WO2006093085A1 - 画像診断処理装置および画像診断処理プログラム - Google Patents

画像診断処理装置および画像診断処理プログラム Download PDF

Info

Publication number
WO2006093085A1
WO2006093085A1 PCT/JP2006/303597 JP2006303597W WO2006093085A1 WO 2006093085 A1 WO2006093085 A1 WO 2006093085A1 JP 2006303597 W JP2006303597 W JP 2006303597W WO 2006093085 A1 WO2006093085 A1 WO 2006093085A1
Authority
WO
WIPO (PCT)
Prior art keywords
region
image
area
candidate region
abnormal
Prior art date
Application number
PCT/JP2006/303597
Other languages
English (en)
French (fr)
Inventor
Sumiaki Matsumoto
Hitoshi Yamagata
Original Assignee
National University Corporation Kobe University
Toshiba Medical Systems Corporation
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University Corporation Kobe University, Toshiba Medical Systems Corporation filed Critical National University Corporation Kobe University
Priority to EP06714734A priority Critical patent/EP1854411B1/en
Publication of WO2006093085A1 publication Critical patent/WO2006093085A1/ja
Priority to US11/736,865 priority patent/US8121373B2/en
Priority to US13/350,458 priority patent/US8687864B2/en

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Definitions

  • the present invention relates to a nodular shape from a three-dimensional image collected using a medical image diagnostic modality such as an X-ray computed tomography apparatus, an X-ray diagnostic apparatus, a magnetic resonance diagnostic apparatus, or an ultrasonic diagnostic apparatus.
  • a medical image diagnostic modality such as an X-ray computed tomography apparatus, an X-ray diagnostic apparatus, a magnetic resonance diagnostic apparatus, or an ultrasonic diagnostic apparatus.
  • the present invention relates to an image diagnostic processing apparatus and an image diagnostic processing program for performing a diagnostic process on an anatomical abnormality such as an abnormality or an aneurysm abnormality.
  • low-dose helical CT a method of imaging with relatively low X-ray tube current (hereinafter referred to as low-dose helical CT) was developed to reduce exposure, and this was used as a pilot study for lung cancer screening.
  • low-dose helical CT has a lung cancer detection rate far exceeding that of chest radiographs.
  • CT lung nodule automatic detection is an extremely important theme.
  • a nodule candidate region (hereinafter referred to as a nodule candidate region) is extracted by some method, and a plurality of feature quantities characterizing this nodule candidate region are obtained. If it is determined whether or not the nodule candidate region is a nodule based on the feature amount, an approach is taken. However, since nodules have similar characteristics to some pulmonary blood vessels, nodules and pulmonary blood vessels cannot be accurately distinguished from the features that characterize the nodule candidate regions.
  • the present invention has been made in view of such circumstances, and the object of the present invention is to make an abnormal candidate region included in an image representing the inside of a subject an anatomical abnormality such as a nodule. It is to be possible to determine with high accuracy whether or not there is a certain force.
  • the diagnostic imaging apparatus provides a peripheral region specifying means for specifying a peripheral region continuous to an abnormal candidate region included in an image representing the inside of a subject, and a first related to the abnormal candidate region.
  • Determination means for determining whether or not the abnormal candidate region is an anatomical abnormal region based on the feature amount of 1 and the second feature amount relating to the peripheral region.
  • the diagnostic imaging apparatus includes a first comparison area that substantially includes an abnormal candidate area included in an image representing the inside of a subject and includes an area outside the abnormal candidate area.
  • the abnormal candidate region is dissected based on the first feature amount related to the second candidate region and the second feature amount substantially matching the abnormal candidate region or included in the abnormal candidate region.
  • Judgment means to determine whether or not the region is Brown.
  • the image diagnostic processing apparatus includes means for specifying a region that overlaps or is continuous with an abnormal candidate region included in an image representing the inside of a subject, and the structure Based on the feature quantity at the plurality of positions, means for obtaining a direction for three-dimensionally searching for a region corresponding to, means for obtaining feature quantities corresponding to a plurality of positions along the search direction, and And means for determining whether or not the abnormality candidate region is an anatomical abnormality region.
  • An image diagnostic processing apparatus provides an image diagnostic processing apparatus that determines the presence or absence of an anatomical abnormal region in an image representing the inside of a subject, and adds the image to the image.
  • Threshold processing means for performing threshold processing, means for generating a penalty image from the image processed by the threshold processing means, and fitting a spherical or ellipsoidal model to the penalty image
  • a means for determining an abnormal candidate region including a ground glass shadow is determining an abnormal candidate region including a ground glass shadow.
  • the diagnostic imaging processing program includes a peripheral region specifying means for specifying a peripheral region continuous with an abnormal candidate region included in an image representing the inside of a subject, and the abnormal candidate Based on the first feature value related to the region and the second feature value related to the surrounding region, the function is performed as a determination unit that determines whether the abnormal candidate region is an anatomical abnormal region.
  • An image diagnostic processing program includes a computer that includes a first abnormal candidate region that substantially includes an abnormal candidate region included in an image representing the inside of a subject and includes a region outside the abnormal candidate region. Based on the first feature amount related to the comparison region and the second feature amount related to the second comparison region that substantially matches or is included in the abnormality candidate region. It functions as a determination means for determining whether or not the candidate area is an anatomical abnormal area.
  • FIG. 1 is a diagram showing a configuration in a first embodiment of a computer-aided image diagnostic processing apparatus to which an image diagnostic processing apparatus of the present invention is applied.
  • FIG. 2 is a diagram of nodule detection in the computer-aided image diagnostic processing apparatus shown in FIG. It is a flowchart which shows the outline of the process for this.
  • FIG. 3 is a diagram showing an image represented by the three-dimensional image data acquired by the multi-slice CT in FIG. 1 and an image of the foreground part into which this image force is also divided.
  • FIG. 4 is a diagram for explaining ellipsoid model generation processing.
  • FIG. 5 is a diagram for explaining a penalty image synthesis process.
  • FIG. 6 is a diagram for explaining the deformation process of the ellipsoidal model.
  • FIG. 7 is a diagram showing an ellipsoid model after the deformation is completed and a nodule candidate region specified by the ellipsoid model.
  • FIG. 8 is a diagram for explaining identification of an expanded nodule candidate region.
  • FIG. 9 is a diagram for explaining a process for generating a search reference point.
  • FIG. 10 is a flowchart of a process for the determination unit in FIG. 1 to calculate a reduction degree.
  • FIG. 11 is a diagram showing a state of searching for an extended nodule candidate region.
  • FIG. 12 is a diagram showing a state of searching for an expanded nodule candidate region.
  • FIG. 13 is a diagram showing a state of searching for an extended nodule candidate region.
  • FIG. 14 is a diagram showing a state of searching for an expanded nodule candidate region.
  • FIG. 15 is a diagram for explaining a third end condition.
  • FIG. 16 is a diagram for explaining a fourth end condition.
  • FIG. 17 is a diagram showing a configuration in a second embodiment of a computer-aided image diagnosis processing apparatus to which the image diagnosis processing apparatus of the present invention is applied.
  • FIG. 18 is a flowchart showing an outline of processing for nodule detection in the computer-aided image diagnostic processing apparatus in FIG.
  • FIG. 19 is a diagram for explaining the occupancy rate change degree.
  • FIG. 20 is a diagram showing a configuration in a third embodiment of a computer-aided image diagnosis processing apparatus to which the image diagnosis processing apparatus of the present invention is applied.
  • FIG. 21 is a flowchart showing an outline of processing for nodule detection in the computer-aided image diagnostic processing apparatus shown in FIG.
  • Figure 22 shows that the initial radius of the ellipsoid model is determined and the force is also determined by the ellipsoid model. It is a figure which shows the image utilized until it is made.
  • FIG. 23 is a flowchart showing a processing procedure of reduction calculation by the determination unit in FIG.
  • FIG. 24 is a diagram illustrating the critical initial region two-dimensionally.
  • FIG. 25 is a diagram showing a reduction evaluation region proximal portion corresponding to the critical initial region shown in FIG. 24.
  • FIG. 26 is a view showing a distal portion of the reduced evaluation region identified by extending the critical initial region shown in FIG. 25 in a directed region.
  • FIG. 27 is a diagram showing a botacell corresponding to the surface region in the distal portion of the reduction evaluation region.
  • FIG. 28 is a diagram showing a botasel corresponding to a surface region in an extended nodule candidate region.
  • Fig. 29 is a diagram showing a botacell corresponding to the surface region in the distal portion of the reduction evaluation region.
  • FIG. 30 is a diagram showing a botasel corresponding to a surface region in an extended nodule candidate region.
  • Fig.31 shows an example in which the generated ellipsoid model is displayed in a graphic overlay so as to surround the nodule using a display method called wireframe on the image that displays the nodule and the surrounding structure of the nodule using volume rendering technology.
  • FIG. 31 shows an example in which the generated ellipsoid model is displayed in a graphic overlay so as to surround the nodule using a display method called wireframe on the image that displays the nodule and the surrounding structure of the nodule using volume rendering technology.
  • FIG. 32 is a graph showing the nodal evaluation area distal part and the proximate evaluation area proximal part in the image in which the nodule and the surrounding structure of the nodule are displayed using volume rendering technology. It is a figure which shows the example displayed.
  • FIG. 33 is a diagram showing an example in which a generated ellipsoid and a two-dimensional ellipsoid that is an intersection line of each section are displayed on an MPR section having three orthogonal sections.
  • FIG. 34 is a diagram illustrating processing for determining whether or not a nodule candidate region is a nodule with reference to the area reduction degree.
  • FIG. 35 is a diagram illustrating processing for determining whether or not a nodule candidate region is a nodule with reference to the area reduction degree.
  • FIG. 36 is a diagram showing a modified example of the allocation of the botacell values.
  • FIG. 37 is a diagram showing an ellipsoidal shell that is a modification of the foreground occupancy calculation target region.
  • FIG. 1 is a diagram showing a configuration of a computer-aided image diagnosis processing apparatus 1 to which the image diagnosis processing apparatus of the present invention is applied.
  • the computer-aided image diagnostic processing apparatus 1 shown in FIG. 1 uses 3D image data acquired by the multi-slice CT2 as a processing target. As shown in FIG. 1, the computer-aided image diagnosis processing apparatus 1 includes a nodule candidate region specifying unit 11, an extended nodule candidate region specifying unit 12, and a determination unit 13.
  • the computer-aided image diagnostic processing apparatus 1 can use, for example, a general-purpose computer apparatus as basic nodeware.
  • the nodule candidate region specifying unit 11, the extended nodule candidate region specifying unit 12, and the determining unit 13 can be realized by causing the processor mounted on the computer device to execute an image diagnosis processing program.
  • the computer-aided image diagnostic processing apparatus 1 may be realized by previously installing the above-described image diagnostic processing program in the computer apparatus described above, or may be realized by a magnetic disk, a magneto-optical disk, an optical disk, a semiconductor memory, or the like.
  • the image diagnosis processing program may be recorded on such a removable recording medium or distributed via a network, and the image diagnosis processing program may be installed in the computer device.
  • some or all of the above-described units can be realized by hardware such as a logic circuit. Each of the above parts can also be realized by combining hardware and software control.
  • the nodule candidate region specifying unit 11 specifies a region that can be a nodule (hereinafter referred to as a nodule candidate region) in an image represented by the 3D image data to be processed (hereinafter referred to as a processing target image). Determine.
  • the extended nodule candidate region specifying unit 12 specifies an extended nodule candidate region in the processing target image.
  • the expanded nodule candidate area is the above-mentioned nodule candidate area and the peripheral area that follows it. Including.
  • the determination unit 13 determines whether or not the nodule candidate region is a nodule based on the feature amounts of the nodule candidate region and the surrounding region.
  • FIG. 2 is a flowchart showing an outline of processing for detecting nodules in the computer-aided image diagnostic processing apparatus 1.
  • Steps Sal to Sa6 are processes by the nodule candidate region specifying unit 11.
  • Step Sa7 is processing by the extended nodule candidate region specifying unit 12.
  • Steps Sa8 to Sal0 are processing by the determination unit 13.
  • step Sal the nodule candidate region specifying unit 11 inputs the three-dimensional image data acquired by the multi-slice CT2 by the above imaging.
  • step Sa2 the nodule candidate region specifying unit 11 divides a region corresponding to the lung from the processing target image represented by the three-dimensional image data.
  • an existing method can be used. This existing method is typically shown in ⁇ Hu S, Hoffinan EA, Reinhardt J M. Automatic lung segmentation for accurate quantitation of volumetric X-ray CI ⁇ mages.IEEE Trans Med Imaging 2001; 20: 490-498 ''. It is a method.
  • step Sa3 the nodule candidate region specifying unit 11 bisects the lung region obtained in step Sa2 into a foreground portion approximately corresponding to a pulmonary blood vessel and a nodule and another background portion.
  • an existing adaptive threshold processing can be applied.
  • This adaptive threshold processing is a typical method described in “i3 ⁇ 4“ Manay S, Yezzi A. Antigeometnc diffiision for adaptive thresholding and fast segmentation. IEEE Trans Image Processing 2003; 12: 1310-1323 ”.
  • Fig. 3 (a) shows the image to be processed acquired by multi-slice CT2.
  • FIG. 3 (b) is a diagram showing an image of the foreground portion divided from the processing target image shown in FIG. 3 (a). There are nodules in the circle shown in Fig. 3 (a). The black area in Fig. 3 (b) corresponds to the lung area, and the white area in the lung area represents the foreground part of the lung area.
  • the nodule candidate region specifying unit 11 determines a temporary center that can be the center of the nodule candidate region. First, the nodule candidate region specifying unit 11 determines whether or not each of the botasels belonging to the foreground part. The value is converted into a value corresponding to the shortest distance to each of the button cells that belong to the background portion. For example, when attention is paid to a region including a foreground part having a shape as shown in FIG. 4 (a), the botacell B1 shown in FIG. 4 (b) belongs to the foreground part. Botasels B2 and B3 belong to the background portion and are closest to the botcell B1.
  • the distance between Botacel B1 and Botacells B2 and B3 (distance between the center points) is 2 botacells. Therefore, the value of the button cell B1 is set to “2” as shown in FIG. 4 (b). As a result, as shown in Fig. 4 (b), the image is basically converted into an image having a larger value as it goes into the foreground part. Then, the nodule candidate region specifying unit 11 determines a point where the value after the distance conversion becomes a maximum as a temporary center. If only one botacell has the maximum value, the temporary center is the botacell point of this botacel.
  • the temporary center is the barycentric position of the botacell points of these botacells.
  • the center of gravity (intermediate point) P of the votacell points of these voxels Bl and B4 is used as the temporary center.
  • the nodule candidate region specifying unit 11 determines a temporary center for each of the plurality of regions.
  • the subsequent processing is the force performed for each of the plurality of temporary centers. Since these are similar processing, only the processing for one temporary center will be described below.
  • step Sa5 the nodule candidate region specifying unit 11 generates an ellipsoidal model having a temporary center. Specifically, the nodule candidate region specifying unit 11 first prepares an ellipsoid model that is initialized with a sphere centered on the temporary center and having the radius after the distance conversion.
  • FIG. 4 (c) is a diagram showing an ellipsoidal model for the temporary center P determined as shown in FIG. 4 (b). In Fig. 4 (c), the cross section of the ellipsoid model is indicated by a broken line. Then, the nodule candidate region specifying unit 11 deforms the ellipsoid model based on information included in the image.
  • the ellipsoidal model can be deformed according to, for example, an existing method.
  • This method is typically the method shown in [Math LH, Duncan Jb. Model-based deformable surface finding for medical imaging. IEEE Trans Med Imaging 1996; 15: 720-731].
  • This method is related to the deformation of the Fourier surface in general 3D images.
  • An ellipsoid is the simplest Fourier closed surface. Deformation of the ellipsoid model by the above method uses this as a penalty image with a negative sign added to the density gradient of the given 3D image. The integration of the penalty image values on the Fourier surface is minimized.
  • the absolute value of the convolution of the target 3D image and the LoG (Laplacian-of-Gaussian) filter is added to the magnitude of the concentration gradient of the target 3D image.
  • An image obtained by adding those with a minus sign is taken as a penalty image.
  • LoG filter is a kind of second-order differentiation.
  • the concentration gradient is obtained by a first-order differential filter. Therefore, it can be said that the penalty image used here is a composite of the primary differential filter processing result and the secondary differential filter processing result of the target 3D image.
  • the penalty image synthesis process will be described in more detail with reference to FIG. To illustrate this synthesis process in a one-dimensional manner, assume that the concentration change along a straight line passing through the nodule is expressed as graph G1.
  • the central mountain corresponds to the nodule.
  • the result of convolving the LoG filter showing its shape as graph G2 into graph G1 and its absolute value are as shown in graphs G3 and G4.
  • graph G5 is obtained.
  • the graph G6 is obtained by combining the graph G4 and the graph G5. Comparing graphs G5 and G6, graph G6 has a clearer valley at the position corresponding to the boundary of the nodule and is more suitable for use as a penalty value.
  • the broken line in Fig. 5 is a base line representing zero.
  • the ellipsoid model is deformed so that the ellipsoid model follows the valley of the penalty value in the penalty image.
  • step Sa6 the nodule candidate region specifying unit 11 performs distance conversion based on the ellipsoid model after the transformation is completed! /,!, And the nodule candidate region in the original processing target image is determined. Identify. That is, the nodule candidate region specifying unit 11 specifies a set of botasels that are located in the ellipsoid model after the completion of deformation and belong to the lung region foreground part as nodule candidate regions.
  • FIG. 7 (a) shows the ellipsoidal model 101 after the deformation is overlaid on the nodule and a semi-transparent display of a part of the processing target image corresponding to the nodule.
  • the structure shown in Fig. 7 (b) is the nodule shown in Fig. 3 (a) and the lung region foreground part in the vicinity, and the nodule candidate region 102 identified as described above is shown in a relatively dark blue color. .
  • the ellipsoid model is called a generation ellipsoid model of the nodule candidate region.
  • step Sa7 the expanded nodule candidate region specifying unit 12 determines an expanded nodule candidate region corresponding to the nodule candidate region. Does the extended nodule candidate region overlap the nodule candidate region?
  • Fig. 8 (a) shows a small region of the CT image.
  • Fig. 8 (b) shows the lung region foreground in this small region in gray, the background in white, and one ellipse. The description will be given assuming that this ellipse is an example of the generation ellipsoid model 101 of the nodule candidate region. Therefore, the gray area in the circle in FIG. 8B corresponds to the nodule candidate area 102.
  • FIG. 8C shows the nodule candidate region 102 in an enlarged manner.
  • the black circle in FIG. 8C is the centroid 102a of the nodule candidate region 102.
  • a button cell labeled with a white cross is a button cell that belongs to the nodule candidate region 102 and is adjacent to the button cell that does not belong to the nodule candidate region 102.
  • the region consisting of these Botacel forces labeled with a white cross is defined as the inner boundary of the nodule candidate region 102.
  • a button cell labeled with a black cross is a button cell that does not belong to the nodule candidate region 102 and is adjacent to the button cell that belongs to the nodule candidate region 102.
  • the area consisting of the botasels labeled with these black crosses is defined as the outer boundary of the nodule candidate area 102. Further, the average density of the botasels belonging to the inner boundary is defined as the inner boundary density related to the nodule candidate region 102. Similarly, the average density of the botasels belonging to the outer boundary is defined as the outer boundary density related to the nodule candidate region 102.
  • the extended nodule candidate region corresponding to the nodule candidate region 102 is obtained through threshold processing using a weighted average of the inner boundary concentration and the outer boundary concentration (hereinafter referred to as the average boundary concentration) as a threshold value.
  • a three-dimensional array that shows a density that is equal to or higher than the average boundary density in the target three-dimensional image and that has a “1” for a botacell located in the lung region and “0” for a non-bottom cell is first created.
  • Generate. Concatenated components in this 3D array (a set of connected botasels whose values are ⁇ 1 '' and shown in gray in Fig. 8 (d)) that have a botacell shared with the nodule candidate region 102 Is defined as an expanded nodule candidate region 103 related to the nodule candidate region 102 as shown in FIG. 8 (e).
  • the nodule candidate region 103 is specified as a region composed of a nodule candidate region 102 and a peripheral region continuous to the nodule candidate region 102. It should be noted that, out of the generation ellipsoid model 101 of the nodule candidate region 102 (again illustrated as an ellipse in FIG. 8 (f)), it is adjacent to the one in the generation ellipsoid model 101.
  • the region that also has power and the region that is common to the extended nodule candidate region are defined as the extended nodule candidate region critical part 104 (the portion shown in black in FIG. 8 (f)).
  • the determination unit 13 specifies a search reference point in the extended nodule candidate region.
  • the determination unit 13 generates a search reference point so as to correspond one-to-one with the connected component of the extended nodule candidate region critical unit 104.
  • the determination unit 13 For example, for the left connected component in FIG. 8 (f), the determination unit 13 generates a search reference point as follows.
  • the determination unit 13 performs, in the direction of a vector 105 (hereinafter referred to as a centrifugal vector) from the centroid 102a of the nodule candidate region 102 to the voxel for each botacel belonging to the connected component.
  • the line segment starting from the button cell is extended.
  • the extension is stopped. At this time, if the end point is not within the lung region, the button cell is excluded from consideration.
  • the line segment thus determined is referred to as a centrifugal direction line segment 106.
  • the determination unit 13 selects the longest one among the plurality of centrifugal direction line segments 106 determined for each of the plurality of botasels. Then, the determination unit 13 determines the position of the button cell that gives the start point of the selected centrifugal direction line segment 106 as the search reference point 1707 corresponding to the connected component.
  • step Sa9 the determination unit 13 calculates a reduction degree.
  • FIG. 10 is a flowchart showing a processing procedure of reduction calculation by the determination unit 13. In this process, a search for an extended nodule candidate region is performed. The main operations in this search are shown in FIGS. 11 and 12 show the case where the nodule candidate region corresponds to a nodule, and FIGS. 13 and 14 show the case where the nodule candidate region corresponds to a pulmonary blood vessel.
  • step Sbl the determination unit 13 confirms whether or not the unselected search reference point 107 is in the set of search reference points 107 obtained for the extended nodule candidate region 103.
  • step Sb2 the determination unit 13 determines whether the search reference point 107 is in the set. One unselected search reference point 107 is selected.
  • step Sb3 the determination unit 13 sets an observation reference line and an observation reference point based on the selected search reference point 107.
  • the determination unit 13 provides a directed line segment starting from the center of gravity 102a of the nodule candidate region 102 so that the selected search reference point 107 is the midpoint. This line segment is defined as the observation reference line 108.
  • the determination unit 13 sets an observation reference point on the center of gravity 102a. Note that the observation reference point is not fixed and moves between the starting point and end point of the observation reference line as described later.
  • step Sb4 the determination unit 13 defines a plane that is orthogonal to the observation reference line 108 and passes through the observation reference point as an observation plane 109. Then, as shown in FIG. 11 (b), the determination unit 13 displays an ellipse model initialized with an ellipse given by the intersection line between the generation ellipsoid model of the nodule candidate region and the observation plane in the observation plane. Set. Next, the determination unit 13 deforms the elliptic model so that the line integral on the elliptic model of the penalty image value used in step Sa3 is minimized.
  • the determination unit 13 calculates the area of the section of the expanded nodule candidate region in the observation plane 109 within the elliptic model after the deformation is completed (hereinafter referred to as the expanded nodule candidate region section in the elliptic model). .
  • Fig. 11 (b) shows the elliptic model 110 after the deformation is completed.
  • FIG. 11 (c) shows an expanded nodule candidate region cross section 111 in the elliptic model included in FIG. 11 (b).
  • step Sb5 the determination unit 13 determines whether or not the current observation reference point is before the midpoint of the observation reference line 108 (before the search reference point 107).
  • step Sb6 the determination unit 13 adds the area of the expanded nodule candidate region cross section in the elliptic model calculated as described above to the first accumulator.
  • step Sb7 the determination unit 13 adds the area of the expanded nodule candidate region cross section in the elliptic model calculated as described above to the second accumulator.
  • the first accumulator and the second accumulator are included in the determination unit 13. The first integrator and the second integrator are initialized to zero at the start of the processing shown in FIG.
  • step Sb8 the determination unit 13 confirms whether or not an end condition is satisfied.
  • the observation reference point has reached the end point of the observation reference line.
  • FIG. Figure 15 shows the observation reference point near the edge of the nodule attached to the blood vessel when the distance between Fig. 15 (a) force and Fig. 15 (b) and Fig. 15 (b) force moves to Fig. 15 (c).
  • the state of the elliptic model after the deformation is completed is shown.
  • the size of the elliptic model 110 changes abruptly. This occurs because the nodule cross section is no longer observed in the range of the ellipse model 110 at the edge of the nodule attached to the blood vessel, ie, only the cross section of the blood vessel is observed.
  • the occurrence of the above-mentioned state is set as the end condition.
  • the determination of the completion of the end condition can be realized by the following processing.
  • the average displacement of the ellipse model a sequence of points along the circumference of the ellipse model before deformation and a sequence of points along the circumference of the ellipse model after completion of the corresponding deformation.
  • Divided by the average effective radius of the elliptic model (average of the effective radius of the elliptic model before deformation and the effective radius of the elliptic model after deformation) Calculate the relative displacement of the elliptic model. Then, if the ellipse model relative average displacement is larger than a predetermined upper limit value, it is determined that this termination condition is satisfied.
  • FIG. 16 shows another nodule attached to the blood vessel.
  • Fig. 16 (a) shows the case where the observation reference point is near the start point of the observation reference line
  • Fig. 16 (b) shows the case where the observation reference point is near the midpoint of the observation reference line.
  • the portion of the image to be processed that corresponds to the observation plane 109 (hereinafter referred to as the image in the ellipse model) has the density.
  • the image linear component in the ellipse model a component that changes linearly according to the coordinates in the plane
  • another component hereinafter referred to as the image nonlinear component in the ellipse model.
  • the image nonlinear component contribution ratio in the elliptic model is calculated by dividing the standard deviation of the density in the nonlinear image component in the elliptic model by the standard deviation of the density in the elliptic model image. Then, if the contribution ratio of the image nonlinear component in the ellipse model is smaller than a predetermined lower limit value, it is determined that this termination condition is satisfied.
  • step Sb9 the determination unit 13 moves the observation reference point on the observation reference line 108 by a fixed fine interval. As a result, the observation plane also moves along with the observation reference point. Then, the determination unit 13 repeats step Sb4 and subsequent steps. Accordingly, the determination unit 13 repeats the process of deforming the elliptic model and calculating the area of the expanded nodule candidate region cross section in the elliptic model until the end condition is satisfied while moving the observation reference point by one interval.
  • step Sb8 If the end condition is satisfied, the determination unit 13 proceeds from step Sb8 to step SblO.
  • step SblO the determination unit 13 calculates a quotient obtained by dividing the value of the second accumulator by the value of the first accumulator. This quotient represents the volume ratio of the distal portion of the expanded nodule candidate region to the proximal portion of the currently selected search reference point. Then, the determination unit 13 records the volume ratio calculated in this way. Thereafter, the determination unit 13 repeats Step Sbl and subsequent steps. As a result, the determination unit 13 calculates and records the volume ratio for each of all the search reference points 107 obtained for the expanded nodule candidate region 103.
  • step Sbl After the calculation of the volume ratio for each of all the search reference points 107 obtained for the expanded nodule candidate region 103, an unselected search reference point is found in step Sbl. It will disappear. Therefore, in this case, the determination unit 13 proceeds from step Sbl force to step Sbl l. If no search reference point 107 is obtained for the expanded nodule candidate region 103, the determination unit 13 immediately starts the process of FIG. 10 and does not proceed to step Sb2 and subsequent steps immediately after starting step Sb2. Proceed to 11. In step Sbl l, the determination unit 13 sets the value obtained by subtracting the maximum value from “1” among the quotients recorded for all the search reference points as the reduction degree of the nodule candidate region 102. If no search reference point 107 is obtained, the maximum value of the recorded quotient is “0”.
  • the degree of reduction calculated in this way is a feature amount that summarizes the relationship between the nodule candidate region 102 and its continuous structure. More specifically, the relative expansion of the distal portion of the expanded nodule candidate region relative to the proximal portion of the expanded nodule candidate region is obtained by searching the expanded nodule candidate region 103 over a distance that is centrifugal from the centroid 102a of the nodule candidate region 102. It is a feature quantity that represents the target volume reduction.
  • step SalO the determination unit 13 determines whether or not the nodule candidate region 102 is a nodule force. If the nodule candidate region 102 is a part of the pulmonary blood vessel, the proximal and distal parts of the expanded nodule candidate region 103 corresponding to the nodule candidate region 102 are both part of the pulmonary blood vessel. The reduction is small if any. In other words, the reduction is close to zero.
  • the volume of the distal portion of the expanded nodule candidate region 103 is small compared to the proximal portion of the expanded nodule candidate region 103.
  • the degree of reduction is close to its maximum value of 1 and becomes a value.
  • the determination unit 13 performs the above determination using such a characteristic that the reduction force is also divided and a relatively simple feature amount such as an effective diameter and density contrast of the nodule candidate region 102.
  • the feature amount related to the nodule candidate region and the nodule candidate region are included. It is possible to distinguish a nodule from other tissues such as blood vessels with a very high accuracy in order to refer to the ratio with the feature value related to the continuous peripheral region. Therefore, it is possible to provide a CAD system with high nodule detection capability and a low false positive rate.
  • the nodule candidate region is automatically specified from the three-dimensional image. So 3D image force can also detect nodules automatically. This can reduce the burden on the doctor and prevent oversight of nodules.
  • the reduction degree as described above is a volume ratio between the distal portion of the expanded nodule candidate region and the proximal portion of the region. That is, the feature amounts of the nodule candidate region and the peripheral region are obtained as the volume of each region in the vicinity of the boundary between the two regions. For this reason, it is efficient to calculate the feature amount for the entire nodule candidate region, specify the overall shape of the peripheral region, or calculate the feature amount for the entire peripheral region, without having to perform the above processing. is there.
  • FIG. 17 is a diagram showing a configuration of a computer-aided image diagnostic processing apparatus 3 to which the image diagnostic processing apparatus of the present invention is applied.
  • the same parts as those in FIG. 1 are denoted by the same reference numerals, and detailed description thereof is omitted.
  • the computer-aided image diagnostic processing apparatus 3 shown in FIG. 17 uses the three-dimensional image data acquired by the multi-slice CT2 as a processing target.
  • the computer-aided image diagnosis processing device 3 includes a nodule candidate region specifying unit 11 and a determination unit 31 as shown in FIG.
  • the computer-aided image diagnosis processing apparatus 3 can be realized in the same manner as the computer-aided image diagnosis processing apparatus 1 in the first embodiment, using, for example, a general-purpose computer apparatus as basic nodeware.
  • the determination unit 31 determines that the nodule candidate region is a nodule based on the foreground occupancy rate in the ellipsoid model inherent in the nodule candidate region and the foreground occupancy rate in the ellipsoid model inherent in the nodule candidate region. Judge whether it is power or not.
  • FIG. 18 is a flowchart showing an outline of processing for nodule detection in the computer-aided image diagnostic processing apparatus 3.
  • steps representing the same processing as in FIG. 2 are given the same reference numerals, and detailed descriptions thereof are omitted.
  • Step Sal to Step Sa6 are performed by the nodule candidate region specifying unit 11 in the same manner as in the first embodiment.
  • step Scl and steps Sc2 is performed by the determination unit 31.
  • step Scl determination unit 31 calculates the degree of change in the occupation ratio.
  • the calculation of the degree of change in the occupation ratio will be described with reference to FIG.
  • the determination unit 31 determines the ratio of those belonging to the foreground part to those belonging to the background part of the generated ellipsoidal model 101 generated by the nodule candidate area specifying unit 11 (hereinafter referred to as the foreground occupancy rate). ). Thereafter, the determination unit 31 calculates the degree of change in the foreground occupancy while sequentially increasing the generated ellipsoidal model 101 while maintaining the rotation direction of the three main axes and the ratio of the shaft lengths. This change degree is an occupation ratio change degree.
  • the region in the generated ellipsoid model 101 is a nodule. Almost matches the candidate area. In this state, the foreground occupancy is almost “1”. As the generated ellipsoid model 101 becomes larger, the background portion is included in the generated ellipsoid model 101, and therefore the foreground occupancy rate decreases. In the case of a nodule, as shown in FIG. 19 (c), since the peripheral region of the nodule candidate region is small, most of the enlarged region of the generated ellipsoidal model 101 is the background region.
  • the degree of change in the occupation ratio is larger when the nodule candidate region is a nodule than when the nodule candidate region is a lung blood vessel.
  • step Sc2 the determination unit 31 uses a relatively simple feature amount such as the effective diameter and density contrast of the nodule candidate region 102 in addition to the above-described properties to determine whether the nodule candidate region is a nodule. Determine whether.
  • the tissue such as the nodule and other blood vessels can be obtained with very high accuracy. Can be distinguished.
  • the first or second embodiment is effective for the detection of typical nodules.
  • GGO ground glass opacity
  • GGO type nodules have difficulties in fitting an ellipsoid model to GGO type nodules for the following reasons.
  • GGO-type nodules higher concentrations of components and existing pulmonary vessels are often observed inside. That is, there can be a relatively high contrast object surrounded by a relatively low contrast object called GGO. Therefore, the following inconvenience may occur in the first or second embodiment.
  • the deformable model not limited to the ellipsoid model, is usually modified according to the concentration gradient, but this method is not suitable for GGO type nodules.
  • an appropriate threshold density is determined by returning to the original image, and the ellipsoid model is changed using a penalty image based on this threshold density.
  • An extended nodule candidate region is obtained in advance using the same threshold density.
  • the third embodiment includes improvements regarding three points: determination of an ellipsoid model initial radius, determination of a threshold density, and creation of a penalty image.
  • a penalty image for a given original image is created through a simple process controlled by an ellipsoid model initial radius, a threshold density, and a preset parameter.
  • the process of determining the initial ellipsoid model radius is also simple.
  • FIG. 20 is a diagram showing a configuration of a computer-aided image diagnostic processing apparatus 4 to which the diagnostic imaging apparatus of the present invention is applied.
  • the computer-aided image diagnostic processing apparatus 4 shown in FIG. 20 uses the three-dimensional image data acquired by the multi-slice CT2 as a processing target. As shown in FIG. 20, the computer-aided image diagnostic processing device 4 includes an extended nodule candidate region specifying unit 41, a nodule candidate region specifying unit 42, and a determining unit 43.
  • This computer-aided image diagnosis processing apparatus 4 can be realized in the same manner as the computer-aided image diagnosis processing apparatus 1 in the first embodiment, using, for example, a general-purpose computer apparatus as basic nodeware.
  • the extended nodule candidate region specifying unit 41 specifies an extended nodule candidate region including a nodule candidate region and a peripheral region continuous therewith in the processing target image represented by the 3D image data.
  • the nodule candidate area specifying unit 42 specifies a nodule candidate area that can be a nodule in the processing target image.
  • the determination unit 43 determines whether or not the nodule candidate region is a nodule based on the feature amounts of the nodule candidate region and the surrounding region.
  • FIG. 21 is a flowchart showing an outline of processing for nodule detection in the computer-aided image diagnostic processing apparatus 4.
  • steps representing the same processing as in FIG. 2 are assigned the same reference numerals, and detailed descriptions thereof are omitted.
  • Step Sal to Step Sa4 force are performed in the same manner as in the first embodiment. However, in the third embodiment, these steps Sal to Steps are used.
  • the process Sa4 is a process performed by the expanded nodule candidate area specifying unit 41.
  • steps Sdl to Sd3 are processes by the extended nodule candidate region specifying unit 41.
  • steps Sd4, Sd5, and Sa6 are processes by the nodule candidate region specifying unit 42.
  • Step Sd6 and step SalO are processing by the judgment unit 43.
  • the expanded nodule candidate region specifying unit 41 determines an initial radius of the ellipsoid model. Specifically, the expanded nodule candidate region specifying unit 41 first sets a cubic region having a side-by-side arrangement of 2n + 1 botacells around the temporary nodule candidate center in the lung region as a region of interest. If the nodule candidate temporary center does not coincide with the bota cell center, the expanded nodule candidate region specifying unit 41 is closest to the nodule candidate temporary center, and the bocell cell center is set as the center of the attention region. n is a positive integer, and the expanded nodule candidate region specifying unit 41 first sets this to 1.
  • the expanded nodule candidate region specifying unit 41 calculates the entropy of the density histogram in the region of interest.
  • the expanded nodule candidate region specifying unit 41 increases n by one, updates the region of interest, calculates the entropy of the density histogram in the region of interest after the update, and detects the maximum of the entropy value of the ⁇ cycle. Repeat until This entropy can be calculated according to existing methods. This existing method is typically the method shown in “Kadir T, Brady M. 3 ⁇ 4 aliency, scale, and image description, international Journal of Computer ision 2001; 45: 83-105”.
  • the extended nodule candidate region specifying unit 41 sets n giving the maximum value of entropy as N, and sets N times the voxel width as the initial radius of the ellipsoid model. That is, the more uniform the distribution of the botacell values in the region of interest, the smaller the entropy calculated as described above. For this reason, entropy increases when the outer edge of the region of interest is near the boundary between the nodule-like structure appearing in the CT image and its surroundings. In other words, the length of one side of the region of interest when the entropy is maximized is likely to approximate the diameter of a structure like a nodule.
  • the expanded nodule candidate region specifying unit 41 is inscribed in the distance between the center of the botacell located at the center of the region of interest and the center of the botacell located at the end when the entropy becomes maximum, that is, inscribed in the region of interest.
  • FIG. 22 shows the process until the initial ellipsoid model radius is determined and the force ellipsoid model is determined. It is a figure which shows the image utilized by. Note that Figure 22 shows a 2D image. Actually, a 3D image is used. Image 151 shows a CT image with a GGO-type nodule overlaid with a circle with the initial radius determined for this nodule!
  • step Sd2 the expanded nodule candidate region specifying unit 41 determines a threshold density.
  • determination of the threshold density will be described with reference to FIG.
  • the expanded nodule candidate region specifying unit 41 sets a region of interest as a region of interest in which the length of one side in the lung region is several times the initial radius obtained above with the temporary nodule candidate center as the center.
  • the above multiples may be arbitrary, but it is generally desirable that the region of interest should be sufficient to include the nodule and the surrounding region. Subsequent processing is performed within this region of interest.
  • an existing method using a concentration gradient is applied to determine the threshold value.
  • This method is typically the method shown in ⁇ Kittler J, Illingworth J, Foglein J. Threshold selection based on a simple image statistics.Computer Vision Grapnics and Image Proces sing 1985; 30: 125-147. '' is there.
  • this threshold value determination method is referred to as a Kittler method. This Kittler method is based on the following idea.
  • the purpose of the threshold determination is to correctly divide the target area into the object area and the background area by threshold processing under the assumption that the target area of the image also includes the object and the background force. Since it is considered that there is a significant concentration gradient at the boundary between the object and the background, the size of the concentration gradient in each botacell (Kittler's method determines the concentration gradients in the X and y directions. Is used as a weight to calculate the weighted average of the density of the button cells in the region of interest, and the weighted average value is an approximation of the average density of the button cell located at the boundary between the object and the background. It can be considered. Therefore, this weighted average is determined as the threshold value.
  • the extended nodule candidate region specifying unit 41 can apply the Kittler method by the following processing when determining the threshold value.
  • the extended nodule candidate region specifying unit 41 can apply the Kittler method by the following processing when determining the threshold value.
  • a threshold determination target area A specific procedure for obtaining the threshold determination target region is shown below.
  • the button cells belonging to the foreground portion in the region of interest are shown in white, and the button cells belonging to the background portion are shown in gray.
  • the region shown in black in the image 152 is outside the region of interest.
  • Image 153 is an image obtained by extracting a reduced foreground part from image 152.
  • the white part in the image 152 represents the reduced foreground part.
  • the reduced foreground part is a remaining part of the image cell 152 except for those that are adjacent to the buttonel cell belonging to the background part in 6-connectivity (bottom cells belonging to the foreground part).
  • the expanded nodule candidate region specifying unit 41 for each of the botasels belonging to the foreground portion in the image 152, all six botasels adjacent in the X, y, and z directions with respect to the botasels. Check if the force belongs to the foreground part.
  • the expanded nodule candidate region specifying unit 41 obtains an image shown in the image 153 by setting only the button cells satisfying the above conditions as reduced foreground portions and the other button cells as background portions.
  • the foreground part has a relatively large botacel value and is a set of botacells.
  • the expanded nodule candidate region specifying unit 41 is a CT image camera that displays a button cell that is in the spherical ellipsoidal model having the initial radius determined in step Sdl and that belongs to the reduced foreground part in an image 151. Extraction is performed to obtain an image 154, which is used as an initial region for region expansion.
  • the expanded nodule candidate region specifying unit 41 first sets the initial region as the current region.
  • the extended nodule candidate area specifying unit 41 is arranged for each of the botasels that are adjacent to the inner boundary of the current area (hereinafter referred to as the inner boundary button cell) and that belong to the outer boundary of the current area (hereinafter referred to as the outer boundary button cell). Then, it is confirmed whether or not the concentration is lower than the specified concentration.
  • the expanded nodule candidate region specifying unit 41 sets the value obtained by adding the parameter a to the concentration of the inner boundary button cell adjacent to the outer boundary button cell as the specified concentration.
  • the current region is expanded by relocating the buttonel cell to the current region. If the current area is expanded in this way, the above process is repeated for each of the outer boundary buttons in the new boundary. Such a cycle is repeated until there is no more power to find a new botasel that should be held in the current area.
  • the parameter ⁇ is set to about 0 to the noise standard deviation so that the region expands only in the direction in which the density gradually decreases. In this way, it is possible to prevent the high-contrast object from being included outside the vicinity of the initial region as a result of region expansion.
  • the image 155 is obtained as a result of the expansion process.
  • the expanded nodule candidate region specifying unit 41 sets a region as shown in the image 156 excluding the initial force region as a result of the expansion process as a provisional threshold determination target region.
  • the temporary threshold determination target region includes a portion corresponding to the inner boundary of the foreground portion in the ellipsoid model in the initial state.
  • the part along the edge of the structure is included in the provisional threshold determination target area, and if the Kittler method is applied to the provisional threshold determination target area, the value determined as the threshold is that of the structure edge. It is considered to be close to the average concentration.
  • the expanded nodule candidate region specifying unit 41 sets a threshold determination target region from a threshold determination target region excluding a button cell that exhibits a concentration gradient less than a certain cutoff value.
  • An image 157 shows a threshold determination target region based on the image 156.
  • the cut-off value is appropriately determined in consideration of the noise standard deviation (for example, the partial force hitting the air outside the body is estimated in the image).
  • the cut-off value is typically determined based on empirical rules, simulation results, experimental results, etc., with several times the noise standard deviation as a guide.
  • step Sd3 the expanded nodule candidate region specifying unit 41 defines the function defined in step Sdl.
  • a binary image is obtained by subjecting the heart region to threshold processing at the threshold density determined in step Sd2.
  • the image 158 is a binary image obtained by subjecting the image 151 to threshold processing with a threshold density determined based on the information of the threshold determination target region shown in the image 157.
  • the white region and the gray region correspond to the region of interest. This means that the botacell value of the botacel belonging to the white area is 1, and the botacell value ⁇ of the botacel belonging to the gray area.
  • a black region indicates that it is outside the region of interest.
  • the expanded nodule candidate region specifying unit 41 sets only 1 for the connected component that overlaps the surface of the ellipsoid model in the initial state and the region corresponding to the inside, and sets the other botacell values to 0.
  • An image like 159 is obtained. In this image 159, an area having a botacell value of 1 is determined as an extended nodule candidate area.
  • the nodule candidate region specifying unit 42 determines whether or not each region in the region of interest can take a center region as a center button cell, and a region in which the side centered on the center button cell is a 2h + l button cell array power can be included in the region of interest. Check if If the cubic region as described above can be taken, the nodule candidate region specifying unit 42 is assigned to the cubic region in the lung region, p is the ratio of the botasels belonging to the expanded nodule candidate region, and the expanded nodule candidate region is included. Let q be the ratio of non-botasels.
  • the nodule candidate region specifying unit 42 defines the value obtained as ⁇ 1 ⁇ 2min (p, q) ⁇ as the value of the center button cell in the penalty image.
  • the value of the center button in the penalty image is set to 1. Since p + q is 1, min (p, q) is always a value between 0 and 0.5. When min (p, q) is 0.5, the botacell value is the lowest 0, and when min (p, q) is 0, the botacell value is the highest 1. min (p, q) tends to become larger as the central button cell is closer to the boundary between the extended nodule candidate region and its outer region. Accordingly, the penalty image is an image in which a valley of density exists in the vicinity of the boundary between the extended nodule candidate region and the outer region. Image 160 is the penalty obtained from image 159 It is a tee image.
  • step Sd5 the nodule candidate region specifying unit 42 deforms the ellipsoid model using the penalty image. That is, the nodule candidate region specifying unit 42 deforms the shape of the initial ellipsoid model determined in step Sdl so as to follow the valley of the density of the penalty image.
  • This deformation of the ellipsoidal model can be realized by the same processing as in the first embodiment. As a result, as shown in the image 160, the surface of the generated ellipsoid model can be surely settled near the boundary of the expanded nodule candidate region.
  • the nodule candidate region specifying unit 42 specifies the nodule candidate region in the same manner as in the first embodiment in step Sa6. However, the nodule candidate region specifying unit 42 specifies only the expanded nodule candidate region that is not the entire image region surrounded by the generated ellipsoid model obtained in step Sd5 as the nodule candidate region.
  • step Sd6 the determination unit 43 calculates the degree of reduction.
  • the reduction calculation will be described with reference to FIGS.
  • FIG. 23 is a flowchart showing a processing procedure of reduction calculation by the determination unit 43.
  • a special region extension called a directed region extension is used to identify the distal portion of the reduction evaluation region.
  • the initial region used in the directed region expansion is obtained as a subset of the extended nodule candidate region critical part 104 in the first embodiment, and will be referred to as a critical initial region in the following.
  • the proximal portion of the reduced evaluation area is determined without using area expansion.
  • the reduction degree is set to 1. Otherwise, determine the reduction rate as follows:
  • step Sel the determination unit 43 identifies the critical initial region for the nodule candidate region. Generally, there are multiple critical initial regions for one nodule candidate region.
  • the critical initial region is determined according to the following procedure so as to have a one-to-one correspondence with the region showing the maximum in the working image.
  • the working image is created by setting the value of the distance conversion of the extended nodule candidate region as the value of the corresponding button cell for the button cell belonging to the critical portion of the extended nodule candidate region, and initializing it as 0 for the other button cells.
  • the determination unit 43 sets the value of the button cell having the maximum value in the work image to 1, and sets the other buttons Create a binary image with xel value 0.
  • the determination unit 43 performs the following processing for each connected component in the binary image.
  • the determination unit 43 records the center of gravity of the connected component.
  • the determination unit 43 performs region expansion composed of the following (2-1) to (2-5) using the connected component as an initial region.
  • the determination unit 43 creates a binary image having the same size as the work image, and initializes the values of all the button cells with 0. This binary image is used to store the progress of area expansion, but is output as the result of area expansion when the procedure is completed. Further, the determination unit 43 prepares one empty list (hereinafter referred to as a processing box list).
  • the determination unit 43 sets the value of the voxel in the output area to 1 for each of the botacells belonging to the initial area, and simultaneously adds the voxel to the end of the processing botacell list.
  • the determination unit 43 deletes the topmost button of the processing boutelle cell list (hereinafter referred to as the upstream voxel) from the processing batter cell list.
  • a boatel that is adjacent to the upstream buttonel and has a value power ⁇ in the output region is referred to as a downstream buttonel. If the value of the work image in the downstream voxel is not 0 and is less than or equal to the value of the work image in the upstream bocell, for each of the downstream buttonels, the determination unit 43 sets the value of the downstream buttonel in the output area to 1 To. If the value of the working image in the downstream button cell is greater than 1, the determination unit 43 adds the downstream button cell to the end of the processing button cell list.
  • the determination unit 43 sets the region obtained as the region extension output as a new critical initial region.
  • the determination unit 43 sets the value of the work image in the button cell belonging to the same area to 0.
  • the center of gravity recorded in (1) is a representative point corresponding to the critical initial region determined here.
  • the determination unit 43 repeats the processes (1) to (3) until the maximum value in the work image becomes 1.
  • the extended nodule candidate region critical part can be divided into a plurality of critical initial regions respectively corresponding to these peripheral regions.
  • FIG. 24 is a diagram illustrating the critical initial region two-dimensionally.
  • the expanded nodule candidate region 103 is a region formed by all the botasels represented by gray or black. Among the botasels belonging to the expanded nodule candidate region 103, numbers are further written in the botasels belonging to the expanded nodule candidate region critical portion 104.
  • This figure shows the value in distance conversion using the checkerboard distance of the extended nodule candidate region.
  • three critical initial regions 201, 202, and 203 are obtained as shown in FIG. Botasels belonging to the critical initial regions 201, 202, 203 are shown in dark black.
  • the central force of the generated ellipsoid model 101 and the vectors 204, 205, 206 to the representative points of the respective critical initial regions 201, 202, 203 are also shown.
  • step Se2 the determination unit 43 identifies the reduction evaluation region proximal portion for each critical initial region. That is, for each of the botasels that belong to the extended nodule candidate region and are located in the generated ellipsoid model, the determination unit 43 generates a vector from the center of the generated ellipsoid model to the relevant button cell and the critical initial region from the center of the generated ellipsoid model. If the dot product of the vector to the representative point of is not negative, the bocellel belongs to the proximal part.
  • the region located in the same direction as the representative direction among the regions that bisect the nodule candidate region in a plane that is orthogonal to the representative direction and passes through the center of the generated ellipsoid model is the reduced evaluation region proximal portion.
  • FIG. 25 is a diagram showing a reduction evaluation region proximal portion corresponding to the critical initial region 201 shown in FIG.
  • the region to be heard is the reduction evaluation region proximal portion 207.
  • step Se3 the determination unit 43 identifies the distal portion of the reduction evaluation region for each critical initial region. That is, the determination unit 43 specifies the distal portion of the reduction evaluation region by performing the directed region expansion described below based on each critical initial region.
  • center position is the center position of the generated ellipsoid model.
  • the representative direction is the direction of force from the center position to the representative point in the critical initial region.
  • the allowable angle is an angle that defines the direction in which the area expansion is allowed, and is a constant set in advance.
  • the upper limit projection distance is a distance indicating a range in which the region expansion is allowed, and is set to, for example, twice the radius of the generated ellipsoid model in the representative direction.
  • parameters other than the allowable angle are automatically set by the determination unit 43 according to the nodule candidate region.
  • the center position may be near the center of the generated ellipsoid model.
  • the center position of the nodule candidate region may be used as in the first embodiment. If the representative direction is generally along the direction that satisfies the above conditions, the center position and the representative point are all right.
  • the determination unit 43 creates a binary image having a size including the extended nodule candidate region, and initializes all the values of the botasels to zero. This binary image is used to store the progress of the directed area expansion, but is output as a result of the directed area expansion when the procedure is completed. Further, the determination unit 43 prepares one empty processing button cell list.
  • the determination unit 43 determines that the angle formed by the vector directed from the center position toward the button cell with the representative direction is within an allowable angle. Set the value of the button cell to 1 and at the same time add the button to the end of the processing button cell list.
  • the determination unit 43 deletes the button cell located at the head of the processing button cell list (hereinafter referred to as upstream box) from the processing button cell list.
  • a boatel that is adjacent to the upstream buttonel and has a value power ⁇ in the output region is referred to as a downstream boxel. If each downstream voxel satisfies all of the following conditions (a) to (c), the determination unit 43 sets the value of the downstream boatcell in the output region to 1 and sets the downstream buttoncell to the processing button. It will appear at the end of the cell list.
  • the downstream buttonacell belongs to the extended nodule candidate region.
  • the determination unit 43 ends when the processing button cell list becomes empty. Otherwise, the determination unit 43 returns to the process (6).
  • a fan-shaped area having a center angle that is open at each allowable angle on both sides of the representative direction and the radius is the upper limit projection distance
  • a nodule candidate area are centered on the center of the generated ellipsoid model.
  • the region formed by the botacells that belong in common to the excluded nodule candidate region is identified as the distal portion of the reduced evaluation region.
  • FIG. 26 is a diagram showing the distal portion of the reduction evaluation region identified by extending the critical initial region 201 shown in FIG. 25 in the directed region.
  • the area shown in black is the reduced evaluation area distal portion 208.
  • a line segment 209 is a straight line in the representative direction passing through the center position, and its length is the upper limit projection distance.
  • Dashed lines 210 and 211 indicate directions in which the angle formed with the representative direction is an allowable angle.
  • step Se4 the determination unit 43 calculates a reduction degree candidate value corresponding to each of the reduction evaluation region distal parts.
  • the determination unit 43 obtains a reduction degree candidate value as a value obtained by subtracting the volume ratio of the distal part of the reduction evaluation area to the vicinity of the reduction evaluation area from “1”.
  • the volume of the distal portion of the reduction evaluation region and the proximal portion of the reduction evaluation region are calculated based on this number and the volume of each individual button cell since the number of the button cells belonging to each volume is known. Togashi.
  • the line segment 209 is the observation line in the first embodiment
  • the ratio of the sum of the expanded nodule candidate region cross sections in the elliptic model accumulated in the first integrator and the second integrator is reduced. Approximate the volume ratio of the proximal evaluation area and the distal evaluation area. That is, the above reduction candidate value is a feature amount equivalent to the reduction degree in the first embodiment.
  • step Se5 the determination unit 43 obtains the distant portion opening degree for each of the reduction evaluation region distal portions as follows. That is, there is a one-to-one correspondence between the reduction value candidate value and the distal opening degree.
  • a set of 6 connected but touching botasels that do not belong to the area among the botasels belonging to a certain area is defined as the surface area of the area.
  • Judgment unit 43 The surface area force of the head part is reduced.Excluding the area corresponding to the proximal end or the distal end of the distal part.
  • the determination unit 43 obtains the degree of opening of the distal portion as I P fl Q I Z I P I. If P is an empty set ( ⁇ ), the determination unit 43 sets the open degree of the distal part to 1.
  • FIGS. 27 and 28 are diagrams showing examples of the first format
  • FIGS. 29 and 30 are diagrams showing examples of the second format.
  • the botel cell marked with * and the boxenore marked with X belong to the surface region of the distal portion of the reduction evaluation region.
  • the x-marked botagels are those that belong to the proximal end or the distal end of the distal portion of the reduced assessment area. Therefore, the number of botcells marked with * is P.
  • the button cells marked with a circle are those that belong to the surface region of the extended nodule candidate region. Therefore, Q is the number of voxels marked with a circle.
  • the representative direction of the directed region expansion approximately matches the axial direction of the blood vessel. Therefore, if there is a certain allowable angle, it will be PCQ. That is, P fl Q (the number of botasels in the region marked with both * and ⁇ in FIG. 28) is equal to P, and the distal opening degree is 1.
  • P f1 Q ⁇ as shown in FIG.
  • step Se6 the determination unit 43 determines, for each of the nodule candidate regions, among the reduction candidate values corresponding to the nodule candidate regions, the distal opening degree is equal to or greater than a preset cutoff value.
  • the minimum value of be a reduction degree.
  • the cut-off value is set to an intermediate value between 0, which is the minimum value of the degree of openness of the distal portion, and 1, which is the maximum value, that is, for example, before and after 0.5.
  • step SalO the determination unit 13 determines whether or not the nodule candidate region is a nodule based on the degree of reduction obtained as described above as in the first embodiment.
  • the result of determination as to whether or not a nodule is in the third embodiment is further confirmed on an image by an interpreting doctor.
  • the nodule and the surrounding structure of the nodule may be displayed using a volume rendering technique.
  • the generated ellipsoid model used in the reduction calculation may be displayed in a graphic overlay so as to surround the nodule by a display method called a wire frame.
  • the boundary between the nodule and the surrounding structure of the nodule is clearly displayed by displaying the distal part of the reduced evaluation area and the proximal part of the reduced evaluation area by distinguishing brightness and color. It is good to do so.
  • the display of the nodule and the structure surrounding the nodule may be a surface display using surface rendering. If it is also necessary to observe the internal structure of the nodule, as shown in Fig. 33, for example, a two-dimensional ellipsoid that is the intersection of the generated ellipsoid and each cross section on the MPR (Axial, Sagittal, Coronal) cross section with three orthogonal cross sections. It is okay to display and!
  • an area may be used as the feature amount.
  • the area of the expanded nodule candidate region cross section in the elliptic model in the observation plane 109 is obtained up to the starting point force end point of the search reference point, and the elliptical model in the centrifugal direction with respect to the area of the expanded nodule candidate region cross section in the elliptic model at the start point
  • the area reduction degree that is the ratio of the inner expanded nodule candidate region cross section is obtained. Then, referring to this area reduction degree, it is determined whether or not the nodule candidate region is a nodule force. For example, as shown in FIGS.
  • the product of the volume of the observation volume and the pixel value of the inner image of the original observation target volume may be used as the feature quantity. That is, for example, instead of adding the area of the expanded nodule candidate region cross section in the elliptic model to the first accumulator and the second accumulator, the product of the area of the pixel of the section and the corresponding pixel value is added.
  • the feature amount of only the continuous region outside the generated ellipsoid may be the product of the volume of the observation volume and the pixel value of the inner image of the original observation target volume.
  • the second accumulator instead of adding the area of the expanded nodule candidate region cross section within the elliptic model, the product of the pixel area of the cross section and the corresponding pixel value is added.
  • an addition value of pixel values may be used as the feature amount.
  • the pixel value of the original three-dimensional image is assigned as it is to the button cell belonging to the foreground part, and “0” is assigned as the button cell value to the button cell belonging to the background part.
  • the above botacell values are added in calculating the area of the expanded nodule candidate region cross section in the elliptic model in the first embodiment and in calculating the foreground occupancy ratio in the second embodiment.
  • the pixel value of the original image may be assigned only to the continuous area of the foreground portion of the non-generated ellipsoid.
  • all the volume of ellipsoidal botasels that increase sequentially are added, and the product of pixel values is further added for an ellipsoid having a larger axial length than the ellipsoid model generated by the nodule candidate region specifying unit 11. .
  • the foreground occupancy calculation target region may be the inside of the ellipsoidal shell 112 between two ellipsoidal models having different sizes as shown in FIG.
  • the thickness of the ellipsoidal shell 112 is, for example, a thickness equivalent to one votacel or more.
  • the reduction calculation method in the third embodiment can be used in place of the search reference point identification and reduction calculation processing of FIG. 2 in the first embodiment. Also Conversely, the processing of specifying the search reference point and the calculation of the reduction degree in FIG. 2 in the first embodiment can be used in place of the reduction degree calculation method in the third embodiment.
  • the present invention can also be applied to the reduction degree calculation process in the first embodiment.
  • the powers described in each of the above embodiments regarding the determination of the nodular abnormality in lung cancer can be applied to the aneurysm abnormality that continues to the blood vessel such as a cerebral aneurysm that is a cerebrovascular disorder. Is also applicable.
  • a 3D image acquired by the multi-slice CT2 is a processing target.
  • diagnostic modalities such as an X-ray diagnostic apparatus, a magnetic resonance diagnostic apparatus, or an ultrasonic diagnostic apparatus.
  • the collected 3D images can be processed.
  • the nodule candidate area may not be automatically identified, and the nodule candidate area designated by the user may be determined!
  • an abnormal candidate region included in an image representing the inside of a subject is an anatomical abnormality such as a nodule.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Ultra Sonic Daignosis Equipment (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Analysis (AREA)
  • Image Processing (AREA)

Abstract

　画像診断処理装置は、被検体の内部を表す画像に含まれる異常候補領域に連続する周辺領域を特定する周辺領域特定手段（１１，１２）と、異常候補領域に関する第１の特徴量と周辺領域に関する第２の特徴量とに基づいて異常候補領域が解剖学的異常領域であるか否かを判定する判定手段（１３）とを備える。

Description

明 細 書
画像診断処理装置および画像診断処理プログラム
技術分野
[0001] 本発明は、 X線コンピュータ断層撮影装置、 X線診断装置、磁気共鳴診断装置、あ るいは超音波診断装置などの医用画像診断モダリティを用いて収集された 3次元画 像から結節状異常または瘤状異常のような解剖学的異常についての診断処理を行う 画像診断処理装置および画像診断処理プログラムに関する。
背景技術
[0002] 現在、日本国で肺癌は悪性腫瘍死の第一位を占めると共に増加の一途を迪つて おり、喫煙対策による予防と並んで早期発見への社会的な要請が強い。 日本国の各 自治体では胸部単純 X線写真と喀痰細胞診による肺癌検診が施行されて!、るが、 1 998年に出された日本国旧厚生省の「癌検診有効性評価に関する研究班」の報告 では、現行の肺癌検診では効果があるとしても小さいと結論されている。 X線コンビュ ータ断層撮影法 (以下、 CTと記す)では胸部単純 X線写真よりも容易に肺野型肺癌 を発見できる力 ヘリカルスキャン方式の CTが現れた 1990年以前は撮像時間が長 く検診に使用できな力つた。しかしヘリカル CTが登場して間もなく被曝を低減するた めに比較的低い X線管電流で撮像する方法 (以下、低線量ヘリカル CTと記す）が開 発され、これを用いた肺癌検診のパイロット研究が日本国および米国で行われた。そ の結果、低線量ヘリカル CTが胸部単純 X線写真を大きく上回る肺癌検出率を有す ることが実証されている。
[0003] 一方、ヘリカル CTの撮像に要する時間は 1998年以降の CT検出器の多列化によ つて短縮され続けており、最新の多検出器列ヘリカル CTではほぼ等方的な lmm未 満の解像度で肺全体を 10秒未満で撮像可能である。このような CTの技術革新は肺 癌をより小さな段階で発見できる可能性を拓いているが、多検出器列ヘリカル CTは 1回のスキャン当り数百枚の画像を生成するため、読影に要する負担が著しく増大す るという問題も招いている。
[0004] 上記の背景より、低線量ヘリカル CTが肺癌検診の方法として確立されるためには、 肺癌の見落としを防ぐためのコンピュータによる読影支援診断システム (Computer As sisted Diagnosis) (以下、 CADと記す）が必要であることが広く認識されている。小さ な肺野型肺癌は CT画像上で結節状異常として現れるため、このような異常の自動的 検出（以下、 CT肺結節自動検出と記す）は極めて重要なテーマであり、 1990年代よ り様々な研究が行われてきた（例えば、「David S. Paik,ほか 7名， "Surface Normal O verlap: A Computer- Aided Detection Algorithm With Application toし olonic Polyps and Lung Nodules in Helical CT", IEEE TRANSACTIONS ON MEDICAL IMAGING , VOL.23, NO.6, 2004年 6月， p.661- 675」を参照）。
発明の開示
[0005] CT肺結節自動検出に対しては、何らかの方法で結節の候補となる領域 (以下、結 節候補領域と記す)を抽出し、この結節候補領域を特徴付ける複数の特徴量を求め 、これら特徴量に基づ 、て結節候補領域が結節であるか否かを判定すると 、うアブ ローチがとられる。し力しながら、結節は肺血管の一部と特徴が類似するため、結節 候補領域を特徴付ける特徴量からでは、結節と肺血管とが的確に区別できな 、こと かあつた。
[0006] 本発明はこのような事情を考慮してなされたものであり、その目的とするところは、被 検体の内部を表す画像に含まれる異常候補領域が結節のような解剖学的異常であ る力否かを高精度に判定することを可能とすることにある。
[0007] 本発明の第 1の態様による画像診断処理装置は、被検体の内部を表す画像に含ま れる異常候補領域に連続する周辺領域を特定する周辺領域特定手段と、前記異常 候補領域に関する第 1の特徴量と前記周辺領域に関する第 2の特徴量とに基づいて 前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段とを備え る。
[0008] 本発明の第 2の態様による画像診断処理装置は、被検体の内部を表す画像に含ま れる異常候補領域をほぼ内包するとともに前記異常候補領域外の領域も含んだ第 1 の比較領域に関する第 1の特徴量と、前記異常候補領域とほぼ一致するか、または 前記異常候補領域にほぼ内包される第 2の比較領域に関する第 2の特徴量とに基づ いて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段を備 える。
[0009] 本発明の第 3の態様による画像診断処理装置は、被検体の内部を表す画像に含ま れる異常候補領域と重なるかあるいは連続する構造に相当する領域を特定する手段 と、前記の構造に相当する領域を 3次元的に探索する方向を求める手段と、前記探 索方向に沿った複数の位置に対応する特徴量を求める手段と、前記複数の位置に おける特徴量に基づ!、て、前記異常候補領域が解剖学的異常領域であるか否かを 判定する手段とを備える。
[0010] 本発明の第 4の態様による画像診断処理装置は、被検体の内部を表す画像にお ける解剖学的異常領域の有無を判定する画像診断処理装置にお!ヽて、前記画像に 対して閾値処理を施す閾値処理手段と、前記閾値処理手段により処理された画像か ら、ペナルティー画像を生成する手段と、前記ペナルティ画像に対して、球体状また は楕円体状のモデルをフィッティングすることにより、すりガラス陰影を含む異常候補 領域を決定する手段とを備える。
[0011] 本発明の第 5の態様による画像診断処理プログラムは、コンピュータを、被検体の 内部を表す画像に含まれる異常候補領域に連続する周辺領域を特定する周辺領域 特定手段と、前記異常候補領域に関する第 1の特徴量と前記周辺領域に関する第 2 の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定 する判定手段として機能させる。
[0012] 本発明の第 6の態様による画像診断処理プログラムは、コンピュータを、被検体の 内部を表す画像に含まれる異常候補領域をほぼ内包するとともに前記異常候補領 域外の領域も含んだ第 1の比較領域に関する第 1の特徴量と、前記異常候補領域と ほぼ一致するか、または前記異常候補領域にほぼ内包される第 2の比較領域に関す る第 2の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否か を判定する判定手段として機能させる。
図面の簡単な説明
[0013] [図 1]図 1は、本発明の画像診断処理装置が適用されたコンピュータ支援画像診断 処理装置の第 1の実施形態における構成を示す図である。
[図 2]図 2は、図 1に示すコンピュータ支援画像診断処理装置における結節検出のた めの処理の概略を示すフローチャートである。
[図 3]図 3は、図 1中のマルチスライス CTで取得された 3次元画像データが表す画像 およびこの画像力も分割された前景部の画像を示す図である。
[図 4]図 4は、楕円体モデルの生成処理を説明する図である。
[図 5]図 5は、ペナルティ画像の合成過程について説明する図である。
圆 6]図 6は、楕円体モデルの変形処理を説明する図である。
圆 7]図 7は、変形完了後の楕円体モデルとこの楕円体モデルにより特定される結節 候補領域とを示す図である。
[図 8]図 8は、拡張結節候補領域の特定について説明する図である。
[図 9]図 9は、探索基準点を生成するための処理を説明する図である。
[図 10]図 10は、図 1中の判定部が遁減度を計算するための処理のフローチャートで ある。
圆 11]図 11は、拡張結節候補領域の探索の様子を示す図である。
[図 12]図 12は、拡張結節候補領域の探索の様子を示す図である。
[図 13]図 13は、拡張結節候補領域の探索の様子を示す図である。
[図 14]図 14は、拡張結節候補領域の探索の様子を示す図である。
[図 15]図 15は、第 3の終了条件について説明する図である。
[図 16]図 16は、第 4の終了条件について説明する図である。
[図 17]図 17は、本発明の画像診断処理装置が適用されたコンピュータ支援画像診 断処理装置の第 2の実施形態における構成を示す図である。
[図 18]図 18は、図 17中のコンピュータ支援画像診断処理装置における結節検出の ための処理の概略を示すフローチャートである。
[図 19]図 19は、占有率変化度について説明する図である。
[図 20]図 20は、本発明の画像診断処理装置が適用されたコンピュータ支援画像診 断処理装置の第 3の実施形態における構成を示す図である。
[図 21]図 21は、図 20に示すコンピュータ支援画像診断処理装置における結節検出 のための処理の概略を示すフローチャートである。
[図 22]図 22は、楕円体モデルの初期半径が決定されて力も楕円体モデルが決定さ れるまでに利用される画像を示す図である。
[図 23]図 23は、図 20中の判定部による遁減度計算の処理手順を示すフローチヤ一 トである。
[図 24]図 24は、臨界初期領域を 2次元的に例示する図である。
[図 25]図 25は、図 24に示した臨界初期領域に対応する遁減評価領域近位部を示 す図である。
[図 26]図 26は、図 25に示した臨界初期領域を有向領域拡張して特定された遁減評 価領域遠位部を示す図である。
[図 27]図 27は、遁減評価領域遠位部における表面領域に相当するボタセルを示す 図である。
[図 28]図 28は、拡張結節候補領域における表面領域に相当するボタセルを示す図 である。
[図 29]図 29は、遁減評価領域遠位部における表面領域に相当するボタセルを示す 図である。
[図 30]図 30は、拡張結節候補領域における表面領域に相当するボタセルを示す図 である。
[図 31]図 31は、結節と結節周囲構造とをボリュームレンダリング技術を用いて表示す る画像に、生成楕円体モデルをワイヤーフレームと呼ばれる表示法にて結節を囲む ようにグラフィックオーバーレイ表示する例を示す図である。
[図 32]図 32は、結節と結節周囲構造とをボリュームレンダリング技術を用いて表示す る画像における遁減評価領域遠位部と遁減評価領域近位部とを明るさやカラーの区 別により表示する例を示す図である。
[図 33]図 33は、直交 3断面の MPR断面上に生成楕円体と各断面との交差線である 2次元楕円体とを表示する例を示す図である。
[図 34]図 34は、面積遁減度を参考に結節候補領域が結節である力否かを判定する 処理を説明する図である。
[図 35]図 35は、面積遁減度を参考に結節候補領域が結節である力否かを判定する 処理を説明する図である。 [図 36]図 36は、ボタセル値の割り当ての変形例を示す図である。
[図 37]図 37は、前景占有率の計算対象領域の変形例である楕円体殻を示す図であ る。
発明を実施するための最良の形態
[0014] 以下、図面を参照して本発明の実施形態について説明する。
[0015] (第 1の実施形態）
図 1は本発明の画像診断処理装置が適用されたコンピュータ支援画像診断処理装 置 1の構成を示す図である。
[0016] この図 1に示すコンピュータ支援画像診断処理装置 1は、マルチスライス CT2により 取得された 3次元画像データを処理対象とする。コンピュータ支援画像診断処理装 置 1は、図 1に示すように、結節候補領域特定部 11、拡張結節候補領域特定部 12 および判定部 13を含む。
[0017] このコンピュータ支援画像診断処理装置 1は、例えば汎用のコンピュータ装置を基 本ノヽードウエアとして用いることができる。そして結節候補領域特定部 11、拡張結節 候補領域特定部 12および判定部 13は、上記のコンピュータ装置に搭載されたプロ セッサに画像診断処理プログラムを実行させることにより実現することができる。このと きにコンピュータ支援画像診断処理装置 1は、上記の画像診断処理プログラムが上 記のコンピュータ装置に予めインストールされて実現されても良いし、磁気ディスク、 光磁気ディスク、光ディスク、半導体メモリなどのようなリムーバブルな記録媒体に記 録して、あるいはネットワークを介して上記の画像診断処理プログラムを配布し、この 画像診断処理プログラムを上記のコンピュータ装置にインストールして実現されても 良い。なお、上記の各部は、その一部または全てをロジック回路などのハードウェア により実現することも可能である。また上記の各部のそれぞれは、ハードウェアとソフト ウェア制御とを組み合わせて実現することも可能である。
[0018] 結節候補領域特定部 11は、処理対象となる 3次元画像データが表す画像 (以下、 処理対象画像と記す）中で、結節であり得る領域 (以下、結節候補領域と記す)を特 定する。拡張結節候補領域特定部 12は、処理対象画像中で、拡張結節候補領域を 特定する。拡張結節候補領域は、上記の結節候補領域とそれに連続する周辺領域 とを含む。判定部 13は、結節候補領域および周辺領域のそれぞれの特徴量に基づ V、て結節候補領域が結節である力否かを判定する。
[0019] 次に以上のように構成されたコンピュータ支援画像診断処理装置 1の動作につい て説明する。
[0020] 図 2はコンピュータ支援画像診断処理装置 1における結節検出のための処理の概 略を示すフローチャートである。ステップ Sal乃至ステップ Sa6は結節候補領域特定 部 11による処理である。ステップ Sa7は拡張結節候補領域特定部 12による処理であ る。ステップ Sa8乃至ステップ Sal 0は判定部 13による処理である。
[0021] まず、診断対象となる被検体の肺を含む胸部全体をマルチスライス CT2によって撮 影する。
[0022] ステップ Salにおいて結節候補領域特定部 11は、上記の撮影によりマルチスライス CT2で取得された 3次元画像データを入力する。
[0023] ステップ Sa2において結節候補領域特定部 11は、上記の 3次元画像データが表す 処理対象画像から肺に相当する領域を分割する。この処理には、例えば既存の方法 を利用可能である。この既存の方法は、典型的には「Hu S, Hoffinan EA, Reinhardt J M. Automatic lung segmentation for accurate quantitation of volumetric X-ray CI ι mages. IEEE Trans Med Imaging 2001; 20:490-498」に示される方法である。
[0024] ステップ Sa3にお 、て結節候補領域特定部 11は、ステップ Sa2で得た肺領域を、 肺血管と結節とにおよそ相当する前景部とそれ以外の背景部とに二分する。この処 理には、例えば既存の適応的閾値処理を適用可能である。この適応的閾値処理は、 典型的【こ i¾「Manay S, Yezzi A. Antigeometnc diffiision for adaptive thresholding an d fast segmentation. IEEE Trans Image Processing 2003; 12:1310-1323」に される 方法である。図 3 (a)はマルチスライス CT2で取得された処理対象画像を示す図であ る。図 3 (b)は図 3 (a)に示す処理対象画像から分割された前景部の画像を示す図で ある。なお、図 3 (a)に示す円内に結節が存在している。また図 3 (b)における黒地範 囲が肺領域に相当し、この肺領域の中の白抜き領域が肺領域の前景部を表す。
[0025] ステップ Sa4にお 、て結節候補領域特定部 11は、結節候補領域の中心となり得る 仮中心を決定する。まず結節候補領域特定部 11は、前景部に属する各ボタセルの 値を、各ボタセル力も背景部に属するボタセルへの最短距離に応じた値に変換する 。例えば図 4 (a)に示すような形状の前景部が含まれる領域に着目すると、図 4 (b)に 示すボタセル B1は、前景部に属する。そして背景部に属し、かつボタセル B1に最も 近いのは、ボタセル B2, B3である。ボタセル B1とボタセル B2, B3との距離（中心点 間の距離）は、 2ボタセル分である。そこでボタセル B1の値を、図 4 (b)に示すように「 2」とする。この結果図 4 (b)に示すように、基本的には前景部の内部に行くほど大き な値を有する画像へと変換される。そして結節候補領域特定部 11は、この距離変換 後の値が極大となる点を、仮中心として決定する。最大の値を持つボタセルが 1つの みの場合、仮中心はこのボタセルのボタセル点となる。最大の値を持つボタセルが 2 つ以上有る場合には、仮中心はこれらのボタセルのボタセル点の重心位置となる。例 えば図 4 (b)では、ボタセル B1とボタセル B4とがともに最大の値を持つから、これらボ クセル Bl, B4のボタセル点の重心（中間点） Pを仮中心とする。なお通常は、肺領域 の画像中に結節であり得る前景部領域が複数存在する。結節候補領域特定部 11は 、これらの複数の領域にっ 、てそれぞれ仮中心を決定する。
[0026] 以降の処理は、上記の複数の仮中心のそれぞれについて行われる力 それらは同 様な処理であるので、以下では 1つの仮中心についての処理のみを説明する。
[0027] ステップ Sa5において結節候補領域特定部 11は、仮中心を内在する楕円体モデ ルを生成する。具体的には、結節候補領域特定部 11はまず、上記の仮中心を中心 とし、距離変換後の極大値を半径とする球で初期化された楕円体モデルを用意する 。図 4 (c)は、図 4 (b)のように決定された仮中心 Pに対する楕円体モデルを示す図で ある。図 4 (c)では、楕円体モデルの断面を破線で示している。そして結節候補領域 特定部 11は、この楕円体モデルを、画像の有する情報に基づいて変形する。楕円 体モデルの変形は、例えば既存の方法に準じて行うことができる。この方法は、典型 的に【ま厂 LH, Duncan Jb. Model-based deformable surface finding for medical ι mages. IEEE Trans Med Imaging 1996; 15:720- 731」に示される方法である。この方 法は、一般の 3次元画像におけるフーリエ曲面の変形に関する。なお楕円体は、最も 単純なフーリエ閉曲面である。上記の方法による楕円体モデルの変形は、与えられ た 3次元画像の濃度勾配の大きさに負号をつけたものをペナルティ画像として、この ペナルティ画像の値のフーリエ曲面上での積分を最小化するようになされる。ただし ここでは、上記の方法の改良として、対象とする 3次元画像と LoG (Laplacian-of-Gau ssian)フィルタとの畳込みの絶対値に、対象とする 3次元画像の濃度勾配の大きさ〖こ 負号をつけたものを加算して得られる画像をペナルティ画像とする。 LoGフィルタは、 一種の二次微分を行うものである。一方、濃度勾配は、一次微分フィルタによって得 られる。このため、ここで用いるペナルティ画像は、対象とする 3次元画像の一次微分 フィルタ処理結果と二次微分フィルタ処理結果とを合成したものと言える。
[0028] ペナルティ画像の合成過程について、図 5を参照しながらさらに詳しく説明する。こ の合成過程を一次元的に例示するために、結節を貫通する直線に沿った濃度の変 動がグラフ G1のように表されるとする。なお、グラフ G1における中央部の山が結節に 相当する。グラフ G2としてその形状を示す LoGフィルタを、グラフ G1に畳込んだ結 果およびその絶対値は、グラフ G3および G4のようになる。一方、グラフ G1に示され る濃度変動の勾配の大きさに負号をつけると、グラフ G5が得られる。そして、グラフ G 4とグラフ G5とを合成することにより、グラフ G6が得られる。グラフ G5とグラフ G6とを 比較すると、グラフ G6は結節の境界に相当する位置でより明瞭な谷を有しており、ぺ ナルティ値としての使用により適している。なお、図 5における破線はゼロを表す基線 である。
[0029] そして例えば図 6に示すように、ペナルティ画像におけるペナルティ値の谷に楕円 体モデルが沿うように楕円体モデルを変形する。
[0030] ステップ Sa6において結節候補領域特定部 11は、変形完了後の楕円体モデルに 基づ!/、て、距離変換を行って!/、な!、元の処理対象画像における結節候補領域を特 定する。すなわち、結節候補領域特定部 11は、変形完了後の楕円体モデル内に位 置し、かつ肺領域前景部に属するボタセルの集合を結節候補領域として特定する。 図 7 (a)は変形完了後の楕円体モデル 101を結節とその近傍に当たる処理対象画像 の一部分の半透過表示とに重ねて表わした図である。図 7 (b)に示した構造は図 3(a) に示した結節とその近傍における肺領域前景部であり、上記のようにして特定された 結節候補領域 102を比較的濃 ヽ色で示す。
[0031] なお後で参照するために、ここで結節候補領域の生成に使用された変形完了後の 楕円体モデルを、当該結節候補領域の生成楕円体モデルと呼ぶことにする。
[0032] ステップ Sa7において拡張結節候補領域特定部 12は、結節候補領域に対応する 拡張結節候補領域を決定する。拡張結節候補領域は当該結節候補領域と重なるか
、あるいは連続する構造に相当する領域である。
[0033] 拡張結節候補領域の特定について、図 8を参照しながら詳しく説明する。なお、拡 張結節候補領域は 3次元的に特定するが、ここでは説明の簡略ィ匕のために、過程を
2次元的に例示する。
[0034] 図 8 (a)は CT画像の小領域を示す。図 8(b)はこの小領域における肺領域前景部を 灰色で、背景部を白色で示すと共に、楕円を一つ示してある。この楕円が、当該結節 候補領域の生成楕円体モデル 101を例示するものとして説明を進める。従って図 8 ( b)における円内の灰色の領域が結節候補領域 102に相当する。
[0035] 図 8 (c)は結節候補領域 102を拡大して示す。図 8 (c)における黒丸は、結節候補 領域 102の重心 102aである。図 8 (c)で、白い十字で標識されるボタセルは、結節候 補領域 102に属し、かつ当該結節候補領域 102に属さないボタセルと隣接するボタ セルである。これら白い十字で標識されるボタセル力 成る領域を結節候補領域 102 の内境界と定義する。黒い十字で標識されるボタセルは、結節候補領域 102に属さ ず、かつ当該結節候補領域 102に属するボタセルと隣接するボタセルである。これら 黒い十字で標識されるボタセルから成る領域を結節候補領域 102の外境界と定義す る。また、内境界に属するボタセルの平均濃度を当該結節候補領域 102に関する内 境界濃度と定義する。同様に、外境界に属するボタセルの平均濃度を当該結節候補 領域 102に関する外境界濃度と定義する。結節候補領域 102に対応する拡張結節 候補領域は、内境界濃度と外境界濃度との加重平均 (以後、平均境界濃度と記す） を閾値とする閾値処理を経て得られる。この閾値処理では、対象とする 3次元画像に おいて平均境界濃度以上の濃度を示しかつ肺領域内に位置するボタセルを「1」、そ うでないボタセルを「0」とする 3次元配列をまず生成する。この 3次元配列における連 結成分 (値が「1」でありかつ互いに連結したボタセルの集合で、図 8(d)の灰色で示し た部分)のうち結節候補領域 102と共有するボタセルを持つものを図 8(e)に示すよう に結節候補領域 102に関する拡張結節候補領域 103と定義する。このように、拡張 結節候補領域 103は、結節候補領域 102と、当該結節候補領域 102に連続する周 辺領域とからなる領域として特定される。なお、結節候補領域 102の生成楕円体モ デル 101 (再び図 8(f)において楕円として例示してある）の外に位置するボタセルのう ち生成楕円体モデル 101内に位置するボタセルと隣接するもの力も成る領域と、拡 張結節候補領域に共通する領域とを、拡張結節候補領域臨界部 104 (図 8(f)の黒で 示した部分)と定義する。
[0036] ステップ Sa8において判定部 13は、拡張結節候補領域中の探索基準点を特定す る。判定部 13は、拡張結節候補領域臨界部 104の連結成分と一対一に対応するよ うに探索基準点を生成する。例えば図 8 (f)における左側の連結成分に対しては、判 定部 13は以下のように探索基準点を生成する。判定部 13は図 9(a)に示すように、連 結成分に属する各ボタセルに対し、結節候補領域 102の重心 102aから当該ボクセ ルに至るベクトル 105 (以下、遠心ベクトルと記す）の方向へ当該ボタセルを始点とす る線分を伸長させ、その終点が拡張結節候補領域 103の外に出れば伸長を止める。 なお、この時にもし終点が肺領域内になければ、当該ボタセルは考慮の対象外とす る。このようにして定めた線分を、遠心方向線分 106と称する。判定部 13は、図 9(b) に示すように複数のボタセルのそれぞれに対して定められる複数の遠心方向線分 10 6のうちで最も長いものを選択する。そして判定部 13は、選択した遠心方向線分 106 の始点を与えるボタセルの位置を当該連結成分に対応する探索基準点 1707と定め る。
[0037] ステップ Sa9において判定部 13は、遁減度を計算する。図 10は判定部 13による遁 減度計算の処理手順を示すフローチャートである。この処理の中で拡張結節候補領 域の探索が行われるが、この探索における主な操作の様子を図 11乃至図 14に示す 。なお図 11, 12は結節候補領域が結節に相当する場合を、図 13, 14は結節候補 領域が肺血管に相当する場合をそれぞれ示す。
[0038] ステップ Sblにおいて判定部 13は、拡張結節候補領域 103について得られた探索 基準点 107の集合のうちに未選択の探索基準点 107がある力否かを確認する。
[0039] 未選択の探索基準点 107があるならば判定部 13は、ステップ Sblからステップ Sb2 へ進む。ステップ Sb2において判定部 13は、上記の探索基準点 107の集合のうちか ら未選択の 1つの探索基準点 107を選択する。
[0040] ステップ Sb3にお 、て判定部 13は、上記の選択した探索基準点 107に基づ 、て観 察基準線および観察基準点を設定する。判定部 13は、図 11 (a)に示すように、結節 候補領域 102の重心 102aを始点とする有向線分を、選択した探索基準点 107がそ の中点となるように設ける。そしてこの線分を観察基準線 108と定義する。また判定 部 13は、重心 102a上に観察基準点を設定する。なお観察基準点は固定的なもので はなぐ後述するように観察基準線の始点力 終点の間を移動する。
[0041] ステップ Sb4において判定部 13は、観察基準線 108に直交し、かつ観察基準点を 通る平面を観察平面 109として定義する。この上で判定部 13は、図 11 (b)に示すよ うに観察平面内に当該結節候補領域の生成楕円体モデルと観察平面との交線で与 えられる楕円で初期化された楕円モデルを設定する。次に判定部 13は、ステップ Sa 3で用いられたペナルティ画像の値の楕円モデル上での線積分が最小化するように 楕円モデルを変形させる。そして判定部 13は、観察平面 109における拡張結節候 補領域の断面のうち変形完了後の楕円モデルの内部にある部分の面積 (以下、楕 円モデル内拡張結節候補領域断面と記す)を計算する。図 11 (b)は変形完了後の 楕円モデル 110を示す。図 11 (c)は、図 11 (b)に含まれる楕円モデル内拡張結節 候補領域断面 111を示す。
[0042] ステップ Sb5において判定部 13は、現在の観察基準点が観察基準線 108の中点 以前 (探索基準点 107以前)であるか否かを判断する。
[0043] 現在の観察基準点が観察基準線 108の中点以前であるならば判定部 13は、ステ ップ Sb5力らステップ Sb6へ進み、そうでな!/、ならばステップ Sb5からステップ Sb7へ 進む。ステップ Sb6において判定部 13は、上記のように計算した楕円モデル内拡張 結節候補領域断面の面積を第 1積算器に加える。ステップ Sb7において判定部 13 は、上記のように計算した楕円モデル内拡張結節候補領域断面の面積を第 2積算 器に加える。なお、第 1積算器および第 2積算器は、判定部 13に含まれる。また第 1 積算器および第 2積算器は、図 10に示す処理の開始時に零で初期化される。
[0044] ステップ Sb8において判定部 13は、終了条件が成立しているか否かを確認する。こ こでは、終了条件は以下の 4つとする。 [0045] (第 1の終了条件）
観察基準点が、観察基準線の終点に達している。
[0046] (第 2の終了条件）
楕円モデル内拡張結節候補領域断面がなくなっている。
[0047] (第 3の終了条件）
図 15を参照して説明する。図 15は血管に付着した結節の辺縁部付近で観察基準 点が図 15 (a)力も図 15 (b)および図 15 (b)力も図 15 (c)への二間隔を移動する際に 変形完了後の楕円モデルが推移する様子を示して 、る。図 15 (b)と図 15 (c)との間 で、楕円モデル 110の大きさが急に変化している。これは、血管に付着した結節の辺 縁部において楕円モデル 110の範囲に結節の断面がもはや観察されなくなることに より、すなわち血管の断面のみが観察されるようになることにより起きる。このため、こ れ以降の探索は無意味であるので、上記の状態の発生を終了条件とする。この終了 条件の成立の判定は、次のような処理により実現できる。観察基準点の各位置で、楕 円モデルの平均変位 (変形前の楕円モデルの周に沿った点列と、これに対応する変 形完了後の楕円モデルの周に沿った点列を考え、 2つの点列の対応する点の間の 平均距離として求められる）を楕円モデルの平均実効半径 (変形前の楕円モデルの 実効半径と変形完了後の楕円モデルの実効半径の平均値)で割った楕円モデル相 対平均変位を計算する。そして、楕円モデル相対平均変位が予め設定したある上限 値より大きければ、この終了条件が成立したこととする。
[0048] (第 4の終了条件）
図 16を参照して説明する。図 16は血管に付着した別の結節についての図である。 そして図 16 (a)は観察基準点が観察基準線の始点付近にある場合を、図 16 (b)は 観察基準点が観察基準線の中点付近にある場合をそれぞれ示している。図 16 (a) および図 16 (b)の下段の模式図にあるように、観察平面 109に当たる処理対象画像 のうち楕円モデル内の部分 (以下、楕円モデル内画像と記す）は、その濃度が平面 内の座標に応じて線形に変化する成分 (以下、楕円モデル内画像線形成分と記す） とそれ以外の成分 (以下、楕円モデル内画像非線形成分と記す)とに分解できる。楕 円モデルが血管の横断面とおよそ合致している力、あるいは図 16 (a)に示すように結 節の断面とおよそ合致している場合は、楕円モデル内画像における濃度変動は主と して楕円モデル内画像非線形成分の濃度変動によって説明される。ところが図 16 (b )に示すように楕円モデルが血管の縦断面と血管の中央とから外れて重なる場合等 では、楕円モデル内画像における濃度変動の多くが楕円モデル内画像線形成分の 濃度変動によって説明される。一般に、血管に付着した結節と血管との移行部で図 1 6 (b)に類似する場合が生じ得る。そして、この状態が生じた場合には、これ以降の 探索は無意味であるので、上記の状態の発生を終了条件とする。この終了条件の成 立の判定は、次のような処理により実現できる。観察基準点の各位置で、楕円モデル 内画像非線形成分における濃度の標準偏差を楕円モデル内画像における濃度の 標準偏差で割った楕円モデル内画像非線形成分寄与割合を計算する。そして、楕 円モデル内画像非線形成分寄与割合が予め設定したある下限値より小さければ、こ の終了条件が成立したこととする。
[0049] このような終了条件のいずれも成立していないのならば、判定部 13はステップ Sb8 力 ステップ Sb9へ進む。ステップ Sb9において判定部 13は、観察基準点を一定の 細かい間隔だけ観察基準線 108上で移動させる。これにより、観察平面も観察基準 点に付随して移動する。この上で判定部 13は、ステップ Sb4以降を繰り返す。これに より判定部 13は、楕円モデルを変形させて楕円モデル内拡張結節候補領域断面の 面積を計算する過程を、観察基準点を一間隔移動しつつ、終了条件が成立するま で繰り返す。
[0050] 終了条件が成立したならば、判定部 13はステップ Sb8からステップ SblOへ進む。
ステップ SblOにおいて判定部 13は、第 2積算器の値を第 1積算器の値で割った商 を算出する。この商は、現在選択している探索基準点について、拡張結節候補領域 遠位部の同領域近位部に対する体積比を表す。そして判定部 13は、このように算出 した体積比を記録しておく。こののちに判定部 13は、ステップ Sbl以降を繰り返す。 これにより判定部 13は、拡張結節候補領域 103について得られた全ての探索基準 点 107のそれぞれに対して体積比を算出し、記録して行く。
[0051] 拡張結節候補領域 103について得られた全ての探索基準点 107のそれぞれに対 して体積比の算出を終えたならば、ステップ Sblにて未選択の探索基準点が見つか らなくなる。そこでこの場合に判定部 13は、ステップ Sbl力らステップ Sbl l〖こ進む。 なお、拡張結節候補領域 103について探索基準点 107が 1つも得られていない場合 には、判定部 13は図 10の処理を開始した直後に、ステップ Sb2以降へ進むことなし にステップ Sblからステップ Sb 11へ進む。ステップ Sbl lにおいて判定部 13は、全 ての探索基準点について記録された商のうち最大値を「1」から引いた値を結節候補 領域 102の遁減度とする。なお、探索基準点 107が 1つも得られていない場合には、 記録された商のうち最大値のは「0」であるとする。
[0052] このようにして計算される遁減度は、結節候補領域 102とそれに連続する構造との 関係を要約する特徴量である。さらに詳しくは、拡張結節候補領域 103を結節候補 領域 102の重心 102aから遠心性にある距離にわたって探索することにより求められ る、拡張結節候補領域遠位部の拡張結節候補領域領域近位部に対する相対的体 積減少度を表す特徴量である。
[0053] 以上のように遁減度の計算を終えたならば、判定部 13は図 2におけるステップ Sa9 からステップ SalOへ進む。ステップ SalOにおいて判定部 13は、結節候補領域 102 が結節である力否かを判定する。結節候補領域 102が肺血管の一部である場合は、 結節候補領域 102に対応する拡張結節候補領域 103の近位部と遠位部とはともに 肺血管の一部に他ならないから、上記の遁減度はあるとしても小さい。すなわち遁減 度は零に近くなる。これに対し、結節候補領域 102が血管力 孤立した結節に相当 する場合は、拡張結節候補領域 103の遠位部の体積は拡張結節候補領域 103の 近位部に比較して僅かとなることから遁減度はその最大値である 1に近 、値となる。 判定部 13は、遁減度力も分力るこのような性質とともに、結節候補領域 102の実効径 や濃度コントラスト等の比較的単純な特徴量を使用して、上記の判定を行う。
[0054] このように第 1の実施形態によれば、マルチスライス CT2により取得された 3次元画 像において結節であり得る結節候補領域の各々について、結節候補領域に関する 特徴量と当該結節候補領域に連続する周辺領域に関する特徴量との比を参照する ために、非常に高精度に結節とそれ以外の血管等の組織とを区別することが可能で ある。従って、結節の検出能が高く擬陽性率が低い CADシステムを提供できる。
[0055] また第 1の実施形態によれば、結節候補領域を 3次元画像から自動的に特定する ので、 3次元画像力も結節を自動的に検出することができる。これにより、医師の負担 を軽減できるとともに、結節の見逃しを防止することができる。
[0056] また第 1の実施形態によれば、前述したような遁減度は、拡張結節候補領域遠位 部と同領域近位部との体積比である。すなわち、結節候補領域および周辺領域のそ れぞれの特徴量は、両領域の境界の近傍における一部ずつの領域の体積として求 めている。このため、結節候補領域の全域についての特徴量の算出、周辺領域の全 体形状の特定、あるいは周辺領域の全域にっ 、ての特徴量の算出と 、つた処理を 行う必要がなぐ効率的である。
[0057] (第 2の実施形態）
図 17は本発明の画像診断処理装置が適用されたコンピュータ支援画像診断処理 装置 3の構成を示す図である。なお、図 17において図 1と同一部分には同一の符号 を付し、その詳細な説明は省略する。
[0058] この図 17に示すコンピュータ支援画像診断処理装置 3は、マルチスライス CT2によ り取得された 3次元画像データを処理対象とする。コンピュータ支援画像診断処理装 置 3は、図 17に示すように、結節候補領域特定部 11および判定部 31を含む。
[0059] このコンピュータ支援画像診断処理装置 3は、例えば汎用のコンピュータ装置を基 本ノヽードウエアとして用い、第 1の実施形態におけるコンピュータ支援画像診断処理 装置 1と同様にして実現することができる。
[0060] 判定部 31は、結節候補領域に内在される楕円体モデルにおける前景占有率と、結 節候補領域を内在する楕円体モデルにおける前景占有率とに基づいて結節候補領 域が結節である力否かを判定する。
[0061] 次に以上のように構成されたコンピュータ支援画像診断処理装置 3の動作につい て説明する。
[0062] 図 18はコンピュータ支援画像診断処理装置 3における結節検出のための処理の概 略を示すフローチャートである。なお図 18において図 2と同一の処理を表すステップ には同一の符号を付し、その詳細な説明は省略する。
[0063] 図 18に示すように、まずステップ Sal乃至ステップ Sa6が、第 1の実施形態と同様 にして結節候補領域特定部 11により行われる。こののち、ステップ Sclおよびステツ プ Sc2が判定部 31により行われる。
[0064] ステップ Sclにおいて判定部 31は、占有率変化度を算出する。以下、図 19を参照 して占有率変化度の算出につ 、て説明する。
[0065] まず、図 19 (a)に示すように、前景部に属するボタセルのボタセル値を「1」、背景部 に属するボタセルのボタセル値を「0」と置く。そして判定部 31は、結節候補領域特定 部 11によって生成された生成楕円体モデル 101に含まれるボタセルのうち、前景部 に属するものと背景部に属するものとの割合 (以下、前景占有率と記す)を計算する。 この後に判定部 31は、 3主軸の軸の回転方向、および軸の長さの比は維持しながら 生成楕円体モデル 101を逐次的に大きくしながら、前景占有率の変化度を計算する 。この変化度が、占有率変化度である。
[0066] 結節候補領域特定部 11によって生成された生成楕円体モデル 101は、図 16 (b) に示すように結節候補領域の辺縁近傍に沿うから、生成楕円体モデル 101内の領域 は結節候補領域とほぼ一致する。そしてこの状態では、前景占有率はほぼ「1」にな る。生成楕円体モデル 101が大きくなると、背景部が生成楕円体モデル 101の中に 含まれるようになることから、前景占有率は低下する。結節の場合は図 19 (c)に示す ように、結節候補領域の周辺領域が小さいために、生成楕円体モデル 101の拡大領 域のほとんどが背景領域となる。これに対して肺血管の場合は図 19 (d)に示すように 、結節候補領域の周辺領域が大きいために、生成楕円体モデル 101の拡大領域に 多くの前景領域を含む。このため、図 19 (e)に示すように占有率変化度は、結節候 補領域が肺血管である場合に比べて結節である場合のほうが大きくなる。
[0067] ステップ Sc2において判定部 31は、上記のような性質とともに、結節候補領域 102 の実効径ゃ濃度コントラスト等の比較的単純な特徴量を使用して、結節候補領域が 結節であるか否かを判定する。
[0068] なお、楕円体モデルの中心力 軸長のみを逐次的に増大させる処理の開始は、結 節候補領域特定部 11によって生成される生成楕円体モデル 101より僅かに小さい 楕円体モデルからとしても良い。
[0069] このような第 2の実施形態によっても、結節候補領域に連続する周辺領域に関する 特徴をも考慮した判定を行うので、非常に高精度に結節とそれ以外の血管等の組織 とを区別することが可能である。
[0070] (第 3の実施形態）
第 1または第 2の実施形態は、典型的な結節（solid nodules)の検出に関して有効で ある。しかしながら、 GGO (すりガラス陰影： ground glass opacity)タイプの結節に関し ては、以下の理由で GGOタイプの結節に楕円体モデルを適合させる際に難点があ る。
[0071] GGOタイプの結節では、しばしばその内部に、より高い濃度の成分や既存の肺血 管が観察される。すなわち、 GGOという比較的低いコントラストのオブジェクトに囲ま れて比較的高いコントラストのオブジェクトが存在し得る。このため第 1または第 2の実 施形態では次のような不都合が生じるおそれがある。
[0072] (1) 肺領域を適応的閾値処理によって前景部と背景部とに分けた時、 GGOタイプ の結節では結節の一部しか前景部に入らないことが多い。このような場合、前景部の 距離変換の値を楕円体モデルの初期半径とすると、実際の結節の半径をかなり下回 つてしまう。
[0073] (2) 楕円体モデルの変形に使われるペナルティ画像は、濃度勾配に基づいて計算 されるため、楕円体モデルの表面が GGOに囲まれる高濃度成分ある!/ヽは血管の境 界部に引き付けられる可能性が高 、。
[0074] (3) 遁減度の計算に必要な拡張結節候補領域を閾値処理で求める際、適応的閾 値処理ならびに楕円体モデル変形の結果を用いて閾値が決定されて 、る。従って、
GGOタイプの結節に対する適応的閾値処理あるいは楕円体モデル変形が不適切 に終われば、拡張結節候補領域もやはり不適切となる。
[0075] この中で最も根本的不都合はペナルティ画像に関するものである。楕円体モデル に限らず可変形状モデルは、濃度勾配に応じて変形させるのが常套手段であるが、 この手段は GGOタイプの結節には不適当と言える。
[0076] そこで、これらを踏まえて GGOタイプの結節の検出にも適する第 3の実施形態につ いて以下に説明する。
[0077] 第 3の実施形態では、原画像に立ち返って適正な閾値濃度を決め、この閾値濃度 に基づくペナルティ画像を使って楕円体モデルを変形させるという手法に変更する。 そして同一の閾値濃度を使って拡張結節候補領域を予め求めておくことにする。ま た楕円体モデル初期半径もやはり原画像を用いて決定する方策を導入する。
[0078] 要するに第 3の実施形態は、楕円体モデル初期半径の決定、閾値濃度の決定およ びペナルティ画像作成の 3点に関する改良から構成される。後に詳述するように、所 与の原画像に対するペナルティ画像は、楕円体モデル初期半径、閾値濃度、ならび に事前に設定する一つのパラメータによって制御される簡単な過程を経て作成され る。楕円体モデル初期半径の決定過程も単純である。
[0079] 図 20は本発明の画像診断処理装置が適用されたコンピュータ支援画像診断処理 装置 4の構成を示す図である。
[0080] この図 20に示すコンピュータ支援画像診断処理装置 4は、マルチスライス CT2によ り取得された 3次元画像データを処理対象とする。コンピュータ支援画像診断処理装 置 4は、図 20に示すように、拡張結節候補領域特定部 41、結節候補領域特定部 42 および判定部 43を含む。
[0081] このコンピュータ支援画像診断処理装置 4は、例えば汎用のコンピュータ装置を基 本ノヽードウエアとして用い、第 1の実施形態におけるコンピュータ支援画像診断処理 装置 1と同様にして実現することができる。
[0082] 拡張結節候補領域特定部 41は、 3次元画像データが表す処理対象画像中で、結 節候補領域とそれに連続する周辺領域とからなる拡張結節候補領域を特定する。結 節候補領域特定部 42は、処理対象画像中で、結節であり得る結節候補領域を特定 する。判定部 43は、結節候補領域および周辺領域のそれぞれの特徴量に基づいて 結節候補領域が結節である力否かを判定する。
[0083] 次に以上のように構成されたコンピュータ支援画像診断処理装置 4の動作にっ ヽ て説明する。
[0084] 図 21はコンピュータ支援画像診断処理装置 4における結節検出のための処理の概 略を示すフローチャートである。なお図 21において図 2と同一の処理を表すステップ には同一の符号を付し、その詳細な説明は省略する。
[0085] 図 21に示すように、まずステップ Sal乃至ステップ Sa4力 第 1の実施形態と同様 にして行われる。ただし、第 3の実施形態においては、これらステップ Sal乃至ステツ プ Sa4は拡張結節候補領域特定部 41による処理である。図 21のフローチャートに示 されるその他のステップのうち、ステップ Sdl乃至ステップ Sd3は拡張結節候補領域 特定部 41による処理である。ステップ Sd4、ステップ Sd5およびステップ Sa6は結節 候補領域特定部 42による処理である。そしてステップ Sd6およびステップ SalOは判 定部 43による処理である。
[0086] ステップ Sdlにおいて拡張結節候補領域特定部 41は、楕円体モデルの初期半径 を決定する。具体的には、まず拡張結節候補領域特定部 41は、肺領域において結 節候補仮中心を中心として一辺が 2n+ 1ボタセルの並び力も成る立方形領域を注目 領域とする。なお、結節候補仮中心がボタセル中心と一致しない場合には、拡張結 節候補領域特定部 41は結節候補仮中心に最も近!、ボタセル中心を注目領域の中 心とする。 nは正整数で、拡張結節候補領域特定部 41は、これをまず 1とする。そし て拡張結節候補領域特定部 41は、注目領域内の濃度ヒストグラムのエントロピーを 計算する。次いで、拡張結節候補領域特定部 41は、 nを 1つ増やして注目領域を更 新し、更新後の注目領域内の濃度ヒストグラムのエントロピーを計算すると 、ぅサイク ルを、エントロピー値の極大が検出されるまで繰り返す。このエントロピーの計算は既 存の方法に準じて行うことができる。この既存の方法は、典型的には「Kadir T, Brady M. ¾aliency, scale, and image description, international Journal of Computer ision 2001; 45: 83-105」に示される方法である。
[0087] 拡張結節候補領域特定部 41は、エントロピーの極大値を与える nを Nとし、ボクセ ル幅の N倍を楕円体モデルの初期半径とする。すなわち、注目領域内のボタセルの ボタセル値の分布が一様である程、上記のようにして計算されるエントロピーが小さく なる。このため、注目領域の外縁が CT画像に表れた結節のような構造とその周囲と の境界付近にあるときには、エントロピーが増大する。つまりエントロピーが極大にな るときにおける注目領域の一辺の長さは、結節のような構造の直径に近似する可能 性が高い。そこで拡張結節候補領域特定部 41は、エントロピーが極大になるときに おける注目領域の中央に位置するボタセルの中央と端部に位置するボタセルの中央 との間の距離、すなわち当該注目領域に内接する球体の半径を初期半径とする。
[0088] 図 22は楕円体モデルの初期半径が決定されて力 楕円体モデルが決定されるま でに利用される画像を示す図である。なお図 22は 2次元画像を示している力 実際 には 3次元画像を利用する。画像 151は、 GGOタイプの結節が含まれた CT画像に この結節に関して決定された初期半径を持つ円を重ねて示して!/、る。
[0089] ステップ Sd2において拡張結節候補領域特定部 41は、閾値濃度を決定する。以下 、図 22を参照して閾値濃度の決定について説明する。
[0090] 拡張結節候補領域特定部 41は、結節候補仮中心を中心として、肺領域において 一辺の長さが上記で求めた初期半径の数倍である立方形領域を関心領域とする。 上記の倍数は任意であって良いが、関心領域が結節およびその周辺領域を十分に 含むことが望ましぐ一般的には 3倍程度と考えられる。以降の処理はこの関心領域 内に関して行う。
[0091] さて第 3の実施形態においては、閾値決定には濃度勾配を使った既存の方法を適 用する。この方法は、典型的には「Kittler J, Illingworth J, Foglein J. Threshold selec tion based on a simple image statistics. Computer Vision Grapnics and Image Proces sing 1985; 30: 125-147.」に示された方法である。この閾値決定法を以下においては 、 Kittler法と記す。この Kittler法は、次のような考えに基づく。
[0092] 閾値決定の目的は、画像の対象領域がオブジェクトと背景力も構成されて 、るとの 仮定の下に、対象領域を閾値処理によってオブジェクト領域と背景領域に正しく分割 することにある。オブジェクトと背景の境界には、有意な大きさの濃度勾配が存在して いると考えられるから、各ボタセルにおける濃度勾配の大きさ（Kittler法では X, y方向 の各々の濃度勾配を求め、大きい方を使用している）を重みとして関心領域内のボタ セルの濃度との加重平均を計算すれば、その加重平均値はオブジェクトと背景の境 界に位置するボタセルの平均的な濃度の近似とみなせる。そこでこの加重平均を閾 値と決める。
[0093] ここで、オブジェクトと背景の境界力も離れた位置にも有意な大きさの濃度勾配を示 すボタセルが多数あるような状況、すなわち、オブジェクトの濃度の不均一性が高い 状況や、ノイズが大きい状況などにおいては、 Kittler法はうまく働かない。そこで拡張 結節候補領域特定部 41は、閾値決定に当たって、次のような処理にて Kittler法の適 用を可能としている。 [0094] 今、関心領域の中心部に高濃度成分あるいは血管を内部に有する GGOがあるとし て、 GGO内の高濃度成分あるいは血管があまり含まれないような対象領域を設定で きたとする。そうすると対象領域におけるオブジェクトと背景とは、それぞれ GGOと肺 実質とにほぼ相当するから、この対象領域に Kittler法を適用すれば適正な閾値濃度 が求められると考えてよい。
[0095] そこで問題は、このような対象領域 (以下、閾値決定対象領域と記す)を求めること に帰着する。閾値決定対象領域を求める具体的手順を以下に示す。
[0096] 画像 152は、関心領域内で前景部に属するボタセルを白で、また背景部に属する ボタセルをグレーで示す。画像 152において黒で示される領域は、関心領域外であ る。
[0097] 画像 153は、画像 152から縮小前景部を抽出した画像である。画像 152における 白い部分が縮小前景部を表す。縮小前景部とは、画像 152にて前景部に属するボタ セルのうち 6連結（6- connectivity)で背景部に属するボタセルと隣接するものを除!ヽ た残りである。具体的には、拡張結節候補領域特定部 41は、画像 152にて前景部に 属するボタセルのそれぞれについて、そのボタセルに対して X, y, zの各方向に隣接 した合計 6つのボタセルの全てが前景部に属する力否かを確認する。そして拡張結 節候補領域特定部 41は、上記の条件を満たすボタセルのみを縮小前景部とし、これ 以外のボタセルは背景部とすることによって画像 153に示す画像を得る。力べして縮 小前景部は、ボタセル値が比較的大き 、ボタセルの集合となる。
[0098] 次に拡張結節候補領域特定部 41は、ステップ Sdlで決定した初期半径を持った 球形の楕円体モデル内であり、かつ縮小前景部に属するボタセルを画像 151に示す CT画像カゝら抽出して画像 154を得て、これを領域拡張の対象の初期領域とする。
[0099] 拡張結節候補領域特定部 41は、まず初期領域を現領域とする。拡張結節候補領 域特定部 41は、現領域の内境界に属するボタセル (以下、内境界ボタセルと記す） に隣接するとともに現領域の外境界に属するボタセル (外境界ボタセルと記す)の各 々について、その濃度が規定濃度よりも小さいか否かを確認する。なお拡張結節候 補領域特定部 41は、外境界ボタセルに隣接する内境界ボタセルの濃度にパラメータ aを加算した値を規定濃度とする。 [0100] そして上記の条件を満たす外境界ボタセルがあるならば、当該ボタセルを現領域に カロえることにより、現領域を拡張する。このように現領域を拡張したならば、新たな境 界に関する外境界ボタセルの各々について、上記の処理を繰り返す。このようなサイ クルを、新たに現領域にカ卩えるべきボタセルが見つ力もなくなるまで繰り返す。なお、 濃度が次第に下がる方向にのみ領域が拡張して行くように、パラメータ αは 0〜ノィ ズ標準偏差程度に設定される。このようにすれば、領域拡張の結果に、高コントラスト のオブジェクトが初期領域の近傍以外では含まれな 、ようにすることができる。
[0101] 画像 155は、拡張処理の結果として得られる。拡張結節候補領域特定部 41は、拡 張処理の結果力 初期領域を除いた画像 156に示すような領域を暫定閾値決定対 象領域とする。
[0102] さて、関心領域の中心に高濃度成分あるいは血管を内部に有する GGOがある場 合、内部の高濃度成分あるいは血管は前景部に入ると考えてよい。初期領域は、初 期状態の楕円体モデル内の前景部であったから、暫定閾値決定対象領域からは高 濃度成分あるいは血管の大部分は除外されて!、る。
[0103] 上記以外の場合は、関心領域の中心にある構造が何であっても、その構造は前景 部とおよそ対応していると考えてよい。暫定閾値決定対象領域は、初期状態の楕円 体モデル内で前景部の内境界に当たる部分を含んで 、る。つまり構造の辺縁沿 、の 部分は、暫定閾値決定対象領域に含まれているわけで、 Kittler法を暫定閾値決定 対象領域に適用すれば、閾値として決まる値はその構造の辺縁沿 、の平均的濃度 に近いと考えられる。
[0104] 濃度勾配の大きさが非常に小さい場合は、ノイズの寄与が優勢であると考えられる 。そこで拡張結節候補領域特定部 41は、閾値決定対象領域から、あるカットオフ値 未満の濃度勾配を呈するボタセルを除いたものを閾値決定対象領域とする。画像 15 7は、画像 156に基づく閾値決定対象領域を示す。なお、カットオフ値は、ノイズ標準 偏差 (例えば、画像で体外の空気に当たる部分力 推定される）を考慮して適切に定 められる。カットオフ値は典型的には、ノイズ標準偏差の数倍を目安として、経験則、 シミュレーション結果、あるいは実験結果などに基づ 、て定められる。
[0105] ステップ Sd3において拡張結節候補領域特定部 41は、ステップ Sdlで定義した関 心領域をステップ Sd2で決定した閾値濃度で閾値処理にかけて 2値画像を得る。画 像 158は、画像 151を画像 157に示す閾値決定対象領域の情報に基づいて決定さ れた閾値濃度で閾値処理にかけて得られた 2値画像である。この画像 158にお 、て 、白い領域およびグレーの領域が関心領域に相当する。白い領域に属するボタセル のボタセル値が 1であり、グレーの領域に属するボタセルのボタセル値力 ^であること を表す。黒い領域は、関心領域外であることを示す。拡張結節候補領域特定部 41は 、この 2値画像から、初期状態の楕円体モデルの表面および内部に当たる領域と重 なる連結成分のボタセル値のみを 1とし、その他のボタセル値を 0として、例えば画像 159のような画像を得る。この画像 159においてボタセル値が 1である領域を、拡張 結節候補領域と定める。
ステップ Sd4において結節候補領域特定部 42は、上記のように拡張結節候補領域 を表した画像に基づ!/、て、楕円体モデルの生成のためのペナルティ画像を作成する 。すなわち、まず結節候補領域特定部 42は、パラメータ hを h=r0und( |8 N)とする。 ここで、 Nは楕円体モデルの初期半径である。 βは事前に設定すべき正のパラメータ であり、 0. 5以下に設定するのが妥当である。結節候補領域特定部 42は、関心領域 内の各ボタセルをそれぞれ中心ボタセルとし、この中心ボタセルを中心とした一辺が 2h+ lボタセルの並び力 なる立方形領域を前記関心領域内にとることができるかど うかを確認する。上記のような立方形領域がとれるならば、結節候補領域特定部 42 は、肺領域の中の立方形領域にぉ 、て拡張結節候補領域に属するボタセルの割合 を p、拡張結節候補領域に属さないボタセルの割合を qとする。そして、結節候補領 域特定部 42は、 { 1— 2min(p, q) }として求まる値を、ペナルティ画像における中心 ボタセルの値と定義する。なお上記のような立方形領域がとれない時は、ペナルティ 画像における中心ボタセルの値を 1とする。 p + qは、 1であるから、 min(p, q)は常に 0〜0. 5の値である。そして、 min (p, q)が 0. 5であるときにボタセル値が最低の 0に なり、 min (p, q)が 0のときにボタセル値が最高の 1になる。 min (p, q)は、中心ボタ セルが拡張結節候補領域とその外領域との境界に近いほどに大きな値になる傾向 がある。従って、ペナルティ画像は、拡張結節候補領域とその外領域との境界の近 傍に濃度の谷間が存在する画像になる。画像 160は、画像 159から得られたペナル ティ画像である。
[0107] ステップ Sd5において結節候補領域特定部 42は、上記のペナルティ画像を使用し て楕円体モデルを変形する。すなわち結節候補領域特定部 42は、ステップ Sdlで 決定した初期の楕円体モデルの形状を、ペナルティ画像の濃度の谷間に沿うように 変形させる。この楕円体モデルの変形は、第 1の実施形態と同様な処理により実現で きる。この結果、画像 160に示すように、生成楕円体モデルの表面を確実に拡張結 節候補領域の境界付近に落ち着かせることが可能である。
[0108] こののちに結節候補領域特定部 42は、ステップ Sa6において第 1の実施形態と同 様にして結節候補領域を特定する。ただし結節候補領域特定部 42は、ステップ Sd5 で得られた生成楕円体モデルによって囲まれた画像領域の全てではなぐ拡張結節 候補領域のみを結節候補領域として特定する。
[0109] ステップ Sd6において判定部 43は、遁減度を計算する。以下、図 23乃至図 30を参 照して遁減度計算について説明する。
[0110] 図 23は判定部 43による遁減度計算の処理手順を示すフローチャートである。
[0111] この遁減度計算では、遁減評価領域遠位部の特定に有向領域拡張と呼ぶ特殊な 領域拡張を使用する。有向領域拡張で使用する初期領域は、第一の実施形態にお ける拡張結節候補領域臨界部 104の部分集合として求められるので、以下において 臨界初期領域と記す。なお、遁減評価領域近位部は領域拡張を用いずに決定され る。
[0112] 拡張結節候補領域臨界部が空集合であれば遁減度を 1とする。そうでなければ、 遁減度を次のように決める。
[0113] ステップ Selにおいて判定部 43は、結節候補領域に対する臨界初期領域を特定 する。臨界初期領域は一般に、 1つの結節候補領域に対して複数存在する。
[0114] 臨界初期領域は、作業用画像における極大を示す領域と一対一に対応するように 次の手順に従って決定される。なお、作業用画像は、拡張結節候補領域臨界部に 属するボタセルについては拡張結節候補領域の距離変換の当該ボタセルにおける 値とするとともに、それ以外のボタセルについては 0として初期化して作成される。
[0115] 判定部 43は、作業用画像における最大値を持つボタセルの値を 1、それ以外のボ クセルの値を 0とした 2値画像を作成する。判定部 43は、この 2値画像における連結 成分の各々について、次の処理を行う。
[0116] (1) 判定部 43は、連結成分の重心を記録する。
[0117] (2) 判定部 43は、連結成分を初期領域として、次の (2-1)〜(2-5)で構成される領域 拡張を行う。
[0118] (2-1) 判定部 43は、作業用画像に等しい大きさの 2値画像を作成し、全てのボタ セルの値を 0で初期化する。この 2値画像は、領域拡張の進行状況を格納するため に用いられるが、手順が終了する際に領域拡張の結果として出力されるので、以下 においては出力領域と記す。また判定部 43は、一つの空のリスト（以下、処理ボクセ ルリストと記す)を用意する。
[0119] (2-2) 判定部 43は、初期領域に属するボタセルの各々について、出力領域にお ける当該ボクセルの値を 1にし、同時に当該ボクセルを処理ボタセルリストの末尾に 加える。
[0120] (2-3) 判定部 43は、処理ボタセルリストの先頭に位置するボタセル（以下、上流ボ クセルと記す)を処理ボタセルリストから削除する。
[0121] (2-4) 上流ボタセルに隣接し、かつ出力領域での値力 ^であるボタセルを下流ボタ セルと記すことにする。判定部 43は、下流ボタセルの各々について、当該下流ボクセ ルにおける作業用画像の値が、 0ではなぐかつ上流ボタセルにおける作業用画像 の値以下であれば、出力領域における当該下流ボタセルの値を 1にする。また判定 部 43は、当該下流ボタセルにおける作業用画像の値が 1より大きければ、当該下流 ボタセルを処理ボタセルリストの末尾に加える。
[0122] (2-5) 判定部 43は、処理ボタセルリストが空になれば、領域拡張を終了する。そう でなければ判定部 43は、（2-3)の処理に戻る。
[0123] (3) 判定部 43は、領域拡張の出力として得られた領域を新たな臨界初期領域とす る。判定部 43は、同領域に属するボタセルでの作業用画像の値を 0とする。なお、（1) で記録した重心は、ここで確定する臨界初期領域に対応する代表点となる。
[0124] 判定部 43は、作業用画像における最大値が 1になるまで、上記 (1)〜(3)の処理を繰 り返す。 [0125] このような処理により、結節候補領域の周辺領域が複数存在する場合には、拡張 結節候補領域臨界部をこれらの周辺領域にそれぞれ対応した複数の臨界初期領域 に区分することができる。
[0126] 図 24は臨界初期領域を 2次元的に例示する図である。図 24において、拡張結節 候補領域 103はグレーまたは黒で表す全てのボタセルにより形成された領域である。 拡張結節候補領域 103に属するボタセルのうちで、さらに拡張結節候補領域臨界部 104に属するボタセルには数字を記している。この数字は、拡張結節候補領域のチ エス盤距離を使った距離変換における値を示している。図 24に示す例では、拡張結 節候補領域臨界部において距離変換の値に 3つの極大があるから、図 24に示すよう に 3通りの臨界初期領域 201, 202, 203が得られる。臨界初期領域 201, 202, 20 3に属するボタセルは、濃い黒で示している。図 24には、生成楕円体モデル 101の 中心力も各臨界初期領域 201, 202, 203の代表点へのベクトル 204, 205, 206も 示してある。
[0127] ステップ Se2において判定部 43は、各臨界初期領域について遁減評価領域近位 部を特定する。すなわち判定部 43は、拡張結節候補領域に属し、かつ生成楕円体 モデル内に位置するボタセルの各々について、生成楕円体モデルの中心から当該 ボタセルへのベクトルと生成楕円体モデルの中心から臨界初期領域の代表点への ベクトルとの内積が負ではなければ、当該ボタセルは近位部に属するとする。このよう な処理により、代表方向に直交し、かつ生成楕円体モデルの中心を通る平面で結節 候補領域を二分した領域のうちで代表方向と同じ方向に位置する領域が遁減評価 領域近位部として特定される。
[0128] 図 25は図 24に示した臨界初期領域 201に対応する遁減評価領域近位部を示す 図である。
Figure imgf000029_0001
ヽる領域が遁減評価領域近位部 207 である。
[0129] ステップ Se3において判定部 43は、各臨界初期領域について遁減評価領域遠位 部を特定する。すなわち判定部 43は、各臨界初期領域に基づいて、次に説明する 有向領域拡張を行うことで遁減評価領域遠位部を特定する。
[0130] 有向領域拡張においては、中心位置、代表方向、許容角度および上限投影距離 の 4つのパラメータを利用する。中心位置は、生成楕円体モデルの中心の位置であ る。代表方向は、中心位置から臨界初期領域の代表点に向力 方向である。許容角 度は、領域拡張を許容する方向を規定する角度であり、事前に設定される定数であ る。上限投影距離は、領域拡張を許容する範囲を示す距離であり、例えば代表方向 における生成楕円体モデルの半径の 2倍に設定される。ここで、許容角度以外のパ ラメータは、判定部 43が結節候補領域に応じて自動的に設定する。なお、中心位置 は、生成楕円体モデルの中心の近傍であれば良ぐ例えば第 1の実施形態のように 結節候補領域の重心位置としても良い。代表方向は、上記の条件を満たす方向に 概ね沿って ヽれば良ぐ中心位置や代表点カゝらずれて ヽても良 ヽ。
[0131] 以下に有向領域拡張の手順を示す。
[0132] (4) 判定部 43は、拡張結節候補領域を包含する大きさの 2値画像を作成し、全て のボタセルの値を 0で初期化する。この 2値画像は、有向領域拡張の進行状況を格 納するために用いるが、手順が終了する際に有向領域拡張の結果として出力される ので、以下においては出力領域と記す。また判定部 43は、一つの空の処理ボタセル リストを用意する。
[0133] (5) 判定部 43は、臨界初期領域に属するボタセルの各々について、中心位置から 当該ボタセルに向力うベクトルが代表方向となす角度が許容角度以内であれば、出 力領域における当該ボタセルの値を 1にし、同時に当該ボタセルを処理ボタセルリス トの末尾に加える。
[0134] (6) 判定部 43は、処理ボタセルリストの先頭に位置するボタセル（以下、上流ボクセ ルと記す)を処理ボタセルリストから削除する。
[0135] (7) 上流ボタセルに隣接し、かつ出力領域での値力 ^であるボタセルを下流ボクセ ルと記すことにする。判定部 43は、下流ボタセルの各々について、当該下流ボクセ ルが次の条件 (a)〜(c)を全て満たすならば、出力領域における当該下流ボタセルの 値を 1にし、当該下流ボタセルを処理ボタセルリストの末尾にカ卩える。
[0136] (a) 下流ボタセルが拡張結節候補領域に属する。
[0137] (b)上流ボタセルから下流ボタセルに向力うベクトルが代表方向となす角度力 許容 角度以内である。 [0138] (c) 中心位置を通る代表方向の直線への、中心位置と当該ボタセルを結ぶ線分 の投影の長さが上限投影距離以下である。
[0139] (8) 判定部 43は、処理ボタセルリストが空になれば終了する。そうでなければ判定 部 43は、（6)の処理に戻る。
[0140] この処理により、生成楕円体モデルの中心を中心とし、代表方向の両側に許容角 度ずつ開いた中心角を有するとともに半径が上限投影距離である扇形の領域と、結 節候補領域を除いた拡張結節候補領域とに共通に属するボタセルにより形成される 領域が遁減評価領域遠位部として特定される。
[0141] 図 26は図 25に示した臨界初期領域 201を有向領域拡張して特定された遁減評価 領域遠位部を示す図である。図 26にお ヽて黒で示して ヽる領域が遁減評価領域遠 位部 208である。線分 209は、中心位置を通る代表方向の直線であり、その長さは上 限投影距離である。破線 210, 211は、代表方向となす角度が許容角度である方向 を示す。
[0142] ステップ Se4において判定部 43は、遁減評価領域遠位部のそれぞれに対応する 遁減度候補値を計算する。判定部 43は、遁減評価領域遠位部の遁減評価領域近 位部に対する体積比を「1」から引いた値として遁減度候補値を求める。遁減評価領 域遠位部および遁減評価領域近位部のそれぞれの体積は、それぞれに属するボタ セルの数が既知であるから、この数と個々のボタセルの体積とに基づいて算出するこ とがでさる。
[0143] なお、線分 209を第 1の実施形態における観察線とした場合に第 1積分器および第 2積分器に累積される楕円モデル内拡張結節候補領域断面の総和の比は、遁減評 価領域近位部および遁減評価領域遠位部の体積の比に近似する。すなわち、上記 の遁減度候補値は、第 1の実施形態における遁減度と等価な特徴量である。
[0144] ステップ Se5にお 、て判定部 43は、遁減評価領域遠位部のそれぞれに関して、遠 位部開放度を次のように求める。すなわち、遁減度候補値と遠位部開放度とは一対 一に対応する。
[0145] ある領域に属するボタセルのうちで、 6連結で当該領域に属さないボタセルに接す るものの集合を当該領域の表面領域と定義する。判定部 43は、遁減評価領域遠位 部の表面領域力ゝら遁減評価領域遠位部の近位端あるいは遠位端に当たる領域を除
V、て得られる領域に属するボタセルの数を P、拡張結節候補領域の表面領域に属す るボタセルの数を Qとする。そして判定部 43は、遠位部開放度を I P fl Q I Z I P I として求める。なお Pが空集合（ φ )であれば、判定部 43は遠位部開放度を 1とする。
[0146] 結節が血管に付着する様式は、結節が血管を取り巻く第 1の様式と、結節が血管の 側面に付着する第 2の様式とに大別される。図 27および図 28が第 1の様式の例を示 す図であり、図 29および図 30が第 2の様式の例を示す図である。
[0147] 図 27または図 29にお 、て、 *印を付したボタセルおよび X印を付したボクセノレが、 遁減評価領域遠位部の表面領域に属する。そして X印を付したボタセルは、遁減評 価領域遠位部の近位端または遠位端に属するボタセルである。従って、 *印を付し たボタセルの数が Pである。図 28および図 30において、〇印を付したボタセルが拡 張結節候補領域の表面領域に属するボタセルである。従って、〇印を付したボクセ ルの数が Qとなる。
[0148] 第 1の様式の場合は、有向領域拡張の代表方向が血管の軸方向とおよそ合致する 。従って、ある程度の許容角度があれば、 PCQとなる。すなわち P fl Q (図 28におい て *印および〇印の両方を付した領域のボタセル数）は Pと等しくなり、遠位部開放 度は 1になる。一方、第 2の様式の場合は、図 30からわ力るように P f1 Q= φとなり、 遠位部開放度は 0になる。
[0149] 力くして、上述のようにして算出される遠位部開放度に基づいて、結節の血管への 付着の様式が第 1および第 2の様式のいずれに近いかを推定できる。そして、第 1の 様式に近いほど有向領域拡張の代表方向が、遁減度候補値を求めてゆく上で適切 である。そこでステップ Se6において判定部 43は、結節候補領域の各々について、 それに対応する遁減度候補値のうちで遠位部開放度が予め設定したカットオフ値以 上である遁減度候補値のなかの最小値を遁減度とする。なお、カットオフ値は、遠位 部開放度の最小値である 0と最大値である 1との中間的な値、すなわち例えば 0. 5前 後に設定される。
[0150] こののちにステップ SalOにおいて判定部 13は、上記のようにして求めた遁減度に 基づいて、第 1の実施形態と同様にして結節候補領域が結節である力否かを判定す る。
[0151] このように第 3の実施形態によれば、典型的な結節および GGOのいずれであろうと も、結節として的確に検出することができる。
[0152] (第 4の実施形態）
第 3の実施形態での結節であるかどうかの判別の結果は、さらに読影医により画像 上で確認されることが一般的である。
[0153] そこでこの画像確認のために、結節と結節周囲構造とをボリュームレンダリング技術 を用いて表示すると良い。このとき更に図 31に示すように、遁減度計算で用いた生 成楕円体モデルをワイヤーフレームと呼ばれる表示法にて結節を囲むようにグラフィ ックオーバーレイ表示すると良い。あるいは図 32に示すように、遁減評価領域遠位部 と遁減評価領域近位部とを、明るさやカラーの区別により表示することにより、結節と 結節周囲構造との境界が明瞭に分力るようにすると良い。
[0154] 結節および結節周囲構造の表示では、サーフェースレンダリングを用いた表面表 示でも良い。また結節内部構造も観察する必要がある場合は、図 33のように例えば 直交 3断面の MPR (Axial, Sagittal, Coronal)断面上に生成楕円体と各断面との交差 線である 2次元楕円体とを表示しても良!ヽ。
[0155] 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ぐ実施段階ではそ の要旨を逸脱しない範囲で構成要素を変形して具体ィ匕できる。
[0156] 前記第 1の実施形態では、特徴量として面積を用いても良い。観察平面 109にお ける楕円モデル内拡張結節候補領域断面の面積を探索基準点の開始点力 終点ま で求め、開始点での楕円モデル内拡張結節候補領域断面の面積に対する遠心方 向の楕円モデル内拡張結節候補領域断面の比であるところの面積遁減度を求める 。そしてこの面積遁減度を参考に、結節候補領域が結節である力否かを判定する。 例えば図 34および図 35に示すように、結節候補領域が結節である場合、図 34 (a) における観察平面 109a, 109b, 109c, 109dにおける楕円モデル内拡張結節候補 領域断面は、それぞれ図 34 (b)乃至図 34 (e)に示すようになる。そしてこの楕円モ デル内拡張結節候補領域断面の面積遁減度は、図 34 (f)のような特性を示す。結 節候補領域が肺血管である場合、図 35 (a)における観察平面 109e, 109f, 109g, 109hにおける楕円モデル内拡張結節候補領域断面は、それぞれ図 35 (b)乃至図 35 (e)に示すようになる。そしてこの楕円モデル内拡張結節候補領域断面の面積遁 減度は、図 35 (f)のような特性を示す。従って、前記第 1の実施形態で使用している 遁減度に代えて、この面積遁減度を用いることができる。
[0157] 第 1の実施形態では、特徴量として観察ボリュームの体積と元の観察対象ボリユー ムの内画像の画素値との積とを用いても良い。すなわち例えば、第 1積算器および第 2積算器への楕円モデル内拡張結節候補領域断面の面積の加算に変えて、当該断 面のピクセルの面積と対応する画素値の積を加算する。
[0158] 第 1の実施形態では、生成楕円体外の連続領域のみについて特徴量を観察ボリュ ームの体積と元の観察対象ボリュームの内画像の画素値との積としても良 、。すなわ ち、第 2積算器についてのみ、楕円モデル内拡張結節候補領域断面の面積の加算 に変えて、当該断面のピクセルの面積と対応する画素値の積を加算する。
[0159] 前記第 2の実施形態では、特徴量として画素値の加算値を用いても良 、。例えば 図 36に示すように、前景部に属するボタセルには元の 3次元画像の画素値をそのま まボタセル値として割り当て、背景部に属するボタセルには「0」をボタセル値として割 り当てる。この上で、第 1の実施形態における楕円モデル内拡張結節候補領域断面 の面積の算出や、第 2の実施形態における前景占有率の計算に当たっては、上記の ボタセル値を加算する。
[0160] 前記第 2の実施形態では、前景部において生成楕円体外の連続領域のボタセル にのみ元の画像の画素値を割り当てるようにしても良い。すなわち、逐次的に増大す る楕円体のボタセルの体積を全て加算し、結節候補領域特定部 11によって生成され る楕円体モデルよりも大きな軸長を有する楕円体ではさらに画素値の積を加算する。
[0161] 前記第 2の実施形態では、図 37に示すように大きさが互いに異なる二つの楕円体 モデルの間である楕円体殻 112の内部を前景占有率の計算対象領域としても良い。 なお、楕円体殻 112の厚みは、例えば 1ボタセル分の厚み、あるいはそれ以上として ちょい。
[0162] 前記第 3の実施形態における遁減度計算法は、第 1の実施形態における図 2の探 索基準点の特定および遁減度の計算の処理に置き換えて用いることができる。また 逆に、第 1の実施形態における図 2の探索基準点の特定および遁減度の計算の処 理を、第 3の実施形態における遁減度計算法に置き換えて用いることもできる。
[0163] 前記第 3の実施形態における開放度に基づく遁減度候補値の絞り込み処理は、第
1の実施形態における遁減度の計算処理に適用することもできる。
[0164] 前記各実施形態は、肺癌における結節状異常の判定に関して記載している力 本 発明の手法は、例えば脳血管障害である脳動脈瘤のような血管に連続する瘤状異 常に対しても適用可能である。
[0165] 前記各実施形態では、マルチスライス CT2により取得される 3次元画像を処理対象 としているが、 X線診断装置、磁気共鳴診断装置、あるいは超音波診断装置などの 他の診断モダリティを用いて収集された 3次元画像を処理対象としても良 ヽ。
[0166] 結節候補領域の特定は自動では行わず、ユーザにより指定された結節候補領域 につ 、ての判定を行うようにしても良!、。
[0167] 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〖こ、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。
産業上の利用可能性
[0168] 本発明によれば、被検体の内部を表す画像に含まれる異常候補領域が結節のよう な解剖学的異常であるか否力を高精度に判定することが可能となる。

Claims

請求の範囲 [1] 被検体の内部を表す画像に含まれる異常候補領域に連続する周辺領域を特定す る周辺領域特定手段と、 前記異常候補領域に関する第 1の特徴量と前記周辺領域に関する第 2の特徴量と に基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手 段とを具備したことを特徴とする画像診断処理装置。 [2] 前記判定手段は、前記異常候補領域と前記周辺領域とを通る線分を観察線として 仮想し、前記異常候補領域内で前記観察線上に位置する複数の観察点のそれぞれ で求まる前記第 1の特徴量の変化量と、前記周辺領域内で前記基準線上に位置す る複数の観察点のそれぞれで求まる前記第 2の特徴量の変化量とに基づいて前記 異常候補領域が解剖学的異常領域であるか否かを判定することを特徴とする請求項 1に記載の画像診断処理装置。 [3] 前記判定手段は、 (1)前記異常候補領域の重心を始点として前記異常候補領域と前記周辺領域と の境界を通る線分のうちで前記周辺領域内の長さが最大となる線分と同一の向きを 持つ、 (2)前記異常候補領域と前記周辺領域との境界に中点を有する、 (3)前記異常候補領域の重心を一端とする、 なる条件を満たす直線を前記観察線とすることを特徴とする請求項 2に記載の画像 診断処理装置。 [4] 前記判定手段は、
(1)前記観察線を軸とする空間に含まれる前記異常候補領域および前記周辺領 域のそれぞれの体積、
(2)前記観察線を軸とする空間に含まれる前記異常候補領域および前記周辺領 域のそれぞれの体積と画素値との積、
(3)前記観察点で前記観察線に直交する面内での前記異常候補領域および前 記周辺領域のそれぞれの面積、
(4)前記観察点で前記観察線に直交する面内での前記異常候補領域および前 記周辺領域のそれぞれの面積と画素値との積、
のいずれか 1つを前記第 1の特徴量および前記第 2の特徴量とすることを特徴とする 請求項 2に記載の画像診断処理装置。
[5] 前記判定手段は、前記観察線を軸とする空間に含まれる前記異常候補領域およ び前記周辺領域のそれぞれの体積を、前記観察点で前記観察線に直交する面内で の前記異常候補領域の面積の総和および前記周辺領域の面積の総和として計算す ることを特徴とする請求項 4に記載の画像診断処理装置。
[6] 前記判定手段は、
周辺領域に属するボタセルのうちで異常候補領域に属するボタセルに隣接するボ クセルの集合として臨界領域を決定し、
前記異常候補領域の中央付近の基点から前記臨界領域を通って前記周辺領域に 至る代表方向に直交し、前記基点を通る平面で前記異常候補領域を二分した領域 のうちで前記代表方向と同じ方向に位置する領域として近位部を決定し、
前記基点を中心とし、前記代表方向の両側に規定度数ずつ開いた中心角を有す るとともに半径が規定距離である扇形の領域と前記周辺領域とが重複する領域として 遠位部を決定し、
前記近位部の体積および前記遠位部の体積を前記第 1の特徴量および前記第 2 の特徴量とすることを特徴とする請求項 1に記載の画像診断処理装置。
[7] 前記判定手段は、
周辺領域に属するボタセルのうちで異常候補領域に属するボタセルに隣接するボ クセルの集合として臨界領域を決定し、
前記異常候補領域の中央付近の基点から前記臨界領域を通って前記周辺領域に 至る代表方向に直交し、前記基点を通る平面で前記異常候補領域を二分した領域 のうちで前記代表方向と同じ方向に位置する領域として近位部を決定し、
前記基点を中心とし、前記代表方向の両側に規定度数ずつ開いた中心角を有す るとともに半径が規定距離である扇形の領域と前記周辺領域とが重複する領域として 遠位部を決定し、
前記遠位部の表面に位置するボタセルのうちで前記遠位部における前記異常候 補領域に接する側の端部およびその反対側の端部に位置するボタセルを除く残りの ボタセル力 前記周辺領域の表面に位置するボタセルと一致する確率が規定された カットオフ値未満であるときには、前記遠位部を含む周辺領域に関する特徴量を前 記異常候補領域が解剖学的異常領域である力否力の判定に用いないことを特徴と する請求項 1に記載の画像診断処理装置。
[8] 前記画像は、前記被検体の一部の解剖学的性質を表す値をそれぞれ持つ複数の ボタセルを含み、
前記周辺領域特定手段は、前記異常候補領域の境界に沿った前記ボタセルの値 を用いて前記周辺領域を特定することを特徴とする請求項 1に記載の画像診断処理 装置。
[9] 被検体の内部を表す画像に含まれる異常候補領域をほぼ内包するとともに前記異 常候補領域外の領域も含んだ第 1の比較領域に関する第 1の特徴量と、前記異常候 補領域とほぼ一致するか、または前記異常候補領域にほぼ内包される第 2の比較領 域に関する第 2の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であ るカゝ否かを判定する判定手段を具備したことを特徴とする画像診断処理装置。
[10] 前記判定手段は、前記第 1の比較領域内で前記解剖学的異常であり得る領域が 占める割合を前記第 1の特徴量とし、前記第 2の比較領域内で前記解剖学的異常で あり得る領域が占める割合を前記第 2の特徴量とすることを特徴とする請求項 9に記 載の画像診断処理装置。
[11] 前記画像は、前記被検体の一部の解剖学的性質を表す値をそれぞれ持つ複数の ボタセルを含み、
前記判定手段は、前記第 1の比較領域に含まれるボタセルの値の総和を前記第 1 の特徴量とし、前記第 2の比較領域に含まれるボタセルの値の総和を前記第 2の特 徴量とすることを特徴とする請求項 9に記載の画像診断処理装置。
[12] 前記画像は、前記被検体の一部の解剖学的性質を表す値をそれぞれ持つ複数の ボタセルを含み、
前記判定手段は、前記第 1の比較領域内で前記解剖学的異常であり得る領域が 占める割合と前記第 1の比較領域に含まれるボタセルの値の総和とに基づく値を前 記第 1の特徴量とし、前記第 2の比較領域内で前記解剖学的異常であり得る領域が 占める割合と前記第 2の比較領域に含まれるボタセルの値の総和とに基づく値を前 記第 2の特徴量とすることを特徴とする請求項 9に記載の画像診断処理装置。
[13] 前記判定手段は、前記異常候補領域の重心を中心とし、 3主軸の回転方向および それらの主軸の長さの比が同じで大きさの異なる球体または楕円体の内部領域をそ れぞれ前記第 1の比較領域および前記第 2の比較領域とすることを特徴とする請求 項 9に記載の画像診断処理装置。
[14] 前記判定手段は、前記異常候補領域の重心を中心とし、 3主軸の回転方向および それらの主軸の長さの比が同じで大きさの異なる中空の球体または楕円体の外殻部 をそれぞれ前記第 1の比較領域および前記第 2の比較領域とすることを特徴とする請 求項 9に記載の画像診断処理装置。
[15] 前記画像から前記異常候補領域を特定する候補領域特定手段をさらに備えること を特徴とする請求項 1または請求項 9に記載の画像診断処理装置。
[16] 前記候補領域特定手段は、
前記画像力 前記解剖学的異常であり得る前景部を抽出し、
前記前景部における球体状または楕円体状の構造をほぼ内包する楕円体モデル を前記画像中に生成し、
前記画像にて前記楕円体モデル内に相当する領域に位置し、かつ前記前景部に 属するボタセルの集合として前記異常候補領域を特定することを特徴とする請求項 1
5に記載の画像診断処理装置。
[17] 前記候補領域特定手段は、
前記画像から診断対象臓器に相当する診断領域を抽出し、
前記診断領域を前記前景部とそれ以外の背景部とに区分することを特徴とする請 求項 16に記載の画像診断処理装置。
[18] 前記候補領域特定手段は、前記前景部に属するボタセルのうちで、そのボタセル 力 前記背景部に属するボタセルへの最短距離が極大となる 1つまたは複数の中心 ボタセルの重心位置を前記仮中心とすることを特徴とする請求項 16に記載の画像診 断処理装置。
[19] 前記候補領域特定手段は、前記中心ボタセルから前記背景部に属するボタセルへ の最短距離を前記初期半径とすることを特徴とする請求項 18に記載の画像診断処 理装置。
[20] 前記候補領域特定手段は、前記仮中心を中心とした立方体領域を徐々に拡大し ながら、この立方体領域内の濃度ヒストグラムのエントロピー値が極大となったときに おける前記立方体領域に内接する球体の半径を前記初期半径とすることを特徴とす る請求項 18に記載の画像診断処理装置。
[21] 前記候補領域特定手段は、
前記仮中心を中心とし、かつ前記初期半径を半径とする球体を初期楕円体モデル として生成し、
前記元画像に基づ！/、てペナルティ画像を生成し、
前記初期楕円体モデルを前記ペナルティ画像におけるペナルティ値の谷に沿うよ うに変形することにより前記楕円体モデルを生成することを特徴とする請求項 16に記 載の画像診断処理装置。
[22] 前記候補領域特定手段は、前記画像の一次微分フィルタ処理結果と、前記画像の 二次微分フィルタ処理結果とを合成して前記ペナルティ画像を生成することを特徴と する請求項 21に記載の画像診断処理装置。
[23] 前記候補領域特定手段は、
前記前景部に属するボタセルのうちで、隣接する 6つのボタセルの全てが前記前景 部に属するボタセルの集合として縮小前景部を決定し、
前記初期楕円体モデル内に位置し、前記縮小前景部に属するボタセルの集合を 現領域の初期領域として決定し、
前記現領域の内境界に属する内境界ボタセルに隣接するとともに前記現領域の外 境界に属する外境界ボタセルの濃度が規定濃度よりも小さ ヽ場合に、この外境界ボ クセルを含むように前記現領域を拡張し、
拡張できなくなった前記現領域に属するボタセルのうちで前記初期領域に属する ボタセルと規定のカットオフ値未満の濃度勾配を呈するボタセルとを除いた残りのボ クセルの集合として与えられる領域における濃度勾配に基づいて閾値を決定し、 前記画像に前記閾値で閾値処理をかけて 2値画像を得て、
前記 2値画像のうちで、前記初期楕円体モデルの表面および内部に当たる領域か ら離れた非連結成分を除去し、
前記非連結成分が除去された 2値画像における高濃度オブジェクトと低濃度ォブジ ェタトとの境界付近にペナルティ値の谷間を持つ画像として前記ペナルティ画像を生 成することを特徴とする請求項 21に記載の画像診断処理装置。
[24] 前記候補領域特定手段は、前記閾値を Kittler法を利用して決定することを特徴と する請求項 23に記載の画像診断処理装置。
[25] 前記判定手段は、前記異常候補領域が結節状異常または瘤状異常であるか否か を判定することを特徴とする請求項 1または請求項 8に記載の画像診断処理装置。
[26] 被検体の内部を表す画像に含まれる異常候補領域と重なるかあるいは連続する構 造に相当する領域を特定する手段と、
前記の構造に相当する領域を 3次元的に探索する方向を求める手段と、 前記探索方向に沿った複数の位置に対応する特徴量を求める手段と、 前記複数の位置における特徴量に基づいて、前記異常候補領域が解剖学的異常 領域であるか否かを判定する手段とを具備したことを特徴とする画像診断処理装置。
[27] 被検体の内部を表す画像における解剖学的異常領域の有無を判定する画像診断 処理装置において、
前記画像に対して閾値処理を施す閾値処理手段と、
前記閾値処理手段により処理された画像から、ペナルティー画像を生成する手段と 前記ペナルティ画像に対して、球体状または楕円体状のモデルをフィッティングす ることにより、すりガラス陰影を含む異常候補領域を決定する手段とを備えることを特 徴とする画像診断処理装置。
[28] 前記ペナルティ画像は、前記閾値処理手段により処理された画像に現れる拡張結 節候補領域とその外領域との境界の近傍に濃度の谷間が存在する画像であることを 特徴とする請求項 27に記載の画像診断処理装置。
[29] コンピュータを、 被検体の内部を表す画像に含まれる異常候補領域に連続する周辺領域を特定す る周辺領域特定手段と、
前記異常候補領域に関する第 1の特徴量と前記周辺領域に関する第 2の特徴量と に基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手 段として機能させることを特徴とする画像診断処理プログラム。
コンピュータを、被検体の内部を表す画像に含まれる異常候補領域をほぼ内包す るとともに前記異常候補領域外の領域も含んだ第 1の比較領域に関する第 1の特徴 量と、前記異常候補領域とほぼ一致するか、または前記異常候補領域にほぼ内包さ れる第 2の比較領域に関する第 2の特徴量とに基づいて前記異常候補領域が解剖 学的異常領域であるか否かを判定する判定手段として機能させることを特徴とする画 像診断処理プログラム。
PCT/JP2006/303597 2005-03-01 2006-02-27 画像診断処理装置および画像診断処理プログラム WO2006093085A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP06714734A EP1854411B1 (en) 2005-03-01 2006-02-27 Image diagnosis and processing device and image diagnosis and processing program
US11/736,865 US8121373B2 (en) 2005-03-01 2007-04-18 Image diagnostic processing device and image diagnostic processing program
US13/350,458 US8687864B2 (en) 2005-03-01 2012-01-13 Image diagnostic processing device and image diagnostic processing program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2005056098A JP4599191B2 (ja) 2005-03-01 2005-03-01 画像診断処理装置および画像診断処理プログラム
JP2005-056098 2005-03-01

Related Child Applications (1)

Application Number Title Priority Date Filing Date
US11/736,865 Continuation US8121373B2 (en) 2005-03-01 2007-04-18 Image diagnostic processing device and image diagnostic processing program

Publications (1)

Publication Number Publication Date
WO2006093085A1 true WO2006093085A1 (ja) 2006-09-08

Family

ID=36941114

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2006/303597 WO2006093085A1 (ja) 2005-03-01 2006-02-27 画像診断処理装置および画像診断処理プログラム

Country Status (5)

Country Link
US (2) US8121373B2 (ja)
EP (1) EP1854411B1 (ja)
JP (1) JP4599191B2 (ja)
CN (2) CN100566661C (ja)
WO (1) WO2006093085A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1947606A1 (en) * 2007-01-16 2008-07-23 National University Corporation Kobe University Medical image processing apparatus and medical image processing method
JP2018175217A (ja) * 2017-04-10 2018-11-15 富士フイルム株式会社 画像処理装置および方法並びにプログラム
CN110075430A (zh) * 2019-04-28 2019-08-02 南京大学 一种基于信息熵的超声空化实时监测方法及***

Families Citing this family (36)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5017909B2 (ja) * 2005-06-22 2012-09-05 コニカミノルタエムジー株式会社 領域抽出装置、領域抽出方法及びプログラム
US20090123047A1 (en) * 2007-03-21 2009-05-14 Yfantis Spyros A Method and system for characterizing prostate images
JP4493679B2 (ja) 2007-03-29 2010-06-30 富士フイルム株式会社 対象領域抽出方法および装置ならびにプログラム
JP5047686B2 (ja) * 2007-05-08 2012-10-10 株式会社日立メディコ 血管画像表示方法と装置
US20090052763A1 (en) * 2007-06-04 2009-02-26 Mausumi Acharyya Characterization of lung nodules
US20090012382A1 (en) * 2007-07-02 2009-01-08 General Electric Company Method and system for detection of obstructions in vasculature
JP2009061266A (ja) * 2007-08-09 2009-03-26 Toshiba Medical Systems Corp 画像診断支援システム、医用画像管理装置、画像診断支援処理装置および画像診断支援方法
JP5019220B2 (ja) * 2007-10-05 2012-09-05 株式会社東芝 医用画像表示装置及び医用画像表示プログラム
KR101474311B1 (ko) * 2008-01-15 2014-12-18 삼성전자주식회사 노이즈 저감용 분산 또는 표준편차 데이터 획득 방법과,상기 방법에 따라 획득한 노이즈 저감용 분산 또는표준편차 데이터를 저장한 기록매체를 구비한 디지털촬영장치
JP5245424B2 (ja) * 2008-01-25 2013-07-24 日本電気株式会社 病理組織画像撮影システム、病理組織画像撮影方法、および病理組織画像撮影プログラム
JP5179902B2 (ja) * 2008-02-29 2013-04-10 株式会社東芝 医用画像読影支援装置
JP5527869B2 (ja) 2008-03-21 2014-06-25 国立大学法人神戸大学 画像診断支援処理装置および画像診断支援処理プログラム
US8150121B2 (en) * 2008-05-06 2012-04-03 Carestream Health, Inc. Information collection for segmentation of an anatomical object of interest
FR2942338B1 (fr) * 2009-02-13 2011-08-26 Univ Paris Descartes Navigateur echographique
JP5242492B2 (ja) * 2009-04-28 2013-07-24 株式会社トーメーコーポレーション ３次元画像処理装置
JP4931027B2 (ja) * 2010-03-29 2012-05-16 富士フイルム株式会社 医用画像診断支援装置および方法、並びにプログラム
CN102985940B (zh) * 2010-10-07 2017-06-09 东芝医疗***株式会社 读影委托***、读影委托中介装置及读影结果评价方法
US8670611B2 (en) * 2011-10-24 2014-03-11 International Business Machines Corporation Background understanding in video data
JP5931418B2 (ja) * 2011-11-25 2016-06-08 オリンパス株式会社 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
JP6267710B2 (ja) * 2012-09-13 2018-01-24 ザ リージェンツ オブ ザ ユニヴァーシティー オブ カリフォルニアＴｈｅ Ｒｅｇｅｎｔｓ Ｏｆ Ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ Ｏｆ Ｃａｌｉｆｏｒｎｉａ 医用画像中の肺結節を自動検出するためのシステム及び方法
EP2929510A1 (en) * 2012-12-10 2015-10-14 The Cleveland Clinic Foundation Image fusion with automated compensation for brain deformation
JP6071805B2 (ja) * 2013-08-27 2017-02-01 富士フイルム株式会社 画像領域指定装置および方法、並びに放射線画像処理装置および方法
JP5730979B2 (ja) 2013-11-08 2015-06-10 日立アロカメディカル株式会社 超音波診断装置、及び弾性評価方法
JP6510189B2 (ja) * 2014-06-23 2019-05-08 キヤノンメディカルシステムズ株式会社 医用画像処理装置
JP6415878B2 (ja) * 2014-07-10 2018-10-31 キヤノンメディカルシステムズ株式会社 画像処理装置、画像処理方法及び医用画像診断装置
WO2016034655A2 (en) * 2014-09-03 2016-03-10 Ventana Medical Systems, Inc. Systems and methods for generating fields of view
TWI586954B (zh) * 2015-12-09 2017-06-11 財團法人金屬工業研究發展中心 檢測細胞受人類乳突病毒（ｈｐｖ）感染的裝置及其檢測方法
CN105726052B (zh) * 2016-01-28 2018-11-23 上海市肺科医院 一种获取浸润性病灶概率的方法及***
JP6642048B2 (ja) * 2016-01-28 2020-02-05 富士通株式会社 医療画像表示システム、医療画像表示プログラム及び医療画像表示方法
JP6897042B2 (ja) * 2016-09-27 2021-06-30 日本電気株式会社 画像検査装置、画像検査方法および画像検査プログラム
CN106529188B (zh) * 2016-11-25 2019-04-19 苏州国科康成医疗科技有限公司 应用于手术导航的图像处理方法
JP6983573B2 (ja) * 2017-08-09 2021-12-17 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
US10811135B2 (en) * 2018-12-27 2020-10-20 General Electric Company Systems and methods to determine disease progression from artificial intelligence detection output
CN111583209B (zh) * 2020-04-29 2021-11-02 上海杏脉信息科技有限公司 一种脑灌注图像特征点选取方法、介质及电子设备
US11615267B2 (en) * 2020-05-01 2023-03-28 Siemens Healthcare Gmbh X-ray image synthesis from CT images for training nodule detection systems
CN113962958B (zh) * 2021-10-21 2023-05-05 四川大学华西医院 一种征象检测方法及装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002010062A (ja) * 2000-06-22 2002-01-11 Hitachi Medical Corp 画像構成装置
JP2004041490A (ja) * 2002-07-12 2004-02-12 Konica Minolta Holdings Inc 画像診断支援装置

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6909797B2 (en) * 1996-07-10 2005-06-21 R2 Technology, Inc. Density nodule detection in 3-D digital images
US6738499B1 (en) * 1998-11-13 2004-05-18 Arch Development Corporation System for detection of malignancy in pulmonary nodules
DE60137623D1 (de) * 2000-03-31 2009-03-26 Koninkl Philips Electronics Nv Abweichenden bereiches in einem trüben medium
AU2001251539A1 (en) * 2000-04-11 2001-10-23 Cornell Research Foundation Inc. System and method for three-dimensional image rendering and analysis
US7245754B2 (en) * 2000-06-30 2007-07-17 Hitachi Medical Corporation image diagnosis supporting device
US6524246B1 (en) * 2000-10-13 2003-02-25 Sonocine, Inc. Ultrasonic cellular tissue screening tool
JP4169967B2 (ja) 2001-01-10 2008-10-22 株式会社日立メディコ 画像診断支援装置
DE60228555D1 (de) * 2001-03-29 2008-10-09 Toshiba Kk Röntgendiagnosevorrichtung
US6728334B1 (en) * 2001-10-24 2004-04-27 Cornell Research Foundation, Inc. Automatic detection of pulmonary nodules on volumetric computed tomography images using a local density maximum algorithm
US20050084178A1 (en) * 2002-12-30 2005-04-21 Lure Fleming Y. Radiological image processing based on different views of temporal images
JP2005040490A (ja) 2003-07-25 2005-02-17 Fuji Photo Film Co Ltd 異常陰影検出方法および装置並びにプログラム
US20050259854A1 (en) * 2004-05-21 2005-11-24 University Of Chicago Method for detection of abnormalities in three-dimensional imaging data
US7773791B2 (en) * 2006-12-07 2010-08-10 Carestream Health, Inc. Analyzing lesions in a medical digital image

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002010062A (ja) * 2000-06-22 2002-01-11 Hitachi Medical Corp 画像構成装置
JP2004041490A (ja) * 2002-07-12 2004-02-12 Konica Minolta Holdings Inc 画像診断支援装置

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1947606A1 (en) * 2007-01-16 2008-07-23 National University Corporation Kobe University Medical image processing apparatus and medical image processing method
US7869640B2 (en) 2007-01-16 2011-01-11 National University Corporation Kobe University Medical image processing apparatus and medical image processing method
CN101231678B (zh) * 2007-01-16 2016-02-03 国立大学法人神户大学 医用图像处理装置及医用图像处理方法
JP2018175217A (ja) * 2017-04-10 2018-11-15 富士フイルム株式会社 画像処理装置および方法並びにプログラム
CN110075430A (zh) * 2019-04-28 2019-08-02 南京大学 一种基于信息熵的超声空化实时监测方法及***

Also Published As

Publication number Publication date
CN101052352A (zh) 2007-10-10
JP2006239005A (ja) 2006-09-14
US8121373B2 (en) 2012-02-21
CN101441767B (zh) 2011-11-09
US20120141004A1 (en) 2012-06-07
EP1854411A4 (en) 2009-11-04
JP4599191B2 (ja) 2010-12-15
EP1854411B1 (en) 2013-02-27
US20070230763A1 (en) 2007-10-04
EP1854411A1 (en) 2007-11-14
US8687864B2 (en) 2014-04-01
CN101441767A (zh) 2009-05-27
CN100566661C (zh) 2009-12-09

Similar Documents

Publication Publication Date Title
WO2006093085A1 (ja) 画像診断処理装置および画像診断処理プログラム
JP5344727B2 (ja) 医用画像診断支援装置および医用画像診断支援プログラム
Kostis et al. Three-dimensional segmentation and growth-rate estimation of small pulmonary nodules in helical CT images
US7499578B2 (en) System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans
US7869640B2 (en) Medical image processing apparatus and medical image processing method
JP5142591B2 (ja) 医用画像診断支援装置および医用画像診断支援プログラム
JP2008510499A (ja) 解剖学的可視化／測定システム
JP2007537811A (ja) 結節の検出方法
JP2010504129A (ja) 肺結節の高度コンピュータ支援診断
WO2007026598A1 (ja) 医用画像処理装置及び画像処理方法
JP2015066311A (ja) 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体
JP5194138B2 (ja) 画像診断支援装置およびその動作方法、並びに画像診断支援プログラム
JP2002109510A (ja) 異常陰影候補検出処理システム
JP2007275318A (ja) 画像表示装置、画像表示方法およびそのプログラム
JP5527869B2 (ja) 画像診断支援処理装置および画像診断支援処理プログラム
US7391893B2 (en) System and method for the detection of shapes in images
JP5066233B2 (ja) 画像診断処理装置
RU2459261C2 (ru) Способы, системы и компьютерный программный продукт для обнаружения выбухания
Wiemker et al. Computer-aided detection (CAD) and volumetry of pulmonary nodules on high-resolution CT data
JP2014161388A (ja) 画像処理装置、画像処理方法、画像処理装置の制御プログラム、記録媒体
JP2002330950A (ja) 異常陰影候補検出装置
JP6945379B2 (ja) 画像処理装置、磁気共鳴イメージング装置及び画像処理プログラム
JP2002074326A (ja) 異常陰影候補検出処理システム
Zhou Computer aided diagnosis of lung ground glass opacity nodules and large lung cancers in CT
Szilágyi et al. Development of a virtual reality guided diagnostic tool based on magnetic resonance imaging

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2006714734

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 11736865

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 200680001079.3

Country of ref document: CN

NENP Non-entry into the national phase

Ref country code: DE

NENP Non-entry into the national phase

Ref country code: RU

WWP Wipo information: published in national office

Ref document number: 2006714734

Country of ref document: EP