CN101384211B - 图像分析装置 - Google Patents

图像分析装置 Download PDF

Info

Publication number
CN101384211B
CN101384211B CN2007800053327A CN200780005332A CN101384211B CN 101384211 B CN101384211 B CN 101384211B CN 2007800053327 A CN2007800053327 A CN 2007800053327A CN 200780005332 A CN200780005332 A CN 200780005332A CN 101384211 B CN101384211 B CN 101384211B
Authority
CN
China
Prior art keywords
edge
image
tube chamber
abnormal structure
image analysis
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.)
Active
Application number
CN2007800053327A
Other languages
English (en)
Other versions
CN101384211A (zh
Inventor
田中秀树
西村博一
中村健次
井上凉子
沢美穗
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.)
Olympus Corp
Original Assignee
Olympus Medical Systems 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 Olympus Medical Systems Corp filed Critical Olympus Medical Systems Corp
Publication of CN101384211A publication Critical patent/CN101384211A/zh
Application granted granted Critical
Publication of CN101384211B publication Critical patent/CN101384211B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06T11/00—2D [Two Dimensional] image generation
    • G06T11/20—Drawing from basic elements, e.g. lines or circles
    • G06T11/203—Drawing of straight lines or curves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30028—Colon; Small intestine
    • G06T2207/30032—Colon polyp

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)
  • Endoscopes (AREA)
  • Image Processing (AREA)

Abstract

本发明提供图像分析装置和图像分析方法。本发明的CPU通过实施步骤(S4)的息肉候补检测处理，按细线化图像(25)的各标记值进行处理，通过将处理结果重叠在息肉候补图像(26)上，生成将息肉候补边缘进行了标定的息肉候补标定图像。然后，通过在显示装置上显示将息肉候补图像(26)重叠在原图像(22)上的息肉候补标定图像，可容易确认图像上的息肉候补位置，可提高管腔内异常组织的检测精度。

Description

图像分析装置
技术领域
本发明涉及根据医疗图像检测息肉的图像分析装置。
背景技术
在医疗领域中广泛进行使用X线、CT、MRI、超声波观测装置、内窥镜装置等的图像摄像设备的诊断。
例如在内窥镜装置中，可将细长的***部***体腔内，将固体摄像元件等用到摄像单元中并通过监视器画面观察体腔内脏器等，进行诊断。并且，还广泛使用这样的超声波内窥镜装置，即：可向所述体腔内脏器照射超声波，根据该超声波的反射或透过度等通过监视器画面观察该体腔内脏器的状况，进行检查或诊断。
由于使用由这些设备所拍摄的图像的最终诊断有很大部分依赖于医师的主观情况，因而有这样的诊断辅助装置，即：采用图像分析方法计算摄像对象相关的特征量，并将客观的数值的诊断辅助信息提供给医师，从而辅助医师的诊断行为。
这里，特征量是反映了图像上的各种情况的数值，是通过应用图像分析方法来获得的。
例如在内窥镜图像中，粘膜表面的发红的色调相关的情况、在观察血管像中发现的血管的屈折/蛇形性的血管形状相关的情况、以及胃小区中的粘膜模样的图案相关的情况在病变的恶性度诊断中成为重要要素。例如非专利文献1即(“消化器内視镜”2001vol.13No.3vol.13東京医学社刊P349-354)是根据粘膜情况和血管形状相关的情况来鉴别病变的良恶性的例子。
例如在日本特开2005-157902号公报等中公开了一种可提高基于利用特征量的情况的客观化结果的病变判定精度的图像分析方法。在该日本特开2005-157902号公报中，图像分析方法是通过将消化道图像内的血管作为线状图案来提取，而用于病变判定的。
然而，在现有技术中不存在着眼于当成为摄像对象的消化道是大肠时的病变候补检测的图像分析方法。作为大肠中的检测对象有***性病变(大肠息肉)，然而在公知的边缘检测方法中，具有这样的问题，即：不仅检测大肠息肉，而且还同时检测结肠袋(haustra)和大肠管腔弯曲部等的边界。
发明内容
本发明是鉴于上述情况而作成的，本发明的目的是提供一种能提高管腔内异常组织的检测精度的图像分析装置。
本发明的一方式的图像分析装置构成为具有：
边缘提取处理单元，其进行用于提取管腔内图像的边缘的边缘提取处理；以及
管腔内异常组织候补检测处理单元，其根据由所述边缘提取处理单元提取的各个所述边缘的边缘线数据和/或边缘周边像素数据，判定所述边缘是否是管腔内异常组织的边缘，所述管腔内异常组织候补检测处理单元根据所述边缘周边的像素值梯度的方向矢量和边缘线之间的交叉判定，判定所述边缘是否是所述管腔内异常组织的边缘。
并且，本发明的一方式的图像分析装置，具有：边缘提取处理单元，其进行用于提取管腔内图像的边缘的边缘提取处理；以及管腔内异常组织候补检测处理单元，其根据由所述边缘提取处理单元提取的各个所述边缘的边缘线数据和/或边缘周边像素数据，判定所述边缘是否是管腔内异常组织的边缘，
所述管腔内异常组织候补检测处理单元根据所述边缘形成的曲线的的形状是否不规则，判定所述边缘是否是所述管腔内异常组织的边缘，具体包括：对所述边缘形成的曲线进行分割，获得多个分割点；获得通过所述边缘形成的曲线的两个端点和所述多个分割点的插值曲线上的插值点；求出在法线方向上与通过所述插值点的插值曲线相交的线性方程式，在表示求出的所述线性方程式的直线上，以所述插值点为起点延伸，求出与边缘线交叉的位置的点与作为起点的所述插值点之间的距离；在所述距离的平方的平均值为规定值以上时，确定所述边缘形成的曲线的形状不规则，且所述边缘是所述管腔内异常组织的边缘。
附图说明
图1是示出本发明的实施例1的内窥镜图像分析装置的结构的结构图。
图2是示出存储在图1的存储器上的信息的图。
图3是示出由图1的CPU执行的图像分析程序的处理流程的流程图。
图4是示出图3的图像分析处理流程的流程图。
图5是示出存储在图1的存储器上的原图像的图。
图6是示出存储在图1的存储器上的细线化图像的图。
图7是示出存储在图1的存储器上的息肉候补图像的图。
图8是示出图4的息肉候补检测处理流程的流程图。
图9是说明图8的处理的第1图。
图10是说明图8的处理的第2图。
图11是示出在图3的处理中将显示在显示装置上的息肉候补图像重叠在原图像上的息肉候补标定图像的图。
图12是示出本发明的实施例2的大肠息肉候补检测处理流程的流程图。
图13是说明图12的处理的第1图。
图14是说明图12的处理的第2图。
图15是说明图12的处理的第3图。
图16是示出本发明的实施例3的大肠息肉候补检测处理流程的流程图。
图17是说明图16的处理的第1图。
图18是说明图16的处理的第2图。
图19是说明图16的处理的第3图。
图20是说明图16的处理的第4图。
图21是说明图16的处理的第5图。
图22是说明图16的处理的第6图。
图23是说明图16的处理的第7图。
图24是说明图16的处理的第8图。
图25是示出实施图16的大肠息肉候补检测处理的变形例的图像分析程序的处理的图。
图26是示出图25的大肠息肉候补检测处理流程的流程图。
图27是说明图26的处理的第1图。
图28是说明图26的处理的第2图。
图29是说明图26的处理的第3图。
图30是示出本发明的实施例4的大肠息肉候补检测处理流程的流程图。
图31是说明图30的处理的图。
具体实施方式
以下，参照附图描述本发明的实施例。
(实施例1)
图1至图11涉及本发明的实施例1，图1是示出内窥镜图像分析装置的结构的结构图，图2是示出存储在图1的存储器上的信息的图，图3是示出由图1的CPU执行的图像分析程序的处理流程的流程图，图4是示出图3的图像分析处理流程的流程图，图5是示出存储在图1的存储器上的原图像的图，图6是示出存储在图1的存储器上的细线化图像的图，图7是示出存储在图1的存储器上的息肉候补图像的图，图8是示出图4的息肉候补检测处理流程的流程图，图9是说明图8的处理的第1图，图10是说明图8的处理的第2图，图11是示出在图3的处理中将显示在显示装置上的息肉候补图像重叠在原图像上的息肉候补标定图像的图。
(结构)
如图1所示，本实施例的内窥镜图像分析装置1构成为具有：内窥镜观察装置2，其对生物体内进行拍摄并输出模拟图像信号；内窥镜归档装置3，其根据内窥镜观察装置2输出的模拟图像信号生成图像数据，并蓄积所生成的图像数据；以及图像处理装置4，其进行图像分析处理。
图像处理装置4构成为具有：进行信息处理的信息处理装置5，由键盘和鼠标等构成的操作装置6，由硬盘等构成的存储装置7，以及由CRT或液晶显示器或等离子体显示器等的显示单元构成的显示装置8。
内窥镜归档装置3和信息处理装置5与例如以TCP/IP作为协议的LAN 9连接，并可相互通信。
信息处理装置5可使用一般的个人计算机，信息处理装置5经由LAN 9取得蓄积在内窥镜归档装置3内的图像数据，对图像数据进行图像分析处理，将图像分析结果显示在显示装置8上。这里，进行处理的图像数据的指定、所指定的图像数据的取得指示、以及处理执行指示是通过利用操作装置6的操作来进行。
在信息处理装置5中，作为进行控制和处理的边缘提取处理单元和管腔内异常组织候补检测处理单元的CPU 10、存储处理程序和数据的存储器11、在与存储装置7之间进行信息读写的外部存储接口12、进行与外部设备之间的通信的网卡13、进行与操作装置6之间的输入输出的操作接口14、以及将视频信号输出到显示装置8的图板(graphics board)15与总线16连接，并经由总线16进行信息的相互交换。
网卡13在其与连接在LAN 9上的内窥镜归档装置3之间进行数据收发处理。
操作接口14接收使用操作装置6的键盘和鼠标所输入的输入信号，并进行所需要的数据处理。
存储装置7与信息处理装置5连接，并存储执行图像分析处理的图像分析程序20。该图像分析程序20由多个执行文件或动态链接库文件或设定文件构成。
外部存储接口12读入存储在存储装置7内的图像分析程序20，并将其存储在存储器11内。
如图2所示，存储器11保持图像分析程序20和分析数据21。
存储在存储器11内的图像分析程序20是这样的程序，即：通过CPU 10的执行，从内窥镜归档装置3取得由操作装置6所指定的内窥镜图像数据，对所取得的图像数据进行图像分析处理，进行将图像分析结果显示在显示装置8上的处理。
存储在存储器11上的分析数据21是通过CPU 10中的各处理而取得并生成的数据。所存储的分析数据21由从内窥镜归档装置3所取得的图像数据即原图像22以及通过后述的各种处理所生成的二值化图像23、标定图像24、细线化图像25和息肉候补图像26构成。
(作用)
说明由CPU 10执行的图像分析程序20的处理。在该处理中，如图3所示，CPU 10在原图像取得处理步骤S1中进行这样的处理，即：从内窥镜归档装置3取得通过操作装置6的操作所指定的图像数据，并将其作为原图像22存储在存储器11上。
然后，CPU 10在图像分析处理步骤S2中进行这样的处理，即：处理由原图像取得处理步骤S1所取得的原图像22，生成二值化图像23、标定图像24、细线化图像25、息肉候补图像26和未作图示的分析处理图像，并将其存储在存储器11上。
然后，CPU 10在分析结果显示处理步骤S3中进行将所述分析处理图像显示在显示装置8上的处理。
使用图4说明图3的步骤S2的图像分析处理。如图4所示，利用图像分析程序20，在步骤S10的二值化处理步骤中，CPU 10针对图5所示的原图像22的例如R信号进行利用公知的Sobel滤波技术的边缘提取处理，在作为处理结果所获得的像素值是规定阈值Rt以上的情况下，生成把该像素设定为“1”的二值化图像23。
另外，边缘提取处理是假定了针对原图像22的例如R信号进行的，然而不限于此，该边缘提取处理也可以针对原图像22的G信号或B信号进行。
CPU 10通过步骤S11的标定处理步骤，生成将标记分配给二值化图像的像素值是“1”的像素的连接分量各方的标定图像24。
CPU 10通过步骤S12的细线化处理步骤，生成采用例如公知的Hildich方法对标定图像24内的各标记值进行了细线化的图6所示的细线化图像25。细线化图像25是将原图像11内包含的边缘作为由1像素的连接分量构成的边缘线来提取并将标记分配给各边缘线的图像。各边缘包含大肠的***性病变候补的外形线以及病变以外的结构的外形线。
另外，关于标定图像24和细线化图像25的生成方法，例如如日本特开2005-157902号公报所公开的那样，由于是公知的，因而省略说明。
CPU 10通过步骤S13的息肉候补检测处理步骤，从细线化图像25的边缘线中仅提取作为***性病变的可能性高的边缘线，并作为图7所示的息肉候补图像26来生成。
下面，使用图8的流程图说明步骤S13的息肉候补检测处理步骤。息肉候补检测处理是这样的处理，即：从细线化图像25的边缘线中仅提取作为***性病变的可能性高的边缘线，并作为息肉候补图像26来生成。
如图8所示，CPU 10在步骤S21中取得在标定图像24中具有标记值“1”的边缘线信息。
CPU 10在步骤S22中计算边缘线的端点。在端点数不是“2”的情况下，表示有分支/交叉点或者是闭合曲线的情况，在本处理中从大肠息肉对象候补中排除。
CPU 10在步骤S23中计算边缘线的线段长度。在本实施例中，将像素数代用作线段长度。并且，在线段长度是规定值L0以下的情况下，认为是噪声，从大肠息肉对象候补中排除。
CPU 10在步骤S24中求出将边缘线以长度Lc间隔进行分割的分割点P′n。该方法是通过将从边缘线的端点起的第Lc个像素设定为分割点P′n来实现的。图9和图10的白圆圈表示从端点P0到端点P1的分割点P′n的分布。
CPU 10在步骤S25中，首先求出通过在步骤S24中求出的分割点P′n的插值曲线。将插值曲线用作参量曲线时的曲线方程式是通过决定认为存在于曲线上的4点(在对包含端点的点间进行插值的情况下是3点)来应用于Catmull-Rom曲线式而导出的。插值曲线上的插值点通过设定参量曲线的参数t(0≤t≤1)而容易求出。
接下来，求出在分割点P′n的边缘线的法线矢量。在分割点P′n的切线矢量通过将t＝0.0或t＝1.0代入采用所述方法求出的参量曲线方程式的t相关的微分式而容易求出。因此，与该切线矢量正交的矢量成为法线矢量。
然而，由于法线矢量有2个方向，因而按各分割点P′n求出接近点P0和点P1的中点的方向，把数量多的方向设定为法线矢量的方向。
由此，在边缘线是圆弧形状的情况下，法线矢量的方向指向该圆弧的中心方向。把法线矢量的长度设定为规定长度n0。
CPU 10在步骤S26中评价法线矢量的端点中不是分割点的端点(即，法线矢量的终点：图9、图10的×符号)的集合程度。
在本实施例中，求出了当把法线矢量端点的x坐标、y坐标的平均值设定为μx、μy时的与各法线矢量端点的距离的平方，即：
(x-μx)2+(y-μy)2
CPU 10在步骤S27中求出在步骤S26求出的距离的平方的平均值，当该值是规定阈值M0以上时，将相应的边缘线从大肠息肉对象候补中排除。
然后，在步骤S26中求出的距离的平方的平均值小于阈值M0的情况下，CPU 10在步骤S28中生成把边缘线的像素设定为“1”的息肉候补图像26。
另外，图9示出在本实施例中断定为息肉候补的边缘线的例子，图10示出在本实施例中未断定为息肉候补的边缘线的例子。
(效果)
以上在本实施例中，CPU 10在上述处理步骤中，按细线化图像25的各标记值进行处理，将处理结果重叠在息肉候补图像26上，从而生成对息肉候补边缘进行了标定的图11所示的息肉候补标定图像27。然后，如图11所示，通过在显示装置8上显示将息肉候补图像26重叠在原图像22上的息肉候补标定图像27，可容易确认图像上的息肉候补位置。
(实施例2)
图12至图15涉及本发明的实施例2，图12是示出大肠息肉候补检测处理流程的流程图，图13是说明图12的处理的第1图，图14是说明图12的处理的第2图，图15是说明图12的处理的第3图。
由于实施例2与实施例1基本相同，因而仅说明不同点，对相同结构附上相同标号并省略说明。
在本实施例中，大肠息肉候补检测处理的一部分与实施例1不同，如图12所示，在本实施例中，CPU 10实施步骤S21～S25，与实施例1一样，在步骤S25中求出在边缘线的分割点P′n的法线矢量之后，在步骤S31中求出法线矢量的端点中不是分割点的端点(即，法线矢量的终点)的原图像的R信号的灰度值梯度。
如图13所示，灰度值梯度以法线矢量端点为中心，针对3×3的像素提取x、y方向各自前3个像素的R像素信号之差，将x、y方向的差值的平均值设定为灰度值梯度的x方向分量和y方向分量。
然后，CPU 10在步骤S32中调查当从法线矢量端点向在步骤S31中求出的灰度值梯度的方向画直线时的与边缘线的交点的有无。该方法调查以法线矢量端点为起点，沿灰度值梯度方向延伸，是否与边缘线交叉。例如，在如图14所示边缘线定位成包围R信号的灰度值的亮区域的情况下，针对所有法线矢量端点产生与边缘线的交叉。然而，在如图15所示边缘线定位成包围R信号的灰度值的暗区域的情况下，针对所有法线矢量端点不产生与边缘线的交叉。图14示出提取了作为息肉的外形线的边缘的例子，图15是示出提取了在观察管腔内部时存在于管腔内的结肠袋的例子。
接下来，CPU 10在步骤S33中将产生与边缘线的交点的数量和规定阈值M0相比较，在交点数是M0以上的情况下认为边缘线表示息肉的外形线，在步骤S28中生成把边缘线的像素设定为“1”的息肉候补图像26。
另外，在本实施例中，CPU 10根据前3个像素的像素值之差求出灰度值梯度，然而可以构成为根据可设定的参数变量N求出前N个像素之差，可调整灰度值梯度信息的比例。
这样在本实施例中，CPU 10通过调查边缘附近的图像灰度值梯度，来检测不表示息肉外形特征的边缘线，将该边缘线从息肉候补中排除并提供病变候补，因而可辅助医师发现病变。
(实施例3)
图16至图29涉及本发明的实施例3，图16是示出大肠息肉候补检测处理流程的流程图，图17是说明图16的处理的第1图，图18是说明图16的处理的第2图，图19是说明图16的处理的第3图，图20是说明图16的处理的第4图，图21是说明图16的处理的第5图，图22是说明图16的处理的第6图，图23是说明图16的处理的第7图，图24是说明图16的处理的第8图，图25是示出实施图16的大肠息肉候补检测处理的变形例的图像分析程序的图，图26是示出图25的大肠息肉候补检测处理流程的流程图，图27是说明图26的处理的第1图，图28是说明图26的处理的第2图，图29是说明图26的处理的第3图。
由于实施例3与实施例1基本相同，因而仅说明不同点，对相同结构附上相同标号并省略说明。
在本实施例中，大肠息肉候补检测处理与实施例1不同，如图16所示，CPU 10在步骤S21中取得在标定图像24中具有标记值“1”的边缘线信息。
CPU 10在步骤S22中计算边缘线的端点。在端点数是2的情况下，认为是无分支/交叉的开放曲线，形成将端点间连接的开放曲线，进到步骤S23。在端点数不是2的情况下，进到步骤S60。在端点数是0的情况下，认为是无分支的闭合曲线，进到步骤S61。在端点数是2以上的情况下，在本处理中从大肠息肉对象候补中排除，因而跳过以后的全部处理。
另外，由于具有即使端点数是2也有在闭合曲线内包含分支点/交叉点的情况，因而通过调查判定分支点数和交叉点数，可提高本实施例的检测精度。
CPU 10在步骤S23中计算边缘线的周长。在本实施例中，将像素数代用作周长。在周长是规定值L0以下的情况下，认为是噪声，从大肠息肉对象候补中排除。
CPU 10在步骤S24中求出将边缘线进行n分割的分割点P′n。分割点间的距离Lc是根据Lc＝(边缘线段长度)/n来求出的，将边缘上的任意点(在本实施例中，在步骤S22中计算出的边缘线的端点P0)设定为开始点，向右旋方向延伸，通过把第Lc个像素依次设定为分割点来实现分割点生成。作为该结果的例子，在图17中示出从端点P0向右旋方向生成分割点列。
CPU 10在步骤S50中计算边缘分割点列的复数PARCOR系数并进到步骤S51。这里，点列的坐标值进行比例转换，以使周长为1。
另外，复数PARCOR系数是点列形成的形状相关的特征量，作为参考文献例如有“電子情報通信学会論文誌D-II Vol.J73-D-II No.6pp804-8111990年6月”。
下面说明在端点数是0的情况下的处理流程。
CPU 10在步骤S61中求出边缘线的周长。在本实施例中，与步骤S23一样将像素数代用作线段长度。在周长是规定值D0以下的情况下，认为是噪声，从大肠息肉对象候补中排除。
CPU 10在步骤S62中求出将边缘线进行n分割的分割点P′n。该方法与步骤S24一样，分割点间的距离Dc是根据Dc＝(边缘周长)/n来求出的，将边缘上的任意点(在本实施例中，x坐标是最小值的边缘线上的点中y坐标是最小值的点)设定为开始点P0，向右旋方向延伸，通过把第Dc个像素依次设定为分割点来实现分割点生成。作为该结果的例子，在图18中示出生成从端点P0被设定到P6而且P7与P0重合的分割点列。
CPU 10在步骤S63中计算边缘分割点列的复数PARCOR系数，并进到步骤S51。这里，点列的坐标值进行比例转换，以使包围成为对象的闭合曲线的最小正方形的1边的长度是1。
CPU 10在步骤S51中判别分析在步骤S50和步骤S63所获得的结果即复数PARCOR系数。图19至图24示出判别分析的训练数据例。其中，被判定为作为表示是大肠息肉的正解例的息肉类别的训练数据例，例如是图23和图24这2个。
在步骤S51的结果被识别为息肉类别的情况下，CPU 10在步骤S52中认为边缘形状是大肠息肉的边缘形状，并在步骤S28中生成把相应的边缘线的像素设定为1的息肉候补图像26。
如上所述在本实施例中，通过将息肉候补图像26重叠在原图像22上并显示在显示装置8上，可容易确认图像上的息肉候补位置。
另外，在本实施例中与实施例1一样，CPU 10求出细线化图像25中的边缘线，并实施图16的大肠息肉候补检测处理，然而不限于此，如图25所示，可以不生成细线化图像25，而求出将标记分配给二值化图像的像素值是“1”的像素的连接分量各方的标定图像24中的边缘线，实施图26所示的大肠息肉候补检测处理。
即，未进行细线化的标定图像24例如为图27至图29所示的闭合曲线图像，然而可以将该标定图像24作为边缘线，求出将边缘线进行n分割的分割点P′n，计算边缘分割点列的复数PARCOR系数，判别分析复数PARCOR系数，生成息肉候补图像26(在图27至图29的例子中，图28和图29为息肉候补图像26)。
(实施例4)
图30和图31涉及本发明的实施例4，图30是示出大肠息肉候补检测处理流程的流程图，图31是说明图30的处理的图。
由于实施例4与实施例1基本相同，因而仅说明不同点，对相同结构附上相同标号并省略说明。
在本实施例中，大肠息肉候补检测处理的一部分与实施例1不同，如图30所示，CPU 10在本实施例中实施步骤S21～S24，与实施例1一样，在步骤S24中求出将边缘线进行n分割的分割点P′n。
作为该结果的例子，在图31中示出从端点P0到端点P1生成P′0、P′1这2点的分割点。
然后，CPU 10在步骤S71中求出通过端点P0、P1、分割点P′n的插值曲线上的插值点。插值曲线上的插值点通过设定参量曲线的参数t(0≤t≤1)而容易求出。在本实施例中，把插值点C0、C1、C2分别设定为P0～P′0、P′0～P′1、P′1～P1的中点，并分别将t＝0.50代入各曲线方程式来求出。
CPU 10在步骤S72中首先求出在法线方向上与通过插值点的插值曲线相交的线性方程式。在插值点的曲线的切线矢量通过将在插值点生成中代入的t值代入步骤S71的参量曲线方程式的t相关的微分式而容易求出。因此，与该方向矢量正交的方向矢量为线性方程式的斜率。然后，在表示求出的线性方程式的直线上，以插值点Cn为起点延伸，求出与边缘线交叉的位置的点与作为起点的Cn之间的距离Wn。
CPU 10在步骤S73中求出在步骤S72求出的在各插值点Cn的距离Wn的平方的平均值。在该平均值是规定值M0以上的情况下，认为边缘形状不规则，生成把相应的边缘线的像素设定为1的息肉候补图像26。
在本实施例中，也通过将息肉候补图像26重叠在原图像22上并显示在显示装置8上，可容易确认图像上的息肉候补位置。
另外，作为图像数据的一例，在上述各实施例中使用大肠内的内窥镜图像数据，以作为管腔内异常组织的大肠息肉为例作了说明，然而不限于此，可应用于其他管腔内图像数据并可应用于其他管腔内的异常组织的检测。
本发明不限于上述实施例，可在不改变本发明主旨的范围内进行各种变更、改变等。
本申请是以于2006年3月14日在日本所申请的日本特願2006-069817号作为优先权主张基础来进行申请的，上述的公开内容被引用在本申请说明书和权利要求书内。

Claims (4)

1.一种图像分析装置，该图像分析装置的特征在于，该图像分析装置具有：
边缘提取处理单元，其进行用于提取管腔内图像的边缘的边缘提取处理；以及
管腔内异常组织候补检测处理单元，其根据由所述边缘提取处理单元提取的各个所述边缘的边缘线数据和/或边缘周边像素数据，判定所述边缘是否是管腔内异常组织的边缘，
所述管腔内异常组织候补检测处理单元根据所述边缘周边的像素值梯度的方向矢量和边缘线之间的交叉判定，判定所述边缘是否是所述管腔内异常组织的边缘。
2.根据权利要求1所述的图像分析装置，其特征在于，所述管腔内异常组织是大肠息肉。
3.一种图像分析装置，该图像分析装置的特征在于，该图像分析装置具有：
边缘提取处理单元，其进行用于提取管腔内图像的边缘的边缘提取处理；以及
管腔内异常组织候补检测处理单元，其根据由所述边缘提取处理单元提取的各个所述边缘的边缘线数据和/或边缘周边像素数据，判定所述边缘是否是管腔内异常组织的边缘，
所述管腔内异常组织候补检测处理单元根据所述边缘形成的曲线的形状是否不规则，判定所述边缘是否是所述管腔内异常组织的边缘，具体包括：对所述边缘形成的曲线进行分割，获得多个分割点；获得通过所述边缘形成的曲线的两个端点和所述多个分割点的插值曲线上的插值点；求出在法线方向上与通过所述插值点的插值曲线相交的线性方程式，在表示求出的所述线性方程式的直线上，以所述插值点为起点延伸，求出与边缘线交叉的位置的点与作为起点的所述插值点之间的距离；在所述距离的平方的平均值为规定值以上时，确定所述边缘形成的曲线的形状不规则，且所述边缘是所述管腔内异常组织的边缘。
4.根据权利要求3所述的图像分析装置，其特征在于，所述管腔内异常组织是大肠息肉。
CN2007800053327A 2006-03-14 2007-03-05 图像分析装置 Active CN101384211B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2006069817A JP4891636B2 (ja) 2006-03-14 2006-03-14 画像解析装置
JP069817/2006 2006-03-14
PCT/JP2007/054212 WO2007105516A1 (ja) 2006-03-14 2007-03-05 画像解析装置及び画像解析方法

Publications (2)

Publication Number Publication Date
CN101384211A CN101384211A (zh) 2009-03-11
CN101384211B true CN101384211B (zh) 2011-12-07

Family

ID=38509350

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007800053327A Active CN101384211B (zh) 2006-03-14 2007-03-05 图像分析装置

Country Status (5)

Country Link
US (1) US8238629B2 (zh)
EP (1) EP1994879B1 (zh)
JP (1) JP4891636B2 (zh)
CN (1) CN101384211B (zh)
WO (1) WO2007105516A1 (zh)

Families Citing this family (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2009069394A1 (ja) * 2007-11-29 2009-06-04 Olympus Medical Systems Corp. 内視鏡システム
TWI432168B (zh) * 2009-12-31 2014-04-01 Univ Nat Yunlin Sci & Tech 內視鏡導航方法以及內視鏡導航系統
JP5800468B2 (ja) 2010-05-11 2015-10-28 オリンパス株式会社 画像処理装置、画像処理方法、および画像処理プログラム
JP5622461B2 (ja) * 2010-07-07 2014-11-12 オリンパス株式会社 画像処理装置、画像処理方法、および画像処理プログラム
JP5597049B2 (ja) * 2010-07-07 2014-10-01 オリンパス株式会社 画像処理装置、画像処理方法、および画像処理プログラム
JP4971525B2 (ja) * 2010-07-21 2012-07-11 オリンパスメディカルシステムズ株式会社 画像処理装置及び画像処理装置の制御方法
JP5800549B2 (ja) * 2011-03-31 2015-10-28 オリンパス株式会社 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
WO2013024505A1 (ja) * 2011-08-15 2013-02-21 三菱電機株式会社 文字列配置装置
JP5931418B2 (ja) * 2011-11-25 2016-06-08 オリンパス株式会社 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
JP6196760B2 (ja) * 2012-08-10 2017-09-13 オリンパス株式会社 画像処理装置
US9965893B2 (en) * 2013-06-25 2018-05-08 Google Llc. Curvature-driven normal interpolation for shading applications
EP3045104A4 (en) * 2013-09-13 2017-04-26 Olympus Corporation Image processing device, method, and program
KR20150049585A (ko) * 2013-10-30 2015-05-08 삼성전자주식회사 용종 검출 장치 및 그 동작방법
CN107106110B (zh) * 2014-12-26 2020-03-03 株式会社日立制作所 图像处理装置以及图像处理方法
WO2016117117A1 (ja) 2015-01-23 2016-07-28 オリンパス株式会社 画像処理装置、画像処理方法および画像処理プログラム
CN104809451B (zh) * 2015-05-15 2017-12-26 河海大学常州校区 一种基于笔画曲率检测的笔迹鉴伪***
WO2017203701A1 (ja) 2016-05-27 2017-11-30 オリンパス株式会社 画像処理装置、画像処理装置の作動方法及び画像処理装置の作動プログラム
CN107888902B (zh) * 2016-09-30 2019-04-26 财团法人成大研究发展基金会 使用二阶区域二元图的分群方法及影像处理***
JP6833870B2 (ja) 2016-12-07 2021-02-24 オリンパス株式会社 画像処理装置
WO2018198255A1 (ja) 2017-04-26 2018-11-01 オリンパス株式会社 画像処理装置、画像処理装置の作動方法およびプログラム
US20200129042A1 (en) * 2017-05-25 2020-04-30 Nec Corporation Information processing apparatus, control method, and program
CN107346543B (zh) * 2017-06-20 2020-02-07 青岛海信医疗设备股份有限公司 血管中心线的处理方法及装置、终端及存储介质
JP7084994B2 (ja) 2018-07-06 2022-06-15 オリンパス株式会社 内視鏡用画像処理装置、及び、内視鏡用画像処理装置の作動方法、並びに、内視鏡用画像処理プログラム
WO2020084752A1 (ja) 2018-10-26 2020-04-30 オリンパス株式会社 内視鏡用画像処理装置、及び、内視鏡用画像処理方法、並びに、内視鏡用画像処理プログラム
JP6957771B2 (ja) 2018-11-28 2021-11-02 オリンパス株式会社 内視鏡システム、及び、内視鏡用画像処理方法、並びに、内視鏡用画像処理プログラム
CN112566540B (zh) * 2019-03-27 2023-12-19 Hoya株式会社 内窥镜用处理器、信息处理装置、内窥镜***、程序以及信息处理方法
CN116322465A (zh) * 2020-10-02 2023-06-23 富士胶片株式会社 图像处理装置、内窥镜***、图像处理装置的工作方法及图像处理装置用程序

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04193254A (ja) * 1990-11-27 1992-07-13 Olympus Optical Co Ltd 内視鏡画像処理装置
US6154560A (en) * 1996-08-30 2000-11-28 The Cleveland Clinic Foundation System and method for staging regional lymph nodes using quantitative analysis of endoscopic ultrasound images
US6947784B2 (en) * 2000-04-07 2005-09-20 The General Hospital Corporation System for digital bowel subtraction and polyp detection and related techniques
US7043064B2 (en) * 2001-05-04 2006-05-09 The Board Of Trustees Of The Leland Stanford Junior University Method for characterizing shapes in medical images
US7333644B2 (en) * 2003-03-11 2008-02-19 Siemens Medical Solutions Usa, Inc. Systems and methods for providing automatic 3D lesion segmentation and measurements
JP4434705B2 (ja) 2003-11-27 2010-03-17 オリンパス株式会社 画像解析方法
JP4652694B2 (ja) * 2004-01-08 2011-03-16 オリンパス株式会社 画像処理方法
JP5374801B2 (ja) 2004-08-31 2013-12-25 富士通株式会社 炭素元素からなる線状構造物質の形成体及び形成方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JP平4-193254A 1992.07.13
JP特开2005-192880A 2005.07.21

Also Published As

Publication number Publication date
WO2007105516A1 (ja) 2007-09-20
JP2007244518A (ja) 2007-09-27
EP1994879A1 (en) 2008-11-26
JP4891636B2 (ja) 2012-03-07
CN101384211A (zh) 2009-03-11
US20090074268A1 (en) 2009-03-19
EP1994879B1 (en) 2011-07-13
EP1994879A4 (en) 2009-08-05
US8238629B2 (en) 2012-08-07

Similar Documents

Publication Publication Date Title
CN101384211B (zh) 图像分析装置
JP4891637B2 (ja) 画像解析装置
EP1994878B9 (en) Medical image processing device and medical image processing method
US20180114319A1 (en) Image processing device, image processing method, and image processing program thereon
US10194783B2 (en) Image processing apparatus, image processing method, and computer-readable recording medium for determining abnormal region based on extension information indicating state of blood vessel region extending in neighborhood of candidate region
JP6967602B2 (ja) 検査支援装置、内視鏡装置、内視鏡装置の作動方法、及び検査支援プログラム
US20080097150A1 (en) Medical image processing apparatus and medical image processing method
JP5121389B2 (ja) 対象体の大きさを測定するための超音波診断装置及び方法
US10178941B2 (en) Image processing apparatus, image processing method, and computer-readable recording device
JP7125479B2 (ja) 医療画像処理装置、医療画像処理装置の作動方法及び内視鏡システム
EP3977399A1 (en) Systems and methods for video-based positioning and navigation in gastroenterological procedures
US11284855B2 (en) Ultrasound needle positioning system and ultrasound needle positioning method utilizing convolutional neural networks
WO2012153568A1 (ja) 医用画像処理装置及び医用画像処理方法
EP2939586A1 (en) Image processing device, program and image processing method
JP6840263B2 (ja) 内視鏡システム及びプログラム
JP4804742B2 (ja) 画像処理装置、及び画像処理プログラム
JP2021101900A (ja) 学習データ作成装置、方法及びプログラム並びに医療画像認識装置
Phillips et al. Video capsule endoscopy: pushing the boundaries with software technology
JP4668624B2 (ja) 食道粘膜用画像処理装置
Alexander et al. Recognition of polyps in the images of wireless capsule endoscopy
Flores et al. Identifying precursory cancer lesions using temporal texture analysis
WO2022208615A1 (ja) 画像処理装置、画像処理方法及び記憶媒体
JP2007097633A (ja) 画像解析システム、及び画像解析プログラム
Safavian A novel endoscopic system for determining the size and location of polypoidal lesions in the upper gastrointestinal tract
JP2024045237A (ja) 画像処理装置、画像処理方法およびプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
C41 Transfer of patent application or patent right or utility model
TR01 Transfer of patent right

Effective date of registration: 20151118

Address after: Tokyo, Japan, Japan

Patentee after: Olympus Corporation

Address before: Tokyo, Japan

Patentee before: Olympus Medical Systems Corp.