醫用圖像處理方法

專利名稱：醫用圖像處理方法
技術領域：
本發明涉及識別從食道到胃的邊界附近的粘膜組織等的性狀的醫用圖像處理方法。
背景技術：
近年來，使用內窺鏡進行內窺鏡檢查等的內窺鏡裝置，在醫療用領域和工業用領域中被廣泛采用。在醫療用領域中，例如將內窺鏡的插入部插入體腔內，來觀察檢查對象部位，由此診斷檢查對象部位屬于正常狀態還是性狀已變化的性狀變化狀態。
在這種情況下，可以從內窺鏡圖像通過圖像處理進行屬于正常狀態還是性狀變化狀態的判定，手術醫生通過重點診斷該判定結果的部位，可以進行有效診斷。
例如，作為以往的示例，日本國特開2000-155840號公報記載了減小攝像條件的影響，根據性狀變化部位和正常部位的邊界形狀的相關信息，來計算特征量。
但是，上述以往示例由于邊界形狀的相關信息是邊界處的濃度梯度的方向變化，所以特別是在邊界的形狀自身具有特征的情況下，有可能不易檢測成為檢測對象的性狀變化部。
巴瑞特(Barrett)粘膜是在食道和胃的接合部(粘膜邊界)，由于倒流性食道炎等的影響，食道的扁平上皮被置換為胃的粘膜而形成的。在巴瑞特粘膜距正常的粘膜邊界3cm以上、并且產生于整個食道管腔斷面的情況下，被診斷為巴瑞特食道這樣的疾病。
巴瑞特食道特別在歐美有所增加，并且以較高的概率產生腺癌，已成為重大問題，所以盡早發現巴瑞特粘膜非常重要。
巴瑞特粘膜不僅產生于整個食道，有時也局部發展并產生舌狀或Z字狀的粘膜邊界像(也被稱為Z形線)。
并且，在巴瑞特粘膜中殘留有孤立成島狀的食道的扁平上皮，在不能發現舌狀等的邊界觀察結果時，有時也可以診斷巴瑞特粘膜。而且，食道的扁平上皮相對呈現白色調，巴瑞特粘膜呈現紅色調。
并且，在上述以往示例中，在圖像中存在暗部時，有可能不易檢測成為檢測對象的性狀變化部位。
在從食道到靠近胃的邊界附近的內窺鏡檢查中，在從管腔形狀的食道到其深處的胃的部分中，例如圖像中存在暗部的情況較多，在以往示例中，由于這種暗部等，有可能不能進行更加合適的判定或檢測。即，在反γ校正和黑斑校正等預處理中，通過使暗部的一部分變明亮等，有可能得到改善，但是可以說不能消除暗部。因此，由于暗部等區域，不能提高圖像處理結果的精度。

發明內容
本發明就是鑒于上述情況而完成的，其目的在于，提供一種可以通過圖像處理檢測巴瑞特粘膜等成為檢測對象的性狀變化粘膜的醫用圖像處理方法。
本發明的第一方式的醫用圖像處理方法對拍攝了活體粘膜的醫用圖像進行圖像處理，其特征在于，該方法包括邊界信息檢測步驟，其從所述醫用圖像中檢測相當于所述活體粘膜的邊界部分的邊界信息；以及粘膜性狀檢測步驟，其根據在所述邊界信息檢測步驟中檢測的邊界信息，檢測是否存在性狀不同的活體粘膜。
根據上述結構，根據在邊界信息檢測步驟中檢測的邊界信息，檢測是否存在性狀不同的活體粘膜，由此可以檢測有無食道粘膜已變性的巴瑞特粘膜等性狀變化粘膜。
并且，本發明的第二方式的醫用圖像處理方法對與拍攝了活體粘膜的兩種顏色以上的醫用圖像對應的圖像信號進行圖像處理，其特征在于，該方法包括第1步驟，其進行從所述醫用圖像的檢測對象中去除不合適的像素，并設定處理對象區域的處理；第2步驟，其進行至少對所述處理對象區域的一個以上的每個像素數，計算色調特征量的處理；以及第3步驟，其進行根據所計算的所述色調特征量，來檢測特定的活體粘膜的存在的處理。
根據上述結構，可以通過圖像處理，從邊界部分的形狀、像素的色調等中檢測巴瑞特粘膜等成為檢測對象的性狀變化粘膜，而且不受圖像中的暗部等不合適部分的影響。


圖1是表示具有本發明的實施例1的圖像處理方法的功能的內窺鏡系統的結構的方框圖。
圖2是表示按照處理程序由CPU生成邊界坐標點列的處理功能的結構的方框圖。
圖3是表示按照處理程序由CPU生成粘膜邊界檢測結果的處理功能的結構的方框圖。
圖4是表示由CPU處理的處理步驟的流程圖。
圖5A是表示設定了從原圖像抽取的邊緣的圖像示例的圖。
圖5B是表示設定了從原圖像進行形狀判定的控制點的圖像示例的圖。
圖6是表示從邊界坐標點列確定曲折點的處理步驟的流程圖。
圖7是圖6的處理步驟中計算曲折點的頂點評價值的說明圖。
圖8是表示從曲折點的候選點確定曲折點的處理步驟的流程圖。
圖9是從曲折點的候選點列確定曲折點的說明圖。
圖10是基于移動平均的邊界坐標點列的平滑化的說明圖。
圖11是表示本發明的實施例2的按照處理程序，由CPU生成粘膜邊界檢測結果的處理功能的結構的方框圖。
圖12是表示由CPU處理的處理步驟的流程圖。
圖13A是表示原圖像的圖像示例的圖。
圖13B是表示在圖13A的原圖像中設定有邊界坐標點列的圖像的圖。
圖14是表示本發明的實施例3的按照處理程序，由CPU生成粘膜邊界檢測結果的處理功能的結構的方框圖。
圖15是表示由CPU處理的處理步驟的流程圖。
圖16A是表示設定了從原圖像抽取的邊緣的圖像的圖。
圖16B是表示在圖16A的圖像的邊界坐標點列上設定的局部區域等的圖。
圖17是表示具有第1變形例的內窺鏡系統的主要部分的圖。
圖18是表示具有第2變形例的膠囊型內窺鏡系統的結構的方框圖。
圖19是表示具有本發明的實施例4的圖像處理方法的功能的內窺鏡系統的結構的方框圖。
圖20是表示用于實現實施例4的圖像處理方法的處理功能和所使用圖像等的圖。
圖21是表示刪除不需要區域的不需要區域刪除處理的處理內容的流程圖。
圖22A是表示原圖像的示例的圖。
圖22B是表示從圖22A的原圖像生成的不需要區域刪除圖像的圖。
圖22C是表示從圖22B的不需要區域刪除圖像通過色調特征量的計算處理所生成的色調處理圖像的圖。
圖22D是表示從圖22C的色調處理圖像所生成的區域標示圖像的圖。
圖23是表示區域標示的處理內容的流程圖。
圖24是表示粘膜特征量計算的處理內容的流程圖。
圖25是表示具有實施例4的第1變形例的內窺鏡系統的結構的一部分的圖。
圖26是表示用于實現實施例4的第2變形例的圖像處理方法的處理功能和所使用圖像等的圖。
圖27是表示劃分為矩形小區域的圖像示例的圖。
圖28是表示第2變形例的粘膜特征量計算的處理內容的流程圖。
圖29是表示用于實現本發明的實施例5的圖像處理方法的處理功能和所使用圖像等的圖。
圖30是表示存儲粘膜信息的環緩沖器的圖。
圖31是表示粘膜確定的處理的流程圖。
圖32A是表示用于實現本發明的實施例6的圖像處理方法的處理功能和所使用圖像的圖。
圖32B是表示用于實現在圖32A的處理之后進行的圖像處理方法的處理功能和所使用圖像等的圖。
圖33是表示劃分為矩形小區域圖像組的圖像的圖。
圖34是表示處理對象區域確定的處理內容的流程圖。
圖35是根據所檢測的暗部區域確定處理對象區域的說明圖。
圖36是表示所檢測的暗部的圖像示例的圖。
圖37是表示實施例6的變形例的具有膠囊型內窺鏡的膠囊型內窺鏡系統的結構的方框圖。
具體實施例方式
以下，參照

本發明的各個實施例。
(實施例1)參照圖1～圖10說明本發明的實施例1。
圖1所示的內窺鏡系統1由內窺鏡觀察裝置2、圖像處理裝置3和顯示監視器4構成，所述圖像處理裝置3由個人計算機等構成，對通過該內窺鏡觀察裝置2得到的圖像進行圖像處理，所述顯示監視器4顯示通過該圖像處理裝置3進行圖像處理后的圖像。
內窺鏡觀察裝置2具有插入體腔內的內窺鏡6；對該內窺鏡6提供照明光的光源裝置7；對內窺鏡6的攝像單元進行信號處理的攝像機控制單元(簡稱為CCU)8；監視器9，其被輸入從該CCU 8輸出的影像信號，由此顯示通過攝像元件拍攝的內窺鏡圖像。
內窺鏡6具有插入體腔內的插入部11、和設于該插入部11的后端的操作部12。并且，在插入部11內插通著傳送照明光的光導管13。
該光導管13的后端連接光源裝置7。并且，從該光源裝置7提供的照明光通過光導管13被傳送，從安裝于照明窗上的前端面射出所傳送的照明光，所述照明窗設在插入部11的前端部14上。患部等被攝體被該照明光照明。
攝像裝置17由安裝在與照明窗相鄰的觀察窗上的物鏡15、和配置在該物鏡15的成像位置上的作為固體攝像元件的例如電荷耦合元件(簡稱為CCD)16構成。并且，在該CCD 16的攝像面上成像的光學像通過該CCD16進行光電轉換。
該CCD16通過信號線與CCU 8連接，并被施加來自該CCU 8的CCD驅動信號，由此CCD 16輸出光電轉換后的圖像信號。該圖像信號通過CCU 8內的影像處理電路進行信號處理，被轉換為影像信號。該影像信號被輸出給監視器9，在監視器9的顯示面上顯示對應影像信號的由CCD16拍攝的圖像，作為內窺鏡圖像。該影像信號也被輸入圖像處理裝置3。
在本實施例中，內窺鏡6在進行下述內窺鏡檢查時使用，其插入部11的前端部14被從口部插入，從食道一直插入到胃的邊界附近，檢查在該邊界附近是否存在巴瑞特粘膜，該巴瑞特粘膜是成為檢測對象粘膜的食道正常粘膜(具體地講是扁平上皮)由于變性而呈現出胃粘膜部分的性狀的粘膜(在本說明書中也稱為性狀變化粘膜)。
該情況時，與拍攝了體內的活體粘膜表面的內窺鏡圖像對應的影像信號也被輸入圖像處理裝置3，通過以下說明的圖像處理方法，對該影像信號進行是否存在巴瑞特粘膜的檢測(判定)處理。
該圖像處理裝置3具有圖像輸入部21，其輸入與從內窺鏡觀察裝置2輸入的內窺鏡圖像對應的影像信號；中央運算處理裝置(簡稱為CPU)22，其對從該圖像輸入部21輸入的圖像數據進行圖像處理；以及處理程序存儲部23，其存儲使該CPU 22執行圖像處理的處理程序(控制程序)。
并且，該圖像處理裝置3還具有圖像存儲部24，其存儲從圖像輸入部21輸入的圖像數據等；分析信息存儲部25，其存儲通過CPU 22處理的分析信息等；作為存儲裝置的硬盤27，其通過存儲裝置接口26存儲通過CPU 22處理后的圖像數據和分析信息等；顯示處理部28，其進行用于顯示通過CPU 22處理后的圖像數據等的顯示處理；以及輸入操作部29，其由用戶進行圖像處理的參數等數據的輸入和指示操作的鍵盤等構成。
并且，通過該顯示處理部28生成的影像信號被輸出給顯示監視器4，在該顯示監視器4的顯示面上顯示圖像處理后的處理圖像。另外，圖像輸入部21、CPU 22、處理程序存儲部23、圖像存儲部24、分析信息存儲部25、存儲裝置接口26、顯示處理部28、以及輸入操作部29通過數據總線30相互連接。
在本實施例中，如圖2和圖3所示，通過存儲在處理程序存儲部23中的處理程序A和處理程序B的處理，CPU 22對于檢測對象粘膜，進行檢測(判定)性狀與正常粘膜不同的作為性狀變化粘膜的巴瑞特粘膜的圖像處理。圖2的處理程序A進行從原圖像31生成邊緣檢測圖像32，并生成邊界坐標點列33的處理。并且，針對該邊界坐標點列33，按照圖3所示的處理程序B進行生成粘膜邊界檢測結果34的處理。
如圖2所示，進行處理程序A的CPU 22具有輪廓抽出濾波部35的功能，對原圖像31進行輪廓抽出濾波，并生成邊緣檢測圖像32。即，在成為判定對象的部位，在正常粘膜和變性粘膜中，圖像數據的R、G、B濃度值不同。因此，通過檢測或抽出輪廓(邊緣)，可以檢測正常粘膜和變性粘膜的邊界。該圖像數據的RGB的濃度值為公知的反γ校正后的值。
輪廓抽出濾波部35通過應用公知的帶通濾波器和公知的邊緣檢測濾波器(例如Prewitt操作器、Sobel操作器)，生成邊緣檢測圖像32。作為該邊緣檢測濾波器，在田村秀行著、總研出版的文獻1《コンピュ一 像 門》的第120～122頁中有詳細記述。
并且，進行處理程序A的CPU 22具有二值化處理部36，其對邊緣檢測圖像32進行二值化處理；細線化處理部37，其在該二值化處理后進行細線化處理；端點抽出部38，其在該細線化處理后進行端點抽出；以及連接線段抽出部39，其在抽出該端點后，進行連接線段抽出，生成邊界坐標點列33。
二值化處理部36對邊緣檢測圖像32設定規定的閾值θ，通過把大于等于該閾值θ的像素設為1、把小于規定閾值的像素設為0，生成二值化圖像。
并且，細線化處理部37針對二值化處理后的圖像，生成把線的像素值設為1、把背景的像素值設為0的細線化圖像。細線化處理部37可以使用公知方法作為Hildlich的細線化方法，在能夠保持像素的連接性的情況下，進行把該像素的像素值設為0來減小線寬的處理。
關于Hildlich的細線化方法，在文獻2“軟件庫刊C MAGAZINE2000年第9期的‘ 像処 理を極 めるアルゴリズムラボ’”的第123～129頁中有詳細記述。
并且，端點抽出部38針對通過細線化處理部37進行了細線化處理的圖像，沿著畫面的掃描方向以3×3圖案依次獲取像素的數據。在所獲取的圖案的中心像素值為“1”，而且周圍上下左右傾斜的像素值＝“1”的像素只有一個時，把該中心點的像素判定為端點，換言之判定為邊界點。
并且，連接線段抽出部39把一個端點(邊界點)作為出發點，對細線化圖像進行跟蹤處理，從而求出邊界坐標點列。
該跟蹤處理可以通過公知的邊界線跟蹤處理來實現，在田村秀行著、總研出版的文獻3《コンピュ一 像 門》的第84～85頁中有詳細記述。
并且，進行圖3所示處理程序A的CPU 22具有曲折點檢測部41和形狀評價部42的功能，所述曲折點檢測部41對邊界坐標點列33進行曲折點(彎曲點)的檢測，所述形狀評價部42對檢測有該曲折點的邊界坐標點列33進行形狀評價，從而得出粘膜邊界檢測結果34。
形狀評價部42在如后面所述檢測到滿足條件的曲折點時，在滿足條件的曲折點的數量大于等于規定值時，判斷是性狀變化粘膜邊界，在不存在曲折(彎曲)的凹凸時，即滿足條件的曲折的方向只是一個方向時，判斷不是性狀變化粘膜邊界。
下面，根據圖4的處理流程說明巴瑞特邊界判定的圖像處理方法，該方法按照圖2和圖3的處理程序A和B，判定是否是成為判定對象的特定粘膜，具體地講，是否是(作為食道正常粘膜的扁平上皮已變性的作為變性粘膜的)巴瑞特粘膜的邊界。
在圖像處理裝置3的動作開始后，CPU 22讀出處理程序存儲部23的處理程序，開始基于該處理程序的處理。
即，執行圖2所示的處理程序A的功能。更加具體地講，如圖4所示，CPU 22在最初的步驟S1中，從內窺鏡觀察裝置2的CCU 8獲取經過圖像輸入部21輸入的作為原圖像31的圖像數據。
并且，在后面的步驟S2中，CPU 22對該圖像數據進行上述公知的邊緣檢測處理，作為輪廓抽出濾波處理，生成邊緣檢測圖像32。圖5A表示邊緣檢測圖像32。另外，在通過圖1所示的直視型內窺鏡6得到的拍攝了管腔狀的食道內部的圖像中，管腔的深部側(胃側部分)為暗部。并且，圖5A的圖像中的暗部對應于胃的入口附近的賁門附近。
在后面的步驟S3中，CPU 22對該邊緣檢測圖像32進行上述的二值化處理，并進行細線化處理和端點抽出(獲取邊界)。
在后面的步驟S4中，CPU 22對所獲取的邊界進行跟蹤處理，獲得沿著邊界的坐標點列、即邊界的坐標點列。
然后，CPU 22進行圖3的處理程序B的處理。即，CPU 22對在步驟S4中生成的邊界的坐標點列，按照步驟S5所示，根據邊界上的各點的頂點評價值A，計算例如N個曲折的曲折點。
該曲折點的計算處理將在后面使用圖6敘述，但使用圖7簡單說明如下，抽出(設定)以邊界上的各點為中心的其前后L/2長的曲線，計算其始點與終點的直線距離(弦長)作為頂點評價值A(j)，把其h點前后的小于頂點評價值A(j-h)和A(j+h)的點作為曲折點的候選，從這些候選中確定曲折點。
在后面的步驟S6中，CPU 22分別把表示控制點的數量的參數k和曲折點的參數i初始化為0、1，開始判定是否存在成為檢測對象的性狀變化粘膜的處理。
在將參數i、k初始化后，在后面的步驟S7中，CPU 22在所計算出的曲折點(i)中，進行其評價值B是否小于規定閾值thr的判定。該情況下，CPU 22計算頂點評價值A/L作為評價值B，并進行曲折點(i)中的該評價值B是否小于規定閾值thr的判定。
CPU 22對曲折點(i)中的所計算的評價值B，預先進行正常粘膜和性狀已變化的性狀變化粘膜的判定，更加具體地講，利用從通過診斷確定的扁平上皮和巴瑞特粘膜分別取樣的取樣數據，與作為識別它們的基準值所設定的thr比較，從而進行判定。
并且，在滿足評價值B＜thr的條件時，在步驟S8中，CPU 22獲取該曲折點(i)作為控制點M，將參數k的值增加1。并且，在不滿足評價值B＜thr的條件時，轉入步驟S9。
在步驟S9中，CPU 22通過判定參數i是否是最后的曲折點、即i是否是N，判定是否已對所有曲折點進行步驟S7和S8的處理。并且，在沒有對所有曲折點進行步驟S7和S8的處理時，按照步驟S10所示，將參數i增加1，返回步驟S6。
這樣，CPU 22通過對所有曲折點進行步驟S7和S8的處理，按照圖5B所示設定控制點，所以轉入步驟S11。
在該步驟S11中，CPU 22進行控制點數量的參數k是否大于1的判定。在判定該參數k大于1時，在后面的步驟S12中，CPU 22進行控制點的配置在管腔的半徑方向是否有凹凸的判定。
如圖5B所示，在控制點未形成同心圓狀，而在管腔的半徑方向配置成凹凸形狀的情況下，按照步驟S13所示，CPU 22判定是巴瑞特粘膜的邊界、即巴瑞特邊界。
另一方面，在步驟S11的判定中，在不滿足條件k＞1時，以及在步驟S12的判定中，控制點的配置在管腔的半徑方向未呈現凹凸而成為同心圓狀時，按照步驟S14所示，CPU 22判定是作為正常粘膜的扁平上皮的邊界。這樣，可以根據圖像數據判定該圖像中是否存在巴瑞特粘膜的邊界(巴瑞特邊界)的可能性。
下面，參照圖6說明上述步驟S5的邊界中的曲折點計算的處理。
在步驟S21中，CPU 22獲取由N_p個點構成的邊界坐標點列。
在步驟S22中，CPU 22進行與成為處理對象的邊界坐標點列的最小點數的閾值Vmin的比較。并且，如果N_p＞Vmin，則轉入步驟S23，否則，視為不屬于處理對象而結束。
在后面的步驟S23中，CPU 22計算各點的曲折點的頂點評價值A(j)(1≤j≤N_p)。關于步驟S23的具體情況將在后面敘述。
在步驟S24中，將j初始化，在步驟S25中，CPU 22把點P(j)作為對象點，獲取該對象點的曲折點的頂點評價值A(j)、和從對象點起前后h點的點P(j-h)、P(j+h)的曲折點的頂點評價值A(j-h)、A(j+h)。值h是選擇步驟S26中的比較對象的參數，在本實施例中，例如h＝5。關于步驟S25的具體情況將在后面敘述。
在步驟S26中，CPU 22進行曲折點的頂點評價值A(j)、A(j-h)、A(j+h)的比較。如果A(j)＜A(j-h)而且A(j)＜A(j+h)，則轉入步驟S27，否則轉入步驟S29。關于步驟S26的具體情況將在后面敘述。
在步驟S27中，CPU 22進行與限制曲折檢測用的曲折大小的閾值Vc的比較。如果A(j)/L＜Vc，則轉入步驟S28，否則結束該處理。
在步驟S28中，CPU 22檢測對象點P(j)作為曲折點的候選點，把該信息存儲在分析信息存儲部25等中。
在步驟S29中，如果對象點P(j)是邊界坐標點列的最后點即j＝N_p，則CPU 22在步驟S30中確定曲折點并結束處理，如果j≠N_p，則轉入步驟S31。
在步驟S31中，CPU 22將對象點更新為j＝j+1，重復步驟S25～S29所示的一系列處理。
圖9表示步驟S30中的曲折點的確定處理的流程，但將在后面具體敘述。
下面，具體說明在步驟S23中計算曲折點的頂點評價值A的方法，和在步驟S25、步驟S26中使用曲折點的頂點評價值A檢測曲折點的候選點的處理。
圖7是用于說明本實施例中的曲折點的頂點評價值A的計算方法、和使用曲折點的頂點評價值A檢測曲折點的候選點的處理的說明圖。作為曲折點的頂點評價值A的計算方法，使用文獻4“‘ 図形の屈折點検出の一手法’，小山等，電子通信學會研究會資料PRL80-107PP.80-90(1980)”披露的方法。
CPU 22對所獲取的邊界坐標點列的各點，沿著該點列抽出以各點為中心的圖7中利用實線表示的長度L的曲線，計算該曲線的始點與終點的距離(弦長)作為曲折點的頂點評價值A(j)。但是，在點P(j)存在于距邊界坐標點列的兩端為[L/2]的范圍內而不能抽出長度L的曲線時，視為A(j)＝L。其中，[]是高斯記號。
并且，CPU 22在曲折點的候選點的檢測處理中，在點P(j)存在于距兩端為h的范圍內，點P(j-h)、P(j+h)不可能成為邊界坐標點列上的點時，視為A(j-h)＝L、A(j+h)＝L。在點P(j)的曲折點的頂點評價值A(j)小于h點前的點P(j-h)的曲折點的頂點評價值A(j-h)、而且小于h點后的點P(j+h)的曲折點的頂點評價值A(j+h)時，P(j)表示比點P(j-h)、P(j+h)大的曲折特征，所以CPU 22檢測該P(j)作為曲折點的候選點。
對形成邊界坐標點列的所有點依次進行該比較評價。在距邊界坐標點列的兩端為[L/2]的范圍內，如上所述，A(j)＝L，所以被從曲折點的候選點檢測中除外。
下面，圖8表示曲折點的確定處理的處理流程。
在步驟S41中，CPU 22從分析信息存儲部25中獲取通過前述曲折點的候選點的檢測處理所檢測的曲折點的候選點。在曲折點的候選點相鄰連續的情況下，抽出該點列作為一個組(以下稱為圖案)。在此，CPU22把在邊界坐標點列中生成的圖案數量作為N_pattern(1≤N_pattern≤曲折點的候選點數量)，計算形成各個圖案的曲折點的候選點數量Cn(1≤n≤N_pattern)。
并且，在步驟S42中，CPU 22將表示最初圖案的n初始化為1，在步驟S43中，CPU 22獲取步驟S41所生成的圖案中的一個作為對象點pattern(n)(1≤n≤N_pattern)。
如果對象圖案pattern(n)的曲折點的候選點數量Cn＝1，則CPU 22判斷其他曲折點的候選點不相鄰而是單獨存在，并且把該曲折點的候選點確定為曲折點。
如果對象圖案pattern(n)的曲折點的候選點數量Cn≥2，則轉入步驟S44，CPU 22從對象圖案的曲折點的候選點列中確定1點作為曲折點。
在步驟S44中，CPU 22將對象圖案pattern(n)中A(j)為極小的點確定為曲折點。圖9是表示從曲折點的候選點中確定曲折點的圖。
在步驟S45中，如果對象圖案pattern(n)是最后圖案、即n＝N_pattern，則CPU 22結束處理，如果n≠N_pattern，則轉入步驟S46。
在步驟S46中，CPU 22將確定曲折點的對象圖案更新為n＝n+1，重復步驟S43～S45所示的一系列處理。
另外，在邊界坐標點列不平滑時，按照上述文獻4所述，對于在步驟S21中獲取的邊界坐標點列，利用移動平均法使坐標值變平滑。
此處的移動平均法指將點P的坐標值設定為坐標點列的前后[m/2]點的坐標值的平均值的方法。值m是移動平均點數、即用于確定平滑化程度的參數。例如圖10所示，m＝9，即表示使用9點的移動平均的情況。
并且，在距邊界坐標點列的兩端為[L/2]的范圍內，假定A(j)＝L，所以雖然不能檢測曲折點的候選點，但在包含于檢測對象中時，按照上述專利文獻所述，將在步驟S21中獲取的邊界坐標點列的兩端延長即可。并且，步驟S25中的參數h，也可以根據形成邊界坐標點列的點數N_p確定。
并且，在本實施例中，在步驟S44中，CPU 22把對象圖案中的曲折點的候選點列的A(j)極小的點確定為曲折點，但也可以確定為對象圖案中曲折點的候選點列的中心點、即第[Cn/2]點。
如以上說明的那樣，在本實施例中，關于原圖像31，通過邊緣檢測處理等檢測性狀不同的粘膜邊界，進一步檢測該粘膜邊界的形狀中的曲折點，并且根據該曲折點是否滿足規定的條件，設定為作為曲折點的代表點的控制點。并且，根據該控制點，檢測(判定)是否是作為性狀變化粘膜的邊界的巴瑞特邊界。
在食道和胃的邊界附近存在巴瑞特粘膜的情況的病例中，當存在該巴瑞特粘膜時，巴瑞特粘膜的邊界不是同心圓狀，而是呈現為圖5B所示的星型等具有凹凸的形狀的情況居多。
因此，按照上面所述檢測作為曲折點的代表點的控制點，在該控制點屬于具有凹凸的配置和控制點的數量大于等于規定數時，判定是巴瑞特粘膜的邊界，所以能夠根據巴瑞特粘膜的病例中出現較多的特征高精度地進行巴瑞特邊界的判定。
另外，在判定巴瑞特邊界時，也可以根據所檢測的邊界的復雜性進行是否是巴瑞特粘膜的判定。即，進行檢測或評價所檢測的邊界的形狀不是圓形等單一的形狀而是復雜形狀的處理，根據該評價結果進行巴瑞特邊界的判定。
更加具體地講，例如，求出沿著邊界坐標點列33以規定間隔設定的點附近的曲率半徑，將該曲率半徑的值分組，根據曲率半徑的值的分布，進行是否是復雜形狀的對應。并且，也可以在曲率半徑的分布大于等于閾值時，判定是巴瑞特粘膜的邊界。
(實施例2)下面，參照圖11～圖13說明本發明的實施例2。圖11表示按照實施例2的程序C通過CPU 22實現的功能的結構。
本實施例與實施例1中的圖2部分相同，所以省略其說明，以圖11所示的處理功能取代圖3所示的處理功能，即，具有關心區域設定部51、小區域抽出部52和粘膜邊界判定部53。
如圖11所示，通過關心區域設定部51對原圖像31和邊界坐標點列33設定成為檢測對象的關心區域。
小區域抽出部52對該設定的關心區域抽出小區域，粘膜邊界判定部53對所抽出的小區域進行是否是粘膜邊界的判定，并輸出粘膜邊界檢測結果34。
下面，參照圖12的處理流程，說明其具體處理。
與圖4所示相同，CPU 22獲取圖像數據(S1)，進行邊緣檢測(S2)，生成邊緣檢測圖像32并將其細線化，獲取邊界(S3)，再獲取邊界的坐標點列，生成邊界坐標點列33(S4)。另外，也可以在生成邊界坐標點列33之前的狀態下(即步驟S3的處理之后)，進行以下處理。
在后面的步驟S51中，CPU 22針對在步驟S4(S3)中按邊界劃分的區域，把圖像中接近成為管腔中心側的賁門(由于管腔中心側變暗，所以能夠通過使用了暗部的閾值的判定處理抽出)、或者包括賁門的區域設定為關心區域。
這樣設定關心區域后，按照步驟S52所示，CPU 22對該關心區域再次進行邊緣檢測處理，或者使用BPF(帶通濾波器)檢測關心區域內的邊緣，從圖13A的原圖像生成包括像圖13B那樣按邊緣劃分的小區域55的圖像。
在后面的步驟S53中，CPU 22將表示小區域55的參數i初始化后(設定為i＝1)，在后面的步驟S54中，計算各個小區域(i)內的平均色調C(i)。
平均色調C(i)例如設為IHb的值的平均值。該IHb使用值32log2(R/G)，該值是通過抽出內窺鏡圖像上的各個像素的亮度信號Vg(反映最能被血紅蛋白吸收的560nm附近的光的G顏色信號)和亮度信號Vr(反映最能被血紅蛋白吸收的650nm附近的光的R顏色信號)，并對兩個R、G顏色信號之比進行對數轉換得到的。
并且，在后面的步驟S55中，CPU 22進行平均色調C(i)是否大于規定的閾值thr2的判定。該情況時，規定的閾值例如是使用拍攝了已確定診斷的病例的巴瑞特粘膜部分的圖像中至少一個以上顏色信號的色調平均值、和拍攝了扁平上皮部分的圖像中的相同顏色信號的色調平均值來設定的。
在步驟S55的判定結果滿足平均色調C(i)＞thr2的判定條件時，按照步驟S56所示，CPU 22把該小區域(i)考慮為殘留于巴瑞特粘膜上的扁平上皮，當存在一個以上這種扁平上皮時，包括小區域的關心區域被判定為巴瑞特邊界(巴瑞特粘膜的邊界)。
另一方面，在步驟S55的判定結果不滿足平均色調C(i)＞thr2的判定條件時，按照步驟S57所示，CPU 22進行參數i是否等于小區域的數量N的判定，在不等于N時，按照步驟S58所示，將i增加1，返回步驟S54。并且，重復步驟S54～步驟S57的處理。
在巴瑞特粘膜病例的情況下，在巴瑞特粘膜中經常孤立存在島狀的扁平上皮的小區域。
因此，在本實施例中，按照上面所述生成邊界坐標點列33，利用原圖像31中的邊界坐標點列33在管腔側的區域內檢測邊緣，或者利用邊界坐標點列33檢測小區域(i)，對于各個小區域(i)，根據色調的特征量進行是否是扁平上皮的判定。并且，在判定小區域(i)是扁平上皮時，判定小區域呈島狀孤立的扁平上皮是孤立的巴瑞特粘膜或巴瑞特邊界。
通過進行這種判定，可以高精度地進行原圖像中是否存在巴瑞特粘膜的判定。
另外，在圖12的步驟S52中，檢測按邊緣劃分的小區域55，但作為其變形例，通過根據規定的閾值進行二值化，也可以獲取小區域55。
并且，在步驟S54、S55中，也可以根據小區域55的邊緣前后(或兩側)的色調變化，進行是否是巴瑞特粘膜或巴瑞特邊界的判定。
并且，在圖12的圖像處理中，將管腔側的區域設定為關心區域，對該關心區域內按邊緣等劃分的小區域55進行判定，但也可以通過對該小區域55的外側區域獲取平均色調等來進行判定。
例如，可以根據針對小區域55的判定結果及其外側區域的判定結果，綜合判定關心區域。這樣，可以進行更加高精度的判定。
另外，作為按邊緣劃分的小區域55，有可能是圖13B所示那樣的完全孤立的小區域。并且，也有可能是小區域55向外側延伸并連接扁平上皮側的形狀。
該情況時，如圖13B所示，小區域55表現為孤立曲線的情況較多，所以也可以根據所檢測的小區域55是否是孤立曲線，進行關心區域是否是巴瑞特粘膜或巴瑞特邊界的判定。
(實施例3)下面，參照圖14～圖18說明本發明的實施例2。圖14表示按照實施例3的程序D通過CPU 22實現的功能的結構。
本實施例具有實施例1中的圖2所示的處理功能，而且具有圖14所示的處理功能以取代圖3所示的處理功能。省略說明圖2所示的處理功能。
圖14所示的處理功能具有根據邊界坐標點列33設定局部區域組61的局部區域設定部63；以及對局部區域組61生成粘膜邊界檢測結果62的粘膜邊界判定部64。
下面，參照圖15說明本實施例的粘膜邊界的判定處理。
如圖15所示，在最初的步驟S61中，CPU 22進行G圖像數據的獲取，進而，與實施例1或2同樣地進行邊緣檢測處理(S2)并進行細線化，從而獲取邊界(S3)。再獲取邊界的坐標點列(S4)。并且，可以獲得圖16A的邊緣檢測圖像。
然后，進行圖14所示的處理程序D的處理。即，按照圖15的步驟S62所示，CPU 22沿著邊界設定例如N個局部區域。換言之，生成包括N個的局部區域組61。
對通過截止到步驟S4的處理得到的圖16A的邊緣檢測圖像的邊界坐標點列，利用沿著該邊界例如每隔一定間隔的圖16B所示的邊界上的短線段(或切線)，在與該線段局部正交的方向(即梯度方向)上，在該邊界上的短線段兩側設定局部區域，該局部區域大致被線段二等分。
另外，在圖16B中將設定的局部區域示例在其右側放大表示。該情況時，按矩形區域設定局部區域，但也可以是圓形及其他形狀的局部區域。在后面的步驟S63中，CPU 22將表示各個局部區域的參數i初始化，然后在后面的步驟S64中，計算局部區域(i)中沿著邊界劃分的兩個區域的平均像素值E、F。
在后面的步驟S65中，CPU 22進行按邊界劃分的兩側的兩個區域的平均像素值之比E/F是否大于規定的閾值thr3的判定。
該情況時，求出從通過診斷而確定的病例的巴瑞特邊界取樣的像素的色調特征量例如IHb的值的平均值，以及從非巴瑞特邊界時的邊界取樣的像素IHb的平均值，根據這些值確定用于確定區別的閾值thr3。
在平均像素值之比E/F＞thr3時，在后面的步驟S66中，CPU 22把該局部區域內的邊界的一部分識別為巴瑞特邊界區域。另一方面，在步驟S65的判定結果不滿足E/F＞thr3的判定條件時，按照步驟S67所示，判定不是巴瑞特邊界。
在上述步驟S66、S67的處理之后，在步驟S68中，CPU 22進行局部區域(i)的參數i是否等于N的判定，在i不等于N時，在步驟S69中，將i增加1，返回步驟S64，重復步驟S64～S68的處理。
并且，在對所有局部區域(N)進行上述處理后，結束該處理。
這樣，根據本實施例，使用沿著邊界設定的局部區域判定是否是巴瑞特邊界，由此可以判定是否是巴瑞特邊界。
另外，也可以對所有局部區域(N)進行邊界判定，根據這些多個判定結果進行最終的邊界判定。
并且，在步驟S62中，在沿著邊界設定局部區域時，也可以利用在相對于該邊界上較短的線段(細線)中心正交的方向上對稱設定的線段或兩點等來形成局部區域。
并且，在步驟S62中設定的局部區域也可以是任意取樣的局部區域。并且，在該步驟S66中，也可以跟蹤被識別為巴瑞特邊界區域的邊界，根據這些結果綜合地判定是巴瑞特邊界。
下面，說明具有第1變形例的內窺鏡系統。圖17表示具有第1變形例的內窺鏡系統1B的主要部分的結構。該內窺鏡系統1B在圖1的內窺鏡系統1中，在構成內窺鏡觀察裝置2的內窺鏡6的例如插入部11的基端側，設置用于檢測插入部11被插入體腔內的插入量的插入量檢測裝置71。該插入量檢測裝置71將所檢測的插入量的信息發送給圖像處理裝置3的例如CPU 22。
插入量檢測裝置71具有多個輥子72，其接觸插入部11的外周面并可自由轉動；以及旋轉編碼器等旋轉量檢測傳感器73，其安裝在這些輥子72的一個旋轉軸上，檢測旋轉量。
并且，通過該旋轉量檢測傳感器73檢測的信號被輸入圖像處理裝置3的例如CPU 22，CPU 22根據插入量的信息，進行所拍攝的圖像是否是包括檢測對象部位的圖像的判定。即，CPU 22具有檢測對象圖像判定部22a的功能，根據插入量的信息，進行所拍攝的圖像是否是包括檢測對象部位的圖像的判定。
該情況時，在內窺鏡6的插入部11被從患者的口部插入后，可以根據插入時的旋轉量檢測傳感器73的值，檢測插入到食道深部側時的前端部14的位置。
并且，根據包括CCD 16的攝像裝置17的攝像特性等，并結合如下的條件進行判定，該條件為判定是否是拍攝了上述圖像處理方法可以判定的分辨率以上的圖像、以及是否是包括檢測對象部位的圖像。
即，有時可以從遠處獲得包括檢測對象部位的圖像，但在遠處部分被視為不足以分析圖像的分辨率或者照明光量不足的情況下，設定判定條件，使得不進行包括檢測對象部位的圖像的判定。
通過內窺鏡6的CCD拍攝的圖像通過CCU 8進行信號處理后，始終被輸入圖像處理裝置3的圖像輸入部21。該圖像被依次存儲在硬盤27等中。
該情況時，CPU 22將插入量的信息作為附帶信息保存在依次存儲于硬盤27等中的圖像中。或者，CPU 22也可以根據插入量的信息，將已進行所拍攝的圖像是否是包括檢測對象部位的圖像的判定的判定信息(識別信息)，作為附帶信息保存。
并且，CPU 22根據判定信息，對包括判定對象部位的圖像進行與上述實施例3的情況相同的處理。另外，不限于實施例3，也可以適用于實施例1或實施例2。
即，在本變形例中，實施例1～3中需要圖像分析的原圖像，成為根據位置判定信息被自動判定為檢測對象的選擇圖像。
因此，根據本變形例，通過圖像分析進行是否是性狀已變化的性狀變化粘膜的判定(檢測)的圖像，被限制為客觀上符合預先設定的條件的圖像，所以能夠獲得更加客觀的判定結果。
并且，可以使用插入量檢測裝置71等適當地檢測或選擇設定成為檢測對象的圖像，所以可以減少對拍攝了非檢測對象部位的不需要的圖像進行圖像處理的情況。
并且，即使是拍攝了成為檢測對象的部位的圖像，在遠離攝像裝置17的情況下，基于圖像分析的精度不充分，但根據本實施例，在也考慮了攝像裝置17的特性而離開規定距離以上的情況下，通過設定未拍攝檢測對象部位的判定條件，可以確保基于圖像分析的精度。另外，在上述說明中，說明了利用具有細長插入部的內窺鏡2得到的圖像的情況，但如以下說明的那樣，也利用使用膠囊型內窺鏡得到的圖像。
具有圖18所示變形例的膠囊型內窺鏡系統81由以下部分構成通過患者吞入而拍攝體腔內部的膠囊型內窺鏡裝置(以下簡稱為膠囊型內窺鏡)82；體外裝置83，其配置在患者的體外，接收并記錄來自膠囊型內窺鏡82的圖像數據；以及被從該體外裝置83輸入圖像的圖像處理裝置84。
膠囊型內窺鏡82在膠囊狀的容器內具有作為照明單元的例如LED85；形成被照明的被攝體的像的物鏡86；CCD 87，其配置在該成像位置，構成進行拍攝的攝像單元；控制電路88，其對通過該CCD 87拍攝的攝像信號進行信號處理等；無線電路89，其進行無線發送所拍攝的圖像的處理；以及向各個電路等提供電力的電池90。
并且，體外裝置83通過多個天線91a、91b、91c，利用無線電路92從膠囊型內窺鏡82的無線電路89的天線89a接收電波，把該信號發送給控制電路93。通過該控制電路93轉換為影像信號，輸出給圖像處理裝置84。
并且，圖像處理裝置84進行上述各個實施例等的處理。
另外，控制電路93具有通過多個天線91a～91c推測膠囊型內窺鏡82的位置的位置檢測功能93a。并且，也可以利用該位置檢測功能93a，選擇設定檢測對象的圖像。即，取代原圖像31，利用該位置檢測功能93a檢測是否拍攝了接近從食道到胃的邊界的部位，在拍攝了接近邊界的部位時，與上述情況相同，也可以用作原圖像。
這樣，可以有效判定成為檢測對象的接近食道到胃的邊界的部位的活體粘膜。
另外，在上述的各個實施例中，使用IHb值作為評價色調的特征量，但是，例如也可以使用R/G、R/(R+G+B)等其他特征量。并且，例如也可以使用HSI顏色空間中的色相/色彩度。
根據上述實施例1～實施例3，根據活體粘膜表面的邊界信息，使用圖像處理檢測性狀不同的活體粘膜的存在，由此可以檢測食道的粘膜已變性的巴瑞特粘膜等性狀變化粘膜。
(實施例4)下面參照圖19～圖28說明可以更加合理地檢測成為檢測對象的特定的活體粘膜、特別是巴瑞特粘膜的存在，而不受圖像中的暗部等不合適部分的影響的圖像處理方法。
圖19所示的內窺鏡系統1C的硬件結構與圖1所示內窺鏡系統1相同。但是，存儲在圖19的處理程序存儲部23中的處理程序E，與存儲在圖1的處理程序存儲部中的處理程序不同。并且，CPU 22按照圖20所示執行該處理程序E。因此，對圖19中的各個構成要素賦予和圖1所示構成要素相同的符號，并省略其說明。
圖20表示CPU 22按照存儲在處理程序存儲部23中的處理程序E進行圖像處理的圖像處理功能的方框圖，該圖像處理用于檢測作為檢測對象粘膜組織的巴瑞特粘膜的存在。
圖19所示的CPU 22具有不需要區域刪除部133和色調處理部135的功能，所述不需要區域刪除部133對于應該進行圖像處理的原圖像131，從該原圖像131中刪除不需要區域，生成不需要區域刪除圖像132，所述色調處理部135對該不需要區域刪除圖像132進行色調處理，生成色調處理圖像134。
并且，該CPU 22具有區域標示處理部137和粘膜特征量計算部139的功能，所述區域標示處理部137對色調處理圖像134進行區域標示處理，并生成區域標示圖像136，所述粘膜特征量計算部139對該區域標示圖像136計算粘膜特征量，并輸出粘膜信息138。
從CPU 22輸出的影像信號作為內窺鏡圖像輸入圖像輸入部21，通過A/D轉換和以線性校正為目的的公知技術即反γ校正轉換，成為數字的原圖像數據，CPU 22按照處理程序進行以下處理。
首先，CPU 22進行從原圖像數據刪除不需要區域的不需要區域刪除處理。該不需要區域刪除處理針對彩色原圖像數據的像素值(R、G、B)，把在粘膜組織類別的判定中不需要的像素的像素值置換為(0、0、0)，生成不需要區域被刪除的不需要區域刪除圖像132。所謂不需要區域是指內窺鏡圖像內的暗部和高亮度的暈影部分。
圖22A表示原圖像131的代表示例。
圖21表示該不需要區域刪除處理。在不需要區域刪除處理開始后，按照步驟S71所示，CPU 22對構成彩色原圖像數據的各個像素，進行其像素值(R、G、B)是否是暗部像素的判定。另外，以下說明以1像素為單位進行不需要區域刪除處理等的示例，但是以多個像素為單位進行處理的示例也未脫離本發明的宗旨。
CPU 22使用用于判定是否是暗部像素的閾值(或基準值)Rcut、Gcut、Bcut，進行是否是R＜Rcut、而且G＜Gcut、而且B＜Bcut的像素的判定。此處，閾值Rcut、Gcut、Bcut是用于判定是否是暗部像素的、亮度值較低的既定值，已在處理程序E中設定。
在步驟S71中，在具有屬于暗部像素的像素時，按照步驟S72所示，CPU 22把該像素的像素值(R、G、B)置換為像素值(0、0、0)，轉入后面的步驟S73。
并且，在步驟S71中，在沒有屬于暗部的像素時，轉入步驟S73。
在步驟S73中，CPU 22對構成彩色原圖像數據的各個像素，進行其像素值(R、G、B)是否是暈影像素的判定。
即，CPU 22使用用于判定是否是暈影像素的閾值Rhal、Ghal、Bhal，進行是否是R＞Rhal、而且G＞Ghal、而且B＞Bhal的像素的判定。此處，閾值Rhal、Ghal、Bhal是用于判定是否是暈影像素的、亮度值較高的既定值，已在處理程序E中設定。
另外，手術醫生等用戶也可以從輸入操作部29變更暗部的閾值Rcut、Gcut、Bcut、和暈影的閾值Rhal、Ghal、Bhal。
在步驟S73中，在具有屬于暈影的像素時，按照步驟S74所示，CPU22把該像素的像素值(R、G、B)置換為像素值(0、0、0)，結束該不需要區域刪除處理。并且，在步驟S73中，在沒有屬于暈影的像素時，結束該不需要區域刪除處理。
并且，在結束該圖21的不需要區域刪除處理后，生成不需要區域被刪除的不需要區域刪除圖像132。圖22B表示對圖22A的原圖像131結束不需要區域刪除處理后生成的不需要區域刪除圖像132的具體示例。
然后，色調處理部135對不需要區域刪除圖像132的各個像素，計算基于像素值的色調特征量。
但是，對于在圖21的處理中被視為不需要區域的像素值(0、0、0)的像素，色調處理部135不進行色調特征量的計算處理。
作為色調特征量，使用在公知技術中使用的與血流的相關較高的血紅蛋白(簡稱為Hb)指數、即Hbindex(簡稱為IHb)。該IHb使用值即計算式log2(R/G)，該值是通過抽出內窺鏡圖像上的各個像素的亮度信號Vg(反映最能被血紅蛋白吸收的560nm附近的光的G信號)和亮度信號Vr(反映被血紅蛋白修飾得較小的650nm附近的光的R信號)，并對兩者之比進行對數轉換得到的。在圖21中，利用步驟S75表示該處理。
采用所計算的IHb的色調特征量，作為像素值存儲在與原圖像的像素相同的位置上。例如，存儲在圖像存儲部24或分析信息存儲部25中。由此，生成色調處理圖像134。圖22C表示對圖22B的不需要區域刪除圖像132進行色調特征量的計算處理后的色調處理圖像134的示例。另外，圖22C例如表示偽彩色化的圖像。
該情況時，在色調處理圖像134的IHb大于規定的閾值θ時，該攝像對象的圖像包括巴瑞特粘膜(巴瑞特上皮)的可能性較大。
然后，對于色調處理圖像134，區域標示處理部137根據后述的處理流程，生成區域標示圖像136。
區域標示圖像是存儲攝像對象在像素位置上的上皮類別的標示圖像。在本實施例中，設定為在圖像位置的攝像對象屬于正常粘膜的扁平上皮時存儲1，屬于性狀已變化的作為變性粘膜的巴瑞特粘膜時存儲2，屬于不需要區域時存儲0。
下面，參照圖23說明區域標示的處理流程。
在區域標示處理流程開始后，CPU 22在最初的步驟S81中，從色調處理圖像134獲取未進行標示處理的像素的像素值D。
在后面的步驟S82中，CPU 22進行像素值D是否是0的判定。并且，在判定像素值D不是0時，轉入后面的步驟S83，相反判定像素值D是0時，轉入步驟S86。
在步驟S83中，CPU 22按照處理程序E，判定規定的閾值θ與所述像素值D的大小。并且，在該判定結果為D＞θ時，轉入后面的步驟S84。另一方面，在步驟S83的判定中，如果D≤θ，則轉入步驟S85。另外，根據正常粘膜和從作為變性粘膜的巴瑞特粘膜預先取樣的IHb的取樣數據，設定進行該判定分類的閾值θ。
在步驟S84中，CPU 22把區域標示圖像136的對應像素值設定為2，轉入步驟S87。在步驟S85中，CPU 22把區域標示圖像136的對應像素值設定為1，轉入步驟S87。
并且，在步驟S86中，CPU 22把區域標示圖像136的對應像素值設定為0，轉入步驟S87。
并且，在步驟S87中，CPU 22進行是否有未進行標示處理的像素的判定，如果有未進行標示處理的像素，則返回步驟S81，如果沒有未進行標示處理的像素，則結束該區域標示的處理。
這樣，通過區域標示處理，色調處理圖像134的各個像素生成被標示為像素值0、1、或2的區域標示圖像136。圖22D表示區域標示圖像136的示例。
然后，粘膜特征量計算部139對區域標示圖像136計算各種上皮的粘膜特征量。
在本實施例中，求出各種上皮的每個粘膜類別的像素數、基于公知的邊界線跟蹤算法的區域標示圖像136的邊界像素點列、上皮的粘膜類別的像素數比(巴瑞特粘膜的像素數/扁平上皮的像素數)，作為上皮的粘膜信息保存。
并且，粘膜特征量計算部139比較所述上皮的粘膜類別的像素數比和既定的閾值τ，判定有無巴瑞特粘膜，將判定結果保存為上皮的粘膜信息。該情況時，在上皮的粘膜類別的像素數比≥τ時，判定圖像中存在巴瑞特粘膜。
另一方面，在上皮的粘膜類別的像素數比＜τ時，判定圖像中不存在巴瑞特粘膜。
圖24表示粘膜特征量計算部139進行的巴瑞特粘膜的判定處理。
按照步驟S91所示，CPU 22計數并計算被標示為扁平上皮的像素值1的像素數N1、和被標示為巴瑞特粘膜的像素值2的像素數N2。在后面的步驟S92中，CPU 22使用用于判定有無巴瑞特粘膜的閾值τ，判定上皮的粘膜類別的像素數比N2/N1是否為N2/N1≥τ。
并且，根據步驟S92的判定結果，在滿足條件N2/N1≥τ時，按照步驟S93所示，CPU 22判定上述原圖像中存在巴瑞特粘膜，把該結果保存在硬盤27等中。
另一方面，根據步驟S22的判定結果，在N2/N1＜τ時，按照步驟S24所示，CPU 22判定上述原圖像中不存在巴瑞特粘膜，把該結果保存在硬盤27等中。
在步驟S93和步驟S94之后，轉入步驟S95，CPU 22通過顯示處理部28把判定結果發送給顯示監視器4，在顯示監視器4的顯示面上顯示判定結果。并且，結束該處理。
另外，在上述說明中，使用了上皮的粘膜類別的像素數比N2/N1，但也可以采用N2/(N1+N2)代替該像素數比N2/N1。該情況時，N2/N1≥τ的判定條件成為N2/(N1+N2)≥(τ+1)。即，即使使用處理對象區域內的像素總數(N1+N2)，也能夠進行相同判定。
這樣，根據本實施例，通過圖像分析判定圖像中是否存在成為檢測對象的作為特定活體粘膜的巴瑞特粘膜，容易盡早發現巴瑞特粘膜，而且不依賴于主觀判斷。并且，通過顯示判定結果，可以告知手術醫生該圖像中存在巴瑞特粘膜的可能性較大，因此手術醫生能夠更有效地進行是否是變性部的診斷。
另外，對于區域標示圖像136，以去除噪聲為目的，也可以在區域標示處理部137進行的處理后，馬上實施作為公知技術的膨脹、收縮處理。另外，在本實施例中，使用IHb作為色調特征量，但是，例如也可以使用R/G、G/(R+G+B)等其他特征量。并且，例如也可以采用IHS顏色空間中的色相、色彩度。
圖25表示第1變形例的內窺鏡系統1D的主要部分的結構。該內窺鏡系統1D在圖19的內窺鏡系統1C中，在構成內窺鏡觀察裝置2的內窺鏡6的例如插入部11的基端側，設置用于檢測插入部11被插入體腔內的插入量的插入量檢測裝置41。該插入量檢測裝置41與圖17中說明的情況相同，所以省略大部分說明。
CPU 22具有檢測對象圖像判定部22a的功能，根據插入量的信息，進行所拍攝的圖像是否是包括檢測對象部位的圖像的判定。
通過內窺鏡6的CCD拍攝的圖像通過CCU 8進行信號處理后，被依次存儲在硬盤27等中。
CPU 22將插入量的信息作為附帶信息保存在依次存儲于硬盤27等中的圖像中。或者，CPU 22也可以根據插入量的信息，將已進行所拍攝的圖像是否是包括檢測對象部位的圖像的判定的判定信息(識別信息)，作為附帶信息保存。
并且，CCU 22根據判定信息，對包括判定對象部位的圖像，與上述實施例4的情況同樣地進行不需要區域刪除處理等。即，在本變形例中，實施例4中需要圖像分析的原圖像，成為根據判定信息被自動判定為檢測對象的選擇圖像。
因此，根據本變形例，需要圖像分析的圖像被限制為客觀上符合預先設定的條件的圖像，所以能夠獲得更加客觀的判定結果。
并且，可以使用插入量檢測裝置41等適當地檢測或選擇設定成為檢測對象的圖像，所以也可以減少對拍攝了非檢測對象部位的不需要的圖像進行圖像處理的情況。
并且，即使是拍攝了成為檢測對象的部位的圖像，在遠離攝像裝置17的情況下，基于圖像分析的精度不充分，但根據本變形例，在也考慮了攝像裝置17的特性而離開規定距離以上的情況下，通過設定未拍攝檢測對象部位的判定條件，可以確保基于圖像分析的精度。下面，說明第2變形例。本變形例的一部分與實施例4的處理程序E不同。按照本實施例的處理程序F進行處理的CPU 22B的處理功能如圖26所示。
圖26所示的處理功能，在圖20的處理功能中，設置針對區域標示圖像136生成矩形小區域分割處理組151的矩形小區域分割處理部152。該矩形小區域分割處理部152分割區域標示圖像136，以生成矩形小區域分割處理組151。
圖27示意性地表示分割生成的矩形小區域153的圖像。
如圖26所示，矩形小區域分割處理部152構成為，對針對區域標示圖像136生成矩形小區域分割處理組151時的矩形小區域分割處理組151應用粘膜特征量計算。
并且，在本變形例中，粘膜特征量計算部139B對每個矩形小區域153計算粘膜信息138，并且比較上皮的粘膜類別像素數比與預先設定的既定的閾值τ，確定矩形小區域153的屬性。
例如，在上皮的粘膜類別的像素數比≥τ時，把矩形小區域的屬性設為巴瑞特粘膜。另一方面，在上皮的粘膜類別的像素數比＜τ時，把矩形小區域的屬性設為扁平上皮。
并且，粘膜特征量計算部139B計數在矩形小區域153中已確定的屬性的數量，比較該屬性比(巴瑞特粘膜的矩形小區域計數數量/扁平上皮的矩形小區域計數數量)與既定的閾值ε。
例如，在屬性比≥ε時，判定圖像中存在巴瑞特粘膜。另一方面，在屬性比＜ε時，判定圖像中不存在巴瑞特粘膜。
圖28表示粘膜特征量計算部139B進行的粘膜特征量計算的處理流程。
在計算粘膜特征量的處理開始后，按照步驟S101所示，CPU 22計算已標示的各個矩形小區域的像素值1的像素數n1和像素值2的像素數n2。
在后面的步驟S102中，CPU 22判定這些像素數比n2/n1是否大于等于既定的閾值τ。即，CPU 22判定是否n2/n1≥τ。并且，在滿足該條件時，按照步驟S103所示，CPU 22把滿足該條件的矩形小區域的屬性設定為巴瑞特粘膜。
另一方面，在不滿足條件n2/n1≥τ時，按照步驟S104所示，CPU 22把該矩形小區域的屬性設定為扁平上皮。
在步驟S103和S104的處理之后，在步驟S105中，CPU 22判定是否有未處理的矩形小區域，在有未處理的矩形小區域時，返回步驟S101，重復步驟S101～S105的處理。
并且，在已對所有矩形小區域進行步驟S101～S105的處理后，按照步驟S106所示，CPU 22計算巴瑞特粘膜屬性的矩形小區域的數量m1和扁平上皮屬性的矩形小區域的數量m2。
在后面的步驟S107中，CPU 22判定這些像素數比m2/m1是否大于等于既定的閾值ε。即，CPU 22判定是否m2/m1≥ε。并且，在滿足該條件時，按照步驟S108所示，CPU 22判定圖像中存在巴瑞特粘膜，把該判定結果保存在硬盤27中，并且在顯示監視器4上顯示。
另一方面，在不滿足條件m2/m1≥ε時，按照步驟S109所示，CPU 22判定該圖像中不存在巴瑞特粘膜，把該判定結果保存在硬盤27中，并且在顯示監視器4上顯示。
根據本變形例，把圖像劃分為具有某種程度的大小的小區域，在各個小區域中，對該小區域內的每個像素判定是否是具有作為檢測對象粘膜的巴瑞特粘膜的可能性的區域，并且根據這些判定結果判定是否是巴瑞特粘膜，所以能夠更高精度地判定是否是檢測對象粘膜。
即，在實施例4中，對整個圖像的各個像素進行是否具有檢測對象粘膜的可能性的標示，根據基于該標示結果的各類別的像素數比，進行是否包括巴瑞特粘膜的判定，所以對于某部分的判定結果，無論是附近的部分還是離開較遠的部分，都能同樣反映在判定結果中。
對此，在本變形例中，劃分為小區域進行判定，所以能夠更加合理地進行各部分的判定，能夠提高最終判定結果的可靠性。
(實施例5)下面，參照圖29～圖31說明實施例5。圖29表示根據實施例5的處理程序G通過CPU 22執行的功能的處理內容。本實施例的硬件結構與圖19所示的圖像處理裝置3相同，具有一部分與存儲在處理程序存儲部23中的處理程序E不同的處理程序G。
在本實施例中，把原圖像例如作為動態圖像，依次對動態圖像的各幀圖像進行圖像處理。
在實施例4中說明的要素利用相同符號表示，所以省略其說明。
如圖29所示，本實施例使用進行粘膜特征量的計算處理的粘膜特征量處理部160，取代圖20的處理程序E中對區域標示圖像136計算粘膜特征量的粘膜特征量計算部139。并且，該粘膜特征量處理部160對區域標示圖像136計算各種粘膜特征量，依次保存在粘膜信息緩沖器161中。
粘膜信息緩沖器161是圖30所示的環緩沖器，其構成為由于下一次保存時的緩沖器的位置在圓周上依次移動，所以在生成規定數量以上的粘膜信息后，覆蓋以前存儲的粘膜信息來保存該粘膜信息。在圖30的示例中，例如按照時間序列以粘膜信息162a、162b、162c、162d的順序依次存儲粘膜信息。并且，在下一次輸入粘膜信息時，最舊的粘膜信息162a將被新的粘膜信息覆蓋。另外，在圖30中示出4個粘膜信息162a～162d的情況，但也可以是具有更大存儲容量的環緩沖器。
粘膜特征量處理部160構成為根據區域標示圖像136的各種上皮類別的像素數比，判定該圖像中有無巴瑞特粘膜，把判定結果作為粘膜信息162保存在粘膜信息緩沖器161中。
粘膜信息緩沖器161的粘膜信息162的粘膜類別由粘膜類別確定部163確定。
圖31表示粘膜類別確定部163的處理流程。
在最初的步驟S141中，CPU 22獲取保存在粘膜信息緩沖器161中的所有粘膜信息162。
在后面的步驟S142中，CPU 22根據各種粘膜信息162，計數粘膜類別判定結果是巴瑞特粘膜的數量，把該計數數量設為C’。
在后面的步驟S143中，CPU 22比較通過處理程序G設定的既定閾值θ’與所述計數數量C’的大小。即，判定是否C’＞θ’。
并且，在C’＞θ’時，按照步驟S144所示，CPU 22判定原圖像內存在巴瑞特粘膜。
另一方面，在C’≤θ’時，按照步驟S145所示，CPU 22判定原圖像內不存在巴瑞特粘膜。
并且，在步驟S144和S145之后的步驟S146中，CPU 22使顯示監視器4顯示判定結果，并結束該處理。
另外，除判定結果外，所述計數數量C’也顯示在顯示監視器4上。
根據本實施例，根據針對多個圖像的粘膜類別結果判定粘膜類別，所以能夠防止由于觀察條件較差的圖像造成的粘膜類別的錯誤判定。
并且，根據本實施例，可以把一面插入內窺鏡2的插入部11一面由設在其前端部14的攝像單元拍攝的動態圖像作為原圖像，并依次判定是否存在巴瑞特粘膜，所以手術醫生能夠根據該判定結果有效(或迅速)地診斷到檢測對象部位附近。
并且，根據本實施例，在把插入部11從其前端側插入并一直插入到食道內的深部側時，在胃的邊界附近存在巴瑞特粘膜的情況下，顯示存在巴瑞特粘膜的判定結果的概率增大，所以能夠根據該顯示有效地進行巴瑞特粘膜的診斷。
并且，如果按上面所述使計數數量C’也顯示在顯示監視器4上，則在存在巴瑞特粘膜時，隨著接近存在該巴瑞特粘膜的部位，一般計數數量C的值增大，所以能夠根據該顯示有效進行巴瑞特粘膜的診斷。
另外，也可以構成為不依次地連續輸入動態圖像的各幀，而以一定的幀間隔輸入原圖像。
并且，在粘膜特征量處理部160中也可以構成為在區域標示圖像136中包含的像素值＝0的像素數大于等于既定閾值時，不保存粘膜信息162，還可以構成為不保存不適合確定粘膜類別的信息。
(實施例6)下面，參照圖32A～圖37說明實施例6。本實施例的目的在于，提供一種可以高精度地檢測(判定)是否存在檢測對象粘膜的圖像處理方法。為了達到該目的，該方法進行以下處理檢測圖像中像暗部那樣不適合于檢測對象的小區域，并將其從檢測對象中除外，并且根據該檢測結果參照暗部在圖像中的位置信息，進而將與暗部相鄰并被判定為應該除外的小區域從檢測對象中除外，生成處理對象區域的圖像。
圖32A表示根據實施例6的處理程序H由CPU 22進行的功能的處理內容。本實施例的硬件結構與圖19所示的圖像處理裝置3相同，具有一部分與存儲在處理程序存儲部23中的處理程序E不同的處理程序H和I。
本實施例的粘膜類別判定處理構成為連續執行圖32A所示的處理程序H和圖32B所示的處理程序I。處理程序I利用作為處理程序H的結果的處理對象區域信息174。
說明本實施例成為特征的處理程序H的處理塊。
原圖像131被輸入矩形小區域分割處理部171，該矩形小區域分割處理部171按照圖33所示，將內窺鏡圖像劃分為矩形小區域圖像組172。另外，小區域不限于矩形。
矩形小區域圖像組172被輸入處理對象區域確定部173，該處理對象區域確定部173進行圖34所示的流程處理，生成處理對象區域信息174。
在步驟S151中，處理對象區域確定部173從矩形小區域圖像組172中獲取矩形小區域175，計數矩形小區域175內的暗部像素數，以檢測處理對象除外小區域。
在本實施例中，暗部像素是像素值為R＜Rcut、而且G＜Gcut、而且B＜Bcut的像素。把該計數數量設為Cn(其中，n是矩形小區域的連續序號)。此處，Rcut等為在實施例4中說明的閾值。另外，也可以設定為與實施例4不同的閾值。
在步驟S152中，處理對象區域確定部173判定是否存在應該處理的(未執行步驟S151的處理的)矩形小區域175，如果存在應該處理的矩形小區域175，則返回步驟S151，進行計數處理。如果不存在應該處理的矩形小區域175，則轉入步驟S153。
在步驟S153中，處理對象區域確定部173根據矩形小區域175的暗部像素數Cn，進行被從處理對象中除外的暗部區域的判定處理。本實施例中的判定用于將對各個矩形小區域175計算出的Cn為最大的矩形小區域175確定為暗部區域。
然后，在步驟S54中，處理對象區域確定部173把該暗部區域從處理對象區域中除外，根據原圖像131內的該暗部區域的位置確定處理對象區域。
使用圖35說明其確定方法。
圖35中的雙重斜線部(網格斜線部)176a表示在步驟S153中確定的暗部區域，列舉了以3×3劃分時可以實現的所有圖案即9個圖案。并且，斜線部176b表示被從處理對象中除外的小區域。
在步驟S154中，處理對象區域確定部173根據暗部區域在原圖像131中的位置，判定暗部區域屬于圖35中的哪個圖案。并且，處理對象區域確定部173根據相應的圖案，只把暗部區域和除去了處理除外小區域的小區域確定為處理對象。
例如圖36所示，在右上角部被檢測為暗部時，在圖35中的最右側，按照最上部的圖案所示，將與該雙重斜線部176a相鄰的兩側的兩個除外。
并且，生成把圖35中的雙重斜線部176a和斜線部176b之外的完全沒有附加斜線的小區域176c作為處理對象的處理對象區域信息174。即，根據所檢測的雙重斜線部176a的信息，生成(確定)處理對象區域信息174。
因此，在處理程序存儲部23和分析信息存儲部25等的存儲單元中，根據預先檢測的暗部區域(小區域)的塊是否在原圖像131的某個塊位置，登記(存儲)用于確定從處理對象中除外的塊的除外塊信息。具體地講，作為除外塊信息，存儲有圖35所示的多個圖案。并且，通過參照該除外塊信息，可以根據暗部區域的位置確定處理對象區域。
圖32B的處理程序I內的不需要區域刪除部133B使用上述的處理對象區域信息174，生成把非處理對象的像素置換為(R、G、B)＝(0、0、0)的不需要區域刪除圖像132。
以后的處理例如與圖20的粘膜信息的生成處理內容相同。
另外，在處理對象區域確定部173中也可以構成為在處理對象區域中，按照每個小區域175計數R＝255的像素數，在R＝255的像素數大于等于規定的像素數時，視為過于接近攝像對象，將該小區域175從處理對象區域中除外。
另外，也可以選擇設定小區域175的尺寸(像素數)。并且，還可以根據尺寸來檢測多個暗部，根據其配置和分布等，將它們周圍的部分從處理對象區域中除外。這樣，可以更加合適地設定處理對象區域。
根據本實施例，除包括暗部的小區域外，對與暗部相鄰的小區域也判定是否是不適合處理的小區域，把不適合的從處理對象中除外，因此把剩余部分視為適合檢測對象的區域，因此能夠進一步提高特定的活體粘膜的檢測精度(判定精度)。
進行補充說明，在暗部區域及與其接近的區域對應體腔內的部位例如分布成為同心圓和其他形狀時，如果單純地設定小區域175來進行暗部的檢測，則實際上有可能不能將暗部和與其接近的區域可靠地從檢測對象中除外。
在這種情況下，根據按照上面所述檢測的暗部的區域位置和配置或分布等，能夠有效地適當地將不適合于檢測對象的區域除外。另外，雖然也可以按照各個像素將暗部的像素等除外，但此時將花費時間。對此，在本實施例中以塊來進行處理，因此能夠有效地將不合適的塊除外。
另外，在以上說明中，說明了利用具有細長插入部的內窺鏡2得到的圖像的情況，但如以下說明的那樣，也可以利用使用膠囊型內窺鏡得到的圖像。
具有圖37所示變形例的膠囊型內窺鏡系統81B的硬件結構與圖18所示相同。因此，省略其結構說明。
并且，圖像處理裝置84進行上述實施例4～實施例6中的一個圖像處理。
根據實施例4～實施例6，通過將暗部等不適合于檢測對象的像素除外，可以更加高精度地檢測檢測對象的特定活體粘膜的存在。
另外，將上述各個實施例等進行部分組合或通過改變處理步驟的順序等而構成的實施例等，也屬于本發明。
產業上的可利用性對于拍攝了食道到胃的邊界附近的粘膜表面的圖像，通過抽出其邊界等，并計算邊界的自身形狀和根據邊界劃分的兩側的特征量等，檢測是否是胃粘膜已變性的巴瑞特粘膜的邊界，從而可以輔助進行診斷。
權利要求
1.一種醫用圖像處理方法，該方法對拍攝了活體粘膜的醫用圖像進行圖像處理，其特征在于，該醫用圖像處理方法包括邊界信息檢測步驟，其從所述醫用圖像中檢測相當于所述活體粘膜的邊界部分的邊界信息；以及粘膜性狀檢測步驟，其根據在所述邊界信息檢測步驟中檢測的邊界信息，檢測是否存在性狀不同的活體粘膜。
2.根據權利要求1所述的醫用圖像處理方法，其特征在于，該醫用圖像處理方法還包括輸入步驟，其將拍攝了所述活體粘膜的一個以上的醫用圖像輸入用于檢測所述邊界信息的圖像處理裝置。
3.根據權利要求1所述的醫用圖像處理方法，其特征在于，該醫用圖像處理方法還包括形狀信息檢測步驟，其根據在所述邊界信息檢測步驟中檢測的邊界信息，檢測所述邊界部分的形狀信息。
4.根據權利要求1所述的醫用圖像處理方法，其特征在于，該醫用圖像處理方法還包括孤立區域檢測步驟，其根據在所述邊界信息檢測步驟中檢測的邊界信息，檢測局部地存在于一個區域內，與另一個區域相孤立的孤立區域。
5.根據權利要求1所述的醫用圖像處理方法，其特征在于，該醫用圖像處理方法還包括區域設定步驟，其根據在所述邊界信息檢測步驟中檢測的邊界信息，設定包括邊界的局部區域；以及特征量計算步驟，其在所述局部區域中，根據所述邊界兩側的兩個區域來計算特征量。
6.根據權利要求1所述的醫用圖像處理方法，其特征在于，所述邊界信息檢測步驟包括用于檢測所述活體粘膜的輪廓的輪廓檢測步驟。
7.根據權利要求3所述的醫用圖像處理方法，其特征在于，所述形狀信息檢測步驟檢測所述邊界信息中基于邊界形狀的復雜性的信息。
8.根據權利要求1所述的醫用圖像處理方法，其特征在于，所述邊界信息檢測步驟包括用于進行二值化的二值化步驟、和用于生成細線化的粘膜邊界像的細線化步驟。
9.根據權利要求3所述的醫用圖像處理方法，其特征在于，所述形狀信息檢測步驟根據是否從所述邊界信息的邊界形狀檢測到一個以上的彎曲的曲折點，來檢測是否存在性狀不同的活體粘膜。
10.根據權利要求6所述的醫用圖像處理方法，其特征在于，所述輪廓檢測步驟包括應用濾波的濾波步驟，該濾波用于抽出活體粘膜的邊界部分。
11.根據權利要求1所述的醫用圖像處理方法，其特征在于，所述邊界信息檢測步驟檢測與食道粘膜和胃粘膜的邊界相關的信息，作為所述邊界信息。
12.根據權利要求1所述的醫用圖像處理方法，其特征在于，所述粘膜性狀檢測步驟檢測存在于食道和胃粘膜的邊界附近的巴瑞特粘膜，作為性狀不同的活體粘膜。
13.根據權利要求4所述的醫用圖像處理方法，其特征在于，所述孤立區域檢測步驟包括判定步驟，該判定步驟判定所檢測的孤立區域的粘膜是否是與所述另一個區域的粘膜相同類型的粘膜。
14.根據權利要求13所述的醫用圖像處理方法，其特征在于，所述判定步驟包括特征量計算步驟，該特征量計算步驟對所檢測的所述孤立區域，計算與所述另一個區域的粘膜具有的明亮度或色調相關的特征量。
15.根據權利要求14所述的醫用圖像處理方法，其特征在于，所述判定步驟包括對所述計算出的特征量與閾值進行比較的比較步驟。
16.根據權利要求1所述的醫用圖像處理方法，其特征在于，所述醫用圖像是內窺鏡圖像或膠囊型內窺鏡圖像。
17.一種醫用圖像處理方法，該方法對與拍攝了活體粘膜的兩種顏色以上的醫用圖像對應的圖像信號進行圖像處理，其特征在于，該醫用圖像處理方法包括第1步驟，其進行從所述醫用圖像的檢測對象中去除不合適的像素，來設定處理對象區域的處理；第2步驟，其進行至少對所述處理對象區域中的一個以上的每個像素數計算色調特征量的處理；以及第3步驟，其進行根據所計算出的所述色調特征量來檢測特定的活體粘膜的存在的處理。
18.根據權利要求17所述的醫用圖像處理方法，其特征在于，所述第2步驟進行將所述醫用圖像劃分為多個塊，并對所述每個塊計算所述色調特征量的處理。
19.根據權利要求18所述的醫用圖像處理方法，其特征在于，所述第3步驟具有判定處理，該判定處理對所述每個塊檢測特定的活體粘膜的存在，根據所檢測的塊的數量，判定是否存在所述特定粘膜。
20.根據權利要求17所述的醫用圖像處理方法，其特征在于，所述醫用圖像是時間序列的多個內窺鏡圖像。
21.根據權利要求17所述的醫用圖像處理方法，其特征在于，所述第3步驟進行以下處理根據色調特征量的值在特定范圍內的像素數A和所述處理對象區域內的像素總數B，檢測特定的活體粘膜的存在。
22.根據權利要求21所述的醫用圖像處理方法，其特征在于，根據所述像素數A和像素總數B之比A/B是否大于等于規定的值，判定有無特定的活體粘膜。
23.根據權利要求17所述的醫用圖像處理方法，其特征在于，所述第1步驟進行檢測對象除外區域的檢測處理，該處理抽出表示所述醫用圖像的顏色信號的值存在于特定范圍內的像素，并將其從所述處理對象區域中除外。
24.根據權利要求22所述的醫用圖像處理方法，其特征在于，還進行根據所述檢測對象除外區域在所述醫用圖像內的位置，設定所述處理對象區域的圖像的處理。
25.根據權利要求17所述的醫用圖像處理方法，其特征在于，所述色調特征量是基于表示所述醫用圖像的多個顏色信號之比的特征量。
26.根據權利要求17所述的醫用圖像處理方法，其特征在于，所述第2步驟進行計算血紅蛋白指數來作為所述色調特征量的處理。
27.根據權利要求26所述的醫用圖像處理方法，其特征在于，所述第3步驟使用為了區分兩種粘膜而設定的閾值，并通過與該閾值比較來判定所述特定的變性粘膜的存在，所述兩種粘膜根據從所述血紅蛋白指數的值正常的活體粘膜取樣的血紅蛋白指數的代表值、和從性狀已變化的特定的變性粘膜取樣的血紅蛋白指數的代表值來進行區分。
28.根據權利要求27所述的醫用圖像處理方法，其特征在于，所取樣的所述正常活體粘膜是食道的扁平上皮的粘膜，所述取樣的所述特定的活體粘膜是扁平上皮已變性的巴瑞特粘膜。
29.根據權利要求17所述的醫用圖像處理方法，其特征在于，所述第1步驟進行檢測作為不適合于所述檢測對象的像素的暗部并將其除外的處理。
30.根據權利要求17所述的醫用圖像處理方法，其特征在于，所述第1步驟檢測作為不適合于所述檢測對象的像素的高亮度的暈影部并將其除外。
31.根據權利要求17所述的醫用圖像處理方法，其特征在于，所述第1步驟進行判定所述醫用圖像是否是食道和胃的邊界附近位置的活體粘膜的圖像的處理。
全文摘要
本發明提供一種醫用圖像處理方法，該方法對拍攝了活體粘膜的醫用圖像進行圖像處理，該醫用圖像處理方法包括邊界信息檢測步驟，其從醫用圖像中檢測相當于活體粘膜的邊界部分的邊界信息；以及粘膜性狀檢測步驟，其根據在邊界信息檢測步驟中檢測的邊界信息，檢測是否存在性狀不同的活體粘膜。
文檔編號A61B1/04GK101060806SQ20058003975
公開日2007年10月24日 申請日期2005年12月8日 優先權日2004年12月10日
發明者西村博一, 長谷川潤, 田中秀樹, 井上涼子, 野波徹緒 申請人:奧林巴斯株式會社