CN104105441A - 区域提取处理*** - Google Patents

Abstract

提供克服区域提取中的伪阳性的问题，基于支持更准确的区域提取的图像数据的解析处理的区域提取处理***。为了决定用于提取目标区域的未知数参数，使用亮度分布解析部(105)。在亮度分布解析部(105)中，从亮度分布管理数据库(106)之中搜索目标区域的亮度分布类似、且提取容易的区域作为类似部位，由区域提取前处理部(107)提取类似部位的区域，根据基于区域提取结果所计算出的图像特征量来决定未知数参数的值。

Description

区域提取处理***

技术领域

本发明涉及医用图像数据的解析处理***。

背景技术

伴随着医用图像诊断装置的发展而在一次检查中获取的图像数变得巨大，给诊断医生、放射科医生造成的负荷日益增大。尤其是，在X射线CT(Computed Tomography)装置中，由于可以获取大量的图像，因此医生为了进行肿瘤诊断，需要进行庞大的工作。这种诊断所花费的工夫的增加还有可能招致看漏、误诊等，因此哪怕是一点也期望减轻。为此，提出自动提取肿瘤等关心区域的技术(CAD：ComputerAided Detection)、搭载了该技术的装置。

在非专利文献1中提出如下的手法，即：以肝肿瘤提取为目的，使用应用了线性模式提取滤波器的图像来提取X射线吸收系数(以下称作亮度值)最高的点，并将以所提取出的点作为种子(seed)的Region Growing(区域生长)法应用于原图像。

在非专利文献2、3中提出如下的手法，即：根据原图像来生成X射线吸收系数(以下称作亮度值)的直方图分布，将关心区域的亮度值分布假定为高斯分布来求出各分布的参数，并基于所求出的亮度值分布来提取关心区域。

在专利文献1中提出如下的技术，即：从图像数据、图像附带信息之中选择预先设定的图像处理顺序及其参数并执行。

在先技术文献

专利文献

专利文献1：日本特开2009-82452号公报

非专利文献

非专利文献1：A.Shimizu，T.Kawamura，H.Kobatake.Proposalof computer-aided detection system for three dimensional CT images ofliver cancer.CARS 2005；1281；1157-1266

非专利文献2：MA.Selver，C.Guneyt.Proposal ofcomputer-aided detection system for three dimensional CT images of livercancer.IEEE Trans.2009；15；3；395-409

非专利文献3：Y.Shang，A.Markova，R.Deklerck，E.Nyssen，X.Yang，J.D.Mey.Liver segmentation by an active contour modelwith embedded Gaussian mixture model based classifiers.SPIE 2010：7723：772313

发明内容

发明要解决的课题

在多数的情况下关心区域的亮度值分布是未知的。例如，在肝脏癌的造影CT检查中，在急速静脉注射后30秒左右拍摄造影剂的动脉相中，造影剂进入到对象组织中而成为高吸收，对象组织的图像对比度变得清晰。但是，由于在多数的情况下造影剂的扩散快、拍摄定时不同，因此未必保障关心区域的亮度值分布变得相同。因而，在前述的现有技术中，提取用户不想要的区域而成为伪阳性增加、使提取精度恶化的原因。

在前述的非专利文献1的情况下，并非假定肿瘤有多个的情况。此外，由于详细的亮度分布是未知的，仅基于亮度梯度和线性模式来进行区域提取，因此有时会产生伪阳性的问题。在前述的非专利文献2、3的情况下，例如不仅是肝脏内，在肝实质、肝边缘部、囊肿、肿瘤、坏死、血管等也是亮度值不同的区域相邻地存在，因此准确的亮度值分布的估计变得困难。在前述的专利文献1中，为了决定适当的参数，需要多次拍摄所得的图像，从而将产生与之相伴的患者负担。

这样，在以往开发的技术中，由于详细的亮度分布的估计较为困难，因此无法克服区域提取中的伪阳性的问题。因此，本发明要解決的课题在于，提供克服区域提取中的伪阳性的问题，基于支持更准确的区域提取的图像数据的解析处理的区域提取处理***。

用于解决课题的手段

为了解决上述课题，提供一种区域提取处理***，从图像之中提取目标区域，其特征在于，所述区域提取处理***具备；输入部，受理所述目标区域和对象图像的输入；算法管理剖析数据库，保存用于提取所述目标区域的最佳的算法和包含未知数的参数；区域提取部，将所述目标区域和所述对象图像作为输入，获取在所述算法管理剖析数据库中保存的所述算法和所述参数，将所获取到的所述算法和所述参数应用于所述对象图像，由此来执行所述目标区域的区域提取处理；亮度分布解析部，将所述目标区域和所述对象图像作为输入，计算所述目标区域的亮度分布，由此来输出未知数参数；亮度分布管理数据库，保存生物体组织的亮度分布的类似性；区域提取前处理部，将所述对象图像和在所述算法管理剖析数据库中保存的所述算法和所述参数作为输入，进行用于求出未知数参数的前处理；和显示部，显示提取结果，在所述区域提取部中，当所输入的所述参数中包含未知数的情况下，从所述亮度分布解析部之中获取该参数的最佳值。

发明效果

根据本发明的区域提取处理***，在估计关心区域的亮度值分布之际，使用亮度值类似且提取容易的区域中的亮度值分布，从而可以更高精度地估计关心区域的亮度值分布，由此能够克服区域提取中的伪阳性的问题。由此，区域提取变得容易，可以实现更准确的区域提取。即，可以削减医生进行肿瘤诊断的劳动。此外，通过与电子病历等的信息***联合，从而不经由用户便能获取成为关心区域的部位名，故可以减轻用户的输入作业。

附图说明

图1是本发明中的区域提取处理***的第1构成图。

图2是本发明中的区域提取处理***的硬件构成图。

图3是表示本发明中的区域提取处理***的处理的流程的第1流程图。

图4是表示本发明中的区域提取处理***的构成要素间的处理的流程的第1顺序图。

图5是表示本发明中的区域提取处理***的画面的第1例。

图6是表征本发明中的区域提取处理***的算法剖析管理数据库的第1例。

图7是表示本发明中的区域提取处理***的画面的第2例。

图8是表示本发明中的区域提取处理***中的亮度分布解析部中的处理的流程的第1流程图。

图9是表示与本发明中的区域提取处理***中的亮度分布解析部联合的构成要素间的处理的流程的第1顺序图。

图10是表征本发明中的区域提取处理***的亮度分布管理数据库的图。

图11是本发明中的区域提取处理***的第2构成图。

图12是表示本发明中的区域提取处理***的构成要素间的处理的流程的第2顺序图。

图13是表示本发明中的区域提取处理***的电子病历数据库的图。

图14是表示本发明中的区域提取处理***的画面的第3例。

图15是表示本发明中的区域提取处理***中的亮度分布解析部中的处理的流程的第2流程图。

图16是表征本发明中的区域提取处理***的算法剖析管理数据库的第2例。

图17是本发明中的区域提取处理***的第3构成图。

图18是表示将本发明中的区域提取处理***的算法剖析管理数据库显示于其他***的画面的例子。

具体实施方式

以下，说明用于实施本发明的最优方式。

实施例1

图1是本发明中的区域提取处理***的构成图。图1所示的区域提取处理***由输入部101、显示部102、区域提取部103、算法剖析管理数据库104、亮度分布解析部105、亮度分布管理数据库106、和区域提取前处理部107构成。

针对本***的硬件构成进行叙述。在图2中示出实现本发明中的区域提取处理***的硬件构成图。算法剖析管理数据库104和亮度分布管理数据库106由HDD(Hard Disk Drive：硬盘驱动器)装置所代表的外部存储装置2014等构成。区域提取部103、亮度分布解析部105和区域提取前处理部107在中央处理装置2013、存储器2012等中，通过规定的程序的展开·启动，从而能够实现各种处理。显示部102能够通过利用了液晶显示器2011、CRT(Cathode-Ray Tube：阴极射线管)等的监视器来实现。此外，也可以输出至纸等的媒介物。输入部101能够通过键盘2010、鼠标、手写板来实现。

在图3中示出表示了区域提取处理***的动作概要的流程图。此外，在图4中示出与由图3所表示的流程图的一部分(S302、S304)相关的顺序图。首先，最初针对S301进行说明。在S301中，区域提取部为了进行区域提取处理，经由输入部101来获取提取对象的生物体组织(以下称作目标区域)和对象图像。在图5中，为了说明S301而示出在显示部102中显示出的画面例。图5所示的画面由条件设定部501、对象图像选择按钮5011、目标区域选择按钮5012、执行按钮5013、和图像显示部502构成。首先，最初当用户按下对象图像选择按钮5011，且通过所保存的对象图像的文件夹选择而选择了对象图像时，在图像显示部502中显示出对象图像。其次，经由目标区域选择按钮5012来输入目标区域。最后，当按下执行按钮5013时，执行S302以后的处理，在图像显示部502中显示出目标区域的提取结果(S306)。在本实施例中示出针对显示于图像显示部502的图像，通过目标区域选择按钮5012将HCC(HepatocellularCarcinoma：肝细胞癌)作为目标区域来指定的样态。

在S302中，区域提取部为了进行目标区域的提取，从算法剖析管理数据库104之中获取应用算法和参数。在图4的第1阶段中，用顺序图表现了S302中的***构成要素间的消息交互的样态。在此，在图6中示出算法剖析管理数据库104的例子。在本实施例中示出在算法剖析管理数据库104中有两个表格(算法剖析管理表格601、参数模式表格602)的样态。在算法剖析管理表格中，描述了用于提取生物体组织的算法、其参数模式的ID。此外，在参数模式表格中，描述了与参数模式的ID对应的具体参数。另外，在参数模式表格中，“-”表示不使用相应参数的情形，“？”表示是未知数的情形。在本实施例中可知，如果将第1个参数模式和水平集(Level Set)应用于动脉相的图像，则能够同时地提取肝脏内血管、门静脉和HCC。此外可知，为了单独地提取HCC，只要将第2个参数模式和水平集应用于对象图像即可。如图5所示，在HCC为目标区域的情况下，在S302中获取第2个参数模式和水平集。

算法剖析管理数据库104可以由用户来进行编辑。在图7中示出使算法剖析管理数据库104的内容显示于显示部102的画面例。图7所示的画面由编辑表格选择区块701、编辑表格提示部702、编辑更新按钮703、和编辑取消按钮704构成。首先，最初当用户经由编辑表格选择区块701而选择了要编辑的表格时，在编辑表格提示部702中显示出对象表格。在本实施例中示出通过编辑表格选择区块701选择了算法剖析管理表格104并将内容显示于编辑表格提示部702的样态。在此，虽然选择了算法剖析管理表格104，但是也可实现后述的亮度分布管理数据库106的选择和编辑。其次，当经由输入部101而结束了编辑时，在更新编辑内容的情况下按下编辑更新按钮703，在取消编辑内容的情况下按下编辑取消按钮704。这样一来，因为能够编辑表格，所以可以应对与参数、算法相关的新的知识。由此，具有可提取新的生物体组织、且提取精度得以提高等的效果。

在S303中，区域提取部判别在从算法剖析管理数据库104获取到的参数中是否有未知数，当有未知数的情况下转变至S304，当无未知数的情况下转变至S305。在本实施例中，如图5所示那样当目标区域只有HCC的情况下，由于如图6所示那样在参数(亮度最大值、亮度最小值)中有未知数，因此转变至S304。此外，当目标区域为肝脏的情况下，由于如图6所示那样参数模式变为4而无未知数，因此转变至S305。

在S304中，区域提取部将目标区域和对象图像作为输入，从亮度分布解析部之中获取未知数参数的亮度分布，并获取未知数参数的值。在图4的第2阶段中，用顺序图表现了S304中的***构成要素间的消息交互的样态。S304的输入值与由S301获取到的目标区域和对象图像相同。S304的详情将使用图8等而在后面叙述。

在S305中，区域提取部将由S302和S304获取到的应用算法和参数应用于对象图像来提取目标区域。其中，根据S303的判别结果，也有时不由S304获取参数。在本实施例中，如图5所示那样当目标区域只有HCC的情况下，通过将图6的参数模式表格所示的第3个参数模式和由S304获取到的参数值应用于水平集，应用于对象图像，由此来提取HCC的区域。

在此，针对亮度分布解析部的处理(S304)的基本见解进行叙述。在提取区域之际，大多情况下关心区域的亮度值分布是未知的。例如，在HCC的造影CT检查中，在急速静脉注射后30秒左右拍摄造影剂的动脉相中，造影剂进入到对象组织中而成为高吸收，对象组织的图像对比度变得清晰。但是，由于造影剂的扩散快、拍摄定时不同的情况也很多，因此未必能保障关心区域的亮度值分布变得相同。因而，在现有技术中，提取用户不想要的区域，从而成为伪阳性增加、使提取精度恶化的原因。故此，在本发明中，取代使用造影剂的每个生物体组织的扩散中的类似性来求出目标区域的亮度分布，而考虑预先提取亮度分布与目标区域类似、且提取容易的生物体组织，从类似部位的提取结果之中能推测目标区域的亮度分布的方法。在本实施例中所使用的HCC的情况下，如至今为止所叙述的那样，在提取HCC之前掌握准确的亮度值分布是较为困难的。但是，由于在动脉相中肝脏内血管、门静脉和HCC的造影剂的扩散特性相同，因此如果提取它们的生物体组织较为容易，则可以预先提取它们的生物体组织。根据这样提取出的结果，来推测作为目标区域的HCC的亮度分布，决定亮度最大值、亮度最小值。

其次，针对亮度分布解析部的详细处理(S304)，使用图8、图9、图10来叙述，在图8中示出表示了亮度分布解析部的详情的流程图。此外，在图9中示出与由图8所表示的流程图的一部分(S3041、S3042、S3043)相关的顺序图。

在S3041中，亮度分布解析部将目标区域作为输入，从亮度分布管理数据库106之中搜索与目标区域的亮度分布类似的区域(类似部位)。在图9的第1阶段中，用顺序图表现S3041中的***构成要素间的消息交互的样态。在亮度分布管理数据库106中管理亮度分布相类似的区域。在此，在图10中示出亮度分布管理数据库106的例子。在本实施例中示出按照动脉相、延迟相等的每个相位来管理亮度分布相类似的区域，在动脉相中肝脏内血管、门静脉、HCC、肾脏具有相类似的亮度分布这样的样态。另外，由于有时亮度值因装置制造商而不同，因此也可以在亮度分布管理数据库106的字段中追加“装置制造商”。在此，关于图5所示的HCC提取中的S3041的处理内容，叙述具体例。在本例中，当以从动脉相的图像之中提取HCC的情形作为输入并进行了受理时，从图10所示的亮度分布管理表格106之中提取肝脏内血管、门静脉、HCC、肾脏的4生物体组织作为HCC的类似部位。在此，在S3041中虽然输入仅为目标区域，但是在如图10所示的亮度分布管理表格那样按照相位来管理亮度分布的类似性的情况下，作为S3041的输入也包含相位。其中，相位不一定为必需的输入项目。

在S3042中，亮度分布解析部从算法剖析管理数据库104之中获取用于提取类似部位的全部或者一部分的应用算法和参数的组。在进行获取之际，由于实现容易的提取，因此获取参数中不包含未知数的组。在图9的第2阶段中，用顺序图表现S3042中的***构成要素间的消息交互的样态。在本实施例中，从图6所示的算法剖析管理数据库104之中获取用于对由S3041作为类似部位提取出的肝脏内血管、门静脉、HCC、肾脏进行提取的应用算法和参数。在本例中，如果将第1个参数和水平集应用于对象图像，则可以提取作为类似部位的一部分的肝脏内血管、门静脉、HCC。在此，在S3042中获取第1个参数模式和水平集。

在S3043中，亮度分布解析部将由S3042获取到的应用算法和参数应用于对象图像，提取类似部位，获取其亮度分布。在图9的第3阶段中，用顺序图表现S3043中的***构成要素间的消息交互的样态。在本实施例中，通过将由S3042获取到的第1个参数和水平集应用于对象图像，由此来提取作为类似部位的肝脏内血管、门静脉和HCC，获取其亮度分布。

在S3044中，亮度分布解析部根据由S3043获取到的亮度分布来计算图像特征量，作为未知数参数的值。作为根据亮度分布来计算图像特征量的方法，有根据亮度分布的最大值和最小值求出的方法、根据平均值/中央值/亮度值的最频值/方差值求出的方法等。例如在本实施例中，在由S3043获取到的肝脏内血管、门静脉、HCC的亮度分布中求出像素数成为最频值的亮度值(以下称作最频值)和方差值，将亮度值的最频值+方差值作为亮度最大值，将亮度值的最频值作为亮度最小值。

通过基于这种图像数据的解析处理的区域提取处理***，使用亮度值类似、且提取容易的区域中的亮度值分布，从而可以更高精度地估计关心区域的亮度值分布，由此可以克服区域提取中的伪阳性的问题。由此，区域提取容易，可以实现更准确的区域提取。即，可以削减医生进行肿瘤诊断的劳动。

实施例2

图11是本发明中的区域提取处理***的第2构成图。尤其是，以与电子病历***等其他信息***联合来获取目标区域的情形为目的，在图1所示的构成图中新追加信息***联合部108，并变更了区域提取部103的处理方法。在本实施例中，虽然与电子病历***联合，但是也可以与放射线信息***等管理目标区域的***联合。信息***联合部108在图2所示的中央处理装置2013、存储器2012等中，通过规定的程序的展开·启动，从而能够实现各种处理。此外，在图11中，电子病历***至少具备电子病历数据库109，电子病历数据库109由HDD(Hard Disk Drive：硬盘驱动器)装置所代表的外部存储装置等构成。

在图12中示出实现本实施例所示的***的流程图。与图3所示的流程图的不同之处在于，在图3中经由输入部获取了目标区域(S301)，而在图12中经由信息***联合部进行了获取(S307和S308)。因而，关于本处理来详细进行叙述。

在S307中，为了进行区域提取处理，经由输入部101仅获取对象图像。其次，在S308中，区域提取部103经由信息***联合部108而从位于电子病历***等的信息***中的数据库之中获取提取对象的目标区域。在图13中示出电子病历数据库109的例子。在本实施例中示出在电子病历数据库109中保持电子病历***中的指令(order)信息并具有指令管理表格的样态。在本例中，指令ID001的指令示出：在2011/07/1，在A田B男患者P001的肝脏，疑似HCC，并委托拍摄的样态。在图14中示出与S307和S308关联的、显示在显示部102中的画面例。与图5的不同之处在于，无目标区域选择按钮5012。

其次，使用图13和图14，采用具体例来说明图12所示的处理的流程。在本实施例中，首先，最初当由用户按下图14所示的对象图像选择按钮5011，且通过所保存的对象图像的文件夹选择而选择了对象图像时，获取患者名、指令ID、拍摄日、相位，并且在图像显示部502中显示出对象图像(S307)。其次，当由用户按下执行按钮5013时，区域提取部103从图13所示的指令管理表格的疑似病名之中获取目标区域作为HCC(S308)。然后，在将作为目标区域获取到的HCC显示于图14所示的画面的同时，进行区域提取处理(S302～S305)，显示最终结果(S306)。

通过基于这种图像数据的解析处理的区域提取处理***，不经由用户便能将成为关心区域的部位名作为目标区域来获取。由此，可以进一步减轻用户的负担。

实施例3

图15是表示了本发明中的亮度分布解析部105的详细处理(S304)的第2流程图。与图8所示的流程图比较时，为了应对从算法剖析管理数据库104获取的算法和参数的选择项有多个的情况，S3043的处理变更为S3045。因此，使用图16所示的算法剖析管理数据库104的具体例来说明以S3045为中心的处理的流程。首先，在S3042中，当目标区域为HCC的情况下，从图16所示的算法剖析管理数据库104之中获取用于对肝脏内血管、门静脉、HCC进行提取的应用算法和参数模式的组、以及用于对肝脏内血管、门静脉进行提取的应用算法和参数模式的组。

其次，在S3045中，当由S3042获取到的应用算法和参数的组有多个的情况下，将伪阳性率最低的应用算法和参数的组应用于图像。由此，提取类似部位，获取其亮度分布。其原因在于，通过考虑伪阳性的发生率，以提高精度，能够获取目标区域的更准确的亮度分布。在本实施例中，当使用用来提取肝脏内血管、门静脉的应用算法和参数模式时，伪阳性率最小。因而，通过将第5个参数和水平集应用于对象图像，由此来提取作为类似部位的肝脏内血管和门静脉，获取其亮度分布。

最后，在S3044中，根据由S3045获取到的亮度分布来计算图像特征量，作为未知数参数的值。例如在本实施例中，作为图像特征量，计算由S3045获取到的肝脏内血管、门静脉的亮度分布的最频值、以及具有以最频值-a和最频值+a为端点的封闭空间内的亮度值的像素数超过预先设定的阈值的正的整数之中的最小的值a。未知数参数的亮度最大值作为最频值+a来决定，亮度最小值作为最频值-a来决定。

通过基于这种图像数据的解析处理的区域提取处理***，可以考虑伪阳性发生率，故能够估计更准确的亮度分布，目标区域的提取精度得以提高。

实施例4

图17是本发明中的区域提取处理***的构成图。尤其是，以从远距离编辑算法剖析管理数据库104的情形为目的，在图1所示的构成图中追加了通信线路部110。通信线路部110在图2所示的中央处理装置2013、存储器2012等中，通过规定的程序的展开·启动，从而能够实现各种处理。在通信线路部110中，经由通信线路而向电子病历、放射线信息***等其他信息***发送在算法管理剖析数据库104中保存的信息，并经由通信线路来接收由其他信息***编辑后的内容。在图18中示出经由通信线路部110而在其他信息***的显示部进行显示的画面例。与图7的不同之处在于，为了与区域提取处理***联合而新追加了连接目的地指定区块705。首先，最初当用户经由编辑表格选择区块701选择要编辑的表格，且对连接目的地指定区块705指定联合对象的区域提取处理***的IP地址等的场所时，经由通信线路部110而在编辑表格提示部702中显示对象表格。其次，当结束编辑时，在更新编辑内容的情况下按下编辑更新按钮703，在取消编辑内容的情况下按下编辑取消按钮704。由此，经由通信线路部110来更新算法剖析管理数据库104。

通过基于这种图像数据的解析处理的区域提取处理***，可以远距离编辑算法剖析管理数据库104，因此在发现了可提取新的生物体组织的算法、参数的情况下，可以迅速地反映给区域提取处理***。此外，通过远距离编辑，从而无需前往设置区域提取处理***的现场便能实现远程维护。

产业上的可利用性

本发明涉及医用图像数据的解析处理***，尤其作为用于支持准确的区域提取的图像数据的解析处理技术是有用的。

符号说明

101   输入部

102   显示部

103   区域提取部

104   算法剖析管理数据库

105   亮度分布解析部

106   亮度分布管理数据库

107   区域提取前处理部

108   信息***联合部

109   电子病历数据库

110   通信线路部

2010  键盘

2011  液晶显示器

2012  存储器

2013  中央处理装置

2014  外部存储装置

501   条件设定部

5011  对象图像选择按钮

5012  目标区域选择按钮

5013  执行按钮

502   图像显示部

701   编辑表格选择区块

702   编辑表格提示部

703   编辑更新按钮

704   编辑取消按钮

705   连接目的地指定区块

Claims (7)

1.一种区域提取处理***，从图像之中提取目标区域，其特征在于，

所述区域提取处理***具备：

输入部，受理所述目标区域和对象图像的输入；

算法管理剖析数据库，保存用于提取所述目标区域的最佳的算法和包含未知数的参数；

区域提取部，将所述目标区域和所述对象图像作为输入，获取在所述算法管理剖析数据库中保存的所述算法和所述参数，将所获取到的所述算法和所述参数应用于所述对象图像，由此来执行所述目标区域的区域提取处理；

亮度分布解析部，将所述目标区域和所述对象图像作为输入，计算所述目标区域的亮度分布，从而输出未知数参数；

亮度分布管理数据库，保存生物体组织的亮度分布的类似性；

区域提取前处理部，将所述对象图像和在所述算法管理剖析数据库中保存的所述算法以及所述参数作为输入，进行用于求出未知数参数的前处理；和

显示部，显示提取结果，

在所述区域提取部中，在所输入的所述参数中包含未知数的情况下，从所述亮度分布解析部中获取该参数的最佳值。

2.根据权利要求1所述的区域提取处理***，其特征在于，

还具有：信息***联合部，从电子病历数据库或者放射线信息***数据库之中获取所述目标区域。

3.根据权利要求1所述的区域提取处理***，其特征在于，

在所述亮度分布解析部中，

根据由所述亮度分布管理数据库所保存的类似性，搜索具有与所述目标区域的亮度分布类似的亮度分布的区域作为类似部位，

从所述算法管理剖析数据库之中，获取用于提取所述类似部位的全部或者其一部分的区域的所述算法和所述参数，

作为用于求出所述未知数参数的前处理，在区域提取前处理部中，使用所获取到的所述算法和所述参数来提取类似部位的区域，使用根据区域提取结果计算出的亮度分布来计算图像特征量，

根据所述图像特征量来决定未知数参数的值。

4.根据权利要求3所述的区域提取处理***，其特征在于，

在所述算法管理剖析数据库中，按照算法和参数的每组，保存作为伪阳性发生的概率的伪阳性率，

在所述亮度分布解析部中，当与所述目标区域的亮度分布类似的类似部位存在多个的情况下，使用所述算法管理剖析数据库的数据，从所述算法管理剖析数据库之中仅获取伪阳性率最小的所述算法和所述参数。

5.根据权利要求3所述的区域提取处理***，其特征在于，

由所述区域提取部获取的未知数的参数是目标区域的亮度最大值和亮度最小值，

在所述亮度分布解析部中，

在区域提取前处理部中为了决定未知数参数而使用的所述图像特征量，是在由所述区域提取前处理部计算出的亮度分布中像素数成为最频值的亮度值、和具有以最频值-a和最频值+a为端点的封闭空间内的亮度值的像素数超过预先设定的阈值的正的整数的最小值a。

6.根据权利要求1或2所述的区域提取处理***，其特征在于，

在所述显示部中，显示在算法管理剖析数据库中保存的数据，

在所述输入部中，受理在所述显示部中显示的所述算法管理剖析数据库的编辑内容。

7.根据权利要求1或2所述的区域提取处理***，其特征在于，

还具有：通信线路部，经由通信线路向其他信息***发送在所述算法管理剖析数据库中保存的信息，并经由通信线路来接收由其他信息***编辑后的算法管理剖析数据库的编辑内容。