JP2006527051A - 肺のｃｔデータの解析方法及び装置 - Google Patents

Abstract

肺におけるすりガラス状不透明部分は肺実質組織において非固形上のぼんやりかすんだ陰影であり、肺がんの前駆体である可能性がある。本発明に従って、すりガラス状不透明部分は、実質のテクスチャ解析に基づいて自動的に決定されることが可能である。有利であることに、本発明に従って、血管、肺壁、空隙又は気管支壁がすりガラス状不透明部分の局所的近傍において存在する場合でさえ、ロバスト且つ高信頼性の決定を提供することが可能である。

Description

本発明は、医用ディジタルイメージングの分野に関する。特に、本発明は、肺の三次元ＣＴデータを分析するための方法、肺の三次元ＣＴデータを分析するための画像処理装置及び肺の三次元ＣＴデータを分析するためのコンピュータプログラムに関する。

世界中の国々で、肺がんによる死亡率が増加し、一部の国では男性の第１死亡原因となっている。その死亡率を低下させるために、肺がんに対するマススクリーニングが、簡単な胸のＸ線写真及び喀痰細胞診により広く実施されている。しかしながら、簡単なＸ線写真による検出能力は肺がんの初期的発見のためには十分ではない。マススクリーニングの擬陰性の割合が著しく大きいことが知られている。

米国特許出願公開第２００２／００２８００８Ａ１号明細書及び国際公開第０２／０８５２１１Ａ２号パンフレットそれぞれにおいて、ＭＳＨＲ ＣＴ画像から肺小結節を自動的に検出するための方法について開示されている。それらの方法により検出されることが可能である肺小結節は固形小結節である。固形小結節は密な硬い組織を有する。ＣＴ画像において、それらの固形小結節は、血管の明るさと匹敵する明るさを有する。通常、そのような固形小結節は−４００ＨＵより大きいハウンスフィールド値となる。

近年の認識に従って、すりガラス状不透明（ＧＧＯ）と呼ばれている組織内、即ち、肺組織内の不規則部分は、肺がんの発生についての初期的徴候である。そのようなすりガラス状不透明部分は又、しばしば、すりガラス状小結節又は準固形小結節と呼ばれる。固形小結節と対照的に、それらのすりガラス状不透明部分は、通常のＣＴの解像限界より細い血管により与えられる不規則組織を有する。すりガラス状不透明部分の構造は、それらのすりガラス状不透明部分の組織は空気で満たされた空洞又は空間を有するため、スポンジに相当する。

ＣＴはそれらの空気の空間を解像することができないため、特に、それらの空気の空間は今日のＣＴの解像限界である略０．５ｍｍｘ０．５ｍｍより小さいため、それらのすりガラス状不透明部分はＣＴ画像においてはっきり現れない。ＣＴ画像におけるそれらのすりガラス状不透明部分の様子はぼんやりかすんでいて、通常、それらの画像における対応する画素は−４００ＨＵより小さい平均密度に相当する。

それ故、高度な技術を有する医師でさえ、それらのすりガラス状不透明部分を位置付けることは非常に困難である。

Ｔｏｓｈｉｈａｒｕ Ｅｚｏｅ等は、文献、“Ａｎ ａｕｔｏｍａｔｉｃ ｄｅｔｅｃｔｉｏｎ ｍｅｔｈｏｄ ｏｆ ｌｕｎｇ ｃａｎｃｅｒｓ ｉｎｃｌｕｄｉｎｇ ｇｒｏｕｎｄ ｇｌａｓｓ ｏｐａｃｉｔｉｅｓ ｆｒｏｍ ｃｈｅｓｔ ｘ−ｒａｙ ＣＴ ｉｍａｇｅｓ”，Ｍｅｄｉｃａｌ ＩＭａｇｉｎｇ ２００２：ＩＭａｇｅ Ｐｒｏｃｅｓｓｉｎｇ， Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ＳＰＩＥ Ｖｏｌ．４６８４（２００２）において、Ｘ線ＣＴ画像からのすりガラス状不透明部分の自動検出のアルゴリズムについて開示している。このようなアルゴリズムにおいて、第１病理学的陰影で、候補は、一種の数学的モフォロジフィルタである可変Ｎ−ｑｕｏｉｔフィルタにより抽出される。次に、陰影候補は、陰影候補から演算された特徴量を用いて幾つかのクラスに分類される。区別可能機能を用いることにより、少なくとも陰影候補は通常の陰影と異常な陰影とに区別される。不利であることに、このアルゴリズムは、必要な演算量のために、３０個のスライス又はそれ以下のスライスを有するＣＴデータにのみ適用することが可能である。そうでなければ、そのアルゴリズムの速度は十分でない。

Ｈ．−Ｕ．Ｋａｕｃｚｏｒ等は、文献、“Ａｕｔｏｍａｔｉｃ ｄｅｔｅｃｔｉｏｎ ａｎｄ ｑｕａｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｇｒｏｕｎｄ ｇｌａｓｓ ｏｐａｃｉｔｉｅｓ ｏｎ ＨＲＣＴ ｓｃａｎｓ ｏｆ ｔｈｅ ｌｕｎｇ：ｃｏｍｐａｒａｔｉｖｅ ｓｔｕｄｙ ｏｆ ａ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ， ｖｉｓｕａｌ ａｓｓｅｓｍｅｎｔ ａｎｄ ａ ｄｅｎｓｉｔｙ ｍａｓｋ”，Ｅｕｒｏｐｅａｎ Ｃｏｎｇｒｅｓｓ ｏｆ Ｒａｄｉｏｌｏｇｙ ｉｎ Ｖｉｅｎｎａ １９９９において、１乃至２ｍｍの厚さのスライスを有するＨＲＣＴスキャンにおけるすりガラス状不透明部分の検出について記載している。ニューラルネットワークの適用により、そのような検出方法は複雑化し、しばしば、不安定である。

本発明の目的は、改善されたすりガラス状不透明部分の検出を提供する。

本発明の特徴に従って、上記目的は、肺の三次元ＣＴ（コンピュータトモグラフィ）データを解析するために、請求項１に従う方法により達成されることが可能である。三次元ＣＴデータは画素のような画像要素を有する複数の二次元スライス画像を有し、画像要素の値はハウンスフィールド値に対応する。

三次元ＣＴデータは、例えば、処理器の内部メモリにロードされ、次いで、すりガラス状不透明部分の検出が、三次元ＣＴデータの複数の二次元スライス画像において実行される。本発明の特徴に従って、すりガラス状不透明部分の検出はテクスチャ分析に基づいている。

有利であることに、上記方法は、通常のＣＴの肺のウィンドウ／レベル設定においてすりガラス状不透明部分を見つけることを特に困難にする小さいハウンスフィールド値にも拘らず、すりガラス状不透明部分を検出することを可能にする。更に、上記方法は、それらのすりガラス状不透明部分の自動検出、それ故、患者のマススクリーニングを可能にする。可能な肺がんについてのそれらの指標の有効な初期検出のために、有利であることに、可能な肺がんの発生に対するタイムリーな治療を計画し、実行することが可能である。

請求項２に記載している本発明の他の模範的な実施形態に従って、テクスチャ解析は、テクスチャに基づく粗さヒストグラムのピークに基づいて局所的肺実質についての典型的なハウンスフィールド値を決定する段階を有する。

請求項３に記載している本発明の他の模範的な実施形態に従って、テクスチャ解析は、肺の典型的な実質のハウンスフィールド値の演算と、典型的な実質のハウンスフィールド値より大きいハウンスフィールド値を有する肺の領域における全ての領域のマーキングとを有する。

有利であることに、請求項２及び３に記載している本発明の模範的な実施形態は、すりガラス状不透明部分の比較的単純であるが非常にロバストな検出が与えられる。更に、それらの方法が必要とするのは演算段階の量の減少のみであることのために、非常に高速な方法が与えられることが可能である。

請求項４乃至６は、更なる本発明の模範的な実施形態であって、肺の三次元ＣＴデータにおけるすりガラス状不透明部分の高速且つ高信頼性の決定を可能にする、実施形態を与える。

請求項７に記載している本発明の他の模範的な実施形態に従って、画像処理装置が提供され、請求項１の方法に対応する操作を実行するために適合される。有利であることに、本発明に従ったこの模範的な実施形態に従った画像処理装置は、肺の三次元ＣＴデータにおける非常に高速で自動的なすりガラス状不透明部分の決定を与える。

請求項８及び９は、本発明に従った画像処理装置の更なる模範的な実施形態を与える。

請求項１０に記載している本発明の他の模範的な実施形態に従って、請求項１０に記載している肺の三次元ＣＴデータを解析するためのコンピュータプログラムが与えられる。そのコンピュータプログラムは、適切なプログラミング言語であって、例えば、Ｃ＋＋で書かれることが可能であり、例えば、ＣＤ−ＲＯＭのようなコンピュータ読み出し可能媒体に記憶されることが可能である。又、そのコンピュータプログラムは、ワールドワイドウェブのようなネットワークから利用することが可能であり、そのようなネットワークから、画像処理ユニット、処理器又は何れの適切なコンピュータにダウンロードされることが可能である。

本発明の模範としての実施形態の要旨として、すりガラス状不透明部分は実質組織のテクスチャ解析により検出されることが理解される。全体的な胸部のデータ集合からの肺の自動セグメント化に従って、例えば、血管、気管支又は肺壁等の固形肺構造に添付されない、約−７００ＨＵのハウンスフィールド値の閾値より大きい全ての画像要素又は画素は、粗さヒストグラムが演算される局所的近傍の中心として取られる。この粗さヒストグラムのピークは、このような近傍において肺実質の典型的なハウンスフィールド値を与える。ピーク値が約−７００ＨＵである場合、このポイントは可能性のあるすりガラス状不透明部分の中心としてマーキングされる。幾つかのそのような局所的近傍が重なり合う場合、それらは最も大きい平均実質ハウンスフィールド値に中心を有する領域において結合されることが可能である。

本発明の上記の及び他の特徴については、以下、詳述する実施形態を参照して明らかになり、理解されるであろう。

図１は、本発明に従った画像処理装置の例示としての実施形態を示している。図１に示している画像処理装置は、メモリ２を有する画像処理及び制御プロセッサ１を有し、そのメモリ２に、三次元ＣＴデータ及び操作中に生成される中間データを記憶することが可能である。画像処理及び制御プロセッサ（ＣＰＵ）１は、イメージング装置（図示せず）であって、例えば、ＣＴ装置にバスシステムを介して結合されることが可能である。画像処理及び制御プロセッサ１により生成される画像は、画像処理及び制御プロセッサ１に接続されているモニタ４においてオペレータに対して表示される。オペレータは、画像処理及び制御プロセッサ１に、キーボード５、マウス又はトラックボールのような図１に示していない他の入力手段によりアクセスすることが可能である。

図２ａ及び２ｂは、図１の画像処理装置を操作するための方法の例示としての実施形態のフローチャートを示している。この方法は、各々の画像スライス、即ち、三次元ＣＴデータの各々の二次元スライス画像に対して実行される。それらの二次元スライス画像の各々は、例えば、画素又はボクセルのような画像要素を有し、それらの画像要素の値はハウンスフィールド値に対応している。

図２ａの段階Ｓ１における開始の後、その方法は段階Ｓ２に続き、ここで、肺のセグメント化が実行される。肺は、例えば、全体的な胸部画像からセグメント化される。本発明の特徴に従って、これは、例えば、約−４００ＨＵにスライス画像を閾値設定することによりなされる。周囲の空隙は、例えば、欧州特許第０２０７９８１４．６号明細書に記載されているような、成長している領域により満たされることが可能であり、それは又、小さい孔を満たすのに適切であり、その特許文献の援用により本発明の説明の一部を代替することとする。

段階５２における肺のセグメント化の後、方法は試験が実行される段階Ｓ３に続き、ここで、段階Ｓ２において肺の一部であるように決定された画素ｘは、段階Ｓ３において固形構造の境界に属す。換言すれば、約−７００ＨＵ以上であるが、−４００ＨＵ以下である肺の一部であるように決定された各々の画素に対して、画素が−４００より大きいハウンスフィールド値を有する固形構造の境界に属すかどうかについて試験される。

本発明の特徴に従って、画素ｘが固形構造の境界に属すかどうかの試験が、段階Ｓ４乃至Ｓ７に記載されているように実行される。これは、肺の一部であるように決定された画素ｘ全てについてなされる。

段階Ｓ４において、対象の画素ｘの８個の最近接画素全て、即ち、対象の画素ｘの隣の８個の画素全てについて、それらの８個の隣の画素間で最も大きいＨＵ値を有する隣の画素ｘ´が決定される。次いで、この方法は段階Ｓ５に続き、ここで、段階Ｓ４において決定された画素ｘ´のハウンスフィールド値が開始画素ｘのハウンスフィールド値より大きいかどうかが決定される。画素ｘ´のハウンフィールド値が開始画素のハウンフィールド値より小さいことが決定される場合、この方法は段階Ｓ７に続く。

ハウンフィールド値（ＨＵ値）が開始画素ｘ（即ち、現繰り返しの開始画素）のＨＵ値より大きいことが段階Ｓ５において決定される場合、この方法は段階Ｓ６に続き、ここで、画素ｘ´のＨＵ値が−４００ＨＵより大きいかどうかが決定される。画素ｘ´のＨＵ値が−４００より大きい場合、段階Ｓ４乃至Ｓ６が、画素ｘの隣の画素ｘ´全てについて繰り返される。段階Ｓ６から分かるように、ＨＵ値のそれぞれが約−４００ＨＵ以上である場合か又は、前の画素のＨＵ値より大きいＨＵ値を有する他の隣の画素がない場合に、その繰り返しは終了する。

次いで、続く段階Ｓ７において、−４００ＨＵより大きい画素値に強度値の単調増加に導く隣接画素チェーンである画素全ては、それらが大きいＨＵ値を有する固形構造に属するようにみえ且つそれらの構造の境界において部分ボリューム効果によってのみ細くなるために、可能なガラス状不透明部分についての更なる考慮から除かれる。

段階Ｓ３の後、この方法は段階Ｓ８に続き、ここで、各々の必要条件を備えた画素、即ち、段階Ｓ７における画素の除去の後の各々の残された画素について、半径約５乃至１０ｍｍの範囲内の局所的近傍の画素が段階Ｓ８においてサンプリングされる。次いで、この方法は段階Ｓ９に続き、ここで、粗さヒストグラムＨ_Ｒが生成される又は各々のサンプリングされた画素ｘ及びその近傍の画素ｘ´について更新される。詳細には、段階Ｓ９において、各々のサンプリングされた画素ｘ及び対応するＨＵ値Ｖ及びＶ´を有するそれら画素の隣接画素ｘ´について、粗さヒストグラムＨ_Ｒが生成される又は次のように更新される。

Ｈ_Ｒ［Ｖ］−＝１；Ｈ_Ｒ［Ｖ´］＋＝１；Ｖ＞Ｖ´の場合
Ｈ_Ｒ［Ｖ］＋＝１；Ｈ_Ｒ［Ｖ´］−＝１；Ｖ＜Ｖ´の場合
図２ａの下部において円で囲まれたＡ及び図２ｂの上部において円で囲まれたＡで示されているように、画素ｘの近傍における全ての画素ｘ´がサンプリングされた後、そのヒストグラムは図２ｂにおける続く段階Ｓ１０において累積される。粗さヒストグラムＨ_Ｒは、Ｈ_Ｒ［Ｖ］がＶ´＜Ｖである全てのビンの合計を有するように累積される。次いで、続く段階Ｓ１１において、累積されたヒストグラムのピークの位置Ｐ（ＨＵの値における）が決定される。そのピークは、Ｈ_Ｒ［（−１０００ＨＵ＋Ｐ）／２］＜１／２Ｈ_Ｒ［Ｐ］である場合に有効とみなされる。換言すれば、−１０００ＨＵの方へのピークからピークのフランクへの急降下がある場合に、そのピークは有効であるとみなされる。

ＨＵ値Ｐは、画素ｘとその画素の８個の隣接画素を有するこのような局所的近傍における実質肺組織の典型的な値である。続く段階Ｓ１２においては、ＨＵ値Ｐが約−７００ＨＵより大きいかどうかの確認がなされる。

続く段階Ｓ１３において、ＨＵ値Ｐが約−７００ＨＵより大きいことが段階Ｓ１２において決定される場合、画素ｘは有効なすりガラス状不透明部分の中心を有するリスト構造に入力される。

段階Ｓ１乃至Ｓ１４が三次元ＣＴデータの全ての二次元スライス画像について実行された後、リスト構造に含まれる有効なすりガラス状不透明部分の中心点は、全ての中心点、即ち、大きい典型的な実質の不透明性Ｐを有する他のシードの近傍にある有効なシード点が消去されるように統合される。その後、そのリスト構造における残りのエントリはすりガラス状不透明部分として出力される。これは、例えば、表示４における三次元ＣＴデータの適切なスライス画像を表示することにより、そして、例えば、円、矢印若しくは適切な色又は階調によりリスト構造における中心点をマーキングすることによりなされる。

有利であることに、テクスチャ解析、即ち、テクスチャに基づく粗さヒストグラムに基づく、複数の二次元スライス画像におけるすりガラス状不透明部分の検出のために、血管、肺壁、空隙又は気管支壁が、粗さヒストグラムがサンプリングされるそれぞれのすりガラス状不透明部分の局所的近傍に存在する場合、肺実質組織の典型的なＨＵ値におけるピークは、その場合でさえ、すりガラス状不透明部分として決定される。本発明の特徴に従って、比較的スムーズな谷状分布を有するために、固形対象物は粗さヒストグラムにおいて現れず、それ故、実質組織は、典型的には、非常に斑な値分布を示す。

本発明の特徴に従って、段階Ｓ１乃至Ｓ１４に関する上記の方法は、例えば、放射線技師による入力により、典型的な実質のハウンスフィールド値の測定がその放射線技師により示される点において決定されるようにするように、適合されることが可能である。これは、放射線技師が疑わしい領域を正確に示すことを可能にし、次いで、上記のテクスチャに基づくヒストグラム方法はロバストな測定を実行することを可能にし、そのロバストな測定は固形の肺構造により妥協されるものではない。次いで、出力のＨＵ値を評価することにより、放射線技師は、正確に示された領域が肺がんについての指標を有しているか否かを決定することが可能である。しかしながら、上記のように、すりガラス状不透明部分の決定は又、自動的になされる。

図３は、肺の一部の二次元スライス画像を示している。図３における矢印及び円は、血管の周りに一般的な実質組織を示している。

図４は、図３において円で囲まれた領域の粗さヒストグラムを示している。図４の横座標は階調値を表し、図４の縦座標はハウンスフィールド値を表している。図４から分かるように、−１０００ＨＵから約１２０の階調値まで急勾配の傾斜が存在する。階調値１２０において、ピークはハウンスフィールド値−８８０ＨＵに達する。次いで、そのヒストグラムは、約１０５０の階調まで実質的に線形に減少し、ここで、そのヒストグラムは−１０００ＨＵに達する。

図４は、図３と同じ二次元スライス画像を示している。しかしながら、図３とは対照的に、異なる領域、即ち、本発明に従って決定されるままのすりガラス状不透明部分の領域が、矢印で示され、円で囲まれている。

図６は、図５、即ち、図５において円で囲まれた領域のすりガラス状不透明部分の粗さヒストグラムを示している。その横軸は階調を表す一方、縦軸はハウンスフィールド値を表している。図６から分かるように、粗さヒストグラムは、−１０００ＨＵの方へのピークからフランクまでの急峻な減少を有するピークに似ている。

詳細には、粗さヒストグラムは、約１００の値から階調値３９０のピークまで急勾配を示し、ここで、その粗さヒストグラムはハウンスフィールド値６１０のピークに達する。次いで、急峻な減少が存在し、粗さヒストグラムは約７００の階調値において−１０００に達する。

有利であることに、図２ａ及び２ｂに示す方法を用いる場合、図３に示すような血管の周りの一般的な実質組織と、図５に示すようなすりガラス状不透明部分との間の区別は、粗さヒストグラムに基づいて、自動的になされることが可能である。

上記のように、上記方法は適切なコンピュータプログラムにより実施されることが可能であり、そのコンピュータプログラムハ適切な画像処理器において実行される。本発明は又、画像処理装置において実施されることが可能であり、その画像処理装置は本発明の上記方法を実行するために適合される。特に、本発明に従った画像処理装置はＣＴスキャンシステム内に収容されることが可能である。

本発明に従った方法の例示としての実施形態を実行するために適合された、本発明の例示としての実施形態に従った画像処理装置の模式図である。 本発明に従った画像処理装置を操作する方法の例示としての実施形態のフローチャートを示す図である。 本発明に従った画像処理装置を操作する方法の例示としての実施形態のフローチャートを示す図である。 肺の一部のＣＴ画像スライスであって、血管の周りの通常の実質組織がマーキングされている、ＣＴ画像スライスを示す図である。 本発明の実施形態に従って決定された、図３においてマーキングされた通常の実質組織に対応する粗さヒストグラムを示す図である。 肺の一部の二次元ＣＴ画像であって、すりガラス状不透明部分がマーキングされている、二次元ＣＴ画像を示す図である。 本発明の実施形態に従って決定された、図５においてマーキングされたすりガラス状不透明部分の粗さヒストグラムを示す図である。

Claims (10)

1. 肺の三次元ＣＴデータを解析するための方法であって：
   前記三次元ＣＴデータは画像要素を有する複数の二次元スライス画像を有し；
   前記画像要素の値はハウンスフィールド値に対応する；
   方法であり、
   前記三次元ＣＴデータをローディングする段階；及び
   テクスチャ解析に基づいて、前記三次元ＣＴデータの前記の複数の二次元スライス画像におけるすりガラス状不透明部分の検出を実行する段階；
   を有することを特徴とする方法。
2. 請求項１に記載の方法であって、前記テクスチャ解析は：
   テクスチャに基づく粗さヒストグラムのピークに基づいて、局所的肺実質の典型的なハウンスフィールド値を決定する段階；
   を有する、ことを特徴とする方法。
3. 請求項１に記載の方法であって、前記テクスチャ解析は：
   前記肺についての典型的な実質のハウンスフィールド値を演算する段階；及び
   前記の典型的な実質のハウンスフィールド値より大きいハウンスフィールド値を有する前記肺の領域内の全ての領域にマーキングする段階；
   を有する、ことを特徴とする方法。
4. 請求項１に記載の方法であって、前記テクスチャ解析は：
   前記の複数の二次元スライス画像から前記肺のセグメント化を実行することにより前記肺に属す前記の複数の二次元スライス画像において第１画像要素を決定する段階；及び
   前記第１画像要素から第２画像要素を決定する段階；
   を有する、方法であり、
   前記第２画像要素は固形構造に属す；
   ことを特徴とする方法。
5. 請求項４に記載の方法であって、固形構造に属す前記第２画像要素の決定は：
   ａ）前記第１画像要素の第３の開始画像要素を決定する段階；
   ｂ）前記第３の開始画像要素についての８つの直接隣接する画像要素を決定する段階；
   ｃ）最も大きいハウンスフィールド値を有する前記の８つの直接隣接する画像要素の第４画像要素を決定する段階；並びに
   ｄ）新しい第３の開始画像要素として前記の最も大きいハウンスフィールド値を有する前記第４画像要素を選択し、段階ａ）乃至ｄ）を反復して繰り返す段階；
   を有する、ことを特徴とする方法。
6. 請求項４に記載の方法であって、前記テクスチャ解析は：
   前記第１画像要素の一部であるが、前記第２画像要素の一部ではない第５画像要素を決定する段階；
   前記第５画像要素の各々の近傍にある第６画像要素をサンプリングする段階；
   前記第５画像要素及び前記第６画像要素に基づいて粗さヒストグラムを決定する段階；
   前記粗さヒストグラムを累積する段階；
   前記の累積された粗さヒストグラムにおけるピークのピーク値を決定する段階；
   前記ピーク値が約−７００ＨＵのハウンスフィールド値を上回る場合、リスト構造にそのピーク値を入力する段階；及び
   前記リスト構造に基づく、肺の三次元ＣＴデータから前記肺におけるすりガラス状不透明部分を決定する段階；
   を有する、ことを特徴とする方法。
7. 画像処理装置であって：
   肺の三次元ＣＴデータを記憶するためのメモリであって、前記三次元ＣＴデータは画像要素を有する複数の二次元スライス画像を有し、前記画像要素の値はハウンスフィールド値に対応する、メモリ；及び
   前記の肺の三次元ＣＴデータを解析するための画像処理器であって、その画像処理器は次の操作であって、前記三次元ＣＴデータをローディングし、テクスチャ解析に基づいて前記三次元ＣＴデータの前記の複数の二次元スライス画像においてすりガラス状不透明部分の検出を実行する、操作を実行するように適合されている、画像処理器；
   を有することを特徴とする画像処理装置。
8. 請求項７に記載の画像処理装置であって、前記テクスチャ解析は次の操作であって：
   テクスチャに基づく粗さヒストグラムのピークに基づいて、局所的肺実質の典型的なハウンスフィールド値を決定する；
   操作、を有する、ことを特徴とする画像処理装置。
9. 請求項７に記載の画像処理装置であって、前記テクスチャ解析は次の操作であって：
   前記肺についての典型的な実質のハウンスフィールド値を演算し；
   前記の典型的な実質のハウンスフィールド値より大きいハウンスフィールド値を有する全体の肺の領域における全ての領域にマーキングする；
   操作、を有する、ことを特徴とする画像処理装置。
10. 肺の三次元ＣＴデータを解析するためのコンピュータプログラムであって：
    前記三次元ＣＴデータは画像要素を有する複数の二次元スライス画像を有し；
    前記画像要素はハウンスフィールド値に対応し；
    前記コンピュータプログラムがコンピュータ化された画像処理装置において実行されるとき、前記コンピュータプログラムは、前記のコンピュータ化された画像処理装置が次の操作であって、前記三次元ＣＴデータをローディングし、テクスチャ解析に基づいて前記三次元ＣＴデータの前記の複数の二次元スライス画像におけるすりガラス状不透明部分の検出を実行する、操作を実行するようにする；
    ことを特徴とするコンピュータプログラム

Images