JP2004187998A - 異常陰影形状抽出装置 - Google Patents
異常陰影形状抽出装置 Download PDFInfo
- Publication number
- JP2004187998A JP2004187998A JP2002360830A JP2002360830A JP2004187998A JP 2004187998 A JP2004187998 A JP 2004187998A JP 2002360830 A JP2002360830 A JP 2002360830A JP 2002360830 A JP2002360830 A JP 2002360830A JP 2004187998 A JP2004187998 A JP 2004187998A
- Authority
- JP
- Japan
- Prior art keywords
- closed curve
- abnormal shadow
- energy
- contour
- 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.)
- Withdrawn
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 165
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 61
- 238000000605 extraction Methods 0.000 claims abstract description 52
- 201000011510 cancer Diseases 0.000 claims abstract description 26
- 238000004364 calculation method Methods 0.000 claims description 31
- 230000036210 malignancy Effects 0.000 claims description 21
- 238000001514 detection method Methods 0.000 claims description 15
- 230000008602 contraction Effects 0.000 claims description 13
- 230000002093 peripheral effect Effects 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 7
- 230000004069 differentiation Effects 0.000 claims description 2
- 230000005856 abnormality Effects 0.000 claims 1
- 210000005075 mammary gland Anatomy 0.000 abstract description 10
- 241000270295 Serpentes Species 0.000 description 35
- 238000000034 method Methods 0.000 description 24
- 239000013598 vector Substances 0.000 description 18
- 238000010586 diagram Methods 0.000 description 16
- 230000003211 malignant effect Effects 0.000 description 14
- 230000003044 adaptive effect Effects 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- ZAKOWWREFLAJOT-CEFNRUSXSA-N D-alpha-tocopherylacetate Chemical compound CC(=O)OC1=C(C)C(C)=C2O[C@@](CCC[C@H](C)CCC[C@H](C)CCCC(C)C)(C)CCC2=C1C ZAKOWWREFLAJOT-CEFNRUSXSA-N 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000004800 variational method Methods 0.000 description 5
- 210000000481 breast Anatomy 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 210000004204 blood vessel Anatomy 0.000 description 2
- 230000000452 restraining effect Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000000038 chest Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Pathology (AREA)
- Heart & Thoracic Surgery (AREA)
- High Energy & Nuclear Physics (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Optics & Photonics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】乳腺上に存在する腫瘤のような形状抽出が困難なものであるか否かにより形状抽出結果の確からしさを出力し、形状抽出結果の確からしさに基づいて悪性腫瘤であるか良性腫瘤であるか等の判別を行う。
【解決手段】医用画像データから異常陰影の候補点を検出し、検出した前記異常陰影の候補点から拡がる異常陰影を囲む第１の閉曲線を設定し、前記第１の閉曲線上の画像エネルギーの総和が最小となるように第１の閉曲線を収縮させ、異常陰影の内側に候補点を囲む第２の閉曲線を設定し、第２の閉曲線上の画像エネルギーの総和が最小となるように該第２の閉曲線を膨張させる。第１の閉曲線と第２の閉曲線とが交差した部分において、異常陰影の輪郭に収束したものと判定する。
【選択図】 図１
【解決手段】医用画像データから異常陰影の候補点を検出し、検出した前記異常陰影の候補点から拡がる異常陰影を囲む第１の閉曲線を設定し、前記第１の閉曲線上の画像エネルギーの総和が最小となるように第１の閉曲線を収縮させ、異常陰影の内側に候補点を囲む第２の閉曲線を設定し、第２の閉曲線上の画像エネルギーの総和が最小となるように該第２の閉曲線を膨張させる。第１の閉曲線と第２の閉曲線とが交差した部分において、異常陰影の輪郭に収束したものと判定する。
【選択図】 図１
Description
【０００１】
【発明の属する技術分野】
本発明は、被写体を撮影して得た医用画像データに基づいて画像中の異常陰影を検出し、その異常陰影を表示して診断に供するコンピュータ支援画像診断装置に関するものである。
【０００２】
【従来の技術】
従来、種々の画像取得方法により得られた画像に対して、階調処理や周波数処理等の画像処理を施し、画像の観察読影性能を向上させることが行われている。特に人体を被写体とした放射線画像のような医用画像の分野においては、医師等の専門家が、得られた画像に基づいて患者の疾病や傷害の有無を的確に診断する必要があり、その画像の読影性能を向上させる画像処理は不可欠なものとなっている。そのため、このような画像処理を用いることで、観察者の経験や画像読影能力の高低によって左右されず客観的に腫瘤陰影を判断できるように様々な方法が提案されている。
【０００３】
放射線画像等に撮影された癌化した部分の腫瘤陰影は、おおむね丸味をおびた輪郭を持ち、かつ、画像上では周囲に比べて画素値が大きな領域として観測される。このような腫瘤陰影は、半球状で同じ濃度が同心円状に広がる形状の領域（以降、円形凸領域と呼ぶ）で、濃度値の分布が周縁部から中心部に向かうにしたがって濃度値が低くなるという濃度値の勾配が認められる。その勾配線は腫瘤の中心方向に向かって集中するもので、濃度値の勾配を勾配ベクトルとして算出し、その勾配ベクトルの集中度から腫瘤陰影を検出することができることが知られている（例えば、非特許文献１、非特許文献２参照）。
【０００４】
具体的には、勾配ベクトルの集中度を次のようにして求める。
まず、勾配ベクトルは計算対象となる画像を構成する全ての画素について、下記式（１）に示す計算式に基づいた画像データの勾配ベクトルの向きφを求める。
【数１】
ここでｆ1１ 〜ｆ５５は、図１２に示すように、その画素ｊを中心とした縦５画素×横５画素のマスクの外周上の画素に対応した画素値（画像データ）である。
【０００５】
そこで、対象となる画像を構成する全ての画素について、勾配ベクトルの集中度Ｃを式（２）にしたがって算出する。
【数２】
ここで、Ｎは注目画素を中心に半径ｌの円内に存在する画素の数、θj は、注目画素とその円内の各画素ｊとを結ぶ直線と、その各画素ｊにおける上記式（１）で算出された勾配ベクトルとなす角である（図１３参照）。したがって上記式（２）で表される集中度Ｃが大きな値となるのは、各画素ｊの勾配ベクトルの向きが集中する画素で大きな値をとる。
【０００６】
つまり、腫瘤陰影近傍の各画素ｊの勾配ベクトルは、腫瘤陰影のコントラストの大小に拘らず、その腫瘤陰影の略中心部に向くため、上記集中度Ｃが大きな値を採る画素は、腫瘤陰影の中心部の画素ということができる。一方、血管などの線状パターンの陰影は勾配ベクトルの向きが一定方向に偏るため集中度Ｃの値は小さい。したがって、画像を構成する全ての画素についてそれぞれ注目画素に対する上記集中度Ｃの値を算出し、その集中度Ｃの値が予め設定された閾値を上回るか否かを評価することによって、腫瘤陰影を検出することができる。
【０００７】
また、このような集中度を評価するものの中には、腫瘤の大きさや形状に左右されない検出力を達成するために、フィルタの大きさと形状に工夫をしたものがあり、代表的なものとして、アイリスフィルタや適応リングフィルタが挙げられる。
【０００８】
アイリスフィルタは、フィルタサイズが腫瘤に適応して変化するフィルタで、図１４に示すように、注目画素を中心に２π／Ｍ度毎のＭ種類の方向（図１４においては、２５ 度ごとの１６方向を例示）の放射状の線上の画素のみで上記集中度の評価を行うものである。
【０００９】
アイリスフィルタにおける１つの半直線での集中度は式（３）で与えられる。
【数３】
ここで、ｃｊは、式（２）の集中度であり、Ｎ1とＮ0はそれぞれ注目画素から数えた半直線上の最小画素数および最大画素数である。このときアイリスフィルタの出力は式（４）のようになる。
【数４】
フィルタの定義式からもわかるように、アイリスフィルタのサポート領域は注目画素毎に変動し、その概念図は図１５に示すように、注目画素の出力はＭ本の半直線の集中度で表し、一つの半直線におけるフィルタの計算範囲は式（３）が最大になるところ（点線の範囲）まで行うものである。また、このアリスフィルタの出力値は、円形凸領域の輪郭で最大値を与えるものであることが知られている（例えば、特許文献１、非特許文献２参照）。
【００１０】
また、腫瘤には中心から周辺に向かって濃度値が次第に大きくなるものだけではなく、中心部分の濃度値が辺縁に比べて大きくなる（中心部が凹んでいる）ケースもある。両方の濃度パターンに対応するために提案されたものとして、適応リングフィルタ（Adaptive ring filter）がある。適応リングフィルタのマスク領域は図１６に示すリング状領域で、内側半径は適応的に決定される。内円と外円の半径をそれぞれｒとＲとすると、その関係は式（５）のように表される。
Ｒ＝ｒ＋ｄ （５）
ただし、ｄは定数である。
【００１１】
また、適応リングフィルタの出力は以下のようになる。
【数５】
この適応リングフィルタは、中央部分における濃度が単調ではなくベクトル場が乱れて集中度が小さくなるケースにも適応できるもので、適応リングフィルタの出力は、円形凸領域の中心付近で極大値をとるものである（例えば、非特許文献２参照）。
【００１２】
さらに、アイリスフィルタ等で異常陰影の候補領域を検出し、検出された異常陰影の候補領域に基づいて候補領域内部の濃度ヒストグラムを求め、このヒストグラムに基づく複数の特徴量、すなわち分散値、コントラスト、角モーメント等を算出し、さらに各特徴量を所定の重み付け関数で定義して新たな評価関数値を算出し、算出された評価関数値に基づいて候補領域が悪性陰影であるか否かを判定し、悪性陰影のみを異常陰影候補として検出する方法が提案されている（例えば、特許文献２）。
【００１３】
この特徴量には上記の他、候補領域の辺縁の特徴を表すエッジ情報の、分散値、偏り、相関値、モーメント、エントロピーなどを用いることができる。
【００１４】
また、この評価関数値にはマハラノビス距離を用いることができる。マハラノビス距離とは下記式（７）で定義されるＤmiを意味し、悪性陰影と良性陰影の特徴量の分布の中心から共分散行列Σで表される超楕円体の重み付けで測る距離である。
【数６】
式（７）に従って、予め実験的に得られている良性陰影を示すパターンクラス（ｉ＝１）とのマハラノビス距離Ｄm1、悪性陰影を示すパターンクラス（ｉ＝２）とのマハラノビス距離Ｄm2を算出し、Ｄm1とＤm2とを比較して候補領域が悪性であるか否かを判定する。すなわち、良性陰影を示すパターンクラスとのマハラノビス距離Ｄm1が悪性陰影を示すパターンクラスとのマハラノビス距離Ｄm2より近い場合、すなわちＤm1＜Ｄm2の場合は良性陰影であり、良性陰影を示すパターンクラスとのマハラノビス距離Ｄm1より悪性陰影を示すパターンクラスとのマハラノビス距離Ｄm2が近い場合、すなわちＤm1＞Ｄm2の場合は悪性陰影であると判定し、悪性陰影と判定されたものだけを検出するものがある（例えば、特許文献２、特許文献３参照）。
【００１５】
さらに、これらの手法を組み合わせて、読影者の負担の軽減と、質の向上を図ったコンピュータ診断支援（CAD：Computer aided diagnosis）システムがある。このCADシステムの流れを以下に説明する。
▲１▼ まず、原画像に適応リングフィルタを利用して円形凸領域を強調する。
▲２▼ 次に、フィルタ出力値の極大点を抽出し、大きいものからいくつか（例えば、７個）を腫瘤候補点として抽出する。
▲３▼ 腫瘤候補点から、腫瘤候補領域を抽出するために、アイリスフィルタとＳｎａｋｅｓ法を適用する。アイリスフィルタは、適用リングフィルタと同様に集中性を評価するものであるが、注目点を中心に１６方向の半直線をもち、半直線上の集中度の平均の最大値をフィルタ出力とする。従って、注目点が円形凸領域の輪郭点に一致する。
次に、Ｓｎａｋｅｓ法によって、候補領域の輪郭に最も近い輪郭線を求める。Ｓｎａｋｅｓ法は、エネルギー最小化原理に基づいた最適解としての輪郭を抽出する方法であり、ここではＳｎａｋｅｓエネルギーとしてアイリスフィルタの出力を用いる。Ｓｎａｋｅｓのアルゴリズムによる候補領域決定の詳細は、非特許文献３に述べられている。
▲４▼ さらに、決定された各候補領域から特徴量を算出して、マハラノビス距離に基づいて、候補領域を悪性腫瘤影と良性腫瘤の２クラスに判別する。
このように、形状抽出結果に基づいて腫瘤が悪性腫瘤であるか良性腫瘤であるかを判別するものがある（例えば、非特許文献４参照）。
【００１６】
【特許文献１】
特開平８−２９４４７９号公報
【００１７】
【特許文献２】
特開平９−１６７２３８号公報
【００１８】
【特許文献３】
特開２００２−７４３２５号公報
【００１９】
【非特許文献１】
魏 軍、荻原 義裕、清水 明伸、小畑 秀文、“こう配ベクトルの点集中性フィルタの特性解析”、電子情報通信学会論文誌（D-II） Vol.J84-D-IINo.7，pp.1289-1298，2001．
【００２０】
【非特許文献２】
魏 軍、荻原 義裕、小畑 秀文、“がん陰影候補抽出のための勾配ベクトル集中フィルタ”、電子情報通信学会論文誌（D-II） Vol.J83-D-II No.1，pp.118-125，Jan．2000．
【００２１】
【非特許文献３】
H.Kobata,M.Murakami,et al,”Computerized detection of malignant tumors on digital mammograms,”IEEE Trans on Med，Imag，Vol．18，No.５，pp.369-378，1999．
【００２２】
【非特許文献４】
古屋早知子、魏 軍、荻原 義裕、清水 明伸、小畑 秀文、縄野 繁、“準最適特徴量組み合わせによる乳房Ｘ線像上の腫瘤影判別性能向上”、電子情報通信学会 Vol.100 No.434，pp.93-100，2001．
【００２３】
【発明が解決しようとする課題】
上述のように腫瘤の形状抽出をするために様々な手法が提案されているが、これらの手法は、脂肪上に存在する腫瘤のように辺縁がはっきりしているものに対しては有効であるが、乳腺上に存在する腫瘤のように辺縁がはっきりしないものについては形状の抽出が困難である。
【００２４】
また、悪性腫瘤影であるか良性腫瘤影であるかの判別をする場合においても、乳腺上に存在する腫瘤の場合には、形状抽出結果に依存した特徴量を用いて判別するよりは、左右乳房や他方乳房間における同一個所の濃度差や乳腺マップの形状差、スピキュラに着目した特徴量等を用いて判定するほうが望ましいと考えられる。
【００２５】
そこで、本発明はこの課題に鑑みて、脂肪上に存在する腫瘤のように形状抽出が背景から明確に抽出できるものであるか、乳腺上に存在する腫瘤のように形状抽出が困難なものであるかにより形状抽出結果の確からしさを出力し、形状抽出結果の確からしさに基づいて悪性腫瘤であるか良性腫瘤であるか等の判別を行うための特徴量を選択して判別を行う形状抽出装置を提供することを目的とするものである。
【００２６】
【課題を解決するための手段】
本発明の異常陰影形状抽出装置は、医用画像データから異常陰影の候補点を検出する候補点検出手段を有し、該候補点検出手段で検出した前記異常陰影の候補点から拡がる異常陰影の形状を抽出する形状抽出装置において、
前記医用画像データに基づき、前記異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出するエネルギー算出手段と、
前記異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し、前記エネルギー算出手段で前記第１の閉曲線上の画像エネルギーを算出して、前記第１の閉曲線上の画像エネルギーの総和が最小となるように該第１の閉曲線を収縮させる収縮手段と、
前記異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、前記エネルギー算出手段で前記第２の閉曲線上の画像エネルギーを算出して、前記第２の閉曲線上の画像エネルギーの総和が最小となるように該第２の閉曲線を膨張させる膨張手段とを有し、
前記第１の閉曲線と前記第２の閉曲線とが交差した部分において、前記第１の閉曲線および前記第２の閉曲線の少なくともいずれか一方が前記異常陰影の輪郭に収束したものと判定する収束判定手段を備えたことを特徴とするものである。
【００２７】
ここで「異常陰影」とは、例えば医療用のＸ線画像やマンモグラム等においては、血管等の正常な陰影では認められない、腫瘍、腫瘤、癌等種々の症状を示す陰影をいい、乳房や乳腺上や胸部等の様々な部位で観察されるものである。また、真の異常陰影のみならず、異常陰影であるか否かが明確でなく最終的には読影者による判断が必要な異常陰影に類似した陰影をも含む意味である。
【００２８】
「異常陰影の候補点」は、候補点の周辺に異常陰影の候補領域が拡がっていると想定される点である。一般に医用画像の異常陰影は中心方向に集中する濃度値の勾配が認められるが、この勾配ベクトルの集中度を用いて異常陰影の候補であるか否かを評価することができ、この勾配の集中度が大きくなるところを候補点として採用することができる。例えば、適用リングフィルタ等の出力値から勾配の集中度が大きくなるところ候補点として検出をする。あるいは、適応リングフィルタの他にアイリスフィルタ等を用いて検出してもよい。
【００２９】
「画像エネルギー」とは、画像データの濃度や輝度等の画像情報に基づいて定義されるエネルギーで、「異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギー」とは、Ｓｎａｋｅｓ法（エネルギー最小化原理の最適解として形状を抽出する方法）を用いて異常陰影の輪郭の抽出をするための画像エネルギーで、具体的には、濃度の勾配ベクトルの集中度を評価するフィルタ（適応リングフィルタ、アイリスフィルタ等）の出力や、画像データの一次微分の結果等を用いることができる。
【００３０】
「異常陰影の外側に該異常陰影を囲む第１の閉曲線」は、異常陰影の候補領域の外側に候補領域を囲むように設定した閉曲線で、第１の閉曲線を収縮していく方向に異常陰影の輪郭が存在すると想定される閉曲線である。また、異常陰影の形状によっては、第１の閉曲線の一部が、異常陰影の候補領域の内側に存在する場合も含むものである。
【００３１】
また、「画像エネルギーの総和が最小となるように該第１の閉曲線を収縮する」とは、第１の閉曲線の画像エネルギーの総和が最小値に収束するように、変分法、動的計画（ＤＰ）法、直接計算法（グリーディ・アルゴリズム）等の計算手法を用いて、画像エネルギーの総和が小さくなるように第１の閉曲線を異常陰影の候補領域の外側から輪郭の方に収縮していくことである。
【００３２】
「異常陰影の内側に前記候補点を囲む第２の閉曲線」は、異常陰影の候補領域内に、候補点の近傍に候補点を囲むように設定した閉曲線で、この閉曲線を膨張していく方向に異常陰影の輪郭が存在すると想定される閉曲線である。また、異常陰影の形状によっては、第２の閉曲線の一部が、異常陰影の候補領域の外側に存在する場合も含むものである。
【００３３】
また、「画像エネルギーの総和が最小となるように該第２の閉曲線を膨張する」とは、第２の閉曲線の画像エネルギーの総和が最小値に収束するように、変分法、動的計画法、直接計算法等の計算手法を用いて、画像エネルギーの総和が小さくなるように第２の閉曲線を異常陰影内にある候補点から輪郭の方に膨張していくことである。
【００３４】
「前記第１の閉曲線と前記第２の閉曲線とが交差した部分において」とは、第１の閉曲線と前記第２の閉曲線とを画像エネルギーが最小値に収束するように膨張・収縮させ、それぞれの閉曲線が最小値に収束せずに一部が交差することを指すものある。
【００３５】
また、本発明の他の異常陰影形状抽出装置は、医用画像データから異常陰影の候補点を検出する候補点検出手段を有し、該候補点検出手段で検出した前記異常陰影の候補点から拡がる異常陰影の形状を抽出する異常陰影形状抽出装置において、
前記医用画像データに基づき、前記異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出するエネルギー算出手段と、
前記異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し、前記エネルギー算出手段で第１の閉曲線上の画像エネルギーを算出して、該画像エネルギーの総和が小さくなるように該第１の閉曲線を収縮させる収縮手段を有し、第１の閉曲線上の画像エネルギーの総和が最小値に収束した位置において第１の閉曲線が前記異常陰影の輪郭に収束したものと判定して輪郭を抽出する第１の輪郭抽出手段と、
前記異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、前記エネルギー算出手段で第２の閉曲線上の画像エネルギーを算出して、該画像エネルギーの総和が小さくなるように該第２の閉曲線を膨張させる膨張手段を有し、第２の閉曲線上の画像エネルギーの総和が最小値に収束した位置において第２の閉曲線が前記異常陰影の輪郭に収束したものと判定して輪郭を抽出する第２の輪郭抽出手段と、
前記第１の閉曲線と前記第２の閉曲線とが交差した部分において、前記第１の閉曲線および前記第２の閉曲線の少なくともいずれか一方が前記異常陰影の輪郭に収束したものと判定する収束判定手段を備えたことを特徴とするものである。
【００３６】
「第１の輪郭抽出手段」は、第１の閉曲線を膨張して、第１の閉曲線の画像エネルギーの総和が最小値に収束した場合には、その位置で第１の閉曲線が異常陰影の輪郭に略一致したものとして輪郭を抽出するものである。
【００３７】
同様に、「第２の輪郭抽出手段」は、第２の閉曲線を膨張して、第２の閉曲線の画像エネルギーの総和が最小値に収束した場合には、その位置で第２の閉曲線が異常陰影の輪郭に略一致したものとして輪郭を抽出するものである。
【００３８】
前記エネルギー算出手段は、前記医用画像データの濃度の勾配の集中度を表すアイリスフィルタの出力値を用いて前記画像エネルギーを算出するものであってもよい。
【００３９】
「アイリスフィルタの出力値」は、異常陰影領域の輪郭とその周辺部（つまり、異常陰影の辺縁）で大きくなるもので、このアイリスフィルタの出力値を用いることにより異常陰影の輪郭やその周辺部で低い値となるような画像エネルギーを算出することができる。
【００４０】
あるいは、前記エネルギー算出手段は、前記医用画像データの各画素における濃度を前記閉曲線を横切る方向に一次微分した値を用いて前記画像エネルギーを算出するものであってもよい。
【００４１】
「画素における濃度を前記閉曲線を横切る方向に一次微分した値」は、画素の濃度が変化しないところでは略０となるが、異常陰影領域の辺縁のように濃度等の信号値が大きく変化するところで大きい値をとる。この値を用いることで異常陰影の辺縁で低い値となるような画像エネルギーを算出することが可能である。
【００４２】
また、前記収束判定手段により収束したものと判定した輪郭の信頼度を、収縮後の前記第１の閉曲線と膨張後の前記第２の閉曲線とが一致する度合に基づいて算出する信頼度算出手段を備えたものでもよい。
【００４３】
「前記第１の閉曲線と前記第２の閉曲線とが一致する度合」は、第１の閉曲線と第２の閉曲線の交差した回数やその位置等から、２つの閉曲線がどの程度一致するかを表すものである。
【００４４】
つまり、第１の閉曲線を収縮していったものと第２の閉曲線を膨張していったものが略一致する場合は、異常陰影の輪郭に略収束したものと考えられる。しかし、第１の閉曲線か第２の閉曲線かのどちらかが、背景画像やノイズ等の外部要因により画像エネルギーの総和が異常陰影の輪郭に収束しないで、他の要因による極小値で収束した場合には２つの閉曲線が一致せず、抽出された異常陰影の形状の信頼度は低いと考えられる。そこで、２つの閉曲線が一致する場合には信頼度が高い値をとるようにし、一致しない場合には信頼度が低い値をとるように算出する。具体的には、２つの閉曲線が一致する場合には信頼度を１とし、一致しない場合には1より低い値となるようにする。
【００４５】
また、形状抽出の信頼度が低い場合には、形状抽出に依存した特徴量を用いた異常陰影の悪性度および良性度の判別の信頼度は低いものと思われ、前記信頼度算出手段で算出した信頼度に基づいて、前記異常陰影の悪性度および良性度を判別するための特徴量の種類を選択して、選択された種類の特徴量の値に基づいて異常陰影の悪性度および良性度を判定する異常陰影判定手段を備える方が望ましい。
【００４６】
「悪性度および良性度を判別するための指標値」は、例えば、異常陰影の候補領域の濃度のヒストグラムから得られる特徴量（例えば、平均値、標準偏差、コントラスト、歪度、尖度、エネルギー、エントロピー等）等であり、抽出した異常陰影の輪郭の信頼度が高ければ、異常陰影の候補領域の濃度のヒストグラムから得られる特徴量による悪性度および良性度の判別結果の信頼度も高いと考えられるが、輪郭の信頼度が低ければ得られる判別結果の信頼度も低いと考えられる。
【００４７】
異常陰影候補領域を悪性度や良性度を判別する手法としては、個々の特徴量の分布の中心からの距離を表すマハラノビス距離（Mahalanobis distance）等を用いて判別することができ、マハラノビス距離の他に、この距離の概念を表す関数（距離関数）として、ユークリッド距離、市街地距離、チェス盤距離、ミンコフスキー（Minkowski）距離などを用いることも可能である。あるいは、ニューロネットワークで特徴量を学習用データとして、入力された画像データが悪性であるか或いは良性であるかに従って予め学習させて判別するようにしてもよい。
【００４８】
【発明の効果】
本発明の異常陰影形状抽出装置は、医用画像データから異常陰影の候補点を検出して、異常陰影の外側に異常陰影を囲む第１の閉曲線上の画像エネルギーの総和が最小となるように第１の閉曲線を収縮し、異常陰影の内側に候補点を囲む第２の閉曲線上の画像エネルギーの総和が最小となるように第２の閉曲線を膨張したとき、第１の閉曲線と第２の閉曲線とが交差した位置において、前記第１の閉曲線および前記第２の閉曲線が異常陰影の輪郭に収束したと判定するようにしたものであるので、異常陰影領域を背景領域から分離することが困難な場合にも輪郭を概略抽出することができる。
【００４９】
また、本発明の他の異常陰影形状抽出装置は、異常陰影の外側に異常陰影を囲む第１の閉曲線上の画像エネルギーの総和が最小となるように第１の閉曲線を収縮し、異常陰影の内側に候補点を囲む第２の閉曲線上の画像エネルギーの総和が最小となるように第２の閉曲線を膨張する。そこで、第１の閉曲線の画像エネルギーの総和が最小に収束した場合は第１の閉曲線が輪郭に収束したものとし、第２の閉曲線の画像エネルギーの総和が最小に収束した場合は第２の閉曲線が輪郭に収束したものとし、第２の閉曲線と第２の閉曲線とが交差した場合には、前記第１の閉曲線か前記第２の閉曲線が収束したものと判定するようにしたものであるから、異常陰影領域が背景領域から明確に分離可能な場合には輪郭を抽出し、背景領域から分離が困難な場合には輪郭を概略抽出することができる。
【００５０】
また、エネルギー算出手段は、医用画像データに対してアイリスフィルタからの出力値や、医用画像データの濃度を一次微分した値を用いて、異常陰影の輪郭を強調した画像エネルギーを算出して形状の抽出を行うことができる。
【００５１】
第１の閉曲線と第２の閉曲線とが一致する度合から抽出した形状の信頼度を算出することにより、異常陰影の悪性度や良性度を判定する際に形状に依存する特徴量で判断するか、形状に依存しない特徴量で判断するかにより、悪性度や良性度の判定を正確に行うことができる。
【００５２】
また、異常陰影の悪性度および良性度を判別するための指標値に信頼度を加味することにより、異常陰影の悪性度や良性度をより正確に判定することができる。
【００５３】
【発明の実施の形態】
以下、本発明の異常陰影形状抽出装置について、図面を参照して詳細に説明する。図１は、第1の実施の形態の異常陰影形状抽出装置１の概要を示す図である。図１に示すように、この異常陰影形状抽出装１は、画像読取装置等から入力された医用画像データ１００をメモリ上記憶し異常陰影の候補点を検出する候補点検出手段１０と、医用画像データ１００から異常陰影の形状を抽出する形状抽出手段２０とから概略構成される。
【００５４】
形状抽出手段２０には、医用画像データ１００から異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出するエネルギー算出手段２１と、異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し第１の閉曲線上の画像エネルギーの総和が最小になるように第１の閉曲線を収縮させて輪郭を抽出する第１の輪郭抽出手段２２と、異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、第２の閉曲線上の画像エネルギーの総和が最小になるように第２の閉曲線を膨張させて輪郭を抽出する第２の輪郭抽出手段２３と、前記第１の閉曲線と前記第２の閉曲線とが交差した位置で、前記第１の閉曲線および前記第２の閉曲線が収束したものと判定する収束判定手段２４とを備える。
【００５５】
さらに、形状抽出手段２０で抽出した形状の信頼度を算出する信頼度算出手段３０と、異常陰影の悪性度および良性度を判別するための指標値に信頼度を加味して、異常陰影の悪性度および良性度を判別する異常陰影判定手段４０を備えるようにしてもよい。
【００５６】
また、医用画像データ１００は通信部からネットワークを介して送信されたものや、ハードディスク等の記憶装置に記憶されているものをメモリ上に読み込むようにしてもよい。
【００５７】
候補点検出手段１０は、医用画像データ１００から勾配ベクトルの集中度を算出し、集中度の高いところを腫瘤候補点として検出するものである。具体的には、医用画像データ１００から適応リングフィルタの出力値（式（６）参照）が極大になる画素を極大点として抽出し、極大点のうち集中度の大きいものからいくつかを腫瘤候補点とする。あるいは、極大点の集中度が一定の閾値を越えたもの腫瘤候補点としてもよい。
【００５８】
形状抽出手段２０は、エネルギー最小化原理に基づいた最適解としての輪郭を抽出するＳｎａｋｅｓ法を適用して候補領域の輪郭を抽出するものである。
【００５９】
ここで、Ｓｎａｋｅｓの動作原理を図２を用いて説明する。Ｓｎａｋｅｓとは、画像内に仮想的に置かれた輪ゴムのような物理的な性質が与えられた曲線ｖ（ｓ）で、対象とする画像データの特徴量等から得られる画像エネルギーにおいて、Ｓｎａｋｅｓ上の画像エネルギーの総和が極小状態で安定するように動かしていくことで形状の輪郭を抽出するものである。
【００６０】
Ｓｎａｋｅｓ法では、まず対象となる画像データから抽出する形状の輪郭上で極小値をとるように画像エネルギーを定義する。そこで、目的とする形状の輪郭の近傍にＳｎａｋｅｓの初期位置を設定し、Ｓｎａｋｅｓ上の画像エネルギーの総和が最小になるようにＳｎａｋｅｓを動かして目的とする形状を抽出する。図２では、Ｓｎａｋｅｓを閉曲線ｖ（ｓ）として与え、閉曲線ｖ（ｓ）を徐々に収縮させて、斜線部の抽出する領域の輪郭に閉曲線ｖ（ｓ）が近づいていく様子を表したものである。以下、Ｓｎａｋｅｓを閉曲線ｖ（ｓ）として与えた場合について説明する。
【００６１】
Ｓｎａｋｅｓの動作決定するＳｎａｋｅｓ上の画像エネルギーの総和Ｅは一般に式（８）で与えられる。
【数７】
ｓは閉曲線上のパラメータで、ｓ＝０の位置が始点でｓ＝１の位置は終点をあらわす（閉曲線の場合には、ｓ＝０の位置とｓ＝１の位置は一致する）。
【００６２】
また、ＥintはＳｎａｋｅｓの内部エネルギーで、Ｅimageが画像の特徴量である濃淡に依存する画像濃淡エネルギーで、Ｅconは外部拘束力による外部エネルギーである。
【００６３】
（１） 内部エネルギーＥint
内部エネルギーＥintは、Ｓｎａｋｅｓ自身の長さｖｓと、曲率ｖｓｓの自乗の重みつき線形和で定義され式（１０）で与えられる。
【数８】
この内部エネルギーＥintは、ｖ（ｓ）の伸縮を調整する項である。
【００６４】
（２） 画像濃淡エネルギーＥimage
画像エネルギーＥimageは、画像データの濃淡に基づいて目的とする形状の近傍で極小となるように定義されるエネルギーで、例えば、画像の濃度や濃度勾配などの画像の特徴量で定義する。あるいは、これらの線形和で定義してもよい。
【００６５】
（３）外拘エネルギーＥcon
外拘エネルギーＥconは意図的に与えられ、抽出した形状や元の画像そのものに適当な特徴が仮定できる場合には、その特徴量に見合った拘束力を与えてＳｎａｋｅｓの振る舞いや質を変えることができるものである。Ｓｎａｋｅｓ法では、設定したＳｎａｋｅｓ（つまり、閉曲線ｖ（ｓ））の初期位置から最も近いところで画像エネルギーの総和Ｅが極小となる位置に収束するため、背景画像やノイズ等の外部要因により画像エネルギーの総和Ｅが極小値になるところが存在すると、注目する形状の輪郭に達するよりも手前で収束する場合がある。このような場合、適切な外部拘束力Ｅconを与えることで良好な結果を得るように調整することができる。
【００６６】
次に、画像エネルギーの総和Ｅを算出する具体的な計算手法について説明する。まず、画像エネルギーの総和Ｅを計算するためにＳｎａｋｅｓの曲線を離散化して取り扱う。つまり、連続した曲線として扱うのではなく、図３に示すように、閉曲線上に複数のノードiを設け複数のノード集合として曲線を扱う。そこで、式（８）を離散化すると下式（１１）のように表される。
【数９】
そこで、図４に示すように、各ノードｉを近傍の画素（近傍の８つの画素（白丸））に移動させて曲線上のエネルギーの総和Ｅを求め、全ての組み合わせの中から曲線上のエネルギーの総和Ｅが最も小さい値となるように順次移動させて（つまり、ノードを閉曲線上にｎ個設定した場合にはｎ８通り画像エネルギーを計算し、その内最小になるところにノードを移動させ）、曲線上のエネルギーの総和Ｅが最小値に収束する位置を求める。このようにして、エネルギーの総和Ｅが最小値に収束した位置が略輪郭に一致した位置となる。
【００６７】
画像エネルギーの総和Ｅの最小値を求める具体的な計算手法としては、変分法、動的計画（ＤＰ）法、直接計算法（Ｇｒｅｅｄｙアルゴリズム）等を用いることができる。Ｇｒｅｅｄｙアルゴリズムの詳細は、Donna J.Williams他,“A Fast Algorithm for Active Contours and Curvature Estimation VGIP：Image Understanding，Vol.55,No.1,pp14-26,1991,１”に詳細に述べられている。
【００６８】
また、エネルギーの総和Ｅが最小値に収束しない場合には、指定されて計算回数を超えた場合に終了判定をするようにしてもよい。
【００６９】
以上説明したＳｎａｋｅｓ法で異常陰影の候補領域の輪郭を抽出するために、エネルギー算出手段２１では、医用画像データ１００から異常陰影の輪郭およびその輪郭の周辺部で低い値となるような画像エネルギーＥを設定する。
【００７０】
まず、Ｅintは前述の（１０）と同様にして与える。
次に、画像濃淡エネルギーＥimageは、医用画像データ１００に対してアイリスフィルタ処理を施したアイリスフィルタの出力Ｃ（式（４）参照）を利用して式（１２）で与えることができる。
【数１０】
あるいは、異常陰影の辺縁では濃度の変化が現れ、濃淡の一次微分の勾配∇Iは、異常陰影の辺縁で傾きの強い部分が生じるのに着目して、画像濃淡エネルギーＥimageは医用画像データ１００から得た濃度の一次微分を用いて式（１３）で与えてもよい。
【数１１】
具体的に円形凸領域についてみると、図５に示すように、円形凸領域のａ−ａ’線上（（ａ）参照）での濃度Iは（ｂ）に示すようになる。さらに、その位置での濃度勾配∇Ｉは（ｃ）に示すようになる。
【００７１】
さらに、医用画像データ１００をガウス関数でぼかした濃淡画像を用いて、画像濃淡エネルギーＥimageを求めることで、背景領域上のノイズや外部要因によって白く抜けたようなところで画像エネルギーが極小値となりＳｎａｋｅｓが止まってしまわないようにすることもできる。
【００７２】
ここでは、外部拘束力Ｅconにて考慮せず、画像エネルギーの総和Ｅが式（１４）で与えられる場合について以下説明する。
【数１２】
第１の輪郭抽出手段２２は、異常陰影を囲む第１の閉曲線を設定する第１の閉曲線設定手段２２１と、エネルギー算出手段２１で第１の閉曲線上の画像エネルギーの総和Ｅ１を求め、第１の閉曲線上の画像エネルギーの総和Ｅ１が最小になるように第１の閉曲線を収縮させる収縮手段２２２とを備え、第１の閉曲線が最小値に収束した場合は、その位置で第１の閉曲線ｖ１が異常陰影の輪郭に収束したものと判定して輪郭を抽出するものである。
【００７３】
第１の閉曲線を設定手段２２１は、図６(a)に示すように、異常陰影の外側となるように、候補点検出手段１０で検出した候補点Ｐを用いて第１の閉曲線ｖ１を設定する。具体的には、腫瘤の最大サイズが８０ｍｍであると想定される場合には、候補点Ｐから半径８０ｍｍの円として第１の閉曲線ｖ１の初期位置を設定し、その円上に均等間隔となるようにノードｉ１を設定する。例えば、１００μｍの画像の場合、１/１６に縮小した画像で５０画素の半径を持つ１２０点のノードｉ１を設定するのが望ましい。
【００７４】
収縮手段２２２では、エネルギー算出手段２１の(１４)式に基づいて、で第１の閉曲線ｖ１の画像エネルギーの総和Ｅ１を求める。
【数１３】
そこで、第１の閉曲線ｖ１の画像エネルギーの総和Ｅ１が小さくなるように、前述のＧｒｅｅｄｙアルゴリズム、変分法、動的計画法等の計算手法を用いて、第１の閉曲線ｖ１の各ノードｉ１を動かして第１の閉曲線ｖ１を収縮させていく。
【００７５】
第２の輪郭抽出手段２３は、異常陰影の内側に異常陰影を囲む第２の閉曲線を設定する第２の閉曲線設定手段２３１と、エネルギー算出手段２１で第２の閉曲線ｖ２の画像エネルギーの総和Ｅ２を求め、第２の閉曲線上の画像エネルギーの総和Ｅ２が最小になるように第２の閉曲線を膨張させる膨張手段２３２を備え、第２の閉曲線が最小値に収束した場合は、その位置で第２の閉曲線が異常陰影の輪郭に収束したものと判定するものである。
【００７６】
第２の閉曲線設定手段２３１は、図６（ｂ）に示すように、候補点検出手段１０で検出した候補点Ｐを用いて異常陰影の内側になるように第２の閉曲線ｖ２を設定する。例えば、候補点Ｐから半径２ｍｍの円として第２の閉曲線の初期位置を設定し、その円上に均等間隔となるようにノードｉ２を設定する。
【００７７】
膨張手段２３２では、エネルギー算出手段２１の(１４)式に基づいて、で第２の閉曲線ｖ２の画像エネルギーの総和Ｅ２を求める。
【数１４】
そこで、第２の閉曲線ｖ２の画像エネルギーの総和Ｅ２が小さくなるように、前述のＧｒｅｅｄｙアルゴリズム、変分法、動的計画法等の計算手法を用いて第２の閉曲線ｖ２の各ノードｉ２を動かして第２の閉曲線ｖ２を収縮させていく。
【００７８】
収束判定手段２４は、収縮手段２２２で縮小して行った第１の閉曲線ｖ１と拡大手段２５で拡大していった第２の閉曲線ｖ２とが最小値に収束しないで交差した場合は、交差した位置で収束したものと判定し、その位置で第１の閉曲線ｖ１または第２の閉曲線ｖ２あるいはその近傍に輪郭が存在するものと想定するものである。
【００７９】
脂肪上にある腫瘤のように異常陰影の形状が明確に認識できるものは、異常陰影の辺縁で画像エネルギーが明らかに低い値をとり、第１の閉曲線の画像エネルギーの総和Ｅ１が最小値となる位置か、第２の閉曲線の画像エネルギーの総和Ｅ２が最小値となる位置で輪郭が抽出される。しかしながら、乳腺上に存在する腫瘤のように形状がはっきりしない場合には、画像エネルギーが最小値になる位置が明確に現れず、背景画像やノイズ等の外部要因により閉曲線の一部がローカルな極小値に収束して２つの閉曲線が一致しなくなり、図７(a)に示すように一部で交差が発生する場合がある。つまり、第１の閉曲線ｖ１または第２の閉曲線ｖ２が輪郭に収束した場合や、第１の閉曲線ｖ１の一部と第２の閉曲線ｖ２の一部が輪郭に収束している場合等が考えられる。
【００８０】
そこで、その交差が発生した時点で、第１の閉曲線ｖ１と第２の閉曲線ｖ２またはその近傍に輪郭が存在するものと判定する。第１の閉曲線ｖ１と第２の閉曲線ｖ２が交差したか否かの判定は、例えば、図７（ｂ）に示すように、各閉曲線ｖ１、ｖ２を、ノード間を直線で結んだ多角形で近似して第１の閉曲線ｖ１と第２の閉曲線ｖ２との交差を判定する。
【００８１】
さらに、信頼度算出手段３０では、第１の閉曲線ｖ１と第２の閉曲線ｖ２が収束した結果から信頼度を求める。第１の閉曲線ｖ１と第２の閉曲線ｖ２に交差が発生せず収束した場合や、交差が発生した場合であっても、図８（ａ）に示すように第１の閉曲線ｖ１と第２の閉曲線ｖ２が略同じ位置で収束した場合には、抽出した異常陰影の輪郭の信頼度は高いと考えられる。一方、乳腺上にある腫瘤の異常陰影のように形状がはっきりしない場合には、図８（ｂ）に示すように２つの閉曲線に交差が多数発生し、その信頼度は低いと考えられる。
【００８２】
そこで、２つの閉曲線がどの程度一致しているかによって信頼度を算出し、一致する度合いが高い場合には信頼度を１に近い値とし、一致する度合いが低い場合には信頼度が低い値となるようにする。例えば、信頼度Ｂは、第１の閉曲線ｖ１上のノードと第２の閉曲線ｖ２上のノードが交差した回数から式（１７）で求める。
【数１５】
信頼度Ｂは式（１７）に限られるものではなく、閉曲線ｖ１とｖ２の各々で囲まれる領域の面積の一致度を信頼度Ｂとしてもよい。
【００８３】
異常陰影判定手段４０は、異常陰影の悪性度および良性度を判定する。このとき、信頼度算出手段３０で求めた抽出した形状の信頼度Ｂが高い場合には、抽出した形状に依存する特徴量（異常陰影の領域内外の濃度差、コントラスト、濃度のヒストグラムの分離度、抽出した形状の円形度等）を指標値とし、特許文献２や特許文献３と同様にマハラビノス距離等の分析手法を用いて、異常陰影の悪性度および良性度の判定をする。
【００８４】
一方、形状の信頼度Ｂが低い場合には、形状抽出に依存しない特徴量（左右乳房や他方乳房間における同一個所の濃度差や乳腺マップの形状差、スピキュラ線形状等）を指標値とし、マハラビノス距離等を用いて、異常陰影の悪性度および良性度の判定をする。
【００８５】
さらに、信頼度Ｂによって特徴量を分けるのではなく、信頼度Ｂを特徴量に加えてマハラビノス距離等の分析手法を用いて、異常陰影の悪性度および良性度の判定をしてもよい。
【００８６】
分析手法には、マハラノビス距離の他に、ユークリッド距離、市街地距離、チェス盤距離、ミンコフスキー（Minkowski）距離等の距離の概念を表す関数（距離関数）を用いることも可能である。あるいは、ニューロネットワークで特徴量を学習用データとして予め学習させておき、入力された画像データが悪性であるか或いは良性であるかに従って予め学習させて判定するようにしてもよい。
【００８７】
次に、図９フローチャートに基づいて、異常陰影形状抽出装置１の処理の流れについて説明する。
【００８８】
まず、候補点検出手段１０で候補点Ｐを検出する（Ｓ１）。そこで、第１の閉曲線設定手段２２１で候補点Ｐを中心として異常陰影を囲む第１の閉曲線ｖ１を設定し（Ｓ２）、その閉曲線ｖ１上にノードi１を設定し、第１の閉曲線ｖ１を離散化して第１の閉曲線ｖ１の上の画像エネルギーの総和Ｅ１を求める（Ｓ３）。同様に、第２の閉曲線設定手段２３１で候補点Ｐを中心として異常陰影の内側に第２の閉曲線ｖ２を設定し（Ｓ４）、その閉曲線ｖ２上にノードi２を設定し、第２の閉曲線ｖ２を離散化して第２の閉曲線ｖ２の上の画像エネルギーの総和Ｅ２を求める（Ｓ５）。
【００８９】
次に、収縮手段２２２で第１の閉曲線ｖ１上のノードi１に隣接する画素に移動させて（Ｓ６）、画像エネルギーの総和Ｅ１を計算し（Ｓ７）、画像エネルギーの総和Ｅ１が最小となる位置へ少しずつ各ノードi１を移動させる。第１の閉曲線ｖ１上の画像エネルギーの総和Ｅ１が最小値に収束しているか否かを判定し（Ｓ８）、最小値に収束した場合には形状抽出が終了したものとして、第１の輪郭抽出手段２２で第１の閉曲線を異常陰影の輪郭として抽出する（Ｓ９）。同様に、膨張手段２３２で第２の閉曲線ｖ２についても、画像エネルギーの総和Ｅ２が最小となるように各ノードi２を移動させ、第２の輪郭抽出手段２３で画像エネルギーの総和Ｅ２が最小値に収束した位置で、第２の閉曲線ｖ２を異常陰影の輪郭として抽出する（Ｓ１０〜Ｓ１３）。
【００９０】
最小値に収束しない場合は、収束判定手段２４で第１の閉曲線ｖ１と第２の閉曲線ｖ２が交差するか判定する（Ｓ１４）。交差した場合には（Ｓ１５）、収束したものと判定し形状抽出を終了する（Ｓ１６）。交差しない場合には、再度、Ｓ６からＳ１５間の処理を繰り返し、第１の閉曲線ｖ１か第２の閉曲線ｖ２がいずれかの条件で収束するまで繰り返す。交差して収束した場合には、信頼度算出手段３０で交差した回数等から信頼度を算出する（Ｓ１７）。第１の閉曲線か第２の閉曲線が最小値に収束して終了した場合には、信頼度＝１とする（Ｓ１８，Ｓ１９）。
【００９１】
さらに、異常陰影判定手段４０では、信頼度が高い場合には、抽出した形状に依存した特徴量を用いて腫瘤の悪性度と良性度を判断し、信頼度が低い場合にはと信頼度を形状に依存しない特徴量を用いて悪性度と良性度算出する（Ｓ２０）。
【００９２】
以上、詳細に説明したように、乳腺上にある腫瘤のように形状のはっきりしない腫瘤であっても形状を概略抽出することが可能になり、さらに、抽出した形状の信頼度に基づいて、形状の信頼度に応じた特徴量で腫瘤の悪性度・良性度を判定することができる。
【００９３】
次に、第２の実施の形態の異常陰影形状抽出装置について説明する。本実施の形態では、画像エネルギーに外部エネルギーを与える場合について説明する。前述の実施の形態と同じものには同一符号を振って詳細な説明は省略し、相違するものについてのみ詳細に説明する。
【００９４】
本実施の形態の異常陰影形状抽出装置１ａの概要を示す図である。図１０に示すように、この異常陰影形状抽出装１は、画像読取装置等から入力された医用画像データ１００をメモリ上記憶し異常陰影の候補点を検出する候補点検出手段１０と、医用画像データ１００から異常陰影の形状を抽出する形状抽出手段２０aとから概略構成される。
【００９５】
形状抽出手段２０aには、医用画像データ１００から異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出し、その値に外部値にエネルギーを加えたエネルギー算出手段２１ａと、異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し第１の閉曲線上の画像エネルギーの総和が最小になるように第１の閉曲線を収縮させて輪郭を抽出する第１の輪郭抽出手段２２aと、異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、第２の閉曲線上の画像エネルギーの総和が最小になるように第２の閉曲線を膨張させて輪郭を抽出する第２の輪郭抽出手段２３aと、前記第１の閉曲線と前記第２の閉曲線とが交差した位置で、前記第１の閉曲線および前記第２の閉曲線が収束したものと判定する収束判定手段２６とを備える。
【００９６】
本実施の形態のエネルギーの算出手段２１ａでは、前述の実施の形態で与えられた式（１４）の画像エネルギーＥに、適切な位置で第１の閉曲線と第２の閉曲線が収束するように、第１の閉曲線の収縮と第２の閉曲線の拡張を制御するために外部エネルギーＥconを加えた式（１８）で与える。
【数１６】
画像中の目的とする領域を抽出する場合、目的とする領域の内部や外部に不用な情報や複雑な情報があることが多く、それによってＳｎａｋｅｓが適切な位置に達する前にとまることがある。そこで、Ｓｎａｋｅｓを収縮・拡張するために、法線方向の圧力を与えることによってＳｎａｋｅｓを収縮・拡張を調整することが可能である。
【００９７】
具体例として、外部エネルギーＥconを以下に定義される式（１９）で与える。
【数１７】
この式は、図１１（ａ）に示すように、Ｓｎａｋｅｓ上の着目するノードをｔとし、Ｓｎａｋｅｓ上にある他のノードをｔ１〜ｔｎとし、着目するノードｔと対称な位置で閉曲線をで分割して、図１１（ｂ）に示すように、ノード間距離に乗ずる係数をガウス関数で与えるものである。また、Ｓｎａｋｅｓを拡張させる場合には、ｗcon ＞０となるように与え、収縮させる場合には、ｗcon ＜０となるように与える。
【００９８】
そこで、閉曲線を収縮する第1の閉曲線の場合には、外部エネルギーＥconを以下の式で与える。
【数１８】
したがって、第１の輪郭抽出手段２２ａの収縮手段２２２aでは、エネルギー算出手段２１aの(２０)式に基づいて、第１の閉曲線上のエネルギーの総和Ｅ１は式（２１）から得られる。
【数１９】
また、第２の閉曲線の場合には、外部エネルギーＥconを以下の式（２２）で与える。
【数２０】
したがって、第２の輪郭抽出手段２３ａの膨張手段２３２aでは、エネルギー算出手段２１aの(２０)式に基づいて、第２の閉曲線上のエネルギーの総和Ｅ２は式（２３）から得られる。
【数２１】
ｗcon １、ｗcon ２の与える値によっては、第１の閉曲線と第２の閉曲線が収束する位置が異なってくる。そこで、ｗcon １、ｗcon ２に第１の閉曲線と第２の閉曲線が適切な位置で収束するように経験的に与える。
【００９９】
以上説明したように、外部エネルギーを適切に与えることで目的とする領域の内部や外部に不用な情報や複雑な情報あっても適切な位置で収束するように設定することができる。
【図面の簡単な説明】
【図１】第１の実施の形態の異常陰影形状抽出装置の構成図
【図２】Ｓｎａｋｅｓの原理を説明するための図
【図３】Ｓｎａｋｅｓを離散化して計算する方法を説明するための図
【図４】Ｓｎａｋｅｓを離散化して最小値に収束させる計算方法を説明するための図
【図５】円形凸領域の濃度に関する特徴量を表す図
【図６】第１の閉曲線と第２の閉曲線の初期位置の設定を説明する図
【図７】第１の閉曲線と第２の閉曲線の交差を説明する図
【図８】交差による信頼度の違いを説明する図
【図９】異常陰影形状抽出装置の処理を表すフローチャート
【図１０】第２の実施の形態の異常陰影形状抽出装置の構成図
【図１１】外部エネルギーを説明するための図
【図１２】勾配ベクトルを表す図
【図１３】勾配ベクトルの集中度を表す図
【図１４】アイリスフィルタを説明するための図
【図１５】アイリスフィルタのサポート領域の概念図
【図１６】適応リングフィルタのサポート領域の概念図
【符号の説明】
１、1a 異常陰影形状抽出装
１０ 候補点検出手段
２０、２０ａ 形状抽出手段
２１、２１ａ エネルギー算出手段
２２、２２ａ 第１の輪郭抽出手段
２３、２３ａ 第２の輪郭抽出手段
２４ 収束判定手段
１００ 医用画像データ
２２１ 第１の閉曲線設定手段
２２２、２２２ａ 収縮手段
２３１ 第２の閉曲線設定手段
２３２、２３２ａ 膨張手段
【発明の属する技術分野】
本発明は、被写体を撮影して得た医用画像データに基づいて画像中の異常陰影を検出し、その異常陰影を表示して診断に供するコンピュータ支援画像診断装置に関するものである。
【０００２】
【従来の技術】
従来、種々の画像取得方法により得られた画像に対して、階調処理や周波数処理等の画像処理を施し、画像の観察読影性能を向上させることが行われている。特に人体を被写体とした放射線画像のような医用画像の分野においては、医師等の専門家が、得られた画像に基づいて患者の疾病や傷害の有無を的確に診断する必要があり、その画像の読影性能を向上させる画像処理は不可欠なものとなっている。そのため、このような画像処理を用いることで、観察者の経験や画像読影能力の高低によって左右されず客観的に腫瘤陰影を判断できるように様々な方法が提案されている。
【０００３】
放射線画像等に撮影された癌化した部分の腫瘤陰影は、おおむね丸味をおびた輪郭を持ち、かつ、画像上では周囲に比べて画素値が大きな領域として観測される。このような腫瘤陰影は、半球状で同じ濃度が同心円状に広がる形状の領域（以降、円形凸領域と呼ぶ）で、濃度値の分布が周縁部から中心部に向かうにしたがって濃度値が低くなるという濃度値の勾配が認められる。その勾配線は腫瘤の中心方向に向かって集中するもので、濃度値の勾配を勾配ベクトルとして算出し、その勾配ベクトルの集中度から腫瘤陰影を検出することができることが知られている（例えば、非特許文献１、非特許文献２参照）。
【０００４】
具体的には、勾配ベクトルの集中度を次のようにして求める。
まず、勾配ベクトルは計算対象となる画像を構成する全ての画素について、下記式（１）に示す計算式に基づいた画像データの勾配ベクトルの向きφを求める。
【数１】
【０００５】
そこで、対象となる画像を構成する全ての画素について、勾配ベクトルの集中度Ｃを式（２）にしたがって算出する。
【数２】
【０００６】
つまり、腫瘤陰影近傍の各画素ｊの勾配ベクトルは、腫瘤陰影のコントラストの大小に拘らず、その腫瘤陰影の略中心部に向くため、上記集中度Ｃが大きな値を採る画素は、腫瘤陰影の中心部の画素ということができる。一方、血管などの線状パターンの陰影は勾配ベクトルの向きが一定方向に偏るため集中度Ｃの値は小さい。したがって、画像を構成する全ての画素についてそれぞれ注目画素に対する上記集中度Ｃの値を算出し、その集中度Ｃの値が予め設定された閾値を上回るか否かを評価することによって、腫瘤陰影を検出することができる。
【０００７】
また、このような集中度を評価するものの中には、腫瘤の大きさや形状に左右されない検出力を達成するために、フィルタの大きさと形状に工夫をしたものがあり、代表的なものとして、アイリスフィルタや適応リングフィルタが挙げられる。
【０００８】
アイリスフィルタは、フィルタサイズが腫瘤に適応して変化するフィルタで、図１４に示すように、注目画素を中心に２π／Ｍ度毎のＭ種類の方向（図１４においては、２５ 度ごとの１６方向を例示）の放射状の線上の画素のみで上記集中度の評価を行うものである。
【０００９】
アイリスフィルタにおける１つの半直線での集中度は式（３）で与えられる。
【数３】
【数４】
【００１０】
また、腫瘤には中心から周辺に向かって濃度値が次第に大きくなるものだけではなく、中心部分の濃度値が辺縁に比べて大きくなる（中心部が凹んでいる）ケースもある。両方の濃度パターンに対応するために提案されたものとして、適応リングフィルタ（Adaptive ring filter）がある。適応リングフィルタのマスク領域は図１６に示すリング状領域で、内側半径は適応的に決定される。内円と外円の半径をそれぞれｒとＲとすると、その関係は式（５）のように表される。
Ｒ＝ｒ＋ｄ （５）
ただし、ｄは定数である。
【００１１】
また、適応リングフィルタの出力は以下のようになる。
【数５】
【００１２】
さらに、アイリスフィルタ等で異常陰影の候補領域を検出し、検出された異常陰影の候補領域に基づいて候補領域内部の濃度ヒストグラムを求め、このヒストグラムに基づく複数の特徴量、すなわち分散値、コントラスト、角モーメント等を算出し、さらに各特徴量を所定の重み付け関数で定義して新たな評価関数値を算出し、算出された評価関数値に基づいて候補領域が悪性陰影であるか否かを判定し、悪性陰影のみを異常陰影候補として検出する方法が提案されている（例えば、特許文献２）。
【００１３】
この特徴量には上記の他、候補領域の辺縁の特徴を表すエッジ情報の、分散値、偏り、相関値、モーメント、エントロピーなどを用いることができる。
【００１４】
また、この評価関数値にはマハラノビス距離を用いることができる。マハラノビス距離とは下記式（７）で定義されるＤmiを意味し、悪性陰影と良性陰影の特徴量の分布の中心から共分散行列Σで表される超楕円体の重み付けで測る距離である。
【数６】
【００１５】
さらに、これらの手法を組み合わせて、読影者の負担の軽減と、質の向上を図ったコンピュータ診断支援（CAD：Computer aided diagnosis）システムがある。このCADシステムの流れを以下に説明する。
▲１▼ まず、原画像に適応リングフィルタを利用して円形凸領域を強調する。
▲２▼ 次に、フィルタ出力値の極大点を抽出し、大きいものからいくつか（例えば、７個）を腫瘤候補点として抽出する。
▲３▼ 腫瘤候補点から、腫瘤候補領域を抽出するために、アイリスフィルタとＳｎａｋｅｓ法を適用する。アイリスフィルタは、適用リングフィルタと同様に集中性を評価するものであるが、注目点を中心に１６方向の半直線をもち、半直線上の集中度の平均の最大値をフィルタ出力とする。従って、注目点が円形凸領域の輪郭点に一致する。
次に、Ｓｎａｋｅｓ法によって、候補領域の輪郭に最も近い輪郭線を求める。Ｓｎａｋｅｓ法は、エネルギー最小化原理に基づいた最適解としての輪郭を抽出する方法であり、ここではＳｎａｋｅｓエネルギーとしてアイリスフィルタの出力を用いる。Ｓｎａｋｅｓのアルゴリズムによる候補領域決定の詳細は、非特許文献３に述べられている。
▲４▼ さらに、決定された各候補領域から特徴量を算出して、マハラノビス距離に基づいて、候補領域を悪性腫瘤影と良性腫瘤の２クラスに判別する。
このように、形状抽出結果に基づいて腫瘤が悪性腫瘤であるか良性腫瘤であるかを判別するものがある（例えば、非特許文献４参照）。
【００１６】
【特許文献１】
特開平８−２９４４７９号公報
【００１７】
【特許文献２】
特開平９−１６７２３８号公報
【００１８】
【特許文献３】
特開２００２−７４３２５号公報
【００１９】
【非特許文献１】
魏 軍、荻原 義裕、清水 明伸、小畑 秀文、“こう配ベクトルの点集中性フィルタの特性解析”、電子情報通信学会論文誌（D-II） Vol.J84-D-IINo.7，pp.1289-1298，2001．
【００２０】
【非特許文献２】
魏 軍、荻原 義裕、小畑 秀文、“がん陰影候補抽出のための勾配ベクトル集中フィルタ”、電子情報通信学会論文誌（D-II） Vol.J83-D-II No.1，pp.118-125，Jan．2000．
【００２１】
【非特許文献３】
H.Kobata,M.Murakami,et al,”Computerized detection of malignant tumors on digital mammograms,”IEEE Trans on Med，Imag，Vol．18，No.５，pp.369-378，1999．
【００２２】
【非特許文献４】
古屋早知子、魏 軍、荻原 義裕、清水 明伸、小畑 秀文、縄野 繁、“準最適特徴量組み合わせによる乳房Ｘ線像上の腫瘤影判別性能向上”、電子情報通信学会 Vol.100 No.434，pp.93-100，2001．
【００２３】
【発明が解決しようとする課題】
上述のように腫瘤の形状抽出をするために様々な手法が提案されているが、これらの手法は、脂肪上に存在する腫瘤のように辺縁がはっきりしているものに対しては有効であるが、乳腺上に存在する腫瘤のように辺縁がはっきりしないものについては形状の抽出が困難である。
【００２４】
また、悪性腫瘤影であるか良性腫瘤影であるかの判別をする場合においても、乳腺上に存在する腫瘤の場合には、形状抽出結果に依存した特徴量を用いて判別するよりは、左右乳房や他方乳房間における同一個所の濃度差や乳腺マップの形状差、スピキュラに着目した特徴量等を用いて判定するほうが望ましいと考えられる。
【００２５】
そこで、本発明はこの課題に鑑みて、脂肪上に存在する腫瘤のように形状抽出が背景から明確に抽出できるものであるか、乳腺上に存在する腫瘤のように形状抽出が困難なものであるかにより形状抽出結果の確からしさを出力し、形状抽出結果の確からしさに基づいて悪性腫瘤であるか良性腫瘤であるか等の判別を行うための特徴量を選択して判別を行う形状抽出装置を提供することを目的とするものである。
【００２６】
【課題を解決するための手段】
本発明の異常陰影形状抽出装置は、医用画像データから異常陰影の候補点を検出する候補点検出手段を有し、該候補点検出手段で検出した前記異常陰影の候補点から拡がる異常陰影の形状を抽出する形状抽出装置において、
前記医用画像データに基づき、前記異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出するエネルギー算出手段と、
前記異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し、前記エネルギー算出手段で前記第１の閉曲線上の画像エネルギーを算出して、前記第１の閉曲線上の画像エネルギーの総和が最小となるように該第１の閉曲線を収縮させる収縮手段と、
前記異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、前記エネルギー算出手段で前記第２の閉曲線上の画像エネルギーを算出して、前記第２の閉曲線上の画像エネルギーの総和が最小となるように該第２の閉曲線を膨張させる膨張手段とを有し、
前記第１の閉曲線と前記第２の閉曲線とが交差した部分において、前記第１の閉曲線および前記第２の閉曲線の少なくともいずれか一方が前記異常陰影の輪郭に収束したものと判定する収束判定手段を備えたことを特徴とするものである。
【００２７】
ここで「異常陰影」とは、例えば医療用のＸ線画像やマンモグラム等においては、血管等の正常な陰影では認められない、腫瘍、腫瘤、癌等種々の症状を示す陰影をいい、乳房や乳腺上や胸部等の様々な部位で観察されるものである。また、真の異常陰影のみならず、異常陰影であるか否かが明確でなく最終的には読影者による判断が必要な異常陰影に類似した陰影をも含む意味である。
【００２８】
「異常陰影の候補点」は、候補点の周辺に異常陰影の候補領域が拡がっていると想定される点である。一般に医用画像の異常陰影は中心方向に集中する濃度値の勾配が認められるが、この勾配ベクトルの集中度を用いて異常陰影の候補であるか否かを評価することができ、この勾配の集中度が大きくなるところを候補点として採用することができる。例えば、適用リングフィルタ等の出力値から勾配の集中度が大きくなるところ候補点として検出をする。あるいは、適応リングフィルタの他にアイリスフィルタ等を用いて検出してもよい。
【００２９】
「画像エネルギー」とは、画像データの濃度や輝度等の画像情報に基づいて定義されるエネルギーで、「異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギー」とは、Ｓｎａｋｅｓ法（エネルギー最小化原理の最適解として形状を抽出する方法）を用いて異常陰影の輪郭の抽出をするための画像エネルギーで、具体的には、濃度の勾配ベクトルの集中度を評価するフィルタ（適応リングフィルタ、アイリスフィルタ等）の出力や、画像データの一次微分の結果等を用いることができる。
【００３０】
「異常陰影の外側に該異常陰影を囲む第１の閉曲線」は、異常陰影の候補領域の外側に候補領域を囲むように設定した閉曲線で、第１の閉曲線を収縮していく方向に異常陰影の輪郭が存在すると想定される閉曲線である。また、異常陰影の形状によっては、第１の閉曲線の一部が、異常陰影の候補領域の内側に存在する場合も含むものである。
【００３１】
また、「画像エネルギーの総和が最小となるように該第１の閉曲線を収縮する」とは、第１の閉曲線の画像エネルギーの総和が最小値に収束するように、変分法、動的計画（ＤＰ）法、直接計算法（グリーディ・アルゴリズム）等の計算手法を用いて、画像エネルギーの総和が小さくなるように第１の閉曲線を異常陰影の候補領域の外側から輪郭の方に収縮していくことである。
【００３２】
「異常陰影の内側に前記候補点を囲む第２の閉曲線」は、異常陰影の候補領域内に、候補点の近傍に候補点を囲むように設定した閉曲線で、この閉曲線を膨張していく方向に異常陰影の輪郭が存在すると想定される閉曲線である。また、異常陰影の形状によっては、第２の閉曲線の一部が、異常陰影の候補領域の外側に存在する場合も含むものである。
【００３３】
また、「画像エネルギーの総和が最小となるように該第２の閉曲線を膨張する」とは、第２の閉曲線の画像エネルギーの総和が最小値に収束するように、変分法、動的計画法、直接計算法等の計算手法を用いて、画像エネルギーの総和が小さくなるように第２の閉曲線を異常陰影内にある候補点から輪郭の方に膨張していくことである。
【００３４】
「前記第１の閉曲線と前記第２の閉曲線とが交差した部分において」とは、第１の閉曲線と前記第２の閉曲線とを画像エネルギーが最小値に収束するように膨張・収縮させ、それぞれの閉曲線が最小値に収束せずに一部が交差することを指すものある。
【００３５】
また、本発明の他の異常陰影形状抽出装置は、医用画像データから異常陰影の候補点を検出する候補点検出手段を有し、該候補点検出手段で検出した前記異常陰影の候補点から拡がる異常陰影の形状を抽出する異常陰影形状抽出装置において、
前記医用画像データに基づき、前記異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出するエネルギー算出手段と、
前記異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し、前記エネルギー算出手段で第１の閉曲線上の画像エネルギーを算出して、該画像エネルギーの総和が小さくなるように該第１の閉曲線を収縮させる収縮手段を有し、第１の閉曲線上の画像エネルギーの総和が最小値に収束した位置において第１の閉曲線が前記異常陰影の輪郭に収束したものと判定して輪郭を抽出する第１の輪郭抽出手段と、
前記異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、前記エネルギー算出手段で第２の閉曲線上の画像エネルギーを算出して、該画像エネルギーの総和が小さくなるように該第２の閉曲線を膨張させる膨張手段を有し、第２の閉曲線上の画像エネルギーの総和が最小値に収束した位置において第２の閉曲線が前記異常陰影の輪郭に収束したものと判定して輪郭を抽出する第２の輪郭抽出手段と、
前記第１の閉曲線と前記第２の閉曲線とが交差した部分において、前記第１の閉曲線および前記第２の閉曲線の少なくともいずれか一方が前記異常陰影の輪郭に収束したものと判定する収束判定手段を備えたことを特徴とするものである。
【００３６】
「第１の輪郭抽出手段」は、第１の閉曲線を膨張して、第１の閉曲線の画像エネルギーの総和が最小値に収束した場合には、その位置で第１の閉曲線が異常陰影の輪郭に略一致したものとして輪郭を抽出するものである。
【００３７】
同様に、「第２の輪郭抽出手段」は、第２の閉曲線を膨張して、第２の閉曲線の画像エネルギーの総和が最小値に収束した場合には、その位置で第２の閉曲線が異常陰影の輪郭に略一致したものとして輪郭を抽出するものである。
【００３８】
前記エネルギー算出手段は、前記医用画像データの濃度の勾配の集中度を表すアイリスフィルタの出力値を用いて前記画像エネルギーを算出するものであってもよい。
【００３９】
「アイリスフィルタの出力値」は、異常陰影領域の輪郭とその周辺部（つまり、異常陰影の辺縁）で大きくなるもので、このアイリスフィルタの出力値を用いることにより異常陰影の輪郭やその周辺部で低い値となるような画像エネルギーを算出することができる。
【００４０】
あるいは、前記エネルギー算出手段は、前記医用画像データの各画素における濃度を前記閉曲線を横切る方向に一次微分した値を用いて前記画像エネルギーを算出するものであってもよい。
【００４１】
「画素における濃度を前記閉曲線を横切る方向に一次微分した値」は、画素の濃度が変化しないところでは略０となるが、異常陰影領域の辺縁のように濃度等の信号値が大きく変化するところで大きい値をとる。この値を用いることで異常陰影の辺縁で低い値となるような画像エネルギーを算出することが可能である。
【００４２】
また、前記収束判定手段により収束したものと判定した輪郭の信頼度を、収縮後の前記第１の閉曲線と膨張後の前記第２の閉曲線とが一致する度合に基づいて算出する信頼度算出手段を備えたものでもよい。
【００４３】
「前記第１の閉曲線と前記第２の閉曲線とが一致する度合」は、第１の閉曲線と第２の閉曲線の交差した回数やその位置等から、２つの閉曲線がどの程度一致するかを表すものである。
【００４４】
つまり、第１の閉曲線を収縮していったものと第２の閉曲線を膨張していったものが略一致する場合は、異常陰影の輪郭に略収束したものと考えられる。しかし、第１の閉曲線か第２の閉曲線かのどちらかが、背景画像やノイズ等の外部要因により画像エネルギーの総和が異常陰影の輪郭に収束しないで、他の要因による極小値で収束した場合には２つの閉曲線が一致せず、抽出された異常陰影の形状の信頼度は低いと考えられる。そこで、２つの閉曲線が一致する場合には信頼度が高い値をとるようにし、一致しない場合には信頼度が低い値をとるように算出する。具体的には、２つの閉曲線が一致する場合には信頼度を１とし、一致しない場合には1より低い値となるようにする。
【００４５】
また、形状抽出の信頼度が低い場合には、形状抽出に依存した特徴量を用いた異常陰影の悪性度および良性度の判別の信頼度は低いものと思われ、前記信頼度算出手段で算出した信頼度に基づいて、前記異常陰影の悪性度および良性度を判別するための特徴量の種類を選択して、選択された種類の特徴量の値に基づいて異常陰影の悪性度および良性度を判定する異常陰影判定手段を備える方が望ましい。
【００４６】
「悪性度および良性度を判別するための指標値」は、例えば、異常陰影の候補領域の濃度のヒストグラムから得られる特徴量（例えば、平均値、標準偏差、コントラスト、歪度、尖度、エネルギー、エントロピー等）等であり、抽出した異常陰影の輪郭の信頼度が高ければ、異常陰影の候補領域の濃度のヒストグラムから得られる特徴量による悪性度および良性度の判別結果の信頼度も高いと考えられるが、輪郭の信頼度が低ければ得られる判別結果の信頼度も低いと考えられる。
【００４７】
異常陰影候補領域を悪性度や良性度を判別する手法としては、個々の特徴量の分布の中心からの距離を表すマハラノビス距離（Mahalanobis distance）等を用いて判別することができ、マハラノビス距離の他に、この距離の概念を表す関数（距離関数）として、ユークリッド距離、市街地距離、チェス盤距離、ミンコフスキー（Minkowski）距離などを用いることも可能である。あるいは、ニューロネットワークで特徴量を学習用データとして、入力された画像データが悪性であるか或いは良性であるかに従って予め学習させて判別するようにしてもよい。
【００４８】
【発明の効果】
本発明の異常陰影形状抽出装置は、医用画像データから異常陰影の候補点を検出して、異常陰影の外側に異常陰影を囲む第１の閉曲線上の画像エネルギーの総和が最小となるように第１の閉曲線を収縮し、異常陰影の内側に候補点を囲む第２の閉曲線上の画像エネルギーの総和が最小となるように第２の閉曲線を膨張したとき、第１の閉曲線と第２の閉曲線とが交差した位置において、前記第１の閉曲線および前記第２の閉曲線が異常陰影の輪郭に収束したと判定するようにしたものであるので、異常陰影領域を背景領域から分離することが困難な場合にも輪郭を概略抽出することができる。
【００４９】
また、本発明の他の異常陰影形状抽出装置は、異常陰影の外側に異常陰影を囲む第１の閉曲線上の画像エネルギーの総和が最小となるように第１の閉曲線を収縮し、異常陰影の内側に候補点を囲む第２の閉曲線上の画像エネルギーの総和が最小となるように第２の閉曲線を膨張する。そこで、第１の閉曲線の画像エネルギーの総和が最小に収束した場合は第１の閉曲線が輪郭に収束したものとし、第２の閉曲線の画像エネルギーの総和が最小に収束した場合は第２の閉曲線が輪郭に収束したものとし、第２の閉曲線と第２の閉曲線とが交差した場合には、前記第１の閉曲線か前記第２の閉曲線が収束したものと判定するようにしたものであるから、異常陰影領域が背景領域から明確に分離可能な場合には輪郭を抽出し、背景領域から分離が困難な場合には輪郭を概略抽出することができる。
【００５０】
また、エネルギー算出手段は、医用画像データに対してアイリスフィルタからの出力値や、医用画像データの濃度を一次微分した値を用いて、異常陰影の輪郭を強調した画像エネルギーを算出して形状の抽出を行うことができる。
【００５１】
第１の閉曲線と第２の閉曲線とが一致する度合から抽出した形状の信頼度を算出することにより、異常陰影の悪性度や良性度を判定する際に形状に依存する特徴量で判断するか、形状に依存しない特徴量で判断するかにより、悪性度や良性度の判定を正確に行うことができる。
【００５２】
また、異常陰影の悪性度および良性度を判別するための指標値に信頼度を加味することにより、異常陰影の悪性度や良性度をより正確に判定することができる。
【００５３】
【発明の実施の形態】
以下、本発明の異常陰影形状抽出装置について、図面を参照して詳細に説明する。図１は、第1の実施の形態の異常陰影形状抽出装置１の概要を示す図である。図１に示すように、この異常陰影形状抽出装１は、画像読取装置等から入力された医用画像データ１００をメモリ上記憶し異常陰影の候補点を検出する候補点検出手段１０と、医用画像データ１００から異常陰影の形状を抽出する形状抽出手段２０とから概略構成される。
【００５４】
形状抽出手段２０には、医用画像データ１００から異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出するエネルギー算出手段２１と、異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し第１の閉曲線上の画像エネルギーの総和が最小になるように第１の閉曲線を収縮させて輪郭を抽出する第１の輪郭抽出手段２２と、異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、第２の閉曲線上の画像エネルギーの総和が最小になるように第２の閉曲線を膨張させて輪郭を抽出する第２の輪郭抽出手段２３と、前記第１の閉曲線と前記第２の閉曲線とが交差した位置で、前記第１の閉曲線および前記第２の閉曲線が収束したものと判定する収束判定手段２４とを備える。
【００５５】
さらに、形状抽出手段２０で抽出した形状の信頼度を算出する信頼度算出手段３０と、異常陰影の悪性度および良性度を判別するための指標値に信頼度を加味して、異常陰影の悪性度および良性度を判別する異常陰影判定手段４０を備えるようにしてもよい。
【００５６】
また、医用画像データ１００は通信部からネットワークを介して送信されたものや、ハードディスク等の記憶装置に記憶されているものをメモリ上に読み込むようにしてもよい。
【００５７】
候補点検出手段１０は、医用画像データ１００から勾配ベクトルの集中度を算出し、集中度の高いところを腫瘤候補点として検出するものである。具体的には、医用画像データ１００から適応リングフィルタの出力値（式（６）参照）が極大になる画素を極大点として抽出し、極大点のうち集中度の大きいものからいくつかを腫瘤候補点とする。あるいは、極大点の集中度が一定の閾値を越えたもの腫瘤候補点としてもよい。
【００５８】
形状抽出手段２０は、エネルギー最小化原理に基づいた最適解としての輪郭を抽出するＳｎａｋｅｓ法を適用して候補領域の輪郭を抽出するものである。
【００５９】
ここで、Ｓｎａｋｅｓの動作原理を図２を用いて説明する。Ｓｎａｋｅｓとは、画像内に仮想的に置かれた輪ゴムのような物理的な性質が与えられた曲線ｖ（ｓ）で、対象とする画像データの特徴量等から得られる画像エネルギーにおいて、Ｓｎａｋｅｓ上の画像エネルギーの総和が極小状態で安定するように動かしていくことで形状の輪郭を抽出するものである。
【００６０】
Ｓｎａｋｅｓ法では、まず対象となる画像データから抽出する形状の輪郭上で極小値をとるように画像エネルギーを定義する。そこで、目的とする形状の輪郭の近傍にＳｎａｋｅｓの初期位置を設定し、Ｓｎａｋｅｓ上の画像エネルギーの総和が最小になるようにＳｎａｋｅｓを動かして目的とする形状を抽出する。図２では、Ｓｎａｋｅｓを閉曲線ｖ（ｓ）として与え、閉曲線ｖ（ｓ）を徐々に収縮させて、斜線部の抽出する領域の輪郭に閉曲線ｖ（ｓ）が近づいていく様子を表したものである。以下、Ｓｎａｋｅｓを閉曲線ｖ（ｓ）として与えた場合について説明する。
【００６１】
Ｓｎａｋｅｓの動作決定するＳｎａｋｅｓ上の画像エネルギーの総和Ｅは一般に式（８）で与えられる。
【数７】
【００６２】
また、ＥintはＳｎａｋｅｓの内部エネルギーで、Ｅimageが画像の特徴量である濃淡に依存する画像濃淡エネルギーで、Ｅconは外部拘束力による外部エネルギーである。
【００６３】
（１） 内部エネルギーＥint
内部エネルギーＥintは、Ｓｎａｋｅｓ自身の長さｖｓと、曲率ｖｓｓの自乗の重みつき線形和で定義され式（１０）で与えられる。
【数８】
【００６４】
（２） 画像濃淡エネルギーＥimage
画像エネルギーＥimageは、画像データの濃淡に基づいて目的とする形状の近傍で極小となるように定義されるエネルギーで、例えば、画像の濃度や濃度勾配などの画像の特徴量で定義する。あるいは、これらの線形和で定義してもよい。
【００６５】
（３）外拘エネルギーＥcon
外拘エネルギーＥconは意図的に与えられ、抽出した形状や元の画像そのものに適当な特徴が仮定できる場合には、その特徴量に見合った拘束力を与えてＳｎａｋｅｓの振る舞いや質を変えることができるものである。Ｓｎａｋｅｓ法では、設定したＳｎａｋｅｓ（つまり、閉曲線ｖ（ｓ））の初期位置から最も近いところで画像エネルギーの総和Ｅが極小となる位置に収束するため、背景画像やノイズ等の外部要因により画像エネルギーの総和Ｅが極小値になるところが存在すると、注目する形状の輪郭に達するよりも手前で収束する場合がある。このような場合、適切な外部拘束力Ｅconを与えることで良好な結果を得るように調整することができる。
【００６６】
次に、画像エネルギーの総和Ｅを算出する具体的な計算手法について説明する。まず、画像エネルギーの総和Ｅを計算するためにＳｎａｋｅｓの曲線を離散化して取り扱う。つまり、連続した曲線として扱うのではなく、図３に示すように、閉曲線上に複数のノードiを設け複数のノード集合として曲線を扱う。そこで、式（８）を離散化すると下式（１１）のように表される。
【数９】
【００６７】
画像エネルギーの総和Ｅの最小値を求める具体的な計算手法としては、変分法、動的計画（ＤＰ）法、直接計算法（Ｇｒｅｅｄｙアルゴリズム）等を用いることができる。Ｇｒｅｅｄｙアルゴリズムの詳細は、Donna J.Williams他,“A Fast Algorithm for Active Contours and Curvature Estimation VGIP：Image Understanding，Vol.55,No.1,pp14-26,1991,１”に詳細に述べられている。
【００６８】
また、エネルギーの総和Ｅが最小値に収束しない場合には、指定されて計算回数を超えた場合に終了判定をするようにしてもよい。
【００６９】
以上説明したＳｎａｋｅｓ法で異常陰影の候補領域の輪郭を抽出するために、エネルギー算出手段２１では、医用画像データ１００から異常陰影の輪郭およびその輪郭の周辺部で低い値となるような画像エネルギーＥを設定する。
【００７０】
まず、Ｅintは前述の（１０）と同様にして与える。
次に、画像濃淡エネルギーＥimageは、医用画像データ１００に対してアイリスフィルタ処理を施したアイリスフィルタの出力Ｃ（式（４）参照）を利用して式（１２）で与えることができる。
【数１０】
【数１１】
【００７１】
さらに、医用画像データ１００をガウス関数でぼかした濃淡画像を用いて、画像濃淡エネルギーＥimageを求めることで、背景領域上のノイズや外部要因によって白く抜けたようなところで画像エネルギーが極小値となりＳｎａｋｅｓが止まってしまわないようにすることもできる。
【００７２】
ここでは、外部拘束力Ｅconにて考慮せず、画像エネルギーの総和Ｅが式（１４）で与えられる場合について以下説明する。
【数１２】
【００７３】
第１の閉曲線を設定手段２２１は、図６(a)に示すように、異常陰影の外側となるように、候補点検出手段１０で検出した候補点Ｐを用いて第１の閉曲線ｖ１を設定する。具体的には、腫瘤の最大サイズが８０ｍｍであると想定される場合には、候補点Ｐから半径８０ｍｍの円として第１の閉曲線ｖ１の初期位置を設定し、その円上に均等間隔となるようにノードｉ１を設定する。例えば、１００μｍの画像の場合、１/１６に縮小した画像で５０画素の半径を持つ１２０点のノードｉ１を設定するのが望ましい。
【００７４】
収縮手段２２２では、エネルギー算出手段２１の(１４)式に基づいて、で第１の閉曲線ｖ１の画像エネルギーの総和Ｅ１を求める。
【数１３】
【００７５】
第２の輪郭抽出手段２３は、異常陰影の内側に異常陰影を囲む第２の閉曲線を設定する第２の閉曲線設定手段２３１と、エネルギー算出手段２１で第２の閉曲線ｖ２の画像エネルギーの総和Ｅ２を求め、第２の閉曲線上の画像エネルギーの総和Ｅ２が最小になるように第２の閉曲線を膨張させる膨張手段２３２を備え、第２の閉曲線が最小値に収束した場合は、その位置で第２の閉曲線が異常陰影の輪郭に収束したものと判定するものである。
【００７６】
第２の閉曲線設定手段２３１は、図６（ｂ）に示すように、候補点検出手段１０で検出した候補点Ｐを用いて異常陰影の内側になるように第２の閉曲線ｖ２を設定する。例えば、候補点Ｐから半径２ｍｍの円として第２の閉曲線の初期位置を設定し、その円上に均等間隔となるようにノードｉ２を設定する。
【００７７】
膨張手段２３２では、エネルギー算出手段２１の(１４)式に基づいて、で第２の閉曲線ｖ２の画像エネルギーの総和Ｅ２を求める。
【数１４】
【００７８】
収束判定手段２４は、収縮手段２２２で縮小して行った第１の閉曲線ｖ１と拡大手段２５で拡大していった第２の閉曲線ｖ２とが最小値に収束しないで交差した場合は、交差した位置で収束したものと判定し、その位置で第１の閉曲線ｖ１または第２の閉曲線ｖ２あるいはその近傍に輪郭が存在するものと想定するものである。
【００７９】
脂肪上にある腫瘤のように異常陰影の形状が明確に認識できるものは、異常陰影の辺縁で画像エネルギーが明らかに低い値をとり、第１の閉曲線の画像エネルギーの総和Ｅ１が最小値となる位置か、第２の閉曲線の画像エネルギーの総和Ｅ２が最小値となる位置で輪郭が抽出される。しかしながら、乳腺上に存在する腫瘤のように形状がはっきりしない場合には、画像エネルギーが最小値になる位置が明確に現れず、背景画像やノイズ等の外部要因により閉曲線の一部がローカルな極小値に収束して２つの閉曲線が一致しなくなり、図７(a)に示すように一部で交差が発生する場合がある。つまり、第１の閉曲線ｖ１または第２の閉曲線ｖ２が輪郭に収束した場合や、第１の閉曲線ｖ１の一部と第２の閉曲線ｖ２の一部が輪郭に収束している場合等が考えられる。
【００８０】
そこで、その交差が発生した時点で、第１の閉曲線ｖ１と第２の閉曲線ｖ２またはその近傍に輪郭が存在するものと判定する。第１の閉曲線ｖ１と第２の閉曲線ｖ２が交差したか否かの判定は、例えば、図７（ｂ）に示すように、各閉曲線ｖ１、ｖ２を、ノード間を直線で結んだ多角形で近似して第１の閉曲線ｖ１と第２の閉曲線ｖ２との交差を判定する。
【００８１】
さらに、信頼度算出手段３０では、第１の閉曲線ｖ１と第２の閉曲線ｖ２が収束した結果から信頼度を求める。第１の閉曲線ｖ１と第２の閉曲線ｖ２に交差が発生せず収束した場合や、交差が発生した場合であっても、図８（ａ）に示すように第１の閉曲線ｖ１と第２の閉曲線ｖ２が略同じ位置で収束した場合には、抽出した異常陰影の輪郭の信頼度は高いと考えられる。一方、乳腺上にある腫瘤の異常陰影のように形状がはっきりしない場合には、図８（ｂ）に示すように２つの閉曲線に交差が多数発生し、その信頼度は低いと考えられる。
【００８２】
そこで、２つの閉曲線がどの程度一致しているかによって信頼度を算出し、一致する度合いが高い場合には信頼度を１に近い値とし、一致する度合いが低い場合には信頼度が低い値となるようにする。例えば、信頼度Ｂは、第１の閉曲線ｖ１上のノードと第２の閉曲線ｖ２上のノードが交差した回数から式（１７）で求める。
【数１５】
【００８３】
異常陰影判定手段４０は、異常陰影の悪性度および良性度を判定する。このとき、信頼度算出手段３０で求めた抽出した形状の信頼度Ｂが高い場合には、抽出した形状に依存する特徴量（異常陰影の領域内外の濃度差、コントラスト、濃度のヒストグラムの分離度、抽出した形状の円形度等）を指標値とし、特許文献２や特許文献３と同様にマハラビノス距離等の分析手法を用いて、異常陰影の悪性度および良性度の判定をする。
【００８４】
一方、形状の信頼度Ｂが低い場合には、形状抽出に依存しない特徴量（左右乳房や他方乳房間における同一個所の濃度差や乳腺マップの形状差、スピキュラ線形状等）を指標値とし、マハラビノス距離等を用いて、異常陰影の悪性度および良性度の判定をする。
【００８５】
さらに、信頼度Ｂによって特徴量を分けるのではなく、信頼度Ｂを特徴量に加えてマハラビノス距離等の分析手法を用いて、異常陰影の悪性度および良性度の判定をしてもよい。
【００８６】
分析手法には、マハラノビス距離の他に、ユークリッド距離、市街地距離、チェス盤距離、ミンコフスキー（Minkowski）距離等の距離の概念を表す関数（距離関数）を用いることも可能である。あるいは、ニューロネットワークで特徴量を学習用データとして予め学習させておき、入力された画像データが悪性であるか或いは良性であるかに従って予め学習させて判定するようにしてもよい。
【００８７】
次に、図９フローチャートに基づいて、異常陰影形状抽出装置１の処理の流れについて説明する。
【００８８】
まず、候補点検出手段１０で候補点Ｐを検出する（Ｓ１）。そこで、第１の閉曲線設定手段２２１で候補点Ｐを中心として異常陰影を囲む第１の閉曲線ｖ１を設定し（Ｓ２）、その閉曲線ｖ１上にノードi１を設定し、第１の閉曲線ｖ１を離散化して第１の閉曲線ｖ１の上の画像エネルギーの総和Ｅ１を求める（Ｓ３）。同様に、第２の閉曲線設定手段２３１で候補点Ｐを中心として異常陰影の内側に第２の閉曲線ｖ２を設定し（Ｓ４）、その閉曲線ｖ２上にノードi２を設定し、第２の閉曲線ｖ２を離散化して第２の閉曲線ｖ２の上の画像エネルギーの総和Ｅ２を求める（Ｓ５）。
【００８９】
次に、収縮手段２２２で第１の閉曲線ｖ１上のノードi１に隣接する画素に移動させて（Ｓ６）、画像エネルギーの総和Ｅ１を計算し（Ｓ７）、画像エネルギーの総和Ｅ１が最小となる位置へ少しずつ各ノードi１を移動させる。第１の閉曲線ｖ１上の画像エネルギーの総和Ｅ１が最小値に収束しているか否かを判定し（Ｓ８）、最小値に収束した場合には形状抽出が終了したものとして、第１の輪郭抽出手段２２で第１の閉曲線を異常陰影の輪郭として抽出する（Ｓ９）。同様に、膨張手段２３２で第２の閉曲線ｖ２についても、画像エネルギーの総和Ｅ２が最小となるように各ノードi２を移動させ、第２の輪郭抽出手段２３で画像エネルギーの総和Ｅ２が最小値に収束した位置で、第２の閉曲線ｖ２を異常陰影の輪郭として抽出する（Ｓ１０〜Ｓ１３）。
【００９０】
最小値に収束しない場合は、収束判定手段２４で第１の閉曲線ｖ１と第２の閉曲線ｖ２が交差するか判定する（Ｓ１４）。交差した場合には（Ｓ１５）、収束したものと判定し形状抽出を終了する（Ｓ１６）。交差しない場合には、再度、Ｓ６からＳ１５間の処理を繰り返し、第１の閉曲線ｖ１か第２の閉曲線ｖ２がいずれかの条件で収束するまで繰り返す。交差して収束した場合には、信頼度算出手段３０で交差した回数等から信頼度を算出する（Ｓ１７）。第１の閉曲線か第２の閉曲線が最小値に収束して終了した場合には、信頼度＝１とする（Ｓ１８，Ｓ１９）。
【００９１】
さらに、異常陰影判定手段４０では、信頼度が高い場合には、抽出した形状に依存した特徴量を用いて腫瘤の悪性度と良性度を判断し、信頼度が低い場合にはと信頼度を形状に依存しない特徴量を用いて悪性度と良性度算出する（Ｓ２０）。
【００９２】
以上、詳細に説明したように、乳腺上にある腫瘤のように形状のはっきりしない腫瘤であっても形状を概略抽出することが可能になり、さらに、抽出した形状の信頼度に基づいて、形状の信頼度に応じた特徴量で腫瘤の悪性度・良性度を判定することができる。
【００９３】
次に、第２の実施の形態の異常陰影形状抽出装置について説明する。本実施の形態では、画像エネルギーに外部エネルギーを与える場合について説明する。前述の実施の形態と同じものには同一符号を振って詳細な説明は省略し、相違するものについてのみ詳細に説明する。
【００９４】
本実施の形態の異常陰影形状抽出装置１ａの概要を示す図である。図１０に示すように、この異常陰影形状抽出装１は、画像読取装置等から入力された医用画像データ１００をメモリ上記憶し異常陰影の候補点を検出する候補点検出手段１０と、医用画像データ１００から異常陰影の形状を抽出する形状抽出手段２０aとから概略構成される。
【００９５】
形状抽出手段２０aには、医用画像データ１００から異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出し、その値に外部値にエネルギーを加えたエネルギー算出手段２１ａと、異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し第１の閉曲線上の画像エネルギーの総和が最小になるように第１の閉曲線を収縮させて輪郭を抽出する第１の輪郭抽出手段２２aと、異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、第２の閉曲線上の画像エネルギーの総和が最小になるように第２の閉曲線を膨張させて輪郭を抽出する第２の輪郭抽出手段２３aと、前記第１の閉曲線と前記第２の閉曲線とが交差した位置で、前記第１の閉曲線および前記第２の閉曲線が収束したものと判定する収束判定手段２６とを備える。
【００９６】
本実施の形態のエネルギーの算出手段２１ａでは、前述の実施の形態で与えられた式（１４）の画像エネルギーＥに、適切な位置で第１の閉曲線と第２の閉曲線が収束するように、第１の閉曲線の収縮と第２の閉曲線の拡張を制御するために外部エネルギーＥconを加えた式（１８）で与える。
【数１６】
【００９７】
具体例として、外部エネルギーＥconを以下に定義される式（１９）で与える。
【数１７】
【００９８】
そこで、閉曲線を収縮する第1の閉曲線の場合には、外部エネルギーＥconを以下の式で与える。
【数１８】
【数１９】
【数２０】
【数２１】
【００９９】
以上説明したように、外部エネルギーを適切に与えることで目的とする領域の内部や外部に不用な情報や複雑な情報あっても適切な位置で収束するように設定することができる。
【図面の簡単な説明】
【図１】第１の実施の形態の異常陰影形状抽出装置の構成図
【図２】Ｓｎａｋｅｓの原理を説明するための図
【図３】Ｓｎａｋｅｓを離散化して計算する方法を説明するための図
【図４】Ｓｎａｋｅｓを離散化して最小値に収束させる計算方法を説明するための図
【図５】円形凸領域の濃度に関する特徴量を表す図
【図６】第１の閉曲線と第２の閉曲線の初期位置の設定を説明する図
【図７】第１の閉曲線と第２の閉曲線の交差を説明する図
【図８】交差による信頼度の違いを説明する図
【図９】異常陰影形状抽出装置の処理を表すフローチャート
【図１０】第２の実施の形態の異常陰影形状抽出装置の構成図
【図１１】外部エネルギーを説明するための図
【図１２】勾配ベクトルを表す図
【図１３】勾配ベクトルの集中度を表す図
【図１４】アイリスフィルタを説明するための図
【図１５】アイリスフィルタのサポート領域の概念図
【図１６】適応リングフィルタのサポート領域の概念図
【符号の説明】
１、1a 異常陰影形状抽出装
１０ 候補点検出手段
２０、２０ａ 形状抽出手段
２１、２１ａ エネルギー算出手段
２２、２２ａ 第１の輪郭抽出手段
２３、２３ａ 第２の輪郭抽出手段
２４ 収束判定手段
１００ 医用画像データ
２２１ 第１の閉曲線設定手段
２２２、２２２ａ 収縮手段
２３１ 第２の閉曲線設定手段
２３２、２３２ａ 膨張手段
Claims (6)
- 医用画像データから異常陰影の候補点を検出する候補点検出手段を有し、該候補点検出手段で検出した前記異常陰影の候補点から拡がる異常陰影の形状を抽出する形状抽出装置において、
前記医用画像データに基づき、前記異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出するエネルギー算出手段と、
前記異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し、前記エネルギー算出手段で前記第１の閉曲線上の画像エネルギーを算出して、前記第１の閉曲線上の画像エネルギーの総和が最小となるように該第１の閉曲線を収縮させる収縮手段と、
前記異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、前記エネルギー算出手段で前記第２の閉曲線上の画像エネルギーを算出して、前記第２の閉曲線上の画像エネルギーの総和が最小となるように該第２の閉曲線を膨張させる膨張手段とを有し、
前記第１の閉曲線と前記第２の閉曲線とが交差した部分において、前記第１の閉曲線および前記第２の閉曲線の少なくともいずれか一方が前記異常陰影の輪郭に収束したものと判定する収束判定手段を備えたことを特徴とする異常陰影形状抽出装置。 - 医用画像データから異常陰影の候補点を検出する候補点検出手段を有し、該候補点検出手段で検出した前記異常陰影の候補点から拡がる異常陰影の形状を抽出する異常陰影形状抽出装置において、
前記医用画像データに基づき、前記異常陰影の輪郭および該輪郭の周辺部で低い値となるような画像エネルギーを算出するエネルギー算出手段と、
前記異常陰影の外側に該異常陰影を囲む第１の閉曲線を設定し、前記エネルギー算出手段で第１の閉曲線上の画像エネルギーを算出して、該画像エネルギーの総和が小さくなるように該第１の閉曲線を収縮させる収縮手段を有し、第１の閉曲線上の画像エネルギーの総和が最小値に収束した位置において第１の閉曲線が前記異常陰影の輪郭に収束したものと判定して輪郭を抽出する第１の輪郭抽出手段と、
前記異常陰影の内側に前記候補点を囲む第２の閉曲線を設定し、前記エネルギー算出手段で第２の閉曲線上の画像エネルギーを算出して、該画像エネルギーの総和が小さくなるように該第２の閉曲線を膨張させる膨張手段を有し、第２の閉曲線上の画像エネルギーの総和が最小値に収束した位置において第２の閉曲線が前記異常陰影の輪郭に収束したものと判定して輪郭を抽出する第２の輪郭抽出手段と、
前記第１の閉曲線と前記第２の閉曲線とが交差した部分において、前記第１の閉曲線および前記第２の閉曲線の少なくともいずれか一方が前記異常陰影の輪郭に収束したものと判定する収束判定手段を備えたことを特徴とする異常陰影形状抽出装置。 - 前記エネルギー算出手段が、
前記医用画像データの濃度の勾配の集中度を表すアイリスフィルタの出力値を用いて前記画像エネルギーを算出するものであることを特徴とする請求項１または２記載の異常陰影形状抽出装置。 - 前記エネルギー算出手段が、
前記医用画像データの各画素における濃度を前記閉曲線を横切る方向に一次微分した値を用いて前記画像エネルギーを算出するものであることを特徴とする請求項１または２記載の異常陰影形状抽出装置。 - 前記収束判定手段により収束したものと判定した輪郭の信頼度を、収縮後の前記第１の閉曲線と膨張後の前記第２の閉曲線とが一致する度合に基づいて算出する信頼度算出手段を備えたことを特徴とする請求項１から４いずれか記載の異常陰影形状抽出装置。
- 前記信頼度算出手段で算出した信頼度に基づいて、前記異常陰影の悪性度および良性度を判別するための特徴量の種類を選択して、選択された種類の特徴量の値に基づいて異常陰影の悪性度および良性度を判定する異常陰影判定手段を備えたことを特徴とする請求項５記載の異常陰影形状抽出装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002360830A JP2004187998A (ja) | 2002-12-12 | 2002-12-12 | 異常陰影形状抽出装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002360830A JP2004187998A (ja) | 2002-12-12 | 2002-12-12 | 異常陰影形状抽出装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004187998A true JP2004187998A (ja) | 2004-07-08 |
Family
ID=32759791
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002360830A Withdrawn JP2004187998A (ja) | 2002-12-12 | 2002-12-12 | 異常陰影形状抽出装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2004187998A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007307358A (ja) * | 2006-04-17 | 2007-11-29 | Fujifilm Corp | 画像処理方法および装置ならびにプログラム |
| JP2009502426A (ja) * | 2005-08-01 | 2009-01-29 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 医用画像ボリューム内の身体の抽出システムおよび方法 |
| JP2011180666A (ja) * | 2010-02-26 | 2011-09-15 | Fuji Xerox Co Ltd | 画像処理装置及び画像処理プログラム |
| JP2011209300A (ja) * | 2011-06-27 | 2011-10-20 | Kawasaki Heavy Ind Ltd | 材料組織観察装置 |
| JP2011239843A (ja) * | 2010-05-14 | 2011-12-01 | Olympus Corp | 画像処理装置、画像処理方法、および画像処理プログラム |
| JP2012045055A (ja) * | 2010-08-24 | 2012-03-08 | Olympus Corp | 画像処理装置、画像処理方法、および画像処理プログラム |
| JP2012045057A (ja) * | 2010-08-24 | 2012-03-08 | Olympus Corp | 画像処理装置、画像処理方法、および画像処理プログラム |
| JP2013020600A (ja) * | 2011-06-17 | 2013-01-31 | Denso Corp | 画像処理装置 |
| JP2014018413A (ja) * | 2012-07-18 | 2014-02-03 | Fujitsu Ltd | モデル作成プログラム、モデル作成方法、およびモデル作成装置 |
-
2002
- 2002-12-12 JP JP2002360830A patent/JP2004187998A/ja not_active Withdrawn
Cited By (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009502426A (ja) * | 2005-08-01 | 2009-01-29 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 医用画像ボリューム内の身体の抽出システムおよび方法 |
| JP4837036B2 (ja) * | 2005-08-01 | 2011-12-14 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | デジタル化された医用画像内の身体とは異なる構造物の識別方法およびコンピュータ可読プログラム記憶装置 |
| JP2007307358A (ja) * | 2006-04-17 | 2007-11-29 | Fujifilm Corp | 画像処理方法および装置ならびにプログラム |
| JP2011180666A (ja) * | 2010-02-26 | 2011-09-15 | Fuji Xerox Co Ltd | 画像処理装置及び画像処理プログラム |
| US8923635B2 (en) | 2010-02-26 | 2014-12-30 | Fuji Xerox Co., Ltd. | Image processing apparatus and image processing program |
| JP2011239843A (ja) * | 2010-05-14 | 2011-12-01 | Olympus Corp | 画像処理装置、画像処理方法、および画像処理プログラム |
| JP2012045055A (ja) * | 2010-08-24 | 2012-03-08 | Olympus Corp | 画像処理装置、画像処理方法、および画像処理プログラム |
| JP2012045057A (ja) * | 2010-08-24 | 2012-03-08 | Olympus Corp | 画像処理装置、画像処理方法、および画像処理プログラム |
| JP2013020600A (ja) * | 2011-06-17 | 2013-01-31 | Denso Corp | 画像処理装置 |
| JP2011209300A (ja) * | 2011-06-27 | 2011-10-20 | Kawasaki Heavy Ind Ltd | 材料組織観察装置 |
| JP2014018413A (ja) * | 2012-07-18 | 2014-02-03 | Fujitsu Ltd | モデル作成プログラム、モデル作成方法、およびモデル作成装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4184842B2 (ja) | 画像判別装置、方法およびプログラム | |
| JPH1156828A (ja) | 異常陰影候補検出方法および装置 | |
| JP5757724B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| US5615243A (en) | Identification of suspicious mass regions in mammograms | |
| JP2006325937A (ja) | 画像判定装置、画像判定方法およびそのプログラム | |
| JP2006006359A (ja) | 画像生成装置、画像生成装置方法、およびそのプログラム | |
| JP2006034585A (ja) | 画像表示装置、画像表示方法およびそのプログラム | |
| JP3678378B2 (ja) | 異常陰影候補の検出方法および装置 | |
| JPH1094538A (ja) | 異常陰影候補の検出方法および装置 | |
| CN113643279A (zh) | 基于ct影像的肺结节检测设备、装置及存储介质 | |
| Midya et al. | Computerized diagnosis of liver tumors from CT scans using a deep neural network approach | |
| JP2004187998A (ja) | 異常陰影形状抽出装置 | |
| JP2005034211A (ja) | 画像判別装置、方法およびプログラム | |
| JP2005253708A (ja) | 特徴量選択装置、異常陰影判別装置およびプログラム | |
| JP2004195080A (ja) | 異常陰影検出装置 | |
| JP2005198890A (ja) | 異常陰影判定方法、異常陰影判定装置およびそのプログラム | |
| Xu et al. | Novel Robust Automatic Brain-Tumor Detection and Segmentation Using Magnetic Resonance Imaging | |
| US20110235882A1 (en) | Methods, system and computer program product for detecting a protrusion | |
| JP2002074325A (ja) | 異常陰影候補検出方法および装置 | |
| Akkasaligar et al. | Analysis of polycystic kidney disease in medical ultrasound images | |
| JP2001008923A (ja) | 異常陰影の検出方法および検出装置 | |
| JP2004209059A (ja) | 異常陰影候補検出装置 | |
| JP2005224429A (ja) | 異常陰影判定装置およびそのプログラム | |
| JP2002133397A (ja) | 異常陰影候補検出装置 | |
| Oliveira et al. | Segmentation of kidney and renal collecting system on 3D computed tomography images |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20060307 |