JP2008284285A - Diagnostic imaging support system, its method, and its program - Google Patents

Diagnostic imaging support system, its method, and its program Download PDF

Info

Publication number
JP2008284285A
JP2008284285A JP2007134230A JP2007134230A JP2008284285A JP 2008284285 A JP2008284285 A JP 2008284285A JP 2007134230 A JP2007134230 A JP 2007134230A JP 2007134230 A JP2007134230 A JP 2007134230A JP 2008284285 A JP2008284285 A JP 2008284285A
Authority
JP
Japan
Prior art keywords
shadow
image
extracting
medical tomographic
extracted
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
Application number
JP2007134230A
Other languages
Japanese (ja)
Inventor
Keiko Honma
経康 本間
Kazunori Takei
一典 武井
Tadashi Ishibashi
忠司 石橋
Masao Sakai
正夫 酒井
Makoto Yoshizawa
誠 吉澤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IMAGE ONE CO Ltd
Tohoku University NUC
Original Assignee
IMAGE ONE CO Ltd
Tohoku University NUC
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by IMAGE ONE CO Ltd, Tohoku University NUC filed Critical IMAGE ONE CO Ltd
Priority to JP2007134230A priority Critical patent/JP2008284285A/en
Publication of JP2008284285A publication Critical patent/JP2008284285A/en
Pending legal-status Critical Current

Links

Landscapes

  • Image Analysis (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Image Processing (AREA)

Abstract

<P>PROBLEM TO BE SOLVED: To provide a diagnostic imaging support system capable of reducing FP, corresponding to the position deviation or rotation of a shade in an image, and rapidly performing previous learning, and to provide a diagnostic imaging support method and a diagnostic imaging support program. <P>SOLUTION: The partial image of an area in prescribed size, including the shade, included in a medical tomographic image is extracted, thereby extracting the partial image of an area corresponding to the extracted partial image from a medical tomographic image which is adjacent to the medical tomographic image including the shade. The amount of a continuous component concerning the continuity of the shade between the respective partial images is calculated, thereby determining whether or not the shade is an abnormal shade candidate, based on the amount of the continuous component. Inclination segment information constituting the shape of the shade is extracted by using a Gabor filter with respect to the shade determined to be the abnormal shade candidate. The featured value of the shade is calculated based on the inclination segment information, and then, whether the shade is the abnormal shade or not is determined based on the featured value. <P>COPYRIGHT: (C)2009,JPO&INPIT

Description

本発明は、画像診断支援システム、画像診断支援方法および画像診断支援プログラムに関する。   The present invention relates to an image diagnosis support system, an image diagnosis support method, and an image diagnosis support program.

近年、肺がんによる死亡者数の増加に伴い、その早期発見のため、Ｘ線ＣＴが広く用いられている。ＣＴの診断における利点としては、広範囲を短時間で撮影できる点、薄いスライスにより詳しく診断できる点、単純Ｘ線写真では見逃されていたような陰影も検出できる点などが挙げられる。事実、ＣＴを用いた肺診断により早期発見がなされた場合、その後の１０年生存率は９割に及ぶという報告もされており、その重要性はますます大きくなっている。   In recent years, with the increase in the number of deaths due to lung cancer, X-ray CT is widely used for its early detection. Advantages in CT diagnosis include that a wide range can be imaged in a short time, thin slices can be used for detailed diagnosis, and shadows that have been overlooked in simple X-ray photographs can be detected. In fact, when early detection is made by lung diagnosis using CT, it has been reported that the subsequent 10-year survival rate reaches 90%, and its importance is increasing.

このＣＴによる診断方法は、肺がんの検出率が高い反面、患者１人当たり数十枚ものスライス画像が生成され、集団検診の場でこの読影を全て医師に任せるには、医師の負担が大きすぎるという問題があった。このような問題に対して、従来、肺結節陰影を自動で検出して医師へ提示することにより、医師の負担を軽減することができるコンピュータ診断支援(computer-aided diagnosis : ＣＡＤ)システムが提案されている。   Although this CT diagnostic method has a high lung cancer detection rate, dozens of slice images are generated per patient, and it is said that the burden on the doctor is too large to leave the interpretation to the doctor at the time of the mass examination. There was a problem. Conventionally, a computer-aided diagnosis (CAD) system that can reduce the burden on a doctor by automatically detecting a pulmonary nodule shadow and presenting it to the doctor has been proposed. ing.

従来のＣＡＤシステムとして、フィルタリング処理を行うものがある（例えば、特許文献１、２または３参照）。具体的には、Mathematical Morphologyのフィルタリング処理の一種である可変N-Quoitフィルタを用いて、孤立性肺結節を検出する研究がある（非特許文献１参照）。また、遺伝的アルゴリズムを用いて、肺結節自動検出を試みた研究もある（非特許文献２参照）。しかし、これらのＣＡＤシステムは、高い真陽性（true positive：ＴＰ）率で肺結節を検出することができるが、同時に偽陽性（false positive：ＦＰ）率も高く、まだまだ臨床では使用しにくいという問題があった。   Some conventional CAD systems perform a filtering process (see, for example, Patent Documents 1, 2, or 3). Specifically, there is a study to detect an isolated lung nodule using a variable N-Quoit filter which is a kind of filtering process of Mathematical Morphology (see Non-Patent Document 1). In addition, there is a study that tried to detect lung nodules automatically using a genetic algorithm (see Non-Patent Document 2). However, these CAD systems can detect pulmonary nodules with a high true positive (TP) rate, but also have a high false positive (FP) rate and are still difficult to use clinically. was there.

これに対し、ＦＰを減らすことを目的とした研究もなされている。その具体的なものとして、ニューラルネットワークを並列に並べたmassive training artificial neural network (MTANN)を用いたＦＰ削減法（非特許文献３参照）や、結節のＣＴ値特徴量に対し、部分空間法を用いてＦＰ削減を目指すもの（非特許文献４参照）、３次元ボクセル情報を利用する方法（例えば、特許文献４参照）がある。   On the other hand, research aimed at reducing FP has also been conducted. Specific examples include the FP reduction method using massive training artificial neural network (MTANN) in which neural networks are arranged in parallel (see Non-Patent Document 3) and the subspace method for CT value features of nodules. There is a method that uses FP reduction (see Non-Patent Document 4) and a method that uses three-dimensional voxel information (see, for example, Patent Document 4).

特開２００５−３２３６２９号公報JP 2005-323629 A 特開２００５−２５３６８５号公報Japanese Patent Laid-Open No. 2005-253665 特開２００５−１０２９３６号公報JP 2005-102936 A 三輪倫子，加古純一，山本眞司，松本満臣，館野之男，飯沼武，松本徹，「可変N−Quoitフィルタを用いた胸部Ｘ線ＣＴ像からの肺がん病巣候補自動抽出」，信学論，1999，82-D-II，p.178-187Michiko Miwa, Junichi Kako, Koji Yamamoto, Mitsumi Matsumoto, Yukio Tateno, Takeshi Iinuma, Toru Matsumoto, “Automatic extraction of lung cancer lesion candidates from chest X-ray CT images using a variable N-Quoit filter,” 1999, 82-D-II, p.178-187 Y. Lee, T. Hara, H. Fujita, S. Sato and T. Ishigaki, ”Nodule detection on chest helical CT scans by using a genetic algorithm”, Proc. of IASTED International Conference on Intelligent Information Systems, 1997, p.595-604Y. Lee, T. Hara, H. Fujita, S. Sato and T. Ishigaki, “Nodule detection on chest helical CT scans by using a genetic algorithm”, Proc. Of IASTED International Conference on Intelligent Information Systems, 1997, p. 595-604 K. Suzuki, S. G. Armato III, F. Li, S. Sone, K. Doi, ”Massive training artificial neural network (MTANN) for reduction of false-positives in computerized detection of lung nodules in low-dose computed tomography”, Med.Phys, 2003, 30-7, p.1602-1617K. Suzuki, SG Armato III, F. Li, S. Sone, K. Doi, “Massive training artificial neural network (MTANN) for reduction of false-positives in computerized detection of lung nodules in low-dose computed tomography”, Med .Phys, 2003, 30-7, p.1602-1617 中村嘉彦，深野元太朗，滝沢穂高，水野慎士，山本眞司，松本徹，曾根脩輔，高山文吉，小山真弘，和田慎一，「肺結節陰影の位置ずれや回転を考慮した部分空間法によるＸ線ＣＴ画像の認識」，信学技報，2005，MI2004-102, p.119-124Yoshihiko Nakamura, Mototaro Fukano, Hotaka Takizawa, Shinji Mizuno, Junji Yamamoto, Toru Matsumoto, Shinsuke Sone, Fumiyoshi Takayama, Masahiro Koyama, Shinichi Wada, “Subspace method considering displacement and rotation of lung nodule shadows CT image recognition ", IEICE Technical Report, 2005, MI2004-102, p.119-124 特開平７−２３６６３４号公報Japanese Patent Laid-Open No. 7-236634

しかしながら、非特許文献３、４および特許文献４に記載の方法では、単独ＣＴ(ピクセル)値を特徴量として用いるため、画像中の陰影の位置ずれや回転に対応できないという課題があった。位置ずれや回転に対応するためには、あらかじめ位置ずれや回転した陰影を多数用意して事前学習する必要があり、計算量が増大し、事前学習に時間がかかるという課題もあった。なお、あらかじめ全ての場合を想定した陰影データを用意するのは不可能であり、従来の統計的な特徴量を用いた対処療法的な方法では、これらの課題を本質的に解決することはできない。   However, the methods described in Non-Patent Documents 3 and 4 and Patent Document 4 use a single CT (pixel) value as a feature amount, and thus there is a problem that it is not possible to cope with a positional shift or rotation of a shadow in an image. In order to cope with misalignment and rotation, it is necessary to prepare in advance a large number of misalignments and rotated shadows in advance, and there is a problem that the amount of calculation increases and prelearning takes time. In addition, it is impossible to prepare shadow data assuming all cases in advance, and the conventional treatment method using statistical features cannot essentially solve these problems. .

本発明は、このような課題に着目してなされたもので、ＦＰを低減することができ、画像中の陰影の位置ずれや回転に対応可能で、事前学習を迅速に行うことができる画像診断支援システム、画像診断支援方法および画像診断支援プログラムを提供することを目的としている。   The present invention has been made paying attention to such a problem, and can reduce FP, can cope with a positional shift and rotation of a shadow in an image, and can quickly perform pre-learning. An object is to provide a support system, an image diagnosis support method, and an image diagnosis support program.

上記目的を達成するために、本発明に係る画像診断支援システムは、医療用断層画像に含まれる異常陰影を検出する画像診断支援システムであって、ガボールフィルタを用いて、前記医療用断層画像に含まれる陰影の形状を構成する傾き線分情報を抽出する情報抽出手段と、前記情報抽出手段で抽出された傾き線分情報に基づいて、前記陰影の特徴量を計算する特徴量計算手段と、前記特徴量計算手段で計算された特徴量に基づいて、前記陰影が異常陰影か否かを判定する判定手段とを、有することを特徴とする。   In order to achieve the above object, an image diagnosis support system according to the present invention is an image diagnosis support system for detecting an abnormal shadow included in a medical tomographic image, and uses a Gabor filter to convert the medical tomographic image into the medical tomographic image. Information extracting means for extracting slope line segment information constituting the shape of the included shadow, and feature quantity calculating means for calculating the feature quantity of the shadow based on the slope line segment information extracted by the information extracting means; And determining means for determining whether or not the shadow is an abnormal shadow based on the feature amount calculated by the feature amount calculating means.

本発明に係る画像診断支援方法は、医療用断層画像に含まれる異常陰影を検出する画像診断支援方法であって、ガボールフィルタを用いて、前記医療用断層画像に含まれる陰影の形状を構成する傾き線分情報を抽出する情報抽出ステップと、前記情報抽出ステップで抽出された傾き線分情報に基づいて、前記陰影の特徴量を計算する特徴量計算ステップと、前記特徴量計算ステップで計算された特徴量に基づいて、前記陰影が異常陰影か否かを判定する判定ステップとを、有することを特徴とする。   An image diagnosis support method according to the present invention is an image diagnosis support method for detecting an abnormal shadow included in a medical tomographic image, and forms a shape of the shadow included in the medical tomographic image using a Gabor filter. An information extraction step for extracting inclination line segment information, a feature amount calculation step for calculating the feature amount of the shadow based on the inclination line segment information extracted in the information extraction step, and a feature amount calculation step And a determination step of determining whether the shadow is an abnormal shadow based on the feature amount.

本発明に係る画像診断支援プログラムは、医療用断層画像に含まれる異常陰影を検出する画像診断支援プログラムであって、コンピュータを、ガボールフィルタを用いて、前記医療用断層画像に含まれる陰影の形状を構成する傾き線分情報を抽出する情報抽出手段、前記情報抽出手段で抽出された傾き線分情報に基づいて、前記陰影の特徴量を計算する特徴量計算手段、前記特徴量計算手段で計算された特徴量に基づいて、前記陰影が異常陰影か否かを判定する判定手段として、機能させる。   An image diagnosis support program according to the present invention is an image diagnosis support program for detecting an abnormal shadow included in a medical tomographic image, and uses a Gabor filter to form a shape of the shadow included in the medical tomographic image. Information extracting means for extracting the slope line segment information constituting the image, feature quantity calculating means for calculating the feature quantity of the shadow based on the slope line segment information extracted by the information extracting means, and calculating by the feature quantity calculating means Based on the obtained feature amount, it functions as a determination means for determining whether or not the shadow is an abnormal shadow.

本発明に係る画像診断支援システム、画像診断支援方法および画像診断支援プログラムは、ＣＴ、ＭＲＩ等による画像中の肺結節等の異常陰影を鑑別するために使用される。傾き線分情報により、医療用断層画像に含まれる陰影の形状に関する情報を抽出することができる。このため、傾き線分情報に基づいて計算された特徴量は、陰影の形状を反映したものになり、陰影の形状認識による異常陰影の判定を行うことができる。このように、異常陰影の判定を形状認識により行うことができるため、画像中の陰影の位置ずれや回転に対応することができる。また、傾き線分情報を利用することにより、ＦＰを低減することができるとともに、事前学習を迅速に行うことができる。   An image diagnosis support system, an image diagnosis support method, and an image diagnosis support program according to the present invention are used for distinguishing abnormal shadows such as lung nodules in an image by CT, MRI or the like. Information on the shape of the shadow included in the medical tomographic image can be extracted from the inclination line segment information. For this reason, the feature quantity calculated based on the inclination line segment information reflects the shape of the shadow, and an abnormal shadow can be determined by the shadow shape recognition. As described above, since the determination of the abnormal shadow can be performed by shape recognition, it is possible to cope with the positional deviation or rotation of the shadow in the image. Further, by using the slope line segment information, the FP can be reduced and the prior learning can be performed quickly.

ガボールフィルタを使用するため、陰影の形状を構成する傾き線分情報を、効率的かつ効果的に抽出することができる。ガボールフィルタは、ガウス関数と余弦関数との積で表され、その方向選択性は、顔認識や指紋認証といった、多くの画像認識システムにおいて特徴量抽出機構として利用されている。
ガボールフィルタの出力ｇは、（１）式で表される。 Since the Gabor filter is used, it is possible to efficiently and effectively extract the slope line segment information constituting the shadow shape. A Gabor filter is represented by a product of a Gaussian function and a cosine function, and its direction selectivity is used as a feature amount extraction mechanism in many image recognition systems such as face recognition and fingerprint authentication.
The output g of the Gabor filter is expressed by equation (1).

ここで、ｘ，ｙは座標、θは角度、σは分散、γは縦横比、λは波長である。
傾き線分情報Ｏｉ（ｘ，ｙ）は、（３）式に示すように、画像Ｉ（ｘ，ｙ）とｇ(ｘ，ｙ，σ，λ，γ，θ)との畳み込み積分で得られる。 Here, x and y are coordinates, θ is an angle, σ is dispersion, γ is an aspect ratio, and λ is a wavelength.
The inclination line segment information Oi (x, y) is obtained by convolution integration of the image I (x, y) and g (x, y, σ, λ, γ, θ) as shown in the equation (3). .

ここで，ｉ＝１，２，・・・，Ｍ１であり、Ｍ１は抽出する角度の数である。ガボールフィルタを使用することにより、それぞれの角度に応じた線分を抽出することができる。   Here, i = 1, 2,..., M1, and M1 is the number of angles to be extracted. By using a Gabor filter, a line segment corresponding to each angle can be extracted.

本発明に係る画像診断支援システムで、前記医療用断層画像は所定の間隔で撮影された複数の画像から成り、前記医療用断層画像に含まれる陰影に対して、前記陰影を含む所定の大きさの領域の部分画像を抽出する陰影画像抽出手段と、前記陰影を含む医療用断層画像と隣り合う医療用断層画像から、前記陰影画像抽出手段で抽出された部分画像に対応する領域の部分画像を抽出する隣接画像抽出手段と、前記陰影画像抽出手段で抽出された部分画像と、前記隣接画像抽出手段で抽出された部分画像とに基づいて、各部分画像間での前記陰影の連続性に関する連続成分量を計算する連続成分量計算手段と、前記連続成分量計算手段で計算された連続成分量に基づいて、前記陰影が異常陰影候補であるか否かを判定する候補判定手段とを有し、前記情報抽出手段は、前記候補判定手段で異常陰影候補であると判定された陰影に対して、傾き線分情報を抽出することが好ましい。   In the diagnostic imaging support system according to the present invention, the medical tomographic image includes a plurality of images taken at a predetermined interval, and has a predetermined size including the shadow with respect to the shadow included in the medical tomographic image. A partial image of the region corresponding to the partial image extracted by the shadow image extracting unit from the medical tomographic image adjacent to the medical tomographic image including the shadow. Based on the adjacent image extraction means to extract, the partial image extracted by the shadow image extraction means, and the partial image extracted by the adjacent image extraction means, the continuity regarding the continuity of the shadow between the partial images Continuous component amount calculating means for calculating the component amount; and candidate determining means for determining whether or not the shadow is an abnormal shadow candidate based on the continuous component amount calculated by the continuous component amount calculating means. , The serial information extracting means, to said judged by candidate determining means that the abnormal shadow candidate shadow, it is preferable to extract the slope segment information.

本発明に係る画像診断支援方法で、前記医療用断層画像は所定の間隔で撮影された複数の画像から成り、前記医療用断層画像に含まれる陰影に対して、前記陰影を含む所定の大きさの領域の部分画像を抽出する陰影画像抽出ステップと、前記陰影を含む医療用断層画像と隣り合う医療用断層画像から、前記陰影画像抽出ステップで抽出された部分画像に対応する領域の部分画像を抽出する隣接画像抽出ステップと、前記陰影画像抽出ステップで抽出された部分画像と、前記隣接画像抽出ステップで抽出された部分画像とに基づいて、各部分画像間での前記陰影の連続性に関する連続成分量を計算する連続成分量計算ステップと、前記連続成分量計算ステップで計算された連続成分量に基づいて、前記陰影が異常陰影候補であるか否かを判定する候補判定ステップとを有し、前記情報抽出ステップは、前記候補判定ステップで異常陰影候補であると判定された陰影に対して、傾き線分情報を抽出することが好ましい。   In the diagnostic imaging support method according to the present invention, the medical tomographic image includes a plurality of images taken at a predetermined interval, and has a predetermined size including the shadow with respect to the shadow included in the medical tomographic image. A partial image of the region corresponding to the partial image extracted in the shadow image extraction step from the medical tomographic image adjacent to the medical tomographic image including the shadow Based on the adjacent image extraction step to extract, the partial image extracted in the shadow image extraction step, and the partial image extracted in the adjacent image extraction step, the continuity regarding the continuity of the shadow between the partial images Based on the continuous component amount calculation step for calculating the component amount and the continuous component amount calculated in the continuous component amount calculation step, it is determined whether or not the shadow is an abnormal shadow candidate. And a candidate determination step, said information extracting step, with respect to the determined in candidate determining step to be abnormal shadow candidate shadow, it is preferable to extract the slope segment information.

本発明に係る画像診断支援プログラムで、前記医療用断層画像は所定の間隔で撮影された複数の画像から成り、コンピュータを、前記医療用断層画像に含まれる陰影に対して、前記陰影を含む所定の大きさの領域の部分画像を抽出する陰影画像抽出手段、前記陰影を含む医療用断層画像と隣り合う医療用断層画像から、前記陰影画像抽出手段で抽出された部分画像に対応する領域の部分画像を抽出する隣接画像抽出手段、前記陰影画像抽出手段で抽出された部分画像と、前記隣接画像抽出手段で抽出された部分画像とに基づいて、各部分画像間での前記陰影の連続性に関する連続成分量を計算する連続成分量計算手段、前記連続成分量計算手段で計算された連続成分量に基づいて、前記陰影が異常陰影候補であるか否かを判定する候補判定手段として機能させ、前記情報抽出手段は、前記候補判定手段で異常陰影候補であると判定された陰影に対して、傾き線分情報を抽出することが好ましい。   In the diagnostic imaging support program according to the present invention, the medical tomographic image is composed of a plurality of images taken at a predetermined interval, and the computer includes a predetermined including the shadow with respect to the shadow included in the medical tomographic image. A shadow image extracting means for extracting a partial image of a region of a size, a portion of a region corresponding to the partial image extracted by the shadow image extracting means from a medical tomographic image adjacent to the medical tomographic image including the shadow Adjacent image extracting means for extracting an image, continuity of the shadow between the partial images based on the partial image extracted by the shadow image extracting means and the partial image extracted by the adjacent image extracting means A continuous component amount calculating means for calculating a continuous component amount; a candidate determining means for determining whether or not the shadow is an abnormal shadow candidate based on the continuous component amount calculated by the continuous component amount calculating means; To function as the information extracting means, to said judged by candidate determining means that the abnormal shadow candidate shadow, it is preferable to extract the slope segment information.

この連続成分量を計算する構成では、隣り合う医療用断層画像から抽出された互いに対応する領域の部分画像に基づいて、特徴量として陰影の連続性に関する連続成分量を計算するため、３次元での形状認識による異常陰影の判定を行うことができ、さらにＦＰを低減することができる。また、医療用断層画像に基づいて３次元構造を再構成する方法に比べ、計算量を大幅に低減することができ、迅速に異常陰影の判定を行うことができる。連続成分量は、部分画像の画素値に基づいて計算される量であり、各部分画像間での陰影の連続性・不連続性を識別可能であることが好ましい。また、連続成分量により各部分画像間で陰影の不連続性が高いと判断された場合に、異常陰影候補であると判定されるようになっていることが好ましい。なお、この構成では、連続成分量による陰影の判定を、傾き線分情報による陰影の判定より前に行っているが、連続成分量による陰影の判定が、傾き線分情報による陰影の判定より後であってもよい。   In the configuration for calculating the continuous component amount, since the continuous component amount relating to the continuity of the shadow is calculated as the feature amount based on the partial images of the regions corresponding to each other extracted from the adjacent medical tomographic images, it is three-dimensional. It is possible to determine an abnormal shadow by recognizing the shape of the FP, and to further reduce the FP. Moreover, compared with the method of reconstructing a three-dimensional structure based on a medical tomographic image, the amount of calculation can be greatly reduced, and an abnormal shadow can be quickly determined. The continuous component amount is an amount calculated based on the pixel values of the partial images, and it is preferable that the continuity / discontinuity of the shadow between the partial images can be identified. In addition, when it is determined that the discontinuity of the shadow is high between the partial images based on the continuous component amount, it is preferable that the abnormal shadow candidate is determined. In this configuration, the shadow determination based on the continuous component amount is performed before the shadow determination based on the slope line segment information, but the shadow determination based on the continuous component amount is performed after the shadow determination based on the slope line segment information. It may be.

本発明によれば、ＦＰを低減することができ、画像中の陰影の位置ずれや回転に対応可能で、事前学習を迅速に行うことができる画像診断支援システム、画像診断支援方法および画像診断支援プログラムを提供することができる。   According to the present invention, an image diagnosis support system, an image diagnosis support method, and an image diagnosis support that can reduce FP, can cope with a positional shift and rotation of a shadow in an image, and can quickly perform prior learning. A program can be provided.

以下、図面に基づき、本発明の実施の形態について説明する。
図１乃至図５は、本発明の第１の実施の形態の画像診断支援システム、画像診断支援方法および画像診断支援プログラムを示している。なお、本発明の第１の実施の形態の画像診断支援方法は、その画像診断支援システムにより実行される方法であり、画像診断支援プログラムを記録したハードディスク、ＣＤ−ＲＯＭ、フレキシブルディスクなどのコンピュータ読み取り可能な記録媒体によりコンピュータに実行させることができる。 Hereinafter, embodiments of the present invention will be described with reference to the drawings.
1 to 5 show an image diagnosis support system, an image diagnosis support method, and an image diagnosis support program according to the first embodiment of the present invention. The image diagnosis support method according to the first embodiment of the present invention is a method executed by the image diagnosis support system, and is read by a computer such as a hard disk, a CD-ROM, or a flexible disk in which the image diagnosis support program is recorded. The computer can be executed by a possible recording medium.

本発明の第１の実施の形態の画像診断支援システムは、ＣＴ画像中の肺結節の異常陰影を鑑別するために使用される。図１に示すように、本発明の第１の実施の形態の画像診断支援システムは、コンピュータから成り、受信手段１１と、各種データを記憶する記憶手段１２と、演算機能および制御機能を有する主制御部１３と、出力手段１４とを有している。   The diagnostic imaging support system according to the first embodiment of the present invention is used to distinguish abnormal shadows of lung nodules in CT images. As shown in FIG. 1, the diagnostic imaging support system according to the first embodiment of the present invention comprises a computer, and has a receiving means 11, a storage means 12 for storing various data, a calculation function and a control function. A control unit 13 and output means 14 are provided.

受信手段１１は、ＣＴ装置に接続され、所定の間隔で撮影された複数の医療用断層画像を、ＣＴ装置から受信可能になっている。なお、受信手段１１は、ＣＴ装置ではなく、医療用断層画像の画像サーバに接続されて、医療用断層画像を受信可能になっていてもよい。また、ＣＤ−ＲやＤＶＤ−Ｒなどの記憶媒体に記憶された医療用断層画像を、それらの読取手段から受信可能になっていてもよい。記憶手段１２は、メモリから成り、受信手段１１で受信した複数の医療用断層画像を記憶するようになっている。   The receiving unit 11 is connected to the CT apparatus and can receive a plurality of medical tomographic images taken at predetermined intervals from the CT apparatus. The receiving unit 11 may be connected to an image server for medical tomographic images instead of a CT apparatus so as to be able to receive medical tomographic images. Moreover, the medical tomographic image memorize | stored in storage media, such as CD-R and DVD-R, may be receivable from those reading means. The storage unit 12 includes a memory, and stores a plurality of medical tomographic images received by the reception unit 11.

主制御部１３は、ＣＰＵから成り、受信手段１１、記憶手段１２および出力手段１４に接続されて、それぞれを制御可能に構成されている。主制御部１３は、陰影画像抽出手段２１と画像２値化手段２２と情報抽出手段２３と特徴量計算手段２４と判定手段２５とを有している。陰影画像抽出手段２１は、医療用断層画像に含まれる陰影に対して、陰影を含む領域の部分画像を抽出するようになっている。画像２値化手段２２は、陰影画像抽出手段２１により抽出された部分画像を２値化するようになっている。情報抽出手段２３は、画像２値化手段２２により２値化された部分画像に対して、ガボールフィルタを用いて、陰影の形状を構成する傾き線分情報を抽出するようになっている。特徴量計算手段２４は、情報抽出手段２３で抽出された傾き線分情報に基づいて、陰影の特徴量を計算するようになっている。判定手段２５は、特徴量計算手段２４で計算された特徴量に基づいて、陰影が異常陰影か否かを判定するようになっている。   The main control unit 13 includes a CPU, and is connected to the receiving unit 11, the storage unit 12, and the output unit 14 so as to be able to control each of them. The main control unit 13 includes a shadow image extraction unit 21, an image binarization unit 22, an information extraction unit 23, a feature amount calculation unit 24, and a determination unit 25. The shadow image extraction means 21 extracts a partial image of a region including the shadow from the shadow included in the medical tomographic image. The image binarizing unit 22 binarizes the partial image extracted by the shadow image extracting unit 21. The information extracting unit 23 extracts the slope line segment information constituting the shape of the shadow from the partial image binarized by the image binarizing unit 22 using a Gabor filter. The feature quantity calculation means 24 calculates the shadow feature quantity based on the inclination line segment information extracted by the information extraction means 23. The determination unit 25 determines whether the shadow is an abnormal shadow based on the feature amount calculated by the feature amount calculation unit 24.

出力手段１４は、モニタやプリンタなどから成っている。出力手段１４は、記憶手段１２に記憶された医療用断層画像や、陰影画像抽出手段２１により抽出された部分画像、判定手段２５により異常陰影と判定された陰影の画像などを、モニタやプリンタで出力可能になっている。   The output unit 14 includes a monitor, a printer, and the like. The output unit 14 displays a medical tomographic image stored in the storage unit 12, a partial image extracted by the shadow image extraction unit 21, a shadow image determined as an abnormal shadow by the determination unit 25, or the like with a monitor or a printer. Output is enabled.

次に、図２乃至図５を参照して、本発明の第１の実施の形態の画像診断支援システムの処理手順について説明する。
まず、受信手段１１で受信されて記憶手段１２に記憶された複数の医療用断層画像から、陰影画像抽出手段２１により、陰影を含む領域の部分画像を抽出する。画像２値化手段２２により、その部分画像Ｉを、（４）式に示す閾値処理により２値化する。 Next, a processing procedure of the diagnostic imaging support system according to the first embodiment of this invention will be described with reference to FIGS.
First, a partial image of a region including a shadow is extracted by a shadow image extraction unit 21 from a plurality of medical tomographic images received by the reception unit 11 and stored in the storage unit 12. The image binarization means 22 binarizes the partial image I by threshold processing shown in the equation (4).

ここで、ｘ，ｙは画像Ｉの座標、βは閾値定数である。
図２に示すように、情報抽出手段２３により、２値化された部分画像に対して、ガボールフィルタを用いて、陰影の形状を構成する傾き線分情報を抽出する（ステップ３１）。特徴量計算手段２４により、画像２値化手段２２により２値化された部分画像と、それぞれの方向（Ｍ１個の方向）の傾き線分情報とから、３つの特徴量(平均、分散、エントロピー)を計算する。これにより、３×（Ｍ１＋１）個の特徴量が得られる。これらの特徴量を、陰影の特徴ベクトルＸ＝［ｘ１，ｘ２，・・・，ｘ３（１＋Ｍ１）］Ｔと定義する（ステップ３２）。 Here, x and y are the coordinates of the image I, and β is a threshold constant.
As shown in FIG. 2, the information extraction means 23 extracts the slope line segment information constituting the shadow shape from the binarized partial image using a Gabor filter (step 31). From the partial image binarized by the image binarizing unit 22 by the feature amount calculating unit 24 and the slope line segment information in each direction (M1 directions), three feature amounts (average, variance, entropy) ). As a result, 3 × (M1 + 1) feature values are obtained. These feature quantities are defined as a shadow feature vector X = [x 1 , x 2 ,..., X 3 (1 + M1) ] T (step 32).

ここで、陰影を判定するために使用する基準クラスタをあらかじめ作成しておく。図３に示すように、基準クラスタの作成は、医師による診断結果に基づき、結節、非結節に分配されている学習データを使用して、図２の場合と同様にして、学習データの特徴ベクトルを得る（ステップ４１、４２）。得られた学習データの特徴ベクトルＸに主成分分析を施して、新たな特徴ベクトルＸ’を得る（ステップ４３）。一般に、結節、非結節陰影ともに、その様相は様々であるため、結節、非結節陰影の特徴ベクトルＸ’を使って、K-means法によりそれぞれクラスタリングを行う（ステップ４４）。すなわち、結節学習データの特徴ベクトルの第ＣＡ １主成分までを用いてＰ１個、同じく非結節学習データの特徴ベクトルの第ＣＮ １主成分までを用いてＱ１個のクラスタを作る。このようなクラスタリングにより、単に結節、非結節という２つの大別だけでなく、それぞれ複数の形状クラスを持ち、そのいずれかに属するかどうかで、最終的な判定を行う。なお、最適なクラスタ数ｋを定めるために、クラスタ数自動決定法を採用している。 Here, a reference cluster used for determining a shadow is created in advance. As shown in FIG. 3, the reference cluster is created by using the learning data distributed to the nodule and the non-nodule based on the diagnosis result by the doctor in the same manner as in FIG. Is obtained (steps 41 and 42). A principal component analysis is performed on the feature vector X of the obtained learning data to obtain a new feature vector X ′ (step 43). In general, since the appearance of the nodule and the non-nodule shadow are various, clustering is performed by the K-means method using the feature vector X ′ of the nodule and the non-nodule shadow (step 44). That is, P 1 clusters are created using up to the C A 1 principal component of feature vectors of nodule learning data, and Q 1 clusters are created using up to the C N 1 principal components of feature vectors of non-nodule learning data. By such clustering, the final determination is performed not only based on the two major classifications of nodule and non-nodule, but also whether each has a plurality of shape classes and belongs to one of them. In order to determine the optimum cluster number k, an automatic cluster number determination method is employed.

図２に示すように、ステップ３２で得られた特徴ベクトルを、基準クラスタの空間に投影する（ステップ３３）。すなわち、図４に示すように、未学習データの特徴ベクトルを結節および非結節の両基準クラスタ空間へ投影し、その特徴ベクトルと全てのクラスタとのユークリッド距離を計算する（ステップ３４）。ここで、Ｐ１個の結節クラスタとの距離をｄＡ１ ｐ１，ｐ１＝１，２，・・・，Ｐ１、Ｑ１個の非結節クラスタとの距離をｄＮ１ ｑ１，ｑ１＝１，２，・・・，Ｑ１、とする。つまり、（Ｐ１＋Ｑ１）個の距離が得られる。鑑別は、結節クラスタとの最小の距離であるｄＡ１ ｐ＊１，ｐ＊ １∈ｐ１と、非結節クラスタとの最小の距離であるｄＮ１ ｑ＊１，ｑ＊ １∈ｑ１との比較により行われる。具体的には、もし、（５）式が閾値α１（＞０）より小さい値をとれば結節候補、すなわち異常陰影とし、大きい場合は非結節とする（ステップ３５）。このように、ステップ３３、３４、３５から成る判定手段２５により、特徴量に基づいて、陰影が異常陰影か否かを判定することができる。 As shown in FIG. 2, the feature vector obtained in step 32 is projected onto the space of the reference cluster (step 33). That is, as shown in FIG. 4, the feature vector of unlearned data is projected onto both nodule and non-nodule reference cluster spaces, and the Euclidean distance between the feature vector and all the clusters is calculated (step 34). Here, the distance from P 1 nodule cluster is d A1 p1 , p1 = 1, 2,..., P 1 , and the distance from Q 1 non-nodule cluster is d N1 q1 , q1 = 1,2. ,..., Q 1 . That is, (P 1 + Q 1 ) distances are obtained. The distinction is made between d A1 p * 1 and p * 1 ∈p 1 that are the minimum distance to the nodule cluster and d N1 q * 1 and q * 1 ∈q 1 that are the minimum distance to the nodule cluster. This is done by comparison. Specifically, if the expression (5) takes a value smaller than the threshold value α1 (> 0), a nodule candidate, that is, an abnormal shadow is obtained, and if it is larger, a nodule is determined (step 35). As described above, the determination unit 25 including Steps 33, 34, and 35 can determine whether or not the shadow is an abnormal shadow based on the feature amount.

本発明の第１の実施の形態の画像診断支援システム、画像診断支援方法および画像診断支援プログラムは、傾き線分情報により、医療用断層画像に含まれる陰影の形状に関する情報を抽出することができる。このため、傾き線分情報に基づいて計算された特徴量は、陰影の形状を反映したものになり、陰影の形状認識による異常陰影の判定を行うことができる。このように、異常陰影の判定を形状認識により行うことができるため、画像中の陰影の位置ずれや回転に対応することができる。従来の統計的な特徴量を用いた対処療法的な方法に比べ、陰影の位置ずれや回転に対する、より本質的な解決を図ることができる。また、傾き線分情報を利用することにより、ＦＰを低減することができるとともに、事前学習を迅速に行うことができる。なお、出力手段１４により、医療用断層画像や異常陰影と判定された陰影の画像などを、随時、モニタやプリンタで出力することができる。   The image diagnosis support system, the image diagnosis support method, and the image diagnosis support program according to the first embodiment of the present invention can extract information related to the shape of a shadow included in a medical tomographic image based on inclination line segment information. . For this reason, the feature quantity calculated based on the inclination line segment information reflects the shape of the shadow, and an abnormal shadow can be determined by the shadow shape recognition. As described above, since the determination of the abnormal shadow can be performed by shape recognition, it is possible to cope with the positional deviation or rotation of the shadow in the image. Compared with the conventional coping therapy method using statistical feature values, a more fundamental solution to the displacement and rotation of the shadow can be achieved. Further, by using the slope line segment information, the FP can be reduced and the prior learning can be performed quickly. Note that the output means 14 can output a medical tomographic image, an image of a shadow determined to be an abnormal shadow, or the like on a monitor or a printer as needed.

実際のＣＴ画像を使用して、結節、非結節陰影の鑑別を行った。使用した陰影画像は、結節に対して２９７画像（学習画像：２０８、未学習画像：８９）、非結節に対して１９２９画像（学習画像：１３５１、未学習画像：５７８）を用いた。ガボールフィルタの３つのパラメータσ，λ，γは、それぞれ1.5，2.6，1とした。また、閾値処理によるβは４０とした。クラスタの数Ｐ１、Ｑ１や、傾き線分情報を抽出する際の方向の数であるＭ１、主成分数ＣＡ １、ＣＮ １は表１に示す。Ｍ１は経験的に決定し、ＣＡ １は（６）式を満たす最小の数を用いた。ＣＮ １も同様である。ここで、ｕｊは第ｊ主成分の寄与率である。 Using actual CT images, nodule and non-nodule shadows were differentiated. The used shadow images were 297 images (learned image: 208, unlearned image: 89) for nodules, and 1929 images (learned images: 1351, unlearned images: 578) for non-nodules. The three parameters σ, λ, and γ of the Gabor filter were 1.5, 2.6, and 1, respectively. Also, β by threshold processing was set to 40. Table 1 shows the number of clusters P 1 and Q 1 , the number of directions M 1 and the number of principal components C A 1 and C N 1 when extracting slope line segment information. M1 is determined empirically, and C A 1 is the smallest number that satisfies Equation (6). The same applies to C N 1 . Here, u j is the contribution ratio of the j-th principal component.

鑑別の結果をＲＯＣ曲線で示し、図５に示す。ガボールフィルタによる４方向の１２特徴量を用いなかった場合、真陽性（true positive：ＴＰ）が80%のとき、偽陽性（false positive：ＦＰ）も同じく約80%であった。一方で、ガボールフィルタを用いた場合、ＦＰは約35%であり、ＦＰが低減されている。このような鑑別率の向上は、傾き線分情報の導入が肺結節の診断において非常に効果的であることを示唆している。   The result of the discrimination is shown by an ROC curve and shown in FIG. When 12 features in four directions using the Gabor filter were not used, when the true positive (TP) was 80%, the false positive (FP) was also about 80%. On the other hand, when a Gabor filter is used, FP is about 35%, and FP is reduced. Such an improvement in the discrimination rate suggests that the introduction of slope line segment information is very effective in the diagnosis of lung nodules.

また、ＭＴＡＮＮにおいても同様の鑑別を試みたところ、図５に示すように、同じ条件でＦＰは約30%であった。パラメータや閾値のより適切な選択により、ＭＴＡＮＮの鑑別率が向上する可能性はあるが、本発明の第１の実施の形態の画像診断支援システムでも、クラスタリング方法やパラメータ調整の余地が残されていることから、その鑑別性能はＭＴＡＮＮと同程度であるといえる。一方、事前学習の際の計算時間に関しては、ＭＴＡＮＮの1/100以下に抑えることができ、事前学習を迅速行うことができる。   Further, when similar discrimination was attempted in MTANN, as shown in FIG. 5, FP was about 30% under the same conditions. Although there is a possibility that the MTANN discrimination rate may be improved by more appropriate selection of parameters and thresholds, the image diagnosis support system according to the first embodiment of the present invention also leaves room for clustering methods and parameter adjustment. Therefore, it can be said that the discrimination performance is comparable to that of MTANN. On the other hand, the calculation time for pre-learning can be suppressed to 1/100 or less of MTANN, and pre-learning can be performed quickly.

図１、図６乃至図１０は、本発明の第２の実施の形態の画像診断支援システム、画像診断支援方法および画像診断支援プログラムを示している。なお、本発明の第２の実施の形態の画像診断支援方法は、その画像診断支援システムにより実行される方法であり、画像診断支援プログラムを記録したハードディスク、ＣＤ−ＲＯＭ、フレキシブルディスクなどのコンピュータ読み取り可能な記録媒体によりコンピュータに実行させることができる。   1 and 6 to 10 show an image diagnosis support system, an image diagnosis support method, and an image diagnosis support program according to a second embodiment of the present invention. Note that the image diagnosis support method according to the second embodiment of the present invention is a method executed by the image diagnosis support system, and is read by a computer such as a hard disk, a CD-ROM, or a flexible disk in which the image diagnosis support program is recorded. The computer can be executed by a possible recording medium.

なお、本発明の第２の実施の形態の画像診断支援システムは、本発明の第１の実施の形態の画像診断支援システムを実行する前の処理を追加したものであり、本発明の第１の実施の形態の画像診断支援システムと同一のものには同一の符号を付して、重複する説明を省略する。   Note that the image diagnosis support system according to the second embodiment of the present invention is obtained by adding processing before the execution of the image diagnosis support system according to the first embodiment of the present invention. The same components as those in the image diagnosis support system of the embodiment are denoted by the same reference numerals, and redundant description is omitted.

図１に示すように、本発明の第２の実施の形態の画像診断支援システムは、主制御部１３に、隣接画像抽出手段５１と連続成分量計算手段５２と候補判定手段５３とをさらに有している。隣接画像抽出手段５１は、陰影画像抽出手段２１で抽出した陰影を含む医療用断層画像と隣り合う２つの医療用断層画像から、陰影画像抽出手段２１で抽出された部分画像に対応する領域の部分画像を抽出するようになっている。連続成分量計算手段５２は、陰影画像抽出手段２１で抽出された部分画像と、隣接画像抽出手段５１で抽出された部分画像とに基づいて、特徴量として、各部分画像間での陰影の連続性に関する連続成分量を計算するようになっている。候補判定手段５３は、連続成分量計算手段５２で計算された連続成分量に基づいて、陰影が異常陰影候補であるか否かを判定するようになっている。情報抽出手段２３は、候補判定手段５３で異常陰影候補であると判定された陰影に対して、傾き線分情報を抽出するようになっている。   As shown in FIG. 1, in the image diagnosis support system according to the second embodiment of the present invention, the main control unit 13 further includes an adjacent image extraction unit 51, a continuous component amount calculation unit 52, and a candidate determination unit 53. is doing. The adjacent image extracting unit 51 is a part of a region corresponding to the partial image extracted by the shadow image extracting unit 21 from two medical tomographic images adjacent to the medical tomographic image including the shadow extracted by the shadow image extracting unit 21. An image is extracted. The continuous component amount calculation means 52 uses the partial image extracted by the shadow image extraction means 21 and the partial image extracted by the adjacent image extraction means 51 as a feature amount and the continuity of the shadow between the partial images. The amount of continuous components related to sex is calculated. The candidate determination unit 53 determines whether or not the shadow is an abnormal shadow candidate based on the continuous component amount calculated by the continuous component amount calculation unit 52. The information extracting unit 23 extracts inclination line segment information for the shadow determined by the candidate determining unit 53 as an abnormal shadow candidate.

次に、本発明の第２の実施の形態の画像診断支援システムの処理手順について説明する。
まず、図６に示すように、受信手段１１で受信されて記憶手段１２に記憶された複数の医療用断層画像から、陰影画像抽出手段２１により、陰影を含む領域の部分画像６１を抽出する。また、隣接画像抽出手段５１により、陰影を含む医療用断層画像と隣り合う２つの医療用断層画像から、陰影画像抽出手段２１で抽出された部分画像６１に対応する領域の部分画像６２，６３を抽出する。 Next, the processing procedure of the diagnostic imaging support system according to the second embodiment of the present invention will be described.
First, as shown in FIG. 6, a partial image 61 of a region including a shadow is extracted by a shadow image extraction unit 21 from a plurality of medical tomographic images received by the reception unit 11 and stored in the storage unit 12. Further, the partial images 62 and 63 of the region corresponding to the partial image 61 extracted by the shadow image extracting unit 21 from the two medical tomographic images adjacent to the medical tomographic image including the shadow by the adjacent image extracting unit 51 are obtained. Extract.

連続成分量計算手段５２により、陰影画像抽出手段２１で抽出された部分画像６１と隣接画像抽出手段５１で抽出された部分画像６２，６３とに基づいて、特徴量として、各部分画像間での陰影の連続性に関する連続成分量を計算する。すなわち、各部分画像６１，６２，６３それぞれについて、全画素値の平均より大きい画素値の平均をとる。ここで、陰影画像抽出手段２１で抽出された部分画像６１の平均値をＶｍ、隣接画像抽出手段５１で抽出された２つの部分画像６２，６３の平均値をそれぞれＶｕ，Ｖｌとし、連続成分量として（７）式で示される体軸方向変化情報Ｔを定義する。   Based on the partial image 61 extracted by the shadow image extracting unit 21 and the partial images 62 and 63 extracted by the adjacent image extracting unit 51 by the continuous component amount calculating unit 52, the feature amount is calculated between the partial images. Calculate the amount of continuous components related to the continuity of the shadow. That is, for each of the partial images 61, 62, and 63, the average of the pixel values larger than the average of all the pixel values is taken. Here, the average value of the partial images 61 extracted by the shadow image extracting means 21 is Vm, the average values of the two partial images 62 and 63 extracted by the adjacent image extracting means 51 are Vu and Vl, respectively, and the continuous component amount The body axis direction change information T expressed by the equation (7) is defined as follows.

体軸方向変化情報Ｔは、非結節陰影に多く見られるような体軸方向に連続性を呈するとき低い値をとり、逆に結節陰影に多く見られる体軸方向の不連続を呈する場合には大きな値をとる。図７に示すように、候補判定手段５３により、体軸方向変化情報Ｔが閾値Ｔｈよりも小さいものを非結節とし、閾値Ｔｈよりも大きいものを結節の可能性がある異常陰影候補と判定する。情報抽出手段２３により、異常陰影候補であると判定された陰影に対して、傾き線分情報を抽出し、第１の実施の形態の画像診断支援システムにより、陰影が異常陰影か否かを判定する。   The body axis direction change information T takes a low value when showing continuity in the body axis direction as often seen in non-nodular shadows, and conversely, when discontinuity in the body axis direction often found in nodular shadows Take a large value. As shown in FIG. 7, the candidate determining means 53 determines that the body axis direction change information T is smaller than the threshold Th as non-nodule, and the body axis direction change information T is determined as an abnormal shadow candidate having a possibility of nodule. . Inclination line segment information is extracted for the shadow determined to be an abnormal shadow candidate by the information extraction means 23, and it is determined whether or not the shadow is an abnormal shadow by the image diagnosis support system of the first embodiment. To do.

本発明の第２の実施の形態の画像診断支援システム、画像診断支援方法および画像診断支援プログラムは、隣り合う医療用断層画像から抽出された互いに対応する領域の部分画像に基づいて、特徴量として陰影の連続性に関する連続成分量を計算するため、３次元での形状認識による異常陰影の判定を行うことができ、さらにＦＰを低減することができる。また、医療用断層画像に基づいて３次元構造を再構成する従来の方法に比べ、計算量を大幅に低減することができ、迅速に異常陰影の判定を行うことができる。   The image diagnosis support system, the image diagnosis support method, and the image diagnosis support program according to the second embodiment of the present invention are based on partial images of mutually corresponding regions extracted from adjacent medical tomographic images. Since the amount of the continuous component related to the continuity of the shadow is calculated, the abnormal shadow can be determined by the shape recognition in three dimensions, and the FP can be further reduced. Moreover, compared with the conventional method of reconstructing a three-dimensional structure based on a medical tomographic image, the amount of calculation can be greatly reduced, and an abnormal shadow can be quickly determined.

診断医からの聞き取り調査の結果、結節と非結節陰影を区別する際には、水平断層面における陰影そのものの情報ももちろん重要であるが、その他にその体軸方向情報、例えばその陰影の上下のＣＴ画像情報も重要であることが判明している。すなわち、円形を呈する非結節陰影の多くは、水平断面を体軸方向に垂直に貫いた血管影であることが多いため、ＣＴ断層面を体軸方向（体の上下方向）に移動しても、陰影が上下の断層面で連続しており、同じ場所に同じような円形陰影を呈する。これに対して、結節は３次元的には球形を呈することが多いため、体軸方向に移動した断層面上では、円形陰影の濃度や大きさが大きく変動するような不連続性を示す。実際、診断医は、はじめにこの体軸方向の不連続性に注目して結節候補のあたりをつけていることが、聞き取り調査の結果明らかになっている。本発明の第２の実施の形態の画像診断支援システム、画像診断支援方法および画像診断支援プログラムでは、この体軸方向情報の特徴量を体軸方向変化情報Ｔとして抽出して利用しているため、結節、非結節の鑑別率をさらに向上することができる。   As a result of interviews with diagnostic doctors, when distinguishing nodules and non-nodular shadows, the information of the shadows on the horizontal tomographic plane itself is of course important. CT image information has also been found to be important. In other words, many non-nodular shadows that are circular are often blood vessel shadows that penetrate a horizontal section perpendicular to the body axis direction, so even if the CT slice plane is moved in the body axis direction (vertical direction of the body) The shadows are continuous on the upper and lower tomographic planes and present a similar circular shadow at the same location. On the other hand, since the nodule often has a three-dimensional spherical shape, the density and the size of the circular shadow greatly vary on the tomographic plane moved in the body axis direction. In fact, as a result of interviews, it has become clear that diagnostic physicians are focusing on nodule candidates by focusing on discontinuities in the body axis direction. In the image diagnosis support system, the image diagnosis support method, and the image diagnosis support program according to the second embodiment of the present invention, the feature amount of the body axis direction information is extracted and used as the body axis direction change information T. Further, the discrimination rate between nodules and non-nodules can be further improved.

実施例１と同じＣＴ画像を使用して、結節、非結節陰影の鑑別を行った。各陰影に対し、
連続成分量である体軸方向変化情報Ｔを計算し、その結果を図８に示す。図８に示すように、陰影番号1930番以降の結節陰影のＴの方が全体的に高い値をとっている。なお、結節、非結節のＴの平均はそれぞれ、0.4786、0.1820であった。 Using the same CT image as in Example 1, nodule and non-nodule shadow were differentiated. For each shadow
The body axis direction change information T, which is a continuous component amount, is calculated, and the result is shown in FIG. As shown in FIG. 8, T of the nodule shadows after the shadow number 1930 has a higher overall value. The averages of T for nodules and non-nodules were 0.4786 and 0.1820, respectively.

閾値Ｔｈを0.206として異常陰影候補を判定し、さらにガボールフィルタで傾き線分情報を抽出して異常陰影の鑑別を行った結果を、図９に示す。図９に示すように、真陽性（true positive：ＴＰ）が90％のとき、偽陽性（false positive：ＦＰ）が約20％となった。体軸方向変化情報Ｔを用いずガボールフィルタのみを用いた場合は、同じ条件でＦＰが50％を超えていることから、体軸方向変化情報Ｔを用いた鑑別の有用性が確認された。なお、ＴＰが100％に達していないのは、Ｔを用いた鑑別の際に、いくつかの結節陰影を非結節と見なしてしまったためである。   FIG. 9 shows the result of determining abnormal shadow candidates by setting the threshold Th to 0.206, and further identifying the abnormal shadows by extracting the slope line segment information with the Gabor filter. As shown in FIG. 9, when the true positive (TP) was 90%, the false positive (FP) was about 20%. When only the Gabor filter was used without using the body axis direction change information T, the FP exceeded 50% under the same conditions. Therefore, the usefulness of the discrimination using the body axis direction change information T was confirmed. The reason why the TP does not reach 100% is that some nodular shadows are regarded as non-nodules during discrimination using T.

また、閾値Ｔｈを変えたときの結果を、同じＲＯＣ曲線図に示したものを図１０に示す。図１０に示すように、閾値Ｔｈの設定ミスによっては鑑別率の向上は期待できないが、最適な閾値Ｔｈを設定すれば大幅な鑑別率向上が実現できることが確認された。それと同時に、体軸方向変化情報Ｔを用いることによる鑑別率の悪化は起きないことも確認された。ガボールフィルタのみを用いた場合は、図５に示すように、ＭＴＡＮＮの性能とほぼ同等であったことを考えると、体軸方向変化情報Ｔを用いた鑑別率の改善法は非常に有効であるといえる。   In addition, FIG. 10 shows the results when the threshold value Th is changed in the same ROC curve diagram. As shown in FIG. 10, an improvement in the discrimination rate cannot be expected due to a mistake in setting the threshold Th, but it has been confirmed that a significant improvement in the discrimination rate can be realized by setting an optimum threshold Th. At the same time, it was also confirmed that the discrimination rate was not deteriorated by using the body axis direction change information T. When only the Gabor filter is used, as shown in FIG. 5, considering that the performance is almost equivalent to that of MTANN, the method for improving the discrimination rate using the body axis direction change information T is very effective. It can be said.

本発明の第１および第２の実施の形態の画像診断支援システムの構成を示すブロック図である。It is a block diagram which shows the structure of the image diagnosis assistance system of the 1st and 2nd embodiment of this invention. 図１に示す第１の実施の形態の画像診断支援システムの処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of the diagnostic imaging support system of 1st Embodiment shown in FIG. 図１に示す第１の実施の形態の画像診断支援システムの基準クラスタの作成手順を示すフローチャートである。It is a flowchart which shows the preparation procedure of the reference | standard cluster of the diagnostic imaging support system of 1st Embodiment shown in FIG. 図１に示す第１の実施の形態の画像診断支援システムの、未学習データの特徴ベクトルを基準クラスタの空間に投影して異常陰影を判定する原理を示す説明図である。It is explanatory drawing which shows the principle which determines the abnormal shadow by projecting the feature vector of unlearned data on the space of a reference | standard cluster of the diagnostic imaging support system of 1st Embodiment shown in FIG. 図１に示す第１の実施の形態の画像診断支援システムの異常陰影の判定結果のＲＯＣ（Receiver Operating Characteristic）曲線を示すグラフである。It is a graph which shows the ROC (Receiver Operating Characteristic) curve of the determination result of the abnormal shadow of the diagnostic imaging support system of 1st Embodiment shown in FIG. 図１に示す第２の実施の形態の画像診断支援システムの、部分画像を抽出して体軸方向変化情報Ｔを計算する原理を示す説明図である。It is explanatory drawing which shows the principle which extracts the partial image and calculates the body-axis direction change information T of the diagnostic imaging support system of 2nd Embodiment shown in FIG. 図１に示す第２の実施の形態の画像診断支援システムの処理手順を示すフローチャートである。It is a flowchart which shows the process sequence of the image diagnosis assistance system of 2nd Embodiment shown in FIG. 図１に示す第２の実施の形態の画像診断支援システムの体軸方向変化情報Ｔの計算結果を示すグラフである。It is a graph which shows the calculation result of the body-axis direction change information T of the diagnostic imaging support system of 2nd Embodiment shown in FIG. 図１に示す第２の実施の形態の画像診断支援システムの異常陰影の判定結果のＲＯＣ曲線を示すグラフである。It is a graph which shows the ROC curve of the determination result of the abnormal shadow of the diagnostic imaging support system of 2nd Embodiment shown in FIG. 図１に示す第２の実施の形態の画像診断支援システムの、閾値Ｔｈを変動させたときの異常陰影の判定結果のＲＯＣ曲線を示すグラフである。It is a graph which shows the ROC curve of the determination result of the abnormal shadow when the threshold value Th is fluctuated of the diagnostic imaging support system of 2nd Embodiment shown in FIG.

符号の説明Explanation of symbols

１１ 受信手段
１２ 記憶手段
１３ 主制御部
１４ 出力手段
２１ 陰影画像抽出手段
２２ 画像２値化手段
２３ 情報抽出手段
２４ 特徴量計算手段
２５ 判定手段
５１ 隣接画像抽出手段
５２ 連続成分量計算手段
５３ 候補判定手段
６１，６２，６３ 部分画像

DESCRIPTION OF SYMBOLS 11 Reception means 12 Storage means 13 Main control part 14 Output means 21 Shadow image extraction means 22 Image binarization means 23 Information extraction means 24 Feature quantity calculation means 25 Determination means 51 Adjacent image extraction means 52 Continuous component amount calculation means 53 Candidate determination Means 61, 62, 63 Partial image

Claims (6)

医療用断層画像に含まれる異常陰影を検出する画像診断支援システムであって、
ガボールフィルタを用いて、前記医療用断層画像に含まれる陰影の形状を構成する傾き線分情報を抽出する情報抽出手段と、
前記情報抽出手段で抽出された傾き線分情報に基づいて、前記陰影の特徴量を計算する特徴量計算手段と、
前記特徴量計算手段で計算された特徴量に基づいて、前記陰影が異常陰影か否かを判定する判定手段とを、
有することを特徴とする画像診断支援システム。 An image diagnosis support system for detecting an abnormal shadow included in a medical tomographic image,
Information extracting means for extracting inclination line segment information constituting the shape of the shadow included in the medical tomographic image using a Gabor filter;
Feature amount calculating means for calculating the feature amount of the shadow based on the inclination line segment information extracted by the information extracting means;
Determination means for determining whether or not the shadow is an abnormal shadow based on the feature quantity calculated by the feature quantity calculation means;
An image diagnosis support system comprising: 前記医療用断層画像は所定の間隔で撮影された複数の画像から成り、
前記医療用断層画像に含まれる陰影に対して、前記陰影を含む所定の大きさの領域の部分画像を抽出する陰影画像抽出手段と、
前記陰影を含む医療用断層画像と隣り合う医療用断層画像から、前記陰影画像抽出手段で抽出された部分画像に対応する領域の部分画像を抽出する隣接画像抽出手段と、
前記陰影画像抽出手段で抽出された部分画像と、前記隣接画像抽出手段で抽出された部分画像とに基づいて、各部分画像間での前記陰影の連続性に関する連続成分量を計算する連続成分量計算手段と、
前記連続成分量計算手段で計算された連続成分量に基づいて、前記陰影が異常陰影候補であるか否かを判定する候補判定手段とを有し、
前記情報抽出手段は、前記候補判定手段で異常陰影候補であると判定された陰影に対して、傾き線分情報を抽出することを、
特徴とする請求項１記載の画像診断支援システム。 The medical tomographic image consists of a plurality of images taken at a predetermined interval,
Shadow image extraction means for extracting a partial image of a region of a predetermined size including the shadow with respect to the shadow included in the medical tomographic image;
An adjacent image extracting means for extracting a partial image of a region corresponding to the partial image extracted by the shadow image extracting means from a medical tomographic image adjacent to the medical tomographic image including the shadow;
A continuous component amount for calculating a continuous component amount related to the continuity of the shadow between the partial images based on the partial image extracted by the shadow image extracting unit and the partial image extracted by the adjacent image extracting unit Calculation means;
Candidate determination means for determining whether the shadow is an abnormal shadow candidate based on the continuous component amount calculated by the continuous component amount calculation means;
The information extraction means extracts the slope line segment information for the shadow determined to be an abnormal shadow candidate by the candidate determination means,
The diagnostic imaging support system according to claim 1, wherein: 医療用断層画像に含まれる異常陰影を検出する画像診断支援方法であって、
ガボールフィルタを用いて、前記医療用断層画像に含まれる陰影の形状を構成する傾き線分情報を抽出する情報抽出ステップと、
前記情報抽出ステップで抽出された傾き線分情報に基づいて、前記陰影の特徴量を計算する特徴量計算ステップと、
前記特徴量計算ステップで計算された特徴量に基づいて、前記陰影が異常陰影か否かを判定する判定ステップとを、
有することを特徴とする画像診断支援方法。 An image diagnosis support method for detecting an abnormal shadow included in a medical tomographic image,
An information extracting step of extracting inclination line segment information constituting the shape of a shadow included in the medical tomographic image using a Gabor filter;
A feature amount calculating step for calculating the feature amount of the shadow based on the slope line segment information extracted in the information extracting step;
A determination step of determining whether the shadow is an abnormal shadow based on the feature amount calculated in the feature amount calculation step;
A diagnostic imaging support method comprising: 前記医療用断層画像は所定の間隔で撮影された複数の画像から成り、
前記医療用断層画像に含まれる陰影に対して、前記陰影を含む所定の大きさの領域の部分画像を抽出する陰影画像抽出ステップと、
前記陰影を含む医療用断層画像と隣り合う医療用断層画像から、前記陰影画像抽出ステップで抽出された部分画像に対応する領域の部分画像を抽出する隣接画像抽出ステップと、
前記陰影画像抽出ステップで抽出された部分画像と、前記隣接画像抽出ステップで抽出された部分画像とに基づいて、各部分画像間での前記陰影の連続性に関する連続成分量を計算する連続成分量計算ステップと、
前記連続成分量計算ステップで計算された連続成分量に基づいて、前記陰影が異常陰影候補であるか否かを判定する候補判定ステップとを有し、
前記情報抽出ステップは、前記候補判定ステップで異常陰影候補であると判定された陰影に対して、傾き線分情報を抽出することを、
特徴とする請求項３記載の画像診断支援方法。 The medical tomographic image consists of a plurality of images taken at a predetermined interval,
A shadow image extracting step for extracting a partial image of a region having a predetermined size including the shadow with respect to the shadow included in the medical tomographic image;
An adjacent image extracting step of extracting a partial image of a region corresponding to the partial image extracted in the shadow image extracting step from a medical tomographic image adjacent to the medical tomographic image including the shadow;
A continuous component amount for calculating a continuous component amount relating to the continuity of the shadow between the partial images based on the partial image extracted in the shadow image extraction step and the partial image extracted in the adjacent image extraction step A calculation step;
A candidate determination step of determining whether the shadow is an abnormal shadow candidate based on the continuous component amount calculated in the continuous component amount calculation step;
The information extraction step is to extract inclination line segment information for the shadow determined to be an abnormal shadow candidate in the candidate determination step.
The image diagnosis support method according to claim 3, wherein: 医療用断層画像に含まれる異常陰影を検出する画像診断支援プログラムであって、
コンピュータを、
ガボールフィルタを用いて、前記医療用断層画像に含まれる陰影の形状を構成する傾き線分情報を抽出する情報抽出手段、
前記情報抽出手段で抽出された傾き線分情報に基づいて、前記陰影の特徴量を計算する特徴量計算手段、
前記特徴量計算手段で計算された特徴量に基づいて、前記陰影が異常陰影か否かを判定する判定手段として、
機能させるための画像診断支援プログラム。 An image diagnosis support program for detecting an abnormal shadow included in a medical tomographic image,
Computer
Information extracting means for extracting inclination line segment information constituting the shape of a shadow included in the medical tomographic image using a Gabor filter,
Feature amount calculation means for calculating the feature quantity of the shadow based on the inclination line segment information extracted by the information extraction means;
Based on the feature amount calculated by the feature amount calculation means, as a determination means for determining whether the shadow is an abnormal shadow,
Image diagnosis support program to make it function. 前記医療用断層画像は所定の間隔で撮影された複数の画像から成り、
コンピュータを、
前記医療用断層画像に含まれる陰影に対して、前記陰影を含む所定の大きさの領域の部分画像を抽出する陰影画像抽出手段、
前記陰影を含む医療用断層画像と隣り合う医療用断層画像から、前記陰影画像抽出手段で抽出された部分画像に対応する領域の部分画像を抽出する隣接画像抽出手段、
前記陰影画像抽出手段で抽出された部分画像と、前記隣接画像抽出手段で抽出された部分画像とに基づいて、各部分画像間での前記陰影の連続性に関する連続成分量を計算する連続成分量計算手段、
前記連続成分量計算手段で計算された連続成分量に基づいて、前記陰影が異常陰影候補であるか否かを判定する候補判定手段として機能させ、
前記情報抽出手段は、前記候補判定手段で異常陰影候補であると判定された陰影に対して、傾き線分情報を抽出することを、
特徴とする請求項５記載の画像診断支援プログラム。
The medical tomographic image consists of a plurality of images taken at a predetermined interval,
Computer
Shadow image extraction means for extracting a partial image of a region of a predetermined size including the shadow with respect to the shadow included in the medical tomographic image;
An adjacent image extracting means for extracting a partial image of a region corresponding to the partial image extracted by the shadow image extracting means from a medical tomographic image adjacent to the medical tomographic image including the shadow;
A continuous component amount for calculating a continuous component amount related to the continuity of the shadow between the partial images based on the partial image extracted by the shadow image extracting unit and the partial image extracted by the adjacent image extracting unit Calculation means,
Based on the continuous component amount calculated by the continuous component amount calculation means, function as candidate determination means for determining whether the shadow is an abnormal shadow candidate,
The information extraction means extracts the slope line segment information for the shadow determined to be an abnormal shadow candidate by the candidate determination means,
6. The image diagnosis support program according to claim 5, wherein
JP2007134230A 2007-05-21 2007-05-21 Diagnostic imaging support system, its method, and its program Pending JP2008284285A (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2007134230A JP2008284285A (en) 2007-05-21 2007-05-21 Diagnostic imaging support system, its method, and its program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2007134230A JP2008284285A (en) 2007-05-21 2007-05-21 Diagnostic imaging support system, its method, and its program

Publications (1)

Publication Number Publication Date
JP2008284285A true JP2008284285A (en) 2008-11-27

Family

ID=40144571

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2007134230A Pending JP2008284285A (en) 2007-05-21 2007-05-21 Diagnostic imaging support system, its method, and its program

Country Status (1)

Country Link
JP (1) JP2008284285A (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9808217B2 (en) 2013-05-31 2017-11-07 Tohoku University Breast cancer detection system, breast cancer detection method, breast cancer detection program, and computer-readable recording medium having breast cancer detection program recorded thereon
JP2018081714A (en) * 2012-11-09 2018-05-24 カリフォルニア インスティチュート オブ テクノロジー Automated feature analysis, comparison, and abnormality detection

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1091782A (en) * 1996-09-10 1998-04-10 Olympus Optical Co Ltd Method for extracting specific site for gradation picture
JPH1196339A (en) * 1997-09-22 1999-04-09 Olympus Optical Co Ltd Device and method for detecting mass shadow in image, and recording medium recorded with mass shadow detection program
JP2002109550A (en) * 2000-09-29 2002-04-12 Fuji Photo Film Co Ltd Cardiothoracic contour detection method and cardiothoracic ratio calculation method
JP2007111123A (en) * 2005-10-18 2007-05-10 Hitachi Medical Corp Medical image display device

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH1091782A (en) * 1996-09-10 1998-04-10 Olympus Optical Co Ltd Method for extracting specific site for gradation picture
JPH1196339A (en) * 1997-09-22 1999-04-09 Olympus Optical Co Ltd Device and method for detecting mass shadow in image, and recording medium recorded with mass shadow detection program
JP2002109550A (en) * 2000-09-29 2002-04-12 Fuji Photo Film Co Ltd Cardiothoracic contour detection method and cardiothoracic ratio calculation method
JP2007111123A (en) * 2005-10-18 2007-05-10 Hitachi Medical Corp Medical image display device

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018081714A (en) * 2012-11-09 2018-05-24 カリフォルニア インスティチュート オブ テクノロジー Automated feature analysis, comparison, and abnormality detection
US9808217B2 (en) 2013-05-31 2017-11-07 Tohoku University Breast cancer detection system, breast cancer detection method, breast cancer detection program, and computer-readable recording medium having breast cancer detection program recorded thereon

Similar Documents

Publication Publication Date Title
Sekuboyina et al. VerSe: a vertebrae labelling and segmentation benchmark for multi-detector CT images
El-Baz et al. Computer‐aided diagnosis systems for lung cancer: challenges and methodologies
Soliman et al. Accurate lungs segmentation on CT chest images by adaptive appearance-guided shape modeling
El-Baz et al. Automatic detection of 2D and 3D lung nodules in chest spiral CT scans
Teramoto et al. Fast lung nodule detection in chest CT images using cylindrical nodule-enhancement filter
US10121243B2 (en) Advanced computer-aided diagnosis of lung nodules
JP6267710B2 (en) System and method for automatically detecting pulmonary nodules in medical images
US7869640B2 (en) Medical image processing apparatus and medical image processing method
US9808217B2 (en) Breast cancer detection system, breast cancer detection method, breast cancer detection program, and computer-readable recording medium having breast cancer detection program recorded thereon
El-Baz et al. Three-dimensional shape analysis using spherical harmonics for early assessment of detected lung nodules
JP2006239005A (en) Image diagnostic processor and image diagnostic processing program
US20110255761A1 (en) Method and system for detecting lung tumors and nodules
Silva et al. EGFR assessment in lung cancer CT images: analysis of local and holistic regions of interest using deep unsupervised transfer learning
Zhou et al. Semi-automatic segmentation of 3D liver tumors from CT scans using voxel classification and propagational learning
Wang et al. Lung metastases detection in CT images using 3D template matching
CN114140378A (en) Scanned image processing method, electronic device, and readable medium
Cifci SegChaNet: a novel model for lung cancer segmentation in CT scans
Cruz-Bernal et al. Analysis of the cluster prominence feature for detecting calcifications in mammograms
US8121376B2 (en) Diagnostic imaging support processing apparatus and diagnostic imaging support processing program product
Lee et al. Hybrid airway segmentation using multi-scale tubular structure filters and texture analysis on 3D chest CT scans
US8107699B2 (en) Feature processing for lung nodules in computer assisted diagnosis
JP2008284285A (en) Diagnostic imaging support system, its method, and its program
Duan et al. Segmentation of pulmonary vascular tree by incorporating vessel enhancement filter and variational region-growing
Nomura et al. Reduction of false positives at vessel bifurcations in computerized detection of lung nodules
Zhang et al. Automatic detection and segmentation of lung nodules in different locations from CT images based on adaptive α‐hull algorithm and DenseNet convolutional network

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20100217

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A821

Effective date: 20100218

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20100217

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20100316

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20111111

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20111122

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20120327