JP2009525142A - 医用画像内の検出入力を分類する方法及び装置 - Google Patents

Abstract

【課題】医用画像内の検出入力を分類する方法及び装置を提供する。
【解決手段】検出入力は、２つの閾値を使用して分類される。好ましい実施形態では、多くの入力にスコアを付け、スコア付けされた入力は、第１の閾値を超えるスコアを有する入力の位置を定めるために検索される。このような入力が見出される場合、第１の閾値よりも低い第２の閾値を超えるスコアを有する全ての入力は、関連の第１の部類に属すると識別される。第１の閾値を超えるスコアを有する入力が見出されない場合、どの入力も第１の部類に属するとは識別されない。
【選択図】図１

Description

本明細書で開示する発明は、医用画像内の検出入力を分類する方法及び装置に関する。本発明の特定の用途は、肺塞栓のための断層撮影走査である。

多くの検出システムは、入力を大きな組の既知の例と比較することにより入力を識別する。このようなシステムは、分類器として公知である。分類器での使用に対して、様々な異なる技術が利用可能である。これらの技術のいくつかは、１組の既知の例を用いて、関連の入力とそうではない入力とを区別するように分類器を訓練する段階を伴っている。

この形式の１つの検出システムは、神経回路網である。神経回路網においては、回路網を訓練するために既知例の組が用いられ、未知の対象物が、次に、それらが関連のものであるか否かを判断するために神経回路網によって処理される。例えば、本明細書において引用により組み込まれている、Ｄ．Ａ．Ｆｏｒｓｙｔｈ他著「コンピュータビジョン、最新の手法」、第２２章（Ｐｒｅｎｔｉｃｅ Ｈａｌｌ、２００３年）を参照されたい。

必然的に、これらの検出システムには、感度又は検出された真陽性率と特異度又は検出された偽陽性率との間の妥協が伴っている。この感度／特異度の妥協は、図１に示すもののような検出システムの受信者動作特性（ＲＯＣ）曲線において示されることが多い。ＲＯＣ曲線は、横軸又はｘ軸上で測定された検出偽陽性率（ＦＰＦ）に対する縦軸又はｙ軸上で測定された検出真陽性率（ＴＰＦ）のプロット１００である。検出真陽性率（又は感度）が増大すると、検出偽陽性率も増大し、従って、特異度が小さくなる。各割合の判断を以下で説明する。

比較的単純な検出システムにおいては、検出処理は二元的である。検出システムにより解析されるデータは、２つの群に分類することができ、一方の群は、検出システムにより求められている１組の入力に関連し、他方の群は、他の全て、すなわち、検出システムにより求められていない１組の入力に関連する。一部の場合には、検出システムは、各入力に対して数値スコアを生成し、１組の訓練例から作成された閾値とそのスコアを比較することにより作動する。各入力は、その入力が閾値を超えるスコアを有するのか又は閾値よりも小さいスコアを有するのかによって２つの群の一方に割り当てられる。例えば、閾値を超えるスコアを有する入力は、次に、更なる調査の対象とすることができ、一方、閾値よりも小さい入力は無視されることになる。

典型的には、２つの群のメンバのスコアは、検出システムにより求められている一部の入力が、検出システムにより求められていない入力のスコアと同じ範囲にあるスコアを有するように重なり合っている。この状況は、求められている入力の場合と求められていない入力の場合のスコアに対する入力の個数のプロットである図２に示している。包絡線２１０は、スコアに対する求められている入力の個数の分布を示し、包絡線２３０は、スコアに対する求められていない入力の個数の分布を示している。

閾値（ＴＨ）が２つの群のスコアが重なり合う領域内に設定されている場合、求められていない一部の入力は、求められているものと共に分類されることになる。このような入力は、偽陽性（ＦＰ）と呼び、図２においては、包絡線２３０内の領域２４０により識別される。求められていない包絡線２３０内の残りの入力は、真陰性（ＴＮ）と呼ばれる。同様に、求められている一部の入力は、求められていないものと共に分類されることになる。このような入力は、偽陰性（ＦＮ）と呼び、かつ図２において包絡線２１０内の領域２２０により識別される。求められている包絡線２１０内の残りの入力は、真陽性（ＴＰ）と呼ばれる。図１のｙ軸上で測定された検出真陽性率は、検出真陽性個数を包絡線２１０下の入力総数で割ったもの、すなわち、＃ＴＰ／（＃ＴＰ＋＃ＦＮ）である。図１のｘ軸上で測定された検出偽陽性率は、検出偽陽性個数を包絡線２３０下の入力総数で割ったもの、すなわち、＃ＦＰ／（＃ＦＰ＋＃ＴＮ）である。検出真陽性率は、真陽性を検出する確率でもあり、検出偽陽性率は、偽陽性を検出する確率でもある。

明らかであるように、閾値の位置は、真陽性、真陰性、偽陽性、及び偽陰性の個数に実質的な影響を及ぼす。求められている入力の識別のための試験を厳密化するために閾値が移動された場合、識別される真陽性の個数及び偽陽性の個数の両方は低減されることになる。図２に示すように、これは、位置Ａへの閾値の移動により表され、この閾値の移動により、真陽性の個数も偽陽性の個数も低減される。逆に、求められている入力の識別のための試験を緩和するように閾値が移動された場合、識別される真陽性の個数及び識別される偽陽性の個数は、増大されることになる。これは、図２において位置Ｂへの閾値の移動により表され、この閾値の移動により、真陽性の個数も偽陽性の個数も増大される。識別試験を厳密化することによって識別される真陽性の個数及び偽陽性の個数を低減すると、検出真陽性率も検出偽陽性率も低減され、その理由は、これらの率の分母が不変であり、かつ検出システムの作動点が図１のＲＯＣ曲線の左下隅に近くなるように作動点を移動するからである。逆に、識別試験を緩和することにより真陽性及び偽陽性の個数を増大させると、検出真陽性率及び検出偽陽性率も増大し、かつ検出システムの作動点を図１のＲＯＣ曲線の右上隅に近づくように移動する。

医療当業技術において、ＲＯＣ曲線により表される感度と特異度の間の妥協は、常に問題である。検出システムに十分な感度がない場合、真陽性の記録個数が少なすぎる恐れがあり（すなわち、より多くの偽陰性）、これは、十分に生命を脅かす場合がある何らかの種類の問題を検出する機会の見落としを一般的に表している。一方、検出システムに十分な特異度がない場合、偽陽性の記録個数が多すぎる恐れがあり、これは、一般的に、偽陽性の真の性質を確立するための付加的な医療処置の実施及び多くの場合に患者側のかなりの精神的ストレスをもたらすことになる。この妥協点に直面して、医師は、通常、一部の偽陽性を犠牲にして有意な数の真陽性の検出を保証する何らかの値に彼らの検出システムの閾値を試行錯誤によって設定することを余儀なくされる。

米国特許第６、９２５、２００号 Ｄ．Ａ．Ｆｏｒｓｙｔｈ他著「コンピュータビジョン、最新の手法」、第２２章（Ｐｒｅｎｔｉｃｅ Ｈａｌｌ、２００３年）

本発明においては、ある一定の条件が検出システム内で満足された時に一部の偽陽性の処理を回避することが可能であることが見出された。一実施形態では、本発明のシステムは、第１の閾値が第２の閾値を超える値を有する２つの閾値を使用する。第２の閾値は、有意な数の真陽性及び一部の偽陽性の検出を保証する値に設定される。第１の閾値は、より厳しくより高いレベル、典型的には、スコア付けアルゴリズムを訓練するのに使用される訓練セット内の既知の真陽性入力に対してスコア付けアルゴリズムにより生成されたスコアに設定される。例えば、訓練セットは、真陽性であることが既知の大きな群の患者の各々に対する複数の入力から成ることができ、閾値は、各患者に対して記録された最高スコアの最低のもの（すなわち、最大値の最小値）に設定することができる。

未知の組の入力を分類するために、入力は、スコア付けアルゴリズムによりスコア付けされ、第１の閾値と比較される。少なくとも１つのスコアが第１の閾値を超える場合、第２の閾値を超えるスコアを有する全ての入力を関連のものであると分類する。しかし、第１の閾値を超えるスコアがない場合、入力のいずれも、たとえそれらの一部が第２の閾値を超えるスコアを有する場合があるとしても、関連のものとは分類されない。その結果、医師は、第１の閾値を超えるスコアを有する入力がない場合に、第２の閾値を超えると判明される場合があるいかなる偽陽性もそれを処理する必要性を回避することができる。更に、これは、医師が第２の閾値を低減することを可能にすると考えられる。このような低減は、検出されると思われる真陽性及び偽陽性の個数を増大させるであろうが、偽陽性の増大は、第１の閾値を超えるスコアを有する入力がない時に処理する必要がない偽陽性の個数によって相殺されるであろう。

特定の用途において、本発明は、コンピュータ断層撮影を使用した肺塞栓の検出に使用されている。

本発明の代替的な実施形態では、１対の閾値の代わりに統計的手法が用いられる。本方法においては、複数の入力にスコアを付け、スコア付けされた入力は、他の入力のスコアよりも有意に大きなスコアを有する少なくとも１つの入力の位置を定めるために統計的に解析される。例えば、スコア付けされた全ての入力の平均を２標準偏差超えるスコアを有する入力を検索する。このような入力が見出された場合、第２の入力を分類するのに使用される数値閾値が、適切な個数の入力を関連の部類内に含めるように設定され、その閾値を超えるスコアを有する全ての入力は、その部類に属すると識別される。他の入力のスコアよりも有意に大きなスコアを有する入力が見つからなかった場合、どの入力も関連の部類に属するとは識別されない。

本発明の以上の実施形態では、関連のあるスコア付けされた入力は、高いスコアを有する入力である。代替的に、本発明は、低いスコアを有する入力が関連のものである場合に実施することもできる。このような場合の一実施形態では、第２の閾値よりも小さい第１の閾値よりも低いスコアを有する入力を検索する。このような入力が見出された場合、第２の閾値よりも小さいスコアを有する全ての入力を関連の部類に属すると識別し、第１の閾値よりも低いスコアを有する入力が見つからなかった場合、どの入力も関連の部類に属するとは識別されない。

本発明は、コンピュータにおいて及びコンピュータ上で実行されるソフトウエアにおいて実施されることが好ましい。

上記及び他の目的、特徴、及び利点は、以下の「発明を実施するための最良の形態」からより容易に明らかになるであろう。

図３は、本発明の実施において使用される例示的な装置のブロック図である。装置は、マルチスライスコンピュータ断層撮影（ＭＳＣＴ）スキャナ３００と、コンピュータ支援検出（ＣＡＤ）システム３１０と、ディスプレイ３２０とを含む。ＭＳＣＴスキャナは、市販品であり、ゼネラル・エレクトリック及びシーメンスのような企業により販売されている。検出システム及びディスプレイは、適切なコンピュータプログラムの制御下で作動するパーソナルコンピュータ又はワークステーションとすることができる。スキャナは、患者の体を通じた一連のスライスのＸ線像である一連のデジタル画像を生成する。次に、デジタル画像は、ＣＡＤシステムにより処理されて、ディスプレイ３２０上で表示される。４つのこのようなＣＴ画像を図４に示している。円は、疑わしい肺塞栓を示している。

行われる処理は、スキャナにより得られたＸ線データから視像を作成する処理を含む。有利な態様においては、この処理は、各スライス上の２次元画像を結合して３次元解剖学的構造の斜視図を形成する処理を含むことができる。更に、この処理は、医師に対して関連があると考えられる特徴、例えば、癌、動脈閉鎖などを示す特徴を検出するためのデジタル画像の解析を含むことができる。１つのこのような従来技術のシステムは、本出願人の「ＩｍａｇｅＣｈｅｃｋｅｒ（登録商標）」ＣＴシステムである。このシステムのある一定の詳細は、米国特許第６、９２５、２００号に説明されており、この特許は、本明細書において引用により組み込まれている。

本発明においては、ＭＳＣＴ画像は、肺塞栓を検出する可能性を高めるために処理システムにより処理される。肺塞栓は、肺動脈の１つに留まる塞栓であり、そこでは塞栓により、血流、及び従って酸素の交換を阻止される。このような閉塞は、心臓機能を損ない、より厳しい形では、循環虚脱及び死亡を引き起こす。図５は、肺動脈５１０を塞ぐ塞栓５００の図である。

肺塞栓を検出するための肺のＭＳＣＴ画像の処理のためのアルゴリズムは公知である。このようなアルゴリズムは、ＣＴ画像内で関心領域を分離し、各領域に対してスコアを付けるために関心領域を処理してスコアを閾値と比較することにより肺塞栓を検出する。典型的には、スコアが高いほど、関心領域が肺塞栓を表す可能性が高く、従って、閾値を超えるスコアを有する全ての関心領域は、肺塞栓であると記録され、閾値よりも小さいスコアを有する領域は無視される。

上述のように、検出システムは、通常、肺塞栓として記録される検出イベントの中に一部の偽陽性が含まれるように操作される。これらの偽陽性を排除するのは、更に別の医療処置を必要とするものであり、言うまでもなく、患者に対しては問題の種である。

図６は、これらの偽陽性の一部を排除する方法を示している。有利な態様においては、本方法は、ＣＡＤシステム３１０により実施され、本方法を行うソフトウエア命令は、ＣＡＤシステム内の適切なメモリ媒体に記憶されている。段階６１０で、まず複数の関心領域（ＲＯＩ）を検出する。次に、段階６２０で、関心領域にスコアを付ける。次に、段階６３０で、かなり厳しいことが既知の第１の閾値とスコアを比較する。例えば、第１の閾値は、スコア付けアルゴリズムを訓練するために使用された訓練セット内の確認済み真陽性に対して記録された高めのスコアの１つに等しい値を有すると考えられる。具体的には、訓練セットは、真陽性であることが既知の大きな群の患者の各々の複数の入力から成ることができ、また、第１の閾値を設定するのに使用されるスコアは、各患者に対して記録された最高スコアの最小値、又は５つの最高スコアの最小値であると考えられる。

関心領域のいずれかが第１の閾値を超えるスコアを有する場合、段階６４０で、第１の閾値ほど厳しくない第２の閾値を超えるか否かを判断するために、全ての関心領域を更に吟味する。次に、第２の閾値を超える全ての関心領域は、更に別の調査を必要とする第１の群６５０内に分類され、第２の閾値を上回らない関心領域は、無視される群６６０内に分類される。しかし、関心領域のいずれも第１の閾値を超えるスコアを有していない場合、全ての関心領域は、無視される第２の群６６０内に分類される。

当業者に明らかなように、関連の入力を示すために高いスコアを使用するか又は低いスコアを使用するかは、好みの問題である。スコア付けアルゴリズムが、関連のものである低いスコアを生成する場合、厳しい方の第１の閾値は、第２の閾値よりも小さい値を有し、段階６３０及び６４０で行われる試験は、それぞれ、スコアが第１の閾値及び第２の閾値よりも小さいのか否かということである。

本発明は、特に、ＣＴ画像における肺塞栓の検出に有用であることが見出されている。肺塞栓の場合、１つの目立つ肺塞栓には、通常、多くのより小さくてそれほど目立たない肺塞栓症が伴う。従って、範囲のＣＴ走査を解析する際には、検出システムは、目立つ肺塞栓により生成された高スコア入力と、他の肺塞栓により生成されるいくつかの低めのスコア入力とを生成すると予測することができる。従って、本発明が肺塞栓の検出に適用された時、目立つ肺塞栓は、訓練セット内の既知の真陽性入力に対してスコア付けアルゴリズムにより生成されたスコアのレベルに設定された第１の閾値を超えるスコアを生成し、他の肺塞栓症は、それよりも低いスコアを生成する。これらのスコアの一部は、精査のためにどの入力を受け入れることになるかを判断するために医師により設定された第１の閾値と第２の閾値の間の範囲であると予測することができる。しかし、第１の閾値を超えるスコアがない場合は、肺塞栓症が存在する可能性が低く、全ての入力を無視することができる。

代替的な実施形態では、複数の入力にスコアを付けて、他の入力のスコアを有意に超えるスコアを有する少なくとも１つの入力の位置を定めるために入力を統計的に解析する。例えば、スコア付けされた全ての入力の平均を２標準偏差よりも大きく超えるスコアを有する入力を検索する。このような入力が見出された場合、適切な個数の入力を関連の部類に含めるように、スコア入力を分類するのに使用された数値閾値を設定し、その閾値を超えるスコアを有する全ての入力は、その部類に属すると識別される。平均を２標準偏差よりも大きく超えるスコアを有する入力が見つからなかった場合、いかなる入力も関連の部類に属するとは識別されない。

明らかなように、本発明は、様々な形で実施することができる。例えば、第１及び第２の閾値の設定には、かなりの変動があると考えられる。図示のように、図６の実施形態に対しては、第１の閾値は、スコア付けアルゴリズムを訓練するのに使用される訓練セット内の確認済み真陽性の値に対応する値に設定すべきである。訓練セット内の真陽性は、最低スコアと最高スコアの間の値のかなりの範囲を有することになる可能性が高く、ＲＯＣ曲線上の最適操作点の位置を定めるという意味において本発明の性能における一部の改良は、第１の閾値をこれらの限界値内に調整することによって取得することができると期待される。同様に、許容可能個数を超える偽陽性を関連の部類に入れないスコアを見つける目的で、第２の閾値を変更することができる。必要に応じて、第２の閾値の調整は、第１の閾値を超えるいずれかの検出入力が観察されるか否かにより行うことができる。特に、第１の閾値を超えるスコアを有する入力が観察された場合、より多くの入力を関連の部類に入れるように、第２の閾値をそれほど厳しくないものにすることができ、第１の閾値を超えるスコアを有する入力が観察されなかった場合、関連の部類に受け入れる入力個数を低減するように、第２の閾値をより厳しいものにすることができる。

受信者動作特性（ＲＯＣ）曲線の例示的なプロットを示す図である。 ＲＯＣ曲線を生成する際に使用される典型的なデータセットの例示的なプロットを示す図である。 本発明を実施するシステムのブロック図である。 ４つのＣＴ画像を示す図である。 肺塞栓の概略図である。 本発明の例示的な実施形態の流れ図である。

符号の説明

ＦＰＦ 検出偽陽性率
ＴＰＦ 検出真陽性率

Claims (22)

1. 検出入力を各入力に関連する数値スコアに基づいて第１の部類又は第２の部類に属するとして分類する方法であって、
   多数の検出入力にスコアを付けて１組のスコアを生成する段階と、
   前記スコアの各々を第１の閾値と比較する段階と、
   少なくとも１つのスコアが前記第１の閾値を超える場合、該第１の閾値よりも低い第２の閾値を超えるスコアを有する全ての入力を第１の部類に分類する段階と、
   前記第１の閾値を超えるスコアがない場合、前記入力のいずれも前記第１の部類に分類しない段階と、
   を含むことを特徴とする方法。
2. 前記検出入力は、肺塞栓に関するものであることを特徴とする請求項１に記載の方法。
3. 前記検出入力にスコアを付けるためのアルゴリズムを訓練するのに使用される訓練セットにおける既知の真陽性入力のスコアである第１の閾値を設定する段階を更に含むことを特徴とする請求項１に記載の方法。
4. 前記第１の閾値は、前記検出入力にスコアを付けるためのアルゴリズムを訓練するのに使用される訓練セットにおける既知の真陽性入力に対する最高スコアの群の最低スコアに設定されることを特徴とする請求項１に記載の方法。
5. 前記検出入力にスコアを付けるためのアルゴリズムを訓練する段階を更に含むことを特徴とする請求項１に記載の方法。
6. 検出入力を各入力に関連する数値スコアに基づいて第１の部類又は第２の部類に属するとして分類する方法であって、
   多数の検出入力にスコアを付けて１組のスコアを生成する段階と、
   前記スコアの各々を第１の閾値と比較する段階と、
   少なくとも１つのスコアが前記第１の閾値よりも低い場合、該第１の閾値よりも高い第２の閾値よりも低いスコアを有する全ての入力を第１の部類に分類する段階と、
   前記第１の閾値よりも低いスコアがない場合、前記入力のいずれも前記第１の部類に分類しない段階と、
   を含むことを特徴とする方法。
7. 前記検出入力は、肺塞栓であることを特徴とする請求項６に記載の方法。
8. 前記検出入力にスコアを付けるためのアルゴリズムを訓練するのに使用される訓練セットにおける既知の真陽性入力のスコアである第１の閾値を設定する段階を更に含むことを特徴とする請求項６に記載の方法。
9. 前記第１の閾値は、前記検出入力にスコアを付けるためのアルゴリズムを訓練するのに使用される訓練セットにおける既知の真陽性入力に対する最低スコアの群の最高スコアに設定されることを特徴とする請求項６に記載の方法。
10. 前記検出入力にスコアを付けるためのアルゴリズムを訓練する段階を更に含むことを特徴とする請求項６に記載の方法。
11. 検出入力を各入力に関連する数値スコアに基づいて第１の部類又は第２の部類に属するとして分類する方法であって、
    多数の検出入力にスコアを付けて１組のスコアを生成する段階と、
    前記スコアの各々を第１の閾値と比較する段階と、
    少なくとも１つのスコアが前記第１の閾値を超える場合、該第１の閾値よりも低い第２の閾値を低くする段階と、
    前記第１の閾値を超えるスコアがない場合、前記第２の閾値を上げる段階と、
    前記第２の閾値を超えるスコアを有する全ての入力を第１の部類に分類する段階と、
    を含むことを特徴とする方法。
12. 検出イベントが、肺塞栓に関するものであることを特徴とする請求項１１に記載の方法。
13. 前記検出入力にスコアを付けるためのアルゴリズムを訓練するのに使用される訓練セットにおける既知の真陽性入力のスコアである第１の閾値を設定する段階を更に含むことを特徴とする請求項１１に記載の方法。
14. 前記第１の閾値は、前記検出入力にスコアを付けるためのアルゴリズムを訓練するのに使用される訓練セットにおける既知の真陽性入力に対する最高スコアの群の最低スコアに設定されることを特徴とする請求項１１に記載の方法。
15. 前記検出入力にスコアを付けるためのアルゴリズムを訓練する段階を更に含むことを特徴とする請求項１１に記載の方法。
16. 検出入力を各入力に関連する数値スコアに基づいて第１の部類又は第２の部類に属するとして分類する方法であって、
    多数の検出入力にスコアを付けて１組のスコアを生成する段階と、
    前記スコアの各々を第１の閾値と比較する段階と、
    少なくとも１つのスコアが前記第１の閾値よりも低い場合、該第１の閾値よりも高い第２の閾値を上げる段階と、
    前記第１の閾値よりも低いスコアがない場合、前記第２の閾値を低くする段階と、
    第２の閾値よりも低いスコアを有する全ての入力を第１の部類に分類する段階と、
    を含むことを特徴とする方法。
17. 検出イベントが、肺塞栓に関するものであることを特徴とする請求項１６に記載の方法。
18. 前記検出入力にスコアを付けるためのアルゴリズムを訓練するのに使用される訓練セットにおける既知の真陽性入力のスコアである第１の閾値を設定する段階を更に含むことを特徴とする請求項１６に記載の方法。
19. 前記第１の閾値は、前記検出入力にスコアを付けるためのアルゴリズムを訓練するのに使用される訓練セットにおける既知の真陽性入力に対する最低スコアの群の最高スコアに設定されることを特徴とする請求項１６に記載の方法。
20. 前記検出入力にスコアを付けるためのアルゴリズムを訓練する段階を更に含むことを特徴とする請求項１６に記載の方法。
21. 医用画像内の異常を検出するためのコンピュータ可読媒体に記憶されたコンピュータプログラムであって、
    入力を各入力に関連した数値スコアに基づいて第１の部類又は第２の部類に属するとして分類するための命令、
    を含み、
    前記命令は、
    多数の検出入力にスコアを付けて１組のスコアを生成する段階と、
    前記スコアの各々を第１の閾値と比較する段階と、
    少なくとも１つのスコアが前記第１の閾値よりも高い場合、該第１の閾値ほど厳しくない第２の閾値よりも高いスコアを有する全ての入力を第１の部類に分類する段階と、
    前記第１の閾値よりも高いスコアがない場合、前記入力のいずれも前記第１の部類に分類しない段階と、
    含む、
    ことを特徴とするコンピュータプログラム。
22. 前記検出入力は、肺塞栓に関するものであることを特徴とする請求項２１に記載のコンピュータプログラム。