JP2638631B2 - Image processing method and apparatus - Google Patents

Description

【発明の詳細な説明】 ［発明の目的］ （産業上の利用分野） 本発明は、一般にＸ線撮影システム、より具体的には
特徴抽出技術を用いたＸ線画像の処理に関する。The present invention relates generally to X-ray imaging systems, and more specifically to processing of X-ray images using feature extraction techniques.

（従来の技術） 放射線専門医にとって最も重要であり且つ困難な仕事
のひとつに、胸部Ｘ線写真内の癌性肺小結節および女性
の胸部Ｘ線写真、いわゆる***Ｘ線像内の微小石灰化な
どのＸ線写真内の解剖学的異常部位の発見並びに診断が
ある。BACKGROUND OF THE INVENTION One of the most important and difficult tasks for radiologists is cancerous pulmonary nodules in chest radiographs and chest radiographs in women, such as microcalcifications in so-called mammograms. Discovery and diagnosis of anatomical abnormalities in X-rays of

近年の研究によれば、肺癌患者の予測（予後）は、Ｘ
線撮影による早期発見によって改善されるようになっ
た。肺癌検出に関するある研究によれば、後で振り返っ
てわかったことであるが、後に肺周辺部の癌と診断され
た内の90パーセントは、早期のＸ線写真で認識できたこ
とが明らかになった。係る病変を見逃した診察者の誤診
の原因は、周辺の解剖学的背景が問題の小結節に及ぼす
カムフラージュ効果のためか、あるいは放射線専門医が
用いる主観的で変化する判定基準のためである。Ｘ線写
真を不十分に解釈してしまう原因は、臨床データの不
足、経験不足、発見物が乏しいためのＸ線読み取りの尚
早な中断、特別の臨床質問により他の異常へ注意が集中
したこと、以前のＸ線写真を見直さなかったこと、注意
散漫、および「視覚錯覚経験」である。According to recent studies, the prediction (prognosis) of lung cancer patients is X
It was improved by early detection by radiography. One study on lung cancer detection found that, in retrospect, 90 percent of later diagnoses of peri-pulmonary cancer could be recognized on early radiographs. Was. The cause of the misdiagnosis of the examiner who missed such a lesion is either due to the camouflage effect of the surrounding anatomical background on the nodule in question or due to subjective and changing criteria used by radiologists. Inadequate interpretation of radiographs is due to lack of clinical data, lack of experience, premature interruption of x-ray readings due to lack of findings, and focus on other abnormalities due to special clinical questions. A lack of review of previous radiographs, distractions, and "visual illusion experiences".

同様にして、女性の主要な死因である乳癌の早期診断
と治療は、生存の可能性を著しく改善した。***Ｘ線撮
影は、初期の臨床的潜在性乳癌の発見に対する効果の証
明された唯一の診断処置である。Ｘ線撮影で発見された
乳癌の30〜50パーセントは***Ｘ線像で微小石灰化を呈
しており、乳癌の60〜80パーセントは顕微鏡検査で微小
石灰化が見られる。従って***Ｘ線撮影による微小石灰
化の発見の増加は早期乳癌の発見における効果を一層改
善することにつながるであろう。米国癌学会は40才以上
の無症状の女性の50才からの毎年の検査に***Ｘ線撮影
を推奨した。このため、ついには***Ｘ線撮影は、放射
線専門医が定期的に判断するＸ線撮影処置の中で最も多
いもののひとつとなるであろう。Similarly, early diagnosis and treatment of breast cancer, the leading cause of death in women, has significantly improved the chances of survival. Mammography is the only diagnostic procedure that has proven effective in detecting early clinically occult breast cancer. Thirty to fifty percent of the breast cancers found on x-ray show microcalcifications on mammograms, and 60-80 percent of the breast cancers show microcalcifications on microscopic examination. Thus, the increased detection of microcalcifications by mammography will lead to a further improvement in the detection of early breast cancer. The American Cancer Society has recommended mammography for annual examination of asymptomatic women over the age of 50 from the age of 50. Thus, mammography will eventually be one of the most radiographic procedures routinely determined by radiologists.

放射線専門医の注意を非常に疑わしい肺小結節または
***微小石灰化の位置に向けるコンピュータによる図は
間違えて陰性の診断を下す回数を軽減する。これは初期
の肺癌および乳癌の早期発見と患者にとってより良い予
後につながる。ディジタルＸ線撮影画像システムが開発
されるに従って、コンピュータ補助の検査が可能になっ
た。成功した発見機構は結局、医師が見るのに先立って
すべての胸部Ｘ線撮影と***Ｘ線撮影のオンライン検査
を行うハードウェアである。それゆえ、肺癌と思われる
場合以外の医療上の理由での胸部Ｘ線撮影はまた小結節
の検査も行う。Computerized graphics that direct the radiologist's attention to the location of highly suspected pulmonary nodules or breast microcalcifications reduce the number of false negative diagnoses. This leads to early detection of early lung and breast cancer and a better prognosis for the patient. As digital radiographic imaging systems were developed, computer-assisted inspection became possible. A successful discovery mechanism is ultimately hardware that performs an online examination of all chest and mammograms prior to being viewed by a physician. Therefore, chest x-rays for medical reasons other than those suspected of lung cancer also test for nodules.

Ｘ線写真では小結節の存在が重なる肋骨、気管、血
管、および他の解剖学的構造によって不明瞭になる。Ku
ndel他は、「胸部Ｘ線撮影の効果的活用」（HHS Public
ation（FDA）、80−8124、Rockville、Maryland、198
0）の中で、異常部とそれを見やすくするのに貢献する
かあるいは見えにくくするその周辺部とのこうした特徴
を表す目立ちと言う概念を導入した。Kelsey他は同じ書
物の中で擬態肺癌の認知に影響する因子を調査し、損傷
の可視性が胸部Ｘ線写真での位置によって異なることを
発見した。それゆえ、コンピュータ化調査機構は目立ち
の程度が変化する小結節（すなわち、種々の解剖学的複
雑さの背景に埋没した小結節）の位置を確認することが
できなければならない。Radiographs obscure the presence of nodules by overlapping ribs, trachea, blood vessels, and other anatomical structures. Ku
ndel et al., "Effective Use of Chest X-Ray Imaging" (HHS Public
ation (FDA), 80-8124, Rockville, Maryland, 198
In (0), we introduced the concept of conspicuousness representing such features of an abnormal part and its peripheral part that contributes to making it easier to see or make it less visible. In the same book, Kelsey et al. Examined factors affecting cognition of mimetic lung cancer and found that the visibility of the injury varied with location on the chest radiograph. Therefore, the computerized survey facility must be able to locate nodules of varying degrees of prominence (ie, nodules buried in a background of various anatomical complexity).

コンピュータ化小結節探査方法に関する研究は限られ
ていた。これらの試みの中で、幾何学に基づいた発見機
構（例えばエッジ検出方式）が正常に解剖学的構造の背
景組織を削除することなく元の画像、または高周波に高
められた画像に適用された。基本的には、発明者に既知
の以前の方式はどれも大規模の臨床試験を保証するのに
十分に成功してきたわけではない。Research on computerized nodule exploration methods has been limited. In these attempts, a geometry-based discovery mechanism (eg, an edge detection scheme) was successfully applied to the original image or an image enhanced to high frequency without removing background tissue of the anatomy. . Basically, none of the previous approaches known to the inventors have been successful enough to warrant large-scale clinical trials.

研究者の何人かは***Ｘ線の異常をディジタルコンピ
ュータで分析しようとした。しかし、前記の既知の研究
は臨床業務に受容可能な正確さを達成することはできな
かった。この失敗は良性と悪性の損傷の特徴が***Ｘ線
像に現れるときに大きく重なることに主に起因する。Some researchers have attempted to analyze breast X-ray abnormalities with a digital computer. However, the known studies described above have failed to achieve acceptable accuracy for clinical practice. This failure is mainly due to the large overlap of benign and malignant features when they appear on the mammogram.

一般に認められている臨床看護の基準は癌切除後の５
人から10人の女性に生検を行うことである。***Ｘ線撮
影で発見可能な早期癌のほとんどの一部切除に対する正
当な保証は前記の高率の生検にのみある。***Ｘ線画像
内の良性と悪性の損傷の特性の大幅な重なりがあるとす
れば、異常部の特徴記述よりもコンピュータ補助検出が
結局は臨床看護においてより大きな影響力を持つであろ
う。疑わしいクラスター（すなわち、生検を要するも
の）の中の個々の微小石灰化はＸ線写真では極めて限ら
れた範囲で出現するが、微妙な微小石灰化は初期の治療
可能な乳癌では多くの場合最初で、ときには唯一のＸ線
撮影の発見物であることがあり、微小石灰化は自動検出
にとって理想的な標的である。The generally accepted standard of clinical nursing is 5 after cancer resection.
Biopsy of 10 to 10 women. The justification for most partial resections of early cancers that can be detected on mammography is only with the high percentage of biopsies mentioned above. Given the significant overlap between the characteristics of benign and malignant lesions in the mammogram, computer-assisted detection will ultimately have greater impact in clinical care than characterization of abnormalities. Individual microcalcifications in suspicious clusters (ie those requiring biopsy) appear to a very limited extent on radiographs, but subtle microcalcifications are often present in early treatable breast cancer At first and sometimes the only radiographic finding, microcalcification is an ideal target for automatic detection.

（発明が解決しようとする課題） 微小石灰化の高い空間周波数成分と小さなサイズのた
めにディジタル***Ｘ線撮影システムは高度の空間識別
力と高感度のコントラストを要求される。このような要
求を満たすディジタル***Ｘ線撮影システムはまだ開発
されていない。ある程度の高度空間識別力のあるディジ
タルＸ線撮影システムは蛍光画像感光板／レーザーの読
みだし技術によって可能である。現在、高度識別力のあ
るディジタル***Ｘ線撮影は円筒系スキャナーまたは他
のスキャニングシステムで写真画像をディジタル化する
ことによって可能となる。ディジタル***Ｘ線撮影の実
用性の増加は***Ｘ線像の分析のコンピュータ補助シス
テムの可能性の根底となっている。Due to the high spatial frequency components and small size of microcalcifications, digital mammography systems require a high degree of spatial discrimination and high sensitivity contrast. A digital mammography system meeting such requirements has not been developed yet. Digital X-ray imaging systems with some degree of spatial discrimination are possible with fluorescent image plate / laser reading techniques. Currently, highly discriminating digital mammography is enabled by digitizing photographic images with a cylindrical scanner or other scanning system. The increasing utility of digital mammography underlies the potential of computer aided systems for mammogram analysis.

そこで本発明の目的は、ディジタルＸ線画像内の異常
な解剖学的部位を検出し表示する自動検出表示方法を提
供することである。Therefore, an object of the present invention is to provide an automatic detection and display method for detecting and displaying an abnormal anatomical site in a digital X-ray image.

本発明の他の目的は、特徴抽出技術を適用する前に解
剖学的背景組織を除去することによって異常な解剖学的
部位を選択し表示する自動検出表示システムを提供する
ことである。It is another object of the present invention to provide an automatic detection and display system for selecting and displaying an abnormal anatomical site by removing an anatomical background tissue before applying the feature extraction technique.

本発明のさらに他の目的は、診断の元での生体構造の
一枚のＸ線画像内のディジタル情報に基づいた解剖学的
異常部位の検出し表示することによって患者のＸ線照射
を最小限にすることでできる自動検出表示装置を提供す
ることである。Yet another object of the invention is to minimize x-ray exposure of a patient by detecting and displaying anatomical abnormalities based on digital information in a single x-ray image of the anatomy under diagnosis. It is an object of the present invention to provide an automatic detection display device that can be used in the above.

［発明の構成］ （課題を解決するための手段） これらおよび他の目的は特徴抽出に先立って単一Ｘ線
映写画像が疑わしい異常部位のシグナル対ノイズ比（SN
R）が最大比であるシグナル向上画像データを得るよう
に処理され、また抑制SNRであるシグナル抑制画像デー
タをも得るように処理される新しい改善された方法とシ
ステムを提供することによって達成される。SUMMARY OF THE INVENTION (Means for Solving the Problems) These and other objects are to achieve a signal-to-noise ratio (SN) of an abnormal part where a single X-ray projection image is suspected prior to feature extraction.
R) is achieved by providing a new and improved method and system that is processed to obtain signal enhanced image data that is the maximum ratio and is also processed to obtain signal suppressed image data that is suppressed SNR. .

（作用） 本発明によれば、原画像には例えば病変部の如き異常
部位を含む被写体が背景（背景ノイズ）と共に写込まれ
ており、かかる原画像をフィルタ処理することによっ
て、シグナル対ノイズ抑制画像とシグナル対ノイズ向上
画像とが作られる。このシグナル対ノイズ抑制画像とシ
グナル対ノイズ向上画像とを例えば減算することによ
り、前記原画像に現われている背景ノイズは除去され、
特徴抽出に適した識別画像が作られる。この識別画像に
対して例えば画素値を閾値処理する等の特徴抽出処理を
施すことにより前記原画像に現われている特定部位を検
出することができ、これを表示に供することが可能とな
る。すなわち、識別画像データはシグナル向上画像デー
タからシグナル抑制画像データを減ずることで作られ、
低周波の背景組織を取り除き、背景組織は基本的にはシ
グナル向上画像データとシグナル抑制画像データの双方
で同じである。(Operation) According to the present invention, a subject including an abnormal site such as a lesion is captured along with the background (background noise) in the original image, and signal-to-noise suppression is performed by filtering the original image. An image and a signal-to-noise enhancement image are created. By, for example, subtracting the signal-to-noise suppression image and the signal-to-noise improvement image, background noise appearing in the original image is removed,
An identification image suitable for feature extraction is created. By subjecting the identification image to feature extraction processing such as threshold processing of pixel values, for example, a specific portion appearing in the original image can be detected, and this can be provided for display. That is, the identification image data is created by subtracting the signal suppression image data from the signal improvement image data,
The low frequency background tissue is removed, and the background tissue is basically the same for both the signal enhanced image data and the signal suppressed image data.

さらに本発明によれば、一旦背景組織が取り除かれる
と、たとえば閾値に基づいた特徴抽出、円環性、および
サイズを実行する。閾値のレベルは変化し、円環性とサ
イズの変化の効果が肺小結節などの異常部の発見に利用
される。他の特徴抽出技術は***Ｘ線画像の微小石灰化
などの疑わしい異常部の一群を試験するのに利用され
る。Further, according to the present invention, once the background tissue is removed, for example, feature extraction based on a threshold, circularity, and size are performed. The level of the threshold changes, and the effects of the change in torus and size are used to detect abnormalities such as pulmonary nodules. Other feature extraction techniques are used to test a group of suspicious abnormalities, such as microcalcifications in a mammogram.

（実施例） 図面全体を通して、同一または関連する部分を同じ参
照数字が示す前記図面、特に第１図に小結節検出の概略
図が示されている。係る技術は正常の肺生体構造の「カ
ムフラージュ」する背景を取り除くことによって小結節
の目立ちを増加する試みから始まる。これは単一映写デ
ィジタル胸部画像（ステップ10）を得ること、および単
一映像胸部画像から２つの画像を作ることにより達成さ
れる。これら２つの画像のうち一方では、小結節のシグ
ナル対ノイズ比（SNR）が最大限になり（ステップ2
0）、他方の画像では小結節SNRは抑制されており（ステ
ップ30）、背景部は本質的には同一である。次に該画像
の差が求められる（ステップ40）。２つの当該処理画像
の差は検出が非常に容易である比較的均一な背景に重な
る小結節からなる。この識別画像アプローチは二組の画
像データ、すなわちSNR向上データとSNR抑制データが同
一の単一映写胸部画像から得られる従来の減法技術（た
とえば、時間または二重エネルギー減法）とは基本的に
異なる。EXAMPLES Throughout the drawings, schematic illustrations of nodule detection are shown in the previous figures, in particular, FIG. 1, in which the same or related parts are indicated by the same reference numerals. Such techniques begin with an attempt to increase the nodule prominence by removing the "camouflage" background of normal lung anatomy. This is accomplished by obtaining a single projection digital breast image (step 10) and making two images from the single video breast image. In one of these two images, the signal-to-noise ratio (SNR) of the nodule is maximized (step 2)
0), the nodule SNR is suppressed in the other image (step 30), and the background part is essentially the same. Next, the difference between the images is determined (step 40). The difference between the two processed images consists of nodules overlapping a relatively uniform background which is very easy to detect. This discriminating image approach is fundamentally different from conventional subtraction techniques (eg, time or dual energy subtraction) where two sets of image data, SNR enhancement data and SNR suppression data, are obtained from the same single projection chest image .

目的はSNR最大化フィルターを使って正常肺解剖学的
構造の特性とは異なる小結節の特性を向上することであ
る。特定の小結節の平面側面に適合する空間フィルター
は処理するにあたって該小結節の位置（最大の相関関係
の位置）で最高の反応をすることを期待される。しか
し、無限の数の認識できる小結節のサイズと形のひとつ
ひとつにそれぞれが適合するような複数のフィルターを
使用することは全く実際的でなく、またおそらく不可能
でもある。したがって、小結節の様々なサイズと形をあ
る程度向上する２、３の適合フィルター、またはおそら
くは唯一のフィルターを発見することが必要である。そ
れゆえ、それぞれが擬態の小結節の側面に適合するフィ
ルターが研究された。すなわち、フィルターはある一定
のサイズとコントラストの擬態の小結節のフーリエのス
ペクトルに比例する。該適合フィルターはＸ線撮影像で
の背景ノイズを考慮しなかった。半径6,9,12mmの擬態小
結節に関連する３つの的合フィルターが研究された。The aim is to use SNR maximizing filters to improve the properties of nodules that are different from those of normal lung anatomy. Spatial filters that fit the planar side of a particular nodule are expected to respond best at the nodule location (the location of maximum correlation) in processing. However, it is simply impractical, and probably impossible, to use multiple filters, each matching an infinite number of recognizable nodule sizes and shapes. Therefore, it is necessary to find a few adaptive filters, or perhaps only one, that improve the various sizes and shapes of the nodules to some extent. Therefore, filters were studied that each matched the nodule aspect of mimicry. That is, the filter is proportional to the Fourier spectrum of the nodules of a certain size and contrast mimic. The adaptive filter did not account for background noise in the radiographic image. Three matching filters associated with mimicry nodules with a radius of 6, 9, 12 mm were studied.

特に、２つの真性小結節と７つの擬態小結節（直径6m
mから15mmでディジタル画素値のコントラストが35から6
5の範囲）の存在する512×512の胸部画像の部分におけ
る前記の３つの適合フィルターの効果が検査された。直
径6mmの小結節に適合するSNR最大化フィルターは肋骨縁
部の小さく、高コントラストの部分には感度が良すぎ
て、したがって擬陽性を多く出しすぎることがわかっ
た。一方、直径12mmの小結節に適合するフィルターは十
分な高周波数内容がなく、小さい小結節は検出処理では
見落とされる。したがって、9mmの小結節に適合するSNR
最大化フィルターが利用された。In particular, two intrinsic nodules and seven mimicry nodules (6 m in diameter)
Digital pixel value contrast from 35 to 6 at m to 15 mm
The effect of the above three adaptive filters on the part of the 512 × 512 chest image where (5 ranges) were present was examined. The SNR maximizing filter, which fits nodules with a diameter of 6 mm, was found to be too sensitive for small rib edges and high contrast areas, thus producing too many false positives. On the other hand, filters that fit nodules with a diameter of 12 mm do not have enough high frequency content, and small nodules are overlooked in the detection process. Therefore, SNR that fits 9mm nodules
A maximization filter was used.

SNR抑制フィルターはSNR最大化フィルターで得られる
のと類似の背景を作り出す一方、画像内の小結節の際立
ちを軽減するように意図されている。「SNR抑制」画像
は平面空間平滑化フィルター（線形または非線形）によ
って原ディジタル化胸部画像から作り出される。試験し
た線形フィルターは均一の方形関数（空間周波数変域の
正弦関数に関連する）と6,9,12,24,36mmの標準偏差のあ
るガウス関数とを含む。試験した非線形フィルターはメ
ジアンフィルターと修正メジアンフィルターを含む。修
正メジアンフィルターは、画素位置についてのメジアン
値を測定するのに使う画素が互いに直接隣接せず、当該
画素位置のある一定の放射方向の距離の円周部に沿って
存在するような従来のメジアンフィルターと異なる。The SNR suppression filter is intended to create a background similar to that obtained with the SNR maximization filter, while reducing the nodule prominence in the image. An “SNR-suppressed” image is created from the original digitized breast image by a planar spatial smoothing filter (linear or non-linear). The tested linear filters include a uniform square function (related to the sine function of the spatial frequency domain) and a Gaussian function with a standard deviation of 6, 9, 12, 24, 36 mm. The non-linear filters tested include a median filter and a modified median filter. A modified median filter is a conventional median filter in which the pixels used to measure the median value for a pixel location are not directly adjacent to each other but exist along the circumference of the pixel location at a certain radial distance. Different from filters.

SNR抑制フィルターでは同一の二乗平均サイズである
均一方形関数とガウス関数は同様な結果となることがわ
かった。識別画像の閾値の測定で有望と思われる修正メ
ジアンフィルターと従来のメジアンフィルターは小形成
と関連する多くの島を作った。しかし、その結果できた
識別画像内の島には誤って円環性の低い測定値を出すぎ
ざぎざの周辺部があった。12mmの均一方形関数による9m
mの適合フィルターを12mmの適合フィルターと組み合わ
せると識別画像の閾値測定のあいだ、最高数の小結節の
島と最小数の非小結節の島を生じる。In the SNR suppression filter, it was found that the uniform square function and the Gaussian function, which have the same root mean square, give similar results. The modified median filter and the conventional median filter, which seem promising in measuring the threshold of the discrimination image, have created many islands associated with small formations. However, the resulting island in the discrimination image had a jagged perimeter that erroneously produced a low circularity measurement. 9m with 12mm uniform square function
Combining an m adaptive filter with a 12 mm adaptive filter yields the highest number of nodule islands and the minimum number of non-nodule islands during the identification image threshold measurement.

２つのフィルターを通した画像が原画像から得られた
のち、識別画像がコンピュータ処理される。或るひとつ
の数値計算では、512×512の原胸部画像の部分が使われ
た。10mmの擬態小結節が肺の画像面の中心に位置し、一
部肋骨と重なり合っていた。識別画像は小結節のSNRを
最大にするディジタル画素値で65のコントラストの9mm
の小結節に関連する適合フィルターを使って得られた。
どちらのフィルター作業も高速フーリエ変換（FFT）の
アルゴリズムを使って周波数変域内で行われた。肺の全
体構造は依然目で見えるが、識別画像内の小結節の目立
ちはこのようにして増加し、正常肺背景部の複雑さは軽
減された。After the two filtered images are obtained from the original image, the identification image is processed. In one numerical calculation, a portion of a 512 × 512 raw breast image was used. A 10mm mimicry nodule was located in the center of the lung image plane, partially overlapping the ribs. The discriminating image is 9mm with 65 pixel contrast at the digital pixel value to maximize the nodule SNR
Obtained using a matched filter associated with the nodules.
Both filtering operations were performed in the frequency domain using a Fast Fourier Transform (FFT) algorithm. The overall structure of the lung is still visible, but the nodules in the discriminating image have thus increased in prominence and the complexity of the normal lung background has been reduced.

原画像のヒストグラムと識別画像のヒストグラムはそ
れぞれ第2a図と第2b図に示してある。胸部の1/4だけの
分析であるから、原胸部画像のヒストグラムの範囲、す
なわちダイナミックレンジはおよそ500画素値である。
小結節の画素値はヒストグラムでは矢印で示されてい
る。原画像では小結節の画素値が他の肺構造の画素値と
同等であることが明らかである。小結節の位置が他の肺
構造と比較して異なっている場合は該小結節の画素値は
図示したダイナミックレンジ内で変化する。しかし、識
別画像の小結節の画素値は常にヒストグラムの高い値の
端に位置し、他の構造のほとんどから離れている。該識
別画像のヒストグラムは非常に狭い。前記ヒストグラム
は識別画像アプローチを利用すれば不必要な解剖学的背
景の影響を除去できることを示している。The histogram of the original image and the histogram of the identification image are shown in FIGS. 2a and 2b, respectively. Since only 1/4 of the chest is analyzed, the range of the histogram of the original chest image, that is, the dynamic range is approximately 500 pixel values.
The pixel value of the nodule is indicated by an arrow in the histogram. It is clear that in the original image the pixel values of the nodules are equivalent to the pixel values of the other lung structures. If the position of the nodule is different compared to other lung structures, the pixel value of the nodule will change within the illustrated dynamic range. However, the pixel value of the nodule in the identification image is always located at the end of the high value of the histogram and is far from most other structures. The histogram of the identification image is very narrow. The histogram shows that the use of the discriminating image approach can remove unnecessary anatomical background effects.

第１図で概略図を示した、肺小結節（ステップ60）を
検出するのに使用される円環性、サイズ、および成長に
ついての試験（ステップ50）を含む特徴抽出技術が次に
示してある。The feature extraction technique, shown schematically in FIG. 1, including a test for torus, size, and growth (step 50) used to detect lung nodules (step 60) is shown below. is there.

前記識別画像が「SNR最大化」画像および「SNR抑制」
画像から一旦得られると、特徴抽出技術が用いられ、可
能性のある小結節を分離し、他の構造は無視する。SNR
最大化画像とSNR抑制画像のスペクトル成分の差のため
に、フィルター処理後の背景は同一ではなく、したがっ
て「構造的ノイズ」は識別画像では完全に除去できな
い。しかし、小結節の目立ちは増加し、それゆえ簡潔に
なった背景からの該小結節の抽出はもとの複雑な解剖学
的背景から抽出するよりも簡単になる。小結節は識別画
像の閾値の測定、円環性とサイズの試験、および閾値変
化に伴う円環性とサイズの変化の測定によって抽出され
る。この閾値変化に伴う円環性とサイズの変化の測定を
「成長」試験という。The identification image is a “SNR maximization” image and a “SNR suppression”
Once obtained from the image, feature extraction techniques are used to isolate potential nodules and ignore other structures. SNR
Due to the difference between the spectral components of the maximized image and the SNR-suppressed image, the background after filtering is not the same, so that "structural noise" cannot be completely removed in the discriminating image. However, the nodules are more prominent, and thus the extraction of the nodules from a compact background is easier than extracting from the original complex anatomical background. Nodules are extracted by measuring the threshold of the discriminating image, testing for circularity and size, and measuring changes in circularity and size associated with threshold changes. The measurement of the change in the circularity and the size accompanying the change in the threshold is called a "growth" test.

識別画像の閾値測定は種々の画素値（閾値）で行われ
る。ある一定の閾値以上の画素値はヒストグラムの区域
の百分率の一定の上部に関連する。たとえば、第2b図の
ヒストグラム区域の上部４％に関連する閾値は525であ
る。該百分率が増加すると該閾値は減少する。The threshold measurement of the identification image is performed at various pixel values (thresholds). Pixel values above a certain threshold are associated with a certain top of the percentage of the area of the histogram. For example, the threshold associated with the top 4% of the histogram area in FIG. 2b is 525. As the percentage increases, the threshold decreases.

該閾値以下の画素値は背景の定数値に設定され、
「島」の画像を生じさせる。該画素閾値が低下するとヒ
ストグラムのａ％という画素の数は大きくなり該閾値を
超える。すなわち、ヒストグラムの百分率が４％から８
％に増加すると、島は成長しその形は変化する。本発明
は小結節起因の島と非小結節（すなわち、正常肺構造）
起因の島の特性指摘と識別によって様々な島が閾値の低
下につれて成長する方法を利用する。各閾値で島は自動
的に単純コンピュータ検索技術によってロードされ、次
に形とサイズの試験を受ける。第３図はある一定の島と
サイズと円環性の測定方法を概略図で示してある。島の
面積は閾値以上の関連する画素値の数に関係する。有効
直径はその島と同一面積の円の直径によって決まる。円
環性の程度は同面積の円内にある該島の面積の比率によ
って決まり、該同面積円の中心はおよそ島の重心であ
る。Pixel values below the threshold are set to constant values of the background,
Produces an "island" image. As the pixel threshold decreases, the number of pixels, a%, in the histogram increases and exceeds the threshold. That is, the percentage of the histogram ranges from 4% to 8%.
As the percentage increases, the island grows and its shape changes. The present invention relates to islets and non-nodules caused by nodules (ie, normal lung structure)
A method is used in which various islands grow as thresholds decrease by characterization and identification of the originating island. At each threshold the islands are automatically loaded by simple computer search techniques and then tested for shape and size. FIG. 3 is a schematic diagram illustrating a method for measuring a certain island, size, and circularity. The area of an island is related to the number of associated pixel values above a threshold. The effective diameter is determined by the diameter of a circle of the same area as the island. The degree of circularity is determined by the ratio of the areas of the islands within the circle of the same area, and the center of the circle of the same area is approximately the center of gravity of the island.

各島の成長は閾値の別々の間隔で監視できる。第４図
は小結節と非小結節の閾値に対する島のサイズの依存性
を図示している。閾値は識別画像のヒストグラムの面積
の１％ずつ増加する。該島のサイズは有効直径mmで表さ
れる。閾値が低下、すなわち表示された識別画像内の画
素が多くなると、小結節の島は次第に非小結節の島と比
べて大きく成長することに注意しなければならない。非
小結節の島が他の非小結節の島と合併したことに起因す
る有効直径の突然の増加は肺の周辺部の非小結節にはよ
くある。該非小結節の典型的な例は肋骨縁部である。The growth of each island can be monitored at separate threshold intervals. FIG. 4 illustrates the dependence of island size on the nodule and non-nodule thresholds. The threshold increases by 1% of the area of the histogram of the identification image. The size of the island is expressed in effective diameter mm. It should be noted that as the threshold decreases, ie, the number of pixels in the displayed identification image increases, the nodule islands will gradually grow larger than the non-nodule islands. Sudden increases in effective diameter due to the merging of non-nodular islands with other non-nodular islands are common in non-nodular nodules at the periphery of the lung. A typical example of the non-nodule is the rib edge.

第５図は閾値に対する小結節と非小結節の島円環性の
依存性を図示している。該閾値が広範囲に変化すると
き、小結節の島の円環性は約0.85より大きいままであ
る。しかし、非小結節の円環性の突然の低下は他の島に
合併されたことを示している。FIG. 5 illustrates the dependence of the island ring on nodules and non-nodules on the threshold. As the threshold varies widely, the circularity of the nodule islands remains greater than about 0.85. However, a sudden drop in non-nodular circularity indicates that it has been merged into another island.

様々な閾値の島の円環性とサイズの変化は第６図に示
されている。第４図から第６図に示してある島の成長特
性は小結節と非小結節の区別をするために本発明に従っ
て利用される。島のサイズと円環性が（ヒストグラムの
１％の増加の）連続閾値のある一定の数の所定の値にと
どまらない場合は該島は拒否される。本発明の発明者は
小結節を考えるために島が満足しなくてはならない二者
選択基準を用いた。Variations in torus and size of the islands at various thresholds are shown in FIG. The growth characteristics of the islands shown in FIGS. 4-6 are used in accordance with the present invention to distinguish between nodules and non-nodules. If the size and circularity of an island does not stay at a certain number of predetermined values of the continuous threshold (1% increase in histogram), the island is rejected. The inventor of the present invention used a binary criterion that the island must satisfy to consider the nodule.

該島は（１）、有効直径が３から18mmの間であり、10
個の連続閾値の円環性が少なくとも0.85あるか、あるい
は（２）、有効直径が９から18mmの間であり、４個の連
続閾値の円環性が少なくとも0.75ある。二者選択基準は
小さい小結節と大きい小結節、双方の検出に利用され、
第一基準は小さい小結節と中型の小結節用に、第二基準
は大きな小結節用である。通常非小結節は他の非小結節
と合併するので当初小さく、比較的速く成長し、有効直
径が9mmより大きくなると円環性は低い。しかし、非常
に小さい小結節と非常に大きい小結節の検出には複合試
験基準が用いられた。The island is (1) with an effective diameter between 3 and 18 mm, 10
The contiguous threshold has at least 0.85 circularity, or (2) the effective diameter is between 9 and 18 mm, and the four consecutive thresholds have at least 0.75 circularity. The two-way selection criterion is used to detect both small nodules and large nodules,
The first criterion is for small nodules and medium nodules, and the second criterion is for large nodules. Non-nodular nodules are usually small at first because they merge with other non-nodular ones, grow relatively fast, and are less circular if the effective diameter is greater than 9 mm. However, a combined test criterion was used to detect very small and very large nodules.

原ディジタル胸部画像が一旦コンピュータに入力され
ると、小結節検出処理は完全に自動化される。小結節と
非小結節の区別が自動的になされたのち、検出結果は放
射線専門医に提出され最終判断に付される。Once the raw digital breast image is input to the computer, the nodule detection process is fully automated. After the nodules and non-nodules are automatically distinguished, the results are submitted to a radiologist for final decision.

第７図は本発明のシステムのより詳細な概略ブロック
図である。第７図を参照すると対象物のＸ線測定値はた
とえば画像シグナル発生手段100などの蛍光透視システ
ムのテレビカメラの出力手段、またはディジタル化臨床
フィルム画像のフィルムディジタル化手段などから得ら
れる。画像シグナルは原画像が記憶されている第一メモ
リ103に適用される。FIG. 7 is a more detailed schematic block diagram of the system of the present invention. Referring to FIG. 7, X-ray measurements of the object may be obtained, for example, from the output means of a fluoroscope television camera, such as the image signal generating means 100, or from film digitizing means for digitizing clinical film images. The image signal is applied to the first memory 103 where the original image is stored.

前記ディジタル化画像シグナルは、問題の画素値に中
心のある選択したサイズと形の中心内の画素値のメジア
ン値で各画素値を置き換えるための非線形空間フィルタ
ーであるメジアンフィルターと言われるSNR抑制フィル
ター105、および正常解剖学的背景の特性と異なる疑わ
しい異常部位の特性を向上するための適合フィルターと
言われるSNR最大化フィルター107とに平行して適用され
る。The digitized image signal is an SNR suppression filter, called a median filter, which is a non-linear spatial filter for replacing each pixel value with the median value of the pixel value within the center of the selected size and shape centered on the pixel value in question. Applied in parallel with 105, and an SNR maximizing filter 107, referred to as an adaptive filter, to improve the properties of suspected abnormalities that differ from those of the normal anatomical background.

減法手段109は前記の２つのフィルター処理した画
像、SNR抑制画像とSNR向上画像を用い、識別画像を提供
し、該識別画像では疑わしい異常の目立ちが増加し、２
つの該画像の第二メモリ111に記憶されている通常構造
背景の構成部が減少する。The subtraction means 109 uses the two filtered images, the SNR-suppressed image and the SNR-enhanced image, to provide an identification image, in which the number of suspicious abnormalities increases,
The number of components of the normal structural background stored in the second memory 111 of the two images is reduced.

ヒストグラムを用いて、所定の閾値はいくつかの方法
に従って閾値測定手段115で設定される。一つはコンピ
ュータが識別画像のヒストグラムの上端の値を持つ画素
の所定の割合を記憶している全体閾値設定方法であり、
他方はコンピュータが問題の画素に中心のある正方形の
中心内で局部統計を測定する局部閾値測定方法である。Using the histogram, the predetermined threshold is set by the threshold measuring means 115 according to several methods. One is an overall threshold setting method in which the computer stores a predetermined ratio of pixels having the upper end value of the histogram of the identification image,
The other is a local threshold measurement method in which the computer measures local statistics within the center of the square centered on the pixel in question.

閾値設定手段117において、閾値演算は計算したヒス
トグラムの特定の区域に関連する閾値測定手段115で測
定されるある一定の閾値の識別画像について行われる。
画素値は平均画素値より大きいときに限って標準偏差の
所定の倍数によって保持される。In the threshold value setting means 117, the threshold value calculation is performed on an identification image of a certain threshold value measured by the threshold value measurement means 115 associated with a specific area of the calculated histogram.
The pixel value is held at a predetermined multiple of the standard deviation only when it is greater than the average pixel value.

第二メモリ111に記憶されている識別画像は閾値を該
識別画像の各画素値と比較することによって二進化さ
れ、プレーンメモリシステム119への「１」または
「０」の比較書き込みに基づく。プレーンメモリ119は
第二メモリ111と同数のアドレスを備える。たとえば、
画素値が閾値以上の場合、「１」が記憶され、反対に画
素値が閾値未満である場合は「０」がプレーンメモリ11
9に記憶される。閾値の設定は該メモリ119内に「閾値画
像」を形成し、該画像は完全均一背景に重なった閾値よ
り大きい値の画素のグループを含む。The identification image stored in the second memory 111 is binarized by comparing the threshold value with each pixel value of the identification image, and is based on the comparative writing of “1” or “0” to the plane memory system 119. The plane memory 119 has the same number of addresses as the second memory 111. For example,
If the pixel value is greater than or equal to the threshold value, “1” is stored, and if the pixel value is less than the threshold value, “0” is stored in the plane memory 11.
Stored in 9. The setting of the threshold forms a "threshold image" in the memory 119, the image comprising a group of pixels with a value greater than the threshold superimposed on a completely uniform background.

Ｘ線写真での疑わしい異常部位とともに前記メモリ11
9内に形成される閾値画像は特徴抽出技術で処理され
る。ディジタル胸部Ｘ線画像での肺小結節を抽出する場
合にそなえて、円環性とサイズの試験が胸部Ｘ線写真の
閾値識別画像に対し行われ、本明細書でさらに詳細に検
討されるディジタル式***Ｘ線像内の微小石灰化を抽出
する場合にそなえて、クラスター化技術が用いられて所
定の直径以内の閾値を超える画素のクラスターを識別す
る。The memory 11 with the suspected abnormal site on the radiograph
The threshold image formed in 9 is processed by the feature extraction technique. In preparation for extracting lung nodules in digital chest radiographs, torus and size tests were performed on threshold discriminating images of the chest radiographs and are discussed in more detail herein. In preparation for extracting microcalcifications in a mammogram, a clustering technique is used to identify clusters of pixels exceeding a threshold within a predetermined diameter.

第７図では、「島」検出手段121はプレーンメモリ119
上で相互に近接併置される「１」画素のグループである
「島」の画像を生成する。単純コンピュータ検索、たと
えば「１」である画素を取り巻く画素を確認する手順を
繰り返し、各島独特の識別を生み出す「１」の画素の各
グループと、付随情報としてのメモリ119内の「１」画
素のアドレスとをクラスター化することで、該島は自動
的に位置を確認される。In FIG. 7, the "island" detecting means 121 is a plain memory 119.
An image of an “island”, which is a group of “1” pixels arranged close to each other above, is generated. A simple computer search, for example, repeating the procedure for identifying the pixels surrounding the pixel that is "1", each group of "1" pixels that produces a unique identification for each island, and the "1" pixel in memory 119 as accompanying information By clustering the addresses of the islands, the island is automatically located.

島検出手段121で島の位置を確認してクラスター化し
たのち、算術回路123は閾値以上であるある島の面積が
測定表示される方法で該島のサイズと円環性の測定を行
い、有効直径は該島と同面積の円の直径によって決めら
れ、円環性の程度は島の重心近くに中心を持つ、同面積
の円内に存在する島の面積の第３図で示した島の面積に
対する比率として定義される。After clustering by confirming the position of the island by the island detecting means 121, the arithmetic circuit 123 measures the size and the circularity of the island by a method in which the area of the island which is equal to or larger than the threshold value is measured and displayed, and is effective. The diameter is determined by the diameter of a circle of the same area as the island, and the degree of circularity of the island shown in Fig. 3 is the area of the island existing in the circle of the same area, centered near the center of gravity of the island. Defined as ratio to area.

算術回路123で計算した因子は前記島が異常かどう
か、すなわち小結節化したかどうかを所定の値との比較
によって決定する異常決定回路125に適用する。The factors calculated by the arithmetic circuit 123 are applied to an abnormality determination circuit 125 which determines whether the island is abnormal, that is, whether it is nodular or not by comparing with a predetermined value.

前記手順は増加量が異なり、問題の識別画像のヒスト
グラムの割合で変化する閾値で起きる。該閾値が変化す
ると島は成長して形は変化する。特性指摘と識別作用は
新生島で行われ、該島が閾値の変化と無関係に異常を測
定することに成功する場合は該島は小結節として確認認
識される。The procedure occurs at a threshold that varies in increment and varies with the percentage of the histogram of the identified image in question. When the threshold changes, the island grows and changes shape. Characterization and discrimination are performed on the new island, and if the island successfully measures anomalies independent of threshold changes, the island is identified as a nodule.

閾値測定の結果と成長試験は表示システム129にも適
用され、識別画像内の小結節によって示される出力シグ
ナルが原画像に重なりモニター131を内蔵する表示シス
テム129の画面上に表示される。小結節として識別され
る島の代替表示は、四角、円、カーソル、矢印などの表
示を原画像が表示されているモニター131の同一画面上
に表示することによって可能となる。The result of the threshold measurement and the growth test are also applied to the display system 129, and the output signal indicated by the nodule in the identification image overlaps the original image and is displayed on the screen of the display system 129 including the monitor 131. Alternative display of an island identified as a nodule can be made by displaying a display such as a square, a circle, a cursor, and an arrow on the same screen of the monitor 131 on which the original image is displayed.

前記の方則の多くはディジタル***Ｘ線像の分析にも
適用できる。第８図は***Ｘ線像のコンピュータアルゴ
リズムの一般的な図を示している。もう一度、入力ディ
ジタル画像が***Ｘ線の形で得られ（ステップ10）、シ
グナル向上画像データ（ステップ20）とシグナル抑制画
像データ（ステップ30）とを得るために空間フィルター
処理を受ける。２つの該画像データを減じると構造背景
を除去した（ステップ40）識別画像データとなる。もう
一度、得られた識別画像は、該識別画像を得るために減
じられた２画像が単一画像から引き出されるディジタル
減法血管造影のような技術から得られた減法画像と基本
的に異なることに注意しなくてはならない。微小石灰化
の既知の物理的特性に基づいた中間レベルの閾値測定
（ステップ70）とシグナル抽出処理（ステップ50）は前
記識別画像に適用されて残っているノイズ背景からシグ
ナルを分離する。コンピュータアルゴリズムの出力は乳
房Ｘ線像上の疑わしい微小石灰化の群の位置を示す（ス
テップ60′）。Many of the above rules also apply to the analysis of digital mammograms. FIG. 8 shows a general diagram of a computer algorithm for mammograms. Once again, an input digital image is obtained in the form of a mammogram (step 10) and is subjected to spatial filtering to obtain signal enhanced image data (step 20) and signal suppressed image data (step 30). When the two image data are subtracted, the identification image data is obtained by removing the structural background (step 40). Once again, note that the resulting discriminating image is fundamentally different from subtracted images obtained from techniques such as digital subtractive angiography where the two images subtracted to obtain the discriminating image are derived from a single image. I have to do it. An intermediate level threshold measurement (step 70) and a signal extraction process (step 50) based on the known physical properties of the microcalcification separate the signal from the noise background remaining applied to the identification image. The output of the computer algorithm indicates the location of the suspected microcalcification group on the mammogram (step 60 ').

シグナル向上（ステップ20）の目的で、典型的な***
Ｘ線微小石灰化のサイズとコントラストの多様性に大体
適合した空間フィルターが使用される。該空間フィルタ
ーは以後は適合フィルターと呼ばれ、Prattによる「デ
ィジタル画像処理」（Willy,New York,1978）に示され
た従来定義された適合フィルターとは二点で異なる。第
一に画像背景の関連ノイズの周波数成分を考慮していな
い。第二に微小石灰化のサイズと形は異なるのでそれぞ
れの微小石灰化に完全に適合するフィルターを作るのは
不可能である。従って適合フィルターがｎ×ｎの正方形
の中心（ただしｎは奇数）を持つ簡略モデルが使用され
て全体像に適用される。適合フィルターの中心サイズに
対する検出精度の依存が次に調査された。さらに、いく
つかの典型的な微小石灰化の平面側面図の分析に基づい
て、微小石灰化のコントラスト変化は適合フィルターの
以下に示す加重因子と概算される。ｎが３である場合は
フィルター反応関数の８個の最も外部の加重因子は0.75
の値を指定され、中心加重因子は1.0の値を指定され
る。ｎが３より大きい場合は前記の最も外部の加重因子
は0.5の値を指定され、二番目の最も外部の加重因子は
0.75の値を指定され、その他のすべての加重因子は1.0
の値を指定される。前記概略適合フィルターは、フィル
ター反応関数と画像の空間変化の相関関係の出力尺度を
備えていた。従って、微小石灰化の位置では、フィルタ
ー処理画像内の画素の最高値は任意のノイズまたは構造
ノイズの画素値に関連して増加し、該画素値はフィルタ
ー反応関数との相互関連が少なかった。For the purpose of signal enhancement (step 20), a spatial filter is used that is roughly adapted to the size and contrast diversity of typical breast X-ray microcalcifications. The spatial filter is hereinafter referred to as an adaptive filter and differs in two respects from the conventionally defined adaptive filter shown in "Digital Image Processing" by Pratt (Willy, New York, 1978). First, it does not consider the frequency components of the related noise in the image background. Second, the size and shape of the microcalcifications are different, making it impossible to create a filter that is perfectly adapted to each microcalcification. Thus, a simplified model is used in which the adaptive filter has an n × n square center (where n is an odd number) and is applied to the whole image. The dependence of the detection accuracy on the center size of the adaptive filter was next investigated. In addition, based on analysis of some typical microcalcification plan side views, the microcalcification contrast change is estimated with the following weighting factors for the adaptive filter: If n is 3, the eight outermost weighting factors of the filter response function are 0.75
Is specified, and the center weighting factor is specified as a value of 1.0. If n is greater than 3, the outermost weighting factor is assigned a value of 0.5, and the second outermost weighting factor is
Given a value of 0.75, all other weighting factors are 1.0
Is specified. The rough-fit filter provided an output measure of the correlation between the filter response function and the spatial variation of the image. Thus, at the location of microcalcification, the highest pixel value in the filtered image increased in relation to the pixel value of any noise or structural noise, which pixel value was less correlated with the filter response function.

シグナル抑制画像（ステップ30）を作り出すために、
メジアンフィルターとコントラスト反転フィルターの２
種類のフィルターが評価された。メジアンフィルターは
問題の画素に中心を持つ選択サイズおよび選択形の中心
内である一定の画素値をメジアン画素値と置き換える非
線形空間フィルターである。適切に選択したサイズのメ
ジアンフィルターは画像から微小石灰化を実質的に除去
し、また全体背景を変化させることなくノイズを取り除
くことができる。微小石灰化の比較的無作為の形と定位
のために正方形の中心を持つメジアンフィルターが利用
された。検出精度のフィルターのサイズへの依存性が調
査された。To create a signal suppression image (step 30)
Median filter and contrast inversion filter 2
Different types of filters were evaluated. The median filter is a non-linear spatial filter that replaces certain pixel values within the center of the selected size and selected shape with the center at the pixel in question with median pixel values. A properly selected size median filter can substantially remove microcalcifications from the image and remove noise without changing the overall background. A median filter with a square center was used for the relatively random shape and localization of microcalcifications. The dependence of detection accuracy on filter size was investigated.

識別画像内の構造背景を除去する一方でシグナル対ノ
イズ非（SNR）を向上するために、シグナル抑制への他
の代替アプローチが検査された。コントラスト反転フィ
ルターは低周波数の構造背景を維持し、高周波のノイズ
を抑制する一方で微小石灰化のコントラストを選択的に
反転するために開発された。前記関数は以下に示す形式
の光学変換因子（OTF_S）を持つフィルターによって完成
する。Other alternative approaches to signal suppression were examined to improve signal-to-noise-noise (SNR) while removing structural background in discriminating images. Contrast inversion filters were developed to preserve the low frequency structural background and suppress the high frequency noise while selectively inverting the microcalcification contrast. Wherein the function is completed by a filter having an optical conversion factors of the type shown below (OTF _S).

Ｆ（ｕ）＝［2F_A（ｕ）−１］F_B（ｕ）、 ただし、F_A（ｕ）はローパス除去フィルターであり、
F_B（ｕ）は高周波数ノイズを抑制するフィルターであ
る。コントラスト反転フィルターは第９図に概略図が示
してある。F_A（ｕ）とF_B（ｕ）のパラメータが適切に選
択された場合は、それに導き出されるフィルターＦ
（ｕ）は微小石灰化の周波数内容のほとんどを含む周波
数範囲内の大きな陰性成分を持つ。 _{F (u) = [2F A} (u) -1] F B (u), provided that, F _A (u) is a low pass filter for removing,
F _B (u) is a filter for suppressing high frequency noise. The contrast inversion filter is shown schematically in FIG. If the parameters F _A (u) and F _B (u) are properly selected, the filter F derived
(U) has a large negative component in the frequency range that includes most of the microcalcification frequency content.

本発明の開発研究では、空間変域内の単純な正方形の
中心を持つフィルターＡおよびＢが利用された。フィル
ターＡには前記の適合フィルターと同様の加重因子があ
った。フィルターＢには自身の中心サイズn_Bと無関係な
均一加重因子がある。In the development work of the present invention, filters A and B having a simple square center in the spatial domain were used. Filter A had the same weighting factors as the matched filter described above. The filter B is unrelated uniform weighting factors and the center size n _B itself.

本発明の***Ｘ線撮影への適用では、もう一度シグナ
ル向上画像からシグナル抑制画像を減じることによって
識別画像を得る。低周波数の構造背景が基本的に前記の
２画像で同一であるから、この成分は該識別画像から除
去される。背景での損失を補償するために定数値の512
が表示の目的で該識別画像の各画素に加えられる。In the application of the present invention to mammography, an identification image is obtained by subtracting the signal suppression image from the signal enhancement image again. Since the low frequency structural background is basically the same in the two images, this component is removed from the identification image. Constant value of 512 to compensate for background loss
Is added to each pixel of the identification image for display purposes.

さらに残存ノイズ背景から微小石灰化を分離するため
に、中間レベルの閾値設定が該識別画像に適用される。
２種類の閾値設定が調査された。一つは、コンピュータ
が識別画像のヒストグラムの高端部の値の画素の所定の
割合を維持している全体閾値設定であり、閾値以下の画
素値はすべて定数に設定される。他の一つは、コンピュ
ータが問題の画素に中心を持つ正方形中心内の局部統計
を測定する局部閾値設定であり、該画素値は平均画素値
よりも大きいときに限って標準偏差（S.D.）の所定の倍
数によって保持される。前記中心のサイズは局部背景ノ
イズ変動を良く評価するのに十分なだけ大きくなくては
ならず、また本研究では51×51の画素が選択された。中
間レベルの閾値設定は閾値より大きい値の画素の群が完
全均一背景に重なっている「閾値画像」を作り出す。In addition, an intermediate level threshold setting is applied to the identification image to separate microcalcifications from the residual noise background.
Two types of threshold settings were investigated. One is an overall threshold setting in which the computer maintains a predetermined ratio of pixels at the high end of the histogram of the identification image, and all pixel values below the threshold are set to constants. The other is a local threshold setting in which the computer measures local statistics within the center of the square centered on the pixel in question, the pixel value of the standard deviation (SD) only when the pixel value is greater than the average pixel value. It is held by a predetermined multiple. The size of the center should be large enough to better evaluate local background noise fluctuations, and in this study 51 × 51 pixels were selected. Intermediate level threshold settings create a "threshold image" in which groups of pixels with values greater than the threshold overlap a perfectly uniform background.

シグナル検出の実行において、コンピュータは以下に
示す方法で該閾値画像からシグナルを抽出する。境界検
出プログラムは未処理***Ｘ線写真に適用されて***部
位を測定する。次に該閾値画像の***部位でシグナル検
索が行われ、各ポイントの位置、区域、およびコントラ
ストが測定される。区域閾値設定基準は検出されたシグ
ナル上に連続して重ねられ所定の数の画素よりも小さい
区域を起つポイントを除去する。最後に、クラスター基
準が利用され、所定の直径の円形区域内の所定の数以上
のシグナルを含むクラスターを識別する。該所定値は放
射線専門医の臨床試験から、また既知の微小石灰化のあ
る多くの試験***Ｘ線像を処理することによって経験的
に測定された。典型的には２か３の画素の区域閾値が使
われ、クラスターは直径１から1.5mmの部位の中に３以
上のシグナルを含むことが必要であった。該クラスター
化基準はクラスターが生検を保証するほどに十分に疑わ
しいとみなされる前に通常は３から５の間の最小数の微
小石灰化が存在することを要求する臨床試験と調和して
いる。In performing the signal detection, the computer extracts a signal from the threshold image by the following method. A boundary detection program is applied to the raw mammogram to measure the breast site. Next, a signal search is performed on the breast region of the threshold image, and the position, area, and contrast of each point are measured. The area threshold setting criterion removes points that are successively superimposed on the detected signal and that result in areas smaller than a predetermined number of pixels. Finally, a cluster criterion is used to identify clusters that contain more than a predetermined number of signals within a circular area of a predetermined diameter. The predetermined values were determined empirically from radiologist clinical trials and by processing a number of test mammograms with known microcalcifications. Typically, an area threshold of two or three pixels was used, and the cluster needed to contain more than two signals within a region of 1 to 1.5 mm in diameter. The clustering criteria are consistent with clinical trials that require that a minimal number of microcalcifications, usually between 3 and 5, exist before the cluster is deemed sufficiently suspicious to warrant a biopsy. .

前記の集結試験は区域閾値設定後も存在している２つ
の最も接近している島を先ず検索することによってソフ
トウエアで実行される。次に２つの該島の位置の重心が
円内の次の隣接島の検索をするための所定の直径の円の
中心として利用される。それから該重心の位置は前記の
３個の島に対し新たにされ、円の中心として利用され
る。この過程は新たな島が円内で発見されなくなるまで
続けられ、該円内の島の一団はクラスターとして定義さ
れる。The above aggregation test is performed in software by first searching for the two closest islands that are still present after setting the zone threshold. The centroid of the location of the two islands is then used as the center of a circle of a given diameter to search for the next adjacent island in the circle. The location of the center of gravity is then renewed for the three islands and used as the center of the circle. This process continues until no new islands are found in the circle, and the group of islands in the circle is defined as a cluster.

本発明に関する検出精度の評価のために、たとえばRu
binsteinによる「模擬実験とモンテカルロ法」（Will
y、New York、1981）に示されているモンテカルロ法が
用いられ、正常***Ｘ線像の背景に重ねられる微小石灰
化の模擬実験をした。該擬態シグナルの位置、サイズ、
コントラストは公知であり、コンピュータ検出結果を比
較するための決定的な基準として利用できた。In order to evaluate the detection accuracy according to the present invention, for example, Ru
"Simulation Experiment and Monte Carlo Method" by binstein (Will
y, New York, 1981), using a Monte Carlo method to simulate microcalcification superimposed on the background of a normal mammogram. The location, size,
Contrast was known and could be used as a definitive criterion for comparing computer detection results.

コンピュータ検出アルゴリズムの検出精度を評価する
ために、濃度と構造において典型的な変化を呈し、微小
石灰化のない６まいの正常***Ｘ線像が擬態微小石灰化
の重なりを検出するのに選択された。700×1000画素の
区域のある***Ｘ線像の一部が時間を処理する画像を保
持するのに利用された。簡単に言うと、***Ｘ線像の一
部は以下に示す「***Ｘ線像」を言う。モンテカルロ法
が次に利用されて、各クラスターは８から10の擬態微小
石灰化を含む10の非重複クラスターを発生する。該擬態
微小石灰化のサイズとコントラストは放射線専門医の経
験に基づいて選択された。一般に、悪性腫瘍による石灰
化は縦横がおよそ同寸法のとき一辺が0.5mmより小さ
く、線形のときは短辺が0.5mmである。６まいの前記乳
房Ｘ線像での擬態微小石灰化のサイズ、コントラスト、
位置の分布入力の可能性は一組の試験画像を形成するた
めに確定された。To evaluate the detection accuracy of the computer detection algorithm, six normal mammograms with typical changes in concentration and structure, without microcalcification, were selected to detect the overlap of mimic microcalcifications. Was. A portion of the mammogram, with an area of 700 x 1000 pixels, was used to hold the time processing image. In brief, a part of the breast X-ray image refers to a “breast X-ray image” described below. A Monte Carlo method is then used, where each cluster generates 10 non-overlapping clusters containing 8 to 10 mimic microcalcifications. The size and contrast of the mimic microcalcifications were chosen based on the experience of a radiologist. In general, calcification due to a malignant tumor is smaller than 0.5 mm on one side when the length and width are approximately the same, and 0.5 mm on a short side when linear. The size, contrast, and mimetic microcalcifications in the six mammograms
The possibility of location distribution input was determined to form a set of test images.

ユーザー選択画像処理ができ、シグナル抽出パラメー
タを備えたコンピュータ検出プログラムは試験画像の各
組に適用された。コンピュータ出力は検出された個々の
シグナルと検出クラスターの位置を含んでいた。コンピ
ュータは次に擬態の微小石灰化の既知の位置を検出シグ
ナルに例えて真陽性と擬陽性の検出事象を決定した。検
出精度は、真陽性（TP）クラスターの検出比率と種々の
中間レベルの閾値設定時に各画像毎に検出される擬陽性
（FP）クラスターの数との間の関係として定義される実
行カーブを使って評価された。微小石灰化の物理的特性
への依存と同様に画像処理とシグナル抽出パラメータへ
のコンピュータ検出精度の依存性は該実行曲線の比較に
よって測定することができる。A computer detection program with user-selected image processing and with signal extraction parameters was applied to each set of test images. Computer output included the location of the individual signals and detection clusters detected. The computer then compared the known location of the mimic microcalcification to the detection signal to determine true positive and false positive detection events. Detection accuracy is determined using an execution curve defined as the relationship between the detection rate of true positive (TP) clusters and the number of false positive (FP) clusters detected for each image at various intermediate level threshold settings. Was evaluated. The dependence of computer detection accuracy on image processing and signal extraction parameters, as well as the dependence of microcalcification on physical properties, can be measured by comparing the run curves.

未処理の画像データと識別画像データのヒストグラム
はそれぞれ第10a図と第10b図に示されている。未処理の
データについては、画素値はほとんど完全な10ビットの
範囲に及び、微小石灰化の二つのクラスターは大きく異
なる濃度で解剖学的背景に重ねられる。比較すると、識
別画像のヒストグラムは非常に狭く、約８の画素値の標
準偏差と対称同然であり、該微小石灰化は該ヒストグラ
ムの一端に位置する。こうした結果は識別画像技術が非
常に友好的に構造背景を除去することを示している。The histograms of the unprocessed image data and the identified image data are shown in FIGS. 10a and 10b, respectively. For unprocessed data, pixel values cover an almost complete 10-bit range, and the two clusters of microcalcifications are superimposed on the anatomical background at very different densities. By comparison, the histogram of the identified image is very narrow, about the same as the standard deviation of about 8 pixel values, and the microcalcification is located at one end of the histogram. These results indicate that the identification imaging technique is very friendly in removing structural background.

コントラスト反転フィルターの中心サイズへのコンピ
ュータ検出精度の依存性は第11図に示されている。フィ
ルターＢの中心サイズ、n_Bが３×３で固定し、フィルタ
ーＡの中心サイズn_Aが５から９に増加するとき、TP検出
比率は各画像毎に約２クラスター下のFP検出比率につい
ては増加し、より高いFP検出比率についてはわずかに減
少する。しかし、n_Aがさらに11に増加すると、検出精度
は低下し始める。フィルターＢは効果はn_Bが11の固定n_A
において３から５まで増加することで示される。n_B＝５
のTP検出比率はすべてのFP検出比率でのn_B＝３のTP検出
比率よりも低い。従ってこのような結果はn_A＝９および
n_B＝３のコントラスト反転フィルターが調査中の微小石
灰化のフィルターの組み合わせとサイズの分布のため
に、微小石灰化の周波数成分のほとんどを含む周波数範
囲内に陰性OTF成分を備える。n_A＝９およびn_B＝３のコ
ントラスト反転フィルターが処理した画像に３×３の適
合フィルターを適用することでコントラスト反転の効果
を増加しようと試みられた。しかし、その結果できた実
行曲線はさらに適合フィルターで処理をしなかった場合
の実行曲線とほとんど同じであった。The dependence of the computer detection accuracy on the center size of the contrast inversion filter is shown in FIG. Center size of the filter B, and fixed with n _B is 3 × 3, when the center size n _A filter A increases from 5 to 9, TP detection ratio for FP detection ratio of about 2 under a cluster for each image Increases and decreases slightly for higher FP detection ratios. However, as n _A further increases to 11, the detection accuracy begins to decrease. Filter B has the effect that n _B is fixed n _A with 11
, From 3 to 5. n _B = 5
Is lower than the TP detection ratio of n _B = 3 at all FP detection ratios. Thus, such a result is n _A = 9 and
An n _B = 3 contrast inverting filter has a negative OTF component in the frequency range that includes most of the microcalcification frequency components due to the microcalcification filter combination and size distribution under investigation. An attempt was made to increase the effect of contrast inversion by applying a 3x3 adaptive filter to the images processed by the n _A = 9 and n _B = 3 contrast inversion filters. However, the resulting running curve was almost identical to the running curve without further processing by the adaptive filter.

メジアンフィルターの中心サイズへのコンピュータ検
出精度の依存性は第12図に示されている。ある一定のFP
比率について、中心サイズが５から７に増加するにつ
れ、TP検出比率は急速に増加する。しかし、中心サイズ
が９に増加すると、TP検出比率は各画像毎に２クラスタ
ー下のFP比率でさらに増加するが、より高いFP検出比率
で僅かに低下する。中心サイズが11にさらに増加する
と、本質的にすべてのFP比率でTP検出比率は低下するよ
うである。The dependence of computer detection accuracy on the median filter center size is shown in FIG. A certain FP
As for the ratio, the TP detection ratio increases rapidly as the center size increases from 5 to 7. However, as the center size increases to 9, the TP detection ratio further increases at two clusters below the FP ratio for each image, but decreases slightly at higher FP detection ratios. As the center size further increases to 11, the TP detection ratio appears to decrease at essentially all FP ratios.

検出精度のシグナル向上に利用される適合フィルター
中心サイズの影響は該サイズを３から７まで変化させて
試験した。n_A＝９およびn_B＝３である適合フィルター／
コントラスト反転フィルターの組み合わせについては、
３個の適合フィルターサイズすべてで実行曲線は基本的
には変化しないままであることが判明した。しかし、適
合フィルター／メジアンフィルターの組み合わせでは検
出精度は適合フィルターのサイズに強く依存する。７×
７の固定メジアンフィルターに関して該適合フィルター
サイズが３から７に増加すると実行曲線は第13図に示さ
れているように悪化する。従って、３×３の適合フィル
ターは本研究のほとんどの場合に利用された。The effect of the size of the adaptive filter center used to improve the signal of detection accuracy was tested by varying the size from 3 to 7. adaptive filter / n _A = 9 and n _B = 3
For the combination of contrast inversion filters,
The running curves were found to remain essentially unchanged for all three matched filter sizes. However, with the combination of the adaptive filter / median filter, the detection accuracy strongly depends on the size of the adaptive filter. 7x
As the adaptive filter size increases from 3 to 7 for 7 fixed median filters, the performance curve worsens as shown in FIG. Therefore, a 3x3 matched filter was used in most cases of this study.

区域閾値、すなわち島クラスター化の連続評価のため
の候補として適格である島のサイズの影響は閾値を２か
ら４画素まで変化させることによってシグナル抽出過程
でシグナル区域のために利用され、また評価された。区
域閾値がある一定の中間レベルの閾値について低下する
につれ、TPとFP双方の検出比率が増加する。しかし、た
とえ異なる中間レベルの閾値が同一の検出精度を達成す
るのに必要であっても、実行曲線は適合フィルター／コ
ントラスト反転フィルターと適合フィルター／メジアン
フィルターの組み合わせ双方についての区域閾値に対し
比較的弱い依存性を持つ。原画像／メジアンフィルター
の組み合わせに関しては、特に全体閾値設定が利用され
た場合、区域閾値の増加につれ、検出精度も増加する。
原画像／メジアンフィルターの組み合わせに関する区域
閾値への依存性が強くなるのはおそらく識別画像での低
いSNRに関連している。多くの無作為のノイズポイント
は前記の場合閾値画像に残り、区域閾値設定基準によっ
て除外されなければFPシグナルとして検出される。線形
および非線形フィルター処理法の検出精度は第14図で比
較されている。n_A＝９およびn_B＝３の適合フィルター／
コントラスト反転フィルターはｎ＝９（第12図）の適合
フィルター／メジアンフィルターに匹敵する。双方と
も、各画像毎に約１クラスターのFP検出比率でおよそ80
％のTP検出比率を達成できる。一方、ｎ＝７の適合フィ
ルター／メジアンフィルターは高いFP検出比率でより高
いTP検出比率を提供する。適合フィルター処理で達成さ
れた改善SNRの影響は適合フィルター／メジアンフィル
ターと原画像／メジアンフィルターの曲線が比較される
とき明らかである。シグナル向上画像内のSNRの増加の
ために適合フィルター処理で得られた検出精度は一般に
はより高くなる。The effect of the area threshold, ie the size of the islands that qualify as candidates for the continuous evaluation of island clustering, is utilized and evaluated for the signal area in the signal extraction process by changing the threshold from 2 to 4 pixels. Was. As the zone threshold decreases for a certain intermediate level threshold, both TP and FP detection rates increase. However, even if different intermediate level thresholds are required to achieve the same detection accuracy, the running curves are relatively small relative to the area thresholds for both the adaptive filter / contrast inverting filter and the adaptive filter / median filter combination. Has a weak dependency. Regarding the combination of the original image / median filter, especially when the whole threshold setting is used, the detection accuracy increases as the area threshold increases.
The increased dependence on the area threshold for the original image / median filter combination is probably related to the low SNR in the discriminating image. Many random noise points remain in the threshold image in such cases and are detected as FP signals unless excluded by the zone threshold criteria. The detection accuracy of the linear and non-linear filtering methods is compared in FIG. n _A = 9 and n _B = 3 adaptive filters /
The contrast inversion filter is comparable to the adaptive filter / median filter with n = 9 (FIG. 12). In both cases, the FP detection ratio of about 1 cluster for each image was about 80.
% TP detection ratio can be achieved. On the other hand, a matched filter / median filter with n = 7 provides a higher TP detection ratio with a higher FP detection ratio. The effect of the improved SNR achieved with adaptive filtering is evident when the curves of the adaptive filter / median filter and the original image / median filter are compared. The detection accuracy obtained with adaptive filtering is generally higher due to the increased SNR in the signal enhanced image.

異なる中間レベルの閾値設定技術の影響は第14図と第
15図に示されている。３つのフィルターの組み合わせの
すべてに関して全体閾値設定よりも局部閾値設定の方が
検出精度が高くなることがわかる。しかし、適合フィル
ター／コントラスト反転フィルターと原画像／メジアン
フィルターの組み合わせに関する検出精度の改善の方
が、適合フィルター／メジアンフィルターの組み合わせ
に関する検出精度の改善よりも大幅に大きい。研究した
他のフィルターパラメータに関しても同様な差が観察で
きた。識別画像のヒストグラムを分析すると、原画像／
メジアンフィルターの組み合わせは最もノイズの多い識
別画像を作り出すが、適合フィルター／メジアンフィル
ターの組み合わせの方は一般的に適合フィルター／コン
トラスト反転フィルターの組み合わせの場合よりもノイ
ズの少い識別画像を発生することが明らかになった。そ
れゆえ、局部閾値設定技術は全体閾値設定技術よりも効
果的にノイズのある背景からシグナルを分離することが
できることが明らかである。The effects of different intermediate level threshold setting techniques are shown in FIG. 14 and FIG.
As shown in FIG. It can be seen that the local threshold setting has higher detection accuracy than the overall threshold setting for all three filter combinations. However, the improvement in detection accuracy for the combination of the adaptive filter / contrast inversion filter and the original image / median filter is significantly greater than the improvement in detection accuracy for the combination of the adaptive filter / median filter. Similar differences could be observed for the other filter parameters studied. When the histogram of the identification image is analyzed, the original image /
The combination of the median filter produces the most noisy discrimination image, but the combination of the adaptive filter / median filter generally produces a less noisy identification image than the combination of the adaptive filter / contrast inversion filter. Was revealed. Thus, it is clear that local thresholding techniques can separate signals from noisy backgrounds more effectively than global thresholding techniques.

個々の微小石灰化の局部閾値設定へのTPとFP双方の検
出比率の依存性はそれぞれ第16a図と第16b図に示されて
いる。4S.D.（標準偏差）の閾値では、適合フィルター
／メジアンフィルターまたは適合フィルター／コントラ
スト反転フィルターの組み合わせが利用された場合は個
々の微小石灰化の約50％、および約15の偽牲シグナルが
各画像（700×1000画素）毎に検出される。前記の閾値
において、TPクラスター検出比率は約90％であり、各画
像毎のFP検出比率は約２クラスター（第14図）である。
入力試験画像内の微小石灰化の各クラスターは10の個々
の微小石灰化を含み、シグナル抽出過程では検出された
クラスターは直径1.2cm以内の最低３つのシグナルを含
む範囲として決定されるので、第16a図と第16b図の結果
から、同一の画像処理技術とシグナル抽出基準を用いた
場合、６以上の微小石灰化を含むクラスターに関しては
同様のクラスター検出比率が得られることが示された。
異なる数量の微小石灰化を含むクラスターの検出精度は
ほかの画像処理技術と同様に評価できる。The dependence of the detection ratio of both TP and FP on the local threshold setting of individual microcalcifications is shown in FIGS. 16a and 16b, respectively. At a threshold of 4 S.D. (standard deviation), about 50% of individual microcalcifications and about 15 spurious signals are obtained when a combination of adaptive / median or adaptive / contrast filters is used. Detected for each image (700 × 1000 pixels). At the above threshold, the TP cluster detection ratio is about 90%, and the FP detection ratio for each image is about 2 clusters (FIG. 14).
Each cluster of microcalcifications in the input test image contains 10 individual microcalcifications, and during the signal extraction process the detected clusters are determined as a range containing at least three signals within 1.2 cm in diameter. The results in FIGS. 16a and 16b show that similar cluster detection ratios can be obtained for clusters containing 6 or more microcalcifications using the same image processing technique and signal extraction criteria.
The accuracy of detecting clusters containing different numbers of microcalcifications can be evaluated as with other image processing techniques.

コンピュータ検出アルゴリズムの精度の微小石灰化の
コントラストへの依存性もまた研究された。局部閾値設
定と組み合わせた前記の二つのフィルター処理方法の結
果は第17図に示されている。最大のコントラストが20,3
0,40画素値である微小石灰化はそれぞれ、非常にわずか
な、中位にわずかな、および明白な臨床微小石灰化に関
連する。該微小石灰化のコントラストが20から30画素値
に増加すると検出精度は急に高くなる。TP検出比率は40
画素値のコントラストでは100％に近い。前記二フィル
ターの組み合わせでの処理は低コントラストシグナルで
も同様であるが、シグナルコントラストが適度に高い場
合は適合フィルター／コントラスト反転フィルターの組
合わせは各画像毎に約２クラスター低いFP検出比率にお
いてより高い検出精度を提供する。全体閾値設定が前記
の検出に利用されると検出精度は双方のフィルター組み
合わせおよびすべてのシグナルコントラストにおいて低
下する。この低下は適合フィルター／コントラスト反転
フィルターの組み合わせで低コントラストシグナルが処
理された場合に最大となる。全体閾値設定では、すべて
のシグナルコントラストにおいて適合フィルター／メジ
アンフィルターの組み合わせの方が適合フィルター／コ
ントラスト反転フィルターの組み合わせよりも優れてい
るが、その差はシグナルコントラストの増加につれて減
少する。前記の比較はさらに、低SNR画像からのシグナ
ル抽出では局部閾値設定の方が全体閾値設定よりも効果
的であることを示している。The dependence of the accuracy of the computer detection algorithm on the contrast of microcalcifications was also studied. The results of the above two filtering methods combined with the local threshold setting are shown in FIG. Maximum contrast of 20,3
Microcalcifications with 0,40 pixel values are each associated with very slight, moderately slight, and overt clinical microcalcifications. As the contrast of the microcalcification increases from 20 to 30 pixel values, the detection accuracy suddenly increases. TP detection ratio is 40
The pixel value contrast is close to 100%. The processing with the combination of the two filters is similar for low contrast signals, but if the signal contrast is reasonably high, the combination of adaptive / contrast inversion filters is higher at about 2 clusters lower FP detection ratio for each image. Provides detection accuracy. If the global threshold setting is used for such detection, the detection accuracy is reduced for both filter combinations and all signal contrasts. This reduction is greatest when low contrast signals are processed with the adaptive filter / contrast inverting filter combination. For the overall threshold setting, the adaptive filter / median filter combination is better than the adaptive filter / contrast inverting filter combination at all signal contrasts, but the difference decreases with increasing signal contrast. The above comparison further shows that local threshold setting is more effective than global threshold setting in signal extraction from low SNR images.

臨床***Ｘ線像のコンピュータ検出プログラムの実行
は予備研究で試験された。約30画素値のシグナルコント
ラストに関連する適度な微妙さの真の微小石灰化のクラ
スターを含む臨床***Ｘ線像が選択された。局部閾値設
定と組み合わせた適合フィルター（３×３）／コントラ
スト反転フィルター（n_A＝９かつn_B＝３）の組み合わせ
が利用された。同様の結果が適合フィルター（３×３）
／メジアンフィルター（７×７）の組み合わせでも得ら
れた。評価された***Ｘ線像の一つは明らかなクラスタ
ーと適度に微妙なクラスターを含んでいた。該クラスタ
ーは双方とも検出され、コンピュータによって閾値画像
と原画像の双方に円で印を付けられた。FPクラスターは
この場合には検出されなかった。該閾値画像での多数の
分離されたポイントはシグナル抽出処理で利用されると
区域閾値とクラスター化基準を満たさないので、微小石
灰化の可能性のあるものとして含まれていなかった。調
査した乏しい臨床例では、TPクラスター検出比率は十分
に高い閾値では100％であり、FPクラスターは該臨床例
の約1/3で検出された。The implementation of a computer detection program for clinical mammograms was tested in a pilot study. A clinical mammogram containing moderately fine clusters of true microcalcifications associated with a signal contrast of about 30 pixel values was selected. A combination of adaptive filter (3 × 3) / contrast inversion filter (n _A = 9 and n _B = 3) combined with local threshold setting was used. A similar result is obtained by the adaptive filter (3 × 3)
/ Median filter (7 × 7). One of the evaluated mammograms contained clear and moderately subtle clusters. Both clusters were detected and the computer marked both the threshold image and the original image with circles. No FP cluster was detected in this case. Many of the isolated points in the threshold image did not meet the area threshold and clustering criteria when used in the signal extraction process and were not included as potential microcalcifications. In the poor clinical cases investigated, the TP cluster detection ratio was 100% at a sufficiently high threshold, and FP clusters were detected in about one third of the clinical cases.

第18図は前記のクラスター化技術を用いてディジタル
***Ｘ線像内の微小石灰化の自動化検出のシステムの詳
細なブロック図である。第７図に示された要素と関連す
る第18図の要素は同一の参照番号表示によって示されて
いる。第７図の特徴抽出要素121、123、および125はそ
れぞれ、閾値よりも値の高い画素の小区域グループを所
定の区域毎に画素の最低所定数に比較することにより除
去する区域閾値設定回路113と、所定の直径の円形範囲
内に存在するプレーンメモリ119内の島によって表され
る微小石灰化として区域グループの数に基づく区域閾値
設定後も存在する該区域グループのクラスターの識別を
するもうひとつの異常部測定回路135とに置き換えられ
る。前記のことは区域閾値設定により識別される島の間
の距離を測定し、該測定距離が所定の区域内の所定の数
の島を示すかどうかをつぎに確定することにより最も良
く達成される。FIG. 18 is a detailed block diagram of a system for automated detection of microcalcifications in digital mammograms using the clustering technique described above. Elements in FIG. 18 that are related to elements shown in FIG. 7 are indicated by the same reference numerals. Each of the feature extraction elements 121, 123, and 125 in FIG. 7 is an area threshold value setting circuit 113 that removes a small area group of pixels having a value higher than the threshold value by comparing the small area group with a minimum predetermined number of pixels for each predetermined area. And another for identifying clusters of the area groups that are present even after setting the area threshold based on the number of area groups as microcalcifications represented by islands in plane memory 119 that are present within a circular area of a predetermined diameter. Is replaced by the abnormal part measuring circuit 135. The foregoing is best accomplished by measuring the distance between the islands identified by the zone threshold setting and then determining whether the measured distance indicates a predetermined number of islands within a predetermined zone. .

異常部測定回路135においては、前記クラスターは所
定の区域毎の島の数に基づき十分に疑わしいと裁定さ
れ、前記***Ｘ線像内のクラスターの位置に関連するビ
デオシグナルは該クラスターの位置が前記と同様な方法
で減***Ｘ線像に重ねられる表示システムに適用され
る。In the anomaly measurement circuit 135, the cluster is ruled sufficiently suspicious based on the number of islands in a given area, and the video signal associated with the position of the cluster in the mammogram is the position of the cluster. In a manner similar to that described above.

本発明に従った回路133と回路135の動作は前述した。
単純メモリ119に記憶された閾値画像を形成したあと、
区域閾値設定基準が該回路133によって利用され、該閾
値画像は検索され、たとえば背景ノイズとして２画素以
下の、少数の画素からなる島を除去するように処理され
る。残存する島は次に前記回路135によってクラスター
化基準に合うようにされ、微小石灰化が所定の円形範囲
内にクラスターの形をとって存在するという特徴に基づ
いて微小石灰化を識別する。The operation of the circuits 133 and 135 according to the present invention has been described above.
After forming the threshold image stored in the simple memory 119,
An area threshold setting criterion is used by the circuit 133, and the threshold image is searched and processed to remove islands consisting of a small number of pixels, for example, two pixels or less as background noise. The remaining islands are then matched to the clustering criteria by the circuit 135 and identify microcalcifications based on the feature that the microcalcifications are in the form of clusters within a predetermined circular area.

配線システムでは、前記回路125は区域閾値設定後も
残存する島の間の距離を自動的に測定できる。その結果
に基づき、クラスターは、たとえば所定の距離に相互に
間隔を開けた、言い換えれば所定の半径の円の中の所定
の数の島などの所定の基準に基づいて識別される。所定
の基準が満たされた場合、該クラスターは***損傷の微
小石灰化を表す。In a wiring system, the circuit 125 can automatically measure the distance between islands that remain after setting the area threshold. Based on the results, clusters are identified based on predetermined criteria, such as, for example, a predetermined number of islands within a circle of a predetermined radius, spaced apart from each other by a predetermined distance. If certain criteria are met, the cluster represents microcalcification of breast injury.

明らかに、本明細書に照らして、本発明の多くの改良
と変更が可能である。従って、添付特許請求の範囲内で
本発明は特に本明細書に記載した方法と別の方法で実行
できると理解される。Obviously, many modifications and variations of the present invention are possible in light of the present description. It is, therefore, to be understood that within the scope of the appended claims, the invention may be practiced otherwise than as specifically described herein.

［発明の効果］ 以上のように本発明によれば、ディジタルＸ線画像内
に存在する解剖学的異常部位の検出表示の方法とシステ
ムにおいて、単一映写ディジタルＸ線画像は最大値のシ
グナル対ノイズ比（SNR）であるシグナル向上画像デー
タを得るために処理され、また抑制SNRのシグナル抑制
画像データを得るために処理され、次に、識別画像デー
タがシグナル抑制画像データをシグナル向上データから
減じることにより形成され、低周波数の解剖学的構造背
景を除去し、該構造背景はシグナル抑制画像データ、シ
グナル向上画像データの双方で基本的には同一である。
一旦、構造背景が除去されると、特徴抽出が実行され
る。肺小結節の検出には、画素閾値設定が実行され、次
に閾値設定後も残存する隣接画素の円環性とサイズの試
験が実行される。閾値は変化し、円環性とサイズの閾値
の変化の影響は小結節の検出に利用される。***Ｘ線撮
像の微小石灰化の検出には、画素敷居設定と隣接画素区
域閾値設定が実行される。次に疑わしい異常部のクラス
ターが検出される。[Effects of the Invention] As described above, according to the present invention, in a method and a system for detecting and displaying an anatomical abnormality present in a digital X-ray image, a single projection digital X-ray image has a maximum signal pair. The noise ratio (SNR) is processed to obtain signal-enhanced image data, and is also processed to obtain signal-suppressed image data with suppressed SNR, and then the identification image data subtracts the signal-suppressed image data from the signal-enhanced data To remove the low frequency anatomical structure background, which is basically the same in both the signal suppressed image data and the signal enhanced image data.
Once the structural background has been removed, feature extraction is performed. To detect a lung nodule, a pixel threshold setting is performed, and then a test of the circularity and size of the adjacent pixels remaining after the threshold setting is performed. The threshold changes, and the effects of changing the circularity and size thresholds are used to detect nodules. For detection of microcalcification in mammography, pixel threshold setting and adjacent pixel area threshold setting are executed. Next, a suspicious abnormal part cluster is detected.

以上のように本発明によれば、肺小結節や微小石灰化
などの疑わしい異常部を自動的に検出表示出切る方法、
システム、装置を提供できる。As described above, according to the present invention, a method of automatically detecting and displaying a suspected abnormal part such as a pulmonary nodule or microcalcification,
Systems and devices can be provided.

【図面の簡単な説明】[Brief description of the drawings]

第１図は本発明に従った小結節検出の自動化システムの
概略図、第2a図および第2b図は本発明に従った矢印で示
した小結節の画素値を示した原画像と識別画像それぞれ
のヒストグラム、第３図は島の有効直径と円環性の程度
の図、第４図は小結節と非小結節の閾値に対する島のサ
イズの依存性を示したグラフ、第５図は小結節と非小結
節の閾値に対する島の円環性の依存性を示したグラフ、
第６図は小結節と非小結節の種々の閾値に対する島の円
環性とサイズの変化を示したグラフ、第７図は第１図に
示した小結節検出の自動化システムを詳細に示した概略
ブロック図、第８図は本発明のもうひとつの実施例に従
った***Ｘ線像における微小石灰化の検出の自動化シス
テムの概略ブロック図、第９図はコントラスト反転フィ
ルターの概略図を提供するグラフ、第10a図および第10b
図は適合するフィルター（３×３）／コントラスト反転
フィルター（n_A＝９、n_B＝３）から得られた未処理の乳
房のＸ線像および識別画像、それぞれのヒストグラフ、
第11図は適合フィルター／コントラスト反転フィルター
の組み合わせのためのコントラスト反転フィルターの中
心サイズに対する検出精度の依存性を示したグラフ、第
12図は適合フィルター／コントラスト反転フィルターの
組み合わせのためのメジアンフィルターの中心サイズに
対する検出精度の依存性を示したグラフ、第13図は適合
フィルター／コントラスト反転フィルターの組み合わせ
のための適合フィルターの中心サイズに対する検出精度
の依存性を示したグラフ、第14図は局部閾値設定と組み
合わせた３つの画像処理方法の実行の比較グラフ、第15
図は全体閾値設定と組み合わせた３つの画像処理方法の
実行の比較グラフ、第16a図および第16b図は局部閾値に
対する微小石灰化の真陽性検出比の依存性および局部閾
値に対する微小石灰化の擬陽性検出比の依存性をそれぞ
れ示したグラフ、第17図は微小石灰化のコントラストに
対する検出精度の依存性を示したグラフ、第18図は第８
図で示した自動化システムをさらに詳細に示した概略ブ
ロック図である。 101……画像入力手段、103……画像メモリ、105……SNR
−抑制フィルタ、107……SNR−最大化フィルタ、109…
…減法手段、111……識別画像目盛、113……ヒストグラ
ム決定手段、115……閾値決定手段、117……閾値設定手
段、119……プレーンメモリ、121……島検出手段、123
……算術手段、125……異常決定回路、127……重ね合せ
回路、129……表示システム、131……モニタ、133……
区域閾値設定回路、135……異常部決定回路。FIG. 1 is a schematic diagram of an automatic system for detecting nodules according to the present invention, and FIGS. 2a and 2b are original images and identification images showing pixel values of nodules indicated by arrows according to the present invention, respectively. 3 is a graph showing the effective diameter of the island and the degree of circularity, FIG. 4 is a graph showing the dependence of the island size on the threshold of nodules and non-nodules, and FIG. 5 is a nodule A graph showing the dependence of island circularity on the threshold of non-nodular and
FIG. 6 is a graph showing the change in the circularity and size of islands with respect to various thresholds of nodules and non-nodules, and FIG. 7 shows in detail the automated system for detecting nodules shown in FIG. FIG. 8 provides a schematic block diagram, FIG. 8 provides a schematic block diagram of an automated system for detecting microcalcifications in a mammogram, and FIG. 9 provides a schematic diagram of a contrast inversion filter according to another embodiment of the present invention. Graphs, Figures 10a and 10b
The figure shows the X-ray image and the identification image of the unprocessed breast obtained from the matching filter (3 × 3) / contrast inversion filter (n _A = 9, n _B = 3), and their histograms.
FIG. 11 is a graph showing the dependence of the detection accuracy on the center size of the contrast inversion filter for the combination of the adaptive filter / contrast inversion filter.
Fig. 12 is a graph showing the dependence of the detection accuracy on the median filter center size for the adaptive filter / contrast inversion filter combination. Fig. 13 is the center size of the adaptive filter for the adaptive filter / contrast inversion filter combination. FIG. 14 is a graph showing the dependence of the detection accuracy on the detection accuracy, and FIG.
The figure shows a comparison graph of the execution of the three image processing methods combined with the setting of the global threshold, and FIGS. 16a and 16b show the dependence of the true positive detection ratio of microcalcification on the local threshold and the false positive of microcalcification on the local threshold FIG. 17 is a graph showing the dependence of the detection ratio, FIG. 17 is a graph showing the dependence of the detection accuracy on the contrast of microcalcification, and FIG.
FIG. 2 is a schematic block diagram showing the automation system shown in the figure in further detail. 101 image input means 103 image memory 105 SNR
-Suppression filter, 107 ... SNR-Maximization filter, 109 ...
... subtraction means, 111 ... identification image scale, 113 ... histogram determination means, 115 ... threshold value determination means, 117 ... threshold value setting means, 119 ... plane memory, 121 ... island detection means, 123
... arithmetic means, 125 ... abnormality determination circuit, 127 ... superposition circuit, 129 ... display system, 131 ... monitor, 133 ...
Area threshold setting circuit, 135... Abnormal part determination circuit.

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 昭63−221488（ＪＰ，Ａ) 特開 昭59−71740（ＪＰ，Ａ) 特開 昭59−229670（ＪＰ，Ａ) ──────────────────────────────────────────────────続 き Continuation of the front page (56) References JP-A-63-221488 (JP, A) JP-A-59-71740 (JP, A) JP-A-59-229670 (JP, A)

Claims (2)

(57)【特許請求の範囲】(57) [Claims] 【請求項１】被写体を撮影してなる原画像をフィルタ処
理してシグナル対ノイズ比を抑制した画像を生成する第
１ステップと、 前記原画像をフィルタ処理してシグナル対ノイズ比を向
上した画像を生成する第２ステップと、 前記第１ステップにより得られたシグナル対ノイズ抑制
画像と前記第２ステップにより得られたシグナル対ノイ
ズ向上画像とを用いて前記原画像に現われている背景ノ
イズを除去した識別画像を生成する第３ステップと、 この第３ステップにより得られた識別画像を特徴抽出処
理して前記原画像に現われている特定部位を検出する第
４ステップと を具備する画像処理方法。A first step of filtering an original image obtained by photographing a subject to generate an image with a reduced signal-to-noise ratio; and an image having a signal-to-noise ratio improved by filtering the original image. And removing the background noise appearing in the original image using the signal-to-noise suppression image obtained in the first step and the signal-to-noise enhancement image obtained in the second step. A third step of generating the identified image, and a fourth step of performing feature extraction processing on the identified image obtained in the third step to detect a specific portion appearing in the original image. 【請求項２】被写体を撮影してなる原画像をフィルタ処
理してシグナル対ノイズ比を抑制した画像を生成する第
１処理手段と、 前記原画像をフィルタ処理してシグナル対ノイズ比を向
上した画像を生成する第２処理手段と、 前記第１処理手段により得られたシグナル対ノイズ抑制
画像と前記第２処理手段により得られたシグナル対ノイ
ズ向上画像とを用いて前記原画像に現われている背景ノ
イズを除去した識別画像を生成する第３処理手段と、 この第３処理手段により得られた識別画像を特徴抽出処
理して前記原画像に現われている特定部位を検出する検
出手段と を具備する画像処理装置。2. A first processing means for filtering an original image obtained by photographing a subject to generate an image with a reduced signal-to-noise ratio, and improving the signal-to-noise ratio by filtering the original image. A second processing unit for generating an image; and a signal-to-noise suppression image obtained by the first processing unit and a signal-to-noise enhancement image obtained by the second processing unit, which appear in the original image. Third processing means for generating an identification image from which background noise has been removed; and detection means for detecting a specific portion appearing in the original image by performing feature extraction processing on the identification image obtained by the third processing means. Image processing device.