JP3852125B2 - Pattern detection method and apparatus for two-dimensional multi-tone image - Google Patents
Pattern detection method and apparatus for two-dimensional multi-tone image Download PDFInfo
- Publication number
- JP3852125B2 JP3852125B2 JP05777796A JP5777796A JP3852125B2 JP 3852125 B2 JP3852125 B2 JP 3852125B2 JP 05777796 A JP05777796 A JP 05777796A JP 5777796 A JP5777796 A JP 5777796A JP 3852125 B2 JP3852125 B2 JP 3852125B2
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- pattern
- pixels
- image
- density gradient
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Lifetime
Links
- 238000001514 detection method Methods 0.000 title claims description 46
- 210000000481 breast Anatomy 0.000 claims description 26
- 238000000034 method Methods 0.000 claims description 24
- 238000012937 correction Methods 0.000 claims description 15
- 238000000605 extraction Methods 0.000 claims description 15
- 230000002308 calcification Effects 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000009607 mammography Methods 0.000 claims description 4
- 239000006185 dispersion Substances 0.000 claims description 3
- 208000004434 Calcinosis Diseases 0.000 description 79
- 238000012545 processing Methods 0.000 description 49
- 238000004458 analytical method Methods 0.000 description 20
- 206010006187 Breast cancer Diseases 0.000 description 17
- 208000026310 Breast neoplasm Diseases 0.000 description 17
- 238000009826 distribution Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 10
- 230000003211 malignant effect Effects 0.000 description 8
- 210000005075 mammary gland Anatomy 0.000 description 8
- 230000000875 corresponding effect Effects 0.000 description 7
- 210000001519 tissue Anatomy 0.000 description 7
- 206010028980 Neoplasm Diseases 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 201000011510 cancer Diseases 0.000 description 5
- 230000001788 irregular Effects 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 239000000284 extract Substances 0.000 description 4
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 3
- 235000011941 Tilia x europaea Nutrition 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 239000004571 lime Substances 0.000 description 3
- 230000036210 malignancy Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000000333 X-ray scattering Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 210000004080 milk Anatomy 0.000 description 1
- 239000008267 milk Substances 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は２次元多階調画像におけるパタン検出方法及び装置に関し、詳しくは、２次元多階調画像に含まれる略円錐状の濃度分布パタンを有する領域を探索するのに適した方法及び装置に関し、特に、放射線画像における円形の腫瘤陰影，微小石灰化陰影を精度良く探索し得る技術に関する。
【０００２】
【従来の技術】
近年、Ｘ線写真の画質向上に伴い、乳癌の重要所見であるミクロン単位の大きさの微小な石灰化が描出可能となり、乳房Ｘ線写真（マンモグラム）による乳癌検査が定着してきている。
マンモグラムによる乳癌所見としては、腫瘤陰影，微小石灰化像の２つが主なものであるが、なかでも微小石灰化像により診断される乳癌は初期のものである確率が高く、乳癌の早期発見を目的としたマンモグラムによる集団検診を行なう動きがある。
【０００３】
しかし、前記微小石灰化像は、数十ミクロン程度の小さなものであるため、読影には高度な能力を持つ専門医が必要であり、また、集団検診での大量のマンモグラムを読影する場合には、読影医の負担が大きいという問題が発生する。
そこで、画像処理技術を用い、マンモグラムから微小石灰化像を自動検出し、該検出結果を医師の読影の際に提示して、診断医の読影を支援することが考えられてきている。
【０００４】
前記画像処理による微小石灰化像の自動検出は、基本的には、微小石灰化像の特徴である微小な円形パタンをフィルタなどにより強調して微小石灰化像の候補領域を抽出し、該抽出された候補領域の特徴解析を行なって乳腺による線成分などの誤った候補を除去した後、最終的に微小石灰化像の候補を特定するものである。
【０００５】
代表的な方法としては、固定リングフィルタにより、微小石灰化像の特徴である濃度勾配の放射状のベクトル分布を探索する方法があった。これは、複数の同心円上の濃度勾配をそれぞれ調べ、それぞれの同心円上の画素の濃度勾配の方向が放射状であるか否かを調べることにより、微小石灰化像のパタンに合致するか否かを判別するものである。かかる方法では、偽陽性の検出数が画像１枚当たりに0.83個のときに、真陽性を90.3％の確率で検出できる性能を得ていた。
【０００６】
上記の固定リングフィルタによる微小石灰化像の検出方法によると、微小石灰化像に特有の性質を効率に良くベクトル特徴量として表現でき、クラスタの検出率が良好で処理時間も短いという特徴を有する。
【０００７】
【発明が解決しようとする課題】
しかしながら、上記従来の方法によると、極めて淡く小さい微小石灰化像の検出率が実用レベルに達しておらず、線成分の陰影を多く誤検出するなどの問題があった。上記誤検出の主な原因としては、微小石灰化像のコントラストが、該石灰像が存在する背景領域の組織に依存したバラツキを示すこと、及び、固定リングフィルタの形状が常に一定であり、解析対象となる候補領域の形状が略円形状のものに限定されていることの２つがあげられる。
【０００８】
従来方法においては、上記のように線成分などの陰影を誤検出するため、偽陽性の検出数が画像１枚当たり0.83個程度と非常に多く、乳癌のない正常な写真であっても８割の画像に異常所見があると判断してしまうことになっていた。このため、集団検診などのように、多くの写真が正常である場合には、微小石灰化像の自動検出を行なわせても大部分の写真について異常所見があるとの情報を医師に対して与えてしまうため、医師の読影負担を軽減するという目的を達成できないことになっていた。従って、偽陽性を減少させることが要求されるが、従来では、偽陽性を減少させようとすると、真陽性の検出率も低下してしまうという問題が生じていた。
【０００９】
また、乳房組織には、分布状態の個人差が非常に大きな乳腺や脂肪組織が含まれ、これらは、Ｘ線撮影時にＸ線散乱などを引き起こすため、前記乳腺や脂肪組織などに含まれる微小石灰化のＸ線コントラストが低下すると共に、大きなバラツキを示す。このため、背景の組織によって微小石灰化像パタンのコントラストが変化することになり、偽陽性を減少させるには、パタン検出，パタン判別のための濃度閾値を、領域毎に調整することが必要になり、従来では、領域の判別をパタン検出の前に予め行なって、それぞれの領域毎に処理手順や閾値を変更するなどの複雑な処理を行なっており、処理速度や検出精度の低下を招いていた。
【００１０】
更に、上記従来の方法では、マンモグラムから検出した微小石灰化像が、クラスタを形成している場合に、異常候補として検出しているが、クラスタを形成していても良性である場合があり、これらを異常として表示することは偽陽性を増やし、診断ミスにつながる可能性があるという問題もあった。
本発明は上記問題点に鑑みなされたものであり、真陽性の検出率を低下させることなく、偽陽性の検出を減少させることができるパタン検出方法及び装置を提供することを目的とする。
【００１１】
更に、検出精度を保持しつつ、単一のパタン検出方法を画像の全領域に均一に施すことができるようにすることを目的とする。
また、画像から検出した微小の円形パタンのクラスタが乳癌か否かを精度良く判別できるようにすることを目的とする。
【００１２】
【課題を解決するための手段】
そのため請求項１又は５記載の発明では、中心画素の周辺の同心円状の固定フィルタ上に位置する複数の画素それぞれにおける濃度勾配のベクトル強度とベクトル方向とを抽出し、前記濃度勾配のベクトル方向と前記中心画素と当該画素とを結ぶ方向との角度の相違量を前記複数の画素毎に求め、前記複数の画素毎の角度の相違量とベクトル強度とから各同心円領域毎に濃度勾配に関する特徴量を求め、前記特徴量に基づいて前記中心画素を候補画素として抽出するか否かを予め判別しておき、前記候補画素として抽出された前記中心画素から周辺画素へ放射状に広がる複数の探索方向それぞれにおいて、濃度勾配のベクトル強度が極大となる画素を探索し、前記探索された複数画素に合わせて可変フィルタの形状を変形し、該可変フィルタ上の複数画素それぞれでの濃度勾配のベクトル強度、及び、前記探索された複数画素それぞれでの濃度勾配のベクトル方向と前記探索方向との角度の相違量から濃度勾配に関する特徴量を求め、該特徴量に基づいて前記候補画素が所定のパタンに含まれるか否かを判別する構成とした。
【００１３】
かかる構成によると、２次元多階調画像データから所定のパタンを検出するために、中心画素の周辺の同心円状の固定フィルタ上に位置する複数の画素の濃度勾配に基づいて、候補画素を緩やかに抽出しておく。そして、前記候補画素として抽出された中心画素から周辺画素へ放射状に広がる複数の探索方向それぞれにおいて、濃度勾配のベクトル強度が極大となる画素の探索は、画素値分布の変曲点を探し出すことに相当するから、候補となっている陰影の形状に合わせて変形した可変フィルタ上の濃度勾配の特徴量が設定されることになり、極めて淡く形が不整な小さい候補陰影においても、濃度勾配の放射状のベクトル分布を精度良く判別できることになる。よって、パタン判別を精度良く行なわせることができるから、パタン検出の高精度化と処理時間の短縮化を図れる。
【００２０】
請求項２又は６記載の発明では、背景濃度に逆比例した割合でコントラストを低下させる前処理を前記２次元の多階調の画像データに予め施しておき、かかる前処理が施された画像データに基づいて濃度勾配のベクトル強度及びベクトル方向を抽出させる構成とした。
【００２１】
かかる構成によると、検出したい所定パタンのコントラストが小さくなる領域では濃度階調を拡大し、逆に、所定パタンのコントラストが大きくなる領域では濃度階調を圧縮して、所定パタンのコントラストを平均化することが可能となり、自動検出性能を向上させることが可能となる。
【００２２】
請求項３又は７記載の発明では、パタン検出の対象としての２次元の多階調の画像データが乳房Ｘ線画像であり、検出する所定のパタンが、微小石灰化像に対応する微小円形パタンである構成とした。
【００２３】
かかる構成によると、乳癌の重要所見である微小石灰化像を、精度良く自動検出させることができ、以て、乳房Ｘ線画像に基づく読影診断の有効な支援が行なえる。
請求項４又は８記載の発明では、乳房のＸ線撮影で得られた２次元の多階調画像から検出された複数の微小円形パタンの群に関し、前記群に含まれる円形パタンの数、円形パタンの大きさの平均値、円形パタンの大きさの分散値、円形パタンの円形度の平均値、円形パタン相互の距離の平均値のうちの複数の項目に基づいて、前記複数の微小円形パタンの群の特徴量を演算するようにした。
【００２４】
一般に癌との相関が高いとされる悪性石灰化像には、その形状，集散，数などに特徴を有するから、前記項目に基づいてクラスタ（群）を構成する微小石灰化像の良悪性の判別が行なえるものである。
【００２５】
【発明の実施の形態】
以下に本発明の実施の形態を説明する。
尚、以下に示す実施形態は、医療用の乳房Ｘ線撮影で得られた２次元の多階調の画像データから乳癌の重要所見である微小石灰化像を自動検出する装置及び方法を示すものである。
【００２６】
図１は装置構成の概略を示すものであり、乳房Ｘ線画像は、画像記憶手段Ａに記憶されており、前処理手段Ｂにより読み出され前処理が施される。前処理が施された乳房Ｘ線画像は、候補パタン検出手段Ｃに渡され、所定のパタン（微小石灰化像）の候補が検出される。候補パタン検出手段Ｃで検出された候補パタンは、パタン判別手段Ｄにより所定のパタン（微小石灰化像）であるかどうかの判別が行われ、最終的に所定のパタンであると判別されたパタンが、表示手段Ｅによりオペレータ（読影医）に表示される。
【００２７】
前記図１に示した各手段における処理内容を図２に示してある。
通常の乳房Ｘ線撮影で作成された乳房Ｘ線写真は、フィルムデジタイザで読み取られてデジタル画像データに変換され（デジタイズされ）、２次元の多階調の画像データとしてシステムに入力される。
入力された乳房Ｘ線画像は、まず前処理を施され、乳房領域（被写体領域）とそれ以外（Ｘ線の素抜け領域）とに領域分けがなされる（乳房領域抽出処理：被写体領域抽出手段）。
【００２８】
抽出された乳房領域（被写体領域）については、検出対象のパタンのコントラストを均一化するためのコントラスト補正処理が施される（コントラスト補正処理：コントラス補正手段）。
コントラスト補正処理後の画像に対し、濃度勾配抽出処理（濃度勾配抽出手段）と固定リングフィルタ処理（特徴量演算手段）が行われ、対象パタンの候補領域が抽出される（候補画素判別手段，候補画素探索手段）。
【００２９】
次に、前記抽出された候補領域に対し、可変リングフィルタ処理（濃度勾配探索手段，濃度勾配特徴量演算手段，画素判別手段）、候補領域の再抽出処理（画像領域抽出手段）、形状解析処理（パタン判別手段）が行われ、この結果、最終的な微小石灰化像の候補が抽出される。
更に、微小石灰化像は、複数集まってクラスタ（群）を形成することが乳癌の特徴的な所見であることから、クラスタの特徴解析（特徴量演算手段）を行うことにより、乳癌の可能性を判定し（乳癌判別手段）、該判定結果に応じて前記微小石灰化像の候補を読影者に表示する。
【００３０】
以下に、図２に示した各処理の詳細を説明する。
(1)「Ｘ線写真のデジタイズ」
乳房Ｘ線写真は、通常は高解像度のＸ線フィルムを用いて撮影され現像処理された後、専門医による読影が行われるが、ここでは、前記乳房Ｘ線写真を、フィルムデジタイザを用いて読み取ってデジタル画像データに変換し、システムに入力する。入力された画像データは、画像記憶手段Ａに記憶される。
【００３１】
前記画像記憶手段Ａとしては、ハードディスクが一般に用いられるが、光磁気ディスクなどの可搬型媒体や、メモリなどの半導体記憶装置を用いることも可能である。
フィルムデジタイザは、微小なレーザビームで走査を行い、フィルムを透過する光量を電気信号に変換するものである。ここでは、１００μｍのサンプリングピッチで、光学濃度０〜３を１２ビットに量子化するデジタイズ処理を行なった。
【００３２】
更に細かな微小石灰化像の検出を可能にすべく、５０μｍのサンプリングピッチでデジタイズ処理することも可能であるが、データ量が膨大になって処理時間が増加するため、検出精度を確保できる範囲でデータ量を極力少なくすべく、１００μｍのサンプリングピッチを採用している。
また、濃度レンジも、通常の乳房Ｘ線画像の場合は、濃度３までの範囲で十分であるが、皮膚に近い部分や皮膚線の形状を見たい場合は、濃度４以上を読み取る必要がある。量子化のレベルも、本実施例では１２ビットを用いているが、８ビット〜１６ビットの範囲で変更しても良い。
【００３３】
また、デジタイザとしてレーザ走査方式の他に、ドラムスキャン型、ＣＣＤ型等があるが、操作性，ノイズ性能等の点から、レーザ走査方式のデジタイザを選択した。
更に、最近では、Ｘ線撮影時に直接デジタル画像を入力できる装置が開発されてきており、これらの装置の画像データを直接用いることも可能である。また、マンモグラム専用にシンチレータでの発光をＣＣＤで撮影し入力するデジタルマンモグラム装置も開発されているが、この様な装置を用いることも可能である。
【００３４】
(2)「乳房領域抽出処理（前処理）」
乳房Ｘ線画像（マンモグラム）では、通常乳房領域は一部であり、直接Ｘ線が照射された部分（Ｘ線素抜け部分）が含まれているため、かかる素抜け領域を解析の対象から外すために、乳房領域（被写体領域）の抽出がまず行われる（被写体領域抽出手段）。
【００３５】
素抜け領域と乳房領域とでは、その濃度が大きく異なるために、乳頭−胸壁方向に１ラインごとに濃度分布を調べることにより、乳房領域と素抜け領域との境界を判別して容易に分離することが可能である。分離された素抜け領域にはマスクが設定され、今後の処理・解析の対象から外され、乳房領域についてのみ処理・解析が行なわれる。これによって、全領域を対象として処理・解析を行なわせる場合に比して、処理時間を短縮することが可能となる。
【００３６】
(3)「コントラスト補正処理（前処理）」
乳房Ｘ線画像においては、微小石灰化像が存在する領域周辺の組織によって微小石灰化のパタンの信号の大きさ、即ちコントラストに大きなバラツキが生じる。ここで、同一の微小石灰化でもそれが厚い乳腺内に存在するときほど、Ｘ線が微小石灰化に到達するまでに他組織に吸収されたり散乱したりする度合いが大きくなるため、微小石灰化が脂肪領域に近い領域に存在するときよりも、厚い乳腺内に存在するときの方がコントラストが小さくなるものと考えられる。
【００３７】
乳腺の退縮度がそれぞれ異なる５枚の乳房Ｘ線画像を使用し、微小石灰化像の存在位置の背景の信号レベルとコントラストとの関係を調べた結果を、図３に示す。尚、図中の破線は、分布点を１次関数で近似したものである。
この実験結果をもとに、周辺画素値が300 付近である微小石灰化像を基準とし、他領域の微小石灰化像のコントラストがこの基準と同レベルのコントラスト（約45）になるように補正できるコントラスト補正曲線を、図４に示すように作成した。
【００３８】
図４の補正曲線による変換（コントラスト補正手段）を行なうことにより、微小石灰化像のコントラストが小さくなる乳腺領域 (fibroglandular tissue area )の低濃度領域 ( low- density area )の濃度階調が拡大され、逆に、コントラストが大きくなる領域、及び、微小石灰化像が存在する可能性が少ない脂肪領域 ( fatty area ) の濃度階調は圧縮される。このとき、周辺の画素値平均が約300 の微小石灰化像が基準となり、周辺の平均画素値がそれ以下のときはそのコントラストが大きくなり、それ以上のときはコントラストが小さくなる。
【００３９】
上記コントラスト補正処理は、パタンの自動検出性能の向上に貢献するだけではなく、視覚的にも乳腺組織内の観察が容易になるという点で有効であり、画像処理法としての応用も可能と考えられる。即ち、上記コントラスト補正処理により、検出するパタンのコントラストを均一化できるため、検出方法を領域に因らずに画一化でき、システム構成を単純化でき、また、処理速度を向上させることが可能になる。
【００４０】
(4)「濃度勾配抽出処理（候補パタン抽出処理）」
乳癌に随伴する石灰化の大きさは、約0.75mm以下の微細なものが多く、これらは微小石灰化と呼ばれている。即ち、今回使用したディジタル画像上では、像のボケを考慮しても直径約10画素以下の極めて微小な信号である。これらの信号分布は、周りの濃度値（画素値）と比べて値が小さく、濃度勾配は中心に向かって略一定に落ち込むという基本的な共通点をもっており、この微小な円錐形構造は微小石灰化像に特有な性質である。
【００４１】
そこで、ディジタル画像の濃度分布から、方向と強度の要素を合わせもつ濃度勾配のベクトル分布（ソーベルの勾配）を各画素毎に算出し（濃度勾配抽出手段）、該ベクトル分布に基づいて円錐形構造のベクトルパターン（以下、基本ベクトルパターンと呼ぶ）を有する領域を自動抽出する処理（候補画素探索手段）を次のステップで行う。
【００４２】
(5)「固定リングフィルタ処理（候補パタン抽出処理）」
固定リングフィルタは、大きさの異なる複数のリング状のサブフィルタで構成されており、微小石灰化像の大きさに対応する直径に設定してある。
具体的には、３つのサイズの異なるフィルタを設定してあり、小さい方からFilterＡ、FilterＢ、FilterＣと呼び、それぞれの直径は、3 画素、5 画素、7 画素である。図５は、これら３枚のリングフィルタに、基本ベクトルパターンを重ね合わせたものである。
【００４３】
これらの３枚のフィルタを候補領域上に重畳させ、基本ベクトルパターンとフィルタ内のベクトルパターンとを解析し、サブフィルタ毎にベクトル方向性の類似性を表す「方向特徴量」と、ベクトル強度の類似性を表す「強度特徴量」を演算する（特徴量演算手段）。
前記方向特徴量の演算は、以下の手順によって実行される。
【００４４】
まず、各サブフィルタ内の画素数ｎに応じて各画素に番地付け（ｋ＝１〜ｎ）を行い、サブフィルタ上のｋ番地の画素における基本ベクトルパターン（中心画素と当該画素とを結ぶ方向）と濃度勾配のベクトル方向との角度の相違量をθk （0 ≦θk ≦π) とする。
ここで、サブフィルタ上の各画素におけるベクトル方向類似性の平均値を前記方向特徴量とするので、ｎ個の画素からなるサブフィルタの方向特徴量Ｄは、数１で表され、ベクトル方向の類似性が高いときほど大きな値に算出される。尚、FilterＡではｎ＝８、FilterＢではｎ＝12、FilterＣで Cはｎ＝16である。
【００４５】
【数１】
数１において、αは重み付け係数で、形状が不整な微小石灰化像のベクトルパターンの性質を考慮して、各フィルタごとに別々の値が設定される。
一方、強度特徴量Ｉは、サブフィルタ上の各画素のベクトルをＶｋと表すときに、ベクトル強度にその画素における方向特徴量を乗じたものの平均値として算出され、数２で表される。
【００４７】
【数２】
(6)「候補パタン抽出処理」
上記の固定リングフィルタ処理を、乳房領域に対して行うことにより、各画素に対して３つのフィルタＡ，Ｂ，Ｃ毎に方向特徴量及び強度特徴量のデータが求められ、結果的に各画素に対して６個の特徴量が求められる。
そして、これらの特徴量が所定の閾値を超える画素を、対象パタン（微小石灰化像に対応する円形パタン）に含まれる画素として判別し（候補画素判別手段）、対象パタンに含まれると判別された画素の集合を候補パタンとして抽出を行う。
【００４９】
抽出された候補パタンは、１つの領域が複数に分割されている可能性があるため、３×３画素のテンプレートによるモルフォロジ演算のオープン処理を行い、分割されたパタンの併合を行う。そして、併合が行われた各パタンの重心を求め、該重心の座標を候補パタンの座標として次のステップに進む。
(7)「可変リングフィルタ処理（パタン判別処理）」
前段階で抽出された候補パタンに対し、下記の可変リングフィルタ処理を行い、正常構造などから誤って検出された偽陽性の候補パタンの除去を行う。
【００５０】
可変リングフィルタ処理は、前述の固定リングフィルタ処理と同等の処理を、候補パタンの形状に応じた形にフィルタの形状を変形して行なうことにより、候補パタンの特徴量をより正確に求め、候補パタンが所定のパタンか否かを厳密に判別する。
フィルタの変形は、図６に示すように、候補パタンの座標の画素を中心とし、周辺へ放射状に広がる探索方向を複数設定し、それぞれの探索方向において、各画素における濃度勾配のベクトル強度が極大となる画素を求めることで行う（濃度勾配探索手段）。尚、図６において、探索方向の矢印上に示される四角は、それぞれの探索方向でベクトル強度が極大となる画素を示す。
【００５１】
上記フィルタ形状の変形条件を、微小石灰化クラスタが存在する画像を例にして説明する。
図７（ａ）は、典型的な微小石灰化像の断面の画素値分布を示し、図７（ｂ）は図７（ａ）に対応する微小石灰化像における濃度勾配のベクトル強度の分布を示している。微小石灰化像が存在する部分のベクトル強度は、前記図７（ａ）に示すように、リング状のエッジ構造がみられ、このエッジの部分は、図７（ｂ）でいえばベクトル強度が極大になる部分に相当し、微小石灰化像の最深部はベクトル強度が極小となる部分である。そこで、可変リングフィルタは、固定リングフィルタ解析で既に検出されている点（画素値分布の最深部の画素）から、ベクトル強度が極大値をもつ画素を探し出すまで形状を変形する。図７（ｂ) のベクトル強度の極大値を探し出すことは、図７（ａ) の画素値分布の変曲点を探し出すことに相当するため、候補陰影の形状に合わせて最適なフィルタ形状に変形することができることになる。
【００５２】
例えば、形が不整な微小石灰化像と、線成分の乳腺組織陰影像に対して可変リングフィルタを適用すると、そのリング形状はそれぞれ図８（ａ），（ｂ）のように求まる。このように、固定リングフィルタは常に円形状であったが、可変リングフィルタは、候補形状に呼応して形状が変化するものである。
フィルタ形状の変形後に行う方向・強度特徴量の計算は（濃度勾配特徴量演算手段）、固定リングフィルタ解析の特徴量計算と同様に前記数１及び数２に示す演算式を用いて行う。ただし、フィルタ形状は適応的に決まるため、重み付け関数としてはα＝１．０を用いる。また、フィルタ構造は一重のみであり、フィルタ上の画素数ｎはその候補パタン毎に当該候補パタンの形状に応じて毎回変化することになる。
【００５３】
そして、方向・強度特徴量が所定の閾値を超える場合には、候補パタンの座標の画素を、対象パタン（微小石灰化像に対応する円形パタン）に含まれる画素として判別する（画素判別手段）。
形が不整な微小石灰化像に対するフィルタの出力値（方向・強度特徴量）を調べると、固定リングフィルタ解析では、３つのフィルタのうちのFilterＡにおける検出条件のみを満たし、微小石灰化像を検出することができないが、可変リングフィルタでは検出条件を満たしており、特に方向特徴量は固定リングフィルタと比較して高い値を示す。
【００５４】
これに対して、線成分陰影像に対するフィルタの出力値（方向・強度特徴量）では、固定リングフィルタ解析ではFilterＡとFilterＢにおける検出条件を満たしてしまい、線成分陰影像を微小石灰化像として誤検出してしまう。一方、可変リングフィルタでは、固定リングフィルタでは探索できない候補辺縁の状況を正確に分析できるため、方向特徴量の出力値が低くなり、線成分陰影像を微小石灰化像として誤検出することがない。
【００５５】
ここで、正常構造に起因する線成分陰影像の誤検出を除去する様に、固定リングフィルタ処理での判別を厳しく行うと、形が不整な微小石灰化像までもが除外されてしまい、検出率が低下してしまう。ところが、可変リングフィルタ処理では線成分陰影像を効果的に除去できるため、固定リングフィルタの判別を緩やかにすることができ、形が不整な微小石灰化像を検出することが可能となる。従って、真陽性の検出率の向上と偽陽性の削減とを同時に達成することが可能となる。
【００５６】
(8)「候補領域の再抽出処理（パタン判別処理）」
可変リングフィルタ解析の終了後には、さらに偽陽性候補を削除するための処理として形状解析処理を行なう。
前記形状解析は、２次元的な大きさや形状などから真偽の判断を行なうため、解析以前に候補陰影の領域を正確に抽出する必要がある。
【００５７】
微小石灰化像のコントラストに大きなばらつきがみられる原因の１つに、微小石灰化の存在位置の相違から生じるＸ線吸収値の変化があり、上記システムでは、前記Ｘ線吸収の影響を抑制するためにコントラスト補正処理を行なっているが、依然として石灰化自体の性質や大きさの違いによって若干のばらつきがみられるため、単純な固定閾値による２値化では正確に領域を抽出することができない。
【００５８】
そこで、個々の微小石灰化像に応じて最適な閾値γを設定する必要があり、ここでは、可変リングフィルタ処理によってフィルタ形状を変形させた後に、そのフィルタ上の画素の画素値の平均値（代表値）を求め、この値を２値化する際の閾値γとして使用するようにした。尚、平均値の代わりに、中央値を閾値としても良い。
【００５９】
そして、前記閾値γを用いて画素値の２値化を行なうことで候補領域を抽出する（画像領域抽出手段）。
(9)「候補領域の形状解析（パタン判別処理）」
候補領域を抽出すると、抽出された微小石灰化像の候補領域について、画像の形状に関する特徴量として面積と円形度の特徴量を計算する。
【００６０】
面積の特徴量は、候補領域に含まれる画素数として求められるが、偽陽性候補を削除するための閾値としては、微小石灰化像に該当しない良性の粗大石灰化像を検出しないように実験的に50（画素数）に設定し、面積が50を越える候補領域を偽陽性候補として削除するものとした（パタン判別手段）。
また、円形度は｛４π×面積÷（円周長) 2 ｝として求められ、該円形度は、候補領域が円形に近いときほど大きな値となり（最大1.0 ）、円形からずれるほど小さな値になる。そして、可変リングフィルタでも識別が困難である血管や乳管などの線成分陰影や、その交差する箇所の偽陽性候補を削除できるように、円形度から偽陽性候補を削除するための閾値として実験的に0.5 を設定し、円形度が0.5 を下回る候補領域を偽陽性候補として削除するものとした（パタン判別手段）。
【００６１】
尚、前記形状解析に代えて、若しくは、形状解析と共に、候補領域内の画素値（原画像又はコントラスト補正処理後の画像）に基づいて、偽陽性候補の削除を行なっても良い。具体的には、候補領域の最深部の画素値や、該最深部の画素値と周囲のエッジ部における画素値との偏差等に基づいて、候補領域を偽陽性候補として削除することが可能である。
【００６２】
(10) 「クラスタ領域特徴解析（パタン判別処理）」
これまでの一連の検出処理、及び、偽陽性候補の削除の処理を終えた時点で、残された候補領域を微小石灰化像（所定パタン）であると断定し、その後これらがクラスタ化している領域を自動的に抽出する。
本システムでは、専門医の判断により、50平方mmの領域に３個以上の微小石灰化候補が存在するとき、かかる領域をクラスタ領域として抽出し、その領域を雲状の枠によって例えば乳房Ｘ線画像に重ねて表示する。
【００６３】
次に、クラスタを構成する微小石灰化像の良性・悪性の判別を行う。
石灰化の中でも、特に癌との相関が高いとされる悪性石灰化像は、特徴的な所見として、（ａ）微細である、（ｂ）集簇度が高い、（ｃ）多数存在する、（ｄ）大小の不同が認められる、（ｅ）形が不整である、（ｆ）線状に配列して存在する、の６つの所見を有する。
【００６４】
そこで、これらの所見の有無を調べるために、抽出されたクラスタ中の石灰化像の大きさの平均，他の石灰化像との平均距離，石灰化像の数，大きさの分散，及び円形度の平均を計算する（特徴量演算手段）。次いで、これら５つの項目にそれぞれ３０，３０，１５，１５，１０の配点を与え、前記悪性石灰化像の特徴的所見に合致するか否かによって個別に特徴評価を行い、最終的にそれら得点を加算して悪性度を０〜１００の値で数量化する。尚、前記５つの項目の全てを演算することが好ましいが、前記５つの項目のうちの複数項目を選択しても良い。
【００６５】
そして、前記悪性度が１００を超えたときには悪性石灰化クラスタ，３０を下回ると良性石灰化クラスタ，その中間は境界領域石灰化（borderline calcification）クラスタであると評価し（乳癌判別手段）、画面にクラスタ領域を枠で囲んで表示する際に、枠の色を危険度の高い順に赤（悪性），黄（境界），青色（良性）の３段階で表示することによって、良性・悪性の目安を表現する。
【００６６】
(11) 「検出結果の表示」
乳房Ｘ線画像を表示させるに当たっては、微小石灰化像の信号を強調するために、コントラスト補正を行った原画像に対し非鮮鋭マスクフィルタを用いて高周波数成分の強調を行うことが好ましい。
前記非鮮鋭マスク処理とは、例えば、特開昭６２−８９１７７号公報等に開示されるように、オリジナル信号をＳorg 、非鮮鋭マスク信号をＳus、強調係数をβとしたときに、
Ｓ' ＝Ｓorg ＋β（Ｓorg −Ｓus）
なる演算を行なう処理を示す。
【００６７】
本システムでは、ボケ画像（非鮮鋭マスク信号）を生成するためのマスクサイズ及び強調係数βを、実験的にそれぞれ11×11画素及び3.0 と設定した。本処理によって作成した画像は、画像中の微小石灰化像の観察を容易にすることが可能である。
そして、前記信号強調処理を行った画像を高解像度ＣＲＴに表示させるが、強調処理を行っているため、微小石灰化像は、乳房Ｘ線写真に比べより明瞭に表示されることになり、然も、その表示画像の上に、前段までの処理・解析で検出された危険度の高いクラスタ領域を危険度に合わせた色の枠で囲う表示が行なわれる。
【００６８】
クラスタ領域の表示は、特に上記の枠で囲む方法に限るわけでは無く、対象領域の輝度やコントラストを変化させても良いし、点滅表示させても良い。また、クラスタではなく、個々の微小石灰化像に対しマークの表示を行うことも可能である。
また、表示手段を、ＣＲＴに限るものではなく、フィルムなどのハードコピーに出力することも可能である。また、通常の乳房Ｘ線写真の読影の際に、対応する領域を表示可能な表示装置（ＣＲＴ等）をシャウカステン等の観察装置に併置し、ＣＲＴ等の表示装置に危険度の高い領域を指示し、詳細な読影はＸ線写真を用いて行う構成を取ることも可能である。
【００６９】
更に、本システムの検出結果とは独立な読影を行えるように、まず乳房Ｘ線画像のみを表示し、所定の時間の後に、あるいは指示があった後に検出結果を表示するようにすることも可能である。
上記のように、本システムによると、正常構造に起因する線状陰影や血管影などの分離が容易に行なえ、乳房Ｘ線画像における微小石灰化像を高精度に検出することができるので、かかる検出結果を読影医に提示することで、乳房Ｘ線画像に基づく乳癌の診断精度を向上させることができる。
【００７０】
尚、本システムでは、乳房Ｘ線画像における微小石灰化像の検出を行なわせる構成としたが、対象とする画像を乳房Ｘ線画像に限定するものではなく、また、微小石灰化像を所定パタンとする構成に限定するものでもない。
【００７１】
【発明の効果】
以上説明したように、請求項１又は５記載の発明によると、所定の中心画素の周辺における同心円状の固定フィルタにより、円錐形構造のベクトルパタンを有する領域を、濃度勾配の特徴量に基づいて簡便に判別し、この緩やかな判別によってある程度候補画素を絞った上で、この抽出された候補画素の陰影の形状に合わせて可変フィルタを設定し、濃度勾配の特徴を求める画素が設定されることになるから、極めて淡く形が不整な小さい候補陰影においても、濃度勾配の放射状のベクトル分布を精度良く判別できることができ、例えば乳房Ｘ線画像においては、微小石灰化像を偽陽性と厳密に区別して精度良く検出することができるという効果がある。このように、候補画素を予め抽出しておき、この抽出された候補画素毎にフィルタの形状を変形することで、厳密にパタン判別を行うことができるから、パタン検出の高精度化と処理時間の短縮化を図れるという効果がある。
【００７５】
請求項２又は６記載の発明によると、コントラストを均一化できるので、領域に因らずに画一的な検出方法を用いることができ、以て、構成の単純化と処理速度の向上を図れるという効果がある。
【００７６】
請求項３又は７記載の発明によると、乳癌の重要所見である微小石灰化像を精度良く自動検出させることができ、以て、乳房Ｘ線画像に基づく乳癌の診断精度を向上させることができるという効果がある。
請求項４又は８記載の発明によると、複数の微小円形パタンの群を構成する微小円形パタン（微小石灰化像）が良性のものであるか悪性のものであるかを判別できるという効果がある。
【図面の簡単な説明】
【図１】実施形態におけるシステム構成の概略を示すブロック図。
【図２】実施形態における処理内容を示すブロック図。
【図３】微小石灰化像の背景とコントラストとの相関を示す線図。
【図４】コントラストの補正曲線を示す線図。
【図５】固定リングフィルタと基本ベクトルパターンを示す図。
【図６】可変リングフィルタと探索方向を示す図。
【図７】微小石灰化像の信号特性を示す図であり、（ａ）は画素値分布を示す線図、（ｂ）はベクトル強度の変化を示す線図。
【図８】可変リングフィルタの形状例を示す図であり、（ａ）は形が不整な微小石灰像の場合、（ｂ）は乳腺組織陰影の場合のフィルタ形状を示す図。[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a pattern detection method and apparatus in a two-dimensional multi-tone image, and more particularly to a method and apparatus suitable for searching for a region having a substantially conical density distribution pattern included in a two-dimensional multi-tone image. In particular, the present invention relates to a technique capable of accurately searching for circular tumor shadows and microcalcification shadows in radiographic images.
[0002]
[Prior art]
In recent years, with the improvement in the image quality of X-ray photographs, it has become possible to depict microcalcifications of micron size, which is an important finding of breast cancer, and breast cancer examinations using mammograms have become established.
There are two main breast cancer findings by mammogram: mass shadow and microcalcifications. Of these, breast cancer diagnosed by microcalcifications has a high probability of being early, and early detection of breast cancer is important. There is a movement to perform mass screening with the intended mammogram.
[0003]
However, since the microcalcification image is a small one of about several tens of microns, a specialist with high ability is required for interpretation, and when reading a large number of mammograms in a mass examination, The problem is that the burden on the interpreting physician is heavy.
Therefore, it has been considered that a microcalcification image is automatically detected from a mammogram by using an image processing technique, and the detection result is presented at the time of interpretation of a doctor to assist the interpretation of the diagnostic doctor.
[0004]
The automatic detection of the micro calcification image by the image processing basically extracts the candidate region of the micro calcification image by emphasizing the micro circular pattern, which is a feature of the micro calcification image, with a filter or the like. The candidate region is subjected to feature analysis to remove erroneous candidates such as a line component due to the mammary gland, and finally a candidate for a microcalcification image is specified.
[0005]
As a typical method, there is a method of searching for a radial vector distribution of a concentration gradient, which is a feature of a microcalcification image, using a fixed ring filter. This is by checking each of the concentration gradients on a plurality of concentric circles and checking whether or not the direction of the concentration gradient of the pixels on each concentric circle is radial, thereby determining whether or not it matches the pattern of the microcalcification image. It is to be determined. In this method, when the number of false positives detected is 0.83 per image, a performance capable of detecting true positives with a probability of 90.3% has been obtained.
[0006]
According to the detection method of the micro calcification image by the above-mentioned fixed ring filter, the characteristics specific to the micro calcification image can be efficiently expressed as a vector feature amount, and the cluster detection rate is good and the processing time is short. .
[0007]
[Problems to be solved by the invention]
However, according to the above-described conventional method, the detection rate of an extremely light and small microcalcification image has not reached the practical level, and there is a problem that many shadows of line components are erroneously detected. The main causes of the false detection are that the contrast of the microcalcification image shows a variation depending on the structure of the background region where the lime image exists, and the shape of the fixed ring filter is always constant, and the analysis There are two cases where the shape of the target candidate region is limited to a substantially circular shape.
[0008]
In the conventional method, as described above, shadows such as line components are erroneously detected, so the number of false positives is as high as about 0.83 per image, and even 80% of normal photographs without breast cancer are detected. It was decided that there was an abnormal finding in the image. For this reason, when many photographs are normal, such as a mass screening, the doctor will be informed that there are abnormal findings in most photographs even if automatic detection of microcalcifications is performed. Therefore, the purpose of reducing the doctor's interpretation burden could not be achieved. Therefore, it is required to reduce false positives, but conventionally, there has been a problem that the detection rate of true positives also decreases when trying to reduce false positives.
[0009]
In addition, breast tissue includes mammary gland and adipose tissue having very large individual differences in the distribution state, and these cause X-ray scattering during X-ray imaging. Therefore, micro lime contained in the mammary gland, adipose tissue, etc. As a result, the X-ray contrast is reduced and a large variation is exhibited. For this reason, the contrast of the microcalcification image pattern changes depending on the background tissue, and in order to reduce false positives, it is necessary to adjust the density threshold for pattern detection and pattern discrimination for each region. Conventionally, the area is discriminated in advance before pattern detection, and complicated processing such as changing the processing procedure and threshold value for each area is performed, resulting in a decrease in processing speed and detection accuracy. It was.
[0010]
Furthermore, in the above conventional method, when the microcalcification image detected from the mammogram forms a cluster, it is detected as an abnormal candidate, but it may be benign even if a cluster is formed, Displaying these as abnormal increases the number of false positives and may lead to a diagnostic error.
The present invention has been made in view of the above problems, and an object thereof is to provide a pattern detection method and apparatus capable of reducing false positive detection without reducing the true positive detection rate.
[0011]
It is another object of the present invention to uniformly apply a single pattern detection method to the entire area of an image while maintaining detection accuracy.
It is another object of the present invention to accurately determine whether or not a cluster of minute circular patterns detected from an image is breast cancer.
[0012]
[Means for Solving the Problems]
Therefore, claim 1 or5In the described invention,Extracting the density gradient vector intensity and vector direction in each of a plurality of pixels located on a concentric fixed filter around the center pixel, and a direction connecting the density gradient vector direction and the center pixel to the pixel The angle difference amount is determined for each of the plurality of pixels, the feature amount related to the density gradient is determined for each concentric region from the angle difference amount and the vector intensity for each of the plurality of pixels, and the center based on the feature amount It is determined in advance whether or not to extract a pixel as a candidate pixel, and the center extracted as the candidate pixelIn each of a plurality of search directions that radiate from a pixel to a peripheral pixel, a search is made for a pixel having a maximum density gradient vector intensity, and the plurality of searched pixelsA plurality of pixels on the variable filterA feature value related to the density gradient is obtained from the vector intensity of the density gradient in each and the amount of difference between the vector direction of the density gradient and the search direction in each of the searched plurality of pixels, and based on the feature value AboveCandidate pixelIs determined to be included in a predetermined pattern.
[0013]
According to such a configuration,In order to detect a predetermined pattern from the two-dimensional multi-tone image data, candidate pixels are gently extracted based on the density gradient of a plurality of pixels located on a concentric fixed filter around the center pixel. . And in each of a plurality of search directions radially extending from the central pixel extracted as the candidate pixel to the peripheral pixel,Searching for a pixel with a maximum density gradient vector intensity is equivalent to finding an inflection point in the pixel value distribution, so it matches the shape of the candidate shadow.On a deformable variable filterThe feature value of the density gradient is set, and the radial vector distribution of the density gradient can be accurately determined even in a small candidate shadow that is extremely light and irregular.Therefore, pattern discrimination can be performed with high accuracy, so that pattern detection can be performed with high accuracy and processing time can be shortened.
[0020]
ContractClaim2 or 6In the described invention, preprocessing for reducing the contrast at a rate inversely proportional to the background density is performed in advance on the two-dimensional multi-tone image data, and the density gradient is based on the image data subjected to the preprocessing. The vector intensity and vector direction are extracted.
[0021]
According to this configuration, the density gradation is enlarged in the region where the contrast of the predetermined pattern to be detected is small, and conversely, the density gradation is compressed in the region where the contrast of the predetermined pattern is large, and the contrast of the predetermined pattern is averaged. And automatic detection performance can be improved..
[0022]
ContractClaim3 or 7In the described invention, the two-dimensional multi-gradation image data as a pattern detection target is a breast X-ray image, and the predetermined pattern to be detected is a minute circular pattern corresponding to a minute calcification image. .
[0023]
According to this configuration, it is possible to automatically detect a microcalcification image, which is an important finding of breast cancer, with high accuracy, and thus can effectively support interpretation diagnosis based on a breast X-ray image.
The invention according to claim 4 or 8 relates to a group of a plurality of minute circular patterns detected from a two-dimensional multi-tone image obtained by X-ray imaging of a breast, and the number of circular patterns included in the group, For multiple items, the average value of the pattern size, the dispersion value of the circular pattern size, the average value of the circularity of the circular pattern, and the average value of the distance between the circular patternsBased on the above, the feature amount of the group of the plurality of minute circular patterns is calculated.did.
[0024]
In general, malignant calcified images that have a high correlation with cancer are characterized by their shape, convergence, number, etc., so that the benign and malignant images of microcalcifications that constitute clusters (groups) based on the above items It can be determined.
[0025]
DETAILED DESCRIPTION OF THE INVENTION
Embodiments of the present invention will be described below.
The following embodiment shows an apparatus and method for automatically detecting a microcalcification image, which is an important finding of breast cancer, from two-dimensional multi-tone image data obtained by medical mammography. It is.
[0026]
FIG. 1 shows an outline of the apparatus configuration. A breast X-ray image is stored in image storage means A, read by preprocessing means B, and preprocessed. The pre-processed breast X-ray image is transferred to candidate pattern detection means C, and a candidate for a predetermined pattern (microcalcification image) is detected. The candidate pattern detected by the candidate pattern detection means C is determined by the pattern determination means D to determine whether or not it is a predetermined pattern (microcalcification image), and finally determined as a predetermined pattern. Is displayed to the operator (interpretation doctor) by the display means E.
[0027]
The processing contents in each means shown in FIG. 1 are shown in FIG.
A mammogram produced by normal mammography is read by a film digitizer, converted into digital image data (digitized), and input to the system as two-dimensional multi-gradation image data.
The input breast X-ray image is first pre-processed and divided into breast regions (subject regions) and other regions (X-ray missing regions) (breast region extraction processing: subject region extraction means) ).
[0028]
The extracted breast region (subject region) is subjected to contrast correction processing for making the contrast of the pattern to be detected uniform (contrast correction processing: contrast correction means).
A density gradient extraction process (density gradient extraction means) and a fixed ring filter process (feature amount calculation means) are performed on the image after the contrast correction process, and a candidate area of the target pattern is extracted (candidate pixel discrimination means, candidate Pixel search means).
[0029]
Next, variable ring filter processing (density gradient search means, density gradient feature quantity calculation means, pixel discrimination means), candidate area re-extraction processing (image area extraction means), and shape analysis processing are performed on the extracted candidate areas. (Pattern discriminating means) is performed, and as a result, final microcalcification image candidates are extracted.
Furthermore, since micro-calcifications are a characteristic finding of breast cancer that forms a cluster (group) together, the possibility of breast cancer can be obtained by performing cluster feature analysis (feature calculation means). (Breast cancer determination means), and the candidate for the microcalcification image is displayed to the radiogram interpreter according to the determination result.
[0030]
Details of each process shown in FIG. 2 will be described below.
(1) "Digitizing X-ray photographs"
Mammograms are usually taken and developed using high-resolution X-ray film, and then read by a specialist. Here, the mammogram is read using a film digitizer. Convert to digital image data and input to the system. The input image data is stored in the image storage means A.
[0031]
As the image storage means A, a hard disk is generally used, but a portable medium such as a magneto-optical disk or a semiconductor storage device such as a memory can also be used.
A film digitizer performs scanning with a minute laser beam and converts the amount of light transmitted through the film into an electrical signal. Here, a digitizing process for quantizing
[0032]
In order to enable detection of finer calcified images, digitization processing can be performed at a sampling pitch of 50 μm. However, the amount of data is enormous and processing time increases, so that detection accuracy can be ensured. In order to minimize the amount of data, a sampling pitch of 100 μm is adopted.
In addition, in the case of a normal breast X-ray image, the range up to density 3 is sufficient as the density range. However, if you want to see the part close to the skin or the shape of the skin line, it is necessary to read density 4 or higher. . The quantization level is 12 bits in this embodiment, but it may be changed in the range of 8 to 16 bits.
[0033]
In addition to the laser scanning method, the digitizer includes a drum scanning type, a CCD type, and the like, but a laser scanning type digitizer was selected in terms of operability and noise performance.
Furthermore, recently, devices that can directly input digital images at the time of X-ray imaging have been developed, and it is also possible to directly use image data of these devices. In addition, a digital mammogram device has been developed that captures and inputs the light emitted from the scintillator with a CCD exclusively for the mammogram, but such a device can also be used.
[0034]
(2) “Breast region extraction processing (pre-processing)”
In the breast X-ray image (mammogram), the normal breast region is a part, and a portion directly irradiated with X-rays (X-ray missing portion) is included. Therefore, such a missing region is excluded from the analysis target. Therefore, the breast area (subject area) is first extracted (subject area extraction means).
[0035]
Since the density of the bare region and the breast region are greatly different, the density distribution is examined for each line in the nipple-chest wall direction, so that the boundary between the breast region and the missing region is discriminated and easily separated. It is possible. A mask is set for the separated unexposed region, which is excluded from future processing / analysis, and only the breast region is processed / analyzed. As a result, the processing time can be shortened as compared with the case where processing / analysis is performed on the entire region.
[0036]
(3) “Contrast correction processing (pre-processing)”
In the mammogram, the size of the microcalcification pattern signal, that is, the contrast varies greatly depending on the tissue around the region where the microcalcification image exists. Here, even when the same microcalcification is present in the thick mammary gland, the degree to which X-rays are absorbed or scattered by other tissues before reaching the microcalcification increases. It is considered that the contrast is smaller when it is present in a thick mammary gland than when it is present in a region close to the fat region.
[0037]
FIG. 3 shows the result of examining the relationship between the signal level of the background at the position where the microcalcification image exists and the contrast using five breast X-ray images having different degrees of regression of the mammary gland. In addition, the broken line in a figure approximates the distribution point with a linear function.
Based on the results of this experiment, the image is corrected so that the contrast of the microcalcification image in the other region is the same level as this standard (about 45), based on the microcalcification image whose peripheral pixel value is around 300. A possible contrast correction curve was created as shown in FIG.
[0038]
By performing the conversion using the correction curve in FIG. 4 (contrast correction means), the density gradation of the low-density area of the mammary gland area (fibroglandular tissue area) in which the contrast of the microcalcified image is reduced is enlarged. On the contrary, the density gradation of the area where the contrast is large and the fat area where there is little possibility of the presence of the microcalcification image is compressed. At this time, a micro-calcified image having a peripheral pixel value average of about 300 is used as a reference, and when the peripheral average pixel value is lower than that, the contrast is increased, and when it is higher, the contrast is decreased.
[0039]
The contrast correction process not only contributes to the improvement of the automatic pattern detection performance, but is also effective in that it facilitates visual observation in the mammary gland tissue, and can be applied as an image processing method. It is done. In other words, since the contrast of the pattern to be detected can be made uniform by the above contrast correction process, the detection method can be made uniform regardless of the area, the system configuration can be simplified, and the processing speed can be improved. become.
[0040]
(4) "Concentration gradient extraction process (candidate pattern extraction process)"
The size of calcification associated with breast cancer is often as fine as about 0.75 mm or less, and these are called microcalcifications. That is, on the digital image used this time, it is an extremely small signal having a diameter of about 10 pixels or less even if the blur of the image is taken into consideration. These signal distributions have the basic common feature that the values are smaller than the surrounding density values (pixel values), and the density gradient falls almost constant toward the center. This is a characteristic unique to chemical images.
[0041]
Therefore, a vector distribution of density gradient (Sobel gradient) having both direction and intensity elements is calculated for each pixel from the density distribution of the digital image (density gradient extracting means), and the conical structure is based on the vector distribution. A process (candidate pixel search means) for automatically extracting a region having the vector pattern (hereinafter referred to as a basic vector pattern) is performed in the next step.
[0042]
(5) "Fixed ring filter processing (candidate pattern extraction processing)"
The fixed ring filter is composed of a plurality of ring-shaped sub-filters having different sizes, and has a diameter corresponding to the size of the microcalcification image.
Specifically, three different size filters are set, and are called Filter A, Filter B, and Filter C from the smallest, and their diameters are 3 pixels, 5 pixels, and 7 pixels, respectively. FIG. 5 shows a basic vector pattern superimposed on these three ring filters.
[0043]
These three filters are superimposed on the candidate area, the basic vector pattern and the vector pattern in the filter are analyzed, a “direction feature” representing the similarity of vector directionality for each sub-filter, and the vector strength An “intensity feature amount” representing similarity is calculated (feature amount calculation means).
The calculation of the direction feature amount is executed by the following procedure.
[0044]
First, each pixel is assigned an address (k = 1 to n) according to the number of pixels n in each sub-filter, and a basic vector pattern (a direction connecting the central pixel and the pixel) at the pixel at the k-address on the sub-filter. ) And the angle difference between the vector directions of the concentration gradient is θk (0 ≦ θk ≦ π).
Here, since the average value of the vector direction similarity in each pixel on the sub-filter is used as the direction feature amount, the direction feature amount D of the sub-filter composed of n pixels is expressed by Equation 1 and The higher the similarity is, the larger the value is calculated. In Filter A, n = 8, in Filter B, n = 12, and in Filter C, C = n = 16.
[0045]
[Expression 1]
In Equation 1, α is a weighting coefficient, and a different value is set for each filter in consideration of the nature of the vector pattern of the microcalcification image having an irregular shape.
On the other hand, when the vector of each pixel on the sub-filter is expressed as Vk, the intensity feature quantity I is calculated as an average value obtained by multiplying the vector intensity by the direction feature quantity at that pixel, and is expressed by the following equation (2).
[0047]
[Expression 2]
(6) "Candidate pattern extraction process"
By performing the above-described fixed ring filter processing on the breast region, the direction feature value data and the intensity feature value data are obtained for each of the three filters A, B, and C for each pixel. 6 feature quantities are obtained.
Then, a pixel whose feature amount exceeds a predetermined threshold is determined as a pixel included in the target pattern (circular pattern corresponding to the microcalcification image) (candidate pixel determination unit), and is determined to be included in the target pattern. A set of pixels is extracted as a candidate pattern.
[0049]
Since the extracted candidate pattern may have one region divided into a plurality of regions, a morphological calculation open process using a 3 × 3 pixel template is performed, and the divided patterns are merged. Then, the center of gravity of each pattern subjected to merging is obtained, and the process proceeds to the next step with the coordinates of the center of gravity as the coordinates of the candidate pattern.
(7) "Variable ring filter processing (pattern discrimination processing)"
The following variable ring filter processing is performed on the candidate pattern extracted in the previous stage, and false-positive candidate patterns erroneously detected from the normal structure and the like are removed.
[0050]
The variable ring filter processing performs processing equivalent to the above-described fixed ring filter processing by transforming the shape of the filter into a shape corresponding to the shape of the candidate pattern, thereby more accurately obtaining the feature amount of the candidate pattern, It is strictly determined whether or not the pattern is a predetermined pattern.
As shown in FIG. 6, the deformation of the filter is performed by setting a plurality of search directions that radiate to the periphery centering around the pixel of the coordinate of the candidate pattern, and the vector intensity of the density gradient in each pixel is maximum in each search direction. (Density gradient searching means). In FIG. 6, the squares shown on the search direction arrows indicate pixels whose vector intensity is maximum in each search direction.
[0051]
The filter shape deformation condition will be described by taking an image in which micro calcified clusters exist as an example.
FIG. 7A shows a pixel value distribution of a cross section of a typical micro calcification image, and FIG. 7B shows a vector intensity distribution of a density gradient in the micro calcification image corresponding to FIG. 7A. Show. As shown in FIG. 7 (a), the vector intensity of the portion where the microcalcification image exists has a ring-shaped edge structure. This edge portion has the vector intensity in FIG. 7 (b). It corresponds to the maximum part, and the deepest part of the microcalcification image is the part where the vector intensity is minimum. Therefore, the variable ring filter changes its shape from the point already detected in the fixed ring filter analysis (the deepest pixel in the pixel value distribution) until it finds a pixel having a maximum vector intensity. Finding the maximum value of the vector intensity in FIG. 7 (b) corresponds to finding the inflection point of the pixel value distribution in FIG. 7 (a), so that it is transformed into an optimum filter shape according to the shape of the candidate shadow. Will be able to.
[0052]
For example, when a variable ring filter is applied to an irregularly shaped microcalcification image and a mammary tissue shadow image of a line component, the ring shapes are obtained as shown in FIGS. 8A and 8B, respectively. As described above, the fixed ring filter is always circular, but the shape of the variable ring filter changes in response to the candidate shape.
The calculation of the direction / strength feature quantity after the deformation of the filter shape (concentration gradient feature quantity computing means) is performed using the computation formulas shown in the above formulas 1 and 2 in the same manner as the feature quantity computation in the fixed ring filter analysis. However, since the filter shape is determined adaptively, α = 1.0 is used as the weighting function. Further, the filter structure is only one, and the number of pixels n on the filter changes every time depending on the shape of the candidate pattern for each candidate pattern.
[0053]
When the direction / intensity feature amount exceeds a predetermined threshold, the pixel of the candidate pattern coordinate is determined as a pixel included in the target pattern (circular pattern corresponding to the microcalcification image) (pixel determination unit). .
Examining the output value (direction / strength feature) of the filter for the irregularly shaped microcalcification image, the fixed ring filter analysis satisfies only the detection conditions of FilterA out of the three filters and detects the microcalcification image. However, the variable ring filter satisfies the detection condition, and in particular, the direction feature value is higher than that of the fixed ring filter.
[0054]
On the other hand, in the output value (direction / intensity feature amount) of the filter for the line component shadow image, the detection conditions in Filter A and Filter B are satisfied in the fixed ring filter analysis, and the line component shadow image is erroneously regarded as a microcalcification image. It will be detected. On the other hand, the variable ring filter can accurately analyze the situation of candidate edges that cannot be searched by the fixed ring filter, so that the output value of the direction feature amount becomes low, and the line component shadow image may be erroneously detected as a microcalcification image. Absent.
[0055]
Here, if the discrimination with the fixed ring filter processing is performed strictly so as to eliminate the false detection of the line component shadow image due to the normal structure, even the irregularly shaped micro-calcification image is excluded and detected. The rate will drop. However, since the line component shadow image can be effectively removed by the variable ring filter processing, the determination of the fixed ring filter can be made gradual, and it is possible to detect a microcalcification image having an irregular shape. Therefore, it is possible to simultaneously improve the true positive detection rate and reduce false positives.
[0056]
(8) "Candidate area re-extraction processing (pattern discrimination processing)"
After completion of the variable ring filter analysis, shape analysis processing is further performed as processing for deleting false positive candidates.
Since the shape analysis makes a true / false judgment based on the two-dimensional size and shape, it is necessary to accurately extract the candidate shadow region before the analysis.
[0057]
One of the causes of the large variation in the contrast of the microcalcification image is a change in the X-ray absorption value resulting from the difference in the location of the microcalcification, and the above system suppresses the influence of the X-ray absorption. For this reason, contrast correction processing is performed, but slight variations are still observed due to differences in the nature and size of the calcification itself, and thus binarization with a simple fixed threshold cannot accurately extract a region.
[0058]
Therefore, it is necessary to set an optimum threshold value γ according to each microcalcification image. Here, after deforming the filter shape by the variable ring filter processing, the average value of the pixel values of the pixels on the filter ( (Representative value) was obtained and used as the threshold value γ when binarizing this value. In addition, it is good also considering a median value as a threshold value instead of an average value.
[0059]
And a candidate area | region is extracted by binarizing a pixel value using the said threshold value (gamma) (image area extraction means).
(9) “Shape analysis of candidate areas (pattern discrimination processing)”
When the candidate area is extracted, the feature quantity of the area and the circularity is calculated as the feature quantity related to the shape of the image for the extracted candidate area of the microcalcification image.
[0060]
The feature amount of the area is obtained as the number of pixels included in the candidate region, but as a threshold for deleting false positive candidates, it is experimental so that a benign coarse calcified image that does not correspond to a microcalcified image is not detected. 50 (number of pixels), and candidate areas with an area exceeding 50 are deleted as false positive candidates (pattern discriminating means).
The circularity is {4π × area ÷ (circumference length)2}, The circularity becomes larger as the candidate region is closer to a circle (maximum 1.0), and becomes smaller as it deviates from the circle. Then, experiment as a threshold for deleting false positive candidates from circularity so that line component shadows such as blood vessels and milk ducts that are difficult to identify even with a variable ring filter and false positive candidates at the intersections can be deleted Therefore, 0.5 is set as a candidate, and candidate areas with a circularity of less than 0.5 are deleted as false positive candidates (pattern discrimination means).
[0061]
Instead of the shape analysis or together with the shape analysis, false positive candidates may be deleted based on pixel values (original image or image after contrast correction processing) in the candidate area. Specifically, the candidate area can be deleted as a false positive candidate based on the pixel value of the deepest part of the candidate area, the deviation between the pixel value of the deepest part and the pixel value of the surrounding edge part, etc. is there.
[0062]
(10) "Cluster region feature analysis (pattern discrimination processing)"
At the time when the series of detection processes and false positive candidate deletion processes so far are completed, the remaining candidate areas are determined to be microcalcification images (predetermined patterns), and then these are clustered. Extract regions automatically.
In this system, when there are three or more microcalcification candidates in a 50 square mm area according to the judgment of a specialist, such an area is extracted as a cluster area, and this area is, for example, a breast X-ray image using a cloud-like frame. Overlaid on the display.
[0063]
Next, the benign / malignant discrimination of the microcalcification images constituting the cluster is performed.
Among the calcifications, malignant calcification images that are particularly correlated with cancer are characterized as (a) fine, (b) high concentration, (c) there are many, (D) There are six observations: large and small disparity, (e) irregular shape, and (f) linear arrangement.
[0064]
Therefore, in order to investigate the presence or absence of these findings, the average size of the calcified images in the extracted cluster, the average distance from other calcified images, the number of calcified images, the dispersion of the size, and the circular shape The average of degrees is calculated (feature amount calculation means). Next, the points of 30, 30, 15, 15, and 10 are given to these five items, respectively, and feature evaluation is performed individually depending on whether or not they match the characteristic findings of the malignant calcification image. Are added to quantify the malignancy with a value of 0-100. Although it is preferable to calculate all of the five items, a plurality of items among the five items may be selected.
[0065]
When the malignancy exceeds 100, the malignant calcification cluster is evaluated. When the malignancy is less than 30, the benign calcification cluster is evaluated, and the middle is a borderline calcification cluster (breast cancer discrimination means). When displaying cluster areas surrounded by a frame, the benign and malignant indications can be obtained by displaying the frame color in three stages of red (malignant), yellow (boundary), and blue (benign) in descending order of risk. Express.
[0066]
(11) "Displaying detection results"
In displaying a breast X-ray image, it is preferable to enhance a high-frequency component using an unsharp mask filter on the original image subjected to contrast correction in order to enhance the signal of the microcalcification image.
The unsharp mask processing is, for example, as disclosed in Japanese Patent Application Laid-Open No. 62-89177 and the like, when the original signal is Sorg, the unsharp mask signal is Sus, and the enhancement coefficient is β.
S ′ = Sorg + β (Sorg−Sus)
A process for performing the following operation is shown.
[0067]
In this system, the mask size and enhancement coefficient β for generating a blurred image (unsharp mask signal) were experimentally set to 11 × 11 pixels and 3.0, respectively. An image created by this processing can facilitate observation of a microcalcification image in the image.
Then, the image subjected to the signal enhancement processing is displayed on a high-resolution CRT, but since the enhancement processing is performed, the microcalcification image is displayed more clearly than the mammogram. In addition, on the display image, a cluster area with a high degree of risk detected by the processing and analysis up to the previous stage is displayed surrounded by a color frame that matches the degree of risk.
[0068]
The display of the cluster area is not limited to the method surrounded by the above-described frame, and the brightness and contrast of the target area may be changed or blinked. It is also possible to display marks on individual microcalcification images instead of clusters.
Further, the display means is not limited to the CRT, and can be output to a hard copy such as a film. In addition, when reading a normal mammogram, a display device (CRT, etc.) capable of displaying the corresponding area is placed in an observation device, such as Schaukasten, and a high-risk area is indicated to the display device, such as CRT. However, it is possible to adopt a configuration in which detailed interpretation is performed using an X-ray photograph.
[0069]
Furthermore, it is also possible to display only the breast X-ray image first, and display the detection result after a predetermined time or after an instruction is given so that the interpretation independent of the detection result of this system can be performed. It is.
As described above, according to the present system, linear shadows and blood vessel shadows caused by normal structures can be easily separated, and a microcalcification image in a mammogram can be detected with high accuracy. By presenting the detection result to an interpreting physician, the diagnosis accuracy of breast cancer based on the mammogram can be improved.
[0070]
Although the present system is configured to detect the microcalcification image in the mammogram, the target image is not limited to the mammogram, and the microcalcification image is set to a predetermined pattern. It is not limited to the configuration.
[0071]
【The invention's effect】
As described above, claim 1 or5According to the described invention,An area having a conical vector pattern is easily discriminated based on the density gradient feature by a concentric fixed filter around a predetermined center pixel, and candidate pixels are narrowed down to some extent by this gentle discrimination. Of this extracted candidate pixelAccording to the shape of the shadowSet the variable filter,Since the pixels for determining the density gradient feature are set, the radial vector distribution of the density gradient can be accurately determined even in a small candidate shadow that is extremely light and irregular in shape. For example, in a breast X-ray image, There is an effect that the microcalcification image can be detected with high accuracy by strictly distinguishing it from the false positive.As described above, since the candidate pixels are extracted in advance and the shape of the filter is deformed for each extracted candidate pixel, the pattern can be determined strictly. This has the effect of shortening the length.
[0075]
Claim2 or 6According to the described invention, since the contrast can be made uniform, it is possible to use a uniform detection method regardless of the region, and therefore, there is an effect that the configuration can be simplified and the processing speed can be improved..
[0076]
According to the third or seventh aspect of the invention, it is possible to automatically detect a microcalcification image, which is an important finding of breast cancer, with high accuracy, thereby improving the diagnostic accuracy of breast cancer based on a mammogram. There is an effect.
According to invention of Claim 4 or 8,Whether the microcircular patterns (microcalcifications) constituting the group of microcircular patterns are benign or malignantThere is an effect that it can be distinguished.
[Brief description of the drawings]
FIG. 1 is a block diagram showing an outline of a system configuration in an embodiment.
FIG. 2 is a block diagram showing processing contents in the embodiment.
FIG. 3 is a diagram showing the correlation between the background of a microcalcification image and contrast.
FIG. 4 is a diagram showing a contrast correction curve.
FIG. 5 is a diagram showing a fixed ring filter and a basic vector pattern.
FIG. 6 is a diagram showing a variable ring filter and a search direction.
7A and 7B are diagrams showing signal characteristics of a microcalcification image, where FIG. 7A is a diagram showing a pixel value distribution, and FIG. 7B is a diagram showing a change in vector intensity;
8A and 8B are diagrams showing examples of the shape of the variable ring filter, where FIG. 8A shows a filter shape in the case of an irregularly shaped micro lime image, and FIG. 8B shows a filter shape in the case of a mammary tissue shadow.
Claims (8)
中心画素の周辺の同心円状の固定フィルタ上に位置する複数の画素それぞれにおける濃度勾配のベクトル強度とベクトル方向とを抽出し、前記濃度勾配のベクトル方向と前記中心画素と当該画素とを結ぶ方向との角度の相違量を前記複数の画素毎に求め、前記複数の画素毎の角度の相違量とベクトル強度とから各同心円領域毎に濃度勾配に関する特徴量を求め、前記特徴量に基づいて前記中心画素を候補画素として抽出するか否かを予め判別しておき、
前記候補画素として抽出された前記中心画素から周辺画素へ放射状に広がる複数の探索方向それぞれにおいて、濃度勾配のベクトル強度が極大となる画素を探索し、前記探索された複数画素に合わせて可変フィルタの形状を変形し、該可変フィルタ上の複数画素それぞれでの濃度勾配のベクトル強度、及び、前記探索された複数画素それぞれでの濃度勾配のベクトル方向と前記探索方向との角度の相違量から濃度勾配に関する特徴量を求め、該特徴量に基づいて前記候補画素が所定のパタンに含まれるか否かを判別することを特徴とする２次元多階調画像におけるパタン検出方法。A method for detecting a predetermined pattern from two-dimensional multi-tone image data,
Extracting the density gradient vector intensity and vector direction in each of a plurality of pixels located on a concentric fixed filter around the center pixel, and a direction connecting the density gradient vector direction and the center pixel to the pixel The angle difference amount is determined for each of the plurality of pixels, the feature amount related to the density gradient is determined for each concentric region from the angle difference amount and the vector intensity for each of the plurality of pixels, and the center based on the feature amount It is determined in advance whether or not to extract a pixel as a candidate pixel,
In each of a plurality of search directions extending radially from the central pixel to the peripheral pixels extracted as the candidate pixels , a pixel having a maximum density gradient vector intensity is searched, and a variable filter is matched to the searched plurality of pixels . The density gradient is calculated based on the vector intensity of the density gradient at each of the plurality of pixels on the variable filter and the amount of difference in the angle between the vector direction of the density gradient at each of the searched plurality of pixels and the search direction. A pattern detection method in a two-dimensional multi-gradation image, wherein a feature amount related to the image is obtained and whether or not the candidate pixel is included in a predetermined pattern is determined based on the feature amount.
中心画素の周辺の同心円状の固定フィルタ上に位置する複数の画素それぞれにおける濃度勾配のベクトル強度とベクトル方向とを抽出する第１の濃度勾配抽出手段と、First density gradient extraction means for extracting the vector intensity and vector direction of the density gradient in each of a plurality of pixels located on a concentric fixed filter around the central pixel;
前記抽出された濃度勾配のベクトル方向と前記中心画素と当該画素とを結ぶ方向との角度の相違量を前記複数の画素毎に求め、前記複数の画素毎の角度の相違量とベクトル強度とから各同心円領域毎に濃度勾配に関する特徴量を演算する第１の特徴量演算手段と、An angle difference between the vector direction of the extracted density gradient and a direction connecting the center pixel and the pixel is obtained for each of the plurality of pixels, and the angle difference for each of the plurality of pixels and a vector intensity are used. A first feature amount calculating means for calculating a feature amount related to the density gradient for each concentric region;
該第１の特徴量演算手段で演算された特徴量に基づいて前記中心画素を候補画素として抽出するか否かを予め判別する候補画素判別手段と、Candidate pixel determining means for determining in advance whether or not to extract the central pixel as a candidate pixel based on the feature value calculated by the first feature value calculating means;
該候補画素判別手段で候補画素として抽出された前記中心画素から周辺画素へ放射状に広がる複数の探索方向それぞれにおいて、濃度勾配のベクトル強度が極大となる画素を探索する第２の濃度勾配探索手段と、Second density gradient search means for searching for a pixel having a maximum density gradient vector intensity in each of a plurality of search directions radially extending from the central pixel to the peripheral pixels extracted as candidate pixels by the candidate pixel determination means; ,
該第２の濃度勾配探索手段で探索された複数画素に合わせて可変フィルタの形状を変形し、該可変フィルタ上の複数画素それぞれでの濃度勾配のベクトル強度、及び、前記探索された複数画素それぞれでの濃度勾配のベクトル方向と前記探索方向との角度の相違量から濃度勾配に関する特徴量を演算する第２の特徴量演算手段と、The shape of the variable filter is deformed according to the plurality of pixels searched by the second density gradient search means, the vector intensity of the density gradient at each of the plurality of pixels on the variable filter, and each of the searched plurality of pixels A second feature amount calculating means for calculating a feature amount related to the concentration gradient from an amount of difference in angle between the vector direction of the concentration gradient at and the search direction;
該第２の特徴量演算手段で演算された特徴量に基づいて前記候補画素が所定のパタンに含まれるか否かを判別する画素判別手段と、Pixel determining means for determining whether or not the candidate pixel is included in a predetermined pattern based on the feature value calculated by the second feature value calculating means;
を含んで構成されたことを特徴とする２次元多階調画像におけるパタン検出装置。A pattern detection apparatus for a two-dimensional multi-tone image, comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05777796A JP3852125B2 (en) | 1996-03-14 | 1996-03-14 | Pattern detection method and apparatus for two-dimensional multi-tone image |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP05777796A JP3852125B2 (en) | 1996-03-14 | 1996-03-14 | Pattern detection method and apparatus for two-dimensional multi-tone image |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09251535A JPH09251535A (en) | 1997-09-22 |
| JP3852125B2 true JP3852125B2 (en) | 2006-11-29 |
Family
ID=13065308
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP05777796A Expired - Lifetime JP3852125B2 (en) | 1996-03-14 | 1996-03-14 | Pattern detection method and apparatus for two-dimensional multi-tone image |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3852125B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101562756B1 (en) | 2006-04-28 | 2015-10-22 | 도요타 모터 유럽 | Robust interest point detector and descriptor |
Families Citing this family (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4336398B2 (en) * | 1998-03-25 | 2009-09-30 | キヤノン株式会社 | Radiation digital image processing system, radiation digital image processing apparatus, and radiation digital image processing method |
| JP4393016B2 (en) * | 2000-06-30 | 2010-01-06 | 株式会社日立メディコ | Diagnostic imaging support device |
| US7187789B2 (en) | 2000-08-31 | 2007-03-06 | Fuji Photo Film Co., Ltd. | Prospective abnormal shadow detecting system, and method of and apparatus for judging whether prospective abnormal shadow is malignant or benignant |
| JP4146310B2 (en) * | 2003-07-17 | 2008-09-10 | 浜松ホトニクス株式会社 | Method for evaluating composition uniformity and apparatus for evaluating composition uniformity |
| US7515743B2 (en) * | 2004-01-08 | 2009-04-07 | Siemens Medical Solutions Usa, Inc. | System and method for filtering a medical image |
| JP4904755B2 (en) * | 2005-02-09 | 2012-03-28 | 富士電機株式会社 | Image identification tag and image identification system |
| JP4492412B2 (en) * | 2005-03-31 | 2010-06-30 | 株式会社日立製作所 | Image processing method and apparatus |
| JP4343980B2 (en) * | 2007-12-12 | 2009-10-14 | キヤノン株式会社 | Radiation digital image processing system |
| JP4908440B2 (en) * | 2008-03-06 | 2012-04-04 | 株式会社東芝 | Image processing apparatus and method |
| KR101439412B1 (en) * | 2010-11-22 | 2014-09-11 | 한국전자통신연구원 | Method of segmenting lesions in images |
| CN102984990B (en) | 2011-02-01 | 2015-05-20 | 奥林巴斯医疗株式会社 | Diagnosis assistance apparatus |
| KR101307162B1 (en) * | 2011-11-03 | 2013-09-11 | 인제대학교 산학협력단 | Computer Aided System and method for Breast Mass Detection and Analysis in Microwave Tomography |
| WO2023119904A1 (en) * | 2021-12-21 | 2023-06-29 | 富士フイルム株式会社 | Image processing device, image processing method, and image processing program |
-
1996
- 1996-03-14 JP JP05777796A patent/JP3852125B2/en not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101562756B1 (en) | 2006-04-28 | 2015-10-22 | 도요타 모터 유럽 | Robust interest point detector and descriptor |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH09251535A (en) | 1997-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zebari et al. | Improved threshold based and trainable fully automated segmentation for breast cancer boundary and pectoral muscle in mammogram images | |
| EP0731952B1 (en) | Automated method and system for improved computerized detection and classification of masses in mammograms | |
| US5133020A (en) | Automated method and system for the detection and classification of abnormal lesions and parenchymal distortions in digital medical images | |
| EP1035508B1 (en) | Automated method and system for the segmentation of medical images | |
| US6760468B1 (en) | Method and system for the detection of lung nodule in radiological images using digital image processing and artificial neural network | |
| US7903861B2 (en) | Method for classifying breast tissue density using computed image features | |
| US6795521B2 (en) | Computer-aided diagnosis system for thoracic computer tomography images | |
| US4907156A (en) | Method and system for enhancement and detection of abnormal anatomic regions in a digital image | |
| EP0502027B1 (en) | Computer-based method for assisting an investigation of a human breast for a malignancy | |
| JP3432863B2 (en) | A method for detecting clustered microcalcifications in digital mammograms | |
| US8086002B2 (en) | Algorithms for selecting mass density candidates from digital mammograms | |
| Tripathy et al. | Unified preprocessing and enhancement technique for mammogram images | |
| Loizidou et al. | An automated breast micro-calcification detection and classification technique using temporal subtraction of mammograms | |
| US6738500B2 (en) | Method and system for detecting small structures in images | |
| US20110026791A1 (en) | Systems, computer-readable media, and methods for classifying and displaying breast density | |
| JP3852125B2 (en) | Pattern detection method and apparatus for two-dimensional multi-tone image | |
| JPH06339476A (en) | Method and system to determine feature of geometrical pattern of interval quality seepage in breast x-ray picture | |
| JPH06121792A (en) | Method for analyzing misdiagnosis on ordinary example in automatic detection of lung micronodulation in digital thoracic x-ray photographand its system | |
| US9808217B2 (en) | Breast cancer detection system, breast cancer detection method, breast cancer detection program, and computer-readable recording medium having breast cancer detection program recorded thereon | |
| US20180053297A1 (en) | Methods and Apparatuses for Detection of Abnormalities in Low-Contrast Images | |
| JP2004222776A (en) | Abnormal shadow candidate detector | |
| JPH1119077A (en) | Method and device for detection of tumor shadow in radiation image | |
| WO2022153100A1 (en) | A method for detecting breast cancer using artificial neural network | |
| JP2004351056A (en) | Medical image processing apparatus | |
| Sultana et al. | Detection of mammographic microcalcifications using a refined region-growing approach |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050801 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050809 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20051011 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060228 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060419 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060815 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060828 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090915 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100915 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110915 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120915 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120915 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130915 Year of fee payment: 7 |
|
| S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| EXPY | Cancellation because of completion of term |