JP2008520344A - 放射線写真画像の向きを検知及び補正する方法 - Google Patents
放射線写真画像の向きを検知及び補正する方法 Download PDFInfo
- Publication number
- JP2008520344A JP2008520344A JP2007543056A JP2007543056A JP2008520344A JP 2008520344 A JP2008520344 A JP 2008520344A JP 2007543056 A JP2007543056 A JP 2007543056A JP 2007543056 A JP2007543056 A JP 2007543056A JP 2008520344 A JP2008520344 A JP 2008520344A
- Authority
- JP
- Japan
- Prior art keywords
- image
- region
- orientation
- interest
- detecting
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20036—Morphological image processing
- G06T2207/20044—Skeletonization; Medial axis transform
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30008—Bone
Landscapes
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Editing Of Facsimile Originals (AREA)
Abstract
放射線写真画像の向きを検知及び補正する方法を提案する。本方法は、概略、その画像にアクセスするステップと、その画像における注目領域を特定するステップと、その注目領域を利用し且つクラシファイアを適用してその画像の向きを検知するステップと、を有する。より好ましくはその画像を前処理する。
Description
本発明は、大まかには放射線写真処理技術に関し、より詳細には、放射線写真画像の向きを自動的に検知及び補正する技術に関する。
PACS(Picture archiving and communications systems)は、各種方式で撮影した画像を収集、保存及び再生するシステムである。このシステムでは、収集した画像を表示端末(ワークステーション)に配信しその画面上に表示させることができる。PACS対応の撮像方式としては、MRI(Magnetic Resonance Imaging)、CT(Computer Tomography)、PET(Positron Emission Tomography)、US(Ultrasonography)、CR(computed radiography)、DR(digital radiography)等がある。
PACS上で画像を表示させる際には適正な向きで表示させたいものである。その画像がMRI、CT、PET又はUSで得られた画像であるならば、どのような向きで撮影されたかが予めはっきりしているので、表示の向きを直ちに適正な向きにすることができる。
しかしながら、その他の方式では画像の向きが問題になる場合がある。例えばCRで用いられるCRカセットはフィルムカセットと同じく撮影装置から独立しているので、そのカセットに画像がどの向きで撮られたかが見た目にはわからない。即ち、CRカセットは検査条件乃至検査状態に応じ様々な向きでセットされるため、処理後に画面上に表示してみるまでは、どんな向きで画像が撮られているのかわからない。
これと同様の状況は、フィルム版の画像をディジタル化する際にも発生する。即ち、病院の放射線科でディジタル画像再生システムを購入する際には、しばしば、過去の検査結果をPACS上で呼び出せるようにするため、大量の放射線写真フィルムを読み込みディジタル画像化する作業が必要になる。この作業は通常はバルクフィーダを用いて行われるので、PACS側には、それらのディジタル画像が果たしてどちら向きの画像かがわからなくなる。
そのため、現状では、放射線技師達が画像毎にその表示方向を手作業で正すのが通例となっている。表示端末の画面上での画像回転操作は、画像が1枚なら数瞬でやれることであるが、調べたい画像の枚数が多数に上る場合、回転作業に食われる時間やその作業に費やされるコストがかなり嵩んでしまう。
放射線写真画像を適正な向きで表示させたいわけは他にもいろいろある。例えば、表示される画像の向きが適正であれば、画質が良好になるだけでなく、診断の信頼性も高まる。とりわけ、画像に基づく臨床診断の正確性は、診断対象部位がどの画像でも同じ向きで表示される場合に高くなる。これは、どの画像も同じ向き即ち適正な向きで表示されるなら、どの画像中の診断対象部位もほぼ同じ位置で表示されるので、それらの画像から個々の診断対象部位を簡便且つ正確に読み取れるからである。更に、画像をレンダリングし表示させるための画像処理アルゴリズムのロバスト性及び効率を、より高めることができよう。
こうしたことからすると、放射線写真画像の向きを自動検知し、必要とあらばその向きを変え放射線科の医師・技師その他の看者が望む向きにする方法が、求められているといえる。そうした方法があれば、PACSによる画像管理及び表示の効率性及び効果性が高まり、院内作業がより捗ることとなろう。
しかしながら、放射線写真画像の向きの自動認識は些か難題である。それは、放射線写真撮影を伴う検査が多岐に亘っておりその条件も様々であるからである。また、例えば患者の体位や体躯も様々であるし、放射線科の医師・技師等は個々の患者の状況に応じて様々に撮影するものであるので、たとえ同じ検査が行われたとしても、得られる放射線画像が見た目に大分違うものになることがある。また、人間は、画像の内容を調べ、それらを何か重要な着眼点に従いグループ分けし、そしてその結果を何かの脈絡に沿って解釈する、という高度な知的処理によって、画像の向きが適正かどうかを判別する。そうした一連の解析手順を実行できるコンピュータは未だ実現されていない。
なお、胸部放射線写真画像の向きを識別する手法はこれまでに幾種類か提案されている。例えば非特許文献1に記載の方法では、画像濃度を横方向に平均化することにより得た画像濃度曲線及び同じく縦方向に平均化することにより得た画像濃度曲線に基づき胸部画像の輪郭及び向きを自動判別する。非特許文献2に記載の人工ニューラルネットワークは、2本の画像濃度曲線及び4個の注目領域を含む種々の特徴量を抽出し、向きを求めて胸部放射線写真画像を分類する。非特許文献3では、相直交する方向に沿った2本の画像濃度曲線に対し線形回帰法を適用することにより心画像の上下を判別し、更にその画像から心臓のエッジを探して回転の要否を判別する。
これらの手法は何れも胸部放射線写真画像の性質をうまく利用した手法であり、その狙いとする分野では相応の成果を挙げうるものであるが、別種の検査で得た放射線写真画像、例えば肘、膝、頚椎等の画像に対し適用するには相応しくない。それは、行方向又は列方向に画素値を累積加算する処理で細部の情報が失われるため、その処理で求めた画像濃度曲線では、画像の向きについて十分な情報を提供できないことがあるからである。更に、画像濃度曲線は患者の体位やノイズの影響を非常に受けやすい。
また、自然風景画像の向きを検知する手法もこれまでに幾種類か提案されている。例えば非特許文献4では、ベイジアン学習ネットワークを用い画像を向きで分類する。非特許文献5に記載の画像正立方向自動検知アルゴリズムでは、画像コンテンツに含まれる特徴的構造と特徴色(特に低輝度部分)とを併用する。どちらの方法も色的特徴を利用する方法であるが、放射線写真画像には色的特徴がないので、そうした方法は放射線写真画像の向きの検知には適していない。
そして、画像化した文書の向きを検知する手法も知られているが、文書と放射線写真画像とではその違いが大きすぎるため、文書の向きを検知するための方法を放射線写真画像の向きの検知に利用することはできない。
以上のように、放射線写真画像の向きを自動検知する方法、とりわけ放射線写真画像間の様々な違いに対応できるロバスト的な方法が、求められているといえよう。
本発明の目的は、例えば、放射線写真画像の向きを自動検知する方法を提供することにある。
本発明の目的は、或いは、表示される放射線写真画像の向きを補正、修正する方法を提供することにある。
本発明は、これらの目的を含め種々の目的の達成に利用できる発明である。本願ではそれらの目的や本発明の種々の効果について縷々説明しないが、本件技術分野にて習熟を積んだ者(いわゆる当業者)であれば、本願に記載のない目的や効果も(いずれ)読み取れるであろう。本発明の定義は、別紙特許請求の範囲に記載の通りである。
ここに、本発明の一実施形態に係る方法は、取り込んだ放射線写真画像を前処理するステップと(但しこれは必須ではない)、その画像における注目領域を特定するステップと、その画像の向きを認識するステップと、必要とあらばその画像の向きを補正するステップと、を有する。
取り込んだ放射線写真画像に対する前処理としては、例えばその画像をサブサンプリングし、得られたサブサンプリング画像を前景領域、背景領域及び体内領域に区分し、体内領域(解剖学的な領域;本願にて同様)の特性に基づき画像強度を正規化する処理等を実行する。
放射線写真画像における注目領域を特定する手法としては、例えば体内領域のメディアル軸(その領域の中心軸等その領域を代表する軸)を検知し、注目領域の中心となる位置並びにその位置を中心とする領域の寸法及び形状を特定し、その領域をその画像における注目領域として抽出する手法を用いる。
放射線写真画像の向きを認識するには、例えば注目領域から向きに関連する何種類かの特徴量を抽出し、訓練済クラシファイア(分類器)を適用してそれらに基づき分類を行えばよい。
放射線写真画像の向きを必要に応じ所望の向きに変更するには、そのクラシファイアの出力を利用すればよい。
本発明によれば、ロバスト性の向上や効率の向上を含め、幾つかの効果が得られる。なかでもロバスト性の向上に関していうと、放射線写真画像に対する前処理は、コリメーションブレードで括られた領域(コリメーションエリア)の外からの干渉その他、各種ノイズを避けるのに有用である。また、向きの分類には、寸法の違いやまた縦横移動や回転の影響を受けない特徴量を使用できる。更に、効率の向上に関していうと、解像度が低いサブサンプリング画像に基づき各処理が行われる分、認識処理の実行速度が高くなる。
以下、別紙図面を参照しつつ、本発明の好適な実施形態について詳細且つ具体的に説明する。当該説明を参照することにより、上述のものもそれ以外のものも含め本発明の目的、構成及び効果をより好適に理解することができるであろう。また、以下の説明で参照する図面では、互いに同一乃至同様の部分に対し同一の参照符号を付すこととする。更に、各図における寸法比は、実物の寸法比を忠実に反映したものではない。
本発明は放射線写真画像の向きを自動検知する方法に関する発明である。図1A、図1B及び図1Cに、本発明の実施形態に係る方法の流れを示す。まず、図1Aに示す第1実施形態では、ディジタル放射線写真画像にアクセスしそれを取得するステップ10、取得した画像における注目領域(ROI)を特定し抽出するステップ11、並びに何種類かの特徴量を利用し且つ訓練済のクラシファイアを適用してその画像の向きを検知するステップ12を含め、幾つかのステップを実行する。次に、図1Bに示す第2実施形態では、ステップ11におけるROIの特定及び抽出に先立ちその画像を前処理するステップ13を実行する。そして、図1Cに示す第3実施形態では、ステップ12における向き検知の後にその画像の向きを放射線医師乃至放射線技師が望む向きに変更するステップ14を実行する。以下、これらのステップについてより詳細に説明する。
まず、ステップ10における画像取得は直接的形態で行ってもよいし間接的形態で行ってもよい。直接的取得とは撮影によって取得することであり、撮影方式としてはいわゆる当業者にとり既知の様々な方式を使用できる。また、間接的取得とは例えばアナログX線フィルムからの画像読取及びそのディジタル化によって取得することであるが、いわゆる当業者であれば他の間接的取得方法も想到できる。
ステップ13における画像前処理には主に三つの役割がある。第1の役割は、向き認識能力を損なうことなく処理所要画素数を減らすことである。第2の役割は、コリメーションエリア外にある前景領域や撮影時に放射線に直接さらされた背景領域の内部にある画素からの干渉を抑えることによって、専ら診断上有用な領域である診断対象部分(体内領域)の画像データに基づき画像の向きが認識されるようにすることである。第3の役割は、その後の処理に供される画像の強度やコントラスト比をどの画像でもほぼ同じ値域にすることである。
図2に示すように、ステップ13における画像前処理は、ステップ10で取得した画像即ち原画像をサブサンプリングしてより小サイズの低解像度画像を生成し(ステップ20)、得られたサブサンプリング画像を前景領域、背景領域及び体内領域に区分即ちセグメント化し(ステップ21)、次いでそのサブサンプリング画像から前景領域及び背景領域を除去して体内領域だけを以後の処理用に残し(ステップ22)、そしてその結果得られた画像部分即ち体内領域画像をその内部の画素の強度の値域に応じて正規化する(ステップ23)、という手順で行う。
ステップ20における原画像サブサンプリングには既知の画像サイズ縮小方法を使用できる。但し、向き認識を行うに足る画像情報が縮小画像に残るようにする。いわゆる当業者であれば、これを実現する方法を知っている。また、本発明の実施に際しては例えばピラミッド状データ構造を用いる。サブサンプリング以後の処理ではサブサンプリング画像が対象になる。
ステップ21における画像区分もいわゆる当業者にとり既知の方法で行える。例えば、サブサンプリング画像のヒストグラムを調べて二種類のしきい値を決定し、決定したしきい値に従いその画像を前景領域、背景領域及び体内領域に区分する、というやり方を採ればよい。図3Aには足首から先のサブサンプリング画像の例を、また図3B〜図3Dにはその画像を区分して得られた前景領域、背景領域及び体内領域(同順)の画像を、それぞれ示す。
画像区分後にサブサンプリング画像から前景領域及び背景領域を除去するステップ22では、例えば前景領域内及び背景領域内画素の値を所定値に変更する(値を同一化する)。その際、他の領域即ち体内領域内の画素は値を変えないでおく。前処理にて本ステップを実行することによって、前処理終了時に、画像データのうち診断上有用な部分のみを含む画像が得られることとなる。診断上有用な部分だけに絞ることで、コリメーションエリア外からの干渉を抑えることができ、また体内領域内画素強度の値域を正確に検知することが可能になる。
体内領域画像全体に亘り画像強度を正規化するステップ23の役割は、その患者の違いや検査条件、検査状態の違いによる露出濃度の違いを補償することにある。そのため、本ステップでは、例えば、体内領域画像のヒストグラムから最低輝度値及び最高輝度値を検知し、それらに基づき体内領域画像の輝度値に線形変換又は対数変換を施してその値域を所定範囲に合わせ込む、といった処理を実行する。更に、その画像を対象としてヒストグラム等化法を実行し画像ヒストグラム内のピークを拡散させることにより、画像内低コントラスト比領域がより詳細にわかるようになる。図3Eに、この手法により強度正規化を施した画像を示す。また、これ以外で本発明における画像正規化に使用できる方法としては、例えば特許文献1に記載のトーンスケール法がある。特許文献1は1997年に発行された米国特許(発明者:Lee et al.、原題:AUTOMATIC TONE SCALE ADJUSTMENT USING IMAGE ACTIVITY MEAURES)に係る文献である。この文献の内容は、ここでの参照を以て本願に繰り入れることとする。また、本発明は、上述した何れかの手法で画像を正規化する形態に限定されるわけではなく、どの画像でも強度やコントラスト比の値域が同様になるものアルゴリズムであればどのようなアルゴリズムでも、本発明を実施することができる。
放射線写真画像におけるROIを特定して抽出するステップ11の役割は、種々の要因による画像の違いを補償し向き認識を好適に実施できるようにすることにある。即ち、同種の検査であっても検査状態・検査条件等が違えば体内領域画像の寸法や位置や向きが変わるし、患者の状態やコリメーションブレードの設定状態が違えば体内領域画像の見え方が変わる。これらの事情をそのままにしておくと放射線写真画像の外観に様々な違いがもたらされ、向き認識が難しくなる。本ステップでROIを特定し抽出するのは、画像データのうち診断上有用な部分をそのROIによって捉え、上記諸事情に起因する攪乱を排除するためである。こうしたROIを利用することで、向き認識の対象範囲をROI内に限定し、他の画像領域からの影響を排除することができる。本ステップにおけるROIの特定及び抽出は、こうした狙いが達成されるよう、例えば、その放射線写真画像中の体内領域からメディアル軸を検知しその放射線写真にてROIを特定する手順にて実行する。
本発明では、放射線写真画像における体内領域の特徴を簡明に表現できる指標として、メディアル軸を使用する。メディアル軸は、放射線写真画像における体内領域の位置や向きを簡明に表現できる指標であるので、これを用いることで探索難度を緩和し処理を迅速化することができる。メディアル軸検知はいわゆる当業者が好ましいと考える範囲に限っても様々な手法で行えるが、なかでも望ましいのは、体内領域画像の輪郭を検知しその輪郭に対するユークリッド距離マップを計算する、という手法である。体内領域画像の例を図4Aに、またその画像から計算したユークリッド距離マップを図4Bに、そのユークリッド距離マップから検知した極大値稜線即ちメディアル軸を図4Cに、それぞれ示す。この手法によるメディアル軸検知は、肘、膝、手首等、その形状が割合に単純な手足部分/先端部分の放射線写真画像を処理するのに適している。また、非特許文献6に記載のマルチスケールメディアル解析法(MMA)を用いメディアル軸を検知する手法でも、本発明を好適に実施できる。MMAの特徴は、画像の強度から直にメディアル軸を検知でき、前もって画像を区分しておく必要や、対象物上に境界線を明示設定しておく必要がないことにある。
メディアル軸を求めた後は、ROIの中心となる位置を自動探索により特定し、次いでそのROIの寸法及び形状をその体内領域の特徴量に基づく自動判別により特定する。本発明の場合、ROIの中心にする位置は検査対象部位の性質に応じて変わる。例えば頚椎を検査した場合は、得られた放射線写真画像におけるROIの中心位置は図5Aに示すように頚部の中央になり、手首から先を検査した場合は図5Bに示すように掌の中央になる。また、ROI寸法は画像上における体内領域画像の寸法に連動する量であり、例えばメディアル軸を利用してその体内領域画像から導出する。具体的には、その体内領域画像の辺縁からメディアル軸までの距離の最小値を求め、その最小距離に比例するようにROI寸法を定める。そして、ROIはメディアル軸沿いにうねって延びる形状にする。ROI形状を、放射線写真画像における体内領域の位置や向きを表すメディアル軸沿いにうねる形状にすることにより、縦横移動や回転に対して不感応なROIを得ることができ、従って縦横移動や回転の影響を抑え処理のロバスト性を高めることができる。また、ROIをメディアル軸沿いにうねる形状にしてあるため、放射線写真画像から抽出されるROIの形状は、図5A及び図5Bに示すように、検査対象部位の違いに応じ異なる形状になる。例えば図5Aに示すように頚椎のメディアル軸は概ねまっすぐであるのでROI形状もほぼ長方形になるが、それ以外の体内領域例えば手首から先のメディアル軸は常にまっすぐになるとは限らず、従って図5Bに示すようにメディアル軸沿いに曲がりくねった、言い換えればメディアル軸を囲むように傾斜や回旋の付いた帯状のROIになる。
ROIを特定及び抽出した後は、そのROIをN×N個のサブブロックに分割し、それらのサブブロックから低輝度画像特徴量を算出することにより、向き認識用特徴量を抽出する。サブブロックの個数は、計算の複雑度と認識能力とを天秤にかけ、両者を折衷して経験的に定める。従って、ROI中の全てのサブブロックを用いることもできるが、それよりはそのROIの辺縁部に位置するサブブロックだけを用いる方が有利である。それは、体内領域の辺縁部だけでも向き検知に十分な情報を提供できること、またそのROIの中央部を処理対象に加えても認識精度がさして高まらず、場合によっては認識能力に劣化が現れさえすることが、実験によって判明しているからである。更に、処理対象を辺縁部サブブロックに絞れば、行わねばならない計算の量を減らし処理を高速化することができる。なお、他の方法で本発明を実施してもよい。
図6に、辺縁部サブブロックの選び方の例を示す。本発明にてこれらのサブブロックから抽出した方がよい低輝度画像特徴量としては、グレーレベル平均、分散、エッジ情報、テキスチャ等の特徴量がある。また、この図に示すように、本発明の好適な実施形態ではROI辺縁部のサブブロックだけを使用する。注意すべきことに、非特許文献5に記載の構成でも辺縁部サブブロックを使用するが、それは本実施形態と異なっている。第1に、非特許文献5では原画像の、即ち画像全体の辺縁部サブブロックを使用するのに対し、本発明の好適な実施形態では、原画像ではなくROIの辺縁部サブブロックのみを使用する。第2に、非特許文献5ではサブブロックが長方形として定義されているのに対し、本発明の好適な実施形態では長方形にならない場合が多い。長方形にならないことがあるのは、先に図5A及び図5Bを参照して説明した通り、メディアル軸に沿うようROI形状を適合的に変化させているからである。
特徴量抽出が終わったら、訓練(後述)に使用された一群の画像を基準に、抽出済の低輝度画像特徴量を正規化する。これは、抽出した特徴量のスケール差を補償するためである。この正規化即ちスケーリング処理では、例えば
[数1]
xi=(xi−mini)/(maxi−mini)
なる式を用い、特徴量ベクトルxの第i成分xiを、スケーリング即ち正規化する。この式中のmini及びmaxiは、一群の訓練用画像における特徴量ベクトルxの第i成分xiの値域を表している。
[数1]
xi=(xi−mini)/(maxi−mini)
なる式を用い、特徴量ベクトルxの第i成分xiを、スケーリング即ち正規化する。この式中のmini及びmaxiは、一群の訓練用画像における特徴量ベクトルxの第i成分xiの値域を表している。
画像の向きを検知するステップ12は、予め訓練しておいたクラシファイアを適用することによって実行する。本発明の実施形態の一つはクラシファイアを訓練する方法であり、それは訓練ステップ及び確認ステップにより実行できる。
訓練ステップにおいては、まずその向きが判明している一群の(例えば所定枚数の)訓練用画像を収集する。次いで、各訓練用画像におけるROIを特定してそこから何種類かの特徴量を抽出し、その画像の適正な向き(又は間違った向き)を示す目標出力に関連付け、そしてそれらを用いてクラシファイアを訓練する。クラシファイアは本件技術分野で公知の様々な方式に準拠し、例えばニューラルネットワークとその基盤になるベクトルマシンを用い実現することができる。また、もしそれらの特徴量で分類をうまく実行できないようなら、計算によってそれらの特徴量を適宜変換するステップを実行する。このステップを実行することで、好適なことに、訓練用画像の性質をより詳細に調べ、最も判別性が高く分類に役立つ特徴量を導出することができる。実行できる変換処理としては、例えば正規化や、主成分分析法(PCA)若しくは独立成分分析(ICA)による特徴量抽出や、非線形変換による二次特徴量導出等がある。なお、クラシファイア及び特徴量抽出については、非特許文献7に更なる記載がある。
クラシファイアの訓練が済んだら、新たな画像を用いて確認ステップを実行し、そのクラシファイアの分類能力を確認、評価する。所定条件例えばしきい値条件を満足しない若しくは満足できない分類能力しか認められなかったクラシファイアについては、例えば、訓練時に使用したデータに基づきその分類能力をレベルアップ乃至最適化させるため、訓練時に使用したデータ及び確認に使用したデータを併用し、望ましい若しくは十分な分類能力が得られるまで再訓練する。
ステップ12における向き検知は、こうして訓練が施されたクラシファイアを適用し、与えられた画像をその当初の向きに基づき分類する処理から始まる。クラシファイアの適用により検知した向きで信頼性指標が十分高くなるのであればそれ以上処理を施す必要はない。逆に所望の向きと異なっている場合はステップ14にてその画像の向きを変える。
ステップ14における向き変更は、例えばまずその画像を90°回転させ、回転後の画像における新たなROIを特定及び抽出し、画像の向きに関する何種類かの特徴量を新たに計算し、次いでその新たな特徴量をクラシファイアに送って現在の画像の向きで信頼性指標が十分高くなるか否かを確認する、という手順で行う。この手順は、画像の向きが信頼性指標が高い向きになるまで継続的に繰り返す。
即ち、本発明における「適正な向き」とは、クラシファイアから得られる信頼性指標が最高になる向きのことである。但しこれは理想であり、実際には、当初の向きで信頼性指標が極大値に達し或いは所定のしきい値を上回ったなら、その放射線写真画像は適正な向きであると判別し、それ以外の画像は信頼性指標が当該条件を満たすまで回転させる。
なお、本発明は、コンピュータプログラム製品又はそのプログラムが格納された何枚かの記録媒体として実施することができる。使用できる媒体としては、例えばフロッピー(登録商標)ディスク等の磁気ディスクや磁気テープに代表される磁気記録媒体、光ディスク、光テープ及び機械可読バーコードに代表される光学記録媒体、RAM(ランダムアクセスメモリ)及びROM(リードオンリーメモリ)に代表される固体電子記憶媒体等がある。即ち、何台かのコンピュータを制御し本発明に係る方法を実施するための命令群からなるコンピュータプログラムを格納可能な有形装置乃至媒体であれば、どのようなものでも使用できる。
10 放射線写真画像取得ステップ、11 画像内注目領域抽出ステップ、12 向き検知ステップ、13 画像前処理ステップ、14 向き補正ステップ、20 画像サブサンプリングステップ、21 領域区分ステップ、22 前景背景除去ステップ、23 残余画像正規化ステップ。
Claims (12)
- ディジタル放射線写真画像の向きを検知する方法であって、
その画像にアクセスするステップと、
その画像における注目領域を特定するステップと、
その注目領域を利用し且つクラシファイアを適用してその画像の向きを検知するステップと、
を有する方法。 - 請求項1記載の方法であって、更に、上記注目領域の特定前に上記画像を前処理するステップを有する方法。
- 請求項2記載の方法であって、上記画像前処理ステップが、
上記画像をサブサンプリングするステップと、
得られたサブサンプリング画像を前景領域、背景領域及び体内領域に区分するステップと、
そのサブサンプリング画像から前景領域及び背景領域を除去するステップと、
残った体内領域における画像強度を正規化するステップと、
を含む方法。 - 請求項1記載の方法であって、上記注目領域特定ステップが、
上記体内領域からメディアル軸を検知するステップと、
上記注目領域の中心となる位置を特定するステップと、
その位置を中心として領域の寸法及び形状を特定するステップと、
その領域を上記注目領域として抽出するステップと、
を含む方法。 - 請求項4記載の方法であって、上記メディアル軸検知ステップが、
上記体内領域の輪郭を検知するステップと、
その輪郭に対する距離マップを計算するステップと、
距離マップ内稜線を上記メディアル軸として検知するステップと、
を含む方法。 - 請求項1記載の方法であって、上記向き検知ステップが、
上記画像から特徴量を抽出するステップと、
その特徴量に基づき分類を行うステップと、
を含む方法。 - 請求項1記載の方法であって、上記向き検知ステップが、
向きに関連する何種類かの特徴量を上記注目領域から抽出するステップと、
それに訓練済クラシファイアを適用して上記画像の向きを識別するステップと、
識別した向きが適正方向でない画像を回転させるステップと、
適正な向きになるまで向き識別及び画像回転を繰り返すステップと、
を含む方法。 - 請求項7記載の方法であって、訓練済クラシファイアを得るためのステップとして、
それぞれその向きが判明している放射線写真画像を訓練用画像として所定枚数収集するステップと、
各訓練用画像における注目領域を特定するステップと、
それら注目領域から何種類かの特徴量を算出するステップと、
それに各訓練用画像の向きを示す目標出力を関連付けるステップと、
特徴量を換算するステップと、
算出若しくは換算した特徴量及びそれに対応する目標出力を用いクラシファイアを訓練することにより訓練済クラシファイアを生成するステップと、
を有する方法。 - 請求項8記載の方法であって、上記特徴量算出ステップが、
上記注目領域中に複数個の辺縁部サブブロックを設定するステップと、
設定した辺縁部サブブロックのみに基づき何種類かの特徴量を算出するステップと、
を含む方法。 - ディジタル放射線写真画像の向きを検知及び変更する方法であって、
(1)その画像にアクセスするステップと、
(2)(a)その画像をサブサンプリングするステップ、(b)得られたサブサンプリング画像を前景領域、背景領域及び体内領域に区分するステップ、(c)そのサブサンプリング画像から前景領域及び背景領域を除去するステップ、並びに(d)残った体内領域における画像強度を正規化するステップを含み、それらのステップによりその画像を前処理するステップと、
(3)その画像における注目領域を特定するステップと、
(4)その注目領域を利用し且つクラシファイアを適用してその画像の向きを検知するステップと、
(5)画面表示に適する向きになるようその画像の向きを変更するステップと、
を有する方法。 - 請求項10記載の方法であって、上記画像強度正規化ステップが、
上記体内領域のメディアル軸を検知するステップと、
上記注目領域の中心となる位置を特定するステップと、
その位置を中心として領域の寸法及び形状を特定するステップと、
その領域を上記注目領域として抽出するステップと、
を含む方法。 - 請求項11記載の方法であって、上記メディアル軸検知ステップが、
上記体内領域の輪郭を検知するステップと、
その輪郭に対する距離マップを計算するステップと、
距離マップ内稜線を上記メディアル軸として検知するステップと、
を含む方法。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US10/993,055 US7519207B2 (en) | 2004-11-19 | 2004-11-19 | Detection and correction method for radiograph orientation |
PCT/US2005/037569 WO2006055160A2 (en) | 2004-11-19 | 2005-10-19 | Detection and correction method for radiographic orientation |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008520344A true JP2008520344A (ja) | 2008-06-19 |
Family
ID=36146947
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007543056A Pending JP2008520344A (ja) | 2004-11-19 | 2005-10-19 | 放射線写真画像の向きを検知及び補正する方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US7519207B2 (ja) |
EP (1) | EP1812902A2 (ja) |
JP (1) | JP2008520344A (ja) |
CN (1) | CN101061511A (ja) |
WO (1) | WO2006055160A2 (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015173923A (ja) * | 2014-03-17 | 2015-10-05 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
WO2021044757A1 (ja) * | 2019-09-06 | 2021-03-11 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
US11861825B2 (en) | 2018-05-03 | 2024-01-02 | Koninklijke Philips N.V. | Interactive coronary labeling using interventional X-ray images and deep learning |
KR102665022B1 (ko) * | 2016-11-25 | 2024-05-17 | 삼성전자주식회사 | 엑스선 장치 및 이의 의료 영상 획득 |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7736313B2 (en) * | 2004-11-22 | 2010-06-15 | Carestream Health, Inc. | Detecting and classifying lesions in ultrasound images |
US7715605B2 (en) * | 2005-09-07 | 2010-05-11 | Siemens Medical Solution Usa, Inc. | Systems and methods for computer aided detection of spinal curvature using images and angle measurements |
DE102006014342B3 (de) * | 2006-03-28 | 2007-07-26 | Siemens Ag | Verfahren zur Korrektur eines Röntgen-Rohbildes und Röntgendiagnostiksystem |
US20080123929A1 (en) * | 2006-07-03 | 2008-05-29 | Fujifilm Corporation | Apparatus, method and program for image type judgment |
US20080084415A1 (en) * | 2006-10-06 | 2008-04-10 | Lutz Gundel | Orientation of 3-dimensional displays as a function of the regions to be examined |
US8160364B2 (en) * | 2007-02-16 | 2012-04-17 | Raytheon Company | System and method for image registration based on variable region of interest |
US7912263B2 (en) * | 2007-08-06 | 2011-03-22 | Carestream Health, Inc. | Method for detecting clipped anatomy in medical images |
WO2009087777A1 (ja) * | 2008-01-11 | 2009-07-16 | Shimadzu Corporation | 画像処理方法、その装置並びに断層撮影装置 |
EP2131325B1 (en) * | 2008-05-08 | 2013-01-30 | Agfa Healthcare | Method for mass candidate detection and segmentation in digital mammograms |
US8553989B1 (en) * | 2010-04-27 | 2013-10-08 | Hrl Laboratories, Llc | Three-dimensional (3D) object recognition system using region of interest geometric features |
EP2564786A1 (en) * | 2011-08-31 | 2013-03-06 | General Electric Company | Method for automatic contour filter positioning for medical X-ray imaging |
CN104050487B (zh) * | 2014-06-06 | 2017-06-16 | 华东师范大学 | 一种基于布局信息分析的邮件图像方向辨别方法 |
US9256939B1 (en) | 2014-07-17 | 2016-02-09 | Agfa Healthcare | System and method for aligning mammography images |
KR102545007B1 (ko) | 2015-10-20 | 2023-06-20 | 삼성메디슨 주식회사 | 초음파 영상장치 및 그 제어방법 |
EP3432313A1 (en) * | 2017-07-18 | 2019-01-23 | Koninklijke Philips N.V. | Training an image analysis system |
CN109961475A (zh) * | 2017-12-22 | 2019-07-02 | 深圳市优必选科技有限公司 | 图像方向识别方法、装置、终端设备及可读存储介质 |
WO2019215605A1 (en) * | 2018-05-07 | 2019-11-14 | Zebra Medical Vision Ltd. | Systems and methods for analysis of anatomical images |
US20210098001A1 (en) * | 2018-09-13 | 2021-04-01 | Shanghai Cambricon Information Technology Co., Ltd. | Information processing method and terminal device |
US11222435B2 (en) * | 2019-11-11 | 2022-01-11 | James R. Glidewell Dental Ceramics, Inc. | Determining rotation axis from x-ray radiographs |
US11682135B2 (en) * | 2019-11-29 | 2023-06-20 | GE Precision Healthcare LLC | Systems and methods for detecting and correcting orientation of a medical image |
US11564651B2 (en) * | 2020-01-14 | 2023-01-31 | GE Precision Healthcare LLC | Method and systems for anatomy/view classification in x-ray imaging |
US11585766B2 (en) | 2020-05-29 | 2023-02-21 | James R. Glidewell Dental Ceramics, Inc. | CT scanner calibration |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5633511A (en) | 1995-12-22 | 1997-05-27 | Eastman Kodak Company | Automatic tone scale adjustment using image activity measures |
US5982916A (en) * | 1996-09-30 | 1999-11-09 | Siemens Corporate Research, Inc. | Method and apparatus for automatically locating a region of interest in a radiograph |
US6058322A (en) * | 1997-07-25 | 2000-05-02 | Arch Development Corporation | Methods for improving the accuracy in differential diagnosis on radiologic examinations |
US6970587B1 (en) * | 1997-08-28 | 2005-11-29 | Icad, Inc. | Use of computer-aided detection system outputs in clinical practice |
US6751290B2 (en) * | 1998-09-08 | 2004-06-15 | Veritas Pharmaceuticals, Inc. | Radiographic assessment of tissue after exposure to a compound |
US6625303B1 (en) * | 1999-02-01 | 2003-09-23 | Eastman Kodak Company | Method for automatically locating an image pattern in digital images using eigenvector analysis |
US6307964B1 (en) | 1999-06-04 | 2001-10-23 | Mitsubishi Electric Research Laboratories, Inc. | Method for ordering image spaces to represent object shapes |
WO2003067371A2 (en) * | 2002-02-08 | 2003-08-14 | Giger Maryellen L | Method and system for risk-modulated diagnosis of disease |
EP1450305A3 (en) | 2003-02-19 | 2016-08-10 | Agfa HealthCare NV | Method of detecting the orientation of an object in an image |
-
2004
- 2004-11-19 US US10/993,055 patent/US7519207B2/en active Active
-
2005
- 2005-10-19 EP EP05812721A patent/EP1812902A2/en not_active Withdrawn
- 2005-10-19 CN CNA2005800397161A patent/CN101061511A/zh active Pending
- 2005-10-19 WO PCT/US2005/037569 patent/WO2006055160A2/en active Application Filing
- 2005-10-19 JP JP2007543056A patent/JP2008520344A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015173923A (ja) * | 2014-03-17 | 2015-10-05 | キヤノン株式会社 | 画像処理装置、画像処理方法およびプログラム |
KR102665022B1 (ko) * | 2016-11-25 | 2024-05-17 | 삼성전자주식회사 | 엑스선 장치 및 이의 의료 영상 획득 |
US11861825B2 (en) | 2018-05-03 | 2024-01-02 | Koninklijke Philips N.V. | Interactive coronary labeling using interventional X-ray images and deep learning |
WO2021044757A1 (ja) * | 2019-09-06 | 2021-03-11 | キヤノン株式会社 | 画像処理装置、画像処理方法、およびプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20060110068A1 (en) | 2006-05-25 |
CN101061511A (zh) | 2007-10-24 |
WO2006055160A3 (en) | 2006-08-03 |
EP1812902A2 (en) | 2007-08-01 |
US7519207B2 (en) | 2009-04-14 |
WO2006055160A2 (en) | 2006-05-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2008520344A (ja) | 放射線写真画像の向きを検知及び補正する方法 | |
EP0757544B1 (en) | Computerized detection of masses and parenchymal distortions | |
US7574028B2 (en) | Method for recognizing projection views of radiographs | |
US6625303B1 (en) | Method for automatically locating an image pattern in digital images using eigenvector analysis | |
US7903861B2 (en) | Method for classifying breast tissue density using computed image features | |
US20030086596A1 (en) | Method, computer software, and system for tracking, stabilizing, and reporting motion between vertebrae | |
US20090285466A1 (en) | Method, Computer Software, And System For Tracking, Stabilizing, And Reporting Motion Between | |
JPH09134434A (ja) | 明暗度画像内の所定のタイプの癌領域を自動検出する画像処理方法及び装置 | |
US9269165B2 (en) | Rib enhancement in radiographic images | |
KR20220154100A (ko) | 이미지 처리에 기초한 종양의 자동화된 검출 | |
CN114037803B (zh) | 医学图像三维重建方法及系统 | |
US20050161617A1 (en) | Image processing method, apparatus, and program | |
US9672600B2 (en) | Clavicle suppression in radiographic images | |
Zhang et al. | Automatic background recognition and removal (ABRR) in computed radiography images | |
US8553957B2 (en) | Method of processing image and image processing apparatus using the method | |
JP2001076141A (ja) | 画像認識方法および画像処理装置 | |
JP2004188202A (ja) | デジタル胸部放射線写真の自動分析方法 | |
CN115602320B (zh) | 一种困难气道评估方法和系统 | |
Huo et al. | Evaluation of an automated segmentation method based on performances of an automated classification method | |
CN115797729A (zh) | 模型训练方法及装置、运动伪影识别及提示的方法及装置 | |
JP2006334140A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
CN114332858A (zh) | 病灶检测方法及装置、病灶检测模型获取方法 | |
Chen et al. | Detection of Various Dental Conditions on Dental Panoramic Radiography Using Faster R-CNN | |
JP3731400B2 (ja) | 画像処理方法および画像処理装置 | |
JP2008520396A (ja) | 放射線写真の射影図を認識する方法 |