WO2014038428A1 - 画像処理装置及び画像処理方法 - Google Patents

画像処理装置及び画像処理方法 Download PDF

Info

Publication number
WO2014038428A1
WO2014038428A1 PCT/JP2013/072802 JP2013072802W WO2014038428A1 WO 2014038428 A1 WO2014038428 A1 WO 2014038428A1 JP 2013072802 W JP2013072802 W JP 2013072802W WO 2014038428 A1 WO2014038428 A1 WO 2014038428A1
Authority
WO
WIPO (PCT)
Prior art keywords
threshold
image
determination
pixel
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.)
Ceased
Application number
PCT/JP2013/072802
Other languages
English (en)
French (fr)
Inventor
後藤　良洋
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.)
Hitachi Healthcare Manufacturing Ltd
Original Assignee
Hitachi Medical 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 Hitachi Medical Corp filed Critical Hitachi Medical Corp
Priority to CN201380040163.6A priority Critical patent/CN104507392B/zh
Priority to JP2014534308A priority patent/JP6407718B2/ja
Priority to US14/408,362 priority patent/US9396395B2/en
Publication of WO2014038428A1 publication Critical patent/WO2014038428A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • 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
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • 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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/466—Displaying means of special interest adapted to display 3D data
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T2207/30016—Brain
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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

Definitions

  • the present invention relates to an image processing apparatus that recognizes a specific area from an image.
  • a three-dimensional original image (three-dimensional volume data) is generated from a tomographic image group photographed by an X-ray CT (Computed Tomography) apparatus, an MRI (Magnetic Resonance Imaging) apparatus, etc.
  • a diagnostic image A technique is known in which tissue is extracted or removed, and an image suitable for diagnosis (hereinafter referred to as a diagnostic image) is generated and displayed.
  • a diagnostic image for example, a three-dimensional volume rendering image, a MIP (Maximum Intensity Projection) image, or the like is created.
  • a bone-removed MIP image may be generated by removing a bone region including a skull, cartilage, and the like from the above-described tomographic image group.
  • the extraction method for example, there is a region expansion method (region growing method) and the like.
  • region expansion method when an operator designates a pixel to be a starting point on an image, the computer determines whether or not a predetermined threshold condition is satisfied for a pixel at the starting point or surrounding pixels including the pixel, When the condition is satisfied, the pixel is expanded as an extraction region.
  • Patent Document 1 discloses a method for preventing excessive extraction due to slight pixel concatenation when performing region extraction by the region expansion method.
  • the region is expanded only when a predetermined ratio of pixels in the sense region composed of a plurality of pixels continues to the extracted region and satisfies the condition.
  • Patent Document 2 discloses a method for distinguishing cancellous bone, which is an internal tissue of bone, and tissue that is difficult to separate, such as bone marrow. Specifically, by obtaining a pixel value histogram of an MR image including cancellous bone and bone marrow, and fitting it with three normal distribution curves (cancellous bone, bone marrow, intermediate value between both), the two can be separated. It is described that the cancellous bone volume fraction is accurately calculated.
  • the present invention has been made in view of the above problems, and in the process of recognizing a specific area from an image, a plurality of areas that exist in the image and have large density value fluctuations can be accurately obtained with a simple operation.
  • An object is to provide an image processing apparatus and an image processing method that can be recognized.
  • the first invention is an image processing device that executes processing for recognizing a specific region from an image, and includes a pixel of interest and a plurality of surrounding pixels among pixels included in the image.
  • a threshold determination unit that applies a predetermined threshold condition to a determination range including a pixel and determines the target pixel as a recognition pixel when any of the pixels in the determination range satisfies the threshold condition;
  • a process execution unit that sequentially moves the determination range and repeatedly executes the threshold determination.
  • recognition means that the corresponding pixel is distinguished from other pixels in the three-dimensional original image.
  • a specific method for example, (a) a specific value serving as a mark is directly written in the original three-dimensional original image. Alternatively, (b) recording the recognition pixels as a binary image in a memory different from the three-dimensional original image.
  • a second invention is an image processing method for recognizing a specific region from an image using a computer, and for a determination range including a pixel of interest and a plurality of surrounding pixels among pixels included in the image.
  • threshold determination is performed by applying a predetermined threshold condition, and the threshold condition is satisfied in any pixel in the determination range, threshold determination processing in which the target pixel is a recognition pixel is performed by sequentially moving the determination range.
  • An image processing method characterized by being repeatedly executed.
  • the image processing apparatus and image processing method of the present invention in the process of recognizing a specific area from an image, it is possible to accurately recognize a plurality of areas in the image and large density value fluctuations with a simple operation. It becomes. For example, image processing for removing the cartilage region can be performed more easily and accurately.
  • the figure which shows the whole structure of the image processing apparatus 100 The figure which shows an example of the range (determination range 33) which is the attention pixel 31 in the three-dimensional original image 30 to be processed and the pixels around the attention pixel 31 and is the threshold determination target Flowchart for explaining the flow of diagnostic image generation processing executed by the image processing apparatus 100 according to the present invention Example of operation screen 20 It is a figure explaining how to apply the threshold condition in each processing mode, (a) is a stand-alone mode, (b) is an isotropic neighbor judgment mode, (c) is a figure explaining an anisotropic neighbor judgment mode The flowchart explaining the flow of the threshold determination process by anisotropic neighborhood determination mode The figure explaining the density value histogram used when a threshold value is automatically set (a) The figure explaining the symmetrical distribution curve 72 using the data of the left side (CT value low side) from the peak position of a density value histogram.
  • the image processing system 1 includes an image processing device 100 having a display device 107 and an input device 109, an image database 111 connected to the image processing device 100 via a network 110, and a medical image photographing device. 112.
  • the image processing apparatus 100 is a computer that performs processing such as image generation and image analysis.
  • a medical image processing apparatus installed in a hospital or the like is included.
  • the image processing apparatus 100 includes a CPU (Central Processing Unit) 101, a main memory 102, a storage device 103, a communication interface (communication I / F) 104, a display memory 105, a mouse 108, and other external devices. Interface (I / F) 106, and each unit is connected via a bus 113.
  • CPU Central Processing Unit
  • the CPU 101 calls and executes a program stored in the main memory 102 or the storage device 103 in the work memory area on the RAM of the main memory 102, executes driving control of each unit connected via the bus 113, and the image processing apparatus Implements various processes performed by 100.
  • the CPU 101 performs processing for recognizing a specific area from the image to be processed in diagnostic image generation processing (see FIG. 3) described later.
  • the image to be processed is a three-dimensional original image formed by stacking a plurality of tomographic images.
  • the CPU 101 sets a plurality of pixels around the target pixel among the pixels included in the three-dimensional original image as a determination range, and applies a predetermined threshold condition to each pixel in the determination range. judge. When the threshold condition is satisfied, the target pixel is set as a recognition pixel.
  • the CPU 101 performs the above-described threshold determination by scanning the entire three-dimensional original image. That is, by sequentially moving the determination range and repeatedly executing the above threshold determination, the threshold determination is performed on the entire three-dimensional original image.
  • the ⁇ multiple pixels around the target pixel (determination range) '' to be subjected to threshold determination is an X direction centered on the target pixel 31 included in the three-dimensional original image 30, as shown in FIG.
  • the pixels are within a predetermined distance range in the Y direction and the slice (SLS) direction. That is, the pixel is located in the vicinity of the target pixel 31.
  • the pixel of interest 31 to be subjected to threshold determination and a plurality of surrounding pixels are referred to as a determination range 33.
  • the determination range 33 is a 3 ⁇ 3 ⁇ 3 pixel group in the slice (SLS) direction, the left / right (X) direction, and the depth (Y) direction with the target pixel 31 as the center.
  • the width of the determination range 33 is not limited to this, and the determination range may be further expanded, such as a 5 ⁇ 3 ⁇ 3 pixel group.
  • the main memory 102 is composed of ROM (Read Only Memory), RAM (Random Access Memory), and the like.
  • ROM Read Only Memory
  • RAM Random Access Memory
  • the ROM permanently holds a computer boot program, a BIOS program, data, and the like.
  • the RAM temporarily holds programs, data, and the like loaded from the ROM, the storage device 103, and the like, and includes a work memory area that the CPU 101 uses for performing various processes.
  • the storage device 103 is a storage device that reads / writes data to / from an HDD (hard disk drive) or other recording medium, and stores programs executed by the CPU 101, data necessary for program execution, an OS (operating system), and the like. .
  • As for the program a control program corresponding to the OS and an application program are stored. Each of these program codes is read by the CPU 101 as necessary, transferred to the RAM of the main memory 102, and operates as various execution units.
  • the communication I / F 104 has a communication control device, a communication port, and the like, and mediates communication between the image processing apparatus 100 and the network 110.
  • the communication I / F 104 performs communication control with the image database 111, another computer, or a medical image photographing apparatus 112 such as an X-ray CT apparatus or an MRI apparatus via the network 110.
  • the I / F 106 is a port for connecting a peripheral device, and transmits / receives data to / from the peripheral device.
  • a pointing device such as a mouse 108 or a stylus pen may be connected via the I / F 106.
  • the display memory 105 is a buffer that temporarily stores display data input from the CPU 101.
  • the accumulated display data is output to the display device 107 at a predetermined timing.
  • the display device 107 includes a display device such as a liquid crystal panel and a CRT monitor, and a logic circuit for executing display processing in cooperation with the display device, and is connected to the CPU 101 via the display memory 105.
  • the display device 107 displays the display data stored in the display memory 105 under the control of the CPU 101.
  • the input device 109 is an input device such as a keyboard, for example, and outputs various instructions and information input by the operator to the CPU 101.
  • the operator interactively operates the image processing apparatus 100 using external devices such as the display device 107, the input device 109, and the mouse 108.
  • the network 110 includes various communication networks such as a LAN (Local Area Network), a WAN (Wide Area Network), an intranet, the Internet, and the like, and connects the image database 111, the server, other information devices, and the like to the image processing apparatus 100. Mediate.
  • LAN Local Area Network
  • WAN Wide Area Network
  • intranet the Internet
  • the image database 111 stores and stores image data captured by the medical image capturing device 112.
  • the image database 111 is configured to be connected to the image processing apparatus 100 via the network 110.
  • the image database 111 is provided in the storage device 103 in the image processing apparatus 100. May be.
  • the CPU 101 of the image processing apparatus 100 reads the program and data relating to the diagnostic image generation of FIG. 3 from the main memory 102 or the storage device 103, and executes processing based on the program and data.
  • the image data to be processed is fetched from the image database 111 or the like via the network 110 and the communication I / F 104 and stored in the storage device 103 of the image processing apparatus 100. Shall.
  • the image data to be processed is, for example, a three-dimensional original image obtained by stacking a plurality of tomographic images including the target region.
  • a three-dimensional original image 30 composed of tomographic images of multiple slices SLS n-2 , SLS n ⁇ 1 , SLS n , SLS n + 1 ,... Is read as image data to be processed.
  • image data for example, a CT image, an MR image, or the like can be given.
  • An object of the present embodiment is to finally generate a MIP image (diagnosis image) in which bones and cartilage are appropriately removed while leaving a calcified region of a blood vessel.
  • the three-dimensional original image 30 to be processed is a head image
  • the scope of application of the present invention is not limited to the head image.
  • the present invention can also be applied to a case where a cancellous bone, which is an internal tissue of a bone, is recognized separately from the bone marrow in a cross-sectional image of a bone, or a rib having a fluctuation in density value is recognized in a chest image.
  • the CPU 101 reads a tomographic image group (three-dimensional original image) to be processed from the read image data (step S101).
  • step S102 the CPU 101 sets how to determine the threshold condition and the processing mode of the threshold determination process.
  • step S102 the CPU 101 displays an operation screen 20 as shown in FIG. 4 on the display device 107, for example, and accepts various settings and input operations by the operator.
  • the operation screen 20 is provided with various buttons such as an image display area 21, a processing mode selection field 22, a threshold value determination field 23, a calculation button 24, and an end button 25.
  • the processing mode selection column 22 is a column for selecting a threshold determination processing method (processing mode), and includes radio buttons 221, 222, and 223 for the single mode, the isotropic proximity determination mode, and the anisotropic proximity determination mode. It is done.
  • the single mode is a processing mode in which threshold determination is performed for a single pixel of interest. Similar to conventional general threshold processing, threshold processing is performed with a predetermined threshold only for the target pixel.
  • the isotropic neighborhood determination mode is a mode for determining a threshold value for the target pixel and surrounding pixels using the same threshold condition.
  • the anisotropic neighbor determination mode is a mode in which threshold determination is performed using different threshold conditions for a pixel on a plane including the target pixel and a pixel on another plane.
  • FIG. 5 is a diagram for explaining the difference between the determination range in each mode and the threshold condition to be applied.
  • the target pixel 31 is set as the determination range.
  • the same threshold value t1 is used for each target pixel.
  • the CPU 101 determines the target pixel 31 with the threshold value t1, and sets the target pixel 31 as a recognition pixel when the condition is satisfied.
  • a 3 ⁇ 3 ⁇ 3 pixel range centered on the pixel of interest 31 is set as the determination range 33, and each pixel included in the determination range 33 Are all determined by the threshold value t1. Then, when any pixel in the determination range 33 satisfies the threshold condition (t1), the target pixel 31 is set as a recognition pixel. By including the surrounding pixels in the determination range 33, it becomes easy to extract a tissue having a fluctuation in density value such as cartilage.
  • a 3 ⁇ 3 ⁇ 3 pixel range centered on the target pixel 31 is set as the determination range 33, and a plane (slice applying the threshold t1, the SLS n), applies a different threshold t2 to another plane (the slice SLS n-1, SLS n + 1), threshold determined. Then, when any of the pixels satisfies the above threshold condition, the target pixel 31 is set as a recognition pixel.
  • a threshold automatic setting radio button 231 that is operated when the threshold is automatically set
  • a threshold manual setting radio button 232 that is operated when the threshold is manually set
  • the threshold are manually set.
  • a slider 233 for changing the threshold value is provided. The slider 233 is moved by the mouse pointer 28. The setting of the threshold will be described later.
  • the calculation button 24 is a button operated when starting the threshold determination process. When the calculation button 24 is pressed, the CPU 101 starts the threshold determination process using the processing mode set in the processing mode selection column 22 and the threshold condition determined in the threshold determination column 23.
  • the end button 25 is a button operated when closing the operation screen 20 and ending the diagnostic image generation process.
  • the CPU 101 sets a determination range 33 corresponding to the processing mode. Then, the CPU 101 executes threshold determination processing according to the selected threshold determination method and processing mode (step S103). Details of the threshold determination process will be described later.
  • the CPU 101 removes or extracts the pixels recognized by the threshold determination process in step S103, and generates a diagnostic image (step S104).
  • diagnostic images are typically MIP images obtained by removing bones from three-dimensional original images, three-dimensional volume rendering images, and the like.
  • the CPU 101 stores the generated diagnostic image in the storage unit 103 and displays it on the display device 107 (step S105), and ends the process.
  • step S103 the threshold determination process in step S103 will be described with reference to FIG.
  • the threshold determination process is performed using any one of the three modes of the single mode, the isotropic proximity determination mode, and the anisotropic proximity determination mode.
  • the anisotropic neighborhood determination mode is selected as the most preferable setting example for generating a diagnostic image (MIP image) from which bones and cartilage are removed in order to draw a blood vessel image of the head. It is desirable that the threshold is automatically set.
  • FIG. 6 is a flowchart for explaining the flow of threshold determination processing in the anisotropic neighborhood determination mode. Further, it is assumed that the first threshold value t1 and the second threshold value t2 used for threshold determination are manually set in advance or automatically calculated. A method for automatically setting the threshold will be described later.
  • the CPU 101 designates a target pixel 31 and a determination range 33 to be processed first (step S201).
  • the pixel of interest 31 or the like to be processed first is not designated by the operator to be performed by the region expansion method or the like, but is determined by the CPU 101.
  • the CPU 101 scans while sequentially moving the determination range 33 from the end point of the three-dimensional original image 30, and finally determines the entire three-dimensional original image 30 as a threshold value.
  • CPU 101 may first one of the pixels nine slices SLS n including the pixel of interest 31 determines whether or not to satisfy a first threshold t1 (step S202). Among the pixels nine slices SLS n including the pixel of interest 31, if any of the pixels satisfies a first threshold value t1 (step S202; Yes), the center point of the slice SLS n, i.e. recognizing the pixel of interest 31 (Step S203).
  • step S204 If none of the nine pixels of the plane (slice SLS n ) including the target pixel 31 satisfies the first threshold value t1 (step S202; No), another plane (slice SLS n-1 ) It is determined whether any of the nine pixels satisfies the second threshold value t2 (step S204).
  • Step S204 If any of the nine pixels in the slice SLS n ⁇ 1 satisfies the second threshold value t2 (step S204; Yes), the center point of the slice SLS n , that is, the target pixel 31 is set as the recognition pixel ( Step S203).
  • Step S204 No
  • the second threshold value t2 among the nine pixels of another plane (slice SLS n + 1 )
  • step S205 If any of the nine pixels in the slice SLS n + 1 satisfies the second threshold value t2 (step S205; Yes), the center point of the slice SLS n , that is, the target pixel 31 is set as the recognition pixel ( Step S203). If any of the nine pixels of the slice SLS n + 1 does not satisfy the second threshold value t2 (step S205; No), the target pixel 31 is not regarded as a recognition pixel, and the next determination range 33 Move on to processing.
  • the CPU 101 determines whether or not the threshold determination has been completed for all the pixels of the three-dimensional original image 30 (step S206). If not (step S206; No), the determination range 30 is set to one pixel. Next or by a predetermined number of pixels (step S207).
  • the CPU 101 repeatedly performs threshold determination based on the first threshold t1 and the second threshold t2 for the next determination range 33 (steps S2012 to S205). That is, in the next determination range 33, the first threshold t1 is applied to the plane including the central pixel (the target pixel 31), and the second threshold t2 is applied to another plane.
  • the target pixel 31 is set as the recognition pixel when the pixel satisfies the threshold condition.
  • the threshold determination process is ended.
  • the above threshold determination process may be performed on the pixels used for generating the diagnostic image so that each pixel is recognized or unrecognized. In this case, threshold determination processing may not be performed for pixels that are not necessary for generating the diagnostic image.
  • the threshold determination process described above is in the case of the anisotropic neighbor determination mode, but in the isotropic neighbor determination mode, the determination range 33 (for example, 3 ⁇ 3 ⁇ 3 pixels centered on the target pixel)
  • the determination range 33 for example, 3 ⁇ 3 ⁇ 3 pixels centered on the target pixel
  • the target pixel 31 is set as a recognition pixel. This threshold determination is repeatedly executed over the entire image while moving the determination range 33.
  • FIG. 7 (a) is a diagram schematically showing a histogram 60 of the density value (CT value) of the CT image of the head
  • FIG. 7 (b) shows the density value (CT value) of the CT image of the chest
  • FIG. 6 is a diagram schematically showing a histogram 63.
  • the density value histogram 60 of the head has a feature that a peak 61 indicating the soft tissue of the head and a small peak 62 corresponding to the skull and cartilage appear.
  • the CPU 101 can automatically determine the threshold value of the bone region based on the position information (CT value range) of the small peak 62 corresponding to the skull and cartilage.
  • the density value histogram 63 of the chest shows a peak 64 indicating the soft tissue of the chest and neck, but the CT value of the ribs and cartilage (the broken line portion of FIG. 7 (b)).
  • a clear peak indicating 65) does not appear.
  • the threshold value t1 is determined by the method shown in FIG.
  • the CPU 101 first obtains the histogram 7 of the CT image as shown in FIG. CT values at the peak (vertex 70) and peak position (vertex 70) of the obtained histogram 7 are obtained.
  • CT values at the peak (vertex 70) and peak position (vertex 70) of the obtained histogram 7 are obtained.
  • a distribution curve having a CT value lower than the vertex 70 is referred to as 71a
  • a distribution curve having a CT value higher than the vertex 70 is referred to as 71b.
  • FIG. 8 (a) shows an example of a distribution peak, but a plurality of peaks may appear.
  • the peak having the highest CT value at the peak position can be used.
  • the CPU 101 obtains a distribution curve 72 symmetrical to the distribution curve 71a on the side having a low CT value with the vertex 70 as a boundary position on the side having a high CT value, and sets it as the symmetrical distribution curves 71a and 72. Then, the symmetrical distribution curves 71a and 72 are subtracted from the distribution curves 71a and 71b of the original histogram 7 to obtain a distribution curve 73 after the subtraction.
  • FIG. 8 (b) shows an example of the distribution curve 73 after subtraction. The horizontal axis of the distribution curve shown in FIG. 8 is the CT value, and the vertical axis is the frequency difference value. The CPU 101 calculates a threshold value based on the post-subtraction distribution curve 73.
  • the difference value A1 between the vertex position CT1 and the vertex position CT1 of the post-subtraction distribution curve 73 shown in FIG. 8 (b) is obtained, and the larger CT value (CT2 ) Is set as the first threshold t1.
  • N is a predetermined constant.
  • the threshold value t1 may be obtained as f (expCT) using the expected value expCT of the post-subtraction distribution curve 73.
  • f () represents an arbitrary function
  • the expected value expCT may be calculated using the following equation, for example.
  • i is an index representing the class of CT values
  • CT i is a CT value corresponding to index i (each value on the horizontal axis of FIG. 8 (b))
  • F i is a frequency corresponding to index i (FIG. 8 ( Each value on the vertical axis of b).
  • the second threshold t2 may be obtained as in the following equation (2).
  • B may be a value included in the fluctuation range (about 30 to 50) of the cartilage concentration value.
  • FIG. 9 shows a threshold automatically determined by the method of FIG. 8 and a MIP image from which bone is removed by the threshold determination process in the anisotropic neighborhood determination mode.
  • FIG. 10 shows a post-bone removal MIP image obtained when threshold determination processing is performed in the single mode and threshold manual setting.
  • the image shown in FIG. 9 has the cartilage around the nose particularly in the center of the image removed, making it easier to observe blood vessel running. Further, the calcified region of the blood vessel (the portion where the density value of the image is high (white)) is left.
  • the operator When manually setting the threshold, the operator selects the threshold manual setting radio button 232 in the threshold determination field 23 of the operation screen 20 shown in FIG. 4 and operates the threshold setting slider 233 to set the threshold. Set as appropriate.
  • the CPU 101 includes a plurality of pixels (determination range 33) around the target pixel 31 included in the three-dimensional original image 30 obtained by stacking a plurality of tomographic images. ) To determine a threshold value by applying a predetermined threshold condition, and if the threshold condition is satisfied, the pixel of interest is a recognized pixel. In addition, the CPU 101 does not extend the area from the start point specified by the operator as in the conventional area expansion method, but moves the target pixel sequentially to another pixel and repeatedly executes the above threshold determination. Assume that threshold determination is performed on the entire three-dimensional original image 30.
  • threshold determination process different thresholds are applied to a pixel in the same plane as the target pixel 31 and a pixel in a different plane in the determination range 33, and a threshold condition is set for any pixel in the determination range 33.
  • the target pixel 31 is set as a recognition pixel (anisotropic neighborhood determination mode).
  • a wide range of threshold conditions can be set, and in particular, tissues with fluctuations in concentration values such as cartilage of the head, internal tissue of bones, and ribs can be recognized with high accuracy.
  • the same threshold value is applied to the target pixel and a plurality of surrounding pixels (each pixel in the determination range 33), and when it is determined that the threshold condition is satisfied in any pixel,
  • the pixel 31 may be a recognition pixel (isotropic neighborhood determination mode). As a result, even if the target pixel 31 itself does not satisfy the threshold condition, it can be determined that the target pixel is a recognized pixel if the neighboring pixels satisfy the threshold condition, which is suitable for recognition of a tissue having a fluctuation in density value. is there.
  • the threshold condition is preferably calculated based on a histogram of density values of the three-dimensional original image 30.
  • a threshold value suitable for the feature of the density value distribution of the original image can be set, so that a more accurate result can be obtained.
  • the peak position (vertex 70) of the histogram (71a, 71b) of the density value of the three-dimensional original image 30 is obtained, and data of a portion having a lower density value than the peak position (vertex 70) (
  • the distribution curve 71a) is used to obtain a symmetrical distribution curve 72 with the peak position at the apex, and subtracted by subtracting the symmetrical distribution curves 71a, 72 from the original histogram distribution curves 71a, 71b.
  • the post-distribution curve 73 may be obtained, and the threshold condition may be obtained based on the characteristics of the post-subtraction distribution curve 73.
  • a suitable threshold can be automatically set even from a histogram having no characteristic distribution shape indicating a tissue to be recognized, such as a chest image.
  • the operation screen 20 further includes a GUI (Graphical User Interface) such as a slider 233 for changing the threshold value.
  • GUI Graphic User Interface
  • the operation screen 20 includes, as a threshold determination processing mode, “single mode” in which threshold determination is performed for a single pixel of interest, or “isotropic determination” using the same threshold condition for a target pixel and surrounding pixels. It is desirable to provide a processing mode selection field 22 for selecting “neighboring proximity determination mode” or “anisotropic proximity determination mode” for threshold determination using different threshold conditions for a plane including the target pixel and another plane. . Thereby, it is possible to easily switch the processing mode and execute the threshold determination process.
  • the operation screen 20 is provided with a threshold value determination field 23 for selecting whether the threshold condition is manually set by the operator or automatically set.
  • the threshold value determination process can be executed by easily switching the threshold value setting method.
  • a diagnostic image such as a three-dimensional image or a MIP image by removing or extracting the recognition pixels recognized by the threshold determination process described above from the three-dimensional original image 30.
  • the present invention can be used for generating a diagnostic image.
  • a suitable MIP image in which the skull and cartilage are appropriately removed can be generated for blood vessel running observation.
  • the threshold value may be manually set in the anisotropic neighborhood determination mode.
  • the threshold value may be automatically set in the isotropic proximity determination mode, or the threshold value may be manually set in the isotropic proximity determination mode.
  • the diagnostic image (MIP image) is generated after the region is recognized (extracted / removed) by the threshold determination, but before and after the threshold determination timing and the diagnostic image generation timing.
  • the relationship is not necessarily limited to this order.
  • the diagnostic image may be generated by using / ignoring the recognized pixel while performing the above-described threshold determination process simultaneously with the calculation of the diagnostic image.
  • the hardware configuration of the image processing apparatus 100 of the second embodiment is the same as that of the first embodiment, and therefore, redundant description is omitted, and the same components are denoted by the same reference numerals. To do.
  • the CPU 101 sets a relatively wide determination range around the pixel of interest as in the determination range 33a illustrated in FIG. Then, the plane SLS n including the pixel of interest by applying a first threshold value t1, the plane SLS n-1, SLS n + 1 of a pixel adjacent to applying a second threshold value t2, 2 pixel plane next
  • the third threshold value t3 is applied to SLS n-2 and SLS n + 2 .
  • the CT value range of the tissue to be recognized is determined based on the density value histogram of the three-dimensional original image 30, and the threshold value t1 is set, as in the first embodiment.
  • C is a value different from B.
  • the value is within a range of fluctuation range of the cartilage concentration value (about 30 to 50).
  • the image processing apparatus 100 sets different threshold conditions according to the distance from the target pixel in the anisotropic neighborhood determination mode, and sets any pixel in the determination range 33a. If the threshold condition is satisfied, the pixel of interest is set as a recognition pixel.
  • three threshold values t1, t2, and t3 are set.However, when the determination range is wider, more threshold conditions are set and the threshold value is set according to the distance from the target pixel. The threshold condition may be changed gradually. Further, the application range of the threshold is not limited to one pixel, and a different threshold may be applied for every certain width (number of pixels).
  • 1 image processing system 100 image processing device, 101 CPU, 102 main memory, 103 storage device, 104 communication I / F, 105 display memory, 106 I / F, 107 display device, 108 mouse, 109 input device, 110 network, 111 image database, 112 medical imaging device, 113 bus, 20 operation screen, 21 image display area, 22 processing mode selection column, 23 threshold determination column, 30 3D original image, 31 pixel of interest, 33, 33a judgment range (attention Pixels around the pixel), 7 density value histogram, 70 vertex of density value histogram, 71a, 71b distribution curve, 72 symmetrical distribution curve, 73 subtracted distribution curve, t1, t2, t3 threshold

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Optics & Photonics (AREA)
  • Dentistry (AREA)
  • Neurology (AREA)
  • Neurosurgery (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)

Description

画像処理装置及び画像処理方法
　本発明は、画像から特定の領域を認識する画像処理装置等に関する。
　従来から、例えばX線CT(Computed Tomography)装置やMRI(Magnetic Resonance Imaging)装置等によって撮影される断層像群から3次元原画像(3次元ボリュームデータ)を生成し、3次元原画像から特定の組織を抽出または除去し、診断に適した画像(以下、診断用画像という)を生成して表示する手法が知られている。診断用画像としては、例えば、3次元ボリュームレンダリング画像やMIP(Maximum Intensity Projection)画像等が作成される。具体的には、頭部の血管走行を観察する場合には、上述の断層像群から頭蓋骨や軟骨等を含む骨領域を除去した骨抜きMIP画像を生成することがある。
　ところで、上述したように特定組織を抽出または除去した診断用画像を生成するために、コンピュータ等を用いて元となる画像から特定の臓器領域を自動抽出する方法が提案されている。その抽出手法としては、例えば、領域拡張法(リージョングローイング法)等がある。領域拡張法とは、画像上で開始点となる画素を操作者が指定すると、コンピュータがその開始点の画素またはその画素を含む周囲の画素について所定の閾値条件を満たすか否かを判定し、条件を満たす場合に、その画素を抽出領域として拡張していくものである。
　特許文献1には、領域拡張法により領域抽出を行う際に、わずかな画素連結による過剰抽出を防止する方法が開示されている。この方法では、既抽出領域に連なり、複数の画素からなるセンス領域内のうち、所定の割合の画素が条件を満たしたときにだけ領域を拡張する。また、特許文献2には、骨の内部組織である海綿骨と骨髄等のように分離しにくい組織を区別するための方法が開示されている。具体的には、海綿骨と骨髄を含むMR画像の画素値ヒストグラムを求め、これを3つの正規分布曲線(海綿骨、骨髄、両者の中間値)をもってフィッティングすることにより、両者を分離してより正確に海綿骨体積率を算出することが記載されている。
特許4538260号公報 特許4487080号公報
　しかしながら、上述したような領域拡張法や組織の分離手法を用いても、軟骨のように濃度値のゆらぎ(変動)が大きい組織を画像中から正確に区別して認識してすることは困難であった。また、頭部の画像において、軟骨領域はすべてが連なっているわけでなく点在するため、領域拡張法を用いる場合には、操作者がひとつずつ処理の開始点を指定する必要があった。そのため、操作が非常に煩雑であった。
　本発明は、以上の問題点に鑑みてなされたものであり、画像から特定の領域を認識する処理において、画像内に複数存在し、濃度値のゆらぎの大きい領域を、簡易な操作で精度よく認識することが可能な画像処理装置及び画像処理方法を提供することを目的とする。
　前述した目的を達成するために、第1の発明は、画像から特定の領域を認識する処理を実行する画像処理装置であって、前記画像に含まれる画素のうち、注目画素と周囲の複数の画素を含む判定範囲に対して所定の閾値条件を適用して閾値判定し、前記判定範囲内のいずれかの画素で前記閾値条件を満たす場合に前記注目画素を認識画素とする閾値判定部と、前記判定範囲を順次移動して前記閾値判定を繰り返し実行する処理実行部と、を備えることを特徴とする画像処理装置である。
　なお、上述の「認識」とは、該当する画素を3次元原画像内の他の画素と区別して保持することである。その具体的方法としては、例えば、(a)元の3次元原画像中に目印となる特定値を直接書き込む。または、(b)3次元原画像とは別のメモリに二値画像として認識画素を記録することである。
　第2の発明は、コンピュータを用いて、画像から特定の領域を認識する画像処理方法であって、前記画像に含まれる画素のうち、注目画素と周囲の複数の画素を含む判定範囲に対して所定の閾値条件を適用して閾値判定し、前記判定範囲内のいずれかの画素で前記閾値条件を満たす場合に前記注目画素を認識画素とする閾値判定処理を、前記判定範囲を順次移動して繰り返し実行することを特徴とする画像処理方法である。
　本発明の画像処理装置及び画像処理方法により、画像から特定の領域を認識する処理において、画像内に複数存在し、濃度値のゆらぎの大きい領域を、簡易な操作で精度よく認識することが可能となる。例えば、軟骨領域を除去する画像処理を、より簡易かつ精度よく行えるようになる。
画像処理装置100の全体構成を示す図 処理対象とする3次元原画像30内の注目画素31と、注目画素31の周囲の画素であって閾値判定対象とする範囲(判定範囲33)の一例を示す図 本発明に係る画像処理装置100が実行する診断用画像生成処理の流れを説明するフローチャート 操作画面20の一例 各処理モードにおける閾値条件の適用の仕方を説明する図であり、(a)は単体モード、(b)は等方的近隣判定モード、(c)は異方的近隣判定モードについて説明する図 異方的近隣判定モードによる閾値判定処理の流れを説明するフローチャート 閾値を自動設定する場合に用いる濃度値ヒストグラムについて説明する図 (a)濃度値ヒストグラムのピーク位置から左側(CT値の低い側)のデータを使った左右対称な分布曲線72について説明する図。(b)元の濃度値ヒストグラムから左右対称な分布曲線を減算した減算後分布曲線73。 異方的近隣判定モード及び閾値自動設定を用いて閾値判定し、認識画素を除去して生成した頭部の骨抜きMIP画像 従来の方法(画素単体モード及び閾値手動設定)を用いて骨を除去した頭部のMIP画像 異方的近隣判定モードにおける別の閾値条件設定例 異方的近隣判定モードにおいて、注目画素からの距離に応じて異なる閾値条件を設定する例
　以下図面に基づいて、本発明の実施の形態を詳細に説明する。
　［第1の実施の形態］
　まず、図1を参照して、本発明の画像処理装置100を適用した画像処理システム1の構成について説明する。
　図1に示すように、画像処理システム1は、表示装置107、入力装置109を有する画像処理装置100と、画像処理装置100にネットワーク110を介して接続される画像データベース111と、医用画像撮影装置112とを備える。
　画像処理装置100は、画像生成、画像解析等の処理を行うコンピュータである。例えば、病院等に設置される医用画像処理装置を含む。
　画像処理装置100は、図1に示すように、CPU(Central Processing Unit)101、主メモリ102、記憶装置103、通信インタフェース(通信I/F)104、表示メモリ105、マウス108等の外部機器とのインタフェース(I/F)106を備え、各部はバス113を介して接続されている。
　CPU101は、主メモリ102または記憶装置103等に格納されるプログラムを主メモリ102のRAM上のワークメモリ領域に呼び出して実行し、バス113を介して接続された各部を駆動制御し、画像処理装置100が行う各種処理を実現する。
　また、CPU101は、後述する診断用画像生成処理(図3参照)において、処理対象とする画像から特定の領域を認識する処理を行う。本実施の形態では、処理対象とする画像は、複数の断層像を積み上げてなる3次元原画像とする。領域を認識する処理において、CPU101は、3次元原画像に含まれる画素のうち注目画素の周囲の複数の画素を判定範囲とし、判定範囲の各画素に対して所定の閾値条件を適用して閾値判定する。そして、閾値条件を満たす場合に注目画素を認識画素とする。また、CPU101は、3次元原画像全体を走査して上述の閾値判定を行う。すなわち、判定範囲を順次移動して上述の閾値判定を繰り返し実行することにより、3次元原画像全体に対して閾値判定を行う。
　ここで、閾値判定の対象となる「注目画素の周囲の複数画素(判定範囲)」とは、図2に示すように、3次元原画像30に含まれる注目画素31を中心とするX方向、Y方向、スライス(SLS)方向の所定距離範囲内にある画素である。すなわち、注目画素31の近傍に位置する画素である。本発明では、閾値判定の対象となる注目画素31とその周囲の複数画素を判定範囲33と呼ぶ。例えば、判定範囲33は、注目画素31を中心とするスライス(SLS)方向、左右(X)方向、奥行き(Y)方向の3×3×3の画素群とする。なお、判定範囲33の広さはこれに限定されず、5×3×3の画素群等のように、更に判定範囲を広げてもよい。
　閾値判定や閾値の設定の仕方についての詳細は後述する。
　主メモリ102は、ROM(Read Only Memory)、RAM(Random Access Memory)等により構成される。ROMは、コンピュータのブートプログラムやBIOS等のプログラム、データ等を恒久的に保持している。また、RAMは、ROM、記憶装置103等からロードしたプログラム、データ等を一時的に保持するとともに、CPU101が各種処理を行う為に使用するワークメモリ領域を備える。
　記憶装置103は、HDD(ハードディスクドライブ)や他の記録媒体へのデータの読み書きを行う記憶装置であり、CPU101が実行するプログラム、プログラム実行に必要なデータ、OS(オペレーティングシステム)等が格納される。プログラムに関しては、OSに相当する制御プログラムや、アプリケーションプログラムが格納されている。これらの各プログラムコードは、CPU101により必要に応じて読み出されて主メモリ102のRAMに移され、各種の実行部として動作する。
　通信I/F104は、通信制御装置、通信ポート等を有し、画像処理装置100とネットワーク110との通信を媒介する。また通信I/F104は、ネットワーク110を介して、画像データベース111や、他のコンピュータ、或いは、X線CT装置、MRI装置等の医用画像撮影装置112との通信制御を行う。
　I/F106は、周辺機器を接続させるためのポートであり、周辺機器とのデータの送受信を行う。例えば、マウス108やスタイラスペン等のポインティングデバイスをI/F106を介して接続させるようにしてもよい。
　表示メモリ105は、CPU101から入力される表示データを一時的に蓄積するバッファである。蓄積された表示データは所定のタイミングで表示装置107に出力される。
　表示装置107は、液晶パネル、CRTモニタ等のディスプレイ装置と、ディスプレイ装置と連携して表示処理を実行するための論理回路で構成され、表示メモリ105を介してCPU101に接続される。表示装置107はCPU101の制御により表示メモリ105に蓄積された表示データを表示する。
　入力装置109は、例えば、キーボード等の入力装置であり、操作者によって入力される各種の指示や情報をCPU101に出力する。操作者は、表示装置107、入力装置109、及びマウス108等の外部機器を使用して対話的に画像処理装置100を操作する。
　ネットワーク110は、LAN(Local Area Network)、WAN(Wide Area Network)、イントラネット、インターネット等の各種通信網を含み、画像データベース111やサーバ、他の情報機器等と画像処理装置100との通信接続を媒介する。
　画像データベース111は、医用画像撮影装置112によって撮影された画像データを蓄積して記憶するものである。図1に示す画像処理システム1では、画像データベース111はネットワーク110を介して画像処理装置100に接続される構成であるが、画像処理装置100内の例えば記憶装置103に画像データベース111を設けるようにしてもよい。
　次に、図3～図8を参照して、画像処理装置100の動作について説明する。
　画像処理装置100のCPU101は、主メモリ102または記憶装置103から図3の診断用画像生成に関するプログラム及びデータを読み出し、このプログラム及びデータに基づいて処理を実行する。
　なお、診断用画像生成処理の実行開始に際して、処理対象とする画像データは画像データベース111等からネットワーク110及び通信I/F104を介して取り込まれ、画像処理装置100の記憶装置103に記憶されているものとする。
　処理対象とする画像データは、例えば、対象領域を含む複数の断層像を積み上げてなる3次元原画像とする。例えば、図2に示すように複数スライスSLSn-2、SLSn-1、SLSn、SLSn+1、・・・の断層像からなる3次元原画像30が処理対象の画像データとして読み込まれるものとする。また、画像データの好適な例として、CT画像またはMR画像等が挙げられる。本実施の形態では、血管の石灰化領域を残しつつ、骨や軟骨を適切に除去したMIP画像(診断用画像)を最終的に生成することを目的とする。そのため、処理対象とする3次元原画像30は頭部の画像としているが、本発明の適用範囲は頭部画像に限定されない。例えば、骨の断面画像について骨の内部組織である海綿骨を骨髄と分けて認識したり、胸部画像について濃度値にゆらぎのある肋骨を認識したりする場合等にも適用可能である。
　CPU101は、読み込んだ画像データのうち、処理対象とする断層像群(3次元原画像)を読み込む(ステップS101)。
　次に、CPU101は、閾値条件の決定の仕方、閾値判定処理の処理モードの設定を行う(ステップS102)。ステップS102において、CPU101は、例えば図4に示すような操作画面20を表示装置107に表示し、操作者による各種設定、入力操作を受け付ける。
　図4に示すように、操作画面20には、画像表示エリア21、処理モード選択欄22、閾値決定欄23、演算ボタン24、終了ボタン25等の各種ボタンが設けられる。
　画像表示エリア21には、処理対象とする3次元原画像30の全部または一部や、処理結果として生成された診断用画像等が表示される。
　処理モード選択欄22は、閾値判定の処理方法(処理モード)を選択する欄であり、単体モード、等方的近隣判定モード、異方的近隣判定モードの各ラジオボタン221、222、223が設けられる。
　単体モードとは、注目画素単体について閾値判定を行う処理モードである。従来の一般的な閾値処理と同様に、注目画素だけを対象として所定の閾値で閾値処理するものである。
　等方的近隣判定モードとは、注目画素とその周囲の画素とを同一の閾値条件を用いて閾値判定するモードである。
　異方的近隣判定モードとは、注目画素を含む平面にある画素と、別の平面にある画素とで異なる閾値条件を用いて閾値判定するモードである。
　図5は各モードにおける判定範囲と、適用する閾値条件の違いを説明する図である。
　図5(a)に示すように、単体モードでは、注目画素31のみを判定範囲とする。また閾値は各注目画素で同じ閾値t1を用いる。CPU101は注目画素31を閾値t1で判定し、条件を満たす場合に注目画素31を認識画素とする。
　また、図5(b)に示すように、等方的近隣判定モードでは、注目画素31を中心とする例えば3×3×3の画素範囲を判定範囲33とし、判定範囲33に含まれる各画素を全て閾値t1で判定する。そして、判定範囲33内のいずれかの画素が上述の閾値条件(t1)を満たす場合に注目画素31を認識画素とする。周囲の画素を判定範囲33に含むことで、軟骨のように濃度値にゆらぎのある組織を抽出しやすくなる。
　また、図5(c)に示すように、異方的近隣判定モードでは、注目画素31を中心とする例えば3×3×3の画素範囲を判定範囲33とし、注目画素31を含む平面(スライスSLSn)には閾値t1を適用し、別の平面(スライスSLSn-1、SLSn+1)には異なる閾値t2を適用して、閾値判定する。そして、いずれかの画素において上述の閾値条件を満たす場合に注目画素31を認識画素とする。周囲の画素を判定範囲に含み、かつ注目画素を含む平面と別の平面とで異なる閾値を設定することで、閾値条件を広くとることができ、濃度値にゆらぎのある組織を更に抽出しやすくなる。これにより、更に軟骨を正確に認識できるようになる。
　図4の説明に戻る。
　操作画面20の閾値決定欄23には、閾値を自動設定する場合に操作される閾値自動設定ラジオボタン231、閾値を手動設定する場合に操作される閾値手動設定ラジオボタン232、閾値を手動設定する際に閾値を変更するためのスライダ233が設けられる。スライダ233はマウスポインタ28により移動させられる。閾値の設定については後述する。
　演算ボタン24は、閾値判定処理を開始する際に操作されるボタンである。演算ボタン24が押下されると、CPU101は、処理モード選択欄22で設定された処理モード及び閾値決定欄23で決定された閾値条件にて、閾値判定処理を開始する。
　終了ボタン25は、操作画面20を閉じ、診断用画像生成処理を終了する際に操作されるボタンである。
　操作画面20において、閾値の決定方法及び処理モードが選択される(図23のステップS102)と、CPU101は処理モードに応じた判定範囲33を設定する。そして、CPU101は、選択された閾値決定方法及び処理モードに応じた閾値判定処理を実行する(ステップS103)。閾値判定処理の詳細については、後述する。
　CPU101は、ステップS103の閾値判定処理により認識した画素を除去または抽出し、診断用画像を生成する(ステップS104)。診断用画像は、例えば、血管観察用であれば、3次元原画像から骨を除去したMIP画像や3次元ボリュームレンダリング画像等が一般的である。CPU101は、生成した診断用画像を記憶部103に保存するとともに表示装置107に表示し(ステップS105)、処理を終了する。
　次に、図6を参照して、ステップS103の閾値判定処理について説明する。
　閾値判定処理は、上述したように、単体モード、等方的近隣判定モード、及び異方的近隣判定モードの3つのモードのうちいずれかを用いて行われる。
　本実施の形態では、頭部の血管の画像を描画するために骨や軟骨を除去した診断用画像(MIP画像)を生成するための最も好適な設定例として、異方的近隣判定モードが選択され、閾値は自動設定されることが望ましい。
　図6は、異方的近隣判定モードによる閾値判定処理の流れを説明するフローチャートである。また閾値判定に用いる第1の閾値t1、第2の閾値t2は、予め手動設定されるか、自動算出されているものとする。閾値自動設定の方法については後述する。
　図6に示すように、まずCPU101は、初めに処理する注目画素31と判定範囲33を指定する(ステップS201)。初めに処理する注目画素31等は、領域拡張法等で行われるように操作者が指定するものでなく、CPU101が決定する。例えば、CPU101は、3次元原画像30の端点から判定範囲33を順に移しながら走査し、最終的に3次元原画像30全体を閾値判定する。以下の説明では、一例として、注目画素31を中心としてスライスSLS方向、Y方向、X方向に1点ずつ広げた画素群(3×3×3＝27画素)を判定範囲33とする。
　異方的近隣判定モードにおいて、CPU101は、まず、注目画素31を含むスライスSLSnの画素9点のどれかが、第1の閾値t1を満たすか否かを判定する(ステップS202)。注目画素31を含むスライスSLSnの画素9点のうち、いずれかの画素が第1の閾値t1を満たす場合は(ステップS202；Yes)、スライスSLSnの中心点、すなわち注目画素31を認識画素とする(ステップS203)。注目画素31を含む平面(スライスSLSn)の画素9点のうち、いずれの画素も第1の閾値t1を満たさない場合は(ステップS202；No)、別の平面(スライスSLSn-1)の画素9点のうち、いずれかの画素が第2の閾値t2を満たすか否かを判定する(ステップS204)。
　スライスSLSn-1の画素9点のうち、いずれかの画素が第2の閾値t2を満たす場合は(ステップS204；Yes)、スライスSLSnの中心点、すなわち注目画素31を認識画素とする(ステップS203)。スライスSLSn-1の画素9点のうち、いずれの画素も第2の閾値t2を満たさない場合は(ステップS204；No)、別の平面(スライスSLSn+1)の画素9点のうち、いずれかの画素が第2の閾値t2を満たすか否かを判定する(ステップS205)。スライスSLSn+1の画素9点のうち、いずれかの画素が第2の閾値t2を満たす場合は(ステップS205；Yes)、スライスSLSnの中心点、すなわち注目画素31を認識画素とする(ステップS203)。スライスSLSn+1の画素9点のうち、いずれかの画素も第2の閾値t2を満たさない場合は(ステップS205；No)、注目画素31を認識画素としないで、次の判定範囲33の処理に移る。
　すなわち、CPU101は、3次元原画像30のすべての画素について閾値判定が終了したか否かを判定し(ステップS206)、終了していない場合は(ステップS206；No)、判定範囲30を1画素分または所定画素数分隣に移動する(ステップS207)。
　CPU101は、次の判定範囲33を対象に、第1の閾値t1、第2の閾値t2による閾値判定を繰り返し行う(ステップS2012～ステップS205)。すなわち、次の判定範囲33のうち、その中心画素(注目画素31)を含む平面に対して第1の閾値t1を適用し、別の平面に対して第2の閾値t2を適用し、いずれかの画素が閾値条件を満たす場合に、注目画素31を認識画素とする。
　3次元原画像30のすべての画素について閾値判定が終了すると(ステップS206；Yes)、閾値判定処理を終了する。
　なお、上述の処理において、認識画素を保持する方法としては例えば、以下の(a)、(b)に示すような方法があり、どの方法を用いてもよい。
　　(a)3次元原画像中に目印となる特定値を直接書き込む。
　　(b)3次元原画像とは別のメモリに二値画像として記録する。
　また、診断用画像(MIP画像等)を演算中に、診断用画像の生成に用いる画素について上述の閾値判定処理を実行して各画素を認識または非認識するようにしてもよい。この場合は、診断用画像の生成において不要な画素については閾値判定処理を行わないものとしてもよい。
　以上説明した閾値判定処理は、異方的近隣判定モードの場合であるが、等方的近隣判定モードの場合は、判定範囲33(例えば、注目画素を中心とする3×3×3の画素)内のすべての画素に対して同一の閾値t1を適用し、いずれかの画素が閾値t1を満たす場合に、注目画素31を認識画素とする。この閾値判定を、判定範囲33を移動させながら画像全体にわたって繰り返し実行する。
　次に、閾値を自動設定する方法について、図7、図8を参照して説明する。
　図7(a)は、頭部のCT画像の濃度値(CT値)のヒストグラム60を模式的に示す図であり、図7(b)は、胸部のCT画像の濃度値(CT値)のヒストグラム63を模式的に示す図である。
　図7(a)に示すように、頭部の濃度値ヒストグラム60には、頭部軟部組織を示すピーク61と、頭蓋骨や軟骨に対応する小さなピーク62が現れるという特徴がある。CPU101は、この頭蓋骨や軟骨に対応する小さなピーク62の位置情報(CT値範囲)を基に骨領域の閾値を自動的に決定することができる。
　一方、図7(b)に示すように、胸部の濃度値ヒストグラム63には、胸部や頚部の軟部組織を示すピーク64は現れるが、肋骨や軟骨のCT値(図7(b)の破線部65)を示すはっきりとしたピークが現れない。このように、区別したい部位(肋骨や軟骨)の特徴が現れない場合は、図8に示す方法で閾値t1(閾値t2)を決定する。
　すなわち、CPU101は、まず、図8(a)に示すようにCT画像のヒストグラム7を求める。求めたヒストグラム7のピーク(頂点70)とピーク位置(頂点70)におけるCT値を求める。このヒストグラム7の分布曲線のうち、頂点70よりCT値が低い分布曲線を71a、頂点70よりCT値が高い分布曲線を71bと呼ぶ。
　なお、図8(a)は、分布のピークが一つの例であるが、ピークが複数現れる場合もある。この場合は、例えば、骨の閾値を求める場合はピーク位置のCT値が最も高いピークを使うことができる。
　次に、CPU101は、頂点70を境界位置として、CT値が低い側の分布曲線71aに対称な分布曲線72を、CT値が高い側に求め、対称分布曲線71a、72とする。そして、元のヒストグラム7の分布曲線71a、71bから、対称分布曲線71a、72を減算し、減算後の分布曲線73を求める。図8(b)に減算後分布曲線73の例を示す。
図8に示す分布曲線の横軸はCT値、縦軸は頻度の差分値である。
　CPU101は、減算後分布曲線73に基づいて閾値を算出する。
　例えば、図8(b)に示す減算後分布曲線73の頂点位置CT1と頂点位置CT1における差分値A1を求め、差分値がA1/NとなるCT値のうち値が大きい方のCT値(CT2)を、第1の閾値t1と設定する。ここで、Nは所定の定数である。また、閾値t1は、減算後分布曲線73の期待値expCTを使って、f(expCT)として求めてもよい。なお、f()は任意の関数を示し、期待値expCTは、例えば次式を用いて算出すればよい。
Figure JPOXMLDOC01-appb-M000001
　ここで、iはCT値の階級を表すインデックス、CTiはインデックスiに対応するCT値(図8(b)の横軸の各値)、Fiはインデックスiに対応する頻度(図8(b)の縦軸の各値)である。
　また、第2の閾値t2は、以下の式(2)のように求めればよい。
　　　t2＝t1－B　　・・・(2)
　ここで、Bは、軟骨の濃度値の変動幅(30～50程度)に含まれる値とすればよい。
　図9は、図8の方法で自動決定した閾値と、異方的近隣判定モードで閾値判定処理により骨を除去したMIP画像を示す。閾値t2と閾値t1との差は50とした(t2＝t1－50)。
　比較例として、単体モード、閾値手動設定により閾値判定処理を行った場合に得た骨除去後MIP画像を図10に示す。
　図9に示す画像は、図10に示す画像と比較して、特に画像中央部の鼻の周囲の軟骨が除去され、血管走行が観察しやすくなっている。また、血管の石灰化領域(画像の濃度値が高い(白い)部分)は残されている。
　なお、閾値を手動設定する場合は、操作者は、図4に示す操作画面20の閾値決定欄23で閾値手動設定ラジオボタン232を選択し、閾値設定用のスライダ233を操作して、閾値を適宜設定する。
　以上説明したように、本発明に係る画像処理装置100によれば、CPU101は、複数の断層像を積み上げてなる3次元原画像30に含まれる注目画素31の周囲の複数の画素(判定範囲33)に対して所定の閾値条件を適用して閾値判定し、閾値条件を満たす場合に注目画素を認識画素とする。また、CPU101は、従来の領域拡張法のように操作者が指定した開始点から領域を拡張するのではなく、注目画素を順次別の画素に移動して上述の閾値判定を繰り返し実行することにより、3次元原画像30全体に対して閾値判定を行うものとする。
　これにより、軟骨のように、濃度値にゆらぎ(変動幅)がある組織をより精度よく認識することができる。更に、画像全体を走査して閾値判定処理を行うため、開始点の指定操作が不要となる。従来の領域拡張法を用いる場合は、点在する領域を抽出(認識)する際には、それぞれの領域に操作者が開始点を指定する必要があったが、本発明を適用すれば、開始点の指定操作は不要となり操作が簡単である。
　また、閾値判定処理では、判定範囲33のうち、注目画素31と同一平面にある画素と、別の平面にある画素とで異なる閾値を適用し、判定範囲33内のいずれかの画素で閾値条件を満たすと判定した場合に、注目画素31を認識画素とする(異方的近隣判定モード)。これにより、閾値条件を広くとることができ、特に、頭部の軟骨や骨の内部組織、肋骨等のように、濃度値にゆらぎのある組織を精度よく認識できるようになる。
　また、閾値判定処理では、注目画素と周囲の複数の画素(判定範囲33内の各画素)に対し、同一の閾値を適用し、いずれかの画素で閾値条件を満たすと判定した場合に、注目画素31を認識画素とするようにしてもよい(等方的近隣判定モード)。これにより、注目画素31自体が閾値条件を満たしていなくても、近傍の画素が閾値条件を満たしていれば注目画素を認識画素と判定できるため、濃度値にゆらぎのある組織の認識に好適である。
　また、閾値条件は、3次元原画像30の濃度値のヒストグラムに基づいて算出されることが望ましい。これにより、元となる画像の濃度値分布の特徴に適合した閾値を設定することができるため、より精度のよい結果を得ることができる。
　また、閾値条件を算出する際は、3次元原画像30の濃度値のヒストグラム(71a、71b)のピーク位置(頂点70)を求め、ピーク位置(頂点70)より濃度値の低い部分のデータ(分布曲線71a)を使用してピーク位置を頂点として左右対称な形状の分布曲線72を求め、元のヒストグラムの分布曲線71a、71bから左右対称な形状の分布曲線71a、72を減算することにより減算後分布曲線73を求め、減算後分布曲線73の特徴に基づいて閾値条件を求めるようにしてもよい。
　これにより、例えば胸部画像のように、認識したい組織を示す特徴的な分布形状を持たないヒストグラムからでも好適な閾値を自動設定できる。
　また、閾値条件を操作者に設定させるために、例えば操作画面20に閾値を変更するスライダ233等のGUI(Graphical User Interface)を更に備えるようにすることが望ましい。
　また、操作画面20には、閾値判定の処理モードとして、注目画素単体について閾値判定を行う「単体モード」か、注目画素と周囲の画素とを同一の閾値条件を用いて閾値判定する「等方的近隣判定モード」か、注目画素を含む平面と別の平面とで異なる閾値条件を用いて閾値判定する「異方的近隣判定モード」か、を選択する処理モード選択欄22を設けることが望ましい。これにより、容易に処理モードを切り替えて閾値判定処理を実行することができる。
　また、操作画面20には、閾値条件を操作者に手動設定させるか、或いは自動設定するかを選択する閾値決定欄23を設けることが望ましい。これにより、容易に閾値の設定方法を切り替えて閾値判定処理を実行することができる。
　また、上述の閾値判定処理により認識された認識画素を3次元原画像30から除去または抽出して、3次元画像またはMIP画像等の診断用画像を生成することが望ましい。これにより、診断用画像の生成のために本発明を利用できる。例えば、血管走行観察用には、頭蓋骨や軟骨を適切に除去した好適なMIP画像を生成できるようになる。
　なお、上述の第1の実施の形態では、処理モードとして異方的近隣判定モードを設定し、閾値は自動設定とする例について説明したが、この組み合わせに限定されるものではない。例えば、異方的近隣判定モードで閾値は手動設定としてもよい。また、等方的近隣判定モードで閾値を自動設定としてもよいし、等方的近隣判定モードで閾値は手動設定としてもよい。
　また、上述の説明では、異方的近隣判定モードでは、スライス方向に異なる閾値を適用する例を示したが、これに限定されない。例えば、図11に示すように、X方向に異なる閾値(第1の閾値t1、第2の閾値t2)を適用するようにしてもよい。すなわち、注目画素を含むY-SLS平面(X＝Xの面)には閾値t1を適用し、その隣のY-SLS平面(X＝X－1の面及びX＝X＋1の面)には閾値t2を適用するようにしてもよい。同様に、Y方向に異なる閾値を適用するようにしてもよい。
　また、上述の説明では、閾値判定により領域を認識(抽出/除去)した後に診断用画像(MIP画像)を生成すると説明したが、閾値判定のタイミングと診断用画像生成のタイミングとの時間的前後関係は必ずしもこの順番に限定されない。診断用画像の演算を行うと同時に上述の閾値判定処理を行いつつ、認識画素を活用/無視して診断用画像を生成するようにしてもよい。
　［第2の実施の形態］
　次に、図12を参照して、第2の実施の形態について説明する。
　第2の実施の形態に係る画像処理装置100では、異方的近隣判定モードで判定範囲を広くとる場合に、注目画素からの距離に応じて異なる閾値条件を設定する。
　なお、第2の実施の形態の画像処理装置100のハードウエア構成は、第1の実施の形態と同様であるため、重複する説明を省略し、同一の各部は同一の符号を付して説明する。
　すなわち、第2の実施の形態では、閾値判定処理において、CPU101は、図12に示す判定範囲33aのように、注目画素の周囲に比較的広い判定範囲を設定する。そして、注目画素を含む平面SLSnには第1の閾値t1を適用し、1画素隣の平面SLSn-1、SLSn+1には第2の閾値t2を適用し、2画素隣の平面SLSn-2、SLSn+2には第3の閾値t3を適用する。そして、CPU101は、判定範囲33a内のいずれかの画素で閾値条件を満たすと判定した場合に、注目画素を認識画素とする。
　閾値を自動設定する場合は、第1の実施の形態と同様に、3次元原画像30の濃度値ヒストグラムに基づいて認識しようとする組織のCT値範囲を決定し、閾値t1を設定する。また、別の閾値t2は、上述の式(2)(t2＝t1-B)を用いて算出し、閾値t3は、以下の式(3)を用いて算出すればよい。
　　　t3＝t1－C　　・・・(3)
　ここで、Cは、Bとは異なる値とする。例えば、軟骨を認識するためには、軟骨の濃度値の変動幅(30～50程度)の範囲内の数値とする。
　以上説明したように、第2の実施の形態の画像処理装置100は、異方的近隣判定モードにおいて、注目画素からの距離に応じて異なる閾値条件を設定し、判定範囲33aのいずれかの画素で閾値条件を満たす場合には、注目画素を認識画素とする。
　これにより、濃度値の変動幅が大きく、また分布が複雑な組織を更に精度よく認識できるようになる。
　なお、図12の例では、3つの閾値t1、t2、t3を設定するものとしたが、判定範囲をより広くとる場合には、閾値条件を更に多く設定し、注目画素からの距離に応じて徐々に閾値条件を変更するようにすればよい。また閾値の適用範囲も1画素ずつに限定されず、ある程度の幅(画素数)毎に異なる閾値を適用するようにしてもよい。
　以上、添付図面を参照しながら、本発明に係る画像処理装置の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。
　1　画像処理システム、100　画像処理装置、101　CPU、102　主メモリ、103　記憶装置、104　通信I/F、105　表示メモリ、106　I/F、107　表示装置、108　マウス、109　入力装置、110　ネットワーク、111　画像データベース、112　医用画像撮影装置、113　バス、20　操作画面、21　画像表示領域、22　処理モード選択欄、23　閾値決定欄、30　3次元原画像、31　注目画素、33、33a　判定範囲(注目画素の周囲の画素)、7　濃度値ヒストグラム、70　濃度値ヒストグラムの頂点、71a、71b　分布曲線、72　対称分布曲線、73　減算後分布曲線、t1、t2、t3　閾値

Claims (11)

  1. 　画像から特定の領域を認識する処理を実行する画像処理装置であって、
    　前記画像に含まれる画素のうち、注目画素と周囲の複数の画素を含む判定範囲に対して所定の閾値条件を適用して閾値判定し、前記判定範囲内のいずれかの画素で前記閾値条件を満たす場合に前記注目画素を認識画素とする閾値判定部と、
    　前記判定範囲を順次移動して前記閾値判定を繰り返し実行する処理実行部と、
    　を備えることを特徴とする画像処理装置。
  2. 　前記閾値判定部は、前記注目画素と同一平面にある画素と、別の平面にある画素とで異なる閾値条件を適用し、前記判定範囲内のいずれかの画素で前記閾値条件を満たすと判定した場合に、前記注目画素を前記認識画素とすることを特徴とする請求項1に記載の画像処理装置。
  3. 　前記閾値条件として、前記注目画素からの距離に応じて異なる閾値を設定することを特徴とする請求項2に記載の画像処理装置。
  4. 　前記閾値判定部は、前記判定範囲内のすべての画素に対し、同一の閾値条件を適用し、いずれかの画素で前記閾値条件を満たすと判定した場合に、前記注目画素を前記認識画素とすることを特徴とする請求項1に記載の画像処理装置。
  5. 　前記画像の濃度値分布のヒストグラムに基づいて前記閾値条件を算出する閾値自動算出部を更に備え、
    　前記閾値判定部は、前記閾値自動算出部により算出された閾値条件を適用して前記閾値判定を行うことを特徴とする請求項1に記載の画像処理装置。
  6. 　前記閾値自動算出部は、
    　前記画像の濃度値のヒストグラムの最大のピーク位置を求め、前記ピーク位置より濃度値の低い部分のデータを使用して前記ピーク位置を頂点として左右対称な形状の分布曲線を求め、前記ヒストグラムの分布曲線から前記左右対称な形状の分布曲線を減算することにより減算後分布曲線を求め、減算後分布曲線の特徴に基づいて前記閾値条件を求めることを特徴とする請求項5に記載の画像処理装置。
  7. 　前記閾値条件を操作者に設定させるための閾値手動設定部を更に備え、
    　前記閾値判定部は、前記閾値手動設定部により設定された閾値条件を適用して前記閾値判定を行うことを特徴とする請求項1に記載の画像処理装置。
  8. 　前記閾値判定における処理モードとして、前記注目画素単体について閾値判定を行うか、前記判定範囲に含まれる全ての画素を同一の閾値条件を用いて閾値判定するか、前記注目画素と同一平面にある画素と、別の平面にある画素とで異なる閾値条件を用いて閾値判定するか、を選択する処理モード選択部を更に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。
  9. 　前記閾値条件を操作者に手動設定させるか、或いは前記閾値条件を前記画像の濃度値分布のヒストグラムに基づいて算出するかを選択する閾値設定方法選択部を更に備え、
    　前記閾値判定部は、前記閾値設定方法選択部により選択された方法で前記閾値条件を設定することを特徴とする請求項1に記載の画像処理装置。
  10. 　前記閾値判定部により認識された認識画素を前記画像から除去または抽出した診断用画像を生成する診断用画像生成部を更に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。
  11. 　コンピュータを用いて、画像から特定の領域を認識する画像処理方法であって、
    　前記画像に含まれる画素のうち、注目画素と周囲の複数の画素を含む判定範囲に対して所定の閾値条件を適用して閾値判定し、前記判定範囲内のいずれかの画素で前記閾値条件を満たす場合に前記注目画素を認識画素とする閾値判定処理を、前記判定範囲を順次移動して繰り返し実行することを特徴とする画像処理方法。
PCT/JP2013/072802 2012-09-07 2013-08-27 画像処理装置及び画像処理方法 Ceased WO2014038428A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201380040163.6A CN104507392B (zh) 2012-09-07 2013-08-27 图像处理装置及图像处理方法
JP2014534308A JP6407718B2 (ja) 2012-09-07 2013-08-27 画像処理装置及び画像処理方法
US14/408,362 US9396395B2 (en) 2012-09-07 2013-08-27 Image processing apparatus and image processing method, configured to apply threshold conditions to specify target pixel

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012-197462 2012-09-07
JP2012197462 2012-09-07

Publications (1)

Publication Number Publication Date
WO2014038428A1 true WO2014038428A1 (ja) 2014-03-13

Family

ID=50237040

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/072802 Ceased WO2014038428A1 (ja) 2012-09-07 2013-08-27 画像処理装置及び画像処理方法

Country Status (4)

Country Link
US (1) US9396395B2 (ja)
JP (1) JP6407718B2 (ja)
CN (1) CN104507392B (ja)
WO (1) WO2014038428A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017179255A1 (ja) * 2016-04-13 2017-10-19 日本メジフィジックス株式会社 Ｃｔ画像中の骨領域の自動推定方法、装置、およびコンピュータプログラム
CN114092932A (zh) * 2021-09-13 2022-02-25 网易（杭州）网络有限公司 倒角面的识别方法、装置、电子设备及存储介质

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118236208A (zh) * 2013-10-15 2024-06-25 穆罕默德·拉什万·马赫福兹 骨骼重建和骨外科植入物
CN105096332B (zh) * 2015-08-25 2019-06-28 上海联影医疗科技有限公司 医学图像分割方法和装置
GB2547399B (en) 2014-12-02 2018-05-02 Shanghai United Imaging Healthcare Co Ltd A method and system for image processing
JP2018126389A (ja) * 2017-02-09 2018-08-16 キヤノン株式会社 情報処理装置、情報処理方法、およびプログラム
EP3633603B1 (en) * 2017-06-30 2025-05-07 Shanghai United Imaging Healthcare Co., Ltd. Tissue density analysis method and system
US10470825B2 (en) * 2017-08-16 2019-11-12 Synaptive Medical (Barbados) Inc. Method, system and apparatus for surface rendering using medical imaging data

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004201730A (ja) * 2002-12-24 2004-07-22 Hitachi Ltd 複数方向の投影映像を用いた３次元形状の生成方法
JP2005073817A (ja) * 2003-08-29 2005-03-24 Hitachi Medical Corp 医用画像表示装置
JP2005316583A (ja) * 2004-04-27 2005-11-10 Konica Minolta Photo Imaging Inc 画像処理方法、画像処理装置及び画像処理プログラム
WO2007135913A1 (ja) * 2006-05-19 2007-11-29 Hitachi Medical Corporation 医用画像表示装置及びプログラム
JP2007534352A (ja) * 2003-07-31 2007-11-29 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 すりガラス様小結節（ｇｇｎ）セグメンテーションを行うためのシステムおよび方法
JP2007312838A (ja) * 2006-05-23 2007-12-06 Konica Minolta Medical & Graphic Inc モデリング装置、モデリング方法およびプログラム
JP2007537812A (ja) * 2004-05-18 2007-12-27 メディックサイト ピーエルシー 結節境界の検出方法
JP2009226043A (ja) * 2008-03-24 2009-10-08 Gifu Univ 医用画像処理装置及び異常陰影検出方法
JP2011514190A (ja) * 2008-02-29 2011-05-06 エージェンシー フォー サイエンス，テクノロジー アンド リサーチ 画像内の解剖学的構造のセグメンテーションおよびモデリングのための方法およびシステム

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4731863A (en) * 1986-04-07 1988-03-15 Eastman Kodak Company Digital image processing method employing histogram peak detection
JP2768786B2 (ja) * 1990-02-20 1998-06-25 キヤノン株式会社 画像読み取り装置
US6678393B1 (en) * 1997-12-23 2004-01-13 Intel Corporation Image selection based on image content
US20020131643A1 (en) * 2001-03-13 2002-09-19 Fels Sol Sidney Local positioning system
US7209581B2 (en) 2003-07-31 2007-04-24 Siemens Medical Solutions Usa, Inc. System and method for ground glass nodule (GGN) segmentation
US7653225B2 (en) 2003-09-17 2010-01-26 Siemens Corporation Method and system for ground glass nodule (GGN) segmentation with shape analysis
JP2007028362A (ja) * 2005-07-20 2007-02-01 Seiko Epson Corp 背景画像と目的画像が混在する画像データを処理するための装置及び方法
WO2009145076A1 (ja) * 2008-05-28 2009-12-03 株式会社 日立メディコ 画像処理装置、画像処理方法、及び画像処理プログラム
JP2010187756A (ja) * 2009-02-16 2010-09-02 Olympus Corp 画像処理装置、画像処理方法および画像処理プログラム

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004201730A (ja) * 2002-12-24 2004-07-22 Hitachi Ltd 複数方向の投影映像を用いた３次元形状の生成方法
JP2007534352A (ja) * 2003-07-31 2007-11-29 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 すりガラス様小結節（ｇｇｎ）セグメンテーションを行うためのシステムおよび方法
JP2005073817A (ja) * 2003-08-29 2005-03-24 Hitachi Medical Corp 医用画像表示装置
JP2005316583A (ja) * 2004-04-27 2005-11-10 Konica Minolta Photo Imaging Inc 画像処理方法、画像処理装置及び画像処理プログラム
JP2007537812A (ja) * 2004-05-18 2007-12-27 メディックサイト ピーエルシー 結節境界の検出方法
WO2007135913A1 (ja) * 2006-05-19 2007-11-29 Hitachi Medical Corporation 医用画像表示装置及びプログラム
JP2007312838A (ja) * 2006-05-23 2007-12-06 Konica Minolta Medical & Graphic Inc モデリング装置、モデリング方法およびプログラム
JP2011514190A (ja) * 2008-02-29 2011-05-06 エージェンシー フォー サイエンス，テクノロジー アンド リサーチ 画像内の解剖学的構造のセグメンテーションおよびモデリングのための方法およびシステム
JP2009226043A (ja) * 2008-03-24 2009-10-08 Gifu Univ 医用画像処理装置及び異常陰影検出方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2017179255A1 (ja) * 2016-04-13 2017-10-19 日本メジフィジックス株式会社 Ｃｔ画像中の骨領域の自動推定方法、装置、およびコンピュータプログラム
JPWO2017179255A1 (ja) * 2016-04-13 2019-02-21 日本メジフィジックス株式会社 Ｃｔ画像中の骨領域の自動推定方法、装置、およびコンピュータプログラム
CN114092932A (zh) * 2021-09-13 2022-02-25 网易（杭州）网络有限公司 倒角面的识别方法、装置、电子设备及存储介质

Also Published As

Publication number Publication date
JPWO2014038428A1 (ja) 2016-08-08
CN104507392B (zh) 2017-03-08
CN104507392A (zh) 2015-04-08
JP6407718B2 (ja) 2018-10-17
US20150235085A1 (en) 2015-08-20
US9396395B2 (en) 2016-07-19

Similar Documents

Publication Publication Date Title
JP6407718B2 (ja) 画像処理装置及び画像処理方法
JP4931027B2 (ja) 医用画像診断支援装置および方法、並びにプログラム
US9466117B2 (en) Segmentation highlighter
US9959622B2 (en) Method and apparatus for supporting diagnosis of region of interest by providing comparison image
JP5943353B2 (ja) 画像処理装置及び画像処理方法
JP2015514447A (ja) マルチモーダル画像統合におけるレジストレーション精度を改善するインテリジェントなランドマーク選択
CN111445449A (zh) 感兴趣区域的分类方法、装置、计算机设备和存储介质
US8718344B2 (en) Image processing apparatus and medical image diagnosis apparatus
JP5442542B2 (ja) 病理診断支援装置、病理診断支援方法、病理診断支援のための制御プログラムおよび該制御プログラムを記録した記録媒体
CN112043378A (zh) 对人进行导航支持以关于切除部分进行导航的方法和系统
CN107507212A (zh) 数字脑可视化方法、装置、计算设备及存储介质
JP4373682B2 (ja) 関心組織領域抽出方法、関心組織領域抽出プログラム及び画像処理装置
JP6687395B2 (ja) 医用画像処理装置、医用画像処理方法及び医用イメージング装置
JP6571687B2 (ja) 画像処理装置及び画像処理方法
JP2014221201A (ja) 撮像制御装置、医用画像診断装置及び撮像制御方法
JP5486616B2 (ja) 医用画像診断支援装置およびその作動方法、並びにプログラム
US20170018079A1 (en) Image processing device, method, and recording medium having stored therein program
WO2016208016A1 (ja) 画像処理装置、画像処理方法、及び画像処理プログラム
WO2013121679A1 (ja) 領域抽出処理システム
JP2009022307A (ja) 医用画像表示装置及びそのプログラム
JP6068883B2 (ja) 画像処理装置及び領域抽出方法
WO2010035520A1 (ja) 医用画像処理装置及びプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13835125

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 14408362

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2014534308

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13835125

Country of ref document: EP

Kind code of ref document: A1