JPH1099308A - デジタル画像の自動区画化方法及び装置 - Google Patents
デジタル画像の自動区画化方法及び装置Info
- Publication number
- JPH1099308A JPH1099308A JP9203520A JP20352097A JPH1099308A JP H1099308 A JPH1099308 A JP H1099308A JP 9203520 A JP9203520 A JP 9203520A JP 20352097 A JP20352097 A JP 20352097A JP H1099308 A JPH1099308 A JP H1099308A
- Authority
- JP
- Japan
- Prior art keywords
- image
- density
- background
- images
- sub
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims description 47
- 230000000877 morphologic effect Effects 0.000 claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 13
- 230000003628 erosive effect Effects 0.000 claims description 10
- 230000011218 segmentation Effects 0.000 claims description 10
- 238000000638 solvent extraction Methods 0.000 claims description 10
- 238000009499 grossing Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 2
- 238000012887 quadratic function Methods 0.000 claims description 2
- 230000000750 progressive effect Effects 0.000 claims 1
- 210000001367 artery Anatomy 0.000 abstract description 16
- 210000004556 brain Anatomy 0.000 abstract description 8
- 230000007797 corrosion Effects 0.000 abstract 2
- 238000005260 corrosion Methods 0.000 abstract 2
- 230000015572 biosynthetic process Effects 0.000 abstract 1
- 210000004204 blood vessel Anatomy 0.000 description 13
- 238000001914 filtration Methods 0.000 description 5
- 230000002792 vascular Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 238000003709 image segmentation Methods 0.000 description 3
- 210000004351 coronary vessel Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 206010002329 Aneurysm Diseases 0.000 description 1
- 241000512259 Ascophyllum nodosum Species 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 210000001627 cerebral artery Anatomy 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000001225 therapeutic effect Effects 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
- G06T7/155—Segmentation; Edge detection involving morphological operators
-
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30101—Blood vessel; Artery; Vein; Vascular
-
- 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
- G06T2207/30172—Centreline of tubular or elongated structure
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
する不均一な濃度のリボン状の対象を表わすデジタル画
像を処理する方法を提供する。 【解決手段】 この方法は画像平面に平行な二次元ベー
スを有し、第三の次元で二進数でない濃度関数を有する
一又は複数の三次元構成要素のそれぞれでなされる一又
は複数のモルフォロジー的な開放操作からなる自動的に
区画化する段階を含む。好ましくは自動区画化段階は第
三の濃度次元を有する二次元空間構成要素の組により実
施される。この組は角度π/Nとπ/Nで等しく離間さ
れた異方的な二次元構成要素と一つの等方的な構成要素
からなる。
Description
景とコントラストを有する不均一な濃度のリボン状の対
象を表すデジタル画像を処理する方法に関し、この方法
は自動区画化段階を含む。本発明はまた上記方法を実施
する医療システム用の装置に関する。
療画像システム産業に応用される。本発明は特に脳血管
画像システムに応用される。
の動脈の輪郭及び境界を自動的に決定する画像処理シス
テムはChien−Chuan KO,Chi−Wu
MAO,Yung−Nien SUN,Shei−Hs
i CHANGによる論文、Internationa
l Journal of BioMedical C
omputing,39(1995),pp.193−
208,ELSEVIER、”A fully aut
omated identificationof c
oronary borders from the
tree structure of coronar
y angiograms”から既に知られている。
像の収集及び動脈により形成される対象に関する情報を
画像の残り又は背景から分離するためにその画像を区画
化することからなる。区画化段階は一連のモルフォロジ
ー(形態学)的な操作からなる。このシーケンスはまず
第一に対象の境界を保持する一方でノイズを除去するた
めに元の画像に適用されるメディアンフィルタを含む。
平滑化された画像は続いてモルフォロジーフィルタによ
り処理される。
明るく現れるように表示される。モルフォロジーフィル
タは緩やかな濃度変化を有する背景部分を識別するため
に最初に該平滑化に適用される。このフィルタは25画
素の直径を有する平坦な六角形のモルフォロジー構成要
素を用いるモルフォロジー的な閉鎖操作をなす。平坦な
モルフォロジー構成要素はフィルターの制限の内側の濃
度データは一定であるということを意味する。25画素
の直径は元の画像で動脈の直径より大きい。この操作に
より六角形より狭い動脈は平滑化された画像から除去さ
れる。次に得られた画像は対象のエッジ情報をなお保持
している新たな画像を形成するために平滑化された画像
から引き算される。このモルフォロジー的な閉鎖操作は
背景抽出操作をなす。この目的のためにそれは浸食操作
に続く拡張操作を含む。
作に続いて、コントラストを増強するために線形濃度規
格化、続いて2進画像を形成するための閾値決め動作が
なされる。画像を対象及び背景にする実際の区画化はこ
の2進画像でなされる。冠状動脈を平滑化し、背景抽出
処理中に壊された血管部分を修復することは2進閉鎖操
作を含む。動脈システムから余分な対象を除去するため
に以前の画像に適用される2進開放操作を更に含む。こ
れらの2つのモルフォロジー閉鎖及び開放操作で構成要
素は平坦である。操作は輪郭に基づく。
ゴリズムは反復的であり多くの計算時間を必要とする。
上記文献から知られている方法による画像区画化が終了
するのはこの段階である。知られている方法はより特徴
的にはコントラストの豊富な元画像に関し、ここで動脈
は明瞭に識別でき、または動脈の重複は比較的少なく、
動脈システムは木の形をむしろ有し、狭窄のような異常
が検出される。
の部分の動脈システムを再現するデジタル画像用の自動
区画化システムを提供することにある。
ることは新たで深刻な問題をもたらす。実際に脳の動脈
画像はアンギオグラムより小さなコントラストを有す
る;脳の動脈ネットワークは木の形ではなく、重畳によ
り血管の無数の交差で非常に密度が高い;同じ領域で血
管は露出中に血管をより不透明にするために患者に注入
された薬剤がこの高密度の動脈システムで満足できるよ
うに拡散しない事実により高度に変化するコントラスト
を有する非常に異なる直径を示す。
景とコントラストを有する不均一な濃度のリボン状の対
象を表すデジタル画像を処理する方法であって:画像平
面に平行で、第三の次元で二進数でない濃度関数を有す
る二次元ベースを有する一又は複数の三次元構成要素に
対してなされる一又は複数のモルフォロジー的な開放操
作からなる方法により解決される。
に説明する。図は背景上で高度にコントラストを有する
リボンを形成する対象を示すデジタル画像をフィルター
する方法の種々の段階に関して以下に詳細に説明し、該
段階は自動画像区画化は画素が背景及び対象に属するよ
う画素をラベルするためになされ、最終的には対象はレ
ベル1、背景はレベル0を有する2進画像を構成する。
されるように元のデジタル濃度画像は脳の動脈画像であ
る。この動脈画像ではもつれた長い暗いリボンを形成
し、それを診断及び治療のどちらのために調べるのも難
しい。画像は低いコントラストを有する。血管は識別が
難しく、無数の重複を有する。図2に示されるように区
画化処理の完了後には画像は2進画像になり、一定の濃
度レベルで均一な背景上でコントラストを示す図1の動
脈画像の動脈システムを専ら示す。
像から図2の画像を得ることを可能にする。故に図2の
画像で医者が医療診断又は治療をなす場合の正確さは元
の画像でなされたときに可能であったことと比較して顕
著に改善される。機能ブロックにより本発明の方法を示
す図19に示されるように区画化方法は好ましくは以下
の一連の段階からなる: 1. デジタル画像の収集 図1に示されるようにデジタル画像はデジタル化された
濃度レベルを有する画素の二次元マトリックスJ00の形
でデジタル画像形成手段100により収集される。収集
された画像J00は動脈が明るい背景上に暗いリボンを形
成する脳の動脈画像を表す。この画像は最初にノイズを
除去するために例えば低域通過平滑化のようなフィルタ
ー操作101をなされる。
に明るくなるようデジタル画像J01を提供するために当
業者に知られているいかなる方法により反転されうる。
これは当分野の技術レベルで知られている方法により処
理された画像と同じ型の画像をもたらす。本発明の方法
のそれに続く部分では血管が暗い背景上に明るいリボン
であるこれらの画像が用いられる。
めに背景抽出110が平滑化された画像J01上でなされ
る。図3は画像J01内の血管20を横切る画素ラインΔ
1に沿った濃度プロファイルを示す。この濃度プロファ
イルは背景に対応する遅い濃度変化を有する部分10及
び血管に対応する濃度のこぶを形成する部分20を有す
る。
1の現在の画素P(x,y)上に中心を有するフィルタ
102の通過からなり、これは現在の画素P(x,y)
の左の所定の距離R1に位置する点A1の濃度IA1とラ
インΔ1上の現在の画素P(x,y)の右の所定の距離
R1に位置する点B1の濃度IB1との間の平均を取る。
計算された平均濃度IP は現在画素P(x,y)に割り
当てられる。
管により生ずる濃度のこぶ20が除去され、背景部分3
0はその位置で推定される。このフィルター操作102
は値2R1が最大の血管の横断方向の寸法より大きい第
一の距離R1を有する第一のスケールに対してなされ
る。図4に示されるようにこのフィルター操作は更にま
た異なる距離R2を有する第二のスケールに対してなさ
れ、これは最小の血管の直径の関数として選択される。
bの概略平面図である図5に示されるようにこのフィル
ター操作102は図3、4のような一以上のスケールに
対して実施されるのみならず画像平面J01内でπ/Mず
つ規則的に離間される方向Δ1からΔMの複数のMに関
しても実施される。好ましくはM=8である。続いてこ
のフィルター操作102はπ/8毎の角度的に等間隔な
8つの方向でなされる。 各現在の点P(x,y)では
次に背景の濃度値はスケールと向きΔを変化することに
より推定される全ての値の最小値として推定される。操
作102は推定された背景画像JBGを提供する。
対して画像JBGから得られた推定された濃度値を平滑化
された画像J01の濃度データから引き算することにより
計算された濃度データを画素に割り当てることにより形
成される。この背景抽出方法は非常に正確である。何故
ならば背景の濃度値はまた推定され、血管の位置で引き
算されるからである。
ならばそれは計算時間をそれほど多くは必要とせず、血
管の重複又は重畳される領域でどのような誤り又は不正
確さをも発生しないからである。画像J0 は作業画像で
あり;画像J0 は暗い背景に対して明るい血管を示す。 3. ファジー区画化と称される区画化段階 ファジー区画化と称される第一の区画化段階130は画
像J0 上でなされ、背景の抽出を得る。「ファジー区画
化」という呼び方は従来技術から知られている他の区画
化方法からこの区画化を識別するために採用した。
る画像J0 は2進画像でなく、リボン状の血管は種々の
濃度を有し、実質的に均一にされた低い濃度の背景とコ
ントラストをなすものである。本発明の方法により、図
6に示されるように区画化される画像J0 は二次元画素
マトリックスの軸に対応する空間的次元(x,y)及び
二つの空間的次元の関数として変化するようプロットさ
れる濃度値I(x,y)に沿った第三の次元zを有する
疑似三次元表示として示される。この疑似表示された例
えば符号20a、20bのような動脈では背景に関して
それらの濃度値に依存した可変な高さのトンネル、即
ち、引き伸ばされた形を有し、上部が丸く、実質的に平
坦な背景から立ち上がっている、が形成される。図6で
は2つの動脈が相互に交差し、即ち実際にはそれらは重
畳されている。濃度画像J0 の交差部分での濃度は2つ
の動脈の濃度の和に等しい。これは図6の濃度のこぶ4
0により示される。
ロジー的な開放操作が一又は複数の三次元構成要素で実
施されることからなる。三次元は構成要素が画像平面
x,yに平行な平面u,v内に空間的な二次元ベースを
有し、この2つの空間的な次元の関数として第三の次元
zで可変な濃度関数G(u,v)を表す二進数ではない
濃度関数Gを有するという意味である。
ば円である。その場合には要素は等方的である。濃度関
数G(u,v)は円の中心を通過する対称の軸zに関し
て回転により形成される。図8に示されるように方向d
の短軸と方向Dの長軸とを有するようベースは引き伸ば
されうる。構成要素は従って異方性を有する。好ましく
はモルフォロジー的な開放操作は複数の構成要素により
なされる。
D1からDNの長軸を有する複数のN個の異方性構成要
素からなるよう形成され、これらは画像平面x,yに平
行な面(u,v)でπ/Nとπ/Nで角度的に等間隔で
ある。図9で8つの構成要素G1 からG8 が示され、方
向D1からD8のその長軸は中心O1 からO8 を有し、
角度π/8で等間隔である。
等方的な要素G9 を含み、そのベースは対象の中心O9
を示す。図6に示すように三次元画像J0 の一部分を示
し、図7、8には三次元構成要素の例が示され、モルフ
ォロジー的な開放操作がこの血管の部分の位置、大き
さ、濃度、方向を決定するよう異方性を有する又は等方
的な構造の要素の組の構成要素のどちらが所定の血管区
域で最も良いか決定するようになされる。
第一の組が図9を参照して上記のように同じ方向に長い
区域を有する大きな直径の血管を検出するために第一の
スケールに対して形成され、構成要素の一又は複数の組
はより小さな血管を検出するためにより小さなスケール
に対して形成される。例えば図10に示されるようにG
8 のタイプ及びそれに続くタイプG6 及びそれに続くタ
イプG5 の構成要素は血管20aに適合し、この血管2
0aの3つの区域の大きさと方向と強度とが決定される
ことを可能にする。更にまたより小さなスケールの構成
要素G’3 は血管区域20b内に適合し、この区域の大
きさと方向と強度とが決定されることを可能にする。
な相互に交差する血管はそれぞれ区画化され、即ち交差
により誤差が形成されないことである。斯くして最初の
モルフォロジー的な開放操作は図9に示されるタイプの
等方的構成要素によりなされうる。この操作は該等方的
構成要素をそこに挿入される構成要素のような横断的な
寸法を有する円形の対象又はむしろ血管が検知される例
えば図15に示されるような開放画像を形成するために
例えば図14に示されるような画像に対して行と列に沿
って元の画像J00に対応する画像J0 にわたって通過さ
せることによりなされる。
に関して反転した濃度を有する。この画像処理方法では
そのような反転は純粋に表象的なものであり、ここで適
用されたのはよりよく理解されうる画像を得るためであ
る。続いて、複数のモルフォロジー的な開放操作がN個
の異方的な方向性を有する構成要素の組のそれぞれの要
素によりなされる。これらの操作はN個の開放画像の組
を形成するために長軸に平行な点の列に沿って画像J0
の点にわたって該異方的な構成要素を通過させることに
よりなされ、該主軸と同じ方向を有する各々の血管区域
が検出される。斯くして方向π/2の構成要素を適用す
ることにより形成された開放画像は図16に示され、方
向π/4の構成要素は図17に示される。
示すような1より大きな次数の単項式の関数又は二次関
数である: G(u)=a・un ここでuは画像処理軸による変数であり、例えば異方性
構成要素の主軸であり、aは定数、nは一以上の定数で
ある。構成要素のスケールはこれらの定数の値を調整す
るために決定される。
0は第一の浸食副操作111からなる。図11に示され
るように浸食は主軸D又はときにはd、又は所定の構成
要素Gの方向に平行な横座標xの軸により決定される平
面内の画像J0 の濃度プロファイルI(x)上に形成さ
れる;この平面はまた濃度値がプロットされる座標zの
軸により決定される。浸食はこの面で最大値を示す構成
要素の濃度関数G(u)によりなされる。浸食は接点T
で濃度プロファイルI(x)の下の濃度関数G(u)の
連続的なシフトにより濃度プロファイルI(x)の各横
軸の点x0 でなされる;このシフト中の関数G(u)の
最大値の幾何的な軌跡は図11で破線で示されるように
濃度プロファイルI(x)の浸食された形IE (x)を
決定する。
平面で最小濃度を有する構成要素の反転された濃度関数
−G(u)により浸食されたプロファイルIE (x)に
なされる第二の拡張副操作112からなる。拡張は接点
T’に該浸食されたプロファイルにわたり反転された濃
度関数−G(u)の連続したシフトにより浸食されたプ
ロファイルIE (x)の各横座標点x0 になされる。こ
のシフト中の関数−G(u)の最小値の幾何的な軌跡は
図12で破線で示されるように浸食された濃度プロファ
イルの拡張された形ID (x)を決定する。
区域に最も良く適合する構成要素を要素の組から決定す
ることを可能にする。長軸に平行な異方性要素の通過は
この長軸に沿った方向の顕著な長さを有する血管区域を
決定することを可能にし、一方で等方的要素の通過は血
管の横断方向の寸法を決定する。
常に重要な異常の検出を許容する。何故ならばこれらの
異常は血管に膨張を形成する丸い形を有するからであ
る。そのような異常は方向付けられた異方性構成要素と
等方性要素の関係によってのみ検出可能である。これら
の異常は一又は複数のスケールに対する構成要素の提案
された組により必ず検出される。
N回の開放操作130により形成される。斯くして例え
ば9個の構成要素の場合には9つの開放操作121から
129がなされる。図19に示されるように新たな画像
は開放画像に基づいて113で形成される。この新たな
画像で各画素はN+1個の構成要素により計算された濃
度の最大の濃度を与えられる。この画像は最大濃度画像
JMAX と称される。
また図18に示される画像に再結集され、これは最大濃
度が与えられた図9の9つの構成要素により検出された
血管区域に対応する9つの向きの組に区画化された画像
である。異なる区画化された区域は対応する構成要素の
主軸に平行な線で示され、又は等方的な要素により検出
された部分の場合には点により示される。
115により形成される。閾値決め操作の終わりでこの
分野の技術水準から知られている方法により画像は接続
された領域へ分割される。2つの画素は多数の画素で表
されるこれら2つの画素間の距離が所定の距離より小さ
い場合には「接続されている」と称される。斯くして最
小面積の領域は決定され、それは接続された画素を含む
接続された領域と称される。操作116ではこのように
決められた接続された領域に属さない画素は除去され
る。
た2進画像JB が得られる。区画化方法はモルフォロジ
ー的な開放操作を対象が暗い背景に対して明るい画像に
対して浸食/拡張副操作を用いて適用する。対象が浸食
/拡張副操作によるモルフォロジー的な閉鎖操作を用
い、及び上記構成要素の組を用いて明るい背景に対して
暗い画像に対する区画化方法を適用することは可能であ
り、等価である。背景減算操作は濃度が反転されている
ことを考慮に入れると上記のようになされる。
成する手段と組み合わせて用いられ、又は種々の放射線
手段と結合して用いられる医療用画像処理装置は:特に
動脈画像であるデジタル化された医療用画像の収集に対
してシステム100と、上記説明されたセグメント化方
法を実施するマイクロプロセッサを含むデジタル画像デ
ータにアクセスを有する画像処理システム200と、本
発明の方法に含まれる種々の画像を表示するマイクロプ
ロセッサの出力と結合された表示システム201とから
なる。
をそれぞれ有する血管部分へ区画化することである。斯
くの如く決定された方向のデータは他の近接又は交差す
る区域に関するデータと独立である。何故ならばこれら
の他の区域は異なる向きを有するからである。故に本発
明の方法は脳動脈画像区画化に特に適切である。
少ないことであり、これはこの分野の技術水準では本発
明の方法は知られている方法の約70倍速い。斯くして
本発明の方法を実施するデジタル医療画像を処理する医
療システム用の装置は非常に短い計算時間で非常によい
結果を提供する。
ある。
出の段階を示す。
出の段階を示す。
出の段階を示す。
す軸を有する濃度画像の一部分をレリーフで表した斜視
図である。
及び異方的な構成要素のベースを示す平面図である。
良に方向付けられた構成要素での血管のマッチングを示
す。
開放画像を示す。
モルフォロジー的に開放画像を示す。
モルフォロジー的に開放画像を示す。
によりフィルターされた結果得られた方向画像と呼ばれ
る画像を示し、ここで血管部分は特定の方向を有する線
又は点のいずれかによりマークされる。
Claims (10)
- 【請求項1】 より小さな濃度の背景と不均一な濃度の
コントラストを有するリボン状の対象を表すデジタル画
像を処理する方法であって:画像平面に平行な二次元ベ
ースを有し、第三の次元で二進数でない濃度関数を有す
る一又は複数の三次元構成要素それぞれに対してなされ
る一又は複数のモルフォロジー的な開放操作からなる自
動区画化段階を含む方法。 - 【請求項2】対称の中心を有する等方的な二次元ベース
を有し、対称の中心に最適(最大又は最小)値を有する
二進数でない濃度関数を有し、該等方的構成要素を実質
的に円形の対象が検出される開放画像を形成するために
行及び列に沿ってデジタル画像の点を越えて通過させる
ことによりなされるモルフォロジー的な開放操作と、 検出された円形の対象及び背景を含む区画化された画像
を構成する操作とを区画化段階に更に含む請求項1記載
の方法。 - 【請求項3】画像平面内で角度π/Nとπ/Nで角度的
に等しく離間されたそれぞれの主軸を有する異方的な二
次元ベースを有し、第三の次元でベースの主軸の中心に
最適(最大又は最小)値を有する二進数でない濃度関数
をそれぞれ有するN個の三次元構成要素の組の要素によ
りそれぞれなされる複数のモルフォロジー的な開放操作
と、 検出された該区域及び背景を含む区画化された画像を構
成する操作とを区画化段階に更に含み、 該モルフォロジー的な開放操作は該主軸と同じ向きを有
するそれぞれのリボン状の対象区域が検出されるN個の
開放画像の組を形成するために該主軸に平行な点の並ん
だ線に沿ったデジタル画像の点を越えて該異方的構成要
素が通過することによりなされる請求項1記載の方法。 - 【請求項4】 構成要素の濃度関数は以下の式、 G(u)=a・un のような1よりも高い次数の単項式、又は二次関数であ
り、ここでuは画像の平面に平行な処理軸による変数で
あり、 aは定数であり、 nは一以上の定数であり、変数の羃指数である請求項1
乃至3のうちのいずれか1項記載の方法。 - 【請求項5】 モルフォロジー的な開放操作は画像内の
異なる直径の対象の最も可能な検出のための定数の値を
調整することにより複数の異なるスケールでなされる請
求項1乃至4のうちのいずれか1項記載の方法。 - 【請求項6】 開放操作は:構成要素の主軸(D)又は
所定の半径(G)の方向に平行な横座標(x)の軸と、
濃度値がプロットされる座標(z)の軸と、この面で最
大値を示す構成要素の濃度関数[G(u)]とにより決
定される平面内のデジタル画像の濃度プロファイルI
(x)上に形成された第一の浸食副操作と、 該平面で最小値を有する構成要素の反転された濃度関数
[−G(u)]により浸食された濃度プロファイルIE
(x)になされる第二の拡張副操作とからなり、 該第一の浸食副操作は接点(T)で濃度プロファイルI
(x)の下の濃度関数[G(u)]の順次のシフトによ
り、及び濃度プロファイル[I(x)]の浸食された形
IE (x)として該濃度関数[G(u)]の最大値の幾
何的な軌跡の決定により濃度プロファイルの各横軸の点
(x0 )でなされ、 該第二の拡張副操作は接点(T’)で該浸食された濃度
プロファイル[IE (x)]にわたり反転された濃度関
数[−G(u)]の順次のシフト及び浸食された濃度プ
ロファイルの拡張された形[ID (x)]として該濃度
関数[−G(u)]の最小値の幾何的な軌跡の決定によ
り浸食された濃度プロファイルIE (x)の各横座標点
[x0 ]になされる請求項1乃至5のうちのいずれか1
項記載の方法。 - 【請求項7】 最大濃度画像と称される画像はモルフォ
ロジー的な開放操作によりこの画素に対して決定される
全ての値の最大値を各画素に割り当てることにより構成
され、該最大濃度画像は2進画像を形成するよう閾値決
めされる請求項1乃至5のうちのいずれか1項記載の方
法。 - 【請求項8】 前もってデジタル画像(J0 )が収集さ
れ、これは背景と不均一な濃度のコントラストを有する
リボン状の対象を表し、この画像で対象は高濃度の背景
に対して低濃度の対象であり、区画化段階の前に:濃度
反転副操作と、 ノイズ平滑化副操作と、からなる段階を含み、平滑化さ
れた画像J01と称される画像を得、平滑化された画像に
なされる背景抽出操作は:平滑化された画像の画素を角
度π/Mとπ/Mで等しく角度的に離間されたM個のフ
ィルタの組に通過させ、それぞれ現在の画素の反対側に
位置する該平滑化された画像内の血管の半径より大きな
距離(R1 ,R2 )にある点の平均濃度を決定し、該平
均を現在の画素に割り当てる副操作と、 その組のフィルタにより決定された濃度の最低濃度値が
各画素に割り当てられる背景画像を形成する副操作と、 作業画像(J0 )を形成するために平滑化された画像の
背景を減算する副操作とからなる請求項1乃至7のうち
のいずれか1項記載の方法。 - 【請求項9】 より高濃度の背景に対して不均一な濃度
のコントラストを有するリボン状の対象を表わすデジタ
ル画像を処理する方法であって、画像平面に平行な二次
元ベースを有し、それぞれ第三の次元で二進数でない濃
度関数を有する一又は複数の三次元構成要素でなされる
一又は複数のモルフォロジー的な閉鎖操作からなる自動
的に区画化する段階を含む方法。 - 【請求項10】 実質的により低濃度の背景に対してコ
ントラストを有する不均一な濃度のリボン状の対象を表
わすデジタル画像を処理し、デジタル画像の収集用のシ
ステムと、デジタル画像データにアクセスを有する画像
処理システムと、収集された画像及び処理された画像を
表示する表示システムとからなり、ここで画像処理シス
テムは請求項1乃至9のうちのいずれか一項記載の方法
を実施するマイクロプロセッサからなる医療システム用
の装置。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
FR9609641 | 1996-07-31 | ||
FR9609641 | 1996-07-31 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH1099308A true JPH1099308A (ja) | 1998-04-21 |
Family
ID=9494673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP9203520A Pending JPH1099308A (ja) | 1996-07-31 | 1997-07-29 | デジタル画像の自動区画化方法及び装置 |
Country Status (4)
Country | Link |
---|---|
US (1) | US6047090A (ja) |
EP (1) | EP0822515B1 (ja) |
JP (1) | JPH1099308A (ja) |
DE (1) | DE69734801T2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007207009A (ja) * | 2006-02-02 | 2007-08-16 | Fujitsu Ltd | 画像処理方法及び画像処理装置 |
JP2011097981A (ja) * | 2009-11-04 | 2011-05-19 | Mitsubishi Electric Corp | 画像信号処理装置および画像信号処理方法 |
JP2013530755A (ja) * | 2010-06-21 | 2013-08-01 | ユニヴェルシティ プトラ マレーシア | 少なくとも1つの3次元画像を構成する方法 |
JP2014526334A (ja) * | 2011-09-13 | 2014-10-06 | コーニンクレッカ フィリップス エヌ ヴェ | 小孔の可視化を伴う血管の輪郭描画 |
JP2015232911A (ja) * | 2015-09-11 | 2015-12-24 | 株式会社日立製作所 | 生体認証装置および方法 |
Families Citing this family (41)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6295392B1 (en) * | 1998-05-20 | 2001-09-25 | Itt Manufacturing Enterprises, Inc. | Super resolution methods for electro-optical systems |
US6366797B1 (en) * | 1998-08-25 | 2002-04-02 | The Cleveland Clinic Foundation | Method and system for brain volume analysis |
AUPQ449899A0 (en) | 1999-12-07 | 2000-01-06 | Commonwealth Scientific And Industrial Research Organisation | Knowledge based computer aided diagnosis |
US6980675B2 (en) * | 2000-10-18 | 2005-12-27 | Paieon, Inc. | Method for processing images of coronary arteries |
FR2818855A1 (fr) * | 2000-12-26 | 2002-06-28 | Koninkl Philips Electronics Nv | Procede de traitement d'images |
WO2002080108A1 (en) * | 2001-04-02 | 2002-10-10 | Koninklijke Philips Electronics N.V. | Heart modeling using a template |
US7526112B2 (en) * | 2001-04-30 | 2009-04-28 | Chase Medical, L.P. | System and method for facilitating cardiac intervention |
US7327862B2 (en) * | 2001-04-30 | 2008-02-05 | Chase Medical, L.P. | System and method for facilitating cardiac intervention |
WO2003024184A2 (en) * | 2001-09-14 | 2003-03-27 | Cornell Research Foundation, Inc. | System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans |
US6947040B2 (en) * | 2001-10-23 | 2005-09-20 | Siemens Corporate Research, Inc. | Vessel detection by mean shift based ray propagation |
GB0205000D0 (en) * | 2002-03-04 | 2002-04-17 | Isis Innovation | Unsupervised data segmentation |
US20030190063A1 (en) * | 2002-03-08 | 2003-10-09 | Acharya Kishore C. | Method and system for performing coronary artery calcification scoring |
US7149335B2 (en) * | 2002-09-27 | 2006-12-12 | General Electric Company | Method and apparatus for enhancing an image |
US7899245B2 (en) * | 2002-12-30 | 2011-03-01 | Lockheed Martin Corporation | Morphological based segmenter |
US20050043609A1 (en) * | 2003-01-30 | 2005-02-24 | Gregory Murphy | System and method for facilitating cardiac intervention |
WO2004068406A2 (en) * | 2003-01-30 | 2004-08-12 | Chase Medical, L.P. | A method and system for image processing and contour assessment |
US20040260540A1 (en) * | 2003-06-20 | 2004-12-23 | Tong Zhang | System and method for spectrogram analysis of an audio signal |
US20070014452A1 (en) * | 2003-12-01 | 2007-01-18 | Mitta Suresh | Method and system for image processing and assessment of a state of a heart |
US7616794B2 (en) * | 2004-01-26 | 2009-11-10 | Siemens Medical Solutions Usa, Inc. | System and method for automatic bone extraction from a medical image |
US7333643B2 (en) * | 2004-01-30 | 2008-02-19 | Chase Medical, L.P. | System and method for facilitating cardiac intervention |
US20050174085A1 (en) * | 2004-02-10 | 2005-08-11 | Olympus Corporation | Micromanipulation system |
US7248736B2 (en) * | 2004-04-19 | 2007-07-24 | The Trustees Of Columbia University In The City Of New York | Enhancing images superimposed on uneven or partially obscured background |
DE602005005348T2 (de) * | 2004-09-22 | 2009-03-26 | Koninklijke Philips Electronics N.V. | Konforme segmentierung von organen auf medizinischen bildern |
EP1828978A1 (en) * | 2004-12-16 | 2007-09-05 | Koninklijke Philips Electronics N.V. | A method, an apparatus and a computer program for segmenting a structure in a multi-dimensional dataset |
US7773787B2 (en) * | 2005-04-19 | 2010-08-10 | Siemens Medical Solutions Usa, Inc. | Method and apparatus for detecting blood vessel boundaries using multi-scale mean-shift ray propagation |
FR2889382A1 (fr) * | 2005-07-29 | 2007-02-02 | Canon Res Ct France Soc Par Ac | Procede et dispositif de filtrage d'un signal numerique multidimensionnel et procedes et dispositifs de codage et decodage associes |
US9042606B2 (en) * | 2006-06-16 | 2015-05-26 | Board Of Regents Of The Nevada System Of Higher Education | Hand-based biometric analysis |
US7860283B2 (en) | 2006-10-25 | 2010-12-28 | Rcadia Medical Imaging Ltd. | Method and system for the presentation of blood vessel structures and identified pathologies |
US7983459B2 (en) | 2006-10-25 | 2011-07-19 | Rcadia Medical Imaging Ltd. | Creating a blood vessel tree from imaging data |
US7940977B2 (en) | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures to identify calcium or soft plaque pathologies |
US7873194B2 (en) * | 2006-10-25 | 2011-01-18 | Rcadia Medical Imaging Ltd. | Method and system for automatic analysis of blood vessel structures and pathologies in support of a triple rule-out procedure |
US7940970B2 (en) * | 2006-10-25 | 2011-05-10 | Rcadia Medical Imaging, Ltd | Method and system for automatic quality control used in computerized analysis of CT angiography |
US8761466B2 (en) * | 2008-01-02 | 2014-06-24 | Bio-Tree Systems, Inc. | Methods of obtaining geometry from images |
US8781194B2 (en) * | 2009-04-17 | 2014-07-15 | Tufts Medical Center, Inc. | Aneurysm detection |
US8655084B2 (en) * | 2009-06-23 | 2014-02-18 | Board Of Regents Of The Nevada System Of Higher Education, On Behalf Of The University Of Nevada, Reno | Hand-based gender classification |
CN101770577B (zh) * | 2010-01-18 | 2011-11-30 | 浙江林学院 | 无人机航片松材线虫病病死木的膨胀-剔除信息提取法 |
US8861814B2 (en) * | 2010-12-22 | 2014-10-14 | Chevron U.S.A. Inc. | System and method for multi-phase segmentation of density images representing porous media |
TR201101980A1 (tr) * | 2011-03-01 | 2012-09-21 | Ulusoy İlkay | Bir nesne temelli bölütleme yöntemi. |
JP5777650B2 (ja) * | 2013-01-29 | 2015-09-09 | 富士フイルム株式会社 | 超音波診断装置および超音波画像生成方法 |
JP6226939B2 (ja) * | 2015-11-30 | 2017-11-08 | 麗軌 清水 | 超低解像度画像作成装置及び超低解像度画像作成方法 |
CN109389116B (zh) * | 2017-08-14 | 2022-02-08 | 阿里巴巴(中国)有限公司 | 一种字符检测方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5574803A (en) * | 1991-08-02 | 1996-11-12 | Eastman Kodak Company | Character thinning using emergent behavior of populations of competitive locally independent processes |
FR2708166A1 (fr) * | 1993-07-22 | 1995-01-27 | Philips Laboratoire Electroniq | Procédé de traitement d'images numérisées pour la détection automatique de sténoses. |
DE4435796C1 (de) * | 1994-10-06 | 1995-12-07 | Siemens Ag | Verfahren zur automatischen Erkennung von Kanten und Durchmessern in Bildern |
US5832134A (en) * | 1996-11-27 | 1998-11-03 | General Electric Company | Data visualization enhancement through removal of dominating structures |
-
1997
- 1997-07-16 US US08/895,253 patent/US6047090A/en not_active Expired - Fee Related
- 1997-07-24 EP EP97202312A patent/EP0822515B1/fr not_active Expired - Lifetime
- 1997-07-24 DE DE69734801T patent/DE69734801T2/de not_active Expired - Fee Related
- 1997-07-29 JP JP9203520A patent/JPH1099308A/ja active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007207009A (ja) * | 2006-02-02 | 2007-08-16 | Fujitsu Ltd | 画像処理方法及び画像処理装置 |
KR100908856B1 (ko) | 2006-02-02 | 2009-07-21 | 후지쯔 가부시끼가이샤 | 화상 처리 방법 및 화상 처리기 |
JP2011097981A (ja) * | 2009-11-04 | 2011-05-19 | Mitsubishi Electric Corp | 画像信号処理装置および画像信号処理方法 |
JP2013530755A (ja) * | 2010-06-21 | 2013-08-01 | ユニヴェルシティ プトラ マレーシア | 少なくとも1つの3次元画像を構成する方法 |
JP2014526334A (ja) * | 2011-09-13 | 2014-10-06 | コーニンクレッカ フィリップス エヌ ヴェ | 小孔の可視化を伴う血管の輪郭描画 |
JP2015232911A (ja) * | 2015-09-11 | 2015-12-24 | 株式会社日立製作所 | 生体認証装置および方法 |
Also Published As
Publication number | Publication date |
---|---|
DE69734801T2 (de) | 2006-08-17 |
EP0822515A1 (fr) | 1998-02-04 |
US6047090A (en) | 2000-04-04 |
EP0822515B1 (fr) | 2005-12-07 |
DE69734801D1 (de) | 2006-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JPH1099308A (ja) | デジタル画像の自動区画化方法及び装置 | |
Zhou et al. | The detection and quantification of retinopathy using digital angiograms | |
US5768405A (en) | Digital image processing method for local determination of the center and the width of objects in the form of contrasting bands on a background | |
Sun | Automated identification of vessel contours in coronary arteriograms by an adaptive tracking algorithm | |
DE102006017113A1 (de) | Verfahren und Vorrichtung zum Detektieren von Gefäßgrenzen | |
CN111145206A (zh) | 肝脏图像分割质量评估方法、装置及计算机设备 | |
DE102008007231A1 (de) | Robustes Gefäßbaummodellieren | |
EP3497669B1 (en) | Method for automatically detecting systemic arteries in arbitrary field-of-view computed tomography angiography (cta). | |
JPH114383A (ja) | 連鎖段階を含む画像処理方法及びこの方法を実施する手段を含む医療用撮像装置 | |
JPH0765154A (ja) | 血管像の定量解析装置及びその定量解析方法 | |
Palti-Wasserman et al. | Identifying and tracking a guide wire in the coronary arteries during angioplasty from x-ray images | |
JP2005504595A (ja) | 画像内の病変の評定 | |
JPH07271976A (ja) | 画像処理方法 | |
Wang et al. | A fast method for automated detection of blood vessels in retinal images | |
CN103324934B (zh) | 基于平行结构检测与聚类的血管中心线自动提取方法 | |
JPH06290276A (ja) | 3次元場面の映像化用配置及び方法 | |
US20040213445A1 (en) | Method and apparatus for separating an object from an ultrasound image | |
CN112529918B (zh) | 一种脑部ct图像中脑室区域分割的方法、装置及设备 | |
Blondel et al. | Automatic trinocular 3D reconstruction of coronary artery centerlines from rotational X-ray angiography | |
IL129201A (en) | 4d kappa 5 gaussian noise reduction | |
JP4473578B2 (ja) | 体の構造の孤立した視覚化されたものを形成する方法及び装置 | |
Chen et al. | An automated approach for fibrin network segmentation and structure identification in 3D confocal microscopy images | |
CN117078711A (zh) | 医学图像分割方法、系统、电子设备和存储介质 | |
CN113344895A (zh) | 高精度的眼底血管管径测量方法、装置、介质和设备 | |
Bouma et al. | Evaluation of segmentation algorithms for intravascular ultrasound images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040727 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070724 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20071023 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20071026 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080318 |