JP5750381B2 - 領域抽出処理システム - Google Patents

領域抽出処理システム Download PDF

Info

Publication number
JP5750381B2
JP5750381B2 JP2012027975A JP2012027975A JP5750381B2 JP 5750381 B2 JP5750381 B2 JP 5750381B2 JP 2012027975 A JP2012027975 A JP 2012027975A JP 2012027975 A JP2012027975 A JP 2012027975A JP 5750381 B2 JP5750381 B2 JP 5750381B2
Authority
JP
Japan
Prior art keywords
algorithm
region
region extraction
processing system
luminance distribution
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
JP2012027975A
Other languages
English (en)
Other versions
JP2013162922A (ja
Inventor
俊太郎 由井
俊太郎 由井
和喜 松崎
和喜 松崎
純一 宮越
純一 宮越
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 Ltd
Original Assignee
Hitachi Ltd
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 Ltd filed Critical Hitachi Ltd
Priority to JP2012027975A priority Critical patent/JP5750381B2/ja
Priority to PCT/JP2012/083192 priority patent/WO2013121679A1/ja
Priority to US14/377,316 priority patent/US9292762B2/en
Priority to CN201280069350.2A priority patent/CN104105441B/zh
Publication of JP2013162922A publication Critical patent/JP2013162922A/ja
Application granted granted Critical
Publication of JP5750381B2 publication Critical patent/JP5750381B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/42Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A61B5/4222Evaluating particular parts, e.g. particular organs
    • A61B5/4244Evaluating particular parts, e.g. particular organs liver
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20076Probabilistic image processing
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30056Liver; Hepatic

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Biomedical Technology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Endocrinology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Physiology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Description

本発明は、医用画像データの解析処理システムに関する。
医用画像診断装置の発展に伴い、一回の検査に取得する画像数は莫大になってきており、診断医や放射線科医への負荷は益々高まってきている。特に、X線CT(Computed Tomography)装置では大量の画像を取得する事が可能になったため、医師が腫瘍診断をするためには、膨大な労力が必要になってきている。このような診断にかかる労力の増加は、見落としや誤診などを招くこともあるため、少しでも軽減する事が望まれている。そのため、腫瘍などの関心領域を自動抽出する技術(CAD:Computer Aided Detection)や、その技術を搭載した装置が提案されている。
非特許文献1では、肝腫瘍抽出を目的に、線状パターン抽出フィルタを適用した画像を用いて、X線吸収係数(以下、輝度値)が最も高い点を抽出し、抽出した点をシードとするRegion Growing法を原画像に適用する手法が提案されている。
非特許文献2、3では、原画像からX線吸収係数(以下、輝度値)のヒストグラム分布を生成し、関心領域の輝度値分布をガウス分布と仮定して各分布のパラメータを求め、求めた輝度値分布に基づいて関心領域を抽出する手法が提案されている。
特許文献1では、予め設定された画像処理手順やそのパラメータを、画像データや画像付帯情報から選択し、実行する技術が提案されている。
特開2009−82452号公報
A. Shimizu, T. Kawamura, H. Kobatake. Proposal of computer−aided detection system for three dimensional CT images of liver cancer. CARS 2005; 1281; 1157−1266 MA. Selver, C.Guneyt. Proposal of computer−aided detection system for three dimensional CT images of liver cancer. IEEE Trans. 2009; 15; 3; 395−409 Y. Shang, A. Markova, R. Deklerck, E. Nyssen, X. Yang, J.D. Mey. Liver segmentation by an active contour model with embedded Gaussian mixture model based classifiers. SPIE 2010; 7723; 772313
関心領域の輝度値分布は未知である事が多い。例えば肝臓がんの造影CT検査において、造影剤を急速静注後30秒ほどで撮影する動脈相では、対象組織に造影剤が取りこまれて高吸収となり、対象組織の画像コントラストが明瞭となる。しかし造影剤の拡散が速く、撮影タイミングが異なる事も多いため、必ずしも関心領域の輝度値分布が同じになる保障はない。そのため前述の従来技術では、ユーザが意図していない領域を抽出する事で偽陽性が増加し、抽出精度を悪化させる原因となっていた。
前述の非特許文献1の場合、腫瘍が複数個ある事は想定していない。また、詳細な輝度分布が未知であり、輝度勾配と線状パターンのみに基づいて領域抽出をしているため、偽陽性の問題が発生する事がある。前述の非特許文献2、3の場合、例えば肝臓内だけでも肝実質、肝辺縁部、のう胞、腫瘍、壊死、血管など輝度値が異なる領域が隣接して存在するため、正確な輝度値分布の推定が困難であった。前述の特許文献1では、適切なパラメータを決定するために複数回撮影した画像が必要であり、それに伴う患者負担が発生する。
このように、従来開示されている技術では詳細な輝度分布の推定が困難であるため、領域抽出における偽陽性の問題を克服する事が出来なかった。そこで本発明が解決しようとする課題は、領域抽出における偽陽性の問題を克服し、より正確な領域抽出を支援する画像データの解析処理による領域抽出処理システムを提供することにある。
上記課題を解決するために、画像から目的領域を抽出するシステムであって、前記目的領域と対象画像の入力を受け付ける入力部と、前記目的領域を抽出するための最適なアルゴリズムと未知数を含むパラメータと、を蓄積するアルゴリズム管理解剖データベースと、前記目的領域と前記対象画像を入力として、前記アルゴリズム管理解剖データベースに蓄積された前記アルゴリズムと前記パラメータを取得して、取得した前記アルゴリズムと前記パラメータを前記対象画像に適用することで、前記目的領域の領域抽出処理を実行する領域抽出部と、前記目的領域と前記対象画像とを入力として、前記目的領域の輝度分布を算出する事で、未知数パラメータを出力する輝度分布解析部と、生体組織の輝度分布の類似性を蓄積する輝度分布管理データベースと、前記対象画像と前記アルゴリズム管理解剖データベースに蓄積された前記アルゴリズムと前記パラメータを入力として、未知数パラメータを求めるための前処理を行う領域抽出前処理部と抽出結果を表示する表示部とを有しており、前記領域抽出部では、入力された前記パラメータに未知数が含まれる場合、該パラメータの最適値を前記輝度分布解析部から取得する事を特徴とする領域抽出処理システムを提供する。
本発明の領域抽出処理システムによれば、関心領域の輝度値分布を推定する際、輝度値が類似して、かつ抽出が容易な領域における輝度値分布を用いる事で、より高精度に関心領域の輝度値分布を推定する事が可能になり、それにより領域抽出における偽陽性の問題を克服する事ができる。これにより、領域抽出が容易で、より正確な領域抽出を実現する事が可能になる。すなわち、医師の腫瘍診断の労力を削減する事が可能になる。また、電子カルテなどの情報システムと連携する事により、ユーザを介することなく関心領域となる部位名を取得する事が可能になり、ユーザの入力作業軽減を実現する事が可能になる。
本発明における領域抽出処理システムの第1の構成図。 本発明における領域抽出処理システムのハードウエア構成図。 本発明における領域抽出処理システムの処理の流れを示す第1のフローチャート。 本発明における領域抽出処理システムの構成要素間の処理の流れを示す第1のシーケンス図。 本発明における領域抽出処理システムの画面を示す第1の例。 本発明における領域抽出処理システムのアルゴリズム解剖管理データベースを表す第1の例。 本発明における領域抽出処理システムの画面を示す第2の例。 本発明における領域抽出処理システムにおける輝度分布解析部における処理の流れを示す第1のフローチャート。 本発明における領域抽出処理システムにおける輝度分布解析部と連携する構成要素間の処理の流れを示す第1のシーケンス図。 本発明における領域抽出処理システムの輝度分布管理データベースを表す図。 本発明における領域抽出処理システムの第2の構成図。 本発明における領域抽出処理システムの構成要素間の処理の流れを示す第2のシーケンス図。 本発明における領域抽出処理システムの電子カルテデータベースを表す図。 本発明における領域抽出処理システムの画面を示す第3の例。 本発明における領域抽出処理システムにおける輝度分布解析部における処理の流れを示す第2のフローチャート。 本発明における領域抽出処理システムのアルゴリズム解剖管理データベースを表す第2の例。 本発明における領域抽出処理システムの第3の構成図。 本発明における領域抽出処理システムのアルゴリズム解剖管理データベースを他システムに表示した画面を示す例。
以下、本発明を実施するための最良の形態を説明する。
図1は、本発明における領域抽出処理システムの構成図である。図1に示す領域抽出処理システムは、入力部101と、表示部102と、領域抽出部103と、アルゴリズム解剖管理データベース104と、輝度分布解析部105と、輝度分布管理データベース106と、領域抽出前処理部107から構成される。
本システムのハードウエア構成について述べる。図2に、本発明における領域抽出処理システムを実現するハードウエア構成図を示す。アルゴリズム解剖管理データベース104と輝度分布管理データベース106は、HDD(Hard Disk Drive)装置に代表される外部記憶装置2014などにより構成される。領域抽出部103と輝度分布解析部105と領域抽出前処理部107は、中央処理装置2013やメモリ2012などにおいて、所定のプログラムが展開・起動することで各種の処理を実現することができる。表示部102は、液晶ディスプレイ2011やCRT(Cathode−Ray Tube)などを利用したモニタにより実現することができる。また、紙などの媒体に出力してもよい。入力部101は、キーボード2010やマウスやペンタブレットにより実現することができる。
図3に領域抽出処理システムの動作概要を示したフローチャートを示す。また、図4には、図3にて示したフローチャートの一部(S302、S304)に関するシーケンス図を示す。まず始めに、S301について説明する。S301では、領域抽出部が、領域抽出処理を行うために、入力部101を介して、抽出対象の生態組織(以下、目的領域)と対象画像を取得する。図5では、S301を説明するために、表示部102に表示される画面例を示している。図5に示す画面は、条件設定部501と、対象画像選択ボタン5011と、目的領域選択ボタン5012と、実行ボタン5013と、画像表示部502から構成される。まず始めにユーザは、対象画像選択ボタン5011を押下し、蓄積された対象画像のフォルダ選択により対象画像を選択すると、画像表示部502に対象画像が表示される。次に、目的領域選択ボタン5012を介して、目的領域を入力する。最後に、実行ボタン5013を押下すると、S302以下の処理が実行され、目的領域の抽出結果が画像表示部502に表示される(S306)。本実施例では、画像表示部502に表示した画像に対して、HCC(Hepatocellular Carcinoma:肝細胞癌)を目的領域選択ボタン5012にて目的領域として指定している様子を示している。
S302では、領域抽出部が、目的領域の抽出のために、適用アルゴリズムとパラメータを、アルゴリズム解剖管理データベース104から取得する。図4の1段目では、S302におけるシステム構成要素間のメッセージ交換の様子をシーケンス図で表現している。ここで、図6にアルゴリズム解剖管理データベース104の例を示す。本実施例では、アルゴリズム解剖管理データベース104には2つのテーブル(アルゴリズム解剖管理テーブル601、パラメータパターンテーブル602)がある様子を示している。アルゴリズム解剖管理テーブルには、生体組織を抽出するためのアルゴリズムや、そのパラメータパターンのIDが記されている。また、パラメータパターンテーブルには、パラメータパターンのIDに対応する具体的なパラメータが記されている。なおパラメータパターンテーブルにおいて、「−」は該当パラメータを使わないことを、「?」は未知数である事を示している。本実施例では、1番目のパラメータパターンとLevel Setを動脈相の画像に適用すれば、肝臓内血管と門脈とHCCを同時に抽出できる事が分かる。また、HCCを単独で抽出するためには、2番目のパラメータパターンとLevel Setを対象画像に適用すれば良い事が分かる。図5に示すようにHCCが目的領域の場合、S302では2番目のパラメータパターンとLevel Set を取得する。
アルゴリズム解剖管理データベース104は、ユーザによる編集が可能である。図7に、アルゴリズム解剖管理データベース104の内容を、表示部102に表示した画面例を示している。図7に示す画面は、編集テーブル選択エリア701と、編集テーブル提示部702と、編集更新ボタン703と、編集キャンセルボタン704から構成される。ユーザはまず始めに、編集テーブル選択エリア701を介して編集するテーブルを選択すると、編集テーブル提示部702に対象テーブルが表示される。本実施例では、編集テーブル選択エリア701にてアルゴリズム解剖管理テーブル104を選択し、編集テーブル提示部702に内容を表示している様子を示している。ここではアルゴリズム解剖管理テーブル104を選択しているが、後述する輝度分布管理データベース106の選択と編集も可能である。次に、入力部101を介して編集を終えると、編集内容を更新する場合は編集更新ボタン703を、キャンセルする場合は編集キャンセルボタン704を押下する。このようにテーブルを編集できるようにする事で、パラメータやアルゴリズムに関する新たな知識に対応する事が可能になる。これにより、新たな生体組織が抽出可能になる、抽出精度が向上するなどの効果がある。
S303では、領域抽出部が、アルゴリズム解剖管理データベース104から取得したパラメータに未知数があるかどうか判別し、未知数がある場合はS304に、無い場合はS305に移行する。本実施例では、図5に示すように目的領域がHCCだけの場合、図6に示すようにパラメータ(輝度最大値、輝度最小値)に未知数があるため、S304に移行する。また、目的領域が肝臓の場合、図6に示すようにパラメータパターンが4となり未知数が無いため、S305に移行する。
S304では、領域抽出部が、目的領域と対象画像を入力とし、輝度分布解析部から、未知数パラメータの輝度分布を取得し、未知数パラメータの値を取得する。図4の2段目では、S304におけるシステム構成要素間のメッセージ交換の様子をシーケンス図で表現している。S304の入力値は、S301にて取得した目的領域と対象画像と同じである。S304の詳細は、図8などを用いて後述する。
S305では、領域抽出部が、S302とS304にて取得した適用アルゴリズムとパラメータを対象画像に適用し、目的領域を抽出する。ただし、S303の判別結果によっては、S304にてパラメータを取得しない場合もある。本実施例では、図5に示すように目的領域がHCCだけの場合、図6のパラメータパターンテーブルに示す3番目のパラメータパターンとS304にて取得したパラメータ値をLevel Setにあてはめ、対象画像に適用する事で、HCCの領域を抽出する。
ここで、輝度分布解析部の処理(S304)の基本的な考え方について述べる。領域を抽出する際、関心領域の輝度値分布が未知である事が多い。例えばHCCの造影CT検査において、造影剤を急速静注後30秒ほどで撮影する動脈相では、対象組織に造影剤が取りこまれて高吸収となり、対象組織の画像コントラストが明瞭となる。しかし造影剤の拡散が速く、撮影タイミングが異なる事も多いため、必ずしも関心領域の輝度値分布が同じになる保障はない。そのため従来技術では、ユーザが意図していない領域を抽出する事で偽陽性が増加し、抽出精度を悪化させる原因となっていた。そこで本発明では造影剤の生態組織毎の拡散における類似性を用いて、目的領域の輝度分布を求める代わりに、輝度分布が目的領域と類似し、かつ抽出が容易な生体組織を予め抽出し、類似部位の抽出結果から目的領域の輝度分布が推測できるのではないかと考えた。本実施例で用いるHCCの場合、これまで述べたようにHCCを抽出する前に正確な輝度値分布を把握する事は困難である。しかし、動脈相において肝臓内血管と門脈とHCCは造影剤の拡散特性が同じであるため、これらの生体組織の抽出が容易であれば、予めこれらの生態組織を抽出する。このようにして抽出した結果から、目的領域であるHCCの輝度分布を推測し、輝度最大値、輝度最小値を決定する。
次に、輝度分布解析部の詳細な処理(S304)について図8、図9、図10を用いて述べる。図8に輝度分布解析部の詳細を示したフローチャートを示す。また、図9には、図8にて示したフローチャートの一部(S3041、S3042、S3043)に関するシーケンス図を示す。
S3041では、輝度分布解析部が、目的領域を入力として、輝度分布管理データベース106から目的領域の輝度分布と類似する領域(類似部位)を探索する。図9の1段目では、S3041におけるシステム構成要素間のメッセージ交換の様子をシーケンス図で表現している。輝度分布管理データベース106では、輝度分布が類似した領域を管理している。ここで、図10に輝度分布管理データベース106の例を示す。本実施例では、動脈相や遅延相などのフェーズ毎に輝度分布が類似した領域を管理しており、動脈相において肝臓内血管、門脈、HCC、腎臓が類似した輝度分布を持っている様子を示している。なお、装置メーカによって輝度値が異なる事もあるため、輝度分布管理データベース106のフィールドに「装置メーカ」を追加しても良い。ここで図5に示すHCC抽出におけるS3041の処理内容について具体例を述べる。本例では動脈相の画像からHCCを抽出する事を入力として受け付けると、図10に示す輝度分布管理テーブル106から、肝臓内血管、門脈、HCC、腎臓の4生体組織を、HCCの類似部位として抽出する。ここでS3041では入力は目的領域のみであるが、図10に示す輝度分布管理テーブルのようにフェーズに応じて輝度分布の類似性を管理している場合は、S3041の入力としてフェーズも含まれる。ただしフェーズは必ずしも必須の入力項目ではない。
S3042では、輝度分布解析部が、類似部位の全て、もしくは一部を抽出するための適用アルゴリズムとパラメータの組を、アルゴリズム解剖管理データベース104から取得する。取得する際、容易な抽出を実現するため、パラメータに未知数が含まれない組を取得する。図9の2段目では、S3042におけるシステム構成要素間のメッセージ交換の様子をシーケンス図で表現している。本実施例では、S3041にて類似部位として抽出した肝臓内血管、門脈、HCC、腎臓を抽出するための適用アルゴリズムとパラメータを、図6に示すアルゴリズム解剖管理データベース104から取得する。本例では、1番目のパラメータとLevel Setを対象画像に適用すれば、類似部位の一部である肝臓内血管、門脈、HCCを抽出する事が可能になる。そこでS3042では1番目のパラメータパターンとLevel Set を取得する。
S3043では、輝度分布解析部が、S3042にて取得した適用アルゴリズムとパラメータとを対象画像に適用し、類似部位を抽出し、その輝度分布を取得する。図9の3段目では、S3043におけるシステム構成要素間のメッセージ交換の様子をシーケンス図で表現している。本実施例では、S3042にて取得した1番目のパラメータとLevel Setを対象画像に適用する事で、類似部位である肝臓内血管と門脈とHCCを抽出し、その輝度分布を取得する。
S3044では、輝度分布解析部が、S3043にて取得した輝度分布から画像特徴量を算出し、未知数パラメータの値とする。輝度分布から画像特徴量を算出する方法として、輝度分布の最大値と最小値から求める方法や、平均値/中央値/輝度値の最頻値/分散値から求める方法などがある。例えば本実施例では、S3043にて取得した肝臓内血管、門脈、HCCの輝度分布において画素数が最頻値となる輝度値(以下、最頻値)と分散値を求め、輝度値の最頻値+分散値を輝度最大値として、輝度値の最頻値を輝度最小値とする。
このような画像データの解析処理による領域抽出処理システムにより、輝度値が類似して、かつ抽出が容易な領域における輝度値分布を用いる事で、より高精度に関心領域の輝度値分布を推定する事が可能になり、それにより領域抽出における偽陽性の問題を克服する事ができる。これにより、領域抽出が容易で、より正確な領域抽出を実現する事が可能になる。すなわち、医師の腫瘍診断の労力を削減する事が可能になる。
図11は、本発明における領域抽出処理システムの第2の構成図である。特に、電子カルテシステムなど他の情報システムと連携して目的領域を取得する事を目的に、図1に示した構成図に情報システム連携部108を新たに追加し、領域抽出部103の処理方法を変更したものである。本実施例では電子カルテシステムと連携しているが、放射線情報システムなど目的領域を管理しているシステムと連携してもよい。情報システム連携部108は、図2に示す中央処理装置2013やメモリ2012などにおいて、所定のプログラムが展開・起動することで各種の処理を実現することができる。また図11では、電子カルテシステムは少なくとも電子カルテデータベース109を有しており、電子カルテデータベース109はHDD(Hard Disk Drive)装置に代表される外部記憶装置などにより構成される。
図12に、本実施例に示すシステムを実現するフローチャートを示す。図3に示したフローチャートとの違いは、図3では入力部を介して目的領域を取得していた(S301)が、図12では情報システム連携部を介して取得した(S307とS308)点が異なる。そこで本処理について詳細に述べる。
S307では、領域抽出処理を行うために、入力部101を介して、対象画像のみを取得する。次にS308では、領域抽出部103が情報システム連携部108を介して、電子カルテシステムなどの情報システムにあるデータベースから、抽出対象の目的領域を取得する。図13に、電子カルテデータベース109の例を示す。本実施例では、電子カルテデータベース109に、電子カルテシステムにおけるオーダ情報を保持してオーダ管理テーブルがある様子を示している。本例では、オーダID001のオーダが、2011/07/1にA田B男さんが患者P001の肝臓にHCCを疑い、撮影を依頼している様子を示している。図14に、S307とS308に関連する、表示部102に表示される画面例を示している。図5との違いは、目的領域選択ボタン5012が無い点である。
次に、図13と図14を用いて、具体例を用いて図12に示す処理の流れを説明する。本実施例では、まず初めにユーザによって、図14に示す対象画像選択ボタン5011が押下され、蓄積された対象画像のフォルダ選択により対象画像が選択されると、患者名、オーダID、撮影日、フェーズを取得すると共に、画像表示部502に対象画像が表示される(S307)。次に、ユーザによって実行ボタン5013が押下されると、図13に示すオーダ管理テーブルの疑い病名から、領域抽出部103が目的領域をHCCとして取得する(S308)。その後、目的領域として取得したHCCを図14に示す画面に表示すると同時に、領域抽出処理を行い(S302〜S305)、最終結果を表示する(S306)。
このような画像データの解析処理による領域抽出処理システムにより、ユーザを介することなく関心領域となる部位名を目的領域として取得する事が可能になる。それにより、ユーザの負担を更に軽減する事が可能になる。
図15は、本発明における輝度分布解析部105の詳細な処理(S304)を示した第2のフローチャートである。図8に示したフローチャートと比較すると、アルゴリズム解剖管理データベース104から取得するアルゴリズムとパラメータの選択肢が複数ある場合に対応するために、S3043の処理がS3045に変更している。そこで、図16に示すアルゴリズム解剖管理データベース104の具体例を用いて、S3045を中心とした処理の流れを説明する。まずS3042にて、目的領域がHCCの場合、図16に示すアルゴリズム解剖管理データベース104からは肝臓内血管、門脈、HCCを抽出するための適用アルゴリズムとパラメータパターンの組と、肝臓内血管、門脈を抽出するための適用アルゴリズムとパラメータパターンの組を取得する。
次にS3045では、S3042にて取得した適用アルゴリズムとパラメータの組が複数ある場合、偽陽性率が最も低い適用アルゴリズムとパラメータの組を画像に適用する。これにより類似部位を抽出し、その輝度分布を取得する。これは、偽陽性の発生率を考慮する事で精度が向上し、目的領域のより正確な輝度分布を取得する事ができるためである。本実施例では、肝臓内血管、門脈を抽出するための適用アルゴリズムとパラメータパターンを用いると、偽陽性率が最も小さい。そのため5番目のパラメータとLevel Setを対象画像に適用する事で、類似部位である肝臓内血管と門脈を抽出し、その輝度分布を取得する。
最後にS3044では、S3045にて取得した輝度分布から画像特徴量を算出し、未知数パラメータの値とする。例えば本実施例では、画像特徴量として、S3045にて取得した肝臓内血管、門脈の輝度分布の最頻値と、最頻値−aと最頻値+aを端点とする閉空間内の輝度値を持つ画素数が、予め設定した閾値を超える正の整数の中で最小の値aを算出する。未知数パラメータの輝度最大値は最頻値+aを、輝度最小値は最頻値−aとして決定する。
このような画像データの解析処理による領域抽出処理システムにより、偽陽性発生率を考慮する事が可能となり、より正確な輝度分布を推定することができ、目的領域の抽出精度が向上する。
図17は、本発明における領域抽出処理システムの構成図である。特にアルゴリズム解剖管理データベース104を遠隔から編集する事を目的に、図1に示した構成図に通信回線部110を追加したものである。通信回線部110は、図2に示す中央処理装置2013やメモリ2012などにおいて、所定のプログラムが展開・起動することで各種の処理を実現することができる。通信回線部110では、アルゴリズム管理解剖データベース104に蓄積された情報を、電子カルテや放射線情報システムなど他の情報システムに通信回線を介して配信し、他の情報システムにて編集された内容を、通信回線を介して受け付ける。図18に、通信回線部110を介して他の情報システムの表示部に表示した画面例を示す。図7との違いは、領域抽出処理システムと連携するために、新たに接続先指定エリア705を追加した点にある。ユーザはまず始めに、編集テーブル選択エリア701を介して編集するテーブルを選択し、接続先指定エリア705に連携対象の領域抽出処理システムのIPアドレスなどの場所を指定すると、通信回線部110を介して、編集テーブル提示部702に対象テーブルが表示される。次に、編集を終えると、編集内容を更新する場合は編集更新ボタン703を、キャンセルする場合は編集キャンセルボタン704を押下する。これにより、通信回線部110を介してアルゴリズム解剖管理データベース104が更新される。
このような画像データの解析処理による領域抽出処理システムにより、遠隔からアルゴリズム解剖管理データベース104を編集する事が可能になるため、新たな生体組織が抽出可能になるアルゴリズムやパラメータを発見した場合、領域抽出処理システムに迅速な反映が可能となる。また遠隔から編集することで、領域抽出処理システムが設定している現場に行く必要がなくなり、リモートメンテナンスが可能となる。
本発明は、医用画像データの解析処理システムに係り、特に正確な領域抽出を支援するための画像データの解析処理技術として有用である。
101 入力部
102 表示部
103 領域抽出部
104 アルゴリズム解剖管理データベース
105 輝度分布解析部
106 輝度分布管理データベース
107 領域抽出前処理部
108 情報システム連携部
109 電子カルテデータベース
110 通信回線部
2010 キーボード
2011 液晶ディスプレイ
2012 メモリ
2013 中央処理装置
2014 外部記憶装置
501 条件設定部
5011 対象画像選択ボタン
5012 目的領域選択ボタン
5013 実行ボタン
502 画像表示部
701 編集テーブル選択エリア
702 編集テーブル提示部
703 編集更新ボタン
704 編集キャンセルボタン
705 接続先指定エリア

Claims (7)

  1. 画像から目的領域を抽出するシステムであって、
    前記目的領域と対象画像の入力を受け付ける入力部と、
    前記目的領域を抽出するための最適なアルゴリズムと未知数を含むパラメータと、を蓄積するアルゴリズム管理解剖データベースと、
    前記目的領域と前記対象画像を入力として、前記アルゴリズム管理解剖データベースに蓄積された前記アルゴリズムと前記パラメータを取得して、取得した前記アルゴリズムと前記パラメータを前記対象画像に適用することで、前記目的領域の領域抽出処理を実行する領域抽出部と、
    前記目的領域と前記対象画像とを入力として、前記目的領域の輝度分布を算出する事で、未知数パラメータを出力する輝度分布解析部と、
    生体組織の輝度分布の類似性を蓄積する輝度分布管理データベースと、
    前記対象画像と前記アルゴリズム管理解剖データベースに蓄積された前記アルゴリズムと前記パラメータを入力として、未知数パラメータを求めるための前処理を行う領域抽出前処理部と
    抽出結果を表示する表示部と
    を有しており、
    前記領域抽出部では、入力された前記パラメータに未知数が含まれる場合、該パラメータの最適値を前記輝度分布解析部から取得する
    事を特徴とする領域抽出処理システム。
  2. 請求項1に記載の領域抽出処理システムであって、さらに
    前記目的領域を、電子カルテデータベースもしくは放射線情報システムデータベースから取得する情報システム連携部を有することを特徴とする領域抽出処理システム。
  3. 請求項1に記載の領域抽出処理システムにおいて、さらに、
    前記輝度分布解析部では、
    前記目的領域の輝度分布と類似する輝度分布を有する領域を、前記輝度分布管理データベースにて蓄積している類似性から類似部位として探索し、
    前記類似部位の全て、もしくはその一部の領域を抽出するための前記アルゴリズムと前記パラメータを前記アルゴリズム管理解剖データベースから取得し、
    前記未知数パラメータを求めるための前処理として、領域抽出前処理部では、取得した前記アルゴリズムと前記パラメータを用いて類似部位の領域を抽出し、領域抽出結果から算出した輝度分布を用いて画像特徴量を算出し、
    前記画像特徴量から未知数パラメータの値を決定する
    事を特徴とする領域抽出処理システム。
  4. 請求項3に記載の領域抽出処理システムにおいて、さらに、
    前記アルゴリズム管理解剖データベースには、アルゴリズムとパラメータの組毎に、偽陽性が発生する確率である偽陽性率が蓄積されており、
    前記輝度分布解析部では、前記目的領域の輝度分布と類似する類似部位が複数ある場合、
    前記アルゴリズム管理解剖データベースのデータを用いて、偽陽性率が最も小さい前記アルゴリズムと前記パラメータのみを、前記アルゴリズム管理解剖データベースから取得する
    事を特徴とする領域抽出処理システム。
  5. 請求項3に記載の領域抽出処理システムにおいて、さらに、
    前記領域抽出部にて取得する未知数のパラメータが、目的領域の輝度最大値と輝度最小値であり、
    前記輝度分布解析部では、
    領域抽出前処理部において未知数パラメータを決定するために用いた前記画像特徴量は、前記領域抽出前処理部にて算出した輝度分布において画素数が最頻値となる輝度値と、最頻値−aと最頻値+aを端点とする閉空間内の輝度値を持つ画素数が、予め設定した閾値を超える正の整数の最小値aである
    事を特徴とする領域抽出処理システム。
  6. 請求項1又は請求項2に記載の領域抽出処理システムにおいて、さらに、
    前記表示部では、アルゴリズム管理解剖データベースに蓄積されたデータを表示し、
    前記入力部では、前記表示部に表示された前記アルゴリズム管理解剖データベースの編集内容を受け付ける
    事を特徴とする領域抽出処理システム。
  7. 請求項1又は請求項2に記載の領域抽出処理システムにおいて、さらに、
    前記アルゴリズム管理解剖データベースに蓄積された情報を、他の情報システムに通信回線を介して配信し、他の情報システムにて編集されたアルゴリズム管理解剖データベースの編集内容を、通信回線を介して受け付ける通信回線部
    を有する事を特徴とする領域抽出処理システム。
JP2012027975A 2012-02-13 2012-02-13 領域抽出処理システム Active JP5750381B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2012027975A JP5750381B2 (ja) 2012-02-13 2012-02-13 領域抽出処理システム
PCT/JP2012/083192 WO2013121679A1 (ja) 2012-02-13 2012-12-21 領域抽出処理システム
US14/377,316 US9292762B2 (en) 2012-02-13 2012-12-21 Region extraction system
CN201280069350.2A CN104105441B (zh) 2012-02-13 2012-12-21 区域提取处理***

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012027975A JP5750381B2 (ja) 2012-02-13 2012-02-13 領域抽出処理システム

Publications (2)

Publication Number Publication Date
JP2013162922A JP2013162922A (ja) 2013-08-22
JP5750381B2 true JP5750381B2 (ja) 2015-07-22

Family

ID=48983821

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012027975A Active JP5750381B2 (ja) 2012-02-13 2012-02-13 領域抽出処理システム

Country Status (4)

Country Link
US (1) US9292762B2 (ja)
JP (1) JP5750381B2 (ja)
CN (1) CN104105441B (ja)
WO (1) WO2013121679A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5750381B2 (ja) * 2012-02-13 2015-07-22 株式会社日立製作所 領域抽出処理システム
JP6013665B1 (ja) * 2014-11-26 2016-10-25 オリンパス株式会社 診断支援装置及び診断支援情報表示方法
CN110647603B (zh) * 2018-06-27 2022-05-27 百度在线网络技术(北京)有限公司 图像标注信息的处理方法、装置和***

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100698845B1 (ko) * 2005-12-28 2007-03-22 삼성전자주식회사 인물 외형 추출 알고리즘을 이용한 영상 편집 방법 및 그장치
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
US8107699B2 (en) * 2007-08-08 2012-01-31 Siemens Medical Solutions Usa, Inc. Feature processing for lung nodules in computer assisted diagnosis
US8026955B2 (en) * 2007-08-30 2011-09-27 Honda Motor Co., Ltd. Camera exposure controller including imaging devices for capturing an image using stereo-imaging
JP2009082452A (ja) 2007-09-28 2009-04-23 Terarikon Inc 解析プロトコルに基づいた前処理装置を具備する三次元画像表示装置
JP5159242B2 (ja) * 2007-10-18 2013-03-06 キヤノン株式会社 診断支援装置、診断支援装置の制御方法、およびそのプログラム
US8315449B2 (en) * 2008-06-24 2012-11-20 Medrad, Inc. Identification of regions of interest and extraction of time value curves in imaging procedures
WO2010063010A2 (en) * 2008-11-26 2010-06-03 Guardian Technologies International Inc. System and method for texture visualization and image analysis to differentiate between malignant and benign lesions
US8774363B2 (en) * 2009-03-06 2014-07-08 Koninklijke Philips N.V. Medical viewing system for displaying a region of interest on medical images
CN101533512B (zh) * 2009-04-24 2012-05-09 西安电子科技大学 基于人类视觉注意***的图像感兴趣区域自动提取方法
CN102421373B (zh) * 2009-05-20 2014-07-16 株式会社日立医疗器械 医用图像诊断装置及其感兴趣区域设定方法
CN102113897B (zh) * 2009-12-31 2014-10-15 深圳迈瑞生物医疗电子股份有限公司 一种在图像中提取及测量感兴趣目标的方法及其装置
JP5750381B2 (ja) * 2012-02-13 2015-07-22 株式会社日立製作所 領域抽出処理システム

Also Published As

Publication number Publication date
CN104105441A (zh) 2014-10-15
US20150049935A1 (en) 2015-02-19
WO2013121679A1 (ja) 2013-08-22
CN104105441B (zh) 2016-01-13
US9292762B2 (en) 2016-03-22
JP2013162922A (ja) 2013-08-22

Similar Documents

Publication Publication Date Title
US9792703B2 (en) Generating a synthetic two-dimensional mammogram
EP3447733B1 (en) Selective image reconstruction
US8311301B2 (en) Segmenting an organ in a medical digital image
JP6316671B2 (ja) 医療画像処理装置および医用画像処理プログラム
JP4911029B2 (ja) 異常陰影候補検出方法、異常陰影候補検出装置
JP4785371B2 (ja) 動的制約を用いる多次元構造の抽出方法及びシステム
WO2012169344A1 (ja) 画像診断支援装置、及び方法
JP5279995B2 (ja) 領域確定装置
JP2006314778A (ja) 医用画像処理装置及び医用画像処理方法
US8520923B2 (en) Reporting organ volume for a medical digital image
JP2004105737A (ja) 心臓磁気共振潅流データのための統合的画像記録方法
US8588490B2 (en) Image-based diagnosis assistance apparatus, its operation method and program
JP2011125431A (ja) 画像処理装置、および画像位置合せ方法
JP6407718B2 (ja) 画像処理装置及び画像処理方法
JP4564387B2 (ja) 医用画像生成装置
US10860894B2 (en) Learning data generation support apparatus, operation method of learning data generation support apparatus, and learning data generation support program
JP2016189946A (ja) 医用画像位置合わせ装置および方法並びにプログラム
JP2008148932A (ja) 3次元画像処理装置、3次元画像処理方法、記憶媒体及びプログラム
Gunay et al. Semiautomated registration of pre‐and intraoperative CT for image‐guided percutaneous liver tumor ablation interventions
JP5750381B2 (ja) 領域抽出処理システム
US8805122B1 (en) System, method, and computer-readable medium for interpolating spatially transformed volumetric medical image data
JP6876200B2 (ja) 動的術中セグメンテーションデータに対する静的術前計画データの位置合わせ
JP2014184012A (ja) 手術支援装置、方法およびプログラム
JP2007044346A (ja) 医用画像処理装置における関心領域の経時的特定方法及び医用画像処理装置
JP7309703B2 (ja) 画像診断支援装置、画像診断支援方法、及び画像診断支援プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20140515

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: 20150421

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20150518

R151 Written notification of patent or utility model registration

Ref document number: 5750381

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151