專利名稱：醫(yī)用圖像處理裝置和醫(yī)用圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)用圖像處理裝置和醫(yī)用圖像處理方法，特別涉及對拍攝活體組織而得到的醫(yī)用圖像進(jìn)行區(qū)域分割處理的醫(yī)用圖像處理裝置和醫(yī)用圖像處理方法。
背景技術(shù)：
以往，利用如下技木根據(jù)拍攝活體組織而得到的圖像的特征量的計(jì)算結(jié)果，在該圖像中檢測存在規(guī)定對象物的區(qū)域。并且，用于通過Level-Set法等相位可變的動(dòng)態(tài)輪廓檢測方法對圖像進(jìn)行區(qū)域分割的方法在八木康史、齊藤英雄編著“コンビユータビジョン最先端ガイド〈1>，，，pp. 1-28、ァドコム· メデイァ株式會(huì)社(2009)(以下稱為非專利文獻(xiàn) I) ;Tony F. Chan and Luminita A. Vese: "Activ e Contours Without Edges", IEEETRANSACTIONS ON IMAGE PROCESSING，VOL. 10、NO. 2、FEBRUARY 2001，pp.266-277(以下稱為非專利文獻(xiàn) 2)；以及 Christophe Samson, Laure Blanc-Feraud, GillesAubertj and Josiane Zerubia: Multiphase Evolution and Variational ImageClassification"，INRIA Sophia Antipolis (1999)(以下稱為非專利文獻(xiàn) 3)中有所公開。進(jìn)而，例如在日本國特開2007-313119號(hào)公報(bào)(以下稱為專利文獻(xiàn)I)中公開了如下技木計(jì)算體腔內(nèi)圖像的像素的邊緣強(qiáng)度，計(jì)算該邊緣強(qiáng)度與根據(jù)泡圖像的特征而預(yù)先設(shè)定的泡模型之間的相關(guān)值，根據(jù)該體腔內(nèi)圖像的邊緣對該體腔內(nèi)圖像進(jìn)行區(qū)域分割，根據(jù)該相關(guān)值和區(qū)域分割結(jié)果檢測該體腔內(nèi)圖像中的泡區(qū)域。但是，近年來，由于內(nèi)窺鏡(也包括膠囊型內(nèi)窺鏡)系統(tǒng)的高分辨率化、放大內(nèi)窺鏡的普及和窄帶光觀察的普及，微細(xì)血管像和Pit (腺ロ)構(gòu)造等粘膜微細(xì)構(gòu)造的觀察的重要性提聞。認(rèn)為活體組織中的粘膜微細(xì)構(gòu)造的形態(tài)和分布狀況在正常組織與腫瘤組織的區(qū)分、以及癌深度的估計(jì)等病變診斷中是有用的。但是，在絕大部分情況下，這種診斷主要根據(jù)基于醫(yī)師經(jīng)驗(yàn)和知識(shí)的主觀見解來進(jìn)行。因此，期望實(shí)現(xiàn)作為不基于醫(yī)師主觀見解的診斷方法的、例如使用圖像解析方法的粘膜微細(xì)構(gòu)造觀察結(jié)果的鑒別診斷支援方法。而且，這種鑒別診斷支援方法作為計(jì)算機(jī)診斷支援(Computer AidedDiagnosis、CAD)之一進(jìn)行研究。另ー方面，在內(nèi)窺鏡圖像中的粘膜微細(xì)構(gòu)造的觀察結(jié)果的解析中，觀察結(jié)果多種多祥且復(fù)雜，并且，由于取得內(nèi)窺鏡圖像時(shí)的觀察距離、方向、角度和照明光量等攝像條件不定，所以認(rèn)為很難從內(nèi)窺鏡圖像中提取與觀察結(jié)果對應(yīng)的粘膜微細(xì)構(gòu)造。例如，專利文獻(xiàn)I所記載的區(qū)域分割方法和檢測方法的技術(shù)具有如下課題在應(yīng)用于具有大致ー樣大的邊緣強(qiáng)度的拍攝泡而得到的圖像的情況下，能夠得到有效的處理結(jié)果，但是，在應(yīng)用于可能具有各種大小的強(qiáng)度的邊緣的拍攝血管而得到的圖像的情況下，很難得到有效的處理結(jié)果。其結(jié)果是，例如，在對拍攝血管而得到的圖像應(yīng)用專利文獻(xiàn)I所記載的區(qū)域分割方法和檢測方法的技術(shù)的情況下，導(dǎo)致血管的檢測精度降低。并且，在非專利文獻(xiàn)I中公開了用于通過被稱為Level-Set法的動(dòng)態(tài)輪廓檢測方法對圖像進(jìn)行區(qū)域分割的方法。具體而言，在非專利文獻(xiàn)I中公開了如下技術(shù)通過根據(jù)圖像內(nèi)的構(gòu)造成分的邊緣大小進(jìn)行反復(fù)處理，能夠動(dòng)態(tài)地設(shè)定規(guī)定該圖像中的區(qū)域的邊界線。但是，在內(nèi)窺鏡圖像中，作為圖像內(nèi)的構(gòu)造成分，除了形狀輪廓和可透視的血管等具有明確邊緣的成分以外，可能還包含微細(xì)血管、pit (腺ロ)和粘膜微細(xì)圖案等不具有明確邊緣的多種多樣的成分。因此，即使通過非專利文獻(xiàn)I所公開的方法對內(nèi)窺鏡圖像進(jìn)行區(qū)域分割，在從該內(nèi)窺鏡圖像中提取粘膜微細(xì)構(gòu)造的用途中，也不一定能夠得到良好的結(jié)果。與此相對，作為與Level-Set法類似的方法，在非專利文獻(xiàn)2中公開了用于通過基于Mumford-Shah模型的動(dòng)態(tài)輪廓檢測方法(以下稱為M-S法)對圖像進(jìn)行區(qū)域分割的方法。在非專利文獻(xiàn)2所公開的方法中，在通過進(jìn)行反復(fù)處理而動(dòng)態(tài)設(shè)定規(guī)定區(qū)域的邊界線的方面，與所述Level-Set法相同，另ー方面，不同之處在干，能夠根據(jù)邊界內(nèi)外的各區(qū)域的特征量的平均值等值來設(shè)定邊界線。具體而言，在非專利文獻(xiàn)2中公開了如下技術(shù)在利用反復(fù)處理來動(dòng)態(tài)設(shè)定規(guī)定區(qū)域的邊界線時(shí)，通過設(shè)定邊界線以使特征量在區(qū)域內(nèi)外盡可能相同，針對包含不具有清楚邊緣的構(gòu)造的圖像，也能夠進(jìn)行區(qū)域分割。 但是，根據(jù)非專利文獻(xiàn)2所公開的方法，例如，在應(yīng)用于區(qū)域內(nèi)外的特征量的分布重復(fù)較少的圖像、或明亮度均勻的區(qū)域孤立存在等比較簡單的圖像的情況下，能夠得到良好的結(jié)果，但是，在應(yīng)用于可能包含復(fù)雜的粘膜微細(xì)構(gòu)造并且觀察距離、方向、角度和照明光量等攝像條件可能始終變化的內(nèi)窺鏡圖像的情況下，不一定能夠得到良好的結(jié)果。具體而言，根據(jù)非專利文獻(xiàn)2所公開的方法，例如，在對多個(gè)微細(xì)血管進(jìn)行攝像而得到的內(nèi)窺鏡圖像中，當(dāng)考慮在粘膜下行走的深度的微妙差異、視野內(nèi)的位置的光量變化和從周邊粘膜反射的二次光等的影響來計(jì)算特征量的情況下，該特征量分布在非常寬的范圍內(nèi)，所以無法準(zhǔn)確設(shè)定微細(xì)血管的邊界線。并且，在非專利文獻(xiàn)3中公開了如下方法使用與非專利文獻(xiàn)2所公開的算法大致相同的算法，另ー方面，設(shè)邊界內(nèi)外的每個(gè)區(qū)域的特征量的分布為正態(tài)分布模型，進(jìn)而，通過預(yù)先設(shè)定作為總體參數(shù)的平均值μ和標(biāo)準(zhǔn)偏差σ (或標(biāo)準(zhǔn)偏差的平方即方差σ2)來設(shè)定邊界線，以使得各區(qū)域的特征量的總體參數(shù)接近所設(shè)定的總體參數(shù)。另ー方面，在將非專利文獻(xiàn)I 3所公開的任意ー個(gè)方法應(yīng)用于內(nèi)窺鏡圖像的區(qū)域分割的情況下，至少需要考慮下述(A) (D)。但是，在非專利文獻(xiàn)I 3中沒有提及下述(A) (D)，也沒有具體公開。(A)需要按照所分割的各種類預(yù)先設(shè)定總體參數(shù)。(B)在內(nèi)窺鏡圖像中，由于所分割的區(qū)域的種類數(shù)量未知，所以不清楚準(zhǔn)備幾個(gè)用于動(dòng)態(tài)設(shè)定輪廓的函數(shù)。(C)在(B)的基礎(chǔ)上，在使用非專利文獻(xiàn)3所公開的方法的情況下，不清楚準(zhǔn)備幾個(gè)與種類數(shù)量對應(yīng)的總體參數(shù)，并且，如何設(shè)定這些總體參數(shù)的值成為問題。在考慮到區(qū)域分割結(jié)果的精度依賴于所設(shè)定的總體參數(shù)的情況下，需要按照各圖像設(shè)定適當(dāng)?shù)目傮w參數(shù)。(D)在內(nèi)窺鏡圖像中，例如舉出血管作為例子時(shí)，組織學(xué)上作為屬于血管這樣的I個(gè)種類來進(jìn)行處理，另一方面，有時(shí)需要作為屬于與構(gòu)造成分的特征量差異對應(yīng)的相互不同的種類來進(jìn)行處理并且需要進(jìn)行圖像的區(qū)域分割。
本發(fā)明是鑒于上述情況而完成的，其目的在于，提供如下的醫(yī)用圖像處理裝置和醫(yī)用圖像處理方法例如在對活體粘膜表面進(jìn)行攝像而得到的圖像(包含使用內(nèi)窺鏡或膠囊型內(nèi)窺鏡而得到的圖像)中，按照作為處理對象的每個(gè)圖像估計(jì)應(yīng)該分割的區(qū)域的種類數(shù)量，適當(dāng)設(shè)定各種類的特征量的總體參數(shù)，由此，能夠良好地將存在血管和pit等粘膜微細(xì)構(gòu)造的區(qū)域、以及存在出血、殘?jiān)桶滋Φ任镔|(zhì)的區(qū)域分割為分別不同的區(qū)域，所以，其結(jié)果，能夠提高在圖像內(nèi)存在的期望成分的檢測精度。

發(fā)明內(nèi)容
用于解決課題的手段
本發(fā)明的醫(yī)用圖像處理裝置能夠?qū)︶t(yī)用圖像進(jìn)行區(qū)域分割處理，其中，該醫(yī)用圖像處理裝置具有特征量計(jì)算部，其根據(jù)所述醫(yī)用圖像計(jì)算至少I個(gè)特征量；種類設(shè)定部，其根據(jù)由所述特征量計(jì)算部計(jì)算出的特征量，在所述醫(yī)用圖像中設(shè)定多個(gè)種類；總體參數(shù)設(shè)定部，其根據(jù)由所述特征量計(jì)算部計(jì)算出的特征量，按照分別被分類為由所述種類設(shè)定部設(shè)定的種類的所述醫(yī)用圖像的各區(qū)域設(shè)定總體參數(shù)；以及區(qū)域分割部，其根據(jù)分布模型對所述醫(yī)用圖像進(jìn)行區(qū)域分割處理，所述分布模型是基于由所述種類設(shè)定部設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定部設(shè)定的總體參數(shù)規(guī)定的。本發(fā)明的醫(yī)用圖像處理裝置能夠?qū)︶t(yī)用圖像進(jìn)行區(qū)域分割處理，其中，該醫(yī)用圖像處理裝置具有特征量計(jì)算部，其根據(jù)所述醫(yī)用圖像計(jì)算至少I個(gè)特征量；構(gòu)造成分區(qū)域設(shè)定部，其設(shè)定與所述醫(yī)用圖像中包含的構(gòu)造成分對應(yīng)的多個(gè)構(gòu)造成分區(qū)域；區(qū)域合井部，其在所述多個(gè)構(gòu)造成分區(qū)域的各個(gè)區(qū)域中對所述特征量相互類似的區(qū)域彼此進(jìn)行合并；種類設(shè)定部，其根據(jù)所述區(qū)域合井部的合并結(jié)果來設(shè)定種類；總體參數(shù)設(shè)定部，其根據(jù)作為所述區(qū)域合井部的合并結(jié)果而得到的各個(gè)構(gòu)造成分區(qū)域中的所述特征量，按照作為該合并結(jié)果而得到的構(gòu)造成分區(qū)域分別設(shè)定總體參數(shù)；以及區(qū)域分割部，其根據(jù)分布模型對所述醫(yī)用圖像進(jìn)行區(qū)域分割處理，所述分布模型是基于由所述種類設(shè)定部設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定部設(shè)定的總體參數(shù)規(guī)定的。本發(fā)明的醫(yī)用圖像處理方法用于對醫(yī)用圖像進(jìn)行區(qū)域分割處理，其中，該醫(yī)用圖像處理方法具有以下步驟特征量計(jì)算步驟，根據(jù)所述醫(yī)用圖像計(jì)算至少I個(gè)特征量；種類設(shè)定步驟，根據(jù)由所述特征量計(jì)算步驟計(jì)算出的特征量，在所述醫(yī)用圖像中設(shè)定多個(gè)種類；總體參數(shù)設(shè)定步驟，根據(jù)由所述特征量計(jì)算步驟計(jì)算出的特征量，按照分別被分類為由所述種類設(shè)定步驟設(shè)定的種類的所述醫(yī)用圖像的各區(qū)域設(shè)定總體參數(shù)；以及區(qū)域分割步驟，根據(jù)分布模型對所述醫(yī)用圖像進(jìn)行區(qū)域分割處理，所述分布模型是基于由所述種類設(shè)定步驟設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定步驟設(shè)定的總體參數(shù)規(guī)定的。本發(fā)明的醫(yī)用圖像處理方法用于對醫(yī)用圖像進(jìn)行區(qū)域分割處理，其中，該醫(yī)用圖像處理方法具有以下步驟特征量計(jì)算步驟，根據(jù)所述醫(yī)用圖像計(jì)算至少I個(gè)特征量；構(gòu)造成分區(qū)域設(shè)定步驟，設(shè)定與所述醫(yī)用圖像中包含的構(gòu)造成分對應(yīng)的多個(gè)構(gòu)造成分區(qū)域；區(qū)域合并步驟，在所述多個(gè)構(gòu)造成分區(qū)域的各個(gè)區(qū)域中對所述特征量相互類似的區(qū)域彼此進(jìn)行合并；種類設(shè)定步驟，根據(jù)所述區(qū)域合并步驟的合并結(jié)果來設(shè)定種類；總體參數(shù)設(shè)定步驟，根據(jù)作為所述區(qū)域合并步驟的合并結(jié)果而得到的各個(gè)構(gòu)造成分區(qū)域中的所述特征量，按照作為該合并結(jié)果而得到的構(gòu)造成分區(qū)域分別設(shè)定總體參數(shù)；以及區(qū)域分割步驟，根據(jù)分布模型對所述醫(yī)用圖像進(jìn)行區(qū)域分割處理，所述分布模型是基于由所述種類設(shè)定步驟設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定步驟設(shè)定的總體參數(shù)規(guī)定的。


圖I是示出具有本發(fā)明的實(shí)施例的醫(yī)用圖像處理裝置的內(nèi)窺鏡裝置的主要部分的結(jié)構(gòu)的一例的圖。圖2是示出圖I的光源裝置所具有的旋轉(zhuǎn)濾鏡的結(jié)構(gòu)的一例的圖。圖3是示出圖2的第I濾鏡組所具有的各濾鏡的透射特性的一例的圖。圖4是示出圖2的第2濾鏡組所具有的各濾鏡的透射特性的一例的圖。
圖5是示出在本發(fā)明的第I實(shí)施例中進(jìn)行的處理的一例的流程圖。圖6是示出作為處理對象的圖像數(shù)據(jù)的一例的示意圖。圖7是示出邊緣檢測濾鏡的一例的圖。圖8是示出在圖6的圖像數(shù)據(jù)中將多個(gè)圓設(shè)定為區(qū)域分割運(yùn)算的初始解的情況的圖。圖9是示出區(qū)域分割處理的運(yùn)算的中途經(jīng)過的一例的圖。圖10是示出通過區(qū)域分割處理的運(yùn)算而得到的處理結(jié)果的一例的圖。圖11是示出在本發(fā)明的第2實(shí)施例中進(jìn)行的處理的一例的流程圖。圖12是示出圖像數(shù)據(jù)的各像素中的規(guī)定色調(diào)特征量的發(fā)生頻度的混合正態(tài)分布的一例的圖。圖13是示出根據(jù)圖12的混合正態(tài)分布而估計(jì)出的2個(gè)正態(tài)分布的一例的圖。
具體實(shí)施例方式下面，參照附圖對本發(fā)明的實(shí)施方式進(jìn)行說明。(第I實(shí)施例)圖I 圖10涉及本發(fā)明的第I實(shí)施例。如圖I所示，內(nèi)窺鏡裝置I構(gòu)成為具有內(nèi)窺鏡2，其被插入被檢者的體腔內(nèi)，以信號(hào)方式輸出對該體腔內(nèi)的活體組織101等被攝體進(jìn)行攝像而得到的圖像；光源裝置3，其發(fā)出用于對活體組織101進(jìn)行照明的照明光；處理器4，其對來自內(nèi)窺鏡2的輸出信號(hào)實(shí)施各種處理；顯示裝置5，其顯示與來自處理器4的視頻信號(hào)對應(yīng)的圖像；以及外部存儲(chǔ)裝置6，其存儲(chǔ)與處理器4中的處理結(jié)果對應(yīng)的輸出信號(hào)。內(nèi)窺鏡2構(gòu)成為具有具有能夠插入被檢者的體腔內(nèi)的形狀和尺寸的插入部21a、設(shè)置在插入部21a的前端側(cè)的前端部21b、以及設(shè)置在插入部21a的基端側(cè)的操作部21c。并且，在插入部21a的內(nèi)部貫穿插入有用于向前端部21b傳送在光源裝置3中發(fā)出的照明光的光導(dǎo)7。光導(dǎo)7的一個(gè)端面(光入射端面)裝卸自如地與光源裝置3連接。并且，光導(dǎo)7的另ー個(gè)端面(光出射端面)配置在設(shè)于內(nèi)窺鏡2的前端部21b的未圖示的照明光學(xué)系統(tǒng)的附近。根據(jù)這種結(jié)構(gòu)，在光源裝置3中發(fā)出的照明光經(jīng)過與光源裝置3連接的狀態(tài)的光導(dǎo)7和設(shè)置在前端部21b的未圖示的照明光學(xué)系統(tǒng)后，向活體組織101射出。在內(nèi)窺鏡2的前端部21b中設(shè)有形成被攝體的光學(xué)像的物鏡光學(xué)系統(tǒng)22、以及對由物鏡光學(xué)系統(tǒng)22形成的光學(xué)像進(jìn)行攝像而取得圖像的CCD 23。并且，在內(nèi)窺鏡2的操作部21c中設(shè)有觀察模式切換開關(guān)24，該觀察模式切換開關(guān)24能夠進(jìn)行用于將觀察模式切換為通常光觀察模式或窄帶光觀察模式中的任意一方的指示。光源裝置3具有由氙燈等構(gòu)成的白色光源31、使從白色光源31發(fā)出的白色光成為面順次的照明光的旋轉(zhuǎn)濾鏡32、使旋轉(zhuǎn)濾鏡32旋轉(zhuǎn)驅(qū)動(dòng)的電動(dòng)機(jī)33、使旋轉(zhuǎn)濾鏡32和電動(dòng)機(jī)33在與白色光源31的出射光路垂直的方向上移動(dòng)的電動(dòng)機(jī)34、根據(jù)處理器4的控制而驅(qū)動(dòng)電動(dòng)機(jī)33和34的旋轉(zhuǎn)濾鏡驅(qū)動(dòng)部35、以及使通過旋轉(zhuǎn)濾鏡32后的照明光會(huì)聚并將其供給到光導(dǎo)7的入射端面的會(huì)聚光學(xué)系統(tǒng)36。如圖2所示，旋轉(zhuǎn)濾鏡32構(gòu)成為將中心作為旋轉(zhuǎn)軸的圓板狀，具有第I濾鏡組32A和第2濾鏡組32B，該第I濾鏡組32A具備沿著內(nèi)周側(cè)的周方向設(shè)置的多個(gè)濾鏡，該第2濾鏡組32B具備沿著外周側(cè)的周方向設(shè)置的多個(gè)濾鏡。而且，通過使電動(dòng)機(jī)33的驅(qū)動(dòng)カ傳遞到所述旋轉(zhuǎn)軸，旋轉(zhuǎn)濾鏡32旋轉(zhuǎn)。另外，在旋轉(zhuǎn)濾鏡32中，除了配置有第I濾鏡組32A和第2濾鏡組32B的各濾鏡的部分以外的部分由遮光部件構(gòu)成。 第I濾鏡組32A構(gòu)成為具有分別沿著旋轉(zhuǎn)濾鏡32的內(nèi)周側(cè)的周方向設(shè)置的使紅色波段的光透射的R濾鏡32r、使綠色波段的光透射的G濾鏡32g、以及使藍(lán)色波段的光透射的B濾鏡32b。例如如圖3所示，R濾鏡32r具有主要使600nm 700nm的光(R光)透射的結(jié)構(gòu)。并且，例如如圖3所示，G濾鏡32g具有主要使500nm 600nm的光(G光)透射的結(jié)構(gòu)。進(jìn)而，例如如圖3所示，B濾鏡32b具有主要使400nm 500nm的光(B光)透射的結(jié)構(gòu)。S卩，在白色光源31中發(fā)出的白色光經(jīng)過第I濾鏡組32A，由此生成通常光觀察模式用的寬帶光。第2濾鏡組32B構(gòu)成為具有分別沿著旋轉(zhuǎn)濾鏡32的外周側(cè)的周方向設(shè)置的使藍(lán)色的窄帶光透射的Bn濾鏡321b、以及使綠色的窄帶光透射的Gn濾鏡321g。例如如圖4所示，Bn濾鏡321b構(gòu)成為，中心波長設(shè)定在415nm附近，并且使比B光窄的頻帶的光(Bn光)透射。并且，例如如圖4所示，Gn濾鏡321g構(gòu)成為，中心波長設(shè)定在540nm附近，并且使比G光窄的頻帶的光(Gn光)透射。S卩，在白色光源31中發(fā)出的白色光經(jīng)過第2濾鏡組32B而離散化，由此生成窄帶光觀察模式用的多個(gè)頻帶的窄帶光。處理器4構(gòu)成為具有作為圖像處理裝置的功能。具體而言，處理器4構(gòu)成為具有圖像處理部41和控制部42。并且，圖像處理部41構(gòu)成為具有圖像數(shù)據(jù)生成部41a、運(yùn)算部41b、視頻信號(hào)生成部41c。圖像處理部41的圖像數(shù)據(jù)生成部41a根據(jù)控制部42的控制，對來自內(nèi)窺鏡2的輸出信號(hào)實(shí)施噪聲去除和A/D轉(zhuǎn)換等處理，由此，生成與在CCD 23中得到的圖像對應(yīng)的圖像數(shù)據(jù)。圖像處理部41的運(yùn)算部41b使用由圖像數(shù)據(jù)生成部41a生成的圖像數(shù)據(jù)進(jìn)行規(guī)定處理，由此，對拍攝活體組織101而得到的圖像數(shù)據(jù)進(jìn)行區(qū)域分割處理。另外，在本實(shí)施例中，假設(shè)在所述圖像數(shù)據(jù)中包含血管，進(jìn)而，假設(shè)進(jìn)行在所述圖像數(shù)據(jù)中區(qū)分存在血管的區(qū)域和除此以外的區(qū)域的區(qū)域分割處理。這種區(qū)域分割處理的詳細(xì)情況在后面詳細(xì)敘述。
圖像處理部41的視頻信號(hào)生成部41c通過對由圖像數(shù)據(jù)生成部41a生成的圖像數(shù)據(jù)實(shí)施伽馬轉(zhuǎn)換和D/A轉(zhuǎn)換等處理，生成視頻信號(hào)并輸出?？刂撇?2根據(jù)觀察模式切換開關(guān)24的指示，在檢測到進(jìn)行了切換為通常光觀察模式的指示的情況下，對旋轉(zhuǎn)濾鏡驅(qū)動(dòng)部35進(jìn)行用于從光源裝置3射出通常光觀察模式用的寬帶光的控制。然后，旋轉(zhuǎn)濾鏡驅(qū)動(dòng)部35根據(jù)控制部42的控制，使電動(dòng)機(jī)34進(jìn)行動(dòng)作，以使得在白色光源31的出射光路上插入第I濾鏡組32A，并且，使第2濾鏡組32B從白色光源31的出射光路上退避。
并且，控制部42根據(jù)觀察模式切換開關(guān)24的指示，在檢測到進(jìn)行了切換為窄帶光觀察模式的指示的情況下，對旋轉(zhuǎn)濾鏡驅(qū)動(dòng)部35進(jìn)行用于從光源裝置3射出窄帶光觀察模式用的多個(gè)頻帶的窄帶光的控制。然后，旋轉(zhuǎn)濾鏡驅(qū)動(dòng)部35根據(jù)控制部42的控制，使電動(dòng)機(jī)34進(jìn)行動(dòng)作，以使得在白色光源31的出射光路上插入第2濾鏡組32B，并且，使第I濾鏡組32A從白色光源31的出射光路上退避。即，根據(jù)如上所述的內(nèi)窺鏡裝置I的結(jié)構(gòu)，在選擇了通常光觀察模式的情況下，能夠在顯示裝置5中顯示具有與利用肉眼觀察對象物的情況大致相同的色度的圖像(通常光圖像)，并且(或者)存儲(chǔ)在外部存儲(chǔ)裝置62中。并且，根據(jù)如上所述的內(nèi)窺鏡裝置I的結(jié)構(gòu)，在選擇了窄帶光觀察模式的情況下，能夠在顯示裝置5中顯示對活體組織101中包含的血管進(jìn)行了強(qiáng)調(diào)的圖像(窄帶光圖像)，并且(或者)存儲(chǔ)在外部存儲(chǔ)裝置62中。接著，對本實(shí)施例的作用進(jìn)行說明。首先，手術(shù)醫(yī)生接通內(nèi)窺鏡裝置I的各部的電源后，在觀察模式切換開關(guān)24中選擇通常光觀察模式。然后，手術(shù)醫(yī)生一邊觀察在選擇通常光觀察模式時(shí)顯示在顯示裝置5中的圖像、即具有與利用肉眼觀察對象物的情況大致相同的色度的圖像，ー邊將內(nèi)窺鏡2插入體腔內(nèi)，由此，使前端部21b接近觀察對象的活體組織101所存在的部位。當(dāng)在觀察模式切換開關(guān)24中選擇了通常光觀察模式吋，R光、G光和B光的各種顏色的光依次從光源裝置3向活體組織101射出，在內(nèi)窺鏡2中分別取得與該各種顏色的光對應(yīng)的圖像。當(dāng)圖像處理部41的圖像數(shù)據(jù)生成部41a被輸入與R光對應(yīng)的圖像、與G光對應(yīng)的圖像和與B光對應(yīng)的圖像時(shí)，分別生成與各圖像對應(yīng)的顏色分量的圖像數(shù)據(jù)(圖5的步驟SI)。另外，在本實(shí)施例中，假設(shè)由圖像數(shù)據(jù)生成部41a生成由R、G和B的3個(gè)平面構(gòu)成的、具有水平方向ISX和垂直方向ISY的圖像尺寸、進(jìn)而各像素的灰度為O 255的8bit的圖像數(shù)據(jù)。并且，以下將R、G和B的各平面中的第j個(gè)(I含KISXX ISY)像素的像素值分別設(shè)為rj.gj和bj進(jìn)行說明。圖像處理部41的運(yùn)算部41b根據(jù)在圖像數(shù)據(jù)生成部41a中生成的圖像數(shù)據(jù)，按照該圖像數(shù)據(jù)的各像素計(jì)算在以后的處理中使用的規(guī)定色調(diào)特征量(圖5的步驟S2)。更具體而言，本實(shí)施例的運(yùn)算部41b按照各像素(在全部的第I個(gè) 第(ISXX ISY)個(gè)像素中)計(jì)算R平面的第j個(gè)像素的像素值r j與G平面的第j個(gè)像素的像素值gj之比即gj/rj的值，作為所述規(guī)定色調(diào)特征量(根據(jù)選擇通常光觀察模式時(shí)生成的圖像數(shù)據(jù)而計(jì)算的色調(diào)特征量)。另外，在本實(shí)施例中，假設(shè)像素值r jホO始終成立，進(jìn)而，假設(shè)所述規(guī)定色調(diào)特征量的發(fā)生頻度基于正態(tài)分布(多變量正態(tài)分布)，進(jìn)行以下的說明。然后，圖像處理部41的運(yùn)算部41b使用在圖5的步驟S2中計(jì)算出的規(guī)定色調(diào)特征量，進(jìn)行在活體組織101中區(qū)分存在血管的區(qū)域和除此以外的區(qū)域的區(qū)域分割處理。這里，對本實(shí)施例的區(qū)域分割處理的詳細(xì)情況進(jìn)行敘述。另外，以下為了簡化說明，例如，假設(shè)對圖6所示的將相當(dāng)于血管內(nèi)部(血管內(nèi)側(cè))的區(qū)域表示為點(diǎn)圖案、將相當(dāng)干背景粘膜(血管外側(cè))的區(qū)域表示為空白、并且將這2個(gè)區(qū)域的邊界線表示為細(xì)實(shí)線的示意性的圖像數(shù)據(jù)進(jìn)行處理，從而進(jìn)行說明。另外，圖6示意性地示出使用放大內(nèi)窺鏡觀察到的被稱為胃粘膜的集合細(xì)靜脈的復(fù)雜形狀的血管。根據(jù)實(shí)際的內(nèi)窺鏡圖像，不限于僅包含血管和背景粘膜區(qū)域的圖像數(shù)據(jù)，例如，還取得包含從集合細(xì)靜脈分支并朝向表層粘膜行走的微細(xì)血管和胃底腺(腺ロ)等各種構(gòu)造的圖像數(shù)據(jù)。然后，將這些各種構(gòu)造視為屬干與血管和背景粘膜區(qū)域均不同的其他種類，適當(dāng)増加種類數(shù)量，由此，能夠應(yīng)用以下說明的ー連串處理。運(yùn)算部41b進(jìn)行用于估計(jì)使用與所述非專利文獻(xiàn)3 (Christophe Samson, LaureBlanc—Feraud，Giiles Aubert, and Josiane Zerubia: Multiphase Evolution andVariationalImage Classification", INRIA Sophia Antipolis)所公開的 Mumford-Shah模型類似的動(dòng)態(tài)輪廓模型的輪廓檢測法的運(yùn)算中的種類數(shù)量和各種類的總體參數(shù)的運(yùn)算(圖5的步驟S3)。以下敘述這種總體參數(shù)的估計(jì)方法的具體例。首先，對如下處理進(jìn)行說明從圖像中提取清楚的具有各種構(gòu)造成分的區(qū)域和間質(zhì)部等背景區(qū)域，求出種類數(shù)量和基于這些區(qū)域的特征量的每個(gè)種類的總體參數(shù)。運(yùn)算部41b通過對圖6的示意性的圖像數(shù)據(jù)的G平面應(yīng)用使用公知的邊緣檢測濾波器(例如圖7所示的尺寸5X5的濾波器)的卷積運(yùn)算，提取具有較大邊緣的區(qū)域(像素值的變動(dòng)大、具有較長邊緣的區(qū)域)和大面積的背景區(qū)域(幾乎沒有邊緣的區(qū)域)。具體而言，在將應(yīng)用邊緣檢測濾波后的圖像設(shè)為Ga、進(jìn)而將圖像Ga中的第j個(gè)(I蘭jXISXXISY)像素的像素值設(shè)為gaj的情況下，運(yùn)算部41b例如對|gaj|>0(||表示絕對值)的各像素進(jìn)行ニ值化并提取，然后，按照連結(jié)成分應(yīng)用公知的標(biāo)記，由此生成邊緣映射圖M。另外，在這樣生成的邊緣映射圖M中，假設(shè)存在所標(biāo)記的C個(gè)(I含C)連結(jié)成分，進(jìn)而設(shè)各連結(jié)成分為me(I ^ c ^ C)，繼續(xù)進(jìn)行以下的說明。
在不使用染色劑等的情況下的、根據(jù)通常內(nèi)窺鏡圖像中的粘膜表面的微細(xì)構(gòu)造而得到的圖像Ga中，由于血紅蛋白吸收G光中包含的波長成分，所以血管的像素值相對于周邊粘膜的像素值而言相對較小。并且，在所述圖像Ga中，由于對G光中包含的波長成分進(jìn)行反射，所以pit的像素值相對于周邊粘膜的像素值而言相對較大。然后，通過利用這種特性，能夠提取各種種類。另ー方面，為了提取清楚的血管邊緣，運(yùn)算部41b生成與邊緣映射圖M不同的大邊緣映射圖し具體而言，運(yùn)算部41b通過對I gaj I >Thl (例如Thl=IO)的各像素進(jìn)行ニ值化并提取，生成所述大邊緣映射圖し另外，所述閾值Thl不限于設(shè)定為固定值，例如，也可以以包含像素值gaj的柱狀圖中的前20%的像素值的方式自適應(yīng)地決定。另外，生成大邊緣映射圖L的理由如下所述。根據(jù)圖6的示意性的圖像數(shù)據(jù)，在圖像中僅存在血管和背景區(qū)域，但是，根據(jù)實(shí)際的內(nèi)窺鏡圖像，可能還包含各種血管和其他構(gòu)造成分、以及噪聲成分。因此，在生成邊緣映射圖M時(shí)，還設(shè)I gaj I >0來提取這些邊緣。鑒于這種情況，通過生成與邊緣映射圖M不同的大邊緣映射圖L，確定構(gòu)成閉合區(qū)域或構(gòu)成閉合區(qū)域的至少一部分的較大的邊緣。然后，通過進(jìn)行后述處理，能夠去除僅由值小的邊緣構(gòu)成的構(gòu)造成分和噪聲成分，即，能夠僅確定比較清楚的構(gòu)造成分。接著，運(yùn)算部41b進(jìn)行如下處理通過相互參照邊緣映射圖M和大邊緣映射圖L，選擇邊緣映射圖M的各連結(jié)成分ml mC中的、與大邊緣映射圖L中判定為存在較大邊緣的像素重復(fù)的(I個(gè)或多個(gè))連結(jié)成分me。通過這種處理，能夠僅提取邊緣映射圖M的各連結(jié)成分中的、相當(dāng)于具有較大邊緣的區(qū)域的、對血管進(jìn)行攝像的可能性高的(I個(gè)或多個(gè))連結(jié)成分。進(jìn)而，運(yùn)算部41b根據(jù)所述處理的處理結(jié)果，例如使用日本特開平11-003428號(hào)公報(bào)所公開的閉合區(qū)域檢測方法，提取由判定為具有較大邊緣的連結(jié)成分的各連結(jié)成分me構(gòu)成的各個(gè)閉合區(qū)域。這樣提取出的代表區(qū)域Ad (I ^ d ^ D)被提取為包含作為圖像中 的區(qū)域分割對象的各種構(gòu)造成分的區(qū)域，并且，包含該各種構(gòu)造成分中的比較清楚的構(gòu)造成分的區(qū)域。并且，運(yùn)算部41b將在邊緣映射圖M中沒有作為邊緣提取的像素群視為大面積的背景區(qū)域進(jìn)行提取。然后，運(yùn)算部41b反復(fù)進(jìn)行在提取出的各代表區(qū)域Ad中對色調(diào)特征量gj/rj的值相互類似的區(qū)域彼此進(jìn)行合并而作為I個(gè)種類的處理，由此，估計(jì)圖6的示意性的圖像數(shù)據(jù)中包含的全部種類數(shù)量K (I ^ K)0另外，作為這種處理，例如可以應(yīng)用日本特開2007-175432號(hào)公報(bào)所公開的使用色調(diào)特征量及其柱狀圖的聚類的處理。接著，運(yùn)算部41b在通過以上所述的處理而得到的K個(gè)種類中，分別計(jì)算色調(diào)特征量gj/rj的值的平均值和標(biāo)準(zhǔn)偏差即μ GRi和OGRi (IさiさK)。另外，關(guān)于所述種類數(shù)量和總體參數(shù)的計(jì)算，作為與手術(shù)醫(yī)生等的手動(dòng)操作對應(yīng)的區(qū)域，可以設(shè)定處理對象的區(qū)域。在這種情況下，運(yùn)算部41b根據(jù)在未圖示的輸入接口中進(jìn)行的輸入操作，設(shè)定包含血管等構(gòu)造成分的區(qū)域和背景粘膜區(qū)域，對所設(shè)定的各區(qū)域賦予種類編號(hào)i (I g i g K、K為種類數(shù)量)，進(jìn)而，按照賦予了種類編號(hào)的各區(qū)域計(jì)算色調(diào)特征量gj/rj的平均值和標(biāo)準(zhǔn)偏差，取得計(jì)算結(jié)果即可。另外，在以上列舉的估計(jì)方法中，在估計(jì)總體參數(shù)之前，通過將具有在多個(gè)種類中可能重復(fù)發(fā)生的色調(diào)特征量的值的像素除外，能夠提高總體參數(shù)的估計(jì)精度。并且，關(guān)于不足夠明亮的像素和光暈等高亮度像素等的、不適于計(jì)算色調(diào)特征量的像素，可以通過閾值處理將其除外，然后進(jìn)行總體參數(shù)的估計(jì)。進(jìn)而，在以上所述的ー連串處理中，不限于根據(jù)對G平面應(yīng)用了邊緣檢測濾鏡的圖像Ga來進(jìn)行總體參數(shù)的估計(jì)，例如，也可以直接使用各像素的色調(diào)特征量gj/rj的值進(jìn)行總體參數(shù)的估計(jì)。而且，在直接使用色調(diào)特征量gj/rj的值進(jìn)行總體參數(shù)的估計(jì)的情況下，能夠減輕可能成為使像素值以乘數(shù)變動(dòng)的要因的基于光量大小和陰影等的影響。并且，在直接使用色調(diào)特征量gj/rj的值進(jìn)行總體參數(shù)的估計(jì)的情況下，在考慮通常的內(nèi)窺鏡圖像中的gj/rj的值大致收斂于0〈gj/rj〈l的范圍內(nèi)后,適當(dāng)決定ー連串閾值即可。另外，在血管和pit等粘膜微細(xì)構(gòu)造中，由于具有怎樣的組織性狀和存在于粘膜下的多深的位置等的要因，經(jīng)常發(fā)生如下情況雖然作為組織學(xué)構(gòu)造而屬于同一種類，但是色調(diào)相互不同。在這種情況下，例如，分離為血管I和血管2等多個(gè)種類，按照該多個(gè)種類分別估計(jì)總體參數(shù)即可。具體而言，適當(dāng)決定進(jìn)行代表區(qū)域Ad的合并時(shí)的合并基準(zhǔn)或針對進(jìn)行代表區(qū)域Ad的合并后的各區(qū)域的分離基準(zhǔn)，估計(jì)最終的種類數(shù)量后，按照各種類估計(jì)總體參數(shù)，由此能夠?qū)崿F(xiàn)。并且，在以上所述的ー連串處理中，不限于使用gj/rj的值作為色調(diào)特征量，例如，也可以適當(dāng)選擇并使用gj/rj的值或bj/gj的值中的一方,作為與提取對象的種類對應(yīng)的色調(diào)特征量。S卩，根據(jù)以上所述的估計(jì)方法，能夠得到在圖6的示意性的圖像數(shù)據(jù)中總共包含K個(gè)種類數(shù)量這樣的估計(jì)結(jié)果。進(jìn)而，根據(jù)以上所述的估計(jì)方法，能夠得到全部K個(gè)種類中的第i個(gè)種類中的規(guī)定色調(diào)特征量gj/rj的值的平均值μ GRi和標(biāo)準(zhǔn)偏差σ GRi,作為所述總體參數(shù)的估計(jì)結(jié)果。
另外，以下為了簡化說明，假設(shè)在圖6的示意性的圖像數(shù)據(jù)僅包含相當(dāng)于血管內(nèi)部(血管內(nèi)側(cè))的區(qū)域和相當(dāng)于間質(zhì)部等背景粘膜(血管外側(cè))的區(qū)域這2個(gè)種類(Κ=2、并且1=1或2中的任意一方),進(jìn)行說明。另ー方面，運(yùn)算部41b通過將在圖5的步驟S3中得到的種類數(shù)量和總體參數(shù)的估計(jì)結(jié)果應(yīng)用于M-S法的輪廓檢測式，進(jìn)行區(qū)域分割的運(yùn)算(圖5的步驟S4)。另外，在本實(shí)施例中，作為所述輪廓檢測式，使用所述非專利文獻(xiàn)3 (Christophe Samson, LaureBianc—Feraud，Gilles Aubert, and Josiane Zerubia: Multiphase Evolution andVariational Image Classification,,，INRIA Sophia Antipolis)所公開的下述算式(I )。
&(φ>，·"，φ尺)=ΣαK(①少ア)dx+Σr<K(φ-a.
(ΣαΛ)-1)み * ·.⑴上述算式(I)中的Oi (IきiきK)被稱為距離函數(shù)，Φ^Ο的像素成為區(qū)域的邊界，根據(jù)與邊界之間的距離來設(shè)定其他像素中的Φ 的值。具體而言，關(guān)于存在于所述邊界內(nèi)部(區(qū)域內(nèi)偵彳)的像素，Φ 的值取對應(yīng)于與所述邊界之間的距離的正值，關(guān)于存在于所述邊界外部(區(qū)域外側(cè))的像素，Φ 的值取對應(yīng)于與所述邊界之間的距離的負(fù)值。并且，上述算式(I)中的Fa CO1,…、Φκ)表示對包含全部K個(gè)種類的全部區(qū)域Ω進(jìn)行區(qū)域分割時(shí)的評價(jià)值。即，經(jīng)由(例如后述的)反復(fù)處理求出對？。(O1、…、Φκ)的值進(jìn)行最小化的邊界，由此，能夠?qū)崿F(xiàn)圖像的區(qū)域分割。另外，上述算式(I)中的右邊3個(gè)項(xiàng)分別依次意味著分割后的區(qū)域內(nèi)的特征量的總體參數(shù)越接近Ui和越小的項(xiàng)、邊界線的長度越短(越不復(fù)雜)則越小的項(xiàng)、以及對區(qū)域的重復(fù)等進(jìn)行控制的項(xiàng)。另ー方面，在使用M-S法的區(qū)域分割中，可以經(jīng)由下述算式(2)的反復(fù)處理求出對評價(jià)值Fa (Φ^…、Φκ)進(jìn)行最小化的距離函數(shù)
權(quán)利要求
1.ー種醫(yī)用圖像處理裝置，該醫(yī)用圖像處理裝置能夠?qū)︶t(yī)用圖像進(jìn)行區(qū)域分割處理，其特征在于，該醫(yī)用圖像處理裝置具有 特征量計(jì)算部，其根據(jù)所述醫(yī)用圖像計(jì)算至少I個(gè)特征量； 種類設(shè)定部，其根據(jù)由所述特征量計(jì)算部計(jì)算出的特征量，在所述醫(yī)用圖像中設(shè)定多個(gè)種類； 總體參數(shù)設(shè)定部，其根據(jù)由所述特征量計(jì)算部計(jì)算出的特征量，按照分別被分類為由所述種類設(shè)定部設(shè)定的種類的所述醫(yī)用圖像的各區(qū)域設(shè)定總體參數(shù)；以及 區(qū)域分割部，其根據(jù)分布模型對所述醫(yī)用圖像進(jìn)行區(qū)域分割處理，所述分布模型是依照由所述種類設(shè)定部設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定部設(shè)定的總體參數(shù)來規(guī)定的。
2.根據(jù)權(quán)利要求I所述的醫(yī)用圖像處理裝置，其特征在干， 所述醫(yī)用圖像處理裝置還具有構(gòu)造成分區(qū)域提取部，該構(gòu)造成分區(qū)域提取部提取與所述醫(yī)用圖像中包含的構(gòu)造成分對應(yīng)的區(qū)域， 所述特征量計(jì)算部根據(jù)由所述構(gòu)造成分區(qū)域提取部提取出的各區(qū)域計(jì)算至少I個(gè)特征量， 所述種類設(shè)定部根據(jù)由所述特征量計(jì)算部計(jì)算出的特征量，設(shè)定與由所述構(gòu)造成分區(qū)域提取部提取出的各區(qū)域?qū)?yīng)的多個(gè)種類。
3.根據(jù)權(quán)利要求I所述的醫(yī)用圖像處理裝置，其特征在干， 所述種類設(shè)定部根據(jù)由所述特征量計(jì)算部計(jì)算出的特征量的分布狀態(tài)，對所述多個(gè)種類實(shí)施聚類處理， 所述總體參數(shù)設(shè)定部根據(jù)由所述特征量計(jì)算部計(jì)算出的特征量，按照分別被分類為根據(jù)所述聚類處理的處理結(jié)果而設(shè)定的種類的各區(qū)域設(shè)定總體參數(shù)， 所述區(qū)域分割部根據(jù)分布模型進(jìn)行區(qū)域分割處理，所述分布模型是依照根據(jù)所述聚類處理的處理結(jié)果而設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定部設(shè)定的總體參數(shù)來規(guī)定的。
4.根據(jù)權(quán)利要求I所述的醫(yī)用圖像處理裝置，其特征在干， 所述區(qū)域分割部進(jìn)行區(qū)域分割處理，使得將所述醫(yī)用圖像分割成與由所述種類設(shè)定部設(shè)定的各種類對應(yīng)的多個(gè)區(qū)域，并且在所述多個(gè)區(qū)域的各個(gè)區(qū)域中根據(jù)所述特征量計(jì)算出的總體參數(shù)接近由所述總體參數(shù)設(shè)定部設(shè)定的總體參數(shù)。
5.根據(jù)權(quán)利要求I所述的醫(yī)用圖像處理裝置，其特征在干， 所述醫(yī)用圖像是內(nèi)窺鏡圖像。
6.根據(jù)權(quán)利要求I所述的醫(yī)用圖像處理裝置，其特征在干， 在由所述種類設(shè)定部設(shè)定的種類中包含血管和腺構(gòu)造中的至少一方。
7.ー種醫(yī)用圖像處理裝置，該醫(yī)用圖像處理裝置能夠?qū)︶t(yī)用圖像進(jìn)行區(qū)域分割處理，其特征在于，該醫(yī)用圖像處理裝置具有 特征量計(jì)算部，其根據(jù)所述醫(yī)用圖像計(jì)算至少I個(gè)特征量； 構(gòu)造成分區(qū)域設(shè)定部，其設(shè)定與所述醫(yī)用圖像中包含的構(gòu)造成分對應(yīng)的多個(gè)構(gòu)造成分區(qū)域； 區(qū)域合井部，其在所述多個(gè)構(gòu)造成分區(qū)域中分別對所述特征量相互類似的區(qū)域進(jìn)行合井；種類設(shè)定部，其根據(jù)所述區(qū)域合井部的合并結(jié)果來設(shè)定種類； 總體參數(shù)設(shè)定部，其根據(jù)作為所述區(qū)域合井部的合并結(jié)果而得到的各個(gè)構(gòu)造成分區(qū)域中的所述特征量，按照作為該合并結(jié)果而得到的每個(gè)構(gòu)造成分區(qū)域分別設(shè)定總體參數(shù)；以及 區(qū)域分割部，其根據(jù)分布模型對所述醫(yī)用圖像進(jìn)行區(qū)域分割處理，所述分布模型是依照由所述種類設(shè)定部設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定部設(shè)定的總體參數(shù)來規(guī)定的。
8.根據(jù)權(quán)利要求7所述的醫(yī)用圖像處理裝置，其特征在干， 所述醫(yī)用圖像是內(nèi)窺鏡圖像。
9.根據(jù)權(quán)利要求7所述的醫(yī)用圖像處理裝置，其特征在干， 在由所述種類設(shè)定部設(shè)定的種類中包含血管和腺構(gòu)造中的至少一方。
10.ー種醫(yī)用圖像處理方法，該醫(yī)用圖像處理方法用于對醫(yī)用圖像進(jìn)行區(qū)域分割處理，其特征在于，該醫(yī)用圖像處理方法具有以下步驟 特征量計(jì)算步驟，根據(jù)所述醫(yī)用圖像計(jì)算至少I個(gè)特征量； 種類設(shè)定步驟，根據(jù)由所述特征量計(jì)算步驟計(jì)算出的特征量，在所述醫(yī)用圖像中設(shè)定多個(gè)種類； 總體參數(shù)設(shè)定步驟，根據(jù)由所述特征量計(jì)算步驟計(jì)算出的特征量，按照分別被分類為由所述種類設(shè)定步驟設(shè)定的種類的所述醫(yī)用圖像的各區(qū)域設(shè)定總體參數(shù)；以及 區(qū)域分割步驟，根據(jù)分布模型對所述醫(yī)用圖像進(jìn)行區(qū)域分割處理，所述分布模型是依照由所述種類設(shè)定步驟設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定步驟設(shè)定的總體參數(shù)來規(guī)定的。
11.根據(jù)權(quán)利要求10所述的醫(yī)用圖像處理方法，其特征在干， 所述醫(yī)用圖像處理方法還具有構(gòu)造成分區(qū)域提取步驟，在該構(gòu)造成分區(qū)域提取步驟中，提取與所述醫(yī)用圖像中包含的構(gòu)造成分對應(yīng)的區(qū)域， 在所述特征量計(jì)算步驟中，根據(jù)由所述構(gòu)造成分區(qū)域提取步驟提取出的各區(qū)域計(jì)算至少I個(gè)特征量， 在所述種類設(shè)定步驟中，根據(jù)由所述特征量計(jì)算步驟計(jì)算出的特征量，設(shè)定與由所述構(gòu)造成分區(qū)域提取步驟提取出的各區(qū)域?qū)?yīng)的多個(gè)種類。
12.根據(jù)權(quán)利要求10所述的醫(yī)用圖像處理方法，其特征在干， 在所述種類設(shè)定步驟中，根據(jù)由所述特征量計(jì)算步驟計(jì)算出的特征量的分布狀態(tài)，對所述多個(gè)種類實(shí)施聚類處理， 在所述總體參數(shù)設(shè)定步驟中，根據(jù)由所述特征量計(jì)算步驟計(jì)算出的特征量，按照分別被分類為根據(jù)所述聚類處理的處理結(jié)果而設(shè)定的種類的各區(qū)域設(shè)定總體參數(shù)， 在所述區(qū)域分割步驟中，根據(jù)分布模型進(jìn)行區(qū)域分割處理，所述分布模型是依照根據(jù)所述聚類處理的處理結(jié)果而設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定步驟設(shè)定的總體參數(shù)來規(guī)定的。
13.根據(jù)權(quán)利要求10所述的醫(yī)用圖像處理方法，其特征在干， 在所述區(qū)域分割步驟中，進(jìn)行區(qū)域分割處理，使得將所述醫(yī)用圖像分割成與由所述種類設(shè)定步驟設(shè)定的各種類對應(yīng)的多個(gè)區(qū)域，并且在所述多個(gè)區(qū)域的各個(gè)區(qū)域中根據(jù)所述特征量計(jì)算出的總體參數(shù)接近由所述總體參數(shù)設(shè)定步驟設(shè)定的總體參數(shù)。
14.根據(jù)權(quán)利要求10所述的醫(yī)用圖像處理方法，其特征在干， 所述醫(yī)用圖像是內(nèi)窺鏡圖像。
15.根據(jù)權(quán)利要求10所述的醫(yī)用圖像處理方法，其特征在干， 在由所述種類設(shè)定步驟設(shè)定的種類中包 含血管和腺構(gòu)造中的至少一方。
16.ー種醫(yī)用圖像處理方法，該醫(yī)用圖像處理方法用于對醫(yī)用圖像進(jìn)行區(qū)域分割處理，其特征在于，該醫(yī)用圖像處理方法具有以下步驟 特征量計(jì)算步驟，根據(jù)所述醫(yī)用圖像計(jì)算至少I個(gè)特征量； 構(gòu)造成分區(qū)域設(shè)定步驟，設(shè)定與所述醫(yī)用圖像中包含的構(gòu)造成分對應(yīng)的多個(gè)構(gòu)造成分區(qū)域； 區(qū)域合并步驟，在所述多個(gè)構(gòu)造成分區(qū)域中分別對所述特征量相互類似的區(qū)域進(jìn)行合并； 種類設(shè)定步驟，根據(jù)所述區(qū)域合并步驟的合并結(jié)果來設(shè)定種類； 總體參數(shù)設(shè)定步驟，根據(jù)作為所述區(qū)域合并步驟的合并結(jié)果而得到的各個(gè)構(gòu)造成分區(qū)域中的所述特征量，按照作為該合并結(jié)果而得到的每個(gè)構(gòu)造成分區(qū)域分別設(shè)定總體參數(shù)；以及 區(qū)域分割步驟，根據(jù)分布模型對所述醫(yī)用圖像進(jìn)行區(qū)域分割處理，所述分布模型是依照由所述種類設(shè)定步驟設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定步驟設(shè)定的總體參數(shù)來規(guī)定的。
17.根據(jù)權(quán)利要求16所述的醫(yī)用圖像處理方法，其特征在干， 所述醫(yī)用圖像是內(nèi)窺鏡圖像。
18.根據(jù)權(quán)利要求16所述的醫(yī)用圖像處理方法，其特征在干， 在由所述種類設(shè)定步驟設(shè)定的種類中包含血管和腺構(gòu)造中的至少一方。
全文摘要
本發(fā)明的醫(yī)用圖像處理裝置能夠?qū)︶t(yī)用圖像進(jìn)行區(qū)域分割處理，該醫(yī)用圖像處理裝置具有特征量計(jì)算部，其從所述醫(yī)用圖像中計(jì)算至少1個(gè)特征量；種類設(shè)定部，其根據(jù)由所述特征量計(jì)算部計(jì)算出的特征量，在所述醫(yī)用圖像中設(shè)定多個(gè)種類；總體參數(shù)設(shè)定部，其根據(jù)由所述特征量計(jì)算部計(jì)算出的特征量，按照分別被分類為由所述種類設(shè)定部設(shè)定的種類的所述醫(yī)用圖像的各區(qū)域設(shè)定總體參數(shù)；以及區(qū)域分割部，其根據(jù)分布模型對所述醫(yī)用圖像進(jìn)行區(qū)域分割處理，所述分布模型是依照由所述種類設(shè)定部設(shè)定的種類的數(shù)量和由所述總體參數(shù)設(shè)定部設(shè)定的總體參數(shù)來規(guī)定的。
文檔編號(hào)A61B1/04GK102724909SQ201180007618
公開日2012年10月10日 申請日期2011年3月17日 優(yōu)先權(quán)日2010年4月12日
發(fā)明者田中健一, 登本悠介, 西村博一 申請人:奧林巴斯醫(yī)療株式會(huì)社