JP2007152106A - 断層撮影における高コントラスト対象のコンピュータ支援による認識方法およびシステム - Google Patents

Abstract

【課題】一方では偽陽性検出が低減し、他方ではこれによって真陽性に認識された病変が悪影響を受けないようにする。
【解決手段】Ｘ線コンピュータ断層撮影における高コントラスト対象のコンピュータ支援による認識方法において、高コントラスト対象のコンピュータ支援による認識の前に、患者（７）の再構成された断層撮影の表示データ（１２）に少なくとも１つの非線形フィルタ（２０）が適用される。
【選択図】図１

Description

本発明は、特に特別なフィルタを用いた、患者の断層撮影における高コントラスト対象のコンピュータ支援による認識方法およびシステムに関する。

断層撮影画像における高コントラスト対象のコンピュータ支援による認識のためのこの種の方法およびこのようなシステムは一般的に知られている。これにおいては、例えば肺または結腸における病変が探索され、相応の基準に当てはまる場合には操作者に対して画面に適切に表示される。本発明において、高コントラスト対象は、人間の組織に比べて非常に異なる吸収特性を有する空気、ヨウ素を含んだ液体またはランタニドを含んだ液体のような造影剤により組織輪郭が表示される場合に用いられる。

この種の検査方法の模範例は、知られており（例えば、特許文献１参照）、あるいはまだ出願公開されていない先願明細書に記載されている（例えば、特許文献２参照）。

そこに示されている方法では、コンピュータ支援により発見された病変が、操作者に対して種々の表示変形で画面に表示され、操作者は病変、例えば腸内ポリープを観察し、その病理学的重大性に関して診断する。

この方法の場合、一方では実際に存在する病変があらゆる場合に認識されるべきであり、すなわち自動検出の感度がかなり高く設定されなければならず、他方ではそれにともなう、特に低線量によるデータセットの際の非常に多数の偽陽性結果の場合に手による追加診断の時間が著しく増加するという問題がある。
米国特許第６５５６６９６号明細書 独国特許出願第１０２００４０６０９３１．４−３５号明細書

本発明の課題は、一方では偽陽性検出が低減し、しかし他方ではこれによって真陽性に認識された病変が悪影響を受けないように、断層撮影画像における高コントラス対象を自動認識する公知の方法およびシステムを改善することにある。

方法に関する課題は、本発明によれば、Ｘ線コンピュータ断層撮影における高コントラスト対象のコンピュータ支援による認識方法において、高コントラスト対象のコンピュータ支援による認識の前に、患者の再構成された断層撮影の表示データに、少なくとも１つの非線形フィルタが適用されることによって解決される。
さらに、システムに関する課題は、本発明によれば、少なくとも１つの撮影装置とシステム作動のためのコンピュータプログラムを有するコンピュータとを備え、患者の断層撮影表示、特にＣＴ表示、ＮＭＲ表示または断層撮影超音波表示における高コントラスト対象のコンピュータ支援による認識システムにおいて、動作時に本発明による方法の方法ステップを再現するプログラムコードを含んでいることによって解決される。
本発明の有利な実施態様は従属請求項に記載されている。

放射線検査を患者のためにできるだけ少ない線量負荷で行なう不断の努力と、探索すべき病変が高コントラスト対象であるという特性とに基づいて、コンピュータ断層撮影はしばしば非常に低い線量で行なわれる。それによってボリュームデータ内に存在するノイズが低コントラスト対象の診断を困難にする。したがって、例えば大腸のＣＴデータセット内の肝臓病変の偶然の発見はもはや不可能であるか、あるいは非常に限定的にしか可能でない。このような低コントラスト対象の認識性を改善するために、明白な診断改善をもたらす非線形エッジ保存フィルタを使用することは知られている。

高コントラスト対象、例えば肺および結腸における病変の自動的なコンピュータ支援検出（ＣＡＤ＝Ｃｏｍｐｕｔｏｒ Ａｉｄｅｄ Ｄｅｔｅｃｔｉｏｎ）は、探索された本当の「真陽性の」病変のほかに、誤った結果、すなわち「偽陽性の」病変も発見する。誤った結果は本当の病変と同様に付加的に手で検査されなければならない。したがって、高い偽陽性率は時間のかかる診断を生じるので望ましくない。ＣＡＤアルゴリズムの開発目標は、できるだけ多くの病変が発見されると同時に、偽陽性の結果の個数ができるだけ少なくされることにある。望ましくないＣＡＤ結果の原因は、一方では、ＣＡＤアルゴリズムが最適化されている類似の特徴を持った構造が体内に存在することにある。しかし他方では、例えばコンピュータ断層撮影における低線量によるモーションアーチファクトまたはノイズのような測定上の不十分さが偽陽性の結果を生じる。

本来は医用画像データのノイズ抑制のために設けられているディジタルフィルタの使用が、ＣＡＤアルゴリズムおいて使用される再構成ボリュームデータの処理時に、本当の病変（真陽性の病変）の探索結果に影響を与えることなしに、偽陽性の結果の個数を低減させ得ることが判明した。

簡単な線形ローパスフィルタは確かにノイズを非常に効果的に抑制することができるが、もちろんこの場合、比較的小さい構造は、後続のＣＡＤアルゴリズムが探索された病変をもはや要求された品質で発見することができないように妨害される。したがって、真陽性の結果が不都合に影響を受ける。それゆえこのフィルタは使用できない。

ＣＡＤアルゴリズムに一緒に適用するために、ノイズを抑制する非線形フィルタ、特にエッジを保存する非線形ローパスフィルタは、エッジおよびそれにともなって構造に実質的な影響を及ぼさず、好都合であることが分かった。模範的には、フィルタが肺結節または腸ポリープの自動検出アルゴリズムと関連して使用されるとよい。このアルゴリズムは、高コントラスト対象すなわち空気を満たされた肺における肺結節もしくは空気を満たされた腸における腸ポリープに関連する。それによって探索された病変の表面は、提案されたフィルタによっては影響を受けないかまたはほんの少ししか影響を受けず、本当の病変の検出率には影響しない。

９個のデータセット（９〜８０ｍＡｓ、平均値２１ｍＡｓ）の検査時に、例えば４６個の偽陽性結果から３４個の偽陽性結果への低減が達成された。これは約２５％の低減に相当し、真陽性結果への影響は見つからなかった。９個の他のデータセット（８０〜１６５ｍＡｓ、平均値１０２ｍＡｓ）の場合には、特筆すべき改善は達成できなかった。

したがって、本発明者は、可視の低コントラスト画像の表示改善に用いられる公知のフィルタ、とりわけエッジ保存フィルタの使用が、病変のコンピュータ支援による認識に使用される断層撮影表示への適用に基づいて、偽陽性に認識された個数をこのフィルタの使用に基づいて著しく低減し、同時に真陽性に認識された病変がこれによって影響を受けないことを認識した。

それゆえ、本発明者は、患者の再構成された断層撮影表示データへの少なくとも１つの非線形フィルタの適用を提案する。この場合に、そのようにフィルタリングされた断層撮影表示データが高コントラスト対象のコンピュータ支援診断に用いられる。断層撮影データが自動診断システムのアルゴリズムにより処理される前に、断層撮影データに少なくとも１つの適切な非線形フィルタをこのようなに適用することは偽陽性の診断を低減させる。

少なくとも１つの非線形フィルタがエッジ保存フィルタである場合、この効果が特に顕著である。同時に、真陽性の診断結果が不都合な影響を受けることも回避される。少なくとも１つの線形フィルタおよび／または少なくとも１つの非線形フィルタからなる組み合わせを使用すると有利である。

本発明にしたがってコンピュータ支援診断との上述の関連で使用可能である類似のエッジ保存フィルタリングは、例えば独国特許出願第１０２００４００８９７９．５−５３号明細書に記載されている。この独国特許出願の明細書の開示内容は内容全体についてここに引き継がれる。

本発明者は、具体的に特に有利な実施態様において、患者の断層撮影表示のためにボリュームモデルが使用され、ボリュームモデルが、最初の画像ボクセルを有する第１のデータセットに応じて、患者のボリュームを個別の画像値を有する複数の３次元画像ボクセルに分割し、各ボクセルの画像値がこのボリューム内で検査対象の対象固有の特性を再現し、全ボリュームの再構成後に各画像ボクセルについて予め定められた範囲または半径Ｒ内の画像値の分散が算出され、各画像ボクセルについて、コントラスト跳躍およびその空間方位をその接平面Ｔとともに認識するために、最大分散の方向が決定され、そして各画像ボクセルについて、接平面において最小分散の方向が決定されることを提案する。なお、フィルタリングは次のように構成される。すなわち、最初の画像ボクセルが、画像範囲全体にわたって等しい２Ｄフィルタと、事前に算出された分散の極値から得られる選択された方向を有する２つの異なる線形フィルタとにより処理されて、異なるフィルタリングをされた画像ボクセルを有する３つのデータセットが得られ、かつ最初の画像ボクセルおよびフィルタリングされた画像ボクセルが局所的な重みの使用のもとに混合されて結果画像が形成される。

この特殊なフィルタリングによって最小限の計算時間で著しいノイズ抑制および同時に構造鮮明度の維持が達成されるので、後続のコンピュータ支援による構造解析においてほんの僅かの偽陽性結果しか記録されない

このようなフィルタリングは、そのほかの関連において、出願公開されていない独国特許出願第１０２００５０３８９４０．６号明細書に記載されている。この独国特許出願の明細書の開示内容は内容全体についてここに引き継がれる。

特別な実施態様において、本発明者は、２Ｄフィルタとして、２次元平面のボクセル集合への２次元等方性畳み込みを行なうことを提案する。この場合にボクセルＩ_IFに第２のデータセットが生じる。このような等方性畳み込みは位置空間内で実行可能である。しかしこの等方性畳み込みを周波数空間内で実行すると好ましく、この場合には第１のデータセットが平面ごとに全画像範囲にわたって等しい２Ｄフィルタの方位に応じてフーリエ変換により周波数空間に移行させられ、そこにおいて等方性２Ｄフィルタ関数と掛算され、その後位置空間に戻し変換される。

本発明によれば、第１のデータセットに第１の局所的な線形フィルタが適用され、このフィルタはその都度局所的な最小分散ｖ→_minの方向に向けられ、ボクセルＩ_ALF,minに第３のデータセットが生じる。

したがって、局所的に可変のかつ接平面Ｔに向けられた第２の線形フィルタが使用されるとよく、接平面に対する垂線はｖ→⊥＝ｖ→_min×ｖ→_maxにより決定され、そのフィルタの適用によってボクセルＩ_ALF,maxに第４のデータセットが生じる。このフィルタリングに関して誤解のないように指摘しておくに、上述の局所的に可変のフィルタは全てのボクセルに同一であってもよい。

結果データセットの正規化を保証するために、４つのデータセットの混合時に、第２〜第４のデータセットＩ_IF、Ｉ_ALF,min、Ｉ_ALF,⊥からなる重み付け加算から、第１のデータセットＩ_orgが重み付けされて減算される。

４つのデータセットの混合時の重み付けに関しては、この重み付けが、観察された画像ボクセルの直接的な周辺の等方性もしくは異方性と、局所的な分散とに依存して設定される。

４つのデータセットの重み付けされた混合は数８にしたがって行なわれると特に有利である。
但し、重み付け係数は次の意味を有する。
ｗ： 観察されたピクセルにおける局所的な最小分散ｖ_minの尺度
ｗ^3D： ３次元空間における異方性η^3Dの尺度
ｗ^IF： フィルタＩ_IFの平面における異方性η^IFの尺度
ｗ⊥： 方向ｖ⊥，ｖ_minにおける異方性η⊥の尺度

３次元空間における異方性η^3Dは数９により算出されるとよい。
重み付け係数ｗ^3Dは例えば数１０から与えられるとよい。

フィルタＩ_IFの平面における異方性η^IFは数１１により算出されるとよい。
但し、ｖ^IF _max，ｖ^IF _minはフィルタＩ_IFの平面における最大分散および最小分散である。重み付け係数ｗ^IFも、数１２により算出されるとよい。

更に、方向ｖ⊥，ｖ_minにおける異方性η⊥は数１３によって表される。
重み付け係数ｗ⊥は数１４により算出されるのが好ましい。

誤解のないように指摘しておくに、重み付け係数とその都度述べた該当する分散との異なる関数関係が可能であり、上述の関係は模範例に過ぎない。同様に、任意の、場合によっては線形関数、例えばｗ＝ａη^b＋ｃなども使用可能であり、パラメータを最適なフィルタ結果のために相応に調整できる可能性を使用者に与えることもできる。

以下において、図を参照しながら本発明を更に詳細に説明する。ここでは本発明の理解のために必要な特徴のみが示されている。
図１は制御および計算ユニットを有する本発明によるＣＴシステムと、病変のコンピュータ支援による認識の前における模範的なフィルタリングの概略図とを示す。
図２は偽陽性として発見された病変の画面抜粋を示す。
図３は本発明によるフィルタリング後に偽陽性の認識が抑制された同じ部位の画面抜粋を示す。
図４は事前フィルタリングのない場合に病変の陽性認識を有する他の領域の画面抜粋を示す。
図５は事前のフィルタリング後にもこの病変の陽性認識が維持されている、図４の部位の画面抜粋を示す。

図面においては次の符号が使用されている。１：ＣＴシステム、２：Ｘ線管、３：検出器、４：オプションとしての第２のＸ線管、５：オプションとしての第２の検出器、６：ガントリハウジング、７：患者、８：患者用寝台、９：システム軸線、１０：制御および計算ユニット、１１：制御および計算ユニットのメモリ、１２：再構成されたボリューム表示、１３：エッジ認識、１４：アキシャル等方性フィルタ、１５：方向ｖ⊥における適応線形フィルタリング、１６：方向ｖ_minにおける適応線形フィルタリング、１７：局所的重みを有する混合、１８：フィルタリングされた断層画像表示またはボリューム表示、１９：病変のコンピュータ支援による認識、２０：フィルタ、Ｉ：関心領域のサジタル断層画像表示、ＩＩ：関心領域のアキシャル断層画像表示、ＩＩＩ：関心領域の仮想管腔内表示、ＩＶ：３次元セグメント化された結腸概観表示。

図１はコンピュータ断層撮影システムに接続された非線形フィルタリングの有利な適用例を示す。コンピュータ断層撮影システム１はＸ線管２を持ち、このＸ線管２は検出器３に対向してガントリハウジング６内のガントリ上に配置されている。オプションとして、付加的に他のＸ線管４および他の検出器５からなる他のＸ線管−検出器システムがガントリに固定されており、それによって走査およびデータ収集が１つ又は複数のＸ線管−検出器システムによっても行なうことができる。患者７がシステム軸線９に沿って移動可能な患者用寝台８上にいるので、患者はＸ線管−検出器システム２，３の回転中に走査範囲を通して移動可能であり、患者のスパイラル走査が行なわれる。

システムの制御と、スライス画像またはボリュームデータの再構成を含む検出器データの評価とが制御および計算ユニット１０を介して行なわれる。制御および計算ユニット１０においては、象徴的に示されているように、メモリ１１に、必要なときに実行されるプログラムＰｒｇ₁〜Ｐｒｇ_nが記憶されている。これらのプログラムによって再構成されたボリュームデータ１２が、本発明にしたがって、ここでは破線の矩形２０によって示されているフィルタリング手順で処理される。このためにこれらのボリュームデータセット１２に基づいて方法ステップ１３においてエッジ検出が行なわれ、最小分散ｖ_minおよび最大分散ｖ_maxのベクトル方向が求められ、ｖ⊥の方向が決定される。

本来の画像データのフィルタリングは、ここでは方法ステップ１４，１５，１６において次の規則にしたがって行なわれる。

方法ステップ１４は、固定の２Ｄフィルタによるアキシャル面のフィルタリングに関係する。この場合に、例えば２次元の平面的なボクセル集合への２次元の等方性畳み込みを等価的に周波数空間内で行なうことができる。このためにアキシャル画像がフーリエ変換により周波数空間内に移行させられ、そこで等方性の２Ｄフィルタ関数と掛算され、その後に再び位置空間に変換される。指摘しておくに、代替として畳み込みが位置空間内で直接に実行されてもよく、使用されたハードウェアに応じて一方の変形または他方の変形がより高速に実行され得る。

このようなフィルタリングは全てのデータセットについて同じであり、結果は今や新しいデータセットＩ_IF内に記録される。更に、２つの局所的に異なるフィルタリングがステップ１５，１６において行なわれる。それらの局所的な相違はベクトルｖ_min，ｖ⊥の方向に依存する。

方法ステップ１５において、ｖ⊥方向への線形フィルタリングが１次元の核を有する畳み込みによって行なわれる。この１次元の核は全てのデータセットについて同じであってよく、フィルタの方向のみがベクトルｖ⊥の方向に応じて異なっている。

したがって、方法ステップ１６において同様に線形フィルタリングがここではもちろんベクトルｖ_minの方向に行なわれる。これは、場合によっては全てのデータセットにわたって同一である１次元の核を有する畳み込みによっても行なうことができる。この場合にもフィルタリングの方向は最小分散ｖ_minの方向に応じて局所的に向けられる。このようにして、両方法ステップ１５，１６によって、新たなデータセットＩ_ALF,⊥、Ｉ_ALF,minが生じ、これらはひき続き爾後処理される。

更なる処理において今や方法ステップ１７において、４つの存在するデータセットＩ_IF、Ｉ_ALF,⊥、Ｉ_ALF,min、Ｉ_origの混合が行なわれ、混合の重みはその都度観察されたボクセルの周辺に依存する。この混合の際に次の原理が考慮される。

ボクセルの周辺が等方性である場合、すなわちｖ_min，ｖ_maxの値が同程度である場合、効率的に３Ｄフィルタにより平滑することができる。３Ｄフィルタは使用できないので、データセットＩ_IF，Ｉ_ALFにより適切な組み合わせが形成される。この場合に最初のボクセルが重複計数されないように、最初のボクセルの減算が必要である。このようにして擬似３Ｄフィルタリングされた成分の割合が等方性に依存して計算され、重みは大きな異方性の場合には小さくすべきであり、逆に小さい異方性の場合には大きくすべきである。

異方性が決定されると、存在するフィルタリングから局所的な状況に適応した１Ｄないし２Ｄフィルタが構成される。このためにアキシャル面およびｖ_min／ｖ⊥面における異方性が考慮される。これらの面の１つに等方性状態が存在する場合、存在するフィルタから「擬似２Ｄフィルタ」が組み合わされる。大きい異方性の場合にはｖ_minの方向に１次元フィルタが残されている。

前述の寄与の総重みは局所的な分散に依存して調整される。大きな分散は小さい重みを意味し、逆に小さい分散は大きい重みを意味する。この場合に、目は高コントラスト構造の近くにおけるノイズを弱く知覚することが利用される。同時に、このようにして小さい高コントラスト構造の維持を保証することができる。尺度としては局所的な分散ｖ_minが使用される。なぜならばこれは構造的なノイズがないからである。

このフィルタリングによって新しいボリュームデータセットまたは画像データセット１８が得られ、本発明にしたがって方法ステップ１９に与えられる。ステップ１９においては、本来の公知の高コントラスト対象のコンピュータ支援による認識が行なわれる。これらの高コントラスト対象の表示、したがって発見された病変の表示は、制御および計算ユニット１０のディスプレイで行なわれる。一般には、今、操作者がコンピュータ支援により発見された病変を検査し、診断上の重要性を吟味する。この場合に重要なことは、本発明により提案されたフィルタ過程によって、偽陽性と看做された病変の個数が低減され、同時に真陽性に認識された病変がこの付加的なフィルタ法によって抑制されないことである。

図２ないし図５には、コンピュータ支援による認識の前に本発明によるフィルタリングが行われる場合および行われない場合における種々の状況の模範的な画像抜粋が示されている。

図２は病変のコンピュータ支援による認識の画像抜粋を示す。左の象限Ｉには、ここではｃ２５ａと呼ばれる発見された病変のサジタル断面を示す。第２の象限ＩＩには、この発見された病変ｃ２５ａのアキシャル断面が示されている。第３の象限ＩＩＩはＣＴデータから得られた仮想管腔内の図を示す。第４の象限ＩＶには、偽陽性と看做された病変ｃ２５ａの表示位置を有する検査された結腸の概観図が示されている。

結腸のコンピュータ支援解析は、図２の場合においてはおそらく結腸内の残留大便を偽陽性の病変として認識し、これを手による制御診断のために表示した。

コンピュータ支援診断の前に、使用されたＣＴ表示が非線形フィルタにより処理される場合には、図３における状態が生じる。図３では図２と同じ部位がもう一度示されており、コンピュータプログラムはこの部位に病変をもはや表示していないことが分かる。

図４には結腸内の他の部位が示されている。図４は、本発明による事前のフィルタリングなしで、病変ｃ２２ａを示す。この病変ｃ２２ａは、標識ｘ１９ａで認識可能であるように、実際に手による診断を介しても発見された。

図５には図４と同じ部位がもう一度示されているが、この場合にはＣＴ表示にわたってエッジを保存する非線形フィルタリングが行なわれた。フィルタリングにもかかわらず、この部位も解析プログラムを介して病変、ここではｃ１ａとして発見された。したがって、陽性の結果は付加的なフィルタリングによって抑制されない。

統計学的調査によれば、病変のコンピュータ支援検出に使用されたＣＴ表示の本発明による事前フィルタリングによって、解析ソフトウェアによって偽陽性結果が実際に検出されたのは著しく少なく、一方真陽性と看做された病変の数はこのフィルタリングによって影響を受けない。

以上に述べた本発明の特徴はその都度示した組み合わせのみならず、本発明の範囲を逸脱することなく他の組み合わせまたは単独で使用可能であることは自明のことである。

制御および計算ユニットを有する本発明によるＣＴシステムと病変のコンピュータ支援による認識の前における模範的なフィルタリングとを示す概略図 偽陽性として発見された病変の画面抜粋を示す図 本発明によるフィルタリング後に偽陽性の認識が抑制された同じ部位の画面抜粋を示す図 事前のフィルタリングのない場合に病変の陽性認識を有する他の領域の画面抜粋を示す図 事前フィルタリング後にも病変の陽性認識が維持されている、図４の部位の画面抜粋を示す図

符号の説明

１ ＣＴシステム
２ Ｘ線管
３ 検出器
４ オプションとしての第２のＸ線管
５ オプションとしての第２の検出器
６ ガントリハウジング
７ 患者
８ 患者用寝台
９ システム軸線
１０ 制御および計算ユニット
１１ 制御および計算ユニットのメモリ
１２ 再構成されたボリューム表示
１３ エッジ認識
１４ アキシャル等方性フィルタ
１５ 方向ｖ⊥における適応線形フィルタリング
１６ 方向ｖ_minにおける適応線形フィルタリング
１７ 局所的重みを有する混合
１８ フィルタリングされた断層表示またはボリューム表示
１９ 病変のコンピュータ支援による認識
２０ フィルタ
Ｉ 関心領域のサジタル断層画像表示
ＩＩ 関心領域のアキシャル断層画像表示
ＩＩＩ 関心領域の仮想管腔内表示
ＩＶ ３次元セグメント化された結腸概観表示

Claims (20)

1. Ｘ線コンピュータ断層撮影における高コントラスト対象（ｃ２２ａ）のコンピュータ支援による認識方法において、高コントラスト対象（ｃ２２ａ）のコンピュータ支援による認識の前に、患者（７）の再構成された断層撮影の表示データ（１２）に少なくとも１つの非線形フィルタ（２０）が適用されることを特徴とするＸ線コンピュータ断層撮影における高コントラスト対象のコンピュータ支援による認識方法。
2. 少なくとも１つの非線形フィルタ（２０）がエッジ保存フィルタであることを特徴とする請求項１記載の方法。
3. 線形フィルタおよび／または非線形フィルタからなる組み合わせが適用されることを特徴とする請求項１又は２記載の方法。
4. 断層撮影の表示データ（１２）を作成するのためにボリュームモデルが使用され、ボリュームモデルが、最初の画像ボクセル（Ｉ_org）を有する第１のデータセットに応じて、検査ボリュームを個別の画像値を有する複数の３次元画像ボクセルに分割し、
   各ボクセルの画像値が検査ボリューム内で患者（７）の対象固有の特性を再現し、
   再構成後に各画像ボクセルについて予め定められた範囲または半径内の画像値の分散が算出され、
   各画像ボクセルについて、コントラスト跳躍およびその空間方位をその接平面とともに認識するために、最大分散（ｖ→_max）の方向が決定され、
   各画像ボクセルについて、接平面において最小分散（ｖ→_min）の方向が決定され、
   最初の画像ボクセル（Ｉ_org）が、画像範囲全体にわたって等しい２Ｄフィルタと、事前に算出された分散の極値（ｖ→_min，ｖ→_max）から得られる選択された方向を有する２つの異なる線形フィルタ（１５，１６）とにより処理されて、異なるフィルタリングをされた画像ボクセル（Ｉ_IF，Ｉ_ALF,min，Ｉ_ALF,⊥）を有する３つのデータセットが得られ、
   最初の画像ボクセル（Ｉ_org）およびフィルタリングされた画像ボクセル（Ｉ_IF、Ｉ_ALF,min、Ｉ_ALF,⊥）が局所的な重みの使用のもとに混合されて結果画像（Ｉ_final）が形成されることを特徴とする請求項１乃至３の１つに記載の方法。
5. ２Ｄフィルタとして、２次元平面のボクセル集合への２次元等方性畳み込みが行なわれ、ボクセル（Ｉ_IF）に第２のデータセットが生じることを特徴とする請求項４記載の方法。
6. 等方性畳み込みが位置空間内で実行されることを特徴とする請求項５記載の方法。
7. 等方性畳み込みが周波数空間内で実行されることを特徴とする請求項５記載の方法。
8. 第１のデータセットが平面ごとに画像範囲全体にわたって等しい２Ｄフィルタの方位に応じてフーリエ変換により周波数空間に移行させられ、そこで等方性２Ｄフィルタ関数と掛算され、その後位置空間へ戻し変換されることによって、等方性畳み込みが周波数空間内で実行されることを特徴とする請求項７記載の方法。
9. 第１の線形フィルタ（１６）が、局所的に可変にかつ局所的な最小分散（ｖ→_min）の方向に向けられ、ボクセル（Ｉ_ALF,min）に第３のデータセットが生じることを特徴とする請求項４乃至８の１つに記載の方法。
10. 第２の線形フィルタ（１５）が、局所的に可変にかつ局所的な最小分散（ｖ→_min）および最大分散（ｖ→_max）に対して垂直な方向に向けられ、ボクセル（Ｉ_ALF,max）に第４のデータセットが生じることを特徴とする請求項４乃至９の１つに記載の方法。
11. ４つのデータセットの混合時に第２乃至第４のデータセット（Ｉ_IF、Ｉ_ALF,min、Ｉ_ALF,⊥）からなる重み付け加算から第１のデータセット（Ｉ_org）が重み付けされて減算されることを特徴とする請求項４乃至１０の１つに記載の方法。
12. ４つのデータセットの混合時の重み付けが、観察された画像ボクセルの直接的な周辺の等方性／異方性および局所的な分散に依存して設定されることを特徴とする請求項４乃至１１の１つに記載の方法。
13. ４つのデータセットの重み付けされた混合が数１にしたがって行なわれることを特徴とする請求項４乃至１２の１つに記載の方法。
    但し、重み付け係数は次の意味を有する。
    ｗ： 観察されたピクセルにおける局所的な最小分散ｖ_minの尺度
    ｗ^3D： ３次元空間における異方性η^3Dの尺度
    ｗ^IF： フィルタＩ_IFの平面における異方性η^IFの尺度
    ｗ⊥： 方向ｖ⊥，ｖ_minにおける異方性η⊥の尺度
14. ３次元空間における異方性η^3Dは数２により算出されることを特徴とする請求項１３記載の方法。
    
15. 重み付け係数ｗ^3Dは数３により算出されることを特徴とする請求項１４に記載の方法。
    
16. フィルタＩ_IFの平面における異方性η^IFは数４により算出され、ｖ^IF _max，ｖ^IF _minはフィルタＩ_IFの平面における最大分散および最小分散であることを特徴とする請求項１４又は１５記載の方法。
    
17. 重み付け係数ｗ^IFは数５により算出されることを特徴とする請求項１４乃至１６の１つに記載の方法。
    
18. 方向ｖ⊥，ｖ_minにおける異方性η⊥は数６により算出されることを特徴とする請求項１４乃至１７の１つに記載の方法。
    
19. 重み付け係数ｗ⊥は数７により算出されることを特徴とする請求項１４乃至１８の１つに記載の方法。
    
20. 少なくとも１つの撮影装置とシステム作動のためのコンピュータプログラムを有するコンピュータとを備え、患者の断層撮影表示における高コントラスト対象のコンピュータ支援による認識システムにおいて、動作時に請求項１乃至１９の１つに記載の方法ステップを再現するプログラムコードを含んでいることを特徴とする患者の断層撮影表示における高コントラスト対象のコンピュータ支援による認識システム。