JP7471629B2 - 画像処理装置、画像処理プログラム、画像処理方法 - Google Patents
画像処理装置、画像処理プログラム、画像処理方法 Download PDFInfo
- Publication number
- JP7471629B2 JP7471629B2 JP2020026450A JP2020026450A JP7471629B2 JP 7471629 B2 JP7471629 B2 JP 7471629B2 JP 2020026450 A JP2020026450 A JP 2020026450A JP 2020026450 A JP2020026450 A JP 2020026450A JP 7471629 B2 JP7471629 B2 JP 7471629B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- edge
- specific
- pixel
- region
- 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 73
- 238000003672 processing method Methods 0.000 title claims description 14
- 238000000034 method Methods 0.000 claims description 120
- 238000012937 correction Methods 0.000 claims description 53
- 239000000284 extract Substances 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 57
- 210000004204 blood vessel Anatomy 0.000 description 19
- 210000003462 vein Anatomy 0.000 description 16
- 210000001367 artery Anatomy 0.000 description 13
- 230000005484 gravity Effects 0.000 description 11
- 238000009499 grossing Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000000926 separation method Methods 0.000 description 3
- 230000002792 vascular Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000002595 magnetic resonance imaging Methods 0.000 description 2
- 210000001210 retinal vessel Anatomy 0.000 description 2
- 208000019553 vascular disease Diseases 0.000 description 2
- 208000002177 Cataract Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 210000001365 lymphatic vessel Anatomy 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Description
先ず、本装置の実施の形態について説明する。
同図は、本装置1が、有線通信方式または無線通信方式を利用するネットワーク(通信回線)Nを介して、撮像装置2に接続されていることを示す。
図2は、本装置1の実施の形態を示す機能ブロック図である。
次に、本装置1の動作、すなわち、本装置1が実行する本方法の実施の形態について、図2も参照しつつ説明する。
同図は、特定被写体と非特定被写体それぞれの一部が交叉することにより、特定被写体領域R11の一部が非特定被写体領域R12の一部により覆い隠されて、撮像されていないことを示す。
先ず、本装置1は、特定エッジ画像生成処理(S100)を実行する。
図6は、特定エッジ画像生成処理(S100)において用いられる各画像の関係を示す模式図である。図6は、説明の便宜上、特定マップ画像Mi1と非特定マップ画像Mi2とを撮像画像i1と同じ形状で示す。
同図の各セルは、特定マップM1の画素に相当する。各セルに割り当てられた数値は、同セルに対応する撮像画像i1の画素に撮像されている物体が特定被写体である確率に応じた数値(確率値)を示す。すなわち、例えば、数値「1.0」のセルは、同画素に撮像されている物体が100%の確率で特定被写体であるとみなされる画素である。
同図の各セルは、非特定マップの画素に相当する。各セルに割り当てられた数値は、同セルに対応する撮像画像i1の画素に撮像されている物体が非特定被写体である確率に応じた数値(確率値)を示す。すなわち、例えば、数値「0.5」のセルは、同画素に撮像されている物体が50%の確率で非特定被写体であるとみなされるセルである。
次いで、マップ生成部13は、特定マップM1に基づいて特定マップ画像Mi1を生成すると共に、非特定マップM2に基づいて非特定マップ画像Mi2を生成する(S103)。具体的には、マップ生成部13は、特定マップM1と非特定マップM2それぞれの各セルに割り当てられた確率値に255を乗算して、確率値(0.0-1.0)を8ビットの画素値(0-255)に変換する。生成された特定マップ画像Mi1と非特定マップ画像Mi2とは、記憶部12に記憶される。
同図は、非特定被写体領域R12(図6参照)が背景として取り扱われ(取り除かれ)ていることを示す。また、同図は、特定被写体領域R11(図6参照)のうち、特定マップ画像Mi1(図6参照)において画素値が大きい画素は明るいまま、画素値が小さい画素は暗くなっていることを示す。すなわち、同図は、特定被写体領域R11の一部の領域が強調されていることを示す。
一方、エッジ画像生成部14は、撮像画像i1に公知の画像処理を実行して、エッジ画像i2を生成する(S105)。生成されたエッジ画像i2は、記憶部12に記憶される。
同図は、特定エッジ線L21と非特定エッジ線L22それぞれが特定されていることを示す。
次いで、特定エッジ画像生成部16は、記憶部12からエッジ画像i2と強調画像i3とを読み出して(S106)、エッジ画像i2と強調画像i3とに基づいて、特定エッジ画像i4を生成する(S107)。具体的には、特定エッジ画像生成部16は、エッジ画像i2に対する強調画像i3を用いたフィルタ処理により、特定エッジ画像i4を生成する。例えば、特定エッジ画像生成部16は、画素ごとに、エッジ画像i2の画素値(0または1)に強調画像i3の画素値(0-255)を乗算し、その結果画像を平滑化することにより、特定エッジ画像i4を生成する。生成された特定エッジ画像i4は、記憶部12に記憶される。このような平滑化処理により、特定エッジ画像生成部16は、微細な断線部を線状に繋げることができる。
同図は、強調画像i3(図6参照)の強調領域R31のうち、特定エッジ線L21(図6参照)と重複する部分のみが強調され特定強調エッジ線L41として抽出(特定)されていることを示す。
このように、本装置1は、撮像画像i1に基づいてエッジ画像i2と強調画像i3とを生成し、エッジ画像i2と強調画像i3とに基づいて特定エッジ画像i4を生成する。
図4に戻る。
次いで、本装置1は、部分領域特定処理(S200)を実行する。
図13は、部分領域特定処理(S200)において用いられる各画像の関係を示す模式図である。
同図は、説明の便宜上、非特定被写体に対応する領域(非特定マップ領域MR2)も二点鎖線で示す。同図は、1つのライン状の特定被写体に対応する領域(特定マップ領域MR1)の一部が非特定マップ領域MR2の一部により覆われて、2つの部分領域r51,r52(部分特定マップ領域Mr11,Mr12)として分離して配置されることを示す。
次いで、マスク処理部18は、被マスク画像i5に対するマスク画像Msを用いたマスク処理により、被マスク画像i5において、非マスク領域NMRを決定する(S205)。マスク画像Msは、例えば、予め記憶部12に記憶されている。
次いで、領域特定部19は、非マスク領域NMRを二値化して、非マスク領域NMR内に分離して配置されている複数の部分領域r51,r52それぞれの一部を非マスク部分領域r511,r521として特定する(S206)。
図4に戻る。
次いで、本装置1は、輪郭線決定処理(S300)を実行する。
図18は、輪郭線決定処理(S300)において用いられる各画像の関係を示す模式図である。
同図は、画素P11が部分エッジ線L211上に配置され、画素P21が部分エッジ線L212上に配置され、画素P31が部分エッジ線L213上に配置され、画素P41が部分エッジ線L214上に配置される、ことを示す。
次いで、画素選択部22は、画素P11-P41のうち、輪郭線Loを決定するための最初の起点画素の対(例えば、画素P11,P31)を特定する(S306)。最初の起点画素の対は、例えば、処理(S216)において特定された各位置情報、または、重心x1,x2から各画素P1-P4(図16参照)に向かうベクトルの向きに基づいて、特定される。
同図は、説明の便宜上、範囲エッジ画像i6に2つのフィルタ画像Fi1,Fi2を重畳させた状態を示す。
次いで、画素選択部22は、範囲エッジ画像i6に対するフィルタ画像Fi1,Fi2を用いたフィルタ処理により、フィルタ範囲内の画素値の平均値を算出する(S308)。具体的には、画素選択部22は、フィルタ範囲内において、範囲エッジ画像i6の画素値にフィルタ値を乗算し、乗算後の各画素値の平均値を算出する。次いで、画素選択部22は、算出した平均値を所定の閾値と比較する(S309)。所定の閾値は、例えば、記憶部12に予め記憶されている。
同図は、新たなフィルタ画像Fi1,Fi2がエッジ線候補画素Pa1を起点画素としている状態を示す。
次いで、画素選択部22は、新たなフィルタ画像Fi1,Fi2を用いて、フィルタ範囲内の画素値の平均値の算出と、次のエッジ線候補画素Pa1の選択と、を実行する(S308-S310)。
このとき、連結線決定部24は、処理(S308-S310)において選択されたエッジ線候補画素Pa1の集合に基づいて、部分エッジ線L211,L213同士を結ぶ連結線Lcを決定する(連結線決定処理:S312)。具体的には、連結線決定部24は、処理(S308-S310)において、第1フィルタ画像Fi1を用いて選択された全てのエッジ線候補画素Pa1を用いたファジィ推論を実行して、第1連結線(不図示)を推定する。同様に、連結線決定部24は、処理(S308-S310)において、第2フィルタ画像Fi2を用いて選択された全てのエッジ線候補画素Pa1を用いたファジィ推論を実行して、第2連結線(不図示)を推定する。次いで、連結線決定部24は、第1連結線と第2連結線とに基づいて、連結線Lcを決定する。
同図は、説明の便宜上、フィルタ画像Fi1,Fi2と、エッジ線候補画素Pa1と、連結線候補画素Pa2と、も合わせて示す。
次いで、画素選択部22は、例えば、連結線Lcに対応する画素の画素値を最大値と仮定して、フィルタ画像Fi1,Fi2を用いて、連結線Lcに対応する画素の候補である連結線候補画素Pa2を選択する(S313)。連結線候補画素Pa2は、本発明における第1連結線候補画素の例であり、本発明における第2連結線候補画素の例である。次いで、画素選択部22は、所定の基準点から最初の起点画素P11,P31までのベクトル同士の差分と、同基準点から連結線候補画素Pa2までのベクトル同士の差分と、の内積を算出する(S314)。次いで、画素選択部22は、算出した内積が「正」か「負」かを判定する(S315)。
同図は、説明の便宜上、輪郭線Loを撮像画像i1に重畳させ、非特定被写体領域の一部を切り欠いた状態を示す。同図の太線は輪郭線Loを示し、同図の破線は特定被写体領域R11を示す。同図は、非特定被写体領域R12により覆い隠された特定被写体領域R11の一部の形状が推定され、特定被写体領域R11の輪郭線と連続した輪郭線Loが決定されていること、を示す。
図4に戻る。
次に、本装置1は、輪郭線補正処理(S400)を実行する。
図26は、輪郭線補正処理(S400)が実行される前の輪郭線Loの例を示す模式図である。図26は、説明の便宜上、1つの部分エッジ線に対応するエッジ線候補画素Pa1と、連結線候補画素Pa2と、輪郭線Loと、を撮像画像i1に重畳させた状態を示す。
次いで、輪郭線補正部26は、撮像画像i1において線Lm上に配置される各画素の画素値(輝度値)を読み出し、隣接する画素の画素値よりも画素値の変化量の大きい画素(変化量の勾配が大きい画素)を抽出する(S405)。前述のとおり、撮像画像i1において、被写体である血管は、背景よりも暗く撮像される。そのため、画素値の変化量の大きい画素は、血管のエッジに相当する画素であるとみなすことができる。通常、線Lm上には、画素値の変化量の大きい画素は、血管のエッジに合わせて2つ配置される。
次に、眼底写真に本方法を適用した実施例について説明する。
図33は、図32の撮像画像i1に基づいて生成された強調画像i3の例を示す図である。
図34は、図32の撮像画像i1に基づいて生成されたエッジ画像i2の例を示す図である。
図35は、図33の強調画像i3と図34のエッジ画像i2とに基づいて生成された特定エッジ画像i4の例を示す図である。
図36は、図32の撮像画像i1に輪郭線Loを重畳させた状態の例を示す図である。
以上説明した実施の形態によれば、本装置1は、エッジ画像i2と強調画像i3とに基づいて、特定エッジ画像i4を生成する特定エッジ画像生成部16を有してなる。特定エッジ画像i4は、特定エッジ線L21と非特定エッジ線L22のうち、特定エッジ線L21のみが強調された画像である。具体的には、特定エッジ画像i4は、特定エッジ線L21のうち、特定エッジ線L21であることが曖昧な領域が除去され、特定エッジ線L21であることが明確な領域が強調された画像である。このように、本装置1は、撮像画像i1から特定被写体(静脈)のみを強調して抽出できる新たな画像処理技術を提供する。
12 記憶部
13 マップ生成部
15 強調画像生成部
16 特定エッジ画像生成部
17 被マスク画像生成部
18 マスク処理部
19 領域特定部
20 範囲エッジ画像抽出部
21 部分エッジ線特定部
22 画素選択部
23 フィルタ画像生成部
24 連結線決定部
25 輪郭線決定部
26 輪郭線補正部
i1 撮像画像
R11 特定被写体領域
R12 非特定被写体領域
r11 部分特定被写体領域
r12 部分特定被写体領域
i2 エッジ画像
L21 特定エッジ線
L22 非特定エッジ線
i3 強調画像
i4 特定エッジ画像
i5 被マスク画像
r51 部分領域
r52 部分領域
r511 非マスク部分領域
r521 非マスク部分領域
i6 範囲エッジ画像
M マップ
M1 特定マップ
M2 非特定マップ
Ms マスク画像
Ms1 第1マスク画像(分離領域マスク画像)
Fi フィルタ画像
Fi1 第1フィルタ画像
Fi2 第2フィルタ画像
Claims (8)
- 管体である特定被写体と、前記特定被写体とは異なる管体である非特定被写体と、が撮像されている撮像画像に基づいて、前記特定被写体のエッジ線を特定する画像処理装置であって、
前記撮像画像と、
前記撮像画像内の前記特定被写体の領域に対応する特定被写体領域の特定エッジ線と、前記撮像画像内の前記非特定被写体の領域に対応する非特定被写体領域の非特定エッジ線と、が特定されたエッジ画像と、
前記特定被写体領域と前記非特定被写体領域のうち、前記特定被写体領域のみが強調領域として強調された強調画像と、
を記憶する記憶部と、
前記エッジ画像と前記強調画像とに基づいて、前記特定エッジ線と前記非特定エッジ線のうち、前記特定エッジ線のみが強調された特定エッジ画像を生成する特定エッジ画像生成部と、
を有してなり、
前記特定被写体領域は、
前記撮像画像内に分離して配置される複数の部分特定被写体領域、
を含み、
前記画像処理装置は、
前記撮像画像に基づいて、複数の前記部分特定被写体領域それぞれに対応する複数の部分領域を含む被マスク画像を生成する被マスク画像生成部と、
前記被マスク画像に対するマスク画像を用いたマスク処理により、前記マスク画像によりマスクされない非マスク領域を決定するマスク処理部と、
前記非マスク領域に基づいて、複数の前記部分領域のうち、2つの前記部分領域の一部を、互いに繋がる接続領域として特定する領域特定部と、
前記特定エッジ画像から前記被マスク画像に対応する範囲の範囲エッジ画像を抽出する範囲エッジ画像抽出部と、
前記範囲エッジ画像において、2つの前記部分領域それぞれに対応する部分エッジ線を特定する部分エッジ線特定部と、
前記部分エッジ線同士を結ぶ連結線を決定する連結線決定部と、
前記部分エッジ線に基づいて、前記範囲エッジ画像に重畳されるフィルタ画像を生成するフィルタ画像生成部と、
前記フィルタ画像に基づいて、前記範囲エッジ画像に含まれる画素のうち、所定の画素を前記部分エッジ線に対応する画素の候補であるエッジ線候補画素として選択する画素選択部と、
を有してなり、
前記フィルタ画像は、
前記範囲エッジ画像に含まれる画素のうち、1の起点画素を起点とする所定のフィルタ範囲、
を有して、
前記フィルタ画像生成部は、新たに選択された前記エッジ線候補画素を新たな前記起点画素とする新たな前記フィルタ画像を生成して、
前記画素選択部は、新たな前記フィルタ画像ごとに新たな前記エッジ線候補画素を選択して、
前記連結線決定部は、前記エッジ線候補画素の集合に基づいて、前記連結線を決定する、
ことを特徴とする画像処理装置。 - 前記撮像画像の画素ごとに付与される値の集合であるマップに基づいて、前記強調画像を生成する強調画像生成部、
を有してなり、
前記画素ごとに付与される値は、前記画素が前記特定被写体と前記非特定被写体とのいずれかである確率に応じた値であり、
前記マップは、
前記画素が前記特定被写体である確率に応じた値の集合である特定マップと、
前記画素が前記非特定被写体である確率に応じた値の集合である非特定マップと、
を含み、
前記強調画像生成部は、前記特定マップと前記非特定マップとに基づいて、前記強調画像を生成する、
請求項1記載の画像処理装置。 - 前記撮像画像に基づいて、前記特定マップと前記非特定マップとを生成するマップ生成部、
を有してなる、
請求項2記載の画像処理装置。 - 前記部分エッジ線と前記連結線とに基づいて、前記特定被写体の輪郭線の一部を決定する輪郭線決定部、
を有してなる、
請求項1記載の画像処理装置。 - 前記撮像画像に含まれる画素の画素値に基づいて、前記輪郭線の補正をする輪郭線補正部、
を有してなり、
前記輪郭線補正部は、
前記輪郭線を決定する画素の中から、補正の候補となる候補画素と、前記候補画素の隣に配置される2つの隣接画素と、を選択し、
前記撮像画像に含まれる画素のうち、2つの前記隣接画素それぞれから等距離の位置に配置された複数の画素の画素値に基づいて、前記候補画素の補正先の補正画素を決定し、
前記候補画素に代えて前記補正画素を前記輪郭線に対応する画素とする、
請求項4記載の画像処理装置。 - コンピュータを、請求項1記載の画像処理装置として機能させる、
ことを特徴とする画像処理プログラム。 - 管体である特定被写体と、前記特定被写体とは異なる管体である非特定被写体と、が撮像されている撮像画像に基づいて、前記特定被写体のエッジ線を特定する画像処理装置により実行される画像処理方法であって、
前記画像処理装置は、
前記撮像画像と、
前記撮像画像内の前記特定被写体の領域に対応する特定被写体領域の特定エッジ線と、前記撮像画像内の前記非特定被写体の領域に対応する非特定被写体領域の非特定エッジ線と、が特定されたエッジ画像と、
前記特定被写体領域と前記非特定被写体領域のうち、前記特定被写体領域のみが強調領域として強調された強調画像と、
を記憶する記憶部、
を備え、
前記特定被写体領域は、
前記撮像画像内に分離して配置される複数の部分特定被写体領域、
を含み、
前記画像処理方法は、
前記エッジ画像と前記強調画像とに基づいて、前記特定エッジ線と前記非特定エッジ線のうち、前記特定エッジ線のみが強調された特定エッジ画像を生成する、特定エッジ画像生成処理と、
前記撮像画像に基づいて、複数の前記部分特定被写体領域それぞれに対応する複数の部分領域を含む被マスク画像を生成する被マスク画像生成処理と、
前記被マスク画像に対するマスク画像を用いたマスク処理により、前記マスク画像によりマスクされない非マスク領域を決定する非マスク領域決定処理と、
前記非マスク領域に基づいて、複数の前記部分領域のうち、2つの前記部分領域の一部を、互いに繋がる接続領域として特定する領域特定処理と、
前記特定エッジ画像から前記被マスク画像に対応する範囲の範囲エッジ画像を抽出する範囲エッジ画像抽出処理と、
前記範囲エッジ画像において、2つの前記部分領域それぞれに対応する部分エッジ線を特定する部分エッジ線特定処理と、
前記部分エッジ線同士を結ぶ連結線を決定する連結線決定処理と、
前記部分エッジ線に基づいて、前記範囲エッジ画像に重畳されるフィルタ画像を生成するフィルタ画像生成処理と、
前記フィルタ画像に基づいて、前記範囲エッジ画像に含まれる画素のうち、所定の画素を前記部分エッジ線に対応する画素の候補であるエッジ線候補画素として選択する画素選択処理と、
を有してなり、
前記フィルタ画像は、
前記範囲エッジ画像に含まれる画素のうち、1の起点画素を起点とする所定のフィルタ範囲、
を有して、
前記フィルタ画像生成処理は、新たに選択された前記エッジ線候補画素を新たな前記起点画素とする新たな前記フィルタ画像を生成して、
前記画素選択処理は、新たな前記フィルタ画像ごとに新たな前記エッジ線候補画素を選択して、
前記連結線決定処理は、前記エッジ線候補画素の集合に基づいて、前記連結線を決定する、
ことを特徴とする画像処理方法。 - 管体である特定被写体と、前記特定被写体とは異なる管体である非特定被写体と、が撮像されている撮像画像に基づいて、前記特定被写体のエッジ線を特定する画像処理装置であって、
前記撮像画像と、
前記撮像画像内の前記特定被写体の領域に対応する特定被写体領域の特定エッジ線と、前記撮像画像内の前記非特定被写体の領域に対応する非特定被写体領域の非特定エッジ線と、が特定されたエッジ画像と、
前記特定被写体領域と前記非特定被写体領域のうち、前記特定被写体領域のみが強調領域として強調された強調画像と、
を記憶する記憶部と、
前記エッジ画像と前記強調画像とに基づいて、前記特定エッジ線と前記非特定エッジ線のうち、前記特定エッジ線のみが強調された特定エッジ画像を生成する特定エッジ画像生成部と、
を有してなり、
前記特定被写体領域は、
前記撮像画像内に分離して配置される複数の部分特定被写体領域、
を含み、
前記画像処理装置は、
前記撮像画像に基づいて、複数の前記部分特定被写体領域それぞれに対応する複数の部分領域を含む被マスク画像を生成する被マスク画像生成部と、
前記被マスク画像に対するマスク画像を用いたマスク処理により、前記マスク画像によりマスクされない非マスク領域を決定するマスク処理部と、
前記非マスク領域に基づいて、複数の前記部分領域のうち、2つの前記部分領域の一部を、互いに繋がる接続領域として特定する領域特定部と、
前記特定エッジ画像から前記被マスク画像に対応する範囲の範囲エッジ画像を抽出する範囲エッジ画像抽出部と、
前記範囲エッジ画像において、2つの前記部分領域それぞれに対応する部分エッジ線を特定する部分エッジ線特定部と、
前記部分エッジ線同士を結ぶ連結線を決定する連結線決定部と、
前記部分エッジ線と前記連結線とに基づいて、前記特定被写体の輪郭線の一部を決定する輪郭線決定部と、
前記撮像画像に含まれる画素の画素値に基づいて、前記輪郭線の補正をする輪郭線補正部と、
を有してなり、
前記輪郭線補正部は、
前記輪郭線を決定する画素の中から、補正の候補となる候補画素と、前記候補画素の隣に配置される2つの隣接画素と、を選択して、
前記撮像画像に含まれる画素のうち、2つの前記隣接画素それぞれから等距離の位置に配置された複数の画素の画素値に基づいて、前記候補画素の補正先の補正画素を決定して、
前記候補画素に代えて前記補正画素を前記輪郭線に対応する画素とする、
ことを特徴とする画像処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020026450A JP7471629B2 (ja) | 2020-02-19 | 2020-02-19 | 画像処理装置、画像処理プログラム、画像処理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020026450A JP7471629B2 (ja) | 2020-02-19 | 2020-02-19 | 画像処理装置、画像処理プログラム、画像処理方法 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2021131703A JP2021131703A (ja) | 2021-09-09 |
JP2021131703A5 JP2021131703A5 (ja) | 2023-01-25 |
JP7471629B2 true JP7471629B2 (ja) | 2024-04-22 |
Family
ID=77551011
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020026450A Active JP7471629B2 (ja) | 2020-02-19 | 2020-02-19 | 画像処理装置、画像処理プログラム、画像処理方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7471629B2 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008079682A (ja) | 2006-09-26 | 2008-04-10 | Gifu Univ | 画像解析装置及び画像解析プログラム |
JP2010061478A (ja) | 2008-09-04 | 2010-03-18 | Sony Computer Entertainment Inc | 画像処理装置、対象物追跡装置および画像処理方法 |
JP2018171177A (ja) | 2017-03-31 | 2018-11-08 | 大日本印刷株式会社 | 眼底画像処理装置 |
-
2020
- 2020-02-19 JP JP2020026450A patent/JP7471629B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008079682A (ja) | 2006-09-26 | 2008-04-10 | Gifu Univ | 画像解析装置及び画像解析プログラム |
JP2010061478A (ja) | 2008-09-04 | 2010-03-18 | Sony Computer Entertainment Inc | 画像処理装置、対象物追跡装置および画像処理方法 |
JP2018171177A (ja) | 2017-03-31 | 2018-11-08 | 大日本印刷株式会社 | 眼底画像処理装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2021131703A (ja) | 2021-09-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Nagasato et al. | Deep neural network-based method for detecting central retinal vein occlusion using ultrawide-field fundus ophthalmoscopy | |
Suzani et al. | Fast automatic vertebrae detection and localization in pathological ct scans-a deep learning approach | |
Song et al. | Automated wound identification system based on image segmentation and artificial neural networks | |
US20110144480A1 (en) | Stent marker detection using a learning based classifier in medical imaging | |
US20220284584A1 (en) | Computerised tomography image processing | |
Goyal et al. | A refined deep learning architecture for diabetic foot ulcers detection | |
CN112308846B (zh) | 血管分割方法、装置及电子设备 | |
JP2006325937A (ja) | 画像判定装置、画像判定方法およびそのプログラム | |
JP2006006359A (ja) | 画像生成装置、画像生成装置方法、およびそのプログラム | |
CN113436070B (zh) | 一种基于深度神经网络的眼底图像拼接方法 | |
CN109671066A (zh) | 一种基于头颅ct影像的脑梗死判断的方法及系统 | |
JP2018114031A (ja) | 眼底画像処理装置 | |
CN113012093B (zh) | 青光眼图像特征提取的训练方法及训练系统 | |
JP7471629B2 (ja) | 画像処理装置、画像処理プログラム、画像処理方法 | |
Zhao et al. | Automated analysis of femoral artery calcification using machine learning techniques | |
JP2011161104A (ja) | 画像生成装置、画像生成方法、及びそのプログラム | |
Bhattacharyya et al. | Hybrid machine intelligence for medical image analysis | |
Hemmati et al. | Segmentation of carotid arteries in computed tomography angiography images using fast marching and graph cut methods | |
Oloumi et al. | Digital image processing for ophthalmology: Detection and modeling of retinal vascular architecture | |
Xiao et al. | Adaptive ridge point refinement for seeds detection in x-ray coronary angiogram | |
JP2018102586A (ja) | 眼底画像処理装置 | |
Chaichana et al. | Automatic location of blood vessel bifurcations in digital eye fundus images | |
CN112766332A (zh) | 医学影像检测模型训练方法、医学影像检测方法及装置 | |
Sharmila et al. | Detection and classification of GI-tract anomalies from endoscopic images using deep learning | |
CN111310669B (zh) | 胎儿头围实时测量方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230117 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230117 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240308 |
|
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: 20240319 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240403 |