JP2010000130A - 画像表示装置、画像表示方法及びプログラム - Google Patents

画像表示装置、画像表示方法及びプログラム Download PDF

Info

Publication number
JP2010000130A
JP2010000130A JP2008159276A JP2008159276A JP2010000130A JP 2010000130 A JP2010000130 A JP 2010000130A JP 2008159276 A JP2008159276 A JP 2008159276A JP 2008159276 A JP2008159276 A JP 2008159276A JP 2010000130 A JP2010000130 A JP 2010000130A
Authority
JP
Japan
Prior art keywords
breast
candidate
breast image
image
lesion
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.)
Granted
Application number
JP2008159276A
Other languages
English (en)
Other versions
JP5083060B2 (ja
Inventor
Shinsuke Katsuhara
慎介 勝原
Atsushi Sakamoto
淳 坂本
Masayuki Noda
雅之 野田
Kazuhiko Katsushima
和彦 勝嶌
Kosuke Minoshima
康祐 簑島
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.)
Konica Minolta Medical and Graphic Inc
Original Assignee
Konica Minolta Medical and Graphic Inc
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 Konica Minolta Medical and Graphic Inc filed Critical Konica Minolta Medical and Graphic Inc
Priority to JP2008159276A priority Critical patent/JP5083060B2/ja
Publication of JP2010000130A publication Critical patent/JP2010000130A/ja
Application granted granted Critical
Publication of JP5083060B2 publication Critical patent/JP5083060B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】類似症例を安定的に提供する。
【解決手段】画像表示装置は、表示手段と、乳房画像に、当該乳房画像のうち医師により指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する(ステップS2)記憶手段と、診断対象の乳房画像のうち医師により指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する(ステップS2)候補検出手段と、前記算出された特徴量と類似する特徴量に対応する乳房画像を前記記憶手段から取得し(ステップS9)、類似症例として前記表示手段に表示させる(ステップS10)制御手段と、を備える。
【選択図】図3

Description

本発明は、画像表示装置、画像表示方法及びプログラムに関する。
医療分野では医師の読影負担を軽減するため、医用画像を解析し病変の可能性が高い領域を病変候補として検出、その検出結果を表示するコンピュータ診断支援装置(以下、CAD:Computer-Aided Diagnosisという。)の開発が行われている。
病変候補の検出結果を表示する際、過去の類似症例として、検出された病変候補に類似する病変を含む医用画像を表示することがある(例えば、特許文献1、2参照)。医師はCADによって検出された病変候補が真の病変かどうかを判断するため、診断対象の医用画像と類似症例に係る医用画像とを比較読影することができる。
特に、特許文献2によれば、できるだけ類似性の高い類似症例を示すため、医師により指定された関心領域の特徴量と類似する特徴量を持つ医用画像を類似画像として表示する手法が開示されている。
特表2003−524492号公報 特開2007−275216号公報
しかしながら、上記特許文献2の方法では医師によって指定する領域の大きさや形に差があったり、医師の病変の捉え方が異なったりするため、同じ関心領域を指定しているにも拘わらず、算出される特徴量にばらつきが生じることとなっていた。そのため、特徴量を元に表示される医用画像にもばらつきがあり、医師間での統一性が無かった。
さらに、乳房を撮影部位とする乳房画像の場合、病変の存在環境によって比較読影が困難な場合がある。つまり、周辺の乳腺濃度や病変候補の位置等の解剖学的な観点が異なると、医師が読影しようとする乳房画像と参考用に表示された類似画像との類似性が低くなり、比較対象として適さないものとなる。
本発明の課題は、類似症例を安定的に提供することである。
請求項1に記載の発明によれば、
表示手段と、
乳房画像に、当該乳房画像のうちユーザにより指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段と、
診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する候補検出手段と、
前記算出された特徴量と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる制御手段と、
を備える画像表示装置が提供される。
請求項2に記載の発明によれば、
前記記憶手段は、乳房画像に、当該乳房画像の乳房領域において検出された病変候補の特徴量を対応付けて記憶し、
前記候補検出手段は、診断対象の乳房画像のうち乳房領域において病変候補を検出するとともに、当該病変候補の特徴量を算出し、
前記制御手段は、前記ユーザの指定領域から検出された病変候補と類似する特徴量に対応する乳房画像が無い場合、前記乳房領域において検出された病変候補と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる請求項1に記載の画像表示装置が提供される。
請求項3に記載の発明によれば、
前記記憶手段は、乳房画像に当該乳房画像から検出された病変候補の位置情報を対応付けて記憶し、
前記候補検出手段は、前記診断対象の乳房画像を用いて、当該乳房画像から検出された病変候補の位置情報を算出し、
前記制御手段は、前記算出された位置情報と類似する位置情報に対応する乳房画像を前記記憶手段から取得し、類似症例として表示させる請求項1又は2に記載の画像表示装置が提供される。
請求項4に記載の発明によれば、
前記記憶手段は、乳房画像に当該乳房画像を用いて算出された乳腺濃度情報を対応付けて記憶し、
前記候補検出手段は、前記診断対象の乳房画像を用いて、乳房の乳腺濃度情報を算出し、
前記制御手段は、前記算出された乳腺濃度情報と類似する乳腺濃度情報に対応する乳房画像を前記記憶手段から取得し、類似症例として表示させる請求項1〜3の何れか一項に記載の画像表示装置が提供される。
請求項5に記載の発明によれば、
前記制御手段は、前記記憶手段から取得した乳房画像を、前記候補検出手段による病変候補の検出結果とともに表示させる請求項1〜4の何れか一項に記載の画像表示装置が提供される。
請求項6に記載の発明によれば、
診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する工程と、
乳房画像に、当該乳房画像のうちユーザにより指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段から、前記算出された特徴量と類似する特徴量に対応する乳房画像を取得し、類似症例として表示手段に表示させる工程と、
を含む画像表示方法が提供される。
請求項7に記載の発明によれば、
コンピュータを、
表示手段、
乳房画像に、当該乳房画像のうちユーザにより指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段、
診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する候補検出手段、
前記算出された特徴量と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる制御手段、
として機能させるためのプログラムが提供される。
本発明によれば、同じ関心領域であれば、ユーザである医師によって関心領域の指定方法にばらつきがあったとしても、類似症例として同じ乳房画像を提供することができる。従って、安定した類似症例の提供が可能となる。
まず、構成を説明する。
図1に、本実施形態における画像表示装置10の機能的構成を示す。
図1に示すように、画像表示装置10は、制御部11、操作部12、表示部13、通信部14、記憶部15、候補検出部16を備えて構成されている。
制御部11は、CPU(Central Processing Unit)、RAM(Random Access Memory)等から構成される制御手段である。制御部11は記憶部15に記憶されているプログラムとの協働により、各種処理を実行し、処理において演算を行うとともに各部の制御を行う。例えば、制御部11は候補検出部16により病変候補の検出やその特徴量、位置情報、乳腺濃度情報を算出させる。また、乳房画像や、候補検出部16により算出された特徴量等をデータベース化して記憶部15に保存させる。また、病変候補について算出された特徴量等に類似する特徴量等を有する類似症例の有無を判断し、類似症例が有る場合にはその乳房画像等を記憶部15から取得して表示部13に表示させる。
操作部12はキーボード、マウス、タッチペン、表示部13のディスプレイと一体に構成されるタッチパネル等を備え、これらの操作に応じた操作信号を生成して制御部11に出力する。
表示部13はディスプレイを備える表示手段であり、制御部11の表示制御に従って、乳房画像や病変候補の検出結果等を表示する。
通信部14は通信用のインターフェイスを備えて、ネットワーク上の外部装置との通信を行う。例えば、サーバに接続し、診断対象の乳房画像を受診したり、病変候補の検出結果等を送信したりする。
記憶部15は、制御部11や候補検出部16により用いられるプログラムや必要なパラメータ等を記憶する。
また、記憶部15は過去の症例に係る第1データベース151及び第2データベース152を記憶する記憶手段である。第1データベース151は、ユーザである医師により指定された指定領域において検出された病変候補についての情報を保存するものであり、第2データベース152は乳房画像の乳房領域において検出された病変候補についての情報を保存するものである。
図2に、第1データベース151の一例を示す。
図2に示すように、第1データベース151には、過去の症例毎に乳房画像、その乳房画像において医師が指定した指定領域、その乳房画像から画像表示装置10によって検出された病変候補、その乳房画像を用いて算出された乳房の乳腺濃度情報、その乳房画像についての診療情報が対応付けて記憶されている。各症例には症例を個々に識別するための識別番号nが付されて管理されている。
指定領域の情報は、乳房画像において医師が関心領域として指定した画像領域の位置を示す情報である。例えば、当該画像領域の画素の座標位置等により表される。
病変候補の情報には、病変候補が検出された乳房画像上の位置を示す位置情報と、病変候補の画像領域についての特徴量の情報が含まれる。位置情報は、乳房領域をブロック分けしたときのブロックのアドレスで表される。特徴量としては、コントラスト、集中度の情報等が挙げられる。
乳腺濃度情報には、乳房の乳腺濃度割合、乳腺濃度分類の情報が含まれる。
診療情報には、医師によって入力された乳房画像についての所見の情報、精密検査の結果の情報等が含まれる。精密検査の結果には、医師が乳房画像を読影する、他の検査結果を参照する等して、検出された病変候補について真の病変かどうかを判断した確定結果の情報やその病名等の情報が含まれる。
なお、第2データベース152は、指定領域の情報が無い点が異なるのみで第1データベース151と同様のデータ構成である。よって、第2データベース152に記憶される情報の説明は省略する。
候補検出部16は、乳房画像を用いて病変候補の検出処理を行うとともに、検出した病変候補の特徴量、位置情報、乳房の乳腺濃度情報を算出する候補検出手段である。処理内容については後述する。候補検出部16の処理はCPUと記憶部15に記憶されているプログラムとの協働により実現する。
次に、画像表示装置10の動作について説明する。
図3は、画像表示装置10により実行される類似症例の表示処理を説明するフローチャートである。
図3に示すように、画像表示装置10では制御部11の表示制御により、表示部13上に診断対象の乳房画像を表示し、この乳房画像においてユーザである医師による関心領域の指定操作を受け付ける。例えば、図4においてg1に示すような診断対象の乳房画像があり、g2に示すようにこの乳房画像において医師によって関心領域を囲むように領域の指定操作が行われると、ダイアログg21を表示して検出してほしい項目を医師に選択操作させる。制御部11は操作部12を介して指定された指定領域の情報を乳房画像に対応付けて、記憶部15の第1データベース151に保存させる(ステップS1)。
次いで、候補検出部16により医師による指定領域において病変候補の検出処理を行うとともに、検出した病変候補の特徴量を算出する。制御部11は、算出された病変候補の特徴量の情報を第1データベース151に保存する(ステップS2)。すなわち、図4のg2に示した、医師による指定領域の中でも、図4のg3に示すようにさらに病変候補の領域に絞って特徴量が算出されることとなる。
病変候補の検出処理では、病変候補の1次検出を行った後、1次検出された病変候補について偽陽性候補の削除を行う。削除により残った病変候補を最終的な検出結果として出力する。
〈1次検出〉
1次検出に用いる病変候補の検出手法として、ここでは一例として曲率を用いる方法について説明するが、集中度フィルタを用いる手法やモルフォロジーフィルタを用いる手法等、様々な手法を適用することが可能である。
曲率は、乳房画像を構成する各画素の位置(x方向、y方向)、各画素が持つ濃度(z方向)の3方向の信号成分で乳房画像を表したときに、その乳房画像の濃度分布を示す曲面から求めることができる。
図5に示す濃度分布の曲面Eを例に説明する。曲面Eは画素の位置(x方向、y方向)、濃度(z方向)の3方向の信号成分によって表された乳房画像の濃度分布を示す曲面である。この曲面Eにおいてある画素に注目し(これを注目画素pと表す)、この注目画素pにおける法線mで決定される平面を法平面Fとする。また、法平面Fと曲面Eとの光線、つまり法平面Fで切り出された曲面Eを法断面Jとする。曲率は、この法断面Jを円で近似し、その円の半径を用いて算出する。法線mを軸として法平面Fを回転させると、その回転角度によって法断面Jの形状が変化するため、算出される曲率も変化する。
図6に、ある回転角度θの法平面Fで決定された法断面Jにおける画像信号の分布例を示す。図6において、縦軸は画像信号値(濃度値)を示し、横軸は法平面Fのx−y平面における座標位置を示している。図5では曲面Eを連続する滑らかな線で描いたが、乳房画像はデジタル画像であるので、実際は図6に示すように離散的な値となる。
円を近似する法断面Jの領域範囲を、画素数nで表す。
例えば、円を近似する法断面Jの領域範囲をn=3とした場合、図6に示す注目画素pとその左右の画素を合わせた合計3画素の画像信号を近似する正円(以下、近似円という)を算出する。つまり、n=3のとき、近似対象は3点あるので、近似円はその3点を通る正円となる。
候補検出部16はこの近似円の半径r(θ)を算出する。そして、下記式より注目画素pの回転角度θにおける曲率k(θ)を算出する。
k(θ)=1/r(θ)
候補検出部16は法平面Fを0〜360度まで回転させ、回転させた各回転角度θにおいてそれぞれ曲率k(θ)を算出する。
曲率は、曲面が凸形状か凹形状かを示す指標であり、正の方向に曲率の値が大きいほど曲面は凹形状を示し、負の方向に曲率の値が大きいほど凸形状を示す。各回転角度θで得られた曲率k(θ)の平均値や、最大値となる曲率、最小値となる曲率等を特徴量として多変量解析を行い、病変候補か否かを判別する。
乳房の病変の1つである微小石灰化クラスタや腫瘤は、何れも凹形状に分類されるが、微小石灰化クラスタは凹形状が円錐状に近い一方、腫瘤はその断面がガウス分布形状のなだらかな凹形状となる傾向がある。一方、正常組織である乳腺は谷型の形状となる。このようにそれぞれ特徴が異なることから、正常組織と病変の種類毎に曲率k(θ)の平均値等を算出しておき、これを学習データとして多変量解析を行うことにより病変候補か正常組織か、またどの病変候補かを判別することができる。
なお、円を近似する法断面Jの領域範囲をn=5、7…と変化させ、各領域範囲で算出した曲率も含めて多変量解析することとしてもよい。この場合、濃度変化の領域性を含めて病変や正常組織を判別することができ、より検出精度が向上する。
〈偽陽性候補の削除〉
1次検出により検出された病変候補について、病変候補の特徴量の算出を行うとともに、当該特徴量を用いて偽陽性候補を削除する処理を行う。ここでは、コントラスト、集中度の特徴量を求めて偽陽性候補を削除する例を説明するが、別の手法を採用することとしてもよい。
図7を参照して、コントラストを用いた偽陽性候補の削除方法について説明する。
まず、候補検出部16は1次検出された病変候補の領域の重心を算出し、この重心から一定の距離d3にある円を候補辺縁として指定する。距離d3は検出したい病変の大きさに合わせて設定すればよい。
次に、候補検出部16は距離d3を元に外側領域と内側領域を設定する。例えば、図7に示すように重心から距離0.8d3にある円領域を内側領域、重心から距離1.2d3以上で距離1.7d3以下の領域を外側領域とする。
次いで、候補検出部16は外側領域と内側領域のそれぞれについて画像信号値の平均値を算出する。そして、各平均値の差を算出する。この平均値の差が病変候補のコントラストである。候補検出部16は、算出したコントラストを偽陽性候補の判断用に予め準備された閾値と比較することにより1次検出された病変候補が偽陽性候補か否かを判断する。例えば、病変が腫瘤の場合、正常組織の場合と比べて腫瘤とその辺縁のコントラストが大きいため、閾値よりコントラストが小さい病変候補は偽陽性候補と判断する。偽陽性候補と判断された病変候補については、候補対象から削除する。
次に、集中度を用いた偽陽性候補の削除方法について説明する。
まず、候補検出部16は1次検出された病変候補の領域について勾配情報を作成する。勾配情報はエッジ検出フィルタを用いて作成する。このエッジ検出フィルタは乳房画像の濃度勾配を勾配ベクトルとして算出するものである。
次いで、算出した勾配情報を元に勾配ベクトルを算出する。そして、図8に示すように病変候補の領域の各画素から勾配ベクトル方向に、検出したい病変の直径の最大値分だけ投票を行う。投票とは、病変候補の領域の各画素から勾配ベクトルを設定することである。図8の例では検出したい病変の直径の最大値を15mmとして勾配ベクトルを設定している。
投票により勾配ベクトルを設定すると、この投票結果を元に濃度の集中度を算出する。具体的には、病変候補の領域の各画素に投票が行われた回数を計数し、これを投票値とする。つまり、図8における勾配ベクトルの設定は投票を示すので、投票値はこの勾配ベクトルを示す矢印が各画素を通過した回数となる。そして、各画素の投票値のうち最大の投票値を、その病変候補の集中度として算出する。図8の例では画素1〜4の投票結果は、それぞれ1、1、2、4となり、投票値の最も大きい画素4の投票値が、その病変候補の集中度として算出されることとなる。
集中度が大きいということは、病変候補の領域内で勾配ベクトルの向きが投票値の最も大きい画素に集中している度合いが大きく、病変候補が真の病変である可能性が高いということである。候補検出部16は、算出した集中度を偽陽性候補の判断用に予め準備された閾値と比較することにより1次検出された病変候補が偽陽性候補か否かを判断する。例えば、病変が微小石灰化クラスタの場合、正常組織に比べて濃度勾配が大きい。よって、閾値よりも小さい集中度の病変候補は偽陽性候補と判断する。偽陽性候補と判断された病変候補については、候補対象から削除する。
このようにして、偽陽性候補の削除を行うと、候補検出部16は残りの病変候補を最終的な検出結果として出力する。また、偽陽性候補の削除処理の過程で算出したコントラスト、集中度の情報を、病変候補の特徴量として出力する。さらに、検出した病変候補のサイズ(病変候補の領域内にある画素数)、平均濃度等の他の特徴量を算出し、これらも病変候補の特徴量の1つとして出力する。
制御部11は、候補検出部16から出力された病変候補の検出結果として、その特徴量の情報を、病変候補が検出された乳房画像に対応付けて第1データベース151に保存させる。
なお、医師の指定領域内で病変候補が複数検出された場合、指定領域と各病変候補についてそれぞれ重心を求め、複数の病変候補のうち、指定領域の重心に最も近いものから順に所定数だけ病変候補を選択することとしてもよい。例えば、図9に示すように検出された2つの病変候補w1(重心w1g)、病変候補w2(重心w2g)のうち、1つを選択する場合、指定領域w3の重心w3gに最も近い重心を持つのは病変候補w1であるので病変候補w1を選択してこれを最終的な検出結果として出力する。これにより、より医師が関心を持つ病変に近い病変候補の検出や類似症例の表示が可能となる。
特徴量の算出を終えると、図3に示すように候補検出部16により検出した病変候補の位置情報を算出する。制御部11は算出された位置情報を病変候補が検出された乳房画像に対応付けて第1データベース151に保存する(ステップS3)。
位置情報の算出処理は、図10を参照して説明する。この処理では、左右の乳房画像を1組として入力し、左右それぞれの乳房画像について図10に示す処理を行う。
図10に示すように、候補検出部16は、まず乳房画像に対しSobelフィルタ処理を施す(ステップS21)。処理後の乳房画像の画像信号はエッジ強度を示す。
図11に示す乳房画像を例に処理の内容を説明する。この乳房画像において、乳房の上下方向をX軸、これと垂直の方向をY軸とし、乳房画像の各画素を(X、Y)の座標で表すとともに、その画素の画像信号値をV(X、Y)で表す。また、X軸方向の画像端の座標をXMax、Y軸方向の画像端の座標をYMaxとして表す。
候補検出部16は、乳房画像の各X座標(0〜XMax)の画素において、Y軸方向に探索を行い、V(X、Y)が最大となるY座標S(X)を抽出する(ステップS22)。これにより、乳房画像の各X座標におけるエッジが抽出される。抽出されたエッジは、図11に示すように乳房画像における乳房領域Saと乳房外領域Sbとの境界であるスキンラインSLを構成する。
次いで、抽出された各Y座標S(X)について、図12に示すようにS(X)とS(X+d(dは例えば10))とを結んだ直線と、S(X)〜S(X+d)間の各Y座標S(X)との最短の距離Dをそれぞれ算出する。そして、算出した距離Dのうち最大値をD(X)として算出する(ステップS23)。次いで、最大値D(X)を持つY座標S(X)とそのY座標S(X)に対応するX座標とを乳頭の座標(a,b)として検出する(ステップS24)。
次いで、候補検出部16は検出した乳頭の座標(a,b)を中心とし、図13に模式的に示すように、スキンラインSLを端点とする半径20mm〜50mmの同心円を少なくとも2つ描画し、その中点を算出する(ステップS25)。処理精度の向上のため、2以上の同心円を描き、複数の中点を算出するようにしてもよい。
候補検出部16は、算出した中点群の座標値を用いて最小二乗法による回帰直線を算出し、乳頭の座標(a,b)を通る、乳房の傾きを示す基準線lを取得する(ステップS26)。回帰直線である基準線lの算出式を下記式〔数1〕に示す。
次いで、候補検出部16は乳頭の座標(a,b)を原点、乳房の傾きを示す基準線lを軸とする極座標系を設定する(ステップS27)。次いで、図14に示すように左右の乳房画像のそれぞれにおいて、乳頭から胸壁側の画像端までの基準線lの距離d1、d2を算出し、この距離d1、d2の何れか一方を他方の距離に一致させる。すなわち、左右の乳房画像間で正規化を行う(ステップS28)。
正規化後、候補検出部16は乳頭の座標(a,b)を中心とし、基準線lを基準に乳房領域をブロック分けする(ステップS29)。具体的には、図14に示すように、乳頭の座標(a,b)を中心に放射線状に延びる直線を、基準線lに対し所定角度毎に描く。また、乳頭の座標(a,b)を中心とする同心円を、各同心円間の間隔が一定となるように描く。この直線と同心円のラインによって区分けされたブロックにアドレスを設定する。アドレスは、例えば各同心円のラインによって区分けされる領域にA、B、C…と符号を付し、直線のラインによって区分けされる領域に1、2、3…と符号を付して、同心円と直線のラインにより区分けされるブロックをそれら符号の組合せ、例えばA−1、C−5等で表す。
このようにブロック分けすると、検出した病変候補の領域に該当するブロックのアドレスを、病変候補の位置情報として算出する(ステップS30)。図15に示す例では病変候補の位置情報は、E−2〜E−7、F−2〜F−7のアドレスとなる。算出された位置情報は、制御部11により記憶部15の第1データベース151に保存される。
次いで、図3に示すように候補検出部16は乳房画像を用いて乳房の乳腺濃度情報を算出する。制御部11は、候補検出部16により出力された乳腺濃度情報を、対象となった乳房画像に対応付けて記憶部15のデータベース151に保存させる(ステップS4)。
まず、図14に示したようにブロック分けした乳房画像において、基準線lを中心として基準線lから角度30°以内であり、乳頭の座標(a,b)からの距離が10mm以上かつ乳頭から胸壁までの距離の80%の距離内にある各ブロックについて、ブロック内の平均濃度を算出する。次いで、乳房領域全体の平均濃度を算出し、前記算出した各ブロック内の平均濃度とそれぞれ比較する。ブロック内の平均濃度が乳房領域全体の平均濃度より大きい場合、当該ブロックを乳腺が多いブロックと判断し、ブロック内の平均濃度が乳房領域全体の平均濃度より小さい場合、当該ブロックを脂肪が多いブロックと判断する。
次いで、候補検出部16は平均濃度を算出した各ブロックのうち、乳腺が多いと判断されたブロックが占める割合を乳腺濃度割合(%)として算出する。乳腺濃度割合が60%以上である場合は「高濃度の乳腺」に分類し、60%未満40%以上である場合は「不均一高濃度」に分類する。また、40%未満20%以上である場合は「乳腺散在」、20%未満である場合は「脂肪性乳房」に分類する。そして、候補検出部16は、乳腺濃度情報として乳腺濃度割合(%)とその乳腺濃度割合(%)によって分類された「高濃度の乳腺」、「不均一高濃度」、「乳腺散在」、「脂肪性乳房」の乳腺濃度分類の情報を出力する。
一方、医師の指定領域における処理(ステップS1〜S4)に並行して、画像表示装置10では指定領域に関係なく乳房領域全てを対象として同様の処理を実行し、算出された情報を第2データベース152に保存する。すなわち、候補検出部16により乳房領域について病変候補の検出処理を行い、検出された病変候補の特徴量を算出する。制御部11は当該特徴量を乳房画像に対応付けて第2データベース152に保存する(ステップS5)。また、候補検出部16により検出された病変候補の位置情報を算出し、制御部11が算出された位置情報を乳房画像に対応付けて第2データベース152に保存する(ステップS6)。さらに、候補検出部16により乳房の乳腺濃度情報を算出し、制御部11により算出された乳腺濃度情報を第2データベース152に保存する(ステップS7)。
病変候補の検出、特徴量、位置情報、乳腺濃度情報の算出の方法はステップS1〜S4で説明した方法と同一であるので、ここでは説明を省略する。また、乳腺濃度情報は、対象が指定領域か乳房領域全域かによらず同じ乳房画像であれば同じ情報が算出されるので、ステップS7では算出は行わずに、ステップS4で算出された乳腺濃度情報を第1データベース151から取得して第2データベース152に保存することとしてもよい。
次に、制御部11は診断対象の乳房画像のうち、医師の指定領域から検出された病変候補について算出した位置情報及び/又は乳腺濃度情報と類似する類似症例が、第1データベース151に存在するかどうかを判断する(ステップS8)。類似症例は、位置情報或いは乳腺濃度情報の何れか一方が類似する類似症例の有無を判断してもよいし、何れも類似する類似症例の有無を判断してもよい。どちらの条件で類似症例の有無を判断するかは医師により選択させることとしてもよい。
類似するとは、全く一致するものの他、略一致するものも含む。例えば、乳腺濃度情報の場合は乳腺濃度割合と乳腺濃度分類が一致する症例をデータベース151内で検索する。一方、位置情報の場合、検出した病変候補の位置を示すブロックのアドレスが全て一致する位置情報を持つ症例の他、病変候補のブロックと80%以上等、一定以上の割合でアドレスが一致する症例をデータベース151内で検索する。
該当する類似症例が有る場合(ステップS8;Y)、制御部11はその類似症例のうち、さらに医師の指定領域から検出された病変候補について算出した特徴量が類似する類似症例が、第1データベース151に存在するかどうかを判断する(ステップS9)。例えば、検出した病変候補と第1データベース151に保存されている病変候補の特徴量のそれぞれを変量として多次元の特徴量空間を形成し、検出した病変候補と類似症例の2点間のユークリッド距離を類似度として算出する。ユークリッド距離が近いほど特徴量が類似しているので、予め類似の判断用に設定されている閾値と算出した類似度とを比較し、閾値以下であれば類似、閾値を超えているのであれば類似しないと判断する。
特徴量が類似する類似症例が有る場合(ステップS9;Y)、制御部11は当該類似症例に係る乳房画像、所見等の診療情報を第1データベース151から取得する。そして、制御部11は医師の指定領域から検出した病変候補の検出結果を表示部13に表示させるとともに、取得した類似症例に係る乳房画像、診療情報を参考用の表示させる(ステップS10)。
図16に、表示例を示す。
図16に示す表示画面Pでは、制御部11は画面領域を領域P1、P2に分け、領域P1で診断対象とする乳房画像についての表示を行い、領域P2で類似症例についての表示を行う。
具体的には、領域P1では診断対象とする乳房画像P11を表示するとともに、この乳房画像P11上で医師の指定領域について検出した病変候補を指し示すマーカP12を表示させて、検出結果の表示とする。また、乳腺濃度情報や病変候補の位置情報の算出結果P13を表示させる。算出結果P13には乳腺濃度分類「脂肪性乳房」と、病変候補が位置する領域名称「M領域(乳頭からの距離30mm)」を表示させている。なお、領域名称はブロックのアドレスと異なり、医師の診断用に別途区分された領域に付された名称である。一方、領域P2では、データベース151から取得した類似症例に係る乳房画像P21、その乳房画像についての所見や精密検査結果等の診療情報P22を表示させている。
これに対し、ステップS8、9において、該当する類似症例が第1データベース151に無いと判断された場合(ステップS8;N、S9;N)、制御部11は第2データベース152について同じ判断を繰り返す。すなわち、診断対象の乳房画像のうち、医師の指定領域から検出された病変候補について算出した位置情報及び/又は乳腺濃度情報と類似する類似症例が、第2データベース152に存在するかどうかを判断する(ステップS12)。
該当する類似症例が有れば(ステップS12;Y)、制御部11はその類似症例のうち、さらに医師の指定領域から検出された病変候補について算出した特徴量が類似する類似症例が、第2データベース152に存在するかどうかを判断する(ステップS13)。該当する類似症例が有れば(ステップS13;Y)、制御部11は当該類似症例に係る乳房画像、所見等の診療情報を第2データベース152から取得する。そして、制御部11は医師の指定領域から検出した病変候補の検出結果を表示部13に表示させるとともに、取得した類似症例に係る乳房画像、診療情報を参考用の表示させる(ステップS14)。
一方、第1データベース151及び第2データベース152の何れにも該当する類似症例が無い場合(ステップS12;N、S13;N)、制御部11は病変候補の検出結果のみ表示部13上に表示させ、類似症例が無い旨の表示を行わせる(ステップS15)。すなわち、図16に示すような表示画面Pにおいて、領域P2を非表示とし、代わりに「類似症例は検索されませんでした」等の通知情報を表示させる。
その後、表示画面Pにおいて乳房画像P11を読影した医師により、操作部12を介して所見や病変候補について真の病変かどうかを判断した確定結果が入力された場合、制御部11は当該入力情報を診療情報として乳房画像P11に対応付けて第1データベース151、第2データベース152のそれぞれに保存させる(ステップS11)。
以上のように、本実施形態によれば、過去の症例として、乳房画像に、当該乳房画像のうち医師によって指定された指定領域で検出された病変候補の特徴量、位置情報、乳腺濃度情報を対応付けて記憶部15の第1データベースに記憶しておく。そして、診断対象の乳房画像については、医師の指定領域について候補検出部16により検出した病変候補の特徴量を算出する。制御部11は第1データベースを検索して候補検出部16により算出された特徴量と類似する特徴量を有する類似症例の有無を判断し、該当する類似症例があればその乳房画像や診療情報を第1データベース151から取得して、病変候補の検出結果とともに表示部13上に表示させる。
これにより、医師により指定された指定領域についての特徴量ではなく、その指定領域内で候補検出部16が検出した病変候補の特徴量により、類似症例を取得することができ、同じ関心領域であれば、医師によって関心領域の指定方法にばらつきがあったとしても、同じ類似症例を提供することが可能となる。従って、安定した類似症例の提供が可能となる。
また、医師による指定領域について検出された病変候補だけでなく、乳房領域全体を対象として検出された病変候補についても特徴量、位置情報、乳腺濃度情報を対応付けて記憶部15の第2データベース152に記憶していく。第1データベース151内で該当する類似症例が無いと判断された場合には、制御部11はこの第2データベース152から類似する特徴量を有する類似症例を取得、表示するので、提供できる症例数を増やすことが可能となる。
また、制御部11は医師の指定領域から検出された病変候補と位置情報や乳腺濃度情報が類似する類似症例を第1データベース151又は第2データベース152から取得し、表示するので、病変候補が存在する位置や乳房の乳腺濃度が類似する乳房画像を、類似症例として提供することができる。医師にとって関心のある病変候補と、病変候補の位置や乳腺濃度のバックグラウンドを含めて条件が近い乳房画像を参考用として表示することができる。医師は類似症例として表示された乳房画像を、診断対象の乳房画像との比較読影に用いたりすることができ、診断に有用な乳房画像の提供が可能となる。
また、第1データベース151、第2データベース152には、乳房画像に診療情報を対応付けて記憶しておき、制御部11は乳房画像を取得する際にその乳房画像に対応する診療情報も取得して表示部13に表示させる。診療情報には、医師の確定結果の情報が含まれるので、類似症例として表示された乳房画像に含まれる病変候補が真の病変であったかどうかを踏まえて診断を行うことが可能となる。
また、候補検出部16では位置情報を算出する際、乳房画像に座標系を設定して乳頭の座標位置及び乳頭の傾きを検出し、これらを基準とするブロック分けを行う。このブロックによって病変候補の位置を特定するので、病変候補の位置を精度良く特定することができる。おれにより、病変候補の位置の類似性が高い乳房画像を提供することが可能となる。
上記実施の形態は、本発明の好適な一例であり、これに限定されない。
例えば、医師による関心領域の指定領域の情報は、病変候補の位置情報を算出した際に乳房領域に設定したブロックのアドレスにより示すこととしてもよい。
また、診療情報は医師によって入力された所見等の情報を第1データベース151、第2データベース152に保存することとしたが、所見や病名の確定診断の結果を含む電子カルテ情報等、別途作成された情報があればこれを診療情報として保存することとしてもよい。
また、本発明に係るプログラムのコンピュータ読み取り可能な媒体としては、ROM、フラッシュメモリ等の不揮発性メモリ、CD-ROM等の可搬型記録媒体を適用することが可能である。
また、本発明に係るプログラムのデータを通信回線を介して提供する媒体として、キャリアウエーブ(搬送波)も本発明に適用される。
本実施形態における画像表示装置の機能的構成を示す図である。 過去の症例に係る第1データベースの一例を示す図である。 画像表示装置により実行される類似症例の表示処理を示すフローチャートである。 医師による関心領域の指定と病変候補の検出の関係を説明する図である。 乳房画像の濃度分布を示す曲面の図である。 図5の曲面の法断面における濃度分布を示す図である。 コントラストの特徴量の算出方法を説明するための図である。 集中度の特徴量の算出方法を説明するための図である。 複数検出された病変候補のうち、検出結果とする病変候補を選択する方法を説明するための図である。 画像表示装置により位置情報を算出する際に実行される処理を示すフローチャートである。 乳房画像に設定される座標系を説明するための図である。 乳頭の座標の検出方法を説明するための図である。 乳頭の傾きを示す基準線の算出方法を説明するための図である。 乳房領域をブロック分けした図である。 病変候補に該当するブロックを示す図である。 病変候補の検出結果及び類似症例の表示例を示す図である。
符号の説明
10 画像表示装置
11 制御部
12 操作部
13 表示部
14 通信部
15 記憶部
151 第1データベース
152 第2データベース
16 候補検出部

Claims (7)

  1. 表示手段と、
    乳房画像に、当該乳房画像のうち医師により指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段と、
    診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する候補検出手段と、
    前記算出された特徴量と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる制御手段と、
    を備える画像表示装置。
  2. 前記記憶手段は、乳房画像に、当該乳房画像の乳房領域において検出された病変候補の特徴量を対応付けて記憶し、
    前記候補検出手段は、診断対象の乳房画像のうち乳房領域において病変候補を検出するとともに、当該病変候補の特徴量を算出し、
    前記制御手段は、前記ユーザの指定領域から検出された病変候補と類似する特徴量に対応する乳房画像が無い場合、前記乳房領域において検出された病変候補と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる請求項1に記載の画像表示装置。
  3. 前記記憶手段は、乳房画像に当該乳房画像から検出された病変候補の位置情報を対応付けて記憶し、
    前記候補検出手段は、前記診断対象の乳房画像を用いて、当該乳房画像から検出された病変候補の位置情報を算出し、
    前記制御手段は、前記算出された位置情報と類似する位置情報に対応する乳房画像を前記記憶手段から取得し、類似症例として表示させる請求項1又は2に記載の画像表示装置。
  4. 前記記憶手段は、乳房画像に当該乳房画像を用いて算出された乳腺濃度情報を対応付けて記憶し、
    前記候補検出手段は、前記診断対象の乳房画像を用いて、乳房の乳腺濃度情報を算出し、
    前記制御手段は、前記算出された乳腺濃度情報と類似する乳腺濃度情報に対応する乳房画像を前記記憶手段から取得し、類似症例として表示させる請求項1〜3の何れか一項に記載の画像表示装置。
  5. 前記制御手段は、前記記憶手段から取得した乳房画像を、前記候補検出手段による病変候補の検出結果とともに表示させる請求項1〜4の何れか一項に記載の画像表示装置。
  6. 診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する工程と、
    乳房画像に、当該乳房画像のうちユーザにより指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段から、前記算出された特徴量と類似する特徴量に対応する乳房画像を取得し、類似症例として表示手段に表示させる工程と、
    を含む画像表示方法。
  7. コンピュータを、
    表示手段、
    乳房画像に、当該乳房画像のうちユーザにより指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段、
    診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する候補検出手段、
    前記算出された特徴量と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる制御手段、
    として機能させるためのプログラム。
JP2008159276A 2008-06-18 2008-06-18 画像表示装置、画像表示方法及びプログラム Expired - Fee Related JP5083060B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2008159276A JP5083060B2 (ja) 2008-06-18 2008-06-18 画像表示装置、画像表示方法及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008159276A JP5083060B2 (ja) 2008-06-18 2008-06-18 画像表示装置、画像表示方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2010000130A true JP2010000130A (ja) 2010-01-07
JP5083060B2 JP5083060B2 (ja) 2012-11-28

Family

ID=41582350

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008159276A Expired - Fee Related JP5083060B2 (ja) 2008-06-18 2008-06-18 画像表示装置、画像表示方法及びプログラム

Country Status (1)

Country Link
JP (1) JP5083060B2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9820697B2 (en) 2013-08-01 2017-11-21 Panasonic Corporation Lesion determination apparatus, similar case searching apparatus, lesion determination method, similar case searching method, and non-transitory computer-readable storage medium

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001187044A (ja) * 2000-11-20 2001-07-10 Toshiba Corp 画像収集装置
JP2004357866A (ja) * 2003-06-03 2004-12-24 Konica Minolta Medical & Graphic Inc 医用画像処理装置及び表示制御方法
JP2005065856A (ja) * 2003-08-21 2005-03-17 Fuji Photo Film Co Ltd 異常陰影検出方法および装置並びにプログラム
JP2007275216A (ja) * 2006-04-05 2007-10-25 Fujifilm Corp 類似画像検索装置および方法並びにプログラム
JP2007275408A (ja) * 2006-04-10 2007-10-25 Fujifilm Corp 類似画像検索装置および方法並びにプログラム
JP2007286945A (ja) * 2006-04-18 2007-11-01 Fujifilm Corp 類似画像検索装置および方法並びにプログラム

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001187044A (ja) * 2000-11-20 2001-07-10 Toshiba Corp 画像収集装置
JP2004357866A (ja) * 2003-06-03 2004-12-24 Konica Minolta Medical & Graphic Inc 医用画像処理装置及び表示制御方法
JP2005065856A (ja) * 2003-08-21 2005-03-17 Fuji Photo Film Co Ltd 異常陰影検出方法および装置並びにプログラム
JP2007275216A (ja) * 2006-04-05 2007-10-25 Fujifilm Corp 類似画像検索装置および方法並びにプログラム
JP2007275408A (ja) * 2006-04-10 2007-10-25 Fujifilm Corp 類似画像検索装置および方法並びにプログラム
JP2007286945A (ja) * 2006-04-18 2007-11-01 Fujifilm Corp 類似画像検索装置および方法並びにプログラム

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9820697B2 (en) 2013-08-01 2017-11-21 Panasonic Corporation Lesion determination apparatus, similar case searching apparatus, lesion determination method, similar case searching method, and non-transitory computer-readable storage medium

Also Published As

Publication number Publication date
JP5083060B2 (ja) 2012-11-28

Similar Documents

Publication Publication Date Title
Reinke et al. Common limitations of image processing metrics: A picture story
JP2010000133A (ja) 画像表示装置、画像表示方法及びプログラム
Rocha et al. Points of interest and visual dictionaries for automatic retinal lesion detection
US9826896B2 (en) Image processing apparatus, image processing method, and storage medium
JP5618787B2 (ja) レポート作成支援装置及びその作成支援方法、並びにプログラム
US8355553B2 (en) Systems, apparatus and processes for automated medical image segmentation using a statistical model
US8498492B2 (en) Methods of analyzing a selected region of interest in medical image data
US8442280B2 (en) Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading
Narayanan et al. Performance analysis of a computer-aided detection system for lung nodules in CT at different slice thicknesses
US10706534B2 (en) Method and apparatus for classifying a data point in imaging data
US8611632B2 (en) Method of selecting and visualizing findings within medical images
JP2008079770A (ja) 読影支援装置、読影支援方法及びプログラム
US20230115733A1 (en) Rapid On-Site Evaluation Using Artificial Intelligence for Lung Cytopathology
JP5997791B2 (ja) 診断支援装置、診断支援装置の制御方法、プログラム及び記憶媒体
JP2009082442A (ja) 診断支援装置、診断支援装置の制御方法、プログラム及び記憶媒体
Bhuyan et al. Diagnosis system for cancer disease using a single setting approach
CN110533120A (zh) 器官结节的图像分类方法、装置、终端及存储介质
Pham et al. Chest x-rays abnormalities localization and classification using an ensemble framework of deep convolutional neural networks
JP2014059892A (ja) 医用情報処理装置、医用情報処理方法、及びプログラム
JP6827707B2 (ja) 情報処理装置および情報処理システム
JP2016146132A (ja) 形状特徴抽出方法、形状特徴抽出処理装置、形状記述方法及び形状分類方法
Corredor et al. Training a cell-level classifier for detecting basal-cell carcinoma by combining human visual attention maps with low-level handcrafted features
JP5083060B2 (ja) 画像表示装置、画像表示方法及びプログラム
JP2006130049A (ja) 画像読影支援方法、およびシステム、ならびにプログラム
JP4726787B2 (ja) 画像中のコンパクト・オブジェクトを検出するシステム及び方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20101215

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20120531

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20120605

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20120712

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20120712

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20120807

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120820

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150914

Year of fee payment: 3

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R360 Written notification for declining of transfer of rights

Free format text: JAPANESE INTERMEDIATE CODE: R360

R370 Written measure of declining of transfer procedure

Free format text: JAPANESE INTERMEDIATE CODE: R370

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

LAPS Cancellation because of no payment of annual fees