JP2004517660A - 多重テンプレートマッチングを使用する肺小結節検出のためのプロセス、システムおよびコンピュータ読み取り可能な媒体 - Google Patents
多重テンプレートマッチングを使用する肺小結節検出のためのプロセス、システムおよびコンピュータ読み取り可能な媒体 Download PDFInfo
- Publication number
- JP2004517660A JP2004517660A JP2002545549A JP2002545549A JP2004517660A JP 2004517660 A JP2004517660 A JP 2004517660A JP 2002545549 A JP2002545549 A JP 2002545549A JP 2002545549 A JP2002545549 A JP 2002545549A JP 2004517660 A JP2004517660 A JP 2004517660A
- Authority
- JP
- Japan
- Prior art keywords
- templates
- template
- candidate
- comparing
- obtaining
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
【課題】多重テンプレートマッチングを使用する肺小結節検出のためのプロセス、システムおよびコンピュータ読み取り可能な媒体。
【解決手段】医用ディジタル画像の候補異常が真の異常であるかどうかを決定する方法、該方法を実現するシステム、および該方法を実現するプログラムステップを格納するコンピュータ読み取り可能な媒体。該方法は、候補異常を含む医用ディジタル画像を得ることと、予め定められた異常および予め定められた非異常にそれぞれ対応する複数の第１テンプレートおよび複数の第２テンプレートを得ることと、候補異常を得られた第１および第２テンプレートと比較して、候補異常と得られた第１および第２テンプレートの各々との間の相互相関値を導出することと、比較工程で導出された最大相互相関値を決定し、かつ最大相互相関値が候補異常を第１テンプレートまたは第２テンプレートのどちらと比較することによって得られたかを決定することと、最大相互相関値が候補異常を第１テンプレートと比較することによって生成された場合には候補異常を真の異常と決定し、最大相互相関値が候補異常を第２テンプレートと比較することによって生成された場合には候補異常を非異常と決定することとを含む。真の異常は同様に、悪性および良性異常に対応する追加テンプレートと比較することによって得られるさらなる相互相関値に基づいて、悪性または良性と分類される。
【解決手段】医用ディジタル画像の候補異常が真の異常であるかどうかを決定する方法、該方法を実現するシステム、および該方法を実現するプログラムステップを格納するコンピュータ読み取り可能な媒体。該方法は、候補異常を含む医用ディジタル画像を得ることと、予め定められた異常および予め定められた非異常にそれぞれ対応する複数の第１テンプレートおよび複数の第２テンプレートを得ることと、候補異常を得られた第１および第２テンプレートと比較して、候補異常と得られた第１および第２テンプレートの各々との間の相互相関値を導出することと、比較工程で導出された最大相互相関値を決定し、かつ最大相互相関値が候補異常を第１テンプレートまたは第２テンプレートのどちらと比較することによって得られたかを決定することと、最大相互相関値が候補異常を第１テンプレートと比較することによって生成された場合には候補異常を真の異常と決定し、最大相互相関値が候補異常を第２テンプレートと比較することによって生成された場合には候補異常を非異常と決定することとを含む。真の異常は同様に、悪性および良性異常に対応する追加テンプレートと比較することによって得られるさらなる相互相関値に基づいて、悪性または良性と分類される。
Description
【０００１】
（連邦政府の資金援助による研究に関する陳述）
本発明は部分的に、ＵＳＰＨＳ許諾番号ＣＡ６２６２５およびＣＡ６４３７０（国立衛生研究所）に基づく米国政府の支援により行なわれた。米国政府は当該発明に特定の権利を有する。
【０００２】
（発明の分野）
本発明は、医用画像における肺小結節の自動検出のためのプロセス、システム、およびコンピュータ読み取り可能な媒体に関する。
【０００３】
本発明はまた一般的に、例えば米国特許第４，８３９，８０７号、第４，８４１，５５５号、第４，８５１，９８４号、第４，８７５，１６５号、第４，９０７，１５６号、第４，９１８，５３４号、第５，０７２，３８４号、第５，１３３，０２０号、第５，１５０，２９２号、第５，２２４，１７７号、第５，２８９，３７４号、第５，３１９，５４９号、第５，３４３，３９０号、第５，３５９，５１３号、第５，４５２，３６７号、第５，４６３，５４８号、第５，４９１，６２７号、第５，５３７，４８５号、第５，５９８，４８１号、第５，６２２，１７１号、第５，６３８，４５８号、第５，６５７，３６２号、、第５，６６６，４３４号、第５，６７３，３３２号、第５，６６８，８８８号、第５，７４０，２６８号、第５，７９０，６９０号、第５，８３２，１０３号、第５，８７３，８２４号、第５，８８１，１２４号、第５，９３１，７８０号、第５，９７４，１６５号（ＰＣＴ公報ＷＯ９５／１５５３７）、第５，９８２，９１５号、第５，９８４，８７０号、第５，９８７，３４５号、第６，０１１，８６２号、第６，０５８，３２２号、第６，０６７，３７３号、第６，０７５，８７８号、第６，０７８，６８０号、第６，０８８，４７３号、第６，１１２，１１２号、第６，１３８，０４５号、および第６，１４１，４３７号に加えて、米国特許出願第０８／１７３，９３５号、第０８／９００，１８８号、第０８／９００，１８９号、第０８／９７９，６３９号、第０８／９８２，２８２号、第０９／０２７，４６８号、第０９／０２８，５１８号、第０９／０９２，００４号、第０９／１２１，７１９号、第０９／１４１，５３５号、第０９／２９８，８５２号、および第０９／４７１，０８８号、ならびに米国特許仮出願第６０／１０７，０９５号、第６０／１６０，７９０号、第６０／１７６，２９７号、第６０／１７６，３０４号、第６０／１８０，１６２号、第６０／１９３，０７２号、および第６０／２０７，４０１号の１つまたはそれ以上に開示されているようなディジタル画像の自動解析のためのコンピュータ化技術にも関する。これらの全ては引用文献としてここに組み込まれる。
【０００４】
本発明は、上記の米国特許および特許出願で参照され記載されているだけでなく、添付の付属書で著者および発行年によって識別されると共に明細書中で付属書に列記されたそれぞれの参考文献に対応する括弧内の太字の数字によって相互参照される参考文献にも記載されている、様々な技術の使用を含む。上記の関連特許および出願ならびに付属書に列記する文献を含め、それらの内容全体は引用文献としてここに組み込まれる。
【０００５】
（背景の説明）
放射線専門医は胸部放射線写真で肺小結節を陽性事例の３０％も検出し損なうことがあると報告されている［１、２］。放射線専門医によって見落とされた肺癌の多くは、振り返ってみると、実際には以前の放射線写真で見えていた［３］。したがって、シカゴ大学放射線医学部の発明者らおよび他の人々は、ディジタル胸部放射線写真における肺小結節の検出で放射線専門医を支援するためにコンピュータ支援診断（ＣＡＤ）方式を開発した［４〜９］。先在する方式の１つの問題は、自動化方式によって生じる比較的多数の偽陽性であり、それは小結節の検出に対するＣＡＤ方式の臨床応用における主要な障害を構成している。
【０００６】
（発明の概要）
したがって、本発明の目的は、小結節と誤って報告される偽陽性の数がそれによって低減されるＣＡＤプロセス、システム、およびコンピュータプログラム製品を提供することである。
【０００７】
これおよび他の目的は、本発明に従って、医用ディジタル画像における候補異常が真の異常であるかどうかを決定する新規の改善された方法、該方法を実現するシステム、および該方法を実現するプログラムステップを格納するコンピュータ読み取り可能な媒体を提供することによって達成される。該方法は、予め定められた異常および予め定められた非異常にそれぞれ対応する複数の第１テンプレートおよび複数の第２テンプレートを得ることと、候補異常を得られた第１および第２テンプレートと比較して、候補異常と得られた第１および第２テンプレートの各々との間の相互相関値を導出することと、比較工程で導出された最大相互相関値を決定し、該最大相互相関値が候補異常を第１テンプレートまたは第２テンプレートのどちらと比較することによって生成されるかを決定することと、最大相互相関値が候補異常を第１テンプレートと比較することによって生成される場合には、候補異常を真の異常であると決定し、最大相互相関値が候補異常を第２テンプレートと比較することによって生成される場合には、候補異常を非異常であると決定することとを含む。悪性および良性異常に対応する追加テンプレートとの比較によって得られるさらなる相互相関値に基づいて、真の異常が悪性かそれとも良性かが同様に決定される。
【０００８】
小結節は一般的に非小結節テンプレートより小結節テンプレートによく類似しており、かつ非小結節は小結節テンプレートより非小結節テンプレートによく類似しているので、候補小結節の各々に対して小結節テンプレートおよび非小結節テンプレートにより得られる最大相互相関値は、非小結節を小結節から区別するために使用される。したがって、小結節テンプレートによる小結節の最大相互相関値は一般的に、非小結節テンプレートによるものより大きく、逆もまた同じである。したがって、本発明では、得られる最大相互相関値が決定され、次いで、最大相互相関値が小結節テンプレートとの比較に基づいて得られる場合には、候補小結節は真の小結節であると決定され、最大相互相関値が非小結節テンプレートとの比較に基づいて得られる場合には、候補小結節は偽の小結節であると決定される。
【０００９】
本発明のＣＡＤプロセスを実現する研究が行なわれ、それによって、多重テンプレートマッチング技術の使用により、非常に少数の真の陽性（２．３％）の低減と共に、胸部放射線写真の多数の偽陽性（４４．３％）が除去された。加えて、多重テンプレートマッチング技術の使用により、ＣＴ画像における小結節の検出のための別のＣＡＤ方式で、同様の結果が得られた。したがって、本発明は、胸部放射線写真の小結節、乳房Ｘ線写真の塊および微小石灰化、ＣＴ画像の結節、結腸ポリープ、肝臓腫瘍、および動脈瘤に加えて、超音波および磁気共鳴画像での胸部病変を含め、医用画像における様々な病変の検出のための多くの様々なＣＡＤ方式の性能を改善するために適用可能であると考えられる。さらに、多重テンプレートマッチング技術は、良性病変と肺癌、乳癌、結腸癌、および胃癌などの悪性病変との区別のためのＣＡＤ方式の性能を改善するために、良性病変と悪性病変とを見分ける用途を有する。
【００１０】
本発明およびそれに伴う利点の多くについてのより完全な理解は、以下の詳細な説明を参考にして添付の図面に関連して考察したときにそれらをより深く理解するようになるので、容易に得られるであろう。
【００１１】
（好適な実施形態の説明）
方法および材料
胸部放射線写真に向けられた本発明の最初の開発で使用された胸部画像は、シカゴ大学病院放射線科で選択された１００枚の異常な背腹方向（ＰＡ）の胸部放射線写真で構成された［９］。全部で１２２個の小結節を２名の放射線専門医の合意に基づいて確認し、ＣＴスキャンまたは放射線写真による追跡調査によって検証した。小結節の直径は４ｍｍから２７ｍｍの範囲であった（平均１３ｍｍ）。コニカレーザフィルムスキャナによる胸部放射線写真のディジタル化によって、ディジタル画像を得た。原ディジタル画像は０．１７５ｍｍの画素サイズ、２０００×２０００のマトリックスサイズ、および１０ビットのグレーレベル範囲を有する。小結節は胸部画像で比較的大きいので、ディジタル画像のマトリックスサイズは４分の１に縮小した。したがって、最終画像は０．７ｍｍの画素サイズおよび５００×５００のマトリックスサイズを有した。上記の主データベースに加えて、補助データベース、日本標準ディジタル画像データベース［１０］を、小結節テンプレートの作成および多重テンプレートマッチング技術の訓練のためにのみ使用し、多重テンプレートマッチング技術による本ＣＡＤ方式の検証には使用しなかった。補助データベースは、日本放射線写真技術協会によって開発されたものであり、後で本書で説明する。
【００１２】
先在するＣＡＤ方式により、最初に我々のデータベース内の１００枚の胸部画像から１１６個の小結節および４８７５個の偽陽性を検出した。次いで規則に基づく分類技術を適用して偽陽性の数を低減し［９］、それにより８８個の小結節および３７７個の偽陽性を得た。多重テンプレートマッチング技術のために、最初に先在ＣＡＤ方式によって検出された１１６個の小結節および４８７５個の偽陽性を、それぞれ初期小結節テンプレートおよび初期非小結節テンプレートとして使用した。しかし、最終的に本ＣＡＤ方式によって報告された８８個の小結節および３７７個の偽陽性を、訓練および最終結果の試験のために使用した。多重テンプレートマッチング技術の優れた性能が達成されるように、８枚の非小結節状小結節テンプレートおよび１７９８枚の小結節状非小結節テンプレートをそれぞれ小結節テンプレートセットおよび非小結節テンプレートセットから系統的に除去した。また、試験候補セットのうち３７７の偽陽性が先在する規則に基づく試験で残り、したがって小結節に似ている「難しい」偽陽性とみなされることも注目される。研究では、多重テンプレートマッチング技術を使用して、これらの難しい偽陽性の数をかなり低減した。
【００１３】
規則に基づく試験に基づく先在ＣＡＤ方式の概要
まず第一に、ＰＡ胸部画像の肺領域をエッジ、肺上部、および横隔膜の使用によって区分し［１１、１２］、その後のＣＡＤ方式の処理のために使用した。次いで、複雑な背景構造を軽減することができ、かつしたがって小結節をより際立たせることができるように、（整合フィルタの使用による）小結節強調画像から（平滑化フィルタの使用による）小結節抑制画像を差し引くことによって差分画像を得た。差分画像から初期小結節候補を検出するために、差分画像を様々な閾レベルにより二値化することによって、複数の２値画像を得た。２値画像の各々で、成分ラベル付け技術を使用して、各々の孤立した「島」を識別し［４］、各島に対し２つの特徴、有効直径および真円度を決定した。次いで、その有効直径および真円度がそれぞれ６．５ｍｍおよび０．６５に等しいかそれより大きければ、島を初期小結節候補であるとみなした。１００枚の異常胸部画像のデータベースに対し、全部で１１６個（１２２個のうち）の小結節および４８７５個の偽陽性を初期小結節候補として識別した。
【００１４】
次に、差分画像および原画像両方の初期小結節候補の位置に、２つの画像の各々の背景から小結節候補を正確に区分するために、領域成長技術［５、６］を適用した。次いで、有効直径、コントラスト、真円度、不正則度、エッジ勾配、真円度勾配、不正則度勾配、および直径勾配など様々な特徴を各々の成長領域から決定し、規則に基づく分類技術によって小結節と偽陽性とを見分けるために使用した。このステップ後に、大部分の小結節、１１６個のうち８８個（７５．９％）が保持され、大部分の偽陽性、４８７５個のうち４４９８個（９２．３％）が除去され、したがって３７７個の偽陽性が残された。
【００１５】
偽陽性の低減のための多重テンプレートマッチング技術の全方式
図１は、本発明の多重テンプレートマッチングプロセスの全方式を示す。まず第一に、ステップ１０で、ディジタル胸像が得られ、ステップ２０で小結節検出のためのＣＡＤ方式が適用され、ステップ３０で候補小結節がそれによって得られる。ステップ４０および５０で、小結節テンプレートセットおよび非小結節テンプレートセットが得られ、ステップ６０で、候補小結節の各々に対して、相互相関技術が使用され、小結節テンプレートセットおよび非小結節テンプレートセットとの相互相関値が計算される。最後に、小結節テンプレートセットおよび非小結節テンプレートセットで得られた２つの最大相互相関値が決定され、ステップ７０で偽陽性（非小結節）を除去するために使用される。その結果、ステップ８０で、残りの候補小結節が真の小結節として識別される。最大相互相関値が候補小結節と非小結節テンプレートの比較によって得られる場合には、候補小結節は偽陽性と決定される。他方、最大相互相関値が候補小結節と小結節テンプレートの比較によって得られる場合には、候補小結節は真の小結節と決定される。
【００１６】
多重テンプレートマッチング技術を適用するために、２つの多重テンプレートセット、すなわち多数の小結節テンプレートを持つ１つ、および多数の非小結節テンプレートを持つもう１つを形成した。この研究では、先在ＣＡＤ方式によって報告された初期小結節候補（１１６個の小結節および４８７５個の非小結節）を初期テンプレートとして使用した。それらは初期小結節候補の位置を中心とする３６×３６画素の小さい関心領域（ＲＯＩ）であった。
【００１７】
図２は、初期小結節テンプレートから小結節テンプレートセットを作成するための基本方式を示す。ステップ４１で、初期小結節テンプレートを得、次いでステップ４２で、テンプレートの数が倍になるように、各々の小結節テンプレートを最初に左右反転してミラーテンプレートを生成した。次いで、ステップ４３で、小結節テンプレートの各々をスケーリング（縮小または拡大）し、ステップ４４では回転もして、小結節テンプレートの数をさらに増加した。最後に、ステップ４５で、８枚の非小結節状小結節テンプレート（肋骨と重なる非常に微妙な小結節などの異型小結節）を慎重に不適切な小結節テンプレートとして識別し、したがって小結節テンプレートセットから除外して、ステップ４６で小結節のテンプレートセットを導出した。
【００１８】
図３は、非小結節テンプレートセットを作成するための同様の方式を示す。ステップ５１で得られた各々の非小結節テンプレートをステップ５２で最初に左右反転し、ステップ５３では回転もして、非小結節テンプレートの数を増加した。次いでステップ５４で、小結節と同様の外観を有する多く（１７８９枚）の非小結節テンプレートが、後で本書で示す訓練セットを使用することによって、系統的に非小結節テンプレートセットから除去される。これらの小結節状非小結節テンプレートの存在は、多重テンプレートマッチング技術の性能をかなり劣化させ得るからである。比較的多数の非小結節テンプレートが得られたので、かつスケーリングの使用によって得られたテンプレートは幾分不明瞭であるので、非小結節テンプレートはスケーリングしなかった。非小結節状小結節テンプレートおよび小結節状非小結節テンプレートの除去後、小結節テンプレートセットで得られた１０８枚の小結節テンプレートに加えて、非小結節テンプレートセットで３０７７枚の非小結節テンプレートがステップ５５で得られた。
【００１９】
図４および５は、小結節テンプレートおよび非小結節テンプレートの典型例をそれぞれ示す。図４および５で、小結節テンプレートおよび非小結節テンプレートの外観が全く異なり、したがって小結節と非小結節を見分けるための基礎であることが明瞭である。
【００２０】
先在ＣＡＤ方式によって最終的に報告された８８個の小結節を次いで、各々４４個の無作為に選択された小結節を有する２つのセットに分割した。訓練セットと呼ばれる１セットは、本書で後述する通り、非小結節テンプレートセットから小結節状非小結節テンプレートを系統的に除去するために使用した。試験セットと呼ばれる他のセットの４４個の小結節と３７７の非小結節（偽陽性）は、本発明の多重テンプレートマッチング技術の性能を検証するために使用した。テンプレートと同様に、試験候補は、試験セットの小結節候補の位置を中心として４０×４０画素の小さいＲＯＩであった。
【００２１】
テンプレートのマトリックスサイズの決定およびテンプレートのスケーリングおよび回転など多数のパラメータの効果の調査のための計算時間を低減するために、上記のデータセットに加えて、小さいテンプレートセットおよび小さい試験セットも使用した。小さいテンプレートセットは小結節テンプレートセットの１０８枚の小結節テンプレート全部、および４８７５個の非小結節から手動で選択された１７８枚の「典型的」非小結節テンプレートを含んでいた。小さい試験セットは、８８個の小結節および３７７個の非小結節からそれぞれ無作為に選択された３０個の小結節および３０個の非小結節を含んでいた。
【００２２】
試験候補と小結節および非小結節のテンプレートセットとの間の最大相互相関値の決定
テンプレートと試験候補との間の相互相関値を決定するために、総当たり法、すなわち総当たり（ｌｅａｖｅ−ｏｎｅ−ｏｕｔ）試験法を使用した。すなわち、試験候補がテンプレートのセットに含まれていれば、対応するテンプレートは試験候補との相互相関値の決定には使用しない。テンプレートと試験候補の間の相互相関値を実際に計算する前に、テンプレートおよび試験候補に含まれる背景傾向の補正のために前処理ステップを利用した。テンプレート（または試験候補）の背景傾向を２次元（表面）線形関数によって表わし、最小２乗法によって線形関数の係数を決定した。次いで、テンプレート（または試験候補）の原画像から推定表面関数を減算して背景傾向補正画像を出した。
【００２３】
図６および７は、テンプレートの原画像および推定背景をそれぞれ示す。原画像から推定背景を減算することによって得た背景傾向補正画像を図４に示す。
【００２４】
試験候補のマトリックスサイズ（４０×４０画素）は、水平および垂直両方向でテンプレートのそれ（３６×３６画素）より４画素大きい。テンプレートＡと試験候補Ｂとの間の相互相関値を決定するために、テンプレートＡを水平および垂直両方向に４画素の最大シフト値分移動し、次式によって各シフト値（ｉｊ）における相互相関値Ｃｉｊを計算した。
【数１】
【００２５】
【数２】
【００２６】
次いで、全シフト値中の最大相互相関値をテンプレートと試験候補との間の相互相関値と決定した。次に、全ての小結節テンプレートと試験候補の相互相関値を計算し、最大相互相関値を決定し、小結節との類似の程度を示す試験候補の独特の特徴として使用した。同様に、非小結節テンプレートと試験候補の最大相互相関値を決定し、非小結節との類似の程度を示す試験候補の他の独特の特徴として使用した。次いで、非小結節テンプレートとの最大相互相関値が小結節テンプレートとのそれより大きい場合、偽陽性と小結節を見分けるために試験セットにおける候補のこれらの２つの特徴を使用した。
【００２７】
小結節テンプレートおよび非小結節テンプレートの作成
多重テンプレートマッチング技術の成功のための重要な要素は、小結節および非小結節に利用可能なテンプレートの数である。この研究では、小結節検出小結節のための我々のＣＡＤ方式によって最初に検出された１１６の小結節から選択された１０８枚だけを小結節テンプレートとして使用した。小結節を含まない胸部放射線写真のどのＲＯＩも理論的に非小結節テンプレートとみなすことができるが、先在するＣＡＤ方式によって最初に検出された４８７５枚の偽陽性から、３０７７枚の偽陽性が「典型的な」非小結節とみなされたので、それらを非小結節テンプレートとして選択した。次いで次の３つの方法を利用して、この研究のテンプレートの数を増加した。
（１）テンプレートを左右反転してミラーテンプレートを作成する。
（２）０．６、０．８、および１．２の３つの異なる倍率にテンプレートをスケーリングする。
（３）２つの異なる角度、−１０度および＋１０度テンプレートを回転する。
原画像から直接得たＲＯＩを原画テンプレートと呼び、原画テンプレートの左右反転、スケーリング、または回転によって得られたものを導出テンプレートと呼んだ。追加倍率によるスケーリングによって、かつ追加角度の回転によっても、追加導出テンプレートを作成できることを注目されたい。
【００２８】
左右反転は、右肺のテンプレートを左肺に役立てることができ、その逆も真であり、それはテンプレートの数を２倍にする。この研究ではスケーリングおよび回転によりテンプレートの数をそれぞれ４倍および３倍に増加し、したがってテンプレートの数はこれらの方法の組合せによって２４倍に増加することができる。
【００２９】
図８は、小さい試験セットにおける６０個の候補について、小さいテンプレートセットにおける１０８枚の小結節テンプレートおよび１７８枚の非小結節テンプレートとの最大相互相関値間の関係を示す。前述した通り、テンプレートは典型的な小結節および非小結節から慎重に選択した。図８で、かなりの重複があるが、小結節は小結節テンプレートとより大きい最大相関値を持つ傾向がある一方、非小結節は非小結節テンプレートとそうなり、すなわち小結節は４５度の線より上にあり、非小結節は４５度の線より下にある傾向がある。この一般的傾向は、小結節と非小結節を見分ける上での多重テンプレートマッチング技術の有用性を示す。しかし、多くの試験候補が小結節または非小結節テンプレートのいずれとも比較的低い相互相関値を持ち、それは、小結節または非小結節の試験セットに、これらの試験候補に非常に類似した充分なテンプレートが無かったことを示す。
【００３０】
図９は、（ａ）ミラー小結節テンプレートのみ、（ｂ）ミラー非小結節テンプレートのみ、および（ｃ）小結節および非小結節の両方のミラーテンプレートに基づいて追加テンプレートを組み込んだ場合、６０個の試験候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示す。図８および図９（ａ）を比較すると、図９（ａ）では大部分の試験候補が上方に移動し、したがって、小結節のミラーテンプレートを使用することにより、これらの試験候補に対し小結節テンプレートとの最大相互相関値が増加したことが明らかである。加えて、小結節は図９（ａ）の対角線上またはそれより上に位置しており、したがって対角線より下の幾つかの非小結節は小結節から明瞭に見分けることができる。同様に、図８と比較して、図９（ｂ）では大部分の試験候補が右側に移動しており、したがって、非小結節のミラーテンプレートの使用により、非小結節テンプレートとの最大相互相関値が増加したことが観察された。図９（ｃ）では、試験候補が上方および右側に移動し、ミラーテンプレートの使用によって、小結節および非小結節テンプレートの両方との最大相互相関値が増加したことが明らかである。
【００３１】
研究には非常に限られた数の小結節しか無かったので、スケーリングは場合によってはテンプレートを不明瞭にするが、それでもそれを小結節テンプレートに適用した。図１０は、小結節テンプレートおよび非小結節テンプレートと共にスケーリングされた小結節テンプレートとの最大相互相関値間の関係を示す。図１０の結果を図８のスケーリングされた小結節テンプレート無しの結果と比較すると、スケーリングされた小結節テンプレートの追加により、結果的に試験候補に対し小結節テンプレートの最大相互相関値が改善され、また大部分の小結節が対角線より上にあるので、小結節と非小結節の区別も改善されることが明らかである。
【００３２】
他方、スケーリングと異なり、回転は小結節および非小結節テンプレートの全てに適用した。図１１は、（ａ）小結節テンプレートのみの回転、（ｂ）非小結節テンプレートのみの回転、および（ｃ）小結節および非小結節テンプレート両方の回転によって追加テンプレートを形成した場合の小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示す。回転テンプレート無しの結果は図８に示す。再び、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値が、回転テンプレートの追加によって大きくなった。
【００３３】
多重テンプレートマッチング技術の別のパラメータは、テンプレートおよび試験候補のマトリックスサイズの適切な選択である。この研究では、２４×２４画素から４８×４８画素までの範囲の様々なマトリックスサイズの総合性能に対する効果を検討した。テンプレートおよび試験候補のマトリックスサイズがそれぞれ３６×３５画素（約２５×２５ｍｍ２）および４０×４０画素（２８×２８ｍｍ２）のときに、最良の結果が得られることが分かった。
【００３４】
図１２（ａ）、（ｂ）、および（ｃ）は、テンプレートのマトリックスサイズがそれぞれ２４×２４、３６×３６、および４８×４８画素に等しいときに、６０個の候補についての小結節テンプレートおよび非小結節テンプレートとの最大相互相関値の関係を示す。使用したテンプレートは、１０８の小結節および１７８の非小結節と共に、それらのミラーテンプレートを含んでいた。最大相互相関値は一般的に大きかったが、２４×２４画素のマトリックスサイズでは、小結節と非小結節との間の相関値の重複も大きかった。それは小結節と非小結節の分離には役立たない。他方、マトリックスサイズが４８×４８画素のときには、最大相互相関値が通常低く、信頼できる特徴として使用することができなかった。図１２から、３０個の小結節と３０個の非小結節との間の最良の分離は、テンプレートのマトリックスサイズが３６×３６画素であるときに達成されたことが明らかである。したがって、この研究で使用したテンプレートのマトリックスサイズは３６×３６画素と決定された。
【００３５】
非小結節テンプレートセット中の小結節状非小結節の除去
全ての非小結節テンプレートが多重テンプレートマッチング技術の性能の改善に有用な貢献をすることができるわけではないことに、注目することが重要である。実際、多くの非小結節テンプレートは多重テンプレートマッチング技術の性能を損なうのである。図９（ｃ）から分かるように、対角線の下に位置する４個の小結節があり、それはこれらの小結節が、全ての小結節テンプレートより、使用した幾つかの非小結節テンプレートによく類似していることを暗示する。図１３は、小結節と非小結節テンプレートとの最大相関値を増加することによって、幾つかの小結節を対角線の下に引き下げるそのような非小結節テンプレートの例を示す。これらの非小結節テンプレートは外見が一般的に小結節に似ていることが分かった。したがって、多重テンプレートマッチング技術の優れた性能を達成するために、これらの小結節状非小結節テンプレートを除去することが望ましい。訓練セットおよび補助データベースの小結節を使用して、このタスクを達成した。
【００３６】
前述した主データベースに加えて、より多くの小結節テンプレートの作成、および多重テンプレートマッチング技術の訓練のためにだけ、別の補助データベースをも使用したが、補助データベースの胸部画像の特性は主データベースのそれとは全く異なるので、多重テンプレートマッチング技術による本ＣＡＤ方式の検証には使用しなかった。補助データベースは、日本放射線写真技術協会によって開発された日本標準ディジタル画像データベース内の合計１５４件の小結節症例から選択された、孤立肺小結節を持つ１２８枚の胸部画像を含んでいた［１０］。極めて微妙な小結節または明瞭な小結節にそれぞれ対応する１または５いずれかの微妙さ格付けスコア（ｓｕｂｔｌｅｔｙ ｒａｔｉｎｇ ｓｃｏｒｅ）を持つ小結節を各々含む、２６件の小結節の症例が日本標準データベースから除去された。原胸部画像は、０．１７５ｍｍの画素サイズ、２０４８×２０４８のマトリックスサイズ、および１２ビットのグレーレベルでディジタル化した。この研究では、主データベースの胸部画像と一致させるために、原画像データを４分の１にサブサンプリングすることによって５１２×５１２に縮小し、グレーレベルの数を１０ビットに低減した。補助データベースの１２８個の小結節を主データベースの１０８個の小結節と共に、この後、多重テンプレートマッチング技術の検証のために小結節テンプレートセットとして使用した。１２８個の小結節は、多重テンプレートマッチング技術の訓練のため、すなわち小結節状非小結節テンプレートの除去のためにも使用した。
【００３７】
多重テンプレートマッチング技術の訓練の第１ステップとして、１２８個の結節の各々について、小結節と２０個の最大相互相関値を出した２０枚の非小結節テンプレートをここでは小結節状非小結節とみなし、初期非小結節テンプレートセットの４，８７５枚の原画テンプレートから除去した。こうして１，３３８枚の原画非小結節テンプレートを除去し、３，５３７枚の原画非小結節テンプレートを非小結節テンプレートセットに残した。同様に、３，５３７枚の原画テンプレートから小結節状非小結節をさらに除去するために、訓練セットの４４個の小結節を使用した。こうして、４６０枚の原画非小結節テンプレートを再び除去し、最終的に３，０７７枚の原画テンプレートを非小結節テンプレートセットに残した。補助データベースの１２８個の小結節および訓練セットの４４個の小結節を一緒に使用することによって、合計１，７９８枚のテンプレートを初期非小結節テンプレートセットから除去した。テンプレートセット中の小結節状非小結節の除去のために、経験的に２０個の最大相互相関値を閾値として使用した。しかし、利用可能なテンプレートの数および特性によって、異なる数の最大相互相関値を使用することが可能である。
【００３８】
我々が小結節状非小結節の除去によって多重テンプレートマッチング技術の性能をいかに改善したかを実証するために、図１４に、小結節状非小結節テンプレートを除去する前（ｘで示す）および後（丸で示す）の試験セットの４４個の小結節に対する小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示す。図１４で使用した小結節テンプレートセットは５，６６４（２４×２３６）枚のテンプレートから成り、それは主データベースの１０８個の小結節および補助データベースの１２８個の小結節、ならびのそれらのミラーテンプレート、スケーリングされたテンプレート、および回転テンプレートを含んでいた。非小結節テンプレートセットは、小結節状非小結節テンプレートの除去前および除去後にそれぞれ２９，２５０（６×４，８７５）枚のテンプレートおよび１８，４６２（６×３，０７７）枚のテンプレートを含み、それは原画非小結節テンプレート、それらのミラーテンプレート、および回転テンプレートを含んでいた。図１４で、小結節状非小結節テンプレートの除去によって大部分の小結節が左側にかなり移動したこと、および１つを除いて全ての小結節が、予測できる通り、対角線の上に位置することが明瞭である。
【００３９】
小結節状非小結節テンプレートの除去は、試験セット中の非小結節にも影響を及ぼすことに注目されたい。図１５は、非小結節テンプレートの除去前（ｘで示す）および除去後（点で示す）の試験セットの３７７個の非小結節の半分（１８９個）について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示す。小結節状非小結節テンプレートの除去前および除去後に、小結節テンプレートセットには５，６６４枚のテンプレート、非小結節テンプレートセットには２９，２５０枚および１８，４６２枚のテンプレートがそれぞれあったことに注意されたい。より分かりやすい表示のために、非小結節の半分だけが図１５には示されている。図１５で使用した小結節テンプレートセットおよび非小結節テンプレートセットは、図１４で使用したものと同一である。図１５では、３７７個の非小結節のうちの幾つかが図１４の小結節の場合と同様に左側に移動したが、多くの非小結節は、小結節状非小結節テンプレートの除去後も依然として、対角線の下に維持されることが明らかである。この発見は、小結節状非小結節テンプレートの除去後、ほとんど全ての小結節が対角線より上に位置するので、図１５の対角線より下の偽陽性（非小結節）を図１４の小結節と区別できることを暗に示す。
【００４０】
小結節状非小結節の除去後に、５，６６４枚の小結節テンプレートおよび１８，４６２枚の非小結節テンプレートにより、試験セットの４４個の小結節および３７７個の非小結節に基づき、検証試験を実行した。４４個の小結節および３７７個の非小結節は、多重テンプレートマッチング技術の訓練、すなわちテンプレートセット中の小結節状非小結節または非小結節状小結節いずれかの除去には使用されておらず、図１５に示した３７７個の非小結節は小結節状非小結節テンプレートを除去する効果を実証するために示したものであることに注目されたい。図１６は、試験セットの４４個の小結節および３７７の非小結節について、５，６６４枚の小結節テンプレートおよび１８，４６２枚の非小結節テンプレートとの最大相関値間の関係を示す。図１６では、２つの最大相互相関値に基づいて、小結節と偽陽性（非小結節）との間で顕著な区別ができることが明らかである。例えば対角線を閾値として使用した場合、すなわち対角線の上に位置する候補を小結節として受け入れる場合、３７７個の非小結節から１６７個の偽陽性（４４．３％）を除去することができ、真の小結節の除去はわずか１個（２．３％）である。３７７個の偽陽性の多くが外見的に小結節に類似しており、したがって「困難な」偽陽性とみなされるので、これは実際に、既存のＣＡＤ方式のかなりの改善を構成する。
【００４１】
多重テンプレートマッチング技術は、多数のテンプレートとの相互相関値が計算されるので、比較的大量のコンピュータ時間を必要とする。例えば、最終検証試験で２４，１２６（５，６６４＋１８，４６２）枚のテンプレートを使用した場合、インテル・ペンティアムＩＩＩ７３３ＭＨｚＣＰＵおよびＬｉｎｕｘオペレーティングシステムを持つパーソナルコンピュータで、各々の試験候補に対し相互相関値を計算するのに約８５秒かかる。将来、発明者らは、より高い性能および信頼性を達成するために、そのデータベースを大幅に拡張する計画であり、これが今度は、より大きいテンプレートセットおよび相互相関値の計算に要するより長いコンピュータ時間を暗に示す。しかし、この技術はＣＡＤ方式の最終ステップでのみ適用され、それは平均して１枚の胸部画像につき３個または４個の小結節候補を報告するだけであるので、これは多重テンプレートマッチング技術にとって重大な問題ではない。さらに、コンピュータは今も今後もどんどん高速化し、したがって、多重テンプレートマッチング技術の大量の計算によって生じる問題を相当軽減するであろう。現在、多重テンプレートマッチング技術を使用することによって幾つかの偽陽性を除去するために、各々の胸部画像を処理するのに約５〜６分かかる。
【００４２】
コンピュータ断層撮影法への適用
多重テンプレートマッチング技術が、コンピュータ断層撮影法（ＣＴ）での小結節検出のためのＣＡＤ方式における小結節と偽陽性を区別する潜在的可能性を持つことを実証するために、合計２３７個の小結節を含む４４のＣＴスキャンのデータベースに多重テンプレートマッチング技術を適用する予備研究を実施した。１０ｍｍのコリメーションおよび１０ｍｍの再構成間隔でＣＴスキャンを得た。各ＣＴスライスは５１２×５１２画素のマトリックスサイズおよび１０ビットのグレーレベル範囲を有する。データベースの画素サイズが０．５６６から０．７８１ｍｍの範囲となるように、視野は各患者毎に検査中に最適化した。
【００４３】
シカゴ大学放射線医学部におけるＣＴ小結節検出のための既存のＣＡＤプロセス［１３］は、二値化技術およびローリングボールアルゴリズムを使用することによって、最初に各スライスの背景から肺を区分した。次いで、初期小結節候補を検出するために、区分された肺領域に多重グレーレベル二値化技術を適用した。初期小結節候補の各々に対し、６つの幾何学的特徴（体積、真球度、等積球体の半径、最大コンパクトさ、最大真円度、および最大偏心度）および３つのグレーレベルの特徴（平均グレーレベル、グレーレベルの標準偏差、および小結節候補が最初に検出されたグレーレベル閾値）を決定し、偽陽性と小結節を区別するために使用した。このＣＡＤ方式により、２０８個（８７．８％）の小結節および４９２３個の偽陽性（１スライスにつき約３個の偽陽性）が小結節候補として報告された。
【００４４】
多重テンプレートマッチング技術をＣＴ小結節検出方式に適用するための基礎を構築するために、４９２３個の偽陽性から無作為に選択した２０８個の小結節および２００個の偽陽性を最初に選択した。この研究では、これらの候補から得られるテンプレートが完全に肺の内部に含まれるように、肺領域の境界から遠い小結節および非小結節だけを手動で選択した。こうして２０８個の小結節および２００個の非小結節からそれぞれ６０個の小結節および６０個の非小結節を得、テンプレートおよび試験候補の両方として使用した。試験候補および対応する導出テンプレートが、試験に使用するテンプレートセットに含まれないように、総当たり試験法を使用した。上述した多重テンプレートマッチング技術により、図１７に示すように、１，４４０（２４×６０）枚の小結節テンプレートおよび１，４４０（２４×６０）枚の非小結節テンプレートを使用することによって、６０個の小結節（丸）および６０個の非小結節（点）に対して最大相互相関値を得た。ミラーテンプレート、スケーリングされたテンプレートおよび回転テンプレートを使用することによって、６０個の小結節および６０個の非小結節からそれぞれ１，４４０枚の小結節テンプレートおよび１，４４０枚の非小結節テンプレートを得た。破線は小結節と非小結節の区別のための閾値として使用した。
【００４５】
図１７で、小結節が対角線より上に位置する傾向がある一方、非小結節は対角線より下に位置する傾向があることが明らかであり、これは小結節が一般的に小結節テンプレートによく類似しており、非小結節が一般的に非小結節テンプレートにより類似していることを示す。図１７では、多くの小結節が小結節テンプレートと非常の大きい相互相関値を持ち、したがってそれらは対角線より上および上右隅付近に分布することに注目することが重要であり、これはこれらの小結節の各々がテンプレートセット中に少なくとも１つの類似した小結節テンプレートを有することを示す。したがって、ＣＴスキャンの方が背景構造がより単純なので、ＣＴスキャンでは胸部放射線写真の場合より２つの同様の小結節を見つける確率が大きいと考えられる。破線を閾値として使用した場合、すなわち破線より上の候補を小結節と認め、破線より下の候補を非小結節と認めた場合、２９個（４８．３％）の偽陽性（非小結節）をわずか１個（１．７％）の小結節の低減と共に除去することができる。この結果は、多重テンプレートマッチング技術が、ＣＴ小結節検出のためのＣＡＤ方式、および乳房Ｘ線写真における塊および微小石灰化、超音波および磁気共鳴画像における胸部病変、腹部ＣＴ画像における結腸ポリープおよび肝臓腫瘍、ならびに脳ＣＴ画像における動脈瘤など、多くの異なる種類の病変を検出するための多くのＣＡＤ方式における偽陽性の数を相当低減する潜在的可能性を有することを示す。加えて、多重テンプレートマッチング技術は、良性病変と肺癌、乳癌、結腸癌、および胃癌など多くの胃癌による悪性病変とを区別するためにＣＡＤの性能を改善するために、良性小結節を悪性小結節と区別するのに使用することができる。
【００４６】
良性小結節への適用
ディジタル胸部画像の小結節を区別するためのＣＡＤ方式で、多重テンプレートマッチング技術を使用して良性小結節と悪性小結節を区別できることを示すための予備研究も行なった。２３個の悪性小結節および３３個の良性小結節を含む、５６枚の胸部画像のデータベースを使用した。各画像は２０４８×２０４８画素のマトリックスサイズ、０．１７５ｍｍの画素サイズ、および１０ビットのグレーレベル範囲を持っていた。各々の小結節の位置およびサイズを３名の放射線専門医によって識別し、位置およびサイズの平均値を計算し、次に述べる通り、胸部画像における悪性小結節と良性小結節の区別のために使用した。
【００４７】
多重テンプレートマッチング技術を適用することによって良性小結節と悪性小結節を区別するために、１０個の「典型的」悪性小結節および１０個の「典型的」良性小結節を手動で選択した。おおよその小結節サイズが分かるので、小結節の面積がテンプレートの面積の約半分になるように、最初に可変マトリックスサイズで小結節の位置で原画テンプレートを得た。次いで、画像スケーリング技術を用いることによって、全てのテンプレートのマトリックスサイズを４０×４０画素に正規化（縮小または拡大）した。各々の小結節に対し、対応するテンプレートと同一中心位置を持ちマトリックスサイズが４８×４８画素である対応する試験候補のスケーリングのために、同一倍率を適用した。
【００４８】
次いで、放射線専門医による推定小結節サイズの誤差を補正するために、各テンプレートを左右反転し、−１０度および＋１０度の２つの角度だけ回転し、０．９および１．１の２つの倍率でスケーリングした。テンプレートの数を増加するために３つの技術を組み合わせることによって、我々は１８０（１８×１０）個の悪性小結節のテンプレートおよび１８０（１８×１０）個の良性小結節のテンプレートを得た。全てのテンプレートおよび試験候補について、それらの間の相互相関値を決定する前に、背景傾向を補正した。試験候補および対応する導出テンプレートが試験に使用するテンプレートセットに含まれないように、総当たり法を使用した。
【００４９】
図１８は、１８０（１８×１０）枚の悪性小結節テンプレートおよび１８０（１８×１０）枚の良性小結節テンプレートを使用することにより、多重テンプレートマッチング技術で得た１０個の悪性小結節（丸）および１０個の良性小結節（点）の最大相互相関値を示す。図１８で、悪性小結節は対角線より上に位置する傾向がある一方、良性小結節は対角線より下に位置する傾向があることが明らかであり、これは悪性小結節が一般的に悪性小結節テンプレートにより類似し、良性小結節が一般的に良性小結節テンプレートにより類似することを示す。対角線を閾値として使用すると、すなわち、対角線より上の候補を悪性小結節として受け入れ、対角線より下の候補を良性小結節として受け入れると、全ての悪性小結節を残しながら、８個（８０％）の良性小結節を除去することが可能である。この結果は、良性病変と肺癌、乳癌、結腸癌、および胃癌など多くの癌による悪性病変の区別のためのＣＡＤ方式の性能を改善するために、多重テンプレートマッチング技術が良性小結節と悪性小結節を区別する能力を有することを示している。
【００５０】
コンピュータプログラム製品
本説明で記載した機構およびプロセスは、関連技術分野の熟練者には理解される通り、本明細書の教示に従ってプログラムした従来の汎用マイクロプロセッサまたはコンピュータを使用して実現することができる。適切なソフトウェアコーディングは、同じく関連技術分野の熟練者には理解される通り、本開示の教示に基づいて熟練プログラマが容易に作成することができる。しかし、当業者には容易に明らかになる通り、本発明は、特定用途向集積回路の作製によって、あるいは従来の部品回路の適切なネットワークを相互接続することによって実現することもできる。
【００５１】
したがって本願は、記憶媒体でホスト化（ｈｏｓｔｅｄ）することができ、かつ汎用マイクロプロセッサまたはコンピュータをプログラムして本発明に係るプロセスを実行するために使用することのできる命令を含む、コンピュータ利用製品をも含む。この記憶媒体は、フロッピーディスク、光ディスク、ＣＤ−ＲＯＭ、磁気光ディスク、ＲＯＭ、ＲＡＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、磁気または光カードをはじめとする任意の種類のディスク、あるいは電子命令を格納するのに適した任意の種類の媒体を含むことができるが、これらに限定されない。
【００５２】
汎用マイクロプロセッサまたはコンピュータのプログラミングは、画像収集装置（図示せず）から得た画像をディジタル化しかつ格納するためのソフトウェアモジュールを含むことができる。代替的に、本発明はまた、画像アーカイブ通信システム（ＰＡＣＳ）など他の手段によって得た画像から、またはディジタル画像データを生成する撮像装置から直接、導出されるディジタルデータを処理するために実現することもできる。言い換えると、処理されるディジタル画像は、ディジタル形式ですでに存在しており、本発明を実施する際にディジタル形式に変換する必要のないものであるかもしれない。
【００５３】
上記の教示に照らして本発明の多数の変形および変化が可能である。したがって、請求の範囲内で本発明はここで特に記載した以外の仕方で実施できることを理解されたい。
【００５４】
参考文献のリスト
１． Ｊ． Ｖ． Ｆｏｒｒｅｓｔ ａｎｄ Ｐ． Ｊ． Ｆｒｉｅｄｍａｎ， “Ｒａｄｉｏｌｏｇｉｃ ｅｒｒｏｒｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｌｕｎｇ ｃａｎｃｅｒｓ，” Ｗｅｓｔ Ｊ． Ｍｅｄ． １３４， ４８５−４９０， （１９８１）．
２． Ｄ． Ｐ． Ｎａｉｄｉｃｈｉ， Ｅ． Ａ． Ｚｅｒｈｏｕｎｉ， ａｎｄ Ｓ． Ｓ． Ｓｌｅｇｅｌｍａｎ， Ｃｏｍｐｕｔｅｒ ｔｏｍｏｇｒａｐｈｙ ｏｆ ｔｈｏｒａｘ （Ｒａｖｅｎ， Ｎｅｗ Ｙｏｒｋ， １９８４）， ｐｐ．１７１−１９９．
３． Ｊ． Ｒ． Ｍｕｈｍ， Ｒ． Ｓ． Ｍｉｌｌｅｒ， Ｒ． Ｓ． Ｆｏｎｔａｎａ， ｅｔ ａｌ， ”Ｌｕｎｇ Ｃａｎｃｅｒ ｄｅｔｅｃｔｅｄ ｄｕｒｉｎｇ ａ ｓｃｒｅｅｎｉｎｇ ｐｒｏｇｒａｍ ｕｓｉｎｇ ｆｏｕｒ−ｍｏｎｔｈ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ， ” Ｒａｄｉｏｌｏｇｙ １４８， ６０９−６１５ （１９８３）．
４． Ｍ． Ｌ． Ｇｉｇｅｒ， Ｋ． Ｄｏｉ， ａｎｄ Ｈ． ＭａｃＭａｈｏｎ， ”Ｉｍａｇｅ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ａｎｄ ｃｏｍｐｕｔｅｒ−ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ ｉｎ ｄｉｇｉｔａｌ ｒａｄｉｏｇｒａｐｈｙ． ３． Ａｕｔｏｍａｔｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｎｏｄｕｌｅｓ ｉｎ ｐｅｒｉｐｈｅｒａｌ ｌｕｎｇ ｆｉｅｌｄｓ，” Ｍｅｄ， Ｐｈｙｓ． １５， １５８−１６６ （１９８８）．
５． Ｍ． Ｌ． Ｇｉｇｅｒ， Ｋ． Ｄｏｉ， Ｈ． ＭａｃＭａｈｏｎ， Ｃ． Ｅ． Ｍｅｔｚ， ａｎｄ Ｆ． Ｆ． Ｙｉｎ， ”Ｐｕｌｍｏｎａｒｙ ｎｏｄｕｌｅｓ： ｃｏｍｐｕｔｅｒ ａｉｄｅｄ ｄｅｔｅｃｔｉｏｎ ｉｎ ｄｉｇｉｔａｌ ｃｈｅｓｔ ｉｍａｇｅ，” ＲａｄｉｏＧｒａｐｈｉｃｓ １０， ４１−５１ （１９９０）．
６． Ｔ． Ｍａｔｓｕｍｏｔｏ， Ｈ． Ｙｏｓｈｉｍｕｒａ， Ｋ． Ｄｏｉ， Ｍ． Ｌ． Ｇｉｇｅｒ， Ａ． Ｋａｎｏ， Ｈ． ＭａｃＭａｈｏｎ， Ｋ． Ａｂｅ， ａｎｄ Ｓ． Ｍ． Ｍｏｎｔｎｅｒ， ”Ｉｍａｇｅ ｆｅａｔｙｒｅ ａｎａｌｙｓｉｓ ｏｆ ｆａｌｓｅ−ｐｏｓｉｔｉｖｅ ｄｉａｇｎｏｓｅｓ ｐｒｏｄｕｃｅｄ ｂｙ ａｕｔｏｍａｔｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｌｕｎｇ ｎｏｄｕｌｅｓ，” Ｉｎｖｅｓｔ． Ｒａｄｉｏｌ． ２７， ５８７−５９７ （１９９２）．
７． Ｙ． Ｃ． Ｗｕ， Ｋ． Ｄｏｉ， Ｍ． Ｌ． Ｇｉｇｅｒ， Ｃ． Ｅ． Ｍｅｔｚ， ａｎｄ Ｗ． Ｚｈａｎｇ， ”Ｒｅｄｕｃｔｉｏｎ ｏｆ ｆａｌｓｅ ｐｏｓｉｔｉｖｅｓ ｉｎ ｃｏｍｐｕｔｅｒｉｚｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｌｕｎｇ ｎｏｄｕｌｅｓ ｉｎ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ ｕｓｉｎｇ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ ａｎｄ ａ ｒｕｌｅ−ｂａｓｅｄ ｓｃｈｅｍｅ，” Ｊ． Ｄｉｇｉｔａｌ Ｉｍａｇ． ７， １９６−２０７ （１９９４）．
８． Ｔ． Ｋｏｂａｙａｓｈｉ， Ｘ． Ｗ． Ｘｕ， Ｈ． ＭａｃＭａｈｏｎ， Ｃ． Ｅ． Ｍｅｔｚ， ａｎｄ Ｋ． Ｄｏｉ， ”Ｅｆｆｅｃｔ ｏｆ ａ ｃｏｍｐｕｔｅｒ−ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ ｓｃｈｅｍｅ ｏｎ ｒａｄｉｏｌｏｇｉｓｔｓ’ ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ｄｅｔｅｃｔｉｏｎ ｏｆ ｌｕｎｇ ｎｏｄｕｌｅｓ ｏｎ ｒａｄｉｏｇｒａｐｈｓ．” Ｒａｄｉｏｌｏｇｙ １９９， ８４３−８４８ （１９９６）．
９． Ｘ． Ｗ． Ｘｕ， Ｋ． Ｄｏｉ， Ｔ． Ｋｏｂａｙａｓｈｉ， Ｈ． ＭａｃＭａｈｏｎ， ａｎｄ Ｍ． Ｌ． Ｇｉｇｅｒ， ”Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａｎ ｉｍｐｒｏｖｅｄ ＣＡＤ ｓｃｈｅｍｅ ｆｏｒ ａｕｔｏｍａｔｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｌｕｎｆ ｎｏｄｕｌｅｓ ｉｎ ｄｉｇｉｔａｌ ｃｈｅｓｔ ｉｍａｇｅｓ，” Ｍｅｄ． Ｐｈｙｓ． ２４， １３９５−１４０３ （１９９７）．
１０． Ｊ． Ｓｈｉｒａｉｓｈｉ， Ｓ． Ｋａｔｓｕｒａｇａｗａ， Ｊ． Ｉｋｅｚｏｅ， Ｔ． Ｋｏｂａｙａｓｈｉ， Ｋ． Ｋｏｍａｔｓｕ， Ｍ． Ｍａｔｓｕｉ， Ｈ． Ｆｕｊｉｔａ， Ｙ． Ｋｏｄｅｒａ， ａｎｄ Ｋ． Ｄｏｉ， ”Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａ ｄｉｇｉｔａｌ ｉｍａｇｅ ｄａｔａｂａｓｅ ｆｏｒ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ ｗｉｔｈ ａｎｄ ｗｉｔｈｏｕｔ ａ ｌｕｎｇ ｎｏｄｕｌｅ： Ｒｅｃｅｉｖｅｒ ｏｐｅｒａｔｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ａｎａｌｙｓｉｓ ｏｆ ｒａｄｉｏｌｏｇｉｇｔｓ’ ｄｅｔｅｃｔｉｏｎ ｏｆ ｐｕｌｍｏｎａｒｙ ｎｏｄｕｌｅｓ，” ＡＪＲ １４７， ７１−７４ （２０００）．
１１． Ｘ． Ｗ， Ｘｕ， Ｋ． Ｄｏｉ， ”Ｉｍａｇｅ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ｆｏｒ ｃｏｍｐｕｔｅｒ−ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ： Ａｃｃｕｒａｔｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｒｉｂｃａｇｅ ｂｏｕｎｄａｒｙ ｉｎ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ，” Ｍｅｄ． Ｐｈｙｓ． ２２， ６１７−６２６ （１９９５）．
１２． Ｘ． Ｗ． Ｘｕ， Ｋ． Ｄｏｉ， ”Ｉｍａｇｅ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ｆｏｒ ｃｏｍｐｕｔｅｒ−ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ： Ｄｅｔｅｃｔｉｏｎ ｏｆ ｒｉｇｈｔ ａｎｄ ｌｅｆｔ ｈｅｍｉｄｉａｐｈｒａｇｍ ｅｄｇｅｓ ａｎｄ ｄｅｌｉｎｅａｔｉｏｎ ｏｆ ｌｕｎｇ ｆｉｅｌｄ ｉｎ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ， ”Ｍｅｄ． Ｐｈｙｓ． ２３， １６１３−１６２４ （１９９６）．
１３． Ｓ． Ｇ． Ａｒｍａｔｏ １１１， Ｍ． Ｌ． Ｇｉｇｅｒ， Ｃ． Ｊ． Ｍｏｒａｎ， Ｊ． Ｔ． Ｂｌａｃｋｂｕｒｎ， Ｋ． Ｄｏｉ， ａｎｄ Ｈ． ＭａｃＭａｈｏｎ， ”Ｃｏｍｐｕｔｅｒｉｚｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｐｕｌｍｏｎａｒｙ ｎｏｄｕｌｅｓ ｏｎ ＣＴ ｓｃａｎｓ，” Ｒａｄｉｏｇｒａｐｈｉｃｓ １９， １３０３−１３１１， （１９９９）．
【図面の簡単な説明】
【図１】本発明に係る多重テンプレートマッチングプロセス全体を示すフローチャート。
【図２】小結節テンプレートセットの作成のための基本的プロセスを示すフローチャート。
【図３】非小結節テンプレートセットの作成のための基本的プロセスを示すフローチャート。
【図４】背景傾向を補正した小結節テンプレートの複数の例を示す図。
【図５】背景傾向を補正した非小結節テンプレートの複数の例を示す図。
【図６】小結節の原画像の複数の例を示す図。
【図７】図６の原画像に線形関数を当てはめることによって得られた推定背景画像の複数の例を示す図。
【図８】６０の無作為に選択された候補について、１０８枚の小結節テンプレートおよび１７８枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図９Ａ】ミラー小結節テンプレート（２１６枚の小結節および１７８枚の非小結節テンプレート）を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図９Ｂ】ミラー非小結節テンプレート（１０８枚の小結節および３５６枚の非小結節テンプレート）を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図９Ｃ】小結節および非小結節の両方にミラーテンプレート（２１６枚の小結節および３５６枚の非小結節テンプレート）を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１０】小結節テンプレートのスケーリングを用いて、６０個の無作為に選択された候補について、４３２枚の小結節テンプレートおよび１７８枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１１Ａ】小結節テンプレートの回転を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１１Ｂ】非小結節テンプレートの回転を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１１Ｃ】小結節テンプレートおよび非小結節テンプレートの回転を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１２Ａ】テンプレートのマトリックスサイズが２４×２４画素に等しいときに、６０個の無作為に選択された候補について、２１６枚の小結節テンプレートおよび３５６枚の非小結節テンプレートの最大相互相関値間の関係を示すグラフ。
【図１２Ｂ】テンプレートのマトリックスサイズが３６×３６画素に等しいときに、６０個の無作為に選択された候補について、２１６枚の小結節テンプレートおよび３５６枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１２Ｃ】テンプレートのマトリックスサイズが４８×４８画素に等しいときに、６０個の無作為に選択された候補について、２１６枚の小結節テンプレートおよび３５６枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１３】小結節状非小結節テンプレートの例を示す図。
【図１４】小結節状非小結節テンプレートを除去する前（Ｘ）および後（丸）で、試験セットの４４個の小結節について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１５】小結節状非小結節テンプレートを除去する前（Ｘ）および後（点）で、試験セットの３７７個の非小結節の半分（１８９）について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１６】検証テストで小結節状非小結節テンプレートを除去した後で、試験セットの４４個の小結節（円）および３７７個の非小結節（点）について、５，６６４枚の小結節テンプレートおよび１８，４６２枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１７】６６個のＣＴ小結節（丸）および６０個のＣＴ非小結節（点）について、１，４４０枚のＣＴ小結節テンプレートおよび１，４４０枚のＣＴ非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１８】１０個の悪性小結節（丸）および１０個の良性小結節（点）について、１８０枚の悪性小結節テンプレートおよび１８０枚の良性小結節テンプレートとの最大相互相関値間の関係を示すグラフ。１８０枚の悪性小結節テンプレートおよび１８０枚の良性小結節テンプレートは、ミラーテンプレート、スケーリングしたテンプレート、および回転したテンプレートを用いて、１０個の典型的な悪性小結節および１０個の典型的良性小結節からそれぞれ得たものであり、破線は悪性小結節と良性小結節を見分けるための閾値として使用した。
（連邦政府の資金援助による研究に関する陳述）
本発明は部分的に、ＵＳＰＨＳ許諾番号ＣＡ６２６２５およびＣＡ６４３７０（国立衛生研究所）に基づく米国政府の支援により行なわれた。米国政府は当該発明に特定の権利を有する。
【０００２】
（発明の分野）
本発明は、医用画像における肺小結節の自動検出のためのプロセス、システム、およびコンピュータ読み取り可能な媒体に関する。
【０００３】
本発明はまた一般的に、例えば米国特許第４，８３９，８０７号、第４，８４１，５５５号、第４，８５１，９８４号、第４，８７５，１６５号、第４，９０７，１５６号、第４，９１８，５３４号、第５，０７２，３８４号、第５，１３３，０２０号、第５，１５０，２９２号、第５，２２４，１７７号、第５，２８９，３７４号、第５，３１９，５４９号、第５，３４３，３９０号、第５，３５９，５１３号、第５，４５２，３６７号、第５，４６３，５４８号、第５，４９１，６２７号、第５，５３７，４８５号、第５，５９８，４８１号、第５，６２２，１７１号、第５，６３８，４５８号、第５，６５７，３６２号、、第５，６６６，４３４号、第５，６７３，３３２号、第５，６６８，８８８号、第５，７４０，２６８号、第５，７９０，６９０号、第５，８３２，１０３号、第５，８７３，８２４号、第５，８８１，１２４号、第５，９３１，７８０号、第５，９７４，１６５号（ＰＣＴ公報ＷＯ９５／１５５３７）、第５，９８２，９１５号、第５，９８４，８７０号、第５，９８７，３４５号、第６，０１１，８６２号、第６，０５８，３２２号、第６，０６７，３７３号、第６，０７５，８７８号、第６，０７８，６８０号、第６，０８８，４７３号、第６，１１２，１１２号、第６，１３８，０４５号、および第６，１４１，４３７号に加えて、米国特許出願第０８／１７３，９３５号、第０８／９００，１８８号、第０８／９００，１８９号、第０８／９７９，６３９号、第０８／９８２，２８２号、第０９／０２７，４６８号、第０９／０２８，５１８号、第０９／０９２，００４号、第０９／１２１，７１９号、第０９／１４１，５３５号、第０９／２９８，８５２号、および第０９／４７１，０８８号、ならびに米国特許仮出願第６０／１０７，０９５号、第６０／１６０，７９０号、第６０／１７６，２９７号、第６０／１７６，３０４号、第６０／１８０，１６２号、第６０／１９３，０７２号、および第６０／２０７，４０１号の１つまたはそれ以上に開示されているようなディジタル画像の自動解析のためのコンピュータ化技術にも関する。これらの全ては引用文献としてここに組み込まれる。
【０００４】
本発明は、上記の米国特許および特許出願で参照され記載されているだけでなく、添付の付属書で著者および発行年によって識別されると共に明細書中で付属書に列記されたそれぞれの参考文献に対応する括弧内の太字の数字によって相互参照される参考文献にも記載されている、様々な技術の使用を含む。上記の関連特許および出願ならびに付属書に列記する文献を含め、それらの内容全体は引用文献としてここに組み込まれる。
【０００５】
（背景の説明）
放射線専門医は胸部放射線写真で肺小結節を陽性事例の３０％も検出し損なうことがあると報告されている［１、２］。放射線専門医によって見落とされた肺癌の多くは、振り返ってみると、実際には以前の放射線写真で見えていた［３］。したがって、シカゴ大学放射線医学部の発明者らおよび他の人々は、ディジタル胸部放射線写真における肺小結節の検出で放射線専門医を支援するためにコンピュータ支援診断（ＣＡＤ）方式を開発した［４〜９］。先在する方式の１つの問題は、自動化方式によって生じる比較的多数の偽陽性であり、それは小結節の検出に対するＣＡＤ方式の臨床応用における主要な障害を構成している。
【０００６】
（発明の概要）
したがって、本発明の目的は、小結節と誤って報告される偽陽性の数がそれによって低減されるＣＡＤプロセス、システム、およびコンピュータプログラム製品を提供することである。
【０００７】
これおよび他の目的は、本発明に従って、医用ディジタル画像における候補異常が真の異常であるかどうかを決定する新規の改善された方法、該方法を実現するシステム、および該方法を実現するプログラムステップを格納するコンピュータ読み取り可能な媒体を提供することによって達成される。該方法は、予め定められた異常および予め定められた非異常にそれぞれ対応する複数の第１テンプレートおよび複数の第２テンプレートを得ることと、候補異常を得られた第１および第２テンプレートと比較して、候補異常と得られた第１および第２テンプレートの各々との間の相互相関値を導出することと、比較工程で導出された最大相互相関値を決定し、該最大相互相関値が候補異常を第１テンプレートまたは第２テンプレートのどちらと比較することによって生成されるかを決定することと、最大相互相関値が候補異常を第１テンプレートと比較することによって生成される場合には、候補異常を真の異常であると決定し、最大相互相関値が候補異常を第２テンプレートと比較することによって生成される場合には、候補異常を非異常であると決定することとを含む。悪性および良性異常に対応する追加テンプレートとの比較によって得られるさらなる相互相関値に基づいて、真の異常が悪性かそれとも良性かが同様に決定される。
【０００８】
小結節は一般的に非小結節テンプレートより小結節テンプレートによく類似しており、かつ非小結節は小結節テンプレートより非小結節テンプレートによく類似しているので、候補小結節の各々に対して小結節テンプレートおよび非小結節テンプレートにより得られる最大相互相関値は、非小結節を小結節から区別するために使用される。したがって、小結節テンプレートによる小結節の最大相互相関値は一般的に、非小結節テンプレートによるものより大きく、逆もまた同じである。したがって、本発明では、得られる最大相互相関値が決定され、次いで、最大相互相関値が小結節テンプレートとの比較に基づいて得られる場合には、候補小結節は真の小結節であると決定され、最大相互相関値が非小結節テンプレートとの比較に基づいて得られる場合には、候補小結節は偽の小結節であると決定される。
【０００９】
本発明のＣＡＤプロセスを実現する研究が行なわれ、それによって、多重テンプレートマッチング技術の使用により、非常に少数の真の陽性（２．３％）の低減と共に、胸部放射線写真の多数の偽陽性（４４．３％）が除去された。加えて、多重テンプレートマッチング技術の使用により、ＣＴ画像における小結節の検出のための別のＣＡＤ方式で、同様の結果が得られた。したがって、本発明は、胸部放射線写真の小結節、乳房Ｘ線写真の塊および微小石灰化、ＣＴ画像の結節、結腸ポリープ、肝臓腫瘍、および動脈瘤に加えて、超音波および磁気共鳴画像での胸部病変を含め、医用画像における様々な病変の検出のための多くの様々なＣＡＤ方式の性能を改善するために適用可能であると考えられる。さらに、多重テンプレートマッチング技術は、良性病変と肺癌、乳癌、結腸癌、および胃癌などの悪性病変との区別のためのＣＡＤ方式の性能を改善するために、良性病変と悪性病変とを見分ける用途を有する。
【００１０】
本発明およびそれに伴う利点の多くについてのより完全な理解は、以下の詳細な説明を参考にして添付の図面に関連して考察したときにそれらをより深く理解するようになるので、容易に得られるであろう。
【００１１】
（好適な実施形態の説明）
方法および材料
胸部放射線写真に向けられた本発明の最初の開発で使用された胸部画像は、シカゴ大学病院放射線科で選択された１００枚の異常な背腹方向（ＰＡ）の胸部放射線写真で構成された［９］。全部で１２２個の小結節を２名の放射線専門医の合意に基づいて確認し、ＣＴスキャンまたは放射線写真による追跡調査によって検証した。小結節の直径は４ｍｍから２７ｍｍの範囲であった（平均１３ｍｍ）。コニカレーザフィルムスキャナによる胸部放射線写真のディジタル化によって、ディジタル画像を得た。原ディジタル画像は０．１７５ｍｍの画素サイズ、２０００×２０００のマトリックスサイズ、および１０ビットのグレーレベル範囲を有する。小結節は胸部画像で比較的大きいので、ディジタル画像のマトリックスサイズは４分の１に縮小した。したがって、最終画像は０．７ｍｍの画素サイズおよび５００×５００のマトリックスサイズを有した。上記の主データベースに加えて、補助データベース、日本標準ディジタル画像データベース［１０］を、小結節テンプレートの作成および多重テンプレートマッチング技術の訓練のためにのみ使用し、多重テンプレートマッチング技術による本ＣＡＤ方式の検証には使用しなかった。補助データベースは、日本放射線写真技術協会によって開発されたものであり、後で本書で説明する。
【００１２】
先在するＣＡＤ方式により、最初に我々のデータベース内の１００枚の胸部画像から１１６個の小結節および４８７５個の偽陽性を検出した。次いで規則に基づく分類技術を適用して偽陽性の数を低減し［９］、それにより８８個の小結節および３７７個の偽陽性を得た。多重テンプレートマッチング技術のために、最初に先在ＣＡＤ方式によって検出された１１６個の小結節および４８７５個の偽陽性を、それぞれ初期小結節テンプレートおよび初期非小結節テンプレートとして使用した。しかし、最終的に本ＣＡＤ方式によって報告された８８個の小結節および３７７個の偽陽性を、訓練および最終結果の試験のために使用した。多重テンプレートマッチング技術の優れた性能が達成されるように、８枚の非小結節状小結節テンプレートおよび１７９８枚の小結節状非小結節テンプレートをそれぞれ小結節テンプレートセットおよび非小結節テンプレートセットから系統的に除去した。また、試験候補セットのうち３７７の偽陽性が先在する規則に基づく試験で残り、したがって小結節に似ている「難しい」偽陽性とみなされることも注目される。研究では、多重テンプレートマッチング技術を使用して、これらの難しい偽陽性の数をかなり低減した。
【００１３】
規則に基づく試験に基づく先在ＣＡＤ方式の概要
まず第一に、ＰＡ胸部画像の肺領域をエッジ、肺上部、および横隔膜の使用によって区分し［１１、１２］、その後のＣＡＤ方式の処理のために使用した。次いで、複雑な背景構造を軽減することができ、かつしたがって小結節をより際立たせることができるように、（整合フィルタの使用による）小結節強調画像から（平滑化フィルタの使用による）小結節抑制画像を差し引くことによって差分画像を得た。差分画像から初期小結節候補を検出するために、差分画像を様々な閾レベルにより二値化することによって、複数の２値画像を得た。２値画像の各々で、成分ラベル付け技術を使用して、各々の孤立した「島」を識別し［４］、各島に対し２つの特徴、有効直径および真円度を決定した。次いで、その有効直径および真円度がそれぞれ６．５ｍｍおよび０．６５に等しいかそれより大きければ、島を初期小結節候補であるとみなした。１００枚の異常胸部画像のデータベースに対し、全部で１１６個（１２２個のうち）の小結節および４８７５個の偽陽性を初期小結節候補として識別した。
【００１４】
次に、差分画像および原画像両方の初期小結節候補の位置に、２つの画像の各々の背景から小結節候補を正確に区分するために、領域成長技術［５、６］を適用した。次いで、有効直径、コントラスト、真円度、不正則度、エッジ勾配、真円度勾配、不正則度勾配、および直径勾配など様々な特徴を各々の成長領域から決定し、規則に基づく分類技術によって小結節と偽陽性とを見分けるために使用した。このステップ後に、大部分の小結節、１１６個のうち８８個（７５．９％）が保持され、大部分の偽陽性、４８７５個のうち４４９８個（９２．３％）が除去され、したがって３７７個の偽陽性が残された。
【００１５】
偽陽性の低減のための多重テンプレートマッチング技術の全方式
図１は、本発明の多重テンプレートマッチングプロセスの全方式を示す。まず第一に、ステップ１０で、ディジタル胸像が得られ、ステップ２０で小結節検出のためのＣＡＤ方式が適用され、ステップ３０で候補小結節がそれによって得られる。ステップ４０および５０で、小結節テンプレートセットおよび非小結節テンプレートセットが得られ、ステップ６０で、候補小結節の各々に対して、相互相関技術が使用され、小結節テンプレートセットおよび非小結節テンプレートセットとの相互相関値が計算される。最後に、小結節テンプレートセットおよび非小結節テンプレートセットで得られた２つの最大相互相関値が決定され、ステップ７０で偽陽性（非小結節）を除去するために使用される。その結果、ステップ８０で、残りの候補小結節が真の小結節として識別される。最大相互相関値が候補小結節と非小結節テンプレートの比較によって得られる場合には、候補小結節は偽陽性と決定される。他方、最大相互相関値が候補小結節と小結節テンプレートの比較によって得られる場合には、候補小結節は真の小結節と決定される。
【００１６】
多重テンプレートマッチング技術を適用するために、２つの多重テンプレートセット、すなわち多数の小結節テンプレートを持つ１つ、および多数の非小結節テンプレートを持つもう１つを形成した。この研究では、先在ＣＡＤ方式によって報告された初期小結節候補（１１６個の小結節および４８７５個の非小結節）を初期テンプレートとして使用した。それらは初期小結節候補の位置を中心とする３６×３６画素の小さい関心領域（ＲＯＩ）であった。
【００１７】
図２は、初期小結節テンプレートから小結節テンプレートセットを作成するための基本方式を示す。ステップ４１で、初期小結節テンプレートを得、次いでステップ４２で、テンプレートの数が倍になるように、各々の小結節テンプレートを最初に左右反転してミラーテンプレートを生成した。次いで、ステップ４３で、小結節テンプレートの各々をスケーリング（縮小または拡大）し、ステップ４４では回転もして、小結節テンプレートの数をさらに増加した。最後に、ステップ４５で、８枚の非小結節状小結節テンプレート（肋骨と重なる非常に微妙な小結節などの異型小結節）を慎重に不適切な小結節テンプレートとして識別し、したがって小結節テンプレートセットから除外して、ステップ４６で小結節のテンプレートセットを導出した。
【００１８】
図３は、非小結節テンプレートセットを作成するための同様の方式を示す。ステップ５１で得られた各々の非小結節テンプレートをステップ５２で最初に左右反転し、ステップ５３では回転もして、非小結節テンプレートの数を増加した。次いでステップ５４で、小結節と同様の外観を有する多く（１７８９枚）の非小結節テンプレートが、後で本書で示す訓練セットを使用することによって、系統的に非小結節テンプレートセットから除去される。これらの小結節状非小結節テンプレートの存在は、多重テンプレートマッチング技術の性能をかなり劣化させ得るからである。比較的多数の非小結節テンプレートが得られたので、かつスケーリングの使用によって得られたテンプレートは幾分不明瞭であるので、非小結節テンプレートはスケーリングしなかった。非小結節状小結節テンプレートおよび小結節状非小結節テンプレートの除去後、小結節テンプレートセットで得られた１０８枚の小結節テンプレートに加えて、非小結節テンプレートセットで３０７７枚の非小結節テンプレートがステップ５５で得られた。
【００１９】
図４および５は、小結節テンプレートおよび非小結節テンプレートの典型例をそれぞれ示す。図４および５で、小結節テンプレートおよび非小結節テンプレートの外観が全く異なり、したがって小結節と非小結節を見分けるための基礎であることが明瞭である。
【００２０】
先在ＣＡＤ方式によって最終的に報告された８８個の小結節を次いで、各々４４個の無作為に選択された小結節を有する２つのセットに分割した。訓練セットと呼ばれる１セットは、本書で後述する通り、非小結節テンプレートセットから小結節状非小結節テンプレートを系統的に除去するために使用した。試験セットと呼ばれる他のセットの４４個の小結節と３７７の非小結節（偽陽性）は、本発明の多重テンプレートマッチング技術の性能を検証するために使用した。テンプレートと同様に、試験候補は、試験セットの小結節候補の位置を中心として４０×４０画素の小さいＲＯＩであった。
【００２１】
テンプレートのマトリックスサイズの決定およびテンプレートのスケーリングおよび回転など多数のパラメータの効果の調査のための計算時間を低減するために、上記のデータセットに加えて、小さいテンプレートセットおよび小さい試験セットも使用した。小さいテンプレートセットは小結節テンプレートセットの１０８枚の小結節テンプレート全部、および４８７５個の非小結節から手動で選択された１７８枚の「典型的」非小結節テンプレートを含んでいた。小さい試験セットは、８８個の小結節および３７７個の非小結節からそれぞれ無作為に選択された３０個の小結節および３０個の非小結節を含んでいた。
【００２２】
試験候補と小結節および非小結節のテンプレートセットとの間の最大相互相関値の決定
テンプレートと試験候補との間の相互相関値を決定するために、総当たり法、すなわち総当たり（ｌｅａｖｅ−ｏｎｅ−ｏｕｔ）試験法を使用した。すなわち、試験候補がテンプレートのセットに含まれていれば、対応するテンプレートは試験候補との相互相関値の決定には使用しない。テンプレートと試験候補の間の相互相関値を実際に計算する前に、テンプレートおよび試験候補に含まれる背景傾向の補正のために前処理ステップを利用した。テンプレート（または試験候補）の背景傾向を２次元（表面）線形関数によって表わし、最小２乗法によって線形関数の係数を決定した。次いで、テンプレート（または試験候補）の原画像から推定表面関数を減算して背景傾向補正画像を出した。
【００２３】
図６および７は、テンプレートの原画像および推定背景をそれぞれ示す。原画像から推定背景を減算することによって得た背景傾向補正画像を図４に示す。
【００２４】
試験候補のマトリックスサイズ（４０×４０画素）は、水平および垂直両方向でテンプレートのそれ（３６×３６画素）より４画素大きい。テンプレートＡと試験候補Ｂとの間の相互相関値を決定するために、テンプレートＡを水平および垂直両方向に４画素の最大シフト値分移動し、次式によって各シフト値（ｉｊ）における相互相関値Ｃｉｊを計算した。
【数１】
【数２】
次いで、全シフト値中の最大相互相関値をテンプレートと試験候補との間の相互相関値と決定した。次に、全ての小結節テンプレートと試験候補の相互相関値を計算し、最大相互相関値を決定し、小結節との類似の程度を示す試験候補の独特の特徴として使用した。同様に、非小結節テンプレートと試験候補の最大相互相関値を決定し、非小結節との類似の程度を示す試験候補の他の独特の特徴として使用した。次いで、非小結節テンプレートとの最大相互相関値が小結節テンプレートとのそれより大きい場合、偽陽性と小結節を見分けるために試験セットにおける候補のこれらの２つの特徴を使用した。
【００２７】
小結節テンプレートおよび非小結節テンプレートの作成
多重テンプレートマッチング技術の成功のための重要な要素は、小結節および非小結節に利用可能なテンプレートの数である。この研究では、小結節検出小結節のための我々のＣＡＤ方式によって最初に検出された１１６の小結節から選択された１０８枚だけを小結節テンプレートとして使用した。小結節を含まない胸部放射線写真のどのＲＯＩも理論的に非小結節テンプレートとみなすことができるが、先在するＣＡＤ方式によって最初に検出された４８７５枚の偽陽性から、３０７７枚の偽陽性が「典型的な」非小結節とみなされたので、それらを非小結節テンプレートとして選択した。次いで次の３つの方法を利用して、この研究のテンプレートの数を増加した。
（１）テンプレートを左右反転してミラーテンプレートを作成する。
（２）０．６、０．８、および１．２の３つの異なる倍率にテンプレートをスケーリングする。
（３）２つの異なる角度、−１０度および＋１０度テンプレートを回転する。
原画像から直接得たＲＯＩを原画テンプレートと呼び、原画テンプレートの左右反転、スケーリング、または回転によって得られたものを導出テンプレートと呼んだ。追加倍率によるスケーリングによって、かつ追加角度の回転によっても、追加導出テンプレートを作成できることを注目されたい。
【００２８】
左右反転は、右肺のテンプレートを左肺に役立てることができ、その逆も真であり、それはテンプレートの数を２倍にする。この研究ではスケーリングおよび回転によりテンプレートの数をそれぞれ４倍および３倍に増加し、したがってテンプレートの数はこれらの方法の組合せによって２４倍に増加することができる。
【００２９】
図８は、小さい試験セットにおける６０個の候補について、小さいテンプレートセットにおける１０８枚の小結節テンプレートおよび１７８枚の非小結節テンプレートとの最大相互相関値間の関係を示す。前述した通り、テンプレートは典型的な小結節および非小結節から慎重に選択した。図８で、かなりの重複があるが、小結節は小結節テンプレートとより大きい最大相関値を持つ傾向がある一方、非小結節は非小結節テンプレートとそうなり、すなわち小結節は４５度の線より上にあり、非小結節は４５度の線より下にある傾向がある。この一般的傾向は、小結節と非小結節を見分ける上での多重テンプレートマッチング技術の有用性を示す。しかし、多くの試験候補が小結節または非小結節テンプレートのいずれとも比較的低い相互相関値を持ち、それは、小結節または非小結節の試験セットに、これらの試験候補に非常に類似した充分なテンプレートが無かったことを示す。
【００３０】
図９は、（ａ）ミラー小結節テンプレートのみ、（ｂ）ミラー非小結節テンプレートのみ、および（ｃ）小結節および非小結節の両方のミラーテンプレートに基づいて追加テンプレートを組み込んだ場合、６０個の試験候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示す。図８および図９（ａ）を比較すると、図９（ａ）では大部分の試験候補が上方に移動し、したがって、小結節のミラーテンプレートを使用することにより、これらの試験候補に対し小結節テンプレートとの最大相互相関値が増加したことが明らかである。加えて、小結節は図９（ａ）の対角線上またはそれより上に位置しており、したがって対角線より下の幾つかの非小結節は小結節から明瞭に見分けることができる。同様に、図８と比較して、図９（ｂ）では大部分の試験候補が右側に移動しており、したがって、非小結節のミラーテンプレートの使用により、非小結節テンプレートとの最大相互相関値が増加したことが観察された。図９（ｃ）では、試験候補が上方および右側に移動し、ミラーテンプレートの使用によって、小結節および非小結節テンプレートの両方との最大相互相関値が増加したことが明らかである。
【００３１】
研究には非常に限られた数の小結節しか無かったので、スケーリングは場合によってはテンプレートを不明瞭にするが、それでもそれを小結節テンプレートに適用した。図１０は、小結節テンプレートおよび非小結節テンプレートと共にスケーリングされた小結節テンプレートとの最大相互相関値間の関係を示す。図１０の結果を図８のスケーリングされた小結節テンプレート無しの結果と比較すると、スケーリングされた小結節テンプレートの追加により、結果的に試験候補に対し小結節テンプレートの最大相互相関値が改善され、また大部分の小結節が対角線より上にあるので、小結節と非小結節の区別も改善されることが明らかである。
【００３２】
他方、スケーリングと異なり、回転は小結節および非小結節テンプレートの全てに適用した。図１１は、（ａ）小結節テンプレートのみの回転、（ｂ）非小結節テンプレートのみの回転、および（ｃ）小結節および非小結節テンプレート両方の回転によって追加テンプレートを形成した場合の小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示す。回転テンプレート無しの結果は図８に示す。再び、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値が、回転テンプレートの追加によって大きくなった。
【００３３】
多重テンプレートマッチング技術の別のパラメータは、テンプレートおよび試験候補のマトリックスサイズの適切な選択である。この研究では、２４×２４画素から４８×４８画素までの範囲の様々なマトリックスサイズの総合性能に対する効果を検討した。テンプレートおよび試験候補のマトリックスサイズがそれぞれ３６×３５画素（約２５×２５ｍｍ２）および４０×４０画素（２８×２８ｍｍ２）のときに、最良の結果が得られることが分かった。
【００３４】
図１２（ａ）、（ｂ）、および（ｃ）は、テンプレートのマトリックスサイズがそれぞれ２４×２４、３６×３６、および４８×４８画素に等しいときに、６０個の候補についての小結節テンプレートおよび非小結節テンプレートとの最大相互相関値の関係を示す。使用したテンプレートは、１０８の小結節および１７８の非小結節と共に、それらのミラーテンプレートを含んでいた。最大相互相関値は一般的に大きかったが、２４×２４画素のマトリックスサイズでは、小結節と非小結節との間の相関値の重複も大きかった。それは小結節と非小結節の分離には役立たない。他方、マトリックスサイズが４８×４８画素のときには、最大相互相関値が通常低く、信頼できる特徴として使用することができなかった。図１２から、３０個の小結節と３０個の非小結節との間の最良の分離は、テンプレートのマトリックスサイズが３６×３６画素であるときに達成されたことが明らかである。したがって、この研究で使用したテンプレートのマトリックスサイズは３６×３６画素と決定された。
【００３５】
非小結節テンプレートセット中の小結節状非小結節の除去
全ての非小結節テンプレートが多重テンプレートマッチング技術の性能の改善に有用な貢献をすることができるわけではないことに、注目することが重要である。実際、多くの非小結節テンプレートは多重テンプレートマッチング技術の性能を損なうのである。図９（ｃ）から分かるように、対角線の下に位置する４個の小結節があり、それはこれらの小結節が、全ての小結節テンプレートより、使用した幾つかの非小結節テンプレートによく類似していることを暗示する。図１３は、小結節と非小結節テンプレートとの最大相関値を増加することによって、幾つかの小結節を対角線の下に引き下げるそのような非小結節テンプレートの例を示す。これらの非小結節テンプレートは外見が一般的に小結節に似ていることが分かった。したがって、多重テンプレートマッチング技術の優れた性能を達成するために、これらの小結節状非小結節テンプレートを除去することが望ましい。訓練セットおよび補助データベースの小結節を使用して、このタスクを達成した。
【００３６】
前述した主データベースに加えて、より多くの小結節テンプレートの作成、および多重テンプレートマッチング技術の訓練のためにだけ、別の補助データベースをも使用したが、補助データベースの胸部画像の特性は主データベースのそれとは全く異なるので、多重テンプレートマッチング技術による本ＣＡＤ方式の検証には使用しなかった。補助データベースは、日本放射線写真技術協会によって開発された日本標準ディジタル画像データベース内の合計１５４件の小結節症例から選択された、孤立肺小結節を持つ１２８枚の胸部画像を含んでいた［１０］。極めて微妙な小結節または明瞭な小結節にそれぞれ対応する１または５いずれかの微妙さ格付けスコア（ｓｕｂｔｌｅｔｙ ｒａｔｉｎｇ ｓｃｏｒｅ）を持つ小結節を各々含む、２６件の小結節の症例が日本標準データベースから除去された。原胸部画像は、０．１７５ｍｍの画素サイズ、２０４８×２０４８のマトリックスサイズ、および１２ビットのグレーレベルでディジタル化した。この研究では、主データベースの胸部画像と一致させるために、原画像データを４分の１にサブサンプリングすることによって５１２×５１２に縮小し、グレーレベルの数を１０ビットに低減した。補助データベースの１２８個の小結節を主データベースの１０８個の小結節と共に、この後、多重テンプレートマッチング技術の検証のために小結節テンプレートセットとして使用した。１２８個の小結節は、多重テンプレートマッチング技術の訓練のため、すなわち小結節状非小結節テンプレートの除去のためにも使用した。
【００３７】
多重テンプレートマッチング技術の訓練の第１ステップとして、１２８個の結節の各々について、小結節と２０個の最大相互相関値を出した２０枚の非小結節テンプレートをここでは小結節状非小結節とみなし、初期非小結節テンプレートセットの４，８７５枚の原画テンプレートから除去した。こうして１，３３８枚の原画非小結節テンプレートを除去し、３，５３７枚の原画非小結節テンプレートを非小結節テンプレートセットに残した。同様に、３，５３７枚の原画テンプレートから小結節状非小結節をさらに除去するために、訓練セットの４４個の小結節を使用した。こうして、４６０枚の原画非小結節テンプレートを再び除去し、最終的に３，０７７枚の原画テンプレートを非小結節テンプレートセットに残した。補助データベースの１２８個の小結節および訓練セットの４４個の小結節を一緒に使用することによって、合計１，７９８枚のテンプレートを初期非小結節テンプレートセットから除去した。テンプレートセット中の小結節状非小結節の除去のために、経験的に２０個の最大相互相関値を閾値として使用した。しかし、利用可能なテンプレートの数および特性によって、異なる数の最大相互相関値を使用することが可能である。
【００３８】
我々が小結節状非小結節の除去によって多重テンプレートマッチング技術の性能をいかに改善したかを実証するために、図１４に、小結節状非小結節テンプレートを除去する前（ｘで示す）および後（丸で示す）の試験セットの４４個の小結節に対する小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示す。図１４で使用した小結節テンプレートセットは５，６６４（２４×２３６）枚のテンプレートから成り、それは主データベースの１０８個の小結節および補助データベースの１２８個の小結節、ならびのそれらのミラーテンプレート、スケーリングされたテンプレート、および回転テンプレートを含んでいた。非小結節テンプレートセットは、小結節状非小結節テンプレートの除去前および除去後にそれぞれ２９，２５０（６×４，８７５）枚のテンプレートおよび１８，４６２（６×３，０７７）枚のテンプレートを含み、それは原画非小結節テンプレート、それらのミラーテンプレート、および回転テンプレートを含んでいた。図１４で、小結節状非小結節テンプレートの除去によって大部分の小結節が左側にかなり移動したこと、および１つを除いて全ての小結節が、予測できる通り、対角線の上に位置することが明瞭である。
【００３９】
小結節状非小結節テンプレートの除去は、試験セット中の非小結節にも影響を及ぼすことに注目されたい。図１５は、非小結節テンプレートの除去前（ｘで示す）および除去後（点で示す）の試験セットの３７７個の非小結節の半分（１８９個）について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示す。小結節状非小結節テンプレートの除去前および除去後に、小結節テンプレートセットには５，６６４枚のテンプレート、非小結節テンプレートセットには２９，２５０枚および１８，４６２枚のテンプレートがそれぞれあったことに注意されたい。より分かりやすい表示のために、非小結節の半分だけが図１５には示されている。図１５で使用した小結節テンプレートセットおよび非小結節テンプレートセットは、図１４で使用したものと同一である。図１５では、３７７個の非小結節のうちの幾つかが図１４の小結節の場合と同様に左側に移動したが、多くの非小結節は、小結節状非小結節テンプレートの除去後も依然として、対角線の下に維持されることが明らかである。この発見は、小結節状非小結節テンプレートの除去後、ほとんど全ての小結節が対角線より上に位置するので、図１５の対角線より下の偽陽性（非小結節）を図１４の小結節と区別できることを暗に示す。
【００４０】
小結節状非小結節の除去後に、５，６６４枚の小結節テンプレートおよび１８，４６２枚の非小結節テンプレートにより、試験セットの４４個の小結節および３７７個の非小結節に基づき、検証試験を実行した。４４個の小結節および３７７個の非小結節は、多重テンプレートマッチング技術の訓練、すなわちテンプレートセット中の小結節状非小結節または非小結節状小結節いずれかの除去には使用されておらず、図１５に示した３７７個の非小結節は小結節状非小結節テンプレートを除去する効果を実証するために示したものであることに注目されたい。図１６は、試験セットの４４個の小結節および３７７の非小結節について、５，６６４枚の小結節テンプレートおよび１８，４６２枚の非小結節テンプレートとの最大相関値間の関係を示す。図１６では、２つの最大相互相関値に基づいて、小結節と偽陽性（非小結節）との間で顕著な区別ができることが明らかである。例えば対角線を閾値として使用した場合、すなわち対角線の上に位置する候補を小結節として受け入れる場合、３７７個の非小結節から１６７個の偽陽性（４４．３％）を除去することができ、真の小結節の除去はわずか１個（２．３％）である。３７７個の偽陽性の多くが外見的に小結節に類似しており、したがって「困難な」偽陽性とみなされるので、これは実際に、既存のＣＡＤ方式のかなりの改善を構成する。
【００４１】
多重テンプレートマッチング技術は、多数のテンプレートとの相互相関値が計算されるので、比較的大量のコンピュータ時間を必要とする。例えば、最終検証試験で２４，１２６（５，６６４＋１８，４６２）枚のテンプレートを使用した場合、インテル・ペンティアムＩＩＩ７３３ＭＨｚＣＰＵおよびＬｉｎｕｘオペレーティングシステムを持つパーソナルコンピュータで、各々の試験候補に対し相互相関値を計算するのに約８５秒かかる。将来、発明者らは、より高い性能および信頼性を達成するために、そのデータベースを大幅に拡張する計画であり、これが今度は、より大きいテンプレートセットおよび相互相関値の計算に要するより長いコンピュータ時間を暗に示す。しかし、この技術はＣＡＤ方式の最終ステップでのみ適用され、それは平均して１枚の胸部画像につき３個または４個の小結節候補を報告するだけであるので、これは多重テンプレートマッチング技術にとって重大な問題ではない。さらに、コンピュータは今も今後もどんどん高速化し、したがって、多重テンプレートマッチング技術の大量の計算によって生じる問題を相当軽減するであろう。現在、多重テンプレートマッチング技術を使用することによって幾つかの偽陽性を除去するために、各々の胸部画像を処理するのに約５〜６分かかる。
【００４２】
コンピュータ断層撮影法への適用
多重テンプレートマッチング技術が、コンピュータ断層撮影法（ＣＴ）での小結節検出のためのＣＡＤ方式における小結節と偽陽性を区別する潜在的可能性を持つことを実証するために、合計２３７個の小結節を含む４４のＣＴスキャンのデータベースに多重テンプレートマッチング技術を適用する予備研究を実施した。１０ｍｍのコリメーションおよび１０ｍｍの再構成間隔でＣＴスキャンを得た。各ＣＴスライスは５１２×５１２画素のマトリックスサイズおよび１０ビットのグレーレベル範囲を有する。データベースの画素サイズが０．５６６から０．７８１ｍｍの範囲となるように、視野は各患者毎に検査中に最適化した。
【００４３】
シカゴ大学放射線医学部におけるＣＴ小結節検出のための既存のＣＡＤプロセス［１３］は、二値化技術およびローリングボールアルゴリズムを使用することによって、最初に各スライスの背景から肺を区分した。次いで、初期小結節候補を検出するために、区分された肺領域に多重グレーレベル二値化技術を適用した。初期小結節候補の各々に対し、６つの幾何学的特徴（体積、真球度、等積球体の半径、最大コンパクトさ、最大真円度、および最大偏心度）および３つのグレーレベルの特徴（平均グレーレベル、グレーレベルの標準偏差、および小結節候補が最初に検出されたグレーレベル閾値）を決定し、偽陽性と小結節を区別するために使用した。このＣＡＤ方式により、２０８個（８７．８％）の小結節および４９２３個の偽陽性（１スライスにつき約３個の偽陽性）が小結節候補として報告された。
【００４４】
多重テンプレートマッチング技術をＣＴ小結節検出方式に適用するための基礎を構築するために、４９２３個の偽陽性から無作為に選択した２０８個の小結節および２００個の偽陽性を最初に選択した。この研究では、これらの候補から得られるテンプレートが完全に肺の内部に含まれるように、肺領域の境界から遠い小結節および非小結節だけを手動で選択した。こうして２０８個の小結節および２００個の非小結節からそれぞれ６０個の小結節および６０個の非小結節を得、テンプレートおよび試験候補の両方として使用した。試験候補および対応する導出テンプレートが、試験に使用するテンプレートセットに含まれないように、総当たり試験法を使用した。上述した多重テンプレートマッチング技術により、図１７に示すように、１，４４０（２４×６０）枚の小結節テンプレートおよび１，４４０（２４×６０）枚の非小結節テンプレートを使用することによって、６０個の小結節（丸）および６０個の非小結節（点）に対して最大相互相関値を得た。ミラーテンプレート、スケーリングされたテンプレートおよび回転テンプレートを使用することによって、６０個の小結節および６０個の非小結節からそれぞれ１，４４０枚の小結節テンプレートおよび１，４４０枚の非小結節テンプレートを得た。破線は小結節と非小結節の区別のための閾値として使用した。
【００４５】
図１７で、小結節が対角線より上に位置する傾向がある一方、非小結節は対角線より下に位置する傾向があることが明らかであり、これは小結節が一般的に小結節テンプレートによく類似しており、非小結節が一般的に非小結節テンプレートにより類似していることを示す。図１７では、多くの小結節が小結節テンプレートと非常の大きい相互相関値を持ち、したがってそれらは対角線より上および上右隅付近に分布することに注目することが重要であり、これはこれらの小結節の各々がテンプレートセット中に少なくとも１つの類似した小結節テンプレートを有することを示す。したがって、ＣＴスキャンの方が背景構造がより単純なので、ＣＴスキャンでは胸部放射線写真の場合より２つの同様の小結節を見つける確率が大きいと考えられる。破線を閾値として使用した場合、すなわち破線より上の候補を小結節と認め、破線より下の候補を非小結節と認めた場合、２９個（４８．３％）の偽陽性（非小結節）をわずか１個（１．７％）の小結節の低減と共に除去することができる。この結果は、多重テンプレートマッチング技術が、ＣＴ小結節検出のためのＣＡＤ方式、および乳房Ｘ線写真における塊および微小石灰化、超音波および磁気共鳴画像における胸部病変、腹部ＣＴ画像における結腸ポリープおよび肝臓腫瘍、ならびに脳ＣＴ画像における動脈瘤など、多くの異なる種類の病変を検出するための多くのＣＡＤ方式における偽陽性の数を相当低減する潜在的可能性を有することを示す。加えて、多重テンプレートマッチング技術は、良性病変と肺癌、乳癌、結腸癌、および胃癌など多くの胃癌による悪性病変とを区別するためにＣＡＤの性能を改善するために、良性小結節を悪性小結節と区別するのに使用することができる。
【００４６】
良性小結節への適用
ディジタル胸部画像の小結節を区別するためのＣＡＤ方式で、多重テンプレートマッチング技術を使用して良性小結節と悪性小結節を区別できることを示すための予備研究も行なった。２３個の悪性小結節および３３個の良性小結節を含む、５６枚の胸部画像のデータベースを使用した。各画像は２０４８×２０４８画素のマトリックスサイズ、０．１７５ｍｍの画素サイズ、および１０ビットのグレーレベル範囲を持っていた。各々の小結節の位置およびサイズを３名の放射線専門医によって識別し、位置およびサイズの平均値を計算し、次に述べる通り、胸部画像における悪性小結節と良性小結節の区別のために使用した。
【００４７】
多重テンプレートマッチング技術を適用することによって良性小結節と悪性小結節を区別するために、１０個の「典型的」悪性小結節および１０個の「典型的」良性小結節を手動で選択した。おおよその小結節サイズが分かるので、小結節の面積がテンプレートの面積の約半分になるように、最初に可変マトリックスサイズで小結節の位置で原画テンプレートを得た。次いで、画像スケーリング技術を用いることによって、全てのテンプレートのマトリックスサイズを４０×４０画素に正規化（縮小または拡大）した。各々の小結節に対し、対応するテンプレートと同一中心位置を持ちマトリックスサイズが４８×４８画素である対応する試験候補のスケーリングのために、同一倍率を適用した。
【００４８】
次いで、放射線専門医による推定小結節サイズの誤差を補正するために、各テンプレートを左右反転し、−１０度および＋１０度の２つの角度だけ回転し、０．９および１．１の２つの倍率でスケーリングした。テンプレートの数を増加するために３つの技術を組み合わせることによって、我々は１８０（１８×１０）個の悪性小結節のテンプレートおよび１８０（１８×１０）個の良性小結節のテンプレートを得た。全てのテンプレートおよび試験候補について、それらの間の相互相関値を決定する前に、背景傾向を補正した。試験候補および対応する導出テンプレートが試験に使用するテンプレートセットに含まれないように、総当たり法を使用した。
【００４９】
図１８は、１８０（１８×１０）枚の悪性小結節テンプレートおよび１８０（１８×１０）枚の良性小結節テンプレートを使用することにより、多重テンプレートマッチング技術で得た１０個の悪性小結節（丸）および１０個の良性小結節（点）の最大相互相関値を示す。図１８で、悪性小結節は対角線より上に位置する傾向がある一方、良性小結節は対角線より下に位置する傾向があることが明らかであり、これは悪性小結節が一般的に悪性小結節テンプレートにより類似し、良性小結節が一般的に良性小結節テンプレートにより類似することを示す。対角線を閾値として使用すると、すなわち、対角線より上の候補を悪性小結節として受け入れ、対角線より下の候補を良性小結節として受け入れると、全ての悪性小結節を残しながら、８個（８０％）の良性小結節を除去することが可能である。この結果は、良性病変と肺癌、乳癌、結腸癌、および胃癌など多くの癌による悪性病変の区別のためのＣＡＤ方式の性能を改善するために、多重テンプレートマッチング技術が良性小結節と悪性小結節を区別する能力を有することを示している。
【００５０】
コンピュータプログラム製品
本説明で記載した機構およびプロセスは、関連技術分野の熟練者には理解される通り、本明細書の教示に従ってプログラムした従来の汎用マイクロプロセッサまたはコンピュータを使用して実現することができる。適切なソフトウェアコーディングは、同じく関連技術分野の熟練者には理解される通り、本開示の教示に基づいて熟練プログラマが容易に作成することができる。しかし、当業者には容易に明らかになる通り、本発明は、特定用途向集積回路の作製によって、あるいは従来の部品回路の適切なネットワークを相互接続することによって実現することもできる。
【００５１】
したがって本願は、記憶媒体でホスト化（ｈｏｓｔｅｄ）することができ、かつ汎用マイクロプロセッサまたはコンピュータをプログラムして本発明に係るプロセスを実行するために使用することのできる命令を含む、コンピュータ利用製品をも含む。この記憶媒体は、フロッピーディスク、光ディスク、ＣＤ−ＲＯＭ、磁気光ディスク、ＲＯＭ、ＲＡＭ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、フラッシュメモリ、磁気または光カードをはじめとする任意の種類のディスク、あるいは電子命令を格納するのに適した任意の種類の媒体を含むことができるが、これらに限定されない。
【００５２】
汎用マイクロプロセッサまたはコンピュータのプログラミングは、画像収集装置（図示せず）から得た画像をディジタル化しかつ格納するためのソフトウェアモジュールを含むことができる。代替的に、本発明はまた、画像アーカイブ通信システム（ＰＡＣＳ）など他の手段によって得た画像から、またはディジタル画像データを生成する撮像装置から直接、導出されるディジタルデータを処理するために実現することもできる。言い換えると、処理されるディジタル画像は、ディジタル形式ですでに存在しており、本発明を実施する際にディジタル形式に変換する必要のないものであるかもしれない。
【００５３】
上記の教示に照らして本発明の多数の変形および変化が可能である。したがって、請求の範囲内で本発明はここで特に記載した以外の仕方で実施できることを理解されたい。
【００５４】
参考文献のリスト
１． Ｊ． Ｖ． Ｆｏｒｒｅｓｔ ａｎｄ Ｐ． Ｊ． Ｆｒｉｅｄｍａｎ， “Ｒａｄｉｏｌｏｇｉｃ ｅｒｒｏｒｓ ｉｎ ｐａｔｉｅｎｔｓ ｗｉｔｈ ｌｕｎｇ ｃａｎｃｅｒｓ，” Ｗｅｓｔ Ｊ． Ｍｅｄ． １３４， ４８５−４９０， （１９８１）．
２． Ｄ． Ｐ． Ｎａｉｄｉｃｈｉ， Ｅ． Ａ． Ｚｅｒｈｏｕｎｉ， ａｎｄ Ｓ． Ｓ． Ｓｌｅｇｅｌｍａｎ， Ｃｏｍｐｕｔｅｒ ｔｏｍｏｇｒａｐｈｙ ｏｆ ｔｈｏｒａｘ （Ｒａｖｅｎ， Ｎｅｗ Ｙｏｒｋ， １９８４）， ｐｐ．１７１−１９９．
３． Ｊ． Ｒ． Ｍｕｈｍ， Ｒ． Ｓ． Ｍｉｌｌｅｒ， Ｒ． Ｓ． Ｆｏｎｔａｎａ， ｅｔ ａｌ， ”Ｌｕｎｇ Ｃａｎｃｅｒ ｄｅｔｅｃｔｅｄ ｄｕｒｉｎｇ ａ ｓｃｒｅｅｎｉｎｇ ｐｒｏｇｒａｍ ｕｓｉｎｇ ｆｏｕｒ−ｍｏｎｔｈ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ， ” Ｒａｄｉｏｌｏｇｙ １４８， ６０９−６１５ （１９８３）．
４． Ｍ． Ｌ． Ｇｉｇｅｒ， Ｋ． Ｄｏｉ， ａｎｄ Ｈ． ＭａｃＭａｈｏｎ， ”Ｉｍａｇｅ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ａｎｄ ｃｏｍｐｕｔｅｒ−ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ ｉｎ ｄｉｇｉｔａｌ ｒａｄｉｏｇｒａｐｈｙ． ３． Ａｕｔｏｍａｔｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｎｏｄｕｌｅｓ ｉｎ ｐｅｒｉｐｈｅｒａｌ ｌｕｎｇ ｆｉｅｌｄｓ，” Ｍｅｄ， Ｐｈｙｓ． １５， １５８−１６６ （１９８８）．
５． Ｍ． Ｌ． Ｇｉｇｅｒ， Ｋ． Ｄｏｉ， Ｈ． ＭａｃＭａｈｏｎ， Ｃ． Ｅ． Ｍｅｔｚ， ａｎｄ Ｆ． Ｆ． Ｙｉｎ， ”Ｐｕｌｍｏｎａｒｙ ｎｏｄｕｌｅｓ： ｃｏｍｐｕｔｅｒ ａｉｄｅｄ ｄｅｔｅｃｔｉｏｎ ｉｎ ｄｉｇｉｔａｌ ｃｈｅｓｔ ｉｍａｇｅ，” ＲａｄｉｏＧｒａｐｈｉｃｓ １０， ４１−５１ （１９９０）．
６． Ｔ． Ｍａｔｓｕｍｏｔｏ， Ｈ． Ｙｏｓｈｉｍｕｒａ， Ｋ． Ｄｏｉ， Ｍ． Ｌ． Ｇｉｇｅｒ， Ａ． Ｋａｎｏ， Ｈ． ＭａｃＭａｈｏｎ， Ｋ． Ａｂｅ， ａｎｄ Ｓ． Ｍ． Ｍｏｎｔｎｅｒ， ”Ｉｍａｇｅ ｆｅａｔｙｒｅ ａｎａｌｙｓｉｓ ｏｆ ｆａｌｓｅ−ｐｏｓｉｔｉｖｅ ｄｉａｇｎｏｓｅｓ ｐｒｏｄｕｃｅｄ ｂｙ ａｕｔｏｍａｔｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｌｕｎｇ ｎｏｄｕｌｅｓ，” Ｉｎｖｅｓｔ． Ｒａｄｉｏｌ． ２７， ５８７−５９７ （１９９２）．
７． Ｙ． Ｃ． Ｗｕ， Ｋ． Ｄｏｉ， Ｍ． Ｌ． Ｇｉｇｅｒ， Ｃ． Ｅ． Ｍｅｔｚ， ａｎｄ Ｗ． Ｚｈａｎｇ， ”Ｒｅｄｕｃｔｉｏｎ ｏｆ ｆａｌｓｅ ｐｏｓｉｔｉｖｅｓ ｉｎ ｃｏｍｐｕｔｅｒｉｚｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｌｕｎｇ ｎｏｄｕｌｅｓ ｉｎ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ ｕｓｉｎｇ ａｒｔｉｆｉｃｉａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ｄｉｓｃｒｉｍｉｎａｎｔ ａｎａｌｙｓｉｓ ａｎｄ ａ ｒｕｌｅ−ｂａｓｅｄ ｓｃｈｅｍｅ，” Ｊ． Ｄｉｇｉｔａｌ Ｉｍａｇ． ７， １９６−２０７ （１９９４）．
８． Ｔ． Ｋｏｂａｙａｓｈｉ， Ｘ． Ｗ． Ｘｕ， Ｈ． ＭａｃＭａｈｏｎ， Ｃ． Ｅ． Ｍｅｔｚ， ａｎｄ Ｋ． Ｄｏｉ， ”Ｅｆｆｅｃｔ ｏｆ ａ ｃｏｍｐｕｔｅｒ−ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ ｓｃｈｅｍｅ ｏｎ ｒａｄｉｏｌｏｇｉｓｔｓ’ ｐｅｒｆｏｒｍａｎｃｅ ｉｎ ｄｅｔｅｃｔｉｏｎ ｏｆ ｌｕｎｇ ｎｏｄｕｌｅｓ ｏｎ ｒａｄｉｏｇｒａｐｈｓ．” Ｒａｄｉｏｌｏｇｙ １９９， ８４３−８４８ （１９９６）．
９． Ｘ． Ｗ． Ｘｕ， Ｋ． Ｄｏｉ， Ｔ． Ｋｏｂａｙａｓｈｉ， Ｈ． ＭａｃＭａｈｏｎ， ａｎｄ Ｍ． Ｌ． Ｇｉｇｅｒ， ”Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａｎ ｉｍｐｒｏｖｅｄ ＣＡＤ ｓｃｈｅｍｅ ｆｏｒ ａｕｔｏｍａｔｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｌｕｎｆ ｎｏｄｕｌｅｓ ｉｎ ｄｉｇｉｔａｌ ｃｈｅｓｔ ｉｍａｇｅｓ，” Ｍｅｄ． Ｐｈｙｓ． ２４， １３９５−１４０３ （１９９７）．
１０． Ｊ． Ｓｈｉｒａｉｓｈｉ， Ｓ． Ｋａｔｓｕｒａｇａｗａ， Ｊ． Ｉｋｅｚｏｅ， Ｔ． Ｋｏｂａｙａｓｈｉ， Ｋ． Ｋｏｍａｔｓｕ， Ｍ． Ｍａｔｓｕｉ， Ｈ． Ｆｕｊｉｔａ， Ｙ． Ｋｏｄｅｒａ， ａｎｄ Ｋ． Ｄｏｉ， ”Ｄｅｖｅｌｏｐｍｅｎｔ ｏｆ ａ ｄｉｇｉｔａｌ ｉｍａｇｅ ｄａｔａｂａｓｅ ｆｏｒ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ ｗｉｔｈ ａｎｄ ｗｉｔｈｏｕｔ ａ ｌｕｎｇ ｎｏｄｕｌｅ： Ｒｅｃｅｉｖｅｒ ｏｐｅｒａｔｉｎｇ ｃｈａｒａｃｔｅｒｉｓｔｉｃ ａｎａｌｙｓｉｓ ｏｆ ｒａｄｉｏｌｏｇｉｇｔｓ’ ｄｅｔｅｃｔｉｏｎ ｏｆ ｐｕｌｍｏｎａｒｙ ｎｏｄｕｌｅｓ，” ＡＪＲ １４７， ７１−７４ （２０００）．
１１． Ｘ． Ｗ， Ｘｕ， Ｋ． Ｄｏｉ， ”Ｉｍａｇｅ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ｆｏｒ ｃｏｍｐｕｔｅｒ−ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ： Ａｃｃｕｒａｔｅ ｄｅｔｅｒｍｉｎａｔｉｏｎ ｏｆ ｒｉｂｃａｇｅ ｂｏｕｎｄａｒｙ ｉｎ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ，” Ｍｅｄ． Ｐｈｙｓ． ２２， ６１７−６２６ （１９９５）．
１２． Ｘ． Ｗ． Ｘｕ， Ｋ． Ｄｏｉ， ”Ｉｍａｇｅ ｆｅａｔｕｒｅ ａｎａｌｙｓｉｓ ｆｏｒ ｃｏｍｐｕｔｅｒ−ａｉｄｅｄ ｄｉａｇｎｏｓｉｓ： Ｄｅｔｅｃｔｉｏｎ ｏｆ ｒｉｇｈｔ ａｎｄ ｌｅｆｔ ｈｅｍｉｄｉａｐｈｒａｇｍ ｅｄｇｅｓ ａｎｄ ｄｅｌｉｎｅａｔｉｏｎ ｏｆ ｌｕｎｇ ｆｉｅｌｄ ｉｎ ｃｈｅｓｔ ｒａｄｉｏｇｒａｐｈｓ， ”Ｍｅｄ． Ｐｈｙｓ． ２３， １６１３−１６２４ （１９９６）．
１３． Ｓ． Ｇ． Ａｒｍａｔｏ １１１， Ｍ． Ｌ． Ｇｉｇｅｒ， Ｃ． Ｊ． Ｍｏｒａｎ， Ｊ． Ｔ． Ｂｌａｃｋｂｕｒｎ， Ｋ． Ｄｏｉ， ａｎｄ Ｈ． ＭａｃＭａｈｏｎ， ”Ｃｏｍｐｕｔｅｒｉｚｅｄ ｄｅｔｅｃｔｉｏｎ ｏｆ ｐｕｌｍｏｎａｒｙ ｎｏｄｕｌｅｓ ｏｎ ＣＴ ｓｃａｎｓ，” Ｒａｄｉｏｇｒａｐｈｉｃｓ １９， １３０３−１３１１， （１９９９）．
【図面の簡単な説明】
【図１】本発明に係る多重テンプレートマッチングプロセス全体を示すフローチャート。
【図２】小結節テンプレートセットの作成のための基本的プロセスを示すフローチャート。
【図３】非小結節テンプレートセットの作成のための基本的プロセスを示すフローチャート。
【図４】背景傾向を補正した小結節テンプレートの複数の例を示す図。
【図５】背景傾向を補正した非小結節テンプレートの複数の例を示す図。
【図６】小結節の原画像の複数の例を示す図。
【図７】図６の原画像に線形関数を当てはめることによって得られた推定背景画像の複数の例を示す図。
【図８】６０の無作為に選択された候補について、１０８枚の小結節テンプレートおよび１７８枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図９Ａ】ミラー小結節テンプレート（２１６枚の小結節および１７８枚の非小結節テンプレート）を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図９Ｂ】ミラー非小結節テンプレート（１０８枚の小結節および３５６枚の非小結節テンプレート）を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図９Ｃ】小結節および非小結節の両方にミラーテンプレート（２１６枚の小結節および３５６枚の非小結節テンプレート）を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１０】小結節テンプレートのスケーリングを用いて、６０個の無作為に選択された候補について、４３２枚の小結節テンプレートおよび１７８枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１１Ａ】小結節テンプレートの回転を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１１Ｂ】非小結節テンプレートの回転を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１１Ｃ】小結節テンプレートおよび非小結節テンプレートの回転を用いて、６０個の無作為に選択された候補について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１２Ａ】テンプレートのマトリックスサイズが２４×２４画素に等しいときに、６０個の無作為に選択された候補について、２１６枚の小結節テンプレートおよび３５６枚の非小結節テンプレートの最大相互相関値間の関係を示すグラフ。
【図１２Ｂ】テンプレートのマトリックスサイズが３６×３６画素に等しいときに、６０個の無作為に選択された候補について、２１６枚の小結節テンプレートおよび３５６枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１２Ｃ】テンプレートのマトリックスサイズが４８×４８画素に等しいときに、６０個の無作為に選択された候補について、２１６枚の小結節テンプレートおよび３５６枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１３】小結節状非小結節テンプレートの例を示す図。
【図１４】小結節状非小結節テンプレートを除去する前（Ｘ）および後（丸）で、試験セットの４４個の小結節について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１５】小結節状非小結節テンプレートを除去する前（Ｘ）および後（点）で、試験セットの３７７個の非小結節の半分（１８９）について、小結節テンプレートおよび非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１６】検証テストで小結節状非小結節テンプレートを除去した後で、試験セットの４４個の小結節（円）および３７７個の非小結節（点）について、５，６６４枚の小結節テンプレートおよび１８，４６２枚の非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１７】６６個のＣＴ小結節（丸）および６０個のＣＴ非小結節（点）について、１，４４０枚のＣＴ小結節テンプレートおよび１，４４０枚のＣＴ非小結節テンプレートとの最大相互相関値間の関係を示すグラフ。
【図１８】１０個の悪性小結節（丸）および１０個の良性小結節（点）について、１８０枚の悪性小結節テンプレートおよび１８０枚の良性小結節テンプレートとの最大相互相関値間の関係を示すグラフ。１８０枚の悪性小結節テンプレートおよび１８０枚の良性小結節テンプレートは、ミラーテンプレート、スケーリングしたテンプレート、および回転したテンプレートを用いて、１０個の典型的な悪性小結節および１０個の典型的良性小結節からそれぞれ得たものであり、破線は悪性小結節と良性小結節を見分けるための閾値として使用した。
Claims (46)
- 医用ディジタル画像の候補異常が真の異常であるかどうかを決定する方法において、
予め定められた異常および予め定められた非異常にそれぞれ対応する複数の第１テンプレートおよび複数の第２テンプレートを得ることと、
前記医用ディジタル画像の候補異常を前記得られた第１および第２テンプレートと比較して、前記候補異常と前記得られた第１および第２テンプレートの各々との間の相互相関値を導出することと、
前記比較工程で導出された最大相互相関値を決定し、かつ前記最大相互相関値が前記候補異常を前記第１テンプレートまたは前記第２テンプレートのどちらと比較することによって生成されたかを決定することと、
前記最大相互相関値が前記候補異常を前記第１テンプレートと比較することによって生成された場合には、前記候補異常を真の異常と決定し、前記最大相互相関値が前記候補異常を前記第２テンプレートと比較することによって生成された場合には、前記候補異常を非異常と決定することと、
を具備する改良された方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記候補異常よりサイズが小さい複数の第１テンプレートおよび複数の第２テンプレートを得ることを具備する請求項１に記載の方法。 - 前記比較工程が、
前記候補異常を前記得られた第１および第２テンプレートと比較して、前記候補異常と前記得られた第１および第２テンプレートの各々との間の相互相関値を導出することと、
前記第１および第２テンプレートを前記候補異常に対してシフトさせて、前記候補異常と前記シフトされた第１および第２テンプレートの各々との間の相互相関値を導出することとを具備する請求項２に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの鏡像である追加第１および第２テンプレートを生成することを具備する請求項１に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートのスケーリングされたバージョンである追加第１テンプレートを生成することを具備する請求項１に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの回転バージョンである追加第１および第２テンプレートを生成することを具備する請求項１に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの鏡像である追加第１および第２テンプレートを生成することを具備する請求項２に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートのスケーリングされたバージョンである追加第１テンプレートを生成することを具備する請求項２に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの回転バージョンである追加第１および第２テンプレートを生成することを具備する請求項２に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの鏡像である追加第１および第２テンプレートを生成することを具備する請求項３に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートのスケーリングされたバージョンである追加第１テンプレートを生成することを具備する請求項３に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの回転バージョンである追加第１および第２テンプレートを生成することを具備する請求項３に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートのスケーリングされたバージョンである追加第１テンプレートを生成することを具備する請求項７に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの回転バージョンである追加第１および第２テンプレートを生成することを具備する請求項７に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートのスケーリングされたバージョンである追加第１テンプレートを生成することを具備する請求項１０に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの回転バージョンである追加第１および第２テンプレートを生成することを具備する請求項１０に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項１に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項２に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項３に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項１６に記載の方法。 - 予め定められた悪性異常および予め定められた良性異常にそれぞれ対応する複数の第３テンプレートおよび複数の第４テンプレートを得ることと、
真の異常を前記得られた第３および第４テンプレートと比較して、前記真の異常と前記得られた第３および第４テンプレートの各々との間の相互相関値を導出することと、
前記比較ステップで導出された最大相互相関値を決定し、かつ前記最大相互相関値が前記真の異常を前記第３テンプレートまたは前記第４テンプレートのどちらと比較することによって生成されたかを決定することと、
前記最大相互相関値が前記真の異常を前記第３テンプレートと比較することによって生成された場合には、前記真の異常を悪性異常と分類し、前記最大相互相関値が前記真の異常を前記第４テンプレートと比較することによって生成された場合には、前記真の異常を良性異常と分類することとをさらに具備する請求項１に記載の方法。 - 予め定められた悪性異常および予め定められた良性異常にそれぞれ対応する複数の第３テンプレートおよび複数の第４テンプレートを得ることと、
真の異常を前記得られた第３および第４テンプレートと比較して、前記真の異常と前記得られた第３および第４テンプレートの各々との間の相互相関値を導出することと、
前記比較ステップで導出された最大相互相関値を決定し、かつ前記最大相互相関値が前記真の異常を前記第３テンプレートまたは前記第４テンプレートのどちらと比較することによって生成されたかを決定することと、
前記最大相互相関値が前記真の異常を前記第３テンプレートと比較することによって生成された場合には、前記真の異常を悪性異常と分類し、前記最大相互相関値が前記真の異常を前記第４テンプレートと比較することによって生成された場合には、前記真の異常を良性異常と分類することとをさらに具備する請求項２に記載の方法。 - 予め定められた悪性異常および予め定められた良性異常にそれぞれ対応する複数の第３テンプレートおよび複数の第４テンプレートを得ることと、
真の異常を前記得られた第３および第４テンプレートと比較して、前記真の異常と前記得られた第３および第４テンプレートの各々との間の相互相関値を導出することと、
前記比較ステップで導出された最大相互相関値を決定し、かつ前記最大相互相関値が前記真の異常を前記第３テンプレートまたは前記第４テンプレートのどちらと比較することによって生成されたかを決定することと、
前記最大相互相関値が前記真の異常を前記第３テンプレートと比較することによって生成された場合には、前記真の異常を悪性異常と分類し、前記最大相互相関値が前記真の異常を前記第４テンプレートと比較することによって生成された場合には、前記真の異常を良性異常と分類することとをさらに具備する請求項３に記載の方法。 - 予め定められた悪性異常および予め定められた良性異常にそれぞれ対応する複数の第３テンプレートおよび複数の第４テンプレートを得ることと、
真の異常を前記得られた第３および第４テンプレートと比較して、前記真の異常と前記得られた第３および第４テンプレートの各々との間の相互相関値を導出することと、
前記比較ステップで導出された最大相互相関値を決定し、かつ前記最大相互相関値が前記真の異常を前記第３テンプレートまたは前記第４テンプレートのどちらと比較することによって生成されたかを決定することと、
前記最大相互相関値が前記真の異常を前記第３テンプレートと比較することによって生成された場合には、前記真の異常を悪性異常と分類し、前記最大相互相関値が前記真の異常を前記第４テンプレートと比較することによって生成された場合には、前記真の異常を良性異常と分類することとをさらに具備する請求項１７に記載の方法。 - 医用ディジタル画像の異常を分類する方法において、
予め定められた悪性異常および予め定められた良性異常にそれぞれ対応する複数の第１テンプレートおよび複数の第２テンプレートを得ることと、
前記医用ディジタル画像の前記異常を前記得られた第１および第２テンプレートと比較して、前記異常と前記得られた第１および第２テンプレートの各々との間の相互相関値を導出することと、
前記比較ステップで導出された最大相互相関値を決定し、かつ前記最大相互相関値が前記異常を前記第１テンプレートまたは前記第２テンプレートのどちらと比較することによって生成されたかを決定することと、
前記最大相互相関値が前記異常を前記第１テンプレートと比較することによって生成された場合には、前記異常を悪性異常と分類し、前記最大相互相関値が前記異常を前記第２テンプレートと比較することによって生成された場合には、前記異常を良性異常と分類することと
を具備する改良された方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記医用ディジタル画像の前記異常よりサイズが小さい複数の第１テンプレートおよび複数の第２テンプレートを得ることを具備する請求項２５に記載の方法。 - 前記比較工程が、
前記候補異常を前記得られた第１および第２テンプレートと比較して、前記候補異常と前記得られた第１および第２テンプレートの各々との間の相互相関値を導出することと、
前記第１および第２テンプレートを前記候補異常に対してシフトさせて、前記異常と前記シフトされた第１および第２テンプレートの各々との間の相互相関値を導出することとを具備する請求項２６に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの鏡像である追加第１および第２テンプレートを生成することを具備する請求項２５に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートのスケーリングされたバージョンである追加第１テンプレートを生成することを具備する請求項２５に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの回転バージョンである追加第１および第２テンプレートを生成することを具備する請求項２５に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの鏡像である追加第１および第２テンプレートを生成することを具備する請求項２６に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートのスケーリングされたバージョンである追加第１テンプレートを生成することを具備する請求項２６に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの回転バージョンである追加第１および第２テンプレートを生成することを具備する請求項２６に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの鏡像である追加第１および第２テンプレートを生成することを具備する請求項２７に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートのスケーリングされたバージョンである追加第１テンプレートを生成することを具備する請求項２７に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの回転バージョンである追加第１および第２テンプレートを生成することを具備する請求項２７に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートのスケーリングされたバージョンである追加第１テンプレートを生成することを具備する請求項３４に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
前記得られた複数の第１テンプレートおよび複数の第２テンプレートの回転バージョンである追加第１および第２テンプレートを生成することを具備する請求項３５に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項２５に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項２６に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項２７に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項３４に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項３７に記載の方法。 - 前記複数の第１テンプレートおよび複数の第２テンプレートを得る工程が、
候補第１テンプレートおよび候補第２テンプレートを得ることと、
前記候補第１テンプレートを少なくとも１つの既知の非異常構造と比較し、前記少なくとも１つの既知の非異常構造に対し予め定められた程度の非類似性を示した候補第１テンプレートだけを第１テンプレートとして保持することと、
前記候補第２テンプレートを少なくとも１つの既知の異常構造と比較し、前記少なくとも１つの既知の異常構造に対し予め定められた程度の非類似性を示した候補第２テンプレートだけを第２テンプレートとして保持することとを具備する請求項３８に記載の方法。 - 請求項１〜４４のいずれか１項に記載の方法を実現するためのシステム。
- 請求項１〜４４のいずれか１項に記載のステップを実行するためのプログラムを格納するコンピュータ読み取り可能な媒体。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US09/716,335 US6470092B1 (en) | 2000-11-21 | 2000-11-21 | Process, system and computer readable medium for pulmonary nodule detection using multiple-templates matching |
| PCT/US2001/043146 WO2002043562A2 (en) | 2000-11-21 | 2001-11-21 | Pulmonary nodule detection using multiple-templates matching |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2004517660A true JP2004517660A (ja) | 2004-06-17 |
Family
ID=24877623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002545549A Pending JP2004517660A (ja) | 2000-11-21 | 2001-11-21 | 多重テンプレートマッチングを使用する肺小結節検出のためのプロセス、システムおよびコンピュータ読み取り可能な媒体 |
Country Status (5)
| Country | Link |
|---|---|
| US (2) | US6470092B1 (ja) |
| EP (1) | EP1395165A2 (ja) |
| JP (1) | JP2004517660A (ja) |
| AU (1) | AU2002241475A1 (ja) |
| WO (1) | WO2002043562A2 (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009528117A (ja) * | 2006-03-03 | 2009-08-06 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像の類似度を評価するための画像特性セットの特定 |
| US8083678B2 (en) | 2003-04-16 | 2011-12-27 | Eastern Virginia Medical School | System, method and medium for acquiring and generating standardized operator independent ultrasound images of fetal, neonatal and adult organs |
Families Citing this family (46)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6741743B2 (en) * | 1998-07-31 | 2004-05-25 | Prc. Inc. | Imaged document optical correlation and conversion system |
| 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 |
| 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 |
| JP4274400B2 (ja) * | 2000-05-12 | 2009-06-03 | 富士フイルム株式会社 | 画像の位置合わせ方法および装置 |
| AU2001294802B2 (en) * | 2000-10-02 | 2005-12-01 | Shell Internationale Research Maatschappij B.V. | Method and apparatus for casing expansion |
| JP3986011B2 (ja) * | 2000-12-28 | 2007-10-03 | 株式会社進化システム総合研究所 | データ符号化装置および画像データ符号化方法 |
| US6795521B2 (en) * | 2001-08-17 | 2004-09-21 | Deus Technologies Llc | Computer-aided diagnosis system for thoracic computer tomography images |
| AU2002341671A1 (en) * | 2001-09-14 | 2003-04-01 | Cornell Research Foundation, Inc. | System, method and apparatus for small pulmonary nodule computer aided diagnosis from computed tomography scans |
| US20030105395A1 (en) * | 2001-12-05 | 2003-06-05 | Li Fan | Vessel-feeding pulmonary nodule candidate generation |
| WO2003070102A2 (en) * | 2002-02-15 | 2003-08-28 | The Regents Of The University Of Michigan | Lung nodule detection and classification |
| US7233699B2 (en) * | 2002-03-18 | 2007-06-19 | National Instruments Corporation | Pattern matching using multiple techniques |
| US6963768B2 (en) * | 2002-05-16 | 2005-11-08 | General Electric Company | Whole body MRI scanning with moving table and interactive control |
| US7236620B1 (en) * | 2002-06-24 | 2007-06-26 | Icad, Inc. | Computer-aided detection methods in volumetric imagery |
| US7260250B2 (en) * | 2002-09-30 | 2007-08-21 | The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services | Computer-aided classification of anomalies in anatomical structures |
| US7203350B2 (en) * | 2002-10-31 | 2007-04-10 | Siemens Computer Aided Diagnosis Ltd. | Display for computer-aided diagnosis of mammograms |
| US7418119B2 (en) * | 2002-10-31 | 2008-08-26 | Siemens Computer Aided Diagnosis Ltd. | Display for computer-aided evaluation of medical images and for establishing clinical recommendation therefrom |
| US7194119B2 (en) * | 2002-11-21 | 2007-03-20 | Siemens Aktiengesellschaft | Method and system for retrieving a medical picture |
| WO2004049777A2 (en) * | 2002-12-04 | 2004-06-17 | Washington University | Method and apparatus for automated detection of target structures from medical images using a 3d morphological matching algorithm |
| MXPA05011120A (es) * | 2003-04-16 | 2005-12-15 | Eastern Viriginai Medical Scho | Sistema y metodo para generar imagenes de ultrasonido independientes del operador. |
| US20050002548A1 (en) * | 2003-06-20 | 2005-01-06 | Novak Carol L. | Automatic detection of growing nodules |
| US7369638B2 (en) * | 2003-07-11 | 2008-05-06 | Siemens Medical Solutions Usa, Inc. | System and method for detecting a protrusion in a medical image |
| US7515743B2 (en) * | 2004-01-08 | 2009-04-07 | Siemens Medical Solutions Usa, Inc. | System and method for filtering a medical image |
| WO2005079306A2 (en) * | 2004-02-13 | 2005-09-01 | University Of Chicago | Method, system, and computer software product for feature-based correlation of lesions from multiple images |
| US20050196023A1 (en) * | 2004-03-01 | 2005-09-08 | Eastman Kodak Company | Method for real-time remote diagnosis of in vivo images |
| JP2005334298A (ja) * | 2004-05-27 | 2005-12-08 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
| WO2006093523A2 (en) * | 2004-07-15 | 2006-09-08 | Kenji Suzuki | Computerized scheme for distinction between benign and malignant nodules in thoracic low-dose ct |
| US7623692B2 (en) * | 2005-07-22 | 2009-11-24 | Carestream Health, Inc. | Pulmonary nodule detection in a chest radiograph |
| US7738683B2 (en) | 2005-07-22 | 2010-06-15 | Carestream Health, Inc. | Abnormality detection in medical images |
| US7783092B2 (en) * | 2006-01-17 | 2010-08-24 | Illinois Institute Of Technology | Method for enhancing diagnostic images using vessel reconstruction |
| US20070250548A1 (en) * | 2006-04-21 | 2007-10-25 | Beckman Coulter, Inc. | Systems and methods for displaying a cellular abnormality |
| US8121360B2 (en) * | 2006-07-31 | 2012-02-21 | Siemens Medical Solutions Usa, Inc. | Computer aided detection and decision support |
| US20080031408A1 (en) * | 2006-08-07 | 2008-02-07 | Predrag Sukovic | Quantification of sinus problems in a patient |
| US8311310B2 (en) * | 2006-08-11 | 2012-11-13 | Koninklijke Philips Electronics N.V. | Methods and apparatus to integrate systematic data scaling into genetic algorithm-based feature subset selection |
| US20110255761A1 (en) * | 2007-06-26 | 2011-10-20 | University Of Rochester | Method and system for detecting lung tumors and nodules |
| US20090082637A1 (en) * | 2007-09-21 | 2009-03-26 | Michael Galperin | Multi-modality fusion classifier with integrated non-imaging factors |
| US8175367B2 (en) | 2007-11-23 | 2012-05-08 | Hologic, Inc. | Reducing false positives in computer-aided detection |
| KR100988855B1 (ko) * | 2008-10-10 | 2010-10-20 | 한국원자력연구원 | 비정상 상태 진단 장치 및 진단 방법 |
| WO2010047324A1 (ja) * | 2008-10-20 | 2010-04-29 | 株式会社 日立メディコ | 医用画像処理装置、及び医用画像処理方法 |
| US9014440B2 (en) * | 2009-11-11 | 2015-04-21 | Thiagarajar College Of Engineering | Dental cysts detector |
| JP5801379B2 (ja) | 2010-04-30 | 2015-10-28 | ヴィユーコンプ インクVucomp, Inc. | 確率密度関数推定器 |
| US8675933B2 (en) | 2010-04-30 | 2014-03-18 | Vucomp, Inc. | Breast segmentation in radiographic images |
| WO2012006318A1 (en) | 2010-07-07 | 2012-01-12 | Vucomp, Inc. | Marking system for computer-aided detection of breast abnormalities |
| JP5755285B2 (ja) * | 2013-05-31 | 2015-07-29 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 磁気共鳴装置およびプログラム |
| US10521911B2 (en) | 2017-12-05 | 2019-12-31 | Siemens Healtchare GmbH | Identification of defects in imaging scans |
| US10818386B2 (en) * | 2018-11-21 | 2020-10-27 | Enlitic, Inc. | Multi-label heat map generating system |
| US11087124B1 (en) * | 2020-09-24 | 2021-08-10 | Fmr Llc | Systems and methods for digital document field location identification |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4802231A (en) * | 1987-11-24 | 1989-01-31 | Elliot Davis | Pattern recognition error reduction system |
| JP2571129B2 (ja) * | 1989-06-26 | 1997-01-16 | 富士写真フイルム株式会社 | 放射線画像診断装置 |
| US6026174A (en) * | 1992-10-14 | 2000-02-15 | Accumed International, Inc. | System and method for automatically detecting malignant cells and cells having malignancy-associated changes |
| US6320976B1 (en) * | 1999-04-01 | 2001-11-20 | Siemens Corporate Research, Inc. | Computer-assisted diagnosis method and system for automatically determining diagnostic saliency of digital images |
-
2000
- 2000-11-21 US US09/716,335 patent/US6470092B1/en not_active Expired - Fee Related
-
2001
- 2001-11-21 EP EP01988139A patent/EP1395165A2/en not_active Withdrawn
- 2001-11-21 WO PCT/US2001/043146 patent/WO2002043562A2/en not_active Application Discontinuation
- 2001-11-21 JP JP2002545549A patent/JP2004517660A/ja active Pending
- 2001-11-21 AU AU2002241475A patent/AU2002241475A1/en not_active Abandoned
-
2002
- 2002-08-30 US US10/231,064 patent/US6683973B2/en not_active Expired - Lifetime
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8083678B2 (en) | 2003-04-16 | 2011-12-27 | Eastern Virginia Medical School | System, method and medium for acquiring and generating standardized operator independent ultrasound images of fetal, neonatal and adult organs |
| JP2009528117A (ja) * | 2006-03-03 | 2009-08-06 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 画像の類似度を評価するための画像特性セットの特定 |
Also Published As
| Publication number | Publication date |
|---|---|
| EP1395165A2 (en) | 2004-03-10 |
| US20030002723A1 (en) | 2003-01-02 |
| WO2002043562A3 (en) | 2004-01-08 |
| AU2002241475A1 (en) | 2002-06-11 |
| US6470092B1 (en) | 2002-10-22 |
| WO2002043562A2 (en) | 2002-06-06 |
| US6683973B2 (en) | 2004-01-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2004517660A (ja) | 多重テンプレートマッチングを使用する肺小結節検出のためのプロセス、システムおよびコンピュータ読み取り可能な媒体 | |
| US11004196B2 (en) | Advanced computer-aided diagnosis of lung nodules | |
| Ko et al. | Chest CT: automated nodule detection and assessment of change over time—preliminary experience | |
| US6898303B2 (en) | Method, system and computer readable medium for the two-dimensional and three-dimensional detection of lesions in computed tomography scans | |
| Suzuki | Pixel‐based machine learning in medical imaging | |
| US6813375B2 (en) | Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease | |
| Li et al. | Investigation of new psychophysical measures for evaluation of similar images on thoracic computed tomography for distinction between benign and malignant nodules | |
| US11896407B2 (en) | Medical imaging based on calibrated post contrast timing | |
| JP2004532067A (ja) | 胸部画像上における良性と悪性の孤立性肺結節間の弁別のための自動化されコンピューター化された機構 | |
| Li et al. | Computer‐aided diagnostic scheme for lung nodule detection in digital chest radiographs by use of a multiple‐template matching technique | |
| JP2004509655A (ja) | 画像マッピングおよびテンプレートマッチング技術を使用して胸部ｘ線写真を識別するための方法、システム、およびコンピュータ可読媒体 | |
| Osman et al. | Lung nodule diagnosis using 3D template matching | |
| US7043066B1 (en) | System for computerized processing of chest radiographic images | |
| Huang et al. | Bone feature segmentation in ultrasound spine image with robustness to speckle and regular occlusion noise | |
| US20220138936A1 (en) | Systems and methods for calcium-free computed tomography angiography | |
| Sogancioglu et al. | Nodule detection and generation on chest X-rays: NODE21 Challenge | |
| Theresa et al. | CAD for lung nodule detection in chest radiography using complex wavelet transform and shearlet transform features | |
| Cao et al. | A new method for false-positive reduction in detection of lung nodules in CT images | |
| Van Ginneken | Computer‐aided diagnosis in thoracic computed tomography | |
| Li et al. | Development of a multiple-template matching technique for removal of false positives in a computer-aided diagnostic scheme | |
| Suzuki | Computerized Detection of Lesions in Diagnostic Images with Early Deep Learning Models | |
| Lessmann | Machine learning based quantification of extrapulmonary diseases in chest CT | |
| Suzuki | Computerized detection of lesions in diagnostic images | |
| Masood et al. | Fully Automated CAD System for Lung Cancer Detection and Classification Using 3D Residual U-Net with multi-Region Proposal Network (mRPN) in CT Images | |
| Larroza et al. | Breast Delineation in Full-Field Digital Mammography Using the Segment Anything Model |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041105 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060919 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20070320 |