專利名稱：醫(yī)療用圖像處理裝置以及醫(yī)療用圖像處理方法
技術(shù)領(lǐng)域：
本發(fā)明涉及適用于從醫(yī)療用圖像中檢測病變部候選區(qū)域來檢測息肉 等病變的醫(yī)療用圖像處理裝置以及醫(yī)療用圖像處理方法。
背景技術(shù)：
近些年來，內(nèi)窺鏡被廣泛應用于例如醫(yī)療用領(lǐng)域中的診察和診斷等中。這種情況下，手術(shù)人員將內(nèi)窺鏡的插入部插入到患者的大腸等體腔 內(nèi)，通過設(shè)置于插入部的前端部上的攝像單元拍攝體腔內(nèi)部，觀察顯示 在監(jiān)視器上的內(nèi)窺鏡圖像以進行息肉等病變部的診察和診斷等內(nèi)窺鏡檢 查。這種情況下，手術(shù)人員希望減少給予患者的痛苦且順利地進行內(nèi)窺 鏡檢查，因而手術(shù)人員的負擔很大。因此，例如在作為第一現(xiàn)有例的日本特開2004-180932號公報中，通 過采用X射線CT裝置等的第一圖像診斷裝置和采用X射線TV裝置等 的第二圖像診斷裝置分別針對相同關(guān)注區(qū)域檢測病變候選，相互比較對 照這2個檢測結(jié)果并合成檢測結(jié)果提示給手術(shù)人員，從而能夠防止手術(shù) 人員看漏。另外，在作為第二現(xiàn)有例的日本特開2005-192880號公報中，公開了 一種根據(jù)色調(diào)信息從內(nèi)窺鏡圖像中檢測病變候選區(qū)域的圖像處理方法。但是，上述第一現(xiàn)有例難以應用于根據(jù)拍攝大腸等體腔內(nèi)部所得的 內(nèi)窺鏡圖像來鑒別或診斷息肉等病變的情況中。另外，在X射線CT的 圖像中不存在明確的半球狀的可見隆起的情況下難以進行檢測。在內(nèi)窺鏡圖像這樣的光學觀察體腔內(nèi)部的圖像中，還能獲得顏色信 息，因而優(yōu)選在病變檢測等中也使用顏色信息。另一方面，第二現(xiàn)有例中，使用顏色信息和輪廓信息，檢測出血/發(fā)紅和隆起/凹陷等。但是，該第二現(xiàn)有例中沒有有效地使用如下區(qū)域的信 息，目卩附帶地呈現(xiàn)在息肉處產(chǎn)生的發(fā)紅/褪色的色調(diào)變化性狀的區(qū)域， 以及附帶地呈現(xiàn)在息肉的周圍粘膜上產(chǎn)生的可見異常區(qū)域等的性狀的區(qū) 域。因此，優(yōu)選有效地使用這些區(qū)域的信息，能夠以更高的精度或者更 高的可靠性來檢測病變。另外，優(yōu)選由二維圖像來生成三維形狀圖像，能夠進行進一步提高 了可靠性的病變檢測。發(fā)明內(nèi)容鑒于上述情況，本發(fā)明的目的在于提供一種醫(yī)療用圖像處理裝置以 及醫(yī)療用圖像處理方法，其能夠如內(nèi)窺鏡圖像那樣根據(jù)具有顏色信息的 醫(yī)療用圖像來精度良好地檢測息肉等病變。另外，本發(fā)明的目的還在于提供一種能夠使用三維形狀圖像進行進 一步提高了可靠度的病變檢測的醫(yī)療用圖像處理裝置以及醫(yī)療用圖像處 理方法。本發(fā)明第一方面的醫(yī)療用圖像處理裝置的特征在于，其具有病變 候選區(qū)域檢測單元，其根據(jù)由多個顏色信號構(gòu)成的醫(yī)療用圖像中的至少 一個顏色信號來檢測病變候選區(qū)域；附帶區(qū)域檢測單元，其從上述醫(yī)療 用圖像中檢測附帶區(qū)域，該附帶區(qū)域是在伴隨病變而附帶的性狀中產(chǎn)生 的；以及檢測基準變更單元，其按照上述附帶區(qū)域的檢測結(jié)果，變更從 上述病變候選區(qū)域中檢測病變時的檢測基準。另外，本發(fā)明第二方面的醫(yī)療用圖像處理裝置的特征在于，具有 病變候選區(qū)域檢測單元，其根據(jù)由多個顏色信號構(gòu)成的醫(yī)療用圖像中的 至少一個顏色信號來檢測病變候選區(qū)域；以及附帶區(qū)域檢測單元，其從上述醫(yī)療用圖像中檢測附帶區(qū)域，該附帶區(qū)域是在伴隨病變而附帶的性 狀中產(chǎn)生的，其中，所述醫(yī)療用圖像處理裝置根據(jù)通過上述病變候選區(qū) 域檢測單元所檢測出的病變候選區(qū)域和通過上述附帶區(qū)域檢測單元所檢 測出的附帶區(qū)域是否存在相關(guān)的區(qū)域，來進行病變檢測。另外，根據(jù)本發(fā)明的醫(yī)療用圖像處理方法的特征在于，具有病變候選區(qū)域檢測步驟，在該步驟中，根據(jù)由多個顏色信號構(gòu)成的醫(yī)療用圖像中的至少一個顏色信號來檢測病變候選區(qū)域；附帶區(qū)域檢測步驟，在該步驟中，從上述醫(yī)療用圖像中檢測是否存在附帶區(qū)域，該附帶區(qū)域是在伴隨病變而附帶的性狀中產(chǎn)生的；以及檢測基準變更步驟，在該步驟 中，按照是否存在上述附帶區(qū)域的檢測結(jié)果，變更從上述病變候選區(qū)域 中檢測病變時的檢測基準。


圖1是本發(fā)明實施例一所涉及的、表示內(nèi)窺鏡系統(tǒng)的構(gòu)成的框圖。 圖2是本發(fā)明實施例一所涉及的、表示通過插入到大腸這樣的管狀部位內(nèi)的內(nèi)窺鏡來拍攝的情形的圖。圖3A是表示通過設(shè)置于圖2的內(nèi)窺鏡中的攝像裝置拍攝到的內(nèi)窺鏡圖像例的圖。圖3B是表示通過設(shè)置于圖2的內(nèi)窺鏡中的攝像裝置拍攝到的內(nèi)窺鏡 圖像例的圖。圖4是本發(fā)明實施例一所涉及的、表示CPU的圖像處理功能的框圖。圖5是表示通過本發(fā)明實施例一的圖像處理來檢測作為隆起性病變 的息肉的處理的流程圖。圖6是表示圖5的步驟S4的三維形狀信息計算的處理的流程圖。圖7是表示通過圖6的步驟S12計算出的形狀指標SI的值所構(gòu)成的 曲面形狀的圖。圖8是表示圖5的步驟S6的處理內(nèi)容的流程圖。圖9A是本發(fā)明實施例二所涉及的、表示通過設(shè)置于內(nèi)窺鏡中的攝像 裝置拍攝到的內(nèi)窺鏡圖像例的圖。圖9B是本發(fā)明實施例二所涉及的、表示通過設(shè)置于內(nèi)窺鏡中的攝像 裝置拍攝到的內(nèi)窺鏡圖像例的圖。圖10是本發(fā)明實施例二所涉及的、表示CPU的圖像處理功能的框圖。圖11是表示通過本發(fā)明實施例二的圖像處理來檢測作為隆起性病變的息肉的處理的流程圖。圖12是表示圖11的步驟S51中的粘膜性狀信息判定的處理內(nèi)容的流程圖。圖13是表示圖11的步驟S51中的異常血管增生判定的處理內(nèi)容的 流程圖。
具體實施方式
下面，參照

本發(fā)明的實施例。 (實施例一)圖1~圖8涉及本發(fā)明的實施例一，圖1是表示內(nèi)窺鏡系統(tǒng)的構(gòu)成的 框圖，圖2是表示通過插入到大腸這樣的管狀部位內(nèi)的內(nèi)窺鏡來拍攝的 情形的圖，圖3A是表示通過設(shè)置于圖2的內(nèi)窺鏡中的攝像裝置拍攝到的 內(nèi)窺鏡圖像例的圖，圖3B是表示通過設(shè)置于圖2的內(nèi)窺鏡中的攝像裝置 拍攝到的內(nèi)窺鏡圖像例的圖，圖4是表示CPU的圖像處理功能的框圖， 圖5是表示通過圖像處理來檢測作為隆起性病變的息肉的處理的流程圖， 圖6是表示圖5的步驟S4的三維形狀信息計算的處理的流程圖，圖7是 表示通過圖6的步驟S12計算出的形狀指標(Shape Index) SI的值所構(gòu) 成的曲面形狀的圖，圖8是表示圖5的步驟S6的處理內(nèi)容的流程圖。圖1所示的內(nèi)窺鏡系統(tǒng)1包括內(nèi)窺鏡觀察裝置2;對通過該內(nèi)窺鏡 觀察裝置2獲得的內(nèi)窺鏡圖像進行圖像處理的由個人計算機等構(gòu)成的內(nèi) 窺鏡圖像處理裝置(下面簡稱為圖像處理裝置)3;以及顯示通過該圖像 處理裝置3進行了圖像處理的圖像的顯示監(jiān)視器4。內(nèi)窺鏡觀察裝置2具有插入到體腔內(nèi)的內(nèi)窺鏡6;將照明光提供到該內(nèi)窺鏡6的光源裝置7;對內(nèi)窺鏡6的攝像單元進行信號處理的相機控 制單元(簡稱為CCU) 8;以及監(jiān)視器9，其通過被輸入從該CCU8輸出 的視頻信號從而顯示由攝像元件拍攝到的內(nèi)窺鏡圖像。內(nèi)窺鏡6具有插入到體腔內(nèi)的插入部11和設(shè)置在該插入部11后端 的操作部12。另外，在插入部ll內(nèi)插入有傳送照明光的光導向設(shè)備13。該光導向設(shè)備13的后端與光源裝置7連接。而且，通過光導向設(shè)備13傳送從該光源裝置7提供的照明光，從安裝在設(shè)置于插入部11的前端 部14上的照明窗上的前端面(將傳送來的照明光)射出，對患處等被攝 體進行照明。內(nèi)窺鏡觀察裝置2還設(shè)置有攝像裝置17，該攝像裝置17包括安裝在 與照明窗相鄰的觀察窗上的物鏡15和配置在該物鏡15的成像位置上的 作為固體攝像元件的例如電荷耦合元件(簡稱為CCD) 16。而且，在該 CCD 16的攝像面上成像的光學像通過該CCD 16進行光電轉(zhuǎn)換。該CCD 16經(jīng)由信號線與CCU 8連接，通過從該CCU 8施加CCD 驅(qū)動信號，CCD 16輸出經(jīng)過了光電轉(zhuǎn)換的圖像信號。該圖像信號通過 CCU 8內(nèi)的視頻處理電路進行信號處理，被轉(zhuǎn)換為視頻信號。該視頻信 號被輸出到監(jiān)視器9，在監(jiān)視器9的顯示面上顯示內(nèi)窺鏡圖像。該視頻信 號還被輸入到圖像處理裝置3。該圖像處理裝置3具有圖像輸入部21，其被輸入視頻信號，該視 頻信號與從內(nèi)窺鏡觀察裝置2輸入的內(nèi)窺鏡圖像對應；作為中央運算處 理裝置的CPU 22，其對從該圖象輸入部21輸入的圖像數(shù)據(jù)進行圖像處 理；以及處理程序存儲部23，其存儲通過該CPU 22執(zhí)行圖像處理的處 理程序(控制程序)。另外，該圖像處理裝置3具有存儲從圖像輸入部21輸入的圖像數(shù) 據(jù)等的圖像存儲部24;存儲通過CPU 22處理過的信息等的信息存儲部 25;作為存儲裝置的硬盤27，其經(jīng)由存儲裝置接口 26來存儲通過CPU 22 處理過的圖像數(shù)據(jù)和信息等；顯示處理部28，其進行用于顯示通過CPU 22處理過的圖像數(shù)據(jù)等的顯示處理；以及由鍵盤等構(gòu)成的輸入操作部29， 其供用戶進行圖像處理參數(shù)等的數(shù)據(jù)輸入和指示操作。而且，通過該顯示處理部28生成的視頻信號顯示在顯示監(jiān)視器4上， 在該顯示監(jiān)視器4的顯示面上顯示經(jīng)過了圖像處理的處理圖像。并且， 圖像輸入部21、 CPU 22、處理程序存儲部23、圖像存儲部24、信息存 儲部25、存儲裝置接口26、顯示處理部28、輸入操作部29經(jīng)由數(shù)據(jù)總 線30彼此連接。在本實施例中，如圖2所示，將直視型的內(nèi)窺鏡6的插入部11插入到例如大腸31這樣的管狀部位(管狀器官)，通過攝像裝置17進行拍攝。圖3A和圖3B表示二維內(nèi)窺鏡圖像例，該二維內(nèi)窺鏡圖像例具有通 過內(nèi)窺鏡6拍攝到的作為隆起性病變的息肉。圖3A中表示具有伴隨有發(fā)紅部32的息肉的內(nèi)窺鏡圖像。并且，息 肉的頂部為白色調(diào)的褪色部33。另外，圖3B表示在比圖3A的情況更寬的區(qū)域上具有伴隨有白色調(diào) 的褪色部33的息肉的內(nèi)窺鏡圖像。這樣，在作為隆起性病變的息肉中，附帶的性狀中經(jīng)常產(chǎn)生發(fā)紅或 白色調(diào)(褪色)的色調(diào)變化。在本實施例中，作為附帶區(qū)域，檢測或判 定是否存在呈現(xiàn)這種色調(diào)變化的色調(diào)變化區(qū)域。而且，按照這種色調(diào)變 化區(qū)域的檢測結(jié)果，變更(或控制)之后進行的息肉檢測或判定時的檢 測基準，更具體而言是變更檢測基準的閾值。另外，在本實施例中，為了精度良好地進行上述息肉檢測，需要根 據(jù)所拍攝的二維內(nèi)窺鏡圖像來估計檢測對象部位(例如管腔形狀的內(nèi)表 面)的三維形狀。然后，使用所估計的三維形狀信息，檢測作為息肉候 選的隆起性變化區(qū)域。而且，按照伴隨有上述色調(diào)變化的附帶區(qū)域的檢測結(jié)果，針對與所 檢測到的隆起性變化區(qū)域?qū)牟糠?包含其周邊部)，變更并設(shè)定進行 息肉檢測的檢測基準的閾值。具體而言，在伴隨有色調(diào)變化的情況下，作為通過隆起性變化進行 息肉檢測時所適用的檢測基準，應用相比不伴隨有色調(diào)變化的情況放寬 了檢測條件的檢測基準。如后所述，在通過圖5所示的方法進行息肉檢測例子中，在不伴隨 有色調(diào)變化的情況下以檢測基準1為闞值，在伴隨色調(diào)變化的情況下以 相比檢測基準1放寬了檢測條件的檢測基準2為閾值，分別通過隆起性 變化來進行息肉檢測(判定)。這樣，通過在圖像處理中進行息肉檢測，能夠獲得精度良好(或者 高可靠性)的息肉檢測結(jié)果。圖4表示本實施例的圖像處理裝置3內(nèi)的CPU 22所執(zhí)行的圖像處理功能。CPU22具有作為病變候選區(qū)域檢測單元的隆起性變化區(qū)域檢測功能22a，其根據(jù)明暗信息(或者亮度信息)從所拍攝的內(nèi)窺鏡圖像的數(shù) 據(jù)中檢測作為隆起性病變候選區(qū)域的隆起性變化區(qū)域；作為附帶區(qū)域檢 測單元的色調(diào)變化區(qū)域檢測功能22b，其從內(nèi)窺鏡圖像的多個顏色信號中 檢測色調(diào)變化區(qū)域；對所檢測的隆起性變化區(qū)域進行作為隆起性病變的 息肉檢測的息肉檢測功能22d;以及作為檢測基準變更單元的檢測基準設(shè) 定功能22c，其根據(jù)進行該息肉檢測時是否伴隨有色調(diào)變化區(qū)域來變更并 設(shè)定息肉檢測基準。另外，該CPU22具有三維形狀信息生成功能22e，在通過隆起性變 化區(qū)域檢測功能22a檢測隆起性變化區(qū)域的情況下，該三維形狀信息生 成功能22e將二維內(nèi)窺鏡圖像的亮度信息用作估計其形狀的形狀信息， 由此生成三維形狀信息。接著，說明本實施例的由內(nèi)窺鏡圖像進行息肉檢測為止的動作。在本實施例中，通過軟件來實現(xiàn)圖4所示的各功能。即，CPU22讀 出存儲(保存)在處理程序存儲部23中的處理程序，CPU 22按照該處 理程序進行處理，從而執(zhí)行圖5所示的息肉檢測的圖像處理。在接通了圖1所示的內(nèi)窺鏡觀察裝置2和圖像處理裝置3的電源后， 通過內(nèi)窺鏡6的攝像裝置17進行拍攝，在監(jiān)視器9顯示通過CCU 8進行 了信號處理的內(nèi)窺鏡圖像(的視頻信號)，并且該內(nèi)窺鏡圖像還經(jīng)由圖像 輸入部21輸入到圖像處理裝置3。然后，通過手術(shù)人員操作未圖示的鍵盤等圖像處理開始鍵等，將該 指示信號發(fā)送到CPU 22， CPU 22開始用于進行圖5的息肉檢測的圖像 處理。在最開始的步驟S1中，CPU22對表示內(nèi)窺鏡圖像I的編號的參數(shù)i 設(shè)定初始值i-l，在接下來的步驟S2中，CPU22讀取依次保存在例如圖 1的硬盤27或者圖像存儲部24中的由第i個RGB信號構(gòu)成的內(nèi)窺鏡圖 像Ii。本實施例中的一系列處理適用于作為動態(tài)圖像而連續(xù)輸入的各幀的 內(nèi)窺鏡圖像Ii。但不限于這種情況，例如也可以對隔開幾個幀的內(nèi)窺鏡圖像進行圖5的圖像處理。另外，也可以對歸檔于硬盤27的其他內(nèi)窺鏡圖 像進行圖5的圖像處理。
在步驟S2之后，在步驟S3中，CPU22提取內(nèi)窺鏡圖像Ii中的R信 號分量(簡稱為R圖像)，在接下來的步驟S4中，CPU22根據(jù)明暗變化 (亮度信息的變化)計算(生成)R圖像Ri的三維形狀信息。在本實施 例中，CPU 22使用R圖像Ri計算三維形狀信息，然而除此之外還可以 使用例如亮度信號分量的圖像進行計算。
圖6表示根據(jù)二維R圖像Ri計算三維形狀信息的處理方法。
為了根據(jù)二維圖像計算三維形狀信息，如圖6的步驟S21所示，由 CPU22估計(生成)三維形狀。
作為生成三維形狀的方法，例如具有明暗恢復形狀(Shape from Shading)。采用該明暗恢復形狀的三維形狀生成方法所利用的方法是，通 過來自照明光源的照明光所照明的對象部位上的反射光的強度在該面的 傾斜狀態(tài)下發(fā)生變化，反射到通過伴隨該變化的反射光所拍攝的內(nèi)窺鏡 圖像上，該方法例如記載于《〕y^二一夕匕、、-3乂、投影中心t點光 源力S fe 5場合0 Shape-from-Shading—內(nèi)視鏡形狀力、b O 3次元形狀復元 一岡谷、出口 pp.l9-26、 1996》中。另外，還可以使用其他的計算(生 成)由二維內(nèi)窺鏡圖像估計出的三維形狀的方法。
然后，在下一個步驟S22中，CPU22在計算出的三維形狀的各曲面 上計算表示曲面形狀的特征量即形狀指標SI和曲度(Curvedness) CV。 形狀指標SI和曲度CV按照如下進行計算。
CPU22針對計算出的三維形狀，計算包含關(guān)注的三維位置(x，y，z) 的局部區(qū)域(曲面)上的該R像素值f上的1階偏微分系數(shù)&、 fy、 fz 和2階偏微分系數(shù)&x、 fyy、 fzz、 fxy、 fyz、 fkz。
CPU 22使用這些系數(shù)，按照"電子情報通信學會、信學技報 (MI2003-102)、形狀情報^基。'〈3次元腹部CT像力、b(7)大腸求Ii一 7。自動検出方法i::関卞^)検討木村、林、北坂、森、末長pp.29-34、 2004"中所描述的那樣計算高斯曲率K、平均曲率H。
另一方面，曲面的主曲率kl、 k2 (kl^k2)使用高斯曲率K、平均曲率H，可表示為式(l)-
kl=H+(H2—K)1/2、 k2=H—(H2—K)l/2 (1)。
另外，作為表示這種情況下的曲面形狀的特征量的形狀指標SI和曲
度CV分別為
SI=l/2—(l—兀)arctan[(kl+k2)/(kl—k2)] (2) CV=((kl2+k22)/2)1/2 (3)。
作為三維形狀信息，CPU 22按照上述計算三維各曲面上的形狀指標 SI和曲度CV。
如圖7所示，形狀指標SI用具有從0到1的值的指標來表示曲面形 狀。這種情況下，在形狀指標SI為O時，則曲面形狀為凹型，在為l時， 則曲面形狀為凸型。也就是說，該形狀指標SI的值越接近1，越具有凸 型的隆起形狀的特征。
因此，將形狀指標SI的值作為接近1的閾值來設(shè)定檢測基準，檢測 具有大于該閾值的形狀指標SI的值的區(qū)域，從而能夠在圖像處理上客觀 地檢測作為隆起性病變的息肉。并且，在后述圖5的步驟S10所使用的 檢測基準1中，將形狀指標SI的闞值設(shè)定為(SI=) 0.9，在步驟Sll的 檢測基準2中將形狀指標SI的閾值設(shè)定為(SI=) 0.8。
另外，曲度CV表示曲率半徑的倒數(shù)，在限定對象曲面的凸型區(qū)域 大小的情況下被利用。按這樣進行圖5中的步驟S4的處理。
而且，在本實施例中，在按照如下所述進行作為隆起性病變的息肉 檢測的圖像處理的情況下，CPU22使用檢測基準1和檢測基準2來進行。
另一方面，在圖5的步驟S5中，CPU 22提取內(nèi)窺鏡圖像11中的R 圖像Ri和內(nèi)窺鏡圖像Ii中的G信號分量(簡稱為G圖像Gi)。然后，在 下面的步驟S6中，CPU 22檢測顯示發(fā)紅/褪色的色調(diào)變化的色調(diào)變化區(qū) 域。
步驟S6中的色調(diào)變化區(qū)域的檢測處理例如按照圖8所示那樣進行。 在最開始的步驟S31中，CPU 22對R圖像Ri和G圖像Gi進行去除暗部 /光暈或者殘渣等不良像素的處理。關(guān)于暗部/光暈的去除可以使用對應于 暗部和光暈而設(shè)定的閾值來簡單地去除。另外，可以組合殘渣的色調(diào)及其部分的形狀判定等去除殘渣。
在下一步驟S32中，CPU 22進行例如分割為8x8的小區(qū)域的處理。 而且，在下一步驟S33中，CPU22對表示所分割的小區(qū)域的編號的 參數(shù)m和表示小區(qū)域內(nèi)的像素的編號的參數(shù)j設(shè)定初始值l。并且，在對 小區(qū)域進行編號的情況下，通過步驟S31的處理而被除去的像素在其小 區(qū)域內(nèi)所占的比例例如超過50%的情況下，該小區(qū)域從處理對象中被去 除(不分配給m編號)。也就是說，針對小區(qū)域，也將不良的小區(qū)域從處 理對象中去除。
在下一步驟S34中，CPU22計算第j個像素的色度gj/rj。這里gj表 示G圖像Gi的(第m個)小區(qū)域內(nèi)的第j個像素的亮度電平、rj表示R 圖像Rj的(第m個)小區(qū)域內(nèi)的第j個像素的亮度電平。而且，在下一 步驟S35中，CPU 22進行j是否為小區(qū)域內(nèi)最后的像素編號jend的判定。 在與像素編號jend不相符的情況下，在下一步驟S36中，CPU22使j增 大l，然后返回步驟S34，重復相同的處理。
按照這樣計算色度gj/rj直到第m個小區(qū)域內(nèi)的最后的像素編號jeiid 為止，之后進入步驟S37。
在該步驟S37中，CPU 22計算該第m個小區(qū)域的色度平均值昭rm。 而且，在下一步驟S38中，CPU22進行小區(qū)域的編號m是否為最后的編 號mend的判定。在與編號mend不相符的情況下，在步驟S39中，CPU 22使m增大l，然后返回步驟S34，重復步驟S34-S39的處理。
按照這樣，在m與最后的編號mend—致的情況下，進入步驟S40， 在該步驟S40中，CPU 22進行所有小區(qū)域的色度平均值嗎r和標準偏差 cjgr的計算。
然后，在下一步驟S41中，CPU22使用所有小區(qū)域情況下的色度平 均值昭r和標準偏差cjgr，判定在步驟S37中計算出的第m個小區(qū)域的色 度平均值昭rm是否為發(fā)紅和褪色的色調(diào)變化的小區(qū)域。
具體而言，如步驟S41所示，CPU 22將小區(qū)域的色度平均值ngrm 視作正規(guī)分布，判定該色度平均值嗎rm是否位于距離所有小區(qū)域的色度 平均值pgr的分布位置為士 (1.5xcjgr)的范圍內(nèi)。在滿足了步驟S41的判定條件的情況下，則如步驟S42所示，CPU 22 檢測(判定)為該小區(qū)域不是發(fā)紅和褪色的色調(diào)變化的小區(qū)域。
另一方面，在不符合步驟S41的條件的情況下，則如步驟S43所示， CPU22檢測為是發(fā)紅和褪色的色調(diào)變化的小區(qū)域。
更具體而言，針對色度平均值嗎rm從色度平均值嗎r的分布位置相 比一1.5xagr更向外側(cè)偏離的情況，檢測(判定)為是發(fā)紅的色調(diào)變化的 小區(qū)域；另外，對于色度平均值嗎rm從色度平均值嗎r的分布位置相比 +1.5xcigr更向外側(cè)偏離的情況，檢測(判定)為是褪色的色調(diào)變化的小 區(qū)域。
檢測(判定)結(jié)果同小區(qū)域的編號m或者小區(qū)域的二維位置的信息 一起存儲在信息存儲部25 (參見圖1)等中。而且，在如下說明的圖5 的步驟S9的判定中，使用該檢測結(jié)果的信息。
然后，圖8的步驟S41到S43的處理是進行從1到mend來改變小區(qū) 域的編號m。按這樣對作為處理對象的所有小區(qū)域進行步驟S42或S43 的處理，之后進入圖5的步驟S7或者步驟S8的處理。
另外，在上述說明中是以使用色度gj/rj的例子進行了說明，然而也 可以增加bj/gj作為色度。這種情況下能夠?qū)邳S色調(diào)粘膜的檢測。
另外，在圖8的處理中，也可以根據(jù)色度平均值pgrm與pgr之比 prate=ngrm4igr進行檢測，例如prate<0.5時則檢測為發(fā)紅，jirate>1.5時 則檢測為褪色。
接著，在圖5的步驟S7中，CPU22根據(jù)在步驟S4中計算出的三維 形狀信息，進行隆起性變化區(qū)域的檢測的處理。例如，檢測上述的形狀 指標SI的值為0.8以上的小區(qū)域的部分。
進而，在步驟S8中，CPU22使通過步驟S4檢測的三維形狀信息和 通過步驟S6檢測的色調(diào)變化區(qū)域的信息對應起來，從而確定在步驟S6 中檢測出的色調(diào)變化區(qū)域中所包含的各像素或者該小區(qū)域相當于三維形 狀上的哪個位置。
在接下來的步驟S9中，CPU 22根據(jù)步驟S7和S8的各結(jié)果進行判 定處理。具體而言，CPU 22判定在步驟S7中檢測出的三維形狀上的隆起性變化區(qū)域是否對應于在步驟S8中確定的色調(diào)變化區(qū)域。
然后，如果步驟S9中的判定結(jié)果為否，即，是不伴隨有色調(diào)變化的 隆起性變化，則CPU 22在步驟S10中應用基于檢測基準1的息肉檢測處 理。
另一方面，如果步驟S9中的判定結(jié)果為是，即，是伴隨有色調(diào)變化 的隆起性變化，則CPU 22在步驟Sll中應用基于檢測基準2的息肉檢測 處理。
這樣，在本實施例中，如步驟S10和S11所示，按照步驟S9的判定 結(jié)果，變更進行息肉檢測的檢測基準或者評價基準來進行處理。這種情 況下，在檢測出色調(diào)變化時，由于該區(qū)域及其區(qū)域的周邊部為息肉的可 能性高，因此相比沒有檢測出色調(diào)變化的情況放寬檢測條件來檢測具有 隆起性變化的特征的部分，從而精度良好地檢測息肉或者息肉候選。
另外，雖然息肉檢測處理能應用各種檢測基準，然而在本實施例中 采用基于上述形狀指標SI的檢測基準。
作為用于檢測表示作為隆起性病變的息肉的凸型(或者杯子)形狀 的形狀指標SI的閾值，將檢測基準1設(shè)定為(SI=) 0.9，將檢測基準2 設(shè)定為(SI=) 0.8 (并且如上所述，越接近1越呈凸型形狀)。而且，在 步驟S10或步驟Sll中，CPU 22比較檢測基準0.9或者0.8的形狀指標 SI，在大于該值的情況下將小區(qū)域檢測(判定)為息肉。
這種情況下，例如曲度CV無論在檢測基準1還是2中都以(CV=) 0.2作為閾值，在大于該值的情況下檢測(判定)為息肉。
并且，在上述說明中，在伴隨有色調(diào)變化的情況和不伴隨有色調(diào)變 化的情況下，作為檢測基準變更了形狀指標SI的值，然而也可以如下所 述，通過變更曲度CV的值來變更檢測基準。
也就是說，作為檢測基準1可以設(shè)形狀指標SI的閾值為0.9，設(shè)曲 度CV的閾值為0.20;作為檢測基準2可以設(shè)形狀指標SI的閾值為0.9, 設(shè)曲度CV的閾值為0.15。
另外，與檢測基準l相對，在為檢測基準2的情況下，也可以按減 小形狀指標SI的閾值和曲度CV的閾值的方式進行變更。例如，作為檢測基準1也可以設(shè)形狀指標SI的閾值為0.9，設(shè)曲度
CV的閾值為0.20;作為檢測基準2也可以設(shè)形狀指標SI的閾值為0.85， 設(shè)曲度CV的閾值為0.15。
這樣，在步驟SlO或者步驟Sll中，CPU 22將檢測基準1或2設(shè)定 為閾值，通過隆起性變化區(qū)域中的形狀指標SI的值來進行息肉檢測的處理。
然后，將該檢測結(jié)果與檢測對象的內(nèi)窺鏡圖像Ii關(guān)聯(lián)起來保存在例 如圖1的硬盤27中，并且經(jīng)由顯示處理部28，例如與檢測對象的內(nèi)窺鏡 圖像Ii并排地顯示在顯示監(jiān)視器4上。
然后，在圖5的步驟S12中，CPU22使i增大l，對下一個內(nèi)窺鏡 圖像Ii進行相同的處理。
采用進行這種圖像處理的本實施例，通過參照與息肉的情況下附帶 產(chǎn)生的色調(diào)變化的特征量相對應的色調(diào)變化信息，能夠改變(控制)檢 測基準的值或者條件值，能夠提高檢測對象是否為息肉的檢測精度(或 者是檢測的可靠性)。也就是說，相比僅通過一個檢測進行息肉檢測的情 況下的圖像處理的情況，通過組合兩種檢測，能夠進行精度更高的息肉 檢測。
并且，在上述說明中，說明了使用作為表示曲面形狀的特征量的形 狀指標SI和曲度CV的閾值在步驟S10或步驟Sll中進行息肉檢測處理 的情況，然而也可以根據(jù)隆起性變化區(qū)域上的距離基準面的高度的信息 來進行檢測。
這種情況下，在設(shè)檢測基準l的情況下的高度閾值為H1時，只要將 檢測基準變更為小于H1的閾值H2即可。綜上，在伴隨有色調(diào)變化的情 況下，能夠以放寬息肉檢測的檢測條件的方式進行變更(控制)，從而進 行高精度的息肉檢測。
并且，在本實施例中，作為病變檢測的方案或方法，以作為隆起性 病變的息肉的情況進行了說明，然而本實施例不限于此，顯然還能應用 于凹陷性病變。
這種情況下，例如在圖5中，在步驟S7中取代隆起性變化區(qū)域檢測的處理而變更為檢測凹陷性變化區(qū)域，而且，步驟S9也同樣變更即可。
另外，步驟S10和步驟Sll的檢測基準也變更為接近于凹陷性病變
的特征量的值。這樣一來，也能應用于凹陷性病變。 (實施例二)
下面，參照圖9 圖13說明本發(fā)明的實施例二。
在本實施例中也應用隆起性變化區(qū)域的檢測，由根據(jù)明暗變化而計 算出的三維信息(形狀信息)來進行作為隆起性病變的息肉檢測。
息肉有時在周圍粘膜上伴隨有可見異常。反言之，當在粘膜上看到 可見異常時也很有可能產(chǎn)生了息肉。作為粘膜的可見異常，可以列舉例 如圖9A所示的白班或者圖9B所示的異常血管增生。
本實施例中，著眼于該可見異常，在粘膜表面上呈現(xiàn)可見異常的情 況下，通過變吏基于形狀信息的息肉檢測的檢測基準(參數(shù)或閾值等)， 能夠?qū)崿F(xiàn)息肉檢測的精度的提高。
具體而言，對于周邊粘膜上伴隨有可見異常的隆起性變化區(qū)域，相 比不伴隨可見異常的情況應用放寬了檢測條件的檢測基準。
本實施例的圖像處理裝置3的構(gòu)成與圖1相同，處理內(nèi)容不同。在 本實施例中，圖像處理裝置3中的CPU 22具有圖IO所示的處理功能。 也就是說，取代實施例一中的圖4所示的色調(diào)變化區(qū)域檢測功能22b，而 具有可見異常區(qū)域檢測功能22f。并且如下所述，在可見粘膜性狀判定的 處理中檢測(判定)出該可見異常區(qū)域。
下面，參照圖ll，通過本實施例中的圖像處理說明息肉檢測的動作。 圖11所示的流程圖的處理中的步驟S1到步驟S5都與圖5的流程圖的處 理中的步驟S1到步驟S5相同，因而省略其說明。
在步驟S5中，CPU22提取內(nèi)窺鏡圖像Ii中的R圖像Ri和內(nèi)窺鏡圖 像Ii中的G圖像Gi，在接下來的步驟S51中，CPU 22進行(檢測可見 異常區(qū)域)可見粘膜性狀判定的處理。
在該可見粘膜性狀判定的處理中，CPU22進行內(nèi)窺鏡圖像Ii中呈現(xiàn) 特征性的可見粘膜性狀的區(qū)域是否為呈現(xiàn)可見異常的區(qū)域的判定。在本 實施例中，作為使用R圖像Ri和G圖像Gi的結(jié)構(gòu)，如上所述，在步驟S51中，通過應用后述一系列處理，由此進行白斑、異常血管增生等可見 異常區(qū)域的檢測。
接著，與圖5的步驟S7相同，基于步驟S4中計算出的三維形狀信 息進行隆起性變化區(qū)域的檢測。
接下來，在步驟S52中，CPU 22基于步驟S51和S7的各檢測結(jié)果 進行判定處理。通過該步驟S52的判定處理，如果沒有可見異常就進入 步驟SIO,如果有可見異常就進入步驟Sll。
與實施例一的情況相同，在步驟S10中，CPU22應用基于檢測基準 1的息肉檢測處理。另外，在步驟Sll中，CPU 22應用基于檢測基準2 的息肉檢測處理。然后，在步驟SlO和Sll的處理之后經(jīng)過步驟S12返 回步驟S2。
息肉檢測處理可以應用各種方式，例如與實施例一的情況相同，使 用基于形狀指標SI的檢測和曲度CV的閾值等來進行處理。
參照圖12和圖13的流程圖說明本實施例的圖11中的步驟S51的可 見粘膜性狀判定的處理。
作為可見粘膜性狀判定的處理，在本實施例中，進行圖12所示的白 斑的可見異常的檢測處理和圖13所示的異常血管增生的可見異常的檢測 處理。首先，說明圖12的白斑的可見異常的檢測處理。
在最開始的步驟S61中，CPU 22進行去除暗部/光暈和殘渣等不良像 素的處理。在接下來的步驟S62中，CPU22進行各像素的色度gj/rj的計 算。此處尾標j表示像素編號。
在接下來的步驟S63中，CPU 22進行基于閾值處理的2值化處理。 這種情況下，例如將(色度的)閾值Vth設(shè)定為0.8，使用該閾值Vth進 行2值化，使得gj/rj>0.8時則為1 ，除此之外，即gj/rjS0.8時則為0,生 成經(jīng)過了2值化的2值化圖像。
在接下來的步驟S64中，CPU 22追蹤2值化的值相對于2值化圖像 為1的像素，進行對區(qū)域標注的標注處理，由2值化圖像生成標注圖像。
在接下來的步驟S65中，CPU22對在標注處理中所生成的標注圖像 進行白斑的小塊檢測處理。也就是說，進行在標注圖像中是否產(chǎn)生與白斑所引起的小塊相對應的部分的白斑的小塊檢測。
在進行白斑的小塊檢測的情況下，例如使用伸長度(=面積/細線化長 度)。而且，對標注圖像檢測伸長度的值E，比較該值E是否小于(判定
基準的)閾值Vth (例如Vth-0)。而且，計算E〈Vth (=10)的小塊數(shù)量 N。
另外，也可以不使用伸長度，而以圓形度或力矩特征量作為檢測基 準來計算小塊數(shù)量N。
在接下來的步驟S66中，CPU 22進行步驟S65中所檢測出的小塊數(shù) 量N是否大于白斑檢測的檢測基準的閾值Nth (例如Hth-20)的判定。 而且，在滿足該條件N〉Nth的情況下，如圖步驟S67所示，CPU 22通 過該標注圖像(G圖像Gi和R圖像Ri)判定為檢測出白斑，反之，在不 滿足該條件的情況下，在步驟S68中判定為沒有檢測出白斑。
步驟S67、 S68的檢測結(jié)果可利用于步驟S52的判定。也就是說，將 是否檢測出白斑用作是否存在可見異常。
另外，作為步驟S51的可見粘膜性狀判定的處理，進行如下說明的 圖13的異常血管增生所引起的可見異常的檢測處理。為了檢測異常血管 增生，需要進行如下處理從內(nèi)窺鏡圖像Ii中檢測局部較粗的血管和細 小復雜的分支。
從最開始的步驟S71到步驟S74為止進行與圖12大致相同的處理。 也就是說，在步驟S71中，CPU22進行去除暗部/光暈和殘渣等不良像素 的處理，在接下來的步驟S72中進行各像素的色度gj/rj的計算。另外， 在下面的步驟S73中，CPU22進行基于閾值處理的2值化處理。這種情 況下，使用與圖12的情況不同的閾值Vth進行2值化。
CPU 22例如將閾值Vth設(shè)定為0.2，使用該閾值Vth進行2值化， 使得gj/rj<0.2時為1，除此之外，即gi/rj20.2時為0，生成經(jīng)過了 2值化 的2值化圖像。
然后，在下面的步驟S74中進行標注處理，這種情況下，制作細線 圖像作為標注圖像。
然后，在下面的步驟S75中，CPU22進行與異常血管增生對應的特征量檢測的處理。作為該特征量檢測的處理，針對細線圖像檢測分支/交
叉點數(shù)量。然后，在下面的步驟S76中，CPU22使用分支/交叉點數(shù)量的 閾值或者判別函數(shù)，進行是否存在異常血管增生的檢測。
并且，作為特征量檢測的處理，也可以取代使用分支/交叉點數(shù)量來 進行處理，而是使用伸長度等來檢測超過閾值的伸長度的數(shù)量，根據(jù)該 數(shù)量是否超過了異常血管增生檢測的閾值，進行異常血管增生的檢測(判 別)。
圖13的處理中的檢測結(jié)果被利用于步驟S52的判定。在步驟S52中， CPU22進行如下判定通過步驟S7檢測出的隆起性變化區(qū)域，是否與 伴隨圖12的白斑檢測而檢測為該可見粘膜性狀的區(qū)域相符，或者與伴隨 圖13的異常血管增生的檢測而檢測為該可見粘膜性狀的區(qū)域相符。
而且，在得到了該步驟S52的判定處理結(jié)果之后，進行與圖5所示 的實施例一的情況下的處理相同的處理。
也就是說，通過步驟S52的判定處理，在判定為并非伴隨有可見異 常的情況下，在步驟S10中，CPU22應用檢測基準1進行息肉檢測，而 在伴隨有可見異常的情況下，在步驟S11中，CPU 22應用檢測基準2進 行息肉檢測。而且，在步驟SIO、 Sll的處理之后，使圖像的參數(shù)i增大 1，對下一個內(nèi)窺鏡圖像Ii進行同樣的處理。
如上所述，檢測基準1和檢測基準2是使用基于形狀指標SI的檢測 或曲度CV的閾值等來進行。
并且，在上述說明中，也可以對G圖像Gi應用用于檢測白斑或異常 血管增生的檢測濾波器來對其進行檢測。
另外，在多幀上檢測到白斑或異常血管增生等可見異常區(qū)域的情況 下，也可以對其他幀變更(控制)檢測基準，以應用檢測基準2來進行 息肉檢測。
這樣，根據(jù)本實施例，通過可見粘膜性狀的判定處理，按照檢測出 可見異常的情況和沒有檢測出可見異常的情況來改變針對隆起性變化區(qū) 域的檢測基準，進行作為隆起性病變檢測的息肉的檢測，從而能夠進行 高精度的息肉的檢測。另外，也可以變更圖11的圖像處理的順序。例如可以在步驟S51之 前進行步驟S7的處理。另外，為了減少計算量，也可以針對與步驟S7 的不具有三維隆起性的非隆起性變化部的檢測區(qū)域相對應的區(qū)域，進行步驟S51的可見粘膜性狀的判定處理。也就是說，由于本實施例的可見異常區(qū)域是在作為隆起性病變的息肉的周邊部上附帶產(chǎn)生的，因而可以 針對隆起性病變變化區(qū)域的周邊的平坦部和周邊粘膜檢測它們的可見異 常。另外，作為檢測基準1、 2不限于按上述那樣使用基于形狀指標SI 的檢測或曲度CV的閾值的檢測，如實施例一中所說明的那樣，也可以 根據(jù)距離基準面的高度的值等來檢測隆起性病變。這種情況下，當在粘 膜表面伴隨有白斑或異常血管增生時，則控制成進一步提高息肉檢測的 靈敏度，從而能夠進行高精度的息肉檢測。并且，本實施例中的病變檢測方案或方法不限于隆起性病變的情況， 如實施例一中說明那樣，同樣可適用于凹陷性病變。 j并且，上述實施例一和實施例二中說明了按照通過圖像處理來檢測 病變的情況、檢測到色調(diào)變化或可見異常區(qū)域(即附帶區(qū)域)的情況下 的檢測結(jié)果，改變根據(jù)亮度信息來檢測隆起性病變區(qū)域等病變候選時的 檢測基準的情況，然而也可以根據(jù)兩者的檢測結(jié)果來綜合地檢測病變。另外，作為這些實施例中的其他檢測方法或檢測方案，還可以通過 兩者是否存在具有相關(guān)性的區(qū)域來檢測病變候選是否為病變。例如，為 了滿足僅檢測被認為是病變的可能性非常高的區(qū)域的期望，在兩者中存 在被檢測為病變候選這樣的相關(guān)性的情況下被檢測為病變候選時，則能 夠提高病變部位檢測的精度。并且，在實施例一和實施例二中，作為病變檢測方法說明了基于三 維形狀估計的方法，然而本發(fā)明不限于此。例如，還可以考慮應用如下方法利用帶通濾波針對二維R圖像提取邊緣，然后進行基于閾值處理的2值化，通過公知的半轉(zhuǎn)換，檢測出顯示息肉形狀病變所呈現(xiàn)的圓弧 形狀的邊緣。這種情況下，也可以將作為病變候選而檢測出的邊緣的長度、面積或圓弧的曲率等作為檢測基準，根據(jù)病變部或周邊部的可見異常來變更 檢測基準。另外，在上述實施例中，作為病變檢測方法說明了基于針對形狀指 標SI和曲度CV的閾值處理的方法，然而本發(fā)明不限于此。例如，'可以 不基于閾值處理，而是準備具有凸型、CUP型等各形狀可見部的圖像組 作為引導數(shù)據(jù)，用于使用了計算出的各特征量的識別器下的檢測方法。 例如，在使用應用了公知的線性判別函數(shù)的識別器的情況下，當存在可 見異常時，對通過應用各形狀的線性判別函數(shù)而獲得的值控制加權(quán)，能 夠進行易于檢測凸型形狀等的控制。并且，組合上述實施例的一部分等，或變更圖像處理順序的變形例 等也屬于本發(fā)明。如上所述，采樣本發(fā)明，根據(jù)內(nèi)窺鏡圖像等具有顏色信息的醫(yī)療用 圖像中的亮度信息檢測息肉等病變候選區(qū)域，并且檢測在伴隨病變而附 帶出現(xiàn)的性狀中產(chǎn)生的、伴隨有發(fā)紅/褪色部分等色調(diào)變化的附帶區(qū)域， 按照附帶區(qū)域的檢測結(jié)果變更從病變候選區(qū)域中檢測病變的檢測基準， 從而具有能進行高精度的病變檢測的工業(yè)可用性。另外，本發(fā)明具有如下記載的附記中所描述的特征。 (附記一)一種醫(yī)療用圖像處理裝置，其特征在于，具有病變候選區(qū)域檢測 單元，其根據(jù)由多個顏色信號構(gòu)成的醫(yī)療用圖像中的至少一個顏色信號 來檢測病變候選區(qū)域；附帶區(qū)域檢測單元，其從上述醫(yī)療用圖像中檢測 附帶區(qū)域，該附帶區(qū)域是在伴隨病變而附帶的性狀中產(chǎn)生的；以及檢測基準變更單元，其按照上述附帶區(qū)域的檢測結(jié)果，變更從上述病變候選 區(qū)域中檢測病變時的檢測基準。 (附記二)根據(jù)附記一所述的醫(yī)療用圖像處理裝置，其特征在于，上述病變候 選區(qū)域檢測單元具有三維形狀信息生成單元，該三維形狀信息生成單元 根據(jù)上述至少一個顏色信號由上述醫(yī)療用圖像生成三維形狀信息，上述 病變候選區(qū)域檢測單元使用所生成的三維形狀信息檢測病變候選區(qū)域。(附記三)根據(jù)附記一所述的醫(yī)療用圖像處理裝置，其特征在于，上述附帶區(qū) 域檢測單元檢測呈現(xiàn)發(fā)紅或者褪色等色調(diào)變化性狀的色調(diào)變化區(qū)域，將 該色調(diào)變化區(qū)域作為上述附帶區(qū)域。 (附記4)根據(jù)附記一所述的醫(yī)療用圖像處理裝置，其特征在于，上述附帶區(qū) 域檢測單元檢測呈現(xiàn)白斑或者異常血管的可見異常性狀的可見異常區(qū) 域，將該可見異常區(qū)域作為上述附帶區(qū)域。 (附記五)根據(jù)附記三所述的醫(yī)療用圖像處理裝置，其特征在于，上述檢測基 準變更單元作為上述檢測基準，變更所生成的上述三維形狀信息中表示 曲面形狀的特征量的形狀指標和曲度中的至少一個的閾值。 (附記六)一種醫(yī)療用圖像處理裝置，其特征在于，具有病變候選區(qū)域檢測 單元，其根據(jù)由多個顏色信號構(gòu)成的醫(yī)療用圖像中的至少一個顏色信號 來檢測病變候選區(qū)域；以及附帶區(qū)域檢測單元，其從上述醫(yī)療用圖像中 檢測附帶區(qū)域，該附帶區(qū)域是在伴隨病變而附帶的性狀中產(chǎn)生的，其中， 所述醫(yī)療用圖像處理裝置根據(jù)通過上述病變候選區(qū)域檢測單元所檢測出 的病變候選區(qū)域和通過上述附帶區(qū)域檢測單元所檢測出的附帶區(qū)域是否 存在相關(guān)的區(qū)域，來進行病變檢測。 (附記七)一種醫(yī)療用圖像處理方法，其特征在于，具有病變候選區(qū)域檢測 步驟，其根據(jù)由多個顏色信號構(gòu)成的醫(yī)療用圖像中的至少一個顏色信號來檢測病變候選區(qū)域；附帶區(qū)域檢測步驟，其從上述醫(yī)療用圖像中檢測 是否存在附帶區(qū)域，該附帶區(qū)域是在伴隨病變而附帶的性狀中產(chǎn)生的； 以及檢測基準變更步驟，其按照是否存在上述附帶區(qū)域的檢測結(jié)果，變 更從上述病變候選區(qū)域中檢測病變時的檢測基準。 (附記八)根據(jù)附記七所述的醫(yī)療用圖像處理方法，其特征在于，上述病變候選區(qū)域檢測步驟具有三維形狀信息生成步驟，在該三維形狀信息生成步 驟中，根據(jù)上述至少一個顏色信號由上述醫(yī)療用圖像生成三維形狀信息， 在上述病變候選區(qū)域檢測步驟中，使用所生成的三維形狀信息檢測病變 候選區(qū)域。(附記九)根據(jù)附記七所述的醫(yī)療用圖像處理方法，其特征在于，在上述附帶 區(qū)域檢測步驟中，檢測呈現(xiàn)發(fā)紅或者褪色的色調(diào)變化性狀的色調(diào)變化區(qū) 域，將該色調(diào)變化區(qū)域作為上述附帶區(qū)域。 (附記十)根據(jù)附記七所述的醫(yī)療用圖像處理方法，其特征在于，在上述附帶 區(qū)域檢測步驟中，檢測呈現(xiàn)白斑或者異常血管的可見異常性狀的可見異 常區(qū)域，將該可見異常區(qū)域作為上述附帶區(qū)域。 (附記十一)根據(jù)附記八所述的醫(yī)療用圖像處理方法，其特征在于，在上述檢測 基準變更步驟中，作為上述檢測基準，變更所生成的上述三維形狀信,息 中表示曲面形狀的特征量的形狀指標和曲度中的至少一個的閾值。 (附記十二)根據(jù)附記三所述的醫(yī)療用圖像處理裝置，其特征在于，作為上述檢 測基準，變更所生成的上述三維形狀信息中表示曲面形狀的特征量的形 狀指標和曲度中的至少一個或者距離基準面的高度的閾值。
權(quán)利要求
1.一種醫(yī)療用圖像處理裝置，其特征在于，該裝置具有病變候選區(qū)域檢測單元，其根據(jù)由多個顏色信號構(gòu)成的醫(yī)療用圖像中的至少一個顏色信號來檢測病變候選區(qū)域；附帶區(qū)域檢測單元，其從上述醫(yī)療用圖像中檢測附帶區(qū)域，該附帶區(qū)域是在伴隨病變而附帶的性狀中產(chǎn)生的；以及檢測基準變更單元，其按照上述附帶區(qū)域的檢測結(jié)果，變更從上述病變候選區(qū)域中檢測病變時的檢測基準。
2. 根據(jù)權(quán)利要求1所述的醫(yī)療用圖像處理裝置，其特征在于，上述病 變候選區(qū)域檢測單元具有三維形狀信息生成單元，該三維形狀信息生成 單元根據(jù)上述至少一個顏色信號由上述醫(yī)療用圖像生成三維形狀信息， 上述病變候選區(qū)域檢測單元使用所生成的三維形狀信息檢測病變候選區(qū) 域。
3. 根據(jù)權(quán)利要求1所述的醫(yī)療用圖像處理裝置，其特征在于，上述附 帶區(qū)域檢測單元檢測呈現(xiàn)發(fā)紅或者褪色等色調(diào)變化性狀的色調(diào)變化區(qū) 域，將該色調(diào)變化區(qū)域作為上述附帶區(qū)域。
4. 根據(jù)權(quán)利要求1所述的醫(yī)療用圖像處理裝置，其特征在于，上述附 帶區(qū)域檢測單元檢測呈現(xiàn)白斑或者異常血管的可見異常性狀的可見異常 區(qū)域，將該可見異常區(qū)域作為上述附帶區(qū)域。
5. 根據(jù)權(quán)利要求3所述的醫(yī)療用圖像處理裝置，其特征在于，上述檢 測基準變更單元作為上述檢測基準，變更所生成的上述三維形狀信息中 表示曲面形狀的特征量的形狀指標和曲度中的至少一個的閾值。
6. —種醫(yī)療用圖像處理裝置，其特征在于，該裝置具有 病變候選區(qū)域檢測單元，其根據(jù)由多個顏色信號構(gòu)成的醫(yī)療用圖像中的至少一個顏色信號來檢測病變候選區(qū)域；以及附帶區(qū)域檢測單元，其從上述醫(yī)療用圖像中檢測附帶區(qū)域，該附帶 區(qū)域是在伴隨病變而附帶的性狀中產(chǎn)生的，其中，所述醫(yī)療用圖像處理裝置根據(jù)通過上述病變候選區(qū)域檢測單元所檢測出的病變候選區(qū)域和通過上述附帶區(qū)域檢測單元所檢測出的附 帶區(qū)域是否存在相關(guān)的區(qū)域，來進行病變檢測。
7. —種醫(yī)療用圖像處理方法，其特征在于，該方法具有 病變候選區(qū)域檢測步驟，在該步驟中，根據(jù)由多個顏色信號構(gòu)成的醫(yī)療用圖像中的至少一個顏色信號來檢測病變候選區(qū)域；附帶區(qū)域檢測步驟，在該步驟中，從上述醫(yī)療用圖像中檢測是否存在附帶區(qū)域，該附帶區(qū)域是在伴隨病變而附帶的性狀中產(chǎn)生的；以及檢測基準變更步驟，在該步驟中，按照是否存在上述附帶區(qū)域的檢測結(jié)果，變更從上述病變候選區(qū)域中檢測病變時的檢測基準。
8. 根據(jù)權(quán)利要求7所述的醫(yī)療用圖像處理方法，其特征在于，上述病 變候選區(qū)域檢測步驟具有三維形狀信息生成步驟，在該三維形狀信息生 成步驟中，根據(jù)上述至少一個顏色信號由上述醫(yī)療用圖像生成三維形狀 信息，在上述病變候選區(qū)域檢測步驟中，使用所生成的三維形狀信息檢 測病變候選區(qū)域。
9. 根據(jù)權(quán)利要求7所述的醫(yī)療用圖像處理方法，其特征在于，在上述 附帶區(qū)域檢測步驟中，檢測呈現(xiàn)發(fā)紅或者褪色的色調(diào)變化性狀的色調(diào)變 化區(qū)域，將該色調(diào)變化區(qū)域作為上述附帶區(qū)域。
10. 根據(jù)權(quán)利要求7所述的醫(yī)療用圖像處理方法，其特征在于，在上 述附帶區(qū)域檢測步驟中，檢測呈現(xiàn)白斑或者異常血管的性狀的可見異常 區(qū)域，將該可見異常區(qū)域作為上述附帶區(qū)域。
11. 根據(jù)權(quán)利要求8所述的醫(yī)療用圖像處理方法，其特征在于，在上 述檢測基準變更步驟中，作為上述檢測基準，變更所生成的上述三維形 狀信息中表示曲面形狀的特征量的形狀指標和曲度中的至少一個的閾 值。
全文摘要
圖像處理裝置(3)根據(jù)通過內(nèi)窺鏡(6)拍攝的內(nèi)窺鏡圖像的R分量圖像，使用其亮度信息計算三維形狀和三維形狀的曲面的特征量的信息。另外，圖像處理裝置(3)根據(jù)R、G這兩個圖像分量計算發(fā)紅/褪色的色調(diào)變化區(qū)域，按照該檢測結(jié)果，變更作為從三維形狀的曲面上的隆起性變化區(qū)域中檢測作為隆起性病變的息肉的情況下的閾值的檢測基準的值，從而進行高精度的息肉檢測。
文檔編號A61B5/00GK101404923SQ20078000927
公開日2009年4月8日 申請日期2007年2月27日 優(yōu)先權(quán)日2006年3月16日
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