JP4143149B2

JP4143149B2 - 領域抽出装置、領域抽出方法及びコンピュータ読み取り可能な記録媒体

Info

Publication number: JP4143149B2
Application number: JP31932297A
Authority: JP
Inventors: 弘之新畠
Original assignee: Canon Inc
Current assignee: Canon Inc
Priority date: 1997-11-20
Filing date: 1997-11-20
Publication date: 2008-09-03
Anticipated expiration: 2017-11-20
Also published as: JPH11151232A

Description

【０００１】
【発明の属する技術分野】
本発明はＸ線画像からの領域抽出装置、領域抽出方法及びこれらに用いられるコンピュータ読み取り可能な記録媒体に関する。
【０００２】
【従来の技術】
従来より、胸部Ｘ線画像から画像処理により肺野部輪郭線を求める方法が、例えば特開昭６３−２４０８３２号公報により提案されている。この方法は、胸部放射線画像データの１つの行又は列にのみ注目し、その１次元の濃度データ列の中で前後のデータの値の関係が予め定めた特定のパターンとなる点をその行又は列における輪郭の点とし、それらの輪郭の点を結んだ線を肺野の輪郭線とするものである。
【０００３】
また、肺領域に外接する方形領域を抽出する方法が、例えば特開平３−２１８５７８号公報により提案されている。この方法は、画像中央部の縦方向のプロジェクションを作成し、画像全体の右側及び左側の１／３のコラムにおいて、画像データの中央側から外側に向かって移動し、各移動点のプロジェクションとしきい値とを比較し、最初にしきい値以下になった点を肺野の左端と右端として決定する。同様に、画像中央部の横方向のプロジェクションを作成し、画像データの中央部から上方と下方に向かって移動し、各移動点のプロジェクションとしきい値とを比較し、最初にしきい値以下になった点を肺野の上端と下端として決定するものである。
【０００４】
【発明が解決しようとする課題】
しかしながら、上記特開昭６３−２４０８３２号公報による方法では、輪郭点を抽出するためのパターンがあらかじめ固定されており、一定条件下のパターンでないと輪郭点が抽出できないという問題があった。また、複数の輪郭点を抽出する処理及び輪郭点を結ぶ処理が必要であり、処理に時間がかかるという問題があった。
【０００５】
また、上記特開平３−２１８５７８号公報による方法では、肺領域の略外接領域しか求まらず、肺領域を精度よく抽出する必要がある場合には用をなさないという問題がある。
【０００６】
本発明は上記のような問題を解決するためになされたもので、肺領域を精度よく短時間で抽出できるようにすることを目的とする。
【０００７】
【課題を解決するための手段】
本発明の領域抽出装置は、被写体に放射線を照射することにより得られた画像データから被写体領域を抽出する領域抽出装置において、す抜け領域及び前記す抜け領域と一定幅で接する領域の画素を照射領域内から抽出することにより、被写体領域を抽出する手段を備えることを特徴とする。
本発明の領域抽出方法は、被写体に放射線を照射することにより得られた画像データから被写体領域を抽出する領域抽出方法において、す抜け領域及び前記す抜け領域と一定幅で接する領域の画素を照射領域内から抽出することにより、被写体領域を抽出する工程を備えることを特徴とする。
本発明のコンピュータ読み取り可能な記録媒体は、被写体に放射線を照射することにより得られた画像データから被写体領域を抽出する領域抽出方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体において、す抜け領域及び前記す抜け領域と一定幅で接する領域の画素を照射領域内から抽出することにより、被写体領域を抽出する工程をコンピュータに実行させるためのプログラムを記録したことを特徴とする。
【００１９】
【発明の実施の形態】
以下、本発明の実施の形態を説明する。
図１は本発明の第１の実施の形態による肺領域抽出装置の構成を示すブロック図である。
図１において、１０１はしきい値Ｔｈ１に基づき画像を２値化するしきい値処理部、１０２はしきい値処理部１０１で２値化された画像をラベリングするラベリング部、１０３はラベリング部１０２でラベリングされた画像のうち、画像端に接する領域および一定面積以下の領域を削除し、削除されなかった領域を肺領域とする肺領域抽出部である。
【００２０】
次に、動作について説明する。
しきい値処理部１０１は入力Ｘ線画像のしきい値処理を行う。例えば、しきい値Ｔｈ１より大きい画像濃度値を１、それ以下の画像濃度値を０として画像データを２値化する。尚、画像濃度値を０、１に限定せず、任意の２値でもよい。また、逆にしきい値Ｔｈ１より大きい画像濃度値を０、それ以下の画像濃度値を１として画像データを２値化してもよい。また、しきい値はしきい値を入力することで半２値化した画像を表示するビューアなどを見ながら人為的に決定するものである。次に、ラベリング部１０２では、しきい値処理部１０１で２値化された画像データのうち濃度値１の領域を、例えば「画像理解のためのディジタル画像処理」、ｐｐ４５−４６、昭晃堂（１９９３）（鳥脇純一郎著）に記載される方法でラベリング処理を行う。
【００２１】
図２に２値化画像の一例を示す。
図２において、輪郭線１０ａ、１０ｂで囲まれる領域が肺領域である。上記ラベリング処理によって、２値化画像の全面にわたって、黒い領域や輪郭線１０ａ、１０ｂを含む全ての輪郭線により囲まれた領域等を探索し、それらの領域の面積を画素数等により求めておく。
【００２２】
次に、肺領域抽出部１０３では、ラベリング部１０２でラベリングされた各領域のうち、面積Ｔｈ２以下の領域及び画像端（入力画像の最上段、最下段、最右段、最左段）に接する領域（図２の点線枠１１の外側の領域）を除去し、残った領域を肺領域とする。ここで、Ｔｈ２以下の領域は肺領域外で高濃度を示す領域、画像端に接する領域はＸ線のす抜け領域として除去する。
【００２３】
以上のように、この第１の実施の形態によれば、画像を見ながら人手で肺領域を選択する必要が無く、しきい値を入力するだけで肺領域を自動的に抽出できる効果がある。また、しきい値を入力するだけであるため、処理時間を短縮できる効果がある。また、人手で輪郭をなぞる場合には、肺輪郭にぶれを生じるが、精度よく肺輪郭も抽出できる効果がある。
【００２４】
図３は本発明の第２の実施の形態による肺領域抽出装置の構成を示すブロック図である。
図３において、２０１は肺領域内の最大濃度値と、この最大濃度値と同一水平線上の縦隔内の最小濃度値とを算出する特徴量抽出部である。２０２は特徴量抽出部２０１で算出された特徴量からしきい値を算出するしきい値推定部、１０１はしきい値推定部２０２で算出されたしきい値に基づき画像を２値化するしきい値処理部、１０２はしきい値処理部１０１で２値化された画像をラベリングするラベリング部、１０３はラベリング部１０２でラベリングされた画像のうち、画像端に接する領域および一定面積以下の領域を削除し、削除されなかった領域を肺領域とする肺領域抽出部である。
【００２５】
次に、動作について説明する。
まず、特徴量抽出部２０１の処理を図４のフローチャートに従い説明する。まず、照射領域内のす抜け領域及びす抜け領域と一定間隔内で接する体領域を例えば０画素で置き換える（ステップＳ３０１）。具体的には以下のような画像の変換を行う。
【００２６】
【数１】

【００２７】
ここで、ｆ（ｘ，ｙ）は画像データを示し、ｆ１（ｘ，ｙ）はす抜け領域及びす抜け領域と一定間隔内で接する体領域を削除した後の画像を示す。ｓｇｎ（ｘ，ｙ）は以下のように表される。尚、Ｔｈ１は実験により定められる定数、ｄ１、ｄ２は体領域を削除する幅を決める定数である。
ｓｇｎ（ｘ，ｙ）＝０ｆ（ｘ，ｙ）≧Ｔｈ１のとき
ｓｇｎ（ｘ，ｙ）＝１その他 ………（２）
【００２８】
次に、画像濃度値の最高値を算出する（ステップＳ３０２）。ここではす抜け領域除去後の画像データから最大濃度値を算出する。次に、上記算出された最高値の座標を通り、例えば体側に垂直方向のプロファイルを作成する。ここでは横軸方向のプロファイルを作成する（ステップＳ３０３）。次に、作成したプロファイルから凹部を算出する（ステップＳ３０４）。
【００２９】
具体的には、
（ｆ１（ｘ−ｄ，ｙ１）−ｆ１（ｘ，ｙ１））＞０
＆＆
（ｆ１（ｘ＋ｄ，ｙ１）−ｆ１（ｘ，ｙ１））＞０ ………（３）
なるｘ領域を算出する。ここで、ｙ１は上記算出した濃度の最高値のｙ軸上の座標の位置、ｄは実験的に定める定数を示す。次に、算出した凹部領域から濃度値の最低値を算出する（ステップＳ３０５）。
【００３０】
次に、しきい値推定部２０２では、特徴量抽出部２０１で算出した肺領域内の最大濃度値と、この最大濃度値と同一水平軸上の縦隔内の最低濃度値とからしきい値を推定する。推定に用いる関数は、例えば線形回帰式、ニューラルネットワーク等を用いる。尚、詳細は第３、第４の実施の形態において説明する。しきい値処理部１０１はしきい値推定部２０２で算出されたしきい値に基づき入力画像のしきい値処理を行う。次に、ラベリング部１０２では、しきい値処理部１０１で２値化された画像データのうち、濃度値１の領域に対してラベリング処理を行う。
【００３１】
次に、肺領域抽出部１０３では、ラベリング部１０２でラベリングされた領域のうち、面積Ｔｈ２以下の領域及び画像端（入力画像の最上段、最下段、最右段、最左段）に接する領域を除去し、残った領域を肺領域とする。ここで、Ｔｈ２以下の領域は肺領域外で高濃度を示す領域、画像端に接する領域はす抜け領域として除去する。
【００３２】
以上のようにこの第２の実施の形態によれば、画像内の特徴量からしきい値を推定することにより、人為的な処理を省くことができ、処理時間を短縮できる効果がある。また、肺領域内の最大濃度値とこの最大濃度値と同一水平軸上の縦隔内の最低濃度値とを用いることにより、しきい値を精度よく推定できるため、肺領域を精度よく抽出できる効果がある。
【００３３】
図５は本発明の第３の実施の形態による肺領域抽出装置の構成を示すブロック図である。
図５において、２０１は肺領域内の最大濃度値と、この最大濃度値と同一水平線上の縦隔内の最小濃度値とを算出する特徴量抽出部、４０２はしきい値を入力するしきい値入力部、４０３は特徴量抽出部２０１で抽出された特徴量と、しきい値入力部４０２で入力されたしきい値を記憶する記憶部、４０４は肺領域内の最大濃度値と、この最大濃度値と同一水平線上の縦隔内の最小濃度値とからしきい値を推定する関数を学習する学習部である。
【００３４】
次に、動作について図６のフローチャートと共に説明する。
まず、肺領域を撮影した画像を読み込み、しきい値を入力することで半２値化表示できるモニタに表示し、肺領域が最適に現れるしきい値を決定する（ステップＳ５０１、Ｓ５０２）。次に、しきい値入力部４０２で上記決定されたしきい値を入力する（ステップＳ５０３）。さらに特徴量抽出部２０１で、第２の実施の形態と同様の方法を用いて肺領域内の最大濃度値と、この最大濃度値と同一水平軸上の縦隔内の最小濃度値とを算出する（ステップＳ５０４）。そして、上記特徴量と上記しきい値とを記憶部４０３に記憶する（ステップＳ５０５）。以下、学習に必要なデータ数が得られるまでステップＳ５０１からＳ５０５を繰り返す。
【００３５】
学習部４０４では、記憶された上記特徴量からしきい値を推定する関数を学習する（ステップＳ５０６）。ここでは、目的変数をしきい値入力部４０２で入力したしきい値、説明変数をこのしきい値に対応する最大濃度値と同一水平線上の縦隔内の最小濃度値とし、例えば「多変量解析のはなし」ｐｐ３７−７７、東京図書（１９９５）（有馬哲著）に示される重回帰分析で学習する。
【００３６】
以上のようにこの第３の実施の形態によれば、学習に重回帰分析を用いることにより、上記特徴量からしきい値を推定する関数を短時間で精度よく作成することができる効果が得られる。また、学習用データを逐次的に増加可能であり、増加した時点で関数の学習が可能であるため、データの蓄積に従いより精度のよい関数を学習できる効果が得られる。
【００３７】
図７は本発明の第４の実施の形態による構成を示す図であり、学習部４０４における関数に用いるニューラルネットの構成図を示す。図７において、入力層のセル数を、肺領域内の最大濃度値と、この最大濃度値と同一水平軸上の縦隔内の最小濃度値とに対応する２セル（Ｏ₆、Ｏ₇）、中間層を例えば４セル（Ｏ₂、Ｏ₃、Ｏ₄、Ｏ₅）、出力層のセル数をしきい値に対応する１セル（Ｏ₁）としている。
【００３８】
次に、動作について説明する。
記憶部４０３に記憶されるデータを用い、上記肺領域内の最大濃度値と、最大濃度値と同一水平線上の縦隔内の最小濃度値とを入力とし、この入力される特徴に対応するしきい値を出力とする関数を学習する。関数の学習には、図７に示すように、例えばセルを層状に結合した全結合３層のフィードフォワード型ニューラルネットを用いＰ．Ｄ．Ｐ．，Ｖｏｌ．１（ｐｐ３１８−３６２、ＭＩＴｐｒｅｓｓ、Ｃａｍｂｒｉｄｇｅ，ＭＡ、１９８６）に記される誤差逆伝播法を用いる。上記入力層の２セル（Ｏ₆、Ｏ₇）に、上記肺領域内の最大濃度値と、この最大濃度値と同一水平線上の縦隔内の最小濃度値とを、教師信号として特徴量に対応するしきい値を出力層のセルＯ₁に与える。ここでは、中間層のセル数を４としているが、学習データ数に応じて任意に変更してよい。
【００３９】
以上のように、この第４の実施の形態によれば、関数としてニューラルネットを用いるため、入力データと出力データとの関係に非線型性を含む場合にも、精度よく出力値を推定できる効果が得られる。
【００４０】
図８は本発明の第５の実施の形態による肺領域抽出装置の構成を示すブロック図である。
図８において、７０１はす抜け領域とす抜け領域と一定幅で接する体内領域を削除するす抜け削除部、７０２はす抜け削除部７０１で削除されなかった領域を入力されたしきい値に基づき画像を２値化するしきい値処理部、７０３はしきい値処理部７０２で２値化された画像から一定幅以下の領域を削除するノイズ除去部、７０４はノイズ除去部７０３で削除されなかった領域を肺領域とする肺領域抽出部である。
【００４１】
次に、動作について説明する。
す抜け削除部７０１ではす抜け領域とす抜け領域と一定幅で接する領域を削除する。具体的には、照射領域内のす抜け領域及びす抜け領域と一定間隔内で接する体領域を例えば０画素で置き換える前記（１）（２）式で示したような画像の変換を行う。
【００４２】
次に、しきい値処理部７０２は、入力されるしきい値Ｔｈ３以下の画像データを０、それ以上を１に置き換えて画像を２値化する。そして、ノイズ除去部７０３は、しきい値処理部７０２で画素値１に置き換えられた領域のうち一定幅以下の領域を削除する。具体的にはまず収縮処理を以下のように行う。
ｆ２（ｘ，ｙ）＝ｍｉｎ｛ｆ１（ｘ＋ｘ１，ｙ＋ｙ１）｜−ｄ３≦ｘ１≦ｄ３，−ｄ４≦ｙ１≦ｄ４｝ ………（４）
ここで、ｆ１（ｘ，ｙ）は閾値処理後の画像データ、ｆ２（ｘ，ｙ）は収縮処理後の画像データを示す。
【００４３】
次に、膨張処理を以下のように行う。
ｆ３（ｘ，ｙ）＝ｍａｘ｛ｆ２（ｘ＋ｘ１，ｙ＋ｙ１）｜−ｄ３≦ｘ１≦ｄ３，−ｄ４≦ｙ１≦ｄ４ ………（５）
ここで、ｆ２（ｘ，ｙ）は収縮処理後の画像データ、ｆ３（ｘ，ｙ）は膨張処理後の画像データを示す。次に、肺領域抽出部７０４は、ノイズ除去部７０３でのノイズ除去後の画像に対し、１画素の領域を肺領域とする。
【００４４】
以上のようにこの第５の実施の形態によれば、す抜け領域及びす抜け領域と一定幅で接する領域を除去し、ノイズ除去処理を行うことにより、ラベリング処理を行わなくても肺領域の抽出が可能であり、より短時間で肺領域を抽出できる効果がある。
【００４５】
図９は本発明の第６の実施の形態による肺領域抽出装置の構成を示すブロック図である。
図９において、２０１は肺領域内の最大濃度値と、この最大濃度値と同一水平線上の縦隔内の最小濃度値とを算出する特徴量抽出部である。２０２は特徴量抽出部２０１で算出された特徴量からしきい値を算出するしきい値推定部、７０１はす抜け領域とす抜け領域と一定幅で接する体内領域を削除するす抜け削除部、７０２はす抜け削除部７０１で削除されなかった領域をしきい値推定部２０２で推定されたしきい値に基づき画像を２値化するしきい値処理部、７０３はしきい値処理部７０２で２値化された画像から一定幅以下の領域を削除するノイズ除去部、７０４はノイズ除去部７０３で削除されなかった領域を肺領域とする肺領域抽出部である。
【００４６】
次に、動作について説明する。
特徴量抽出部２０１は肺領域内の最大濃度値と、この最大濃度値と同一水平線上の縦隔内の最小濃度値とを算出し、しきい値推定部２０２は特徴量抽出部２０１で算出された特徴量からしきい値を算出する。す抜け削除部７０１はす抜け領域及びす抜け領域と接する体内領域を削除し、しきい値処理部７０２はす抜け削除部７０１で削除されなかった領域をしきい値推定部２０２で算出されたしきい値に基づき２値化する。そして、ノイズ除去部７０３がしきい値処理部２０２で２値化されか画像中の一定幅以下の画像を削除し、肺領域抽出部７０４がノイズ除去部７０３で除去されなかった領域を肺領域とするものである。
【００４７】
以上のようにこの第６の実施の形態によれば、す抜け領域及びす抜け領域と一定幅で接する領域を削除し、ノイズ除去処理を行うことにより、ラベリング処理を行わなくても肺領域の抽出が可能であり、さらに、しきい値をしきい値推定部２０２により算出するため、人為的な操作を行うことなく自動的に短時間で精度よく肺領域を抽出できる効果がある。
【００４８】
尚、図１、図３、図５、図８及び図９の各機能ブロックによるシステムは、ハード的に構成してもよく、またＣＰＵやメモリ等から成るマイクロコンピュータシステムに構成してもよい。マイクロコンピュータシステムに構成する場合、上記メモリは本発明による記憶媒体を構成する。この記憶媒体には、図４、図６のフローチャートに示す処理を含む処理を実行するためのプログラムが記憶される。また、この記憶媒体としてはＲＯＭ、ＲＡＭ等の半導体メモリ、光ディスク、光磁気ディスク、磁気媒体等を用いてよく、これらをＣＤ−ＲＯＭ、フロッピディスク、磁気テープ、不揮発性のメモリカード等として用いてよい。
【００４９】
【発明の効果】
本発明によれば、画像を見ながら手作業で肺領域を選択することなく、肺抽出処理を短時間に精度よく行うことができる効果がある。
【００５０】
また、請求項２、９、１６の発明によれば、入力画像の特徴量を抽出し、この特徴量に基づいてしきい値を推定し、推定されたしきい値を用いて２値化した後、ラベリングして肺領域を抽出するようにしたことにより、しきい値を入力する作業も必要なくなり、さらに短時間に処理を行うことができる。特に肺領域内の最大濃度値とこの最大濃度値と同一水平軸上の縦隔内の最低濃度値とを特徴量として抽出し、この特徴量からしきい値を推定することにより、適切なしきい値を得ることができる効果が得られる。
【００５１】
また、請求項３、１０、１７の発明によれば、入力画像からす抜け領域とこのす抜け領域に接する体部分を一定幅内で削除し、削除しきれない領域を２値化し、この２値化画像の一定幅以下の領域をノイズ除去し、除去されなかった領域を肺領域として抽出するようにしたことにより、ラベリング処理を行うことなく肺領域を精度よく短時間に抽出できる効果がある。
【００５２】
請求項４、１１、１８の発明によれば、入力画像からす抜け領域とこのす抜け領域に接する体部分を一定幅内で削除し、削除されなかった領域を、入力画像の特徴量に基づいて推定したしきい値に基づいて２値化し、２値化画像のうち一定幅以下の領域をノイズ除去し、除去されなかった領域を肺領域とするようにしたことにより、手作業を除去することができると共に、ラベリング処理を行う必要が無いため、肺領域をさらに短時間で精度よく抽出できる効果が得られる。
【００５３】
請求項５、１２、１９の発明によれば、入力画像の特徴量と、肺領域抽出のためのしきい値とを記憶し、この記憶された値に基づいて、上記特徴量から上記肺領域抽出のためのしきい値を推定する関数を学習するようにしたことにより、データの蓄積に従いさらに精度のよいしきい値を推定する関数を学習できる効果がある。
【００５４】
請求項６、１３、２０の発明によれば、上記しきい値を推定する関数を線形回帰分析で学習するようにしたことにより、短時間で精度よくしきい値を推定できる関数を得られる効果がある。
【００５５】
請求項７、１４、２１の発明によれば、上記学習を行う際の上記しきい値を推定する関数をニューラルネットとするため、入力データと出力データとの関係に非線形性を含む場合にも、精度よく出力値を推定できる効果が得られる。
【図面の簡単な説明】
【図１】本発明の第１の実施の形態の構成を示すブロック図である。
【図２】２値化画像の一例を示す構成図である。
【図３】本発明の第２の実施の形態の構成を示すブロック図である。
【図４】特徴量抽出の処理手順を示すフローチャートである。
【図５】本発明の第３の実施の形態の構成を示すブロック図である。
【図６】本発明の第４の実施の形態の処理手順を示すフローチャートである。
【図７】本発明の第５の実施の形態のニューラルネットの構造を示す構成図である。
【図８】本発明の第６の実施の形態の構成を示すブロック図である。
【図９】本発明の第７の実施の形態の構成を示すブロック図である。
【符号の説明】
１０１しきい値処理部
１０２ラベリング部
１０３肺領域抽出部
２０１特徴量抽出部
２０２しきい値推定部
４０２しきい値入力部
４０３記憶部
４０４学習部
７０１す抜け削除部
７０２しきい値処理部
７０３ノイズ除去部
７０４肺領域抽出部

Claims

被写体に放射線を照射することにより得られた画像データから被写体領域を抽出する領域抽出装置において、
す抜け領域及び前記す抜け領域と一定幅で接する領域の画素を照射領域内から抽出することにより、被写体領域を抽出する手段を備えることを特徴とする領域抽出装置。
該被写体領域内から肺領域を抽出する肺領域抽出手段を備えることを特徴とする請求項１に記載の領域抽出装置。
前記肺領域抽出手段は、前記被写体領域内の最大画素値と該被写体領域内におけるプロファイルの凹部の最小画素値とに基づき定められる領域を肺領域として抽出することを特徴とする請求項２に記載の領域抽出装置。
前記プロファイルは、前記最大画素値を示す画素と同一水平線上における画素値列であることを特徴とする請求項３に記載の領域抽出装置。
前記最大画素値及び前記最小画素値に基づき定まる閾値以上の値を示す前記被写体領域内における画素を肺領域として抽出することを特徴とする請求項３に記載の領域抽出装置。
前記閾値は、前記最大画素値及び前記最小画素値を入力値とする回帰式又はニューラルネットの出力値であることを特徴とする請求項５に記載の領域抽出装置。
被写体に放射線を照射することにより得られた画像データから被写体領域を抽出する領域抽出方法において、
す抜け領域及び前記す抜け領域と一定幅で接する領域の画素を照射領域内から抽出することにより、被写体領域を抽出する工程を備えることを特徴とする領域抽出方法。
被写体に放射線を照射することにより得られた画像データから被写体領域を抽出する領域抽出方法をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体において、
す抜け領域及び前記す抜け領域と一定幅で接する領域の画素を照射領域内から抽出することにより、被写体領域を抽出する工程をコンピュータに実行させるためのプログラムを記録したコンピュータ読み取り可能な記録媒体。