JP6598149B2 - 胸部x線画像における肺結節明瞭化法 - Google Patents
胸部x線画像における肺結節明瞭化法 Download PDFInfo
- Publication number
- JP6598149B2 JP6598149B2 JP2015138808A JP2015138808A JP6598149B2 JP 6598149 B2 JP6598149 B2 JP 6598149B2 JP 2015138808 A JP2015138808 A JP 2015138808A JP 2015138808 A JP2015138808 A JP 2015138808A JP 6598149 B2 JP6598149 B2 JP 6598149B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- shadow
- chest
- nodule
- pulmonary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 206010056342 Pulmonary mass Diseases 0.000 title claims description 52
- 238000011976 chest X-ray Methods 0.000 title claims description 42
- 238000005352 clarification Methods 0.000 title claims description 13
- 230000002685 pulmonary effect Effects 0.000 claims description 100
- 238000000034 method Methods 0.000 claims description 59
- 210000004204 blood vessel Anatomy 0.000 claims description 55
- 238000000605 extraction Methods 0.000 claims description 53
- 238000001514 detection method Methods 0.000 claims description 29
- 230000001629 suppression Effects 0.000 claims description 25
- 230000002792 vascular Effects 0.000 claims description 17
- 210000004072 lung Anatomy 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 10
- 230000008569 process Effects 0.000 claims description 6
- 210000000038 chest Anatomy 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 5
- 201000005202 lung cancer Diseases 0.000 description 5
- 208000020816 lung neoplasm Diseases 0.000 description 5
- 210000003109 clavicle Anatomy 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 3
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000003745 diagnosis Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 210000001147 pulmonary artery Anatomy 0.000 description 3
- 238000009877 rendering Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007012 clinical effect Effects 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 230000002526 effect on cardiovascular system Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Description
まず、ステップ1において、解析対象である胸部X線画像を取得する。なお、本発明の一実施形態では、図1のフローチャートの説明のために、解析の対象としてJSRTの標準ディジタル画像データベース(日本放射線技術学会作成)(参考文献1)中の胸部腫瘤画像中の1例を抽出し、これを、マトリックス寸法2048×2048(ピクセル寸法0.175mm)に対して、ImageJを用いて、マトリックス寸法を512×512(ピクセル寸法0.7mm)、階調を8bitとなるように画像を変換して用いた。
次のステップ2では、胸部X線画像から肺結節強調画像を作成する。本実施形態では、肺結節強調画像を作成するために、胸部X線像における淡い肺結節陰影の輝度値と、その周囲の僅かな輝度差を局所的なテンプレートTを用いて強調する。テンプレートTの大きさは、胸部X線像において、およそ肋骨に納まる程度の大きさである20×20の画素数とした。また、淡い肺結節陰影は、肋骨や鎖骨、横隔膜などの構造物がもつ輝度値の中に埋もれており、結節が存在する背景やその周囲の輝度から影響を受ける。このため、背景や周囲の輝度からの影響を抑え、僅かな差を強調するために、テンプレートT内にガウス関数による重みを用いる。
ステップS3では、胸部X線画像から線状陰影強調画像を作成する。具体的には、胸部X線画像から、線検出フィルタを用いて、線状陰影を抽出し強調する。線検出フィルタには、図5に示すような4方向のKasvandフィルタを用いる(参考文献2)。このフィルタは、反復型として用いられるが、本実施形態では、反復回数を1回とした。
ステップS4では、ステップS2及びS3で作成された肺結節強調画像と線状陰影強調画像に基づいて、肺門部肺血管陰影を抽出する。この抽出には、図7に示す2次元ヒストグラムを用いる。具体的には、左上隅を原点とした座標系において、p軸、q軸に、それぞれ256階調の肺結節強調画像、線状陰影強調画像をとる2次元ヒストグラムを用いて、肺結節強調画像から肺門部肺血管陰影を線状陰影として抽出する。臨床において、肺門部における腫瘍として線状陰影は考えにくい。そこで、線状陰影を利用して、肺結節強調画像から、偽陽性となりやすい肺血管や、その正接像が、抽出されるような曲線を求める。ここでは、これを抽出曲線と呼び、2次元ヒストグラムにおける曲線をとる。図8に、曲線を境界とする抽出曲線を示す。この抽出曲線には、以下の式(1)を用いた。
次のステップS5では、ステップS4で抽出された肺門部肺血管陰影とステップS2で作成された肺結節強調画像とに基づいて、線状陰影抑制画像を作成する。図8に示す2次元ヒストグラム上の抽出曲線により、線状陰影を抽出しただけでは、胸郭の外側部分に存在する肺結節陰影や、肋骨エッジなどの線状陰影も抽出されてしまう。そこで、画像中心からある一定の範囲以外では、抽出した線状陰影の影響を抑える。そのために、画像全体に、ガウス関数による重み付けを行い、抽出された肺門部肺血管陰影を抑制した、線状陰影抑制画像を作成する。
C=(1−α)A+αB (2)
次のステップS6では、ステップS5で求めた線状陰影抑制画像とステップS2で求めた肺結節強調画像に基づいて、偽陽性の抽出と抑制を行う。まず、2次元ヒストグラムと式(1)に示した抽出曲線を用いて、偽陽性陰影を抽出する。具体的には、横軸、縦軸をそれぞれ、肺結節強調画像、線状陰影抑制画像とする2次元ヒストグラムと、抽出曲線を用いて肺血管の正接像を抽出する(図10の→)。肺結節強調画像において、肺血管やその正接像は、輝度値が極めて低い。しかし、線状陰影抑制画像においては、それらの輝度値は比較的高い。そのため、抑制したい肺血管の正接像は、2次元ヒストグラムにおいて、左下の部分に存在する可能性が高い。そこで肺血管陰影と肺結節を抽出曲線を用いて、真の結節を含まないように分離し、偽陽性陰影を抽出する。
ステップ7において、ステップ6で偽陽性陰影として選ばれた画素の総数が、閾値よりも少ない場合、その画素の輝度値を更新し、新たな線状陰影抑制画像とする。条件を満たすまで、この操作を繰り返し、抽出曲線により抽出した偽陽性陰影の輝度値を、その周囲の輝度と置き換えることで、偽陽性は目立たなくなる。偽陽性陰影をその周囲の輝度値と均一化することで、肺結節を相対的に明瞭化する。
ステップ7における条件が満たされた場合、肺結節明瞭化画像が得られる。図13は、このようにして得られた肺結節明瞭化画像を示す。
本発明者等は、本発明の方法を評価するために、日本放射線技術学会の標準ディジタル画像データベース中の胸部腫瘤画像154例を用いて実験を行った。これらの画像は、結節の位置があらかじめ示されており、また、結節検出の難易度によって、1(きわめて困難)、2(非常に困難)、3(困難)、4(比較的容易)、5(容易)の5つのレベルに分類されている。また、各レベルはそれぞれ、25、29、50、38、12枚になり、これらすべての画像154例に対し、以下の実験を行った。方法は、前もって知らされた位置に、本発明の方法により、結節が明確に描出されているかを、1名の放射線診断専門医が判定することによって行った。評価には、非特許文献4で用いられている、結節描出の観点からの画質評価である、3(clearly depicted)、2(subtly depicted)、1(not depicted)の3段階の評点で行った。評価結果を表1に示す。また、本発明の方法と対側差分法(非特許文献4)による結果について、同様に評価し比較を行った(表2)。本発明の方法での実行時間は、1画像当たり2.2GHzのPCで平均3078[ms]であった。
胸部X線像において、淡い結節陰影は、周囲の輝度値との差が小さい。そのような、差の小さいところに、大きいテンプレートを用いて強調すると、テンプレート内の平均輝度値が平滑化の影響を大きく受け、淡い小さい陰影のコントラストを低下させてしまう。しかし、よく見るとわかるような淡い陰影であっても、局所的に見れば、肋骨などの背景と重なることで、結節の輝度はその周囲よりも比較的上昇している。これらのことから、わずかな差を強調し、局所的なコントラストを維持するために、テンプレートサイズを小さくし、非特許文献5の場合とは異なり、背景トレンドを含めた形で、局所的に輝度値を制御した。本発明の方法では、ガウス関数による局所的な重み付けを用いて、局所的な差を制御することにより、重み付き強調画像を作成した。
そこで、提案手法では、偽陽性を判別する境界を上限のε=0.45として固定して用い、その抽出曲線よりも下側に存在する全ての画素を、肺血管の正接像も含めた偽陽性陰影として判別した。偽陽性として判別した画素を、その周囲の輝度値と置き換え、条件を満たすまで更新し、偽陽性陰影の輝度値を制御した。
本発明の方法では、パターンとして捕らえ易い、肺血管陰影やその正接像などの偽陽性陰影を、1枚の胸部X線像の中から、2次元ヒストグラムを用いて、少ない特徴量にて抽出し、さらに、抽出した血管陰影の輝度値を周囲の輝度値と均一化することで、肺結節陰影を相対的に明瞭化した。偽陽性陰影が減少することで、人間の見た目においても、肺結節を指摘しやすい画像を作成することができた。
(参考文献2)Kasvand T:Iterative Edge Detection.CGIP(4):279−286、1975
(参考文献3)VanderBrug G.J:Line detection in satellite imagery.IEEE Trans Geosci Electron(GE−14):pp.37−44、1976
ステップS2 肺結節強調画像の作成
ステップS3 線状陰影強調画像の作成
ステップS4 肺門部肺血管陰影の抽出
ステップS5 線状陰影抑制画像の作成
ステップS6 偽陽性の抽出と抑制
ステップS7 輝度値の更新
ステップS8 肺結節明瞭化画像の取得
Claims (6)
- 胸部X線画像から肺結節強調画像を作成する第1の段階と、
前記胸部X線画像から線状陰影強調画像を作成する第2の段階と、
p軸に前記肺結節強調画像とq軸に前記線状陰影強調画像を取る2次元ヒストグラムと第1の抽出曲線を用いて前記肺結節強調画像から肺門部肺血管陰影を線状陰影として抽出する第3の段階と、
前記肺結節強調画像と前記肺結節強調画像に最大値フィルタを適用した画像とに基づいて、肺門部肺血管陰影の輝度値を抑制することにより、線状陰影抑制画像を作成する第4の段階と、
横軸、縦軸をそれぞれ、前記肺結節強調画像、前記線状陰影抑制画像とする2次元ヒストグラムと第2の抽出曲線を用いて、偽陽性陰影を抽出する第5の段階と、
前記偽陽性陰影の総画素数が予め決定された閾値を上回るまで、前記偽陽性陰影を抽出する段階を繰り返す第6の段階と、を備えてなる、胸部X線画像における肺結節明瞭化法。 - 請求項1に記載の方法において、前記第1の段階は、胸部X線画像において肋骨に収まる程度の大きさのテンプレートTを用い、前記テンプレートT内にガウス関数による重みを用いて、前記テンプレート中心における注目画素の輝度値と、近傍の重み付き平均との差を強調した重み付き強調画像を作成し、前記重み付き強調画像に特徴抽出フィルタを適用して特徴抽出画像を作成し、前記特徴抽出画像のヒストグラムの値を平方根し、得られた値からヒストグラム平坦化処理にてコントラスト強調処理を行うことを含む、胸部X線画像における肺結節明瞭化法。
- 請求項1または2に記載の方法において、前記第2の段階は、前記胸部X線画像から線検出フィルタを用いて線状陰影を抽出し、ヒストグラム平坦化処理によって前記線状陰影の輝度値を強調することを含む、胸部X線画像における肺結節明瞭化法。
- 請求項3に記載の方法において、前記線検出フィルタとして4方向のKasvandフィルタを用いることを含む、胸部X線画像における肺結節明瞭化法。
- 請求項1乃至4の何れか1項に記載の方法において、前記第3の段階における第1の抽出曲線は、以下の式であらわされ、
- 請求項1乃至5の何れか1項に記載の方法において、前記第5の段階における第2の抽出曲線は、以下の式であらわされ、
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015138808A JP6598149B2 (ja) | 2015-07-10 | 2015-07-10 | 胸部x線画像における肺結節明瞭化法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015138808A JP6598149B2 (ja) | 2015-07-10 | 2015-07-10 | 胸部x線画像における肺結節明瞭化法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017018339A JP2017018339A (ja) | 2017-01-26 |
JP6598149B2 true JP6598149B2 (ja) | 2019-10-30 |
Family
ID=57888552
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015138808A Expired - Fee Related JP6598149B2 (ja) | 2015-07-10 | 2015-07-10 | 胸部x線画像における肺結節明瞭化法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6598149B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107184224B (zh) * | 2017-05-18 | 2020-04-21 | 太原理工大学 | 一种基于双模态极限学习机的肺结节诊断方法 |
CN111918610A (zh) * | 2018-05-16 | 2020-11-10 | 松下电器产业株式会社 | 胸部x线图像的灰度变换方法、灰度变换程序、灰度变换装置、服务器装置以及变换方法 |
CN109255782A (zh) * | 2018-09-03 | 2019-01-22 | 图兮深维医疗科技(苏州)有限公司 | 一种肺结节图像的处理方法、装置、设备及存储介质 |
JP6778962B1 (ja) * | 2019-07-30 | 2020-11-04 | 国立大学法人 大分大学 | 二次元セルオートマトンによる肺結節明瞭化法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2808773B2 (ja) * | 1990-01-09 | 1998-10-08 | 株式会社日立製作所 | 階調変換自動化装置 |
JP2005278690A (ja) * | 2004-03-26 | 2005-10-13 | Hiroshima Industrial Promotion Organization | コンピュータを用いた3次元胸部ct画像から結節状陰影を検出する方法およびその装置並びにコンピュータプログラム |
JP2006130212A (ja) * | 2004-11-09 | 2006-05-25 | Fuji Photo Film Co Ltd | 異常陰影候補検出方法、および装置、ならびにプログラム |
JP2014233608A (ja) * | 2013-06-05 | 2014-12-15 | 独立行政法人国立高等専門学校機構 | 画像処理装置及び医用画像診断装置 |
-
2015
- 2015-07-10 JP JP2015138808A patent/JP6598149B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2017018339A (ja) | 2017-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109064476B (zh) | 一种基于水平集的ct胸片肺组织图像分割方法 | |
JP6598149B2 (ja) | 胸部x線画像における肺結節明瞭化法 | |
Chen et al. | Separation of bones from chest radiographs by means of anatomically specific multiple massive-training ANNs combined with total variation minimization smoothing | |
CN106558031B (zh) | 一种基于成像模型的彩色眼底图的图像增强方法 | |
CN114677391A (zh) | 一种脊椎图像分割方法 | |
JP6492553B2 (ja) | 画像処理装置及びプログラム | |
Lbachir et al. | A new mammogram preprocessing method for Computer-Aided Diagnosis systems | |
Vyavahare et al. | Segmentation using region growing algorithm based on CLAHE for medical images | |
Kumar et al. | Detection system for lung cancer based on neural network: X-Ray validation performance | |
CN114463310A (zh) | 一种dr图像增强方法及装置 | |
CN111223090A (zh) | 人体肺部ct图像中肿瘤图像的识别*** | |
CN114863498A (zh) | 一种基于AGC和Frangi的手部静脉红外图像的增强与分割方法 | |
Siddiqi et al. | Investigation of histogram equalization filter for CT scan image enhancement | |
WO2004001670A2 (en) | Methods of anisotropic diffusion and foveal segmentation of digital images | |
Chithra et al. | Otsu's Adaptive Thresholding Based Segmentation for Detection of Lung Nodules in CT Image | |
EP2328124B1 (en) | Method of enhancing the contrast of spatially-localized phenomena in an image | |
Rahmati et al. | A new preprocessing filter for digital mammograms | |
JP2018000312A (ja) | 肺結節明瞭化画像における背景ノイズの抑制方法 | |
Kalhor et al. | Assessment of histogram-based medical image contrast enhancement techniques; an implementation | |
Pearl Mary et al. | Unified adaptive framework for contrast enhancement of blood vessels | |
JP2020049140A (ja) | 肺門部陰影を抑制した肺結節明瞭化法 | |
Thamilarasi et al. | Automatic thresholding for segmentation in chest X-ray images based on green channel using mean and standard deviation | |
Ziyad et al. | Performance evaluation of contrast enhancement techniques in computed tomography of lung images | |
Snoeren et al. | Thickness correction of mammographic images by anisotropic filtering and interpolation of dense tissue | |
Chen et al. | Bone suppression in chest radiographs by means of anatomically specific multiple massive-training ANNs combined with total variation minimization smoothing and consistency processing |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180614 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190328 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190409 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190508 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20190827 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190924 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6598149 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |