JP2011255061A - ポジショニング判定装置、画像処理装置、及び、プログラム - Google Patents

Abstract

【課題】 ポジショニングミスにより撮影部位の一部が欠落している画像を適切に判定することができるポジショニング判定装置、画像処理装置、及び、プログラムを提供する。
【解決手段】 人体の特定部位に放射線を照射して得られた放射線画像が適切なポジショニングで撮影された画像であるか否かを判定するポジショニング判定手段と、放射線画像の照射野内で当該照射野の境界に接する部分領域の画像データから所定の特徴量を抽出し、所定の学習アルゴリズムによる特徴量に関する学習結果に基づいて、特定部位の一部が放射線画像から欠落しているか否かを判定する画像判定手段と、を備え、ポジショニング判定手段は、放射線画像が適切なポジショニングで撮影された画像であるか否かを判定する基準に画像判定手段の判定結果を含む。
【選択図】 図３

Description

この発明は、撮影された画像のポジショニングの可否を判定するポジショニング判定装置、画像処理装置、および、プログラムに関する。

以前より、病院などの医療施設では、Ｘ線画像をはじめとする放射線画像が数多く撮影されている。これらの放射線画像は、例えば、肺や頭部といった人の体内の様々な部位の病変組織や異常を非侵食的に検出し、病気の診断を行う際に用いられる。

これらの放射線画像の撮影では、撮影前に撮影対象である部位を直接確認することが困難であり、また、介護人が付き添うことができない。そのため、撮影対象となる人の姿勢、体格などの個人差や動きにより、しばしば、診断の対象とする部位が正常に撮影されていないという状況が発生する。

そこで、従来、撮影された放射線画像のデジタルデータを読み取って撮影位置が適正であるか否かを判断する装置がある。例えば、特許文献１では、撮影画像から人体や撮影対象部位の相対的な位置を検出し、適正な位置で撮影されたか否かを判断して警告する技術が開示されている。撮影装置にこのような判定システムを組み込むことにより、適正な撮影がなされずに後日改めて撮影をしなければならないようなリスクを低減させている。

特開平４−３６４８３４号公報

しかしながら、放射線画像の撮影の対象となる部位は、そのサイズや形状に個人差があり、人の体形などに基づく相対的、または、全体的な位置の判断のみでは精度が足りずに撮影対象となる部位の端部がしばしば画像から欠落してしまうという課題がある。

本発明の目的は、ポジショニングミスにより撮影部位の一部が欠落している画像を適切に判定することができるポジショニング判定装置、画像処理装置、および、プログラムを提供することにある。

上記課題を解決するために、請求項１記載の発明は、
人体の特定部位に放射線を照射して得られた放射線画像が適切なポジショニングで撮影された画像であるか否かを判定するポジショニング判定手段と、
前記放射線画像の照射野内で当該照射野の境界に接する部分領域の画像データから所定の特徴量を抽出し、所定の学習アルゴリズムによる前記特徴量に関する学習結果に基づいて、前記特定部位の一部が前記放射線画像から欠落しているか否かを判定する画像判定手段と、
を備え、
前記ポジショニング判定手段は、
前記放射線画像が適切なポジショニングで撮影された画像であるか否かを判定する基準に前記画像判定手段の判定結果を含む
ことを特徴とするポジショニング判定装置である。

請求項２記載の発明は、請求項１記載のポジショニング判定装置において、
前記学習アルゴリズムは、アダブースト、又は、サポートベクタマシンである
ことを特徴としている。

請求項３記載の発明は、請求項１記載のポジショニング判定装置において、
前記放射線画像は、胸部正面画像であり、
前記特定部位は、肺野である
ことを特徴としている。

請求項４記載の発明は、請求項１記載のポジショニング判定装置において、
前記画像判定手段は、
前記部分領域を所定の数に分割し、当該分割された領域ごとに最大の放射線量を示す値を前記特徴量として用いる
ことを特徴としている。

請求項５記載の発明は、
請求項１〜４の何れか一項に記載のポジショニング判定装置と、
前記ポジショニング判定装置に備えられた前記画像判定手段の判定結果、及び、当該判定結果に基づく前記ポジショニング判定装置の判定結果を表示する画像表示手段と、
を備えることを特徴とする画像処理装置である。

請求項６記載の発明は、
コンピュータを、
人体の特定部位に放射線を照射して得られた放射線画像が適切なポジショニングで撮影された画像であるか否かを判定するポジショニング判定手段、
前記放射線画像の照射野内において当該照射野の境界に接する部分領域の画像データから所定の特徴量を抽出し、所定の学習アルゴリズムによる前記特徴量に関する学習結果に基づいて、前記特定部位が前記放射線画像から欠落しているか否かを判定する画像判定手段、
として機能させるためのプログラムであって、
前記ポジショニング判定手段は、
前記放射線画像が適切なポジショニングで撮影された画像であるか否かを判定する基準に前記画像判定手段の判定結果を含む
ことを特徴としている。

本発明によるポジショニング判定装置、および、画像処理装置は、所定の学習アルゴリズムによる学習結果に基づいて人体の特定部位の一部が欠落している画像であるか否かを判別する画像判定手段を備えるので、特定部位の一部の欠落画像であっても適切に判定することができるという効果がある。

本発明の実施形態の画像処理装置の構成を示すブロック図である。 画像処理の制御手順を示すフローチャートである。 ポジショニング判定処理の制御手順を示すフローチャートである。 ポジショニング判定処理の方法を具体的に示した図である。 画像処理装置の表示部への表示例を示す図である。

以下、本発明の実施の形態を図面に基づいて説明する。

図１は、本実施形態の画像処理装置１の構成を示すブロック図である。
この画像処理装置１は、取得した放射線画像内に撮影対象である人体の特定部位が欠損なく適正に記録されているか否かを判断して、この画像の設定や分類の変更、保存、または、廃棄の処理を行う装置である。この画像処理装置１は、制御部１１と、記憶部１２と、操作部１３と、表示部１４と、通信部１５などを備え、これらの各部は、バス１６により相互に接続されている。

制御部１１は、画像処理装置１全体、および、各部の制御統括処理や、演算処理を行うＣＰＵ（Central Processing Unit）と、ＣＰＵに作業用のメモリ空間を提供し、一時データを記憶するＲＡＭ（Random Access Memory）などにより構成されている。ＣＰＵは、記憶部１２から読み出した各種実行プログラム１２ａをＲＡＭ上に展開して種々の処理を行う。また、ＣＰＵは、バス１６を介して他の構成部から信号やデータを受け取ったり、制御信号や命令を送ったりしている。また、この制御部１１には、画像判定処理を行う判定器１１ａが含まれる。

記憶部１２は、データを記憶して保存する記憶装置などを備える。この記憶装置は、例えば、ハードディスク（ＨＤＤ）である。或いは、この記憶部１２には、ＳＳＤ（Solid State Drive）などの他の記憶手段や、着脱可能なフラッシュメモリも含むことができる。この記憶部１２に記憶されるデータには、ＣＰＵによって読み出される各種プログラム１２ａ、プログラムを実行する際に用いられる設定データ、取得された画像データ、および、画像の解析データが含まれる。プログラム１２ａは、ＣＤ‐ＲＯＭやＤＶＤなどの記録媒体を用いて、読取装置を介して画像処理装置１が利用可能とすることもできるし、キャリアウェーブ（搬送波）などにより外部から通信回線を介して取得し、実行する形態も適用可能である。

操作部１３は、例えば、キーボードとマウスとにより構成される。或いは、この操作部１３には、タッチパネルやその他のポインティングデバイスを含むこととしても良い。ユーザが行った操作部１３のこれらの機器の操作内容は、入力信号に変換されて画像処理装置１の各部へ出力される。

表示部１４は、ディスプレイなどを備え、画像の表示を行う。このディスプレイは、例えば、液晶ディスプレイ（ＬＣＤ）である。或いは、ディスプレイには、有機ＥＬＤ（Electro-Luminescent Display）などの他の表示手段を用いることとしてもよい。表示部１４は、制御部１１から制御信号、および、データ信号を受けて画面上に放射線画像や関連情報などのデータを表示する。

通信部１５は、通信用のインターフェイスなどを備え、画像処理装置１と外部との間での通信のための処理を行う。この通信用インターフェイスは、例えば、ネットワークカードである。画像処理装置１が外部との間でやり取りされるデータ、例えば、外部の撮影装置で撮影された放射線画像データは、この通信部１５を介して外部ネットワークから入力される。一方、例えば、画像処理装置１における種々の処理により取得されたデータは、記憶部１２に保存されるとともに、通信部１５を介して外部のコンピュータ端末に出力される。

次に、本実施形態のポジショニング判定処理の動作について説明する。

図２は、ＣＰＵによる画像処理の制御手順を示したフローチャートである。この画像処理は、例えば、ユーザによる操作部１３の開始指示操作に基づく入力信号より開始される。

画像処理が開始されると、制御部１１のＣＰＵは、先ず、画像データを記憶部１２から読み込む（ステップＳ２１）。この画像データは、本実施形態では、放射線画像撮影装置で撮影された後に、明度やコントラストの調整といった初期補正がなされて記憶部１２に保存されたものである。

次に、ＣＰＵは、この読み込まれた画像データに撮影された被写体である人体の特定部位のポジショニング判定処理を行う（ステップＳ２２）。このＣＰＵ（制御部１１）によるポジショニング判定処理は、ポジショニング判定手段を構成するものであり、後に詳述する。

続いて、ＣＰＵは、画像データを画像の関連情報や操作メニューとともに表示部１４に表示させる（ステップＳ２３）。また、ＣＰＵは、ステップＳ２２のポジショニング判定処理の結果に基づき、画像内の撮影部位の配置が不良であるか否かの判別処理を行い（ステップＳ２４）、ポジショニング判定の結果が不良であると判別された場合には、表示部１４に表示された画像上、および、告知エリアにその旨を表示させる（ステップＳ２５）。そして、ＣＰＵの処理は、ステップＳ２６へ移行する。ポジショニング判定の結果が不良ではないと判別された場合には、ＣＰＵは、追加の表示を表示部１４に行わせず、ＣＰＵの処理は、そのままステップＳ２６へ移行する。

ＣＰＵは、表示部１４の画像に対する２種類のボタンを表示させる。即ち、ＣＰＵは、ユーザによる画像の正常確認ボタン“ＯＫ”、および、ユーザによる画像の不良確認ボタン“ＮＧ”を表示部１４に表示させて、ユーザにより何れかのボタンの操作があるまで待機する（ステップＳ２６）。

正常確認ボタン“ＯＫ”が操作されたことを示す操作部１３からの入力信号が検出されたと判別されると、ＣＰＵは、当該画像にフラグ“ＯＫ”を設定する（ステップＳ２７）。そして、画像判定処理を終了する。一方、不良確認ボタン“ＮＧ”が操作されたことを示す操作部１３からの入力信号が検出されたと判別されると、ＣＰＵは、当該画像にフラグ“ＮＧ”を設定する（ステップＳ２８）。そして、画像判定処理を終了する。

ここで、上記の制御手順では、ＣＰＵは、画像にフラグ“ＯＫ”または“ＮＧ”を設定しただけであったが、例えば、フラグ“ＮＧ”が設定された画像データを専用のディレクトリに移動させることとしても良いし、或いは、当該画像データを消去することとしても良い。

次に、ポジショニング判定処理（ステップＳ２２）について詳細に説明する。

図３は、ポジショニング判定処理の手順について説明したフローチャートである。また、図４は、ポジショニング判定処理の例を具体的に示した図である。

ポジショニング判定処理が呼び出されると、ＣＰＵは、先ず、画像内の照射野の範囲を認識する処理を行う（ステップＳ２２１）。この処理では、ＣＰＵは、撮影時にマスキングにより放射線照射源から撮像面まで放射線が到達しなかった部分を検出して、画像中からこの検出された部分を除外した残りの部分を照射野として設定する。即ち、図４（ａ）に示すように、実践の枠で示された胸部正面画像のデータのうち、マスキングにより撮影がなされていない部分を除く、破線で示された境界線Ｂ１を検出し、この境界線Ｂ１の内部を照射野の範囲として設定する。この照射野の設定処理は、例えば、画像の輪郭から内側に連続して輝度がほぼ最大（即ち、放射線量が最小）の領域を検出して除外するなどの方法で行うことができる。

次に、ＣＰＵは、特定された照射野を複数の小領域に分割する。そして、ＣＰＵは、これらの分割された複数の小領域のうち、照射野の境界付近の所定の範囲である部分領域に含まれる各小領域から予め指定した特徴量を抽出する処理を行う（ステップＳ２２２）。具体的には、図４（ｂ）に示すように、この撮影された画像データ中の照射野の範囲は、特に限られないが、例えば、１０×１０のマトリックス状に配置された小領域に分割される。そして、照射野の上下の境界線からそれぞれ２行、および、左右の境界線からそれぞれ２列の部分領域に含まれる各小領域から特徴量を抽出する。

ここで、境界線に接する部分領域を一行または一列のみではなく複数の行または列に分割してデータを取得することにより、複雑な画像パターンの場合にも正確に画像判定を行うことができる。例えば、肺野の下端の更に下部にガスが写りこんでいる場合、肺野の下端に水が溜まっている場合、肺野の下端付近にカテーテルが挿入されている場合などが考えられるが、これらのケースについても、複数行および複数列の小領域のデータに基づいて学習させた判定器１１ａを用いることにより、適切に判定を行うことができる。

ステップＳ２２２の処理で抽出される特徴量は、例えば、各小領域内の各画素が有する輝度値のうちの最小値（即ち、測定された放射線強度が最大のもの）である。また、他の特徴量としては、各小領域内での輝度値の一次微分量の最大値、また、特に、一次微分量のうち照射野の境界線に平行な成分の各小領域内における最大値、および、この一次微分量の最大値をとる座標値を利用することができる。或いは、更に、特徴量として、輝度値のパワースペクトルを用いることができる。特に、照射野の境界線に平行な方向のパワースペクトル密度や、極大値を取る周波数（波長）の値が利用可能である。

上記の特徴量の抽出が行われると、ＣＰＵは、これらの特徴量およびその配列を利用して、境界線ごとに画像判定処理を行う（ステップＳ２２３）。ＣＰＵ（制御部１１）が行う画像判定処理は、各境界線により被写体が欠落していないか否かを判定するものであり、画像判定手段を構成する。図４（ｂ）の例では、上端、下端、左端、および、右端の各境界線に沿ってそれぞれ２×１０の小領域から特徴量を取得し、これらのデータを制御部１１の判定器１１ａに入力して、肺野が各境界線からはみ出して撮影されていない部分があるかどうかの判定を行う。

この画像判別処理に用いられる判定器１１ａは、所定の学習アルゴリズムを用いて予め学習させたものである。判定器１１ａの学習に用いる学習アルゴリズムとしては、特に限られないが、例えば、アダブースト（ＡｄａＢｏｏｓｔ）が利用される。アダブーストは、予め被写体の欠落があるか否かが既知の画像から抽出された複数の特徴量のデータ配列をそれぞれ多数用意し、被写体の欠落を判別する判別器を重み付で組み合わせることで最適な判別器を作るアルゴリズムである。その他の学習アルゴリズムとしては、例えば、サポートベクタマシンやニューラルネットワークを用いたもの、或いは、Ｋ-最近傍識別器が利用可能である。また、判別分析のような統計的手法を適用してもよい（参考文献：C. M. Bishop, “Pattern Recognition and Machine Learning”, Springer-Verlag, New Ed版（2006））。

アダブーストによる学習では、予め特定部位の欠落がある画像と欠落がない画像とをそれぞれ複数用意し、また、被写体の欠落を判別する複数の判別器を用意する。複数の判別器には、例えば、一つの特徴量に対し閾値を超えるか否かで判別を行う判別器を、閾値を変えて用意するDecision Stampなどが用いられる。そして、画像から抽出された複数の特徴量がそれぞれ欠落のある画像に対応するか、欠落がない画像に対応するかの判別結果から判別に有効な判別器とその重み付け量を学習させる。

一方、サポートベクタマシンは、複数の特徴量の組み合わせ（特徴ベクトル）により示されるデータ点を高次元空間に写像し、写像された高次元空間において、特定部位の欠落がある画像と欠落がない画像とに最も明確に、即ち、最大のマージンを有するように線形分離する分離面を求める統計的アルゴリズムである。

これらのアルゴリズムにより予め学習させた判定器１１ａは、画像処理装置１の制御部１１に組み込まれて特定部位の欠落の有無に関する判定処理を行わせる。

ここで、学習アルゴリズムに基づく判定器１１ａを用いるまでもなく、例えば、明らかに異なる部位が撮影されている画像や拡大率が異なる画像の場合には、ＣＰＵは、従来の相対的なポジショニング判定を併用して適切な構図で撮影された画像ではないという判定を行うことが可能である。

図５には、画像処理装置１の表示部１４にポジショニング判定処理の結果を表示させた例を示す。

図５( ａ)は、ポジショニング判定処理により、被写体である肺野に欠落部分がある画像であると判定された場合の表示例である。画面上には、３枚の放射線画像が呼び出されて画像表示ブロック１３１〜１３３にそれぞれ表示されている。また、画面上には、その他、これらの放射線画像の撮影が行われた患者の識別情報１３４、各種の操作メニュー、および、画像処理判定告知メッセージ１３５が表示されている。各画像表示ブロック１３１〜１３３では、呼び出された放射線画像が上側のエリア１３１ａ〜１３３ａに表示され、下側のエリア１３１ｂ〜１３３ｂには、撮影部位や欠落判定の確定フラグなどの情報が示されている。

画像表示ブロック１３１〜１３２では、下側のエリア１３１ｂ〜１３２ｂには、何れも胸部の画像であることと、これらの画像データにエラーのないことがすでに確認されたことを示すフラグ“ＯＫ”とが表示されている。

一方、画像表示ブロック１３３では、エリア１３３ｂに胸部の画像であることが示されるとともに、ユーザが操作してフラグ“ＮＧ”または“ＯＫ”を選択するための不良確認ボタン１３３ｄおよび正常確認ボタン１３３ｅが表示されている。また、エリア１３３ａには、胸部の放射線画像とともに、右上にポジション判定の結果が不良であることを示す警告標識１３３ｃが表示されている。そして、画像処理判定告知メッセージ１３５には、この警告標識１３３ｃに対応して同一の警告標識１３５ａが付されている。

画像処理判定告知メッセージ１３５には、また、画像処理判定により、上側のエリア１３３ａに表示されたこの画像が肺野の欠落したものである可能性を示す表示１３５ｂがなされている。また、この画像処理判定告知メッセージ１３５には、同時に、該当する部位を拡大する操作を行うための拡大ボタン１３５ｃが表示されている。

図５（ｂ）は、この拡大ボタン１３５ｃが操作された場合に、表示部１４の表示画面に示される表示内容を示した図である。

上側のエリア１３３ａには、欠落していると判定された肺野の一部分が拡大されて表示されている。このように、画像処理判定告知メッセージ１３５とともに表示された拡大画像に基づき、オペレータ（例えば、医師や検査技師）は、下側のエリア１３３ｂの不良確認ボタン１３３ｄまたは正常確認ボタン１３３ｅの何れかを、例えば、マウス操作によりクリックすることで選択して、最終的にこの画像データが肺野の欠落データであるか欠落のないデータであるかの判定を確定する。

以上のように、本実施形態の画像処理装置１によれば、予め被写体である人体の特定部位の欠落の有無が既知の放射線画像を用いて所定の学習アルゴリズムにより判定器１１ａに認識パターンを学習させておく。そして、この学習させた判定器１１ａを用いて放射線画像から人体のこの特定部位の欠落があるか否かの判定を行うので、従来の相対的な位置検出では難しかった被写体の一部の欠落画像であっても適切に判定することができる。

また、学習アルゴリズムによる学習結果に基づく判定を行うことで、病変組織、異常、或いは、手術の痕跡などによる複雑なパターンを有する画像であっても的確に被写体の一部の欠落の有無を判定することができる。

また、この判定器１１ａと従来の相対的なポジショニング判定装置とを併用することによって、判定器１１ａの学習に必要以上の労力をかけることなく、大きな位置ずれから小さな位置ずれまでを高い精度で検出することができる。

また、このようなポジショニング判定処理を、例えば、肺野を被写体とする胸部正面画像のような医療画像に用いることによって、患者に再撮影の手間を強いる状況を抑止することができる。

また、特に、照射野の境界付近の画像データに対して学習アルゴリズムを用いて学習させた判定器１１ａに判定させることで、画像からはみ出て被写体が欠落する場合を防ぐことができる。

なお、本発明は、上記実施の形態に限られるものではなく、様々な変更が可能である。例えば、上記の実施形態では、胸部の肺野画像を例に挙げて説明したが、例えば、頭部や腹部といった他の部位の撮影に用いることも可能である。また、これらの複数の部位の画像が混ざった状況にも対応させることができる。

また、このポジショニング判定装置、または、画像処理装置１を放射線撮影システムに組み込み、撮影ごとに画像のポジショニングが適正であり、また、撮影部位が画像内に完全に含まれているか否かを判定して告知表示を行わせることができる。この場合には、この画像処理は、放射線撮影が行われて画像データが送られて来るごとに呼び出されて実行される。このように放射線撮影システム内においてリアルタイムでポジショニング判定、または、画像判定を行うことにより、オペレータは、直ちにポジショニングのミス、および、撮影部位の欠落を発見することができる。従って、オペレータは、毎回全ての画像を念入りに確認する手間を省きつつ、必要な画像が得られない事態を防ぐことができる。

また、上記実施の形態では、予め学習させた判定器を用いて被写体の欠落の判定を行ったが、学習アルゴリズムの種類により容易である場合には、判定結果をその場でフィードバックさせて判定器を構成することとしても良い。

その他、画像判定処理に用いる部分領域の範囲、および、小領域の数や配置など、本発明の実施形態に示した細部は、本発明の趣旨を逸脱しない範囲において適宜変更可能である。

１ 画像処理装置
１１ 制御部
１２ 記憶部
１２ａ プログラム
１３ 操作部
１４ 表示部
１５ 通信部
１６ バス

Claims (6)

1. 人体の特定部位に放射線を照射して得られた放射線画像が適切なポジショニングで撮影された画像であるか否かを判定するポジショニング判定手段と、
   前記放射線画像の照射野内で当該照射野の境界に接する部分領域の画像データから所定の特徴量を抽出し、所定の学習アルゴリズムによる前記特徴量に関する学習結果に基づいて、前記特定部位の一部が前記放射線画像から欠落しているか否かを判定する画像判定手段と、
   を備え、
   前記ポジショニング判定手段は、
   前記放射線画像が適切なポジショニングで撮影された画像であるか否かを判定する基準に前記画像判定手段の判定結果を含む
   ことを特徴とするポジショニング判定装置。
2. 前記学習アルゴリズムは、アダブースト、又は、サポートベクタマシンである
   ことを特徴とする請求項１記載のポジショニング判定装置。
3. 前記放射線画像は、胸部正面画像であり、
   前記特定部位は、肺野である
   ことを特徴とする請求項１記載のポジショニング判定装置。
4. 前記画像判定手段は、
   前記部分領域を所定の数に分割し、当該分割された領域ごとに最大の放射線量を示す値を前記特徴量として用いる
   ことを特徴とする請求項１記載のポジショニング判定装置。
5. 請求項１〜４の何れか一項に記載のポジショニング判定装置と、
   前記ポジショニング判定装置に備えられた前記画像判定手段の判定結果、及び、当該判定結果に基づく前記ポジショニング判定装置の判定結果を表示する画像表示手段と、
   を備えることを特徴とする画像処理装置。
6. コンピュータを、
   人体の特定部位に放射線を照射して得られた放射線画像が適切なポジショニングで撮影された画像であるか否かを判定するポジショニング判定手段、
   前記放射線画像の照射野内において当該照射野の境界に接する部分領域の画像データから所定の特徴量を抽出し、所定の学習アルゴリズムによる前記特徴量に関する学習結果に基づいて、前記特定部位が前記放射線画像から欠落しているか否かを判定する画像判定手段、
   として機能させるためのプログラムであって、
   前記ポジショニング判定手段は、
   前記放射線画像が適切なポジショニングで撮影された画像であるか否かを判定する基準に前記画像判定手段の判定結果を含む
   ことを特徴するプログラム。

Images