JP3678378B2 - 異常陰影候補の検出方法および装置 - Google Patents

異常陰影候補の検出方法および装置 Download PDF

Info

Publication number
JP3678378B2
JP3678378B2 JP24934796A JP24934796A JP3678378B2 JP 3678378 B2 JP3678378 B2 JP 3678378B2 JP 24934796 A JP24934796 A JP 24934796A JP 24934796 A JP24934796 A JP 24934796A JP 3678378 B2 JP3678378 B2 JP 3678378B2
Authority
JP
Japan
Prior art keywords
pixel
shadow candidate
abnormal shadow
value
direction line
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.)
Expired - Fee Related
Application number
JP24934796A
Other languages
English (en)
Other versions
JPH1097624A (ja
Inventor
英哉 武尾
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.)
Fujifilm Holdings Corp
Original Assignee
Fuji Photo Film Co Ltd
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 Fuji Photo Film Co Ltd filed Critical Fuji Photo Film Co Ltd
Priority to JP24934796A priority Critical patent/JP3678378B2/ja
Priority to US08/934,938 priority patent/US5940527A/en
Publication of JPH1097624A publication Critical patent/JPH1097624A/ja
Application granted granted Critical
Publication of JP3678378B2 publication Critical patent/JP3678378B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)
  • Radiography Using Non-Light Waves (AREA)

Description

【０００１】
【発明の属する技術分野】
本発明は放射線画像における腫瘤陰影に代表される異常陰影候補の検出方法および装置に関するものである。
【０００２】
【従来の技術】
従来より、種々の画像取得方法により得られた画像を表す画像信号に対して、階調処理や周波数処理等の画像処理を施し、画像の観察読影性能を向上させることが行われている。特に人体を被写体とした放射線画像のような医用画像の分野においては、医師等の専門家が、得られた画像に基づいて患者の疾病や傷害の有無を的確に診断する必要があり、その画像の読影性能を向上させる画像処理は不可欠なものとなっている。
【０００３】
このような画像処理においては、その画像全体を処理の対象とする場合もあるが、検査や診断の目的がある程度明確な場合は、その目的に適した所望の画像部分だけを選択的に強調処理することもある。
【０００４】
通常、そのような画像部分の選択は、画像処理が施される以前の原画像を観察読影者が観て、必要に応じて手動で行うものであるが、選択される対象画像部分や指定される範囲は観察者の経験や画像読影能力の高低によって左右され客観的なものとならない虞がある。
【０００５】
例えば乳癌の検査を目的として撮影された放射線画像においては、その放射線画像から癌化部分の特徴の一つである腫瘤陰影を抽出することが必要であるが、必ずしも的確にその腫瘤陰影の範囲を指定できるとは限らない。このため、観察者の技量に依存せずに、腫瘤陰影を始めとする異常陰影を的確に検出することが求められている。
【０００６】
この要望に応えるため、計算機処理を用いて異常陰影候補を自動的に検出するようにした計算機支援画像診断（CADM；Computer Aided Diagnosis of Medical images）の研究が最近進んでいる。このCADM技術の一つとしてアイリスフィルター処理が提案されている（小畑他「ＤＲ画像における腫瘤影検出（アイリスフィルタ）」電子情報通信学会論文誌 D-II Vol.J75-D-II No.3 P663〜670 1992年３月参照）。このアイリスフィルター処理は、特に乳癌における特徴的形態の一つである腫瘤陰影を検出するのに有効な手法として研究されているが、対象画像としては、このようなマンモグラムにおける腫瘤陰影に限るものではなく、その画像を表す画像信号（濃度等）の勾配が集中しているものについては、いかなる画像部分に対しても適用することができる。
【０００７】
以下、腫瘤陰影の検出処理を例にして、このアイリスフィルターによる腫瘤陰影候補の検出処理の概要について説明する。
【０００８】
例えばＸ線フイルム上における放射線画像（高濃度高信号レベルの画像信号で表される画像）においては、腫瘤陰影は周囲の画像部分に比べて濃度値がわずかに低いことが知られており、その濃度値の分布は概略円形の周縁部から中心部に向かうにしたがって濃度値が低くなるという濃度値の勾配を有している。したがって腫瘤陰影においては、局所的な濃度値の勾配が認められ、その勾配線は腫瘤の中心方向に集中する。
【０００９】
アイリスフィルターは、この濃度値に代表される画像信号の勾配を勾配ベクトルとして算出し、その勾配ベクトルの集中度を出力するものであり、アイリスフィルター処理とはこの勾配ベクトルの集中度を基に腫瘤陰影を検出するものである。
【００１０】
すなわち例えば図５（１）に示すようなマンモグラムにおいて腫瘤陰影Ｐ1 内の任意の画素における勾配ベクトルは同図（２）に示すように腫瘤陰影の中心付近を向くが、血管陰影や乳腺等のように細長い陰影Ｐ2 では同図（３）に示すように勾配ベクトルが特定の点に集中することはないため、局所的に勾配ベクトルの向きの分布を評価し、特定の点に集中している領域を抽出すれば、それが腫瘤陰影となる。なお、同図（４）に示すような乳腺等の細長い陰影同士が交差した陰影Ｐ3 については勾配ベクトルが特定の点に集中する傾向があり疑似異常陰影となりうる。
【００１１】
以上がアイリスフィルター処理の基本的な考え方である。以下に具体的なアルゴリズムのステップを示す。
【００１２】
（ステップ１）勾配ベクトルの計算
対象となる画像を構成する全ての画素について、各画素ｊごとに、下記式（１）に示す計算式に基づいた画像データの勾配ベクトルの向きθを求める。
【００１３】
【数１】
Figure 0003678378
【００１４】
ここでｆ1 〜ｆ16は、図６に示すように、その画素ｊを中心とした例えば縦５画素×横５画素の大きさのマスクの外周上の画素に対応した画素値（画像データ）である。
【００１５】
（ステップ２）勾配ベクトルの集中度の算出
次に、対象となる画像を構成する全ての画素について、各画素ごとに、その画素を注目画素とする勾配ベクトルの集中度Ｃを次式（２）にしたがって算出する。
【００１６】
【数２】
Figure 0003678378
【００１７】
ここでＮは注目画素を中心に半径Ｒの円内に存在する画素の数、θj は、注目画素とその円内の各画素ｊとを結ぶ直線と、その各画素ｊにおける上記式（１）で算出された勾配ベクトルとがなす角である（図７参照）。したがって上記式（２）で表される集中度Ｃが大きな値となるのは、各画素ｊの勾配ベクトルの向きが注目画素に集中する場合である。
【００１８】
ところで、腫瘤陰影近傍の各画素ｊの勾配ベクトルは、腫瘤陰影のコントラストの大小に拘らず、略その腫瘤陰影の中心部を向くため、上記集中度Ｃが大きな値を採る注目画素は、腫瘤陰影の中心部の画素ということができる。一方、血管などの線状パターンの陰影は勾配ベクトルの向きが一定方向に偏るため集中度Ｃの値は小さい。したがって、画像を構成する全ての画素についてそれぞれ注目画素に対する上記集中度Ｃの値を算出し、その集中度Ｃの値が予め設定された閾値を上回るか否かを評価することによって、腫瘤陰影を検出することができる。すなわち、このフィルターは通常の差分フィルターに比べて、血管や乳腺等の影響を受けにくく、腫瘤陰影を効率よく検出できるという特長を有している。
【００１９】
さらに実際の処理においては、腫瘤の大きさや形状に左右されない検出力を達成するために、フィルターの大きさと形状とを適応的に変化させる工夫がなされる。図８に、そのフィルターを示す。このフィルターは、図７に示すものと異なり、注目画素を中心として２π／Ｍ度の角度間隔で隣接するＭ種類の方向（図８においては、11.25 度ごとの32方向を例示）の放射状の方向線上の画素のみで上記集中度の評価を行うものである。
【００２０】
ここでｉ番目の方向線上にあって、かつ注目画素からｎ番目の画素の座標（［ｘ］，［ｙ］）は、注目画素の座標を（ｋ，ｌ）とすれば、以下の式（３），（４）で与えられる。
【００２１】
【数３】
Figure 0003678378
【００２２】
ただし、［ｘ］，［ｙ］は、ｘ，ｙを越えない最大の整数である。
【００２３】
さらに、その放射状の方向線上の各方向線ごとに最大の集中度が得られる画素までの出力値をその方向についての集中度Ｃimaxとし、その集中度Ｃimaxをすべての方向線について平均し、この平均値を注目画素についての勾配ベクトル群の集中度Ｃとする。
【００２４】
具体的には、まずｉ番目の放射状の線上において注目画素からｎ番目の画素までで得られる集中度Ｃi （ｎ）を下記式（５）により求める。
【００２５】
【数４】
Figure 0003678378
【００２６】
すなわち式（５）は、始点を注目画素、終点をＲmin からＲmax までの範囲内で変化させて、集中度Ｃi （ｎ）を算出するものである。
【００２７】
ここでＲmin とＲmax とは、抽出しようとする腫瘤陰影の半径の最小値と最大値である。
【００２８】
次に、勾配ベクトル群の集中度Ｃを下記式（６）および（７）により計算する。
【００２９】
【数５】
Figure 0003678378
【００３０】
ここで式（６）のＣimaxは、式（５）で得られた放射状の方向線ごとの集中度Ｃi （ｎ）の最大値であるから、注目画素からその集中度Ｃi （ｎ）が最大値となる画素までの領域が、その方向線の方向における腫瘤陰影の候補領域となる。
【００３１】
そしてすべての放射状の方向線について式（６）の計算をしてその各方向線上における腫瘤陰影の領域の輪郭（辺縁点）を求め、この各方向線上における腫瘤陰影の領域の隣接する辺縁点を、直線または非線形曲線で結ぶことにより、腫瘤陰影の候補となり得る領域の輪郭を特定することができる。
【００３２】
そして、式（７）では、この領域内の式（６）で与えられた集中度の最大値Ｃimaxを放射状の線の全方向（式（７）では32方向の場合を例示）について平均した値を求める。この求められた値がアイリスフィルター処理の出力値Ｉであり、この出力値Ｉを、腫瘤陰影であるか否かを判別するのに適した予め設定した一定の閾値Ｔと比較し、Ｉ≧Ｔであればこの注目画素を中心とする領域が異常陰影候補（腫瘤陰影候補）であり、Ｉ＜Ｔであれば腫瘤陰影候補ではない、と判定する。
【００３３】
これを図示すると、例えば図９（１）に示すようなマンモＰ0 を被写体とした放射線画像（フイルムに記録されたネガ画像）Ｐについてアイリスフィルター処理を施すと、同図（２），（３）に示すように、腫瘤陰影Ｐ1 の出力値はＩ1 となり、この出力値Ｉ1 が閾値Ｔで切り取られた断面形状Ａを腫瘤陰影候補の領域として検出していることになる。
【００３４】
なお、式（７）の勾配ベクトル群の集中度Ｃを評価する領域が勾配ベクトルの分布に応じて大きさと形状が適応的に変化する様子が、外界の明るさに応じて拡大、縮小する人間の目の虹彩（iris）が様子に似ていることから、勾配ベクトルの集中度を利用した腫瘤陰影の候補領域を検出する上述の手法はアイリスフィルター（iris filter ）処理と称されている。
【００３５】
なお、前述の集中度Ｃi （ｎ）の計算は式（５）の代わりに、下記式（５′）を用いてもよい。
【００３６】
【数６】
Figure 0003678378
【００３７】
すなわち式（５′）は、抽出しようとする腫瘤陰影の半径の最小値Ｒmin に対応した画素を始点として、終点をＲmin からＲmax までとした範囲内で集中度Ｃi （ｎ）を算出するものである。
【００３８】
上述のステップにより、アイリスフィルターは放射線画像から所望とする大きさの腫瘤陰影だけを効果的に検出することができ、特にマンモグラムにおける癌化部分の検出を主目的として研究されている。
【００３９】
【発明が解決しようとする課題】
ところで上述したアイリスフィルター処理の出力値Ｉは常に図９（２）に示したような１つのピークを持つ山型の分布となるとは限らない。
【００４０】
すなわち、放射線画像に例えば図３（１）に示すような２つの濃度極小部を持つ濃度分布の異常陰影Ｐ1 が記録されている場合は、この画像のアイリスフィルター処理出力値は２つのピーク（極大部）を有する山型の分布Ｉ2 を持つものとなる（同図（２））。この場合、アイリスフィルター処理の出力値の分布の裾野の部分を切り取るような大きさに設定された閾値Ｔ１によって判定処理する場合（同図（３））は、その切断面の形状は１つの領域Ａとして抽出することができるが、分布の頂部付近を切り取るような大きさに設定された閾値Ｔ２によって判定処理する場合（同図（４））は、その切断面の形状は２つの領域Ａ１，Ａ２として抽出されることになる。
【００４１】
そして同図（４）に示す２つの領域として抽出された異常陰影候補について強調処理を施せば、同図（３）に示す本来の領域の形状（輪郭）とは全く異なる印象を与える画像が形成されることになり、診断支援の観点から好ましくない。
【００４２】
そこで上記閾値Ｔを上記分布の裾野の部分を切り取るような大きさに設定すればよいが、閾値を小さく設定すれば、同図（３）に示すように腫瘤陰影ではない多くの疑似的な陰影の領域Ｂまで検出されることになり、医師等の画像読影者に腫瘤陰影か疑似的な陰影かの無駄な判断労力を強いることになり、好ましくない。また、上記のような特殊な形状の陰影に合わせて閾値を常に予め適切に設定することは実際上不可能である。
【００４３】
本発明は上記事情に鑑みなされたものであって、特殊な濃度分布を有する形状の異常陰影候補についても、その輪郭形状を適切に検出することを可能にした異常陰影候補の検出方法および装置を提供することを目的とするものである。
【００４４】
【課題を解決するための手段】
本発明の異常陰影候補の検出方法および装置は、アイリスフィルター処理の出力値Ｉを閾値処理して得られた異常陰影候補の領域について、その領域の重心を注目画素としたときの、アイリスフィルター処理における各方向線ごとの濃度勾配ベクトルの集中度の平均値が最大値を採る画素を、異常陰影候補領域の各方向線上における辺縁点とし、この各方向線上の辺縁点を直線または非線形の曲線で連結することにより、異常陰影候補領域の辺縁（輪郭）を適切に求めるものである。
【００４５】
すなわち本発明の第１の異常陰影候補の検出方法は、
（１）被写体の放射線画像を表す画像データの全画素について、該画像データに基づく各画素ごとの勾配ベクトルを算出し、
（２）前記全画素のうち任意の注目画素を設定し、
（３）該注目画素を中心とする、所定の角度間隔で隣接する複数（ｉ本）の放射状の方向線を前記画像上に設定し、
（４）該各方向線ごとに、前記注目画素から検出しようとする異常陰影候補の最大の大きさに応じた距離（Rmax）の範囲内にある、該方向線上の各画素について、各画素の勾配ベクトルと該方向線の延びる方向とのなす角度θilに基づく指標値cos θilをそれぞれ求め、
（５）始点を注目画素、終点を前記検出しようとする異常陰影候補の最小の大きさに応じた距離（Rmin）から最大の大きさに応じた距離まで変化させて、該始点から該終点の範囲内にある前記方向線上の各画素の前記指標値cos θilの平均値を、各方向線ごとに求め、
（６）前記方向線ごとの前記終点を変化させて求めた前記指標値cos θilの平均値のうち最大値Ｃimax（式（６））を求め、
（７）前記方向線ごとの前記最大値を前記複数の方向線のすべてについて総和して前記注目画素についての前記勾配ベクトル群の集中度の値を算出し、
（８）前記（７）で求めた勾配ベクトル群の集中度の値と予め設定された閾値とを比較し、
（９）前記勾配ベクトル群の集中度の値が前記閾値以上であるときは、前記注目画素が異常陰影候補の領域内に存在すると判定し、前記閾値未満であるときは前記注目画素が異常陰影候補の領域内に存在しないと判定し、
（10）前記注目画素を全画素について順次代えて前記（３）から（９）の操作を繰り返して、各画素が異常陰影候補の領域内に存在するか否かを判定し、
（11）前記異常陰影候補の領域内に存在すると判定された画素によって構成される該領域の重心を求め、
（12）該重心に対応する画素を前記注目画素としたときの、前記（６）における前記各方向線ごとの前記指標値cos θilの平均値が最大値を採る前記終点に対応した画素をそれぞれ特定し、
（13）該特定された各方向線上における前記終点に対応した画素を、該方向線の延びる方向における前記異常陰影候補の辺縁点として設定し、
（14）該各方向線上の前記辺縁点について互いに隣接する辺縁点を所定の線で連結し、該連結した所定の線で囲まれた範囲を、前記異常陰影候補として抽出することを特徴とするものである。
【００４６】
ここで上記（７）において総和を求めるのに代えて平均値を算出するようにしてもよく、上記（８）においてこの平均値と閾値との比較処理を行なうようにしてもよい。
【００４７】
また、上記（14）における辺縁点の連結方法としては、単に直線で連結する方法や非線形曲線で連結する方法のみならず、初期形状を有し所定の変形の傾向にしたがって変形を繰り返す動的曲線が該変形を繰り返して収束することにより離散的に設定された辺縁点を滑らかに連結する動的輪郭抽出方法を適用することができる。
【００４８】
動的輪郭抽出方法は、抽出する輪郭のモデルとして、所定の変形の傾向にしたがって変形を繰り返す曲線（以下、これを「動的曲線」という）を仮定して、その輪郭のモデルが対象の輪郭に近づくように、すなわち動的曲線が変形を繰り返して最終的にその対象の輪郭に収束するように変形の傾向を定めることにより、対象の輪郭を抽出するものである。
【００４９】
この動的輪郭抽出方法としてよく知られているものの１つとしてSNAKES（スネークス）モデルがある。SNAKESモデルは動的曲線のエネルギーを定義することにより、その曲線の状態を定量的に評価して変形の傾向を定めようとするものであり、このエネルギーは、動的曲線が対象の輪郭に一致した場合に最小となるように定義され、これにより、動的曲線の持つエネルギーが最小となる安定状態を見つけることによって対象の輪郭を抽出することが可能となる。この際、輪郭抽出処理の速度および正確さは、変形の傾向の定め方に依存する（M.Kass, A.Witkin, D.Terzopoulos; "SNAKES: ACTIVE CONTOUR MODELS" International Journal of Computer Vision, Vol.1, No.4, pp.321-331, 1988）。
【００５０】
上記辺縁点の連結方法として、動的輪郭抽出方法の１つであるSNAKESモデルを適用した場合、上記各方向線上の辺縁点を滑らかに連結することができ、実際の異常陰影候補の輪郭を精度よく抽出することができる。
【００５１】
なお、上記本発明の第１の異常陰影候補の検出方法はステップ（４）、（５）において、始点を注目画素としているのに対し、以下に掲げる本発明の第２の異常陰影候補の検出方法はステップ（４）、（５）において、始点を、検出しようとする異常陰影候補の最小の大きさに対応する距離にある画素とした点以外は本発明の第１の異常陰影候補の検出方法と同様である。すなわち、本発明の第２の異常陰影候補の検出方法は、
（１）被写体の放射線画像を表す画像データの全画素について、該画像データに基づく各画素ごとの勾配ベクトルを算出し、
（２）前記全画素のうち任意の注目画素を設定し、
（３）該注目画素を中心とする、所定の角度間隔で隣接する複数の放射状の方向線を前記画像上に設定し、
（４）該各方向線ごとに、前記注目画素を中心とする検出しようとする異常陰影候補の最小の大きさに対応する距離から最大の大きさに応じた距離の範囲内にある、該方向線上の各画素について、各画素の勾配ベクトルと該方向線の延びる方向とのなす角度θilに基づく指標値cos θilをそれぞれ求め、
（５）始点を前記検出しようとする異常陰影候補の最小の大きさに対応する距離にある画素、終点を前記検出しようとする異常陰影候補の最小の大きさに対応する距離から最大の大きさに応じた距離まで変化させて、該始点から該終点の範囲内にある前記方向線上の各画素の前記指標値cos θilの平均値を、各方向線ごとに求め、
（６）前記方向線ごとの前記終点を変化させて求めた前記指標値cos θilの平均値のうち最大値を求め、
（７）前記方向線ごとの前記最大値を前記複数の方向線のすべてについて総和して（または平均して）前記注目画素についての前記勾配ベクトル群の集中度の値を算出し、
（８）前記（７）で求めた勾配ベクトル群の集中度の値と予め設定された閾値とを比較し、
（９）前記勾配ベクトル群の集中度の値が、前記閾値以上であるときは、前記注目画素が異常陰影候補の領域内に存在すると判定し、前記閾値未満であるときは前記注目画素が異常陰影候補の領域内に存在しないと判定し、
（10）前記注目画素を全画素について順次代えて前記（３）から（９）の操作を繰り返して、各画素が異常陰影候補の領域内に存在するか否かを判定し、
（11）前記異常陰影候補の領域内に存在すると判定された画素によって構成される該領域の重心を求め、
（12）該重心に対応する画素を前記注目画素としたときの、前記（６）における前記各方向線ごとの前記指標値cos θilの平均値が最大値を採る前記終点に対応した画素をそれぞれ特定し、
（13）該特定された各方向線上における前記終点に対応した画素を、該方向線の延びる方向における前記異常陰影候補の辺縁点として設定し、
（14）該各方向線上の前記辺縁点について互いに隣接する辺縁点を所定の線で連結し、該連結した所定の線で囲まれた範囲を、前記異常陰影候補として抽出することを特徴とするものである。
【００５２】
この異常陰影候補の検出方法においても、上記（14）における辺縁点の連結方法として、単に直線で連結する方法や非線形曲線で連結する方法のみならず、初期形状を有し所定の変形の傾向にしたがって変形を繰り返す動的曲線が該変形を繰り返して収束することにより行なうSNAKESモデル等の動的輪郭抽出方法を適用することができる。
【００５３】
本発明の第１の異常陰影候補の検出装置は、
被写体の放射線画像を表す画像データの全画素について、該画像データに基づく各画素ごとの勾配ベクトルを算出する勾配ベクトル算出手段と、
前記全画素のうち１つを順次、注目画素として設定する注目画素設定手段と、
検出しようとする異常陰影候補の最小の大きさと最大の大きさを設定する検出サイズ設定手段と、
該設定された注目画素を中心として、所定の角度間隔で隣接する複数の放射状の方向線を前記画像上に設定する方向線設定手段と、
該各方向線ごとに、前記注目画素から前記設定された異常陰影候補の最大の大きさに応じた距離の範囲内にある、該方向線上の各画素について、各画素の勾配ベクトルと該方向線の延びる方向とのなす角度θilに基づく指標値cos θilをそれぞれ求める指標値算出手段と、
始点を注目画素、終点を前記検出しようとする異常陰影候補の最小の大きさに応じた距離から最大の大きさに応じた距離まで変化させて、該始点から該終点の範囲内にある前記方向線上の各画素の前記指標値cos θilの平均値を、各方向線ごとに求めるとともに、該平均値のうち最大値を抽出する最大値算出手段と、
該方向線ごとに抽出された前記最大値を前記複数の方向線のすべてについて総和して前記注目画素についての前記勾配ベクトル群の集中度の値を算出する集中度算出手段と、
予め設定された閾値と前記集中度算出手段により算出された集中度の値とを比較し、該比較の結果、前記勾配ベクトル群の集中度の値が、前記閾値以上であるときは、前記注目画素が異常陰影候補の領域内に存在すると判定し、前記閾値未満であるときは前記注目画素が異常陰影候補の領域内に存在しないと判定する比較判定手段と、
前記異常陰影候補の領域内に存在すると判定された画素によって構成される該領域の重心を求める重心算出手段と、
該求められた重心に対応する画素を前記注目画素としたときの、前記最大値算出手段により抽出された最大値を採る前記終点に対応した画素を、前記方向線ごとにそれぞれ特定し、該特定された各方向線上における終点に対応した画素を該方向線の延びる方向における前記異常陰影候補の辺縁点として設定する辺縁点設定手段と、
前記各方向線上の前記辺縁点について互いに隣接する辺縁点を所定の線で連結し、該連結した所定の線で囲まれた範囲を、前記異常陰影候補として抽出する輪郭抽出手段とを備えたことを特徴とするものである。
【００５４】
この異常陰影候補の検出装置において、上記輪郭抽出手段としては、各辺縁点を直線で連結することによるものや非線形曲線で連結することによるものなどの他、初期形状を有し所定の変形の傾向にしたがって変形を繰り返す動的曲線が該変形を繰り返して収束することにより離散的に設定された辺縁点を滑らかに連結する上記SNAKESモデル等の動的輪郭抽出手段を適用することができる。以下の発明においても同様である。
【００５５】
本発明の第２の異常陰影候補の検出装置は、上記指標値算出手段および最大値算出手段が相違する以外は上記本発明の第１の異常陰影候補の検出装置と同様の構成である。
【００５６】
すなわち本発明の第２の異常陰影候補の検出装置は、
被写体の放射線画像を表す画像データの全画素について、該画像データに基づく各画素ごとの勾配ベクトルを算出する勾配ベクトル算出手段と、
前記全画素のうち１つを順次、注目画素として設定する注目画素設定手段と、
検出しようとする異常陰影候補の最小の大きさと最大の大きさを設定する検出サイズ設定手段と、
該設定された注目画素を中心として、所定の角度間隔で隣接する複数の放射状の方向線を前記画像上に設定する方向線設定手段と、
該各方向線ごとに、前記注目画素を中心とする検出しようとする異常陰影候補の最小の大きさに対応する距離から最大の大きさに応じた距離の範囲内にある、該方向線上の各画素について、各画素の勾配ベクトルと該方向線の延びる方向とのなす角度θilに基づく指標値cos θilをそれぞれ求める指標値算出手段と、
始点を前記検出しようとする異常陰影候補の最小の大きさに対応する距離にある画素、終点を前記検出しようとする異常陰影候補の最小の大きさに対応する距離から最大の大きさに応じた距離まで変化させて、該始点から該終点の範囲内にある前記方向線上の各画素の前記指標値cos θilの平均値を、各方向線ごとに求めるとともに、該平均値のうち最大値を抽出する最大値算出手段と、
該方向線ごとに抽出された前記最大値を前記複数の方向線のすべてについて総和して前記注目画素についての前記勾配ベクトル群の集中度の値を算出する集中度算出手段と、
予め設定された閾値と前記集中度算出手段により算出された集中度の値とを比較し、該比較の結果、前記勾配ベクトル群の集中度の値が、前記閾値以上であるときは、前記注目画素が異常陰影候補の領域内に存在すると判定し、前記閾値未満であるときは前記注目画素が異常陰影候補の領域内に存在しないと判定する比較判定手段と、
前記異常陰影候補の領域内に存在すると判定された画素によって構成される該領域の重心を求める重心算出手段と、
該求められた重心に対応する画素を前記注目画素としたときの、前記最大値算出手段により抽出された最大値を採る前記終点に対応した画素を、前記方向線ごとにそれぞれ特定し、該特定された各方向線上における終点に対応した画素を該方向線の延びる方向における前記異常陰影候補の辺縁点として設定する辺縁点設定手段と、
前記各方向線上の前記辺縁点について互いに隣接する辺縁点を所定の線で連結し、該連結した所定の線で囲まれた範囲を、前記異常陰影候補として抽出する輪郭抽出手段とを備えたことを特徴とするものである。
【００５７】
【発明の効果】
本発明の異常陰影候補の検出方法および装置によれば、アイリスフィルター処理の出力値を閾値処理して得られた異常陰影候補の領域について、その領域の重心を注目画素としたときの、アイリスフィルター処理における各方向線ごとの濃度勾配ベクトルの集中度の平均値が最大値を採る画素を、異常陰影候補領域の各方向線上における辺縁点とし、この各方向線上の辺縁点を直線または非線形の曲線で連結することにより、異常陰影候補領域の辺縁（輪郭）を適切に求めることができる。
【００５８】
これは、異常陰影の領域内にある画素については、その領域内のいずれの画素が注目画素となった場合にも、アイリスフィルター処理における各方向線ごとの濃度勾配ベクトルの集中度の平均値が最大値を採る画素が異常陰影の辺縁に存在することを利用したものであり、上記アイリスフィルター処理の出力値を閾値処理して得られた異常陰影候補の領域が図３（４）に示すように２つの領域に分割されたものである場合にも、そのいずれかの領域内にある領域の重心に対応する画素を注目画素として、アイリスフィルター処理における各方向線ごとの濃度勾配ベクトルの集中度の平均値が最大値を採る画素を求めれば、その求められた画素が異常陰影の領域の正規の辺縁に対応する。
【００５９】
したがってこのようにして各方向線ごとにそれぞれ得られた各辺縁点を、例えば前述した動的輪郭抽出方法により連結することによって、異常陰影候補の輪郭を設定して、異常陰影候補領域を精度よく検出することができる。
【００６０】
【発明の実施の形態】
以下、本発明の異常陰影候補の検出装置の具体的な実施の形態について図面を用いて説明する。
【００６１】
図１は本発明の第１の異常陰影候補検出装置の一実施形態の概略構成を示すブロック図、図２は図１に示した異常陰影候補検出装置を用いた計算機支援画像診断装置の一例を示すブロック図である。
【００６２】
図示の計算機支援画像診断装置100 は、入力された画像信号（以下、全体画像信号という）Ｓを記憶する記憶手段30と、この記憶手段30に記憶された全体画像信号Ｓを読み出して、階調処理、周波数処理等の画像処理を施す全体画像処理手段40と、記憶手段30に記憶された全体画像信号Ｓを読み出して、この全体画像信号Ｓのうち異常陰影（腫瘤陰影）候補を表す画像信号（以下、局所画像信号という）を抽出する異常陰影候補検出装置10と、この抽出された局所画像信号に対して抽出した腫瘤陰影候補を強調処理する局所画像処理手段50と、全体画像処理手段40により画像処理された全体画像と局所画像処理手段50により画像処理された腫瘤陰影候補とを可視像として表示する表示手段60とを備えた構成である。
【００６３】
ここで、計算機支援画像診断装置100 に入力される全体画像信号Ｓは、例えば図３（１）に示すような患者のマンモグラムを表す画像Ｐが蓄積記録してなる蓄積性蛍光体シートに、励起光を照射することにより発生せられた輝尽発光光を光電的に読み取り、その後にデジタル変換して得られた画像信号（高濃度高信号レベルの信号）である。またこの画像には、２つの極小部を含む濃度分布の腫瘤陰影Ｐ1 および乳腺の陰影Ｐ2 等が記録されている。
【００６４】
表示手段60は、全体画像と腫瘤陰影とを表示面上に各別に表示してもよいが、本実施形態においては、全体画像を表示しつつこの全体画像のうち腫瘤陰影候補の画像部分だけは局所画像処理手段50により画像処理された腫瘤陰影候補の画像に置き換えて表示するものとする。
【００６５】
異常陰影候補検出装置10は詳しくは図１に示すように、入力された画像データの全画素について、この画像データに基づく各画素ごとの濃度勾配ベクトルを算出する勾配ベクトル算出手段11と、全画素のうち１つを順次、注目画素として設定する注目画素設定手段14と、検出しようとする腫瘤陰影候補の最小の大きさ（半径Rmin）と最大の大きさ（半径Rmax）を設定する検出サイズ設定手段12と、注目画素設定手段14により設定された注目画素を中心として、所定の角度間隔（例えば11.25 度間隔）で隣接する複数（例えば32本）の放射状の方向線（図８参照）を設定する方向線設定手段13と、設定された各方向線ごとに、注目画素から腫瘤陰影候補の最大の大きさに応じた距離Rmaxの範囲内にある方向線上の各画素について、各画素の勾配ベクトルとこの方向線の延びる方向とのなす角度θil（32本の方向線のうち第ｉ番目の方向線上における、注目画素から第ｌ番目の画素の勾配ベクトルと、この第ｉ番目の方向線の延びる方向とのなす角度を表す）に基づく指標値cos θilをそれぞれ求める指標値算出手段15と、注目画素を始点とし、終点を前記設定した腫瘤陰影候補の最小の大きさに応じた距離Rminから最大の大きさに応じた距離Rmaxまで変化させて、始点から終点の範囲内にある方向線上の各画素の指標値cos θilの平均値Ｃｉ（ｎ）を、各方向線ごとに式（５）にしたがって求めるとともに、この平均値のうち最大値Ｃimax（式（６））を抽出する最大値算出手段16と、各方向線ごとに抽出された最大値Ｃimaxを32本の方向線のすべてについて加算平均（（ΣＣimax）／32）してこの注目画素についての勾配ベクトル群の集中度の値Ｃ（式（７））を算出する集中度算出手段17と、
【００６６】
【数４】
Figure 0003678378
【００６７】
【数５】
Figure 0003678378
【００６８】
予め設定された閾値Ｔと上記集中度の値Ｃとを比較し、この比較の結果、集中度の値Ｃが閾値Ｔ以上であるときは、その注目画素が腫瘤陰影候補の領域内に存在すると判定し、集中度の値Ｃが閾値Ｔ未満であるときは、その注目画素が異常陰影候補の領域内に存在しないと判定する比較判定手段18と、注目画素設定手段14が注目画素を順次代えて全画素について判定を行なった結果として、腫瘤陰影候補の領域内に存在すると判定された画素によって構成される領域の重心を求める重心算出手段19と、求められた重心に対応する画素を注目画素としたときの、最大値算出手段16により抽出された最大値を採るときの終点に対応した画素を、方向線ごとにそれぞれ特定し、この特定された各方向線上における終点に対応した画素を、その方向線の延びる方向における腫瘤陰影候補の辺縁点として設定する辺縁点設定手段20と、各方向線上で設定された辺縁点について互いに隣接する辺縁点を動的輪郭抽出方法により所定の非線形曲線で連結し、この連結した所定の線で囲まれた範囲を、腫瘤陰影候補として抽出する輪郭抽出手段21とを備えた構成である。
【００６９】
勾配ベクトル算出手段11は、詳しくは例えば図６に示した縦５画素×横５画素の大きさのマスクの最外周部の画素の画像データ（画素値）を用いて、式（１）にしたがって濃度勾配ベクトルの向きθを求める。
【００７０】
【数１】
Figure 0003678378
【００７１】
このマスクサイズは縦５画素×横５画素のもの限るものではなく、種々の大きさのものを用いることができる。
【００７２】
検出サイズ設定手段12による検出しようとする腫瘤陰影候補の最小の大きさ（半径Rmin）と最大の大きさ（半径Rmax）の設定は、オペレーターがこの検出サイズ設定手段12に付属する図示しないキーボード等の入力手段から入力する方式であってもよいし、あるは入力される画像の種別に応じて、予め内部に記憶されたサイズの中から適切なものを自動的に選択することにより設定してもよい。
【００７３】
方向線設定手段13が設定する方向線の数は、上記32本に限るものではないが、余りに多く設定すると計算処理に要する負担が急激に増大し、また少な過ぎれば腫瘤陰影候補の輪郭形状を精度よく検出することができないので、32本程度が好ましい。またこの方向線間の角度間隔は等間隔とするのが計算処理等において都合がよい。
【００７４】
最大値算出手段16は、始点を注目画素とするのに代えて、設定した腫瘤陰影候補の最小の大きさに応じた距離Rminにおける画素を始点としてもよい。
【００７５】
この場合、式（５）で表される、始点から終点の範囲内にある方向線上の各画素の指標値cos θilの平均値Ｃｉ（ｎ）は、式（５′）で表されるものとなり、本発明の第２の異常陰影候補の検出装置の一実施形態となる。
【００７６】
【数６】
Figure 0003678378
【００７７】
比較判定手段18において比較対象となる閾値Ｔは、予め設定されたものであるが、この「予め」とは、「最終的な比較を行なうまでには」の意であり、本実施形態においても、幾つかのレベルの異なる閾値が準備されており、各レベルの閾値を試行的に適用して、検出される腫瘤陰影候補の数が７個乃至10個となるようなレベルの閾値を最終的に採用するものであり、この最終的に採用されたことをも含めた意味に用いる。
【００７８】
輪郭抽出手段21による動的輪郭抽出方法としては、既述したSNAKESモデルを適用する。
【００７９】
このSNAKESモデルは、動的曲線のエネルギーを定義することによりその曲線の状態を定量的に評価するものである。このエネルギーは、動的曲線が対象の輪郭に一致した場合に最も小さくなるように定義されるものであり、これにより、動的曲線の持つエネルギーが最小となる安定状態を見つけることによって対象の輪郭を抽出することが可能となる。またこのエネルギーは、動的曲線の状態に対応して定義される複数のエネルギーの総和として定義される。動的曲線の状態に対応して定義されるエネルギーとは、例えば、動的曲線自体の性質に基づいて定義されるエネルギーや、動的曲線が外部から受ける制約に基づいて定義されるエネルギーなどをいう。
【００８０】
動的曲線の持つエネルギーＥsnakesは、一般に、動的曲線上の点を動的曲線上の所定の点からの曲線に沿った距離に対応する媒介変数ｓを用いて
ｖ(s) ＝(x(s),y(s))
のように表記するものとして、次のような式で記述される。
【００８１】
【数７】
Figure 0003678378
【００８２】
内部エネルギーＥint は、動的曲線自体の性質を評価するものである。従来、この性質は「滑らかさ」として評価されており、内部エネルギーはスプラインエネルギーとも呼ばれている。内部エネルギーは、動的曲線が滑らかであるほど小さい値となるように規定されるものであるため、この内部エネルギーが小さくなるように変形を行えば、動的曲線はより滑らかになる。内部エネルギーは、次のような式で記述される。
【００８３】
Ｅint ＝｛ｗsp1 ×｜ｖs (s) ｜2 ＋ｗsp2 ×｜ｖss(s) ｜2 ｝／２
（但し、 ｖs (s) ＝ dv(s)／ds，ｖss(s) ＝ d2 v(s)／ds2 ，ｗsp1 ，ｗsp2 は各項の重みづけを表すパラメータである）
画像エネルギーＥimage は動的曲線が画像から受ける影響を評価するものであり、従来から「濃度勾配」が利用されている。これは、輪郭付近は他の部分に比べて濃度勾配が急であることに着目したものである。画像エネルギーは、濃度勾配が急なところほど小さくなるように規定されており、これにより、動的曲線は変形とともに輪郭に引き寄せられることとなる。画像エネルギーは、次のような式で記述される。
【００８４】
Ｅimage ＝ｗgrad×｛−grad2 Ｉ(x,y) ｝
（但し、 Ｉ(x,y) は (x(s),y(s))における画像濃度，ｗgradは重みづけを表すパラメータである）
外部エネルギーＥext は、人の手により意図的に与えられる制約を評価するものであり、一般には各画像に特化したポテンシャル場などが用いられている。外部エネルギーは、上記２つのエネルギーと同様、エネルギーが小さくなるように動的曲線を変形すれば輪郭に近づくように規定されるものであるが、設計事項として任意に規定し得るものであり、汎用性を欠くため、外部エネルギーは無視する（Ｅext ＝０）ものとする。
【００８５】
具体的には、設定された辺縁点に対して、求められた重心を中心とする半径Rmaxの円周上にｎ個のノード（node）を持つ初期SNAKESを定義し、収縮繰り返し処理により収束するまで収縮を行ない、収束したときのnodeを結び、この領域の内部に含まれる画素を抽出する。
【００８６】
次に本実施形態の異常陰影候補の検出装置の作用について説明する。
【００８７】
記憶手段20から異常陰影候補検出装置10に入力された全体画像信号Ｓは、まず勾配ベクトル算出手段11、注目画素設定手段14および輪郭抽出手段21に入力され、勾配ベクトル算出手段11は前述したように縦５画素×横５画素の大きさのマスクの最外周部の画素の画像データ（画素値）を用いて、全画素について濃度勾配ベクトルの向きθを求める。求められた濃度勾配ベクトルの向きθは指標値算出手段15に入力される。
【００８８】
一方、注目画素設定手段14は、入力された画像データについて、その全画素のうち１つを順次注目画素として設定し、設定した注目画素を方向線設定手段13に入力する。方向線設定手段13は、注目画素を中心として例えば11.25 度の等間隔で隣接する32本の放射状の方向線を設定する。そしてこの設定された方向線は指標値算出手段15に入力される。
【００８９】
また、検出サイズ設定手段12には、本異常陰影候補検出装置10により検出しようとする腫瘤陰影候補の大きさの最大値（半径としてRmax）と最小値（半径としてRmin）とがオペレータによって入力される。そしてこの入力された最大値Rmaxおよび最小値Rminも、指標値算出手段15に入力される。
【００９０】
指標値算出手段15は、勾配ベクトル算出手段12から入力された勾配ベクトルの向きθが定義された、画像データと同じ２次元に配列された画素に、方向線設定手段13から入力された32本の方向線を重ねて、この32本の方向線にそれぞれ重なるなる画素を抽出する。
【００９１】
さらに指標値算出手段15は、各方向線ごとに、注目画素から腫瘤陰影候補の最大の大きさに応じた距離Rmaxの範囲内にある方向線上の各画素について、各画素に定義された勾配ベクトル向きθとこの方向線の延びる方向とのなす角度θil（32本の方向線のうち第ｉ番目の方向線上における、注目画素から第ｌ（エル）番目の画素の勾配ベクトルと、この第ｉ番目の方向線の延びる方向とのなす角度を表す）に基づく指標値cos θilをそれぞれ求める。
【００９２】
この求められた各方向線上における各画素の指標値cos θilは最大値算出手段16に入力される。最大値算出手段16は、注目画素を始点とし、終点を腫瘤陰影候補の最小の大きさに応じた距離Rminから最大の大きさに応じた距離Rmaxまで変化させて、始点から終点の範囲内にある方向線上の各画素の指標値cos θilの平均値Ｃｉ（ｎ）を、各方向線ごとに求めるとともに、この平均値Ｃｉ（ｎ）の最大値Ｃimaxを抽出する。
【００９３】
ここで、平均値Ｃｉ（ｎ）が最大値Ｃimaxを採るのは、終点の画素が腫瘤陰影Ｐ1 の辺縁にある場合、すなわち、図３（２）に示したアイリスフィルター処理の出力値Ｉ1 （＝Ｃ）の分布における出力の立上り部Ｇにある場合である。
【００９４】
このように各方向線ごとに求められた最大値Ｃimaxは集中度算出手段17に入力される。集中度算出手段17は入力された各方向線ごとに求められた最大値Ｃimaxを加算平均して、その注目画素についての勾配ベクトル群の集中度の値Ｃを算出する。
【００９５】
算出された勾配ベクトル群の集中度の値Ｃは比較判定手段18に入力される。
【００９６】
以上の作用と同じ作用が、注目画素設定手段14が設定する注目画素を順次代えてなされ、入力された全ての画素についての上記集中度の値Ｃが比較判定手段18に入力される。
【００９７】
比較判定手段18は、初期的に設定された閾値Ｔと上記画素ごとの集中度の値Ｃとを比較し、Ｃ≧Ｔであれば、その画素は腫瘤陰影候補の領域内に存在する画素であると判定し、Ｃ＜Ｔであれば、その画素は腫瘤陰影候補の領域内に存在しない画素であると判定する。
【００９８】
ここで初期的に設定された閾値Ｔは必ずしも適切な値に設定されているとは限らない。すなわち閾値Ｔが低過ぎれば、腫瘤陰影Ｐ1 の領域内ではなく、乳腺の陰影Ｐ2 の領域内（アイリスフィルター処理の出力値Ｉ2 ）に存在しているにすぎない画素であっても、腫瘤陰影Ｐ1 の領域内に存在すると判定される場合もある。
【００９９】
そこで比較判定手段18は、腫瘤陰影候補の領域内に存在する画素であると判定した画素によって構成される領域の数が７個乃至10個となるように、閾値を調整するようにしている。そしてこのように調整された後の閾値Ｔによって腫瘤陰影候補の領域内に存在する画素であると判定した画素によって構成される領域を重心算出手段19に入力する。
【０１００】
ここで上記領域の数が７個乃至10個となるように設定された閾値が図３（４）に示すようにＴ２であった場合、腫瘤陰影Ｐ1 の集中度Ｃ（＝Ｉ）のうち２つの頂部がそれぞれ閾値Ｔ２により各別に切り取られ、破線で示す本来の領域が２つの領域Ａ１、Ａ２の２つの領域として抽出される。
【０１０１】
そしてこのように検出された７個乃至10個の領域に対して重心算出手段19は、それらの各重心点を求める。例えば領域Ａ１についてその重心ａ１を求め、領域Ａ２についてその重心ａ２を求める。他の５個乃至８個の腫瘤陰影（異常陰影）候補領域についてもそれぞれ重心が求められる。
【０１０２】
求められた重心は辺縁点設定手段20に入力される。辺縁点設定手段20は入力された重心を注目画素としたときの、最大値算出手段16が求めた各方向線ごとの平均値Ｃｉ（ｎ）が最大値Ｃimaxを採ったときの各方向線ごとの終点の画素を、最大値算出手段16から受ける。
【０１０３】
既述したように、各方向線ごとの平均値Ｃｉ（ｎ）が最大値Ｃimaxを採ったときの各方向線ごとの終点の画素は、腫瘤陰影候補の辺縁を示すため、領域Ａ１についてその重心ａ１を注目画素としたときの、各方向線ごとの平均値Ｃｉ（ｎ）が最大値Ｃimaxを採ったときの各方向線ごとの終点の画素ｂ１，ｂ２，…，ｂ32は腫瘤陰影Ｐ1 の本来の辺縁上に並び、また領域Ａ２についてその重心ａ２を注目画素としたときの、各方向線ごとの平均値Ｃｉ（ｎ）が最大値Ｃimaxを採ったときの各方向線ごとの終点の画素ｃ１，ｃ２，…，ｃ32も腫瘤陰影Ｐ1 の本来の辺縁上に並ぶ（図３（５）参照）。
【０１０４】
このようにして各腫瘤陰影候補の辺縁上に並んだ画素（辺縁点）に対して、輪郭抽出手段21が図４（１）に示すように、求められた重心を中心とする半径Rmaxの円周上にｎ個のノード（node）を持つ初期SNAKESを定義し、同図（２）に示すように収縮繰り返し処理により、その動きが収束するまで収縮を行ない、収束したとき（同図（３））のnodeを結び、この連結した所定の線で囲まれた範囲を腫瘤陰影候補として抽出する。
【０１０５】
以上の作用により、閾値が適切に設定されていない場合であっても腫瘤陰影候補Ｐ1 の輪郭形状を精度よく検出することができる。
【０１０６】
このように異常陰影候補検出装置10により的確にその輪郭が抽出された腫瘤陰影候補を表す画像信号は局所画像処理手段50に入力され、腫瘤陰影を観察するのに最適な強調処理がなされて表示手段60に入力される。
【０１０７】
一方、全体画像処理手段40により階調処理、周波数処理等の、全体画像を観察するのに適した画像処理が施された全体画像信号も表示手段60に入力され、表示手段50は、全体画像を表示しつつこの全体画像のうち腫瘤陰影候補の画像部分だけは局所画像処理手段50により画像処理された腫瘤陰影候補の画像に置き換えて表示し、医師等の画像観察読影者による腫瘤陰影の診断に供される。
【０１０８】
なお、上述した実施形態においては、最大値算出手段16が始点として設定するのは注目画素であるが、この始点として注目画素に代えて、検出しようとする腫瘤陰影候補の最小の大きさに応じた距離Rminにおける画素としてもよく、このような作用をなす最大値算出手段16′を最大値算出手段16と代えた構成の異常陰影候補の検出装置10′は、本発明の第２の異常陰影候補の検出装置の一実施形態となる。この実施形態の他の構成、作用・効果は上記実施形態と同様であるので、説明を省略する。
【０１０９】
なお上記実施形態においては、対象画像をマンモグラムとしたものについて説明したが本発明の各異常陰影候補の検出方法および装置においては、対象画像はマンモグラムに限るものではない。
【図面の簡単な説明】
【図１】本発明の第１の異常陰影候補検出装置の一実施形態の概略構成を示すブロック図
【図２】図１に示した異常陰影候補検出装置を用いた計算機支援画像診断装置の一例を示すブロック図
【図３】図２に示した計算機支援画像診断装置に用いられる放射線画像を示す図
【図４】 SNAKESモデルを示す図
【図５】アイリスフィルター処理における濃度勾配の集中度の概念を示す図
【図６】アイリスフィルター処理における勾配ベクトルを算出するマスクを示す図
【図７】注目画素についての勾配ベクトルの集中度の概念を示す図
【図８】輪郭形状が適応的に変化するように設定されたアイリスフィルターを示す概念図
【図９】アイリスフィルター処理における閾値処理の概念を示す図
【符号の説明】
10 異常陰影候補の検出装置
11 勾配ベクトル算出手段
12 検出サイズ設定手段
13 方向線設定手段
14 注目画素設定手段
15 指標値算出手段
16 最大値算出手段
17 集中度算出手段
18 比較判定手段
19 重心算出手段
20 辺縁点設定手段
21 輪郭抽出手段

Claims (6)

  1. （１）被写体の放射線画像を表す画像データの全画素について、該画像データに基づく各画素ごとの勾配ベクトルを算出し、
    （２）前記全画素のうち任意の注目画素を設定し、
    （３）該注目画素を中心とする、所定の角度間隔で隣接する複数の放射状の方向線を前記画像上に設定し、
    （４）該各方向線ごとに、前記注目画素から検出しようとする異常陰影候補の最大の大きさに応じた距離の範囲内にある、該方向線上の各画素について、各画素の勾配ベクトルと該方向線の延びる方向とのなす角度θilに基づく指標値cos θilをそれぞれ求め、
    （５）始点を注目画素、終点を前記検出しようとする異常陰影候補の最小の大きさに応じた距離から最大の大きさに応じた距離まで変化させて、該始点から該終点の範囲内にある前記方向線上の各画素の前記指標値cos θilの平均値を、各方向線ごとに求め、
    （６）前記方向線ごとの前記終点を変化させて求めた前記指標値cos θilの平均値のうち最大値を求め、
    （７）前記方向線ごとの前記最大値を前記複数の方向線のすべてについて総和して前記注目画素についての前記勾配ベクトル群の集中度の値を算出し、
    （８）前記（７）で求めた勾配ベクトル群の集中度の値と予め設定された閾値とを比較し、
    （９）前記勾配ベクトル群の集中度の値が前記閾値以上であるときは、前記注目画素が異常陰影候補の領域内に存在すると判定し、前記閾値未満であるときは前記注目画素が異常陰影候補の領域内に存在しないと判定し、
    （10）前記注目画素を全画素について順次代えて前記（３）から（９）の操作を繰り返して、各画素が異常陰影候補の領域内に存在するか否かを判定し、
    （11）前記異常陰影候補の領域内に存在すると判定された画素によって構成される該領域の重心を求め、
    （12）該重心に対応する画素を前記注目画素としたときの、前記（６）における前記各方向線ごとの前記指標値cos θilの平均値が最大値を採る前記終点に対応した画素をそれぞれ特定し、
    （13）該特定された各方向線上における前記終点に対応した画素を、該方向線の延びる方向における前記異常陰影候補の辺縁点として設定し、
    （14）該各方向線上の前記辺縁点について互いに隣接する辺縁点を所定の線で連結し、該連結した所定の線で囲まれた範囲を、前記異常陰影候補として抽出することを特徴とする異常陰影候補の検出方法。
  2. （１）被写体の放射線画像を表す画像データの全画素について、該画像データに基づく各画素ごとの勾配ベクトルを算出し、
    （２）前記全画素のうち任意の注目画素を設定し、
    （３）該注目画素を中心とする、所定の角度間隔で隣接する複数の放射状の方向線を前記画像上に設定し、
    （４）該各方向線ごとに、前記注目画素を中心とする検出しようとする異常陰影候補の最小の大きさに対応する距離から最大の大きさに応じた距離の範囲内にある、該方向線上の各画素について、各画素の勾配ベクトルと該方向線の延びる方向とのなす角度θilに基づく指標値cos θilをそれぞれ求め、
    （５）始点を前記検出しようとする異常陰影候補の最小の大きさに対応する距離にある画素、終点を前記検出しようとする異常陰影候補の最小の大きさに対応する距離から最大の大きさに応じた距離まで変化させて、該始点から該終点の範囲内にある前記方向線上の各画素の前記指標値cos θilの平均値を、各方向線ごとに求め、
    （６）前記方向線ごとの前記終点を変化させて求めた前記指標値cos θilの平均値のうち最大値を求め、
    （７）前記方向線ごとの前記最大値を前記複数の方向線のすべてについて総和して前記注目画素についての前記勾配ベクトル群の集中度の値を算出し、
    （８）前記（７）で求めた勾配ベクトル群の集中度の値と予め設定された閾値とを比較し、
    （９）前記勾配ベクトル群の集中度の値が、前記閾値以上であるときは、前記注目画素が異常陰影候補の領域内に存在すると判定し、前記閾値未満であるときは前記注目画素が異常陰影候補の領域内に存在しないと判定し、
    （10）前記注目画素を全画素について順次代えて前記（３）から（９）の操作を繰り返して、各画素が異常陰影候補の領域内に存在するか否かを判定し、
    （11）前記異常陰影候補の領域内に存在すると判定された画素によって構成される該領域の重心を求め、
    （12）該重心に対応する画素を前記注目画素としたときの、前記（６）における前記各方向線ごとの前記指標値cos θilの平均値が最大値を採る前記終点に対応した画素をそれぞれ特定し、
    （13）該特定された各方向線上における前記終点に対応した画素を、該方向線の延びる方向における前記異常陰影候補の辺縁点として設定し、
    （14）該各方向線上の前記辺縁点について互いに隣接する辺縁点を所定の線で連結し、該連結した所定の線で囲まれた範囲を、前記異常陰影候補として抽出することを特徴とする異常陰影候補の検出方法。
  3. 前記（14）における前記辺縁点の連結は、
    初期形状を有し所定の変形の傾向にしたがって変形を繰り返す動的曲線が該変形を繰り返して収束することにより行なうことを特徴とする請求項１または２記載の異常陰影候補の検出方法。
  4. 被写体の放射線画像を表す画像データの全画素について、該画像データに基づく各画素ごとの勾配ベクトルを算出する勾配ベクトル算出手段と、
    前記全画素のうち１つを順次、注目画素として設定する注目画素設定手段と、検出しようとする異常陰影候補の最小の大きさと最大の大きさを設定する検出サイズ設定手段と、
    該設定された注目画素を中心として、所定の角度間隔で隣接する複数の放射状の方向線を前記画像上に設定する方向線設定手段と、
    該各方向線ごとに、前記注目画素から前記設定された異常陰影候補の最大の大きさに応じた距離の範囲内にある、該方向線上の各画素について、各画素の勾配ベクトルと該方向線の延びる方向とのなす角度θilに基づく指標値cos θilをそれぞれ求める指標値算出手段と、
    始点を注目画素、終点を前記検出しようとする異常陰影候補の最小の大きさに応じた距離から最大の大きさに応じた距離まで変化させて、該始点から該終点の範囲内にある前記方向線上の各画素の前記指標値cos θilの平均値を、各方向線ごとに求めるとともに、該平均値のうち最大値を抽出する最大値算出手段と、
    該方向線ごとに抽出された前記最大値を前記複数の方向線のすべてについて総和して前記注目画素についての前記勾配ベクトル群の集中度の値を算出する集中度算出手段と、
    予め設定された閾値と前記集中度算出手段により算出された集中度の値とを比較し、該比較の結果、前記勾配ベクトル群の集中度の値が、前記閾値以上であるときは、前記注目画素が異常陰影候補の領域内に存在すると判定し、前記閾値未満であるときは前記注目画素が異常陰影候補の領域内に存在しないと判定する比較判定手段と、
    前記異常陰影候補の領域内に存在すると判定された画素によって構成される該領域の重心を求める重心算出手段と、
    該求められた重心に対応する画素を前記注目画素としたときの、前記最大値算出手段により抽出された最大値を採る前記終点に対応した画素を、前記方向線ごとにそれぞれ特定し、該特定された各方向線上における終点に対応した画素を該方向線の延びる方向における前記異常陰影候補の辺縁点として設定する辺縁点設定手段と、
    前記各方向線上の前記辺縁点について互いに隣接する辺縁点を所定の線で連結し、該連結した所定の線で囲まれた範囲を、前記異常陰影候補として抽出する輪郭抽出手段とを備えたことを特徴とする異常陰影候補の検出装置。
  5. 被写体の放射線画像を表す画像データの全画素について、該画像データに基づく各画素ごとの勾配ベクトルを算出する勾配ベクトル算出手段と、
    前記全画素のうち１つを順次、注目画素として設定する注目画素設定手段と、検出しようとする異常陰影候補の最小の大きさと最大の大きさを設定する検出サイズ設定手段と、
    該設定された注目画素を中心として、所定の角度間隔で隣接する複数の放射状の方向線を前記画像上に設定する方向線設定手段と、
    該各方向線ごとに、前記注目画素を中心とする検出しようとする異常陰影候補の最小の大きさに対応する距離から最大の大きさに応じた距離の範囲内にある、該方向線上の各画素について、各画素の勾配ベクトルと該方向線の延びる方向とのなす角度θilに基づく指標値cos θilをそれぞれ求める指標値算出手段と、
    始点を前記検出しようとする異常陰影候補の最小の大きさに対応する距離にある画素、終点を前記検出しようとする異常陰影候補の最小の大きさに対応する距離から最大の大きさに応じた距離まで変化させて、該始点から該終点の範囲内にある前記方向線上の各画素の前記指標値cos θilの平均値を、各方向線ごとに求めるとともに、該平均値のうち最大値を抽出する最大値算出手段と、
    該方向線ごとに抽出された前記最大値を前記複数の方向線のすべてについて総和して前記注目画素についての前記勾配ベクトル群の集中度の値を算出する集中度算出手段と、
    予め設定された閾値と前記集中度算出手段により算出された集中度の値とを比較し、該比較の結果、前記勾配ベクトル群の集中度の値が、前記閾値以上であるときは、前記注目画素が異常陰影候補の領域内に存在すると判定し、前記閾値未満であるときは前記注目画素が異常陰影候補の領域内に存在しないと判定する比較判定手段と、
    前記異常陰影候補の領域内に存在すると判定された画素によって構成される該領域の重心を求める重心算出手段と、
    該求められた重心に対応する画素を前記注目画素としたときの、前記最大値算出手段により抽出された最大値を採る前記終点に対応した画素を、前記方向線ごとにそれぞれ特定し、該特定された各方向線上における終点に対応した画素を該方向線の延びる方向における前記異常陰影候補の辺縁点として設定する辺縁点設定手段と、
    前記各方向線上の前記辺縁点について互いに隣接する辺縁点を所定の線で連結し、該連結した所定の線で囲まれた範囲を、前記異常陰影候補として抽出する輪郭抽出手段とを備えたことを特徴とする異常陰影候補の検出装置。
  6. 前記輪郭抽出手段が、
    初期形状を有し所定の変形の傾向にしたがって変形を繰り返す動的曲線が該変形を繰り返して収束することにより、前記各方向線上の前記辺縁点を連結するものであることを特徴とする請求項４または５記載の異常陰影候補の検出装置。
JP24934796A 1996-09-20 1996-09-20 異常陰影候補の検出方法および装置 Expired - Fee Related JP3678378B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP24934796A JP3678378B2 (ja) 1996-09-20 1996-09-20 異常陰影候補の検出方法および装置
US08/934,938 US5940527A (en) 1996-09-20 1997-09-19 Method and apparatus for detecting prospective abnormal patterns

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP24934796A JP3678378B2 (ja) 1996-09-20 1996-09-20 異常陰影候補の検出方法および装置

Publications (2)

Publication Number Publication Date
JPH1097624A JPH1097624A (ja) 1998-04-14
JP3678378B2 true JP3678378B2 (ja) 2005-08-03

Family

ID=17191684

Family Applications (1)

Application Number Title Priority Date Filing Date
JP24934796A Expired - Fee Related JP3678378B2 (ja) 1996-09-20 1996-09-20 異常陰影候補の検出方法および装置

Country Status (2)

Country Link
US (1) US5940527A (ja)
JP (1) JP3678378B2 (ja)

Families Citing this family (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6415053B1 (en) 1998-04-20 2002-07-02 Fuji Photo Film Co., Ltd. Image processing method and apparatus
JP2002281289A (ja) * 2001-03-15 2002-09-27 Konica Corp 医用画像生成装置、医用画像処理装置及び医用ネットワークシステム
US7457444B2 (en) * 2003-05-14 2008-11-25 Siemens Medical Solutions Usa, Inc. Method and apparatus for fast automatic centerline extraction for virtual endoscopy
WO2005002305A2 (en) * 2003-06-06 2005-01-06 Sipix Imaging, Inc. In mold manufacture of an object with embedded display panel
WO2005004060A1 (ja) * 2003-07-01 2005-01-13 Honda Motor Co., Ltd. 輪郭抽出装置、輪郭抽出方法及び輪郭抽出プログラム
JP2007108835A (ja) * 2005-10-11 2007-04-26 Keyence Corp 画像処理装置
JP5128154B2 (ja) * 2006-04-10 2013-01-23 富士フイルム株式会社 レポート作成支援装置、レポート作成支援方法およびそのプログラム
CN101711681B (zh) * 2008-10-07 2012-06-27 株式会社东芝 三维图像处理装置
JP5308973B2 (ja) 2009-09-16 2013-10-09 富士フイルム株式会社 医用画像情報表示装置および方法並びにプログラム
JP5421756B2 (ja) 2009-12-11 2014-02-19 富士フイルム株式会社 画像表示装置および方法並びにプログラム
JP5606832B2 (ja) 2010-03-05 2014-10-15 富士フイルム株式会社 画像診断支援装置、方法およびプログラム
JP5662082B2 (ja) 2010-08-23 2015-01-28 富士フイルム株式会社 画像表示装置および方法、並びに、プログラム
JP5514127B2 (ja) 2011-01-13 2014-06-04 富士フイルム株式会社 放射線画像表示装置および方法
JP2012161460A (ja) 2011-02-07 2012-08-30 Fujifilm Corp 画像処理装置および画像処理方法、並びに、画像処理プログラム
JP5263997B2 (ja) 2011-03-30 2013-08-14 富士フイルム株式会社 医用レポート作成装置、医用レポート作成方法および医用レポート作成プログラム
JP6185061B2 (ja) 2013-06-21 2017-08-23 富士フイルム株式会社 画像表示装置、画像表示方法および画像表示プログラム
JP6356528B2 (ja) * 2014-08-06 2018-07-11 株式会社日立製作所 超音波診断装置

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4952802A (en) * 1988-07-29 1990-08-28 Leybold Inficon, Inc. Ion detection apparatus
EP0658041B1 (en) * 1989-04-10 2000-07-05 Canon Kabushiki Kaisha Image reduction apparatus and method
US5231679A (en) * 1989-09-01 1993-07-27 Sanyo Electric Co., Ltd. Image processing apparatus and image reducing circuit therefor
US5212637A (en) * 1989-11-22 1993-05-18 Stereometrix Corporation Method of investigating mammograms for masses and calcifications, and apparatus for practicing such method
US5267328A (en) * 1990-01-22 1993-11-30 Gouge James O Method for selecting distinctive pattern information from a pixel generated image
US5481623A (en) * 1990-04-19 1996-01-02 Fuji Photo Film Co., Ltd. Apparatus for determining an image position on imaging media
WO1996002897A2 (en) * 1994-07-14 1996-02-01 Philips Electronics N.V. Mass detection in digital x-ray images using multiple threshold levels to discriminate spots
US5572565A (en) * 1994-12-30 1996-11-05 Philips Electronics North America Corporation Automatic segmentation, skinline and nipple detection in digital mammograms
JPH08263641A (ja) * 1995-01-23 1996-10-11 Fuji Photo Film Co Ltd アイリスフィルターの演算方法

Also Published As

Publication number Publication date
US5940527A (en) 1999-08-17
JPH1097624A (ja) 1998-04-14

Similar Documents

Publication Publication Date Title
JP3678378B2 (ja) 異常陰影候補の検出方法および装置
JPH1156828A (ja) 異常陰影候補検出方法および装置
JP6678172B2 (ja) 口腔内三次元スキャンを用いた歯牙摩耗の検出
Annunziata et al. Leveraging multiscale hessian-based enhancement with a novel exudate inpainting technique for retinal vessel segmentation
US20210106299A1 (en) Method and system for extracting lower limb vasculature
EP2916737B1 (en) System and method for automated detection of lung nodules in medical images
US7388973B2 (en) Systems and methods for segmenting an organ in a plurality of images
CN102068281B (zh) 一种占位性病变超声图像的处理方法
JP3590216B2 (ja) 異常陰影候補の検出方法および装置
US20150254843A1 (en) Lung, lobe, and fissure imaging systems and methods
JP3808123B2 (ja) 異常陰影の検出方法
JP2002503861A (ja) 胸部ｘ線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム
JP2002109510A (ja) 異常陰影候補検出処理システム
JPWO2007013300A1 (ja) 異常陰影候補検出方法及び異常陰影候補検出装置
JP3669789B2 (ja) 異常陰影候補の検出方法および装置
JPH08263641A (ja) アイリスフィルターの演算方法
JP2006230910A (ja) 画像処理装置及び画像処理方法
JP2001357381A (ja) 異常陰影候補検出方法および検出システム
JP2004187998A (ja) 異常陰影形状抽出装置
JPH08287230A (ja) 計算機支援画像診断装置
Natarajan et al. Detection of Tumor in Mammogram Images using Extended Local Minima Threshold
JP2002133397A (ja) 異常陰影候補検出装置
JP3596792B2 (ja) 異常陰影候補領域を含む局所領域の抽出方法および装置
JP3807541B2 (ja) 乳房画像表示方法および装置
Wei et al. Segmentation of lung lobes in clinical CT images

Legal Events

Date Code Title Description
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20050425

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: 20050506

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20050509

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313111

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

Free format text: PAYMENT UNTIL: 20080520

Year of fee payment: 3

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350

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

Free format text: PAYMENT UNTIL: 20090520

Year of fee payment: 4

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

Free format text: PAYMENT UNTIL: 20090520

Year of fee payment: 4

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

Free format text: PAYMENT UNTIL: 20100520

Year of fee payment: 5

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

Free format text: PAYMENT UNTIL: 20110520

Year of fee payment: 6

LAPS Cancellation because of no payment of annual fees