JP5179902B2 - 医用画像読影支援装置 - Google Patents

Description

本発明は、医用画像に描出された異常部位を解析する機能を有する医用画像読影支援装置に関する。

近年、コンピュータ解析機能を持つ医用画像読影支援装置（以下ＣＡＤと呼ぶ）が開発され、医師等が検査画像を読影する際に一部利用されるようになってきた。ＣＡＤは、画像を解析し、異常部位の検出結果や異常の種類、悪性度判定の結果を医師に提示する。また、ＣＡＤの判定の中間データである特徴量を提示する技術が知られている（例えば、特許文献１、特許文献２）。

医師等は、異常有無や悪性度に関し医師独自の判断を行い、それに基づき治療方針の検討を行う。その際、医師等がＣＡＤによる検出結果や判定結果を参照することにより、医師等の診断精度が向上したり、作業負荷が軽減したりする。しかし、ＣＡＤの判定結果と医師の判定結果とが異なるとき、判断する医師にとって大きな問題が生じる。すなわち、判定結果の基となる特徴量の算出がどのように行われているか、その特徴量がどの程度判定結果に寄与しているかが示されないので、医師等は、どちらの判断を採用すべきか困窮してしまう。
特開２００４−２２２８６４号公報 特開２００６−４３０００７号公報

本発明の目的は、画像読影の診断精度の向上を実現する医用画像読影支援装置を提供することにある。

本発明の第１の局面に係る医用画像読影支援装置は、被検体に関するボリュームデータを記憶する記憶部と、前記ボリュームデータから異常候補領域を抽出する異常候補領域抽出部と、前記抽出された異常候補領域について、複数種類の特徴量を算出する特徴量算出部と、前記算出された複数種類の特徴量に基づいて総合判定結果を算出する総合判定値算出部と、前記複数種類の特徴量及び前記総合判定結果を表示する画像表示部と、具備する医用画像読影支援装置であって、前記複数種類の特徴量の中から所望の１つを選択する特徴量選択部と、前記選択された特徴量が最大又は最小となる前記異常候補領域の断面の位置及び方向を決定する断面位置・方向決定部と、前記決定された断面の位置及び方向に基づいて断面画像を発生する断面画像発生部と、をさらに備え、
前記画像表示部は、前記発生された断面像を表示する、ことを特徴とする。
本発明の第２の局面に係る医用画像読影装置は、被検体に関するボリュームデータを記憶する記憶部と、前記ボリュームデータから異常候補領域を抽出する異常候補領域抽出部と、前記抽出された異常候補領域について、複数種類の特徴量を算出する特徴量算出部と、前記算出された複数種類の特徴量に基づいて総合判定結果を算出する総合判定値算出部と、前記複数種類の特徴量及び前記総合判定結果を表示する画像表示部と、具備する医用画像読影支援装置であって、前記複数種類の特徴量の少なくとも一つの値を変更する特徴量変更部をさらに具備し、前記総合判定値算出部は、前記変更された特徴量に基づいて前記総合判定結果を算出し直し、前記画像表示部は、前記変更した特徴量と前記算出し直した総合判定値とを表示する、ことを特徴とする。

本発明の第３の局面に係る医用画像読影支援装置は、被検体に関するボリュームデータを記憶する記憶部と、前記ボリュームデータから異常候補領域を抽出する異常候補領域抽出部と、前記抽出された異常候補領域について複数種類の特徴量を算出する特徴量算出部と、前記複数種類の特徴量をあらかじめ与えられた複数の悪性・良性判別条件式に適用させて、前記異常候補領域の悪性・良性を判別する悪性・良性判別部と、前記複数種類の特徴量に基づいて総合判定値を算出する総合判定値算出部と、前記複数種類の特徴量のうちの前記悪性・良性判別部による前記異常候補領域についての判別結果と同一の判別結果の特徴量を前記異常候補領域についての判別結果と異なる判別結果の特徴量と区別して表示し、前記総合判定値と前記複数種類の特徴量とを一覧で表示する画像表示部と、を具備する。

本発明の第４の局面に係る医用画像読影支援装置は、被検体に関するボリュームデータを記憶する記憶部と、前記ボリュームデータから異常候補領域を抽出する異常候補領域抽出部と、前記抽出された異常候補領域について、複数種類の特徴量を算出する特徴量算出部と、前記複数種類の特徴量をあらかじめ与えられた悪性・良性判定図に適用させて総合判定値を算出する総合判定値算出部と、前記複数種類の特徴量の前記総合判定値に対する寄与を示す複数種類の指標値を、前記悪性・良性判定図に基づいて、前記特徴量ごとに算出する判定値算出部と、前記総合判定値と前記複数種類の指標値とを一覧で表示する画像表示部と、を具備する。

本発明によれば、画像読影の診断精度の向上を実現する医用画像読影支援装置を提供することが可能となる。

以下、図面を参照しながら本発明の実施形態に係る医用画像読影支援装置を説明する。

図１は、本実施形態に係る医用画像読影支援装置（以下、ＣＡＤと呼ぶ）１の構成を示す図である。図１に示すように、ＣＡＤ１は、制御部１０を中枢として、記憶部１１、操作部１２、画像表示部１３、画像処理部１５、特徴量算出部１６、及び総合判定値算出部１７を有する。

記憶部１１は、Ｘ線コンピュータ断層撮影装置等で被検体をスキャンすることによって発生された被検体のボリュームデータを記憶する。操作部１２は、マウス等のポインティングデバイスを備え、画像表示部１３上に表示されるカーソルやポインターの座標を検出し、検出した座標を制御部１０に出力する。また、操作部１２は、ＣＲＴ又はＬＣＤ等により構成される画像表示部１３を覆うように設けられたタッチパネルを備えるものとしてもよく、電磁誘導式、磁気歪式、感圧式等の座標読取り原理でタッチ指示された座標を検出し、検出した座標を位置信号として制御部１０に出力する。

画像処理部１５は、記憶部１１に記憶されているボリュームデータを読み込み、既存の記述によりボリュームデータ中の異常候補領域を自動的に抽出する。また、画像処理部１５は、後述する特徴量の確認用の断面の位置及び方向を、断面決定ルーチンによって算出し、算出された断面のＭＰＲ画像（以下、断面像と呼ぶ）を発生する。なお、本実施形態における異常候補領域とは、被検体内部の結節の候補部位を想定している。また、画像処理部５は、異常候補領域の識別がしやすいように断面像の異常候補領域に対して色情報を付す処理や、画像の回転、拡大縮小処理等の画像処理も行う。

特徴量算出部１６は、抽出された異常候補領域の特徴量を算出する。特徴量とは、結節候補部位が悪性か良性かを判断するための中間データとして算出される数値である。この特徴量の種類としては、例えば、異常候補領域内のＣＴ値濃度、ＣＴ値濃度偏差、異常候補領域の形状的な特徴を表した真球度、扁平度、柱状度、異常候補領域内における空洞の特徴を表した空洞比率、空洞数、空洞内濃度、柱状空洞数、異常候補領域内における突起数、突起最大長さ、陥没数、陥没最大深さが挙げられる。これら全ての特徴量は、同じ断面で算出されるわけではなく、算出する特徴量に応じて用いる断面は異なる。ただし、特徴量によっては同じ断面で算出できるものもある。例えば、真球度、扁平度、及び柱状度の組み合わせや、空洞比率、空洞数、及び空洞内濃度の組み合わせ等である。特徴量算出部１６は、算出した特徴量を０〜１の範囲に正規化する。

総合判定値算出部１７は、算出され正規化された特徴量に基づいて異常陰影候補領域が悪性か良性かを示す指標値である総合判定値を算出する。具体的には、総合判定値は、上述した複数種類の特徴量の重み付け加算や平均等により算出する。総合判定値は、０〜１の値を有する。総合判定値は、１に近い程悪性である可能性が高く、０に近い程良性である可能性が高い。

画像表示部１３は、特徴量やそれから算出された総合判定結果の値を選択・変更可能に、一覧で表示する。また、画像表示部１３は、特徴量や総合判定値の一覧とともに、種々の断面像を表示する。また、必要に応じて、特徴量を算出するのに用いた断面像を表示するためのボタンを画面上に表示してもよい。断面像の表示指示がなされた場合、画像処理部１５は、特徴量の算出根拠となる画像、例えば、特徴量算出に適した異常候補領域の断面の位置及び向きを求め、画像表示部１３は、その断面の断面像を表示する。

次に、制御部１０の制御によるＣＡＤ１の動作について説明する。

図２は、異常候補領域の抽出から特徴量と総合判定結果との一覧の表示までの処理の流れを示す図である。図２に示すように、まず制御部１０は、画像処理部１５に異常候補領域の抽出処理を行なわせる。異常候補領の域抽出処理において画像処理部５は、既存の技術によりボリュームデータから異常候補領域を抽出する（ステップＳ０１）。

異常候補領域が抽出されると制御部１０は、特徴量算出部１６に特徴量の算出処理を行なわせる。特徴量の算出処理において特徴量算出部１６は、異常候補領域に各種の特徴量算出アルゴリズムを適用して各種の特徴量を算出する（ステップＳ０２）。例えば、真球度、扁平度、柱状度、空洞比率、空洞数、空洞内濃度、ＣＴ値濃度偏差等の特徴量が算出される。尚、特徴量の確認に適した断面を決定する方法（断面決定ルーチン）を後述するが、この後述のような方法で求めた断面を利用して特徴量の算出を行うような特徴量算出アルゴリズムとしても良い。算出した特徴量の値は、特徴量算出部１６によって０〜１の範囲に正規化（規格化）される（ステップＳ０３）。

全ての特徴量を算出し正規化し終えると、制御部１０は、総合判定値算出部１７に総合判定値の算出処理を行なわせる。総合判定値の算出処理において総合判定値算出部１７は、算出した複数の特徴量（真球度、扁平度、柱状度、空洞比率、空洞数、空洞内濃度、ＣＴ値濃度、偏差等）の少なくとも一つに基づいて総合判定値を算出する（ステップＳ０４）。総合判定値は、各種特徴量の重み付け加算値や平均値によって算出される。重みの値は、その異常の判断における重要度に基づいて予め求めて記憶しておく。

総合判定値が算出されると制御部１０は、画像表示部１３に総合判定値と規格化された特徴量とを一覧で表示させる（ステップＳ０５）。図３は、ステップＳ０５で表示される画面の一例を示す図である。図３に示すように画面左側の領域２０には、診断画像が表示され、画面右側の領域２１には、一覧が表示される。診断画像２０には、特徴量を算出した異常候補領域が含まれる。必要に応じて、診断画像２０は、画像処理部１５による拡大処理や異常候補領域に対しての色調の割付処理等を施しものでもよい。一覧２１は、特徴量の名称が左の列に表示され、右の列に各特徴量の正規化された値が○で表示されている。これは、正規化の範囲である０〜１の範囲内で、各特徴量の値をプロットしたグラフとなっている。また、一番下の行には、総合判定値が示されている。この総合判定値も各特徴量と同様に、０〜１の値が○で示されている。利用者（医師等）は、一覧２１の総合判定値を見て被検体の結節候補部位が悪性か良性か最終判断をする。この際、利用者（医師等）は、一覧２１を参照することにより、総合判定値の算出に用いられた全ての値を一目瞭然に確認することができる。

利用者（医師等）は、一覧を参照した時、本当にこの総合判定値を信頼してよいものか疑問に思うことがある。この場合、利用者（医師等）は、一覧に表示されている所望の特徴量を操作部１２を介して画面上で選択することにより、その特徴量を確認するのに適した断面像を表示させることができる。特徴量を確認するのに適した断面像とは、例えば、選択した特徴量が最大又は最小となる断面に関する断面像である。

以下、具体例を３つ挙げて、特徴量の確認用の断面決定ルーチンを説明する。１つ目は、真球度、扁平度、柱状度等の形状に関する特徴量を確認する際に表示される断面像の断面を決定するルーチン（断面決定ルーチンＲ１）である。２つ目は、空洞比率、空洞数、空洞内濃度等の空洞に関する特徴量を確認する際に表示される断面像の断面を決定するルーチン（断面決定ルーチンＲ２）である。３つ目は、ＣＴ値濃度偏差等の濃度の不均一度に関する特徴量を確認する際に表示される断面像の断面を決定するルーチン（断面決定ルーチンＲ３）である。

以下、図４を参照しながら、断面決定ルーチンＲ１の処理過程を説明する。図４に示すように、まず、制御部１０は、操作者が操作部１２を介して画面に表示されている特徴量を選択するのを待機している（ステップＳＡ１）特徴量の選択は、例えば、図３に示す特徴量の欄に表示されている特徴量名を操作部１２によって選択することで行なわれる。図３の特徴量の項目に表示されている真球度、扁平度、柱状度等の形状に関する特徴量が操作部１２を介して選択されると（ステップＳＡ１：ＹＥＳ）、制御部１０は、画像処理部１５に断面決定ルーチンＲ１を行なわせる。断面決定ルーチンＲ１において画像処理部１５は、ステップＳ０１にて抽出された異常候補領域の各ボクセルの座標値（ベクトルＸi）に基づいてベクトルＸiの平均値（ベクトルＡ）を算出する（ステップＳＡ２）。次に、画像処理部１５は、ベクトルＸiとベクトルＡとに基づいて３×３の行列Ｒを算出する（ステップＳＡ３）。ここで、行列Ｒは、次の式（１）の通りである。ただし、上付き文字Ｔは転置行列であることを示す記号である。

次に、画像処理部１５は、行列Ｒを以下の式（２）のようにスペクトル分解し、固有値λi^２と固有ベクトルＶ1、Ｖ2、Ｖ3を算出する（ステップＳＡ４）。

そして、画像処理部１５は、異常候補領域の中心（又は重心）を通り、固有ベクトルＶ1と固有ベクトルＶ3とが張る断面を決定する（ステップＳＡ５）。決定された断面は、表示断面に設定される。ここで決定された断面は、異常候補領域が最も扁平に見える断面とみなされる。以上で、断面決定ルーチンＲ１の説明を終了する。

次に、図５と図６とを参照しながら断面決定ルーチンＲ２の処理を説明する。図５は、断面決定ルーチンＲ２の処理の流れを示す図であり、図６は、断面決定ルーチンＲ２の処理に関わる空洞領域と断面とを示す図である。図６に示すように、まず、制御部１０は、操作者が操作部１２を介して画面に表示されている特徴量を選択するのを待機している（ステップＳＢ１）。図３に示す特徴量の項目に表示されている空洞比率、空洞数、空洞内濃度等の空洞に関する特徴量が操作部１２を介して選択されると、制御部１０は、画像処理部１５に断面決定ルーチンＲ２を行なわせる。断面決定ルーチンＲ２において画像処理部１５は、ステップＳ０１にて抽出された異常候補領域内に存在する空洞の領域（図６の５１）を抽出する（ステップＳＢ２）。次に、画像処理部１５は、抽出された空洞の領域（図６の５１）の各ボクセルの座標値（ベクトルＹi）に基づいてベクトルＹiの平均値（ベクトルＢ）を算出する（ステップＳＢ３）。次に、画像処理部１５は、ベクトルＹiとベクトルＢとに基づいて３×３の行列Ｓを算出する（ステップＳＢ４）。ここで、行列Ｓは、次の式（３）の通りである。ただし、上付き文字Ｔは転置行列であることを示す記号である。

画像処理部１５は、行列Ｓを以下の式（４）のようにスペクトル分解し、固有値λi^２と固有ベクトルＶ1、Ｖ2、Ｖ3を算出する（ステップＳＢ５）。

次に、画像処理部１５は、ベクトルＶ1とベクトルＶ2とが張る断面に平行な複数の断面を、例えば１ｍｍ間隔で空洞の領域に設定し、それぞれの断面と空洞の領域とが交差する面（図６の５２）の面積を個々に算出する（ステップＳＢ６）。そして、画像処理部１５は、複数の断面から、交差する面（図６の５２）の面積が最大となる断面（図６の５３）を決定する（ステップＳＢ７）。決定される断面は、表示断面に設定される。上記の断面決定ルーチンＲ２の方法では、異常候補領域の様々な断面のうち、空洞の領域に交差する面の面積が最も大きい断面が選ばれる。従って、断面決定ルーチンＲ２で決定される断面に関する断面像は、ボクセル値の不均一性を観察するのに適している。以上で、断面決定ルーチンＲ２の処理過程の説明を終了とする。

次に、図７を参照しながら、断面決定ルーチンＲ３の処理過程を説明する。図７に示すように、まず、制御部１０は、操作者が操作部１２を介して画面に表示されている特徴量を選択するのを待機している（ステップＳＣ１）。図３に示す特徴量の項目に表示されているＣＴ値濃度偏差等の濃度の不均一度に関する特徴量が選択されると制御部１０は、画像処理１５に断面決定ルーチンＲ３を行なわせる。

断面決定ルーチンＲ３において、画像処理部１５は、ステップＳ０１にて抽出した異常候補領域を数ボクセル分縮小する（ステップＳＣ２）。次に、画像処理部１５は、予め設定された複数の３次元的な方向ベクトルがそれぞれ指す複数の方向で、縮小した異常候補領域をそれぞれ投影処理し、当該複数の投影方向に関する複数の最大値投影像と最小値投影像とをそれぞれ発生する（ステップＳＣ３）。３次元な方向ベクトルは、例えば、予め３００用意されている。この場合、３００の最大値投影像と最小値投影像とが発生される。

次に、画像処理部１５は、発生した複数の最大値投影像と最小値投影像とのうち、同じ投影方向に属する最大値投影像と最小値投影像とを加算し、複数の加算画像を発生する（ステップＳＣ４）。次に、画像処理部１５は、発生された複数の加算画像の複数の分散をそれぞれ算出する（ステップＳＣ５）。次に、画像処理部１５は、算出した複数の分散のうち最大の分散を有する加算画像を決定する（ステップＳＣ６）。次に画像処理部１５は、縮小した異常候補領域に対して、決定された加算画像の断面に垂直な複数の断面を設定する（ステップＳＣ７）。次に、画像処理部１５は、設定された複数の断面の複数の分散をそれぞれ算出する（ステップＳＣ８）。そして、画像処理部１５は、算出した複数の分散のうち最大の分散を有する断面を決定する（ステップＳＣ９）。決定された断面は、表示断面に設定される。上記の断面決定ルーチンＲ３の方法では、異常候補領域の様々な断面像のうちボクセル値の分散が最も大きな断面が選ばれる。従って、断面決定ルーチンＲ３で決定される断面に基づく断面像はボクセル値の不均一性を観察するのに適している。以上で、断面決定ルーチンＲ３の処理過程の説明を終了する。

尚、表示する断面像は、例えば、平面リフォーマット画像のほか、決定された断面を中心とする１ｃｍ程度の厚みつき最大値投影像（Ｍａｘｉｍｕｍ Ｉｎｔｅｎｓｉｔｙ Ｐｒｏｊｅｃｔｉｏｎ）、 厚みつき最小値投影像（Ｍｉｎｉｍｕｍ Ｉｎｔｅｎｓｉｔｙ Ｐｒｏｊｅｃｔｉｏｎ）、厚みつき平均値投影像（Ａｖｅｒａｇｅ Ｐｒｏｊｅｃｔｉｏｎ）等があり、これらの中から表示する断面像に合わせて適宜選択可能である。

なお、特徴量の選択方法は、ステップＳＡ１、ＳＢ１、ＳＣ１で説明したように、図３の特徴量の項目に表示されている特徴量名を直接選択するとした。しかしながらこれに限定する必要はなく、例えば、図８に示すようなボタンによって選択するとしてもよい。図８は、関連する特徴量をまとめて選択できるようにした画面の一例を示す図である。図８に示すように、画面左側の領域２０には診断画像が表示される。画面右側の領域２２には、一覧と各特徴量を算出するのに用いた断面像を表示するための複数のボタン（２２１〜２２８）とが表示される。この断面像を表示するためのボタンを断面表示ボタンと呼ぶことにする。断面表示ボタン２２１は、ＣＴ値濃度を算出するための断面像を表示するためのボタンである。同様に、断面表示ボタン２２２はＣＴ値濃度偏差を表示するためのボタン、断面表示ボタン２２３は真球度と扁平度と柱状度とを算出するための断面像を表示するためのボタン、断面表示ボタン２２４は空洞比率と空洞数と空洞内濃度とを算出するための断面像を表示するためのボタン、断面表示ボタン２２５は柱状空洞数とを算出するための断面像を表示するためのボタン、断面表示ボタン２２６は突起数を算出するための断面像を表示するためのボタン、断面表示ボタン２２７は突起最大長さを算出するための断面像を表示するためのボタン、断面表示ボタン２２８は陥没数を算出するための断面像を表示するためのボタン、断面表示ボタン２２９は陥没最大深さを算出するための断面像を表示するためのボタンである。この様に、断面表示ボタンを表示することで、関連ある特徴量を明示する効果もある。

利用者（医師等）は、一覧を参照した時、本当にこの特徴量や総合判定値を信頼してよいものか疑問に思うことがある。この場合、利用者（医師等）は、一覧に表示されている所望の特徴量や総合判定値を操作部１２を介して変更することができる。以下、図９を参照しながら、ステップＳ０５の後の処理に関し、一覧形式で表示された特徴量や総合判定値を算出し直し、その算出結果を表示するまでの処理を説明する。なお、始めに画像表示部１３が表示する画面は、図３や図８のような、診断画像と、特徴量及び総合判定値の一覧とを表示した画面とする。

まず、制御部１０は、利用者（医師等）により操作部１２を介して、一覧に表示されている特徴量が選択させるのを待機する（ステップＳ１１）。ここでは、説明のため扁平度を選択したとする。なお、図８で示した、断面表示ボタンが表示されている場合は、操作部１２を介して、所望の断面表示ボタンを選択する。

特徴量が選択されると（ステップＳ１１：ＹＥＳ）制御部１０は、画像表示部１３に、選択した特徴量に応じた、特徴量を確認するための断面像を特徴量と総合判定値との一覧とともに表示させる（ステップＳ１２）。この特徴量を確認するための断面像は、前述した断面決定ルーチンＲ１、Ｒ２、及びＲ３の何れかによって決定された断面に関する断面像である。この断面像は、必要に応じて、画像処理部１５により拡大処理や異常候補領域に対しての色調の割付処理等が施されて画像表示部１３に表示されてもよい。

図１０は、ステップＳ１２で表示される画面の一例を示す図である。画面左側の領域２４には、選択した特徴量を算出するのに用いた断面像が表示される。ステップＳ１１で扁平度が選択されたので、この断面像は、抽出された異常候補領域２４１が最も扁平に見える断面像である。画面右側の領域２５には一覧が表示される。この一覧２５は、ステップＳ１１で選択された特徴量に関連する全ての特徴量が、他の関連しない特徴量と区別して表示される。ステップＳ１１で扁平度が選択されたので、扁平度と同様に形状に関する特徴量である真球度と柱状度とも他の特徴量と区別して表示される。

図１１は、ステップＳ１１で表示される画面の図１０とは異なる一例を示す図で、空洞に関する特徴量を算出するための断面像（空洞に関する断面像）を表示した画面を示す図である。図１１に示すように、画面左側の領域３０には空洞に関する断面像が、画面右側の領域３１には一覧が表示される。空洞に関する断面像に描出される空洞の領域は、明示して表示される。そのため、抽出されなかった空洞の領域と抽出された空洞の領域とが一目瞭然に確認できる。一覧３１には、空洞に関する断面像で算出される特徴量（空洞比率、空洞数、空洞内密度）が、他の特徴量と区別して表示される。

次に、ステップＳ１２において、断面像と一覧とが表示されると、利用者（医師等）は、画面を観察し、ＣＡＤの判定が正しいかを判断する。判定が正しいと判断した場合、利用者（医師等）は終了ボタン２６を選択する。終了ボタン２６による読影終了の指示を受信すると（ステップＳ１３：ＮＯ）、制御部１０は、処理を終了する。

判定が正しくないと判断した場合、利用者（医師等）は、操作部１２を介して、画面の一覧に表示されている特徴量の値又は総合判定値の値を変更する。変更の仕方は、例えば、操作部１２がマウスやタッチパネル等を備える場合、一覧に表示されている○を動かしてもよいし、操作部１２がキーボードを備える場合は、特徴量の値を入力してもよい。図１０の例では、異常候補領域であるにもかかわらず異常候補領域２４１として抽出されなかった領域２４２が存在する。そのため、利用者（医師等）は、異常候補領域の抽出に誤りがあるため、異常候補領域の特徴量の値又は総合判定値は正しくないと判断することができる。そこで、利用者（医師等）は、一覧２５の特徴量の値又は総合判定値の値を変更する根拠を得たことになる。逆に、利用者（医師等）は、異常候補領域の抽出や特徴量、総合判定値の判定が正しいと判断すれば、読影終了となる。いずれの場合においても、利用者（医師等）は、ＣＡＤの判定に確信を持って読影をすることができる。また、記憶部１１は、変更内容のデータを記憶する。これにより、利用者（医師等）は、変更内容のデータを後で閲覧することが可能であり、この変更内容のデータは読影の質を上げるための有用な統計情報となる。

ステップＳ１３で特徴量が変更された場合（ステップＳ１３：特徴量）、制御部１０は、総合判定値算出部１７に総合判定値の変更処理を行なわせる。総合判定値の変更処理において総合判定値算出部１７は、特徴量の値の変更に応じて総合判定値を算出しなおす（ステップＳ１４）。総合判定値が算出しなおされたら制御部１０は、画像表示部１３に、変更した特徴量と、変更されなかった特徴量と、算出し直した総合判定値とを表示させる（ステップＳ１５）。

図１２は、ステップＳ１５で表示される画面の一例を示す図である。画面右側の領域２４にはステップＳ１２で表示したのと同じ断面像が表示される。画面右側の領域２７には、変更された特徴量と変更されなかった特徴量と総合判定値とが一覧で表示される。図１２は、ステップＳ１３で真球度の変更を行った場合であり、一覧２７で示される真球度が更新されるとともに、総合判定値も更新される。変更前の特徴量又は総合判定値は○で示され、変更後の特徴量又は総合判定値とは□で示される。

ステップＳ１３で総合判定値が変更された場合（ステップＳ１３）、制御部１０は、画像表示部１３に、変更した総合判定値を表示させる（ステップＳ１６）。この場合も、ステップＳ１５と同様に、変更前の総合判定値は○で、変更後の総合判定値は□で表示される。

ステップＳ１５又はステップＳ１６に表示される画面を、利用者（医師等）が確認することで、読影は終了となる。

かくして本実施形態によれば、画像読影の診断精度の向上を実現するＣＡＤを提供することが可能となる。

（変形例１）
上記の実施形態において利用者（医師等）は、一覧に表示されている総合判定値が０．５以上の場合、異常候補領域を悪性、総合判定値が０．５以下の場合、異常候補領域を良性と判定する。しかしながら本実施形態に係る異常候補領域の悪性／良性の判定方法は、上記の例に留まらない。変形例１は、あらかじめ記憶部１０に記憶されている悪性・良性判別条件式を複数の特徴量に適用して悪性か良性かを自動的に判定する方法である。なお以下の説明において、本実施形態と略同一の機能を有する構成要素については、同一符号を付し、重複説明は必要な場合にのみ行う。

図１３は、本実施形態の変形例１におけるＣＡＤ１ａの構成を示す図である。ＣＡＤ１ａは、制御部１０を中枢として、記憶部１１、操作部１２、画像表示部１３、画像処理部１５、特徴量算出部１６、総合判定値算出部１７、及び悪性・良性判別部１８とを有する。悪性・良性判定部１８は、特徴量算出部１６によって算出された複数の特徴量を悪性・良性の判別条件式に適用して、条件を満たした場合に悪性・良性の判別条件式に用いた特徴量のデータに悪性であることを示すデータ（以下、悪性データと呼ぶ）を付与する。この悪性・良性判別条件式を、デシジョンツリーと呼ぶことにする。デシジョンツリーは、医学知識に基づいて考案されたものであり、各特徴量と基準値との比較判別式が与えられている。画像表示部１３は、総合判定値と前記複数の特徴量とを一覧で表示する。また、画像表示部１３は、悪性・良性判別部１８によって悪性データを付与された特徴量と悪性データを付与されなかった特徴量とを区別して表示する。

図１４は、デシジョンツリーの簡単な例を示す図である。図１４に示されたデシジョンツリーを例に悪性データを付与する処理の一例を説明する。図１４に示すように、まず、悪性・良性判別部１８は、規格化された真球度が０．５（基準値）以上か否かを判別する。規格化された真球度が０．５（基準値）以上であると判別した場合、悪性・良性判別部１８は、真球度という特徴量のデータに悪性データ（例えば、１など）を付与する。規格化された真球度が０．５（基準値）以下であると判別した場合、悪性・良性判別部１８は、規格化されたＣＴ値濃度が０．５（基準値）以上か否かを判別する。規格化されたＣＴ値濃度が０．５（基準値）以上であると判別した場合、悪性・良性判別部１８は、ＣＴ値濃度という特徴量に対して悪性データを付与する。規格化されたＣＴ値濃度が０．５（基準値）以下であると判別した場合、悪性・良性判別部９は、規格化された陥没数についても同様に０．５（基準値）以上か以下かを判別する。規格化された陥没数が０．５（基準値）以上であると判別した場合、悪性・良性判別部１８は、陥没数という特徴量のデータに悪性データを付与する。規格化された陥没数が０．５（基準値）以下と判別した場合、悪性・良性判別部１８は、異常候補領域を良性であると判別し、デシジョンツリーを終了する。

図１５は、デシジョンツリーの結果を反映させた一覧の一例を示す図で、真球度の値が悪性という判断に関与している場合の図である。図１５に示すように、画像表示部１３は、真球度の項目に付与された悪性データに応じて、真球度の項目を他の特徴量の項目と区別して表示する。図１５の例において、画像表示部１３は、真球度の項目を△で、他の項目を○で表示する事で、真球度の項目を他の項目と区別している。区別の仕方は、他にもあり、例えば区別させたい項目の色を変更させたり、点滅させたりしてもよい。

例えば、図１４のデシジョンツリーの２番目の比較判別式（規格化ＣＴ値濃度が０．５以上か？）において悪性・良性判別部１８がＣＴ値濃度という特徴量に対して悪性データを付与した場合、悪性の判定に関与しているのはＣＴ値濃度である。この場合、画像表示部１３は、ＣＴ値濃度の項目を△で表示する。

変形例１においても、利用者（医師等）が操作部１２を介して所望の特徴量又は断面表示ボタンを選択することで、画像表示部１３に所望の特徴量を算出するときに用いた断面像を表示させることも可能である。また、利用者（医師等）が操作部１２を介して画像表示部１３に一覧で表示された特徴量の値を変更することで、総合判定値算出部１７が総合判定値の値を算出しなおすとともに、悪性・良性判定部１８は、変更した特徴量を悪性・良性判別式に適用させてもよい。

さらに、変形例１における悪性・良性判別部１８による悪性・良性の判別は、デシジョンツリーではなく、既存の技術であるニューラルネットワークを用いて行なってもよい。

かくして変形例１によれば、画像読影の診断精度の向上を実現するＣＡＤを提供することが可能となる。

（変形例２）
本実施形態の変形例２では、悪性・良性判定図に複数の特徴量を適用させて総合判定値を算出する例を示す。なお以下の説明において、本実施形態と略同一の機能を有する構成要素については、同一符号を付し、重複説明は必要な場合にのみ行う。

図１６は、本実施形態の変形例２におけるＣＡＤ１ｂの構成を示す図である。ＣＡＤ１ｂは、制御部１０を中枢として、記憶部１１、操作部１２、画像表示部１３、画像処理部１５、特徴量算出部１６、総合判定値算出部１７、悪性・良性判別部１８、及び判定指標値算出部１９とを有する。

総合判定値算出部１７は、記憶部１１にあらかじめ記憶されている悪性・良性判定図に、複数の特徴量を適用させて、総合判定値を算出する。判定指標値算出部１９は、複数の特徴量と悪性・良性判定図に基づいて、複数の特徴量それぞれの総合判定値への寄与を示す指標値（以下、判定指標値と呼ぶ）を特徴量ごとに算出する。画像表示部１３は、総合判定値と複数の判定指標値とを一覧で表示する。

図１７は、悪性・良性判定図の一例を示す図である。悪性・良性判定図の横軸は規格化した特徴量１、縦軸は規格化した特徴量２である。また、図１７には異常度の値が等高線で示されており、図１７に左下が異常度ａ＝０、図１７の右上が異常度ａ＝１であり、異常度ａ＝０．５の線を境にして、良性範囲と悪性範囲とに分かれている。なお、この悪性・良性判定図は説明のため特徴量を２つ用いる図を示したが、これに限定する必要はなく、３つ以上でもよい。以下、特徴量を２つ用いる場合を例に挙げて変形例２の処理を説明する。

総合判定値算出部１７は、２つの特徴量を図１７に示すような悪性・良性判定図に適用し、悪性・良性判定図上の２つの特徴量の交点位置を総合判定値として特定する。画像表示部１３に特定された総合判定値と特徴量との値を示した一覧が表示された場合、利用者（医師等）は、特徴量の値を見ただけでは特徴量と総合判定値とがどのように関連しているのかを理解することはできない。そこで、判定指標値算出部１９は、各特徴量が総合判定値にどのように寄与しているかを示す複数の判定指標値を算出する。そして、画像表示部１３は、算出された複数の判定指標値と総合判定値とを一覧にして表示する。

本実施形態の変形例２の説明においては、判定指標値は、正常示唆度、異常示唆度、最小異常度、及び最大異常度であるとする。これら４つの判定指標値は、１つの特徴量に対して１つずつ決定される。以下、４つの判定指標値（正常示唆度、異常示唆度、最小異常度、最大異常度）を説明する。

今、２つの特徴量の交点ａ（ｐ１、ｐ２）が図１７の×にあるとする。図１７に示す×と交わる破線は特徴量２をｐ２に固定したときの特徴量１の取りうる値の範囲を示す。特徴量２が値ｐ２をとる時の特徴量１がとりうる最小の総合判定値を最小異常度ａmin1p2、特徴量２が値ｐ２をとる時の最大の総合判定値を最大異常度ａmax1p2と定義する。また、異常示唆度ｂ（ｐ１、ｐ２）＝ａ（ｐ１、ｐ２）−ａmin1p2、正常示唆度ｃ（ｐ１、ｐ２）＝ａmax1p2−ａ（ｐ１、ｐ２）と定義する。

図１８は、図１７の破線位置での特徴量１の値と総合判定値ａとのグラフを示した図である。このグラフは、正規化された特徴量１を横軸、総合判定値ａを縦軸に規定している。図１８に示すように、特徴量１の値が０のとき総合判定値ａは、最小異常度ａmin1p2を有する。特徴量１の値が大きくなるにつれて総合判定値は上昇する。特徴量１の値が１のとき総合判定値ａは、最大異常度ａmax1p2を有する。

異常示唆度ｂ（ｐ１、ｐ２）と正常示唆度ｃ（ｐ１、ｐ２）とは、対応する特徴量がどの程度総合判定値に関与しているかを示す。すなわち、異常示唆度が大きい特徴量が変更されることにより、総合判定値ａが正常の範囲に移動する可能性が高い。例えば、特徴量１は、最小異常度ａmin1p2が０．５未満なので、特徴量１の値を下げると総合判定値は正常の範囲に移動する可能性があることを示す。逆に最小異常度が０．５以上の特徴量の値をいくら下げても総合判定値が良性の範囲に移動することはない。

図１９は、総合判定値と複数の特徴量それぞれに対応する４つの判定指標値（正常示唆度、異常示唆度、最小異常度、最大異常度）との名称と値とを示した一覧を示す図である。特徴量の一覧に表示されている総合判定値の値と、最小異常度と最大異常度との一覧に表示されている総合判定値とは同じ値を示す。

図２０は、診断画像と判定指標値の一覧とを表示した画面の一例を示す図である。図２０に示すように、画面右側の領域６０には、診断画像が表示される。画面右側の領域６１には、判定指標値の一覧が表示される。判定指標値の一覧が提示されたところで、利用者（医師等）が総合判定値の導出方法自体がおかしいと判断する場合がある。すなわち、特徴量の値は全て妥当であるが、明らかに総合判定値が妥当でないと利用者が考える場合である。その場合、利用者（医師等）は、操作部１２を介して「正常例を登録」ボタン６２又は「異常例を登録」ボタン６３を選択することにより悪性・良性判定図における特徴量の組み合わせを変更することが可能である。

なお、正常・異常の判定のほか、結節候補部位の良性・悪性の判定を行う場合、ＣＡＤは、正常・異常の判定にかかわる数値とは別に、良性・悪性の判定にかかわる数値（最大悪性度、最小悪性度、悪性示唆度、良性示唆度）を算出し、表示するとよい。

本実施形態の変形例２でも、利用者（医師等）が操作部１２を介して所望の特徴量又は断面表示ボタンを選択することで、所望の特徴量を算出するときに用いた断面像を表示することも可能である。また、利用者（医師等）が操作部１２を介して画像表示部１３に一覧で表示された判定指標値の値を変更することで、総合判定値の値を算出しなおしことも可能である。

また、ニューラルネットワーク等による推論を行う場合には、教示信号の集合に指定された特徴量の組み合わせを追加することにより、悪性・良性判定図の変更を実行することができる。

かくして、変形例２によれば、画像読影の診断精度の向上を実現するＣＡＤを提供することが可能となる。

なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

本実施形態に係る医用画像読影支援装置（ＣＡＤ）の構成を示す図。 本実施形態において、異常候補領域の抽出から特徴量と総合判定値との一覧を表示するまでの処理の流れを示す図。 図２のステップＳ０５で表示される画面の一例を示す図。 本実施形態に係る断面決定ルーチンＲ１の処理を示す図。 本実施形態に係る断面決定ルーチンＲ２の処理を示す図。 本実施形態に係る断面決定ルーチンＲ２の処理に関わる空洞の領域と断面とを示す図。 本実施形態係る断面決定ルーチンＲ３の処理を示す図。 図２のステップＳ０５で表示され、断面表示ボタンを表示した画面の一例を示す図。 図２のステップＳ０５の後の処理に関し、一覧形式で表示された特徴量や総合判定値を算出し直し、その算出結果を表示するまでの処理の流れを示す図。 図９のステップＳ１２で表示される画面の一例を示す図 図９のステップＳ１２で表示される画面の図１０とは異なる一例を示す図。 図９のステップＳ１５で表示される画面の一例を示す図。 本実施形態の変形例１における医用画像読影支援装置（ＣＡＤ）の構成を示す図。 変形例１に係るデシジョンツリーの非常に簡単な例を示す図。 図１４のデシジョンツリーの結果を反映させた一覧の一例を示す図。 本実施形態の変形例２における医用画像読影支援装置（ＣＡＤ）の構成を示す図。 変形例２に関わる悪性・良性判定図の一例を示す図。 図１７の破線位置での特徴量１（ＰＡ）の値と総合判定値ａとのグラフを示した図。 図１６の画像表示部で表示する４つの判定指標値の一覧を示す図。 図１６の画像表示部で表示する診断画像と判定指標値の一覧とを表示した画面の一例を示す図。

符号の説明

１…医用画像読影支援装置（ＣＡＤ）、１０…制御部、１１…記憶部、１２…操作部、１３…画像表示部、１５…画像処理部、１６…特徴量算出部、１７…総合判定値算出部、１８…悪性・良性判別部、１９…判定指標値算出部

Claims (11)

1. 被検体に関するボリュームデータを記憶する記憶部と、
   前記ボリュームデータから異常候補領域を抽出する異常候補領域抽出部と、
   前記抽出された異常候補領域について、複数種類の特徴量を算出する特徴量算出部と、
   前記算出された複数種類の特徴量に基づいて総合判定結果を算出する総合判定値算出部と、
   前記複数種類の特徴量及び前記総合判定結果を表示する画像表示部と、
   具備する医用画像読影支援装置であって、
   前記複数種類の特徴量の中から所望の１つを選択する特徴量選択部と、
   前記選択された特徴量が最大又は最小となる前記異常候補領域の断面の位置及び方向を決定する断面位置・方向決定部と、
   前記決定された断面の位置及び方向に基づいて断面画像を発生する断面画像発生部と、
   をさらに備え、
   前記画像表示部は、前記発生された断面像を表示する、
   ことを特徴とする医用画像読影支援装置。
2. 被検体に関するボリュームデータを記憶する記憶部と、
   前記ボリュームデータから異常候補領域を抽出する異常候補領域抽出部と、
   前記抽出された異常候補領域について、複数種類の特徴量を算出する特徴量算出部と、
   前記算出された複数種類の特徴量に基づいて総合判定結果を算出する総合判定値算出部と、
   前記複数種類の特徴量及び前記総合判定結果を表示する画像表示部と、
   具備する医用画像読影支援装置であって、
   前記複数種類の特徴量の少なくとも一つの値を変更する特徴量変更部をさらに具備し、
   前記総合判定値算出部は、前記変更された特徴量に基づいて前記総合判定結果を算出し直し、
   前記画像表示部は、前記変更した特徴量と前記算出し直した総合判定値とを表示する、
   ことを特徴とする医用画像読影支援装置。
3. 前記画像表示部は、前記変更した特徴量を変更しなかった特徴量と区別して表示する、請求項２記載の医用画像読影支援装置。
4. 前記画像表示部は、前記複数種類の特徴量を算出するのに用いた断面像を表示するためのボタンを選択可能に複数表示する、請求項１又は２に記載の医用画像読影支援装置。
5. 前記特徴量算出部は、前記複数種類の特徴量の値を一定範囲に正規化し、
   前記画像表示部は、前記複数種類の特徴量に関する名称と正規化された値とを一覧で表示する、
   請求項１又は２に記載の医用画像読影支援装置。
6. 前記画像表示部は、前記複数種類の特徴量に関する正規化された値を、前記一定範囲内でプロットしたグラフで表示する、請求項５記載の医用画像読影支援装置。
7. 被検体に関するボリュームデータを記憶する記憶部と、
   前記ボリュームデータから異常候補領域を抽出する異常候補領域抽出部と、
   前記抽出された異常候補領域について複数種類の特徴量を算出する特徴量算出部と、
   前記複数種類の特徴量をあらかじめ与えられた複数の悪性・良性判別条件式に適用させて、前記異常候補領域の悪性・良性を判別する悪性・良性判別部と、
   前記複数種類の特徴量に基づいて総合判定値を算出する総合判定値算出部と、
   前記複数種類の特徴量のうちの前記悪性・良性判別部による前記異常候補領域についての判別結果と同一の判別結果の特徴量を前記異常候補領域についての判別結果と異なる判別結果の特徴量と区別して表示し、前記総合判定値と前記複数種類の特徴量とを一覧で表示する画像表示部と、
   を具備する医用画像読影支援装置。
8. 前記複数の悪性・良性判別条件式は、特徴量と所定の基準値とを個々に比較する複数の比較判別式からなるデシジョンツリーである、請求項７記載の医用画像読影支援装置。
9. 被検体に関するボリュームデータを記憶する記憶部と、
   前記ボリュームデータから異常候補領域を抽出する異常候補領域抽出部と、
   前記抽出された異常候補領域について、複数種類の特徴量を算出する特徴量算出部と、
   前記複数種類の特徴量をあらかじめ与えられた悪性・良性判定図に適用させて総合判定値を算出する総合判定値算出部と、
   前記複数種類の特徴量の前記総合判定値に対する寄与を示す複数種類の指標値を、前記悪性・良性判定図に基づいて、前記特徴量ごとに算出する判定値算出部と、
   前記総合判定値と前記複数種類の指標値とを一覧で表示する画像表示部と、
   を具備する医用画像読影支援装置。
10. 前記画像表示部は、前記複数種類の指標値の名称と値とを一覧で表示する、請求項９記載の医用画像読影支援装置。
11. 前記悪性・良性判定図は、少なくとも２種類の特徴量にて規定される前記総合判定値の等高線を示す図であり、
    前記総合判定値算出部は、前記少なくとも２種類の特徴量の値の交点の位置における前記等高線の値を、前記総合判定値として特定する、
    請求項９記載の医用画像読影支援装置。

Images