JP2005169122A - 放射線画像処理の方法 - Google Patents

Abstract

【課題】Ｘ線マンモグラフィにおいて微小石灰化を検出する際に、放射線医に置き代わるのではなく放射線医を支援する。
【解決手段】撮像装置によって形成される放射線画像上で、微小石灰化の徴候を構成している可能性のある要素の位置を求めるステップと、このようにして位置を求めた要素の強度を強調した画像を表示するステップと、を含む放射線画像処理の方法を提供する。これにより、画像に現われている微小石灰化の全ての徴候を、これらの徴候が群を形成しているか孤立しているか、また良性であるか悪性であるか等の区別を設けずに強調することができる。結果的に、放射線医は微小石灰化の分布マッピングの直接的な全体像を得る。次いで、放射線医は、問題の区域のズーム拡大を必ずしも必要とせずに、クラスタの形状及び拡がりを直接観察することができる。
【選択図】 図１

Description

本発明は、放射線撮像の分野に関し、さらに具体的には、特にマンモグラフィの分野での関心対象に関する。

マンモグラフィは主に、病変を検出して乳ガンを予防するために用いられている。マンモグラム画像で放射線医が最初に探索する徴候は、微小石灰化と呼ばれるカルシウム沈着物であり、微小石灰化は一般的には、Ｘ線において周囲組織よりも不透明な要素を構成している。放射線医は、これら微小石灰化の徴候を探索しながら画像を精査する。放射線医はある程度までは、悪性の微小石灰化（しばしば複数のクラスタから成る群を成す）と良性のカルシウム沈着物とを識別することができる。放射線医は、各々の個々の微小石灰化の形状及び輝度、並びにクラスタの形状及び拡がりを放射線画像で観察して解釈する。

それでも、放射線医によっては幾つかの沈着物を知覚しない。この現象には幾つかの原因がある。注目すべきは、マンモグラム画像は投影の結果であるため、微小石灰化の可視化を妨げる重なり構造を表わしていることである。さらに、放射線医はしばしば、何枚ものマンモグラフィ画像を次々に解析しなければならず、眼精疲労を招いてクラスタを知覚する能力に影響が出る場合がある。
米国特許第６，１３７，８９８号 欧州特許第１，１１３，３９２号 Michael UNSER、Akram ALDOURI及びMurray EDEN、"On the Asymptotic Convergence of b-spline Wavelets to Gabor Functions"、IEEE Transactions on Information Theory、第３８巻、第２号、第８６４頁〜８７２頁、１９９２年３月 Michael UNSER、"Fast Gabor-Like Windowed Fourier and Continuous Wavelet Transforms"、IEEE Signal Processing Letters、第１巻、第５号、第７６頁〜７９頁、２００４年５月

コンピュータ支援診断（ＣＡＤ）ツールは、病変を検出して特徴評価する際に放射線医を支援する。かかるシステムは例えば、（特許文献１）に記載されている。これらのＣＡＤシステムは、スキャナを用いて予めディジタル化されているフィルム画像を処理して、悪性の微小石灰化クラスタを検出することができる。これらのシステムは、矩形若しくは円、又は場合によっては矢印のような標識をクラスタの周囲に配置して用いて、画像上でのクラスタの位置を指示する。放射線医は、このようにして標識された区域を選択してさらに詳細に観察することができる。これらのシステムは、悪性の要素を良性の要素と自動的に区別することを可能にするような特徴パラメータに基づくアルゴリズムを含んでいる。これらのシステムの不都合は、画像の読影の際に、具体的には悪性要素と良性要素とを区別することについて、放射線医に置き代わろうとする傾向にあることである。しかしながら、これらのシステムは放射線医に完全に置き代わるには十分に信頼性があるとは言えない。

本発明の一実施形態は、画像読影段階において放射線医に置き代わるのではなく、微小石灰化を検出する際に放射線医を支援するＣＡＤシステムに関するものである。本発明の一実施形態は、画像、典型的には放射線画像の処理の方法に関し、この方法は、撮像装置によって形成され得る画像上で、微小石灰化の徴候を構成している可能性のある要素の位置を求めるステップと、このようにして位置を求めた要素の強度を強調した画像を表示するステップと、を備えている。放射線画像での位置を求めた各々の要素は、一組の連結ピクセル（又は連結点）で構成されている。

本発明の方法の一実施形態は、画像に現われている微小石灰化の全ての徴候を、これらの徴候が群を形成しているか孤立しているか、また良性であるか悪性であるか等の区別を設けずに強調することを可能にする。結果的に、放射線医は微小石灰化の分布マッピングの直接的な全体像を得る。次いで、放射線医は、問題の区域のズーム拡大を必ずしも必要とせずに、クラスタの形状及び拡がりを直接観察することができる。

全ての例において、強調された徴候の臨床的な関心の吟味は放射線医に委ねられる。

本発明の一実施形態では、微小石灰化を構成している可能性のある要素の強度の強調は、要素を検出する元となる生の画像とは別個の放射線医によって観察可能な「提示用」画像で行なわれる。この提示用画像は、放射線医が画像を読影する容易さを改善するように設計されている他の処理方法によって得ることができる。

他の特性及び利点は、以下の説明を参照するとさらに明らかとなろう。以下の説明は、限定する目的ではなく説明のみの目的で掲げられており、添付図面を照合しながら参照しなければならない。

本発明の一実施形態を図１に示す。同図では、本画像処理方法を生の画像Ｒに適用しており、すなわち生の画像Ｒは、前処理を施されずに放射線システムのディジタル検出器によって直接与えられたものである。この生の画像Ｒから、本処理方法は微小石灰化の徴候を構成している可能性のある要素又は対象の位置を求めることを可能にする。

本処理方法はまた、「提示用画像」と呼ばれる画像も用いており、この画像上で各要素が最終的に強調される。この提示用画像Ｓは、生の画像Ｒから他の処理方法によって得られる。この方法は、放射線医が直接観察することのできる画像を形成することを可能にする。（特許文献２）は例えば、患者の乳房の拡がり全体に沿って読影を行なうことを可能にする外観を備えた画像を表示するためにグレイ・スケール変化を適応構成することを可能にした厚み補償の方法を記載している。

図１では、本画像処理方法は、５段階を含んでいてよい。すなわち（１）生の画像Ｒの前処理段階１００、（２）画像解析段階２００、（３）画像セグメント分割段階３００、（４）類似性測定段階４００、及び（５）放射線医によって観察されるように設計されている画像サマリ（summary）段階５００である。

前処理段階１００は、ディジタル検出装置から直接得た生のディジタル画像Ｒを、後続の工程で用いることのできる画像へ変換するステップを含んでいる。ステップ１１０では、生の画像Ｒについて、関心領域（ＲＯＩ）すなわち患者の乳房を含む画像の領域にわたってフレームを仕切り直す。このステップは、微小石灰化の徴候を構成している可能性のある要素の検出を関心領域にのみ適用し、これにより後続の処理時間を短縮するように設計されている。対数関数を適用して放射線医学的厚みを切り取りした画像を得、各々の点において定義される局所的なコントラストを正規化する。

ステップ１２０では、フレームを仕切り直した生の画像を、各々の画像ピクセルについて以下のように定義されたコントラスト画像Ｃへ変換する。

式中、Ｒ（ｘ，ｙ）は、ピクセル（ｘ，ｙ）における生の画像Ｒの厚み画像のグレイ・スケール強度であり、Ｍ（ｘ，ｙ）は、生の画像Ｒのピクセル（ｘ，ｙ）の周囲区域で算出される平均グレイ・スケール強度であり、Ｋは定数である。ピクセル（ｘ，ｙ）の周囲区域は例えば、（２Ｗ＋１）＾２個のピクセル辺のウィンドウによって画定され、ここでＷ＝４である。

画像解析段階２００は、フィルタのバンクを用いることによりコントラスト画像Ｃをフィルタ処理するステップを含んでいる。バンク内の各々のフィルタは、所与の寸法及び方向を有する構造の存在に対して強く反応するように設計されている。段階２００では、画像の各々のピクセル（ｘ０，ｙ０）について、ピクセル（ｘ０，ｙ０）を中心として周囲を包囲するｆ′辺区域（２Ｗ＋１）＾２を画定する。ｆ′（ｘ，ｙ）関数は、点（ｘ０，ｙ０）の周囲区域でのコントラスト画像Ｃのグレイ・スケール強度を表わすものと考えられる。

次いで、ｆ′関数と、フィルタのバンク内のフィルタの各々との相関を求める。これらのフィルタはβスプライン・ウェーブレット型関数であってよい。βスプライン関数の例を図２（Ａ）及び図２（Ｂ）に示す。これらの関数は、（非特許文献１）及び（非特許文献２）に記載されている。この型の関数は、高速のフィルタ処理を可能にし、空間領域でのコンボリューションに正当性を与える。バンクは例えば、８種の異なる方向及び２種の異なるスケールを有する１６種のウェーブレットを含む。スケールｓ及び方向αのｇ［ｓ，α］ウェーブレットについては、下記の相関マッチング係数が得られる。（訳注：［］は下付き文字を表わす。）

セグメント分割段階３００は、フィルタ処理後の画像から、微小石灰化の徴候を構成している可能性のある連結ピクセルの集団で構成されている要素Ｐの位置を求めるステップを含んでいる。フィルタ処理後の画像から、等方型フィルタ処理後の画像Ｂ及び有向配向型フィルタ処理後の画像Ｏの２種類の画像が形成される。

ステップ３１０では、等方型画像Ｂが、解析段階２００によって形成されたフィルタ処理後の画像の全ての和として算出される。従って、

但し、ω＝π／２ｓであり、Ｎはバンクを構成するフィルタの数であり、Ｎ＝１６である。

ステップ３１１では、閾値Ｔ１よりも大きい強度を有するピクセルを選択するために画像Ｂに閾値Ｔ１を適用する。これにより、等方型フィルタ処理後の画像において十分な強度を備えた要素のみを保存することができる。

ステップ３１２では、画像Ｂにおいて閾値Ｔ１よりも大きい強度を有する相互連結したピクセルの集団（これらの集団を粒子とも呼ぶ）を抽出するために、上述のようにして得られた二値画像に連結成分ラベル付けアルゴリズムを適用する。このようにして選択された集団は、微小石灰化の徴候を構成している可能性がある。

ステップ３２０では、全てのコントラスト画像Ｃに対して最も大きい応答を呈するフィルタを適用することにより、有向配向型フィルタ処理後の画像Ｏを算出する。従って、

ステップ３２１では、閾値Ｔ２よりも大きい強度を有するピクセルを選択するために画像Ｏに閾値Ｔ２を適用し、これにより、十分な強度を備えた要素のみを保存することができる。

ステップ３２２では、画像ＯにおいてＴ２よりも大きい強度を有する相互連結したピクセルの集団（これらの集団をセグメントとも呼ぶ）を抽出するために上述のようにして得られた二値画像に連結成分ラベル付けアルゴリズムを適用する。

ステップ３２３において、セグメントの各々のピクセル（ｘ，ｙ）について、当該ピクセルが属しているセグメントの伸びに従って各々のピクセル（ｘ，ｙ）がμ［Fibre］（ｘ，ｙ）「繊維（fiber）」クラスにどの程度属しているかの等級を決定する。図３は、ピクセルが属するセグメントの伸びに基づくμ［Fibre］所属関数の例を示す。ステップ３１２で検出される粒子Ｐは、正しく微小石灰化の徴候である粒子Ｐもあればそうでない可能性が高い粒子Ｐもある。これらの粒子の殆どについては、当該粒子がカルシウム沈着物を構成しているのか否かを判定することは困難である。

類似性測定段階４００は、各々の粒子Ｐについて、粒子と石灰質徴候との間の類似性を特徴付けるμ［Calcium］（Ｐ）パラメータを決定するステップを含んでいる。このμ［Calcium］（Ｐ）パラメータは、粒子Ｐが「石灰質徴候」クラスにどの程度属しているかの等級を表わす。フィルタ処理後の画像から、最大振幅の画像Ａｍａｘ及び直交方向での最大振幅の画像Ａｍａｘ⊥の２種の画像が得られる。

ステップ４１０では、コントラスト画像Ｃの各々のピクセル（ｘ，ｙ）に対して最大応答を有するフィルタを適用することにより、最大振幅画像Ａｍａｘを算出する。従って、

ステップ４２０では、コントラスト画像Ｃの各々のピクセル（ｘ，ｙ）に対して最大応答を有するフィルタの方向θに直交する方向θ⊥にあるフィルタを適用することにより、直交方向での最大振幅画像Ａｍａｘ⊥を算出する。従って、

ステップ４３０では、ステップ４１０で得られた最大振幅画像Ａｍａｘから、一定数ｎ個のピクセルで構成される各々の粒子Ｐについて、最大振幅の平均としてＡｐパラメータを算出する。

Ａｐパラメータは、粒子Ｐの輝度を粒子Ｐの環境に関して示す。

ステップ４４０では、直交する方向での最大振幅画像Ａｍａｘ⊥から同じ計算を実行する。パラメータＡｐ⊥は次のようにして得られる。

パラメータＡｐ⊥は、粒子Ｐの輝度及び形状の両方の特徴を表わす。粒子Ｐの輝度が高く、且つ粒子Ｐが丸いほど、Ａｐ⊥パラメータは大きくなる。

ステップ４５０では、各々の粒子Ｐについて、粒子Ｐが「石灰質徴候」クラスにどの程度属しているかの等級を特徴付けるμ［Calcium］（Ｐ）パラメータを算出する。このμ［Calcium］（Ｐ）パラメータは、Ａｐパラメータ及びＡｐ⊥パラメータ、並びにステップ３２２で決定された粒子Ｐの中央ピクセル（ｘＣ，ｙＣ）のμ［Fibre］（ｘＣ，ｙＣ）が「繊維」クラスにどの程度属しているかの等級に従って算出される。このようにして、μ［Calcium］（Ｐ）パラメータは、寸法、形状及び輝度の各規準を考慮に入れる。粒子Ｐが石灰質徴候に似ているほど（あるいは似ていないほど）、得られるμ［Calcium］（Ｐ）パラメータは大きくなって１（あるいは０）に近付く。このμ［Calcium］（Ｐ）パラメータは、立証済の微小石灰化に標識を付けた画像のデータベースに訓練を施すことにより（例えばデシジョン・ツリー、ニューロン・ネットワーク又はサポート・ベクタ・マシン（support vector machine）を用いることにより）得ることができる。

サマリ段階５００は、提示用画像Ｓに対して、ステップ３１２において選択された粒子Ｐに属するピクセルの強度を強調するステップを含んでいる。粒子Ｐに属する提示用画像Ｓの各々のピクセル（ｘ，ｙ）について、ピクセル強度は直に包囲するピクセル強度に関連して増大する。この強度増大は、粒子Ｐの石灰質徴候に対する類似性に依存する。新たなＦＢＦ（Finding Based Filtration、発見型フィルタ処理）ピクセル強度は次のようにして算出される。

式中、Ｓｐ（ｘ，ｙ）は粒子Ｐに属するピクセル（ｘ，ｙ）のグレイ・スケールであり、ＭＳ（ｘ，ｙ）は粒子Ｐの周囲区域に位置しており粒子Ｐに属していないピクセルの平均グレイ・スケールである。

ここで、

であり、式中、Ａは、Ｎ個ピクセル（Ｎは通常５に等しい）よりも近い距離に位置しており粒子Ｐがヌルでない画像点集合であり、＃Ａはこの集合の基数である。従って、粒子Ｐは、石灰質徴候に対する類似性に従って多かれ少なかれ強調される。このことは具体的には、微小石灰化を構成している可能性が高い粒子をさらに強調することを可能にする。

図４（Ａ）及び図４（Ｂ）はそれぞれ、強調前の提示用画像Ｓ及び強調後の最終的なＦＢＦ提示用画像を示す。粒子Ｐが強調されている最終的な提示用画像は、放射線医による観察のために表示装置に表示される。この最終画像では、全てのカルシウム徴候は、疑わしさ、又は郡形成性若しくは孤立性に関する区別を設けずに顕在化されている。結果的に、放射線医は微小石灰化の分布マッピングの直接的な全体像を得る。放射線医は、問題の区域のズーム拡大を必ずしも行なわずに、これらの微小石灰化の拡がりを直接観察することができる。

この処理方法はまた、微小石灰化クラスタを検出して、これらのクラスタの近く及びその周囲区域で利用可能な標識を設けるステップを含む選択随意要素の段階６００を含んでいる。この処理方法は、少なくとも３個の粒子から成るクラスタにおいて、粒子が「石灰質徴候」クラスにどの程度属しているかの等級を特徴付けするμ［Calcium］（Ｐ）パラメータが大きい粒子をグループ分けすることができる。放射線医は、この標識オプションをオンにするかオフにするかを選択することができる。選択随意で、境界ボックス又は等高線を微小石灰化のグループの周囲に配置することができる。

要素の強度を強調する幾つかの可能な方法が存在する。本発明の一実施形態では、要素の強度の強調は、これらの要素Ｐの一つに属する放射線画像の各々の点（ｘ，ｙ）に対し、この点（ｘ，ｙ）と、点（ｘ，ｙ）の周囲区域に位置しており問題の要素Ｐに属さない点集合（ｘ＋ｋ，ｊ＋ｌ）との間でのグレイ・スケールの差の増幅率を適用するステップを含む段階５００を含んでいる。

段階１００は、コントラストの局所的な標準化を用いて生の画像Ｒをコントラスト画像Ｃへ変換するステップを含んでいてもよい。

本発明の一実施形態では、各々の粒子について、類似性パラメータμ［Calcium］（Ｐ）を次のようにして決定する。すなわち、（ａ）要素（Ｐ）を形成する点（ｘ，ｙ）の各々について、点（ｘ，ｙ）の周囲区域Ｗでの放射線画像の強度と、最大応答を齎すフィルタ関数ｇ［σ，θ］との相関を求めることにより最大振幅Ａｍａｘを決定し、また点（ｘ，ｙ）の周囲区域Ｗでの放射線画像の強度と、最大応答を齎すフィルタ関数ｇ［σ，θ］に直交する方向のフィルタ関数ｇ［σ，θ］⊥との相関を求めることにより直交する方向での最大振幅（Ａｍａｘ⊥）を決定し、（ｂ）各々の要素（Ｐ）について、要素Ｐの全ての点（ｘ，ｙ）において、直交する方向での最大振幅Ａｍａｘ⊥の平均として輝度パラメータＡｐ⊥を決定し、ここから、輝度パラメータ及び／又は丸みパラメータＡｐ及びＡｐ⊥、並びに要素Ｐの中心点（ｘＣ，ｙＣ）が「繊維」クラスにどの程度属しているかの等級に基づいて、要素Ｐの石灰質徴候に対する類似性パラメータμ［Calcium］（Ｐ）を得る。

本発明の一実施形態では、同じ要素に属する点に適用される増幅率は、要素の石灰質徴候に対する類似性μパラメータに基づく。

本発明の一実施形態では、要素の位置を求めるステップは、放射線画像の点集合の各々の点について、点の周囲区域の画像強度と一連のフィルタ関数の関数の各々との相関を求めてフィルタ処理後の画像を形成することを含むステップと、フィルタ処理後の画像から、微小石灰化の徴候を構成している可能性のある要素を選択することを含むステップと、を含んでいる。

フィルタ関数はβスプライン型関数である。これらの関数は、高速のフィルタ処理を齎す利点を有し、空間領域でのコンボリューションに正当性を与える。従って、特に周波数領域への変換を防止する。

本発明の一実施形態はまた、撮像装置によって形成される放射線画像上で、微小石灰化の徴候を構成している可能性のある要素の位置を求めるリソースと、このようにして位置を求めた要素の強度を強調した画像を表示するリソースと、を備えた放射線画像処理装置に関するものである。

当業者は、本発明の範囲から逸脱せずに、開示された実施形態及びその均等構成における機能及び／又は方法及び／又は結果及び／又は構造及び／又はステップにおいて様々な改変を施し又は提案することができる。

。

本発明の一実施形態の様々な段階及びステップを示す図である。 βスプライン型関数の例を示す図である。 βスプライン型関数の例を示す図である。 ピクセルが属するセグメントの伸びに基づく「繊維」クラスに属するピクセルのμ［Fiber］所属関数の例を示す図である。 カルシウムの徴候を強調する前の提示用画像を示す図である。 カルシウムの徴候を強調した後の最終的な提示用画像を示す図である。

符号の説明

１００ 前処理段階
１１０ フレームの仕切り直し
１２０ コントラスト画像への変換
２００ 画像解析段階
３００ 画像セグメント分割段階
３１０ 等方型画像の算出
３１１ 等方型画像での強度閾値処理
３１２ 等方型画像での連結成分ラベル付けアルゴリズムの適用
３２０ 有向配向型フィルタ処理後の画像の算出
３２１ 有向配向型フィルタ処理後の画像での強度閾値処理
３２２ 有向配向型フィルタ処理後の画像での連結成分ラベル付けアルゴリズムの適用
３２３ 「繊維」クラスにどの程度属しているかの等級の決定
４００ 類似性測定段階
４１０ 最大振幅画像Ａｍａｘの算出
４２０ 直交方向での最大振幅画像Ａｍａｘ⊥の算出
４３０ 最大振幅画像Ａｍａｘでの最大振幅平均の算出
４４０ 直交方向での最大振幅画像Ａｍａｘ⊥での最大振幅平均の算出
４５０ μ［Calcium］（Ｐ）パラメータの算出
５００ 画像サマリ段階
６００ クラスタを検出して標識を設ける選択随意の段階

Claims (20)

1. 画像（Ｒ）上で、関心対象を構成している可能性のある要素（Ｐ）の位置を求めるステップと、
   このようにして位置を求めた前記要素（Ｐ）の強度を強調した画像（Ｓ）を表示するステップと、
   を備えた画像処理の方法。
2. 前記要素（Ｐ）の位置を求める前記ステップは、保存されている生のディジタル画像（Ｒ）に対して実行される、請求項１に記載の方法。
3. 前記要素（Ｐ）の位置を求める前記ステップは、コントラストの局所的な標準化を用いて前記生の画像（Ｒ）をコントラスト画像（Ｃ）へ変換するステップ（１００）を含んでいる、請求項２に記載の方法。
4. 厚み切り取り画像を得るために、前記生の画像に対して対数関数が適用される、請求項２又は３に記載の方法。
5. 前記要素（Ｐ）の位置を求める前記ステップは、
   前記画像の点集合の各々の点（ｘ，ｙ）について、該点の周囲区域の画像強度と一連のフィルタ関数の関数の各々（ｇ［ｓ，α］）との相関を求めて、フィルタ処理後の画像を形成するステップ（２００）と、
   前記フィルタ処理後の画像から、前記関心対象を構成している可能性のある要素（Ｐ）を選択するステップ（３００）と、
   を含んでいる、請求項１〜４のいずれか一項に記載の方法。
6. 前記（ｇ［ｓ，α］）フィルタ関数はβスプライン型関数である、請求項５に記載の方法。
7. 前記選択するステップ（３００）は、
   点（ｘ，ｙ）の集合により定義される等方型フィルタ処理後の画像（Ｂ）を決定するステップ（３１０）であって、前記点の各々の強度は、当該フィルタ処理後の画像に属する対応する点の強度の平均である、決定するステップ（３１０）と、
   閾値及び連結成分ラベル付けアルゴリズムを前記等方型フィルタ処理後の画像（Ｂ）に適用することにより、前記関心対象を構成している可能性のある要素（Ｐ）の集合を得るステップ（３１２）と、
   を含んでいる、請求項５又は６に記載の方法。
8. 前記画像集合と最大応答を齎すフィルタ関数との相関を求めることにより、有向フィルタ処理後の画像（Ｏ）を決定するステップ（３２０）と、
   閾値及び連結成分ラベル付けアルゴリズムを前記有向フィルタ処理後の画像（Ｏ）に適用することにより、繊維を構成している可能性のある構造（Ｆ）の集合を得るステップ（３２２）と、
   構造（Ｆ）の各々の点について、当該点が「繊維」クラスにどの程度属しているかの等級を決定するステップ（３２３）と、
   を含んでいる請求項１〜７のいずれか一項に記載の方法。
9. 前記要素（Ｐ）の強度の強調は、提示用画像（Ｓ）に対して行なわれる、請求項１〜８のいずれか一項に記載の方法。
10. 前記要素の強度の強調は、所与の強度を有して粒子（Ｐ）に属する前記画像の各々の点（ｘ，ｙ）について、前記強度に増幅率を適用するステップを含んでいる、請求項１〜９のいずれか一項に記載の方法。
11. 前記要素の強度の強調は、要素（Ｐ）に属している前記画像の各々の点（ｘ，ｙ）に対して、該点（ｘ，ｙ）と、点（ｘ，ｙ）の周囲区域に位置しており前記要素（Ｐ）に属していない点（ｘ＋ｋ，ｊ＋ｌ）の集合との間のグレイ・スケール差の増幅率を適用するステップ（５００）を含んでいる、請求項１０に記載の方法。
12. 粒子（Ｐ）に属する前記点に適用される前記増幅率は、前記粒子（Ｐ）の石灰質徴候に対する類似性パラメータ（μ［Calcium］（Ｐ））の関数である、請求項１０又は１１に記載の方法。
13. 各々の粒子について、前記類似性パラメータ（μ［Calcium］（Ｐ））は、
    （ａ）前記要素（Ｐ）を形成する点（ｘ，ｙ）の各々について、
    該点（ｘ，ｙ）の周囲区域（Ｗ）における前記画像の強度と、最大応答を齎すフィルタ関数（ｇ［σ，θ］）との相関を求めることにより、最大振幅（Ａｍａｘ）を決定すると共に、
    前記点（ｘ，ｙ）の周囲区域（Ｗ）における前記画像の強度と、最大応答を齎す前記フィルタ関数（ｇ［σ，θ］）に直交する方向のフィルタ関数（ｇ［σ，θ］⊥）との相関を求めることにより、直交する方向での最大振幅（Ａｍａｘ⊥）を決定し、
    （ｂ）各々の要素（Ｐ）について、
    該要素（Ｐ）の全ての点（ｘ，ｙ）について、直交する方向での最大振幅（Ａｍａｘ⊥）の平均として輝度パラメータ（Ａｐ⊥）を決定し、
    ここから、前記輝度パラメータ及び／又は丸みパラメータ（Ａｐ、Ａｐ⊥）、並びに前記要素（Ｐ）の中心点（ｘＣ，ｙＣ）が「繊維」クラスにどの程度属しているかの等級に基づいて、前記要素（Ｐ）の石灰質徴候に対する類似性パラメータ（μ［Calcium］（Ｐ））を得る
    ステップを含んでいる、請求項１２に記載の方法。
14. 前記関心対象は微小石灰化であり、微小石灰化クラスタを検出して該クラスタの近く又は周囲に標識を配置するステップ（６００）を含んでいる請求項１〜１５のいずれか一項に記載の方法。
15. 画像（Ｒ）上で、関心対象を構成している可能性のある要素（Ｐ）の位置を求めるステップと、
    このようにして位置を求めた前記要素（Ｐ）の強度を強調した画像（Ｓ）を表示するステップと、
    を備えたデータ処理システムを動作させる方法。
16. 画像（Ｒ）上で、関心対象を構成している可能性のある要素（Ｐ）の位置を求めるステップと、
    このようにして位置を求めた前記要素（Ｐ）の強度を強調した画像（Ｓ）を表示するステップと、
    を実行する手段を備えたコンピュータ装置。
17. コンピュータ上で実行されると、
    画像（Ｒ）上で、関心対象を構成している可能性のある要素（Ｐ）の位置を求めるステップと、
    このようにして位置を求めた前記要素（Ｐ）の強度を強調した画像（Ｓ）を表示するステップと、
    を実行するコード手段を備えたコンピュータ・プログラム。
18. コンピュータ上で実行されると、
    画像（Ｒ）上で、関心対象を構成している可能性のある要素（Ｐ）の位置を求めるステップと、
    このようにして位置を求めた前記要素（Ｐ）の強度を強調した画像（Ｓ）を表示するステップと、
    を実行するコードを担持する担体上のコンピュータ・プログラム。
19. コンピュータ・システムと共に用いられる製造品であって、当該製造品は、コンピュータ読み取り可能なプログラム・コード手段を具現化させたコンピュータ読み取り可能な媒体を備えており、前記プログラム・コード手段は請求項１の各ステップを具現化している、製造品。
20. 請求項１に記載の方法の各ステップを実行するために、当該機械により実行可能な命令のプログラムを有形の形態で具現化した機械により読み取り可能なプログラム記憶装置。