JP5576775B2 - 画像処理装置、画像処理方法、及び画像処理プログラム - Google Patents

Description

本発明は、被検者の生体内を撮像した生体内画像を処理する画像処理装置、画像処理方法、及び画像処理プログラムに関するものである。

従来から、患者等の被検者の体内に導入されて管腔内を観察する医用観察装置として、内視鏡が広く普及している。近年では、カプセル型の筐体内部に撮像装置及び通信装置等を収容し、撮像装置により撮像された画像データを体外に無線送信する飲み込み型の内視鏡（カプセル内視鏡）も開発されている。このような医用観察装置によって撮像された一連の生体内画像（消化管内画像）は膨大な数（数万枚以上）に上ると共に、各消化管内画像に対する観察及び診断には多くの経験が必要とされる。そのため、医師による診断を補助する医療診断支援機能が望まれている。この機能を実現する画像認識技術の１つとして、消化管内画像から病変等の異常部分を自動的に検出して、重点的に診断すべき画像を示す技術が提案されている。

ところで、消化管内画像には、診断において観察対象となる粘膜領域の他に、残渣のように観察不要な内容物が映し出されている場合がある。このような粘膜領域と内容物領域（即ち、領域のカテゴリ）とを判別する技術として、例えば、特許文献１には、一連の消化管内画像から複数の画像を選択し、選択された複数の画像の画素毎又は小領域毎の色特徴量を算出し、これらの色特徴量に基づいて、一連の消化管内画像を構成する各画像内の粘膜領域を判別する画像処理方法が開示されている。

また、画像に映し出された互いに異なる領域を判別する技術として、同時生起行列を用いたテクスチャ特徴量による方法も知られている（例えば、非特許文献１参照）。同時生起行列とは、画素ｉと、画素ｉから一定の変位δ＝（ｄ，θ）（ｄは距離、θは角度）だけ離れた画素ｊの画素値をそれぞれＬ_ｉ、Ｌ_ｊとした場合に、画素値の対（Ｌ_ｉ，Ｌ_ｊ）が生じる確率Ｐ_δ（Ｌ_ｉ，Ｌ_ｊ）を要素とする行列である。この行列を用いることにより、画素値の一様性、方向性及びコントラスト等の性質を示す特徴量が求められる。

特開２０１０−１１５４１３号公報

奥富正敏、他編、「ディジタル画像処理」、ＣＧ−ＡＲＴＳ協会、第１９４〜１９５頁

ところで、生体内画像に映し出された各領域のカテゴリを、色特徴量を用いて判別する場合、撮像条件（照明条件等）の影響を受けることがある。また、同時生起行列を用いたテクスチャ特徴量を利用する場合、対象物を考慮したパラメータを用いなければならないため、処理時間の速いアルゴリズムを作成することが困難となる。そのため、消化管内画像のように画像枚数が非常に多い生体内画像について領域を判別する場合、処理時間が長くなってしまう。

本発明は、上記に鑑みてなされたものであって、生体内画像に含まれる各領域のカテゴリを、撮像条件に影響されることなく、且つ従来よりも速いアルゴリズムで適切に判別することができる画像処理装置、画像処理方法、及び画像処理プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明に係る画像処理装置は、生体内画像においてカテゴリ判別対象となる評価領域を設定する評価領域設定手段と、前記評価領域内の生体内画像からテクスチャ成分を取得するテクスチャ成分取得手段と、前記テクスチャ成分の均質性を示す評価値を算出する評価値算出手段と、前記評価値に基づいて、前記評価領域のカテゴリを判別する判別手段とを備えることを特徴とする。

本発明に係る画像処理方法は、生体内画像においてカテゴリ判別対象となる評価領域を設定する評価領域設定ステップと、前記評価領域内の生体内画像からテクスチャ成分を取得するテクスチャ成分取得ステップと、前記テクスチャ成分の均質性を示す評価値を算出する評価値算出ステップと、前記評価値に基づいて、前記評価領域のカテゴリを判別する判別ステップとを含むことを特徴とする。

本発明に係る画像処理プログラムは、生体内画像においてカテゴリ判別対象となる評価領域を設定する評価領域設定手順と、前記評価領域内の生体内画像からテクスチャ成分を取得するテクスチャ成分取得手順と、前記テクスチャ成分の均質性を示す評価値を算出する評価値算出手順と、前記評価値に基づいて、前記評価領域のカテゴリを判別する判別手順とをコンピュータに実行させることを特徴とする。

本発明によれば、評価領域内部における生体内画像のテクスチャ成分の均一性に基づいて当該評価領域のカテゴリを判別するので、撮像条件に影響されることなく、且つ処理時間の速いアルゴリズムで、適切な判別結果を得ることが可能となる。

図１は、本発明の実施の形態１に係る画像処理装置の構成を示すブロック図である。 図２は、モフォロジのオープニング処理によるテクスチャ成分の取得方法を説明する図である。 図３は、粘膜領域を主とする評価領域に対するテクスチャ成分の取得処理のシミュレーション結果を示す図である。 図４は、残渣領域を主とする評価領域に対するテクスチャ成分の取得処理のシミュレーション結果を示す図である。 図５は、図１に示す画像処理装置の動作を示すフローチャートである。 図６は、図１に示す画像処理装置において処理される消化管内画像の一例を示す模式図である。 図７は、消化管内画像上に設定された評価領域の一例を示す模式図である。 図８は、テクスチャ成分を示す評価値の算出処理を示すフローチャートである。 図９は、本発明の実施の形態２に係る画像処理装置の構成を示すブロック図である。 図１０は、図９に示す画像処理装置の動作を示すフローチャートである。 図１１は、粘膜領域における連続分布のテクスチャ成分から離散分布データを生成する方法を説明する図である。 図１２は、残渣領域における連続分布のテクスチャ成分から離散分布データを生成する方法を説明する図である。 図１３は、最近隣距離法により平均最近隣距離の算出方法を説明する図である。 図１４は、評価領域における離散点のばらつきと評価値との関係を示す図である。 図１５は、Ｋ−関数法による評価値の算出方法を説明する図である。 図１６は、χ^２検定による評価値の算出方法を説明する図である。 図１７は、本発明の実施３に係る画像処理装置の構成を示すブロック図である。 図１８は、粘膜成分のテクスチャ成分及びヒストグラムの一例を示す図である。 図１９は、残渣成分のテクスチャ成分及びヒストグラムの一例を示す図である。 図２０は、本発明の実施の形態３に係る画像処理装置の構成を示すブロック図である。 図２１は、実施の形態１〜３に係る画像処理装置をコンピュータシステムに適用した例を示すシステム構成図である。 図２２は、図２１に示す本体部の構成を示すブロック図である。

以下、本発明の実施の形態に係る画像処理装置について、図面を参照しながら説明する。なお、これら実施の形態によって本発明が限定されるものではない。また、各図面の記載において、同一部分には同一の符号を付して示している。

以下に説明する実施の形態に係る画像処理装置は、例えば内視鏡やカプセル内視鏡等の医用観察装置により撮像された被検者の生体内画像（消化管内画像）を処理するものであり、具体的には、消化管内画像に映し出された領域のカテゴリを判別（即ち、診断において観察対象となる粘膜領域や、観察が不要な残渣領域を識別）する処理を行う。また、以下の実施の形態において、医用観察装置によって撮像される消化管内画像は、例えば、各画素がＲ（赤）、Ｇ（緑）、Ｂ（青）の各色成分に対する画素レベル（画素値）を有するカラー画像である。

（実施の形態１）
図１は、本発明の実施の形態１に係る画像処理装置の構成を示すブロック図である。図１に示すように、画像処理装置１は、画像取得部１１と、入力部１２と、表示部１３と、記録部１４と、演算部１５と、画像処理装置１全体の動作を制御する制御部１０とを備える。

画像取得部１１は、医用観察装置によって撮像された消化管内画像の画像データを取得する。画像取得部１１は、医用観察装置を含むシステムの態様に応じて適宜構成される。例えば、医用観察装置がカプセル内視鏡であり、医用観察装置との間の画像データの受け渡しに可搬型の記録媒体が使用される場合、画像取得部１１は、この記録媒体を着脱自在に装着し、保存された消化管内画像の画像データを読み出すリーダ装置により実現される。また、医用観察装置によって撮像された消化管内画像の画像データを保存しておくサーバを設置する場合、画像取得部１１は、サーバと接続される通信装置等により実現され、サーバとの間でデータ通信を行って消化管内画像の画像データを取得する。或いは、画像取得部１１を、内視鏡等の医用観察装置からケーブルを介して画像信号を入力するインタフェース装置等で構成しても良い。

入力部１２は、例えばキーボード、マウス、タッチパネル、各種スイッチ等の入力デバイスよって実現され、ユーザがこれらの入力デバイスを操作することにより入力された入力信号を制御部１０に出力する。

表示部１３は、ＬＣＤやＥＬディスプレイ等の表示装置によって実現され、制御部１０の制御の下で、消化管内画像を含む各種画面を表示する。

記録部１４は、更新記録可能なフラッシュメモリ等のＲＯＭやＲＡＭといったＩＣメモリ、内蔵若しくはデータ通信端子で接続されたハードディスク、又は、ＣＤ−ＲＯＭ等の情報記録媒体及びその読取装置等によって実現される。記録部１４は、画像取得部１１によって取得された消化管内画像の画像データの他、画像処理装置１を動作させると共に、種々の機能を画像処理装置１に実行させるためのプログラムや、このプログラムの実行中に使用されるデータ等を格納する。具体的には、記録部１４は、消化管内画像に含まれる粘膜領域と残渣領域とを判別するための画像処理プログラム１４１を格納する。

演算部１５は、ＣＰＵ等のハードウェアと、そこに読み込まれた画像処理プログラム１４１とによって実現され、消化管内画像の画像データを処理して粘膜領域と残渣領域とを判別するための種々の演算処理を行う。演算部１５は、評価領域設定部１６と、テクスチャ成分取得部１７と、評価領域におけるテクスチャ成分の均質性を示す評価値を算出する評価値算出手段としての偏り評価値算出部１８と、判別部１９とを有する。

評価領域設定部１６は、消化管内画像から、粘膜領域と残渣領域とを判別する対象である評価領域を設定する。

テクスチャ成分取得部１７は、評価領域内の消化管内画像から構造成分を除くことにより、テクスチャ成分を取得する。テクスチャ成分の取得方法としては、例えば、モフォロジ（モルフォロジー）のオープニング処理（小畑秀文著、「モルフォロジー」、コロナ社、第８２〜８５頁参照）が用いられる。

図２は、モフォロジのオープニング処理によりテクスチャ成分を取得する方法を説明する図である。モフォロジのオープニング処理においては、まず、２次元画像を構成するｘｙ平面上の各画素の画素値を高度（ｚ軸）とみなした３次元空間における画像Ｇに対し（図２（ａ））、構造要素と呼ばれる基準図形Ｇ_Ｅを、画像Ｇの画素値の小さい方から外接させながら移動させて、基準図形Ｇ_Ｅの外周の最大値が通過する軌跡ＳＣを得る（図２（ｂ））。この軌跡ＳＣは、元の画像Ｇに含まれる構造成分に相当する。さらに、画像Ｇから軌跡（構造成分）ＳＣを差し引くことにより、テクスチャ成分ＴＣを得ることができる（図２（ｃ））。

図３は、粘膜領域からテクスチャ成分を取得したシミュレーション結果を示す。図３に示すように、粘膜領域の画像Ｇ_Ｍ（図３（ａ））から、オープニング処理により得られた構造成分ＳＣ_Ｍ（図３（ｂ））を差し引くことにより、粘膜領域のテクスチャ成分ＴＣ_Ｍ（図３（ｃ））が取得される。図３（ｃ）に示すように、粘膜領域のテクスチャ成分ＴＣ_Ｍは、比較的均質な性状となる。

一方、図４は、残渣領域からテクスチャ成分を取得したシミュレーション結果を示す。図４に示すように、粘膜領域の画像Ｇ_Ｒ（図４（ａ））から、オープニング処理により得られた構造成分ＳＣ_Ｒ（図４（ｂ））を差し引くことにより、残渣領域のテクスチャ成分ＴＣ_Ｒ（図４（ｃ））が取得される。図４（ｃ）に示すように、残渣領域のテクスチャ成分ＴＣ_Ｒは、凹凸に富んだ非均質な性状となる。

なお、テクスチャ成分の取得方法としては、上記説明以外にも、既知の様々な方法を用いることができる。例えば、消化管内画像にフーリエ変換を施し、ハイパスフィルタ処理を行って低周波成分をカットする。それによって得られた画像に逆フーリエ変換を施すことにより、テクスチャ成分を取得しても良い。

偏り評価値算出部１８は、座標空間上におけるテクスチャ成分の均質性を示す評価値を算出する。具体的には、偏り評価値算出部１８は、座標重心距離算出部１８１を備える。座標重心距離算出部１８１は、評価領域の内部において、座標重心と、テクスチャ成分の画素値（輝度）で重み付けした座標重心との間の距離を、均質性を示す評価値として算出する。

判別部１９は、偏り評価値算出部１８により算出された評価値に基づいて、評価領域のカテゴリを判別する。具体的には、判別部１９は、評価値がテクスチャ成分の均質性を示す場合、評価領域は粘膜領域であると判別する（図３（ｃ）参照）。一方、判別部１９は、評価値がテクスチャ成分の均質性を示さない場合、評価領域は残渣領域であると判別する（図４（ｃ）参照）。評価値がテクスチャ成分の均質性を示すか否かは、当該評価値が所定の範囲に含まれるか否かによって判定される。

制御部１０は、ＣＰＵ等のハードウェアによって実現され、記録部１４に格納された各種プログラムを読み込むことにより、画像取得部１１から入力される画像データや入力部１２から入力される操作信号等に従って、画像処理装置１を構成する各部への指示やデータの転送等を行い、画像処理装置１全体の動作を統括的に制御する。

次に、画像処理装置１の動作について、図５を参照しながら説明する。図５は、画像処理装置１による粘膜領域と残渣領域とを判別する画像処理の動作を示すフローチャートである。また、以下においては、図６に示す消化管内画像に対する画像処理を例として説明する。図６に示すように、消化管内画像１００を含む一連の消化管内画像群には、粘膜領域１０１を主として、時に残渣領域１０２や、病変領域１０３等が映されている。

画像処理装置１に取り込まれた消化管内画像群の画像データが記録部１４に格納されると、演算部１５は、記録部１４から処理対象の消化管内画像１００を読み出す（ステップＳ１）。

ステップＳ２において、評価領域設定部１６は、消化管内画像１００に対して評価領域を設定する。具体的には、評価領域設定部１６は、図７に示すように消化管内画像１００を複数の矩形領域に分割し、各領域を順次評価領域１０５に設定する。なお、図７においては消化管内画像１００を１６個の領域に分割しているが、分割する数や、各領域の大きさ及び形状はこれに限定されず、所望に設定して良い。例えば、１つ又は数画素分の領域を１つの評価領域に設定しても良いし、消化管内画像１００全体（即ち、分割しない）を１つの評価領域に設定しても良い。

ステップＳ３において、テクスチャ成分取得部１７は、消化管内画像１００及び評価領域１０５を表す情報（例えば、座標情報）を受け取り、評価領域１０５内の消化管内画像から構造成分１０６を除去することにより、テクスチャ成分を取得する。

ステップＳ４において、座標重心距離算出部１８１は、評価領域１０５におけるテクスチャ成分の均質性を示す評価値（以下、単に「評価値」ともいう）として、評価領域１０５内部の座標重心と、評価領域１０５内部をテクスチャ成分の画素値で重み付けした座標重心との間の距離である座標重心距離を算出する。

図８は、テクスチャ成分の均質性を示す評価値の算出処理を示すフローチャートである。まず、ステップＳ１１において、座標重心距離算出部１８１は、評価領域設定部１６から、評価領域１０５を表す情報（例えば、座標情報）を取得すると共に、テクスチャ成分取得部１７から評価領域１０５のテクスチャ成分を取得する。

ステップＳ１２において、座標重心距離算出部１８１は、式（１）を用いて評価領域１０５内に含まれる画素の座標重心（ｇ_ｘ，ｇ_ｙ）を算出する。

式（１）において、Ｘｉは評価領域１０５内に位置するｉ番目の画素ｉ（ｘ，ｙ）のｘ座標であり、Ｙｉは評価領域１０５内に位置するｉ番目の画素ｉ（ｘ，ｙ）のｙ座標である。また、Ｎは評価領域１０５に含まれる画素の総数である。

ステップＳ１３において、座標重心距離算出部１８１は、式（２）を用いて評価領域１０５内に含まれる画素をテクスチャ成分の画素値で重み付けした座標重心（Ｇ_ｘ，Ｇ_ｙ）を算出する。

式（２）において、Ｔｉ(ｘ，ｙ)は、評価領域１０５内に位置するｉ番目の画素におけるテクスチャ成分の画素値である。

さらに、ステップＳ１４において、ステップＳ１２及びＳ１３の算出結果及び式（３）を用いて、座標重心距離Ｄ_G-gを算出する。

この後、動作はメインルーチンに戻る。

ここで、テクスチャ成分が均質である場合、重み付けした座標重心（Ｇ_ｘ，Ｇ_ｙ）は、座標重心（ｇ_ｘ，ｇ_ｙ）とほぼ一致するため、座標重心距離Ｄ_G-gの値は小さくなる。一方、テクスチャ成分が均質でない場合、重み付けした座標重心（Ｇ_ｘ，Ｇ_ｙ）が座標重心（ｇ_ｘ，ｇ_ｙ）から離れるため、座標重心距離Ｄ_G-gの値は大きくなる。

座標重心距離算出部１８１は、上記ステップＳ１１〜Ｓ１４の処理により算出された座標重心距離Ｄ_G-gを、テクスチャ成分の均質性を示す評価値として判別部１９に出力する。

ステップＳ５において、判別部１９は、座標重心距離算出部１８１により算出された座標重心距離Ｄ_G-gを評価値として、評価領域１０５のカテゴリを判別する。具体的には、判別部１９は、まず、評価値を予め設定された所定の閾値と比較する。そして、この評価値が所定の閾値より小さい場合、テクスチャ成分は均質であり、評価領域１０５は粘膜領域であると判別する。一方、評価値が所定の閾値以上である場合、判別部１９は、テクスチャ成分は非均質であり、評価領域１０５は残渣領域であると判別する。さらに、判別部１９は、評価領域１０５の判別結果を出力して表示部１３に表示させると共に、この判別結果を記録部１４に記録させる（ステップＳ６）。

カテゴリの判別が終了していない評価領域１０５が残っている場合（ステップＳ７：Ｎｏ）、動作はステップＳ２に移行する。一方、全ての評価領域１０５について判別処理が実行されると（ステップＳ７：Ｙｅｓ）、消化管内画像１００に対する画像処理の動作は終了する。

以上説明したように、実施の形態１によれば、評価領域におけるテクスチャ成分の均質性に着目して、評価領域が粘膜領域であるか残渣領域であるかを判別する。従って、様々な大きさや形状を取り得る判別対象領域（評価領域）に対し、処理時間の速いアルゴリズムで、且つ撮影条件に影響されることなく適切にカテゴリを判別することが可能となる。また、実施の形態１によれば、テクスチャ成分の均質性を示す評価値として座標重心距離を算出するので、簡単な演算処理でテクスチャ成分の均質性を判定することが可能となる。

（変形例１−１）
評価領域の設定（ステップＳ２）は、上述した方法以外にも様々な方法で行うことができる。例えば、消化管内画像を色特徴量ごとに分割し（特許文献１参照）、分割された各領域を評価領域としても良い。或いは、動的輪郭法(ｓｎａｋｅｓ法)により抽出された閉曲線の内部を１つの評価領域としても良い。動的輪郭法とは、初期値として与えられた閉曲線の形状を変形させながら、閉曲線の連続性や滑らかさ、閉曲線上でのエッジ強度に基づくエネルギー和が最も安定するような閉曲線を抽出するものである（参考：ＣＧ−ＡＲＴＳ協会、ディジタル画像処理、ｐ．１９７〜ｐ．１９９）。

（変形例１−２）
テクスチャ成分の画素値で重み付けした座標重心を算出する際には（ステップＳ１３）、全ての画素を画素値で重み付けするのではなく、所定の条件を満たす画素のみを重み付けしても良い。具体的には、評価領域内における画素値の最大値に対し、所定の割合（例えば５０％）以上の画素値を有する画素を重み付けする。或いは、テクスチャ成分の連続分布において画素値がピークとなる画素（即ち、一次微分がゼロ、且つ二次微分が負となる画素）のみに対して重み付けしても良い。それにより、テクスチャ成分が非均質の場合、通常の座標重心（ｇ_ｘ，ｇ_ｙ）と重み付けした座標重心（Ｇ_ｘ，Ｇ_ｙ）との乖離がさらに顕著となるので、粘膜領域と残渣領域との判別がより簡単になる。

（実施の形態２）
次に、本発明の実施の形態２に係る画像処理装置について説明する。
図９は、実施の形態２に係る画像処理装置の構成を示すブロック図である。図９に示す画像処理装置２は、演算部２０を備える。演算部２０は、評価値算出手段としての偏り評価値算出部２１と、偏り評価値算出部２１の算出結果に基づいて評価領域のカテゴリを判別する判別部２２とを有する。本実施の形態２における演算部２０は、評価領域のテクスチャ成分を連続分布から離散分布に変換し、この離散分布に基づいてテクスチャ成分の均質性を示す評価値を算出することを特徴とする。その他の構成は、図１に示すものと同様である。

偏り評価値算出部２１は、離散分布算出部２１１及び均質性評価値算出部２１２を有する。離散分布算出部２１１は、連続分布で表されたテクスチャ成分から、複数の離散点からなる離散分布データを生成する。均質性評価値算出部２１２は、この離散分布データから、テクスチャ成分の均質性を示す評価値を算出する。判別部２２は、この評価値からテクスチャ成分の均質性を判定し、さらに、この判定結果に基づいて、評価領域が粘膜領域であるか又は残渣領域であるかの判別を行う。

次に、画像処理装置２の動作について、図１０〜図１２を参照しながら説明する。図１０は、画像処理装置２の動作を示すフローチャートである。なお、ステップＳ１〜Ｓ３、Ｓ６、及びＳ７の動作は、実施の形態１において説明したものと同様である。

ステップＳ２１において、離散分布算出部２１１は、連続分布で表されたテクスチャ成分から離散分布データを生成する。図１１は、粘膜領域におけるテクスチャ成分を表す離散分布データを生成する処理を説明する図である。図１２は、残渣領域におけるテクスチャ成分を表す離散分布データを生成する処理を説明する図である。具体的には、離散分布算出部２１１は、評価領域設定部１６から評価領域を表す情報（座標情報）を受け取ると共に、テクスチャ成分取得部１７から連続分布で表されたテクスチャ成分を受け取り、評価領域内における画素値の最大値を取得する（図１１（ａ）、図１２（ａ））。

続いて、離散分布算出部２１１は、画素値の最大値に対する所定の割合の値（以下、サンプリング値という）を取得する。図１１（ａ）及び図１２（ａ）においては、一例として、サンプリング値を最大値の５０％としている。さらに、離散分布算出部２１１は、サンプリング値と同じ画素値を有する画素（座標）を抽出し、これらの画素を、離散分布を構成する点（離散点Ｐ）として離散分布データを生成する（図１１（ｂ）、図１２（ｂ））。

ステップＳ２２において、均質性評価値算出部２１２は、離散分布算出部２１１により生成された離散分布データに基づいて、テクスチャ成分の均質性を示す評価値を算出する。その際に、均質性評価値算出部２１２は、所謂空間解析法を用いる。空間解析法は、離散分布データを「分散型」又は「集中型」に分類する方法である。実施の形態２においては、空間解析法の一例として、離散点Ｐ間の距離に基づいて離散点Ｐの分布を解析する最近隣距離法を用いる方法を説明する。

まず、図１３に示すように、離散分布データを構成する各離散点Ｐ_ｉ（ｉ＝１〜ｎ）から最も近い別の離散点までの距離ｄ_ｉを求める。そして、これらの距離ｄ_ｉの平均である平均最近隣距離Ｗを、式（４）を用いて算出する。

式（４）において、ｎは離散分布データに含まれる離散点Ｐ_ｉの総数である。このようにして算出された平均最近隣距離Ｗが、テクスチャ成分の均質性を示す評価値として用いられる。

図１４は、評価領域Ａ１における離散点Ｐのばらつき（分散又は集中）と、そのときの平均最近隣距離Ｗとの関係を示す図である。離散点Ｐが評価領域Ａ１のほぼ１箇所に集中している場合（図１４（ａ））、平均最近隣距離Ｗは比較的小さい値となる（Ｗ＝Ｗ_１）。また、離散点Ｐの集中箇所が増加すると（図１４（ｂ））、平均最近隣距離Ｗは若干大きくなる（Ｗ＝Ｗ_２＞Ｗ_１）。例えば、図１４（ｂ）において、離散点Ｐは評価領域Ａ１の２箇所に集中している。これらの場合の平均最近隣距離の値Ｗ_１、Ｗ_２は、例えば図１２（ｂ）のように、テクスチャ成分の分布が非均一であることを示す。一方、離散点Ｐが評価領域Ａ１の全体に広がっている場合（図１４（ｃ））、平均最近隣距離Ｗは大きくなる（Ｗ＝Ｗ_３＞Ｗ_２）。このような場合の平均最近隣距離の値Ｗ_３は、例えば図１１（ｂ）のように、テクスチャ成分が均一であることを示す。

続くステップＳ２３において、判別部２２は、均質性評価値算出部２１２により算出された評価値（平均最近隣距離Ｗ）に基づいて、テクスチャ成分の均質性及び評価領域のカテゴリを判別する。具体的には、判別部２２は、式（５）により算出される期待値Ｅ[Ｗ]を閾値として、評価値の均質性を判定する。式（５）に示す期待値Ｅ[Ｗ]は、離散分布データにおいて離散点Ｐがランダムに分布していると仮定した場合の期待値である。

式（５）において、ｋは実験測により得られた係数（定数）であり、Ｓは評価領域Ａ１の面積である。

これより、テクスチャ成分の均質性は以下のように判定される。
Ｗ＜Ｅ[Ｗ] ：均質である
Ｗ≧Ｅ[Ｗ] ：均質でない

さらに、判別部２１は、テクスチャ成分が均質である場合、評価領域は粘膜領域であると判別する。一方、テクスチャ成分が均質でない場合、評価領域は残渣領域であると判別する。

以上説明したように、実施の形態２によれば、テクスチャ成分を表す離散分布データに基づいて、テクスチャ成分の均質性及び評価領域のカテゴリを判別するので、トータルの演算量を低減して、より短時間で判別結果を得ることができる。

なお、離散分布データに基づく評価値の算出（ステップＳ２２）は、上述した方法以外にも様々な方法で行うことができる。以下に、離散分布データに基づく評価値の別の算出方法の例を変形例２−１〜２−３として説明する。

（変形例２−１）Ｋ−関数法による評価値の算出
Ｋ−関数法は、最近隣距離法では判別が困難な分布を識別するために開発された方法である。Ｋ−関数法による評価値Ｋ（ｈ）は、式（６）により算出される。

式（６）において、ｋ_ｉ（ｈ）は離散分布データの各離散点Ｐ_ｉから距離ｈの範囲内に存在する別の離散点の数を示す。例えば、図１５の評価領域Ａ２に示すある離散点Ｐ_ｉの場合、ｋ_ｉ（ｈ）＝４となる。また、λは、評価領域Ａ２における離散点Ｐの密度(λ＝ｎ/Ｓ)である。

このような評価値Ｋ（ｈ）を用いる場合、テクスチャ分布の均質性の判定及び評価領域のカテゴリの判別は以下のように行われる。
まず、式（７）により、Ｋ−関数の期待値Ｅ[Ｋ（ｈ）]を算出する。

ここで、πは円周率である。

テクスチャ分布の均質性は、この期待値Ｅ[Ｋ（ｈ）]を閾値として以下のように判定される。
Ｋ（ｈ）＜Ｅ[Ｋ（ｈ）] ：均質である
Ｋ（ｈ）≧Ｅ[Ｋ（ｈ）] ：均質でない
これより、テクスチャ成分が均質である場合、評価領域は粘膜領域であると判別される。一方、テクスチャ成分が均質でない場合、評価領域は残渣領域と判別される。

（変形例２−２）χ^２検定による評価値の算出
図１６に示す評価領域Ａ３について評価する場合、まず、評価領域Ａ３を、形状及び面積の等しい複数の領域（例えば矩形領域）Ｂに分割することを想定する。評価領域Ａ３に離散点Ｐが均等に分布していると仮定すると、各領域Ｂに含まれる離散点Ｐの生起確率は一定となる。例えば、図１６（ａ）においては、各領域Ｂに１つの離散点Ｐが等しい確率で存在している。一方、図１６（ｂ）に示すように、離散点Ｐの分布に偏りがある場合、各領域Ｂにおける離散点Ｐの生起確率は異なってくる。従って、離散点Ｐが均等であると仮定した場合の離散点Ｐの生起確率と、実際の離散点Ｐの生起確率との乖離の度合いを求めれば、この乖離の度合いをテクスチャ成分の均質性を示す評価値として利用することができる。

χ^２検定は、ｊ番目の領域Ｂ_ｊに離散点Ｐが入る確率をＰＲ_ｊとした場合、該確率による理論値と、ｎ個の離散点Ｐの実際の分布とが一致するか否かを検定する方法である。χ^２検定を用いてテクスチャ成分の均質性を判定する際には、全ての領域Ｂの生起確率ＰＲをＰＲ＝１／Ｍ（Ｍは矩形領域Ｃの数）として、式（８）によりχ^２を算出する。

式（８）において、Ｃ_ｊはｊ番目の領域Ｂ_ｊに含まれる離散点Ｐの個数である。また、ｎは評価領域Ａ３に含まれる離散点Ｐの総数である。

上式（８）により算出されたχ^２が、テクスチャ分布の均質性を示す評価値として用いられる。即ち、χ^２が所定の閾値より小さい場合（即ち、上記乖離の度合いが小さい場合）、テクスチャ分布は均一と判定される。この場合、評価領域は粘膜領域であると判別される。一方、χ^２が所定の閾値以上の場合（即ち、上記乖離の度合いが大きい場合）、テクスチャ成分は非均一であると判定される。この場合、評価領域は残渣領域であると判別される。

（変形例２−３）多様度指数による評価値の算出
図１６（ａ）に示すように、評価領域Ａ３に離散点Ｐが均等に分布している場合、離散点Ｐを含む領域Ｂの数が多くなる。一方、図１６（ｂ）に示すように、離散点Ｐの分布に偏りがある場合、離散点Ｐを含まない領域Ｂは増加する。従って、複数の領域Ｂへの離散点Ｐの分布の度合いを求めれば、この度合いをテクスチャ成分の均質性を示す評価値として利用することができる。

複数の領域Ｂへの離散点Ｐの分布の度合いを算出する手段としては、例えば多様度指数が用いられる。多様度指数は、群集(Ｎ)の中に種類(Ｍ)がどの程度豊富に含まれるかを評価する指標である。具体的には、種類(Ｍ)として領域Ｂの個数を用い、式（９）を用いてシンプソン（Simpson）の多様度指数Ｄを算出する。

式（９）において、Ｃ_ｊはｊ番目の領域Ｂ_ｊに含まれる離散点Ｐの個数である。また、ｎは評価領域Ａ３に含まれる離散点Ｐの総数である。

このような多様度指数Ｄを用いる場合、テクスチャ分布の均質性の判定及び評価領域のカテゴリの判別は次のように行われる。即ち、多様度指数Ｄが所定の閾値より大きい場合（即ち、離散点Ｐの分布が多様である場合）、テクスチャ分布は均一であり、評価領域は粘膜領域であると判別される。一方、多様度指数Ｄが所定の閾値以下の場合（即ち、離散点Ｐの分布が偏っている場合）、テクスチャ成分は非均一であり、評価領域は残渣領域であると判別される。

或いは、複数の領域Ｂへの離散点Ｐの分布の度合いとして、式（１０）によるシャノン（Shannon）指数Ｈ’を算出しても良い。

この場合、シャノン指数Ｈ’が所定の閾値より大きい場合、テクスチャ分布は均一であり、評価領域は粘膜領域であると判別される。一方、シャノン指数Ｈ’が所定の閾値より小さい場合、テクスチャ成分の分布は非均一であり、評価領域は残渣領域であると判別される。

（実施の形態３）
次に、本発明の実施の形態３に係る画像処理装置について説明する。
図１７は、実施の形態３に係る画像処理装置の構成を示すブロック図である。図１７に示す画像処理装置３は、演算部３０を備える。演算部３０は、評価値算出手段としての歪み評価値算出部３１と、歪み評価値算出部３１の算出結果に基づいて評価領域のカテゴリを判別する判別部３２とを有する。その他の構成は、図１に示すものと同様である。

歪み評価値算出部３１は、評価領域のテクスチャ成分について画素値（強度）の頻度分布を求め、この頻度分布の形状の歪みに基づいて、テクスチャ成分の均質性を示す評価値を算出する。判別部３２は、この評価値からテクスチャ成分の均質性を判定し、さらに、この判定結果に基づいて、評価領域が粘膜領域であるか又は残渣領域であるかの判別を行う。

ここで、図１８及び図１９を参照しながら、実施の形態３におけるカテゴリの判別原理について説明する。図１８（ａ）及び図１９（ａ）において、横軸は、評価領域に含まれる画素のｘ座標を示し、縦軸は、画素値Ｉと評価領域における画素値の平均μとの差分Ｉ’を示す。また、図１８（ｂ）及び図１９（ｂ）において、横軸は画素値Ｉと平均μとの差分Ｉ’を示し、縦軸は差分Ｉ’の頻度を示す。

図１８（ａ）は、粘膜領域のテクスチャ成分の特性を示す。粘膜領域において、テクスチャ成分の画素値は比較的均一になっている。このようなテクスチャ成分についてヒストグラムを作成する場合、ヒストグラムは、平均値（Ｉ’＝０）を中心に左右対称の歪みの少ない形状となる（図１８（ｂ））。一方、図１９（ａ）は、残渣領域のテクスチャ成分の特性を示す。残渣領域において、テクスチャ成分の画素値には大きなバラツキが見られる。このようなテクスチャ成分についてヒストグラムを作成する場合、ヒストグラムに歪みが生じる（図１９（ｂ））。そこで、テクスチャ成分の画素値のヒストグラムについての対称性（歪み）を求めることにより、テクスチャ成分の均質性を判定することができ、この均一性に基づいて評価領域が粘膜領域か残渣領域であるかを判別することができる。

次に、画像処理装置３の動作について説明する。図２０は、画像処理装置３の動作を示すフローチャートである。なお、ステップＳ１〜Ｓ３、Ｓ６、及びＳ７の動作は、実施の形態１において説明したものと同様である。

まず、ステップＳ３１において、歪み評価値算出部３１は、テクスチャ成分取得部１７からテクスチャ成分を取得し、画素値の頻度分布を算出する。

続くステップＳ３２において、歪み評価値算出部３１は、式（１１）を用い、ステップＳ３１において求めた頻度分布の対称性を示す評価値として、歪度（Skewness）Ｓｋを算出する。

式（１１）において、Ｉ_ｉはｉ番目の画素の画素値であり、μは画素値の平均であり、σは画素値の標準偏差であり、ｎは画素値の頻度の総和（即ち、画素数）である。

歪度Ｓｋは、データ（画素値Ｉ_ｉ）が平均値（平均μ）に対して非対称に分布している度合いを示す値である。頻度分布に歪みがない場合（即ち、正規分布）、歪度Ｓｋはゼロとなり、歪みが大きくなるほど、歪度Ｓｋはゼロから離れる。なお、頻度分布がＩ’＜０側に偏っている場合（例えば、図１９（ａ）に示す場合）、Ｓｋ＜０となる。一方、頻度分布がＩ’＞０側に偏っている場合、Ｓｋ＞０となる。

ステップＳ３３において、判別部３２は、歪み評価値算出部３１によって算出された評価値（歪度）に基づいて、テクスチャ成分の均質性及び評価領域のカテゴリを判別する。具体的には、判別部３２は、式（１１）により算出される歪度Ｓｋを予め取得された所定の閾値Thresh１及びThresh２と比較することにより、以下のとおりテクスチャ成分の均質性を判定する。
Thresh１＜Ｓｋ＜Thresh２ ：均質である
Thresh１≧Ｓｋ、又は、Thresh２≦Ｓｋ ：均質でない

さらに、判別部３２は、テクスチャ成分が均質である場合、評価領域は粘膜領域であると判別する。一方、テクスチャ成分が均質でない場合、評価領域は残渣領域であると判別する。

以上説明したように、実施の形態３によれば、画素値の頻度分布に基づいて、テクスチャ成分の均質性及び評価領域のカテゴリを判別するので、処理時間の速いアルゴリズムで判別結果を得ることができる。

以上の実施の形態１〜３においてそれぞれ説明した画像処理装置１〜３は、予め用意されたプログラムをパーソナルコンピュータやワークステーション等のコンピュータシステムで実行することによって実現することができる。以下、画像処理装置１〜３と同様の機能を有し、記録部１４に格納された画像処理プログラム１４１を実行するコンピュータシステムについて説明する。

図２１は、コンピュータシステム４を示すシステム構成図である。また、図２２は、図２１に示す本体部４１の構成を示すブロック図である。図２１に示すように、コンピュータシステム４は、本体部４１と、本体部４１からの指示によって表示画面４２１に画像等の情報を表示するためのディスプレイ４２と、このコンピュータシステム４に種々の情報を入力するためのキーボード４３と、ディスプレイ４２の表示画面４２１上の任意の位置を指定するためのマウス４４とを備える。

本体部４１は、ＣＰＵ４１１と、ＲＡＭ４１２と、ＲＯＭ４１３と、ハードディスクドライブ（ＨＤＤ）４１４と、ＣＤ−ＲＯＭ４６を受け入れるＣＤ−ＲＯＭドライブ４１５と、ＵＳＢメモリ４７を着脱可能に接続するＵＳＢポート４１６と、ディスプレイ４２、キーボード４３、及びマウス４４を接続するＩ／Ｏインタフェース４１７と、ローカルエリアネットワーク又は広域エリアネットワーク（ＬＡＮ／ＷＡＮ）Ｎ１に接続するためのＬＡＮインタフェース４１８とを備える。

さらに、コンピュータシステム４には、インターネット等の公衆回線Ｎ３に接続するためのモデム４５が接続されるとともに、ＬＡＮインタフェース４１８及びローカルエリアネットワーク又は広域エリアネットワークＮ１を介して、他のコンピュータシステムであるパーソナルコンピュータ（ＰＣ）５、サーバ６、プリンタ７等が接続される。

コンピュータシステム４は、記録媒体に記録された画像処理プログラム（例えば図１に示す画像処理プログラム１４１）を読み出して実行することで、実施の形態１〜３において説明した画像処理装置１〜３を実現する。ここで、記録媒体とは、ＣＤ−ＲＯＭ４６やＵＳＢメモリ４７の他、ＭＯディスクやＤＶＤディスク、フレキシブルディスク（ＦＤ）、光磁気ディスク、ＩＣカード等を含む「可搬用の物理媒体」、コンピュータシステム４の内外に備えられるＨＤＤ４１４やＲＡＭ４１２、ＲＯＭ４１３等の「固定用の物理媒体」等、コンピュータシステム４によって読み取り可能な画像処理プログラムを記録するあらゆる記録媒体を含む。この意味で、モデム４５を介して接続される公衆回線Ｎ３や、他のコンピュータシステムであるＰＣ５やサーバ６が接続されるローカルエリアネットワーク又は広域エリアネットワークＮ１等のように、プログラムの送信に際して短期にプログラムを記憶する「通信媒体」等も記録媒体に含まれる。なお、画像処理プログラムは、コンピュータシステム４によって実行されることに限定されるものではなく、他のコンピュータシステムであるＰＣ５やサーバ６が画像処理プログラムを実行する場合や、これらが協働して画像処理プログラムを実行するような場合にも、本発明を同様に適用することができる。

なお、本発明は、実施の形態１〜３及び各々の変形例に限定されるものではなく、各実施の形態や変形例に開示されている複数の構成要素を適宜組み合わせることによって、種々の発明を形成できる。例えば、各実施の形態や変形例に示される全構成要素からいくつかの構成要素を除外して形成しても良いし、異なる実施の形態や変形例に示した構成要素を適宜組み合わせて形成しても良い。

１、２、３ 画像処理装置
４ コンピュータシステム
５ パーソナルコンピュータ（ＰＣ）
６ サーバ
７ プリンタ
１０ 制御部
１１ 画像取得部
１２ 入力部
１３ 表示部
１４ 記録部
１４１ 画像処理プログラム
１５、２０、３０ 演算部
１６ 評価領域設定部
１７ テクスチャ成分取得部
１８ 偏り評価値算出部
１８１ 座標重心距離算出部
１９、２２、３２ 判別部
２１ 偏り評価値算出部
２１１ 離散分布算出部
２１２ 均質性評価値算出部
３１ 歪み評価値算出部
４１ 本体部
４２ ディスプレイ
４３ キーボード
４４ マウス
４５ モデム
４７ メモリ
１００ 消化管内画像
１０１ 粘膜領域
１０２ 残渣領域
１０３ 病変領域
１０５ 評価領域
１０６ 構造成分
４１５ ドライブ
４１６ ポート
４１７ インタフェース
４１８ インタフェース
４２１ 表示画面
Ｎ１ ローカルエリアネットワーク又は広域エリアネットワーク
Ｎ３ 公衆回線

Claims (15)

1. 生体内画像においてカテゴリ判別対象となる評価領域を設定する評価領域設定手段と、
   前記評価領域内の生体内画像からテクスチャ成分を取得するテクスチャ成分取得手段と、
   前記テクスチャ成分の均質性を示す評価値を算出する評価値算出手段と、
   前記評価値に基づいて、前記評価領域のカテゴリを判別する判別手段と、
   を備え、
   前記評価値算出手段は、画素の位置を表す座標の空間である座標空間上におけるテクスチャ成分の均質性を示す評価値を算出する偏り評価値算出部を備え、
   前記判別手段は、前記評価値が、前記テクスチャ成分が均質であることを示す所定の範囲に含まれる場合、前記評価領域のカテゴリは粘膜領域であると判別することを特徴とする画像処理装置。
2. 前記判別手段は、前記評価値が、前記テクスチャ成分が均質でないことを示す所定の範囲に含まれる場合、前記評価領域のカテゴリは残渣領域であると判別することを特徴とする請求項１に記載の画像処理装置。
3. 前記偏り評価値算出部は、前記評価領域の座標重心と、前記評価領域に含まれる画素を前記テクスチャ成分の画素値で重み付けた重み付け座標重心との間の距離を算出することを特徴とする請求項１に記載の画像処理装置。
4. 前記偏り評価値算出部は、前記評価領域の一部の画素を前記テクスチャ成分の画素値で重み付けることにより、前記重み付け座標重心を算出することを特徴とする請求項３に記載の画像処理装置。
5. 前記偏り評価値算出部は、前記テクスチャ成分の画素値の最大値に対して所定の割合以上の画素値を有する画素に対して重み付けを行うことにより、前記重み付け座標重心を算出することを特徴とする請求項４に記載の画像処理装置。
6. 前記偏り評価値算出部は、
   連続分布で表された前記テクスチャ成分から、複数の離散点からなる離散分布データを生成する離散分布算出部と、
   前記複数の離散点の座標情報に基づいて、前記評価値を算出する均質性評価値算出部と、
   を備えることを特徴とする請求項１に記載の画像処理装置。
7. 前記離散分布算出部は、前記テクスチャ成分の画素値の最大値に対して所定の割合の画素値を有する画素を抽出することを特徴とする請求項６に記載の画像処理装置。
8. 前記均質性評価値算出部は、前記複数の離散点間の距離に基づいて前記複数の離散点の分布を解析することにより、前記評価値を算出することを特徴とする請求項６に記載の画像処理装置。
9. 前記均質性評価値算出部は、各離散点と、各離散点に最も近い別の離散点との間の距離を用いて、前記評価値を算出することを特徴とする請求項８に記載の画像処理装置。
10. 前記均質性評価値算出部は、各離散点と、各離散点から所定の距離の範囲内に含まれる離散点の個数を用いて、前記評価値を算出することを特徴とする請求項８に記載の画像処理装置。
11. 前記均質性評価値算出部は、前記評価領域を形状及び面積が互いに等しい複数の領域にそれぞれ含まれる離散点の数に基づいて、前記評価値を算出することを特徴とする請求項６に記載の画像処理装置。
12. 前記均質性評価値算出部は、χ^２検定を用いて前記評価値を算出することを特徴とする請求項１１に記載の画像処理装置。
13. 前記均質性評価値算出部は、群集の中に含まれる種類の多様度を表す多様度指数を用いて前記評価値を算出することを特徴とする請求項１１に記載の画像処理装置。
14. 生体内画像においてカテゴリ判別対象となる評価領域を設定する評価領域設定ステップと、
    前記評価領域内の生体内画像からテクスチャ成分を取得するテクスチャ成分取得ステップと、
    前記テクスチャ成分の均質性を示す評価値を算出する評価値算出ステップと、
    前記評価値に基づいて、前記評価領域のカテゴリを判別する判別ステップと、
    を含み、
    前記評価値算出ステップは、画素の位置を表す座標の空間である座標空間上におけるテクスチャ成分の均質性を示す評価値を算出し、
    前記判別ステップは、前記評価値が、前記テクスチャ成分が均質であることを示す所定の範囲に含まれる場合、前記評価領域のカテゴリは粘膜領域であると判別することを特徴とする画像処理方法。
15. 請求項１４に記載した画像処理方法をコンピュータに実行させることを特徴とする画像処理プログラム。

Images