JP2006239005A - 画像診断処理装置および画像診断処理プログラム - Google Patents

Abstract

【課題】 被検体の内部を表す画像に含まれる異常候補領域が結節のような解剖学的異常であるか否かを高精度に判定することを可能とする。
【解決手段】 結節候補領域特定部１１は、マルチスライスＣＴ２により取得された、被検体の内部を表す画像に含まれる異常候補領域（結節候補領域）を特定する。拡張結節候補領域特定部１２は、上記の異常候補領域と、この異常候補領域に連続する周辺領域とからなる拡張結節候補領域を特定する。判定部１３は、拡張結節候補領域に含まれた異常候補領域の一部の体積を第１の特徴量として、また周辺領域の一部の体積を第２の特徴量とし、これら第１および第２の特徴量に基づいて異常候補領域が結節などの解剖学的異常領域であるか否かを判定する。
【選択図】図１

Description

本発明は、Ｘ線コンピュータ断層撮影装置、Ｘ線診断装置、磁気共鳴診断装置、あるいは超音波診断装置などの診断モダリティを用いて収集された３次元画像から結節状異常または瘤状異常のような解剖学的異常についての診断処理を行う画像診断処理装置および画像診断処理プログラムに関する。

現在、わが国で肺癌は悪性腫瘍死の第一位を占めると共に増加の一途を辿っており、喫煙対策による予防と並んで早期発見への社会的な要請が強い。わが国の各自治体では胸部単純Ｘ線写真と喀痰細胞診による肺癌検診が施行されているが、１９９８年に出された旧厚生省の「癌検診有効性評価に関する研究班」の報告では、現行の肺癌検診では効果があるとしても小さいと結論されている。Ｘ線コンピュータ断層撮影法（以下、ＣＴと記す）では胸部単純Ｘ線写真よりも容易に肺野型肺癌を発見できるが、ヘリカルスキャン方式のＣＴが現れた1990年以前は撮像時間が長く検診に使用できなかった。しかしヘリカルＣＴが登場して間もなく被曝を低減するために比較的低いＸ線管電流で撮像する方法（以下、低線量ヘリカルＣＴと記す）が開発され、これを用いた肺癌検診のパイロット研究がわが国および米国で行われた。その結果、低線量ヘリカルＣＴが胸部単純Ｘ線写真を大きく上回る肺癌検出率を有することが実証されている。

一方、ヘリカルＣＴの撮像に要する時間は１９９８年以降のＣＴ検出器の多列化によって短縮され続けており、最新の多検出器列ヘリカルＣＴではほぼ等方的な１ｍｍ未満の解像度で肺全体を１０秒未満で撮像可能である。このようなＣＴの技術革新は肺癌をより小さな段階で発見できる可能性を拓いているが、多検出器列ヘリカルＣＴは１回のスキャン当り数百枚の画像を生成するため、読影に要する負担が著しく増大するという問題も招いている。

上記の背景より、低線量ヘリカルＣＴが肺癌検診の方法として確立されるためには、肺癌の見落としを防ぐためのコンピュータによる読影支援診断システム（Computer Assisted Diagnosis）（以下、ＣＡＤと記す）が必要であることが広く認識されている。小さな肺野型肺癌はＣＴ画像上で結節状異常として現れるため、このような異常の自動的検出（以下、ＣＴ肺結節自動検出と記す）は極めて重要なテーマであり、１９９０年代より様々な研究が行われてきた（例えば、非特許文献１を参照）。
David S. Paik，ほか７名，「Surface Normal Overlap: A Computer-Aided Detection Algorithm With Application to Colonic Polyps and Lung Nodules in Helical CT」，IEEE TRANSACTIONS ON MEDICAL IMAGING, VOL.23, NO.6，２００４年６月，p.661-675

ＣＴ肺結節自動検出に対しては、何らかの方法で結節の候補となる領域（以下、結節候補領域と記す）を抽出し、この結節候補領域を特徴付ける複数の特徴量を求め、これら特徴量に基づいて結節候補領域が結節であるか否かを判定するというアプローチがとられる。しかしながら、結節は肺血管の一部と特徴が類似するため、結節候補領域を特徴付ける特徴量からでは、結節と肺血管とが的確に区別できないことがあった。

本発明はこのような事情を考慮してなされたものであり、その目的とするところは、被検体の内部を表す画像に含まれる異常候補領域が結節のような解剖学的異常であるか否かを高精度に判定することを可能とすることにある。

以上の目的を達成するために本発明は、被検体の内部を表す画像に含まれる異常候補領域に連続する周辺領域を特定する周辺領域特定手段と、前記異常候補領域に関する第１の特徴量と前記周辺領域に関する第２の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段とを備えて画像診断処理装置を構成した。

前記の目的を達成するために本発明は、被検体の内部を表す画像に含まれる異常候補領域をほぼ内包するとともに前記異常候補領域外の領域も含んだ第１の比較領域に関する第１の特徴量と、前記異常候補領域とほぼ一致するか、または前記異常候補領域にほぼ内包される第２の比較領域に関する第２の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段を備えて画像診断処理装置を構成した。

前記の目的を達成するために本発明は、コンピュータを、被検体の内部を表す画像に含まれる異常候補領域に連続する周辺領域を特定する周辺領域特定手段と、前記異常候補領域に関する第１の特徴量と前記周辺領域に関する第２の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段として機能させるように画像診断処理プログラムを構成した。

前記の目的を達成するために本発明は、コンピュータを、被検体の内部を表す画像に含まれる異常候補領域をほぼ内包するとともに前記異常候補領域外の領域も含んだ第１の比較領域に関する第１の特徴量と、前記異常候補領域とほぼ一致するか、または前記異常候補領域にほぼ内包される第２の比較領域に関する第２の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段として機能させるように画像診断処理プログラムを構成した。

本発明によれば、被検体の内部を表す画像に含まれる異常候補領域が結節のような解剖学的異常であるか否かを高精度に判定することが可能となる。

以下、図面を参照して本発明の実施形態について説明する。

（第１の実施形態）
図１は本発明の画像診断処理装置が適用されたコンピュータ支援画像診断処理装置１の構成を示す図である。

この図１に示すコンピュータ支援画像診断処理装置１は、マルチスライスＣＴ２により取得された３次元画像データを処理対象とする。コンピュータ支援画像診断処理装置１は、図１に示すように、結節候補領域特定部１１、拡張結節候補領域特定部１２および判定部１３を含む。

このコンピュータ支援画像診断処理装置１は、例えば汎用のコンピュータ装置を基本ハードウェアとして用いることができる。そして結節候補領域特定部１１、拡張結節候補領域特定部１２および判定部１３は、上記のコンピュータ装置に搭載されたプロセッサに画像診断処理プログラムを実行させることにより実現することができる。このときにコンピュータ支援画像診断処理装置１は、上記の画像診断処理プログラムが上記のコンピュータ装置に予めインストールされて実現されても良いし、磁気ディスク、光磁気ディスク、光ディスク、半導体メモリなどのようなリムーバブルな記録媒体に記録して、あるいはネットワークを介して上記の画像診断処理プログラムを配布し、この画像診断処理プログラムを上記のコンピュータ装置に適宜インストールして実現されても良い。なお、上記の各部は、その一部または全てをロジック回路などのハードウェアにより実現することも可能である。また上記の各部のそれぞれは、ハードウェアとソフトウェア制御とを組み合わせて実現することも可能である。

結節候補領域特定部１１は、３次元画像データが表す画像中で、結節であり得る領域（以下、結節候補領域と記す）を特定する。拡張結節候補領域特定部１２は、３次元画像データが表す画像中で、上記の結節候補領域とそれに連続する周辺領域とからなる領域（以下、拡張結節候補領域と記す）を特定する。判定部１３は、結節候補領域および周辺領域のそれぞれの特徴量に基づいて結節候補領域が結節であるか否かを判定する。

次に以上のように構成されたコンピュータ支援画像診断処理装置１の動作について説明する。
図２はコンピュータ支援画像診断処理装置１における結節検出のための処理の概略を示すフローチャートである。このフローチャートに示されるステップのうち、ステップＳａ１乃至ステップＳａ６は結節候補領域特定部１１により、ステップＳａ７は拡張結節候補領域特定部１２により、そしてステップＳａ８乃至ステップＳａ１０は判定部１３による処理である。

まず、診断対象となる被検体の肺を含む胸部全体をマルチスライスＣＴ２によって撮影する。

ステップＳａ１において結節候補領域特定部１１は、上記の撮影によりマルチスライスＣＴ２で取得された３次元画像データを入力する。

ステップＳａ２において結節候補領域特定部１１は、上記の３次元画像データから肺に相当する領域を分割する。この処理には、例えば既存の方法（Hu S, Hoffman EA, Reinhardt JM. Automatic lung segmentation for accurate quantitation of volumetric X-ray CT images. IEEE Trans Med Imaging 2001; 20:490-498）を利用可能である。

ステップＳａ３において結節候補領域特定部１１は、ステップＳａ２で得た肺領域を、肺血管と結節とにおよそ相当する前景部とそれ以外の背景部とに二分する。この処理には、例えば既存の適応的閾値処理（Manay S, Yezzi A. Antigeometric diffusion for adaptive thresholding and fast segmentation. IEEE Trans Image Processing 2003; 12:1310-1323）を適用可能である。図３（ａ）はマルチスライスＣＴ２で取得された３次元画像データが表す画像を示す図である。図３（ｂ）は図３（ａ）から分割された前景部の画像を示す図である。なお、図３（ａ）における円内に結節が存在している。また図３（ｂ）は、黒地範囲が肺領域に相当し、この肺領域の中の白抜き領域が肺領域前景部を表す。

ステップＳａ４において結節候補領域特定部１１は、結節候補領域の中心となり得る仮中心を決定する。まず結節候補領域特定部１１は、前景部に属する各ボクセルの値を、各ボクセルから背景部に属するボクセルへの最短距離に応じた値に変換する。例えば図４（ａ）に示すような形状の前景部が含まれる領域に着目すると、図４（ｂ）に示すボクセルＢ１は、前景部に属する。そして背景部に属し、かつボクセルＢ１に最も近いのは、ボクセルＢ２，Ｂ３である。ボクセルＢ１とボクセルＢ２，Ｂ３との距離（中心点間の距離）は、２ボクセル分である。そこでボクセルＢ１の値を、図４（ｂ）に示すように「２」とする。この結果図４（ｂ）に示すように、基本的には前景部の内部に行くほど大きな値を有する画像へと変換される。そして結節候補領域特定部１１は、この距離変換後の値が極大となる点を、上記の仮中心として決定する。最大の値を持つボクセルが１つのみの場合、仮中心はこのボクセルのボクセル点となる。最大の値を持つボクセルが２つ以上有る場合には、仮中心はこれらのボクセルのボクセル点の重心位置となる。例えば図４（ｂ）では、ボクセルＢ１とボクセルＢ４とがともに最大の値を持つから、これらボクセルＢ１，Ｂ４のボクセル点の重心（中間点）Ｐを仮中心とする。なお通常は、肺領域の画像中に結節であり得る前景部領域が複数存在する。結節候補領域特定部１１は、これらの複数の領域についてそれぞれ仮中心を決定する。

以降の処理は、上記の複数の仮中心のそれぞれについて行われるが、それらは同様な処理であるので、以下では１つの仮中心についての処理のみを説明する。
ステップＳａ５において結節候補領域特定部１１は、上記の仮中心を内在する楕円体モデルを生成する。具体的には、結節候補領域特定部１１はまず、上記の仮中心を中心とし、距離変換後の極大値を半径とする球で初期化された楕円体モデルを用意する。図４（ｃ）は、図４（ｂ）のように決定された仮中心Ｐに対する楕円体モデルを示す図である。図４（ｃ）では、楕円体モデルの断面を破線で示している。そして結節候補領域特定部１１は、この楕円体モデルを、画像の有する情報に基づいて変形する。楕円体モデルの変形は、例えば既存の方法（Staib LH, Duncan JS. Model-based deformable surface finding for medical images. IEEE Trans Med Imaging 1996; 15:720-731）に準じて行うことができる。この方法は、一般の３次元画像におけるフーリエ曲面（楕円体は最も単純なフーリエ閉曲面である）の変形に関する。上記の方法による楕円体モデルの変形は、与えられた３次元画像の濃度勾配の大きさに負号をつけたものをペナルティ画像として、このペナルティ画像の値のフーリエ曲面上での積分を最小化するようになされる。ただしここでは、上記の方法の改良として、対象とする３次元画像とＬｏＧ（Laplacian-of-Gaussian）フィルタとの畳込みの絶対値に、対象とする３次元画像の濃度勾配の大きさに負号をつけたものを加算して得られる画像をペナルティ画像とする。ＬｏＧフィルタは、一種の二次微分を行うものである。一方、濃度勾配は、一次微分フィルタによって得られる。このため、ここで用いるペナルティ画像は、対象とする３次元画像の一次微分フィルタ処理結果と二次微分フィルタ処理結果とを合成したものと言える。

ペナルティ画像の合成過程について、図５を参照しながらさらに詳しく説明する。この合成過程を一次元的に例示するために、結節を貫通する直線に沿った濃度の変動がグラフＧ１のように表されるとする。なお、グラフＧ１における中央部の山が結節に相当する。グラフＧ２としてその形状を示すＬｏＧフィルタを、グラフＧ１に畳込んだ結果およびその絶対値は、グラフＧ３およびＧ４のようになる。一方、グラフＧ１に示される濃度変動の勾配の大きさに負号をつけると、グラフＧ５が得られる。そして、グラフＧ４とグラフＧ５とを合成することにより、グラフＧ６が得られる。グラフＧ５とグラフＧ６とを比較すると、グラフＧ６は結節の境界に相当する位置でより明瞭な谷を有しており、ペナルティ値としての使用により適している。なお、図５における破線はゼロを表す基線である。

そして楕円体モデルの変形は例えば図６に示すように、ペナルティ画像におけるペナルティ値の谷に楕円体モデルが沿うように変形することで行われる。

ステップＳａ６において結節候補領域特定部１１は、変形完了後の楕円体モデルに基づいて、距離変換を行っていない元の３次元画像データにおける結節候補領域を特定する。すなわち、結節候補領域特定部１１は、変形完了後の楕円体モデル内に位置し、かつ肺領域前景部に属するボクセルの集合を結節候補領域として特定する。図７（ａ）は変形完了後の楕円体モデル１０１を結節とその近傍に当たる３次元画像データの一部分の半透過表示に重ねて表わした図である。図７（ｂ）に示した構造は図３(ａ)に示した結節とその近傍における肺領域前景部であり、上記のようにして特定された結節候補領域１０２を比較的濃い色で示す。
なお後で参照するために、ここで結節候補領域の生成に使用された変形完了後の楕円体モデルを、当該結節候補領域の生成楕円体モデルと呼ぶことにする。

ステップＳａ７において拡張結節候補領域特定部１２は、結節候補領域に対応する拡張結節候補領域を決定する。拡張結節候補領域は当該結節候補領域と重なるか、あるいは連続する構造に相当する領域である。

拡張結節候補領域の特定について、図８を参照しながら詳しく説明する。なお、拡張結節候補領域は３次元的に特定するが、ここでは説明の簡略化のために、過程を２次元的に例示する。

図８（ａ）はＣＴ画像の小部分である。図８(ｂ)はこのＣＴ画像小部分における肺領域前景部を灰色で、背景部を白色で示すと共に、楕円を一つ示してある。この楕円が、当該結節候補領域の生成楕円体モデル１０１を例示するものとして説明を進める。従って図８（ｂ）における円内の灰色の領域が結節候補領域１０２に相当する。

図８（ｃ）は結節候補領域１０２を拡大して示す。図８（ｃ）における黒丸は、結節候補領域１０２の重心１０２ａである。図８（ｃ）で、白い十字で標識されるボクセルは、結節候補領域１０２に属し、かつ当該結節候補領域１０２に属さないボクセルと隣接するものを示し、これらのボクセルから成る領域を当該結節候補領域１０２の内境界と定義する。黒い十字で標識されるボクセルは、結節候補領域１０２に属さず、かつ当該結節候補領域１０２に属するボクセルと隣接するものを示し、これらのボクセルから成る領域を当該結節候補領域１０２の外境界と定義する。また、当該結節候補領域１０２の内境界に属するボクセルの平均濃度を当該結節候補領域１０２の内境界濃度と定義する。同様に、当該結節候補領域１０２の外境界に属するボクセルの平均濃度を当該結節候補領域１０２の外境界濃度と定義する。結節候補領域１０２に対応する拡張結節候補領域は、内境界濃度と外境界濃度の加重平均（以後、平均境界濃度と記す）を閾値とする閾値処理を経て得られる。この閾値処理では、対象とする３次元画像において平均境界濃度以上の濃度を示しかつ肺領域内に位置するボクセルを「１」、そうでないボクセルを「０」とする３次元配列をまず生成する。この３次元配列における連結成分（値が「１」でありかつ互いに連結したボクセルの集合で、図８(ｄ)の灰色で示した部分）のうち当該結節候補領域１０２と共有するボクセルを持つものを図８(ｅ)に示すように当該結節候補領域１０２の拡張結節候補領域１０３と定義する。このように、拡張結節候補領域１０３は、結節候補領域１０２と、当該結節候補領域１０２に連続する周辺領域とからなる領域として特定される。なお、当該結節候補領域１０２の生成楕円体モデル１０１（再び図８(ｆ)において楕円として例示してある）の外に位置するボクセルのうち生成楕円体モデル１０１内に位置するボクセルと隣接するものから成る領域と、拡張結節候補領域に共通する領域とを、拡張結節候補領域臨界部１０４（図８(ｆ)の黒で示した部分）と定義する。

ステップＳａ８において判定部１３は、拡張結節候補領域中の探索基準点を特定する。判定部１３は、拡張結節候補領域臨界部１０４の連結成分と一対一に対応するように探索基準点を生成する。例えば図８（ｆ）における向かって左側の連結成分に対しては、判定部１３は以下のように探索基準点を生成する。判定部１３は図９(ａ)に示すように、連結成分に属する各ボクセルに対し、結節候補領域１０２の重心１０２ａから当該ボクセルに至るベクトル１０５（以下、遠心ベクトルと記す）の方向へ当該ボクセルを始点とする線分を伸長させ、その終点が拡張結節候補領域１０３の外に出れば伸長を止める。なお、この時にもし終点が肺領域内になければ、当該ボクセルは考慮の対象外とする。このようにして定めた線分を、遠心方向線分１０６と称する。判定部１３は、図９(ｂ)に示すように複数のボクセルのそれぞれに対して定められる複数の遠心方向線分１０６のうちで最も長いものを選択する。そして判定部１３は、選択した遠心方向線分１０６の始点を与えるボクセルの位置を当該連結成分に対応する探索基準点１０７と定める。

ステップＳａ９において判定部１３は、逓減度を計算する。図１０は判定部１３による逓減度計算の処理手順を示すフローチャートである。この処理の中で拡張結節候補領域の探索が行われるが、この探索における主な操作の様子を図１１乃至図１４に示す。なお図１１，１２は結節候補領域が結節に相当する場合を、図１３，１４は結節候補領域が肺血管に相当する場合をそれぞれ示す。

ステップＳｂ１において判定部１３は、拡張結節候補領域１０３について得られた探索基準点１０７の集合のうちに未選択の探索基準点１０７があるか否かを確認する。

未選択の探索基準点１０７があるならば判定部１３は、ステップＳｂ１からステップＳｂ２へ進む。ステップＳｂ２において判定部１３は、上記の探索基準点１０７の集合のうちから未選択の１つの探索基準点１０７を選択する。

ステップＳｂ３において判定部１３は、上記の選択した探索基準点１０７に基づいて観察基準線および観察基準点を設定する。判定部１３は、図１１（ａ）に示すように、結節候補領域１０２の重心１０２ａを始点とする有向線分を、選択した探索基準点１０７がその中点となるように設ける。そしてこの線分を観察基準線１０８と定義する。また判定部１３は、重心１０２ａ上に観察基準点を設定する。なお観察基準点は固定的なものではなく、後述するように観察基準線の始点から終点の間を移動する。

ステップＳｂ４において判定部１３は、観察基準線１０８に直交し、かつ観察基準点を通る平面を観察平面１０９と定義する。この上で判定部１３は、図１１（ｂ）に示すように観察平面内に当該結節候補領域の生成楕円体モデルと観察平面との交線で与えられる楕円で初期化された楕円モデルを設定する。次に判定部１３は、ステップＳａ３で用いられたペナルティ画像の値の楕円モデル上での線積分が最小化するように楕円モデルを変形させる。そして判定部１３は、観察平面１０９における拡張結節候補領域の断面のうち変形完了後の楕円モデルの内部にある部分の面積（以下、楕円モデル内拡張結節候補領域断面と記す）を計算する。図１１（ｂ）は変形完了後の楕円モデル１１０を示す。図１１（ｃ）は、図１１（ｂ）に含まれる楕円モデル内拡張結節候補領域断面１１１を示す。

ステップＳｂ５において判定部１３は、現在の観察基準点が観察基準線１０８の中点以前（探索基準点１０７以前）であるか否かを判断する。

現在の観察基準点が観察基準線１０８の中点以前であるならば判定部１３は、ステップＳｂ５からステップＳｂ６へ進み、そうでないならばステップＳｂ５からステップＳｂ７へ進む。ステップＳｂ６において判定部１３は、上記のように計算した楕円モデル内拡張結節候補領域断面の面積を第１積算器に加える。ステップＳｂ７において判定部１３は、上記のように計算した楕円モデル内拡張結節候補領域断面の面積を第２積算器に加える。なお、第１積算器および第２積算器は、判定部１３に含まれる。また第１積算器および第２積算器は、図１０に示す処理の開始時に零で初期化される。

ステップＳｂ８において判定部１３は、終了条件が成立しているか否かを確認する。ここでは、終了条件は以下の４つとする。

（第１の終了条件）
観察基準点が、観察基準線の終点に達している。

（第２の終了条件）
楕円モデル内拡張結節候補領域断面がなくなっている。

（第３の終了条件）
図１５を参照して説明する。図１５は血管に付着した結節の辺縁部付近で観察基準点が図１５（ａ）から図１５（ｂ）および図１５（ｂ）から図１５（ｃ）への二間隔を移動する際に変形完了後の楕円モデルが推移する様子を示している。図１５（ｂ）と図１５（ｃ）との間で、楕円モデル１１０の大きさが急に変化している。これは、血管に付着した結節の辺縁部において楕円モデル１１０の範囲に結節の断面がもはや観察されなくなることにより、すなわち、血管の断面のみが観察されるようになることにより起きる。このため、これ以降の探索は無意味であるので、上記の状態の発生を終了条件とする。この終了条件の成立の判定は、次のような処理により実現できる。観察基準点の各位置で、楕円モデルの平均変位（変形前の楕円モデルの周に沿った点列と、これに対応する変形完了後の楕円モデルの周に沿った点列を考え、２つの点列の対応する点の間の平均距離として求められる）を楕円モデルの平均実効半径（変形前の楕円モデルの実効半径と変形完了後の楕円モデルの実効半径の平均値）で割った楕円モデル相対平均変位を計算する。そして、楕円モデル相対平均変位が予め設定したある上限値より大きければ、この終了条件が成立したこととする。

（第４の終了条件）
図１６を参照して説明する。図１６は血管に付着した別の結節についての図である。そして図１６（ａ）は観察基準点が観察基準線の始点付近にある場合を、図１６（ｂ）は観察基準点が観察基準線の中点付近にある場合をそれぞれ示している。図１６（ａ）および図１６（ｂ）の下段の模式図にあるように、観察平面１０９に当たる３次元画像データのうち楕円モデル内の部分（以下、楕円モデル内画像と記す）は、その濃度が平面内の座標に応じて線形に変化する成分（以下、楕円モデル内画像線形成分と記す）とそれ以外の成分（以下、楕円モデル内画像非線形成分と記す）とに分解できる。楕円モデルが血管の横断面とおよそ合致しているか、あるいは図１６（ａ）に示すように結節の断面とおよそ合致している場合は、楕円モデル内画像における濃度変動は主として楕円モデル内画像非線形成分の濃度変動によって説明される。ところが図１６（ｂ）に示すように楕円モデルが血管の縦断面と血管の中央とから外れて重なる場合等では、楕円モデル内画像における濃度変動の多くが楕円モデル内画像線形成分の濃度変動によって説明される。一般に、血管に付着した結節と血管の移行部で図１６（ｂ）に類似する場合が生じ得る。そして、この状態が生じた場合には、これ以降の探索は無意味であるので、上記の状態の発生を終了条件とする。この終了条件の成立の判定は、次のような処理により実現できる。観察基準点の各位置で、楕円モデル内画像非線形成分における濃度の標準偏差を楕円モデル内画像における濃度の標準偏差で割った楕円モデル内画像非線形成分寄与割合を計算する。そして、楕円モデル内画像非線形成分寄与割合が予め設定したある下限値より小さければ、この終了条件が成立したこととする。

このような終了条件のいずれかが成立していないのならば、判定部１３はステップＳｂ８からステップＳｂ９へ進む。ステップＳｂ９において判定部１３は、観察基準点を一定の細かい間隔だけ観察基準線１０８上を移動する。これにより、観察平面も観察基準点に付随して移動する。この上で判定部１３は、ステップＳｂ４以降を繰り返す。これにより判定部１３は、楕円モデルを変形させて楕円モデル内拡張結節候補領域断面の面積を計算する過程を、観察基準点を一間隔移動しつつ、終了条件が成立するまで繰り返す。

終了条件が成立したならば、判定部１３はステップＳｂ８からステップＳｂ１０へ進む。ステップＳｂ１０において判定部１３は、第２積算器の値を第１積算器の値で割った商を算出する。この商は、現在選択している探索基準点について、拡張結節候補領域遠位部の同領域近位部に対する体積比を表す。そして判定部１３は、このように算出した体積比を記録しておく。こののちに判定部１３は、ステップＳｂ１以降を繰り返す。これにより判定部１３は、拡張結節候補領域１０３について得られた全ての探索基準点１０７のそれぞれに対して体積比を算出し、記録して行く。

拡張結節候補領域１０３について得られた全ての探索基準点１０７のそれぞれに対して体積比の算出を終えたならば、ステップＳｂ１にて未選択の探索基準点が見つからなくなる。そこでこの場合に判定部１３は、ステップＳｂ１からステップＳｂ１１に進む。なお、拡張結節候補領域１０３について探索基準点１０７が１つも得られていない場合には、判定部１３は図１０の処理を開始した直後に、ステップＳｂ２以降へ進むことなしにステップＳｂ１からステップＳｂ１１へ進む。ステップＳｂ１１において判定部１３は、全ての探索基準点について記録された商のうち最大のものを「１」から引いた値を結節候補領域１０２の逓減度とする。なお、探索基準点１０７が１つも得られていない場合には、記録された商のうち最大のものは「０」であるとする。

このようにして計算される逓減度は、結節候補領域１０２とそれに連続する構造との関係を要約する特徴量である。さらに詳しくは、拡張結節候補領域１０３を結節候補領域１０２の重心１０２ａから遠心性にある距離にわたって探索することにより求められる、拡張結節候補領域遠位部の同領域近位部に対する相対的体積減少度を表す特徴量である。

以上のように逓減度の計算を終えたならば、判定部１３は図２におけるステップＳａ９からステップＳａ１０へ進む。ステップＳａ１０において判定部１３は、結節候補領域１０２が結節であるか否かを判定する。結節候補領域１０２が肺血管の一部である場合は、結節候補領域１０２に対応する拡張結節候補領域１０３の近位部と遠位部はともに肺血管の一部に他ならないから、上記の逓減度はあるとしても小さい。すなわち逓減度は零に近くなる。これに対し、結節候補領域１０２が血管から孤立した結節に相当する場合は、拡張結節候補領域１０３の遠位部の体積は同領域近位部に比較して僅かとなることから逓減度はその最大値である１に近い値となる。判定部１３は、逓減度から分かるこのような性質とともに、結節候補領域１０２の実効径や濃度コントラスト等の比較的単純な特徴量を使用して、上記の判定を行う。

このように第１の実施形態によれば、マルチスライスＣＴ２により取得された３次元画像において結節であり得る結節候補領域の各々について、結節候補領域に関する特徴量と当該結節候補領域に連続する周辺領域に関する特徴量との比を参照するために、非常に高精度に結節とそれ以外の血管等の組織とを区別することが可能である。従って、結節の検出能が高く擬陽性率が低いＣＡＤシステムを提供できる。

また第１の実施形態によれば、結節候補領域を３次元画像から自動的に特定するので、３次元画像から結節を自動的に検出することができる。これにより、医師の負担を軽減できるとともに、結節の見逃しを防止することができる。

また第１の実施形態によれば、前述したような逓減度は、拡張結節候補領域遠位部と同領域近位部との体積比である。すなわち、結節候補領域および周辺領域のそれぞれの特徴量は、両領域の境界の近傍における一部ずつの領域の体積として求めている。このため、結節候補領域の全域についての特徴量の算出、周辺領域の全体形状の特定、あるいは周辺領域の全域についての特徴量の算出といった処理を行う必要がなく、効率的である。

（第２の実施形態）
図１７は本発明の画像診断処理装置が適用されたコンピュータ支援画像診断処理装置３の構成を示す図である。なお、図１７において図１と同一部分には同一の符号を付し、その詳細な説明は省略する。

この図１７に示すコンピュータ支援画像診断処理装置３は、マルチスライスＣＴ２により取得された３次元画像データを処理対象とする。コンピュータ支援画像診断処理装置３は、図１７に示すように、結節候補領域特定部１１および判定部３１を含む。

このコンピュータ支援画像診断処理装置３は、例えば汎用のコンピュータ装置を基本ハードウェアとして用い、第１の実施形態におけるコンピュータ支援画像診断処理装置１と同様にして実現することができる。

判定部３１は、結節候補領域に内在される楕円体モデルにおける前景占有率と、結節候補領域を内在する楕円体モデルにおける前景占有率とに基づいて結節候補領域が結節であるか否かを判定する。

次に以上のように構成されたコンピュータ支援画像診断処理装置３の動作について説明する。
図１８はコンピュータ支援画像診断処理装置３における結節検出のための処理の概略を示すフローチャートである。なお図１８において図２と同一の処理を表すステップには同一の符号を付し、その詳細な説明は省略する。

図１８に示すように、まずステップＳａ１乃至ステップＳａ６が、第１の実施形態と同様にして結節候補領域特定部１１により行われる。こののち、ステップＳｃ１およびステップＳｃ２が判定部３１により行われる。

ステップＳｃ１において判定部３１は、占有率変化度を算出する。以下、図１９を参照して占有率変化度の算出について説明する。
まず、図１９（ａ）に示すように、前景部に属するボクセルのボクセル値を「１」、背景部に属するボクセルのボクセル値を「０」と置く。そして判定部３１は、結節候補領域特定部１１によって生成された生成楕円体モデル１０１に含まれるボクセルのうち、前景部に属するものと背景部に属するものとの割合（以下、前景占有率と記す）を計算する。この後に判定部３１は、３主軸の軸の回転方向、および軸の長さの比は維持しながら生成楕円体モデル１０１を逐次的に大きくしながら、前景占有率の変化度を計算する。この変化度が、占有率変化度である。

結節候補領域特定部１１によって生成された生成楕円体モデル１０１は、図１６（ｂ）に示すように結節候補領域の辺縁近傍に沿うから、生成楕円体モデル１０１内の領域は結節候補領域とほぼ一致する。そしてこの状態では、前景占有率はほぼ「１」になる。生成楕円体モデル１０１が大きくなると、背景部が生成楕円体モデル１０１の中に含まれるようになることから、前景占有率は低下する。結節の場合は図１９（ｃ）に示すように、結節候補領域の周辺領域が小さいために、生成楕円体モデル１０１の拡大領域のほとんどが背景領域となる。これに対して肺血管の場合は図１９（ｄ）に示すように、結節候補領域の周辺領域が大きいために、生成楕円体モデル１０１の拡大領域に多くの前景領域を含む。このため、図１９（ｅ）に示すように占有率変化度は、結節候補領域が肺血管である場合に比べて結節である場合のほうが大きくなる。

ステップＳｃ２において判定部３１は、上記のような性質とともに、結節候補領域１０２の実効径や濃度コントラスト等の比較的単純な特徴量を使用して、結節候補領域が結節であるか否かを判定する。

なお、楕円体モデルの中心から軸長のみを逐次的に増大させる開始は、結節候補領域特定部１１によって生成される生成楕円体モデル１０１より僅かに小さい楕円体モデルからとしても良い。

このような第２の実施形態によっても、結節候補領域に連続する周辺領域に関する特徴をも考慮した判定を行うので、非常に高精度に結節とそれ以外の血管等の組織とを区別することが可能である。

この実施形態は、次のような種々の変形実施が可能である。
なお、本発明は上記実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。

前記第１の実施形態では、特徴量として面積を用いても良い。観察平面１０９における楕円モデル内拡張結節候補領域断面の面積を探索基準点の開始点から終点まで求め、開始点での楕円モデル内拡張結節候補領域断面の面積に対する遠心方向の楕円モデル内拡張結節候補領域断面の比であるところの面積逓減度を求める。そしてこの面積逓減度を参考に、結節候補領域が結節であるか否かを判定する。例えば図２０および図２１に示すように、結節候補領域が結節である場合、図２０（ａ）における観察平面１０９ａ，１０９ｂ，１０９ｃ，１０９ｄにおける楕円モデル内拡張結節候補領域断面は、それぞれ図２０（ｂ）乃至図２０（ｅ）に示すようになる。そしてこの楕円モデル内拡張結節候補領域断面の面積逓減度は、図２０（ｆ）のような特性を示す。結節候補領域が肺血管である場合、図２１（ａ）における観察平面１０９ｅ，１０９ｆ，１０９ｇ，１０９ｈにおける楕円モデル内拡張結節候補領域断面は、それぞれ図２１（ｂ）乃至図２１（ｅ）に示すようになる。そしてこの楕円モデル内拡張結節候補領域断面の面積逓減度は、図２１（ｆ）のような特性を示す。従って、前記第１の実施形態で使用している逓減度に代えて、この面積逓減度を用いることができる。

第１の実施形態では、特徴量として観察ボリュームの体積と元の観察対象ボリュームの内画像の画素値との積とを用いても良い。すなわち例えば、第１積算器および第２積算器への楕円モデル内拡張結節候補領域断面の面積の加算に変えて、当該断面のピクセルの面積と対応する画素値の積を加算する。

第１の実施形態では、生成楕円体外の連続領域のみについて特徴量を観察ボリュームの体積と元の観察対象ボリュームの内画像の画素値との積としても良い。すなわち、第２積算器についてのみ、楕円モデル内拡張結節候補領域断面の面積の加算に変えて、当該断面のピクセルの面積と対応する画素値の積を加算する。

前記第２の実施形態では、特徴量として画素値の加算値を用いても良い。例えば図２２に示すように、前景部に属するボクセルには元の３次元画像の画素値をそのままボクセル値として割り当て、背景部に属するボクセルには「０」をボクセル値として割り当てる。この上で、第１の実施形態における楕円モデル内拡張結節候補領域断面の面積の算出や、第２の実施形態における前景占有率の計算に当たっては、上記のボクセル値を加算する。

前記第２の実施形態では、前景部において生成楕円体外の連続領域のボクセルにのみ元の画像の画素値を割り当てるようにしても良い。すなわち、逐次的に増大する楕円体のボクセルの体積を全て加算し、結節候補領域特定部１１によって生成される楕円体モデルよりも大きな軸長を有する楕円体ではさらに画素値の積を加算する。

前記第２の実施形態では、図２３に示すように大きさが互いに異なる二つの楕円体モデルの間である楕円体殻１１２の内部を前景占有率の計算対象領域としても良い。なお、楕円体殻１１２の厚みは、例えば１ボクセル分の厚み、あるいはそれ以上としてもよい。

前記各実施形態は、肺癌における結節状異常の判定に関して記載しているが、本発明の手法は、例えば脳血管障害である脳動脈瘤のような血管に連続する瘤状異常に対しても適用可能である。

前記各実施形態では、マルチスライスＣＴ２により取得される３次元画像を処理対象としているが、Ｘ線診断装置、磁気共鳴診断装置、あるいは超音波診断装置などの他の診断モダリティを用いて収集された３次元画像を処理対象としても良い。

結節候補領域の特定は自動では行わず、ユーザにより指定された結節候補領域についての判定を行うようにしても良い。

また、上記実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせてもよい。

本発明の本発明の画像診断処理装置が適用されたコンピュータ支援画像診断処理装置１の構成を示す図。 コンピュータ支援画像診断処理装置１における結節検出のための処理の概略を示すフローチャート。 マルチスライスＣＴ２で取得された３次元画像データが表す画像およびこの画像から分割された前景部の画像を示す図。 楕円体モデルの生成処理を説明する図。 ペナルティ画像の合成過程について説明する図。 楕円体モデルの変形処理を説明する図。 変形完了後の楕円体モデルとこの楕円体モデルにより特定される結節候補領域とを示す図。 拡張結節候補領域の特定について説明する図。 探索基準点を生成するための処理を説明する図。 図１中の判定部１３が逓減度を計算するための処理のフローチャート。 拡張結節候補領域の探索の様子を示す図。 拡張結節候補領域の探索の様子を示す図。 拡張結節候補領域の探索の様子を示す図。 拡張結節候補領域の探索の様子を示す図。 第３の終了条件について説明する図。 第４の終了条件について説明する図。 本発明の画像診断処理装置が適用されたコンピュータ支援画像診断処理装置３の構成を示す図。 コンピュータ支援画像診断処理装置３における結節検出のための処理の概略を示すフローチャート。 占有率変化度について説明する図。 面積逓減度を参考に結節候補領域が結節であるか否かを判定する処理を説明する図。 面積逓減度を参考に結節候補領域が結節であるか否かを判定する処理を説明する図。 ボクセル値の割り当ての変形例を示す図。 前景占有率の計算対象領域の変形例である楕円体殻を示す図。

符号の説明

１…コンピュータ支援画像診断処理装置、１１…結節候補領域特定部、１２…拡張結節候補領域特定部、１３…判定部、１０１…生成楕円体モデル、１０２…結節候補領域、１０３…拡張結節候補領域、１０４…拡張結節候補領域臨界部、１０５…遠心ベクトル、１０６…遠心方向線分、１０７…探索基準点、１０８…観察基準線、１０９…観察平面、１１０…楕円モデル、１１１…楕円モデル内拡張結節候補領域断面、１１２…楕円体殻。

Claims (18)

1. 被検体の内部を表す画像に含まれる異常候補領域に連続する周辺領域を特定する周辺領域特定手段と、
   前記異常候補領域に関する第１の特徴量と前記周辺領域に関する第２の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段とを具備したことを特徴とする画像診断処理装置。
2. 前記判定手段は、前記異常候補領域と前記周辺領域と通る線分を観察線として仮想し、前記異常候補領域内で前記観察線上に位置する複数の観察点のそれぞれで求まる前記第１の特徴量および前記周辺領域内で前記基準線上に位置する複数の観察点のそれぞれで求まる前記第２の特徴量の変化量に基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定することを特徴とする請求項１に記載の画像診断処理装置。
3. 前記判定手段は、前記異常候補領域の重心を始点として前記異常候補領域と前記周辺領域との境界を通るとともに前記周辺領域内の長さが最大となる線分と同一の向きで、前記異常候補領域と前記周辺領域との境界に中点を有し、さらに前記異常候補領域の重心を一端とする直線を前記観察線とすることを特徴とする請求項２に記載の画像診断処理装置。
4. 前記判定手段は、(1)前記観察線を軸とする空間に含まれる前記異常候補領域および前記周辺領域のそれぞれの体積、(2)前記観察線を軸とする空間に含まれる前記異常候補領域および前記周辺領域のそれぞれの体積と画素値との積、(3)前記観察点で前記観察線に直交する面内での前記異常候補領域および前記周辺領域のそれぞれの面積、(4)前記観察点で前記観察線に直交する面内での前記異常候補領域および前記周辺領域のそれぞれの面積と画素値との積、のいずれか１つを前記第１の特徴量および前記第２の特徴量とすることを特徴とする請求項２に記載の画像診断処理装置。
5. 前記判定手段は、前記第１の特徴量と前記第２の特徴量との比に基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定することを特徴とする請求項４に記載の画像診断処理装置。
6. 前記画像は、前記被検体の一部の解剖学的性質を表す値をそれぞれ持つ複数のボクセルを含み、
   前記周辺領域特定手段は、前記異常候補領域の境界に沿った前記ボクセルの値を用いて特定することを特徴とする請求項１に記載の画像診断処理装置。
7. 被検体の内部を表す画像に含まれる異常候補領域をほぼ内包するとともに前記異常候補領域外の領域も含んだ第１の比較領域に関する第１の特徴量と、前記異常候補領域とほぼ一致するか、または前記異常候補領域にほぼ内包される第２の比較領域に関する第２の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段を具備したことを特徴とする画像診断処理装置。
8. 前記判定手段は、前記第１の比較領域内で前記解剖学的異常であり得る領域が占める割合を前記第１の特徴量とし、前記第２の比較領域内で前記解剖学的異常であり得る領域が占める割合を前記第２の特徴量とすることを特徴とする請求項７に記載の画像診断処理装置。
9. 前記画像は、前記被検体の一部の解剖学的性質を表す値をそれぞれ持つ複数のボクセルを含み、
   前記判定手段は、前記第１の比較領域に含まれるボクセルの値の総和を前記第１の特徴量とし、前記第２の比較領域に含まれるボクセルの値の総和を前記第２の特徴量とすることを特徴とする請求項７に記載の画像診断処理装置。
10. 前記画像は、前記被検体の一部の解剖学的性質を表す値をそれぞれ持つ複数のボクセルを含み、
    前記判定手段は、前記第１の比較領域内で前記解剖学的異常であり得る領域が占める割合と前記第１の比較領域に含まれるボクセルの値の総和とに基づく値を前記第１の特徴量とし、前記第２の比較領域内で前記解剖学的異常であり得る領域が占める割合と前記第２の比較領域に含まれるボクセルの値の総和とに基づく値を前記第２の特徴量とすることを特徴とする請求項７に記載の画像診断処理装置。
11. 前記判定手段は、前記異常候補領域の重心を中心とし、３主軸の回転方向およびそれらの主軸の長さの比が同じで大きさの異なる球体または楕円体の内部領域をそれぞれ前記第１の比較領域および前記第２の比較領域とすることを特徴とする請求項７に記載の画像診断処理装置。
12. 前記判定手段は、前記異常候補領域の重心を中心とし、３主軸の回転方向およびそれらの主軸の長さの比が同じで大きさの異なる中空の球体または楕円体の外殻部をそれぞれ前記第１の比較領域および前記第２の比較領域とすることを特徴とする請求項７に記載の画像診断処理装置。
13. 前記画像から前記異常候補領域を特定する候補領域特定手段をさらに備えることを特徴とする請求項１または請求項７に記載の画像診断処理装置。
14. 前記候補領域特定手段は、前記画像の一次微分フィルタ処理結果と、前記画像の二次微分フィルタ処理結果とを合成して得られる画像を用いて前記異常候補領域を特定することを特徴とする請求項１３に記載の画像診断処理装置。
15. 前記判定手段は、前記異常候補領域が結節状異常または瘤状異常であるか否かを判定することを特徴とする請求項１または請求項６に記載の画像診断処理装置。
16. 被検体の内部を表す画像に含まれる異常候補領域と重なるかあるいは連続する構造に相当する領域を特定する手段と、
    前記の構造に相当する領域を３次元的に探索する方向を求める手段と、
    前記探索方向に沿った複数の位置に対応する特徴量を求める手段と、
    前記複数の位置における特徴量に基づいて、前記異常候補領域が解剖学的異常領域であるか否かを判定する手段とを具備したことを特徴とする画像診断処理装置。
17. コンピュータを、
    被検体の内部を表す画像に含まれる異常候補領域に連続する周辺領域を特定する周辺領域特定手段と、
    前記異常候補領域に関する第１の特徴量と前記周辺領域に関する第２の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段として機能させることを特徴とする画像診断処理プログラム。
18. コンピュータを、被検体の内部を表す画像に含まれる異常候補領域をほぼ内包するとともに前記異常候補領域外の領域も含んだ第１の比較領域に関する第１の特徴量と、前記異常候補領域とほぼ一致するか、または前記異常候補領域にほぼ内包される第２の比較領域に関する第２の特徴量とに基づいて前記異常候補領域が解剖学的異常領域であるか否かを判定する判定手段として機能させることを特徴とする画像診断処理プログラム。

Images