JP4252744B2

JP4252744B2 - Abnormal shadow detection device

Info

Publication number: JP4252744B2
Application number: JP2001292802A
Authority: JP
Inventors: 英哉武尾; 貴志今村
Original assignee: Fujifilm Corp
Current assignee: Fujifilm Corp
Priority date: 2001-09-26
Filing date: 2001-09-26
Publication date: 2009-04-08
Anticipated expiration: 2021-09-26
Also published as: JP2003093373A

Description

【０００１】
【発明の属する技術分野】
本発明は異常陰影検出装置に関し、特に詳しくは、乳房画像を表わす画像データに基づいて、画像中の微小石灰化陰影が実在している領域を検出する異常陰影検出装置に関するものである。
【０００２】
【従来の技術】
従来より、医療分野においては、被写体の放射線画像を読影して病変部を発見し、またその病変部の状態を観察して、疾病の有無や進行状況の診断を行うことが一般的に行なわれている。しかしながら、放射線画像の読影は読影者の経験や画像読影能力の高低によって左右され、必ずしも客観的なものとはいえなかった。
【０００３】
例えば、乳癌の検査を目的として撮影されたマンモグラフィ（乳房を被写体とした診断用放射線画像）においては、その画像から癌化部分の特徴の一つである腫瘤陰影や微小石灰化陰影等の異常陰影を検出することが必要であるが、読影者によっては必ずしも的確にその異常陰影を検出することができるとは限らない。このため、読影者の技量に依存することなく、腫瘤陰影や微小石灰化陰影を始めとする異常陰影を的確に検出することが求められていた。
【０００４】
この要望に応えるものとして、診断用画像として取得された被写体の画像データに基づき、その画像データが表わす画像中の異常陰影を計算機を用いて自動的に検出する異常陰影検出処理システム（計算機支援画像診断装置）が提案されている（特開平8-294479号公報、特開平8-287230号公報等）。この異常陰影検出処理システムは、異常陰影の濃度分布の特徴や形態的な特徴に基づいて、異常陰影を計算機を用いて自動的に検出するものであり、主として腫瘤陰影を検出するのに適したアイリスフィルタ処理や、主として微小石灰化陰影を検出するのに適したモフォロジーフィルタ処理等を利用して異常陰影を検出する。
【０００５】
ここで、モフォロジーフィルタ処理について詳細に説明する。モフォロジーフィルタは、所定のサイズの構造要素を用いて、構造要素よりも小さいサイズのノイズや陰影を画像中から除去または抽出することが可能なフィルタであり、画像信号の平滑化や、癌の特徴的な形態の一つである微小石灰化陰影の抽出等に利用される。モフォロジーフィルタ処理は、検出しようとする微小石灰化陰影（個々の微小な点状の石灰化陰影、以下単に石灰化陰影ともいう。）よりも大きいサイズの構造要素を用いたモフォロジー演算処理の出力値と所定の閾値とを比較することにより、画像中における乳癌の特徴的形態の一つである微小石灰化陰影を検出する手法である。
【０００６】
（モフォロジーの基本演算）
モフォロジー演算処理は一般的にはＮ次元空間における集合論として展開されるが、直感的な理解のために２次元の濃淡画像を対象として説明する。
【０００７】
濃淡画像を座標（ｘ，ｙ）の点が濃度値ｆ（ｘ，ｙ）に相当する高さをもつ空間とみなす。ここで、濃度値ｆ（ｘ，ｙ）は、濃度が低い（ＣＲＴに表示した場合には輝度が高い）ほど大きな画像信号となる高輝度高信号レベルの信号とする。
【０００８】
まず、簡単のために、その断面に相当する１次元の関数ｆ（ｘ）を考える。モフォロジー演算処理に用いる構造要素ｇは次式（１）に示すように、原点について対称な対称関数
【数１】

であり、定義域内で値が０で、その定義域が下記式（２）であるとする。
【０００９】
【数２】

このとき、モフォロジー演算の基本形は式（３）〜（６）に示すように、非常に簡単な演算となる。
【００１０】
【数３】

すなわち、ダイレーション（dilation）処理は、注目画素を中心とした、±ｍ（構造要素Ｂに応じて決定される値）の幅の中の最大値を検索する処理であり（図３（Ａ）参照）、一方、イロージョン（erosion ）処理は、注目画素を中心とした、±ｍの幅の中の最小値を検索する処理である（同図（Ｂ）参照）。また、オープニング（opening ）処理は最小値探索の後に、最大値を探索することに相当し、クロージング（closing ）処理は最大値探索の後に、最小値を探索することに相当する。オープニング処理は低輝度側から濃度曲線ｆ（ｘ）を滑らかにし、マスクサイズ２ｍより空間的に狭い範囲で変動する凸状の濃度変動部分（周囲部分よりも輝度が高い部分）を取り除くことに相当する（同図（Ｃ）参照）。一方、クロージング処理は、高輝度側から濃度曲線ｆ（ｘ）を滑らかにし、マスクサイズ２ｍより空間的に狭い範囲で変動する凹状の濃度変動部分（周囲部分よりも輝度が低い部分）を取り除くことに相当する（同図（Ｄ）参照）。
【００１１】
ここで、濃度の高いもの程大きな値となる高濃度高信号レベルの信号の場合においては、濃度値ｆ（ｘ）の画像信号値が高輝度高信号レベルの場合に対して大小関係が逆転するため、高濃度高信号レベルの信号におけるダイレーション処理は、高輝度高信号レベルにおけるイロージョン処理（図３（Ｂ））と一致し、高濃度高信号レベルの信号におけるイロージョン処理は、高輝度高信号レベルにおけるダイレーション処理（同図（Ａ））と一致し、高濃度高信号レベルの信号におけるオープニング処理は、高輝度高信号レベルにおけるクロージング処理（同図（Ｄ））と一致し、高濃度高信号レベルの信号におけるクロージング処理は、高輝度高信号レベルにおけるオープニング処理（同図（Ｃ））と一致する。なお、以下のモフォロジーフィルタ処理に関する説明においては、特に断りのない限り、高輝度高信号レベルの画像信号の場合について説明する。
【００１２】
（石灰化陰影検出への応用）
石灰化陰影の検出には、原画像から平滑化した画像を引き去る差分法が考えられる。単純な平滑化法では石灰化陰影と細長い形状の非石灰化陰影（乳腺や血管や乳腺支持組織等）の識別が困難であるため、多重構造要素を用いたオープニング演算に基づく下記式（７）で表されるモフォロジー演算処理が提案されている（「多重構造要素を用いたモルフォロジーフィルタによる微小石灰化像の抽出」電子情報通信学会論文誌 D-II Vol.J75-D-II No.7 P1170 〜1176 1992年７月、「モルフォロジーの基礎とそのマンモグラム処理への応用」MEDICAL IMAGING TECHNOLOGY Vol.12 No.1 January 1994 ）。
【００１３】
【数４】

ここでＢi（ｉ＝１，２，３，４）は図４に示す直線状の４つの構造要素Ｂiである。構造要素Ｂiを検出対象の石灰化陰影よりも大きく設定すれば、オープニング処理で、構造要素Ｂiよりも細かな凸状の信号変化部分（空間的に狭い範囲で変動する画像部分）である石灰化陰影は取り除かれる。一方、細長い形状の非石灰化陰影はその長さが構造要素Ｂiよりも長く、その傾き（延びる方向）が４つの構造要素Ｂiのうちいずれかに一致すればオープニング処理（式（７）の第２項の演算）をしてもそのまま残る。したがってオープニング処理によって得られた平滑化画像（石灰化陰影が取り除かれた画像）を原画像ｆから引き去ることで、小さな石灰化陰影の候補が含まれる微細構造画像Ｐが得られる。これが式（７）の考え方である。
【００１４】
なお、高濃度高信号レベルの信号の場合においては、石灰化陰影は周囲の画像部分よりも濃度値が低くなり、石灰化陰影は周囲部分に対して凹状の信号変化部分となるため、オープニング処理に代えてクロージング処理を適用し、式（７）に代えて式（８）を適用する。
【数５】

【００１５】
また、得られた微細構造画像Ｐの中に石灰化陰影と同等の大きさをもつ非石灰化陰影が一部残る場合があり、そのような場合については、次式（９）のモフォロジー演算に基づく微分情報を利用して式（７）により得られた微細構造画像Ｐに含まれる非石灰化陰影をさらに除去する。
【数６】

すなわち、Ｍgradの値が大きいほど石灰化陰影の可能性が大きいので、石灰化候補画像Ｃs（石灰化陰影の候補点を抽出した画像）は下記式（10）により求めることができる。
【数７】

ここで、Ｔ１，Ｔ２は実験的に決められる、予め設定された閾値である。ただし、石灰化陰影の大きさとは異なる非石灰化陰影については、式（７）のＰと所定の閾値Ｔ１との比較のみで除去できるため、石灰化陰影と同等の大きさをもつ非石灰化陰影が残ることのないような場合は、式（10）の第１項の条件（Ｐ（ｉ，ｊ）≧Ｔ１）を満たすだけでよい。
【００１６】
最後に、式（11）に示す、マルチスケールのオープニング演算とクロージング演算との組合わせにより、石灰化陰影のクラスタ領域Ｃcを検出する。
【数８】

ここで、λ₁とλ₂はそれぞれ融合したい石灰化陰影の最大距離と除去したい孤立陰影の最大半径とによって決められ、λ₃＝λ₁＋λ₂である。
【００１７】
なお、高濃度高信号レベルの画像データの場合には、上記式（９）、（10）においてオープニング演算とクロージング演算とが逆の関係になる。
【００１８】
【発明が解決しようとする課題】
ところで、従来、微小石灰化陰影を検出する際には、モフォロジーフィルタ処理により微小石灰化陰影のクラスタ領域を検出した後に、クラスタ領域内に含まれている石灰化陰影の候補点の数と、乳房全体に含まれている石灰化陰影の候補点の数（全体数）とを比較して、全体数の一割以上の数の候補点を含むクラスタ領域のみを微小石灰化陰影が実在している領域として最終的に検出していた。
【００１９】
すなわち、微小石灰化陰影は、一般的に微小で不整形な石灰のかたまりが密に分布した形で画像中に表れるものであるため、候補点の全体数に対する占有率が一定の基準に達していないクラスタ領域を、ノイズや他の構造物等（以下、ノイズ等とする。）が候補点として誤抽出されたことにより誤って検出された領域であるとみなし除去している。
【００２０】
また、画像中に表れる微小石灰化陰影の特性として、大小が不同であることや、濃淡が不揃いであることが知られており、一方、ノイズ等は比較的、大小や濃淡がばらついていないことが知られている。
【００２１】
本発明は、上記事情に鑑み、検出された微小石灰化陰影のクラスタ領域が微小石灰化陰影の実在領域であるか否かを候補点の占有率に基づいて判定する際に、石灰化陰影の形状や濃度の特性を利用して、判定精度を向上させる異常陰影検出装置を提供することを目的とするものである。
【００２２】
【課題を解決するための手段】
本発明による異常陰影検出装置は、乳房画像を表わす画像データに基づいて、乳房画像中の微小石灰化陰影の候補を表す複数の候補点を抽出する候補点抽出手段と、画像データに基づいて、抽出された候補点を含む微小石灰化陰影の候補領域を検出する候補領域検出手段と、抽出された複数の候補点をそれぞれ重み付けしてカウントするための候補点ごとに付与される補正カウント値を、各候補点を含む所定領域内に存在するすべての候補点の大きさのばらつきおよび／または濃度のばらつきに基づいて求める補正カウント値算出手段と、求められた補正カウント値を利用して、乳房画像の全体に含まれる候補点の補正カウント値の総和に対する、候補領域に含まれる候補点の補正カウント値の総和の占有率を算出し、算出された占有率に基づいて、候補領域が微小石灰化陰影の実在領域であるか否かを判定する判定手段とを備えたことを特徴とするものである。
【００２３】
ここで、微小石灰化陰影の候補を表す複数の候補点とは、例えばモフォロジーフィルタ処理により作成される石灰化候補画像中に抽出された候補点など、石灰化陰影の大きさや濃度等の特性を利用して微小石灰化陰影の候補として抽出された陰影を示すものである。
【００２４】
また、微小石灰化陰影の候補領域としては、例えばモフォロジーフィルタ処理により作成されるクラスタ領域を用いることができるが、これに限られるものではなく、乳房画像中の輝度が高い任意領域など、画像中に表れる微小石灰化陰影の大きさや濃度等の特性に基づいて検出される種々の領域を用いることができる。
【００２５】
また、補正カウント値算出手段を、大きさのばらつきおよび／または濃度のばらつきが大きいときには補正カウント値を高い値とし、大きさのばらつきおよび／または濃度のばらつきが小さいときには補正カウント値を低い値とするものとし、判定手段を、上記占有率が所定値（例えば、１０％や１７％）以上であるときに、その候補領域を実在領域とするものとすることもできる。
【００２６】
補正カウント値は、具体的には、例えば各候補点のカウント値の初期値を１とすると、各候補点を含む所定領域内に存在するすべての候補点の大きさのばらつきに基づいて、大きさのばらつきが所定の値１よりも小さいときに補正値を−２、値１〜値２の間のときに補正値を−１、値３〜値４の間のときに補正値を＋１、値４よりも大きいときに補正値を＋２とし、得られた補正値をカウント値の初期値の１に加算することにより求められるものとすることができる。また、所定領域内に存在するすべての候補点の濃度のばらつきに基づいて、濃度のばらつきが所定の値１′よりも小さいときに補正値を−２、値１′〜値２′の間のときに補正値を−１、値３′〜値４′の間のときに補正値を＋１、値４′よりも大きいときに補正値を＋２とし、得られた補正値を初期値の１に加算することにより求められるものとすることもできる。さらに、所定領域内に存在するすべての候補点の大きさのばらつきと濃度のばらつき両方に基づいて、大きさのばらつきおよび濃度のばらつきに基づくそれぞれの補正値を初期値の１に加算することにより求められるものとすることもできる。なお、ここで示した補正値の値や設定方法は一例を示したものであり、補正値の設定段階を増減させてもよいし、このように離散的に補正値を設定する方法ではなく連続的に設定する方法など、種々の方法を採用することができる。
【００２７】
また、各候補点を含む所定領域を、例えば各候補点を中心とした所定の大きさを有する円領域（１０bitの１０mm/pixelの画像データの場合、半径５７pixel程度の円領域など）とすることができるが、これに限られるものではなく、各候補点を含む種々の形状や大きさの領域とすることができる。なお、この各候補点を含む所定領域は、すべての候補点に対して同じ基準（設定位置や大きさ、形状等）で設定されるものであることが望ましい。
【００２８】
なお、大きさのばらつきや濃度のばらつきとしては、例えば偏差や分散等、ばらつきを表わす種々の指標値を利用することができる。
【００２９】
【発明の効果】
上記のように構成された本発明による異常陰影検出装置によれば、各候補点を含む所定領域内に存在するすべての候補点の大きさのばらつきや濃度のばらつきに基づいて、各候補点をそれぞれ重み付けしてカウントするための補正カウント値を求め、求められた補正カウント値を利用して、画像全体に含まれている候補点の補正カウント値の総和に対する、候補領域に含まれている候補点の補正カウント値の総和の占有率を算出し、この占有率に基づいて候補領域が微小石灰化陰影の実在領域であるか否かの判定を行うから、重み付けをせずに占有率を算出して判定を行う従来の手法よりも判定精度を上げることができる。
【００３０】
すなわち、画像中に表れる微小石灰化陰影の特性として、大小が不同であることや、濃淡が不揃いであることが知られているため、各候補点とその周辺の候補点の大きさのばらつきや濃度のばらつきが大きいときには石灰化陰影である可能性が高いので補正カウント値を高い値とし、また大きさのばらつきや濃度のばらつきが小さいときには石灰化陰影である可能性が低いので補正カウント値を低い値とすれば、各候補点に対して微小石灰化陰影の形状や濃度の特性に基づく重み付けを加えることができるため、この補正カウント値を用いて、候補領域に含まれている候補点の画像全体に対する占有率を求め、占有率が所定値以上となる候補領域のみを微小石灰化陰影の実在領域とすることにより、判定の精度を上げることが可能になる。
【００３１】
【発明の実施の形態】
以下、本発明の異常陰影検出装置の実施の形態を図面に基づいて説明する。図１は本発明における異常陰影検出装置の概略構成を示す図である。
【００３２】
本実施形態の異常陰影検出装置は、画像読取装置等から入力した原画像データＰに基づいて原画像中の微小石灰化陰影の候補を表す複数の候補点を抽出する候補点抽出手段10と、候補点抽出手段10により抽出された候補点をクラスタ化して微小石灰化陰影の候補領域を検出する候補領域検出手段20と、候補点抽出手段10により抽出された各候補点の補正カウント値を算出する補正カウント値算出手段30と、候補領域検出手段20から検出された候補領域の位置情報を入力し、補正カウント値算出手段30から各候補点の補正カウント値を入力し、画像全体における補正カウント値の総和に対する、候補領域における補正カウント値の総和の占有率を算出して候補領域が微小石灰化陰影の実在領域であるかの判定を行う判定手段40とにより構成されている。なお、検出された候補領域が複数ある場合には、判定手段40は各候補領域に対して判定を行う。
【００３３】
次に、以上のように構成された本実施形態の異常陰影検出装置の作用について説明する。
【００３４】
乳房を撮影した放射線画像の原画像データＰが画像読取装置等から候補点抽出手段10に入力されると、候補点抽出手段10はモフォロジーフィルタ処理により、微小石灰化陰影の候補点を抽出した石灰化候補画像データＣｓを作成する。このとき、モフォロジーフィルタ処理の閾値Ｔ１，Ｔ２を低く設定し（モフォロジーフィルタ処理の式（10）参照）、ノイズや淡い石灰化陰影等を含む石灰化候補画像データＣｓを作成する。
【００３５】
候補領域検出手段20は、候補点抽出手段10において作成された石灰化候補画像データＣｓを入力し、まず、入力した石灰化候補画像データＣｓに基づいて画像中に各候補点を中心とする半径５７pixel（５．７mm）の円領域を設定し、設定された各円領域に含まれる候補点の数をカウントしてカウント数（候補点の個数）を算出する。次に、候補領域検出手段20は、設定された円領域ごとに各円領域に含まれるすべての候補点の大きさの偏差と濃度の偏差を求め、この２つの偏差の値に基づいて各円領域におけるカウント数を補正する。
【００３６】
図２は、ある円領域内の各候補点の大きさの偏差（横軸）と濃度の偏差（縦軸）を示した図である。ここで、図２における横軸は、「大きさ」を１０pixel／mmの場合の画素数で表わしたときの画素数の標準偏差を示したものであり、同図における縦軸は、「濃度値」を画像信号値が大きいほど高濃度となるような画像信号値（10bit）で表わしたときの画像信号値の標準偏差を示したものである。黒い点で示したノイズ等（非石灰化陰影）は大きさの偏差と濃度の偏差がともに小さくなる位置（左下方）に多く、白い点で示した石灰化陰影は大きさの偏差と濃度の偏差がともに大きくなる位置（右上方）に多い。候補領域検出手段20は、この傾向に基づいて各円領域におけるカウント数を補正する。
【００３７】
具体的には、円領域内の候補点の大きさの偏差が０．０〜０．７未満の範囲のときは補正値を−２とし、０．７〜２．０未満の範囲のときは補正値を−１とし、６．７〜２０．０未満の範囲のときは補正値を＋１とし、２０．０以上の範囲のときは補正値を＋２とする。さらに、円領域内の候補点の濃度の偏差が０．０〜１．３未満の範囲のときは補正値を−２とし、１．３〜４．０未満の範囲のときは補正値を−１とし、２６．７〜８０．０未満の範囲のときは補正値を＋１とし、８０．０以上の範囲のときは補正値を＋２とする。すなわち、大きさの偏差および濃度の偏差に基づいて、各候補領域のカウント数には−４〜＋４の補正が加えられる。
【００３８】
候補領域検出手段20は、補正後のカウント数が５以上となる円領域のみを抽出し、抽出された円領域が１つ以上連続することにより形成される連続領域を候補領域として検出する。
【００３９】
補正カウント値算出手段30は、候補点抽出手段10において作成された石灰化候補画像データＣｓを入力し、入力した石灰化候補画像データＣｓに基づいて画像中に各候補点を中心とする半径５７pixel（５．７mm）の円領域を設定し、設定された各円領域ごとに各円領域に含まれるすべての候補点の大きさの偏差と濃度の偏差を求め、この２つの偏差の値に基づいて各円領域の中心の候補点の補正カウント値を算出する。補正カウント値とは、各候補点のカウント値（初期値「１」）に対して石灰化陰影の形状や濃度の特性に基づく重み付けを加えたものである。
【００４０】
具体的には、候補領域検出手段20における候補領域のカウント数の補正と同様の補正値を用いて、円領域内に含まれているすべての候補点の大きさの偏差と濃度の偏差に基づき、その円領域の中心の候補点のカウント値を補正する。すなわち、ここでは、各候補点を中心とする円領域内に含まれているすべての候補点の大きさの偏差および濃度の偏差に基づいて、その中心の候補点のカウント値の初期値１に−４〜＋４の補正が加えられる。
【００４１】
判定手段40は、候補領域検出手段20から検出された候補領域の位置情報を入力し、補正カウント値算出手段30から各候補点の補正カウント値を入力して、画像全体に含まれているすべての候補点の補正カウント値の総和Ａと、検出された各候補領域に含まれている候補点の補正カウント値の総和Ｂとをそれぞれ算出し、総和Ｂの総和Ａに対する占有率が１７％よりも大きい（すなわち、Ｂ／Ａ＞１７％）候補領域のみを微小石灰化陰影の実在領域として最終的に検出する。ここで、検出された候補領域が複数ある場合には、候補領域ごとに補正カウント値の総和Ｂを算出して占有率を求め、候補領域ごとに判定を行う。なお、総和Ｂの総和Ａに対する占有率の判定基準の値は１７％に限られるものではなく、実験的な結果に基づいて種々変更することができる。
【００４２】
上記実施形態による異常陰影検出装置によれば、各円領域に含まれている候補点の大きさの偏差と濃度の偏差に基づいて各円領域のカウント数を重み付け補正し、重み付け補正されたカウント数に基づいて円領域を抽出し候補領域としているので、石灰化陰影が実在している領域である可能性がより高い領域を候補領域とすることができる。
【００４３】
また、候補点にノイズ等が多少含まれていたとしても、各円領域のカウント数を重み付け補正することにより、ノイズ等を含む円領域と石灰化陰影を含む円領域とを分離することができるので、候補点抽出の際の閾値Ｔ１，Ｔ２を従来よりも下げて、石灰化候補画像Ｃsをノイズ等を比較的多く含む画像とすることができる。こうすることにより、従来の閾値によればノイズ等とともに除去されてしまっていた淡い石灰化陰影（濃度が低い石灰化陰影）をも抽出することが可能となり、検出率を上げることができる。
【００４４】
なお、上記カウント値の補正における補正値の値や設定方法は一例を示したものであり、検出しようとする微小石灰化陰影の特徴等にあわせて種々設定することができる。
【００４５】
また、上記実施形態においては、各円領域に含まれる微小石灰化陰影の候補点の大きさの偏差および濃度の偏差両方に基づいて各候補点のカウント値や各円領域のカウント数を補正する形態を示しているが、図２に示した傾向に基づいて、上記と同様の基準で、大きさの偏差と濃度の偏差のうちいずれか１つのみによりカウント値やカウント数を補正する形態でもよい。
【００４６】
また、上記実施形態においては、候補領域検出手段20を、候補点抽出手段10から石灰化候補画像データＣsを入力し、これに基づいて候補領域を検出するものとしているが、本発明による異常陰影検出装置における候補領域検出手段はこの形態に限られるものではなく、例えば原画像データを入力し、原画像データに基づいて原画像中の輝度が高い任意領域を直接候補領域として検出するものなどでもよい。
【図面の簡単な説明】
【図１】本発明の一実施形態による異常陰影検出装置の概略構成図
【図２】円領域に含まれる微小石灰化陰影の候補点の大きさのばらつき（画素数の標準偏差）と濃度のばらつき（画像信号値の標準偏差）を示す図
【図３】モフォロジーフィルタの基本作用を示す図
【図４】直線状の４つの構造要素Ｂを示す図
【符号の説明】
10 候補点抽出手段
20 候補領域検出手段
30 補正カウント値算出手段
40 判定手段[0001]
BACKGROUND OF THE INVENTION
The present invention relates to an abnormal shadow detection apparatus, and more particularly to an abnormal shadow detection apparatus that detects a region where a microcalcification shadow exists in an image based on image data representing a breast image.
[0002]
[Prior art]
Conventionally, in the medical field, a radiological image of a subject is read to find a lesion, and the state of the lesion is observed to diagnose the presence or progression of a disease. ing. However, radiographic image interpretation depends on the experience of the interpreter and the level of image interpretation ability, and is not necessarily objective.
[0003]
For example, in mammography (diagnostic radiographs with breasts as the subject) taken for breast cancer examinations, abnormal shadows such as tumor shadows and microcalcification shadows that are one of the features of cancerous parts from the images However, it is not always possible to detect the abnormal shadow accurately depending on the reader. For this reason, it has been required to accurately detect abnormal shadows such as mass shadows and microcalcification shadows without depending on the skill of the reader.
[0004]
In response to this demand, an abnormal shadow detection processing system (computer-aided image) that automatically detects an abnormal shadow in an image represented by the image data based on the image data of a subject acquired as a diagnostic image using a computer. Diagnosis devices) have been proposed (JP-A-8-294479, JP-A-8-287230, etc.). This abnormal shadow detection processing system automatically detects abnormal shadows using a computer based on the density distribution characteristics and morphological characteristics of abnormal shadows, and is suitable mainly for detecting tumor shadows. An abnormal shadow is detected by using an iris filter process, a morphology filter process suitable mainly for detecting a microcalcification shadow, or the like.
[0005]
Here, the morphology filter processing will be described in detail. A morphological filter is a filter that can remove or extract noise and shadow of a size smaller than that of a structural element from an image using a structural element of a predetermined size. It is used to extract micro-calcified shadows, which is one of the typical forms. Morphological filter processing is an output value of morphological calculation processing using a structural element of a size larger than the micro calcification shadow to be detected (individual microscopic calcification shadows, hereinafter also referred to simply as calcification shadow). And a predetermined threshold value to detect a microcalcification shadow that is one of the characteristic forms of breast cancer in an image.
[0006]
(Basic morphological operations)
The morphological operation processing is generally developed as a set theory in an N-dimensional space, but will be described for a two-dimensional gray image for intuitive understanding.
[0007]
The grayscale image is regarded as a space in which a point at coordinates (x, y) has a height corresponding to the density value f (x, y). Here, the density value f (x, y) is a signal with a high luminance and high signal level that becomes a larger image signal as the density is lower (the luminance is higher when displayed on the CRT).
[0008]
First, for the sake of simplicity, a one-dimensional function f (x) corresponding to the cross section is considered. The structural element g used for the morphological operation processing is a symmetric function symmetric about the origin as shown in the following equation (1).

And the value is 0 in the domain, and the domain is represented by the following formula (2).
[0009]
[Expression 2]

At this time, the basic form of the morphology operation is a very simple operation as shown in the equations (3) to (6).
[0010]
[Equation 3]

That is, the dilation process is a process of searching for the maximum value in the width of ± m (value determined according to the structural element B) centered on the target pixel (FIG. 3A). On the other hand, the erosion process is a process of searching for the minimum value in the width of ± m centered on the target pixel (see FIG. 5B). The opening process corresponds to searching for the maximum value after searching for the minimum value, and the closing process corresponds to searching for the minimum value after searching for the maximum value. The opening process is equivalent to smoothing the density curve f (x) from the low luminance side and removing the convex density fluctuation portion (a portion having higher luminance than the surrounding portion) that fluctuates in a spatially narrower range than the mask size 2 m. (Refer to FIG. 3C). On the other hand, the closing process smoothes the density curve f (x) from the high luminance side, and removes the concave density fluctuation portion (the portion whose luminance is lower than the surrounding portion) that fluctuates in a spatially narrower range than the mask size 2 m. (See FIG. 4D).
[0011]
Here, in the case of a signal having a high density and high signal level, which has a larger value as the density is higher, the magnitude relationship is reversed as compared with the case where the image signal value of the density value f (x) is a high luminance and high signal level. Therefore, the dilation processing for the high density high signal level signal coincides with the erosion processing for the high brightness high signal level (FIG. 3B), and the erosion processing for the high density high signal level signal is the high brightness high signal level. This corresponds to the dilation processing at the level (FIG. (A)), and the opening processing at the signal of the high density and high signal level corresponds to the closing processing at the high luminance and high signal level (FIG. (D)). The closing process for the signal level signal coincides with the opening process for the high luminance and high signal level ((C) in the figure). In the following description of the morphology filter processing, a case of an image signal having a high luminance and a high signal level will be described unless otherwise specified.
[0012]
(Application to calcified shadow detection)
For the detection of the calcified shadow, a difference method in which a smoothed image is removed from the original image can be considered. Since it is difficult to distinguish between calcified shadows and elongated non-calcified shadows (such as mammary glands, blood vessels, and mammary support tissues) with a simple smoothing method, the following equation (7) based on the opening operation using multiple structural elements (Extraction of microcalcifications by morphological filters using multiple structural elements) IEICE Transactions D-II Vol.J75-D-II No.7 P1170 -1176 July 1992, "Basics of Morphology and Its Application to Mammogram Processing" MEDICAL IMAGING TECHNOLOGY Vol.12 No.1 January 1994).
[0013]
[Expression 4]

Here, Bi (i = 1, 2, 3, 4) is the four linear structural elements Bi shown in FIG. If the structural element Bi is set larger than the calcified shadow to be detected, the calcification is a convex signal change portion (image portion that fluctuates in a spatially narrow range) finer than the structural element Bi in the opening process. Shading is removed. On the other hand, if the length of the elongated non-calcified shadow is longer than that of the structural element Bi and the inclination (extending direction) coincides with one of the four structural elements Bi, the opening process (the expression (7)) It remains as it is even after the operation of the second term). Therefore, by subtracting the smoothed image (image from which the calcified shadow has been removed) obtained by the opening process from the original image f, a fine structure image P including small calcified shadow candidates is obtained. This is the idea of equation (7).
[0014]
In the case of a signal with a high density and a high signal level, the calcified shadow has a lower density value than the surrounding image portion, and the calcified shadow becomes a concave signal change portion with respect to the surrounding portion. Instead of applying the closing process, the equation (8) is applied instead of the equation (7).
[Equation 5]

[0015]
Moreover, in the obtained fine structure image P, a part of the non-calcified shadow having the same size as the calcified shadow may remain, and in such a case, the morphological calculation of the following equation (9) is performed. The non-calcified shadow contained in the fine structure image P obtained by the equation (7) is further removed using the differential information based on it.
[Formula 6]

That is, as the value of Mgrad increases, the possibility of calcification shadow increases, so that the calcification candidate image Cs (image obtained by extracting candidate points of calcification shadow) can be obtained by the following equation (10).
[Expression 7]

Here, T1 and T2 are preset threshold values determined experimentally. However, since the non-calcified shadow different from the size of the calcified shadow can be removed only by comparing P in the formula (7) with the predetermined threshold T1, the non-calcified shadow having the same size as the calcified shadow is obtained. In the case where no shadow remains, it is only necessary to satisfy the condition (P (i, j) ≧ T1) of the first term of Expression (10).
[0016]
Finally, the cluster region Cc of the calcified shadow is detected by a combination of the multiscale opening calculation and the closing calculation shown in Expression (11).
[Equation 8]

Here, λ ₁ and λ ₂ are respectively determined by the maximum distance of the calcified shadow to be fused and the maximum radius of the isolated shadow to be removed, and λ ₃ = λ ₁ + λ ₂ .
[0017]
In the case of image data with a high density and a high signal level, the opening calculation and the closing calculation are reversed in the above equations (9) and (10).
[0018]
[Problems to be solved by the invention]
By the way, conventionally, when detecting a microcalcification shadow, after detecting the cluster area of the microcalcification shadow by the morphology filter processing, the number of candidate points of the calcification shadow included in the cluster area and the breast Compared with the number of calcified shadow candidate points (total number) included in the whole, the micro calcified shadow is actually present only in the cluster area that contains more than 10% of the candidate points. It was finally detected as a region.
[0019]
In other words, microcalcification shadows generally appear in the image in a densely distributed form of small, irregularly shaped lime, so that the occupancy rate for the total number of candidate points has reached a certain standard. A cluster region that is not present is regarded as a region that has been erroneously detected as a result of erroneous extraction of noise or other structures (hereinafter referred to as noise or the like) as candidate points, and is removed.
[0020]
In addition, it is known that the size of the microcalcification shadows appearing in the image is not the same, and the shades are not uniform. On the other hand, the noise is relatively small and does not vary in shades. It has been known.
[0021]
In view of the above circumstances, the present invention determines whether or not the detected cluster area of the microcalcification shadow is an actual area of the microcalcification shadow based on the occupancy rate of the candidate points. An object of the present invention is to provide an abnormal shadow detection device that improves the determination accuracy by utilizing the characteristics of the shape and density.
[0022]
[Means for Solving the Problems]
An abnormal shadow detection apparatus according to the present invention is based on image data representing candidate points extracting means for extracting a plurality of candidate points representing candidates for microcalcification shadows in a breast image based on image data representing a breast image, Candidate area detection means for detecting a candidate area of a microcalcification shadow including the extracted candidate points, and a correction count value given to each candidate point for weighting and counting each of the plurality of extracted candidate points The correction count value calculating means for obtaining all the candidate points existing in the predetermined area including each candidate point based on the size variation and / or the density variation, and using the obtained correction count value, the breast The occupancy ratio of the sum of the correction count values of candidate points included in the candidate area with respect to the sum of the correction count values of candidate points included in the entire image is calculated, and the occupancy ratio is calculated based on the calculated occupancy ratio. There are, it is characterized in that the candidate region and a determining unit that determines whether a real area of the small calcified pattern.
[0023]
Here, the plurality of candidate points representing candidates for the micro calcification shadow are characteristics such as the size and density of the calcification shadow such as candidate points extracted in the calcification candidate image created by the morphology filter processing. It shows the shadow extracted as a candidate for the microcalcification shadow.
[0024]
In addition, as a candidate region for the microcalcification shadow, for example, a cluster region created by morphological filter processing can be used. However, the present invention is not limited to this, and it is not limited to this. Various regions detected based on characteristics such as the size and density of the microcalcification shadow appearing in FIG.
[0025]
The correction count value calculation means sets the correction count value to a high value when the size variation and / or the density variation is large, and sets the correction count value to a low value when the size variation and / or the density variation is small. In addition, the determination unit may set the candidate area as a real area when the occupation ratio is equal to or greater than a predetermined value (for example, 10% or 17%).
[0026]
Specifically, for example, when the initial value of the count value of each candidate point is 1, the correction count value is large based on the size variation of all candidate points existing in the predetermined area including each candidate point. The correction value is -2 when the variation in the length is smaller than the predetermined value 1, the correction value is -1 when the value is between the values 1 and 2, and the correction value is +1 when the value is between the values 3 and 4. When the value is larger than 4, the correction value is set to +2, and the obtained correction value can be obtained by adding 1 to the initial value of the count value. Further, based on the density variation of all candidate points existing in the predetermined region, when the density variation is smaller than the predetermined value 1 ′, the correction value is −2, and between the value 1 ′ and the value 2 ′. Sometimes the correction value is -1, the correction value is +1 when the value is between 3 'and 4', the correction value is +2 when the correction value is larger than the value 4 ', and the obtained correction value is set to the initial value 1. It can also be obtained by adding. Further, by adding the respective correction values based on the size variation and the density variation to the initial value of 1 based on both the size variation and the density variation of all candidate points existing in the predetermined region. It can also be as required. Note that the correction value values and setting methods shown here are merely examples, and the correction value setting steps may be increased or decreased. In this way, the correction values are not set discretely but continuously. Various methods such as a method of setting automatically can be adopted.
[0027]
The predetermined area including each candidate point is, for example, a circular area having a predetermined size centered on each candidate point (for example, a circular area having a radius of about 57 pixels in the case of 10-bit 10 mm / pixel image data). However, the present invention is not limited to this, and it can be an area having various shapes and sizes including each candidate point. The predetermined area including each candidate point is desirably set with the same reference (set position, size, shape, etc.) for all candidate points.
[0028]
As the size variation and density variation, for example, various index values representing the variation such as deviation and variance can be used.
[0029]
【The invention's effect】
According to the abnormal shadow detecting apparatus of the present invention configured as described above, each candidate point is determined based on the size variation and density variation of all candidate points existing in a predetermined area including each candidate point. Candidates included in the candidate region with respect to the sum of the correction count values of candidate points included in the entire image using the calculated correction count value, and calculating the correction count value for counting each weighted Calculates the occupancy rate without weighting because the occupancy rate of the sum of the correction count values of the points is calculated and the candidate region is determined based on this occupancy rate as to whether or not the candidate region is the actual region of the microcalcification shadow. Thus, the determination accuracy can be improved as compared with the conventional method of performing the determination.
[0030]
That is, as the characteristics of the microcalcification shadow appearing in the image, it is known that the size is not the same or the shades are not uniform, so the variation in the size of each candidate point and the surrounding candidate points The correction count value is set to a high value when the density variation is large, and the correction count value is set to a low value when the size variation or density variation is small. If the value is low, each candidate point can be weighted based on the shape and density characteristics of the microcalcification shadow, and therefore, using this correction count value, the candidate points included in the candidate area It is possible to improve the accuracy of the determination by obtaining the occupancy ratio for the entire image and setting only the candidate areas where the occupancy ratio is equal to or greater than a predetermined value as the actual area of the microcalcification shadow.
[0031]
DETAILED DESCRIPTION OF THE INVENTION
Embodiments of the abnormal shadow detection apparatus of the present invention will be described below with reference to the drawings. FIG. 1 is a diagram showing a schematic configuration of an abnormal shadow detecting apparatus according to the present invention.
[0032]
The abnormal shadow detection apparatus of the present embodiment includes candidate point extraction means 10 for extracting a plurality of candidate points representing candidates for micro calcification shadows in an original image based on original image data P input from an image reading apparatus or the like, The candidate points extracted by the candidate point extraction means 10 are clustered to detect a candidate area of the microcalcification shadow, and the correction count value of each candidate point extracted by the candidate point extraction means 10 is calculated. The correction count value calculating means 30 and the position information of the candidate area detected from the candidate area detecting means 20 are input, the correction count value of each candidate point is input from the correction count value calculating means 30, and the correction count in the entire image And determining means 40 for calculating the occupancy ratio of the correction count value sum in the candidate area with respect to the sum of the values and determining whether the candidate area is an actual area of the microcalcification shadow. . When there are a plurality of detected candidate areas, the determination unit 40 determines each candidate area.
[0033]
Next, the operation of the abnormal shadow detection apparatus of the present embodiment configured as described above will be described.
[0034]
When the original image data P of a radiographic image obtained by photographing a breast is input to the candidate point extraction unit 10 from an image reading device or the like, the candidate point extraction unit 10 performs morphological filter processing to extract the candidate points of the microcalcification shadows. Candidate image data Cs is created. At this time, the threshold values T1 and T2 of the morphology filter processing are set low (see the formula (10) of the morphology filter processing), and the calcification candidate image data Cs including noise, light calcification shadows, and the like is created.
[0035]
The candidate area detection means 20 receives the calcification candidate image data Cs created by the candidate point extraction means 10, and first, based on the input calcification candidate image data Cs, a radius centered on each candidate point in the image. A circular area of 57 pixels (5.7 mm) is set, the number of candidate points included in each set circular area is counted, and the count number (number of candidate points) is calculated. Next, the candidate area detecting means 20 obtains the size deviation and density deviation of all candidate points included in each circle area for each set circle area, and each circle is determined based on these two deviation values. The count number in the area is corrected.
[0036]
FIG. 2 is a diagram showing the size deviation (horizontal axis) and density deviation (vertical axis) of each candidate point in a certain circular area. Here, the horizontal axis in FIG. 2 shows the standard deviation of the number of pixels when the “size” is represented by the number of pixels in the case of 10 pixels / mm, and the vertical axis in FIG. "Represents the standard deviation of the image signal value when the image signal value is expressed as an image signal value (10 bits) that increases in density as the image signal value increases. Noises (non-calcified shadows) indicated by black dots are often at positions where both the size deviation and density deviation are small (lower left), and the calcified shadows indicated by white dots are It is often at a position where the deviation becomes large (upper right). The candidate area detecting means 20 corrects the count number in each circular area based on this tendency.
[0037]
Specifically, when the deviation of the size of the candidate points in the circle region is in the range of 0.0 to less than 0.7, the correction value is set to -2, and in the range of from 0.7 to less than 2.0, The correction value is -1, the correction value is +1 when the range is 6.7 to less than 20.0, and the correction value is +2 when the range is 20.0 or more. Further, when the deviation of the density of the candidate points in the circle region is in the range of 0.0 to less than 1.3, the correction value is −2, and when the deviation is in the range of 1.3 to less than 4.0, the correction value is −. When the range is 26.7 to less than 80.0, the correction value is +1, and when the range is 80.0 or more, the correction value is +2. That is, based on the size deviation and the density deviation, corrections of −4 to +4 are added to the count number of each candidate area.
[0038]
The candidate area detecting means 20 extracts only a circular area having a corrected count number of 5 or more, and detects a continuous area formed by one or more extracted circular areas as a candidate area.
[0039]
The correction count value calculation means 30 inputs the calcification candidate image data Cs created by the candidate point extraction means 10, and based on the input calcification candidate image data Cs, a radius of 57 pixels centered on each candidate point in the image. A circular area of (5.7 mm) is set, and for each of the set circular areas, the size deviation and density deviation of all candidate points included in each circular area are obtained, and based on these two deviation values The correction count value of the candidate point at the center of each circular area is calculated. The correction count value is obtained by adding a weight based on the shape and density characteristics of the calcified shadow to the count value (initial value “1”) of each candidate point.
[0040]
Specifically, using a correction value similar to the correction of the count number of the candidate area in the candidate area detection means 20, based on the size deviation and density deviation of all candidate points included in the circle area The count value of the candidate point at the center of the circular area is corrected. That is, here, based on the size deviation and density deviation of all candidate points included in the circular area centered on each candidate point, the count value of the candidate point at the center is set to the initial value 1. Corrections of -4 to +4 are added.
[0041]
The determination means 40 inputs the position information of the candidate area detected from the candidate area detection means 20, inputs the correction count value of each candidate point from the correction count value calculation means 30, and all of the images included in the entire image The sum A of the correction count values of the candidate points and the sum B of the correction count values of the candidate points included in each detected candidate area are respectively calculated, and the occupation ratio of the sum B with respect to the sum A is 17% Only candidate regions that are larger (that is, B / A> 17%) are finally detected as actual regions of microcalcification shadows. Here, when there are a plurality of detected candidate areas, the total B of the correction count values is calculated for each candidate area to obtain the occupation ratio, and the determination is performed for each candidate area. Note that the value of the occupancy determination criterion with respect to the sum A of the sum B is not limited to 17%, and can be variously changed based on experimental results.
[0042]
According to the abnormal shadow detection apparatus according to the above-described embodiment, the count number of each circular area is weighted and corrected based on the deviation of the size of the candidate point and the deviation of the density included in each circular area, and the weighted count is corrected. Since the circular area is extracted based on the number and set as a candidate area, an area that is more likely to be an area in which a calcified shadow actually exists can be set as a candidate area.
[0043]
Further, even if the candidate point contains a little noise or the like, the circle area containing noise or the like and the circle area containing the calcified shadow can be separated by weighting and correcting the count number of each circle area. Therefore, the threshold values T1 and T2 for extracting candidate points can be lowered as compared with the conventional case, and the calcification candidate image Cs can be made an image containing a relatively large amount of noise and the like. By doing so, it is possible to extract a light calcified shadow (calculated shadow having a low density) that has been removed together with noise or the like according to the conventional threshold, and the detection rate can be increased.
[0044]
Note that the correction value value and setting method in the correction of the count value are merely examples, and can be variously set according to the characteristics of the microcalcification shadow to be detected.
[0045]
In the above embodiment, the count value of each candidate point and the count number of each circle area are corrected based on both the size deviation and density deviation of the candidate points of the microcalcification shadows included in each circle area. Although the form is shown, based on the tendency shown in FIG. 2, the count value and the number of counts may be corrected by only one of the magnitude deviation and the density deviation based on the same reference as above. Good.
[0046]
Further, in the above embodiment, the candidate area detection means 20 inputs the calcification candidate image data Cs from the candidate point extraction means 10 and detects the candidate area based on this, but the abnormal shadow according to the present invention is used. The candidate area detection means in the detection device is not limited to this form. For example, the candidate area detection means may be one that inputs original image data and directly detects an arbitrary area having high luminance in the original image as a candidate area based on the original image data. Good.
[Brief description of the drawings]
FIG. 1 is a schematic configuration diagram of an abnormal shadow detection apparatus according to an embodiment of the present invention. FIG. 2 is a variation in size (standard deviation of the number of pixels) and density of candidate points for microcalcification shadows included in a circular region. Fig. 3 is a diagram showing the variation (standard deviation of image signal values). Fig. 3 is a diagram showing the basic operation of the morphology filter. Fig. 4 is a diagram showing four linear structural elements B.
10 Candidate point extraction means
20 Candidate area detection means
30 Correction count value calculation means
40 Judgment means

Claims

Candidate point extracting means for extracting a plurality of candidate points representing candidates for microcalcification shadows in the breast image based on image data representing the breast image;
Candidate area detection means for detecting a candidate area of a microcalcification shadow including the extracted candidate points based on the image data;
The correction count value given to each candidate point for weighting and counting the plurality of extracted candidate points is set to the size of all candidate points existing in the predetermined area including each candidate point. Correction count value calculating means for obtaining based on variation and / or density variation;
Utilizing the obtained correction count value, the total of the correction count values of the candidate points included in the candidate area with respect to the total of the correction count values of the candidate points included in the whole breast image An abnormal shadow detection apparatus comprising: a determination unit that calculates a rate and determines whether or not the candidate area is an actual area of a microcalcification shadow based on the calculated occupation ratio.

The correction count value calculation means sets the correction count value to a high value when the size variation and / or density variation is large, and sets the correction count value when the size variation and / or density variation is small. Low value,
The abnormal shadow detection apparatus according to claim 1, wherein the determination unit sets the candidate area as the real area when the occupation ratio is equal to or greater than a predetermined value.