专利名称：医疗用图像处理装置和医疗用图像处理方法
技术领域：
本发明涉及医疗用图像处理装置和医疗用图像处理方法，特别是涉 及可检测具有局部隆起形状的病变的医疗用图像处理装置和医疗用图像 处理方法。
背景技术：
以往，在医疗领域中，广泛进行使用X射线诊断装置、CT、 MRI、 超声波观测装置以及内窥镜装置等的图像拍摄设备的观察。这种图像拍 摄设备中的内窥镜装置例如具有可插入到体腔内的插入部，并具有这样 的作用和结构使用固体摄像元件等摄像单元对通过配置在该插入部的
前端部上的物镜光学系统所成像的体腔内的像进行拍摄并作为摄像信号 来输出，根据该摄像信号在监视器等显示单元上显示体腔内的像的图像。 然后，用户根据显示在监视器等显示单元上的体腔内的像的图像，进行 例如体腔内的内脏等的观察。
内窥镜装置可直接拍摄消化道粘膜的像。因此，用户可综合地观察 例如粘膜色调、病变形状以及粘膜表面的细微结构等。并且，在近年来， 提出了一种可根据与所拍摄的体腔内的像对应的二维图像的数据来估计 该体腔内的像的三维模型的内窥镜装置。
而且，在内窥镜装置中，作为可检测存在具有局部隆起形状的病变
的规定图像的图像处理方法，通过使用例如日本特开2005 — 192880号公 报所记载的图像处理方法，还能检测包含有息肉等病变部位的图像。
日本特开2005 — 192880号公报所记载的图像处理方法可提取所输 入的图像具有的轮廓，并可根据该轮廓的形状，检测该图像中的具有局 部隆起形状的病变。
通常，多数情况是，例如在一个图像的较亮部分中，在检测具有局部隆起形状的病变时有用的数据以密集的状态存在，并且，在该一个图 像的较暗部中，在检测该病变时有用的数据以稀疏的状态存在。并且， 以下情况也较多，例如在一个图像中，在检测具有局部隆起形状的病变 时有用的数据的疏密状态以该一个图像内存在的各边缘作为边界发生变 化。
特别是，在三维模型中检测具有局部隆起形状的病变的情况下，为 了防止该病变的误检测和漏检测，优选的是，根据由于在估计该三维模 型时使用的二维图像的明暗或边缘的有无等而产生的数据的疏密状态，
适当设定病变检测基准。然而，在日本特开2005 — 192880号公报的图像 处理方法中，未提出有关使所述病变检测基准根据数据的疏密状态而适 当变化的方案。其结果是，在使用了日本特开2005 — 192880号公报的图 像处理方法的情况下，产生三维模型中的具有局部隆起形状的病变的检 测精度下降的问题。
发明内容
鉴于上述情况，本发明的目的是提供一种与以往相比能提高三维模 型中的具有局部隆起形状的病变的检测精度的医疗用图像处理装置和医 疗用图像处理方法。
本发明的第一方式的医疗用图像处理装置，其特征在于，该医疗用 图像处理装置具有三维模型估计部，其根据从医疗用摄像装置输入的 被摄体的像的二维图像，估计该被摄体的三维模型；图像分割部，其将 所述二维图像分割成由至少一个以上的像素构成的多个区域；特征量计 算部，其在所述多个区域各方中计算与一个区域具有的各像素的浓淡对 应的特征量；以及病变检测基准设定部，其根据与所述浓淡对应的特征 量设定病变检测基准，该病变检测基准用于在与所述多个区域各方相对 应的所述三维模型的区域中检测具有局部隆起形状的病变。
本发明的第二方式的医疗用图像处理装置，其特征在于，该医疗用 图像处理装置具有三维模型估计部，其根据从医疗用摄像装置输入的 被摄体的像的二维图像，估计该被摄体的三维模型；图像信息提取部，其提取与所述二维图像具有的各像素的浓淡对应的图像信息；图像分割 部，其根据与所述各像素的浓淡对应的特征量，将所述二维图像分割成
多个区域；以及病变检测基准设定部，其设定病变检测基准，该病变检
测基准用于在与由所述图像分割部所分割的所述多个区域各方相对应的 所述三维模型的区域中检测具有局部隆起形状的病变。
本发明的第三方式的医疗用图像处理装置，其特征在于，该医疗用
图像处理装置具有三维模型估计部，其根据从医疗用摄像装置输入的 被摄体的像的二维图像，估计该被摄体的三维模型；图像分割部，其将 所述二维图像分割成由至少一个以上的像素构成的多个区域；图像位置 检测部，其检测所述多个区域各方在所述二维图像上存在的位置与所述 二维图像上的规定位置之间的位置关系；以及病变检测基准设定部，其 根据由所述图像位置检测部所检测的所述位置关系设定病变检测基准， 该病变检测基准用于在与所述多个区域各方相对应的所述三维模型的区 域中检测具有局部隆起形状的病变。
本发明的第一方式的医疗用图像处理方法，其特征在于，该医疗用 图像处理方法具有三维模型估计步骤，其根据从医疗用摄像装置输入 的被摄体的像的二维图像，估计该被摄体的三维模型；图像分割步骤， 其将所述二维图像分割成由至少一个以上的像素构成的多个区域；特征 量计算步骤，其在所述多个区域各方中计算与一个区域具有的各像素的 浓淡对应的特征量；以及病变检测基准设定步骤，其根据与所述浓淡对 应的特征量设定病变检测基准，该病变检测基准用于在与所述多个区域 各方相对应的所述三维模型的区域中检测具有局部隆起形状的病变。
本发明的第二方式的医疗用图像处理方法，其特征在于，该医疗用 图像处理方法具有三维模型估计步骤，其根据从医疗用摄像装置输入 的被摄体的像的二维图像，估计该被摄体的三维模型；图像信息提取步 骤，其提取与所述二维图像具有的各像素的浓淡对应的图像信息；图像 分割步骤，其根据与所述各像素的浓淡对应的特征量，将所述二维图像 分割成多个区域；以及病变检测基准设定步骤，其设定病变检测基准， 该病变检测基准用于在与通过所述图像分割步骤分割的所述多个区域各
16方相对应的所述三维模型的区域中检测具有局部隆起形状的病变。
本发明的第三方式的医疗用图像处理方法，其特征在于，该医疗用 图像处理方法具有三维模型估计步骤，其根据从医疗用摄像装置输入 的被摄体的像的二维图像，估计该被摄体的三维模型；图像分割步骤， 其将所述二维图像分割成由至少一个以上的像素构成的多个区域；图像 位置检测步骤，其检测所述多个区域各方在所述二维图像上存在的位置 与所述二维图像上的规定位置之间的位置关系；以及病变检测基准设定
步骤，其根据由所述图像位置检测步骤所检测的所述位置关系设定病变 检测基准，该病变检测基准用于在与所述多个区域各方相对应的所述三 维模型的区域中检测具有局部隆起形状的病变。
图1是示出使用了本发明实施方式所涉及的医疗用图像处理装置的 内窥镜系统的整体结构的一例的图。
图2是示出由图1的内窥镜系统所拍摄的被摄体的像的二维图像的 一例的图。
图3是示出图1的医疗用图像处理装置在第一实施方式中进行的处 理步骤的流程图。
图4是作为图3中的病变检测基准设定处理而示出在第一实施方式 中进行的处理的一例的流程图。
图5是示出图2所示的二维图像被分割成多个区域的情况下的处理 结果的一例的图。
图6是示出针对由图1的医疗用图像处理装置所估计的三维模型应 用了通过图4的各处理所设定的病变检测基准的状态的一例的图。
图7是示出针对由图1的医疗用图像处理装置所估计的三维模型应 用了通过图4的各处理所设定的病变检测基准的状态的与图6不同的例 子的图。
图8是作为图3中的病变检测基准设定处理而示出在第二实施方式 中进行的处理的一例的流程图。图9是示出图8中的二维图像分割处理的一例的流程图。 图10是示出在图9的处理中使用的二维图像的一例的图。
图11是示出通过图9的处理所检测的边缘的一例的图。
图12是示出通过图9的处理所检测的边缘的与图11不同的例子的图。
图13是示出根据图12的边缘延伸了图11的各边缘的状态的图。 图14是示出在通过图9的处理对图10的二维图像进行了区域分割 的情况下的处理结果的图。
图15是示出图8中的二维图像分割处理的与图9不同的例子的流程图。
图16是示出通过图15的处理所检测的边缘的一例的图。
图17是示出通过图15的处理对图10的二维图像的一部分进行了区 域分割的状态的一例的图。
图18是示出通过图15的处理对图10的二维图像的一部分进行了区 域分割的状态的与图17不同的例子的图。
图19是示出在通过图15的处理对图IO的二维图像进行了区域分割 的情况下的处理结果的图。
图20是示出图8中的二维图像分割处理的与图9及图15不同的例 子的流程图。
图21是示出在通过图20的处理使图16所示的各边缘的线宽度变粗 的情况下的处理结果的一例的图。
图22是示出在通过图20的处理对图10的二维图像进行了区域分割 的情况下的处理结果的图。
图23是示出图1的医疗用图像处理装置在第三实施方式中进行的处 理的步骤的流程图。
图24是作为图23中的病变检测基准设定处理而示出在第三实施方 式中进行的处理的一例的流程图。
图25是示出在图24的处理中计算出的距离LH与权重系数(o之间 的相关关系的图。图26是作为图23中的病变检测基准设定处理而示出在第三实施方
式中进行的处理的与图24不同的例子的流程图。
图27是示出通过图26的处理而检测为二维图像的边缘部的区域的图。
具体实施例方式
以下，参照
本发明的实施方式。 (第一实施方式)
图1至图7涉及本发明的第一实施方式。图1是示出使用了本发明 实施方式所涉及的医疗用图像处理装置的内窥镜系统的整体结构的一例 的图。图2是示出由图1的内窥镜系统所拍摄的被摄体的像的二维图像 的一例的图。图3是示出图1的医疗用图像处理装置在第一实施方式中 进行的处理的步骤的流程图。图4是作为图3中的病变检测基准设定处 理而示出在第一实施方式中进行的处理的一例的流程图。图5是示出在 图2所示的二维图像被分割成多个区域的情况下的处理结果的一例的图。 图6是示出针对由图1的医疗用图像处理装置所估计的三维模型应用了 通过图4的各处理所设定的病变检测基准的状态的一例的图。图7是示 出针对由图1的医疗用图像处理装置所估计的三维模型应用了通过图4 的各处理所设定的病变检测基准的状态的与图6不同的例子的图。
如图1所示，内窥镜系统1的主要部分构成为具有医疗用观察装 置2，其拍摄被摄体，并输出该被摄体的像的二维图像；医疗用图像处理 装置3，其由个人计算机等构成，对从医疗用观察装置2输出的二维图像 的影像信号进行图像处理，并将进行了该图像处理后的影像信号作为图 像信号来输出；以及监视器4，其显示基于从医疗用图像处理装置3输出 的图像信号的图像。
并且，医疗用观察装置2主要部分构成为具有内窥镜6，其被插 入到被检体的体腔内，并拍摄存在于该体腔内的活体组织等被摄体，作 为摄像信号来输出；光源装置7，其提供用于对由内窥镜6拍摄的被摄体 进行照明的照明光；相机控制单元(以下简记为CCU) 8，其对内窥镜6进行各种控制，并对从内窥镜6输出的摄像信号进行信号处理，作为二
维图像的影像信号来输出；以及监视器9，其根据从CCU 8输出的二维 图像的影像信号，对由内窥镜6所拍摄的被摄体的像进行图像显示。
内窥镜6构成为具有插入到体腔内的插入部ll，以及设在插入部 11的基端侧的操作部12。并且，在从插入部11内的基端侧到插入部11 内的前端侧的前端部14这部分上贯穿插入有用于传送从光源装置7提供 的照明光的导光装置(light guide) 13。
导光装置13的前端侧配置在内窥镜6的前端部14上，后端侧与光 源装置7连接。由于导光装置13具有这种结构，因而从光源装置7提供 的照明光通过导光装置13传送后，从设在插入部11的前端部14的前端 面上的未作图示的照明窗射出。然后，照明光从未作图示的照明窗射出， 从而对作为被摄体的活体组织等进行照明。
在内窥镜6的前端部14设有摄像部17，该摄像部17具有安装在 与未作图示的照明窗邻接的未作图示的观察窗上的物镜光学系统15，以 及配置在物镜光学系统15的成像位置上并由例如CCD (电荷耦合元件) 等构成的摄像元件16。根据这种结构，通过物镜光学系统15所成像的被 摄体的像在由摄像元件16拍摄后，作为摄像信号被输出。
摄像元件16通过信号线与CCU8连接。然后，摄像元件16根据从 CCU8输出的驱动信号进行驱动，并向CCU8输出与所拍摄的被摄体的 像对应的摄像信号。
并且，输入到CCU8的摄像信号通过在设于CCU8内部的未作图示 的信号处理电路中进行信号处理，被转换成二维图像的影像信号来输出。 从CCU 8输出的二维图像的影像信号被输出到监视器9和医疗用图像处 理装置3。由此，基于从CCU 8输出的影像信号的被摄体的像作为二维 图像显示在监视器9上。
医疗用图像处理装置3具有图像输入部21，其对从医疗用观察装 置2输出的二维图像的影像信号进行A/D转换再输出；作为中央运算处 理装置的CPU 22，其对从图像输入部21输出的影像信号进行图像处理； 处理程序存储部23，其被写入与该图像处理相关的处理程序；图像存储
20部24，其存储从图像输入部21输出的影像信号等；以及分析信息存储部 25，其存储由CPU22进行的图像处理中的运算结果等。
并且，医疗用图像处理装置3具有存储装置接口26;作为存储装 置的硬盘27，其通过存储装置接口 26存储作为CPU22的图像处理结果 的图像数据等；显示处理部28，其根据作为CPU 22的图像处理结果的 图像数据，进行用于在监视器4上对该图像数据进行图像显示的显示处 理，并将进行了该显示处理后的图像数据作为图像信号而输出；以及由 键盘等构成的输入操作部29，其可通过用户输入由CPU 22进行的图像 处理中的参数和针对医疗用图像处理装置3的操作指示。而且，监视器4 显示基于从显示处理部28输出的图像信号的图像。
另外，医疗用图像处理装置3的图像输入部21、 CPU 22、处理程序 存储部23、图像存储部24、分析信息存储部25、存储装置接口26、显 示处理部28以及输入操作部29通过数据总线30相互连接。
下面，对内窥镜系统l的作用进行说明。
首先，用户在接通了内窥镜系统1所具有的各部分的电源之后，将 内窥镜6的插入部11插入到被检体的体腔内。
然后，当通过用户将插入部ll插入到被检体的体腔内时，例如，存 在于该体腔内的活体组织等即被摄体的像由设在前端部14上的摄像部17 拍摄。然后，由摄像部17所拍摄的被摄体的像作为摄像信号被输出到 CCU 8。
CCU 8通过在未作图示的信号处理电路中对从摄像部17的摄像元件 16输出的摄像信号进行信号处理，将该摄像信号转换成二维图像的影像 信号再输出。然后，监视器9根据从CCU8输出的影像信号，将由摄像 部17所拍摄的被摄体的像显示成例如图2所示的二维图像。并且，CCU 8将通过对从摄像部17的摄像元件16输出的摄像信号进行信号处理而获 得的二维图像的影像信号输出到医疗用图像处理装置3。
输出到医疗用图像处理装置3的二维图像的影像信号在图像输入部 21中进行A/D转换后，被输入到CPU22。
然后，作为三维模型估计部的CPU 22使用例如从明暗恢复形状
21(Shape From Shading)法等，对从图像输入部21输出的二维图像实施 基于该二维图像的亮度信息等的几何变换等处理，从而估计与该二维图 像对应的三维模型(图3的步骤S1)。
然后，CPU 22通过检测从图像输入部21输出的二维图像的色调变 化、以及经过图3的步骤S1的处理所估计的三维模型的隆起性变化，作 为该三维模型中构成用于检测具有隆起形状的病变的处理适用对象的区 域而设定处理对象区域(图3的步骤S2)。具体地说，CPU22例如将从 图像输入部21输出的二维图像分离成R (红色)图像、G (绿色)图像 以及B (蓝色)图像的各平面图像之后，根据按照该R图像所估计的三 维模型的数据来检测隆起性变化，并根据该R图像和G图像的色度来检 测色调变化。然后，CPU22根据所述隆起性变化的检测结果和所述色调 变化的检测结果，将检测出所述隆起性变化和所述色调变化双方的区域 设定为所述处理对象区域。另外，以下为使说明简单，将通过图3的步 骤S2所示的处理并根据图2所示的二维图像所估计的三维模型全部区域 设定为所述处理对象区域。
之后，在三维模型中，作为用于设定在检测息肉等具有局部隆起形 状的病变时使用的病变检测基准的处理，CPU 22进行以下所述的病变检 测基准设定处理(图2的步骤S3)。
作为病变检测基准设定处理，作为图像分割部的CPU22首先将在三 维模型估计时使用的、例如图2所示的二维图像分割成图5所示的由至 少一个以上的像素构成的L个(2SL)区域Hi (1^i^L)(图4的步骤
511) 。
然后，作为特征量计算部的CPU22在设定了变量i二l (图4的步骤
512) 之后，作为区域Hi中的特征量，计算该区域Hi所具有的各像素的 浓淡值的平均值Mi、该区域Hi所具有的各像素的浓淡值的方差Vi、以 及该区域Hi的频率分量Si (图4的步骤S13)。另外，假定区域Hi的频 率分量Si例如是通过使用索贝尔(Sobel)滤波器或拉普拉斯算子滤波器 等对该区域Hi进行滤波处理而获得的。
之后，CPU 22将在与二维图像的区域Hi相对应的三维模型的区域中进行二次曲面近似时使用的立方区域的尺寸的初始值设定为NXNXN (图4的步骤S14)。
作为病变检测基准设定部的CPU 22进行基于在图4的步骤S13所 示的处理中计算出的区域Hi中的浓淡值的平均值Mi的比较处理。然后， CPU 22在检测出浓淡值的平均值Mi是阈值threl以下的情况下(图4的 步骤S15)，将N值加上1 (图4的步骤S17)，之后进行后述的图4的步 骤S20的处理。并且，CPU 22在检测出浓淡值的平均值Mi大于阈值threl 且小于阈值thre2的情况下(图4的步骤S16)，不变更N值(图4的步 骤S18)，而进行后述的图4的步骤S20的处理。而且，CPU22在检测出 浓淡值的平均值Mi是阈值thre2以上的情况下(图4的步骤S16)，从N 值中减去l (图4的步骤S19)，之后进行后述的图4的步骤S20的处理。
艮口，区域Hi中的浓淡值的平均值Mi在二维图像上的亮部(亮部区 域)中为较大的值。因此，在与二维图像的亮部区域相对应的三维模型 的区域内，数据以密集的状态存在。然后，通过进行前述的图4的步骤 S15、图4的步骤S16以及图4的步骤S19所示的各处理，可减小在估计 出的三维模型的数据以密集的状态存在的区域中进行二次曲面近似时所 使用的立方区域的尺寸。
并且，区域Hi中的浓淡值的平均值Mi在二维图像上的暗部(暗部 区域)中为较小值。因此，在与二维图像的暗部区域相对应的三维模型 的区域内，数据以疏稀的状态存在。然后，通过进行前述的图4的步骤 S15和图4的步骤S17所示的各处理，可增大在估计出的三维模型的数据 以稀疏的状态存在的区域中进行二次曲面近似时所使用的立方区域的尺 寸。
CPU 22进行基于在图4的步骤S13所示的处理中计算出的区域Hi 中的浓淡值的方差Vi的比较处理。然后，CPU 22在检测出浓淡值的方 差Vi是阈值thre3以下的情况下(图4的步骤S20)，从N值中减去1 (图 4的步骤S22)，之后进行后述的图4的步骤S25的处理。并且，CPU 22 在检测出浓淡值的方差Vi大于阈值thre3且小于阈值thre4的情况下(图 4的步骤S21)，不变更N值(图4的步骤S23)，而进行后述的图4的步骤S25的处理。而且，CPU 22在检测出浓淡值的方差Vi是阈值thre4以 上的情况下(图4的步骤S21)，将N值加上1 (图4的步骤S24)，之后 进行后述的图4的步骤S25的处理。
艮口，区域Hi中的浓淡值的方差Vi在二维图像上的边缘存在得多的 部分为较大的值。因此，在与二维图像的边缘所存在的区域相对应的三 维模型的区域内，数据以密集的状态存在。然后，通过进行前述的图4 的步骤S20和图4的步骤S22所示的各处理，可减小在估计出的三维模 型的数据以密集的状态存在的区域中进行二次曲面近似时所使用的立方 区域的尺寸。
并且，区域Hi中的浓淡值的方差Vi在二维图像上的边缘不存在(或 者边缘数少)的部分为较小的值。因此，在与二维图像的边缘不存在(或 者边缘数少)的区域相对应的三维模型的区域内，数据以稀疏的状态存 在。然后，通过进行前述的图4的步骤S20、图4的步骤S21以及图4 的步骤S24所示的各处理，可增大在估计出的三维模型的数据以稀疏的 状态存在的区域中进行二次曲面近似时所使用的立方区域的尺寸。
CPU 22进行基于在图4的步骤S13所示的处理中计算出的区域Hi 中的频率分量Si的比较处理。然后，CPU 22在检测出频率分量Si是阈 值thre5以下的情况下(图4的步骤S25)，从N值中减去1 (图4的步骤 S27)，之后进行后述的图4的步骤S30的处理。并且，CPU22在检测出 频率分量Si大于阈值thre5且小于阈值thre6的情况下(图4的步骤S26)， 不变更N值(图4的步骤S28)，而进行后述的图4的步骤S30的处理。 而且，CPU 22在检测出频率分量Si是阈值thre6以上的情况下(图4的 步骤S26)，将N值加上1 (图4的步骤S29)，之后进行后述的图4的步 骤S30的处理。
艮P，区域Hi中的频率分量Si在二维图像上的边缘存在(得多)的 部分为较大的值。因此，在与二维图像的边缘存在(得多)的区域相对 应的三维模型的区域内，数据以密集的状态存在。然后，通过进行前述 的图4的步骤S25和图4的步骤S27所示的各处理，可减小在估计出的 三维模型的数据以密集的状态存在的区域中进行二次曲面近似时使用的立方区域的尺寸。
并且，区域Hi中的频率分量Si在二维图像上的边缘不存在(或者 边缘数少)的部分为较小的值。因此，在与二维图像的边缘不存在(或 者边缘数少)的区域相对应的三维模型的区域内，数据以稀疏的状态存
在。然后，通过进行前述的图4的步骤S25、图4的步骤S26以及图4 的步骤S29所示的各处理，可增大在估计出的三维模型的数据以稀疏的 状态存在的区域中进行二次曲面近似时使用的立方区域的尺寸。
CPU 22将在与二维图像的区域Hi相对应的三维模型的区域中进行 二次曲面近似时使用的立方区域的尺寸确定为通过进行前述的图4的步 骤S15到步骤S29的处理而变更后的尺寸(图4的步骤S30)。然后，CPU 22将在图4的步骤S30中确定的立方区域的尺寸设定为与二维图像的区 域Hi相对应的三维模型的区域中的病变检测基准。
之后，CPU 22判定针对所有L个区域Hi是否进行了上述处理，即 是否为变量i二L。然后，CPU 22在检测出不是i二L的情况下(图4的 步骤S31)，进行将变量i加上l的处理(图4的步骤S32)，之后再次进 行前述的图4中步骤S13到步骤S31所示的处理。并且，CPU22在检测 出i二L的情况下(图4的步骤S31)，结束病变检测基准设定处理。
CPU22根据在图4所示的病变检测基准设定处理中所设定的病变检 测基准，针对通过图3的步骤S2所设定的处理对象区域内存在的各体素， 进行计算形状指数(Shape Index)值和曲率(Curvedness)值的处理(图 3的步骤S4)。
这里，以下描述本实施方式中的图3的步骤S4的具体处理。 CPU 22根据在图4所示的病变检测基准设定处理中所设定的、作为 病变检测基准的立方区域的尺寸，进行与二维图像的各区域Hi相对应的 三维模型的各区域中的二次曲面近似。
在图2所示的二维图像中的暗部区域且与不存在边缘的区域相对应 的三维模型的区域中，在检测具有局部隆起形状的病变时有用的数据以 稀疏的状态存在。因此，CPU22在三维模型的数据稀疏的区域中，例如 如图6所示，在使用作为病变检测基准的5X5X5尺寸的立方区域的同时进行二次曲面近似。
并且，在图2所示的二维图像中的亮部区域与暗部区域之间的边界 区域、且与边缘所存在的区域相对应的三维模型的区域中，在检测具有 局部隆起形状的病变时有用的数据以密集的状态存在。因此，CPU 22在 三维模型的数据密集的区域中，例如如图7所示，在使用作为病变检测
基准的3X3X3尺寸的立方区域的同时进行二次曲面近似。
然后，CPU22根据前述的二次曲面近似的结果，计算三维模型的各 区域中的局部偏微分系数，并根据该局部偏微分系数，计算用于表示该 三维模型所具有的各体素中的凹凸状态的值即形状指标值、以及用于表 示该三维模型所具有的各体素中的曲率的值即曲率值。另外，根据局部 偏微分系数计算形状指标值和曲率值的方法可使用与例如美国专利申请
发明者中村健次, 井上凉子, 沢美穗, 田中秀树, 西村博一 申请人:奥林巴斯医疗株式会社