JP2002325754A - 画像処理方法および装置 - Google Patents

Abstract

(57)【要約】 【課題】符号化されたデータから診断に有効な領域を優
先的に読み出すことを可能とし、必要な画像を迅速に取
得可能とする。 【解決手段】初期ストリーム設定部１８及び入力制御部
１４の制御により、画像入力部１１は、符号化画像デー
タストリームのうち、まず、診断支援処理を可能とする
低画質画像を再生可能な分を取り込む。懲り込まれたデ
ータストリームは、復号化部１２で復号化され、得られ
た２次元画像１３が診断支援部１６で解析されて陽性領
域１７が決定される。そして、入力制御部１４が陽性領
域１７の部分を優先して取り込むべく画像入力部１１を
制御することにより、診断に有効な領域が優先的に取り
込まれ、詳細に再生される。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、画像処理方法及び
装置に関し、特にＸ線医療用画像の処理に好適な画像処
理方法及び装置に関する。

【０００２】

【従来の技術】ある種の蛍光体に放射線（Ｘ線、α線、
β線、γ線、電子線、紫外線等）を照射すると、この放
射線エネルギーの一部が蛍光体中に蓄積され、この蛍光
体に可視光等の励起光を照射すると、蓄積されたエネル
ギーに応じて蛍光体が輝尽発光を示すことが知られてお
り、このような性質を示す蛍光体は蓄積性蛍光体（輝尽
性蛍光体）呼ばれる。この蓄積性蛍光体を利用した放射
線画像情報記録再生システムが本出願人により提案され
ている（特開昭５５−１２４２９号、特開昭５６−１１
３９５号等）。このシステムによれば、人体等の被写体
の放射線画像情報を一旦蓄積性蛍光体のシートに記録
し、この蓄積性蛍光体シートをレーザ光等の励起光で走
査して輝尽発光光を生ぜしめ、得られた輝尽発光光を光
電的に読み取って画像信号を得、この画像信号に基づき
写真感光材料等の記録材料、ＣＲＴ等の表示装置に表示
させて、被写体の放射線画像を可視像として得る。

【０００３】また、近年においては半導体のセンサを使
用して同様にＸ線画像を撮影する装置が開発されてい
る。これらのシステムは、従来の銀塩写真を用いる放射
線写真システムと比較して極めて広い放射線露出域にわ
たって画像を記録し得るという実用的な利点を有してい
る。すなわち、非常に広いダイナミックレンジのＸ線を
光電変換手段により読み取って電気信号に変換し、この
電気信号を用いて写真感光材料等の記録材料、ＣＲＴ等
の表示装置に出力させることによって、放射線露光量の
変動に影響されない放射線画像を可視像として得ること
ができる。

【０００４】また、上記のようにして得られた電気信号
はデジタル情報に変換可能であり、得られたデジタル情
報はメモリ等の記憶媒体に蓄積することができる。そし
て、そのようなデジタル情報を情報処理装置に提供する
ことで、デジタル画像処理を施し、種々の診断支援を行
なうことも提案されている。

【０００５】

【発明が解決しようとする課題】しかしながら、Ｘ線画
像は非常に多くの情報を含んでおり、その画像を蓄積・
伝送する際にはデ−タ量が膨大になってしまうという問
題がある。このため画像の蓄積・伝送に際しては、画像
の持つ冗長性を除く、或いは画質の劣化が視覚的に認識
し難い程度で画像の内容を変更することによってデ−タ
量を削減する高能率符号化が用いられる。

【０００６】例えば、静止画像の国際標準符号化方式と
してＩＳＯとＩＴＵ−Ｔにより勧告されたＪＰＥＧで
は、可逆圧縮に関してはＤＰＣＭが採用され、非可逆圧
縮に於いては離散的コサイン変換（ＤＣＴ）が使用され
ている。ＪＰＥＧについての詳細は、勧告書ＩＴＵ−Ｔ
Recommendation Ｔ．８１、ＩＳＯ／ＩＥＣ １０９１
８−１等に記載されているのでここでは詳細な説明を省
略する。

【０００７】また、近年では離散的ウェーブレット変換
（ＤＷＴ）を使用した圧縮方法に関する研究が多く行わ
れている。ＤＷＴを使用した圧縮方法の特徴は、離散コ
サイン変換（ＤＣＴ）で見られるブロッキングアーティ
ファクトがおきないことである。

【０００８】他方、Ｘ線画像の圧縮に際しては、圧縮率
を効率的に向上させる手段として関心領域（重要な領
域）を設定して、関心領域の圧縮率を落として画質を他
の領域よりも優先させることが考えられる。また、画像
を無損失（LOSSLESS）で符号化する場合も、関心領域を
優先的に符号化することにより、読み出しの際に関心領
域を先行して復号化して表示することが可能になる。し
かし、画像中のどこを関心領域に設定するかは医療の診
断学的な意味もあり簡単ではなかった。

【０００９】このような状況から出願人は、画像圧縮時
に入力画像を解析してＸ線の照射野領域を抽出し、抽出
された照射野領域からＸ線の素抜け領域をさらに抽出し
て、照射野領域から素抜け領域を除いた部分を関心領域
として、この関心領域に相当する画像をレベルシフトし
て符号化することにより関心領域を優先的に符号化する
方法および装置を提案している。この方法の問題点は、
切り出し画像（照射野領域）中での素抜け領域の割合は
２０％程度であり、圧縮率の向上に際しては更なる関心
領域の絞込みが必要となることである。

【００１０】他方、圧縮された画像ファイルの内容を表
示する際にも関心領域の設定は有効な場合が多い。例え
ば1000×1000画素のモニタに2000×2000画素から構成さ
れる画像を１枚あるいは複数枚表示する場合を考える
と、画像の一部分を表示するか、縮小表示するかを選択
しなければならない。もちろん、マウスやトラックボー
ルで画像をスクロールする手法も考えられるが、これで
は複数枚を同時に表示する目的が達せられない。画像を
ファイリングする際に各画像で関心領域が設定されてい
る場合は関心領域のみを表示することが可能であるが、
関心領域の設定がない場合や、関心領域の設定があって
も表示割り当て領域をオーバーしてしまう場合もあり、
一部分を表示するにしろ、全体を表示するにしろ、縮小
表示が必要になる。

【００１１】また、画像を縮小表示した場合の問題点と
して、空間分解能が悪いことにより詳細の観察（一次診
断が終わった画像に対する参照という意味で診断と区別
する）が出来ない可能性がある。これを補償する技術と
しては、ＣＲＴ上で動く矩形や円形の拡大鏡を設定し
て、オペレータ（医師）が適宜拡大鏡を移動し、部分的
に原画表示することが提案されている。しかしながら、
空間分解能が悪い画像で拡大領域を適切に選択すること
が可能であるかという問題点を残している。

【００１２】また、Ｘ線画像はデータ容量を削減するた
めに符号化して保存される場合があるが、この符号化さ
れた画像を迅速に表示することが望まれている。符号化
された画像を迅速に表示することは、符号化された画像
データから診断に有効な領域を優先して表示することで
も実現できる。

【００１３】従って、本発明の目的は、符号化されたデ
ータから診断に有効な領域を優先的に読み出し可能とす
ることにある。

【００１４】また、本発明の他の目的は、診断支援手段
によって決定された、診断あるいは観察に重要な関心領
域を優先的に読みこみ、その領域の画質を向上させるこ
とにより、効率的に診断支援の精度を高めることにあ
る。

【００１５】また本発明の他の目的は、診断支援の診断
目的に応じて必要となる画質で画像データを取り込むこ
とを可能とし、効率的な画像転送を実現可能とすること
にある。

【００１６】

【課題を解決するための手段】上記の目的を達成するた
めの本発明による画像処理装置は以下の構成を備える。
すなわち、画像データを系列変換し、符号化して得られ
たデータストリームの第１の部分を取り込む第１取込手
段と、前記第１取込手段により取り込まれたデータスト
リームを復号化して２次元画像を得る復号手段と、前記
復号手段によって得られた２次元画像を解析し、該２次
元画像中の関心領域を決定する解析手段と、前記解析手
段によって決定された関心領域に基づいて前記データス
トリームより選択される第２の部分を取り込む第２取込
手段とと備える。

【００１７】また、上記の目的を達成するための本発明
による画像処理方法は以下の構成を備える。すなわち、
画像データを系列変換し、符号化して得られたデータス
トリームの第１の部分を取り込む第１取込工程と、前記
第１取込工程により取り込まれたデータストリームを復
号化して２次元画像を得る復号工程と、前記復号工程に
よって得られた２次元画像を解析し、該２次元画像中の
関心領域を決定する解析工程と、前記解析工程によって
決定された関心領域に基づいて前記データストリームよ
り選択される第２の部分を取り込む第２取込工程とを備
える。

【００１８】

【発明の実施の形態】以下、添付の図面を参照して本発
明の好適な実施形態を説明する。

【００１９】以下の実施形態では、記憶媒体から符号化
されたＸ線医療画像を読み出す際に、診断に有効な領域
を自動決定して、その領域に係わるデータを優先的に読
み出し、表示する画像処理装置について説明する。

【００２０】図２０は本実施形態による画像処理装置の
概略の構成を説明するブロック図である。２１はＣＰＵ
であり、ＲＯＭ２２に格納された制御プログラム、或い
は外部記憶装置２５からＲＡＭ２３にロードされた制御
プログラムを実行することで、図１等を参照して以下に
説明する各種処理を実現する。２２はＲＯＭであり、Ｃ
ＰＵ２１が実行する制御プログラムや各種データを格納
する。２３はＲＡＭであり、制御プログラムのロード領
域やＣＰＵ２１の作業領域を提供する。

【００２１】２４はディスプレイであり、ＣＰＵ２１の
制御の下で各種表示を行なう。２５は外部記憶装置であ
り、ハードディスク等で構成され、制御プログラムや画
像データ等を格納する。２６は入力装置であり、操作者
の操作入力を取り込む。２７はネットワークインターフ
ェースであり、ネットワーク２８と通信可能に接続す
る。２０はバスであり、上記各構成を接続する。

【００２２】２８は、ＬＡＮ、インターネット等のネッ
トワークである。２９は符号化画像データを格納するサ
ーバである。２９は、系列変換され、符号化された画像
データのデータストリームを提供する画像サーバであ
る。

【００２３】図１は、本実施形態による画像処理装置の
機能構成を示すブロック図である。図１において、画像
入力部１１は、符号化された画像データの入力を前提と
している。以下の説明ではＤＷＴ変換された画像が符号
化ストリームに変換されて入力されることを前提にして
いるが、ＤＷＴ変換に限定されるものでなくＤＣＴ、Ｋ
Ｌ変換等の系列変換された画像に対して符号化する応用
例も考えることができる。情報源符号化においてはＤＣ
Ｔ、ＫＬ変換、ＤＷＴ等を総称して系列変換と呼ぶ。な
お、ＤＣＴ、ＫＬ変換に関しては、「ANIL K. JAIN著、
Fundamental OfDigital Image Processing、1989、Pren
tice-Hall Inc.」に記載されているように、一般的な技
術である。

【００２４】符号化された画像データは通常ネットワー
ク接続した画像サーバ（２９）から転送されるが、画像
入力部１１により入力されたデータは復号化部１２に転
送される。ＤＷＴ画像を復号化する復号化部に関して
は、ISO/IEC 15444（以降JPEG2000）によるものを使用
するが、その詳細はJPEG2000の規格文書等に公開されて
いる。復号化部１２の出力である画像１３は、画像表示
部１５によりディスプレイ２４上に表示されるともに、
診断支援部１６に提供される。もちろん、画像１３を診
断支援部１６が取り込むように構成してもよい。

【００２５】ここで注目すべき点は、診断支援部１６に
使用する初期画像は、目標としている診断支援に最小限
必要な画質でよく、診断支援のために変換されているデ
ータストリームを全て読みこむ必要はないことである。
目標としている診断支援に必要な画質、つまり符号化の
際のレイヤの構成は、初期ストリーム設定部に設定され
る。

【００２６】以下の説明では胸部正面画像の腫溜陰影の
検出支援を例に示すが、この診断支援には比較的低解像
度の縮小画像で十分である。従って、初期画像として対
象画像に対応するデータが部分的に転送されるように、
初期ストリーム設定部１８により設定される。前提条件
として、診断支援には複数種類のものが考えられ、その
診断支援の種類によって必要とされる画質が決定され
る。たとえば、腫溜陰影では比較的大きな対象物の検出
になるために精細な分解能は必要なく、空間分解能５分
の１、濃度分解能２分の１程度の画質が初期画像に設定
される。他方、すりガラス状の陰影の場合は、比較的精
細な分解能が必要とされるので、空間分解能２分の１、
濃度分解能３分の１程度の画質が初期画像として設定さ
れる。これらの初期設定値は、診断支援アルゴリズム内
部で設定されるパラメータとの関連が強く、経験的に決
められる。こうして設定された条件を満たす画像が入力
された時点で、診断支援部１６は診断支援プロセスを開
始する。そして、診断支援の過程で更なるデータストリ
ームが必要になれば、入力制御部１４を介して必要な領
域のデータ入力を行う。診断支援部１６によって決定し
た陽性領域１７は、輪郭情報として画像表示部１５に表
示された縮小画像にオーバレイ表示されるとともに、入
力制御部１４に提供される。

【００２７】以上の動作をまとめると、次のようにな
る。図２は本実施形態による画像処理装置の動作概要を
説明するフローチャートである。まずステップＳ２１に
おいて、初期ストリーム設定部１８により、目的とする
診断支援に適した初期ストリームが設定される。ステッ
プＳ２２では、画像入力部１１が、符号化画像データを
取り込み、復号化部１２へ提供する。このとき、入力制
御部１４は、初期ストリーム設定部１８によって設定さ
れた内容に従って画像データの入力が行なわれるように
画像入力部１１を制御する。

【００２８】続いて、ステップＳ２３では、画像入力部
１１より入力された符号化画像データを復号し、得られ
た画像データ１３を画像表示部１５により表示する。ま
た、ステップＳ２４において、診断支援部１６はこの復
号された画像データ１３を解析して疾患部位を検出し、
陽性領域データ１７を出力する。ステップＳ２５におい
て、入力制御部１４は、診断支援部１６から出力された
陽性領域データ１７に基づいて、ステップＳ２１で入力
した符号化画像中の優先的に取り込むべき領域を設定す
る。ステップＳ２６において、当該画像データの取り込
みが終了していない場合はステップＳ２２に戻る。そし
て、入力制御部１４は、設定された領域に従って符号化
画像を取り込むべく画像入力部１１を制御する。こうし
て画像入力部１１より入力された符号化画像は復号化部
１２により順次復号され、画像表示部１５に表示され
る。また、符号化画像データの取り込みの進行は、ステ
ップＳ２４における診断支援処理の精度向上や、ステッ
プＳ２３における画像表示の詳細化に寄与する。

【００２９】以上のように動作することにより、符号化
されたデータから診断に有効な領域が自動的に選択さ
れ、その領域が優先的に読み出されるので、診断に有効
な情報を優先して表示することが可能となる。このよう
に診断に有効な情報を優先して表示するので、Ｘ線画像
を迅速に表示するのと同等の効果が得られる。

【００３０】次に、診断支援部１６について説明する。
診断支援部１６は、診断支援の目的に応じて異なる処理
が必要になるが、大きくは陰影診断処理とテクスチャ疾
患診断処理に分類できる。陰影診断処理は、胸部画像中
の石灰化、腫溜状の癌、あるいはマンモグラム画像中の
腫溜（MASS）の検出に使用されるプロセスである。一
方、テクスチャ疾患診断処理は、胸部画像中に発見され
る間質性肺炎などの診断支援に使用される。

【００３１】まず、陰影診断支援について図３〜図７を
用いて説明する。

【００３２】図３は陰影診断支援処理を説明するフロー
チャートである。まず、ステップＳ３１において、復号
された画像データ１３が陰影抽出部に入力され、陰影抽
出が行なわれる。

【００３３】図４は陰影抽出部の内部構成を示すブロッ
ク図である。入力された画像データ１３から、High-Pas
sフィルタ４１とLow-Passフィルタ部４２により高周波
画像と低周波画像が作成される。演算部４３では、これ
ら２つの画像の差分をとり、陰影候補画像データ４４が
作成される。High-Passフィルタ４１とLow-Passフィル
タ４２の特性例を図５の（Ａ）、（Ｂ）に示す。また、
高周波画像と低周波画像の差分により形成される特性
は、図５（Ｃ）に示すが、これは画像中からある大きさ
の円形パターンを検出するマッチドフィルタと考えるこ
とが出きる（図５（Ｃ）に示されるように、画像中のあ
る周波数に対応する領域のみを抽出するフィルタは、実
効的には画像中のある大きさのものだけを抽出すると解
することができる）。

【００３４】以上の説明から分かるように、陰影抽出処
理においてHigh-Passフィルタ４１とLow-Passフィルタ
４２の特性を調整することにより、抽出する円形パター
ンのサイズを調整することが可能である。一般的に、胸
部正面画像の場合であれば、画像中から５ｍｍ直径以下
の腫溜を選別して抽出することは非常に困難である。理
由は画像中には同等サイズの信号が数多く含まれて、そ
の多くは病気の信号ではないからである。そこで、ここ
では直径としては１０ｍｍ程度のマッチドフィルタを想
定している。しかし、マッチドフィルタで抽出を試みる
円形パターンの直径が１種類である限定はなく、複数種
類の円形パターンを用いてもよい。例えば、円形パター
ンの直径が８ｍｍ、１２ｍｍ、１６ｍｍの３種類のフィ
ルタを順序適用して、それぞれのフィルタが抽出した陰
影候補を以後のプロセスに流すことも可能である。

【００３５】次に、ステップＳ３２において、以上の陰
影抽出処理（Ｓ３１）で抽出された陰影候補に対して
（複数ある場合はそれぞれに対して）、病理特徴量抽出
処理により特徴量が計算される。ここで計算される特徴
量は、面積、円形度、閾値感度である。それぞれの特徴
量を以下に説明する。ただし、面積と円形度を計算する
際には陰影候補を２値化する必要がある。２値化の閾値
は、経験的にマッチドフィルタ出力画像のヒストグラム
の１０％値とする。 （１）面積Ｓ＝［陰影候補に含まれる画素数］×［１画
素の面積］ （２）円形度Ｃ＝Ａ／Ｓ：ここで、Ａは実効直径Ｄの円
を陰影候補の重心に配置したときに、その円と陰影候補
がオーバーラップする（重なる）面積 （３）閾値感度＝｜２×S10−S5−S15｜：なお、閾値感
度とは閾値を変化させた場合の陰影面積変化であり、S
5、S10、S15はそれぞれ閾値を５％、１０％、１５％と
変化させたときの面積を、“｜｜”は絶対値を表す。

【００３６】ステップＳ３３では、以上のように計算さ
れた特徴量をベースに、ステップＳ３１で抽出された各
陰影に対して陽性か 偽陽性であるかの判定を行う。こ
こで、偽陽性とは陽性ではない陰影のことである。な
お、本実施形態においては、特徴量は上記３種類を用い
るものとするが、これら３種類に限定されるものではな
い。

【００３７】なお、ステップＳ３３における判定は、ニ
ューラルネットワークにより構成される判定部を用いて
行なう。以下、判定部について学習フェーズと利用フェ
ーズに分けて説明する。本実施形態においては、判定部
にニューラルネットワークを使用しているが、これに限
定されるものではなく診断支援の目的によっては線形で
分離が可能な場合もあり、その場合はより簡便で計算量
の少ない線形分離を使用してもよい。

【００３８】学習フェーズは、陽性か偽陽性かの結果が
分かっている陰影に対して、結果を提示しながら特徴量
を入力してニューラルネットワークの内部係数を学習さ
せるものである。ニューラルネットワークは、さまざま
なものが開発されている。例をあげるとランメルハート
が開発したFeed Forward型の誤差逆伝播ニューラルネ
ットワーク（参考文献：D. E. Rumelhart and J. L. Mc
Celland, Parallel Distributed Processing: Explorat
ions in the Microstructure of Cognition, Vol. 1: F
oundation. Cambridge: The MIT Press, 1986.）、Radi
al Basis Functionニューラルネットワーク（簡単にR
BF-NN）（参考文献：C. Bishop, "Improving the Gener
alization Properties of Radial Basis Function Neur
al Networks," Neural Comp., vol. 3, pp. 579-588,
1991.）があげられる。本実施形態においては、図６に
示すような３入力のＲＢＦ−ＮＮを使用する。構造的に
はFeed Forward型を採用して、入力層、中間層１層、出
力層の３層構造を有する。入力層には、ステップＳ３２
の病理特徴量抽出処理で抽出した特徴量の数に相当する
入力Nodeを配置する。中間層に配置するＲＢＦニューロ
ンは、非線型要素としてガウス分布を持つような出力特
性を具備させる。ＲＢＦニューロンの数は、学習のケー
ス数と問題の複雑さに依存するが、計算時間を妥当に設
定するためには１００程度が適当である。ニューラルネ
ットワークの出力数は１であり、陽性であれば１、陰性
であればゼロが出力される。本実施形態において、ニュ
ーラルネットワークは診断支援の目的毎に用意される
が、ニューラルネットワークはソフトウェアで構成され
るので、実際は診断支援毎の係数を保存しておいて、使
用の際には診断支援毎の係数をセットすることになる。

【００３９】利用フェーズは、診断目的に対応して学習
した内部係数をニューラルネットに設定した後に、判定
結果が未知の陰影に対する３種類の特徴量を提示して、
ネットワーク出力を得る。陽性出力が１、陰性出力が０
で学習されれば、出力が０．５以上の場合は陽性、０．
５以下であれば陰性の判定が出力される。陽性と判定さ
れた円形パターン（陰影）は、それぞれ陽性領域決定処
理（ステップＳ３４）に用いられる。

【００４０】ステップＳ３４における陽性領域決定処理
の目的は、陽性と判定された複数の陰影パターンが近接
する場合にはひとつの陽性領域とすること、および符号
化された領域を指定するために陽性領域を矩形化するこ
とである。ただし、陽性領域の指定を矩形状に限定する
制約は本質的なものではなく、JPEG2000ではMAXSHIFTを
使用すれば円形の関心領域（陽性領域）を設定すること
が可能である。

【００４１】図７は、以上の陰影診断支援処理のプロセ
スを説明する図である。図７の（Ａ）は、画像データ５
１３として入力された胸部正面画像であり、この画像に
対してステップＳ３１の陰影抽出処理を適用した結果を
（Ｂ）に示す。次に、ステップＳ３２の病理特徴量抽出
処理は、（Ｂ）に示された４個の陰影候補のそれぞれに
対して病理特徴量を抽出する。そして、ステップＳ３３
において、抽出した特徴量をもとにニューラルネットワ
ークで各陰影が陽性か否かを判定した結果が図７（Ｃ）
である。（Ｃ）では、（Ａ）に示した右肺の矩形の陰影
パターンが陰性として排除されている。更に、ステップ
Ｓ３４の陽性領域決定処理において、（Ｃ）の陽性陰影
パターンに対して陽性領域が決定された結果が（Ｄ）で
ある。このようにすべての陽性陰影を含むように陽性領
域が設定され、しかも左肺の陰影に関しては一つに統合
されて陽性領域が設定されている。なお、統合の条件と
しては、ある陽性領域から所定の範囲内に他の陽性領域
が存在すれば、それらは一つの陽性領域として最終的に
は取り扱われる。領域統合のアルゴリズム例としては、
図７（Ｃ）の画像に対して、所定回数の形態学的なDila
tionを行ったのちに、ラベリングの個別領域の数をカウ
ントし、個別領域の数が減少していれば領域の接合が発
生したと判断される。そして、結合され領域に含まれる
オリジナルの陽性領域をすべて包含するようにＲＯＩ
（関心領域）が決定されて、図７（Ｄ）が出力されるこ
とになる。

【００４２】次に図８〜図１４を用いてテクスチャ疾患
診断支援を説明する。但し、以下の説明においては、胸
部正面画像に対する間質性肺疾患を例にとって説明す
る。

【００４３】図８はテクスチャ疾患診断支援処理を説明
するフローチャートである。図８において、ステップＳ
８１で、復号化部１２から出力された画像データ１３に
対して、テクスチャ疾患抽出処理が適用され、テクスチ
ャ疾患候補関心領域（ＲＯＩ）が抽出される。図９はテ
クスチャ疾患抽出処理の機能構成を示すブロック図であ
る。入力画像としての画像データ１３はセグメンテーシ
ョン部９１に入力されて肺野領域がセグメンテーション
される。間質性肺疾患は縦隔領域が対象外になること
と、陰影パターンを検索するのとはことなり、局所的な
領域で判断する疾患であるので、肺野の局所領域を定義
するために肺野の抽出が必要になる。

【００４４】セグメンテーション部９１について図１０
を参照して更に説明する。図１０はセグメンテーション
部９１の詳細な機能構成を示すブロック図である。１０
１はセグメント特徴量抽出部であり、画像データ１３の
各画素に対して特徴量の計算を行なう。１０２は判別部
であり、ニューラルネットワークを用いて疾患候補領域
を判定する。

【００４５】セグメンテーション部９１は、学習フェー
ズと利用フェーズにより構成が異なる。本実施形態のセ
グメンテーション部９１はニューラルネットワークによ
り構成されているので、学習データを入力してニューラ
ルネットワーク内部の係数を形成するフェーズを学習フ
ェーズと呼び、入力された画像データに対してセグメン
テーションを実施するフェーズを利用フェーズと呼ぶ。
以下のフェーズでは画素単位のセグメンテーションを行
っているが、セグメンテーションの手法としては画素単
位のものに限定されず、画像中から輪郭を追跡する手法
によりセグメンテーションを行うことも可能である。輪
郭を追跡するタイプのセグメンテーションに関しては、
文献：O.Tsujii, M. T. Freedman, and S. K. Mun, "L
ung contour detection in chest radiographs using 1
-D convolution neural networks," Electronic Imagin
g, 8(1), pp. 46-53, January 1999.に記載されてい
る。

【００４６】図１１は学習フェーズにおけるセグメンテ
ーション部の機能構成を説明する図である。入力画像の
各画素に対してセグメント特徴抽出部１０１により特徴
量の計算が行われる。計算される特徴量は、画素値をベ
ースに計算されるもの、テクスチャをベースに計算され
るもの、解剖学的構造からの相対アドレスで計算するも
のなどがある。詳しくは、本発明者による論文（O. Tsu
jii, M. T. Freedman,and S. K. Mun, "Automated Seg
mentation of Anatomic Regions in Chest Radiographs
using Adaptive-Sized Hybrid Neural Network," Med.
Phys., 25(6), pp. 998-1007, June 1998.）を参照の
こと。

【００４７】なお、使用される特徴量は、以上の例や論
文で示されるものに限定されるものでなく、その他の論
文M. F. McNitt-Gray, H. K. Huang and J. W. Sayre,
"Feature Selection in the Pattern Classification
Problem of Digital Chest Radiograph Segmentation,"
IEEE Trans. Med. Imag., 14, 537-547 (1995).などに
記載される確率的な特徴量も使用され得る。

【００４８】次に判別部（以下ではニューラルネットワ
ーク部とも呼ぶ）１０２に関して説明する。ニューラル
ネットワーク１０２は、前述したようにさまざまなもの
が開発されている。本実施形態においては、ＲＢＦ−Ｎ
Ｎを使用する。構造的にはFeed Forward型を採用して、
図６に示したように入力層、中間層１層、出力層の３層
構造とする。ただし、便宜的に入力NODE数は３、中間ニ
ューロンは４、出力NODE数は１としている。

【００４９】入力層には、セグメント特徴量抽出部１０
１で抽出した特徴量の数に相当する入力Nodeを配置す
る。中間層に配置するＲＢＦニューロンは、非線型要素
としてガウス分布を持つような出力特性を具備させる。
ＲＢＦニューロンの数は、学習のケース数と問題の複雑
さに依存するが、計算時間を妥当に設定するためには５
０００程度は適当である。ニューラルネットワークの出
力数は、各部位に対するセグメント数に相当する。例え
ば、図１３の（Ａ）に示すような胸部正面の画像であれ
ば、図１３の（Ｂ）に示すように２つの解剖学的セグメ
ントがあるので、２つの出力NODEが用意される。

【００５０】なお、本実施形態において、ニューラルネ
ットワークは撮影部位毎（対象画像毎）に用意される
が、ニューラルネットワークはソフトウェアで構成され
るので、実際には部位毎の係数を保存しておいて、使用
の際には部位毎の係数をセットするようにする。学習フ
ェーズにおいては、各画素に対する特徴量とともに、セ
グメンテーション結果である回答例（教師出力画像）が
ニューラルネットワーク１０２に提示される。入力画像
に対する教師出力画像は、人手によるセグメンテーショ
ン処理部１１１から提供される。図１３の（Ａ）に示し
た入力胸部画像に対応する教師画像を図１３の（Ｂ）に
示す。胸部正面画像に対応するセグメント分類に対応す
るように、セグメンテーション処理部１１１では、出力
値１と２を持つように教師画像が作られる。ただし、セ
グメントの対象とならない領域は、それ以外の数、たと
えばゼロがセットされる。セグメンテーション処理部１
１１による教師画像の作成は、画像中の領域を指定でき
るグラフィックソフトで行うことが出きるが、市販され
ているPhotoshop（米国Adobe社製）などを使用しても可
能である。ニューラルネットワークの学習は、ＲＢＦ−
ＮＮの場合は出力エラーを最小にする最小２乗法で行え
ば、解析的に求めることができ、内部係数の計算は短時
間で行える。

【００５１】次に、利用フェーズに関して説明する。図
１２は利用フェーズにおけるセグメンテーション部９１
の機能構成を説明する図である。

【００５２】セグメント特徴量抽出部１０１による、画
像中の各画素に対する特徴量の抽出は、学習フェーズと
同様に行われる。ニューラルネットワーク１０２に対す
る内部係数は、対象の撮影部位に対する係数が利用前に
ロードされる。各画素に対する特徴量がニューラルネッ
トワークに提示されて、ネットワークは出力NODEに出力
値を出力する。胸部正面画像の場合では、出力NODEは２
つであり、それらの出力NODEで最もYESに近い出力をし
たNODEに対応するセグメントに、入力画素は分類され
る。なお、上記においてロードされる係数とは、ニュー
ラルネットワークにおいて撮影部位毎に学習され、学習
の結果としてニューラルネットワーク内部に形成された
係数である。これらの係数はもともとは、適当な初期値
から出発して、特定の撮影部位、診断支援に合わせて、
学習の過程で収斂して行く。この収斂された係数が、ニ
ューラルネットワークの挙動を決定し、通常は複数の係
数から構成される。なお、係数の数は、使用するニュー
ラルネットワークの種類、大きさに依存して決まる。

【００５３】このようにして画像中のすべての画素に対
する分類が完了したセグメント画像例を図１３の（Ｃ）
に示す。一般的にニューラルネットワーク部１０２が出
力したセグメント画像にはノイズが含まれる。例えば、
肺野の領域から分離して小さい面積の肺野領域が発生す
る場合がある。このようなノイズ的な小領域は、後処理
過程で除去されるが、この技術に関しては前述の文献：
O.Tsujii, M. T. Freedman, and S. K. Mun, "Lung co
ntour detection in chest radiographs using1-D conv
olution neural networks," Electronic Imaging, 8
(1), pp. 46-53,January 1999.を参照のこと。

【００５４】図１０の判別部（ニューラルネットワーク
部）１０２の出力がセグメンテーション出力画像１０３
である。胸部正面画像の場合は肺野部分であり、その例
を図１３の（Ｃ）に示す。

【００５５】次に、このセグメンテーション出力画像１
０３に対して領域分割処理９２（図９）が適用される。
領域分割処理とは、テクスチャ疾患パラメータを計算
するための局所的な領域を定義する処理である。具体的
例を図１４に示す。図１４の（Ａ）は胸部正面画像であ
り、これを画像データ１３として入力したセグメンテー
ション部９１は、（Ｂ）に示すごとき画像をセグメンテ
ーション出力画像１０３として出力する。（Ｂ）のセグ
メンテーション出力画像１０３に領域分割処理９２を適
用すると、図１４の（Ｃ）の如く領域分割された画像が
得られる。すなわち、分割処理は、セグメンテーション
出力画像の対象領域（この場合は肺野）を一定値以下の
面積に成るように矩形状に分割する処理である。このよ
うにして定義された概略矩形の関心領域をテクスチャ疾
患候補ＲＯＩ（９３）と呼ぶ。

【００５６】以上説明したように、ステップ８１による
テクスチャ疾患抽出処理の出力がテクスチャ疾患候補Ｒ
ＯＩ９３である。ステップＳ８２では、この複数のテク
スチャ疾患候補ＲＯＩ９３のそれぞれに対して病理特徴
量の抽出（病理特徴量の計算）を行ない、得られた特徴
量をもとに各候補が陽性か陰性かを判断する。

【００５７】特徴量計算以降の過程は、陰影診断支援処
理（図３）と同様である。すなわち、陽性と判定された
テクスチャ疾患候補ＲＯＩ（図１４の（Ｃ）においてハ
ッチングを施した領域）を含む矩形状の陽性領域を定義
し（Ｓ８３、Ｓ８４）、この陽性領域を出力する（Ｓ８
５）。ただし、特徴量計算は診断支援の目的に応じてな
される。テクスチャ疾患診断支援に使用される特徴量に
関しては、 （１） 桂川茂彦、他：間質性疾患のコンピュータ診断
支援の可能性、日本医学表さy線学会誌、５０：７５３
−７６６、１９９０． （２） 佐々木康夫、他：じん肺標準写真のテクスチャ
解析による定量評価、日本医学表車線学会、５２：１３
８５−１３９３、１９９２． 等の文献を参照されたい。

【００５８】以上説明したようにして、診断支援部１６
により陽性領域１７が出力されると、この出力は入力制
御部１４に入力され、画像入力部１１による画像入力の
制御に使用される。入力制御部１４の目的は、陽性領域
１７（以下では関心領域ともよぶ）に対してのデータを
読み込むことにあり、それは陽性領域の画像を詳細にし
て診断支援の精度を向上させ、あるいは詳細な画像表示
に寄与する。診断支援の精度向上を行う際には、精度向
上された入力画像をもとに診断支援部１６が再度適用さ
れる。以下、入力制御部１４について説明する。

【００５９】入力制御部１４は、関心領域に対するタイ
ル領域、あるいはコードブロック領域を指定して優先的
にデータを転送するように画像サーバに指定を行う。画
像サーバへの選択的なデータの要求は、画像入力部１１
を介して行われるが、画像サーバの構成によってはLOSS
LESSの全符号を保存しておき、画像入力部１１からの要
求に応じて動的（ダイナミック）にレイヤなどのストリ
ームを構成することが可能である。

【００６０】図１５は画像入力部１１と画像サーバ１５
１の間で符号列を動的に生成する場合の構成を示した図
である。同図において画像入力部１１は画像サーバ１５
１に対し画像内の関心領域の位置と当該部分の伝送要求
を送信する。画像サーバ１５１は予め符号化され外部記
憶装置１５２に保存されている符号列から必要な部分を
画像入力部１１に対して伝送する。以下に、この構成に
おいて関心領域に係る符号列の出力形態例を説明する。

【００６１】図１６は画像をタイルに分割して符号化し
た場合の符号列伝送を示した図である。同図において、
画像は矩形領域であるタイルに分割され、各タイルは独
立に符号化されて外部記憶装置１５２に記憶されてい
る。画像入力部１１からの伝送要求は画像サーバ１５１
内のパーサ１６１に入力される。パーサ１６１は入力し
た関心領域の位置情報から、当該領域にかかるタイルの
符号列を外部記憶装置１５２から読み出し出力する。

【００６２】ここで、各タイルの符号列は前述したよう
に複数のレイヤ（図１６ではLayer0〜Layer9の１０個の
レイヤ）から構成されており、出力されるタイルの符号
列は必要なレイヤの符号化データのみでもよいし、又は
全てのレイヤであってもよい。出力される符号列は１つ
にまとめられ、各タイルの符号化データの先頭にはタイ
ルの開始およびタイルの番号を表すマーカコードが挿入
される。

【００６３】図１６において、その時点以前に全く符号
列が伝送されていない場合は、初期ストリーム設定部１
８によって設定された情報量に従ってデータストリーム
を入力するよう入力制御部１４が画像入力部１１を制御
する。これにより、画像入力部１１は、たとえば全タイ
ルのレイヤ９，８を入力するよう伝送要求をパーサ１６
１に発行する。パーサ１６１はタイル１からタイル１６
までの各タイルの符号化データのレイヤ９，８をまとめ
て符号列を構成し出力する。続いて、診断支援部１６に
よる解析の結果、要請領域（関心領域）がタイル５であ
ったとすると、入力制御部１４はタイル５を優先的に入
力するよう画像入力部１１を制御する。これにより、画
像入力部１１は、タイル５について更に伝送要求を行
う。これを受けたパーサ１６１は、タイル５の残りの全
レイヤ（レイヤ７〜０）をまとめて符号列を構成し、出
力する。こうして、要請領域として指定されたタイル５
については全てのレイヤが、それ以外のタイルについて
は必要最小限のレイヤが伝送されることになる。このよ
うにすることで、符号化が可逆で行われていれば、復号
された画像は関心領域であるタイル５の部分に関しては
可逆で（オリジナルと同一の画質）、それ以外の部分に
ついては観察に十分な程度の画質で画像が再生されるこ
とになる。

【００６４】一方異なる符号列構成方法を取ることも可
能であり、以下に図１７を参照して説明する。図１７は
画像をＤＷＴによって符号化した場合の符号列伝送を示
した図である。JPEG2000においてはＤＷＴにより生成さ
れたサブバンドの係数又は量子化インデックスはコード
ブロックを単位としてビットプレーン符号化される。本
例においては、各コードブロックの符号化データが符号
列に構成されない形で外部記憶装置１５２に保存され
る。

【００６５】ここで、図１７に示される外部記憶装置１
５２に記憶されている各コードブロックの符号化データ
において、診断目的に応じて初期ストリーム設定部１８
により設定された符号化データ部分は既に伝送が行われ
ている。例えば、最上位から所定のビットプレーン又は
レイヤに相当するデータについては、既に初期ストリー
ム設定部１８により伝送されており、伝送された符号化
データを復号した画像により、診断支援部１６は処理を
行っているものとする。

【００６６】次に、診断支援部１６により図２１（Ａ）
に示すように関心領域が出力された場合、入力制御部１
４は同図（Ｂ）に示すように、関心領域を含むコードブ
ロックを特定し、これらのコードブロックの符号化デー
タをさらに伝送するよう、パーサ１７１に対して伝送要
求を出力する。

【００６７】パーサ１７１は画像入力部１１からの伝送
要求に応じ、関心領域に係るコードブロックの符号化デ
ータを符号列に構成して出力する。このとき、例えば図
２１に示すように選択されたコードブロックに対して
は、全ての符号化データを伝送し、先に伝送済みとなっ
ている符号化データと共に復号することにより、関心領
域部分については高い画質を持つ画像を構成することが
出来る。

【００６８】図１８はJPEG2000の符号列におけるレイヤ
の構成例を示したものであるが、上述の例においては、
同図に示す符号列のLayer9において、既に伝送済みとな
っていない下位ビットプレーンに係る符号化データのみ
を新たな符号列に構成して伝送することと同じである。
或いは、関心領域周辺のコードブロックから構成される
付加レイヤを構成して同時に伝送することにより、関心
領域とその周辺部分の画質が改善された画像を得ること
が出来る。

【００６９】こうしてパーサ１７１は画像入力部１１か
らの伝送要求に応じ、関心領域に係るコードブロックの
符号化データを図１８に示すように上位レイヤに配置し
た符号列を生成し、出力する。このように符号列構成前
の中間状態の符号化データを外部記憶装置１５２に保存
し、外部からの要求に応じて最適な符号列を動的に生成
することで、前述したタイル分割を行わない場合であっ
ても、画像表示側の要求に応じて関心領域を高画質とし
た符号列を生成し出力することが出来る。

【００７０】なお、JPEG2000におけるレイヤに関して符
号化を例にとって補足説明を加える。JPEG2000ではレイ
ヤと呼ばれる階層化された符号化データ構成により、前
述の関心領域を優先的に符号化することも出来る。図１
８はこのときのレイヤ構成の様子を示した図である。同
図においてコードブロック３および４が関心領域に含ま
れている。符号列構成部５は入力した関心領域の情報に
基づき、関心領域に含まれるコードブロックの符号のみ
をLayer9に含めて符号列を構成する。

【００７１】ここでプログレッシブ形態をJPEG2000にお
けるLayer-Resolution level-Component-Positionとす
ると、符号列全体におけるレイヤの配置は図１９に示す
ような形態となり、符号列先頭に位置するLayer9には関
心領域の符号化データのみが含まれる。

【００７２】また、符号化処理の量子化過程において量
子化を行わないようし、所定の上位レイヤに関しては、
予め定められた圧縮率に対応する符号化データ量となる
よう構成することにより、図１９に示すように、各レイ
ヤに対し圧縮率を対応させつつ、全体では可逆符号化と
することも可能である。ただし、最上位レイヤ（Layer
9）に対しては関心領域のみを含むため、その領域の大
きさが異なれば、符号化データ長は異なる。

【００７３】医療画像は大きいので限られた画素数のモ
ニタで観察するにはその細部を常に表示することができ
ない。この問題に対して、関心領域を決めてそこだけ大
きく表示することが考えられる。しかし、小さい画像か
ら関心領域を適切に決めることは難しく、関心領域を人
間に代わって決める手段が必要となる。上記実施形態で
は、診断支援技術によって決定された関心領域を使用し
て、その領域を自動的に高精細で表示することを提供し
ている。

【００７４】すなわち、上記実施形態によれば、医療画
像に対して診断支援を行う際に、すべての画像を読みこ
まずに最低限必要な画像で診断支援を行い、診断支援手
段により陽性と判断された部分に対して、その領域の詳
細な画像が選択的に取り込まれる。このため、効率的な
データ転送が行えて、また重要な部分に対して詳細な画
像表示を迅速に行なえる。

【００７５】また、画像の診断目的に応じて、適切な初
期画像の取りこみが可能になり、大まかな画像しか必要
としない診断支援手段に対して不必要なデータ転送が発
生しないので、ネットワークのトラフィックを軽減させ
ることが可能である。

【００７６】なお、診断支援手段の結果、要請領域が無
いものに関しては、発明者が既に出願しているような照
射野領域から素抜け部分を削除した領域を関心領域とす
ることが考えられる。また、関心領域を故意に設定（表
示）しないことにより画像を見ている医師に対して無所
見であること明示する効果が生じる。

【００７７】また、本発明の目的は、前述した実施形態
の機能を実現するソフトウェアのプログラムコードを記
録した記憶媒体を、システムあるいは装置に供給し、そ
のシステムあるいは装置のコンピュータ（またはＣＰＵ
やＭＰＵ）が記憶媒体に格納されたプログラムコードを
読出し実行することによっても、達成されることは言う
までもない。

【００７８】この場合、記憶媒体から読出されたプログ
ラムコード自体が前述した実施形態の機能を実現するこ
とになり、そのプログラムコードを記憶した記憶媒体は
本発明を構成することになる。

【００７９】プログラムコードを供給するための記憶媒
体としては、例えば、フロッピディスク，ハードディス
ク，光ディスク，光磁気ディスク，ＣＤ−ＲＯＭ，ＣＤ
−Ｒ，磁気テープ，不揮発性のメモリカード，ＲＯＭな
どを用いることができる。

【００８０】また、コンピュータが読出したプログラム
コードを実行することにより、前述した実施形態の機能
が実現されるだけでなく、そのプログラムコードの指示
に基づき、コンピュータ上で稼働しているＯＳ（オペレ
ーティングシステム）などが実際の処理の一部または全
部を行い、その処理によって前述した実施形態の機能が
実現される場合も含まれることは言うまでもない。

【００８１】さらに、記憶媒体から読出されたプログラ
ムコードが、コンピュータに挿入された機能拡張ボード
やコンピュータに接続された機能拡張ユニットに備わる
メモリに書込まれた後、そのプログラムコードの指示に
基づき、その機能拡張ボードや機能拡張ユニットに備わ
るＣＰＵなどが実際の処理の一部または全部を行い、そ
の処理によって前述した実施形態の機能が実現される場
合も含まれることは言うまでもない。

【００８２】

【発明の効果】以上説明したように、本発明によれば、
符号化されたデータから診断に有効な領域を優先的に読
み出すことが可能となり、必要な画像を迅速に取得する
ことが可能となる。

【００８３】また、本発明によれば、医療診断支援によ
って決定された、診断あるいは観察にとって重要な関心
領域を優先的に読みこみ、その領域の画質を向上させる
ことが可能となり、効率的に診断支援の精度を高めるこ
とができる。

【００８４】更に、本発明によれば、診断支援の診断目
的に応じて必要となる画質で画像データを取り込むこと
が可能となり、効率的な画像転送が実現可能となる。

【図面の簡単な説明】

【図１】本実施形態による画像処理装置の機能構成を示
すブロック図である。

【図２】本実施形態による画像処理装置の動作概要を説
明するフローチャートである。

【図３】陰影診断支援処理を説明するフローチャートで
ある。

【図４】陰影抽出部の内部構成を示すブロック図であ
る。

【図５】陰影抽出部の特性を説明する図である。

【図６】陰影抽出された部位が陽性であるか否かを判定
するためのニューラルネットワークを示す図である。

【図７】以上の陰影診断支援部のプロセスを説明する図
である。

【図８】テクスチャ疾患診断支援処理を説明するフロー
チャートである。

【図９】テクスチャ疾患抽出処理の機能構成を示すブロ
ック図である。

【図１０】セグメンテーション部９１の詳細な機能構成
を示すブロック図である。

【図１１】学習フェーズにおけるセグメンテーション部
の機能構成を説明する図である。

【図１２】利用フェーズにおけるセグメンテーション部
９１の機能構成を説明する図である。

【図１３】セグメンテーションを説明する図である。

【図１４】具体的例を示す図である。

【図１５】画像入力部１１と画像サーバ１５１の間で符
号列を動的に生成する場合の構成を示した図である。

【図１６】画像をタイルに分割して符号化した場合の符
号列伝送を示した図である。

【図１７】画像をＤＷＴによって符号化した場合の符号
列伝送を示した図である。

【図１８】このときのレイヤ構成の様子を示した図であ
る。

【図１９】符号化データにおけるレイヤ配置を説明する
図である。

【図２０】本実施形態による画像処理装置の概略の構成
を説明するブロック図である。

【図２１】コードブロックと関心領域との関連を説明す
る図である。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号 ＦＩ テーマコート゛(参考） Ａ６１Ｂ 6/00 ３５０Ｄ Ｆターム(参考） 4C093 AA26 CA01 CA18 CA50 DA03 DA06 EE30 FD04 FD05 FD20 FF13 FF16 FF17 FF18 FF19 FF20 FF28 FF50 FG13 FH01 FH04 FH06 5B057 AA08 CA08 CA12 CA16 CB08 CB12 CB16 CC03 CE01 CG01 CH01 DA08 DA16 DA17 DB02 DB09 DC16 5C054 AA07 CA02 CC05 EA01 EG00 EJ00 FC12 FE09 HA12 5C078 AA04 BA21 BA57 BA59 CA14 DA01 DA02 EA00 5L096 AA06 BA06 BA13 DA01 EA24 EA35 FA06 FA22 HA08 LA01

Claims (22)

【特許請求の範囲】
1. 【請求項１】 画像データを系列変換し、符号化して得
   られたデータストリームの第１の部分を取り込む第１取
   込手段と、 前記第１取込手段により取り込まれたデータストリーム
   を復号化して２次元画像を得る復号手段と、 前記復号手段によって得られた２次元画像を解析し、該
   ２次元画像中の関心領域を決定する解析手段と、 前記解析手段によって決定された関心領域に基づいて前
   記データストリームより選択される第２の部分を取り込
   む第２取込手段とを備えることを特徴とする画像処理装
   置。
2. 【請求項２】 前記第１取込手段で取り込む第１の部分
   のデータストリームは、前記解析手段による解析の実行
   を可能とする最低限の画質を保証するものであることを
   特徴とする請求項１に記載の画像処理装置。
3. 【請求項３】 前記解析手段は、前記符号手段によって
   得られた２次元画像について医療診断支援を行なうこと
   を特徴とする請求項１に記載の画像処理装置。
4. 【請求項４】 前記第１取込手段で取り込む前記第１の
   部分のデータ量を、診断目的に応じて設定する設定手段
   を更に備えることを特徴とする請求項３に記載の画像処
   理装置。
5. 【請求項５】 前記関心領域は、前記医療診断支援の結
   果、陽性と判定された領域であることを特徴とする請求
   項３に記載の画像処理装置。
6. 【請求項６】 前記第２取込手段は、前記解析手段が出
   力する関心領域に対応する画像の詳細を表すデータスト
   リームを取り込むことを特徴とする請求項１に記載の画
   像処理装置。
7. 【請求項７】 前記第２取込手段は、データストリーム
   を提供する装置に対して、前記画像の詳細を表すデータ
   ストリームの提供を要求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. 【請求項８】 前記第２取込手段は、前記関心領域に対
   応する領域が、前記第１取込手段で取り込まれたデータ
   ストリームによって得られる画質よりも高画質になるよ
   うにデータストリームを取り込むことを特徴とする請求
   項１に記載の画像処理装置。
9. 【請求項９】 前記第２取込手段で取り込まれたデータ
   ストリームについて前記復号手段と前記解析手段を実行
   することを特徴とする請求項１に記載の画像処理装置。
10. 【請求項１０】 前記復号手段で復号された２次元画像
    を表示するとともに、当該表示において前記解析手段で
    決定された関心領域を明示する表示を行なう表示手段を
    更に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。
11. 【請求項１１】 画像データを系列変換し、符号化して
    得られたデータストリームの第１の部分を取り込む第１
    取込工程と、 前記第１取込工程により取り込まれたデータストリーム
    を復号化して２次元画像を得る復号工程と、 前記復号工程によって得られた２次元画像を解析し、該
    ２次元画像中の関心領域を決定する解析工程と、 前記解析工程によって決定された関心領域に基づいて前
    記データストリームより選択される第２の部分を取り込
    む第２取込工程とを備えることを特徴とする画像処理方
    法。
12. 【請求項１２】 前記第１取込工程で取り込む第１の部
    分のデータストリームは、前記解析工程による解析の実
    行を可能とする最低限の画質を保証するものであること
    を特徴とする請求項１１に記載の画像処理方法。
13. 【請求項１３】 前記解析工程は、前記符号工程によっ
    て得られた２次元画像について医療診断支援を行なうこ
    とを特徴とする請求項１１に記載の画像処理方法。
14. 【請求項１４】 前記第１取込工程で取り込む前記第１
    の部分のデータ量を、診断目的に応じて設定する設定工
    程を更に備えることを特徴とする請求項１３に記載の画
    像処理方法。
15. 【請求項１５】 前記関心領域は、前記医療診断支援の
    結果、陽性と判定された領域であることを特徴とする請
    求項１３に記載の画像処理方法。
16. 【請求項１６】 前記第２取込工程は、前記解析工程が
    出力する関心領域に対応する画像の詳細を表すデータス
    トリームを取り込むことを特徴とする請求項１１に記載
    の画像処理方法。
17. 【請求項１７】 前記第２取込工程は、データストリー
    ムを提供する装置に対して、前記画像の詳細を表すデー
    タストリームの提供を要求することを特徴とする請求項
    １６に記載の画像処理方法。
18. 【請求項１８】 前記第２取込工程は、前記関心領域に
    対応する領域が、前記第１取込工程で取り込まれたデー
    タストリームによって得られる画質よりも高画質になる
    ようにデータストリームを取り込むことを特徴とする請
    求項１１に記載の画像処理方法。
19. 【請求項１９】 前記第２取込工程で取り込まれたデー
    タストリームについて前記復号工程と前記解析工程を実
    行することを特徴とする請求項１１に記載の画像処理方
    法。
20. 【請求項２０】 前記復号工程で復号された２次元画像
    を表示するとともに、当該表示において前記解析工程で
    決定された関心領域を明示する表示を行なう表示工程を
    更に備えることを特徴とする請求項１１に記載の画像処
    理方法。
21. 【請求項２１】 請求項１１乃至２０のいずれかに記載
    の画像処理方法をコンピュータによって実現するための
    制御プログラムを格納する記憶媒体。
22. 【請求項２２】 請求項１１乃至２０のいずれかに記載
    の画像処理方法をコンピュータによって実現するための
    制御プログラム。