JP6552601B2 - 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 - Google Patents
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 Download PDFInfo
- Publication number
- JP6552601B2 JP6552601B2 JP2017507176A JP2017507176A JP6552601B2 JP 6552601 B2 JP6552601 B2 JP 6552601B2 JP 2017507176 A JP2017507176 A JP 2017507176A JP 2017507176 A JP2017507176 A JP 2017507176A JP 6552601 B2 JP6552601 B2 JP 6552601B2
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- abnormality
- candidate area
- calculating
- integrated feature
- 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
- 238000012545 processing Methods 0.000 title claims description 79
- 238000000034 method Methods 0.000 title claims description 61
- 230000005856 abnormality Effects 0.000 claims description 250
- 230000002159 abnormal effect Effects 0.000 claims description 100
- 238000004364 calculation method Methods 0.000 claims description 89
- 238000001727 in vivo Methods 0.000 claims description 89
- 238000006243 chemical reaction Methods 0.000 claims description 75
- 238000001514 detection method Methods 0.000 claims description 57
- 210000004400 mucous membrane Anatomy 0.000 claims description 27
- 230000002547 anomalous effect Effects 0.000 claims description 24
- 210000000056 organ Anatomy 0.000 claims description 21
- 210000001519 tissue Anatomy 0.000 claims description 17
- 238000003384 imaging method Methods 0.000 claims description 15
- 210000002429 large intestine Anatomy 0.000 claims description 4
- 210000000813 small intestine Anatomy 0.000 claims description 4
- 210000002784 stomach Anatomy 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims 9
- 230000010354 integration Effects 0.000 claims 1
- 238000011017 operating method Methods 0.000 claims 1
- 238000012986 modification Methods 0.000 description 39
- 230000004048 modification Effects 0.000 description 39
- 238000010586 diagram Methods 0.000 description 14
- 239000000284 extract Substances 0.000 description 10
- 239000013598 vector Substances 0.000 description 8
- 238000009826 distribution Methods 0.000 description 6
- 238000010187 selection method Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 208000037062 Polyps Diseases 0.000 description 3
- 208000025865 Ulcer Diseases 0.000 description 3
- 230000000740 bleeding effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 231100000397 ulcer Toxicity 0.000 description 3
- 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 2
- 239000002775 capsule Substances 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- LDXJRKWFNNFDSA-UHFFFAOYSA-N 2-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-1-[4-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]piperazin-1-yl]ethanone Chemical class C1CN(CC2=NNN=C21)CC(=O)N3CCN(CC3)C4=CN=C(N=C4)NCC5=CC(=CC=C5)OC(F)(F)F LDXJRKWFNNFDSA-UHFFFAOYSA-N 0.000 description 1
- YLZOPXRUQYQQID-UHFFFAOYSA-N 3-(2,4,6,7-tetrahydrotriazolo[4,5-c]pyridin-5-yl)-1-[4-[2-[[3-(trifluoromethoxy)phenyl]methylamino]pyrimidin-5-yl]piperazin-1-yl]propan-1-one Chemical class N1N=NC=2CN(CCC=21)CCC(=O)N1CCN(CC1)C=1C=NC(=NC=1)NCC1=CC(=CC=C1)OC(F)(F)F YLZOPXRUQYQQID-UHFFFAOYSA-N 0.000 description 1
- DEXFNLNNUZKHNO-UHFFFAOYSA-N 6-[3-[4-[2-(2,3-dihydro-1H-inden-2-ylamino)pyrimidin-5-yl]piperidin-1-yl]-3-oxopropyl]-3H-1,3-benzoxazol-2-one Chemical compound C1C(CC2=CC=CC=C12)NC1=NC=C(C=N1)C1CCN(CC1)C(CCC1=CC2=C(NC(O2)=O)C=C1)=O DEXFNLNNUZKHNO-UHFFFAOYSA-N 0.000 description 1
- 206010015150 Erythema Diseases 0.000 description 1
- 241000282341 Mustela putorius furo Species 0.000 description 1
- 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 1
- 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 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000004877 mucosa Anatomy 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/00002—Operational features of endoscopes
- A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
- A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
- A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
- A61B1/045—Control thereof
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B90/00—Instruments, implements or accessories specially adapted for surgery or diagnosis and not covered by any of the groups A61B1/00 - A61B50/00, e.g. for luxation treatment or for protecting wound edges
- A61B90/36—Image-producing devices or illumination devices not otherwise provided for
- A61B90/361—Image-producing devices, e.g. surgical cameras
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
- A61B1/041—Capsule endoscopes for imaging
-
- 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
- G06T2207/30096—Tumor; Lesion
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Optics & Photonics (AREA)
- Signal Processing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Endoscopes (AREA)
- Image Analysis (AREA)
Description
手順1.画像内から局所特徴量を算出する。
手順2.画像を複数サイズの矩形領域に分割して、ピラミッド画像を作成する。
手順3.各矩形領域内における局所特徴量と事前に作成しておいた代表ベクトル群との局所特徴空間における距離を算出し、最近傍にある代表ベクトルを求め、その頻度分布(統合特徴量)を算出する。
手順4.矩形領域ごとに算出した頻度分布と、事前に作成しておいた正常および異常の頻度分布を比較することで、正常または異常を判別する。
図1は、本発明の実施の形態1に係る画像処理装置の機能構成を示すブロック図である。同図に示す画像処理装置1は、演算部2と、記憶部3とを備える。画像処理装置1は、カプセル内視鏡や内視鏡等により撮像された生体内管腔画像を取得して所定の画像処理を行う機能を有する。生体内管腔画像としては、各画素位置においてR(赤)、G(緑)、B(青)の波長成分に対する画素レベル(画素値)を持つカラー画像を用いる。
n=1.0+(異常候補領域の面積/最大面積変数) ・・・(1)
と設定される。式(1)の右辺の「最大面積変数」とは、外接矩形領域を設定するための基準となる面積であり、異常候補領域として想定される面積の最大値に相当する。図2は、特徴量算出部5が異常候補領域に対して行う処理の概要を模式的に示す図である。図2では、円形状の異常候補領域101に対して外接矩形領域102が抽出され、拡張領域103が設定された場合を示している。
(1)色異常の場合
色特徴量:80次元、形状特徴量:10次元、テクスチャ特徴量:10次元
(2)形状異常の場合
色特徴量:10次元、形状特徴量:80次元、テクスチャ特徴量:10次元
(3)テクスチャ異常の場合
色特徴量:10次元、形状特徴量:10次元、テクスチャ特徴量:80次元
なお、ここで記載した選択比はあくまでも一例に過ぎない、例えば(1)色異常の場合には、色特徴量の次元数が最大であれば、どのように設定しても構わない。
本実施の形態1の変形例1−1として、異常候補領域情報取得部61が行う異常候補領域情報取得処理および特徴量選択処理の第2例を説明する。本変形例1−1において、異常候補領域情報取得部61は、異常候補領域の境界における明瞭性を算出する。
まず、異常候補領域情報取得部61は、各異常候補領域内の画素平均値(輝度平均値、G平均値、G/R平均値等)を算出する。
続いて、異常候補領域情報取得部61は、各拡張領域内の異常候補領域でない領域の画素平均値(輝度平均値、G平均値、G/R平均値等)を算出する。
その後、異常候補領域情報取得部61は、各異常候補領域内の画素平均値と拡張領域内の異常候補領域でない領域の画素平均値との差を算出する。図5は、異常候補領域と拡張領域内の異常候補領域でない領域の例を示す図である。図5に示す領域105が、拡張領域103内で異常候補領域101でない領域を示している。
最後に、異常候補領域情報取得部61は、画素平均値の差が所定値以上の場合には境界が明瞭であると判定し、画素値の平均値の差が所定値未満の場合には境界が不明瞭であると判定する。
(1)境界が明瞭である場合
異常領域と正常領域で色や形状に顕著な差が出ると考えられる場合である。この場合、特徴量選択部621は、色特徴量を優先的に選択し、色特徴量および形状特徴量の次元数をテクスチャ特徴量の次元数より大きく設定する。例えば、特徴量選択部621は、選択する特徴量の次元数が100次元である場合、色特徴量:40次元、形状特徴量:40次元、テクスチャ特徴量:20次元と設定する。
(2)境界が不明瞭である場合
異常領域と正常領域で色や形状に顕著な差が出ないと考えられる場合である。この場合、特徴量選択部621は、テクスチャ特徴量を優先的に選択し、テクスチャ特徴量の次元数を色特徴量および形状特徴量の次元数より大きく設定する。例えば、特徴量選択部621は、選択する特徴量の次元数が100次元である場合、色特徴量:10次元、形状特徴量:10次元、テクスチャ特徴量:80次元と設定する。
本実施の形態1の変形例1−2として、異常候補領域情報取得部61が行う異常候補領域情報取得処理および特徴量選択処理の第3例を説明する。本変形例1−2において、異常候補領域情報取得部61は、生体内管腔画像内における臓器種類を判別する。臓器種類の判別方法に関しては、生体内管腔画像の平均R、G、B値に基づいて臓器種類を判別する方法(例えば、特開2006−288612号公報を参照)を用いる。記憶部3は、胃、小腸、大腸の画像内におけるR、G、B平均値の数値範囲を予め記憶している。異常候補領域情報取得部61は、画像内におけるR、G、B平均値と記憶部3が記憶する胃、小腸および大腸の数値範囲とを比較することにより、臓器種類を判別する。
(1)臓器種類が胃、小腸である場合
主な検出対象が、出血、びらん・潰瘍などの色やテクスチャに特徴がある異常の場合である。この場合、特徴量選択部621は、色特徴量およびテクスチャ特徴量を優先的に選択し、色特徴量およびテクスチャ特徴量の次元数を形状特徴量の次元数より大きく設定する。例えば、特徴量選択部621は、選択する特徴量の次元数が100次元である場合、色特徴量:40次元、形状特徴量:20次元、テクスチャ特徴量:40次元と設定する。
(2)臓器種類が大腸である場合
主な検出対象が、ポリープ、腫瘍などの形状に特徴がある異常の場合である。この場合、特徴量選択部621は、形状特徴量を優先的に選択し、形状特徴量の次元数を色特徴量およびテクスチャ特徴量の次元数より大きく設定する。例えば、特徴量選択部621は、選択する特徴量の次元数が100次元である場合、色特徴量:10次元、形状特徴量:80次元、テクスチャ特徴量:10次元と設定する。
本実施の形態1の変形例1−3として、異常候補領域情報取得部61が行う異常候補領域情報取得処理および特徴量選択処理の第4例を説明する。本変形例1−3において、異常候補領域情報取得部61は、異常候補領域が泡内部領域にあるか否かを判定する。記憶部3には、泡画像から事前に作成した泡モデルが記憶されている。
まず、異常候補領域情報取得部61は、画像内の各画素(輝度値、G値等)から公知のSobelやLaplacian等により勾配強度を算出する。
続いて、異常候補領域情報取得部61は、記憶部3が記憶する泡モデルと勾配強度画像の各画素位置における相関値を算出する。
その後、異常候補領域情報取得部61は、泡モデルとの相関値が所定の閾値以上である領域を泡内部領域として抽出する。
続いて、異常候補領域情報取得部61は、各異常候補領域について、その重心位置を算出する。
最後に、異常候補領域情報取得部61は、異常候補領域の重心位置が泡内部領域および泡外部領域のいずれに存在するかを判定する。図6は、異常候補領域の重心位置が泡内部領域に存在する場合を模式的に示す図である。図6に示す場合、異常候補領域情報取得部61は、重心位置が泡内部領域に存在すると判定する。
本実施の形態1の変形例1−4として、異常候補領域情報取得部61が行う異常候補領域情報取得処理および特徴量選択処理の第5例を説明する。本変形例1−4において、異常候補領域情報取得部61は、異常候補領域が暗部領域にあるか否かを判定する。
まず、異常候補領域情報取得部61は、各拡張領域内の輝度平均値(G平均値等)を算出する。
この後、異常候補領域情報取得部61は、輝度平均値が所定の閾値以下となる場合、その異常候補領域を暗部領域と判定する。
本実施の形態1の変形例1−5として、異常候補領域情報取得部61が行う異常候補領域情報取得処理および特徴量選択処理の第6例を説明する。本変形例1−5において、異常候補領域情報取得部61は、異常候補領域がハレーション領域にあるか否かを判定する。
まず、異常候補領域情報取得部61は、各拡張領域内の輝度平均値(G平均値等)を算出する。
この後、異常候補領域情報取得部61は、輝度平均値が所定の閾値以上となる場合、その異常候補領域をハレーション領域と判定する。
本実施の形態1の変形例1−6として、異常候補領域情報取得部61が行う異常候補領域情報取得処理および特徴量選択処理の第7例を説明する。本変形例1−6において、異常候補領域情報取得部61は、画像内における粘膜色を算出する。記憶部3は、事前に収集した粘膜領域と被粘膜領域のR、G、B各成分の画素値や、それらをもとに公知の変換により2次的に算出される値、色差(YCbCr変換)、色相、彩度(HSI変換)、色比(G/R、B/G)等の色特徴量をもとに決定される粘膜領域の判別基準(色範囲)を予め記憶している。
異常候補領域情報取得部61は、処理対象の各画素の色特徴量と、記憶部3が記憶する粘膜領域の判別基準とをもとに、各画素が粘膜領域であるか否かを判定する。
続いて、異常候補領域情報取得部61は、粘膜領域の色特徴量(G/R平均値)を算出する。
最後に、異常候補領域情報取得部61は、色特徴量(G/R平均値)が所定の閾値未満となる場合、赤味が強い粘膜色を有する粘膜領域であると判定し、G/R平均値が所定の閾値以上となる場合には、赤味が弱い粘膜色を有する粘膜領域であると判定する。
(1)粘膜色の赤味が強い場合
異常領域と正常領域で色に顕著な差が出ないと考えられる場合である。この場合、特徴量選択部621は、形状特徴量およびテクスチャ特徴量を優先的に選択し、形状特徴量およびテクスチャ特徴量の次元数を色特徴量の次元数より大きく設定する。例えば、特徴量選択部621は、選択する特徴量の次元数が100次元である場合、色特徴量:20次元、形状特徴量:40次元、テクスチャ特徴量:40次元と設定する。
(2)粘膜色の赤味が弱い場合
異常領域と正常領域で色に顕著な差が出ると考えられる場合である。この場合、特徴量選択部621は、色特徴量を優先的に選択し、色特徴量の次元数を形状特徴量およびテクスチャ特徴量の次元数より大きく設定する。例えば、特徴量選択部621は、選択する特徴量の次元数が100次元である場合、色特徴量:80次元、形状特徴量:10次元、テクスチャ特徴量:10次元と設定する。
図7は、本発明の実施の形態2に係る画像処理装置の機能構成を示すブロック図である。同図に示す画像処理装置8は、演算部9と、記憶部3とを備える。以下、実施の形態1に係る画像処理装置1の演算部2が有する構成部位と同様の構成部位については、同じ符号を付して説明する。
本実施の形態の変形例2−1として、統合特徴量次元数決定部631が行う統合特徴量次元数決定処理の第2例を説明する。統合特徴量次元数決定部631は、異常候補領域の境界における明瞭性に基づいて統合特徴量の次元数を決定する。具体的には、統合特徴量次元数決定部631は、境界が明瞭な場合には、境界が不明瞭な場合に比べて統合特徴量の次元数を小さく設定する。これは、境界が明瞭な場合、異常領域と正常領域に顕著な差が出ると考えられるためである。
本実施の形態の変形例2−2として、統合特徴量次元数決定部631が行う統合特徴量次元数決定処理の第3例を説明する。統合特徴量次元数決定部631は、異常候補領域が撮像された生体内管腔画像内における臓器種類に基づいて、統合特徴量の次元数を決定する。具体的には、統合特徴量次元数決定部631は、検査対象の臓器に対する統合特徴量の次元数を、検査対象でない臓器に対する統合特徴量の次元数より大きく設定する。これにより、検査対象の臓器を精度よく検出することが可能となる。
本実施の形態の変形例2−3として、統合特徴量次元数決定部631が行う統合特徴量次元数決定処理の第4例を説明する。統合特徴量次元数決定部631は、異常候補領域が泡内部領域にあるか否かに基づいて、統合特徴量の次元数を決定する。具体的には、統合特徴量次元数決定部631は、異常候補領域が泡内部領域にある場合には、泡外部領域にある場合と比べて統合特徴量の次元数を大きく設定する。これは、異常候補領域が泡内部領域にある場合、粘膜領域の赤みが強くなり、異常領域と正常領域で顕著な差が出にくいと考えられるためである。
本実施の形態の変形例2−4として、統合特徴量次元数決定部631が行う統合特徴量次元数決定処理の第5例を説明する。統合特徴量次元数決定部631は、異常候補領域が暗部領域にあるか否かに基づいて、統合特徴量の次元数を決定する。具体的には、統合特徴量次元数決定部631は、異常候補領域が暗部領域にある場合には、非暗部領域にある場合と比べて統合特徴量の次元数を大きく設定する。これは、異常候補領域が暗部領域にある場合、異常領域と正常領域で顕著な差が出にくいと考えられるためである。
本実施の形態の変形例2−5として、統合特徴量次元数決定部631が行う統合特徴量次元数決定処理の第6例を説明する。統合特徴量次元数決定部631は、異常候補領域がハレーション領域にあるか否かに基づいて、統合特徴量の次元数を決定する。具体的には、統合特徴量次元数決定部631は、異常候補領域がハレーション領域にある場合には、非ハレーション領域にある場合と比べて統合特徴量の次元数を大きく設定する。これは、異常候補領域がハレーション領域にある場合、異常領域と正常領域で顕著な差が出にくいと考えられるためである。
本実施の形態の変形例2−6として、統合特徴量次元数決定部631が行う統合特徴量次元数決定処理の第7例を説明する。統合特徴量次元数決定部631は、生体内管腔画像内における粘膜色に基づいて、統合特徴量の次元数を決定する。具体的には、統合特徴量次元数決定部631は、粘膜色の赤味が強い場合には、粘膜色の赤みが弱い場合と比べて統合特徴量の次元数を大きく設定する。これは、粘膜色の赤味が強い場合、異常領域と正常領域で顕著な差が出にくいと考えられるためである。
図9は、本発明の実施の形態3に係る画像処理装置の機能構成を示すブロック図である。同図に示す画像処理装置11は、演算部12と、記憶部3とを備える。以下、実施の形態1に係る画像処理装置1の演算部2が有する構成部位と同様の構成部位については、同じ符号を付して説明する。
本実施の形態の変形例3−1として、特徴量変換次元数決定部641が行う特徴量変換次元数決定処理の第2例を説明する。特徴量変換次元数決定部641は、異常候補領域の境界における明瞭性に基づいて、特徴量の変換次元数を決定する。具体的には、特徴量変換次元数決定部641は、境界が明瞭である場合には、境界が不明瞭な場合に比べて特徴量の変換次元数を小さく設定する。これは、境界が明瞭である場合、異常領域と正常領域に顕著な差が出ると考えられるためである。
本実施の形態の変形例3−2として、特徴量変換次元数決定部641が行う特徴量変換次元数決定処理の第3例を説明する。特徴量変換次元数決定部641は、異常候補領域が撮像された画像内における臓器種類に基づいて、特徴量の変換次元数を決定する。具体的には、特徴量変換次元数決定部641は、検査対象の臓器に対し、検査対象ではない臓器に比べて特徴量の変換次元数を大きく設定する。これにより、検査対象の臓器を精度よく検出することができる。
本実施の形態の変形例3−3として、特徴量変換次元数決定部641が行う特徴量変換次元数決定処理の第4例を説明する。特徴量変換次元数決定部641は、異常候補領域が泡内部領域にあるか否かに基づいて、特徴量の変換次元数を決定する。具体的には、特徴量変換次元数決定部641は、異常候補領域が泡内部領域にある場合には、泡外部領域にある場合と比べて特徴量の変換次元数を大きく設定する。これは、異常候補領域が泡内部領域にある場合、粘膜領域の赤みが強くなり、異常領域と正常領域で顕著な差が出にくいと考えられるためである。
本実施の形態の変形例3−4として、特徴量変換次元数決定部641が行う特徴量変換次元数決定処理の第5例を説明する。特徴量変換次元数決定部641は、異常候補領域が暗部領域にあるか否かに基づいて、特徴量の変換次元数を決定する。具体的には、特徴量変換次元数決定部641は、異常候補領域が暗部領域にある場合には、非暗部領域にある場合と比べて特徴量の変換次元数を大きく設定する。これは、異常候補領域が暗部領域にある場合、異常領域と正常領域で顕著な差が出にくいと考えられるためである。
本実施の形態の変形例3−5として、特徴量変換次元数決定部641が行う特徴量変換次元数決定処理の第6例を説明する。特徴量変換次元数決定部641は、異常候補領域がハレーション領域にあるか否かに基づいて、特徴量の変換次元数を決定する。具体的には、特徴量変換次元数決定部641は、異常候補領域がハレーション領域にある場合には、非ハレーション領域にある場合と比べて特徴量の変換次元数を大きく設定する。これは、異常候補領域がハレーション領域にある場合、異常領域と正常領域で顕著な差が出にくいと考えられるためである。
本実施の形態の変形例3−6として、特徴量変換次元数決定部641が行う特徴量変換次元数決定処理の第7例を説明する。特徴量変換次元数決定部641は、画像内における粘膜色に基づいて、特徴量の変換次元数を決定する。具体的には、特徴量変換次元数決定部641は、画像内の粘膜色の赤味が強い場合には、粘膜色の赤味が弱い場合に比べて特徴量の変換次元数を大きく設定する。これは、画像内の粘膜色の赤味が強い場合には、異常領域と正常領域で顕著な差が出にくいと考えられるためである。
ここまで、本発明を実施するための形態を説明してきたが、本発明は上述した実施の形態1〜3によってのみ限定されるべきものではない。例えば、パラメータ制御部が、特徴量選択部621、統合特徴量次元数決定部631および特徴量変換次元数決定部641の2つ以上を具備してもよい。この場合には、特徴量選択処理、統合特徴量次元数決定処理および特徴量変換次元数決定処理の2つ以上を組み合わせて行うことが可能となる。
2、9、12 演算部
3 記憶部
4 異常候補領域検出部
5 特徴量算出部
6、10、13 統合特徴量算出部
61 異常候補領域情報取得部
62、63、64 パラメータ制御部
101 異常候補領域
102 外接矩形領域
103 拡張領域
104 円形領域
105 拡張領域内の異常候補領域でない領域
621 特徴量選択部
631 統合特徴量次元数決定部
641 特徴量変換次元数決定部
Claims (21)
- 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出手段と、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出手段と、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出手段と、
前記統合特徴量を用いて前記生体内管腔画像から異常を検出する検出手段と、
を備え、
前記統合特徴量算出手段は、
前記異常候補領域の情報を取得する異常候補領域情報取得手段と、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御手段と、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得手段は、
前記異常候補領域における異常の種類を推定し、
前記パラメータ制御手段は、
前記統合特徴量の次元数を決定する統合特徴量次元数決定手段、および前記特徴量の変換次元数を決定する特徴量変換次元数決定手段の少なくともいずれかを有することを特徴とする画像処理装置。 - 前記異常候補領域情報取得手段は、
前記異常の種類として、色、形状およびテクスチャのいずれに異常があるかを推定し、
前記統合特徴量次元数決定手段および前記特徴量変換次元数決定手段の少なくともいずれかが決定する次元数は、
前記色に異常がある場合の次元数が、前記形状および/または前記テクスチャに異常がある場合の次元数より小さいことを特徴とする請求項1に記載の画像処理装置。 - 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出手段と、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出手段と、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出手段と、
前記統合特徴量を用いて前記生体内管腔画像から異常を検出する検出手段と、
を備え、
前記統合特徴量算出手段は、
前記異常候補領域の情報を取得する異常候補領域情報取得手段と、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御手段と、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得手段は、
前記異常候補領域における異常の種類を互いに異なる複数の方法によって推定し、
前記パラメータ制御手段は、
前記複数の方法による前記異常の種類の推定結果の少なくとも一部を組み合わせることにより、前記統合特徴量の次元数を決定する統合特徴量次元数決定手段、および前記特徴量の変換次元数を決定する特徴量変換次元数決定手段の少なくともいずれかを有することを特徴とする画像処理装置。 - 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出手段と、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出手段と、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出手段と、
前記統合特徴量を用いて前記生体内管腔画像から異常を検出する検出手段と、
を備え、
前記統合特徴量算出手段は、
前記異常候補領域の情報を取得する異常候補領域情報取得手段と、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御手段と、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得手段は、
前記異常候補領域の境界における明瞭性を算出し、
前記パラメータ制御手段は、
前記統合特徴量算出手段が統合特徴量を算出する際に用いる特徴量を選択する特徴量選択手段を有し、
前記特徴量選択手段は、
前記境界が明瞭な場合には、色特徴量および形状特徴量の少なくともいずれかを優先的に選択し、
前記境界が不明瞭な場合には、テクスチャ特徴量を優先的に選択する、
ことを特徴とする画像処理装置。 - 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出手段と、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出手段と、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出手段と、
前記統合特徴量を用いて前記生体内管腔画像から異常を検出する検出手段と、
を備え、
前記統合特徴量算出手段は、
前記異常候補領域の情報を取得する異常候補領域情報取得手段と、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御手段と、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得手段は、
前記異常候補領域の境界における明瞭性を算出し、
前記パラメータ制御手段は、
前記統合特徴量の次元数を決定する統合特徴量次元数決定手段および前記特徴量の変換次元数を決定する特徴量変換次元数決定手段の少なくともいずれかを有することを特徴とする画像処理装置。 - 前記統合特徴量次元数決定手段および前記特徴量変換次元数決定手段の少なくともいずれかが決定する次元数は、
前記境界が明瞭な場合の次元数が、前記境界が不明瞭な場合の次元数よりも小さいことを特徴とする請求項5に記載の画像処理装置。 - 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出手段と、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出手段と、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出手段と、
前記統合特徴量を用いて前記生体内管腔画像から異常を検出する検出手段と、
を備え、
前記統合特徴量算出手段は、
前記異常候補領域の情報を取得する異常候補領域情報取得手段と、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御手段と、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得手段は、
前記異常候補領域の周辺領域における情報を算出し、
前記パラメータ制御手段は、
前記異常候補領域の周辺領域における情報に基づいて、前記統合特徴量算出手段が統合特徴量を算出する際に用いる特徴量を選択する特徴量選択手段を有し、
前記異常候補領域情報取得手段は、
前記生体内管腔画像内における臓器種類を分類し、
前記特徴量選択手段は、
前記臓器種類が胃または小腸である場合には、色特徴量およびテクスチャ特徴量の少なくともいずれかを優先的に選択し、
前記臓器種類が大腸である場合には、形状特徴量を優先的に選択する、
ことを特徴とする画像処理装置。 - 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出手段と、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出手段と、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出手段と、
前記統合特徴量を用いて前記生体内管腔画像から異常を検出する検出手段と、
を備え、
前記統合特徴量算出手段は、
前記異常候補領域の情報を取得する異常候補領域情報取得手段と、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御手段と、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得手段は、
前記異常候補領域の周辺領域における情報を算出し、
前記パラメータ制御手段は、
前記異常候補領域の周辺領域における情報に基づいて、前記統合特徴量算出手段が統合特徴量を算出する際に用いる特徴量を選択する特徴量選択手段を有し、
前記異常候補領域情報取得手段は、
前記異常候補領域が泡内部領域にあるか否かを判定し、
前記特徴量選択手段は、
前記異常候補領域が泡内部領域にある場合には、形状特徴量およびテクスチャ特徴量の少なくともいずれかを優先的に選択することを特徴とする画像処理装置。 - 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出手段と、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出手段と、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出手段と、
前記統合特徴量を用いて前記生体内管腔画像から異常を検出する検出手段と、
を備え、
前記統合特徴量算出手段は、
前記異常候補領域の情報を取得する異常候補領域情報取得手段と、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御手段と、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得手段は、
前記異常候補領域の周辺領域における情報を算出し、
前記パラメータ制御手段は、
前記異常候補領域の周辺領域における情報に基づいて、前記統合特徴量算出手段が統合特徴量を算出する際に用いる特徴量を選択する特徴量選択手段を有し、
前記異常候補領域情報取得手段は、
前記異常候補領域が暗部領域にあるか否か、および前記異常候補領域がハレーション領域にあるか否かの少なくともいずれかを判定し、
前記特徴量選択手段は、
前記異常候補領域が暗部領域またはハレーション領域にある場合には、形状特徴量およびテクスチャ特徴量の少なくともいずれかを優先的に選択することを特徴とする画像処理装置。 - 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出手段と、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出手段と、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出手段と、
前記統合特徴量を用いて前記生体内管腔画像から異常を検出する検出手段と、
を備え、
前記統合特徴量算出手段は、
前記異常候補領域の情報を取得する異常候補領域情報取得手段と、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御手段と、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得手段は、
前記異常候補領域の周辺領域における情報を算出し、
前記パラメータ制御手段は、
前記異常候補領域の周辺領域における情報に基づいて、前記統合特徴量算出手段が統合特徴量を算出する際に用いる特徴量を選択する特徴量選択手段を有し、
前記異常候補領域情報取得手段は、
前記生体内管腔画像内における粘膜色を算出し、
前記特徴量選択手段は、
前記粘膜色において赤味が弱い場合には、色特徴量を優先的に選択し、
前記粘膜色において赤味が強い場合には、形状特徴量およびテクスチャ特徴量の少なくともいずれかを優先的に選択する、
ことを特徴とする画像処理装置。 - 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出手段と、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出手段と、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出手段と、
前記統合特徴量を用いて前記生体内管腔画像から異常を検出する検出手段と、
を備え、
前記統合特徴量算出手段は、
前記異常候補領域の情報を取得する異常候補領域情報取得手段と、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御手段と、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得手段は、
前記異常候補領域の周辺領域における情報を算出し、
前記パラメータ制御手段は、
前記統合特徴量の次元数を決定する統合特徴量次元数決定手段、および前記特徴量の変換次元数を決定する特徴量変換次元数決定手段の少なくともいずれかを有することを特徴とする画像処理装置。 - 前記異常候補領域情報取得手段は、
前記生体内管腔画像内における臓器種類を分類することを特徴とする請求項11に記載の画像処理装置。 - 前記統合特徴量次元数決定手段および前記特徴量変換次元数決定手段の少なくともいずれかが決定する次元数は、
検査対象である臓器の次元数が、非検査対象である臓器の次元数より大きいことを特徴とする請求項12に記載の画像処理装置。 - 前記異常候補領域情報取得手段は、
前記異常候補領域が泡内部領域にあるか否かを判定することを特徴とする請求項11に記載の画像処理装置。 - 前記統合特徴量次元数決定手段および前記特徴量変換次元数決定手段の少なくともいずれかが決定する次元数は、
前記異常候補領域が前記泡内部領域にある場合の次元数が、泡外部領域にある場合の次元数より大きいことを特徴とする請求項14に記載の画像処理装置。 - 前記異常候補領域情報取得手段は、
前記異常候補領域が暗部領域にあるか否か、および前記異常候補領域がハレーション領域にあるか否かの少なくともいずれかを判定することを特徴とする請求項11に記載の画像処理装置。 - 前記統合特徴量次元数決定手段および前記特徴量変換次元数決定手段の少なくともいずれかが決定する次元数は、
前記異常候補領域が前記暗部領域または前記ハレーション領域にある場合の次元数が、非暗部領域または非ハレーション領域にある場合の次元数より大きいことを特徴とする請求項16に記載の画像処理装置。 - 前記異常候補領域情報取得手段は、
前記生体内管腔画像内における粘膜色を算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。 - 前記統合特徴量次元数決定手段および前記特徴量変換次元数決定手段の少なくともいずれかが決定する次元数は、
前記粘膜色において赤味が強い場合の次元数が、前記粘膜色において赤味が弱い場合の次元数より大きいことを特徴とする請求項18に記載の画像処理装置。 - 異常候補領域検出部が、生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出ステップと、
特徴量算出部が、前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出ステップと、
統合特徴量算出部が、前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出ステップと、
検出部が、前記統合特徴量を用いて前記生体内管腔画像の異常を検出する検出ステップと、
を含み、
前記統合特徴量算出ステップは、
前記異常候補領域の情報を取得する異常候補領域情報取得ステップと、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御ステップと、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得ステップは、
前記異常候補領域における異常の種類を推定し、
前記パラメータ制御ステップは、
前記統合特徴量の次元数を決定する統合特徴量次元数決定ステップ、および前記特徴量の変換次元数を決定する特徴量変換次元数決定ステップの少なくともいずれかを有することを特徴とする画像処理装置の作動方法。 - 生体内管腔を撮像した生体内管腔画像から生体の組織性状または生体内の状態が所定の条件を満たす異常候補領域を検出する異常候補領域検出ステップと、
前記生体内管腔画像内の複数の領域の各々から異なる種類を含む複数の特徴量を算出する特徴量算出ステップと、
前記異常候補領域の情報をもとに前記複数の特徴量を統合することによって所定の次元数を有する統合特徴量を算出する統合特徴量算出ステップと、
前記統合特徴量を用いて前記生体内管腔画像の異常を検出する検出ステップと、
をコンピュータに実行させ、
前記統合特徴量算出ステップは、
前記異常候補領域の情報を取得する異常候補領域情報取得ステップと、
前記異常候補領域の情報に基づいて、前記統合特徴量の算出パラメータを制御するパラメータ制御ステップと、
を有し、
前記算出パラメータに基づいて前記統合特徴量を算出し、
前記異常候補領域情報取得ステップは、
前記異常候補領域における異常の種類を推定し、
前記パラメータ制御ステップは、
前記統合特徴量の次元数を決定する統合特徴量次元数決定ステップ、および前記特徴量の変換次元数を決定する特徴量変換次元数決定ステップの少なくともいずれかを有することを特徴とする画像処理プログラム。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2015/058616 WO2016151711A1 (ja) | 2015-03-20 | 2015-03-20 | 画像処理装置、画像処理方法および画像処理プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2016151711A1 JPWO2016151711A1 (ja) | 2018-02-15 |
JP6552601B2 true JP6552601B2 (ja) | 2019-07-31 |
Family
ID=56977203
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017507176A Active JP6552601B2 (ja) | 2015-03-20 | 2015-03-20 | 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 |
Country Status (3)
Country | Link |
---|---|
US (1) | US10687913B2 (ja) |
JP (1) | JP6552601B2 (ja) |
WO (1) | WO2016151711A1 (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
JP6538634B2 (ja) * | 2016-09-30 | 2019-07-03 | 富士フイルム株式会社 | プロセッサ装置及び内視鏡システム並びにプロセッサ装置の作動方法 |
JP6857893B2 (ja) * | 2017-03-02 | 2021-04-14 | 国立大学法人大阪大学 | 画像領域分割装置、画像領域分割方法、画像領域分割プログラム、及び画像特徴抽出方法 |
JP7127785B2 (ja) * | 2018-11-30 | 2022-08-30 | オリンパス株式会社 | 情報処理システム、内視鏡システム、学習済みモデル、情報記憶媒体及び情報処理方法 |
CN113164025B (zh) * | 2018-12-13 | 2024-07-16 | 索尼集团公司 | 医疗支持***、医疗支持设备和医疗支持方法 |
CN109919063A (zh) * | 2019-02-27 | 2019-06-21 | 东南大学 | 一种基于纹理分析的活体人脸检测***及方法 |
WO2020188682A1 (ja) * | 2019-03-18 | 2020-09-24 | オリンパス株式会社 | 診断支援装置、診断支援方法及びプログラム |
CN117853765A (zh) * | 2024-01-11 | 2024-04-09 | 湖北大学 | 一种表面瑕疵检测方法、***、设备及终端 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5028138B2 (ja) * | 2007-05-08 | 2012-09-19 | オリンパス株式会社 | 画像処理装置および画像処理プログラム |
EP2149330B1 (en) | 2007-05-08 | 2016-05-18 | Olympus Corporation | Image processing apparatus and image processing program |
JP5374135B2 (ja) * | 2008-12-16 | 2013-12-25 | 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 |
US8233711B2 (en) | 2009-11-18 | 2012-07-31 | Nec Laboratories America, Inc. | Locality-constrained linear coding systems and methods for image classification |
WO2011094518A2 (en) * | 2010-01-28 | 2011-08-04 | The Penn State Research Foundation | Image-based global registration system and method applicable to bronchoscopy guidance |
JP5851160B2 (ja) * | 2011-08-31 | 2016-02-03 | 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 |
JP5980490B2 (ja) * | 2011-10-18 | 2016-08-31 | 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、及び画像処理プログラム |
JP5926937B2 (ja) * | 2011-11-30 | 2016-05-25 | オリンパス株式会社 | 画像処理装置、画像処理方法、及び画像処理プログラム |
US9445713B2 (en) * | 2013-09-05 | 2016-09-20 | Cellscope, Inc. | Apparatuses and methods for mobile imaging and analysis |
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 |
-
2015
- 2015-03-20 JP JP2017507176A patent/JP6552601B2/ja active Active
- 2015-03-20 WO PCT/JP2015/058616 patent/WO2016151711A1/ja active Application Filing
-
2017
- 2017-09-15 US US15/705,657 patent/US10687913B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US20180014902A1 (en) | 2018-01-18 |
WO2016151711A1 (ja) | 2016-09-29 |
JPWO2016151711A1 (ja) | 2018-02-15 |
US10687913B2 (en) | 2020-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6552601B2 (ja) | 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 | |
US9959618B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
US10223785B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium extracting one or more representative images | |
US10776921B2 (en) | Image processing apparatus, operation method for image processing apparatus, and recording medium | |
US10456009B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
US10198811B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
US9959481B2 (en) | Image processing apparatus, image processing method, and computer-readable recording medium | |
Iakovidis et al. | Automatic lesion detection in capsule endoscopy based on color saliency: closer to an essential adjunct for reviewing software | |
US9916666B2 (en) | Image processing apparatus for identifying whether or not microstructure in set examination region is abnormal, image processing method, and computer-readable recording device | |
JP6339872B2 (ja) | 画像処理装置、内視鏡システム及び画像処理方法 | |
US9672612B2 (en) | Image processing device, image processing method, and image processing program for classification of region of interest from intraluminal images based on initial region feature and expansion region feature | |
US20090196495A1 (en) | Image processing apparatus, image processing method and image processing program | |
US10206555B2 (en) | Image processing apparatus, image processing method, and computer readable recording medium | |
US10229498B2 (en) | Image processing device, image processing method, and computer-readable recording medium | |
Ghosh et al. | An automatic bleeding detection technique in wireless capsule endoscopy from region of interest | |
Vieira et al. | Segmentation of angiodysplasia lesions in WCE images using a MAP approach with Markov Random Fields | |
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 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180309 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190219 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190319 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190402 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190529 |
|
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: 20190618 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190702 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6552601 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
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 |