专利名称：图像处理装置及图像处理方法
技术领域：
本发明涉及对CT图像、MR图像、US图像等医用图像的图像处理。
背景技术：
近年来,正在进行利用了 CT (Computed Tomography,计算机化断层x射线照相法)图像、MR (Magnetic Resonance,磁共振)图像、US (Ultrasound,超声波)图像等医用图像的诊断。另外，提出了用于从这些医用图像中提取成为观察对象的部位，或者删除无用区域，从而制作方便诊断的图像的各种图像处理方法。另外，也开发了从医用图像中检测异常阴影的被称为CAD (Computer Aided Diagnosis,计算机辅助诊断)的计算机支援诊断装置。这样，开发出了多种针对医用图像的对应于各种处理目的的处理算法。然而，医用图像根据拍摄部位、检查的种类而表现不同的特征。因此，即使是相同的处理目的，也是根据部位而按不同的流程进行处理的情况下效率高。例如，在根据医用图像检测异常阴影时，根据拍摄部位、诊断内容的不同而应用不同的异常阴影检测算法。例如，在头部和腹部应用不同的异常阴影检测算法。作为选择适合医用图像的异常阴影检测算法的装置，例如提出了专利文献I所示的异常阴影检测装置等。专利文献I中记载了一种异常阴影检测装置，该异常阴影检测装置预先按被检测体的每个部位存储异常阴影检测算法，在根据医用图像检测异常阴影时，制作以不同的日期时间拍摄的解剖学上同一部位的断层像的组合，在各组合的断层像彼此之间取差分，另夕卜，识别该断层像的被检测体部位，选择并应用与被识别出的部位对应的异常阴影检测算法。在先技术文献
专利文献专利文献1: JP特许第4401121号公报
发明内容
发明要解决的课题然而，上述专利文献I中，在根据医用图像识别拍摄部位时，是根据作为对象的图像(断层像)与前后断层像之间的连续性、和特定像素值范围的像素的分布形状等来进行判断的。例如是否为头部，是根据图像中是否存在与头盖骨对应的CT值高的椭圆状的区域来判断的。另外，是否为颈部是根据是否为从头部切片(Slice)连续的区域来判断。另外，是否为胸部是通过在CT值负900以下是否存在中空的封闭区域来判断的(专利文献I的说明书第
段)。另外，即使拍摄部位相同且处理目的相同，在图像的种类(检查的种类、拍摄方法的种类、造影剂的有无等)不同的情况下，也存在应用不同的处理算法能够缩短处理时间的情况。例如，由于不使用造影剂拍摄的图像与使用造影剂拍摄的图像之间表现出不同的特征，因此采用不同的处理算法能够高速地进行处理。
本发明是鉴于上述问题而开发的，其目的在于提供一种能够从多个处理算法中，根据作为处理对象的图像的部位及处理目的来选择并应用最佳的处理算法的图像处理装置等。用于解决课题的手段为了实现上述目的，第I发明是一种图像处理装置，对医用图像应用规定的处理算法来进行图像处理，该图像处理装置具备:存储部，其针对作为基准的图像，计算以关注区域的任意点为中心来运算像素值所得的基准特性曲线数据，将该基准特性曲线数据与部位建立对应并预先进行存储；计算部，其针对作为处理对象的图像，计算以关注区域的任意点为中心来运算像素值所得的对象特性曲线数据；比较部，其将由所述计算部计算出的对象特性曲线数据与所述存储部中存储的基准特性曲线数据进行比较；选择部，其基于所述比较部的比较结果，从所述存储部中选择与和所述对象特性曲线数据相关高的基准特性曲线数据建立对应地进行存储的处理算法；以及图像处理部，其进行应用了与由所述选择部选择出的部位相应的处理算法的图像处理。第2发明是一种图像处理方法，对医用图像应用规定的处理算法来进行图像处理，该图像处理方法包括:存储步骤，针对作为基准的图像，计算以关注区域的任意点为中心来运算像素值所得的基准特性曲线数据，将该基准特性曲线数据与部位建立对应并预先进行存储；计算步骤，针对作为处理对象的图像，计算以关注区域的任意点为中心来运算像素值所得的对象特性曲线 数据；比较步骤，对通过所述计算步骤计算出的对象特性曲线数据与在所述存储步骤中存储的基准特性曲线数据进行比较；选择步骤，根据所述比较步骤中比较的结果，从所述存储步骤中选择与和所述对象特性曲线数据相关高的基准特性曲线数据建立对应地进行存储的处理算法；和图像处理步骤，进行应用了与通过所述选择步骤选择出的部位相应的处理算法的图像处理。发明效果根据本发明，能够提供一种图像处理装置等，能够从多个处理算法中，根据作为处理对象的图像的部位及处理目的选择并应用最佳的处理算法。
图1是表示图像处理装置100的整体构成的图。图2是表示本发明涉及的图像处理装置100中存储的算法表2的一例的图。图3是说明算法选择处理的流程的流程图。图4的(a)是说明从CT图像获取向量径上的像素值数据的图，(b)是从二值图像获取向量径上的像素值数据的图，(C)是说明从二值图像获取圆周上的像素值数据的图。图5的(a)是胸部断层像(无造影剂)30的一例，(b)是从胸部断层像(无造影齐U )30的二值图像中提取出的向量径上的像素值数据3A的一例，(C)是从胸部断层像(无造影剂)30的二值图像中提取出的圆周上的像素值数据3B的一例。图6的(a)是胸部断层像(有造影剂)40的一例，(b)是从胸部断层像(有造影齐U )40的二值图像中提取出的向量径上的像素值数据4A的一例，(C)是从胸部断层像(无造影剂)40的二值图像中提取出的圆周上的像素值数据4B的一例。图7的(a)是胸部上部端的断层像(无造影剂)50的一例，(b)是从胸部上部端的断层像(无造影剂)50的二值图像中提取出的向量径上的像素值数据5A的一例，(c)是从胸部上部端的断层像(无造影剂)50的二值图像中提取出的圆周上的像素值数据5B的一例。图8的(a)是腹部断层像(有造影剂)60的一例，(b)是从腹部断层像(有造影齐U )60的二值图像中提取出的向量径上的像素值数据6A的一例，(C)是从腹部断层像(有造影剂)60的二值图像中提取出的圆周上的像素值数据6B的一例。图9是针对表示断层像的部位的部位提示图像82进行说明的图。图10是表示对有造影剂胸部图像应用的肋骨提取算法的一例。图11是对有造影剂胸部图像的肋骨提取算法进行说明的图。图12的(a)是肋骨去除处理前的胸部MIP图像91，(b)是肋骨去除处理后的胸部MIP图像92。图13是对无造影剂胸部图像应用的肋骨提取算法的一例。图14是从无造影剂胸部图像中去除肋骨而构成的MIP图像93。图15是说明噪声去除处理的流程图。图16是特性曲线数据提取的另外一例(螺旋状)。图17是特性曲线数据提取的其他例(将向量径的中心设定在被检测体外的例子)。 图18是表示 第2实施方式的算法表200的一例的图。图19是根据图像211计算出的基准特性曲线数据(向量径上的像素值数据311)的一例。图20是根据图像211计算出的基准特性曲线数据(圆周上的像素值数据312)的一例。图21是根据图像211计算出的基准特性曲线数据(X方向相加数据313、y方向相加数据314)的一例。图22是头部头顶部的剖面图213的示意图。图23是头部眼球附近的剖面图214的示意图。图24是胸部剖面图215的示意图。图25是腿部剖面图216的示意图。图26是说明第2实施方式的算法选择处理的流程的流程图。
具体实施例方式以下，基于附图对本发明的实施方式详细进行说明。第I实施方式首先，参照图1，对应用本发明的图像处理装置100的图像处理系统I的构成进行说明。如图1所示，图像处理系统I具备:具有显示装置107、输入装置109的图像处理装置100 ;与图像处理装置100经由网络110而连接的图像数据库111 ;以及医用图像拍摄装置112。图像处理装置100，是进行图像生成、图像解析等处理的计算机。
如图1所不，图像处理装置100具备:CPU(Central Processing Unit,中央处理器)101、主存储器102、存储装置103、通信接口(通信I/F) 104、显示存储器105、与鼠标108等外部设备之间的接口(I/F) 106，各部件通过总线113而相连接。CPUlOI，将主存储器102或者存储装置103等中存储的程序读出至主存储器102的RAM上的工作存储区并执行，对通过总线113而连接的各部进行驱动控制，实现图像处理装置100进行的各种处理。
另外，在第I实施方式中，CPUlOl在对作为处理对象的图像进行目的处理时，执行后述的算法选择处理(图3)，选择并应用最佳的处理算法。关于算法选择处理将在后述。主存储器102 由 ROM (Read Only Memory,只读存储器)、RAM (Random AccessMemory，随机存取存储器)等构成。ROM对计算机的启动程序、BIOS等的程序、数据等进行恒久保持。另外，RAM对从ROM、存储装置103等加载的程序、数据等进行暂时保持，并且具备用于CPU101进行各种处理而使用的工作区。存储装置103是向HDD(硬盘驱动器)、其它记录介质进行数据读写的存储装置，存储CPU101执行的程序、程序执行所需要的数据、OS (操作系统)等。关于程序，存储与OS相当的控制程序、应用程序。这些各程序编码，通过CPU101根据需要被读出并移动至主存储器102的RAM，作为各种单元而被执行。另外，在存储装置103中存储图2所示的算法表2。如图2所示，在算法表2中，将根据作为基准的图像计算出的基准特性曲线数据D1、D2、……与处理算法Al、A2、……建立对应地进行登记。至少按不同部位(位置编号P1、P2、……)计算基准特性曲线数据D1、D2、……。优选，除了部位之外，还按图像的不同种类(检查的种类、拍摄方法的种类)来进行计算。作为图像的种类，可列举例如有无造影剂。这样的算法表2按不同处理目的而被准备多个。基准特性曲线数据D1、D2、……是成为在后述的算法选择处理中与对象特性曲线数据之间比较的基准的数据。另外，基准特性曲线数据Dl、D2、……是以关注区域的重心为中心来运算断层像的像素值分布的特性曲线。具体而言，将如下的(I) (5)的数据等作为上述基准特性曲线数据来算出:(I)将以关注区域的重心为中心而旋转的向量径(動径)A上的各点的像素值按每个旋转角度Θ进行累计得到的向量径上的像素值数据(参照图4(a)、(b))；(2)将以关注区域的重心为中心的圆周B上的各点的像素值按每个半径Ri进行累计得到的圆周上的像素值数据(参照图4(c))；(3)将以关注区域的重心为中心的椭圆圆周上的各点的像素值按每个椭圆轴径(短轴或者长轴中的任一者)Re进行累计得到的椭圆上的像素值数据(未图示)；(4)对以关注区域的重心为中心而旋转的向量径A上的各点的像素值乘以例如与离重心的距离相应的加权系数，并按每个旋转角度Θ进行加权相加得到的向量径上的像素值数据；(5)对以关注区域的重心为中心的圆周B上的各点的像素值乘以例如与向量径A的旋转角相应的加权系数，将按每个半径Ri进行加权相加所得的圆周上的像素值数据。另外，基准特性曲线数据，即可以是从头部、颈部、胸部、腹部、腰部、腿部等各部位中针对代表性的一个剖面计算出的数据，也可以是针对各部位计算出多个剖面的数据。如果对各部位的多个剖面的基准特性曲线数据进行计算，并预先登记在算法表2中，则在与对象特性曲线数据进行比较时，不仅可与对象剖面进行比较，还可与前后剖面进行比较，能够更准确地得到比较结果。图2中，A1、A2、A3、A4、……是算法的识别编号，N1、N2、N3、N4、……是基准特性曲线数据D1、D2、D3、D4、……的采样点数，PU P2、P3、P4、……是表示作为基准特性曲线数据D1、D2、D3、D4、……的根源的图像在解剖学上的位置的编号，Dl、D2、D3、D4、……是
基准特性曲线数据。基准特性曲线数据Dl、D2、D3、D4、……的采样点数被用于标准化。即，若进行标准化使得基准特性曲线数据与被比较的对象特性曲线数据的采样点数成为相同的数目，则不管被检测体的体格差如何，都能够准确地进行比较。在算法表2中登记的各处理算法被存储在存储装置103中。通信I/F104具有通信控制装置、通信端口等，对图像处理装置100与网络110之间的通信进行中转。另外，通信I/F104经由网络110进行与图像数据库111、其它计算机、或者X射线CT装置、MRI装置等医用图像拍摄装置112之间的通信控制。I/F106是用于连接外围设备的端口，进行与外围设备之间的数据的收发。例如，也可以使鼠标108或指示笔(stylus pen)等指向设备(pointing device)经由I/F106而连接。显示存储器105临时存储从CPUlOl输入的显示数据的缓冲器。被存储的显示数据在规定的定时被输出给显 示装置107。显示装置107，由液晶面板、CRT监视器等显示器装置、和用于与显示器装置合作以执行显示处理的逻辑电路构成，经由显示存储器105而与CPUlOl连接。显示装置107，通过CPUlOl的控制而显示在显示存储器105中存储的显示数据。输入装置109是例如键盘等的输入装置，将通过操作者输入的各种指示或信息输出给CPUlOl。操作者，使用显示装置107、输入装置109、及鼠标108等外部设备交互式地操作图像处理装置100。另外，显示装置107及输入装置109也可以是例如触摸板显示器这样的一体式装置。这种情况下，输入装置109的键盘排列被显示在触摸板显示器。网络 110 包含:LAN (Local Area Network,局域网)、WAN (Wide Area Network,广域网)、内部网、互联网等各种通信网络，对图像数据库111、服务器、其它信息设备等与图像处理装置100之间的通信连接进行中转。图像数据库111，对通过医用图像拍摄装置112拍摄的图像数据进行积蓄并存储。在图1所示的图像处理系统I中，图像数据库111构成为经由网络Iio与图像处理装置100连接，但也可以在图像处理装置100内的例如存储装置103中设置图像数据库111。接着，参照图3 图17对第I实施方式涉及的图像处理装置100的动作进行说明。图像处理装置100的CPU101，从主存储器102中读出与图2所示的算法选择处理相关的程序及数据，基于该程序及数据执行处理。另外，在开始执行以下处理时，计算关于作为基准的图像的基准特性曲线数据D1、D2、D3、D4、……，并如图2所示登记在存储装置103的算法表2中。另外，按不同部位以及不同图像种类(例如有无造影剂等)，将要应用的处理算法Al、A2、A3、A4、……与基准特性曲线数据D1、D2、D3、D4、……建立对应地进行登记。另外，作为运算对象的图像(断层像)的数据从图像数据库111等经由网络110及通信I/F104而被取入，并被存储在图像处理装置100的存储装置103中。图像是通过X射线CT装置、MRI装置、超音波装置等而拍摄的图像。假设在以下示例中采用二维轴向CT图像，但也可以利用冠状图像、矢形图像。图像处理装置100的CPUlOl，首先取入作为处理对象的图像(CT图像)，针对所取入的图像求出特性曲线数据(步骤SI)。以下，将针对作为处理对象的图像计算出的特性曲线数据称作对象特性曲线数据。在此，针对特性曲线数据的计算进行说明。第I实施方式中，特性曲线(基准特性曲线数据、对象特性曲线数据)，是以关注区域的重心为中心而对图像的像素值分布进行累计而得到的。另外以下说明中，针对使关注区域为被检测体区域，使向量径A、圆周B的中心为被检测体区域的重心的示例进行说明，但也可以使关注区域为脊骨区域等，将特定的脏器作为关注区域。在获取向量径上的像素值数据作为特性曲线的情况下，如图4(a)所示，CPUlOl在图像30上设定以关注区域的重心为中心而旋转的向量径A，按每个旋转角度Θ对向量径A上的各点的像素值(图4(a)中CT值)进行累计。于是，得到如图5(b)、图6(b)、图7(b)、图8(b)等所示那样的与旋转角度Θ对应的像素值的累计值(向量径上的像素值数据)。图5(b)、图6(b)、图7(b)、图8(b)是横轴表示Θ、纵轴表示累计值的向量径上的像素值数据3A，4A、5A、6A的示例。旋转角度Θ的幅度是任意的，例如设为每Ji/180[rad]。另外，如图4(b )所示，根据规定的阈值对作为对象的图像进行二值化，针对二值化所形成的断层像(二值图像31)通过对向量径上的各像素值(「I」或者「O」)进行累计，从而计算出向量径上的像素值数据。根据二值图像31计算向量径上的像素值数据的情况下由于容易进行相加处理，因此能够高速进行处理。另外，在获取圆周上的像素值数据作为特性曲线数据的情况下，如图4(c)所示，CPU101，在图像30或者二值图像31上设定以关注区域的重心为中心的圆周B，按每个半径Ri对圆周B上的各点的像素值进行累计。于是，得到如图5 (c)、图6 (c)、图7 (c)、图8 (c)等所示那样的与半径Ri对应的像素值的累计值(圆周上的像素值数据)。图5 (c)、图6 (c)、图7(c)、图8(c)，是以Ri表示横轴，以累计值表示纵轴的圆周上的像素值数据3B，4B、5B、6B的示例。半径Ri的单位幅度是任意的，例如设为每一个像素。图4(c)是对二值图像31的各像素值(「I」或者「O」)进行累计的示例，但也可以根据CT图像获取圆周上的像素值数据(未图示)。另外，也可以将上述的圆周上的像素值数据的圆B作为椭圆，获取椭圆上像素值数据作为特性曲线数据。这种情况下，CPU101，按每个椭圆轴径(短轴或者长轴中的任一者)Re对椭圆圆周上的各点的像素值进行累计。生成横轴表示Re，纵轴表示累计值的椭圆上像素值数据。关于椭圆上像素值数据，也可以与向量径上的像素值数据、圆周上的像素值数据同样地，将CT值或者二值中的任一者作为运算对象来获取特性曲线数据(未图示)。另外，在对CT值进行累计的情况下，CPUlOl可以乘以取决于CT值的加权系数后进行相加。例如，如果对所有像素将最大CT值的倒数作为加权系数并与各像素值相乘，则由于能够使相加值变小，因此能够防止溢出。另外，为了与被检测体的体格对应，因而优选将从被检测体重心(向量径A的中心)至体表的长度标准化，即将到体表为止的采样点数标准化。另外，在采样点数不同的情况下，在后述的步骤S2 (比较处理)中，在计算与基准特性曲线的相关时，进行插值运算，使之成为相同的采样点数。这样通过对特性曲线数据进行标准化，从而即使被检测体图像与作为基准特性曲线数据的根源的基准断层像之间存在体格差，也能够准确地进行比较。图5 图8是表示针对不同部位的断层像计算出的特性曲线数据的示例的图。图5(a)是无造影剂胸部断层像30，图5 (b)是从图5(a)的无造影剂胸部断层像30的二值图像中提取出的向量径上的像素值数据3A，图5(c)是从图5(a)的无造影剂胸部断层像30的二值图像中提取出的圆周上的像素值数据3B。另外，图6 (a)是有造影剂胸部断层像40，图6 (b)是从图6 (a)的有造影剂胸部断层像40的二值图像中提取出的向量径上的像素值数据4A，图6 (c)是从图6 (a)的有造影剂胸部断层像40的二值图像中提取出的圆周上的像素值数据4B。另外，图7 (a)是无造影剂胸部上部端的断层像50，图7 (b)是从图7 (a)的无造影剂胸部上部端的断层像50的二值图像中提取出的向量径上的像素值数据5A，图7(c)是从图7(a)的无造影剂胸部上 部端的断层像50的二值图像中提取出的圆周上的像素值数据5B。另外，图8 (a)是有造影剂腹部断层像60，图8 (b)是从图8 (a)的有造影剂腹部断层像60的二值图像中提取出的向量径上的像素值数据6A，图8 (c)是从图8 (a)的有造影剂腹部断层像60的二值图像中提取出的圆周上的像素值数据6B。如图5 图8所示，向量径上的像素值数据3A 6A、圆周上的像素值数据3B 6B分别成为根据部位及造影剂的有无而不同的曲线。虽然未图示，但关于椭圆上像素值数据也表示为分别根据部位及造影剂的有无而不同的曲线。S卩，例如即使是相同的胸部，根据是胸部的上部(肺尖部)还是中央部而特性曲线也不同，胸部和腹部之间则会产生更加大的差异。头部、颈部、腰部、腿部、脚部等其他部位的特性曲线数据也同样能够计算。在步骤SI中，若计算对象特性曲线数据(向量径上的像素值数据、圆周上的像素值数据、或者椭圆上的像素值数据中的至少任一者)，则接着，CPU101，对在存储装置103中存储的各基准特性曲线数据与在步骤SI中计算出的对象特性曲线数据进行比较(步骤S2)。步骤S2的比较处理，例如通过计算对象特性曲线数据与基准特性曲线数据的相关的大小而进行。相关的大小，采用例如以下的式⑴示出的皮尔森积矩相关系数便能够计算出。式I
权利要求
1.一种图像处理装置，对医用图像应用规定的处理算法来进行图像处理，该图像处理装置具备: 存储部，其针对作为基准的图像，计算以关注区域的任意点为中心来运算像素值所得的基准特性曲线数据，将该基准特性曲线数据与部位建立对应并预先进行存储； 计算部，其针对作为处理对象的图像，计算以关注区域的任意点为中心来运算像素值所得的对象特性曲线数据； 比较部，其将由所述计算部计算出的对象特性曲线数据与所述存储部中存储的基准特性曲线数据进行比较； 选择部，其基于所述比较部的比较结果，从所述存储部中选择与和所述对象特性曲线数据相关高的基准特性曲线数据建立对应地进行存储的部位；以及 图像处理部，其进行应用了与由所述选择部选择出的部位相应的处理算法的图像处理。
2.根据权利要求1所述的图像处理装置，其中， 所述基准特性曲线数据以及所述对象特性曲线数据，是将以所述图像的关注区域的重心为中心的向量径上的像素值按每个向量径的旋转角度进行相加而得的向量径上的像素值数据。
3.根据权利要求1所述的图像处理装置，其中， 所述基准特性曲线数据以及所述对象特性曲线数据，是将以所述图像的关注区域的重心为中心的圆周上的像素值按每个半径进行相加而得的圆周上的像素值数据。
4.根据权利要求1所述的图像处理装置，其中， 所述基准特性曲线数据以及所述对象特性曲线数据，是将以所述图像的关注区域的重心为中心的椭圆圆周上的像素值按每个该椭圆的轴径进行相加而得的椭圆上的像素值数据。
5.根据权利要求1所述的图像处理装置，其中， 所述基准特性曲线数据，按有无造影剂而分别获取，且按不同所述部位及不同图像类别与处理算法建立对应地存储在所述存储部中。
6.根据权利要求1所述的图像处理装置，其中， 所述存储部，还将所述处理算法中利用的参数与所述基准特性曲线数据建立对应地进行存储。
7.根据权利要求1所述的图像处理装置，其中， 所述图像处理装置还具备显示部，该显示部基于所述比较部的比较结果，获取作为所述处理对象的图像的位置信息，并显示表示该位置信息的部位提示图像。
8.根据权利要求1所述的图像处理装置，其中， 所述比较部，针对包含作为对象的图像在内的一系列的剖面位置的图像，分别比较对象特性曲线数据与基准特性曲线数据。
9.根据权利要求1所述的图像处理装置，其中， 所述比较部，基于所述基准特性曲线数据与所述对象特性曲线数据之间的曲线间距离，求出所述相关。
10.根据权利要求1所述的图像处理装置，其中，对作为所述对象的图像的像素值进行加权相加，或者对将该图像进行二值化得到的二值图像的像素值进行累计，从而计算出所述基准特性曲线数据及所述对象特性曲线数据。
11.根据权利要求1所述的图像处理装置，其中， 所述存储部，还将所述基准图像的解剖学特征和所述处理算法建立对应地进行存储，所述选择部，在基于所述比较结果进行的选择之前，从作为所述处理对象的图像中提取所述解剖学特征，从所述存储部中选择与被提取出的所述解剖学特征一对一地建立了对应的所述处理算法。
12.根据权利要求11所述的图像处理装置，其中， 在根据所述解剖学特征而确定的部位被进一步细化为多个部位、或者被细化为多个图像类别的情况下，所述存储部，按每个被细化的不同部位或者不同图像类别，对所述基准特性曲线数据进行分组，并与相应的所述解剖学特征建立对应地进行存储， 所述选择部，在所述处理算法相对于从作为所述处理对象的图像中提取出的所述解剖学特征未一对一地建立对应的情况下，首先，从所述存储部中读出与该解剖学特征相符的组中所含的多个所述基准特性曲线数据，决定被读出的多个所述基准特性曲线数据中与所述对象特性曲线数据相关高的所述基准特性曲线数据，并从所述存储部中选择与被决定的所述基准特性曲线数据建立了对应的所述处理算法。
13.根据权利要求11所述的图像处理装置，其中， 所述解剖学特征是如下中的任一者: 在被检测体中央附近存在的骨区域的比例； 肺野区域相对于被检测 体的面积的比例；或者 存在两个骨区域，且在该两个骨区域之间存在没有骨的区域。
14.一种图像处理方法，对医用图像应用规定的处理算法来进行图像处理，该图像处理方法包括: 存储步骤，针对作为基准的图像，计算以关注区域的任意点为中心来运算像素值所得的基准特性曲线数据，将该基准特性曲线数据与部位建立对应并预先进行存储； 计算步骤，针对作为处理对象的图像，计算以关注区域的任意点为中心来运算像素值所得的对象特性曲线数据； 比较步骤，对通过所述计算步骤计算出的对象特性曲线数据与在所述存储步骤中存储的基准特性曲线数据进行比较； 选择步骤，根据所述比较步骤中比较的结果，从所述存储步骤中选择与和所述对象特性曲线数据相关高的基准特性曲线数据建立对应地进行存储的处理算法；和 图像处理步骤，进行应用了与通过所述选择步骤选择出的部位相应的处理算法的图像处理。
全文摘要
本发明提供一种图像处理装置，可从多个处理算法中，根据作为处理对象的图像的部位及处理目的来选择并应用最佳的处理算法，为此，针对作为基准的图像，计算以关注区域的重心为中心而对像素值进行累计所得的基准特性曲线数据，将该基准特性曲线数据与和处理目的相应的处理算法至少按不同部位建立对应并预先存储在算法表(2)中。另外，CPU(101)，针对作为处理对象的图像，计算上述的特性曲线数据(对象特性曲线数据)，基于与在算法表(2)中存储的基准特性曲线数据的比较结果，从算法表(2)中选择与相关最高的基准特性曲线数据建立对应的处理算法，进行图像处理。
文档编号A61B6/00GK103228214SQ20118005734
公开日2013年7月31日 申请日期2011年11月24日 优先权日2010年11月29日
发明者后藤良洋 申请人:株式会社日立医疗器械