JP2002503861A - 胸部x線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム - Google Patents

胸部x線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム

Info

Publication number
JP2002503861A
JP2002503861A JP2000532053A JP2000532053A JP2002503861A JP 2002503861 A JP2002503861 A JP 2002503861A JP 2000532053 A JP2000532053 A JP 2000532053A JP 2000532053 A JP2000532053 A JP 2000532053A JP 2002503861 A JP2002503861 A JP 2002503861A
Authority
JP
Japan
Prior art keywords
diaphragm
rib
lung
initial
image
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
JP2000532053A
Other languages
English (en)
Inventor
アーマート、サミュエル・ジー・ザ・サード
ギガー、マリーエレン・エル
マクマホン、ヘバー
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 JP2002503861A publication Critical patent/JP2002503861A/ja
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/11Region-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/10Segmentation; Edge detection
    • G06T7/12Edge-based segmentation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/60Analysis of geometric attributes
    • G06T7/66Analysis of geometric attributes of image moments or centre of gravity
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/20Image preprocessing
    • G06V10/28Quantising the image, e.g. histogram thresholding for discrimination between background and foreground patterns
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10116X-ray image
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20004Adaptive image processing
    • G06T2207/20012Locally adaptive
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30061Lung

Landscapes

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

Abstract

(57)【要約】 後前(PA)胸部X線写真での肺領域および肋骨横隔膜角(CP)領域の自動分割のための方法、システムおよびコンピュータ製品であって、そこでは濃度閾値分析(S3、1003)に基づく画像分割がインタラクティブ大局濃度値しきい値処理法(S5、1005)を大局濃度ヒストグラム(S3、1003)の特徴に基づく胸部画像に適用することにより実行される。各反復で構築されるバイナリ画像内の領域の特徴は、肺領域の外部となる領域を排除するために識別され、分析される。この大局プロセスから生じる初期の肺輪郭は、局所濃度閾値法(S6、1006)を容易にするために使用される。関心のある個々の領域(ROI)は、初期輪郭に沿って置かれる。個々のROI内のピクセルに適用される濃度閾値を求めるためのプロシジャが実現される。結果として、そこから最終的な輪郭が構築されるバイナリ画像が生じる。

Description

【発明の詳細な説明】
【0001】
【産業上の利用分野】
本発明は、胸部X線写真での肺領域のコンピュータ化された自動描画方法とシ
ステムに関する。特殊な応用例として、ディジタル化された胸部X線写真におけ
る肋骨横隔膜角の描画がある。新規な発展や装置として、分割された肺と共に肋
骨横隔膜角を描画する技術や分割された歯と肋骨横隔膜角を結合する技術、異常
な非対称性を有する肺の分割やその評価の改良がある。
【0002】 本発明はまた、ディジタル像における異常の自動検出を行うCAD技術にも関
している。例えばこの技術は、米国特許第4,839,807号、4,841,
555号、4,851,984号、4,875,165号、4,907,156
号、4,918,534号、5,072,384号、5,133,020号、5
,150,292号、5,224,177号、5,289,374号、5,31
9,549号、5,343,390号、5,359,513号、5,452,3
67号、5,463,548号、5,491,627号、5,537,485号
、5,598,481号、5,622,171号、5,638,458号、5,
657,362号、5,666,434号、5,673,332号、5,668
,888号、米国特許出願第08/158,388号、08/173,935号
、08/220,917号、08/396,307号、米国特許第5,732,
697号、5,740,268号、5,790,690号、5,832,103
号、米国特許出願第08/523,210号、08/536,149号、08/
536,450号、08/562,087号、08/757,611号、08/
758,438号、08/900,191号、08/900,361号、08/
900,362号、08/900,188号、08/900,192号、08/
900,189号、08/979,623号、08/979,639号、08/
982,282号、09/027,685号、09/027,468号に開示さ
れていて、それらは本出願し参照としてここに組み込まれる。
【0003】 本発明はまた、添付のAPPENDIXに載っている参考文献に記載された技
術に関していて、そのAPPENDIXにリストとして載っているそれぞれの参
考文献の括弧付きの番号はこの明細書全体を通じてそれぞれの参考文献を示すも
のとして使用され、APPENDIXにリストとして載せられた参考文献の内容
も本出願の参照としてここに組み込まれる。
【0004】
【従来の技術と発明が解決しようとする課題】
胸部の放射線医学診断における画像処理技術の利用は、ディジタルX線技術を
使用するようになってより著しくなってきた。ダイレクトディジタル処理と従来
のフィルム処理の両方を継続的にディジタル化することによりなされている[1
]。濃度修正や非シャープマスキングのような画像品質向上の技術[2]は、例
えば持ち運びできる胸部X線装置の品質変化を減少させるために、或いは露出誤
差をなくすために必要な試験の繰り返し回数を減少させるために使用されてきた
[3]。画像圧縮、画像伝送プロトコル、インテリジェント長期記憶技術やイン
タラクティブ・ディスプレイ・コンソールは、現在では画像記録と通信システム
(picture achieving and communication
systems(PACS))へ使用するように開発されてきている[4]。
【0005】 種々の画像処理方法は、コンピュータ利用診断(CAD)体系に同化されてい
る[5]。そのような体系は、肺の節の検査[6−11]、間隙性の浸潤の検査
[8、12‐14、11]、気胸症の検査[15]、心臓肥大の検査[16、1
7]、インターバル変化の検査[18]に対して開発が進んできた。
【0006】 ディジタル胸部X線写真での肺領域の場所に関する根本的な知識は、これらの
体系に固有である。これは、肋間上腕空間[19]、肋骨縁[20−22]、胸
郭端縁[23]、および完全な肺境界[24,25]の自動検査によって達成さ
れた。肋間上腕空間を検出するために、Powellらは、シフト不定(shi
ft−variant)シヌソイド関数が適合された[19]垂直濃度値プロフ
ァイルを活用した。Sanadaらは、後部肋骨縁を検査するために同様の方法
を利用した。それから、端縁勾配とその向きの統計的な分析が、微妙な連続する
肋骨端縁を検査するために狭い関心のある領域(ROI)内で行われた。Wec
hslerおよびSklanskyは、前部肋骨および後部肋骨[20]を描画
するために、直線状、放物線状、および楕円形状の曲線セグメントを勾配および
閾値演算子の出力に適合する。Chenらは、肺テクスチャ分析に使用されるR
OIが肋骨端縁[22]と重複したかどうかを判断するために端縁勾配分析を使
用した。XuおよびDoiは、胸郭端縁[23]を描画するために濃度値プロフ
ァイルの第1導関数と第2導関数を分析した。それから、多項式関数が初期に検
査された端縁に適合された。ChengおよびGoldbergは、肺分割のた
めの単一濃度閾値を特定するために、画像の選択された領域から計算された濃度
ヒストグラムにクラスタ化アルゴリズムを適用した。それから、その結果生じる
境界線は、直線状曲線適合技術と放物線状曲線適合技術を使用して改質された。
Piekaは、選択された領域[25]の濃度ヒストグラムから求められた単一
閾値を使用して肺境界線を描画した。それから、端縁を拡張するために勾配分析
が利用された。
【0007】 他の人達は、X線撮影法等化技術[27]の開発のため、あるいは領域に特殊
な表示機能強化技術[28−30]と使用するために、異常な非対称性[26]
の検査のための肺領域の分割に直接的に取り組んだ。DuryeaおよびBoo
neは、濃度値プロファイルおよびコントラスト情報[27]に基づいた肺分割
方法を案出した。縦隔および横隔膜下(subdiaphragm)を選択的に
改善するために、SherrierおよびJohnsonは、ヒストグラム等化
技術を、局所濃度比すと部ラム分析からこれらの領域[28]内にあると判断さ
れた領域に適用した。Sezanらは、これらの異なる解剖学上の領域[29]
で適応型非シャープマスキングを実行するために、肺/縦隔閾値を特定した。M
cNitt−Grayらは、後に分類者を訓練するために使用された、特徴選択
のための基礎として段階を踏んだ弁別手段分析を実現するパターン分類体系を開
発した。明らかに、胸部画像の肺領域の自動分割には、種々のCAD体系の基礎
としてのその役割に加えて多くの実践的な用途がある。
【0008】 インターバル変化検査という例外はあるが、現在ディジタル胸部X線写真に開
発されている大部分のCAD体系は、1つの特定の病理に特種である。これらの
体系は、多くの場合、胸部画像の中の胸郭、横隔膜、および縦隔の「正常な」外
観に関する論理に基づいた情報を活用する。胸郭の異常の性質が、それが実質的
には肺の体積に影響を及ぼすほどであるとき、潜在的な問題が発生する。この種
の大規模な異常は、通常、X線写真の上に投影されるような1つの半胸郭内の空
気を含んだ(aerated)肺領域(つまり、肺の通常低い減衰と関連する高
い光学密度領域)の面積のかなりの減少のためにX線写真上での異常な非対称性
を引き起こす。これは、実際には、胸郭の総体的な形態を変え、それは放射線技
師(radiologist)には明白であるが、コンピュータ化体系の失敗を
生じさせることがあるだろう。このような異常は、高密度な浸潤、相当な胸膜の
滲出液、大きな腫瘍、広範囲な無気肺、肺切除、高められた片側横隔膜、あるい
は心臓肥大を含むだろう。
【0009】 患者が適切に位置した状態で得られた正常なPA胸部X線写真は、肋骨横隔膜
(costodiaphragmatic)凹みのX線写真の突出部を表す2つ
の十分に画定されたCP角を示す。正常なCP角の肋骨の態様および横隔膜の態
様は、典型的には鋭い鋭角を形成するように収束する。この形状構成からの逸脱
が観察されると、放射線技師は重要な診断情報を得る。
【0010】 多岐に渡る物理的な状態および病理学的な状態がCP角に明らかになることが
ある。例えば、直立胸部検査では、胸膜空間内の小包に分かれていない(non
−loculated)流体が肋骨横隔膜凹み内の重力の影響を受けて集まる。
このような胸膜の滲出液は、解剖学上の凹み[31,32]の通常は鋭い外観を
鈍らせることによってCP角の外観をX線撮影的に改変する。別の例では、肺気
腫の患者に存在する横隔膜の特徴的な扁平化が、典型的にはCP角領域の中に広
がり、CP角の肋骨の態様および横隔膜の態様をさらに鋭くない鋭角[31,3
4]で収束させる。加えて、肺基部の線維症のまたは浸潤的な過程(proce
ss)がCP角[35]を分かりにくくするだけである。
【0011】 したがって、本発明の目的は、胸部画像における肺領域を分割するための改善
された方法およびシステムを提供することである。
【0012】 胸部画像における肋骨横隔膜画像の描画および/または定量分析のための自動
化された方法およびシステムを提供することが、本発明の別の目的である。
【0013】 肺領域および/または非対称性をさらによく画定するために、描画された肋骨
横隔膜角を肺領域と統合するための方法およびシステムを提供することが、本発
明のさらに別の目的である。
【0014】
【発明の概要】
これらの目的およびそれ以外の目的は、新規の改善された方法、システムおよ
びコンピュータ製品を提供することによって本発明に従い達成され、そこではP
A胸部画像の大局的な閾値分析が、胸部領域のバイナリ画像を作成するために実
行される。肺領域は、胸部領域の中で特定され、特定された肺領域に一致する肺
分割輪郭がPA胸部画像のために構築される。
【0015】 肺領域の描画および定量分析は、両方のCP角を含むディジタルPA胸部画像
を作成することによって実行される。左CP角および右CP角は、左CP角およ
び右CP角の端によって形成される角度を求めることができるように、PA胸部
画像上で描画される。
【0016】 描画されたCP角は、肺領域および/または非対称性をさらによく画定するた
めに肺領域と統合される。いったん肺分割輪郭の初期のセットが求められると、
CP角端は別個に描画される。それから、CP角端は、肺分割輪郭の最終的なセ
ットを浅く製するために肺分割輪郭の初期セットに結合される。
【0017】
【好ましい実施形態の詳細な説明】
後前(PA)胸部画像における空気混和肺領域を正確に分割する方法を使用し
て、異常非対称性の存在を検出できる。このような異常の検出は、ディジタル胸
部X線撮影法におけるCAD手法、およびPACS環境における異常事例の優先
順位付けに有効である。
【0018】 本発明の肺分割方法に関連して、PA胸部画像[36]のCD角端を描画する
技術を開発してきた。このように描画される輪郭線分割は自動的に連結されて、
空気混和肺領域を包囲する最終輪郭線を形成する。CP角描画手法は、臨床的に
重要な解剖学的領域を正確に捕捉する輪郭線を導くだけでなく、肺輪郭線を修正
することができる(この肺輪郭線は別の方法を用いた場合は、容認できるような
分割を得られない)。したがって、CP角描画手法は全体の肺分割手法の一体化
部分である。
【0019】 本発明では、独立したCADツールとして、CP角描画手法の潜在的利点を調
査した。描画された肋骨と横隔膜端で形成される角の定量的測定では、CP角の
不明瞭または不鮮明な測定値しか得られない。本発明では、これらのコンピュー
タ測定値を採用して、異常なCP角を識別する。CP角を識別する作業は人間の
眼では簡単であるが、CP角の不明瞭は、臨床上の判読で放射線医師によって見
落とされる可能性がある、特に肺領域が別の病状に対して詳細に検査されたとき
はこの恐れがある。さらに、この解剖領域の定量化は放射線医師に追加的臨床情
報を提供するであろう。表示モニターからの一次判読が承認されると、放射線医
師の画像観察に先だって、各種の自動分析がルーチンで実行され、CP角の評価
は、そのようなコンピュータツールとは別の結果を表す。
【0020】 したがって、本発明では、PA胸部画像の空気混和肺領域を分割するための全
自動化手法を開発した。分割においてさらに正確にCP角を包含するために、独
自の手法が適用される。この分割方法は、胸部の全体形態に関して威力を発揮し
、さらにPA胸部画像の異常な非対称にもよく適合する。
【0021】 次に図、特に図1によれば、フローチャートは、肺領域の描画および胸部画像
の肋骨横隔膜角の判定に対する自動化方法の全体を示す。全体手法は、X線撮影
画像の初期取込みとステップ1でのディジタル化を含む。次に、ステップ2では
、水平濃度値プロファイル分析を使用して、画像中の肺尖と中線の位置を決定す
る。ステップ3では、画像の中心部に近い大きい矩形ROIから濃度値ヒストグ
ラムを作成する。このヒストグラムの最大と最小を分析して、反復全体濃度値し
きい値処理に使用する濃度値範囲を識別する。ステップ4では、Solbeフィ
ルタを画像に適用する。次のステップ5では、反復全体濃度値しきい値分析が実
行される。識別した濃度範囲[26]からの、連続的に大きくなる濃度値しきい
値を使用して、7回反復法を実行する。各反復において、しきい値より低い画像
ピクセル濃度値に対応するピクセルだけが、「on」になる2値画像が形成され
る。8点連結法を使用して、隣接する「on」ピクセルの各グループ周辺に輪郭
線を作成する。このような輪郭線の各々の重心(図心)を通り作成されている濃
度値プロファイルを分析して、輪郭線が肺領域の属するピクセルを囲んでいるか
どうか判定する。肺領域の外側にあると判定された輪郭線内のピクセルは、その
後の反復で作成される2値画像の作成から取り除かれる。セットの初期輪郭線は
、7回目の反復後に得られる。空気混和肺領域をさらに完全に取り込むために、
ステップ6では、初期輪郭線に沿って局所濃度値しきい値処理手法を実行する。
最終輪郭線セットは、個々の局所ROI内のしきい値処理で形成した合成2値画
像を基に作成される。ステップ7で輪郭線を平滑化した後、ステップ8で回転ボ
ールアルゴリズムを使用して、輪郭線の大きいでこぼこを除去する。ステップ9
で肋骨横隔膜(CP)角を描写する手順を供給後、ステップ10で肺分割を完了
する。
【0022】 水平濃度値プロファイルを分析して、各画像の患者中線と肺尖を決定する。中
線位置はこの手法全体に渡って使用し、左右の半胸部間を識別する。肺尖位置は
画像中の、それより上に肺ピクセルが存在しないと予測される上側境界を効果的
に識別する。
【0023】 一連の行平均水平濃度値プロファイルは、1度に5行のグループを考慮して、
画像の上部1/3に対して作成される。その後プロファイルを分析して、濃度値
の最大と最小を決める。中心にある最大点は各プロファイル内で識別される、最
大点は気管が目立つ場合はこのような2つの最大点を含むか、または別の単一最
大点を含む。中線位置は、全プロファイル内のこのような最大点の平均x−位置
として定義される。
【0024】 図2、図3、図4は、肺尖および中線の結果として形成された画像を示す。2
セットの5連続行からの行平均水平濃度値プロファイルを正常なPA画像に対し
て示す。コンピュータ決定した肺尖と中線位置は明るい水平線と垂直線部分でそ
れぞれ示されている。
【0025】 肺尖はプロフィアイル最小を基に位置決定される。左右の肺尖は、画像平面で
の患者回転により異なる行に生じる可能性があり、肺尖のさらに上を表す単一行
を識別して、画像の肺領域の上側境界として役立つ。したがって、両方の半胸部
(中線で区分されている)は別個に考慮されている。この最小の濃度値が中心最
大濃度値の15〜85%の間にある場合は、中線の各側の一番下の最小は全プロ
ファイル内で識別される。この範囲は、最低限でも下の15%が直接照射領域内
にあり、最低限でも上の85%が、考慮するには小さ過ぎるプロファイルから逸
脱していることを表すことを観察して確立された。この時、肺尖は、第1プロフ
ァイルに対応する行として識別され、その結果、連続(つまり下位の)する2つ
のプロファイルの一番下の最小がより低い濃度値を持つ。
【0026】 ステップ4では、Sobelフィルタを画像の右下の四半分(つまり、患者の
左側)に適用して、横隔膜境界と胸郭の下側エッジを強調し、高い濃度値しきい
値で肺輪郭線を一体化することから内臓ガスにより生じる輝きを防止する。フィ
ルタ処理された画像で決定された大きい適正な方向の傾斜を表す四半分画像のピ
クセルは、任意の濃度値値999に設定される、この値は全体濃度値ヒストグラ
ム分析で識別されたすべての実際のしきい値範囲を十分越えている。この強調は
左肺輪郭線の浸入を阻止する人工の境界として作用する。図5は、図2の画像の
右下四半分にSobelフィルタを適用した結果を示す。しきい値を越える値を
持つフィルタ処理されたピクセルは、画像の濃度値999に割当てられる。
【0027】 全体濃度値ヒストグラムを使用して、分割手法を開始する。さらに均一なヒス
トグラムを得るには、ヒストグラムの計算を、画像の上部から140ピクセルを
中心にした181×141ピクセル領域(つまり、胸部全体の事実上の中心)に
限定する。典型的な領域は、肺に属する高密度(低い濃度値)ピクセル、および
縦隔、胸郭エッジおよび横隔膜などのさらに放射線を透過しない構造に属する低
密度(高い濃度値)ピクセルを含む。したがって、このような領域から得られる
ヒストグラムは双峰特性を示す傾向があり、一方のピークは低い濃度値全体の中
心(「肺ピーク」)で、他のピークは高い濃度値全体の中心(「縦隔ピーク」)
である。図6は典型的な全体濃度値ヒストグラムであり、双峰分布特性を示す。
矢印は大部分は肺に属するピクセル含むピーク、および肺と縦隔ピーク間の最小
をそれぞれ示すが、これは輪郭線で決定されたのと同様である。矢印は反復しき
い値処理方法で使用される濃度値の範囲を示す。
【0028】 全体濃度値ヒストグラムの傾斜を使用して、肺ピークが生じる濃度値、および
肺と縦隔ピーク間に最小が生じる濃度値を識別する。ステップS5ではこれらの
点を使用して、反復全体濃度値しきい値処理における濃度値範囲の境界を定める
。反復処理は、画像内の7つの等間隔濃度値において連続しきい値処理して定義
される。ステップS5は、図34に示すようにサブステップS501〜S508
を含む。
【0029】 サブステップS501では、しきい値として7つの濃度値の最低(つまり、そ
の範囲の光学的最高密度)を使用する第1反復の間に、2値画像を形成する。X
線撮影画像の対応するピクセルがしきい値より低い濃度値を持つ場合は、ピクセ
ルは2値画像内で「on」に変わる。この第1しきい値は、その後の2値画像に
比較して、「on」ピクセルのほとんど存在しない2値画像を生成するのは明ら
かである。このようにして得られた2値画像は、輪郭線検出ルーチンを通して送
られる、サブステップS502内のこのルーチンでは、8点連結法を利用して、
連続「on」ピクセル[38]のグループを表す輪郭線を作成する。次のステッ
プS503で、輪郭線検出ルーチンはこれらの輪郭線の重要な幾何的特性、たと
えば輪郭線の重心(図心)、輪郭線密集度、輪郭線長さおよび輪郭線内に囲まれ
たエリア(ピクセルで見て)[39]を計算する。
【0030】 サブステップS504では、濃度値しきい値はその後の反復毎に高くなる。こ
の結果、その後の反復は連続的に高くなるしきい値を基にして追加の2値画像を
作成する。図7と図8は、図2の画像を異なる濃度値でしきい値処理して形成さ
れた2つの2値画像を示す。図7は、図8の作成に使用したものより低い濃度値
しきい値を使用して作成した。サブステップS502で、再度輪郭線を輪郭線「
on」ピクセルの領域周辺に作成し、さらにサブステップS503で、各輪郭線
の幾何的パラメータを計算する。
【0031】 この処理の反復結果は適正な肺分割を促進する。所定のしきい値すべてについ
て、患者の外側の直接照射領域に属するピクセルは、肺に属するピクセル(対象
ピクセル、一般に比較的低い濃度値を有する)と共に、2値画像内で「on」に
変わる(なぜなら、これらのピクセルは最低濃度値しきい値より低い濃度値を持
つ)。さらに、中間的しきい値では、内臓ガス、気管、肩部分および皮下組織な
どの領域も、「on」に変わる。したがって、これらの肺以外の領域のピクセル
を削除しない限り、これら領域周辺の輪郭線は、高いしきい値において実際の肺
を囲む輪郭線と一体化して区別できない。
【0032】 一体化を防止するために、S505では、各反復で作成された各輪郭線に対し
て重心チェックを実行する。Armato他の「ディジタル後部肺X線写真にお
ける自動肺分割」、Academic Radiology(発行中)を参照す
るが、これは本明細書に引用している。水平濃度値プロファイルは、輪郭線重心
を表す画像ピクセルによって得られ、画像の中線列から対応するエッジに延びて
いる。重心ピクセルに位置と濃度値に関する最大と最小の位置と濃度値を使用し
て、輪郭線が肺領域を囲んでいるかどうか評価する。重心の位置に依存して、重
心で始まり画像の上部または下部に延びる垂直濃度値プロファイルはを分析して
、輪郭線内に含まれる領域についての追加情報を得る。重心チェックが、その輪
郭線が肺領域の外側に存在することを示す場合は、サブステップ506で、その
輪郭線で囲まれている画像の全ピクセルが、その後の反復で形成する2値画像(
ここでは輪郭線)の構成から除去される。図9は、胸部画像を示し、中間反復中
に検出された輪郭線を表す。輪郭線ラベル2は重心チェックから外れている。し
たがって、これらの後の輪郭線内のピクセルは、その後の反復中は、「on」に
なることはない。これより、これらの外部領域は、その後の反復で肺内の領域と
一体化することから除外され、その後の反復ではしきい値濃度値は高く、このよ
うな一体化の可能性は増加する。その後の反復において利用する高いしきい値か
ら得られる肺輪郭線は、別の方法では肺境界線から「漏れ出す」肺以外の領域を
囲んで肺輪郭線を結合する、輪郭線のリスクがなく肺周辺方向にさらに延びるこ
とができる。この状態は、一般に肺境界線の部分に沿って発生する、この部分は
胸郭の下位の側端、および内臓ガスの存在する左片側横隔膜のようにX線透過性
のさらに大きい部分である。図8と図10は、重心チェックが無い場合と、実行
された場合のそれぞれの結果の2値画像を示す。図10の2値画像は、前の反復
において重心チェックを実行したこと以外は、図8に示す2値画像と類似してい
る。
【0033】 しきい値処理により2値画像を形成する処理は、輪郭線の識別および重心チェ
ックを基にするピクセルの削除を、2値画像を生成するのに使用した反復毎に高
くなるしきい値を用いて、7回反復の各々に対して繰返す。最終の3回反復の各
々の間に、3×3−ピクセルカーネルによる形態オープン演算[37]を2値画
像に適用する。図11は図10の2値画像に形態オープン演算[37]を実行し
、細長いアーチファクトを除去した結果を示す。浸食演算とその後の拡張演算の
組合せは、重心チェックに基づく画像領域を削除する処理の結果として、2値画
像内で「on」に留まる細長いアーチファクトの多くを除去する。全体濃度値し
きい値処理法の最終結果は、初期の輪郭線セットであり、画像内の空気混和肺領
域を示す。
【0034】 初期輪郭線は多少でこぼこに現われる傾向があるため、移動平均アルゴリズム
を利用する平滑化法を適用する。各輪郭線点のx−とy−位置を、前の9個と後
の9個の輪郭線点の平均x−とy−位置と置換する。さらに、8点連結性におい
て余分の点は、輪郭線から削除される。
【0035】 図12は、図2の画像に対して、反復全体濃度値しきい値処理して得られた肺
輪郭線の初期セットを示す。図13は図12の輪郭線の平滑化結果を示す。
【0036】 全体濃度値しきい値処理を基にした初期輪郭線は、図13に示す実際の空気混
和肺領域を正しく表さない傾向がある。この状態を修正するために、ステップS
6では、局所濃度値しきい値処理法を、ステップS5の全体濃度値しきい値処理
の出力に適用する。寸法31×31ピクセルを持つROIを重ねると、初期輪郭
線に沿って各30番目ピクセルに中心を持つ。適正な局所しきい値処理を実行す
るのに必要なROI寸法は、全体しきい値処理から得られた輪郭線が実際の肺境
界にどの程度近いかの度合いに依存する。本発明では、初期輪郭線の経験的観察
を基にして、単一ROIサイズ(31×31ピクセル)を選択した。図14は、
図13の平滑化した初期輪郭線に沿うROI位置を示す。
【0037】 全初期輪郭線は維持されているが、局所しきい値処理は、画像内の2つの最大
輪郭線だけに沿って、さらにその時これらの輪郭線が異なる半胸郭を占有してい
る場合だけ実行される。ROIは、各輪郭線の最も上から始まって、初期輪郭線
に沿って反時計方向に配置されるように2つの位置カテゴリ(中央と側方)の1
つに割当てられる。
【0038】 濃度値分析は各ROI内のピクセルで実行され、濃度値しきい値は、それらの
位置カテゴリを基にして個々のROIで別々に決定される。中央のROIに対す
るしきい値は、そのROI内のピクセル平均濃度値として定義される。側方のR
OIに対しては、濃度値ヒストグラムは、そのROI内の全ピクセルから作成さ
れ、図14の矢印に示すように、初期しきい値は最大濃度値を持つ最小が生じる
(つまり、ヒストグラムの右端の最小、端点を除く)濃度値の設定される。側方
ROIに使用する実際のしきい値は、そのROIの初期しきい値と近接する2つ
のROIの初期しきい値の平均である。その後合成2値画像は、対応する画像ピ
クセルが選択したしきい値より低い濃度値を持つ場合にピクセルが2値画像内「
on」に変わるように、そのROIに対して選択したしきい値を基にして各RO
I内のピクセルをしきい値処理することにより作成される。図15は個々のRO
I内でピクセルをしきい値処理して作成された合成2値画像を示す。輪郭線検出
手法を合成2値画像に適用して最終輪郭線を作成する。次にステップS7で、前
に説明した初期輪郭線と同一方法で、最終輪郭線を平滑化する。図17は、局所
しきい値処理と平滑化を適用後の、図14の画像に対して得られた肺輪郭線を示
す。
【0039】 時には大きい異常点が最終輪郭線に発生することがあり、くぼみや突出として
表れる。通常これらは肺尖領域に発生する、そこでは、密度の高い鎖骨が、鎖骨
の最高濃度値部分を除外するために輪郭線を内側に押しやり(これにより、輪郭
線はへこむ形になる)、または肩の比較的X線を透過する領域が間違って輪郭線
によって取り込まれ、輪郭線を外方向に延ばす(突出する形)。ステップS8で
は、この問題に対応するために、回転ボールアルゴリズムをSternberg
から適用する。Sternbergにより提供される回転ボールは、グレースケ
ール開閉演算[40]によって画像を処理するのに使用される球形エレメントで
ある。概念的には、ボールは、画像内の空間位置の関数として濃度値を表す3次
元表面に沿って回転し、表面において、特定の半径のボールが表面に接触するの
を妨げるだけの鋭いくぼみのある場所にフイルタ効果を発生する。本発明で相似
的に定義する回転ボールは、肺輪郭線によって限定された2次元曲線に沿って回
転する。くぼみは回転ボールが輪郭線に接触できない場所として識別される。
【0040】 図18は、回転ボールアルゴリズムの図であり、輪郭線のくぼみを識別する。
位置1のへこみは深くなく、くぼみとして認識されない、一方位置2はボールが
輪郭線と接触しない部分があるためくぼみと考えられる。このアルゴリズムを輪
郭線の外側に適用してくぼみを削除し、また内側に適用して突出を削除する。
【0041】 円フィルタ(「ボール」)は、内側用には半径13ピクセル、外側用には半径
25ピクセルで構成されている。これらの半径は、輪郭線に沿って存在する傾向
がある突出とくぼみの観察サイズに一致するように選択されている。ボールは輪
郭線に沿って「回転」し、現在の輪郭線点の勾配に一致する接線勾配を持つボー
ルの円周に沿うピクセルを連続的に識別する。この時、フィルタは、選択したボ
ール円周ピクセルを輪郭線ピクセルと一直線になるように位置付けされる。適当
な大きさのくぼみに達すると、ボールは、図18の位置2に示すように、フィル
タを置くのに使用される接触点以外のどれかの輪郭線点で輪郭線を重複させる。
接触点と共にこの重複点は、くぼみの端点を定義する。この時直線補間を利用し
て、くぼみ端点に連結する新しい輪郭線点を作成して、効果的に輪郭線のギャッ
プをブリッジし、くぼみを削除する。
【0042】 この方法で作成した輪郭線は肋骨横隔膜角を正確に表さない傾向にある。この
重要な解剖学的特徴に適応するために、局所しきい値処理過程の一部として、第
1段CP角ROI配置を実行する。第1段CP角ROI配置の間、垂直方向RO
I(31×61ピクセル)を、画像の反対側の上コーナーから最大距離にある初
期輪郭線点の上に置く。このように置かれたROIは実際のCP角を囲むと仮定
する。しかし、場合によっては、このステップにおいてこのROIがCP角を囲
まないというように、初期分割輪郭線が肺を正確に表さないことがある。このR
OI内のピクセルの平均濃度値はしきい値として定義され、その後合成2値画像
の別の部分を作成するために使用する。これは各半胸部に対して実行される。図
19は、全体しきい値分析から得た肺分割輪郭線上の第1段ROI配置の結果を
示す。陰影ピクセルは合成2値画像を構成するピクセルを表しており、最終肺分
割輪郭線を形成するために使用される。
【0043】 図1によれば、ステップS9で、肋骨横隔膜角描画を実行して、肺分割輪郭線
を実際のCD角境界線近くにまで延長する。図20のフローチャートに示すよう
に、ステップS9はサブステップS901〜S911を含む。
【0044】 サブステップS901では、ROIを局所しきい値分析から得られた円滑化輪
郭線上に置いて、第2段CD角ROI配置を実行する。各肺分割輪郭線に対して
は、31×61−ピクセルROIは、画像の反対側の上コーナーから最も離れた
新しい輪郭線ピクセルの中心に置かれる。次にサブステップS902で、左右の
肺分割に対する第2段CP角ROIの相対位置を比較する。一方のCD角ROI
の垂直位置が、他のROIの垂直位置より35行以上越えている場合は、さらに
上のROIに対しては第2段分析を実行しない。このような位置の不一致は、空
気混和肺容積を減少する肺ベースの異常が原因と推定され、その結果肺分割手法
からそのベースを除外させる。図21は、第2段CP角ROIの配置を持つ左半
胸郭の重大な胸膜滲出を示すPA胸部画像を表しており、その後の描画を待たず
に左CD角を異常と判断するのに十分なROI間の垂直位置の差を示している。
一般にこのタイプの異常は、ごくわずかのCD角を示し、描画を無意味なものに
する。この場合は、ステップS903でこのCD角を異常と判断し、描画進行を
終了する。
【0045】 各CD角ROIで定義された副画像はさらに続けて分析される。サブステップ
S904で、横隔膜境界線を描画する。この副画像の列の最も中心にあるコント
ラストの高いピクセルは、第1横隔膜点と定義され、その場所のコントラストは
、現在のピクセルの濃度値によって分割されている現在のピクセルのすぐ上と下
のピクセルの濃度値間の差と定義される。近接する列内の11連続ピクセルが次
の横隔膜点の探査領域を形成する。これらのピクセルは、第1横隔膜の行の上4
行から、それの下6行まで延びる。横隔膜境界線の下向き傾向は、横に進むとき
、この非対称性を正常とする。隣接するピクセル間の最大濃度値差を生じるピク
セルが、次の横隔膜点と定義される。図22は、正常なPA胸部像の右半胸郭か
ら抽出されたCP角副画像である。第1(最も中央)の横隔膜点と第1(最も上
)の肋骨点の位置は、対応する第2点を置くのに使用される探査領域と共に示さ
れる。この処理は副画像の次に続く列に対して継続され、横隔膜の完全なセット
が得られるまで続けられる。横隔膜境界線の上向き傾向を検出すると、列は横隔
膜点を提供するのを終了する。肺領域の外側の列を調査するときに、このような
傾向が生じる。同様な傾向はCD角の病変から得られ、この場合はこれらの横隔
膜点の削除は不正確になることがある。しかし、肋骨描画はこの削除を補正する
傾向がある。図23は、明るいピクセルで示される初期横隔膜点を持つCP角副
画像を表す。サブステップS905では、最小正方形放物線を計算して、図示す
るように、これら横隔膜点に最もよく一致する連続曲線を定義する。この曲線は
CD角の横隔膜端を描画する。図24は、図23の初期横隔膜点に一致する最小
正方形放物線の結果(明るいピクセル)を示す。
【0046】 次のステップS906では、肋骨境界線を描画する。第1肋骨点は、副画像の
最上行内の最大濃度値ピクセルとして定義される。近接行内の探査領域は、図2
2に示す第1肋骨点を含む列に対し対称な連続9ピクセルからなる。次の肋骨点
は、これら9ピクセルの中から、最大濃度値を持つ1つとして選択される。その
後の行内の肋骨点の選択もこの方法で続行され、横隔膜曲線に下にある肋骨点が
識別されるまで続けられる。図23は、暗いピクセルで示される初期肋骨点を持
つCP角副画像を表す。次のステップS907では、最小正方形放物線を使用し
て、これらの肋骨点を通して連続曲線に適合させ、CP角の肋骨端を描画する。
図24は、図23の初期肋骨点に一致する最小正方形放物線の結果(暗いピクセ
ル)を示す。横隔膜と肋骨端はそれらの交差する点で切り捨てられ(または延長
)、副画像内に単一の連続曲線を形成する。この曲線は全体として最終肺分割輪
郭線に適正に一体化されて残る。さらに、サブステップS908で描画を完成す
ると、CD角の横隔膜と肋骨端によって範囲を定められた角の定量分析を実行し
て、非対称性の存在を判定する。
【0047】 CP角描画中に数回のチェックを実行して、ROI配置の正確度を判定する。
サブステップS909では、横隔膜点として識別されたピクセルが副画像上部行
に存在すると判定された場合は、図25に示すように、そのCP角ROIは下に
ありすぎると考えられる。したがって、そのROIは上方向に移動され、そのプ
リセスはサブステップS901にもどり、CP角描写が繰返される。同様に、サ
ブステップS901では、肋骨点として識別されたピクセルが副画像の側方エッ
ジに沿って置かれていると判定された場合は、そのROIは中心にありすぎ、図
26に示すように横方向に移動される必要がある。さらに、サブステップS91
1では、横隔膜と肋骨曲線がROI内で交差しない場合は、そのROIを移動し
て、交差点を含むようにする。ROIの再配置を数回反復した後に、始めてその
ROIがCP角を含むと判定されることもある。
【0048】 図1によれば、CP角を描画し終わると、ステップS10で、それらを全体肺
分割に一体化して、連続輪郭線を形成する。これは、直線補間を使用して実行さ
れ、勾配一致手法により識別された肋骨と横隔膜連結点を結合する。各CP角端
の肋骨形体対しては、最も上の描画点における勾配が計算される。その後、副画
像の上行に最も近い輪郭線点で開始して、対応する肺輪郭線に沿う連続点の勾配
を調べる。肺輪郭線内の適正な連結点は、他方の連結点になる最も上の肋骨描画
点と同一勾配を持つ。直線補間を使用してこの2つの連結点を接続する。同じプ
ロセスを横隔膜端に適用する。
【0049】 図27と図28はCP角描画を最終分割輪郭線に組込んだ結果を示す。図27
では、CP角描画を含む副画像は、図19の胸部画像内の対応する領域に置き代
わる。図28では、CP角描画は、直線補間を使用して連結点を接続した結果と
して、肺輪郭線と一体化して示されている(ハッシュマークで示される)。
【0050】 このプロセスは、先に説明したROI位置確認と共に、CD角を含むように効
果的に延長されている肺領域を適正に取込みしない肺分割輪郭線を形成する結果
となり、分割輪郭線から外される空気混和肺のエリアを減少する。図29は、正
常画像に対するCP角描画の前の肺分割輪郭線(白色)を示す。これらは、両方
の肺の空気混和領域を適正に取込めない。黒色で示される輪郭線分割は、CP描
画と連結を実行した後に、最終輪郭線を修正するのに役立つ。これで肺分割は完
成する。
【0051】 CP角描画を形成する肋骨と横隔膜曲線の収束によって範囲を定められる定量
化できる角を使用して、CP角の不明瞭性と不鮮明性の存在を評価できる。画像
に表されるような不明瞭なCP角は、正常なCP角の角測定値より大きい角測定
値を発生させる結果になる。CP角描画の肋骨と横隔膜形体間の交差点は、2つ
の描画形体の各々に沿う頂点から10番目の点と合わせた、コンピュータ抽出角
測定値を定義する頂点として識別される。600画像データベースにおけるCP
角を、コンピュータにより量的におよび放射線医師により質的に、別々に分析し
た。角画像の両方の半胸郭を、CP角不明瞭の度合いに対して4−点評価尺度を
使用して放射線医師より別々に評価した(O=正常、1=僅かに不明瞭または不
鮮明、2=中間的不明瞭、3=非常に不明瞭または不鮮明)。決定変数として、
コンピュータ測定CP角描画の計算した角を使用して観察者操作特性(ROC)
分析[41]を実行した。放射線医師により指定された評価尺度に関してそれ自
体の角測定値を基にして、角CP角を個々に評価した。その結果得られたROC
曲線を図31に示す。この曲線は1166の有効CP角を基にしており、不正確
は患者位置により完全な画像を形成していない、34のCP角(データベース中
の全体で1200の内の)を除外している。自動化分割手法はこの状態に適応で
きが、このようなカットオフCP角に対して計算された値は物理的な意味を持た
ない。前に説明したように、半胸郭内のCP角ROIが、反対側の肺内のCP角
ROIより35行またはそれ以上上にある場合は、CP角描写は半胸郭内では実
行されない、この理由は、このような半胸郭は異常であり、試みるCP角描画が
意味を持たないからである。したがって、これらのCP角を180度の人為的な
値に割当て、自動化定量分析を行う。放射線医師評価尺度の0(正常)、1=僅
かに不明瞭、2=中間的不明瞭、または3=非常に不明瞭、に割当てられたCP
角に対する中間コンピュータ測定の角測定値は、それぞれ42.4度、57.2
度、57.9度、および90.0度である。
【0052】 図31は3つのROC曲線を示しており、「真」に異常な角を考慮するための
基準から異なる。異常の最も厳格な定義(つまり、放射線医師評価尺度の3を持
つCP角だけ)を適用すると、Az=0.83±0.031である。評価尺度の
2または3で定義された異常は、Az=0.78±0.027である。放射線医
師評価尺度の1、2または3で定義された異常は、Az=0.75±0.023
である。すべてのAz値は、LABROC4ソフトウェアパッケージ[42]を
使用して得られる。
【0053】 本発明は、従来の一般用ディジタルコンピュータ、またはここに示す仕様内容
に従ってプログラムされたマイクロプロセッサを使用して容易に具現化できる。
このことはコンピュータの当業者には明らかである。適切なコンピュータコード
化は、ここに開示されている内容を基にして、専門のプログラマによって容易に
作成可能である。このことはソフトウェアの当業者には明らかである。
【0054】 本発明はコンピュータプログラム作成物を含む、これは、コンピュータをプロ
グラムして本発明のプロセスを実行するのに使用できる命令を含む記憶媒体であ
る。記憶媒体は、フロッピーディスク、光ディスクを含むすべてのタイプのディ
スク、CD−ROM、および光磁気ディスク、ROM、EPROM、、磁気また
は光カード、または電子命令の記憶に適するすべてのタイプの媒体を含むことが
できる(ただし、これらに限定されない)。
【0055】 図32は、本発明の内容に従ってプログラムされた一般用コンピュータ100
の概略図である。一般用コンピュータ100は、CPU106とメモリ108を
備えるマザーボード104を有するコンピュータハウジング102を含む。また
、コンピュータ100は、複数の入力デバイス、たとえばキーボード122およ
びマウス124、およびモニター120を制御する表示カード110も含む。さ
らに、コンピュータシステム100は、フロッピーディスクドライブ14および
その他の取外し可能媒体デバイス(たとえば、テープ、取外し可能光磁気媒体(
図示せず))、ハードディスク、またはその他の高密度媒体ドライブを含み、適
切なデバイスバス、たとえばSCSIバスまたは拡張IDEバスを使用して接続
される。また、同一デバイスバスまたは別のデバイスバスに接続されて、さらに
コンピュータ100はコンパクトディスクリーダー/ライター118またはコン
パクトディスジュークボックス(図示せず)を含むことも可能である。
【0056】 上記の記憶媒体(コンピュータ読出し可能媒体)のどれか1つに記憶されて、
本発明は、コンピュータ100のハードウェアの制御、およびコンピュータ10
0のユーザー対話の両方のプログラムを含む。このようなプログラムは、デバイ
スドライバ、オペレーションシステム、およびユーザーアプリケーション用のソ
フトウェアを含む(ただし、これに限定されない)。さらに、このようなコンピ
ュータ読出し可能媒体はプログラムまたはソフトウェア命令を含んで、一般用コ
ンピュータ100を制御して、本発明による作業を実行する。
【0057】 一般用コンピュータ100のプログラムは、画像取込み装置から得られたPA
X線写真のディジタル化および記憶、肺尖と中線の決定、濃度値ヒストグラム分
析、Sovelフィルタの適用、反復全体濃度しきい値処理、回転ボールフィル
タの適用、適切な副画像内での肋骨横隔膜角の識別、副画像輪郭線の連結、肺分
割結果の画像への重ね合せ、肺分割結果のファイルフォーマットへの記憶、また
は肺分割結果のテキストフォーマットへの提供、のためのソフトウェアモジュー
ルを含む(ただし、これに限定されない)。上記のソフトウェアモジュールを利
用して、一般用コンピュータ100は高レベルソフトウェアモジュールを含み、
胸部画像内の肺領域の自動化分析、胸部画像内の肋骨横隔膜角の描画と定量分析
、および肺領域での描画された肋骨横隔膜角の一体化を実行する。
【0058】 また、当業者には明らかなように、本発明は特定用途向けICの準備または従
来の構成部品の適正な回路によっても実現できる。
【0059】 図33は本発明の方法を具現化するシステムのブロック図であり、PA胸部X
線写真の肺領域の分割、およびPA胸部X線写真のCP角の描画を目的とする。
目的のPAのX線写真は画像取込み装置およびシステム1000への入力から得
られる。各画像はディジタル化されて、メモリ1001に入力される。画像が直
接ディジタル装置で得られる場合は、ディジタル化は必要としない。最初に画像
データは肺尖と中線測定ユニット1002を通過し、その後濃度値ヒストグラム
分析ユニット1003およびSobelフィルタユニット1004に達する。こ
のデータは反復全体濃度しきい値処理ユニット1005に達する。反復全体濃度
しきい値処理回路からの輪郭線データは、局所濃度しきい値処理ユニット100
6に達する。その後、局所濃度しきい値処理回路からの輪郭線データは、平滑化
ユニット1007と回転ボールフィルタユニット1008に到達する。輪郭線デ
ータはCP角ROI配置ユニット1009に達して、適正な副画像を識別する。
副画像データは横隔膜境界線点選択ユニット1010および横隔膜放物曲線一致
ユニット1011に送られる。副画像データと横隔膜輪郭線データは、胸郭境界
線点選択ユニット1012と胸郭放物曲線一致ユニット1013に送られる。横
隔膜境界選択選択ユニット1010と胸郭境界線点選択ユニット1012は、フ
ィードバックデータをCP角ROI配置ユニット1009に提供する。その後、
横隔膜と胸郭描画データは連結ユニット1014に達する。重ね合せユニット1
015では、この結果は画像に重ね合わせるか、ファイルフォーマットに格納す
るか、またはテキストフォーマットで与えられる。次に、このデータをディジタ
ル/アナログ変換器を通した後に、表示器1020に表示する。
【0060】 上記の内容に照らして、本発明の多くの修正および変形形態が可能であること
は明らかである。したがって、特許請求の範囲内で、本明細書に特定して述べる
以外の方法により本発明を実現できるのは理解されるところである。
【表1】
【表2】
【表3】
【表4】
【図面の簡単な説明】
【図1】 ディジタル胸部X線写真内の空気混和領域の自動分割方法を示すフローチャー
トである。
【図2】 2セットの5連続行に対して示された行平均した水平濃度値プロファイルを用
いて、肺尖および中線決定を示した写真である。
【図3】 2セットの5連続行に対して示された行平均した水平濃度値プロファイルを用
いて、肺尖および中線決定を示した図である。
【図4】 2セットの5連続行に対して示された行平均した水平濃度値プロファイルを用
いて、肺尖および中線決定を示した図である。
【図5】 図2の画像の右下の四半分にSolbelフィルタを適用した結果をす写真/
図である。
【図6】 PA胸部画像に対する典型的な全体濃度値ヒストグラムを示すグラフであり、
反復全体濃度値しきい値の決定に使用した濃度値範囲を識別している。
【図7】 2つの異なる濃度値で図2に示す画像をしきい値処理して作成した、2値画像
の写真/図である。
【図8】 2つの異なる濃度値で図2に示す画像をしきい値処理して作成した、2値画像
の写真/図である。
【図9】 中間反復法で検出された輪郭線を示す胸部画像の図であり、重心チェックをパ
スした輪郭線ラベル1と重心チェックを外れた輪郭線ラベル2を持つ。
【図10】 重心チェックの効果を示す2値画像の写真/図である。
【図11】 形態的オープン演算を示す2値画像の写真/図である。
【図12】 図2に示す画像の反復全体濃度値しきい値処理から得られた肺輪郭線の初期の
セットの写真/図であり、平滑化前を示す。
【図13】 図2に示す画像の反復全体濃度値しきい値処理から得られた肺輪郭線の初期の
セットの写真/図であり、平滑化後を示す。
【図14】 局部的濃度値しきい値処理手法を示す写真であり、選択したしきい値を示す太
線のROIの濃度値ヒストグラムを持つ平滑化した初期輪郭線に沿うROI位置
を示す。
【図15】 局部的濃度値しきい値処理手法を示す写真であり、個々のROI内でしきい値
処理ピクセルで形成された合成2値画像を示す。
【図16】 局部的濃度値しきい値処理手法を示す図である。
【図17】 局部しきい値処理と平滑化後の、図14に示す画像に対する肺輪郭線のセット
を示す写真/図である。
【図18】 輪郭線ヘのくぼみを識別する回転ボールアルゴリズムを説明する図であり、位
置1で明確なくぼみとしては不十分な深さのくぼみ持ち、位置2では明らかなく
ぼみを持つ。
【図19】 反復全体濃度値しきい値処理から得られた肺分割輪郭線を示す写真/図であり
、濃度値しきい値処理の間の局部CP角ROIの位置を示す。
【図20】 CP角描画の間に実行されるサブステップを示すフローチャートである。
【図21】 第2ステージのCP角ROIの位置を持つ左半胸部の重大な胸膜滲出を示すP
A胸部画像の写真/図であり、左CP角をその後に描画しないでも異常として分
類するのに十分なROI間の垂直位置差異を示している。
【図22】 正常なPA胸部画像の右半胸部から抽出されたCP角の副画像を描写する写真
/図であり、対応する第1点を位置決めするのに使用した調査領域に加えて示さ
れている第1(最も中心)横隔膜点の位置と第1(最とも上部)肋骨点を有する
【図23】 初期横隔膜と肋骨点示すCD角副画像を示す写真/図である。
【図24】 初期点に適合する最小正方形放物線を示すCD角副画像を示す写真/図である
【図25】 副画像上部行に沿って「横隔膜点」を示す写真/図であり、ROIが下過ぎる
ことを示す。
【図26】 副画像上部行に沿って「横隔膜点」を示す写真/図であり、副画像にエッジに
沿う「肋骨点」はそのROIが中央過ぎることを示す。
【図27】 CP角描画を最終肺分割輪郭線中に一体化したものを示す写真/図である。
【図28】 CP角描画を最終肺分割輪郭線中に一体化したものを示す写真/図である。
【図29】 CD角描画の能力を示す写真/図であり、別の方法では適正に捕捉できないで
あろう右半胸部の空気混和領域の最終輪郭線を修正している。
【図30】 角CP角に関連する角度測定の計算に使用したCP角描画点の図である。
【図31】 1166完全画像化CP角を使用する異常CP角検出のROI曲線グラフであ
る。
【図32】 本発明の手法に従ってプログラムされている一般用コンピュータ100の概略
図である。
【図33】 本発明の方法を実行するシステムのブロック図であり、PA胸部X線写真の肺
領域の分割およびPA胸部X線写真のCP角描画を行う。
【図34】 反復全体濃度値しきい値処理分析の間に実行されるサブステップを示すフロー
チャートである。
───────────────────────────────────────────────────── フロントページの続き (72)発明者 ギガー、マリーエレン・エル アメリカ合衆国、イリノイ州 60126 エ ルムハースト、クレアモント 265 (72)発明者 マクマホン、ヘバー アメリカ合衆国、イリノイ州 60614 シ カゴ、エヌ・クリーブランド 2144 Fターム(参考) 4C093 AA26 CA50 DA03 EE01 FD03 FD05 FD08 FD09 FF06 FF16 FF19 FF20 FF22 FF28 FG05 5B057 AA08 BA03 CA08 CA16 CB06 CB16 CC02 CE03 CE05 CE06 CE10 CE12 CE15 DA07 DA08 DB09 DC07 DC09 DC16 DC23

Claims (57)

    【特許請求の範囲】
  1. 【請求項1】 肺領域を含む、後前胸部画像をあらわす第1画像データを作
    成するステップと、 前記第1画像データを処理し、肺領域を含む胸部領域の処理された画像を作成
    することによって後前胸部画像の大局的な閾値分析を実行するステップと、 前記処理された胸部領域の画像内で肺領域を特定するステップと、 前記処理された画像内で特定された前記肺領域に基づき、前記後前胸部画像の
    ために第1の初期肺分割輪郭を構築するステップと、 を備える後前胸部X線写真画像に基づき胸部領域内で肺領域を特定するための
    方法。
  2. 【請求項2】 濃度閾値範囲を示す最大濃度および最小濃度を特定するため
    に前記後前胸部X線写真画像の大局的な濃度ヒストグラム分析を実行するステッ
    プを更に備え、 前記大局的な閾値分析を実行するステップが、 a)前記濃度閾値範囲内の濃度閾値に基づき第1論理レベルまたは第2論理レ
    ベルのどちらかを有するピクセルを有するバイナリ画像を作成し、前記バイナリ
    画像が前記処理された画像を提供するサブステップと、 b)濃度閾値範囲内の漸次的に増加する濃度閾値で所定の回数サブステップa
    )を反復するサブステップと、 c)肺領域外のピクセルを排除するために、前記バイナリ画像を処理するサブ
    ステップとを更に備える、請求項1に記載の方法。
  3. 【請求項3】 サブステップc)が、 前記第1論理レベルを有する隣接するピクセルのグループの境界線を表す中間
    肺分割輪郭を構築するステップと、 前記中間肺分割輪郭のそれぞれの図心を求めるステップと、 肺領域外の図心を検出するステップと、 肺領域外に図心を持つ中間肺分割輪郭により画定されるバイナリ画像の領域が
    、サブステップa)作成のそれ以降の反復の間に前記第1論理レベルを有するこ
    とを禁じるステップとを備える、請求項2に記載の方法。
  4. 【請求項4】 前記大局的な閾値分析を実行するステップが、 前記第1初期肺分割輪郭を提供するために前記バイナリ画像を作成することの
    最後の反復の間に構築される中間肺分割輪郭を平滑するステップを更に備える、
    請求項3に記載の方法。
  5. 【請求項5】 前記第1初期肺分割輪郭に基づき、局所的な閾値分析を実行
    し、前記後前胸部画像のための第2の初期肺分割輪郭を構築するステップを更に
    備える、請求項1に記載の方法。
  6. 【請求項6】 前記局所的な閾値分析を実行するステップが、 関心のある領域(ROI)を前記第1初期肺分割輪郭に沿って配置するサブス
    テップと、 前記ROIのそれぞれの中で局所的な濃度値しきい値処理を実行するサブステ
    ップと、 前記局所的な濃度値しきい値処理を実行することに基づき複合バイナリ画像を
    作成するサブステップと、 前記複合バイナリ画像に基づき、前記後前胸部画像のための前記第2初期肺分
    割輪郭を構築するサブステップとを備える、請求項5に記載の方法。
  7. 【請求項7】 前記第2初期肺分割輪郭で大規模な陥没部を排除するため、
    および前記後前胸部画像のために肺領域を表す第3の初期肺分割輪郭を構築する
    ために、前記第2初期肺分割輪郭に回転ボールフィルタを適用するステップを更
    に備える、請求項5に記載の方法。
  8. 【請求項8】 前記肺領域のそれぞれに肋骨横隔膜角端を描画するステップ
    と、 前記第1初期肺分割輪郭および前記肋骨横隔膜角端に基づき最終的な肺分割輪
    郭を構築するステップとを備える、請求項1に記載の方法。
  9. 【請求項9】 前記最終的な肺分割輪郭を構築するステップが、 前記第1初期肺分割輪郭に基づき第2の初期肺分割輪郭を構築するために局所
    大局しきい値分析を実行するサブステップと、 前記肋骨横隔膜角端を、前記第2初期肺分割輪郭に結合し、前記最終肺分割輪
    郭を構築するサブステップとを備える、請求項8に記載の方法。
  10. 【請求項10】 前記肋骨横隔膜角端を描画するステップが、 a)第1初期肺分割輪郭に基づいて決定されるそれぞれの肋骨横隔膜角の近似
    場所上に肋骨横隔膜の関心のある領域(ROI)を置くサブステップと、 b) 前記ROIのそれぞれの中で横隔膜境界点を特定するサブステップと、 c) 前記ROIのそれぞれの中で肋骨境界点を特定するサブステップと、 d) ROIがサブステップa)で正しく配置されたかどうかを判断するため
    に、少なくとも1度、前記ROIの設置をチェックするサブステップと、 e)サブステップd)において、ROIがサブステップa)で正しく配置され
    なかったと判断される場合に、サブステップa)からd)を反復するサブステッ
    プとを備える、請求項8に記載の方法。
  11. 【請求項11】 前記肋骨横隔膜角端を描画するステップが、 前記後前胸部画像が異常な半胸郭を示すかどうかを判断するサブステップを備
    える、請求項8に記載の方法。
  12. 【請求項12】 左肋骨横隔膜角を有する左半胸郭、および右肋骨横隔膜角
    を有する右半胸郭を含むX線写真の胸部画像を作成するステップと、 前記X線写真胸部画像の中に、それぞれ左肋骨横隔膜角および右肋骨横隔膜角
    に対応する左肋骨横隔膜端および右肋骨横隔膜端を描画するステップと、 前記左肋骨横隔膜端および右肋骨横隔膜端のそれぞれにより形成される角度を
    求めるステップと、 を備える胸部画像で肋骨横隔膜角を分析するための方法。
  13. 【請求項13】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するステ
    ップが、 前記左半胸郭および右半胸郭の1つが、左肋骨横隔膜端および右肋骨横隔膜端
    の間の空間関係に基づき異常であるかどうかを判断するステップを備える、請求
    項12に記載の方法。
  14. 【請求項14】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するステ
    ップが、 所定の寸法を有する肋骨横隔膜の関心のある領域(ROI)を、前記X線写真
    胸部画像内の前記左肋骨横隔膜角および右肋骨横隔膜角の近似場所の上に置くス
    テップを備える、請求項12に記載の方法。
  15. 【請求項15】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するステ
    ップが、 前記肋骨横隔膜ROIのそれぞれの中で初期横隔膜点を特定するステップを更
    に備える、請求項14に記載の方法。
  16. 【請求項16】 前記初期横隔膜点を特定するステップが、 a)前記肋骨横隔膜ROIごとの第1初期横隔膜点として、最高のコントラス
    トを有する最も中央の列の中のピクセルを選択するサブステップと、 b)前記肋骨横隔膜ROIごとのそれ以降の初期横隔膜点として、最後に選択
    された初期横隔膜点を含む列に側面方向の所定の検索領域内のピクセルを選択す
    るサブステップと、 c)初期横隔膜点に上方傾向があるかどうかを判断するサブステップと、 d)サブステップc)で上方傾向が検出されない場合にサブステップb)およ
    びc)を反復するサブステップと、を備え、 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するステップが、 横隔膜曲線を構築するためにサブステップc)内で求められる上方傾向に寄与
    しない横隔膜点に、放物線状の曲線を適合させるステップを更に備える、請求項
    15に記載の方法。
  17. 【請求項17】 前記左肋骨横隔膜端と右肋骨横隔膜端を描画するステップ
    が、 前記肋骨横隔膜ROIのそれぞれの中で初期肋骨点を特定するステップを更に
    備える、請求項16に記載の方法。
  18. 【請求項18】 前記初期肋骨点を特定するステップが、 e)前記左肋骨横隔膜ROIおよび右肋骨横隔膜ROIごとの第1初期肋骨点
    として、最高の濃度を有する前記肋骨横隔膜ROIのそれぞれの中の最上行の中
    のピクセルを選択するサブステップと、 f)各肋骨横隔膜角度ROIの中のそれ以降の初期肋骨点として、最後の選択
    された初期肋骨点を含む行に劣る所定の検索領域の中のピクセルを選択するサブ
    ステップと、 g)サブステップf)において、前記横隔膜曲線に劣る肋骨点が選択されるま
    でサブステップf)を反復するサブステップとを備える、請求項17に記載の方
    法。
  19. 【請求項19】 肋骨曲線と横隔膜曲線の間の交差点に位置する頂点によっ
    て、およびそれぞれ肋骨曲線と横隔膜曲線に沿って頂点から所定の点まで伸張す
    る2本の線によって画定される測定角度に基づき前記左肋骨横隔膜角と右肋骨横
    隔膜角の少なくとも1つの肋骨横隔膜角異常の程度を指定するステップを更に備
    える、請求項12に記載の方法。
  20. 【請求項20】 肺領域を含む後前胸部画像を表す第1画像データを作成す
    るステップと、 前記第1画像データを処理し、肺領域を含む胸部領域の処理された画像を作成
    することにより、後前胸部画像の大局的な閾値分析を実行するステップと、 胸部領域の前記処理された画像の中で肺領域を特定するステップと、 前記処理された画像の中で特定された前記肺領域に基づき、前記後前胸部画像
    のための第1の初期肺分割輪郭を構築するステップと、 を実行することによって、後前胸部X線写真画像に基づいた胸部領域内での肺
    領域の識別のためにコンピュータ命令を記憶するコンピュータ読取り可能媒体。
  21. 【請求項21】 コンピュータ命令が、 濃度閾値範囲を示す最大濃度および最小濃度を特定するために前記後前胸部X
    線写真画像の大局的な濃度ヒストグラム分析を実行するステップを更に備え、 前記大局的な閾値分析を実行するためのコンピュータ命令が、 a)前記濃度閾値範囲内の濃度閾値に基づき第1論理レベルまたは第2論理レ
    ベルのどちらかを有するピクセルを持つバイナリ画像を作成し、前記バイナリ画
    像が前記処理された画像を提供するサブステップと、 b)濃度閾値範囲内の漸次的に増加する濃度閾値で所定の回数サブステップa
    )を反復するサブステップと、 c)肺領域の外のピクセルを排除するために、前記バイナリ画像を処理するサ
    ブステップとを備える、請求項20に記載の媒体。
  22. 【請求項22】 前記サブステップc)のためのコンピュータ命令が、 前記第1論理レベルを有する隣接するピクセルのグループの境界線を表す中間
    肺分割輪郭を構築するステップと、 前記中間肺分割輪郭のそれぞれに図心を求めるステップと、 肺領域の外の図心を検出するステップと、 肺領域の外側に図心を有する中間肺分割輪郭により確定されるバイナリ画像の
    領域が、前記バイナリ画像作成のそれ以降の反復の間に前記第1論理レベルを有
    することを禁止するステップとを備える、請求項21に記載の媒体。
  23. 【請求項23】 前記大局的な閾値分析を実行するためのコンピュータ命令
    が、 前記第1初期肺分割輪郭を提供するために前記バイナリ画像を作成することの
    最後の反復の間に構築された中間肺分割輪郭を平滑するステップを更に備える、
    請求項22に記載の媒体。
  24. 【請求項24】 コンピュータ命令が、 前記後前胸部画像のための第2初期肺分割輪郭を構築するために、前記第1初
    期肺分割輪郭に基づき、局所的な閾値分析を実行するステップを更に備える、請
    求項20に記載の媒体。
  25. 【請求項25】 前記局所的な閾値分析を実行するためのコンピュータ命令
    が、 前記第1初期肺分割輪郭に沿って関心のある領域(ROI)を配置するステッ
    プと、 前記ROIのそれぞれの中で局所的な濃度値しきい値処理を実行するステップ
    と、 前記局所的な濃度値しきい値処理を実行することに基づき、複合バイナリ画像
    を作成するステップと、 前記後前胸部画像のための前記第2初期肺分割輪郭を、前記複合バイナリ画像
    に基づき構築するステップとを備える、請求項24に記載の媒体。
  26. 【請求項26】 コンピュータ命令が、 前記第2初期肺分割輪郭内の大規模な陥没部を排除するため、および前記後前
    胸部画像のために肺領域を表す第3初期肺分割輪郭を構築するために前記第2初
    期肺分割輪郭に回転ボールフィルタを適用するステップを更に備える、請求項2
    4に記載の媒体。
  27. 【請求項27】 コンピュータ命令が、 前記肺領域ごとに肋骨横隔膜角端を描画するステップと、 前記第1初期肺分割輪郭および前記肋骨横隔膜角端に基づき最終的な肺分割輪
    郭を構築するステップとを更に備える、請求項20に記載の媒体。
  28. 【請求項28】 前記最終的な肺分割輪郭を構築するステップが、 前記第1初期肺分割輪郭に基づいて第2初期灰分割輪郭を構築するために局所
    大局しきい値分析を実行するステップと、 前記最終的な肺分割輪郭を構築するために、前記肋骨横隔膜角端を前記第2初
    期肺分割輪郭に結合するステップとを備える、請求項27に記載の媒体。
  29. 【請求項29】 前記肋骨横隔膜角端を描画するためのコンピュータ命令が
    、 a)第1初期肺分割輪郭に基づき求められるような各肋骨横隔膜過度の近似場
    所の上に肋骨横隔膜の関心のある領域(ROI)を置くサブステップと、 b)前記ROIのそれぞれの中で横隔膜境界点を特定するサブステップと、 c) 前記ROIのそれぞれの中で肋骨境界点を特定するサブステップと、 d) ROIがサブステップa)で正しく配置されたかどうかを判断するため
    に少なくとも一度前記ROIの配置をチェックするサブステップと、 e)サブステップd)で、ROIがサブステップa)で正しく配置されなかっ
    たと判断される場合に、サブステップa)からd)を反復するサブステップとを
    備える、請求項27に記載の媒体。
  30. 【請求項30】 前記肋骨横隔膜角端を描画するためのコンピュータ命令が
    、前記後前胸部画像が、異常な半胸郭を示すかどうかを判断するステップを備え
    る、請求項27に記載の媒体。
  31. 【請求項31】 左肋骨横隔膜角を有する左半胸郭および右肋骨横隔膜角を
    有する右半胸郭を含むX線写真胸部画像を作成するステップと、 前記X線写真胸部画像の中で、それぞれ左肋骨横隔膜角および右肋骨横隔膜角
    に対応する左肋骨横隔膜端および右肋骨横隔膜端を描画するステップと、 前記左肋骨横隔膜端および右肋骨横隔膜端のそれぞれにより形成される角度を
    求めるステップと、 を実行することによる、胸部画像内の肋骨横隔膜角の分析のためのコンピュー
    タ命令を記憶するコンピュータ読取り可能媒体。
  32. 【請求項32】 左肋骨横隔膜端および右肋骨横隔膜端を描画するためのコ
    ンピュータ命令が、 前記左半胸郭および右半胸郭の内の1つが、左肋骨横隔膜端と右肋骨横隔膜端
    の間の空間関係に基づき異常であるかどうかを判断するステップを備える、請求
    項31に記載の媒体。
  33. 【請求項33】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するため
    のコンピュータ命令が、 前記X線写真の胸部画像内の前記左肋骨横隔膜角および右肋骨横隔膜角の近似
    場所の上に所定の寸法を有する肋骨横隔膜の関心のある領域(ROI)を置くス
    テップを備える、請求項31に記載の媒体。
  34. 【請求項34】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するコン
    ピュータ命令が、 前記肋骨横隔膜ROI内の初期横隔膜点を特定するステップを備える、請求項
    33に記載の媒体。
  35. 【請求項35】 前記初期横隔膜点を特定するためのコンピュータ命令が、 a)前記肋骨横隔膜ROIごとの第1初期横隔膜点として、最高のコントラス
    トを有する最も中央の列の中のピクセルを選択するサブステップと、 b)前記肋骨横隔膜ROIごとのそれ以降の初期横隔膜点として、最後に選択
    された初期横隔膜点を含む列に側面方向の所定の検索領域の中のピクセルを選択
    するサブステップと、 c)初期横隔膜点に上方傾向があるかどうかを判断するサブステップと、 d)サブステップc)で上方傾向が検出されない場合にサブステップb)とc
    )を反復するサブステップと、を備え、 前記左肋骨横隔膜端と右肋骨横隔膜端を描画するステップが、 横隔膜曲線を構築するために、サブステップc)で判断される上方傾向に寄与
    しない横隔膜点に放物線状の曲線を適合するステップを備える、請求項34に記
    載の媒体。
  36. 【請求項36】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するため
    のコンピュータ命令が、 前記肋骨横隔膜ROIのそれぞれの中で初期肋骨点を特定するステップを備え
    る、請求項35に記載の媒体。
  37. 【請求項37】 前記初期肋骨点を識別するためのコンピュータ命令が、 e)前記左肋骨横隔膜ROIおよび右肋骨横隔膜ROIごとの第1初期肋骨点
    として、最高濃度を有する前記肋骨横隔膜ROIのそれぞれの最上行の中のピク
    セルを選択するサブステップと、 f)各肋骨横隔膜角ROIのそれ以降の初期肋骨点として、最後に選択された
    初期肋骨点を含む行に劣る所定の検索領域の中のピクセルを選択するサブステッ
    プと、 g)サブステップf)で、前記横隔膜曲線に劣る肋骨点が選択されるまで、サ
    ブステップf)を反復するサブステップとを備える、請求項36に記載の媒体。
  38. 【請求項38】 肋骨曲線と横隔膜曲線の交差点に位置する頂点によって、
    およびそれぞれ肋骨曲線と横隔膜曲線に沿って頂点から所定の点まで伸張する2
    本の線によって画定される測定角度に基づき、前記左肋骨横隔膜角および右肋骨
    横隔膜角の内の少なくとも1つに関して肋骨横隔膜角異常の程度を指定するステ
    ップを更に備える、請求項31に記載の媒体。
  39. 【請求項39】 肺領域を含む後前の胸部画像を表す第1画像データを作成
    するように構成される画像取得装置と、 前記第1画像データを処理し、肺領域を含む胸部領域の処理された画像を作成
    するように構成される大局濃度値しきい値処理装置と、 胸部領域の前記処理された画像内で肺領域を特定するための手段と、 前記後前胸部画像のための第1初期肺分割輪郭を、前記処理された画像内で特
    定された肺領域に基づき構築するための手段と、 を備える、後前胸部X線写真画像に基づき、胸部領域内で肺領域を特定するた
    めのシステム。
  40. 【請求項40】 濃度閾値範囲を示す最大濃度と最小濃度を特定するために
    前記後前胸部X線写真画像の大局的な濃度ヒストグラム分析を実行するように構
    成される濃度ヒストグラム分析装置を更に備え、 前記大局的な濃度値しきい値処理装置が、 a)前記濃度閾値範囲内の濃度閾値に基づき、第1論理レベルまたは第2論理
    レベルのどちらかを有するピクセルのあるバイナリ画像を作成するための手段で
    あって、前記バイナリ画像が前記処理された画像を提供する手段と、 b)濃度閾値範囲内で漸次的に増加する濃度閾値で所定回数前記a)手段を反
    復使用するための手段と、 c)肺領域外のピクセルを排除するために前記バイナリ画像を処理するための
    手段とを備える、請求項39に記載のシステム。
  41. 【請求項41】 前記c)手段が、 前記第1論理レベルを有する隣接するピクセルのグループの供養回線を表す中
    間肺分割輪郭を構築するための手段と、 前記中間肺分割輪郭のそれぞれに図心を決定するための手段と、 肺領域外の図心を検出するための手段と、 肺領域外の図心のある中間肺分割輪郭によって画定されているバイナリ画像の
    領域が、前記a)手段を使用するそれ以降の反復の間に前記第1論理レベルを有
    するのを禁止する手段とを備える、請求項40に記載のシステム。
  42. 【請求項42】 前記大局濃度閾値分析装置が、 前記第1初期肺分割輪郭を提供するために前記a)手段を使用する最後の反復
    の間に構築される中間肺分割輪郭を平滑するための手段を更に備える、請求項4
    1に記載のシステム。
  43. 【請求項43】 前記後前胸部画像のための第2初期肺分割輪郭を構築する
    ために、前記第1初期肺分割輪郭に基づき、局所閾値分析を実行するように構成
    される局所濃度値しきい値処理装置を更に備える、請求項39に記載のシステム
  44. 【請求項44】 前記局所濃度値しきい値処理装置が、前記第1初期肺分割
    輪郭に沿って関心のある領域(ROI)を配置するための手段と、 前記ROIのそれぞれの中で局所的な濃度値しきい値処理を実行するための手
    段と、 局所濃度値しきい値処理を実行するための前記手段の出力に基づき複合バイナ
    リ画像を作成するための手段と、 前記後前胸部画像のための前記第2初期肺分割輪郭を、前記複合バイナリ画像
    に基づき構築するための手段とを更に備える、請求項43に記載のシステム。
  45. 【請求項45】 前記第2初期肺分割輪郭の中の大規模な陥没部を排除し、
    肺領域を表す第3初期肺分割輪郭を前記後前胸部画像のために構築するように構
    成される回転ボールフィルタ装置を更に備える、請求項43に記載のシステム。
  46. 【請求項46】 前記肺領域ごとに肋骨横隔膜角端を描画するための手段と
    、 前記第1初期肺分割輪郭および前記肋骨横隔膜角端に基づき最終的な肺分割輪
    郭を構築するための手段とを更に備える、請求項39に記載のシステム。
  47. 【請求項47】 前記最終的な肺分割輪郭を構築するための手段が、 前記第1初期肺分割輪郭に基づき第2初期肺分割輪郭を構築するように構成さ
    れる局所濃度値しきい値処理装置と、 前記最終的な肺分割輪郭を構築するために前記第2初期肺分割輪郭に前記肋骨
    横隔膜角端を結合するように構成される結合手段とを備える、請求項46に記載
    のシステム。
  48. 【請求項48】 肋骨横隔膜角端を描画するための前記手段が、 a)第1初期肺分割輪郭に基づき決定されるような各肋骨横隔膜角の近似場所
    の上に肋骨横隔膜の関心のある領域(ROI)を置くための手段と、 b)前記ROIのそれぞれの中で横隔膜境界点を特定するための手段と、 c)前記ROIのそれぞれの中で肋骨境界点を特定するための手段と、 d)ROIが前記a)手段によって正しく配置されたかどうかを判断するため
    に、少なくとも一度前記ROIの設置をチェックするための手段と、 e) ROIが前記a)手段により正しく配置されなかったことが、d)手段
    によって判断される場合、手段a)からd)を反復して使用するための手段とを
    備える、請求項46に記載のシステム。
  49. 【請求項49】 前記肋骨横隔膜角端を描画するための前記手段が、前記後
    前胸部画像が異常な半胸郭を示すかどうかを判断するための手段を備える、請求
    項46に記載のシステム。
  50. 【請求項50】 左肋骨横隔膜角を有する左半胸郭、および右肋骨横隔膜角
    を有する右半胸郭を含む、X線写真胸部画像を作成するための画像取得装置と、 それぞれ左肋骨横隔膜角および右肋骨横隔膜角に対応する左肋骨横隔膜端およ
    び右肋骨横隔膜端を、前記X線写真胸部画像の中で描画するための手段と、 前記左肋骨横隔膜端および右肋骨横隔膜端のそれぞれによって形成される角度
    を求めるための手段と、 を備える、X線写真胸部画像内で肋骨横隔膜角を分析するためのシステム。
  51. 【請求項51】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するため
    の前記手段が、 前記左半胸郭および右半胸郭の1つが、左肋骨横隔膜端と右肋骨横隔膜端の間
    の空間関係に基づき異常であるかどうかを判断するための手段を備える、請求5
    0に記載のシステム。
  52. 【請求項52】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するため
    の前記手段が、 前記X線写真胸部画像内の前記左肋骨横隔膜角および右肋骨横隔膜角の近似場
    所の上に所定の寸法の肋骨横隔膜の関心のある領域(ROI)を置くように構成
    される肋骨横隔膜角ROI設置装置を備える、請求項50に記載のシステム。
  53. 【請求項53】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するため
    の手段が、 前記肋骨横隔膜ROIのそれぞれの中で初期横隔膜点を特定するように構成さ
    れる横隔膜境界点選択装置を更に備える、請求項52に記載のシステム。
  54. 【請求項54】 前記横隔膜境界点選択装置が、 a)前記肋骨横隔膜ROIごとの第1初期横隔膜点として、最高のコントラス
    トを有する最も中央の列の中のピクセルを選択するための手段と、 b)前記肋骨横隔膜ROIのそれぞれの中のそれ以降の初期横隔膜点として、
    最後に選択された初期横隔膜点を含む列に側面方向の所定の検索領域の中のピク
    セルを選択するための手段と、 c)初期横隔膜点に上方傾向があるかどうかを判断するための手段と、 d)上方傾向が手段c)によって検出されない場合に手段b)とc)の使用を
    反復するための手段と、を備え、 左肋骨横隔膜端および右肋骨横隔膜端を描画するための前記手段が、横隔膜曲
    線を構築するために、手段c)によって判断される上方傾向に寄与しない横隔膜
    点に放物線状の曲線を適合するように構成される横隔膜放物線状曲線適合装置を
    更に備える、請求項53に記載のシステム。
  55. 【請求項55】 前記左肋骨横隔膜端および右肋骨横隔膜端を描画するため
    の手段が、前記肋骨横隔膜ROIのそれぞれの中で初期肋骨点を特定するように
    構成される胸郭境界点選択装置を更に備える、請求項54に記載のシステム。
  56. 【請求項56】 前記胸郭境界点選択装置が、 e)前記左肋骨横隔膜ROIおよび右肋骨横隔膜ROIごとの第1初期肋骨点
    として、最高濃度を有する前記肋骨横隔膜ROIのそれぞれの最上行の中のピク
    セルを選択するための手段と、 f)各肋骨横隔膜角ROIの中のそれ以降の初期肋骨点として、最後に選択さ
    れた初期肋骨点を含む行に劣る所定の検索領域の中のピクセルを選択するための
    手段と、 g)前記横隔膜曲線に劣る肋骨点が手段f)により選択されるまで、手段f)
    の使用を反復するための手段とを備える、請求項55に記載のシステム。
  57. 【請求項57】 肋骨曲線と横隔膜曲線の交差点に位置する頂点によって、
    およびそれぞれ肋骨曲線と横隔膜曲線に沿って頂点から所定の点まで伸張する2
    本の線によって画定される測定角度に基づき、前記左肋骨横隔膜角および右肋骨
    横隔膜角の少なくとも1つに関して肋骨横隔膜角異常の程度を指定するための手
    段を更に備える請求項50に記載のシステム。
JP2000532053A 1998-02-23 1999-02-23 胸部x線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム Pending JP2002503861A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US09/028,518 US6282307B1 (en) 1998-02-23 1998-02-23 Method and system for the automated delineation of lung regions and costophrenic angles in chest radiographs
US09/028,518 1998-02-23
PCT/US1999/003287 WO1999042031A1 (en) 1998-02-23 1999-02-23 Method and system for the automated delineation of lung regions and costophrenic angles in chest radiographs

Publications (1)

Publication Number Publication Date
JP2002503861A true JP2002503861A (ja) 2002-02-05

Family

ID=21843900

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2000532053A Pending JP2002503861A (ja) 1998-02-23 1999-02-23 胸部x線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム

Country Status (5)

Country Link
US (3) US6282307B1 (ja)
EP (1) EP1056390A4 (ja)
JP (1) JP2002503861A (ja)
AU (1) AU2767399A (ja)
WO (1) WO1999042031A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004057275A (ja) * 2002-07-25 2004-02-26 Hitachi Medical Corp 画像診断装置
JP2006346465A (ja) * 2005-06-15 2006-12-28 Canon Inc 心臓境界、胸郭境界及び横隔膜境界を検出する方法、装置及び記憶媒体
JP2009090054A (ja) * 2007-10-12 2009-04-30 Infocom Corp 胸部正面x線画像の検像方法及び検像装置
JP2012096025A (ja) * 2010-10-08 2012-05-24 Toshiba Corp 画像処理装置及び画像処理方法
JP2012530553A (ja) * 2009-06-19 2012-12-06 エッダ・テクノロジー・インク 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システム
JP2014502169A (ja) * 2010-10-25 2014-01-30 コーニンクレッカ フィリップス エヌ ヴェ 医用画像のセグメンテーションのためのシステム

Families Citing this family (76)

* 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
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
US20020009215A1 (en) * 2000-01-18 2002-01-24 Arch Development Corporation Automated method and system for the segmentation of lung regions in computed tomography scans
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
US20020016750A1 (en) * 2000-06-20 2002-02-07 Olivier Attia System and method for scan-based input, storage and retrieval of information over an interactive communication network
US6785409B1 (en) * 2000-10-24 2004-08-31 Koninklijke Philips Electronics, N.V. Segmentation method and apparatus for medical images using diffusion propagation, pixel classification, and mathematical morphology
US20020164070A1 (en) * 2001-03-14 2002-11-07 Kuhner Mark B. Automatic algorithm generation
US6577752B2 (en) * 2001-06-15 2003-06-10 Arch Development Corporation Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease
US7123761B2 (en) * 2001-11-20 2006-10-17 Konica Corporation Feature extracting method, subject recognizing method and image processing apparatus
US7359538B2 (en) 2001-11-23 2008-04-15 R2 Technology Detection and analysis of lesions in contact with a structural boundary
DE10160206A1 (de) 2001-12-07 2003-06-18 Philips Intellectual Property Verfahren und Vorrichtung zur Erstellung einer isolierten Darstellung von Körperstrukturen
US20040044282A1 (en) * 2002-08-28 2004-03-04 Mixon Lonnie Mark Medical imaging systems and methods
FR2847698B1 (fr) * 2002-11-27 2005-05-06 Ge Med Sys Global Tech Co Llc Procede de gestion de la dynamique d'une image radiologique numerique
US7221787B2 (en) * 2002-12-10 2007-05-22 Eastman Kodak Company Method for automated analysis of digital chest radiographs
JP3905470B2 (ja) * 2002-12-26 2007-04-18 アロカ株式会社 超音波診断装置
US7156311B2 (en) * 2003-07-16 2007-01-02 Scanbuy, Inc. System and method for decoding and analyzing barcodes using a mobile device
US7242816B2 (en) * 2003-08-11 2007-07-10 Scanbuy, Inc. Group average filter algorithm for digital image processing
US7634120B2 (en) * 2003-08-13 2009-12-15 Siemens Medical Solutions Usa, Inc. Incorporating spatial knowledge for classification
US7920908B2 (en) * 2003-10-16 2011-04-05 David Hattery Multispectral imaging for quantitative contrast of functional and structural features of layers inside optically dense media such as tissue
US8265728B2 (en) * 2003-11-26 2012-09-11 University Of Chicago Automated method and system for the evaluation of disease and registration accuracy in the subtraction of temporally sequential medical images
US7387250B2 (en) * 2003-12-04 2008-06-17 Scanbuy, Inc. System and method for on the spot purchasing by scanning barcodes from screens with a mobile device
WO2005062234A1 (en) * 2003-12-04 2005-07-07 Scanbuy, Inc. Section based algorithm for image enhancement
US7406187B2 (en) * 2004-02-23 2008-07-29 Canon Kabushiki Kaisha Method and system for processing an image
US20050226981A1 (en) * 2004-04-08 2005-10-13 Flook Glen E Apparatus and method of separating character forms from sheeted dough while manufacturing snack food product
US7296747B2 (en) 2004-04-20 2007-11-20 Michael Rohs Visual code system for camera-equipped mobile devices and applications thereof
US7593586B2 (en) * 2004-06-30 2009-09-22 Aptina Imaging Corporation Method and system for reducing artifacts in image detection
US7309015B2 (en) * 2004-07-14 2007-12-18 Scanbuy, Inc. Mobile device gateway providing access to instant information
WO2006093523A2 (en) * 2004-07-15 2006-09-08 Kenji Suzuki Computerized scheme for distinction between benign and malignant nodules in thoracic low-dose ct
US7899231B2 (en) * 2005-01-28 2011-03-01 Siemens Medical Solutions Usa, Inc. System and method for splicing medical image datasets
US8073210B2 (en) * 2005-02-14 2011-12-06 University Of Lowa Research Foundation Methods of smoothing segmented regions and related devices
US20060239555A1 (en) * 2005-04-25 2006-10-26 Destiny Technology Corporation System and method for differentiating pictures and texts
US20070092864A1 (en) * 2005-09-30 2007-04-26 The University Of Iowa Research Foundation Treatment planning methods, devices and systems
US20070086639A1 (en) * 2005-10-13 2007-04-19 Fujifilm Corporation Apparatus, method, and program for image processing
US8016187B2 (en) * 2006-02-21 2011-09-13 Scanbury, Inc. Mobile payment system using barcode capture
EP1840831A1 (en) * 2006-03-31 2007-10-03 Sony Deutschland Gmbh Adaptive histogram equalization for images with strong local contrast
US8150163B2 (en) 2006-04-12 2012-04-03 Scanbuy, Inc. System and method for recovering image detail from multiple image frames in real-time
JP5188966B2 (ja) * 2006-06-12 2013-04-24 株式会社日立メディコ 画像診断支援装置及び画像診断支援プログラム
US7747076B2 (en) * 2006-12-21 2010-06-29 Fujifilm Corporation Mass segmentation using mirror image of region of interest
DE102007002417B4 (de) * 2007-01-17 2018-02-22 Siemens Healthcare Gmbh Verfahren zur Bestimmung einer Position für wenigstens eine halbtransparente Blende und zugehörige Einrichtung
US8194920B2 (en) * 2007-02-16 2012-06-05 Ford Global Technologies, Llc Method and system for detecting objects using far infrared images
US8180124B2 (en) * 2007-03-22 2012-05-15 Amar Dhanantwari Registration method for projections in dual energy
US20090082637A1 (en) * 2007-09-21 2009-03-26 Michael Galperin Multi-modality fusion classifier with integrated non-imaging factors
US8073232B2 (en) * 2007-10-02 2011-12-06 Siemens Aktiengesellschaft Method and system for diaphragm segmentation in chest X-ray radiographs
US8463047B2 (en) * 2008-07-29 2013-06-11 Superfish Ltd. Edge neighborhood descriptor
US8934545B2 (en) * 2009-02-13 2015-01-13 Yahoo! Inc. Extraction of video fingerprints and identification of multimedia using video fingerprinting
US20110262013A1 (en) * 2010-04-21 2011-10-27 Harris Corporation Fingerprint matcher using iterative process and related methods
CN102947841A (zh) 2010-04-30 2013-02-27 沃康普公司 放射摄影图像中的毛刺恶性肿块检测和分级
US8675933B2 (en) 2010-04-30 2014-03-18 Vucomp, Inc. Breast segmentation in radiographic images
JP5612371B2 (ja) * 2010-06-11 2014-10-22 富士フイルム株式会社 画像位置合わせ装置および方法並びにプログラム
WO2012006318A1 (en) 2010-07-07 2012-01-12 Vucomp, Inc. Marking system for computer-aided detection of breast abnormalities
US20120113146A1 (en) * 2010-11-10 2012-05-10 Patrick Michael Virtue Methods, apparatus and articles of manufacture to combine segmentations of medical diagnostic images
US8553957B2 (en) 2010-12-22 2013-10-08 Samsung Electronics Co., Ltd. Method of processing image and image processing apparatus using the method
US8781187B2 (en) * 2011-07-13 2014-07-15 Mckesson Financial Holdings Methods, apparatuses, and computer program products for identifying a region of interest within a mammogram image
US8879810B2 (en) 2011-11-16 2014-11-04 Siemens Aktiengesellschaft Method and system for automatic lung segmentation in magnetic resonance imaging videos
US10449395B2 (en) 2011-12-12 2019-10-22 Insightec, Ltd. Rib identification for transcostal focused ultrasound surgery
US8837771B2 (en) * 2012-02-28 2014-09-16 Siemens Aktiengesellschaft Method and system for joint multi-organ segmentation in medical image data using local and global context
US9230320B2 (en) * 2012-03-30 2016-01-05 University Of Louisville Research Foundation, Inc. Computer aided diagnostic system incorporating shape analysis for diagnosing malignant lung nodules
CN102940510B (zh) * 2012-08-31 2014-10-08 华南理工大学 一种超声弹性成像的自动对焦方法
JP6533363B2 (ja) * 2012-12-14 2019-06-19 テクトロニクス・インコーポレイテッドTektronix,Inc. アーチファクト検出方法及びビデオアーチファクト検出器
EP3011538B1 (en) * 2013-06-19 2019-01-16 Koninklijke Philips N.V. Lung measurements
US9626476B2 (en) 2014-03-27 2017-04-18 Change Healthcare Llc Apparatus, method and computer-readable storage medium for transforming digital images
EP3128919B1 (en) * 2014-04-08 2020-12-02 iCAD, Inc. Lung segmentation and bone suppression techniques for radiographic images
US9836848B2 (en) * 2014-07-02 2017-12-05 Covidien Lp System and method for segmentation of lung
US9918691B2 (en) 2014-10-30 2018-03-20 Koninklijke Philips N.V. Device and method for determining image quality of a radiogram image
EP3258834A4 (en) * 2015-02-19 2018-09-26 Ramot at Tel-Aviv University Ltd. Chest radiograph (cxr) image analysis
CN104700416B (zh) * 2015-03-23 2017-08-29 河海大学常州校区 基于视觉理解的图像分割阈值确定方法
CN108348208A (zh) * 2015-11-09 2018-07-31 皇家飞利浦有限公司 X射线图像吸入质量监测
CA3030577A1 (en) 2016-07-12 2018-01-18 Mindshare Medical, Inc. Medical analytics system
JP6833444B2 (ja) * 2016-10-17 2021-02-24 キヤノン株式会社 放射線撮影装置、放射線撮影システム、放射線撮影方法、及びプログラム
JP2018157884A (ja) * 2017-03-22 2018-10-11 コニカミノルタ株式会社 X線動画像処理装置
US11049606B2 (en) 2018-04-25 2021-06-29 Sota Precision Optics, Inc. Dental imaging system utilizing artificial intelligence
US10803564B2 (en) * 2018-08-17 2020-10-13 Shimadzu Corporation Image processing apparatus, program, and radiation imaging apparatus
US10733727B2 (en) * 2018-11-14 2020-08-04 Qure.Ai Technologies Private Limited Application of deep learning for medical imaging evaluation
CN111128348B (zh) * 2019-12-27 2024-03-26 上海联影智能医疗科技有限公司 医学图像处理方法、装置、存储介质及计算机设备
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
CN112508918A (zh) * 2020-12-11 2021-03-16 上海商汤智能科技有限公司 图像处理方法及装置、电子设备和存储介质

Family Cites Families (18)

* 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
US4841555A (en) 1987-08-03 1989-06-20 University Of Chicago Method and system for removing scatter and veiling glate and other artifacts in digital radiography
US4839807A (en) 1987-08-03 1989-06-13 University Of Chicago Method and system for automated classification of distinction between normal lungs and abnormal lungs with interstitial disease in digital chest radiographs
US4851984A (en) 1987-08-03 1989-07-25 University Of Chicago Method and system for localization of inter-rib spaces and automated lung texture analysis in digital chest radiographs
US4875165A (en) 1987-11-27 1989-10-17 University Of Chicago Method for determination of 3-D structure in biplane angiography
US4969203A (en) * 1988-01-25 1990-11-06 North American Philips Corporation Multiplicative sieve signal processing
US4918534A (en) 1988-04-22 1990-04-17 The University Of Chicago Optical image processing method and system to perform unsharp masking on images detected by an I.I./TV system
US5072384A (en) 1988-11-23 1991-12-10 Arch Development Corp. Method and system for automated computerized analysis of sizes of hearts and lungs in digital chest radiographs
US5068909A (en) * 1989-05-18 1991-11-26 Applied Imaging Corporation Method and apparatus for generating quantifiable video displays
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
US5360006A (en) * 1990-06-12 1994-11-01 University Of Florida Research Foundation, Inc. Automated method for digital image quantitation
JP3134009B2 (ja) * 1990-11-21 2001-02-13 アーチ・デベロップメント・コーポレーション 画像処理方法及び装置
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
US5790690A (en) * 1995-04-25 1998-08-04 Arch Development Corporation Computer-aided method for automated image feature analysis and diagnosis of medical images
JPH10504225A (ja) * 1995-06-07 1998-04-28 ユニバーシティ オブ フロリダ リサーチ ファウンデーション,インク. デジタル画像定量化のための自動化された方法
WO1999005640A1 (en) * 1997-07-25 1999-02-04 Arch Development Corporation Method and system for the segmentation of lung regions in lateral chest radiographs
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

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004057275A (ja) * 2002-07-25 2004-02-26 Hitachi Medical Corp 画像診断装置
JP4565796B2 (ja) * 2002-07-25 2010-10-20 株式会社日立メディコ 画像診断装置
JP2006346465A (ja) * 2005-06-15 2006-12-28 Canon Inc 心臓境界、胸郭境界及び横隔膜境界を検出する方法、装置及び記憶媒体
JP4682091B2 (ja) * 2005-06-15 2011-05-11 キヤノン株式会社 心臓境界、胸郭境界及び横隔膜境界を検出する方法、装置及び記憶媒体
JP2009090054A (ja) * 2007-10-12 2009-04-30 Infocom Corp 胸部正面x線画像の検像方法及び検像装置
JP2012530553A (ja) * 2009-06-19 2012-12-06 エッダ・テクノロジー・インク 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システム
US8837789B2 (en) 2009-06-19 2014-09-16 Edda Technology, Inc. Systems, methods, apparatuses, and computer program products for computer aided lung nodule detection in chest tomosynthesis images
JP2012096025A (ja) * 2010-10-08 2012-05-24 Toshiba Corp 画像処理装置及び画像処理方法
US9530203B2 (en) 2010-10-08 2016-12-27 Toshiba Medical Systems Corporation Image processing apparatus and image processing method
JP2014502169A (ja) * 2010-10-25 2014-01-30 コーニンクレッカ フィリップス エヌ ヴェ 医用画像のセグメンテーションのためのシステム

Also Published As

Publication number Publication date
WO1999042031A9 (en) 1999-11-04
AU2767399A (en) 1999-09-06
US6724925B2 (en) 2004-04-20
WO1999042031A1 (en) 1999-08-26
US20010021264A1 (en) 2001-09-13
US6483934B2 (en) 2002-11-19
US20030053674A1 (en) 2003-03-20
EP1056390A1 (en) 2000-12-06
EP1056390A4 (en) 2002-01-02
US6282307B1 (en) 2001-08-28

Similar Documents

Publication Publication Date Title
JP2002503861A (ja) 胸部x線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム
Sluimer et al. Toward automated segmentation of the pathological lung in CT
Sluimer et al. Computer analysis of computed tomography scans of the lung: a survey
JP6267710B2 (ja) 医用画像中の肺結節を自動検出するためのシステム及び方法
US5638458A (en) Automated method and system for the detection of gross abnormalities and asymmetries in chest images
AU698576B2 (en) Automated detection of lesions in computed tomography
Pu et al. A computational geometry approach to automated pulmonary fissure segmentation in CT examinations
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
Kostis et al. Three-dimensional segmentation and growth-rate estimation of small pulmonary nodules in helical CT images
Van Rikxoort et al. Automatic lung segmentation from thoracic computed tomography scans using a hybrid approach with error detection
da Silva Sousa et al. Methodology for automatic detection of lung nodules in computerized tomography images
Armato III et al. Automated lung segmentation in digitized posteroanterior chest radiographs
US5668888A (en) Method and system for automatic detection of ribs and pneumothorax in digital chest radiographs
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
WO2001078005A2 (en) System and method for three-dimensional image rendering and analysis
JPH1156828A (ja) 異常陰影候補検出方法および装置
Zhao et al. An automated pulmonary parenchyma segmentation method based on an improved region growing algorithmin PET-CT imaging
WO2022164374A1 (en) Automated measurement of morphometric and geometric parameters of large vessels in computed tomography pulmonary angiography
Fetita et al. 3D automated lung nodule segmentation in HRCT
Chowdhury et al. A fully automatic CAD-CTC system based on curvature analysis for standard and low-dose CT data
CN113924046A (zh) 用于将器官肿块分类为囊肿的基于计算机的方法
CN116934885A (zh) 肺部分割方法、装置、电子设备及存储介质
Tatjana et al. Computer-aided Analysis and Interpretation of HRCT Images of the Lung
Iwao et al. Integrated lung field segmentation of injured regions and anatomical structures from chest CT images
JP3807541B2 (ja) 乳房画像表示方法および装置