JP2006230904A - 画像処理装置及び画像処理方法 - Google Patents

Abstract

【課題】処理対象画像において検出対象とする画像領域を検出する検出精度を向上させる。
【解決手段】画像処理装置１は、処理対象画像における任意の注目画素ｐを設定するとともに、その注目画素から所定範囲内の画像領域を設定する。そして、その設定された画像領域における濃度分布を示す曲面上の注目画素ｐにおける法線を回転軸として法平面を所定角度ずつ回転させ、その回転角度毎に、注目画素から所定範囲内の画像領域の曲面を法平面で切り出すことによって得られた曲線を、最小二乗法を用いて円で近似し、近似円の半径の逆数を、注目画素ｐにおける法曲率とする。そして、回転角度毎に算出された法曲率から、濃度分布の曲面形状を表す特徴量であるShape Indexを算出する。
【選択図】図１

Description

本発明は、画像処理装置及び画像処理方法に関する。

医療の分野においては、医用画像のデジタル化が実現され、ＣＲ（Computed Radiography）装置等により生成された医用画像データを表示モニタに表示し、この表示モニタに表示された医用画像を医師が読影して、病変部の状態や経時変化を観察して診断を行っている。

従来、このような医師の読影に対する負担軽減を目的として、上記医用画像データを画像処理することにより、画像上に現れた病変部の陰影を異常陰影候補として自動的に検出するコンピュータ診断支援装置（Computed-Aided Diagnosis；以下、ＣＡＤという。）と呼ばれる医用画像処理装置が開発されている。

病変部の陰影は、特徴的な濃度分布を有することが多く、ＣＡＤは、このような濃度特性に基づいて病変部と推測される画像領域を異常陰影候補領域として検出するものである。例えば、乳癌の癌化部分の特徴的なものとして腫瘤、微小石灰化クラスタが挙げられるが、乳房を撮影した医用画像（これをマンモグラフィという。）上では、腫瘤陰影はガウス分布に近い濃度変化を有する白っぽく丸い陰影として現れる一方、微小石灰化クラスタは、微小石灰化した部分が集まって（クラスタ化して）存在するものであり、マンモグラフィ上では略円錐構造の濃度変化を有する白っぽく丸い陰影として現れる。

上記ＣＡＤでは、検出目的とする病変種類に応じて様々な検出アルゴリズムが開発されており、腫瘤陰影の検出に最適なアルゴリズムとしては、アイリスフィルタを用いた手法等が提案されている（例えば、特許文献１及び特許文献２参照。）。また、微小石灰化クラスタ陰影の検出に最適なアルゴリズムとしては、モルフォルジーフィルタを用いた手法等が提案されている。
特開平８−２６３６４１号公報 特開平１０−９１７５８号公報

しかしながら、アイリスフィルタは、一般的に腫瘤陰影のように丸く周囲に比べて低濃度である領域に強く反応するため、円形度が高く厚みのある乳腺が塊状となって画像上に現れている場合、正常組織の乳腺をも異常陰影として誤検出してしまう場合がある。同様に、画像上にノイズのような高周波信号が発生している場合、微小石灰化クラスタ陰影とノイズの信号変化が類似しているため、判別がつきにくく、やはりノイズ領域を誤検出してしまうことがある。

また、画像信号を、画像位置（２次元座標）と濃度成分からなる３次元信号として見た場合、画像信号は濃度分布を示す曲面を構成する。異常陰影は上述したように円錐構造状等の濃度変化を示すので、異常陰影の信号領域は特徴的な曲面を構成するはずである。しかしながら、アイリスフィルタのようにある注目画素への濃度勾配の集中度に基づいて検出を行う等、濃度特性に基づいて異常陰影候補を検出する手法は開発されているが、画像信号を、濃度分布を表す曲面として見て陰影の曲面形状を考慮した手法はいまだ提案されていない。

本発明の課題は、処理対象画像において検出対象とする画像領域を検出する検出精度を向上させることである。

請求項１に記載の発明は、処理対象画像における任意の注目画素を設定するとともに、その注目画素から所定範囲内の画像領域を設定する設定手段と、前記設定された画像領域における濃度分布を示す曲面の形状を表す特徴量としてシェイプインデックスを算出する特徴量算出手段と、を備えることを特徴としている。

請求項２に記載の発明は、請求項１に記載の画像処理装置において、前記処理対象画像の濃度分布を示す曲面上の注目画素における法線を回転軸として法平面を所定角度ずつ回転させ、その回転角度毎に、注目画素から所定範囲内の画像領域の曲面を法平面で切り出すことによって得られた曲線を近似する関数を算出する関数算出手段を備え、前記特徴量算出手段は、前記関数算出手段により算出された近似関数に基づいて特徴量を算出することを特徴としている。

請求項３に記載の発明は、請求項２に記載の画像処理装置において、前記関数算出手段は、最小二乗法を用いて前記曲線を近似する関数を算出することを特徴としている。

請求項４に記載の発明は、請求項２又は３に記載の画像処理装置において、前記関数算出手段は、前記近似関数として近似円を算出し、前記特徴量算出手段は、回転角度毎に、前記算出された近似円の半径から前記曲線の注目画素における曲率を算出し、回転角度毎に算出された曲率に基づいて特徴量を算出することを特徴としている。

請求項５に記載の発明は、請求項２又は３に記載の画像処理装置において、前記関数算出手段は、前記近似関数として楕円を表す関数を算出し、
前記特徴量算出手段は、回転角度毎に、前記算出された楕円から前記曲線の注目画素における曲率を算出し、回転角度毎に算出された曲率に基づいて特徴量を算出することを特徴としている。

請求項６に記載の発明は、請求項２又は３に記載の画像処理装置において、前記関数算出手段は、前記近似関数としてガウス関数を算出し、
前記特徴量算出手段は、回転角度毎に、前記算出されたガウス関数から前記曲線の注目画素における曲率を算出し、回転角度毎に算出された曲率に基づいて特徴量を算出することを特徴としている。

請求項７に記載の発明は、請求項２又は３に記載の画像処理装置において、前記関数算出手段は、前記近似関数として多次元多項式関数を算出し、
前記特徴量算出手段は、回転角度毎に、前記算出された多次元多項式関数から前記曲線の注目画素における曲率を算出し、回転角度毎に算出された曲率に基づいて特徴量を算出することを特徴としている。

請求項８に記載の発明は、請求項１〜７の何れか一項に記載の画像処理装置において、前記特徴量算出手段は、前記処理対象画像の処理対象領域を設定し、当該処理対象領域の画素について特徴量を算出することを特徴としている。

請求項９に記載の発明は、請求項１〜８の何れか一項に記載の画像処理装置において、前記処理対象画像は医用画像であることを特徴としている。

請求項１０に記載の発明は、請求項９に記載の画像処理装置において、前記特徴量算出手段より算出された特徴量の値に基づいて、検出対象の濃度分布の形状に応じた信号領域を検出する検出手段を備えることを特徴としている。

請求項１１に記載の発明は、請求項１０に記載の画像処理装置において、前記検出手段は、ガウス分布状の曲面を構成する信号領域を検出することを特徴としている。

請求項１２に記載の発明は、請求項１０又は１１に記載の画像処理装置において、前記検出手段は、前記特徴量算出手段より算出された特徴量の値に基づいて、腫瘤陰影候補の信号領域を検出することを特徴としている。

請求項１３に記載の発明は、処理対象画像における任意の注目画素を設定するとともに、その注目画素から所定範囲内の画像領域を設定する設定工程と、前記設定された画像領域における濃度分布を示す曲面の形状を表す特徴量としてシェイプインデックスを算出する特徴量算出工程と、を含むことを特徴としている。

請求項１４に記載の発明は、請求項１３に記載の画像処理方法において、前記処理対象画像の濃度分布を示す曲面上の注目画素における法線を回転軸として法平面を所定角度ずつ回転させ、その回転角度毎に、注目画素から所定範囲内の画像領域の曲面を法平面で切り出すことによって得られた曲線を近似する関数を算出する関数算出工程を含み、前記特徴量算出工程では、前記関数算出工程において算出された近似関数に基づいて特徴量が算出されることを特徴としている。

請求項１５に記載の発明は、請求項１４に記載の画像処理方法において、前記関数算出工程では、最小二乗法を用いて前記曲線を近似する関数が算出されることを特徴としている。

請求項１６に記載の発明は、請求項１４又は１５に記載の画像処理方法において、前記関数算出工程では、前記近似関数として近似円が算出され、前記特徴量算出工程では、回転角度毎に、前記算出された近似円の半径から前記曲線の注目画素における曲率が算出され、回転角度毎に算出された曲率に基づいて特徴量が算出されることを特徴としている。

請求項１７に記載の発明は、請求項１４又は１５に記載の画像処理方法において、前記関数算出工程では、前記近似関数として楕円を表す関数が算出され、
前記特徴量算出工程では、回転角度毎に、前記算出された楕円から前記曲線の注目画素における曲率が算出され、回転角度毎に算出された曲率に基づいて特徴量が算出されることを特徴としている。

請求項１８に記載の発明は、請求項１４又は１５に記載の画像処理方法において、前記関数算出工程では、前記近似関数としてガウス関数が算出され、
前記特徴量算出工程では、回転角度毎に、前記算出されたガウス関数から前記曲線の注目画素における曲率が算出され、回転角度毎に算出された曲率に基づいて特徴量が算出されることを特徴としている。

請求項１９に記載の発明は、請求項１４又は１５に記載の画像処理方法において、前記関数算出工程では、前記近似関数として多次元多項式関数が算出され、
前記特徴量算出工程では、回転角度毎に、前記算出された多次元多項式関数から前記曲線の注目画素における曲率が算出され、回転角度毎に算出された曲率に基づいて特徴量が算出されることを特徴としている。

請求項２０に記載の発明は、請求項１３〜１９の何れか一項に記載の画像処理方法において、前記特徴量算出工程では、前記処理対象画像の処理対象領域が設定され、当該処理対象領域の画素について特徴量が算出されることを特徴としている。

請求項２１に記載の発明は、請求項１３〜２０の何れか一項に記載の画像処理方法において、前記処理対象画像は医用画像であることを特徴としている。

請求項２２に記載の発明は、請求項２１に記載の画像処理方法において、前記特徴量算出工程において算出された特徴量の値に基づいて、検出対象の濃度分布の形状に応じた信号領域を検出する検出工程を含むことを特徴としている。

請求項２３に記載の発明は、請求項２２に記載の画像処理方法において、前記検出工程では、ガウス分布状の曲面を構成する信号領域が検出されることを特徴としている。

請求項２４に記載の発明は、請求項２２又は２３に記載の画像処理方法において、前記検出工程では、前記特徴量算出工程において算出された特徴量の値に基づいて、腫瘤陰影候補の信号領域が検出されることを特徴としている。

本発明によれば、処理対象画像の濃度分布を示す曲面の形状を表す特徴量としてシェイプインデックスを算出することにより、処理対象画像から、特徴的な曲面形状を構成する検出対象の画像領域を他の画像領域と区別して的確に検出することができ、検出精度を向上させることができる。

以下、図面を参照して、本発明の実施形態を説明する。

まず、本実施形態における構成について説明する。
図１に、本発明の実施形態に係る画像処理装置１の主要部構成を示す。画像処理装置１は、図１に示すように、ＣＰＵ（Central Processing Unit）２、Ｉ／Ｆ（InterFace）３、操作部４、表示部５、通信部６、ＲＡＭ（Random Access Memory）７、記憶装置８、プログラムメモリ９により構成される。

ＣＰＵ２は、プログラムメモリ９に格納されているシステムプログラム、特徴量算出処理プログラム等の各種プログラムをＲＡＭ７に展開し、これらのプログラムとの協働により画像処理装置１の各部の動作を制御する。

ＣＰＵ２は、特徴量算出処理（図７参照）において、画像位置（２次元座標）と濃度の３方向の信号成分からなる医用画像信号の濃度分布を示す曲面において、注目画素と、その注目画素を中心とした所定範囲内の画像領域を設定し、曲率フィルタを用いて、その設定された画像領域における曲面の曲率を、最小二乗法を用いて算出し、その算出された曲率から、当該曲面の特徴量を算出する。ここで、所定範囲とは、検出対象の異常陰影の大きさに応じて予め設定されている。例えば、腫瘤陰影は、５ｍｍ〜３０ｍｍ程度の大きさのものが多いため、所定範囲として、この大きさに対応する範囲が設定されている。また、曲面の特徴量としては、曲面の形状を表す特徴量であるシェイプインデックス（以下、「Shape Index」と表記する。）を算出する。ＣＰＵ２は、上述の曲率フィルタを、処理対象画像全体に走査させることにより、各画素のShape Indexを算出する。本実施形態の曲率フィルタを用いた特徴量の算出方法については、後に詳細に説明する。

また、ＣＰＵ２は、各画素のShape Indexを算出すると、濃度分布の凹凸を強調した画像（Shape Index画像）を作成し、濃度分布の曲面形状が特定の形状を有する信号領域を取り出すことにより、異常陰影を検出する。例えば、ＣＰＵ２は、濃度分布の曲面形状がガウス分布状の凹型になっている信号領域を検出することにより、腫瘤陰影候補の信号領域を検出する。

更に、ＣＰＵ２は、特徴量算出処理を実行する前に、入力された医用画像信号に対し、各種画像処理を施す。各種画像処理には、コントラストを調整する階調処理、コントラストが小さくなりやすい乳腺や腫瘤の低濃度領域の濃度階調を拡大し、逆に微小石灰化クラスタの画像が存在する可能性が少ない脂肪領域の濃度階調を圧縮するように補正を行うコンラスト補正処理、画像の鮮鋭度を調整するアンシャープネスマスク処理、ダイナミックレンジの広い被写体の細部のコントラストを低下させることなく見やすい濃度範囲に収めるためのダイナミックレンジ圧縮処理等が含まれる。

Ｉ／Ｆ３は、画像生成装置Ｇと接続するためのインターフェイスである。画像生成装置Ｇにおいて生成された医用画像信号は、Ｉ／Ｆ３を介して画像処理装置１に入力される。

画像生成装置Ｇとしては、例えば医用画像が記録されたフィルム上にレーザ光を走査して医用画像信号を読み取るレーザデジタイザや、ＣＣＤ（Charge Coupled Device）等の光電変換素子からなるセンサによりフィルムに記録された医用画像信号を読み取るフィルムスキャナ等が適用可能である。

また、フィルムに記録された医用画像を読み取るのではなく、蓄積性蛍光体を用いて医用画像を撮影する撮影装置や、照射された放射線の強度に応じた電荷を生成する放射線検出素子とコンデンサからなるフラットパネルディテクタ等を接続可能な構成としてもよく、その医用画像信号の入力方法は特に限定しない。

操作部４は、カーソルキー、数字キー、各種機能キー等からなるキーボードを備えて構成され、キーの押下操作に対応する操作信号をＣＰＵ２に出力する。なお、操作部４は、必要に応じてマウスやタッチパネル等の入力ディバイスを含むような構成にしてもよい。

表示部５は、ＬＣＤ（Liquid Crystal Display）等の表示画面により構成され、ＣＰＵ２から入力される表示制御信号に従って、各種の表示情報を表示する。

通信部６は、ネットワークインターフェイスカード、モデム、ターミナルアダプタ等の通信用インターフェイスにより構成され、通信ネットワーク上の外部機器と各種情報の送受信を行う。例えば、通信部６を介して画像生成装置Ｇから医用画像信号を受信する構成としてもよいし、通信部６を介して病院内のサーバ等に接続したり、各診療室に設置される診療端末に接続して、画像処理結果を送信する構成としてもよい。

ＲＡＭ７は、ＣＰＵ２によって実行される各種プログラムや、これらのプログラムによって処理されたデータ等を一時的に記憶するワークエリアを形成する。

記憶装置８は、ＣＰＵ２によって処理されたデータ等を記憶するメモリであり、特徴量ファイル８１を有する。この特徴量ファイル８１には、ＣＰＵ２によって算出された、医用画像信号の濃度分布を表す曲面の特徴量（本実施形態では、Shape Index）が格納される。

プログラムメモリ９は、システムプログラム、特徴量算出処理プログラム等の各種処理プログラムを記憶する。

次に、本実施形態の曲率フィルタによる特徴量の算出方法について説明する。

図２（ａ）に、２次元座標で表される画像位置と、濃度の３方向の信号成分からなる医用画像信号の濃度分布を表す曲面Ｅを示す。図２（ａ）において、曲面Ｅ上の任意の一画素を注目画素ｐに設定し、この注目画素ｐにおける法線ベクトルｍと接線ベクトルｔで張られる平面を法平面Ｆとし、法平面Ｆと曲面Ｅとの交線（即ち、法平面Ｆで切り出される曲面Ｅ）を法断面Ｊとする。

なお、図２（ａ）では、説明の便宜上、曲面Ｅを滑らかな曲面で示したが、実際にはデジタル画像を扱うので、図３に示すように、曲面Ｅは画素毎に離散的な濃度値（画素信号値）を示す階段状となっている。

注目画素ｐにおける曲率を算出するためには、図２（ｂ）に示すように、注目画素ｐにおける法線を回転軸として、法平面Ｆ（或いは、接線ベクトルｔ）を所定角度βずつ回転させ、各回転角度毎に、法断面Ｊが表す曲線γの注目画素ｐにおける法曲率を算出すればよい。ここで、所定角度βは、画像処理装置１の処理速度に基づいて決定され、例えば、π／２、π／８等に設定することができる。所定角度βを大きくすると、演算時間の短縮化を図ることができる。

法断面Ｊ上の注目画素ｐにおける法曲率は、最小二乗法によって法断面Ｊが表す曲線γを近似する関数を算出し、その算出された近似関数の注目画素ｐにおける曲率を算出することによって求められる。本実施形態では、まず、図４に示すように、法断面Ｊが表す曲線γ（図４の濃度プロファイル）を円で近似する場合を示す。以下、最小二乗法を用いて曲線γの近似円（曲線γに近似する円）を算出する処理について説明する。

近似円の中心座標を（ａ，ｂ）、半径をｒとすると、近似円は、２次元座標（Ｘ、Ｙ）を用いて式（１）のように表される。

次に、曲線γ上における注目画素ｐの近傍（所定範囲内の画像領域）のｎ個の画素信号値を（Ｘ_i,Ｙ_i）（i＝1,…,n）とし、式（２）に示すように、ｎ次元ベクトルＡ、ｎ行３列の行列Ｂ、３次元ベクトルＣを定義する。

曲線γを式（１）の円で近似するためには、Ｌ＝｜Ａ−ＢＣ｜²が最小となるＣを求めればよい。即ち、ＬをベクトルＣで偏微分して０となるようなＣを求めればよい。∂Ｌ／∂Ｃ＝０を満たすＣは、式（３）のようになる。
Ｃ＝(Ｂ^TＢ)^-1ＢＡ （３）
式（３）においてＴは転置行列を表す。また、(Ｂ^TＢ)^-1ＢはＢの擬似逆行列である。

法断面Ｊが表す曲線γは、式（３）を満たすＣによって決定される円で近似される。この近似円の半径の逆数が、曲線γの注目画素ｐにおける法曲率となる。即ち、回転角度θにおける曲線γの近似円の半径がｒ(θ)である場合、回転角度θにおける法曲率ｋ(θ)は、式（４）のように表される。
ｋ(θ)＝１／ｒ(θ) （４）
なお、近似円の中心座標（ａ，ｂ）が曲面Ｅの上部にある場合、式（４）の右辺の符号は負となり、近似円の中心座標（ａ，ｂ）が曲面Ｅの下部にある場合、式（４）の右辺の符号は正となる。

また、３点で定まる円を曲線γに当てはめて、その円の半径から法曲率を算出することも可能である。この場合、曲線γ上の候補点と任意の２点を曲面上にとり、この３点により円を描き、この任意の２点を移動させることによって円の大きさを変化させ、円の大きさの変化が極点にきたときの半径から曲率が算出される。

曲線γの近似関数としては、他に、楕円、ガウス関数、二次関数等の各種の関数を適用することが可能である。近似関数として楕円を用いる場合、楕円の半径（長半径又は短半径）の逆数が曲率（法曲率）となる。また、近似関数として、下記の式（５）に示すようなガウス関数Ｙを用いる場合、式（５）のＮの値が曲率（法曲率）となる。

次に、近似関数として二次関数を用いた場合の法曲率の算出方法について説明する。局所座標系で図２（ａ）の曲面Ｅが、式（６）のように表されるものとする。

ここで、ａ、ｂ、ｃは定数であり、Ｏ(x,y)^kは３次以上の項を表す。

この場合、ｘ軸と角度θをなす法断面Ｊ（曲線γ）上の注目画素ｐにおける法曲率ｋ(θ)は式（７）のようになる。

ここでは、曲面Ｅを表す式（６）に基づいて、曲線γの近似関数としての二次関数を仮定し、最小二乗法により、その二次関数の二次の項の係数、一次の項の係数及び定数項を算出することにより、法曲率を算出する。

まず、２次元座標（Ｘ、Ｙ）を用いて、曲線γの近似関数が式（８）に示すような二次関数Ｙで表されるものと仮定する。

次に、曲線γ上における注目画素ｐの近傍（所定範囲内の画像領域）のｎ個の画素信号値を（Ｘ_i,Ｙ_i）（i＝1,…,n）とし、a'Ｘ_i ² ＋ b'Ｘ_i ＋ c'と、この二次関数の出力値Ｙ_iとの差の二乗平均Ｓを算出する。そして、この二乗平均Ｓを係数a'、b'、c'で偏微分した値が０となるように設定することにより係数a'、b'、c'を算出し、曲線γの近似関数としての二次関数を決定する。

最小二乗法により得られた式（８）の各係数a'、b'、c'を式（７）のa、b、cにそれぞれ代入することにより、法曲率ｋ(θ)が算出される。 なお、近似関数として三次以上の多次元多項式（高次多項式）関数を用いた場合においても、二次関数の場合と同様の方法で法曲率を算出することができ、曲面形状のより繊細な情報を得ることができる。

このようにして、曲線γの近似関数から法曲率が算出されると、以下のようにShape Indexが算出される。注目画素ｐの法線を回転軸として法平面Ｆを回転させると、法断面Ｊ（曲線γ）の形状が変化するため、回転角度θに応じて法曲率ｋ(θ)の値も変化することになる。即ち、法曲率ｋ(θ)は、法平面Ｆの回転角度θにより、最大値及び最小値をとる。各回転角度θ（０≦θ＜π）で算出された法曲率ｋ(θ)のうち、最大値をｋ_max、最小値をｋ_minとすると、Shape Index ＳＩは、式（９）のように定義される。

式（９）のShape Index ＳＩは、注目画素ｐを中心とした所定範囲内の画像領域における曲面Ｅの曲面形状を表す。

図５に、Shape Indexの値に対応する曲面形状を示す。処理対象画像の白い部分（即ち、濃度の信号値が低い部分）では、Shape Indexの値は１に近付き、曲面形状は凹型となる。一方、処理対象画像の黒い部分（即ち、濃度の信号値が高い部分）では、Shape Indexの値は０に近付き、曲面形状は凸型となる。

図６に、本実施形態の曲率フィルタと処理対象画像を示す。図６に示すように、この曲率フィルタを処理対象画像全体に走査させることにより、各画素でのShape Indexの値が算出され、濃度分布の凹凸を強調したShape Index画像が作成される。異常陰影の種類に応じてShape Indexの値がとり得る範囲が予め設定されているとすると、Shape Index画像から、Shape Indexの値が特定の範囲にある信号領域を検出することによって、該当する異常陰影を検出することができる。例えば、腫瘤はなだらかなガウス分布状の凹型となる傾向がある。従って、図５より、Shape Indexの値が０．７５〜１．００となる信号領域を検出することによって、腫瘤陰影を検出することができる。なお、処理対象領域を設定し、その設定された処理対象領域の画素に曲率フィルタを走査させるようにしてもよい。

なお、本実施形態では、画像をフィルムに出力する際の濃度の分布の曲面形状を取り扱ったが、画像を表示モニタに出力する際の輝度の分布の曲面形状を取り扱うようにしてもよい。輝度分布の場合、Shape Indexの値と曲面形状の関係が濃度分布の場合と逆になる。即ち、輝度の場合は、信号値が高いとき白、信号値が低いとき黒となる。従って、輝度分布の場合、Shape Indexが１に近付くと曲面形状は凸型となり、Shape Indexが０に近付くと曲面形状は凹型となる。

次に、本実施形態における動作について説明する。
図７のフローチャートを参照して、本実施形態の曲率フィルタを用いて実行される特徴量算出処理について説明する。

まず、Ｉ／Ｆ３を介して画像生成装置Ｇから入力された医用画像信号において注目画素ｐが設定され（ステップＳ１）、注目画素ｐを中心とした所定範囲の画像領域が設定される（ステップＳ２）。次いで、注目画素ｐの法線を回転軸とした回転角度θが０に設定される（ステップＳ３）。

次いで、ステップＳ２で設定された画像領域における濃度分布を示す曲面Ｅを、回転速度θの法平面Ｆで切り出すことによって、回転角度θの法断面Ｊが表す曲線γが取り出され（ステップＳ４）、この曲線γ上の画素信号値（濃度値）が記憶装置８に記憶される。次いで、最小二乗法を用いて、回転角度θにおける曲線γが円で近似され、近似円の半径により、注目画素ｐの回転角度θにおける法曲率ｋ(θ)が算出される（ステップＳ５）。

次いで、回転角度θにβを加算した値が新たな回転角度θとして設定される（ステップＳ６）。次いで、現在の回転角度βがπ以上であるか否かが判定される（ステップＳ７）。

ステップＳ７において、回転角度θがπ未満であると判定された場合（ステップＳ７；ＮＯ）、ステップＳ４に戻り、当該回転角度θに対するステップＳ４〜Ｓ７の処理が繰り返される。ステップＳ７において、回転角度θがπ以上であると判定された場合（ステップＳ７；ＹＥＳ）、各回転角度毎に算出された法曲率ｋ(θ)の中から最大値ｋ_max及び最小値ｋ_minが算出される（ステップＳ８）。

次いで、ステップＳ８で算出された法曲率の最大値ｋ_max及び最小値ｋ_minを用いて、式（９）によりShape Indexが算出され（ステップＳ９）、算出されたShape Indexの値が、現在の注目画素ｐの特徴量として特徴量ファイル８１に記憶される。

次いで、処理対象画像の全ての画素についてShape Indexの算出が終了したか否かが判定される（ステップＳ１０）。ステップＳ１０において、全ての画素についてShape Indexの算出が終了していないと判定された場合（ステップＳ１０；ＮＯ）、ステップＳ１に戻り、処理対象画像において次の注目画素ｐが設定され（ステップＳ１）、その設定された注目画素ｐについて、ステップＳ２〜Ｓ９の処理が繰り返される。ステップＳ１０において、全ての画素についてShape Indexの算出が終了したと判定された場合（ステップＳ１０；ＹＥＳ）、本特徴量算出処理を終了する。

曲率フィルタを処理対象画像内で走査させることにより、全ての画素についてShape Indexが算出されると、濃度分布の凹凸を強調したShape Index画像が作成される。そして、Shape Indexの値が特定の異常陰影に対応する範囲にある信号領域を処理対象画像から検出することによって、該当する異常陰影が検出される。例えば、Shape Indexの値が０．７５〜１．００となる信号領域を検出することによって、腫瘤陰影候補の信号領域が検出される。

異常陰影候補が検出されると、検出結果が表示部５に表示される。具体的には、表示部５に、画像生成装置Ｇから入力された医用画像が表示され、その医用画像上において、異常陰影候補領域が矢印で指摘表示或いはカラー表示等で識別表示される。また、異常陰影候補の検出結果とともに、当該異常陰影候補領域に対応する濃度分布の曲面形状が表示される。

以上のように、本実施形態の画像処理装置１によれば、注目画素を中心とした所定範囲内の画像領域において、医用画像信号の濃度分布が表す曲線を、最小二乗法を用いて円等の近似関数で近似することによって当該曲線の曲率を算出し、算出された曲率から、当該画像領域の曲面形状を表す特徴量を算出することにより、当該算出された特徴量を用いて、特徴的な濃度分布を有する異常陰影の画像領域を正常組織と区別して的確に検出することが可能となる。

特に、濃度分布の曲面形状を表す特徴量としてShape Indexを算出することにより、腫瘤陰影候補に対応する凹型のガウス分布状の信号領域を容易に検出することができ、処理速度を向上させることができる。

また、マンモグラフィでは、乳腺のような線状の正常組織でも、細いものから太いものまで様々な太さのものが存在するため、太く塊状となった乳腺組織の陰影は円形度が高い腫瘤や丸く広がりを有する微小石灰化クラスタの陰影と判別しがたい場合がある。しかしながら、濃度分布が表す曲面のShape Indexを算出することにより、線状の正常組織のような偽陽性の陰影を異常陰影として誤検出することを防ぐことができ、検出精度を向上させることができる。

なお、本実施形態における記述内容は、本発明の趣旨を逸脱しない範囲で適宜変更可能である。

例えば、本実施形態の特徴量算出処理は、マンモグラフィから腫瘤や微小石灰化クラスタの陰影を検出する場合だけでなく、他の部位を撮影した医用画像からその部位における異常陰影を検出する際にも適用可能である。また、本発明における処理対象画像は、マンモグラフィ等の放射線画像だけではなく、超音波画像、ＭＲＩ（Magnetic Resonance Imaging）画像であってもよい。

更に、特徴量算出処理で対象となる３次元信号は、画像の位置（２次元座標）、濃度の３方向成分からなる医用画像信号に限定されない。例えば、周波数、時間、周波数スペクトルの３軸から構成されるサウンドスペクトログラムや、明度成分、２つの知覚色度成分からなる色信号であってもよい。

本発明の実施形態に係る画像処理装置の主要部構成を示すブロック図。 医用画像信号の濃度分布を表す曲面と、注目画素Ｐの法線を回転軸とした法平面の回転を説明するための図。 デジタル画像における濃度分布を表す曲面を示す図。 最小二乗法を用いて、濃度分布を示す曲線を円で近似することにより、曲線の曲率を算出する方法を説明する図。 Shape Indexの値に対応する曲面形状を示す図。 曲率フィルタを処理対象画像内で走査する様子を説明する図。 本実施形態の画像処理装置において実行される特徴量算出処理を示すフローチャート。

符号の説明

１ 画像処理装置
２ ＣＰＵ
３ Ｉ／Ｆ
４ 操作部
５ 表示部
６ 通信部
７ ＲＡＭ
８ 記憶装置
８１ 特徴量ファイル
９ プログラムメモリ

Claims (24)

1. 処理対象画像における任意の注目画素を設定するとともに、その注目画素から所定範囲内の画像領域を設定する設定手段と、
   前記設定された画像領域における濃度分布を示す曲面の形状を表す特徴量としてシェイプインデックスを算出する特徴量算出手段と、
   を備えることを特徴とする画像処理装置。
2. 前記処理対象画像の濃度分布を示す曲面上の注目画素における法線を回転軸として法平面を所定角度ずつ回転させ、その回転角度毎に、注目画素から所定範囲内の画像領域の曲面を法平面で切り出すことによって得られた曲線を近似する関数を算出する関数算出手段を備え、
   前記特徴量算出手段は、前記関数算出手段により算出された近似関数に基づいて特徴量を算出することを特徴とする請求項１に記載の画像処理装置。
3. 前記関数算出手段は、最小二乗法を用いて前記曲線を近似する関数を算出することを特徴とする請求項２に記載の画像処理装置。
4. 前記関数算出手段は、前記近似関数として近似円を算出し、
   前記特徴量算出手段は、回転角度毎に、前記算出された近似円の半径から前記曲線の注目画素における曲率を算出し、回転角度毎に算出された曲率に基づいて特徴量を算出することを特徴とする請求項２又は３に記載の画像処理装置。
5. 前記関数算出手段は、前記近似関数として楕円を表す関数を算出し、
   前記特徴量算出手段は、回転角度毎に、前記算出された楕円から前記曲線の注目画素における曲率を算出し、回転角度毎に算出された曲率に基づいて特徴量を算出することを特徴とする請求項２又は３に記載の画像処理装置。
6. 前記関数算出手段は、前記近似関数としてガウス関数を算出し、
   前記特徴量算出手段は、回転角度毎に、前記算出されたガウス関数から前記曲線の注目画素における曲率を算出し、回転角度毎に算出された曲率に基づいて特徴量を算出することを特徴とする請求項２又は３に記載の画像処理装置。
7. 前記関数算出手段は、前記近似関数として多次元多項式関数を算出し、
   前記特徴量算出手段は、回転角度毎に、前記算出された多次元多項式関数から前記曲線の注目画素における曲率を算出し、回転角度毎に算出された曲率に基づいて特徴量を算出することを特徴とする請求項２又は３に記載の画像処理装置。
8. 前記特徴量算出手段は、前記処理対象画像の処理対象領域を設定し、当該処理対象領域の画素について特徴量を算出することを特徴とする請求項１〜７の何れか一項に記載の画像処理装置。
9. 前記処理対象画像は医用画像であることを特徴とする請求項１〜８の何れか一項に記載の画像処理装置。
10. 前記特徴量算出手段より算出された特徴量の値に基づいて、検出対象の濃度分布の形状に応じた信号領域を検出する検出手段を備えることを特徴とする請求項９に記載の画像処理装置。
11. 前記検出手段は、ガウス分布状の曲面を構成する信号領域を検出することを特徴とする請求項１０に記載の画像処理装置。
12. 前記検出手段は、前記特徴量算出手段より算出された特徴量の値に基づいて、腫瘤陰影候補の信号領域を検出することを特徴とする請求項１０又は１１に記載の画像処理装置。
13. 処理対象画像における任意の注目画素を設定するとともに、その注目画素から所定範囲内の画像領域を設定する設定工程と、
    前記設定された画像領域における濃度分布を示す曲面の形状を表す特徴量としてシェイプインデックスを算出する特徴量算出工程と、
    を含むことを特徴とする画像処理方法。
14. 前記処理対象画像の濃度分布を示す曲面上の注目画素における法線を回転軸として法平面を所定角度ずつ回転させ、その回転角度毎に、注目画素から所定範囲内の画像領域の曲面を法平面で切り出すことによって得られた曲線を近似する関数を算出する関数算出工程を含み、
    前記特徴量算出工程では、前記関数算出工程において算出された近似関数に基づいて特徴量が算出されることを特徴とする請求項１３に記載の画像処理方法。
15. 前記関数算出工程では、最小二乗法を用いて前記曲線を近似する関数が算出されることを特徴とする請求項１４に記載の画像処理方法。
16. 前記関数算出工程では、前記近似関数として近似円が算出され、
    前記特徴量算出工程では、回転角度毎に、前記算出された近似円の半径から前記曲線の注目画素における曲率が算出され、回転角度毎に算出された曲率に基づいて特徴量が算出されることを特徴とする請求項１４又は１５に記載の画像処理方法。
17. 前記関数算出工程では、前記近似関数として楕円を表す関数が算出され、
    前記特徴量算出工程では、回転角度毎に、前記算出された楕円から前記曲線の注目画素における曲率が算出され、回転角度毎に算出された曲率に基づいて特徴量が算出されることを特徴とする請求項１４又は１５に記載の画像処理方法。
18. 前記関数算出工程では、前記近似関数としてガウス関数が算出され、
    前記特徴量算出工程では、回転角度毎に、前記算出されたガウス関数から前記曲線の注目画素における曲率が算出され、回転角度毎に算出された曲率に基づいて特徴量が算出されることを特徴とする請求項１４又は１５に記載の画像処理方法。
19. 前記関数算出工程では、前記近似関数として多次元多項式関数が算出され、
    前記特徴量算出工程では、回転角度毎に、前記算出された多次元多項式関数から前記曲線の注目画素における曲率が算出され、回転角度毎に算出された曲率に基づいて特徴量が算出されることを特徴とする請求項１４又は１５に記載の画像処理方法。
20. 前記特徴量算出工程では、前記処理対象画像の処理対象領域が設定され、当該処理対象領域の画素について特徴量が算出されることを特徴とする請求項１３〜１９の何れか一項に記載の画像処理方法。
21. 前記処理対象画像は医用画像であることを特徴とする請求項１３〜２０の何れか一項に記載の画像処理方法。
22. 前記特徴量算出工程において算出された特徴量の値に基づいて、検出対象の濃度分布の形状に応じた信号領域を検出する検出工程を含むことを特徴とする請求項２１に記載の画像処理方法。
23. 前記検出工程では、ガウス分布状の曲面を構成する信号領域が検出されることを特徴とする請求項２２に記載の画像処理方法。
24. 前記検出工程では、前記特徴量算出工程において算出された特徴量の値に基づいて、腫瘤陰影候補の信号領域が検出されることを特徴とする請求項２２又は２３に記載の画像処理方法。

Images