JP2005526583A - 車輪状投影分析を用いた肺結節検出 - Google Patents

Abstract

車輪状投影分析を用いて高解像度マルチスライスＣＴ画像において肺結節を自動的に検出する方法が開示される。投影分析は、関心容積内の定義された軸（２０２）を中心として回転させられる一連の２次元切断面（２０１）から得られる加重面積曲線を使用する。結節は、加重面積曲線の形状分析が一揃いのテスト基準を満たす場合に検出される（３１３，３１４）。

Description

本発明はコンピュータ支援診断（ＣＡＤ）に関するものであり、より詳細には、車輪状投影分析（cartwheel projection analysis）を用いて肺結節を検出するＣＡＤ方法に関する。

肺癌は、男女ともに最もよく診断される癌の第２位であり、またアメリカ合衆国内での癌による死亡の主因であるとも報告されている。肺癌の全体的な治癒率は非常に低いままであるが、初期段階で発見され治療された肺癌については５年間生存率の見込みがある。それゆえ、明らかに、初期段階で肺癌を発見することが非常に望ましい。

残念ながら、通常の胸部Ｘ線はしばしば初期段階での肺癌の発見に失敗することがある。しかし、コンピュータトモグラフィ（ＣＴ）における最近の進歩によって、通常の胸部Ｘ線を使用していたのでは発見されなかったような肺癌を発見することができるようになった。ＣＴスキャンでは、Ｘ線のビームは、肺組織の横断面画像（画像スライス）を得るために、回転装置によってさまざまな角度から関心対象に向けられる。

マルチスライス高解像度コンピュータトモグラフィ（ＭＳＨＲＣＴ）スキャンによれば、直径２〜３０ｍｍ程度の結節が撮像可能である。しかしながら、大量のデータが放射線医にとって手に負えない課題となる。スライスの厚さが１〜１．５ｍｍである典型的なマルチスライス高解像度スキャンでは、画像スライスは３００枚以上になる。肺癌スクリーニング用のＭＳＨＲＣＴが普及すれば、そのような検査に対する需要は莫大なものとなる。放射線医が個々のスライス画像をすべて検討するのでは時間がかかると同時に実際的でない。

最近では、膨大な努力が自動結節検出に注がれている。しかし、自動結節検出は血管に付着した結節をしばしば検出し損ねることがあり、また誤って高い正のレートを出すという欠点を有している。通常、結節はスライス画像において血管の横断面に類似したほぼ円形の不透明部分として現れる。従来の自動結節検出方法では、結節の微妙さと正常構造のカムフラージュ効果とに対処するのは非常に困難であった。

したがって、従来の方法に付随する問題を回避する肺結節検出のためのコンピュータ支援診断技術を有することが望ましくかつ非常に有利である。

発明の概要
放射線医を何百もの画像スライスを読み通す重荷から解放し、また肺結節検出をより正確且つより短時間で行うことのできる自動肺結節検出の技術が開示される。

本発明の種々の実施形態によれば、関心構造を中心として異なる角度で一連のスライスが得られるように、画像スライスの車輪状投影が行われる。２次元画像を車輪状に回転させると、一般的に、対象物の３次元的形状及びこの対象物が血管に結合しているか否かが把握し易くなる。

車輪状投影スライスが肺結節の特徴を示しているか否かを判定するために、車輪状投影スライスに対してコンピュータ分析を行うことができる。この分析は自動的に選択されたある車輪状投影スライスに対する形状分析を含んでいてよい。これらの車輪状投影スライスの各々に関して、関心対象の主軸は固有ベクトル分析により計算することができ、主軸に沿った関心対象のサイズ／面積の曲線が形成される。これらの曲線の形状は分析され、関心対象が結節であるか否かが判定される。

本発明の第１の側面によれば、容積画像データセット内の関心対象の車輪状投影分析を用いた肺結節検出方法が提供される。この方法は、容積画像データセット内の関心対象を中心とした車輪状投影を適用することによって車輪状投影画像スライスの集合を形成するステップを含んでいる。車輪状投影画像スライスの部分集合は、肺結節の特徴が示されているか否かを判定するために分析される。肺結節の特徴が示されていれば、関心対象は肺結節として識別される。

本発明の第２の側面によれば、この方法は車輪状投影画像スライスの各々に関して関心対象を抽出するステップも含んでいる。そして、抽出された関心対象の真円度の値が求められる。車輪状投影画像スライスの部分集合は、真円度値下位Ｍ位までの車輪状投影画像スライスを含むように定義される。

本発明の第３の側面によれば、車輪状投影画像スライスの部分集合を分析するステップは、真円度値下位Ｍ位までの画像スライス部分集合内の車輪状投影画像スライスの加重面積曲線を形成するステップを含んでいる。加重面積曲線の形状は分析されて、肺結節の特徴を示しているか否かが判定される。

本発明の第４の側面によれば、真円度値上位Ｎ位までの車輪状投影画像スライスを用いて肺結節マスクが形成される。加重面積曲線の形状は肺結節マスクにより推定された位置に沿って調べられる。肺結節マスクにより推定された位置に沿った加重面積曲線の形状がガウス形である場合、関心対象は肺結節として識別される。

本発明の第５の側面によれば、加重面積曲線の形成は、真円度値下位Ｍ位までの車輪状投影画像スライスの各々において関心対象の主軸を確定することを含んでいる。いったん主軸が確定されると、この主軸に沿って関心対象のサイズ／面積が測定され、加重面積曲線を生成することができる。

本発明の第６の側面によれば、関心対象は、真円度値下位Ｍ位までの車輪状投影画像スライスが所定の閾値を上回る真円度値を有する場合に肺結節と見なされる。

本発明の第７の側面によれば、関心対象は、真円度値上位Ｎ位までの車輪状投影画像スライスが所定の閾値を下回る真円度値を有する場合に肺結節ではないと見なされる。

本発明の第８の側面によれば、容積画像データはマルチスライス高解像度ＣＴ（ＭＳＨＲＣＴ）スキャンから取得される。

本発明の第９の側面によれば、車輪状投影の回転角が事前設定される。

本発明のこれらの側面及び他の側面、ならびに特徴及び利点は、以下の有利な実施形態の詳細な説明を添付図面と関連させて読むことで明らかとなる。

図面の簡単な説明
図１は、本発明の実施形態に従って、本発明が適用されるコンピュータ処理システムのブロック図を示しており、
図２は、関心対象を中心とした、画像スライスの車輪状投影を図解した図を示しており、
図３は、車輪状投影分析を用いて肺結節を自動的に検出するコンピュータ支援診断（ＣＡＤ）方法のブロック図を示しており、
図４（ａ）は、血管に付着した結節を軸方向から見た図を示しており、
図４（ｂ）は、血管に付着した結節の表面の３Ｄ表現を示しており、
図４（ｃ）〜４（ｅ）は、血管に付着した結節の検出に適用された車輪状投影分析を描写しており、
図５（ａ）は、軸方向画像上で結節のように見える小さな弱い血管を示しており、
図５（ｂ）〜５（ｄ）は、小さな弱い血管を結節から区別することにより誤った陽性の診断を無くすための車輪状投影分析を描写している。

有利な実施形態の説明
本発明は、車輪状投影分析を用いて肺結節を検出するコンピュータ支援診断（ＣＡＤ）方法に関している。分析は、車輪状投影スライスが肺結節の特徴を示しているか否かを判定するために、車輪状投影スライスに対して行うことができる。

本発明の明快な理解を容易にするため、本発明のいくつかの側面（例えば、図２に示されている車輪状投影）を説明する図解例が示される。しかしながら、これらの図解は本発明の範囲を限定するためのものではなく、本発明に関連したいくつかのコンセプトを図解するために提供されていることが理解されなければならない。

また、本発明は種々の形態のハードウェア、ソフトウェア、ファームウェア、専用プロセッサ、またはこれらの組み合わせにおいて実施しうることが理解されなければならない。有利には、本発明はプログラム記憶装置上で具体的に実行されるプログラムとしてソフトウェア内で実施される。このプログラムは適切なアーキテクチャを有するマシンにアップロードでき、またこのマシンにより実行可能であってよい。有利には、このマシンは、１つ又は複数の中央処理ユニット（ＣＰＵ）、ランダムアクセスメモリ（ＲＡＭ）、および入力／出力（Ｉ／Ｏ）インタフェースなどのようなハードウェアを有するコンピュータプラットフォーム上で実施される。このコンピュータプラットフォームはまたオペレーティングシステム及びマイクロ命令コードを含んでいる。本明細書に記載された種々のプロセス及び機能は、マイクロ命令コードの一部であるか又はオペレーティングシステムを介して実行されるプログラムの一部（又はこれらの組み合わせ）であってよい。さらに、付加的なデータ記憶装置や印刷装置のような他の種々の周辺装置がコンピュータプラットフォームに接続されていてもよい。

添付した図に示されているシステムコンポーネント及び方法ステップのいくつかは有利にはソフトウェアで実施されるので、システムコンポーネント（又はプロセスステップ）間の実際の結合は、本発明がプログラムされる仕方に応じて異なることがあることが理解されなければならない。

図１は、本発明の実施形態に従って本発明が適用されうるコンピュータ処理システム１００のブロック図である。システム１００は、システムバス１０４を介して他のコンポーネントに作用結合された少なくとも１つのプロセッサ（以下ではプロセッサ）１０２を含んでいる。リードオンリメモリ（ＲＯＭ）１０６，ランダムアクセスメモリ（ＲＡＭ）１０８，ディスプレイアダプタ１１０，Ｉ／Ｏアダプタ１１２，オーディオアダプタ１１３，及びユーザインタフェースアダプタ１１４は、システムバス１０４に作用結合されている。

ディスプレイ装置１１６はディスプレイアダプタ１１０によってシステムバス１０４に作用結合されている。ディスク記憶装置（例えば、磁気又は光学式ディスク記憶装置）１１８はＩ／Ｏアダプタ１１２によってシステムバス１０４に作用結合されている。スピーカ１１９はオーディオアダプタ１１３によってシステムバス１０４に作用結合されている。

マウス１２０及びキーボード１２４はユーザインタフェースアダプタ１１４によってシステムバス１０４に作用結合されている。マウス１２０及びキーボード１２４はシステム１００への情報の入力及びシステム１００からの情報の出力に使用される。

当業者には、図１に図解されているコンピュータ処理システム１００の例が本発明を限定するものではないことが認識されるであろう。当業者には、他の択一的なコンピュータ環境が本発明の意図と範囲から逸脱することなく使用されうることが理解されるであろう。

図２は関心対象の車輪状投影を図解している。車輪状投影を受ける各々の軸方向画像スライスは、ＣＴ装置（以下ではＣＴという用語は高解像度ＣＴおよび他の類似した画像スキャン装置を含む）を用いた肺２００の画像スキャンから得られ、疑いのある組織などのような関心対象が中心に置かれる。図２に示されているように、回転面２０１は関心点２０２を中心として１８０度回転され、車輪状投影画像スライス２０３及び２０４のような一連の車輪状投影画像スライスが得られる。回転角は、例えば５度ごとのような、予め決められた間隔で設定することができる。５度ごとの間隔で設定した場合、入力された各関心対象について３６の個別の車輪状投影画像スライスが生成される。同様に、間隔を１度に設定した場合、入力された各関心対象について１８０の個別の車輪状投影画像スライスが生成される。

図３は、車輪状投影分析を用いて肺結節を自動的に検出するコンピュータ支援診断方法のブロック図である。

まず始めに、肺容積内の検査すべき関心構造に関して、複数のシードポイントが生成される（ステップ３０１）。一般的に、シードポイントは肺画像内のポイント／ボクセルを表しており、比較的精密な検査を保証する。例えば、シードポイントは詳細な検査を要する疑いのある構造を指し示す。

肺結節の解剖学的性質のゆえに、所定の閾値よりも高い強度値を有するポイント／ボクセルを考慮するだけでよい。さらに、シードポイントを生成するために、自動シード候補生成アルゴリズムを本発明と組み合わせて使用することが勧められる。択一的に、シードポイントをインタラクティブに選択するために、例えばマウス装置によってシードポイントを手動で指定してもよい。

いったんシードポイントが生成されると、車輪状投影が（図２に示されているように）各シードポイントにおいて適用され、結果として得られた２次元車輪状投影画像スライスがさらなる分析のために格納される（ステップ３０２）。

次のステップは、各々の車輪状投影画像スライスから関心対象を抽出することである（ステップ３０３）。これは、弱い血管でさえもその連結性を保つことができるように比較的低い閾値を用いて、画像をグレースケールフォーマットからバイナリフォーマットに変換することで達成しうる。このような強度閾値の一例が、−６２４Ｈｕである。関心対象に結合していないすべての周辺組織は背景に設定することができる。

つぎに、各々の（バイナリ）車輪状投影画像スライス上の関心対象の幾何学的特性が調べられる（ステップ３０４）。より詳細には、各車輪状投影画像スライス上の関心対象に関して、次の式を用いて真円度が計算される。

真円度の値が高ければ高いほど、対象の形状は丸くなることが理解されなければならない。

つぎに、真円度上位Ｎ位までのバイナリ車輪状投影画像スライスを取得する（ステップ２０５）。これは、例えば、バイナリ車輪状投影画像スライスを真円度値の順にソートし、上位Ｎ枚のスライスを選択することにより達成しうる。

真円度値下位Ｍ位までの車輪状投影画像スライスが所定の閾値Ｔ_Ｌを上回る真円度を有しているか否かに関して、判定が行われる（ステップ３１０）。閾値Ｔ_Ｌを上回る真円度を有していれば、その丸い形状のゆえに関心構造は結節であると即座に判定される（ステップ３１６）。そうでなければ、各車輪状投影画像スライスに関して加重面積曲線が計算される。加重面積曲線を求める第１のステップは、行列

つぎに、各々の面積曲線を得るために、主軸に対して垂直な方向に沿って対象の幅又は面積を測定することにより面積加重曲線が計算される。このステップでは、ピクセルの強度もまた正規化され、記録される。選択的に、セグメンテーションによって生じるアーチファクトが減少し、面積曲線が平滑化されるように、メジアンフィルタリングを面積曲線に適用してもよい。面積曲線はつぎに、解剖学的構造のより納得のいく解釈が行われるように、正規化された強度によって重み付けされる。

この時点で、加重面積曲線を分析できる状態となる。これらの加重面積曲線は、解剖学的構造の形状特性を表しているので、結節の曲線と血管の曲線とでは異なる形状的特徴を示す。通常は、結節の加重面積曲線は結節が単独でも又は血管に付着していてもガウス形となる傾向にあり、その一方で、血管の加重面積曲線はこのような性質を有していない。加重面積曲線の形状は結節マスクから推定される位置の周りで分析される（ステップ３１３）。

一揃いの基準に従って、加重面積曲線が結節マスクによって大雑把に推定された位置の周りで十分にガウス形であるか否かが判定される（ステップ３１４）。この基準は一例として曲線あてはめ法であってよい。検査のもとで現在のシードがこの基準を満たしていることが判定されると、それは結節であると見なされ（ステップ３１６）、検査の対象は保存される。そうでなければ、シードは結節であると見なされない（ステップ３１５）。

この後、次のシードを処理することができる（ステップ３１７）。このプロセスは検査すべきシードがなくなるまで繰り返される。

本発明をより良く理解するために、つぎにいくつかの例を提示する。第１の例では、血管に付着した結節の検出のために車輪状投影分析が行われる。第２の例は、小さな弱い血管を結節から区別するためにどのようにして車輪状投影分析が使用されうるかを示している。

Ａ．血管に付着した結節の検出に車輪状投影分析を用いる
図４（ａ）及び４（ｂ）は血管に付着した結節の一例を示している。図４（ａ）には、軸方向から見た結節が示されており、図４（ｂ）には表面の３Ｄ表現が示されている。

図４（ｃ）には、真円度上位５位までのオリジナル（上段）及びバイナリ（下段）車輪状投影画像スライスが示されている。この例では、Ｎは５に等しい。図４（ｄ）は、下位Ｍ位までの真円度値を有する５つのオリジナル及びバイナリ車輪状投影画像スライスを示している。この例では、Ｍも５に等しい。主軸が示される。

図４（ｅ）には、真円度下位５位までの車輪状投影スライスの加重面積曲線が示されている。最後のサブイメージは結節マスクを示している。結節マスクはＮ枚のバイナリ車輪状投影スライスのＯＲ演算から形成されることを思い出してもらいたい。したがって、この結節マスクは図４（ｃ）に示されている５つのバイナリ車輪状投影スライスのＯＲ演算から形成されたものである。図４（ｅ）に示されたこれらの加重面積曲線は見たところ結節マスクにより大雑把に推定された位置の周りでガウス形であることに注意されたい。加重面積曲線がこの形状を有していることから、加重面積曲線は関心対象が結節であることが示している。なぜなら、結節はこの性質を有しているからである。

Ｂ．車輪状投影分析を用いて小さな弱い血管を結節から区別する
図５（ａ）は、結節のように見える小さな弱い血管の例を示している。

図５（ｂ）には、真円度上位５位までのオリジナル車輪状投影スライスが示されている。図５（ｃ）は、真円度下位５位までのオリジナル（上段）及びバイナリ（下段）車輪状投影スライスを示している。主軸が示される。前の例と同様に、Ｍ及びＮは両方とも５に設定されている。

図５（ｄ）は、真円度下位５位までの車輪状投影スライスの加重面積曲線を示している。最後のサブイメージは、大雑把に推定された対象のサイズと位置とを示す結節マスクを表示している。これらの加重面積曲線は見たところ比較的直線状の形状を有しており、結節マスクにより大雑把に推定された位置の周りでガウス形をしていないことに注意されたい。このことはこのシードが結節ではないことを示唆している。このケースでは、関心対象は実際には小さな弱い血管なので、曲線は直線状の形をしている。

上記の例は、自動的に肺結節を検出する車輪状投影分析の主要な利点のいくつかを示したものである。しかしながら、これらの例は本発明の範囲を限定するものではないことが理解されなければならない。さらに、いくつかの場合においては、本発明は加重面積曲線を用いずに関心対象の特性を判定するということも理解されなければならない。すでに述べたように、例えば、本発明は、単純に対象の真円度が所定の閾値を超えれば対象が結節であることを検出することができ、また真円度が別の所定の閾値よりも低ければ対象が結節でないことを判定することができる。

本明細書では添付した図面を参照して本発明の実施例を図解したが、本発明はこれらの詳細な実施例に限定されるものではなく、他の種々の変更及び改良が当業者により本発明の範囲又は意図から逸脱することなく行われうることが理解されなければならない。

本発明が適用されるコンピュータ処理システムのブロック図を示す。

関心対象を中心とした、画像スライスの車輪状投影を図解した図を示す。

車輪状投影分析を用いて肺結節を自動的に検出するコンピュータ支援診断（ＣＡＤ）方法のブロック図を示す。

血管に付着した結節を軸方向から見た図を示す。

、血管に付着した結節の表面の３Ｄ表現を示す。

血管に付着した結節の検出に適用された車輪状投影分析を示す。

血管に付着した結節の検出に適用された車輪状投影分析を示す。

血管に付着した結節の検出に適用された車輪状投影分析を示す。

軸方向画像上で結節のように見える小さな弱い血管を示す。

小さな弱い血管を結節から区別することにより誤った陽性の診断を無くすための車輪状投影分析を示す。

小さな弱い血管を結節から区別することにより誤った陽性の診断を無くすための車輪状投影分析を示す。

小さな弱い血管を結節から区別することにより誤った陽性の診断を無くすための車輪状投影分析を示す。

Claims (20)

1. 容積画像データセット内の関心対象の車輪状投影分析を用いて肺結節を検出する方法において、
   容積画像データセット内の関心対象を中心とした車輪状投影を適用することにより車輪状投影画像スライスの集合を形成するステップと、
   前記車輪状投影画像スライスの部分集合を分析して、肺結節の特徴が示されているか否かを判定するステップと、
   肺結節の特徴が示されていると判定された場合に前記関心対象を肺結節として識別するステップとを有することを特徴とする、容積画像データセット内の関心対象の車輪状投影分析を用いて肺結節を検出する方法。
2. 車輪状投影画像スライスの各々に関して関心対象を抽出するステップと、
   抽出した各関心対象の真円度の値を求めるステップと、
   真円度値下位Ｍ位までの車輪状投影画像スライスを含むように前記車輪状投影画像スライスの部分集合を定義するステップとをさらに有する、請求項１記載の方法。
3. 車輪状投影画像スライスの部分集合を分析するステップが、
   前記部分集合内の車輪状投影画像スライスの加重面積曲線を形成するステップと、
   前記加重面積曲線の形状が肺結節の特徴を示しているか否かを判定するステップとを有する、請求項２記載の方法。
4. 加重面積曲線の形状が肺結節の特徴を示しているか否かを判定するステップが、
   真円度値上位Ｎ位までの車輪状投影画像スライスを用いて肺結節マスクを形成するステップと、
   真円度値下位Ｍ位までの車輪状投影画像スライス上で得られた加重面積曲線の形状を前記肺結節マスクにより推定された位置に沿って調べるステップと、
   前記肺結節マスクにより推定された位置に沿った加重面積曲線の形状がガウス形である場合に関心対象を肺結節として識別するステップとを有する、請求項３記載の方法。
5. 加重面積曲線を形成するステップが、
   真円度値下位Ｍ位までの車輪状投影画像スライスの各々において関心対象の主軸を決定するステップと、
   前記主軸に沿って関心対象のサイズ／面積を測定するステップと、
   加重面積曲線を生成するステップとを有する、請求項３記載の方法。
6. 車輪状投影画像スライスの部分集合を分析するステップは、真円度値下位Ｍ位までの車輪状投影画像スライスが所定の閾値を上回る真円度値を有する場合に関心対象を肺結節と見なす、請求項１記載の方法。
7. 車輪状投影画像スライスの部分集合を分析するステップは、真円度値上位Ｎ位までの車輪状投影画像スライスが所定の閾値を下回る真円度値を有する場合に関心対象を肺結節でないと見なす、請求項１記載の方法。
8. 容積画像データをマルチスライス高解像度ＣＴスキャンから取得する、請求項１記載の方法。
9. 車輪状投影の回転角を事前設定する、請求項１記載の方法。
10. 容積画像データセット内の関心対象の車輪状投影分析を用いた肺結節の検出方法ステップを実施する、マシン上で実施可能な命令のプログラムを具体的に実現したマシン読取り可能なプログラム記憶装置において、
    前記方法ステップが、
    容積画像データセット内の関心対象を中心とした車輪状投影を適用することにより車輪状投影画像スライスの集合を形成するステップと、
    前記車輪状投影画像スライスの部分集合を分析して、肺結節の特徴が示されているか否かを判定するステップと、
    肺結節の特徴が示されていると判定された場合に前記関心対象を肺結節として識別するステップとを含んでいることを特徴とするマシン読取り可能なプログラム記憶装置。
11. 車輪状投影画像スライスの各々に関して関心対象を抽出するステップと、
    抽出した各関心対象の真円度の値を求めるステップと、
    真円度値下位Ｍ位までの車輪状投影画像スライスを含むように前記車輪状投影画像スライスの部分集合を定義するステップとをさらに有する、請求項１０記載のプログラム記憶装置。
12. 車輪状投影画像スライスの部分集合を分析するステップが、
    前記真円度値下位Ｍ位までの画像スライス部分集合内の車輪状投影画像スライスに関して加重面積曲線を形成するステップと、
    前記加重面積曲線の形状が肺結節の特徴を示しているか否かを判定するステップとを有する、請求項１１記載のプログラム記憶装置。
13. 加重面積曲線の形状が肺結節の特徴を示しているか否かを判定するステップが、
    真円度値上位Ｎ位までの車輪状投影画像スライスを用いて肺結節マスクを形成するステップと、
    真円度値下位Ｍ位までの車輪状投影画像スライス上で得られた加重面積曲線の形状を前記肺結節マスクにより推定された位置に沿って調べるステップと、
    前記肺結節マスクにより推定された位置に沿った加重面積曲線の形状がガウス形である場合に関心対象を肺結節として識別するステップとを有する、請求項１２記載のプログラム記憶装置。
14. 加重面積曲線を形成するステップが、
    真円度値下位Ｍ位までの車輪状投影画像スライスの各々において関心対象の主軸を決定するステップと、
    前記主軸に沿って関心対象のサイズ／面積を測定するステップと、
    加重面積曲線を生成するステップとを有する、請求項１２記載のプログラム記憶装置。
15. 車輪状投影画像スライスの部分集合を分析するステップは、真円度値下位Ｍ位までの車輪状投影画像スライスが所定の閾値を上回る真円度値を有する場合に関心対象を肺結節と見なす、請求項１０記載のプログラム記憶装置。
16. 車輪状投影画像スライスの部分集合を分析するステップは、真円度値上位Ｎ位までの車輪状投影画像スライスが所定の閾値を下回る真円度値を有する場合に関心対象を肺結節でないと見なす、請求項１０記載のプログラム記憶装置。
17. 容積画像データをマルチスライス高解像度ＣＴスキャンから取得する、請求項１０記載のプログラム記憶装置。
18. 車輪状投影の回転角が事前設定される、請求項１０記載のプログラム記憶装置。
19. 容積画像データセット内の関心対象を中心とした車輪状投影を適用することにより車輪状投影画像スライスの集合を形成するようにした、容積画像データセット内の関心対象の車輪状投影分析を用いた肺結節の検出方法において、
    前記車輪状投影画像スライスの部分集合を分析して、肺結節の特徴が示されているか否かを判定するステップと、
    肺結節の特徴が示されていると判定された場合に前記関心対象を肺結節として識別するステップとを有することを特徴とする、容積画像データセット内の関心対象の車輪状投影分析を用いた肺結節の検出方法。
20. 肺癌の診断を補助する肺結節検出装置において、
    関心対象に関連した車輪状投影画像スライスの集合を取得するための入力ユニットと、
    車輪状投影画像スライスの前記集合に対して車輪状投影分析を行うための分析器と、
    関心対象が肺結節であるか否かを識別するための出力ユニットとを有することを特徴とする、肺癌の診断を補助する肺結節検出装置。

Images