JP2005269214A - 画像診断支援装置及び画像診断支援方法及び画像診断支援プログラム及び画像診断支援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 - Google Patents

Abstract

【課題】 診断対象の患者についての１枚のディジタル胸部画像と前記ディジタル胸部画像に類似する他人のディジタル胸部画像とを用いて、これら画像の差分を表す類似差分画像を作成し、作成した類似差分画像に基づいて画像診断を行う画像診断支援装置を提供する。
【解決手段】 画像診断支援装置１０００において、類似差分画像作成部３００は生体画像記憶部２００から診断の対象である患者のディジタル胸部画像１と、このディジタル胸部画像１に類似する他人のディジタル胸部画像１を類似画像１３４として読み込み、この２つの画像から双方の差分を表す類似差分画像１２０を作成する。結節状陰影検出部７は、前記類似差分画像１２０に基づき結節状陰影の候補を検出する。
【選択図】 図１

Description

この発明は、ディジタル画像を用いた画像診断支援装置及び画像診断支援方法に関する。例えば、診断対象である患者の１枚のディジタル胸部画像と、このディジタル胸部画像に最も類似する胸部画像を複数画像の中から自動で取得してこれらの差分画像を作成し、作成した差分画像に基づき病巣の候補を検出する画像診断支援装置及び画像診断支援方法に関する。

現在、日本国内においては、様々な集団検診が実施されてきているが、そのうちには、胸部Ｘ線検査、胃部Ｘ線造影検査等の画像診断を必要とするものが含まれている。

特に、肺がんは近年急増しており、早期発見することが必須とされていて、集団検診による画像診断の必要性が特に大きい。しかし、従来のように、胸部単純Ｘ線画像を主に用いた画像診断では、肺がんの見落としの多さが指摘され、その改善が問題となっている。

そこで、集団検診における有病正診率の改善を目的として、ＣＡＤシステム（コンピュータ支援診断システム）が開発されてきているが、その一手法として、同一患者の撮影日時の異なる２つのディジタル胸部正面画像に対して、一方の画像から他方の画像を差し引くことによって、２つの画像に共通の正常構造を取り除き、新しい病巣、又は病巣の変化分だけを強調した経時的差分画像を作ることができる、いわゆる経時的差分法アルゴリズムが開発されてきた。

その１つとして、時間的に連続した２つのディジタル胸部画像を入力として胸部画像間の変化を検出する技術に関しては、特開平７−３７０７４号公報に開示されている。

また、ディジタル化された原胸部画像の信号強調画像と信号抑制画像との差分をとった差分画像を生成し、この差分画像と原胸部画像とを使用して小結節の候補を特定する技術が特開平９−１８５７１４号公報に開示されている。

これらの従来技術では前記差分画像の生成には同一患者について、時間的に連続した２つのディジタル胸部画像が必要であった。このため、初診者の場合、時間的に連続した２つのディジタル胸部画像が存在しないので差分画像を使用した診断を行うことはできないという問題がある。

また、従来技術にあっては、オリジナルのディジタル胸部画像をそのまま入力として使用するが、オリジナルのディジタル胸部画像上には人体の正常構造が重なり合って写っており、臓器の陰影と結節状陰影との区別が付きにくく、結節状陰影の候補を検出する処理を実行した場合に、誤った結節状陰影を検出してしまう可能性が大きいといった問題点があった。

また、オリジナルのディジタル胸部画像上には経時的変化を表す情報が存在せず、通常、時間の経過で増大又は縮小する結節状陰影の情報を活用することができなかった。

また、オリジナルのディジタル胸部画像上に結節状陰影の候補を表示するのは、正常構造と結節状陰影の区別が自明ではなく、読影医にとって見やすい情報になっていなかった。
特開平７− ３７０７４号公報 特開平９−１８５７１４号公報

この発明は、診断対象の患者についての１枚のディジタル胸部画像と前記ディジタル胸部画像に類似する他人のディジタル胸部画像とを用いて、これら画像の差分を表す類似差分画像を作成し、作成した類似差分画像に基づいて画像診断を行う画像診断支援装置及び画像診断方法を提供する。

また、この発明は、類似差分画像を入力画像として画像処理を行って、結節状陰影の候補を検出すると共に、その結節状陰影の候補と鑑別診断結果とを類似差分画像上に表示させることで診断結果の精度を向上するようにした画像診断支援装置及び画像診断支援方法を提供する。

この発明に係る画像診断支援装置は、
生体の所定部分のディジタル画像を示す生体ディジタル画像を記憶する生体画像記憶部と、
前記生体画像記憶部から所定の生体についての第１の生体ディジタル画像と、前記第１の生体ディジタル画像に類似する生体類似画像とを取得し、前記第１の生体ディジタル画像と前記生体類似画像との差分を取り出す差分処理を行い前記第１の生体ディジタル画像と前記生体類似画像との差分を表わす画像を示す類似差分画像を作成する類似差分画像作成部と
を備えたことを特徴とする。

前記類似差分画像作成部は、
前記所定の生体とは異なる生体の生体ディジタル画像を前記生体類似画像として取得することを特徴とする。

前記画像診断支援装置は、さらに、
前記類似差分画像作成部の作成した前記類似差分画像に基づいて画像処理を行うことにより、前記所定の生体について病巣候補を検出する病巣検出部を備えたことを特徴とする。

前記類似差分画像作成部は、
所定の規則に基づいて前記生体画像記憶部から前記生体類似画像を取得する類似画像取得部を
備えたことを特徴とする。

前記類似画像取得部は、
前記第１の生体ディジタル画像について幾何学的な特徴を指標する幾何学的特徴量を算出し、算出した前記幾何学的特徴量に基づいて前記生体画像記憶部から前記生体類似画像を取得することを特徴とする。

前記類似画像取得部は、
前記生体画像記憶部から第１の規則を用いて前記生体類似画像の候補となる複数の生体ディジタル画像を読み込み、読み込んだ前記複数の生体ディジタル画像のそれぞれに対して第２の規則を用いて前記第１の生体ディジタル画像に類似する程度を示す類似度を算出し、算出した前記類似度に基づいて前記複数の生体ディジタル画像のなかから前記生体類似画像を決定することを特徴とする。

前記画像診断支援装置は、さらに、
類似差分画像作成部の作成した前記類似差分画像を表示する表示部を備えたことを特徴とする。

前記生体画像記憶部は、
前記生体ディジタル画像として人体のディジタル胸部画像を記憶し、
前記病巣検出部は、
前記生体についての病巣候補として人体の肺病巣の候補を検出することを特徴とする。

前記病巣検出部は、
肺病巣の候補として結節状陰影の候補を検出することを特徴とする。

前記類似差分画像作成部は、
肺野と縦隔とを含む類似差分画像を作成し、
前記病巣検出部は、
前記類似差分画像における肺野と縦隔とを合わせた胸部領域を対象として画像処理を行うことを特徴とする。

前記病巣検出部は、
前記類似差分画像における前記胸部領域の内部と外部とのそれぞれに対して所定の補正処理を示す背景傾向補正処理をし、前記背景傾向補正処理をした前記類似差分画像を補正済み・類似差分画像として前記補正済み・類似差分画像を用いて画像処理を行うことを特徴とする。

前記病巣検出部は、
前記類似差分画像の特徴を表す指標としての特徴量を算出し、算出した特徴量に基づいて前記病巣候補を検出することを特徴とする。

前記病巣検出部は、
前記補正済み・類似差分画像の特徴を表す指標としての特徴量を算出し、算出した特徴量に基づいて前記病巣候補を検出することを特徴とする。

前記病巣検出部は、
前記特徴量として、画像の形状と位置との少なくともいずれかの特徴を表す形状位置特徴量と画像の画素値の特徴を表す画素特徴量との少なくともいずれかに基づいて、前記病巣候補を検出することを特徴とする。

前記病巣検出部は、
前記特徴量を用いて所定のルールに従って処理を行うルールベース処理を行うことにより、前記病巣候補を検出することを特徴とする。

前記病巣検出部は、
多数の閾値を切換えながら閾値処理を実行する多重閾値処理を用いることにより、前記病巣候補を検出することを特徴とする。

前記画像診断支援装置は、さらに、
前記病巣検出部の検出した前記病巣候補と手動により指定された病巣候補とのいずれかに対して、少なくとも良性腫瘍と原発性肺癌と肺転移癌とを含む疾病区分を識別する鑑別診断処理部
を備えたことを特徴とする。

前記画像診断支援装置は、さらに、
少なくとも前記類似差分画像と前記第１の生体ディジタル画像とのいずれかに、前記病巣検出部の検出した前記病巣候補と前記鑑別診断処理部の識別した鑑別診断結果とを強調表示する表示部を備えたことを特徴とする。

前記画像診断支援装置は、さらに、
少なくとも前記類似差分画像と前記第１の生体ディジタル画像とのいずれかに、前記病巣検出部の検出した前記病巣候補と前記鑑別診断処理部の識別した鑑別診断結果とを計測データとして表示する表示部を備えたことを特徴とする。

この発明に係る画像診断支援方法は、
生体の所定部分のディジタル画像を示す複数の生体ディジタル画像を記憶する工程と、
前記工程により記憶された前記複数の生体ディジタル画像から第１の生体ディジタル画像と前記第１の生体ディジタル画像に類似する生体類似画像とを取得し、前記第１の生体ディジタル画像と前記生体類似画像との差分を取り出す差分処理を行い前記第１の生体ディジタル画像と前記生体類似画像との差分を表す画像を示す類似差分画像を作成する工程と
を備えたことを特徴とする。

この発明に係る画像診断支援プログラムは、
生体の所定部分のディジタル画像を示す複数の生体ディジタル画像を記憶する処理と、
前記工程により記憶された前記複数の生体ディジタル画像から第１の生体ディジタル画像と前記第１の生体ディジタル画像に類似する生体類似画像とを取得し、前記第１の生体ディジタル画像と前記生体類似画像との差分を取り出す差分処理を行い前記第１の生体ディジタル画像と前記生体類似画像との差分を表す画像を示す類似差分画像を作成する処理と
をコンピュータに実行させることを特徴とする。

この発明に係る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は、
生体の所定部分のディジタル画像を示す複数の生体ディジタル画像を記憶する処理と、
前記工程により記憶された前記複数の生体ディジタル画像から第１の生体ディジタル画像と前記第１の生体ディジタル画像に類似する生体類似画像とを取得し、前記第１の生体ディジタル画像と前記生体類似画像との差分を取り出す差分処理を行い前記第１の生体ディジタル画像と前記生体類似画像との差分を表す画像を示す類似差分画像を作成する処理と
をコンピュータに実行させるための画像診断支援プログラムを記録したことを特徴とする。

以上のように本発明に係る画像診断支援装置によれば、類似差分画像により生体の所定部分に異常な変化が生じているかどうかを容易に発見することができる。

実施の形態１．
以下に、図１から図１２を用いて、実施の形態１に係る画像診断支援装置１０００について説明する。

図１は、画像診断支援装置１０００の構成を示す図である。画像診断支援装置１０００は、所定の生体の所定部分の「第１の生体ディジタル画像」と、「第２の生体ディジタル画像」とを用いて、この２つのディジタル画像に差分処理を適用して差分画像を作成する。そして、この差分画像を入力画像として画像処理を行い、前記所定の生体について病巣の候補を検出する。

ここで、「生体」とは、本実施の形態１では人を対象とするが、画像診断支援装置１０００は、人以外の動物、例えば、家畜やペットや実験動物等にも適用が可能である。

また、「所定の生体」とは、画像診断支援装置１０００による診断の対象となる生体をいう。実施の形態１においては診断の対象である患者である。

また、「所定の部分」とは、本実施の形態１では「胸部」を対象とするが、画像診断支援装置１０００は胸部に限らず腹部（例えば、胃の画像）、頭部（脳の画像）など胸部以外についての画像を使用する、あらゆる病巣候補の検出に適用が可能である。

また、「第１の生体ディジタル画像」とは、本実施の形態１においては、画像診断支援装置１０００による診断対象となる患者のディジタル画像をいう。

画像診断支援装置１０００における前記の差分画像には、２つの種類を想定する。一つは「類似差分画像」であり、二つめは「経時的差分画像」である。本実施の形態１に係る画像診断支援装置１０００の特徴は、後述のように、類似差分画像を入力画像として画像処理を行い結節状陰影の候補（病巣候補の一例）を検出することにある。したがって、以下では類似差分画像を中心に説明していく。

ここで、「類似差分画像」とは、第１の生体ディジタル画像と、第１の生体ディジタル画像に類似する第２の生体ディジタル画像（生体類似画像。以下、単に類似画像という）との差分を表すディジタル画像をいう。さらに類似差分画像の具体的な例として、「ある患者のディジタル胸部正面画像」と、患者は異なるが「胸部の正常構造が類似する正常例の画像」（類似画像）とに対して、前記「ある患者のディジタル胸部正面画像」から前記「胸部の正常構造が類似する正常例の画像」（類似画像）を差し引くことによって、この２つの画像に共通の正常構造を取り除き、病巣だけを強調した画像が該当する。本実施の形態１に係る画像診断支援装置１０００では、「類似画像」は他人の画像を用いる。すなわち、診断対象の患者についてのディジタル胸部画像１（第１の生体ディジタル画像の一例）に対して、この患者とは異なる他人のディジタル胸部画像１のなかから類似する画像を類似画像として取得する。ここで、「ディジタル胸部画像１」とは、胸部画像診断に一般的に使用されている、造影剤無しで撮影した胸部Ｘ線画像のディジタル画像を表す。フラットパネルディテクタ等で取得する最初からディジタルの画像、フィルムに撮像したＸ線写真（アナログ画像）をデジタイザ等で取りこんでディジタル化した画像の双方を含む。本実施の形態１では、正面向きの画像（胸部正面像）を使用する。

前述のように、他人のディジタル画像を用いて差分画像を作成することにより、ある患者のディジタル胸部画像１と、患者は異なるが胸部の正常構造が類似する正常例の画像（類似画像）に対して、片方の画像からもう片方の画像を差し引くことによって、２つの画像に共通の正常構造を取り除き、病巣だけを強調した画像を得ることができる。この類似差分画像によれば、従来手法のアルゴリズムでは患者についての過去画像と現在画像との２枚の画像が必要であるのに対して、差分画像を作成するのには患者の現在画像１枚だけあればよい。したがって、初診者を診断する場合でも差分画像に基づく診断が可能となり、病変判別の精度を向上する。また、病巣の画像読撮影の負担を軽減することができる。

なお、実施の形態１では類似画像を他人のディジタル胸部画像１のなかから取得するが、これに限定するものではなく、他人に限らず同一人のディジタル胸部画像１を類似画像として使用しても構わない。

次に、二つめの差分画像である「経時的差分画像」について説明する。「経時的差分画像」とは、撮影時期の異なる２つのディジタル画像のうち一方を第１の生体ディジタル画像とし他方を第２の生体ディジタル画像として、これらの画像に差分処理を適用して両者の差分を表すディジタル画像として作成した画像をいう。さらに具体的な例としては、同一患者の撮影日時の異なる２つのディジタル胸部正面画像に対して、一方の画像から他方の画像を差し引くことによって、２つの画像に共通の正常構造を取り除き、新しい病巣、又は病巣の変化分だけを強調した画像が該当する。

画像診断支援装置１０００は、前述の類似差分画像あるいは経時的差分画像を入力画像として画像処理を行うことにより、病巣の候補の検出をする。

次に、画像診断支援装置１０００の構成を説明する。画像診断支援装置１０００は、生体画像記憶部２００、類似差分画像作成部３００、表示部４００、結節状陰影検出部７（病巣検出部の一例）、鑑別診断処理部８、及び結節状陰影編集部９を備える。生体画像記憶部２００は、ディジタル胸部画像１、経時的差分画像２、結節状陰影３、画像データ記憶部４、画像データ蓄積メモリ５、類似差分画像１２０、及び類似画像データベース１３０から構成されている。類似差分画像作成部３００は類似画像取得部１４０、経時的差分画像作成部６とから構成されている。また、表示部４００は、画像表示処理部１０と画像表示装置１１とから構成されている。

次に、類似差分画像に基づく処理の概要を説明する。類似差分画像作成部３００は生体画像記憶部２００からディジタル胸部画像１と類似画像１３４を読み込み、類似差分画像１２０を作成する。ここで類似差分画像作成部３００の類似画像取得部１４０は、所定の規則に基づき生体画像記憶部２００の類似画像データベース１３０から類似画像を取得する。結節状陰影検出部７は、類似差分画像作成部３００の作成した類似差分画像１２０及びディジタル胸部画像１に基づき結節状陰影の候補を検出する。ここで、「結節状陰影」とは、ディジタル胸部正面画像上に現れる孤立性の肺病巣を示す。画像上では陰影となって現れているので、適当な画像処理を適用することによって、病巣領域の位置と形状を自動検出することが可能である。そして、鑑別診断処理部８は、結節状陰影検出部７の検出した結節状陰影の候補に後述する鑑別診断を行う。表示部４００は、前述の類似差分画像、ディジタル胸部画像１、あるいは鑑別診断処理による結果などを表示する。

次に、画像診断支援装置１０００の各構成要素の機能について説明する。

ディジタル胸部画像１は、入力画像となる胸部正面のディジタル画像であり、ファイル、データベース等の形式で格納されている。

経時的差分画像２は、前述のように、撮影時期の異なる２つのディジタル胸部画像１に経時的差分処理を適用して作成された画像であって、入力画像となる共に出力画像の一部となり、ファイル、データベース等の形式で格納されている。

結節状陰影３は、出力画像となる結節状陰影のデータであり、ファイル、データベース等の形式で格納されている。

画像データ記憶部４は、ディジタル胸部画像１、類似画像１３４を指定された要求に基づいて読み込んで、画像データ蓄積メモリ５に格納する処理を行う。また、経時的差分画像作成部６で作成された経時的差分画像２、類似差分画像作成部３００で作成された類似差分画像１２０及び結節状陰影検出部７、結節状陰影編集部９、鑑別診断処理部８で作成された結節状陰影３を画像データ蓄積メモリ５から取り出し、指定された要求に基づいて、ファイル、データベース等の何らかの形式で保存する部分である。

画像データ蓄積メモリ５は、画像データ記憶部４で読み込まれたディジタル胸部画像１と、経時的差分画像作成部６で作成された経時的差分画像２、類似差分画像作成部３００で作成された類似差分画像、結節状陰影検出部７、結節状陰影編集部９及び鑑別診断処理部８で作成された結節状陰影３を一時的に蓄積しておく部分である。

経時的差分画像作成部６は、画像データ蓄積メモリ５から入力された撮影時期の異なる時系列に並んだ２つのディジタル胸部画像１を基にして、１つの経時的差分画像２を作成して画像データ蓄積メモリ５に出力する部分である。また、類似画像取得部１４０からの要求に基づいて、ディジタル胸部画像１と類似画像１３４を基にして類似差分画像を作成して類似画像取得部１４０に出力する部分である。

結節状陰影検出部７は、画像データ蓄積メモリ５から入力された経時的差分画像２とディジタル胸部画像１とを基にして、結節状陰影３の候補を検出して画像データ蓄積メモリ５に出力する。あるいは、画像データ蓄積メモリ５から入力された類似差分画像１２０とディジタル胸部画像１とを基にして、結節状陰影３の候補を検出して画像データ蓄積メモリ５に出力する。

鑑別診断処理部８は、画像データ蓄積メモリ５から入力された結節状陰影３、および経時的差分画像２または類似差分画像１２０、ディジタル胸部画像１を基にして、鑑別診断処理を実行して、鑑別診断結果を結節状陰影３の部分データとして画像データ蓄積メモリ５に出力する部分である。

結節状陰影編集部９は、画像表示処理部１０を経て画像表示装置１１に表示されたディジタル胸部画像１または経時的差分画像２または類似差分画像１２０の上で、指定された要求に基づいて、結節状陰影３を編集、入力、削除する処理を行う部分である。すなわち、読影者は、画像表示装置１１上に表示されたディジタル胸部画像１、経時的差分画像２、類似差分画像１２０を読影して、結節状陰影の候補（後述の結節状陰影候補１６）を手動で編集、入力、削除することができる。これらの編集、入力、削除は、各画像上で、結節状陰影候補１６の位置等を表示し確認しながら直接実施することができる。結節状陰影候補編集部９を用いて手動指定した結節状陰影候補１６を使用して、識別診断処理を実行することができる。

画像表示処理部１０は、画像データ蓄積メモリ５に格納されているディジタル胸部画像１または経時的差分画像２または類似差分画像１２０、及び結節状陰影３を、指定された要求に基づいて画像表示装置１１に表示する処理を行う部分である。

画像表示装置１１は、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）、プラズマディスプレイ、液晶ディスプレイ等の表示装置であり、医用診断に使用するため、走査線１０００本系以上の高精細表示装置であることが望ましい。

類似差分画像１２０は、画像処理における入力画像となり、ファイル、データベース等の形式で格納されている。

類似画像データベース１３０は、類似画像１３４の検索対象となる正常例のディジタル胸部画像であり、ファイル、データベース等の形式で格納されている。

類似画像取得部１４０は、画像データ蓄積メモリ５に格納されているディジタル胸部画像１を検索キーとして入力し、入力したディジタル胸部画像１に類似する類似画像１３４を類似画像データベース１３０から取得する。また、ディジタル胸部画像１と類似画像１３４とを経時的差分画像作成部６に入力して類似差分画像１２０を作成させ、画像データ蓄積メモリ５に類似差分画像１２０を出力させる。

次に、画像診断支援装置１０００の行う処理の概要を説明する。図２は、画像診断支援装置１０００が行う処理の概要を示すフローチャートである。Ｓ（ステップ）１００において、類似差分画像作成部３００は、差分画像（類似差分画像１２０あるいは経時的差分画像２）を作成する。次にＳ２００において、結節状陰影検出部７は、差分画像に基づいて結節状陰影候補１６の検出を行う。すなわち、結節状陰影検出部７は、類似差分画像１２０に基づいて結節状陰影の候補を検出する。あるいは、経時的差分画像２に基づいて結節状陰影の候補を検出する。次にＳ３００において、鑑別診断処理部８は、検出した結節状陰影候補１６について鑑別診断処理を行う。次にＳ４００において、表示部４００は、その結果を表示する。以下に、これらの各処理の詳細を説明する。

まず、図３を用いて類似差分画像１２０の作成（Ｓ１００に対応）について説明する。図３は、類似差分画像１２０の作成の過程を示すフローチャートである。類似差分画像１２０の作成の過程では、所定の規則に基づいて類似画像１３４を取得し、取得した類似画像１３４とディジタル胸部画像１とから類似差分画像１２０を作成する。

Ｓ１０１において、類似画像取得部１４０は、診断対象となるディジタル胸部画像１の「臨床パラメータ」（後述）に合致する（第１の規則の一例）画像を類似画像候補Ａ１３１として、類似画像データベース１３０から検索し、後述のＳ１０３で使用する候補画像を絞りこむ。「臨床パラメータ」の具体例は、性別、年齢等である。

Ｓ１０２において、類似画像取得部１４０は、診断対象となるディジタル胸部画像１の肺野の幾何学的特徴量に合致する（第２の規則の一例）画像を、Ｓ１０１で導出された類似画像候補Ａ１３１から検索し、Ｓ１０３で使用する類似画像候補Ｂ１３２として候補を絞りこむ。肺野の幾何学的特徴量の具体例は、肺領域の面積等である。これらは、後述の図５のＳ２０１に示す「胸部領域の抽出」と同様の手法で算出できる。

Ｓ１０３において、類似画像取得部１４０は、診断対象となるディジタル胸部画像１とＳ１０２で導出された類似画像候補Ｂ１３２の画像について、両画像の肺野の重なりが最大になるよう「肺野の位置合わせ」を行い、関心領域における「類似度」を計算する。なお、「肺野の位置合わせ」及び「類似度」については、さらに詳しく後述する。

Ｓ１０４において、類似画像取得部１４０は、Ｓ１０３で導出した類似画像候補Ｂの類似度１３３が最大となる画像を検索し、診断対象となるディジタル胸部画像１の類似画像１３４として決定して経時的差分画像作成部６に出力する。

Ｓ１０５において、経時的差分画像作成部６は、診断対象となるディジタル胸部画像１とＳ１０４で導出された類似画像１３４とを基にして、類似差分画像１２０を作成して類似画像取得部１４０に出力する。類似差分画像の作成のアルゴリズムには、例えば、経時的差分画像作成と同じアルゴリズムを適用することができる。以上のＳ１０１〜Ｓ１０５の過程により診断対象のディジタル胸部画像１が１枚だけであっても、ディジタル胸部画像１に最も類似する画像を類似画像として複数画像の中から自動で取得して、これらの画像を基に類似差分画像を作成し、それをアルゴリズムの入力画像にすることができる。

次に、前記Ｓ１０３で説明した「肺野の位置合わせ」について詳述する。図４（ａ）及び（ｂ）は、「肺野の位置合わせ」を説明するための図である。図４を用いて、「肺野の位置合わせ」の具体的手法について説明する。

まず、診断対象となる図示していないディジタル胸部画像１（以下、対象画像という。）と図４（ｂ）に示す類似画像候補Ｂ１３２（以下、候補画像Ｂという）について、対象画像と候補画像Ｂとの胸部上端の位置を一致させるために、対象画像の胸部上端から一定の高さで切り出した図４（ａ）に示すテンプレートＡを用いてマッチング処理を行う。このマッチング処理は、対象画像との上部胸部領域の相互相関が最大になるように、テンプレートＡを平行移動させる。ここでのテンプレートマッチングは、対象画像上のある位置（ｘ，ｙ）における解剖学的構造と同一のものが、候補画像Ｂ上の位置（ｘ’，ｙ’）に存在すると仮定すれば、以下に示す（１）、（２）式で表される候補画像Ｂの移動量Δｘ、Δｙを求めることで候補画像Ｂを対象画像のテンプレートＡと一致させることができる。
ｘ’＝ｘ＋Δｘ （１）
ｙ’＝ｙ＋Δｙ （２）
移動量Δｘ、Δｙは、図４（ａ）及び（ｂ）に示すように、テンプレートＡを候補画像Ｂの探索領域内で、次の（３）式で表される相互相関Ｃ_ｘ’ｙ’が最大となる移動量から求める。

次に、Ｓ１０４で述べた「類似度」の計算の具体的手法について説明する。肺野位置合わせで対応づけた診断対象となるディジタル胸部画像１（対象画像）と類似画像候補Ｂ１３２（候補画像Ｂ）について、関心領域における相互相関係数を計算し、それを類似度Ｃとする。類似度Ｃを下記の（４）式に示す。類似度Ｃを求める関心領域としては、胸部領域を基準に決定した矩形領域を用いる。

次に、図５により結節状陰影候補１６の検出の詳細について説明する。図５は、結節状陰影候補１６の検出の手順を示したフローチャートである。これは前述の図２におけるＳ２００の工程の具体的な過程である。結節状陰影候補１６の検出においては、差分画像として類似差分画像１２０を入力画像する場合を例にとり説明する。経時的差分画像２を入力画像とする場合は、「類似差分画像１２０」を「経時的差分画像２」と言い換えることにより、全ての処理が成立する。このため以下のステップでは「類似差分画像１２０（経時的差分画像２）」のように、経時的差分画像についても成立することを括弧書で示すこととする。

まず、類似差分画像１２０を作成する場合に、画像変形をしていない方のディジタル胸部画像１ａを用いて、胸部領域１２を抽出し、輪郭情報として出力する（Ｓ２０１）。ここで、「ディジタル胸部画像１ａ」とは、本実施の形態に係る画像診断支援装置１０００の入力となる、ある特定のディジタル胸部画像を意味する。なお、「ディジタル胸部画像１」というときは、保存されているディジタル胸部画像のすべてを指し示す。

胸部領域１２の抽出の具体的処理としては、ディジタル胸部画像１ａ上から、胸郭の外部輪郭境界（左右と上側の肋骨で象られる輪郭）を検出し、輪郭がない下部の部分を直線で結んで、一つの閉じた輪郭にする。胸部領域１２として、肺野と縦隔を合せた領域を抽出することができれば十分であり、前記処理はその目的を達している。

結節状陰影３は、胸部領域１２の内部にのみ存在するとみなすことができる。以降の処理においては、Ｓ２０１で導出された胸部領域１２を利用することにより、計算効率を向上させることができる。

次に、類似差分画像１２０（経時的差分画像２）に対して、背景傾向補正処理（Ｓ２０２）を適用して、新しい類似差分画像１２０（経時的差分画像２）としての補正済み・類似差分画像１３５（補正済み経時的差分画像１３）を作成する。

Ｓ２０２の背景傾向補正処理は、具体的には次の３段階を経て実行する。

まず、類似差分画像１２０（経時的差分画像２）は、Ｓ２０１で作成した胸部領域１２の外部を全て固定値にする。指定する固定値は、類似差分画像１２０（経時的差分画像２）の胸部領域１２の内部の画素平均値とする。この処理により、胸部領域１２の外部の画素分布の影響が除去される。

次に、類似差分画像１２０（経時的差分画像２）が構成する曲面の近似曲面を、２次元多項式近似を用いて導出する。

最後に、類似差分画像１２０（経時的差分画像２）から近似曲面を差し引き、適当なオフセットを全体に付加して画素値を正の値になるようにして、画像を出力する。この３番目の処理を実際に適用するのは胸部領域１２の内部のみとし、胸部領域１２の外部については画素値０を与える。

Ｓ２０２で導出された補正済み・類似差分画像１３５（補正済み経時的差分画像１３）に対して、多重閾値処理を適用することにより、「初期結節状陰影候補１４の拾い上げ」を行う（Ｓ２０３）。なお、「初期結節状陰影候補１４の拾い上げ」についての詳細は後述する。初期結節状陰影候補１４は、補正済み・類似差分画像１３５（補正済み経時的差分画像１３）上の連結領域として与えられる。

次に、補正済み・類似差分画像１３５（補正済み経時的差分画像１３）及びディジタル胸部画像１ａを用いて、Ｓ２０３で導出された初期結節状陰影候補１４のそれぞれに関する特徴量１５を計算する（Ｓ２０４）。

ここで、計算される特徴量１５の具体的な例としては、次のようなものがあげられる。

ここで、特徴量とは画像の特徴を表す指標であって、形状、位置に基づく特徴量と画素値に基づく特徴量とがある。形状、位置に基づく特徴量１５（形状位置特徴量の一例）としては、連結領域の重心座標（画像座標）である重心位置、連結領域の画素数である面積、面積が一致する円の直径である実効直径、重心位置において実効直径の円を描いたときに円内に含まれる陰影候補の面積の割合である円形度、連結領域の周囲長である周囲長等がある。画素値に基づく特徴量１５（画素特徴量の一例）としては、平均値、標準偏差、分散、最大値、最小値、歪度、尖度等の一般統計量やコントラスト、エネルギー、エントロピー等がある。

直接の結節状陰影検出対象である類似差分画像１２０（経時的差分画像２）のみならず、オリジナルのディジタル胸部画像１ａから求めた特徴量１５を使用することにより、人体の正常構造など、類似差分画像１２０上（経時的差分画像２上）では現れない特徴を生かした処理を行うことが可能となる。

次に、Ｓ２０４で導出された特徴量１５を使用して、ルールベース処理により判定を行い、偽陽性候補を決定する（Ｓ２０５）。偽陽性候補を初期結節状陰影候補１４から除去することにより、最終的な結節状陰影候補１６が得られる。ここで、「ルールベース処理」とは、人工知能の分野ではエキスパートシステムによく利用されている方法のことである。例えば、結節状陰影のデータ及び結節状陰影と間違いやすいデータを多く収集してきて、それらのデータ群の間に存在するルールを解釈して、ｉｆ−ｔｈｅｎルールの形式で与えられたクラス間の決定境界により判別する処理のことをいう。

なお、類似差分画像１２０（経時的差分画像２）は、原理的に、経時的変化分以外は、肋骨等の正常構造を含めて消えた画像になっているはずであるが、撮影体位のずれ、呼吸位のずれ等を原因とする偽画像成分が残っていることが多い。Ｓ２０２の背景傾向補正処理によって、これらの偽画像成分のうち直流成分を取り除くことができる。その結果、多重閾値処理により結節状陰影候補１６を拾い上げるときに、画像上の位置の違いによる影響が小さくなり、安定して処理を実行できる。

次に、前述のＳ２０３における「結節状陰影候補の拾い上げ」について詳述する。
「結節状陰影候補の拾い上げ」については、結節状陰影候補１６の検出の場合が差分画像を類似差分画像としているので、類似差分画像を対象に説明する。

図６は、「結節状陰影候補拾い上げ」の手順を示したフローチャートである。結節状陰影候補１６を拾い上げるために、多数の閾値を切換えながら閾値処理を実行する多重閾値処理を適用する。

まず、補正済み・類似差分画像１３５（補正済み・経時的差分画像１３）の画素値に関するヒストグラム１７を作成する（Ｓ２０６）。補正済み・類似差分画像１３５上（補正済み・経時的差分画像１３上）では、画素値０の領域は胸部領域１２の外部を表すので、ヒストグラム作成の際には使用しない。

Ｓ２０６で導出されたヒストグラム１７を使用して、ヒストグラム面積に対する％比率で定義して多重閾値１８を導出する（Ｓ２０７）。なお、多重閾値１８の導出の考え方については後述する。

多重閾値１８を導出するための具体的な処理としては、画素値の小さい方から順にヒストグラム面積を累積していって、予め％値で設定された値に一致する画素値を閾値として導出する。通常、％値は複数設定されているので、得られる閾値も複数であり、本実施の形態ではこれを「多重閾値」と呼んでいる。

Ｓ２０７で導出された多重閾値１８をそれぞれ、補正済み・類似差分画像１３５（補正済み経時的差分画像１３）に適用して、２値画像１９を作成する（Ｓ２０８）。

Ｓ２０８で導出された２値画像１９のそれぞれに対して、閾値以下を表す連結領域をラベリングして島領域２０を全て導出する（Ｓ２０９）。

Ｓ２０９で導出された島領域２０には、互いに包含された状態にある重複した島領域２０が存在する。この重複分を除去した（Ｓ２１０）後の島領域を全て、初期結節状陰影候補１４とする。

Ｓ２１０の島領域除去の具体的処理としては、異なる％値の島領域を組合せて、互いに包含された状態にあるかどうかを検知して、％値の大きい方の島領域（すなわち、面積の大きい方の島領域）を陰影候補から除去する。これにより、％値の小さい、すなわち画素値のできるだけ小さい部分で拾い上げられた結節状陰影３の候補を出力することができる。

次に、前述のＳ２０７で述べた閾値について、閾値導出の考え方について説明する。図７は画素ヒストグラムであり、多重閾値導出の具体例を示したグラフである。図７を参照して説明する。

補正済み・類似差分画像１３５上（補正済み・経時的差分画像１３上）では、結節状陰影候補１６は、周囲に比べて相対的に暗い（画素値の小さい）領域として表示されている。したがって、２値画像１９を作成したときに島領域２０として現れる結節状陰影候補１６は、閾値よりも小さい領域の方である。結節状陰影候補１６を洩れなく拾い上げるためには、画素値の小さい方から順に閾値を多段階に設定していって、それぞれ島領域を抽出していくものとする。

具体的には、画素ヒストグラムの最小画素値を開始点として境界画素値を移動していって、全体面積に対する累積面積の比率が指定した％値になる画素値を、閾値として使用する。指定する境界画素値は、３％、６％、９％等と、％値で予め設定しておく。

多重閾値は、％比率で設定された境界画素値を基に、画素値に関するヒストグラム１７から導出される。

次に、鑑別診断処理の工程について説明する。鑑別診断処理の工程は、前述の図２におけるＳ３００である。この「鑑別診断処理の工程」については、結節状陰影候補１６の検出の場合が差分画像を類似差分画像としているので、類似差分画像を対象に説明する。

図８（ａ）及び（ｂ）は、鑑別診断処理の手順を示したフローチャートである。

鑑別診断処理は図８（ａ）の学習処理と、図８（ｂ）の識別処理との２つの処理で構成される。

学習処理の最初には、補正済み・類似差分画像１３５（補正済み経時的差分画像１３）及びディジタル胸部画像１を用いて、入力された結節状陰影候補１６に対する特徴量１５ｇを計算する（Ｓ３０１）。

ここで、直接の結節状陰影検出対象である類似差分画像１２０（経時的差分画像２）のみならず、オリジナルのディジタル胸部画像１ａを用いることにより、人体の正常構造等、類似差分画像１２０上（経時的差分画像２上）では現れない特徴を生かした処理を行うことができるといった利点が考えられる。

次に、Ｓ３０１で作成された特徴量１５ｇを入力として、多クラス識別器を学習して多クラス識別器２１を出力（Ｓ３０２）して、学習処理は終了となる。出力された多クラス識別器２１は、次の識別処理において使用される。

識別処理では、まず、学習処理における特徴量計算（Ｓ３０１）と同様に特徴量１５ｓを計算する（Ｓ３０３）。

次にＳ３０３で作成された特徴量１５ｓを入力とし、及びＳ３０２の多クラス識別器の学習により出力された多クラス識別器２１を入力として多クラス識別器を実行し（Ｓ３０４）、鑑別診断結果２２を出力する。鑑別診断処理の実行装置には、最終的には多クラス識別器２１を組込んで、識別処理を動作させるようにするとよい。

学習処理は、識別処理の前段階として実行させておく必要がある。多クラス識別器の構造をどんなものにするにせよ、識別対象の結節状陰影候補１６の特徴をよく表しているデータを相当数用意しておき、ジャックナイフ法等の適切な手順に従って学習させる。また、それぞれの識別器の特徴を活かして、適用方法を工夫する。

多クラス識別器２１としては、例えば、線形判別の多段実行による多クラス分類や人工ニューラルネットワーク等のような識別器を使用すればよい。

鑑別診断の識別対象としては、良性腫瘍、原発性肺がん、肺転移がん等の疾病を識別し、鑑別診断結果２２として出力するものとする。

次に、画像表示処理の工程について説明する。画像表示処理の工程は、前述の図２におけるＳ４００である。

類似差分画像１２０は、そのまま画像表示して読影に使用できる。類似画像データベース１３０を正常症例だけで構成することにより、類似画像データベース１３０から選択された類似画像を基にして作成された類似差分画像１２０上では、後述のように正常構造ではない異常陰影が強調される。読影者は、ディジタル胸部画像１を読影する場合よりも、異常陰影を自然と認識できるようになる。

画像表示処理においては、基本的には、ディジタル胸部画像１、経時的差分画像２または類似差分画像１２０を画像表示装置１１上に表示して読影を行う。本実施の形態１に係る画像診断支援装置１０００に基づいて作成された結節状陰影３の候補及び鑑別診断結果２２は、経時的差分画像２上又は類似差分画像１２０上又はディジタル胸部画像１上に重畳して表示して、読影を支援する。

図９に、類似差分画像をそのまま表示した例の概略図を示した。図１０に、
結節状陰影の強調表示した例の概略図を示した。

この実施の形態に係る画像診断支援装置１０００によれば、結節状陰影検出処理により作成された結節状陰影３の候補を使用して、図９に示したような、類似差分画像１２０上または経時的差分画像２上に淡く写っている結節状陰影３を、図１０に示したように強調表示することができる。強調表示することにより、読影者は、通常の読影手順の延長線上で、自動検出されたかどうかは意識せずに、結節状陰影３を自然と認識できるようになる。

また、結節状陰影検出処理により作成された結節状陰影３の候補を使用して、類似差分画像１２０上または経時的差分画像２上に淡く写っている結節状陰影３の場所を、計測データ表示の一環として、指し示すようにすることができる。この計測データ表示により、読影者は明確に結節状陰影３の候補を認識することができる。

鑑別診断結果については、結節状陰影３の候補を色又はマークによって区分けして表示する。

計測データ表示においては、例えば、良性腫瘍は緑色、原発性肺がんは黄色、肺転移がんは赤色というように交差線分を表示することで、区分の識別を明示することができる。また、＋印、×印、□印というように、計測データ表示のマークを変えることもできる。

図１１は、計測データ表示の交差線分表示の例を示した概略図であり、結節状陰影候補の中心に交差線分を表示している。図１２は、拡大表示の例を示した概略図であり、結節状陰影候補を含む領域を拡大表示している。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、類似差分画像作成部を備えたので、類似差分画像により生体の所定部分の変化を容易に知ることができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、診断対象となる患者とは異なる患者のディジタル胸部画像を類似画像として取得して類似差分画像を作成可能であるので、診断対象となる患者のディジタル胸部画像は１枚だけあればよい。よって、患者が初診者である場合でもこの患者の現在のディジタル胸部画像が１枚だけあれば、過去のディジタル胸部画像を必要とすることなく、類似差分画像を作成することができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、類似差分画像に基づいて画像処理を行い結節状陰影の候補を検出する結節状陰影検出部を備えたので、結節状陰影の候補を検出する検出感度を向上することができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、所定の規則に基づいて類似画像を取得する類似画像取得部を備えたので、客観的かつ迅速に類似画像を取得することができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、類似画像取得部はディジタル胸部画像の幾何学的特徴量に基づいて類似画像を取得するので、迅速に類似画像を取得することができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、類似度に基づき類似画像を決定するので、より類似するディジタル胸部画像を取得することができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、類似差分画像を表示する表示部を備えたので、差分が表われた類似差分画像を表示することにより、読影者の異常陰影の発見負担を軽減することができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、生体画像記憶部は人体のディジタル胸部画像を記憶し、結節状陰影検出部は肺病巣の候補を検出するので、人の肺病巣の候補を迅速、的確に検出することができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、人の肺病巣として結節状陰影の候補を検出するので、肺癌の見落としを改善することができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、類似差分画像における肺野と縦隔を合わせた胸部領域を対象として画像処理を行うので、無駄な画像処理を除外し、画像処理にかかる時間を短縮することができる。
以上のように実施の形態１に係る画像診断支援装置１０００によれば、類似差分画像に背景傾向補正処理を行うので、胸部領域の外部の画素分布の影響を除去して安定した画像処理を実行することができる。また、安定した画像処理により検出感度を向上することができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、類似差分画像の特徴を表す指標としての特徴量に基づいて病巣候補を検出するので、より検出感度を向上させることができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、補正済み・類似差分画像の特徴を表す指標としての特徴量に基づいて病巣候補を検出するので、画像処理の安定化、画像処理の迅速化、及び結節状陰影の候補の検出感度を向上させることができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、形状位置特徴量と画素特徴量との少なくともいずれかを使用するので、効率的に画像処理をすることができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、結節状陰影の候補の検出にルールベース処理を適用するので、過去の経験則が精度よく反映された結果を提供することができ、比較的容易に検出感度を向上させることができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、結節状陰影の候補の抽出に、多数の閾値を切換えながら閾値処理を実行する多重閾値処理を適用するので、画素値の小さいものから大きなものまで的確に捉えることができる。このため、結節状陰影の小さなものから大きなものまでを的確に捉えることができ、より検出感度を向上させることができる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、結節状陰影の候補、又は手動で指定された結節状陰影の候補に対して、少なくとも良性腫瘍と原発性肺癌と肺転移癌とを含む疾病区分を識別する鑑別診断処理を実施するので、容易に具体的な疾病区分の情報が得られることとなり、病変判別の精度を向上できる。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、少なくとも類似差分画像とディジタル胸部画像とのいずれかに、結節状陰影の候補と鑑別診断結果とを強調表示するので、読影者は結節状陰影が自動検出されたかどうかを意識することなく異常陰影を自然と認識することができ病変判別の精度が向上する。

以上のように実施の形態１に係る画像診断支援装置１０００によれば、少なくとも類似差分画像とディジタル胸部画像とのいずれかに、結結節状陰影の候補と鑑別診断結果とを計測データとして表示するので、疾病区分の情報を参考にする際の目安が与えられるため、読影者の負担を軽減することができる。

実施の形態２．
次に、図１３を用いて実施の形態２を説明する。実施の形態２は、前記の実施の形態１に係る画像診断支援装置１０００の各構成要素の動作をソフトウェア（プログラム）により実施する実施形態である。

前記の実施の形態１に係る画像診断支援装置１０００の各構成要素の各動作は互いに関連しており、各構成要素の動作は、前記に示した動作の関連を考慮しながら、一連の動作として置き換えることができる。そして、このように置き換えることにより、画像診断支援方法の発明として実施することができる。

また、上記各構成要素の動作を、各構成要素の処理と置き換えることにより、画像診断支援プログラムとして実施することができる。

また、画像診断支援プログラムを、コンピュータ読み取り可能な記録媒体に記録させることで、画像診断支援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として実施することができる。

プログラムの実施の形態及び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の実施の形態は、すべてコンピュータで動作可能な画像診断支援プログラムにより構成することができる。

図１３は、実施の形態１に係る画像診断支援装置１０００の動作をプログラムにより実行する場合を示す、実施の形態２に係る画像診断支援装置２０００の構成図である。図１３において、プログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）８０は、バス９８を介して、磁気記憶装置９０、外部装置接続部９４、表示部７０、入力部の例としてのキーボード１０２、及びＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９５等と接続されている。磁気記憶装置９０には、オペレーティングシステム（ＯＳ）９１、プログラム群９２、ファイル群９３が記憶されている。プログラム群９２は、ＣＰＵ８０、ＯＳ９１により実行される。また、外部装置接続部９４には、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）ドライブが接続可能である。画像診断支援プログラムを記録したＤＶＤ９７（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の一例）をＤＶＤドライブ９６にセットして、この画像診断支援プログラムをプログラム群９２の一つとして記憶させることができる。

プログラムの実施の形態及び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の実施の形態における各処理は、プログラムで実行されるが、このプログラムは、磁気記憶装置９０に記録されていて、磁気記憶装置９０からＣＰＵ８０に読み込まれ、ＣＰＵ８０によって各動作が実行される。また、各実施の形態のソフトウェアやプログラムは、ＲＯＭ９５に記憶されたファームウェアで実行されても構わない。あるいは、ソフトウェアとファームウェアとハードウェアの組み合わせで前述した画像診断支援プログラムを実現しても構わない。

以上のように実施の形態２に係る画像診断支援方法によれば、類似差分画像により人の胸部に異常な変化が生じているかどうかを容易に発見することができる。

以上のように実施の形態２に係る画像診断支援プログラムによれば、専用装置を必要とすることなくコンピュータにこのプログラムを読み取らせることにより、類似差分画像に基づいて人の胸部に異常な変化が生じているかどうかを容易に発見することができる。

以上のように実施の形態２に係る画像診断支援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によれば、画像診断支援プログラムの保管、管理を容易化するとともに、画像診断支援プログラムをコンピュータに読み取らせることにより、類似差分画像に基づいて人の胸部に異常な変化が生じているかどうかを容易に発見することができる。

実施の形態１に係る画像診断支援装置１０００の構成を示す図である。 画像診断支援装置１０００が行う処理の概要を示すフローである。 類似差分画像１２０の作成の過程を示すフローチャートである。 （ａ）及び（ｂ）は「肺野の位置合わせ」を説明するための図である。 結節状陰影検出の手順を示したフローチャートである。 「結節状陰影候補拾い上げ」の手順を示したフローチャートである。 多重閾値導出の具体例を説明するための画素ヒストグラムを示す。 （ａ）及び（ｂ）は鑑別診断処理の手順を示したフローチャートである。 類似差分画像をそのまま表示した例の概略図を示す。 結節状陰影の強調表示した例の概略図を示す。 計測データ表示の交差線分表示の例を示した概略図である。 拡大表示の例を示した概略図である。 実施の形態２に係る画像診断支援装置２０００の構成図である。

符号の説明

１ ディジタル胸部画像、２ 経時的差分画像、３ 結節状陰影、４ 画像データ記憶部、５ 画像データ蓄積メモリ、６ 経時的差分画像作成部、７ 結節状陰影検出部、８ 鑑別診断処理部、９ 結節状陰影編集部、１０ 画像表示処理部、１１ 画像表示装置、１２ 胸部領域、１３ 補正済み・経時的差分画像、１４ 初期結節状陰影候補、１５ 特徴量、１５ｇ 特徴量、１５ｓ 特徴量、１６ 結節状陰影候補、１７ ヒストグラム、１８ 多重閾値、１９ ２値画像、２０ 島領域、２１ 多クラス識別器、２２ 鑑別診断結果、７０ 表示部、８０ ＣＰＵ、９０ 磁気記憶装置、９１ ＯＳ、９２ プログラム群、９３ ファイル群、９４ 外部装置接続部、９５ ＲＯＭ、９６ ＤＶＤドライブ、９７ ＤＶＤ、１０２ キーボード、１２０ 類似差分画像、１３０ 類似画像データベース、１３１ 類似画像候補Ａ、１３２ 類似画像候補Ｂ、１３３ 類似画像候補Ｂの類似度、１３４ 類似画像、１３５ 補正済み・類似差分画像、１４０ 類似画像取得部、２００ 生体画像記憶部、３００ 類似差分画像作成部、４００ 表示部、１０００ 画像診断支援装置、２０００ 画像診断支援装置。

Claims (22)

1. 生体の所定部分のディジタル画像を示す生体ディジタル画像を記憶する生体画像記憶部と、
   前記生体画像記憶部から所定の生体についての第１の生体ディジタル画像と、前記第１の生体ディジタル画像に類似する生体類似画像とを取得し、前記第１の生体ディジタル画像と前記生体類似画像との差分を取り出す差分処理を行い前記第１の生体ディジタル画像と前記生体類似画像との差分を表わす画像を示す類似差分画像を作成する類似差分画像作成部と
   を備えたことを特徴とする画像診断支援装置。
2. 前記類似差分画像作成部は、
   前記所定の生体とは異なる生体の生体ディジタル画像を前記生体類似画像として取得することを特徴とする請求項１記載の画像診断支援装置。
3. 前記画像診断支援装置は、さらに、
   前記類似差分画像作成部の作成した前記類似差分画像に基づいて画像処理を行うことにより、前記所定の生体について病巣候補を検出する病巣検出部を備えたことを特徴とする請求項１記載の画像診断支援装置。
4. 前記類似差分画像作成部は、
   所定の規則に基づいて前記生体画像記憶部から前記生体類似画像を取得する類似画像取得部を
   備えたことを特徴とする請求項１または２または３記載の画像診断支援装置。
5. 前記類似画像取得部は、
   前記第１の生体ディジタル画像について幾何学的な特徴を指標する幾何学的特徴量を算出し、算出した前記幾何学的特徴量に基づいて前記生体画像記憶部から前記生体類似画像を取得することを特徴とする請求項４記載の画像診断支援装置。
6. 前記類似画像取得部は、
   前記生体画像記憶部から第１の規則を用いて前記生体類似画像の候補となる複数の生体ディジタル画像を読み込み、読み込んだ前記複数の生体ディジタル画像のそれぞれに対して第２の規則を用いて前記第１の生体ディジタル画像に類似する程度を示す類似度を算出し、算出した前記類似度に基づいて前記複数の生体ディジタル画像のなかから前記生体類似画像を決定することを特徴とする請求項４記載の画像診断支援装置。
7. 前記画像診断支援装置は、さらに、
   類似差分画像作成部の作成した前記類似差分画像を表示する表示部を備えたことを特徴とする請求項１または２または３記載の画像診断支援装置。
8. 前記生体画像記憶部は、
   前記生体ディジタル画像として人体のディジタル胸部画像を記憶し、
   前記病巣検出部は、
   前記生体についての病巣候補として人体の肺病巣の候補を検出することを特徴とする請求項３記載の画像診断支援装置。
9. 前記病巣検出部は、
   肺病巣の候補として結節状陰影の候補を検出することを特徴とする請求項８記載の画像診断支援装置。
10. 前記類似差分画像作成部は、
    肺野と縦隔とを含む類似差分画像を作成し、
    前記病巣検出部は、
    前記類似差分画像における肺野と縦隔とを合わせた胸部領域を対象として画像処理を行うことを特徴とする請求項８または９記載の画像診断支援装置。
11. 前記病巣検出部は、
    前記類似差分画像における前記胸部領域の内部と外部とのそれぞれに対して所定の補正処理を示す背景傾向補正処理をし、前記背景傾向補正処理をした前記類似差分画像を補正済み・類似差分画像として前記補正済み・類似差分画像を用いて画像処理を行うことを特徴とする請求項１０記載の画像診断支援装置。
12. 前記病巣検出部は、
    前記類似差分画像の特徴を表す指標としての特徴量を算出し、算出した特徴量に基づいて前記病巣候補を検出することを特徴とする請求項３記載の画像診断支援装置。
13. 前記病巣検出部は、
    前記補正済み・類似差分画像の特徴を表す指標としての特徴量を算出し、算出した特徴量に基づいて前記病巣候補を検出することを特徴とする請求項１１記載の画像診断支援装置。
14. 前記病巣検出部は、
    前記特徴量として、画像の形状と位置との少なくともいずれかの特徴を表す形状位置特徴量と画像の画素値の特徴を表す画素特徴量との少なくともいずれかに基づいて、前記病巣候補を検出することを特徴とする請求項１２または１３記載の画像診断支援装置。
15. 前記病巣検出部は、
    前記特徴量を用いて所定のルールに従って処理を行うルールベース処理を行うことにより、前記病巣候補を検出することを特徴とする請求項１２または１３記載の画像診断支援装置。
16. 前記病巣検出部は、
    多数の閾値を切換えながら閾値処理を実行する多重閾値処理を用いることにより、前記病巣候補を検出することを特徴とする請求項３記載の画像診断支援装置。
17. 前記画像診断支援装置は、さらに、
    前記病巣検出部の検出した前記病巣候補と手動により指定された病巣候補とのいずれかに対して、少なくとも良性腫瘍と原発性肺癌と肺転移癌とを含む疾病区分を識別する鑑別診断処理部
    を備えたことを特徴とする請求項８または９記載の画像診断支援装置。
18. 前記画像診断支援装置は、さらに、
    少なくとも前記類似差分画像と前記第１の生体ディジタル画像とのいずれかに、前記病巣検出部の検出した前記病巣候補と前記鑑別診断処理部の識別した鑑別診断結果とを強調表示する表示部を備えたことを特徴とする請求項１７記載の画像診断支援装置。
19. 前記画像診断支援装置は、さらに、
    少なくとも前記類似差分画像と前記第１の生体ディジタル画像とのいずれかに、前記病巣検出部の検出した前記病巣候補と前記鑑別診断処理部の識別した鑑別診断結果とを計測データとして表示する表示部を備えたことを特徴とする請求項１７記載の画像診断支援装置。
20. 生体の所定部分のディジタル画像を示す複数の生体ディジタル画像を記憶する工程と、
    前記工程により記憶された前記複数の生体ディジタル画像から第１の生体ディジタル画像と前記第１の生体ディジタル画像に類似する生体類似画像とを取得し、前記第１の生体ディジタル画像と前記生体類似画像との差分を取り出す差分処理を行い前記第１の生体ディジタル画像と前記生体類似画像との差分を表す画像を示す類似差分画像を作成する工程と
    を備えたことを特徴とする画像診断支援方法。
21. 生体の所定部分のディジタル画像を示す複数の生体ディジタル画像を記憶する処理と、
    前記工程により記憶された前記複数の生体ディジタル画像から第１の生体ディジタル画像と前記第１の生体ディジタル画像に類似する生体類似画像とを取得し、前記第１の生体ディジタル画像と前記生体類似画像との差分を取り出す差分処理を行い前記第１の生体ディジタル画像と前記生体類似画像との差分を表す画像を示す類似差分画像を作成する処理と
    をコンピュータに実行させることを特徴とする画像診断支援プログラム。
22. 生体の所定部分のディジタル画像を示す複数の生体ディジタル画像を記憶する処理と、
    前記工程により記憶された前記複数の生体ディジタル画像から第１の生体ディジタル画像と前記第１の生体ディジタル画像に類似する生体類似画像とを取得し、前記第１の生体ディジタル画像と前記生体類似画像との差分を取り出す差分処理を行い前記第１の生体ディジタル画像と前記生体類似画像との差分を表す画像を示す類似差分画像を作成する処理と
    をコンピュータに実行させるための画像診断支援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。

Images