JP3808123B2 - 異常陰影の検出方法 - Google Patents
異常陰影の検出方法 Download PDFInfo
- Publication number
- JP3808123B2 JP3808123B2 JP01188596A JP1188596A JP3808123B2 JP 3808123 B2 JP3808123 B2 JP 3808123B2 JP 01188596 A JP01188596 A JP 01188596A JP 1188596 A JP1188596 A JP 1188596A JP 3808123 B2 JP3808123 B2 JP 3808123B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormal shadow
- index value
- shadow
- candidate
- histogram
- 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
Links
- 230000002159 abnormal effect Effects 0.000 title claims description 193
- 238000001514 detection method Methods 0.000 claims description 75
- 238000012545 processing Methods 0.000 claims description 54
- 238000000034 method Methods 0.000 claims description 53
- 239000011159 matrix material Substances 0.000 claims description 44
- 239000013598 vector Substances 0.000 claims description 43
- 206010028980 Neoplasm Diseases 0.000 description 47
- 238000011156 evaluation Methods 0.000 description 27
- 206010006187 Breast cancer Diseases 0.000 description 11
- 208000026310 Breast neoplasm Diseases 0.000 description 11
- 210000004204 blood vessel Anatomy 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 6
- 210000005075 mammary gland Anatomy 0.000 description 6
- 230000005855 radiation Effects 0.000 description 5
- 210000000481 breast Anatomy 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000009607 mammography Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
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 Analysis (AREA)
- Image Processing (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の検出方法に関し、詳細にはその検出した異常陰影候補のうち、より確定的な異常陰影候補を検出する異常陰影の検出方法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客観的に検出することが求められている。
【０００６】
この要望に応えるものの一つとしてアイリスフィルター処理（以下、本明細書中、アイリスフィルターの演算ということもある）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画像部分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を出力する画像）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】
すなわち腫瘤陰影内の任意の画素における勾配ベクトルは腫瘤陰影の中心付近を向くが、血管陰影のように細長い陰影では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。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。
【００１１】
（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。
【００１２】
【数１】
【００１３】
ここでｆ1 〜ｆ16は、図３に示すように、その画素ｊを中心とした縦５画素×横５画素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。
【００１４】
（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。
【００１５】
【数２】
【００１６】
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４参照）。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。
【００１７】
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特長を有している。
【００１８】
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５に、そのフィルターを示す。このフィルターは、図４に示すものと異なり、注目画素を中心に２π／Ｍ度毎のＭ種類の方向（図５においては、11.25 度ごとの32方向を例示）の放射状の線上の画素のみで上記集中度の評価を行うものである。
【００１９】
ここでｉ番目の線上にあって、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。
【００２０】
【数３】
【００２１】
ただし、［ｘ］，［ｙ］は、ｘ，ｙを越えない最大の整数である。
【００２２】
さらに、その放射状の線上の各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をすべての方向で平均して、その注目画素についての勾配ベクトル群の集中度Ｃとする。
【００２３】
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。
【００２４】
【数４】
【００２５】
すなわち式（５）は、注目画素を起点として、終点をＲmin からＲmax までの範囲内で集中度Ｃi （ｎ）を算出するものである。
【００２６】
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。
【００２７】
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。
【００２８】
【数５】
【００２９】
ここで式（６）のＣimaxは、式（５）で得られた放射状の線ごとの集中度Ｃi （ｎ）の最大値であるから、注目画像からその集中度Ｃi （ｎ）が最大値となる画素までの領域が、その線の方向における腫瘤陰影の候補領域となる。
【００３０】
すべての放射状の線について式（６）の計算をしてその各線上における腫瘤陰影の領域を求め、この各線上における腫瘤陰影の領域を隣接する線間で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外周縁の形状を特定することができる。
【００３１】
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閾値Ｔと比較することにより、この注目画素を中心とする領域が異常陰影候補となる可能性があるか否かを判別する。
【００３２】
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。
【００３３】
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。
【００３４】
【数６】
【００３５】
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 に対応した画素を起点として、終点をＲmin からＲmax までの範囲内で集中度Ｃi （ｎ）を算出するものである。
【００３６】
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目的として研究されている。
【００３７】
【発明が解決しようとする課題】
ところで上述のように腫瘤陰影を効果的に検出するアイリスフィルター処理ではあるが、検出された陰影がすべて乳癌を示す腫瘤陰影であるとは限らない。すなわちアイリスフィルター処理は濃度勾配と検出対象の領域の大きさとにのみ基づく検出処理であるため、検出対象の大きさに合致するとともにある程度の濃度勾配を有する画像部分については、それが腫瘤陰影であると否とに拘らず検出することになる。例えば２本の血管が交差した画像部分は、所望の大きさおよびある程度の濃度勾配の集中度を有するため、アイリスフィルター処理によって検出される場合がある。このことから、アイリスフィルター処理は現実の「異常陰影」のみを検出するのではなく、「異常陰影の候補」を検出するに過ぎない。
【００３８】
このため実用化の段階においては、より確定的な「異常陰影の候補」、すなわち異常陰影である蓋然性が極めて高い「異常陰影の候補」を検出することが必要であり、「異常陰影の候補」として検出された画像部分のうち現実には「異常陰影」ではない画像部分（以下、擬似異常陰影部分（ＦＰ；False Possitive ）という）の検出を低減することが必要である。
【００３９】
本発明は上記事情に鑑みなされたものであって、アイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補のうち、現実の異常陰影である蓋然性がより高い異常陰影候補のみを検出する検出方法を提供することを目的とするものである。
【００４０】
【課題を解決するための手段】
本発明の第１の異常陰影の検出方法は、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影領域内において低濃度（高輝度）であって略均一の濃度値（信号値）を有するという特徴に鑑み、予めアイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補に対して、その異常陰影候補の内部の画像信号のヒストグラム情報を求め、このヒストグラム情報に基づいて、異常陰影である可能性がより高い異常陰影の候補だけを検出するものである。
【００４１】
すなわち、本発明の第１の異常陰影の検出方法は、被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像におけるアイリスフィルター処理等の異常陰影検出方法において、
その検出方法によって検出された異常陰影の候補を対象として、異常陰影の候補の輪郭内部および近傍の画像信号のヒストグラムを求め、このヒストグラムに基づくヒストグラム情報を求め、得られたヒストグラム情報に基づいて、アイリスフィルター処理等で検出された異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とするものである。
【００４２】
ここで、ヒストグラム情報に基づいて検出するとは、ヒストグラム情報と予め設定した閾値とを比較し、その比較の結果に基づいて検出する方法、ヒストグラム情報同士を比較し、その比較の結果に基づいて検出する等の方法がある。
【００４３】
また、ヒストグラム情報としては例えば、ヒストグラムの式（９）で示される分散var を表す第１の指標値、ヒストグラムの式（10）で示されるコントラストcon を表す第２の指標値および前記ヒストグラムの式（11）で示される角モーメントasm を表す第３の指標値のうち少なくとも１つを用いることができる。
【００４４】
【数８】
【００４５】
そして閾値と比較する方法の場合は、上記第１から第３の指標値のうち用いることとした指標値にそれぞれ対応して１つ乃至３つの閾値を設定し、第１から第３の指標値にそれぞれ対応する閾値を第１の閾値、第２の閾値、第３の閾値とし、これら第１から第３の指標値と対応する第１から第３の閾値とを各別に比較した結果に基づいて確定的な異常陰影の候補を検出する。
【００４６】
具体的には、上記第１から第３の指標値のうち比較に用いることとした指標値が第１の指標値のみの場合は、第１の閾値のみを設定し、この第１の指標値と第１の閾値とを比較して、その結果に基づいて確定的な異常陰影の候補を検出すればよく、比較に用いることとした指標値が２つの場合は、その２つの指標値に対応した２つの閾値のみを設定し、この２つの指標値と２つの閾値とを各別に比較して、２つの比較の結果に基づいて確定的な異常陰影の候補を検出すればよく、比較に用いることとした指標値が３つの場合は、その３つの指標値に対応した３つの閾値を設定し、この３つの指標値と３つの閾値とを各別に比較して、３つの比較の結果に基づいて確定的な異常陰影の候補を検出する。
【００４７】
なお本発明の第１の異常陰影検出方法は、上述したように各指標値ごとに対応する閾値を設定し、その指標値ごとに閾値と比較し、その各比較の結果を集約した結果に基づいて行う方法に限らず、各指標値のうち少なくとも２つを所定の重み関数で定義して新たな評価関数値として求め、この評価関数値に基づいて行う方法であってもよい。
【００４８】
このような重み関数で定義した評価関数値としては、例えばマハラノビス距離（Mahalanobis distance）やフィッシャー（Fisher）の識別関数などを用いることができる。
【００４９】
すなわち検出された異常陰影候補領域は一般にｎ次の特徴量ｘ１，ｘ２，ｘ３，…，ｘｎを用いて、ｘ＝（ｘ１，ｘ２，ｘ３，…，ｘｎ）という形のｎ次元空間で表現され、そのｎ次の各軸を特徴軸（feature axis）という。つまり、特徴抽出で得られる値（上記各指標値）はそれぞれの特徴軸上の値ｘｉ（ｉ＝１，２，…，ｎ）である。
【００５０】
特徴抽出過程によって作られるこのｎ次のパターン空間が持つべき重要な性質は、入力として与えられるパターン間の類似性がこの空間上でも十分に良く保たれていることである。すなわち、類似したパターンはパターン空間上で近いところにあるという性質がなければ特徴抽出を行った意味がない。そこでパターン空間上に距離の概念を導入する。
【００５１】
この距離の概念を表す関数（距離関数）はいくつも考案されており、その代表的なものものとしてユークリッド距離、マハラノビス距離、市街地距離、チェス盤距離、ミンコフスキー（Minkowski ）距離などがあり、最も簡単なものはユークリッド距離である。しかし、これはパターンの広がり具合などを考慮していないため本発明の異常陰影検出方法には適さないと考えられる。
【００５２】
そこでパターンの広がり具合などを考慮に入れ、最も基本的なマハラノビス距離を用いるのが好適である。
【００５３】
マハラノビス距離とは下記式（17）で定義されるＤｍi を意味し、分布の中心から共分散行列Σで表される超楕円体の重み付けで測る距離である。
【００５４】
【数１０】
【００５５】
具体的には、
【００５６】
【外１】
【００５７】
このようにマハラノビス距離を評価関数値とした場合には、評価関数値と閾値とを比較するのではなく、評価関数値同士を比較した結果に基づいて異常陰影の検出を行なう。
【００５８】
また、上記重み関数で定義した評価関数値として、フィッシャーの識別関数を用いるのも好適である。
【００５９】
フィッシャーの識別関数とは下記式（18）で定義される。
【００６０】
【数１１】
【００６１】
ここで式（18）を最大にするとき、２つのクラス（クラス１（正常陰影）とクラス２（異常陰影））の分離度が最大となる。すなわち、
【００６２】
【外２】
【００６３】
具体的には、
【００６４】
【外３】
【００６５】
このようにフィッシャーの識別関数を評価関数値とした場合には、評価関数値と閾値とを比較した結果に基づいて異常陰影の検出を行なう。
【００６６】
本発明の第２の異常陰影の検出方法は、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影の輪郭（辺縁）が略円形であるという特徴に鑑み、予めアイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補に対して、その異常陰影候補の輪郭のエッジ情報を求め、このエッジ情報に基づいて、異常陰影である可能性がより高い異常陰影の候補だけを検出するものである。
【００６７】
すなわち、本発明の第２の異常陰影の検出方法は、被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像におけるアイリスフィルター処理等の異常陰影検出方法において、
その検出方法によって検出された異常陰影の候補を対象として、異常陰影の候補の輪郭のエッジ情報を求め、このエッジ情報に基づいて、アイリスフィルター処理等で検出された異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とするものである。
【００６８】
ここで、エッジ情報に基づいて検出するとは、エッジ情報と予め設定した閾値とを比較し、その比較の結果に基づいて検出する方法、エッジ情報同士を比較し、その比較の結果に基づいて検出する等の方法がある。
【００６９】
また、エッジ情報としては、アイリスフィルタ処理を利用して求めた同時生成行列についての式（12）で示される分散を表す第１の指標値、同時生成行列についての式（13）で示される偏りを表す第２の指標値、同時生成行列についての式（14）で示される相関値を表す第３の指標値、同時生成行列についての式（15）で示されるモーメントを表す第４の指標値および同時生成行列についての式（16）で示されるエントロピーを表す第５の指標値のうち少なくとも１つを用いることができる。
【００７０】
【数９】
【００７１】
そして閾値と比較する方法の場合は、上記第１から第５の指標値のうち用いることとした指標値にそれぞれ対応して１つ乃至５つの閾値を設定し、第１から第５の指標値にそれぞれ対応する閾値を第１の閾値、第２の閾値、第３の閾値、第４の閾値、第５の閾値とし、これら第１から第５の指標値と対応する第１から第５の閾値とを各別に比較した結果に基づいて確定的な異常陰影の候補を検出する。
【００７２】
具体的には、上記第１から第５の指標値のうち比較に用いることとした指標値が第１の指標値のみの場合は、第１の閾値のみを設定し、この第１の指標値と第１の閾値とを比較して、その結果に基づいて確定的な異常陰影の候補を検出すればよく、比較に用いることとした指標値が３つの場合は、その３つの指標値に対応した３つの閾値のみを設定し、この３つの指標値と３つの閾値とを各別に比較して、３つの比較の結果に基づいて確定的な異常陰影の候補を検出すればよく、比較に用いることとした指標値が５つの場合は、その５つの指標値に対応した５つの閾値を設定し、この５つの指標値と５つの閾値とを各別に比較して、５つの比較の結果に基づいて確定的な異常陰影の候補を検出する。
【００７３】
なお本発明の第２の異常陰影検出方法においても、上述したように各指標値ごとに対応する閾値を設定し、その指標値ごとに閾値と比較し、その各比較の結果を集約した結果に基づいて行う方法に限らず、各指標値のうち少なくとも２つを所定の重み関数で定義して新たな評価関数値として求め、この評価関数値に基づいて検出を行う方法を適用することができる。
【００７４】
重み関数で定義した評価関数値としては、前述のマハラノビス距離やフィッシャーの識別関数などを用いることができ、本発明の第１の異常陰影検出方法において説明したのと同様に適用することができる。
【００７５】
本発明の第３の異常陰影検出方法は、上記本発明の第１の検出方法と第２の検出方法とを組み合わせた方法であって、ヒストグラム情報およびエッジ情報を求め、これらに基づいて異常陰影の確定的な候補を検出するものである。
【００７６】
すなわち、本発明の第３の異常陰影検出方法は、被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像における異常陰影検出方法において、
前記異常陰影の候補の輪郭内部および近傍の画像信号のヒストグラムを求め、
該ヒストグラムに基づくヒストグラム情報を求め、
前記異常陰影の候補の輪郭のエッジ情報を求め、
前記ヒストグラム情報とエッジ情報とに基づいて、前記異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とするものである。
【００７７】
ここで、ヒストグラム情報とエッジ情報とに基づいて検出するとは、ヒストグラム情報による検出とエッジ情報による検出とを別個に行なったうえで、これら２つの結果に基づいて最終的な検出を行なうものであってもよいし、ヒストグラム情報とエッジ情報とを所定の重み関数で定義して新たな評価関数値として求め、この評価関数値に基づいて行う方法であってもよい。このような重み関数で定義した評価関数値としては、前述のマハラノビス距離やフィッシャーの識別関数を用いることができる。
【００７８】
なお、ヒストグラム情報としては例えば、ヒストグラムの式（９）で示される分散var を表す第１の指標値、ヒストグラムの式（10）で示されるコントラストcon を表す第２の指標値および前記ヒストグラムの式（11）で示される角モーメントasm を表す第３の指標値のうち少なくとも１つを用いることができ、エッジ情報としては、アイリスフィルタ処理を利用して求めた同時生成行列についての式（12）で示される分散を表す第４の指標値、同時生成行列についての式（13）で示される偏りを表す第５の指標値、同時生成行列についての式（14）で示される相関値を表す第６の指標値、同時生成行列についての式（15）で示されるモーメントを表す第７の指標値および同時生成行列についての式（16）で示されるエントロピーを表す第８の指標値のうち少なくとも１つを用いることができる。
【００７９】
【発明の効果】
本発明の第１の異常陰影の検出方法によれば、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影領域内において低濃度であって略均一の濃度値（信号値）を有するということから、予めアイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補に対して、その異常陰影候補の内部の画像信号のヒストグラム情報を閾値処理することによって、異常陰影である可能性がより高い異常陰影の候補だけを精度よく検出することができる。
【００８０】
本発明の第２の異常陰影の検出方法によれば、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影の輪郭が略円形であるということから、予めアイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補に対して、その異常陰影候補の輪郭のエッジ情報を閾値処理することによって、異常陰影である可能性がより高い異常陰影の候補だけを精度よく検出することができる。
【００８１】
本発明の第３の異常陰影の検出方法によれば、上記第１の検出方法と第２の検出方法とを組み合わせた検出を行なうため、各検出方法による効果と同様の効果を得ることができる。
【００８２】
【発明の実施の形態】
以下、本発明の異常陰影の検出方法の具体的な実施の形態について図面を用いて説明する。
【００８３】
図１は、本発明の第１の異常陰影の検出方法の具体的な一実施形態の処理ステップを示すフローチャートである。
【００８４】
ここで本実施形態において用いられる画像データは、放射線画像をフイルムに表示する場合の高濃度高信号レベルの画像データ、すなわち濃度値（画像が濃いほど濃度値が大きく、画像が淡いほど濃度値が小さい）を示すものである。
【００８５】
図示の異常陰影の検出方法は、第１ステップ（＃１）において、図示しない画像読取装置等から入力された被写体（乳房）Ｐの放射線画像（図２（１）参照）を表す画像データである濃度値Ｓに対してアイリスフィルター処理を施し、この放射線画像中の乳癌を表す画像部分（腫瘤陰影）Ｐ1 等を検出する。
【００８６】
以下、アイリスフィルター処理を説明する。
【００８７】
まず放射線画像の全画素について、各画素ｊごとに下記式（１）に示す計算を施して濃度値Ｓの勾配ベクトル（濃度勾配ベクトル）の向きθを求める。
【００８８】
【数１】
【００８９】
ここでｆ1 〜ｆ16は、図３に示すように、その画素ｊを中心とした５×５画素のマスクの外周上の画素に対応した濃度値Ｓである。なお、このマスクの大きさは５×５のものに限るものでないことはいうまでもない。
【００９０】
放射線画像を構成する全ての画素について、各画素近傍の濃度勾配ベクトルの向きθを求めた後、この濃度勾配ベクトルの向きが集中している画素を探索する。
【００９１】
すなわち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濃度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。
【００９２】
【数２】
【００９３】
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）で算出された濃度勾配ベクトルとがなす角である（図４参照）。式（２）の右辺は半径Ｒの円内の全画素における濃度勾配ベクトルの向きθj が各画素から注目画素の方向に一致している度合いを示すもの、すなわち濃度勾配ベクトルの集中度Ｃであり、この集中度Ｃが大きな値となる程、各画素ｊの濃度勾配ベクトルの向きが注目画素に集中していることを意味する。
【００９４】
このように濃度勾配ベクトルの集中度Ｃを求めるのは、放射線画像（ネガ）における乳癌を示す腫瘤陰影が、その中央部において周囲の画像部分より濃度値が低く（すなわち周囲より明るく）、この中央部から周囲に向うにしたがって少しずつ濃度値が高くなるという特性を有するため、この集中度Ｃの評価を行うことにより腫瘤陰影Ｐ1 （図２（２）参照）と血管や乳腺の陰影Ｐ2 （図２（３）参照）とを識別することが可能となるからである。
【００９５】
以下、アイリスフィルター処理は前述した式（３）〜（７）にしたがってなされるが、その作用等については前述した説明の通りであるので省略する。
【００９６】
このように濃度勾配ベクトルの集中度Ｃを評価するアイリスフィルター処理によって腫瘤陰影Ｐ1 だけを効果的に検出することができるが、例えば２本の血管が交差した部分の画像Ｐ3 （以下、疑似異常陰影Ｐ3 という：図２（４）参照）では、腫瘤陰影Ｐ1 と同様に集中度Ｃが大きな値を採ることとなり腫瘤陰影Ｐ1 だけを検出することができない場合がある。
【００９７】
すなわち、ステップ１（＃１）のアイリスフィルター処理によって検出されるのは、検出対象である腫瘤陰影Ｐ1 のみならず検出対象ではない疑似異常陰影Ｐ3 も含まれる。
【００９８】
そこで本実施形態の異常陰影の検出方法では、腫瘤陰影はその輪郭が円に近い形状であり、陰影内部の濃度値は他の領域と比べて均一に近く、その濃度は低いという性質に基づいてステップ２（＃２）以下の処理で腫瘤陰影Ｐ1 だけを分離して検出する。
【００９９】
ステップ２では、アイリスフィルター処理で検出された腫瘤陰影Ｐ1 や疑似異常陰影Ｐ3 について、陰影の面積Ａおよび、その重心ＡＯを求める（＃２）。
【０１００】
次いで、これら陰影の面積Ａと略等しい面積であって重心ＡＯを中心とする半径Ｒ（式（８））の仮想円を設定する（＃３；図６参照）。
【０１０１】
【数７】
【０１０２】
さらに半径Ｒの仮想円を基準として、半径４Ｒ／３の仮想円内部（ｒ＜４Ｒ／３）である第１領域と、半径Ｒを超え半径４Ｒ／３未満のドーナツ状の中空円内部（Ｒ＜ｒ＜４Ｒ／３）である第２領域を設定する（＃４-1，＃４-2）。第１領域は陰影の輪郭部を含む内部領域に相当し、第２領域は陰影の輪郭部に相当する領域である。
【０１０３】
この第１領域および第２領域についてそれぞれ、以下の処理を施す。
【０１０４】
まず各領域の濃度値Ｓ（例えば10 bit表示の場合は０〜1023の値）のヒストグラムを作成し、各濃度値Ｓの頻度をＰ（Ｓ）とし、この濃度値Ｓおよび頻度Ｐ（Ｓ）に基づいて、各領域ごとにヒストグラム情報である、▲１▼分散を示す第１の指標値var （式（９））、▲２▼コントラストを示す第２の指標値con （式（10））、▲３▼角モーメントを示す第３の指標値asm （式（11））をそれぞれ求める（＃５-1，＃５-2，＃５-3，＃５-4，＃５-5，＃５-6）。
【０１０５】
【数８】
【０１０６】
第１の指標値var は、領域内の濃度ヒストグラムの広がり具合を示す指標値であり、腫瘤陰影Ｐ1 では比較的小さな値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では大きな値を示す。
【０１０７】
第２の指標値con は、領域内の濃度値の大きさを示す指標値であり、腫瘤陰影Ｐ1 のような低濃度分布を有するものでは小さな値を示す。なお放射線画像をＣＲＴに表示する場合の画像信号として見た場合には、領域内の画像データは高輝度であるため高レベルの信号となり、腫瘤陰影Ｐ1 のような高輝度分布を有するものでは大きな値を示すものとなる。本実施形態においては、画像データは濃度値であるため、前述したように腫瘤陰影Ｐ1 では小さな値を示す。
【０１０８】
第３の指標値asm は、領域内の濃度値の均一性を示す指標値であり、腫瘤陰影Ｐ1 のような略均一な濃度分布を有するものでは小さな値を示す。
【０１０９】
この求められた各領域ごとの第１の指標値var と予め実験的に又は経験に基づいて求めた閾値Th1,Th4 とをそれぞれ比較処理し（＃６-1，＃６-4）、同様に第２の指標値con と閾値Th2,Th5 とをそれぞれ比較処理し（＃６-2，＃６-5）、第３の指標値asm と閾値Th3,Th6 とをそれぞれ比較処理する（＃６-3，＃６-6）。
【０１１０】
ステップ６での比較処理の結果、それぞれの指標値が腫瘤陰影Ｐ1 を表すものである場合にはフラグFg＝１とし、腫瘤陰影Ｐ1 ではない場合、すなわち疑似異常陰影Ｐ3 を表すものである場合はフラグFg＝０とする（＃７-1，＃７-2，＃７-3，＃７-4，＃７-5，＃７-6）。
【０１１１】
そして各フラグFg1,Fg2,Fg3,Fg4,Fg5,Fg6 の全てが「１」である場合には、その陰影は腫瘤陰影Ｐ1 であると判定し、各フラグFg1,Fg2,Fg3,Fg4,Fg5,Fg6 のうち１つでも「０」である場合には疑似異常陰影Ｐ3 であると判定する（＃８，＃９）。
【０１１２】
なお、本実施形態においては、複数の特徴量（指標値）の各々について各別に閾値を設定し、すべての特徴量が対応する閾値による要件を満たしたか否かで異常陰影Ｐ1 か否かを判定するいわゆる「ＡＮＤ法」を適用したが、本発明の異常陰影の検出方法はこの「ＡＮＤ法」に限定されるものではなく、前記６つの特徴量をある重み関数で定義した新たな一つの評価関数、例えばマハラノビス距離やフィッシャーの識別関数として定義し、この評価関数に基づいて判定を行っても良い。
【０１１３】
また、検出対象の領域の輪郭を含む内部（第１領域）のみならず、輪郭部分のみ（第２領域）についても判定の対象とするのは、この輪郭部分においても濃度ヒストグラムが正常陰影と腫瘤陰影とでは有為差が認められるからである。
【０１１４】
以上の処理により、アイリスフィルター処理では抽出しきれなかった腫瘤陰影Ｐ1 を疑似異常陰影Ｐ3 から分離して抽出することができ、現実の腫瘤陰影である蓋然性がより高い確定的な異常陰影候補のみを抽出することが可能となる。
【０１１５】
図７は、本発明の第２の異常陰影の検出方法の具体的な一実施形態の処理ステップを示すフローチャートである。
【０１１６】
ここで本実施形態において用いられる画像データは、前述の実施形態と同様の濃度値である。
【０１１７】
図示の異常陰影の検出方法は、第１ステップ（＃１）において、図示しない画像読取装置等から入力された被写体（乳房）Ｐの放射線画像（図２（１）参照）を表す画像データである濃度値Ｓに対してアイリスフィルター処理を施し、この放射線画像中の乳癌を表す腫瘤陰影Ｐ1 等を検出する。
【０１１８】
アイリスフィルター処理（＃１）は前述の実施形態のものと同様であるので説明を省略する。
【０１１９】
ステップ２（＃２）では、アイリスフィルター処理により検出された放射線画像中の乳癌を表す腫瘤陰影Ｐ1 や疑似異常陰影Ｐ3 についてその近傍をも含む画像部分を例えば正方形の領域として抽出する。
【０１２０】
そして、この抽出した異常陰影候補を含む領域について、前述のアイリスフィルタ処理を利用した辺縁（輪郭）エッジ画像を作成する（＃３）。具体的な手法を以下に説明する。
【０１２１】
すなわち、ステップ１のアイリスフィルターの処理において、式（６）において、注目画素から放射状に伸びるｉ番目の線上において集中度Ｃi （ｎ）の最大値を与える点の位置を求める。ただし、式（５）（または式（５′））、（６）においては最大値を与えるｎの値をＲmin 以上Ｒmax 以下としているが、このステップ３の処理ではこの制限を設けない。
【０１２２】
この結果、図８に示すように注目画素が異常陰影候補Ｐ1 やＰ3 の内部にある場合には、式（６）が最大値を採るときのｎは、そのｉ番目の線が異常陰影候補Ｐ1 やＰ3 の辺縁Ｂと交差する画素を指示する。例えば図８の注目画素１については画素Ｂ1 ，Ｂ2 ，Ｂ3 ，Ｂ4 を指示し、注目画素２については画素Ｂ2 ，Ｂ5 ，Ｂ6 ，Ｂ7 を指示する。
【０１２３】
一方、注目画素が異常陰影候補Ｐ1 ，Ｐ3 の外部にある場合には、式（６）が最大値を採るのは、その注目画素自身を指示するときである。すなわち、異常陰影候補Ｐ1 ，Ｐ3 の外部にある注目画素３については、注目画素３自身を指示する場合に式（６）の値が最大となる。
【０１２４】
このように、抽出した異常陰影を含む領域の全画素について順次注目画素とし、式（６）が最大値を採る画素をカウントしていく。これを図示すると図９に示す模式図のようになる。
【０１２５】
すなわち、異常陰影候補Ｐ1 やＰ3 の外部の画素についてのカウント値はすべて「１」となり、異常陰影候補Ｐ1 やＰ3 の内部の画素についてのカウント値はすべて「０」となり、異常陰影候補Ｐ1 やＰ3 の辺縁Ｂ上の画素についてのカウント値はすべて１以上の値となる画像が得られ、このカウント値の画像をＩＦＥＤ（Iris Filter Edge）画像と定義し、このＩＦＥＤ画像を作成する処理までがステップ３の処理である。
【０１２６】
ステップ４ではこのＩＦＥＤ画像について、以下の処理を施す。
【０１２７】
すなわち、図10に示すように、異常陰影候補Ｐ1 ，Ｐ3 の重心点ＡＯを求め、この重心点ＡＯから放射状の線を延ばし、この線上の任意の点をａとし、この線に垂直であってａ点から２画素分だけ離間した点をｂとする。
【０１２８】
このａ点のＩＦＥＤ画像におけるカウント値とｂ点のカウント値とを図11に示すようなマトリクスにカウントアップする。具体的には、ａ点が異常陰影候補Ｐ1 ，Ｐ3 の外部にある場合は、ａ点のＩＦＥＤ画像におけるカウント値は「１」であり、そのときｂ点も異常陰影候補Ｐ1 ，Ｐ3 の外部にあればｂ点のカウント値も「１」となり、この場合図11のマトリクスには、縦方向ｉの「１」と横方向ｊの「１」とが交差する欄に「１」がカウントされる。
【０１２９】
一方ａ点が異常陰影候補Ｐ1 ，Ｐ3 の内部にあり、かつｂ点も異常陰影候補Ｐ1 ，Ｐ3 の内部にある場合は、ａ点、ｂ点ともにカウント値は０であるので、縦方向ｉの「０」と横方向ｊの「０」とが交差する欄に「１」をカウントする。
【０１３０】
さらにａ点が異常陰影候補Ｐ1 ，Ｐ3 の辺縁Ｂにあり、ｂ点も異常陰影候補Ｐ1 ，Ｐ3 も辺縁Ｂにある場合は、例えばａ点のカウント値が「５」で、ｂ点のカウント値が「３」である場合は、縦方向ｉの「５」と横方向ｊの「３」とが交差する欄に「１」をカウントする。このマトリクスにカウントアップするカウント値は累積するものである。すなわち再度、カウント値が「５」のａ点、カウント値が「３」のｂ点を走査した場合には、マトリクスの縦方向ｉの「５」と横方向ｊの「３」とが交差する欄には元の「１」に「１」を加算した「２」が格納される。
【０１３１】
ａ点はＩＦＥＤ画像の任意の点であるから、ＩＦＥＤ画像の全ての画素がａ点となるように放射状の線を走査し、ａ点をその線上で走査することによって、このＩＦＥＤ画像の図11に示すマトリクスを完成させる。このマトリクス（同時生成行列または同時生起行列という）Ｐg （ｘ，ｙ）を完成するまでの処理がステップ４（＃４）の処理である。
【０１３２】
ここで異常陰影候補が腫瘤陰影Ｐ1 である場合は、腫瘤陰影Ｐ1 の辺縁が略円形であるという腫瘤陰影の形状的特性、およびａ点とｂ点とは極めて近接しているという事実から、ａ点が辺縁にある（ＩＦＥＤ画像のカウント値が１以上の大きな値を有する）場合は、ｂ点も辺縁にある（ＩＦＥＤ画像のカウント値が１以上の大きな値を有する）可能性が極めて高い。
【０１３３】
一方、異常陰影候補が擬似異常陰影Ｐ3 である場合は、前述の２本の血管同士の交差部分のように擬似異常陰影Ｐ3 が円形の辺縁を有するのは極めて希であるため、ａ点とｂ点とが近接していても、ａ点が辺縁にあるからといって、ｂ点も辺縁にあるとは限らず、むしろｂ点は辺縁にある可能性は極めて低いことになる。
【０１３４】
したがって、同時生成行列Ｐg （ｘ，ｙ）の特性値も、異常陰影候補が腫瘤陰影Ｐ1 であるか擬似異常陰影Ｐ3 であるかに応じて明らかに有為差が認められる。この同時生成行列の特性値がエッジ情報であり、このエッジ情報の具体的なものとして、同時生成行列についての▲１▼分散を示す第１の指標値var （式（12））、▲２▼偏り（difference entropy）を示す第２の指標値dfe （式（13））、▲３▼相関値（correlation ）を示す第３の指標値cor （式（14））をそれぞれ求める（＃５-1，＃５-2，＃５-3）。
【０１３５】
【数９】
【０１３６】
第１の指標値var 、第２の指標値dfe 、第３の指標値cor はいずれも、同時生成行列について、腫瘤陰影Ｐ1 では比較的大きな値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では小さな値を示す指標値である。
【０１３７】
この求められた各領域ごとの第１の指標値var と予め実験的に求めた閾値Th1 とを比較処理し（＃６-1）、同様に第２の指標値dfe と閾値Th2 とを比較処理し（＃６-2）、第３の指標値cor と閾値Th3 とを比較処理する（＃６-3）。
【０１３８】
ステップ６での比較処理の結果、それぞれの指標値が腫瘤陰影Ｐ1 を表すものである場合にはフラグFg＝１とし、腫瘤陰影Ｐ1 ではない場合、すなわち疑似異常陰影Ｐ3 を表すものである場合はフラグFg＝０とする（＃７-1，＃７-2，＃７-3）。
【０１３９】
そして各フラグFg1,Fg2,Fg3 の全てが「１」である場合には、その陰影は腫瘤陰影Ｐ1 であると判定し、各フラグFg1,Fg2,Fg3 のうち１つでも「０」である場合には疑似異常陰影Ｐ3 であると判定する（＃８，＃９）。なお、このように複数の特徴量（指標値）について、すべての特徴量が要件を満たした場合にのみ異常陰影Ｐ1 であると判断する方法を「ＡＮＤ法」という。
【０１４０】
なお、上記実施形態においては、エッジ情報として分散、偏り、相関値のみを用いたが、その他のエッジ情報としては、モーメント（inverse difference moment ）を示す第４の指標値idm （式（15））、エントロピー（sum entropy ）を示す第５の指標値se（式（16））なども用いることができる。第４の指標値idm は、同時生成行列について腫瘤陰影Ｐ1 では比較的小さな値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では大きい値を示し、第５の指標値seは、同時生成行列について腫瘤陰影Ｐ1 では比較的大きな値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では小さな値を示す指標値である。
【０１４１】
さらに、これら任意の数の特徴量をある重み関数で定義した新たな一つの評価関数値として定義し、その評価関数に基づいて判定を行っても良い。
【０１４２】
以上の処理により、アイリスフィルター処理では抽出しきれなかった腫瘤陰影Ｐ1 を疑似異常陰影Ｐ3 から分離して抽出することができ、現実の腫瘤陰影である蓋然性がより高い確定的な異常陰影候補のみを抽出することが可能となる。
【０１４３】
なお本実施形態においては、ｂ点をａ点が存在する放射状の線に対して垂直で、かつａ点から２画素分だけ離間した点として定義したが、放射状の線との交差角度、ａ点からの離間画素数については検出対象である腫瘤陰影の大きさ等に応じて適宜変更できるものである。
【０１４４】
ここで、任意の数の特徴量をある重み関数で定義した新たな一つの評価関数値とし、この評価関数値に基づいて異常陰影候補か否かの判定を行なう方法の具体的実施形態について説明する。
【０１４５】
このような重み関数で定義した評価関数値としては前述したように、マハラノビス距離やフィッシャーの識別関数を適用するのが望ましく、図13は、本発明の第２の異常陰影の検出方法においてマハラノビス距離を適用した判定を行なう具体的な実施形態の処理ステップを示すフローチャートである。
【０１４６】
ステップ１からステップ４までの処理は前記図７に示した処理と同様であるので説明を割愛する。
【０１４７】
ステップ５（＃５）では、ステップ４で作成した同時生成行列の特性値であるエッジ情報のうち▲１▼分散を示す第１の指標値var （式（12））、▲２▼偏りを示す第２の指標値dfe （式（13））、▲３▼相関値を示す第３の指標値cor （式（14））、▲４▼モーメントを示す第４の指標値idm （式（15））、および▲５▼エントロピーを示す第５の指標値se（式（16））をそれぞれ求める。
【０１４８】
ステップ６（＃６）では、これらの５つの指標値を互いに異なる５次元（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５）の軸に当てはめ（var ＝ｘ１，dfe ＝ｘ２，cor ＝ｘ３，idm ＝ｘ４，se＝ｘ５）、これら５次の要素からなるベクトルｘを設定する。
【０１４９】
次に、ステップ７（＃７）では下記式（17）にしたがって、正常陰影のパターンとのマハラノビス距離Ｄｍ1 および異常陰影のパターンとのマハラノビス距離Ｄｍ2 を算出する。
【０１５０】
【数１０】
【０１５１】
ここで正常陰影のパターン、異常陰影のパターンとは、予め多数の異常陰影候補について実験的に調査した結果に基づいて設定された、正常陰影ごとまたは異常陰影ごとのベクトルｘで定義されるパターン空間を意味する。例えば、それぞれ、正常陰影とされるものについての上記ベクトルｘの平均で形成されるパターンクラスｗ1 、異常陰影とされるものについての上記ベクトルｘの平均で形成されるパターンクラスｗ2 で示される。
【０１５２】
このように、予め設定された正常陰影パターンおよび異常陰影パターンと判定対象である異常陰影候補のパターン（上記ベクトルｘ）との間の各マハラノビス距離をそれぞれ求め、ステップ８（＃８）で、この正常陰影のパターンクラスとのマハラノビス距離Ｄｍ1 と、異常陰影のパターンクラスとのマハラノビス距離Ｄｍ2 とを比較し、ステップ９（＃９）で、検出対象の異常陰影候補はより近い方、すなわちマハラノビス距離が短い方に属する、と判定する。
【０１５３】
このように、評価関数値を用いた検出方法によっても、より確定的な異常陰影を検出することができる。
【０１５４】
なお、評価関数値としてフィッシャーの識別関数を用いた検出方法では、図13のステップ７において、検出対象の異常陰影候補について前述の式（21）で示されるスカラー量を算出し、図12で示すように予め多数の異常陰影候補について実験的にこのスカラー量の分布を調査した結果に基づいて設定された閾値と検出対象の異常陰影候補についてのスカラー量とを比較して、検出対象がどちらの陰影かを判定すればよい。
【０１５５】
以上の評価関数値を適用した検出方法の説明では、エッジ情報についての指標値のみを対象としたが、本発明はこれに限るものではなく、ヒストグラム情報についての指標値のみを対象とするものであっても、またはヒストグラム情報のうちの任意の数の指標値とエッジ情報のうちの任意の数の指標値とを混在せしめて評価関数値を設定するものであってもよい。
【０１５６】
また、上記各実施形態においては、予め異常陰影を検出する方法としてアイリスフィルター処理を適用したが、本発明はこれに限るものではなく、腫瘤陰影等の異常陰影を検出するいかなる方法をも適用することができる。
【０１５７】
【実施例】
以下、上記図１に示した本発明の第１の異常陰影の検出方法の実施形態による実験例を示す。
【０１５８】
実験は、計算機支援画像診断システム（ＣＡＤＭ）におけるマンモグラフィーデータベース画像（コンピュータ支援画像診断学会誌、マンモグラフィーデータベース，コンピュータ支援画像診断学会，1995）であり、1225×1000画素、空間分解能0.2mm/pixel 、輝度分解能10 bitの画像51枚で行った。このうち腫瘤陰影を含むものは12枚、腫瘤陰影の数は12個であった。
【０１５９】
これらについてアイリスフィルターに基づく腫瘤陰影候補の検出処理によって検出された腫瘤陰影候補の数は 152個であった。現実の腫瘤陰影12個は全てこのの 152個の候補に含まれていた。
【０１６０】
この 152個の領域に対して上記本発明の第１の異常陰影の検出方法を適用した結果を表１に示す。
【０１６１】
【表１】
【０１６２】
これによれば、正常画像の正判定率も90％を超え、比較的良好な結果が得られた。
【０１６３】
さらに本発明の検出方法の有効性を検証するため、他の 220枚の画像に対して本発明の第１の検出方法を適用した結果、16枚の悪性腫瘤陰影、17枚の良性腫瘤陰影について、悪性腫瘤陰影の検出率は 100％、偽陽性陰影は 0.6箇所／画像であり良好な結果を得ることができた。
【図面の簡単な説明】
【図１】第１の実施形態の異常陰影の検出方法の処理ステップを示すフローチャート
【図２】図１に示した異常陰影の検出方法により異常陰影の検出に供される乳房の放射線画像（マンモグラム）およびその細部を示す図
【図３】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４】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５】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６】アイリスフィルタ処理で得られた異常陰影候補の面積Ａよりわずかに大きい面積の仮想円、半径４Ｒ／３の仮想円である第１領域、および半径Ｒを超え半径４Ｒ／３未満のドーナツ状の中空円部である第２領域を示す図
【図７】第２の実施形態の異常陰影の検出方法の処理ステップを示すフローチャート
【図８】ＩＦＥＤ画像が形成される作用を示す図
【図９】ＩＦＥＤ画像を示す概念図
【図１０】ＩＦＥＤ画像に基づいて同時生成行列を作成する作用を示す図
【図１１】同時生成行列を示す図
【図１２】フィッシャーの識別関数を適用するにあたり、スカラー量の分布から閾値を設定することを説明する図
【図１３】評価関数値を適用した異常陰影の検出方法の処理ステップを示すフローチャート
【符号の説明】
Ｓ 画像データ
【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の検出方法に関し、詳細にはその検出した異常陰影候補のうち、より確定的な異常陰影候補を検出する異常陰影の検出方法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客観的に検出することが求められている。
【０００６】
この要望に応えるものの一つとしてアイリスフィルター処理（以下、本明細書中、アイリスフィルターの演算ということもある）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画像部分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を出力する画像）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】
すなわち腫瘤陰影内の任意の画素における勾配ベクトルは腫瘤陰影の中心付近を向くが、血管陰影のように細長い陰影では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。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。
【００１１】
（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。
【００１２】
【数１】
ここでｆ1 〜ｆ16は、図３に示すように、その画素ｊを中心とした縦５画素×横５画素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。
【００１４】
（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。
【００１５】
【数２】
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４参照）。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。
【００１７】
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特長を有している。
【００１８】
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５に、そのフィルターを示す。このフィルターは、図４に示すものと異なり、注目画素を中心に２π／Ｍ度毎のＭ種類の方向（図５においては、11.25 度ごとの32方向を例示）の放射状の線上の画素のみで上記集中度の評価を行うものである。
【００１９】
ここでｉ番目の線上にあって、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。
【００２０】
【数３】
ただし、［ｘ］，［ｙ］は、ｘ，ｙを越えない最大の整数である。
【００２２】
さらに、その放射状の線上の各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をすべての方向で平均して、その注目画素についての勾配ベクトル群の集中度Ｃとする。
【００２３】
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。
【００２４】
【数４】
すなわち式（５）は、注目画素を起点として、終点をＲmin からＲmax までの範囲内で集中度Ｃi （ｎ）を算出するものである。
【００２６】
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。
【００２７】
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。
【００２８】
【数５】
ここで式（６）のＣimaxは、式（５）で得られた放射状の線ごとの集中度Ｃi （ｎ）の最大値であるから、注目画像からその集中度Ｃi （ｎ）が最大値となる画素までの領域が、その線の方向における腫瘤陰影の候補領域となる。
【００３０】
すべての放射状の線について式（６）の計算をしてその各線上における腫瘤陰影の領域を求め、この各線上における腫瘤陰影の領域を隣接する線間で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外周縁の形状を特定することができる。
【００３１】
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閾値Ｔと比較することにより、この注目画素を中心とする領域が異常陰影候補となる可能性があるか否かを判別する。
【００３２】
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。
【００３３】
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。
【００３４】
【数６】
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 に対応した画素を起点として、終点をＲmin からＲmax までの範囲内で集中度Ｃi （ｎ）を算出するものである。
【００３６】
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目的として研究されている。
【００３７】
【発明が解決しようとする課題】
ところで上述のように腫瘤陰影を効果的に検出するアイリスフィルター処理ではあるが、検出された陰影がすべて乳癌を示す腫瘤陰影であるとは限らない。すなわちアイリスフィルター処理は濃度勾配と検出対象の領域の大きさとにのみ基づく検出処理であるため、検出対象の大きさに合致するとともにある程度の濃度勾配を有する画像部分については、それが腫瘤陰影であると否とに拘らず検出することになる。例えば２本の血管が交差した画像部分は、所望の大きさおよびある程度の濃度勾配の集中度を有するため、アイリスフィルター処理によって検出される場合がある。このことから、アイリスフィルター処理は現実の「異常陰影」のみを検出するのではなく、「異常陰影の候補」を検出するに過ぎない。
【００３８】
このため実用化の段階においては、より確定的な「異常陰影の候補」、すなわち異常陰影である蓋然性が極めて高い「異常陰影の候補」を検出することが必要であり、「異常陰影の候補」として検出された画像部分のうち現実には「異常陰影」ではない画像部分（以下、擬似異常陰影部分（ＦＰ；False Possitive ）という）の検出を低減することが必要である。
【００３９】
本発明は上記事情に鑑みなされたものであって、アイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補のうち、現実の異常陰影である蓋然性がより高い異常陰影候補のみを検出する検出方法を提供することを目的とするものである。
【００４０】
【課題を解決するための手段】
本発明の第１の異常陰影の検出方法は、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影領域内において低濃度（高輝度）であって略均一の濃度値（信号値）を有するという特徴に鑑み、予めアイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補に対して、その異常陰影候補の内部の画像信号のヒストグラム情報を求め、このヒストグラム情報に基づいて、異常陰影である可能性がより高い異常陰影の候補だけを検出するものである。
【００４１】
すなわち、本発明の第１の異常陰影の検出方法は、被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像におけるアイリスフィルター処理等の異常陰影検出方法において、
その検出方法によって検出された異常陰影の候補を対象として、異常陰影の候補の輪郭内部および近傍の画像信号のヒストグラムを求め、このヒストグラムに基づくヒストグラム情報を求め、得られたヒストグラム情報に基づいて、アイリスフィルター処理等で検出された異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とするものである。
【００４２】
ここで、ヒストグラム情報に基づいて検出するとは、ヒストグラム情報と予め設定した閾値とを比較し、その比較の結果に基づいて検出する方法、ヒストグラム情報同士を比較し、その比較の結果に基づいて検出する等の方法がある。
【００４３】
また、ヒストグラム情報としては例えば、ヒストグラムの式（９）で示される分散var を表す第１の指標値、ヒストグラムの式（10）で示されるコントラストcon を表す第２の指標値および前記ヒストグラムの式（11）で示される角モーメントasm を表す第３の指標値のうち少なくとも１つを用いることができる。
【００４４】
【数８】
そして閾値と比較する方法の場合は、上記第１から第３の指標値のうち用いることとした指標値にそれぞれ対応して１つ乃至３つの閾値を設定し、第１から第３の指標値にそれぞれ対応する閾値を第１の閾値、第２の閾値、第３の閾値とし、これら第１から第３の指標値と対応する第１から第３の閾値とを各別に比較した結果に基づいて確定的な異常陰影の候補を検出する。
【００４６】
具体的には、上記第１から第３の指標値のうち比較に用いることとした指標値が第１の指標値のみの場合は、第１の閾値のみを設定し、この第１の指標値と第１の閾値とを比較して、その結果に基づいて確定的な異常陰影の候補を検出すればよく、比較に用いることとした指標値が２つの場合は、その２つの指標値に対応した２つの閾値のみを設定し、この２つの指標値と２つの閾値とを各別に比較して、２つの比較の結果に基づいて確定的な異常陰影の候補を検出すればよく、比較に用いることとした指標値が３つの場合は、その３つの指標値に対応した３つの閾値を設定し、この３つの指標値と３つの閾値とを各別に比較して、３つの比較の結果に基づいて確定的な異常陰影の候補を検出する。
【００４７】
なお本発明の第１の異常陰影検出方法は、上述したように各指標値ごとに対応する閾値を設定し、その指標値ごとに閾値と比較し、その各比較の結果を集約した結果に基づいて行う方法に限らず、各指標値のうち少なくとも２つを所定の重み関数で定義して新たな評価関数値として求め、この評価関数値に基づいて行う方法であってもよい。
【００４８】
このような重み関数で定義した評価関数値としては、例えばマハラノビス距離（Mahalanobis distance）やフィッシャー（Fisher）の識別関数などを用いることができる。
【００４９】
すなわち検出された異常陰影候補領域は一般にｎ次の特徴量ｘ１，ｘ２，ｘ３，…，ｘｎを用いて、ｘ＝（ｘ１，ｘ２，ｘ３，…，ｘｎ）という形のｎ次元空間で表現され、そのｎ次の各軸を特徴軸（feature axis）という。つまり、特徴抽出で得られる値（上記各指標値）はそれぞれの特徴軸上の値ｘｉ（ｉ＝１，２，…，ｎ）である。
【００５０】
特徴抽出過程によって作られるこのｎ次のパターン空間が持つべき重要な性質は、入力として与えられるパターン間の類似性がこの空間上でも十分に良く保たれていることである。すなわち、類似したパターンはパターン空間上で近いところにあるという性質がなければ特徴抽出を行った意味がない。そこでパターン空間上に距離の概念を導入する。
【００５１】
この距離の概念を表す関数（距離関数）はいくつも考案されており、その代表的なものものとしてユークリッド距離、マハラノビス距離、市街地距離、チェス盤距離、ミンコフスキー（Minkowski ）距離などがあり、最も簡単なものはユークリッド距離である。しかし、これはパターンの広がり具合などを考慮していないため本発明の異常陰影検出方法には適さないと考えられる。
【００５２】
そこでパターンの広がり具合などを考慮に入れ、最も基本的なマハラノビス距離を用いるのが好適である。
【００５３】
マハラノビス距離とは下記式（17）で定義されるＤｍi を意味し、分布の中心から共分散行列Σで表される超楕円体の重み付けで測る距離である。
【００５４】
【数１０】
具体的には、
【００５６】
【外１】
このようにマハラノビス距離を評価関数値とした場合には、評価関数値と閾値とを比較するのではなく、評価関数値同士を比較した結果に基づいて異常陰影の検出を行なう。
【００５８】
また、上記重み関数で定義した評価関数値として、フィッシャーの識別関数を用いるのも好適である。
【００５９】
フィッシャーの識別関数とは下記式（18）で定義される。
【００６０】
【数１１】
ここで式（18）を最大にするとき、２つのクラス（クラス１（正常陰影）とクラス２（異常陰影））の分離度が最大となる。すなわち、
【００６２】
【外２】
具体的には、
【００６４】
【外３】
このようにフィッシャーの識別関数を評価関数値とした場合には、評価関数値と閾値とを比較した結果に基づいて異常陰影の検出を行なう。
【００６６】
本発明の第２の異常陰影の検出方法は、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影の輪郭（辺縁）が略円形であるという特徴に鑑み、予めアイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補に対して、その異常陰影候補の輪郭のエッジ情報を求め、このエッジ情報に基づいて、異常陰影である可能性がより高い異常陰影の候補だけを検出するものである。
【００６７】
すなわち、本発明の第２の異常陰影の検出方法は、被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像におけるアイリスフィルター処理等の異常陰影検出方法において、
その検出方法によって検出された異常陰影の候補を対象として、異常陰影の候補の輪郭のエッジ情報を求め、このエッジ情報に基づいて、アイリスフィルター処理等で検出された異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とするものである。
【００６８】
ここで、エッジ情報に基づいて検出するとは、エッジ情報と予め設定した閾値とを比較し、その比較の結果に基づいて検出する方法、エッジ情報同士を比較し、その比較の結果に基づいて検出する等の方法がある。
【００６９】
また、エッジ情報としては、アイリスフィルタ処理を利用して求めた同時生成行列についての式（12）で示される分散を表す第１の指標値、同時生成行列についての式（13）で示される偏りを表す第２の指標値、同時生成行列についての式（14）で示される相関値を表す第３の指標値、同時生成行列についての式（15）で示されるモーメントを表す第４の指標値および同時生成行列についての式（16）で示されるエントロピーを表す第５の指標値のうち少なくとも１つを用いることができる。
【００７０】
【数９】
そして閾値と比較する方法の場合は、上記第１から第５の指標値のうち用いることとした指標値にそれぞれ対応して１つ乃至５つの閾値を設定し、第１から第５の指標値にそれぞれ対応する閾値を第１の閾値、第２の閾値、第３の閾値、第４の閾値、第５の閾値とし、これら第１から第５の指標値と対応する第１から第５の閾値とを各別に比較した結果に基づいて確定的な異常陰影の候補を検出する。
【００７２】
具体的には、上記第１から第５の指標値のうち比較に用いることとした指標値が第１の指標値のみの場合は、第１の閾値のみを設定し、この第１の指標値と第１の閾値とを比較して、その結果に基づいて確定的な異常陰影の候補を検出すればよく、比較に用いることとした指標値が３つの場合は、その３つの指標値に対応した３つの閾値のみを設定し、この３つの指標値と３つの閾値とを各別に比較して、３つの比較の結果に基づいて確定的な異常陰影の候補を検出すればよく、比較に用いることとした指標値が５つの場合は、その５つの指標値に対応した５つの閾値を設定し、この５つの指標値と５つの閾値とを各別に比較して、５つの比較の結果に基づいて確定的な異常陰影の候補を検出する。
【００７３】
なお本発明の第２の異常陰影検出方法においても、上述したように各指標値ごとに対応する閾値を設定し、その指標値ごとに閾値と比較し、その各比較の結果を集約した結果に基づいて行う方法に限らず、各指標値のうち少なくとも２つを所定の重み関数で定義して新たな評価関数値として求め、この評価関数値に基づいて検出を行う方法を適用することができる。
【００７４】
重み関数で定義した評価関数値としては、前述のマハラノビス距離やフィッシャーの識別関数などを用いることができ、本発明の第１の異常陰影検出方法において説明したのと同様に適用することができる。
【００７５】
本発明の第３の異常陰影検出方法は、上記本発明の第１の検出方法と第２の検出方法とを組み合わせた方法であって、ヒストグラム情報およびエッジ情報を求め、これらに基づいて異常陰影の確定的な候補を検出するものである。
【００７６】
すなわち、本発明の第３の異常陰影検出方法は、被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像における異常陰影検出方法において、
前記異常陰影の候補の輪郭内部および近傍の画像信号のヒストグラムを求め、
該ヒストグラムに基づくヒストグラム情報を求め、
前記異常陰影の候補の輪郭のエッジ情報を求め、
前記ヒストグラム情報とエッジ情報とに基づいて、前記異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とするものである。
【００７７】
ここで、ヒストグラム情報とエッジ情報とに基づいて検出するとは、ヒストグラム情報による検出とエッジ情報による検出とを別個に行なったうえで、これら２つの結果に基づいて最終的な検出を行なうものであってもよいし、ヒストグラム情報とエッジ情報とを所定の重み関数で定義して新たな評価関数値として求め、この評価関数値に基づいて行う方法であってもよい。このような重み関数で定義した評価関数値としては、前述のマハラノビス距離やフィッシャーの識別関数を用いることができる。
【００７８】
なお、ヒストグラム情報としては例えば、ヒストグラムの式（９）で示される分散var を表す第１の指標値、ヒストグラムの式（10）で示されるコントラストcon を表す第２の指標値および前記ヒストグラムの式（11）で示される角モーメントasm を表す第３の指標値のうち少なくとも１つを用いることができ、エッジ情報としては、アイリスフィルタ処理を利用して求めた同時生成行列についての式（12）で示される分散を表す第４の指標値、同時生成行列についての式（13）で示される偏りを表す第５の指標値、同時生成行列についての式（14）で示される相関値を表す第６の指標値、同時生成行列についての式（15）で示されるモーメントを表す第７の指標値および同時生成行列についての式（16）で示されるエントロピーを表す第８の指標値のうち少なくとも１つを用いることができる。
【００７９】
【発明の効果】
本発明の第１の異常陰影の検出方法によれば、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影領域内において低濃度であって略均一の濃度値（信号値）を有するということから、予めアイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補に対して、その異常陰影候補の内部の画像信号のヒストグラム情報を閾値処理することによって、異常陰影である可能性がより高い異常陰影の候補だけを精度よく検出することができる。
【００８０】
本発明の第２の異常陰影の検出方法によれば、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影の輪郭が略円形であるということから、予めアイリスフィルター処理等の異常陰影候補を検出する処理によって検出された異常陰影の候補に対して、その異常陰影候補の輪郭のエッジ情報を閾値処理することによって、異常陰影である可能性がより高い異常陰影の候補だけを精度よく検出することができる。
【００８１】
本発明の第３の異常陰影の検出方法によれば、上記第１の検出方法と第２の検出方法とを組み合わせた検出を行なうため、各検出方法による効果と同様の効果を得ることができる。
【００８２】
【発明の実施の形態】
以下、本発明の異常陰影の検出方法の具体的な実施の形態について図面を用いて説明する。
【００８３】
図１は、本発明の第１の異常陰影の検出方法の具体的な一実施形態の処理ステップを示すフローチャートである。
【００８４】
ここで本実施形態において用いられる画像データは、放射線画像をフイルムに表示する場合の高濃度高信号レベルの画像データ、すなわち濃度値（画像が濃いほど濃度値が大きく、画像が淡いほど濃度値が小さい）を示すものである。
【００８５】
図示の異常陰影の検出方法は、第１ステップ（＃１）において、図示しない画像読取装置等から入力された被写体（乳房）Ｐの放射線画像（図２（１）参照）を表す画像データである濃度値Ｓに対してアイリスフィルター処理を施し、この放射線画像中の乳癌を表す画像部分（腫瘤陰影）Ｐ1 等を検出する。
【００８６】
以下、アイリスフィルター処理を説明する。
【００８７】
まず放射線画像の全画素について、各画素ｊごとに下記式（１）に示す計算を施して濃度値Ｓの勾配ベクトル（濃度勾配ベクトル）の向きθを求める。
【００８８】
【数１】
ここでｆ1 〜ｆ16は、図３に示すように、その画素ｊを中心とした５×５画素のマスクの外周上の画素に対応した濃度値Ｓである。なお、このマスクの大きさは５×５のものに限るものでないことはいうまでもない。
【００９０】
放射線画像を構成する全ての画素について、各画素近傍の濃度勾配ベクトルの向きθを求めた後、この濃度勾配ベクトルの向きが集中している画素を探索する。
【００９１】
すなわち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濃度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。
【００９２】
【数２】
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）で算出された濃度勾配ベクトルとがなす角である（図４参照）。式（２）の右辺は半径Ｒの円内の全画素における濃度勾配ベクトルの向きθj が各画素から注目画素の方向に一致している度合いを示すもの、すなわち濃度勾配ベクトルの集中度Ｃであり、この集中度Ｃが大きな値となる程、各画素ｊの濃度勾配ベクトルの向きが注目画素に集中していることを意味する。
【００９４】
このように濃度勾配ベクトルの集中度Ｃを求めるのは、放射線画像（ネガ）における乳癌を示す腫瘤陰影が、その中央部において周囲の画像部分より濃度値が低く（すなわち周囲より明るく）、この中央部から周囲に向うにしたがって少しずつ濃度値が高くなるという特性を有するため、この集中度Ｃの評価を行うことにより腫瘤陰影Ｐ1 （図２（２）参照）と血管や乳腺の陰影Ｐ2 （図２（３）参照）とを識別することが可能となるからである。
【００９５】
以下、アイリスフィルター処理は前述した式（３）〜（７）にしたがってなされるが、その作用等については前述した説明の通りであるので省略する。
【００９６】
このように濃度勾配ベクトルの集中度Ｃを評価するアイリスフィルター処理によって腫瘤陰影Ｐ1 だけを効果的に検出することができるが、例えば２本の血管が交差した部分の画像Ｐ3 （以下、疑似異常陰影Ｐ3 という：図２（４）参照）では、腫瘤陰影Ｐ1 と同様に集中度Ｃが大きな値を採ることとなり腫瘤陰影Ｐ1 だけを検出することができない場合がある。
【００９７】
すなわち、ステップ１（＃１）のアイリスフィルター処理によって検出されるのは、検出対象である腫瘤陰影Ｐ1 のみならず検出対象ではない疑似異常陰影Ｐ3 も含まれる。
【００９８】
そこで本実施形態の異常陰影の検出方法では、腫瘤陰影はその輪郭が円に近い形状であり、陰影内部の濃度値は他の領域と比べて均一に近く、その濃度は低いという性質に基づいてステップ２（＃２）以下の処理で腫瘤陰影Ｐ1 だけを分離して検出する。
【００９９】
ステップ２では、アイリスフィルター処理で検出された腫瘤陰影Ｐ1 や疑似異常陰影Ｐ3 について、陰影の面積Ａおよび、その重心ＡＯを求める（＃２）。
【０１００】
次いで、これら陰影の面積Ａと略等しい面積であって重心ＡＯを中心とする半径Ｒ（式（８））の仮想円を設定する（＃３；図６参照）。
【０１０１】
【数７】
さらに半径Ｒの仮想円を基準として、半径４Ｒ／３の仮想円内部（ｒ＜４Ｒ／３）である第１領域と、半径Ｒを超え半径４Ｒ／３未満のドーナツ状の中空円内部（Ｒ＜ｒ＜４Ｒ／３）である第２領域を設定する（＃４-1，＃４-2）。第１領域は陰影の輪郭部を含む内部領域に相当し、第２領域は陰影の輪郭部に相当する領域である。
【０１０３】
この第１領域および第２領域についてそれぞれ、以下の処理を施す。
【０１０４】
まず各領域の濃度値Ｓ（例えば10 bit表示の場合は０〜1023の値）のヒストグラムを作成し、各濃度値Ｓの頻度をＰ（Ｓ）とし、この濃度値Ｓおよび頻度Ｐ（Ｓ）に基づいて、各領域ごとにヒストグラム情報である、▲１▼分散を示す第１の指標値var （式（９））、▲２▼コントラストを示す第２の指標値con （式（10））、▲３▼角モーメントを示す第３の指標値asm （式（11））をそれぞれ求める（＃５-1，＃５-2，＃５-3，＃５-4，＃５-5，＃５-6）。
【０１０５】
【数８】
第１の指標値var は、領域内の濃度ヒストグラムの広がり具合を示す指標値であり、腫瘤陰影Ｐ1 では比較的小さな値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では大きな値を示す。
【０１０７】
第２の指標値con は、領域内の濃度値の大きさを示す指標値であり、腫瘤陰影Ｐ1 のような低濃度分布を有するものでは小さな値を示す。なお放射線画像をＣＲＴに表示する場合の画像信号として見た場合には、領域内の画像データは高輝度であるため高レベルの信号となり、腫瘤陰影Ｐ1 のような高輝度分布を有するものでは大きな値を示すものとなる。本実施形態においては、画像データは濃度値であるため、前述したように腫瘤陰影Ｐ1 では小さな値を示す。
【０１０８】
第３の指標値asm は、領域内の濃度値の均一性を示す指標値であり、腫瘤陰影Ｐ1 のような略均一な濃度分布を有するものでは小さな値を示す。
【０１０９】
この求められた各領域ごとの第１の指標値var と予め実験的に又は経験に基づいて求めた閾値Th1,Th4 とをそれぞれ比較処理し（＃６-1，＃６-4）、同様に第２の指標値con と閾値Th2,Th5 とをそれぞれ比較処理し（＃６-2，＃６-5）、第３の指標値asm と閾値Th3,Th6 とをそれぞれ比較処理する（＃６-3，＃６-6）。
【０１１０】
ステップ６での比較処理の結果、それぞれの指標値が腫瘤陰影Ｐ1 を表すものである場合にはフラグFg＝１とし、腫瘤陰影Ｐ1 ではない場合、すなわち疑似異常陰影Ｐ3 を表すものである場合はフラグFg＝０とする（＃７-1，＃７-2，＃７-3，＃７-4，＃７-5，＃７-6）。
【０１１１】
そして各フラグFg1,Fg2,Fg3,Fg4,Fg5,Fg6 の全てが「１」である場合には、その陰影は腫瘤陰影Ｐ1 であると判定し、各フラグFg1,Fg2,Fg3,Fg4,Fg5,Fg6 のうち１つでも「０」である場合には疑似異常陰影Ｐ3 であると判定する（＃８，＃９）。
【０１１２】
なお、本実施形態においては、複数の特徴量（指標値）の各々について各別に閾値を設定し、すべての特徴量が対応する閾値による要件を満たしたか否かで異常陰影Ｐ1 か否かを判定するいわゆる「ＡＮＤ法」を適用したが、本発明の異常陰影の検出方法はこの「ＡＮＤ法」に限定されるものではなく、前記６つの特徴量をある重み関数で定義した新たな一つの評価関数、例えばマハラノビス距離やフィッシャーの識別関数として定義し、この評価関数に基づいて判定を行っても良い。
【０１１３】
また、検出対象の領域の輪郭を含む内部（第１領域）のみならず、輪郭部分のみ（第２領域）についても判定の対象とするのは、この輪郭部分においても濃度ヒストグラムが正常陰影と腫瘤陰影とでは有為差が認められるからである。
【０１１４】
以上の処理により、アイリスフィルター処理では抽出しきれなかった腫瘤陰影Ｐ1 を疑似異常陰影Ｐ3 から分離して抽出することができ、現実の腫瘤陰影である蓋然性がより高い確定的な異常陰影候補のみを抽出することが可能となる。
【０１１５】
図７は、本発明の第２の異常陰影の検出方法の具体的な一実施形態の処理ステップを示すフローチャートである。
【０１１６】
ここで本実施形態において用いられる画像データは、前述の実施形態と同様の濃度値である。
【０１１７】
図示の異常陰影の検出方法は、第１ステップ（＃１）において、図示しない画像読取装置等から入力された被写体（乳房）Ｐの放射線画像（図２（１）参照）を表す画像データである濃度値Ｓに対してアイリスフィルター処理を施し、この放射線画像中の乳癌を表す腫瘤陰影Ｐ1 等を検出する。
【０１１８】
アイリスフィルター処理（＃１）は前述の実施形態のものと同様であるので説明を省略する。
【０１１９】
ステップ２（＃２）では、アイリスフィルター処理により検出された放射線画像中の乳癌を表す腫瘤陰影Ｐ1 や疑似異常陰影Ｐ3 についてその近傍をも含む画像部分を例えば正方形の領域として抽出する。
【０１２０】
そして、この抽出した異常陰影候補を含む領域について、前述のアイリスフィルタ処理を利用した辺縁（輪郭）エッジ画像を作成する（＃３）。具体的な手法を以下に説明する。
【０１２１】
すなわち、ステップ１のアイリスフィルターの処理において、式（６）において、注目画素から放射状に伸びるｉ番目の線上において集中度Ｃi （ｎ）の最大値を与える点の位置を求める。ただし、式（５）（または式（５′））、（６）においては最大値を与えるｎの値をＲmin 以上Ｒmax 以下としているが、このステップ３の処理ではこの制限を設けない。
【０１２２】
この結果、図８に示すように注目画素が異常陰影候補Ｐ1 やＰ3 の内部にある場合には、式（６）が最大値を採るときのｎは、そのｉ番目の線が異常陰影候補Ｐ1 やＰ3 の辺縁Ｂと交差する画素を指示する。例えば図８の注目画素１については画素Ｂ1 ，Ｂ2 ，Ｂ3 ，Ｂ4 を指示し、注目画素２については画素Ｂ2 ，Ｂ5 ，Ｂ6 ，Ｂ7 を指示する。
【０１２３】
一方、注目画素が異常陰影候補Ｐ1 ，Ｐ3 の外部にある場合には、式（６）が最大値を採るのは、その注目画素自身を指示するときである。すなわち、異常陰影候補Ｐ1 ，Ｐ3 の外部にある注目画素３については、注目画素３自身を指示する場合に式（６）の値が最大となる。
【０１２４】
このように、抽出した異常陰影を含む領域の全画素について順次注目画素とし、式（６）が最大値を採る画素をカウントしていく。これを図示すると図９に示す模式図のようになる。
【０１２５】
すなわち、異常陰影候補Ｐ1 やＰ3 の外部の画素についてのカウント値はすべて「１」となり、異常陰影候補Ｐ1 やＰ3 の内部の画素についてのカウント値はすべて「０」となり、異常陰影候補Ｐ1 やＰ3 の辺縁Ｂ上の画素についてのカウント値はすべて１以上の値となる画像が得られ、このカウント値の画像をＩＦＥＤ（Iris Filter Edge）画像と定義し、このＩＦＥＤ画像を作成する処理までがステップ３の処理である。
【０１２６】
ステップ４ではこのＩＦＥＤ画像について、以下の処理を施す。
【０１２７】
すなわち、図10に示すように、異常陰影候補Ｐ1 ，Ｐ3 の重心点ＡＯを求め、この重心点ＡＯから放射状の線を延ばし、この線上の任意の点をａとし、この線に垂直であってａ点から２画素分だけ離間した点をｂとする。
【０１２８】
このａ点のＩＦＥＤ画像におけるカウント値とｂ点のカウント値とを図11に示すようなマトリクスにカウントアップする。具体的には、ａ点が異常陰影候補Ｐ1 ，Ｐ3 の外部にある場合は、ａ点のＩＦＥＤ画像におけるカウント値は「１」であり、そのときｂ点も異常陰影候補Ｐ1 ，Ｐ3 の外部にあればｂ点のカウント値も「１」となり、この場合図11のマトリクスには、縦方向ｉの「１」と横方向ｊの「１」とが交差する欄に「１」がカウントされる。
【０１２９】
一方ａ点が異常陰影候補Ｐ1 ，Ｐ3 の内部にあり、かつｂ点も異常陰影候補Ｐ1 ，Ｐ3 の内部にある場合は、ａ点、ｂ点ともにカウント値は０であるので、縦方向ｉの「０」と横方向ｊの「０」とが交差する欄に「１」をカウントする。
【０１３０】
さらにａ点が異常陰影候補Ｐ1 ，Ｐ3 の辺縁Ｂにあり、ｂ点も異常陰影候補Ｐ1 ，Ｐ3 も辺縁Ｂにある場合は、例えばａ点のカウント値が「５」で、ｂ点のカウント値が「３」である場合は、縦方向ｉの「５」と横方向ｊの「３」とが交差する欄に「１」をカウントする。このマトリクスにカウントアップするカウント値は累積するものである。すなわち再度、カウント値が「５」のａ点、カウント値が「３」のｂ点を走査した場合には、マトリクスの縦方向ｉの「５」と横方向ｊの「３」とが交差する欄には元の「１」に「１」を加算した「２」が格納される。
【０１３１】
ａ点はＩＦＥＤ画像の任意の点であるから、ＩＦＥＤ画像の全ての画素がａ点となるように放射状の線を走査し、ａ点をその線上で走査することによって、このＩＦＥＤ画像の図11に示すマトリクスを完成させる。このマトリクス（同時生成行列または同時生起行列という）Ｐg （ｘ，ｙ）を完成するまでの処理がステップ４（＃４）の処理である。
【０１３２】
ここで異常陰影候補が腫瘤陰影Ｐ1 である場合は、腫瘤陰影Ｐ1 の辺縁が略円形であるという腫瘤陰影の形状的特性、およびａ点とｂ点とは極めて近接しているという事実から、ａ点が辺縁にある（ＩＦＥＤ画像のカウント値が１以上の大きな値を有する）場合は、ｂ点も辺縁にある（ＩＦＥＤ画像のカウント値が１以上の大きな値を有する）可能性が極めて高い。
【０１３３】
一方、異常陰影候補が擬似異常陰影Ｐ3 である場合は、前述の２本の血管同士の交差部分のように擬似異常陰影Ｐ3 が円形の辺縁を有するのは極めて希であるため、ａ点とｂ点とが近接していても、ａ点が辺縁にあるからといって、ｂ点も辺縁にあるとは限らず、むしろｂ点は辺縁にある可能性は極めて低いことになる。
【０１３４】
したがって、同時生成行列Ｐg （ｘ，ｙ）の特性値も、異常陰影候補が腫瘤陰影Ｐ1 であるか擬似異常陰影Ｐ3 であるかに応じて明らかに有為差が認められる。この同時生成行列の特性値がエッジ情報であり、このエッジ情報の具体的なものとして、同時生成行列についての▲１▼分散を示す第１の指標値var （式（12））、▲２▼偏り（difference entropy）を示す第２の指標値dfe （式（13））、▲３▼相関値（correlation ）を示す第３の指標値cor （式（14））をそれぞれ求める（＃５-1，＃５-2，＃５-3）。
【０１３５】
【数９】
第１の指標値var 、第２の指標値dfe 、第３の指標値cor はいずれも、同時生成行列について、腫瘤陰影Ｐ1 では比較的大きな値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では小さな値を示す指標値である。
【０１３７】
この求められた各領域ごとの第１の指標値var と予め実験的に求めた閾値Th1 とを比較処理し（＃６-1）、同様に第２の指標値dfe と閾値Th2 とを比較処理し（＃６-2）、第３の指標値cor と閾値Th3 とを比較処理する（＃６-3）。
【０１３８】
ステップ６での比較処理の結果、それぞれの指標値が腫瘤陰影Ｐ1 を表すものである場合にはフラグFg＝１とし、腫瘤陰影Ｐ1 ではない場合、すなわち疑似異常陰影Ｐ3 を表すものである場合はフラグFg＝０とする（＃７-1，＃７-2，＃７-3）。
【０１３９】
そして各フラグFg1,Fg2,Fg3 の全てが「１」である場合には、その陰影は腫瘤陰影Ｐ1 であると判定し、各フラグFg1,Fg2,Fg3 のうち１つでも「０」である場合には疑似異常陰影Ｐ3 であると判定する（＃８，＃９）。なお、このように複数の特徴量（指標値）について、すべての特徴量が要件を満たした場合にのみ異常陰影Ｐ1 であると判断する方法を「ＡＮＤ法」という。
【０１４０】
なお、上記実施形態においては、エッジ情報として分散、偏り、相関値のみを用いたが、その他のエッジ情報としては、モーメント（inverse difference moment ）を示す第４の指標値idm （式（15））、エントロピー（sum entropy ）を示す第５の指標値se（式（16））なども用いることができる。第４の指標値idm は、同時生成行列について腫瘤陰影Ｐ1 では比較的小さな値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では大きい値を示し、第５の指標値seは、同時生成行列について腫瘤陰影Ｐ1 では比較的大きな値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では小さな値を示す指標値である。
【０１４１】
さらに、これら任意の数の特徴量をある重み関数で定義した新たな一つの評価関数値として定義し、その評価関数に基づいて判定を行っても良い。
【０１４２】
以上の処理により、アイリスフィルター処理では抽出しきれなかった腫瘤陰影Ｐ1 を疑似異常陰影Ｐ3 から分離して抽出することができ、現実の腫瘤陰影である蓋然性がより高い確定的な異常陰影候補のみを抽出することが可能となる。
【０１４３】
なお本実施形態においては、ｂ点をａ点が存在する放射状の線に対して垂直で、かつａ点から２画素分だけ離間した点として定義したが、放射状の線との交差角度、ａ点からの離間画素数については検出対象である腫瘤陰影の大きさ等に応じて適宜変更できるものである。
【０１４４】
ここで、任意の数の特徴量をある重み関数で定義した新たな一つの評価関数値とし、この評価関数値に基づいて異常陰影候補か否かの判定を行なう方法の具体的実施形態について説明する。
【０１４５】
このような重み関数で定義した評価関数値としては前述したように、マハラノビス距離やフィッシャーの識別関数を適用するのが望ましく、図13は、本発明の第２の異常陰影の検出方法においてマハラノビス距離を適用した判定を行なう具体的な実施形態の処理ステップを示すフローチャートである。
【０１４６】
ステップ１からステップ４までの処理は前記図７に示した処理と同様であるので説明を割愛する。
【０１４７】
ステップ５（＃５）では、ステップ４で作成した同時生成行列の特性値であるエッジ情報のうち▲１▼分散を示す第１の指標値var （式（12））、▲２▼偏りを示す第２の指標値dfe （式（13））、▲３▼相関値を示す第３の指標値cor （式（14））、▲４▼モーメントを示す第４の指標値idm （式（15））、および▲５▼エントロピーを示す第５の指標値se（式（16））をそれぞれ求める。
【０１４８】
ステップ６（＃６）では、これらの５つの指標値を互いに異なる５次元（ｘ１，ｘ２，ｘ３，ｘ４，ｘ５）の軸に当てはめ（var ＝ｘ１，dfe ＝ｘ２，cor ＝ｘ３，idm ＝ｘ４，se＝ｘ５）、これら５次の要素からなるベクトルｘを設定する。
【０１４９】
次に、ステップ７（＃７）では下記式（17）にしたがって、正常陰影のパターンとのマハラノビス距離Ｄｍ1 および異常陰影のパターンとのマハラノビス距離Ｄｍ2 を算出する。
【０１５０】
【数１０】
ここで正常陰影のパターン、異常陰影のパターンとは、予め多数の異常陰影候補について実験的に調査した結果に基づいて設定された、正常陰影ごとまたは異常陰影ごとのベクトルｘで定義されるパターン空間を意味する。例えば、それぞれ、正常陰影とされるものについての上記ベクトルｘの平均で形成されるパターンクラスｗ1 、異常陰影とされるものについての上記ベクトルｘの平均で形成されるパターンクラスｗ2 で示される。
【０１５２】
このように、予め設定された正常陰影パターンおよび異常陰影パターンと判定対象である異常陰影候補のパターン（上記ベクトルｘ）との間の各マハラノビス距離をそれぞれ求め、ステップ８（＃８）で、この正常陰影のパターンクラスとのマハラノビス距離Ｄｍ1 と、異常陰影のパターンクラスとのマハラノビス距離Ｄｍ2 とを比較し、ステップ９（＃９）で、検出対象の異常陰影候補はより近い方、すなわちマハラノビス距離が短い方に属する、と判定する。
【０１５３】
このように、評価関数値を用いた検出方法によっても、より確定的な異常陰影を検出することができる。
【０１５４】
なお、評価関数値としてフィッシャーの識別関数を用いた検出方法では、図13のステップ７において、検出対象の異常陰影候補について前述の式（21）で示されるスカラー量を算出し、図12で示すように予め多数の異常陰影候補について実験的にこのスカラー量の分布を調査した結果に基づいて設定された閾値と検出対象の異常陰影候補についてのスカラー量とを比較して、検出対象がどちらの陰影かを判定すればよい。
【０１５５】
以上の評価関数値を適用した検出方法の説明では、エッジ情報についての指標値のみを対象としたが、本発明はこれに限るものではなく、ヒストグラム情報についての指標値のみを対象とするものであっても、またはヒストグラム情報のうちの任意の数の指標値とエッジ情報のうちの任意の数の指標値とを混在せしめて評価関数値を設定するものであってもよい。
【０１５６】
また、上記各実施形態においては、予め異常陰影を検出する方法としてアイリスフィルター処理を適用したが、本発明はこれに限るものではなく、腫瘤陰影等の異常陰影を検出するいかなる方法をも適用することができる。
【０１５７】
【実施例】
以下、上記図１に示した本発明の第１の異常陰影の検出方法の実施形態による実験例を示す。
【０１５８】
実験は、計算機支援画像診断システム（ＣＡＤＭ）におけるマンモグラフィーデータベース画像（コンピュータ支援画像診断学会誌、マンモグラフィーデータベース，コンピュータ支援画像診断学会，1995）であり、1225×1000画素、空間分解能0.2mm/pixel 、輝度分解能10 bitの画像51枚で行った。このうち腫瘤陰影を含むものは12枚、腫瘤陰影の数は12個であった。
【０１５９】
これらについてアイリスフィルターに基づく腫瘤陰影候補の検出処理によって検出された腫瘤陰影候補の数は 152個であった。現実の腫瘤陰影12個は全てこのの 152個の候補に含まれていた。
【０１６０】
この 152個の領域に対して上記本発明の第１の異常陰影の検出方法を適用した結果を表１に示す。
【０１６１】
【表１】
これによれば、正常画像の正判定率も90％を超え、比較的良好な結果が得られた。
【０１６３】
さらに本発明の検出方法の有効性を検証するため、他の 220枚の画像に対して本発明の第１の検出方法を適用した結果、16枚の悪性腫瘤陰影、17枚の良性腫瘤陰影について、悪性腫瘤陰影の検出率は 100％、偽陽性陰影は 0.6箇所／画像であり良好な結果を得ることができた。
【図面の簡単な説明】
【図１】第１の実施形態の異常陰影の検出方法の処理ステップを示すフローチャート
【図２】図１に示した異常陰影の検出方法により異常陰影の検出に供される乳房の放射線画像（マンモグラム）およびその細部を示す図
【図３】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４】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５】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６】アイリスフィルタ処理で得られた異常陰影候補の面積Ａよりわずかに大きい面積の仮想円、半径４Ｒ／３の仮想円である第１領域、および半径Ｒを超え半径４Ｒ／３未満のドーナツ状の中空円部である第２領域を示す図
【図７】第２の実施形態の異常陰影の検出方法の処理ステップを示すフローチャート
【図８】ＩＦＥＤ画像が形成される作用を示す図
【図９】ＩＦＥＤ画像を示す概念図
【図１０】ＩＦＥＤ画像に基づいて同時生成行列を作成する作用を示す図
【図１１】同時生成行列を示す図
【図１２】フィッシャーの識別関数を適用するにあたり、スカラー量の分布から閾値を設定することを説明する図
【図１３】評価関数値を適用した異常陰影の検出方法の処理ステップを示すフローチャート
【符号の説明】
Ｓ 画像データ
Claims (8)
- 被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像における異常陰影検出方法において、
前記異常陰影の候補の輪郭内部および近傍の画像信号のヒストグラムを求め、
該ヒストグラムの分散を表す第１の指標値、前記ヒストグラムのコントラストを表す第２の指標値および前記ヒストグラムの角モーメントを表す第３の指標値を求め、
前記第１の指標値から前記第３の指標値と該各指標値毎に設定された閾値とをそれぞれ比較することにより、前記異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とする放射線画像における異常陰影検出方法。 - 被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像における異常陰影検出方法において、
前記異常陰影の候補の輪郭内部および近傍の画像信号のヒストグラムを求め、
該ヒストグラムの分散を表す第１の指標値、前記ヒストグラムのコントラストを表す第２の指標値および前記ヒストグラムの角モーメントを表す第３の指標値を求め、
前記第１の指標値、前記第２の指標値および前記第３の指標値を要素とするベクトルを生成し、
該ベクトルが正常陰影のパターンに属するか異常陰影のパターンに属するかを判定することにより、前記異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とする放射線画像における異常陰影検出方法。 - 被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像における異常陰影検出方法において、
前記異常陰影の候補の輪郭のエッジ情報として、アイリスフィルター処理を利用して求めた同時生成行列についての分散を表す第１の指標値、該同時生成行列についての偏りを表す第２の指標値、該同時生成行列についての相関値を表す第３の指標値を求め、
前記第１の指標値から前記第３の指標値と該各指標値毎に設定された閾値とをそれぞれ比較することにより、前記異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とする放射線画像における異常陰影検出方法。 - 前記異常陰影の候補の輪郭のエッジ情報として、前記同時生成行列についてのモーメントを表す第４の指標値および該同時生成行列についてのエントロピーを表す第５の指標値をさらに求め、
前記第１の指標値から前記第５の指標値と該各指標値毎に設定された閾値とをそれぞれ比較することにより、前記異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とする請求項３記載の異常陰影検出方法。 - 被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像における異常陰影検出方法において、
前記異常陰影の候補の輪郭のエッジ情報として、アイリスフィルター処理を利用して求めた同時生成行列についての分散を表す第１の指標値、該同時生成行列についての偏りを表す第２の指標値、該同時生成行列についての相関値を表す第３の指標値、該同時生成行列についてのモーメントを表す第４の指標値および該同時生成行列についてのエントロピーを表す第５の指標値を求め、
前記第１の指標値から前記第５の指標値を要素とするベクトルを生成し、
該ベクトルが正常陰影のパターンに属するか異常陰影のパターンに属するかを判定することにより、前記異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とする放射線画像における異常陰影検出方法。 - 被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像における異常陰影検出方法において、
前記異常陰影の候補の輪郭内部および近傍の画像信号のヒストグラムを求め、
ヒストグラム情報として該ヒストグラムの分散を表す指標値、前記ヒストグラムのコントラストを表す指標値および前記ヒストグラムの角モーメントを表す指標値を求め、
前記異常陰影の候補の輪郭のエッジ情報として、アイリスフィルター処理を利用して求 めた同時生成行列についての分散を表す指標値、該同時生成行列についての偏りを表す指標値および該同時生成行列についての相関値を表す指標値を求め、
前記ヒストグラム情報の各指標値と前記ヒストグラム情報の各指標値毎に設定された閾値とをそれぞれ比較するとともに、前記エッジ情報の各指標値と該エッジ情報の各指標値毎に設定された閾値とをそれぞれ比較することにより、前記異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とする放射線画像における異常陰影検出方法。 - 被写体の放射線画像を表す画像信号に基づいて、該画像における異常陰影の候補を検出する放射線画像における異常陰影検出方法において、
前記異常陰影の候補の輪郭内部および近傍の画像信号のヒストグラムを求め、
ヒストグラム情報として該ヒストグラムの分散を表す指標値、前記ヒストグラムのコントラストを表す指標値および前記ヒストグラムの角モーメントを表す指標値を求め、
前記異常陰影の候補の輪郭のエッジ情報として、アイリスフィルター処理を利用して求めた同時生成行列についての分散を表す指標値、該同時生成行列についての偏りを表す指標値および該同時生成行列についての相関値を表す指標値を求め、
前記ヒストグラム情報の各指標値と前記エッジ情報の各指標値とを要素とするベクトルを生成し、
該ベクトルが正常陰影のパターンに属するか異常陰影のパターンに属するかを判定することにより、前記異常陰影の候補のうち異常陰影の確定的な候補を検出することを特徴とする放射線画像における異常陰影検出方法。 - 前記異常陰影の候補の検出はアイリスフィルタ処理であることを特徴とする請求項１から７のいずれか１項記載の放射線画像における異常陰影検出方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01188596A JP3808123B2 (ja) | 1995-10-11 | 1996-01-26 | 異常陰影の検出方法 |
| US08/731,001 US5732121A (en) | 1995-10-11 | 1996-10-09 | Method for detecting abnormal patterns |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP26328195 | 1995-10-11 | ||
| JP7-263281 | 1995-10-11 | ||
| JP01188596A JP3808123B2 (ja) | 1995-10-11 | 1996-01-26 | 異常陰影の検出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09167238A JPH09167238A (ja) | 1997-06-24 |
| JP3808123B2 true JP3808123B2 (ja) | 2006-08-09 |
Family
ID=26347405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP01188596A Expired - Fee Related JP3808123B2 (ja) | 1995-10-11 | 1996-01-26 | 異常陰影の検出方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5732121A (ja) |
| JP (1) | JP3808123B2 (ja) |
Families Citing this family (28)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6014452A (en) * | 1997-07-28 | 2000-01-11 | R2 Technology, Inc. | Method and system for using local attention in the detection of abnormalities in digitized medical images |
| US6418238B1 (en) * | 1997-09-22 | 2002-07-09 | Olympus Optical Co., Ltd. | Image detection apparatus and image detection method capable of detecting roundish shape |
| US6529618B1 (en) * | 1998-09-04 | 2003-03-04 | Konica Corporation | Radiation image processing apparatus |
| ES2147533B1 (es) * | 1998-11-30 | 2001-04-01 | Univ Sevilla | Metodo de analisis de coincidencias de imagenes medicas y/o de microscopia mediante combinacion de filtrado de histogramas e identificacion holografica. |
| US6427082B1 (en) * | 1998-12-23 | 2002-07-30 | Medispectra, Incorporated | Optical methods and systems for rapid screening of the cervix |
| US7155041B2 (en) * | 2000-02-16 | 2006-12-26 | Fuji Photo Film Co., Ltd. | Anomalous shadow detection system |
| US7187789B2 (en) * | 2000-08-31 | 2007-03-06 | Fuji Photo Film Co., Ltd. | Prospective abnormal shadow detecting system, and method of and apparatus for judging whether prospective abnormal shadow is malignant or benignant |
| JP2002172117A (ja) * | 2000-09-05 | 2002-06-18 | Fuji Photo Film Co Ltd | 光断層画像診断情報出力装置 |
| JP2002109512A (ja) * | 2000-09-28 | 2002-04-12 | Fuji Photo Film Co Ltd | 異常陰影候補検出装置および記録媒体 |
| JP2002330950A (ja) | 2001-05-11 | 2002-11-19 | Fuji Photo Film Co Ltd | 異常陰影候補検出装置 |
| US6855114B2 (en) * | 2001-11-23 | 2005-02-15 | Karen Drukker | Automated method and system for the detection of abnormalities in sonographic images |
| JP2004005364A (ja) * | 2002-04-03 | 2004-01-08 | Fuji Photo Film Co Ltd | 類似画像検索システム |
| GB2395263A (en) * | 2002-11-12 | 2004-05-19 | Qinetiq Ltd | Image analysis |
| JP2004248817A (ja) * | 2003-02-19 | 2004-09-09 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
| JP4604451B2 (ja) * | 2003-02-24 | 2011-01-05 | コニカミノルタホールディングス株式会社 | 医用画像処理装置及び悪性度の判定方法 |
| JP4184842B2 (ja) * | 2003-03-19 | 2008-11-19 | 富士フイルム株式会社 | 画像判別装置、方法およびプログラム |
| US20050075566A1 (en) * | 2003-09-19 | 2005-04-07 | Fuji Photo Film Co., Ltd. | Ultrasonice diagnosing apparatus |
| JP4980552B2 (ja) * | 2003-09-30 | 2012-07-18 | コニカミノルタエムジー株式会社 | 画像処理方法および画像処理装置ならびに画像処理プログラム |
| AU2005212310C1 (en) | 2004-02-06 | 2011-04-07 | Wake Forest University Health Sciences | Tissue evaluation using global tissue characteristics of non-invasive imaging and systems for determining global tissue characteristics of images |
| US7907759B2 (en) | 2006-02-02 | 2011-03-15 | Wake Forest University Health Sciences | Cardiac visualization systems for displaying 3-D images of cardiac voxel intensity distributions with optional physician interactive boundary tracing tools |
| SE0400325D0 (sv) * | 2004-02-13 | 2004-02-13 | Mamea Imaging Ab | Method and arrangement relating to x-ray imaging |
| WO2006011545A1 (ja) * | 2004-07-30 | 2006-02-02 | Hitachi Medical Corporation | 医用画像診断支援方法、装置及び画像処理プログラム |
| US7420561B2 (en) * | 2005-07-01 | 2008-09-02 | Honeywell International Inc. | Diagnostic visual tools and methods for graphical comparison of data point and historical data density |
| US20080031408A1 (en) * | 2006-08-07 | 2008-02-07 | Predrag Sukovic | Quantification of sinus problems in a patient |
| US8238635B2 (en) * | 2008-03-21 | 2012-08-07 | General Electric Company | Method and system for identifying defects in radiographic image data corresponding to a scanned object |
| JP5405836B2 (ja) | 2009-01-06 | 2014-02-05 | ローム株式会社 | 画像処理方法及びコンピュータプログラム |
| TWI413896B (zh) * | 2010-04-21 | 2013-11-01 | Elitegroup Computer Sys Co Ltd | Energy saving methods for electronic devices |
| EP2564786A1 (en) * | 2011-08-31 | 2013-03-06 | General Electric Company | Method for automatic contour filter positioning for medical X-ray imaging |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4991092A (en) * | 1988-08-12 | 1991-02-05 | The Regents Of The University Of California | Image processor for enhancing contrast between subregions of a region of interest |
| US5481623A (en) * | 1990-04-19 | 1996-01-02 | Fuji Photo Film Co., Ltd. | Apparatus for determining an image position on imaging media |
| US5157733A (en) * | 1990-06-08 | 1992-10-20 | Fuji Photo Film Co., Ltd. | Radiation image processing apparatus, determination apparatus, and radiation image read-out apparatus |
| JP3596786B2 (ja) * | 1995-01-24 | 2004-12-02 | 富士写真フイルム株式会社 | 異常陰影候補の検出方法 |
-
1996
- 1996-01-26 JP JP01188596A patent/JP3808123B2/ja not_active Expired - Fee Related
- 1996-10-09 US US08/731,001 patent/US5732121A/en not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| US5732121A (en) | 1998-03-24 |
| JPH09167238A (ja) | 1997-06-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3808123B2 (ja) | 異常陰影の検出方法 | |
| US6320976B1 (en) | Computer-assisted diagnosis method and system for automatically determining diagnostic saliency of digital images | |
| US6246782B1 (en) | System for automated detection of cancerous masses in mammograms | |
| EP0757544B1 (en) | Computerized detection of masses and parenchymal distortions | |
| US7646902B2 (en) | Computerized detection of breast cancer on digital tomosynthesis mammograms | |
| US6760468B1 (en) | Method and system for the detection of lung nodule in radiological images using digital image processing and artificial neural network | |
| JPH1156828A (ja) | 異常陰影候補検出方法および装置 | |
| US6738500B2 (en) | Method and system for detecting small structures in images | |
| JPH09508815A (ja) | 乳房ｘ線写真における、改良された、コンピュータによる、腫瘤の発見および分類のための自動的方法およびシステム | |
| JP2007325928A (ja) | 放射線医学的徴候の検出のためのトモシンセシスにおける放射線画像の処理方法 | |
| WO2007026598A1 (ja) | 医用画像処理装置及び画像処理方法 | |
| US20120099771A1 (en) | Computer aided detection of architectural distortion in mammography | |
| JP2006034585A (ja) | 画像表示装置、画像表示方法およびそのプログラム | |
| JP4099984B2 (ja) | 異常陰影検出装置および画像出力装置 | |
| JP3678378B2 (ja) | 異常陰影候補の検出方法および装置 | |
| JP3758894B2 (ja) | マンモグラム画像診断支援装置 | |
| JP2004041490A (ja) | 画像診断支援装置 | |
| JPH09251535A (ja) | ２次元多階調画像におけるパタン検出方法及び装置 | |
| Lou et al. | Object-based deformation technique for 3D CT lung nodule detection | |
| JPH08263641A (ja) | アイリスフィルターの演算方法 | |
| Matsubara et al. | Novel method for detecting mammographic architectural distortion based on concentration of mammary gland | |
| JP2638631B2 (ja) | 画像処理方法及び装置 | |
| JP2004195080A (ja) | 異常陰影検出装置 | |
| JP2002074325A (ja) | 異常陰影候補検出方法および装置 | |
| JP4173624B2 (ja) | 異常陰影候補の良悪性判定方法および装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050425 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050506 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050705 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060221 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060421 |
|
| 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: 20060516 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060517 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090526 Year of fee payment: 3 |
|
| 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: 20090526 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: 20090526 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100526 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110526 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |