JP2005198890A - 異常陰影判定方法、異常陰影判定装置およびそのプログラム - Google Patents
異常陰影判定方法、異常陰影判定装置およびそのプログラム Download PDFInfo
- Publication number
- JP2005198890A JP2005198890A JP2004009398A JP2004009398A JP2005198890A JP 2005198890 A JP2005198890 A JP 2005198890A JP 2004009398 A JP2004009398 A JP 2004009398A JP 2004009398 A JP2004009398 A JP 2004009398A JP 2005198890 A JP2005198890 A JP 2005198890A
- Authority
- JP
- Japan
- Prior art keywords
- abnormal shadow
- region
- pixel
- pixel value
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 107
- 238000000034 method Methods 0.000 title claims description 28
- 238000001514 detection method Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims description 28
- 230000003044 adaptive effect Effects 0.000 claims description 23
- 206010058467 Lung neoplasm malignant Diseases 0.000 claims description 16
- 201000005202 lung cancer Diseases 0.000 claims description 16
- 208000020816 lung neoplasm Diseases 0.000 claims description 16
- 239000012141 concentrate Substances 0.000 claims description 6
- 206010028980 Neoplasm Diseases 0.000 description 21
- 210000000038 chest Anatomy 0.000 description 13
- 201000011510 cancer Diseases 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000007423 decrease Effects 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 210000004204 blood vessel Anatomy 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 210000001370 mediastinum Anatomy 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】 ＦＰの検出を削減して異常陰影の検出性能を向上させる。
【解決手段】 医用画像を強調処理した強調処理画像１１０に、異なる閾値を用いて２値化処理を施し、複数の２値化画像１３０を生成する。各２値化画像１３０に現れる領域の形状、大きさおよび領域内の画素値の統計量に基づいて異常陰影候補を検出し、同位置で異常陰影候補が検出された回数、前記複数の２値化画像１３０上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像１３０上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、偽陽性であるか否かを判定する。
【選択図】 図９
【解決手段】 医用画像を強調処理した強調処理画像１１０に、異なる閾値を用いて２値化処理を施し、複数の２値化画像１３０を生成する。各２値化画像１３０に現れる領域の形状、大きさおよび領域内の画素値の統計量に基づいて異常陰影候補を検出し、同位置で異常陰影候補が検出された回数、前記複数の２値化画像１３０上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像１３０上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、偽陽性であるか否かを判定する。
【選択図】 図９
Description
本発明は、医用画像上に表れる陰影が異常陰影であるか否かを判定する異常陰影判定方法、異常陰影判定装置およびその方法を実行するためのプログラムに関するものである。
従来より、医療分野においては、被写体の放射線画像を読影して病変部を発見し、またその病変部の状態を観察して、疾病の有無や進行状況の診断を行うことが一般的に行なわれている。しかしながら、Ｘ線画像の読影は読影者の経験や画像読影能力の高低によって左右され、必ずしも客観的なものとはいえなかった。
例えば、癌の検査を目的として撮影されたＸ線画像から癌化部分の特徴である腫瘤や結節等の異常陰影を検出することが必要であるが、読影者によっては必ずしも的確に異常陰影を指摘することができるとは限らない。このため、読影者の技量に依存することなく異常陰影を的確に検出することが求められていた。
そこで、この要望に応えるものとして、診断用画像として取得された被写体の画像データに基づき、その画像データが表す画像中の異常陰影の候補を計算機を用いて自動的に検出するコンピュータ診断支援システム（ＣＡＤ：Computer Aided Diagnose）が提案されている。
コンピュータ診断支援システムは、画像データに基づいて異常陰影の候補を検出し、その検出した部位にマーキングを表示して放射線画像の読影者に注意を喚起することにより、あるいは読影者の客観的判断に役立つ材料として検出した異常陰影候補の特徴的なものを定量的に提示することにより、上述のような読影者による見落としや思い違い等を未然に防止して診断性能の向上を図っているが、検出された異常陰影の候補には真の陽性（ＴＰ:true positive）の陰影と偽の陽性（ＦＰ：false positive）の陰影が含まれているため、読影者は検出された異常陰影の候補が、ＴＰであるかＦＰであるかを原画像を観察して判別する必要がある。
しかし、検出された候補が多数検出されると、読影者の負担が大きく判別も困難になる。そこで、検出されるＦＰの数を抑制し、ＴＰである可能性の高いもののみを検出することが望まれる。
特に、胸部単純Ｘ線画像中から肺がんの疑いがある個所を自動的に抽出する胸部肺がん用のコンピュータ診断支援システムには、肺がん候補として拾い上げた中から、肺がん候補の特徴を表す特徴量を用いて、肺がんの疑いが高い候補のみを残すようにするものがある（例えば、特許文献１）。
この肺がん用のコンピュータ診断支援システムは、肺がんの特徴である結節を検出し、検出された節の候補からＴＰの結節のみを拾い出すために、以下の各ステップに従って処理をするものである。
ステップａ） 胸部画像の信号強調画像と信号抑圧画像とを得て、信号強調画像と信号抑圧画像両者との差分をとることにより、背景成分を除去して小結節の陰影を強調した差分画像を生成する。
ステップｂ） この差分画像に対して、所定の閾値を用いて２値化処理を施して、２値化画像を生成すると、２値化画像上に同じ画素値が連なった部分が島領域となって現れる。そこで、差分画像に対して複数の閾値を用いて２値化処理を施し、得られた複数の２値化画像の各２値化画像上に現れる島領域に対して、所定の形態学的特徴を有するものを結節の候補として検出する。
ステップｃ） さらに、差分画像と原画像上で結節の候補が現れる位置における画像的特徴が、複数のルールに当てはまるか否かを段階的にテストして、結節の候補からＦＰを順次排除していく。
ステップｄ） さらに、ニューラルネットワークを用いて、ステップｃ）で残った結節の候補からさらにＦＰを排除して、残った小結節の候補のみを小結節の候補として拾い上げる。
特開平９−１８５７１４号公報
上述のように、検出した候補の中からＦＰを排除しＴＰのみを拾い上げること望まれるが、ＴＰの感度を落とさないようにすることが必要である。つまり、ＴＰの検出数を減らすことなく、ＦＰの検出数を減らすことが望まれる。
前述の特許文献１の胸部肺がん用のコンピュータ診断支援システムでは、胸部画像を２値化処理して得られる島領域の抽出を行う前に、胸部画像の信号強調画像と信号抑圧画像との差分をとり背景画像の影響を除去しようとしているが、結節のみならず血管が交差するところも強調することになり、結節のみを強調することはできない。また、結節の濃度が淡い場合には、結節の陰影も背景画像として除去される可能性もある。
また、検出された候補領域に対して、画像的特徴や形態的特徴に基づいて、ＦＰの可能性の高いものを除去してＴＰの可能性の高いものに絞り込んでいくものであるが、一旦ＦＰと判断されたものに対しては次のテストにかけられることなく落とされるため、次のテストにかけられないものの中にもＴＰの可能性があるものが含まれる場合がある。
本発明は、上記事情に鑑み、ＴＰの検出感度を落とすことなくＦＰの検出を削減して高精度な異常陰影の検出を可能にする異常陰影判定方法、装置およびその方法を実行するプログラムを提供することを目的とするものである。
本発明の異常陰影判定方法は、医用画像に対して画素値の勾配ベクトルが集中する領域を強調処理した強調処理画像を作成する強調処理ステップと、
前記強調処理画像の画素の画素値が所定の閾値以上の画素の画素値を第１画素値とし、所定の閾値以下の画素の画素値を第２画素値とする２値化処理を、異なる閾値を用いて前記強調処理画像に施し、前記異なる閾値に対応した複数の２値化画像を生成する２値化画像生成ステップと、
前記各２値化画像において前記第１の画素値の画素が連なる領域から、該領域の形状、該領域の大きさ、および該領域内の画素値の統計量のうち少なくとも１以上に基づいて、異常陰影候補となる領域を検出する異常陰影候補検出ステップと、
前記複数の２値化画像上において同位置で異常陰影候補が検出された回数、前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、該異常陰影候補が偽陽性であるか否かを判定する判定ステップとを備えたことを特徴とするものである。
前記強調処理画像の画素の画素値が所定の閾値以上の画素の画素値を第１画素値とし、所定の閾値以下の画素の画素値を第２画素値とする２値化処理を、異なる閾値を用いて前記強調処理画像に施し、前記異なる閾値に対応した複数の２値化画像を生成する２値化画像生成ステップと、
前記各２値化画像において前記第１の画素値の画素が連なる領域から、該領域の形状、該領域の大きさ、および該領域内の画素値の統計量のうち少なくとも１以上に基づいて、異常陰影候補となる領域を検出する異常陰影候補検出ステップと、
前記複数の２値化画像上において同位置で異常陰影候補が検出された回数、前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、該異常陰影候補が偽陽性であるか否かを判定する判定ステップとを備えたことを特徴とするものである。
また、本発明の異常陰影判定装置は、医用画像に対して画素値の勾配ベクトルが集中する領域を強調処理した強調処理画像を作成する強調処理手段と、
前記強調処理画像の画素の画素値が所定の閾値以上の画素の画素値を第１画素値とし、所定の閾値以下の画素の画素値を第２画素値とする２値化処理を、異なる閾値を用いて前記強調処理画像に施し、前記異なる閾値に対応した複数の２値化画像を生成する２値化画像生成手段と、
前記各２値化画像において前記第１の画素値の画素が連なる領域から、該領域の形状、該領域の大きさ、および該領域内の画素値の統計量のうち少なくとも１以上に基づいて、異常陰影候補となる領域を検出する異常陰影候補検出手段と、
前記複数の２値化画像上において同位置で異常陰影候補が検出された回数、前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、該異常陰影候補が偽陽性であるか否かを判定する判定手段とを備えたことを特徴とするものである。
前記強調処理画像の画素の画素値が所定の閾値以上の画素の画素値を第１画素値とし、所定の閾値以下の画素の画素値を第２画素値とする２値化処理を、異なる閾値を用いて前記強調処理画像に施し、前記異なる閾値に対応した複数の２値化画像を生成する２値化画像生成手段と、
前記各２値化画像において前記第１の画素値の画素が連なる領域から、該領域の形状、該領域の大きさ、および該領域内の画素値の統計量のうち少なくとも１以上に基づいて、異常陰影候補となる領域を検出する異常陰影候補検出手段と、
前記複数の２値化画像上において同位置で異常陰影候補が検出された回数、前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、該異常陰影候補が偽陽性であるか否かを判定する判定手段とを備えたことを特徴とするものである。
また、本発明のプログラムは、コンピュータに、
医用画像に対して画素値の勾配ベクトルが集中する領域を強調処理した強調処理画像を作成する強調処理ステップと、
前記強調処理画像の画素の画素値が所定の閾値以上の画素の画素値を第１画素値とし、所定の閾値以下の画素の画素値を第２画素値とする２値化処理を、異なる閾値を用いて前記強調処理画像に施し、前記異なる閾値に対応した複数の２値化画像を生成する２値化画像生成ステップと、
前記各２値化画像において前記第１の画素値の画素が連なる領域から、該領域の形状、該領域の大きさ、および該領域内の画素値の統計量のうち少なくとも１以上に基づいて、異常陰影候補となる領域を検出する異常陰影候補検出ステップと、
前記複数の２値化画像上において同位置で異常陰影候補が検出された回数、前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、該異常陰影候補が偽陽性であるか否かを判定する判定ステップとを実行させることを特徴とするものである。
医用画像に対して画素値の勾配ベクトルが集中する領域を強調処理した強調処理画像を作成する強調処理ステップと、
前記強調処理画像の画素の画素値が所定の閾値以上の画素の画素値を第１画素値とし、所定の閾値以下の画素の画素値を第２画素値とする２値化処理を、異なる閾値を用いて前記強調処理画像に施し、前記異なる閾値に対応した複数の２値化画像を生成する２値化画像生成ステップと、
前記各２値化画像において前記第１の画素値の画素が連なる領域から、該領域の形状、該領域の大きさ、および該領域内の画素値の統計量のうち少なくとも１以上に基づいて、異常陰影候補となる領域を検出する異常陰影候補検出ステップと、
前記複数の２値化画像上において同位置で異常陰影候補が検出された回数、前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、該異常陰影候補が偽陽性であるか否かを判定する判定ステップとを実行させることを特徴とするものである。
「勾配ベクトルが集中する領域」とは、画像上で周囲に比べて大きな画素値が中心部に向かって画素値が高くなる領域である。例えば、結節や腫瘤等の癌化した部分の陰影は、周囲に比べて大きな画素値が略同心円状（３次元画像の場合は同心球状）に広がる円形凸領域として現れる。また、「勾配ベクトルが集中する領域」は、中心に向かうに従って画素値が単純に高くなるもののみならず、肺がんの陰影に現れる結節のように中心部で画素値がやや小さくなるものも含むものである。
「領域の形状」とは、領域が円形に近い形状であるか、線状であるか等の形状をいう。例えば、所定の領域が円に近似した形状であるか否かを円形度等から判定することができる。
「領域内の画素値」は、領域の同位置における強調処理画像における画素値であっても、領域の同位置における原画像における画素値であってもよい。
「画素値の統計量」とは、平均画素値、画素値の最大値と最小値、分散値等をいう。
また、「強調処理」とは、勾配ベクトルが集中する領域を背景画像と異なるコントラストを有するように画素値を変えて強調することを意味する。具体的には、例えば、フィルタ処理やマスク処理、あるいは、これらの処理を組み合わせて勾配ベクトルが集中する領域を強調する。
「異常陰影候補」とは、結節や腫瘤等の癌等の症状をあらわす異常陰影の候補であり、真の異常陰影のみならず、画像上に現れる特徴の観点からは結節や腫瘤等と同様の特徴を示すために異常陰影であるか否かが明確でなく、最終的には読影者による判断が必要な異常陰影に類似した陰影をも含む意味である。
また、「同位置の異常陰影候補」とは、異なる２値化画像上に現れる異常陰影候補の位置が同じ位置に現れるものであって、異常陰影候補の領域の全部あるいは一部が同じ位置に現れるものをいう。
また、強調処理ステップは、適応リングフィルタを用いて強調処理画像を作成するものが望ましい。
さらに、異常陰影候補を肺がん候補としてもよい。
本発明によれば、医用画像上に現れる結節や腫瘤等の領域を強調処理した強調処理画像に、異なる閾値で２値化処理を施して異常陰影候補を検出し、各２値化画像上で同位置で異常陰影候補が検出された回数、その異常陰影候補が検出された際の閾値が最大になる最大２値化閾値、その異常陰影候補が検出された際の閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、ＦＰであるかＴＰであるかを自動判別することが可能となり異常陰影候補の検出性能を向上させることができる。
また、強調処理で適応リングフィルタを用いることにより、勾配ベクトルが集中する領域の中心部で画素値の勾配ベクトルが乱れているような陰影も強調処理をすることができる。
また、強調処理で適応リングフィルタを用いることにより、勾配ベクトルが集中する領域の中心部で画素値の勾配ベクトルが乱れているような陰影も強調処理をすることができる。
さらに、胸部画像上に多数現れる結節等の肺がん候補のＦＰを削減することができる。
以下、図面を参照して本発明の異常陰影判定方法を実施する異常陰影判定装置の実施の形態について説明する。
図１に示すように、異常陰影判定装置１は、医用画像（原画像）１００に対して画素値の勾配ベクトルが集中する領域を強調処理した強調処理画像１１０を作成する強調処理手段１０と、２値化処理を異なる閾値を用いて強調処理画像１１０に施し、異なる閾値に対応した複数の２値化画像１３０を生成する２値化画像生成手段２０と、各２値化画像１３０において与えられた閾値以上の画素値を持つ画素が連なる領域（以下、孤立領域という）のうち、孤立領域の形状、孤立領域の大きさおよび孤立領域内の画素値の統計量のうち少なくとも１つに基づいて異常陰影候補を検出する異常陰影候補検出手段３０と、複数の２値化画像１３０上において同位置で異常陰影候補が検出された回数、複数の２値化画像１３０上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、複数の２値化画像１３０上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値等に基づいて、異常陰影候補がＦＰであるか否かを判定する判定手段４０とを備える。
本実施の形態では、医用画像を胸部単純Ｘ線画像とし、胸部単純Ｘ線画像から異常陰影候補として肺がんの疑いの強い結節等を自動的に抽出する場合について以下説明する。
強調処理手段１０は、胸部単純Ｘ線画像（原画像）１００上に表れる結節等の異常陰影候補を強調する強調処理を施し強調処理画像１１０を作成する。原画像１００上に撮影された癌化した部分の結節や腫瘤等の異常陰影は、おおむね丸味をおびた輪郭を持ち、かつ、画像上では周囲に比べて画素値が大きく勾配ベクトルが集中する領域として観測される。このような異常陰影は、半球状で同じ濃度の画素が同心円状に広がる形状の円形凸領域として観測され、円形凸領域は、画素値（濃度値）の分布が周縁部から中心部に向かうにしたがって画素値が高く（濃度値が低く）なるという画素値の勾配が認められる。その勾配線は異常陰影の中心方向に向かって集中するもので、画素値の勾配を勾配ベクトルとして算出し、その勾配ベクトルの集中度から異常陰影を検出することができることができる。
勾配ベクトルの集中度は、具体的に、次のようにして求める。
まず、勾配ベクトルは計算対象となる画像を構成する全ての画素について、下記式（１）に示す計算式に基づいて勾配ベクトルの向きφを求める。
まず、勾配ベクトルは計算対象となる画像を構成する全ての画素について、下記式（１）に示す計算式に基づいて勾配ベクトルの向きφを求める。
ここでｆ1１ 〜ｆ５５は、図２に示すように、その画素ｊを中心とした縦５画素×横５画素のマスクの外周上の画素に対応した画素値である。
そこで、対象となる画像を構成する全ての画素Ｐについて、勾配ベクトルの集中度Ｃを式（２）にしたがって算出する。
ここで、Ｎは注目画素を中心に半径ｌの円内に存在する画素の数、θj は、画素iとその円内の各画素ｊとを結ぶ直線と、その各画素ｊにおける上記式（１）で算出された勾配ベクトルとなす角である（図３参照）。
上記式（２）で表される集中度Ｃが大きな値となるのは、各画素ｊの勾配ベクトルの向きが集中する画素で大きな値をとる。結節や腫瘤の陰影近傍の各画素ｊの勾配ベクトルは、その陰影のコントラストの大小に拘らず、その腫瘤陰影の略中心部に向くため、上記集中度Ｃが大きな値を採る画素は、異常陰影の中心部の画素である。
また、このような集中度を評価するものの中には、異常陰影の大きさや形状に左右されない検出力を達成するために、フィルタの大きさと形状に工夫をしたものとして、適応リングフィルタ（Adaptive ring filter）が挙げられる。
異常陰影は中心から周辺に向かって画素値が次第に大きくなるものだけではなく、肺がんに現われる結節等のように中央部分における画素値の変化が単調ではなくベクトル場が乱れて集中度が小さくなるケースもある。適応リングフィルタは、画素値が単調に変化するものだけでなく、中央部分における画素値が単調ではなくベクトル場が乱れて集中度が小さくなるケースにも適応できるものである。
適応リングフィルタのマスク領域は図４に示すリング状領域で、内側半径は適応的に決定される。内円と外円の半径をそれぞれｒとＲとすると、その関係は式（３）のように表される。
Ｒ＝ｒ＋ｄ （３）
ただし、ｄは定数である。
Ｒ＝ｒ＋ｄ （３）
ただし、ｄは定数である。
また、適応リングフィルタの出力は、
となり、適応リングフィルタの出力は、円形凸領域の中心付近で極大値をとる。例えば、原画像上に現れる図５（Ａ）に示すような円形凸領域は、白い線上で図５（Ｂ）に示すような画素値を持ち、適応リングフィルタを施すと図５（Ｃ）に示すように原画像より高い画素値が中心部分に現れる。（詳細は、例えば、魏 軍、荻原 義裕、小畑 秀文、“がん陰影候補抽出のための勾配ベクトル集中フィルタ”、電子情報通信学会論文誌（D-II） Vol.J83-D-II No.1，pp.118-125，Jan．2000．参照）。
そこで、この適応リングフィルタ処理を原画像１００に施して、結節や腫瘤が強調された強調処理画像１１０を作成する。図６では、ｌ＝20mm、ｄ＝4mmとした適応リングフィルタを用いて結節を強調した例を示す。図６（Ａ）の原画像上に現れている結節（白い矢印）の部分が適応リングフィルタ処理を施すと図６（Ｂ）に示すように強調される。
しかし、心胸郭の辺縁部では、肋骨等が重なり合って撮影されるため濃度勾配の集中度が乱れ、原画像１００を用いて強調処理を行っても円形凸領域がうまく強調されない。そこで、辺縁部においては、背景画像の影響を除去して強調処理を行う方がよい。
例えば、本出願人が出願の特開２００３−６６６１号公報において提案していように心胸郭を抽出し、得られた心胸郭を基準にして、心胸郭を図７に示すような肺尖部（２、７の部分）、辺縁部（３、８の部分）、縦隔部（４、９の部分）、横隔膜下部（５、１０の部分）の領域に分割して辺縁部を抽出し、得られた辺縁部（３、８の部分）に対して、原画像１００から背景画像を差し引いた差分画像１２０を作成し、差分画像１２０に対して強調処理を行うことにより、背景画像の影響を除去して結節を強調することができる。具体的には、例えば原画像１００をガウスフィルタでぼかした平滑化画像を原画像１００から差し引くことによって背景画像成分を除去することができる。
あるいは、米国特許６５４９６４６号公報において提案されている方法を用いて、肺尖部（２、７の部分）、辺縁部（３、８の部分）、縦隔部（４、９の部分）、横隔膜下部（５、１０の部分）の領域に分割して、辺縁部を抽出するようにしてもよい。
図８は、適応リングフィルタを用いて強調処理画像１１０を作成したときの様子を示す。図８（Ａ）は、原画像１００を用いて強調処理を施して強調処理画像１１０を作成したときの様子を示すが、背景画像の影響を受け結節がうまく強調されていない。一方、図８（Ｂ）は、辺縁部の原画像１００から、ガウスフィルタでぼかした平滑化画像を差し引いた差分画像１２０に、適応リングフィルタを用いて強調処理を施して強調処理画像１１０を作成したときの様子を示すが、背景画像の影響を受けず結節が強調されている。
２値化画像生成手段２０は、強調処理画像１１０に閾値を低い値から高い値に徐々に変えて２値化処理を施して、複数の２値化画像１３０を作成する。２値化処理は、与えられた閾値以上の画素値を持つ画素を第１画素値（例えば、２５５（白））に置き換え、閾値以下の画素の画素値を第２画素値（例えば、０（黒））に置き換えて２値化画像１３０を作成する。２値化処理を行うと、２値化画像１３０上に構造物や結節や腫瘤等の高い画素値を持つ領域が第１画素値に置き換えられ、それ以外の領域が第２の画素値に置き換えられて第１画素値を持つ画素が連なった領域が島状の孤立領域として現れる。与えられた閾値が低いときには、２値化画像１３０上に現れる孤立領域には背景画像に現れる白い雲状の部分等を含んで抽出されるが、閾値が高くなるに従って、背景画像を含まない結節や腫瘤や構造物等の部分のみが孤立領域として抽出される。特に、適応リングフィルタを用いて強調された結節や腫瘤は、他の構造物と比較しても画素値が高く、高い閾値で２値化した２値化画像１３０上にも孤立領域として現われる。このことから、高い閾値で２値化した２値化画像１３０上に現れる孤立領域はＴＰである可能性が高いものといえる。
図９に、閾値を変えて２値化処理を行った一例を示す。図９（Ａ）は、原画像（胸部単純Ｘ線画像）に対して適応リングフィルタ処理を施して円形凸領域を強調した強調処理画像１１０である。この強調処理画像１１０は８ビットで量子化したもので、０〜２５５の階調を持つ。この強調処理画像１１０に対して１００を閾値として２値化処理を施すと、図９（Ｂ）に示すような２値化画像１３０となり、白い孤立領域（第１の画素値に置き換えられた領域）が現れる。さらに、４刻みで閾値を変えていき３９段階の２値化画像１３０を作成し、各２値化画像１３０から孤立領域を抽出する。図９（Ｃ）、（Ｄ）は、閾値、１７６、２５２で２値化した２値化画像１３０の例である。
また、結節は円に近い形状で現れ面積が小さいという特徴がある。一方、背景画像が含まれて抽出された孤立領域や構造物が抽出された孤立領域は、円形度が低く、面積が大きいものが多い。そこで、異常陰影候補検出手段３０は、２値化画像生成手段２０で得た各２値化画像１３０から抽出した孤立領域のうち所定の値以下の円形度と所定値以下の大きさを持つものを結節の候補として抽出する。
円形度ｃは、例えば、抽出された孤立領域の面積Ａとその周長Ｌから以下のようにして求める。
面積Ａを持つ正円の半径Ｒは、
面積Ａを持つ正円の半径Ｒは、
となり、面積Ａを持つ正円の円周の長さＬ１は、
となる。そこで、円形度ｃは、孤立領域の周長の長さＬと面積Ａを持つ正円の円周の長さＬ１から、
として求める。
具体的に、胸部撮影画像で結節の陰影を判定する場合は、各２値化画像１３０上に現れた孤立領域のうち、円形度が０．７以上で、２．２６ｍｍ＜半径＜４．９４ｍｍとなる孤立領域を結節の候補として抽出するのが適当である。
また、適応リングフィルタで強調された結節は、図５に示すように、原画像上に現れる結節より中心部分に高い画素値が現れるため、閾値を変えても同じ位置に孤立領域として現れる場合が多い。
図１０（Ａ）、（Ｂ）は図９（Ｃ）、（Ｄ）の左肺に現れた孤立領域の輪郭を抽出した図を示し、図１０（Ｃ）に（Ａ）、（Ｂ）両図を重ね合わせた図を示す。図１０より、閾値を変えると同じ位置の孤立領域が、全体にやや小さくなって現れることがわかる。黒矢が指すところは、閾値が低いときには背景画像等を含んで抽出されていたため、閾値を高くすると孤立領域が小さくなり複数の孤立領域に分かれている。一方、白矢の孤立領域は、同じ位置に円に近い形状で常に現れ、結節である可能性が高い。
上述のように閾値を段階的に変えて２値化画像１３０を作成した場合、結節の候補が同じ位置で拾い上げられる回数と、同じ位置に結節の候補が現れた２値化画像１３０の閾値が最大となる最大２値化閾値と、同じ位置に結節の候補が現れた２値化画像１３０の閾値が最小となる最小２値化閾値とから以下のように分類できる。
（ａ） 真の結節の候補は、複数の閾値で２値化した異なる２値化画像１３０上の同じ位置で拾い上げられる回数が多くなる。
（ｂ） 高輝度で円形度が高いものであっても、結節のサイズが大きく、所定の大きさを超える場合は、結節の候補として抽出されず拾い上げられる回数が少なくなる。また、正常な構造物と重なったものも強調処理を施してもうまく強調されないため拾い上げられる回数が少なくなる。
（ｃ） 閾値を変えて２値化画像１３０を作成した場合、最大２値化閾値が小さいものは、撮影された結節が淡く判別が難しいものである。
（ｄ） 最大２値化閾値が大きいものは、明確な結節やサイズが大きい結節である。
（ｅ） 最小２値化閾値が大きいものは、正常な構造物と重なったものやサイズ大の結節である。
図１１は、（ａ）から（ｄ）の拾い上げられる回数と最大２値化閾値との関係を示したものである。
（ａ） 真の結節の候補は、複数の閾値で２値化した異なる２値化画像１３０上の同じ位置で拾い上げられる回数が多くなる。
（ｂ） 高輝度で円形度が高いものであっても、結節のサイズが大きく、所定の大きさを超える場合は、結節の候補として抽出されず拾い上げられる回数が少なくなる。また、正常な構造物と重なったものも強調処理を施してもうまく強調されないため拾い上げられる回数が少なくなる。
（ｃ） 閾値を変えて２値化画像１３０を作成した場合、最大２値化閾値が小さいものは、撮影された結節が淡く判別が難しいものである。
（ｄ） 最大２値化閾値が大きいものは、明確な結節やサイズが大きい結節である。
（ｅ） 最小２値化閾値が大きいものは、正常な構造物と重なったものやサイズ大の結節である。
図１１は、（ａ）から（ｄ）の拾い上げられる回数と最大２値化閾値との関係を示したものである。
そこで、判定手段４０は、前述のように８ビット２２５階調で表される画像を２値化処理する際の閾値を、１００から４刻みで変えていき３９段階の２値化画像１３０を作成する際、以下のルールに当てはまる候補をＦＰとして判定する。
rule1：拾い上げ回数＜１０でスコア最大時の円形度＜＝０．８
rule2：拾い上げ回数＜１５でスコア最大時の半径＞＝５．５
rule3：拾い上げ回数＜１５で最大２値化閾値時の半径＞＝４．０
rule4：最大２値化閾値＜１３２(9段階目)で最大２値化閾値時の円形度＜＝０．８
rule5：最小２値化閾値＞＝１３６(10段階目)で最小２値化閾値時の円形度＜＝０．８
rule6：最小２値化閾値＞＝１３６(10段階目)で最小２値化閾値時の半径＜＝４．５
rule7：拾い上げ回数＞＝１５で最小２値化閾値時の半径＜＝４．５
また、スコアは以下の方法で算出する。
rule2：拾い上げ回数＜１５でスコア最大時の半径＞＝５．５
rule3：拾い上げ回数＜１５で最大２値化閾値時の半径＞＝４．０
rule4：最大２値化閾値＜１３２(9段階目)で最大２値化閾値時の円形度＜＝０．８
rule5：最小２値化閾値＞＝１３６(10段階目)で最小２値化閾値時の円形度＜＝０．８
rule6：最小２値化閾値＞＝１３６(10段階目)で最小２値化閾値時の半径＜＝４．５
rule7：拾い上げ回数＞＝１５で最小２値化閾値時の半径＜＝４．５
また、スコアは以下の方法で算出する。
孤立領域の半径Ｒ＞４．０画素のときは、
スコア＝円形度×平均輝度×１．０
（但し、平均輝度は孤立領域内の画素の輝度の平均である。）
とし、半径Ｒ≦４．０画素のときは、
スア＝円形度×平均輝度×（０．１×半径＋０．５）
とする。スコアは円形度が高く輝度が高いという結節らしさを表すものであり、半径Ｒが小さい場合には、円形度が高くなる傾向があるため、経験的な値を加味して調整を行ったものである。
スコア＝円形度×平均輝度×１．０
（但し、平均輝度は孤立領域内の画素の輝度の平均である。）
とし、半径Ｒ≦４．０画素のときは、
スア＝円形度×平均輝度×（０．１×半径＋０．５）
とする。スコアは円形度が高く輝度が高いという結節らしさを表すものであり、半径Ｒが小さい場合には、円形度が高くなる傾向があるため、経験的な値を加味して調整を行ったものである。
異常陰影候補検出手段３０により検出された結節の候補に対して、判定手段４０で上述のルールを適用すると、例えば、図１２に示すように（Ａ）から（Ｂ）に半減することができる。実際に、肺がんの検査のために撮影された２０件の症例について、上述のルールを適用すると、異常陰影候補検出手段３０によって平均７０．８５個／画像検出された結節が３２．６５個／画像に削減された。
以上、異常陰影候補が肺がんの表れる結節の候補の場合について具体的に説明したが、その他の癌に表れる腫瘤の候補の場合でも同様にしてＦＰの判定をすることができる。腫瘤の場合は、結節よりも大きいため、各判定に用いる数値を腫瘤に適合するようにした変えたものを用いるようにすればよい。
上述では、強調処理に適応リングフィルタを用いて強調処理画像を作成する場合について説明したが、アイリスフィルタ等の他のフィルタ処理、あるいは、フィルタ処理やマスク処理を組み合わせて勾配ベクトルが集中する領域を強調するものであればよい。
また、上述では、２値化画像で抽出した孤立領域の形状を所定の円形度以上の領域を異常陰影候補として検出しているが、癌の種類や病状によっては解剖学的構造（例えば、血管等）に沿って線状に表れるものもあり、癌の種類や病状に応じて所定の形状に近似したものであるかを判定するようにしてもよい。
さらに、２値化画像上に現れる孤立領域の同位置における強調処理画像上の画素値の統計量（平均画素値、最大値と最小値の差、分散値等）や、孤立領域の同位置における原画像上の画素値の統計量を用いて、孤立領域が異常陰影候補であるか否かを判定するようにすれば、より正確に判定することが可能になる。
以上詳細に説明したように、医用画像上で勾配ベクトルが集中する領域を強調処理した強調処理画像を２値化処理して異常陰影候補を検出し、２値化画像１３０上において同位置で異常陰影候補が検出された回数、その異常陰影候補が検出された際の閾値が最大になる最大２値化閾値、その異常陰影候補が検出された際の閾値が最小になる最小２値化閾値等に基づいて、異常陰影候補からＦＰを除去してＴＰの検出率を上げることができる。
１ 異常陰影判定装置
１０ 強調処理手段
２０ ２値化画像生成手段
３０ 異常陰影候補検出手段
４０ 判定手段
１００ 医用画像（原画像）
１１０ 強調処理画像
１２０ 差分画像
１３０ ２値化画像
１０ 強調処理手段
２０ ２値化画像生成手段
３０ 異常陰影候補検出手段
４０ 判定手段
１００ 医用画像（原画像）
１１０ 強調処理画像
１２０ 差分画像
１３０ ２値化画像
Claims (5)
- 医用画像に対して画素値の勾配ベクトルが集中する領域を強調処理した強調処理画像を作成する強調処理ステップと、
前記強調処理画像の画素の画素値が所定の閾値以上の画素の画素値を第１画素値とし、所定の閾値以下の画素の画素値を第２画素値とする２値化処理を、異なる閾値を用いて前記強調処理画像に施し、前記異なる閾値に対応した複数の２値化画像を生成する２値化画像生成ステップと、
前記各２値化画像において前記第１の画素値の画素が連なる領域から、該領域の形状、該領域の大きさ、および該領域内の画素値の統計量のうち少なくとも１以上に基づいて、異常陰影候補となる領域を検出する異常陰影候補検出ステップと、
前記複数の２値化画像上において同位置で異常陰影候補が検出された回数、前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、該異常陰影候補が偽陽性であるか否かを判定する判定ステップとを備えたことを特徴とする異常陰影判定方法。 - 前記強調処理ステップが、適応リングフィルタを用いて強調処理画像を作成するものであることを特徴とする請求項１記載の異常陰影判定方法。
- 前記異常陰影候補が、肺がん候補であることを特徴とする請求項１または２いずれか記載の異常陰影判定方法。
- 医用画像に対して画素値の勾配ベクトルが集中する領域を強調処理した強調処理画像を作成する強調処理手段と、
前記強調処理画像の画素の画素値が所定の閾値以上の画素の画素値を第１画素値とし、所定の閾値以下の画素の画素値を第２画素値とする２値化処理を、異なる閾値を用いて前記強調処理画像に施し、前記異なる閾値に対応した複数の２値化画像を生成する２値化画像生成手段と、
前記各２値化画像において前記第１の画素値の画素が連なる領域から、該領域の形状、該領域の大きさ、および該領域内の画素値の統計量のうち少なくとも１以上に基づいて、異常陰影候補となる領域を検出する異常陰影候補検出手段と、
前記複数の２値化画像上において同位置で異常陰影候補が検出された回数、前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、該異常陰影候補が偽陽性であるか否かを判定する判定手段とを備えたことを特徴とする異常陰影判定装置。 - コンピュータに、
医用画像に対して画素値の勾配ベクトルが集中する領域を強調処理した強調処理画像を作成する強調処理ステップと、
前記強調処理画像の画素の画素値が所定の閾値以上の画素の画素値を第１画素値とし、所定の閾値以下の画素の画素値を第２画素値とする２値化処理を、異なる閾値を用いて前記強調処理画像に施し、前記異なる閾値に対応した複数の２値化画像を生成する２値化画像生成ステップと、
前記各２値化画像において前記第１の画素値の画素が連なる領域から、該領域の形状、該領域の大きさ、および該領域内の画素値の統計量のうち少なくとも１以上に基づいて、異常陰影候補となる領域を検出する異常陰影候補検出ステップと、
前記複数の２値化画像上において同位置で異常陰影候補が検出された回数、前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最大になる最大２値化閾値、および前記複数の２値化画像上において同位置で異常陰影候補が検出された際に閾値が最小になる最小２値化閾値のうち少なくとも１以上に基づいて、該異常陰影候補が偽陽性であるか否かを判定する判定ステップとを実行させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004009398A JP2005198890A (ja) | 2004-01-16 | 2004-01-16 | 異常陰影判定方法、異常陰影判定装置およびそのプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2004009398A JP2005198890A (ja) | 2004-01-16 | 2004-01-16 | 異常陰影判定方法、異常陰影判定装置およびそのプログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2005198890A true JP2005198890A (ja) | 2005-07-28 |
Family
ID=34822453
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004009398A Withdrawn JP2005198890A (ja) | 2004-01-16 | 2004-01-16 | 異常陰影判定方法、異常陰影判定装置およびそのプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2005198890A (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007083030A (ja) * | 2005-09-19 | 2007-04-05 | General Electric Co <Ge> | 肺結節評価のための臨床用検討及び解析作業フロー |
| WO2008020648A1 (en) * | 2006-08-16 | 2008-02-21 | Fujifilm Corporation | Abnormal mass candidate detecting apparatus, method and computer-readable medium |
| JP2009177336A (ja) * | 2008-01-22 | 2009-08-06 | Tokyo Univ Of Science | プログラム、画像間変化箇所判読支援動画生成方法、及び画像間変化箇所判読支援動画生成装置 |
| WO2010079700A1 (ja) * | 2009-01-06 | 2010-07-15 | Ｔａｋｕｍｉ Ｖｉｓｉｏｎ株式会社 | 画像処理方法及びコンピュータプログラム |
| JP2012208084A (ja) * | 2011-03-30 | 2012-10-25 | Anritsu Sanki System Co Ltd | Ｘ線異物検出装置 |
| JP2018000312A (ja) * | 2016-06-28 | 2018-01-11 | 国立大学法人 大分大学 | 肺結節明瞭化画像における背景ノイズの抑制方法 |
| JP2018198456A (ja) * | 2018-08-23 | 2018-12-13 | 株式会社ニコン | 画像処理プログラム、画像処理装置および撮像装置 |
| JP2021020015A (ja) * | 2019-07-30 | 2021-02-18 | 国立大学法人 大分大学 | 二次元セルオートマトンによる肺結節明瞭化法 |
| CN115100192A (zh) * | 2022-08-22 | 2022-09-23 | 歌尔光学科技有限公司 | 拖影检测方法、装置及电子设备 |
| CN116721764A (zh) * | 2023-08-10 | 2023-09-08 | 武汉楚精灵医疗科技有限公司 | 术前提示方法及装置 |
-
2004
- 2004-01-16 JP JP2004009398A patent/JP2005198890A/ja not_active Withdrawn
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007083030A (ja) * | 2005-09-19 | 2007-04-05 | General Electric Co <Ge> | 肺結節評価のための臨床用検討及び解析作業フロー |
| US8732601B2 (en) | 2005-09-19 | 2014-05-20 | General Electric Company | Clinical review and analysis work flow for lung nodule assessment |
| WO2008020648A1 (en) * | 2006-08-16 | 2008-02-21 | Fujifilm Corporation | Abnormal mass candidate detecting apparatus, method and computer-readable medium |
| JP2010500049A (ja) * | 2006-08-16 | 2010-01-07 | 富士フイルム株式会社 | 異常塊候補を検出する装置、方法、ならびにコンピュータ読取り可能媒体 |
| JP2009177336A (ja) * | 2008-01-22 | 2009-08-06 | Tokyo Univ Of Science | プログラム、画像間変化箇所判読支援動画生成方法、及び画像間変化箇所判読支援動画生成装置 |
| US8913843B2 (en) | 2009-01-06 | 2014-12-16 | Takumi Vision Co., Ltd. | Image processing method and computer program |
| WO2010079700A1 (ja) * | 2009-01-06 | 2010-07-15 | Ｔａｋｕｍｉ Ｖｉｓｉｏｎ株式会社 | 画像処理方法及びコンピュータプログラム |
| JP2010158317A (ja) * | 2009-01-06 | 2010-07-22 | Rohm Co Ltd | 画像処理方法及びコンピュータプログラム |
| JP2012208084A (ja) * | 2011-03-30 | 2012-10-25 | Anritsu Sanki System Co Ltd | Ｘ線異物検出装置 |
| JP2018000312A (ja) * | 2016-06-28 | 2018-01-11 | 国立大学法人 大分大学 | 肺結節明瞭化画像における背景ノイズの抑制方法 |
| JP2018198456A (ja) * | 2018-08-23 | 2018-12-13 | 株式会社ニコン | 画像処理プログラム、画像処理装置および撮像装置 |
| JP2021020015A (ja) * | 2019-07-30 | 2021-02-18 | 国立大学法人 大分大学 | 二次元セルオートマトンによる肺結節明瞭化法 |
| CN115100192A (zh) * | 2022-08-22 | 2022-09-23 | 歌尔光学科技有限公司 | 拖影检测方法、装置及电子设备 |
| CN116721764A (zh) * | 2023-08-10 | 2023-09-08 | 武汉楚精灵医疗科技有限公司 | 术前提示方法及装置 |
| CN116721764B (zh) * | 2023-08-10 | 2023-10-27 | 武汉楚精灵医疗科技有限公司 | 术前提示方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11132794B2 (en) | System and method for detection of suspicious tissue regions in an endoscopic procedure | |
| CN110276356B (zh) | 基于r-cnn的眼底图像微动脉瘤识别方法 | |
| Schilham et al. | A computer-aided diagnosis system for detection of lung nodules in chest radiographs with an evaluation on a public database | |
| US9418420B2 (en) | System and method for automated detection of lung nodules in medical images | |
| AU705713B2 (en) | Method and system for the detection of lesions in medical images | |
| JP4708362B2 (ja) | コンピュータで実施される方法 | |
| Tyan et al. | Ischemic stroke detection system with a computer‐aided diagnostic ability using an unsupervised feature perception enhancement method | |
| JP5757724B2 (ja) | 画像処理装置、画像処理方法、及び画像処理プログラム | |
| CN107633514B (zh) | 一种肺结节周边血管量化评估系统及方法 | |
| JPH08294479A (ja) | 計算機支援画像診断装置 | |
| JP2006325937A (ja) | 画像判定装置、画像判定方法およびそのプログラム | |
| JP2006006359A (ja) | 画像生成装置、画像生成装置方法、およびそのプログラム | |
| Khordehchi et al. | Automatic lung nodule detection based on statistical region merging and support vector machines | |
| JP2005198890A (ja) | 異常陰影判定方法、異常陰影判定装置およびそのプログラム | |
| JP3852125B2 (ja) | ２次元多階調画像におけるパタン検出方法及び装置 | |
| CN110246143A (zh) | 肺部ct图像辅助检测处理装置 | |
| Gadermayr et al. | Getting one step closer to fully automatized celiac disease diagnosis | |
| Gadermayr et al. | Fully automated decision support systems for celiac disease diagnosis | |
| JP2005211439A (ja) | 異常陰影表示装置およびそのプログラム | |
| JP2005052329A (ja) | 異常陰影候補検出装置およびプログラム | |
| Shi et al. | A combinational filtering method for enhancing suspicious structures in chest X-rays | |
| JP2005224429A (ja) | 異常陰影判定装置およびそのプログラム | |
| JPH10108859A (ja) | 異常陰影候補の検出方法および装置 | |
| JP2005177037A (ja) | 石灰化陰影判定方法、石灰化陰影判定装置およびプログラム | |
| Casiraghi | A computer aided diagnosis system for lung nodules detection in postero anterior chest radiographs |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20070403 |