JPS60165945A - 画像処理方式 - Google Patents
画像処理方式Info
- Publication number
- JPS60165945A JPS60165945A JP59021683A JP2168384A JPS60165945A JP S60165945 A JPS60165945 A JP S60165945A JP 59021683 A JP59021683 A JP 59021683A JP 2168384 A JP2168384 A JP 2168384A JP S60165945 A JPS60165945 A JP S60165945A
- Authority
- JP
- Japan
- Prior art keywords
- image
- image processing
- processing method
- pixel
- images
- 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
- 238000003672 processing method Methods 0.000 claims description 8
- 230000003902 lesion Effects 0.000 description 19
- 201000007270 liver cancer Diseases 0.000 description 9
- 239000013598 vector Substances 0.000 description 9
- 208000014018 liver neoplasm Diseases 0.000 description 8
- 238000003745 diagnosis Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 4
- 241000282412 Homo Species 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 201000005202 lung cancer Diseases 0.000 description 3
- 208000020816 lung neoplasm Diseases 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 206010008342 Cervix carcinoma Diseases 0.000 description 1
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 241000269851 Sarda sarda Species 0.000 description 1
- 208000006105 Uterine Cervical Neoplasms Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 201000010881 cervical cancer Diseases 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
- 239000006185 dispersion Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Analysing Materials By The Use Of Radiation (AREA)
Abstract
(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。
め要約のデータは記録されません。
Description
【発明の詳細な説明】
〔発明の利用分野〕
本発明は医療診断用デジタル画像処理に係り、とくにＸ
線ＣＴ像と核磁気共鳴ＩＮＭＨ）Ｃ’ｌｌ’像などの複
数棟類の画像を総合的に処理して、１枚の画像では不可
能な軸度の商い医療診断を行なうに好適な画像処理方式
に関する。
線ＣＴ像と核磁気共鳴ＩＮＭＨ）Ｃ’ｌｌ’像などの複
数棟類の画像を総合的に処理して、１枚の画像では不可
能な軸度の商い医療診断を行なうに好適な画像処理方式
に関する。
従来、複数種類の画像を用いて医療診断を行なう場合に
は、医帥がそれぞれの画像の特性を考慮して、複数種類
の画ｆ家を並べたり重ねたりして衣示し、視覚により比
較検討して病巣を推定することが行なわれている。
は、医帥がそれぞれの画像の特性を考慮して、複数種類
の画ｆ家を並べたり重ねたりして衣示し、視覚により比
較検討して病巣を推定することが行なわれている。
例えばＸ線ＣＴ像とＮ Ｍ Ｈ，−（” ’ＩＩ’ ｉ
遼は、人体内部の性質の異なる情報を表現している。Ｘ
椋ＣＴ像は人体谷部のＸ線吸収率を測足し、その分布を
濃淡の＝塚として表わしたものであシ、一方ＮＭ１（、
−ＣＴは人体各部のプロトン密度や緩オＵ時間（プロト
ンの他原子との結合状特によシ変化する物理量）を測定
し、その分布を濃淡の画像として表わしたものであるＩ
Ｌ、 Ｋａｕｆｍａｎ、ＮｕｃｌｅａｒＭａｇｎｅｔ
ｉｃ Ｒ，ｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ ｉｎ
Ｍｅｄｉｃｉｎｅ。
遼は、人体内部の性質の異なる情報を表現している。Ｘ
椋ＣＴ像は人体谷部のＸ線吸収率を測足し、その分布を
濃淡の＝塚として表わしたものであシ、一方ＮＭ１（、
−ＣＴは人体各部のプロトン密度や緩オＵ時間（プロト
ンの他原子との結合状特によシ変化する物理量）を測定
し、その分布を濃淡の画像として表わしたものであるＩ
Ｌ、 Ｋａｕｆｍａｎ、ＮｕｃｌｅａｒＭａｇｎｅｔ
ｉｃ Ｒ，ｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ ｉｎ
Ｍｅｄｉｃｉｎｅ。
Ｉｇａｋｕ −５ｈｏｉｎ ｒ Ｎｅｗ Ｙｏｒｋ ′
Ｔｏｋｙｏ、 １９８１ ）。
Ｔｏｋｙｏ、 １９８１ ）。
医師は、患者の同一部位の例えばｘｓｃＴ像と緩和時間
のＮＭＲ−ＣＴ像を見比べて、癌などの病巣を診断する
。そこでは各々の画像だけでは得られない、複数の画像
が存在することにより始めて診断が可能となる新しい知
見を得るための努力がなされる。
のＮＭＲ−ＣＴ像を見比べて、癌などの病巣を診断する
。そこでは各々の画像だけでは得られない、複数の画像
が存在することにより始めて診断が可能となる新しい知
見を得るための努力がなされる。
しかし、このような異なる種類の画引壁を比較検討して
診断を行なう場合、以下に示すような微妙な病巣を正確
に人間の目で分離するのは非常に困邸である。第１図に
異種類の画像の中に含まれる病巣とその周辺の領域の′
＃淡関係の例を示す。このような場合には、画像Ａと画
像Ｂいずれの画１象を見ても正常領域と病巣はほとんど
同じ濃度であり、それぞれの画像だけからは区別をする
ことは不可能であるが、両Ｌ［＋１１像を併用すること
によシ、両画像が同時に低濃度を示す領域が病巣として
、はつきり区別することができる。
診断を行なう場合、以下に示すような微妙な病巣を正確
に人間の目で分離するのは非常に困邸である。第１図に
異種類の画像の中に含まれる病巣とその周辺の領域の′
＃淡関係の例を示す。このような場合には、画像Ａと画
像Ｂいずれの画１象を見ても正常領域と病巣はほとんど
同じ濃度であり、それぞれの画像だけからは区別をする
ことは不可能であるが、両Ｌ［＋１１像を併用すること
によシ、両画像が同時に低濃度を示す領域が病巣として
、はつきり区別することができる。
この例のように２種類の画像の濃度を診断情報として利
用する場合なら人間の頭で比較検討するこ七により両画
像を枕台的に解析することも可能であるが、３種類以上
の画像を用いたＳ＠や、濃度だけでなく画素の周辺領域
の濃度分散イーなどの枕計鍛を考慮しての解析は人間に
は不可能である。
用する場合なら人間の頭で比較検討するこ七により両画
像を枕台的に解析することも可能であるが、３種類以上
の画像を用いたＳ＠や、濃度だけでなく画素の周辺領域
の濃度分散イーなどの枕計鍛を考慮しての解析は人間に
は不可能である。
とくに第３次以上の統計量の差は、第２次統計量が同じ
であｔＬば人間の目で区別できないといわれているＩ
Ｂ、 ＪｕＪｅｓｚ、 Ｅｘｐｅｒｉｍｅｎｔｓ ｉｎ
ｔｈｅＶｉｓｕ２１ Ｐｅｒｃｅｐｔｉｏｎ ａｔ
Ｔｅｘｔｕｒｅ、ＳｃｉｅｎｔｉｆｉｃＡｍｅｒｉｃａ
ｎ＋ Ｉ）Ｉ）３４−４３．１９７５ ）。
であｔＬば人間の目で区別できないといわれているＩ
Ｂ、 ＪｕＪｅｓｚ、 Ｅｘｐｅｒｉｍｅｎｔｓ ｉｎ
ｔｈｅＶｉｓｕ２１ Ｐｅｒｃｅｐｔｉｏｎ ａｔ
Ｔｅｘｔｕｒｅ、ＳｃｉｅｎｔｉｆｉｃＡｍｅｒｉｃａ
ｎ＋ Ｉ）Ｉ）３４−４３．１９７５ ）。
本発明の目的は、異なった複数棟類の画像をわ０合的に
解析して、病巣の可能性を人＋＝＋の目ｆ視１に分かシ
易くする画像処理方式を提供することにある。
解析して、病巣の可能性を人＋＝＋の目ｆ視１に分かシ
易くする画像処理方式を提供することにある。
上述の目的を達成するため、本発明においては複数の画
引壁間で対応する画素の値の絹を元とする集合とその集
合に含まれる２個の元に対し距離を足載し、事前に設定
した病巣を代表する元とすべての画素との距離を計算し
て、これを病巣である可能性の強度として表現する。
引壁間で対応する画素の値の絹を元とする集合とその集
合に含まれる２個の元に対し距離を足載し、事前に設定
した病巣を代表する元とすべての画素との距離を計算し
て、これを病巣である可能性の強度として表現する。
この時事前に設定する病巣を代表する元は、医学的知識
を表現したものであり、例えば原発性肝癌、子宮頚癌な
ど疾病の部位、発生原因、種類などにより異なり、さら
に医学の進歩により変化するものである。このため本発
明では、病巣を代表する元を医師が画像上で病巣と診断
した領域の元から計算し、症例数の増加とともに医学的
知識の相反を向上させる方法をとることも可能である。
を表現したものであり、例えば原発性肝癌、子宮頚癌な
ど疾病の部位、発生原因、種類などにより異なり、さら
に医学の進歩により変化するものである。このため本発
明では、病巣を代表する元を医師が画像上で病巣と診断
した領域の元から計算し、症例数の増加とともに医学的
知識の相反を向上させる方法をとることも可能である。
さらに「対応する画素の１１１．の組を元とする集合」
の代わりに［対応する画素周辺領域の画業集合の杭計値
を元とする集合」に対して同一の処理を行なうことによ
シ、人間の目ではその特徴を把握することのできない３
次以上の統計量を用いて診断軸度を向上することも可能
である。
の代わりに［対応する画素周辺領域の画業集合の杭計値
を元とする集合」に対して同一の処理を行なうことによ
シ、人間の目ではその特徴を把握することのできない３
次以上の統計量を用いて診断軸度を向上することも可能
である。
以下、本発明の１実伽例を第２図から絹６図を用いて説
明する。第２図は、本発明による画像処理方式のｌｆｉ
成例である。全体システムの官埋や画像処理演算を行な
うコンピュータ１００を中心に、処理対象となるいくつ
かの医用画像を蓄積する画像記憶装置２００、医用画像
や画像処理演算の結果を表示するグラフィック・ディス
プレイ３００、病巣領域等のディスプレイ上の位置を入
力するトラック・ボルル４００、画像処理演算を高速で
処理するためのイメージ・プロセッサ５００゜医用画像
データや各種の病巣の％徴に関する知識データを保存す
る磁気ディスク６００．医師などのオペレータがコンピ
ュータ１００への指示を入力するキーボード７００から
構成する。医用自画としては、Ｘ線ｅＴ１象１１やＮＭ
Ｒ，−Ｃ’ｌｌ’より計量ｔｌ サｉ’Ｌ ルプロトン
密＆ｆ＆１２、鰹緩ｔｌｌ＃ｔｌｊ、Ｉ Ｉ ｉ’＋
）１家１３、横緩和時間（’ｌ”２］ ｊ家１４、ポジ
トロンｃＴ像１５などすべての医用イメージング装置か
ら得られる画像が対象となる。
明する。第２図は、本発明による画像処理方式のｌｆｉ
成例である。全体システムの官埋や画像処理演算を行な
うコンピュータ１００を中心に、処理対象となるいくつ
かの医用画像を蓄積する画像記憶装置２００、医用画像
や画像処理演算の結果を表示するグラフィック・ディス
プレイ３００、病巣領域等のディスプレイ上の位置を入
力するトラック・ボルル４００、画像処理演算を高速で
処理するためのイメージ・プロセッサ５００゜医用画像
データや各種の病巣の％徴に関する知識データを保存す
る磁気ディスク６００．医師などのオペレータがコンピ
ュータ１００への指示を入力するキーボード７００から
構成する。医用自画としては、Ｘ線ｅＴ１象１１やＮＭ
Ｒ，−Ｃ’ｌｌ’より計量ｔｌ サｉ’Ｌ ルプロトン
密＆ｆ＆１２、鰹緩ｔｌｌ＃ｔｌｊ、Ｉ Ｉ ｉ’＋
）１家１３、横緩和時間（’ｌ”２］ ｊ家１４、ポジ
トロンｃＴ像１５などすべての医用イメージング装置か
ら得られる画像が対象となる。
第２図の附成例における動作を第３図の流れ図を用いて
説明する。本発明では、画素の値のｍを元とする果合と
２個の元に対する距離を定義するが、ここでは最も簡単
な例として実数体上のべりトル空間の場合について説明
する。
説明する。本発明では、画素の値のｍを元とする果合と
２個の元に対する距離を定義するが、ここでは最も簡単
な例として実数体上のべりトル空間の場合について説明
する。
Ｘ線の吸収率分布を画像化したＸｍＣＴ像をＸＩ Ｉ
’＋ Ｊ ）、プロトン密度分布を画像化したＮＭＲ像
をＸ２１１１ Ｊ ）、プロトンの縦緩和時間（Ｔ１）
分布を画像化したＮＭＲ，像をｘ、（ｉ、ｊ）とする〔
但し、ｊ＋Ｊは画素番号〕。この時、３種の画像−１で
張られる画素ベクトルは、Ｘ” ’ Ｘｌ ＋ ”ｌ
＋ ｘ３ ）で表わされる。ここで任意の２ベクトルＸ
、、Ｘｂ間の距離を例えば、次のようにユークリッド距
離で定義する。
’＋ Ｊ ）、プロトン密度分布を画像化したＮＭＲ像
をＸ２１１１ Ｊ ）、プロトンの縦緩和時間（Ｔ１）
分布を画像化したＮＭＲ，像をｘ、（ｉ、ｊ）とする〔
但し、ｊ＋Ｊは画素番号〕。この時、３種の画像−１で
張られる画素ベクトルは、Ｘ” ’ Ｘｌ ＋ ”ｌ
＋ ｘ３ ）で表わされる。ここで任意の２ベクトルＸ
、、Ｘｂ間の距離を例えば、次のようにユークリッド距
離で定義する。
距ｐｔＷ Ｉ Ｘｓ Ｘｂｌ＝１ １ｘ＊Ｉ Ｘｂｌ１
２＋（Ｘｓ２ ”ｂＪ２＋（Ｘｓ３−ｘｂｓ）２Ｘ線Ｃ
’ｌ”、ＮＭＲ−ＣＴ （ρン、ＮＭＲ−ＣＴＭｌ’、
）の３種類の画像を用いて総合診断しようとする医師等
のオペレータは、例えば肝癌や原発性肺癌などの診断の
目標をキーボード７００よシ入力する。コンピュータ１
００は、事前に知識として☆Ｂ気ディスク６００に蓄積
した、肝癌や原発性肺癌などを代表するベクトルを基準
ベクトルｘ。
２＋（Ｘｓ２ ”ｂＪ２＋（Ｘｓ３−ｘｂｓ）２Ｘ線Ｃ
’ｌ”、ＮＭＲ−ＣＴ （ρン、ＮＭＲ−ＣＴＭｌ’、
）の３種類の画像を用いて総合診断しようとする医師等
のオペレータは、例えば肝癌や原発性肺癌などの診断の
目標をキーボード７００よシ入力する。コンピュータ１
００は、事前に知識として☆Ｂ気ディスク６００に蓄積
した、肝癌や原発性肺癌などを代表するベクトルを基準
ベクトルｘ。
として選択する。次に画素ベクトルＸと基準ベクトルｘ
。の距離’ｊ ［ｊ、 Ｊ ）＝ ｌｘ ｘｏＩをすべ
ての画素（ｉ、ｊ）［ついて計算する。この新しく作ら
れた画像ｙｒｉ、ｊ）は、いわば人体の各部が肝癌や原
発性肺癌などである可能性の強さを画素濃度として表わ
したものである。
。の距離’ｊ ［ｊ、 Ｊ ）＝ ｌｘ ｘｏＩをすべ
ての画素（ｉ、ｊ）［ついて計算する。この新しく作ら
れた画像ｙｒｉ、ｊ）は、いわば人体の各部が肝癌や原
発性肺癌などである可能性の強さを画素濃度として表わ
したものである。
この病巣の可能性を＃度表現した画像でも診断上有効で
あるが、さらに人間にとって状態を捕握し易い等高線画
像を以下に述べる処理で作成する。
あるが、さらに人間にとって状態を捕握し易い等高線画
像を以下に述べる処理で作成する。
ます、濃度がＺ、からＺ １０ （Ｚｌ ＜Ｚ２ ＜
”・＜Ｚｌｏ ）までの１０段階しかないラベリング画
像を、’；１ｔ＝Ｙ （ｉ、 Ｊｌ 但し ｋ＝１．２．・・・、１０ ’ｊｍａｘ ： Ｙ （ｊ、 Ｊ ｌの最大値ＹＩＩｕ
ｎ：ｙ（＋、Ｊ）の最小値 に＝１０の時のみ右側の不等号は等号を含む として作成する。
”・＜Ｚｌｏ ）までの１０段階しかないラベリング画
像を、’；１ｔ＝Ｙ （ｉ、 Ｊｌ 但し ｋ＝１．２．・・・、１０ ’ｊｍａｘ ： Ｙ （ｊ、 Ｊ ｌの最大値ＹＩＩｕ
ｎ：ｙ（＋、Ｊ）の最小値 に＝１０の時のみ右側の不等号は等号を含む として作成する。
次にこのラベリング画像に次に示すＲｏｂｅｒｔの一次
微分フィルタをかけると、第４図に示すような等高線画
像を作ることができる。
微分フィルタをかけると、第４図に示すような等高線画
像を作ることができる。
ＩＩ ｇｒａｄｆ口、１月１＝Ｄ（ｉ、ｊ）−ｆ （ｉ
＋ｌ、ｊ＋ｉ月＋＋ｆ＋ １＋１． ｊ）−ｔ＋ｒ、ｊ
＋１月Ｉ Ｌ、 Ｇ−Ｒｏｂｅｒｔｓ＋ Ｎａｃｈｉｎ
’ｅ Ｐｅｒｃｅｐｔｉｏｎｏｆ”ｌ”ｂｒｅｅ Ｉ］
ｍｅｎｓｉｏｎａＩ ５ｏｌｉｄｓ＋ １ｎＯｐｔｉｃ
ａｌ ＥｌｅｃＬｒｏ ｏｐｔｉｃａｌ ｐｒｏｃｅｓ
ｓｉｎｇｏｆ ｉｎｆｏｒｍａｔｉｏｎ＋ ＮＩＴ Ｐ
ｒｅｓｓ ｆ１９６５）ンこめ等高線画像を例えばＸ線
ＣＴ像ｘ、（ｉ、ｊ）と重ね合わせると、第４図に示す
ように肝蔵の中で、癌の可能性の高い領域が右上と左下
であることを一目瞭然に知ることができる。
＋ｌ、ｊ＋ｉ月＋＋ｆ＋ １＋１． ｊ）−ｔ＋ｒ、ｊ
＋１月Ｉ Ｌ、 Ｇ−Ｒｏｂｅｒｔｓ＋ Ｎａｃｈｉｎ
’ｅ Ｐｅｒｃｅｐｔｉｏｎｏｆ”ｌ”ｂｒｅｅ Ｉ］
ｍｅｎｓｉｏｎａＩ ５ｏｌｉｄｓ＋ １ｎＯｐｔｉｃ
ａｌ ＥｌｅｃＬｒｏ ｏｐｔｉｃａｌ ｐｒｏｃｅｓ
ｓｉｎｇｏｆ ｉｎｆｏｒｍａｔｉｏｎ＋ ＮＩＴ Ｐ
ｒｅｓｓ ｆ１９６５）ンこめ等高線画像を例えばＸ線
ＣＴ像ｘ、（ｉ、ｊ）と重ね合わせると、第４図に示す
ように肝蔵の中で、癌の可能性の高い領域が右上と左下
であることを一目瞭然に知ることができる。
以上の動作は事前に磁気ディスク６００以上に保存した
病巣の特徴に関する知識を活用して、患者の身体各部分
の病巣の可能性を計算したものである。以下、病巣の特
徴に関する知識を＠得する動作を詳細に説明する（第５
図）。例えば肝癌であることが確定した患者の同一横断
面のＸ ＠！ ＣＴ像、ＮＭＲ−ｃ’ｒｔρ）塚、Ｉ’
ＬＭ）（、−Ｃ’ｌ’ （’Ｉ”ｌＪ像の肝癌領域をオ
ペレータである医師がトラックボール４００を用いて入
力する。第６図の左側の３個の画像中の領域Ｄ１〜Ｄ、
は、このようにして入力した肝癌に対応する領域を示し
ている。
病巣の特徴に関する知識を活用して、患者の身体各部分
の病巣の可能性を計算したものである。以下、病巣の特
徴に関する知識を＠得する動作を詳細に説明する（第５
図）。例えば肝癌であることが確定した患者の同一横断
面のＸ ＠！ ＣＴ像、ＮＭＲ−ｃ’ｒｔρ）塚、Ｉ’
ＬＭ）（、−Ｃ’ｌ’ （’Ｉ”ｌＪ像の肝癌領域をオ
ペレータである医師がトラックボール４００を用いて入
力する。第６図の左側の３個の画像中の領域Ｄ１〜Ｄ、
は、このようにして入力した肝癌に対応する領域を示し
ている。
これらの領域にはそれぞれ複数個のｔｈ索ベクトルＸ
ＩＩ ｎｌ ｌ Ｘ１２ Ｄ２＋・・・＋Ｘ１５Ｄｌ＋
が対応する。これらの画素ベクトルの集合を多数の患
者について磁気ディスク６００上に蓄積し、その平均値
を肝癌を代表するベクトル、すなわち肝癌の病巣のひと
つの特徴に関する知識として磁気ディスク６００に保存
する。櫛々な種類の病巣について、多くの知識が保存さ
れるに従って、本発明により出力される病巣の可能性を
示す画像の信頼性が増すことになる。
ＩＩ ｎｌ ｌ Ｘ１２ Ｄ２＋・・・＋Ｘ１５Ｄｌ＋
が対応する。これらの画素ベクトルの集合を多数の患
者について磁気ディスク６００上に蓄積し、その平均値
を肝癌を代表するベクトル、すなわち肝癌の病巣のひと
つの特徴に関する知識として磁気ディスク６００に保存
する。櫛々な種類の病巣について、多くの知識が保存さ
れるに従って、本発明により出力される病巣の可能性を
示す画像の信頼性が増すことになる。
本発明によれば、患者の同一部位を撮影した複数ね類の
医用画像を杭合的に解析して、人間が複数種類の医用画
像を目視によシ比較検討したのでは発見できないような
病巣の可能性を人間の目に分かシ易くディスプレイ上に
表示することができるので為医師が正確、迅速に診断す
るのを補佐する効果がある。
医用画像を杭合的に解析して、人間が複数種類の医用画
像を目視によシ比較検討したのでは発見できないような
病巣の可能性を人間の目に分かシ易くディスプレイ上に
表示することができるので為医師が正確、迅速に診断す
るのを補佐する効果がある。
巣１図は２拙類の画揮データ會２次元座標上に表現した
図、第２図は本発明による画像処理方式の１構成例であ
る、第３図は本発明の詳細な説明する流れ図、第４図は
本発明の結果をディスプレイに表示した様子を示す図、
第５図は本発明の知識を獲得する動作を示した流れ図、
第６図はその知識獲得の様子を示す模式図である。 １００・・・コンピュータ、２００・・・画像記憶装置
、３００・・・グラフィック・ディスプレイ、４００・
・・トラックボール、５００・・・イメージプロセッサ
、。 を１口 画家ＡΦ画画線濃 度３０
図、第２図は本発明による画像処理方式の１構成例であ
る、第３図は本発明の詳細な説明する流れ図、第４図は
本発明の結果をディスプレイに表示した様子を示す図、
第５図は本発明の知識を獲得する動作を示した流れ図、
第６図はその知識獲得の様子を示す模式図である。 １００・・・コンピュータ、２００・・・画像記憶装置
、３００・・・グラフィック・ディスプレイ、４００・
・・トラックボール、５００・・・イメージプロセッサ
、。 を１口 画家ＡΦ画画線濃 度３０
Claims (1)
- 【特許請求の範囲】 １、被検体の同一部位を撮影した各種の１画像を蓄積し
、各画像間で対応する画素の値の組を元とする集合とそ
の集合に含まれる２個の元に対し距離を定義し、事前に
設定した元とすべての画素との距離を表現した画像を表
示することを特徴とした１ＩｉＩＩ像処理方式。 ２、前記特許請求の範囲第１項の記載の画像処理方式に
おいて前記事前に設定する元を各種の画像に対してオペ
レータが指示した部位の画素の埴を第１］用して計算す
ることを特徴とする画像処理方式。 ３、…１記％許情求の岬囲第１項の記載の画像処理方式
において前記に対応する画素の値の組を元とする集合は
対応する画素周辺領域の画素集合の統計値の組を元とす
る集会とすることを％徴とする１Ｉ７ＩＩ源処理方式。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59021683A JPS60165945A (ja) | 1984-02-10 | 1984-02-10 | 画像処理方式 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP59021683A JPS60165945A (ja) | 1984-02-10 | 1984-02-10 | 画像処理方式 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPS60165945A true JPS60165945A (ja) | 1985-08-29 |
Family
ID=12061857
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP59021683A Pending JPS60165945A (ja) | 1984-02-10 | 1984-02-10 | 画像処理方式 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPS60165945A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62103555A (ja) * | 1985-10-31 | 1987-05-14 | Yokogawa Medical Syst Ltd | Ｎｍｒイメ−ジング装置 |
| JPS62138263U (ja) * | 1986-02-19 | 1987-08-31 | ||
| JPS62204393A (ja) * | 1986-03-05 | 1987-09-09 | Hitachi Ltd | 画像処理エキスパ−トシステム |
| JPS63163188A (ja) * | 1986-12-25 | 1988-07-06 | Tokyu Constr Co Ltd | 構造物に埋設された放射線吸収体の探査方法 |
| JP2015510412A (ja) * | 2012-01-27 | 2015-04-09 | コーニンクレッカ フィリップス エヌ ヴェ | 定量的ｔ１マッピングを用いた、リスクに晒されたエリアの自動化された検出 |
-
1984
- 1984-02-10 JP JP59021683A patent/JPS60165945A/ja active Pending
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS62103555A (ja) * | 1985-10-31 | 1987-05-14 | Yokogawa Medical Syst Ltd | Ｎｍｒイメ−ジング装置 |
| JPH0316857B2 (ja) * | 1985-10-31 | 1991-03-06 | Yokokawa Medeikaru Shisutemu Kk | |
| JPS62138263U (ja) * | 1986-02-19 | 1987-08-31 | ||
| JPS62204393A (ja) * | 1986-03-05 | 1987-09-09 | Hitachi Ltd | 画像処理エキスパ−トシステム |
| JPS63163188A (ja) * | 1986-12-25 | 1988-07-06 | Tokyu Constr Co Ltd | 構造物に埋設された放射線吸収体の探査方法 |
| JP2015510412A (ja) * | 2012-01-27 | 2015-04-09 | コーニンクレッカ フィリップス エヌ ヴェ | 定量的ｔ１マッピングを用いた、リスクに晒されたエリアの自動化された検出 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Revilla-León et al. | Artificial intelligence applications in restorative dentistry: A systematic review | |
| CN106659424B (zh) | 医用图像显示处理方法、医用图像显示处理装置及程序 | |
| JP6036009B2 (ja) | 医用画像処理装置、およびプログラム | |
| JP4824321B2 (ja) | 画像データの解析システム、方法及びコンピュータプログラム | |
| US11403755B2 (en) | Medical information display apparatus, medical information display method, and medical information display program | |
| JP2017023457A (ja) | 医用画像処理装置 | |
| Grevera et al. | A task-specific evaluation of three-dimensional image interpolation techniques | |
| US20170238879A1 (en) | Method of Analyzing the Brain Activity of a Subject | |
| US11222728B2 (en) | Medical image display apparatus, medical image display method, and medical image display program | |
| JPS60165945A (ja) | 画像処理方式 | |
| Duman et al. | Second mesiobuccal canal segmentation with YOLOv5 architecture using cone beam computed tomography images | |
| RU2565521C2 (ru) | Обработка набора данных изображения | |
| JP2019136519A (ja) | 医用画像表示処理方法、医用画像表示処理装置およびプログラム | |
| JP2021513054A (ja) | 画像位置合わせ及び回帰解析を用いたシリアルポジトロンエミッショントモグラフィ（ｐｅｔ）検査における標準取り込み値（ｓｕｖ）のスケーリング差の補正 | |
| WO2021221008A1 (ja) | システム、制御方法及びプログラム | |
| US11335465B2 (en) | Information output apparatus, information output method, and information output program | |
| JP7154012B2 (ja) | 画像処理プログラム、画像処理装置、および画像処理方法 | |
| Ranjbar et al. | Weakly Supervised Skull Stripping of Magnetic Resonance Imaging of Brain Tumor Patients | |
| Gransjøen | Cortical thickness analysis–The methods | |
| Shubhangi et al. | Deep Learning and Image Processing Techniques applied in Panoramic X-Ray Images for Teeth Detection and Dental Problem Classification | |
| US11424022B2 (en) | Method for processing brain images | |
| Larsen et al. | Computer processing of CT images: Advances and prospects | |
| Kudo et al. | Image processing method for analyzing cerebral blood-flow using SPECT and MRI | |
| Veerman et al. | Application of computational anatomy methods to MRI data for the diagnosis of Alzheimer'S disease | |
| de Oliveira et al. | Brain registration and subtraction-improved localization for SPECT analysis (BRASIL) a computer-aided diagnosis in epilepsy tool kit |