JP2005296605A

JP2005296605A - 放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法

Info

Publication number: JP2005296605A
Application number: JP2004217660A
Authority: JP
Inventors: Xiaohui Wang; ワンシャオフイ; Hui Luo; ルオフイ
Original assignee: Eastman Kodak Co
Current assignee: Eastman Kodak Co
Priority date: 2003-07-24
Filing date: 2004-07-26
Publication date: 2005-10-27
Also published as: DE602004021538D1; EP1501048B1; US7391895B2; EP1501048A2; US20050018893A1; EP1501048A3

Abstract

【課題】試験種別に対する依存性がなく、ディジタル放射線写真画像を解剖学的領域、前景領域及び背景領域へと自動的にセグメント化できる方法を得る。
【解決手段】画素の行列を含むディジタル放射線写真画像を捕捉し（２０１）、この画像のヒストグラムにおける初期背景残留点を検出し（２０２）、画像の前景を検出し（２０３）、領域成長によって画像の背景を再生成し（２０４）、画像の背景を有効化乃至確証し（２０５）、画像の背景及び前景領域を診断非関連領域として統合し（２０６）、画像の解剖学的領域を診断関連領域として抽出する（２０７）。
【選択図】図２

Description

本発明は、一般にディジタル放射線写真の処理に関する。本発明は、特に、ディジタル放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する処理に関する。

ここに、近年、ディジタル放射線イメージングシステムにおける進歩、例えばフラットパネル型直接ディジタル放射線写真（ＤＲ）システム（非特許文献１参照）及びストレージフォスファ型計算放射線写真（ＣＲ）システム（非特許文献２参照）によって、画像の捕捉、処理及び表示プロセスそれぞれの分離及び最適化が可能になっている。画像ピクセルデータは、放射線写真上に捕捉された画像情報が最適化されるよう、また微妙な診断上の詳細情報を放射線使用者がよりよく知覚できるよう、画像処理ステップ中に操作される。診断に係る詳細情報の最適化は、放射線写真上における診断関連領域及び診断非関連領域双方の所在及び特性に関する知識によって、左右される。本発明は、ディジタル放射線写真の診断関連領域（解剖学的領域）と診断非関連領域（前景及び背景）とへの自動的なセグメント化を志向している。

図１ａに、ＣＲによる足の放射線写真の一例を示す。この図は、同一のストレージフォスファカセット上の相異なる三領域を用い三種類の視角Ａ，Ｂ，Ｃにて、足を露出したものである。この放射線写真における解剖学的領域は足であり、足こそが診断関連領域である。また、この放射線写真中、ストレージフォスファが直接Ｘ線に露出されている領域は診断非関連領域であり、以下の記述においては「背景」又は「直接露出領域」とも呼ぶ。Ｘ線による露出中は照準器を使用する。それは、解剖学的領域への不要な輻射、即ち診断に関係のない輻射を減らすためであると共に、Ｘ線照射領域をカセットの局部に閉じこめるためである。放射線写真内のＸ線照準外領域は診断非関連領域であり、以下の記述においては「前景」とも称する。

特許文献１に記載されているように、Barski et al.は放射線写真内の直接露出領域を判別する方法を教示している。しかしながら、この方法においては、単一の値、即ち背景残留点(background left point)をしきい値として用いて入力画像をバイナリマップに変換する。この方法はここで企図した目的には適しているけれども、直接露出領域が高強度不均一性を有している場合には別の方法が必要になる。なお、かかる高強度不均一性は、例えば、入射Ｘ線の強度分布が不均一であったときや、解剖学的領域を複数方向から相異なる露出レベルで見るという試験要請があったときに、生じうる。図１ｂにBarski法の使用結果例を示す。この図には、背景の過検出(over-detection)及び検出不足(under-detection)が同時に示されている。この方法において使用されるしきい値はまた試験種別（身体部位や投影手法）によって異なるため、試験種別に関する情報が不足しているとこの方法はうまくたちゆかない。

Pieterは放射線写真内の前景領域を判別する方法を特許文献２（"Method of recognizing an irradiation field）において開示している。しかしながら、この方法は単一露出放射線写真しか取り扱うことができず、単一放射線写真内に２個又はそれ以上の個数の輻射フィールドを有する診断関連領域（例えば図１ａに示したもの）を完璧にセグメント化するのに用いることはできない。この制限への対策として、Piet et al.は、改善された前景領域検出方法を特許文献３（"Method of recognizing one or more irradiation fields"）において開示している。しかしながら、Pieter及びPietは何れも背景領域検出方法を教示していない。Wang et al.はBarskiの直接露出検出に基づき画像前景領域を判別する方法を特許文献４（"Method for recognizing multiple irradiation fields in digital radiography"）において示している。この方法は、しかしながら、背景検出における全ての要請を未だ充足してはいない。

米国特許第５６０６５８７号明細書欧州特許第０６１０６０５号明細書欧州特許第０７４２５３６号明細書米国特許第６２１２２９１号明細書 "A high resolution, high frame-rate, flat-panel TFT array for digital x-ray imaging", Proceedings of SPIE Medical Imaging, Antonuk et al., vol.2163, pp 118-128, 1994 "Introduction to medical radiographic imaging", Eastman Kodak Company, 1993

従来技術においては、このような問題点及び制限事項が存在している。従って、試験種別に対する依存性がなく、ディジタル放射線写真画像を解剖学的領域、前景領域及び背景領域へと自動的にセグメント化できる方法が、求められている。

本発明によれば、上掲の問題点を解決でき、上掲の要請を充足することができる。

本発明の特徴的構成によれば、放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法が提供される。当該方法は、画素の行列を含むディジタル放射線写真画像を捕捉するステップと、上記画像のヒストグラムにおける初期背景残留点を検出するステップと、上記画像の前景を検出するステップと、領域成長(region growing)によって上記画像の背景を再生成するステップと、上記画像の背景を有効化乃至確証(validate)するステップと、上記画像の背景及び前景領域を診断非関連領域として統合するステップと、上記画像の解剖学的領域を診断関連領域として抽出するステップと、を有する。

本発明は、次のような利点を有する：
１．放射線写真の試験種別に依存しない。
２．過検出及び検出不足なしに放射線写真を前景領域、背景領域及び解剖学的領域へと自動的にセグメント化できる。
３．領域成長を用いることにより背景不均一性の如何によらず全画像背景を成功裡に検出できる。

以下、図２を参照して本発明の一実施形態に関し説明する。

まず、ステップ２０１においてはディジタル放射線（医用）画像が捕捉される。画像源は、例えば診断用イメージング装置（ＭＲＩ，ＣＴ，ＰＥＴ，ＵＳ等）、直接ディジタル乃至計算放射線写真装置、Ｘ線写真ディジタイザ、医用画像アーカイブ等である。ディジタル医用画像は画素の行（ライン）及び列によって構成されており、所定ビット数（例えば８ビット或いは１２ビット）に亘るグレースケールレンジを有している。ディジタル医用画像は画像プロセッサ例えばディジタルコンピュータにより処理され、ディスプレイ或いはハードコピー出力される。本発明に係る方法は画像プロセッサにおいて実行される。

本発明においては、まず、１９９７年２月２５日発行の米国特許たる特許文献１（発明者：Barsk et al.）に記載されている背景検出アルゴリズムを改良すること、特にそれを試験種別非依存にすることと同時に、捕捉したディジタル放射線画像について有意な初期背景残留点を提供する（ステップ２０２）ことを、試みている。そして、この初期背景残留点をしきい値として用いて、ディジタル放射線写真画像から初期背景マップを生成する。生成された初期背景マップは、２００１年４月３日発行の米国特許たる特許文献４（発明者：Wang et al.）により開示されている前景検出アルゴリズムへの、入力の一つとして用いられる（ステップ２０３）。その結果として得られるのは、好適に検出された前景領域と、好ましいとは言い切れない（less-than-desirable)背景領域である。引き続いて、いくつかの識別された「シード」から領域成長処理が実行され、全背景マップが再生成される（ステップ２０４）。この新たな背景が有効化乃至確証された後（ステップ２０５）、背景領域及び前景領域が互いに統合され（ステップ２０６）、最後に、画像領域の残りの部分が解剖学的領域であると識別される（ステップ２０７）。

初期背景検出アルゴリズムの流れを図３に示す。総じて言うならば、この部分のアルゴリズムは画像背景画素の良好な標本を探索し、背景領域・非背景領域への二値化に使用できる有意な値（以下「初期背景残留点」）をその探索の結果から得るためのものである。この初期背景残留点を用いて得られる背景は完全なものではなかろうが、ステップ２０３における前景検出を実行するには充分なものである。

図３に示す処理は、全ての立ち上がり及び立ち下がりについての遷移各行各列画素の解析から始まる（ステップ３０１）。これは、背景前景間遷移即ちＢＦ遷移と、背景皮膚ライン間遷移即ちＢＳ遷移とに関し、全ての候補を探し出すための解析である。例えば、図４ａ中の水平破線４００は画素の標本化行を表しており、暗い領域中の画素は高い画素値を有している。この行におけるプロファイルは図４ｂ中に４０２で示すようなものとなる。プロファイル４０２においては、楕円４０４内に示されているように立ち上がり遷移が現れている。図４ｃは、この立ち上がり遷移４０４を拡大乃至強調図示したものである。図４ｃに示されるように、各遷移は、大まかには４通りの計測指標により表すことができる。それは、遷移幅segLen、遷移レンジsegRange、最大遷移勾配maxTransMag、及び遷移高点値high_ptである。これら４通りの計測指標は、画像内の全ての遷移について個別的に計算され記録される。ＢＦ遷移及びＢＳ遷移は、傾向として、大きな遷移幅、大きな遷移勾配、大きな遷移規模を有し、それに加えて遷移高点値も大きくなる傾向を有する。そのため、骨組織間遷移、組織組織間遷移等、他種の遷移によって生じる紛らわしい遷移を候補から除外するため、次のような判別式
segLen>threshold_segLen
segRange>threshold_segRange
maxTransMag>threshold_transMag
high_pt>maxPixelValue-Δ
が使用される。この式中、maxPixelValueは画像の最大画素値であり、Δは全てのＢＦ及びＢＳ遷移が含まれる程度に大きく且つ他の遷移がほぼ全て排除されるに充分な程度に小さい所定値である。

上掲のしきい値threshold_segLen、threshold_segRange及びthreshold_transMagは、通常、試験種別毎に生成する。従って、試験種別情報を利用可能であるときこれらのしきい値を最適化できる。しかしながら、本発明においては試験種別情報に依拠する必要がない。即ち、画像それ自体から一組の特徴事項を抽出し画像背景を適応的に検出する。

この処理ステップにて得られる遷移候補の中には、まだ、ＢＦ遷移でもＢＳ遷移でもない何個かの偽物が含まれているであろう。骨組織遷移、組織組織遷移等の不要遷移におけるsegRange値は、検出したい遷移におけるそれに比べて小さいものであるから、segRange分布においては低い側に分布しているであろう。ステップ３０２においては、このことに基づきsegRangeのヒストグラムを作成し、更にこのヒストグラムから累積ヒストグラムを計算し、そして累積ヒストグラムの５０％点等適当な比分点を以て新たなthreshold_segRangeを設定する。この新たなしきい値は、遷移候補を更に絞り込むために使用される。仮にわずかに多く絞り込んだとしても、引き続いて処理に供される遷移候補が充分多くある限りは問題にならない。ここに、相異なる患者或いは相異なる試験種別についての画像は通常は互いに異なるＢＳ遷移特性を有している。そのため、累積ヒストグラムの所定比分点に基づき新たなthreshold_segRangeを設定することによって、自動的に、遷移候補絞り込み処理は画像特性それ自体によって適応化されることになる。即ち、アルゴリズムが試験種別に対して依存しなくなる。

検出されたＢＦ遷移及びＢＳ遷移の候補におけるhigh_ptは、画像における背景画素候補であると考えられる。しかしながら、画像における背景領域は一つの画像ライン（行又は列）全体を取り囲むことがある。そのようなラインについては、上述の遷移検出処理を用いて有意な遷移を検出することはできない。この問題を解決するため、まず、画素値しきい値thresh_column及びthresh_rowを画像の各行及び各列について
thresh_column[i]=第i列中の全ＢＦ遷移候補及びＢＳ遷移候補中の最小high_pt
thresh_row[j]=第j行中の全ＢＦ遷移候補及びＢＳ遷移候補中の最小high_pt
の如く定義する。

次に、対応する行及び列双方のしきい値より大きな値を有する画素は、背景画素候補と考えられる。背景画素候補の例を図５ａに示す。図中、粗く分布した白いドット５００が背景画素候補である。もし、この処理ステップにて充分な個数の背景画素候補が見つからなかった場合、その画像には背景がないものと考えられる。

ステップ３０３においては、画像背景の全体特性を推定するため、識別された背景画素候補についてのhigh_ptのヒストグラムが作成される。背景画素は全画素中では比較的高い画素値を有していることから、本発明の好適な実施形態においては、画像全体の最大画素値より小さいところにある所定の範囲内にそのhigh_pt値が含まれる背景画素候補のみが、ヒストグラム計算の対象に含められる。図５ｂに、画像全体ヒストグラムに重ね合わせた背景画素候補ヒストグラムの一例を示す。図５ｃに、拡大した背景画素候補ヒストグラムを示す。図５ｃからは、４種類の特徴的指標、即ちpeak、peak_lp、peak_rp及びlast_ptを抽出できる。指標peakはヒストグラムにおけるピークの位置であり、peak_lp及びpeak_rpはそれぞれピーク左点及びピーク右点でありヒストグラムにおける分布度数が所定しきい値を越えた位置として定義され、last_ptはヒストグラムにおける最後の即ち最も高い画素値である。これら４通りの特徴的指標が後に繰り返し処理（ステップ３０６）において使用されることについて、言及しておく必要があろう。もしlast_ptが画像全体の最大画素値から非常に遠く或いはlast_ptとpeak_rpとの距離が非常に大きいのであれば、背景は存在しないものと考えられる。そうでなければ、結果として得られたpeak_lp値が、背景残留点の第１の推定値として採用される。peak_lpより高い画素値を有する画素は全て背景画素であると考えられ、残り全ての画素は非背景画素であると考えられる。また、真の背景領域は、画像受容体にＸ線が直接照射された領域として定義されているのであるから、比較的なめらかでなくてはならない。真の背景領域内における画素値は従って画像ヒストグラムの高い側の端にあるべきであり、その分布はわずかなレンジ内に収まる傾向となる。画像ヒストグラムの観察結果はこの判断を支持している（図５ｂ）。即ち、背景画素はヒストグラムの非常に高い側において鋭いピークを形成している。この鋭いピークは本件アルゴリズムによりユニークな特徴的指標major_peakとして検出される（ステップ３０５）。もし、画像ヒストグラムの高い側の端において鋭いピークが少なくとも１個検出できるのであれば、major_peakは真であり、そうでなければ偽である。指標major_peakは繰り返し処理（ステップ３０６）において相異なるしきい値の選択のために使用される。

背景画素値は比較的狭いレンジ内に分布しておりその分散も比較的小さい。従って、原画像から勾配を計算すると（ステップ３０４）、背景領域は比較的小さな勾配値となるはずである（図６ａ）。勾配値ヒストグラムをプロットすると（図６ｂ）、比較的狭い幅peak_hwのピークがヒストグラム原点から近い位置peak_locに現れるであろう。指標peak_locそれ自体は最も分布度数が高い勾配値を表しており、指標peak_hwは最大度数勾配値についての分散がどれだけ小さいかを表している。これらpeak_loc及びpeak_hwから新たな指標major_bkgrを定義することができる（ステップ３０５）。major_bkgrは、peak_loc<thresh_peak_loc且つpeak_hw<thresh_peak_hwであるとき真であり、他の場合に偽である。major_bkgrが真であるなら、画像が有意個数の背景画素を有しているものと考え得るから、繰り返し処理（ステップ３０６）において相異なるしきい値を選択する際にこの指標も使用できる。なお、画像勾配を計算するために使用できるフィルタは、Robert、Sobel、Previtt、等方性フィルタ等、数多くある。本発明の好適な実施形態においては、等方性フィルタによって勾配を計算し勾配値の自乗平方根を採用している。

背景残留点候補は初期的にpeak_lpに設定され、後に繰り返し処理（ステップ３０６）において微調整される。繰り返し処理という考え方は、試験種別に依存しないセグメント化を実現する上で、本発明における最も特徴的な事項の一つである。この処理ステップにおいては、背景残留点より高い画素値を有する全ての画像領域が画像背景候補と考えられ、領域毎の勾配値に基づき有効化乃至確証される。特に、指標として
を定義できる。この式中、gMag(i,j)はピクセル位置(i,j)における勾配値であり、その総和はその背景候補領域のみについてのものである。ＢＦ遷移及びＢＳ遷移は明らかに大きな勾配値を有していることから、背景残留点候補が非常に攻撃的に定義されていれば、即ち背景領域のみでなく前景領域及び解剖学的領域のうち幾分かを含むように定義されていれば、ＢＦ遷移及びＢＳ遷移における大きな勾配値によって指標bkgr_varianceが大きくなるであろう。

初期背景残留点peak_lpから開始される繰り返し処理においては、この着眼点に基づき、まずbkgr_varianceが計算され、その結果が所定のしきい値より大きいかどうかがチェックされる。もし大きいという結果であるならば背景残留点の値が所定量だけ加増され、同様の処理が繰り返される。背景残留点の値が増加する毎に、背景画素候補の個数はある程度ずつ減っていき、背景候補領域の大きさは小さくなっていく。繰り返しを停止する条件は、繰り返しの回数と、背景画素候補の個数と、bkgr_varianceの値である。これらの条件は先に述べた２通りの指標major_peak及びmajor_bkgrに依存しており、major_peak及びmajor_bkgrの何れかが真であるときは繰り返しが異なった形で制御される。繰り返しは、充分な個数の背景候補画素が残っていないとき又は非常に多くの回数に亘り繰り返しが行われたときに、停止される。これは、画像背景が存在していないであろうこと或いは（もしbkgr_varianceの条件が満たされているなら）有意な背景残留点が見つかったことを、意味している。背景残留点の個数減少は画素値において固定され、背景画素候補減少量において固定された計算値とされ、或いはそれらの組合せとされる。本発明の好適な実施形態においては組合せに係る方法が使用され、背景残留点を概ね発見するのに充分精密で且つ繰り返し回数を充分小さくできる程度には大きな減少量を、確保している。

最後の処理ステップにおいては、初期背景残留点が認証される（ステップ３０７）。図７は画像全体ヒストグラムの一例を示す。図中、pValue_min及びpValue_maxはそれぞれ原画像における最小及び最大画素であり、bkgr_lpは繰り返し処理を通じて得られた背景残留点である。本発明の好適な実施形態においては、pValue_min及びpValue_maxは原画像画素値の累積ヒストグラムからある比分値（例えばそれぞれ０．５％及び９９．９％）にて計算される。認証ステップの一実施形態においては、ルールベース推論プロセスが使用される。例えば、有効な背景残留点は次の条件を満足しなければならない：（１）bkgr_lpの値が充分に大きい、（２）画像のダイナミックレンジpValue_max-pValue_minが充分に大きい、（３）major_bkgr若しくはmajor_peakが真であって背景領域の面積が充分に大きいか逆に何れも偽であって背景領域の面積が充分に小さい。

第１のルールが使用されるのは、放射線写真がある所定条件下で露出され直接露出領域が比較的高い露出に晒されるためである。放射線写真のダイナミックレンジはｋＶｐ等の露出技術及び画像化される人体に依存している。解剖学的領域においては幾分のＸ線減衰が生じるため、（もし画像中に背景領域があるなら）捕捉された放射線写真のダイナミックレンジは有意な広さを有するはずであり、このことが第２のルールに合理性を与えている。第３のルールの根拠は、major_bkgr又はmajor_peakが真であるとき画像の背景領域が広いという傾向を有し、またmajor_bkgr及びmajor_peakが偽であるとき画像の背景領域が狭く或いは全くないという傾向を有することである。最後に、そのhigh_ptが初期背景残留点より高いＢＦ遷移及びＢＳ遷移候補の個数が、ＢＦ遷移及びＢＳ遷移候補の全個数と比較され、もしその比率が非常に小さいならば初期背景残留点は無効であると識別される。図８ａに検出された背景画素の一例を示す。これは完全なものではないが、後に続く前景検出処理には充分な程に良好である。

前景検出処理が使用されるステップは特許文献４（"Mehotd for recognizing multiple irradiation fields in digital radiography", Wang et al.）により開示されている。総じて言うならば、この文献に開示されているアルゴリズムは（１）原画像及び初期背景残留点値を入力し、（２）スマートエッジ検出処理を使用して画像内にある全ての有意な遷移を分類し、（３）Ｈｏｕｇｈ変換を実行してコリメーションブレードたり得る全ての線を描写し、（４）画像がいくつかの輻射フィールドを有するならばパーティションブレードペア候補を探索し、（５）統治(divide-and-conquer)プロセスを用いて画像をそれぞれ輻射フィールドを１個のみ含むサブ画像に仕切り、（６）サブ画像毎に最良のコリメーションを識別する、というものである。図８ｂに、検出された前景の一例を示す。

ここまでの段階で検出された背景には多くの欠点がある。例えば、背景領域が大きな不均一性を有する場合には図１ｂに示した過検出及び検出不足が生じる。そこで、続く処理ステップでは、これらの欠点を克服するため、既に判明している前景を有効に使用し領域成長によって背景領域を再生成する。本発明の一実施形態においては、領域成長法によって一組の既知の「シード」から新たな背景領域が再生成される。これらのシードは例えば先に検出した初期背景画素であり、或いは検出された背景遷移領域である。本発明の一実施形態においては、背景成長用の判別条件は、シードと検出された背景領域との同質性に基づいている。仮定として、背景領域内の画素値分布がほぼガウス分布であるとすると、本方法においては、まず検出された背景の平均μ_Background及び標準偏差σ_Backgroundを計算し、次にシードの３×３隣接領域を用いて領域成長を開始させる。統合条件は
|μ-μ_Background|/σ_Background≦ｔ
と定義される。この式中、定数ｔは正規分布における信頼インターバルを表している。もしシード領域における平均画素値μが所定の信頼インターバル例えば９０％内に入るのであれば、そのシード領域は背景領域に統合され、そうでなければ、解剖学的領域又は前景領域としてマークされる。一旦全てのシードがチェックされると、新たにセグメント化された背景の周りに一組の新たなシードが生成される。シード領域の成長は、背景領域に統合される領域がなくなるまで継続される。

本発明の他の実施形態においては、検出された背景遷移画素候補であってそのhigh_pt値が初期背景残留点より大きいものが、シードとして採用される。領域成長は局所的な画素値勾配に基づいて行われる。特に、当該勾配は二次元検出処理に基づき計算される。原画像はまず多くの互いに重複した３×３ブロックに仕切られ、更に各ブロックが二次元バイリニア関数
b(x_i,y_i)=ax_i+by_i+c
に当てはめられる。この式中、x_i及びy_iは画素座標であり、i及びjは[1,3]の範囲に属し、a、b、cは当てはめパラメタである。最適な当てはめパラメタを得るため、最小自乗誤差
が用いられる。この式中、i(x,y)は(x_i,y_i)における画素値である。各ブロックの中央画素についての勾配値は
と定義される。

成長処理はまず既知のシードから開始され、もしgradがあるしきい値より小さければその隣へと成長していく。そのようにする理由は、背景領域においてはgradが比較的小さくまたＢＦ遷移及びＢＳ遷移の近傍領域では比較的大きくあるべきである、というものである。成長処理は全ての背景領域を統合し、ＢＦ遷移及びＢＳ遷移近傍で停止する。従って解剖学的領域には立ち入らない。

領域成長の一例を図９ａ〜図９ｄに示す。図９ａにおいては、シード９０は原画像の頂部上において除去された前景と重なっている。図９ｂ〜図９ｃには、背景領域候補９２がどのように成長するかに関し、その中間ステップを示している。図９ｄに示されている最終結果においては、図１ｂに示したものとは異なり、背景領域の過検出及び検出不足は見られない。

最後に実行される有効化乃至確証ステップにおいては、シードから成長した背景領域がチェックされる。背景が既知であり従って解析から除外できることから、背景画素についてのより正確な試験を行いうる。特に、背景領域が存在しているとき解剖学的領域が最小サイズとなろうから、背景領域と全非前景領域との比率はあるしきい値を越えることがなく、全非背景領域のダイナミックレンジは最小しきい値を越えるはずである。さもなければ、検出された背景領域は無効と見なされる。

画像中の背景領域及び前景領域は何れも診断非関連領域である。従って、原画像中の前景領域及び背景領域を統合しその結果を原画像から排除することにより、診断関連領域即ち解剖学的領域を抽出することができる。図１０ａ及び図１０ｂに、それぞれ、検出された背景領域及び前景領域を示し、また、図１０ｃに、それらを統合したものを示す。これらの図から、前景領域及び背景領域は互いに結合しておらず、それらの間には遷移ギャップが存在することがわかる。クリーンな解剖学的領域を得るためには、これらの遷移ギャップを除去する必要がある。そのため、原画像の各列及び各行が解析される。もし遷移が前景から始まり背景で終わるのであれば、或いは背景から始まり前景で終わるのであれば、その遷移を記録しておく。もし、その遷移内において、背景にも前景にも属していない画素であって遷移最大値の近傍に存在する画素の個数が少数であるならば、その遷移は、前景領域と背景領域とをブリッジするものである。この処理は画像の各行各列について、且つ全ての遷移ギャップが除去されるまで、繰り返し実行される。図１０ｄに、結果として得られる画像の一例を示す。

解剖学的領域は、前景領域と背景領域とを統合したものを原画像から差し引くことによって得られる。検出された解剖学的画像中には、ハードウエアマーカ等の診断非関連の部分が残るかもしれない。ただ、そういったものは寸法にすれば小さいものであり、引き続く画像処理上、特に問題になるものではない。図１１に、検出された解剖学的領域の一例を示す。ハードウエアマーカが問題となるようなケースでは、解剖学的領域がより精細となるよう解剖学的領域の画像が更に処理される。例えば、各結合領域がユニークな画素値をとるよう解剖学的領域にラベルが付される。解剖学的領域は一般に互いに結合しておりハードウエアマーカに比べ寸法的に大きいことから、ラベルが付された画像のヒストグラムを計算すると、そのヒストグラム中のピークにより当該ラベルが付された画像中の最大結合領域の画素値が識別され、従って小さな診断非重要結合領域（例えばハードウエアマーカ）を残して当該最大結合領域を抽出することができる。同程度の寸法を有する２個又はそれ以上の個数の結合領域がある場合でも、診断に重要な領域を全て抽出することができる。

ＣＲにより得られた足の放射線写真の一例を、画像の前景領域、背景領域（直接露出領域）及び解剖学的領域の定義と共に、示す図である。公知の方法を用いた場合における背景領域の過検出及び検出不足を示す図である。本発明の一実施形態における大まかな処理ステップを示すフローチャートである。本発明の一実施形態における背景検出のための大まかな処理ステップを示すフローチャートである。画像の行を破線で示す図である。図４ａにおける標本化ラインプロファイルを示す図であり（暗い画像領域を高い画素値で表す）、特にその楕円内に遷移領域を示す図である。図４ｂにおける楕円領域を変形して表す図であり、更にmaxTransMag、segLen、segRange、high_pt及びmaxPixelValue等の定義をも示す図である。識別された背景候補画素を示す図である。画像全体ヒストグラム及び背景候補画素ヒストグラムを示す図である。図５ｂに示した背景候補画素ヒストグラムを強調して示す図であり、更にpeak、peak_lp、peak_rp及びlast_ptの定義をも示す図である。勾配値画像(gradient magnitude image)の一例を示す図である。図６ａに示した画像のヒストグラムを示す図であり、更に２個のパラメータpeak_hw及びpeak_locの定義を示す図である。画像全体ヒストグラムを示す図であり、更にpValue_min、pValue_max及びbkgr_lpの定義をも示す図である。初期背景領域を詳細に示す図である。図８ａに基づき検出した前景領域を示す図である。前景領域を除去し（除去後の部分を最も暗く表し）更に背景領域成長のための初期シード（背景領域内の暗点）を重ねて示す図である。背景領域成長の中間結果を示す図である。背景領域成長の中間結果を示す図である。最終的に検出された新たな背景領域を示す図である。検出された背景領域の一例を示す図である。検出された前景領域の一例を示す図である。遷移ギャップを含め、前景と背景との和を示す図である。前景領域と背景領域とを相互に統合した画像を示す図である。前景領域背景領域統合部分を除去した上で最終的に検出された解剖学的領域を示す図である。

符号の説明

４００画像の行、４０２標本化された行のプロファイル、４０４遷移領域、５００背景画素候補、９０シード、９２背景領域候補、maxTransMag 最大遷移勾配、segLen 遷移幅、segRange 遷移レンジ、high_pt 遷移高点値、maxPixelValue 最大画素値、peak ヒストグラムピーク、peak_lp ピーク左点、peak_rp ピーク右点、last_pt 最高画素値点、peak_hw ピーク幅、peak_loc ピーク位置、pValue_min原画像最小画素値、pValue_max 原画像最大画素値、bkgr_lp 背景残留点。

Claims

放射線写真画像を診断関連領域と診断非関連領域とにセグメント化する方法であって、
画素の行列を含むディジタル放射線写真画像を捕捉するステップと、
上記画像のヒストグラムにおける初期背景残留点を検出するステップと、
上記画像の前景を検出するステップと、
領域成長によって上記画像の背景を再生成するステップと、
上記画像の背景を有効化乃至確証するステップと、
上記画像の背景及び前景を診断非関連領域として統合するステップと、
上記画像の解剖学的領域を診断関連領域として抽出するステップと、
を有する方法。
請求項１記載の方法において、初期背景残留点を検出するステップが、
背景前景遷移（ＢＦ遷移）及び背景皮膚ライン遷移（ＢＳ遷移）候補全てに係る全ての立ち上がり及び立ち下がり遷移について画素の行及び列を評価しその遷移レンジ、遷移幅、最大遷移勾配及び遷移高点を記録するステップと、
遷移レンジ累積ヒストグラムを作成し遷移レンジしきい値を自動選択するステップと、
遷移高点ヒストグラムを作成し背景残留点の第１推定値を探索するステップと、
背景残留点を繰り返し処理によって調整するステップと、
背景残留点を認証するステップと、
を含む方法。
請求項１記載の方法において、上記前景を検出するステップが、
上記捕捉したディジタル放射線写真画像及び上記初期背景残留点を入力するステップと、
スマートエッジ検出処理を用いて上記画像中の全ての有意な遷移を分類するステップと、
Ｈｏｕｇｈ変換を施すことによりコリメーションブレード候補たり得る全てのラインを描写するステップと、
画像がいくつかの輻射フィールドを有するならばパーティションブレードペア候補を探索するステップと、
分割統治プロセスを用いて画像をそれぞれ輻射フィールドを１個のみ含むサブ画像に仕切るステップと、
サブ画像毎に最良のコリメーションを識別することにより前景を検出するステップと、
を含む方法。