JPWO2013140667A1 - 画像処理装置 - Google Patents
画像処理装置 Download PDFInfo
- Publication number
- JPWO2013140667A1 JPWO2013140667A1 JP2013534110A JP2013534110A JPWO2013140667A1 JP WO2013140667 A1 JPWO2013140667 A1 JP WO2013140667A1 JP 2013534110 A JP2013534110 A JP 2013534110A JP 2013534110 A JP2013534110 A JP 2013534110A JP WO2013140667 A1 JPWO2013140667 A1 JP WO2013140667A1
- Authority
- JP
- Japan
- Prior art keywords
- attribute
- unit
- support information
- diagnosis support
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 93
- 238000003745 diagnosis Methods 0.000 claims abstract description 136
- 238000004364 calculation method Methods 0.000 claims abstract description 72
- 238000003384 imaging method Methods 0.000 claims abstract description 18
- 238000012937 correction Methods 0.000 claims description 34
- 230000003902 lesion Effects 0.000 claims description 32
- 206010028980 Neoplasm Diseases 0.000 claims description 31
- 201000011510 cancer Diseases 0.000 claims description 31
- 230000036210 malignancy Effects 0.000 claims description 24
- 210000002429 large intestine Anatomy 0.000 claims description 17
- 210000002784 stomach Anatomy 0.000 claims description 10
- 210000004907 gland Anatomy 0.000 claims description 4
- 210000004877 mucosa Anatomy 0.000 claims description 4
- 208000024891 symptom Diseases 0.000 claims description 4
- 208000037062 Polyps Diseases 0.000 claims description 3
- 210000001156 gastric mucosa Anatomy 0.000 claims description 3
- 208000017819 hyperplastic polyp Diseases 0.000 claims description 3
- 208000003200 Adenoma Diseases 0.000 claims description 2
- 206010001233 Adenoma benign Diseases 0.000 claims description 2
- 208000007882 Gastritis Diseases 0.000 claims description 2
- 238000000034 method Methods 0.000 description 34
- 239000013598 vector Substances 0.000 description 23
- 210000004204 blood vessel Anatomy 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 9
- 210000001519 tissue Anatomy 0.000 description 8
- 238000007781 pre-processing Methods 0.000 description 7
- 238000005286 illumination Methods 0.000 description 6
- 238000003780 insertion Methods 0.000 description 6
- 230000037431 insertion Effects 0.000 description 6
- 210000004400 mucous membrane Anatomy 0.000 description 4
- 238000001839 endoscopy Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000003211 malignant effect Effects 0.000 description 2
- 230000001629 suppression Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000000740 bleeding effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 210000003238 esophagus Anatomy 0.000 description 1
- OOYGSFOGFJDDHP-KMCOLRRFSA-N kanamycin A sulfate Chemical group OS(O)(=O)=O.O[C@@H]1[C@@H](O)[C@H](O)[C@@H](CN)O[C@@H]1O[C@H]1[C@H](O)[C@@H](O[C@@H]2[C@@H]([C@@H](N)[C@H](O)[C@@H](CO)O2)O)[C@H](N)C[C@@H]1N OOYGSFOGFJDDHP-KMCOLRRFSA-N 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
- 210000000264 venule Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/0002—Operational features of endoscopes provided with data storages
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
- A61B1/05—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances characterised by the image sensor, e.g. camera, being in the distal end portion
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/06—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor with illuminating arrangements
- A61B1/0661—Endoscope light sources
- A61B1/0669—Endoscope light sources at proximal end of an endoscope
-
- 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
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10068—Endoscopic image
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- 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
- G06V2201/032—Recognition of patterns in medical or anatomical images of protuberances, polyps nodules, etc.
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Surgery (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Signal Processing (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Endoscopes (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
医療用分野においては、体腔内に挿入して内視鏡検査を行う内視鏡が広く用いられるようになっている。
内視鏡の挿入部は体腔内に挿入され、挿入部の先端部に設けられた撮像素子により体腔内の患部等が撮像され、画像処理装置により画像処理して内視鏡画像として表示装置に表示される。
例えば、日本国特許4451460号公報においては、生体粘膜を撮像した内視鏡画像に対して、組織構造が類似した領域別とするように領域を分割し、分割した領域毎に所定の特徴量に基づいて判別分類の処理を行い、判別分類された分類結果を診断支援情報として各領域に対応付けて表示する画像処理装置を開示している。
より具体的に説明すると、例えば大腸内を検査する場合においては、大腸病変として現れる無血管領域(avascular area:AVAと略記)は、浸潤癌の診断を下す際の一つの目安となるために重要な所見となるが、内視鏡画像の領域において「血管が撮像されていない」という点だけに注目した場合には、癌化の可能性が低いと考えられている過形成ポリープにおいても血管が視覚化されないため、上記の従来例では両者を判別した診断支援情報を算出することが困難になる。
このため、上記のような場合にもより適切な診断支援情報を提供できる画像処理装置が望まれる。
本発明は上述した点に鑑みてなされたもので、特徴量に基づいて分割した複数の領域における各領域がそれぞれ持つ属性の割合に基づいてより適切な診断支援情報を算出する画像処理装置を提供することを目的とする。
(第1の実施形態)
図1に示す内視鏡システム1は、内視鏡観察装置2と、この内視鏡観察装置2により得られた医用画像としての内視鏡画像に対して画像処理を行うパーソナルコンピュータ等により構成される本実施形態の画像処理装置3と、この画像処理装置3により画像処理された画像を表示する表示装置としての表示モニタ4とから構成される。
内視鏡観察装置2は、体腔内に挿入される内視鏡6と、この内視鏡6に照明光を供給する光源装置7と、内視鏡6の撮像手段に対する信号処理を行う信号処理装置としてのカメラコントロールユニット(CCUと略記)8と、このCCU8から出力される映像信号が入力されることにより、撮像素子で撮影した内視鏡画像を表示するモニタ9とを有する。
このライドガイド13の後端は、光源装置7に接続される。そして、この光源装置7から供給される照明光をライトガイド13により転送し、挿入部11の先端部14に設けた照明窓に取り付けられた先端面から(伝送した照明光を)出射し、患部等の被写体を照明する。
照明窓に隣接する観察窓に取り付けた対物レンズ15と、この対物レンズ15の結像位置に配置された固体撮像素子としての例えば電荷結合素子(CCDと略記)16とによる撮像装置17が設けてある。そして、このCCD16の撮像面に結蔵された光学像は、このCCD16により光電変換される。
この画像処理装置3は、内視鏡観察装置2から入力される内視鏡画像(以下、単に画像と略記)に対応する映像信号を入力する画像入力部21と、この画像入力部21から入力された画像データに対する画像処理を行う中央演算処理装置としてのCPU22と、このCPU22により画像処理を実行させる処理プログラム(制御プログラム)を記憶するメモリ等からなる処理プログラム記憶部23とを有する。
そして、この表示処理部28により生成された映像信号は、画像表示手段としての表示モニタ4に表示され、この表示モニタ4の表示面には画像処理された処理画像が表示される。
図2は、本実施形態におけるCPU22により構成される主要な処理機能を示す。図2に示すようにCPU22は、画像入力部21から入力された画像に対してノイズ抑制、逆γ補正等の前処理を行う前処理部31の処理機能を有する。
なお、図3(A)は、画像入力部21から画像処理装置3に入力される画像を模式的に示す。
第1の特徴量算出部32aは、第1の特徴量として画像を形成する色信号としてのR,G,B信号の各信号値や、G/RやG/(R+G+B)などの各信号値の演算により算出される値や、輝度信号の輝度値や、画像が持つテクスチャ特徴(質感の特徴)、周波数分離する周波数帯域フィルタを用いた複数の周波数成分又は特定の周波数成分のフィルタ出力値等を算出する。
領域分割部33は、第1の特徴量に基づいて、公知のクラスタリング手法等を用いて複数の領域に分割する。クラスタリング手法は、k−meanクラスタリング(k−means法)等の非階層的クラスタリングでもよいし、最短距離法等の階層的クラスタリングでもよい。また、その他の領域分割手法を用いてもよい。図3(B)は、領域分割部33により複数に分割された領域Ra−Rdを示す。
第2の特徴量算出部32bは、例えば各領域Riに対して第1の特徴量算出部32aによる第1の特徴量と同様の特徴量を第2の特徴量として算出しても良い。但し、領域毎に上記のR,G,B信号の各信号値、輝度値、テクスチャ特徴、フィルタ出力値等の各種特徴量の平均値や分散量等の統計量も第2の特徴量として算出する。
また、CPU22は、第2の特徴量に基づいて、領域分割部33により分割された複数の領域Ra−Rdにおける各領域Riが、予め用意された複数種類の属性のいずれの属性を持つか否かの分類を行う分類部34の処理機能を有する。
そして、分類部34は、各領域が属性情報格納部25aに格納された複数種類の属性におけるいずれの属性を持つか否かの分類を行う。分類部34が例えばM個となる複数の領域を、各領域が持つ属性(の領域)に分類する場合、同じ属性となる領域が存在する可能性があるため、分類後にはM個以下となる所定数の属性の領域に分類する。
上記属性情報格納部25aは、検査対象の生体組織(生体粘膜組織)としての、例えば大腸の生体粘膜組織を診断する場合に対応して、属性情報格納部25aは、以下の属性を予め格納している。
A1.規則的なVessels 領域(血管領域)(+)
A2.規則的なSurface Pattern 領域(表面パターン領域)(+)
A3.Vessels が不規則な領域(−)
A4.Surface Pattern が不規則な領域(−)
A5.色調変化の激しい領域(−)
A6.無構造領域(±)
A7.出血している領域(−−)
上記のA1−A7の属性は、検査対象の大腸の生体粘膜組織の場合に対して、その病変の目安又は指標となる診断支援情報を算出するために予め設定される。過去に収集した大腸の生体粘膜組織の画像データを複数の属性によって分類ようとした場合、上記のA1−A7の属性により分類することができる。
また、A6の属性の後の符号(±)は、構造が無い(つまり構造を実質的に示さない)ため悪性度が高いか、低いかの判断が困難である指標となる属性(所定の属性)を表す。注目領域としての無構造領域が持つ所定の属性は、該所定の属性を有する領域のみでは、上述したAVA に相当するものであるか、AVA でなく、単に血管が不可視となる領域であるかの判断が困難となる属性である。
そのため、本実施形態は後述するように、この無構造領域(±)の属性を持つ領域(つまり注目領域)に対しては、その領域に隣接する周囲の単数又は複数の領域が持つ各属性それぞれの面積の割合(複数の領域の属性の面積比)に基づいてその属性の値としての属性値を補正(して、補正した属性値を用いて診断支援情報を算出)する。
そして、この特定の属性を持つ領域を検出した場合には、他の属性又は属性値に関わらず、対応する病変名の診断支援情報を算出する。つまり、A7の属性は、A1−A6の属性の場合(少なくとも各属性値の算出に基づいて対応する診断支援情報を算出する場合)と大きく異なる。このため、以下の説明は、主にA1−A6の属性に関連する。
このように、本実施形態においては、属性情報格納部25aは、複数の領域Ra−Rdに対して、主に、悪性度の低い病変の指標となる第1の属性(具体的にはA1,A2)と、悪性度の高い病変の指標となる第2の属性(具体的にはA3−A5)と、悪性度の判断が困難である所定の属性としての第3の属性(具体的にはA6)との情報を予め格納している。
図4の例では、第2の特徴量としての例えば輝度値と、テクステャ特徴とを直交する座標軸に設定して、領域Riが持つ輝度値、テクステャ特徴に応じて6つの属性A1−A6を判別可能に存在する範囲が算出された判別空間の概念図を示す。図4では、第2の特徴量が2つの2次元空間の場合で示しているが、第2の特徴量が3つの場合には3次元空間となり、また第2の特徴量が1つの場合には1次元(空間)となる。また、図4において黒の点(小円)1つが1つの領域に相当する。
分類部34は、特徴量・属性対応付け情報を参照することにより、領域Ri毎に算出された輝度値、テクステャ特徴等の第2の特徴量に対応する属性を簡単に分類(特定)することができる。
図3(C)は、図3(B)の領域Ra−Rdに対して、分類部34が特徴量・属性対応付け情報を参照して属性の分類を行った様子を示す。
また、属性の分類を行った画像において、術者等のユーザはこの画像処理装置3により診断支援情報を得ようとする領域(以下、関心領域)の範囲Roの設定を行うことができる。術者等のユーザは、図1の入力操作部29から、属性の分類が行われた画像に対して、診断支援情報を得ようとする関心領域の範囲Roを設定する。入力操作部29は、ユーザが関心領域の範囲Roを設定する範囲設定部29aを形成する。
図3(D)は、属性の分類が行われた画像に、関心領域の範囲Roが設定された様子を示す。なお、属性の分類が行われた画像に対して、関心領域の範囲Roの設定を行う場合に限定されるものでなく、属性の分類が行われる前の画像に対して、関心領域の範囲Roの設定を行うこともできる。
また、図2に示すようにCPU22は、分類部34により分類された所定数の各領域Riの属性の情報、より具体的には各領域Riそれぞれが、いずれの属性を持つか否かの複数種類の属性及び各属性を持つ領域の面積の情報に基づいて、術者による診断を支援する診断支援情報を算出する診断支援情報算出部35の処理機能を有する。
D1.過形成ポリープ
D2.腺腫
D3.癌
また、本実施形態においては、上述した(領域Riが持つ)第2の特徴量から、第2の特徴量に対応する属性を分類(特定)できるようにしたのと同様に、予め教師データを用いて複数の診断支援情報(具体的にはD1−D3)を判別する境界を、複数種類の属性(具体的にはA1−A6の属性)を用いて、公知の判別分類手法で算出する。
また、情報記憶部25は、教師データを用いて予め算出した属性・診断支援情報対応付け情報を格納する属性・診断支援情報対応付け情報格納部25cを有する。
そして、診断支援情報算出部35は、分類部34により分類された各領域Riが有する属性の情報と、各領域Riの面積の情報とから、属性・診断支援情報対応付け情報格納部25cに格納された属性・診断支援情報対応付け情報を参照して、診断支援情報を算出する。
従って、診断支援情報算出部35は、複数種類の属性において、各属性を持つ単数又は複数の領域の面積をそれぞれ算出した結果の各属性の値から、当該各属性の値に対応する診断支援情報を、属性・診断支援情報対応付け情報から簡単に算出することができる。
このため、本実施形態の診断支援情報算出部35は、関心領域の範囲Ro内にA6の属性のような所定の属性を含む状態で分類した場合には、所定の属性を持つ注目領域を中心として、その周囲に存在する複数の領域が有する属性及び領域の面積から、第1の属性、又は第2の属性のいずれの属性に近いか否かの属性値に補正する処理を行う。
また、CPU22(の診断支援情報算出部35)は、算出した診断支援情報を図1の表示処理部28に送り、表示処理部28は、算出した診断支援情報を表示モニタ4で表示する。表示処理部28は、診断支援情報を表示する処理を行う診断支援情報表示処理部28aを形成し、表示モニタ4は診断支援情報を表示する診断支援情報表示部を形成する。
なお、図2においては前処理部31、特徴量算出部32、領域分割部33、分類部34及び診断支援情報算出部35をCPU22により構成した場合を示しているが、CPU22により構成する場合に限定されるものでなく、専用の電子回路等のハードウェアを用いて構成しても良い。
図1に示すように内視鏡観察装置2、画像処理装置3及び表示モニタ4を接続した状態において術者は、内視鏡システム1の電源を投入する。
また、術者は、内視鏡6を被検体としての患者の例えば大腸を検査するために大腸内に挿入する。
内視鏡6の撮像装置17により撮像された画像は、モニタ9で表示されると共に、画像処理装置3にも画像入力部21を通って入力される。
つまり、図6のステップS1に示すように画像処理装置3には、画像入力部21により、例えばアナログの画像からデジタルの画像にA/D変換されて入力される。この画像は、例えば画像記憶部24に一時的に格納される。図3(A)は、その画像を模式的に示す。なお、図3(Aにおいては、処置対象の画像Iを中央部分の略楕円形状の領域に設定しているが、このような領域の場合に限定されるものでない。
ステップS3に示すようにCPU22(の第1の特徴量算出部32a)は、前処理部31により処理された画像Iにおける各画素からR,G,B信号値、各信号値の演算によって算出される値、輝度値、テクスチャ特徴、フィルタ出力値等の第1の特徴量を算出する。
ステップS4に示すようにCPU22(の領域分割部33)は、第1の特徴量に基づいて、公知のクラスタリング手法としてのk−means法や最短距離法等を用いて複数の領域に分割する。
図3(B)は、領域分割部33により複数に分割された複数の領域Ra−Rdを示す。
次のステップS6に示すようにCPU22(の分類部34)は、第2の特徴量算出部32bにより算出された第2の特徴量に基づいて、領域分割部33により分割された複数の領域Ra−Rdにおける各領域Riが、属性情報格納部25aに格納された複数種類の属性におけるいずれの属性を持つか否かの分類を行う。
この場合、図4において説明した特徴量・属性対応付け情報を予め特徴量・属性対応付け情報格納部25bに格納しておくと、各領域Riに対応する属性を簡単に特定(分類)することができる。
次のステップS7に示すようにCPU22は、術者により入力操作部29からの診断支援情報を算出する関心領域の範囲Roを設定する入力操作によって、CPU22は属性の分類が行われた画像I上に関心領域の範囲Roを設定する。
図3(D)は、属性の分類が行われた画像に、上記範囲Roが設定された様子を示す。なお、上述したようにステップS7に示した処理を、属性の分類前の画像Iにおいて行うようにしても良い。また、図3では範囲Roを1つの矩形領域で設定しているが、範囲Roは形状、サイズ、個数が限定されるものではない。また、範囲Roは特に設定せず、画像I全体を関心領域としても良い(画像I全体を範囲Roとすることと同等)。
範囲Ro内に特定の属性の領域を含むと判定した場合には、ステップS9においてCPU22(の診断支援情報算出部35)は、他の属性に関わらず、その特定の属性から、対応する診断支援情報を算出する。A7のような特定の属性を持つ領域が存在した場合には癌の病変名の診断支援情報を算出した後、ステップS14の処理に移る。
一方、範囲Ro内に特定の属性の領域を含まないと判定した場合には、次のステップS10においてCPU22(の診断支援情報算出部35)は、上記範囲Ro内の複数種類の属性の割合を複数種類の次元数の多次元ベクトル化(属性の多次元ベクトル化と略記)する処理を開始する。なお、属性の多次元ベクトル化の処理内容は、図7を参照して後述する。
図3(D)に示すように範囲Ro内に所定の属性の注目領域を含む判定結果の場合には、ステップS12において診断支援情報算出部35(の重み付け補正部35b)は、その所定の属性を含む注目領域に対して、重み付け補正処理により、属性の値、つまり属性値を補正した後、次のステップS13の処理に進む。
一方、範囲Ro内に所定の属性の領域を含まないと判定した場合には、重み付け補正処理を行うこと無く、ステップS13の処理に移る。
次のステップS14において表示処理部28(の診断支援情報表示処理部28a)は、診断支援情報を表示する処理を行い、表示モニタ4の表示画面に診断支援情報を表示する。図3(E)は、範囲Roに対して、算出した診断支援情報(具体的には腺種の病変名)を表示した様子を示す。なお、範囲Roの上に診断支援情報を表示するようにしても良い。
術者は、このように表示された診断支援情報を参考にすることによって、効率良く内視鏡検査を行うことができる。
属性の多次元ベクトル化の処理が開始すると、診断支援情報算出部35(の面積算出部35a)は、図7のステップS21に示すように範囲Ro内に含まれる各領域の画素数又は面積比(換言すると、範囲Ro内に含まれる領域の属性の面積比)を算出する。
図8(A)は、面積算出部35aにより算出された領域Ra−Rdの各面積比を示す。なお、図8(A)においては、各領域Riの属性も示している。
また、ステップS22においてCPU22(の診断支援情報算出部35)は、ステップS9と同様に範囲Ro内に所定の属性の注目領域を含むか否かの判定を行い、所定の属性の注目領域を含む場合には、ステップS10と同様にステップS23において診断支援情報算出部35(の重み付け補正部35b)は、その所定の属性、又はその所定の属性を含む注目領域に対して、重み付け補正処理を行った後、ステップS24の処理に移る。
図8(A)に示すように領域の面積比が算出されたので、CPU22(の診断支援情報算出部35)は、属性A1−A6を6次元ベクトルの6個のベクトル成分の値としてのベクトル成分値(単に成分値とも言う)を算出する。なお、ベクトル成分値(成分値)は、属性値又は属性の割合に相当する。
図8(A)のデータの場合には、A1,A2,A5の成分値は、それぞれ0となり、A3,A4,A6の成分値は、それぞれ0.1,0.7,0.2となる。従って、6次元ベクトルは、図8(B)のように算出(決定)される。
図3(D)に示すように範囲Roが設定されている場合、所定の属性としてのA6の属性を持つ注目領域Rbの周囲には領域Ra,Rc,Rdが存在する。
Wc=Ar2×W/(Ar1+Ar2) …(1)
本実施形態においては重み係数Wを2に設定している(W=2)。
Wc=(0.1+0.7+0.0)×2/(0.0+0.0+0.1+0.7+0.0)=2.0 …(2)
となる。重み付け補正部35bは、算出した重み補正値Wc(=2.0)を用いて、A6の成分値0.2を0.2×Wcにより補正した補正値0.4をA6の成分値の補正値とする。このように、重み付け補正部35bは、補正前のA6の成分値0.2を重み補正値Wcを用いて0.4に補正する。
従って6次元ベクトルA1−A6の成分値は、図8(B)に示すように0.0,0.0,0.1,0.7,0.0,0.4と決定する。
6次元ベクトルの各成分値が決定したため、図7に示すようにステップS25においてCPU22(の診断支援情報算出部35)は、属性A1−A6の6次元ベクトルに対応する診断支援情報を算出する。
なお、術者は、画像記憶部24に記憶された他の画像を選択して、同様の処理を行わせることもできる。
このような画像処理を行う画像処理装置3によれば、術者が指定した関心領域の範囲Roに対して診断支援情報を表示する処理を行うので、術者は効率良く内視鏡検査を行うことができる。
また、本実施形態の画像処理装置3によれば、特徴量に基づいて分割した複数の領域における各領域がそれぞれ持つ属性の割合(つまり、個々の領域でなく複数の領域にまたがる属性の割合)に基づいてより適切な診断支援情報を算出することができる。
また、本実施形態の画像処理装置3によれば、個々の領域からでは、対応する診断支援情報を算出するために必要となる属性値を適正に算出できないような場合においても、その周辺の2以上の領域が持つ属性の割合等から該当する属性値を算出することができるようにしているので、より適切な診断支援情報を算出することができる。
次に図9を参照して本発明の第2の実施形態を説明する。
第1の実施形態においては、検査対象(診断対象)部位又は組織として大腸に適用した場合において説明したが、本実施形態は胃粘膜等に対しても同様の画像処理を行うことができるようにした画像処理装置である。
本実施形態の画像処理装置は、図1に示す画像処理装置3と同様である。但し、本実施形態においては、図9に示すように情報格納部25は大腸用の属性情報格納部25aと共に、胃用の属性情報格納部25a′を格納している。
また、情報格納部25は、大腸用の特徴量・属性対応付け情報格納部25bと共に、胃用の特徴量・属性対応付け情報格納部25b′と、大腸用の属性・診断支援情報対応付け情報格納部25cと共に、胃用の属性・診断支援情報対応付け情報格納部25c′と、を格納している。
入力操作部29から大腸を選択した場合には、その動作は第1の実施形態と同様になるこのため、胃を選択した場合を説明する。
胃用の属性情報格納部25a′は、以下の4つの属性A11−A14を格納している。
A12.規則的な線状血管領域、又は規則的な帯状Surface Pattern 領域(表面パターン領域)(+)
A13.不規則的な蛇行血管領域、又はSurface Pattern(表面パターン)が消失した領域(−)
A14.太径血管(±)
上記A11−A12の属性は、第1の実施形態におけるA1−A2の属性と同様に第1の属性に相当し、A13の属性は、第1の実施形態におけるA3−A5の属性と同様に第2の属性に相当し、A14の属性は、第1の実施形態におけるA6の属性と同様に第3の属性に相当する。この場合、第1の実施形態におけるA6の場合と同様に、個々の領域のみから太径血管が癌の場合に現れる異常血管であるか、正常な胃底腺粘膜に現れる集合細静脈であるかの判別が困難となる。
また、本実施形態においても、A14の属性を、所定の属性として、この所定の属性を持つ所定の領域に対しては、第1の実施形態と同様に、診断支援情報算出部35(の重み付け補正部35b)は、同様の重み付け補正処理を行うことにより、その属性値を補正する。
また、胃用の診断支援情報として、以下のD11−D14を用意している。
D12.正常幽門腺粘膜
D13.胃炎
D14.癌
そして、第1の実施形態における例えば図6の処理手順により診断支援情報を算出し、表示モニタ4にて診断支援情報を表示する。
本実施形態によれば、第1の実施形態と同様の効果を有すると共に、術者が、検査する部位を指定又は選択することにより、指定又は選択された部位の画像に対して適切な診断支援情報を算出して表示することができる。
なお、図9において点線で示すように、情報格納部25に、さらに食道用の属性情報格納部25a″、食道用の特徴量・属性対応付け情報格納部25b″と、食道用の属性・診断支援情報対応付け情報格納部25c″を設け、食道を検査する場合にも適切な診断支援情報を提供できるようにしても良い。
また、本実施形態では検査対象部位または組織をあらかじめ選択することで情報記憶部25から適した情報を参照する方法を例示したが、算出された各種特徴量を用いて検査対象部位または組織を推定しても良い。
つまり、重み付け補正部35bは、分類部34により第3の属性を持つ所定の領域が存在するような分類を行った場合に、前記所定の領域の周囲における第3の属性と異なる第1の属性を持つ領域の面積又は領域の数と、第2の属性を持つ領域の面積又は領域の数との割合に応じた重み付けした属性値に補正するようにしても良い。
また、情報記憶部25に含まれる属性、特徴量、診断支援情報は、実施形態で例示したものに限られるものではなく、種々の変更が可能である。なお、上述した注目領域判定手段又は注目領域選択手段としての注目領域判定部35cが、範囲Roにおける複数の領域から注目領域を判定又は選択する場合、以下のように判定又は選択するようにしても良い。入力操作部29等から注目領域に該当するA6等の所定の属性を指定する所定の属性指定手段を設け、この所定の属性設定手段により指定された所定の属性に基づいて、上記複数の領域から所定の属性に該当する注目領域を判定又は選択するようにしても良い。
本発明の他の態様に係る画像処理装置は、被検体を撮像して得られる画像の任意の領域において、前記任意の領域を構成する画素毎に第1の特徴量を算出する第1の特徴量算出部と、前記第1の特徴量に基づいて前記任意の領域を複数の領域に分割する領域分割部と、前記領域分割部により分割された領域毎に第2の特徴量を算出する第2の特徴量算出部と、悪性度の高い病変の指標となる属性と、悪性度の低い病変の指標となる属性と、良悪性判断が困難な属性との各属性情報を予め格納する属性情報格納部と、前記第2の特徴量算出部において算出された前記第2の特徴量に基づき、前記領域分割部により分割された各領域を、前記属性情報格納部に格納された各属性情報のうちいずれかに分類する分類部と、前記分類部により分類された前記複数の領域における2以上の領域が有する属性の割合に基づいて前記任意の領域に対して診断支援するための診断支援情報を算出する診断支援情報算出部と、を備える。
本発明の他の態様に係る画像処理装置は、被検体を撮像して得られる画像の任意の領域において、前記任意の領域を構成する画素毎に第1の特徴量を算出する第1の特徴量算出部と、前記第1の特徴量に基づいて前記任意の領域を複数の領域に分割する領域分割部と、前記領域分割部により分割された領域毎に第2の特徴量を算出する第2の特徴量算出部と、悪性度の高い病変の指標となる属性と、悪性度の低い病変の指標となる属性と、良悪性判断が困難な属性との各属性情報を予め格納する属性情報格納部と、前記第2の特徴量算出部において算出された前記第2の特徴量に基づき、前記領域分割部により分割された各領域を、前記属性情報格納部に格納された各属性情報のうちいずれかに分類する分類部と、前記分類部により分類された前記複数の領域における2以上の領域が有する属性の割合に基づいて前記任意の領域に対して診断支援するための診断支援情報を算出する診断支援情報算出部と、を備える。
Claims (15)
- 被検体を撮像して得られる画像から、該画像を構成する画素毎に第1の特徴量を算出する第1の特徴量算出部と、
前記第1の特徴量に基づいて前記画像を複数の領域に分割する領域分割部と、
前記領域分割部により分割された領域毎に第2の特徴量を算出する第2の特徴量算出部と、
前記第2の特徴量に基づき前記複数の領域における各領域が、複数種類の属性のいずれの属性を持つかの分類を行う分類部と、
前記分類部により分類された前記複数の領域における2以上の所定数の領域が有する属性の割合に基づいて診断支援するための診断支援情報を算出する診断支援情報算出部と、
を備えることを特徴とする画像処理装置。 - 前記診断支援情報算出部は、さらに
前記複数の領域が所定の属性を有する注目領域を含むか否かを判定する注目領域判定部と、
前記注目領域が有する前記所定の属性に対して前記注目領域の周囲に存在する前記複数の領域が持つ属性に応じて前記注目領域が有する前記所定の属性を補正する補正部と、
を備えることを特徴とする請求項1に記載の画像処理装置。 - 前記診断支援情報算出部は、前記分類部により分類された前記所定数の領域がそれぞれ有する属性の面積比または領域数に基づいて前記診断支援情報を算出することを特徴とする請求項1に記載の画像処理装置。
- 前記診断支援情報算出部は、前記分類部により分類された前記所定数の領域がそれぞれ有する属性を有する領域の面積比または領域数に基づいて前記診断支援情報を算出することを特徴とする請求項2に記載の画像処理装置。
- 前記分類部が分類する前記複数種類の属性として、悪性度の高い病変の指標となる第1の属性と、悪性度の低い病変の指標となる第2の属性と、該当する属性の領域のみでは良悪性判断が困難な第3の属性との各属性情報を予め格納する属性情報格納部を有することを特徴とする請求項1に記載の画像処理装置。
- 前記分類部が分類する前記複数種類の属性として、悪性度の高い病変の指標となる第1の属性と、悪性度の低い病変の指標となる第2の属性と、該当する属性の領域のみでは悪性度の判定が困難な前記所定の属性である第3の属性との各属性情報を予め格納する属性情報格納部を有することを特徴とする請求項2に記載の画像処理装置。
- 前記分類部が分類する前記複数種類の属性として、悪性度の高い病変の指標となる第1の属性と、悪性度の低い病変の指標となる第2の属性と、該当する属性の領域のみでは悪性度の判定が困難な第3の属性との属性情報を予め格納する属性情報格納部を有することを特徴とする請求項3に記載の画像処理装置。
- 前記診断支援情報算出部は、前記領域分割部により分割された前記複数の領域におけるいずれかの領域が前記分類部により悪性度が顕著な指標となる特定の属性を含む場合には、他の領域が有する属性に関わらず、前記特定の属性に基づいて前記診断支援情報を算出することを特徴とする請求項1に記載の画像処理装置。
- 前記診断支援情報算出部は、前記領域分割部により分割された前記複数の領域におけるいずれかの領域が前記分類部により前記第1の属性よりも悪性度が顕著な指標となる特定の属性を含む場合には、他の領域が有する属性に関わらず、前記特定の属性に基づいて前記診断支援情報を算出することを特徴とする請求項7に記載の画像処理装置。
- 前記被検体における異なる検査部位に応じて、前記第1の特徴量、前記第2の特徴量、前記複数種類の属性のうち1つ以上を変更することを特徴とする請求項1に記載の画像処理装置。
- 前記被検体における異なる検査部位に応じて、前記第1の特徴量、前記第2の特徴量、前記複数種類の属性のうち1つ以上を変更することを特徴とする請求項9に記載の画像処理装置。
- 前記被検体における異なる検査部位に応じて、前記第1の特徴量、前記第2の特徴量、前記複数種類の属性のうち少なくとも前記複数種類の属性を含む1つ以上を変更することを特徴とする請求項7に記載の画像処理装置。
- 前記複数種類Nの属性に対応したN次元の仮想空間において、前記被検体に対して教師データを用いて予め用意した病変名又は症状名を含む前記診断支援情報が存在する範囲を格納した診断支援情報格納部を有し、前記診断支援情報算出部は、前記領域分割部により分割された前記複数の領域における前記分類部により分類された前記所定数の領域がそれぞれ有する属性の面積比または領域数に基づいて前記所定数の領域が前記仮想空間内で存在する位置から、該位置に対応する前記診断支援情報を算出することを特徴とする請求項2に記載の画像処理装置。
- 前記検査部位が大腸である場合には、前記診断支援情報算出部は、前記検査部位が過形成ポリープ、腺腫、癌におけるいずれの病変名に該当するか否かを算出することを特徴とする請求項11に記載の画像処理装置。
- 前記検査部位が胃である場合には、前記診断支援情報算出部は、前記検査部位が正常胃底腺粘膜、正常幽門腺粘膜、胃炎、癌におけるいずれに該当するかを算出することを特徴とする請求項11に記載の画像処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013534110A JP5444511B1 (ja) | 2012-03-21 | 2012-11-28 | 画像処理装置 |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2012064195 | 2012-03-21 | ||
JP2012064195 | 2012-03-21 | ||
PCT/JP2012/080679 WO2013140667A1 (ja) | 2012-03-21 | 2012-11-28 | 画像処理装置 |
JP2013534110A JP5444511B1 (ja) | 2012-03-21 | 2012-11-28 | 画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP5444511B1 JP5444511B1 (ja) | 2014-03-19 |
JPWO2013140667A1 true JPWO2013140667A1 (ja) | 2015-08-03 |
Family
ID=49222155
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013534110A Active JP5444511B1 (ja) | 2012-03-21 | 2012-11-28 | 画像処理装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8994801B2 (ja) |
EP (1) | EP2727514B1 (ja) |
JP (1) | JP5444511B1 (ja) |
CN (1) | CN103747718B (ja) |
WO (1) | WO2013140667A1 (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5764592B2 (ja) * | 2013-02-22 | 2015-08-19 | 東京エレクトロン株式会社 | 基板処理装置、基板処理装置の監視装置及び基板処理装置の監視方法 |
KR101598873B1 (ko) * | 2014-01-20 | 2016-03-02 | 한국과학기술원 | 영상의 다변수화를 이용한 영상 구별 특징 자동 선별 장치 및 방법 |
WO2016170656A1 (ja) * | 2015-04-23 | 2016-10-27 | オリンパス株式会社 | 画像処理装置、画像処理方法および画像処理プログラム |
JP6580446B2 (ja) * | 2015-10-09 | 2019-09-25 | サイバネットシステム株式会社 | 画像処理装置及び画像処理方法 |
JP6581923B2 (ja) * | 2016-03-03 | 2019-09-25 | 富士フイルム株式会社 | 画像処理装置とその作動方法および作動プログラム |
WO2018079116A1 (ja) * | 2016-10-27 | 2018-05-03 | 富士フイルム株式会社 | 内視鏡システム |
JP6823072B2 (ja) | 2016-10-27 | 2021-01-27 | 富士フイルム株式会社 | プロセッサ装置及び内視鏡システム |
WO2018105063A1 (ja) * | 2016-12-07 | 2018-06-14 | オリンパス株式会社 | 画像処理装置 |
WO2018235185A1 (ja) * | 2017-06-21 | 2018-12-27 | オリンパス株式会社 | 挿入支援装置、挿入支援方法、及び挿入支援装置を含む内視鏡装置 |
EP3653106A4 (en) | 2017-07-14 | 2020-07-08 | Fujifilm Corporation | MEDICAL IMAGE PROCESSING DEVICE, ENDOSCOPE SYSTEM, DIAGNOSTIC ASSISTANCE DEVICE, AND MEDICAL INTERVENTION ASSISTANCE DEVICE |
JP7033146B2 (ja) * | 2017-10-17 | 2022-03-09 | 富士フイルム株式会社 | 医療画像処理装置、及び、内視鏡装置 |
WO2019142243A1 (ja) * | 2018-01-16 | 2019-07-25 | オリンパス株式会社 | 画像診断支援システムおよび画像診断支援方法 |
CN109191424B (zh) * | 2018-07-23 | 2022-04-22 | 哈尔滨工业大学(深圳) | 一种乳腺肿块检测与分类系统、计算机可读存储介质 |
JP7187244B2 (ja) * | 2018-10-10 | 2022-12-12 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置、医用画像処理システム及び医用画像処理プログラム |
JPWO2020162275A1 (ja) * | 2019-02-08 | 2021-12-02 | 富士フイルム株式会社 | 医療画像処理装置、内視鏡システム、及び医療画像処理方法 |
JP7281308B2 (ja) * | 2019-03-07 | 2023-05-25 | ソニー・オリンパスメディカルソリューションズ株式会社 | 医療用画像処理装置及び医療用観察システム |
JP7334900B2 (ja) * | 2019-05-20 | 2023-08-29 | 国立研究開発法人理化学研究所 | 判別装置、学習装置、方法、プログラム、学習済みモデルおよび記憶媒体 |
JP6879520B2 (ja) * | 2019-08-28 | 2021-06-02 | サイバネットシステム株式会社 | 画像処理装置及び画像処理方法 |
CN114521122A (zh) * | 2019-09-27 | 2022-05-20 | 富士胶片株式会社 | 图像处理装置、内窥镜系统及图像处理的工作方法 |
WO2021079691A1 (ja) * | 2019-10-23 | 2021-04-29 | 富士フイルム株式会社 | 画像処理装置及びその作動方法 |
CN111415564B (zh) * | 2020-03-02 | 2022-03-18 | 武汉大学 | 基于人工智能的胰腺超声内镜检查导航方法及系统 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4450973B2 (ja) * | 2000-11-30 | 2010-04-14 | オリンパス株式会社 | 診断支援装置 |
EP1258220B1 (en) * | 2001-05-16 | 2008-08-13 | Olympus Corporation | Endoscope with image processing device |
JP4615963B2 (ja) * | 2004-10-29 | 2011-01-19 | オリンパス株式会社 | カプセル型内視鏡装置 |
WO2006062163A1 (ja) * | 2004-12-10 | 2006-06-15 | Olympus Corporation | 医用画像処理方法 |
KR100970295B1 (ko) * | 2005-04-13 | 2010-07-15 | 올림푸스 메디칼 시스템즈 가부시키가이샤 | 화상 처리 장치 및 화상 처리 방법 |
JP4624841B2 (ja) * | 2005-04-13 | 2011-02-02 | オリンパスメディカルシステムズ株式会社 | 画像処理装置および当該画像処理装置における画像処理方法 |
KR100943367B1 (ko) * | 2005-04-27 | 2010-02-18 | 올림푸스 메디칼 시스템즈 가부시키가이샤 | 화상 처리 장치, 화상 처리 방법, 및 화상 처리 프로그램을 기록한 기록 매체 |
JP5094036B2 (ja) * | 2006-04-17 | 2012-12-12 | オリンパスメディカルシステムズ株式会社 | 内視鏡挿入方向検出装置 |
JP4451460B2 (ja) | 2007-03-16 | 2010-04-14 | オリンパス株式会社 | 内視鏡診断支援装置 |
JP5281826B2 (ja) | 2008-06-05 | 2013-09-04 | オリンパス株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
US8331641B2 (en) * | 2008-11-03 | 2012-12-11 | Siemens Medical Solutions Usa, Inc. | System and method for automatically classifying regions-of-interest |
JP5305850B2 (ja) * | 2008-11-14 | 2013-10-02 | オリンパス株式会社 | 画像処理装置、画像処理プログラムおよび画像処理方法 |
US8591401B2 (en) * | 2010-08-18 | 2013-11-26 | Olympus Corporation | Endoscope apparatus displaying information indicating gravity direction on screen |
-
2012
- 2012-11-28 EP EP12871722.0A patent/EP2727514B1/en active Active
- 2012-11-28 CN CN201280040149.1A patent/CN103747718B/zh active Active
- 2012-11-28 JP JP2013534110A patent/JP5444511B1/ja active Active
- 2012-11-28 WO PCT/JP2012/080679 patent/WO2013140667A1/ja active Application Filing
-
2013
- 2013-07-31 US US13/955,594 patent/US8994801B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP5444511B1 (ja) | 2014-03-19 |
EP2727514A4 (en) | 2015-06-17 |
US20140028821A1 (en) | 2014-01-30 |
CN103747718A (zh) | 2014-04-23 |
EP2727514A1 (en) | 2014-05-07 |
WO2013140667A1 (ja) | 2013-09-26 |
US8994801B2 (en) | 2015-03-31 |
CN103747718B (zh) | 2016-03-30 |
EP2727514B1 (en) | 2017-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5444511B1 (ja) | 画像処理装置 | |
US11145053B2 (en) | Image processing apparatus and computer-readable storage medium storing instructions for specifying lesion portion and performing differentiation classification in response to judging that differentiation classification operation is engaged based on signal from endoscope | |
JP5242381B2 (ja) | 医療用画像処理装置及び医療用画像処理方法 | |
JP5580637B2 (ja) | 画像処理装置、内視鏡装置の作動方法及びプログラム | |
JP4994737B2 (ja) | 医療用画像処理装置及び医療用画像処理方法 | |
WO2012114600A1 (ja) | 医用画像処理装置及び医用画像処理方法 | |
JP5326064B2 (ja) | 画像処理装置 | |
JP7084994B2 (ja) | 内視鏡用画像処理装置、及び、内視鏡用画像処理装置の作動方法、並びに、内視鏡用画像処理プログラム | |
JP5301737B2 (ja) | 医用画像処理装置 | |
JP7125479B2 (ja) | 医療画像処理装置、医療画像処理装置の作動方法及び内視鏡システム | |
JP2012005512A (ja) | 画像処理装置、内視鏡装置、内視鏡システム、プログラム及び画像処理方法 | |
JP5078486B2 (ja) | 医療用画像処理装置及び医療用画像処理装置の作動方法 | |
JPWO2012153568A1 (ja) | 医用画像処理装置 | |
US20170095136A1 (en) | Medical apparatus | |
WO2021171464A1 (ja) | 処理装置、内視鏡システム及び撮像画像の処理方法 | |
EP1992273B1 (en) | Medical image processing device and medical image processing method | |
JP2007075157A (ja) | 画像表示装置 | |
JP2013048646A (ja) | 診断システム | |
WO2023042273A1 (ja) | 画像処理装置、画像処理方法及び記憶媒体 | |
JP2008093213A (ja) | 医療用画像処理装置及び医療用画像処理方法 | |
WO2024084578A1 (ja) | 画像処理装置、画像処理方法及び記憶媒体 | |
JP2008023266A (ja) | 医療用画像処理装置及び医療用画像処理方法 | |
WO2023153069A1 (ja) | 医療画像装置、内視鏡システム、及び、診断書作成システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
TRDD | Decision of grant or rejection written | ||
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20131206 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20131210 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131220 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5444511 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |