專利名稱：圖像處理設(shè)備、圖像處理方法以及程序的制作方法
技術(shù)領(lǐng)域：
本發(fā)明涉及圖像處理設(shè)備、圖像處理方法以及程序。更具體地，本發(fā)明涉及優(yōu)選地用于對通過斷層攝影術(shù)(tomography)從機(jī)體獲取的組織圖像進(jìn)行分析，并識別組織圖像中的諸如腦、肝臟、腸道、以及骨頭之類的各種部分的位置的圖像處理設(shè)備、圖像處理方法和程序。
背景技術(shù)：
存在諸如X射線CT (計算機(jī)斷層攝影術(shù))、MRI (磁共振成像)、以及FMRI (功能型磁共振成像)之類的多種無需切割而獲取物體的內(nèi)部圖像的技術(shù)。這些技術(shù)尤其被用于醫(yī)學(xué)領(lǐng)域，以對人(即，病人)進(jìn)行剖面成像，然后從作為結(jié)果而獲取的剖面圖像(即，斷層圖像)中識別出病灶。
最初，醫(yī)生或其他人使用他或者她的經(jīng)驗作為識別組織圖像或其他斷層圖像中的哪些位置屬于特定組織(諸如，腦、肝臟、腸道以及骨頭)的基礎(chǔ)。也存在用于自動化識別的方法，其中組織輪廓和紋理(即，圖像中的圖案)被預(yù)先登記，并被與識別目標(biāo)的組織圖像進(jìn)行比較。(例如，參見日本未審查專利申請公開No. 2004-8419)。

發(fā)明內(nèi)容
這里，當(dāng)如上述方法中那樣使用組織輪廓時，組織輪廓會隨著斷層面的位置(即， 特定切片的位置)而顯著變化。所以，將被識別的組織圖像的斷層面的位置變得有限。
另外，組織輪廓可能會由于機(jī)體中的個體差異而不同。在諸如骨頭的組織的情況下，這種輪廓變得不一致。基于這種和其他原因，上述方法在一些情況下是不適用的，組織圖像中的各個部分可能不能被正確識別。
鑒于這種情況，希望提供能夠?qū)⒔M織的紋理特征用作正確識別組織圖像的各個部分屬于哪個組織的基礎(chǔ)的裝置。
根據(jù)本發(fā)明實(shí)施例的圖像處理設(shè)備被配置為識別組織圖像的各個部分中的組織， 該設(shè)備包括細(xì)分裝置，被配置為將用于識別的組織圖像細(xì)分成局部區(qū)域；檢測裝置，被配置為檢測局部區(qū)域的紋理特征值；以及確定裝置，被配置為將檢測出的局部區(qū)域的紋理特征值與學(xué)習(xí)到的與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值相比較，并且基于比較結(jié)果確定局部區(qū)域是否屬于預(yù)定組織。
圖像處理設(shè)備還可以包括學(xué)習(xí)裝置，被配置為學(xué)習(xí)與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值。
學(xué)習(xí)裝置可以包括指定裝置，被配置為針對學(xué)習(xí)組織圖像中的屬于預(yù)定組織的部分，指定局部區(qū)域；第一提取裝置，被配置為從學(xué)習(xí)組織圖像提取預(yù)定大小的像素塊，各個像素塊以指定局部區(qū)域中各個像素為中心；第一編碼裝置，被配置為對于每個提取的像素塊，使得屬于該像素塊的多個像素的像素值被編碼為多種可能的碼模式之一；第一生成裝置，被配置為針對每個指定局部區(qū)域生成局部區(qū)域矩形圖，局部區(qū)域矩形圖指示編碼后的碼模式各自的出現(xiàn)頻率；以及計算裝置，被配置為應(yīng)用使用所生成的局部區(qū)域矩形圖的統(tǒng)計學(xué)習(xí)來計算特征值矩形圖，以用作與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值。
檢測裝置可以包括第二提取裝置，被配置為從用于識別的組織圖像提取預(yù)定大小的像素塊，每個像素塊以用于識別的組織圖像被細(xì)分成的局部區(qū)域之一中的各個像素為中心；第二編碼裝置，被配置為對于每個提取的像素塊，使得屬于該像素塊的多個像素的像素值被編碼為多種可能的碼模式之一；以及第二生成裝置，被配置為針對每個指定局部區(qū)域生成局部區(qū)域矩形圖，局部區(qū)域矩形圖指示編碼后的碼模式各自的出現(xiàn)頻率，并且被生成用作該局部區(qū)域的紋理特征值。
第一和第二編碼裝置還可以被配置為利用LBP(局部二進(jìn)制模式)將屬于給定像素塊的多個像素的像素值編碼為多種可能的碼模式之一。
計算裝置還可以被配置為應(yīng)用使用所生成的局部區(qū)域矩形圖的AdaBoost學(xué)習(xí)來計算特征值矩形圖，以用作與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值。
組織圖像可以是虛擬切片。
根據(jù)本發(fā)明另一實(shí)施例的圖像處理方法在被配置為識別組織圖像的各個部分中的組織的圖像處理設(shè)備中執(zhí)行。該方法包括以下步驟將用于識別的組織圖像細(xì)分成局部區(qū)域；檢測局部區(qū)域的紋理特征值；以及將檢測出的局部區(qū)域的紋理特征值與學(xué)習(xí)到的與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值相比較，并且基于比較結(jié)果確定局部區(qū)域是否屬于預(yù)定組織。
根據(jù)本發(fā)明的另一實(shí)施例的程序是用于被配置為識別組織圖像的各個部分中的組織的圖像處理設(shè)備的控制程序。該程序使得圖像處理設(shè)備的計算機(jī)執(zhí)行以下步驟將用于識別的組織圖像細(xì)分成局部區(qū)域；檢測局部區(qū)域的紋理特征值；以及將檢測出的局部區(qū)域的紋理特征值與學(xué)習(xí)到的與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值相比較，并且基于比較結(jié)果確定局部區(qū)域是否屬于預(yù)定組織。
在本發(fā)明的實(shí)施例中，將需要識別的組織圖像細(xì)分成局部區(qū)域，針對局部區(qū)域檢測紋理特征值，并且將檢測出的局部區(qū)域紋理值與學(xué)習(xí)到的與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值相比較?；诒容^結(jié)果，確定給定局部區(qū)域是否屬于預(yù)定組織。
根據(jù)本發(fā)明的實(shí)施例，可以精確地識別出組織圖像的各個部分所屬的組織。


圖1是概括示出采用了本發(fā)明實(shí)施例的基于學(xué)習(xí)的識別設(shè)備的操作的示意圖； 圖2是被用作學(xué)習(xí)樣本圖像的組織圖像的簡要示意圖； 圖3是示出基于學(xué)習(xí)的識別設(shè)備的示例性配置的框圖； 圖4是用于說明表示紋理特征的8比特編碼的示意圖； 圖5是示出局部區(qū)域的一個示例的矩形圖； 圖6是說明使用局部區(qū)域矩形圖的加權(quán)學(xué)習(xí)的示意圖； 圖7是示出位置約束參數(shù)的示意圖； 圖8是說明學(xué)習(xí)處理的流程圖； 圖9是說明識別處理的流程圖；以及 圖10是示出通用計算機(jī)的示例性配置的框圖。
具體實(shí)施例方式下文中，將參考附圖詳細(xì)描述用于實(shí)現(xiàn)本發(fā)明的優(yōu)選實(shí)施例(下文中稱為實(shí)施例)。描述將按照以下順序進(jìn)行。
1.第一實(shí)施例 <1.第一實(shí)施例> [基于學(xué)習(xí)的識別設(shè)備的示例性配置] 圖1是概括示出根據(jù)本發(fā)明實(shí)施例的基于學(xué)習(xí)的識別設(shè)備的操作的示意圖?；诒惶峁┳鳛閷W(xué)習(xí)樣本圖像的組織圖像，基于學(xué)習(xí)的識別設(shè)備10學(xué)習(xí)組織(諸如，腦、肝臟、 腸道以及骨頭)的紋理特征?；趯W(xué)習(xí)結(jié)果，基于學(xué)習(xí)的識別設(shè)備10識別在作為識別目標(biāo)圖像輸入的組織圖像中哪些坐標(biāo)屬于哪些組織。
這里，被用作學(xué)習(xí)樣本圖像和識別目標(biāo)圖像的組織圖像被假設(shè)為虛擬切片。然而， 通過X射線CT、MRI、FMRI或其他手段獲得的剖面圖像也可以被用作在這里作為學(xué)習(xí)樣本圖像和識別目標(biāo)圖像使用的組織圖像。
圖2以簡要的形式示出了被用作學(xué)習(xí)樣本圖像的組織圖像。這里的組織圖像示出了小鼠的橫斷面切片。學(xué)習(xí)樣本圖像被以如下狀態(tài)提供，其中各個位置處的組織(在圖2 的情況下，腦、肝臟、腸道以及骨頭)已經(jīng)被一個或多個人預(yù)先識別出來。
圖3示出了基于學(xué)習(xí)的識別設(shè)備10的示例性配置?；趯W(xué)習(xí)的識別設(shè)備10可以分成基于學(xué)習(xí)樣本圖像而學(xué)習(xí)組織的紋理特征的學(xué)習(xí)單元11和對識別目標(biāo)圖像中的各個位置所屬的組織進(jìn)行識別的識別單元21。
[學(xué)習(xí)單元11的詳細(xì)示例性配置] 學(xué)習(xí)單元11包括局部區(qū)域指定器12、塊提取器13、編碼器14、矩形圖生成器15以及統(tǒng)計學(xué)習(xí)單元16。
局部區(qū)域指定器12從學(xué)習(xí)樣本圖像中針對一個部分選擇局部區(qū)域，該部分的組織將被識別。這里，局部區(qū)域的大小是由識別精度確定的，而識別精度又取決于識別單元21 和組織圖像的分辨率。在下文的描述中，局部區(qū)域大小為64X64像素，但是局部區(qū)域大小不限于此。
屬于學(xué)習(xí)樣本圖像中的局部區(qū)域的每個像素被塊提取器13順序指定作為中心像素。塊提取器13然后提取以每個中心像素為中心的像素塊。下文中，像素塊被描述為3X3 大小的塊，但是像素塊大小不限于此。
編碼器14使用LBP (局部二進(jìn)制模式)將給定像素塊中的像素值編碼為8比特碼。 這個8比特碼被用作表示被提取的像素塊的紋理特征的指標(biāo)。更具體地，除了中心像素以外的像素塊中的8個像素的像素值被與中心像素的像素值相比較。至少等于中心像素像素值的像素值被編碼為1，而小于中心像素像素值的像素值被編碼為0。然后，編碼值被以預(yù)定的方式排序，以生成8比特碼。關(guān)于LBP的更多信息，例如參見T. Ojala,M. Pietikainen 以及 T. Maenpaa 白勺“Multiresolution gray-scale and rotationinvariant texture classification with Local Binary Patterns",IEEETransactions on Pattern Analysis and Machine Intelligence 24(7)，971-987。
顯然，當(dāng)使用3X3像素以外的像素塊大小時，所生成的碼的比特長度可以大于或小于8比特。例如，在4X4像素塊的情況下，15比特碼可被生成。在5X5像素塊的情況下，24比特碼可被生成。
圖4示出了由編碼器14執(zhí)行的8比特編碼的示例。在圖4中所示的示例中，除中心像素以外的像素塊中的8個像素的像素值分別是(按照從左上方開始的順時針的順序)142、154、168、129、125、161、167以及160。在這種情況下，中心像素的像素值是163，所以像素值被編碼為8比特碼01000100。
結(jié)果，每局部區(qū)域4096 ( = 64X64)個8比特碼被獲取。
對于每個局部區(qū)域，矩形圖生成器15生成指示每個碼模式的發(fā)生次數(shù)的矩形圖 (下文中，這種矩形圖被稱為局部區(qū)域矩形圖)。
圖5示出了這樣生成的局部區(qū)域矩形圖的示例。
然而，當(dāng)對于8比特碼存在256種可能的碼模式時，原樣地使用這樣的碼模式將導(dǎo)致隨后將要描述的識別處理中的256階計算(256th ordercomputation)。因此，碼模式的數(shù)目從256開始減少。
例如，T. Ojala，Μ. Pietikainen 以及 Τ. Maenpaa 的"Multiresolutiongray-scale and rotation invariant texture classification with Local BinaryPatterns^^^iT 以下內(nèi)容可能的256種8比特碼模式中僅有的實(shí)際有效的8比特碼模式是單個8比特碼中具有不超過2個比特反轉(zhuǎn)(010，101)的58種模式(這種模式被稱為統(tǒng)一模式)。
所以，本實(shí)施例沒有被配置為生成256種碼模式的矩形圖，而是被配置為生成58 種統(tǒng)一模式的矩形圖，如圖5中所示。這樣，紋理特征值的精度被改善，同時下文中將要描述的識別處理的復(fù)雜度將從256階計算減少到58階計算。
減少的碼模式的數(shù)目不限于58，并且可以是等于或少于總數(shù)256的任意數(shù)目。
統(tǒng)計學(xué)習(xí)單元16通過使用加權(quán)加法生成每個組織的特征值矩形圖，以對已經(jīng)被識別的每個組織的局部區(qū)域矩形圖進(jìn)行標(biāo)準(zhǔn)化(normalize) ( S卩，AdaBoost學(xué)習(xí))。
圖6示出了生成腸道的特征值矩形圖的情況。生成腸道的特征值矩形圖涉及使用學(xué)習(xí)樣本圖像中已經(jīng)被識別為腸道的多個局部區(qū)域的各個局部區(qū)域矩形圖、以及已經(jīng)被識別為腸道以外的其他組織的多個局部區(qū)域的各個局部區(qū)域矩形圖。然后，腸道局部區(qū)域矩形圖被利用正數(shù)(諸如，+1)進(jìn)行加權(quán)，而非腸道局部區(qū)域矩形圖被利用負(fù)數(shù)(諸如，-1)進(jìn)行加權(quán)。然后，所有局部區(qū)域矩形圖被加在一起，并被標(biāo)準(zhǔn)化。
對于諸如腦、肝臟和骨頭的其他組織，類似地生成特征值矩形圖。針對每個組織如此生成的特征值矩形圖被存儲在識別單元21的特征值矩形圖存儲單元27中。
[識別單元21的詳細(xì)示例性配置] 識別單元21包括局部區(qū)域細(xì)分器22、塊提取器23、編碼器24、矩形圖生成器25、 確定單元26以及特征值矩形圖存儲單元27。
局部區(qū)域細(xì)分器22將識別目標(biāo)圖像細(xì)分成局部區(qū)域。所得到的局部區(qū)域的大小與局部區(qū)域指定器12的大小一致，并且可以是，例如64X64像素。
屬于已經(jīng)由識別目標(biāo)圖像細(xì)分成的局部區(qū)域之一的每個像素被塊提取器23順序指定作為中心像素。塊提取器23然后提取以每個中心像素為中心的3X3像素塊。
類似于編碼器14，編碼器24使用LBP將每個所提取的像素塊中(除中心像素以夕卜)的像素的像素值編碼為8比特碼。類似于矩形圖生成器15，矩形圖生成器25生成每個局部區(qū)域的局部區(qū)域矩形圖，并對每個局部區(qū)域的局部區(qū)域矩形圖進(jìn)行標(biāo)準(zhǔn)化，其中局部區(qū)域矩形圖指示每個碼模式發(fā)生的次數(shù)。
確定單元26計算存儲在特征值矩形圖存儲單元27中的每個組織的特征值矩形圖(即，58維向量)和從矩形圖生成器25輸入的識別目標(biāo)圖像中的每個局部區(qū)域的局部區(qū)域矩形圖(即，58維向量)之間的歐幾里得(Euclidean)距離。另外，確定單元26基于歐幾里得距離是否等于或小于預(yù)定閾值來確定識別目標(biāo)圖像的每個局部區(qū)域中的組織。例如， 如果局部區(qū)域與腸道特征值矩形圖的歐幾里得距離等于或小于預(yù)定閾值，則該局部區(qū)域被確定為腸道。
另外，確定單元26通過采用位置約束參數(shù)對識別結(jié)果進(jìn)行校正。這里，位置約束參數(shù)是針對識別目標(biāo)圖像中的位置(即，區(qū)域)由用戶定義的，并且指定在那個位置可能存在的組織，或者相反，指定在那個位置不可能存在的組織。例如，在圖7中，指定僅有腦可能存在于頭部區(qū)域中，而僅有骨頭可能存在于腿部附近。
[操作的描述] 現(xiàn)在將描述基于學(xué)習(xí)的識別設(shè)備10的操作。
圖8是說明基于學(xué)習(xí)的識別設(shè)備10執(zhí)行的學(xué)習(xí)處理的流程圖，這里示出了學(xué)習(xí)腸道紋理的情況。
在步驟Si，局部區(qū)域指定器12從學(xué)習(xí)樣本圖像指定被識別為腸道的多個部分的局部區(qū)域，并且向塊提取器13發(fā)布結(jié)果。另外，局部區(qū)域指定器12從學(xué)習(xí)樣本圖像指定被識別為非腸道的多個部分的局部區(qū)域，并且向塊提取器13發(fā)布結(jié)果。
在步驟S2，塊提取器13順序指定屬于學(xué)習(xí)樣本圖像中的局部區(qū)域的每個像素作為中心像素。對于每個所選擇的中心像素，塊提取器13提取以中心像素為中心的3X3像素塊，并且向編碼器14輸出所提取的像素塊。
在步驟S3，編碼器14使用LBP將每個像素塊中的像素值編碼為8比特碼，并且向矩形圖生成器15輸出所得到的8比特碼。
在步驟S4中，矩形圖生成器15生成每個局部區(qū)域的局部區(qū)域矩形圖，其中局部區(qū)域矩形圖指示每個碼模式發(fā)生的次數(shù)。
在步驟S5，統(tǒng)計學(xué)習(xí)單元16利用正數(shù)(諸如，+1)對腸道局部區(qū)域矩形圖進(jìn)行加權(quán)，并且利用負(fù)數(shù)(諸如，-1)對非腸道局部區(qū)域矩形圖進(jìn)行加權(quán)。然后，統(tǒng)計學(xué)習(xí)單元16將所有局部區(qū)域矩形圖疊加在一起并對其進(jìn)行標(biāo)準(zhǔn)化，從而生成腸道紋理的特征值矩形圖。 這樣，通過使用加權(quán)學(xué)習(xí)，具有更少的錯誤檢測的高度可靠的特征值矩形圖可以被生成。
另外，統(tǒng)計學(xué)習(xí)單元16向識別單元21的特征值矩形圖存儲單元27提供這樣生成的腸道紋理特征值矩形圖。
應(yīng)該理解，諸如腦、肝臟和骨頭之類的其他部分的特征值矩形圖被類似地生成，并且被提供給特征值矩形圖存儲單元27。前面描述了學(xué)習(xí)處理。
圖9是說明基于學(xué)習(xí)的識別設(shè)備10執(zhí)行的識別處理的流程圖。
在步驟S11，局部區(qū)域細(xì)分器22將識別目標(biāo)圖像細(xì)分成局部區(qū)域。在步驟S12，塊提取器23順序指定屬于識別目標(biāo)圖像已經(jīng)被細(xì)分成的局部區(qū)域之一的每個像素作為中心像素。然后，塊提取器23提取以每個中心像素為中心的3X3像素塊。
在步驟S13，編碼器24使用LBP將每個所提取的像素塊的像素值編碼為8比特碼。在步驟S14，矩形圖生成器25生成并標(biāo)準(zhǔn)化每個局部區(qū)域的局部區(qū)域矩形圖，其中局部區(qū)域矩形圖指示每個碼模式發(fā)生的次數(shù)。
在步驟S15，確定單元26計算存儲在特征值矩形圖存儲單元27中的每個組織的特征值矩形圖(即，58維向量)和從矩形圖生成器25輸入的識別目標(biāo)圖像中的每個局部區(qū)域的局部區(qū)域矩形圖(即，58維向量)之間的歐幾里得距離。另外，確定單元26基于歐幾里得距離是否等于或小于預(yù)定閾值，來確定識別目標(biāo)圖像的每個局部區(qū)域中的組織。例如，如果局部區(qū)域與腸道特征值矩形圖的歐幾里得距離等于或小于預(yù)定閾值，則該局部區(qū)域被確定為腸道。
在步驟S16，確定單元26通過應(yīng)用位置約束參數(shù)對識別結(jié)果進(jìn)行校正。通過這種校正，識別精度被改善。以上描述了識別處理。
如上所述，根據(jù)基于學(xué)習(xí)的識別設(shè)備10，組織圖像的各個部分的紋理可以被用作精確識別這些組織的基礎(chǔ)。另外，根據(jù)基于學(xué)習(xí)的識別設(shè)備10，各個部分的組織可以從圖像中識別出來，所述圖像不限于組織圖像的斷層圖像。
根據(jù)本發(fā)明實(shí)施例的基于學(xué)習(xí)的識別設(shè)備10可以應(yīng)用于，例如醫(yī)學(xué)領(lǐng)域。作為另一個示例，這種設(shè)備還可以被用來識別食用肉品的瘦肉和肥肉部分，并且使用其比例作為檢查肉品質(zhì)量的基礎(chǔ)。
應(yīng)該理解，前述一系列處理可以通過硬件或軟件執(zhí)行。在通過軟件執(zhí)行的情況下， 組成這種軟件的程序可以被從程序記錄介質(zhì)安裝到構(gòu)建在專用硬件中的計算機(jī)上?？商娲兀摮绦蚩梢员粡某绦蛴涗浗橘|(zhì)安裝到通用個人計算機(jī)或者能夠通過安裝其上的各種程序來執(zhí)行各種功能的類似設(shè)備上。
圖10是示出通過程序執(zhí)行前述一系列處理的計算機(jī)的示例性硬件配置的框圖。
在計算機(jī)100中，CPU(中央處理單元)101、R0M(只讀存儲器)102以及RAM(隨機(jī)存取存儲器)103通過總線104相互連接。
連接至總線104的還有輸入/輸出接口 105。輸入/輸出接口 105被連接至以下單元可以包括諸如鍵盤、鼠標(biāo)和麥克風(fēng)之類的裝置的輸入單元106、可以包括諸如顯示器和一個或多個揚(yáng)聲器之類的裝置的輸出單元107、可以包括諸如硬盤和非易失性存儲器之類的部件的存儲單元108、可以包括諸如網(wǎng)絡(luò)接口之類的部件的通信單元109、以及驅(qū)動諸如磁盤、光盤、磁光盤或半導(dǎo)體存儲器之類的可移動介質(zhì)111的驅(qū)動器110。
在如上所述配置的計算機(jī)中，前述的一系列處理可以被執(zhí)行作為例如以下處理的結(jié)果CPU 101經(jīng)由輸入/輸出接口 105和總線104將存儲在存儲單元108中的程序裝載到RAM 103中，然后執(zhí)行程序。
由計算機(jī)執(zhí)行的程序可以是這樣的程序，其中處理步驟以根據(jù)本說明書中描述的順序的時間順序被執(zhí)行。然而，也應(yīng)該理解，程序還可以是這樣的程序，其中處理步驟被并行或以適當(dāng)?shù)臅r序(例如，在被調(diào)用時)執(zhí)行。
另外，程序可以被設(shè)計為在單個計算機(jī)上被處理，或者被由多個計算機(jī)以分布的方式處理。并且，程序也可以被傳輸，以在遠(yuǎn)程計算機(jī)上執(zhí)行。
另外，在本說明書中，采用系統(tǒng)來表示由多個設(shè)備組成的設(shè)備的總體。
應(yīng)該理解，本發(fā)明的實(shí)施例不限于前面描述的實(shí)施例，并且在不脫離本發(fā)明的范圍和精神的條件下可以進(jìn)行各種修改。
本申請包括與于2009年3月25日在日本專利局遞交的日本優(yōu)先權(quán)專利申請JP 2009-073143公開的內(nèi)容有關(guān)的主題，該專利申請的全部內(nèi)容通過參考被結(jié)合于此。
本領(lǐng)域技術(shù)人員應(yīng)該理解，只要處于所附權(quán)利要求及其等同物的范圍之內(nèi)，可以根據(jù)設(shè)計要求和其他因素而進(jìn)行各種修改、結(jié)合、次結(jié)合以及改變。
權(quán)利要求
1.一種圖像處理設(shè)備，被配置為識別組織圖像的各個部分中的組織，所述設(shè)備包括 細(xì)分裝置，被配置為將用于識別的組織圖像細(xì)分成局部區(qū)域；檢測裝置，被配置為檢測所述局部區(qū)域的紋理特征值；確定裝置，被配置為將檢測出的局部區(qū)域的紋理特征值和學(xué)習(xí)到的與預(yù)定組織相關(guān)聯(lián) 的用于識別的特征值相比較，并基于比較結(jié)果確定所述局部區(qū)域是否屬于所述預(yù)定組織。
2.根據(jù)權(quán)利要求1所述的圖像處理設(shè)備，進(jìn)一步包括學(xué)習(xí)裝置，被配置為學(xué)習(xí)所述與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值。
3.根據(jù)權(quán)利要求2所述的圖像處理設(shè)備，其中所述學(xué)習(xí)裝置包括指定裝置，被配置為針對學(xué)習(xí)組織圖像中屬于預(yù)定組織的部分，指定局部區(qū)域； 第一提取裝置，被配置為從所述學(xué)習(xí)組織圖像提取預(yù)定大小的像素塊，各個像素塊以 指定局部區(qū)域中的各個像素為中心；第一編碼裝置，被配置為對于每個提取的像素塊，使得屬于該像素塊的多個像素的像 素值被編碼為多種可能的碼模式之一；第一生成裝置，被配置為針對每個指定的局部區(qū)域生成局部區(qū)域矩形圖，所述局部區(qū) 域矩形圖指示所述編碼后的碼模式各自的出現(xiàn)頻率；以及計算裝置，被配置為應(yīng)用使用所生成的局部區(qū)域矩形圖的統(tǒng)計學(xué)習(xí)來計算特征值矩形 圖，以用作所述與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值。
4.根據(jù)權(quán)利要求1或3所述的圖像處理設(shè)備，其中所述檢測裝置包括第二提取裝置，被配置為從所述用于識別的組織圖像提取預(yù)定大小的像素塊，各個像 素塊以所述用于識別的組織圖像被細(xì)分成的局部區(qū)域之一中的各個像素為中心；第二編碼裝置，被配置為對于每個提取的像素塊，使得屬于該像素塊的多個像素的像 素值被編碼為多種可能的碼模式之一；以及第二生成裝置，被配置為針對每個指定的局部區(qū)域生成局部區(qū)域矩形圖，所述局部區(qū) 域矩形圖指示所述編碼后的碼模式各自的出現(xiàn)頻率并被生成以用作所述局部區(qū)域的紋理 特征值。
5.根據(jù)權(quán)利要求3或4所述的圖像處理設(shè)備，其中，所述第一和第二編碼裝置利用局部二進(jìn)制模式LBP將屬于給定像素塊的多個像素的 像素值編碼為多種可能的碼模式之一。
6.根據(jù)權(quán)利要求3或4所述的圖像處理設(shè)備，其中所述計算裝置應(yīng)用使用所生成的局部區(qū)域矩形圖的AdaBoost學(xué)習(xí)來計算特征值矩形 圖，以用作所述與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值。
7.根據(jù)權(quán)利要求1至6中任一項所述的圖像處理設(shè)備，其中 所述組織圖像是虛擬切片。
8.一種在圖像處理設(shè)備中執(zhí)行的圖像處理方法，所述圖像處理設(shè)備被配置為識別組織 圖像的各個部分中的組織，所述方法包括以下步驟將用于識別的組織圖像細(xì)分成局部區(qū)域； 檢測所述局部區(qū)域的紋理特征值；以及將檢測到的局部區(qū)域的紋理特征值和學(xué)習(xí)到的與預(yù)定組織相關(guān)聯(lián)的用于識別的特征 值相比較，并且基于比較結(jié)果確定所述局部區(qū)域是否屬于所述預(yù)定組織。
9.一種用于圖像處理設(shè)備的控制程序，所述圖像處理設(shè)備被配置為識別組織圖像的各 個部分中的組織，所述程序使得所述圖像處理設(shè)備的計算機(jī)執(zhí)行以下步驟將用于識別的組織圖像細(xì)分成多個局部區(qū)域； 檢測所述局部區(qū)域的紋理特征值；以及將檢測出的局部區(qū)域的紋理特征值與學(xué)習(xí)到的與預(yù)定組織相關(guān)聯(lián)的用于識別的特征 值相比較，并且基于比較結(jié)果確定所述局部區(qū)域是否屬于所述預(yù)定組織。
10.一種圖像處理設(shè)備，被配置為識別組織圖像的各個部分中的組織，所述圖像處理設(shè) 備包括組織圖像細(xì)分器，被配置為將用于識別的組織圖像細(xì)分成局部區(qū)域； 檢測器，被配置為檢測所述局部區(qū)域的紋理特征值；以及確定單元，被配置為將檢測出的局部區(qū)域的紋理特征值和學(xué)習(xí)到的與預(yù)定組織相關(guān) 聯(lián)的用于識別的特征值相比較，并且基于比較結(jié)果確定所述局部區(qū)域是否屬于所述預(yù)定組織。
全文摘要
公開了一種圖像處理設(shè)備、圖像處理方法以及程序。圖像處理設(shè)備識別組織圖像的各個部分中的組織。組織圖像細(xì)分器將用于識別的組織圖像細(xì)分成局部區(qū)域。檢測器檢測局部區(qū)域的紋理特征值。確定單元將檢測出的局部區(qū)域的紋理特征值與學(xué)習(xí)到的與預(yù)定組織相關(guān)聯(lián)的用于識別的特征值相比較，并且基于比較結(jié)果確定局部區(qū)域是否屬于預(yù)定組織。
文檔編號G06T7/00GK101847260SQ201010138399
公開日2010年9月29日 申請日期2010年3月18日 優(yōu)先權(quán)日2009年3月25日
發(fā)明者橫野順 申請人:索尼公司