一种内窥镜图像诊断辅助系统(100)具备:存储装置(10),其保存预先分类成各病理类型的学习用图像群;以及处理装置(20),其接收内窥镜图像,并进行该图像中的识别对象区域的图像与学习用图像群之间的特征量匹配,来识别该识别对象区域中的各病理类型。处理装置(20)进行识别对象区域以及识别对象区域的各个细化区域的图像与学习用图像群之间的特征量匹配,来计算识别对象区域以及各个细化区域中的各病理类型的识别概率,处理装置(20)将识别对象区域以及各个细化区域中的各病理类型的识别概率的平均值作为识别对象区域以及各个细化区域的分层重叠区域中的各病理类型的识别概率来计算。
【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种对内窥镜图像中的识别对象区域的病理类型进行识别的内窥镜图像诊断辅助系统,特别涉及一种提高识别精度的技术。
技术介绍
随着内窥镜技术的进步,近年来开发出了多种图像诊断设备。目前,在利用放大内窥镜诊查的图像增强内窥镜(Image Enhanced Endoscopy,IEE)领域中,提出了NBI(Narrow Band Imaging,窄带成像)、BLI(Blue Laser Imaging,蓝激光成像)放大内窥镜图像等的数字光学成像法(optical digital method)、数字成像法(digital method),它们作为对肿瘤的筛选、质变诊断方法在临床上的意义逐渐地明朗。很多医生曾实施过消化道内窥镜检查,但是有时对此的诊断会受到观察者的感性、经验的影响。于是,就需要一种对症状进行定量性评价以作为“二次诊断(second opinion)”来辅助医生的诊断的CAD(Computer-Aided Diagnosis,计算机辅助诊断)系统。迄今为止,本申请专利技术人开发了下述方法,该方法是根据大肠的放大内窥镜图像而对与病理组织诊断之间具有较强关联性的分光图像(NBI图像)进行解析,对适合于计算机诊断辅助CAD的诊断基准进行设定的方法,并且开发出了能够给出与病理组织诊断之间具有较强关联性的定量性数字的图像辨别系统(内窥镜图像诊断辅助系统)。该系统中通过使用被称为Bag-of-Features(BoF,特征袋)或者Bag-of-Keypoints(关键点袋)的方法,将从内窥镜图像中的识别对象区域(下面又称为扫描窗SW)的图像中提取出的局部特征量转换成视觉词(Visual Word,VW)的直方图,进行与预先分类成各病理类型的学习用图像群(表现为各个视觉词的直方图的特征量)之间的图像匹配(特征量匹配),
由此计算识别对象区域中的各病理类型的识别概率。进而,本申请专利技术人使根据上述系统中计算成本特别高的识别对象区域的图像进行的特征量提取处理和病理判断(识别)处理硬件化,从而能够实时且以高识别精度来处理图像质量在Full HD(1920×1080像素)以上的内窥镜图像(例如参照非专利文献1、2)。非专利文献1:T.Mishima,S.Shigemi,A.T.Hoang,T.Koide,T.Tamaki,B.Raytchev,K.Kaneda,Y.Kominami,R.Miyaki,T.Matsuo,S.Yoshida and S.Tanaka,\Development of feature extraction architecture for computer-aided diagnosis system for colorectal endoscopic images with nbi magnification,\The 15th IEEE Hiroshima Student Symposium(HISS),November 16-17 2013,p.B84-1-B84-4非专利文献2:S.Shigemi,T.Mishima,A.T.Hoang,T.Koide,T.Tamaki,B.Raytchev,K.Kaneda,Y.Kominami,R.Miyaki,T.Matsuo,S.Yoshida and S.Tanaka,\Development of type identification architecture for computer-aided diagnosis system for colorectal endoscopic images with nbi magnification,\The 15th IEEE Hiroshima Student Symposium(HISS),November 16-17 2013,p.B79-1-B79-4
技术实现思路
-专利技术要解决的技术问题-在现有的内窥镜图像诊断辅助系统中,在扫描窗(Scan Window,SW)(例如尺寸120×120像素的区域)中扫描了整个Full HD(全高清)内窥镜图像,然后判断出各扫描窗中的病理类型。但是,由于显现在内窥镜图像中的实际患部并非矩形的情况比较多,因此,多个病理类型混在一个扫描窗中的情况下多个病理类型的识别概率不相上下,从而很难判断该扫描窗中的病理类型。若为了解决该问题而减小扫描窗尺寸,则从一个扫描窗的图像中提取的特征量减少,因此这次会存在识别精度降低的可能性。此外,如果扫描窗尺寸减小,则整个Full HD(1920×1080像素)内窥镜图像的扫描量增加而导致处理速度降低,或者直到显示处理结果为止的时间(等待时间)增加,从而很难实时显示。本专利技术是鉴于所述问题而完成的。其目的在于:提高内窥镜图像诊断辅助
系统的识别精度,其中,该内窥镜图像诊断辅助系统识别内窥镜图像中的识别对象区域中的病理类型。-用以解决技术问题的技术方案-根据本专利技术一方面的内窥镜图像诊断辅助系统,具备:存储装置,所述存储装置保存预先分类成各病理类型的学习用图像群;以及处理装置,所述处理装置接收内窥镜图像,并进行该内窥镜图像中的识别对象区域的图像与所述学习用图像群之间的特征量匹配,来识别该识别对象区域中的各病理类型,所述处理装置进行所述识别对象区域的图像与所述学习用图像群之间的特征量匹配,来计算所述识别对象区域中的各病理类型的识别概率,在所述识别概率的最大值比阈值还小的情况下,所述处理装置细化所述识别对象区域来进行各个细化区域的图像与所述学习用图像群之间的特征量匹配,由此计算各个所述细化区域中的各病理类型的识别概率,所述处理装置将所述识别对象区域以及各个所述细化区域中的各病理类型的识别概率的平均值作为所述识别对象区域以及各个所述细化区域的分层重叠区域中的各病理类型的识别概率来计算。此外,根据本专利技术另一方面的内窥镜图像诊断辅助系统具备:存储装置,所述存储装置保存预先分类成各病理类型的学习用图像群;以及处理装置,所述处理装置接收内窥镜图像,并进行该内窥镜图像中的识别对象区域的图像与所述学习用图像群之间的特征量匹配,来识别该识别对象区域中的各病理类型,所述处理装置进行所述识别对象区域以及所述识别对象区域的各个细化区域的图像与所述学习用图像群之间的特征量匹配,来计算所述识别对象区域以及各个所述细化区域中的各病理类型的识别概率,所述处理装置将所述识别对象区域以及各个所述细化区域中的各病理类型的识别概率的平均值作为所述识别对象区域以及各个所述细化区域的分层重叠区域中的各病理类型的识别概率来计算。根据上述方式,在内窥镜图像中分层重叠的多种尺寸的区域中计算各病理类型的识别概率,然后求这些识别概率的平均值,由此能够识别形状复杂的患部的病理类型。也可以为:所述处理装置用于根据不同尺寸的区域的识别精度来对所述识别对象区域以及各个所述细化区域中的各病理类型的识别概率进行加权处理,从而计算所述平均值。根据上述方式,能够进一步提高识别精度。也可以为:根据所述识别对象区域以及各个所述细化区域的图像而得到的特征量是用基于特征袋法的视觉词的直方图来表现的,所述处理装置用于将如下所述的直方图相加来计算表示根据上位层次区域的图像而得到的特征本文档来自技高网...
【技术保护点】
一种内窥镜图像诊断辅助系统,其特征在于:具备:存储装置,所述存储装置保存预先分类成各病理类型的学习用图像群;以及处理装置,所述处理装置接收内窥镜图像,并进行该内窥镜图像中的识别对象区域的图像与所述学习用图像群之间的特征量匹配,来识别该识别对象区域中的各病理类型,所述处理装置进行所述识别对象区域的图像与所述学习用图像群之间的特征量匹配,来计算所述识别对象区域中的各病理类型的识别概率,在所述识别概率的最大值比阈值还小的情况下,所述处理装置细化所述识别对象区域来进行各个细化区域的图像与所述学习用图像群之间的特征量匹配,由此计算各个所述细化区域中的各病理类型的识别概率,所述处理装置将所述识别对象区域以及各个所述细化区域中的各病理类型的识别概率的平均值作为所述识别对象区域以及各个所述细化区域的分层重叠区域中的各病理类型的识别概率来计算。
【技术特征摘要】
【国外来华专利技术】2014.02.07 JP 2014-0224251.一种内窥镜图像诊断辅助系统,其特征在于:具备:存储装置,所述存储装置保存预先分类成各病理类型的学习用图像群;以及处理装置,所述处理装置接收内窥镜图像,并进行该内窥镜图像中的识别对象区域的图像与所述学习用图像群之间的特征量匹配,来识别该识别对象区域中的各病理类型,所述处理装置进行所述识别对象区域的图像与所述学习用图像群之间的特征量匹配,来计算所述识别对象区域中的各病理类型的识别概率,在所述识别概率的最大值比阈值还小的情况下,所述处理装置细化所述识别对象区域来进行各个细化区域的图像与所述学习用图像群之间的特征量匹配,由此计算各个所述细化区域中的各病理类型的识别概率,所述处理装置将所述识别对象区域以及各个所述细化区域中的各病理类型的识别概率的平均值作为所述识别对象区域以及各个所述细化区域的分层重叠区域中的各病理类型的识别概率来计算。2.一种内窥镜图像诊断辅助系统,其特征在于:具备:存储装置,所述存储装置保存预先分类成各病理类型的学习用图像群;以及处理装置,所述处理装置接收内窥镜图像,并进行该内窥镜图像中的识别对象区域的图像与所述学习用图像群之间的特征量匹配,来识别该识别对象区域中的各病理类型,所述处理装置进行所述识别对象区域以及所述识别对象区域的各个细化区域的图像与所述学习用图像群之间的特征量匹配,来计算所述识别对象区域以及各个所述细化区域中的各病理类型的识别概率,所述处理装置将所述识别对象区域以及各个所述细化区域中的各病理类型的识别概率的平均值作为所述识别对象区域以及各个所述细化区域的分层重叠区域中的各病理类型的识别概率
\t来计算。3.根据...
【专利技术属性】
技术研发人员:小出哲士,黄英俊,吉田成人,三岛翼,重见悟,玉木徹,平川翼,宫木理惠,杉幸树,
申请(专利权)人:国立大学法人广岛大学,
类型:发明
国别省市:日本;JP
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。