JP3488515B2 - 診断支援システムおよび診断支援方法 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、断層像より陰影を抽出
する診断支援システムおよび診断支援方法に関する。

【０００２】

【従来の技術】Ｘ線装置、Ｘ線ＣＴ装置、磁気共鳴装置
（ＭＲＩ）、核医学診断装置等、被検体の像を得るため
の装置は種々あり、それぞれの特徴を活かした画像診断
に広く供されている。

【０００３】特に、Ｘ線ＣＴ装置や磁気共鳴装置（ＭＲ
Ｉ）は、組成対応の鮮鋭な被検体断層像を得ることがで
きるので、診断に大きな威力を発揮している。ところ
で、この種の診断装置により得られる断層像から、腫瘍
の有無の検出等を行うための診断支援装置が、種々提案
されている。その１つに２次元の画像情報を用いて特定
の領域の円形度を求め、その領域が腫瘍であるか否かを
判断する方法がある。その手順は以下に述べる通りであ
る。

【０００４】まず、２次元画像情報から腫瘍か否かを判
断すべき特定の領域（陰影）を抽出する。次に、抽出し
た領域の面積Ｓを求め、この抽出した領域の重心を求め
る。次に、抽出した領域と同一面積を有する円の半径ｒ
（以下、抽出領域の等価半径と称する）を次式により求
める。

【０００５】 ｒ＝（Ｓ／π）^1/2 …（１） 続いて、抽出した領域の円形度を求める。円形度は前記
で求めた重心を中心としたやはり前記で求めた等価半径
ｒの円に含まれる抽出領域の面積の割合により、次式の
ように定義する。

【０００６】 円形度＝円に含まれる抽出領域の面積／Ｓ …（２） 結果として等価半径ｒと円形度とで決まる特徴空間にお
いて、抽出領域の等価半径ｒと円形度が一定の範囲内に
含まれているときは抽出領域が腫瘍であるとみなす。

【０００７】このように１枚の画像のみならず、３次元
的に分布する多数枚の２次元画像情報に基づいてそれぞ
れの２次元画像内で領域を抽出し、抽出領域の等価半径
と円形度を求め、それによって各画像ごとに検出する。

【０００８】ところで、この手法を適用するにあたって
は断層像から陰影を抽出する必要がある。そして、断層
像から陰影を抽出する方法は、例えば肺の陰影の場合を
例にとると従来、つぎのようにしている。Ｘ線ＣＴ装置
や磁気共鳴装置（ＭＲＩ）からはデータ収集段階で、投
影データが得られる。この投影データを用いてつぎのよ
うにする。

【０００９】(1) まず、第１の方法を説明する。 (a) 投影データから所定の再構成演算処理を行って断層
像を作成する。 (b) この作成された断層像から関心領域を抽出する。こ
の場合、再構成された断層像はその濃淡値がディジタル
値であるから、上記関心領域は適宜な閾値を以て切り分
けることにより、抽出することが多い。

【００１０】(c) つぎに、抽出された領域について、そ
の形状などの特徴量から陰影か否かを判定する。 (2) 第２の方法を説明する。

【００１１】(a) 投影データから所定の再構成演算処理
を行って断層像を作成する。 (b) この作成された断層像に、陰影を強調するフィルタ
を掛けて第１の断層像を作成する。

【００１２】(c) 上記(a) で作成された断層像に、陰影
を減弱するフィルタを掛けて第２の断層像を作成する。 (e) 前記第１の断層像から第２の断層像を差分して、第
３の断層像を作成する。第１の断層像は陰影強調処理断
層像であり、第２の断層像は陰影減弱処理断層像である
から、両者の差分画像である第３の断層像はほぼ陰影を
主体にした断層像となる。

【００１３】(f) 前記第３の断層像から関心領域を抽出
する。この場合、第３の断層像はその濃淡値がディジタ
ル値であるから、上記関心領域は適宜な閾値を以て切り
分けることにより、抽出することが多い。

【００１４】(g) つぎに、抽出された領域について、そ
の領域の形状などの特徴量から陰影か否かを判定する。
このようにして、断層像から関心領域を抽出し、この抽
出した関心領域の形状から陰影か否かを調べる。

【００１５】

【発明が解決しようとする課題】上述したように、断層
像から陰影を抽出するにあたっては、断層像を適宜な閾
値を以て切り分けることで行う第１の方法と、断層像を
陰影強調処理したものと、陰影減弱処理したものとを用
意し、両者の差をとって第３の断層像を得、これを適宜
な閾値を以て切り取った注目画素領域像について陰影判
定する第２の方法がある。

【００１６】しかしながら、第１の方法では、例えば図
２(a) に示すように、陰影が縦隔などに接している場
合、閾値の取り方で陰影と縦隔等がくっついてしまった
り、あるいは、陰影の径が小さくなり過ぎてしまったり
し、陰影を抽出するのが難しい。

【００１７】それは、例えば、 (a) 閾値を高く設定すれば、図２(d) のように陰影部分
を確実に捕えて分離することができるようにはなるが、
反面、この場合は陰影の形状が小さくなる。そのため、
陰影が正しく抽出されないことも多い。

【００１８】(b) これに対して、閾値を低く設定する
と、今度は図２(c) のように陰影と縦隔がくっついてし
まい、両者が合体した状態で抽出してしまうことにな
る。そのため、陰影と判定されなくなり、正しい陰影判
定ができなくなる可能性が残ると云う問題がある。

【００１９】一方、上記第２の方法では、断層像は画素
単位にサンプリングされているため、断層像に対して陰
影抽出に適したフィルタをかけることが難しいと云った
問題がある。

【００２０】そして、前記第１の方法、第２の方法にお
けるいずれの問題点とも、再構成した後の断層像に対し
て処理を行っているために生じる問題である。そこで、
この発明の目的とするところは、断層像から陰影を正し
く抽出できるようにした診断支援システムおよび診断支
援方法を提供することにある。

【００２１】

【課題を解決するための手段】上記目的を達成するた
め、本発明は次のような構成を具備する。すなわち、請
求項１に記載の発明は、被検体の投影データを収集し、
前記投影データより断層像を再構成して診断に供する画
像診断装置より、前記投影データを得て、これを再構成
し断層像を得ると共に、この断層像から陰影を抽出する
診断支援システムにおいて、前記再構成して得た断層像
の濃度値を第１の閾値を以て切り出し、第１の注目画像
として得る第１の処理手段と、前記第１の注目画像につ
いて、形状その他特徴量に基づいて陰影か否かを判定す
る第１の判定手段と、前記断層像の濃度値を前記第１の
閾値よりも濃度値の高い第２の閾値を以て切り出し、第
２の注目画像として得る第２の処理手段と、前記第２の
注目画像について、形状その他特徴量に基づいて陰影の
候補となるか否かを判定する第２の判定手段と、候補と
判定された前記第２の注目画像を含む領域について、前
記投影データからの再構成により前記第１の注目画像よ
り小さい画素サイズの拡大断層像を得、これを閾値を以
て切り出し、第３の注目画像として得る第３の処理手段
と、前記第３の注目画像について、形状その他特徴量に
基づいて陰影か否かを判定する第３の判定手段と、を具
備することを特徴とする診断支援システムである。

【００２２】 また、請求項３に記載の発明は、被検体
の投影データより、画素を濃度値で表現した断層像を再
構成する第１のステップと、前記断層像から第１の閾値
によって像を切り出し、第１の注目画像を得る第２のス
テップと、前記第１の注目画像について、形状その他特
徴量に基づいて陰影判定する第３ステップと、前記第１
の閾値より濃度値の高い第２の閾値によって像を切り出
し、第２の注目画像を得る第４のステップと、前記第２
の注目画像について、形状その他特徴量に基づいて陰影
の候補となるか否かを判定する第５のステップと、候補
と判定された前記第２の注目画像を含む領域について、
前記投影データからの再構成により前記第１の注目画像
より小さい画素サイズの拡大断層像を得、これを閾値を
以て切り出し、第３の注目画像として得る第６のステッ
プと、前記第３の注目画像について、形状その他特徴量
に基づいて陰影か否かを判定する第７のステップと、を
具備することを特徴とする診断支援方法である。

【００２３】

【作用】請求項１の発明又は請求項３の発明によれば、
被検体の投影データより、画素を濃度値で表現した断層
像を再構成し、この断層像から比較的低い濃度値に定め
た第１の閾値で像を切り出し、この切り出した像につい
てその特徴量から陰影判定する。また、陰影と判定され
なかった像のうち、陰影の疑いのあるものを逃さないよ
うにするために、前記断層像から第１の閾値より濃度値
の高い第２の閾値で像を切り出し、この切り出した像に
ついてその特徴量から陰影の候補の像を抽出し、この陰
影の候補の像各々に関して、拡大した断層像を形成し、
この断層像各々についてその特徴量から陰影判定する。

【００２４】この結果、縦隔と陰影を分離できるととも
に、その大きさもズーミング後にフィルタをかけて低閾
値で検出することにより、一般的なサイズにすることが
できることから、その特徴量より正確に陰影判定できる
ようになり、従って、縦隔に近接した腫瘍等の陰影の抽
出に有効となる。

【００２５】

【００２６】さらに、請求項２又は請求項４に記載の発
明では、陰影強調断層像と陰影減弱断層像を得るにあた
り、陰影強調断層像は陰影強調機能を持つ再構成関数を
用いて投影データを再構成演算処理することで、また、
陰影減弱断層像は陰影減弱機能を持つ再構成関数を用い
て投影データを再構成演算処理することで得るようにし
ており、従来のように再構成された断層像にフィルタを
かける手法をとっていない。従って、支障なく陰影強調
断層像と陰影減弱断層像を得ることができ、これらの差
分の像を所望閾値で切り取ることで、陰影判定の対象を
抽出し、これを円形度と半径という特徴量を以て、陰影
であるか否かを判定することができるようになる。

【００２７】

【実施例】以下、図面を参照して本発明の実施例を説明
する。 （実施例１）実施例１は、断層像のデータを適宜な閾値
を以て切り分けることで関心領域の陰影部分の抽出を行
うようにした抽出方法（上記第１の方法）の問題点を解
決することを目的としている。

【００２８】すなわち、被検体の投影データより、画素
を濃度値で表現した断層像を再構成し、この断層像から
比較的低い濃度値に定めた第１の閾値で像を切り出し
（画素を切り出し）、この切り出した像の特徴量から陰
影を判定し、また、第１の閾値より濃度値の高い第２の
閾値で像を切り出し、その特徴量から陰影の候補の像を
抽出し、次にこの陰影の候補の像各々に関して、拡大し
た断層像を形成し、この断層像は高周波成分を強調する
再構成関数を用いた処理による断層像再構成とすること
で、腫瘍と近傍の他の組織とを綺麗に分離し、これをそ
の特徴量から陰影判定して陰影であるものを知らせるよ
うにするもので、同じような濃度を有する他の組織の像
に近接する腫瘍であっても、精度良くこれを識別できる
ようにした陰影抽出機能の極めて良い支援装置を提供す
る。

【００２９】本実施例は以下に示す手順により周辺の部
位に近接した陰影を抽出する。ここで本発明は、Ｘ線Ｃ
Ｔ装置、磁気共鳴装置（ＭＲＩ）、核医学診断装置等の
画像診断装置に適用することができるが、ここではＸ線
ＣＴ装置で得られた投影データを用いて２つの陰影Ａ、
Ｂを抽出する場合について説明する。他の画像診断装置
についても同様に行える。

【００３０】本発明における実施例を述べるに当たって
まず、本発明の概要を説明する。本発明は、腫瘍等は、
悪化あるいは進行すると丸くなる（球になる）性質を利
用して陰影判定する。そのため２次元画像情報から２次
元の特定領域を抽出し、その領域の円形度を求め、それ
を特徴量の１つとして、その領域が陰影であるか否か、
すなわち、腫瘍であるのか否かを判定する。以下にその
手順を述べる。

【００３１】なお、診断する関心領域は腫瘍には限定さ
れない。図面を参照して本発明の実施例を説明する。初
めに、例えばＣＴ装置等を用いて被検体の断層面に対す
る投影データを得ているものとする。この投影データを
用いてつぎの処理を行う。

【００３２】(1) 投影データから、断層像を再構成す
る。 これは投影データから、例えば画素サイズΔｐ1 ＝0.5m
m/画素で図１に示す如き第１の断層像Ｐ１を再構成する
処理である。

【００３３】(2) 再構成された断層像から所望の関心
領域ＲＯＩの画像における所望の濃度レベルを越える画
像データを取り出す。 つまり、第１の断層像Ｐ１について、所望の関心領域Ｒ
ＯＩを設定する。図１（図２(a) も同じ）に断層像Ｐ１
について任意に設定した関心領域ＲＯＩ部分を拡大して
示す。この関心領域ＲＯＩ部分は図１の断層像Ｐ１から
病巣の陰影（腫瘍）である可能性のある第１の注目部分
Ａ、第２の注目部分Ｂを含む適宜範囲を設定することで
得たものである。そして、この関心領域ＲＯＩ部分の画
像データについて、図２(b) に示す第１の閾値ＳＨＬ１
でカットして、図２(c) に示す如き注目画素領域像を抽
出する。

【００３４】なお、第２の閾値ＳＨＬ２は、第１の閾値
ＳＨＬ１でカットして得た注目画素領域像についての陰
影判定で、陰影でないと判定された場合に、陰影の疑い
のある画像部分のさらなる陰影判定を行うために用いる
閾値であり、第１の閾値ＳＨＬ１でカットして得た像の
くっついている部分を分離することができるような閾値
レベルである。関心領域ＲＯＩ部分の画像データについ
て、図２(b) に示す第２の閾値ＳＨＬ２でカットして得
られる注目画素領域像は、図２(d) に示す如きとなる。

【００３５】図２(b) は、図２(a) におけるＰＨ１のラ
インにおける画像のプロフィールを示すと共に、スレシ
ュホ−ルドレベルの関係を示した図である。縦軸である
画像のプロフィールのレベルは画像データの濃度値に対
応し、横軸はＰＨ１のライン上の位置を示している。閾
値ＳＨＬ１を以て切り取ることで、図２(c) に示す如き
の像（注目画素領域像）が得られ、閾値ＳＨＬ２を以て
切り取ることで、図２(d) に示す如き像（注目画素領域
像）が抽出できる。

【００３６】(3) こうして得た注目画素領域像の形状
などの特徴量から第１の注目部分Ａ、第２の注目部分Ｂ
が陰影であるかを判定するが、最初は第１の閾値ＳＨＬ
１を以て切り取った図２(c) に示す如き注目画素領域像
について、陰影であるか否かの判定を行う。

【００３７】一般的に腫瘍の陰影は、２次元像としてと
らえた画像の場合、円形（３次元的には球形）であり、
この円形という条件を利用して判別することができる。
そして、腫瘍の陰影であるか否かを自動判別するには、
腫瘍がある程度成長していないと難しいこともあり、ま
た、早期発見にはできるだけ病巣が小さい段階で判別で
きることが重要であるので、これらの条件を満たしたあ
る程度以上の大きさを持つ円形（３次元的には球形）で
あることを判別の条件にする（基礎判定条件）。

【００３８】従って、例えば、形状が円形であること
と、その半径がいくつであるかで陰影判定する。陰影で
あるか否かの判定は具体的にはつぎのようにして行う。 ［陰影判定処理］ (a) 閾値を基準に断層像の画像データをカットすること
により、抽出された画像であって他の画像から独立して
いるひとまとまりの部分であれば、どの部分の注目画素
領域像についても同様の処理となるので、注目領域Ａ該
当部分に着目して説明する。この場合、はじめに抽出さ
れた図２(c) の注目画素領域像における注目領域Ａ該当
部分の面積を求める。

【００３９】この場合は対象は第１の閾値ＳＨＬ１にて
切り出した像であり、ＳＨＬ１は臨床的にみて上記基礎
判定条件を満たすように設定されたレベルである。そし
て、この像の注目領域Ａ該当部分の面積、注目領域Ｂ該
当部分の面積…を順に求めてゆく。

【００４０】この条件での上記求める面積をＳ1 とす
る。但し、面積Ｓ1 はその注目領域該当部分に含まれる
画素数である。従って、注目領域Ａ該当部分の処理を実
施する場合、面積Ｓ1 は注目領域Ａ該当部分に含まれる
画素数となる。

【００４１】(b) つぎに注目領域該当部分の重心を求め
る。今、注目領域Ａ該当部分の処理を行っているわけで
あるから、注目領域Ａ該当部分の重心（Ｘ0 ，Ｙ0 ）を
求めることになる。ここで注目領域Ａ該当部分内の画素
の座標をそれぞれ （ｘ1 ，ｙ1 ），（ｘ2 ，ｙ2 ），…，（ｘj ，ｙj
），…，（ｘP ，ｙP ） とおくと、注目領域Ａ該当部分の重心（Ｘ0 ，Ｙ0 ）は
下式で求めることができる。但し、Ｐは注目領域Ａに含
まれる画素数である。

【００４２】 (c) つぎに面積がＳ1 である円の半径ｒを求める。

【００４３】 ｒ＝（Ｓ1 ／π）^1/2 …（４） (d) つぎに注目領域Ａ該当部分のうち、上記重心（Ｘ0
，Ｙ0 ）を中心とした半径ｒの円に含まれる部分の面
積Ｓ2 を求める。

【００４４】(e) ここで半径ｒの円の面積Ｓ1 と、前記
注目領域Ａ該当部分のうち、重心（Ｘ0 ，Ｙ0 ）を中心
とした半径ｒの前記円内に含まれる部分の面積Ｓ2 との
面積の比を、円形度と定義すると、円形度は 円形度 ＝ Ｓ2 ／Ｓ1 で求まる。

【００４５】そして、前記領域Ａ該当部分についてその
円形度を求める。 (f) 求めた円形度からその注目画素領域像は陰影である
か否かを判定する。ここで、“半径ｒ”及び“円形度”
及び“陰影である／ない”の関係を図示すると、例えば
図３に示す特徴空間になる。図３において、横軸は半
径、縦軸は円形度である。斜線の部分であるＡ１は“陰
影である”と判定する領域を、また、それ以外の領域で
あるＡ２は“陰影でない”と判定する領域であることを
示す。図３の特徴空間において、“陰影である”と判定
する領域Ａ１と、“陰影でない”と判定する領域Ａ２の
境界線に相当するラインが、例えば閉曲線Ｌであるとす
る。

【００４６】(h) 従って、閉曲線Ｌが求まれば、以降は
これを利用して陰影であるか否かを自動的に判別するこ
とができる。すなわち、陰影判別したい画像において、
注目領域の画像の占める半径ｒと円形度を求め、半径ｒ
と円形度で定まる図３上の位置が閉曲線Ｌ内に入ってい
れば（領域Ａ１内に入っていれば）、“陰影である”と
判定し、閉曲線Ｌ外であれば（領域Ａ１内から外れてい
れば）、“陰影でない”と判定することができる。

【００４７】同様にして、注目領域Ｂ該当部分について
円形度と半径を求め、これが閉曲線Ｌ内に入っているか
否かにより、その注目領域Ｂが腫瘍の疑いの強いもの、
すなわち、陰影であるか否かを判定する。

【００４８】(4) つぎに陰影候補の抽出を行う。すな
わち、注目領域Ｂ該当部分は第１の閾値ＳＨＬ１でカッ
トしたものである場合、図２(c) のように円形の陰影と
弓型状の縦隔がくっついて一体となってしまっており、
従って、形状は明らかに円形ではないので、図３に示す
閉曲線Ｌ外である。よって、この場合、陰影と判定され
ない。

【００４９】(5) そこで、関心領域ＲＯＩ部分の画像
データについて、第１の閾値ＳＨＬ１より値の大きい第
２の閾値ＳＨＬ２でカットする。関心領域ＲＯＩ部分の
画像データについて、レベルを上げた図２(b) に示す第
２の閾値ＳＨＬ２でカットすると、図２(d) に示す如き
注目画素領域像が抽出できる。

【００５０】つまり、３次元的には球形の腫瘍は、その
中心部に向かうほど濃度値が高いから、ＳＨＬ２を高く
して切り出す画像データの濃度値を高くすることで、濃
度の薄い周辺部は除外されることから、縦隔に近接する
腫瘍は中心部のみが切り出され、縦隔と距離をおくかた
ちとなる結果、注目領域Ａ該当部分、注目領域Ｂ該当部
分、縦隔の像領域Ｃ該当部分の３つに分離されて抽出で
きるようになる。

【００５１】(6) 前記関心領域ＲＯＩのうち注目領域
Ａ該当部分は、上記(3) で“陰影である”との判定済み
であるので除外する。除外の方法は、例えばこの判定済
みとなった注目領域Ａ該当部分の位置を記憶しておくこ
とにより、行うことができる。

【００５２】注目領域Ｂ該当部分と、領域Ｃ該当部分は
陰影の判定対象候補として残す。 (7) 前記と同様に注目領域Ｂ該当部分と領域Ｃ該当部
分の半径と円形度をそれぞれ求める。

【００５３】(8) そして前記と同様にして特徴空間で
陰影の候補か否かを判定する。この場合は、図３に示す
ように、閉曲線Ｌより広い範囲である閉曲線ＬＬを用い
る。

【００５４】(9) 領域Ｃ該当部分は弓形状であり、円
形度が低いので閉曲線ＬＬの外にくる。それゆえ、除外
する。 (10) 注目領域Ｂ該当部分は、第１の閾値ＳＨＬ１より
レベルを高く設定した第２の閾値ＳＨＬ２で切り取った
ものであるから、より濃度値の高い部分の画像であり、
半径が小さくなる。そのため、円形度は満たすが、半径
は不足する。

【００５５】そのため、閉曲線Ｌの近くにあるものの、
閉曲線Ｌの外になる。しかし、このような条件を考慮し
て閉曲線ＬＬを適宜に設定し、これを陰影候補判定用に
利用する。閉曲線Ｌより広い範囲であるこの閉曲線ＬＬ
を基準に考えた場合、注目領域Ｂ該当部分の半径と円形
度は、図３上で閉曲線ＬＬの内側に来るので、陰影の候
補として残す。

【００５６】(11) 投影データから、例えば図１に示す
関心領域ＲＯＩ内の注目領域Ｂ該当部分を含む当該注目
領域Ｂのサイズの２倍程度の領域を、１０倍程度に拡大
して再構成する。

【００５７】すなわち、前回の再構成断層像では１画素
あたりのサイズをΔｐ1 ＝0.5mm/画素としたのを、その
１０分の１程度の小さい画素サイズ（Δｐ2 ＝0.05mm/
画素）として再構成するとズーミングした再構成断層像
が得られ、第２の閾値ＳＨＬ２で切り取ったことにより
細った注目領域Ｂの画像を図４(a) のように太らせるこ
とができることになる。このズーミングは、臨床的にみ
て第１の閾値ＳＨＬ１で切り取った像と、第２の閾値Ｓ
ＨＬ２で切り取った像の細り具合の関係から、第２の閾
値ＳＨＬ２で切り取った像を、ほぼ第１の閾値ＳＨＬ１
で切り取ったときの像の大きさに戻せるような関係に定
める。

【００５８】このズーミングにより注目領域Ｂの画像は
円形度および半径が閉曲線Ｌの内側に入る程度のものに
戻されることになる。なお、ズーミングした再構成断層
像を得る場合、注目領域Ｂ該当部分を領域Ｃと分離し易
くするために、再構成関数としては陰影を強調するよう
な特性を持つ関数を用いるようにする。このような関数
は高い周波数成分について強調するような種類のもので
ある。

【００５９】この処理を行うと画像にノイズが多くなる
が、断層像にミディアンフィルタなどのフィルタをかけ
る処理をすることにより、ノイズを減らすようにするこ
ともできる。

【００６０】(12) ズーミングにより注目領域Ｂ該当部
分が、閉曲線Ｌの内側に入る程度の大きさのものに戻さ
れた図４(a) に示す断層像から、図４(b) に示す第１の
閾値ＳＨＬ１でカットして、図４(c) に示す注目画素領
域像を抽出する。第１の閾値ＳＨＬ１でカットするの
は、注目領域Ａの場合の判定基準をできるだけそのまま
利用できるようにするためである。

【００６１】(13) 前記注目画素領域像のうち注目領域
Ｂ該当部分を、注目領域Ａ該当部分と同様の方法により
陰影であるか否かを判定する。但し、当然のことながら
画素サイズが異なるので、図３の特徴空間の判定範囲は
少し異なってくる。

【００６２】以上説明したように、本実施例によれば、
注目画素領域を切り取る閾値をレベルを変えて２種用
い、最初の閾値で注目画素領域を切り取った注目画素領
域像についてその特徴量から陰影判定し、注目画素領域
像について陰影と判定されないものが残っていれば、そ
の注目画素領域の画像をズーミング（拡大像）した断層
像を再構成し、この断層像を上記第１の閾値で切り取
り、注目画素領域像を得、この注目画素領域像について
その特徴量から陰影判定をするようにしたので、従来閾
値の取りかたにより、分離できなかったり、分離しても
その特徴量が標準的な特徴量から掛け離れてしまうた
め、陰影であることを見逃してしまうことが多く、正確
な陰影判定は非常に難しかったのを、本発明では解消で
きるようになる。特に、縦隔と陰影を分離できるととも
に、その大きさもズーミングによって一般的なサイズに
することができることから、その特徴量より正確に陰影
判定できるようになり、従って、縦隔に近接した腫瘍等
の陰影の抽出に有効となる。

【００６３】このような処理を行うシステムの構成例を
つぎに示す。図５は、本発明の一実施例に係る診断支援
システムの構成を示すブロック図である。

【００６４】１はＸ線ＣＴ装置であり、寝台上に載置さ
れた被検体に扇状のＸ線ビームを曝射するＸ線発生部
と、円弧状に配列された検出器アレイからなり被検体を
透過したＸ線を検出するＸ線検出部とを有する。Ｘ線検
出部は、Ｘ線透過率を示す投影データを収集する。デー
タ取得については、３６０°以上の角度の投影データを
連続して収集することができるように構成されている。

【００６５】Ｘ線ＣＴ装置１は再構成装置を内蔵してお
り、収集した投影データにコンボリューション、バック
プロジェクションの処理を行い、画像を再構成する。２
は本発明の診断支援システムであり、ＣＰＵ ２１、操
作部２２、メモリ２３、表示装置２４、記憶装置２５を
有している。

【００６６】操作部２２は、ＣＰＵ ２１へ種々の指令
を与える。ＣＰＵ ２１は、システムバスを介してメモ
リ２３、表示装置２４、記憶装置２５に接続されてお
り、これらの制御や陰影抽出処理を行う。表示装置２４
は、再構成した画像や抽出した画像等の表示をしたり、
各種データの表示等をする働きを有する。記憶装置２５
は、投影データや再構成した画像を記憶するものであ
る。また、メモリ２３はＣＰＵ ２１の処理プログラム
やデータの保持、ワーキングエリア等に使用される。

【００６７】このように構成された実施例の動作をつぎ
に説明する。Ｘ線ＣＴ装置１は、Ｘ線発生部より寝台上
に載置された被検体に対して扇状のＸ線ビームを曝射
し、このＸ線発生部に被検体を介して対向配置されたＸ
線検出部により透過Ｘ線量を検出する。Ｘ線発生部を被
検体断面に対して３６０°に亙り、回転移動させながら
Ｘ線検出部により透過Ｘ線量を検出することで、Ｘ線透
過率を示す投影データを収集できる。

【００６８】Ｘ線ＣＴ装置１では再構成装置により、こ
の収集した投影データから、断層像を再構成する。そし
て、Ｘ線ＣＴ装置１の表示装置に再構成画像（断層像）
を表示して診断に供する。

【００６９】一方、本発明の診断支援システム２では、
Ｘ線ＣＴ装置１の収集した投影データを取り込むことが
でき、これを利用して陰影の抽出を行うことができる。
すなわち、オンラインで、あるいはフロッピディスク、
メモリカードなどのような可搬可能な記憶媒体を介して
投影データを受けてＣＰＵ ２１はこれを記憶装置２５
に記憶させる。

【００７０】そして、オペレータが操作部２２を操作し
て陰影の抽出を指令すると、ＣＰＵ２１はこれを受けて
陰影抽出の処理に入る。 ［処理 (1)］ ＣＰＵ ２１は、まず、投影データか
ら、断層像を再構成する。

【００７１】これは投影データから、例えば画素サイズ
Δｐ1 ＝0.5mm/画素で図１に示す如き第１の断層像Ｐ１
を再構成する処理である。 ［処理 (2)］ ＣＰＵ ２１は、再構成された断層像か
ら所望の関心領域ＲＯＩの画像における所望の濃度レベ
ルを越える画像データを取り出す。

【００７２】つまり、第１の断層像Ｐ１について、所望
の関心領域ＲＯＩを設定する。図１（図２(a) も同じ）
に、断層像Ｐ１について任意に設定した関心領域ＲＯＩ
部分を拡大図を示す。この関心領域ＲＯＩ部分は図１の
断層像Ｐ１から病巣の陰影（腫瘍）である可能性のある
第１の注目部分Ａ、第２の注目部分Ｂを含む適宜範囲を
設定することで得たものである。そして、この関心領域
ＲＯＩ部分の画像データについて、図２(b) に示す第１
の閾値ＳＨＬ１でカットして、図２(c) に示す如き注目
画素領域像を抽出する。第１の閾値ＳＨＬ１は予めセッ
トしておくか、操作部２２を操作してオペレータが適宜
に設定して与える。

【００７３】なお、第２の閾値ＳＨＬ２は、第１の閾値
ＳＨＬ１でカットして得た注目画素領域像についての陰
影判定で、陰影でないと判定された場合に、陰影の疑い
のある画像部分のさらなる陰影判定を行うために用いる
閾値であり、第１の閾値ＳＨＬ１でカットして得た像の
くっついている部分を分離することができるような閾値
レベルである。関心領域ＲＯＩ部分の画像データについ
て、図２(b) に示す第２の閾値ＳＨＬ２でカットして得
られる注目画素領域像は、図２(d) に示す如きとなる。

【００７４】図２(b) は、図２(a) におけるＰＨ１のラ
インにおける画像のプロフィールを示すと共に、スレシ
ュホ−ルドレベルの関係を示した図である。縦軸である
画像のプロフィールのレベルは画像データの濃度値に対
応し、横軸はＰＨ１のライン上の位置を示している。閾
値ＳＨＬ１を以て切り取ることで、図２(c) に示す如き
の像（注目画素領域像）が得られ、閾値ＳＨＬ２を以て
切り取ることで、図２(d) に示す如き像（注目画素領域
像）が抽出できる。

【００７５】［処理 (3)］ こうして得た注目画素領域
像の形状などの特徴量からＣＰＵ２１は、第１の注目部
分Ａ、第２の注目部分Ｂが陰影であるかを判定するが、
最初は第１の閾値ＳＨＬ１を以て切り取った図２(c) に
示す如き注目画素領域像について、陰影であるか否かの
判定を行う。

【００７６】一般的に腫瘍の陰影は、２次元像としてと
らえた画像の場合、円形（３次元的には球形）であり、
この円形という条件を利用して判別することができる。
そして、腫瘍の陰影であるか否かを自動判別するには、
腫瘍がある程度成長していないと難しいこともあり、ま
た、早期発見にはできるだけ病巣が小さい段階で判別で
きることが重要であるので、これらの条件を満たしたあ
る程度以上の大きさを持つ円形（３次元的には球形）で
あることを判別の条件にする（基礎判定条件）。

【００７７】従って、例えば、形状が円形であること
と、その半径がいくつであるかで陰影判定する。ＣＰＵ
２１は陰影であるか否かの判定をつぎのようにして行
う。 ［陰影判定処理 (a)］ 閾値を基準に断層像の画像デー
タをカットすることにより、抽出された画像であって他
の画像から独立しているひとまとまりの部分であれば、
どの部分の注目画素領域像についても同様の処理となる
ので、注目領域Ａ該当部分に着目して説明する。この場
合、はじめに抽出された図２(c) の注目画素領域像にお
ける注目領域Ａ該当部分の面積を求める。

【００７８】この場合は対象は第１の閾値ＳＨＬ１にて
切り出した像であり、ＳＨＬ１は臨床的にみて上記基礎
判定条件を満たすように設定されたレベルである。そし
て、この像の注目領域Ａ該当部分の面積、注目領域Ｂ該
当部分の面積…を順に求めてゆく。

【００７９】この条件での上記求める面積をＳ1 とす
る。但し、面積Ｓ1 はその注目領域該当部分に含まれる
画素数である。従って、注目領域Ａ該当部分の処理を実
施する場合、面積Ｓ1 は注目領域Ａ該当部分に含まれる
画素数となる。

【００８０】［陰影判定処理 (b)］ ＣＰＵ ２１は、
つぎに注目領域該当部分の重心を求める処理を行う。
今、注目領域Ａ該当部分の処理を行っているわけである
から、注目領域Ａ該当部分の重心（Ｘ0 ，Ｙ0 ）を求め
ることになる。ここで注目領域Ａ該当部分内の画素の座
標を （ｘ1 ，ｙ1 ），（ｘ2 ，ｙ2 ），…，（ｘj ，ｙj
），…，（ｘP ，ｙP ） とおくと、注目領域Ａ該当部分の重心（Ｘ0 ，Ｙ0 ）は
上記（３）式で求めることができる。

【００８１】［陰影判定処理 (c)］ ＣＰＵ ２１はつ
ぎに面積がＳ1 である円の半径ｒを上記（４）式により
求める。 ［陰影判定処理 (d)］ ＣＰＵ ２１はつぎに注目領域
Ａ該当部分のうち、上記重心（Ｘ0 ，Ｙ0 ）を中心とし
た半径ｒの円に含まれる部分の面積Ｓ2 を求める。

【００８２】ここで半径ｒの円の面積Ｓ1 と、前記注目
領域Ａ該当部分のうち、重心（Ｘ0，Ｙ0 ）を中心とし
た半径ｒの前記円内に含まれる部分の面積Ｓ2 との面積
の比を、円形度と定義すると、円形度はＳ2 ／Ｓ1 で
求まる。

【００８３】そして、前記領域Ａ該当部分についてその
円形度を求める。 ［陰影判定処理 (e)］ つぎにＣＰＵ ２１は、求めた
円形度からその注目画素領域像は陰影であるか否かを判
定する。

【００８４】ここで、“半径ｒ”及び“円形度”及び
“陰影である／ない”の関係を図示すると、例えば図３
に示す特徴空間になる。図３において、横軸は半径、縦
軸は円形度であり、斜線の部分であるＡ１は“陰影であ
る”と判定する領域を、また、それ以外の領域であるＡ
２は“陰影でない”と判定する領域であることを示して
いる。図３の特徴空間において、“陰影である”と判定
する領域Ａ１と、“陰影でない”と判定する領域Ａ２の
境界線に相当するラインが、例えば閉曲線Ｌであるとす
る。

【００８５】従って、閉曲線Ｌが求まれば、以降はこれ
を利用して陰影であるか否かを自動的に判別することが
できる。すなわち、陰影判別したい画像において、注目
領域の画像の占める半径ｒと円形度を求め、半径ｒと円
形度で定まる図３上の位置が閉曲線Ｌ内に入っていれば
（領域Ａ１内に入っていれば）、“陰影である”と判定
し、閉曲線Ｌ外であれば（領域Ａ１内から外れていれ
ば）、“陰影でない”と判定することができる。

【００８６】同様にして、注目領域Ｂ該当部分について
円形度と半径を求め、これが閉曲線Ｌ内に入っているか
否かにより、その注目領域Ｂが腫瘍の疑いの強いもの、
すなわち、陰影であるか否かを判定する。

【００８７】［処理 (4)］ こうして第１回目の陰影判
定を終えると、つぎにＣＰＵ ２１は、第２回目の陰影
判定を行うべく、下準備として陰影の判定対象候補の抽
出処理を行う。

【００８８】注目領域Ｂ該当部分は第１の閾値ＳＨＬ１
でカットしたものである場合、図２(c) のように円形の
陰影と弓型状の縦隔がくっついて一体となってしまって
おり、従って、形状は明らかに円形ではないので、図３
に示す閉曲線Ｌ外である。よって、この場合、陰影と判
定されない。

【００８９】そこで、関心領域ＲＯＩ部分の画像データ
について、第１の閾値ＳＨＬ１より値の大きい第２の閾
値ＳＨＬ２でカットする。第２の閾値ＳＨＬ２は予めセ
ットしておいても良いし、また、操作部２２によりオペ
レータが適宜に設定操作して与えるようにしても良い。

【００９０】関心領域ＲＯＩ部分の画像データについ
て、レベルを上げた図２(b) に示す第２の閾値ＳＨＬ２
でカットすると、図２(d) に示す如き注目画素領域像が
抽出できる。

【００９１】つまり、３次元的には球形の腫瘍は、その
中心部に向かうほど濃度値が高いから、ＳＨＬ２を高く
して切り出す画像データの濃度値を高くすることで、濃
度の薄い周辺部は除外されることから、縦隔に近接する
腫瘍は中心部のみが切り出され、縦隔と距離をおくかた
ちとなる結果、注目領域Ａ該当部分、注目領域Ｂ該当部
分、縦隔の像領域Ｃ該当部分の３つに分離されて抽出で
きるようになる。

【００９２】［処理 (5)］ 陰影の判定対象候補の分離
処理を終えると、つぎにＣＰＵ２１は、陰影と判定済み
の領域については、無駄な処理を行わないで済むよう
に、除外処理を行う。

【００９３】すなわち、前記関心領域ＲＯＩのうち注目
領域Ａ該当部分は、上記処理(3) での処理において“陰
影である”との判定済みであるので除外する。除外の方
法は、例えばこの判定済みとなった注目領域Ａ該当部分
の位置をメモリ２３に記憶しておくことにより可能であ
る。

【００９４】ＣＰＵ ２１はこのようにして処理済みの
ものを除外し、注目領域Ｂ該当部分と、領域Ｃ該当部分
は陰影の判定対象候補として残す。 ［処理 (6)］ つぎにＣＰＵ ２１は、前記と同様に注
目領域Ｂ該当部分と領域Ｃ該当部分の半径と円形度をそ
れぞれ求める。

【００９５】［処理 (7)］ そして求めたならば、前記
と同様にして特徴空間で陰影の候補か否かを判定する。
この場合は、図３に示すように、閉曲線Ｌより広い範囲
である閉曲線ＬＬを用いる。領域Ｃ該当部分は弓形状で
あり、円形度が低いので閉曲線ＬＬの外にくる。それゆ
え、除外する。

【００９６】一方、注目領域Ｂ該当部分は、第１の閾値
ＳＨＬ１よりレベルを高く設定した第２の閾値ＳＨＬ２
で切り取ったものであるから、より濃度値の高い部分の
画像であり、半径が小さくなる。そのため、円形度は満
たすが、半径は不足する。

【００９７】そのため、閉曲線Ｌの近くにあるものの、
閉曲線Ｌの外になる。しかし、このような条件を考慮し
て閉曲線ＬＬを適宜に設定し、これを陰影候補判定用に
利用する。閉曲線Ｌより広い範囲であるこの閉曲線ＬＬ
を基準に考えた場合、注目領域Ｂ該当部分の半径と円形
度は、図３上で閉曲線ＬＬの内側に来るので、陰影の判
定対象候補として残す。

【００９８】［処理 (8)］ つぎにＣＰＵ ２１は、投
影データから、例えば図１(b) に示す関心領域ＲＯＩ内
の注目領域Ｂ該当部分を含む当該注目領域Ｂのサイズの
２倍程度の領域を、１０倍程度に拡大して再構成する。

【００９９】すなわち、前回の再構成断層像Ｐ１では１
画素あたりのサイズをΔｐ1 ＝0.5mm/画素としたのを、
その１０分の１程度の小さい画素サイズ（Δｐ2 ＝0.05
mm/画素）として再構成するとズーミングした再構成断
層像Ｐ２が得られ、第２の閾値ＳＨＬ２で切り取ったこ
とにより細った注目領域Ｂの画像を図４(a) のように太
らせることができることになる。このズーミングは、臨
床的にみて第１の閾値ＳＨＬ１で切り取った像と、第２
の閾値ＳＨＬ２で切り取った像の細り具合の関係から、
第２の閾値ＳＨＬ２で切り取った像を、ほぼ第１の閾値
ＳＨＬ１で切り取ったときの像の大きさに戻せるような
関係に定める。

【０１００】このズーミングにより注目領域Ｂの画像は
円形度および半径が閉曲線Ｌの内側に入る程度のものに
戻されることになる。なお、ズーミングした再構成断層
像Ｐ２を得る場合、注目領域Ｂ該当部分を領域Ｃと分離
し易くするために、再構成関数としては陰影を強調する
ような特性を持つ関数を用いるようにする。このような
関数は高い周波数成分について強調するような種類のも
のである。

【０１０１】この処理を行うと画像にノイズが多くなる
が、断層像にミディアンフィルタなどのフィルタをかけ
る処理をすることにより、ノイズを減らすようにするこ
ともできる。

【０１０２】［処理 (9)］ つぎにＣＰＵ ２１は、ズ
ーミングにより注目領域Ｂ該当部分が、閉曲線Ｌの内側
に入る程度の大きさのものに戻された図４(a) に示す断
層像から、図４(b) に示す第１の閾値ＳＨＬ１でカット
して、図４(c) に示す注目画素領域像を抽出する。第１
の閾値ＳＨＬ１でカットするのは、注目領域Ａの場合の
判定基準をできるだけそのまま利用できるようにするた
めである。

【０１０３】［処理 (10) ］ つぎにＣＰＵ ２１は、
前記注目画素領域像のうち注目領域Ｂ該当部分を、注目
領域Ａ該当部分と同様の方法により陰影であるか否かを
判定する。 但し、当然のことながら画素サイズが異な
るので、図３の特徴空間の判定範囲は少し異なってく
る。

【０１０４】［処理 (11) ］ つぎにＣＰＵ ２１は判
定結果を表示装置２４に表示する。判定結果の表示は、
陰影と判断した領域を色を変えて表示するか、枠で囲ん
で表示したり、マーカで明示するか、文字で指示すると
云ったことが考えられるが、要は陰影とそうでない部分
とがわかるようにすれば良いので、これに限定されな
い。

【０１０５】以上説明したように、本実施例によれば、
注目画素領域を切り取る閾値をレベルを変えて２種用
い、最初の閾値で注目画素領域を切り取った注目画素領
域像についてその特徴量から陰影判定し、注目画素領域
像について陰影と判定されないものが残っていれば、そ
の注目画素領域の画像をズーミング（拡大像）した断層
像を再構成し、この断層像を上記第１の閾値で切り取
り、注目画素領域像を得、この注目画素領域像について
その特徴量から陰影判定をするようにしたので、従来閾
値の取りかたにより、分離できなかったり、分離しても
その特徴量が標準的な特徴量から掛け離れてしまうた
め、陰影であることを見逃してしまうことが多く、正確
な陰影判定は非常に難しかったのを、本発明では解消で
きるようになる。特に、縦隔と陰影を分離できるととも
に、その大きさもズーミングによって一般的なサイズに
することができることから、その特徴量より正確に陰影
判定できるようになり、従って、縦隔に近接した腫瘍等
の陰影の抽出に有効となる。

【０１０６】なお、本支援システムの機能を画像診断装
置内に組み込んで診断支援を行う構成とすることも可能
である。 （実施例２）実施例２は、投影データから再構成により
断層像を得、この断層像について陰影強調処理したもの
と、陰影減弱処理したものとを用意し、両者の差をとっ
て第３の断層像を得、これを適宜な閾値を以て切り取っ
た注目画素領域像について陰影判定する第２の方法の問
題点を解決することを目的としている。

【０１０７】この第２の方法の問題点は、元になる断層
像が画素単位にサンプリングされているため、断層像に
対して陰影抽出に適したフィルタをかけることが難しか
ったと云う点である。

【０１０８】本実施例は投影データから断層像を再構成
する際に、陰影強調する再構成関数を用いて陰影強調さ
れた断層像を得、また、陰影減弱処理する再構成関数を
用いて陰影減弱された断層像を得、これらの差分を取っ
て第３の断層像を得ることで、フィルタリングの問題を
解消している。

【０１０９】以下本発明による投影データに陰影抽出に
適したフィルタをかける方法の手順を説明する。ここで
本発明は実施例１と同様に、Ｘ線ＣＴ装置、磁気共鳴装
置（ＭＲＩ）、核医学診断装置に適用することができる
が、ここではＸ線ＣＴ装置を用いて陰影Ａを抽出する場
合について説明する。他の装置についても同様に行え
る。

【０１１０】(1) 投影データに対して、陰影を強調す
る第１の再構成関数を用いて演算処理することにより、
図６(a) に示す第１の断層像を再構成する。つまり、陰
影を強調する第１の再構成関数を用いて投影データを再
構成演算処理し、図６(a)に示す如き第１の断層像を再
構成する。

【０１１１】(2) 次に、投影データに対して陰影を減
弱する第２の再構成関数を用いて演算処理することによ
り、図６(c) に示す第２の断層像を再構成する。つま
り、陰影を減弱する第２の再構成関数を用いて投影デー
タを再構成演算処理し、図６(c) に示す如き第２の断層
像を再構成する。

【０１１２】(3) こうして得た前記第１の断層像（陰
影強調断層像）から前記第２の断層像（陰影減弱断層
像）を差分し、両者の差分による像である図６(e) に示
す如き第３の断層像を作成する。

【０１１３】(4) 図６(f) に示す閾値ＳＨＬで、前記
第３の断層像をカットして、図６(g) に示す注目画素領
域像を抽出する。この図の例の場合、上記(2) と(3) の
処理を施すことによって陰影抽出に適したフィルタをか
けることができ、この結果、陰影と考えられる領域Ａ該
当部分と、縦隔Ｃとが分離されることになる。

【０１１４】(5) 領域Ａ該当部分と、縦隔Ｃとが分離
されている前記注目画素領域像について、実施例１と同
様にしてこれらが陰影かどうかを判定する。 (6) 結果として領域Ａ該当部分だけが円形に近いので
陰影として判定される。

【０１１５】本発明では、陰影強調断層像と陰影減弱断
層像を得るにあたり、陰影強調断層像は陰影強調機能を
持つ再構成関数を用いて投影データを再構成演算処理す
ることで、また、陰影減弱断層像は陰影減弱機能を持つ
再構成関数を用いて投影データを再構成演算処理するこ
とで得るようにしており、従来のように再構成された断
層像にフィルタをかける手法をとっていないから、支障
なく陰影強調断層像と陰影減弱断層像を得ることがで
き、これらの差分の像を閾値ＳＨＬで切り取ることで、
陰影判定の対象を抽出し、これを円形度と半径という特
徴量を以て、陰影であるか否かを判定することができる
ようになる。

【０１１６】図７は、本発明の実施例２における診断支
援システムの構成例を示すブロック図である。１はＸ線
ＣＴ装置であり、実施例１で説明したと同様のものであ
る。Ｘ線ＣＴ装置１は再構成装置を内蔵しており、収集
した投影データにコンボリューション、バックプロジェ
クションの処理を行い、画像を再構成する。

【０１１７】２Ａは本発明の診断支援システムであり、
ＣＰＵ ２１Ａ、操作部２２、メモリ２３、表示装置２
４、記憶装置２５を有している。操作部２２は、ＣＰＵ
２１へ種々の指令を与える。ＣＰＵ ２１は、システ
ムバスを介してメモリ２３、表示装置２４、記憶装置２
５に接続されており、これらの制御や陰影抽出処理を行
う。表示装置２４は、再構成した画像や抽出した画像等
の表示をしたり、各種データの表示等をする働きを有す
る。記憶装置２５は、投影データや再構成した画像を記
憶するものである。また、メモリ２３はＣＰＵ ２１Ａ
の処理プログラムやデータの保持、ワーキングエリア等
に使用される。

【０１１８】このように構成された実施例の動作をつぎ
に説明する。Ｘ線ＣＴ装置１は、Ｘ線発生部より寝台上
に載置された被検体に対して扇状のＸ線ビームを曝射
し、このＸ線発生部に被検体を介して対向配置されたＸ
線検出部により透過Ｘ線量を検出する。Ｘ線発生部を被
検体断面に対して３６０°に亙り、回転移動させながら
Ｘ線検出部により透過Ｘ線量を検出することで、Ｘ線透
過率を示す投影データを収集できる。

【０１１９】Ｘ線ＣＴ装置１では再構成装置により、こ
の収集した投影データから、断層像を再構成する。そし
て、Ｘ線ＣＴ装置１の表示装置に再構成画像（断層像）
を表示して診断に供する。

【０１２０】一方、本発明の診断支援システム２Ａで
は、Ｘ線ＣＴ装置１の収集した投影データを取り込むこ
とができ、これを利用して陰影の抽出を行うことができ
る。すなわち、オンラインで、あるいはフロッピディス
ク、メモリカードなどの可搬可能な記憶媒体を介して投
影データを受けてＣＰＵ ２１Ａはこれを記憶装置２５
に記憶させる。

【０１２１】そして、オペレータが操作部２２を操作し
て陰影の抽出を指令すると、ＣＰＵ２１はこれを受けて
陰影抽出の処理に入る。 ［処理 (1)］ ＣＰＵ ２１Ａは、投影データに対し
て、陰影を強調する第１の再構成関数を用いて演算処理
することにより、図６(a) に示す第１の断層像を再構成
する。つまり、陰影を強調する第１の再構成関数を用い
て投影データを再構成演算処理し、図６(a) に示す如き
第１の断層像を再構成する。

【０１２２】［処理 (2)］ ＣＰＵ ２１Ａは、次に、
投影データに対して陰影を減弱する第２の再構成関数を
用いて演算処理することにより、図６(c) に示す第２の
断層像を再構成する。つまり、陰影を減弱する第２の再
構成関数を用いて投影データを再構成演算処理し、図６
(c) に示す如き第２の断層像を再構成する。

【０１２３】［処理 (3)］ ＣＰＵ ２１Ａは、このよ
うにして得た前記第１の断層像（陰影強調断層像）から
前記第２の断層像（陰影減弱断層像）を差分演算処理
し、両者の差分による像である図６(e) に示す如き第３
の断層像を作成する。

【０１２４】［処理 (4)］ ＣＰＵ ２１Ａは、図６
(f) に示す閾値ＳＨＬで、前記第３の断層像をカットし
て、図６(g) に示す注目画素領域像を抽出する。この図
の例の場合、陰影と考えられる領域Ａ該当部分と、縦隔
Ｃとが分離されている。

【０１２５】［処理 (5)］ ＣＰＵ ２１Ａは、領域Ａ
該当部分と、縦隔Ｃとが分離されている前記注目画素領
域像について、実施例１と同様にしてこれらが陰影かど
うかを判定する。結果として領域Ａ該当部分だけが円形
に近いので陰影として判定される。

【０１２６】［処理 (6)］ つぎにＣＰＵ ２１Ａは判
定結果を表示装置２４に表示する。判定結果の表示は、
陰影と判断した領域を色を変えて表示するか、枠で囲ん
で表示したり、マーカで明示するか、文字で指示すると
云ったことが考えられるが、要は陰影とそうでない部分
とがわかるようにすれば良いので、これに限定されな
い。

【０１２７】本発明では、陰影強調断層像と陰影減弱断
層像を得るにあたり、陰影強調断層像は陰影強調機能を
持つ再構成関数を用いて投影データを再構成演算処理す
ることで、また、陰影減弱断層像は陰影減弱機能を持つ
再構成関数を用いて投影データを再構成演算処理するこ
とで得るようにしており、従来のように再構成された断
層像にフィルタをかける手法をとっていないから、支障
なく陰影強調断層像と陰影減弱断層像を得ることがで
き、これらの差分の像を閾値ＳＨＬで切り取ることで、
陰影判定の対象を抽出し、これを円形度と半径という特
徴量を以て、陰影であるか否かを判定することができる
ようになる。そして、本実施例は、投影データから陰影
抽出に適した断層像を再構成するので、再構成後の断層
像にフィルタをかけるよりも、より陰影抽出に適した断
層像を得ることができる。

【０１２８】なお、この実施例においては、第１の再構
成関数と第２の再構成関数を差分して、第３の再構成関
数を作成し、前記第３の再構成関数を用いて断層像を再
構成することにより、前記第３の断層像を直接求めるよ
うにすることもでき、この場合も上記実施例２の作用と
基本的には同じとなり、上記実施例２の効果と同様の効
果が得られる。

【０１２９】

【発明の効果】本発明は、投影データから陰影抽出に適
した断層像を再構成することができるようになることに
より、より精度よく陰影の抽出を行うことができ、信頼
性の高い診断支援を実施できる。

【図面の簡単な説明】

【図１】本発明の実施例を説明するための図であって、
本発明の実施例１における断層像と関心領域の関係を説
明する図。

【図２】本発明の実施例を説明するための図であって、
本発明の実施例１における断層像から陰影を抽出する過
程を説明する図。

【図３】本発明の実施例を説明するための図であって、
本発明に用いる陰影判定のための特徴空間の例を示す
図。

【図４】本発明の実施例を説明するための図であって、
本発明の実施例１におけるズーミングによる陰影判定の
説明をするための図。

【図５】本発明の実施例を説明するための図であって、
本発明の実施例１を実現するシステム構成例を示すブロ
ック図。

【図６】本発明の実施例を説明するための図であって、
本発明の実施例２における処理過程を説明するための
図。

【図７】本発明の実施例を説明するための図であって、
本発明の実施例２を実現するシステム構成例を示すブロ
ック図。

【符号の説明】

１…Ｘ線ＣＴ装置 ２，２Ａ…診断支援システム ２１，２１Ａ…ＣＰＵ ２２…操作部 ２３…メモリ ２４…表示装置 ２５…記憶装置

───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平２−152443（ＪＰ，Ａ) 特開 平２−287887（ＪＰ，Ａ) 特開 平４−122356（ＪＰ，Ａ) 特表 平２−500884（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) A61B 6/00 - 6/14

Claims (4)

(57)【特許請求の範囲】
1. 【請求項１】被検体の投影データを収集し、前記投影デ
   ータより断層像を再構成して診断に供する画像診断装置
   より、前記投影データを得て、これを再構成し断層像を
   得ると共に、この断層像から陰影を抽出する診断支援シ
   ステムにおいて、 前記再構成して得た断層像の濃度値を第１の閾値を以て
   切り出し、第１の注目画像として得る第１の処理手段
   と、 前記第１の注目画像について、形状その他特徴量に基づ
   いて陰影か否かを判定する第１の判定手段と、 前記断層像の濃度値を前記第１の閾値よりも濃度値の高
   い第２の閾値を以て切り出し、第２の注目画像として得
   る第２の処理手段と、 前記第２の注目画像について、形状その他特徴量に基づ
   いて陰影の候補となるか否かを判定する第２の判定手段
   と、候補と判定された前記第２の注目画像を含む領域につい
   て、前記投影データからの再構成により前記第１の注目
   画像より小さい画素サイズの拡大断層像を得、これを閾
   値を以て切り出し、第３の注目画像として得る第３の処
   理手段と、 前記第３の注目画像について、形状その他特徴量に基づ
   いて陰影か否かを判定する第３の判定手段と、 を具備することを特徴とする診断支援システム。
2. 【請求項２】前記第３の処理手段は、高周波成分を強調
   する再構成関数を用いて前記再構成を行うことを特徴と
   する請求項１記載の診断支援システム。
3. 【請求項３】被検体の投影データより、画素を濃度値で
   表現した断層像を再構成する第１のステップと、 前記断層像から第１の閾値によって像を切り出し、第１
   の注目画像を得る第２のステップと、 前記第１の注目画像について、形状その他特徴量に基づ
   いて陰影判定する第３ステップと、 前記第１の閾値より濃度値の高い第２の閾値によって像
   を切り出し、第２の注目画像を得る第４のステップと、 前記第２の注目画像について、形状その他特徴量に基づ
   いて陰影の候補となるか否かを判定する第５のステップ
   と、候補と判定された前記第２の注目画像を含む領域につい
   て、前記投影データからの再構成により前記第１の注目
   画像より小さい画素サイズの拡大断層像を得、これを閾
   値を以て切り出し、第３の注目画像として得る第６のス
   テップと、 前記第３の注目画像について、形状その他特徴量に基づ
   いて陰影か否かを判定する第７のステップと、 を具備することを特徴とする診断支援方法。
4. 【請求項４】第６のステップにおいては、高周波成分を
   強調する再構成関数を用いた再構成処理を行うことを特
   徴とする請求項４記載の診断支援方法。