JPWO2019146356A1 - 画像処理装置、画像処理方法、及びプログラム - Google Patents
画像処理装置、画像処理方法、及びプログラム Download PDFInfo
- Publication number
- JPWO2019146356A1 JPWO2019146356A1 JP2019567935A JP2019567935A JPWO2019146356A1 JP WO2019146356 A1 JPWO2019146356 A1 JP WO2019146356A1 JP 2019567935 A JP2019567935 A JP 2019567935A JP 2019567935 A JP2019567935 A JP 2019567935A JP WO2019146356 A1 JPWO2019146356 A1 JP WO2019146356A1
- Authority
- JP
- Japan
- Prior art keywords
- target area
- measurement target
- measurement
- measurement object
- image processing
- 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 122
- 238000003672 processing method Methods 0.000 title claims abstract description 22
- 238000005259 measurement Methods 0.000 claims abstract description 696
- 238000012937 correction Methods 0.000 claims abstract description 156
- 238000012986 modification Methods 0.000 claims abstract description 71
- 230000004048 modification Effects 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 69
- 239000000284 extract Substances 0.000 claims abstract description 26
- 206010028980 Neoplasm Diseases 0.000 claims description 118
- 238000000605 extraction Methods 0.000 claims description 49
- 230000006870 function Effects 0.000 claims description 44
- 210000004072 lung Anatomy 0.000 claims description 23
- 230000008054 signal transmission Effects 0.000 claims description 4
- 238000010801 machine learning Methods 0.000 abstract description 64
- 238000011976 chest X-ray Methods 0.000 description 24
- 238000010586 diagram Methods 0.000 description 23
- 238000004891 communication Methods 0.000 description 16
- 238000012217 deletion Methods 0.000 description 16
- 230000037430 deletion Effects 0.000 description 16
- 230000015654 memory Effects 0.000 description 10
- 210000000056 organ Anatomy 0.000 description 9
- 238000013135 deep learning Methods 0.000 description 8
- 230000005484 gravity Effects 0.000 description 7
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 238000002595 magnetic resonance imaging Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 2
- 230000000747 cardiac effect Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 210000002435 tendon Anatomy 0.000 description 2
- 238000012951 Remeasurement Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000002107 myocardial effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000004549 pulsed laser deposition Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
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
- G06T7/11—Region-based segmentation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- 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
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- G06T2207/10116—X-ray 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/20092—Interactive image processing based on input by user
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
- G06T2207/30061—Lung
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Public Health (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Veterinary Medicine (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Pathology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
Abstract
Description
図1は実施形態に係る医療情報システムの構成例を示すブロック図である。医療情報システム10は、画像処理装置12、モダリティ14、及び画像データベース16を備える。画像処理装置12、モダリティ14、及び画像データベース16は、ネットワーク18を介して通信可能に接続される。医療情報システム10の例として、PACS(Picture Archiving and Communication System)が挙げられる。
〔ハードウェア構成〕
図2は画像処理装置のハードウェアの構成例を示すブロック図である。画像処理装置12は、制御部30、メモリ32、ハードディスク装置34、通信インターフェース36、入力コントローラ38、及びディスプレイコントローラ39を備える。
制御部30は、画像処理装置12の全体制御部、各種演算部、及び記憶制御部として機能する。制御部30は、メモリ32に具備されるROM(read only memory)に記憶されているプログラムを実行する。制御部30は、通信インターフェース36を介して、外部の記憶装置からプログラムをダウンロードし、ダウンロードしたプログラムを実行してもよい。外部の記憶装置は、ネットワーク18を介して画像処理装置12と通信可能に接続されていてもよい。
メモリ32は、図示しないROM、及び図示しないRAMを備える。ROMは、画像処理装置12において実行される各種プログラムを記憶する。ROMは、各種プログラムの実行に用いられるパラメータ、及びファイル等を記憶する。RAMは、データの一時記憶領域、及び制御部30のワーク領域等として機能する。
ハードディスク装置34は、各種データを非一時的に記憶する。具体的には、ハードディスク装置34は医用画像等を記憶する。ハードディスク装置34は、画像処理装置12の外部に外付けされてもよい。ハードディスク装置34に代わり、又はこれと併用して、大容量の半導体メモリ装置を適用してもよい。
通信インターフェース36は、図1に示したモダリティ14、及び画像データベース16などの外部の装置との間のデータ通信を行う。図2に示したIFは、interfaceの省略後である。
入力コントローラ38は、マウス20、及びキーボード22等の入力装置26から送信される信号を受信し、画像処理装置12に適用される形式の信号に変換するインターフェースである。
ディスプレイコントローラ39は、画像処理装置12において生成された画像を表す信号を、表示装置24を用いて表示させる映像信号に変換するインターフェースである。ディスプレイコントローラ39は、画像を表す映像信号を表示装置24へ送信する。
図3は画像処理装置の機能を示す機能ブロック図である。図3に示した画像処理装置12は、全体制御部40、画像取得部41、画像処理部42、表示制御部44、測定部45、入力制御部46、及び記憶部47を備える。
全体制御部40は、画像処理装置12の制御プログラムの実行に基づき、画像取得部41、画像処理部42、表示制御部44、測定部45、入力制御部46、及び記憶部47を統括的に制御する。
画像取得部41は、図1に示した画像データベース16に記憶される画像データベース16に記憶される医用画像を取得する。画像データベース16は、モダリティ14を用いて撮像され医用画像が記憶される。本実施形態では、X線撮像装置を用いて撮像された胸部X線画像を医用画像として例示する。
画像処理部42は、深層学習アルゴリズム43に基づく深層学習を用いて、画像取得部41を用いて取得した医用画像の解析処理を実行する。医用画像の解析処理の詳細は後述する。
表示制御部44は、表示装置24を用いて医用画像を再生する際に、画像表示を制御するディスプレイドライバーとして機能する。表示制御部44は、表示装置24を用いて、医用画像に各種情報を重畳表示させてもよい。
測定部45は、医用画像に含まれる臓器、骨、腱、筋、及び腫瘍等の測定対象領域について、代表値、及び解析値等の測定値を算出する。測定値の例として、心胸郭比、及び腫瘍全長が挙げられる。測定部45は、測定を補助する測定オブジェクトの位置に基づいて、測定値を算出する。測定オブジェクト、及び測定オブジェクトを用いた測定の詳細は後述する。なお、測定値という用語は、同一の測定対象に対して複数回の測定を行って得られた複数の測定値を統計処理した値を適用してもよい。統計処理をした値の例として、算術平均値、及び偏差等が挙げられる。
入力制御部46は、入力装置26から入力された信号を、画像処理装置12に適用される形式の信号に変換し、変換後の信号を全体制御部40へ送信する。全体制御部40は、入力装置26から入力された情報に基づいて、画像処理装置12の各部を制御する。
記憶部47は、画像記憶部48、及びプログラム記憶部49を備える。画像記憶部48は、画像取得部41を用いて取得した医用画像を記憶する。画像記憶部48に記憶された画像は、全体制御部40の制御の下、画像処理部42へ読み出される。
図4は図3に示した画像処理部の機能を示す機能ブロック図である。画像処理部42は、医用画像を入力として、測定対象領域である臓器領域等を自動的に抽出する。画像処理部42は、測定対象領域の抽出結果に基づいて代表値、及び解析値等を求めるための測定オブジェクトを決定する。画像処理部42は、測定オブジェクトを修正する構成要素を有し、測定オブジェクトの修正結果に基づいて測定対象領域の抽出結果を修正する。画像処理部42は、修正前の測定対象領域と測定対象領域の修正結果との組を正解データとして、測定対象領域を抽出する抽出器へ入力する。
測定対象領域抽出部52は、医用画像から測定対象領域を抽出する。例えば、測定対象領域抽出部52は、医用画像であるデジタルX線画像から、測定対象領域のセグメンテーションを行う。
測定オブジェクト決定部54は、測定対象領域抽出部52の抽出結果を用いて測定オブジェクトの位置を決定する。測定オブジェクト決定部54を用いて決定された測定オブジェクトは、表示制御部44を介して表示装置24に表示される。
測定オブジェクト修正部56は、測定オブジェクト決定部54を用いて決定された測定オブジェクトを修正する。測定オブジェクト修正部56は、入力装置26を用いて入力された測定オブジェクトの修正情報に基づいて、測定オブジェクトを修正する。
測定対象領域修正部58は、測定オブジェクト修正部56を用いて修正された測定オブジェクトの位置に基づき、測定対象領域を修正する。測定対象領域修正部58は、測定対象領域の拡大、及び縮小等の測定対象領域の修正を行う。測定対象領域修正部58を用いて修正された測定対象領域は、表示制御部44を介して表示装置24に表示される。
図5は実施形態に係る画像処理方法の手順の流れを示すフローチャートである。医用画像取得工程S10では、図3に示した画像取得部41は医用画像を取得する。医用画像取得工程S10において医用画像を取得した後に、測定対象領域抽出工程S12へ進む。
〈全体構成〉
次に、画像処理の具体例として心胸郭比測定について説明する。図6は胸部X線画像を用いた心胸郭比測定における画面構成例を示す説明図である。心胸郭比測定では、図4に示した測定対象領域抽出部52は、胸部X線画像100から肺野領域102を自動的に抽出し、かつ心臓領域104を自動的に抽出する。
図8は測定対象領域修正における削除処理の第1例を示す模式図である。図8に示した測定対象領域120Aの削除処理は、測定オブジェクト110を修正した際に、測定対象領域120Aにおける修正後の測定オブジェクト110Fの外側の領域を非測定対象領域120Bとする削除処理を模式的に示す。測定対象領域120Aが臓器の場合、非測定対象領域120Bは非臓器領域である。
測定対象領域の拡大処理は、上記した測定対象領域の削除処理を応用し得る。すなわち、測定対象領域の拡大処理では、図9に示した修正後の測定オブジェクト110Fが修正前の測定オブジェクトとなり、修正前の測定オブジェクト110が修正後の測定オブジェクトとなる。
図11は複数の測定対象領域が隣接する場合の修正処理の模式図である。図11に示す胸部X線画像100Dは、肺野領域102と心臓領域104とが隣接する場合であり、心臓領域104が削除された場合の処理を示す。符号104Aは、修正前の心臓領域104の輪郭線を示す。符号104Bは、修正後の心臓領域104の輪郭線を示す。
〈全体構成〉
次に、画像処理の他の具体例として腫瘍測定について説明する。図12は胸部X線画像を用いた腫瘍測定における画面構成例を示す説明図である。図12に示した胸部X線画像200は、肺野領域102に腫瘍領域202が抽出されている。
図13は腫瘍測定における領域修正処理の模式図である。図13に図示した符号204Aは、胸部X線画像200に重畳表示された腫瘍領域202の輪郭を示す。符号206は、腫瘍領域202の長径を表す線分を示す。符号208は腫瘍領域202の短径を表す線分を示す。
図14は実施形態に係る情報処理システムの構成例を示すブロック図である。図14に示した情報処理システム300は、サーバ装置302、及び医療機関304に具備される端末装置306を備える。サーバ装置302と端末装置306とはネットワーク308を介して通信可能に接続される。
上記の如く構成された画像処理装置、及び方法によれば、以下の作用効果を得ることが可能である。
胸部X線画像100から測定対象領域が抽出される。測定対象領域の測定を補助する測定オブジェクト110が決められる。測定オブジェクト110が修正された場合、測定オブジェクト110の修正結果に基づき、測定対象領域が修正される。測定対象領域の修正結果は、測定オブジェクト110の修正結果と関連付けされて第1機械学習器53へフィードバックされる。これにより、測定対象抽出における機械学習に使用される質の高い正解データを簡便な方法を用いて取得することが可能である。
修正前の測定対象領域と、測定対象領域の修正結果との組を正解データとする機械学習の結果を用いて、測定対象領域の抽出が行われる。これにより、精度の高い測定対象領域の抽出が可能である。
測定対象領域の修正結果は、測定オブジェクト110の修正結果と関連付けされて第2機械学習器59へフィードバックされる。これにより、測定対象領域の修正における機械学習に使用される質の高い正解データを簡便な方法を用いて取得することが可能である。
測定対象領域の修正結果と、測定オブジェクトの修正結果との組を正解データとする機械学習の結果を用いて、測定対象領域の修正が行われる。これにより、測定オブジェクトの修正結果に応じた精度の高い測定対象領域の修正が可能である。
測定オブジェクト110として線分が適用される。測定対象領域の第1方向の両端の位置が測定オブジェクト110の位置として決定される。これにより、線分が適用された測定オブジェクト110を用いた、測定対象領域の測定対象位置の特定が可能である。
修正後の測定オブジェクト110の位置を測定対象領域の1つの端として、測定対象領域が修正される。これにより、修正後の測定対象領域の輪郭を構成する多数の点を指定するといった処理を適用せずに、簡便な処理を適用した測定対象領域の修正が可能である。
修正前の測定対象領域における修正後の測定オブジェクト110Fの外側の領域は、非測定対象領域とされる。修正前の非測定対象領域における修正後の測定オブジェクト110Fの内側の領域は、測定対象領域とされる。これにより、修正後の測定オブジェクト110Fの位置に基づく測定対象領域の削除、及び追加の少なくともいずれかが可能となる。
測定オブジェクト110として第1方向に沿う線分を適用する。第1方向と直交する第2方向における測定対象領域の両端位置を測定オブジェクト110の位置として決定する。これにより、第2方向における測定対象領域の全長の測定が可能となる。
修正後の測定オブジェクト110Fの位置が、第2方向における測定対象領域の端とされる測定対象領域の修正が行われる。これにより、修正後の測定オブジェクト110Fの位置に基づく、測定対象領域の修正が可能となる。
第2方向における肺野領域102の両端位置、及び第2方向における心臓領域104の両端位置を測定オブジェクト110の位置に決定する。これにより、測定オブジェクト110の位置に基づく心胸郭比の測定が可能となる。
測定対象領域として腫瘍領域202を抽出する。腫瘍領域202の長径、及び腫瘍領域202の短径の少なくともいずれかを測定オブジェクトとして決定する。これにより腫瘍領域202の長径、及び腫瘍領域202の短径の少なくともいずれかの測定が可能となる。
腫瘍領域202の長径、及び腫瘍領域202の短径の少なくともいずれかを修正する。これにより、腫瘍領域202の修正が可能となる。
修正後の腫瘍領域202の長径、及び修正後の腫瘍領域202の短径の少なくともいずれかを修正した場合、修正前の腫瘍領域202における、修正後の長径、及び修正後の短径を用いて規定される輪郭の外側の領域は、非測定対象領域とされる。修正前の非測定対象領域における、修正後の長径、及び修正後の短径を用いて規定される輪郭の内側の領域は、測定対象領域とされる。これにより、修正後の長径、及び修正後の短径に基づく測定対象領域の削除、及び追加の少なくともいずれかが可能となる。
上述した画像処理方法は、コンピュータを用いて、画像処理方法における各工程に対応する機能を実現させるプログラムとして構成可能である。例えば、医用画像から測定対象領域を抽出する第1抽出機能、測定オブジェクトを決定する測定オブジェクト決定機能、測定オブジェクトを修正する測定オブジェクト修正機能、測定オブジェクトの修正結果を用いて測定対象領域を修正する測定対象領域修正機能、及び測定対象領域の修正結果を学習する第1学習機能を実現させるプログラムを構成し得る。
上述した実施形態で説明した構成要素、及び変形例で説明した構成要素は、適宜組み合わせて用いることができ、また、一部の構成要素を置き換えることもできる。
12 画像処理装置
14 モダリティ
16 画像データベース
18 ネットワーク
20 マウス
22 キーボード
24 表示装置
26 入力装置
30 制御部
32 メモリ
34 ハードディスク装置
36 通信インターフェース
38 入力コントローラ
39 ディスプレイコントローラ
40 全体制御部
41 画像取得部
42 画像処理部
43 深層学習アルゴリズム
44 表示制御部
45 測定部
46 入力制御部
47 記憶部
48 画像記憶部
49 プログラム記憶部
50 通信信号線
52 測定対象領域抽出部
53 第1機械学習器
54 測定オブジェクト決定部
56 測定オブジェクト修正部
58 測定対象領域修正部
59 第2機械学習器
100 胸部X線画像
100A 胸部X線画像
100B 胸部X線画像
100C 胸部X線画像
100D 胸部X線画像
100E 胸部X線画像
102 肺野領域
104 心臓領域
104A 心臓領域
110 測定オブジェクト
110A 第1測定オブジェクト
110B 第2測定オブジェクト
110C 第3測定オブジェクト
110D 第4測定オブジェクト
110E 修正後の第3測定オブジェクト
110F 修正後の測定オブジェクト
112 補助オブジェクト
120A 測定対象領域
120B 非測定対象領域
120C 修正後の測定対象領域
120D 線分部
120E 修正後の測定対象領域
120F 接点
121 重心
200 胸部X線画像
202 腫瘍領域
204 輪郭
204A 修正前の腫瘍領域の輪郭
204B 修正後の腫瘍領域の輪郭
206 線分
206A 修正後の線分
208 線分
208A 修正後の線分
210 領域
212 領域
300 情報処理システム
302 サーバ装置
304 医療機関
304A 第1医療機関
304B 第2医療機関
304C 第3医療機関
306 端末装置
306A 端末装置
306B 端末装置
306C 端末装置
308 ネットワーク
310 医用画像データベース
312 第3機械学習器
S10からS22 画像処理方法の各工程
通信インターフェース36は、図1に示したモダリティ14、及び画像データベース16などの外部の装置との間のデータ通信を行う。図2に示したIFは、interfaceの省略語である。
画像取得部41は、図1に示した画像データベース16に記憶される医用画像を取得する。画像データベース16は、モダリティ14を用いて撮像され医用画像が記憶される。本実施形態では、X線撮像装置を用いて撮像された胸部X線画像を医用画像として例示する。
図8は測定対象領域修正における削除処理の第1例を示す模式図である。図8に示した測定対象領域120Aの削除処理は、測定オブジェクト110を修正した際に、測定対象領域120Aにおける修正後の測定オブジェクト110Fの外側の領域を非測定対象領域120Bとする。測定対象領域120Aが臓器の場合、非測定対象領域120Bは非臓器領域である。
Claims (19)
- 測定対象領域の正解データを用いて学習した学習結果を用いて、医用画像から測定対象領域を抽出する第1抽出器と、
前記測定対象領域の測定に用いる測定オブジェクトを決定する測定オブジェクト決定部と、
ユーザの指示に応じて前記測定オブジェクトを修正する測定オブジェクト修正部と、
前記測定オブジェクトの修正結果を用いて、前記第1抽出器を用いて抽出された前記測定対象領域を修正する測定対象領域修正部と、
を備え、
前記第1抽出器は、前記測定対象領域修正部を用いて修正された前記測定対象領域を正解データとして学習する画像処理装置。 - 前記測定対象領域修正部は、修正後の前記測定オブジェクトと、前記測定オブジェクトの修正に応じた前記測定対象領域の修正結果とを学習した学習結果を用いて、前記測定オブジェクトの修正に応じて前記測定対象領域を修正する第2抽出器を備えた請求項1に記載の画像処理装置。
- 前記測定対象領域修正部は、前記測定対象領域における修正後の前記測定オブジェクトの外側の領域を非測定対象領域に変更する前記測定対象領域の修正を行う請求項1又は2に記載の画像処理装置。
- 前記測定対象領域修正部は、非測定対象領域における修正後の前記測定オブジェクトの内側の領域を前記測定対象領域に変更する前記測定対象領域の修正を行う請求項1又は2に記載の画像処理装置。
- 前記測定オブジェクト決定部は、第1方向に平行な複数の第1線分を前記測定オブジェクトとして決定し、かつ前記第1方向と直交する第2方向における前記測定対象領域の一方の端の位置、前記測定対象領域の他方の端の位置を前記第1線分の位置として決定する請求項1から4のいずれか一項に記載の画像処理装置。
- 前記測定対象領域修正部は、前記測定オブジェクト修正部を用いて修正した前記測定オブジェクトの位置を、前記第2方向における前記測定対象領域の一方の端の位置、又は他方の端の位置として、前記測定対象領域の輪郭を修正する請求項5に記載の画像処理装置。
- 前記測定対象領域を測定する測定部を含み、
前記第1抽出器は、肺野領域、及び心臓領域を前記測定対象領域として抽出し、
前記測定オブジェクト決定部は、前記第2方向における前記肺野領域の一方の端の位置、前記第2方向における前記肺野領域の他方の端の位置、前記第2方向における前記心臓領域の一方の端の位置、及び前記第2方向における前記心臓領域の他方の端の位置のそれぞれを前記第1線分の位置として決定し、
前記測定部は、複数の前記第1線分の位置に基づいて心胸郭比を測定する請求項5又は6に記載の画像処理装置。 - 前記第1抽出器は、第1測定対象領域、及び第2測定対象領域を抽出し、
前記測定対象領域修正部は、修正後の前記第1測定対象領域と修正後の前記第2測定対象領域とが重複する場合に、前記第1測定対象領域の修正結果に応じて、前記第2測定対象領域を修正する請求項1から7のいずれか一項に記載の画像処理装置。 - 前記第1抽出器は、第1測定対象領域、及び第2測定対象領域を抽出し、
前記測定対象領域修正部は、修正前の前記第1測定対象領域と修正前の前記第2測定対象領域とが接触するか、又は重複する場合に、前記第1測定対象領域の修正結果に応じて、前記第2測定対象領域を修正する請求項1から7のいずれか一項に記載の画像処理装置。 - 前記測定オブジェクト決定部は、第3方向における前記測定対象領域の両端を結ぶ第2線分、及び前記第3方向と交差する第4方向における前記測定対象領域の両端を結ぶ第3線分の少なくともいずれかを前記測定オブジェクトとして決定する請求項1から4のいずれか一項に記載の画像処理装置。
- 前記測定対象領域修正部は、前記測定オブジェクト修正部を用いて修正した前記第2線分の端の位置を、前記第3方向における前記測定対象領域の一方の端の位置、又は他方の端の位置として、前記測定対象領域の輪郭を修正する請求項10に記載の画像処理装置。
- 前記測定対象領域修正部は、前記測定オブジェクト修正部を用いて修正した前記第3線分の端の位置を、前記第4方向における前記測定対象領域の一方の端の位置、又は他方の端の位置として、前記測定対象領域の輪郭を修正する請求項10又は11に記載の画像処理装置。
- 前記測定対象領域修正部は、修正後の前記第2線分、及び修正後の前記第3線分の少なくともいずれかに応じて、前記測定対象領域を非測定対象領域に変更する前記測定対象領域の修正、及び非測定対象領域を前記測定対象領域に変更する前記測定対象領域の修正の少なくともいずれかを行う請求項10から12のいずれか一項に記載の画像処理装置。
- 前記測定対象領域を測定する測定部を備え、
前記第1抽出器は、腫瘍領域を前記測定対象領域として抽出し、
前記測定部は、前記腫瘍領域の前記第3方向の全長、及び前記第4方向の全長を測定する請求項10から13のいずれか一項に記載の画像処理装置。 - 前記測定対象領域修正部は、修正前の前記測定オブジェクトを用いた測定値と、修正後の前記測定オブジェクトを用いた測定値との比率を用いて、前記測定対象領域の輪郭を拡大、又は縮小させる請求項1から14のいずれか一項に記載の画像処理装置。
- 前記医用画像を表示する表示装置へ、前記測定オブジェクトを表す信号を送信する信号送信部を備える請求項1から15のいずれか一項に記載の画像処理装置。
- 測定対象領域の正解データを用いて学習した第1抽出器を用いて、医用画像から測定対象領域を抽出する第1抽出工程と、
前記測定対象領域の測定に用いる測定オブジェクトを決定する測定オブジェクト決定工程と、
ユーザの指示に応じて前記測定オブジェクトを修正する測定オブジェクト修正工程と、
前記測定オブジェクトの修正結果を用いて、前記測定対象領域の抽出結果を修正する測定対象領域修正工程と、
前記測定対象領域の修正結果を正解データとして前記第1抽出器を学習させる第1学習工程と、
を含む画像処理方法。 - コンピュータに、
測定対象領域の正解データを用いて学習した第1抽出器を用いて、医用画像から測定対象領域を抽出する第1抽出機能、
前記測定対象領域の測定に用いる測定オブジェクトを決定する測定オブジェクト決定機能、
ユーザの指示に応じて前記測定オブジェクトを修正する測定オブジェクト修正機能、
前記測定オブジェクトの修正結果を用いて、前記測定対象領域の抽出結果を修正する測定対象領域修正機能、及び
前記測定対象領域の修正結果を正解データとして前記第1抽出器を学習させる第1学習機能を実現させるプログラム。 - 非一時的かつコンピュータ読取可能な記録媒体であって、前記記録媒体に格納された指令がコンピュータによって読み取られた場合に、
測定対象領域の正解データを用いて学習した第1抽出器を用いて、医用画像から測定対象領域を抽出する第1抽出機能、
前記測定対象領域の測定に用いる測定オブジェクトを決定する測定オブジェクト決定機能、
ユーザの指示に応じて前記測定オブジェクトを修正する測定オブジェクト修正機能、
前記測定オブジェクトの修正結果を用いて、前記測定対象領域の抽出結果を修正する測定対象領域修正機能、及び
前記測定対象領域の修正結果を正解データとして前記第1抽出器を学習させる第1学習機能をコンピュータに実現させる記録媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018012780 | 2018-01-29 | ||
JP2018012780 | 2018-01-29 | ||
PCT/JP2018/047852 WO2019146356A1 (ja) | 2018-01-29 | 2018-12-26 | 画像処理装置、画像処理方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2019146356A1 true JPWO2019146356A1 (ja) | 2021-01-28 |
JP6920477B2 JP6920477B2 (ja) | 2021-08-18 |
Family
ID=67395879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019567935A Active JP6920477B2 (ja) | 2018-01-29 | 2018-12-26 | 画像処理装置、画像処理方法、及びプログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US11244458B2 (ja) |
JP (1) | JP6920477B2 (ja) |
WO (1) | WO2019146356A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007222325A (ja) * | 2006-02-22 | 2007-09-06 | Canon Inc | 情報処理装置及びその制御方法、プログラム |
JP2010233879A (ja) * | 2009-03-31 | 2010-10-21 | Konica Minolta Medical & Graphic Inc | 画像計測装置及びプログラム |
JP2010259656A (ja) * | 2009-05-08 | 2010-11-18 | Toshiba Corp | 医用画像処理装置、超音波診断装置および医用画像診断装置 |
JP2014502176A (ja) * | 2010-11-02 | 2014-01-30 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 幾何学的特徴の自動算出方法、非一時的なコンピュータ可読媒体および画像解釈システム |
JP6246287B1 (ja) * | 2016-08-31 | 2017-12-13 | Psp株式会社 | 医用画像処理装置及びプログラム |
Family Cites Families (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS5479896A (en) | 1977-12-06 | 1979-06-26 | Inoue Japax Res Inc | Wire-cut electrical discharge machine |
US5072384A (en) * | 1988-11-23 | 1991-12-10 | Arch Development Corp. | Method and system for automated computerized analysis of sizes of hearts and lungs in digital chest radiographs |
JPH04125779A (ja) | 1990-09-18 | 1992-04-27 | Toshiba Corp | 画像処理方法 |
WO2004068406A2 (en) * | 2003-01-30 | 2004-08-12 | Chase Medical, L.P. | A method and system for image processing and contour assessment |
JP4497951B2 (ja) | 2004-02-16 | 2010-07-07 | 株式会社日立メディコ | 医用画像診断装置 |
US7382907B2 (en) * | 2004-11-22 | 2008-06-03 | Carestream Health, Inc. | Segmenting occluded anatomical structures in medical images |
JP4540123B2 (ja) * | 2007-04-10 | 2010-09-08 | 富士フイルム株式会社 | 曲線修正方法および装置並びにプログラム |
JP2014050527A (ja) | 2012-09-06 | 2014-03-20 | Toshiba Corp | 画像処理装置及び画像処理方法 |
KR102325345B1 (ko) * | 2014-12-15 | 2021-11-11 | 삼성전자주식회사 | 대화형 영상 분할 장치 및 방법 |
CN106548127B (zh) * | 2015-09-18 | 2022-11-04 | 松下电器(美国)知识产权公司 | 图像识别方法 |
JP6738305B2 (ja) * | 2017-06-30 | 2020-08-12 | 富士フイルム株式会社 | 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム |
JP6797088B2 (ja) * | 2017-08-17 | 2020-12-09 | 富士フイルム株式会社 | 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム |
JP6985856B2 (ja) * | 2017-08-31 | 2021-12-22 | キヤノン株式会社 | 情報処理装置、情報処理装置の制御方法及びプログラム |
JP2019096072A (ja) * | 2017-11-22 | 2019-06-20 | 株式会社東芝 | 物体検出装置、物体検出方法およびプログラム |
-
2018
- 2018-12-26 WO PCT/JP2018/047852 patent/WO2019146356A1/ja active Application Filing
- 2018-12-26 JP JP2019567935A patent/JP6920477B2/ja active Active
-
2020
- 2020-07-13 US US16/927,977 patent/US11244458B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007222325A (ja) * | 2006-02-22 | 2007-09-06 | Canon Inc | 情報処理装置及びその制御方法、プログラム |
JP2010233879A (ja) * | 2009-03-31 | 2010-10-21 | Konica Minolta Medical & Graphic Inc | 画像計測装置及びプログラム |
JP2010259656A (ja) * | 2009-05-08 | 2010-11-18 | Toshiba Corp | 医用画像処理装置、超音波診断装置および医用画像診断装置 |
JP2014502176A (ja) * | 2010-11-02 | 2014-01-30 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 幾何学的特徴の自動算出方法、非一時的なコンピュータ可読媒体および画像解釈システム |
JP6246287B1 (ja) * | 2016-08-31 | 2017-12-13 | Psp株式会社 | 医用画像処理装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6920477B2 (ja) | 2021-08-18 |
US11244458B2 (en) | 2022-02-08 |
US20200342606A1 (en) | 2020-10-29 |
WO2019146356A1 (ja) | 2019-08-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rehman et al. | A region-based deep level set formulation for vertebral bone segmentation of osteoporotic fractures | |
US10997466B2 (en) | Method and system for image segmentation and identification | |
JP7346553B2 (ja) | 深層学習を使用する3dデータセット内のオブジェクトの成長率の決定 | |
EP3424017B1 (en) | Automatic detection of an artifact in patient image data | |
JP7101809B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN107752979B (zh) | 人工投影的自动生成方法、介质和投影图像确定装置 | |
JP2007526033A (ja) | 構造化オブジェクトの画像を登録するための装置及び方法 | |
EP3971830B1 (en) | Pneumonia sign segmentation method and apparatus, medium and electronic device | |
JP6820043B2 (ja) | 画像の閲覧を支援する方法およびこれを利用した装置 | |
JPWO2012073769A1 (ja) | 画像処理装置及び画像処理方法 | |
CN115861656A (zh) | 用于自动处理医学图像以输出警报的方法、设备和系统 | |
JP7170000B2 (ja) | 学習システム、方法及びプログラム | |
WO2022056297A1 (en) | Method and apparatus for analyzing medical image data in a latent space representation | |
JP6920477B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN114255235A (zh) | 用于自动定位三维图像中的器官分段的方法和布置 | |
CN107610772A (zh) | 一种甲状腺结节ct图像诊断系统设计方法 | |
JP6967983B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
AU2019204365B1 (en) | Method and System for Image Segmentation and Identification | |
JPWO2019208130A1 (ja) | 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム | |
WO2021193548A1 (ja) | 文書作成支援装置、方法およびプログラム | |
Zhang et al. | Enhancing the depth perception of DSA images with 2D–3D registration | |
KR102099350B1 (ko) | 의료 영상에서 병변의 정량화를 보조하는 방법 및 이를 이용한 장치 | |
KR102136107B1 (ko) | 뼈 감쇄된 x-선 영상의 정합 장치 및 방법 | |
CN113657420A (zh) | 身体表示 | |
JP2019500114A (ja) | 位置合わせ精度の決定 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200720 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200720 |
|
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: 20210705 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210726 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6920477 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |