區域提取處理系統的制作方法
【專利摘要】提供克服區域提取中的偽陽性的問題，基于支持更準確的區域提取的圖像數據的解析處理的區域提取處理系統。為了決定用于提取目標區域的未知數參數，使用亮度分布解析部(105)。在亮度分布解析部(105)中，從亮度分布管理數據庫(106)之中搜索目標區域的亮度分布類似、且提取容易的區域作為類似部位，由區域提取前處理部(107)提取類似部位的區域，根據基于區域提取結果所計算出的圖像特征量來決定未知數參數的值。
【專利說明】區域提取處理系統

【技術領域】
[0001] 本發明涉及醫用圖像數據的解析處理系統。

【背景技術】
[0002] 伴隨著醫用圖像診斷裝置的發展而在一次檢查中獲取的圖像數變得巨大，給診斷 醫生、放射科醫生造成的負荷日益增大。尤其是，在X射線CT (Computed Tomography)裝置 中，由于可以獲取大量的圖像，因此醫生為了進行腫瘤診斷，需要進行龐大的工作。這種診 斷所花費的工夫的增加還有可能招致看漏、誤診等，因此哪怕是一點也期望減輕。為此，提 出自動提取腫瘤等關心區域的技術（CAD :ComputerAided Detection)、搭載了該技術的裝 置。
[0003] 在非專利文獻1中提出如下的手法，S卩：以肝腫瘤提取為目的，使用應用了線性模 式提取濾波器的圖像來提取X射線吸收系數（以下稱作亮度值）最高的點，并將以所提取 出的點作為種子（seed)的Region Growing(區域生長）法應用于原圖像。
[0004] 在非專利文獻2、3中提出如下的手法，S卩：根據原圖像來生成X射線吸收系數（以 下稱作亮度值）的直方圖分布，將關心區域的亮度值分布假定為高斯分布來求出各分布的 參數，并基于所求出的亮度值分布來提取關心區域。
[0005] 在專利文獻1中提出如下的技術，即：從圖像數據、圖像附帶信息之中選擇預先設 定的圖像處理順序及其參數并執行。
[0006] 在先技術文獻
[0007] 專利文獻
[0008] 專利文獻1 :日本特開2009-82452號公報
[0009] 非專利文獻
[0010] 非專利文獻 1 :A. Shimizu，T. Kawamura，H. Kobatake. Proposal of computer-aided detection system for three dimensional CT images of liver cancer. CARS 2005 ;1281 ;1157-1266
[0011] 非專利文獻2:MA. Selver, C.Guneyt. Proposal ofcomputer-aided detection system for three dimensional CT images of liver cancer. IEEE Trans. 2009 ； 15 ；3 ； 395-409
[0012] 非專利文獻 3 :Y. Shang，A. Markova，R. Deklerck，E. Nyssen，X. Yang，J. D. Mey. Liver segmentation by an active contour model with embedded Gaussian mixture model based classifiers. SPIE 2010 :7723 :772313


【發明內容】

[0013] 發明要解決的課題
[0014] 在多數的情況下關心區域的亮度值分布是未知的。例如，在肝臟癌的造影CT檢查 中，在急速靜脈注射后30秒左右拍攝造影劑的動脈相中，造影劑進入到對象組織中而成為 高吸收，對象組織的圖像對比度變得清晰。但是，由于在多數的情況下造影劑的擴散快、拍 攝定時不同，因此未必保障關心區域的亮度值分布變得相同。因而，在前述的現有技術中， 提取用戶不想要的區域而成為偽陽性增加、使提取精度惡化的原因。
[0015] 在前述的非專利文獻1的情況下，并非假定腫瘤有多個的情況。此外，由于詳細的 亮度分布是未知的，僅基于亮度梯度和線性模式來進行區域提取，因此有時會產生偽陽性 的問題。在前述的非專利文獻2、3的情況下，例如不僅是肝臟內，在肝實質、肝邊緣部、囊 腫、腫瘤、壞死、血管等也是亮度值不同的區域相鄰地存在，因此準確的亮度值分布的估計 變得困難。在前述的專利文獻1中，為了決定適當的參數，需要多次拍攝所得的圖像，從而 將產生與之相伴的患者負擔。
[0016] 這樣，在以往開發的技術中，由于詳細的亮度分布的估計較為困難，因此無法克服 區域提取中的偽陽性的問題。因此，本發明要解決的課題在于，提供克服區域提取中的偽陽 性的問題，基于支持更準確的區域提取的圖像數據的解析處理的區域提取處理系統。
[0017] 用于解決課題的手段
[0018] 為了解決上述課題，提供一種區域提取處理系統，從圖像之中提取目標區域，其特 征在于，所述區域提取處理系統具備；輸入部，受理所述目標區域和對象圖像的輸入；算法 管理剖析數據庫，保存用于提取所述目標區域的最佳的算法和包含未知數的參數；區域提 取部，將所述目標區域和所述對象圖像作為輸入，獲取在所述算法管理剖析數據庫中保存 的所述算法和所述參數，將所獲取到的所述算法和所述參數應用于所述對象圖像，由此來 執行所述目標區域的區域提取處理；亮度分布解析部，將所述目標區域和所述對象圖像作 為輸入，計算所述目標區域的亮度分布，由此來輸出未知數參數；亮度分布管理數據庫，保 存生物體組織的亮度分布的類似性；區域提取前處理部，將所述對象圖像和在所述算法管 理剖析數據庫中保存的所述算法和所述參數作為輸入，進行用于求出未知數參數的前處 理；和顯示部，顯示提取結果，在所述區域提取部中，當所輸入的所述參數中包含未知數的 情況下，從所述亮度分布解析部之中獲取該參數的最佳值。
[0019] 發明效果
[0020] 根據本發明的區域提取處理系統，在估計關心區域的亮度值分布之際，使用亮度 值類似且提取容易的區域中的亮度值分布，從而可以更高精度地估計關心區域的亮度值分 布，由此能夠克服區域提取中的偽陽性的問題。由此，區域提取變得容易，可以實現更準確 的區域提取。即，可以削減醫生進行腫瘤診斷的勞動。此外，通過與電子病歷等的信息系統 聯合，從而不經由用戶便能獲取成為關心區域的部位名，故可以減輕用戶的輸入作業。

【專利附圖】

【附圖說明】
[0021] 圖1是本發明中的區域提取處理系統的第1構成圖。
[0022] 圖2是本發明中的區域提取處理系統的硬件構成圖。
[0023] 圖3是表示本發明中的區域提取處理系統的處理的流程的第1流程圖。
[0024] 圖4是表示本發明中的區域提取處理系統的構成要素間的處理的流程的第1順序 圖。
[0025] 圖5是表示本發明中的區域提取處理系統的畫面的第1例。
[0026] 圖6是表征本發明中的區域提取處理系統的算法剖析管理數據庫的第1例。
[0027] 圖7是表示本發明中的區域提取處理系統的畫面的第2例。
[0028] 圖8是表示本發明中的區域提取處理系統中的亮度分布解析部中的處理的流程 的第1流程圖。
[0029] 圖9是表示與本發明中的區域提取處理系統中的亮度分布解析部聯合的構成要 素間的處理的流程的第1順序圖。
[0030] 圖10是表征本發明中的區域提取處理系統的亮度分布管理數據庫的圖。
[0031] 圖11是本發明中的區域提取處理系統的第2構成圖。
[0032] 圖12是表示本發明中的區域提取處理系統的構成要素間的處理的流程的第2順 序圖。
[0033] 圖13是表示本發明中的區域提取處理系統的電子病歷數據庫的圖。
[0034] 圖14是表示本發明中的區域提取處理系統的畫面的第3例。
[0035] 圖15是表示本發明中的區域提取處理系統中的亮度分布解析部中的處理的流程 的第2流程圖。
[0036] 圖16是表征本發明中的區域提取處理系統的算法剖析管理數據庫的第2例。
[0037] 圖17是本發明中的區域提取處理系統的第3構成圖。
[0038] 圖18是表示將本發明中的區域提取處理系統的算法剖析管理數據庫顯示于其他 系統的畫面的例子。

【具體實施方式】
[0039] 以下，說明用于實施本發明的最優方式。
[0040] 實施例1
[0041] 圖1是本發明中的區域提取處理系統的構成圖。圖1所示的區域提取處理系統由 輸入部101、顯示部102、區域提取部103、算法剖析管理數據庫104、亮度分布解析部105、亮 度分布管理數據庫106、和區域提取前處理部107構成。
[0042] 針對本系統的硬件構成進行敘述。在圖2中示出實現本發明中的區域提取處理系 統的硬件構成圖。算法剖析管理數據庫104和亮度分布管理數據庫106由HDD (Hard Disk Drive :硬盤驅動器）裝置所代表的外部存儲裝置2014等構成。區域提取部103、亮度分布 解析部105和區域提取前處理部107在中央處理裝置2013、存儲器2012等中，通過規定的 程序的展開?啟動，從而能夠實現各種處理。顯示部102能夠通過利用了液晶顯示器2011、 CRT (Cathode-Ray Tube :陰極射線管）等的監視器來實現。此外，也可以輸出至紙等的媒介 物。輸入部101能夠通過鍵盤2010、鼠標、手寫板來實現。
[0043] 在圖3中示出表示了區域提取處理系統的動作概要的流程圖。此外，在圖4中示出 與由圖3所表示的流程圖的一部分（S302、S304)相關的順序圖。首先，最初針對S301進行 說明。在S301中，區域提取部為了進行區域提取處理，經由輸入部101來獲取提取對象的 生物體組織（以下稱作目標區域）和對象圖像。在圖5中，為了說明S301而示出在顯示部 102中顯示出的畫面例。圖5所示的畫面由條件設定部501、對象圖像選擇按鈕5011、目標 區域選擇按鈕5012、執行按鈕5013、和圖像顯示部502構成。首先，最初當用戶按下對象圖 像選擇按鈕5011，且通過所保存的對象圖像的文件夾選擇而選擇了對象圖像時，在圖像顯 示部502中顯示出對象圖像。其次，經由目標區域選擇按鈕5012來輸入目標區域。最后， 當按下執行按鈕5013時，執行S302以后的處理，在圖像顯示部502中顯示出目標區域的提 取結果（S306)。在本實施例中示出針對顯示于圖像顯示部502的圖像，通過目標區域選擇 按鈕5012將HCC(Hepatocellular Carcinoma:肝細胞癌）作為目標區域來指定的樣態。 [0044] 在S302中，區域提取部為了進行目標區域的提取，從算法剖析管理數據庫104之 中獲取應用算法和參數。在圖4的第1階段中，用順序圖表現了 S302中的系統構成要素 間的消息交互的樣態。在此，在圖6中示出算法剖析管理數據庫104的例子。在本實施例 中示出在算法剖析管理數據庫104中有兩個表格（算法剖析管理表格601、參數模式表格 602)的樣態。在算法剖析管理表格中，描述了用于提取生物體組織的算法、其參數模式的 ID。此外，在參數模式表格中，描述了與參數模式的ID對應的具體參數。另外，在參數模式 表格中，表示不使用相應參數的情形，"？ "表示是未知數的情形。在本實施例中可知， 如果將第1個參數模式和水平集（Level Set)應用于動脈相的圖像，則能夠同時地提取肝 臟內血管、門靜脈和HCC。此外可知，為了單獨地提取HCC，只要將第2個參數模式和水平集 應用于對象圖像即可。如圖5所示，在HCC為目標區域的情況下，在S302中獲取第2個參 數模式和水平集。
[0045] 算法剖析管理數據庫104可以由用戶來進行編輯。在圖7中示出使算法剖析管理 數據庫104的內容顯示于顯示部102的畫面例。圖7所示的畫面由編輯表格選擇區塊701、 編輯表格提示部702、編輯更新按鈕703、和編輯取消按鈕704構成。首先，最初當用戶經由 編輯表格選擇區塊701而選擇了要編輯的表格時，在編輯表格提示部702中顯示出對象表 格。在本實施例中示出通過編輯表格選擇區塊701選擇了算法剖析管理表格104并將內容 顯示于編輯表格提示部702的樣態。在此，雖然選擇了算法剖析管理表格104,但是也可實 現后述的亮度分布管理數據庫106的選擇和編輯。其次，當經由輸入部101而結束了編輯 時，在更新編輯內容的情況下按下編輯更新按鈕703,在取消編輯內容的情況下按下編輯取 消按鈕704。這樣一來，因為能夠編輯表格，所以可以應對與參數、算法相關的新的知識。由 此，具有可提取新的生物體組織、且提取精度得以提高等的效果。
[0046] 在S303中，區域提取部判別在從算法剖析管理數據庫104獲取到的參數中是否有 未知數，當有未知數的情況下轉變至S304,當無未知數的情況下轉變至S305。在本實施例 中，如圖5所示那樣當目標區域只有HCC的情況下，由于如圖6所示那樣在參數（亮度最大 值、亮度最小值）中有未知數，因此轉變至S304。此外，當目標區域為肝臟的情況下，由于如 圖6所示那樣參數模式變為4而無未知數，因此轉變至S305。
[0047] 在S304中，區域提取部將目標區域和對象圖像作為輸入，從亮度分布解析部之中 獲取未知數參數的亮度分布，并獲取未知數參數的值。在圖4的第2階段中，用順序圖表現 了 S304中的系統構成要素間的消息交互的樣態。S304的輸入值與由S301獲取到的目標區 域和對象圖像相同。S304的詳情將使用圖8等而在后面敘述。
[0048] 在S305中，區域提取部將由S302和S304獲取到的應用算法和參數應用于對象圖 像來提取目標區域。其中，根據S303的判別結果，也有時不由S304獲取參數。在本實施例 中，如圖5所示那樣當目標區域只有HCC的情況下，通過將圖6的參數模式表格所示的第3 個參數模式和由S304獲取到的參數值應用于水平集，應用于對象圖像，由此來提取HCC的 區域。
[0049] 在此，針對亮度分布解析部的處理（S304)的基本見解進行敘述。在提取區域之 際，大多情況下關心區域的亮度值分布是未知的。例如，在HCC的造影CT檢查中，在急速靜 脈注射后30秒左右拍攝造影劑的動脈相中，造影劑進入到對象組織中而成為高吸收，對象 組織的圖像對比度變得清晰。但是，由于造影劑的擴散快、拍攝定時不同的情況也很多，因 此未必能保障關心區域的亮度值分布變得相同。因而，在現有技術中，提取用戶不想要的區 域，從而成為偽陽性增加、使提取精度惡化的原因。故此，在本發明中，取代使用造影劑的每 個生物體組織的擴散中的類似性來求出目標區域的亮度分布，而考慮預先提取亮度分布與 目標區域類似、且提取容易的生物體組織，從類似部位的提取結果之中能推測目標區域的 亮度分布的方法。在本實施例中所使用的HCC的情況下，如至今為止所敘述的那樣，在提取 HCC之前掌握準確的亮度值分布是較為困難的。但是，由于在動脈相中肝臟內血管、門靜脈 和HCC的造影劑的擴散特性相同，因此如果提取它們的生物體組織較為容易，則可以預先 提取它們的生物體組織。根據這樣提取出的結果，來推測作為目標區域的HCC的亮度分布， 決定亮度最大值、亮度最小值。
[0050] 其次，針對亮度分布解析部的詳細處理（S304)，使用圖8、圖9、圖10來敘述，在圖 8中示出表示了亮度分布解析部的詳情的流程圖。此外，在圖9中示出與由圖8所表示的流 程圖的一部分（S3041、S3042、S3043)相關的順序圖。
[0051] 在S3041中，亮度分布解析部將目標區域作為輸入，從亮度分布管理數據庫106之 中搜索與目標區域的亮度分布類似的區域（類似部位）。在圖9的第1階段中，用順序圖 表現S3041中的系統構成要素間的消息交互的樣態。在亮度分布管理數據庫106中管理亮 度分布相類似的區域。在此，在圖10中示出亮度分布管理數據庫106的例子。在本實施例 中示出按照動脈相、延遲相等的每個相位來管理亮度分布相類似的區域，在動脈相中肝臟 內血管、門靜脈、HCC、腎臟具有相類似的亮度分布這樣的樣態。另外，由于有時亮度值因裝 置制造商而不同，因此也可以在亮度分布管理數據庫106的字段中追加"裝置制造商"。在 此，關于圖5所示的HCC提取中的S3041的處理內容，敘述具體例。在本例中，當以從動脈 相的圖像之中提取HCC的情形作為輸入并進行了受理時，從圖10所示的亮度分布管理表格 106之中提取肝臟內血管、門靜脈、HCC、腎臟的4生物體組織作為HCC的類似部位。在此， 在S3041中雖然輸入僅為目標區域，但是在如圖10所示的亮度分布管理表格那樣按照相位 來管理亮度分布的類似性的情況下，作為S3041的輸入也包含相位。其中，相位不一定為必 需的輸入項目。
[0052] 在S3042中，亮度分布解析部從算法剖析管理數據庫104之中獲取用于提取類似 部位的全部或者一部分的應用算法和參數的組。在進行獲取之際，由于實現容易的提取，因 此獲取參數中不包含未知數的組。在圖9的第2階段中，用順序圖表現S3042中的系統構 成要素間的消息交互的樣態。在本實施例中，從圖6所示的算法剖析管理數據庫104之中 獲取用于對由S3041作為類似部位提取出的肝臟內血管、門靜脈、HCC、腎臟進行提取的應 用算法和參數。在本例中，如果將第1個參數和水平集應用于對象圖像，則可以提取作為類 似部位的一部分的肝臟內血管、門靜脈、HCC。在此，在S3042中獲取第1個參數模式和水平 集。
[0053] 在S3043中，亮度分布解析部將由S3042獲取到的應用算法和參數應用于對象圖 像，提取類似部位，獲取其亮度分布。在圖9的第3階段中，用順序圖表現S3043中的系統 構成要素間的消息交互的樣態。在本實施例中，通過將由S3042獲取到的第1個參數和水 平集應用于對象圖像，由此來提取作為類似部位的肝臟內血管、門靜脈和HCC，獲取其亮度 分布。
[0054] 在S3044中，亮度分布解析部根據由S3043獲取到的亮度分布來計算圖像特征量， 作為未知數參數的值。作為根據亮度分布來計算圖像特征量的方法，有根據亮度分布的最 大值和最小值求出的方法、根據平均值/中央值/亮度值的最頻值/方差值求出的方法等。 例如在本實施例中，在由S3043獲取到的肝臟內血管、門靜脈、HCC的亮度分布中求出像素 數成為最頻值的亮度值（以下稱作最頻值）和方差值，將亮度值的最頻值+方差值作為亮 度最大值，將亮度值的最頻值作為亮度最小值。
[0055] 通過基于這種圖像數據的解析處理的區域提取處理系統，使用亮度值類似、且提 取容易的區域中的亮度值分布，從而可以更高精度地估計關心區域的亮度值分布，由此可 以克服區域提取中的偽陽性的問題。由此，區域提取容易，可以實現更準確的區域提取。即， 可以削減醫生進行腫瘤診斷的勞動。
[0056] 實施例2
[0057] 圖11是本發明中的區域提取處理系統的第2構成圖。尤其是，以與電子病歷系統 等其他信息系統聯合來獲取目標區域的情形為目的，在圖1所示的構成圖中新追加信息系 統聯合部108,并變更了區域提取部103的處理方法。在本實施例中，雖然與電子病歷系統 聯合，但是也可以與放射線信息系統等管理目標區域的系統聯合。信息系統聯合部108在 圖2所示的中央處理裝置2013、存儲器2012等中，通過規定的程序的展開?啟動，從而能夠 實現各種處理。此外，在圖11中，電子病歷系統至少具備電子病歷數據庫109,電子病歷數 據庫109由HDD (Hard Disk Drive :硬盤驅動器）裝置所代表的外部存儲裝置等構成。
[0058] 在圖12中示出實現本實施例所示的系統的流程圖。與圖3所示的流程圖的不同 之處在于，在圖3中經由輸入部獲取了目標區域（S301)，而在圖12中經由信息系統聯合部 進行了獲取（S307和S308)。因而，關于本處理來詳細進行敘述。
[0059] 在S307中，為了進行區域提取處理，經由輸入部101僅獲取對象圖像。其次，在 S308中，區域提取部103經由信息系統聯合部108而從位于電子病歷系統等的信息系統中 的數據庫之中獲取提取對象的目標區域。在圖13中示出電子病歷數據庫109的例子。在 本實施例中示出在電子病歷數據庫109中保持電子病歷系統中的指令（order)信息并具有 指令管理表格的樣態。在本例中，指令ID001的指令示出：在2011/07/1，在A田B男患者 P001的肝臟，疑似HCC，并委托拍攝的樣態。在圖14中示出與S307和S308關聯的、顯示在 顯示部102中的畫面例。與圖5的不同之處在于，無目標區域選擇按鈕5012。
[0060] 其次，使用圖13和圖14,采用具體例來說明圖12所示的處理的流程。在本實施例 中，首先，最初當由用戶按下圖14所示的對象圖像選擇按鈕5011，且通過所保存的對象圖 像的文件夾選擇而選擇了對象圖像時，獲取患者名、指令ID、拍攝日、相位，并且在圖像顯示 部502中顯示出對象圖像（S307)。其次，當由用戶按下執行按鈕5013時，區域提取部103從 圖13所示的指令管理表格的疑似病名之中獲取目標區域作為HCC(S308)。然后，在將作為 目標區域獲取到的HCC顯示于圖14所示的畫面的同時，進行區域提取處理（S302?S305)， 顯示最終結果（S306)。
[0061] 通過基于這種圖像數據的解析處理的區域提取處理系統，不經由用戶便能將成為 關心區域的部位名作為目標區域來獲取。由此，可以進一步減輕用戶的負擔。
[0062] 實施例3
[0063] 圖15是表示了本發明中的亮度分布解析部105的詳細處理（S304)的第2流程 圖。與圖8所示的流程圖比較時，為了應對從算法剖析管理數據庫104獲取的算法和參數 的選擇項有多個的情況，S3043的處理變更為S3045。因此，使用圖16所示的算法剖析管理 數據庫104的具體例來說明以S3045為中心的處理的流程。首先，在S3042中，當目標區域 為HCC的情況下，從圖16所示的算法剖析管理數據庫104之中獲取用于對肝臟內血管、門 靜脈、HCC進行提取的應用算法和參數模式的組、以及用于對肝臟內血管、門靜脈進行提取 的應用算法和參數模式的組。
[0064] 其次，在S3045中，當由S3042獲取到的應用算法和參數的組有多個的情況下，將 偽陽性率最低的應用算法和參數的組應用于圖像。由此，提取類似部位，獲取其亮度分布。 其原因在于，通過考慮偽陽性的發生率，以提高精度，能夠獲取目標區域的更準確的亮度分 布。在本實施例中，當使用用來提取肝臟內血管、門靜脈的應用算法和參數模式時，偽陽性 率最小。因而，通過將第5個參數和水平集應用于對象圖像，由此來提取作為類似部位的肝 臟內血管和門靜脈，獲取其亮度分布。
[0065] 最后，在S3044中，根據由S3045獲取到的亮度分布來計算圖像特征量，作為未知 數參數的值。例如在本實施例中，作為圖像特征量，計算由S3045獲取到的肝臟內血管、門 靜脈的亮度分布的最頻值、以及具有以最頻值_a和最頻值+a為端點的封閉空間內的亮度 值的像素數超過預先設定的閾值的正的整數之中的最小的值a。未知數參數的亮度最大值 作為最頻值+a來決定，亮度最小值作為最頻值_a來決定。
[0066] 通過基于這種圖像數據的解析處理的區域提取處理系統，可以考慮偽陽性發生 率，故能夠估計更準確的亮度分布，目標區域的提取精度得以提高。
[0067] 實施例4
[0068] 圖17是本發明中的區域提取處理系統的構成圖。尤其是，以從遠距離編輯算法剖 析管理數據庫104的情形為目的，在圖1所示的構成圖中追加了通信線路部110。通信線 路部110在圖2所示的中央處理裝置2013、存儲器2012等中，通過規定的程序的展開?啟 動，從而能夠實現各種處理。在通信線路部110中，經由通信線路而向電子病歷、放射線信 息系統等其他信息系統發送在算法管理剖析數據庫104中保存的信息，并經由通信線路來 接收由其他信息系統編輯后的內容。在圖18中示出經由通信線路部110而在其他信息系 統的顯示部進行顯示的畫面例。與圖7的不同之處在于，為了與區域提取處理系統聯合而 新追加了連接目的地指定區塊705。首先，最初當用戶經由編輯表格選擇區塊701選擇要編 輯的表格，且對連接目的地指定區塊705指定聯合對象的區域提取處理系統的IP地址等的 場所時，經由通信線路部110而在編輯表格提示部702中顯示對象表格。其次，當結束編輯 時，在更新編輯內容的情況下按下編輯更新按鈕703,在取消編輯內容的情況下按下編輯取 消按鈕704。由此，經由通信線路部110來更新算法剖析管理數據庫104。
[0069] 通過基于這種圖像數據的解析處理的區域提取處理系統，可以遠距離編輯算法剖 析管理數據庫104,因此在發現了可提取新的生物體組織的算法、參數的情況下，可以迅速 地反映給區域提取處理系統。此外，通過遠距離編輯，從而無需前往設置區域提取處理系統 的現場便能實現遠程維護。
[0070] 產業上的可利用性
[0071] 本發明涉及醫用圖像數據的解析處理系統，尤其作為用于支持準確的區域提取的 圖像數據的解析處理技術是有用的。
[0072] 符號說明
[0073] 101 輸入部
[0074] 102 顯示部
[0075] 103 區域提取部
[0076] 104 算法剖析管理數據庫
[0077] 105 亮度分布解析部
[0078] 106 亮度分布管理數據庫
[0079] 107 區域提取前處理部
[0080] 108 信息系統聯合部
[0081] 109 電子病歷數據庫
[0082] 110 通信線路部
[0083] 2010 鍵盤
[0084] 2011液晶顯示器
[0085] 2012 存儲器
[0086] 2013中央處理裝置
[0087] 2014外部存儲裝置
[0088] 501 條件設定部
[0089] 5011對象圖像選擇按鈕
[0090] 5012目標區域選擇按鈕
[0091] 5013執行按鈕
[0092] 502 圖像顯示部
[0093] 701 編輯表格選擇區塊
[0094] 702 編輯表格提示部
[0095] 703 編輯更新按鈕
[0096] 704 編輯取消按鈕
[0097] 705 連接目的地指定區塊
【權利要求】
1. 一種區域提取處理系統，從圖像之中提取目標區域，其特征在于， 所述區域提取處理系統具備： 輸入部，受理所述目標區域和對象圖像的輸入； 算法管理剖析數據庫，保存用于提取所述目標區域的最佳的算法和包含未知數的參 數； 區域提取部，將所述目標區域和所述對象圖像作為輸入，獲取在所述算法管理剖析數 據庫中保存的所述算法和所述參數，將所獲取到的所述算法和所述參數應用于所述對象圖 像，由此來執行所述目標區域的區域提取處理； 亮度分布解析部，將所述目標區域和所述對象圖像作為輸入，計算所述目標區域的亮 度分布，從而輸出未知數參數； 亮度分布管理數據庫，保存生物體組織的亮度分布的類似性； 區域提取前處理部，將所述對象圖像和在所述算法管理剖析數據庫中保存的所述算法 以及所述參數作為輸入，進行用于求出未知數參數的前處理；和 顯示部，顯示提取結果， 在所述區域提取部中，在所輸入的所述參數中包含未知數的情況下，從所述亮度分布 解析部中獲取該參數的最佳值。
2. 根據權利要求1所述的區域提取處理系統，其特征在于， 還具有：信息系統聯合部，從電子病歷數據庫或者放射線信息系統數據庫之中獲取所 述目標區域。
3. 根據權利要求1所述的區域提取處理系統，其特征在于， 在所述亮度分布解析部中， 根據由所述亮度分布管理數據庫所保存的類似性，搜索具有與所述目標區域的亮度分 布類似的亮度分布的區域作為類似部位， 從所述算法管理剖析數據庫之中，獲取用于提取所述類似部位的全部或者其一部分的 區域的所述算法和所述參數， 作為用于求出所述未知數參數的前處理，在區域提取前處理部中，使用所獲取到的所 述算法和所述參數來提取類似部位的區域，使用根據區域提取結果計算出的亮度分布來計 算圖像特征量， 根據所述圖像特征量來決定未知數參數的值。
4. 根據權利要求3所述的區域提取處理系統，其特征在于， 在所述算法管理剖析數據庫中，按照算法和參數的每組，保存作為偽陽性發生的概率 的偽陽性率， 在所述亮度分布解析部中，當與所述目標區域的亮度分布類似的類似部位存在多個的 情況下，使用所述算法管理剖析數據庫的數據，從所述算法管理剖析數據庫之中僅獲取偽 陽性率最小的所述算法和所述參數。
5. 根據權利要求3所述的區域提取處理系統，其特征在于， 由所述區域提取部獲取的未知數的參數是目標區域的亮度最大值和亮度最小值， 在所述亮度分布解析部中， 在區域提取前處理部中為了決定未知數參數而使用的所述圖像特征量，是在由所述區 域提取前處理部計算出的亮度分布中像素數成為最頻值的亮度值、和具有以最頻值-a和 最頻值+a為端點的封閉空間內的亮度值的像素數超過預先設定的閾值的正的整數的最小 值a。
6. 根據權利要求1或2所述的區域提取處理系統，其特征在于， 在所述顯示部中，顯示在算法管理剖析數據庫中保存的數據， 在所述輸入部中，受理在所述顯示部中顯示的所述算法管理剖析數據庫的編輯內容。
7. 根據權利要求1或2所述的區域提取處理系統，其特征在于， 還具有：通信線路部，經由通信線路向其他信息系統發送在所述算法管理剖析數據庫 中保存的信息，并經由通信線路來接收由其他信息系統編輯后的算法管理剖析數據庫的編 輯內容。
【文檔編號】A61B6/03GK104105441SQ201280069350
【公開日】2014年10月15日 申請日期:2012年12月21日 優先權日:2012年2月13日
【發明者】由井俊太郎, 松崎和喜, 宮越純一 申請人:株式會社日立制作所