JP2002133397A

JP2002133397A - 異常陰影候補検出装置

Info

Publication number: JP2002133397A
Application number: JP2000325051A
Authority: JP
Inventors: Takashi Imamura; 貴志今村; Hideya Takeo; 英哉武尾
Original assignee: Fuji Photo Film Co Ltd
Current assignee: Fujifilm Holdings Corp
Priority date: 2000-10-25
Filing date: 2000-10-25
Publication date: 2002-05-10

Abstract

(57)【要約】【課題】従来の検出処理では検出することが不可能で
あった、コアが画像中に表われていない形態の腫瘤陰影
を検出する。【解決手段】線構造抽出手段10が画像読取装置等から
入力した原画像データＰに基づいて原画像中の線構造を
抽出し、線集中度算出手段20が線構造抽出手段10により
抽出された線構造の線集中度を原画像中の各画素につい
て算出し、候補領域検出手段30が線集中度算出手段20に
より算出された線集中度に基づいて原画像中の腫瘤陰影
の候補領域を検出する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は異常陰影候補検出装
置に関し、特に詳しくは、被写体の放射線画像データに
基づいて画像中の異常陰影候補を検出する異常陰影候補
検出装置に関するものである。

【０００２】

【従来の技術】従来より、医療分野においては、被写体
の放射線画像を読影して病変部を発見し、またその病変
部の状態を観察して、疾病の有無や進行状況の診断を行
うことが一般的に行なわれている。しかしながら、放射
線画像の読影は読影者の経験や画像読影能力の高低によ
って左右され、必ずしも客観的なものとはいえなかっ
た。

【０００３】例えば、乳癌の検査を目的として撮影され
たマンモグラフィ（***を被写体とした診断用放射線画
像）においては、その画像から癌化部分の特徴の一つで
ある腫瘤陰影や微小石灰化陰影等の異常陰影を検出する
ことが必要であるが、読影者によっては必ずしも的確に
その異常陰影の範囲を指定することができるとは限らな
い。このため、読影者の技量に依存することなく、腫瘤
陰影や微小石灰化陰影を始めとする異常陰影を的確に検
出することが求められていた。

【０００４】この要望に応えるものとして、診断用画像
として取得された被写体の画像データに基づき、その画
像データが表わす画像中の異常陰影の候補を計算機を用
いて自動的に検出する異常陰影候補検出処理システム
（計算機支援画像診断装置）が提案されている（特開平
8-294479号、特開平8-287230号等）。

【０００５】この異常陰影候補検出処理システムは、異
常陰影の濃度分布の特徴や形態的な特徴に基づいて、異
常陰影候補を計算機を用いて自動的に検出するものであ
り、主として腫瘤陰影を検出するのに適したアイリスフ
ィルタ処理等を利用して異常陰影の候補領域を検出す
る。

【０００６】アイリスフィルタ処理は、画像信号の濃度
勾配の集中度の最大値を表わすアイリスフィルタ出力値
と所定の閾値とを比較することにより、画像中における
乳癌の特徴的形態の一つである腫瘤陰影のコア領域を検
出するのに有効な手法である。すなわち、Ｘ線フィルム
上における放射線画像（高濃度高信号レベルの画像信号
で表される画像）において、腫瘤陰影のコア領域は周囲
の画像部分に比べて濃度値が僅かに低く、その内部にお
いては、略円形の周縁部から中心に向かうにしたがって
濃度値が低くなるという濃度値の勾配が認められること
が知られているため、この濃度値に代表される画像信号
の勾配を勾配ベクトルとして算出し、その勾配ベクトル
の集中度を出力するアイリスフィルタを用いて、この勾
配ベクトルの集中度を基に腫瘤陰影のコア領域を検出す
る。

【０００７】

【発明が解決しようとする課題】ところで、放射線画像
中に表われる腫瘤陰影の形態は、コアがはっきり視認で
きるものに限らず、例えば、コアの周縁に存在するスピ
キュラと呼ばれる線構造のみが画像中で見られる場合も
ある。こういった形態の腫瘤は、実際にコア自体存在せ
ずスピキュラのみで構成されているものもあるし、画像
中には写し出されなくても実際にはコアが存在している
ものもある。特に、腫瘤がスピキュラを伴う場合には悪
性である可能性が高いと言われているため、スピキュラ
を伴う腫瘤陰影を検出することは重要課題の１つであ
る。

【０００８】また、***の組織（乳腺や血管等）分布の
解剖学的パターンから外れて局所的に組織が乱れている
部分（「構築の乱れ」という）や、局所的に組織が１ヶ
所に引き込まれている部分や、大きな領域に亘って引き
つれが表われている部分等には、コアが画像中に見られ
なくても腫瘤が存在している可能性が高い。

【０００９】しかしながら、従来の異常陰影候補検出処
理システムは、上述のように、画像中に表われている腫
瘤陰影のコア領域をその濃度勾配等の特徴に基づいて検
出するものであるため、コアが画像中で視認できない上
記のような形態の腫瘤陰影を検出することは原理的に不
可能であった。

【００１０】本発明は、上記事情に鑑み、従来の検出処
理では検出することが不可能であった形態の腫瘤陰影を
検出する異常陰影候補検出装置を提供することを目的と
するものである。

【００１１】

【課題を解決するための手段】本発明による異常陰影候
補検出装置は、被写体の放射線画像を表わす画像データ
に基づいて、放射線画像中の異なる方向性を有する複数
の線構造を所定の線構造抽出処理により抽出する線構造
抽出手段と、放射線画像中の各画素を注目画素とし、注
目画素に対する抽出された複数の線構造の線集中度を注
目画素ごとに算出する線集中度算出手段と、算出された
線集中度に基づいて放射線画像中の腫瘤陰影の候補領域
を検出する候補領域検出手段とを備えたことを特徴とす
るものである。

【００１２】ここで、注目画素に対する抽出された複数
の線構造の線集中度とは、ある注目画素に対して、抽出
された線構造が集中している度合いを示すものであり、
例えば、注目画素方向に向いている線構造のカウント値
等を利用することができる。

【００１３】また、線集中度を算出する対象の「注目画
素」は、被写体の放射線画像の全画素とすることが望ま
しいが、実験的または経験的に腫瘤陰影が検出される可
能性が高い部分など、画像の一部の画素としてもよい。

【００１４】また、候補領域検出手段を、線集中度が所
定値より高い値を示している注目画素の位置を候補領域
として検出するものとしてもよい。

【００１５】ここで、注目画素の位置とは、注目画素位
置の点でもよいが、その近傍をも含む領域とすることが
望ましい。

【００１６】また、本発明の異常陰影候補検出装置は、
被写体の放射線画像を表わす画像データに基づいて、放
射線画像中の腫瘤陰影のコア領域を所定の検出処理によ
り検出するコア領域検出手段と、画像データに基づい
て、放射線画像中の異なる方向性を有する複数の線構造
を所定の線構造抽出処理により抽出する線構造抽出手段
と、放射線画像中の各画素を注目画素とし、注目画素に
対する抽出された複数の線構造の線集中度を注目画素ご
とに算出する線集中度算出手段と、コア領域検出手段に
より検出されたコア領域を有する腫瘤陰影の悪性度を、
線集中度算出手段により算出された線集中度に基づいて
評価する評価手段とを備えたものとしてもよい。

【００１７】ここで、線構造を抽出する領域は、被写体
の放射線画像全体でもよいが、検出されたコア領域の周
縁付近やその外側のみなど、抽出しようとする線構造の
特徴にあわせてその領域を限定してもよい。

【００１８】また、ここでは、線集中度を算出する対象
の「注目画素」は、被写体の放射線画像の全画素でもよ
いが、検出されたコア領域の内部の画素のみとしてもよ
い。

【００１９】また、上記所定の線構造抽出処理には、モ
フォロジーフィルタを用いた処理を利用することができ
る。

【００２０】また、上記所定の検出処理には、アイリス
フィルタを用いた処理を利用することができる。

【００２１】なお、本発明の異常陰影候補検出装置は、
放射線画像が***の放射線画像である場合に特に効果的
である。

【００２２】

【発明の効果】上記のように構成された本発明の異常陰
影候補検出装置によれば、被写体の放射線画像中の線構
造を抽出し、抽出された線構造の、放射線画像中の各画
素に対する線集中度を算出し、算出された線集中度に基
づいて腫瘤陰影の候補領域を検出するから、コアが画像
中に表われていなかったために従来検出不可能であった
腫瘤陰影を検出することが可能となる。

【００２３】すなわち、腫瘤の存在を示す所見として画
像中に表われるスピキュラや、組織の引き込み、引きつ
れ、構築の乱れ等は、腫瘤が存在し得る位置付近から放
射状に延びる線構造として画像中に表われることが多い
ため、画像中の線構造を抽出し、その線構造が集中して
いる中心部分を検出することにより、従来検出不可能で
あった腫瘤を検出することが可能となる。特に腫瘤がス
ピキュラを伴う場合は悪性である可能性が高いため、そ
の腫瘤がコアを有しているか否かに拘らず、スピキュラ
を検出することは悪性の腫瘤を検出する上で重要な情報
となり得る。

【００２４】また、所定の検出処理により放射線画像中
の腫瘤陰影のコア領域を検出するとともに、放射線画像
中の線構造を抽出し、抽出された線構造の線集中度に基
づいて、検出されたコア領域を有する腫瘤陰影の悪性度
を評価する手段を備えた場合には、検出されたコア領域
の周りに悪性腫瘤の指標となるスピキュラが存在してい
るか否か或いはどの程度存在しているかを確認すること
が可能となるため、異常陰影候補検出装置としての検出
性能を向上させることが可能となる。

【００２５】

【発明の実施の形態】以下、本発明の異常陰影候補検出
装置の実施の形態を図面に基づいて説明する。図１は、
本発明における異常陰影候補検出装置の具体的な実施形
態を示す図である。

【００２６】本実施形態の異常陰影候補検出装置は、画
像読取装置等から入力した原画像データＰに基づいて原
画像中の線構造を抽出する線構造抽出手段10と、線構造
抽出手段10により抽出された線構造の線集中度を原画像
中の各画素について算出する線集中度算出手段20と、線
集中度算出手段20により算出された線集中度に基づいて
原画像中の腫瘤陰影の候補領域を検出する候補領域検出
手段30とを備える。

【００２７】原画像データＰに基づく原画像Ｐ′中に
は、図２に示すように、スピキュラＰ１、乳腺等の組織
を局所的に引き込んだ引き込みＰ２や広い範囲にみられ
る組織の引きつれＰ３、また、組織の構築の乱れＰ４等
が表われている。

【００２８】スピキュラＰ１は腫瘤の特徴的な所見の１
つであり、図３に示すように腫瘤のコアＰ５の辺縁にコ
アとともに存在する形態のほか、コアを伴わずにスピキ
ュラのみが存在する形態もある。局所的引き込みＰ２、
引きつれＰ３、構築の乱れＰ４は、いずれも乳腺等の組
織が正常ではない状態を示しているものであり、このよ
うな所見が見られる場合にはコアが画像中に表われてい
なくてもその付近に腫瘤が存在している可能性が疑われ
る。いずれも、その大きさは異なるが、腫瘤陰影の候補
となり得る領域を中心として放射状に分布している線構
造として表われることが多い。

【００２９】次に、以上のように構成された本実施形態
の異常陰影候補検出装置の作用について説明する。

【００３０】線構造抽出手段10は、***を撮影した放射
線画像の原画像データＰを画像読取装置等から入力し、
原画像中の線構造を抽出する。本実施形態においては、
モフォロジーフィルタを用いて線構造を抽出する。

【００３１】モフォロジーフィルタは、所定のサイズの
構造要素を用いて、構造要素よりも小さいサイズのノイ
ズや陰影を画像中から除去または検出することが可能な
フィルタであり、画像信号の平滑化や、腫瘤陰影と同様
に癌の特徴的な形態の１つである微小石灰化陰影の検出
等に利用される。

【００３２】（モフォロジーの基本演算）モフォロジー
演算処理は一般的にはＮ次元空間における集合論として
展開されるが、直感的な理解のために２次元の濃淡画像
を対象として説明する。

【００３３】濃淡画像を座標（ｘ，ｙ）の点が濃度値ｆ
（ｘ，ｙ）に相当する高さをもつ空間とみなす。ここ
で、濃度値ｆ（ｘ，ｙ）は、濃度が低い（ＣＲＴに表示
した場合には輝度が高い）ほど大きな画像信号となる高
輝度高信号レベルの信号とする。

【００３４】まず、簡単のために、その断面に相当する
１次元の関数ｆ（ｘ）を考える。モフォロジー演算処理
に用いる構造要素ｇは次式（１）に示すように、原点に
ついて対称な対称関数

【数１】であり、定義域内で値が０で、その定義域が下記式
（２）であるとする。

【００３５】

【数２】このとき、モフォロジー演算の基本形は式（３）〜
（６）に示すように、非常に簡単な演算となる。

【００３６】

【数３】すなわち、ダイレーション（dilation）処理は、注目画
素を中心とした、±ｍ（構造要素Ｂに応じて決定される
値）の幅の中の最大値を検索する処理であり（図４
（Ａ）参照）、一方、イロージョン（erosion ）処理
は、注目画素を中心とした、±ｍの幅の中の最小値を検
索する処理である（同図（Ｂ）参照）。また、オープニ
ング（opening ）処理は最小値探索の後に、最大値を探
索することに相当し、クロージング（closing ）処理は
最大値探索の後に、最小値を探索することに相当する。
オープニング処理は低輝度側から濃度曲線ｆ（ｘ）を滑
らかにし、マスクサイズ２ｍより空間的に狭い範囲で変
動する凸状の濃度変動部分（周囲部分よりも輝度が高い
部分）を取り除くことに相当する（同図（Ｃ）参照）。
一方、クロージング処理は、高輝度側から濃度曲線ｆ
（ｘ）を滑らかにし、マスクサイズ２ｍより空間的に狭
い範囲で変動す凹状の濃度変動部分（周囲部分よりも輝
度が低い部分）を取り除くことに相当する（同図（Ｄ）
参照）。

【００３７】ここで、濃度の高いもの程大きな値となる
高濃度高信号レベルの信号の場合においては、濃度値ｆ
（ｘ）の画像信号値が高輝度高信号レベルの場合に対し
て大小関係が逆転するため、高濃度高信号レベルの信号
におけるダイレーション処理は、高輝度高信号レベルに
おけるイロージョン処理（図４（Ｂ））と一致し、高濃
度高信号レベルの信号におけるイロージョン処理は、高
輝度高信号レベルにおけるダイレーション処理（同図
（Ａ））と一致し、高濃度高信号レベルの信号における
オープニング処理は、高輝度高信号レベルにおけるクロ
ージング処理（同図（Ｄ））と一致し、高濃度高信号レ
ベルの信号におけるクロージング処理は、高輝度高信号
レベルにおけるオープニング処理（同図（Ｃ））と一致
する。なお、ここでは高輝度高信号レベルの画像信号
（輝度値）の場合について説明する。

【００３８】上記のようなモフォロジー演算を用いた処
理により、画像中の異なる方向性を有する複数の線構造
を抽出する手法について以下に説明する。なお、本実施
形態においては、１５度ずつ方向性が異なる１２個の構
造要素Ｂ1 〜Ｂ12（図６参照）を用いて１２方向の線構
造を抽出する。

【００３９】画像中の線構造を抽出する際には、画像に
対して、抽出しようとする線構造よりもサイズが小さく
同じ方向性を有する直線構造要素を用いてモフォロジー
演算によるオープニング処理を施すことにより画像中の
線構造を保存した画像を取得し、さらにその画像から線
構造のみの画像を取得する。

【００４０】ここで、線構造を保存する手法について図
面を参照して説明する。図５（Ａ）は、緩やかに変化し
ている背景の上に方向性の異なる線構造Ｘ10、Ｘ20とノ
イズ等を表わす突起Ｘ30が表われている画像信号を擬似
３次元表示した濃淡図形（高輝度高信号レベルの画像
Ｘ）を示したものである。この画像Ｘに対し、構造要素
Ｂを用いてオープニング処理による低輝度側からの平滑
化処理を施す。

【００４１】構造要素Ｂは、線構造Ｘ10の長さよりも短
く、線構造Ｘ10と同一の方向性を有する直線構造要素で
ある。この構造要素Ｂを用いて画像Ｘに対しオープニン
グ処理を施すと、図５（Ｂ）に示すように、構造要素Ｂ
と傾きが異なる線構造Ｘ20や構造要素Ｂよりも小さい突
起Ｘ30の内部には構造要素Ｂは入ることができず、線構
造Ｘ20や突起Ｘ30は除去される。一方、構造要素Ｂの傾
きと同一の傾きを有し、その長さが構造要素Ｂより長い
線構造Ｘ10は保存される。図５（Ｃ）は、線構造Ｘ20お
よび突起Ｘ30が除去され線構造Ｘ10が保存された画像Ｘ
_Ｂを示したものである。

【００４２】本実施形態における線構造抽出手段10は、
上記の処理を１２個の構造要素Ｂ1〜Ｂ12を用いて原画
像データＰに施し、下記式（７）で表される、原画像中
の１２方向の線構造を保存した画像Ｐ_B1〜Ｐ_B12を取得
する。

【００４３】

【数４】次に、画像Ｐ_B1〜Ｐ_B12ついて、対応する各画素ごとに
最低値を抽出し、次式（８）により１枚の背景画像Ｐ_Bm
inを取得する。

【００４４】

【数５】さらに、原画像Ｐから背景画像Ｐ_Bminを引き去ることに
より線構造のみの画像Ｐ_Ｌを取得する。

【００４５】

【数６】また、線構造抽出手段10は、線構造のみの画像Ｐ_Ｌを閾
値（固定値＝10）処理により２値化し、この２値化画像
に対して上記１２個の構造要素を用いてミンコフスキー
差をとり、１２個の方向依存線構造画像を取得する。す
なわち、構造要素Ｂ1 〜Ｂ12の各構造要素と同じ方向性
を有する線構造のみが表われた画像を、各方向ごとに１
２個取得する。なお、２値化の閾値は、下記式（10）に
よるＸ線量子ノイズ量の実験式を用いて算出することが
望ましい。

【００４６】

【数７】線集中度算出手段20は、線構造抽出手段10において取得
された１２個の方向依存線構造画像に基づき、原画像中
の全画素を注目画素として線集中度を算出する。すなわ
ち、ある注目画素からの最小半径および最大半径を設定
することにより注目画素を中心としたドーナツ状領域を
設定し、設定されたドーナツ状領域内に存在し、注目画
素の方向へ向いている線構造をカウントし、そのカウン
ト値を注目画素における線集中度とする。

【００４７】実際には、演算時間等を考慮して、注目画
素を中心とし、最小半径Ｒmin＝15、最大半径Ｒmax＝8
0、48方向、すなわち、3120画素の検索点からなるドー
ナツ状領域を設定する。さらに、各検索点と注目画素と
を結ぶ線が水平方向となす角θに基づいて、同じ角度θ
を有する構造要素による方向依存線構造画像を参照し、
その方向依存線構造画像において検索点と対応する画素
の画素値が１であれば、カウント１として算出する。

【００４８】線集中度算出手段20は、原画像中の全ての
画素において線集中度を算出し、その該当する画素の位
置データとともに取得する。

【００４９】候補領域検出手段30は、線集中度算出手段
20から原画像中の全画素の線集中度をその該当する画素
の位置データとともに入力し、線集中度が高い画素、例
えば、線集中度が所定の閾値以上の値を示す画素を腫瘤
陰影の候補領域として検出する。なお、候補領域は点で
はなく領域として検出することが望ましい。

【００５０】ところで、構造要素の方向やサイズ、ドー
ナツ状領域の最小半径や最大半径、また、ドーナツ状領
域のかわりに円形領域を利用する等、線構造抽出や線集
中度算出のための各種条件は、検出しようとする腫瘤陰
影の指標となる線構造の大きさや特徴にあわせて適宜設
定することが望ましい。例えば、局所的な引き込みＰ２
を指標とする時は、短い構造要素や小さいドーナツ状領
域或いは円形領域を利用してもよいし、一方、広い範囲
に亘って見られる引きつれＰ３を指標とする時は、比較
的長い構造要素や大きいドーナツ状領域などを利用す
る。つまり、腫瘤の所見となる画像中の線構造は、その
種類や存在する位置等によって大きさや線集中形態に種
々の特徴があるため、上記の各種条件は対象となる画像
における線構造の形態にあわせて適宜調整することが望
ましく、また、その調整程度によって種々の線構造を抽
出することが可能となる。なお、構造要素の方向は多け
れば多いほど効果がある。

【００５１】また、本実施形態においては、原画像中の
全ての画素において線集中度を算出したが、実験的また
は経験的に腫瘤陰影が存在する可能性が高い部分の画素
のみを対象にしてもよい。

【００５２】次に、本発明の具体的な第２の実施の形態
について説明する。図７は、本実施形態の異常陰影候補
検出装置の構成を示す図である。なお、第１の実施の形
態と同等の要素についての説明は、特に必要のない限り
省略する。

【００５３】本実施形態の異常陰影候補検出装置は、画
像読取装置等から入力した原画像データＰに基づいて原
画像中の線構造を抽出する線構造抽出手段10と、線構造
抽出手段10により抽出された線構造の線集中度を原画像
中の各画素について算出する線集中度算出手段20と、原
画像データＰに基づいて原画像中のコア領域を検出する
コア領域検出手段40と、線集中度算出手段20により算出
された線集中度と該当画素の位置データおよびコア領域
検出手段40により検出されたコア領域の位置データに基
づいて、検出されたコア領域の悪性度を評価する評価手
段50とを備える。

【００５４】本実施形態において用いられる原画像デー
タＰに基づく原画像Ｐ″中には、図８に示すように、ス
ピキュラＰ６とコアＰ７からなる腫瘤陰影が表われてい
る。

【００５５】次に、以上のように構成された本実施形態
の異常陰影候補検出装置の作用について説明する。

【００５６】コア領域検出手段40は、アイリスフィルタ
処理により、原画像データＰに基づく原画像Ｐ″中のコ
ア領域を検出する。以下にアイリスフィルタ処理につい
て詳細に説明する。

【００５７】例えば、Ｘ線フィルム上における放射線画
像（高濃度高信号レベルの画像信号で表される画像）に
おいて、腫瘤陰影のコアは周囲の画像部分に比べて濃度
値が僅かに低いことが知られており、コアの内部におい
ては、略円形の周縁部から中心部に向かうにしたがって
濃度値が低くなるという濃度値の勾配が認められる。し
たがってコアにおいては、局所的な濃度値の勾配が認め
られ、その勾配線はコアの中心方向に集中する。

【００５８】アイリスフィルタは、この濃度値に代表さ
れる画像信号の勾配を勾配ベクトルとして算出し、その
勾配ベクトルの集中度を出力するものであり、アイリス
フィルタ処理は、この勾配ベクトルの集中度を基に腫瘤
陰影のコア領域を検出する。

【００５９】以下にアイリスフィルタ処理の具体的なア
ルゴリズムを示す。

【００６０】まず、対象となる画像を構成する全ての画
素について、各画素ｊごとに下記式（11）に示す計算式
に基づいた画像データの勾配ベクトルの向きθを求め
る。

【００６１】

【数８】ここでｆ₁ 〜ｆ₁₆は、図９に示すように、その画素ｊを
中心とした例えば縦５画素×横５画素の大きさのマスク
の外周上の画素に対応した画素値（画像データ）であ
る。

【００６２】次に、対象となる画像を構成する全ての画
素について、各画素ごとにその画素を注目画素とする勾
配ベクトルの集中度Ｃを次式（12）にしたがって算出す
る。

【００６３】

【数９】ここでＮは注目画素を中心に半径Ｒの円内に存在する画
素の数、θｊは注目画素とその円内の各画素ｊとを結ぶ
直線と、その各画素ｊにおける上記式（11）で算出され
た勾配ベクトルとがなす角である（図１０参照）。した
がって上記式（12）で表される集中度Ｃが大きな値とな
るのは、各画素ｊの勾配ベクトルの向きが注目画素に集
中する場合である。

【００６４】ところで、腫瘤陰影のコア近傍の各画素ｊ
の勾配ベクトルは、コアのコントラストの大小に拘ら
ず、略そのコアの中心部を向くため、上記集中度Ｃが大
きな値をとる注目画素はコアの中心部の画素ということ
ができる。一方、血管陰影など細長い陰影は勾配ベクト
ルの向きが一定方向に偏るため集中度Ｃの値は小さい。
したがって、画像を構成する全ての画素について、それ
ぞれ注目画素に対する上記集中度Ｃの値を算出し、その
集中度Ｃの値が予め設定された閾値を上回るか否かを評
価することによってコア領域を検出することができる。
すなわち、このフィルタは通常の差分フィルタに比べて
血管や乳腺等の影響を受けにくく、腫瘤陰影のコア領域
を効率よく検出できるという特長を有している。

【００６５】さらに実際の処理においては、コアの大き
さや形状に左右されない検出力を達成するために、フィ
ルタの大きさと形状とを適応的に変化させる工夫がなさ
れる。図１１にそのフィルタを示す。このフィルタは、
図１０に示すものと異なり、注目画素を中心として２π
／Ｍ度の角度間隔で隣接するＭ種類の方向（図１１にお
いては、11.25 度ごとの32方向を例示）の放射状の線上
の画素のみで上記集中度の評価を行うものである。

【００６６】ここでｉ番目の線上にあって、かつ注目画
素からｎ番目の画素の座標（[ｘ]，[ｙ]）は、注目画素
の座標を（ｋ，ｌ）とすれば，下記式（13）、（14）で
与えられる。

【００６７】

【数１０】ただし、[ｘ]，[ｙ]は、ｘ，ｙを超えない最大の整数で
ある。

【００６８】さらに、その放射線上の線上の各線ごとに
最大の集中度が得られる画素までの出力値をその方向に
ついての集中度Ｃimaxとし、その集中度Ｃimaxを全ての
方向で平均し、この平均値を注目画素についての勾配ベ
クトル群の集中度Ｃとする。

【００６９】具体的には、まずｉ番目の放射状の線上に
おいて注目画素からｎ番目の画素までで得られる集中度
Ｃｉ（ｎ）を下記式（15）により求める。

【００７０】

【数１１】すなわち式（15）は、起点を注目画素とし、終点をＲmi
n からＲmax までの範囲内で変化させて、集中度Ｃi
（ｎ）を算出するものである。

【００７１】ここでＲmin とＲmax とは、検出しようと
する腫瘤陰影のコア領域の半径の最小値と最大値であ
る。

【００７２】次に、勾配ベクトル群の集中度Ｃを下記式
（16）および（17）により計算する。

【００７３】

【数１２】ここで式（17）のＣimaxは、式（15）で得られた放射状
の方向線ごとの集中度Ｃi （ｎ）の最大値であるから、
注目画素からその集中度Ｃi （ｎ）が最大値となる画素
までの領域が、その線の方向における腫瘤陰影のコア領
域となる。

【００７４】全ての放射状の方向線について式（16）の
計算をしてその各線上における腫瘤陰影のコア領域の辺
縁点を求め、この各線上における腫瘤陰影のコア領域の
隣接する辺縁点を、直線または非線形曲線で結ぶことに
より、腫瘤陰影の候補領域となり得るコア領域の輪郭を
特定することができる。

【００７５】そして、式（17）では、この領域内の式
（16）で与えられた集中度の最大値Ｃimaxを放射状の方
向線の全方向（式（17）では32方向の場合を例示）につ
いて平均した値を求める。この求められた値がアイリス
フィルタ出力値Ｉであり、この出力値Ｉを、腫瘤陰影の
コア領域であるか否かを判断するのに適した予め設定し
た一定の閾値Ｔと比較し、Ｉ≧Ｔ（若しくはＩ＞Ｔ）で
あればこの注目画素を中心とする領域がコア領域であ
り、Ｉ＜Ｔ（若しくは≦Ｔ）であればコア領域ではない
と判定し、コア領域を検出する。

【００７６】なお、前述の集中度Ｃi （ｎ）の計算は、
式（16）の代わりに下記式（15´）を用いてもよい。

【００７７】

【数１３】すなわち、式（15´）は、検出しようとする腫瘤陰影の
コア領域の半径の最小値Ｒmin に対応した画素を起点と
し、終点をＲmin からＲmax までとした範囲内で集中度
Ｃi （ｎ）を算出するものである。

【００７８】コア領域検出手段40は、上記のアイリスフ
ィルタ処理により、原画像Ｐ″中のコアＰ７の位置デー
タを取得する。

【００７９】また、線構造抽出手段10および線集中度算
出手段20の作用については、上記第１の実施形態と同様
である。

【００８０】評価手段50は、コア領域検出手段40により
検出されたコアＰ７の位置データと、線集中度算出手段
20により算出された線集中度および該当画素の位置デー
タを入力し、これらの位置データに基づいて、検出され
たコアを有する腫瘤陰影の悪性度を評価する。すなわ
ち、腫瘤陰影は、線構造として抽出されるスピキュラを
伴う場合には悪性である可能性が高いため、入力した各
位置データに基づいてコア領域の周縁にスピキュラが存
在しているか否か或いはどの程度存在しているかを確認
することによって、コア領域検出手段40により検出され
たコア領域を含む腫瘤陰影の悪性度を評価する。

【００８１】なお、本実施形態に基づく異常陰影候補検
出装置においては、第１の実施形態と同様に原画像中の
全ての線構造を抽出し、原画像中の全ての画素における
線集中度を算出してもよいが、コア領域検出手段40によ
り検出されたコア領域の位置データを線構造抽出手段10
または線集中度算出手段20が入力し、コア領域の位置デ
ータに基づいてコア領域の外部または付近の線構造のみ
を抽出したり、コア領域の内部の画素についてのみ線集
中度を算出するなどしてもよく、つまり、コア領域とと
もに存在しているスピキュラを抽出し得るものであれば
いかなる手法を用いてもよい。

【００８２】なお、本発明の異常陰影候補検出装置にお
いて用いられる線構造抽出処理は、上述のモフォロジー
演算を用いる処理に限るものではない。例えば、画像中
において、線構造の輝度分布がかまぼこ状に表われると
いう特徴から、線状部分の輝度勾配ベクトルの方向分布
が線状部分の中心線に集中するという特徴に基づいて線
構造を抽出する手法（「ベクトル集中線を用いたスピキ
ュラを伴う腫瘤の検出」JAMIT Frontier'98講演論文集
P.104〜106）等を利用してもよい。

【００８３】また、本発明による異常陰影候補検出装置
において線集中度を算出する方法は、上記のように線構
造をカウントする形態に限るものではなく、特定の画素
に対する線集中度を算出できるものであればいかなる方
法でもよい。

【００８４】また、本発明による異常陰影候補検出装置
において、局所領域における線構造を抽出し線集中度を
算出することによって、血管等が交差する線交点を検出
することも可能である。線交点は微小石灰化陰影の候補
領域として誤検出され易いため、線交点を検出すること
が可能になれば、微小石灰化陰影の誤検出減少に有効で
あり検出性能の向上が期待できる。

【００８５】なお、本発明は***CAD に限られるもので
はなく、胸部CAD 等に対しても利用することができる。

【図面の簡単な説明】

【図１】本発明の一実施形態による異常陰影候補検出装
置の構成図

【図２】***の放射線画像中の腫瘤陰影の指標となる線
構造を示す図

【図３】スピキュラを伴う腫瘤陰影を示す図

【図４】モフォロジーフィルタの基本作用を示す図

【図５】モフォロジー演算処理により線構造を保存する
作用を示す図

【図６】直線状の１２個の構造要素Ｂ１〜Ｂ１２を示す
図

【図７】本発明の第２の実施形態による異常陰影候補検
出装置の構成図

【図８】***の放射線画像中のスピキュラを伴う腫瘤陰
影を示す図

【図９】注目画素ｊを中心とした縦５画素×横５画素の
大きさのマスクを表わす図

【図１０】注目画素と各画素ｊにおける勾配ベクトルと
がなす角を説明する図

【図１１】輪郭形状が適応的に変化するように設定され
たアイリスフィルタを示す概念図

【符号の説明】

10 線構造抽出手段 20 線集中度算出手段 30 候補領域検出手段 40 コア領域検出手段 50 評価手段

─────────────────────────────────────────────────────

【手続補正書】

【提出日】平成１４年１月２８日（２００２．１．２
８）

【手続補正１】

【補正対象書類名】明細書

【補正対象項目名】００７０

【補正方法】変更

【補正内容】

【００７０】

【手続補正２】

【補正対象書類名】明細書

【補正対象項目名】００７７

【補正方法】変更

【補正内容】

【００７７】

フロントページの続きＦターム(参考） 4C093 AA01 CA18 CA37 DA06 FD05 FF17 FF20 FF21 5B057 AA08 BA03 CA02 CA08 CA12 CA16 CB08 CB12 CB16 CC02 CE06 DA03 DA08

Claims

【特許請求の範囲】

【請求項１】被写体の放射線画像を表わす画像データ
に基づいて、該放射線画像中の異なる方向性を有する複
数の線構造を所定の線構造抽出処理により抽出する線構
造抽出手段と、前記放射線画像中の各画素を注目画素とし、該注目画素
に対する前記抽出された複数の線構造の線集中度を該注
目画素ごとに算出する線集中度算出手段と、該線集中度算出手段により算出された前記線集中度に基
づいて、前記放射線画像中の腫瘤陰影の候補領域を検出
する候補領域検出手段とを備えたことを特徴とする異常
陰影候補検出装置。
【請求項２】前記候補領域検出手段が、前記線集中度
が所定値より高い値を示している前記注目画素の位置を
前記候補領域とすることを特徴とする請求項１記載の異
常陰影候補検出装置。
【請求項３】被写体の放射線画像を表わす画像データ
に基づいて、該放射線画像中の腫瘤陰影のコア領域を所
定の検出処理により検出するコア領域検出手段と、前記画像データに基づいて、前記放射線画像中の異なる
方向性を有する複数の線構造を所定の線構造抽出処理に
より抽出する線構造抽出手段と、前記放射線画像中の各画素を注目画素とし、該注目画素
に対する前記抽出された複数の線構造の線集中度を該注
目画素ごとに算出する線集中度算出手段と、前記コア領域検出手段により検出されたコア領域を有す
る前記腫瘤陰影の悪性度を、前記線集中度算出手段によ
り算出された前記線集中度に基づいて評価する評価手段
とを備えたことを特徴とする異常陰影候補検出装置。
【請求項４】前記線構造抽出処理が、モフォロジーフ
ィルタを用いた処理であることを特徴とする請求項１か
ら３いずれか記載の異常陰影候補検出装置。
【請求項５】前記検出処理が、アイリスフィルタを用
いた処理であることを特徴とする請求項３または４記載
の異常陰影候補検出方法。
【請求項６】前記放射線画像が***の放射線画像であ
ることを特徴とする請求項１から５いずれか記載の異常
陰影候補検出装置。