JP2005530261A - 画像処理における、または画像処理に関する改良 - Google Patents

Abstract

デジタル化マンモグラムのようなノイズの多い画像の処理に特に適した画像処理方法。画像中のコントラストに応じて拡散パラメータが調節される適応的異方性拡散処理方法を記載する。分割パラメータが画像中のコントラストに応じて適応的に設定される適応的中心分割方法も記載する。

Description

本発明は、画像処理に関し、特に画像の解釈を助ける画像の強調(enhancement)に関する。

画像、特にデジタル化画像を処理してノイズを低減し画像の解釈を助ける技法は多くある。このような技法は特に、通常は画像にノイズが多く、臨床的に重要な兆候のほとんどが微細なものであるために解釈することが難しい医療画像化の分野では重要である。一例として、多くの医療技法の基礎としてＸ線画像化が用いられており、特に、マンモグラフィは現在のところ、乳癌の早期検出に最適な検査である。乳癌の最も初期の指標の１つに微細石灰化(microcalcification)の存在があり、これは多くの場合、マンモグラムにおいて、局所化された明るい点として識別することができる。添付図面において、図１は、微細石灰化を示すマンモグラムのサンプルをいくつか示す。図１ａおよび図１ｂは分離した石灰化を示し、一方で図１ｃおよび図１ｄは微細石灰化の集まり(cluster)を示す。放射線科医または臨床医がマンモグラム画像中の微細石灰化を発見するのを助ける画像強調技法があれば役立つだろう。しかし、このような技法は、臨床的に重要な微細石灰化の集まりをできるだけ見逃さず、かつあまり多くの偽陽性を示さないことが重要である。

マンモグラム中の微細石灰化を自動検出する方法は、例えば国際公開第００／５２６４１号パンフレットおよび国際公開第０１／６９５３３号パンフレットにおいて提案されている。これらの技法は、ｈ_ｉｎｔ表現として知られる、画像を適応させたものに基づいており、ｈ_ｉｎｔ表現では、画像化プロセスに特有の特定の画像化パラメータが除去される。この結果として、実質的に、標準マンモグラムフォーマット（Standard Mammogram Format：ＳＭＦ）として知られる正規化画像が得られ、ｈ_ｉｎｔ表面として、またはｈ_ｉｎｔ値をグレイレベルに変換して（この場合、画像は従来のマンモグラムに似たものとなる）表示することができる。ｈ_ｉｎｔ表現を生成する技法をここで繰り返すことはしないが、これらの技法は国際公開第００／５２６４１号パンフレット（本明細書中に参照により援用する）に詳細に説明されている。添付図面の図２および図３はそれぞれ、元のマンモグラムおよび異なるｈ_ｉｎｔすなわちＳＭＦ表現を示す。図２ではｈ_ｉｎｔ値が表面として示され、図３ではｈ_ｉｎｔ値がグレイレベルに変換され、従来のマンモグラムに近いＳＭＦとして表示されている。

画像を強調する一技法は「拡散(diffusion)」として知られる。これは、本質的に、核（例えばガウス核）を用いて画像中の強度値(intensity value)を畳み込むことによって画像が処理される平滑化プロセスである。このような平滑化プロセスは画像の強調を助けることができるが、問題を生じる可能性もある。特に、背景に対して表示される対象物を含む画像では、対象物が背景の中へ平滑化されたりぼかされたり(blur)してしまうことは望ましくない。したがって、拡散処理を対象物内および背景内で行い、この２つの間の境界を越えては行わない、いわゆる「異方性拡散」技法が提案されている。このような技法は、例えばPeronaおよびMalik著「Scale-Space and Edge Detection Using Anisotropic Diffusion」（IEEE Transactions on Pattern Analysis and Machine Intelligence, volume 12, number 7, July 1990）およびBlack等著「Robust Anisotropic Diffusion」（IEEE Transactions on Image Processing, volume 7, number 3, March 1998）（これらは参照により本明細書中に援用される）に開示されている。しかし、これらの技法では、反復回数、核のスケールおよび拡散係数自体を含む拡散プロセスのパラメータが通常、ユーザによって対話形式で設定される。これは、質および特性の異なる多くの画像が生成され、よって個々の画像毎にパラメータの自動設定が必要となる医用画像処理には非実用的である。

本発明の第１の態様は、異方性拡散プロセスを用いたマンモグラム画像の処理方法を提供し、この異方性拡散プロセスは、処理される画像に応じて適応的である。このプロセスは、画像の特性、例えば画像中のコントラストの測度(measure)に応じて自己適応する。この適応は自動であるため、異なるタイプの画像毎にユーザが画像を評価して拡散プロセスパラメータを設定する必要がない。

拡散プロセスは、そのパラメータ（例えばその拡散係数、および／または、例えばプロセス中の反復回数）を変化させることによって適応的なものにすることができる。例えば、拡散係数は画像中のコントラストに依存してもよい。特に拡散係数は、統計解析または画像中の局所的なコントラストの測度から（例えば局所的なコントラスト値の平均値および標準偏差に基づいて）計算してもよい。

したがって、本発明は、原画像を撮影し、おそらくは原画像を処理し、例えばマンモグラムにおいて既知の技法を用いてこの画像を強調して、標準マンモグラムフォーマットを生成し、おそらくはガウス微分を求める等の他の強調を行い、次に異方性拡散プロセスを適用することを伴い、拡散プロセスのパラメータの少なくとも１つは、この特定の画像の特性から計算される。

この技法は、異方性拡散処理を多くの異なる画像、例えば異なるマンモグラムに自動的に適用することを可能にすることが分かっている。マンモグラムの場合、この技法は、微細石灰化の処理画像における可視性の強調を行う。

本発明の別の態様は、コントラストベースの分割（segmentation）方法（例えばいわゆる中心（foveal）分割アルゴリズム）を用いることによって画像中の対象物を画像の背景から分割する方法を提供し、分割アルゴリズムは、処理される画像の特性（例えばコントラスト）に依存することによって適応的なものになる。

中心分割は、画像の領域における局所的なコントラストに基づく分割である。これは、Heucke等著「A New Image Segmentation Method Based on Human Brightness Perception and Foveal Adaptation」（IEEE Signal Processing Letters, volume 7, number 6, June 2000）において説明されているように、人間の明るさの知覚の解析に基づく。この論文に記載されている技法において、画像の領域は、局所的なコントラストが所定の最小コントラストよりも高いかどうかに応じて、対象物または背景のいずれかに属するように割り当てられる。最小コントラストは、人間の目によって知覚される最小コントラストとなるように計算される。しかし、本発明のこの態様では、分割技法を発展させて、分割プロセスのパラメータの少なくとも１つが画像特性から計算されるようにする。これにより、ユーザが分割パラメータを対話形式で設定する必要なく、特性の異なる画像の自動分割が可能になる。都合の良いことに、最小コントラスト値は、画像中のコントラスト、例えば画像中の局所的なコントラストの統計解析または測度に関して、例えば局所的なコントラスト値の平均値および標準偏差に基づいて定められる。

本発明の２つの態様を統合してもよく、これらの態様は、医用Ｘ線画像、特にデジタル化マンモグラムの処理に特に有用である。

本発明は、適切にプログラムされたコンピュータシステム上で画像処理方法を実行するプログラムコード手段を備えるコンピュータプログラム、コンピュータプログラムを保持するコンピュータ読み取り可能な記憶媒体、および画像処理方法を実行する画像処理装置にも及ぶ。

本発明はさらに、添付図面を参照して例として説明される。

図４は、本発明の１実施形態による画像処理のフロー図である。本実施形態では、本発明による処理の前に、画像を強調するための以前に提案されている処理を行う。

グレイレベルの原画像１をまずウィーナーフィルタを用いてぼかす。これにより、微細石灰化の検出における偽陽性の原因となるＸ線写真モトル(radiographic mottle)を除去することによって、画像のノイズがある程度除去される。ウィーナーフィルタは、原画像中のＸ線写真ノイズの特性に適合される。この技法は、M. Yam、 J.M. Brady、R.P. Highnam、R. English著「Denoising h_int Surfaces: a Physics-based Approach」（Medical Image Computing and Computer-Assisted Intervention 1999, Springer-Verlag, Berlin Heidelberg New York (1999) 227-234）（参照により本明細書中に援用される）において説明されている。

次のステップは、国際公開第００／５２６４１号パンフレットに記載されている技法を用いて標準マンモグラムフォーマット（ＳＭＦ）５を生成することである。

これをさらに、国際公開第００／５２６４１号パンフレットに開示されているグレア(glare)除去技法によって処理して、ぼかしたグレアのないＳＭＦ７を生成してもよい。

微細石灰化の検出誤りの主な原因は、増感スクリーン上の小さなほこりから主に現れるフィルム−スクリーンショットノイズであり、これは微細石灰化の視覚特性と似た視覚特性を有する。しかしショットノイズは、胸部内の構造ではなく、例えばスクリーン上のほこりにより生じるため、ぼやけがないことを特徴とする。したがって、このようなショットノイズは、ぼやけがないことで検出でき、その後画像から除去することができる。この技法は、R.P. Highnam、J.M. Brady、R. English著「Detecting Film-Screen Artifacts in Mammography using a Model-Based Approach」（IEEE Transactions in Medical Imaging, Vol. 18 (1999) 1016-1024）（参照により本明細書中に援用する）に記載されている。さらに、胸部の曲線構造（curvilinear structures）は、ノイズの多い画像で見た場合、微細石灰化と似た視覚特性を有する。したがって、曲線構造を除去する利用可能な技法のうちの１つを用いることが有利であるが、例えばそれは、K. Yates、C.J. Evans、J.M. Brady「Improving the Brake's Mammographic Mass Detection Algorithm Using Phase Congruency」（Proceedings of Digital Image Computing: Techniques and Applications, Melbourne (2002)）（参照により本明細書中に援用する）に開示されるような、位相の一致(phase congruency)に基づくものである。

これにより、強調されたＳＭＦ９が結果として得られる。図７はこのアーチファクト(artifact)除去プロセスを示す。図７ａは原画像を示し、図７ｂはショットノイズマップを示す（白い点がノイズである）。図７ｃは曲線構造マップを示し、図７ｄはショットノイズおよびＣＬＳを除去した後の「きれいな（clean）」画像を示す。

次に、本発明によれば、きれいなＳＭＦ９に適応的異方性拡散プロセスを施して拡散画像１１を生成し、次に適応的中心分割を施して微細石灰化のマップ１３を生成する。これらのプロセスは、画像中の局所的なコントラストを表すパラメータｋを用いることによって適応的なものになる。このパラメータは勾配マップ１５から導出される。この勾配マップ１５の計算は後述する。

異方性拡散をパラメータフォーマットにすることにより、異方性拡散は、その入力パラメータの微調整に対して高依存性になる。異方性拡散を用いて画像をぼかそうとする際に考慮すべきパラメータとして次の３つがある：ｋ（コントラスト）、ｔ（時間または反復回数）、およびσ（標準偏差またはスケール）。実際に、データセット中の画像がより複雑で変化に富むほど、データセット全体で良好に機能するこれらのパラメータの一組の値を選択することがより大きな問題となる。医用画像、そして確実にマンモグラムは、（センター、病院、地域、国または大陸における）集団の中で外観が大幅に変化する非常に複雑な画像であり、このことが、わずかな偽陽性およびより少ない偽陰性を生成するという重要な要件を非常に難しくしている。

本発明のこの実施形態によれば、画像に依存するコントラストパラメータｋは、画像の特性に応じて変化する。時間パラメータｔはスケールと同様に一定（すなわち一定の反復回数）となるように設定される。

本発明のこの実施形態によれば、適応的異方性拡散は、ガウス微分フィルタの使用から導出されたパラメータ、特にコントラスト値を用いて行われる。初めに、ＳＭＦ９を処理し、以下の式２および式３に従って画像のガウス微分を導出する。

ここで、Ｋは画像Ｉのガウス形であり、Ｍはガウス微分である。

次に、以下の式４に従って画像の局所的なコントラストの値ｇ_ｉを計算する。

局所的なコントラストは、Ｎ画素からなる近傍で計算される。これらの値ｇ_ｉは、図１０に示すように勾配マップで表示されてもよく、図１０ａおよび図１０ｂはそれぞれ、分離した石灰化および微細石灰化の集まりを含む画像であり、図１０ｃおよび図１０ｄは対応する勾配マップである。勾配マップにおいて石灰化の可視性がより高くなっていることが分かる。

本実施形態では、計算されるコントラスト値ｋを次に、以下の式５に従って画像の勾配マップから計算する。この値は、局所的なコントラストの平均値に２つの標準偏差を加えたものとなるように設定される。この値は後に、異方性拡散プロセスならびに中心分割プロセスにおいて用いられる。

値ｋを計算したら、きれいなＳＭＦ９に異方性拡散プロセスを適用する。これは、J. Weickert著「Anisotropic Diffusion in Image Processing」（B.B. Teubner, Stuttgart (1998)）（参照により本明細書中に援用する）に開示されているものと同様の拡散テンソルを、ただし以下の固有値を使用して適用することを伴う。

ここで、Ｉは最初の画像であり、Ｉ_σはガウス平滑化画像であり、ｋは計算されたコントラスト測度であり、ｎは適切な高い指数（例えば８または１２）である。ｋが高い場合、すなわちコントラストが高く、よってエッジを示す場合、λ_１の指数項の値は非常に小さく、よってエッジを超えた拡散が抑制されることが分かる。

図８は、原画像の一例と、それをｋ＝５、σ＝０．６を用いて、初めにｔ＝２０回の反復で、次にｔ＝４０回の反復で拡散したものを示す。拡散画像において微細石灰化ならびにノイズの可視性がより高くなっていることが分かる。図９ａおよび図９ｂは、元のマンモグラムを図９ａに示し、その表面プロットを図９ｂに示し、またマンモグラムの拡散ＳＭＦを図９ｃに、それに対応する表面プロットを図９ｄに示す。この場合、拡散は、ｋ＝１５、σ＝０．６およびｔ＝５回の反復で行った。

図５および図６もまた画像の拡散を示す。図５ａは、大きな石灰化およびいくつかのアーチファクトを含むマンモグラムのサンプルを示す。図５ｂは、画像を拡散した結果を示し、平滑な背景と石灰化とを明確に区別することができる。図６において、図６ａは、左側の微細石灰化および右下側の大きなノイズの箇所を含むＳＭＦ画像である。図６ｂは図６ａを拡散したものであり、図６ｃは図６ａのＳＭＦ画像の３Ｄプロットである。表面プロットは、非常にノイズの多い外観を示しており、重要な構造はほとんど区別することができない。しかし、図６ｄは図６ｂの拡散画像の表面を示しており、微細石灰化が、同一画像中の非常にエッジの鋭いノイズ構造よりも平滑なエッジを有する丘として現れる一方、背景は平滑である。したがって、重要な構造をより容易に識別することができる。

図４に示すプロセスの最後のステップは、Heucke等が説明している中心方法のような適応的分割方法の適用である。この処理は拡散ＳＭＦ画像１１に対して行われる。内側領域、その近傍および背景用のマスクを用いて画像強度／値の一組の平均値を計算する。内側表面のヒストグラムにより対象物内の値の平均（μ_Ｏ）が得られ、画像全体のヒストグラムにより背景値の平均（μ_Ｂ）が得られる。近傍の値の平均（μ_Ｎ）は、マスクに適切なスケールを設定した強度の加重和として定義される。この場合、知覚可能なコントラストは次式で表される。
Ｃ＝｜μ_Ｏ−μ_Ｎ｜／μ_Ｎ
次に、最小コントラスト値を計算する。ここでμ_Ａ＝ｗ・μ_Ｎ＋（１−Ｗ）・μ_Ｂであり、ここでｗは０〜１の適切な重みである。実際はｗ＝０．９２３で良好な結果が得られる。したがって、Ｃ_ｍｉｎは以下の式７に従って、ｃ_ｗを√（ｋ／２００）として計算される。

実際は、値ｂ＝０．０８０８で良好な結果が得られた。したがって分割プロセスは、勾配マップから計算されるｋの値に基づき、よって処理される特定の画像に適応される。Ｃ>Ｃ_ｍｉｎである領域が微細石灰化としてマーキングされる。

図１１は、様々な元のＳＭＦ画像を図１１ａ、図１１ｃ、図１１ｅ、図１１ｇおよび図１１ｉに示し、対応する検出マップを図１１ｂ、図１１ｄ、図１１ｆ、図１１ｈおよび図１１ｊに示す。マーキングされた領域は、コントラストＣが最小コントラストＣ_ｍｉｎよりも大きい領域である。したがって微細石灰化は、図１１ｂ、図１１ｄ、図１１ｆ、図１１ｈおよび図１１ｊに示す分割されたマップ１３において明確に可視であることが分かる。

本発明をマンモグラムの処理、特に標準マンモグラムフォーマットのマンモグラムの処理に関連して説明してきたが、本技法は、そのフォーマットでないマンモグラムや他の医用または非医用画像にも適用可能であることが理解されるべきである。

本発明は、適切にプログラムされたコンピュータシステム上で画像処理方法を実行するコンピュータプログラム、コンピュータプログラムを保持するコンピュータ読み取り可能な記憶媒体、および画像処理方法を実行する画像処理装置にも及ぶ。

微細石灰化を含むマンモグラムである。 微細石灰化を含むマンモグラムである。 微細石灰化を含むマンモグラムである。 微細石灰化を含むマンモグラムである。 マンモグラムである。 図２ａのマンモグラムを標準マンモグラムフォーマットにしたものである。 マンモグラムである。 図３ａのマンモグラムを標準マンモグラムフォーマットにしたものである。 本発明の１実施形態による画像処理を示すフロー図である。 大きな石灰化およびいくつかのアーチファクトを含むマンモグラムの一例である。 図５ａの画像を拡散した結果を示す図である。 微細石灰化を含むＳＭＦ画像である。 図６ａの画像を拡散変換したものである。 図６ａのＳＭＦ画像の３ｄプロットである。 図６ｂの拡散画像の表面である。 マンモグラムのアーチファクト除去における原画像である。 マンモグラムのアーチファクト除去におけるショットノイズのマップである。 マンモグラムのアーチファクト除去における画像中の曲線構造のマップである。 マンモグラムのアーチファクト除去における、ショットノイズおよび曲線構造を除去した後の画像である。 原画像と画像を異なるパラメータで拡散したものを示す図である。 元のマンモグラムである。 図９ａのマンモグラムの表面プロットである。 図９ａのマンモグラムを拡散したものである。 図９ｃの拡散画像の表面プロットである。 石灰化のある原画像である。 石灰化のある原画像である。 図１０ａの画像の勾配マップである。 図１０ｂの画像の勾配マップである。 図１０ａの画像を拡散したものである。 図１０ｂの画像を拡散したものである。 元のＳＭＦ画像である。 図１１ａに対応する、本発明の１実施形態により微細石灰化を検出しマーキングした処理画像である。 元のＳＭＦ画像である。 図１１ｃに対応する、本発明の１実施形態により微細石灰化を検出しマーキングした処理画像である。 元のＳＭＦ画像である。 図１１ｅに対応する、本発明の１実施形態により微細石灰化を検出しマーキングした処理画像である。 元のＳＭＦ画像である。 図１１ｇに対応する、本発明の１実施形態により微細石灰化を検出しマーキングした処理画像である。 元のＳＭＦ画像である。 図１１ｉに対応する、本発明の１実施形態により微細石灰化を検出しマーキングした処理画像である。

Claims (15)

1. 画像中のコントラストに応じて適応される異方性拡散プロセスを前記画像に適用することを含む画像処理方法。
2. 前記異方性拡散プロセスの拡散係数が前記画像中のコントラストに応じて適応される請求項１に記載の方法。
3. 前記拡散係数は前記画像中の局所的なコントラストから計算される請求項２に記載の方法。
4. 前記拡散係数は前記画像中の局所的なコントラストの平均値から計算される請求項３に記載の方法。
5. 前記画像のガウス微分を導出するステップと、
   前記異方性拡散プロセスをそのＳＭＦ画像に適用するステップと
   をさらに含む請求項１〜４のいずれか一項に記載の方法。
6. 画像を処理して前記画像中の対象物を背景から分割する方法であって、
   中心分割アルゴリズムを前記画像に適用することであって、前記画像の領域の局所的なコントラストが最小コントラスト値よりも大きい場合、前記画像の前記領域を対象物に割り当て、前記最小コントラスト値は前記画像中のコントラストに対して定められる、中心分割アルゴリズムを前記画像に適用すること
   を含む、画像を処理して前記画像中の対象物を背景から分割する方法。
7. 前記最小コントラストは、前記画像中の局所的なコントラストの平均値から計算される請求項６に記載の方法。
8. 前記局所的なコントラストは、前記対象物内および前記画像内の画像強度の加重和から計算される請求項６または７に記載の方法。
9. 前記画像のガウス微分を導出するステップと、
   前記中心分割アルゴリズムをそのＳＭＦ画像に適用するステップと
   をさらに含む請求項６〜８のいずれか一項に記載の方法。
10. 前記画像中の局所的なコントラストの平均値は前記画像全体について計算される請求項４、７または８に記載の方法。
11. 請求項６〜１０のいずれか一項に記載の中心分割方法を用いて処理済みの画像を分割することをさらに含む請求項１〜５のいずれか一項に記載の方法。
12. 前記画像はＸ線画像である請求項１〜１１のいずれか一項に記載の方法。
13. 前記画像は医用画像である請求項１〜１２のいずれか一項に記載の方法。
14. 前記画像はマンモグラムである請求項１〜１３のいずれか一項に記載の方法。
15. 前記処理済みの画像の領域を、微細石灰化を表すものとして識別するステップをさらに含む請求項１３に記載の方法。
    

Images