JP2020531958A - 乳がん検出 - Google Patents

Abstract

【課題】 乳がん検出に用いるハイブリッド検出モデルを提供する。【解決手段】 乳がん検出のために、ハイブリッド検出モデルが用いられ得る。システムは、受け取ったマンモグラム上の関心領域を特定することができる。関心領域は、画像の各画素に特定のグレーレベルを有し得る。次に、モルフォロジカル・フィルタ及びエントロピー・フィルタが、それぞれ関心領域に適用され得る。フィルタに基づいて、システムは、２つのフィルタの組み合わせの平均であるハイブリッド結果を生成することができる。次に、システムは、選択されたクラスタリング・アルゴリズムを用いて、関心領域をセグメント化することができる。【選択図】 図３

Description

本開示は、画像処理に関し、より具体的には、乳がん検出のための医用画像処理に関する。

医用画像処理は、医用画像の定量分析及び可視化を可能にし得る。空間フィルタリング、グラジエント・オプション（gradient option）、アンシャープ・マスキング（unsharp masking）、及びヒストグラム修正（histogram modification）を含む種々の数値処理技術を利用することができる。

付加的に、例えば医用診断などの医用撮像の実際的適用において、ノイズ除去技術が用いられ得る。このために、ウィナー・フィルタ（Weiner filter）、ガウシアン・フィルタ（Gaussian filter）、メディアン・フィルタ（median filter）等を含む、多くのノイズ低減アルゴリズムが開発されてきた。

乳がんの悪性度は不明確であり、主因は明らかになっていないが、早期検出及び治療は、患者に良好な予後をもたらし得る。現在、Ｘ線マンモグラフィは、早期検出の重要な要因であり、乳がんにより引き起こされる死者の数を大きく低減させ得る。このタイプのマンモグラムは、スクリーニング・マンモグラム（screening mammogram）と呼ばれ、ｘ線写真は、触知できない腫瘍の検出を可能にし得るので、通常、スクリーニング・マンモグラムは、各乳房の２つのｘ線写真若しくは写真を必要とする。マンモグラムは、乳がんの存在を示し得る、微小石灰化（micro calcification、ＭＣ）すなわち僅かなカルシウム沈着を発見することもできる。早期診断の利点は比較的明瞭であるので、マンモグラムを用いたスクリーニングは、無症状の女性の健康評価において頻繁かつ体系的なプロトコルとして採用され得る。このことは不必要な生検をもたらし、物理的にも精神的にも患者に対する不必要な侵襲性を含むことがある。

さらに、異なる年齢、生活様式、又は他の要因の女性の間及び同じ女性の２つの乳房の間の乳房構造は著しく異なり得る。このことは、臨床医が、乳房組織の既存の異常を診察し検討する方法を複雑にし得る。付加的に、画像のコントラストが不十分であることが多く、画像は、問題のある異常に注目するのではなく、健康又は正常と考えられる乳房構造の差を強調し得るので、画像を用いる異常の検出も困難であり得る。従って、慎重にするように、放射線科医は、生検のような侵襲的診断を患者に行うことがある。

ＭＣは、乳房組織内に蓄積し得る小さいカルシウム沈着である。ＭＣは通常、マンモグラム上に、異種背景（heterogenous background）内に埋め込まれた小さい明るい領域として現れる。サイズ、形状、密度、分布パターンのようなＭＣの特定の特徴、及びＭＣの数を、良性腫瘍又は悪性腫瘍と関連付けることができる。悪性ＭＣは、０．５ｍｍ未満の直径、微細構造、線形分岐（linear branching）を有することができ、星状であり得る。

当技術分野において、上述の問題に対処するための必要性がある。

第１の態様から見ると、本発明は、乳がん検出で用いるハイブリッド検出モデルのためのコンピュータ実施方法を提供し、この方法は、デジタル画像の受信に応答して、デジタル画像上の関心領域（region of interest）を特定することであって、関心領域は、該関心領域内の各ポイントについてのグレーレベルを用いて表現される、特定することと；所定のモルフォロジカル・フィルタ（morphological filter）を、デジタル画像の関心領域内の各ポイントについての各グレーレベルに適用することであって、モルフォロジカル・フィルタは、デジタル画像のグレーレベルを低減させて第１のセットの値を生成する、適用することと；所定のエントロピー・フィルタを、デジタル画像の関心領域内の各ポイントについての各グレーレベルに適用して最大のグレー値のセットをキャプチャすることであって、最大のグレー値は、デジタル画像内の他のグレー値に対する局所的最大値を示す、適用することと；所定のモルフォロジカル・フィルタ及び所定のエントロピー・フィルタの組み合わせの平均であるハイブリッド結果を生成することと；ハイブリッド結果を用いて、サブセグメント化を伴う選択されたクラスタリング・アルゴリズムを用いることにより、デジタル画像を潜在的問題領域にセグメント化することと、を含む。潜在的問題領域は、微小石灰化のセットであってもよい。

更に別の態様から見ると、本発明は、プログラム命令がそこに格納されたコンピュータ可読ストレージ媒体と；デジタル画像の受信に応答して、デジタル画像上の関心領域を特定することであって、関心領域は、該関心領域内の各ポイントについてのグレーレベルを用いて表現される、特定することと；所定のモルフォロジカル・フィルタを、デジタル画像の関心領域内の各ポイントについての各グレーレベルに適用することであって、モルフォロジカル・フィルタは、デジタル画像のグレーレベルを低減させて第１のセットの値を生成する、適用することと；所定のエントロピー・フィルタを、デジタル画像の関心領域内の各ポイントについての各グレーレベルに適用して最大のグレー値のセットをキャプチャすることであって、最大のグレー値はデジタル画像内の他のグレー値に対する局所的最大値を示す、適用することと；所定のモルフォロジカル・フィルタ及び所定のエントロピー・フィルタの組み合わせの平均であるハイブリッド結果を生成することと；ハイブリッド結果を用いて、サブセグメント化を伴う選択されたクラスタリング・アルゴリズムを用いることにより、デジタル画像を潜在的問題領域にセグメント化することと、を含む方法を実行するためのプログラム命令を実行するように構成された１つ又は複数のプロセッサとを含む、コンピュータ・システムを提供する。

更に別の態様から見ると、本発明は、乳がん検出で用いるハイブリッド検出モデルのためのコンピュータ・プログラム製品を提供し、このコンピュータ・プログラム製品は、処理回路により読み取り可能でありかつ本発明のステップを実行するための方法を実行するための、処理回路により実行される命令を格納するコンピュータ可読ストレージ媒体を含む。

更に別の態様から見ると、本発明は、コンピュータ可読媒体上に格納されかつデジタル・コンピュータの内部メモリにロード可能なコンピュータ・プログラムであって、プログラムがコンピュータ上で実行されるとき、本発明のステップを実行するためのソフトウェア・コード部分を含む、コンピュータ・プログラムを提供する。

本開示の実施形態は、乳がん検出で用いるハイブリッド検出モデルのためのコンピュータ実施方法に向けられ得る。システムは、マンモグラムの受信に応答して、マンモグラム上の関心領域を特定することができる。マンモグラムは、デジタル画像とすることができる。関心領域は、該関心領域内の各ポイントについてのグレーレベルを用いて表現され得る。システムは、所定のモルフォロジカル・フィルタを、関心領域内の各ポイントについての各グレーレベルに適用することができる。モルフォロジカル・フィルタは、デジタル画像のグレーレベルを低減させて第１のセットの値を生成することができる。システムは、所定のエントロピー・フィルタを、デジタル画像の関心領域内の各ポイントについての各グレーレベルに適用して最大のグレー値のセットをキャプチャすることもできる。最大のグレー値は、デジタル画像内の他のグレー値に対する局所的最大値を示し得る。システムは、所定のモルフォロジカル・フィルタ及び所定のエントロピー・フィルタの組み合わせの平均であるハイブリッド結果を生成することができる。最終的に、システムは、ハイブリッド結果を用いて、サブセグメント化を伴う選択されたクラスタリング・アルゴリズムを用いることにより、デジタル画像を潜在的問題領域にセグメント化することができる。

本開示の実施形態は、プログラム命令がそこに格納されたコンピュータ可読ストレージ媒体と、方法を実行するためのプログラム命令を実行するように構成された１つ又は複数のプロセッサとを含むコンピュータ・システムに向けられ得る。方法は、システムが、マンモグラムの受信に応答して、マンモグラム上の関心領域を特定するときに開始し得る。マンモグラムは、デジタル画像とすることができる。関心領域は、該関心領域内の各ポイントについてのグレーレベルを用いて表現され得る。システムは、所定のモルフォロジカル・フィルタを、関心領域内の各ポイントについての各グレーレベルに適用することができる。モルフォロジカル・フィルタは、デジタル画像のグレーレベルを低減させて第１のセットの値を生成することができる。システムは、所定のエントロピー・フィルタを、デジタル画像の関心領域内の各ポイントについての各グレーレベルに適用して最大のグレー値のセットをキャプチャすることもできる。最大のグレー値は、デジタル画像内の他のグレー値に対する局所的最大値を示し得る。システムは、所定のモルフォロジカル・フィルタ及び所定のエントロピー・フィルタの組み合わせの平均であるハイブリッド結果を生成することができる。最終的に、システムは、ハイブリッド結果を用いて、サブセグメント化を伴う選択されたクラスタリング・アルゴリズムを用いることにより、デジタル画像を潜在的問題領域にセグメント化することができる。

本開示の実施形態は、そこに具体化されたプログラム命令を有するコンピュータ可読ストレージ媒体を含むコンピュータ・プログラム製品に向けられることが可能であり、コンピュータ可読ストレージ媒体は、それ自体が一時的信号ではなく、プログラム命令は、プロセッサに方法を実行させるように、コンピュータ・プロセッサにより実行可能である。この方法は、システムが、マンモグラムの受信に応答して、マンモグラム上の関心領域を特定するときに開始し得る。マンモグラムは、デジタル画像とすることができる。関心領域は、該関心領域内の各ポイントについてのグレーレベルを用いて表現され得る。システムは、所定のモルフォロジカル・フィルタを、関心領域内の各ポイントについての各グレーレベルに適用することができる。モルフォロジカル・フィルタは、デジタル画像のグレーレベルを低減させて第１のセットの値を生成することができる。システムは、所定のエントロピー・フィルタを、デジタル画像の関心領域内の各ポイントについての各グレーレベルに適用して最大のグレー値のセットをキャプチャすることもできる。最大のグレー値は、デジタル画像内の他のグレー値に対する局所的最大値を示し得る。システムは、所定のモルフォロジカル・フィルタ及び所定のエントロピー・フィルタの組み合わせの平均であるハイブリッド結果を生成することができる。最終的に、システムは、ハイブリッド結果を用いて、サブセグメント化を伴う選択されたクラスタリング・アルゴリズムを用いることにより、デジタル画像を潜在的問題領域にセグメント化することができる。

上記の概要は、本開示の各々の例証される実施形態又はあらゆる実装を説明することを意図したものではない。

本出願に含まれる図面は、本明細書に組み入れられ、その一部を形成する。これらは、本開示の実施形態を例証するものであり、説明と共に、本開示の原理を説明する役割を果たす。図面は、特定の実施形態の単なる例証であり、本開示を限定するものではない。

実施形態による、デジタル・マンモグラムにおける微小石灰化の特定のためのシステム図を示す。 実施形態による、デジタル・マンモグラムにおける微小石灰化の検出のための視覚フローを示す。 実施形態による、デジタル・マンモグラムにおける微小石灰化を検出するための方法のフロー図を示す。 （Ａ）は、実施形態による、特定された関心領域を有するマンモグラムの画像を示す。（Ｂ）は、実施形態による、関心領域のグリッド状グレースケール・チャートを示す。 （Ａ）は、実施形態による、関心領域の例示的なグリッド状グレースケール・チャートを示す。（Ｂ）は、実施形態による、数学的モルフォロジカル・フィルタの適用の結果得られる例示的なグリッド状グレースケール・チャートを示す。 （Ａ）は、実施形態による、関心領域の例示的なグリッド状グレースケール・チャートを示す。（Ｂ）は、実施形態による、エントロピー・フィルタを適用した後の（Ａ）の例示的なグリッド状グレースケール・チャートの結果を示す。 実施形態による、ハイブリッド・フィルタの適用の例示的なグリッド状グレースケール・チャートの結果を示す。 実施形態による、クラウド・コンピューティング環境を示す。 実施形態による、抽象化モデル層を示す。 実施形態による、例示的なコンピュータ・システムの代表的な主要コンポーネントを示す。

本発明は、種々の修正及び代替的形態に従うが、その特定のものが例として図面に示され、かつ詳細に説明される。しかしながら、その意図は本発明を説明される特定の実施形態に限定することではないことを理解されたい。反対に、その意図は、本発明の趣旨及び範囲内に入る全ての修正、均等物、及び代替物をカバーすることである。

本開示の態様は、コンピュータ実施の医療（health care）に関し、より特定的には、態様は、ハイブリッド乳がん検出に関する。本開示は必ずしもこうした用途に限定されないが、本開示の種々の態様は、この文脈を用いた種々の例の説明を通じて理解され得る。

本開示の実施形態によれば、コンピュータ・システムは、マンモグラムを受け取ることができる。マンモグラムは、マンモグラム・キャプチャ・デバイス上又は付近に位置するモバイル・ユニットにおいて、リアルタイムで受け取ることができる。他の実施形態において、マンモグラムのキャプチャは、同じデバイス内のフローをトリガし得る（例えば、単一のユニットが、マンモグラムのキャプチャ及び分析の両方を行うことができる）。

次に、システムは、マンモグラム上の関心領域又は複数の関心領域を特定することができる。実施形態において、関心領域は、例えば、特定の画素数（例えば、２５６×２５６画素）などの所定のサイズを有し得る。次に、システムは、一連の２つの異なるフィルタを関心領域に適用して、画像（及び対応する値のセット）を生成することができる。一連のフィルタは、ハイブリッド・フィルタを反映し、それらの適用は、前がん状態のＭＣのより正確な特定をもたらす。

実施形態において、システムは、最初に、所定の数学的モルフォロジカル・フィルタを、白黒デジタル画像の関心領域内のグレー領域に適用することができる。次に、システムは、エントロピー・フィルタを画像に適用し、モルフォロジカル・フィルタの適用において失われた可能性があるより細かい粒子の詳細の一部を再キャプチャすることができる。次いで、２つのフィルタの結果を平均して、ハイブリッド画像及び値セットを生成することができる。最終的に、クラスタリング・アルゴリズム（例えば、ｋ−平均法又はｃ−平均法アルゴリズム、又は他の人工知能クラスタリング・アルゴリズム）を適用して、関心領域内の潜在的ＭＣを強調表示することができる。実施形態において、フィルタリングされた画像へのクラスタリング・アルゴリズムの適用は、画像をサブセグメント化し、関心領域内のＭＣをさらに明瞭にする方法とすることができる。

図１は、実施形態による、デジタル・マンモグラムにおけるＭＣの特定のためのシステム図１００を示す。システムは、本明細書で例証及び記述される要素、又は図１に示されるものよりも多い若しくは少ない要素を含むことができる。システムは、マンモグラム・キャプチャ・デバイス１０４を含むことができる。実施形態において、このデバイスは、マンモグラフをキャプチャするのに用いられる別個の機器（例えば、低線量ｘ線機械）とすることができる。マンモグラム・キャプチャ・デバイス１０４によりキャプチャされた画像（例えば、デジタル・データ）は、一連の１つ又は複数のネットワーク（例えば、ネットワーク１０６）を通じて、マンモグラム検出デバイス１０８に通信され得る。幾つかの実施形態において、ネットワーク１０６は、任意の数の任意の好適な通信媒体（例えば、広域ネットワーク（ＷＡＮ）、ローカル・エリア・ネットワーク（ＬＡＮ）、インターネット、イントラネット等）により実施することができる。代替的に、マンモグラム・キャプチャ・デバイス１０４及びマンモグラム検出デバイス１０８は、互いにローカルであってもよく、任意の好適なローカル通信媒体（例えば、ローカル・エリア・ネットワーク（ＬＡＮ）、配線接続、無線リンク、イントラネット等）を介して通信することができる。幾つかの実施形態において、ネットワーク１０６は、クラウド・コンピューティング環境内で又は１つ又は複数のクラウド・コンピューティング・サービスを用いて実施され得る。種々の実施形態に従うと、クラウド・コンピューティング環境は、１つ又は複数のクラウド・コンピューティング・サービスを提供するネットワーク・ベースの分散型データ処理システムを含むことができる。さらに、クラウド・コンピューティング環境は、１つ又は複数のデータセンタ内に配置されかつネットワーク１０６上でリソースを共有するように構成された１つ又は複数のコンピュータを含むことができる。

実施形態において、マンモグラム・キャプチャ・デバイス１０４は、マンモグラム検出デバイス１０８の一部とすることができ、又はこれと結合され得る。実施形態において、マンモグラム・キャプチャ・デバイス１０４及びマンモグラム検出デバイス１０８の両方が、モバイル・コンピューティング・デバイス内に収容され得る。従って、医師又は他の技術者は、患者のベッドサイドでマンモグラムをキャプチャして分析し、処理時間及び計算費用を低減するのを可能にする。実施形態において、このモバイル・コンピューティング・デバイスは、患者ベッドサイド・ユニット（例えば、病院に据え付けて用いられる）とすることができる。の実施形態において、マンモグラムは、例えば、スマートフォン、タブレット、ラップトップ、又は他のデバイスなどのモバイル・コンピューティング・デバイス上でアプリケーションを通じてキャプチャし処理され得る。

実施形態において、マンモグラム検出デバイス１０８は、例えば、図１のシステム１００に示されるモジュールを含む、１つ又は複数のモジュールを含むことができる。プログラム・モジュールは、特定のタスクを実行する又は特定の抽象データ型を実装する、ルーチン、プログラム、オブジェクト、コンポーネント、論理、データ構造等を含むことができる。実施形態において、各モジュールは、指定された論理機能を実施するための１つ又は複数の実行可能命令を含むことができる。例えば、マンモグラム検出デバイス１０８は、以下のモジュール、すなわち、関心領域検出モジュール１１０と、モルフォロジカル・フィルタ・モジュール１１４及びエントロピー・フィルタ・モジュール１１６を含む前処理モジュール１１２のセットと、ハイブリッド・フィルタ・モジュール１１８と、クラスタリング・アルゴリズム・モジュール１２０とを含むことができる。これらのモジュールの各々は、マンモグラム検出デバイス１０８内にローカルに格納されていてもよいし、又はそれらはそれぞれデバイス１０８に通信可能に結合され、モジュールの処理をリモートで（例えばリモート・サーバ上で）実行することを可能にしてもよい。

実施形態において、デバイス（例えば、マンモグラム・キャプチャ・デバイス１０４及びマンモグラム検出デバイス１０８）は、ネットワーク１０６上で、例えば、図１に示されるＭａｍｍｏｇｒａｐｈｉｃ Ｉｍａｇｅ Ａｎａｌｙｓｉｓ Ｓｏｃｉｅｔｙ（ＭＩＡＳ）データベース１０２などの１つ又は複数のデータベースと通信することができる。例えばデータベース１０２Ａ及び１０２Ｂなどの１つ又は複数のデータ・リポジトリは、１つ又は複数の外部ソースからのマンモグラム及びマンモグラフィ画像を収容することができる。

図２は、実施形態による、デジタル・マンモグラムにおけるＭＣの検出のための方法２００の視覚フローを示す。実施形態において、方法２００は、例えば、スマートフォン、タブレット、又は他の特化されたデバイスなどの単一のモバイル・コンピューティング・デバイス上で実行することができる。実施形態において、方法２００は、１つ又は複数のローカルに又はリモートで通信するデバイス上の１つ又は複数のコンピュータ処理回路により実行することができる。

実施形態において、例えば図２に示されるようなマンモグラムなどの画像２０４が分析され、さらなる分析のために、特定の関心領域（ＲＯＩ）２０６が特定され得る。実施形態において、デジタル画像２０４が、例えばＭＩＡＳデータベース２０２などのデータベースからアクセスされ得る。実施形態において、マンモグラムは、ＭＩＡＳデータベース２０２のような共有、公開、又はプライベート・データベースに自動的にアップロードされ、分析に利用できるようにすること又は研究及び診断に用いることが可能である。ＭＩＡＳデータベース２０２は、ＲＯＩ２０６に関するデジタル画像２０４の分析に用いることもできる。例えば、一連の類似したデジタル画像が、新しい又は受信するデジタル画像２０４と比較され、潜在的異常を判断することが可能である。実施形態において、当業者には明らかなように、ＲＯＩ２０６は、例えば、訓練された畳み込みニューラル・ネットワーク（trained Convolution Neural Network）を通じて、ウェーブレット法の適用により、及びＳｏｂｅｌｅｖ規則性インデックス又は他の方法を用いる、数学又はインテリジェンス・ベースのモデルを用いて特定され得る。

実施形態において、次に、モルフォロジカル方法２０８及びエントロピー方法２１０に基づき、２つの異なるフィルタをＲＯＩ２０６に施すことができる。図２に示されるように、これらの２つの数学的方法は並行して適用され得る。図２に示されるように、ＲＯＩ２０６に２つの異なるフィルタを施すことは、標準的な処理手順の前に行うことができるので、前処理段階とみなすことができる。実施形態において、本明細書で説明される、２つのフィルタの適用を組み合わせることは、ハイブリッド・フィルタ２１２をもたらし得る。ハイブリッド・フィルタ２１２は、モルフォロジカル・フィルタ２０８及びエントロピー・フィルタ２１０の組み合わせられた結果をデジタル画像に与えることができる。実施形態において、伝統的な（すなわち「非ハイブリッドの（non-hybridized）」）モルフォロジカル・フィルタ及びエントロピー・フィルタの適用は、異なる結果を有し得る。

例えば、デジタル画像に２０４に単独で適用されたモルフォロジカル・フィルタ２０８は、画像のグレーレベルを弱め、関心あるオブジェクト（例えば、ＭＣ）の周りにより強いエッジを作成し、画像における背景ノイズを低減させ得る。エントロピー・フィルタ２１０は、単独で適用されたとき、画像内の濃淡レベル（shades of grey）間の遷移に焦点を当て、それを画像の強調表示により作成される典型的な円により認識できる。これら２つのフィルタの組み合わせは、ハイブリッド・フィルタ結果２１２として示されるものをもたらし得る。従って、ハイブリッド・フィルタ結果２１２は、これらの数学的フィルタのそれぞれの利点を利用できると同時に、各フィルタの悪影響を減らすことができる。例えば、モルフォロジカル・フィルタ２０８を適用する際のノイズの低減は、多くの場合、デジタル画像２０４内の有用な詳細の損失をもたらし得る。

実施形態において、ハイブリッド・フィルタ結果２１２の適用に続いて、１つ又は複数のクラスタリング・アルゴリズム２１４がデジタル画像２０４の画素に適用され、デジタル画像内の特定されたＭＣを強調表示し得る。クラスタリング・アルゴリズム２１４の幾つかの例として、ｃ−平均法（c-means）、又はｋ−平均法（k-means）アルゴリズムが挙げられる。例えば、ハイブリッド・フィルタの適用に続いて、ファジーｃ−平均法（fuzzy c-means、ＦＣＭ）又は可能性ファジーｃ−平均法（possibilistic fuzzy c-means、ＰＦＣＭ）が用いられ得る。これらの基本的クラスタリング・アルゴリズムの１つを適用する前にハイブリッド・フィルタを使用することは、デジタル画像におけるＭＣを特定する効率性を改善し得る。

実施形態において、次に、セグメント化された画像が、ユーザ・デバイスのユーザ・インターフェース上で、ユーザ（例えば、医療提供者、技術者、患者、又は他の適切なパーティ）に対して表示され得る。例えば、セグメント化された画像は、スマートフォン、タブレット、又は他のパーソナル・コンピューティング・デバイス上に表示され得る。セグメント化された画像は、共有サーバ、又はローカル・データベース若しくはリモート・データベースにも伝送され得る。セグメント化された画像は、デバイス上にローカルに格納されることも、又は文脈に適合するように別の方法で処理されることも可能である。

図３は、実施形態による、デジタル・マンモグラムにおけるＭＣを検出するための方法３００のフロー図を示す。実施形態において、方法３００は、１つ又は複数のコンピュータ処理回路により実行され得る。システム又はデバイスがマンモグラムを受け取ると、方法３００が開始し得る。実施形態において、システム又はデバイスは、図１に示されるようなマンモグラム検出デバイス１０８であってもよい。本明細書で説明されるように、マンモグラム検出デバイス及びマンモグラム・キャプチャ・デバイス（例えば、図１のデバイス１０４）は、単一のデバイスであってもよく、従って、デバイスによる新しくキャプチャされたマンモグラムの識別は、マンモグラム受信ステップ３０２を実行し、方法が開始し得る。

実施形態において、次に、３０４で、システムは、マンモグラム上の関心領域を特定する。実施形態によると、関心領域は、例えば、図１に示されるＭＩＡＳデータベース１０２などの１つ又は複数のマンモグラム・リポジトリからアクセスされたデータに基づいて特定され得る。実施形態において、次に、システムは、３０６でモルフォロジカル・フィルタを及び３０８でエントロピー・フィルタを関心領域に適用することができる。デジタル画像（例えば、マンモグラム）内の関心領域に対して、これらのフィルタは並行して適用され、３１０でハイブリッド結果を生成することが可能である。ハイブリッド結果は、モルフォロジカル・フィルタとエントロピー・フィルタの両方により修正される、デジタル画像（例えば、グレースケール画像であるマンモグラム）の画素の変換の組み合わせ（例えば、平均）であってもよい。最終的に、３１２で、デジタル画像は、クラスタリング・アルゴリズムを用いてセグメント化されてもよい。

図４（Ａ）は、実施形態による、特定された関心領域を有するマンモグラムの画像を示す。実施形態において、図４（Ａ）に示される関心領域は、図２のＲＯＩ２０６と類似し得る。図４（Ａ）の関心領域は、２５６×２５６画素のサイズを有し、白黒のデジタル画像の一部であってもよい。デジタル画像は、図１に説明されるようなマンモグラム・キャプチャ・デバイスから直接受信されてもよいし、又は例えば図１のＭＩＡＳデータベース１０２若しくは図２のＭＩＡＳデータベース２０２から取得されることが可能である。

図４（Ｂ）は、実施形態による、関心領域のグリッド状のグレースケール・チャートを示す。実施形態において、図４（Ｂ）のグリッド上の各グリッド・ボックスは、図４（Ａ）のマンモグラム上の関心領域における単一の画素を表すことができる。各グリッド・ボックス内に囲まれた数字は、各画素に含まれるグレーレベルを数値的に示し得る。当業者であれば、上述のグレースケール・チャートは、多くの異なる方法で表示され得ることを理解するであろう。例えば、背景パターン、グレー又はカラーでの塗りつぶしの有無にかかわらず、各画素内に含まれるグレーのレベルを示すために数値的に表示され得る。

図５（Ａ）は、実施形態による、関心領域の例示的なグリッド状のグレースケール・チャートを示す。図４（Ｂ）と同様に、図５（Ａ）は、例えばマンモグラムなどのデジタル画像上の関心領域の各画素におけるグレーレベルを数値的に示す、画像データのセットを示す。実施形態において、数学的モルフォロジカル・フィルタは、グリッド内に含まれるデータに適用され、画像を図５（Ｂ）に示されるものに変換することが可能である。

図５（Ｂ）は、実施形態による、数学的モルフォロジカル・フィルタを適用した結果得られる例示的なグリッド状のグレースケール・チャートを示す。図５（Ａ）のグリッド空間を図５（Ｂ）の類似物と比較することにより、モルフォロジカル・フィルタが、各画素におけるグレーレベルの低下をもたらすことに留意されたい。オブジェクト内のグレーレベル及びオブジェクトの周囲のグレーレベルの両方が、このフィルタにより低減され得る。例えば、第１列と第１行の交点に位置するグリッド空間は、１２３から９まで変化する。同様に、最後の列と最後の行の交点に位置するグリッド空間は、１２３から７まで変化する。

図６（Ａ）は、実施形態による、関心領域の例示的なグリッド状のグレースケール・チャートを示す。図５（Ａ）と（及び、従って図４（Ｂ）と）同様に、図６（Ａ）は、例えばマンモグラムなどのデジタル画像上の関心領域の各画素におけるグレーレベルを数値的に示す、画像データのセットを示す。各グリッド空間における数値は、各画素におけるグレーレベルを示し得る。例えば本明細書で説明されるようなエントロピー・フィルタなどの数学的フィルタが画像に適用され得る。例示的なエントロピー・フィルタを画像に適用した結果が、図６（Ｂ）に示される。

図６（Ｂ）は、実施形態による、エントロピー・フィルタを適用した後の図６（Ｂ）のグリッド状グレースケール・チャートの例示的結果を示す。ここに適用されるような、エントロピー・フィルタの適用は、最大のグレー値をキャプチャするために画像のサイズを増大させ得る。実施形態において、これは、白色リングをもたらすことがあり、この白色リングは最大のグレー値を示し得る。このように、微妙な相違が強調表示され得る。

図７は、実施形態による、ハイブリッド・フィルタの適用の結果である例示的なグリッド状のグレースケール・チャートを示す。各グリッド空間における数値は、図５及び図６のグリッド空間のように、各画素についてのグレースケール値を示し得る。図７に示される値は、各画素についてのモルフォロジカル・フィルタ及びエントロピー・フィルタの出力の値を平均化することにより、取得され得る。

本開示はクラウド・コンピューティングについての詳細な説明を含むが、本明細書に記載される教示の実装は、クラウド・コンピューティング環境に限定されないことを理解されたい。むしろ、本発明の実施形態は、現在既知の又は後で開発される他のいずれかのタイプのコンピューティング環境と共に実施することができる。

クラウド・コンピューティングは、最小限の管理労力又はサービス・プロバイダとの対話で迅速にプロビジョニング及び解放することができる構成可能なコンピューティング・リソース（例えば、ネットワーク、ネットワーク帯域幅、サーバ、処理、メモリ、ストレージ、アプリケーション、仮想マシン、及びサービス）の共有プールへの、便利なオンデマンドのネットワーク・アクセスを可能にするためのサービス配信のモデルである。このクラウド・モデルは、少なくとも５つの特徴、少なくとも３つのサービス・モデル、及び少なくとも４つのデプロイメント・モデルを含むことができる。

特徴は、以下の通りである。
オンデマンド・セルフサービス：クラウド・コンシューマは、必要に応じて、サーバ時間及びネットワーク・ストレージ等のコンピューティング機能を、人間がサービスのプロバイダと対話する必要なく自動的に、一方的にプロビジョニングすることができる。
広範なネットワーク・アクセス：機能は、ネットワーク上で利用可能であり、異種のシン又はシック・クライアント・プラットフォーム（例えば、携帯電話、ラップトップ、及びＰＤＡ）による使用を促進する標準的な機構を通じてアクセスされる。
リソース・プール化：プロバイダのコンピューティング・リソースは、マルチ・テナント・モデルを用いて、異なる物理及び仮想リソースを要求に応じて動的に割り当て及び再割り当てすることにより、複数のコンシューマにサービスを提供するためにプールされる。コンシューマは、一般に、提供されるリソースの正確な位置についての制御又は知識を持たないが、より高レベルの抽象化では位置（例えば、国、州、又はデータセンタ）を特定できる場合があるという点で、位置とは独立しているといえる。
迅速な弾力性：機能は、迅速かつ弾力的に、場合によっては自動的に、プロビジョニングして素早くスケール・アウトし、迅速にリリースして素早くスケール・インさせることができる。コンシューマにとって、プロビジョニングに利用可能なこれらの機能は、多くの場合、無制限であり、いつでもどんな量でも購入できるように見える。
計測されるサービス：クラウド・システムは、サービスのタイプ（例えば、ストレージ、処理、帯域幅、及びアクティブなユーザ・アカウント）に適した何らかの抽象化レベルでの計量機能を用いることによって、リソースの使用を自動的に制御及び最適化する。リソース使用を監視し、制御し、報告し、利用されるサービスのプロバイダとコンシューマの両方に対して透明性をもたらすことができる。

サービス・モデルは以下の通りである。
Ｓｏｆｔｗａｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ（ＳａａＳ）：クラウド・インフラストラクチャ上で動作しているプロバイダのアプリケーションを使用するために、コンシューマに提供される機能である。これらのアプリケーションは、ウェブ・ブラウザ（例えば、ウェブ・ベースの電子メール）などのシン・クライアント・インターフェースを通じて、種々のクライアント・デバイスからアクセス可能である。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、ストレージ、又は個々のアプリケーション機能をも含めて、基礎をなすクラウド・インフラストラクチャを管理又は制御しないが、限定されたユーザ固有のアプリケーション構成設定は例外的にあり得る。
Ｐｌａｔｆｏｒｍ ａｓ ａ Ｓｅｒｖｉｃｅ（ＰａａＳ）：プロバイダによってサポートされるプログラミング言語及びツールを用いて生成された、コンシューマが生成した又は取得したアプリケーションを、クラウド・インフラストラクチャ上にデプロイするために、コンシューマに提供される機能である。コンシューマは、ネットワーク、サーバ、オペレーティング・システム、又はストレージなどの基礎をなすクラウド・インフラストラクチャを管理又は制御しないが、配備されたアプリケーション、及び場合によってはアプリケーション・ホスティング環境構成に対して制御を有する。
Ｉｎｆｒａｓｔｒｕｃｔｕｒｅ ａｓ ａ Ｓｅｒｖｉｃｅ（ＩａａＳ）：コンシューマが、オペレーティング・システム及びアプリケーションを含み得る任意のソフトウェアを配備及び動作させることができる、処理、ストレージ、ネットワーク、及び他の基本的なコンピューティング・リソースをプロビジョニンングするために、コンシューマに提供される機能である。コンシューマは、基礎をなすクラウド・インフラストラクチャを管理又は制御しないが、オペレーティング・システム、ストレージ、配備されたアプリケーションに対する制御、及び場合によってはネットワーク・コンポーネント（例えば、ホストのファイアウォール）選択の限定された制御を有する。

デプロイメント・モデルは以下の通りである。
プライベート・クラウド：クラウド・インフラストラクチャは、ある組織のためだけに運営される。このクラウド・インフラストラクチャは、その組織又は第三者によって管理することができ、オンプレミス又はオフプレミスに存在することができる。
コミュニティ・クラウド：クラウド・インフラストラクチャは、幾つかの組織によって共有され、共通の関心事項（例えば、任務、セキュリティ要件、ポリシー、及びコンプライアンス上の考慮事項）を有する特定のコミュニティをサポートする。クラウド・インフラストラクチャは、その組織又は第三者によって管理することができ、オンプレミス又はオフプレミスに存在することができる。
パブリック・クラウド：クラウド・インフラストラクチャは、一般公衆又は大規模な業界グループに利用可能であり、クラウド・サービスを販売する組織によって所有される。
ハイブリッド・クラウド：クラウド・インフラストラクチャは、固有のエンティティのままであるが、データ及びアプリケーションの移行性を可能にする標準化された又は専用の技術（例えば、クラウド間の負荷分散のためのクラウド・バースティング）によって結び付けられる２つ以上のクラウド（プライベート、コミュニティ、又はパブリック）の混成物である。

クラウド・コンピューティング環境は、ステートレス性、低結合性、モジュール性、及びセマンティック相互運用性に焦点を置くことを指向するサービスである。クラウド・コンピューティングの中心は、相互接続されたノードのネットワークを含むインフラストラクチャである。

ここで図８を参照すると、例示的なクラウド・コンピューティング環境５０が示される。示されるように、クラウド・コンピューティング環境５０は、例えばパーソナル・デジタル・アシスタント（ＰＤＡ）又は携帯電話５４Ａ、デスクトップ・コンピュータ５４Ｂ、ラップトップ・コンピュータ５４Ｃ、及び／又は自動車コンピュータ・システム５４Ｎなどといった、クラウド・コンシューマによって用いられるローカル・コンピューティング・デバイスと通信することができる、１つ又は複数のクラウド・コンピューティング・ノード１０を含む。ノード１０は、互いに通信することができる。これらのノードは、上述のようなプライベート・クラウド、コミュニティ・クラウド、パブリック・クラウド、若しくはハイブリッド・クラウド、又はこれらの組み合わせなど、１つ又は複数のネットワークにおいて物理的又は仮想的にグループ化され得る（図示せず）。このことは、クラウド・コンシューマがローカル・コンピューティング・デバイス上にリソースを保持する必要のないサービスとして、クラウド・コンピューティング環境５０が、インフラストラクチャ、プラットフォーム、及び／又はソフトウェアを提供することを可能にする。図８に示されるコンピューティング・デバイス５４Ａ〜Ｎのタイプは単に例示であることを意図し、コンピューティング・ノード１０及びクラウド・コンピューティング環境５０は、いずれのタイプのネットワーク及び／又はネットワーク・アドレス指定可能な接続上でも（例えば、ウェブ・ブラウザを用いて）、いずれのタイプのコンピュータ化された装置とも通信できることを理解されたい。

ここで図９を参照すると、クラウド・コンピューティング環境５０（図８）によって提供される機能抽象化層のセットが示される。図９に示されるコンポーネント、層、及び機能は単に例示であることを意図し、本発明の実施形態はそれらに限定されないことを予め理解されたい。図示されるように、以下の層及び対応する機能が提供される。

ハードウェア及びソフトウェア層６０は、ハードウェア及びソフトウェア・コンポーネントを含む。ハードウェア・コンポーネントの例として、メインフレーム６１、ＲＩＳＣ（Reduced Instruction Set Computer（縮小命令セット・コンピュータ））アーキテクチャ・ベースのサーバ６２、サーバ６３、ブレード・サーバ６４、ストレージ・デバイス６５、並びにネットワーク及びネットワーキング・コンポーネント６６が含まれる。幾つかの実施形態において、ソフトウェア・コンポーネントは、ネットワーク・アプリケーション・サーバ・ソフトウェア６７及びデータベース・ソフトウェア６８を含む。

仮想化層７０は、抽象化層を提供し、この層により、仮想エンティティの以下の例、すなわち、仮想サーバ７１、仮想ストレージ７２、仮想プライベート・ネットワークを含む仮想ネットワーク７３、仮想アプリケーション及びオペレーティング・システム７４、並びに仮想クライアント７５を提供することができる。

一例においては、管理層８０は、以下で説明される機能を提供することができる。リソース・プロビジョニング８１は、クラウド・コンピューティング環境内でタスクを実行するために利用されるコンピューティング・リソース及び他のリソースの動的な調達を提供する。計量及び価格決定８２は、クラウド・コンピューティング環境内でリソースが利用される際のコスト追跡と、これらのリソースの消費に対する課金又は請求とを提供する。一例においては、これらのリソースは、アプリケーション・ソフトウェア・ライセンスを含むことができる。セキュリティは、クラウド・コンシューマ及びタスクに対する識別情報の検証と、データ及び他のリソースに対する保護とを提供する。ユーザ・ポータル８３は、コンシューマ及びシステム管理者のために、クラウド・コンピューティング環境へのアクセスを提供する。サービス・レベル管理８４は、要求されるサービス・レベルが満たされるように、クラウド・コンピューティング・リソースの割り当て及び管理を提供する。サービス・レベル・アグリーメント（Service Level Agreement、ＳＬＡ）の計画及び履行８５は、ＳＬＡに従って将来の要件が予測されるクラウド・コンピューティング・リソースの事前配置及び調達を提供する。

ワークロード層９０は、クラウド・コンピューティング環境を利用することができる機能の例を提供する。この層から提供することができるワークロード及び機能の例として、マッピング及びナビゲーション９１、ソフトウェア開発及びライフサイクル管理９２、仮想教室教育配信９３、データ分析処理９４、トランザクション処理９５、及び微小石灰化検出９６が挙げられる。

図１０は、本開示の実施形態に従って用いることができる例示的なコンピュータ・システム１０００の代表的な主要コンポーネントを示す。個々のコンポーネントの複雑さ、数、タイプ、及び／又は構成は変化し得ることが理解される。開示される特定の例は、例証目的であり、必ずしもこうした変形ではない。コンピュータ・システム１０００は、プロセッサ１０１０、メモリ１０２０、入力／出力インターフェース（ここではＩ／Ｏ又はＩ／Ｏインターフェース）１０３０、及びメイン・バス１０４０を含むことができる。メイン・バス１０４０は、コンピュータ・システム１０００の他のコンポーネントのための通信経路を提供することができる。幾つかの実施形態において、メイン・バス１０４０は、特化されたデジタル信号プロセッサ（図示せず）などの他のコンポーネントに接続することができる。

コンピュータ・システム１０００のプロセッサ１０１０は、１つ又は複数のコア１０１２Ａ、１０１２Ｂ、１０１２Ｃ、１０１２Ｄ（まとめて１０１２）から成ることができる。プロセッサ１０１０は、コア１０１２に対する命令及びデータの一時的格納を提供する１つ又は複数のメモリ・バッファ又はキャッシュ（図示せず）を付加的に含むことができる。コア１０１２は、キャッシュ又はメモリ１０２０から提供される入力に対する命令を実行し、結果をキャッシュ又はメモリに出力することができる。コア１０１２は、本開示の実施形態に従った１つ又は複数の方法を実行するように構成された１つ又は複数の回路から成ることができる。幾つかの実施形態において、コンピュータ・システム１０００は、複数のプロセッサ１０１０を含むことができる。幾つかの実施形態において、コンピュータ・システム１０００は、単一のコア１０１２を有するシングル・プロセッサ１０１０とすることができる。

コンピュータ・システム１０００のメモリ１０２０は、メモリ・コントローラ１０２２を含むことができる。幾つかの実施形態において、メモリ１０２０は、データ及びプログラムを格納するための、ランダム・アクセス半導体メモリ、ストレージ・デバイス、又はストレージ媒体（揮発性又は不揮発性のいずれか）を含むことができる。幾つかの実施形態において、メモリは、モジュール（例えば、デュアル・インライン・メモリ・モジュール）の形態とすることができる。メモリ・コントローラ１０２２は、プロセッサ１０１０と通信し、メモリ１０２０内の情報の格納及び取り出しを容易にすることができる。メモリ・コントローラ１０２２は、Ｉ／Ｏインターフェース１０３０と通信し、メモリ１０２０における入力又は出力の格納及び取り出しを要因にすることができる。

Ｉ／Ｏインターフェース１０３０は、Ｉ／Ｏバス１０５０、端末インターフェース１０５２、ストレージ・インターフェース１０５４、Ｉ／Ｏデバイス・インターフェース１０５６、及びネットワーク・インターフェース１０５８を含むことができる。Ｉ／Ｏインターフェース１０３０は、メイン・バス１０４０をＩ／Ｏバス１０５０に接続することができる。Ｉ／Ｏインターフェース１０３０は、プロセッサ１０１０及びメモリ１０２０からの命令及びデータをＩ／Ｏバス１０５０の種々のインターフェースに向けることができる。Ｉ／Ｏインターフェース１０３０は、Ｉ／Ｏバス１０５０の種々のインターフェースからの命令及びデータをプロセッサ１０１０及びメモリ１０２０に向けることもできる。種々のインターフェースは、端末インターフェース１０５２、ストレージ・インターフェース１０５４、Ｉ／Ｏインターフェース１０５６、及びネットワーク・インターフェース１０５８を含むことができる。幾つかの実施形態において、種々のインターフェースは、上述のインターフェースのサブセット（例えば、工業用途における組み込み型コンピュータ・システムは、端末インターフェース１０５２及びストレージ・インターフェース１０５４を含まないことがある）。

コンピュータ・システム１０００全体にわたる論理モジュール（これらに限定されるものではないが、メモリ１０２０、プロセッサ１０１０、及びＩ／Ｏインターフェース１０３０を含む）は、１つ又は複数のコンポーネントの故障及び変更をハイパーバイザ又はオペレーティング・システム（図示せず）に通信することができる。ハイパーバイザ又はオペレーティング・システムは、コンピュータ・システム１０００において利用可能な種々のリソースを割り当て、メモリ１０２０内のデータの位置及び種々のコア１０１２に割り当てられた処理を追跡することができる。論理モジュールの要素を組み合わせる又は再構成する実施形態において、論理モジュールの態様及び能力が組み合わせられる又は再配分されることが可能である。当業者には、これらの種々の変形が明らかである。

本発明は、統合のいずれかの可能な技術的詳細レベルにおける、システム、方法、及び／又はコンピュータ・プログラム製品とすることができる。コンピュータ・プログラム製品は、プロセッサに本発明の態様を実行させるためのコンピュータ可読プログラム命令をその上に有するコンピュータ可読ストレージ媒体（単数又は複数）を含むことができる。

コンピュータ可読ストレージ媒体は、命令実行デバイスにより使用される命令を保持及び格納できる有形デバイスとすることができる。コンピュータ可読ストレージ媒体は、例えば、これらに限定されるものではないが、電子ストレージ・デバイス、磁気ストレージ・デバイス、光ストレージ・デバイス、電磁気ストレージ・デバイス、半導体ストレージ・デバイス、又は上記のいずれかの適切な組み合わせとすることができる。コンピュータ可読ストレージ媒体のより具体的な例の非網羅的なリストとして、以下のもの：すなわち、ポータブル・コンピュータ・ディスケット、ハードディスク、ランダム・アクセス・メモリ（ＲＡＭ）、読み出し専用メモリ（ＲＯＭ）、消去可能プログラム可能読み出し専用メモリ（ＥＰＲＯＭ又はフラッシュ・メモリ）、スタティック・ランダム・アクセス・メモリ（ＳＲＡＭ）、ポータブル・コンパクト・ディスク読み出し専用メモリ（ＣＤ−ＲＯＭ）、デジタル多用途ディスク（ＤＶＤ）、メモリ・スティック、フロッピー・ディスク、パンチカード若しくは命令がそこに記録された溝内の隆起構造のような機械的にエンコードされたデバイス、及び上記のいずれかの適切な組み合わせが挙げられる。本明細書で使用される場合、コンピュータ可読ストレージ媒体は、電波、又は他の自由に伝搬する電磁波、導波管若しくは他の伝送媒体を通じて伝搬する電磁波（例えば、光ファイバ・ケーブルを通る光パルス）、又はワイヤを通って送られる電気信号などの、一時的信号自体として解釈されない。

本明細書で説明されるコンピュータ可読プログラム命令は、コンピュータ可読ストレージ媒体からそれぞれのコンピューティング／処理デバイスにダウンロードすることができ、又は、例えばインターネット、ローカル・エリア・ネットワーク、広域ネットワーク、及び／又は無線ネットワークなどのネットワークを介して外部コンピュータ又は外部ストレージ・デバイスにダウンロードすることができる。ネットワークは、銅伝送ケーブル、光伝送ファイバ、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイ・コンピュータ、及び／又はエッジ・サーバを含むことができる。各コンピューティング／処理デバイスにおけるネットワーク・アダプタ・カード又はネットワーク・インターフェースは、ネットワークからコンピュータ可読プログラム命令を受け取り、それぞれのコンピューティング／処理デバイス内のコンピュータ可読ストレージ媒体内に格納するためにコンピュータ可読プログラム命令を転送する。

本発明の動作を実行するためのコンピュータ可読プログラム命令は、アセンブラ命令、命令セットアーキテクチャ（ＩＳＡ）命令、マシン命令、マシン依存命令、マイクロコード、ファームウェア命令、状態設定データ、又は、Ｓｍａｌｌｔａｌｋ、Ｃ＋＋などのオブジェクト指向プログラミング言語、又は、「Ｃ」プログラミング言語若しくは類似のプログラミング言語などの通常の手続き型プログラミング言語を含む１つ又は複数のプログラミング言語の任意の組み合わせで記述することができるいずれかのソースコード若しくはオブジェクトコードとすることができる。コンピュータ可読プログラム命令は、完全にユーザのコンピュータ上で実行される場合もあり、一部がユーザのコンピュータ上で、独立型ソフトウェア・パッケージとして実行される場合もあり、一部がユーザのコンピュータ上で実行され、一部が遠隔コンピュータ上で実行される場合もあり、又は完全に遠隔コンピュータ若しくはサーバ上で実行される場合もある。最後のシナリオにおいて、遠隔コンピュータは、ローカル・エリア・ネットワーク（ＬＡＮ）若しくは広域ネットワーク（ＷＡＮ）を含むいずれかのタイプのネットワークを通じてユーザのコンピュータに接続される場合もあり、又は外部コンピュータへの接続がなされる場合もある（例えば、インターネットサービスプロバイダを用いたインターネットを通じて）。幾つかの実施形態において、例えば、プログラム可能論理回路、フィールド・プログラマブル・ゲート・アレイ（ＦＰＧＡ）、又はプログラム可能論理アレイ（ＰＬＡ）を含む電子回路は、コンピュータ可読プログラム命令の状態情報を用いて電子回路を個人化することによりコンピュータ可読プログラム命令を実行し、本発明の態様を実施することができる。

本発明の態様は、本発明の実施形態による方法、装置（システム）及びコンピュータ・プログラム製品のフローチャート図及び／又はブロック図を参照して説明される。フローチャート図及び／又はブロック図の各ブロック、並びにフローチャート図及び／又はブロック図内のブロックの組み合わせは、コンピュータ可読プログラム命令によって実装できることが理解されるであろう。

これらのコンピュータ可読プログラム命令を、汎用コンピュータ、専用コンピュータ、又は他のプログラム可能データ処理装置のプロセッサに与えてマシンを製造し、それにより、コンピュータ又は他のプログラム可能データ処理装置のプロセッサによって実行される命令が、フローチャート及び／又はブロック図の１つ又は複数のブロック内で指定された機能／動作を実装するための手段を作り出すようにすることができる。これらのコンピュータ可読プログラム命令を、コンピュータ、プログラム可能データ処理装置、及び／又は他のデバイスを特定の方式で機能させるように指示することができるコンピュータ可読媒体内に格納し、それにより、命令が内部に格納されたコンピュータ可読ストレージ媒体が、フローチャート及び／又はブロック図の１つ又は複数のブロックにおいて指定された機能／動作の態様を実装する命令を含む製品を含むようにすることもできる。

コンピュータ可読プログラム命令を、コンピュータ、他のプログラム可能データ処理装置、又は他のデバイス上にロードして、一連の動作ステップをコンピュータ、他のプログラム可能データ処理装置、又は他のデバイス上で行わせてコンピュータ実装プロセスを生成し、それにより、コンピュータ又は他のプログラム可能装置上で実行される命令が、フローチャート及び／又はブロック図の１つ又は複数のブロックにおいて指定された機能／動作を実装するようにすることもできる。

図面内のフローチャート及びブロック図は、本発明の種々の実施形態による、システム、方法、及びコンピュータ・プログラム製品の可能な実装の、アーキテクチャ、機能及び動作を示す。この点に関して、フローチャート内の各ブロックは、指定された論理機能を実装するための１つ又は複数の実行可能命令を含む、モジュール、セグメント、又はコードの一部を表すことができる。幾つかの代替的な実装において、ブロック内に示される機能は、図に示される順序とは異なる順序で生じることがある。例えば、連続して示される２つのブロックは、関与する機能に応じて、実際には実質的に同時に実行されることもあり、又はこれらのブロックはときとして逆順で実行されることもある。ブロック図及び／又はフローチャート図の各ブロック、及びブロック図及び／又はフローチャート図内のブロックの組み合わせは、指定された機能又は動作を実行する、又は専用のハードウェアとコンピュータ命令との組み合わせを実行する、専用ハードウェア・ベースのシステムによって実装できることにも留意されたい。

本発明の種々の実施形態の説明は、例証の目的のために提示されたが、これらは、網羅的であること、又は本発明を開示した実施形態に限定することを意図するものではない。当業者には、説明される実施形態の範囲及び趣旨から逸脱することなく、多くの修正及び変形が明らかであろう。本明細書で用いられる用語は、実施形態の原理、実際の適用、又は市場に見られる技術に優る技術的改善を最もよく説明するため、又は、当業者が、本明細書に開示される実施形態を理解するのを可能にするために選択された。

５０：コンピューティング環境
６０：ハードウェア及びソフトウェア層
７０：仮想化層
８０：管理層
９０：ワークロード層
９６：微小石灰化検出
１００：システム
１０２、１０２Ａ、１０２Ｂ、２０２：データベース
１０４：マンモグラム・キャプチャ・デバイス
１０６：ネットワーク
１０８：マンモグラム検出デバイス
１１０：関心領域検出モジュール
１１４：モルフォロジカル・フィルタ・モジュール
１１６：エントロピー・フィルタ・モジュール
１１８：ハイブリッド・フィルタ・モジュール
１２０：クラスタリング・アルゴリズム・モジュール
２０４：デジタル画像
２０６：関心領域（ＲＯＩ）
２０８：モルフォロジカル・フィルタ
２１０：エントロピー・フィルタ
２１２：ハイブリッド・フィルタ結果
２１４：クラスタリング・アルゴリズム
１０００：コンピュータ・システム
１０１０：プロセッサ
１０１２、１０１２Ａ、１０１２Ｂ、１０１２Ｃ、１０１２Ｄ：コア
１０２０：メモリ
１０３０：入力／出力インターフェース
１０４０：メイン・バス

Claims (19)

1. 乳がん検出に用いるハイブリッド検出モデルのためのコンピュータ実施方法であって、前記方法は、
   デジタル画像の受信に応答して、前記デジタル画像上の関心領域を特定することであって、前記関心領域は、前記関心領域内の各ポイントについてのグレーレベルを用いて表現される、特定することと、
   所定のモルフォロジカル・フィルタを、前記デジタル画像の前記関心領域内の各ポイントについての各グレーレベルに適用することであって、前記モルフォロジカル・フィルタは、前記デジタル画像のグレーレベルを低減させて第１のセットの値を生成する、適用することと、
   所定のエントロピー・フィルタを、前記デジタル画像の前記関心領域内の各ポイントについての各グレーレベルに適用することであって、前記デジタル画像内の他のグレー値に対する局所的最大値を示す最大グレー値のセットをキャプチャするために前記所定のエントロピー・フィルタを適用することと、
   前記所定のモルフォロジカル・フィルタ及び前記所定のエントロピー・フィルタの組み合わせの平均であるハイブリッド結果を生成することと、
   前記ハイブリッド結果を用いて、サブセグメント化を伴う選択されたクラスタリング・アルゴリズムを用いることにより、前記デジタル画像を潜在的問題領域にセグメント化することと、
   を含む、方法。
2. 前記選択されたクラスタリング・アルゴリズムは、ｋ−平均法及びｃ−平均法のうちの一方を含む、請求項１に記載の方法。
3. ユーザ・インターフェース上に、セグメント化された前記デジタル画像を表示することをさらに含む、請求項１又は請求項２に記載の方法。
4. マンモグラム・キャプチャ・デバイスにより、前記デジタル画像をキャプチャすることをさらに含む、請求項１〜請求項３のいずれか一項に記載の方法。
5. 前記キャプチャすることと、前記特定することと、前記所定のモルフォロジカル・フィルタを適用することと、前記所定のエントロピー・フィルタを適用することとは、同じデバイスにより実行され、前記デバイスは、前記マンモグラム・キャプチャ・デバイスを含む、請求項４に記載の方法。
6. 前記デバイスはスマートフォンである、請求項５に記載の方法。
7. 前記特定することの前に、データベースからの前記マンモグラムにアクセスすることをさらに含む、請求項１〜請求項６のいずれか一項に記載の方法。
8. 前記デジタル画像は、マンモグラムである、請求項１〜請求項７のいずれか一項に記載の方法。
9. 前記潜在的問題領域は、微小石灰化のセットである、請求項１〜請求項８のいずれか一項に記載の方法。
10. プログラム命令が格納されたコンピュータ可読ストレージ媒体と、
    プロセッサであって、
    デジタル画像の受信に応答して、前記デジタル画像上の関心領域を特定することであって、前記関心領域は、前記関心領域内の各ポイントについてのグレーレベルを用いて表現される、特定することと、
    所定のモルフォロジカル・フィルタを、前記デジタル画像の前記関心領域内の各ポイントについての各グレーレベルに適用することであって、前記モルフォロジカル・フィルタは、前記デジタル画像のグレーレベルを低減させて第１のセットの値を生成する、適用することと、
    所定のエントロピー・フィルタを、前記デジタル画像の前記関心領域内の各ポイントについての各グレーレベルに適用することであって、前記デジタル画像内の他のグレー値に対する局所的最大値を示す最大グレー値のセットをキャプチャするために前記所定のエントロピー・フィルタを適用することと、
    前記所定のモルフォロジカル・フィルタ及び前記所定のエントロピー・フィルタの組み合わせの平均であるハイブリッド結果を生成することと、
    前記ハイブリッド結果を用いて、サブセグメント化を伴う選択されたクラスタリング・アルゴリズムを用いることにより、前記デジタル画像を潜在的問題領域にセグメント化することと、
    を含む方法を実行するための前記プログラム命令を実行するように構成された１つ又は複数のプロセッサと、
    を含む、コンピュータ・システム。
11. 前記選択されたクラスタリング・アルゴリズムは、ｋ−平均法及びｃ−平均法のうちの一方を含む、請求項１０に記載のシステム。
12. 前記方法は、ユーザ・インターフェース上に、セグメント化された前記デジタル画像を表示することをさらに含む、請求項１０又は請求項１１のいずれか一項に記載のシステム。
13. 前記方法は、マンモグラム・キャプチャ・デバイスにより、前記デジタル画像をキャプチャすることをさらに含む、請求項１０〜請求項１２のいずれか一項に記載のシステム。
14. マンモグラム・キャプチャ・デバイスをさらに含む、請求項１０〜請求項１３のいずれか一項に記載のシステム。
15. 前記方法は、前記特定することの前に、データベースからの前記デジタル画像にアクセスすることをさらに含む、請求項１０〜請求項１４のいずれか一項に記載のシステム。
16. 前記デジタル画像は、マンモグラムである、請求項１０〜請求項１５のいずれか一項に記載のシステム。
17. 前記潜在的問題領域は、微小石灰化のセットである、請求項１０〜請求項１６のいずれか一項に記載のシステム。
18. 乳がん検出に用いるハイブリッド検出モデルのためのコンピュータ・プログラム製品であって、
    処理回路により読み取り可能でありかつ請求項１〜請求項９のいずれか一項に記載の方法を実行するための、処理回路により実行される命令を格納するコンピュータ可読ストレージ媒体を含む、コンピュータ・プログラム製品。
19. コンピュータ可読媒体上に格納されかつデジタル・コンピュータの内部メモリにロード可能なコンピュータ・プログラムであって、前記プログラムがコンピュータ上で実行されるとき、請求項１〜請求項９のいずれか一項に記載の方法を実行するためのソフトウェア・コード部分を含む、コンピュータ・プログラム。

Images