JP2007209758A - 放射線医学的徴候の検出のためのトモシンセシス投影画像の処理方法 - Google Patents

Abstract

【課題】放射線医学的徴候を検出するための投影画像の処理方法を提供する。
【解決手段】一連の３Ｄ画像の中での放射線医学的信号を検出するために使用される画像処理方法において、ディジタル・ボリュームの中での放射線医学的徴候の位置をマーカーによって示すことができるようにするアルゴリズムが提供される。該アルゴリズムはまた、悪性の要素と良性の要素とを自動的に区別することを可能にする。これを行うため、アルゴリズムは、画像内の曖昧さを説明するファジイ論理方式を有する。更に、アルゴリズムは、放射線投影画像に直接適用される。
【選択図】図２

Description

本発明の対象は、放射線医学的徴候(radiological sign) の検出のためにトモシンセシス投影画像を処理する方法である。本発明は、限定するものではないが、特に医用イメージングの分野、Ｘ線による非破壊的検査の分野、より具体的にはマンモグラフィ（乳房撮影）の分野に有利に適用することができる。

本発明はまた、この種の画像処理方法を含んでいるマンモグラフィ機械に関するものである。

今日、マンモグラフィが病変部の検出及び乳癌の予防に広く使用されている。このような病変部に関連した放射線医学的徴候は、クラスタとして空間領域においてグループ化されたカルシウム沈着（微小石灰化と呼ばれる）か又は陰影部(opacity) のいずれかであることがある。個々の微小石灰化は、一般にＸ線に対して周囲の組織よりも不透明である小寸法の要素（直径が１００μｍ〜１ｍｍ）を形成する。陰影部は、隣接の領域におけるよりも大きくＸ線を吸収する稠密な領域である。

しかしながら、或る石灰化又は或る陰影部が見分けられないことが起こりうる。この現象は多くの原因を持つ。特に、マンモグラフィ画像は投影の結果であるので、該画像は複数の構造を重畳したものであり、これは胸の構造の視認性を妨げて、誤って陽性の判読がなされることがある。

この陽性判読の問題を解決するために、従来技術では、患者の胸の３Ｄ画像を生成する新しいマンモグラフィ装置が提供されている。このような装置は相異なる角度で対象物の幾つかの投影を取得し、次いで断層像再構成アルゴリズムによってこの対象物の３Ｄ分布を再構成する。目標は、マンモグラフィ投影による従来の典型的な取得のときに行われる組織の重畳の際にマスクされてしまっていた様な病変部を検出することである。

しかしながら、この新しいトモシンセシス・マンモグラフィ装置には欠点がある。実際に、このようなディジタル・トモシンセシス・スクリーニング装置では、平均的な胸について典型的には５０〜８０スライスを含むディジタル・ボリューム再構成が行われている。その結果、管理すべき情報量が非常に多い。同様に、臨床的な関心のある一区分の情報にアクセスすることは、この情報がボリュームの中で並行に逐次的に検索されるので、かなりの時間を要する。

現在のマンモグラフィでは、使用の頻度又は医学的行為のレートが極めて重要な事である。というのは、この頻度が装置の経済的側面で影響を及ぼすからである。しかしながら、新しいトモシンセシス・マンモグラフィ装置は、臨床的な関心のある情報に対するアクセス時間が非常に長いので、高頻度で使用することができない。

更に、この種の装置は、スクリーニングが臨床的な関心のある情報を突き止めるために掛かる時間に左右されるので、スクリーニングの成功を何ら保証していない。

他の分野でも起こりうるがマンモグラフィに一層特有の別の問題は、ある特定の放射線医学的徴候を分析することのできる必要性に関係するものである。放射線医学的徴候は１００μｍ〜１ｍｍが臨床的に関心のあるものになっている。検出器の分解能は現在１００μｍであるので、放射線医師は大きなボリュームの中でより小さい対象物を素早く探さなければならない。

本発明はまさに、上述の技術の欠点を克服することを目的とする。このため、本発明では、一連の３Ｄデータの中で放射線医学的徴候を検出するために使用することのできる画像処理方法を提案する。放射線医学的徴候を突き止めるために掛かる時間が大幅に短縮される。従って、システムは、診断の際に放射線医師によって病変部が見過ごされる可能性を防止することができる。

本発明は、情報の判読性を改善するために放射線撮影画像のディジタル処理技術を有利に利用するようにした、マンモグラフィに対する新規な方式を提案する。

この画像処理方法は、臨床的な関心のある情報にアクセスする時間を短縮し且つアクセスを簡単化することができる新規なやり方を開発することによって、多量のデータに対処するように使用することができる。

本発明は、一連の３Ｄデータの中で放射線医学的徴候を検出するためのアルゴリズムを提案する。本発明のアルゴリズムは、３Ｄ画像上の放射線医学的徴候の位置をマーカーによって示すために使用される。アルゴリズムまた、悪性の要素を良性の要素から自動的に区別することを可能にする。

これを行うため、本発明のアルゴリズムは、画像内の曖昧さをモデル化するファジイ論理方式を有する。ファジイ論理の使用により、推定(presumed)放射線医学的徴候についての全ての利用可能な情報と共に取得ジオメトリ(aquisition geometry) についての情報を組み立てることによって、推定放射線医学的徴候についての判定方法を容易にすることができる。放射線医学的徴候についての全ての情報を考慮して各々の推定放射線医学的徴候に対して信頼度(degree of confidence)を割り当てる。この信頼度により、推定放射線医学的徴候について精密な判定を行うことが可能になる。

更に、本発明では、アルゴリズムが放射線投影のビュー(view)に直接適用される。これにより、再構成段階を含まないアルゴリズムを生じ、更に、それは、一連の３Ｄ画像を再構成するために使用されるどんな再構成アルゴリズムからも独立である。更に、本発明の画像処理方法は主に投影の数に依存し、従来技術のように再構成スライスの数に依存するものではないので、実行時間の短縮が達成される。一般に、投影の数は胸の再構成スライスの数よりも遙かに少ない。

本発明は、画像の曖昧さを考慮して、無視し得ないほどの時間の稼ぎにより改善された検出結果を生じる方式を提供する。

稠密である胸又は多数の繊維構造を持つ胸の検査の場合、投影のフィルム撮影の時における組織の重畳が判読に曖昧さを生じさせる。本発明のアルゴリズムはまた、組織のこの重畳に起因した判読の曖昧さを減じることができる。

本発明の方法はまた、胸の３Ｄ画像の中の全ての放射線医学的徴候を強調するのに役立つ。本発明は医師が該医師の診断ツールに一層大きな信頼性を持つようにする。

より詳しく述べると、本発明の目的は、Ｘ線装置の画像を処理するための方法である。該方法では、
身体について幾つかの放射線投影画像が生成され、
該身体の３Ｄ画像が再構成され、
この３Ｄ画像において、３Ｄ放射線医学的徴候を表していると推定される構造が、関連した信頼度で突き止められ、これにより推定３Ｄ放射線医学的徴候が求められ、
また前記方法では、
各投影画像において、推定３Ｄ放射線医学的徴候の投影に対応する一組の２Ｄ候補粒子が決定され、
ファジイ論理記述によって、各々の候補粒子が、一組のメンバーシップ・クラスの内の各々の２Ｄメンバーシップ・クラスの中でのメンバーシップ等級を割り当てられ、各メンバーシップ・クラスは放射線医学的徴候の種類に関係しており、また各クラスは前もって決定されており、
前記一組の２Ｄ候補粒子と、考慮している一クラスの中でのそれらのそれぞれのメンバーシップ等級とによって、各々の２Ｄファジイ粒子が形成され、
２Ｄファジイ粒子の凝集(aggregation) が、ディジタル・ボリュームの中の３Ｄファジイ粒子を求めるために各投影画像において生成され、
各３Ｄファジイ粒子について属性情報が抽出され、
得られた属性情報の一組の区分から、各放射線医学的徴候について信頼度が決定される。

本発明は以下の説明及び添付の図面からより明瞭に理解されよう。図面は例として示したもので、何ら本発明の範囲を制限するものではない。

図１はＸ線装置を示しており、これは特に本発明によるマンモグラフィ機械である。このＸ線装置１は固定の垂直な支柱２を持つ。装置１は、垂直な支柱２上に蝶番結合された垂直な支持体２ａを持つ。この垂直な支持体２ａは、斜めに配向することができる。装置１は、Ｘ線管３と、該Ｘ線管３によって放出されたＸ線を検出することの可能な検出器４とを有する。

Ｘ線管３は、Ｘ線放出焦点である焦点５を備えている。この焦点５は、主放出方向Ｄに沿ってＸ線ビーム６を放出する。Ｘ線管３は、垂直な支持体２ａに固定されたアーム７によって担持されている。このアーム７はＣ字形アームである。アーム７は垂直な支柱２上に蝶番結合されている。アームはＸ線管３を円弧の形の経路に沿って動かすために使用することができる。Ｘ線管を平面内又は球状部分内で動かすことのできる他の構成が可能である。Ｘ線管３は、２つの極限位置の間で傾斜して広がる相異なる位置を取ることができる。これらの２つの位置は、例えば、支柱２の平面に対して互いに対称である。

検出器４は、例えば、電子検出器である。検出器４は、Ｘ線ビーム６を受けるように主放出方向ＤにＸ線管３と向かい合って垂直な支持体２ａに取り付けられる。

垂直な支持体２ａには、患者の乳房を置く乳房保持トレイ８が設けられる。この乳房保持トレイは検出器４を覆うように配置される。検出器は乳房保持トレイ８の真下に配置される。検出器４は、患者の乳房を通過したＸ線を検出する。

更に、安定性及び画像品質のために、放射線撮影の時に患者の乳房を圧迫する必要がある。相異なる圧迫力が印加されることがある。これらの力は、行うべき検査の種類に依存して、乳房保持トレイ８上の乳房を圧迫する圧迫パッド９を介して加えられる。このため、垂直な支持体２ａは、手動で又は電動で乳房を圧迫することのできる摺動パッド９を持つ。パッド９は、プラスチックのようなＸ線透過性材料で形成される。従って、垂直な支持体２ａは、頂部から底部にかけて垂直に次のもの、すなわち、Ｘ線管３、パッド９、乳房支持台８及び検出器４を担持する。

パッド９、患者の胸、台８及び検出器４は固定されているが、Ｘ線管３はこの組立体に対して空間内で様々な位置を取ることができる。

一変形例では、検出器４は移動可能であってよく、Ｘ線管３と同時に胸の周りの様々な位置を取ることができる。この場合、検出器４は平坦であるか又は湾曲させることができる。また検出器は回転移動及び／又は平行移動させることができる。

患者の身体の一部を横切るビーム６を受け取った後、検出器４は、受け取った射線のエネルギに対応する電気信号を発生する。これらの電気信号は次いで、外部母線１１を介して制御論理装置１０へ伝送することができる。これらの電気信号により、この制御論理装置１０は分析される身体部分に対応する２Ｄ画像を生成することができる。この画像はこの制御論理装置１０のスクリーンによって表示することができ、或いは印刷してもよい。

一例では、制御論理装置１０は、マイクロプロセッサ１２と、プログラム・メモリ１４と、データ・メモリ１５と、キーボード１７を備えた表示スクリーン１６と、入出力インターフェース１８とを有する。マイクロプロセッサ１２と、プログラム・メモリ１４と、データ・メモリ１５と、キーボード１７を備えた表示スクリーン１６と、入出力インターフェース１８とは、内部母線１９によって相互接続されている。

実際に、或る装置が或る行為を遂行したと云われるとき、この行為は装置のマイクロプロセッサによって遂行され、該マイクロプロセッサは装置のプログラム・メモリ内に記録されている命令によって制御される。制御論理装置１０はまさしくこのような装置である。制御論理装置１０はしばしば集積回路形式で製作される。

プログラム・メモリ１４は幾つかの区域に分割され、各区域は、装置の機能を満たすために命令コードに対応する。本発明の変形に応じて、メモリ１４は、Ｘ線管３の経路を設定し且つこの経路に沿った多数の投影画像の発生を制御するための命令コードを持つ区域２０を有する。メモリ１４はまた、取得ジオメトリに起因したアーティファクトを是正するために投影画像の前処理を実施するための命令コードを持つ区域２１を有する。

メモリ１４はまた、生成したマーカーによる、各投影画像上での、推定放射線医学的徴候の位置確認のための命令コードを持つ区域２２を有する。メモリ１４はまた、推定放射線医学的徴候の各マーカーについて一組の可能な候補粒子を定めるための命令コードを持つ区域２３を有する。メモリ１４はまた、プログラムされたファジイ論理を具現化するための命令コードを持つ区域２４を有する。このプログラムされたファジイ論理は、各候補粒子について、放射線医学的徴候の種類に関係する２Ｄクラスと呼ばれる各メンバーシップ・クラスの中でのメンバーシップの等級を決定し、各クラスは予め決定されている。メンバーシップのこの等級は各候補粒子の属性の関数として決定される。

メモリ１４はまた、各推定放射線医学的徴候について、一組の候補粒子とそれらのそれぞれのメンバーシップ等級とによって形成される２Ｄファジイ粒子を定めるための命令コードを持つ区域２５を有する。メモリ１４はまた、各々の投影画像の２Ｄファジイ粒子の凝集を具現化するための命令コードを持つ区域２６を有する。好ましい実施形態では、凝集は、一区分の情報が、取得ジオメトリによって得られるディジタル・ボリュームの一ボクセルに割り当てられるようにする操作である。この情報は、異なる画像の投影画像の中のこのボクセルに対応するピクセルから取り出される。

凝集は、各投影画像の２Ｄファジイ粒子の組合せに対応する３Ｄファジイ粒子を生じさせる。

メモリ１４はまた、そこから各３Ｄファジイ粒子を特徴付ける属性を抽出するためにディジタル・ボリュームの３Ｄファジイ粒子を処理するための命令コードを持つ区域２７を有する。メモリ１４はまた、３Ｄファジイ粒子に対して信頼度を与えるために前記抽出した属性を分類手段へ送るための命令コードを持つ区域２８を有する。この信頼度は、真の放射線医学的徴候であるとするために３Ｄファジイ粒子に与えることのできる病変部の程度である。

好ましい実施形態では、及び以後の説明のために、粒子は放射線医学的徴候の輪郭である。粒子はまた放射線医学的徴候の連結成分であり得ることが分かる。連結成分は、輪郭であり、また輪郭の中及び輪郭上に存在するピクセルの集合である。

粒子が輪郭であるとき、ファジイ粒子の凝集はファジイ表面を生じさせる。粒子が連結成分であるとき、ファジイ粒子の凝集はファジイ・ボリュームを生じさせる。

制御論理装置１０は、Ｘ線管３の一連の露出をサンプリングするように進行する。そこで、相次ぐ露出の際に、胸が、従って検出器が照射される。これらの露出のために、Ｘ線管の焦点は、固定し且つ角度方向に分布させることのできる位置を占める。一例では、またこれが本発明を制限するものとして取るべきでないが、角度方向の検査は、中央の照射方向に対して、マンモグラフィ装置の場合には一般に垂直方向に対して、両側に３０度ずつの６０度に等しくすることが計画される。

この検査中、特定の数のビーム６、例えば所望の精度に依存して、９、１１、１３又は他の数のビームで取得を行う。図１の例では、ビームの数は９である。従って、１回の走査で全てのビーム６が取得される。各ビーム６は放射線投影ビューを表す。

図２は、本発明による方法を具現化する手段を例示する。本発明の具現化では、各投影画像を表す各区分の画像データに画像処理方法が適用される。画像データのこれらの区分はディジタル検出器によって制御論理装置に直接与えられる。放射線医学的徴候を構成する可能性のある要素を突き止めるために処理方法を使用することは、画像データのこれらの区分に基づいている。推定放射線医学的徴候は微小石灰化又は陰影部とすることができる。

図２において、段階１００で、Ｘ線管３が所定の経路で多数の投影画像を得るために患者の胸を通過するＸ線強度を発生する。検出器４が、投影画像を表すＸ線画像データを取得する。制御論理装置は画像データの複数の区分の各々を個々に処理する。

段階１０１において、制御論理装置はＸ線画像データの複数の区分の各々に前処理操作を適用する。この前処理段階１０１では、制御論理装置は、第１に取得ジオメトリによって且つ第２に胸の輪郭の検出によって導入されるアーティファクトを除く。

取得ジオメトリによって導入されるアーティファクトは主に多数の投影画像の取得に起因する。事実、管のコリメータのプレートは前記Ｘ線管と同じ軌跡を描く。結果として、ビームが投影される検出器の表面を規定する角度開口は、もはや検出器と共平面ではない。従って、Ｘ線管の焦点の軌跡は、検出器の位置と相似ではない。これは、露出される場の台形状変形を招き、従って取得した画像データの輪郭に沿ってアーティファクトを生じる。

制御論理装置は画像データの複数の区分の各々を、関心領域（ＲＯＩ）上に、すなわち患者の胸を含む画像領域上に再位置決めする。画像データの各区分について、制御論理装置は、取得ジオメトリの予備的知識を使用して、最小のアーティファクトを含む関心領域を定める。

段階１０１は、関心領域上にのみ放射線医学的徴候を構成しそうである要素の検出のために、本発明の画像処理方法を適用するように設計される。これは処理時間を短縮し、且つアーティファクトを含む領域における誤検出を防止する。段階１０１は、検出器からの画像データの区分を、その後の処理のために利用することのできる画像データの区分に変換するために、使用される。

この前処理段階１０１で、画像データのそれぞれの区分はノイズの影響を低減するためにフィルタ処理することができる。この段階１０１は本質的に取得装置に依存し、従って、既存のトモシンセシス取得装置の異なるバージョンでは変更することができる。

一変形例では、制御論理装置は画像データ前処理段階１０１を適用せずに、段階１０２に直接進むことがあり得る。

段階１０２では、制御論理装置は、胸を背景から分離するために前処理後の画像データの各区分に二進マスクを適用する。得られた画像データの各区分はコントラスト画像に変換され、該コントラスト画像は画像データの各区分の各ピクセルについて定められる。この変換は、メキシカン・ハット形のウェーブレット・フィルタ処理によって得られる。このフィルタ処理は図３を参照して後で説明する。制御論理装置は、推定放射線医学的徴候を持つピクセルの全てにラベル付けするマーカーを生成する。制御論理装置は、その後の処理のために推定放射線医学的徴候を表すマーカーのマップを抽出する。

段階１０３で、制御論理装置は、画像データの前処理後の各々の区分の各推定放射線医学的徴候に割り当てるべき一組の可能な候補輪郭を決定する。好ましい実施形態では、これらの候補輪郭は、相次ぐ閾値によって決定される。各閾値は１つの輪郭候補を定める。この段階１０３は図３を参照して後で説明する。

段階１０４で、制御論理装置は、ファジイ論理記述によって、各マーカーの各々の可能な候補輪郭について予め規定されたクラスの判定基準に対してメンバーシップの等級を計算する。微小石灰化のような放射線医学的徴候の場合では、判定基準は、表面積、コントラスト勾配、又は微小石灰化を特徴付けることのできるその他の任意の属性とすることができる。陰影部のような放射線医学的徴候の場合には、判定基準は陰影部の濃度とすることができる。

段階１０５で、制御論理装置は、前処理後の画像データの複数の区分の各々についてのマップの複数のマーカーの各々に割り当てるべきファジイ輪郭を定める。このファジイ輪郭は、一組の候補輪郭とそれらのそれぞれのメンバーシップ等級とによって形成される。図３は、所与のマーカーについて一組の可能な候補輪郭を決定する態様を示す。図４ａ及び図４ｂの各々は、判定基準に対して微小石灰化のクラスの中の輪郭のメンバーシップの等級を求める態様を示す。図１のデータ・メモリ１５は、ファジイ論理記述の異なる段階の概略図を示す。それらの異なる段階は、図３、図４ａ及び図４ｂの説明の所で更に説明する。

画像データの複数の区分の各々における別々の検出操作を遂行した後、制御論理装置は段階１０６を遂行する。段階１０６は、ディジタル・ボリュームの中での、画像データの各々の区分のファジイ輪郭の凝集を構成する。

従来技術では、ディジタル・ボリューム再構成が画像データの複数の区分で又は放射線値で行われている。本発明では、ディジタル・ボリュームの中での凝集が画像データの各区分の推定放射線医学的徴候のファジイ輪郭で作られる。

ディジタル・ボリュームの中でのこの凝集は、段階１０６で示されているように、段階１０７によって与えられた取得ジオメトリを考慮する。

段階１０８で、段階１０６の凝集により各々の推定放射線医学的徴候についてファジイ表面を生成する。各ファジイ表面は、複数の投影画像による複数の候補輪郭の１つの可能な組合せである。各ファジイ表面は、一組の表面候補と、３Ｄクラスと呼ばれる予め規定されたクラスの中でのそれらのそれぞれのメンバーシップ等級とによって形成される。各候補表面は、複数の投影画像による複数の候補輪郭の１つの可能な組合せである。放射線医学的徴候の種類に関係する３Ｄクラスと呼ばれる各メンバーシップ・クラスの中でのメンバーシップの等級は、ファジイ論理記述によって決定される。制御論理装置が各々のファジイ表面を評価する。制御論理装置は、これらのファジイ表面の属性を抽出する。

放射線医学的徴候が陰影部であるとき、制御論理装置は段階１０９の分類手段へ属性を直接送る。

放射線医学的徴候が微小石灰化であるとき、制御論理装置は段階１１０を遂行する。段階１１０で、制御論理装置は、ファジイ表面がクラスタ内にグループを形成するかどうか決定する。各々の決定されたクラスタについて、制御論理装置は属性を抽出する。段階１０８及び１１０は図６ａ〜図６ｃに示されている。

段階１１１で、制御論理装置は信頼度を計算する。この信頼度は、各クラスタの属性、又は表面、形状、クラスタ内に存在するファジイ表面の数のような各ファジイ表面の属性と、それを形成する候補表面のメンバーシップ等級との関数として、計算される。ファジイ表面のクラスタの属性は、予め規定された分類手段へ送られ、該分類手段は各クラスタのファジイ表面によって表される放射線医学的徴候の信頼度を出力する。

信頼度が証明された放射線医学的信号に類似するか又は類似していない程度が大きくなると、得られる信頼度は高くなり、また１及び０にそれぞれ近くなる。この信頼度はまた、例えば、判定ツリー（木）、神経回路網、又はそのほかの支持ベクトルを持つ機械を使用して、証明された放射線医学的徴候がマークされている画像に基づいて学習することによって、求めることもできる。

段階１１２で、段階１１０で識別されたクラスタ、又はファジイ表面を、表示スクリーン上に表示することができる。この表示は、画像内に置かれた図形マーカーを使用することによって、又は検出されたクラスタ又はファジイ表面のグレー・レベルを修正することによって行われ、これにより結果の証拠を改善する。

図３は、推定放射線医学的徴候の一組の可能な候補輪郭を決定する態様を示す。制御論理装置がまず最初に、マーカーを生成して画像データの各区分内の推定放射線医学的徴候を決定する。これらのマーカーは推定放射線医学的徴候の位置（ｘ，ｙ）を指定する。

これを行うため、制御論理装置が画像データの複数の区分の各々について推定放射線医学的徴候のマップを抽出する。この抽出は、所与の大きさを持つ構造の存在に強く反応するように設計されたフィルタ処理によって行われる。

好ましい実施形態では、この抽出はウェーブレット・フィルタ処理によって得られる。このウェーブレット・フィルタ処理は、画像の区分の内容を解釈するために使用される方法である。制御論理装置は、推定放射線医学的徴候とその周囲の近隣部との間のコントラストを計算するためにスケールｓのウェーブレット・フィルタを使用する。対応する式は、次の式によって極座標で与えられる。

このウェーブレット・フィルタ処理により、スケールｓよりも大きい強度レベルを示すピクセルを選択するように画像データの各区分にスケールｓを適用することができる。これは、画像データのフィルタ処理後の区分において充分な強度を持つピクセルのみを保持することを可能にする。スケールｓの決定の際、制御論理装置はまた、フィルタ処理の時に失われた情報がアルゴリズムのその後の段階で検索できないという事実を考慮する。

従って、制御論理装置は、スケールｓよりも大きい強度を持つピクセルを抽出するために画像データの複数の区分の各々に検出アルゴリズムを適用する。

これを行うために、制御論理装置は選ばれたウェーブレット・フィルタにより画像データの各区分のコンボリューションを遂行する。これは、画像データの複数の区分において所与の大きさの構造を強調する。これは、放射線医学的徴候の大きさの予想される変動を説明するために幾つかの目盛り付け(graduation)の方式によって適用される。

その結果の画像データの区分の各々において、一例では、最大のオペレータがスケールｓと組み合わされる。この組合せはノイズの影響を最小にするためであり且つフィルタの応答のみを抽出することである。

推定放射線医学的徴候のマップを生成するため、コンボリューションの結果が背景ノイズのレベルの局部変化と比較される。その結果のピクセルが連結区域を見つけるために調べられる。次いで、連結されたピクセルが推定放射線医学的徴候としてマークされる。実際に、制御論理装置はフィルタの応答を使用して、推定放射線医学的徴候のマップを抽出する。

好ましい実施形態では、制御論理装置はファジイ論理の処理を、相対的に高い強度を持つ連結されたピクセルの各々の位置について生成されたマーカーに適用する。マーカーの使用により、ファジイ論理の処理の複雑さが低減される。それはまた、アルゴリズムの遂行及び該アルゴリズムについての実行時間を最適化する。

一変形例では、制御論理装置はファジイ論理の処理を画像データの各区分の各ピクセルに適用し、従って最大の情報量を保持することができる。

生成されたマーカーから、制御論理装置は各マーカーについてファジイ輪郭を生成する。これは、画像データの各区分について別々に行われる。

図３は、画像データの所与の一区分において、推定放射線医学的徴候のマ−カーＭを処理する態様を示す図であり、画像データの各区分についての全ての他のマーカーが同じやり方で処理されることが知られている。

制御論理装置が、好ましい例では、一連の相次ぐ閾値Ｓ１〜Ｓ１０を使用して、マ−カーＭの一組の可能な候補輪郭を決定する。制御論理装置はマ−カーＭに対して相次ぐ閾値Ｓ１〜Ｓ１０を適用する。図３の例では、相次ぐ閾値Ｓ１〜Ｓ１０の数は１０である。それらは、例えば、１０個のグレー・レベルを表す。閾値Ｓ１〜Ｓ１０の各々は互いに異なるピクセル強度範囲を持つ。好ましい例では、閾値Ｓ１は閾値Ｓ２よりも高いピクセル強度範囲を持つというように順次続く。

閾値の数及び各閾値のピクセル強度範囲は、求めようとする結果の種類に従って選ばれる。

各マ−カーＭは別々に処理される。マ−カーＭから、制御論理装置は、マ−カーＭを取り囲み且つ第１の閾値Ｓ１によって定められる第１の連結輪郭Ｃ１を生成する。制御論理装置は次いで第２の閾値Ｓ２によって定められる第２の輪郭Ｃ２を生成する。このように、制御論理装置は、各々の閾値Ｓ１〜Ｓ１０について、マ−カーＭを取り囲む輪郭Ｃ１〜Ｃ１０をそれぞれ生成する。

制御論理装置はマ−カーＭに対して相次ぐ閾値Ｓ１〜Ｓ１０を適用する。各々の閾値で、制御論理装置は次の２つの条件の内の１つが存在しないことを検証する。

条件１： Ａ（Ｃ）≦Ａ_ｍａｘ
ここで、Ａ（Ｃ）は輪郭の表面を表し、Ａ_ｍａｘ は放射線医学的徴候の表面についての最大許容表面を表す。

条件２： Ｉ（ρ，Ｃ）≧Ｉ（ρ）_ｍａｘ −ΔＩ_ｍａｘ
ここで、Ｉ（ρ，Ｃ）は推定放射線医学的徴候ρの輪郭Ｃの下のピクセルの強度を表し、Ｉ（ρ）_ｍａｘ は推定放射線医学的徴候ρの最大ピクセル強度を表し、そしてΔＩ_ｍａｘ は単一の推定放射線医学的徴候において許される最大強度変化を表す。

制御論理装置は、条件１及び条件２に出会うと直ちに、最大候補輪郭を与える閾値を検出する。マ−カーＭはこの最大候補輪郭より大きい輪郭を持つことができない。図３の例では、制御論理装置は閾値Ｓ６で条件１及び条件２に出会う。その結果、マ−カーＭに割り当てられた最大候補輪郭は輪郭Ｃ６である。

それぞれのメンバーシップ等級を持つ一組の候補輪郭Ｃ１〜Ｃ６がマ−カーＭのファジイ輪郭を定める。それらのメンバーシップの等級を決定する態様が図４ａ及び図４ｂに示されている。

各候補輪郭のメンバーシップの等級を決定するため、制御論理装置は各候補輪郭についてそれを特徴付ける属性を決定する。

これらの属性は、表面積、周囲、コントラスト、長さ、形態(morphology)、強度、均一性及び輪郭のテクスチャであってよい。形態（輪郭の形状についての情報を提供する）は、輪郭の最大距離と最小距離との間の比であるフェレット(Feret) 比によって与えることができる。この形態はまた、本例では輪郭Ｃ６によって表される外部輪郭と輪郭Ｃ１によって表される内部輪郭との間の比によって与えることができる。

放射線医学的徴候の輪郭についての予備的知識はファジイ集合の記述に変換される。もし放射線医学的徴候が微小石灰化であるとすると、予備的知識は次のように要約される。すなわち、放射線医学的徴候は小さい大きさで且つ高いコントラストを持つ。これらの２つの判定基準は、２つの属性、すなわち、図４ａ及び図４ｂに示されている表面及びコントラスト勾配を使用したファジイ集合の記述の表現である。図４ａ及び図４ｂは、２Ｄ微小石灰化クラスを特徴付ける判定基準の関数Ｆ１及びＦ２をそれぞれ示す。

２つの判定基準関数Ｆ１及びＦ２はそれぞれ、前記輪郭の表面及びコントラスト勾配の関数として予め規定されている微小石灰化における推定微小石灰化候補輪郭のメンバーシップの等級を表す。

放射線医学的徴候が陰影部である場合は、予備的知識は次のように、すなわち、放射線医学的徴候は高い濃度を持つ、と要約される。

或る放射線医学的徴候の予め規定された２Ｄクラスを特徴付ける判定基準は、上記のものとは異なることができる。

各候補輪郭Ｃ１〜Ｃ６について、制御論理装置は、２Ｄクラスの予め規定された判定基準に対してその属性の関数としてメンバーシップの等級を計算する。

メンバーシップの等級は輪郭の明るさ及び形状の両方を特徴付ける。輪郭がより明るく且つより丸くなればなるほど、メンバーシップの等級はより高くなる。

画像データの各区分の各マーカーについて、制御論理装置は、一組の候補輪郭及びそれらのそれぞれのメンバーシップ等級を有するファジイ輪郭を決定する。

一例では、アルゴリズムの複雑さ及び実行時間を低減するため、論理指令装置がファジイ輪郭を予め規定された閾値と比較することができる。この閾値は、予め規定された放射線医学的徴候の大きさ、形状及び／又はコントラスト勾配の関数として選ぶことができる。この場合、論理制御装置は、閾値より上のファジイ輪郭を、放射線医学的徴候である可能性があるものと見なすことができる。そこで、制御論理装置は、この閾値より下にある全てのファジイ輪郭をマーカーのマップから除去する。

画像データの複数の区分の各々において別々の検出操作を行った後、制御論理装置は、取得ジオメトリを考慮して、ディジタル・ボリュームの中での画像データの各区分のファジイ輪郭の凝集を遂行する。この凝集はファジイ表面のディジタル・ボリュームを生じさせる。

ディジタル・ボリュームの中でのこの凝集は、図５に見ることができるように、ボクセルについてマーカーの各マップ内に収集された情報の組み合わせによって遂行される。

図５は、各投影画像のファジイ輪郭の凝集の一実施形態を示す。凝集は各投影画像のファジイ輪郭をディジタル・ボリュームのファジイ表面と連結するために使用される。ファジイ表面は、複数の投影画像による複数のファジイ輪郭の可能な組合せである。ファジイ表面は一組の候補表面によって形成される。各候補表面は複数の投影画像による複数の候補輪郭の可能な組合せである。ファジイ表面は一組の候補表面によって形成される。各候補表面は複数の投影による複数の候補輪郭の可能な組合せである。

この組合せは、以下のように式の形で表すことができる。

ここで、Ｉ（ｘ_ｖ，ｙ_ｖ，ｚ_ｖ） は位置（ｘ_ｖ，ｙ_ｖ，ｚ_ｖ） におけるピクセルの強度を表し、Ｉ（ｘ_ｋ，ｙ_ｋ）は位置（ｘ_ｖ，ｙ_ｖ，ｚ_ｖ） に対応するマーカーのＮ個のマップの内のｋ番目のマップのピクセルを表し、Ψはこの関係を達成するために使用される凝集オペレータを表す。

この凝集オペレータは、和、最大、平均、又は統計的指令のような任意の他の種類のオペレータのようなオペレータであってよい。好ましい実施形態では、和のオペレータが、所与のボクセルについてのマーカーの異なるマップの情報の凝集のために使用される。

Ｘ線管が移動可能であり且つ不動の検出器にＸ線を放出することから、一連の投影の取得ジオメトリに特有のアーティファクトの問題が生じる。実際に、取得角度によっては、検出器の有効表面より外に投影される胸の部分が生じる。これにより、ディジタル・ボリュームの構成に投影の数が一定でない状況が生じる。異なる推定放射線医学的徴候の間での有効な比較を維持するために、制御論理装置は、異なる投影画像のファジイ輪郭を凝集するときにこの制約を考慮する。

一旦マーカーの全てのマップのファジイ輪郭が凝集されると、制御論理装置はディジタル・ボリュームの中の結果として得られたファジイ表面を分析する。

各候補表面について、論理指令装置は、予め規定された３Ｄクラスの中のメンバーシップの等級を、このクラスを規定する判定基準により決定する。

各候補表面のメンバーシップの等級を決定するため、制御論理装置はそれを特徴付ける属性を決定する。

放射線医学的徴候の表面についての予備的知識がファジイ集合の記述に変換される。放射線医学的徴候の予め規定された３Ｄクラスを定める判定基準の少なくとも１つの関数に依存して、各候補表面のメンバーシップの等級が、それを特徴付ける属性の関数として決定される。

それぞれのメンバーシップ等級を持つ一組の候補表面が、ファジイ表面を定める。

放射線医学的徴候が陰影部であるとき、制御論理装置は各ファジイ表面の属性を抽出する。各ファジイ表面について、制御論理装置は、それを特徴付ける属性と、それぞれのメンバーシップ等級を持つ一組の候補表面とを、予め規定された分類手段に伝送する。

分類手段の目的は、とりわけ、各ファジイ表面について、それを特徴付ける属性の関数として非常に精密な判定を行うことである。

このような分類手段は放射線医学的徴候の存在についての情報を出力し、或いは所与の結論で悪性腫瘍の確率を含むことさえもできる。これらの分類手段は、精密な判定ツリー、精密な値を使用するファジイ判定ツリー、ファジイな値を使用するファジイ判定ツリー、神経回路網又はベクトル支持機械であってよい。

各ファジイ表面についての判定は、割り当てられた信頼度によって定められる。この判定を求めた後、制御論理装置はこれらのファジイ表面を、それらに割り当てられた信頼度を考慮して観察する。

好ましい例では、表示の際、制御論理装置はファジイ表面のコントラストの強さを、そのすぐ周辺の強さに対して大きくする。この強調は信頼度に応じて行う。これにより、放射線医学的徴候を構成する確率が最大であるようなファジイ表面を更に著しく強調することが可能になる。

ファジイ表面を強調した最終的な提示画像は、実行者によって観察されるようにするために表示スクリーン上に表示される。

放射線医学的徴候が微小石灰化であるとき、制御論理装置はファジイ表面のクラスタ・グループを決定する。クラスタ・グループを決定する一態様を図６ａ〜図６ｃに示す。

図６ａは、ディジタル・ボリュームのファジイ表面を示す。これらのファジイ表面は、制御論理装置によって生成された３Ｄマーカーによって、ディジタル・ボリューム上に示されている。これらのマーカー（これらは図形的注釈である）は、ファジイ表面の重心に位置決めされる。制御論理装置は、クラスタ検出段階のための入力として作用する３Ｄマーカーを抽出する。

一変形例では、制御論理装置は、ディジタル・ボリュームの中で高レベルのコントラストを持つファジイ表面についてのマーカーのみを抽出することができる。

このようにして、制御論理装置は、３ＤマーカーＶ１〜Ｖ１０を有する図形表現を生成する。この３ＤマーカーＶ１〜Ｖ１０の図形表現は、クラスタの検出のためのその後の処理の根拠とするデータ構造の基盤である。このグラフは、一組のマーカーＶ１〜Ｖ１０と３Ｄ画像内でのそれらのそれぞれの相対位置とを表す。制御論理装置は、マーカーの抽出後、ファジイ表面のクラスタを決定することができる。

図６ｂは、クラスタを決定する態様を示す。３Ｄマーカーのクラスタ内のグループを決定するために、制御論理装置は３ＤマーカーＶ１〜Ｖ１０の各々から他の３ＤマーカーＶ１〜Ｖ１０の各々間での距離を測定する。これを行うために、制御論理装置は各一対の３Ｄマーカーを連結してそれぞれの辺を形成する。各辺の内部値は該対の３Ｄマーカーの空間距離に対応する。

図６ｃは、辺に重み付けする態様を示す。一旦３Ｄマーカーが互いに連結されると、最も有意なもののみが、候補粒子のクラスタを形成するために保持される。辺の重み付けを行うために異なる判定基準を適用する。図６ｃの例では、辺の重み付けの判定は、辺の長さの値のみに基づいて行われる。この値は、対応する辺によって連結された２つの３Ｄマーカーの位置の間の差によって計算される。

制御論理装置は、不適当な辺を除くために辺の値の閾値を適用する。この閾値は、一例では、２ｃｍ又はさらに５ｃｍに等しくすることができる。２つの３Ｄマーカーは、それらの辺が閾値より小さいとき接近していると見なされる。

その結果、第１の３ＤマーカーＶ１が第２の３ＤマーカーＶ２に接近している場合、制御論理装置は第１のグループのクラスタＡ１を割り当てる。制御論理装置は、第１の３ＤマーカーＶ１に接近している全ての他の３ＤマーカーＶ３〜Ｖ１０に同じ第１のグループのクラスタＡ１を割り当てる。次いで、制御論理装置は、第２の３ＤマーカーＶ２に接近している全ての他の３ＤマーカーＶ３〜Ｖ１０にこの第１のグループのクラスタＡ１を割り当てると云うように、行われる。このようにして、第１のグループのクラスタＡ１が形成される。

同じやり方で、制御論理装置は、第１のグループのクラスタＡ１の部分を形成しない他の３Ｄマーカーを分析して第２のグループのクラスタＡ２を決定する。このようにして、制御論理装置は、ディジタル・ボリューム内に存在する全てのグループのクラスタを決定する。

図６ｃの例では、制御論理装置は、３ＤマーカーＶ１〜Ｖ６によって形成される第１のグループのクラスタＡ１を決定し、３ＤマーカーＶ７〜Ｖ９によって形成される第２のグループのクラスタＡ２を決定する。３ＤマーカーＶ１２は、クラスタが少なくとも３つの接近した３Ｄマーカーによって形成されると考えられるので、制御論理装置によってクラスタであるとは見なされない。同様に、３ＤマーカーＶ１０及びＶ１１は互いに接近しているが、一グループのクラスタであるとは見なされない。

クラスタのグループを決定した後、制御論理装置はこれらのクラスタの信頼度を決定する。この信頼度はクラスタの属性の関数として決定される。制御論理装置は、クラスタ上のクラスタであるかどうかについて）最終的な判定が行われるように、クラスタを特徴付ける特定の数の属性を抽出する。

これらの属性は、クラスタの形態及び／又は３Ｄマーカー間の距離及び／又はクラスタ内に存在するファジイ表面の数及び／又は属性、並びにクラスタ内に存在する各ファジイ表面についての一組の候補表面及びそれらのそれぞれのメンバーシップ等級であってよい。

制御論理装置は、クラスタから抽出された属性を分類手段へ送る。分類手段は放射線医学的徴候の存在についての情報を与え、或いは所与の結論で悪性腫瘍の確率を含むことさえもできる。

分類手段の目的は、とりわけ、各クラスタについて、対応するクラスタの属性の関数として非常に精密な判定を行うことである。

各クラスタについて判定を得た後、制御論理装置は、クラスタに与えられた判定を考慮してクラスタを表示する。

好ましい例では、表示の際、制御論理装置はクラスタのコントラストの強さを、そのすぐ周辺の強さに対して大きくする。この増大は信頼度に応じて行う。これにより、放射線医学的徴候を構成する確率が最大であるようなクラスタを更に著しく強調することが可能になる。

ファジイ表面を強調した最終的な提示画像は、実行者によって観察されるようにするために表示スクリーン上に表示される。なお、図面の符号に対応する特許請求の範囲中の符号は、単に本願発明の理解をより容易にするために用いられているものであり、本願発明の範囲を狭める意図で用いられたものではない。そして、本願の特許請求の範囲に記載した事項は、明細書に組み込まれ、明細書の記載事項の一部となる。

本発明の改善手段を設けたＸ線装置、特にマンモグラフィ機械の概略図である。 本発明による方法を具現化する手段を例示する流れ図である。 本発明による推定局在化放射線医学的徴候の一組の候補輪郭を決定するモードを示すグラフである。 本発明に従って、所与の候補輪郭に所定のクラスの中でのメンバ−シップの等級を割り当てるために使用される所定のクラスの判定基準の関数の一例を示す線図である。 本発明に従って、所与の候補輪郭に所定のクラスの中でのメンバ−シップの等級を割り当てるために使用される所定のクラスの判定基準の関数の一例を示す線図である。 本発明による各投影画像の異なるファジイ粒子の凝集の略図である。 本発明によるクラスタを決定する模範的な方法の略図である。 本発明によるクラスタを決定する模範的な方法の略図である。 本発明によるクラスタを決定する模範的な方法の略図である。

符号の説明

１ Ｘ線装置
２ 支柱
２ａ 支持体
３ Ｘ線管
４ 検出器
５ 焦点
６ Ｘ線ビーム
７ アーム
８ 乳房保持トレイ
９ 圧迫パッド
１０ 制御論理装置
１１ 外部母線
１２ マイクロプロセッサ
１４ プログラム・メモリ
１５ データ・メモリ
１６ 表示スクリーン
１７ キーボード
１８ 入出力インターフェース
１９ 内部母線

Claims (15)

1. Ｘ線装置の画像を処理するための方法であって、
   身体についての幾つかの放射線投影画像が生成され、
   該身体の３Ｄ画像が再構成され、
   この３Ｄ画像において、３Ｄ放射線医学的徴候を表していると推定される構造が、関連した信頼度で突き止められ、これにより推定３Ｄ放射線医学的徴候が求められ、
   また前記方法では、
   各投影画像において、推定３Ｄ放射線医学的徴候の投影に対応する一組の２Ｄ候補粒子が決定され、
   ファジイ論理記述によって、各々の候補粒子が、一組のメンバーシップ・クラスの内の各々の２Ｄメンバーシップ・クラスの中でのメンバーシップ等級を割り当てられ、各メンバーシップ・クラスは放射線医学的徴候の種類に関係しており、また各クラスは前もって決定されており、
   前記一組の２Ｄ候補粒子と、考慮している一クラスの中でのそれらのそれぞれのメンバーシップ等級とによって、２Ｄファジイ粒子が形成され、
   ２Ｄファジイ粒子の凝集が、ディジタル・ボリュームの中の３Ｄファジイ粒子を求めるために各投影画像において生成され、
   各３Ｄファジイ粒子について属性情報が抽出され、
   得られた属性情報の一組の区分から、各放射線医学的徴候について信頼度が決定されること、を特徴とする方法。
2. 各推定放射線医学的徴候に割り当てるべき候補粒子が、相次ぐ閾値を適用することによって決定され、
   各閾値について、推定放射線医学的徴候を特徴付ける候補粒子が定められる、
   請求項１記載の方法。
3. 前記相次ぐ閾値が相次ぐグレー・レベルに対応している、請求項２記載の方法。
4. 候補粒子の決定は、次の段階、すなわち、候補粒子の表面が所定の最大表面よりも小さいか又はそれに等しいとき、及び候補粒子のコントラストが、コントラストの所定の最大強度から許容されるコントラストの強度の最大変化を差し引いたものよりも小さいか又はそれに等しいとき、この候補粒子が推定放射線医学的徴候に割り当てることのできる最大粒子である段階を含んでいる、請求項２記載の方法。
5. 各３Ｄファジイ粒子が一組の３Ｄ候補粒子とそれらのそれぞれのメンバーシップ等級とによって形成され、
   各３Ｄ候補粒子が、投影による２Ｄ候補粒子から凝集操作によって求められ、
   ファジイ論理記述によって、各３Ｄ候補粒子が一組の３Ｄメンバーシップ・クラスの内のメンバーシップの各々の３Ｄクラスの中でのメンバーシップの等級を割り当てられ、各メンバーシップ・クラスは放射線医学的徴候の種類に関係し、各クラスは予め決定されている、請求項１記載の方法。
6. 信頼度の決定が、次の段階、すなわち、３Ｄファジイ粒子及びその属性が所定の分類手段に伝送される段階を含んでいる、請求項１記載の方法。
7. 信頼度の決定が、次の段階、すなわち、
   ３Ｄファジイ粒子のクラスタにおけるグループが測定され、
   各々の測定されたクラスタから属性が抽出され、
   測定されたクラスタ及びそれらのそれぞれの属性が分類手段に送られ、この分類手段が出力に各クラスタの信頼度を供給する各段階を含んでいる、請求項１記載の方法。
8. ３Ｄファジイ粒子のクラスタにおけるグループの測定が、次の段階、すなわち、
   各３Ｄファジイ粒子から別の３Ｄファジイ粒子までの距離が測定され、
   各距離が予め規定された閾値と比較され、
   閾値よりも大きい距離がすべて除去され、
   互いからの距離が除去されていない少なくとも３つの３Ｄファジイ粒子によって、クラスタが形成される各段階を含んでいる、請求項７記載の方法。
9. 候補粒子が放射線医学的徴候の候補輪郭によって定められ、
   ファジイ輪郭が一組の可能な候補輪郭及びそれらのそれぞれのメンバーシップ等級によって形成され、
   各投影画像内のファジイ輪郭の凝集がディジタル・ボリュームにおけるファジイ表面を生じさせる、請求項１記載の方法。
10. 候補粒子が、候補輪郭並びに該輪郭の中及び該輪郭上に存在するピクセルのような放射線医学的徴候の連結成分によって定められ、
    ファジイ連結成分が一組の可能な候補の連結成分によって且つそれらのそれぞれのメンバーシップ等級によって形成され、
    各投影画像内のファジイ連結成分の凝集がディジタル・ボリュームの中にファジイ・ボリュームを生じさせる、請求項１記載の方法。
11. 分類手段が、精密な判定ツリー及び／又は精密な値を使用するファジイ判定ツリー及び／又はファジイな値を使用するファジイ判定ツリー及び／又は神経回路網及び／又はベクトル支持機械である、請求項１記載の方法。
12. 投影画像が、第１に取得ジオメトリによって且つ第２に身体の輪郭の検出によって導入されるアーティファクトを除くように前処理される、請求項１記載の方法。
13. ３Ｄファジイ粒子及び／又はカスタマが、それらの信頼度に応じてそれらのコントラストの強さをそれらの直ぐ周囲の強さに対して増大することによって表示される、請求項１記載の方法。
14. ３Ｄファジイ粒子及び／又はカスタマが、マーカーの位置決めによって表示される、請求項１記載の方法。
15. 請求項１〜１４のいずれか１項に記載の画像処理方法を有するＸ線装置。

Images