JP2005246032A - 異常陰影検出方法および装置並びにプログラム - Google Patents
異常陰影検出方法および装置並びにプログラム Download PDFInfo
- Publication number
- JP2005246032A JP2005246032A JP2004195479A JP2004195479A JP2005246032A JP 2005246032 A JP2005246032 A JP 2005246032A JP 2004195479 A JP2004195479 A JP 2004195479A JP 2004195479 A JP2004195479 A JP 2004195479A JP 2005246032 A JP2005246032 A JP 2005246032A
- Authority
- JP
- Japan
- Prior art keywords
- candidate
- abnormal shadow
- weighting
- feature
- subject
- 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- Withdrawn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 116
- 238000000034 method Methods 0.000 title abstract description 45
- 210000003484 anatomy Anatomy 0.000 claims abstract description 30
- 238000000605 extraction Methods 0.000 claims abstract description 21
- 239000000284 extract Substances 0.000 claims abstract description 10
- 210000004072 lung Anatomy 0.000 claims description 55
- 238000001514 detection method Methods 0.000 claims description 44
- 238000004364 calculation method Methods 0.000 abstract description 15
- 238000011976 chest X-ray Methods 0.000 description 22
- 210000000038 chest Anatomy 0.000 description 15
- 206010028980 Neoplasm Diseases 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 210000000988 bone and bone Anatomy 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000003109 clavicle Anatomy 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000003902 lesion Effects 0.000 description 1
- 210000001370 mediastinum Anatomy 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000062 pectoralis major Anatomy 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 210000001991 scapula Anatomy 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
【課題】 デジタル医用画像の異常陰影検出処理において、被写体の解剖学的特徴を考慮しつつ、高速で検出精度の悪化しない処理を行う。
【解決手段】 候補抽出手段10が医用画像Pにおける被写体上の異常陰影の候補Ciを抽出し、特徴量算出手段20が各候補Ciの近傍等の画像をもとに異常陰影らしさが反映された複数の特徴量Aijを算出する一方、解剖学的情報取得手段30が被写体の解剖学的情報Iを取得して解剖学的構造を求め、重み付け係数マップ作成手段40が情報Iをもとに被写体上の各位置毎に被写体の解剖学的特徴が考慮された上記特徴量に対する重み付け係数を設定して重み付け係数マップMkを作成し、重み付け演算手段50が各候補Ciの特徴量を候補の位置と重み付け係数マップMkとに基づいて重み付けし、異常陰影抽出手段60が重み付けされた特徴量A′ijに基づいて候補Ciから異常陰影Qを抽出する。
【選択図】 図1
【解決手段】 候補抽出手段10が医用画像Pにおける被写体上の異常陰影の候補Ciを抽出し、特徴量算出手段20が各候補Ciの近傍等の画像をもとに異常陰影らしさが反映された複数の特徴量Aijを算出する一方、解剖学的情報取得手段30が被写体の解剖学的情報Iを取得して解剖学的構造を求め、重み付け係数マップ作成手段40が情報Iをもとに被写体上の各位置毎に被写体の解剖学的特徴が考慮された上記特徴量に対する重み付け係数を設定して重み付け係数マップMkを作成し、重み付け演算手段50が各候補Ciの特徴量を候補の位置と重み付け係数マップMkとに基づいて重み付けし、異常陰影抽出手段60が重み付けされた特徴量A′ijに基づいて候補Ciから異常陰影Qを抽出する。
【選択図】 図1
Description
本発明は、デジタル医用画像中の異常陰影を検出する異常陰影検出方法および装置並びにそのためのプログラムに関し、特に、検出処理の高速化および検出精度の向上に関するものである。
従来、医療分野においては、画像診断における医師等の読影者への負荷を低減する等の目的から、デジタル医用画像(以下、単に医用画像という)を、コンピュータを用いて画像解析して診断するコンピュータ診断支援、いわゆるCAD(Computer Aided Diagnosis)が行われており、このようなCADとしては、例えば、医用画像中の異常陰影を、コンピュータを用いて自動的に検出する異常陰影検出処理が知られている。
異常陰影検出処理としては、これまでに種々の手法が提案されているが、例えば、医用画像を表す画像データに基づいて、アイリスフィルタ処理等を用いることにより、病巣と疑われる領域を異常陰影の暫定的な候補として抽出し、抽出された候補の近傍の画像データに基づいて、各候補毎に、異常陰影としての確からしさを反映する複数の特徴量を算出し、算出された複数の特徴量に基づいて、新たな指標値(スコア)を算出してその指標値が所定の基準値を上回るか否かにより候補が異常陰影であるか否かを判別、もしくは、特徴量を入力として候補が異常陰影である蓋然性の程度を表す量を出力するニューラルネットワーク等を用いることにより、上記候補から異常陰影を抽出する手法が知られている(例えば特許文献1)。
ところで、医用画像中の濃度を表す各画素のQL値(画素信号値)は、被写体の解剖学的位置毎に特徴を有する。例えば、被写体を人体の胸部とする胸部X線画像においては、乳房、肩甲骨、大胸筋といった解剖学的特徴を持つ組織や散乱線の影響により、肺野の外側と中央付近とでは画像上の性質が異なる。
したがって、上記のように、医用画像中の異常陰影を、コンピュータを用いて自動検出する場合においては、解剖学的位置によって画像上の性質が異なることによる影響が、異常陰影の検出性能を悪化させる原因の一つになっていると考えられる。
そこで、上記問題を解決する手法として、例えば、胸部X線画像において、肺野内を脊椎、鎖骨、肺野辺縁部、肺野中央部等の複数の領域に区分し、各領域に対して異常陰影検出処理を施す手法が提案されている(特許文献2参照)。
特許2987633号公報
US6549646号公報
しかしながら、上記の、肺野内を複数の領域に区分して各領域に対して異常陰影検出処理を施す手法では、当該検出処理を領域毎に複数に分けて行うので、アルゴリズムが複雑化し、高速な処理を行うことができない。また、領域の境界付近では、周辺の画像が欠落してしまうため、検出精度が悪化する虞があるという問題がある。
本発明は、上記事情に鑑み、被写体の解剖学的特徴を考慮しつつ、高速で検出精度が悪化しない異常陰影検出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。
本発明の異常陰影検出方法は、被写体の医用画像を表す画像データに基づいて該医用画像中の異常陰影の候補を抽出する候補抽出ステップと、前記画像データに基づいて前記各候補毎に異常陰影らしさが反映された複数の特徴量を算出する特徴量算出ステップと、前記画像データに基づいて前記医用画像における前記被写体の解剖学的情報を取得して前記被写体の解剖学的構造を求める解剖学的情報取得ステップと、前記各候補の前記解剖学的構造との相対的位置関係に応じて、前記各候補毎の前記複数の特徴量を重み付けする特徴量重み付けステップと、重み付けされた前記複数の特徴量に基づいて前記候補から前記異常陰影を抽出する異常陰影抽出ステップとを有することを特徴とする方法である。
本発明の異常陰影検出装置は、被写体の医用画像を表す画像データに基づいて該医用画像中の異常陰影の候補を抽出する候補抽出手段と、前記画像データに基づいて前記各候補毎に異常陰影らしさが反映された複数の特徴量を算出する特徴量算出手段と、前記画像データに基づいて前記医用画像における前記被写体の解剖学的情報を取得して前記被写体の解剖学的構造を求める解剖学的情報取得手段と、前記各候補の前記解剖学的構造との相対的位置関係に応じて、前記各候補毎の前記複数の特徴量を重み付けする特徴量重み付け手段と、重み付けされた前記複数の特徴量に基づいて前記候補から前記異常陰影を抽出する異常陰影抽出手段とを備えたことを特徴とするものである。
本発明のプログラムは、コンピュータを、被写体の医用画像を表す画像データに基づいて該医用画像中の異常陰影の候補を抽出する候補抽出手段と、前記画像データに基づいて前記各候補毎に異常陰影らしさが反映された複数の特徴量を算出する特徴量算出手段と、
前記画像データに基づいて前記医用画像における前記被写体の解剖学的情報を取得して前記被写体の解剖学的構造を求める解剖学的情報取得手段と、前記各候補の前記解剖学的構造との相対的位置関係に応じて、前記各候補毎の前記複数の特徴量を重み付けする特徴量重み付け手段と、重み付けされた前記複数の特徴量に基づいて前記候補から前記異常陰影を抽出する異常陰影抽出手段として機能させるためのプログラムである。
前記画像データに基づいて前記医用画像における前記被写体の解剖学的情報を取得して前記被写体の解剖学的構造を求める解剖学的情報取得手段と、前記各候補の前記解剖学的構造との相対的位置関係に応じて、前記各候補毎の前記複数の特徴量を重み付けする特徴量重み付け手段と、重み付けされた前記複数の特徴量に基づいて前記候補から前記異常陰影を抽出する異常陰影抽出手段として機能させるためのプログラムである。
前記「医用画像」としては、例えば、X線画像を含む放射線画像、CT画像、MRI画像等を考えることができ、また、「被写体」としては、例えば、動物または人体の、胸部、乳房等を考えることができる。
前記「異常陰影」とは、標準的陰影には見られない、例えば胸部X線画像における腫瘤、石灰化等の陰影をいう。なお、本発明において、異常陰影の候補を抽出する際には、これらの異常陰影の全てを抽出する必要はなく、例えば腫瘤のみを異常陰影の候補として抽出するようにしてもよい。
前記「特徴量」とは、各候補の異常陰影としての確からしさを反映する種々の量の総称であり、例えば「特徴量選択による乳房X線像上の悪性腫瘤影判別能力の改善と選択基準の評価」(電子情報通信学会論文誌D−IIVol86−DIINo5,pp587−597)に記載されているような、各候補の、輝度、面積、エッジ、形状(円形度等)等に関するものが考えられ、より具体的には、輝度に関するものとしては、QL値(画素信号値)の平均、分散、二次モーメント、面積に関するものとしては、候補に対して動的輪郭モデル等の領域分割処理で囲まれた面積、エッジに関するものとしては、領域分割処理によって得られる点に対して同時生起行列から算出される特徴量、形状に関するものとしては、領域分割処理によって囲まれた図形のSpreadnessや扇平度等が考えられる。なお、本発明において、特徴量を算出する際には、算出する特徴量の種類は特に上記のものに限定されず、抽出すべき異常陰影の種類、抽出すべき精度、演算時間等を考慮して定められるものを算出するようにする。
前記「解剖学的情報」とは、医用画像上に表された、被写体の解剖学的構造物に関する情報をいい、具体的には、例えば胸部X線画像における、肺野部、肺門部、肺尖部、辺縁上部、辺縁下部、肺野中央部等の位置情報をいう。なお、本発明において、解剖学的情報を得る際には、医用画像上に表された被写体の解剖学的構造物の全てを認識する必要はなく、抽出の対象としている異常陰影の種類等と対応して必要な情報のみが求められればよい。
前記「解剖学的構造を求める」とは、被写体の解剖学的情報に基づいて被写体を構成する解剖学的構造物の配置を認識することである。
前記「解剖学的構造との相対的位置関係」とは、どの解剖学的構造物のどの部分に位置するかを示す情報をいう。
特徴量の重み付けの程度は、通常、その特徴量の信頼度に応じて決めることができる。特徴量の信頼度は、その特徴量の種類と候補の位置における画像上の特徴とから決まるものと考えることができるが、上記画像上の特徴は、候補の解剖学的構造との相対的位置関係から知ることができる。なお、上記信頼度は理論的に求めてもよいし、経験的に求めてもよい。
本発明の異常陰影検出装置において、前記特徴量重み付け手段は、前記医用画像上の前記異常陰影を検出すべき所定の領域内の各位置に対応する位置に、前記各位置の前記解剖学的構造との相対的位置関係に応じた、前記特徴量を重み付けするための重み付け係数を配置してなる重み付け係数マップを作成する重み付け係数マップ作成手段と、前記候補に対応する前記重み付け係数マップ上の位置における前記重み付け係数を用いて、前記各候補毎の前記複数の特徴量を重み付けする重み付け演算手段とを含むものであってもよい。
前記「重み付け係数」は、被写体上の異常陰影を抽出すべき所定の領域における各位置毎に、また、特徴量の種類毎に設定することができるものである。
「前記候補に対応する前記重み付け係数マップ上の位置における前記重み付け係数を用いて、前記各候補毎の前記複数の特徴量を重み付けする」際の、重み付け方法としては、例えば、重み付け係数マップ上の候補の中心位置(座標)に対応する各特徴量に対する重み付け係数を、当該候補における重み付け係数として採用し、当該重み付け係数を特徴量に掛け合わせる方法や、候補が占める領域内の各位置に対応する重み付け係数を取得して、各特徴量毎にそれらの平均を算出し、当該平均を当該候補における重み付け係数として採用し、当該重み付け係数を特徴量に掛け合わせる方法等が考えられる。
また、本発明の異常陰影検出装置において、前記被写体は人体の胸部であり、前記所定の領域は肺野であり、前記重み付け係数マップ作成手段は、前記肺野を、肺野辺縁上部、肺野辺縁下部、肺門部、肺尖部、肺野中央部のうち少なくとも1つを含む複数の部分に分けて、該各部分毎に異なる範囲の前記重み付け係数を設定するものであってもよい。
本発明の異常陰影検出装置において、前記特徴量重み付け手段は、前記候補の、前記解剖学的構造に基づいて正規化された前記医用画像における座標位置に応じて、前記特徴量を重み付けするものであってもよい。
本発明の異常陰影検出装置において、前記被写体は人体の胸部であってもよい。
重み付け係数マップを作成する際の、重み付け係数の値の設定基準としては、例えば、肺野辺縁領域では、骨の重なりが多く存在し、かつ散乱線の影響を受けること等から、誤判別しやすい骨の重なりと腫瘤とを判別するための特徴量として、輝度に関する特徴量よりも候補の形が円形に近いか等の形状に関する特徴量の方が重要な指標となり得る可能性が考えられるため、輝度値に関する特徴量の重みを下げ、形状に関する特徴量の重みを上げる等が考えられ、肺門部では、画像上比較的面積の小さい円形を呈した血管等が多数存在するため、血管と腫瘤の判別を目的として、面積に関する特徴量の重みを上げる等が考えられる。
異常陰影の候補を抽出する手法としては、例えば、特開2002−109510号公報により開示されている、画像中の濃度勾配(または輝度勾配)を濃度勾配ベクトルとして表し、この濃度勾配ベクトルの集中度合いの高い画像部分を候補(腫瘤影)として抽出するアイリスフィルタ処理や、抽出しようとする異常陰影の大きさに応じた多重構造要素を用いて、この多重構造要素よりも空間的に狭い範囲で濃度変動する画像部分を候補(石灰化陰影)として抽出するモフォロジーフィルタ処理を利用した手法を考えることができ、また、候補から異常陰影を抽出する手法としては、例えば、同公報により開示されている、抽出された候補をその候補における輪郭形状の円形度や濃度の分散などの特徴量を用いて総合的な指標値を算出し、当該指標値に基づいて異常陰影か否かを判定する処理等を利用した手法を考えることができる。
なお、当然であるが、本発明において、候補の抽出、特徴量の算出、特徴量の重み付け、異常陰影の抽出がこの順番で行われていれば、他の処理、すなわち、解剖学的情報の取得や重み付け係数マップの作成は、どのようなタイミングで行われても構わない。
本発明の異常陰影検出方法および装置並びにそのためのプログラムによれば、被写体の医用画像を表す画像データに基づいて当該医用画像中の異常陰影の候補を抽出し、当該各候補毎に異常陰影らしさが反映された複数の特徴量を算出し、上記候補の位置に応じて、当該候補において算出される複数の特徴量を重み付けし、重み付けされた複数の特徴量に基づいて上記候補から異常陰影を抽出するので、解剖学的位置毎の特徴が考慮された異常陰影検出を行いつつも、医用画像中の被写体を複数の領域に区分して各領域毎に異常陰影検出処理を繰返し行う必要がなく、1つの画像に対して1回の異常陰影検出処理を行えばよいことから、アルゴリズムの複雑化や領域の境界付近での画像の欠落による検出精度の悪化を排除することができ、被写体の解剖学的特徴を考慮しつつ高速で検出精度が悪化しない異常陰影検出を行うことができる。
以下、本発明の実施の形態について、図面を用いて説明する。なお、ここでは、「医用画像」として人体の胸部を表す胸部X線画像(胸部を人体の前後方向に透過したX線を検出して得られる胸部の投影画像)を用い、異常陰影を抽出すべき「所定の領域」を肺野部とし、「異常陰影」として腫瘤影を抽出する例について説明する。
図1は本発明の異常陰影検出装置の一実施形態による概略構成を示す図である。図1に示す異常陰影検出装置1は、胸部X線画像Pを表す画像データP(以下簡便のため、画像とその画像を表す画像データとを同じ記号で表すことにする)に基づいて胸部X線画像P中の異常陰影(腫瘤影)の候補Ci(i=1,2,3,・・・)を抽出する候補抽出手段10と、画像データPに基づいて各候補C1,C2,・・・毎に異常陰影らしさが反映された複数の特徴量Aij(j=1,2,3,・・・)を算出する特徴量算出手段20と、画像データPに基づいて、胸部X線画像Pにおける胸部の解剖学的情報Iを取得して、当該胸部の解剖学的構造を求める解剖学的情報取得手段30と、胸部X線画像P中の異常陰影を検出すべき領域である肺野内の各位置に対応する位置に、前記各位置の解剖学的構造との相対的位置関係に応じた、上記特徴量Aijを重み付けするための重み付け係数αijを配置してなる重み付け係数マップMk(k=1,2,3,・・・)を作成する重み付け係数マップ作成手段40と、候補Ciに対応する重み付け係数マップMk上の位置における重み付け係数を用いて、各候補Ci毎の複数の特徴量Aijを重み付けする重み付け演算手段50と、重み付けされた特徴量A′ijに基づいて候補Ciから異常陰影Qを抽出する異常陰影抽出手段60とを備えている。
次に、上記のように構成された異常陰影検出装置1の作用について説明する。
図2は異常陰影検出装置1における処理フローを示した図である。
まず、異常陰影検出装置1に、図3に示すような、肺野部Lを含む胸部X線画像Pを表す画像データPが入力され、この画像データPは、候補抽出手段10と解剖学的情報取得手段30とに入力される(ステップS1)。ここで画像データPは、CR(Computed Radiography)システム等によって取得された画像データである。
候補抽出手段10は、入力された画像データPに基づいて、胸部X線画像P中の腫瘤影の候補Ciを、アイリスフィルタ処理等を用いた手法により抽出する(ステップS2)。アイリスフィルタ処理を用いた手法は、特開2002−109510号公報により開示されている、画像中の濃度勾配(または輝度勾配)を濃度勾配ベクトルとして表し、この濃度勾配ベクトルの集中度合いの高い画像部分を候補として抽出する手法である。
特徴量算出手段20は、画像データPのうち、抽出された候補Ciの領域やその近傍領域に対応した画像、いわゆるROI画像を表す画像データに基づいて、候補Ciにおける複数の特徴量Aij(i=1,2,3,・・・、j=1,2,3,・・・)を算出する(ステップ3)。ここで、iは個々の候補に対応するパラメータ、jは特徴量の項目に対応するパラメータである。各特徴量としては、「特徴量選択による乳房X線像上の悪性腫瘤影判別能力の改善と選択基準の評価」(電子情報通信学会論文誌D−IIVol86−DIINo5,pp587−597)に記載されているような、各候補の、輝度、面積、エッジ、形状(円形度等)等に関するものを用い、より具体的には、輝度に関するものとしては、QL値(画素信号値)の平均、分散、二次モーメント、面積に関するものとしては、候補に対して動的輪郭モデル等の領域分割処理で囲まれた面積、エッジに関するものとしては、領域分割処理によって得られる点に対して同時生起行列から算出される特徴量、形状に関するものとしては、領域分割処理によって囲まれた図形のSpreadnessや扇平度等を採用する。
一方、解剖学的情報取得手段30は、入力された画像データPに基づいて、胸部X線画像P上の肺野部Lを抽出し、胸部X線画像Pのプロファイルの形状(例えば肺野部Lの輪郭形状や縦隔等)から、肺野部L内を、さらに肺野辺縁上部La、肺野辺縁下部Lb、肺門部Lc、肺尖部Ld、肺野中央部Leに区分して抽出し、肺野部Lと肺野部L内の各部の位置情報を解剖学的情報Iとして取得する(ステップS4)。肺野部Lを抽出する手法としては、例えば、特許3433928号(デジタル胸部画像のリブケイジ境界検出方法及びデジタル胸部画像診断装置に関する)公報に記載されている、デジタル胸部画像からランドマーク情報を検出し、当該ランドマーク情報からリブケイジ境界を検出する手法を用いることができ、また、肺野部L内を各部に区分して抽出する手法としては、例えば、上記特許文献2に記載されている、縦隔付近等についてはニューラルネットを用い、その他の部分については例えばerosion処理等を用いて領域を分割する等の手法を用いることができる。図4は、このようにして抽出された肺野辺縁上部La、肺野辺縁下部Lb、肺門部Lc、肺尖部Ld、肺野中央部Leを表した図である。
解剖学的情報Iが取得されると、重み付け係数マップ作成手段40は、胸部X腺画像Pにおける肺野部L内の各位置に対応する位置に、当該各位置の解剖学的構造との相対的位置関係、すなわち、解剖学的情報Iによって特定される肺野部L内の各構造物を表す各部との相対的位置に応じて、その位置における解剖学的特徴に起因した各特徴量の信頼度が反映されるように、特徴量の種類(グループ)別もしくは項目別に、重み付け係数αkxy(k=1,2,3,・・・),(x,y=各位置に対応する座標)を設定・配置してなる重み付け係数マップMkを作成する(ステップS5)。ここで、kは特徴量の種類もしくは項目に対応するパラメータである。重み付け係数の設定方法については種々考えられるが、骨の形状や心臓といった解剖学的構造により存在する、解剖学的位置毎に異なる画像上の性質、すなわち、辺縁部や肺尖部に多く存在する骨の重なりや、心臓付近の肺門部に多く存在する画像上小さな円形を呈した血管等の存在を考慮し、それらと腫瘤とを判別するために各部位毎に有用な特徴量を考慮して、例えば、表1に示すように、肺野L内の各部の領域毎に、また、特徴量の種類に応じて、重み付け係数の値を設定することができる。
表1に示した重み付け係数の各値の幅(範囲)は、肺野部L内の各部における、重み付け係数の変化幅を意味し、例えば、肺野の辺縁上部Laでは、輝度に関する特徴量の重みを肺野の中心(脊椎側)から外側(体側側)に向かってなだらかに下げてゆく、すなわち、肺野の中央付近で1.0、外側に離れるにしたがって0.8に近い値をとるように設定する。
図5は、このようにして作成された、輝度に関する特徴量に対する重み付け係数マップM1をイメージした概念図であり、重み付け係数マップM1上に記された各値は、その値が記された位置における重み付け係数αkxyの値を表し、重み付け係数の値が大きいほど画像の濃度が高く(黒く)なるように表現したものである。
特徴量算出手段20により各候補Ciにおける複数の特徴量Aijが算出され、重み付け係数マップ作成手段40により重み付け係数マップMkが作成されると、重み付け演算手段50が、重み付け係数マップMkに基づいて、各候補Ciに対応する重み付け係数αijを取得し、取得した重み付け係数αijを用いて特徴量Aijを重み付けする(ステップS6。候補Ciに対応する重み付け係数αijの取得方法としては、例えば、候補Ciの中心位置を示す座標に対応する重み付け係数を、各重み付け係数マップMkから読み出して取得する方法や、候補Ciが占める領域内の各位置を示す座標にそれぞれ対応する重み付け係数を、各重み付け係数マップMkから読み出し、特徴量の項目毎に平均をとって、それら平均を候補Ciに対応する重み付け係数αijとして取得する方法等が考えられる。また、重み付けの方法としては、例えば、最も単純な方法として、特徴量Aijに係数αijを掛け合わせ、αij・Aijを重み付けされた特徴量とすることができる。
重み付け演算手段50により重み付けされた特徴量A′ijが得られると、異常陰影抽出手段60は、この重み付けされた特徴量A′ijに基づいて、候補Ciの中から異常陰影Qを抽出する(ステップS7)。異常陰影の抽出方法としては、例えば、異常陰影としてより疑わしい候補に対して得点が上がるようなスコア(指標値)sを、特徴量を用いた所定の計算式s=f(A′ij)にしたがって算出し、そのスコアsがある一定以上の点になる候補を異常陰影として抽出し、それ以外の候補を正常として判断するような方法を用いることができる。
このように、本実施形態における異常陰影検出装置1によれば、胸部X線画像Pを表す画像データPに基づいて当該胸部X線画像P中の異常陰影の候補Ciを抽出し、当該候補Ci毎に異常陰影らしさが反映された複数の特徴量Aijを算出し、上記候補の位置に応じて、当該候補において算出される複数の特徴量Aijを重み付けし、重み付けされた複数の特徴量A′ijに基づいて上記候補Ciから異常陰影Qを抽出するので、解剖学的位置毎の特徴が考慮された異常陰影検出を行いつつも、画像P中の被写体(胸部)を複数の領域に区分して各領域毎に異常陰影検出処理を繰返し行う必要がなく、1つの画像に対して1回の異常陰影検出処理を行えばよいことから、アルゴリズムの複雑化や領域の境界付近での画像の欠落による検出精度の悪化を排除することができ、被写体の解剖学的特徴を考慮しつつ高速で検出精度が悪化しない異常陰影検出を行うことができる。
なお、特徴量の重み付けの方法としては、上記実施例による方法以外に、例えば、異常陰影の候補の、被写体の解剖学的構造に基づいて正規化された医用画像における座標位置に応じて重み付けする方法を用いることができる。
すなわち、解剖学的情報取得手段30が、本出願人が特開2003−6661号公報において提案している方法や、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、胸部X線画像における肺野(心胸郭)を、図6に示すように、肺野中央部(1、6の部分)、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)の領域に分割して抽出し、これらの位置情報を取得する。
次に、重み付け係数マップ作成手段40が、下記手法により、胸部X線画像における座標系の正規化を行う。
胸部X線画像上で左から右に座標値が大きくなるx軸と、上から下に座標値が大きくなるy軸とからなる座標系において、図7に示すように、肺野内の任意の点の座標を(x,y)とし、左右肺野の最上部(領域2、7で最も上側)の点のy座標をy_up_L,y_up_Rとし、左右肺野の最内側(領域1、6で最も内側)の点のx座標をx_in_L,x_in_Rとし、上記任意の点を通るx軸方向の直線上で、領域3、8内の最外点(中央から左右方向に最も離れる点)のx座標をx_outとし、上記任意の点を通るy軸方向の直線上で、領域5、10内の最上点をy_downとする。
正規化後の座標(newx,newy)は、上記任意の点(x,y)が右肺(胸部X線画像においては左側)にある場合には、
(newx,newy)=((x - x_out)/(x_in_R - x_out),(y - y_up_R)/(y_down - y_up_R))
となり、上記任意の点(x,y)が左肺(胸部X線画像においては右側)にある場合には、
(newx,newy)=((x_out - x)/(x_out - x_in_L),(y - y_up_L)/(y_down - y_up_L))
となる。
(newx,newy)=((x - x_out)/(x_in_R - x_out),(y - y_up_R)/(y_down - y_up_R))
となり、上記任意の点(x,y)が左肺(胸部X線画像においては右側)にある場合には、
(newx,newy)=((x_out - x)/(x_out - x_in_L),(y - y_up_L)/(y_down - y_up_L))
となる。
領域4、9内のx座標は常に1、領域5、10内のy座標は常に1とする。
重み付け係数マップ作成手段40は、上記のように正規化された座標系を用いて、当該正規化後の座標系における座標に応じて決定した重み付け係数を各座標毎に配置して重み付け係数マップを作成し、重み付け演算手段50が、当該重み付け係数マップを用いて各候補の特徴量に対する重み付けを行う。
このような、異常陰影の候補の、被写体の解剖学的構造に基づいて正規化された医用画像における座標位置に応じて、当該候補の特徴量を重み付けする方法によれば、どの医用画像に対してもその画像における座標の正規化を行うだけで、個々の被写体の形状や大きさに影響されない、特徴量の重み付けを簡便に行うことができる。なお、上記で示した正規化後の座標系における座標位置(解剖学的位置情報)は上記特徴量の1つとして使用することもできる。また、上記のように重み付け係数マップを作成せずに、異常陰影の候補の正規化後の座標位置に基づく演算により重み付け係数を逐次算出し、算出された重み付け係数を用いて特徴量の重み付けを行うようにしてももちろん構わない。
また、本実施例においては、異常陰影として腫瘤影を抽出したが、このほかに石灰化陰影、あるいは、腫瘤影と石灰化陰影の両陰影を抽出するようにしてもよく、石灰化陰影を抽出する場合には、候補抽出手段において、例えば、モフォロジーフィルタ処理を用いることができる。
また、表1に示す重み付け係数の値は、一例であり、もちろんこれに限定されるものではない。また、本実施例のように特徴量の種類別に設定する場合のほか、特徴量の項目別に設定するようにしてもよい。
また、本実施形態においては、重み付け演算手段50と異常陰影抽出手段60とを別々に設けて、特徴量Aijの重み付けと、候補Ciからの異常陰影Qの抽出とを分けているが、例えば、異常陰影抽出手段60が重み付け演算手段50を含むようにして、当該異常陰影抽出手段60が、特徴量Aijと、重み付け係数マップMkに基づいて取得した重み付け係数αijとを入力とした計算式s=f(αij,Aij)、あるいは、s=f(αij,(Aij−Bj))(Bj=パラメータjに対応する特徴量における基準値)にしたがってスコアsを算出し、当該スコアsに基づいて候補Ciから異常陰影Qを抽出するようにして、アルゴリズム上、特徴量の重み付けと異常陰影の抽出を同時に行うようにしてもよい。
また、本実施形態においては、重み付け係数マップを予め作成しておき、抽出された候補における重み付け係数を、当該マップを参照して決めるようにしているが、必ずしも、上記のような重み付け係数マップを予め用意しておく必要は無く、異常陰影の候補の各々についてのみ、その候補の解剖学的構造との相対的位置関係に基づいて、その都度、重み付け係数を求めるようにしてもよい。
1 異常陰影検出装置
10 候補抽出手段
20 特徴量算出手段
30 解剖学的情報取得手段
40 重み付け係数マップ作成手段
50 重み付け演算手段
60 異常陰影抽出手段
10 候補抽出手段
20 特徴量算出手段
30 解剖学的情報取得手段
40 重み付け係数マップ作成手段
50 重み付け演算手段
60 異常陰影抽出手段
Claims (7)
- 被写体の医用画像を表す画像データに基づいて該医用画像中の異常陰影の候補を抽出する候補抽出ステップと、
前記画像データに基づいて前記各候補毎に異常陰影らしさが反映された複数の特徴量を算出する特徴量算出ステップと、
前記画像データに基づいて前記医用画像における前記被写体の解剖学的情報を取得して前記被写体の解剖学的構造を求める解剖学的情報取得ステップと、
前記各候補の前記解剖学的構造との相対的位置関係に応じて、前記各候補毎の前記複数の特徴量を重み付けする特徴量重み付けステップと、
重み付けされた前記複数の特徴量に基づいて前記候補から前記異常陰影を抽出する異常陰影抽出ステップとを有することを特徴とする異常陰影検出方法。 - 被写体の医用画像を表す画像データに基づいて該医用画像中の異常陰影の候補を抽出する候補抽出手段と、
前記画像データに基づいて前記各候補毎に異常陰影らしさが反映された複数の特徴量を算出する特徴量算出手段と、
前記画像データに基づいて前記医用画像における前記被写体の解剖学的情報を取得して前記被写体の解剖学的構造を求める解剖学的情報取得手段と、
前記各候補の前記解剖学的構造との相対的位置関係に応じて、前記各候補毎の前記複数の特徴量を重み付けする特徴量重み付け手段と、
重み付けされた前記複数の特徴量に基づいて前記候補から前記異常陰影を抽出する異常陰影抽出手段とを備えたことを特徴とする異常陰影検出装置。 - 前記特徴量重み付け手段が、
前記医用画像中の前記異常陰影を検出すべき所定の領域内の各位置に対応する位置に、前記各位置の前記解剖学的構造との相対的位置関係に応じた、前記特徴量を重み付けするための重み付け係数を配置してなる重み付け係数マップを作成する重み付け係数マップ作成手段と、
前記候補に対応する前記重み付け係数マップ上の位置における前記重み付け係数を用いて、前記各候補毎の前記複数の特徴量を重み付けする重み付け演算手段とを含むものであることを特徴とする請求項2記載の異常陰影検出装置。 - 前記被写体が人体の胸部であり、
前記所定の領域が肺野であり、
前記重み付け係数マップ作成手段が、前記肺野を、肺野辺縁上部、肺野辺縁下部、肺門部、肺尖部、肺野中央部のうち少なくとも1つを含む複数の部分に分けて、該各部分毎に異なる範囲の前記重み付け係数を配置するものであることを特徴とする請求項3記載の異常陰影検出装置。 - 前記特徴量重み付け手段が、前記候補の、前記解剖学的構造に基づいて正規化された前記医用画像における座標位置に応じて、前記特徴量を重み付けするものであることを特徴とする請求項2記載の異常陰影検出装置。
- 前記被写体が人体の胸部であることを特徴とする請求項2、3または5記載の異常陰影検出装置。
- コンピュータを、
被写体の医用画像を表す画像データに基づいて該医用画像中の異常陰影の候補を抽出する候補抽出手段と、
前記画像データに基づいて前記各候補毎に異常陰影らしさが反映された複数の特徴量を算出する特徴量算出手段と、
前記画像データに基づいて前記医用画像における前記被写体の解剖学的情報を取得して前記被写体の解剖学的構造を求める解剖学的情報取得手段と、
前記各候補の前記解剖学的構造との相対的位置関係に応じて、前記各候補毎の前記複数の特徴量を重み付けする特徴量重み付け手段と、
重み付けされた前記複数の特徴量に基づいて前記候補から前記異常陰影を抽出する異常陰影抽出手段として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004195479A JP2005246032A (ja) | 2004-02-04 | 2004-07-01 | 異常陰影検出方法および装置並びにプログラム |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004028008 | 2004-02-04 | ||
JP2004195479A JP2005246032A (ja) | 2004-02-04 | 2004-07-01 | 異常陰影検出方法および装置並びにプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2005246032A true JP2005246032A (ja) | 2005-09-15 |
Family
ID=35027066
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004195479A Withdrawn JP2005246032A (ja) | 2004-02-04 | 2004-07-01 | 異常陰影検出方法および装置並びにプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2005246032A (ja) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007185429A (ja) * | 2006-01-16 | 2007-07-26 | Fujifilm Corp | 画像再生装置およびそのプログラム |
JP2008080121A (ja) * | 2006-09-28 | 2008-04-10 | General Electric Co <Ge> | 画像内の領域を識別する方法及びシステム |
US8180123B2 (en) | 2007-03-02 | 2012-05-15 | Fujifilm Corporation | Similar case search apparatus and method, and recording medium storing program therefor |
US8189883B2 (en) | 2007-03-02 | 2012-05-29 | Fujifilm Corporation | Similar case search apparatus and method, and recording medium storing program therefor |
US8380013B2 (en) | 2009-03-12 | 2013-02-19 | Fujifilm Corporation | Case image search apparatus, method and computer-readable recording medium |
WO2017221537A1 (ja) * | 2016-06-21 | 2017-12-28 | 株式会社日立製作所 | 画像処理装置、及び方法 |
WO2020235461A1 (ja) * | 2019-05-22 | 2020-11-26 | パナソニック株式会社 | 異常検出方法、異常検出プログラム、異常検出装置、サーバ装置及び情報処理方法 |
JP2020192006A (ja) * | 2019-05-27 | 2020-12-03 | キヤノンメディカルシステムズ株式会社 | 診断支援装置、及び、x線ct装置 |
CN116363056A (zh) * | 2023-01-16 | 2023-06-30 | 北京医准智能科技有限公司 | 胸部ct骨折检测优化的方法、装置及设备 |
-
2004
- 2004-07-01 JP JP2004195479A patent/JP2005246032A/ja not_active Withdrawn
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007185429A (ja) * | 2006-01-16 | 2007-07-26 | Fujifilm Corp | 画像再生装置およびそのプログラム |
JP4690204B2 (ja) * | 2006-01-16 | 2011-06-01 | 富士フイルム株式会社 | 画像再生装置およびそのプログラム |
JP2008080121A (ja) * | 2006-09-28 | 2008-04-10 | General Electric Co <Ge> | 画像内の領域を識別する方法及びシステム |
US8923577B2 (en) | 2006-09-28 | 2014-12-30 | General Electric Company | Method and system for identifying regions in an image |
US8180123B2 (en) | 2007-03-02 | 2012-05-15 | Fujifilm Corporation | Similar case search apparatus and method, and recording medium storing program therefor |
US8189883B2 (en) | 2007-03-02 | 2012-05-29 | Fujifilm Corporation | Similar case search apparatus and method, and recording medium storing program therefor |
US8380013B2 (en) | 2009-03-12 | 2013-02-19 | Fujifilm Corporation | Case image search apparatus, method and computer-readable recording medium |
JP2017225542A (ja) * | 2016-06-21 | 2017-12-28 | 株式会社日立製作所 | 画像処理装置、及び方法 |
WO2017221537A1 (ja) * | 2016-06-21 | 2017-12-28 | 株式会社日立製作所 | 画像処理装置、及び方法 |
WO2020235461A1 (ja) * | 2019-05-22 | 2020-11-26 | パナソニック株式会社 | 異常検出方法、異常検出プログラム、異常検出装置、サーバ装置及び情報処理方法 |
JP7457011B2 (ja) | 2019-05-22 | 2024-03-27 | パナソニックホールディングス株式会社 | 異常検出方法、異常検出プログラム、異常検出装置、サーバ装置及び情報処理方法 |
JP2020192006A (ja) * | 2019-05-27 | 2020-12-03 | キヤノンメディカルシステムズ株式会社 | 診断支援装置、及び、x線ct装置 |
JP7313192B2 (ja) | 2019-05-27 | 2023-07-24 | キヤノンメディカルシステムズ株式会社 | 診断支援装置、及び、x線ct装置 |
US11941812B2 (en) | 2019-05-27 | 2024-03-26 | Canon Medical Systems Corporation | Diagnosis support apparatus and X-ray CT apparatus |
CN116363056A (zh) * | 2023-01-16 | 2023-06-30 | 北京医准智能科技有限公司 | 胸部ct骨折检测优化的方法、装置及设备 |
CN116363056B (zh) * | 2023-01-16 | 2023-09-05 | 北京医准智能科技有限公司 | 胸部ct骨折检测优化的方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6877868B2 (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
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 | |
EP0757544B1 (en) | Computerized detection of masses and parenchymal distortions | |
JP4708362B2 (ja) | コンピュータで実施される方法 | |
US20060025671A1 (en) | Image display apparatus, image display method and the program | |
EP2375379A2 (en) | Medical image processing apparatus and method, and computer readable recording medium on which is recorded program for the same | |
JP2002503861A (ja) | 胸部x線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム | |
JP6643827B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
US10699415B2 (en) | Method and system for automatic volumetric-segmentation of human upper respiratory tract | |
WO2011008906A1 (en) | Computer-aided detection (cad) of intracranial aneurysms | |
WO2009003128A2 (en) | Method and system for detecting lung tumors and nodules | |
JP6853419B2 (ja) | 情報処理装置、情報処理方法、コンピュータプログラム | |
JP2008011901A (ja) | 画像種類判別装置および方法並びにプログラム | |
JPWO2014192187A1 (ja) | 乳房画像病変検出システム、乳房画像病変検出方法、乳房画像病変検出プログラムおよび乳房画像病変検出プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
KR20110129239A (ko) | 흉부 씨티 영상 내 병변 자동 검출을 위한 폐 혈관 추출 방법 | |
US7835555B2 (en) | System and method for airway detection | |
JP2005246032A (ja) | 異常陰影検出方法および装置並びにプログラム | |
US11935234B2 (en) | Method for detecting abnormality, non-transitory computer-readable recording medium storing program for detecting abnormality, abnormality detection apparatus, server apparatus, and method for processing information | |
JP2008011900A (ja) | 画像種類判別装置および方法並びにプログラム | |
US20050002548A1 (en) | Automatic detection of growing nodules | |
JP4124406B2 (ja) | 異常陰影検出装置 | |
JP2006255065A (ja) | 画像出力方法および画像出力装置ならびにプログラム | |
EP3977400A1 (en) | A computer based method for classifying a mass of an organ as a cyst | |
JP2003220055A (ja) | 特徴量抽出方法、被写体認識方法および画像処理装置ならびに画像処理プログラム | |
JP2006181025A (ja) | 異常陰影検出方法および装置並びにプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20061207 |
|
A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20070904 |