 面積算出部
100、100a 画像解析システム
S2、S12、S24 二値化ステップ
S3、S13、S25 特徴数算出ステップ
S4、S14、S27 基準値特定ステップ
S5、S15、S26、S28 判定ステップ
S23 面積算出ステップ
Claims (13)
- 組織を撮像した組織画像を解析する方法であって、
前記組織画像から解析対象となる対象領域画像を抽出し、該対象領域画像について、二値化の基準値が異なる複数の二値化画像を生成する二値化ステップと、
複数の前記二値化画像のそれぞれについて、第1画素値と第2画素値とに二値化された後における前記第1画素値の画素に囲まれた、該二値化後における前記第2画素値の画素からなる穴形状の領域の数を示す第1特徴数を含む特徴数を算出する特徴数算出ステップと、
前記第1特徴数が最大となる二値化画像を特定し、特定した該二値化画像における二値化の基準値を示す第1基準値、および該二値化画像における前記第1特徴数を示す最大第1特徴数を特定する基準値特定ステップと、
前記第1基準値および前記最大第1特徴数に基づいて、前記組織に生じた変化を判定する判定ステップと、を含む、
画像解析方法。 - 前記特徴数算出ステップにおいて、
複数の前記二値化画像のそれぞれについて、前記第1画素値の画素が連結して成る連結領域の数を示す第2特徴数をさらに算出し、
前記基準値特定ステップにおいて、
前記第2特徴数が最大値となる二値化画像を特定し、特定した該二値化画像における二値化の基準値を示す第2基準値、および該二値化画像における前記第2特徴数を示す最大第2特徴数をさらに特定し、
前記判定ステップにおいて、
前記第1基準値、前記最大第1特徴数、前記第2基準値、および前記最大第2特徴数に基づいて、前記組織に生じた変化を判定する、
請求項1に記載の画像解析方法。 - 前記対象領域画像に撮像されている領域の面積を算出する面積算出ステップをさらに含み、
前記特徴数算出ステップにおいて、
複数の前記二値化画像のそれぞれについて、単位面積当たりの前記第1特徴数、および単位面積当たりの前記第2特徴数を算出し、
前記基準値特定ステップにおいて、
単位面積当たりの前記第1特徴数の最大値、および単位面積当たりの前記第2特徴数の最大値をそれぞれ、前記第1基準値および前記第2基準値として特定する、
請求項2に記載の画像解析方法。 - 前記特徴数算出ステップにおいて、
複数の前記二値化画像のそれぞれについての、前記第1特徴数と前記第2特徴数との比をさらに算出し、
前記基準値特定ステップにおいて、
前記比が最大値となる二値化画像を特定し、特定した該二値化画像における二値化の基準値を示す第3基準値、および該二値化画像における前記第1特徴数と前記第2特徴数との比を示す最大第3特徴数をさらに特定し、
前記判定ステップにおいて、
前記第1基準値、前記最大第1特徴数、前記第2基準値、前記最大第2特徴数、前記第3基準値、および前記最大第3特徴数のうちの少なくとも2つに基づいて、前記組織に生じた変化を判定する、
請求項2または3に記載の画像解析方法。 - 前記判定ステップにおいて、
前記第3基準値および前記最大第3特徴数に基づいて、前記組織に生じた変化の有無を判定する、
請求項4に記載の画像解析方法。 - 組織を撮像した組織画像を解析する画像解析装置であって、
前記組織画像から解析対象となる対象領域画像を抽出し、該対象領域画像について、二値化の基準値が異なる複数の二値化画像を生成する二値化部と、
複数の前記二値化画像のそれぞれについて、第1画素値と第2画素値とに二値化された後における前記第1画素値の画素に囲まれた、該二値化後における前記第2画素値の画素からなる穴形状の領域の数を示す第1特徴数を算出する特徴数算出部と、
前記第1特徴数が最大となる二値化画像を特定し、特定した該二値化画像における二値化の基準値を示す第1基準値、および該二値化画像における前記第1特徴数を示す最大第1特徴数を特定する基準値特定部と、
前記第1基準値および前記最大第1特徴数に基づいて、前記組織に生じた変化を判定する判定部と、を備える、
画像解析装置。 - 前記特徴数算出部は、
複数の前記二値化画像のそれぞれについて、前記第1画素値の画素が連結して成る連結領域の数を示す第2特徴数をさらに算出し、
前記基準値特定部は、
前記第2特徴数が最大値となる二値化画像を特定し、特定した該二値化画像における二値化の基準値を示す第2基準値、および該二値化画像における前記第2特徴数を示す最大第2特徴数をさらに特定し、
前記判定部は、
前記第1基準値、前記最大第1特徴数、前記第2基準値、および前記最大第2特徴数に基づいて、前記組織に生じた変化を判定する、
請求項6に記載の画像解析装置。 - 前記対象領域画像に撮像された撮像範囲の面積を算出する面積算出部をさらに備え、
前記特徴数算出部は、
複数の前記二値化画像のそれぞれについて、単位面積当たりの前記第1特徴数、および単位面積当たりの前記第2特徴数を算出し、
前記基準値特定部は、
単位面積当たりの前記第1特徴数の最大値および単位面積当たりの前記第2特徴数の最大値をそれぞれ、前記第1基準値および前記第2基準値として特定する、
請求項7に記載の画像解析装置。 - 前記特徴数算出部は、
複数の前記二値化画像のそれぞれについての、前記第1特徴数と前記第2特徴数との比をさらに算出し、
前記基準値特定部は、
前記比が最大値となる二値化画像を特定し、特定した該二値化画像における二値化の基準値を示す第3基準値、および該二値化画像における前記第1特徴数と前記第2特徴数との比の最大値を示す最大第3特徴数をさらに特定し、
前記判定部は、
前記第1基準値、前記最大第1特徴数、前記第2基準値、前記最大第2特徴数、前記第3基準値、および前記最大第3特徴数のうちの少なくとも2つに基づいて、前記組織に生じた変化を判定する、
請求項7または8に記載の画像解析装置。 - 前記判定部は、
前記第3基準値および前記最大第3特徴数に基づいて、前記組織に生じた変化の有無を判定する、
請求項9に記載の画像解析装置。 - 請求項6から10のいずれか1項に記載の画像解析装置と、
前記組織画像および前記対象領域画像のうちの少なくとも一方の画像データを前記画像解析装置へ送信する外部機器と、
前記画像解析装置において決定された情報を取得して該情報を提示する提示装置と、を含む、
画像解析システム。 - 請求項6から10のいずれか1項に記載の画像解析装置としてコンピュータを機能させるための画像解析プログラムであって、前記二値化部、前記特徴数算出部、前記基準値特定部、および前記判定部としてコンピュータを機能させるための画像解析プログラム。
- 請求項12に記載の画像解析プログラムを記録したコンピュータ読み取り可能な記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019220455 | 2019-12-05 | ||
JP2019220455 | 2019-12-05 | ||
PCT/JP2020/045155 WO2021112205A1 (ja) | 2019-12-05 | 2020-12-04 | 画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体 |
Publications (3)
Publication Number | Publication Date |
---|---|
JPWO2021112205A1 JPWO2021112205A1 (ja) | 2021-06-10 |
JPWO2021112205A5 JPWO2021112205A5 (ja) | 2022-07-20 |
JP7265805B2 true JP7265805B2 (ja) | 2023-04-27 |
Family
ID=76221990
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021562735A Active JP7265805B2 (ja) | 2019-12-05 | 2020-12-04 | 画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230005148A1 (ja) |
JP (1) | JP7265805B2 (ja) |
WO (1) | WO2021112205A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116664413B (zh) * | 2023-03-27 | 2024-02-02 | 北京拙河科技有限公司 | 一种基于阿贝尔收敛算子的图像体积雾消除方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004041617A (ja) | 2001-08-06 | 2004-02-12 | Aloka Co Ltd | 超音波診断装置 |
WO2010087112A1 (ja) | 2009-01-27 | 2010-08-05 | 国立大学法人大阪大学 | 画像解析装置、画像解析方法、画像解析プログラムおよび記録媒体 |
WO2017010397A1 (ja) | 2015-07-15 | 2017-01-19 | 国立大学法人大阪大学 | 画像解析装置、画像解析方法、画像解析システム、画像解析プログラム、および記録媒体 |
WO2019102829A1 (ja) | 2017-11-24 | 2019-05-31 | 国立大学法人大阪大学 | 画像解析方法、画像解析装置、画像解析システム、画像解析プログラム、記録媒体 |
WO2020067481A1 (ja) | 2018-09-28 | 2020-04-02 | 国立大学法人東北大学 | 画像解析装置、画像解析システム、画像解析方法、コンピュータプログラム及び非一時的記録媒体 |
WO2020195258A1 (ja) | 2019-03-26 | 2020-10-01 | 国立大学法人大阪大学 | 画像解析方法、画像解析プログラム、記録媒体、画像解析装置、画像解析システム |
WO2020241178A1 (ja) | 2019-05-29 | 2020-12-03 | 国立大学法人九州大学 | 肺がん評価装置及び肺がん評価方法 |
-
2020
- 2020-12-04 WO PCT/JP2020/045155 patent/WO2021112205A1/ja active Application Filing
- 2020-12-04 US US17/782,080 patent/US20230005148A1/en active Pending
- 2020-12-04 JP JP2021562735A patent/JP7265805B2/ja active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004041617A (ja) | 2001-08-06 | 2004-02-12 | Aloka Co Ltd | 超音波診断装置 |
WO2010087112A1 (ja) | 2009-01-27 | 2010-08-05 | 国立大学法人大阪大学 | 画像解析装置、画像解析方法、画像解析プログラムおよび記録媒体 |
WO2017010397A1 (ja) | 2015-07-15 | 2017-01-19 | 国立大学法人大阪大学 | 画像解析装置、画像解析方法、画像解析システム、画像解析プログラム、および記録媒体 |
WO2019102829A1 (ja) | 2017-11-24 | 2019-05-31 | 国立大学法人大阪大学 | 画像解析方法、画像解析装置、画像解析システム、画像解析プログラム、記録媒体 |
WO2020067481A1 (ja) | 2018-09-28 | 2020-04-02 | 国立大学法人東北大学 | 画像解析装置、画像解析システム、画像解析方法、コンピュータプログラム及び非一時的記録媒体 |
WO2020195258A1 (ja) | 2019-03-26 | 2020-10-01 | 国立大学法人大阪大学 | 画像解析方法、画像解析プログラム、記録媒体、画像解析装置、画像解析システム |
WO2020241178A1 (ja) | 2019-05-29 | 2020-12-03 | 国立大学法人九州大学 | 肺がん評価装置及び肺がん評価方法 |
Also Published As
Publication number | Publication date |
---|---|
US20230005148A1 (en) | 2023-01-05 |
JPWO2021112205A1 (ja) | 2021-06-10 |
WO2021112205A1 (ja) | 2021-06-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Elyan et al. | Computer vision and machine learning for medical image analysis: recent advances, challenges, and way forward. | |
US9532762B2 (en) | Apparatus and method for lesion detection | |
KR101929127B1 (ko) | 의료 영상에 기반하여 상태를 진단하는 장치 및 방법 | |
KR101968144B1 (ko) | 척추 및 경추의 경사각 자동 진단 장치 및 방법 | |
Narayan et al. | Enhance-Net: An Approach to Boost the Performance of Deep Learning Model Based on Real-Time Medical Images | |
US10290101B1 (en) | Heat map based medical image diagnostic mechanism | |
RU2667879C1 (ru) | Обработка и анализ данных на изображениях компьютерной томографии | |
US20150003702A1 (en) | Processing and displaying a breast image | |
US20150173705A1 (en) | Apparatus and method for adapting diagnostic model for computer-aided diagnosis | |
JP2007151645A (ja) | 医用画像診断支援システム | |
Zhang et al. | Learning-based coronal spine alignment prediction using smartphone-acquired scoliosis radiograph images | |
US11669960B2 (en) | Learning system, method, and program | |
KR20200120311A (ko) | 의료 영상을 이용한 암의 병기 결정 방법 및 의료 영상 분석 장치 | |
CN111462139A (zh) | 医学图像显示方法、装置、计算机设备和可读存储介质 | |
JP2006346094A (ja) | 検出情報の出力方法及び医用画像処理システム | |
EP3311362B1 (en) | Selecting transfer functions for displaying medical images | |
JP7265805B2 (ja) | 画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体 | |
JP2006325640A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
Kim et al. | Automatic localization of anatomical landmarks in cardiac MR perfusion using random forests | |
CN112862752A (zh) | 一种图像处理显示方法、系统电子设备及存储介质 | |
JP2006340835A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
KR20150141831A (ko) | 의료 영상 분석 장치 및 이의 폐결절과 폐혈관 구분 방법 | |
JP2015073832A (ja) | 医用画像処理装置およびその作動方法並びに医用画像処理プログラム | |
JP2006334140A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
US20240013375A1 (en) | Systems and methods for polyp size estimation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220519 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220519 |
|
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: 20230328 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230410 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7265805 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |