JP2005278690A - コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム - Google Patents
コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム Download PDFInfo
- Publication number
- JP2005278690A JP2005278690A JP2004093226A JP2004093226A JP2005278690A JP 2005278690 A JP2005278690 A JP 2005278690A JP 2004093226 A JP2004093226 A JP 2004093226A JP 2004093226 A JP2004093226 A JP 2004093226A JP 2005278690 A JP2005278690 A JP 2005278690A
- Authority
- JP
- Japan
- Prior art keywords
- shadow
- image
- false positive
- processing
- chest
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 162
- 238000004590 computer program Methods 0.000 title description 2
- 238000012545 processing Methods 0.000 claims abstract description 141
- 230000008569 process Effects 0.000 claims abstract description 94
- 210000004204 blood vessel Anatomy 0.000 claims abstract description 54
- 210000004072 lung Anatomy 0.000 claims abstract description 41
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000000877 morphologic effect Effects 0.000 claims abstract description 19
- 238000001914 filtration Methods 0.000 claims abstract description 6
- 238000009826 distribution Methods 0.000 claims description 34
- 238000000605 extraction Methods 0.000 abstract description 15
- 210000000038 chest Anatomy 0.000 description 37
- 238000010586 diagram Methods 0.000 description 9
- 238000001514 detection method Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 6
- 210000000779 thoracic wall Anatomy 0.000 description 6
- 238000004364 calculation method Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000002372 labelling Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 238000002059 diagnostic imaging Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 230000008030 elimination Effects 0.000 description 2
- 238000003379 elimination reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000001965 increasing effect Effects 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 210000004872 soft tissue Anatomy 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
Images
Landscapes
- Image Generation (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
Abstract
【課題】 簡単な工程で結節状陰影を高精度で検出することが可能な、コンピュータを用いた３次元胸部ＣＴ画像から結節状陰影を検出する方法を提供する。
【解決手段】 コンピュータを用いた３次元胸部ＣＴ画像から結節状陰影を検出する方法において、胸部ＣＴスライス画像データから３次元ボリュームデータを作成し１１、前記３次元ボリュームデータから肺野領域を選択し１３、胸部ＣＴスライス画像において、モルフォロジカルフィルタ処理により背景トレンド成分を除去し１２、前記背景トレンド成分除去画像から偽陽性陰影を除去する。偽陽性陰影の除去は、非線形線強調フィルタ処理による血管抽出１７、Ｓｏｂｅｌフィルタを用いたエッジ方向画像を利用した偽陽性の除去１８、特徴量分析による偽陽性の除去１９などがある。
【選択図】 図１
【解決手段】 コンピュータを用いた３次元胸部ＣＴ画像から結節状陰影を検出する方法において、胸部ＣＴスライス画像データから３次元ボリュームデータを作成し１１、前記３次元ボリュームデータから肺野領域を選択し１３、胸部ＣＴスライス画像において、モルフォロジカルフィルタ処理により背景トレンド成分を除去し１２、前記背景トレンド成分除去画像から偽陽性陰影を除去する。偽陽性陰影の除去は、非線形線強調フィルタ処理による血管抽出１７、Ｓｏｂｅｌフィルタを用いたエッジ方向画像を利用した偽陽性の除去１８、特徴量分析による偽陽性の除去１９などがある。
【選択図】 図１
Description
本発明は、コンピュータを用いた３次元胸部ＣＴ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラムに関するものである。
近年、胸部画像診断にはＣＴ画像が広く利用されており、単純Ｘ線写真からＣＴによる診断に移行が進んできている（例えば、特許文献１参照）。また、ヘリカル方式やマルチディテクタを搭載したＣＴ装置が普及し、１検査あたりのスライス画像が、数十枚から数１００枚へと増加し、読影する医師の負担が増してきている。そこで、コンピュータを用いて医師による結節状陰影の検出を支援するため、胸部３次元ＣＴ画像から自動的に結節状陰影を検出する手法の開発が行われている。
現在、胸部ＣＴ画像から自動的に結節状陰影を検出する技術としては、例えば、下記の方法が知られている。まず、癌の候補となる結節状陰影を球モデルとし、血管を円筒モデルのつなぎ合わせてとして、それぞれのサイズなどを変化させたテンプレートを複数作成し、それらのテンプレート画像とＣＴ画像に含まれる陰影とのマッチングを行うことによって結節状陰影と血管陰影とを区別し、結節状陰影を検出する手法がある（非特許文献１参照）。また、様々なサイズの３次元ガウス分布と結節状陰影の相互相関値を計算し、遺伝的モデルによって最適なテンプレートを選択して結節状陰影を検出する手法がある（非特許文献２参照）。そして、肺野領域の閾値処理の後に、ローリングボール法と呼ばれる胸壁部の結節状陰影を検出する手法を用いる方法（非特許文献３参照）がある。これらの他に、血管陰影、結節状陰影、気道陰影をヘシアン行列を用いることによって、選択的に強調する手法（非特許文献４参照）などが知られている。
しかし、これら従来の技術は、胸壁部分の結節状陰影の検出に対して、特別な手法を用いる必要があることや、背景のＣＴ値の変動によって、結節状陰影の検出に影響が出る場合があり、処理工程の煩雑さや精度の問題があった。
特開２００１−７８９９６号公報
重本加奈恵、滝沢穂高、山本眞司、中川徹、松本徹、舘野之男、飯沼武、松本満臣、「３次元結節・血管モデルとテンプレートマッチングを用いた胸部Ｘ線ＣＴ画像からの結節陰影の高速認識」，MEDICAL IMAGING TECHNOLOGY，２００３年，第２１巻，第２号，ｐ．１４７−１５５
李鎔範、原武史、藤田広志、「胸部ヘリカルＣＴ画像を用いたシュミレーションによるＧＡテンプレートマッチング法の評価」，医用画像情報通信学会雑誌，２０００年，第１７巻，第３号，ｐ．１１８−１２９
Yongbum Lee, Takeshi Hara, Hiroshi Fujita, Shigeki Itoh, and Takeo Ishigaki, "Automated Detection of Pulmonary Nodules in Helical CT Images Based on an Improved Template-Matching Technique", IEEE TRANSACTIONS ON MEDICAL IMAGING, 2001, 20(7), p.595-604
Qiang Li, Shusuke Sone, Kunio Doi, "Selective enhancement filters for nodules,vessels,and air walls in two- and three-dimensional CT scans", Medical Physics, 2003, 30(8), p.2040-2051
本発明は、このような事情に鑑みなされたもので、コンピュータを用いた３次元胸部ＣＴ画像から結節状陰影を検出する方法であって、簡単な工程で結節状陰影を高精度で検出する方法の提供を、その目的とする。
前記目的を達成するために、本発明の方法は、コンピュータを用いた３次元胸部ＣＴ画像から結節状陰影を検出する方法であって、
胸部ＣＴスライス画像データから３次元ボリュームデータを作成する工程と、
前記３次元ボリュームデータから肺野領域を選択する工程と、
胸部ＣＴスライス画像において、モルフォロジカルフィルタ処理により背景トレンド成分を除去する工程と、
前記背景トレンド成分除去画像から偽陽性陰影を除去する工程とを含む方法である。
胸部ＣＴスライス画像データから３次元ボリュームデータを作成する工程と、
前記３次元ボリュームデータから肺野領域を選択する工程と、
胸部ＣＴスライス画像において、モルフォロジカルフィルタ処理により背景トレンド成分を除去する工程と、
前記背景トレンド成分除去画像から偽陽性陰影を除去する工程とを含む方法である。
また、本発明の装置は、３次元胸部ＣＴ画像から結節状陰影を検出する装置であって、
胸部ＣＴスライス画像データから３次元ボリュームデータを作成する手段と、
前記３次元ボリュームデータから肺野領域を選択する手段と、
胸部ＣＴスライス画像において、モルフォロジカルフィルタ処理により背景トレンド成分を除去する手段と、
前記背景トレンド成分除去画像から偽陽性陰影を除去する手段とを含む装置である。
胸部ＣＴスライス画像データから３次元ボリュームデータを作成する手段と、
前記３次元ボリュームデータから肺野領域を選択する手段と、
胸部ＣＴスライス画像において、モルフォロジカルフィルタ処理により背景トレンド成分を除去する手段と、
前記背景トレンド成分除去画像から偽陽性陰影を除去する手段とを含む装置である。
そして、本発明のプログラムは、前記本発明の方法をコンピュータにおいて実行可能なプログラムである。
前記モルフォロジカルフィルタ処理により背景トレンド成分を除去すると、従来の技術よりもかなりの程度で結節状陰影と血管とを明確にすることができ、この処理画像より偽陽性陰影を除去すれば、高精度で結節状陰影を検出することができる。しかも、前記モルフォロジカルフィルタ処理は、簡単な処理方法である。したがって、本発明によれば、簡単な工程で結節状陰影を高精度で検出することができる。
本発明の方法において、前記モルフォロジカルフィルタ処理による背景トレンド成分を除去する工程は、胸部ＣＴスライスの原画像において、円形カーネルを用いたオープン処理を行い、得られたオープン処理画像を前記原画像から差し引く工程であることが好ましい。
本発明の方法において、前記偽陽性陰影を除去する工程は、特徴量分析による偽陽性陰影の除去工程を含むことが好ましい。前記特徴量分析は、陰影の体積、陰影の球形度、陰影のボクセル値の平均値、陰影のボクセル値の標準偏差、陰影のボクセル値の変動係数、２次中心モーメント、歪度、尖度、陰影のピクセル値の最大値、陰影のピクセル値の最小値および陰影のコントラストからなる群から選択される少なくとも一つの特徴量を算出し、その陰影が偽陽性か否かを判断する分析であることが好ましい。
本発明の方法において、前記偽陽性陰影除去工程は、Ｓｏｂｌｅフィルタ処理によるエッジ方向画像による偽陽性除去工程を含むことが好ましい。前記Ｓｏｂｅｌフィルタ処理によるエッジ方向画像による偽陽性除去工程は、胸部ＣＴスライス画像に対しＳｏｂｅｌフィルタ処理を行ってエッジ方向画像を作成し、このエッジ方向画像に対して模擬結節状陰影である２次元ガウス分布画像に対しＳｏｂｅｌフィルタ処理を行ったエッジ方向画像をテンプレートとして２次元相互相関値を計算し、得られた２次元相互相関値を画像として表し、この画像を閾値処理し、この閾値処理画像と結節状陰影の初期候補との重なりを調べて血管に起因する偽陽性陰影を除去する工程であることが好ましい。前記前記Ｓｏｂｅｌフィルタ処理によるエッジ方向画像による偽陽性除去工程は、横断面胸部ＣＴスライス画像および矢状面胸部ＣＴスライス画像について実施することが好ましい。
本発明の方法において、前記偽陽性陰影除去工程は、ＭＩＰ（最大値投影法）処理を行った画像に対し非線形線強調フィルタ処理を行って血管に起因する偽陽性陰影を除去する工程を含むことが好ましい。前記ＭＩＰ処理は、３枚の胸部ＣＴスライス画像を用いた部分ボリュームデータを作成し、これに対してＭＩＰ処理を行う処理であることが好ましい。
本発明の方法において、さらに、３次元ゼロ包囲ガウシアンテンプレートによる結節状陰影の強調処理を行い、この強調画像に対して閾値処理を行って結節状陰影候補を選択する工程を有することが好ましい。
本発明の装置において、前記モルフォロジカルフィルタ処理による背景トレンド成分を除去する手段は、胸部ＣＴスライスの原画像において、円形カーネルを用いたオープン処理を行い、得られたオープン処理画像を前記原画像から差し引く手段であることが好ましい。
本発明の装置において、前記偽陽性陰影を除去する手段は、特徴量分析による偽陽性陰影の除去手段を含むことが好ましい。前記特徴量分析は、陰影の体積、陰影の球形度、陰影のボクセル値の平均値、陰影のボクセル値の標準偏差、陰影のボクセル値の変動係数、２次中心モーメント、歪度、尖度、陰影のピクセル値の最大値、陰影のピクセル値の最小値および陰影のコントラストからなる群から選択される少なくとも一つの特徴量を算出し、その陰影が偽陽性か否かを判断する分析であることが好ましい。
本発明の装置において、前記偽陽性陰影除去手段は、Ｓｏｂｌｅフィルタ処理によるエッジ方向画像による偽陽性除去手段を含むことが好ましい。前記Ｓｏｂｅｌフィルタ処理によるエッジ方向画像による偽陽性除去手段は、胸部ＣＴスライス画像に対しＳｏｂｅｌフィルタ処理を行ってエッジ方向画像を作成し、このエッジ方向画像に対して模擬結節状陰影である２次元ガウス分布画像に対しＳｏｂｅｌフィルタ処理を行ったエッジ方向画像をテンプレートとして２次元相互相関値を計算し、得られた２次元相互相関値を画像として表し、この画像を閾値処理し、この閾値処理画像と結節状陰影の初期候補との重なりを調べて血管に起因する偽陽性陰影を除去する手段であることが好ましい。前記前記Ｓｏｂｅｌフィルタ処理によるエッジ方向画像による偽陽性除去は、水平面胸部ＣＴスライス画像および矢状面胸部ＣＴスライス画像について実施することが好ましい。
本発明の装置において、前記偽陽性陰影除去手段は、ＭＩＰ処理を行った画像に対し非線形線強調フィルタ処理を行って血管に起因する偽陽性陰影を除去する手段を含むことが好ましい。前記ＭＩＰ処理は、３枚の胸部ＣＴスライス画像を用いた部分ボリュームデータを作成し、これに対してＭＩＰ処理を行う処理であることが好ましい。
本発明の装置において、さらに、３次元ゼロ包囲ガウシアンテンプレートによる結節状陰影の強調処理を行い、この強調画像に対して閾値処理を行って結節状陰影候補を選択する手段を有することが好ましい。
本発明プログラムは、コンピュータ読み取り可能な記録媒体に格納されていてもよい。
つぎに、本発明の方法の一例について、図面に基き説明する。なお、下記に示す画像、フローチャートおよび機能ブロック図は、本発明の実施における一例であり、これによって本発明はなんら制限されない。
この例の手法のフローチャートを図１に示す。図示のように、この例では、まず、胸部ＣＴ画像を読み込む工程１１と、肺野領域の不均一なＣＴ値変動（大局的に変化する背景トレンド成分）をモルフォロジカルフィルタ処理に基づく方法で取り除く工程１２と、肺野領域抽出工程１３と、３次元ゼロサラウンドガウシアンを用いた結節状陰影テンプレート作成工程１４と、３次元相互相関法による結節状陰影の強調工程１５と、閾値処理による結節状陰影候補の拾い上げ工程１６と、非線形線強調フィルタ処理による血管抽出工程１７と、Ｓｏｂｅｌフィルタ処理を用いたエッジ方向画像を利用した偽陽性の除去工程１８と、特徴量分析による偽陽性の除去工程１９と、結節状陰影候補の決定の工程２０を含む。これらの各工程について、以下、具体的に説明する。
（１） 胸部ＣＴスライス画像の読み込み
胸部ＣＴ検査によって得られるＣＴ画像は、図２に示すように，複数の横断スライス画像によって構成される。この例では、図の右側に拡大して表示したスライス画像の矢印の位置に結節状陰影が存在する。このような５１２×５１２画素のオリジナルスライス画像に対し、４×４画素の移動平均処理による平滑化を行い、２５６×２５６画素に縮小した画像を用いて３次元ボリュームデータを作成することが好ましい。２５６×２５６画素に縮小した理由は、画像データベースの結節状陰影のサイズの下限である４．９ｍｍの結節状陰影を検出するために必要十分なマトリクスサイズであることと、不要な高周波成分を減弱するためであり、また、処理に要する時間も短縮されるからである。
胸部ＣＴ検査によって得られるＣＴ画像は、図２に示すように，複数の横断スライス画像によって構成される。この例では、図の右側に拡大して表示したスライス画像の矢印の位置に結節状陰影が存在する。このような５１２×５１２画素のオリジナルスライス画像に対し、４×４画素の移動平均処理による平滑化を行い、２５６×２５６画素に縮小した画像を用いて３次元ボリュームデータを作成することが好ましい。２５６×２５６画素に縮小した理由は、画像データベースの結節状陰影のサイズの下限である４．９ｍｍの結節状陰影を検出するために必要十分なマトリクスサイズであることと、不要な高周波成分を減弱するためであり、また、処理に要する時間も短縮されるからである。
（２） モルフォロジカルフィルタ処理による背景トレンド成分除去
次に，肺野内の位置によって異なる平均的な濃度を均一にするためにモルフォロジカルフィルタ処理（オープン処理）による背景トレンド成分除去を行う。この処理により、背景のＣＴ値を一様とし、肺野内の血管や結節状陰影のみを抽出することができる。この処理のフローチャートを図２３に示す。図示のように、この処理では、まず、胸部ＣＴスライス原画像２３１に対し、オープン処理２３２を行う。オープン処理２３２は、円形カーネルを用いた最小値フィルタ処理による画像の収縮処理２３２ａと、円形カーネルを用いた最大値フィルタ処理による画像の拡張による背景トレンド画像の生成処理２３２ｂとからなる。そして、原画像からオープン処理画像を差し引く処理２３３を行えば、背景トレンド成分が除去できる。具体的には、例えば、胸部ＣＴスライス原画像に対して直径１５画素の円形カーネルを用いた最小値フィルタ処理を行う。この処理によって、使用した円形カーネルよりもサイズの小さな血管や結節状陰影は消滅し、フィルタのサイズよりも大きな陰影は一回り小さく収縮する。次に、最小値フィルタ処理をした画像に対して、収縮した大きな陰影のサイズを元に戻すため、同じカーネルサイズの円形最大値フィルタによって拡張処理を行う。このとき、最小値フィルタ処理によって消滅した陰影は、最大値フィルタ処理を行っても消滅したままである。このように、収縮処理を行った画像に対して拡張処理を行うことをオープン処理という。図３（ｂ）に、図３（ａ）の原画像に対してオープン処理を行った画像を示す。肺野内の血管陰影や結節状陰影がほぼ消滅し，背景バックグラウンド成分と心臓，およびに肺野外の軟部組織のみが残った画像が得られている。最後に、原画像である胸部ＣＴスライス画像からオープン処理画像を引き算することによって、肺野内の背景トレンド成分を除去することができる。図３（ｃ）に、バックグラウンド成分を取り除いた画像を示す。肺野内の背景が均一化され、血管や結節状陰影がよく描出されているのがわかる。この処理を行うことによって、特に胸壁に接している結節状陰影に対して特別な処理を行うことなしに、結節状陰影を容易に検出することが可能になる。
次に，肺野内の位置によって異なる平均的な濃度を均一にするためにモルフォロジカルフィルタ処理（オープン処理）による背景トレンド成分除去を行う。この処理により、背景のＣＴ値を一様とし、肺野内の血管や結節状陰影のみを抽出することができる。この処理のフローチャートを図２３に示す。図示のように、この処理では、まず、胸部ＣＴスライス原画像２３１に対し、オープン処理２３２を行う。オープン処理２３２は、円形カーネルを用いた最小値フィルタ処理による画像の収縮処理２３２ａと、円形カーネルを用いた最大値フィルタ処理による画像の拡張による背景トレンド画像の生成処理２３２ｂとからなる。そして、原画像からオープン処理画像を差し引く処理２３３を行えば、背景トレンド成分が除去できる。具体的には、例えば、胸部ＣＴスライス原画像に対して直径１５画素の円形カーネルを用いた最小値フィルタ処理を行う。この処理によって、使用した円形カーネルよりもサイズの小さな血管や結節状陰影は消滅し、フィルタのサイズよりも大きな陰影は一回り小さく収縮する。次に、最小値フィルタ処理をした画像に対して、収縮した大きな陰影のサイズを元に戻すため、同じカーネルサイズの円形最大値フィルタによって拡張処理を行う。このとき、最小値フィルタ処理によって消滅した陰影は、最大値フィルタ処理を行っても消滅したままである。このように、収縮処理を行った画像に対して拡張処理を行うことをオープン処理という。図３（ｂ）に、図３（ａ）の原画像に対してオープン処理を行った画像を示す。肺野内の血管陰影や結節状陰影がほぼ消滅し，背景バックグラウンド成分と心臓，およびに肺野外の軟部組織のみが残った画像が得られている。最後に、原画像である胸部ＣＴスライス画像からオープン処理画像を引き算することによって、肺野内の背景トレンド成分を除去することができる。図３（ｃ）に、バックグラウンド成分を取り除いた画像を示す。肺野内の背景が均一化され、血管や結節状陰影がよく描出されているのがわかる。この処理を行うことによって、特に胸壁に接している結節状陰影に対して特別な処理を行うことなしに、結節状陰影を容易に検出することが可能になる。
図４（ａ）および（ｂ）に、それぞれ、マトリクスサイズ５１２×５１２のオリジナルＣＴスライス画像と背景トレンド成分除去を行った画像を示す。矢印部に結節状陰影が存在しているが、トレンド成分を除去した画像では、胸壁に接することなく、孤立陰影として観察される。これらの画像を用いて、単純な閾値処理を行った結果を図５（ａ）および（ｂ）に、それぞれ示す。図５（ａ）では、背景のバックグラウンド成分の影響で、下肺野の結節状陰影が血管および胸壁と接して検出されているのに対して、図５（ｂ）では、結節状陰影や血管が明瞭に抽出されていることがわかる。
この手法によって、肺野内の陰影のみが抽出できるので、３次元画像表示の際に多用されているＭＩＰ（最大値投影法）を行うための前処理として利用することができる。オリジナルＣＴ画像を用いてＭＩＰ処理を行うよりも、血管像の３次元表示が容易になる。また、今回対象としたＣＴ画像のみではなく、ＭＲＩや超音波画像など全ての画像に適用できる手法である。
（３） 肺野領域の抽出
肺野領域の抽出のフローチャートを図２２に示す。図示のように、肺野領域の抽出処理は、（１）で作成した３次元胸部ＣＴ画像２２１からＣＴ値ヒストグラムを作成する工程２２２と、ヒストグラムの判別分析で決定した閾値を用いた２値化処理をする工程２２３と、３次元ラベリングの工程２２４と、ラベル画像の体積を用いた胸部領域を選択する工程２２５と、クロージング処理によるラベル画像の穴埋めと辺縁のスムージング処理の工程２２６とからなる。具体的には、例えば、（１）で作成した３次元ＣＴボリュームデータ（マトリクスサイズ：２５６×２５６×スライス画像数）を用いて、図６に示すようなＣＴ値のヒストグラムを求める。そして、そのヒストグラムを用いた判別分析法によって閾値を決定し３次元ＣＴ画像を２値化する。さらに、得られた３次元２値画像のラベリングを行った後、個々の陰影の体積を求めることによって、肺野領域のみを抽出する。図７（ａ）に、抽出された肺野領域を示す。この図に示されているように、単純に閾値処理を行うだけでは、比較的太い血管の領域などに欠損が生じる。このために、３次元２値画像に対してクロージング処理をし、欠損部を埋めて最終的な肺野領域とする。このようにして得られた最終的な肺野領域を、図７（ｂ）に示す。図８は、抽出された肺野領域を２次元モンタージュ画像として示した図である。肺野領域が、ほぼ正確に抽出されていることがわかる。
肺野領域の抽出のフローチャートを図２２に示す。図示のように、肺野領域の抽出処理は、（１）で作成した３次元胸部ＣＴ画像２２１からＣＴ値ヒストグラムを作成する工程２２２と、ヒストグラムの判別分析で決定した閾値を用いた２値化処理をする工程２２３と、３次元ラベリングの工程２２４と、ラベル画像の体積を用いた胸部領域を選択する工程２２５と、クロージング処理によるラベル画像の穴埋めと辺縁のスムージング処理の工程２２６とからなる。具体的には、例えば、（１）で作成した３次元ＣＴボリュームデータ（マトリクスサイズ：２５６×２５６×スライス画像数）を用いて、図６に示すようなＣＴ値のヒストグラムを求める。そして、そのヒストグラムを用いた判別分析法によって閾値を決定し３次元ＣＴ画像を２値化する。さらに、得られた３次元２値画像のラベリングを行った後、個々の陰影の体積を求めることによって、肺野領域のみを抽出する。図７（ａ）に、抽出された肺野領域を示す。この図に示されているように、単純に閾値処理を行うだけでは、比較的太い血管の領域などに欠損が生じる。このために、３次元２値画像に対してクロージング処理をし、欠損部を埋めて最終的な肺野領域とする。このようにして得られた最終的な肺野領域を、図７（ｂ）に示す。図８は、抽出された肺野領域を２次元モンタージュ画像として示した図である。肺野領域が、ほぼ正確に抽出されていることがわかる。
（４） 結節状陰影の強調
図２４に、結節状陰影候補の強調処理のフローチャートを示す。図示のように、この処理では、背景トレンド成分除去画像２４１に対し、３次元ガウシアン関数による模擬結節状陰影テンプレートを作成する工程２４２と、３次元相互相関法による結節状陰影の強調工程２４３からなる。
図２４に、結節状陰影候補の強調処理のフローチャートを示す。図示のように、この処理では、背景トレンド成分除去画像２４１に対し、３次元ガウシアン関数による模擬結節状陰影テンプレートを作成する工程２４２と、３次元相互相関法による結節状陰影の強調工程２４３からなる。
３次元ガウス分布を用いた模擬結節状陰影テンプレートの作成
結節状陰影候補の強調処理のためには、下記のようにして、３次元ガウシアン関数（分布）による模擬結節状陰影テンプレートを作成する必要がある。
結節状陰影候補の強調処理のためには、下記のようにして、３次元ガウシアン関数（分布）による模擬結節状陰影テンプレートを作成する必要がある。
すなわち、まず、検出対象となる結節状陰影は、球形をしている場合が多いため、球形の３次元ガウス分布状のテンプレートを用いて検出する。さらに、孤立した結節状陰影をより効果的に強調するために周囲のゼロ領域も含めた、３次元ゼロ包囲ガウシアンテンプレートを模擬結節状陰影として使用する。図９に、３次元ガウシアンテンプレート（同図左上）を示し、併せて、横断面（同図右上）、冠状面（同図左下）、矢状面（同図右下）の断面図も示す。なお、同図において、点線は、テンプレートのゼロの領域の範囲を示している。
３次元ＣＴ画像では、多くの場合、横断面（ｘ−ｙ平面）における解像度は、０．５ｍｍから０．６ｍｍ程度であるのに対して、体軸方向（ｚ方向）の解像度は５ｍｍから１０ｍｍ程度として撮影されている。したがって、球形のテンプレートを作成する場合には、ボクセルのそれぞれの辺の長さを考慮し、分布が球形になるように作成する。３次元ガウス分布の式を下記式（Ｉ）に示す。
（５） ３次元相互相関法による結節状陰影候補の強調
つぎに、背景トレンド成分を除去した２５６×２５６×スライス画像数の３次元画像と３次元ゼロ包囲ガウシアンテンプレート画像の相互相関値をテンプレート画像の位置をずらしながら計算することにより、結節状陰影によく似たパターンを選択的に強調する。この計算は、例えば、前記（３）の肺野領域抽出処理で抽出された肺野領域にのみ行う。相互相関値を求める式を、下記式（ＩＩ）に示す。
つぎに、背景トレンド成分を除去した２５６×２５６×スライス画像数の３次元画像と３次元ゼロ包囲ガウシアンテンプレート画像の相互相関値をテンプレート画像の位置をずらしながら計算することにより、結節状陰影によく似たパターンを選択的に強調する。この計算は、例えば、前記（３）の肺野領域抽出処理で抽出された肺野領域にのみ行う。相互相関値を求める式を、下記式（ＩＩ）に示す。
相互相関値は、テンプレートと全く同じ形状の陰影が存在した場合、１．０に近い値となり、形状がテンプレートと大きく異なる場合は０．０に近い値となる。また、形状は同じで白黒が反転している場合には−１．０となる。その結果、テンプレート画像である模擬結節状陰影に良く似た形状をしたものは、１．０に近い相関値が得られ、血管などのようにテンプレート画像に似ていない形状をしているものは、０．０に近い相関値が得られることになる。図１０（ａ）に、直径６ｍｍの３次元ガウシアンテンプレートを用いて計算した相互相関値の計算結果を示す。矢印の位置にある結節状陰影がよく強調されているが、血管など他の正常構造も強調されているのがわかる。図１０（ｂ）は、直径６ｍｍの３次元ガウシアンテンプレートの周囲２．５ｍｍの領域をゼロで包んだテンプレートを用いて計算した相互相関値の計算結果を示す。図１０（ａ）と比較すると、血管の強調が抑えられ、より選択的に結節状陰影が強調されているのがわかる。図１０（ｃ）は、直径６ｍｍの３次元ガウシアンテンプレートの周囲５．０ｍｍの領域をゼロで包んだテンプレートを用いて計算した相互相関値の計算結果を示す。結節状陰影は強調されたままで、（ｂ）よりもさらに血管の強調が抑えられる。
（６） 閾値処理による結節状陰影候補の拾い上げ
図２５に、閾値処理のフローチャートを示す。図示のように、この処理は、結節状陰影強調画像２５１から、閾値処理のよる２値画像を作成する工程２５２と、結節状陰影初期候補を決定する工程２５３からなる。具体的には、前記（５）で得られた結節状陰影強調画像に対して閾値処理をし、結節状候補陰影を２値画像として検出する。ここでは閾値を０．２７としたが、これは、２値化して検出された結節状候補陰影と原画像において観察される結節状陰影のサイズがほぼ同程度になるように、経験的に定めた値である。したがって、閾値は、これに限定されず、その他の値を閾値としてもよい。
図２５に、閾値処理のフローチャートを示す。図示のように、この処理は、結節状陰影強調画像２５１から、閾値処理のよる２値画像を作成する工程２５２と、結節状陰影初期候補を決定する工程２５３からなる。具体的には、前記（５）で得られた結節状陰影強調画像に対して閾値処理をし、結節状候補陰影を２値画像として検出する。ここでは閾値を０．２７としたが、これは、２値化して検出された結節状候補陰影と原画像において観察される結節状陰影のサイズがほぼ同程度になるように、経験的に定めた値である。したがって、閾値は、これに限定されず、その他の値を閾値としてもよい。
図１１（ａ）に、３次元ゼロ包囲ガウシアンテンプレートで得られた相互相関値の画像を示し、図１１（ｂ）には閾値処理の結果得られた、結節状候補陰影を示す。図示のように、小さな結節状陰影が矢印の位置に検出されている。なお、多くの偽陽性陰影も含まれているおそれがある場合は、この後の処理で、偽陽性を除去することが好ましい。
（７） Ｓｏｂｅｌフィルタで得られたエッジ方向パターンを利用した偽陽性の除去
ここでの処理は、偽陽性陰影は血管に起因することが多いため、線状パターンの血管と結節状陰影を区別し、結果を除去する処理である。この処理方法は、本発明者が独自に開発した手法である。Ｓｏｂｅｌフィルタは、エッジの強さとその方向を出力するフィルタである。ここでは、血管のように、ある一定方向に線状に伸びるパターンにおけるエッジの方向は一定になっていることと、結節状陰影のように丸いパターンの場合は、エッジの方向が陰影の中心に向かって０から３５９度まで変化することに着眼し、血管に起因する偽陽性を取り除く。
ここでの処理は、偽陽性陰影は血管に起因することが多いため、線状パターンの血管と結節状陰影を区別し、結果を除去する処理である。この処理方法は、本発明者が独自に開発した手法である。Ｓｏｂｅｌフィルタは、エッジの強さとその方向を出力するフィルタである。ここでは、血管のように、ある一定方向に線状に伸びるパターンにおけるエッジの方向は一定になっていることと、結節状陰影のように丸いパターンの場合は、エッジの方向が陰影の中心に向かって０から３５９度まで変化することに着眼し、血管に起因する偽陽性を取り除く。
図２６に、Ｓｏｂｅｌフィルタで得られたエッジ方向パターンを利用した偽陽性の除去処理のフローチャートを示す。図示のように、この処理は、Ｓｏｂｅｌフィルタ処理によりエッジ方向画像を作成する工程２６１と、模擬結節状陰影のエッジ方向テンプレート画像を作成する工程２６２と、エッジ方向テンプレート画像とエッジ方向画像の２次元相互相関値を計算する工程２６３と、エッジ方向テンプレート画像と異なる方向パターンを持つ偽陽性陰影を除去する工程２６４とからなる。
この処理では、処理を単純にするために、２次元スライスＣＴ画像を用いる。図１２（ａ）および（ｂ）に、模擬結節状陰影である２次元ガウス分布とその分布をＳｏｂｅｌフィルタで処理して得られた、エッジ方向画像を示す。この図では、角度０度から３５９度までを黒から白の濃淡によって表現されている。原画像をＳｏｂｅｌフィルタ処理して得られたエッジ方向画像図１２（ｃ）に対して、図１２（ｂ）の方向画像をテンプレートとして２次元相互相関値を計算すると、模擬結節状陰影のエッジ方向分布図１２（ｂ）に良く似たエッジ方向分布の所では高い相関値を示し、血管のようにエッジ方向パターンが異なる所では低い相関値を示す。図１２（ｃ）の拡大図において、丸く囲んである部分に結節状陰影が存在するが、その方向のパターンは、テンプレートのエッジ方向パターンとよく似ていることがわかる。この手法によって得られた相互相関値を画像として表示したのが、図１３（ａ）である。さらに、この画像を閾値処理したのが図１３（ｂ）である。このように、結節状陰影のパターンでは、高い相互相関値が小さな点状の陰影として検出され、血管の場合は、全く検出されないか、または、横に長いパターンとして検出される。そして、この手法で得られた２値画像と結節状陰影の初期候補との重なりを調べることによって、血管に起因する偽陽性陰影を減少することができる。さらに、矢状方向の２次元断面画像についてもＳｏｂｅｌフィルタによるエッジ方向パターンを同様に求めて、さらに偽陽性陰影を減少させてもよい。
この手法は、陰影のエッジの方向を利用した手法であるため、陰影のコントラストに依存しない。したがって、早期の淡い肺がん陰影の場合でも、中心のＣＴ値が高く、その周辺では低いという性質があれば、感度よく検出することができる方法である。
図１４は、Ｓｏｂｅｌフィルタで得られたエッジ方向パターンを利用した偽陽性の除去の効果を示している。図１４（ａ）は、３次元相互相関法による結節状陰影候補の強調の過程で得られた初期結節状陰影候補を示しており、図１４（ｂ）は，Ｓｏｂｅｌフィルタで得られたエッジ方向パターンを利用した偽陽性の除去後を示している。この図より、エッジ方向テンプレート画像と異なる方向パターンを持つ偽陽性陰影の除去をする工程２６４の処理で、多数の偽陽性陰影が除去できることがわかる。
（８） 非線形線強調フィルタによる血管抽出
血管による偽陽性をさらに減少させるために、２次元の非線形の線強調フィルタ（重本加奈恵、滝沢穂高、山本眞司、中川徹、松本徹、舘野之男、飯沼武、松本満臣、「３次元結節・血管モデルとテンプレートマッチングを用いた胸部Ｘ線ＣＴ画像からの結節陰影の高速認識」，MEDICAL IMAGING TECHNOLOGY，２００３年，第２１巻，第２号，ｐ．１４７−１５５参照）を用いた血管陰影の抽出を行った。
血管による偽陽性をさらに減少させるために、２次元の非線形の線強調フィルタ（重本加奈恵、滝沢穂高、山本眞司、中川徹、松本徹、舘野之男、飯沼武、松本満臣、「３次元結節・血管モデルとテンプレートマッチングを用いた胸部Ｘ線ＣＴ画像からの結節陰影の高速認識」，MEDICAL IMAGING TECHNOLOGY，２００３年，第２１巻，第２号，ｐ．１４７−１５５参照）を用いた血管陰影の抽出を行った。
図２７に、非線形線強調フィルタによる血管抽出処理のフローチャートを示す。図示のように、この処理は、背景トレンド成分除去のＭＩＰ（最大値投影法）処理により陰影を抽出する工程２７１と、前記ＭＩＰ処理画像を２値化処理する工程２７２と、非線形線強調フィルタ処理により血管陰影（線パターン）を強調する工程２７３と、血管に起因する偽陽性陰影を除去する工程２７４とからなる。
この処理には、図１５に示すようなフィルタを用いた。このフィルタは、３本の線状テンプレートを一組とし、１２組の角度の異なるテンプレート群で構成されている。同図では、説明のために単純化して、２組の角度（垂直方向と右に４５度回転したテンプレート）のみを示している。そして、それぞれのテンプレートにおいて、真ん中のテンプレートに重なる画素値の総和（図中の記号：Ａ）、左のテンプレートの総和（図中の記号：Ｂ）、および右のテンプレートの総和（図中の記号：Ｃ）を求め、Ａ−ＢとＡ−Ｃの和をテンプレートの長さで割った値としている。［出力値＝（２Ａ−Ｂ−Ｃ）／テンプレートの長さ（Ａ＞ＢかつＡ＞Ｃの場合）］ただし、Ａの値がＢまたはＣよりも低い場合は、出力値は０としている［出力値＝０（Ａ＞ＢかつＡ＞Ｃの場合以外の場合）］。そして、最終的には、１２方向全ての方向のテンプレートからの出力値の最大値をフィルタの出力値としている。このことにより、どのような方向の線パターンでも強調することが可能となっている。
この非線形線強調フィルタは、背景トレンド成分を除去した画像を閾値処理して得られた２値画像図１６（ａ）に対して用いている。その理由は、淡い線パターンでも線として検出が容易にできるようにするためである。こうして得られた線パターンを図１６（ｂ）に示す。比較的太い血管が、検出されているのがわかる。この処理によって検出された血管の画像を用いて、結節状陰影と血管に起因する偽陽性を取り除くために用いる。
さらに効果的に血管を検出するため、ＭＩＰ（maximum intensity projection：最大値投影法）処理を併用する。この処理において、前記（３）で作成した背景バックグランド除去画像を用いる。図８に示されているような肺野領域を含む全てのスライス画像に対して、比較的狭い範囲の上下のスライスを用いた部分ボリュームデータを作成することが好ましい。今回は、３枚のスライス画像を一組としたが、スライス厚に応じてその範囲を決めることができる。その範囲は、例えば、３〜６枚の範囲のスライス画像である、次に、その部分ボリュームデータを用いてＭＩＰ処理を行う。前記ＭＩＰ処理した画像を、図１７に示す。この図に示されている上部３枚の画像のうち、図１７（ｂ）はＭＩＰ処理を行う中心画像、図１７（ａ）がその上部のスライス画像、図１７（ｃ）が下部のスライス画像である。図１７（ｄ）が、図１７（ａ）から（ｃ）の３枚のスライス画像を用いてＭＩＰ処理を行い得られた画像である。この画像には、ＭＩＰ処理の効果により、個々のスライス画像より多くの血管が１枚のＭＩＰ画像に含まれているのがわかる。しかしながら、ＭＩＰ処理で得られた画像には、血管陰影のみではなく、図１７（ｄ）の白い矢印部のように結節状陰影も含まれている場合もある。そこで、図１７（ｄ）に示されるＭＩＰ画像に対し２値化処理を行い、非線形線強調フィルタ処理をすることにより、線状の血管のみを選択的に強調することが可能となる。この方法を、全ての肺野を含むスライス画像に対して適用することによって、肺野全ての領域の血管陰影を選択的に強調することができる。この方法によって得られたＭＩＰ画像図１８（ａ）に対して、非線形線強調フィルタ処理をし、検出された血管像を、図１８（ｂ）に示す。図示のように、図１６（ｂ）と比較して、さらに多くの血管陰影が選択的に強調されてことがわかる。
（９） 特徴量分析による偽陽性の除去
これまでの処理により、多くの偽陽性陰影が除去されるが、実用的なレベルまで偽陽性を減少させるために、特徴量分析により、さらに偽陽性陰影を除去することが好ましい。図２８に、特徴量分析処理のフローチャートを示す。図示のように、この処理は、Ｓｏｂｅｌフィルタ処理で得られたエッジ方向パターンを利用した偽陽性陰影除去後の結節候補陰影を得る工程２８１と、結節候補陰影の特徴量を計算する工程２８２と、特徴量の閾値処理により偽陽性陰影を除去する工程２３３とからなる。なお、特徴量分析は、その特徴量の種類に応じ、計算する画像の種類を適宜選択することが好ましい。下記表１に、特徴量の種類を示す。
これまでの処理により、多くの偽陽性陰影が除去されるが、実用的なレベルまで偽陽性を減少させるために、特徴量分析により、さらに偽陽性陰影を除去することが好ましい。図２８に、特徴量分析処理のフローチャートを示す。図示のように、この処理は、Ｓｏｂｅｌフィルタ処理で得られたエッジ方向パターンを利用した偽陽性陰影除去後の結節候補陰影を得る工程２８１と、結節候補陰影の特徴量を計算する工程２８２と、特徴量の閾値処理により偽陽性陰影を除去する工程２３３とからなる。なお、特徴量分析は、その特徴量の種類に応じ、計算する画像の種類を適宜選択することが好ましい。下記表１に、特徴量の種類を示す。
（表１） 分析に使用した特徴量
１．陰影の体積
２．陰影の球形度
３．陰影毎のボクセルの平均値
４．陰影毎のボクセルの標準偏差
５．陰影毎の変動係数
６．２次中心モーメント
７．歪度（３次中心モーメント）
８．尖度（４次中心モーメント）
９．陰影毎のピクセル値の最大値
１０．陰影毎のピクセル値の最小値
１１．結節状陰影の最大値とその周囲から２ピクセル目の平均値とのコントラスト
１２．結節状陰影の平均値とその周囲から２ピクセル目の平均値とのコントラスト
１３．陰影毎に含まれる線(ライン)の割合
この例では、前記の特徴量１および２は、図１４（ｂ）の２値画像をラベリングし、個々の陰影に対して計算した。特徴量３から１２までの特徴量については、原画像、背景バックグランド除去画像、線強調画像、３次元相互相関画像、ＭＩＰ画像に対して計算し、偽陽性を除去した。特徴量１３についてのみ線強調画像に対して計算を行った。以下に個々の特徴量の詳細を示す。
１．陰影の体積
２．陰影の球形度
３．陰影毎のボクセルの平均値
４．陰影毎のボクセルの標準偏差
５．陰影毎の変動係数
６．２次中心モーメント
７．歪度（３次中心モーメント）
８．尖度（４次中心モーメント）
９．陰影毎のピクセル値の最大値
１０．陰影毎のピクセル値の最小値
１１．結節状陰影の最大値とその周囲から２ピクセル目の平均値とのコントラスト
１２．結節状陰影の平均値とその周囲から２ピクセル目の平均値とのコントラスト
１３．陰影毎に含まれる線(ライン)の割合
この例では、前記の特徴量１および２は、図１４（ｂ）の２値画像をラベリングし、個々の陰影に対して計算した。特徴量３から１２までの特徴量については、原画像、背景バックグランド除去画像、線強調画像、３次元相互相関画像、ＭＩＰ画像に対して計算し、偽陽性を除去した。特徴量１３についてのみ線強調画像に対して計算を行った。以下に個々の特徴量の詳細を示す。
１． 体積
（６）で作成したラベル番号のついた陰影ごとに体積を立方ミリメートル（ｍｍ３）ごとに計測する。この例では、５ｍｍから２０ｍｍまでの結節状陰影を検出することを目的し、それよりも極端に小さな陰影か大きな陰影は、偽陽性として除去する。
（６）で作成したラベル番号のついた陰影ごとに体積を立方ミリメートル（ｍｍ３）ごとに計測する。この例では、５ｍｍから２０ｍｍまでの結節状陰影を検出することを目的し、それよりも極端に小さな陰影か大きな陰影は、偽陽性として除去する。
２． 球形度
結節状陰影は球形に近い形状をしていることから、球形度を求めて偽陽性との区別をした。この例では、文献（Maryellen L. Giger, Kunio Doi and Heber MacMahon, "Automated detection of nodules in peripheral lung fields", Medical Physics, 1998, 15(2), p.158-164）中に定義されている円形度を３次元に拡張したものを用いた。求め方は、個々の陰影ごとに、陰影と同体積の球を陰影の重心を中心として重ね、陰影と球が重なる割合を求めた。完全に球であれば、球形度は１．０となり、陰影が長い場合は、その値が小さくなる傾向がある。したがって、この値が低い陰影は、偽陽性陰影と判断した。
結節状陰影は球形に近い形状をしていることから、球形度を求めて偽陽性との区別をした。この例では、文献（Maryellen L. Giger, Kunio Doi and Heber MacMahon, "Automated detection of nodules in peripheral lung fields", Medical Physics, 1998, 15(2), p.158-164）中に定義されている円形度を３次元に拡張したものを用いた。求め方は、個々の陰影ごとに、陰影と同体積の球を陰影の重心を中心として重ね、陰影と球が重なる割合を求めた。完全に球であれば、球形度は１．０となり、陰影が長い場合は、その値が小さくなる傾向がある。したがって、この値が低い陰影は、偽陽性陰影と判断した。
３．４．５． 平均値、標準偏差、変動係数
特徴量として、陰影ごとにボクセル値の平均値、標準偏差、変動係数を求める。平均値は陰影の平均濃度、標準偏差は陰影の濃度変動、変動係数は、標準偏差を平均値で割ることによって求められ、実質的なデータのバラツキの大きさを評価するのに役立つ。
特徴量として、陰影ごとにボクセル値の平均値、標準偏差、変動係数を求める。平均値は陰影の平均濃度、標準偏差は陰影の濃度変動、変動係数は、標準偏差を平均値で割ることによって求められ、実質的なデータのバラツキの大きさを評価するのに役立つ。
６． ２次中心モーメント
２次中心モーメントは分布の分散(バラツキ)を示す。分散を求めることにより、各陰影の分布の偏りがわかる。分布の分散を表す式を、式（ＩＩＩ）に示す。
２次中心モーメントは分布の分散(バラツキ)を示す。分散を求めることにより、各陰影の分布の偏りがわかる。分布の分散を表す式を、式（ＩＩＩ）に示す。
７． 歪度（３次中心モーメント）
歪度は、分布のゆがみを表す。これにより、分布の対象性を知ることができる。歪度＞０の場合、分布が右に歪んでいることを示し、歪度＜０の場合、分布が左に歪んでいることを示し、歪度＝０の場合、分布が左右対象であることを示す。その計算を、式（ＩＶ）に示す。
歪度は、分布のゆがみを表す。これにより、分布の対象性を知ることができる。歪度＞０の場合、分布が右に歪んでいることを示し、歪度＜０の場合、分布が左に歪んでいることを示し、歪度＝０の場合、分布が左右対象であることを示す。その計算を、式（ＩＶ）に示す。
８． 尖度（４次中心モーメント）
尖度は、分布の扁平度を表す値でガウス分布の形状と比較するために用いる。４次モーメントは、分布がガウス分布の時に３になるので、４次モーメントから３を引くことにより、ガウス分布からの尖度Ｋを求めることができる。模擬結節状陰影をガウス分布を用いて作成したので、結節状陰影とよく似た形状のものは尖度＝０となる。血管などの扁平な形状をしたものは尖度＜０となる。これを式（Ｖ）に示す。
尖度は、分布の扁平度を表す値でガウス分布の形状と比較するために用いる。４次モーメントは、分布がガウス分布の時に３になるので、４次モーメントから３を引くことにより、ガウス分布からの尖度Ｋを求めることができる。模擬結節状陰影をガウス分布を用いて作成したので、結節状陰影とよく似た形状のものは尖度＝０となる。血管などの扁平な形状をしたものは尖度＜０となる。これを式（Ｖ）に示す。
９．１０． 最大値、最小値
特徴量として、陰影ごとのピクセル値の最大値および最小値を求める。
特徴量として、陰影ごとのピクセル値の最大値および最小値を求める。
１１．１２． 陰影のコントラスト
特徴量として、図１９に示すように、陰影の外周から２ピクセル離れた周囲の平均ピクセル値を求め、陰影の最大ピクセル値から減算してコントラストを求める。さらに、陰影の外周から２ピクセル離れた周囲の平均ピクセル値から陰影の平均ピクセル値を減算したコントラストも計算する。
特徴量として、図１９に示すように、陰影の外周から２ピクセル離れた周囲の平均ピクセル値を求め、陰影の最大ピクセル値から減算してコントラストを求める。さらに、陰影の外周から２ピクセル離れた周囲の平均ピクセル値から陰影の平均ピクセル値を減算したコントラストも計算する。
１３． 陰影毎に含まれる線(ライン)の割合
線強調画像に対し、線として強調されたボクセル数を陰影の体積で割ることにより、陰影ごとに含まれる線の割合の計算する。
線強調画像に対し、線として強調されたボクセル数を陰影の体積で割ることにより、陰影ごとに含まれる線の割合の計算する。
（１０） 結節状陰影候補の決定
最終結節状陰影候補の決定は、（６）で検出された初期結節状陰影から、（７）から（９）の分析によって結節状陰影と判断されたものとする。そして、前述の特徴量すべてについて、結節状陰影か偽陽性の決定を行うための閾値を設定し、全ての特徴量が結節状陰影の特徴を持ったときに、その陰影を最終的な結節状陰影と判断する。したがって、いずれか一つでも、偽陽性と分類された場合は、その陰影を偽陽性陰影として除去することになる。
最終結節状陰影候補の決定は、（６）で検出された初期結節状陰影から、（７）から（９）の分析によって結節状陰影と判断されたものとする。そして、前述の特徴量すべてについて、結節状陰影か偽陽性の決定を行うための閾値を設定し、全ての特徴量が結節状陰影の特徴を持ったときに、その陰影を最終的な結節状陰影と判断する。したがって、いずれか一つでも、偽陽性と分類された場合は、その陰影を偽陽性陰影として除去することになる。
図２０に、全ての陰影の体積とボクセル値の標準偏差の散布図を示す。図の小さな点で示されているのが偽陽性陰影で、大きい点で示されているのが結節状陰影を表す。このグラフから、体積が極端に大きい陰影か小さい陰影、標準偏差が大きい陰影に、偽陽性陰影が多く含まれることがわかる。この図から、体積と標準偏差に偽陽性陰影を除去するための適切な閾値を決定することができる。このようにして、全ての特徴量に対して閾値を設定した。
閾値設定例として、原画像における(表１)に示す３から１２までの閾値の例を下記に示す。
３．陰影毎のボクセルの平均値
１３．０≧平均値
平均値≧１１４．０
平均値≧０．１２３３３×体積＋６０．０
４．陰影毎のボクセルの標準偏差
１．２≧標準偏差
標準偏差≧２８．５
標準偏差≧０．０７３３×体積＋３．０
５．陰影毎の変動係数
０．４９≧変動係数
変動係数≧７．０
変動係数≧０．００４３３３×体積＋３．０
６．２次中心モーメント
−０．３８≧２次中心モーメント
２次中心モーメント≧１．１２
２次中心モーメント≧０．００４７×体積＋０．１２
７．歪度（３次中心モーメント）
−１．０≧歪度
歪度≧１．８８
歪度≧０．００６１×体積−４．７
８．尖度（４次中心モーメント）
１４．０≧尖度
尖度≧１５４．０
尖度≧０．３×体積＋４０．０
９．陰影毎のピクセル値の最大値
最大値≧７８．０
最大値≧０．１６８３３×体積＋１４．０
１０．陰影毎のピクセル値の最小値
０．１０２≧最小値
最小値≧０．４６
最小値≧０．００１２５×体積＋０．１５
１１．結節状陰影の最大値とその周囲から２ピクセル目の平均値とのコントラスト
８．０≧コントラスト
コントラスト≧１４４．０
コントラスト≧０．４６６６６×体積
１２．結節状陰影の平均値とその周囲から２ピクセル目の平均値とのコントラスト
６．８≧コントラスト
コントラスト≧１０３．０
コントラスト≧０．２２１６６６６×体積＋３０．０
１３．０≧平均値
平均値≧１１４．０
平均値≧０．１２３３３×体積＋６０．０
４．陰影毎のボクセルの標準偏差
１．２≧標準偏差
標準偏差≧２８．５
標準偏差≧０．０７３３×体積＋３．０
５．陰影毎の変動係数
０．４９≧変動係数
変動係数≧７．０
変動係数≧０．００４３３３×体積＋３．０
６．２次中心モーメント
−０．３８≧２次中心モーメント
２次中心モーメント≧１．１２
２次中心モーメント≧０．００４７×体積＋０．１２
７．歪度（３次中心モーメント）
−１．０≧歪度
歪度≧１．８８
歪度≧０．００６１×体積−４．７
８．尖度（４次中心モーメント）
１４．０≧尖度
尖度≧１５４．０
尖度≧０．３×体積＋４０．０
９．陰影毎のピクセル値の最大値
最大値≧７８．０
最大値≧０．１６８３３×体積＋１４．０
１０．陰影毎のピクセル値の最小値
０．１０２≧最小値
最小値≧０．４６
最小値≧０．００１２５×体積＋０．１５
１１．結節状陰影の最大値とその周囲から２ピクセル目の平均値とのコントラスト
８．０≧コントラスト
コントラスト≧１４４．０
コントラスト≧０．４６６６６×体積
１２．結節状陰影の平均値とその周囲から２ピクセル目の平均値とのコントラスト
６．８≧コントラスト
コントラスト≧１０３．０
コントラスト≧０．２２１６６６６×体積＋３０．０
図２１に示す画像は、０で包む幅５ｍｍのテンプレートを用いた３次元相互相関法により結節状陰影を強調した例である。図２１（ａ）は、原画像における結節状陰影候補の強調の例を示した図であり、図２１（ｂ）は、バックグランド成分除去画像における結節状陰影候補の強調の例を示した図である。原画像をそのまま用いて結節状陰影の強調を行った場合、部分容積効果のために、胸壁付近において図２１（ａ）に示されるような弧線状の偽陽性が表れているのに対し、背景トレンド除去を行った画像を用いた場合、図２１（ｂ）に示されるように、胸膜周辺における偽陽性がないことがわかる。このことより、モルフォロジカルフィルタ処理による背景トレンド成分除去する工程３３３の処理が、結節状陰影検出において非常に効果的で重要であることがわかる。
つぎに、この例の結節状陰影を検出するためのコンピュータを利用した装置の機能ブロックの一例を図２９に示す。図示のように、この装置は、３次元胸部ＣＴ画像処理・制御部２９５と、操作入力部２９２と、データ蓄積部２９７と、表示処理部３０６と、モニタ（ディスプレー）３０７とを主要構成要素とする。
前記３次元胸部ＣＴ画像処理・制御部２９５は、３次元ＣＴ画像データ入力部２９６と、肺野領域選択処理部２９８と、背景トレンド成分除去処理部２９９と、３次元ゼロ包囲ガウシアンテンプレートを用いた結節状陰影の強調処理部３０２と、３次元Ｓｏｂｅｌフィルタ処理を用いたエッジ方向画像の作成部３０１と、エッジ方向画像による偽陽性除去処理部３０４と、ＭＩＰ処理部３００と、線強調フィルタ処理による血管陰影の抽出部３０３と、特徴量分析による偽陽性陰影の除去処理部３０５を有する。なお、同図の矢印はデータの流れ若しくは処理の流れを示す
前記３次元ＣＴ画像データ入力部２９６は、ＣＴ画像読取り装置２９１と、データ蓄積部２９７と接続されており、前述の（１）胸部ＣＴスライス画像の読み込み処理を実行する。すなわち、ここでは、前記ＣＴ画像読取り装置２９１からの画像データを受けとり、この画像データを、肺野領域選択処理部２９８、特徴量分析による偽陽性陰影の除去処理部３０５に送信し、かつ必要に応じ、データ蓄積部２９７に送信して、ここでデータを蓄積する。肺野領域選択処理部２９８では、前述の（３）肺野領域の抽出処理を実行する。背景トレンド成分除去処理部では、前述の（２）モルフォロジカルフィルタ処理による背景トレンド成分除去を実行する。３次元ゼロ包囲ガウシアンテンプレートを用いた結節状陰影の強調処理部３０２は、前述の（４）結節状陰影の強調処理と、（５）３次元相互相関法による結節状陰影候補の強調処理と、（６）閾値処理による結節状陰影候補の拾い上げ処理とを実行する。３次元Ｓｏｂｅｌフィルタ処理を用いたエッジ方向画像の作成部３０１と、エッジ方向画像による偽陽性除去処理部３０４とは、前述の（７）Ｓｏｂｅｌフィルタで得られたエッジ方向パターンを利用した偽陽性の除去を実行する。ＭＩＰ処理部３００と、線強調フィルタ処理による血管陰影の抽出部３０３とは、前述の（８）非線形線強調フィルタによる血管抽出を実行する。特徴量分析による偽陽性陰影の除去処理部３０５は、前述の（９）特徴量分析による偽陽性の除去と、（１０）結節状陰影候補の決定を実行する。そして、決定された結節状陰影候補は、表示処理部３０６によってモニタ３０７に表示される。また、これらの制御は、操作入力部２９２に接続されたキーボード２９３およびマウス２９４による操作により行われる。
前記３次元ＣＴ画像データ入力部２９６は、ＣＴ画像読取り装置２９１と、データ蓄積部２９７と接続されており、前述の（１）胸部ＣＴスライス画像の読み込み処理を実行する。すなわち、ここでは、前記ＣＴ画像読取り装置２９１からの画像データを受けとり、この画像データを、肺野領域選択処理部２９８、特徴量分析による偽陽性陰影の除去処理部３０５に送信し、かつ必要に応じ、データ蓄積部２９７に送信して、ここでデータを蓄積する。肺野領域選択処理部２９８では、前述の（３）肺野領域の抽出処理を実行する。背景トレンド成分除去処理部では、前述の（２）モルフォロジカルフィルタ処理による背景トレンド成分除去を実行する。３次元ゼロ包囲ガウシアンテンプレートを用いた結節状陰影の強調処理部３０２は、前述の（４）結節状陰影の強調処理と、（５）３次元相互相関法による結節状陰影候補の強調処理と、（６）閾値処理による結節状陰影候補の拾い上げ処理とを実行する。３次元Ｓｏｂｅｌフィルタ処理を用いたエッジ方向画像の作成部３０１と、エッジ方向画像による偽陽性除去処理部３０４とは、前述の（７）Ｓｏｂｅｌフィルタで得られたエッジ方向パターンを利用した偽陽性の除去を実行する。ＭＩＰ処理部３００と、線強調フィルタ処理による血管陰影の抽出部３０３とは、前述の（８）非線形線強調フィルタによる血管抽出を実行する。特徴量分析による偽陽性陰影の除去処理部３０５は、前述の（９）特徴量分析による偽陽性の除去と、（１０）結節状陰影候補の決定を実行する。そして、決定された結節状陰影候補は、表示処理部３０６によってモニタ３０７に表示される。また、これらの制御は、操作入力部２９２に接続されたキーボード２９３およびマウス２９４による操作により行われる。
つぎに、この装置のコンピュータシステムの構成例を図３０のブロック図に示す。図示のように、このコンピュータシステムは、処理を実行するＣＰＵ５００、プログラムやデータを記憶するメモリ５０１、メモリ５０１またはＣＰＵ５００で使用するプログラムやデータを蓄積するハードディスク５０２、データ若しくは画像を表示するモニタ（ディスプレー）５０３、データまたは命令を入力するキーボード５０４、ＣＤ−ＲＯＭ等の外部記録媒体受け入れ部５０５、ネットワークを介してＣＴ装置や他のコンピュータシステム等と通信を行うための通信処理装置５０６から構成される。本発明の検出方法を、コンピュターシステムで実行するためには、本発明のプログラムをＣＤ−ＲＯＭドライブ等５０５若しくは通信処理装置５０６を会してハードディスク５０２にインストールし、プログラムを起動すれば、ＣＰＵ５００によって実行される。
つぎに、この例による結節状陰影の検出を、実際の臨床例に適用した例を示す。用いた臨床例は、４０ケースであり、これらのケースに対して、前述の本発明の方法により解析した。用いた結節状陰影を含む胸部３次元ＣＴ画像は、ＧＥ ＭＥＤＩＣＡＬ ＳＹＳＴＥＭ社製 Ｈｉ Ｓｐｅｅｄ ＣＴ／ｉとＨＩＳＰＥＥＤ−ＲＰのＣＴ装置で撮影されたものである。撮影条件は、スキャンモード：ＨＥＬＩＣＡＬ ＭＯＤＥ、管電圧：１４０ｋｖと１２０ｋｖ（４０例中１例のみ）、再構成関数：ＳＴＡＮＤＡＲＤ、スライス画像のマトリクスサイズ：５１２×５１２、画素の大きさ：０．５８５ｍｍ〜０．７０３ｍｍ、スライス厚：５ｍｍ〜１０ｍｍ、再構成間隔：５ｍｍ〜１４ｍｍである。また画像データベースの結節状陰影は、全て確定診断がなされたケースを用い、その直径は４．９ｍｍ〜１３．２ｍｍである。なお、臨床画像データを用いているため、ＣＴ装置や撮影条件は、症例によって異なる。この解析の結果、９２．５％の確率で、結節状陰影を検出することができ、そのときの平均偽陽性数は１．４５個／スライスであった。
以上のように、本発明は、簡単な工程で結節状陰影を高精度で検出することが可能な、コンピュータを用いた３次元胸部ＣＴ画像から結節状陰影を検出する方法である。したがって、本発明によって検出された結果を、医師が画像診断を行う際に利用することによって、診断に要する時間の短縮をすることが可能になる。また、検出することが困難な淡い陰影の見落としを減少させる効果も期待できる。
１１ ＣＴ画像の読み込む工程
１２ 肺野領域の不均一なＣＴ値変動（大局的に変化する背景トレンド成分）をモルフォロジカルフィルタ処理に基づく方法で取り除く工程
１３ 肺野領域抽出工程
１４ ３次元ゼロサラウンドガウシアンを用いた結節状陰影テンプレート作成工程
１５ ３次元相互相関法による結節状陰影の強調工程
１６ 閾値処理による結節状陰影候補の拾い上げ工程
１７ 非線形線強調フィルタ処理による血管抽出工程
１８ Ｓｏｂｅｌフィルタ処理を用いたエッジ方向画像を利用した偽陽性の除去工程
１９ 特徴量分析による偽陽性の除去工程
２０ 結節状陰影候補の決定の工程
１２ 肺野領域の不均一なＣＴ値変動（大局的に変化する背景トレンド成分）をモルフォロジカルフィルタ処理に基づく方法で取り除く工程
１３ 肺野領域抽出工程
１４ ３次元ゼロサラウンドガウシアンを用いた結節状陰影テンプレート作成工程
１５ ３次元相互相関法による結節状陰影の強調工程
１６ 閾値処理による結節状陰影候補の拾い上げ工程
１７ 非線形線強調フィルタ処理による血管抽出工程
１８ Ｓｏｂｅｌフィルタ処理を用いたエッジ方向画像を利用した偽陽性の除去工程
１９ 特徴量分析による偽陽性の除去工程
２０ 結節状陰影候補の決定の工程
Claims (22)
- コンピュータを用いた３次元胸部ＣＴ画像から結節状陰影を検出する方法であって、
胸部ＣＴスライス画像データから３次元ボリュームデータを作成する工程と、
前記３次元ボリュームデータから肺野領域を選択する工程と、
胸部ＣＴスライス画像において、モルフォロジカルフィルタ処理により背景トレンド成分を除去する工程と、
前記背景トレンド成分除去画像から偽陽性陰影を除去する工程とを含む方法。 - 前記モルフォロジカルフィルタ処理による背景トレンド成分を除去する工程は、胸部ＣＴスライスの原画像において、円形カーネルを用いたオープン処理を行い、得られたオープン処理画像を前記原画像から差し引く工程である請求項１記載の方法。
- 前記偽陽性陰影を除去する工程は、特徴量分析による偽陽性陰影の除去工程を含む請求項１または２記載の方法。
- 前記特徴量分析は、陰影の体積、陰影の球形度、陰影のボクセル値の平均値、陰影のボクセル値の標準偏差、陰影のボクセル値の変動係数、２次中心モーメント、歪度、尖度、陰影のピクセル値の最大値、陰影のピクセル値の最小値および陰影のコントラストからなる群から選択される少なくとも一つの特徴量を算出し、その陰影が偽陽性か否かを判断する分析である請求項３記載の方法。
- 前記偽陽性陰影除去工程は、Ｓｏｂｌｅフィルタ処理によるエッジ方向画像による偽陽性除去工程を含む請求項１から４のいずれかに記載の方法。
- 前記Ｓｏｂｅｌフィルタ処理によるエッジ方向画像による偽陽性除去工程は、胸部ＣＴスライス画像に対しＳｏｂｅｌフィルタ処理を行ってエッジ方向画像を作成し、このエッジ方向画像に対して模擬結節状陰影である２次元ガウス分布画像に対しＳｏｂｅｌフィルタ処理を行ったエッジ方向画像をテンプレートとして２次元相互相関値を計算し、得られた２次元相互相関値を画像として表し、この画像を閾値処理し、この閾値処理画像と結節状陰影の初期候補との重なりを調べて血管に起因する偽陽性陰影を除去する工程である請求項５記載の方法。
- 前記前記Ｓｏｂｅｌフィルタ処理によるエッジ方向画像による偽陽性除去工程を、横断面胸部ＣＴスライス画像および矢状面胸部ＣＴスライス画像について実施する請求項５または６記載の方法。
- 前記偽陽性陰影除去工程は、ＭＩＰ処理を行った画像に対し非線形線強調フィルタ処理を行って血管に起因する偽陽性陰影を除去する工程を含む請求項１から７のいずれかに記載の方法。
- 前記ＭＩＰ処理は、３枚の胸部ＣＴスライス画像を用いた部分ボリュームデータを作成し、これに対してＭＩＰ処理を行う処理である請求項８記載の方法。
- さらに、３次元ゼロ包囲ガウシアンテンプレートによる結節状陰影の強調処理を行い、この強調画像に対して閾値処理を行って結節状陰影候補を選択する工程を有する請求項１から９のいずれかに記載の方法。
- ３次元胸部ＣＴ画像から結節状陰影を検出する装置であって、
胸部ＣＴスライス画像データから３次元ボリュームデータを作成する手段と、
前記３次元ボリュームデータから肺野領域を選択する手段と、
胸部ＣＴスライス画像において、モルフォロジカルフィルタ処理により背景トレンド成分を除去する手段と、
前記背景トレンド成分除去画像から偽陽性陰影を除去する手段とを含む装置。 - 前記モルフォロジカルフィルタ処理による背景トレンド成分を除去する手段は、胸部ＣＴスライスの原画像において、円形カーネルを用いたオープン処理を行い、得られたオープン処理画像を前記原画像から差し引く手段である請求項１１記載の装置。
- 前記偽陽性陰影を除去する手段は、特徴量分析による偽陽性陰影の除去手段を含む請求項１１または１２記載の装置。
- 前記特徴量分析は、陰影の体積、陰影の球形度、陰影のボクセル値の平均値、陰影のボクセル値の標準偏差、陰影のボクセル値の変動係数、２次中心モーメント、歪度、尖度、陰影のピクセル値の最大値、陰影のピクセル値の最小値および陰影のコントラストからなる群から選択される少なくとも一つの特徴量を算出し、その陰影が偽陽性か否かを判断する分析である請求項１３記載の装置。
- 前記偽陽性陰影除去手段は、Ｓｏｂｌｅフィルタ処理によるエッジ方向画像による偽陽性除去手段を含む請求項１１から１４のいずれかに記載の装置。
- 前記Ｓｏｂｅｌフィルタ処理によるエッジ方向画像による偽陽性除去手段は、胸部ＣＴスライス画像に対しＳｏｂｅｌフィルタ処理を行ってエッジ方向画像を作成し、このエッジ方向画像に対して模擬結節状陰影である２次元ガウス分布画像に対しＳｏｂｅｌフィルタ処理を行ったエッジ方向画像をテンプレートとして２次元相互相関値を計算し、得られた２次元相互相関値を画像として表し、この画像を閾値処理し、この閾値処理画像と結節状陰影の初期候補との重なりを調べて血管に起因する偽陽性陰影を除去する手段である請求項１５記載の装置。
- 前記前記Ｓｏｂｅｌフィルタ処理によるエッジ方向画像による偽陽性除去を、横断面胸部ＣＴスライス画像および矢状面胸部ＣＴスライス画像について実施する請求項１５または１６記載の装置。
- 前記偽陽性陰影除去手段は、ＭＩＰ処理を行った画像に対し非線形線強調フィルタ処理を行って血管に起因する偽陽性陰影を除去する手段を含む請求項１１から１７のいずれかに記載の装置。
- 前記ＭＩＰ処理は、３枚の胸部ＣＴスライス画像を用いた部分ボリュームデータを作成し、これに対してＭＩＰ処理を行う処理である請求項１８記載の装置。
- さらに、３次元ゼロ包囲ガウシアンテンプレートによる結節状陰影の強調処理を行い、この強調画像に対して閾値処理を行って結節状陰影候補を選択する手段を有する請求項１１から１９のいずれかに記載の装置。
- 請求項１から１０のいずれかに記載の方法を、コンピュータにおいて実行可能なプログラム。
- 請求項２１記載のプログラムを記録したコンピュータ読み取り可能な記録媒体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004093226A JP2005278690A (ja) | 2004-03-26 | 2004-03-26 | コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004093226A JP2005278690A (ja) | 2004-03-26 | 2004-03-26 | コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2005278690A true JP2005278690A (ja) | 2005-10-13 |
Family
ID=35177731
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004093226A Withdrawn JP2005278690A (ja) | 2004-03-26 | 2004-03-26 | コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2005278690A (ja) |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007164617A (ja) * | 2005-12-15 | 2007-06-28 | Yamaguchi Univ | ガウス関数を用いたテンプレート作成方法および眼球運動を用いた視力入力コミュニケーション方法 |
| JP2007202700A (ja) * | 2006-01-31 | 2007-08-16 | Ge Medical Systems Global Technology Co Llc | 放射線断層撮影装置 |
| JP2007229023A (ja) * | 2006-02-28 | 2007-09-13 | Ge Medical Systems Global Technology Co Llc | 放射線断層撮影装置および画像処理装置 |
| JP2009045436A (ja) * | 2007-06-26 | 2009-03-05 | General Electric Co <Ge> | 閉塞を識別する装置及び方法 |
| JP2010504129A (ja) * | 2006-09-22 | 2010-02-12 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 肺結節の高度コンピュータ支援診断 |
| JP2010110445A (ja) * | 2008-11-06 | 2010-05-20 | Konica Minolta Medical & Graphic Inc | 動態撮影システム |
| JP2010152771A (ja) * | 2008-12-26 | 2010-07-08 | Kddi Corp | マスク画像を抽出する方法及びプログラム並びにボクセルデータを構築する方法及びプログラム |
| KR101274530B1 (ko) | 2011-07-29 | 2013-06-13 | 주식회사 모든넷 | 이미지 정합 기반 흉부영상 진단 시스템 및 방법 |
| WO2014077360A1 (ja) * | 2012-11-15 | 2014-05-22 | 株式会社 東芝 | システム及び導出方法 |
| JP2014176747A (ja) * | 2008-06-24 | 2014-09-25 | Bayer Medical Care Inc | イメージング法における対象領域の識別と時間値曲線の抽出 |
| JP2016067438A (ja) * | 2014-09-26 | 2016-05-09 | テルモ株式会社 | 画像診断装置 |
| JP2017018339A (ja) * | 2015-07-10 | 2017-01-26 | 国立大学法人 大分大学 | 胸部ｘ線画像における肺結節明瞭化法 |
| KR20170017614A (ko) * | 2015-08-07 | 2017-02-15 | 원광대학교산학협력단 | 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 |
| JP2017131454A (ja) * | 2016-01-28 | 2017-08-03 | 富士通株式会社 | 医療画像表示システム、医療画像表示プログラム及び医療画像表示方法 |
| JP2018047159A (ja) * | 2016-09-23 | 2018-03-29 | キヤノンメディカルシステムズ株式会社 | 磁気共鳴イメージング装置及び画像解析装置 |
| CN109035234A (zh) * | 2018-07-25 | 2018-12-18 | 腾讯科技（深圳）有限公司 | 一种结节检测方法、装置和存储介质 |
| JP2021020015A (ja) * | 2019-07-30 | 2021-02-18 | 国立大学法人 大分大学 | 二次元セルオートマトンによる肺結節明瞭化法 |
| CN112990344A (zh) * | 2021-04-09 | 2021-06-18 | 重庆大学 | 一种肺结节多视图分类方法 |
| JP2022543016A (ja) * | 2019-07-31 | 2022-10-07 | ユニベルシテ ドゥ ボルドー | バイオマーカーを生成する方法、システム |
| WO2023119666A1 (ja) * | 2021-12-24 | 2023-06-29 | 富士通株式会社 | 医用画像処理プログラム，医用画像処理方法および情報処理装置 |
| JP7509386B2 (ja) | 2019-07-31 | 2024-07-02 | ユニベルシテ ドゥ ボルドー | バイオマーカーを生成する方法、システム |
-
2004
- 2004-03-26 JP JP2004093226A patent/JP2005278690A/ja not_active Withdrawn
Cited By (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007164617A (ja) * | 2005-12-15 | 2007-06-28 | Yamaguchi Univ | ガウス関数を用いたテンプレート作成方法および眼球運動を用いた視力入力コミュニケーション方法 |
| JP2007202700A (ja) * | 2006-01-31 | 2007-08-16 | Ge Medical Systems Global Technology Co Llc | 放射線断層撮影装置 |
| JP2007229023A (ja) * | 2006-02-28 | 2007-09-13 | Ge Medical Systems Global Technology Co Llc | 放射線断層撮影装置および画像処理装置 |
| JP2010504129A (ja) * | 2006-09-22 | 2010-02-12 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 肺結節の高度コンピュータ支援診断 |
| US10121243B2 (en) | 2006-09-22 | 2018-11-06 | Koninklijke Philips N.V. | Advanced computer-aided diagnosis of lung nodules |
| US11004196B2 (en) | 2006-09-22 | 2021-05-11 | Koninklijke Philips N.V. | Advanced computer-aided diagnosis of lung nodules |
| JP2009045436A (ja) * | 2007-06-26 | 2009-03-05 | General Electric Co <Ge> | 閉塞を識別する装置及び方法 |
| JP2014176747A (ja) * | 2008-06-24 | 2014-09-25 | Bayer Medical Care Inc | イメージング法における対象領域の識別と時間値曲線の抽出 |
| JP2010110445A (ja) * | 2008-11-06 | 2010-05-20 | Konica Minolta Medical & Graphic Inc | 動態撮影システム |
| JP2010152771A (ja) * | 2008-12-26 | 2010-07-08 | Kddi Corp | マスク画像を抽出する方法及びプログラム並びにボクセルデータを構築する方法及びプログラム |
| US8363941B2 (en) | 2008-12-26 | 2013-01-29 | Kddi Corporation | Method and program for extracting silhouette image and method and program for constructing three dimensional model |
| KR101274530B1 (ko) | 2011-07-29 | 2013-06-13 | 주식회사 모든넷 | 이미지 정합 기반 흉부영상 진단 시스템 및 방법 |
| US9345442B2 (en) | 2012-11-15 | 2016-05-24 | Kabushiki Kaisha Toshiba | System and derivation method |
| WO2014077360A1 (ja) * | 2012-11-15 | 2014-05-22 | 株式会社 東芝 | システム及び導出方法 |
| JP2016067438A (ja) * | 2014-09-26 | 2016-05-09 | テルモ株式会社 | 画像診断装置 |
| JP2017018339A (ja) * | 2015-07-10 | 2017-01-26 | 国立大学法人 大分大学 | 胸部ｘ線画像における肺結節明瞭化法 |
| KR20170017614A (ko) * | 2015-08-07 | 2017-02-15 | 원광대학교산학협력단 | 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 |
| KR101716039B1 (ko) | 2015-08-07 | 2017-03-13 | 원광대학교산학협력단 | 의료 영상 기반의 질환 진단 정보 산출 방법 및 장치 |
| JP2017131454A (ja) * | 2016-01-28 | 2017-08-03 | 富士通株式会社 | 医療画像表示システム、医療画像表示プログラム及び医療画像表示方法 |
| JP2018047159A (ja) * | 2016-09-23 | 2018-03-29 | キヤノンメディカルシステムズ株式会社 | 磁気共鳴イメージング装置及び画像解析装置 |
| CN109035234A (zh) * | 2018-07-25 | 2018-12-18 | 腾讯科技（深圳）有限公司 | 一种结节检测方法、装置和存储介质 |
| CN109035234B (zh) * | 2018-07-25 | 2020-12-01 | 腾讯科技（深圳）有限公司 | 一种结节检测方法、装置和存储介质 |
| JP2021020015A (ja) * | 2019-07-30 | 2021-02-18 | 国立大学法人 大分大学 | 二次元セルオートマトンによる肺結節明瞭化法 |
| JP2022543016A (ja) * | 2019-07-31 | 2022-10-07 | ユニベルシテ ドゥ ボルドー | バイオマーカーを生成する方法、システム |
| JP7509386B2 (ja) | 2019-07-31 | 2024-07-02 | ユニベルシテ ドゥ ボルドー | バイオマーカーを生成する方法、システム |
| CN112990344A (zh) * | 2021-04-09 | 2021-06-18 | 重庆大学 | 一种肺结节多视图分类方法 |
| CN112990344B (zh) * | 2021-04-09 | 2022-05-24 | 重庆大学 | 一种肺结节多视图分类方法 |
| WO2023119666A1 (ja) * | 2021-12-24 | 2023-06-29 | 富士通株式会社 | 医用画像処理プログラム，医用画像処理方法および情報処理装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6267710B2 (ja) | 医用画像中の肺結節を自動検出するためのシステム及び方法 | |
| Shen et al. | An automated lung segmentation approach using bidirectional chain codes to improve nodule detection accuracy | |
| JP2005278690A (ja) | コンピュータを用いた３次元胸部ｃｔ画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム | |
| Maitra et al. | Technique for preprocessing of digital mammogram | |
| Teramoto et al. | Fast lung nodule detection in chest CT images using cylindrical nodule-enhancement filter | |
| Zhou et al. | Automated lung segmentation and smoothing techniques for inclusion of juxtapleural nodules and pulmonary vessels on chest CT images | |
| Xu et al. | Marker-controlled watershed for lesion segmentation in mammograms | |
| US8165385B2 (en) | System and method for three-dimensional image rendering and analysis | |
| Alilou et al. | A comprehensive framework for automatic detection of pulmonary nodules in lung CT images | |
| US20080205717A1 (en) | System and method for three-dimensional image rendering and analysis | |
| Liu et al. | A CADe system for nodule detection in thoracic CT images based on artificial neural network | |
| JP2007307358A (ja) | 画像処理方法および装置ならびにプログラム | |
| JP2002503861A (ja) | 胸部ｘ線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム | |
| Pu et al. | An automated CT based lung nodule detection scheme using geometric analysis of signed distance field | |
| Zeng et al. | Liver vessel segmentation and identification based on oriented flux symmetry and graph cuts | |
| Singadkar et al. | Automatic lung segmentation for the inclusion of juxtapleural nodules and pulmonary vessels using curvature based border correction | |
| CN107633514B (zh) | 一种肺结节周边血管量化评估***及方法 | |
| US20150065868A1 (en) | System, method, and computer accessible medium for volumetric texture analysis for computer aided detection and diagnosis of polyps | |
| Zhao et al. | An automated pulmonary parenchyma segmentation method based on an improved region growing algorithmin PET-CT imaging | |
| CN116188485A (zh) | 图像处理方法、装置、计算机设备和存储介质 | |
| Lee et al. | Hybrid airway segmentation using multi-scale tubular structure filters and texture analysis on 3D chest CT scans | |
| KR20150059860A (ko) | 형태학적 연산을 이용한 이미지 분할 처리방법 | |
| JP2007534353A (ja) | 形状分析を用いる摺りガラス様結節（ｇｇｎ）のセグメンテーション方法およびシステム | |
| Karimov et al. | Guided volume editing based on histogram dissimilarity | |
| KR101162605B1 (ko) | 씨티 이미지에서의 텍스처 특징 추출방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20070605 |