JP4964171B2 - 対象領域抽出方法および装置ならびにプログラム - Google Patents
対象領域抽出方法および装置ならびにプログラム Download PDFInfo
- Publication number
- JP4964171B2 JP4964171B2 JP2008050615A JP2008050615A JP4964171B2 JP 4964171 B2 JP4964171 B2 JP 4964171B2 JP 2008050615 A JP2008050615 A JP 2008050615A JP 2008050615 A JP2008050615 A JP 2008050615A JP 4964171 B2 JP4964171 B2 JP 4964171B2
- Authority
- JP
- Japan
- Prior art keywords
- region
- pixel
- point
- contour
- area
- 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
Links
- 238000000605 extraction Methods 0.000 title claims description 32
- 238000010801 machine learning Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 18
- 238000004364 calculation method Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 14
- 239000000284 extract Substances 0.000 claims description 8
- 210000004185 liver Anatomy 0.000 description 59
- 238000011156 evaluation Methods 0.000 description 13
- 210000000056 organ Anatomy 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 210000000709 aorta Anatomy 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
- Image Analysis (AREA)
Description
本発明は、入力画像から対象領域を抽出する方法および装置ならびにプログラムに関するものである。
従来、医療分野においては、高い診断性能を有する画像を提供するために、医用画像中の病変領域、臓器領域等の所定の対象領域を抽出して表示する処理が行われている。
入力画像中の対象領域を抽出する方法としては、たとえば特許文献１に示されているように、ユーザーにより指定された対象領域中の点および背景領域中の点の情報に基づいて、入力画像中の各画素が対象領域を示す画素である確からしさを算出するとともに、画像の局所的な明暗差（エッジ情報）に基づいて隣接する画素が同一領域内の画素である確からしさを算出し、算出した両方の確からしさを用いて入力画像中の対象領域を背景領域と区別して抽出する方法が知られている。
また、特許文献２では、対象領域を含む複数のサンプル画像を用意し、サンプル画像中の、輪郭を表す画素であるか否かが既知である画素の近傍領域の画素値情報を予め機械学習することにより、入力画像中の各画素の輪郭らしさをその画素の近傍領域の画素値情報を用いて算出し、算出した輪郭らしさを用いて入力画像中の対象領域を背景領域と区別して抽出することにより、対象領域の抽出精度を向上させる方法が提案されている。
米国特許第６９７３２１２号明細書
特開２００７−３０７３５８号公報
しかしながら、上記従来技術では、入力画像中の各画素の輪郭らしさをその画素の近傍領域の画素値情報を用いて算出するなど、画像の局所的な画素値分布に基づいて対象領域を抽出するようにしているので、対象領域の内部または外部に輪郭のような画素値分布が存在する場合には、対象領域が正しく抽出できない場合が生じるという問題がある。
たとえば、医用画像から特定の臓器領域を抽出する際、その臓器領域内に腫瘍が存在したり、医用画像中にノイズが存在するなど、臓器領域の内部または外部にその臓器領域の輪郭のような画素値分布が存在する場合、そのような腫瘍やノイズによる画素値分布が臓器領域の輪郭として誤って認識され、臓器領域の輪郭を正しく抽出できない場合が生じる。
本発明は、上記事情に鑑み、対象領域の抽出性能をより向上させることが可能な対象領域抽出方法および装置ならびにプログラムを提供することを目的とするものである。
本発明の対象領域抽出方法は、入力画像から対象領域を抽出する方法であって、その対象領域と同種の対象領域の輪郭上に存在し、かつ近傍領域の画素値分布に基づいて特定可能な基準点が既知である複数のサンプル画像中の、基準点を表す画素および基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習し、その機械学習の結果に基づいて入力画像中の基準点を検出する検出工程と、入力画像中の対象領域内に任意の点を設定する点設定工程と、入力画像中に、対象領域の全体を含むと思われる判別領域を設定する領域設定工程と、設定された判別領域内の各画素の輪郭らしさを、その画素の近傍画素の画素値情報に基づいて算出する算出工程と、設定された任意の点、検出された基準点、および算出された各画素の輪郭らしさに基づいて、設定された判別領域から基準点を通る輪郭を有し、かつ任意の点を含む対象領域を抽出する抽出工程とを備えたことを特徴とするものである。
上記方法においては、算出工程が、対象領域の輪郭が既知である複数のサンプル画像中の、輪郭上の点を表す画素および輪郭以外の点を表す画素のそれぞれについて、近傍画素の画素値情報を予め機械学習し、その機械学習の結果に基づいて各画素の輪郭らしさを算出するものであってもよい。
本発明の対象領域抽出装置は、入力画像から対象領域を抽出する装置であって、その対象領域と同種の対象領域の輪郭上に存在し、かつ近傍領域の画素値分布に基づいて特定可能な基準点が既知である複数のサンプル画像中の、基準点を表す画素および基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習し、その機械学習の結果に基づいて入力画像中の基準点を検出する検出手段と、入力画像中の対象領域内に任意の点を設定する点設定手段と、入力画像中に、対象領域の全体を含むと思われる判別領域を設定する領域設定手段と、設定された判別領域内の各画素の輪郭らしさを、その画素の近傍画素の画素値情報に基づいて算出する算出手段と、設定された任意の点、検出された基準点、および算出された各画素の輪郭らしさに基づいて、設定された判別領域から基準点を通る輪郭を有し、かつ任意の点を含む対象領域を抽出する領域抽出手段とを備えたことを特徴とするものである。
上記装置においては、算出手段が、対象領域の輪郭が既知である複数のサンプル画像中の、輪郭上の点を表す画素および輪郭以外の点を表す画素のそれぞれについて、近傍画素の画素値情報を予め機械学習し、その機械学習の結果に基づいて各画素の輪郭らしさを算出するものであってもよい。
本発明の対象領域抽出プログラムは、入力画像から対象領域を抽出するためのプログラムであって、コンピュータに、その対象領域と同種の対象領域の輪郭上に存在し、かつ近傍領域の画素値分布に基づいて特定可能な基準点が既知である複数のサンプル画像中の、基準点を表す画素および基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習し、その機械学習の結果に基づいて入力画像中の基準点を検出する検出手段と、入力画像中の対象領域内に任意の点を設定する点設定手段と、入力画像中に、対象領域の全体を含むと思われる判別領域を設定する領域設定手段と、設定された判別領域内の各画素の輪郭らしさを、その画素の近傍画素の画素値情報に基づいて算出する算出手段と、設定された任意の点、検出された基準点、および算出された各画素の輪郭らしさに基づいて、設定された判別領域から基準点を通る輪郭を有し、かつ任意の点を含む対象領域を抽出する領域抽出手段として機能させることを特徴とするものである。
本発明の対象領域抽出方法および装置ならびにプログラムによれば、入力画像中の対象領域内に任意の点を設定し、入力画像中に、対象領域の全体を含むと思われる判別領域を設定し、設定された判別領域内の各画素の輪郭らしさを、その画素の近傍画素の画素値情報に基づいて算出し、設定された任意の点および算出された各画素の輪郭らしさに基づいて、入力画像から対象領域を抽出する際に、その対象領域と同種の対象領域の輪郭上に存在し、かつ近傍領域の画素値分布に基づいて特定可能な基準点が既知である複数のサンプル画像中の、基準点を表す画素および基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習し、その機械学習の結果に基づいて入力画像中の基準点を検出し、その検出結果にさらに基づいて対象領域の抽出を行うようにしているので、対象領域の内部または外部に輪郭のような画素値分布が存在する場合であっても、対象領域の正しい輪郭上に存在する点として検出した基準点を確実に通るように、対象領域の輪郭を決定することができ、対象領域の抽出性能をより向上させることができる。
以下、図面を参照して本発明の対象領域抽出装置を医用画像から肝臓領域を抽出するものに適用した実施の形態について説明する。なお、図１のような対象領域抽出装置１の構成は、補助記憶装置に読み込まれた対象領域抽出装置プログラムをコンピュータ（たとえばパーソナルコンピュータ等）上で実行することにより実現される。このとき、この対象領域抽出プログラムは、CD‐ROM等の情報記憶媒体に記憶され、もしくはインターネット等のネットワークを介して配布され、コンピュータにインストールされることになる。
図１に示すように、対象領域抽出装置１は、ＣＴ装置等により取得された医用画像Ｐから肝臓領域を抽出するものであって、基準点検出部10、点設定部20、領域設定部30、輪郭らしさ算出部40、領域抽出部50などを備えている。
基準点検出部10は、肝臓領域の輪郭上に存在し、かつ近傍領域の画素値分布に基づいて特定可能な基準点が既知である複数のサンプル画像中の、基準点を表す画素および基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習し、その機械学習の結果に基づいて医用画像Ｐ中の基準点を検出するものであって、識別器取得部11と、検出部12とを有する。
ここで、基準点は、入力画像から抽出したい対象領域の種類に応じて定められるものであり、その数に制限はない。本実施の形態では、たとえば、図２に示すように、全体的になめらかな曲線からなる肝臓領域の輪郭における、角ばった箇所に存在する点Ａおよび点Ｂのいずれかまたは両方を基準点として用いる。
また、医用画像から被検体の心臓が撮影された心臓領域を抽出する場合には、心臓領域の輪郭上に存在する点のうち、たとえば心臓が大動脈に分枝する境界部に存在する点、または心臓の下部にある最も尖がっている点を基準点として用いることができる。
識別器取得部11は、たとえば特開2006−139369号公報に記載されているように、肝臓領域を含む複数のサンプル画像を用意し、サンプル画像中の、基準点を表す画素および基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習することにより、サンプル画像中の各画素が基準点を示す画素であるか否かをその画素の近傍領域の画素値分布に基づいて識別する識別器Ｄを取得するものである。これにより取得した識別器Ｄは、任意の医用画像中の各画素が基準点を示す画素であるかどうかを識別する場合に適用することができる。なお、２以上の基準点（たとえば基準点Ａ、Ｂ）を用いて肝臓領域を抽出する場合には、それぞれの基準点について識別器Ｄを取得する。
ここで、各画素の近傍領域は、その近傍領域の内の各画素における画素値が変化する方向、その変化の大きさなどの、近傍領域の画素値分布に基づいてその画素が基準点であるか否かを識別できる程度の大きさの領域であることが望ましい。また、この近傍領域は、その画素を中心とした領域であってもよいし、その画素を中心から外れた位置に有する領域であってもよい。
なお、図２に、基準点Ａ、Ｂの近傍領域ＲＡ，ＲＢの一例を示す。ここでは、近傍領域が矩形の領域である場合について例示しているが、近傍領域は円形、楕円形等、種々の形状の領域であってもよい。また、その近傍領域内の一部の画素の画素値分布のみを上記機械学習に用いるようにしてもよい。
また、この識別器Ｄを取得する処理には、アダブースティングアルゴリズム（Adaboosting Algorithm）、ニューラルネットワーク(Neural Network)、SVM(Support Vector Machine)等を用いることができる。
検出部12は、医用画像Ｐ上に識別器取得部11において取得した識別器Ｄを走査させることにより、医用画像Ｐ中の基準点Ａ、Ｂを検出するものである。なお、この検出部21による基準点の検出より先に、後述する領域設定部30において対象領域の全体を含むと思われる判別領域Ｔが設定されている場合には、医用画像Ｐ全体のうち、設定された判別領域Ｔあるいはその判別領域Ｔを含む一部の領域上にのみ識別器Ｄを走査させることにより、医用画像Ｐ中の基準点を検出するようにしてもよい。
点設定部20は、医用画像Ｐ中の肝臓領域内に任意の点Ｃ（シード点）を設定するものであって、たとえば、対象領域抽出装置１に備えるキーボードやポインティングデバイス等による、操作者の入力に基づいて指定された医用画像Ｐ上の位置をその任意の点として設定するものであってもよいし、従来の対象領域検出方法により自動検出された肝臓領域内の各点に一定の質量が与えられているとし、その領域の重心位置をその任意の点として設定するものであってもよい。
また、この点設定部20による任意の点Ｃの設定より先に、基準点検出部10において基準点Ａ、Ｂが検出されている場合には、肝臓領域と基準点Ａ、Ｂの解剖学的な位置関係により、下記の式（１）により、基準点Ａ（ｘＡ、ｙＡ）と基準点Ｂ（ｘＢ、ｙＢ）を用いて任意の点Ｃ（ｘＣ、ｙＣ）を設定するようにしてもよい。
なお、この任意の点Ｃは、肝臓領域のおおまかな中心に設定されたものであってもよいし、肝臓領域の中心から外れた位置に設定されたものであってもよい。
領域決定部30は、医用画像Ｐ中に、肝臓領域の全体を含むと思われる判別領域Ｔを設定するものであって、たとえば、対象領域抽出装置１に備えるキーボードやポインティングデバイス等による、操作者の入力に基づいて指定された医用画像Ｐ上の領域をその判別領域Ｔとして設定するものであってもよいし、点設定部20において設定された点Ｃを中心とした、肝臓領域のありうる大きさ以上の大きさの領域を判別領域Ｔとして自動的に設定するものであってもよい。これにより、全体の医用画像Ｐから注目する領域の範囲を限定でき、以降の処理を高速化することができる。
なお、判別領域Ｔは、その周縁形状として矩形、円形、楕円形等、種々の形状を採用することができる。
輪郭らしさ算出部40は、領域設定部30において設定された判別領域Ｔ内の各画素の輪郭らしさを、その画素の近傍画素の画素値情報に基づいて算出するものであって、評価関数取得部４1と、算出部42とを有する。
評価関数取得部41は、肝臓領域を含む複数のサンプル画像を用意し、サンプル画像中の、輪郭上の点を表す画素および前記輪郭以外の点を表す画素のそれぞれについて、近傍画素の画素値情報をその画素における特徴量として予め機械学習することにより、サンプル画像中の各画素が輪郭を示す画素であるかどうかをその特徴量に基づいて評価する評価関数Ｆを取得するものである。
具体的には、たとえば特開2007−307358号公報に記載されているように、各画素の近傍画素の画素値情報、たとえば、その画素を中心とする水平方向５画素×垂直方向５画素の領域内のそれぞれ異なる複数の画素の画素値値の組み合わせを用いて、その画素が輪郭を示す画素であるか否かの判別を行う複数の弱判別器を、その弱判別器全てを組み合わせた評価関数Ｆがサンプル画像中の各画素が輪郭を示す画素であるかどうかを所望の性能で評価できるようになるまで逐次生成する。
これにより取得した評価関数Ｆは、任意の医用画像中の各画素が肝臓領域の輪郭を示す画素であるかどうかを評価する場合に適用することができる。
また、この評価関数Ｆを取得する処理にも、アダブースティングアルゴリズム（Adaboosting Algorithm）、ニューラルネットワーク(Neural Network)、SVM(Support Vector Machine)等の機械学習の手法を用いることができる。
算出部42は、判別領域Ｔ内の各画素の特徴量に基づいて、各画素の輪郭らしさ、つまりその画素が輪郭を示す画素であるかどうかの評価値を、評価関数Ｆを用いて算出するものである。
領域抽出部50は、任意の点Ｃ、基準点Ｓ、および各画素の輪郭らしさを用いて判別領域Ｔから肝臓領域を抽出するものであって、たとえば、Yuri Y. Boykov, Marie-Pierre Jolly, “Interactive Graph Cuts for Optimal Boundary and Region Segmentation of Objects in N-D images”, Proceedings of “International Conference on Computer Vision”, Vancouver, Canada, July 2001 vol.I, p.105-112.や、米国特許第6973212号明細書等に記載されているグラフカット法（Graph Cuts）により判別領域Ｔを肝臓領域と背景領域とに分割する際、肝臓領域と背景領域の境界が肝臓領域の輪郭上に存在する点である基準点Ａ、Ｂを必ず通るようにして、判別領域Ｔから肝臓領域を抽出する。
具体的には、まず、図３に示すように、判別領域Ｔ中の各画素を表すノードＮｉｊ（ｉ＝１,２,…、ｊ＝１,２,…）と各画素が取り得るラベル（本実施の形態では、肝臓領域または背景領域）をそれぞれ表すノードＳ、Ｔと、隣接する画素のノード同士をつなぐリンクn-linkと、各画素を表すノードＮｉｊと肝臓領域を表すノードＳをつなぐリンクs-linkと、各画素を表すノードＮｉｊと背景領域を表すノードＴをつなぐリンクt-linkとから構成されるグラフを作成する。
ここで、n-linkには、判別領域中の各画素を表すノードＮｉｊ毎にそのノードから四方の隣接するノードへ向かう４本のリンクが存在し、各隣接するノード間には互いのノードに向かう２本のリンクが存在する。ここで、各ノードＮｉｊから四方の隣接するノードへ向かう４本のリンクは、そのノードが示す画素が四方の隣接する画素と同一領域内の画素である確からしさを表すものであり、その確からしさはその画素の輪郭らしさに基づいて求められる。具体的には、そのノードＮｉｊが示す画素の輪郭らしさが設定しきい値以下である場合には、それらの各リンクに確からしさの所定の最大値が設定され、輪郭らしさが設定しきい値以上である場合は、その輪郭らしさが大きいほど、小さい値の確からしさが各リンクに設定される。たとえば、確からしさの最大値を1000とした場合、ノードＮｉｊが示す画素の輪郭らしさが設定しきい値（ゼロ）以下である場合には、そのノードから四方の隣接するノードへ向かう４本のリンクに1000という値が設定され、輪郭らしさが設定しきい値（ゼロ）以上である場合は、次式（1000−（輪郭らしさ/輪郭らしさの最大値）×1000）により算出された値をそれらの各リンクに設定することができる。ここで、輪郭らしさの最大値は、算出部42により判別領域Ｔ内の各画素において算出した全ての輪郭らしさのうち最大の値を意味する。
また、各画素を表すノードＮｉｊと肝臓領域を表すノードＳをつなぐs-linkは、各画素が肝臓領域に含まれる画素である確からしさを表すものであり、各画素を表すノードＮｉｊと背景領域を表すノードＴをつなぐt-linkは、各画素が背景領域に含まれる画素である確からしさを表すものであり、それらの確からしさは、その画素が肝臓領域又は背景領域のいずれかを示す画素であるかの情報がすでに与えられている場合、その与えられた情報に従って設定される。
具体的には、任意の点Ｃは肝臓領域内に設定された画素であるので、図１０に示すように、その点Ｃを示すノードＮ３３と肝臓領域を表すノードＳとをつなぐｓ-linkに大きい値の確からしさを設定する。また、肝臓領域内に設定された任意の点を基準として、その肝臓領域を含むように設定した判別領域Ｔは、通常、肝臓領域及びその肝臓領域の周囲に存在する背景領域を含むようになっていることから、判別領域ＴＴ２の周縁の各画素を、背景領域を示す画素であろうと想定し、それらのその各画素を示すノードＮ１１、Ｎ１２、…、Ｎ１５、Ｎ２１、Ｎ２５、Ｎ３１、、と背景領域を表すノードＴとをつなぐt-linkに大きい値の確からしさを設定する。
また、図４に示すように、点設定部20において設定された点Ｃから基準点Ａ、Ｂをそれぞれ通る方向に延びた各線分全体のうち、基準点Ａと点Ｃとの間、基準点Ｂと点Ｃとの間の部分に位置する各画素は肝臓領域の内部に存在する画素であると判断することができるので、それらの各画素を示すノードと肝臓領域を表すノードＳとをつなぐｓ-linkに大きい値の確からしさを設定し、基準点Ａから点Ｃとは反対側に延びた部分、および基準点Ｂから点Ｃとは反対側に延びた部分に位置する各画素は肝臓領域の外部に存在する画素であると判断することができるので、それらの各画素を示すノードと肝臓領域を表すノードＴとをつなぐt-linkに大きい値の確からしさを設定する。
そして、肝臓領域と背景領域は互いに排他的な領域であるので、たとえば図５に点線で示すように、全てのn-link、ｓ-link、およびt-linkのうち適当なリンクを切断してノードＳをノードＴから切り離すことにより、判別領域Ｔを肝臓領域と背景領域に分割して、肝臓領域を抽出する。ここで、切断する全てのn-link、ｓ-link、およびt-linkにおける確からしさの合計が最も小さくなるような切断を行うことにより、最適な領域分割をすることができる。
なお、ここでは、グラフカット法（Graph Cuts）を用いて肝臓領域を抽出する場合について例示しているが、それに代えて、たとえば特開2007−307358号公報に記載されているような動的計画法を用いて肝臓領域の輪郭を決定する等他の手法を用いて肝臓領域を抽出してもよい。
次いで、上記の構成により、医用画像Ｐから肝臓領域を抽出する際に行われる処理の一例について説明する。
まず、検出部12が、識別器取得部11により予め取得した、任意の医用画像中の各画素が基準点Ａ、Ｂのいずれかを示す画素であるかどうかを識別できる識別器ＤＡ、ＢＢを用いて、医用画像Ｐ中の基準点Ａ、Ｂを検出する。次に、点設定部20が、上記の式（１）により、基準点Ａ（ｘＡ、ｙＡ）と基準点Ｂ（ｘＢ、ｙＢ）を用いて、医用画像Ｐ中の対象領域内に任意の点Ｃ（ｘＣ、ｙＣ）（シード点）を設定する。次に、領域設定部30が、医用画像Ｐ中に、対象領域の全体を含むと思われる判別領域Ｔを設定する。次に、算出部42が、評価関数取得部41により予め取得した、任意の医用画像中の各画素が肝臓領域の輪郭を示す画素であるかどうかを評価できる評価関数Ｆを用いて、判別領域Ｔ内の各画素の輪郭らしさを算出する。最後に、領域抽出部50が、たとえばグラフカット法（Graph Cuts）により、設定された任意の点Ｃおよび算出された各画素の輪郭らしさに基づいて、かつ、肝臓領域の輪郭が基準点Ａ、Ｂを必ず通るようにして、判別領域Ｔから対象領域を抽出し、処理を終了する。
上記実施の形態によれば、入力画像中の対象領域内に任意の点を設定し、入力画像中に、対象領域の全体を含むと思われる判別領域を設定し、設定された判別領域内の各画素の輪郭らしさを、その画素の近傍画素の画素値情報に基づいて算出し、設定された任意の点および算出された各画素の輪郭らしさに基づいて、入力画像から対象領域を抽出する際に、その対象領域と同種の対象領域の輪郭上に存在し、かつ近傍領域の画素値分布に基づいて特定可能な基準点が既知である複数のサンプル画像中の、基準点を表す画素および基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習し、その機械学習の結果に基づいて入力画像中の基準点を検出し、その検出結果にさらに基づいて対象領域の抽出を行うようにしているので、対象領域の内部または外部に輪郭のような画素値分布が存在する場合であっても、対象領域の正しい輪郭上に存在する点として検出した基準点を確実に通るように、対象領域の輪郭を決定することができ、対象領域の抽出性能をより向上させることができる。
なお、上記実施の形態においては、本発明の対象領域抽出装置１を２次元の入力画像から対象領域を抽出するものに適用した場合について説明したが、３次元の入力画像から対象領域を抽出するものに適用することもできる。
たとえば、３次元の医用画像中の肝臓領域の輪郭を決定する場合、２次元の医用画像から肝臓領域を抽出するときと同様に、全体的になめらかな曲面からなる肝臓領域の輪郭の角ばった箇所に存在する点を基準点として用いる。
識別器取得部11が、肝臓領域を含む複数の３次元のサンプル画像を用意し、それらのサンプル画像中の、基準点を表すボクセルおよび基準点以外の点を表すボクセルのそれぞれについて、近傍領域の画素値分布を予め機械学習することにより、サンプル画像中の各ボクセルが基準点を示すボクセルであるか否かをそのボクセルの近傍領域の画素値分布に基づいて識別する識別器を取得する。ここで、各ボクセルの近傍領域は、その近傍領域の内の各ボクセルにおける画素値が変化する方向、その変化の大きさなどの、近傍領域の画素値分布に基づいてそのボクセルが基準点であるか否かを識別できる程度の大きさの３次元領域であることが望ましい。検出部12が、３次元の医用画像上に識別器取得部11において取得した識別器を走査させることにより、その医用画像中の基準点を検出する。
また、点設定部20が、３次元の医用画像の肝臓領域内に、３次元座標系での任意の点Ｃを設定し、領域決定部30が、その３次元の医用画像中に、肝臓領域の全体を含むと思われる３次元の存在範囲を設定する。ここで、存在範囲は、その周縁形状として六面体、球体等、種々の形状を採用することができる。
また、評価関数取得部41が、肝臓領域を含む複数の３次元のサンプル画像を用意し、それらのサンプル画像中の、輪郭上の点を表すボクセルおよび輪郭以外の点を表すボクセルのそれぞれについて、近傍ボクセルの画素値情報を予め機械学習することにより、任意の３次元の医用画像中の各ボクセルが肝臓領域の輪郭を示すボクセルであるかどうかを評価できる評価関数Ｆを取得する。ここで、近傍ボクセルの画素値情報としては、例えば、そのボクセルを中心とするＸ軸方向５ボクセル×Ｙ軸方向５ボクセル×Ｚ軸方向５ボクセルの立方体の領域内の異なる複数個のボクセルにおける画素値の組み合わせを用いることができる。次に、算出部42が、判別領域Ｔ内の各ボクセルの特徴量に基づいて、各ボクセルの輪郭らしさ、つまりそのボクセルが輪郭を示すボクセルであるかどうかの評価値を、評価関数Ｆを用いて算出する。
領域抽出部50が、たとえば米国特許第6973212号明細書等に記載されている３次元のグラフカット法（Graph Cuts）により、３次元の判別領域Ｔを肝臓領域と背景領域とに分割する際、肝臓領域と背景領域の境界が、検出部12において検出された基準点を必ず通るようにして、判別領域Ｔから肝臓領域を抽出し、処理を終了する。
なお、上記実施の形態では、本発明の対象領域抽出装置１を、医用画像から肝臓領域を抽出するものに適用した場合について説明したが、それに限らず、種々の入力画像から抽出したい領域、たとえば、医用画像中の各種臓器領域又は病変領域などの対象領域を抽出する場合に適用することができる。
なお、上述したように、抽出したい対象領域の種類に応じて、その対象領域の抽出に用いられる基準点の数およびその各基準点の特徴が異なるので、２以上の対象領域を選択的に抽出する場合には、対象領域抽出装置１に備える記録手段に、対象領域の種類毎にその対象領域の抽出に用いられる基準点を予め対応付けて記録しておき、対象領域抽出装置１により対象領域を抽出する際に、ユーザーにより抽出したい対象領域を選択させ、その対象領域の抽出に適した基準点の設定を自動で行うようにしてもよい。
また、医用画像中の肝臓領域の輪郭を決定する場合における上述した種々の対応についても、種々の入力画像からその領域を抽出する場合に適用することができる。
１ 対象領域抽出装置
１０ 基準点検出部
２０ 点設定部
３０ 領域設定部
４０ 輪郭らしさ算出部
５０ 領域抽出部
Ａ、Ｂ 基準点
Ｐ 医用画像
Ｃ 肝臓領域内の任意の点
Ｔ 判別領域
１０ 基準点検出部
２０ 点設定部
３０ 領域設定部
４０ 輪郭らしさ算出部
５０ 領域抽出部
Ａ、Ｂ 基準点
Ｐ 医用画像
Ｃ 肝臓領域内の任意の点
Ｔ 判別領域
Claims (5)
- 入力画像から対象領域を抽出する方法であって、
前記対象領域と同種の対象領域の輪郭上に存在し、かつ近傍領域の画素値分布に基づいて特定可能な基準点が既知である複数のサンプル画像中の、前記基準点を表す画素および前記基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習し、該機械学習の結果に基づいて前記入力画像中の基準点を検出する検出工程と、
前記入力画像中の前記対象領域内に任意の点を設定する点設定工程と、
前記入力画像中に、前記対象領域の全体を含むと思われる判別領域を設定する領域設定工程と、
前記設定された判別領域内の各画素の輪郭らしさを、該画素の近傍画素の画素値情報に基づいて算出する算出工程と、
前記設定された任意の点、前記検出された基準点、および前記算出された各画素の輪郭らしさに基づいて、前記設定された判別領域から前記基準点を通る輪郭を有し、かつ前記任意の点を含む前記対象領域を抽出する抽出工程と
を備えたことを特徴とする対象領域抽出方法。 - 前記算出工程が、対象領域の輪郭が既知である複数のサンプル画像中の、前記輪郭上の点を表す画素および前記輪郭以外の点を表す画素のそれぞれについて、近傍画素の画素値情報を予め機械学習し、該機械学習の結果に基づいて前記各画素の輪郭らしさを算出するものであることを特徴とする請求項１記載の対象領域抽出方法。
- 入力画像から対象領域を抽出する装置であって、
前記対象領域と同種の対象領域の輪郭上に存在し、かつ近傍領域の画素値分布に基づいて特定可能な基準点が既知である複数のサンプル画像中の、前記基準点を表す画素および前記基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習し、該機械学習の結果に基づいて前記入力画像中の基準点を検出する検出手段と、
前記入力画像中の対象領域内に任意の点を設定する点設定手段と、
前記入力画像中に、前記対象領域の全体を含むと思われる判別領域を設定する領域設定手段と、
前記設定された判別領域内の各画素の輪郭らしさを、該画素の近傍画素の画素値情報に基づいて算出する算出手段と、
前記設定された任意の点、前記検出された基準点、および前記算出された各画素の輪郭らしさに基づいて、前記設定された判別領域から前記基準点を通る輪郭を有し、かつ前記任意の点を含む前記対象領域を抽出する領域抽出手段と
を備えたことを特徴とする対象領域抽出装置。 - 前記算出手段が、対象領域の輪郭が既知である複数のサンプル画像中の、前記輪郭上の点を表す画素および前記輪郭以外の点を表す画素のそれぞれについて、近傍画素の画素値情報を予め機械学習し、該機械学習の結果に基づいて前記各画素の輪郭らしさを算出するものであることを特徴とする請求項３記載の対象領域抽出装置。
- 入力画像から対象領域を抽出するためのプログラムであって、
コンピュータに、
前記対象領域と同種の対象領域の輪郭上に存在し、かつ近傍領域の画素値分布に基づいて特定可能な基準点が既知である複数のサンプル画像中の、前記基準点を表す画素および前記基準点以外の点を表す画素のそれぞれについて、近傍領域の画素値分布を予め機械学習し、該機械学習の結果に基づいて前記入力画像中の基準点を検出する検出手段と、
前記入力画像中の対象領域内に任意の点を設定する点設定手段と、
前記入力画像中に、前記対象領域の全体を含むと思われる判別領域を設定する領域設定手段と、
前記設定された判別領域内の各画素の輪郭らしさを、該画素の近傍画素の画素値情報に基づいて算出する算出手段と、
前記設定された任意の点、前記検出された基準点、および前記算出された各画素の輪郭らしさに基づいて、前記設定された判別領域から前記基準点を通る輪郭を有し、かつ前記任意の点を含む前記対象領域を抽出する領域抽出手段として機能させることを特徴とする対象領域抽出プログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008050615A JP4964171B2 (ja) | 2008-02-29 | 2008-02-29 | 対象領域抽出方法および装置ならびにプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008050615A JP4964171B2 (ja) | 2008-02-29 | 2008-02-29 | 対象領域抽出方法および装置ならびにプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2009211138A JP2009211138A (ja) | 2009-09-17 |
| JP4964171B2 true JP4964171B2 (ja) | 2012-06-27 |
Family
ID=41184271
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008050615A Active JP4964171B2 (ja) | 2008-02-29 | 2008-02-29 | 対象領域抽出方法および装置ならびにプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4964171B2 (ja) |
Families Citing this family (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5551957B2 (ja) | 2010-03-31 | 2014-07-16 | 富士フイルム株式会社 | 投影画像生成装置およびその作動方法、並びに投影画像生成プログラム |
| WO2012061452A1 (en) * | 2010-11-02 | 2012-05-10 | Siemens Medical Solutions Usa, Inc. | Automatic image-based calculation of a geometric feature |
| CN103534711B (zh) | 2011-03-04 | 2018-08-07 | Lbt创新有限公司 | 用于改善分类器的分类结果的方法 |
| JP5701138B2 (ja) | 2011-04-19 | 2015-04-15 | 富士フイルム株式会社 | 医用画像処理装置および方法、並びにプログラム |
| JP5962491B2 (ja) * | 2012-12-19 | 2016-08-03 | カシオ計算機株式会社 | 画角調整装置、方法、およびプログラム |
| JP5881625B2 (ja) | 2013-01-17 | 2016-03-09 | 富士フイルム株式会社 | 領域分割装置、プログラムおよび方法 |
| JP6955303B2 (ja) | 2017-04-12 | 2021-10-27 | 富士フイルム株式会社 | 医用画像処理装置および方法並びにプログラム |
| JP7009864B2 (ja) * | 2017-09-20 | 2022-01-26 | カシオ計算機株式会社 | 輪郭検出装置及び輪郭検出方法 |
| KR101955919B1 (ko) * | 2017-09-21 | 2019-03-08 | 재단법인 아산사회복지재단 | 딥러닝 기반의 영상데이터 내 관심영역 설정방법 및 프로그램 |
| JP6716765B1 (ja) * | 2018-12-28 | 2020-07-01 | キヤノン株式会社 | 画像処理装置、画像処理システム、画像処理方法、プログラム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6973212B2 (en) * | 2000-09-01 | 2005-12-06 | Siemens Corporate Research, Inc. | Graph cuts for binary segmentation of n-dimensional images from object and background seeds |
| JP4999163B2 (ja) * | 2006-04-17 | 2012-08-15 | 富士フイルム株式会社 | 画像処理方法および装置ならびにプログラム |
-
2008
- 2008-02-29 JP JP2008050615A patent/JP4964171B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2009211138A (ja) | 2009-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4964171B2 (ja) | 対象領域抽出方法および装置ならびにプログラム | |
| JP4999163B2 (ja) | 画像処理方法および装置ならびにプログラム | |
| US11360571B2 (en) | Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data | |
| US8693753B2 (en) | Medical image processing device, method and program | |
| JP5016603B2 (ja) | 自動及び動的血管検出のための方法並びに装置 | |
| JP4717935B2 (ja) | 画像処理装置および方法並びにプログラム | |
| US7574031B2 (en) | Nodule boundary detection | |
| US8787642B2 (en) | Method, device and computer-readable recording medium containing program for extracting object region of interest | |
| US7127107B2 (en) | Land partition data generating method and apparatus | |
| JP5263995B2 (ja) | ネットワーク構築装置および方法ならびにプログラム | |
| WO2010100858A1 (ja) | 画像処理装置および方法並びにプログラム | |
| US20130231559A1 (en) | System and method for providing 2-dimensional computerized- tomography image corresponding to 2-dimensional ultrasound image | |
| US8019139B2 (en) | Method and system for processing an image of body tissues | |
| Cheng et al. | Building boundary extraction from high resolution imagery and lidar data | |
| KR20160020918A (ko) | 적응형 컴퓨터 보조 진단 장치 및 방법 | |
| US8306354B2 (en) | Image processing apparatus, method, and program | |
| US8891879B2 (en) | Image processing apparatus, image processing method, and program | |
| US9311732B2 (en) | Image processing apparatus, image processing program, and operation method of image processing apparatus | |
| JP2013080389A (ja) | 消失点推定方法、消失点推定装置及びコンピュータプログラム | |
| US20120121168A1 (en) | Compound object separation | |
| Santamaria-Pang et al. | Cell segmentation and classification via unsupervised shape ranking | |
| KR101749029B1 (ko) | 영상에서의 신체 부위 검출 방법 및 그 장치 | |
| KR101494975B1 (ko) | 3차원 자동 유방 초음파 영상의 유두 자동 검출 시스템 및 그 검출 방법 | |
| Chen et al. | Robust segmentation of corneal fibers from noisy images | |
| Hu et al. | Accurate vessel segmentation with optimal combination of features |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100707 |
|
| 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: 20120306 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20120327 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4964171 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150406 Year of fee payment: 3 |
|
| 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 |
|
| 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 |