JP6838549B2 - 診断支援装置並びに画像処理方法及びそのプログラム - Google Patents

Description

本発明は、診断支援装置並びに画像処理方法及びそのプログラムに関する。

皮膚病変の診断として視診は必ず行われ、多くの情報を得ることが出来る。しかしながら、肉眼やルーペだけでは、ホクロとしみの判別さえ難しく、良性腫瘍と悪性腫瘍の鑑別も難しい。そこで、ダーモスコープ付きカメラを用いて病変を撮影するダーモスコピー診断が行われている。

ダーモスコープとは、ＬＥＤ照明やハロゲンランプ等で病変部を明るく照らし、エコージェルや偏光フィルタなどにより反射光の無い状態にし、１０倍程度に拡大して観察する非侵襲性の診察器具である。この器具を用いた観察法をダーモスコピーと呼んでいる。ダーモスコピー診断については、インターネットＵＲＬ（ｈｔｔｐ：／／ｗｗｗ．ｔｗｍｕ．ａｃ．ｊｐ／ＤＮＨ／ｄｅｐａｒｔｍｅｎｔ／ｄｅｒｍａｔｏｌｏｇｙ／ｄｅｒｍｏｓｃｏｐｙ．ｈｔｍｌ）＜平成２６年９月１日閲覧＞に詳細に記載されている。ダーモスコピー診断によれば、角質による乱反射がなくなることにより、表皮内から真皮浅層までの色素分布が良く見えてくる。

例えば、特許文献１に、上記したダーモスコープで撮影された皮膚画像に対して、色調、テクスチャ、非対称度、円度等の値を用いて診断を行う色素沈着部位の遠隔診断システムの技術が開示されている。それは、ダーモスコープを付けたカメラ付き携帯電話を用い、ダーモスコープを通して、メラノーマの心配がある良性色素性母斑などがある皮膚を撮影する。そして、携帯電話のネットワーク接続機能を用いてインターネットに接続し、撮影した皮膚画像を遠隔診断装置に送信して診断を依頼するものである。皮膚画像を受信した遠隔診断装置は、メラノーマ診断プログラムを用い、皮膚画像から、それがメラノーマであるか否か、あるいはメラノーマであった場合にどの病期のメラノーマであるかを診断し、その結果を医師に返信する。

特開２００５−１９２９４４号

皮膚病については上記したダーモスコープ画像による診断が普及しつつあるが、従来、明瞭な形状変化や模様を得るため、撮影により得られるダーモスコープ画像にＨＤＲ（High Dynamic Range）変換を施すことにより表示していた。この場合、病変の種類、あるいは進行の度合いに関わらず一様に画像変換していたため、満足できる診断精度を得ることができず、医師の診断スキルに依存しているのが現状であった。

本発明は上記した課題を解決するためになされたものであり、医師の診断を容易にするとともに診断精度の向上をはかる、診断支援装置並びに画像処理方法及びそのプログラムを提供することを目的とする。

本発明の一態様は、
皮膚患部のダーモスコープ画像である撮影画像を用いて病変の診断を支援する診断支援装置の画像処理方法であって、
前記撮影画像を、前記撮影画像に写っている母斑（色素斑）の状態に基づいて、メラノーマが疑われる皮膚患部の病変のパターンとして分類する分類工程と、
前記撮影画像に、前記分類工程により分類された前記パターンに対応する画像変換処理を実行して変換画像を生成する生成工程と、を含む画像処理方法を提供するものである。
本発明の他の特徴は、本明細書及び添付図面の記載により明らかにする。

本発明によれば、医師の診断を容易にするとともに診断精度の向上をはかる、診断装置並びに当該診断装置における画像処理方法及びそのプログラムを提供することができる。

本発明の実施の形態に係る診断装置の構成を示すブロック図である。 本発明の実施の形態に係る診断装置の基本処理動作を示すフローチャートである。 図２の色成分解析による分類処理の詳細手順を示すフローチャートである。 図２の構造明瞭変換処理の詳細手順を示すフローチャートである。 図４の血管らしさを尤度Ａとして抽出する処理の詳細手順を示すフローチャートである。 図２の部位強調変換、部位蛍光色変換処理の詳細手順を示すフローチャートである。 図７の輝度画像からボトムハット処理で輝度強調画像を得る処理の詳細手順を示すフローチャートである。 図７の膨張処理画像の一例を示す図である。 図６の血管らしさを尤度Ａとして抽出する処理の詳細手順を示すフローチャートである。 本発明の実施の形態に係る診断装置の表示画面構成の一例を示す図である。 本発明の実施の形態に係る診断装置をシステム化した場合のネットワーク構成を示す図である。 皮膚の病変の基本的なパターンを示す図である。

以下、添付図面を参照して、本発明を実施するための形態（以下、「実施形態」と称する）について詳細に説明する。なお、実施形態の説明の全体を通して同じ要素には同じ番号を付している。

（実施形態の構成）
図１は、本実施形態に係る診断装置１００の構成を示すブロック図である。図１に示すように、本実施形態に係る診断装置１００には、ダーモスコープ付き撮影装置１１０が接続されている。ダーモスコープ付き撮影装置１１０は、診断装置１００（処理部１０１）からの指示により撮影を行ない、撮影画像（ダーモスコピー画像）を画像記憶部１０２に格納するとともに表示装置１２０上に表示する。また、撮影画像は、処理部１０１により強調処理が施されて画像記憶部１０２に保存されると共に表示装置１２０上に表示される。入力装置１３０は、ダーモスコープ画像の撮影開始指示、後述するダーモスコピー画像中の部位選択操作等を行う。

なお、表示装置１２０、例えば、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）モニタにより構成され、入力装置１３０は、マウス等により構成されている。

処理部１０１は、画像記憶部１０２に記憶された撮影画像を処理するもので、図１に示すように、分類手段１０１ａと、第１の分離手段１０１ｂと、第２の分離手段１０１ｃと、強調手段１０１ｄと、生成手段１０１ｅと、抽出手段１０１ｆと、を含む。

分類手段１０１ａは、診断の対象となる患部の撮影画像を病変の進行度により分類する手段として機能する。処理部１０１は、分類手段１０１ａにより分類された分類に対応する画像変換処理を実行して変換画像を生成する。

このとき、画像記憶部１０２は、撮影画像を分類ごとに記憶しており、分類手段１０１ａは、画像記憶部１０２に記憶された撮影画像を参照して、診断の対象となる患部の撮影画像を病変の進行度により分類する。

なお、処理部１０１による画像変換処理は、進行度が低位の分類に対応する画像変換処理である構造明瞭変換（組織明瞭変換ともいう）処理、前記進行度が中位の分類に対応する画像変換処理である部位強調変換処理、進行度が高位の分類に対応する画像変換処理である部位蛍光色変換処理を含む。

分類手段１０１ａは、患部がホクロ状であって、実質的に黒色又は茶色で構成されている画像を進行度が低位の分類（I型）として分類する。

分類手段１０１ａは、患部がホクロ状であって、部分的に血管で構成されている画像を進行度が中位の分類（II型）として分類する。

分類手段１０１ａは、患部がホクロ状であって、全体的に赤みを帯びた血管で構成されている画像を進行度が高位の分類（III型）として分類する。

＜構造明瞭変換＞
処理部１０１が構造明瞭変換処理を実行する場合、第１の分離手段１０１ｂは、撮影画像を輝度成分と色情報成分とに分離する手段として機能し、第２の分離手段１０１ｃは、輝度成分を骨格成分と詳細成分とに分離する手段として機能する。

強調手段１０１ｄは、骨格成分に対して強調処理を施す手段として機能し、骨格成分を中心値よりも明るく圧縮する第１の強調手段１０１ｄ−１、及び骨格成分にシャープネスフィルタ処理を施す第２の強調手段１０１ｄ−２の少なくとも１つを含む。

生成手段１０１ｅは、強調された骨格成分と詳細成分とから輝度を復元し、色情報成分を用いて強調画像を生成する手段として機能する。生成手段１０１ｅは、強調された骨格成分と詳細成分とを加算して輝度を復元し、復元された輝度と、第１の色空間の赤系の色相方向と青色の色相方向に応じた色情報成分とから第２の色空間に変換して強調画像を生成する。

＜部位強調変換＞
処理部１０１が部位強調変換処理を実行する場合、第１の分離手段１０１ｂは、撮影画像を輝度成分と色情報成分に分離する手段として機能し、抽出手段１０１ｆは、診断の対象の部位を抽出する手段として機能する。

このとき抽出手段１０１ｆは、部位の候補を輝度成分により抽出する第１の抽出手段１０１ｆ−１、及び部位のそれらしさを輝度成分と色情報成分とから構成される色空間により抽出される第２の抽出手段１０１ｆ−２の少なくとも１つを含む。なお、部位強調変換処理において、第２の抽出手段１０１ｆ−２は、色空間の赤系の色相方向に応じた色情報成分を用いて抽出する。

＜部位蛍光色変換＞
処理部１０１が、部位蛍光色変換処理を実行する場合、第１の分離手段１０１ｂは、撮影画像を輝度成分と色情報成分に分離する手段として機能し、抽出手段１０１ｆは、診断の対象の部位を抽出する手段として機能する。

このとき、抽出手段１０１ｆは、部位の候補を輝度成分により抽出してボトムハット処理を施す第１の抽出手段１０１ｆ−１、及び部位のそれらしさを輝度成分と色情報成分とから構成される色空間により抽出される第２の抽出手段１０１ｆ−２の少なくとも１つを含む。なお、上記した部位蛍光色変換処理において、第２の抽出手段１０１ｆ−２は、色空間の緑系の色相方向に応じた色情報成分を用いて抽出する。

上記した分類手段１０１ａ、第１の分離手段１０１ｂ、第２の分離手段１０１ｃ、強調手段１０１ｄ（第１の強調手段１０１ｄ−１、第２の強調手段１０１ｄ−２）、生成手段１０１ｅ、抽出手段１０１ｆ（第１の抽出手段１０１ｆ−１，第２の抽出手段１０１ｆ−２）は、いずれも、処理部１０１が有する本実施形態に係るプログラムを逐次読み出し実行することにより、それぞれが持つ上記した機能を実現する。

（実施形態の動作）
以下、図１に示す本実施形態に係る診断装置１００の動作について、図２以降を参照しながら詳細に説明する。

図２に、本実施形態に係る診断装置１００の基本処理動作の流れが示されている。図２によれば、処理部１０１は、まず、ダーモスコープ付き撮影装置１１０で撮影された、例えば、皮膚病変部位等、患部の撮影画像を取得する（ステップＳ１１）。そして、取得した撮影画像を画像記憶部１０２の所定の領域に格納するとともに、表示装置１２０に表示する（ステップＳ１２）。

続いて、処理部１０１は、分類手段１０１ａが、色成分解析による分類を行い（ステップＳ１３）、少なくともI型、II型及びIII型の３つに分類する（ステップＳ１４）。

分類した型に応じて、構造明瞭変換処理（ステップＳ１５）、部位強調変換処理（ステップＳ１６）、部位蛍光色変換処理（ステップＳ１７）のそれぞれを実行し、その処理画像を撮影画像と共に表示装置に並べて表示し、診断を医師に委ねる（ステップＳ１８）。

このとき、分類手段１０１ａは、患部がホクロ状であって、実質的に黒色又は茶色で構成されている画像を進行度が低位の分類（I型）として分類する。

分類手段１０１ａは、患部がホクロ状であって、部分的に血管で構成されている画像を進行度が中位の分類（II型）として分類する。

分類手段１０１ａは、患部がホクロ状であって、全体的に赤みを帯びた血管で構成されている画像を進行度が高位の分類（III型）として分類する。

I型に分類されると、病変の進行度が低位の分類に対応する画像変換処理である構造明瞭変換処理（ステップＳ１５）を実行する。

II型に分類されると、進行度が中位の分類に対応する画像変換処理である部位強調変換処理（ステップＳ１６）を実行する。

III型に分類されると、進行度が高位の分類に対応する画像変換処理である部位蛍光色変換処理（ステップＳ１７）を実行する。

図１０に表示装置１２０に表示される表示画面イメージの一例が示されている。画面に向かって左に撮影画像表示領域１２１が、右に、処理画像表示領域１２２が割り当てられており、それぞれの領域に、撮影画像、および処理画像が表示されている。

医師が、入力装置１３０を用い、表示装置１２０の画面右下に割り当てられている「撮影開始」ボタン１２３をクリックすることにより、ダーモスコープ付き撮影装置１１０による患部の撮影が開始される。

そして、処理部１０１により分類されたI型〜III型に応じた画像変換処理（構造明瞭変換処理、部位強調変換処理、部位蛍光色変換処理）により、表示装置１２０の撮影画像表示領域１２１に撮影画像が、処理画像表示領域１２２に、処理画像が並んで表示される。

なお、画面の任意の場所にそれぞれの処理画像が表示されるサムネール領域を付加し、選択操作されたサムネールに該当する処理画像を処理画像表示領域１２２に表示してもよい。また、複数の処理画像を並べて表示してもよい。

図３に、図２のステップＳ１３の「色成分解析による分類処理」の詳細手順が示されている。図３によれば、処理部１０１は、まず、第１の分離手段１０１ｂが、ダーモスコープ付き撮影装置１１０から取得されるＲＧＢ色空間の撮影画像を、Ｌａｂ色空間（正確には、ＣＩＥ １９７６ Ｌ＊ａ＊ｂ色空間）に変換する。Ｌａｂ色空間の詳細は、インターネットＵＲＬ（ｈｔｔｐ：／／ｊａ．ｗｉｋｉｐｅｄｉａ．ｏｒｇ／ｗｉｋｉ／Ｌａｂ％Ｅ８％８９％Ｂ２％Ｅ７％Ａ９％ＢＡ％Ｅ９％９６％９３）＜平成２６年９月１日＞に記載されている。

そして、処理部１０１は、分類手段１０１ａが、病変部位の色分布を示すヒストグラムを作成し（ステップＳ１４１）、例えば、８割以上の面積が赤系の色成分で占められているか否かを判定する（ステップＳ１４２）。

ここで、殆どが赤系の色成分で占められていると判定された場合（ステップＳ１４２“ＹＥＳ”）、分類手段１０１ａは、II型かIII型に分類する。

このため、分類手段１０１ａは、病変部位の多くが血管形状を示すか否かを判定し（ステップＳ１４３）、血管形状を示す場合（ステップＳ１４３“ＹＥＳ”）はIII型（ステップＳ１４４）に分類する。

血管形状を示していない場合（ステップＳ１４３“ＮＯ”）はII型に分類する（ステップＳ１４５）。

一方、ステップＳ１４２で病変部位が赤系の色成分で占められていない場合（ステップＳ１４２“ＮＯ”）、分類手段１０１ａは、更に、赤系以外の色成分が均等に分布しているか否か（ステップＳ１４６）、および赤系以外の色成分が点在しているか否かを判定する（ステップＳ１４８）。

ここで、分類手段１０１ａは、赤系以外の色成分が均等に分布しているか（ステップＳ１４６“ＹＥＳ”）、点在して分布していた場合は（ステップＳ１４８“ＹＥＳ”）、I型に分類する（ステップＳ１４７）。

均等に分布していないか（ステップＳ１４６“ＮＯ”）、点在していない場合は（ステップＳ１４７“ＮＯ”）、その他に分類する（ステップＳ１４９）。

＜構造明瞭変換＞
次に、I型に分類された場合に実行される構造明瞭変換処理について、図４のフローチャート用いて詳述する。図４において、処理部１０１は、第１の分離手段１０１ｂが、ダーモスコープ付き撮影装置１１０から取得されるＲＧＢ色空間の撮影画像を、Ｌａｂ色空間画像に変換する（ステップＳ１６１）。次に、処理部１０１は、第２の分離手段１０１ｃが、撮影画像を骨格成分と詳細成分とに分離するために、Ｌ画像にエッジ保存型フィルタ処理を施す（ステップＳ１６２）。ここで、エッジ保存型フィルタとして、例えば、バイラテラルフィルタを用いる。バイラテラルフィルタは、例えば、インターネットＵＲＬ（ｈｔｔｐ：／／ｅｎ．ｗｉｋｉｐｅｄｉａ．ｏｒｇ／ｗｉｋｉ／Ｂｉｌａｔｅｒａｌ ｆｉｌｔｅｒ）＜平成２６年９月１日閲覧＞にその詳細が記載されている。

次に、処理部１０１は、強調手段１０１ｄが、Ｌ画像にバイラテルフィルタ処理を施して得られるＢ画像、Ｂ＝ｂｉｌａｔｅｒａｌ＿ｆｉｌｔｅｒ（Ｌ）を取得する。ここで、Ｂ画像は骨格成分である。次に、強調手段１０１ｄが、詳細成分であるＤ画像を取得する。ここで、詳細画像Ｄは、Ｄ＝Ｌ画像−Ｂ画像により取得することができる（ステップＳ１６３）。

続いて、強調手段１０１ｄ（第１の強調手段１０１ｄ−１）は、骨格画像Ｂをｐ階乗することにより強調された骨格画像Ｂ１を得る（ステップＳ１３４）。このときのｐは、ｐ＜＝１となる。このとき、強調手段１０１ｄは、骨格画像Ｂの取りうる最大値と最小値が変換前後で同じになるように処理する。具体的には、Ｌａｂ色空間では輝度Ｌの値範囲が０から１００であるため、Ｂ１は、Ｂ１＝（Ｂ^ｐ）／（１００^ｐ）＊１００で求めることができる。次に、強調手段１０１ｄは、Ｂ１を、値Ｚを基準にＫ１倍して圧縮画像Ｂ２を得る（Ｓ１６５）。

圧縮画像Ｂ２は、Ｂ２＝（Ｂ１−Ｚ）＊Ｋ１＋Ｚで求めることができる。ここで、係数Ｋ１は圧縮率で１以下とし、ここでは０．２〜０．８程度の値とする。また、Ｚは、中心Ｃよりも明るめに設定する。ここで、Ｃは圧縮を行う中心位置であり、Ｃ＝（５０^ｐ）／（１００^ｐ）＊１００であり、これを５％から５０％程度大きくした値がＺになる。すなわち、強調手段１０１ｄは、骨格成分を中心値よりも明るく圧縮して強調する。

次に、強調手段１０１ｄ（第２の強調手段１０１ｄ−２）は、圧縮画像Ｂ２にシャープネスフィルタ処理を施して鮮鋭化画像Ｂ３とする（ステップＳ１６６：Ｂ３ ← ｓｈａｒｐｎｅｓｓＦｉｌｔｅｒ（Ｂ２））。第２の強調手段１０１ｄ−２は、シャープネスフィルタ処理を実行するにあたり、以下のカーネルＭを圧縮画像Ｂ２に畳み込み演算（ｃｏｎｖｏｌｔｉｏｎ）を行う。なお、以下に示すコンボリューション行列（畳み込みカーネルＭの値）は一例である。

｜−０．１６６７ −０．６６６７ −０．１６６７｜
Ｍ＝｜−０．６６６７ ４．３３３３ −０．６６６７｜
｜−０．１６６７ −０．６６６７ −０．１６６７｜

なお、上記した圧縮強調処理を第１の強調手段１０１ｄ−１が実行し、続くシャープネスフィルタ処理を第２の強調手段１０１ｄ−２が行うものとして説明したが、強調手段１０１ｄが、圧縮強調処理とシャープネスフィルタ処理の両方を実行することは必須でなく、圧縮強調処理とシャープネスフィルタ処理のいずれか一方でもよい。

次に、強調手段１０１ｄは、血管らしさを尤度Ａとして抽出して詳細画像Ｄの強調の度合いに反映させる処理を実行する（ステップＳ１６７）。血管らしさ（尤度Ａ）は、ノイズを除去した骨格画像の圧縮画像Ｂ２と同じ次元の情報をもっており、各ピクセルに対して０から１の血管らしさ情報（尤度Ａ）を持つ。血管らしさが増すと１に近づく。図５に、ステップＳ１６７の「血管らしさを尤度Ａとして抽出する処理」がフローチャートで示されている。

図５によれば、強調手段１０１ｄは、Ｌａｂ色空間の赤系の色相方向であるａ軸の値を取得し（ステップＳ１６７ａ）、血管らしさ（尤度Ａ）について、ａの値を、０からＳの範囲で制限を与えて正規化（Ａ←ｍａｘ（ｍｉｎ（ａ，Ｓ），０）／Ｓ）を行い、０から１の値範囲に設定する（ステップＳ１６７ｂ，Ｓ１６７ｃ）。ここで、Ｓは、例えば８０とする。ここでは、０から８０の値で制限を与えたが、この値は一例であり、この値に制限されない。なお、上述した「血管らしさを尤度Ａとして抽出する処理」は、図９に示すフローチャートに従ってもよい。図９については後述する。

説明を図４に戻す。第２の抽出手段１０１ｆ−２は、上記した手順にしたがい血管らしさを尤度Ａとして求めた後（ステップＳ１６７）、その尤度Ａを用いて詳細画像Ｄの強調係数Ｋ３を求める（ステップＳ３１６８）。強調係数Ｋ３は、Ｋ３＝Ａ＊Ｋ２で求めることができる。ここでは、強調係数Ｋ３の下限を係数Ｋ２のＬＭ１倍とする。ここで、ＬＭ１は、０〜１の範囲で、例えば０．５とする。すなわち、Ｋ３＝ｍａｘ（Ｋ３，ＬＭ１）で、ｍａｘ（）は、要素ごとに２つの引数の最大値を返す関数である。ＬＭ１はスカラーであるため、強調係数Ｋ３と同次元に同値で拡張して処理がなされる（ステップＳ１６９）。

続いて、強調手段１０１ｄは、詳細画像Ｄに強調係数Ｋ３を用いて強調処理を施し、詳細画像Ｄの強調画像Ｄ１とする（ステップＳ１７０）。すなわち、強調画像Ｄ１は、Ｄ１＝Ｄ＊Ｋ３で求められる。なお、＊は要素ごとの乗算を表している。

続いて、処理部１０１は、生成手段１０１ｅが、強調手段１０１ｄにより強調され変換された骨格画像Ｂ１と、強調され変換された強調画像Ｄ１とを加算（Ｌ”＝Ｂ３＋Ｄ１）することにより、変換された輝度画像Ｌ”を取得する。続いて、得られた輝度画像Ｌ”と、赤系の色相成分であるａ軸ならびに青系の色相成分であるｂ軸の値とによりＲＧＢ色空間に変換して最終的な強調画像Ｅを生成する（ステップＳ１７１）。

すなわち、生成手段１０１ｅは、強調された骨格成分と詳細成分画像とから輝度を復元し、色情報成分を用いて強調画像を生成する。そして、処理部１０１は、表示装置１２０に、例えば、図１０の表示画面に示すように、撮影画像表示領域１２１と処理画像表示領域１２２とを並べて表示する。

なお、強調手段１０１ｄは、上記したように、骨格成分と、詳細成分のいずれをも強調することができ、骨格成分については明るめに圧縮するか、シャープネスフィルタ処理により圧縮して強調し、詳細成分については、血管らしさに応じて強調処理を施した。このとき、生成手段１０１ｅは、必ずしも、強調された骨格成分と強調された詳細成分とを必要とせず、少なくとも一方から輝度を復元することが可能である。例えば、生成手段１０１ｅは、強調手段１０１ｄにより強調された骨格成分（Ｂ２またはＢ３）と、第２の分離手段１０１ｃにより分離された詳細成分（Ｄ）とを加算することにより、変換された輝度画像Ｌ”を取得することが可能である。

上記した構造明瞭変換処理によれば、処理部１０１が、画像記憶部１０２に記憶された撮影画像を輝度成分と色情報成分とに分離し、輝度成分を骨格成分と詳細成分とに分離し、骨格成分を中心値よりも明るく圧縮するか、骨格成分にシャープネスフィルタ処理を施し、強調された骨格成分と詳細成分とから輝度を復元し、色情報成分を用いて強調画像を生成することにより、例えば、図１０の表示画面に示すように、撮影画像表示領域１２１と処理画像表示領域１２２とを並べて表示することができる。

ここで、骨格成分を中心値よりも明るく圧縮して強調した場合、血管色が維持され、骨格成分にシャープネスフィルタ処理を施して強調した場合、細かなノイズが増えずに、画像内の骨格成分がシャープになる。したがって、医師は、例えば、線状血管や点状血管について明瞭な画像を視認でき、容易、かつ的確に診断を行うことができ、診断精度が向上する。

なお、輝度成分を骨格成分と詳細成分とに分離する際にバイラテラルフィルタ処理を用いることとしたが、バイラテラルフィルタに限らず、エプシロンフィルタ等、エッジ保存型平滑化フィルタであれば代替可能である。また、輝度画像を得るのにＬａｂ色空間を利用したが、Ｌａｂ色空間によらず、例えば、輝度信号と２つの色差信号を使って表現されるＹＵＶ色空間の輝度信号Ｙを使用してもよい。なお、ＹＵＶ色空間については、インターネットＵＲＬ：ｈｔｔｐ：／／Ｊａ．ｗｉｋｉｐｅｄｉａ．ｏｒｇ／ｗｉｋｉ／ＹＵＶ（平成２６年９月１日閲覧）にその詳細が開示されている。

また、血管らしさ（尤度Ａ）として、Ｌａｂ色空間のａ軸を用いたが、ａ軸をｂ軸のプラス方向に、（ａ１，ｂ１）を中心として回転させた軸を使用してもよい。その場合、ａ１は１０〜５０の値を、ｂ１は０、回転量は０．３ラジアンから０．８ラジアン程度回転させることが必要である。

＜部位強調変換＞＜部位蛍光色変換＞
次に、図６を参照して部位強調変換および部位蛍光色変換処理について説明する。図６によれば、処理部１０１は、まず、第１の分離手段１０１ｂが、ＲＧＢ色空間の撮影画像を、Ｌａｂ色空間に変換する（ステップＳ１７１）。次に、処理部１０１は、抽出手段１０１ｆが、診断の対象として選択された部位を抽出する。

具体的には、第１の抽出手段１０１ｆ−１が、選択された部位の候補（血管候補）を輝度成分から抽出する。このため、第１の抽出手段１０１ｆ−１は、第１の分離手段１０１ｂによって色空間変換されたＬａｂ色空間で輝度に相当するＬ画像を用い、モルフォロジー処理（ここでは、Ｂｏｔｔｍｈａｔ：ボトムハット処理）によりコントラスト強調画像ＢＨを得る（ステップＳ１７２）。

モルフオロジー処理とは、構造化要素を入力画像に適用し、同じサイズの出力画像としてのＢＨを生成するもので、出力画像の各値は、入力画像内の対応する画素と近傍画素との比較に基づいている。

最も基本的なモロフォロジー処理は、膨張と収縮である。膨張は入力画像内のオブジェクトの境界に画素を付加し、収縮は、境界の画素を除去する。オブジェクトに付加し、あるいは削除する画素の数は、画像処理に使用される構造化要素のサイズと形状によって異なる。

ここでは、ボトムハットを用いたモルフォロジー処理を実行し、診断の対象として選択された部位（血管候補）を輝度成分から抽出する方法について説明する。ボトムハット処理については、図７にその詳細手順が示されている。

図７によれば、第１の抽出手段１０１ｆ−１は、Ｌ画像に膨張処理を行い、処理後の輝度画像Ｌ１を得る（ステップＳ１７２ａ）。膨張処理の詳細は、インターネットＵＲＬ（ｈｔｔｐ：／／ｗｗｗ．ｍａｔｈｗｏｒｋｓ．ｃｏ．ｊｐ／ｊｐ／ｈｅｌｐ／ｉｍａｇｅｓ／ｍｏｒｐｈｏｌｏｇｙ−ｆｕｎｄａｍｅｎｔａｌｓ−ｄｉｌａｔｉｏｎ−ａｎｄ−ｅｒｏｓｉｏｎ．ｈｔｍｌ）＜平成２６年９月１日閲覧＞に記載されている。

次に、第１の抽出手段１０１ｆ−１は、膨張処理後の輝度画像Ｌ１に対して収縮処理を行い、輝度画像Ｌ２を得る（ステップＳ１７２ｂ）。続いて、第１の抽出手段１０１ｆ−１は、収縮処理後の輝度画像Ｌ２からＬ画像を減算して（ＢＨ＝Ｌ２−Ｌ）ボトムハット処理後の画像ＢＨを得る（ステッフＳ１７２ｃ）。この様子が図８に示されている。図８（ａ）がＬ画像、（ｂ）が膨張処理後の画像Ｌ１、（ｃ）がボトムハット処理後の画像ＢＨである。

ここで、膨張処理について補足する。例えば、半径５ドットの構造化要素を考える。膨張処理とは、注目画素の構造化要素の範囲内での最大値をその注目画像の値とする処理を全画素について行うことをいう。すなわち、出力される注目画素値は、入力画素近傍の中で全ての画素の最大値である。一方、縮小処理は、注目画素の構造化要素の範囲内での最小値をその注目画素の値とする。すなわち、注目画素値は、入力画素近傍の中で全ての画素の最小値である。以上により、Ｌ画像からボトムハット処理でコントラスト強調された画像ＢＨを得ることができる。

説明を図６に戻す。次に、処理部１０１は、第２の抽出手段１０１ｆ−２が、選択された部位のそれらしさ（血管らしさ）を輝度成分と色情報成分とから構成される色空間により抽出する。このため、第２の抽出手段１０１ｆ−２は、血管らしさを尤度Ａとして計算する（ステップＳ１７３）。

図９に、ステップＳ１７３の「血管らしさを尤度Ａとして抽出する処理」の詳細手順が示されている。図９によれば、処理部１０１は、第１の分離手段１０１ｂが、撮影画像をＬａｂ色空間に変換した後（ステップＳ１６７ｈ）、第２の抽出手段１０１ｆ−２が、色空間の赤系の色相方向に応じた色情報成分であるａ軸の値、及び青系の色相方向に応じた色情報成分であるｂ軸の値を用いて抽出する。すなわち、第２の抽出手段１０１ｆ−２は、Ｌａｂ色空間のａ軸，ｂ軸の値から以下の計算を行うことによってＬＨ１を生成する（ステップＳ１６７ｉ）。

ａｄ＝（ａ−ｃａ）＊ｃｏｓ（ｒ）＋ｂ＊ｓｉｎ（ｒ）＋ｃａ
ｂｄ＝−（ａ−ｃａ）＊ｓｉｎ（ｒ）＋ｂ＊ｃｏｓ（ｒ）
ＬＨ１＝ｅｘｐ（−（（ａｄ＊ａｄ）／ｓａ／ｓａ＋（ｂｄ＊ｂｄ）
／ｓｂ／ｓｂ））

ここで、ａｄ，ｂｄは、（ｃａ，０）を中心に、反時計回りにａｂ平面をrラジアンだけ回転させたものとなる。また、ｒの値として、０．３〜０．８ラジアン程度を設定する。ｃａは、０〜５０の間で設定する。ｓａ，ｓｂは、それぞれa軸方向の感度の逆数、b軸方向の感度の逆数となる。ここでは、ｓａ＞ｓｂとして設定する。

次に、第２の抽出手段１０１ｂ−２は、得られたＬＨ１に輝度Ｌで制限をかける。輝度Ｌが閾値ＴＨ１以上であれば０にしたものをＬＨ２とし（ステップＳ１６７ｊ）、輝度Ｌが閾値ＴＨ２以下のものをＬＨ３とする（ステップＳ１６７ｋ）。ここでは、閾値ＴＨ１は６０から１００の間で、閾値ＴＨ２は０から４０の間で設定するものとする。ここで求めたＬＨ３を、血管らしさを示す尤度Ａとする（ステップＳ１６７ｌ）。なお、血管らしさを尤度Ａとして抽出する際に、上記した構造明瞭変換処理で用いた図５のフローチャートにしたがってもよい。

説明を図６に戻す。第２の抽出手段１０１ｆ−２は、上記した手順にしたがい血管らしさを尤度Ａとして抽出した後（ステップＳ１７３）、ボトムハット処理後の画像ＢＨと、血管らしさを示す尤度Ａの各要素を乗算し、係数Ｎで除算する（ステップＳ１７４）。さらに、１でクリッピング処理を行なうことで強調された血管抽出Ｅの画像を生成する（ステップＳ１７５）。

上記した例によれば、血管抽出Ｅの画像は、０〜１までの値を持つ多値画像であるものの、ポトムハット処理を経ているため、抽出された血管の境界は急峻になっている。さらに急峻な境界を得たい場合は、所望の閾値で２値化をしてもよい。

上述したように、第２の抽出手段１０１ｆ−２は、色空間の赤系の色相方向と、青系の色相方向で構成される平面座標を、赤系の色相方向軸の特定の点を中心に反時計まわりに所定角回転させ、特定の値域で輝度成分に制限をかけることにより、選択された部位の血管らしさを示す尤度Ａを算出する。そして、算出された尤度Ａを、輝度成分の画像にボトムハット処理を施して得られる輝度画像に乗算して選択された部位を強調する。

最後に、処理部１０１は、生成手段１０１ｅが、部位の抽出された結果を背景画像と再合成して表示装置１２０に表示する。このとき、背景画像としては、撮影画像、あるいは撮影画像のグレー変換画像のいずれかである。

ここで、部位強調変換処理は、部位の抽出された結果をＲＧＢ空間の背景画像と合成して血管強調して表現する。

部位蛍光色変換処理は、部位の抽出された結果をＲＧＢ空間の背景画像と合成して血管を緑で表現する。

上記した部位強調変換処理、部位蛍光色変換処理によれば、処理部１０１は、第１の抽出手段１０１ｆ−１が、選択された部位の候補を輝度成分により抽出し、第２の抽出手段１０１ｆ−２が、選択された部位のそれらしさを輝度成分と色情報成分とから構成される色空間により抽出し、抽出された結果を表示装置１２０に表示する。このため、医師は、診断の対象の部位について強調表示された画面を視認することで、容易、かつ的確に診断を行うことができ、その結果、診断精度が向上する。

また、処理部１０１は、第１の抽出手段１０１ｆ−１が、モルフォロジー処理（ボトムハット処理）を用いて血管候補を抽出し、第２の抽出手段１０１ｆ−２が、血管らしさを尤度として算出し、尤度Ａと血管候補とから血管領域を抽出するため、血管の明瞭な形状変化や模様等を再現することができる。

なお、処理部１０１は、生成手段１０１ｅが、部位の抽出された結果を背景画像と再合成して表示装置１２０に表示する。このとき、背景画像として、医師に、撮影画像、あるいは撮影画像のグレー変換画像を提供することで、診断目的に応じた表示形態を動的に変更でき、その結果、医師は、一層容易に、かつ的確に診断を行うことができ、診断精度が一段と向上する。

なお、本実施形態に係る診断装置１００は、スタンドアロン構成により実現されることを前提に説明したが、診断サイトとしてサーバを用いたネットワーク形態で実現してもよい。図１１にその場合の診断システムの構成例が示されている。

図１１によれば、診断サイトが管理運営する診断サーバ２００と、診断サーバ２００とは、例えば、ＩＰ網（Ｉｎｔｅｒｎｅｔ Ｐｒｏｔｏｃｏｌ）等のネットワーク４００経由で接続される、利用者サイド（病院）のＰＣ端末３００とにより、システムが構築される。ＰＣ端末３００は、診断サーバ２００に対し、図示省略したダーモスコピー付き撮影装置で撮影した患部の撮影画像をアップロードして診断要求を送信する。これを受けた診断サーバ２００は、上記した診断装置１００と同様、撮影画像をパターン認識してI，II，IIIに分類し、分類に適した構造明瞭変換、血管強調変換、血管蛍光色変換等の画像変換処理を行い、得られる処理画像を、診断要求があったＰＣ端末３００にネットワーク４００経由で送信する診断サービスを実行する。この場合、利用者サイドは、画像解析と症状の分類にあった変換画像を少ない資源で自動的に得ることができる。

以上の実施形態では、病変の進行度による分類をもとにした例を説明したが、皮膚上に観察されたメラノーマが疑われる病変のパターンによって分類することもできる。メラノーマが疑われる病変を全体的な構築の面から分類した基本的なパターンとしては、次のようなものがある。すなわち、網状パターン、小球状パターン、敷石状パターン、均一パターン、平行パターン、スターバーストパターン、多構築パターン、及び非特異的パターンである（出典：「ダーモスコピー超簡単ガイド」、株式会社学研メディカル秀潤社、田中勝 著）。

これらは、母斑（色素斑）の状態がどのようになっているかによって分類されるものであり、図１２に示すように、（ａ）網状パターンは色素斑全体が網目（色素ネットワーク）で構成されるパターンを、（ｂ）小球状パターンは色素斑全体が黒色又は茶色、青色の色素小球で構成されるパターンを、（ｃ）敷石状パターンは互いに密接し角張ってみえる色素小球が集蔟して色素斑全体を構成するパターンを、（ｄ）均一パターンは色素斑全体がほとんど無構造で色調の偏りが少ないパターンを、（ｅ）平行パターンは掌蹠の色素斑において皮溝皮丘に沿って平行に配列する線状の分布がみられるパターンを、（ｆ）スターバーストパターンは色素斑が全周性に線条で囲まれるパターンを、（ｇ）多構築パターンは色素斑全体が前述のパターンのうち３つ以上のパターンで不規則に構成されるパターンを、（ｈ）非特異的パターンは色素斑全体に特徴的な構造物がみられず、前述のいずれのパターンにも該当しないパターンを、それぞれ指す。

これらのパターンに応じて撮影画像の画像変換処理を行うことができるが、例えば、網目状パターンについては、病変内部の格子または網目状の形状を浮き立たせるため、網目の態様や間隔を明確に確認する変換を、小球状パターンについては、病変内部の小球（斑点）を浮き立たせ、その配列、個々の大きさの違いを明確にするため、色の変化を抑えた高感度撮影で色のうすい小球も明確に確認する変換を、平行パターンについては、病変内部の平行に走る線形を強調する変換を、スターバーストパターンについては、病変の輪郭を強調するとともに、その外部から延びる繊毛状の形状を明確に変換する必要からエッジ強調と輪郭強調を用いた変換を、それぞれ行えばよい。

（実施形態の効果）
以上説明のように、本実施形態に係る診断装置１００によれば、処理部１０１は、分類手段１０１ａが、診断の対象となる患部の撮影画像を病変の進行度又はパターンにより分類することで、分類された分類に対応する画像変換処理を実行する。例えば、進行度が低位の分類に分類された場合、構造明瞭変換処理を実行し、進行度が中位の分類に分類された場合、部位強調変換処理を実行し、進行度が高位の分類に分類された場合、部位蛍光色変換処理を実行することで、病変の種類あるいは進行の度合いによりそれに適した処理画像を得ることができ、したがって、医師の診断を容易にするとともに診断精度の向上がはかれる。なお、ネットワークを利用したシステム構成をとることで、利用者サイドは、少ない資源で診断サービスを享受することができる。

以上、各実施形態を用いて本発明を説明したが、本発明の技術的範囲は上記実施形態に記載の範囲には限定されないことは言うまでもない。上記実施形態及び実施例に、多様な変更又は改良を加えることが可能であることが当業者に明らかである。また、その様な変更又は改良を加えた形態も本発明の技術的範囲に含まれ得ることが、特許請求の範囲の記載から明らかである。

以下に、この出願の願書に最初に添付した特許請求の範囲に記載した発明を付記する。付記に記載した請求項の項番は、この出願の願書に最初に添付した特許請求の範囲の通りである。

［付記］
［請求項１］
患部の撮影画像を用いて病変を診断するための診断装置であって、
前記撮影画像を記憶する画像記憶部と、
前記画像記憶部に記憶された前記撮影画像を処理する処理部と、を備え、
前記処理部が、
診断の対象となる前記患部の撮影画像を病変の進行度により分類する分類手段を含み、前記分類手段により分類された分類に対応する画像変換処理を実行して変換画像を生成することを特徴とする診断装置。
［請求項２］
前記画像記憶部は、前記撮影画像を前記分類ごとに記憶しており、
前記分類手段は、前記画像記憶部に記憶された前記撮影画像を参照して、診断の対象となる前記患部の撮影画像を病変の進行度により分類することを特徴とする請求項１に記載の診断装置。
［請求項３］
前記処理部の前記画像変換処理が、前記進行度が低位の分類に対応する画像変換処理である構造明瞭変換処理を含むことを特徴とする請求項１又は２に記載の診断装置。
［請求項４］
前記分類手段は、前記患部がホクロ状であって、実質的に黒色又は茶色で構成されている画像を前記進行度が低位の分類として分類することを特徴とする請求項３に記載の診断装置。
［請求項５］
前記処理部が、
前記構造明瞭変換処理を実行するように、
前記撮影画像を輝度成分と色情報成分とに分離する第１の分離手段と、
前記輝度成分を骨格成分と詳細成分とに分離する第２の分離手段と、
前記骨格成分に対して強調処理を施す強調手段と、
前記強調された骨格成分と前記詳細成分とから輝度を復元し、前記色情報成分を用いて強調画像を生成する生成手段と、を備え、
前記強調手段が、
前記骨格成分を中心値よりも明るく圧縮する第１の強調手段、及び前記骨格成分にシャープネスフィルタ処理を施す第２の強調手段の少なくとも１つを含むことを特徴とする請求項３又は４に記載の診断装置。
［請求項６］
前記構造明瞭変換処理において、前記生成手段が、前記強調された骨格成分と前記詳細成分とを加算して前記輝度を復元し、前記復元された輝度と、第１の色空間の赤系の色相方向と青色の色相方向に応じた前記色情報成分とから第２の色空間に変換して前記強調画像を生成することを特徴とする請求項５に記載の診断装置。
［請求項７］
前記処理部の前記画像変換処理が、前記進行度が中位の分類に対応する画像変換処理である部位強調変換処理を含むことを特徴とする請求項１又は２に記載の診断装置。
［請求項８］
前記分類手段は、前記患部がホクロ状であって、部分的に血管で構成されている画像を前記進行度が中位の分類として分類することを特徴とする請求項７に記載の診断装置。
［請求項９］
前記処理部が、
前記部位強調変換処理を実行するように、
前記撮影画像を輝度成分と色情報成分に分離する第１の分離手段と、
診断の対象の部位を抽出する抽出手段と、を備え、
前記抽出手段が、
前記部位の候補を前記輝度成分により抽出する第１の抽出手段、及び前記部位のそれらしさを前記輝度成分と前記色情報成分とから構成される色空間により抽出される第２の抽出手段の少なくとも１つを含むことを特徴とする請求項７又は８に記載の診断装置。
［請求項１０］
前記部位強調変換処理において、前記第２の抽出手段が色空間の赤系の色相方向に応じた色情報成分を用いて抽出することを特徴とする請求項９に記載の診断装置。
［請求項１１］
前記処理部の前記画像変換処理が、前記進行度が高位の分類に対応する画像変換処理である部位蛍光色変換処理を含むことを特徴とする請求項１又は２に記載の診断装置。
［請求項１２］
前記分類手段は、前記患部がホクロ状であって、全体的に赤みを帯びた血管で構成されている画像を前記進行度が高位の分類として分類することを特徴とする請求項１１に記載の診断装置。
［請求項１３］
前記処理部が、
前記部位蛍光色変換処理を実行するように、
前記撮影画像を輝度成分と色情報成分に分離する第１の分離手段と、
診断の対象の部位を抽出する抽出手段と、を備え、
前記抽出手段が、
前記部位の候補を前記輝度成分により抽出してボトムハット処理を施す第１の抽出手段、及び前記部位のそれらしさを前記輝度成分と前記色情報成分とから構成される色空間により抽出される第２の抽出手段の少なくとも１つを含むことを特徴とする請求項１１又は１２に記載の診断装置。
［請求項１４］
前記部位蛍光色変換処理において、前記第２の抽出手段が色空間の緑系の色相方向に応じた色情報成分を用いて抽出することを特徴とする請求項１３に記載の診断装置。
［請求項１５］
患部の撮影画像を用いて病変を診断する診断装置における画像処理方法であって、
前記撮影画像を記憶するステップと、
記憶された前記撮影画像を処理するステップと、を備え、
前記処理ステップにおいて、
診断の対象となる前記患部の撮影画像を病変の進行度により分類し、分類された分類に対応する画像変換処理を実行して変換画像を生成することを特徴とする画像処理方法。
［請求項１６］
患部の撮影画像を用いて病変を診断する診断装置における画像処理のプログラムであって、
コンピュータに、
前記撮影画像を記憶する記憶機能と、
記憶された前記撮影画像を処理する処理機能と、を実行させ、
前記処理機能において、
診断の対象となる前記患部の撮影画像を病変の進行度により分類し、分類された分類に対応する画像変換処理を実行して変換画像を生成することを特徴とするプログラム。

１００…診断装置、１０１…処理部、１０１ａ…分類手段、１０１ｂ…第１の分離手段、１０１ｃ…第２の分離手段、１０１ｄ…強調手段（１０１ｄ−１…第１の強調手段、１０１ｄ−２…第２の強調手段）、１０１ｅ…生成手段、１０１ｆ…抽出手段（１０１ｆ−１…第１の抽出手段、１０１ｆ−２…第２の抽出手段）、１１０…ダーモスコープ付き撮影装置、１２０…表示装置、１２１…撮影画像表示領域、１２２…強調画像表示領域、１３０…入力装置、２００…診断サーバ、３００…ＰＣ端末、４００…ネットワーク

Claims (12)

1. 皮膚患部のダーモスコープ画像である撮影画像を用いて病変の診断を支援する診断支援装置の画像処理方法であって、
   前記撮影画像を、前記撮影画像に写っている母斑（色素斑）の状態に基づいて、メラノーマが疑われる皮膚患部の病変のパターンとして分類する分類工程と、
   前記撮影画像に、前記分類工程により分類された前記パターンに対応する画像変換処理を実行して変換画像を生成する生成工程と、
   を含む画像処理方法。
2. 前記分類工程では、前記色素斑全体が網目で構成された皮膚患部が写っている前記撮影画像を網目状パターンとして分類し、
   前記生成工程では、前記網目状パターンに分類された前記撮影画像に、前記網目状パターンに対応する前記画像変換処理として、網目の態様や間隔を明確にする変換処理を実行する、請求項１に記載の画像処理方法。
3. 前記分類工程では、掌蹠の前記色素斑において皮溝皮丘に沿って平行に配列する線状の分布がみられる皮膚患部が写っている前記撮影画像を平行パターンとして分類し、
   前記生成工程では、前記平行パターンに分類された前記撮影画像に、前記平行パターンに対応する前記画像変換処理として、病変内部の平行に走る線形を強調する変換処理を実行する、請求項１に記載の画像処理方法。
4. 前記分類工程では、前記色素斑が全周性に線条で囲まれる皮膚患部が写っている前記撮影画像をスターバーストパターンとして分類し、
   前記生成工程では、前記スターバーストパターンに分類された前記撮影画像に、前記スターバーストパターンに対応する前記画像変換処理として、エッジ強調と輪郭強調を用いて、病変の輪郭を強調するとともに、繊毛状の形状を明確に変換するような変換処理を実行する、請求項１に記載の画像処理方法。
5. 皮膚患部のダーモスコープ画像である撮影画像を用いて病変の診断を支援する診断支援装置の画像処理方法であって、
   診断の対象となる前記撮影画像を病変の進行度により分類し、前記皮膚患部がホクロ状であって、実質的に黒色又は茶色で構成されている画像を進行度が低位の分類として分類する分類工程と、
   前記撮影画像に、前記分類工程により分類された分類に対応する画像変換処理を実行して変換画像を生成する生成工程と、
   前記画像変換処理が、前記進行度が低位の分類に対応する画像変換処理である構造明瞭変換処理を含む画像処理方法。
6. 前記構造明瞭変換処理が、
   前記撮影画像を輝度成分と色情報成分とに分離する第１の分離工程と、
   前記輝度成分を骨格成分と詳細成分とに分離する第２の分離工程と、
   前記骨格成分に対して強調処理を施す強調工程と、を含み、
   前記生成工程では、前記強調された骨格成分と前記詳細成分とから輝度を復元し、前記色情報成分を用いて強調画像を生成し、
   前記強調工程が、前記骨格成分を中心値よりも明るく圧縮する第１の強調工程、及び前記骨格成分にシャープネスフィルタ処理を施す第２の強調工程の少なくとも１つを含み、
   前記生成工程では、前記強調された骨格成分と前記詳細成分とを加算して前記輝度を復元し、前記復元された輝度と、第１の色空間の赤系の色相方向と青色の色相方向に応じた前記色情報成分とから第２の色空間に変換して前記強調画像を生成することを特徴とする請求項５に記載の画像処理方法。
7. 皮膚患部のダーモスコープ画像である撮影画像を用いて病変の診断を支援する診断支援装置の画像処理方法であって、
   診断の対象となる前記撮影画像を病変の進行度により分類し、前記皮膚患部がホクロ状であって、部分的に血管で構成されている画像を進行度が中位の分類として分類する分類工程と、
   前記撮影画像に、前記分類工程で分類された分類に対応する画像変換処理を実行して変換画像を生成する生成工程と、
   前記画像変換処理が、前記進行度が中位の分類に対応する画像変換処理である部位強調変換処理を含むことを特徴とする画像処理方法。
8. 前記部位強調変換処理が、
   前記撮影画像を輝度成分と色情報成分に分離する第１の分離工程と、
   診断の対象の部位を抽出する抽出工程と、を含み、
   前記抽出工程が、前記部位の候補を前記輝度成分により抽出する第１の抽出工程、及び前記部位の前記部位らしさを前記輝度成分と前記色情報成分とから構成される色空間により抽出する第２の抽出工程の少なくとも１つを含むことを特徴とする請求項７に記載の画像処理方法。
9. 皮膚患部のダーモスコープ画像である撮影画像を用いて病変の診断を支援する診断支援装置の画像処理方法であって、
   診断の対象となる前記撮影画像を病変の進行度により分類し、前記皮膚患部がホクロ状であって、全体的に赤みを帯びた血管で構成されている画像を前記進行度が高位の分類として分類する分類工程と、
   前記撮影画像に、前記分類工程により分類された分類に対応する画像変換処理を実行して変換画像を生成する生成工程と、
   前記画像変換処理が、前記進行度が高位の分類に対応する画像変換処理である部位蛍光色変換処理を含むことを特徴とする画像処理方法。
10. 前記部位蛍光色変換処理が、
    前記撮影画像を輝度成分と色情報成分に分離する第１の分離工程と、
    診断の対象の部位を抽出する抽出工程と、を含み、
    前記抽出工程では、
    前記部位の候補を前記輝度成分により抽出してボトムハット処理を施す第１の抽出工程、及び前記部位の前記部位らしさを前記輝度成分と前記色情報成分とから構成される色空間により抽出する第２の抽出工程の少なくとも１つを含むことを特徴とする請求項９に記載の画像処理方法。
11. 皮膚患部のダーモスコープ画像である撮影画像を用いて病変の診断を支援する診断支援装置のコンピュータに、
    前記撮影画像を、前記撮影画像に写っている母斑（色素斑）の状態に基づいて、メラノーマが疑われる皮膚患部の病変のパターンとして分類する分類手段、
    前記撮影画像に、前記分類手段により分類された前記パターンに対応する画像変換処理を実行して変換画像を生成する生成手段、
    として機能させるプログラム。
12. 皮膚患部のダーモスコープ画像である撮影画像を用いて病変の診断を支援する診断支援装置であって、
    前記撮影画像を、前記撮影画像に写っている母斑（色素斑）の状態に基づいて、メラノーマが疑われる皮膚患部の病変のパターンとして分類する分類手段と、
    前記撮影画像に、前記分類手段により分類された前記パターンに対応する画像変換処理を実行して変換画像を生成する生成手段と、
    を備えることを特徴とする診断支援装置。