JP2007236939A - 乳房辺縁検出のための方法および装置 - Google Patents

Abstract

【課題】絶対閾値または階調度に依存しない乳房辺縁検出方法および装置を提供する。
【解決手段】一実施形態による方法は、乳房を含む画像を表すデジタル画像データにアクセスし、画像のピクセルの空間の特徴に関するパラメータ、画像のピクセルの輝度の特徴に関するパラメータ、および画像のピクセルの平滑度の特徴に関するパラメータに基づいて、最初のクラスタを得るために画像のピクセルをクラスタリングし、乳房クラスタを検出する。乳房クラスタを検出する工程は、最後のクラスタを得るために、最初のクラスタの輝度測定を使用して最初のクラスタのクラスタ・マージを行う工程、および乳房クラスタを得るために、乳房に属さないクラスタを最後のクラスタ・ピクセルから取り除く工程を含む。
【選択図】図１

Description

本発明は、デジタル画像処理技術に関し、より詳細には、乳房画像を処理し、マンモグラフィ画像において乳房辺縁を検出する方法および装置に関する。

マンモグラフィ画像は、乳房の医学的な異常の診断に使用される強力なツールである。マンモグラフィ画像における重要な特徴は、乳房の形状である。乳房形状の明瞭な画像は、乳房辺縁の正しい識別に直接依存する。明瞭に検出された乳房辺縁は、悪性腫瘍の特徴である皮膚陥没や皮膚肥厚などの乳房の異常を識別するために使用することができる。また、明瞭な乳房辺縁は、マンモグラフィ画像間の自動または手動の比較分析を容易にする。乳房辺縁は、乳房の変形、サイズ、および形状の進化に関する重要な情報を伝える可能性がある。乳房に対する乳頭の位置は、乳房の異常を検出するために使用することができる。一方で、不明瞭な乳房辺縁は、異常な乳房の増大および変形をわかりにくくする可能性がある。不明瞭な乳房辺縁を含むマンモグラフィ画像は、画像を処理、比較するソフトウェア・アプリケーションで使用される際、問題を引き起こす。

マンモグラム獲得プロセスが機能する方法のため、乳房が先細になる領域は、乳房の輪郭のコントラストを低下させ、これによって乳房領域が不明瞭になる。乳房辺縁を抽出するために、通常、辺縁検出のアルゴリズムが使用される。乳房辺縁は、スキンエア境界面または乳房境界とも呼ばれ、縁検出技術によって、またはマンモグラフィ画像において乳房領域を決定する方法によって得ることができる。マンモグラフィ画像に存在する不均一な背景領域、タグ、ラベル、またはスクラッチは、乳房辺縁エリアをわかりにくくし、乳房辺縁検出アルゴリズムの問題を作り出す可能性がある。

乳房辺縁を検出する従来技術の方法は、縁検出、閾値処理、およびピクセル分類を含む。こうした１つの乳房辺縁検出技術は、「Ａｕｔｏｍａｔｉｃ Ｓｅｇｍｅｎｔａｔｉｏｎ，Ｓｋｉｎｌｉｎｅ ａｎｄ Ｎｉｐｐｌｅ Ｄｅｔｅｃｔｉｏｎ ｉｎ Ｄｉｇｉｔａｌ Ｍａｍｍｏｇｒａｍｓ」という名称の特許文献１の明細書に記載されている。この研究に記載されている技術において、デジタル・マンモグラムは、背景および前景に自動的にセグメント化される。この場合、前景が乳房領域に相当する。二値配列は、その輝度または階調度の振幅、または両方がある閾値を超えるピクセルに、二値の一方の値を割り当てることによって作成される。しかし、この技術では、例えばノイズのある背景に属する乳房以外のピクセルが、いくつかの乳房ピクセルと似た輝度または階調度の値を有しているとき、問題が発生する。

もう１つの乳房辺縁検出技術は、「Ｄｅｔｅｃｔｉｏｎ ｏｆ Ｓｋｉｎ−Ｌｉｎｅ Ｔｒａｎｓｉｔｉｏｎ ｉｎ Ｄｉｇｉｔａｌ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ」という名称の特許文献２の明細書に記載されている。この研究に記載されている技術において、デジタル医学用画像における皮膚線の辺縁は、乳房を背景から分離する閾値を使用して決定される。次いで、どのピクセルが皮膚線の辺縁に関連付けられているかを指定するために、選別器が使用される。しかし、この方法は、絶対閾値に依存する。閾値の上下のピクセルが乳房の塊および背景に点在しているとき、こうした閾値は、乳房辺縁の決定を低下させる可能性がある。
米国特許第５，５７２，５６５号 米国特許第５，８８９，８８２号

本願の開示された実施形態は、Ｋ平均法クラスタリングを使用して乳房ピクセルをクラスタリングし、絶対閾値または階調度に依存しない乳房辺縁検出方法および装置を使用することによって、これらおよび他の問題に対処する。

本発明は、画像を処理する方法および装置を対象とする。本発明の請求項１によれば、画像処理方法は、乳房を含む画像を表すデジタル画像データにアクセスする工程と、画像のピクセルの空間の特徴に関するパラメータ、画像のピクセルの輝度の特徴に関するパラメータ、および画像のピクセルの平滑度の特徴に関するパラメータに基づいて、最初のクラスタを得るために画像のピクセルをクラスタリングする工程と、乳房クラスタを検出する工程とを含み、乳房クラスタを検出する工程は、最後のクラスタを得るために、最初のクラスタの輝度測定を使用して最初のクラスタのクラスタ・マージを行う工程と、乳房クラスタを得るために、乳房に属さない最後のクラスタ・ピクセルから前記乳房に属さないクラスタを取り除く工程とを含む。

本発明の請求項２によれば、画像を処理する装置は、乳房を含む画像を表すデジタル画像データにアクセスする画像データ入力ユニットと、画像のピクセルの空間の特徴に関するパラメータ、画像のピクセルの輝度の特徴に関するパラメータ、および画像のピクセルの平滑度の特徴に関するパラメータに基づいて、最初のクラスタを得るために画像のピクセルをクラスタリングするクラスタリング・ユニットと、最後のクラスタを得るために最初のクラスタの輝度測定を使用して最初のクラスタのクラスタ・マージを行うクラスタ・マージ・ユニットと、乳房クラスタを得るために、乳房に属さないクラスタを最後のクラスタ・ピクセルから取り除くことによって、乳房クラスタを検出する辺縁検出ユニットとを含む。

以下、添付図面に従って本発明のより詳細な態様および利点を説明する。

本発明の態様は、より詳細には、添付の図面を参照して次に記載される。図１は、本発明の一実施形態による乳房辺縁検出のための画像処理ユニットを含むシステムの概略ブロック図である。図１に示されているシステム８０は、以下の構成要素、すなわち画像入力ユニット２５、画像処理ユニット３５、ディスプレイ６５、画像出力ユニット５５、ユーザ入力ユニット７５、および印刷ユニット４５を含む。図１のシステム８０の操作は、以下の説明から明らかになる。

画像入力ユニット２５は、マンモグラムを表すデジタル画像データを提供する。画像入力ユニット２５は、放射線フィルム、診断画像、デジタル・システムなどから導出されるデジタル画像データを提供する任意の数の装置のうちの１つまたは複数とすることができる。こうした入力装置は、例えば、フィルムに記録されている画像を走査するスキャナ、デジタル・カメラ、デジタル・マンモグラフィ機、ＣＤ−Ｒ、フロッピー・ディスク、ＵＳＢドライブなどの記録媒体、画像を格納するデータベース・システム、ネットワーク接続、画像を処理するコンピュータ・アプリケーションなどのデジタル・データを出力する画像処理システムなどとすることができる。

画像処理ユニット３５は、画像入力ユニット２５からデジタル画像データを受信し、以下で詳述するようなやり方で乳房辺縁検出を行う。例えば、医療施設の放射線の専門家などのユーザは、ディスプレイ６５を介して画像処理ユニット３５の出力を見ることができ、ユーザ入力ユニット７５を介して画像処理ユニット３５にコマンドを入力することができる。図１に示されている実施形態では、ユーザ入力ユニット７５は、キーボード８１およびマウス８３を含んでいるが、他の従来の入力装置を使用することもできる。

本発明の実施形態による乳房辺縁検出の実行に加えて、画像処理ユニット３５は、ユーザ入力ユニット７５から受信されたコマンドに従って追加の画像処理機能を行うことができる。印刷ユニット４５は、画像処理ユニット３５の出力を受信し、処理された画像データのハード・コピーを生成する。画像処理ユニット３５の出力のハード・コピーの生成に加えて、またはその代わりとして、処理された画像データは、例えば持ち運びできる記録媒体を介して、またはネットワーク（図示せず）を介して画像ファイルとして戻されてもよい。画像処理ユニット３５の出力は、様々な目的で画像データに対する処理をさらに行う画像出力ユニット５５に送信されてもよい。画像出力ユニット５５は、画像データの処理をさらに行うモジュール、画像を収集し、比較するデータベースなどとすることができる。

図２は、本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５の態様をより詳細に示すブロック図である。図２に示されているように、この実施形態による画像処理ユニット３５は、画像準備モジュール１１０、クラスタ操作モジュール１２０、および辺縁検出モジュール１３０を含む。図２の様々な構成要素は、個別の要素として例示されているが、こうした例示は、説明を容易にするためのものであり、様々な構成要素のいくつかの操作が同じ物理的装置によって、例えば１つまたは複数のマイクロプロセッサによって行われてもよい。

一般に、図２に示されている画像処理ユニット３５の要素の構成は、乳房画像を含むデジタル画像データの前処理および準備、乳房画像におけるクラスタの識別、および乳房画像における乳房辺縁の検出を行う。画像準備モジュール１１０は、画像入力ユニット２５から乳房画像を受信し、乳房画像に対する前処理および準備の操作を行うことができる。画像準備モジュール１１０によって行われる前処理および準備の操作は、乳房画像のサイズおよび／または外観を変更する、サイズ変更、クロッピング、圧縮、色補正などを含み得る。

画像準備モジュール１１０は、前処理された乳房画像を、乳房画像におけるクラスタを識別するクラスタ操作モジュール１２０に送信する。辺縁検出モジュール１３０は、識別されたクラスタを含む画像をクラスタ操作モジュール１２０から受信し、その画像における乳房辺縁を検出する。最後に、辺縁検出モジュール１３０は、識別された乳房辺縁を含む乳房画像を出力する。辺縁検出モジュール１３０の出力は、画像出力ユニット５５、印刷ユニット４５、および／またはディスプレイ６５に送信されてもよい。次に、図２に示されている画像処理ユニット３５に含まれる構成要素の操作について、図３〜１６を参照して説明する。

画像準備モジュール１１０、クラスタ操作モジュール１２０、および辺縁検出モジュール１３０は、ソフトウェア・システム／アプリケーションである。画像準備モジュール１１０、クラスタ操作モジュール１２０、および辺縁検出モジュール１３０は、ＦＰＧＡ、ＡＳＩＣなど、専用ハードウェアとすることもできる。

図３は、図２に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット例３５Ａのブロック図である。図３に示されるように、画像処理ユニット３５Ａは、サブサンプリング・ユニット２３７、クロッピング・ユニット２４７、クラスタリング・ユニット２５７、クラスタ・マージ・ユニット２６７、連結成分分析／選択ユニット２７７、タグ排除ユニット２８７、およびスーパーサンプリング・ユニット２９７を含む。

サブサンプリング・ユニット２３７およびクロッピング・ユニット２４７は、画像準備モジュール１１０Ａに含まれている。クラスタリング・ユニット２５７およびクラスタ・マージ・ユニット２６７は、クラスタ操作モジュール１２０Ａに含まれている。連結成分分析／選択ユニット２７７、タグ排除ユニット２８７、およびスーパーサンプリング・ユニット２９７は、辺縁検出モジュール１３０Ａに含まれている。図３に示されている画像処理ユニット３５Ａの要素の構成は、乳房画像の前処理および準備、クラスタ分析、および乳房画像からの乳房以外の領域の除去を行う。スーパーサンプリング・ユニット２９７の出力は、識別された乳房辺縁を含む乳房画像である。こうした出力画像は、画像出力ユニット５５、印刷ユニット４５、および／またはディスプレイ６５に送信されてもよい。サブサンプリング・ユニット２３７、クロッピング・ユニット２４７、クラスタリング・ユニット２５７、クラスタ・マージ・ユニット２６７、連結成分分析／選択ユニット２７７、タグ排除ユニット２８７、およびスーパーサンプリング・ユニット２９７は、ソフトウェアおよび／またはハードウェアを使用して実施されてもよい。

図４は、図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａによって実行される操作を示すフロー図である。サブサンプリング・ユニット２３７は、原画像のまたは前処理された乳房画像を画像入力ユニット２５から受信し（Ｓ３０１）、そのサイズを減らすために画像をサブサンプリングする（Ｓ３０３）。クロッピング・ユニット２４７は、サブサンプリング済み画像を受信し、サブサンプリング済み画像に存在し得るイメージング・プレート・アーティファクトをクロッピングする（Ｓ３０５）。クラスタリング・ユニット２５７は、Ｋ平均法クラスタリングを使用して、クロッピング済み乳房画像において、ピクセルをいくつかのクラスタに分ける（Ｓ３０７）。クラスタ・マージ・ユニット２６７は、クラスタ輝度テストを使用して、乳房画像のいくつかのクラスタをマージする（Ｓ３０９）。連結成分分析／選択ユニット２７７は、画像内の乳房に関係のないいくつかのクラスタを取り除く（Ｓ３１１）。こうしたタグが前の工程で取り除かれていない場合に備えて、タグ排除ユニット２８７は、乳房画像から画像タグを取り除く（Ｓ３１３）。最後に、スーパーサンプリング・ユニット２９７は、マンモグラフィ画像をスーパーサンプリングし（Ｓ３１５）、乳房辺縁を示す乳房画像を出力する。

図５は、図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａに含まれるサブサンプリング・ユニット２３７によって実行される操作を示すフロー図である。サブサンプリング・ユニット２３７は、乳房画像にアクセスし（Ｓ３３２）、画像を例えば元のサイズの２５％にサブサンプリングし（Ｓ３３４）、サブサンプリング済み画像を出力する（Ｓ３３６）。サブサンプリングは、計算の便宜上、またより迅速な処理のために行われる。また、サブサンプリングは、乳房画像に対するノイズ低減の効果もある。サブサンプリングは、本願に記載されている乳房辺縁検出のための実施形態のオプションの工程である。

図６は、図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａに含まれるクリッピング・ユニット２４７によって実行される操作を示すフロー図である。クロッピング・ユニット２４７は、サブサンプリング済み乳房画像からイメージング・プレート・アーティファクトを取り除く。

マンモグラムでは、イメージング・プレートの輪郭がしばしば見える。イメージング・プレートに関連付けられているピクセルは、乳房ピクセルと間違えられる可能性があるため、イメージング・プレート・アーティファクトからのピクセルは、マンモグラムのピクセルの通常の分布を混乱させる可能性がある。こうしたケースは、例えば、イメージング・プレート・ピクセルが乳房に連結されており、乳房ピクセルに似た輝度を有しているときなどに起こる。したがって、イメージング・プレート・ピクセルは、乳房辺縁検出において問題をもたらす可能性がある。

クロッピング・ユニット２４７は、画像の外縁に沿って調べることによって、マンモグラムからイメージング・プレート・ピクセルを取り除く。クロッピング・ユニット２４７は、サブサンプリング・ユニット２３７からサブサンプリング済み画像を受信する（Ｓ３５４）。サブサンプリング済み画像の縁が選択される（Ｓ３５８）。縁から離れて走査する走査距離も選択される（Ｓ３６２）。走査距離は、マンモグラフィ画像におけるイメージング・プレートの通常の物理サイズの知識に基づいて計算される。次いでクロッピング・ユニット２４７は、サブサンプリング済み画像の選択された縁に垂直な走査線に沿って、縁からの走査距離内にある階調度が最も強いピクセルを検索する（Ｓ３６６）。見つけられた最も強い階調度が合計される（Ｓ３７０）。最も強い階調度の合計が閾値と比較される（Ｓ３７４）。

本願で使用される閾値は、相対閾値である。相対閾値と絶対閾値との間の差は、その閾値を導出するために使用された仮定の強さに反映される。相対閾値は、絶対閾値により弱い仮定に基づく。ピクセル値自体に適用される閾値は、絶対閾値である。例えば、（通常は明るい）乳房ピクセルが２００を超えるピクセル値を有する旨の決定は、絶対閾値を設定する。こうした仮定は、乳房以外のピクセルが２００未満のピクセル値を有すると仮定するため、強い。例えば、等方的な輝きが画像内のすべてのピクセルに適用されるときなど、この強い仮定が満たされ得ない状況がいくつかある。一方、ピクセル値間の相対的な差だけに基づく閾値は、より弱い仮定を必要とし、相対閾値である。相対閾値は、絶対閾値より頑強な結果を与える。等方的な輝きが画像内のすべてのピクセルに適用されるとき、絶対閾値は、誤解を招くような結果を与えるが、画像のこうした等方的な輝きは、相対閾値には影響を与えない。同様に、同じように画像内のすべてのピクセルに影響を与える画像の全体的な変更は、相対閾値に対する問題を提起することはない。

ステップＳ３７４で使用される閾値は、相対閾値であり、イメージング・プレートを含む、およびイメージング・プレートを含まないマンモグラフィ画像の実証的証拠に基づいて決定される。イメージング・プレートは、マンモグラフィ画像にわたって非常に似たように見える人工の構造物である。その結果、画像の縁に垂直な走査線に沿った階調度の値について、妥当な非絶対的な仮定をいくつか立てることができる。イメージング・プレートが存在しない場合とは対照的に、イメージング・プレートがマンモグラフィ画像に存在するとき、これらの仮定は、こうした階調度の値から導出される。導出されたこれらの仮定から、ステップＳ３７４の閾値が見つけられる。

最も強い階調度の合計が閾値以下である場合、イメージング・プレート・アーティファクトは、選択された縁沿いには存在しない。次いで、イメージング・プレート・アーティファクトがあるかどうかをテストすべきマンモグラフィ画像に、より外側の縁が存在するかどうかを確認するためのテストが行われる（Ｓ３８６）。

選択された縁沿いの最も強い階調度の合計が閾値より大きい場合、イメージング・プレートの輪郭は、選択された縁沿いに存在する。階調度が最も強い縁のピクセルに、線を合わせる（Ｓ３７８）。次いで、縁に沿って存在するイメージング・プレート領域を取り除くために、サブサンプリング済み乳房画像が片側にクロッピングされる（Ｓ３８２）。イメージング・プレート・アーティファクトがあるかどうかをテストすべきマンモグラフィ画像に、より外側の縁が存在するかどうかを確認するためのテストが行われる（Ｓ３８６）。さらに外側の縁がテスト可能である場合、テストされていない縁の中から新しい縁が選択される（Ｓ３９４）。乳房画像の外縁ごとに、ステップＳ３６２、Ｓ３６６、Ｓ３７０、Ｓ３７４、Ｓ３７８、およびＳ３８２が繰り返される。イメージング・プレート・アーティファクトが画像の上、下、左および右の外縁からクロッピングされ、取り除かれると、クロッピング・ユニット２４７は、クロッピング済み画像を出力する（Ｓ３９０）。この手順は、マンモグラムのイメージング・プレート・アーティファクトを効果的に取り除く。

図７（Ａ）は、２つの縁に沿った可視のイメージング・プレートを含むマンモグラム画像例を示す。イメージング・プレート領域Ｅ４０５およびＥ４０８は、マンモグラフィ画像Ｉ４０１の上縁および右縁沿いに見える。

図７（Ｂ）は、図６に示されている本発明の一実施形態によるイメージング・プレートのクロッピング後に得られたマンモグラム画像例を示す。イメージング・プレート領域Ｅ４０５およびＥ４０８を取り除くために、図７（Ａ）のマンモグラム画像Ｉ１４０１の上縁および右縁がクロッピングされている。結果として得られた画像Ｉ４１１は、イメージング・プレート・アーティファクトを示していない。

図８は、図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａに含まれるクラスタリング・ユニット２５７によって実行される操作を示すフロー図である。クラスタリング・ユニット２５７は、クロッピング済み画像をクロッピング・ユニット２４７から受信し（Ｓ４５０）、クロッピング済み画像のピクセルごとに４次元ピクセル表現を作成する（Ｓ４５４）。４次元ピクセル空間の軸は、ピクセルのｘ位置、ピクセルのｙ位置、ピクセルの輝度値、および基準点へのピクセルの距離を表す。一実施形態では、基準点は、クロッピング済み画像のピクセルの一番下の行の中央に配置されている。各ピクセルは、Ｒ４の点とみなすことができる。４次元Ｒ４空間における第１の２つの次元、すなわちｘ位置およびｙ位置は、同じクラスタに属するピクセルの空間的な関係を実現する。したがって、同じクラスタに属するピクセルは、Ｒ４空間においてほぼ同じｘ位置値およびほぼ同じｙ位置値を有する。

４次元Ｒ４空間における第１の２つの次元は、他の空間的座標とすることもできる。４次元Ｒ４空間における第１の２つの次元は、例えば、ｘ位置およびｙ位置の座標、あるいは極座標または円柱座標の組合せとすることができる。４次元Ｒ４空間における第３次元、すなわちピクセルの輝度値は、同じクラスタに属するピクセルが輝度の点で通常似ているこという事実を実現する。最後に、４次元Ｒ４空間における４番目の次元、すなわち基準点へのピクセルの距離は、基準点の周りに平滑化制約をもたらす。平滑化制約とは、乳房形状が通常は基準点の周りで滑らかに変化しているという事実に関係する。

一実装形態では、ヒストグラム平坦化済みのピクセルの輝度値として、オプションの５番目の次元が導入されている。その場合、ステップＳ４５４で、クロッピング済み画像の各ピクセルの５次元のピクセル表現が実施される。ヒストグラム平坦化済み輝度値の次元も、同じクラスタに属するピクセルが輝度の点で通常似ていることを強調する。

クラスタリング・ユニット２５７は、ｋ＝３クラスタを使用して４次元空間におけるピクセルのＫ平均法クラスタリングを稼働させる（Ｓ４５８）。クラスタのこの数は、マンモグラフィ画像は通常、メイン・クラスタを２つ有しているという仮定に基づいて選択された。２つのメイン・クラスタのうち、一方のクラスタは、乳房エリアやタグ・エリアなど、マンモグラフィ画像内の明るいエリアを含み、もう一方のクラスタは、背景エリアなど、暗いエリアを含む。タグ・エリアは、マンモグラムのビューおよび／またはマンモグラムに乳房が映された人物の識別（患者ＩＤ）を列挙する、乳房画像内に組み込まれているラベルを含む。Ｍａｍｍｏｇｒａｐｈｙ Ｑｕａｌｉｔｙ Ｓｔａｎｄａｒｄｓ Ａｃｔ ｏｆ １９９２（ＭＱＳＡ）では、タグがマンモグラフィ画像内の乳房に重ならないようにすべきであることを要求している。したがって、明るいエリアを含むクラスタは、通常、２つの連結成分を含み、１つの成分は乳房のためのもの、もう１つの成分はタグのためのものである。マンモグラフィ画像は、通常２つのメイン・クラスタを有しているが、インプラントを含む乳房のマンモグラムやペースメーカーの近くにある乳房のマンモグラムなど、一部の異常なマンモグラムは、第３のクラスタを含み得る。こういうわけで、ステップＳ４５８で、４次元空間におけるピクセルのＫ平均法クラスタリングは、ｋ＝３クラスタを使用して行われる。

クラスタリングは、参照により本明細書に全内容が組み込まれる、Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １５ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｆ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ，ｐｐ．９１−９９，１９９８の「Ｒｅｆｉｎｉｎｇ Ｉｎｉｔｉａｌ Ｐｏｉｎｔｓ ｆｏｒ Ｋ−ｍｅａｎｓ Ｃｌｕｓｔｅｒｉｎｇ」に記載されているように、Ｐ．ＢｒａｄｌｅｙおよびＵ．Ｆａｙｙａｄの方法を使用して初期化することができる。クラスタリングは、他の方法を使用して初期化してもよい。一実装形態では、ステップＳ４５８のＫ平均法クラスタリングの距離測定基準として、Ｌ２が使用される。Ｋ平均法クラスタリングは、クラスタの重心に対する距離測定基準が最小になるように、４次元のピクセル表現のグループをいくつかのクラスタに分ける。４次元ピクセル表現は、クラスタに割り当てられ、次いで、クラスタの重心の位置が決定される。最小にすべき距離測定基準の値も決定される。次いで、４次元ピクセル表現の一部は、距離測定基準の最小化のために、異なるクラスタに再度割り当てられる。新しいクラスタの重心が決定され、最小にすべき距離測定基準が再計算される。４次元ピクセル表現の再割当手順は、クラスタを改良するため、すなわちクラスタの重心に対する距離測定基準を最小にするために続けられる。ピクセルがそのクラスタの構成メンバーを変更しなくなったとき、Ｋ平均法クラスタリング方法の収束が達成される。この時点で、マンモグラフィ画像において３つのクラスタが識別されており、クラスタ画像が出力される（Ｓ４６２）。

ステップＳ４６２で出力されたクラスタ画像は、３つのクラスタを有する。インプラントを含むマンモグラムの場合、３つのクラスタは、次のように振り分けられる。１つのクラスタは背景ピクセルのためのもの、第２のクラスタは、乳房ピクセルおよびタグ・ピクセルを含み、しかしインプラント・ピクセルを含まない前景ピクセルのためのもの、第３のクラスタはインプラント・ピクセルのためのものである。したがって、インプラントを含む異常なマンモグラムの場合、１つのクラスタは、背景を表し、２つのクラスタは、乳房およびタグ・エリア、およびインプラント・エリアを表す。マンモグラフィ画像がペースメーカーを含むときも類似の状況が起こる。

インプラントまたはペースメーカーを含まないマンモグラムは、通常、２つのメイン・クラスタを有しており、１つのクラスタは、背景ピクセルに対応し、もう１つのクラスタは、前景ピクセルに対応し、これは、乳房ピクセルおよびタグ・ピクセルを含む。しかし、ステップＳ４６２で出力されたクラスタ画像は、３つのクラスタを有しているため、真のクラスタ（前景または背景クラスタ）のうちの一方は、人工的に分割される。したがって、インプラントやペースメーカーを含まないマンモグラフィ画像の追加のクラスタは、人工的に分割されたクラスタの１つである。人工的に分割されたクラスタは、前景クラスタまたは背景クラスタのいずれかとすることができる。人工のクラスタの存在は、図１０に示されているマージ機構によって検出される。

図９は、図８に示されている本発明の一実施形態を使用した乳房辺縁検出のための画像処理ユニット３５Ａに含まれるクラスタリング・ユニット２５７の出力例を示す。図９は、図７（Ｂ）のクロッピング済み画像Ｉ４１１から得られたクラスタ画像Ｉ５８９を示す。画像Ｉ５８９は、Ｋ平均法クラスタリングを介して得られた３つのクラスタ、Ｃ５９０、Ｃ５８８、およびＣ５８５を示している。クラスタは、図８のアルゴリズムに記載されている４次元空間で得られた。４次元空間は表示しにくいため、図９の画像は、４次元のクラスタリング結果の２次元の投影図である。３つのクラスタＣ５９０、Ｃ５８８、Ｃ５８５は、白のピクセル（クラスタＣ５８５）、グレイのピクセル（Ｃ５９０）、および黒のピクセル（Ｃ５８８）を含む。図９で、黒のピクセルは、背景クラスタを表す。マンモグラフィ画像における背景の色は、乳房が存在しないときにマンモグラフィ機から得られる画像の全体的な色である。

図１０は、図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａに含まれるクラスタ・マージ・ユニット２６７によって実行される操作を示すフロー図である。

クラスタ・マージ・ユニット２６７は、各ピクセルが３つのクラスタのうちの１つにマッピングされるクラスタ画像を受信する（Ｓ６０２）。インプラントなどの異常な特徴を含まない１つの乳房を含むマンモグラフィ画像は、２つのメイン・クラスタを有しており、１つは乳房およびタグ・エリアに対応し、１つは背景に対応する。しかし、クラスタリング・ユニット２５７によって乳房画像において３つのクラスタが識別されているため、２つのメイン・クラスタのうちの一方は、人工的に２つのクラスタに分割されている。人工的に分割された２つのクラスタは、クラスタ・マージ・ユニット２６７によって１つのクラスタに結合することができる。クラスタ・マージ・ユニット２６７は、いくつかのクラスタをマージするかどうかを決定する。次の２つの条件が満たされる場合に限り、２つのクラスタがマージされる。クラスタのうちの１つが背景ではなく（背景は最低平均輝度値を含むクラスタである）、２つのクラスタの平均クラスタ輝度の間の差が所定の閾値未満である。所定の閾値は、大量のマンモグラフィ画像データを使用して経験的に決定される相対閾値である。

クラスタのマージが実行されるかどうかを決定するために、クラスタ・マージ・ユニット２６７は、１対のクラスタ（Ｃ１，Ｃ２）を選択し（Ｓ６０４）、Ｃ１またはＣ２が背景であるかどうかをテストする（Ｓ６０６）。ステップＳ６０６のテストは、クラスタＣ１またはＣ２のうちの一方が、クラスタ画像内のクラスタ中で最低の平均輝度値を有しているかどうかをテストする。というのは、背景は、マンモグラフィ画像における乳房および他の画像アーティファクトより暗いからである。これは、マンモグラムがＸ線減衰の測定だからである。Ｘ線は、放射され、乳房を通って、乳房の向こう側で検出される。暗いエリアは、ほとんどＸ線減衰がない領域を示し、明るい領域は、Ｘ線減衰が高い領域を示す。したがって、Ｘ線源の視野内に何もない状態で撮られたマンモグラムは、なんらかのノイズが存在し得ることを除いて、暗く見える。源と検出機との間に入るもの（乳房やリード・マーカ（ｌｅａｄ ｍａｒｋｅｒ）など）は何でも、Ｘ線を物理的に減衰させ、それが、マンモグラフィ画像において、より明るい物体として現れる。したがって、マンモグラフィ画像の乳房は、背景より明るい。クラスタＣ１およびＣ２は、そのうちの一方が背景クラスタである場合、マージされない。

Ｃ１もＣ２も背景ではない場合、クラスタ・マージ・ユニット２６７は、クラスタＣ１の平均輝度とＣ２の平均輝度との間の差の絶対値を計算し、その差を所定の閾値と比較することによって、第２の条件をテストする（Ｓ６０８）。差の絶対値が閾値未満である場合、クラスタＣ１とＣ２とがマージされる（Ｓ６１０）。

次に、クラスタ・マージ・ユニット２６７は、他のクラスタ対があるかどうかをテストする（Ｓ６１２）。また、ステップＳ６１２は、クラスタＣ１およびＣ２の一方が背景である場合、ステップＳ６０６のすぐ後に実行される。また、ステップＳ６１２は、クラスタＣ１の平均輝度とＣ２の平均輝度との間の差の絶対値が閾値より大きい場合、ステップＳ６０８のすぐ後に実行される。テストすべき他のクラスタ対がある場合、クラスタ・マージ・ユニット２６７は、新しいクラスタ対（Ｃ１，Ｃ２）を選択し（Ｓ６１６）、ステップＳ６０６およびＳ６０８を再度実行する。テストされるクラスタ対がそれ以上ない場合、クラスタ・マージ・ユニット２６７は、マージ済みクラスタを含む画像を出力する（Ｓ６１４）。

ステップＳ６０８の基準は、輝度ベースの閾値を使用する。この閾値は、相対閾値であり、絶対閾値ではない。というのは、これは、相対的なピクセル値の差を測定するのであり、絶対的なものを測定するのではないからである。相対的なピクセル差は、仮定によってあまり制約されないため、閾値より容易である。例えば、背景ピクセルと乳房ピクセルとの間の相対的な差は、乳房は背景より明るいという事実に適合する。

図１１は、図１０に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａに含まれるクラスタ・マージ・ユニット２６７の出力例を示す。図１１は、図９のクラスタ画像Ｉ５８９から得られたマージ済みクラスタ画像Ｉ６２０を示している。２つのクラスタが画像Ｉ６２０に存在しており、一方は背景クラスタ、もう一方は乳房クラスタＣ６３０である。乳房クラスタは、乳房画像タグから得られたタグ・エリアＡ６３１を組み込む。乳房画像タグは、マンモグラムのビュー（右頭蓋後部、左内側方など）を列挙する、乳房画像に組み込まれるラベルである。タグは、マンモグラムに乳房が映された人物の識別（患者ＩＤ）も列挙し得る。

図１２は、図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａに含まれる連結成分分析／選択ユニット２７７によって実行される操作を示すフロー図である。マンモグラムのビューおよび患者ＩＤを示すマンモグラム・タグは、クラスタ・マージ・ユニット２６７によって生成されたマージ済みクラスタ画像内の１つのクラスタに伝えられてもよい。連結成分分析／選択ユニット２７７は、乳房画像からタグを取り除こうと試みる。

連結成分分析／選択ユニット２７７は、クラスタ・マージ・ユニット２６７からマージ済みクラスタを含む画像を受信する（Ｓ６７５）。次いで、連結成分分析／選択ユニット２７７は、事前の乳房クラスタ選択を行う。

インプラントまたはペースメーカーを含まない乳房画像では、乳房クラスタは、一般に、その塊の中心が図８で使用された基準点に最も近いクラスタである。この基準点は、４次元Ｒ４空間において第４の次元を生成するためにクラスタリング・ユニット２５７によって図８で使用された基準点である。

インプラントまたはペースメーカーを含む乳房画像では、インプラントまたはペースメーカーを表すクラスタは、一般に、乳房画像内の他のクラスタに比べて非常に明るい。これは、インプラントおよびペースメーカーが、人工物として、通常のヒト組織よりかなりＸ線を減衰させる傾向にあるからである。したがって、ペースメーカーまたはインプラントは、乳房画像内で極めて明るく見える。こうした極めて明るいクラスタは、本願では飽和クラスタと呼ぶ。その明度は、通常、マンモグラフィ画像において許容されるピクセル明度値の非常に上の範囲にある。一実装形態において、インプラントおよびペースメーカーのクラスタなどの飽和クラスタのピクセルは、乳房画像の最大許容明度ピクセル値の例えば８０％以内の平均明度ピクセル値を有するものとして特徴付けられていた。一例として、一般に乳房画像の場合、乳房画像のピクセル明度値が０〜１０２３におよび得る一実装形態では、飽和クラスタは、８１８以上の平均ピクセル明度値を有する。

事前の乳房クラスタ選択を行うために、連結成分分析／選択ユニット２７７は、マージ済みクラスタ画像がクラスタを２つ含んでいるか、３つ含んでいるかをチェックする（Ｓ６８０）。マージ済みクラスタ画像にクラスタを２つしか含んでいない場合、連結成分分析／選択ユニット２７７は、その塊の中心がＲ４空間を生成するためにクラスタリング・ユニット２５７によって図８で使用された基準点に最も近いクラスタを、乳房クラスタとしてマークする（Ｓ６８５）。

マージ済みクラスタ画像に３つのクラスタがある場合、第３のクラスタは、インプラントまたはペースメーカーなどの物体に起因する。次いで、連結成分分析／選択ユニット２７７は、どのクラスタが閾値より大きい平均明度ピクセル値を有しているかをテストする（Ｓ６９０）ことによって、３つのクラスタを飽和度についてチェックする。閾値は、乳房画像における最大許容明度ピクセル値の所定パーセントである。非常に高い明度を含むクラスタを見つけた後、連結成分分析／選択ユニット２７７は、その飽和クラスタは乳房クラスタではないため、それを無視すべきクラスタとしてマークする（Ｓ６９５）。飽和クラスタを無視し、次いで連結成分分析／選択ユニット２７７は、その塊の中心がＲ４空間を生成するためにクラスタリング・ユニット２５７によって図８で使用された基準点に最も近いクラスタを、乳房クラスタとしてマークする（Ｓ６９９）。

次いで、連結成分分析／選択ユニット２７７は、マージ済みクラスタ画像内の最大のクラスタを決定する（Ｓ７０３）。乳房クラスタとしてマークされているクラスタを含み、しかし（ａ）無視すべきクラスタとしてマークされている、または（ｂ）最も暗いクラスタであるクラスタを含まないクラスタ中から最大のクラスタが選択される。最も暗いクラスタは、背景である。次いで、連結成分分析／選択ユニット２７７は、マージ済みクラスタ画像から最大成分（クラスタ）以外のものをすべて取り除く（Ｓ７０５）。

最大クラスタの画像が出力される（Ｓ７０７）。タグが、例えばマージ済みクラスタ画像内の分離されたクラスタである場合、乳房クラスタと分離されたタグ・クラスタとの間の最大クラスタは、一般に乳房クラスタである。したがって、連結成分分析／選択ユニット２７７は、上記のステップを使用してタグを取り除くことができる。

図１３は、図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａに含まれるタグ排除ユニット２８７によって実行される操作を示すフロー図である。タグ排除ユニット２８７は、タグが連結成分分析／選択ユニット２７７によって取り除かれない場合があるために使用される。それは、例えば、タグが乳房クラスタにしっかりと連結されており、個別のクラスタを形成していない図１１の画像Ｉ６２０例の場合などである。タグの排除は、タグに属するピクセルを識別し、これらのピクセルを乳房画像から分離し、取り除き、または削除する工程を含む。

タグ排除ユニット２８７は、タグを取り除くために形状情報を使用することによってタグ・ピクセルを排除するアルゴリズムを実行する。タグ排除ユニット２８７は、連結成分分析／選択ユニット２７７から最大クラスタの画像を受信する（Ｓ７２２）。次に、タグ排除ユニット２８７は、左下隅から始まり、乳房の周りに時計回りに進むチェーン・コードを乳房クラスタの周りに構築する（Ｓ７２４）。チェーン・コードとは、１組の方向コードであり、鎖状のリンクのように、あるコードの後に別のコードがある。チェーン・コードの任意の特定のセクションを表す方向コードは、乳房の周りの直前の線分の方向コードを基準にしており、したがって、それに依存する。したがって、得られたチェーン・コードは、乳房の周りの一連のピクセルをたどることになる。

タグ排除ユニット２８７は、チェーン・コードをたどり、乳房の輪郭が、９０度を超える非凸状に旋回するチェーン・コードにあるすべてのピクセルを識別する（Ｓ７２６）。非凸状の旋回を識別するために、旋回角が計算される。ピクセルＭの旋回角は、チェーン・コードに沿って１７個の連続するピクセルを使用して計算される。このチェーン・コードにおいて、９番目のピクセルがピクセルＭであり、９番目のピクセルの片側に８つのピクセルがあり、９番目のピクセルのもう一方の側に８つのピクセルがある。最小二乗法を使用して、１本の線を９番目のピクセルの片側の８つのピクセルに合わせ、最小二乗法を使用して、もう１本の線を９番目のピクセルのもう一方の側の８つのピクセルに合わせる。次いで、９番目のピクセルに関連付けられている旋回角を決定するために、これら２本の合わせた線の間の角度が計算される。旋回角は、チェーン・コードに沿ってピクセルごとに計算される。

９０度を超える非凸状の旋回を示すピクセルの対（Ｐ１，Ｐ２）ごとに、タグ排除ユニット２８７は、線形近似を使用して乳房の輪郭をつなぐ（Ｓ７２８）。次いで、タグ排除ユニット２８７は、線形近似は整合性があるかどうかをテストする（Ｓ７３０）。非凸状の旋回を示すチェーン・コードにおける２つの点Ｐ１およびＰ２について、線形近似の整合性を決定するために、点Ｐ１とＰ２との間のチェーン点が無視されると何が起こるかが観察される。このために、Ｐ１とＰ２との間のチェーン点を無視することによって得られた隙間の両側にある２組の２０個のチェーン点に、２本の線を合わせる。整合性は、隙間点を結ぶ線の中間点と、２組の２０個の点から得られた２つの線の近似の交点との間の距離を使用して定義される。整合性を確立するために、物理的な距離に基づく閾値が定義される。線形近似が互いに整合性がある点Ｐ１およびＰ２の対が結ばれる（Ｓ７３２）。

タグ排除ユニット２８７は、線形近似ピクセルの外側のクラスタ・ピクセルを、タグに属するこうした外側のピクセルとして排除する（例えば分離する、そうでない場合は削除する）（Ｓ７３４）。この排除分析を実行するために、どの隙間が整合性があり、したがってタグを含んでいそうかが決定されると、隙間は、２つの隙間点によって定義される線で結ばれる。乳房の周りのチェーン・コードは、閉じているため、所与の方向にトラバースすることができ、したがって、チェーン・コードに対する「内側」および「外側」の概念を定義することができる。例えば、対象物の周りを反時計回りにチェーン・コードをたどることによって、追跡方向のチェーンの左側のピクセルを「内側」ピクセルと呼ぶことができ、右側のピクセルを「外側」ピクセルと呼ぶことができる。したがって、チェーン・コードは、整合性のある隙間を直線で埋めることによって補整される。次いで、乳房の全長が反時計回りにトラバースされ、現在のセグメントの右側のすべてのピクセルを（画像自体からではなく）乳房クラスタから取り除く。タグ排除ユニット２８７は、９０度を超える非凸状の旋回を示すすべての点の対（Ｐ１，Ｐ２）についてこの分析を実行する。最後に、非タグ画像が出力される。

一実装形態例では、９９％以上の場合、タグは、図１２に記述された連結成分分析によってマンモグラフィ画像から取り除かれた。残りの場合、タグは、その操作が図１３に記述されているタグ排除ユニット２８７によってマンモグラフィ画像から取り除かれた。

図１４は、図１３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａに含まれるタグ排除ユニット２８７の出力例を示す。図１４は、乳房クラスタＣ７８０のみが残されるようにタグ・エリアが取り除かれた状態で、図１１のクラスタ画像Ｉ６２０から得られた乳房画像Ｉ７７０を示す。

図１５は、図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａに含まれるスーパーサンプリング・ユニット２９７によって実行される操作を示すフロー図である。スーパーサンプリング・ユニット２９７は、タグ無しの乳房クラスタ画像を入力し（Ｓ８０１）、画像をスーパーサンプリングして、最初のマンモグラフィ画像の元の解像度に戻す（Ｓ８０３）。スーパーサンプリングは、タグ無しの乳房クラスタ画像を元の解像度に改変することによって行うことができる。また、スーパーサンプリングは、マスクを作成することによっても実行できる。マスクは、入力されたマンモグラムと同じサイズ／解像度の二値画像である。マスクは、元の画像内の乳房ピクセルを表すピクセルごとに１の値を割り当て、他のすべてのピクセルに０の値を割り当てる。マスクは、元のマンモグラムと同じサイズ／解像度にスーパーサンプリングされる。次いでマスクは、元のマンモグラフィ画像に適用される。乳房辺縁を示す画像が出力される（Ｓ８０５）。スーパーサンプリングは、本願に記載されている乳房辺縁検出のための実施形態のオプションの工程である。

図１６は、図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット３５Ａの出力例を示す。図１６で、第１列にある画像は、元のマンモグラフィ画像である。マンモグラフィ画像Ｉ９３１は、インプラントを含む乳房を示しており、画像Ｉ９４１は、胸部にペースメーカーがある乳房を示している。画像Ｉ９０１、Ｉ９１１、Ｉ９２１は、インプラントやペースメーカーの無い乳房を示している。第２列は、通常乳房辺縁検出に使用される従来のアルゴリズムによって出力された画像を示している。第３列の画像は、本願に記載された画像処理ユニット３５Ａから得られた乳房辺縁画像を示している。図１６からわかるように、従来のアルゴリズムは、画像Ｉ９０３において、元の画像Ｉ９０１から乳房辺縁または形状を抽出できていない。画像処理ユニット３５Ａから得られた画像Ｉ９０５は、乳房辺縁を正確に抽出している。元の画像Ｉ９１１に対応する従来のアルゴリズムの画像Ｉ９１３は、乳房辺縁を抽出できていない。画像処理ユニット３５Ａから得られた画像Ｉ９１５は、乳房辺縁を正確に抽出している。元の画像Ｉ９２１に対応する従来のアルゴリズムの画像Ｉ９２３もまた、乳房辺縁を抽出できていない。画像処理ユニット３５Ａから得られた画像Ｉ９２５は、乳房辺縁を正確に抽出している。元の画像Ｉ９３１に対応する従来のアルゴリズムの画像Ｉ９３３は、乳房辺縁を抽出しているが、元の画像内の乳房インプラントの存在を検出していない。画像処理ユニット３５Ａから得られた画像Ｉ９３５は、乳房辺縁、および乳房プラントの位置および形状を正確に抽出している。元の画像Ｉ９４１に対応する従来のアルゴリズムの画像Ｉ９４３は、乳房辺縁を抽出しているが、元の画像内にあるペースメーカーの存在を検出していない。画像処理ユニット３５Ａから得られた画像Ｉ９４５は、乳房辺縁、およびペースメーカーの位置および形状を正確に抽出している。

本願で提示したＫ平均法クラスタリングを使用した乳房辺縁検出技術は、妥当性検査のために目視検査を使用して、１５，９８０のマンモグラムのデータベースに対してテストされた。Ｋ平均法クラスタリングを使用した乳房辺縁検出技術は、９９．９９％の乳房辺縁を正常に抽出した。乳房検出に使用されている従来のアルゴリズムの性能指数は、９３．７％であった。したがって、本発明の利点は、容易に明らかである。

本発明の詳細な実施形態および実装形態について上述してきたが、本発明の意図および範囲から逸脱することなく、様々な変更が可能であることを理解されたい。

本発明の一実施形態による乳房辺縁検出のための画像処理ユニットを含むシステムを示す概略ブロック図である。 本発明の一実施形態による乳房辺縁検出のための画像処理ユニットの態様をより詳細に示すブロック図である。 図２に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニット例を示すブロック図である。 図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットによって実行される操作を示すフロー図である。 図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれるサブサンプリング・ユニットによって実行される操作を示すフロー図である。 図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれるクロッピング・ユニットによって実行される操作を示すフロー図である。 （Ａ）は２つの縁に沿った可視のイメージング・プレートを含むマンモグラム画像例を示す図である。（Ｂ）は図６に示されている本発明の一実施形態によるイメージング・プレートのクロッピング後に得られたマンモグラム画像例を示す図である。 図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれるクラスタリング・ユニットによって実行される操作を示すフロー図である。 図８に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれるクラスタリング・ユニットの出力例を示す図である。 図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれるクラスタ・マージ・ユニットによって実行される操作を示すフロー図である。 図１０に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれるクラスタ・マージ・ユニットの出力例を示す図である。 図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれる連結成分分析／選択ユニットによって実行される操作を示すフロー図である。 図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれるタグ排除ユニットによって実行される操作を示すフロー図である。 図１３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれるタグ排除ユニットの出力例を示す図である。 図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットに含まれるスーパーサンプリング・ユニットによって実行される操作を示すフロー図である。 図３に示されている本発明の一実施形態による乳房辺縁検出のための画像処理ユニットの出力例を示す図である。

符号の説明

２５・・・画像入力ユニット、３５・・・画像処理ユニット、３５Ａ・・・画像処理ユニット、４５・・・印刷ユニット、５５・・・画像出力ユニット、６５・・・ディスプレイ、７５・・・ユーザ入力ユニット、８０・・・システム、８１・・・キーボード、８３・・・マウス、１１０・・・画像準備モジュール、１１０Ａ・・・画像準備モジュール、１２０・・・クラスタ操作モジュール、１２０Ａ・・・クラスタ操作モジュール、１３０・・・辺縁検出モジュール、１３０Ａ・・・辺縁検出モジュール、２３７・・・サブサンプリング・ユニット、２４７・・・クロッピング・ユニット、２５７・・・クラスタリング・ユニット、２６７・・・クラスタ・マージ・ユニット、２７７・・・連結成分分析／選択ユニット、２８７・・・タグ排除ユニット、２９７・・・スーパーサンプリング・ユニット

Claims (28)

1. 画像処理方法であって、
   乳房を含む画像を表すデジタル画像データにアクセスする工程と、
   前記画像のピクセルの空間の特徴に関するパラメータ、前記画像の前記ピクセルの輝度の特徴に関するパラメータ、および前記画像の前記ピクセルの平滑度の特徴に関するパラメータに基づいて、最初のクラスタを得るために前記画像の前記ピクセルをクラスタリングする工程と、
   乳房クラスタを検出する工程、とからなる画像処理方法であって、
   前記乳房クラスタを検出する工程が、
   最後のクラスタを得るために、前記最初のクラスタの輝度測定を使用して前記最初のクラスタのクラスタ・マージを行う工程と、
   乳房クラスタを得るために、前記乳房に属さないクラスタを前記最後のクラスタ・ピクセルから取り除く工程とを含むことを特徴とする
   画像処理方法。
2. 前記乳房クラスタの辺縁に沿って乳房辺縁を識別する工程
   をさらに含む請求項１に記載の画像処理方法。
3. 最初のクラスタを得るために前記画像のピクセルをクラスタリングする前記工程が、Ｋ平均法クラスタリングを使用して行われることを特徴とする請求項１に記載の画像処理方法。
4. 前記画像の前記ピクセルの空間の特徴に関する２つのパラメータ、前記ピクセルの輝度の特徴に関する前記パラメータ、および前記画像の前記ピクセルの平滑度の特徴に関する前記パラメータを使用して、４次元空間において前記画像の前記ピクセルを表す工程と、
   前記４次元空間における前記画像の前記ピクセルについて、Ｋ平均法クラスタリングを行う工程とからなり、
   前記画像の前記ピクセルの平滑度の特徴に関する前記パラメータは、基準点への距離に基づくことを特徴とする請求項３に記載の画像処理方法。
5. 前記Ｋ平均法クラスタリングの工程が、前記最初のクラスタを３つ得るためにｋ＝３を使用する請求項４に記載の画像処理方法。
6. 前記Ｋ平均法クラスタリング工程が、
   前記画像の前記ピクセルの空間の特徴に関する２つのパラメータ、前記ピクセルの輝度の特徴に関する前記パラメータ、前記画像の前記ピクセルのヒストグラム平坦化済みの輝度の特徴に関するパラメータ、および前記画像の前記ピクセルの平滑度の特徴に関する前記パラメータを使用して５次元空間において前記画像の前記ピクセルを表す工程と、
   前記５次元空間における前記画像の前記ピクセルについて、Ｋ平均法クラスタリングを行う工程とからなり、
   前記画像の前記ピクセルの平滑度の特徴に関する前記パラメータが基準点への距離に基づくことを特徴とする請求項３に記載の画像処理方法。
7. 前記最初のクラスタの輝度測定が、互いに対して前記最初のクラスタの相対的な輝度測定である請求項１に記載の画像処理方法。
8. 前記最初のクラスタのクラスタ・マージを行う前記サブ工程が、前記２つのクラスタが前記最初のクラスタ中で最低の平均輝度値を有しておらず、前記２つのクラスタの平均クラスタ輝度間の差が所定の閾値未満であるとき、２つのクラスタをマージする工程を含む請求項１に記載の画像処理方法。
9. 前記所定の閾値が相対閾値である請求項８に記載の画像処理方法。
10. 最初のクラスタを得るために前記画像のピクセルをクラスタリングする前記工程の前に、イメージング・プレート・ピクセルをクロッピングする工程であって、前記イメージング・プレート・ピクセルが、前記画像の外縁に垂直な線に沿って計算されるピクセルの階調度の合計を使用して識別される工程
    をさらに含む請求項１に記載の画像処理方法。
11. 前記乳房に属さないクラスタを取り除く前記サブ工程が、
    前記最後のクラスタ中で潜在的な乳房クラスタを識別するために、前記最後のクラスタに対して連結成分分析を行う工程と、
    前記潜在的な乳房クラスタ中から最大のクラスタ成分を保持する工程と
    を含む請求項１に記載の画像処理方法。
12. 前記乳房に属さないクラスタを取り除く前記サブ工程が、
    前記連結成分分析から得られた前記最大のクラスタ成分の周りにチェーン・コードを構築し、
    ９０度を超える非凸状の旋回を行う、前記チェーン・コードに沿った旋回ピクセルを識別し、
    タグ・ピクセルを識別するために、線形近似を使用して前記旋回ピクセルをつなぎ、前記画像から前記タグ・ピクセルを排除することによってタグの排除を行う請求項１１に記載の画像処理方法。
13. 前記画像の前記ピクセルをクラスタリングする前記工程の前に、前記画像をより小さいサイズにサブサンプリングする工程をさらに含む請求項１に記載の画像処理方法。
14. 前記乳房クラスタを含む画像を、前記乳房を含む前記画像の解像度にスーパーサンプリングする工程をさらに含む請求項１に記載の画像処理方法。
15. 画像処理装置であって、
    乳房を含む画像を表すデジタル画像データにアクセスする画像データ入力ユニットと、
    前記画像のピクセルの空間の特徴に関するパラメータ、前記画像の前記ピクセルの輝度の特徴に関するパラメータ、および前記画像の前記ピクセルの平滑度の特徴に関するパラメータに基づいて、最初のクラスタを得るために前記画像の前記ピクセルをクラスタリングするクラスタリング・ユニットと、
    最後のクラスタを得るために前記最初のクラスタの輝度測定を使用して前記最初のクラスタのクラスタ・マージを行うクラスタ・マージ・ユニットと、
    乳房クラスタを得るために、前記乳房に属さないクラスタを前記最後のクラスタ・ピクセルから取り除くことによって、乳房クラスタを検出する辺縁検出ユニットと
    を含む画像処理装置。
16. 前記辺縁検出ユニットが前記乳房クラスタの辺縁に沿って乳房辺縁を識別する請求項１５に記載の画像処理装置。
17. 前記クラスタリング・ユニットがＫ平均法クラスタリングを使用して前記画像のピクセルをクラスタリングする請求項１５に記載の画像処理装置。
18. 前記クラスタリング・ユニットが、
    前記画像の前記ピクセルの空間の特徴に関する２つのパラメータ、前記ピクセルの輝度の特徴に関する前記パラメータ、および基準点への距離に基づく前記画像の前記ピクセルの平滑度の特徴に関する前記パラメータを使用して、４次元空間において前記画像の前記ピクセルを表し、
    前記４次元空間における前記画像の前記ピクセルについて、Ｋ平均法クラスタリングを行うことによって、前記画像のピクセルをクラスタリングする請求項１７に記載の画像処理装置。
19. 前記クラスタリング・ユニットが前記最初のクラスタを３つ得るためにｋ＝３を使用してＫ平均法クラスタリングを行う請求項１８に記載の画像処理装置。
20. 前記クラスタリング・ユニットが、
    前記画像の前記ピクセルの空間の特徴に関する２つのパラメータ、前記ピクセルの輝度の特徴に関する前記パラメータ、前記画像の前記ピクセルのヒストグラム平坦化済みの輝度の特徴に関するパラメータ、および基準点への距離に基づく前記画像の前記ピクセルの平滑度の特徴に関する前記パラメータを使用して、５次元空間において前記画像の前記ピクセルを表し、
    前記５次元空間における前記画像の前記ピクセルについて、Ｋ平均法クラスタリングを行うことによって、前記画像のピクセルをクラスタリングする請求項１７に記載の画像処理装置。
21. 前記最初のクラスタの前記輝度測定が、互いに対して前記最初のクラスタの相対的な輝度測定である請求項１５に記載の画像処理装置。
22. 前記クラスタ・マージ・ユニットが、
    前記２つのクラスタが前記最初のクラスタ中で最低の平均輝度値を有しておらず、前記２つのクラスタの平均クラスタ輝度間の差が所定の閾値未満であるとき、２つのクラスタをマージすることによって、前記最初のクラスタのクラスタ・マージを行う請求項１５に記載の画像処理装置。
23. 前記所定の閾値が相対閾値である請求項２２に記載の画像処理装置。
24. 前記クラスタリング・ユニットが前記画像を受信する前にイメージング・プレート・ピクセルをクロッピングするクロッピング・ユニットであって、
    前記画像の外縁に垂直な線に沿って計算されたピクセルの階調度の合計を使用することによって、前記イメージング・プレート・ピクセルを識別するクロッピング・ユニット
    をさらに含む請求項１５に記載の画像処理装置。
25. 前記辺縁検出ユニットが、
    前記最後のクラスタ中で潜在的な乳房クラスタを識別するために、前記最後のクラスタに対して連結成分分析を行い、前記潜在的な乳房クラスタ中から最大のクラスタ成分を保持することによって、前記乳房に属さないピクセルを取り除く請求項１５に記載の画像処理装置。
26. 前記辺縁検出ユニットはタグ排除ユニットを含み、
    前記タグ排除ユニットが、
    前記辺縁検出ユニットによって実行される前記連結成分分析から得られた前記最大のクラスタ成分の周りにチェーン・コードを構築し、
    ９０度を超える非凸状の旋回を行う、前記チェーン・コードに沿った旋回ピクセルを識別し、
    タグ・ピクセルを識別するために、線形近似を使用して前記旋回ピクセルをつなぎ、
    前記画像から前記タグ・ピクセルを排除することによって、タグの排除を実行することを特徴とする
    請求項２５に記載の画像処理装置。
27. 前記クラスタリング・ユニットが前記画像を受信する前に前記画像を小さいサイズにサブサンプリングするサブサンプリング・ユニット
    をさらに含む請求項１５に記載の画像処理装置。
28. 前記乳房クラスタを含む画像を、前記乳房を含む前記画像の解像度にスーパーサンプリングするスーパーサンプリング・ユニット
    をさらに含む請求項１５に記載の画像処理装置。

Images