專利名稱：醫(yī)療用圖像處理裝置和醫(yī)療用圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及醫(yī)療用圖像處理裝置和醫(yī)療用圖像處理方法，特別是涉 及可檢測具有局部隆起形狀的病變的醫(yī)療用圖像處理裝置和醫(yī)療用圖像 處理方法。
背景技術(shù)：
以往，在醫(yī)療領(lǐng)域中，廣泛進(jìn)行使用X射線診斷裝置、CT、 MRI、 超聲波觀測裝置以及內(nèi)窺鏡裝置等的圖像拍攝設(shè)備的觀察。這種圖像拍 攝設(shè)備中的內(nèi)窺鏡裝置例如具有可插入到體腔內(nèi)的插入部，并具有這樣 的作用和結(jié)構(gòu)使用固體攝像元件等攝像單元對通過配置在該插入部的
前端部上的物鏡光學(xué)系統(tǒng)所成像的體腔內(nèi)的像進(jìn)行拍攝并作為攝像信號 來輸出，根據(jù)該攝像信號在監(jiān)視器等顯示單元上顯示體腔內(nèi)的像的圖像。 然后，用戶根據(jù)顯示在監(jiān)視器等顯示單元上的體腔內(nèi)的像的圖像，進(jìn)行 例如體腔內(nèi)的內(nèi)臟等的觀察。
內(nèi)窺鏡裝置可直接拍攝消化道粘膜的像。因此，用戶可綜合地觀察 例如粘膜色調(diào)、病變形狀以及粘膜表面的細(xì)微結(jié)構(gòu)等。并且，在近年來， 提出了一種可根據(jù)與所拍攝的體腔內(nèi)的像對應(yīng)的二維圖像的數(shù)據(jù)來估計 該體腔內(nèi)的像的三維模型的內(nèi)窺鏡裝置。
而且，在內(nèi)窺鏡裝置中，作為可檢測存在具有局部隆起形狀的病變
的規(guī)定圖像的圖像處理方法，通過使用例如日本特開2005 — 192880號公 報所記載的圖像處理方法，還能檢測包含有息肉等病變部位的圖像。
日本特開2005 — 192880號公報所記載的圖像處理方法可提取所輸 入的圖像具有的輪廓，并可根據(jù)該輪廓的形狀，檢測該圖像中的具有局 部隆起形狀的病變。
通常，多數(shù)情況是，例如在一個圖像的較亮部分中，在檢測具有局部隆起形狀的病變時有用的數(shù)據(jù)以密集的狀態(tài)存在，并且，在該一個圖 像的較暗部中，在檢測該病變時有用的數(shù)據(jù)以稀疏的狀態(tài)存在。并且， 以下情況也較多，例如在一個圖像中，在檢測具有局部隆起形狀的病變 時有用的數(shù)據(jù)的疏密狀態(tài)以該一個圖像內(nèi)存在的各邊緣作為邊界發(fā)生變 化。
特別是，在三維模型中檢測具有局部隆起形狀的病變的情況下，為 了防止該病變的誤檢測和漏檢測，優(yōu)選的是，根據(jù)由于在估計該三維模 型時使用的二維圖像的明暗或邊緣的有無等而產(chǎn)生的數(shù)據(jù)的疏密狀態(tài)，
適當(dāng)設(shè)定病變檢測基準(zhǔn)。然而，在日本特開2005 — 192880號公報的圖像 處理方法中，未提出有關(guān)使所述病變檢測基準(zhǔn)根據(jù)數(shù)據(jù)的疏密狀態(tài)而適 當(dāng)變化的方案。其結(jié)果是，在使用了日本特開2005 — 192880號公報的圖 像處理方法的情況下，產(chǎn)生三維模型中的具有局部隆起形狀的病變的檢 測精度下降的問題。

發(fā)明內(nèi)容
鑒于上述情況，本發(fā)明的目的是提供一種與以往相比能提高三維模 型中的具有局部隆起形狀的病變的檢測精度的醫(yī)療用圖像處理裝置和醫(yī) 療用圖像處理方法。
本發(fā)明的第一方式的醫(yī)療用圖像處理裝置，其特征在于，該醫(yī)療用 圖像處理裝置具有三維模型估計部，其根據(jù)從醫(yī)療用攝像裝置輸入的 被攝體的像的二維圖像，估計該被攝體的三維模型；圖像分割部，其將 所述二維圖像分割成由至少一個以上的像素構(gòu)成的多個區(qū)域；特征量計 算部，其在所述多個區(qū)域各方中計算與一個區(qū)域具有的各像素的濃淡對 應(yīng)的特征量；以及病變檢測基準(zhǔn)設(shè)定部，其根據(jù)與所述濃淡對應(yīng)的特征 量設(shè)定病變檢測基準(zhǔn)，該病變檢測基準(zhǔn)用于在與所述多個區(qū)域各方相對 應(yīng)的所述三維模型的區(qū)域中檢測具有局部隆起形狀的病變。
本發(fā)明的第二方式的醫(yī)療用圖像處理裝置，其特征在于，該醫(yī)療用 圖像處理裝置具有三維模型估計部，其根據(jù)從醫(yī)療用攝像裝置輸入的 被攝體的像的二維圖像，估計該被攝體的三維模型；圖像信息提取部，其提取與所述二維圖像具有的各像素的濃淡對應(yīng)的圖像信息；圖像分割 部，其根據(jù)與所述各像素的濃淡對應(yīng)的特征量，將所述二維圖像分割成
多個區(qū)域；以及病變檢測基準(zhǔn)設(shè)定部，其設(shè)定病變檢測基準(zhǔn)，該病變檢
測基準(zhǔn)用于在與由所述圖像分割部所分割的所述多個區(qū)域各方相對應(yīng)的 所述三維模型的區(qū)域中檢測具有局部隆起形狀的病變。
本發(fā)明的第三方式的醫(yī)療用圖像處理裝置，其特征在于，該醫(yī)療用
圖像處理裝置具有三維模型估計部，其根據(jù)從醫(yī)療用攝像裝置輸入的 被攝體的像的二維圖像，估計該被攝體的三維模型；圖像分割部，其將 所述二維圖像分割成由至少一個以上的像素構(gòu)成的多個區(qū)域；圖像位置 檢測部，其檢測所述多個區(qū)域各方在所述二維圖像上存在的位置與所述 二維圖像上的規(guī)定位置之間的位置關(guān)系；以及病變檢測基準(zhǔn)設(shè)定部，其 根據(jù)由所述圖像位置檢測部所檢測的所述位置關(guān)系設(shè)定病變檢測基準(zhǔn)， 該病變檢測基準(zhǔn)用于在與所述多個區(qū)域各方相對應(yīng)的所述三維模型的區(qū) 域中檢測具有局部隆起形狀的病變。
本發(fā)明的第一方式的醫(yī)療用圖像處理方法，其特征在于，該醫(yī)療用 圖像處理方法具有三維模型估計步驟，其根據(jù)從醫(yī)療用攝像裝置輸入 的被攝體的像的二維圖像，估計該被攝體的三維模型；圖像分割步驟， 其將所述二維圖像分割成由至少一個以上的像素構(gòu)成的多個區(qū)域；特征 量計算步驟，其在所述多個區(qū)域各方中計算與一個區(qū)域具有的各像素的 濃淡對應(yīng)的特征量；以及病變檢測基準(zhǔn)設(shè)定步驟，其根據(jù)與所述濃淡對 應(yīng)的特征量設(shè)定病變檢測基準(zhǔn)，該病變檢測基準(zhǔn)用于在與所述多個區(qū)域 各方相對應(yīng)的所述三維模型的區(qū)域中檢測具有局部隆起形狀的病變。
本發(fā)明的第二方式的醫(yī)療用圖像處理方法，其特征在于，該醫(yī)療用 圖像處理方法具有三維模型估計步驟，其根據(jù)從醫(yī)療用攝像裝置輸入 的被攝體的像的二維圖像，估計該被攝體的三維模型；圖像信息提取步 驟，其提取與所述二維圖像具有的各像素的濃淡對應(yīng)的圖像信息；圖像 分割步驟，其根據(jù)與所述各像素的濃淡對應(yīng)的特征量，將所述二維圖像 分割成多個區(qū)域；以及病變檢測基準(zhǔn)設(shè)定步驟，其設(shè)定病變檢測基準(zhǔn)， 該病變檢測基準(zhǔn)用于在與通過所述圖像分割步驟分割的所述多個區(qū)域各
16方相對應(yīng)的所述三維模型的區(qū)域中檢測具有局部隆起形狀的病變。
本發(fā)明的第三方式的醫(yī)療用圖像處理方法，其特征在于，該醫(yī)療用 圖像處理方法具有三維模型估計步驟，其根據(jù)從醫(yī)療用攝像裝置輸入 的被攝體的像的二維圖像，估計該被攝體的三維模型；圖像分割步驟， 其將所述二維圖像分割成由至少一個以上的像素構(gòu)成的多個區(qū)域；圖像 位置檢測步驟，其檢測所述多個區(qū)域各方在所述二維圖像上存在的位置 與所述二維圖像上的規(guī)定位置之間的位置關(guān)系；以及病變檢測基準(zhǔn)設(shè)定
步驟，其根據(jù)由所述圖像位置檢測步驟所檢測的所述位置關(guān)系設(shè)定病變 檢測基準(zhǔn)，該病變檢測基準(zhǔn)用于在與所述多個區(qū)域各方相對應(yīng)的所述三 維模型的區(qū)域中檢測具有局部隆起形狀的病變。


圖1是示出使用了本發(fā)明實施方式所涉及的醫(yī)療用圖像處理裝置的 內(nèi)窺鏡系統(tǒng)的整體結(jié)構(gòu)的一例的圖。
圖2是示出由圖1的內(nèi)窺鏡系統(tǒng)所拍攝的被攝體的像的二維圖像的 一例的圖。
圖3是示出圖1的醫(yī)療用圖像處理裝置在第一實施方式中進(jìn)行的處 理步驟的流程圖。
圖4是作為圖3中的病變檢測基準(zhǔn)設(shè)定處理而示出在第一實施方式 中進(jìn)行的處理的一例的流程圖。
圖5是示出圖2所示的二維圖像被分割成多個區(qū)域的情況下的處理 結(jié)果的一例的圖。
圖6是示出針對由圖1的醫(yī)療用圖像處理裝置所估計的三維模型應(yīng) 用了通過圖4的各處理所設(shè)定的病變檢測基準(zhǔn)的狀態(tài)的一例的圖。
圖7是示出針對由圖1的醫(yī)療用圖像處理裝置所估計的三維模型應(yīng) 用了通過圖4的各處理所設(shè)定的病變檢測基準(zhǔn)的狀態(tài)的與圖6不同的例 子的圖。
圖8是作為圖3中的病變檢測基準(zhǔn)設(shè)定處理而示出在第二實施方式 中進(jìn)行的處理的一例的流程圖。圖9是示出圖8中的二維圖像分割處理的一例的流程圖。 圖10是示出在圖9的處理中使用的二維圖像的一例的圖。
圖11是示出通過圖9的處理所檢測的邊緣的一例的圖。
圖12是示出通過圖9的處理所檢測的邊緣的與圖11不同的例子的圖。
圖13是示出根據(jù)圖12的邊緣延伸了圖11的各邊緣的狀態(tài)的圖。 圖14是示出在通過圖9的處理對圖10的二維圖像進(jìn)行了區(qū)域分割 的情況下的處理結(jié)果的圖。
圖15是示出圖8中的二維圖像分割處理的與圖9不同的例子的流程圖。
圖16是示出通過圖15的處理所檢測的邊緣的一例的圖。
圖17是示出通過圖15的處理對圖10的二維圖像的一部分進(jìn)行了區(qū) 域分割的狀態(tài)的一例的圖。
圖18是示出通過圖15的處理對圖10的二維圖像的一部分進(jìn)行了區(qū) 域分割的狀態(tài)的與圖17不同的例子的圖。
圖19是示出在通過圖15的處理對圖IO的二維圖像進(jìn)行了區(qū)域分割 的情況下的處理結(jié)果的圖。
圖20是示出圖8中的二維圖像分割處理的與圖9及圖15不同的例 子的流程圖。
圖21是示出在通過圖20的處理使圖16所示的各邊緣的線寬度變粗 的情況下的處理結(jié)果的一例的圖。
圖22是示出在通過圖20的處理對圖10的二維圖像進(jìn)行了區(qū)域分割 的情況下的處理結(jié)果的圖。
圖23是示出圖1的醫(yī)療用圖像處理裝置在第三實施方式中進(jìn)行的處 理的步驟的流程圖。
圖24是作為圖23中的病變檢測基準(zhǔn)設(shè)定處理而示出在第三實施方 式中進(jìn)行的處理的一例的流程圖。
圖25是示出在圖24的處理中計算出的距離LH與權(quán)重系數(shù)(o之間 的相關(guān)關(guān)系的圖。圖26是作為圖23中的病變檢測基準(zhǔn)設(shè)定處理而示出在第三實施方
式中進(jìn)行的處理的與圖24不同的例子的流程圖。
圖27是示出通過圖26的處理而檢測為二維圖像的邊緣部的區(qū)域的圖。
具體實施例方式
以下，參照

本發(fā)明的實施方式。 (第一實施方式)
圖1至圖7涉及本發(fā)明的第一實施方式。圖1是示出使用了本發(fā)明 實施方式所涉及的醫(yī)療用圖像處理裝置的內(nèi)窺鏡系統(tǒng)的整體結(jié)構(gòu)的一例 的圖。圖2是示出由圖1的內(nèi)窺鏡系統(tǒng)所拍攝的被攝體的像的二維圖像 的一例的圖。圖3是示出圖1的醫(yī)療用圖像處理裝置在第一實施方式中 進(jìn)行的處理的步驟的流程圖。圖4是作為圖3中的病變檢測基準(zhǔn)設(shè)定處 理而示出在第一實施方式中進(jìn)行的處理的一例的流程圖。圖5是示出在 圖2所示的二維圖像被分割成多個區(qū)域的情況下的處理結(jié)果的一例的圖。 圖6是示出針對由圖1的醫(yī)療用圖像處理裝置所估計的三維模型應(yīng)用了 通過圖4的各處理所設(shè)定的病變檢測基準(zhǔn)的狀態(tài)的一例的圖。圖7是示 出針對由圖1的醫(yī)療用圖像處理裝置所估計的三維模型應(yīng)用了通過圖4 的各處理所設(shè)定的病變檢測基準(zhǔn)的狀態(tài)的與圖6不同的例子的圖。
如圖1所示，內(nèi)窺鏡系統(tǒng)1的主要部分構(gòu)成為具有醫(yī)療用觀察裝 置2，其拍攝被攝體，并輸出該被攝體的像的二維圖像；醫(yī)療用圖像處理 裝置3，其由個人計算機(jī)等構(gòu)成，對從醫(yī)療用觀察裝置2輸出的二維圖像 的影像信號進(jìn)行圖像處理，并將進(jìn)行了該圖像處理后的影像信號作為圖 像信號來輸出；以及監(jiān)視器4，其顯示基于從醫(yī)療用圖像處理裝置3輸出 的圖像信號的圖像。
并且，醫(yī)療用觀察裝置2主要部分構(gòu)成為具有內(nèi)窺鏡6，其被插 入到被檢體的體腔內(nèi)，并拍攝存在于該體腔內(nèi)的活體組織等被攝體，作 為攝像信號來輸出；光源裝置7，其提供用于對由內(nèi)窺鏡6拍攝的被攝體 進(jìn)行照明的照明光；相機(jī)控制單元(以下簡記為CCU) 8，其對內(nèi)窺鏡6進(jìn)行各種控制，并對從內(nèi)窺鏡6輸出的攝像信號進(jìn)行信號處理，作為二
維圖像的影像信號來輸出；以及監(jiān)視器9，其根據(jù)從CCU 8輸出的二維 圖像的影像信號，對由內(nèi)窺鏡6所拍攝的被攝體的像進(jìn)行圖像顯示。
內(nèi)窺鏡6構(gòu)成為具有插入到體腔內(nèi)的插入部ll，以及設(shè)在插入部 11的基端側(cè)的操作部12。并且，在從插入部11內(nèi)的基端側(cè)到插入部11 內(nèi)的前端側(cè)的前端部14這部分上貫穿插入有用于傳送從光源裝置7提供 的照明光的導(dǎo)光裝置(light guide) 13。
導(dǎo)光裝置13的前端側(cè)配置在內(nèi)窺鏡6的前端部14上，后端側(cè)與光 源裝置7連接。由于導(dǎo)光裝置13具有這種結(jié)構(gòu)，因而從光源裝置7提供 的照明光通過導(dǎo)光裝置13傳送后，從設(shè)在插入部11的前端部14的前端 面上的未作圖示的照明窗射出。然后，照明光從未作圖示的照明窗射出， 從而對作為被攝體的活體組織等進(jìn)行照明。
在內(nèi)窺鏡6的前端部14設(shè)有攝像部17，該攝像部17具有安裝在 與未作圖示的照明窗鄰接的未作圖示的觀察窗上的物鏡光學(xué)系統(tǒng)15，以 及配置在物鏡光學(xué)系統(tǒng)15的成像位置上并由例如CCD (電荷耦合元件) 等構(gòu)成的攝像元件16。根據(jù)這種結(jié)構(gòu)，通過物鏡光學(xué)系統(tǒng)15所成像的被 攝體的像在由攝像元件16拍攝后，作為攝像信號被輸出。
攝像元件16通過信號線與CCU8連接。然后，攝像元件16根據(jù)從 CCU8輸出的驅(qū)動信號進(jìn)行驅(qū)動，并向CCU8輸出與所拍攝的被攝體的 像對應(yīng)的攝像信號。
并且，輸入到CCU8的攝像信號通過在設(shè)于CCU8內(nèi)部的未作圖示 的信號處理電路中進(jìn)行信號處理，被轉(zhuǎn)換成二維圖像的影像信號來輸出。 從CCU 8輸出的二維圖像的影像信號被輸出到監(jiān)視器9和醫(yī)療用圖像處 理裝置3。由此，基于從CCU 8輸出的影像信號的被攝體的像作為二維 圖像顯示在監(jiān)視器9上。
醫(yī)療用圖像處理裝置3具有圖像輸入部21，其對從醫(yī)療用觀察裝 置2輸出的二維圖像的影像信號進(jìn)行A/D轉(zhuǎn)換再輸出；作為中央運算處 理裝置的CPU 22，其對從圖像輸入部21輸出的影像信號進(jìn)行圖像處理； 處理程序存儲部23，其被寫入與該圖像處理相關(guān)的處理程序；圖像存儲
20部24，其存儲從圖像輸入部21輸出的影像信號等；以及分析信息存儲部 25，其存儲由CPU22進(jìn)行的圖像處理中的運算結(jié)果等。
并且，醫(yī)療用圖像處理裝置3具有存儲裝置接口26;作為存儲裝 置的硬盤27，其通過存儲裝置接口 26存儲作為CPU22的圖像處理結(jié)果 的圖像數(shù)據(jù)等；顯示處理部28，其根據(jù)作為CPU 22的圖像處理結(jié)果的 圖像數(shù)據(jù)，進(jìn)行用于在監(jiān)視器4上對該圖像數(shù)據(jù)進(jìn)行圖像顯示的顯示處 理，并將進(jìn)行了該顯示處理后的圖像數(shù)據(jù)作為圖像信號而輸出；以及由 鍵盤等構(gòu)成的輸入操作部29，其可通過用戶輸入由CPU 22進(jìn)行的圖像 處理中的參數(shù)和針對醫(yī)療用圖像處理裝置3的操作指示。而且，監(jiān)視器4 顯示基于從顯示處理部28輸出的圖像信號的圖像。
另外，醫(yī)療用圖像處理裝置3的圖像輸入部21、 CPU 22、處理程序 存儲部23、圖像存儲部24、分析信息存儲部25、存儲裝置接口26、顯 示處理部28以及輸入操作部29通過數(shù)據(jù)總線30相互連接。
下面，對內(nèi)窺鏡系統(tǒng)l的作用進(jìn)行說明。
首先，用戶在接通了內(nèi)窺鏡系統(tǒng)1所具有的各部分的電源之后，將 內(nèi)窺鏡6的插入部11插入到被檢體的體腔內(nèi)。
然后，當(dāng)通過用戶將插入部ll插入到被檢體的體腔內(nèi)時，例如，存 在于該體腔內(nèi)的活體組織等即被攝體的像由設(shè)在前端部14上的攝像部17 拍攝。然后，由攝像部17所拍攝的被攝體的像作為攝像信號被輸出到 CCU 8。
CCU 8通過在未作圖示的信號處理電路中對從攝像部17的攝像元件 16輸出的攝像信號進(jìn)行信號處理，將該攝像信號轉(zhuǎn)換成二維圖像的影像 信號再輸出。然后，監(jiān)視器9根據(jù)從CCU8輸出的影像信號，將由攝像 部17所拍攝的被攝體的像顯示成例如圖2所示的二維圖像。并且，CCU 8將通過對從攝像部17的攝像元件16輸出的攝像信號進(jìn)行信號處理而獲 得的二維圖像的影像信號輸出到醫(yī)療用圖像處理裝置3。
輸出到醫(yī)療用圖像處理裝置3的二維圖像的影像信號在圖像輸入部 21中進(jìn)行A/D轉(zhuǎn)換后，被輸入到CPU22。
然后，作為三維模型估計部的CPU 22使用例如從明暗恢復(fù)形狀
21(Shape From Shading)法等，對從圖像輸入部21輸出的二維圖像實施 基于該二維圖像的亮度信息等的幾何變換等處理，從而估計與該二維圖 像對應(yīng)的三維模型(圖3的步驟S1)。
然后，CPU 22通過檢測從圖像輸入部21輸出的二維圖像的色調(diào)變 化、以及經(jīng)過圖3的步驟S1的處理所估計的三維模型的隆起性變化，作 為該三維模型中構(gòu)成用于檢測具有隆起形狀的病變的處理適用對象的區(qū) 域而設(shè)定處理對象區(qū)域(圖3的步驟S2)。具體地說，CPU22例如將從 圖像輸入部21輸出的二維圖像分離成R (紅色)圖像、G (綠色)圖像 以及B (藍(lán)色)圖像的各平面圖像之后，根據(jù)按照該R圖像所估計的三 維模型的數(shù)據(jù)來檢測隆起性變化，并根據(jù)該R圖像和G圖像的色度來檢 測色調(diào)變化。然后，CPU22根據(jù)所述隆起性變化的檢測結(jié)果和所述色調(diào) 變化的檢測結(jié)果，將檢測出所述隆起性變化和所述色調(diào)變化雙方的區(qū)域 設(shè)定為所述處理對象區(qū)域。另外，以下為使說明簡單，將通過圖3的步 驟S2所示的處理并根據(jù)圖2所示的二維圖像所估計的三維模型全部區(qū)域 設(shè)定為所述處理對象區(qū)域。
之后，在三維模型中，作為用于設(shè)定在檢測息肉等具有局部隆起形 狀的病變時使用的病變檢測基準(zhǔn)的處理，CPU 22進(jìn)行以下所述的病變檢 測基準(zhǔn)設(shè)定處理(圖2的步驟S3)。
作為病變檢測基準(zhǔn)設(shè)定處理，作為圖像分割部的CPU22首先將在三 維模型估計時使用的、例如圖2所示的二維圖像分割成圖5所示的由至 少一個以上的像素構(gòu)成的L個(2SL)區(qū)域Hi (1^i^L)(圖4的步驟
511) 。
然后，作為特征量計算部的CPU22在設(shè)定了變量i二l (圖4的步驟
512) 之后，作為區(qū)域Hi中的特征量，計算該區(qū)域Hi所具有的各像素的 濃淡值的平均值Mi、該區(qū)域Hi所具有的各像素的濃淡值的方差Vi、以 及該區(qū)域Hi的頻率分量Si (圖4的步驟S13)。另外，假定區(qū)域Hi的頻 率分量Si例如是通過使用索貝爾(Sobel)濾波器或拉普拉斯算子濾波器 等對該區(qū)域Hi進(jìn)行濾波處理而獲得的。
之后，CPU 22將在與二維圖像的區(qū)域Hi相對應(yīng)的三維模型的區(qū)域中進(jìn)行二次曲面近似時使用的立方區(qū)域的尺寸的初始值設(shè)定為NXNXN (圖4的步驟S14)。
作為病變檢測基準(zhǔn)設(shè)定部的CPU 22進(jìn)行基于在圖4的步驟S13所 示的處理中計算出的區(qū)域Hi中的濃淡值的平均值Mi的比較處理。然后， CPU 22在檢測出濃淡值的平均值Mi是閾值threl以下的情況下(圖4的 步驟S15)，將N值加上1 (圖4的步驟S17)，之后進(jìn)行后述的圖4的步 驟S20的處理。并且，CPU 22在檢測出濃淡值的平均值Mi大于閾值threl 且小于閾值thre2的情況下(圖4的步驟S16)，不變更N值(圖4的步 驟S18)，而進(jìn)行后述的圖4的步驟S20的處理。而且，CPU22在檢測出 濃淡值的平均值Mi是閾值thre2以上的情況下(圖4的步驟S16)，從N 值中減去l (圖4的步驟S19)，之后進(jìn)行后述的圖4的步驟S20的處理。
艮口，區(qū)域Hi中的濃淡值的平均值Mi在二維圖像上的亮部(亮部區(qū) 域)中為較大的值。因此，在與二維圖像的亮部區(qū)域相對應(yīng)的三維模型 的區(qū)域內(nèi)，數(shù)據(jù)以密集的狀態(tài)存在。然后，通過進(jìn)行前述的圖4的步驟 S15、圖4的步驟S16以及圖4的步驟S19所示的各處理，可減小在估計 出的三維模型的數(shù)據(jù)以密集的狀態(tài)存在的區(qū)域中進(jìn)行二次曲面近似時所 使用的立方區(qū)域的尺寸。
并且，區(qū)域Hi中的濃淡值的平均值Mi在二維圖像上的暗部(暗部 區(qū)域)中為較小值。因此，在與二維圖像的暗部區(qū)域相對應(yīng)的三維模型 的區(qū)域內(nèi)，數(shù)據(jù)以疏稀的狀態(tài)存在。然后，通過進(jìn)行前述的圖4的步驟 S15和圖4的步驟S17所示的各處理，可增大在估計出的三維模型的數(shù)據(jù) 以稀疏的狀態(tài)存在的區(qū)域中進(jìn)行二次曲面近似時所使用的立方區(qū)域的尺 寸。
CPU 22進(jìn)行基于在圖4的步驟S13所示的處理中計算出的區(qū)域Hi 中的濃淡值的方差Vi的比較處理。然后，CPU 22在檢測出濃淡值的方 差Vi是閾值thre3以下的情況下(圖4的步驟S20)，從N值中減去1 (圖 4的步驟S22)，之后進(jìn)行后述的圖4的步驟S25的處理。并且，CPU 22 在檢測出濃淡值的方差Vi大于閾值thre3且小于閾值thre4的情況下(圖 4的步驟S21)，不變更N值(圖4的步驟S23)，而進(jìn)行后述的圖4的步驟S25的處理。而且，CPU 22在檢測出濃淡值的方差Vi是閾值thre4以 上的情況下(圖4的步驟S21)，將N值加上1 (圖4的步驟S24)，之后 進(jìn)行后述的圖4的步驟S25的處理。
艮口，區(qū)域Hi中的濃淡值的方差Vi在二維圖像上的邊緣存在得多的 部分為較大的值。因此，在與二維圖像的邊緣所存在的區(qū)域相對應(yīng)的三 維模型的區(qū)域內(nèi)，數(shù)據(jù)以密集的狀態(tài)存在。然后，通過進(jìn)行前述的圖4 的步驟S20和圖4的步驟S22所示的各處理，可減小在估計出的三維模 型的數(shù)據(jù)以密集的狀態(tài)存在的區(qū)域中進(jìn)行二次曲面近似時所使用的立方 區(qū)域的尺寸。
并且，區(qū)域Hi中的濃淡值的方差Vi在二維圖像上的邊緣不存在(或 者邊緣數(shù)少)的部分為較小的值。因此，在與二維圖像的邊緣不存在(或 者邊緣數(shù)少)的區(qū)域相對應(yīng)的三維模型的區(qū)域內(nèi)，數(shù)據(jù)以稀疏的狀態(tài)存 在。然后，通過進(jìn)行前述的圖4的步驟S20、圖4的步驟S21以及圖4 的步驟S24所示的各處理，可增大在估計出的三維模型的數(shù)據(jù)以稀疏的 狀態(tài)存在的區(qū)域中進(jìn)行二次曲面近似時所使用的立方區(qū)域的尺寸。
CPU 22進(jìn)行基于在圖4的步驟S13所示的處理中計算出的區(qū)域Hi 中的頻率分量Si的比較處理。然后，CPU 22在檢測出頻率分量Si是閾 值thre5以下的情況下(圖4的步驟S25)，從N值中減去1 (圖4的步驟 S27)，之后進(jìn)行后述的圖4的步驟S30的處理。并且，CPU22在檢測出 頻率分量Si大于閾值thre5且小于閾值thre6的情況下(圖4的步驟S26)， 不變更N值(圖4的步驟S28)，而進(jìn)行后述的圖4的步驟S30的處理。 而且，CPU 22在檢測出頻率分量Si是閾值thre6以上的情況下(圖4的 步驟S26)，將N值加上1 (圖4的步驟S29)，之后進(jìn)行后述的圖4的步 驟S30的處理。
艮P，區(qū)域Hi中的頻率分量Si在二維圖像上的邊緣存在(得多)的 部分為較大的值。因此，在與二維圖像的邊緣存在(得多)的區(qū)域相對 應(yīng)的三維模型的區(qū)域內(nèi)，數(shù)據(jù)以密集的狀態(tài)存在。然后，通過進(jìn)行前述 的圖4的步驟S25和圖4的步驟S27所示的各處理，可減小在估計出的 三維模型的數(shù)據(jù)以密集的狀態(tài)存在的區(qū)域中進(jìn)行二次曲面近似時使用的立方區(qū)域的尺寸。
并且，區(qū)域Hi中的頻率分量Si在二維圖像上的邊緣不存在(或者 邊緣數(shù)少)的部分為較小的值。因此，在與二維圖像的邊緣不存在(或 者邊緣數(shù)少)的區(qū)域相對應(yīng)的三維模型的區(qū)域內(nèi)，數(shù)據(jù)以稀疏的狀態(tài)存
在。然后，通過進(jìn)行前述的圖4的步驟S25、圖4的步驟S26以及圖4 的步驟S29所示的各處理，可增大在估計出的三維模型的數(shù)據(jù)以稀疏的 狀態(tài)存在的區(qū)域中進(jìn)行二次曲面近似時使用的立方區(qū)域的尺寸。
CPU 22將在與二維圖像的區(qū)域Hi相對應(yīng)的三維模型的區(qū)域中進(jìn)行 二次曲面近似時使用的立方區(qū)域的尺寸確定為通過進(jìn)行前述的圖4的步 驟S15到步驟S29的處理而變更后的尺寸(圖4的步驟S30)。然后，CPU 22將在圖4的步驟S30中確定的立方區(qū)域的尺寸設(shè)定為與二維圖像的區(qū) 域Hi相對應(yīng)的三維模型的區(qū)域中的病變檢測基準(zhǔn)。
之后，CPU 22判定針對所有L個區(qū)域Hi是否進(jìn)行了上述處理，即 是否為變量i二L。然后，CPU 22在檢測出不是i二L的情況下(圖4的 步驟S31)，進(jìn)行將變量i加上l的處理(圖4的步驟S32)，之后再次進(jìn) 行前述的圖4中步驟S13到步驟S31所示的處理。并且，CPU22在檢測 出i二L的情況下(圖4的步驟S31)，結(jié)束病變檢測基準(zhǔn)設(shè)定處理。
CPU22根據(jù)在圖4所示的病變檢測基準(zhǔn)設(shè)定處理中所設(shè)定的病變檢 測基準(zhǔn)，針對通過圖3的步驟S2所設(shè)定的處理對象區(qū)域內(nèi)存在的各體素， 進(jìn)行計算形狀指數(shù)(Shape Index)值和曲率(Curvedness)值的處理(圖 3的步驟S4)。
這里，以下描述本實施方式中的圖3的步驟S4的具體處理。 CPU 22根據(jù)在圖4所示的病變檢測基準(zhǔn)設(shè)定處理中所設(shè)定的、作為 病變檢測基準(zhǔn)的立方區(qū)域的尺寸，進(jìn)行與二維圖像的各區(qū)域Hi相對應(yīng)的 三維模型的各區(qū)域中的二次曲面近似。
在圖2所示的二維圖像中的暗部區(qū)域且與不存在邊緣的區(qū)域相對應(yīng) 的三維模型的區(qū)域中，在檢測具有局部隆起形狀的病變時有用的數(shù)據(jù)以 稀疏的狀態(tài)存在。因此，CPU22在三維模型的數(shù)據(jù)稀疏的區(qū)域中，例如 如圖6所示，在使用作為病變檢測基準(zhǔn)的5X5X5尺寸的立方區(qū)域的同時進(jìn)行二次曲面近似。
并且，在圖2所示的二維圖像中的亮部區(qū)域與暗部區(qū)域之間的邊界 區(qū)域、且與邊緣所存在的區(qū)域相對應(yīng)的三維模型的區(qū)域中，在檢測具有 局部隆起形狀的病變時有用的數(shù)據(jù)以密集的狀態(tài)存在。因此，CPU 22在 三維模型的數(shù)據(jù)密集的區(qū)域中，例如如圖7所示，在使用作為病變檢測
基準(zhǔn)的3X3X3尺寸的立方區(qū)域的同時進(jìn)行二次曲面近似。
然后，CPU22根據(jù)前述的二次曲面近似的結(jié)果，計算三維模型的各 區(qū)域中的局部偏微分系數(shù)，并根據(jù)該局部偏微分系數(shù)，計算用于表示該 三維模型所具有的各體素中的凹凸?fàn)顟B(tài)的值即形狀指標(biāo)值、以及用于表 示該三維模型所具有的各體素中的曲率的值即曲率值。另外，根據(jù)局部 偏微分系數(shù)計算形狀指標(biāo)值和曲率值的方法可使用與例如美國專利申請
發(fā)明者中村健次, 井上涼子, 沢美穗, 田中秀樹, 西村博一 申請人:奧林巴斯醫(yī)療株式會社