JP2005020337A - 画像処理方法および装置並びにプログラム - Google Patents
画像処理方法および装置並びにプログラム Download PDFInfo
- Publication number
- JP2005020337A JP2005020337A JP2003182092A JP2003182092A JP2005020337A JP 2005020337 A JP2005020337 A JP 2005020337A JP 2003182092 A JP2003182092 A JP 2003182092A JP 2003182092 A JP2003182092 A JP 2003182092A JP 2005020337 A JP2005020337 A JP 2005020337A
- Authority
- JP
- Japan
- Prior art keywords
- image
- normal
- subject
- representing
- generating
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims description 50
- 238000000034 method Methods 0.000 title abstract description 49
- 239000013598 vector Substances 0.000 claims description 47
- 238000004364 calculation method Methods 0.000 claims description 20
- 238000003672 processing method Methods 0.000 claims description 17
- 238000003860 storage Methods 0.000 claims description 16
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 239000000284 extract Substances 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 abstract description 72
- 238000001514 detection method Methods 0.000 abstract description 47
- 238000003745 diagnosis Methods 0.000 abstract description 10
- 210000000988 bone and bone Anatomy 0.000 description 135
- 210000000038 chest Anatomy 0.000 description 95
- 238000010586 diagram Methods 0.000 description 26
- 230000014509 gene expression Effects 0.000 description 11
- 230000002123 temporal effect Effects 0.000 description 11
- 230000005855 radiation Effects 0.000 description 8
- 210000004072 lung Anatomy 0.000 description 6
- 210000004872 soft tissue Anatomy 0.000 description 5
- 210000003109 clavicle Anatomy 0.000 description 4
- 210000000614 rib Anatomy 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 239000004973 liquid crystal related substance Substances 0.000 description 3
- 238000000513 principal component analysis Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 101100129590 Schizosaccharomyces pombe (strain 972 / ATCC 24843) mcp5 gene Proteins 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000005273 aeration Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000037182 bone density Effects 0.000 description 1
- 210000000481 breast Anatomy 0.000 description 1
- 210000000621 bronchi Anatomy 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 230000001149 cognitive effect Effects 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
【課題】異常陰影検出等の画像診断に供する画像を、効率的に生成する。
【解決手段】構造物正常画像生成手段２０が、入力された１つの被写体画像Ｐに基づいて、被写体画像Ｐにおける被写体を構成する所定の構造物を表す構造物画像に対応する、所定の構造物の正常な構造を表す構造物正常画像Ｓｈを人工的に生成し、構造物除去画像生成手段３０が、被写体画像Ｐから構造物正常画像Ｓｈを減算して、上記構造物画像が除去された、エネルギーサブトラクション画像あるいは経時サブトラクション画像に相当する構造物除去画像Ｒｈを生成する。
【選択図】 図７
【解決手段】構造物正常画像生成手段２０が、入力された１つの被写体画像Ｐに基づいて、被写体画像Ｐにおける被写体を構成する所定の構造物を表す構造物画像に対応する、所定の構造物の正常な構造を表す構造物正常画像Ｓｈを人工的に生成し、構造物除去画像生成手段３０が、被写体画像Ｐから構造物正常画像Ｓｈを減算して、上記構造物画像が除去された、エネルギーサブトラクション画像あるいは経時サブトラクション画像に相当する構造物除去画像Ｒｈを生成する。
【選択図】 図７
Description
【０００１】
【発明の属する技術分野】
本発明は、画像処理に関し、特に詳しくは、異常陰影検出等の画像診断に適した画像を生成する画像処理方法および装置並びにそのためのプログラムに関するものである。
【０００２】
【従来の技術】
従来、医療分野においては、所定の患部を表す医用画像に基づいて、腫瘤等の異常陰影を検出する際に、その検出の障害となる骨部が除去された画像を得るため、エネルギーサブトラクション処理と呼ばれる処理が用いられている。
【０００３】
エネルギーサブトラクション処理は、照射Ｘ線量に対するＸ線吸収率が、被写体を構成する各構造物によって異なることを利用して、同一患部についての照射Ｘ線量が異なる２つの画像を用意し、その２つの画像の差分をとることにより、構造物の一部が除去された画像を生成する処理のことであり、軟部が強調された画像から骨部が強調された画像を減算することで、骨部が除去された画像を得ることができる。このようにして得られた画像をエネルギーサブトラクション画像という（特許文献１参照）。
【０００４】
また、同分野において、所定の患部を表す医用画像に基づいて、新規に発生した異常陰影を検出する際に、その異常陰影が強調された画像を得るため、経時サブトラクション処理と呼ばれる処理が用いられている。
【０００５】
経時サブトラクション処理は、同一患部についての撮影時期の異なる２つの画像を用意し、その２つの画像の差分をとることにより、患部の経時変化が強調された画像を生成する処理のことであり、過去画像として異常発生前の正常時の画像を用いることで、新規に発生した異常陰影が強調された画像を得ることができる。このようにして得られた画像を経時サブトラクション画像という（特許文献２参照）。
【０００６】
【特許文献１】
特公平３−６５９７４号公報
【０００７】
【特許文献２】
特開２００１−１５７６７５号公報
【０００８】
【発明が解決しようとする課題】
しかしながら、上記エネルギーサブトラクション処理においては、同一患部についての照射Ｘ線量が異なる２つの画像を用意しなければならず、また、上記経時サブトラクション処理においては、同一患部についての撮影時期が異なる２つの画像を用意しなければならない。つまり、上記のいずれの処理においても、特定の複数の画像を必要とし、単純に撮影された１つの画像だけでは、骨部が取り除かれた画像や異常陰影が強調された画像を得ることはできない。
【０００９】
したがって、その特定の画像を得るために、特別な装置や特殊な撮影技術が必要となり、上記のような画像診断に供する画像を効率的に生成することができないという問題がある。
【００１０】
本発明は、上記事情に鑑み、骨部が取り除かれた画像や異常陰影が強調された画像などの画像診断に供する画像を、効率的に生成することが可能な画像処理方法および装置並びにそのためのプログラムを提供することを目的とするものである。
【００１１】
【課題を解決するための手段】
本発明の第１の画像処理方法は、複数の構造物からなる被写体を表す被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に対応する、上記所定の構造物の正常な構造を表す構造物正常画像を人工的に生成するステップと、被写体画像と生成された構造物正常画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする方法である。
【００１２】
そして、本発明の第１の画像処理装置は、複数の構造物からなる被写体を表す被写体画像を入力する被写体画像入力手段と、被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に対応する、上記所定の構造物の正常な構造を表す構造物正常画像を人工的に生成する構造物正常画像生成手段と、被写体画像と生成された構造物正常画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成する構造物除去画像生成手段とを備えたことを特徴とするものである。
【００１３】
上記第１の画像処理方法において、構造物正常画像を生成するステップは、 上記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得するステップと、同種の構造物の構造を変更するための複数の構造変更ベクトルを設定するステップと、画像データに対して複数の構造変更ベクトルを加算するステップとを有するステップとなるようにすることができる。
【００１４】
同様に、上記第１の画像処理装置において、構造物正常画像生成手段は、上記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、上記同種の構造物の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、上記画像データに対して上記複数の構造変更ベクトルを加算する構造変更ベクトル加算手段とを備えたものとすることができる。
【００１５】
ここで、「構造物正常画像」とは、構造物の組織が正常である場合の構造（形状およびテクスチャ）を有する画像のことである。
【００１６】
「所定の構造物と同種の構造物の正常な構造を表す画像」および「構造変更ベクトル」としては、例えば、同種の構造物についての正常な構造を表す複数の異なる画像を標本（教師データ）として、統計的なその構造物の平均形状および平均テクスチャで構成される画像を、「所定の構造物と同種の構造物の正常な構造を表す画像」とし、構造物の形状およびテクスチャについて主成分分析を行うことにより算出される、形状およびテクスチャの固有ベクトルに係数を掛けたものを、「構造変更ベクトル」とすることができる。
【００１７】
また、上記第１の画像処理方法において、構造物正常画像を生成するステップは、上記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得するステップと、上記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定するステップと、上記画像データに対して上記複数の構造変更ベクトルを加算することにより、被写体画像に対応する上記被写体の正常な構造を表す被写体正常画像を生成するステップと、上記被写体正常画像に基づいて、被写体正常画像から当該被写体正常画像中の上記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、上記構造物正常画像を生成するステップとを有するステップとなるようにすることができる。
【００１８】
同様に、上記第１の画像処理装置において、構造物正常画像生成手段は、上記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、上記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、上記画像データに対して上記複数の構造変更ベクトルを加算することにより、被写体画像に対応する上記被写体の正常な構造を表す被写体正常画像を生成する構造変更ベクトル加算手段と、上記被写体正常画像に基づいて、被写体正常画像から当該被写体正常画像中の上記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、上記構造物正常画像を生成する画像生成手段とを備えたものとすることができる。
【００１９】
上記のような、画像を人工的に生成する手法としては、例えば、ＡＡＭ（Ａｃｔｉｖｅ Ａｐｐｅａｒａｎｃｅ Ｍｏｄｅｌ）による手法を用いることができる。このＡＡＭによる手法の詳細については後述する。
【００２０】
被写体画像における構造物画像に対応する画像を人工的に生成する際には、上記の通り、その構造物の正常な構造を表す画像となるようにしているが、これは、正常でない構造を含む画像を用いて画像間演算すると、得られた画像中に、被写体画像が本来持っている異常な要素とは別に、他の異常な要素が入り込み、画像診断に適さない画像となってしまうからである。
【００２１】
本発明の第２の画像処理方法は、複数の構造物からなる被写体を表す被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に略合致する画像を、人工的に生成された、上記所定の構造物と同種の構造物の正常な構造を表す複数の異なる画像の中から選択するステップと、被写体画像と選択された画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする方法である。
【００２２】
そして、本発明の第２の画像処理装置は、複数の構造物からなる被写体を表す被写体画像を入力する被写体画像入力手段と、人工的に生成された、上記複数の構造物のうち少なくとも１つの所定の構造物と同種の構造物の正常な構造を表す複数の異なる画像を保存する画像保存手段と、被写体画像における上記所定の構造物を表す構造物画像に略合致する画像を、画像保存手段により保存されている画像の中から選択する画像選択手段と、被写体画像と選択された画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成する構造物除去画像生成手段とを備えたことを特徴とするものである。
【００２３】
第１の画像処理方法および装置では、所定の構造物を表す構造物画像に対応する構造物正常画像を、被写体画像に基づいて人工的に生成するのに対し、第２の画像処理方法および装置は、既に人工的に生成された複数の画像の中から、所定の構造物を表す構造物画像に合致する画像を選択する点で異なる。
【００２４】
上記の画像を選択するステップおよび画像選択手段においては、特開２００２−００８３５０号公報に記載されているような、画像データの（濃度信号の）ヒストグラムを利用して類似した画像を検索する手法を適用し、被写体画像と保存されている各画像について、濃度信号のヒストグラムをそれぞれ生成し、このヒストグラムが被写体画像と最も類似している画像を選択する手法等を用いることができる。なお、類似しているか否かの判断は、例えば、被写体画像と上記保存されている画像の両ヒストグラムの差異の分散値を算出し、この分散値が小さいほど類似していると判断すればよい。
【００２５】
本発明の第１のプログラムは、複数の構造物からなる被写体を表す被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に対応する、上記所定の構造物の正常な構造を表す構造物正常画像を人工的に生成するステップと、被写体画像と生成された構造物正常画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする画像処理をコンピュータに実行させるためのプログラムである。
【００２６】
また、本発明の第２のプログラムは、複数の構造物からなる被写体を表す被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に略合致する画像を、人工的に生成された、上記所定の構造物と同種の構造物の正常な構造を表す複数の異なる画像の中から選択するステップと、被写体画像と選択された画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする画像処理をコンピュータに実行させるためのプログラムである。
【００２７】
このような第１および第２のプログラムを、コンピュータ読み取り可能な記録媒体に記録し、当該記録媒体を読み取らせることにより、コンピュータにインストールして実行させるようにしたり、あるいはネットワーク接続されたサーバ上にダウンロード可能な状態で記憶させ、当該サーバからダウンロードすることにより、コンピュータにインストールして実行させるようにしたりしてもよい。
【００２８】
なお、「画像間演算」としては、特に、２つの画像についてそれぞれの画像を表す画像情報間の画素を対応させた減算処理が適用されるものが好ましい。この場合、単純な減算であってもよいし、重み付けを行った上での減算であってもよい。減算処理によって得られる差分画像は、一般に、サブトラクション画像と称される。
【００２９】
なお、本発明において、被写体画像は医用画像であり、上記複数の構造物は被写体の解剖学的特徴を有するものであってもよい。
【００３０】
ここで、「医用画像」とは、画像診断に供されるＸ線画像やＣＴ画像などのデジタル画像のことであり、「被写体画像」としては、例えば、デジタル胸部Ｘ線画像や胸部ＣＴ画像などとし、「複数の構造物」としては、肋骨、鎖骨、肺、気管支など、あるいは、肋骨や鎖骨を表す骨部、軟部組織を表す軟部などとすることができる。
【００３１】
被写体が人体の胸部である場合、「所定の構造物」を骨部とすれば、肋骨や鎖骨等の骨部が取り除かれた軟部組織のみを表す軟部画像（エネルギーサブトラクション画像に相当する画像）を得ることができるし、「所定の構造物」を全構造物とすれば、診断対象となる胸部画像とその胸部が正常である場合の画像との差分画像、つまり異常陰影が強調される画像（経時サブトラクション画像に相当する画像）を得ることができる。
【００３２】
なお、「所定の構造物」を全構造物としたときに得られる上記差分画像は、被写体全体の正常な構造を表す画像を人工的に生成して、被写体画像と生成された画像との画像間演算により得られる差分画像と類似するが、被写体を構成する一部の構造物の大きさや形状が同じでも、その他の構造物の大きさや形状あるいはテクスチャが同じであるとは限らないので、本発明のように構造物毎に対応する画像を生成する手法の方が、より被写体画像に合致した精度の高い画像を生成することができる点で有利である。
【００３３】
また、本発明において、「画像」とは、実際に表示された視認性のある画像だけでなく、その画像を表示させるための画像データをも含むものである。
【００３４】
【発明の効果】
本発明の第１の画像処理方法および装置によれば、１つの被写体画像に基づいて、被写体を構成する構造物の正常な構造を表す構造物正常画像を人工的に生成し、被写体画像と構造物正常画像との画像間演算により、エネルギーサブトラクション画像や経時サブトラクション画像に相当する画像を得ることができるので、従来のような、複数の特定の画像を用意する必要がなく、すなわち、これらの複数の特定の画像を得るための特別な装置や特殊な撮影技術が不要となり、骨部が取り除かれた画像や異常陰影が強調された画像などの画像診断に供する画像を、効率的に生成することが可能となる。
【００３５】
上記第１の画像処理方法において、構造物正常画像を生成するステップを、上記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得するステップと、同種の構造物の構造を変更するための複数の構造変更ベクトルを設定するステップと、画像データに対して複数の構造変更ベクトルを加算するステップとを有するステップとなるようにすれば、構造変更ベクトルの設定により略任意の形状やテクスチャを有する画像を生成することができるので、目的の構造物正常画像を精度よく生成することができる。
【００３６】
また、上記第１の画像処理装置において、構造物正常画像生成手段を、上記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、上記同種の構造物の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、上記画像データに対して上記複数の構造変更ベクトルを加算する構造変更ベクトル加算手段とを備えたものとすれば、同様に、構造変更ベクトルの設定により略任意の形状やテクスチャを有する画像を生成することができるので、目的の構造物正常画像を精度よく生成することができる。
【００３７】
上記第１の画像処理方法において、構造物正常画像を生成するステップを、上記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得するステップと、上記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定するステップと、上記画像データに対して上記複数の構造変更ベクトルを加算することにより、被写体画像に対応する上記被写体の正常な構造を表す被写体正常画像を生成するステップと、上記被写体正常画像に基づいて、被写体正常画像から当該被写体正常画像中の上記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、上記構造物正常画像を生成するステップとを有するステップとなるようにすれば、そのＡＡＭによる手法とは違ったアプローチの仕方により、さらに精度の高い構造物正常画像の生成を期待することができる。
【００３８】
また、上記第１の画像処理装置において、構造物正常画像生成手段を、上記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、上記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、上記画像データに対して上記複数の構造変更ベクトルを加算することにより、被写体画像に対応する上記被写体の正常な構造を表す被写体正常画像を生成する構造変更ベクトル加算手段と、上記被写体正常画像に基づいて、被写体正常画像から当該被写体正常画像中の上記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、上記構造物正常画像を生成する画像生成手段とを備えたものとすれば、同様に、そのＡＡＭによる手法とは違ったアプローチの仕方により、さらに精度の高い構造物正常画像の生成を期待することができる。
【００３９】
本発明の第２の画像処理方法および装置によれば、１つの被写体画像に基づいて、被写体を構成する構造物の正常な構造を表す画像に相当する画像を、人工的に生成された複数の画像の中から選択し、被写体画像と選択された画像との画像間演算により、エネルギーサブトラクション画像や経時サブトラクション画像に相当する画像を得ることができるので、第１の画像処理方法および装置と同様に、従来のような、複数の特定の画像を用意する必要がなく、すなわち、これらの複数の特定の画像を得るための特別な処理や画像の管理が不要となり、骨部が取り除かれた画像や異常陰影が強調された画像などの画像診断に供する画像を、効率的に生成することが可能となる。
【００４０】
【発明の実施の形態】
以下、本発明の実施の形態について説明するが、はじめに、被写体や被写体を構成する構造物などの所定の画像に対応する、被写体やその構造物の正常な構造を表す正常画像を人工的に生成する手法について説明する。
【００４１】
正常画像を人工的に生成する手法として、マンチェスター大学の Ｃｏｏｔｅｓ らが提案している”Ａｃｔｉｖｅ Ａｐｐｅａｒａｎｃｅ Ｍｏｄｅｌ（ＡＡＭ）”［Ｔ．Ｆ． Ｃｏｏｔｅｓ， ａｎｄ Ｃ．Ｊ． Ｔａｙｌｏｒ， Ａｃｔｉｖｅ Ａｐｐｅａｒａｎｃｅ Ｍｏｄｅｌｓ， Ｐｒｏｃ． Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ， Ｖｏｌ．２， ｐｐ．４８４−４９８， Ｓｐｒｉｎｇｅｒ， １９９８］ を用いるが、ここでは、被写体あるいはその構造物の正常な構造を表す多数のサンプル画像、およびこれらサンプル画像から抽出された解剖学的特徴の形状（ランドマーク）を教師データとして使用し、上記ＡＡＭに適用する。
【００４２】
教師データから被写体あるいはその構造物の正常構造の統計学的なモデル（形状変化モデル、テクスチャ変化モデル、形状とテクスチャの相関モデル）を作成し、このモデルを用いることにより、所定の画像に対応する任意の形状とテクスチャを持つ正常画像を人工的に生成することが可能となる。
【００４３】
なお、サンプル画像としては、実際に撮影された画像を用いるのが好ましいが、十分な数を用意することができない場合は、被写体あるいはその構造物の特徴的かつ正常な基本構造を保ちながらランダムに作成された人工画像を用いるようにしてもよい。
【００４４】
以下、被写体あるいはその構造物等の所定の画像に対応する正常画像を人工的に生成する手順について、胸部画像に対応する胸部正常画像を生成する場合を例に説明する。
【００４５】
図１は正常画像の生成手順を表すフローチャートを示す図である。
【００４６】
（１）平均形状・平均テクスチャの作成（ステップＳ１）
まず、胸部を表す各サンプル画像から胸部の解剖学的特徴の形状をランドマークとして抽出する。図２は、その例として、サンプル画像Ｐ１，Ｐ２，Ｐ３に対して肺野領域の外縁にランドマークを付した状態を示した図であり、図中記号Ｍで表した複数の黒点がランドマークである。これらランドマークとして用いる点は各サンプル画像中において同等の解剖学的特徴位置である。このようにしてランドマークとして抽出された各形状から胸部の平均形状を作成する。図３は、胸部の平均形状を表した画像Ｐａを示す図である。なお、各形状をランドマークとして抽出する際には、平行移動成分について予め正規化しておく方がよい。例えば、胸部画像においては、肺野上端と水平方向（左右方向）の中心を揃える。
【００４７】
次に、各サンプル画像を、作成された平均形状にワーピング（Ｗａｒｐｉｎｇ ）するために、各サンプル画像中のランドマーク各点の平均形状へのシフト量を算出する。図４は、胸部画像において肺野領域の外縁に付されたランドマーク（図中、記号Ｍで表す）の各点が、平均形状（図中、記号Ｋａで表す）へワーピングされる様子を示した図である。そして、ランドマーク各点のシフト量を、２次元５次多項式を用いて近似する。式（１）から（４）は、その多項式近似の数式を示したものである。
【００４８】
【数１】
ここで、ｘ，ｙは各サンプル画像中のランドマーク各点の座標、ｘ′，ｙ′はワーピングされる平均形状上の座標、Δｘ，Δｙは平均形状へのシフト量、ｎは次数、ａｉｊ，ｂｉｊは係数である。なお、多項式近似の係数は最小自乗法を用いて求める。
【００４９】
上式を用いて、各サンプル画像について画素毎の平均形状へのシフト量を算出し、各サンプル画像を画素毎に平均形状へワーピングする。このとき、ワーピング後の座標が整数ではなく小数点以下を含む位置に移動する画素については、４近傍から１次近似で画素値を求める。つまり、ワーピング後の座標を囲む４つの画素に対して、ワーピング後の座標から各画素の座標までの距離に比例して画素値をそれぞれ分配するようにする。そして、平均形状へワーピングされた後の各サンプル画像から平均テクスチャを作成する。
【００５０】
この時点で、胸部についての、平均形状、その平均形状へワーピングされた後の各サンプル画像、および平均テクスチャが得られる。
【００５１】
（２）形状変化モデルの作成（ステップＳ２）
各サンプル画像における胸部の形状とその平均形状を用いて、胸部の形状に対して主成分分析を行い、固有形状を算出する。固有成分は文献 ［Ｍａｔｔｈｅｗ Ｔｕｒｋ， Ａｌｅｘ Ｐｅｎｔｌａｎｄ， Ｅｉｇｅｎｆａｃｅｓ ｆｏｒ Ｒｅｃｏｇｎｉｔｉｏｎ， Ｊｏｕｒｎａｌ ｏｆ Ｃｏｇｎｉｔｉｖｅ Ｎｅｕｒｏｓｃｉｅｎｃｅ， ｖｏｌ．３， ｎｕｍ１， １９９１］に示す手法を用いて求める。固有形状の線形和を用いて任意形状が次式のように近似できる。
【００５２】
【数２】
ここで、ｘは形状ベクトル（ｘ１ ，ｙ１ ，・・・，ｘｉ ，ｙｉ ，・・・，ｘｎ ，ｙｎ ）、ｘａｖｅ は平均形状ベクトル、Ｐｓ は形状の固有ベクトル、ｂｓ は形状係数のセット（組み合わせ）である。図５は、固有形状の例として、互いに異なる固有形状Ｋ１，Ｋ２，Ｋ３をランドマークＭで表したものである、なお、図中、実線のＫａは平均形状である。
【００５３】
（３）テクスチャ変化モデルの作成（ステップＳ３）
各サンプル画像における胸部のテクスチャとその平均テクスチャを用いて、胸部のテクスチャに対して主成分分析を行い、固有テクスチャを算出する。
【００５４】
【数３】
ここで、ｇはグレイレベル（テクスチャの画素値）のベクトル（ｇ１１，ｇ２１，・・・，ｇｉｊ，・・・，ｇｎｎ）、ｇａｖｅ は平均グレイレベルのベクトル、Ｐｇ はグレイレベルの固有ベクトル、ｂｇ はグレイレベル係数のセットである。図６は、固有テクスチャの例として、互いに異なる固有テクスチャＴ１，Ｔ２，Ｔ３を示したものである。
【００５５】
（４）形状とテクスチャの相関モデルの作成（ステップＳ４）
各サンプル画像における胸部の形状／テクスチャは、各固有形状／固有テクスチャに投影した値からなる係数ｂｓ 、ｂｇ を用いて表現することができる。以下に示すように、これら係数に対してさらに主成分分析を行い、形状とグレイレベルをコントロールするアピアランスパラメータを算出する。
【００５６】
【数４】
ここで、Ｗｓ は対角行列で各形状係数に対する重みである。
【００５７】
【数５】
Ｑは固有ベクトル、ｃは形状とグレイレベルを制御するアピアランスパラメータ（ｃの平均は０）である。このアピアランスパラメータを変化させることにより、胸部の略任意の画像を人工的に生成することができる。
【００５８】
（５）正常画像の生成（ステップＳ５）
胸部画像Ｐに対応する胸部正常画像を、以下のような手続きで生成する。
１．平均形状と平均形状内の画像から算出したアピアランスパラメータを初期値として設定する（正常画像データ取得手段）。
２．上位の固有成分のアピアランスパラメータから順番にパラメータを少しずつ振りながら人工画像を作成し、その人工画像と胸部画像との差分が所定値以下となるパラメータを探索する（構造変更ベクトル設定手段，構造変更ベクトル加算手段）。
３．上記２．で求めたアピアランスパラメータの値から得られた人工画像を、胸部画像Ｐに対応する胸部正常画像として決定する。
【００５９】
上記手法によれば、予め、被写体の平均形状／平均テクスチャ、固有形状／固有テクスチャ、固有ベクトルＱといった各要素を求めておけば、アピアランスパラメータｃの調整のみによって、被写体画像に対応する略任意の画像を生成することができる。
【００６０】
なお、被写体を構成する所定の構造物に対応する画像を生成するには、サンプル画像として、その所定の構造物のみを表す画像を用意すればよく、例えば、実際に撮影された被写体全体を表す画像から、その所定の構造物のみを表す領域だけを抽出した画像を生成し、サンプル画像として用いることができる。この領域の抽出は、テンプレートマッチングによる手法や濃淡の変化を調べてエッジを検出する手法などの画像認識技術を用いたり、あるいは、手動で切り抜いたりすることで実現できる。
【００６１】
（実施例１）
図７は、本発明の第１の画像処理装置の一実施形態である第１異常陰影検出装置の構成を示した概略ブロック図である。図７に示す第１異常陰影検出装置は、肋骨や鎖骨等の骨部とそれ以外の軟部とからなる人体胸部を表す胸部放射線画像Ｐ（以下、単に胸部画像という）を入力する被写体画像入力手段１０と、胸部画像Ｐにおける骨部を表す骨部画像Ｐｈに対応する、骨部の正常な構造を表す骨部正常画像Ｓｈを推測して人工的に生成する構造物正常画像生成手段２０と、胸部画像Ｐと骨部正常画像Ｓｈとの画像間演算により、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを生成する構造物除去画像生成手段３０と、生成された骨部除去画像Ｒｈに基づいて異常陰影検出を行う異常陰影検出手段４０と、生成された骨部除去画像Ｒｈを異常陰影検出結果とともに画面に表示する表示手段５０とを備えている。
【００６２】
次に、上記のように構成された第１異常陰影検出装置の作用について説明する。図８は、当該装置の処理フローを示した図である。
【００６３】
被写体画像入力手段１０は、放射線画像をデジタル画像として取得可能なＣＲ装置や、放射線画像のデジタル画像が保存されている記憶装置等から、人体胸部の放射線画像を表す胸部画像Ｐを入力する（ステップＳ１１）。ここでは、胸部画像Ｐは、骨部の後ろにある癌化部分を表す異常陰影ｆが含まれているものとする。図９は、このような胸部画像Ｐを表した図である。
【００６４】
構造物正常画像生成手段２０は、入力された胸部画像Ｐに基づいて、下記の処理により、骨部正常画像Ｓｈを得る。
【００６５】
まず、胸部画像Ｐにおいて画像の濃淡の急峻な変化を検出する等により、骨のエッジすなわち骨部とそれ以外の軟部組織との境界を検出し、胸部画像Ｐを、骨部を表す骨部画像Ｐｈと軟部を表す軟部画像Ｐｇとに分割して認識する（ステップＳ１２）。
【００６６】
次に、認識された骨部画像Ｐｈに対応する、骨部の正常な構造を表す骨部正常画像Ｓｈと、認識された軟部画像Ｐｇに対応する、軟部の正常な構造を表す軟部正常画像Ｓｇとを暫定的に生成し（ステップＳ１３）、さらに、骨部正常画像Ｓｈと軟部正常画像Ｓｇとを合成して、胸部全体を表す統合画像Ｓｈｇを生成する（ステップＳ１４）。
【００６７】
骨部正常画像Ｓｈおよび軟部正常画像Ｓｇは、前述のＡＡＭの手法を用いて、正常な骨部のみを表すサンプル画像および正常な軟部のみを表すサンプル画像を教師データとして、骨部および軟部の正常画像を人工的に生成するための演算式をそれぞれ求め、各演算式に対して適当なアピアランスパラメータを探索することにより生成する。
【００６８】
そして、生成された統合画像Ｓｈｇと元の胸部画像Ｐとを比較して、画像のパターンが互いに充分に近いか否かを判定し（ステップＳ１５）、充分近い場合は、このときの骨部正常画像Ｓｈを骨部画像Ｐｈに対応する画像として確定し（ステップＳ１６）、そうでない場合には、骨部正常画像Ｓｈと軟部正常画像Ｓｇのいずれか一方あるいは両方を、上記アピアランスパラメータを変更することにより生成し直し（ステップＳ１３）、同様の処理を繰り返すことにより、骨部画像Ｐｈに対応した骨部正常画像Ｓｈを得る。なお、画像パターンが充分に近いか否かの判定は、例えば、比較対象となる２つの画像間で対応する画素同士の差分信号値の分散が所定値以内であるときに、充分近いと判定することができる。図１０は、このようにして得られた骨部正常画像Ｓｈを表した図である。
【００６９】
構造物除去画像生成手段３０は、胸部画像Ｐと構造物正常画像生成手段２０により得られた骨部正常画像Ｓｈとの間で画像間演算としての減算処理、具体的には、胸部画像Ｐから骨部正常画像Ｓｈを、対応する画素同士で引き算することにより、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを生成する（ステップＳ１７）。図１１は、骨部除去画像Ｒｈを表した図である。このようにして得られた骨部除去画像Ｒｈには、胸部画像Ｐがもともと有していた軟部の情報と異常陰影の情報が残るので、エネルギーサブトラクション画像に相当する画像として利用することができる。
【００７０】
異常陰影検出手段４０は、生成された骨部除去画像Ｒｈに基づいて、既存の各種の異常陰影検出手法により、異常陰影を検出する（ステップＳ１８）。異常陰影検出手法としては、例えば、特開２００２−１０９５１０号公報にて提案されているアイリスフィルタを用いて腫瘤陰影を検出する手法などが挙げられる。
【００７１】
表示手段５０は、異常陰影検出結果とともに骨部除去画像Ｒｈを、ＣＲＴや液晶パネル等の画面に表示する（ステップＳ１９）。なお、表示手段５０は、骨部正常画像Ｓｈと元の胸部画像Ｐとを同一画面上で並べて表示したり、これら２つの画像を位置合せし重ね合せて表示したりしてもよい。
【００７２】
なお、実施例１においては、骨部正常画像Ｓｈおよび軟部正常画像Ｓｇを暫定的に生成する際に、認識された骨部画像Ｐｈおよび軟部画像Ｐｇと比較しながら画像パターンの近いものだけを採択し、それらを用いて統合画像Ｓｈｇを生成するようにしているが、認識された骨部画像Ｐｈおよび軟部画像Ｓｇとの比較は行わずに、各画像を生成する演算式において、アピアランスパラメータを適当に変更してゆき、その都度、統合画像Ｓｈｇを生成するようにしてもよい。この場合、骨部画像Ｐｈに対応する骨部正常画像Ｓｈを見つけて確定するまでの処理においては、骨部正常画像Ｓｈ、軟部正常画像Ｓｇ、統合画像Ｓｈｇは、必ずしも画像データとして生成する必要はなく、各画像に対するグレイレベル係数のセットｂｇ を、これらの画像を特定する情報として用いればよい。
【００７３】
また、骨部正常画像Ｓｈと軟部正常画像Ｓｇとを暫定的に生成し、これらを合成して統合画像Ｓｈｇを生成する処理においては、骨部正常画像Ｓｈを生成するための演算と、軟部正常画像Ｓｇを生成するための演算とは、実質的に別の演算になっていればどのような処理をしてもよく、これらを別々に処理してもよいし、見かけ上一体に処理してもよい。例えば、軟部のグレイレベルｕと骨部のグレイレベルｈとを、それぞれ上記の式（６）を利用して、
【数６】
と表したとすると、統合画像のグレイレベルを、
【数７】
として、見かけ上一体の処理として扱うようにしてもよい。
【００７４】
また、上記の実施例１においては、胸部画像Ｐから骨部正常画像Ｓｈを減算することにより、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを得ているが、胸部画像Ｐから統合画像Ｓｈｇを減算することにより、胸部から骨部および軟部が除去された像を表す骨部軟部除去画像Ｒｈｇを得るようにしてもよい。このようにして得られた骨部軟部除去画像Ｒｈｇには、胸部画像Ｐがもともと有していた異常陰影の情報が残るので、経時サブトラクション画像に相当する画像として利用することができる。
【００７５】
（実施例２）
本発明の第１の画像処理装置の他の実施形態である第２異常陰影検出装置について説明する。第２異常陰影検出装置は、上記第１異常陰影検出装置と同じ構成であり、図７に示すように、被写体画像入力手段１０と、構造物正常画像生成手段２０と、構造物除去画像生成手段３０と、異常陰影検出手段４０と、表示手段５０とを備えているが、構造物正常画像生成手段２０における正常画像の生成プロセスが異なる。
【００７６】
次に、第２異常陰影検出装置の作用について説明する。図１２は、当該装置の処理フローを示した図である。
【００７７】
被写体画像入力手段１０は、ＣＲ装置や記憶装置等から、人体胸部の放射線画像を表す胸部画像Ｐを入力する（ステップＳ２１）。
【００７８】
構造物正常画像生成手段２０は、入力された胸部画像Ｐに基づいて、下記の処理により、骨部正常画像Ｓｈを得る。
【００７９】
まず、胸部画像Ｐにおいて画像の濃淡の急峻な変化を検出する等により、骨のエッジすなわち骨部とそれ以外の軟部組織との境界を検出し、軟部を表す軟部画像Ｐｇを認識する（ステップＳ２２）。
【００８０】
次に、認識された軟部画像Ｐｇに対応する、軟部の正常な構造を表す軟部正常画像Ｓｇを生成し（ステップＳ２３）、胸部画像Ｐから軟部正常画像Ｓｇを、対応する画素同士で引き算することにより、胸部から軟部が除去された像を表す軟部除去画像Ｒｇを生成する（ステップＳ２４）。この時点で、軟部除去画像Ｒｇには、骨部の情報と異常陰影の情報が含まれている。さらに、軟部除去画像Ｒｇにおいて骨のエッジを検出し、軟部除去画像Ｒｇにおいて骨部を表す骨部画像Ｐｈ′を認識する（ステップＳ２５）。認識された骨部画像Ｐｈ′に対応する、骨部の正常な構造を表す骨部正常画像Ｓｈ′を生成する（ステップＳ２６）。
【００８１】
軟部正常画像Ｓｇおよび骨部正常画像Ｓｈ′は、前述のＡＡＭの手法を用いて、正常な軟部のみを表すサンプル画像および正常な骨部のみを表すサンプル画像を教師データとして、軟部および骨部の正常画像を人工的に生成するための演算式をそれぞれ求め、各演算式に対して適当なアピアランスパラメータを探索することにより生成する。
【００８２】
構造物除去画像生成手段３０は、構造物正常画像生成手段２０により得られた軟部除去画像Ｒｇと骨部正常画像Ｓｈ′との間で画像間演算としての減算処理、具体的には、軟部除去画像Ｒｇから骨部正常画像Ｓｈ′を、対応する画素同士で引き算することにより、胸部から軟部および骨部が除去された像を表す軟部骨部除去画像Ｒｇｈを生成する（ステップＳ２７）。このようにして得られた軟部骨部除去画像Ｒｇｈには、胸部画像Ｐがもともと有していた異常陰影の情報が残るので、経時サブトラクション画像に相当する画像として利用することができる。
【００８３】
異常陰影検出手段４０は、生成された軟部骨部除去画像Ｒｇｈに基づいて、上述の各種の異常陰影検出手法により、異常陰影を検出する（ステップＳ２８）。
【００８４】
表示手段５０は、異常陰影検出結果とともに軟部骨部除去画像Ｒｇｈを、ＣＲＴや液晶パネル等の画面に表示する（ステップＳ２９）。なお、表示手段５０は、骨部正常画像Ｓｈ′と元の胸部画像Ｐ、軟部正常画像Ｓｇと元の胸部画像Ｐ、あるいは、軟部骨部除去画像Ｒｇｈと元の胸部画像Ｐを、同一画面上で並べて表示したり、これら２つの画像を位置合せし重ね合せて表示したりしてもよい。
【００８５】
（実施例３）
本発明の第１の画像処理装置のさらに別の実施形態である第３異常陰影検出装置について説明する。第３異常陰影検出装置は、第１異常陰影検出装置と同じ構成であり、図７に示すように、被写体画像入力手段１０と、構造物正常画像生成手段２０と、構造物除去画像生成手段３０と、異常陰影検出手段４０と、表示手段５０とを備えているが、構造物正常画像生成手段２０における正常画像の生成プロセスが異なる。
【００８６】
次に、第３異常陰影検出装置の作用について説明する。図１３は、当該装置の処理フローを示した図である。
【００８７】
被写体画像入力手段１０は、ＣＲ装置や記憶装置等から、人体胸部の放射線画像を表す胸部画像Ｐを入力する（ステップＳ３１）。
【００８８】
構造物正常画像生成手段２０は、入力された胸部画像Ｐに基づいて、下記の処理により、骨部正常画像Ｓｈを得る。
【００８９】
まず、胸部画像Ｐに対応する、胸部の正常な構造を表す胸部正常画像Ｓｋを生成する（ステップＳ３２）。胸部正常画像Ｓｋは、前述のＡＡＭによる手法を用いて、正常な胸部を表すサンプル画像を教師データとして、胸部の正常画像を人工的に生成するための演算式を求め、この演算式に対して適当なアピアランスパラメータを探索することにより生成する。
【００９０】
そして、胸部画像と骨部画像との対応関係を予め学習させておいたニューラルネットを用いて、胸部正常画像Ｓｋと対応関係にある骨部画像を求め、これを胸部画像Ｐにおける骨部画像Ｐｈに対応する、骨部の正常な構造を表す骨部正常画像Ｓｈとする（ステップＳ３３）。ここで、「胸部画像と骨部画像との対応関係」とは、例えば、胸部のグレイレベルｋと骨部のグレイレベルｈとを、それぞれ上記の式（６）を利用して、
【数８】
と表したとすると、ｂｋ とｂｈ の対応関係とすることができる。なお、ニューラルネットの詳細に関しては、特開２０００−４８１８７号公報に記載されているので参照されたい。
【００９１】
構造物除去画像生成手段３０は、胸部画像Ｐと構造物正常画像生成手段２０により得られた骨部正常画像Ｓｈとの間で画像間演算としての減算処理、具体的には、胸部画像Ｐから骨部正常画像Ｓｈを、対応する画素同士で引き算することにより、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを生成する（ステップＳ３４）。このようにして得られた骨部除去画像Ｒｈには、胸部画像Ｐがもともと有していた軟部の情報と異常陰影の情報が残るので、エネルギーサブトラクション画像に相当する画像として利用することができる。
【００９２】
異常陰影検出手段４０は、生成された骨部除去画像Ｒｈに基づいて、上述の各種の異常陰影検出手法により、異常陰影を検出する（ステップＳ３５）。
【００９３】
表示手段５０は、異常陰影検出結果とともに骨部除去画像Ｒｈを、ＣＲＴや液晶パネル等の画面に表示する（ステップＳ３６）。
【００９４】
このような、本発明の第１画像処理装置の実施形態である第１から第３異常陰影検出装置によれば、１つの被写体画像に基づいて、被写体を構成する構造物の正常な構造を表す構造物正常画像を人工的に生成し、被写体画像と構造物正常画像との画像間演算により、エネルギーサブトラクション画像や経時サブトラクション画像に相当する画像を得ることができるので、従来のような、複数の特定の画像を用意する必要がなく、すなわち、これらの複数の特定の画像を得るための特別な装置や特殊な撮影技術が不要となり、骨部が取り除かれた軟部画像や異常陰影が強調される画像などの画像診断に供する画像を、効率的に生成することが可能となる。
【００９５】
なお、実施例１から３においては、所定の画像に対応する正常な構造を表す正常画像を得るのに、画像を人工的に生成する手法を用いているが、その他の手法として、予め人工的に生成された多数の画像の中から、画像パターンが略合致するものを選択する手法（本発明の第２の画像処理方法）も考えられる。この手法を用いた場合の実施例について以下に説明する。
【００９６】
（実施例４）
図１４は、本発明の第２の画像処理装置の一実施形態である第４異常陰影検出装置の構成を示した概略ブロック図である。図１４に示した第４異常陰影検出装置は、胸部画像Ｐを入力する被写体画像入力手段１０と、人工的に生成された、胸部における軟部および骨部の正常な構造を表す複数の異なる画像を保存する画像保存手段６０と、胸部画像Ｐにおける骨部画像Ｐｈに略合致する画像Ｃｈを、画像保存手段６０により保存されている画像の中から選択する画像選択手段７０と、胸部画像Ｐと選択された画像Ｃｈとの画像間演算により、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを生成する構造物除去画像生成手段３０と、生成された骨部除去画像Ｒｈに基づいて異常陰影検出を行う異常陰影検出手段４０と、生成された骨部除去画像Ｒｈを異常陰影検出結果とともに画面に表示する表示手段５０とを備えている。また、この第４異常陰影検出装置は、実施例１における第１異常陰影検出装置に対応するものである。
【００９７】
次に、上記のように構成された第４異常陰影検出装置の作用について説明する。図１５は、当該装置の処理フローを示した図である。
【００９８】
被写体画像入力手段１０は、放射線画像をデジタル画像として取得可能なＣＲ装置や、放射線画像のデジタル画像が保存されている記憶装置等から、人体胸部の放射線画像を表す胸部画像Ｐを入力する（ステップＳ４１）。
【００９９】
画像選択手段７０は、入力された胸部画像Ｐに基づいて、下記の処理により、骨部正常画像Ｓｈを得る。
【０１００】
まず、胸部画像Ｐにおいて画像の濃淡の急峻な変化を検出する等により、骨のエッジすなわち骨部とそれ以外の軟部組織との境界を検出し、胸部画像Ｐを、骨部を表す骨部画像Ｐｈと軟部を表す軟部画像Ｐｇとに分割して認識する（ステップＳ４２）。
【０１０１】
次に、認識された骨部画像Ｐｈに略合致する、骨部の正常な構造を表す骨部正常画像Ｓｈと、認識された軟部画像Ｐｇに略合致する、軟部の正常な構造を表す軟部正常画像Ｓｇとを、画像保存手段６０により保存されている骨部および軟部の多数の人工画像の中から暫定的に選択し（ステップＳ４３）、さらに、骨部正常画像Ｓｈと軟部正常画像Ｓｇとを合成して、胸部全体を表す統合画像Ｓｈｇを生成する（ステップＳ４４）。
【０１０２】
そして、生成された統合画像Ｓｈｇと元の胸部画像Ｐとを比較して、画像のパターンが互いに充分に近いか否かを判定し（ステップＳ４５）、充分近い場合は、そのときの骨部正常画像Ｓｈを骨部画像Ｐｈに対応する画像として確定し（ステップＳ４６）、そうでない場合には、骨部正常画像Ｓｈと軟部正常画像Ｓｇのいずれか一方あるいは両方を選択し直し（ステップＳ４３）、同様の処理を繰り返すことにより、骨部画像Ｐｈに対応した骨部正常画像Ｓｈを得る。このとき、選択された人工画像を、そのまま骨部正常画像Ｓｈとして用いてもよいが、選択された人工画像を認識された骨部画像Ｓｈの形状にワーピングした画像を、骨部正常画像Ｓｈとして用いるようにしてもよい。なお、画像パターンが充分に近いか否かの判定は、例えば、比較対象となる２つの画像間で対応する画素同士の差分信号値の分散が所定値以内であるときに、充分近いと判定することができる。これ以降は、実施例１と同様なので省略する。
【０１０３】
このような、本発明の第２の画像処理装置の一実施形態である第４異常陰影検出装置によれば、１つの被写体画像に基づいて、被写体を構成する構造物の正常な構造を表す画像に相当する画像を、人工的に生成された複数の画像の中から選択し、被写体画像と選択された画像との画像間演算により、エネルギーサブトラクション画像や経時サブトラクション画像に相当する画像を得ることができるので、本発明の第１の画像処理装置と同様に、従来のような、複数の特定の画像を用意する必要がなく、すなわち、これらの複数の特定の画像を得るための特別な装置や特殊な撮影技術が不要となり、骨部が取り除かれた画像や異常陰影が強調される画像などの画像診断に供する画像を、効率的に生成することが可能となる。
【０１０４】
なお、上記実施例４は、実施例１における第１異常陰影検出装置に対応するものであるが、同様に、実施例２、３における第２、第３異常陰影検出装置に対応するものも考えることができる。
【０１０５】
上記の実施例１から４においては、最終的に、骨部除去画像、軟部骨部除去画像を生成しているが、同様にして、軟部除去画像を生成することも、もちろん可能である。
【０１０６】
なお、このようにして得られた構造物除去画像は、異常陰影検出以外にも用途があり、例えば、主に軟部を表す骨部除去画像は、含気の具合を可視化して、肺機能の診断に利用することができ、また、主に骨部を表す軟部除去画像は、骨密度の定量化など骨の診断に利用することもできる。
【０１０７】
（実施例５）
本発明の画像処理装置は、種々の装置からなるシステムにネットワーク等を介して接続して用いることもできる。
【０１０８】
図１６は、そのようなシステムの一例である画像処理システムの概略を示した構成図である。図１６に示すシステムは、被写体画像を表す画像データを取得するＣＲ装置やＣＴ装置、ＭＲＩ装置などの入力モダリティ８１と、入力モダリティ８１で取得された画像データを含む種々のデータを記憶する記憶装置８２と、画像データが表す被写体画像から所望の構造物が除去された構造物除去画像を表す構造物除去画像データを生成する画像処理装置８３と、被写体画像や構造物除去画像等の種々の情報を画面に出力する表示装置８４と、それらの情報をハードコピーとして出力するフィルムプリンタ８５とから構成される。
【０１０９】
次に、上記のように構成された画像処理システムの動作について説明する。
【０１１０】
入力モダリティ８１あるいは記憶装置８２から画像処理装置８３に画像データを入力する。すると、画像処理装置８３において、入力された画像データに基づいて、被写体画像から所望の構造物が除去された構造物除去画像を表す構造物除去画像データを生成する。そして、生成された構造物除去画像データを、単独で、もしくは原画像データと組にして、記憶装置８２や表示装置８４、フィルムプリンタ８５等に出力する。記憶装置８２に記憶・保存する際には、構造物除去画像データを原画像データと対応付けて保存、あるいは、構造物除去画像データの生成を再現できるような情報（生成時のパラメータ）と原画像データとを対応付けて保存する。
【図面の簡単な説明】
【図１】正常画像の生成手順を表すフローチャートを示す図
【図２】胸部サンプル画像に対して肺野領域の外縁にランドマークを付した状態を示す図
【図３】胸部の平均形状を表す画像Ｐａを示す図
【図４】胸部サンプル画像において肺野領域の外縁に付されたランドマーク各点が平均形状へワーピングされる状態を示す図
【図５】互いに異なる固有形状をランドマークで表す図
【図６】互いに異なる固有テクスチャを示す図
【図７】第１異常陰影検出装置の構成を示すブロック図
【図８】第１異常陰影検出装置の処理フローを示す図
【図９】入力された胸部画像Ｐを示す図
【図１０】骨部正常画像Ｓｈを示す図
【図１１】骨部除去画像Ｒｈを示す図
【図１２】第２異常陰影検出装置の処理フローを示す図
【図１３】第３異常陰影検出装置の処理フローを示す図
【図１４】第４異常陰影検出装置の構成を示すブロック図
【図１５】第４異常陰影検出装置の処理フローを示す図
【図１６】画像処理システムの構成を示す図
【符号の説明】
１０ 被写体画像入力手段
２０ 構造物画像生成手段
３０ 構造物除去画像生成手段
４０ 異常陰影検出手段
５０ 表示手段
６０ 画像保存手段
７０ 画像選択手段
８１ 入力モダリティ
８２ 記憶装置
８３ 画像処理装置
８４ 表示装置
８５ フィルムプリンタ
Ｃｈ 選択された骨部の画像
ｆ 異常陰影
Ｋ１ 固有形状
Ｋ２ 固有形状
Ｋ３ 固有形状
Ｋａ 平均形状
Ｍ ランドマーク
Ｐ 入力された胸部画像
Ｐ１，Ｐ２，Ｐ３ 胸部サンプル画像
Ｐａ 平均形状画像
Ｐｈ（Ｐｈ′） 骨部画像
Ｐｇ 軟部画像
Ｓｈ（Ｓｈ′） 骨部正常画像
Ｓｇ 軟部正常画像
Ｓｈｇ 統合画像
Ｓｋ 胸部正常画像
Ｒｈ 骨部除去画像
Ｒｇ 軟部除去画像
Ｒｇｈ 軟部骨部除去画像
Ｔ１，Ｔ２，Ｔ３ 固有テクスチャ
【発明の属する技術分野】
本発明は、画像処理に関し、特に詳しくは、異常陰影検出等の画像診断に適した画像を生成する画像処理方法および装置並びにそのためのプログラムに関するものである。
【０００２】
【従来の技術】
従来、医療分野においては、所定の患部を表す医用画像に基づいて、腫瘤等の異常陰影を検出する際に、その検出の障害となる骨部が除去された画像を得るため、エネルギーサブトラクション処理と呼ばれる処理が用いられている。
【０００３】
エネルギーサブトラクション処理は、照射Ｘ線量に対するＸ線吸収率が、被写体を構成する各構造物によって異なることを利用して、同一患部についての照射Ｘ線量が異なる２つの画像を用意し、その２つの画像の差分をとることにより、構造物の一部が除去された画像を生成する処理のことであり、軟部が強調された画像から骨部が強調された画像を減算することで、骨部が除去された画像を得ることができる。このようにして得られた画像をエネルギーサブトラクション画像という（特許文献１参照）。
【０００４】
また、同分野において、所定の患部を表す医用画像に基づいて、新規に発生した異常陰影を検出する際に、その異常陰影が強調された画像を得るため、経時サブトラクション処理と呼ばれる処理が用いられている。
【０００５】
経時サブトラクション処理は、同一患部についての撮影時期の異なる２つの画像を用意し、その２つの画像の差分をとることにより、患部の経時変化が強調された画像を生成する処理のことであり、過去画像として異常発生前の正常時の画像を用いることで、新規に発生した異常陰影が強調された画像を得ることができる。このようにして得られた画像を経時サブトラクション画像という（特許文献２参照）。
【０００６】
【特許文献１】
特公平３−６５９７４号公報
【０００７】
【特許文献２】
特開２００１−１５７６７５号公報
【０００８】
【発明が解決しようとする課題】
しかしながら、上記エネルギーサブトラクション処理においては、同一患部についての照射Ｘ線量が異なる２つの画像を用意しなければならず、また、上記経時サブトラクション処理においては、同一患部についての撮影時期が異なる２つの画像を用意しなければならない。つまり、上記のいずれの処理においても、特定の複数の画像を必要とし、単純に撮影された１つの画像だけでは、骨部が取り除かれた画像や異常陰影が強調された画像を得ることはできない。
【０００９】
したがって、その特定の画像を得るために、特別な装置や特殊な撮影技術が必要となり、上記のような画像診断に供する画像を効率的に生成することができないという問題がある。
【００１０】
本発明は、上記事情に鑑み、骨部が取り除かれた画像や異常陰影が強調された画像などの画像診断に供する画像を、効率的に生成することが可能な画像処理方法および装置並びにそのためのプログラムを提供することを目的とするものである。
【００１１】
【課題を解決するための手段】
本発明の第１の画像処理方法は、複数の構造物からなる被写体を表す被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に対応する、上記所定の構造物の正常な構造を表す構造物正常画像を人工的に生成するステップと、被写体画像と生成された構造物正常画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする方法である。
【００１２】
そして、本発明の第１の画像処理装置は、複数の構造物からなる被写体を表す被写体画像を入力する被写体画像入力手段と、被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に対応する、上記所定の構造物の正常な構造を表す構造物正常画像を人工的に生成する構造物正常画像生成手段と、被写体画像と生成された構造物正常画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成する構造物除去画像生成手段とを備えたことを特徴とするものである。
【００１３】
上記第１の画像処理方法において、構造物正常画像を生成するステップは、 上記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得するステップと、同種の構造物の構造を変更するための複数の構造変更ベクトルを設定するステップと、画像データに対して複数の構造変更ベクトルを加算するステップとを有するステップとなるようにすることができる。
【００１４】
同様に、上記第１の画像処理装置において、構造物正常画像生成手段は、上記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、上記同種の構造物の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、上記画像データに対して上記複数の構造変更ベクトルを加算する構造変更ベクトル加算手段とを備えたものとすることができる。
【００１５】
ここで、「構造物正常画像」とは、構造物の組織が正常である場合の構造（形状およびテクスチャ）を有する画像のことである。
【００１６】
「所定の構造物と同種の構造物の正常な構造を表す画像」および「構造変更ベクトル」としては、例えば、同種の構造物についての正常な構造を表す複数の異なる画像を標本（教師データ）として、統計的なその構造物の平均形状および平均テクスチャで構成される画像を、「所定の構造物と同種の構造物の正常な構造を表す画像」とし、構造物の形状およびテクスチャについて主成分分析を行うことにより算出される、形状およびテクスチャの固有ベクトルに係数を掛けたものを、「構造変更ベクトル」とすることができる。
【００１７】
また、上記第１の画像処理方法において、構造物正常画像を生成するステップは、上記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得するステップと、上記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定するステップと、上記画像データに対して上記複数の構造変更ベクトルを加算することにより、被写体画像に対応する上記被写体の正常な構造を表す被写体正常画像を生成するステップと、上記被写体正常画像に基づいて、被写体正常画像から当該被写体正常画像中の上記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、上記構造物正常画像を生成するステップとを有するステップとなるようにすることができる。
【００１８】
同様に、上記第１の画像処理装置において、構造物正常画像生成手段は、上記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、上記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、上記画像データに対して上記複数の構造変更ベクトルを加算することにより、被写体画像に対応する上記被写体の正常な構造を表す被写体正常画像を生成する構造変更ベクトル加算手段と、上記被写体正常画像に基づいて、被写体正常画像から当該被写体正常画像中の上記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、上記構造物正常画像を生成する画像生成手段とを備えたものとすることができる。
【００１９】
上記のような、画像を人工的に生成する手法としては、例えば、ＡＡＭ（Ａｃｔｉｖｅ Ａｐｐｅａｒａｎｃｅ Ｍｏｄｅｌ）による手法を用いることができる。このＡＡＭによる手法の詳細については後述する。
【００２０】
被写体画像における構造物画像に対応する画像を人工的に生成する際には、上記の通り、その構造物の正常な構造を表す画像となるようにしているが、これは、正常でない構造を含む画像を用いて画像間演算すると、得られた画像中に、被写体画像が本来持っている異常な要素とは別に、他の異常な要素が入り込み、画像診断に適さない画像となってしまうからである。
【００２１】
本発明の第２の画像処理方法は、複数の構造物からなる被写体を表す被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に略合致する画像を、人工的に生成された、上記所定の構造物と同種の構造物の正常な構造を表す複数の異なる画像の中から選択するステップと、被写体画像と選択された画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする方法である。
【００２２】
そして、本発明の第２の画像処理装置は、複数の構造物からなる被写体を表す被写体画像を入力する被写体画像入力手段と、人工的に生成された、上記複数の構造物のうち少なくとも１つの所定の構造物と同種の構造物の正常な構造を表す複数の異なる画像を保存する画像保存手段と、被写体画像における上記所定の構造物を表す構造物画像に略合致する画像を、画像保存手段により保存されている画像の中から選択する画像選択手段と、被写体画像と選択された画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成する構造物除去画像生成手段とを備えたことを特徴とするものである。
【００２３】
第１の画像処理方法および装置では、所定の構造物を表す構造物画像に対応する構造物正常画像を、被写体画像に基づいて人工的に生成するのに対し、第２の画像処理方法および装置は、既に人工的に生成された複数の画像の中から、所定の構造物を表す構造物画像に合致する画像を選択する点で異なる。
【００２４】
上記の画像を選択するステップおよび画像選択手段においては、特開２００２−００８３５０号公報に記載されているような、画像データの（濃度信号の）ヒストグラムを利用して類似した画像を検索する手法を適用し、被写体画像と保存されている各画像について、濃度信号のヒストグラムをそれぞれ生成し、このヒストグラムが被写体画像と最も類似している画像を選択する手法等を用いることができる。なお、類似しているか否かの判断は、例えば、被写体画像と上記保存されている画像の両ヒストグラムの差異の分散値を算出し、この分散値が小さいほど類似していると判断すればよい。
【００２５】
本発明の第１のプログラムは、複数の構造物からなる被写体を表す被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に対応する、上記所定の構造物の正常な構造を表す構造物正常画像を人工的に生成するステップと、被写体画像と生成された構造物正常画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする画像処理をコンピュータに実行させるためのプログラムである。
【００２６】
また、本発明の第２のプログラムは、複数の構造物からなる被写体を表す被写体画像における、上記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に略合致する画像を、人工的に生成された、上記所定の構造物と同種の構造物の正常な構造を表す複数の異なる画像の中から選択するステップと、被写体画像と選択された画像との画像間演算により、被写体画像から構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする画像処理をコンピュータに実行させるためのプログラムである。
【００２７】
このような第１および第２のプログラムを、コンピュータ読み取り可能な記録媒体に記録し、当該記録媒体を読み取らせることにより、コンピュータにインストールして実行させるようにしたり、あるいはネットワーク接続されたサーバ上にダウンロード可能な状態で記憶させ、当該サーバからダウンロードすることにより、コンピュータにインストールして実行させるようにしたりしてもよい。
【００２８】
なお、「画像間演算」としては、特に、２つの画像についてそれぞれの画像を表す画像情報間の画素を対応させた減算処理が適用されるものが好ましい。この場合、単純な減算であってもよいし、重み付けを行った上での減算であってもよい。減算処理によって得られる差分画像は、一般に、サブトラクション画像と称される。
【００２９】
なお、本発明において、被写体画像は医用画像であり、上記複数の構造物は被写体の解剖学的特徴を有するものであってもよい。
【００３０】
ここで、「医用画像」とは、画像診断に供されるＸ線画像やＣＴ画像などのデジタル画像のことであり、「被写体画像」としては、例えば、デジタル胸部Ｘ線画像や胸部ＣＴ画像などとし、「複数の構造物」としては、肋骨、鎖骨、肺、気管支など、あるいは、肋骨や鎖骨を表す骨部、軟部組織を表す軟部などとすることができる。
【００３１】
被写体が人体の胸部である場合、「所定の構造物」を骨部とすれば、肋骨や鎖骨等の骨部が取り除かれた軟部組織のみを表す軟部画像（エネルギーサブトラクション画像に相当する画像）を得ることができるし、「所定の構造物」を全構造物とすれば、診断対象となる胸部画像とその胸部が正常である場合の画像との差分画像、つまり異常陰影が強調される画像（経時サブトラクション画像に相当する画像）を得ることができる。
【００３２】
なお、「所定の構造物」を全構造物としたときに得られる上記差分画像は、被写体全体の正常な構造を表す画像を人工的に生成して、被写体画像と生成された画像との画像間演算により得られる差分画像と類似するが、被写体を構成する一部の構造物の大きさや形状が同じでも、その他の構造物の大きさや形状あるいはテクスチャが同じであるとは限らないので、本発明のように構造物毎に対応する画像を生成する手法の方が、より被写体画像に合致した精度の高い画像を生成することができる点で有利である。
【００３３】
また、本発明において、「画像」とは、実際に表示された視認性のある画像だけでなく、その画像を表示させるための画像データをも含むものである。
【００３４】
【発明の効果】
本発明の第１の画像処理方法および装置によれば、１つの被写体画像に基づいて、被写体を構成する構造物の正常な構造を表す構造物正常画像を人工的に生成し、被写体画像と構造物正常画像との画像間演算により、エネルギーサブトラクション画像や経時サブトラクション画像に相当する画像を得ることができるので、従来のような、複数の特定の画像を用意する必要がなく、すなわち、これらの複数の特定の画像を得るための特別な装置や特殊な撮影技術が不要となり、骨部が取り除かれた画像や異常陰影が強調された画像などの画像診断に供する画像を、効率的に生成することが可能となる。
【００３５】
上記第１の画像処理方法において、構造物正常画像を生成するステップを、上記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得するステップと、同種の構造物の構造を変更するための複数の構造変更ベクトルを設定するステップと、画像データに対して複数の構造変更ベクトルを加算するステップとを有するステップとなるようにすれば、構造変更ベクトルの設定により略任意の形状やテクスチャを有する画像を生成することができるので、目的の構造物正常画像を精度よく生成することができる。
【００３６】
また、上記第１の画像処理装置において、構造物正常画像生成手段を、上記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、上記同種の構造物の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、上記画像データに対して上記複数の構造変更ベクトルを加算する構造変更ベクトル加算手段とを備えたものとすれば、同様に、構造変更ベクトルの設定により略任意の形状やテクスチャを有する画像を生成することができるので、目的の構造物正常画像を精度よく生成することができる。
【００３７】
上記第１の画像処理方法において、構造物正常画像を生成するステップを、上記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得するステップと、上記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定するステップと、上記画像データに対して上記複数の構造変更ベクトルを加算することにより、被写体画像に対応する上記被写体の正常な構造を表す被写体正常画像を生成するステップと、上記被写体正常画像に基づいて、被写体正常画像から当該被写体正常画像中の上記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、上記構造物正常画像を生成するステップとを有するステップとなるようにすれば、そのＡＡＭによる手法とは違ったアプローチの仕方により、さらに精度の高い構造物正常画像の生成を期待することができる。
【００３８】
また、上記第１の画像処理装置において、構造物正常画像生成手段を、上記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、上記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、上記画像データに対して上記複数の構造変更ベクトルを加算することにより、被写体画像に対応する上記被写体の正常な構造を表す被写体正常画像を生成する構造変更ベクトル加算手段と、上記被写体正常画像に基づいて、被写体正常画像から当該被写体正常画像中の上記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、上記構造物正常画像を生成する画像生成手段とを備えたものとすれば、同様に、そのＡＡＭによる手法とは違ったアプローチの仕方により、さらに精度の高い構造物正常画像の生成を期待することができる。
【００３９】
本発明の第２の画像処理方法および装置によれば、１つの被写体画像に基づいて、被写体を構成する構造物の正常な構造を表す画像に相当する画像を、人工的に生成された複数の画像の中から選択し、被写体画像と選択された画像との画像間演算により、エネルギーサブトラクション画像や経時サブトラクション画像に相当する画像を得ることができるので、第１の画像処理方法および装置と同様に、従来のような、複数の特定の画像を用意する必要がなく、すなわち、これらの複数の特定の画像を得るための特別な処理や画像の管理が不要となり、骨部が取り除かれた画像や異常陰影が強調された画像などの画像診断に供する画像を、効率的に生成することが可能となる。
【００４０】
【発明の実施の形態】
以下、本発明の実施の形態について説明するが、はじめに、被写体や被写体を構成する構造物などの所定の画像に対応する、被写体やその構造物の正常な構造を表す正常画像を人工的に生成する手法について説明する。
【００４１】
正常画像を人工的に生成する手法として、マンチェスター大学の Ｃｏｏｔｅｓ らが提案している”Ａｃｔｉｖｅ Ａｐｐｅａｒａｎｃｅ Ｍｏｄｅｌ（ＡＡＭ）”［Ｔ．Ｆ． Ｃｏｏｔｅｓ， ａｎｄ Ｃ．Ｊ． Ｔａｙｌｏｒ， Ａｃｔｉｖｅ Ａｐｐｅａｒａｎｃｅ Ｍｏｄｅｌｓ， Ｐｒｏｃ． Ｅｕｒｏｐｅａｎ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ， Ｖｏｌ．２， ｐｐ．４８４−４９８， Ｓｐｒｉｎｇｅｒ， １９９８］ を用いるが、ここでは、被写体あるいはその構造物の正常な構造を表す多数のサンプル画像、およびこれらサンプル画像から抽出された解剖学的特徴の形状（ランドマーク）を教師データとして使用し、上記ＡＡＭに適用する。
【００４２】
教師データから被写体あるいはその構造物の正常構造の統計学的なモデル（形状変化モデル、テクスチャ変化モデル、形状とテクスチャの相関モデル）を作成し、このモデルを用いることにより、所定の画像に対応する任意の形状とテクスチャを持つ正常画像を人工的に生成することが可能となる。
【００４３】
なお、サンプル画像としては、実際に撮影された画像を用いるのが好ましいが、十分な数を用意することができない場合は、被写体あるいはその構造物の特徴的かつ正常な基本構造を保ちながらランダムに作成された人工画像を用いるようにしてもよい。
【００４４】
以下、被写体あるいはその構造物等の所定の画像に対応する正常画像を人工的に生成する手順について、胸部画像に対応する胸部正常画像を生成する場合を例に説明する。
【００４５】
図１は正常画像の生成手順を表すフローチャートを示す図である。
【００４６】
（１）平均形状・平均テクスチャの作成（ステップＳ１）
まず、胸部を表す各サンプル画像から胸部の解剖学的特徴の形状をランドマークとして抽出する。図２は、その例として、サンプル画像Ｐ１，Ｐ２，Ｐ３に対して肺野領域の外縁にランドマークを付した状態を示した図であり、図中記号Ｍで表した複数の黒点がランドマークである。これらランドマークとして用いる点は各サンプル画像中において同等の解剖学的特徴位置である。このようにしてランドマークとして抽出された各形状から胸部の平均形状を作成する。図３は、胸部の平均形状を表した画像Ｐａを示す図である。なお、各形状をランドマークとして抽出する際には、平行移動成分について予め正規化しておく方がよい。例えば、胸部画像においては、肺野上端と水平方向（左右方向）の中心を揃える。
【００４７】
次に、各サンプル画像を、作成された平均形状にワーピング（Ｗａｒｐｉｎｇ ）するために、各サンプル画像中のランドマーク各点の平均形状へのシフト量を算出する。図４は、胸部画像において肺野領域の外縁に付されたランドマーク（図中、記号Ｍで表す）の各点が、平均形状（図中、記号Ｋａで表す）へワーピングされる様子を示した図である。そして、ランドマーク各点のシフト量を、２次元５次多項式を用いて近似する。式（１）から（４）は、その多項式近似の数式を示したものである。
【００４８】
【数１】
【００４９】
上式を用いて、各サンプル画像について画素毎の平均形状へのシフト量を算出し、各サンプル画像を画素毎に平均形状へワーピングする。このとき、ワーピング後の座標が整数ではなく小数点以下を含む位置に移動する画素については、４近傍から１次近似で画素値を求める。つまり、ワーピング後の座標を囲む４つの画素に対して、ワーピング後の座標から各画素の座標までの距離に比例して画素値をそれぞれ分配するようにする。そして、平均形状へワーピングされた後の各サンプル画像から平均テクスチャを作成する。
【００５０】
この時点で、胸部についての、平均形状、その平均形状へワーピングされた後の各サンプル画像、および平均テクスチャが得られる。
【００５１】
（２）形状変化モデルの作成（ステップＳ２）
各サンプル画像における胸部の形状とその平均形状を用いて、胸部の形状に対して主成分分析を行い、固有形状を算出する。固有成分は文献 ［Ｍａｔｔｈｅｗ Ｔｕｒｋ， Ａｌｅｘ Ｐｅｎｔｌａｎｄ， Ｅｉｇｅｎｆａｃｅｓ ｆｏｒ Ｒｅｃｏｇｎｉｔｉｏｎ， Ｊｏｕｒｎａｌ ｏｆ Ｃｏｇｎｉｔｉｖｅ Ｎｅｕｒｏｓｃｉｅｎｃｅ， ｖｏｌ．３， ｎｕｍ１， １９９１］に示す手法を用いて求める。固有形状の線形和を用いて任意形状が次式のように近似できる。
【００５２】
【数２】
【００５３】
（３）テクスチャ変化モデルの作成（ステップＳ３）
各サンプル画像における胸部のテクスチャとその平均テクスチャを用いて、胸部のテクスチャに対して主成分分析を行い、固有テクスチャを算出する。
【００５４】
【数３】
【００５５】
（４）形状とテクスチャの相関モデルの作成（ステップＳ４）
各サンプル画像における胸部の形状／テクスチャは、各固有形状／固有テクスチャに投影した値からなる係数ｂｓ 、ｂｇ を用いて表現することができる。以下に示すように、これら係数に対してさらに主成分分析を行い、形状とグレイレベルをコントロールするアピアランスパラメータを算出する。
【００５６】
【数４】
【００５７】
【数５】
【００５８】
（５）正常画像の生成（ステップＳ５）
胸部画像Ｐに対応する胸部正常画像を、以下のような手続きで生成する。
１．平均形状と平均形状内の画像から算出したアピアランスパラメータを初期値として設定する（正常画像データ取得手段）。
２．上位の固有成分のアピアランスパラメータから順番にパラメータを少しずつ振りながら人工画像を作成し、その人工画像と胸部画像との差分が所定値以下となるパラメータを探索する（構造変更ベクトル設定手段，構造変更ベクトル加算手段）。
３．上記２．で求めたアピアランスパラメータの値から得られた人工画像を、胸部画像Ｐに対応する胸部正常画像として決定する。
【００５９】
上記手法によれば、予め、被写体の平均形状／平均テクスチャ、固有形状／固有テクスチャ、固有ベクトルＱといった各要素を求めておけば、アピアランスパラメータｃの調整のみによって、被写体画像に対応する略任意の画像を生成することができる。
【００６０】
なお、被写体を構成する所定の構造物に対応する画像を生成するには、サンプル画像として、その所定の構造物のみを表す画像を用意すればよく、例えば、実際に撮影された被写体全体を表す画像から、その所定の構造物のみを表す領域だけを抽出した画像を生成し、サンプル画像として用いることができる。この領域の抽出は、テンプレートマッチングによる手法や濃淡の変化を調べてエッジを検出する手法などの画像認識技術を用いたり、あるいは、手動で切り抜いたりすることで実現できる。
【００６１】
（実施例１）
図７は、本発明の第１の画像処理装置の一実施形態である第１異常陰影検出装置の構成を示した概略ブロック図である。図７に示す第１異常陰影検出装置は、肋骨や鎖骨等の骨部とそれ以外の軟部とからなる人体胸部を表す胸部放射線画像Ｐ（以下、単に胸部画像という）を入力する被写体画像入力手段１０と、胸部画像Ｐにおける骨部を表す骨部画像Ｐｈに対応する、骨部の正常な構造を表す骨部正常画像Ｓｈを推測して人工的に生成する構造物正常画像生成手段２０と、胸部画像Ｐと骨部正常画像Ｓｈとの画像間演算により、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを生成する構造物除去画像生成手段３０と、生成された骨部除去画像Ｒｈに基づいて異常陰影検出を行う異常陰影検出手段４０と、生成された骨部除去画像Ｒｈを異常陰影検出結果とともに画面に表示する表示手段５０とを備えている。
【００６２】
次に、上記のように構成された第１異常陰影検出装置の作用について説明する。図８は、当該装置の処理フローを示した図である。
【００６３】
被写体画像入力手段１０は、放射線画像をデジタル画像として取得可能なＣＲ装置や、放射線画像のデジタル画像が保存されている記憶装置等から、人体胸部の放射線画像を表す胸部画像Ｐを入力する（ステップＳ１１）。ここでは、胸部画像Ｐは、骨部の後ろにある癌化部分を表す異常陰影ｆが含まれているものとする。図９は、このような胸部画像Ｐを表した図である。
【００６４】
構造物正常画像生成手段２０は、入力された胸部画像Ｐに基づいて、下記の処理により、骨部正常画像Ｓｈを得る。
【００６５】
まず、胸部画像Ｐにおいて画像の濃淡の急峻な変化を検出する等により、骨のエッジすなわち骨部とそれ以外の軟部組織との境界を検出し、胸部画像Ｐを、骨部を表す骨部画像Ｐｈと軟部を表す軟部画像Ｐｇとに分割して認識する（ステップＳ１２）。
【００６６】
次に、認識された骨部画像Ｐｈに対応する、骨部の正常な構造を表す骨部正常画像Ｓｈと、認識された軟部画像Ｐｇに対応する、軟部の正常な構造を表す軟部正常画像Ｓｇとを暫定的に生成し（ステップＳ１３）、さらに、骨部正常画像Ｓｈと軟部正常画像Ｓｇとを合成して、胸部全体を表す統合画像Ｓｈｇを生成する（ステップＳ１４）。
【００６７】
骨部正常画像Ｓｈおよび軟部正常画像Ｓｇは、前述のＡＡＭの手法を用いて、正常な骨部のみを表すサンプル画像および正常な軟部のみを表すサンプル画像を教師データとして、骨部および軟部の正常画像を人工的に生成するための演算式をそれぞれ求め、各演算式に対して適当なアピアランスパラメータを探索することにより生成する。
【００６８】
そして、生成された統合画像Ｓｈｇと元の胸部画像Ｐとを比較して、画像のパターンが互いに充分に近いか否かを判定し（ステップＳ１５）、充分近い場合は、このときの骨部正常画像Ｓｈを骨部画像Ｐｈに対応する画像として確定し（ステップＳ１６）、そうでない場合には、骨部正常画像Ｓｈと軟部正常画像Ｓｇのいずれか一方あるいは両方を、上記アピアランスパラメータを変更することにより生成し直し（ステップＳ１３）、同様の処理を繰り返すことにより、骨部画像Ｐｈに対応した骨部正常画像Ｓｈを得る。なお、画像パターンが充分に近いか否かの判定は、例えば、比較対象となる２つの画像間で対応する画素同士の差分信号値の分散が所定値以内であるときに、充分近いと判定することができる。図１０は、このようにして得られた骨部正常画像Ｓｈを表した図である。
【００６９】
構造物除去画像生成手段３０は、胸部画像Ｐと構造物正常画像生成手段２０により得られた骨部正常画像Ｓｈとの間で画像間演算としての減算処理、具体的には、胸部画像Ｐから骨部正常画像Ｓｈを、対応する画素同士で引き算することにより、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを生成する（ステップＳ１７）。図１１は、骨部除去画像Ｒｈを表した図である。このようにして得られた骨部除去画像Ｒｈには、胸部画像Ｐがもともと有していた軟部の情報と異常陰影の情報が残るので、エネルギーサブトラクション画像に相当する画像として利用することができる。
【００７０】
異常陰影検出手段４０は、生成された骨部除去画像Ｒｈに基づいて、既存の各種の異常陰影検出手法により、異常陰影を検出する（ステップＳ１８）。異常陰影検出手法としては、例えば、特開２００２−１０９５１０号公報にて提案されているアイリスフィルタを用いて腫瘤陰影を検出する手法などが挙げられる。
【００７１】
表示手段５０は、異常陰影検出結果とともに骨部除去画像Ｒｈを、ＣＲＴや液晶パネル等の画面に表示する（ステップＳ１９）。なお、表示手段５０は、骨部正常画像Ｓｈと元の胸部画像Ｐとを同一画面上で並べて表示したり、これら２つの画像を位置合せし重ね合せて表示したりしてもよい。
【００７２】
なお、実施例１においては、骨部正常画像Ｓｈおよび軟部正常画像Ｓｇを暫定的に生成する際に、認識された骨部画像Ｐｈおよび軟部画像Ｐｇと比較しながら画像パターンの近いものだけを採択し、それらを用いて統合画像Ｓｈｇを生成するようにしているが、認識された骨部画像Ｐｈおよび軟部画像Ｓｇとの比較は行わずに、各画像を生成する演算式において、アピアランスパラメータを適当に変更してゆき、その都度、統合画像Ｓｈｇを生成するようにしてもよい。この場合、骨部画像Ｐｈに対応する骨部正常画像Ｓｈを見つけて確定するまでの処理においては、骨部正常画像Ｓｈ、軟部正常画像Ｓｇ、統合画像Ｓｈｇは、必ずしも画像データとして生成する必要はなく、各画像に対するグレイレベル係数のセットｂｇ を、これらの画像を特定する情報として用いればよい。
【００７３】
また、骨部正常画像Ｓｈと軟部正常画像Ｓｇとを暫定的に生成し、これらを合成して統合画像Ｓｈｇを生成する処理においては、骨部正常画像Ｓｈを生成するための演算と、軟部正常画像Ｓｇを生成するための演算とは、実質的に別の演算になっていればどのような処理をしてもよく、これらを別々に処理してもよいし、見かけ上一体に処理してもよい。例えば、軟部のグレイレベルｕと骨部のグレイレベルｈとを、それぞれ上記の式（６）を利用して、
【数６】
【数７】
【００７４】
また、上記の実施例１においては、胸部画像Ｐから骨部正常画像Ｓｈを減算することにより、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを得ているが、胸部画像Ｐから統合画像Ｓｈｇを減算することにより、胸部から骨部および軟部が除去された像を表す骨部軟部除去画像Ｒｈｇを得るようにしてもよい。このようにして得られた骨部軟部除去画像Ｒｈｇには、胸部画像Ｐがもともと有していた異常陰影の情報が残るので、経時サブトラクション画像に相当する画像として利用することができる。
【００７５】
（実施例２）
本発明の第１の画像処理装置の他の実施形態である第２異常陰影検出装置について説明する。第２異常陰影検出装置は、上記第１異常陰影検出装置と同じ構成であり、図７に示すように、被写体画像入力手段１０と、構造物正常画像生成手段２０と、構造物除去画像生成手段３０と、異常陰影検出手段４０と、表示手段５０とを備えているが、構造物正常画像生成手段２０における正常画像の生成プロセスが異なる。
【００７６】
次に、第２異常陰影検出装置の作用について説明する。図１２は、当該装置の処理フローを示した図である。
【００７７】
被写体画像入力手段１０は、ＣＲ装置や記憶装置等から、人体胸部の放射線画像を表す胸部画像Ｐを入力する（ステップＳ２１）。
【００７８】
構造物正常画像生成手段２０は、入力された胸部画像Ｐに基づいて、下記の処理により、骨部正常画像Ｓｈを得る。
【００７９】
まず、胸部画像Ｐにおいて画像の濃淡の急峻な変化を検出する等により、骨のエッジすなわち骨部とそれ以外の軟部組織との境界を検出し、軟部を表す軟部画像Ｐｇを認識する（ステップＳ２２）。
【００８０】
次に、認識された軟部画像Ｐｇに対応する、軟部の正常な構造を表す軟部正常画像Ｓｇを生成し（ステップＳ２３）、胸部画像Ｐから軟部正常画像Ｓｇを、対応する画素同士で引き算することにより、胸部から軟部が除去された像を表す軟部除去画像Ｒｇを生成する（ステップＳ２４）。この時点で、軟部除去画像Ｒｇには、骨部の情報と異常陰影の情報が含まれている。さらに、軟部除去画像Ｒｇにおいて骨のエッジを検出し、軟部除去画像Ｒｇにおいて骨部を表す骨部画像Ｐｈ′を認識する（ステップＳ２５）。認識された骨部画像Ｐｈ′に対応する、骨部の正常な構造を表す骨部正常画像Ｓｈ′を生成する（ステップＳ２６）。
【００８１】
軟部正常画像Ｓｇおよび骨部正常画像Ｓｈ′は、前述のＡＡＭの手法を用いて、正常な軟部のみを表すサンプル画像および正常な骨部のみを表すサンプル画像を教師データとして、軟部および骨部の正常画像を人工的に生成するための演算式をそれぞれ求め、各演算式に対して適当なアピアランスパラメータを探索することにより生成する。
【００８２】
構造物除去画像生成手段３０は、構造物正常画像生成手段２０により得られた軟部除去画像Ｒｇと骨部正常画像Ｓｈ′との間で画像間演算としての減算処理、具体的には、軟部除去画像Ｒｇから骨部正常画像Ｓｈ′を、対応する画素同士で引き算することにより、胸部から軟部および骨部が除去された像を表す軟部骨部除去画像Ｒｇｈを生成する（ステップＳ２７）。このようにして得られた軟部骨部除去画像Ｒｇｈには、胸部画像Ｐがもともと有していた異常陰影の情報が残るので、経時サブトラクション画像に相当する画像として利用することができる。
【００８３】
異常陰影検出手段４０は、生成された軟部骨部除去画像Ｒｇｈに基づいて、上述の各種の異常陰影検出手法により、異常陰影を検出する（ステップＳ２８）。
【００８４】
表示手段５０は、異常陰影検出結果とともに軟部骨部除去画像Ｒｇｈを、ＣＲＴや液晶パネル等の画面に表示する（ステップＳ２９）。なお、表示手段５０は、骨部正常画像Ｓｈ′と元の胸部画像Ｐ、軟部正常画像Ｓｇと元の胸部画像Ｐ、あるいは、軟部骨部除去画像Ｒｇｈと元の胸部画像Ｐを、同一画面上で並べて表示したり、これら２つの画像を位置合せし重ね合せて表示したりしてもよい。
【００８５】
（実施例３）
本発明の第１の画像処理装置のさらに別の実施形態である第３異常陰影検出装置について説明する。第３異常陰影検出装置は、第１異常陰影検出装置と同じ構成であり、図７に示すように、被写体画像入力手段１０と、構造物正常画像生成手段２０と、構造物除去画像生成手段３０と、異常陰影検出手段４０と、表示手段５０とを備えているが、構造物正常画像生成手段２０における正常画像の生成プロセスが異なる。
【００８６】
次に、第３異常陰影検出装置の作用について説明する。図１３は、当該装置の処理フローを示した図である。
【００８７】
被写体画像入力手段１０は、ＣＲ装置や記憶装置等から、人体胸部の放射線画像を表す胸部画像Ｐを入力する（ステップＳ３１）。
【００８８】
構造物正常画像生成手段２０は、入力された胸部画像Ｐに基づいて、下記の処理により、骨部正常画像Ｓｈを得る。
【００８９】
まず、胸部画像Ｐに対応する、胸部の正常な構造を表す胸部正常画像Ｓｋを生成する（ステップＳ３２）。胸部正常画像Ｓｋは、前述のＡＡＭによる手法を用いて、正常な胸部を表すサンプル画像を教師データとして、胸部の正常画像を人工的に生成するための演算式を求め、この演算式に対して適当なアピアランスパラメータを探索することにより生成する。
【００９０】
そして、胸部画像と骨部画像との対応関係を予め学習させておいたニューラルネットを用いて、胸部正常画像Ｓｋと対応関係にある骨部画像を求め、これを胸部画像Ｐにおける骨部画像Ｐｈに対応する、骨部の正常な構造を表す骨部正常画像Ｓｈとする（ステップＳ３３）。ここで、「胸部画像と骨部画像との対応関係」とは、例えば、胸部のグレイレベルｋと骨部のグレイレベルｈとを、それぞれ上記の式（６）を利用して、
【数８】
【００９１】
構造物除去画像生成手段３０は、胸部画像Ｐと構造物正常画像生成手段２０により得られた骨部正常画像Ｓｈとの間で画像間演算としての減算処理、具体的には、胸部画像Ｐから骨部正常画像Ｓｈを、対応する画素同士で引き算することにより、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを生成する（ステップＳ３４）。このようにして得られた骨部除去画像Ｒｈには、胸部画像Ｐがもともと有していた軟部の情報と異常陰影の情報が残るので、エネルギーサブトラクション画像に相当する画像として利用することができる。
【００９２】
異常陰影検出手段４０は、生成された骨部除去画像Ｒｈに基づいて、上述の各種の異常陰影検出手法により、異常陰影を検出する（ステップＳ３５）。
【００９３】
表示手段５０は、異常陰影検出結果とともに骨部除去画像Ｒｈを、ＣＲＴや液晶パネル等の画面に表示する（ステップＳ３６）。
【００９４】
このような、本発明の第１画像処理装置の実施形態である第１から第３異常陰影検出装置によれば、１つの被写体画像に基づいて、被写体を構成する構造物の正常な構造を表す構造物正常画像を人工的に生成し、被写体画像と構造物正常画像との画像間演算により、エネルギーサブトラクション画像や経時サブトラクション画像に相当する画像を得ることができるので、従来のような、複数の特定の画像を用意する必要がなく、すなわち、これらの複数の特定の画像を得るための特別な装置や特殊な撮影技術が不要となり、骨部が取り除かれた軟部画像や異常陰影が強調される画像などの画像診断に供する画像を、効率的に生成することが可能となる。
【００９５】
なお、実施例１から３においては、所定の画像に対応する正常な構造を表す正常画像を得るのに、画像を人工的に生成する手法を用いているが、その他の手法として、予め人工的に生成された多数の画像の中から、画像パターンが略合致するものを選択する手法（本発明の第２の画像処理方法）も考えられる。この手法を用いた場合の実施例について以下に説明する。
【００９６】
（実施例４）
図１４は、本発明の第２の画像処理装置の一実施形態である第４異常陰影検出装置の構成を示した概略ブロック図である。図１４に示した第４異常陰影検出装置は、胸部画像Ｐを入力する被写体画像入力手段１０と、人工的に生成された、胸部における軟部および骨部の正常な構造を表す複数の異なる画像を保存する画像保存手段６０と、胸部画像Ｐにおける骨部画像Ｐｈに略合致する画像Ｃｈを、画像保存手段６０により保存されている画像の中から選択する画像選択手段７０と、胸部画像Ｐと選択された画像Ｃｈとの画像間演算により、胸部から骨部が除去された像を表す骨部除去画像Ｒｈを生成する構造物除去画像生成手段３０と、生成された骨部除去画像Ｒｈに基づいて異常陰影検出を行う異常陰影検出手段４０と、生成された骨部除去画像Ｒｈを異常陰影検出結果とともに画面に表示する表示手段５０とを備えている。また、この第４異常陰影検出装置は、実施例１における第１異常陰影検出装置に対応するものである。
【００９７】
次に、上記のように構成された第４異常陰影検出装置の作用について説明する。図１５は、当該装置の処理フローを示した図である。
【００９８】
被写体画像入力手段１０は、放射線画像をデジタル画像として取得可能なＣＲ装置や、放射線画像のデジタル画像が保存されている記憶装置等から、人体胸部の放射線画像を表す胸部画像Ｐを入力する（ステップＳ４１）。
【００９９】
画像選択手段７０は、入力された胸部画像Ｐに基づいて、下記の処理により、骨部正常画像Ｓｈを得る。
【０１００】
まず、胸部画像Ｐにおいて画像の濃淡の急峻な変化を検出する等により、骨のエッジすなわち骨部とそれ以外の軟部組織との境界を検出し、胸部画像Ｐを、骨部を表す骨部画像Ｐｈと軟部を表す軟部画像Ｐｇとに分割して認識する（ステップＳ４２）。
【０１０１】
次に、認識された骨部画像Ｐｈに略合致する、骨部の正常な構造を表す骨部正常画像Ｓｈと、認識された軟部画像Ｐｇに略合致する、軟部の正常な構造を表す軟部正常画像Ｓｇとを、画像保存手段６０により保存されている骨部および軟部の多数の人工画像の中から暫定的に選択し（ステップＳ４３）、さらに、骨部正常画像Ｓｈと軟部正常画像Ｓｇとを合成して、胸部全体を表す統合画像Ｓｈｇを生成する（ステップＳ４４）。
【０１０２】
そして、生成された統合画像Ｓｈｇと元の胸部画像Ｐとを比較して、画像のパターンが互いに充分に近いか否かを判定し（ステップＳ４５）、充分近い場合は、そのときの骨部正常画像Ｓｈを骨部画像Ｐｈに対応する画像として確定し（ステップＳ４６）、そうでない場合には、骨部正常画像Ｓｈと軟部正常画像Ｓｇのいずれか一方あるいは両方を選択し直し（ステップＳ４３）、同様の処理を繰り返すことにより、骨部画像Ｐｈに対応した骨部正常画像Ｓｈを得る。このとき、選択された人工画像を、そのまま骨部正常画像Ｓｈとして用いてもよいが、選択された人工画像を認識された骨部画像Ｓｈの形状にワーピングした画像を、骨部正常画像Ｓｈとして用いるようにしてもよい。なお、画像パターンが充分に近いか否かの判定は、例えば、比較対象となる２つの画像間で対応する画素同士の差分信号値の分散が所定値以内であるときに、充分近いと判定することができる。これ以降は、実施例１と同様なので省略する。
【０１０３】
このような、本発明の第２の画像処理装置の一実施形態である第４異常陰影検出装置によれば、１つの被写体画像に基づいて、被写体を構成する構造物の正常な構造を表す画像に相当する画像を、人工的に生成された複数の画像の中から選択し、被写体画像と選択された画像との画像間演算により、エネルギーサブトラクション画像や経時サブトラクション画像に相当する画像を得ることができるので、本発明の第１の画像処理装置と同様に、従来のような、複数の特定の画像を用意する必要がなく、すなわち、これらの複数の特定の画像を得るための特別な装置や特殊な撮影技術が不要となり、骨部が取り除かれた画像や異常陰影が強調される画像などの画像診断に供する画像を、効率的に生成することが可能となる。
【０１０４】
なお、上記実施例４は、実施例１における第１異常陰影検出装置に対応するものであるが、同様に、実施例２、３における第２、第３異常陰影検出装置に対応するものも考えることができる。
【０１０５】
上記の実施例１から４においては、最終的に、骨部除去画像、軟部骨部除去画像を生成しているが、同様にして、軟部除去画像を生成することも、もちろん可能である。
【０１０６】
なお、このようにして得られた構造物除去画像は、異常陰影検出以外にも用途があり、例えば、主に軟部を表す骨部除去画像は、含気の具合を可視化して、肺機能の診断に利用することができ、また、主に骨部を表す軟部除去画像は、骨密度の定量化など骨の診断に利用することもできる。
【０１０７】
（実施例５）
本発明の画像処理装置は、種々の装置からなるシステムにネットワーク等を介して接続して用いることもできる。
【０１０８】
図１６は、そのようなシステムの一例である画像処理システムの概略を示した構成図である。図１６に示すシステムは、被写体画像を表す画像データを取得するＣＲ装置やＣＴ装置、ＭＲＩ装置などの入力モダリティ８１と、入力モダリティ８１で取得された画像データを含む種々のデータを記憶する記憶装置８２と、画像データが表す被写体画像から所望の構造物が除去された構造物除去画像を表す構造物除去画像データを生成する画像処理装置８３と、被写体画像や構造物除去画像等の種々の情報を画面に出力する表示装置８４と、それらの情報をハードコピーとして出力するフィルムプリンタ８５とから構成される。
【０１０９】
次に、上記のように構成された画像処理システムの動作について説明する。
【０１１０】
入力モダリティ８１あるいは記憶装置８２から画像処理装置８３に画像データを入力する。すると、画像処理装置８３において、入力された画像データに基づいて、被写体画像から所望の構造物が除去された構造物除去画像を表す構造物除去画像データを生成する。そして、生成された構造物除去画像データを、単独で、もしくは原画像データと組にして、記憶装置８２や表示装置８４、フィルムプリンタ８５等に出力する。記憶装置８２に記憶・保存する際には、構造物除去画像データを原画像データと対応付けて保存、あるいは、構造物除去画像データの生成を再現できるような情報（生成時のパラメータ）と原画像データとを対応付けて保存する。
【図面の簡単な説明】
【図１】正常画像の生成手順を表すフローチャートを示す図
【図２】胸部サンプル画像に対して肺野領域の外縁にランドマークを付した状態を示す図
【図３】胸部の平均形状を表す画像Ｐａを示す図
【図４】胸部サンプル画像において肺野領域の外縁に付されたランドマーク各点が平均形状へワーピングされる状態を示す図
【図５】互いに異なる固有形状をランドマークで表す図
【図６】互いに異なる固有テクスチャを示す図
【図７】第１異常陰影検出装置の構成を示すブロック図
【図８】第１異常陰影検出装置の処理フローを示す図
【図９】入力された胸部画像Ｐを示す図
【図１０】骨部正常画像Ｓｈを示す図
【図１１】骨部除去画像Ｒｈを示す図
【図１２】第２異常陰影検出装置の処理フローを示す図
【図１３】第３異常陰影検出装置の処理フローを示す図
【図１４】第４異常陰影検出装置の構成を示すブロック図
【図１５】第４異常陰影検出装置の処理フローを示す図
【図１６】画像処理システムの構成を示す図
【符号の説明】
１０ 被写体画像入力手段
２０ 構造物画像生成手段
３０ 構造物除去画像生成手段
４０ 異常陰影検出手段
５０ 表示手段
６０ 画像保存手段
７０ 画像選択手段
８１ 入力モダリティ
８２ 記憶装置
８３ 画像処理装置
８４ 表示装置
８５ フィルムプリンタ
Ｃｈ 選択された骨部の画像
ｆ 異常陰影
Ｋ１ 固有形状
Ｋ２ 固有形状
Ｋ３ 固有形状
Ｋａ 平均形状
Ｍ ランドマーク
Ｐ 入力された胸部画像
Ｐ１，Ｐ２，Ｐ３ 胸部サンプル画像
Ｐａ 平均形状画像
Ｐｈ（Ｐｈ′） 骨部画像
Ｐｇ 軟部画像
Ｓｈ（Ｓｈ′） 骨部正常画像
Ｓｇ 軟部正常画像
Ｓｈｇ 統合画像
Ｓｋ 胸部正常画像
Ｒｈ 骨部除去画像
Ｒｇ 軟部除去画像
Ｒｇｈ 軟部骨部除去画像
Ｔ１，Ｔ２，Ｔ３ 固有テクスチャ
Claims (11)
- 複数の構造物からなる被写体を表す被写体画像における、前記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に対応する、前記所定の構造物の正常な構造を表す構造物正常画像を人工的に生成するステップと、
前記被写体画像と前記生成された構造物正常画像との画像間演算により、前記被写体画像から前記構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする画像処理方法。 - 前記構造物正常画像を生成するステップが、
前記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得するステップと、
前記同種の構造物の構造を変更するための複数の構造変更ベクトルを設定するステップと、
前記画像データに対して前記複数の構造変更ベクトルを加算するステップとを有することを特徴とする請求項１記載の画像処理方法。 - 前記構造物正常画像を生成するステップが、
前記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得するステップと、
前記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定するステップと、
前記画像データに対して前記複数の構造変更ベクトルを加算することにより、前記被写体画像に対応する前記被写体の正常な構造を表す被写体正常画像を生成するステップと、
前記被写体正常画像に基づいて、被写体正常画像から該被写体正常画像中の前記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、前記構造物正常画像を生成するステップとを有することを特徴とする請求項１記載の画像処理方法。 - 複数の構造物からなる被写体を表す被写体画像における、前記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に略合致する画像を、人工的に生成された、前記所定の構造物と同種の構造物の正常な構造を表す複数の異なる画像の中から選択するステップと、
前記被写体画像と前記選択された画像との画像間演算により、前記被写体画像から前記構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする画像処理方法。 - 複数の構造物からなる被写体を表す被写体画像を入力する被写体画像入力手段と、
前記被写体画像における、前記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に対応する、前記所定の構造物の正常な構造を表す構造物正常画像を人工的に生成する構造物正常画像生成手段と、
前記被写体画像と前記生成された構造物正常画像との画像間演算により、前記被写体画像から前記構造物画像が除去された構造物除去画像を生成する構造物除去画像生成手段とを備えたことを特徴とする画像処理装置。 - 前記構造物正常画像生成手段が、
前記所定の構造物と同種の構造物の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、
前記同種の構造物の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、
前記画像データに対して前記複数の構造変更ベクトルを加算する構造変更ベクトル加算手段とを備えたことを特徴とする請求項５記載の画像処理装置。 - 前記構造物正常画像生成手段が、
前記被写体と同種の被写体の正常な構造を表す画像に対応する画像データを取得する画像データ取得手段と、
前記同種の被写体の構造を変更するための複数の構造変更ベクトルを設定する構造変更ベクトル設定手段と、
前記画像データに対して前記複数の構造変更ベクトルを加算することにより、前記被写体画像に対応する前記被写体の正常な構造を表す被写体正常画像を生成する構造変更ベクトル加算手段と、
前記被写体正常画像に基づいて、被写体正常画像から該被写体正常画像中の前記構造物と同種の構造物の正常画像を抽出するニューラルネットを用いて、前記構造物正常画像を生成する画像生成手段とを備えたことを特徴とする請求項５記載の画像処理装置。 - 複数の構造物からなる被写体を表す被写体画像を入力する被写体画像入力手段と、
人工的に生成された、前記複数の構造物のうち少なくとも１つの所定の構造物と同種の構造物の正常な構造を表す複数の異なる画像を保存する画像保存手段と、
前記被写体画像における前記所定の構造物を表す構造物画像に略合致する画像を、前記画像保存手段により保存されている画像の中から選択する画像選択手段と、
前記被写体画像と前記選択された画像との画像間演算により、前記被写体画像から前記構造物画像が除去された構造物除去画像を生成する構造物除去画像生成手段とを備えたことを特徴とする画像処理装置。 - 前記被写体画像が医用画像であり、
前記複数の構造物が、前記被写体の解剖学的特徴を有するものであることを特徴とする請求項５から８いずれか記載の画像処理装置。 - 複数の構造物からなる被写体を表す被写体画像における、前記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に対応する、前記所定の構造物の正常な構造を表す構造物正常画像を人工的に生成するステップと、
前記被写体画像と前記生成された構造物正常画像との画像間演算により、前記被写体画像から前記構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする画像処理をコンピュータに実行させるためのプログラム。 - 複数の構造物からなる被写体を表す被写体画像における、前記複数の構造物のうち少なくとも１つの所定の構造物を表す構造物画像に略合致する画像を、人工的に生成された、前記所定の構造物と同種の構造物の正常な構造を表す複数の異なる画像の中から選択するステップと、
前記被写体画像と前記選択された画像との画像間演算により、前記被写体画像から前記構造物画像が除去された構造物除去画像を生成するステップとを有することを特徴とする画像処理をコンピュータに実行させるためのプログラム。
Priority Applications (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003182092A JP4571378B2 (ja) | 2003-06-26 | 2003-06-26 | 画像処理方法および装置並びにプログラム |
| EP04014935A EP1492053B1 (en) | 2003-06-26 | 2004-06-25 | Method, apparatus and program for image processing, and abnormal shadow detection |
| US10/875,490 US7697739B2 (en) | 2003-06-26 | 2004-06-25 | Method, apparatus and program for image processing, and abnormal shadow detection |
| DE602004003521T DE602004003521T2 (de) | 2003-06-26 | 2004-06-25 | Verfahren, Vorrichtung und Programm zur Bildverarbeitung und zur Detektion von abnormalen Schatten |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003182092A JP4571378B2 (ja) | 2003-06-26 | 2003-06-26 | 画像処理方法および装置並びにプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2005020337A true JP2005020337A (ja) | 2005-01-20 |
| JP4571378B2 JP4571378B2 (ja) | 2010-10-27 |
Family
ID=34182568
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003182092A Expired - Fee Related JP4571378B2 (ja) | 2003-06-26 | 2003-06-26 | 画像処理方法および装置並びにプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4571378B2 (ja) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006255412A (ja) * | 2005-03-14 | 2006-09-28 | General Electric Co <Ge> | 腫瘍量を監視する方法及びシステム |
| JP2008229161A (ja) * | 2007-03-22 | 2008-10-02 | Fujifilm Corp | 画像成分分離装置、方法、およびプログラム、ならびに、正常画像生成装置、方法、およびプログラム |
| JP2008541892A (ja) * | 2005-06-02 | 2008-11-27 | トードベルグ、ハンス・ヘンリク | 骨格の成熟度決定方法 |
| JP2009501036A (ja) * | 2005-07-15 | 2009-01-15 | マテリアライズ デンタル ナムローゼ フェンノートシャップ | （半）自動で歯科インプラントを設計する方法 |
| WO2010098215A1 (ja) * | 2009-02-26 | 2010-09-02 | 国立大学法人北海道大学 | ターゲット検出装置および放射線治療装置 |
| JP2014113364A (ja) * | 2012-12-11 | 2014-06-26 | Panasonic Corp | 診断支援装置および診断支援方法 |
| US11328421B2 (en) | 2017-10-31 | 2022-05-10 | Nec Corporation | Image processing apparatus, image processing method, and storage medium |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001157675A (ja) * | 1999-12-02 | 2001-06-12 | Fuji Photo Film Co Ltd | 画像表示方法および画像表示装置 |
| JP2002024811A (ja) * | 2000-07-12 | 2002-01-25 | Minolta Co Ltd | 影成分除去装置 |
| JP2002505594A (ja) * | 1997-02-25 | 2002-02-19 | テンプル ユニバーシティ−オブ ザ コモンウェルス システム オブ ハイヤー エデュケーション | 身体要素の分析のための非侵襲的放射線撮影法 |
| JP2003512112A (ja) * | 1999-10-21 | 2003-04-02 | アーチ・デベロップメント・コーポレーション | 弾性的照合を用いる対側性および時間的な減法画像のコンピュータ化処理のための方法、システムおよびコンピュータ可読媒体 |
| JP2004041694A (ja) * | 2002-05-13 | 2004-02-12 | Fuji Photo Film Co Ltd | 画像生成装置およびプログラム、画像選択装置、画像出力装置、画像提供サービスシステム |
| JP2004188201A (ja) * | 2002-12-10 | 2004-07-08 | Eastman Kodak Co | 肺領域のための２次元の統計的形状モデルを自動構成するための方法 |
-
2003
- 2003-06-26 JP JP2003182092A patent/JP4571378B2/ja not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002505594A (ja) * | 1997-02-25 | 2002-02-19 | テンプル ユニバーシティ−オブ ザ コモンウェルス システム オブ ハイヤー エデュケーション | 身体要素の分析のための非侵襲的放射線撮影法 |
| JP2003512112A (ja) * | 1999-10-21 | 2003-04-02 | アーチ・デベロップメント・コーポレーション | 弾性的照合を用いる対側性および時間的な減法画像のコンピュータ化処理のための方法、システムおよびコンピュータ可読媒体 |
| JP2001157675A (ja) * | 1999-12-02 | 2001-06-12 | Fuji Photo Film Co Ltd | 画像表示方法および画像表示装置 |
| JP2002024811A (ja) * | 2000-07-12 | 2002-01-25 | Minolta Co Ltd | 影成分除去装置 |
| JP2004041694A (ja) * | 2002-05-13 | 2004-02-12 | Fuji Photo Film Co Ltd | 画像生成装置およびプログラム、画像選択装置、画像出力装置、画像提供サービスシステム |
| JP2004188201A (ja) * | 2002-12-10 | 2004-07-08 | Eastman Kodak Co | 肺領域のための２次元の統計的形状モデルを自動構成するための方法 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006255412A (ja) * | 2005-03-14 | 2006-09-28 | General Electric Co <Ge> | 腫瘍量を監視する方法及びシステム |
| JP2008541892A (ja) * | 2005-06-02 | 2008-11-27 | トードベルグ、ハンス・ヘンリク | 骨格の成熟度決定方法 |
| JP2009501036A (ja) * | 2005-07-15 | 2009-01-15 | マテリアライズ デンタル ナムローゼ フェンノートシャップ | （半）自動で歯科インプラントを設計する方法 |
| JP2008229161A (ja) * | 2007-03-22 | 2008-10-02 | Fujifilm Corp | 画像成分分離装置、方法、およびプログラム、ならびに、正常画像生成装置、方法、およびプログラム |
| WO2010098215A1 (ja) * | 2009-02-26 | 2010-09-02 | 国立大学法人北海道大学 | ターゲット検出装置および放射線治療装置 |
| JP2014113364A (ja) * | 2012-12-11 | 2014-06-26 | Panasonic Corp | 診断支援装置および診断支援方法 |
| US11328421B2 (en) | 2017-10-31 | 2022-05-10 | Nec Corporation | Image processing apparatus, image processing method, and storage medium |
Also Published As
| Publication number | Publication date |
|---|---|
| JP4571378B2 (ja) | 2010-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP3525171B1 (en) | Method and system for 3d reconstruction of x-ray ct volume and segmentation mask from a few x-ray radiographs | |
| JP5643304B2 (ja) | 胸部トモシンセシスイメージングにおけるコンピュータ支援肺結節検出システムおよび方法並びに肺画像セグメント化システムおよび方法 | |
| US9262827B2 (en) | Lung, lobe, and fissure imaging systems and methods | |
| Liang et al. | United snakes | |
| JP7325954B2 (ja) | 医用画像処理装置、医用画像処理プログラム、学習装置及び学習プログラム | |
| JP2004041694A (ja) | 画像生成装置およびプログラム、画像選択装置、画像出力装置、画像提供サービスシステム | |
| US10248756B2 (en) | Anatomically specific movie driven medical image review | |
| US20100329533A1 (en) | Image processing method and image processing apparatus | |
| US20100266188A1 (en) | Chest x-ray registration, subtraction and display | |
| JP7081680B2 (ja) | 学習済みモデルの製造方法、輝度調整方法および画像処理装置 | |
| JP2004105737A (ja) | 心臓磁気共振潅流データのための統合的画像記録方法 | |
| US9269165B2 (en) | Rib enhancement in radiographic images | |
| Baka et al. | Statistical shape model-based femur kinematics from biplane fluoroscopy | |
| JP2009119133A (ja) | 画像処理装置、画像処理方法及びプログラム | |
| JP2005020338A (ja) | 異常陰影検出方法および装置並びにプログラム | |
| US20230169666A1 (en) | Methods and systems for image registration | |
| JP2004008419A (ja) | 解剖学的特徴位置検出装置および被写体構造計測装置 | |
| CN111932467A (zh) | 一种图像处理方法及装置 | |
| JP2005065728A (ja) | 類似画像検索装置 | |
| EP1492053B1 (en) | Method, apparatus and program for image processing, and abnormal shadow detection | |
| JP4571378B2 (ja) | 画像処理方法および装置並びにプログラム | |
| Iddrisu et al. | 3D reconstructions of brain from MRI scans using neural radiance fields | |
| JP2007014435A (ja) | 画像処理装置、画像処理方法およびそのプログラム | |
| Moukalled | Segmentation of laryngeal high-speed videoendoscopy in temporal domain using paired active contours | |
| WO2014030262A1 (ja) | 形状データ生成プログラム、形状データ生成方法及び形状データ生成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060303 |
|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20061205 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090602 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090729 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100309 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100510 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20100720 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100812 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130820 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4571378 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |