JP4169967B2 - 画像診断支援装置 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、コンピュータ画像処理を用いて医用画像から病巣候補とされる陰影等を抽出し、抽出された病巣の候補とされる陰影を識別可能に表示する画像診断支援装置に関する。
【０００２】
【従来の技術】
従来、ＣＴ装置やＭＲＩ装置で撮影された画像の陰影をコンピュータを用いて解析し、その陰影の中から病巣候補を絞り込んで医者に提示し、医者の判断を仰ぐという診断支援が行われている。陰影の中から病巣候補を絞り込むものとして、肺野の医用画像を例にしたものが種々報告されている。その中の一つとして、肺野の医用画像の中から細長い血管陰影と円形に近い癌陰影を識別する方法として、例えば"クオイトフ ィルタ"（１９９９年１１月第９回コンピュータ支援画像診断学会大会論文集２１ページ に記載）が報告されている。肺野の医用画像には、癌などの陰影のほか、血管、血管の断面、気管支の断面などが混在して写っているので、これらの画像の中から癌候補と思われる陰影を抽出して医者に提示することが望ましい。
【０００３】
【発明が解決しようとする課題】
しかしながら、実際の陰影は大きさも形も様々であり、陰影の識別能力をあげるにはパラメータの調節に多くの労力を要し、使いにくいものであった。大きさや形の異なる陰影を統一的に扱える方法があれば、コンピュータプログラムを作成するのも容易となり、識別能力をあげるためのパラメータの調節も容易となる。また、簡単な処理で陰影の中から病巣候補を絞り込むことができれば、コンピュータの演算時間も少なくて済み、早く正確な病巣候補を抽出することができるようになる。また、抽出された病巣候補を医者に瞬時に表示することが可能となるので望ましい。
そこで、本願の出願人は、大きさや形の異なる陰影を統一的に扱うことができ、コンピュータ演算に要する時間も短時間で済む画像診断支援装置を出願している（特願２００１−１８７９６９号）。この画像診断支援装置は、磁気ディスク等の記憶装置からＣＴ装置によって撮影された患者のＣＴ画像を読み込み、読み込まれたＣＴ画像の中から診断対象臓器に対して多値化処理を施し、多値化画像を生成する。この多値化画像は、複数の臓器の部位又は臓器同士が連結している場合があるので、それらを個々の部位又は臓器に分離するための切断処理を行なう。そして、切断された各診断対象臓器の部位又は臓器の種類に対応した最適な検出処理を行う。この検出処理では、部位又は臓器の種類等を判断して、それらに適した画像処理を施し、病巣候補陰影を絞り込み、病巣の候補とされる陰影すなわち異常陰影を検出している。この異常陰影検出処理は、原画像（ＣＴ画像）を使わずに、多値化画像だけに基づいて行なったり、ＣＴ画像及び多値化画像の両方に基づいて行なっている。そして、異常陰影と判定されたものを病巣部として残し、そうでないものを削除し、異常陰影についてＣＴ画像中に分かりやすいように色情報やマーカー等を付加して表示している。
上述の出願では、切断処理する方法として種々の提案を行なっているが、血管の分岐部分や癌などの病巣陰影にひげ状の血管が結合しているものなどについては、切断処理が効率的に機能しないことがあった。従って、切断処理を効率的に行い、異常陰影の処理を行なうことが重要な課題であった。また、上述の出願では、異常陰影を検出処理する方法として種々の提案を行い、陰影を異常陰影の候補にすべきかどうかの判定を行なっているが、一般的に、陰影のどのような特徴を利用するかによって、異常陰影の候補検出率に違いが出てくる。従って、いかに優れた特徴量を用いて検出処理を行なうかが重要な課題であった。
【０００４】
本発明の目的は、ＣＴ画像、ＭＲ画像、超音波画像及び過去画像と現在画像の差画像等を含めた医用画像から病巣候補などをコンピュータを用いて自動的に判別する際に、多値化された陰影であって、血管の分岐部分や病巣陰影にひげ状の血管が結合しているものなどについて切断処理を効率的に行なうことのできる画像診断支援装置を提供することにある。
【０００５】
本発明の目的は、ＣＴ画像、ＭＲ画像、超音波画像及び過去画像と現在画像の差画像等を含めた医用画像から病巣候補などをコンピュータを用いて自動的に判別する際に、陰影の持つ特徴を利用し、異常陰影の候補検出率の高い検出処理を行なうことができる画像診断支援装置を提供することにある。
【０００６】
【課題を解決するための手段】
請求項１に係る画像診断支援装置は、医用画像又は前記医用画像の中から判別対象となる陰影の種類に応じた画素値範囲に属する画素だけを抽出して作成された判別対象医用画像に対して所定の画像処理を施して多値化画像を作成する多値化手段と、前記多値化画像に基づいて陰影の中心又は重心を検出し、前記陰影の中心又は重心付近を基準点とする所定長の半径を前記多値化画像、前記医用画像又は前記判別対象用医用画像中の陰影上で回転させて、前記半径と前記多値化画像の縁との交点を基準にして前記多値化画像の内外に所定距離だけ離れた少なくとも２個所における前記医用画像又は前記判別対象用医用画像中の陰影の画素値をサンプリングし、前記２個所の画素値の差分値に基づいて前記陰影が病巣候補陰影であるか否かを判別する抽出手段とを備えたものである。医用画像には、癌などの陰影のほか、血管、血管の断面、気管支の断面などが混在して写っているので、医用画像に直接画像処理を施したとしても病巣の候補とされる病巣候補陰影を抽出することは非常に困難である。そこで、この発明では、多値化手段によって医用画像を多値化し、その多値化画像に基づいて陰影の中心又は重心座標などを求め、その中心座標を基準にしてさらに多値化画像に種々の画像処理を施して、血管、血管の断面、気管支の断面などのような病巣ではない陰影を効率的に削除し、結果として病巣確信度の高い病巣候補陰影だけを抽出するようにした。病巣候補陰影だけを抽出する方法の一つとして、この発明では、医用画像又は判別対象用画像中の陰影は、その境界付近の濃度すなわちＣＴ値がぼんやりしており、様々な濃度値（ＣＴ値）を示すことが分かっている。そこで、多値化画像の陰影の縁を基準に、その内外２個所における実際の医用画像又は判別対象用画像の陰影の濃度差すなわち画素値の差分値を求めることによって、その陰影が病巣候補陰影であるかそうでないかを判別することができる。
【０００７】
請求項２に係る画像診断支援装置は、請求項１において、前記抽出手段が、前記半径と前記多値化画像の縁との交点を基準にして前記多値化画像の内外に所定距離だけ離れた前記半径上の少なくとも２個所における前記医用画像又は前記判別対象用医用画像中の陰影の画素値をサンプリングするものである。これは、多値化画像の陰影の縁を基準にした内外の２個所の位置として、動径（多値化画像の陰影の中心又は重心を中心に回転する半径）上の点を用いるようにしたものである。
【０００８】
請求項３に係る画像診断支援装置は、請求項１において、前記抽出手段が、前記半径と前記多値化画像の縁との交点を含むように前記多値化画像の縁に形成された接線に対して垂直な線上であって、前記交点を基準にして前記多値化画像の内外に所定距離だけ離れた少なくとも２個所における前記医用画像又は前記判別対象用医用画像中の陰影の画素値をサンプリングするものである。これは、多値化画像の陰影の縁を基準にした内外の２個所の位置として、多値化画像の陰影の縁の形成される接線に対して垂直な線上の点を用いるようにしたものである。
【０００９】
請求項４に係る画像診断支援装置は、請求項１、２又は３において、前記抽出手段が、前記半径の回転時の角度を横軸として前記２個所の画素値の差分値に基づいた差分値波形を作成し、前記差分値波形に基づいて前記陰影が病巣候補陰影であるか否かを判別するものである。これは、多値化画像の内外２個所の差分値の波形を動径の角度を横軸として作成した差分値波形に基づいて病巣候補陰影の判別を行なうようにしたものである。陰影が病巣候補の場合と、血管断面の陰影の場合とでは、この差分値波形に顕著な相違が現れるからである。一般に、病巣候補陰影でないものは、陰影内の濃度は一つのピークを有するような単純なものとなり、病巣候補陰影の場合は、逆に複数のピークを有するような複雑なものとなることが知られている。従って、このような陰影について差分値波形を求めると、病巣候補陰影でない場合は比較的変化の少ない波形を示し、病巣候補陰影の場合は変化の多い波形を示すようになる。そこで、ここでは、これらの差分値波形に基づいて、陰影が病巣候補陰影であるか否かを判別している。
【００１０】
請求項５に係る画像診断支援装置は、請求項４において、前記抽出手段が、前記差分値波形をフーリエ変換し、このフーリエ変換の結果に基づいて、前記陰影が病巣陰影であるか否かを判別するものである。これは、差分値波形の特徴を抽出するためにフーリエ変換し、その結果を用いて病巣候補陰影の判別を行なうようにしたものである。前述のように、差分値波形は、病巣候補陰影でない場合は比較的変化の少ない波形を示し、病巣候補陰影の場合は変化の多い波形を示すので、そのフーリエ変換の結果も同様に、病巣候補陰影の場合の方が、血管端末の陰影などに比べて高周波側にずれる傾向がある。従って、高周波側へのずれ量、例えばピーク位置のずれが陰影の特徴量となる。ピーク位置が所定の値より高周波側にあると判定した場合は、陰影を病巣候補陰影とし、そうでない場合には、病巣候補陰影ではないと判別する。
【００１１】
請求項６に係る画像診断支援装置は、請求項５において、前記抽出手段が、前記フーリエ変換の結果、その周波数成分の大小関係に基づいて、前記陰影が病巣陰影であるか否かを判別するものである。これは、フーリエ変換した結果の周波数成分の大小関係に基づいて判別するようにしたものである。
【００１２】
請求項７に係る画像診断支援装置は、請求項５において、前記抽出手段が、前記フーリエ変換の結果、その周波数成分のピークを示す周波数の大小に基づいて、前記陰影が病巣陰影であるか否かを判別するものである。これは、フーリエ変換した結果の周波数成分のピークを示す周波数の大小に基づいて判別するようにしたものである。
【００１３】
請求項８に係る画像診断支援装置は、請求項４において、前記抽出手段が、前記差分値波形において、前記多値化画像の内側に位置する画素値が前記多値化画像の外側に位置する画素値よりもも小さい場合の割合を求め、その割合が一定値よりも大きいか否かに基づいて、前記陰影が血管の末端であると見なして、病巣候補陰影から除外するものである。これは、請求項４で求められた差分値波形に基づいて直接判別するようにしたものであり、血管の末端の陰影の場合、それに接続する血管部分の陰影が存在するので、差分値波形の一部において多値化画像の内側に位置する画素値が多値化画像の外側に位置する画素値よりもも小さい場合があり、その割合が一定値よりも大きくなるので、そのような場合は血管の末端であると見なすことにした。
【００１４】
請求項９に係る画像診断支援装置は、請求項１において、前記抽出手段が、前記多値化画像に基づいて陰影の中心又は重心を検出し、前記陰影の中心又は重心付近を基準点として所定長の直線を前記多値化画像、前記医用画像又は前記判別対象用医用画像中の陰影上で回転させて、前記直線と前記多値化画像、前記医用画像又は前記判別対象用医用画像中の陰影と交差する直線部分の長さの最小値を求め、前記最小値に基づいて切断半径を求め、前記切断半径によって形成される切断円に含まれる前記陰影を残し、それ以外の陰影を除去し、残った陰影が病巣候補陰影であるか否かを判別するものである。孤立領域の切断で最も簡単な場合は円形による切断である。これは、切断円形の半径に対象孤立領域の属性を反映させるようにしたものであり、陰影の動径最小値に基づいて切断円形の半径を決定し、切断処理を行なうようにしたものである。
【００１５】
請求項１０に係る画像診断支援装置は、請求項１において、前記抽出手段が、前記多値化画像に基づいて陰影の中心又は重心を検出し、前記陰影の中心又は重心付近を基準点として所定長の直線を前記多値化画像、前記医用画像又は前記判別対象用医用画像中の陰影上で回転させて、前記直線と前記多値化画像、前記医用画像又は前記判別対象用医用画像中の陰影と交差する直線部分の長さの最小値及び最大値値を求め、前記最小値と前記最大値との比に基づいて切断半径を求め、前記切断半径によって形成される切断円に含まれる前記陰影を残し、それ以外の陰影を除去し、残った陰影が病巣候補陰影であるか否かを判別するものである。これは、動径の最小値及び最大値の比に基づいて切断円形の半径を決定し、切断処理を行なうようにしたものである。
【００１６】
請求項１１に係る画像診断支援装置は、請求項９において、前記抽出手段が、前記多値化画像に基づいて陰影の中心又は重心を検出し、前記中心又は重心から前記陰影の縁部までの距離を前記陰影の全周囲に渡って求め、全周囲に渡って求められた距離の分散値又は標準偏差値を求め、前記分散値又は標準偏差値と前記最小値に基づいて前記陰影が病巣候補陰影であるか否かを判別するものである。これは、動径と陰影の縁部までの距離の分散値又は標準偏差を求め、それを請求項９で求めた最小値と関連付けて、判別処理を行なうようにしたものである。
【００１７】
請求項１２に係る画像診断支援装置は、請求項１０において、前記抽出手段が、前記陰影領域の面積を求めると共に前記陰影領域の縁部に形成される凹部領域の面積を求め、前記陰影領域の面積と前記凹部領域の面積との比率を求め、求められた比率と前記最小値と前記最大値との比とに基づいて前記陰影が病巣候補陰影であるか否かを判別するものである。これは、陰影の面積とその縁部の凹部領域の面積を求め、その面積の比率を、請求項１０で求めた最小値と最大値との比に関連付けて、判別処理を行なうようにしたものである。
【００１８】
請求項１３に係る画像診断支援装置は、請求項１０において、前記抽出手段が、前記陰影領域の面積を求めると共に前記陰影領域の縁部に形成される凹部領域の面積を求め、前記前記凹部領域の面積の中で最も大きい二つの面積の重心位置付近を直線又は曲線で接続し、この直線又は曲線を用いて前記陰影領域を切断するものである。これは、陰影の縁部の凹部領域の面積を求め、その面積の中で大きいもの二つを用いて、陰影の切断処理を行なうようにしたものである。血管陰影に病巣候補陰影が重なっている場合には、この処理によって血管陰影と病巣候補陰影を切断することができる。
【００１９】
請求項１４に係る画像診断支援装置は、請求項１３において、前記直線又は前記曲線を用いて切断された前記陰影について病巣候補陰影であるか否かを判別するものである。これは、請求項１３の切断処理後の両方の陰影について病巣候補陰影の判別処理を行なうようにしたものである。
【００２０】
請求項１５に係る画像診断支援装置は、請求項１４において、前記直線又は前記曲線を用いて切断された前記陰影について、切断前の陰影の中心又は重心を含まない方の切断後陰影を削除し、削除後の陰影が病巣候補陰影であるか否かを判別するものである。一般的に病巣候補陰影を含む部分に陰影の中心又は重心が存在する場合が多いので、これは、請求項１３の切断処理後に中心又は重心を含まない方の陰影を削除するようにしたものである。
【００２１】
請求項１６に係る画像診断支援装置は、請求項１において、前記抽出手段が、前記多値化画像の所定の領域を複数の領域に分割し、分割されたそれぞれの領域に異なるパラメータを割り当て、前記多値化画像に基づいて検出された陰影の中心又は重心が位置する前記分割領域に割り当てられているパラメータを用いて前記陰影の切断処理又は病巣候補陰影であるか否かを判別処理を行なうものである。これは、判定基準値であるパラメータを画像の臓器の位置に依存させるようにしたものであり、多値化画像に基づいて臓器に該当する領域を分割し、その分割領域毎に異なるパラメータを割り当てるようにしたものである。これによって、臓器の位置に応じた適切なパラメータの設定を行なうことが可能となる。
【００２２】
請求項１７に係る画像診断支援装置は、請求項１において、前記抽出手段が、前記多値化画像に基づいて平均値画像を作成し、前記多値化画像又は前記平均値画像に基づいて陰影の中心又は重心を検出し、前記陰影の中心又は重心付近を基準点として所定長の直線を前記多値化画像及び前記平均値画像中の陰影上で回転させて、前記直線と前記多値化画像及び前記平均値画像中の陰影と交差する直線部分の長さの差分値を求め、前記直線の回転時の角度を横軸として前記差分値に基づいた差分値波形を作成し、前記差分値波形に基づいて前記陰影が病巣候補陰影であるか否かを判別するものである。これは、多値化画像をさらに所定の区画領域で平均化して平均値画像を作成し、この多値化画像及び平均値画像と動径とが交差する直線部分の長さの差分値を求め、その差分値波形に基づいて病巣候補陰影の判別処理を行なうようにしたものである。病巣候補陰影の場合は、平均値画像も多値化画像とほとんど変わらないが、血管の断面陰影の場合は、多値化画像と平均値画像における陰影の形状が異なり、差分値波形の変化が大きくなるので、これに基づいて病巣候補陰影の判別を容易に行なうことができる。
【００２３】
請求項１８に係る画像診断支援装置は、請求項１において、前記多値化手段によって処理される前に前記医用画像の中から不要なものを取り除き、異常陰影検出処理の対象となるものを選択する処理画像選択手段を備えたものである。医用画像などの数は増加する傾向にあり、一回の検査で大量の医用画像が生成される。そこで、この発明では、大量の医用画像の中から不要なものを取り除き、異常陰影検出処理の対象となるものを選択するようにした。これによって、異常陰影検出処理を効率化することができる。
【００２４】
請求項１９に係る画像診断支援装置は、請求項１８において、前記処理画像選択手段が、前記医用画像の中で所定の領域の面積が最も大きい第１の医用画像を抽出し、前記第１の医用画像とその前後の医用画像との間で前記所定の領域の相関を取り、その相関値の大きさに基づいて前記前後の医用画像が前記異常陰影検出処理の対象となるか否かを判断し、前記相関の比較対象となる医用画像を順次前後にシフトして前記異常陰影検出処理の対象となるか否かの判断を行なうものである。これは、大量の医用画像の中から不要な画像を選択する場合の処理に関するものであり、医用画像の中の所定の領域、例えば肺野領域に注目し、その領域が最も大きい第１の医用画像を抽出する。通常、所定の領域が最も大きい医用画像は大量の画像の中の中間部に位置するので、この第１の医用画像を基準としてその前後に多数の医用画像が存在することになる。そこで、前後の医用画像間で所定領域の相関を取り、その相関に基づいて所定領域が存在するか否かを判断し、存在する場合には、それは処理の対象とする。この処理を前後にシフトして順次行なうことによって、相関のとれない画像が存在するようになるので、その場合にはその画像より前後のものは所定領域を含まないものとして、処理の対象から除外するようにした。これによって、大量の画像の中から処理対象となる画像を抽出することができる。
【００２５】
請求項２０に係る画像診断支援装置は、医用画像又は前記医用画像の中から判別対象となる陰影の種類に応じた画素値範囲に属する画素だけを抽出して作成された判別対象医用画像に対して所定の画像処理を施して多値化画像を作成する多値化手段と、前記多値化画像、前記医用画像及び前記判別対象医用画像のいずれか一つに基づいて少なくとも１つ以上の判別処理を実行して病巣の候補とされる病巣候補陰影を抽出する抽出手段と、異常陰影検出処理前の医用画像と前記抽出手段によって抽出された前記病巣候補陰影を含む医用画像と類似非異常陰影を含む医用画像とを並べて表示する表示手段とを備えたものである。これは、異常陰影検出処理前の医用画像と同時にがん陰影を含む医用画像及びがん陰影ではないがそれに近い類似非がん陰影を含む医用画像を同時に表示するようにしたものであり、これによって、医師はこれらの医用画像の陰影を参照しながら、未知の医用画像の陰影について適切な判断を行なうことができるようになる。
【００２６】
【発明の実施の形態】
以下添付図面に従って本発明に係る画像診断支援装置の好ましい実施の形態について説明する。
図１は、本発明が適用される画像診断支援装置全体のハードウエア構成を示すブロック図である。この画像診断支援装置は、例えばＸ線ＣＴ装置等で被検体の対象部位について収集した複数の断層像（ＣＴ画像など）に基づいて、抽出された病巣候補陰影等を表示したり、抽出された病巣候補陰影等の中から確信度の高いものを絞り込んで表示した。また、これらの処理の途中における画像を表示したりするものである。この画像診断支援装置は、各構成要素の動作を制御する中央処理装置（ＣＰＵ）４０と、装置全体の制御プログラムが格納された主メモリ４２と、複数の断層像データ及びプログラム等が格納された磁気ディスク４４と、表示用の画像データを一時記憶する表示メモリ４６と、この表示メモリ４６からの画像データに基づいて画像を表示する表示装置としてのＣＲＴディスプレイ４８と、画面上のソフトスイッチを操作するマウス５０及びそのコントローラ５２と、各種パラメータ設定用のキーやスイッチを備えたキーボード５４と、スピーカ５７と、上記各構成要素を接続する共通バス５６とから構成される。この実施の形態では、主メモリ４２以外の記憶装置として、磁気ディスク４４のみが接続されている場合を示しているが、これ以外にフロッピディスクドライブ、ハードディスクドライブ、ＣＤ−ＲＯＭドライブ、光磁気ディスク（ＭＯ）ドライブ、ＺＩＰドライブ、ＰＤドライブ、ＤＶＤドライブなどが接続されていてもよい。さらに、通信インターフェイスを介してＬＡＮ （ローカルエリアネットワーク）やインターネット、電話回線などの種々の通信ネットワーク５８上に接続可能とし、他のコンピュータやＣＴ装置５９などとの間で画像データのやりとりを行えるようにしてもよい。また、画像データのやりとりは、Ｘ線ＣＴ装置やＭＲＩ装置などの被検体の断層像が収集可能な医用画像診断装置を上記ＬＡＮ等の通信ネットワーク５８と接続して行ってもよい。
【００２７】
以下、図１の画像診断支援装置の動作例について図面を用いて説明する。図２は、画像診断支援装置が実行するメインフローの一例を示す図である。図１のＣＰＵ４０は、このメインフローに従って動作する。図３は、このメインフローによってＣＴ画像がどのように処理されるのかを示す図である。図４は、ＣＲＴディスプレイ４８上の表示画面の一例を示す図である。このメインフローは、操作者が図４の表示画面上の患者名の欄に病巣候補抽出及び表示処理の対象となる患者名を入力し、演算ボタンをクリックすることによって起動するものである。以下、このメインフローの詳細をステップ順に説明する。
【００２８】
［ステップＳ８０］
ＣＰＵ４０は、ＣＴ装置によって撮影された患者のＣＴ画像の中から図４の患者名に対応する患者のＣＴ画像２０（図３（ａ１））を磁気ディスク４４から読み込む。
［ステップＳ８１］
ＣＰＵ４０は、読み込まれたＣＴ画像の中から診断対象臓器に対して多値化処理を施し、図３（ｂ１）に示すような多値化画像を生成する。この多値化処理の詳細については後述する。
［ステップＳ８２］
診断対象臓器の部位又は臓器の種類に対応した最適な検出処理を行うために、ＣＰＵ４０は、その部位又は臓器の種類等を判断して、ステップＳ８３に進むか、ステップＳ８３に進むかの判断を行う。
［ステップＳ８３］
ＣＰＵ４０は、図３（ｂ１）の多値化画像に対して種々の画像処理を施し、病巣候補陰影を絞り込み、病巣の候補とされる陰影すなわち異常陰影２２を検出する。この異常陰影検出処理は、元のＣＴ画像を使わずに、ステップＳ８１で生成された多値化画像だけに基づいて異常陰影２２を検出するものである。その詳細については後述する。この実施の形態のように、多値化画像に基づいて異常陰影検出処理を行うことによって、コンピュータ演算などに要する時間を短縮化したり、演算処理の負担を軽減することができる。
［ステップＳ８４］
ＣＰＵ４０は、図３（ａ１）のＣＴ画像及び図３（ｂ１）の多値化画像に対して種々の画像処理を施し、病巣候補陰影を絞り込み、病巣の候補とされる陰影すなわち異常陰影２２を検出する。
【００２９】
なお、ステップＳ８３及びステップＳ８４における異常陰影検出処理の途中経過を示す判別中画像２４は、図４に示すようにＣＲＴディスプレイ４８上で図３（ａ１）のＣＴ画像２０の横に並列的に表示される。なお、図４に示される合成ボタンがクリックされるとそれに応じて判別中画像２４がＣＴ画像２０に合成されて表示される。なお、判別中画像２４は、多値化画像のデータの処理過程に従って（すなわち、病巣候補陰影の抽出段階に応じて）順次表示内容が変わるようになっている。異常陰影検出処理によって検出された異常陰影の抽出数が所定数よりも多い時は、判定不能を表示して終了することもある。また、その結果は随時磁気ディスクに記録される。この異常陰影検出処理の詳細については後述する。
【００３０】
［ステップＳ８５］
ＣＰＵ４０は、前記ステップＳ８３又はステップＳ８４で異常陰影と判定されたものを病巣部として残し、そうでないものを削除する。
［ステップＳ８６］
ＣＰＵ４０は、図４の三次元画像構成ボタン３Ｄがクリックされているか否か、すなわち三次元画像構成フラグが「１」か「０」かを判定し、「１」（ｙｅｓ）の場合にはステップＳ８７に進み、「０」（ｎｏ）の場合にはステップＳ８８に進む。なお、三次元画像構成フラグは、操作者が必要に応じて任意に図４の三次元画像構成ボタンをクリックすることによって「１」又は「０」に設定できるようになっている。
［ステップＳ８７］
ステップＳ８７の処理は、ステップＳ８６でｙｅｓと判定した場合に実行されるものである。ＣＰＵ４０は、異常陰影付近の複数枚のＣＴ画像から三次元画像の構成処理を開始する。なお、この三次元画像の構成処理は、ステップＳ８８の処理と並列的に実行されるようになっているが、この三次元画像の構成処理が終了した後にステップＳ８８に進み、ステップＳ８８の処理を実行するようにしてもよい。
【００３１】
［ステップＳ８８］
ＣＰＵ４０は、異常陰影を容易に特定することができるように図３（ａ１）のＣＴ画像中に色情報を付加して表示したり、その異常陰影をマーカーＭで囲むようにして表示したり、原画像（ＣＴ画像）中に着色された抽出病巣部やマーカーなどを表示する合成処理を行なう。図３（ａ２）には、マーカーＭで異常陰影を囲んだ場合の合成画像の一例が表示されている。
［ステップＳ８９］
ＣＰＵ４０は、多機能画像表示ボタンがオンされたか否かの判定を行い、オンされた （ｙｅｓ）場合にはステップＳ８Ａに進み、オンされていない（ｎｏ）場合にはステップＳ８Ｂに進む。
［ステップＳ８Ａ］
多機能画像表示ボタンがオン状態にあるので、ＣＰＵ４０は、ステップＳ８７で構成された三次元画像などを表示する。
［ステップＳ８Ｂ］
ＣＰＵ４０は、別患者の画像に対して同様の病巣候補抽出表示処理を行う旨の指示が操作者によって行われたか否かの判定を行い、別患者の画像を表示する（ｙｅｓ）と判定した場合には、ステップＳ８０に戻り、同様の処理を繰り返し実行し、別患者の画像を表示しない（ｎｏ）と判定した場合には、ステップＳ８Ｃに進む。
［ステップＳ８Ｃ］
ＣＰＵ４０は、図４の終了ボタンのオン操作が操作者によって行われたか否かを判定を行い、オンされていない（ｎｏ）と判定した場合にはステップＳ８９に戻り、通常の画像表示または多機能画像表示を継続し、オンされた（ｙｅｓ）と判定した場合には処理を終了する。
【００３２】
図２のステップＳ８１の多値化画像処理は、図３に示すようなＣＴ画像２０に基づいて行われる。この多値化画像処理は、図３に示すように、図３（ａ１）に示すような元のＣＴ画像２０の標準偏差等を計算した結果に対して、所定の閾値処理を施して多値化するものである。図５及び図６は、図２のステップＳ８１の診断対象臓器の多値化画像処理の詳細を示すフローチャート図である。ここでは、多値化画像処理の中の最も基本的な２値化画像処理について説明する。従来、陰影を強調表示するための画像処理方法の一つに、各ＣＴ画像間の差をとる方法がある。例えば、画像サイズ５１２×５１２の隣り合う２枚のＣＴ画像間で、同じアドレス（ｘ，ｙ）の画素のＣＴ値の差をとり、このＣＴ値の差をメモリのアドレス（ｘ，ｙ）に格納し、これにより陰影を強調した強調画像を得るようにしている。また、標準偏差値（分散値を含む）を用いる方法などもある。これらの方法は、陰影の境界付近を特に強調表示するものではなく、また、陰影の境界（縁）を抽出したり、陰影のみを抽出するものではない。そこで、この実施の形態では、ＣＴ画像内の陰影 （特に陰影の境界付近）を抽出したり、陰影を強調表示することのできる多値化画像処理を採用している。図７は、この多値化画像処理を原理的に説明するための図である。以下、このメインフローの詳細をステップ順に説明する。
【００３３】
［ステップＳ１１］
ＣＰＵ４０は、所定形状の特定領域をＣＴ画像上の初期位置に設定する。すなわち、ＣＰＵ４０は、図７に示すように、例えば１０×１０画素程度の正方形状の特定領域（小領域）１２Ａ及び１２ＢをＣＴ画像２０（被検体の断層像）内に設定し、それを左上隅の初期位置に設定する。この小領域１２Ａ，１２Ｂの中心位置の座標が（Ｘ，Ｙ）である場合、その座標（Ｘ，Ｙ）はそれぞれ（０，０）に設定される。なお、図７において、小領域１２Ａは、陰影１５の内部に設定され、小領域１２Ｂは、陰影１６の境界（縁）を跨がるように設定されている。この小領域の大きさは、１０×１０画素に限定されるものではなく、例えば、正方形以外の長方形や菱形、円形であってもよい。また、中心位置と重心位置が異なる場合は、重心位置を優先させるが、場合によって選択できるようにしてもよい。
［ステップＳ１２］
ＣＰＵ４０は、小領域内の濃度値（ＣＴ値）の平均値ＡＶを求める。求められた平均値ＡＶは、図７の小領域１２Ａのように陰影１５内に存在する場合は高い値を示し、小領域が陰影に跨がっていない場合は低い値を示し、小領域１２Ｂのように陰影１６に跨がっている場合はこれらのほぼ中間の値を示す。
［ステップＳ１３］
ＣＰＵ４０は、小領域内において、濃度値がその平均値ＡＶ以上である画素の座標の平均値ｐ（ｘｐ，ｙｐ）、及び濃度値がその平均値ＡＶよりも小さな画素の座標の平均値ｍ（ｘｍ，ｙｍ）をそれぞれ求める。図７の小領域１２Ａの場合には、平均値ｐＡ，ｍＡは、小領域１２Ａのほぼ中心付近となり、両者の座標位置はほぼ一致する。一方、小領域１２Ｂの場合には、平均値ｐＢは、陰影１６と小領域１２Ｂの重なり部分のほぼ中心付近となり、平均値ｍＢは陰影１６と小領域１２Ｂの重ならない部分のほぼ中心付近となり、両者の座標は離れたものとなる。
【００３４】
［ステップＳ１４］
ＣＰＵ４０は、平均値ｐの座標（ｘｐ，ｙｐ）と平均値ｍの座標（ｘｍ，ｙｍ）との間の距離Ｄを求める。図７の小領域１２Ａの場合は、平均値ｐＡ，ｍＡは同じ値なので、距離Ｄは「０」となる。小領域１２Ｂの場合は、平均値ｐＢと平均値ｍＢとは離れているので、それに対応した距離ＤＢとなる。すなわち、この距離Ｄは、小領域が陰影の縁付近に位置している場合に大きくなり、小領域が陰影に跨がっていない場合には小さな値となる傾向がある。
［ステップＳ１５］
上述の傾向をより顕著にするために、このステップＳ１５では、ＣＰＵ４０は、ステップＳ１４で求められた距離Ｄに基づいて、小領域の中心座標（Ｘ，Ｙ）におけるモーメントＭとしてＭ＝ｇ・ｆ（Ｄ）を求める。このモーメントＭは、（Ｘ，Ｙ）に関連した値とする。例えば、小領域内において、濃度値が前記平均値ＡＶ以上である画素数をＮｐとし、濃度値が平均値ＡＶよりも小さな画素数をＮｍとしたとき、次式に基づいて求められた各モーメントＭ１〜Ｍ３をステップＳ１５のモーメントＭとして定義する。
モーメントＭ１は、Ｍ１＝Ｎp×Ｎm×Ｄとする。
モーメントＭ２は、Ｍ２＝Ｎor×Ｄとする。
（Ｎｏｒは、Ｎｐ，Ｎｍのうちの大きい方とする。）
モーメントＭ３は、Ｍ３＝従来の分散値×Ｄとする。
（但し、Ｄは約１〜３の値のδ乗としてもよい。）
一般に、Ｄを含む演算は有効である。また、後述する判別処理においても、病巣領域に対するＤを含む演算結果を判別に用いることができる。
【００３５】
［ステップＳ１６］
ＣＰＵ４０は、小領域を画像のＸ方向に移動させるために小領域の中心座標Ｘに１を加える。
［ステップＳ１７］
ＣＰＵ４０は、小領域の中心座標Ｘの値が最大（小領域が画像の右端を越えた位置）か否かを判定し、最大（ｙｅｓ）であると判定した場合にはステップＳ１７に進み、最大でない（ｎｏ）と判定した場合にはステップＳ１２に戻り、中心座標Ｘの値が最大になるまでステップＳ１２〜ステップＳ１７の処理を繰り返す。
［ステップＳ１８］
ＣＰＵ４０は、前記ステップＳ１７で小領域の中心座標Ｘが最大であると判定されたので、小領域を画像の左端に戻すために、中心座標Ｘを初期値（通常は０）に戻す。
［ステップＳ１９］
ＣＰＵ４０は、小領域を画像のＹ方向に移動させるために小領域の中心座標Ｙに「１」を加える。
［ステップＳ２０］
ＣＰＵ４０は、小領域の中心座標Ｙの値が最大（小領域が画像の下端を越えた位置）か否かを判定し、最大（ｙｅｓ）であると判定した場合には処理を終了し、結合子Ａを介して図６のステップＳ２１に進み、最大でない（ｎｏ）と判定した場合にはステップＳ１２に戻り、Ｙが最大になるまでステップＳ１２〜ステップＳ２０の処理を繰り返す。このようにして、ＣＰＵ４０は、小領域をＣＴ画像２０の左上から右下まで走査して、その中心座標位置におけるモーメントＭを順次算出する。
【００３６】
このようにして求められたモーメントＭを使用し、各ＣＴ画像２０上から陰影又は陰影の境界付近に位置する画素を抽出する方法について図６に示すフローチャートにしたがって説明する。
［ステップＳ２１］
ＣＰＵ４０は、ＣＴ画像２０の各画素が陰影又は陰影の境界であるのか否かを判定するための閾値として操作者のキーボード入力による定数、又は磁気ディスク４４等に予め記憶されている定数を読み込み、これらのいずれかを定数として指定する。
［ステップＳ２２］
ＣＰＵ４０は、判定対象となる画素（被判定画素）をＣＴ画像２０の左上隅の初期位置に設定するために、その座標（Ｘ，Ｙ）をそれぞれ（０，０）に設定する。
［ステップＳ２３］
ＣＰＵ４０は、被判定画素の座標（Ｘ，Ｙ）を中心とする小領域について、図５のステップＳ１５で求めたモーメントＭを読み出す。
【００３７】
［ステップＳ２４］
ＣＰＵ４０は、読み出されたモーメントＭがステップＳ２１で指定された定数より大きいか否かを判定し、大きい（ｙｅｓ）と判定した場合はステップＳ２５に進み、小さい （ｎｏ）と判定した場合はステップＳ２６にジャンプする。
［ステップＳ２５］
ＣＰＵ４０は、ステップＳ２４でモーメントＭが定数より大きいと判定されたということは、その座標（Ｘ，Ｙ）に対応する被判定画素が、陰影又は陰影の境界に該当することを意味するので、このステップではその座標（Ｘ，Ｙ）を抽出し、メモリ（主メモリ４２又は磁気ディスク４４）に格納する。すなわち、ＣＰＵ４０は、ステップＳ２４でモーメントＭが定数より大きい（ｙｅｓ）と判定した場合には、その座標（Ｘ，Ｙ）に２値化のうちのハイレベル「１」をセットし、逆にステップＳ２４でモーメントＭが定数より小さい（ｎｏ）と判定した場合には、その座標（Ｘ，Ｙ）に２値化のうちのローレベル「０」をセットする。このようにして各座標はローレベル「０」又はハイレベル「１」のいずれか一方にセットされ、２値化されていく。このように各座標を２値化することによって各座標を１ビットで表現することができるようになるので、以後の処理を単純化することができる。
［ステップＳ２６］
ＣＰＵ４０は、被判定画素の座標をＸ方向に移動させるために座標Ｘに１を加える。
【００３８】
［ステップＳ２７］
ＣＰＵ４０は、被判定画素の座標Ｘの値が最大（画像の右端を越えた位置）か否かを判定し、最大（ｙｅｓ）であると判定した場合にはステップＳ２８に進み、最大でない（ｎｏ）と判定した場合にはステップＳ２３に戻り、Ｘが最大になるまでステップＳ２３〜ステップＳ２６の処理を繰り返す。
［ステップＳ２８］
ＣＰＵ４０は、前記ステップＳ２７で被判定画素の座標Ｘが最大であると判定したので、被判定画素を左端に戻すために、座標Ｘを「０」とし、被判定画像をＹ方向に移動させるためにその座標Ｙに１を加える。
［ステップＳ２９］
ＣＰＵ４０は、被判定画素の座標Ｙが最大（画像の下端を越えた位置）か否かを判定し、最大（ｙｅｓ）であると判定した場合には処理を終了し、最大でない（ｎｏ）と判定した場合にはステップＳ２３に戻り、Ｙが最大になるまでステップＳ２３〜ステップＳ２８の処理を繰り返す。
【００３９】
このようにして、ＣＰＵ４０は、被判定画素をＣＴ画像２０の左上から右下まで走査して、それが陰影又は陰影の境界であるのか否かの判定を行う。以上の処理によって、定数よりも大きなモーメントＭを有する小領域の中心点（Ｘ，Ｙ）すなわち陰影又は陰影の境界である画素の座標点がメモリ（主メモリ４２又は磁気ディスク４４）に順次格納される。なお、図５及び図６では、ローレベル「０」及びハイレベル「１」の２値化について説明したが、ステップＳ２１で定数を複数指定することによって、任意の数に多値化することができる。例えば、定数をＣ１，Ｃ２，Ｃ３の３個指定し、モーメントＭが定数Ｃ１よりも小さい場合、定数Ｃ１以上で定数Ｃ２よりも小さい場合、定数Ｃ２以上で定数Ｃ３よりも小さい場合、定数Ｃ３以上の場合のいずれに該当するかを判定することによって、ＣＴ画像を４値化することができる。４値化した場合、一つの画素は２ビットで表現されることになる。なお、これ以外の数に多値化する場合も同様に複数の定数を指定し、それも基づいて多値化することができる。
【００４０】
図８は、上述した陰影又は陰影の境界に位置する画素を抽出する方法によってどのように陰影が抽出されるのかその概念を示す図である。図８（Ａ）に示すように陰影の中心付近が最もＣＴ値が高く、半径方向に行くに従って徐々にＣＴ値が減少するような、円状の陰影を有するＣＴ画像２１に対して、上述の処理を実行することによって、メモリには、図８（Ｂ）に示すような陰影の境界がはっきりとした多値化画像の陰影２２が格納されると共にＣＲＴディスプレイ４８上に表示されるようになる。また、ステップＳ２１で指定する定数を大きくすることによって、図８（Ｃ）に示すような陰影の境界２３の強調されたリング状の陰影が抽出される。従って、ステップＳ２１で指定する定数を種々変化することによって、陰影の境界だけを抽出したり、陰影全体を抽出したりすることができる。また、このようにして抽出した陰影の境界等を強調表示することもできる。
【００４１】
上述の多値化画像処理によって生成された多値化画像を用いて、図２のステップＳ８３の異常陰影検出処理が行われる。また、この多値化画像と元画像であるＣＴ画像２０とを用いて、図２のステップＳ８４の異常陰影検出処理が行われる。ステップＳ８３のように多値化画像だけを用いて異常陰影検出処理を行う場合には、２値化画像とこれよりも大きな多値化画像（例えば８値化画像又は１６値化画像）を用いて行うことが望ましい。これ以降の説明では、２値化画道とＣＴ画像２０を用いて異常検出処理を行う場合について説明する。なお、図２のステップＳ８３のように多値化画像だけを用いて異常陰影検出処理を行う場合には、ＣＴ画像２０を多値化画像に読み替えることによって同様に対応することができることは言うまでもない。
【００４２】
以下、本発明に係る異常陰影検出処理の詳細について説明する。この異常陰影検出処理では、陰影を２値化抽出し、抽出された２値化陰影の重心付近を中心に回転する動径を設定し、２値化陰影の境界と動径との交点に対する内外の所定位置の断層像上の濃度差を動径の角度の関数として求め、さらにこの関数をフーリエ変換して周波数成分の大小に基づいて又はその周波数成分のピークを示す周波数の大小に基づいて、陰影を病巣候補陰影と正常陰影とに区別するものである。
【００４３】
図９及び図１０は、この異常陰影検出処理の様子を概念的に示す図である。図９（ａ）は、ＣＴ画像の肺野部分を拡大して示す図であり、肺野中に陰影１ａが存在している様子が示されている。図９（ｂ）は、図９（ａ）の陰影を２値化処理後に抽出したものであり、２値化陰影１ｂが存在している様子が示されている。図１０（ａ）は、図９（ａ）の元のＣＴ画像と図９（ｂ）の２値化抽出画像とを重ね合わせて示した画像である。コンピュータ上では別々のメモリ領域に格納されているが、処理時には図１０（ａ）のように同一座標を取り、仮想的に重ね合わせられて異常陰影検出処理が行なわれる。図１０（ｂ）は図１０（ａ）の一部を拡大して示し、どのように異常陰影検出処理が行われるのかを示す図である。
【００４４】
図１０（ｂ）の２値化陰影１ｂに基づいてその中心（重心）を決定し、その陰影１ｂの中心ＯをＣＴ画像中の陰影１ａにも適用し、その中心Ｏの周りを回転する動径１００を設定する。動径１００と２値化陰影１ｂの外周部の交点ａから動径１００上においてそれぞれ微小距離ｄＲ１，ｄＲ２だけ離れた点ｂ，ｃを設定する。ＣＴ画像における点ｂ，ｃのＣＴ値の差分値（点ｂのＣＴ値−点ｃのＣＴ値）を角度Θ毎に求めて、角度Θを横軸とし、差分値を縦軸としてプロットすると、図１１（ａ）のような曲線になる。図１１（ａ）のような曲線をフーリエ変換し、横軸を周波数ｆとし、縦軸をフーリエ係数Ｃとする折れ線グラフを作成すると図１１（ｂ）のようなグラフが得られる。図１１（ｂ）のがん陰影の場合を示す曲線１１０は、図１１（ａ）の曲線をフーリエ変換したものである。一方、図１１（ｂ）の血管陰影の場合を示す曲線１１１は、図１３に示すような血管の末端に対応するような陰影について上述の処理を施したものである。図１１（ｂ）から明かなようにがん陰影の場合の方が、血管端末の陰影などに比べて高周波側にずれる傾向があることがわかる。従って、高周波側へのずれ量、例えばピーク位置のずれが陰影の特徴量となる。ピーク位置が所定の値より高周波側にあると判定した場合は、その２値化陰影１ｂを病巣候補陰影として残し、そうでない場合には、その２値化陰影１ｂを病巣候補陰影から削除する。上述の微小距離ｄＲ１，ｄＲ２は、予め決められた定数でもいいし、２値化陰影１ｂの大きさ（長径又は短径）に基づいて決定してもよい。また、微小距離ｄＲ１と微小距離ｄＲ２は同じ値でもいいし、異なる値でもいい。図では、微小距離ｄＲ１の方が微小距離ｄＲ２よりも約２分の１程度と、小さい場合の例が示してある。
【００４５】
なお、図１１（ｂ）の折れ線グラフにおいて、周波数ｆ０の時のフーリエ係数をＣ０、周波数ｆ１の時のフーリエ係数をＣ１、周波数ｆ２の時のフーリエ係数をＣ２のようにして、各フーリエ係数をＣｉと表し、各周波数をｆｉと表し、これらの積の絶対値｜ｆｉ×Ｃｉ｜を求め、さらにその総和Σ｜ｆｉ×Ｃｉ｜を求め、それをフーリエ係数Ｃｉの絶対値｜Ｃｉ｜の総和Σ｜Ｃｉ｜で除することによって被判別値ｆｆを算出する。この被判別値ｆｆは次式にようになる。
ｆｆ＝Σ｜ｆｉ×Ｃｉ｜／Σ｜Ｃｉ｜
この被判別値ｆｆが所定値よりも小さいか否かに応じて陰影が病巣候補陰影であるかどうかを判別するようにしてもよい。陰影が図１３に示すような血管の末端に対応する陰影の場合には、フーリエ変換の結果、低次の周波数成分のフーリエ係数が大きくなる。逆に、陰影が図９（ａ）のような病巣候補陰影１ａのような場合には、フーリエ変換の結果、高次の周波数成分が多く含まれ、低次の周波数成分は少なくなる。従って、被判別値ｆｆの値に基づいてその陰影が病巣候補陰影であるのか血管断面陰影であるのかを判別することができる。なお、この被判別値ｆｆに代えて、特定の｜ｆｉ×Ｃｉ｜を被判別値としてもよい。
【００４６】
図１０（ｂ）では、点ｂ，ｃを動径１００上に設定する場合について説明したが、図１２では点ｂ１，ｃ１を動径１００と２値化陰影１ｂの外周部の交点ａ上で、２値化陰影１ｂの外周線の接線１２０に垂直な方向の直線１２１上に設定している。すなわち、２値化陰影１ｂの中心Ｏの周りを回転する動径１００と２値化陰影１ｂの外周部の交点ａ上の接線１２０を作成し、この接線に垂直な線１２１を作成し、この垂直線１２１上においてそれぞれ微小距離ｄＲ１，ｄＲ２だけ離れた点ｂ１，ｃ１を設定する。ＣＴ画像における点ｂ１，ｃ１のＣＴ値の差分値（点ｂ１のＣＴ値−点ｃ１のＣＴ値）を角度Θ毎に求めて、角度Θを横軸とし、差分値を縦軸としてプロットすると、図１１（ａ）と同様な曲線を得ることができるので、この曲線をフーリエ変換し、横軸を周波数ｆとし、縦軸をフーリエ係数Ｃとする折れ線グラフを作成し、陰影の判別を行なう。
【００４７】
図１３は、血管部のＣＴ画像とこれを２値化抽出処理した場合の２値化抽出領域とを重ね合わせて示した図であり、ＣＴ画像の血管部分を拡大して示してある。図では、２値化処理によって血管の末端部が２値化抽出領域１３１として抽出される。図１３は、元のＣＴ画像の血管と２値化抽出領域１３１とを重ね合わせて示してある。一般に、ＣＴ画像ではスライスされたＣＴ画像間に跨がって血管が存在する場合、すなわち血管が隣のスライス画像に連続して存在する場合、その血管の末端部分の濃度が低くなる傾向がある。そこで、図１０（ｂ）のようにして点ｂ，ｃ上のＣＴ値又は図１２のようにして点ｂ１，ｃ１上のＣＴ値を求め、点ｂ（又は点ｂ１）の濃度が点ｃ（又は点ｃ１）の濃度よりも小さい場合の割合を求め、その割合が一定値よりも大きければ、それは血管の末端であると見なして、病巣候補陰影から除外する。すなわち、図１３のような血管の末端部分の２値化抽出領域１３１は、複数のスライス画像に連続して存在する部分なので、２値化抽出領域１３１のＣＴ値は、血管部分のＣＴ値よりも小さくなる。血管の存在する個所では、点ｂ（又は点ｂ１）の濃度が点ｃ（又は点ｃ１）の濃度よりも小さくなり、その割合も血管の存在する個所の大きさに対応した比較的大きな割合を示すようになる。従って、図１３の場合は、２値化抽出領域１３１は血管の末端と見なされて削除される。この場合は、前述のようなフーリエ変換処理を行なう必要がないので、演算時間を短縮化することができる。
【００４８】
なお、上述の実施の形態では、ＣＴ画像に図５及び図６の２値化画像処理を施し、所定値よりも細い血管部分の陰影を取り除くという処理を行なっている。この処理は、横（Ｘ軸）又は縦（Ｙ軸）方向において所定の画素数以下の陰影を抽出し、それを削除するというものである。この条件に該当しない比較的大きな血管陰影は取り除かれることがなかった。このような血管部分の陰影であっても図１４（ａ）に示すような分岐した血管１４１の場合や図１５（ａ）に示すような比較的大きな病巣候補陰影１５１と血管陰影１５２〜１５４とが重なっている場合には、この血管陰影１４１，１５２〜１５４を取り除くことができない場合があった。そこで、この実施の形態では、以下説明する切断処理によって図１４（ａ）又は図１５（ａ）のような血管陰影１４１，１５２〜１５４を切断除去するようにした。
【００４９】
まず、ＣＴ画像に図５及び図６の２値化画像処理を施し、所定値よりも細い血管部分の陰影を取り除く。この処理の後、図１４（ａ）又は図１５（ａ）の陰影に対して仮の重心位置Ｏを求める。重心位置の求め方は先に提案した出願に記載の種々の方法を用いて行なう。動径１４５，１５５を矢印１４６，１５６の方向に回転させながら、その動径１４５，１５５の重心位置Ｏから陰影の縁までの距離を測定し、その最小値（動径最小長）Ｒｍｉｎ及び最大値（動径最大長）Ｒｍａｘを決定する。ここで動径最小長Ｒｍｉｎ及び動径最大長Ｒｍａｘは、画素をその大きさの単位とする。動径最小長Ｒｍｉｎが決定したら、この最小長Ｒｍｉｎに定数ａを乗じ、それに定数ｂを加算した値を切断半径Ｒｃとする。すなわち、切断半径Ｒｃ＝ａ×Ｒｍｉｎ＋ｂとする。図１６（ａ）は、この式に対応した曲線を示すものである。図１６（ａ）から明かなように、動径最小長Ｒｍｉｎによって、切断半径Ｒｃが決定する。図１６（ａ）では、切断半径Ｒｃが線型に変化する場合について示してあるが、非線形に変化させるようにしてもよい。図１６（ｂ）は、動径最大長Ｒｍａｘを動径最小長Ｒｍｉｎで除した値、すなわち動径最大長Ｒｍａｘと動径最小長Ｒｍｉｎとの比を非線形曲線で変換して切断半径Ｒｃを決定するようにしたものである。切断長半径Ｒｃが決定したら、図１４（ｂ）又は図１５（ｂ）に示すように、この切断半径Ｒｃに基づいて、切断円１４７，１５７を形成し、この切断円１４７，１５７に含まれない陰影部分を除去することによって、血管部分の陰影の切断を行なう。図１７（ａ）は図１４（ｂ）切断処理の結果を示し、図１７（ｂ）は図１５（ｂ）の切断処理の結果を示す。なお、切断半径Ｒｃを決定する際の定数ａ，ｂや図１６（ｂ）の非線形曲線の形状などは、適宜最適なものを採用することが好ましい。また、上述の実施の形態では、切断半径を動径最大長Ｒｍａｘや動径最小長Ｒｍｉｎに基づいて決定する場合について説明したが、陰影の面積に基づいて切断半径を決定するようにしてもよい。
【００５０】
図１８は、陰影の面積とこの陰影に関する他の面積を利用して異常陰影を検出処理するものである。図１８では、病巣候補陰影全体の全面積と陰影の縁部分にできた凹部分の面積との比を求め、それに基づいて異常陰影検出処理を行なっている。図１８（ａ）は、図１７（ａ）の陰影、図１８（ｂ）は、図１７（ｂ）の陰影に対して、面積比による異常陰影検出処理を行なう場合の具体例を示す図である。図１８（ｂ）に示す陰影は、図１８（ａ）に示す血管領域の陰影などと比較すればその違いが容易に理解できるものであり、円形に近い形をしていることが理解できる。図１８（ａ）に示す血管陰影の場合、凹部分１８１〜１８４のそれぞれの面積ｓ１ａ，ｓ２ａ，ｓ３ａ，ｓ４ａの総和の面積Ｓ１Ａと陰影の全面積Ｓ２Ａとの面積比ＲＳＡを用いて病巣候補陰影を判別する。図１８（ｂ）に示す陰影の場合、凹部分１８５〜１８９のそれぞれの面積ｓ１ｂ，ｓ２ｂ，ｓ３ｂ，ｓ４ｂ，ｓ５ｂの総和の面積Ｓ１Ｂと陰影の全面積Ｓ２Ｂとの面積比ＲＳＢを用いて病巣候補陰影を判別する。面積比ＲＳＡ，ＲＳＢは、凹部分の総和の面積ＳｌＡ，Ｓ１Ｂと陰影の全面積Ｓ２Ａ，Ｓ２Ｂとの比を単純に示した比率式：ＲＳＡ＝ＳｌＡ／Ｓ２Ａ，ＲＳＢ＝ＳｌＢ／Ｓ２Ｂによって求めてもよいし、面積Ｓ１Ａ，Ｓ１Ｂと面積Ｓ２Ａ，Ｓ２Ｂの合計値と面積Ｓ２Ａ，Ｓ２Ｂとの比を示す比率式：ＲＳＡ＝Ｓ２Ａ／（ＳｌＡ＋Ｓ２Ａ），ＲＳＢ＝Ｓ２Ｂ／（ＳｌＢ＋Ｓ２Ｂ）によって求めてもよい。
【００５１】
図１８（ｃ）は、凹部分の面積を求める方法が示されている。以下、凹部の面積を求める処理の詳細を図１９のフローチャートを用いて説明する。
［ステップＳ８２１］
ＣＰＵ４０は、図１８（ｃ）に示すように、陰影の輪郭線上の二点ｐｌ，ｐ２を対として、両方の点を直線で選ぶ。ここで対として選ばれるのは最初の１回のみである。
［ステップＳ８２２］
二点ｐｌ，ｐ２間を結ぶ直線上を一方の点ｐ１から他方の点ｐ２に向かって一定長づつ移動するような点ｐを想定する。ＣＰＵ４０は、点ｐが一定長移動する毎に、点ｐが抽出領域（ｓ２）上に存在するか否かの判定を行なう。判定結果がｙｅｓの場合（点ｐが抽出領域（ｓ２）上に存在する場合）はステップＳ８２４に進み、判定結果がｎｏの場合はステップＳ８２３に進む。
［ステップＳ８２３］
点ｐが抽出領域（ｓ２）上に存在しないので、ＣＰＵ４０は、その部分に特定値（例えば「5」）を記録する。
［ステップＳ８２４］
ＣＰＵ４０は、点ｐｌ，ｐ２間を結ぶ直線上を点ｐが移動したかどうかを判定し、判定結果がｎｏの場合（移動が終了していない場合）はステップＳ８２２に戻り、判定結果がｙｅｓの場合（移動が終了している場合）は、ステップＳ８２５に進む。ステップＳ８２２〜ステップＳ８２４の処理によって、点ｐが点ｐ１から点ｐ２まで移動しながら抽出領域（ｓ２）以外の領域に特定値（例えば５）が記録される。
［ステップＳ８２５］
ＣＰＵ４０は、点ｐｌを固定点、点ｐ２を移動点とした場合は、移動点ｐ２が抽出領域の全ての輪郭線上を移動したか否かの判定を行なう。ＣＰＵ４０は、点ｐ２を固定点、点ｐ１を移動点とした場合は、移動点ｐ１が抽出領域の全ての輪郭線上を移動したか否かの判定を行なう。判定結果がｎｏの場合（移動点の移動が終了していない場合）はステップＳ８２１に戻り、次の二点間について同様の処理を行なう。判定結果がｙｅｓの場合は、ステップＳ８２６に進む。
【００５２】
［ステップＳ８２６］
ＣＰＵ４０は、特定値（例えば５）の記録された領域の面積（ＳｌＡ，Ｓ１Ｂ）を求める。この面積Ｓ１Ａ，Ｓ１Ｂが凹部分の面積となる。
［ステップＳ８２７］
ＣＰＵ４０は、面積ＳｌＡ，Ｓ１Ｂと抽出領域の面積Ｓ２Ａ，Ｓ２Ｂの面積比ＲＳＡ，ＲＳＢを求める。
［ステップＳ８２８］
ＣＰＵ４０は、面積比ＲＳＡ，ＲＳＢが予め設定された一定値よりも大きいか否かの判定を行なう。判定結果がｙｅｓの場合（大きい場合）はステップＳ８２９に進み、判定結果がｎｏの場合（小さいか又は等しい場合）はステップＳ８２Ａに進む。
［ステップＳ８２９］
ステップＳ８２８で面積比ＲＳＡは一定値よりも大きいと判定されたので、抽出された陰影は血管陰影の可能性が高い。従って、ＣＰＵ４０は、図１８（ａ）の陰影を病巣候補陰影から削除する。
［ステップＳ８２Ａ］
ステップＳ８２８で面積比ＲＳＢは一定値以下だと判定されたので、抽出された陰影は病巣候補陰影の可能性が高い。従って、ＣＰＵ４０は、図１８（ｂ）の陰影を病巣候補陰影として座標位置などの情報を保存する。
【００５３】
図２０は、陰影の動径長、陰影の面積及びこの陰影に関する他の面積を利用して異常陰影を検出処理する場合の別の実施例を示すものである。図２０（ａ）では、２値化抽出陰影の動径長の最大長と最小長の比を横軸とし、病巣候補陰影全体の全面積と陰影の縁部分にできた凹部分の面積の比を縦軸として異常陰影検出処理を行なっている。すなわち、２値化抽出陰影の動径最小長に対する動径最大長の長さの割合の関数となるように、凹部分の総和の面積を陰影の全面積で除した値（パーセント値）を規定し、これが判定基準となる曲線に対して非がん側又はがん側のいずれの領域に該当するかで病巣候補陰影を判別している。図２０（ｂ）では、動径最小長を横軸とし、動径の分散値（標準偏差値を含む）を縦軸とし、異常陰影検出処理を行なっている。すなわち、２値化抽出陰影の動径長の最小長の関数となるように、その動径長の分散値（標準偏差値を含む）を規定し、この分散値が判定基準となる曲線に対して非がん側又はがん側のいずれの領域に該当するかで病巣候補陰影を判別している。
【００５４】
図２１は、前述の判定基準となるパラメータを画像の臓器の位置に依存させる場合の一例を示す図である。図２１（ａ）では、肺野領域を分割する場合の一例を示す図である。この分割処理は、２値化抽出処理などで肺野２１１の全体を抽出後に、肺野２１１の縁から１画素ずつ内側に肺野２１１を削って行く。肺野２１１の縁であるかどうかの判定は、例えば３×３の画素の小領域を考えて、この小領域の画素のいずれかが肺野２１１の抽出領域から外れた場合、その３×３画素の小領域の中心を縁と見なして削除するようにすればよい。この分割処理によって、肺野２１１は、第１回目の削除処理後の肺野領域２１２となる。以下、同様にして削除することによって、第２〜４回目の削除処理後の肺野領域２１３〜２１５が形成される。このようにして肺野領域が形成されたら、それぞれの肺野領域２１１〜２１５にパラメータを割り当てる。この実施の形態では、一例として、肺野領域２１１に切断半径ｒ１を，肺野領域２１２に切断半径ｒ２，肺野領域２１３に切断半径ｒ３，・・・を順次割り当てる。これによって、図２１（ｂ）のように肺野領域全体にその位置に対応したパラメータ（切断半径）が割り当てられる。肺野領域にパラメータとして切断半径が割り当てられた場合、図１４（ａ）に示すような分岐した血管１４１の場合や図１５（ａ）に示すような比較的大きな病巣候補陰影１５１と血管陰影１５２〜１５４とが重なっている場合には、その重心位置Ｏが肺野領域２１１〜２１５のどこに位置するかに応じてその切断半径を決定することになる。すなわち、図１４（ａ）の血管陰影１４１の重心位置が肺野領域２１２に位置する場合には、切断半径はｒ２となり、この切断半径ｒ２によって血管陰影１４１が切断処理される。また、図１５（ａ）の病巣候補陰影１５１と血管陰影１５２〜１５４の重心位置Ｏが肺野領域２１３に位置する場合には、切断半径はｒ３となり、この切断半径ｒ３によって病巣候補陰影１５１と血管陰影１５２〜１５４は切断処理される。なお、重心位置Ｏが肺野領域のどこに位置するかでパラメータを決定する場合について説明したが、陰影がどの肺野領域に多く存在するかによってパラメータを決定したり、又は、陰影が存在する割合に応じてパラメータを計算するようにしてもよい。
【００５５】
図２２は、切断処理の別の実施の形態を示す図である。ここでは、陰影の縁部分にできた凹部分の面積に基づいて切断処理を行なうようにした。図２２（ａ）は、分岐した血管陰影２２０に対して切断処理を行なう場合を示し、図２２（ｂ）は、病巣候補陰影と血管陰影が結合されたような陰影２２５に対して切断処理を行なう場合を示す。まず、各陰影２２０，２２５に対して、前述の処理によって凹部分の面積ｓ１ａ，ｓ２ａ，ｓ３ａ，ｓ１ｂ，ｓ２ｂ，ｓ３ｂ，ｓ４ｂを求める。各面積の大きさを比較し、大きい順番に並べる。図２２（ａ）の場合は、ｓ１ａ＞ｓ２ａ＞ｓ３ａとなり、図２２（ｂ）の場合は、ｓ１ｂ＞ｓ２ｂ＞ｓ３ｂ＞ｓ４ｂとなる。各面積の大きいもの上位２つの重心（重心付近でもよい）を求める。図２２（ａ）の場合は、面積の大きい上位２つの面積ｓ１ａとｓ２ａの重心Ｏ１ａ，Ｏ２ａを求め、それを結ぶ線分Ｏ１ａ−Ｏ２ａで陰影２２０を切断する。図２２（ｂ）の場合も同様にして、面積の大きい上位２つの面積ｓ１ｂとｓ２ｂの重心Ｏ１ｂ，Ｏ２ｂを求め、それを結ぶ線分Ｏ１ｂ−Ｏ２ｂで陰影２２５を切断する。具体的には、線分Ｏ１ａ−Ｏ２ａ，Ｏ１ｂ−Ｏ２ｂに２値化陰影の背景値と同じ値をメモリに書き込むことによって切断処理が行なわれる。これによって、図２２（ａ）のような血管の分岐した陰影や図２２（ｂ）のような病巣陰影と血管の結合したものが適切に切断されるので、後の異常陰影検出処理が適切に行なわれるようになる。なお、切断された陰影のうち、元の陰影２２０，２２５の中心（重心）Ｏの属する方だけを残し、それ以外の陰影を削除するようにしてもよい。また、上述の実施の形態では、線分として直線を用いているが、陰影２２０，２２５の中心（重心）Ｏ側に円弧の中心を有するような円弧２２７，２２８で切断するようにしてもよい。また、陰影２２０，２２５の中心（重心）Ｏを中心とするような円弧で切断するようにしてもよい。
【００５６】
図２３は、陰影の平均値画像を作成し、動径を用いて平均値画像の縁から陰影の縁までの距離を利用して異常陰影を検出処理する場合の実施例を示すものである。２値化陰影２３１に所定領域（例えば、３×３，５×５，７×７，９×９，・・・などの区画領域）を当てはめて、２値化陰影２３１の平均値を演算し、それを所定領域の中央の平均値とし、平均値画像２３２を作成する。この所定領域の大きさに応じて、２値化陰影２３１と平均値画像の関係が異なって来る。そして、陰影２３１の中心付近を回転中心として角度θを０度から３６０度まで約１度ずつ所定長の動径２３３を回転させる。このときに、その動径２３３が各角度において陰影２３１の縁及び平均値画像２３２の縁と交わる時の、両縁間の距離ｄＬを求める。この距離ｄＬは、陰影２３１の縁が平均値画像２３２より外側に存在する場合をプラス、内側に存在する場合をマイナスの値とする。この長さｄＬに基づいて、図２３（ｂ）のように、角度θを横軸とし、両縁間の距離ｄＬを縦軸とする曲線を描き、この曲線に基づいて陰影２３１が病巣陰影であるかどうかを判別する。図２３（ａ）のような血管の分岐を表す陰影の場合は、図２３（ｂ）のように距離ｄＬにマイナス部分が多く存在するが、病巣陰影の場合には、このマイナス部分の存在が少ないか、存在しないので、これによって判別することができる。なお、この曲線をフーリエ展開して、フーリエ展開された結果に基づいて、横軸を周波数とし、縦軸をフーリエ係数とする折れ線グラフを作成し、この折れ線グラフに基づいて陰影が病巣陰影であるかどうかを判別してもよい。なお、上述の実施の形態では、２値化陰影２３１の中心付近を回転中心とする場合を説明したが、平均値画像２３２の中心付近を回転中心としてもよい。
【００５７】
図２４〜図２６は、上述の異常陰影検出処理の対象となるＣＴ画像を選択する画像選択処理の一例を示す図である。ＣＴ画像、ＭＲ画像、超音波画像等においては、計測画像数はますます増加する傾向にあり、大量の医用画像が生成される。そこで、この実施の形態では、医用画像の中から不要なものを取り除き、異常陰影検出処理の対象となるものを選択するようにした。図２４は、大量のＣＴ画像の中からどのようにして選択するか模式的に示す図である。図２５及び図２６はこの画像選択処理の一例を示すフローチャート図である。以下、画像選択処理の詳細をこれらのフローチャートを用いて説明する。
［ステップＳ２５１］
ＣＰＵ４０は、図２４に示すような複数枚（Ｎｍａｘ）のＣＴ画像に対して、肺野領域が存在する画像番号Ｎにフラグｆｌｇ［Ｎ］にハイレベル「１」をセットする。すなわち、この処理では、例えば、図２３に示すような複数枚の画像の中から肺野領域２４３〜２４６の存在しない画像Ｎ＝１，Ｎ＝Ｎｍａｘを抽出するものである。なお、このフラグセット処理の詳細については後述する。
［ステップＳ２５２］
ステップＳ２５１のフラグセット処理が終了したので、画像番号レジスタＮに「１」をセットする。
［ステップＳ２５３］
この画像番号レジスタＮのフラグｆｌｇ［Ｎ］がハイレベル「１」であるか否かの判定を行い、「１」（ｙｅｓ）の場合はステップＳ２５４に進み、「０」（ｎｏ）の場合はステップＳ２５５に進む。
［ステップＳ２５４］
候補点検出処理すなわち上述の異常陰影検出処理を行なう。
［ステップＳ２５５］
抽出された結果に基づいて上述のようなマーカー付きのＣＴ画像を表示したり、抽出結果をメモリや磁気ディスクに格納したりする表示・格納処理を行なう。なお、候補点検出処理を行なわなかったＣＴ画像の処理も行なうことがある。
［ステップＳ２５６］
画像番号レジスタＮを「１」だけインクリメントして次に進む。
［ステップＳ２５７］
画像番号レジスタＮの値が最大値に達したか否かの判定を行い、達していない場合には、ステップＳ２５３にリターンし、画像番号レジスタＮが最大値に達するまで、ステップＳ２５３〜ステップＳ２５７の処理を繰り返す。
【００５８】
図２６は、図２５のステップＳ２５１のフラグセット処理の詳細を示す図である。以下、このフラグセット処理の詳細をフローチャートを用いて説明する。
［ステップＳ２６１］
ＣＰＵ４０は、図２４に示すような複数枚（Ｎｍａｘ）のＣＴ画像に対して、肺野領域最大を与える画像番号Ｎｐｅａｋを求める。図では、肺野領域２４５が最大を与える。
［ステップＳ２６２］
変数ｋを「０」にリセットすると共に画像番号Ｎｐｅａｋに対応するフラグｆｌｇ［Ｎｐｅａｋ］にハイレベル「１」をセットする。
［ステップＳ２６３］
この画像番号Ｎｐｅａｋに変数ｋを加算した画像番号Ｎｐｅａｋ＋ｋの肺野領域と、画像番号Ｎｐｅａｋに変数ｋ＋１を加算した画像番号Ｎｐｅａｋ＋ｋ＋１の肺野領域との相関をとる。
［ステップＳ２６４］
画像番号Ｎｐｅａｋ＋ｋの肺野領域と、画像番号Ｎｐｅａｋ＋ｋ＋１の肺野領域との相関値が一定値よりも大きいか否かの判定を行い、一定値よりも大きい（ｙｅｓ）場合はステップＳ２６５に進み、小さい（ｎｏ）場合はステップＳ２６６に進む。
［ステップＳ２６５］
画像番号Ｎｐｅａｋ＋ｋ＋１に対応するフラグｆｌｇ［Ｎｐｅａｋ＋ｋ＋１］にハイレベル「１」をセットする。
［ステップＳ２６６］
画像番号Ｎｐｅａｋ＋ｋ＋１に対応するフラグｆｌｇ［Ｎｐｅａｋ＋ｋ＋１］にローレベル「０」をセットする。
［ステップＳ２６７］
変数ｋを「１」だけインクリメントして次に進む。
［ステップＳ２６８］
変数ｋが最大値に達した否かの判定を行い、達した場合（ｙｅｓ）は次のステップＳ２６９に進み、達していない場合（ｎｏ）はステップＳ２６３にリターンし、変数ｋが最大値になるまで上述の処理を繰り返す。
［ステップＳ２６８］
変数ｋが最大値に達した否かの判定を行い、達した場合（ｙｅｓ）は次のステップＳ２６９に進み、達していない場合（ｎｏ）はステップＳ２６３にリターンし、変数ｋが最大値になるまで上述の処理を繰り返す。
【００５９】
［ステップＳ２６９］
上述のステップＳ２６３〜ステップＳ２６８の処理は画像番号Ｎｐｅａｋに対して画像番号をプラス方向に移動して、両画像の相関を取っているが、次は画像番号Ｎｐｅａｋに対して画像番号をマイナス方向に移動して両画像の相関を取るようにした。従って、変数ｋを「０」にリセットする。
［ステップＳ２６Ａ］
画像番号Ｎｐｅａｋに変数ｋを加算した画像番号Ｎｐｅａｋ＋ｋの肺野領域と、画像番号Ｎｐｅａｋに変数ｋ−１を加算した画像番号Ｎｐｅａｋ＋ｋ−１の肺野領域との相関をとる。すなわち、画像番号Ｎｐｅａｋに対してマイナス方向に画像番号を移動して、相関を取る。ここで、変数ｋはマイナスの値なので、画像番号の＋ｋはマイナスを意味し、その結果画像番号はＮｐｅａｋからマイナス方向に移動することになる。
［ステップＳ２６Ｂ］
画像番号Ｎｐｅａｋ＋ｋの肺野領域と、画像番号Ｎｐｅａｋ＋ｋ−１の肺野領域との相関値が一定値よりも大きいか否かの判定を行い、一定値よりも大きい（ｙｅｓ）場合はステップＳ２６Ｃに進み、小さい（ｎｏ）場合はステップＳ２６Ｂに進む。
［ステップＳ２６Ｃ］
画像番号Ｎｐｅａｋ＋ｋ−１に対応するフラグｆｌｇ［Ｎｐｅａｋ＋ｋ−１］にハイレベル「１」をセットする。
［ステップＳ２６Ｄ］
画像番号Ｎｐｅａｋ＋ｋ−１に対応するフラグｆｌｇ［Ｎｐｅａｋ＋ｋ−１］にローレベル「０」をセットする。
［ステップＳ２６Ｅ］
変数ｋを「１」だけデクリメントして次に進む。
［ステップＳ２６Ｆ］
変数ｋがマイナス方向の最大値に達した否かの判定を行い、達した場合（ｙｅｓ）は処理を終了し、図２５のステップＳ２５２に進み、達していない場合（ｎｏ）はステップＳ２６Ａにリターンし、変数ｋが最大値になるまで上述の処理を繰り返す。ここでは、アキシャル画像について処理する場合を説明したが、これ以外のサジタル画像及びコロナル画像についても同様に適用できることはいうまでもない。
【００６０】
図２７は、断層像をＣＲＴディスプレイ４８上に表示する場合の一例を示す図である。通常、断層像を表示する場合、１枚の断層像をＣＲＴディスプレイ４８上に表示し、その表示を順次切り換えたり、複数の断層像を同時にＣＲＴディスプレイ４８上に表示し、その表示を複数枚毎切り換えたりしている。このように複数枚の断層像を連続的に表示する場合に、切り換えて表示するのではなく、図２７に示すように、シフト表示するようにした。すなわち、図２７（ａ）では、第１の断層像２７１と第２の断層像２７２に表示されている。この状態でネクストボタンがマウスポインタによってクリックされると、図２７（ｂ）に示すように、第１の断層像２７１と第２の断層像２７２が右にシフトし、左側に新たな第３の断層像２７３が表示されるようになる。以下、図２７（ｃ），図２７（ｄ）に示すように、ネクストボタンのクリックに応じて、断層像２７２〜２７５が右側に順次シフト表示されるようになる。このように、シフト表示することによって、中央の画像で診断する場合、両脇にその前後の画像が常に表示されるようになるので、医師は、両脇の画像を参照しながら中央の画像について適切な判断を行なうことができるようになる。
【００６１】
図２８は、断層像をＣＲＴディスプレイ４８上に表示する場合の変形例を示す図である。複数の断層像データ及びプログラム等を格納した磁気ディスク４４は、予め、がん陰影を含む画像データ２８１と、がんではないががんに似た陰影（類似非がん陰影）を含む画像の特徴量を計算し、その特徴量と画像とを関係づけた画像データ２８２を格納している。そして、ＣＲＴディスプレイ４８の左側に陰影が病巣候補陰影かそうでないかの判定の行なわれていない未知のＣＴ画像が表示されている時に、右下の参考画像ボタンがクリックされた場合、未知のＣＴ画像の右側に、がん陰影を含む画像データ２８１の中から特徴量を用いた演算値が最も近いがん陰影を選択して表示すると共に同じく画像データ２８２の中から特徴量を用いた演算値が最も近い類似非がん陰影を選択して表示する。これによって、医師は、がん陰影又は類似非がん陰影を参照しながら、未知のＣＴ画像の陰影について適切な判断を行なうことができるようになる。なお、特徴量を用いた演算値には、例えばマハラノビス距離、ユークリッド距離、ニューラルネットワークなどがある。
【００６２】
上記の種々の特徴量を用いて病巣候補にすべきかどうかの判定をする場合、途中に統計的処理やニューラルネットなどの処理を採用したとしても、最終的にはしきい値処理などの正確なパラメータを決定する必要がある場合がある。このような場合の常套手段としては、毎日得られる画像から逆にパラメータをより正確にしていく、いわゆる”学習”によることはいうまでもない。
この特微量や分散値又は標準偏差値を、マハラノビス距離、ユークリッド距離、ニューラルネットワークなどの入力値として使用し、ＣＰＵ４０は、その結果を用いて判別するようにしてもよい。これにより、従来にない病巣陰影を判別するための特徴量とその特徴量を利用した処理手順を提供することができる。
上述の実施の形態では、切断円を用いて切断する場合について説明したが、楕円その他の形状を用いて切断するようにしてもよい。その場合、陰影の長軸方向と楕円の長軸方向とを一致させることが好ましい。また、上述の実施の形態では、２次元画像を例に説明したが、画像を複数用いた３次元画像空間についても同様の処理を行なっても同様の効果があることはいうまでもない。
【００６３】
【発明の効果】
以上説明したように本発明の画像診断支援装置によれば、コンピュータで医用画像から病巣候補などを自動判別する際に、大きさや形の異なる陰影を統一的に扱うことができ、コンピュータ演算も短時間で済むという効果がある。また、本発明の画像診断支援装置によれば、抽出された病巣候補と思われる陰影を容易かつ瞬時に識別可能に表示することができるという効果がある。
【図面の簡単な説明】
【図１】 本発明が適用される病巣候補抽出及び表示装置全体のハードウエア構成を示すブロック図
【図２】 病巣候補抽出表示装置が実行するメインフローを示す図
【図３】 図２のメインフローによってＣＴ画像がどのように処理されるのかを示す図
【図４】 図１のＣＲＴディスプレイ上の表示画面の一例を示す図
【図５】 図２のステップＳ８１の多値化画像処理の前半部分を示す詳細フローチャート図
【図６】 図２のステップＳ８０の多値化画像処理の後半部分を示す詳細フローチャート図
【図７】 図５及び図６の多値化画像処理を原理的に説明するための図
【図８】 陰影又は陰影の境界に位置する画素を抽出する方法によってどのように陰影が抽出されるかの概念を示す図
【図９】 異常陰影検出処理の様子を概念的に示す図であり、（ａ）はＣＴ画像の一部拡大図、（ｂ）は２値化後の抽出陰影を示す図
【図１０】 異常陰影検出処理の様子を概念的に示す図であり、（ａ）はＣＴ画像と抽出画像とを重ね合わせた図、（ｂ）は（ａ）の一部を取り出した拡大図
【図１１】 （ａ）は角度Θを横軸とし、ＣＴ画像における点ｂ，ｃのＣＴ値の差分値を縦軸としてプロットした曲線を示し、（ｂ）は（ａ）のような曲線をフーリエ変換し、横軸を周波数ｆとし、縦軸をフーリエ係数Ｃとする折れ線グラフを示す図
【図１２】 図１０（ｂ）の変形例を示す図
【図１３】 血管部のＣＴ画像とこれを２値化抽出処理した場合の２値化抽出領域とを重ね合わせて示した図
【図１４】 血管の分岐した陰影に対する切断処理の様子を概念的に示す図
【図１５】 比較的大きな病巣候補陰影と血管陰影とが重なっている場合の切断処理の様子を概念的に示す図
【図１６】 切断処理を行なう場合の切断半径の決定方法を示す図
【図１７】 （ａ）は図１４（ｂ）切断処理の結果を示し、（ｂ）は図１５（ｂ）の切断処理の結果を示す図
【図１８】 陰影の面積とこの陰影に関する他の面積を利用して異常陰影を検出処理する様子を示す図
【図１９】 凹部の面積を求める処理の詳細を示すフローチャート図
【図２０】 陰影の動径長、陰影の面積及びこの陰影に関する他の面積を利用して異常陰影を検出処理する場合の別の実施例を示す図
【図２１】 判定基準となるパラメータを画像の臓器の位置に依存させる場合の一例を示す図
【図２２】 切断処理の別の実施の形態を示す図
【図２３】 陰影の平均値画像を作成し、動径を用いて平均値画像の縁から陰影の縁までの距離を利用して異常陰影を検出処理する場合の実施例を示す図
【図２４】 異常陰影検出処理の対象となるＣＴ画像を選択する画像選択処理の一例を示す図
【図２５】 この画像選択処理の一例を示すフローチャート図
【図２６】 図２５のステップＳ２５１のフラグセット処理の詳細を示す図
【図２７】 断層像をＣＲＴディスプレイ４８上に表示する場合の一例を示す図
【図２８】 断層像をＣＲＴディスプレイ４８上に表示する場合の変形例を示す図
【符号の説明】
１ａ，１５，１６…陰影
１ｂ…２値化陰影
１２Ａ，１２Ｂ…小領域
２０，２１…元のＣＴ画像
２２…病巣候補陰影
２４…処理途中の画像
３０…医用画像
３１，３２，３３…円（マーカー）
４０…中央処理装置（ＣＰＵ）
４２…主メモリ
４４…磁気ディスク
４６…表示メモリ
４８…ＣＲＴディスプレイ
５０…マウス
５２…コントローラ
５４…キーボード
５６…共通バス
５７…スピーカ
５８…ローカルエリアネットワーク
５９…他のコンピュータ又はＣＴ装置
１００，１３０，１４５，１５５…動径
１３１…２値化抽出領域
１４７，１５７…切断円

Claims (20)

1. 医用画像又は前記医用画像の中から判別対象となる陰影の種類に応じた画素値範囲に属する画素だけを抽出して作成された判別対象用医用画像に対して所定の画像処理を施して多値化画像を作成する多値化手段と、
   前記多値化画像に基づいて陰影の中心又は重心を検出し、前記陰影の中心又は重心付近を基準点とする所定長の半径を前記多値化画像と前記医用画像又は前記判別対象用医用画像とを重ね合わせた画像中の陰影上で回転させて、前記半径と前記多値化画像中の前記陰影の縁との交点を基準にして前記多値化画像中の前記陰影の内外に所定距離だけ離れた少なくとも２個所における前記医用画像又は前記判別対象用医用画像中の陰影の画素値をサンプリングし、前記サンプリングされた画素値の中の２個所の差分値に基づいて前記陰影が病巣候補陰影であるか否かを判別する抽出手段と
   を備えたことを特徴とする画像診断支援装置。
2. 請求項１において、前記抽出手段が、前記半径と前記多値化画像の縁との交点を基準にして前記多値化画像の内外に所定距離だけ離れた前記半径上の少なくとも２個所における前記医用画像又は前記判別対象用医用画像中の陰影の画素値をサンプリングすることを特徴とする画像診断支援装置。
3. 請求項１において、前記抽出手段が、前記半径と前記多値化画像の縁との交点を含むように前記多値化画像の縁に形成された接線に対して垂直な線上であって、前記交点を基準にして前記多値化画像の内外に所定距離だけ離れた少なくとも２個所における前記医用画像又は前記判別対象用医用画像中の陰影の画素値をサンプリングすることを特徴とする画像診断支援装置。
4. 請求項１において、前記抽出手段が、前記半径の回転時の角度を横軸として前記２個所の画素値の差分値に基づいた差分値波形を作成し、前記差分値波形に基づいて前記陰影が病巣候補陰影であるか否かを判別することを特徴とする画像診断支援装置。
5. 請求項４において、前記抽出手段が、前記差分値波形をフーリエ変換し、このフーリエ変換の結果に基づいて、前記陰影が病巣陰影であるか否かを判別することを特徴とする画像診断支援装置。
6. 請求項５において、前記抽出手段が、前記フーリエ変換の結果、その周波数成分の大小関係に基づいて、前記陰影が病巣陰影であるか否かを判別することを特徴とする画像診断支援装置。
7. 請求項５において、前記抽出手段が、前記フーリエ変換の結果、その周波数成分のピークを示す周波数の大小に基づいて、前記陰影が病巣陰影であるか否かを判別することを特徴とする画像診断支援装置。
8. 請求項４において、前記抽出手段が、前記差分値波形において、前記多値化画像の内側に位置する画素値が前記多値化画像の外側に位置する画素値よりも小さい場合の割合を求め、その割合が一定値よりも大きいか否かに基づいて、前記陰影が血管の末端であると見なして、病巣候補陰影から除外することを特徴とする画像診断支援装置。
9. 請求項１において、前記抽出手段が、前記多値化画像に基づいて陰影の中心又は重心を検出し、前記陰影の中心又は重心付近を基準点として所定長の直線を前記多値化画像と前記医用画像又は前記判別対象用医用画像とを重ね合わせた画像中の陰影上で回転させて、前記直線と前記多値化画像、前記医用画像又は前記判別対象用医用画像中の陰影と交差する直線部分の長さの最小値を求め、前記最小値に基づいて切断半径を求め、前記切断半径によって形成される切断円に含まれる前記陰影を残し、それ以外の陰影を除去し、残った陰影が病巣候補陰影であるか否かを判別することを特徴とする画像診断支援装置。
10. 請求項１において、前記抽出手段が、前記多値化画像に基づいて陰影の中心又は重心を検出し、前記陰影の中心又は重心付近を基準点として所定長の直線を前記多値化画像と前記医用画像又は前記判別対象用医用画像とを重ね合わせた画像中の陰影上で回転させて、前記直線と前記多値化画像、前記医用画像又は前記判別対象用医用画像中の陰影と交差する直線部分の長さの最小値及び最大値を求め、前記最小値と前記最大値との比に基づいて切断半径を求め、前記切断半径によって形成される切断円に含まれる前記陰影を残し、それ以外の陰影を除去し、残った陰影が病巣候補陰影であるか否かを判別することを特徴とする画像診断支援装置。
11. 請求項９において、前記抽出手段が、前記多値化画像に基づいて陰影の中心又は重心を検出し、前記中心又は重心から前記陰影の縁部までの距離を前記陰影の全周囲に渡って求め、全周囲に渡って求められた距離の分散値又は標準偏差値を求め、前記分散値又は標準偏差値と前記最小値に基づいて前記陰影が病巣候補陰影であるか否かを判別することを特徴とする画像診断支援装置。
12. 請求項１０において、前記抽出手段が、前記陰影領域の面積を求めると共に前記陰影領域の縁部に形成される凹部領域の面積を求め、前記陰影領域の面積と前記凹部領域の面積との比率を求め、求められた比率と前記最小値と前記最大値との比とに基づいて前記陰影が病巣候補陰影であるか否かを判別することを特徴とする画像診断支援装置。
13. 請求項１０において、前記抽出手段が、前記陰影領域の面積を求めると共に前記陰影領域の縁部に形成される凹部領域の面積を求め、前記前記凹部領域の面積の中で最も大きい二つの面積の重心位置付近を直線又は曲線で接続し、この直線又は曲線を用いて前記陰影領域を切断することを特徴とする画像診断支援装置。
14. 請求項１３において、前記直線又は前記曲線を用いて切断された前記陰影について病巣候補陰影であるか否かを判別することを特徴とする画像診断支援装置。
15. 請求項１４において、前記直線又は前記曲線を用いて切断された前記陰影について、切断前の陰影の中心又は重心を含まない方の切断後陰影を削除し、削除後の陰影が病巣候補陰影であるか否かを判別することを特徴とする画像診断支援装置。
16. 請求項１において、前記抽出手段が、前記多値化画像の所定の領域を複数の領域に分割し、分割されたそれぞれの領域に異なるパラメータを割り当て、前記多値化画像に基づいて検出された陰影の中心又は重心が位置する前記分割領域に割り当てられているパラメータを用いて前記陰影の切断処理又は病巣候補陰影であるか否かを判別処理を行なうことを特徴とする画像診断支援装置。
17. 請求項１において、前記抽出手段が、前記多値化画像に基づいて平均値画像を作成し、前記多値化画像又は前記平均値画像に基づいて陰影の中心又は重心を検出し、前記陰影の中心又は重心付近を基準点として所定長の直線を前記多値化画像及び前記平均値画像を重ね合わせた画像中の陰影上で回転させて、前記直線と前記多値化画像及び前記平均値画像中の陰影と交差する直線部分の長さの差分値を求め、前記直線の回転時の角度を横軸として前記差分値に基づいた差分値波形を作成し、前記差分値波形に基づいて前記陰影が病巣候補陰影であるか否かを判別することを特徴とする画像診断支援装置。
18. 請求項１において、前記多値化手段によって処理される前に前記医用画像の中から不要なものを取り除き、異常陰影検出処理の対象となるものを選択する処理画像選択手段を備えたことを特徴とする画像診断支援装置。
19. 請求項１９において、前記処理画像選択手段が、前記医用画像の中で所定の領域の面積が最も大きい第１の医用画像を抽出し、前記第１の医用画像とその前後の医用画像との間で前記所定の領域の相関を取り、その相関値の大きさに基づいて前記前後の医用画像が前記異常陰影検出処理の対象となるか否かを判断し、前記相関の比較対象となる医用画像を順次前後にシフトして前記異常陰影検出処理の対象となるか否かの判断を行なうことを特徴とする画像診断支援装置。
20. 請求項１において、前記前記病巣候補陰影の検出処理前の医用画像と前記抽出手段によって抽出された前記病巣候補陰影を含む医用画像と類似非異常陰影を含む医用画像とを並べて表示する表示手段をさらに備えたことを特徴とする画像診断支援装置。

Images