[go: up one dir, main page]

WO2023126999A1 - 画像処理装置、画像処理方法、及び、記憶媒体 - Google Patents

画像処理装置、画像処理方法、及び、記憶媒体 Download PDF

Info

Publication number
WO2023126999A1
WO2023126999A1 PCT/JP2021/048499 JP2021048499W WO2023126999A1 WO 2023126999 A1 WO2023126999 A1 WO 2023126999A1 JP 2021048499 W JP2021048499 W JP 2021048499W WO 2023126999 A1 WO2023126999 A1 WO 2023126999A1
Authority
WO
WIPO (PCT)
Prior art keywords
polyp
image
size
endoscopic
estimation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/JP2021/048499
Other languages
English (en)
French (fr)
Inventor
弘泰 齊賀
直人 前田
達 木村
貴行 奥野
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2023570496A priority Critical patent/JPWO2023126999A5/ja
Priority to PCT/JP2021/048499 priority patent/WO2023126999A1/ja
Priority to EP21969883.4A priority patent/EP4458249A4/en
Priority to US18/722,891 priority patent/US20250061569A1/en
Publication of WO2023126999A1 publication Critical patent/WO2023126999A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
    • A61B1/045—Control thereof
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000096—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope using artificial intelligence
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00043—Operational features of endoscopes provided with output arrangements
    • A61B1/00045—Display arrangement
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10068—Endoscopic image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30028—Colon; Small intestine
    • G06T2207/30032—Colon polyp
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30092—Stomach; Gastric
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion

Definitions

  • the present disclosure relates to image processing related to endoscopy.
  • Patent Literature 1 proposes a method of recognizing a region of interest with high accuracy from an image captured by an endoscope imaging device.
  • Patent Document 1 Even with Patent Document 1, it is not always possible to determine the size of the polyp with high accuracy.
  • One object of the present disclosure is to provide an image processing device capable of estimating the size of a polyp found by endoscopy with high accuracy.
  • an image processing device includes: endoscopic image acquisition means for acquiring an endoscopic image; polyp detection means for detecting a polyp region from the endoscopic image; a first estimation means for estimating the size of the polyp based on the image of the detected polyp region; an output means for outputting the result of estimating the size of the polyp; Prepare.
  • an image processing method includes: Acquiring endoscopic images, detecting a polyp region from the endoscopic image; estimating the size of the polyp based on the image of the detected polyp area; Output the estimated polyp size.
  • a storage medium comprises: Acquiring endoscopic images, detecting a polyp region from the endoscopic image; estimating the size of the polyp based on the image of the detected polyp area; A program is recorded that causes a computer to execute a process of outputting the results of estimating the size of a polyp.
  • FIG. 1 is a block diagram showing a schematic configuration of an endoscopy system according to a first embodiment
  • FIG. 2 is a block diagram showing the hardware configuration of the image processing apparatus according to the first embodiment
  • FIG. 2 is a block diagram showing the functional configuration of the image processing apparatus of the first embodiment
  • FIG. 4 is a flowchart of image display processing by the image processing apparatus of the first embodiment
  • FIG. 10 shows a display example of a polyp size estimation result.
  • FIG. It is a block diagram which shows the functional structure of the modification 1 of 1st Embodiment. It is a block diagram which shows the functional structure of the modification 2 of 1st Embodiment.
  • FIG. 6 is a block diagram showing the functional configuration of an image processing apparatus according to a second embodiment;
  • FIG. 1 is a block diagram showing a schematic configuration of an endoscopy system according to a first embodiment
  • FIG. 2 is a block diagram showing the hardware configuration of the image processing apparatus according to the first embodiment
  • FIG. 2 is a
  • FIG. 9 is a flowchart of image display processing by the image processing apparatus of the second embodiment
  • FIG. 11 is a block diagram showing the functional configuration of an image processing apparatus according to a third embodiment
  • FIG. 10 is a flow chart of processing by the image processing apparatus of the third embodiment
  • FIG. 1 shows a schematic configuration of an endoscopy system 100.
  • the endoscopy system 100 estimates whether the detected polyp is larger than a predetermined size and displays the result. This allows the doctor to determine the treatment method according to the size of the polyp.
  • the endoscopy system 100 mainly includes an image processing device 1, a display device 2, and an endoscope 3 connected to the image processing device 1.
  • the image processing apparatus 1 acquires an image (i.e., moving image, hereinafter also referred to as "endoscopic image Ic") captured by the endoscope 3 during an endoscopy, from the endoscope 3, and
  • the display device 2 is caused to display display data for confirmation by the examiner of the endoscopic examination.
  • the image processing apparatus 1 acquires, as an endoscopic image Ic, a video of the interior of an organ captured by the endoscope 3 during an endoscopy.
  • the image processing apparatus 1 extracts a still image (frame image) from the endoscope image Ic, detects a polyp, and estimates whether the polyp is larger than a predetermined size using AI. Then, the image processing apparatus 1 generates a display image including an endoscopic image, a polyp size estimation result, and the like.
  • the display device 2 is a display or the like that displays an image based on a display signal supplied from the image processing device 1 .
  • the endoscope 3 mainly includes an operation unit 36 for inputting air supply, water supply, angle adjustment, imaging instruction, etc. by the examiner, and a flexible endoscope which is inserted into an organ to be examined of the examinee.
  • a flexible shaft 37 a flexible shaft 37 , a distal end portion 38 containing an imaging unit such as an ultra-compact imaging device, and a connecting portion 39 for connecting to the image processing apparatus 1 .
  • the inspection object is not limited to the large intestine, but the gastrointestinal tract (digestive organ) such as the stomach, esophagus, small intestine, duodenum, etc. good too.
  • FIG. 2 shows the hardware configuration of the image processing apparatus 1.
  • the image processing apparatus 1 mainly includes a processor 11, a memory 12, an interface 13, an input section 14, a light source section 15, a sound output section 16, and a database (hereinafter referred to as "DB") 17. ,including.
  • DB database
  • the processor 11 executes a predetermined process by executing a program or the like stored in the memory 12.
  • the processor 11 is a processor such as a CPU (Central Processing Unit), a GPU (Graphics Processing Unit), or a TPU (Tensor Processing Unit). Note that the processor 11 may be composed of a plurality of processors. Processor 11 is an example of a computer.
  • the memory 12 is composed of various volatile memories used as working memory, such as RAM (Random Access Memory) and ROM (Read Only Memory), and non-volatile memory for storing information necessary for processing of the image processing apparatus 1. be done.
  • the memory 12 may include an external storage device such as a hard disk connected to or built into the image processing apparatus 1, or may include a storage medium such as a detachable flash memory or disk medium.
  • the memory 12 stores a program for the image processing apparatus 1 to execute each process in this embodiment.
  • the memory 12 temporarily stores a series of endoscope images Ic captured by the endoscope 3 during endoscopy.
  • the memory 12 temporarily stores a still image acquired from the endoscopic image Ic during the endoscopic examination.
  • These images are stored in the memory 12 in association with, for example, subject identification information (for example, patient ID), time stamp information, and the like.
  • the interface 13 performs an interface operation between the image processing device 1 and an external device.
  • the interface 13 supplies the display data Id generated by the processor 11 to the display device 2 .
  • the interface 13 supplies illumination light generated by the light source unit 15 to the endoscope 3 .
  • the interface 13 also supplies the processor 11 with an electrical signal indicating the endoscopic image Ic supplied from the endoscope 3 .
  • the interface 13 may be a communication interface such as a network adapter for performing wired or wireless communication with an external device, and may be a hardware interface conforming to USB (Universal Serial Bus), SATA (Serial AT Attachment), or the like. may
  • the input unit 14 generates an input signal based on the operation of the inspector.
  • the input unit 14 is, for example, a button, touch panel, remote controller, voice input device, or the like.
  • the light source unit 15 generates light to be supplied to the distal end portion 38 of the endoscope 3 .
  • the light source unit 15 may also incorporate a pump or the like for sending out water or air to be supplied to the endoscope 3 .
  • the sound output unit 16 outputs sound under the control of the processor 11 .
  • the DB 17 stores endoscopic images and lesion information acquired by the subject's past endoscopic examinations.
  • the lesion information includes lesion images and related information. Lesions include polyps (elevated lesions).
  • the DB 17 may include an external storage device such as a hard disk connected to or built into the image processing apparatus 1, or may include a storage medium such as a detachable flash memory. Instead of providing the DB 17 in the endoscopy system 100, the DB 17 may be provided in an external server or the like, and the lesion information may be acquired from the server through communication.
  • FIG. 3 is a block diagram showing the functional configuration of the image processing apparatus 1. As shown in FIG.
  • the image processing apparatus 1 functionally includes an image capture section 21 , an image area recognition section 22 , a polyp detection section 23 and a first estimation section 24 .
  • An endoscope image Ic is input from the endoscope 3 to the image processing device 1 .
  • the endoscope image Ic is input to the image capture unit 21 .
  • the image capture unit 21 extracts a still image (frame image) for each frame from the endoscope image Ic.
  • the extracted frame image includes an area for displaying information about the subject and an area for displaying the image of the endoscope camera.
  • the video capture unit 21 outputs the extracted frame images to the video region recognition unit 22 .
  • the image area recognition unit 22 recognizes the area where the image of the endoscope camera is displayed from the frame image generated by the image capture unit 21, and cuts out only that area.
  • the video region recognition unit 22 outputs an image of the clipped region displaying the endoscope camera video (hereinafter referred to as “endoscopic image”) to the polyp detection unit 23 and the first estimation unit 24 .
  • the polyp detection unit 23 detects a polyp from the endoscopic image generated by the video area recognition unit 22 and estimates the position of the polyp. Specifically, the polyp detection unit 23 resizes the endoscopic image generated by the video region recognition unit 22 to a size that allows image analysis by AI. Then, the polyp detection unit 23 detects polyps included in the resized image using an image recognition model prepared in advance.
  • This image recognition model is a model trained in advance so as to estimate the position of a polyp contained in an endoscopic image, and is hereinafter also referred to as a "polyp detection model".
  • polyp detection unit 23 When detecting a polyp, polyp detection unit 23 generates coordinate information of a rectangle surrounding the polyp region and outputs the coordinate information to first estimation unit 24 .
  • the first estimation unit 24 estimates whether the polyp detected by the polyp detection unit 23 is equal to or larger than a predetermined size. Specifically, the first estimation unit 24 uses the coordinate information generated by the polyp detection unit 23 to cut out only the polyp region from the endoscopic image generated by the image region recognition unit 22 . Next, the first estimation unit 24 resizes the clipped image of the polyp region to a size that enables image analysis by AI. Then, the first estimation unit 24 estimates whether or not the polyp is equal to or larger than a predetermined size using an image recognition model prepared in advance. This image recognition model is a pre-learned model that estimates whether or not the size of the polyp contained in the image is equal to or greater than a predetermined size from the image of the polyp region. Also called model.
  • the first estimation unit 24 estimates whether the polyp is equal to or larger than a predetermined size using the first size estimation model.
  • the predetermined size is "X mm"
  • a polyp of X mm or more is defined as a large polyp
  • a polyp of less than X mm is defined as a small polyp.
  • the predetermined size "X mm” here is a value determined in advance based on guidelines for endoscopy.
  • the first estimating unit 24 estimates the size of the polyp contained in the image of the polyp region, and calculates a score indicating the probability that the polyp is a large polyp (referred to as a "large polyp score") and a score indicating the probability that the polyp is a small polyp.
  • a score indicating a certain probability (referred to as a "small polyp score”) is calculated. For example, the first estimation unit 24 calculates each score so that the sum of the large polyp score and the small polyp score is "1".
  • the first estimation unit 24 compares the large polyp score and the small polyp score with a predetermined threshold TH, and adopts the score larger than the threshold TH as the estimation result. For example, if the threshold TH is "0.5", the first estimation unit 24 estimates that the polyp is a large polyp (X mm or more) when the large polyp score is greater than the threshold TH, and the small polyp score is greater than the threshold TH. If large, presume the polyp to be a small polyp (less than X mm). Then, the first estimation unit 24 generates display data Id based on the endoscopic image and the polyp size estimation result, and outputs the display data Id to the display device 2 .
  • a predetermined threshold TH For example, if the threshold TH is "0.5", the first estimation unit 24 estimates that the polyp is a large polyp (X mm or more) when the large polyp score is greater than the threshold TH, and the small polyp score is greater than the threshold TH. If large, presume the polyp to
  • the first estimating unit 24 uses an image focused on the polyp region to accurately estimate the size of the polyp. can be estimated by In the above example, the first estimation unit 24 estimates the size of the polyp after cutting out the polyp region from the endoscopic image. Instead, the first estimation unit 24 draws a rectangle surrounding the polyp area on the endoscopic image using the coordinate information of the polyp area detected by the polyp detection unit 23, and draws an image of the area surrounded by the rectangle. The size of the polyp may be estimated based on.
  • the first estimation unit 24 may draw a rectangle surrounding the polyp region on the endoscopic image, and output the image data to the display device 2 . This allows the doctor to easily grasp the position of the polyp by looking at the displayed image.
  • the image capture unit 21 and the image area recognition unit 22 are an example of endoscope image acquisition means
  • the polyp detection unit 23 is an example of polyp detection means
  • the first estimation unit 24 is a first estimation means.
  • output means, and display control means are examples of the image capture unit 21 and the image area recognition unit 22 .
  • FIG. 4 is a flow chart of image display processing by the image processing device 1 . This processing is realized by executing a program prepared in advance by the processor 11 shown in FIG. 2 and operating as each element shown in FIG.
  • the image capture unit 21 acquires the endoscopic image Ic through the input unit 14, and acquires the frame image 41 from the endoscopic image Ic (step S11).
  • the frame image 41 includes an area for displaying information about the subject and an area for displaying the image of the endoscope camera (endoscopic image).
  • the image region recognition unit 22 acquires the endoscope image 42 from the frame image 41 acquired by the image capture unit 21 (step S12).
  • the polyp detection unit 23 resizes the endoscope image 42 to a size suitable for polyp detection using the polyp detection model, and generates a resized image 43 (step S13).
  • the polyp detection unit 23 detects polyps from the resized image 43 using the polyp detection model (step S14).
  • the polyp detection unit 23 detects a polyp, it generates coordinate information of a rectangle 43x indicating the polyp region of the resized image 43 .
  • the coordinate information of the rectangle 43x indicating the polyp region can be represented, for example, by the coordinates (x, y) of the upper left point of the rectangle and the width w and height h of the rectangle when that point is taken as the origin.
  • the polyp detection unit 23 performs coordinate transformation of the rectangle 43x indicating the polyp area (step S15). This coordinate conversion corrects the coordinates of the rectangle 43x to the coordinates in the coordinate system before resizing in step S13. As a result, the rectangle 43 x after coordinate conversion is corrected to have a size in the coordinate system of the endoscopic image 42 . Polyp detection unit 23 outputs the coordinate information of the polyp region after coordinate conversion to first estimation unit 24 .
  • the first estimation unit 24 crops the polyp area from the endoscopic image 42 based on the coordinate information of the rectangle 43x indicating the polyp area (step S16). Note that cropping means cutting out part of an image.
  • the first estimation unit 24 resizes the cropped polyp region 44 to generate a resized image 45 (step S17).
  • the resizing here corrects the polyp region 44 to a size suitable for the first size estimation model used by the first estimation unit 24 .
  • the first estimation unit 24 estimates the size of the polyp based on the resized image 45 using the first size estimation model (step S18). Specifically, the first estimation unit 24 calculates a score indicating the probability that the polyp is X mm or larger (large polyp score) and a score indicating the probability that the polyp is smaller than X mm (small polyp score). .
  • the first estimator 24 compares each calculated score with a threshold value TH, and displays an estimation result indicating whether the polyp is X mm or more or less than X mm (step S22). Then, the image display processing ends.
  • FIG. 5 shows a display example of the polyp size estimation result.
  • an endoscopic image 61 a polyp detection image 62 , and a polyp size estimation result 63 are displayed in the display area 60 .
  • the endoscopic image 61 is an endoscopic image of the organ site where the polyp was detected.
  • the polyp detection image 62 is an image displaying the polyp detected by the polyp detection unit 23, and shows the polyp in the endoscopic image surrounded by a rectangle 62x. In this example, the polyp is surrounded by a rectangle, but it may be surrounded by other figures such as an ellipse.
  • the polyp size estimation result 63 is the polyp size estimation result by the first estimation unit 24 . In this example, “Non-diminutive" is displayed when the polyp size is equal to or larger than a predetermined size (X mm), and “Diminutive” is displayed when the polyp size is less than a predetermined threshold.
  • the polyp size estimation result 63 may display other information related to the polyp, such as the degree of malignancy of the polyp, in addition to whether the size of the polyp is equal to or greater than a predetermined size.
  • the first estimator 24 estimates the size of the polyp based on the image of the polyp region.
  • the first estimation unit 24 may estimate the size of the polyp using optical flow information in addition to the image of the polyp region.
  • FIG. 6 shows the functional configuration of an image display device 1a of Modification 1.
  • an optical flow calculator 28 is provided in the image display device 1a.
  • the optical flow calculation unit 28 acquires the endoscopic image from the video region recognition unit 22, and calculates optical flow information based on the endoscopic image one frame before and the latest endoscopic image.
  • the optical flow calculator 28 then outputs the calculated optical flow information to the first estimator 24 .
  • the optical flow calculation means is an example of calculation means.
  • the first size estimation model used by the first estimation unit 24 is a learned model that has been pre-trained to estimate the size of the polyp based on the image of the polyp region and the optical flow information.
  • the first estimation unit 24 estimates the size of the polyp based on the image of the polyp region input from the polyp detection unit 23 and the optical flow information calculated by the optical flow calculation unit 28 . Since the optical flow indicates the direction and amount of movement of each point in the image, the accuracy of polyp size estimation can be improved by using the optical flow.
  • FIG. 7 shows the functional configuration of an image display device 1b of Modification 2.
  • the image display device 1b is provided with an image characteristic acquisition section 29 .
  • the image characteristic acquisition unit 29 acquires image characteristic information such as the manufacturer of the endoscope, the type of light source used by the endoscope, and whether or not the endoscope is performing enlarged display. Specifically, specification information of an endoscope may be used as the image characteristic information.
  • the image characteristic acquiring unit 29 may read the specification information from a storage medium storing the specification information of the endoscope.
  • the image characteristic acquisition unit 29 may analyze the endoscopic image generated by the video region recognition unit 22 to estimate image quality such as brightness and color tone of the image, and use it as image characteristic information.
  • the image property acquisition unit 29 is an example of image property acquisition means.
  • the image property acquisition unit 29 outputs the extracted image property information to the first estimation unit 24 .
  • the first size estimation model used by the first estimation unit 24 is a trained model that has been trained in advance to estimate the size of the polyp based on the image of the polyp region and the image characteristic information.
  • the first estimation unit 24 estimates the size of the polyp based on the image of the polyp region input from the polyp detection unit 23 and the image characteristic information input from the image characteristic acquisition unit 29 . This can improve the accuracy of polyp size estimation.
  • FIG. 8 is a block diagram showing the functional configuration of the image processing device 1x of the second embodiment.
  • the image processing apparatus 1x of the second embodiment is obtained by adding a second estimating section 25 and an estimation result integrating section 26 to the image processing apparatus 1 of the first embodiment.
  • the second estimation unit 25 estimates the size of the polyp from the endoscopic image generated by the video region recognition unit 22 using the second size estimation model. That is, the first size estimation model estimates the size of the polyp from the image of the polyp region, while the second size estimation model estimates the size of the polyp from the entire endoscopic image.
  • the second size estimation model is a model pre-trained to estimate the size of polyps contained in endoscopic images.
  • the second estimation unit 25 first resizes the endoscopic image generated by the video region recognition unit 22 to a size suitable for the second size estimation model.
  • the second estimation unit 25 detects a polyp using a second size estimation model prepared in advance, and estimates whether the polyp is equal to or larger than a predetermined size.
  • the second estimation unit 25 provides a score indicating the probability that the polyp contained in the endoscopic image is X mm or larger (large polyp score) and a score indicating the probability that the polyp is smaller than X mm (small polyp score). score) is calculated and output to the estimation result integration unit 26 .
  • the estimation result integration unit 26 integrates the polyp size estimation result obtained by the first estimation unit 24 and the polyp size estimation result obtained by the second estimation unit 25 . For example, for a certain polyp size, the first estimation unit 24 outputs a large polyp score of "0.6" and a small polyp score of "0.4", and the second estimation unit 25 outputs a large polyp score of "0.8", Assume that a small polyp score of "0.2" is output.
  • the estimation result integration unit 26 first calculates the average value of the estimation results of the first estimation unit 24 and the second estimation unit 25 . In this example, the estimation result integration unit 26 calculates the average value of the large polyp score as "0.7" and the average value of the small polyp score as "0.3".
  • the estimation result integration unit 26 compares the obtained average value with a predetermined threshold value TH, and outputs the polyp size estimation result.
  • a predetermined threshold value TH As described above, when the threshold TH is set to "0.5", the estimation result integration unit 26 estimates the polyp to be a large polyp, that is, X mm or larger. Then, the estimation result integration unit 26 generates display data Id based on the estimation result of the polyp size and the endoscopic image generated by the image area recognition unit 22 , and outputs the display data Id to the display device 2 .
  • the second estimating unit 25 for estimating the size of the polyp from the entire endoscopic image is added to the configuration of the first embodiment. In this manner, the second estimation unit 25 detects polyps and estimates the size of the polyps from the entire endoscopic image, so that when the polyp detection unit 23 misses a polyp, the second estimation unit 25 can compensate for it. becomes possible.
  • the second estimation unit 25 is an example of second estimation means
  • the estimation result integration unit 26 is an example of estimation result integration means
  • FIG. 9 is a flowchart of image display processing by the image display device 1x of the second embodiment.
  • the image display processing flowchart of the second embodiment is obtained by adding steps S19 to S21 to the image display processing flowchart of the first embodiment shown in FIG. Since the processes of steps S11 to S18 are the same as those of the first embodiment, description thereof will be omitted.
  • the second estimation unit 25 acquires the endoscopic image 42 generated by the image area recognition unit 22 in step S12. The second estimation unit 25 then resizes the endoscopic image 42 to a size suitable for the second size estimation model to generate a resized image 46 (step S19). Next, the second estimation unit 25 detects polyps based on the resized image 46 using the second size estimation model, and outputs the result of polyp size estimation to the estimation result integration unit 26 (step S20). The estimation result integration unit 26 calculates the average value of the size estimation result of the first estimation unit 24 and the size estimation result of the second estimation unit 25 (step S21), and compares it with the threshold TH to obtain the polyp size estimation result. is determined and displayed (step S22). Then the process ends.
  • the first estimator 24 estimates the size of the polyp based on the image of the polyp region
  • the second estimator 25 estimates the size of the polyp based on the endoscopic image.
  • the second estimator 25 may be configured to estimate the size of the polyp using optical flow information.
  • the optical flow calculator 28 is provided in the image display device 1 x and the optical flow information calculated by the optical flow calculator 28 is input to the second estimator 25 as in the first modified example described above.
  • the second size estimation model used by the second estimation unit 25 is a learned model that has been pre-trained to estimate the size of the polyp based on the endoscopic image and the optical flow information.
  • the first estimation unit 24 may be configured to estimate the polyp size using optical flow information.
  • both the first estimating section 24 and the second estimating section 25 may be configured to estimate the polyp size using the optical flow information.
  • an estimating section for estimating the size of the polyp based on the endoscopic image and the optical flow information may be provided. This makes it possible to improve the accuracy of polyp size estimation using optical flow information, as in the first modification.
  • the image display device 1x is provided with the image property acquisition unit 29, and the image property information acquired by the image property acquisition unit 29 is input to the second estimation unit 25, as in the second modification described above.
  • the second size estimation model used by the second estimation unit 25 is a pre-trained model for estimating the size of the polyp based on the endoscopic image and the image characteristic information. This makes it possible to improve the accuracy of polyp size estimation using the image characteristic information, as in the second modification.
  • the first estimating section 24 may be configured to estimate the polyp size using the image characteristic information.
  • both the first estimation unit 24 and the second estimation unit 25 may be configured to estimate the polyp size using the image characteristic information.
  • FIG. 10 is a block diagram showing the functional configuration of the image processing apparatus of the third embodiment.
  • the image processing device 70 includes endoscope image acquisition means 71 , polyp detection means 72 , first estimation means 73 , and output means 74 .
  • FIG. 11 is a flowchart of processing by the image processing apparatus of the third embodiment.
  • the endoscopic image acquisition means 71 acquires an endoscopic image captured by an endoscope (step S71).
  • the polyp detection means 72 detects a polyp region from the endoscopic image (step S72).
  • the first estimation means estimates the size of the polyp based on the detected image of the polyp region (step S73).
  • the output means 74 outputs the estimation result of the polyp size (step S74).
  • polyps can be detected during endoscopy, and the size of the polyp can be estimated based on the image of the polyp region.
  • endoscopic image acquisition means for acquiring an endoscopic image
  • polyp detection means for detecting a polyp region from the endoscopic image
  • a first estimation means for estimating the size of the polyp based on the image of the detected polyp region
  • an output means for outputting the result of estimating the size of the polyp
  • the first estimating means when the polyp detecting means detects a polyp, draws on the endoscopic image so as to surround the polyp area, and estimates the size of the polyp based on the surrounded polyp area.
  • the image processing device according to appendix 1.
  • Appendix 4 Display control means for displaying the endoscopic image and the result of estimating the size of the polyp on a display device; 4. The image processing apparatus according to any one of appendices 1 to 3, wherein the display control means superimposes and displays a figure surrounding the detected polyp region on the endoscopic image.
  • the image processing apparatus according to any one of additional notes 1 to 5, wherein the first estimation means estimates the size of the polyp based on the image of the polyp region and the image characteristic information.
  • (Appendix 7) a second estimating means for estimating a polyp size based on the endoscopic image; estimation result integration means for integrating the estimation result of the polyp size by the first estimation means and the estimation result of the polyp size by the second estimation means; with 7.
  • the image processing apparatus according to any one of appendices 1 to 6, wherein the output means outputs the result of integration by the estimation result integration means.
  • (Appendix 11) Acquiring endoscopic images, detecting a polyp region from the endoscopic image; estimating the size of the polyp based on the image of the detected polyp area; A storage medium recording a program that causes a computer to execute a process of outputting a polyp size estimation result.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Signal Processing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Quality & Reliability (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Endoscopes (AREA)
  • Image Processing (AREA)

Abstract

内視鏡画像を処理する画像処理装置において、内視鏡画像取得手段は、内視鏡によって撮影された内視鏡画像を取得する。ポリープ検出手段は、内視鏡画像からポリープ領域を検出する。第１推定手段は、検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定する。出力手段は、ポリープのサイズの推定結果を出力する。

Description

画像処理装置、画像処理方法、及び、記憶媒体
　本開示は、内視鏡検査に関する画像の処理に関する。
　医師は、内視鏡検査においてポリープの処置を行う際、ポリープのサイズに応じて処置器具を選択する。このとき、医師は、ミリメートル（ｍｍ）単位のポリープを見分けた上で処置器具を選定する必要がある。しかし、ポリープのサイズは、医師が目視で計測をしているため、ｍｍ単位での計測が十分でなく、処置方法を判断することが難しかった。特許文献１は、内視鏡撮影装置によって撮影された画像から注目領域を高い精度で認識する手法を提案している。
国際公開ＷＯ２０２１／１４０６０２号公報
　しかし、特許文献１によっても、ポリープのサイズを高精度で判断できるとは限らない。
　本開示の１つの目的は、内視鏡検査で見つかったポリープのサイズを高精度で推定することが可能な画像処理装置を提供することにある。
　本開示の一つの観点では、画像処理装置は、
　内視鏡画像を取得する内視鏡画像取得手段と、
　前記内視鏡画像からポリープ領域を検出するポリープ検出手段と、
　検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定する第１推定手段と、
　ポリープのサイズの推定結果を出力する出力手段と、
　を備える。
　本開示の他の観点では、画像処理方法は、
　内視鏡画像を取得し、
　前記内視鏡画像からポリープ領域を検出し、
　検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定し、
　ポリープのサイズの推定結果を出力する。
　本開示のさらに他の観点では、記憶媒体は、
　内視鏡画像を取得し、
　前記内視鏡画像からポリープ領域を検出し、
　検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定し、
　ポリープのサイズの推定結果を出力する処理をコンピュータに実行させるプログラムを記録する。
　本開示によれば、内視鏡検査で見つかったポリープのサイズを高精度で推定することが可能となる。
第１実施形態の内視鏡検査システムの概略構成を示すブロック図である。 第１実施形態の画像処理装置のハードウェア構成を示すブロック図である。 第１実施形態の画像処理装置の機能構成を示すブロック図である。 第１実施形態の画像処理装置による画像表示処理のフローチャートである。 ポリープのサイズの推定結果の表示例を示す。 第１実施形態の変形例１の機能構成を示すブロック図である。 第１実施形態の変形例２の機能構成を示すブロック図である。 第２実施形態の画像処理装置の機能構成を示すブロック図である。 第２実施形態の画像処理装置による画像表示処理のフローチャートである。 第３実施形態の画像処理装置の機能構成を示すブロック図である。 第３実施形態の画像処理装置による処理のフローチャートである。
　以下、図面を参照して、本開示の好適な実施形態について説明する。
　＜第１実施形態＞
　［システム構成］
　図１は、内視鏡検査システム１００の概略構成を示す。内視鏡検査システム１００は、内視鏡を利用した検査（治療を含む）の際に、ポリープを検知した場合、検知したポリープが所定サイズ以上か否かを推定し結果を表示する。これにより、医師は、ポリープのサイズに応じた処置方法を判断することが可能となる。
　図１に示すように、内視鏡検査システム１００は、主に、画像処理装置１と、表示装置２と、画像処理装置１に接続された内視鏡スコープ３と、を備える。
　画像処理装置１は、内視鏡検査中に内視鏡スコープ３が撮影する画像（即ち、動画。以下、「内視鏡映像Ｉｃ」とも呼ぶ。）を内視鏡スコープ３から取得し、内視鏡検査の検査者が確認するための表示データを表示装置２に表示させる。具体的には、画像処理装置１は、内視鏡検査中に、内視鏡スコープ３により撮影された臓器内の動画を内視鏡映像Ｉｃとして取得する。画像処理装置１は、内視鏡映像Ｉｃから静止画（フレーム画像）を抽出し、ＡＩを用いてポリープの検知およびポリープが所定サイズ以上か否かの推定を行う。そして、画像処理装置１は、内視鏡画像やポリープのサイズ推定結果などを含む表示画像を生成する。
　表示装置２は、画像処理装置１から供給される表示信号に基づき画像を表示するディスプレイ等である。
　内視鏡スコープ３は、主に、検査者が送気、送水、アングル調整、撮影指示などの入力を行うための操作部３６と、被検者の検査対象となる臓器内に挿入され、柔軟性を有するシャフト３７と、超小型撮像素子などの撮影部を内蔵した先端部３８と、画像処理装置１と接続するための接続部３９とを有する。
　なお、以下では、主に大腸の内視鏡検査における処理を前提として説明を行うが、検査対象は、大腸に限らず、胃、食道、小腸、十二指腸などの消化管（消化器）であってもよい。
　［ハードウェア構成］
　図２は、画像処理装置１のハードウェア構成を示す。画像処理装置１は、主に、プロセッサ１１と、メモリ１２と、インターフェース１３と、入力部１４と、光源部１５と、音出力部１６と、データベース（以下、「ＤＢ」と記す。）１７と、を含む。これらの各要素は、データバス１９を介して接続されている。
　プロセッサ１１は、メモリ１２に記憶されているプログラム等を実行することにより、所定の処理を実行する。プロセッサ１１は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）、ＴＰＵ（Ｔｅｎｓｏｒ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）などのプロセッサである。なお、プロセッサ１１は、複数のプロセッサから構成されてもよい。プロセッサ１１は、コンピュータの一例である。
　メモリ１２は、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）などの、作業メモリとして使用される各種の揮発性メモリ及び画像処理装置１の処理に必要な情報を記憶する不揮発性メモリにより構成される。なお、メモリ１２は、画像処理装置１に接続又は内蔵されたハードディスクなどの外部記憶装置を含んでもよく、着脱自在なフラッシュメモリやディスク媒体などの記憶媒体を含んでもよい。メモリ１２には、画像処理装置１が本実施形態における各処理を実行するためのプログラムが記憶される。
　また、メモリ１２は、プロセッサ１１の制御に基づき、内視鏡検査において内視鏡スコープ３が撮影した一連の内視鏡映像Ｉｃを一時的に記憶する。また、メモリ１２は、内視鏡検査中に内視鏡映像Ｉｃから取得した静止画を一時的に記憶する。これらの画像は、例えば、被検者の識別情報（例えば患者ＩＤ）、及び、タイムスタンプの情報等と関連付けられてメモリ１２に記憶される。
　インターフェース１３は、画像処理装置１と外部装置とのインターフェース動作を行う。例えば、インターフェース１３は、プロセッサ１１が生成した表示データＩｄを表示装置２に供給する。また、インターフェース１３は、光源部１５が生成する照明光を内視鏡スコープ３に供給する。また、インターフェース１３は、内視鏡スコープ３から供給される内視鏡映像Ｉｃを示す電気信号をプロセッサ１１に供給する。インターフェース１３は、外部装置と有線又は無線により通信を行うためのネットワークアダプタなどの通信インターフェースであってもよく、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）、ＳＡＴＡ（Ｓｅｒｉａｌ　ＡＴ　Ａｔｔａｃｈｍｅｎｔ）などに準拠したハードウェアインターフェースであってもよい。
　入力部１４は、検査者の操作に基づく入力信号を生成する。入力部１４は、例えば、ボタン、タッチパネル、リモートコントローラ、音声入力装置等である。光源部１５は、内視鏡スコープ３の先端部３８に供給するための光を生成する。また、光源部１５は、内視鏡スコープ３に供給する水や空気を送り出すためのポンプ等も内蔵してもよい。音出力部１６は、プロセッサ１１の制御に基づき音を出力する。
　ＤＢ１７は、被検者の過去の内視鏡検査により取得された内視鏡画像、及び、病変情報を記憶している。病変情報は、病変画像と、関連情報とを含む。病変は、ポリープ（隆起性病変）を含む。ＤＢ１７は、画像処理装置１に接続又は内蔵されたハードディスクなどの外部記憶装置を含んでもよく、着脱自在なフラッシュメモリなどの記憶媒体を含んでもよい。なお、ＤＢ１７を内視鏡検査システム１００内に備える代わりに、外部のサーバなどにＤＢ１７を設け、通信により当該サーバから病変情報を取得するようにしてもよい。
　［機能構成］
　図３は、画像処理装置１の機能構成を示すブロック図である。画像処理装置１は、機能的には、映像キャプチャ部２１と、映像領域認識部２２と、ポリープ検知部２３と、第１推定部２４と、を含む。
　画像処理装置１には、内視鏡スコープ３から内視鏡映像Ｉｃが入力される。内視鏡映像Ｉｃは、映像キャプチャ部２１に入力される。映像キャプチャ部２１は、内視鏡映像Ｉｃからフレーム毎の静止画（フレーム画像）を抽出する。ここで、抽出したフレーム画像には、被験者に関する情報を表示する領域と、内視鏡カメラの映像を表示する領域とが含まれている。映像キャプチャ部２１は、抽出したフレーム画像を映像領域認識部２２へ出力する。
　映像領域認識部２２は、映像キャプチャ部２１が生成したフレーム画像から、内視鏡カメラの映像を表示する領域を認識し、その領域のみを切り出す。映像領域認識部２２は、切り出した内視鏡カメラの映像を表示する領域の画像（以下、「内視鏡画像」と呼ぶ）を、ポリープ検知部２３と第１推定部２４へ出力する。
　ポリープ検知部２３は、映像領域認識部２２が生成した内視鏡画像からポリープを検知し、ポリープの位置を推定する。具体的には、ポリープ検知部２３は、映像領域認識部２２が生成した内視鏡画像を、ＡＩによる画像解析が可能な大きさにリサイズする。そして、ポリープ検知部２３は、予め用意された画像認識モデルなどを用いて、リサイズした画像に含まれるポリープを検知する。この画像認識モデルは、内視鏡画像に含まれるポリープの位置を推定するように予め学習されたモデルであり、以下、「ポリープ検知モデル」とも呼ぶ。ポリープ検知部２３は、ポリープを検知した場合は、ポリープ領域を囲む矩形の座標情報を生成し、その座標情報を第１推定部２４へ出力する。
　第１推定部２４は、ポリープ検知部２３が検知したポリープが、所定サイズ以上であるか否かを推定する。具体的には、第１推定部２４は、まずポリープ検知部２３が生成した座標情報を用いて、映像領域認識部２２が生成した内視鏡画像からポリープ領域のみを切り出す。次に、第１推定部２４は、切り出したポリープ領域の画像を、ＡＩによる画像解析が可能な大きさにリサイズする。そして、第１推定部２４は、予め用意された画像認識モデルなどを用いて、ポリープが所定サイズ以上であるか否かを推定する。この画像認識モデルは、ポリープ領域の画像から、その画像に含まれるポリープのサイズが所定サイズ以上であるか否かを推定するように予め学習されたモデルであり、以下、「第１のサイズ推定モデル」とも呼ぶ。
　次に、第１推定部２４は、第１のサイズ推定モデルを用いて、ポリープが所定サイズ以上であるか否かを推定する。いま、仮に所定サイズを「Ｘｍｍ」とし、Ｘｍｍ以上のポリープを大きいポリープとし、Ｘｍｍ未満のポリープを小さいポリープとする。なお、ここでの所定サイズ「Ｘｍｍ」は、内視鏡検査のガイドラインなどに基づいて予め決められた値とする。第１推定部２４は、ポリープ領域の画像に含まれるポリープのサイズを推定し、そのポリープが大きいポリープである確率を示すスコア（「大ポリープスコア」と呼ぶ。）と、そのポリープが小さいポリープである確率を示すスコア（「小ポリープスコア」と呼ぶ。）を算出する。第１推定部２４は、例えば、大ポリープスコアと小ポリープスコアの合計が「１」となるように各スコアを算出する。
　そして、第１推定部２４は、大ポリープスコアと小ポリープスコアを予め決められた所定の閾値ＴＨと比較し、閾値ＴＨより大きいスコアを有する方を推定結果として採用する。例えば、閾値ＴＨを「０．５」とすると、第１推定部２４は、大ポリープスコアが閾値ＴＨより大きい場合、そのポリープを大きいポリープ（Ｘｍｍ以上）と推定し、小ポリープスコアが閾値ＴＨより大きい場合、そのポリープを小さいポリープ（Ｘｍｍ未満）と推定する。そして、第１推定部２４は、内視鏡画像と、ポリープのサイズ推定結果とに基づいて、表示データＩｄを生成し、表示装置２へ出力する。
　上記のように、本実施形態では、第１推定部２４は、内視鏡画像に基づいてポリープのサイズを推定する際に、ポリープ領域に絞った画像を用いることで、ポリープのサイズを高精度で推定することができる。なお、上記の例では、第１推定部２４は、内視鏡画像からポリープ領域を切り出した上で、ポリープのサイズを推定している。その代わりに、第１推定部２４は、ポリープ検知部２３が検知したポリープ領域の座標情報を用いて、内視鏡画像上にポリープ領域を囲む矩形を描画し、矩形で囲まれた領域の画像に基づいて、ポリープのサイズを推定してもよい。
　また、第１推定部２４は、内視鏡画像上のポリープ領域を矩形などで囲む描画を行い、その画像データを表示装置２へ出力してもよい。これにより、医師は、表示された画像を見て、ポリープの位置を容易に把握することが可能となる。
　上記の構成において、映像キャプチャ部２１及び映像領域認識部２２は内視鏡画像取得手段の一例であり、ポリープ検知部２３はポリープ検出手段の一例であり、第１推定部２４は第１推定手段、出力手段、及び、表示制御手段の一例である。
　［画像表示処理］
　次に、上記のような表示を行う画像表示処理について説明する。図４は、画像処理装置１による画像表示処理のフローチャートである。この処理は、図２に示すプロセッサ１１が予め用意されたプログラムを実行し、図３に示す各要素として動作することにより実現される。
　まず、映像キャプチャ部２１は、入力部１４を通じて内視鏡映像Ｉｃを取得し、内視鏡映像Ｉｃからフレーム画像４１を取得する（ステップＳ１１）。図示のように、フレーム画像４１は、被験者に関する情報を表示する領域と、内視鏡カメラの映像を表示する領域（内視鏡画像）を含んでいる。映像領域認識部２２は、映像キャプチャ部２１が取得したフレーム画像４１から、内視鏡画像４２を取得する（ステップＳ１２）。
　次に、ポリープ検知部２３は、内視鏡画像４２を、ポリープ検知モデルを用いたポリープ検知に適したサイズにリサイズし、リサイズ画像４３を生成する（ステップＳ１３）。次に、ポリープ検知部２３は、ポリープ検知モデルを用いて、リサイズ画像４３からポリープを検知する（ステップＳ１４）。ポリープ検知部２３は、ポリープを検知した場合は、リサイズ画像４３のポリープ領域を示す矩形４３ｘの座標情報を生成する。ポリープ領域を示す矩形４３ｘの座標情報は、例えば矩形の左上の点の座標（ｘ、ｙ）と、その点を原点とした場合の矩形の幅ｗ及び高さｈにより表すことができる。
　次に、ポリープ検知部２３は、ポリープ領域を示す矩形４３ｘの座標変換を行う（ステップＳ１５）。この座標変換は、矩形４３ｘの座標を、ステップＳ１３におけるリサイズ前の座標系における座標に修正するものである。これにより、座標変換後の矩形４３ｘは、内視鏡画像４２の座標系におけるサイズに修正される。ポリープ検知部２３は、座標変換後のポリープ領域の座標情報を第１推定部２４へ出力する。
　次に、第１推定部２４は、ポリープ領域を示す矩形４３ｘの座標情報に基づいて、内視鏡画像４２からポリープ領域をクロップする（ステップＳ１６）。なお、クロップとは、画像の一部を切り出すことをいう。
　次に、第１推定部２４は、クロップしたポリープ領域４４をリサイズし、リサイズ画像４５を生成する（ステップＳ１７）。ここでのリサイズは、ポリープ領域４４を、第１推定部２４が用いる第１サイズ推定モデルに適したサイズに修正するものである。次に、第１推定部２４は、第１サイズ推定モデルを用い、リサイズ画像４５に基づいて、ポリープのサイズを推定する（ステップＳ１８）。具体的には、第１推定部２４は、そのポリープがＸｍｍ以上である確率を示すスコア（大ポリープスコア）と、そのポリープがＸｍｍ未満である確率を示すスコア（小ポリープスコア）とを算出する。次に、第１推定部２４は、算出された各スコアを閾値ＴＨと比較し、そのポリープがＸｍｍ以上であるか未満であるかを示す推定結果を表示する（ステップＳ２２）。そして、画像表示処理は終了する。
　［表示例］
　次に、表示装置２による表示例を説明する。図５は、ポリープのサイズ推定結果の表示例を示す。ある患者の内視鏡検査の際に、ポリープが検知された場合、内視鏡画像と、ポリープの検知結果と、ポリープのサイズ推定結果とが、表示装置２に表示される。
　図５の表示例では表示エリア６０内に、内視鏡画像６１と、ポリープ検知画像６２と、ポリープのサイズ推定結果６３とが表示されている。
　内視鏡画像６１は、ポリープが検出された臓器部位の内視鏡画像である。ポリープ検知画像６２は、ポリープ検知部２３により検知されたポリープを表示した画像であり、内視鏡画像に写るポリープを矩形６２ｘで囲んで示している。この例では、ポリープを矩形で囲んでいるが、楕円など他の図形で囲んでもよい。ポリープのサイズ推定結果６３は、第１推定部２４によるポリープのサイズ推定結果である。この例では、ポリープのサイズが所定サイズ（Ｘｍｍ）以上の場合は、「Ｎｏｎ－ｄｉｍｉｎｕｔｉｖｅ」と表示され、ポリープのサイズが所定の閾値未満の場合は、「Ｄｉｍｉｎｕｔｉｖｅ」と表示される。なお、ポリープのサイズ推定結果６３には、ポリープのサイズが所定サイズ以上か否かに加え、ポリープの悪性度など、ポリープに関連するその他の情報を表示してもよい。
　［変形例］
　次に、第１実施形態の変形例を説明する。以下の変形例は、適宜組み合わせて第１実施形態に適用することができる。
　（変形例１）
　第１実施形態では、第１推定部２４は、ポリープ領域の画像に基づいてポリープのサイズを推定している。その代わりに、第１推定部２４は、ポリープ領域の画像に加え、オプティカルフロー（Ｏｐｔｉｃａｌ　ｆｌｏｗ）情報を用いて、ポリープのサイズを推定してもよい。図６は、変形例１の画像表示装置１ａの機能構成を示す。図示のように、変形例１では、画像表示装置１ａにオプティカルフロー計算部２８を設ける。オプティカルフロー計算部２８は、映像領域認識部２２から内視鏡画像を取得し、１フレーム前の内視鏡画像と、最新の内視鏡画像を基にオプティカルフロー情報を計算する。そして、オプティカルフロー計算部２８は、計算したオプティカルフロー情報を第１推定部２４に出力する。オプティカルフロー計算手段は、計算手段の一例である。
　第１推定部２４が使用する第１のサイズ推定モデルは、ポリープ領域の画像及びオプティカルフロー情報に基づいてポリープのサイズを推定するように予め学習された学習済みのモデルとする。第１推定部２４は、ポリープ検知部２３から入力されたポリープ領域の画像、及び、オプティカルフロー計算部２８が計算したオプティカルフロー情報に基づいて、ポリープのサイズを推定する。オプティカルフローは、画像中の各点の移動方向及び移動量を示すので、オプティカルフローを用いることにより、ポリープのサイズ推定の精度を向上させることができる。
　（変形例２）
　ポリープのサイズ推定において、内視鏡の製造業者や、内視鏡が使用している光源の種類、内視鏡が拡大表示をしているか否か、などを考慮することで、ポリープのサイズ推定の精度を向上させることができる。図７は、変形例２の画像表示装置１ｂの機能構成を示す。図示のように、変形例２では、画像表示装置１ｂに画像特性取得部２９を設ける。画像特性取得部２９は、内視鏡の製造業者、内視鏡が使用している光源の種類、内視鏡が拡大表示をしているか否かなどの、画像特性情報を取得する。具体的に、画像特性情報としては、内視鏡スコープの仕様情報などを用いてもよい。この場合には、内視鏡スコープの仕様情報を記憶した記憶媒体などから画像特性取得部２９が仕様情報を読み込んでもよい。その代わりに、画像特性取得部２９は、映像領域認識部２２が生成した内視鏡画像を分析することにより、画像の輝度、色合いなどの画質を推定し、画像特性情報として使用してもよい。画像特性取得部２９は、画像特性取得手段の一例である。
　画像特性取得部２９は、抽出した画像特性情報を第１推定部２４に出力する。第１推定部２４が使用する第１のサイズ推定モデルは、ポリープ領域の画像及び画像特性情報に基づいてポリープのサイズを推定するように予め学習された学習済みのモデルとする。第１推定部２４は、ポリープ検知部２３から入力されたポリープ領域の画像、及び、画像特性取得部２９から入力された画像特性情報に基づいて、ポリープのサイズを推定する。これにより、ポリープのサイズ推定の精度を向上させることができる。
　＜第２実施形態＞
　次に、第２実施形態について説明する。第２実施形態における内視鏡検査システム１００の構成、及び、画像処理装置１ｘのハードウェア構成は、上述した第１実施形態と同様であるので、説明を省略する。
　［機能構成］
　図８は、第２実施形態の画像処理装置１ｘの機能構成を示すブロック図である。第２実施形態の画像処理装置１ｘは、第１実施形態の画像処理装置１に、第２推定部２５と、推定結果統合部２６とを加えたものである。
　第２推定部２５は、第２のサイズ推定モデルを用いて、映像領域認識部２２が生成した内視鏡画像からポリープのサイズを推定する。即ち、第１のサイズ推定モデルがポリープ領域の画像からポリープのサイズを推定するのに対し、第２のサイズ推定モデルは、内視鏡画像全体からポリープのサイズを推定する。第２のサイズ推定モデルは、内視鏡画像に含まれるポリープのサイズを推定するように予め学習されたモデルである。
　具体的に、第２推定部２５は、まず映像領域認識部２２が生成した内視鏡画像を、第２のサイズ推定モデルに適した大きさにリサイズする。次に、第２推定部２５は、予め用意された第２のサイズ推定モデルを用いてポリープを検知し、ポリープが所定サイズ以上であるか否かを推定する。第２推定部２５は、第１推定部２４と同様に、内視鏡画像に含まれるポリープがＸｍｍ以上である確率を示すスコア（大ポリープスコア）及びＸｍｍ未満である確率を示すスコア（小ポリープスコア）を算出し、推定結果統合部２６に出力する。
　推定結果統合部２６は、第１推定部２４によるポリープのサイズ推定結果と、第２推定部２５によるポリープのサイズ推定結果を統合する。例えば、あるポリープのサイズについて、第１推定部２４は大ポリープスコア「０．６」、小ポリープスコア「０．４」を出力し、第２推定部２５は大ポリープスコア「０．８」、小ポリープスコア「０．２」を出力したとする。推定結果統合部２６は、まず第１推定部２４と第２推定部２５の推定結果の平均値を計算する。この例では、推定結果統合部２６は、大ポリープスコアの平均値を「０．７」、小ポリープスコアの平均値を「０．３」と算出する。そして、推定結果統合部２６は、得られた平均値を予め決められた閾値ＴＨと比較し、ポリープのサイズ推定結果を出力する。前述のように、閾値ＴＨを「０．５」とすると、推定結果統合部２６は、そのポリープを大ポリープ、即ち、Ｘｍｍ以上であると推定する。そして、推定結果統合部２６は、ポリープのサイズの推定結果と、映像領域認識部２２が生成した内視鏡画像とに基づいて、表示データＩｄを生成し、表示装置２へ出力する。
　上記のように、第２実施形態では、第１実施形態の構成に、内視鏡画像全体からポリープのサイズを推定する第２推定部２５を加える。こうして、第２推定部２５が内視鏡画像全体からポリープの検知およびポリープのサイズ推定を行うことにより、ポリープ検知部２３がポリープを見逃した場合などに、それを第２推定部２５で補うことが可能となる。
　上記の構成において、第２推定部２５は第２推定手段の一例であり、推定結果統合部２６は推定結果統合手段の一例である。
　［画像表示処理］
　図９は、第２実施形態の画像表示装置１ｘによる画像表示処理のフローチャートである。第２実施形態の画像表示処理フローチャートは、図４に示す第１実施形態の画像表示処理のフローチャートに、ステップＳ１９～Ｓ２１を追加したものである。ステップＳ１１～Ｓ１８の処理は第１実施形態と同様であるので、説明を省略する。
　第２推定部２５は、ステップＳ１２で映像領域認識部２２が生成した内視鏡画像４２を取得する。そして、第２推定部２５は、内視鏡画像４２を第２のサイズ推定モデルに適したサイズにリサイズし、リサイズ画像４６を生成する（ステップＳ１９）。次に、第２推定部２５は、第２のサイズ推定モデルを用いて、リサイズ画像４６に基づいてポリープを検知し、ポリープのサイズ推定結果を推定結果統合部２６へ出力する（ステップＳ２０）。推定結果統合部２６は、第１推定部２４のサイズ推定結果と、第２推定部２５のサイズ推定結果の平均値を計算し（ステップＳ２１）、閾値ＴＨと比較することによりポリープのサイズ推定結果を決定して表示する（ステップＳ２２）。そして、処理は終了する。
　［変形例］
　次に、第２実施形態の変形例を説明する。以下の変形例は、適宜組み合わせて第２実施形態に適用することができる。
　（変形例３）
　第２実施形態では、第１推定部２４がポリープ領域の画像に基づいてポリープのサイズを推定し、第２推定部２５が内視鏡画像に基づいてポリープのサイズを推定している。ここで、第２推定部２５を、オプティカルフロー情報を用いてポリープのサイズを推定するように構成してもよい。この場合、前述の変形例１と同様に、画像表示装置１ｘにオプティカルフロー計算部２８を設け、オプティカルフロー計算部２８が計算したオプティカルフロー情報を第２推定部２５に入力する。第２推定部２５が使用する第２のサイズ推定モデルは、内視鏡画像及びオプティカルフロー情報に基づいてポリープのサイズを推定するように予め学習された学習済みのモデルとする。
　なお、第２推定部２５の代わりに、第１推定部２４が、オプティカルフロー情報を用いてポリープサイズを推定するように構成してもよい。また、第１推定部２４と第２推定部２５の両方がオプティカルフロー情報を用いてポリープサイズを推定するように構成してもよい。さらには、第１推定部２４及び第２推定部２５とは別に、内視鏡画像とオプティカルフロー情報とに基づいてポリープのサイズを推定する推定部を設けてもよい。これにより、変形例１と同様に、オプティカルフロー情報を用いてポリープのサイズ推定の精度を向上させることができる。
　（変形例４）
　第２実施形態においても、ポリープのサイズ推定において、内視鏡の製造業者や、内視鏡が使用している光源の種類、内視鏡が拡大表示をしているか否か、などを考慮することで、ポリープのサイズ推定の精度を向上させることができる。この場合、前述の変形例２と同様に、画像表示装置１ｘに画像特性取得部２９を設け、画像特性取得部２９が取得した画像特性情報を第２推定部２５に入力する。第２推定部２５が使用する第２のサイズ推定モデルは、内視鏡画像と画像特性情報とに基づいてポリープのサイズを推定するように予め学習済みのモデルとする。これにより、変形例２と同様に、画像特性情報を用いてポリープのサイズ推定の精度を向上させることができる。なお、第２推定部２５の代わりに、第１推定部２４が、画像特性情報を用いてポリープサイズを推定するように構成してもよい。また、第１推定部２４と第２推定部２５の両方が画像特性情報を用いてポリープサイズを推定するように構成してもよい。
　＜第３実施形態＞
　図１０は、第３実施形態の画像処理装置の機能構成を示すブロック図である。画像処理装置７０は、内視鏡画像取得手段７１と、ポリープ検出手段７２と、第１推定手段７３と、出力手段７４と、を備える。
　図１１は、第３実施形態の画像処理装置による処理のフローチャートである。まず、内視鏡画像取得手段７１は、内視鏡によって撮影された内視鏡画像を取得する（ステップＳ７１）。次に、ポリープ検出手段７２は、内視鏡画像からポリープ領域を検出する（ステップＳ７２）。次に、第１推定手段は、検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定する（ステップＳ７３）。そして、出力手段７４は、ポリープのサイズの推定結果を出力する（ステップＳ７４）。
　第３実施形態の画像処理装置７０によれば、内視鏡検査の際にポリープを検出し、ポリープ領域の画像に基づいてポリープのサイズを推定することができる。
　以上、実施形態及び実施例を参照して本開示を説明したが、本開示は上記実施形態及び実施例に限定されるものではない。本開示の構成や詳細には、本開示のスコープ内で当業者が理解し得る様々な変更をすることができる。
　（付記１）
　内視鏡画像を取得する内視鏡画像取得手段と、
　前記内視鏡画像からポリープ領域を検出するポリープ検出手段と、
　検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定する第１推定手段と、
　ポリープのサイズの推定結果を出力する出力手段と、
　を備える画像処理装置。
　（付記２）
　前記第１推定手段は、前記ポリープ検出手段がポリープを検出した場合、前記内視鏡画像からポリープ領域の画像を切り出し、切り出したポリープ領域の画像に基づいてポリープのサイズを推定する付記１に記載の画像処理装置。
　（付記３）
　前記第１推定手段は、前記ポリープ検出手段がポリープを検出した場合、前記内視鏡画像上に、ポリープ領域を囲むように描画を行い、囲まれたポリープ領域に基づいてポリープのサイズを推定する付記１に記載の画像処理装置。
　（付記４）
　前記内視鏡画像及び前記ポリープのサイズの推定結果を表示装置に表示する表示制御手段を備え、
　前記表示制御手段は、前記内視鏡画像上に、検出されたポリープ領域を囲う図形を重畳表示する付記１乃至３のいずれか一項に記載の画像処理装置。
　（付記５）
　前記内視鏡画像に基づいてオプティカルフロー情報を計算する計算手段を備え、
　前記第１推定手段は、前記ポリープ領域の画像と、前記オプティカルフロー情報とに基づいて、ポリープのサイズを推定する付記１乃至４のいずれか一項に記載の画像処理装置。
　（付記６）
　前記内視鏡画像の画像特性情報を取得する画像特性取得手段を備え、
　前記第１推定手段は、前記ポリープ領域の画像と、前記画像特性情報とに基づいて、ポリープのサイズを推定する付記１乃至５のいずれか一項に記載の画像処理装置。
　（付記７）
　前記内視鏡画像に基づいて、ポリープのサイズを推定する第２推定手段と、
　前記第１推定手段によるポリープのサイズの推定結果と、前記第２推定手段によるポリープのサイズの推定結果を統合する推定結果統合手段と、
を備え、
　前記出力手段は、前記推定結果統合手段による統合結果を出力する付記１乃至６のいずれか一項に記載の画像処理装置。
　（付記８）
　前記内視鏡画像に基づいてオプティカルフロー情報を計算する計算手段を備え、
　前記第２推定手段は、前記内視鏡画像と、前記オプティカルフロー情報とに基づいて、ポリープのサイズを推定する付記７に記載の画像処理装置。
　（付記９）
　前記内視鏡画像の画像特性情報を取得する画像特性取得手段を備え、
　前記第２推定手段は、前記内視鏡画像と、前記画像特性情報とに基づいて、ポリープのサイズを推定する付記７又は８に記載の画像処理装置。
　（付記１０）
　内視鏡画像を取得し、
　前記内視鏡画像からポリープ領域を検出し、
　検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定し、
　ポリープのサイズの推定結果を出力する画像処理方法。
　（付記１１）
　内視鏡画像を取得し、
　前記内視鏡画像からポリープ領域を検出し、
　検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定し、
　ポリープのサイズの推定結果を出力する処理をコンピュータに実行させるプログラムを記録した記憶媒体。
　１　画像処理装置
　２　表示装置
　３　内視鏡スコープ
　１１　プロセッサ
　１２　メモリ
　１７　データベース（ＤＢ）
　２１　映像キャプチャ部
　２２　映像領域認識部
　２３　ポリープ検知部
　２４　第１推定部
　２５　第２推定部
　２６　推定結果統合部
　１００　内視鏡検査システム

Claims (11)

  1. 　内視鏡画像を取得する内視鏡画像取得手段と、
    　前記内視鏡画像からポリープ領域を検出するポリープ検出手段と、
    　検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定する第１推定手段と、
    　ポリープのサイズの推定結果を出力する出力手段と、
    　を備える画像処理装置。
  2. 　前記第１推定手段は、前記ポリープ検出手段がポリープを検出した場合、前記内視鏡画像からポリープ領域の画像を切り出し、切り出したポリープ領域の画像に基づいてポリープのサイズを推定する請求項１に記載の画像処理装置。
  3. 　前記第１推定手段は、前記ポリープ検出手段がポリープを検出した場合、前記内視鏡画像上に、ポリープ領域を囲むように描画を行い、囲まれたポリープ領域に基づいてポリープのサイズを推定する請求項１に記載の画像処理装置。
  4. 　前記内視鏡画像及び前記ポリープのサイズの推定結果を表示装置に表示する表示制御手段を備え、
    　前記表示制御手段は、前記内視鏡画像上に、検出されたポリープ領域を囲う図形を重畳表示する請求項１乃至３のいずれか一項に記載の画像処理装置。
  5. 　前記内視鏡画像に基づいてオプティカルフロー情報を計算する計算手段を備え、
    　前記第１推定手段は、前記ポリープ領域の画像と、前記オプティカルフロー情報とに基づいて、ポリープのサイズを推定する請求項１乃至４のいずれか一項に記載の画像処理装置。
  6. 　前記内視鏡画像の画像特性情報を取得する画像特性取得手段を備え、
    　前記第１推定手段は、前記ポリープ領域の画像と、前記画像特性情報とに基づいて、ポリープのサイズを推定する請求項１乃至５のいずれか一項に記載の画像処理装置。
  7. 　前記内視鏡画像に基づいて、ポリープのサイズを推定する第２推定手段と、
    　前記第１推定手段によるポリープのサイズの推定結果と、前記第２推定手段によるポリープのサイズの推定結果を統合する推定結果統合手段と、
    を備え、
    　前記出力手段は、前記推定結果統合手段による統合結果を出力する請求項１乃至６のいずれか一項に記載の画像処理装置。
  8. 　前記内視鏡画像に基づいてオプティカルフロー情報を計算する計算手段を備え、
    　前記第２推定手段は、前記内視鏡画像と、前記オプティカルフロー情報とに基づいて、ポリープのサイズを推定する請求項７に記載の画像処理装置。
  9. 　前記内視鏡画像の画像特性情報を取得する画像特性取得手段を備え、
    　前記第２推定手段は、前記内視鏡画像と、前記画像特性情報とに基づいて、ポリープのサイズを推定する請求項７又は８に記載の画像処理装置。
  10. 　内視鏡画像を取得し、
    　前記内視鏡画像からポリープ領域を検出し、
    　検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定し、
    　ポリープのサイズの推定結果を出力する画像処理方法。
  11. 　内視鏡画像を取得し、
    　前記内視鏡画像からポリープ領域を検出し、
    　検出されたポリープ領域の画像に基づいて、ポリープのサイズを推定し、
    　ポリープのサイズの推定結果を出力する処理をコンピュータに実行させるプログラムを記録した記憶媒体。
PCT/JP2021/048499 2021-12-27 2021-12-27 画像処理装置、画像処理方法、及び、記憶媒体 Ceased WO2023126999A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2023570496A JPWO2023126999A5 (ja) 2021-12-27 画像処理装置、画像処理方法、及び、プログラム
PCT/JP2021/048499 WO2023126999A1 (ja) 2021-12-27 2021-12-27 画像処理装置、画像処理方法、及び、記憶媒体
EP21969883.4A EP4458249A4 (en) 2021-12-27 2021-12-27 IMAGE PROCESSING DEVICE, IMAGE PROCESSING METHOD AND STORAGE MEDIUM
US18/722,891 US20250061569A1 (en) 2021-12-27 2021-12-27 Image processing device, image processing method, and recording medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2021/048499 WO2023126999A1 (ja) 2021-12-27 2021-12-27 画像処理装置、画像処理方法、及び、記憶媒体

Publications (1)

Publication Number Publication Date
WO2023126999A1 true WO2023126999A1 (ja) 2023-07-06

Family

ID=86998297

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2021/048499 Ceased WO2023126999A1 (ja) 2021-12-27 2021-12-27 画像処理装置、画像処理方法、及び、記憶媒体

Country Status (3)

Country Link
US (1) US20250061569A1 (ja)
EP (1) EP4458249A4 (ja)
WO (1) WO2023126999A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117796745A (zh) * 2024-02-29 2024-04-02 四川大学 一种估计消化内镜镜头进退距离的方法
WO2025150034A3 (en) * 2024-01-09 2025-08-28 Palliare Limited An insufflator, an insufflating apparatus and a method for insufflating a vessel in the body of a human or animal subject

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018105063A1 (ja) * 2016-12-07 2018-06-14 オリンパス株式会社 画像処理装置
US20180253839A1 (en) * 2015-09-10 2018-09-06 Magentiq Eye Ltd. A system and method for detection of suspicious tissue regions in an endoscopic procedure
WO2020008651A1 (ja) * 2018-07-06 2020-01-09 オリンパス株式会社 内視鏡用画像処理装置、及び、内視鏡用画像処理方法、並びに、内視鏡用画像処理プログラム
US20200279373A1 (en) * 2019-02-28 2020-09-03 EndoSoft LLC Ai systems for detecting and sizing lesions
WO2021140602A1 (ja) 2020-01-09 2021-07-15 オリンパス株式会社 画像処理システム、学習装置及び学習方法
WO2021157487A1 (ja) * 2020-02-06 2021-08-12 富士フイルム株式会社 医用画像処理装置、内視鏡システム、医用画像処理方法、及びプログラム
WO2021181564A1 (ja) * 2020-03-11 2021-09-16 オリンパス株式会社 処理システム、画像処理方法及び学習方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111383214B (zh) * 2020-03-10 2021-02-19 长沙慧维智能医疗科技有限公司 实时内窥镜肠镜息肉检测系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180253839A1 (en) * 2015-09-10 2018-09-06 Magentiq Eye Ltd. A system and method for detection of suspicious tissue regions in an endoscopic procedure
WO2018105063A1 (ja) * 2016-12-07 2018-06-14 オリンパス株式会社 画像処理装置
WO2020008651A1 (ja) * 2018-07-06 2020-01-09 オリンパス株式会社 内視鏡用画像処理装置、及び、内視鏡用画像処理方法、並びに、内視鏡用画像処理プログラム
US20200279373A1 (en) * 2019-02-28 2020-09-03 EndoSoft LLC Ai systems for detecting and sizing lesions
WO2021140602A1 (ja) 2020-01-09 2021-07-15 オリンパス株式会社 画像処理システム、学習装置及び学習方法
WO2021157487A1 (ja) * 2020-02-06 2021-08-12 富士フイルム株式会社 医用画像処理装置、内視鏡システム、医用画像処理方法、及びプログラム
WO2021181564A1 (ja) * 2020-03-11 2021-09-16 オリンパス株式会社 処理システム、画像処理方法及び学習方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4458249A4

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2025150034A3 (en) * 2024-01-09 2025-08-28 Palliare Limited An insufflator, an insufflating apparatus and a method for insufflating a vessel in the body of a human or animal subject
CN117796745A (zh) * 2024-02-29 2024-04-02 四川大学 一种估计消化内镜镜头进退距离的方法
CN117796745B (zh) * 2024-02-29 2024-05-03 四川大学 一种估计消化内镜镜头进退距离的方法

Also Published As

Publication number Publication date
JPWO2023126999A1 (ja) 2023-07-06
US20250061569A1 (en) 2025-02-20
EP4458249A4 (en) 2025-02-26
EP4458249A1 (en) 2024-11-06

Similar Documents

Publication Publication Date Title
WO2023126999A1 (ja) 画像処理装置、画像処理方法、及び、記憶媒体
US20250000329A1 (en) Information processing device, information processing method, and recording medium
EP4302681A1 (en) Medical image processing device, medical image processing method, and program
US20250281022A1 (en) Endoscopy support device, endoscopy support method, and recording medium
JP7750418B2 (ja) 内視鏡検査支援装置、内視鏡検査支援方法、及び、プログラム
JP7647873B2 (ja) 画像処理装置、画像処理方法及びプログラム
US20240180395A1 (en) Endoscopic examination support apparatus, endoscopic examination support method, and recording medium
US20250185884A1 (en) Endoscopic examination support apparatus, endoscopic examination support method, and recording medium
EP4434434A1 (en) Information processing device, information processing method, and recording medium
JP7448923B2 (ja) 情報処理装置、情報処理装置の作動方法、及びプログラム
EP4470448A1 (en) Image-determining device, image-determining method, and recording medium
US20250182882A1 (en) Endoscopic examination support apparatus, endoscopic examination support method, and recording medium
JP7264407B2 (ja) 訓練用の大腸内視鏡観察支援装置、作動方法、及びプログラム
US20250241514A1 (en) Image display device, image display method, and recording medium
US20250166297A1 (en) Image processing apparatus, image processing method, and storage medium
US20240335093A1 (en) Medical support device, endoscope system, medical support method, and program
US20250134348A1 (en) Image processing device, image processing method, and storage medium
US20250378556A1 (en) Endoscopic examination assistance device, endoscopic examination system, processing method, and storage medium
WO2025104800A1 (ja) 内視鏡検査支援装置、内視鏡検査支援方法、及び、記録媒体
WO2024185357A1 (ja) 医療支援装置、内視鏡システム、医療支援方法、及びプログラム
WO2024185468A1 (ja) 医療支援装置、内視鏡システム、医療支援方法、及びプログラム
WO2023089716A1 (ja) 情報表示装置、情報表示方法、及び、記録媒体
WO2024190272A1 (ja) 医療支援装置、内視鏡システム、医療支援方法、及びプログラム
WO2024166731A1 (ja) 画像処理装置、内視鏡、画像処理方法、及びプログラム
WO2023187886A1 (ja) 画像処理装置、画像処理方法及び記憶媒体

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 21969883

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2023570496

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 18722891

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2021969883

Country of ref document: EP

Effective date: 20240729

WWW Wipo information: withdrawn in national office

Ref document number: 2021969883

Country of ref document: EP