JP2007007306A - 医用画像処理システム - Google Patents
医用画像処理システム Download PDFInfo
- Publication number
- JP2007007306A JP2007007306A JP2005194889A JP2005194889A JP2007007306A JP 2007007306 A JP2007007306 A JP 2007007306A JP 2005194889 A JP2005194889 A JP 2005194889A JP 2005194889 A JP2005194889 A JP 2005194889A JP 2007007306 A JP2007007306 A JP 2007007306A
- Authority
- JP
- Japan
- Prior art keywords
- area
- region
- candidate
- medical image
- image processing
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 230000002093 peripheral effect Effects 0.000 claims abstract description 29
- 210000000481 breast Anatomy 0.000 claims description 21
- 238000003384 imaging method Methods 0.000 claims description 10
- 238000000034 method Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 11
- 230000003902 lesion Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 208000004434 Calcinosis Diseases 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000000491 multivariate analysis Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】注目領域を適切に設定することにより、異常陰影候補の検出精度を向上させる。
【解決手段】注目領域は、異常陰影の1次候補領域を包含し、かつ注目領域内に含まれる1次候補領域とその周辺領域との面積(画素数)の比率が所定比率となるように決定される。例えば、1次候補領域とその周辺領域との比率を1:2とする場合、10画素で構成される大きさの1次候補領域(図5で色を付した領域)が抽出されると、その周辺領域が20画素となるように1次候補領域に対する周辺領域が決定され、当該1次候補領域と周辺領域とからなる注目領域が構成される。注目領域で算出する画像特徴量は、方形の領域でなければ算出できないもの(例えば、テクスチャ情報等)があるので、注目領域とする周辺画素は1次候補領域の形状を考慮して1次候補領域と周辺領域と合わせて方形となるように決定する。
【選択図】図5
【解決手段】注目領域は、異常陰影の1次候補領域を包含し、かつ注目領域内に含まれる1次候補領域とその周辺領域との面積(画素数)の比率が所定比率となるように決定される。例えば、1次候補領域とその周辺領域との比率を1:2とする場合、10画素で構成される大きさの1次候補領域(図5で色を付した領域)が抽出されると、その周辺領域が20画素となるように1次候補領域に対する周辺領域が決定され、当該1次候補領域と周辺領域とからなる注目領域が構成される。注目領域で算出する画像特徴量は、方形の領域でなければ算出できないもの(例えば、テクスチャ情報等)があるので、注目領域とする周辺画素は1次候補領域の形状を考慮して1次候補領域と周辺領域と合わせて方形となるように決定する。
【選択図】図5
Description
本発明は、医用画像を画像解析して異常陰影の候補領域を検出する医用画像処理システムに関する。
従来から、医師の診断時の負担軽減や、病変の見落とし減少を目的として、検査撮影された医用画像を画像解析して画像上での病変部分の陰影(以下、異常陰影という)の候補領域を検出するコンピュータ診断支援装置(Computer-Aided Diagnosis;以下、CADという)と呼ばれる医用画像処理装置が開発されてきた。
上記CADでは、様々な検出方法が適用されており、その一つとして医用画像から異常陰影の特徴を有する画像領域を特定する1次検出を行った後、この1次検出された候補領域について画像特徴量を算出し、最終的にこの画像特徴量を用いて真陽性の可能性が高い候補領域を抽出して検出結果として出力する方法がある(例えば、特許文献1参照)。
画像特徴量は、1次検出された候補領域のみで算出するものもあるが、中には有る程度の領域範囲がなければ算出できないものもあるため、そのような画像特徴量を算出する際には、1次検出された候補領域に対し、例えば方形の注目領域を設定してこの注目領域内で画像特徴量の算出を行っている。
特開2002−112985号公報
従来の異常陰影の検出方法によれば、注目領域の領域範囲は固定であったり、或いは1次検出された候補領域を包含するようにその領域範囲が決定されていた。しかし、検出された1次候補領域の大きさによって、注目領域内に存在する候補領域とその他の領域との割合が異なるため、注目領域内で算出された画像特徴量は、候補領域における画像の特徴を正確に示しているとはいえない場合もある。
例えば、注目領域が固定サイズの場合、図9(a)に示すように、1次検出された陰影部分が小さければ注目領域内の正常組織の陰影領域(以下、正常陰影という)の割合が大きくなるのに対し、陰影が大きければ正常陰影の割合は小さくなる。よって、注目領域内から算出された画像特徴量は、後者の場合、1次検出された候補領域の画像の特徴を反映するのに対し、前者の場合は正常陰影の特徴を多く反映することとなる。
また、1次検出候補領域を囲むように注目領域を決定する場合であっても、図9(b)に示すように、面積自体は小さな陰影でありながらその形状によっては、面積が大きな陰影と同程度の大きさの注目領域に決定される場合がある。このような場合には、やはり注目領域内における正常陰影の占有率が大きくなるため、その画像の特徴が正常陰影側に傾いてしまい、真陽性か偽陽性かの正しい判断ができないことも考えられる。
このように、注目領域内で候補領域が占める面積の割合によって、正常陰影が占める割合が異なることとなり、注目領域内で算出された画像特徴量が正常陰影の特徴の影響を大きく受ける場合がある。これでは、候補領域の特徴自体があいまいなものとなり、真陽性か偽陽性かの正しい判別ができない。また、各異常陰影の大きさによってそれぞれの検出精度にばらつきが生じることとなってしまう。
本発明の課題は、注目領域を適切に設定することにより、異常陰影候補の検出精度を向上させることである。
請求項1に記載の発明は、医用画像処理システムにおいて、
医用画像から異常陰影の候補領域を1次検出し、その1次候補領域に注目領域を設定して当該注目領域内から得られる画像特徴量に基づき2次検出を行う異常陰影候補検出手段と、
前記注目領域の領域範囲を、当該注目領域内に存在する1次候補領域の大きさに応じて決定する決定手段と、
を備えることを特徴とする。
医用画像から異常陰影の候補領域を1次検出し、その1次候補領域に注目領域を設定して当該注目領域内から得られる画像特徴量に基づき2次検出を行う異常陰影候補検出手段と、
前記注目領域の領域範囲を、当該注目領域内に存在する1次候補領域の大きさに応じて決定する決定手段と、
を備えることを特徴とする。
請求項2に記載の発明は、請求項1に記載の医用画像処理システムにおいて、
前記決定手段は、前記注目領域の領域範囲を、当該注目領域内を占める1次候補領域の面積の割合により決定することを特徴とする。
前記決定手段は、前記注目領域の領域範囲を、当該注目領域内を占める1次候補領域の面積の割合により決定することを特徴とする。
請求項3に記載の発明は、請求項1又は2に記載の医用画像処理システムにおいて、
前記決定手段は、前記注目領域内に存在する1次候補領域と、その周辺領域との面積の割合が一定比率となるように前記注目領域の領域範囲を決定することを特徴とする。
前記決定手段は、前記注目領域内に存在する1次候補領域と、その周辺領域との面積の割合が一定比率となるように前記注目領域の領域範囲を決定することを特徴とする。
請求項4に記載の発明は、請求項3に記載の医用画像処理システムにおいて、
前記周辺領域は、正常組織の陰影領域であることを特徴とする。
前記周辺領域は、正常組織の陰影領域であることを特徴とする。
請求項5に記載の発明は、請求項1〜4の何れか一項に記載の医用画像処理システムにおいて、
前記決定手段は、前記1次候補領域の形状に応じて前記注目領域の領域範囲を決定することを特徴とする。
前記決定手段は、前記1次候補領域の形状に応じて前記注目領域の領域範囲を決定することを特徴とする。
請求項6に記載の発明は、請求項5に記載の医用画像処理システムにおいて、
前記決定手段は、前記注目領域の形状が方形となるようにその領域範囲を決定することを特徴とする。
前記決定手段は、前記注目領域の形状が方形となるようにその領域範囲を決定することを特徴とする。
請求項7に記載の発明は、請求項1〜6の何れか一項に記載の医用画像処理システムにおいて、
前記決定手段は、前記1次検出された各1次候補領域について、当該1次候補領域を包含し、かつ注目領域内において当該候補領域を構成する画素数とその周辺領域を構成する画素数とが一定比率となるように、前記注目領域の領域範囲を決定し、
前記異常陰影候補検出手段は、前記1次候補領域に設定された注目領域から得られる画像特徴量に基づき、真陽性の特徴を有する1次候補領域を2次検出することを特徴とする。
前記決定手段は、前記1次検出された各1次候補領域について、当該1次候補領域を包含し、かつ注目領域内において当該候補領域を構成する画素数とその周辺領域を構成する画素数とが一定比率となるように、前記注目領域の領域範囲を決定し、
前記異常陰影候補検出手段は、前記1次候補領域に設定された注目領域から得られる画像特徴量に基づき、真陽性の特徴を有する1次候補領域を2次検出することを特徴とする。
請求項8に記載の発明は、請求項1〜7の何れか一項に記載の医用画像処理システムにおいて、
前記医用画像は、***部位を撮影した***画像であることを特徴とする。
前記医用画像は、***部位を撮影した***画像であることを特徴とする。
請求項1〜4、7、8に記載の発明によれば、注目領域から得られる画像特徴量に異常陰影候補(1次候補領域)の特徴が大きく反映されるように注目領域を決定することができる。このような画像特徴量を元に検出を行うことにより、検出精度を向上させることができる。また、常に注目領域において異常陰影の候補領域が占める割合が一定比率となるので、検出される各異常陰影候補についてその検出条件を同一とすることができ、異常陰影の候補領域の大きさによって生じる検出結果のばらつきを防ぐことができる。
請求項5、6に記載の発明によれば、方形の領域から算出しなければならない画像特徴量等、画像特徴量の算出条件に合わせて注目領域の形状を決定することができる。
まず、構成を説明する。
図1に、本実施形態における医用画像処理システム100のシステム構成を示す。
医用画像処理システム100は、医用画像を撮影し、当該医用画像に画像処理を行って異常陰影候補を検出し、医用画像とともにその検出情報を医師に提供するシステムである。
図1に、本実施形態における医用画像処理システム100のシステム構成を示す。
医用画像処理システム100は、医用画像を撮影し、当該医用画像に画像処理を行って異常陰影候補を検出し、医用画像とともにその検出情報を医師に提供するシステムである。
図1に示すように、医用画像処理システム100は、画像生成装置1、画像処理装置2、プリンタ3、画像サーバ4、ビューア5を備えて構成されている。これら各装置1〜5は、LAN(Local Area Network)等の医療機関内で構築された通信ネットワークNを介して相互にデータを送受信可能に接続されている。通信ネットワークNは、DICOM(Digital Imaging and Communication in Medicine)規格が適用されている。
以下、各構成装置1〜5について説明する。
画像生成装置1は、人体を撮影し、その撮影画像(医用画像)のデジタルデータを生成するものであり、例えばCR(Computed Radiography)、FPD(Flat Panel Detector)、CT、MRI、カセッテ専用の読取装置、フィルムディジタイザ等のモダリティを適用可能である。本実施形態では、画像生成装置1として、左右***のX線撮影を行う***専用のCRを適用し、***画像のデータが生成されるものとする。
画像生成装置1は、人体を撮影し、その撮影画像(医用画像)のデジタルデータを生成するものであり、例えばCR(Computed Radiography)、FPD(Flat Panel Detector)、CT、MRI、カセッテ専用の読取装置、フィルムディジタイザ等のモダリティを適用可能である。本実施形態では、画像生成装置1として、左右***のX線撮影を行う***専用のCRを適用し、***画像のデータが生成されるものとする。
なお、画像生成装置1は、上述したDICOM規格に準拠した装置であり、生成した医用画像に付帯させる各種情報(例えば、医用画像が撮影された患者に関する患者情報や、撮影又は検査に関する撮影情報、検査情報等。)を外部から入力可能であるとともに、自動生成することもできる。画像生成装置1は、生成された医用画像に上記付帯情報をヘッダ情報として付加して通信ネットワークNを介して画像処理装置2へ送信する。なお、DICOM規格に準拠していない場合には、図示しないDICOM変換装置を用いて付帯情報を画像生成装置1に入力させることも可能である。
画像処理装置2は、画像生成装置1から供給される医用画像に対して各種画像処理を施すとともに、当該医用画像の画像解析を行って異常陰影候補の検出処理を行う。
プリンタ3は、画像処理装置2又は画像サーバ4から受信された医用画像のデータに基づいて、フィルム等の記録媒体に医用画像を出力する。
画像サーバ4は、画像DB(Data Base)4aを備え、この画像DB4aに、画像生成装置1により生成された医用画像(原画像)、画像処理装置2から受信された画像処理済みの医用画像(処理画像)を保存し、その入出力を管理する。
ビューア5は、診断用に医師により使用される端末装置であり、LCD(Liquid Crystal Display)等の表示手段、キーボードやマウス等の操作手段等を備えて構成されている。ビューア5は、医師の操作指示に応じて、指定された医用画像又は異常陰影候補の検出情報を画像サーバ4から取得して表示する。
次に、本発明に係る画像処理装置2について詳細に説明する。
図2に、画像処理装置2の内部構成を示す。
画像処理装置2は、制御部21、操作部22、表示部23、通信部24、記憶部25、画像処理部26、異常陰影候補検出部27を備えて構成されている。
図2に、画像処理装置2の内部構成を示す。
画像処理装置2は、制御部21、操作部22、表示部23、通信部24、記憶部25、画像処理部26、異常陰影候補検出部27を備えて構成されている。
制御部21は、CPU(Central Processing Unit)、RAM(Random Access Memory)等から構成され、CPUにより記憶部25から各種制御プログラムを読み出してRAMに展開する。そして、当該プログラムに従って処理の実行を統括的に制御し、各部の動作を集中制御する。
操作部22は、キーボードやマウス等を備えて構成され、キー操作やマウス操作に対応する操作信号を生成して制御部21に出力する。
表示部23は、LCD等を備えて構成され、制御部21の指示に従って画像処理時の操作画面や処理後の医用画像等、各種表示を行う。
通信部24は、ルータやモデム等の通信用インターフェイスを備え、制御部21の指示に従って、通信ネットワークN上の外部装置と通信を行う。例えば、画像生成装置1から処理対象の医用画像を受信したり、処理済みの医用画像を画像サーバ4やプリンタ3に送信する。
記憶部25は、各種制御プログラムやプログラムの実行に必要なパラメータ、或いは処理結果のデータを記憶している。
画像処理部26は、画像処理プログラムに従って医用画像に対し、階調変換処理、鮮鋭度調整処理等を実行する他、***画像の場合には左右の***の画像を隣り合わせで合成する位置合わせ処理等を実行する。
異常陰影候補検出部27は、CPU等から構成され、記憶部25に記憶されている異常陰影候補の検出処理プログラムとの協働により、医用画像から異常陰影の候補領域を検出する異常陰影候補検出手段である。異常陰影候補の処理内容については、後述する。
次に、上記医用画像処理システム100の動作について説明する。
最初に、医用画像の生成から当該医用画像が医師の読影に付されるまでの全体的な流れを説明する。
医用画像処理システム100では、まず画像生成装置1において撮影が行われると、医用画像(***画像)が生成される。そして、生成された***画像の関連情報として、患者情報(患者の氏名、患者ID、年齢、体重、身長等)、撮影情報(撮影方向、撮影部位、撮影条件、撮影方法等)、検査情報(検査日、担当医師名、使用モダリティ等)等が***画像に付帯される。付帯情報が付帯された***画像(原画像)は、画像生成装置1から画像サーバ4に出力されるとともに、異常陰影候補の検出対象の***画像として画像処理装置2に出力される。
最初に、医用画像の生成から当該医用画像が医師の読影に付されるまでの全体的な流れを説明する。
医用画像処理システム100では、まず画像生成装置1において撮影が行われると、医用画像(***画像)が生成される。そして、生成された***画像の関連情報として、患者情報(患者の氏名、患者ID、年齢、体重、身長等)、撮影情報(撮影方向、撮影部位、撮影条件、撮影方法等)、検査情報(検査日、担当医師名、使用モダリティ等)等が***画像に付帯される。付帯情報が付帯された***画像(原画像)は、画像生成装置1から画像サーバ4に出力されるとともに、異常陰影候補の検出対象の***画像として画像処理装置2に出力される。
画像処理装置2では、一旦記憶部25に***画像が保存され、その後当該***画像に対して読影用の画像処理が***画像に施されるとともに、異常陰影候補の検出処理が行われる。
以下、図3を参照して本発明に係る異常陰影候補の検出処理について説明する。
図3に示すように、まず異常陰影候補検出部27において、記憶部25に保存された***画像が読み出され(ステップS1)、当該***画像に対して1次検出の処理が行われる(ステップS2)。
以下、図3を参照して本発明に係る異常陰影候補の検出処理について説明する。
図3に示すように、まず異常陰影候補検出部27において、記憶部25に保存された***画像が読み出され(ステップS1)、当該***画像に対して1次検出の処理が行われる(ステップS2)。
1次検出では、医用画像の画像解析が行われ、異常陰影の候補領域の特定が行われる。このときの方法としては、特開平10−91758号公報に開示されているアイリスフィルタを用いた方法や、ラプラシアンフィルタを用いて手法(電気情報通信学会論文誌(D-II),Vol.J76-D-II,no.2,pp.241-249,1993)、モルフォルジーフィルタ(電気情報通信学会論文誌(D-II),Vol.J71-D-II,no.7,pp.1170-1176,1992)、ラプラシアンフィルタ(電気情報通信学会論文誌(D-II),Vol.J71-D-II,no.10,pp.1994-2001,1998)、3重リングフィルタ等、病変種に応じて種々のアルゴリズムが開発されているので、何れのものを適用してもよい。ここでは、一例として、微小石灰化クラスタ陰影の候補領域を特定する際に用いられる3重リングフィルタについて説明する。
微小石灰化クラスタ陰影は、***画像上では略円錐形状の濃度変化を有する低濃度の微小石灰化部分が集まった(クラスタ化した)陰影として現れる。このような濃度特性に基づいて医用画像に対して正方形の領域を順次設定し、この領域(これを注目領域という)毎に、微小石灰化部分を検出するフィルタとして、特有のベクトルパターンを有する3重リングフィルタを適用して1次検出を行う。なお、この正方領域のサイズは、検出目的とする病変種に応じて設定すればよい。
3重リングフィルタは、濃度変化が理想的な円錐形状を示す場合の濃度勾配の強度成分及び方向成分が予め決定された3つのリングフィルタから構成される。まず、ある注目画素周辺において、各リングフィルタのそれぞれの領域上の画素値から濃度勾配の強度成分及び方向成分の代表値を求める。そして、その代表値と各リングフィルタに予め決定されている濃度勾配の強度成分及び方向成分との差に基づいて、円錐形状に近い濃度変化を有する画像領域を候補領域として検出する。
このようにして異常陰影候補が1次検出され、候補領域(これを1次候補領域という)が特定されると、図4に示すように医用画像から当該1次候補領域(図4で矢印で示す領域)の抽出が行われる(ステップS3)。そして、異常陰影候補検出部27において、2次検出時に必要な画像特徴量を算出する単位領域(以下、注目領域という)が、前記抽出された1次候補領域の大きさに応じて決定される(ステップS4)。
以下、注目領域の決定方法について説明する。
注目領域は、異常陰影の1次候補領域を包含し、かつ注目領域内に含まれる1次候補領域とその周辺領域との面積(画素数)の比率が所定比率となるように決定される。例えば、1次候補領域とその周辺領域との比率を1:2とする場合、図5に示すように10画素で構成される大きさの1次候補領域(図5で色を付した領域)が抽出されると、その周辺領域が20画素となるように1次候補領域に対する周辺領域が決定され、当該1次候補領域と周辺領域とからなる注目領域が構成される。注目領域で算出する画像特徴量は、方形の領域でなければ算出できないもの(例えば、テクスチャ情報等)があるので、注目領域とする周辺画素は1次候補領域の形状を考慮して1次候補領域と周辺領域とを合わせて方形となるように決定する。
注目領域は、異常陰影の1次候補領域を包含し、かつ注目領域内に含まれる1次候補領域とその周辺領域との面積(画素数)の比率が所定比率となるように決定される。例えば、1次候補領域とその周辺領域との比率を1:2とする場合、図5に示すように10画素で構成される大きさの1次候補領域(図5で色を付した領域)が抽出されると、その周辺領域が20画素となるように1次候補領域に対する周辺領域が決定され、当該1次候補領域と周辺領域とからなる注目領域が構成される。注目領域で算出する画像特徴量は、方形の領域でなければ算出できないもの(例えば、テクスチャ情報等)があるので、注目領域とする周辺画素は1次候補領域の形状を考慮して1次候補領域と周辺領域とを合わせて方形となるように決定する。
図5に示す1次候補領域の例では、周辺領域20画素のうち、まず1次候補領域を含む最小の方形領域の中を埋めるように1〜6画素を決定し(図5中の数字は周辺画素の決定順を示す)、その後、その最小方形領域を囲むように残りの7〜20画素を決定する。
これにより、図6に示すように10画素の1次候補領域と20画素の周辺領域からなる全30画素の方形の注目領域が得られる。
これにより、図6に示すように10画素の1次候補領域と20画素の周辺領域からなる全30画素の方形の注目領域が得られる。
なお、所定の比率に完全一致させる必要はなく、例えば7画素の1次候補領域が抽出されたが、14画素の周辺領域とすると方形の注目領域が得られず、13画素の周辺領域とすると方形となる等の場合は、13画素の周辺領域として注目領域を決定すればよい。
また、図7に示すように1次候補領域と周辺領域とから構成される注目領域自体の形状が方形とならなくてもよい。この場合、注目領域の形状自体は方形ではないが、図7において実線で示す方形領域とその面積は同一であるので、画像特徴量を算出するにあたっては実質的に実線で示す方形領域と同一である。
また、図7に示すように1次候補領域と周辺領域とから構成される注目領域自体の形状が方形とならなくてもよい。この場合、注目領域の形状自体は方形ではないが、図7において実線で示す方形領域とその面積は同一であるので、画像特徴量を算出するにあたっては実質的に実線で示す方形領域と同一である。
また、1次候補領域と周辺領域の比率は適宜設定が可能である。図8に、1次候補領域と周辺領域の比率を1:2、1:1、1:0.5と変えて注目領域を決定した例を示す。この場合、周辺領域の比率が小さい方が、注目領域において算出される画像特徴量に1次候補領域の特徴が大きく反映されることとなり検出精度が向上することが考えられる。一方で、抽出された1次候補領域の形状が円形ではなく歪(いびつ)な形状を呈している場合、方形の注目領域を設定するためには周辺領域の比率が有る程度大きくなければならないこともあるため、検出対象とする病変種等の検出状況に応じて比率を設定すればよい。
そして、決定された注目領域又は1次候補領域内における画像特徴量が算出される(ステップS5)。前述したように、画像特徴量には注目領域を設定して算出しなければならないものと、1次候補領域内で算出するものとが存在する。注目領域を設定して算出しなければならない画像特徴量としては、例えばテクスチャ解析によるテクスチャ情報、1次候補領域とその周辺領域とのコントラスト、ある画素の周辺画素に対する画素値の不整さを示す高次局所相関値等が挙げられる。また、1次候補領域内で算出する画像特徴量としては、円形度、平均濃度(平均画素値)、面積(画素数)、標準偏差等が挙げられる。
なお、テクスチャ情報は、画像を構成する直線や点等のテクスチャ(構造)の特徴を示す画像特徴量である。テクスチャ情報の算出方法としては、濃度共起行例を用いる方法、濃度差分行列を用いる方法があるが、ここでは濃度共起行列から得られる特徴量を算出する例を説明する。濃度共起行列とは、画像f(x、y)(x、yは、直交するx方向、y方向のそれぞれの画素位置を示す)とすると、ある特定の相対的な位置関係にある画素対(x1、x2)、(x2、y2)において、その濃度対が(i,j)となる、すなわちf(x1、x2)=i、f(x1、x2)=jとなる頻度を表すものである。
また、円形度は、形状の複雑さを示す画像特徴量であって、1次候補領域の面積S、1次候補領域の輪郭線の長さ(輪郭を構成する画素の周辺長)をLとして、下記式(6)で示される。
e=4πS/L2・・・(6)
e=4πS/L2・・・(6)
画像特徴量の算出が終了すると、当該画像特徴量に基づいて2次検出が行われる(ステップS6)。2次検出では、1次検出された各異常陰影候補(これを1次候補という)について、多変量解析により真陽性か偽陽性かの判別が行われる。ここでは、多変量解析の一手法としてマハラノビス距離を用いた例を説明する。
マハラノビス距離による判別ロジックは、2つのグループに属する学習データの分散を考慮して、判別対象のデータが何れのグループに近いのかを判別するものである。
まず、予め真陽性又は偽陽性の何れであるかが明らかな陰影画像を2つのグループに分けてその画像特徴量を学習データとして準備しておく。このとき、画像特徴量を変量とする学習データにより真陽性と偽陽性の母集団が形成される。マハラノビス距離は、真陽性、偽陽性の各母集団の重心と、判別対象の1次候補について算出された画像特徴量を変量とする判別対象データとの距離を示すものであり、下記式(7)により算出することができる。
まず、予め真陽性又は偽陽性の何れであるかが明らかな陰影画像を2つのグループに分けてその画像特徴量を学習データとして準備しておく。このとき、画像特徴量を変量とする学習データにより真陽性と偽陽性の母集団が形成される。マハラノビス距離は、真陽性、偽陽性の各母集団の重心と、判別対象の1次候補について算出された画像特徴量を変量とする判別対象データとの距離を示すものであり、下記式(7)により算出することができる。
なお、上記式(7)におけるμは各母集団を形成する学習データの平均値縦ベクトル(以下、単に平均という)であり、式(8)で示される。また、式(7)におけるxは判別対象データの縦ベクトルであり、式(9)により示される
そして、求めた真陽性の母集団とのマハラノビス距離をD1 2、偽陽性の母集団とのマハラノビス距離をD2 2とすると、判別対象データが真陽性の母集団の重心と、偽陽性の母集団の重心のどちらに近いかがこのD1 2、D2 2により判別される。すなわち、D1 2<D2 2のとき、真陽性の重心に近いと判別され、その1次候補は2次検出候補として出力される。一方、D1 2>D2 2のとき、偽陽性の重心に近いと判別され、その1次候補は偽陽性候補として検出結果から削除される。
そして、求めた真陽性の母集団とのマハラノビス距離をD1 2、偽陽性の母集団とのマハラノビス距離をD2 2とすると、判別対象データが真陽性の母集団の重心と、偽陽性の母集団の重心のどちらに近いかがこのD1 2、D2 2により判別される。すなわち、D1 2<D2 2のとき、真陽性の重心に近いと判別され、その1次候補は2次検出候補として出力される。一方、D1 2>D2 2のとき、偽陽性の重心に近いと判別され、その1次候補は偽陽性候補として検出結果から削除される。
全ての1次候補について2次検出が終了すると、2次検出候補の検出情報の出力が行われ(ステップS7)、本処理を終了する。具体的には、検出された2次候補の位置を指し示すマーカ画像等が***画像上に表示出力される、或いはフィルム上に出力される。
以上のように、本実施形態によれば、真陽性か偽陽性かを判断するための画像特徴量を算出する単位領域である注目領域を、1次候補領域とその周辺領域が占める面積の割合が一定比率となるように決定するので、画像特徴量にできる限り異常陰影部分の特徴を反映させることができる。これにより、正確な判断を行うことができる。
また、形状や大きさ(面積)が異なる陰影を検出する場合であっても、各陰影について算出される画像特徴量は、正常陰影の特徴が反映される率が同程度となるため、陰影の形状や大きさに拘わらず、どの陰影についても均一的な検出精度とすることができる。
さらに、本実施形態によれば、1次候補領域の形状を考慮して画像特徴量の算出に適した形状の注目領域を決定することができる。
100 医用画像処理システム
1 画像生成装置
2 画像処理装置
21 制御部
22 操作部
23 表示部
25 記憶部
27 異常陰影候補検出部
3 プリンタ
4 画像サーバ
5 ビューア
1 画像生成装置
2 画像処理装置
21 制御部
22 操作部
23 表示部
25 記憶部
27 異常陰影候補検出部
3 プリンタ
4 画像サーバ
5 ビューア
Claims (8)
- 医用画像から異常陰影の候補領域を1次検出し、その1次候補領域に注目領域を設定して当該注目領域内から得られる画像特徴量に基づき2次検出を行う異常陰影候補検出手段と、
前記注目領域の領域範囲を、当該注目領域内に存在する1次候補領域の大きさに応じて決定する決定手段と、
を備えることを特徴とする医用画像処理システム。 - 前記決定手段は、前記注目領域の領域範囲を、当該注目領域内を占める1次候補領域の面積の割合により決定することを特徴とする請求項1に記載の医用画像処理システム。
- 前記決定手段は、前記注目領域内に存在する1次候補領域と、その周辺領域との面積の割合が一定比率となるように前記注目領域の領域範囲を決定することを特徴とする請求項1又は2に記載の医用画像処理システム。
- 前記周辺領域は、正常組織の陰影領域であることを特徴とする請求項3に記載の医用画像処理システム。
- 前記決定手段は、前記1次候補領域の形状に応じて前記注目領域の領域範囲を決定することを特徴とする請求項1〜4の何れか一項に記載の医用画像処理システム。
- 前記決定手段は、前記注目領域の形状が方形となるようにその領域範囲を決定することを特徴とする請求項5に記載の医用画像処理システム。
- 前記決定手段は、前記1次検出された各1次候補領域について、当該1次候補領域を包含し、かつ注目領域内において当該1次候補領域を構成する画素数とその周辺領域を構成する画素数とが一定比率となるように、前記注目領域の領域範囲を決定し、
前記異常陰影候補検出手段は、前記1次候補領域に設定された注目領域から得られる画像特徴量に基づき、真陽性の特徴を有する1次候補領域を2次検出することを特徴とする請求項1〜6の何れか一項に記載の医用画像処理システム。 - 前記医用画像は、***部位を撮影した***画像であることを特徴とする請求項1〜7の何れか一項に記載の医用画像処理システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005194889A JP2007007306A (ja) | 2005-07-04 | 2005-07-04 | 医用画像処理システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005194889A JP2007007306A (ja) | 2005-07-04 | 2005-07-04 | 医用画像処理システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2007007306A true JP2007007306A (ja) | 2007-01-18 |
Family
ID=37746520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005194889A Pending JP2007007306A (ja) | 2005-07-04 | 2005-07-04 | 医用画像処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2007007306A (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002330949A (ja) * | 2001-05-11 | 2002-11-19 | Fuji Photo Film Co Ltd | 異常陰影候補出力システム |
JP2004041490A (ja) * | 2002-07-12 | 2004-02-12 | Konica Minolta Holdings Inc | 画像診断支援装置 |
JP2005040490A (ja) * | 2003-07-25 | 2005-02-17 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
JP2005065856A (ja) * | 2003-08-21 | 2005-03-17 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
-
2005
- 2005-07-04 JP JP2005194889A patent/JP2007007306A/ja active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002330949A (ja) * | 2001-05-11 | 2002-11-19 | Fuji Photo Film Co Ltd | 異常陰影候補出力システム |
JP2004041490A (ja) * | 2002-07-12 | 2004-02-12 | Konica Minolta Holdings Inc | 画像診断支援装置 |
JP2005040490A (ja) * | 2003-07-25 | 2005-02-17 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
JP2005065856A (ja) * | 2003-08-21 | 2005-03-17 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Watanabe et al. | An application of artificial intelligence to diagnostic imaging of spine disease: estimating spinal alignment from Moiré images | |
JP6175071B2 (ja) | 胸部画像の処理及び表示 | |
US20090097730A1 (en) | Abnormal shadow candidate display method and medical image processing system | |
JPWO2007000940A1 (ja) | 異常陰影候補検出方法、異常陰影候補検出装置 | |
JP2011110429A (ja) | 医用画像中の注目対象を測定するためのシステムおよび方法 | |
JP5576775B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
Yu et al. | A three-dimensional deep convolutional neural network for automatic segmentation and diameter measurement of type B aortic dissection | |
JP6719421B2 (ja) | 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム | |
JP2007151645A (ja) | 医用画像診断支援システム | |
Shi et al. | Quantitative features can predict further growth of persistent pure ground-glass nodule | |
WO2007026598A1 (ja) | 医用画像処理装置及び画像処理方法 | |
Vittitoe et al. | Fractal texture analysis in computer-aided diagnosis of solitary pulmonary nodules | |
JP2007172604A (ja) | 取得システムのプロトコル及び/又はパラメータに基づいてコンピュータ利用アルゴリズムを選択するための方法及び装置 | |
JP2008104886A (ja) | 医用画像処理装置及び画像処理方法 | |
Cunliffe et al. | Lung texture in serial thoracic CT scans: Registration‐based methods to compare anatomically matched regions | |
JPWO2019176407A1 (ja) | 学習支援装置、学習支援方法、学習支援プログラム、関心領域判別装置、関心領域判別方法、関心領域判別プログラム及び学習済みモデル | |
Bromiley et al. | Fully automatic localisation of vertebrae in CT images using random forest regression voting | |
JP2006346094A (ja) | 検出情報の出力方法及び医用画像処理システム | |
Abdel-Alim et al. | Three-dimensional stereophotogrammetry in the evaluation of craniosynostosis: current and potential use cases | |
CN105684040B (zh) | 支持肿瘤响应测量的方法 | |
KR20190090986A (ko) | 흉부 의료 영상 판독 지원 시스템 및 방법 | |
JP2007159934A (ja) | 比較読影支援装置 | |
Arzhaeva et al. | Computer‐aided detection of interstitial abnormalities in chest radiographs using a reference standard based on computed tomography | |
JP2006325640A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP2006340835A (ja) | 異常陰影候補の表示方法及び医用画像処理システム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080313 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100629 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100630 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20101026 |