JP2006334140A - 異常陰影候補の表示方法及び医用画像処理システム - Google Patents
異常陰影候補の表示方法及び医用画像処理システム Download PDFInfo
- Publication number
- JP2006334140A JP2006334140A JP2005162444A JP2005162444A JP2006334140A JP 2006334140 A JP2006334140 A JP 2006334140A JP 2005162444 A JP2005162444 A JP 2005162444A JP 2005162444 A JP2005162444 A JP 2005162444A JP 2006334140 A JP2006334140 A JP 2006334140A
- Authority
- JP
- Japan
- Prior art keywords
- abnormal shadow
- image
- candidates
- medical image
- shadow candidate
- 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.)
- Pending
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 143
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 70
- 238000003384 imaging method Methods 0.000 claims description 25
- 238000010191 image analysis Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 2
- 238000000491 multivariate analysis Methods 0.000 abstract description 12
- 238000002601 radiography Methods 0.000 abstract description 2
- 238000009548 contrast radiography Methods 0.000 abstract 1
- 210000000481 breast Anatomy 0.000 description 56
- 238000004891 communication Methods 0.000 description 11
- 210000002976 pectoralis muscle Anatomy 0.000 description 11
- 230000003902 lesion Effects 0.000 description 9
- 239000003550 marker Substances 0.000 description 8
- 208000004434 Calcinosis Diseases 0.000 description 6
- 206010028980 Neoplasm Diseases 0.000 description 4
- 238000003745 diagnosis Methods 0.000 description 4
- 210000005075 mammary gland Anatomy 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 210000000779 thoracic wall Anatomy 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002308 calcification Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000000062 pectoralis major Anatomy 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
【課題】真陽性の異常陰影であるかどうか疑わしい異常陰影候補及び/又は視認性の低い異常陰影候補の検出情報のみを提供し、医師の見落とし防止、読影作業の効率化を図る。
【解決手段】医用画像処理システム100では、位相コントラスト撮影方法により撮影が行われ、医用画像が生成されると、画像処理装置2において当該医用画像に対し、異常陰影候補の検出処理が行われる。次いで、検出された異常陰影候補の画像特徴量に基づいて、多変量解析により明らかに真陽性又は偽陽性である異常陰影候補、真陽性か偽陽性かの判断が難しい候補や、検出しづらい位置に存在する候補等が判定され、検出された異常陰影候補から削除される。そして、削除後の異常陰影候補の検出情報のみがビューア5において表示される。
【選択図】図1
【解決手段】医用画像処理システム100では、位相コントラスト撮影方法により撮影が行われ、医用画像が生成されると、画像処理装置2において当該医用画像に対し、異常陰影候補の検出処理が行われる。次いで、検出された異常陰影候補の画像特徴量に基づいて、多変量解析により明らかに真陽性又は偽陽性である異常陰影候補、真陽性か偽陽性かの判断が難しい候補や、検出しづらい位置に存在する候補等が判定され、検出された異常陰影候補から削除される。そして、削除後の異常陰影候補の検出情報のみがビューア5において表示される。
【選択図】図1
Description
本発明は、医用画像から異常陰影候補を検出し、その検出情報を表示する異常陰影候補の表示方法及び医用画像処理システムに関する。
医療の分野においては、CT(Computed Tomography)やMRI(Magnetic Resonance Imaging)等の撮影装置により患者を撮影した医用画像をデジタルデータに変換し、医師が診断を行う際には、表示ディスプレイ上に表示して読影を行うようになってきた。特に近年では、読影医の負担軽減や異常陰影の見落とし減少を目的として癌化部分等の異常陰影候補を検出するコンピュータ支援装置(Computer-Aided Diagnosis;以下、CADという)が開発されてきた。
上記CADにより異常陰影候補が検出されると、その検出情報として医用画像上に異常陰影候補の検出位置を指し示すマーカ(矢印や丸等)等を表示する方法が一般的である。その表示方法としては、(1)医用画像上に直接マーカを表示する方法(例えば、特許文献1参照)、(2)読影用にライフサイズ(等倍)の医用画像を主画像として表示し、その主画像の縮小画像上にマーカを表示した副画像を作成して主画像とともに表示する方法(例えば、特許文献2参照)が用いられている。
特開2000−276587号公報
特開2004−230001号公報
このような状況で、CADにより検出された異常陰影候補の数が多い場合、上記(1)の方法では、読影医が観察する画像上にたくさんのマーカが表示されることとなり、医用画像自体が観察しにくくなってしまい、かえって読影作業に悪影響を及ぼすことがある。
一方、上記(2)の方法では、(1)の方法に比べ、主画像自体はマーカが表示されないため、医師の読影作業に与える影響が少ないが、縮小された副画像上にはやはりたくさんのマーカが表示されることとなり、見づらいという問題があった。また、主画像と副画像との位置の対応もとりにくくなる。
さらに、異常陰影候補の検出時には、その候補領域の画像特徴量を演算し、閾値と比較して異常陰影であるか否かを判定する方法や、画像特徴量を用いて多変量解析することにより異常陰影の候補領域を検出する方法等、様々なアルゴリズムが用いられるが、検出結果には、明らかに異常陰影であるものと疑わしいものとが混在している。
従来のCADでは、このように検出された異常陰影候補の全てに関する検出情報を医師に提供し、真陽性であるか偽陽性であるかの最終判断は医師によることとしている。しかし、上述したように検出数が非常に多いと、その全てについて読影医は確認しなければならず、非効率的である。特に、経験豊かな医師にとっては、明らかに異常陰影であると容易に判断できるものより、疑わしい候補を優先的に読影した方が効率的な場合がある。
また、異常陰影が乳房画像の端部付近に存在したり、陰影自体の面積が小さかったりすると、読影医が視認しづらいものとなり、見落としやすくなる。
本発明の課題は、真陽性の異常陰影であるかどうか疑わしい異常陰影候補及び/又は視認性の低い異常陰影候補の検出情報のみを提供し、医師の見落とし防止、読影作業の効率化を図ることである。
請求項1に記載の発明は、
位相コントラスト撮影方法により撮影された医用画像を画像解析して異常陰影候補を検出する検出工程と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する抽出工程と、
前記抽出された異常陰影候補の検出情報を前記医用画像とともに出力する出力工程と、
を含むことを特徴とする異常陰影候補の表示方法。
位相コントラスト撮影方法により撮影された医用画像を画像解析して異常陰影候補を検出する検出工程と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する抽出工程と、
前記抽出された異常陰影候補の検出情報を前記医用画像とともに出力する出力工程と、
を含むことを特徴とする異常陰影候補の表示方法。
請求項2に記載の発明は、請求項1に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記検出された異常陰影候補の画像特徴量を算出し、当該画像特徴量に基づいて表示すべき異常陰影候補の優先順位を決定し、前記検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出することを特徴とする。
前記抽出工程では、前記検出された異常陰影候補の画像特徴量を算出し、当該画像特徴量に基づいて表示すべき異常陰影候補の優先順位を決定し、前記検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出することを特徴とする。
請求項3に記載の発明は、請求項2に記載の異常陰影候補の表示方法において、
前記出力工程では、前記医用画像を被写体と等倍サイズに縮小した等倍画像を出力することを特徴とする。
前記出力工程では、前記医用画像を被写体と等倍サイズに縮小した等倍画像を出力することを特徴とする。
請求項4に記載の発明は、請求項3に記載の異常陰影候補の表示方法において、
前記医用画像から参照用画像を作成し、当該作成画像上に検出情報を重ねた画像を前記等倍画像とともに出力することを特徴とする。
前記医用画像から参照用画像を作成し、当該作成画像上に検出情報を重ねた画像を前記等倍画像とともに出力することを特徴とする。
請求項5に記載の発明は、請求項1〜4の何れか一項に記載の異常陰影候補の表示方法において、
前記出力工程では、フィルム出力を行うことを特徴とする。
前記出力工程では、フィルム出力を行うことを特徴とする。
請求項6に記載の発明は、医用画像処理システムにおいて、
位相コントラスト撮影方法により撮影された医用画像を画像解析して異常陰影候補を検出する異常陰影候補検出手段と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する制御手段と、
前記抽出された異常陰影候補の検出情報を前記医用画像とともに出力する出力手段と、
を備えることを特徴とする。
位相コントラスト撮影方法により撮影された医用画像を画像解析して異常陰影候補を検出する異常陰影候補検出手段と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する制御手段と、
前記抽出された異常陰影候補の検出情報を前記医用画像とともに出力する出力手段と、
を備えることを特徴とする。
請求項1,2,6に記載の発明によれば、表示する異常陰影候補数を減少させることにより、表示画面上の検出情報(検出位置のマーカ表示等)の表示量を減少させることができ、医師が観察しやすい表示状態で検出情報を提供することができる。また、真陽性か否かが疑わしく、医師による精査が必要な異常陰影候補、視認性が低い異常陰影候補、或いは何れにも該当する異常陰影候補の検出情報のみを提供することにより、結果として医師の読影作業の効率化を図ることができ、診断精度の向上を図ることができる。
請求項3,4,5に記載の発明は、医師の読影用として解像度の高い等倍画像を提供し、また異常陰影候補の検出情報の参照用として前記等倍画像とは異なる参照用画像を提供するので、画質の良い画像を読影しやすい方法で提供することができる。
本実施形態では、医用画像として乳房を撮影した乳房画像を用いた例を説明する。
まず、構成を説明する。
図1に、本実施形態における医用画像処理システム100のシステム構成を示す。
医用画像処理システム100は、位相コントラスト撮影方法により医用画像を撮影し、当該医用画像に画像処理を行って異常陰影候補を検出し、医用画像とともにその検出情報を医師に提供するシステムである。
図1に、本実施形態における医用画像処理システム100のシステム構成を示す。
医用画像処理システム100は、位相コントラスト撮影方法により医用画像を撮影し、当該医用画像に画像処理を行って異常陰影候補を検出し、医用画像とともにその検出情報を医師に提供するシステムである。
図1に示すように、医用画像処理システム100は、画像生成装置1、画像処理装置2、プリンタ3、画像サーバ4、ビューア5を備えて構成されている。これら各装置1〜5は、LAN(Local Area Network)等の医療機関内で構築された通信ネットワークNを介して相互にデータを送受信可能に接続されている。通信ネットワークNは、DICOM(Digital Imaging and Communication in Medicine)規格が適用されている。
以下、各構成装置1〜5について説明する。
画像生成装置1は、特開2001−238871号公報、特開2001−311701号公報、特開2002−85389号公報、特開2001−299733号公報等に開示された位相コントラスト撮影方法により人体を撮影し、その撮影画像(医用画像)のデジタルデータを生成するものであり、例えばCR(Computed Radiography)、FPD(Flat Panel Detector)、CT、MRI、カセッテ専用の読取装置、フィルムディジタイザ等のモダリティを適用可能である。本実施形態では、画像生成装置1として、左右乳房のX線撮影を行う乳房専用のCRを適用し、乳房画像のデータが生成されるものとする。
画像生成装置1は、特開2001−238871号公報、特開2001−311701号公報、特開2002−85389号公報、特開2001−299733号公報等に開示された位相コントラスト撮影方法により人体を撮影し、その撮影画像(医用画像)のデジタルデータを生成するものであり、例えばCR(Computed Radiography)、FPD(Flat Panel Detector)、CT、MRI、カセッテ専用の読取装置、フィルムディジタイザ等のモダリティを適用可能である。本実施形態では、画像生成装置1として、左右乳房のX線撮影を行う乳房専用のCRを適用し、乳房画像のデータが生成されるものとする。
なお、画像生成装置1は、上述したDICOM規格に準拠した装置であり、生成した医用画像に付帯させる各種情報(例えば、医用画像が撮影された患者に関する患者情報や、撮影又は検査に関する撮影情報、検査情報等。)を外部から入力可能であるとともに、自動生成することもできる。画像生成装置1は、生成された医用画像に上記付帯情報をヘッダ情報として付加して通信ネットワークNを介して画像処理装置2へ送信する。なお、DICOM規格に準拠していない場合には、図示しないDICOM変換装置を用いて付帯情報を画像生成装置1に入力させることも可能である。
ここで、位相コントラスト撮影方法について説明する。
位相コントラスト撮影方法とは、図2に示すように、被写体と検出器(カセッテ又はFPD(Flat Panel Detector)等)との間に距離を設けて拡大撮影を行う撮影方法である。この撮影方法によれば、図2に示すように、得られる画像は被写体の実サイズに対して拡大されたものとなり、高解像度の画像を得ることができる。例えば、被写体と検出器を密着させて撮影する通常撮影に対し、2倍拡大した拡大撮影を行うと、通常撮影の際と同じ画素サイズで読み取ってもその1/2の大きさの画素で読み取っていることと同等の解像度を得ることができる。
位相コントラスト撮影方法とは、図2に示すように、被写体と検出器(カセッテ又はFPD(Flat Panel Detector)等)との間に距離を設けて拡大撮影を行う撮影方法である。この撮影方法によれば、図2に示すように、得られる画像は被写体の実サイズに対して拡大されたものとなり、高解像度の画像を得ることができる。例えば、被写体と検出器を密着させて撮影する通常撮影に対し、2倍拡大した拡大撮影を行うと、通常撮影の際と同じ画素サイズで読み取ってもその1/2の大きさの画素で読み取っていることと同等の解像度を得ることができる。
なお、拡大率は、図3に示すように、X線源から被写体までの距離をR1、被写体から検出器までの距離をR2とすると、(R1+R2)/R1により示される。この拡大率の情報は後の画像処理等に利用されるため、乳房画像の付帯情報に含ませることとする。
また、図3に示すように、X線が被写体を透過する際にわずかに屈折する現象が生ずる。この屈折により被写体の画像領域の境界部分でエッジ強調が生じるため(位相コントラスト効果)、病巣辺縁部から得られる拡大画像は、辺縁部の境界部分がエッジ強調された視認性の高い画像となる。
また、図3に示すように、X線が被写体を透過する際にわずかに屈折する現象が生ずる。この屈折により被写体の画像領域の境界部分でエッジ強調が生じるため(位相コントラスト効果)、病巣辺縁部から得られる拡大画像は、辺縁部の境界部分がエッジ強調された視認性の高い画像となる。
画像処理装置2は、画像生成装置1から供給される医用画像に対して各種画像処理を施すとともに、当該医用画像の画像解析を行って異常陰影候補の検出処理を行う。
プリンタ3は、画像処理装置2又は画像サーバ4から受信された医用画像のデータに基づいて、フィルム等の記録媒体に医用画像を出力する。
画像サーバ4は、画像DB4aを備え、この画像DB4aに、画像生成装置1により生成された医用画像(原画像)、画像処理装置2から受信された画像処理済みの医用画像(処理画像)を保存し、その入出力を管理する。
ビューア5は、診断用に医師により使用される表示手段であり、LCD(Liquid Crystal Display)等を備えて構成されている。ビューア5は、医師の操作指示に応じて、指定された医用画像を画像サーバ4から取得して表示する。或いは、画像処理装置2で検出された異常陰影候補の検出結果を受信して表示する。
次に、本発明に係る画像処理装置2について詳細に説明する。
図4に、画像処理装置2の内部構成を示す。
画像処理装置2は、制御部21、操作部22、表示部23、通信部24、記憶部25、画像処理部26を備えて構成されている。
図4に、画像処理装置2の内部構成を示す。
画像処理装置2は、制御部21、操作部22、表示部23、通信部24、記憶部25、画像処理部26を備えて構成されている。
制御部21は、CPU(Central Processing Unit)、RAM(Random Access Memory)等から構成され、CPUにより記憶部25から各種制御プログラムを読み出してRAMに展開する。そして、当該プログラムに従って処理の実行を統括的に制御し、各部の動作を集中制御する。例えば、本発明に係る表示対象判断処理プログラムに従って表示対象判断処理(後述する)を実行する。
操作部22は、キーボードやマウス等を備えて構成され、キー操作やマウス操作に対応する操作信号を生成して制御部21に出力する。
表示部23は、LCD等を備えて構成され、制御部21の指示に従って画像処理時の操作画面や処理後の医用画像等、各種表示を行う。
通信部24は、ルータやモデム等の通信用インターフェイスを備え、制御部21の指示に従って、通信ネットワークN上の外部装置と通信を行う。例えば、画像生成装置1から処理対象の医用画像を受信したり、処理済みの医用画像を画像サーバ4やプリンタ3に送信する。
記憶部25は、各種制御プログラムやプログラムの実行に必要なパラメータ、或いは処理結果のデータを記憶している。
画像処理部26は、画像処理プログラムに従って医用画像に対し、階調変換処理、鮮鋭度調整処理、縮小/拡大処理等を実行する他、乳房画像の場合には左右の乳房の画像を隣り合わせで合成する位置合わせ処理等を実行する。位置合わせ処理は、乳房画像から抽出された胸筋領域の形状が左右対称となるように各乳房画像の位置を上下にシフトさせる等、公知の手法が適用可能である。
また、画像処理部26は、乳房画像上に異常陰影候補の検出情報を重ねて出力するための出力用画像の作成を行う。位相コントラスト撮影方法により得られた乳房画像は実際の被写体のサイズに対して拡大されたものとなっている。その拡大されたサイズのまま出力することとしてもよいが、診断時には病変の実際の大きさ等も重要な確認事項となるため、実際の被写体のサイズ(実サイズ)に合わせて縮小して出力することが多い。乳房画像には撮影時に画像生成装置1により拡大率の情報が付帯されるので、被写体の実サイズと同一サイズとする、つまり被写体の実サイズと等倍で出力する場合には、この拡大率の情報に基づいて縮小処理を施し、等倍画像を作成する。
さらに、画像処理部26は、異常陰影候補検出部27により検出された異常陰影候補の検出情報を乳房画像上に重ねて合成した出力用画像の作成を行う。具体的には、異常陰影候補検出部27から入力された検出情報に基づいて、前記作成した等倍画像等における異常陰影候補の検出位置を判別し、その位置に異常陰影候補の検出位置を指し示すマーカ画像(矢印や枠等)を重ねて合成する。
異常陰影候補検出部27は、医用画像の画像解析を行って被写体領域を抽出して当該被写体領域を複数領域に分類するとともに、医用画像から画像特徴量を算出し、当該画像特徴量に基づいて異常陰影候補を検出する。
ここで、図5を参照して、医用画像から各領域を抽出する手順について説明する。
図5は、斜位方向(以下、MLOという)で撮影された乳房画像Sを示す図であり、この乳房画像Sから被写体領域Saを抽出し、被写体領域Saから乳房領域Sa1、胸筋領域Sa2を抽出したうえで、乳房領域Sa1を3つの領域Da,Db,Dcに分類する。
図5は、斜位方向(以下、MLOという)で撮影された乳房画像Sを示す図であり、この乳房画像Sから被写体領域Saを抽出し、被写体領域Saから乳房領域Sa1、胸筋領域Sa2を抽出したうえで、乳房領域Sa1を3つの領域Da,Db,Dcに分類する。
〈1〉まず、画像処理部26は、乳房画像Sにおける画素値の分散ヒストグラムを求め、判別分析法(分散ヒストグラムを2つのクラスに分類したとき2つのクラスでクラス内分散とクラス間分散の判別比(分散比)が最大となるように閾値を決定する方法)を用いて閾値を決定し、決定された閾値を用いて乳房画像Sを2値化する。
このとき、乳房画像Sにおいて素抜け領域(被写体部分に該当しない領域であり、X線が直接照射された領域)は、高濃度を呈しているため、2値化により「1」となり、その他の被写体領域は「0」となることが予想される。よって、この2値化により乳房画像Sを被写体領域Saとそれ以外の素抜け領域Sbに分類することができる。なお、撮影方向が正面方向(以下、CCという)である場合には、被写体部分に胸筋は写り込まないため、被写体領域Saが乳房領域Sa1となる。また、2値化による2領域(被写体領域と素抜け領域)の境界をスキンラインSLとして認識する。
〈2〉一方、撮影方向がMLOである場合、被写体部分に胸筋がうつり込むため、次に被写体領域Saから胸筋領域Sa2を認識する。胸筋領域Sa2は、例えば被写体領域Saにおける濃度勾配を算出し、当該濃度勾配から被写体領域Saを胸筋領域Sa2と乳房領域Sa1とに分類する。なお、特開2001−238868号公報に記載されているように局所領域を設定し、局所領域内の画素値に基づき、閾値を設定して被写体領域Sa内を2値化することにより、胸筋領域Sa2及び乳房領域Sa1を認識することとしてもよい。
〈3〉次に、乳房領域Sa1を3つの領域Da,Db,Dcに分類する。
乳房領域は、乳腺と脂肪が混在しており、その密度に応じて濃度が異なってくるため、医師が診断を行う際にはその濃度により乳房領域を分類されている。分類は、脂肪が多く、乳腺の含有率が10%未満と考えられる高濃度領域、乳腺の含有率が10%以上50%未満と考えられる中濃度領域、乳腺の含有率が50%以上を占めると考えられる低濃度領域の3つの領域に分類されることが多い。異常陰影は画像上では白く低濃度で現れるため、大胸筋の最も白い濃度に相当する低濃度領域や、やや白っぽい中濃度領域に病変部が存在する場合は、異常陰影を目視で検出しづらくなる。
乳房領域は、乳腺と脂肪が混在しており、その密度に応じて濃度が異なってくるため、医師が診断を行う際にはその濃度により乳房領域を分類されている。分類は、脂肪が多く、乳腺の含有率が10%未満と考えられる高濃度領域、乳腺の含有率が10%以上50%未満と考えられる中濃度領域、乳腺の含有率が50%以上を占めると考えられる低濃度領域の3つの領域に分類されることが多い。異常陰影は画像上では白く低濃度で現れるため、大胸筋の最も白い濃度に相当する低濃度領域や、やや白っぽい中濃度領域に病変部が存在する場合は、異常陰影を目視で検出しづらくなる。
よって、胸筋領域Sa2の濃度を基準として乳房領域Sa1を高濃度領域Da、中間濃度領域Db、低濃度領域Dcに分類する。具体的には、胸筋領域Sa2の分散ヒストグラムを作成し、その形状から比較的均一な濃度の領域を抽出してこの平均濃度を閾値として各領域Da〜Dcに分類する。例えば、閾値より高濃度な領域を削除した残りの領域をDcとし、さらに削除した高濃度の領域について閾値の30%以上高濃度な領域をDb、閾値の60%以上高濃度な領域をDaとすることにより、各領域Da〜Dcに分類することができる。
次に、異常陰影候補の検出方法について説明する。
異常陰影候補検出部27は、検出目的とする異常陰影の種類に応じたアルゴリズムの検出プログラムに従って検出処理を実行する。乳房画像の場合、乳癌の癌化部分である腫瘤、微小石灰化クラスタの陰影候補を検出する。
異常陰影候補検出部27は、検出目的とする異常陰影の種類に応じたアルゴリズムの検出プログラムに従って検出処理を実行する。乳房画像の場合、乳癌の癌化部分である腫瘤、微小石灰化クラスタの陰影候補を検出する。
異常陰影候補の検出アルゴリズムとしては、公知のものを適用可能である。例えば、乳房画像における腫瘤陰影候補のアルゴリズムとしては、特開平10−91758号公報に開示されているアイリスフィルタを用いた手法や、ラプラシアンフィルタを用いた手法(電気情報通信学会論文誌(D-II),Vol.J76-D-II,no.2,pp.241-249,1993)等が適用可能である。また、微小石灰化クラスタ陰影候補の検出アルゴリズムとしては、例えばモルフォルジーフィルタ(電気情報通信学会論文誌(D-II),Vol.J71-D-II,no.7,pp.1170-1176,1992)、ラプラシアンフィルタ(電気情報通信学会論文誌(D-II),Vol.J71-D-II,no.10,pp.1994-2001,1998)、3重リングフィルタ等を用いた方法等を適用可能である。
以下、異常陰影候補の検出方法の一例として乳房画像における微小石灰化クラスタ陰影候補の検出方法について説明する。
微小石灰化クラスタ陰影は、乳房画像上では略円錐形状の濃度変化を有する低濃度の微小石灰化部分が集まった(クラスタ化した)陰影として現れる。このような濃度特性に基づいて医用画像に対して正方形の領域を順次設定し、この領域(これを注目領域という)毎に、微小石灰化部分を検出するフィルタとして、特有のベクトルパターンを有する3重リングフィルタを適用して異常陰影候補の1次検出を行う。なお、この注目領域のサイズは、検出目的とする病変種に応じて設定すればよい。
微小石灰化クラスタ陰影は、乳房画像上では略円錐形状の濃度変化を有する低濃度の微小石灰化部分が集まった(クラスタ化した)陰影として現れる。このような濃度特性に基づいて医用画像に対して正方形の領域を順次設定し、この領域(これを注目領域という)毎に、微小石灰化部分を検出するフィルタとして、特有のベクトルパターンを有する3重リングフィルタを適用して異常陰影候補の1次検出を行う。なお、この注目領域のサイズは、検出目的とする病変種に応じて設定すればよい。
3重リングフィルタは、濃度変化が理想的な円錐形状を示す場合の濃度勾配の強度成分及び方向成分が予め決定された3つのリングフィルタから構成される。まず、ある注目画素周辺において、各リングフィルタのそれぞれの領域上の画素値から濃度勾配の強度成分及び方向成分の代表値を求める。そして、その代表値と各リングフィルタに予め決定されている濃度勾配の強度成分及び方向成分との差に基づいて、円錐形状に近い濃度変化を有する画像領域を1次検出する。
1次検出により候補領域が特定されると、当該候補領域においてコントラスト、標準偏差、濃度平均値、曲率、フラクタル次元、円形度、面積等の各種画像特徴量を算出し、これら特徴量に基づいて、真陽性の異常陰影(真に病変部である陰影をいう。これに対し、病変と誤認されるような正常組織の陰影を偽陽性の陰影という。)であるか否かを判定する。判定の手法としては多変量解析を適用することができる。例えば、予め真陽性と分かっている陰影から算出された画像特徴量を学習データとして多変量解析を構築しておき、この多変量解析に判定対象の陰影候補から算出された各種画像特徴量を入力して真陽性の可能性を示す指標値を得る。この指標値を、予め真陽性であると判定するために用意された閾値と比較することにより真陽性か偽陽性かを判定する。そして、真陽性であると判定された候補領域が所定面積内に寄り集まって存在する領域一帯を微小石灰化クラスタ陰影の候補領域として出力する。
次に、上記医用画像処理システム100の動作について説明する。
最初に、医用画像の生成から保存までの流れを説明する。
まず、画像生成装置1において位相コントラスト撮影方法により撮影が行われ、医用画像(ここでは、乳房画像の例を説明する)が生成される。そして、生成された乳房画像の関連情報として、患者の指名、年齢、性別等の患者に関する情報や、撮影時の管電圧、乳房の圧迫率等の撮影情報、検査日時等の検査情報、画像の読取条件、拡大撮影時の拡大率等の乳房画像生成に関する詳細情報等が乳房画像に付帯される。
最初に、医用画像の生成から保存までの流れを説明する。
まず、画像生成装置1において位相コントラスト撮影方法により撮影が行われ、医用画像(ここでは、乳房画像の例を説明する)が生成される。そして、生成された乳房画像の関連情報として、患者の指名、年齢、性別等の患者に関する情報や、撮影時の管電圧、乳房の圧迫率等の撮影情報、検査日時等の検査情報、画像の読取条件、拡大撮影時の拡大率等の乳房画像生成に関する詳細情報等が乳房画像に付帯される。
付帯情報が付帯された乳房画像は、画像生成装置1から画像処理装置2に出力される。
画像処理装置2では、乳房画像に必要な画像処理が施される一方で、その乳房画像について以下説明する表示対象判断処理が開始され、異常陰影候補の検出及び検出された異常陰影候補から表示対象の候補の抽出が行われる。
画像処理装置2では、乳房画像に必要な画像処理が施される一方で、その乳房画像について以下説明する表示対象判断処理が開始され、異常陰影候補の検出及び検出された異常陰影候補から表示対象の候補の抽出が行われる。
以下、図6を参照して、画像処理装置2で実行される表示対象判断処理について説明する。
図6に示す表示対象判断処理では、まず異常陰影候補検出部27において、医用画像に含まれる被写体領域、被写体領域内の胸筋領域、乳房領域等の各領域が抽出される(ステップS1)。
図6に示す表示対象判断処理では、まず異常陰影候補検出部27において、医用画像に含まれる被写体領域、被写体領域内の胸筋領域、乳房領域等の各領域が抽出される(ステップS1)。
次いで、異常陰影候補検出部27により、前記抽出された乳房領域について異常陰影候補の検出処理が行われる(ステップS2)。この異常陰影候補の検出処理について、図7に示すフローチャートにより説明する。まず、乳房領域に対し、検出処理を行う処理単位である注目領域が順次設定され、この注目領域内で1次検出が行われる(ステップS21)。1次検出の手法については上述したとおりであるので、ここでは説明を省略する。
次いで、1次検出された異常陰影候補の領域について、画像特徴量が算出される。画像特徴量は、少なくとも異常陰影候補領域の面積、標準偏差、濃度平均値、曲率、フラクタル次元、円形度、その周辺領域とのコントラスト、辺縁の複雑度、異常陰影候補が1次検出された分類領域(図5に示す領域Da〜Dcの何れに該当するか)等が算出される(ステップS22)。
なお、コントラストは異常陰影候補領域とその周辺領域との濃度差、面積は異常陰影候補領域の画素数、画像端部からの距離は胸壁側の画像端部から異常陰影候補の検出位置までの距離(画素数)から求める。
また、円形度は下記式(1)で算出する。円形度Cはその値が1に近いほど、異常陰影候補の形状が円に近く病変部(真陽性)であることを意味し、1より小さな値になるにつれて図形が複雑になり、真陽性か否かの慎重な精査が必要となることを示す。
また、円形度は下記式(1)で算出する。円形度Cはその値が1に近いほど、異常陰影候補の形状が円に近く病変部(真陽性)であることを意味し、1より小さな値になるにつれて図形が複雑になり、真陽性か否かの慎重な精査が必要となることを示す。
また、辺縁の複雑度は、図8に示すように異常陰影候補の輪郭線を示す周期関数をフーリエ展開したときの、下記式(2)で示す式で算出される展開係数ak、bkである。ak、bkは、その値が大きいほど、異常陰影候補領域の辺縁部分の形状が歪(いびつ)であることを示す。
次いで、これらの画像特徴量が予め異常陰影である可能性を示す指標値を出力するよう構築された多変量解析に入力され、真陽性の異常陰影の可能性を示す指標値が得られる(ステップS23)。次いで、得られた指標値と閾値とに基づいて、異常陰影候補であるか否かが判定されると(ステップS24)、図6のステップS3の処理へ移行する。
図6に示すステップS3では、制御部21において、異常陰影候補について算出された画像特徴量に基づいて、これら異常陰影候補のうち、表示対象とする異常陰影候補の優先順位が決定される(ステップS3)。ここで、表示対象とする異常陰影候補は、明らかに真陽性、或いは偽陽性であると判定される候補を除いた候補であり、真陽性か偽陽性かが疑わしい、或いは観察しづらい、医師が見逃しやすい候補である。
例えば、コントラストが小さい、面積が小さい場合は、偽陽性か真陽性かの判定が難しく、読影医による最終判断を必要とする場合が多い。また、当該領域の視認性についても良好とは言い難く、医師が見落としやすい陰影となる。また、最終的に真陽性と判断されるべき異常陰影の中には、辺縁部の境界が不明瞭(不鮮明)となったり、辺縁部において微細なスジ状の形状を呈する、或いはスピキュラと呼ばれる歪な形状を呈する場合があり、その辺縁の複雑度が増すが、逆に辺縁の複雑度が小さい場合には、異常陰影かどうかの判断が難しくなる。また、腫瘤の場合、円形度が大きいほど、腫瘤である可能性が高くなるが、円形度が小さいと腫瘤(真陽性)か否かの判断がしづらくなる。さらに、同じ乳房領域Sa1であっても、低濃度領域Dcは全体的に濃度が小さいため、低濃度で画像上に現れる異常陰影は、高濃度領域Daに存在する場合と比較して低濃度領域Dcに存在する方が判別しづらいものとなる。異常陰影候補領域自体の濃度についても同様に、濃度が低いと視認しづらく、医師が見逃しやすいものとなる。さらに、画像の端部に近い乳房領域に存在する異常陰影は、その位置から医師にとって見逃しやすいものとなる。
よって、優先順位の判断要素として、コントラスト、面積、濃度平均値、異常陰影候補が位置する分類領域、画像端部からの距離、辺縁の複雑度等を考慮し、これらに基づいて総合的に優先順位を決定する。
具体的には、予め優先順位を高くすべき陰影の特徴量、優先順位を低くすべき陰影の特徴量等、学習データを準備して、優先順位を示す指標値として0〜1(0に近いほど優先順位が低く、1に近いほど優先順位が高いことを示す)を出力するニューラルネットワーク等の多変量解析を構築しておく。例えば、コントラストが小さい、面積が小さい、候補領域の濃度平均値が小さい、円形度が小さい、画像端部からの距離が短い、或いは辺縁の複雑度が小さいほど、優先順位が高い指標値となるように学習データを用意し、多変量解析を調整しておく。また、乳房領域Sa1のうち、領域Dc→Db→Daの順に異常陰影候補の判別が困難となるので、この順に優先順位が高い指標値となるように多変量解析を構築する。
そして、上記多変量解析に優先順位の判断対象となる異常陰影候補の特徴量を入力し、多変量解析により出力された指標値と、この指標値に対する閾値とを比較し、閾値を超えた異常陰影候補、つまりある所定の優先順位より上の候補を表示すべき異常陰影候補として決定する。
優先順位が決定されると、ステップS2の検出処理で検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出され(ステップS4)、最終的な検出結果として出力される。
この検出結果は、画像処理装置2から画像サーバ4に送信されて保存される一方で、その検出結果に基づいて、乳房画像(読影用に画像処理が施されたもの)に対して画像処理部26により位置合わせ処理、縮小処理、合成処理等の出力用の各種データ処理がなされて出力用画像が作成される。作成された出力用画像は、画像処理装置2からプリンタ3に送信され、プリンタ3においてそのフィルム出力が行われる。
ここで、乳房画像は拡大撮影されているため、通常撮影の場合に比べその画像サイズが大きくなっている。そのまま出力することも可能であるが、ここでは被写体の実サイズと等倍サイズまで縮小した等倍画像を作成してフィルムに出力することとする。出力用のデータ処理時には、乳房画像の付帯情報から拡大撮影時の拡大率の情報を読み出し、当該拡大率に基づいて画像処理部26において乳房画像の縮小率が決定される。例えば、拡大率が2倍であった場合、縮小率は1/2倍と決定される。このとき、縮小画像は原画像の面積の1/4となる。そして、この等倍画像上に異常陰影候補の検出情報として検出位置を示すマーカ画像を重ねて合成した出力用画像を作成し、プリンタ3へ出力する。プリンタ3では、入力された出力用画像に基づいてフィルム出力が行われる。
また、付帯情報に読取画素サイズを追加することとし、この読取画素サイズの情報に基づいて、出力装置(フィルム出力装置やビューア)の画素サイズとして最適な出力先を選択できるようにしてもよい。例えば、付帯情報に拡大率「2」、読取画素サイズ「50μm」の情報が含まれている場合、等倍画像の出力先として相応しい出力先は、1/2×50μm=25μmの画素サイズを有する装置である。これは、読取の各画素と出力画素が1:1に対応し、縮小補間を行う必要が無く、補間時の画像劣化が生じないためである。また、画像処理部26がネットワーク下の各出力装置の画素サイズを事前に取得しておけば容易に相応しい出力先を選択することが可能となる。
図9に、フィルムへの出力例を示す。
図9(a)は、優先順位が所定順位以上の異常陰影候補の検出情報のみ示した例であり、図9(b)は検出された全ての異常陰影候補の検出情報を示した場合の出力例である。検出されたもの全てを出力するより、優先順位が所定順位以上の異常陰影候補のみを出力した方が、フィルム上の表示物の数が減り、観察しやすいことが図9(a)、(b)から分かる。
図9(a)は、優先順位が所定順位以上の異常陰影候補の検出情報のみ示した例であり、図9(b)は検出された全ての異常陰影候補の検出情報を示した場合の出力例である。検出されたもの全てを出力するより、優先順位が所定順位以上の異常陰影候補のみを出力した方が、フィルム上の表示物の数が減り、観察しやすいことが図9(a)、(b)から分かる。
なお、図9(a)、(b)は、異常陰影候補の検出情報を、異常陰影候補の検出位置を示すマーカ情報(図中の矢印)により直接医用画像上に表示した例を示すものであるが、図9(c)に示すように、これを縮小した参照用画像(図中、符号g1,g2で示す画像)を作成し、等倍画像(図中、符号、G1,Gで示す画像)の被写体領域と重ならない位置に表示することとしてもよい。つまり、参照用画像は、等倍画像をさらに縮小した画像上に異常陰影候補の検出情報を重ねて合成したものである。この場合、検出結果の表示領域が図9(a)の表示形態の場合より小さくなるが、本発明によれば、表示対象の異常陰影候補数を減らすことができるため、特に有効である。なお、図9(c)は、左右の乳房についての乳房画像を胸壁側の画像端が隣り合わせになるように位置合わせ処理を行った位置合わせ画像を示す図である。
以上のように、本実施形態によれば、検出処理により検出された異常陰影候補から、明らかに真陽性又は偽陽性である異常陰影候補を削除し、真陽性か偽陽性かの判断が難しく、医師の最終判断に任せるべき候補や、視認性が低く医師が見逃しやすい候補等に絞ってその検出情報を表示するので、指摘表示する異常陰影候補数を減少させることができる。これにより、見やすい表示とすることができ、医師の読影作業の効率化を図ることができる。
また、医師は、明らかに真陽性である異常陰影は医師自身が目視で検出し、視認性が低く発見しづらい異常陰影の検出には、医用画像処理システム100によって提供される異常陰影候補の検出結果を参照することができる。検出された異常陰影候補の全てについて指摘表示される場合、明らかに目視で真陽性であると分かる候補を含む全ての候補について、医師は確認することとなり、煩雑である。よって、上記のように、発見しづらい、或いは医師の判断が必要な異常陰影候補のみその検出結果の情報を提供することにより、医師の見落とし防止を図ることができるとともに、医師の読影作業が効率的となる。
特に、位相コントラスト撮影方法により得られた画像の病変部辺縁は位相コントラスト効果により、従来の乳房画像に比べて大幅に視認性が向上することが知られており、アノテーションの表示が無い、明確な病変部(真陽性候補領域)を見落とす確率は大幅に低下するので好ましい。
なお、上述した実施形態は、本発明を適用した好適な一例であり、これに限定されるものではない。
例えば、優先順位を決定する方法として、多変量解析の手法を用い、総合的に優先順位を決定することとしたが、これに限らず、各異常陰影候補についてコントラストが小さい順、円形度が小さい順等、判断要素毎に優先順位を決定し、この判断要素毎の優先順位の順位数を加算して、その加算値が小さい候補から優先的に抽出することとしてもよい。このとき、重視する判断要素には重み付けを行って加算することにより、優先順位の最適化を行うことができる。
例えば、優先順位を決定する方法として、多変量解析の手法を用い、総合的に優先順位を決定することとしたが、これに限らず、各異常陰影候補についてコントラストが小さい順、円形度が小さい順等、判断要素毎に優先順位を決定し、この判断要素毎の優先順位の順位数を加算して、その加算値が小さい候補から優先的に抽出することとしてもよい。このとき、重視する判断要素には重み付けを行って加算することにより、優先順位の最適化を行うことができる。
また、上述した説明では、画像処理装置2において異常陰影候補検出手段、制御手段を、ビューア5において表示手段を実現することとしたが、これに限らず、医用画像処理システム100の何れの構成装置で各手段を実現することとしてもよい。
なお、上記実施例の説明中、「低濃度で視認性が低い領域」とは、読影医が読影する際に、当該読影医の目に到達する光量が少ない領域であることを示す。従って、フィルム及びシャーカステンによる読影方式であれば、透過光量が少なくなるフィルム領域であり、これはフィルム上で黒い部分に該当し、逆にフィルム上の素抜け部分は「高濃度で視認性が高い」部分となる。一方、ビューアによる読影方式であれば、低濃度(低駆動レベル)領域が「低濃度で視認性が低い」領域となる。
一般的には、読影時に被写体を透過したX線量が少ない領域が、素抜け部分となったり高輝度で再生表示されるので、読影医の視認性が低い領域として、撮影された画像データの中から、被写体を透過したX線量の多い領域を抽出すれば良いこととなる。
一般的には、読影時に被写体を透過したX線量が少ない領域が、素抜け部分となったり高輝度で再生表示されるので、読影医の視認性が低い領域として、撮影された画像データの中から、被写体を透過したX線量の多い領域を抽出すれば良いこととなる。
100 医用画像処理システム
1 画像生成装置
2 画像処理装置
21 制御部
26 画像処理部
27 異常陰影候補検出部
3 プリンタ
4 画像サーバ
4a 画像DB
5 ビューア
1 画像生成装置
2 画像処理装置
21 制御部
26 画像処理部
27 異常陰影候補検出部
3 プリンタ
4 画像サーバ
4a 画像DB
5 ビューア
Claims (6)
- 位相コントラスト撮影方法により撮影された医用画像を画像解析して異常陰影候補を検出する検出工程と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する抽出工程と、
前記抽出された異常陰影候補の検出情報を前記医用画像とともに出力する出力工程と、
を含むことを特徴とする異常陰影候補の表示方法。 - 前記抽出工程では、前記検出された異常陰影候補の画像特徴量を算出し、当該画像特徴量に基づいて表示すべき異常陰影候補の優先順位を決定し、前記検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出することを特徴とする請求項1に記載の異常陰影候補の表示方法。
- 前記出力工程では、前記医用画像を被写体と等倍サイズに縮小した等倍画像を出力することを特徴とする請求項2に記載の異常陰影候補の表示方法。
- 前記医用画像から参照用画像を作成し、当該作成画像上に検出情報を重ねた画像を前記等倍画像とともに出力することを特徴とする請求項3に記載の異常陰影候補の表示方法。
- 前記出力工程では、フィルム出力を行うことを特徴とする請求項1〜4の何れか一項に記載の異常陰影候補の表示方法。
- 位相コントラスト撮影方法により撮影された医用画像を画像解析して異常陰影候補を検出する異常陰影候補検出手段と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する制御手段と、
前記抽出された異常陰影候補の検出情報を前記医用画像とともに出力する出力手段と、
を備えることを特徴とする医用画像処理システム。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005162444A JP2006334140A (ja) | 2005-06-02 | 2005-06-02 | 異常陰影候補の表示方法及び医用画像処理システム |
CN2006800174789A CN101179994B (zh) | 2005-05-23 | 2006-05-09 | 异常阴影候补的显示方法以及医用图像处理系统 |
US11/914,852 US20090097730A1 (en) | 2005-05-23 | 2006-05-09 | Abnormal shadow candidate display method and medical image processing system |
EP06746109A EP1884193A4 (en) | 2005-05-23 | 2006-05-09 | METHOD FOR DISPLAYING ABNORMAL SHADOW CANDIDATE, AND MEDICAL IMAGE PROCESSING SYSTEM |
PCT/JP2006/309278 WO2006126384A1 (ja) | 2005-05-23 | 2006-05-09 | 異常陰影候補の表示方法及び医用画像処理システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005162444A JP2006334140A (ja) | 2005-06-02 | 2005-06-02 | 異常陰影候補の表示方法及び医用画像処理システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2006334140A true JP2006334140A (ja) | 2006-12-14 |
Family
ID=37555191
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2005162444A Pending JP2006334140A (ja) | 2005-05-23 | 2005-06-02 | 異常陰影候補の表示方法及び医用画像処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2006334140A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008237370A (ja) * | 2007-03-26 | 2008-10-09 | Fujifilm Corp | 放射線画像撮影装置 |
JP2009082564A (ja) * | 2007-10-01 | 2009-04-23 | Konica Minolta Medical & Graphic Inc | 画像診断支援装置及びプログラム |
JP2011125363A (ja) * | 2009-12-15 | 2011-06-30 | Toshiba Corp | 医用画像処理装置 |
JP2013005953A (ja) * | 2011-06-26 | 2013-01-10 | Hattori Misaki | 読影用画像データの作成方法及び読影用画像データファイル |
JP2021029387A (ja) * | 2019-08-20 | 2021-03-01 | コニカミノルタ株式会社 | 医用情報処理装置及びプログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002162705A (ja) * | 2000-11-24 | 2002-06-07 | Konica Corp | 位相コントラスト放射線画像処理装置 |
JP2003299645A (ja) * | 2002-04-08 | 2003-10-21 | Hitachi Medical Corp | 画像診断支援装置 |
JP2005124617A (ja) * | 2003-10-21 | 2005-05-19 | Konica Minolta Medical & Graphic Inc | 医用画像診断支援システム |
-
2005
- 2005-06-02 JP JP2005162444A patent/JP2006334140A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002162705A (ja) * | 2000-11-24 | 2002-06-07 | Konica Corp | 位相コントラスト放射線画像処理装置 |
JP2003299645A (ja) * | 2002-04-08 | 2003-10-21 | Hitachi Medical Corp | 画像診断支援装置 |
JP2005124617A (ja) * | 2003-10-21 | 2005-05-19 | Konica Minolta Medical & Graphic Inc | 医用画像診断支援システム |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008237370A (ja) * | 2007-03-26 | 2008-10-09 | Fujifilm Corp | 放射線画像撮影装置 |
JP2009082564A (ja) * | 2007-10-01 | 2009-04-23 | Konica Minolta Medical & Graphic Inc | 画像診断支援装置及びプログラム |
JP2011125363A (ja) * | 2009-12-15 | 2011-06-30 | Toshiba Corp | 医用画像処理装置 |
JP2013005953A (ja) * | 2011-06-26 | 2013-01-10 | Hattori Misaki | 読影用画像データの作成方法及び読影用画像データファイル |
JP2021029387A (ja) * | 2019-08-20 | 2021-03-01 | コニカミノルタ株式会社 | 医用情報処理装置及びプログラム |
JP7302368B2 (ja) | 2019-08-20 | 2023-07-04 | コニカミノルタ株式会社 | 医用情報処理装置及びプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2006126384A1 (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
Giger et al. | Computer-aided diagnosis | |
CN101231678B (zh) | 医用图像处理装置及医用图像处理方法 | |
US20220254023A1 (en) | System and Method for Interpretation of Multiple Medical Images Using Deep Learning | |
JP4911029B2 (ja) | 異常陰影候補検出方法、異常陰影候補検出装置 | |
US20070052700A1 (en) | System and method for 3D CAD using projection images | |
Soleymanpour et al. | Fully automatic lung segmentation and rib suppression methods to improve nodule detection in chest radiographs | |
JP2004000609A (ja) | 多重エネルギ画像による計算機支援診断 | |
US20150003702A1 (en) | Processing and displaying a breast image | |
JP2006500124A (ja) | 医療画像をコンピュータ支援検出(cad)のガイドによって読み取る方法及びシステム | |
JP2007151645A (ja) | 医用画像診断支援システム | |
JPH08294479A (ja) | 計算機支援画像診断装置 | |
JP2006325638A (ja) | 異常陰影候補の検出方法及び医用画像処理システム | |
JP2002162705A (ja) | 位相コントラスト放射線画像処理装置 | |
JP2006325640A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP2009226043A (ja) | 医用画像処理装置及び異常陰影検出方法 | |
JP2006346094A (ja) | 検出情報の出力方法及び医用画像処理システム | |
JP4453321B2 (ja) | 医用画像処理装置及びプログラム | |
JP5048233B2 (ja) | Cadシステムにおける解剖学的形状の検出のための方法及びシステム | |
JP2006340835A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
Chen et al. | Automatic segmentation and radiomic texture analysis for osteoporosis screening using chest low-dose computed tomography | |
JP2006334140A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
Arzhaeva et al. | Computer‐aided detection of interstitial abnormalities in chest radiographs using a reference standard based on computed tomography | |
JP2005124617A (ja) | 医用画像診断支援システム | |
JP2005253685A (ja) | 画像診断支援装置及び画像診断支援プログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20080311 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100615 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20101019 |