JP2005021606A

JP2005021606A - 診断支援装置

Info

Publication number: JP2005021606A
Application number: JP2003270671A
Authority: JP
Inventors: Hiroyuki Arahata; 弘之新畠; Tomohiko Matsuura; 友彦松浦; Makoto Sato; 眞佐藤
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 2003-07-03
Filing date: 2003-07-03
Publication date: 2005-01-27

Abstract

【課題】腫瘍の特性を定量化することで、診断を助ける診断支援装置を得る。
【解決手段】目的領域抽出手段が画像中から目的領域を抽出し、表示手段が目的領域抽出手段で抽出した領域を画像中に表示する表示し、指示手段が表示手段で表示される領域が正しくない場合又は新たな領域を指示したい場合に領域を指示し、周波数係数分解手段が画像を複数の周波数帯に分解し、その係数を算出し、特徴解析手段が周波数係数分解手段で算出した係数の成分を、目的領域抽出手段又は指示手段で特定される所定領域から所定の特徴量を算出し、判別手段が特徴解析手段で算出した特徴量から対象の客観的な指標を算出するものである。
【選択図】図１

Description

本発明は、診断支援装置に関し、特に複数の周波数成分を用いて画像の性質を定量化する診断支援装置に関する。

近年のデジタル技術の進歩により放射線画像をデジタル画像信号に変換し、該デジタル画像信号に対して画像処理を施し、ＣＲＴ等に表示、あるいはプリント出力することが行われている。ところで、放射線画像の目的は、被写体を診断する事にある。したがって診断に適した画像を作成する必要があるとともに、診断に必要な情報を附加する必要がある。

この様な目的のため、従来では、画像に鮮鋭化処理などの周波数処理、ダイナミックレンジ圧縮等の画像処理が施されてきた（例えば、特許文献１参照。）。
特開２０００−１５５８３８号公報

しかしながら、従来の画像処理適方法には画像全体の画質を改善する思想しか開示されておらず、特有領域のみに特殊処理を施しさらに診断に有用な情報を得る事ができない問題がある。そのため、診断に必要な情報を一般画像の表示からしか得る事ができなかった。

本発明は上記のような課題を解決するためになされたもので、診断を支援するための情報を抽出し、その情報を診断に役立てる事を目的とする。

請求項１記載の画像処理装置は、目的領域抽出手段が画像中から目的領域を抽出し、周波数係数分解手段が画像を複数の周波数帯に分解し、その係数を算出し、特徴解析手段が周波数係数分解手段で算出した係数の成分を、目的領域抽出手段で特定される所定領域から所定の特徴量を算出し、判別手段が特徴解析手段で算出した特徴量から対象の客観的な指標を算出するものである。

請求項２記載の画像処理装置は、表示手段が画像を表示し、指示手段が表示手段で表示される画像から目的となる領域を指示し、周波数係数分解手段が画像を複数の周波数帯に分解し、その係数を算出し、特徴解析手段が周波数係数分解手段で算出した係数の成分を、指示手段で特定される所定領域から所定の特徴量を算出し、判別手段が特徴解析手段で算出した特徴量から対象の客観的な指標を算出するものである。

請求項３記載の画像処理装置は、目的領域抽出手段が画像中から目的領域を抽出し、表示手段が目的領域抽出手段で抽出した領域を画像中に表示する表示し、指示手段が表示手段で表示される領域が正しくない場合又は新たな領域を指示したい場合に領域を指示し、周波数係数分解手段が画像を複数の周波数帯に分解し、その係数を算出し、特徴解析手段が周波数係数分解手段で算出した係数の成分を、目的領域抽出手段又は指示手段で特定される所定領域から所定の特徴量を算出し、判別手段が特徴解析手段で算出した特徴量から対象の客観的な指標を算出するものである。

請求項４記載の画像処理装置は、目的領域抽出手段が目的領域を抽出し、判別手段が目的領域抽出手段で抽出された領域を定量化し、判定手段が判別手段で定量化された値から主要の良悪を判定するものである。

請求項５記載の画像処理装置は、目的領域抽出手段が画像中から目的領域を抽出し、周波数係数分解手段が画像を複数の周波数帯に分解し、周波数帯毎の係数を算出し、特徴解析手段が周波数係数分解手段で算出した係数の成分を、目的領域抽出手段で特定される所定領域から所定の特徴量として算出し、判別手段が特徴解析手段で算出した特徴量から対象の客観的な指標を算出し、判定手段が判別手段で定量化された値から主要の良悪を判定するものである。

請求項６記載の画像処理装置は、周波数に分化する方法をウェーブレット変換方法を用いることを特徴とする診断支援装置。

請求項７記載の画像処理装置は、特徴量を算出するための対象を腫瘍とするものである。

なお、さらに詳細に説明すれば、本発明は下記の構成によって前記課題を解決できた。

（１）画像中から目的領域を抽出する目的領域抽出手段と、画像を複数の周波数帯に分解し、周波数帯毎の係数を算出する周波数係数分解手段と、該周波数係数分解手段で算出した係数の成分を、該目的領域抽出手段で特定される所定領域から所定の特徴量として算出する特徴解析手段と、該特徴解析手段で算出した特徴量から対象の客観的な指標を算出する判別手段とを備えることを特徴とする診断支援装置。

（２）画像を表示する表示手段と、該表示手段で表示される画像から目的とする領域を指示する指示手段と、画像を複数の周波数帯に分解し、周波数帯毎の係数を算出する周波数係数分解手段と、該周波数係数分解手段で算出した係数の成分を、該指示手段で特定される所定領域から所定の特徴量として算出する特徴解析手段と、該特徴解析手段で算出した特徴量から対象の客観的な指標を算出する判別手段とを備えることを特徴とする診断支援装置。

（３）画像中から目的領域を抽出する目的領域抽出手段と、該目的領域抽出手段で抽出した領域を画像中に表示する表示手段と、該表示手段で表示される領域が正しくない場合又は新たな領域を指示したい場合に領域を指示する指示手段と、画像を複数の周波数帯に分解し、周波数帯毎の係数を算出する周波数係数分解手段と、該周波数係数分解手段で算出した係数の成分を、該目的領域抽出手段又は指示手段で特定される所定領域から所定の特徴量として算出する特徴解析手段と、該特徴解析手段で算出した特徴量から対象の客観的な指標を算出する判別手段とを備えることを特徴とする診断支援装置。

（４）腫瘍を抽出する目的領域抽出手段と、該目的領域抽出手段で抽出された腫瘍を定量化する判別手段と、該判別手段で定量化された値から主要の良悪を判定する判定手段を備える事を特徴とする診断支援装置。

（５）画像中から目的領域を抽出する目的領域抽出手段と、画像を複数の周波数帯に分解し、周波数帯毎の係数を算出する周波数係数分解手段と、該周波数係数分解手段で算出した係数の成分を、該目的領域抽出手段で特定される所定領域から所定の特徴量として算出する特徴解析手段と、該特徴解析手段で算出した特徴量から対象の客観的な指標を算出する判別手段と、該判別手段で定量化された値から主要の良悪を判定する判定手段を備えることを特徴とする診断支援装置。

（６）前記周波数係数分解手段で周波数に分化する方法をウェーブレット変換方法を用いることを特徴とする前記（１）ないし（３）、又は（５）のいずれか１項に記載の診断支援装置。

（７）特徴量を算出するための対象を腫瘍とする前記（１）ないし（３）、又は（５）のいずれか１項に記載の診断支援装置。

請求項１記載の発明によれば、周波数帯域毎に画像を分解し、特徴化することで、通常の画像表示だけでは得られない情報が得られる。また、この情報を客観的指標に置き換えることで目的領域の特性を容易に把握できる効果がある。

請求項２記載の発明によれば、画像の特定領域を指示できるため、注目領域の情報を正確に抽出できる効果がある。

請求項３記載の発明によれば、自動的に目的領域を抽出できるため、目的領域を指示する必要が無く、さらに、抽出に失敗している場合には修正できるため所定領域を容易に抽出することができる効果がある。

請求項４，５記載の発明によれば、腫瘍を自動抽出するとともに、悪性らしいときには印を入れることができる効果がある。このため、医師等が腫瘍を発見するのを助ける効果がある。また、警報を鳴らすなどで注意を促すことができるので、腫瘍等の見落としを防ぐ効果もある。

請求項６記載の発明によれば、周波数分解にウェーブレットを用いることで、局所的な周波数特性を抽出することができ、画像の局所的特性を抽出できる効果がある。

請求項７記載の発明によれば、対象が腫瘍である場合には腫瘍の特性を客観的に把握でき診断に役立つ効果がある。

実施の形態１．
図１は、この発明の実施の形態１．によるＸ線撮影装置１００を示す。すなわち、Ｘ線撮影装置１００は、診断支援機能を有するＸ線の撮影装置であり、前処理回路１０６、ＣＰＵ１０８、メインメモリ１０９、操作パネル１１０、診断支援回路１１２を備えており、ＣＰＵバス１０７を介して互いにデータ授受されるようになされている。

また、診断支援回路１１２において、１１３は画像中の目的領域を自動抽出する目的領域抽出回路、１１１は画像を表示するとともに目的領域抽出回路で抽出された領域を表示する表示器、１１４は表示器１１１で表示される画像中に表示される目的領域抽出回路１１３で抽出された領域が正しくないか別の領域を指示したい場合に、目的とする領域を指示する指示手段である。１１５は画像をウェーブレット変換処理を用いて複数の周波数帯域に分解し、周波数帯域毎の係数を算出する周波数係数分解回路であり、１１６は目的領域抽出回路１１３又は指示回路１１４で指示された領域で決まる所定領域中における、周波数係数分解回路１１５で算出し周波数係数から特徴量を算出する特徴解析回路、１１７は特徴解析回路１１６で算出した特徴量から客観的な指標を算出する判別回路である。

また、Ｘ線撮影装置１００は、前処理回路１０６に接続されたデータ収集回路１０５と、データ収集回路１０５に接続された２次元Ｘ線センサ１０４及びＸ線発生回路１０１とを備えており、これらの各回路はＣＰＵバス１０７にも接続されている。

図２はこの発明の実施の形態１において、判別回路１１７内の判別関数を作成するための処理の流れを示すフローチャートである。図３は撮影取得された原画像を表示した図であり、目的領域抽出回路１１３で抽出した領域を示し、３０１が腫瘍の位置を示す。腫瘍には良性と癌等の悪性の２種類が存在し、その特徴は腫瘍周辺部にも現れるといわれている。例えば悪性では腫瘍に対して血管等の引き込みが見られ、腫瘍周辺がぎざぎざとなっている例がある。また、良性では血管の引き込み等がなくて腫瘍全体が丸っぽい感じとなる例がある。この様に、腫瘍周辺の画素値の分布が腫瘍の判定に重要な要素となっている。

図４は抽出した腫瘍を分割表示した図である。図４において（ａ）は悪性腫瘍を、（ｃ）は良性腫瘍の例を示す。また、（ｂ）、（ｄ）は腫瘍の所定領域４０１、４０２を示す。図５はウェーブレット変換を用いた周波数分解方法を示す図であり、（ａ）が分解方法の構成、（ｂ）分解された周波数毎の係数を示す図である。図６は所定領域４０１、４０２内の周波数成分を示す図であり、図６（ａ）が例えば悪性腫瘍．図６（ｂ）が例えば良性腫瘍に対応する図である。図７が判別関数の作成終了後における腫瘍の客観的指標を表示する一連の処理の流れを示すフローチャートである。

上述の様なＸ線撮影装置１００において、まず、メインメモリ１０９は、ＣＰＵ１０８での処理に必要な各種のデータなどが記憶されるものであると共に、ＣＰＵ１０８の作業用としてのワークメモリを含む。

ＣＰＵ１０８は、メインメモリ１０９を用いて、操作パネル１１０からの操作にしたがった装置全体の動作制御等を行う。これによりＸ線撮影装置１００は、以下のように動作する。

先ず、Ｘ線発生回路１０１は、被検査体（被写体）１０３に対してＸ線ビーム１０２を放射する。

Ｘ線発生回路１０１から放射されたＸ線ビーム１０２は、被検査体１０３を減衰しながら透過して、２次元Ｘ線センサ１０４に到達し、２次元Ｘ線センサ１０４によりＸ線画像として出力される。ここでは、２次元Ｘ線センサ１０４から出力されるＸ線画像を、例えば人体画像等とする。

データ収集回路１０５は、２次元Ｘ線センサ１０４から出力されたＸ線画像を電気信号に変換して前処理回路１０６に供給する。前処理回路１０６は、データ収集回路１０５からの信号（Ｘ線画像信号）に対して、オフセット補正処理やゲイン補正処理等の前処理を行う。この前処理回路１０６で前処理が行われたＸ線画像信号は原画像として、ＣＰＵ１０８の制御により、ＣＰＵバス１０７を介して、メインメモリ１０９に保存されるとともに、診断支援回路１１２に転送される。

ここで、まず判別回路１１７で判別関数を作成するたの処理の流れを図２のフローチャートに従い説明する。判別関数を作成するたの処理は、上述の撮影又は他の撮影器であらかじめ撮影して保存されるデータを用いて行う。

まず表示器１１１は腫瘍が撮影されている保存画像を順次表示画面に表示する（ｓ２０１）。そして、周波数係数分解回路１１５は表示される画像を順次、離散ウェーブレット変換を用いて周波数分解処理を行う。この動作は以下の様になる。

周波数係数分解回路１１５は入力した画像に対して２次元の離散ウェーブレット変換処理を行い、変換係数を計算して出力するものである。本実施の形態における周波数係数分解回路１１５の処理の構成は図５（ａ）に示すものとする。同図において、入力された画像信号は遅延素子およびダウンサンプラの組み合わせにより、偶数アドレスおよび奇数アドレスの信号に分離され、２つのフィルタｐおよびｕによりフィルタ処理が施される。同図ｓおよびｄは、各々１次元の画像信号に対して１レベルの分解を行った際のローパス係数およびハイパス係数を表しており、次式により計算されるものとする。

d(n)=x(2^＊n+1)-floor((x(2^＊n)+x(2^＊n+2))/2) （式１）
s(n)=x(2^＊n)+floor((d(n-1)+d(n))/4) （式２）
ただし、ｘ（ｎ）は変換対象となる画像信号である。

以上の処理により、画像信号に対する１次元の離散離散ウェーブレット変換処理が行われる。２次元の離散ウェーブレット変換は、１次元の変換を画像の水平・垂直方向に対して順次行うものであり、その詳細は公知であるのでここでは説明を省略する。図５（ｂ）は２次元の変換処理により得られる２レベルの変換係数群の構成例であり、画像信号は異なる周波数帯域の係数列ＨＨ１，ＨＬ１，ＬＨ１，……，ＬＬに分解される（ｓ２０２）。本実施の形態では５レベルまでの周波数分解処理を行うものとし、異なる周波数帯域の係数列ＨＨ１，ＨＨ２、ＨＨ３，ＨＨ４，ＨＨ５を用いる。離散ウェーブレット変換は局所領域の周波数に高速に分解するのに適しているものである。そのため、ウェーブレット変換を用いることで、画像の局所領域の周波数的な特徴を抽出できる効果がある。

次に指示手段１１４は表示器１１１で表示された画像から特定領域を指示する。例えば図３の腫瘍３０１が指示され、切り出された画像が図４（ａ）である（ｓ２０３）。

指示手段１１４で画像上の注目点をし指示できるため、適切に注目している領域を抽出できる。

そして、特徴解析回路１１６は指示手段１１４で指示された点から一定領域内にある領域４０１に対応する周波数係数ＨＨ１、ＨＨ２，ＨＨ３、ＨＨ４、ＨＨ５を抽出する（ｓ２０４）。ここでは所定領域として指示手段１１４で指示された点から同心円状にある領域とし、例えば図４の４０１，４０２がこれに対応する。この領域に対応する係数空間ＨＨ１、ＨＨ２、……から係数を抽出するものである。この同心円状の領域は腫瘍の周辺領域にあたる。

そして、特徴解析回路１１６は領域４０１に対応する領域内の周波数係数の平均値を計算する（ｓ２０５）。これにより、領域４０１を代表する周波数地域毎の成分が算出される。尚、周波数成分を代表する値としては平均値だけでなく、中間値等の統計量でもかまわない。

そして、医師等の有識者によりあらかじめカテゴライズされている情報を入力する。例えば悪性腫瘍の場合にはカテゴリ１を、良性腫瘍の場合には０をキーボード等から入力する（ｓ２０６）。例えば、図６が特徴解析回路１１６で算出した特徴量の一例であり、特徴量の大きさを周波数帯域毎にグラフ化したものである。ここで、ＨＨ１等が用いた係数（周波数帯をも示す）を示し、グラフの長さが特徴量の大きさを示す。例えば（ａ）が悪性、（ｂ）が良性の腫瘍の周波数係数の一例をしめし、腫瘍により特徴パターンは異なる。

これら特徴量とカテゴリを順次保存する。

そして、さらに違う画像を表示しｓ２０１からｓ２０７までの処理を保存画像に対して繰り返す。この場合、腫瘍の数としては数百例ぐらいあるほうが好ましい。

次に、（１）式に示す線形式を「多変量解析のはなし」石村他、東京図書株式会社、１９９５、ｐ３７−ｐ７７に記載される重回帰分析を用いて作成する。

Y=A1xH1+A2xH2+A3xH3+A4xH4+A5xH5+C （式３）
ここで、Ａ１，Ａ２，Ａ３，Ａ４、Ａ５、Ｃが算出する回帰係数であり、Ｙが目的変量であり、Ｈ１，Ｈ２，Ｈ３，Ｈ４、Ｈ５が説明変量である。

説明変量には、特徴解析回路１１６で算出した特徴量を用い、Ｈ１が一次係数の平均値、Ｈ２が二次係数の平均値、Ｈ４が一次係数の平均値、Ｈ４が二次係数の平均値、Ｈ５が一次係数の平均値を示す。目的変量にはカテゴリ１，０を用いる。そして、ｓ２０７で保存した数百症例分の値を用いて、回帰係数を算出する（ｓ２０８）。

さらに、異なる腫瘍の周波数帯毎の成分を見たい場合にはｓ２０３からの処理を繰り返す。例えば、腫瘍３０２を指示して、同様の処理をして係数の成分を表示した図が図６の（ｂ）である。

次に、図７の処理の流れに従い、腫瘍にカテゴリづけされていない未学習データが撮影された後に、客観的指標を付与する処理の流れについて説明する。尚、図２の処理の流れの中で説明した処理と同一の処理には同一の番号を付して説明を省略する。

表示器１１１は原画像と目的領域抽出回路１１３で抽出した目的領域を表示する（ｓ７０１、ｓ７０２）。ここで、算出した腫瘍の位置は例えば図３に示す丸印３０１などで表示する。

また、目的領域抽出回路１１３は例えば、鈴木等、“胸部Ｘ線直接像の塊状陰影検出用の最小方向差分フィルタとその性質”に開示されている自動腫瘍抽出方法を用いて自動に腫瘍の位置を算出する。腫瘍を自動的に算出する方法に関しては上記方法にかかわらず一般的な自動腫瘍抽出方法ならばどのような方法を用いてもよい。

次に観察者は図中の腫瘍の位置を見て、正しく指示されていれば次の処理にすすみ、誤っていれば指示回路１１４を用いて正しい腫瘍領域を指示する。ここで、正しい座標はマウス、キーボード等を用いて入力するものとする。

次に周波数係数分解回路１１５は画像を周波数に分解し（ｓ２０２）、特徴解析回路１１６は特定領域中の周波数係数を抽出し、周波数係数の平均値を特徴量として計算する（ｓ２０４、ｓ２０５）。そして、判別回路１１７は重回帰式（３）に算出した特徴量を入力し、目的量を算出する。

ここで、算出された目的量が１に近ければ悪性腫瘍の可能性が高く、０に近ければ良性である可能性が高い。良性、悪性で特徴量の分布に偏りがあり、悪性ならば１、良性なら０となるように回帰係数を算出したためである。

そして、判別回路１１７の出力値と特徴解析回路１１６で算出した特徴量（例えば図６の様なグラフ）を表示器１１１に表示する（ｓ７０６）。

以上のようにこの実施の形態１によれば、周波数帯域毎に画像を分解し、特徴化することで、通常の画像表示だけでは得られない情報が得られる。この情報を用いる事で、画像の特性を客観的に把握できる効果がある。対象が腫瘍である場合には腫瘍の特性を客観的に把握でき診断に役立つ効果がある。さらに、画像の特定領域を指示できるため、注目領域の情報を正確に抽出できる効果がある。さらに、所定領域の周波数帯毎の特徴量を画像として表示する事で、画像の特性を簡易に把握することができる効果がある。また、周波数帯毎の特徴をグラフ化することで、さらに画像の特性が容易に把握できる効果がある。周波数分解にウェーブレットを用いることで、局所的な周波数特性を抽出することができ、画像の局所的特性を抽出できる効果がある。

実施の形態２．
図８は実施の形態２．の処理の流れを示す図である。実施の形態１．と同一の処理には同一の番号を付して説明を省略する。

まず、目的領域抽出回路１１３は腫瘍の位置を自動抽出する（ｓ８０１）。そして、周波数係数分解回路１１５は画像を周波数分解するとともに、周波数係数を算出する（ｓ２０２）。そして、特徴解析回路１１６は目的領域抽出回路１１３で抽出した領域を基準として周波数係数の平均値を計算して特徴量とする（ｓ２０４、ｓ２０５）。次にｓ７０５は特徴解析回路１１６で算出した特徴量を判別式（１）に代入し目的変数の値を計算する。ここで算出した値が０．５以上の場合には画像中に目的領域抽出回路１１３で抽出した位置に印を入れる。この印は例えば丸印などとする。また、この場合に、図示しないスピーカ等で音声を鳴らすものである。またｈ、表示画面中に注意を促す表示を行うものである。

以上実施の形態２．によれば、腫瘍を自動抽出するとともに、悪性らしいときには印を入れることができる効果がある。このため、医師等が腫瘍を発見するのを助ける効果がある。

また、警報を鳴らすなどで注意を促すことができるので、腫瘍等の見落としを防ぐ効果もある。

この発明の実施の形態１．による画像処理装置のブロック図判別関数を作成するための処理手順を示すフローチャート腫瘍が写っている画像を示す図抽出した腫瘍及び特徴量を計算する領域を示す図離散ウェーブレット変換の説明図周波数帯毎の特徴量をグラフ化した図腫瘍から客観的指標を算出するための処理手順を示すフローチャート実施の形態２．の処理手順を示すフローチャート

符号の説明

１１３目的領域抽出回路
１１４指示回路（指示手段）
１１５周波数係数分解回路
１１６特徴解析回路
１１７判別回路

Claims

画像中から目的領域を抽出する目的領域抽出手段と、画像を複数の周波数帯に分解し、周波数帯毎の係数を算出する周波数係数分解手段と、該周波数係数分解手段で算出した係数の成分を、該目的領域抽出手段で特定される所定領域から所定の特徴量として算出する特徴解析手段と、該特徴解析手段で算出した特徴量から対象の客観的な指標を算出する判別手段とを備えることを特徴とする診断支援装置。
画像を表示する表示手段と、該表示手段で表示される画像から目的とする領域を指示する指示手段と、画像を複数の周波数帯に分解し、周波数帯毎の係数を算出する周波数係数分解手段と、該周波数係数分解手段で算出した係数の成分を、該指示手段で特定される所定領域から所定の特徴量として算出する特徴解析手段と、該特徴解析手段で算出した特徴量から対象の客観的な指標を算出する判別手段とを備えることを特徴とする診断支援装置。
画像中から目的領域を抽出する目的領域抽出手段と、該目的領域抽出手段で抽出した領域を画像中に表示する表示手段と、該表示手段で表示される領域が正しくない場合又は新たな領域を指示したい場合に領域を指示する指示手段と、画像を複数の周波数帯に分解し、周波数帯毎の係数を算出する周波数係数分解手段と、該周波数係数分解手段で算出した係数の成分を、該目的領域抽出手段又は指示手段で特定される所定領域から所定の特徴量として算出する特徴解析手段と、該特徴解析手段で算出した特徴量から対象の客観的な指標を算出する判別手段とを備えることを特徴とする診断支援装置。
腫瘍を抽出する目的領域抽出手段と、該目的領域抽出手段で抽出された腫瘍を定量化する判別手段と、該判別手段で定量化された値から主要の良悪を判定する判定手段を備える事を特徴とする診断支援装置。
画像中から目的領域を抽出する目的領域抽出手段と、画像を複数の周波数帯に分解し、周波数帯毎の係数を算出する周波数係数分解手段と、該周波数係数分解手段で算出した係数の成分を、該目的領域抽出手段で特定される所定領域から所定の特徴量として算出する特徴解析手段と、該特徴解析手段で算出した特徴量から対象の客観的な指標を算出する判別手段と、該判別手段で定量化された値から主要の良悪を判定する判定手段を備えることを特徴とする診断支援装置。
前記周波数係数分解手段で周波数に分化する方法をウェーブレット変換方法を用いることを特徴とする請求項１ないし３、又は５のいずれか１項に記載の診断支援装置。
特徴量を算出するための対象を腫瘍とする請求項１ないし３、又は５のいずれか１項に記載の診断支援装置。