JP2001511374A - 側面胸部放射線像の肺領域を分割する方法とシステム - Google Patents

側面胸部放射線像の肺領域を分割する方法とシステム

Info

Publication number
JP2001511374A
JP2001511374A JP2000504545A JP2000504545A JP2001511374A JP 2001511374 A JP2001511374 A JP 2001511374A JP 2000504545 A JP2000504545 A JP 2000504545A JP 2000504545 A JP2000504545 A JP 2000504545A JP 2001511374 A JP2001511374 A JP 2001511374A
Authority
JP
Japan
Prior art keywords
lung
gray level
region
pixel
contour
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.)
Pending
Application number
JP2000504545A
Other languages
English (en)
Inventor
アルマト、サミュエル・ジー・ザ・サード
ジガー、マリレン・エル
マクマホン、ヒーバー
Original Assignee
アーチ・デベロップメント・コーポレーション
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 アーチ・デベロップメント・コーポレーション filed Critical アーチ・デベロップメント・コーポレーション
Publication of JP2001511374A publication Critical patent/JP2001511374A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/28—Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20004—Adaptive image processing
    • G06T2207/20012—Locally adaptive
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

(57)【要約】 【課題】 側面胸部放射線像の肺領域を分割する方法とシステム 【解決手段】 グレイレベル閾値分析に基づいて側面胸部放射線画像中の肺領域を自動的に分割する方法とシステム。この画像中の肺領域の範囲上の概略の外側縁を識別して、さらに分析される領域を制限する。逐次グローバルグレイレベル閾値化法をグローバルグレイレベルヒストグラムの特徴に基づいて適応する。各逐次実行毎に構成された２値画像中の領域の特徴は識別されて修正分析を受け、これによって、肺領域に対して外部にある領域を排除する。個々の関心領域（ＲＯＩ）を初期輪郭に沿って位置付けする。個々のＲＯＩ内の画素に適応される単一のグレイレベル閾値が決定される。「オン」領域を包含する最終輪郭が構成される。ローリングボール方法を用いてスムージングを実行し、あてはめられた多項式曲線が最終輪郭に切断される。

Description

【発明の詳細な説明】
【０００１】
【発明の属する技術分野】
本発明は一般的には側面胸部放射線像の肺領域をコンピュータで自動的に分割
する改良型の方法、システム、装置等に関する。肺部位の分割における新規な技
法には適応ローカル閾値化がある。
【０００２】 本発明は一般的には、例えば米国特許第４，８３９，８０７号；第４，８４１
，５５５号；第４，８５１，９８４号；第４，８７５，１６５号；第４，９０７
，１５６号；第４，９１８，５３４号；第５，０７２，３８４号；第５，１３３
，０２０号；第５，１５０，２９２号；第５，２２４，１７７号；第５，２８９
，３７４号；第５，３１９，５４９号；第５，３４３，３９０号；第５，３５９
，５１３号；第５，４５２，３６７号；第５，４６３，５４８号；第５，４９１
，６２７号；第５，５３７，４８５号；第５，５９８，４８１号；第５，６２２
，１７１号；第５，６３８，４５８号；第５，６５７，３６２号；第５，６６６
，４３４号；第５，６７３，３３２号；第５，６６８，８８８号；及び第５，７
４０，２６８号；ならびに米国特許出願第０８／１５８，３８８号；第０８／１
７３，９３５号；第０８／２２０，９１７号；第０８／３９８，３０７号；第０
８／４２８，８６７号；第０８／５２３，２１０号；第０８／５３６，１４９号
；第０８／５２６，４５０号；第０８／５１５，７９８号；第０８／５６２，０
８７号；第０８／７５７，６１１号；第０８／７５８，４３８号；第０８／９０
０，１９１号；第０８／９００，１８８号；第０８／９００，１８９号；及び第
０８／９００，１９２号；の内の１つ以上に開示されているようなデジタル画像
中の異常を自動的に検出するＣＡＤ技法に関する。
【０００３】 本発明は、本書で参照され既述される様々な技法と、添付付録にリストアップ
されている参考資料に述べられ、本明細書全体にわたってかっこ内の参照番号で
クロスリファレンスされ、その全内容が、上記の関連特許及び出願並びに付録に
リストアップされている参考資料を含め、ここに参照して組み込まれる技法と、
を用いる。
【０００４】
【従来の技術】
従来の放射線像胸部検査は、前後方向（ＰＡ）と側面の投影像の双方から成っ
ており、ＰＡ画像を現在のデジタル画像処理技法に用いることは理に適った方式
である。側面画像とは対照的に、ＰＡ画像は、特に肺尖や側面の縁や横隔膜の縁
や心臓の陰などのに沿った解剖学的な縁を良好に輪郭付けして示してくれる。縦
隔／肺の界面もまたＰＡ画像で明瞭に輪郭付けされる。ＰＡ構成は各肺領域をフ
ィルムの判明な領域に投影し、一方、側面投影像は肺構造と縦隔構造の双方から
の情報をフィルムの実質的に同じ位置に重ね合わせる。したがって、ＰＡ放射線
像は一般的に、肺病理を検出するにはより感知性の高いものである。
【０００５】
【発明が解決しようとする課題】
しかしながら、これらの相違にも関わらず、側面放射線像を臨床的に利用する
方式は良好に確立されている［１〜７］。側面図はしばしば、臨床診断に寄与す
る重要な診断情報を提供する。コンピュータ支援診断（ＣＡＤ）スキームは側面
画像に包含される臨床的に関連した放射線情報から恩典を受けやすい。側面胸部
画像を適切に分割することによって、現行のＣＡＤスキームに新たな次元を与え
ながらも新しいＣＡＤスペクトル法の開発に結びつ付くことは大いに考えられる
ことである。例えば、側面画像の胸骨後方の明瞭なスペースと心臓後方の領域の
放射線像に見える特徴を自動的に分析して、気腫、心臓肥大、胸膜滲出などの状
態を評価することができ、また、現行のＰＡ画像に基づいた肺小節検出スキーム
によって選択された小節の候補者を側面画像中の対応する領域に対する分析に基
づいて確認することができる。
【０００６】
【課題を解決するための手段】
従って、本発明は上記事情に鑑みてなされたものであり、その目的は、側面胸
部画像中の肺領域を分割する方法とシステムを提供することにある。また、本発
明の別の目的は画像の適応局所閾値化のための自動的な方向とシステムを提供す
ることにある。
【０００７】 本発明は、以下に示す特徴を有する方法等である。
【０００８】 請求項１に記載の発明は、側臥位の患者の胸郭から誘導された画像に基づいて
第１の画像データを発生するステップと、肺領域と識別された前記第１の画像デ
ータの１部分を包含する輪郭を構成するステップと、を含むことを特徴とする、
側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【０００９】 請求項２記載の発明は、前記肺領域を自動的に分割する方法であって、前記第
１の画像データを前処理して第２の画像データを生成するステップと、前記第２
の画像データ中の前方と後方のおよその縁を描写して第３の画像データを生成す
るステップと、をさらに含むことを特徴とする請求項１に記載の側面胸部放射線
画像中の肺領域を自動的に分割する方法である。
【００１０】 請求項３記載の発明は、前記肺領域を自動的に分割する方法であって、前記第
３の画像データに対して逐次グローバルグレイレベル閾値化を実行して、第１の
初期肺分割輪郭を識別するステップと、前記第１の初期肺分割輪郭をスムージン
グして、第２と第３と第４の初期肺分割輪郭と生成するステップと、をさらに含
むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領域を自動的に
分割する方法である。
【００１１】 請求項４記載の発明は、前記肺領域を自動的に分割する方法であって、前記第
４の初期肺分割輪郭に沿って位置付けされた関心領域内において適応局所グレイ
レベル閾値化を実行し、第１の最終肺分割輪郭を識別するステップと、前記第１
の最終肺分割輪郭をスムージングして、第２と第３と第４と第５の最終肺分割輪
郭を生成するステップと、をさらに含むことを特徴とする請求項３に記載の側面
胸部放射線画像中の肺領域を自動的に分割する方法である。
【００１２】 請求項５記載の発明は、前記肺領域を自動的に分割する方法において、前記前
処理ステップは、前記第１の画像データの底部照準領域を識別するステップと、
前記第１の画像データの前記側部照準領域を識別するステップと、前記照準領域
中の画素値にゼロを設定すステップと、を含むことを特徴とする請求項２に記載
の側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【００１３】 請求項６記載の発明は、前記肺領域を自動的に分割する方法において、前記底
部照準領域を識別するステップは、前記第１の画像データのＮ行分の初期画素と
最終画素とを前記第１の画像データの底部行から始まる第１の所定の一定値と比
較するステップと、前記前記第１の画像データの前記底部行中の第１の又は最後
の画素の値が前記第１の所定の一定値を越える場合に、前記第１の画像データの
前記底部行内のすべての画素の値にゼロを設定するステップと、を含むことを特
徴とする請求項５に記載の側面胸部放射線画像中の肺領域を自動的に分割する方
法である。
【００１４】 請求項７記載の発明は、前記肺領域を自動的に分割する方法であって、前記第
１の行中の前記初期画素の値も前記最終画素値も前記第１の所定の一定値を越え
ない最初の行に遭遇するまでは、先行する行に対して前記比較するステップと前
記ゼロ設定ステップとを繰り返すステップを含み、前記比較するステップは、前
記第１の画像データの前記第１の行に先行する行の最初の画素と最終の画素とを
第２の所定の一定値と比較するステップと、前記第１の画像データの前記第１の
行に先行する前記行中の前記初期画素又は最終画素の値が前記第２の所定の一定
値を越える場合に、前記第１の画像データの前記第１の行に先行する前記行内の
すべての画素にゼロを設定するステップと、をさらに含むことを特徴とする請求
項６に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【００１５】 請求項８記載の発明は、前記肺領域を自動的に分割する方法であって、行中の
前記初期画素の値も前記最終画素の値も前記第２の所定の一定値を越えない第２
の行に遭遇するまでは、先行する行に対して前記比較ステップと前記ゼロ設定ス
テップを繰り返すステップを含むことを特徴とする請求項７に記載の側面胸部放
射線画像中の肺領域を自動的に分割する方法である。
【００１６】 請求項９記載の発明は、前記肺領域を自動的に分割する方法において、前記側
部照準領域を識別するステップは、前記第１の画像データの各行中の初期画素値
を所定の一定値と比較するステップと、前記初期画素が前記所定の一定値を越え
ると、前記初期画素の値にゼロを設定するステップと、を含むことを特徴とする
請求項５に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である
。
【００１７】 請求項１０記載の発明は、前記肺領域を自動的に分割する方法であって、前記
所定の一定値を越えない第１の画素に遭遇するまでは後続の画素に対して前記比
較ステップと前記ゼロ設定ステップを繰り返すステップとを含み、前記比較する
ステップは、前記第１の画像データの各行中の最終画素の値を前記所定の一定値
と比較するステップと、前記最終画素が前記所定の一定値を越える場合に前記最
終画素の値をゼロに設定するステップと、をさらに含むことを特徴とする請求項
９に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【００１８】 請求項１１記載の発明は、前記肺領域を自動的に分割する方法であって、前記
所定の一定値を越えない第２の画素に遭遇するまでは、先行する画素に対して前
記比較ステップと前記ゼロ設定ステップとを繰り返すステップをさらに含むこと
を特徴とする請求項１０に記載の側面胸部放射線画像中の肺領域を自動的に分割
する方法である。
【００１９】 請求項１２記載の発明は、前記肺領域を自動的に分割する方法において、前記
前処理ステップは、前記第１の画像データから直接露出領域と皮下領域とを抑圧
して識別するステップをさらに含むことを特徴とする請求項２に記載の側面胸部
放射線画像中の肺領域を自動的に分割する方法である。
【００２０】 請求項１３記載の発明は、前記肺領域を自動的に分割する方法において、前記
識別ステップは、前記第１の画素に遭遇して以来遭遇した、最小画素値の所定の
倍数値を越える値を持つ第３の画素に遭遇するまでは、前記第１の画素に続く画
素にゼロを設定するステップと、各行中の前記第３の画素に続くＮ個の画素の平
均値を計算するステップと、前記平均値を超える第４の画素に遭遇するまでは、
前記第３の画素に続く画素にゼロを設定するステップと、を含むことを特徴とす
る請求項１２に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法で
ある。
【００２１】 請求項１４記載の発明は、前記肺領域を自動的に分割する方法において、前記
識別ステップは、前記第２の画素に遭遇して以来遭遇した、前記最小画素値の所
定の倍数値を越える値を持つ第５の画素に遭遇するまでは、前記第２の画素に先
行する画素をゼロに設定するステップと、各行中の前記第５の画素に続くＮ個の
画素の平均値を計算するステップと、前記平均値を超える値を持つ第６の画素に
遭遇するまでは前記第５の画素に続く画素をゼロに設定するステップと、を含む
ことを特徴とする請求項１２に記載の側面胸部放射線画像中の肺領域を自動的に
分割する方法である。
【００２２】 請求項１５記載の発明は、前記肺領域を自動的に分割する方法において、前記
前処理ステップは、肺尖位置を前記第１の画像データ中に位置付けするステップ
をさらに含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領域
を自動的に分割する方法である。
【００２３】 請求項１６記載の発明は、前記肺領域を自動的に分割する方法において、前記
位置付けステップは、前記第２の画像データ中の所定の数の行の平均値に基づい
てＮ個の平均行を計算するステップと、前記Ｎ個の平均行からＮ個の水平方向グ
レイレベルプロファイルを構成するステップと、移動平均演算を実行して、前記
Ｎ個の水平方向グレイレベルプロファイルをスムージングするステップと、を含
むことを特徴とする請求項１５に記載の側面胸部放射線画像中の肺領域を自動的
に分割する方法である。
【００２４】 請求項１７記載の発明は、前記肺領域を自動的に分割する方法において、前記
位置付けステップは、傾斜技法を実行して、前記Ｎ個の水平方向グレイレベルプ
ロファイル中のグレイレベル最大値とグレイレベル最小値との位置を決定するス
テップと、所定の複数個の前記グレイレベル最小値を越えるグレイレベルを持つ
２つのグレイレベル最大値同士間に位置付けされている最低のグレイレベル最小
値を持つ最上方の前記水平方向グレイレベルプロファイルを表す第１のプロファ
イルを求めて前記Ｎ個の水平方向グレイレベルプロファイルを探索するステップ
と、を含むことを特徴とする請求項１５に記載の側面胸部放射線画像中の肺領域
を自動的に分割する方法である。
【００２５】 請求項１８記載の発明は、前記肺領域を自動的に分割する方法において、前記
位置付けステップは、前記第１のプロファイルを肺尖ｙ座標位置と識別するステ
ップと、前記第１のプロファイルの前期最低のグレイレベル最小値に対応する列
を肺尖ｘ座標位置と識別するステップと、を含むことを特徴とする請求項１５に
記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【００２６】 請求項１９記載の発明は、前記肺領域を自動的に分割する方法において、前記
描写ステップは、前記第１の画像データの底部半分にソベルフィルタを適応して
、ソベルフィルタリングされた画像データを作成するステップと、前記ソベルフ
ィルタリングされた画像データ中の対応する画素が第２の所定の一定値を越える
場合に、前記第２の画像データ中の画素の値を第１の所定の一定値に設定するス
テップと、を含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺
領域を自動的に分割する方法である。
【００２７】 請求項２０記載の発明は、前記肺領域を自動的に分割する方法において、前記
描写ステップは、前記肺尖ｙ座標位置の下方にある前記第２の画像データ中の初
期行に対する水平方向プロファイルを構成するステップと、前記水平方向グレイ
レベルプロファイルの前方側から遭遇した所定の数の最大画素値未満の値と遭遇
した前記水平方向グレイレベルプロファイルの前方側からの第１の画素を前記水
平方向グレイレベルプロフールと識別するステップと、前記水平方向グレイレベ
ルプロファイルの後方側から遭遇した所定の数の最大の画素値未満の値と遭遇し
た前記水平方向グレイレベルプロファイルの後方側からの第１の画素を前記水平
方向グレイレベルプロファイル中の第１の後方縁ポイントとして識別するステッ
プと、を含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領域
を自動的に分割する方法である。
【００２８】 請求項２１記載の発明は、前記肺領域を自動的に分割する方法であって、前記
第１の前方縁ポイントと前記第１の後方縁ポイントとの集合が得られるまで、前
記第２の画像データ中の後続の行に対して前記構成ステップと前記各識別ステッ
プとを繰り返すステップを含むことを特徴とする請求項２０に記載の側面胸部放
射線画像中の肺領域を自動的に分割する方法である。
【００２９】 請求項２２記載の発明は、前記肺領域を自動的に分割する方法において、前記
描写ステップは、前記第１の前方縁ポイントと前記第１の後方縁ポイントとを互
いに独立に移動平均技法を用いてスムージングして、第２の前方縁ポイントと第
２の後方縁ポイントとを得るステップをさらに含むことを特徴とする請求項２に
記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【００３０】 請求項２３記載の発明は、前記肺領域を自動的に分割する方法において、前記
スムージングステップは、前記第１の縁ポイントと前記第１の縁ポイントの内の
４つの隣接し合ったポイントとの平均値で、前記第１の縁ポイントの各々の位置
を置き換えて、第２の前方縁ポイントと第２の後方縁ポイントとを識別するステ
ップを含むことを特徴とする請求項２２に記載の側面胸部放射線画像中の肺領域
を自動的に分割する方法である。
【００３１】 請求項２４記載の発明は、前記肺領域を自動的に分割する方法において、前記
第２の縁ポイントのセクションは、所定の一定値を越える長さを持つセグメント
であって連続した縦方向の又は連続して傾斜したポイントのセグメントから成る
まで、前記置き換えステップを逐次実行するステップを含むことを特徴とする請
求項２３に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である
。
【００３２】 請求項２５記載の発明は、前記肺領域を自動的に分割する方法において、前記
前処理ステップは、前記第２の前方縁ポイントと前記第２の後方縁ポイントの外
側に存在する前記第２の画像データ中のすべての画素にゼロを設定するステップ
をさらに含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領域
を自動的に分割する方法である。
【００３３】 請求項２６記載の発明は、前記肺領域を自動的に分割する方法であって、前記
発生ステップがグレイレベル閾値の範囲を識別するステップを含むことを特徴と
する請求項３に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法で
ある。
【００３４】 請求項２７記載の発明は、前記肺領域を自動的に分割する方法において、前記
識別ステップは、所定のディメンションを持つ広い関心領域内にグレイレベルの
閾値範囲を包含する画素からグローバルグレイレベルヒストグラムを構成するス
テップと、前記グローバルグレイレベルヒストグラムの傾斜を分析して、主に肺
に属する画素から成る肺ピークと、前記肺ピークと主に脊椎、胸骨、肩及び横隔
膜下領域に属する画祖から成るピークとの間の最小値と、を識別するステップと
、前記肺ピークが前記グローバルグレイレベルヒストグラム中で発生するグレイ
レベルを前記グレイレベル閾値範囲の最小値として選択するステップと、前記最
小値が前記グローバルグレイレベルヒストグラム中で発生するグレイレベルを前
記グローバルグレイレベル閾値範囲の最大値として選択するステップと、前記グ
レイレベル閾値範囲からＮ個の肺入りレベル閾値を選択するステップと、を含む
ことを特徴とする請求項２６に記載の側面胸部放射線画像中の肺領域を自動的に
分割する方法である。
【００３５】 請求項２８記載の発明は、前記肺領域を自動的に分割する方法において、前記
発生ステップは、前記Ｎ個のグレイレベル閾値の第１の閾値未満であって、且つ
、所定の下限値より大きい値を持つ第２の画像データ中の対応する画素を有する
画像中の画素を「オン」することによって第１の２値画像を生成するステップと
、接在する「オン」画素の領域を識別するステップと、質量中心、周辺長及び面
積を含む前記接在する「オン」画素領域の幾何学的特性を計算するステップと、
肺領域外部に存在する前記接在する「オン」画素範囲を抑圧するステップと、を
さらに含むことを特徴とする請求項３に記載の側面胸部放射線画像中の肺領域を
自動的に分割する方法である。
【００３６】 請求項２９記載の発明は、前記肺領域を自動的に分割する方法において、前記
抑圧ステップは、前記接在する「オン」画素範囲の各々の質量中心に基づいて水
平方向グレイレベルプロファイルを構成するステップと、傾斜技法を用いて前記
グレイレベルプロファイル中の最大値と最小値とを識別するステップと、肺領域
の外部に存在する前記接在する「オン」画素範囲の値を決定するために、前記質
量中心の位置における前記水平方向グレイレベルプロファイルのグレイレベル値
を前記最大値及び最小値と比較するステップと、肺領域外部に存在すると判断さ
れた前記２値画像中の前記接在する「オン」画素範囲内の画素に対応する前記第
２の画像データの画素をゼロに設定するステップと、を含むことを特徴とする請
求項２８に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である
。
【００３７】 請求項３０記載の発明は、前記肺領域を自動的に分割する方法であって、前記
２値画像中の前記接在する「オン」画素範囲に対して前記構成ステップと前記識
別ステップと前記比較ステップとを繰り返すステップを含むことを特徴とする請
求項２９に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である
。
【００３８】 請求項３１記載の発明は、前記肺領域を自動的に分割する方法において、前記
ステップは、前記Ｎ個のグレイレベル閾値の各々に対して繰り返されることを特
徴とする請求項２８、２９又は３０に記載の側面胸部放射線画像中の肺領域を自
動的に分割する方法である。
【００３９】 請求項３２記載の発明は、前記肺領域を自動的に分割する方法において、前記
発生ステップは、グローバルグレイレベル閾値化をＮ回反復し、第１の初期肺分
割輪郭を生成することによって得られる輪郭を接在する「オン」画素の領域の周
りに構成するステップをさらに含むことを特徴とする請求項３に記載の側面胸部
放射線画像中の肺領域を自動的に分割する方法である。
【００４０】 請求項３３記載の発明は、前記肺領域を自動的に分割する方法において、前記
スムージングステップは、前記第１の初期肺分割輪郭にローリングボールを適用
して、前記第１の初期肺分割輪郭の形状中の大きなくぼみを削除するステップを
含むことを特徴とする請求項３に記載の側面胸部放射線画像中の肺領域を自動的
に分割する方法である。
【００４１】 請求項３４記載の発明は、前記肺領域を自動的に分割する方法において、前記
適用ステップは、所定の一定半径値を持つ円形フィルタを構成するステップと、
前記第１の肺分割輪郭の各ポイントにおける接線の傾きを計算するステップと、
前記円形の周辺部に接する直線の傾斜が、前記第１の肺分割輪郭の前記ポイント
における接線の傾きと整合するように、前記円形フィルタを連続的に前記初期肺
分割輪郭の各ポイントに位置付けするステップと、前記ボールフィルタが前記第
１の初期肺分割輪郭と２つ以上のポイントで接触する場合、識別されたブリッジ
のくぼみを埋める線形補間法を適用するステップと、を含むことを特徴とする請
求項３３に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である
。
【００４２】 請求項３５記載の発明は、前記肺領域を自動的に分割する方法において、前記
スムージングステップは、前記第２の初期肺分割輪郭の各ポイントの位置を隣接
輪郭ポイントの所定の一定数の平均位置と置き換え、これによって第３の初期肺
分割輪郭を構成する移動平均演算を実行するステップと、８ポイント連結判断に
おいて余分な前記第３の初期肺分割輪郭中のポイントを消去して、第４の初期肺
分割輪郭を構成するステップと、をさらに含むことを特徴とする請求項３に記載
の側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【００４３】 請求項３６記載の発明は、前記肺領域を自動的に分割する方法において、前記
発生ステップは、ポイントの所定の一定値によって分離された前記第４の初期肺
分割輪郭に沿ったポイントにおいて集中された所定の平方ディメンションを持つ
Ｎ個の局所関心領域に位置付けするステップと、前記Ｎ個の局所関心領域をＭ個
の解剖学的位置カテゴリの内の１つとして分類するステップと、前記Ｎ個の局所
関心領域の各々のディメンションを前記Ｍ個の解剖学的位置カテゴリの内の対応
するカテゴリによって調整するステップと、複合２値画像を生成するステップと
、を含むことを特徴とする請求項４に記載の側面胸部放射線画像中の肺領域を自
動的に分割する方法である。
【００４４】 請求項３７記載の発明は、前記肺領域を自動的に分割する方法において、前記
複合２値画像生成ステップは、前記Ｎ個の局所関心領域に対するＮ個の局所グレ
イレベル閾値を前記Ｍ個の解剖学的位置カテゴリの内の対応するカテゴリによっ
て計算するステップと、前記Ｎ個の局所グレイ閾値の内の対応する閾値を越える
値を持つ前記第２の画像データ中の前記Ｎ個の局所関心領域の各々中の対応する
画素を有する前記複合２値画像中の画素を「オン」するステップと、をさらに含
むことを特徴とする請求項３６に記載の側面胸部放射線画像中の肺領域を自動的
に分割する方法である。
【００４５】 請求項３８記載の発明は、前記肺領域を自動的に分割する方法において、前記
発生ステップは、前記複合２値画像中の接在する前部画素の領域の周りに第１の
最終肺分割輪郭を構成するステップをさらに含むことを特徴とする請求項４に記
載の側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【００４６】 請求項３９記載の発明は、前記肺領域を自動的に分割する方法において、前記
スムージングステップは、前記第１の最終肺分割輪郭にローリングボールフィル
タを適用して、前記第１の最終肺分割輪郭の形状中の大きなくぼみを消去して第
２の最終肺分割輪郭を発生するステップを含むことを特徴とする請求項４に記載
の側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【００４７】 請求項４０記載の発明は、前記肺領域を自動的に分割する方法において、前記
適用するステップは、所定の一定半径値を持つ円形フィルタを構成するステップ
と、前記第１の初期肺分割輪郭の各ポイントにおける接線の傾きを計算するステ
ップと、前記円形の周辺に接する直線の傾斜が前記第１の最終肺分割輪郭の前記
ポイントに接する直線の傾斜と整合するように、前記円形フィルタを前記第１の
最終肺分割輪郭の各ポイントに位置付けするステップと、前記ボールフィルタが
前記第１の最終肺分割輪郭と２回以上接触するときに識別されるくぼみを埋める
ように線形補間法を適用するステップと、を含むことを特徴とする請求項３９に
記載の側面胸部放射線画像中の肺領域を自動的に分割する方法である。
【００４８】 請求項４１記載の発明は、前記肺領域を自動的に分割する方法において、前記
スムージングを行うステップは、前記第２の最終肺分割輪郭の各ポイントの位置
を所定の一定数の隣接する輪郭ポイントの平均位置と置き換える移動平均演算を
実行して、第３の最終肺分割輪郭を構成するステップと、８ポイント連結判断に
おいて余分な前記第３の最終肺分割輪郭中のポイントを消去するステップと、を
さらに含むことを特徴とする請求項４に記載の側面胸部放射線画像中の肺領域を
自動的に分割する方法である。
【００４９】 請求項４２記載の発明は、前記肺領域を自動的に分割する方法において、前記
スムージングを行うステップは、分離多項式関数を前記第４の最終肺分割輪郭の
前方局面と前記第４の最終肺分割輪郭の後方局面とにあてはめを行うステップを
さらに含むことを特徴とする請求項４に記載の側面胸部放射線画像中の肺領域を
自動的に分割する方法である。
【００５０】 請求項４３記載の発明は、前記肺領域を自動的に分割する方法において、前記
あてはめを行うステップは、前記第４の最終肺分割輪郭の最上方ポイントから時
計回り方向に、画像の底部前方までの最小の幾何学的距離を有する前記第４の肺
分割輪郭までの前記第４の最終肺分割輪郭に沿ったポイントを前方局面として識
別するステップと、前方最小自乗多項式関数を前記前方局面ポイントにあてはめ
を行うステップと、前記前方局面を、前記第４の肺分割輪郭の最上方ポイントと
最下方ポイント間の前記前方最小自乗多項式関数と前記前方最小自乗多項式関数
とで置換するステップと、前記第４の最終肺分割輪郭の最上方ポイントから時計
回り方向に、画像の底部後方までの最小の幾何学的距離を有する前記第４の肺分
割輪郭のポイントまでの前記第４の最終肺分割輪郭に沿ったポイントを後方対応
ポイントとして識別するステップと、後方最小自乗多項式関数を前記後方局面ポ
イントにあてはめるステップと、前記後方局面ポイントを、前記第４の肺分割輪
郭の最上方交差ポイントと最下方交差ポイント間の前記後方最小自乗多項式関数
と前記後方最小自乗多項式関数とで置換し、これによって第５の肺分割輪郭を構
成するステップと、を含むことを特徴とする請求項４２に記載の側面胸部放射線
画像中の肺領域を自動的に分割する方法である。
【００５１】 請求項４４記載の発明は、適応グレイレベル閾値を用いるステップを含む、分
割輪郭を生じるために関心領域内で適応局所グレイレベル閾値化を実行する方法
である。
【００５２】 請求項４５記載の発明は、前記適応局所グレイレベル閾値化を実行する方法で
あって、解剖的構造内で関心領域の位置に基づいてグレイレベル閾値を適応する
ステップをさらに含むことを特徴とする請求項４４に記載の適応局所グレイレベ
ル閾値化を実行する方法である。
【００５３】 請求項４６記載の発明は、前記適応局所グレイレベル閾値化を実行する方法で
あって、グレイレベル閾値化を実行して部分的輪郭を得るステップをさらに含む
ことを特徴とする請求項４５に記載の適応局所グレイレベル閾値化を実行する方
法である。
【００５４】 請求項４７記載の発明は、前記適応局所グレイレベル閾値化を実行する方法で
あって、関心領域を再位置付けするステップと、前記関心領域の新しい位置に基
づいてグレイレベル閾値を再適応するステップと、をさらに含むことを特徴とす
る請求項４６に記載の適応局所グレイレベル閾値化を実行する方法である。
【００５５】 請求項４８記載の発明は、前記適応局所グレイレベル閾値化を実行する方法で
あって、前記再位置付けステップと前記再適応ステップとを繰り返すステップと
、関心の解剖的部分を範囲に収める輪郭を形成するステップと、をさらに含むこ
とを特徴とする請求項４７に記載の適応局所グレイレベル閾値化を実行する方法
である。
【００５６】 請求項４９記載の発明は、側面に位置付けされた患者の胸郭から誘導された画
像に基づいて画像データを発生する手段と、肺領域と識別された画像データの部
分を範囲に収める輪郭を構成する手段と、グレイレベル閾値を解剖的構造内の後
出の関心領域の位置に適応して肺分割輪郭を得る関心領域内で適応局所グレイレ
ベル閾値化を実行する手段と、前記肺分割輪郭をスムージングする手段と、側面
胸部画像上の最終肺輪郭を示す手段と、を備えることを特徴とする、側面胸部放
射線画像中の肺領域を自動的に分割するシステムである。
【００５７】 請求項５０記載の発明は、請求項１〜４８のいずれかに記載のステップを実行
するように構成された画像処理装置である。
【００５８】 請求項５１記載の発明は、請求項１〜４８のいずれかに記載のステップを実行
するプログラムを記憶する記憶媒体である。
【００５９】
【発明の実施の形態】
以下、本発明の実施形態を図面に従って説明する。
【００６０】 以下に示す本発明に係る実施形態は、側面胸部画像内の肺領域が分割される改
良型の自動的な方法とシステムを提供することによって遂行される。
【００６１】 ここで、同様の参照番号が同一または対応する部品を複数の図面、特に図１で
中で示す図面を参照すると、胸の画像中の塊を検出して分類する自動式方法の略
図が示されている。全体的なスキームには、側面放射線画像の初期取得（ステッ
プ１０）とフィルムの読み込み（ディジタイズ）（ステップ１２）が含まれる。
次に、肺尖の位置が決定される（ステップ１４）。直接露出画素と皮下画素は抑
圧されて、初期の前方と後方の縁が決定される（ステップ１６）。ソベルフィル
タ（ｓｏｂｅｌ ｆｉｌｔｅｒ）を最終的な前処理ステップとして適応する（ス
テップ１８）。グローバルグレイレベル閾値化を実行し（ステップ２０）、結果
得られる初期輪郭を、移動平均技法とローリングボール技法とを伴うスムージン
グプロセスに掛ける（ステップ２２）。適応局所グレイ閾値化を次に実行する（
ステップ２４）。スムージングプロセスを結果得られる輪郭に適応する（ステッ
プ２６）。３次最小自乗多項式を輪郭の前方局面と後方局面に対して互いに独立
に構成する（ステップ２８）。計算された曲線を最終的な輪郭に切断し（ステッ
プ３０）、これによって肺を分割する。
【００６２】 図２に、画像中の肺尖の位置をどのようにして最初に決定するかを示す。連続
する５行の３セットに基づいた行平均水平グレイレベルプロファイルが図２に示
すように通常の側面画像に対して誘導される。前後（水平方向）方向と頭蓋尾（
縦方向）方向との双方の方向における尖の位置がスキームに組み込まれる。一方
、縦方向位置はより重要である。その理由は、この縦方向位置によって、肺を表
す画像の領域に対する上方縁が確立されるからである。水平方向位置は後で局所
閾値化の際に用いられて、肺尖に重なっている関心領域（ＲＯＩ）を識別する。
そのうえ、肺尖は側面放射線像にはあまり肉眼に対して判明には顕れないので、
尖の位置を決定するこよによって、その領域が分割スキームによって所与の適切
な関心領域であることがはっきりする。コンピュータで決定された肺尖位置は「
＋」記号で示される。
【００６３】 注記したように、１連の行平均水平グレイレベルプロファイルは、図２に示す
ように、行の群を１時に５つだけ考慮することによって画像の上方１／３に付い
て構成される。次の、これらのプロファイルはグレイレベルの最大値と最小値を
求めるように分析される。この尖のｙ軸方向位置は２つの最大値間の最小値を持
つプロファイルを生じる最上級の行として識別されるが、ただし、この最小値の
グレイレベルがこの２つの最大値の小さい方のグレイレベルの９７％未満である
場合に限られる。この尖のｘ軸方向位置はこの最小値の水平方向位置と解釈され
る。
【００６４】 初期分割は、このステップの意図した粗雑性を十分見込んだ精度を持つ直接露
出画素と皮下領域を抑圧することから始まる。これらの領域は最初に次ぎのよう
に識別され抑圧される。画像に沿うように照準されたかは、エッジ画素が８００
を越える値を有する下方行によって識別されるが；画素はすべてこれらの行中で
は０に設定されている。上方を伸張する追加の行は、４０未満のエッジ画素値を
持つ行に遭遇するまで０に設定され続ける。側部照準化は、１００を越えるエッ
ジ画素値を持つ行とさらに、エッジ画４０未満の値に下がる行によって識別され
るが；このような行の各々において、エッジから伸張する画素は、４０未満の値
を持つ画素に達するまで０に設定される。
【００６５】 画像中の各行の直接露出部分を識別するために、次のルールを用いる。画像の
前方エッジから後方に伸張する画素（照準化によって前もって０に設定されてい
る画素は除く）は、行中で先行して遭遇した内で最小のグレイレベルの２内を越
える値を持つ画素に達するまでチェックされる。この画素の前方にあるすべての
画素は０に設定される。次に、行の皮下部分を抑圧するために、次の４０個の画
素の平均値を計算し、後方を伸張する画素を、この平均値を超える値を持つ画素
に遭遇するまで０に設定する。直接露出画素と皮下画素は同じように画像の後方
側から抑圧される。
【００６６】 グレイレベルプロファイル分析を各行中の残余の非ゼロ画素に対して実行して
、前方と後方の縁をさらに描写する。前方縁に対しては、画素のグレイレベルの
減少に先立って後方に最大グレイレベルで伸張する画素が初期縁ポイントとして
選択される。この操作は、前もって決定済みの尖ポイントの下方にあるすべての
行に対して実行される。図３Ａに、図２の画像に重ねられたこれらの初期縁ポイ
ントを示す。演算行の上方と下方を伸張する２つの行に対する移動平均値を出す
演算は、連続縁が形成されるまでこのポイント集合物に対して繰り返し実行され
る。この結果は、肺の縁の粗描写に収束する傾向がある輪郭となる。後方の縁も
同様に決定される。次に、これらの縁の外部の画素は０に設定され（図３Ｂ）、
このスキームのこの後のステップは単に、これらの縁内にある画素に対して実行
されるだけである。
【００６７】 最終的前処理ステップはソベルフィルタ［８］を画像の下半分に適応するステ
ップである。１５０という閾値を越えるソベルフィルタの水平方向成分値を生じ
る画素が高画素値として割り当てられる。これによって、人工的に協調された横
隔膜の縁が発生するが、これによって肺の輪郭が腸ガスと合併することを防止す
る助けとなる。ソベルフィルタリングプロセスの結果、様々な構造体が協調され
るが、この横隔膜の１部はこれらの構造体の内で最も首尾一貫して協調される傾
向がある。
【００６８】 グローバルグレイレベルヒストグラムは、画像の中心部分近傍に位置する大き
な矩形のＲＯＩ内の画素から形成される［９］。
【００６９】 図４に、図２に示す画像のグローバルグレイレベルヒストグラムを示す。図４
は、このヒストグラムが、肺内部にある尖に優越的に対応する低グレイレベル（
すなわち、高光密度）に中心位置付けされるピークと、横隔膜下方にある肩や脊
椎や胸骨などの領域中の画素に主として対応する高グレイレベル（すなわち、低
光密度）に中心位置付けされるピークと、の双方に分布しやすいことを示してい
る。グローバルグレイレベル閾値化技法を反復して実行するために、このような
閾値の範囲は最初に識別しなければならない。逐次的（反復）閾値化に用いられ
るこの閾値範囲は、肺のピークとピーク同士間の最小値とが発生するグレイレベ
ルによって定義される。特に、肺ピークがヒストグラム中で中心位置付けされる
グレイレベルは、最小閾値として選択され、最大閾値は２つのヒストグラムピー
ク同士間の最小値に対応するグレイレベルとして選択される（図４）。
【００７０】 グレイレベル閾値化は、識別された閾値範囲から進行的に増加する７つの閾値
に対応して７回逐次実行される［９］。各実行毎に、この閾値未満の対応する画
素グレイレベルを持つ２値画像中の画素は「オン」され、一方、その閾値を越え
る対応する画像画素グレイレベルを持つ画素は「オフ」のままである。８ポイン
ト連結度スキームを用いて、接在する「オン」画素の領域の周りに輪郭を構成す
る［１］。重心に基づいて構成された水平方向グレイレベルプロファイルのピー
クに対する各領域の重心（質量の中心）の位置を用いて、その領域が、図５を参
照すれば理解されるように、肺の内部に存在するかどうかが決定される。
【００７１】 図５に、図２に示す画像に中間閾値を適応した結果得られる２値画像を示す。
２つの「オン」領域の重心を横断する水平方向プロファイルを示す。矢印は重心
位置を示す。下方の領域は肺の外部にあると判断され；それに対応する画像画素
はこの結果０に設定される。この領域が肺の外部にあると判断されると、その領
域内にある画像画素は０に設定されて、これらの画素が後の反復の際、輪郭に寄
与しないようにする。最終の３回の反復の各々においては、２値画像に対して形
態的開放演算を実行して、重心チェックを実行する。この操作は、最小小型化［
１１］の要件と共に実行されて、初期の反復動作で領域を「オフ」にすることに
よって発生する２値画像中の細長い人工産物を削除させる。グローバルグレイ閾
値化プロセスの最終反復の際に構成された輪郭は「初期肺領域輪郭」である。
【００７２】 初期側面輪郭は真の肺領域を完全に獲得しているわけではない。肺尖や心臓の
陰などの重要な領域は輪郭から排除される傾向があり、一方、他の領域は含まれ
るが不正確である。このような状況を補正するために、適応局所グレイレベル閾
値化を実行する。実験的に決定されたベースサイズである３１×３１画素（３８
．０ｍｍ×３８．０ｍｍ）を持つ小さいＲＯＩを初期輪郭に沿って３０番目の画
素毎に中心位置付けする。グレイレベル分析を、直接露出画素や皮下画素が識別
されなかった各ＲＯＩ内の画素に対して実行して、グレイレベル閾値を個々のＲ
ＯＩに対して個別に決定する。複合した２値画像を、そのＲＯＩに対して選択さ
れた閾値に基づいて各ＲＯＩ中の画素を閾値化することによって構成する。次に
、この２値画像を用いて最終的な輪郭を構成する。
【００７３】 各ベースＲＯＩ（３１画度×３１画素）の範囲に含まれる解剖的領域は最初に
初期輪郭に沿った自身の位置に基づいて決定される。この位置カテゴリを用いて
（１）ＲＯＩの最終ディメンションと（２）このＲＯＩの対応するグレイレベル
閾値を計算する方法とを決定する。５つの主要な位置カテゴリ、すなわち尖、胸
骨、心臓の陰、横隔膜及び脊椎が用いられる。２つの追加カテゴリが、このスキ
ームの最初で決定された肺尖ポイントを含むＲＯＩと肋骨横隔膜角度に重なるよ
うに特定的に位置付けされた補足ＲＯＩとのために留保されている。「胸骨」カ
テゴリと「脊椎」カテゴリ中の最上方のＲＯＩにはこれらのＲＯＩ中における画
素のグレイレベルの分布によって新しいカテゴリ（合計９のカテゴリが考えられ
る）を割り当てられ得る。この割り当てられたカテゴリに基づいて、ＲＯＩのサ
イズが変更され、閾値を計算する方法が要約されるように決定される。図６にＲ
ＯＩ局所閾値化の位置カテゴリによるディメンションと閾値の計算値の要約を示
す。図７には、逐次的グローバルグレイレベル閾値化手順によって得られた図２
に示す画像の初期輪郭に沿った局所閾値化ＲＯＩの位置付けを示す。様々な解剖
的領域にＲＯＩが存在することに注意されたい。各ＲＯＩは図６に要約するよう
なコンピュータ決定された解剖的カテゴリで示される。図７の各ＲＯＩは自身に
割り当てられた位置カテゴリに従った最終的なディメンションを示している。
【００７４】 一般に、初期輪郭は肺尖を完全に獲得することはない。最終輪郭をより優れて
尖に伸張するために、尖端領域にある局所閾値化ＲＯＩは縦方向に引き延ばされ
る（図６）。尖ＲＯＩは、最初に水平方向縁として初期輪郭の最上方ポイントを
包含する画像行を定めることによって識別される。この行の１のベースＲＯＩデ
ィメンション（３１画素）内にある初期輪郭ポイント上に中心位置付けされたＲ
ＯＩはすべて尖ＲＯＩと定められ、このＲＯＩの上方エッジは１ベースディメン
ションだけ高く伸張され、これによって、ＲＯＩの縦方向ディメンションが効果
的に２倍となる。次に、尖ＲＯＩに対する計算されたグレイレベル閾値はＲＯＩ
内にあるが初期輪郭の外部にある画素の平均グレイレベルと解釈される。この計
算は必然的により高い閾値を生じ、これによって、最終輪郭は密度の高い尖領域
のより大きな部分を含むことを余儀なくされる。特殊な位置カテゴリが肺尖ポイ
ントとして前もって識別された画素を包含するその尖ＲＯＩに割り当てられる。
このＲＯＩに適応されたグレイレベルは肺尖ポイントのグレイレベルである。
【００７５】 ＲＯＩ位置付けは初期輪郭中の最上方輪郭ポイントから始めて時計回り方向に
進行する。したがって、尖ＲＯＩに続くＲＯＩは胸骨ＲＯＩと識別される。これ
らのＲＯＩはベースディメンションを維持し、用いられるグレイレベル閾値はＲ
ＯＩ画素の平均画素値である。胸骨ＲＯＩを単純に用いて全体閾値スキームが失
敗する可能性をチェックする。胸骨ＲＯＩの底部エッジが最後の行から４０行以
内にあれば、全体閾値化に用いられる閾値は高すぎると推測される。これらの閾
値はしたがって下げられ、全体閾値化スキームが繰り返される。
【００７６】 横隔膜ＲＯＩと識別された最初のＲＯＩは２つ前のＲＯＩの後方エッジの後方
にある前方エッジを有する。このルールは、前方の局面から横隔膜に進行するに
連れて肺縁が後方に行くという傾向に由来する。引き続くＲＯＩは、最下方初期
輪郭ポイントに達するまで横隔膜ＲＯＩと指定される。横隔膜ＲＯＩの縦方向デ
ィメンションは、ＲＯＩの下方エッジを下げることによってベースサイズの１．
５倍に増大され、これによって、ＲＯＩがより高いグレイレベルを持つ画像を獲
得できるようにする。閾値はＲＯＩ内の画素の平均グレイレベルと定められる。
これらの閾値が計算されると、特定の横隔膜ＲＯＩの閾値が、そのＲＯＩのオリ
ジナルの閾値とそのＲＯＩの平均閾値と２つの隣接するＲＯＩとのうち、最大の
値に設定される。
【００７７】 最下方の初期輪郭ポイントを含むＲＯＩは最初の脊椎ＲＯＩと識別される。こ
のＲＯＩから見て時計回り方向にあるすべてのＲＯＩは、尖ＲＯＩに遭遇するま
でそのように指定される。最上方にある脊椎ＲＯＩ（この上方エッジはベースデ
ィメンションだけ隆起し、これによって肩領域の大半の領域を含むようになって
いる）を例外として、これらのＲＯＩはベースサイズのままである。用いられる
閾値はＲＯＩ中の画素の平均グレイレベルを越える１つの標準偏差であるが、こ
れは、この値が隣接する双方のＲＯＩの閾値の計算値を４０以上下回る場合に限
られる。別の位置カテゴリを割り当てられたＲＯＩ同士間の遷移領域はさらに考
慮しなければならない。例えば尖ＲＯＩ中の画素の１／３を越える画素が直接露
出領域または皮下領域にある場合、このＲＯＩは胸骨ＲＯＩと再分類される。尖
ＲＯＩのディメンションは比較的放射線に対して不透明な尖中のより多くの画素
を範囲に含むように伸張されるので、かなりの数の直接露出画素又は皮下画素を
包含する尖ＲＯＩは、それを胸骨として間違いなく分類するために必然的に肺尖
から十分遠隔に位置付けしなければならない。尖ＲＯＩが再分類されるかどうか
とは無関係に、最初の（すなわち、最上方の）胸骨ＲＯＩが自身の位置カテゴリ
を割り当てられ、閾値がすぐ隣のＲＯＩ中の重み付けされた平均閾値から計算さ
れる。これ以上の重みが、自身の尖指定によってより高い閾値を有すると推測さ
れる直前のＲＯＩに対して与えられる。
【００７８】 同様に、患者の上方胸郭脊椎が、上方に位置する脊椎ＲＯＩが前方にずれるよ
うに湾曲している場合、これらのＲＯＩは肩ＲＯＩと指定され；その上方エッジ
はベースディメンションの１．４５倍に伸張し、その後方エッジは後方にベース
ディメンションの０．５倍だけ伸張し、割り当てられた閾値はＲＯＩ画素の平均
グレイレベルに標準偏差の０．５倍を加算した値となる。この手順は、肺尖の後
方局面に沿って領域の濃い放射線画像を得るために必要である。
【００７９】 最も精密な検査を受ける遷移領域は、胸骨と横隔膜との間にある。これは心臓
の陰が占める側面画像の部分であり、しばしば、初期の肺輪郭から排除されるに
十分なほど濃い。初期の肺輪郭が心臓領域の周りに凸形状があって、この心臓の
陰が輪郭から排除されていることを示す場合、この初期輪郭の部分に沿ったＲＯ
Ｉは、心臓ＲＯＩと分類される。
【００８０】 心臓ＲＯＩの前方エッジは、その下方のエッジが皮下領域と整合するまで前方
に伸張する。ＲＯＩ中の各行が検査される。前方エッジから始めて、画素は、関
連の行で直前に遭遇した最大画素グレイレベル値の９７％以下のグレイレベルを
持つ画素に達するまでチェックされる。この画素の後方にある画素だけが複合２
値画像中で「オン」される。
【００８１】 最終位置カテゴリは、ＣＰ角度と重なるＲＯＩに属する。最下方初期輪郭ポイ
ント（前に「脊椎」と指定されている）のＲＯＩはＣＰ角度ＲＯＩと分類される
。前方エッジと後方エッジは、双方とも外向きに伸張してベースディメンション
の１．５倍の水平方向ディメンションを生じる。一方、上方エッジと下方エッジ
は、ベースディメンションの２倍の縦方向ディメンションを生じるように伸張し
ている。ＣＰ角度ＲＯＩに適応される閾値はＲＯＩ画素の平均グレイレベルと、
効果的にＣＰ角度ＲＯＩによって置き換えられた脊椎ＲＯＩに対して前に計算さ
れた閾値と、の大きい方である。
【００８２】 次に、計算済みグレイレベル閾値は、その閾値未満のグレイレベルを持つ画素
が「オン」されて複合２値画像を形成するように、個々のＲＯＩ内の画素に対し
て適応される。次に、この複合２値画像の「ｏｎ」領域の周りに輪郭を形成して
最終輪郭とする。
【００８３】 この輪郭はいくぶん不規則なものと見えやすいので、移動平均アルゴリズムを
利用したスムージングスキームを適応する。これによって、各輪郭ポイントのｘ
座標位置とｙ座標位置の代わりに、先行する１１個の輪郭ポイントと後続する１
１個の輪郭ポイントの平均のｘ座標位置とｙ座標位置が用いられることになる。
加えて、８ポイント連結度判断において余分なポイントは消去される。
【００８４】 初期スムージング以後も残っている大型のくぼみは、ローリングボールアルゴ
リズムを用いて埋められる［１２］。２９画素分の長さの半径を持つボールフィ
ルタは最終側面輪郭の外部局面にだけ適応される。このボールは輪郭のすべての
輪郭ポイントに接するように位置付けされる。適切な尺度のくぼみに遭遇すると
、輪郭は、ボールと輪郭の間の接触ポイントを超えるある輪郭ポイントのところ
でボールと重なる。初期輪郭のくぼみを埋めるローリングボール技法を示す図８
に示すように線形内挿を用いて輪郭を埋めてくぼみを削除する。移動平均アルゴ
リズムとローリングボールアルゴリズムとは分割の際に２回適応されるが、一回
目は局所閾値化に先立って初期輪郭に対して実行され、２回目は最終輪郭に対し
て実行される。
【００８５】 最後に、多項式曲線のあてはめが最終輪郭の前方対応と後方対応の双方に対し
て適応される。肺尖と横隔膜は、曲線あてはめを受けることはない。３次多項式
ｙ＝ａｘ３＋ｂｘ２＋ｃｘ＋ｄを用いる［１３］。前方と後方の最小自乗多項式
の計算では、最上方輪郭ポイントから画像のそれぞれ左底部と右底部の輪郭ポイ
ントに最も近い輪郭ポイントにまで伸張する輪郭ポイントが利用される。これら
のエンドポイント同士間にある輪郭ポイントの内の４つ目のポイントだけが、計
算時間を減少させるために用いられる。次に、この２つの曲線が肺輪郭に切断さ
れる。肺輪郭と曲線間の交点の最上方ポイントと最下方のポイントとは、切断ポ
イントと定義され、多項式の曲線はこれらの切断ポイント間の輪郭ポイントの代
わりに用いられる。一方、これらの切断ポイント外部の輪郭ポイントは影響され
ないままである。図９では、前方と後方の３次最小自乗多項式が図２に示す画像
に対して得られる最終肺輪郭に重ねられたところが示されている。多項式によっ
て置き換えられている最終輪郭を挟んでいる切断ポイントが、２対の点で示され
ている。これで側面肺分割が完了である。図１０に（Ａ）正常の場合と（Ｂ）両
方の肺の下方小葉に大きな混濁を持つ右側の半胸郭中への胸膜滲出を示す異常の
場合の最終的な側面肺輪郭を示す。
【００８６】 図１１に、上記の機能性を実現する本発明によるシステムの例を示す。図１１
に示すように、物体の側面放射線画像は、画像取得デバイスによって得られてシ
ステム１０００に入力される。各画像は読み込まれて（デジタイズされて）メモ
リー（１００１）に入力される。画像画直接デジタルデバイスによって得られる
場合、デジタイズの必要はない。画像データは最初に肺尖決定回路（１００２）
を介して通過し、次に、前方／後方縁描写回路（１００３と１００４）とさらに
ソベルフィルタ回路（１００５）に送られる。データは逐次グローバルグレイレ
ベル閾値化回路（１００６）に送られる。逐次グローバルグレイレベル閾値化回
路からの輪郭データはスムージング回路（１００７）とさらに適応局所グレイレ
ベル閾値化回路（１００９）に送られる。適応局所グレイレベル閾値化回路から
のデータは次にスムージング回路（１０１０）と前方／後方多項式曲線あてはめ
回路（１０１１）に送られる。その結果は重ね合わせ回路（１０１２）で画像に
重ね合わされ、ファイルフォーマットすなわちテキストフォーマットで記憶され
る。次に、その結果はデジタル／アナログ変換器（１０３０）を通過してから表
示システム（１０２０）上で表示される。本発明によるこのシステムは、上記で
参照された特許と特許出願の内の１つ以上で開示されるように、適切にプログラ
ムされたデジタルコンピュータで実現することが可能である。
【００８７】 本発明に対する多くの修正例や変更例が上記の教示に照らし合わせて可能であ
ることが明らかである。したがって、添付の請求の範囲内で本発明が本書に具体
的に述べるのとは別様に実行可能であることが理解されよう。 添付付録 参考資料： １． Ｒ．Ｄ．Ｋｉｔｔｒｅｄｇｅ，Ｂ．Ｇａｍｂｏａ．ａｎｄ Ｈ．Ｇ．Ｋｅ
ｍｐ，“Ｒａｄｉｏｇｒａｐｈｉｃ ｖｉｓｕａｌｉｚａｔｉｏｎ ｏｆ ｌｅ
ｆｔ ｖｅｎｔｒｉｃｕｌａｒ ａｎｅｕｒｙｓｍｓ ｏｎ ｌａｔｅｒａｌ
ｃｈｅｓｔ ｆｉｌｍ，”ＡＪＲ １２６，１１４０−１１４６（１９７６）．
２． Ｇ．Ｈｉｌｌｅｒｄａｌ，“Ｖａｌｕｅ ｏｆ ｔｈｅ ｌａｔｅｒａｌ ｖｉｅｗ ｉｎ ｄｉａｇｎｏｓｉｎｇ ｐｌｅｕｒａｌ ｐｌａｑｕｅｓ，
”Ａｒｃｈ．Ｅｎｖｉｒｏｎ．Ｈｅａｌｔｈ ４ １，３９１−３９２（１９８
６）． ３． Ｇ．Ｊ．Ｈａｒｒｉｓ，Ｐ．Ｋ．Ｈａｒｍａｎ，Ｊ．Ｋ．Ｔｒｉｎｋｌｅ
，ａｎｄ Ｆ．Ｌ．Ｇｒｏｖｅｒ，“Ｓｔａｎｄａｒｄ ｂｉｐｌａｎｅ ｒｏ
ｅｎｔｇｅｎｏｇｒａｐｈｙ ｉｓ ｈｉｇｈｌｙ ｓｅｎｓｉｔｉｖｅ ｉｎ ｄｏｃｕｍｅｎｔｉｎｇ ｍｅｄｉａｓｔｉｎａｌ ｍａｓｓｅｓ，”Ａｎｎ
．Ｔｈｏｒａｃ．Ｓｕｒｇ．４４，２３８−２４１（１９８７）． ４． Ｉ．Ｍｅｓｃｈａｎ．Ｒｏｅｎｔｇｅｎ ｓｉｇｎｓ ｉｎ ｄｉａｇｎ
ｏｓｔｉｃ ｉｍａｇｉｎｇ Ｖｏｌ．４ ｃｈｅｓｔ（Ｗ．Ｂ．Ｓａｕｎｄｅ
ｒｓ Ｃｏｍｐａｎｙ，Ｐｈｉｌａｄｅｌｐｈｉａ，ＰＡ，１９８７）． ５． Ｈ．Ｓ．Ｇｌａｚｅｒ，Ｄ．Ｊ．Ａｎｄｅｒｓｏｎ，Ｂ．Ｓ．Ｗｉｌｓｏ
ｎ，Ｐ．Ｌ．Ｍｏｌｉｎａ ａｎｄ Ｓ．Ｓ．Ｓａｇｅｌ，“Ｐｎｅｕｍｏｔｈ
ｏｒａｘ：ａｐｐｅａｒａｎｃｅ ｏｎ ｌａｔｅｒａｌ ｃｈｅｓｔ ｒａｄ
ｉｏｇｒａｐｈｓ，”Ｒａｄｉｏｌｏｇｙ １７３，７０７−７１１（１９８９
）． ６． Ｒ．Ｈ．Ｄａｆｆｎｅｒ，ｃｌｉｎｉｃａｌ ｒａｄｉｏｌｏｇｙ： ｔ
ｈｅ ｅｓｓｅｎｔｉａｌｓ（Ｗｉｌｌｉａｍｓ ＆ Ｗｉｌｋｉｎｓ，Ｂａｌ
ｔｉｍｏｒｅ，ＭＤ．１９９３）． ７． Ｌ．Ｍ．Ｂｏｘｔ，Ｋ．Ｒｅａｇａｎ，ａｎｄ Ｊ．Ｋａｔｚ，“Ｎｏｒ
ｍａｌ ｐｌａｉｎ ｆｉｌｍ ｅｘａｍｉｎａｔｉｏｎ ｏｆ ｔｈｅ ｈｅ
ａｒｔ ａｎｄ ｇｒｅａｔ ａｒｔｅｒｉｅｓ ｉｎ ｔｈｅ ａｄｕｌｔ，
”Ｊ．Ｔｈｏｒａｃ．Ｉｍａｇｉｎｇ ９，２０８−２１８（１９９４）． ８． Ｊ．Ｃ．Ｒｕｓｓ，Ｔｈｅ ｉｍａｇｅ ｐｒｏｃｅｓｓｉｎｇ ｈａｎ
ｄｂｏｏｋ（ＣＲＣ Ｐｒｅｓｓ，Ｉｎｃ．，Ｂｏｃａ Ｒａｔｏｎ，＝４６Ｌ
，１９９５）． ９． Ｍ．Ｌ．Ｇｉｇｅｒ，Ｓ．Ｇ．Ａｒｍａｔｏ，ＩＩＩ，ａｎｄ Ｈ．Ｍａ
ｃＭａｈｏｎ，“Ａｕｔｏｍａｔｅｄ ｍｅｔｈｏｄ ａｎｄ ｓｙｓｔｅｍ
ｆｏｒ ｔｈｅ ｄｅｔｅｃｔｉｏｎ ｏｆ ｇｒｏｓｓ ａｂｎｏｒｍａｌｉ
ｔｉｅｓ ａｎｄ ａｓｙｍｍｅｔｒｉｅｓ ｉｎ ｃｈｅｓｔ ｉｍａｇｅｓ
，”Ｕ．Ｓ．Ｐａｔｅｎｔ Ｎｏ．５，６３８，４５８（１９９７）． １０． Ｋ．Ｔ．Ｂａｅ，Ｍ．Ｌ．Ｇｉｇｅｒ，Ｃ．−Ｔ．Ｃｈｅｎ，ａｎｄ
Ｃ．Ｅ．Ｋａｈｎ，Ｊｒ．，“Ａｕｔｏｍａｔｉｃ ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ ｌｉｖｅｒ ｓｔｒｕｃｔｕｒｅ ｉｎ ＣＴ ｉｍａｇｅｓ，”Ｍｅ
ｄ．Ｐｈｙｓ．２０，７１−７８（１９９３）． １１． Ｍ．Ｌ．Ｇｉｇｅｒ，Ｋ．Ｔ．Ｂａｅ，ａｎｄ Ｈ．ＭａｃＭａｈｏｎ
，“Ｃｏｍｐｕｔｅｒｉｚｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｐｕｌｍｏｎａｒ
ｙ ｎｏｄｕｌｅｓ ｉｎ ｃｏｍｐｕｔｅｄ ｔｏｍｏｇｒａｐｈｙ ｉｍａ
ｇｅｓ，”Ｉｎｖｅｓｔ． Ｒａｄｉｏｌ．２９，４５９−４６５（１９９４）
． １２． Ｓ．Ｒ．Ｓｔｅｍｂｅｒｇ，“Ｇｒａｙｓｃａｌｅ ｍｏｒｐｈｏｌｏ
ｇｙ，”ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ，Ｇｒａｐｈｉｃｓ，ａｎｄ Ｉｍａ
ｇｅ Ｐｒｏｃｅｓｓｉｎｇ ３５，３３３−３５５（１９８６）． １３． Ｊ．Ｈ．Ｍａｔｈｅｗｓ，Ｎｕｍｅｒｉｃａｌ ｍｅｔｈｏｄｓ ｆｏ
ｒ ｍａｔｈｅｍａｔｉｃｓ，ｓｃｉｅｎｃｅ，ａｎｄ ｅｎｇｉｎｅｅｒｉｎ
ｇ（Ｐｒｅｎｔｉｃｅ Ｈａｌｌ，Ｅｎｇｌｅｗｏｏｄ Ｃｉｆｆｓ，ＪＮＪ，
１９９２）．
【図面の簡単な説明】
【図１】 図１は、側面胸部画像中の肺領域の分割のための自動的方法を示す概略図であ
る。
【図２】 図２は、行平均水平グレイレベルプロファイルを連続する５つの行の３つのセ
ットに対して示す、肺尖の判断を示す図である。
【図３】 図３（Ａ）は初期縁ポイントを示した前方向と後方向の縁の表示を示す図であ
り、図３（Ｂ）はスムージングされた輪郭を示す前方向と後方向の縁の表示を示
す図である。
【図４】 図４は、グローバルグレイレベル閾値化の繰り返し中に用いられたグレイレベ
ルの範囲を識別する、側面胸部画像に対する一般的なグローバルグレイレベルヒ
ストグラムを示す図である。
【図５】 図５は、２つの「ｏｎ」領域の重心の断面の水平グレイレベルプロファイルを
示す、図２に示す画像に対して中間閾値を適用した結果得られる２値画像を示す
図である。
【図６】 図６は、適応局所閾値化ＲＯＩに対する位置カテゴリによるディメンションと
閾値の計算値を要約する表を示した図である。
【図７】 図７は、ＲＯＩディメンションが図６に要約されるようなＲＯＩによって重ね
合わされる解剖的領域によって異なる、図２に示す画像の初期肺領域輪郭に重ね
られたところを示す適応局所閾値化のためのＲＯＩの位置付けを示す図である。
【図８】 図８は、輪郭中のくぼみを識別して削除するローリングボール技法の応用を示
す図である。
【図９】 図９は、図２に示す画像に対して得られた最終的な肺輪郭に対して重ねられた
前方と後方の３次最小自乗多項式を示す図である。
【図１０】 図１０（Ａ）は、正常の場合の最終的な側面肺輪郭を示す図であり、図１０（
Ｂ）は、異常の場合の最終的な側面肺輪郭を示す（両方の肺の下方小葉中に大き
な混濁を持つ右の半胸郭中の胸膜滲出を示す）図である。
【図１１】 図１１は、側面胸部放射線像中の肺領域を分割する本発明による方法を実現す
るシステムを示より詳細なす略ブロック図である。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 マクマホン、ヒーバー アメリカ合衆国、イリノイ州 60614 シ カゴ、エヌ・クレブランド 2144 Ｆターム(参考） 4C093 CA50 DA10 FD09 FF16 5B057 AA08 BA03 BA30 CA02 CA08 CA12 CA16 CE05 CE06 CE15 DA08 DB02 DB09 DC16 DC23

Claims (51)

    【特許請求の範囲】
  1. 【請求項１】 側臥位の患者の胸郭から誘導された画像に基づいて第１の画
    像データを発生するステップと、 肺領域と識別された前記第１の画像データの１部分を包含する輪郭を構成する
    ステップと、 を含むことを特徴とする、側面胸部放射線画像中の肺領域を自動的に分割する方
    法。
  2. 【請求項２】 前記肺領域を自動的に分割する方法は、 前記第１の画像データを前処理して第２の画像データを生成するステップと、 前記第２の画像データ中の前方と後方のおよその縁を描写して第３の画像デー
    タを生成するステップと、 をさらに含むことを特徴とする請求項１に記載の側面胸部放射線画像中の肺領
    域を自動的に分割する方法。
  3. 【請求項３】 前記肺領域を自動的に分割する方法は、 前記第３の画像データに対して逐次グローバルグレイレベル閾値化を実行して
    、第１の初期肺分割輪郭を識別するステップと、 前記第１の初期肺分割輪郭をスムージングして、第２と第３と第４の初期肺分
    割輪郭と生成するステップと、 をさらに含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領
    域を自動的に分割する方法。
  4. 【請求項４】 前記肺領域を自動的に分割する方法は、 前記第４の初期肺分割輪郭に沿って位置付けされた関心領域内において適応局
    所グレイレベル閾値化を実行し、第１の最終肺分割輪郭を識別するステップと、 前記第１の最終肺分割輪郭をスムージングして、第２と第３と第４と第５の最
    終肺分割輪郭を生成するステップと、 をさらに含むことを特徴とする請求項３に記載の側面胸部放射線画像中の肺領
    域を自動的に分割する方法。
  5. 【請求項５】 前記肺領域を自動的に分割する方法において、 前記前処理ステップは、前記第１の画像データの底部照準領域を識別するステ
    ップと、 前記第１の画像データの前記側部照準領域を識別するステップと、 前記照準領域中の画素値にゼロを設定すステップと、 を含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領域を自動
    的に分割する方法。
  6. 【請求項６】 前記肺領域を自動的に分割する方法において、 前記底部照準領域を識別するステップは、前記第１の画像データのＮ行分の初
    期画素と最終画素とを前記第１の画像データの底部行から始まる第１の所定の一
    定値と比較するステップと、 前記前記第１の画像データの前記底部行中の第１の又は最後の画素の値が前記
    第１の所定の一定値を越える場合に、前記第１の画像データの前記底部行内のす
    べての画素の値にゼロを設定するステップと、 を含むことを特徴とする請求項５に記載の側面胸部放射線画像中の肺領域を自
    動的に分割する方法。
  7. 【請求項７】 前記肺領域を自動的に分割する方法は、前記第１の行中の前
    記初期画素の値も前記最終画素値も前記第１の所定の一定値を越えない最初の行
    に遭遇するまでは、先行する行に対して前記比較するステップと前記ゼロ設定ス
    テップとを繰り返すステップを含み、 前記比較するステップは、前記第１の画像データの前記第１の行に先行する行
    の最初の画素と最終の画素とを第２の所定の一定値と比較するステップと、 前記第１の画像データの前記第１の行に先行する前記行中の前記初期画素又は
    最終画素の値が前記第２の所定の一定値を越える場合に、前記第１の画像データ
    の前記第１の行に先行する前記行内のすべての画素にゼロを設定するステップと
    、 をさらに含むことを特徴とする請求項６に記載の側面胸部放射線画像中の肺領
    域を自動的に分割する方法。
  8. 【請求項８】 前記肺領域を自動的に分割する方法は、行中の前記初期画素
    の値も前記最終画素の値も前記第２の所定の一定値を越えない第２の行に遭遇す
    るまでは、先行する行に対して前記比較ステップと前記ゼロ設定ステップを繰り
    返すステップを含むことを特徴とする請求項７に記載の側面胸部放射線画像中の
    肺領域を自動的に分割する方法。
  9. 【請求項９】 前記肺領域を自動的に分割する方法において、前記側部照準
    領域を識別するステップは、前記第１の画像データの各行中の初期画素値を所定
    の一定値と比較するステップと、 前記初期画素が前記所定の一定値を越えると、前記初期画素の値にゼロを設定
    するステップと、 を含むことを特徴とする請求項５に記載の側面胸部放射線画像中の肺領域を自
    動的に分割する方法。
  10. 【請求項１０】 前記肺領域を自動的に分割する方法は、前記所定の一定値
    を越えない第１の画素に遭遇するまでは後続の画素に対して前記比較ステップと
    前記ゼロ設定ステップを繰り返すステップとを含み、 前記比較するステップは、前記第１の画像データの各行中の最終画素の値を前
    記所定の一定値と比較するステップと、 前記最終画素が前記所定の一定値を越える場合に前記最終画素の値をゼロに設
    定するステップと、 をさらに含むことを特徴とする請求項９に記載の側面胸部放射線画像中の肺領
    域を自動的に分割する方法。
  11. 【請求項１１】 前記肺領域を自動的に分割する方法は、前記所定の一定値
    を越えない第２の画素に遭遇するまでは、先行する画素に対して前記比較ステッ
    プと前記ゼロ設定ステップとを繰り返すステップをさらに含むことを特徴とする
    請求項１０に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法。
  12. 【請求項１２】 前記肺領域を自動的に分割する方法において、前記前処理
    ステップは、前記第１の画像データから直接露出領域と皮下領域とを抑圧して識
    別するステップをさらに含むことを特徴とする請求項２に記載の側面胸部放射線
    画像中の肺領域を自動的に分割する方法。
  13. 【請求項１３】 前記肺領域を自動的に分割する方法において、前記識別ス
    テップは、前記第１の画素に遭遇して以来遭遇した、最小画素値の所定の倍数値
    を越える値を持つ第３の画素に遭遇するまでは、前記第１の画素に続く画素にゼ
    ロを設定するステップと、 各行中の前記第３の画素に続くＮ個の画素の平均値を計算するステップと、 前記平均値を超える第４の画素に遭遇するまでは、前記第３の画素に続く画素
    にゼロを設定するステップと、 を含むことを特徴とする請求項１２に記載の側面胸部放射線画像中の肺領域を
    自動的に分割する方法。
  14. 【請求項１４】 前記肺領域を自動的に分割する方法において、前記識別ス
    テップは、前記第２の画素に遭遇して以来遭遇した、前記最小画素値の所定の倍
    数値を越える値を持つ第５の画素に遭遇するまでは、前記第２の画素に先行する
    画素をゼロに設定するステップと、 各行中の前記第５の画素に続くＮ個の画素の平均値を計算するステップと； 前記平均値を超える値を持つ第６の画素に遭遇するまでは前記第５の画素に続
    く画素をゼロに設定するステップと、 を含むことを特徴とする請求項１２に記載の側面胸部放射線画像中の肺領域を
    自動的に分割する方法。
  15. 【請求項１５】 前記肺領域を自動的に分割する方法において、前記前処理
    ステップは、肺尖位置を前記第１の画像データ中に位置付けするステップをさら
    に含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領域を自動
    的に分割する方法。
  16. 【請求項１６】 前記肺領域を自動的に分割する方法において、前記位置付
    けステップは、前記第２の画像データ中の所定の数の行の平均値に基づいてＮ個
    の平均行を計算するステップと、 前記Ｎ個の平均行からＮ個の水平方向グレイレベルプロファイルを構成するス
    テップと、 移動平均演算を実行して、前記Ｎ個の水平方向グレイレベルプロファイルをス
    ムージングするステップと、 を含むことを特徴とする請求項１５に記載の側面胸部放射線画像中の肺領域を
    自動的に分割する方法。
  17. 【請求項１７】 前記肺領域を自動的に分割する方法において、前記位置付
    けステップは、傾斜技法を実行して、前記Ｎ個の水平方向グレイレベルプロファ
    イル中のグレイレベル最大値とグレイレベル最小値との位置を決定するステップ
    と、 所定の複数個の前記グレイレベル最小値を越えるグレイレベルを持つ２つのグ
    レイレベル最大値同士間に位置付けされている最低のグレイレベル最小値を持つ
    最上方の前記水平方向グレイレベルプロファイルを表す第１のプロファイルを求
    めて前記Ｎ個の水平方向グレイレベルプロファイルを探索するステップと、 を含むことを特徴とする請求項１５に記載の側面胸部放射線画像中の肺領域を
    自動的に分割する方法。
  18. 【請求項１８】 前記肺領域を自動的に分割する方法において、前記位置付
    けステップは、前記第１のプロファイルを肺尖ｙ座標位置と識別するステップと
    、 前記第１のプロファイルの前期最低のグレイレベル最小値に対応する列を肺尖
    ｘ座標位置と識別するステップと、 を含むことを特徴とする請求項１５に記載の側面胸部放射線画像中の肺領域を
    自動的に分割する方法。
  19. 【請求項１９】 前記肺領域を自動的に分割する方法において、前記描写ス
    テップは、前記第１の画像データの底部半分にソベルフィルタを適応して、ソベ
    ルフィルタリングされた画像データを作成するステップと、 前記ソベルフィルタリングされた画像データ中の対応する画素が第２の所定の
    一定値を越える場合に、前記第２の画像データ中の画素の値を第１の所定の一定
    値に設定するステップと、 を含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領域を自
    動的に分割する方法。
  20. 【請求項２０】 前記肺領域を自動的に分割する方法において、前記描写ス
    テップは、前記肺尖ｙ座標位置の下方にある前記第２の画像データ中の初期行に
    対する水平方向プロファイルを構成するステップと、 前記水平方向グレイレベルプロファイルの前方側から遭遇した所定の数の最大
    画素値未満の値と遭遇した前記水平方向グレイレベルプロファイルの前方側から
    の第１の画素を前記水平方向グレイレベルプロフールと識別するステップと、 前記水平方向グレイレベルプロファイルの後方側から遭遇した所定の数の最大
    の画素値未満の値と遭遇した前記水平方向グレイレベルプロファイルの後方側か
    らの第１の画素を前記水平方向グレイレベルプロファイル中の第１の後方縁ポイ
    ントとして識別するステップと、 を含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領域を自
    動的に分割する方法。
  21. 【請求項２１】 前記肺領域を自動的に分割する方法は、前記第１の前方縁
    ポイントと前記第１の後方縁ポイントとの集合が得られるまで、前記第２の画像
    データ中の後続の行に対して前記構成ステップと前記各識別ステップとを繰り返
    すステップを含むことを特徴とする請求項２０に記載の側面胸部放射線画像中の
    肺領域を自動的に分割する方法。
  22. 【請求項２２】 前記肺領域を自動的に分割する方法において、前記描写ス
    テップは、前記第１の前方縁ポイントと前記第１の後方縁ポイントとを互いに独
    立に移動平均技法を用いてスムージングして、第２の前方縁ポイントと第２の後
    方縁ポイントとを得るステップをさらに含むことを特徴とする請求項２に記載の
    側面胸部放射線画像中の肺領域を自動的に分割する方法。
  23. 【請求項２３】 前記肺領域を自動的に分割する方法において、前記スムー
    ジングステップは、前記第１の縁ポイントと前記第１の縁ポイントの内の４つの
    隣接し合ったポイントとの平均値で、前記第１の縁ポイントの各々の位置を置き
    換えて、第２の前方縁ポイントと第２の後方縁ポイントとを識別するステップを
    含むことを特徴とする請求項２２に記載の側面胸部放射線画像中の肺領域を自動
    的に分割する方法。
  24. 【請求項２４】 前記肺領域を自動的に分割する方法において、前記第２の
    縁ポイントのセクションは、所定の一定値を越える長さを持つセグメントであっ
    て連続した縦方向の又は連続して傾斜したポイントのセグメントから成るまで、
    前記置き換えステップを逐次実行するステップを含むことを特徴とする請求項２
    ３に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法。
  25. 【請求項２５】 前記肺領域を自動的に分割する方法において、前記前処理
    ステップは、前記第２の前方縁ポイントと前記第２の後方縁ポイントの外側に存
    在する前記第２の画像データ中のすべての画素にゼロを設定するステップをさら
    に含むことを特徴とする請求項２に記載の側面胸部放射線画像中の肺領域を自動
    的に分割する方法。
  26. 【請求項２６】 前記肺領域を自動的に分割する方法は、前記発生ステップ
    がグレイレベル閾値の範囲を識別するステップを含むことを特徴とする請求項３
    に記載の側面胸部放射線画像中の肺領域を自動的に分割する方法。
  27. 【請求項２７】 前記肺領域を自動的に分割する方法において、前記識別ス
    テップは、所定のディメンションを持つ広い関心領域内にグレイレベルの閾値範
    囲を包含する画素からグローバルグレイレベルヒストグラムを構成するステップ
    と、 前記グローバルグレイレベルヒストグラムの傾斜を分析して、主に肺に属する
    画素から成る肺ピークと、前記肺ピークと主に脊椎、胸骨、肩及び横隔膜下領域
    に属する画祖から成るピークとの間の最小値と、を識別するステップと、 前記肺ピークが前記グローバルグレイレベルヒストグラム中で発生するグレイ
    レベルを前記グレイレベル閾値範囲の最小値として選択するステップと、 前記最小値が前記グローバルグレイレベルヒストグラム中で発生するグレイレ
    ベルを前記グローバルグレイレベル閾値範囲の最大値として選択するステップと
    、 前記グレイレベル閾値範囲からＮ個の肺入りレベル閾値を選択するステップと
    、 を含むことを特徴とする請求項２６に記載の側面胸部放射線画像中の肺領域を自
    動的に分割する方法。
  28. 【請求項２８】 前記肺領域を自動的に分割する方法において、前記発生ス
    テップは、前記Ｎ個のグレイレベル閾値の第１の閾値未満であって、且つ、所定
    の下限値より大きい値を持つ第２の画像データ中の対応する画素を有する画像中
    の画素を「オン」することによって第１の２値画像を生成するステップと、 接在する「オン」画素の領域を識別するステップと、 質量中心、周辺長及び面積を含む前記接在する「オン」画素領域の幾何学的特
    性を計算するステップと、 肺領域外部に存在する前記接在する「オン」画素範囲を抑圧するステップと、 をさらに含むことを特徴とする請求項３に記載の側面胸部放射線画像中の肺領
    域を自動的に分割する方法。
  29. 【請求項２９】 前記肺領域を自動的に分割する方法において、前記抑圧ス
    テップは、前記接在する「オン」画素範囲の各々の質量中心に基づいて水平方向
    グレイレベルプロファイルを構成するステップと、 傾斜技法を用いて前記グレイレベルプロファイル中の最大値と最小値とを識別
    するステップと、 肺領域の外部に存在する前記接在する「オン」画素範囲の値を決定するために
    、前記質量中心の位置における前記水平方向グレイレベルプロファイルのグレイ
    レベル値を前記最大値及び最小値と比較するステップと、 肺領域外部に存在すると判断された前記２値画像中の前記接在する「オン」画
    素範囲内の画素に対応する前記第２の画像データの画素をゼロに設定するステッ
    プと、 を含むことを特徴とする請求項２８に記載の側面胸部放射線画像中の肺領域を
    自動的に分割する方法。
  30. 【請求項３０】 前記肺領域を自動的に分割する方法は、前記２値画像中の
    前記接在する「オン」画素範囲に対して前記構成ステップと前記識別ステップと
    前記比較ステップとを繰り返すステップを含むことを特徴とする請求項２９に記
    載の側面胸部放射線画像中の肺領域を自動的に分割する方法。
  31. 【請求項３１】 前記肺領域を自動的に分割する方法において、前記ステッ
    プは、前記Ｎ個のグレイレベル閾値の各々に対して繰り返されることを特徴とす
    る請求項２８、２９又は３０に記載の側面胸部放射線画像中の肺領域を自動的に
    分割する方法。
  32. 【請求項３２】 前記肺領域を自動的に分割する方法において、前記発生ス
    テップは、グローバルグレイレベル閾値化をＮ回反復し、第１の初期肺分割輪郭
    を生成することによって得られる輪郭を接在する「オン」画素の領域の周りに構
    成するステップをさらに含むことを特徴とする請求項３に記載の側面胸部放射線
    画像中の肺領域を自動的に分割する方法。
  33. 【請求項３３】 前記肺領域を自動的に分割する方法において、前記スムー
    ジングステップは、前記第１の初期肺分割輪郭にローリングボールを適用して、
    前記第１の初期肺分割輪郭の形状中の大きなくぼみを削除するステップを含むこ
    とを特徴とする請求項３に記載の側面胸部放射線画像中の肺領域を自動的に分割
    する方法。
  34. 【請求項３４】 前記肺領域を自動的に分割する方法において、前記適用ス
    テップは、所定の一定半径値を持つ円形フィルタを構成するステップと、 前記第１の肺分割輪郭の各ポイントにおける接線の傾きを計算するステップと
    、 前記円形の周辺部に接する直線の傾斜が、前記第１の肺分割輪郭の前記ポイン
    トにおける接線の傾きと整合するように、前記円形フィルタを連続的に前記初期
    肺分割輪郭の各ポイントに位置付けするステップと、 前記ボールフィルタが前記第１の初期肺分割輪郭と２つ以上のポイントで接触
    する場合、識別されたブリッジのくぼみを埋める線形補間法を適用するステップ
    と、 を含むことを特徴とする請求項３３に記載の側面胸部放射線画像中の肺領域を
    自動的に分割する方法。
  35. 【請求項３５】 前記肺領域を自動的に分割する方法において、前記スムー
    ジングステップは、前記第２の初期肺分割輪郭の各ポイントの位置を隣接輪郭ポ
    イントの所定の一定数の平均位置と置き換え、これによって第３の初期肺分割輪
    郭を構成する移動平均演算を実行するステップと、 ８ポイント連結判断において余分な前記第３の初期肺分割輪郭中のポイントを
    消去して、第４の初期肺分割輪郭を構成するステップと、 をさらに含むことを特徴とする請求項３に記載の側面胸部放射線画像中の肺領
    域を自動的に分割する方法。
  36. 【請求項３６】 前記肺領域を自動的に分割する方法において、前記発生ス
    テップは、ポイントの所定の一定値によって分離された前記第４の初期肺分割輪
    郭に沿ったポイントにおいて集中された所定の平方ディメンションを持つＮ個の
    局所関心領域に位置付けするステップと、 前記Ｎ個の局所関心領域をＭ個の解剖学的位置カテゴリの内の１つとして分類
    するステップと、 前記Ｎ個の局所関心領域の各々のディメンションを前記Ｍ個の解剖学的位置カ
    テゴリの内の対応するカテゴリによって調整するステップと、 複合２値画像を生成するステップと、 を含むことを特徴とする請求項４に記載の側面胸部放射線画像中の肺領域を自
    動的に分割する方法。
  37. 【請求項３７】 前記肺領域を自動的に分割する方法において、前記複合２
    値画像生成ステップは、前記Ｎ個の局所関心領域に対するＮ個の局所グレイレベ
    ル閾値を前記Ｍ個の解剖学的位置カテゴリの内の対応するカテゴリによって計算
    するステップと、 前記Ｎ個の局所グレイ閾値の内の対応する閾値を越える値を持つ前記第２の画
    像データ中の前記Ｎ個の局所関心領域の各々中の対応する画素を有する前記複合
    ２値画像中の画素を「オン」するステップと、 をさらに含むことを特徴とする請求項３６に記載の側面胸部放射線画像中の肺
    領域を自動的に分割する方法。
  38. 【請求項３８】 前記肺領域を自動的に分割する方法において、前記発生ス
    テップは、前記複合２値画像中の接在する前部画素の領域の周りに第１の最終肺
    分割輪郭を構成するステップをさらに含むことを特徴とする請求項４に記載の側
    面胸部放射線画像中の肺領域を自動的に分割する方法。
  39. 【請求項３９】 前記肺領域を自動的に分割する方法において、前記スムー
    ジングステップは、前記第１の最終肺分割輪郭にローリングボールフィルタを適
    用して、前記第１の最終肺分割輪郭の形状中の大きなくぼみを消去して第２の最
    終肺分割輪郭を発生するステップを含むことを特徴とする請求項４に記載の側面
    胸部放射線画像中の肺領域を自動的に分割する方法。
  40. 【請求項４０】 前記肺領域を自動的に分割する方法において、前記適用す
    るステップは、所定の一定半径値を持つ円形フィルタを構成するステップと、 前記第１の初期肺分割輪郭の各ポイントにおける接線の傾きを計算するステッ
    プと、 前記円形の周辺に接する直線の傾斜が前記第１の最終肺分割輪郭の前記ポイン
    トに接する直線の傾斜と整合するように、前記円形フィルタを前記第１の最終肺
    分割輪郭の各ポイントに位置付けするステップと、 前記ボールフィルタが前記第１の最終肺分割輪郭と２回以上接触するときに識
    別されるくぼみを埋めるように線形補間法を適用するステップと、 を含むことを特徴とする請求項３９に記載の側面胸部放射線画像中の肺領域を
    自動的に分割する方法。
  41. 【請求項４１】 前記肺領域を自動的に分割する方法において、前記スムー
    ジングを行うステップは、 前記第２の最終肺分割輪郭の各ポイントの位置を所定の一定数の隣接する輪郭
    ポイントの平均位置と置き換える移動平均演算を実行して、第３の最終肺分割輪
    郭を構成するステップと、 ８ポイント連結判断において余分な前記第３の最終肺分割輪郭中のポイントを
    消去するステップと、 をさらに含むことを特徴とする請求項４に記載の側面胸部放射線画像中の肺領
    域を自動的に分割する方法。
  42. 【請求項４２】 前記肺領域を自動的に分割する方法において、前記スムー
    ジングを行うステップは、分離多項式関数を前記第４の最終肺分割輪郭の前方局
    面と前記第４の最終肺分割輪郭の後方局面とにあてはめを行うステップをさらに
    含むことを特徴とする請求項４に記載の側面胸部放射線画像中の肺領域を自動的
    に分割する方法。
  43. 【請求項４３】 前記肺領域を自動的に分割する方法において、前記あては
    めを行うステップは、前記第４の最終肺分割輪郭の最上方ポイントから時計回り
    方向に、画像の底部前方までの最小の幾何学的距離を有する前記第４の肺分割輪
    郭までの前記第４の最終肺分割輪郭に沿ったポイントを前方局面として識別する
    ステップと、 前方最小自乗多項式関数を前記前方局面ポイントにあてはめを行うステップと
    、 前記前方局面を、前記第４の肺分割輪郭の最上方ポイントと最下方ポイント間
    の前記前方最小自乗多項式関数と前記前方最小自乗多項式関数とで置換するステ
    ップと、 前記第４の最終肺分割輪郭の最上方ポイントから時計回り方向に、画像の底部
    後方までの最小の幾何学的距離を有する前記第４の肺分割輪郭のポイントまでの
    前記第４の最終肺分割輪郭に沿ったポイントを後方対応ポイントとして識別する
    ステップと、 後方最小自乗多項式関数を前記後方局面ポイントにあてはめるステップと、 前記後方局面ポイントを、前記第４の肺分割輪郭の最上方交差ポイントと最下
    方交差ポイント間の前記後方最小自乗多項式関数と前記後方最小自乗多項式関数
    とで置換し、これによって第５の肺分割輪郭を構成するステップと、 を含むことを特徴とする請求項４２に記載の側面胸部放射線画像中の肺領域を
    自動的に分割する方法。
  44. 【請求項４４】 適応グレイレベル閾値を用いるステップを含む、分割輪郭
    を生じるために関心領域内で適応局所グレイレベル閾値化を実行する方法。
  45. 【請求項４５】 前記適応局所グレイレベル閾値化を実行する方法は、解剖
    的構造内で関心領域の位置に基づいてグレイレベル閾値を適応するステップをさ
    らに含むことを特徴とする請求項４４に記載の適応局所グレイレベル閾値化を実
    行する方法。
  46. 【請求項４６】 前記適応局所グレイレベル閾値化を実行する方法は、グレ
    イレベル閾値化を実行して部分的輪郭を得るステップをさらに含むことを特徴と
    する請求項４５に記載の適応局所グレイレベル閾値化を実行する方法。
  47. 【請求項４７】 前記適応局所グレイレベル閾値化を実行する方法は、関心
    領域を再位置付けするステップと、 前記関心領域の新しい位置に基づいてグレイレベル閾値を再適応するステップ
    と、 をさらに含むことを特徴とする請求項４６に記載の適応局所グレイレベル閾値
    化を実行する方法。
  48. 【請求項４８】 前記適応局所グレイレベル閾値化を実行する方法は、前記
    再位置付けステップと前記再適応ステップとを繰り返すステップと、 関心の解剖的部分を範囲に収める輪郭を形成するステップと、 をさらに含むことを特徴とする請求項４７に記載の適応局所グレイレベル閾値
    化を実行する方法。
  49. 【請求項４９】 側面に位置付けされた患者の胸郭から誘導された画像に基
    づいて画像データを発生する手段と、 肺領域と識別された画像データの部分を範囲に収める輪郭を構成する手段と、 グレイレベル閾値を解剖的構造内の後出の関心領域の位置に適応して肺分割輪
    郭を得る関心領域内で適応局所グレイレベル閾値化を実行する手段と、 前記肺分割輪郭をスムージングする手段と、 側面胸部画像上の最終肺輪郭を示す手段と、 を備えることを特徴とする、側面胸部放射線画像中の肺領域を自動的に分割す
    るシステム。
  50. 【請求項５０】 請求項１〜４８のいずれかに記載のステップを実行するよ
    うに構成された画像処理装置。
  51. 【請求項５１】 請求項１〜４８のいずれかに記載のステップを実行するプ
    ログラムを記憶する記憶媒体。
JP2000504545A 1997-07-25 1998-07-24 側面胸部放射線像の肺領域を分割する方法とシステム Pending JP2001511374A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US90018997A 1997-07-25 1997-07-25
US08/900,189 1997-07-25
PCT/US1998/015351 WO1999005640A1 (en) 1997-07-25 1998-07-24 Method and system for the segmentation of lung regions in lateral chest radiographs

Publications (1)

Publication Number Publication Date
JP2001511374A true JP2001511374A (ja) 2001-08-14

Family

ID=25412103

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000504545A Pending JP2001511374A (ja) 1997-07-25 1998-07-24 側面胸部放射線像の肺領域を分割する方法とシステム

Country Status (5)

Country Link
US (1) US6335980B1 (ja)
EP (1) EP0998719A4 (ja)
JP (1) JP2001511374A (ja)
AU (1) AU8586098A (ja)
WO (1) WO1999005640A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005312007A (ja) * 2004-03-23 2005-11-04 Fuji Photo Film Co Ltd 差分画像取得方法、差分画像取得装置、及び、そのプログラム
JP2006524085A (ja) * 2003-04-24 2006-10-26 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ コンピュータ断層撮影アンジオグラフィにおける領域描写方法及び装置
JP2007537812A (ja) * 2004-05-18 2007-12-27 メディックサイト ピーエルシー 結節境界の検出方法
JP2007537811A (ja) * 2004-05-20 2007-12-27 メディックサイト ピーエルシー 結節の検出方法
JP2008508977A (ja) * 2004-08-09 2008-03-27 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 領域が競合する変形可能なメッシュ適合に基づくセグメント化
KR101178398B1 (ko) 2011-01-06 2012-08-30 건국대학교 산학협력단 의료 영상 분할 처리 장치와 방법 및 컴퓨터 프로그램이 기록된 기록매체
WO2012124897A2 (ko) * 2011-03-14 2012-09-20 동국대학교 산학협력단 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ｃｔ 영상 분석의 자동화 방법, 기록 매체 및 장치
JP2017056039A (ja) * 2015-09-17 2017-03-23 株式会社島津製作所 画像処理装置、プログラムおよび放射線撮影装置

Families Citing this family (47)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6282307B1 (en) 1998-02-23 2001-08-28 Arch Development Corporation Method and system for the automated delineation of lung regions and costophrenic angles in chest radiographs
US6850634B1 (en) * 1998-09-25 2005-02-01 Canon Kabushiki Kaisha Image processing apparatus, method, and storage medium for processing a radiation image
US7013035B2 (en) * 1998-09-25 2006-03-14 Canon Kabushiki Kaisha Image processing method for setting an extraction area, and apparatus and recording medium
US6941323B1 (en) 1999-08-09 2005-09-06 Almen Laboratories, Inc. System and method for image comparison and retrieval by enhancing, defining, and parameterizing objects in images
JP3897272B2 (ja) * 1999-09-28 2007-03-22 富士フイルム株式会社 画像解析装置
US6901156B2 (en) * 2000-02-04 2005-05-31 Arch Development Corporation Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images
US6549646B1 (en) * 2000-02-15 2003-04-15 Deus Technologies, Llc Divide-and-conquer method and system for the detection of lung nodule in radiological images
US7359541B2 (en) * 2000-04-28 2008-04-15 Konica Corporation Radiation image processing apparatus
US20020164070A1 (en) * 2001-03-14 2002-11-07 Kuhner Mark B. Automatic algorithm generation
US10156501B2 (en) 2001-11-05 2018-12-18 Life Technologies Corporation Automated microdissection instrument for determining a location of a laser beam projection on a worksurface area
US6766043B2 (en) * 2001-11-23 2004-07-20 R2 Technology, Inc. Pleural nodule detection from CT thoracic images
US7359538B2 (en) * 2001-11-23 2008-04-15 R2 Technology Detection and analysis of lesions in contact with a structural boundary
US20030174890A1 (en) * 2002-03-14 2003-09-18 Masaki Yamauchi Image processing device and ultrasonic diagnostic device
GB0219408D0 (en) * 2002-08-20 2002-09-25 Mirada Solutions Ltd Computation o contour
US7359554B2 (en) * 2002-08-26 2008-04-15 Cleveland Clinic Foundation System and method for identifying a vascular border
US7927275B2 (en) * 2002-08-26 2011-04-19 The Cleveland Clinic Foundation System and method of aquiring blood-vessel data
US7074188B2 (en) * 2002-08-26 2006-07-11 The Cleveland Clinic Foundation System and method of characterizing vascular tissue
US20040044282A1 (en) * 2002-08-28 2004-03-04 Mixon Lonnie Mark Medical imaging systems and methods
CA2500805A1 (en) * 2002-09-13 2004-03-25 Arcturus Bioscience, Inc. Interactive and automated tissue image analysis
US7251353B2 (en) * 2002-11-26 2007-07-31 University Of Chicago Automated method of patient recognition using chest radiographs
US7343030B2 (en) * 2003-08-05 2008-03-11 Imquant, Inc. Dynamic tumor treatment system
US8055323B2 (en) * 2003-08-05 2011-11-08 Imquant, Inc. Stereotactic system and method for defining a tumor treatment region
US7874990B2 (en) * 2004-01-14 2011-01-25 The Cleveland Clinic Foundation System and method for determining a transfer function
US7215802B2 (en) * 2004-03-04 2007-05-08 The Cleveland Clinic Foundation System and method for vascular border detection
US20050243334A1 (en) * 2004-04-28 2005-11-03 Konica Minolta Medical & Graphic, Inc. Image processing method, image processing apparatus and image processing program
US20060018524A1 (en) * 2004-07-15 2006-01-26 Uc Tech Computerized scheme for distinction between benign and malignant nodules in thoracic low-dose CT
CA2580025A1 (en) 2004-09-09 2006-03-23 Molecular Devices Corporation Laser microdissection apparatus and method
US20070092864A1 (en) * 2005-09-30 2007-04-26 The University Of Iowa Research Foundation Treatment planning methods, devices and systems
WO2008024081A1 (en) * 2006-08-24 2008-02-28 Agency For Science, Technology And Research Methods, apparatus and computer-readable media for image segmentation
US8126267B2 (en) * 2007-02-05 2012-02-28 Albany Medical College Methods and apparatuses for analyzing digital images to automatically select regions of interest thereof
JP2011060116A (ja) * 2009-09-11 2011-03-24 Fujifilm Corp 画像処理装置
US8675933B2 (en) 2010-04-30 2014-03-18 Vucomp, Inc. Breast segmentation in radiographic images
JP5927180B2 (ja) 2010-04-30 2016-06-01 ヴィユーコンプ インクVucomp, Inc. 画像の異形を識別するための画像データの処理方法、システムおよびプログラム
WO2012006318A1 (en) 2010-07-07 2012-01-12 Vucomp, Inc. Marking system for computer-aided detection of breast abnormalities
KR101472558B1 (ko) 2013-10-04 2014-12-16 원광대학교산학협력단 흉부 단층영상에서 폐, 기관지 및 폐혈관 영상을 분할하기 위한 시스템 및 그 방법
WO2018013703A1 (en) 2016-07-12 2018-01-18 Mindshare Medical, Inc. Medical analytics system
CN106530219B (zh) * 2016-11-07 2020-03-24 青岛海信移动通信技术股份有限公司 图像拼接方法及装置
US20200193225A1 (en) 2017-04-28 2020-06-18 Toyota Motor Europe System and method for detecting objects in a digital image, and system and method for rescoring object detections
US20190130561A1 (en) * 2017-10-27 2019-05-02 Konica Minolta Laboratory U.S.A., Inc. Medical image processing apparatus
GB2569541B (en) 2017-12-19 2020-08-19 Mirada Medical Ltd Method and apparatus for medical imaging
CN109191523B (zh) * 2018-08-23 2021-11-09 南方医科大学南方医院 一种用于识别胸部x线平片中心脏方位的方法和装置
CN111028258B (zh) * 2019-11-14 2023-05-16 中国科学院力学研究所 一种大尺度灰度图像自适应阈值提取方法
CN111145193B (zh) * 2019-12-30 2024-05-17 广州医软智能科技有限公司 一种自适应全局阈值二值化方法
CN111462145B (zh) * 2020-04-01 2023-04-07 重庆大学 基于双权重符号压力函数的活动轮廓图像分割方法
CN111524081B (zh) * 2020-04-24 2023-10-10 讯飞医疗科技股份有限公司 肺部影像角度矫正方法、装置、电子设备和存储介质
CN117392165B (zh) * 2023-12-12 2024-02-23 南方医科大学南方医院 一种基于人工智能的医疗样本大数据采集方法
CN117788464B (zh) * 2024-02-26 2024-04-30 卡松科技股份有限公司 一种工业齿轮油杂质视觉检测方法

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4907156A (en) * 1987-06-30 1990-03-06 University Of Chicago Method and system for enhancement and detection of abnormal anatomic regions in a digital image
US5133020A (en) * 1989-07-21 1992-07-21 Arch Development Corporation Automated method and system for the detection and classification of abnormal lesions and parenchymal distortions in digital medical images
US5537485A (en) * 1992-07-21 1996-07-16 Arch Development Corporation Method for computer-aided detection of clustered microcalcifications from digital mammograms
US5452367A (en) * 1993-11-29 1995-09-19 Arch Development Corporation Automated method and system for the segmentation of medical images
JPH09508815A (ja) 1993-11-29 1997-09-09 アーチ ディヴェロプメント コーポレイション 乳房ｘ線写真における、改良された、コンピュータによる、腫瘤の発見および分類のための自動的方法およびシステム
US5638458A (en) * 1993-11-30 1997-06-10 Arch Development Corporation Automated method and system for the detection of gross abnormalities and asymmetries in chest images
WO1995015537A1 (en) 1993-11-30 1995-06-08 Arch Development Corporation Automated method and system for the alignment and correlation of images from two different modalities
US5881124A (en) 1994-03-31 1999-03-09 Arch Development Corporation Automated method and system for the detection of lesions in medical computed tomographic scans
US5657362A (en) * 1995-02-24 1997-08-12 Arch Development Corporation Automated method and system for computerized detection of masses and parenchymal distortions in medical images
JPH11501538A (ja) 1995-03-03 1999-02-09 アーチ ディヴェロプメント コーポレイション 医用画像において病巣を検出する方法及びシステム
US6141437A (en) 1995-11-22 2000-10-31 Arch Development Corporation CAD method, computer and storage medium for automated detection of lung nodules in digital chest images
US5984870A (en) 1997-07-25 1999-11-16 Arch Development Corporation Method and system for the automated analysis of lesions in ultrasound images
US6138045A (en) 1998-08-07 2000-10-24 Arch Development Corporation Method and system for the segmentation and classification of lesions
US6112112A (en) 1998-09-18 2000-08-29 Arch Development Corporation Method and system for the assessment of tumor extent in magnetic resonance images

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006524085A (ja) * 2003-04-24 2006-10-26 コーニンクレッカ　フィリップス　エレクトロニクス　エヌ　ヴィ コンピュータ断層撮影アンジオグラフィにおける領域描写方法及び装置
JP2005312007A (ja) * 2004-03-23 2005-11-04 Fuji Photo Film Co Ltd 差分画像取得方法、差分画像取得装置、及び、そのプログラム
JP2007537812A (ja) * 2004-05-18 2007-12-27 メディックサイト ピーエルシー 結節境界の検出方法
JP2007537811A (ja) * 2004-05-20 2007-12-27 メディックサイト ピーエルシー 結節の検出方法
JP2008508977A (ja) * 2004-08-09 2008-03-27 コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ 領域が競合する変形可能なメッシュ適合に基づくセグメント化
KR101178398B1 (ko) 2011-01-06 2012-08-30 건국대학교 산학협력단 의료 영상 분할 처리 장치와 방법 및 컴퓨터 프로그램이 기록된 기록매체
WO2012124897A2 (ko) * 2011-03-14 2012-09-20 동국대학교 산학협력단 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ｃｔ 영상 분석의 자동화 방법, 기록 매체 및 장치
WO2012124897A3 (ko) * 2011-03-14 2012-11-08 동국대학교 산학협력단 자동 초기화를 기반으로 흉곽 변형 정도의 평가 인덱스 계산을 자동화한 ｃｔ 영상 분석의 자동화 방법, 기록 매체 및 장치
JP2017056039A (ja) * 2015-09-17 2017-03-23 株式会社島津製作所 画像処理装置、プログラムおよび放射線撮影装置

Also Published As

Publication number Publication date
AU8586098A (en) 1999-02-16
US6335980B1 (en) 2002-01-01
WO1999005640A1 (en) 1999-02-04
EP0998719A1 (en) 2000-05-10
EP0998719A4 (en) 2000-11-22

Similar Documents

Publication Publication Date Title
JP2001511374A (ja) 側面胸部放射線像の肺領域を分割する方法とシステム
US6483934B2 (en) Detecting costophrenic angles in chest radiographs
Armato III et al. Automated lung segmentation in digitized posteroanterior chest radiographs
US5638458A (en) Automated method and system for the detection of gross abnormalities and asymmetries in chest images
EP2102819B1 (en) Apparatus, method and computer program for producing a corrected image of a region of interest from acquired projection data
JP6877868B2 (ja) 画像処理装置、画像処理方法および画像処理プログラム
Haas et al. Automatic segmentation of thoracic and pelvic CT images for radiotherapy planning using implicit anatomic knowledge and organ-specific segmentation strategies
Aykac et al. Segmentation and analysis of the human airway tree from three-dimensional X-ray CT images
JP2003523801A (ja) コンピュータ断層撮影走査における肺部位の自動分割ための方法およびシステム
JPH09511077A (ja) 異なる２種の方式による画像整合および画像相関のための自動化方法およびシステム
KR100503424B1 (ko) 다중단면 전산화단층촬영 영상을 이용한 폐결절 자동 검출방법 및 이를 기록한 기록매체
WO2003046813A1 (en) Segmentation in medical images
Armato III et al. Automated lung segmentation in digital lateral chest radiographs
GB2451367A (en) Nodule detection in computed tomography images
WO2022164374A1 (en) Automated measurement of morphometric and geometric parameters of large vessels in computed tomography pulmonary angiography
JP4473578B2 (ja) 体の構造の孤立した視覚化されたものを形成する方法及び装置
Freiman et al. Vessels-cut: a graph based approach to patient-specific carotid arteries modeling
CN116934885A (zh) 肺部分割方法、装置、电子设备及存储介质
JP2004337591A (ja) 画像内の対象の配向を検出する方法
Sun et al. Automatic method for lung segmentation with juxta-pleural nodules from thoracic CT based on border separation and correction
Hentschel et al. Techniques for editing and visualizing CT-angiographic data
Iakovidis Versatile approximation of the lung field boundaries in chest radiographs in the presence of bacterial pulmonary infections
Pinho et al. Efficient approaches to intrathoracic airway tree segmentations
Tylen et al. Improved algorithm for computerized detection and quantification of pulmonary emphysema at high-resolution computed tomography (HRCT)
Koszmider et al. 3D reconstruction of lungs from computed tomography images