JPH11272865A - 画像セグメンテーション方法およびその装置 - Google Patents

画像セグメンテーション方法およびその装置

Info

Publication number
JPH11272865A
JPH11272865A JP10074263A JP7426398A JPH11272865A JP H11272865 A JPH11272865 A JP H11272865A JP 10074263 A JP10074263 A JP 10074263A JP 7426398 A JP7426398 A JP 7426398A JP H11272865 A JPH11272865 A JP H11272865A
Authority
JP
Japan
Prior art keywords
image
watershed
region
small
shape
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
Application number
JP10074263A
Other languages
English (en)
Inventor
Akira Sawada
晃 澤田
Mieko Osuga
美恵子 大須賀
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP10074263A priority Critical patent/JPH11272865A/ja
Publication of JPH11272865A publication Critical patent/JPH11272865A/ja
Pending legal-status Critical Current

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

(57)【要約】 【課題】 入力画像中の関心領域の抽出の信頼性と精度
を向上させる。 【解決手段】 ＭＲＩ画像、ＣＴ画像のような医用画像
等の濃淡画像を入力画像とし、入力画像の濃淡分布形状
を分水嶺形状に変形する分水嶺生成部と、濃淡分布形状
の変形された画像に基づいて分水嶺に囲まれた領域単位
毎に小領域に分画する画像分画部と、複数の小領域に分
画された画像内の類似する小領域を融合する領域融合部
とを備え、関心領域の輪郭を連続線として抽出し、関心
領域の形状を抽出する。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】この発明は、ＭＲＩ（Ｍａｇ
ｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）、
ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）のよ
うな医用画像に情報を付加する医用アプリケーションな
どにおいて、その前処理として入力画像からの関心領域
または物体の領域を抽出するセグメンテーションの手法
とその装置に関するものである。
【０００２】
【従来の技術】画像から関心領域、あるいは物体を抽出
するセグメンテーション技術のひとつである“画像領域
抽出方法”（特開平９ー１５３１３４号公報）は、画像
を暫定的に小領域に分割し、各領域について求めた線形
モデルを基にした併合尺度により、小領域を融合し、関
心領域を抽出する。また、小領域に分割する方法として
は、分水嶺法（Ｗａｔｅｒｓｈｅｄ法）があり、これ
は、まず、画像の濃淡分布を地形における高度とみなし
て捉えた時に、画像内の極小点群（谷）を求める。そし
て、ある濃度（高度）での各画素において近傍領域の画
素濃度値の大小比較を行い、より小さな画素へと移動す
る。この処理を繰り返し行い、最終的に各画素を極小点
群のいずれかに属するようにする。この処理は、画像上
の各画素に落とされた水滴が地形の傾斜に応じて移動
し、地形の高度の低いところで集積することに類似して
いる。集積された水滴が複数の水溜まりを生成するよう
に、最終画像は、極小点群に属した複数の小領域に分画
（モザイク化）される。分水嶺法は、更にこの処理を関
心のある領域或いは、物体を抽出するまで濃淡（高度）
レベルを変化させながら行う方法である。この方法は、
例えば領域或いは物体のエッジ抽出に基くセグメンテー
ション技術では、画像濃淡分布形状により生じる輪郭線
の不連続性（閉じた連続線として得られない）という問
題点や、変形可能な輪郭線モデルの形状が、獲得したい
輪郭線に一致した時に最小値を持つようなエネルギー関
数を定義するような方法を用いた場合に、輪郭線が背景
領域（関心領域以外）に存在する関心領域以外の構造に
とらわれて収束するという問題点を解決し、関心領域、
あるいは、物体を抽出することができるものである。
【０００３】
【発明が解決しようとする課題】分水嶺法による画像か
らの関心領域を抽出においては、高度と見なすべき画像
濃度の濃淡分布の形状に大きく依存する。一般に画像の
濃淡分布形状は予測不可能であり、安定して分画するこ
とは困難であるという課題があった。例えば、図８
（ａ）のような濃淡分布形状では分水嶺が見つけられず
分画が困難である。しかし、画像の濃淡分布形状が図８
（ｃ）に示すように関心領域内が盆地あるいは谷になっ
ており、輪郭線上で急峻な峯状になっていると分画を効
率良く行うことが可能となる。
【０００４】この発明は、上記のような課題を解決する
ためになされたもので、特開平９ー１５３１３４号公報
に示される暫定的な小領域分割方法を分水嶺法により定
式化を行い、且つ、入力画像の濃淡分布を分画するのに
容易な濃淡分布に変形させ、また、関心領域の同定特徴
量の利用により、関心領域抽出の精度と信頼性の向上を
目的とする。
【０００５】
【課題を解決するための手段】この発明の第１の構成に
よる画像セグメンテーション装置は、ＭＲＩ画像、ＣＴ
画像のような医用画像等の濃淡画像を入力画像とし、入
力画像の濃淡分布形状を分水嶺形状に変形する分水嶺生
成部と、濃淡分布形状の変形された画像に基づいて分水
嶺に囲まれた領域単位毎に小領域に分画する画像分画部
と、複数の小領域に分画された画像内の類似する小領域
を融合する領域融合部とを備え、関心領域の輪郭を連続
線として抽出し、関心領域の形状を抽出するものであ
る。
【０００６】また、この発明の第２の構成による画像セ
グメンテーション装置は、第１の構成において、分水嶺
生成部は、入力画像中の領域境界部を膨張および収縮さ
せる画像膨張・収縮部と、前記膨張および収縮させた画
像の差分を演算する膨張収縮差分部を備えたものであ
る。
【０００７】また、この発明の第３の構成による画像セ
グメンテーション装置は、第１の構成において、分画さ
れた画像の小領域の融合手段として、分画された画像の
各小領域の隣接関係を獲得する手段と、小領域の同定の
ために各小領域の濃淡分布形状の差を特徴量として抽出
する手段と、上記で得られた隣接関係と特徴量の類似と
から、隣接し、且つ類似した小領域を融合する手段とを
備えたものである。
【０００８】また、この発明の第４の構成による画像セ
グメンテーション装置は、第１の構成において、入力画
像の種類を自動判別するモダリティ判別部と、画像に含
まれる雑音レベルを調整する方法を複数提示し、その中
から方法を選択して雑音レベルを調整する画像内雑音調
整部とを備えたものである。
【０００９】また、この発明の第５の構成による画像セ
グメンテーション装置は、第１の構成において、分画を
効果的に行うために、画像内濃淡分布形状を分水嶺状に
変化させる手段として、連続した２枚のスライス画像の
差分演算を行う手段を備えたものである。
【００１０】また、この発明の第６の構成による画像セ
グメンテーション装置は、第１の構成において、画像系
列（スライス系列）を前記入力画像とする手段と、前記
画像セグメンテーションを入力画像系列の各画像に並列
処理する手段とを備え、複数枚の画像から同時に関心領
域を抽出するものである。
【００１１】また、この発明の第７の構成による画像セ
グメンテーション装置は、第１の構成において、画像セ
グメンテーションを３次元ボクセルデータに拡張する手
段を有し、３次元データを扱うことにより、関心領域の
３次元抽出を行うものである。
【００１２】また、この発明の第８の構成による画像セ
グメンテーション方法は、入力画像の濃淡分布形状を分
水嶺形状に変形する工程と、入力画像を前記分水嶺で囲
まれた領域単位毎の小領域に分画する工程と、前記分画
された複数の小領域を、小領域の隣接関係と各小領域内
の濃淡分布の特徴量の類似度とに基づいて、隣接し、且
つ類似した小領域を融合する工程とを備え、入力画像中
の関心領域を抽出するものである。
【００１３】
【発明の実施の形態】実施の形態１．図１〜図３にこの
発明の第１の実施の形態の画像セグメンテーション方法
と、これを実行する装置の構成を示す。画像入力部１１
においては、ＭＲＩ、ＣＴのような医用画像を入力画像
とする。次に、小領域分画部１２内の画像膨張・収縮部
１２１及び膨張・収縮画像差分部１２２において、図２
に示すように入力画像図２（ａ）の濃淡分布形状を分画
の獲得しやすい図２（ｄ）のような分水嶺形状に変形す
るために、画像膨張・収縮部において次式による膨張・
収縮による変形を行う。
【００１４】
【数１】
【００１５】膨張は画像内の任意の注回点画素におい
て、その８近傍領域の画素値に構成要素の対応画素値
（０値）を加算した値のうち、８近傍領域内で最大の値
を注目点の画素値に代入する処理を、画像全体に対して
行う。その結果、画像中の境界部分のような濃淡分布が
変化するような領域では画素値が増加することになり、
図２（ｂ）のように画素値が大きい領域（物体領域）が
膨張することになる。また、収縮は上記と逆の動作を
し、図２（ｃ）のように画素値が小さい領域（背景領
域）が膨張、即ち、物体領域が収縮する。膨張・収縮は
それぞれ複数回繰返してもよいし、また、構成要素ｇ
（ｘ）に０値ではなく、大きな値を持たせることによっ
て、膨張・収縮速度を上げることも可能である。次に、
膨張・収縮画像差分部１２１２において、上記で得られ
た膨張画像と収縮画像の画像間差分を演算することによ
り、図２（ｄ）のような分水嶺が抽出しやすい濃淡分布
画像が得られる。
【００１６】そして、図１の画像分割部１２２におい
て、この分布形状が変形された画像データを基に分水嶺
を抽出し、閉曲線形成する分水嶺に囲まれた領域単位毎
の小領域に分画する。このように濃淡分布形状を分水嶺
を抽出しやすい形状に変形することにより、容易に分画
（モザイク画）を得ることが可能となる。次に、図１の
領域融合部１３において、領域の融合を行う。まず、図
３の隣接領域抽出部３１においては、分画画像ラベリン
グ部３１１で分画画像のラベル付けを行う。そして、各
領域の輪郭線抽出部３１２で任意の小領域の輪郭線を求
め、各小領域の輪郭線に隣接するラベル抽出部３１３で
その輪郭線上の点に隣接する画素のラベル値を求めるこ
とにより、各小領域の隣接関係を求める。この工程によ
り、分画画像内の各小領域の隣接関係を把握することが
可能となる。
【００１７】分画された小領域を同定するための特徴量
として、小領域内平均・分散値演算部３２で小領域内の
平均値、分散値を求める。また、分画された小領域を同
定するための他の特徴量として、小領域濃淡分布形状特
徴抽出部３３で関心物体（骨、軟骨）の濃淡分布形状の
差を歪度、尖度のような指標として求める。隣接関係・
類似度判定部３４では、上記で得られた隣接関係と小領
域内の同定特徴量の類似度を判定し、小領域融合部３５
で類似度の高い隣接小領域を融合する。これにより、分
画された画像内にある類似した小領域を隣接関係及び、
小領域内の濃淡特徴類似度を用いて融合し、同一の関心
領域または物体に属すると考えられる領域全体の輪郭線
を連続した閉曲線として抽出することが可能となる。
【００１８】また、分画された小領域の融合を、複数の
特徴量の類似度に基づいて行っているので、関心領域の
抽出の信頼性と精度が高い。なお、この実施の形態の分
水嶺抽出方法である画像中の境界部分の膨張・収縮画像
の差分演算は、画像中の各点の濃度勾配の絶対値と類似
した指標を得るものであり、本方法のかわりに濃度勾配
の絶対値を演算しても、類似の効果が得られる。
【００１９】実施の形態２．図４に記載の医用画像セグ
メンテーション方法の第２の実施の形態を示す。画像モ
ダリティ判別部４１において、ＭＲＩ画像やＣＴ画像等
の入力画像の種類による画像の特徴の違いを判別するこ
とにより、画像の種類を判別して入力画像とする。モダ
リティを判別するために複数のモダリティに対する画像
フォーマットを予めデータとして保持しておき、入力画
像の画像フォーマットと記憶している画像フォーマット
との比較により、自動的に画像の種類の判別を行う。こ
れ以後の画像処理においては、モダリティ判別結果に基
づいて、画像の種類に適合した画像処理パラメータを自
動的に選択して処理されるので、入力画像のモダリティ
を意識せずに扱うことが可能となる。また、入力画像に
は多くの雑音が含まれているため、画像内雑音調整部４
２で雑音レベルの調整処理をし、雑音レベルを調整す
る。その際、正規分布による平滑化、平均値による平滑
化、及び中央値による平滑化のような複数の雑音レベル
調整方法を提示し、それらの中から選択可能とする。
【００２０】実施の形態３．図５に記載の医用画像セグ
メンテーション方法の第３の実施の形態を示す。小領域
分画工程においては、分画を効果的に行うための画像の
濃淡分布形状を変形させる方法として、連続したスライ
スにおいては画像内における構造の変化は少ないという
特徴を利用したスライス間差分による方法を用いる。ス
ライス間差分は、任意の連続した２枚のスライス画像間
の濃度値差分演算を行うことにより得られる。医用にお
いて撮像されるＭＲＩ画像は、高解像度の情報を得るた
めにスライス間隔が非常に短く、前後スライスにおいて
は、関心物体の位置ズレが少なく、形状や大きさが変化
する。この特徴を利用した上記演算により、画像の濃淡
分布形状を分水嶺型形状に変化させることが可能とな
る。この方法は計算が直接的であって処理時間が短いと
いう利点がある。
【００２１】実施の形態４．図６に記載の医用画像セグ
メンテーション方法の第４の実施の形態を示す。この医
用画像セグメンテーション方法に入力として医用画像系
列を与えることにより、複数のスライス画像に対して、
関心領域の抽出処理を並列的に処理を行うことが可能と
なる。この方法によれば、スライス画像系列の前後の画
像の処理結果を参照することができるので、セグメンテ
ーションの信頼性と精度を向上することができ、処理時
間を短縮することもできる。
【００２２】実施の形態５．図７に記載の医用画像セグ
メンテーション方法の第５の実施の形態を示す。この医
用画像セグメンテーション方法をスライス画像面での２
次元のピクセルを単位とする処理ではなく、３次元デー
タであるボクセルを単位とした処理に拡張を行う。即
ち、２次元小領域を３次元小領域とし、小領域同士の隣
接関係も３次元上での隣接関係として求める。上記の拡
張を行うことにより、前後のスライスの位置や領域の３
次元での情報も考慮することが可能となり、関心領域の
３次元構造を精度良く抽出することが可能となる。
【００２３】前記の実施の形態は、この発明を医用画像
のセグメントテーションを例として説明したが、放射線
による非破壊検査画像、気象観測画像、地理観測衛星画
像等のセグメンテーションへの利用も可能であり、対象
を医用画像に限定するものではない。
【００２４】
【発明の効果】この発明の第１の構成である画像セグメ
ンテーション装置によれば、ＭＲＩ画像、ＣＴ画像のよ
うな医用画像等の濃淡画像を入力画像とし、入力画像の
濃淡分布形状を分水嶺形状に変形する分水嶺生成部と、
濃淡分布形状の変形された画像に基づいて分水嶺に囲ま
れた領域単位毎に小領域に分画する画像分画部と、複数
の小領域に分画された画像内の類似する小領域を融合す
る領域融合部とを備え、関心領域の輪郭を連続線として
抽出し、関心領域の形状を抽出するようにしたので、関
心領域の輪郭線を連続した閉曲線として得ることが容易
となり、関心領域の抽出の精度と信頼性を向上させる効
果がある。
【００２５】また、この発明の第２の構成である画像セ
グメンテーション装置によれば、前記分水嶺生成部は、
入力画像中の領域境界部を膨張および収縮させる画像膨
張・収縮部と、前記膨張および収縮させた画像の差分を
演算する膨張収縮差分部を備えたので、画像の濃淡形状
に対する分水嶺作成部において、分画画像を容易に生成
させる効果がある。
【００２６】また、この発明の第３の構成である画像セ
グメンテーション装置によれば、前記分画された画像の
小領域の融合手段として、分画された画像の各小領域の
隣接関係を獲得する手段と、小領域の同定のために各小
領域の濃淡分布形状の差を特徴量として抽出する手段
と、上記で得られた隣接関係と特徴量の類似とから、隣
接し、且つ類似した小領域を融合する手段とを備えたの
で、関心領域を高い精度と信頼性で抽出する効果があ
る。
【００２７】また、この発明の第４の構成である画像セ
グメンテーション装置によれば、前記入力画像の種類を
自動判別するモダリティ判別部と、画像に含まれる雑音
レベルを調整する方法を複数提示し、その中から方法を
選択して雑音レベルを調整する画像内雑音調整部とを備
えたので、ＭＲＩ、ＣＴのような入力画像の種類を考慮
することなく扱え、雑音調整部により、画像の雑音レベ
ルを希望通り調整することが可能となる効果がある。
【００２８】また、この発明の第５の構成である画像セ
グメンテーション装置によれば、前記分画を効果的に行
うために、画像内濃淡分布形状を分水嶺状に変化させる
手段として、連続した２枚のスライス画像の差分演算を
行う手段を備えたので、分水嶺の抽出が高速にできると
いう効果がある。
【００２９】また、この発明の第６の構成である画像セ
グメンテーション装置によれば、画像系列（スライス系
列）を前記入力画像とする手段と、前記画像セグメンテ
ーションを入力画像系列の各画像に並列処理する手段と
を備え、複数枚の画像から同時に関心領域を抽出するよ
うにしたので、関心領域抽出処理を並列に処理すること
が可能となり、関心領域の抽出の信頼性と精度を向上さ
せることができ、関心領域抽出処理時間を短縮する効果
がある。
【００３０】また、この発明の第７の構成である画像セ
グメンテーション装置によれば、前記画像セグメンテー
ションを３次元ボクセルデータに拡張する手段を有し、
３次元データを扱うことにより、関心領域の３次元抽出
を行うようにしたので、関心領域の３次元的構造を考慮
することが可能となり、関心領域抽出の精度を向上させ
る効果がある
【００３１】また、この発明の第８の構成である画像セ
グメンテーション装置によれば、入力画像の濃淡分布形
状を分水嶺形状に変形する工程と、入力画像を前記分水
嶺で囲まれた領域単位毎の小領域に分画する工程と、前
記分画された複数の小領域を、小領域の隣接関係と各小
領域内の濃淡分布の特徴量の類似度とに基づいて、隣接
し、且つ類似した小領域を融合する工程とを備え、入力
画像中の関心領域を抽出するようにしたので、関心領域
の輪郭線を連続した閉曲線として得ることが容易とな
り、関心領域の抽出の精度と信頼性を向上させる効果が
ある。
【図面の簡単な説明】
【図１】 この発明の画像セグメンテーション装置の第
１の実施の形態を示す図である。
【図２】 この発明の画像セグメンテーション方法の第
１の実施の形態を示す図である。
【図３】 この発明の画像セグメンテーション装置の第
１の実施の形態を示す図である。
【図４】 この発明の医用画像セグメンテーション方法
の第２の実施の形態を示す図である。
【図５】 この発明の医用画像セグメンテーション方法
の第３の実施の形態を示す図である。
【図６】 この発明の医用画像セグメンテーション方法
の第４の実施の形態を示す図である。
【図７】 この発明の医用画像セグメンテーション方法
の第５の実施の形態を示す図である。
【図８】 分画に効果的な画像濃淡分布の形状を示す図
である。
【符号の説明】
１１ 画像入力部、１２ 小領域分画部、１２１ 分水
嶺生成部、１２１１画像膨張・収縮部、１２１２ 膨張
・収縮画像差分部、１２２ 画像分画部、１３ 領域融
合部、３１ 隣接関係抽出部、３１１ 分画画像のラベ
リング部、３１２ 各小領域の輪郭線抽出部、３１３
各小領域の輪郭線に隣接するラベル抽出部、３２ 小領
域内平均・分散値演算部、３３ 小領域内濃淡分布形状
特徴抽出部、３４ 隣接関係・類似度判定部、３５ 小
領域融合部、４１ 画像モダリティ判別部、４２ 画像
内雑音調整部。

Claims (8)

    【特許請求の範囲】
  1. 【請求項１】 ＭＲＩ画像、ＣＴ画像のような医用画像
    等の濃淡画像を入力画像とし、入力画像の濃淡分布形状
    を分水嶺形状に変形する分水嶺生成部と、濃淡分布形状
    の変形された画像に基づいて分水嶺に囲まれた領域単位
    毎に小領域に分画する画像分画部と、複数の小領域に分
    画された画像内の類似する小領域を融合する領域融合部
    とを備え、関心領域の輪郭を連続線として抽出し、関心
    領域の形状を抽出することを特徴とする画像セグメンテ
    ーション装置。
  2. 【請求項２】 前記分水嶺生成部は、入力画像中の領域
    境界部を膨張および収縮させる画像膨張・収縮部と、前
    記膨張および収縮させた画像の差分を演算する膨張収縮
    差分部を備えたことを特徴とする請求項１記載の画像セ
    グメンテーション装置。
  3. 【請求項３】 前記分画された画像の小領域の融合手段
    として、分画された画像の各小領域の隣接関係を獲得す
    る手段と、小領域の同定のために各小領域の濃淡分布形
    状の差を特徴量として抽出する手段と、上記で得られた
    隣接関係と特徴量の類似性とから、隣接し、且つ類似し
    た小領域を融合する手段とを備えた請求項１記載の画像
    セグメンテーション装置。
  4. 【請求項４】 前記入力画像の種類を自動判別するモダ
    リティ判別部と、画像に含まれる雑音レベルを調整する
    方法を複数提示し、その中から方法を選択して雑音レベ
    ルを調整する画像内雑音調整部とを備えた請求項１記載
    の画像セグメンテーション装置。
  5. 【請求項５】 前記分画を効果的に行うために、画像内
    濃淡分布形状を分水嶺状に変化させる手段として、連続
    した２枚のスライス画像の差分演算を行う手段を備えた
    請求項１記載の画像セグメンテーション装置。画像セグ
    メンテーション装置。
  6. 【請求項６】 画像系列（スライス系列）を前記入力画
    像とする手段と、前記画像セグメンテーションを入力画
    像系列の各画像に並列処理する手段とを備え、複数枚の
    画像から同時に関心領域を抽出することを特徴とする請
    求項１記載の画像セグメンテーション装置。
  7. 【請求項７】前記画像セグメンテーションを３次元ボク
    セルデータに拡張する手段を有し、３次元データを扱う
    ことにより、関心領域の３次元抽出を行うことを特徴と
    する請求項１記載の画像セグメンテーション装置。
  8. 【請求項８】 入力画像の濃淡分布形状を分水嶺形状に
    変形する工程と、入力画像を前記分水嶺で囲まれた領域
    単位毎の小領域に分画する工程と、前記分画された複数
    の小領域を、小領域の隣接関係と各小領域内の濃淡分布
    の特徴量の類似度とに基づいて、隣接し、且つ類似した
    小領域を融合する工程とを備え、入力画像中の関心領域
    を抽出することを特徴とする画像セグメンテーション方
    法。
JP10074263A 1998-03-23 1998-03-23 画像セグメンテーション方法およびその装置 Pending JPH11272865A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP10074263A JPH11272865A (ja) 1998-03-23 1998-03-23 画像セグメンテーション方法およびその装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP10074263A JPH11272865A (ja) 1998-03-23 1998-03-23 画像セグメンテーション方法およびその装置

Publications (1)

Publication Number Publication Date
JPH11272865A true JPH11272865A (ja) 1999-10-08

Family

ID=13542081

Family Applications (1)

Application Number Title Priority Date Filing Date
JP10074263A Pending JPH11272865A (ja) 1998-03-23 1998-03-23 画像セグメンテーション方法およびその装置

Country Status (1)

Country Link
JP (1) JPH11272865A (ja)

Cited By (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004049445A (ja) * 2002-07-18 2004-02-19 Hitachi Medical Corp コンピュータ支援検出装置
JP2006068457A (ja) * 2004-09-06 2006-03-16 Toshiba Corp Ｘ線ｃｔ装置、画像データ領域抽出システムおよび画像データ領域抽出プログラム
JP2006285310A (ja) * 2005-03-31 2006-10-19 Kanazawa Univ 森林の樹冠の評価方法及びその樹冠評価プログラム
JP2007319673A (ja) * 2006-05-31 2007-12-13 Siemens Ag 対象を検出する検出装置および検出方法ならびにコンピュータ断層撮影装置
WO2011074671A1 (ja) * 2009-12-18 2011-06-23 株式会社日立ハイテクノロジーズ 画像処理装置、及び、測定／検査システム、並びに、プログラム
JP4747175B2 (ja) * 2004-09-22 2011-08-17 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 医用画像における器官の等角セグメント化方法及び装置
JP2012146182A (ja) * 2011-01-13 2012-08-02 Kddi Corp 爪領域検出装置およびネイルアートシミュレータ
JP2014008414A (ja) * 2012-07-02 2014-01-20 Toshiba Corp モーション補正の装置および方法
JP2015528372A (ja) * 2012-09-13 2015-09-28 ザ リージェンツ オブ ザ ユニヴァーシティー オブ カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ 医用画像中の肺結節を自動検出するためのシステム及び方法
KR101673800B1 (ko) * 2015-08-19 2016-11-09 인하대학교 산학협력단 3d 프린팅을 위한 척추뼈 부분 모델링 장치 및 방법
KR20170023244A (ko) * 2015-08-19 2017-03-03 인하대학교 산학협력단 3d 프린팅을 위한 척추뼈 모델링 장치 및 방법
US11074693B2 (en) 2013-01-29 2021-07-27 Fujifilm Corporation Ultrasound diagnostic apparatus and method of producing ultrasound image
WO2021256096A1 (ja) * 2020-06-18 2021-12-23 富士フイルム株式会社 領域修正装置、方法およびプログラム
JP2022082541A (ja) * 2020-04-10 2022-06-02 株式会社トプコン 光コヒーレンストモグラフィ画像を用いた３次元解析

Cited By (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004049445A (ja) * 2002-07-18 2004-02-19 Hitachi Medical Corp コンピュータ支援検出装置
JP2006068457A (ja) * 2004-09-06 2006-03-16 Toshiba Corp Ｘ線ｃｔ装置、画像データ領域抽出システムおよび画像データ領域抽出プログラム
JP4747175B2 (ja) * 2004-09-22 2011-08-17 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 医用画像における器官の等角セグメント化方法及び装置
JP2006285310A (ja) * 2005-03-31 2006-10-19 Kanazawa Univ 森林の樹冠の評価方法及びその樹冠評価プログラム
JP2007319673A (ja) * 2006-05-31 2007-12-13 Siemens Ag 対象を検出する検出装置および検出方法ならびにコンピュータ断層撮影装置
US9013571B2 (en) 2009-12-18 2015-04-21 Hitachi High-Technologies Corporation Image processing device, measuring/testing system, and program
WO2011074671A1 (ja) * 2009-12-18 2011-06-23 株式会社日立ハイテクノロジーズ 画像処理装置、及び、測定／検査システム、並びに、プログラム
JP2011128070A (ja) * 2009-12-18 2011-06-30 Hitachi High-Technologies Corp 画像処理装置、及び、測定／検査システム、並びに、プログラム
JP2012146182A (ja) * 2011-01-13 2012-08-02 Kddi Corp 爪領域検出装置およびネイルアートシミュレータ
JP2014008414A (ja) * 2012-07-02 2014-01-20 Toshiba Corp モーション補正の装置および方法
JP2015528372A (ja) * 2012-09-13 2015-09-28 ザ リージェンツ オブ ザ ユニヴァーシティー オブ カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ 医用画像中の肺結節を自動検出するためのシステム及び方法
US11074693B2 (en) 2013-01-29 2021-07-27 Fujifilm Corporation Ultrasound diagnostic apparatus and method of producing ultrasound image
KR101673800B1 (ko) * 2015-08-19 2016-11-09 인하대학교 산학협력단 3d 프린팅을 위한 척추뼈 부분 모델링 장치 및 방법
KR20170023244A (ko) * 2015-08-19 2017-03-03 인하대학교 산학협력단 3d 프린팅을 위한 척추뼈 모델링 장치 및 방법
JP2022082541A (ja) * 2020-04-10 2022-06-02 株式会社トプコン 光コヒーレンストモグラフィ画像を用いた３次元解析
WO2021256096A1 (ja) * 2020-06-18 2021-12-23 富士フイルム株式会社 領域修正装置、方法およびプログラム

Similar Documents

Publication Publication Date Title
CN111027547B (zh) 一种针对二维图像中的多尺度多形态目标的自动检测方法
JPH11272865A (ja) 画像セグメンテーション方法およびその装置
Tissainayagam et al. Object tracking in image sequences using point features
CN106846346B (zh) 基于关键帧标记的序列ct图像骨盆轮廓快速提取方法
CN109859210B (zh) 一种医学数据处理装置及方法
CN103793904A (zh) 图像配准装置及其图像配准的方法
CN101403743A (zh) 一种x型交叠、粘连染色体自动分割方法
CN106780491B (zh) Gvf法分割ct骨盆图像中采用的初始轮廓生成方法
Wang et al. Left atrial appendage segmentation based on ranking 2-D segmentation proposals
CN106780492B (zh) 一种ct骨盆图像的关键帧提取方法
CN115546466A (zh) 一种基于多尺度显著特征融合的弱监督图像目标定位方法
EP1309944B1 (en) Unsupervised scene segmentation
Rad et al. Dental x-ray image segmentation and multiple feature extraction
JP3330829B2 (ja) 機械部品の画像における評価可能区域の自動検出方法
WO2002021443A1 (en) Segmentation of digital images
CN116843829A (zh) 基于双目视频的混凝土结构裂缝三维重建与长度量化方法
CN114111602B (zh) 一种基于图像技术的桥梁表面裂缝宽度计算方法
CN108665470A (zh) 一种交互式轮廓提取方法
CN109785340A (zh) 基于多图谱的心脏磁共振图像右心室分割计算设备及方法
Lin et al. Knowledge-based hierarchical region-of-interest detection
CN115131301A (zh) 基于深度学习的智能识别骨关节炎的方法及系统
Zhang et al. A hybrid image segmentation approach using watershed transform and FCM
Yan et al. Two-stage multi-scale mass segmentation from full mammograms
CN114240846A (zh) 降低医学图像病灶分割结果假阳率的系统及方法
CN116266406A (zh) 字符的坐标提取方法、装置、设备和存储介质

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20040628

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20050425

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20050510

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20050913