JP2013051988A - 画像処理装置、画像処理方法、及び画像処理プログラム - Google Patents
画像処理装置、画像処理方法、及び画像処理プログラム Download PDFInfo
- Publication number
- JP2013051988A JP2013051988A JP2011190073A JP2011190073A JP2013051988A JP 2013051988 A JP2013051988 A JP 2013051988A JP 2011190073 A JP2011190073 A JP 2011190073A JP 2011190073 A JP2011190073 A JP 2011190073A JP 2013051988 A JP2013051988 A JP 2013051988A
- Authority
- JP
- Japan
- Prior art keywords
- image
- image processing
- feature
- feature amount
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 81
- 238000003672 processing method Methods 0.000 claims abstract description 5
- 238000004364 calculation method Methods 0.000 claims description 36
- 238000001514 detection method Methods 0.000 claims description 29
- 238000007689 inspection Methods 0.000 claims description 22
- 238000013450 outlier detection Methods 0.000 claims description 6
- 238000010521 absorption reaction Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 24
- 230000004048 modification Effects 0.000 description 24
- 238000010586 diagram Methods 0.000 description 10
- 230000003902 lesion Effects 0.000 description 10
- 238000004422 calculation algorithm Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- VZSRBBMJRBPUNF-UHFFFAOYSA-N 2-(2,3-dihydro-1H-inden-2-ylamino)-N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]pyrimidine-5-carboxamide Chemical class C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C(=O)NCCC(N1CC2=C(CC1)NN=N2)=O VZSRBBMJRBPUNF-UHFFFAOYSA-N 0.000 description 5
- 238000011156 evaluation Methods 0.000 description 5
- AFCARXCZXQIEQB-UHFFFAOYSA-N N-[3-oxo-3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propyl]-2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidine-5-carboxamide Chemical class O=C(CCNC(=O)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)N1CC2=C(CC1)NN=N2 AFCARXCZXQIEQB-UHFFFAOYSA-N 0.000 description 4
- 239000000470 constituent Substances 0.000 description 4
- MKYBYDHXWVHEJW-UHFFFAOYSA-N N-[1-oxo-1-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)propan-2-yl]-2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidine-5-carboxamide Chemical class O=C(C(C)NC(=O)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)N1CC2=C(CC1)NN=N2 MKYBYDHXWVHEJW-UHFFFAOYSA-N 0.000 description 3
- NIPNSKYNPDTRPC-UHFFFAOYSA-N N-[2-oxo-2-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)ethyl]-2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidine-5-carboxamide Chemical class O=C(CNC(=O)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F)N1CC2=C(CC1)NN=N2 NIPNSKYNPDTRPC-UHFFFAOYSA-N 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 3
- 210000004877 mucosa Anatomy 0.000 description 3
- 210000004400 mucous membrane Anatomy 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000015654 memory Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000002775 capsule Substances 0.000 description 1
- 238000005562 fading Methods 0.000 description 1
- 239000010794 food waste Substances 0.000 description 1
- 210000001035 gastrointestinal tract Anatomy 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 102000030938 small GTPase Human genes 0.000 description 1
- 108060007624 small GTPase Proteins 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10068—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
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Image Analysis (AREA)
- Endoscopes (AREA)
- Image Processing (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
【解決手段】画像処理装置は、画像内の各画素の特徴量を算出する特徴量算出部110と、特徴量を成分とする特徴空間において該特徴量が分布する分布領域の形状を近似する近似形状を算出する近似形状算出部120、近似形状及び上記分布領域の形状をもとに、画像内の異常部を検出する異常部検出部130とを備える。
【選択図】図1
Description
なお、本発明は、管腔内画像に限定されることなく、他の一般的な画像内から特定の領域を検出する画像処理装置に広く適用することが可能である。
図1は、本発明の実施の形態1に係る画像処理装置の構成を示すブロック図である。図1に示すように、画像処理装置1は、当該画像処理装置1全体の動作を制御する制御部10と、医用観察装置によって撮像された管腔内画像の画像データを取得する画像取得部11と、外部から入力された入力信号を受け付ける入力部12と、管腔内画像や各種情報を含む画面を表示する表示部13と、記録部14と、管腔内画像から異常部を検出する演算処理を行う演算部100とを備える。
表示部13は、LCDやELディスプレイ等の表示装置によって実現される。
まず、ステップS101において、演算部100は、記録部14から処理対象の画像を取得する。
G=a×R+b …(1)
なお、本実施の形態1においては上式(1)を当て嵌めに用いたが、それ以外の直線の式(aR+bG+c=0)を用いても良い。
なお、特徴空間内距離としては、点(Ri,Gi)と直線モデルとの距離、即ち、点(Ri,Gi)から直線aR+bG+c=0に下ろした垂線の長さを用いても良い。
次に、実施の形態1の変形例1−1について説明する。
変形例1−1に係る画像処理装置は、図1に示す図形当て嵌め部121の代わりに、図4に示す図形当て嵌め部122を有する。図形当て嵌め部122は、特徴量の分布形状に対して曲線を当て嵌める曲線当て嵌め部122aを含む。その他の構成は、実施の形態1と同様である。
G=a×R2+b×R+c …(3)
その後、画像処理装置の動作はステップS104に移行する。
次に、実施の形態1の変形例1−2について説明する。
変形例1−2に係る画像処理装置は、図1に示す図形当て嵌め部121の代わりに、図7に示す図形当て嵌め部123を有する。図形当て嵌め部123は、特徴量の分布形状に対して、複数の曲線(図形)を当て嵌める曲線当て嵌め部123aと、複数の曲線を当て嵌めた結果の内から、最も当て嵌め精度の高い結果を選択する当て嵌め結果選択部123bとを含む。
次に、実施の形態1の変形例1−3について説明する。
変形例1−3に係る画像処理装置は、図1に示す異常部検出部130の代わりに、図9に示す異常部検出部140を備える。異常部検出部140は、特徴空間内距離算出部131に加えて、特徴空間内距離の分布の外れ値を検出する外れ値検出部141を有し、外れ値検出部141による検出結果をもとに異常部を検出する。
ステップS104に続くステップS115において、外れ値検出部141は、特徴空間内距離dの分布の外れ値を検出することにより異常部画素を検出する。具体的には、ステップS104において算出された全ての特徴空間内距離dの分散値及び標準偏差を求め、この標準偏差の所定倍以上となる特徴空間内距離dを有する画素を異常部画素として検出する。
次に、実施の形態1の変形例1−4について説明する。
変形例1−4に係る画像処理装置は、図1に示す異常部検出部130の代わりに、図11に示す異常部検出部150を備える。異常部検出部150は、特徴空間内距離算出部131に加えて、特徴空間内距離dをもとに所定の画素を検出し、検出した画素画像内において連結する領域連結部151を有し、領域連結部151によって連結された連結領域の特徴量をもとに異常部を検出する。
ステップS104に続くステップS125において、領域連結部151は、特徴空間内距離が所定の閾値以上である画素を画像内で連結する。具体的には、ステップS104において算出された特徴空間内距離dが所定の閾値以上となる画素を抽出し、これらの画素の座標をもとに画素を画像化する。その後、公知のラベリング処理(参考:CG−ARTS協会、「ディジタル画像処理」、第181頁)により、互いに隣接する閾値以上の画素を連結した連結領域を求める。
その後、動作はステップS106に移行する。
次に、本発明の実施の形態2について説明する。
実施の形態2に係る画像処理装置は、図1に示す演算部100の代わりに、図13に示す演算部200を備える。演算部200は、特徴量算出部110と、近似形状算出部210と、異常部検出部130とを備える。この内、特徴量算出部110及び異常部検出部130の構成及び動作は、実施の形態1と同様である。
ステップS201において、繰返し推定部211aは、R−G特徴空間における特徴量の分布に対して直線を当て嵌めることにより、直線モデルを算出する(図3参照)。なお、このステップS201における詳細な動作は、図2のステップS103において説明したものと同様である。
その後、動作はメインルーチンに戻る。
次に、実施の形態2の変形例2−1について説明する。
変形例2−1に係る画像処理装置は、図13に示すロバスト推定部211の代わりに、図16に示すロバスト推定部212を有する。ロバスト推定部212は、特徴量の分布の内から抽出した複数の異なるサンプリングデータをもとに推定した複数の推定結果から、最も推定精度の高い推定結果を探索する最良推定探索部212aを含む。
図17は、図14のステップS200における詳細な動作を示すフローチャートである。
その後、画像処理装置の動作はメインルーチンに戻る。
次に、本発明の実施の形態3について説明する。
実施の形態3に係る画像処理装置は、図1に示す演算部100の代わりに、図18に示す演算部300を備える。演算部300は、特徴量算出部110と、画像内の検査領域を特定する検査領域特定部310と、検査領域特定部310によって特定された検査領域に対し、R−G特徴空間における特徴量の分布形状を近似する近似形状を算出する近似形状算出部320と、分布形状及びその近似形状をもとに検査領域から異常部を検出する異常部検出部330とを備える。この内、特徴量算出部110の構成及び動作は、実施の形態1と同様である。また、近似形状算出部320及び異常部検出部330の構成及び動作は、処理対象が画像全体ではなく検査領域内に限定されるという点を除いて、図1に示す近似形状算出部120及び異常部検出部130とそれぞれ同様である。
ステップS102に続くステップS301において、検査領域特定部310は、各画素の特徴量をもとに検査領域を特定する。
図20のステップS311において、クラスタリング部311は、画像内の各画素の特徴量の分布をクラスタ分け(クラスタリング)する。クラスタリング法としては、階層法、k-means法(参考:CG−ARTS協会、「ディジタル画像処理」、第231頁)、期待値最大化アルゴリズム(EMアルゴリズム)、自己組織化マップ等の公知の手法を用いて実現することができる。図21は、画像内の画素の特徴量(Ri,Gi)が2つのクラスタCL1、CL2にクラスタリングされた例を示す。
次に、クラスタ特定部312は、教師データのR−G特徴空間における粘膜領域の特徴量分布、及び非粘膜領域(粘膜領域以外の部分)の特徴量分布の各々に対して、公知の期待値最大化アルゴリズム(EMアルゴリズム)を用いた混合正規分布の当て嵌めを行うことにより、粘膜領域及び非粘膜双方の特徴量分布の確率密度関数を推定する。この場合、確率密度関数は、正規分布f(Ci)の線形和の式である次式(7)によって与えられる。
この後、動作はメインルーチンに戻る。
ステップS304において、異常部検出部330は、特徴空間内距離を閾値処理することにより、異常部画素を検出する。
実施の形態3においては、確率モデルをもとに粘膜領域のクラスタを特定する方法を説明したが、それ以外の方法を用いても良い。例えば、画像内の画素の特徴量をクラスタリング(ステップS301)した後、各クラスタの重心座標(RC1,GC1)、(RC2,GC2)を算出し、これらの重心座標を閾値処理することにより、粘膜領域のクラスタを特定しても良い。この際に用いられる閾値は、例えば教師データから取得しても良い。或いは、各クラスタに含まれる各画素に対し、特徴量を閾値処理することにより粘膜領域であるか否かを判別し、粘膜領域と判別された画素の割合が所定の閾値以上となるクラスタを、粘膜領域のクラスタと判定しても良い。なお、各画素の判別に用いられる閾値についても、例えば教師データから取得すれば良い。
以上説明した実施の形態1〜3においては、画像内の各画素の特徴量の分布に基づいて異常部の検出処理を行ったが、画素単位ではなく、画像を複数の領域に分割した各領域の特徴量の分布に基づいて同様の処理を行っても良い。
実施の形態1〜3においては、直線又は曲線を特徴量の分布形状に当て嵌めることにより、分布形状を近似する直線モデル又は曲線モデルを算出したが、それ以外の種々の図形を用いて当て嵌めを行っても良い。例えば、2種類の特徴量を成分とする2次元特徴空間における特徴量の分布形状を近似する場合、円、楕円、三角形、四角形等の図形を当て嵌めても良い。なお、特徴量の分布形状をこれらの図形により近似する場合、特徴空間内距離としては、例えば、特徴量を表す点とモデルの周との間の距離を算出すれば良い。
実施の形態1〜3においては、具体例として、2種類の特徴量(R成分及びG成分の値)を用いて演算処理を行ったが、3種類以上の特徴量を用いても良い。この場合、当て嵌めに用いる図形としては、直線及び曲線の他、2次元図形や3次元図形(例えば、球、円柱等)を用いることもできる。
10 制御部
11 画像取得部
12 入力部
13 表示部
14 記録部
14a 画像処理プログラム
100、200、300 演算部
110 特徴量算出部
120、210、320 近似形状算出部
121、122、123 図形当て嵌め部
121a 直線当て嵌め部
122a、123a 曲線当て嵌め部
123b 当て嵌め結果選択部
130、140、150 異常部検出部
131 特徴空間内距離算出部
141 外れ値検出部
151 領域連結部
211、212 ロバスト推定部
211a 繰返し推定部
212a 最良推定探索部
310 検査領域特定部
311 クラスタリング部
312 クラスタ特定部
330 異常部検出部
Claims (17)
- 画像内の各画素、又は前記画像を複数の領域に分割した各領域の特徴量を算出する特徴量算出手段と、
前記特徴量を成分とする特徴空間において前記特徴量が分布する分布領域の形状を近似する近似形状を算出する近似形状算出手段と、
前記近似形状及び前記分布領域の形状をもとに、前記画像内の異常部を検出する異常部検出手段と、
を備えることを特徴とする画像処理装置。 - 前記特徴量算出手段は、2種類以上の特徴量を算出し、
前記特徴空間は、前記2種類以上の特徴量を成分とする2次元以上の空間であることを特徴とする請求項1に記載の画像処理装置。 - 前記画像は管腔内画像であり、
前記特徴量算出手段は、生体内における吸収・散乱の度合いが異なる2つ以上の波長成分を特徴量として算出することを特徴とする請求項2に記載の画像処理装置。 - 前記近似形状算出手段は、
前記分布領域の形状に対して幾何学図形を当て嵌める図形当て嵌め手段を備え、
前記図形当て嵌め手段が当て嵌めた図形を、前記近似形状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。 - 前記図形当て嵌め手段は、前記分布領域の形状に対して直線を当て嵌める直線当て嵌め手段を備えることを特徴とする請求項4に記載の画像処理装置。
- 前記図形当て嵌め手段は、前記分布領域の形状に対して曲線を当て嵌める曲線当て嵌め手段を備えることを特徴とする請求項4に記載の画像処理装置。
- 前記図形当て嵌め手段は、複数の前記幾何学図形を当て嵌めた結果の内から、最も当て嵌め精度の高い結果を選択する当て嵌め結果選択手段を備えることを特徴とする請求項4に記載の画像処理装置。
- 前記近似形状算出手段は、
前記特徴量の分布の外れ値を除いて前記近似形状を推定するロバスト推定手段を備え、
前記ロバスト推定手段による推定結果をもとに、前記近似形状を算出することを特徴とする請求項1に記載の画像処理装置。 - 前記ロバスト推定手段は、前記近似形状の推定と該推定の結果に基づく外れ値除去とを再帰的に繰返す繰返し推定手段を備えることを特徴とする請求項8に記載の画像処理装置。
- 前記ロバスト推定手段は、前記特徴量の分布の内から互いに異なる複数のサンプリングデータを抽出し、該複数のサンプリングデータをもとに推定した複数の推定結果から、最も推定精度の高い推定結果を探索する最良推定探索手段を備えることを特徴とする請求項8に記載の画像処理装置。
- 前記異常部検出手段は、
前記画像内の各画素又は前記各領域の特徴量と前記近似形状との特徴空間内距離を算出する特徴空間内距離算出手段を備え、
前記特徴空間内距離をもとに異常部を検出することを特徴とする請求項1に記載の画像処理装置。 - 前記異常部検出手段は、
前記特徴空間内距離の分布の外れ値を検出する外れ値検出手段をさらに備え、
前記外れ値検出手段による検出結果をもとに異常部を検出することを特徴とする請求項11に記載の画像処理装置。 - 前記異常部検出手段は、
前記特徴空間内距離をもとに所定の画素又は領域を検出し、検出した該画素又は該領域を前記画像内において連結する領域連結手段をさらに備え、
前記領域連結手段によって連結された連結領域内の前記特徴量をもとに異常部を検出することを特徴とする請求項11に記載の画像処理装置。 - 前記画像内の検査領域を特定する検査領域特定手段をさらに備え、
前記近似形状算出手段は、前記検査領域内の前記特徴量を用いて前記近似形状を算出することを特徴とする請求項1に記載の画像処理装置。 - 前記検査領域特定手段は、
前記画像内の特徴量の分布をクラスタ分けするクラスタリング手段と、
前記検査領域内の特徴量が含まれるクラスタを特定するクラスタ特定手段と、
を備え、
前記クラスタ特定手段による前記クラスタの特定結果をもとに、前記検査領域を特定することを特徴とする請求項14に記載の画像処理装置。 - 画像内の各画素、又は前記画像を複数の領域に分割した各領域の特徴量を算出する特徴量算出ステップと、
前記特徴量を成分とする特徴空間において前記特徴量が分布する分布領域の形状を近似する近似形状を算出する近似形状算出ステップと、
前記近似形状及び前記分布領域の形状をもとに、前記画像内の異常部を検出する異常部検出ステップと、
を含むことを特徴とする画像処理方法。 - 画像内の各画素、又は前記画像を複数の領域に分割した各領域の特徴量を算出する特徴量算出ステップと、
前記特徴量を成分とする特徴空間において前記特徴量が分布する分布領域の形状を近似する近似形状を算出する近似形状算出ステップと、
前記近似形状及び前記分布領域の形状をもとに、前記画像内の異常部を検出する異常部検出ステップと、
をコンピュータに実行させることを特徴とする画像処理プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011190073A JP5851160B2 (ja) | 2011-08-31 | 2011-08-31 | 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 |
EP12006094A EP2565846A1 (en) | 2011-08-31 | 2012-08-28 | Intraluminal lesion detection by classifying pixel colours |
CN201210313702.6A CN103164852B (zh) | 2011-08-31 | 2012-08-29 | 图像处理装置以及图像处理方法 |
US13/599,429 US8948479B2 (en) | 2011-08-31 | 2012-08-30 | Image processing device, image processing method and computer readable recording device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011190073A JP5851160B2 (ja) | 2011-08-31 | 2011-08-31 | 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 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2013051988A true JP2013051988A (ja) | 2013-03-21 |
JP2013051988A5 JP2013051988A5 (ja) | 2014-10-09 |
JP5851160B2 JP5851160B2 (ja) | 2016-02-03 |
Family
ID=47076009
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011190073A Active JP5851160B2 (ja) | 2011-08-31 | 2011-08-31 | 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 |
Country Status (4)
Country | Link |
---|---|
US (1) | US8948479B2 (ja) |
EP (1) | EP2565846A1 (ja) |
JP (1) | JP5851160B2 (ja) |
CN (1) | CN103164852B (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014213094A (ja) * | 2013-04-26 | 2014-11-17 | Hoya株式会社 | 病変評価情報生成装置 |
WO2016208748A1 (ja) * | 2015-06-25 | 2016-12-29 | Hoya株式会社 | 内視鏡システム及び評価値計算装置 |
WO2021220873A1 (ja) * | 2020-04-30 | 2021-11-04 | ソニーグループ株式会社 | 生成装置、生成方法、生成プログラム及び診断支援システム |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6265588B2 (ja) * | 2012-06-12 | 2018-01-24 | 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 |
US9824189B2 (en) * | 2015-01-23 | 2017-11-21 | Panasonic Intellectual Property Management Co., Ltd. | Image processing apparatus, image processing method, image display system, and storage medium |
EP3660782B1 (en) * | 2015-03-06 | 2022-08-10 | Teledyne Flir, LLC | Anomalous pixel detection |
JP6552601B2 (ja) * | 2015-03-20 | 2019-07-31 | 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画像処理プログラム |
JP6113387B1 (ja) * | 2015-08-13 | 2017-04-12 | Hoya株式会社 | 評価値計算装置及び電子内視鏡システム |
JP6113386B1 (ja) * | 2015-08-13 | 2017-04-12 | Hoya株式会社 | 評価値計算装置及び電子内視鏡システム |
DE112016004454B4 (de) * | 2015-09-30 | 2019-04-25 | Hoya Corporation | Endoskopsystem und Bewertungswertberechnungseinrichtung |
US10659658B2 (en) | 2016-08-31 | 2020-05-19 | Hoya Corporation | Processor for electronic endoscope, and electronic endoscope system |
JP6581730B2 (ja) * | 2016-08-31 | 2019-09-25 | Hoya株式会社 | 電子内視鏡用プロセッサ及び電子内視鏡システム |
JP6842329B2 (ja) * | 2017-03-24 | 2021-03-17 | 株式会社Screenホールディングス | 画像処理方法および画像処理装置 |
TWI660325B (zh) * | 2018-02-13 | 2019-05-21 | 大猩猩科技股份有限公司 | 一種分佈式的影像分析系統 |
TWI687899B (zh) * | 2019-06-27 | 2020-03-11 | 鈺緯科技開發股份有限公司 | 應用於內視鏡的顯示校正系統及其校正方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5625762A (en) * | 1990-05-11 | 1997-04-29 | Hitachi, Ltd. | Method for extracting three-dimensional color vector |
JP2000206027A (ja) * | 1999-01-14 | 2000-07-28 | Hitachi Ltd | 粒子画像領域分割方法 |
JP2004521693A (ja) * | 2001-03-14 | 2004-07-22 | ギブン・イメージング・リミテッド | 生体内での比色分析の異常を検出するための方法およびシステム |
JP2005192880A (ja) * | 2004-01-08 | 2005-07-21 | Olympus Corp | 画像処理方法 |
JP2007175434A (ja) * | 2005-12-28 | 2007-07-12 | Olympus Medical Systems Corp | 画像処理装置および当該画像処理装置における画像処理方法 |
JP2009163579A (ja) * | 2008-01-08 | 2009-07-23 | Olympus Corp | 画像処理装置および画像処理プログラム |
US20090196476A1 (en) * | 2006-08-08 | 2009-08-06 | Olympus Medical Systems Corp. | Medical image processing device and medical image processing method |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08221388A (ja) * | 1995-02-09 | 1996-08-30 | Nec Corp | フィッティングパラメータ決定方法 |
US5984870A (en) * | 1997-07-25 | 1999-11-16 | Arch Development Corporation | Method and system for the automated analysis of lesions in ultrasound images |
JP4504417B2 (ja) | 2005-01-31 | 2010-07-14 | オリンパス株式会社 | 画像処理装置、顕微鏡システム、及び領域特定プログラム |
US8280132B2 (en) * | 2006-08-01 | 2012-10-02 | Rutgers, The State University Of New Jersey | Malignancy diagnosis using content-based image retreival of tissue histopathology |
JP5121204B2 (ja) | 2006-10-11 | 2013-01-16 | 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 |
US20100312072A1 (en) * | 2008-01-02 | 2010-12-09 | Yeda Research And Development Co. Ltd. | Method and system for detecting and grading prostate cancer |
JP2010186288A (ja) * | 2009-02-12 | 2010-08-26 | Seiko Epson Corp | 顔画像の所定のテクスチャー特徴量を変更する画像処理 |
-
2011
- 2011-08-31 JP JP2011190073A patent/JP5851160B2/ja active Active
-
2012
- 2012-08-28 EP EP12006094A patent/EP2565846A1/en not_active Withdrawn
- 2012-08-29 CN CN201210313702.6A patent/CN103164852B/zh active Active
- 2012-08-30 US US13/599,429 patent/US8948479B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5625762A (en) * | 1990-05-11 | 1997-04-29 | Hitachi, Ltd. | Method for extracting three-dimensional color vector |
JP2000206027A (ja) * | 1999-01-14 | 2000-07-28 | Hitachi Ltd | 粒子画像領域分割方法 |
JP2004521693A (ja) * | 2001-03-14 | 2004-07-22 | ギブン・イメージング・リミテッド | 生体内での比色分析の異常を検出するための方法およびシステム |
JP2005192880A (ja) * | 2004-01-08 | 2005-07-21 | Olympus Corp | 画像処理方法 |
JP2007175434A (ja) * | 2005-12-28 | 2007-07-12 | Olympus Medical Systems Corp | 画像処理装置および当該画像処理装置における画像処理方法 |
US20090196476A1 (en) * | 2006-08-08 | 2009-08-06 | Olympus Medical Systems Corp. | Medical image processing device and medical image processing method |
JP2009163579A (ja) * | 2008-01-08 | 2009-07-23 | Olympus Corp | 画像処理装置および画像処理プログラム |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014213094A (ja) * | 2013-04-26 | 2014-11-17 | Hoya株式会社 | 病変評価情報生成装置 |
WO2016208748A1 (ja) * | 2015-06-25 | 2016-12-29 | Hoya株式会社 | 内視鏡システム及び評価値計算装置 |
JPWO2016208748A1 (ja) * | 2015-06-25 | 2017-06-29 | Hoya株式会社 | 内視鏡システム及び評価値計算装置 |
US10702127B2 (en) | 2015-06-25 | 2020-07-07 | Hoya Corporation | Endoscope system and evaluation value calculation device |
WO2021220873A1 (ja) * | 2020-04-30 | 2021-11-04 | ソニーグループ株式会社 | 生成装置、生成方法、生成プログラム及び診断支援システム |
Also Published As
Publication number | Publication date |
---|---|
CN103164852B (zh) | 2016-09-28 |
US20130051642A1 (en) | 2013-02-28 |
CN103164852A (zh) | 2013-06-19 |
US8948479B2 (en) | 2015-02-03 |
JP5851160B2 (ja) | 2016-02-03 |
EP2565846A1 (en) | 2013-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5851160B2 (ja) | 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 | |
Mahmood et al. | Deep adversarial training for multi-organ nuclei segmentation in histopathology images | |
JP5959168B2 (ja) | 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 | |
Rebouças Filho et al. | Novel and powerful 3D adaptive crisp active contour method applied in the segmentation of CT lung images | |
JP5576782B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
CN107480677B (zh) | 一种识别三维ct图像中感兴趣区域的方法及装置 | |
CN111325739B (zh) | 肺部病灶检测的方法及装置,和图像检测模型的训练方法 | |
JP5926937B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP5980555B2 (ja) | 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 | |
US7526115B2 (en) | System and method for toboggan based object segmentation using divergent gradient field response in images | |
JP6265588B2 (ja) | 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 | |
JP5830295B2 (ja) | 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 | |
JP5784404B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP2015154918A (ja) | 病変検出装置及び方法 | |
JP2007307358A (ja) | 画像処理方法および装置ならびにプログラム | |
CN108601509B (zh) | 图像处理装置、图像处理方法以及记录有程序的介质 | |
JP2012143340A (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
JP2016019665A (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
Sun et al. | Juxta-vascular nodule segmentation based on flow entropy and geodesic distance | |
JP2016016265A (ja) | 画像処理装置、画像処理方法及び医用画像診断装置 | |
JP5800549B2 (ja) | 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 | |
US20230110263A1 (en) | Computer-implemented systems and methods for analyzing examination quality for an endoscopic procedure | |
Mourya et al. | Empirical greedy machine‐based automatic liver segmentation in CT images | |
CN117495693B (zh) | 用于内窥镜的图像融合方法、***、介质及电子设备 | |
US20240054643A1 (en) | Image processing apparatus, image processing method, and recording medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140825 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140825 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150528 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150609 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150721 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20151117 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20151202 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5851160 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |