JP4468450B2 - 肺結節を検出するための候補の作成方法 - Google Patents

Description

本出願は、２００４年８月３１日に出願された米国特許仮出願第６０／６０５，７８７号の優先権を主張し、これはその全体が参照により本明細書に組み込まれる。

本発明は、画像分析に関し、より詳細には、３Ｄボリュームデータからターゲット候補のリストを作成する候補作成方法に関する。

［従来技術］
入力３Ｄボリュームデータから結節候補を確実に且つ正確に検出することができる候補作成方法は、自動結節検出で重要な役割を果たす。典型的な３Ｄボリュームデータ（５１２×５１２×３００の寸法で）において、非結節（背景組織）構造物、例えば血管ツリー等は、ボリュームデータに弁別可能な物体の優勢な部分を含むが、フォーメーションがきわめて複雑である。他方、標的の結節は、単に少数の小形で丸い形状の物体にすぎず、これは、近くにあるか、または、複雑な背景組織構造物で塞ぐ。標的の結節を複雑な背景組織構造物から区別するために容易に決定することができる識別力のある特徴はない。背景組織が結節状特性を呈する場所が非常に多くある。これらの多数の偽の場所を効率的に拒絶することによって、真の結節が存在する少数の真の位置を確実に且つ正確に識別することができる方法を設計することは非常に困難である。加えて、３Ｄボリュームデータで処理される必要がある情報の量が巨大である（胸部ＨＲＣＴ（high resolution computer tomography；高分解能コンピュータ断層撮影法）データは典型的に５１２×５１２×３００の寸法である）。典型的に、３Ｄボリュームデータの全ての位置（ボクセル）に高性能でコンピュータ的に高価な分析を加える技術を使用することは実際的ではない。

したがって、コンピュータ的に効率的な候補作成方法のためのシステムおよび方法の必要性が存在する。

［発明の要約］
本発明にしたがって、三次元ボリュームデータ内に候補を作成するためのコンピュータで実施される方法（以下“コンピュータ実施方法”という）は、標識された前景ボクセルを含む三次元ボリュームデータの二値ボリューム画像を形成するステップと、二値ボリュームデータの標識された前景ボクセルの複数の形状特徴を推定するステップであって、二値ボリューム画像の前景ボクセルからピークボクセルおよび高曲率ボクセルを識別し、境界および各ピークボクセルについての複数の信頼値を蓄積し、複数の信頼値から信頼ピークを検出して信頼ピークを候補点であると決定するステップと、検出された信頼ピークを与えられて候補点を精緻化し精緻化された候補点を候補であると決定するステップとを含む。

二値ボリューム画像を形成するステップは、三次元ボリュームデータをローパスフィルタリングするステップと、三次元ボリュームデータの境界を除去するステップと、三次元ボリュームデータを前景部分と背景部分とにセグメント化し前景のボクセルを標識するステップと、予め定められたサイズよりも大きな全ての前景物体に対して領域拡張標識を決定するステップとを含み、前景物体は複数の前景ボクセルを含み、予め定められたサイズはボクセルの数である。

セグメント化するステップは、ボクセル強度の推定閾値を決定して各ボクセルを推定閾値と比較して前景ボクセルを決定するステップと、前景ボクセルを標識するステップとを含む。

複数の信頼値を蓄積するステップは、各ピークボクセルのまわりに表面パッチを決定するステップと、各表面パッチの境界にまたは中心のまわりに各高曲率点およびピーク点についての信頼スコア含む信頼アレイを決定するステップと、候補点の存在を決定するためにボクセルのまわりの信頼スコアを閾値と比較するステップと、望ましい信頼スコアを有する点を候補点によって標識するステップとを含む。

候補点を精緻化するステップは、候補点を再位置決めするステップと、候補点の信頼スコアを調整するステップと、調整された信頼スコアにしたがって候補点をソートするステップと、ｎ個（ｎは正の整数である）のトップ候補点をターゲット物体として戻すステップとを含む。本発明にしたがって、マシンによって読取可能であり、マシンによって実行可能な命令のプログラムを具体的に実現するプログラム記憶装置が設けられて、三次元ボリュームデータ内に候補を作成する方法ステップを実行する。本方法は、標識された前景ボクセルを含む三次元ボリュームデータの二値ボリューム画像を形成するステップと、二値ボリュームデータに標識された前景ボクセルの複数の形状特徴を推定するステップとを含む。複数の形状特徴を推定するステップは、二値ボリューム画像の前景ボクセルからピークボクセルおよび高曲率ボクセルを識別し、各境界および各ピークボクセルについての複数の信頼値を蓄積し、複数の信頼値から信頼ピークを検出して信頼ピークを候補点であると決定する。本方法は、検出された信頼ピークを与えられて候補点を精緻化し精緻化された候補点を候補であると決定するステップとをさらに含む。

本発明にしたがって、三次元ボリュームデータ内に結節の候補を作成するためのコンピュータ実施方法は、三次元ボリュームデータ内に複数の前景物体を決定するステップと、複数の前景物体の複数の形状特徴を決定するステップであって、形状特徴は三次元ボリュームデータの断面分析から導き出され、断面分析は望ましい形状特徴を有する前景物体を選択し、選択された前景物体を候補として標識するステップと、候補を戻すステップとを含む。

断面分析は、二値ボリューム画像の前景物体からピークボクセルおよび高曲率ボクセルを識別するステップと、各境界ボクセルおよび各ピークボクセルについての複数の信頼値を蓄積するステップと、複数の信頼値から信頼ピークを検出して信頼ピークを候補であると決定するステップとを含む。本方法は、ボクセルが三次元ボリュームデータの全ての断面でピークボクセルとして分類される場合にのみボクセルをピークボクセルとして分類する。ボクセルがピークボクセルではなく且つ三次元ボリュームデータの全ての断面でピークボクセルまたは高曲率ボクセルとして分類される場合にのみボクセルを高曲率点として分類する。

［図面の説明］
本発明の好ましい実施形態は、添付の図面を参照して、下記により詳細に説明される。
図１は本発明の実施形態にしたがった候補作成方法のフローチャートである。
図２は本発明の実施形態にしたがったシステムの例示である。
図３は本発明の実施形態にしたがったセグメンテーション方法のフローチャートである。
図４は本発明の実施形態にしたがった断面分析方法のフローチャートである。
図５は本発明の実施形態にしたがったピーク検出方法のフローチャートである

［優れた実施形態の詳細な説明］
典型的に、肺結節は小形の丸い形状特性を呈する。これは、中実物体であってもよいかまたは血管ツリーで塞がれる。３Ｄ形状特徴を決定するために多数の技術が利用可能であり、それを使用して、小形の丸い形状の結節を他の形状特性を備えた物体から区別することができる。しかし、これらの技術は、例えば、雑音に対するロバスト性、ターゲット物体の不規則性（一致したガウス曲線値を推定するのが困難である）、ターゲット関心領域を規定する困難さ、および、計算コスト等の多数の理由のため、そのようなシナリオでは、効率的ではない。本発明の実施形態にしたがって、本方法は、多数の断面分析から導き出された形状特徴を使用して、３Ｄボリュームデータ（例えば、コンピュータ断層撮影（ＣＴ）データまたは磁気共鳴撮像（ＭＲＩ）データ）に結節候補を作成する。そのような技術は限定量の計算コストで非常に高い正確さを達成することができ、２セットのＨＲＣＴ画像に例証されている。

本発明の実施形態にしたがって、候補検出方法は、結節と血管ツリー等の高強度値を備えた背景組織構造物とが前景物体として標識されて二値ボリューム画像を形成する処理ブロック１０１と、断面分析を使用して形状特徴を推定し、高曲率セグメントを識別し、断面分析とともに信頼値を蓄積し、信頼値および物体高強度値から信頼ピークを検出する検出ブロック１０２とを備え、後処理ブロック１０３が適用されて候補結果を精緻化する（図１参照）。

本発明は、様々な形態のハードウェア、ソフトウェア、ファームウェア、専用プロセッサまたはそれらの組み合わせで実施されてもよいことを理解すべきである。１つの実施形態において、本発明は、プログラム記憶装置に具体的に実現されたアプリケーションプログラムとしてソフトウェアで実施されてもよい。アプリケーションプログラムは、アップロードされてもよく、適切なアーキテクチャを備えているマシンによって実行されてもよい。

図２を参照すると、本発明の実施形態にしたがって、３Ｄボリュームデータに候補を作成する方法を実施するためのコンピュータシステム２０１は、特に、中央演算処理装置（ＣＰＵ）２０２と、メモリ２０３と、入力／出力（Ｉ／Ｏ）インタフェース２０４とを含むことができる。コンピュータシステム２０１は一般に、Ｉ／Ｏインタフェース２０４を通ってディスプレイ２０５および様々な入力装置２０６、例えばマウスおよびキーボードに接続される。ディスプレイ２０５は、仮想ボリュームのビュー画像と登録された画像とを表示することができる。支援回路は、キャッシュ、電源、クロック回路および通信バスを含むことができる。メモリ２０３は、ランダムアクセスメモリ（ＲＡＭ）、リードオンリーメモリ（ＲＯＭ）、ディスクドライブ、テープドライブ等、または、それらの組み合わせを含むことができる。本発明は、メモリ２０３に記憶されＣＰＵ２０２によって実行されるルーチン２０７として実施されることができ、信号源２０８からの信号を処理する。そのようであるため、コンピュータシステム２０１は、本発明のルーチン２０７を実行する際に専用コンピュータシステムになる汎用コンピュータシステムである。

コンピュータプラットフォーム２０１はまた、オペレーティングシステムおよびマイクロ命令コードを含む。本明細書に記載された様々なプロセスおよび機能は、マイクロ命令コードの一部であってもよいが、または、オペレーティングシステムを経由して実行されるアプリケーションプログラム（またはそれらの組み合わせ）の一部であってもよい。さらに、例えば追加データ記憶装置および印刷装置等の様々な他の周辺装置がコンピュータプラットフォームに接続されてもよい。

添付の図面に描かれた構成システムの構成要素および方法ステップのいくつかはソフトウェアで実施されてもよいため、システム構成要素（またはプロセスステップ）間の実際の接続は、本発明がプログラムされるやり方に依存して異なってもよいことが、さらに理解されるべきである。本明細書に記載された本発明の教示を前提として、当業者は本発明のこれらのおよび類似の実施または構成を企図することができる。

処理ステージ１０１は、ローパスフィルタリング１０４と、境界除去１０５と、セグメンテーション１０６と、領域拡張１０７とを含む。

入力３ＤボリュームＣＴデータのローパスフィルタリング１０４は、ターゲットの前景物体（滑らかな境界）の二値化を改良し、後の処理ステップにおける異なる形状パラメータ（法線方向、曲率等）の推定を改良する。ローパスフィルタリング１０４は多数の異なる方法で行うことができる。ローパスフィルタリングの１つの方法は、ｘ−ｙ平面でフィルタリングすることである。ローパスフィルタは、ｘ寸法およびｙ寸法に同一の標準偏差値を備えた３Ｄガウスフィルタであり得、これは例えば２のデフォルト値を有する。ローパスフィルタリングは各スライスに独立して適用される。

境界除去１０５用に、３ＤボリュームＣＴデータの縁に近い（例えば、ボリュームデータ境界から５ボクセル離れた）各ボクセルは取り除かれ、異なる近隣定義を有する境界ボクセルを、後のステップが取り扱う必要がないことを確実にする。これは後の処理ステップの実施を非常に簡略化する。

セグメンテーション１０６は、血管、結節および他の組織を含む前景物体を、背景（他の全て）から、入力ＣＴ画像で他のボクセルよりも高い強度値で標識して（前景物体を示す強度値は自動的にまたはユーザによって調整されてもよい）、二値ボリューム画像を形成する。これは、入力ボリューム画像の二値化によって達成される。そのような二値化プロセスは全ての結節を前景物体として正確に標識することができる。前景物体として標識されない結節は、後の処理ステップで検出されることができない。標識された前景物体が多すぎる背景ボクセルを含まないことも重要であり、それは、結節を他の非ターゲット前景構造物から形状で区別できなくする傾向があり、したがって、結節が正確に識別される可能性を大幅に減少する。セグメンテーション１０６は、適応した閾値方法を使用して、ｚ寸法に沿ってスライスごとに実施される。

図３を参照すると、適応閾値方法は、ターゲットピクセルのまわりで約４０×４０の有意サイズのウインドウ内の予め規定された範囲内にある強度値の平均値の推定を含む。推定はスライス３０１内の各ピクセルについて決定される。予め規定された範囲の例は０〜８００である。推定平均値は、予め規定されたオフセット（例えば、３５０）で増大され、ターゲットピクセル３０２に対する推定閾値（ＥＴ）を形成する。ＥＴが予め規定された高い閾値（例えば、８００）よりも大きい場合には、これは、予め規定された高い閾値に設定される。予め規定された低い閾値より下の強度値を備えたボクセルのパーセンテージが、予め規定された閾値（例えば、７０％）よりも大きい場合には、ＥＴは、予め規定された低い閾値に設定される。ターゲットピクセルの強度値が推定閾値ＥＴよりも大きい場合には、ピクセルは前景３０３として標識される。

領域拡張は、全ての前景ボクセルおよび境界ボクセルを標識し、それらは後の処理に使用される。ブロック１０７で、モルフォロジー拡張演算が、予め規定された閾値（例えば、１００）未満のサイズ（物体内に含まれたボクセルの数）の全ての接続された前景物体に適用される。モルフォロジー演算の動機は、後の処理ステップにおいて信頼のおける曲率推定を確実にすることである。

検出ステージ１０２は、断面分析１０８と、信頼アレイのローパスフィルタリング１０９と、ピーク検出１１０とを含む。

断面分析１０８は、セグメント化されたボリュームデータを多数の断面に分解し断面に描かれた曲線（境界）を分析して、描かれた曲線に関する形跡（evidence）を蓄積することによって、前のステップで作成された標識された前景領域から小形の丸い形状の物体を検出する。入力３ＤボリュームＣＴデータと同一サイズの３Ｄアレイ（信頼アレイ）を設けて、蓄積された形跡の跡を保つ。結節がある場合には、結節のまわりの各断面の２Ｄ曲線に、血管および他の非結節構造物よりもより多数の高曲率点を検出することができる。結節は非ターゲット前景組織で十分に塞がれることもあり、２Ｄ断面曲線に、非ターゲット前景組織構造物よりもより多くの曲率点を作成する高い可能性がある。

図４を参照すると、断面分析１０８は、各断面４０１の高曲率（曲率値は、閾値例えば２１０度よりも大きい）およびピーク（曲率値は局所近傍で最大に、例えばピークで中心に置かれた１５点ウインドウに達する）ボクセルを識別する。分析は、各表面点４０２を、（ｉ）ピーク、または、（ｉｉ）高曲率点、または（ｉｉｉ）通常点に分類する。点は、その点が全ての断面でピーク点として分類される場合にのみピーク点として分類される。点は、その点がピーク点ではなく且つ全ての断面でピークまたは高曲率点として分類される場合にのみ高曲率点である。断面分析は、各断面４０３に高曲率点およびピークの有意なパーセンテージを備えた境界について形跡を蓄積する。断面分析は各ピーク４０４について信頼形跡を蓄積する。
ピーク点から開始し、高曲率またはピーク標識を備えた物体表面点で拡張し初期ピーク位置への距離と拡張するサイズとを使用して拡張する形状を制御する境界パッチ拡張方法（boundary patch growing method）が適用されて、小さな表面パッチを作成する。作成されたパッチは半球形の形状である。
次いで、表面パッチの各要素点について法線方向が推定され、決定される。
表面パッチの２つの高曲率要素の法線の交差が決定される。交差が表面パッチの中心に十分に近い場合には、点の形（高曲率またはピーク）によって値が決定される信頼スコアが、信頼アレイの交差位置に適用される。交差位置を信頼アレイに加えるために必要な表面パッチの中心へ交差が近づくことは、望ましい結果を達成するために調整されてもよい。

各位置で、信頼アレイの信頼スコアは、結節がすぐ近くに存在するかもしれないという可能性を示す。多数のすぐ近くの点が信頼スコア値を呈する場合には、結節が存在することを示す。

結節の形状の変化のため且つ入力ボリュームデータ内に複雑な非ターゲット前景構造物が存在するため、結節と信頼アレイの他の結節状非ターゲット前景物体とのまわりの信頼スコア値は、クラスタ状フォーメーションでまばらに分布する。したがって、信頼のおける真正のピーク検出のために、ローパスフィルタリングブロック１０９が必要である。ガウスフィルタを使用することができる。信頼アレイのフィルタリングは、ｘ寸法、ｙ寸法およびｚ寸法の全てに適用される。

局所ピーク検出
局所ピーク検出１１０は、信頼アレイにおける形跡の有意な集中を識別して、初期に検出された候補を作成する。図５は局所ピーク検出方法を例示し、局所ピーク検出方法において、
局所最大検出が最初に適用されて、可能性のあるピーク候補位置を検出する（５０１）。
ピーク候補位置は、次いで、局所近傍において、最大検出可能物体（例えば、１０ｍｍ）と同一のサイズで再試験され、これが、検出されたとして標識されていないボクセルの中に最大スコア値を備えたボクセルを置くことを確実にする（５０２）。限定された拡張サイズを備えた非ゼロ信頼アレイ要素内で拡張する制御されたボリューム拡張方法が適用され、重み付け和および更新された最大重み付けと、対応する検出位置（必ずしも前景領域内には存在しない最大信頼スコア値を備えた位置）とが得られる。
検出された位置が前景領域の内部になければ、局所検索プロセスが適用され、新しく検出された位置としてもっとも近い境界点を見出す（５０３）。
限定された拡張サイズで前景領域内で拡張する制御ボリューム拡張が適用され、信頼スコアの更新された重み付け和が得られる。最大信頼スコアと、拡張領域内の信頼スコアの合計と、小さなサイズの前景物体を重み付けする局所ピーク調整との線形結合は、現在の検出の最終信頼スコア値として決定され、検出された位置とともに検出リスト内に挿入される（５０４）。
検出された位置への小距離内の全ての囲繞ボクセルは、処理されたとして標識される（５０５）。

後処理
後処理は初期に検出された候補を調整する。初期に検出された候補の位置は、限定されたシフトで信頼アレイの検出されたピークの位置であり、位置が前景領域内にあることを確実にする。この位置は、いくつかの小さな前景物体における形状変化およびモルフォロジー演算のため、常にターゲット物体領域内になくてもよい。後処理ステップは、反復勾配下降方法を使用する変形方法を実施して、候補の位置を調整し、それが前景領域内にあることを確実にする。

候補再位置決め方法は次のステップを含む。
強度、曲率および画像勾配情報に基づいて費用関数を規定し、初期に検出された位置をもっとも可能な前景位置へ調整するステップ。
４の値を有する予め規定されたパラメータによって制御される変形プロセスの反復数を特定するステップ。
反復して最小コスト値に達する方向に沿って、検出された位置を調整する。
各位置が調整された後に、正規化方法が適用されて、最終信頼スコア値を調整するステップ。
正規化方法は次のステップを含む。
球形形状である３Ｄ近傍を画定するステップ。
各検出された物体位置の画定された３Ｄ近傍のまわりを反復して検索し、前景ボクセルプロファイルの一致性をチェックするステップ。
検出された位置を最大一致値にしたがって調整するステップ。
検出された候補の信頼スコア値を一致性および平均強度値の組み合わせを使用して調整するステップ。

正規化方法は、調整された候補位置がターゲット候補物体の中心近くにあり、信頼スコアを一致値（プロファイルの標準偏差）と前景物体の平均強度値との組み合わせを使用して調整し、最終候補結果をより正確にする。最後に、検出された結節は正規化された信頼値にしたがってソートされる。ｎ個のトップ候補は戻され、例えば、データに表示されるかまたは識別される。次いで、戻された候補は診断されてもよい。

実験結果
本発明の実施形態にしたがった方法は、２セットの胸部ＨＲＣＴデータで検査された。データセット１は、４０個のボリュームデータからなり、ｘ寸法およびｙ寸法は５１２×５１２であった。平均して、ＣＴデータは、ｚ寸法の３００スライスからなり、最小２４６スライス、最大４４６スライスであった。典型的に、入力ボリューム胸部画像内において局所組織構造物が結節状特性を呈する何万もの場所がある（画像中に血管ツリーおよび雑音構造物を有する５１２×５１２×３００画像を想像のこと）。しかし、データセット１では、合計で１０９のグランドトゥルース結節しか医師によって識別されなかった。医師によってグランドトゥルースとして標識される１０９個の結節しかないにもかかわらず、結節ではないかまたは結節と識別されないが結節に類似した多数の物体が両方のデータセット内にあり、これは、医師が見逃した結節か、または、形状情報以外の追加知識に基づいて正常な血管ツリー構造物であるとみなされた物体であり得ることに留意されたい。

本発明による技術のターゲットアプリケーションが、肺ＣＡＤシステムに使用されるべきであり、追加の構造情報および文脈情報を使用して肺ＣＡＤシステムによってさらに有効にされる入力肺ＣＴ画像から結節候補を作成する。実際に候補作成方法のために、真の結節は検出された候補リスト内に表れるべきであり、このリストは、多数の可能性のある場所を通ってフィルタリングした後に、５００個の候補を含んでもよい。全ての有効なグランドトゥルース結節の中から候補リスト内で検出されたグランドトゥルース結節のパーセンテージとして規定される感度は、有効性能基準になる。検査では、この基準を使用して、本発明による技術の性能をベンチマークした。

データセット１の実験は、本発明による方法の感度が５００個の候補作成においては９６．４％であることを示す。結果は、本発明による物体検出技術が非常によく機能することを示す。例の３Ｄ図から、方法が、血管ツリーでの広範な閉塞を有する結節を検出することができるのを見ることができ、これは、本発明による３Ｄ物体検出方法の効率を実際のアプリケーションで例証する。

データセット２は、データセット１に類似した寸法を有する１６個のボリュームデータ含む。合計で５０の結節が識別された。このデータセットはアウトリサーチチームには利用可能ではない。性能検査は、ペンシルバニア州マルヴァーンでシーメンス（Ｓｉｅｍｅｎｓ）ＣＡＤグループによって独自に行われた。感度は５００個の候補作成については９６％になった。

典型的に、３００スライスを備えたＣＴデータを処理するための計算時間は、ウインドウズＸＰで進行するデルＰ４ ２．４Ｇｈｚを使用して、約３５秒であった。ローパスフィルタ、二値化および後処理ステップは計算時間の約８７％を占める。

３Ｄボリュームデータ内に候補を作成するシステムおよび方法用の実施形態を述べてきたが、上記教示に照らして、当業者が修正および変更を行うことができることに留意されたい。したがって、添付の特許請求の範囲によって規定されるように本発明の範囲および精神内にある開示された本発明の特定の実施形態に変更を行ってもよいことを理解すべきである。本発明を詳細に特に特許法によって必要とされるように述べてきたが、請求され特許証によって保護されることが望まれることは添付の特許請求の範囲に述べられている。

本発明の実施形態にしたがった候補作成方法のフローチャート 本発明の実施形態にしたがったシステムの例示図 本発明の実施形態にしたがったセグメンテーション方法のフローチャート 本発明の実施形態にしたがった断面分析方法のフローチャート 本発明の実施形態にしたがったピーク検出方法のフローチャート

符号の説明

１０１ 処理ブロック
１０２ 検出ブロック
１０３ 後処理ブロック
１０６ セグメンテーション
１０８ 断面分析
１１０ ピーク検出
２０１ コンピュータシステム

Claims (15)

1. 三次元ボリュームデータ内に候補を作成する装置を制御手段が制御する方法であって、
   標識された前景ボクセルを含む三次元ボリュームデータの二値ボリューム画像を形成するステップと、
   二値ボリュームデータの標識された前景ボクセルの複数の形状特徴を推定するステップであって、二値ボリューム画像の前景ボクセルからピークボクセルおよび高曲率ボクセルを識別し、各境界ボクセルおよび各ピークボクセルについて複数の信頼値を蓄積し、複数の信頼値から信頼ピークを検出して信頼ピークを候補点であると決定するステップと、
   検出された信頼ピークを与えられて候補点を精緻化し精緻化された候補点を候補であると決定するステップと
   を含むことを特徴とするコンピュータ実施方法。
2. 二値ボリューム画像を形成するステップは、
   三次元ボリュームデータをローパスフィルタリングするステップと、
   三次元ボリュームデータの境界ボクセルを除去するステップと、
   三次元ボリュームデータを前景部分と背景部分とにセグメント化し前景のボクセルを標識するステップと、
   予め定められたサイズよりも大きな全ての前景物体に対して領域拡張標識を決定するステップとを含み、
   前景物体は複数の前景ボクセルを含み、予め定められたサイズはボクセルの数である
   ことを特徴とする請求項１に記載のコンピュータ実施方法。
3. セグメント化するステップは、
   ボクセル強度の推定閾値を決定して各ボクセルを推定閾値と比較して前景ピクセルを決定するステップと、
   前景ピクセルを標識するステップと
   を含むことを特徴とする請求項２に記載のコンピュータ実施方法。
4. 複数の信頼値を蓄積するステップは、
   各ピークボクセルのまわりに表面パッチを決定するステップと、
   各表面パッチの中心のまわりに各高曲率点およびピーク点についての信頼スコア含む信頼アレイを決定するステップと、
   候補点の存在を決定するためにボクセルのまわりの信頼スコアを閾値と比較するステップと、
   望ましい信頼スコアを有するボクセルを候補点によって標識するステップと
   を含むことを特徴とする請求項１に記載のコンピュータ実施方法。
5. 候補点を精緻化するステップは、
   候補点を再位置決めするステップと、
   候補点の信頼スコアを調整するステップと、
   調整された信頼スコアにしたがって候補点をソートするステップと、
   ｎ個（ｎは正の整数である）のトップ候補点を戻すステップと
   を含むことを特徴とする請求項１に記載のコンピュータ実施方法。
6. ｎ個のトップ候補点が診断されることを特徴とする請求項５に記載のコンピュータ実施方法。
7. マシンによって読取可能であり、マシンによって実行可能な命令のプログラムを具体的に実現するプログラム記憶装置であって、三次元ボリュームデータ内に候補を作成する方法ステップを実行し、方法は、
   標識された前景ボクセルを含む三次元ボリュームデータの二値ボリューム画像を形成するステップと、
   二値ボリュームデータの標識された前景ボクセルの複数の形状特徴を推定するステップであって、二値ボリューム画像の前景ボクセルからピークボクセルおよび高曲率ボクセルを識別し、各境界ボクセルおよび各ピークボクセルについての複数の信頼値を蓄積し、複数の信頼値から信頼ピークを検出して信頼ピークを候補点であると決定するステップと、
   検出された信頼ピークを与えられて候補点を精緻化し精緻化された候補点を候補であると決定するステップと
   を含むことを特徴とするプログラム記憶装置。
8. 二値ボリューム画像を形成するステップは、
   三次元ボリュームデータをローパスフィルタリングするステップと、
   三次元ボリュームデータの境界ボクセルを除去するステップと、
   三次元ボリュームデータを前景部分と背景部分とにセグメント化し前景のボクセルを標識するステップと、
   予め定められたサイズよりも大きな全ての前景物体に対して領域拡張標識を決定するステップとを含み、
   前景物体は複数の前景ボクセルを含み、予め定められたサイズはボクセルの数である
   ことを特徴とする請求項７に記載の装置。
9. セグメント化するステップは、
   ボクセル強度の推定閾値を決定して各ボクセルを推定閾値と比較して前景ピクセルを決定するステップと、
   前景ピクセルを標識するステップと
   を含むことを特徴とする請求項８に記載の装置。
10. 複数の信頼値を蓄積するステップは、
    各ピークボクセルのまわりに表面パッチを決定するステップと、
    各表面パッチの中心のまわりに各高曲率点およびピーク点についての信頼スコア含む信頼アレイを決定するステップと、
    候補点の存在を決定するためにボクセルのまわりの信頼スコアを閾値と比較するステップと、
    望ましい信頼スコアを有するボクセルを候補点によって標識するステップと
    を含むことを特徴とする請求項７に記載の装置。
11. 候補点を精緻化するステップは、
    候補点を再位置決めするステップと、
    候補点の信頼スコアを調整するステップと、
    調整された信頼スコアにしたがって候補点をソートするステップと、
    ｎ個（ｎは正の整数である）のトップ候補点を戻すステップと
    を含むことを特徴とする請求項７に記載の装置。
12. ｎ個のトップ候補点が診断されることを特徴とする請求項１１に記載の装置。
13. 三次元ボリュームデータ内に結節の候補を作成する装置を制御手段が制御する方法であって、
    三次元ボリュームデータ内に複数の前景物体を決定するステップと、
    複数の前景物体の複数の形状特徴を決定するステップであって、形状特徴は三次元ボリュームデータの断面分析から導き出され、断面分析は望ましい形状特徴を有する前景物体を選択し、選択された前景物体を候補として標識するステップと、
    候補を戻すステップとを備え、
    断面分析は、
    二値ボリューム画像の前景物体からピークボクセルおよび高曲率ボクセルを識別するステップと、
    各境界ボクセルおよび各ピークボクセルについて複数の信頼値を蓄積するステップと、
    複数の信頼値から信頼ピークを検出して信頼ピークを候補であると決定するステップとを含む
    ことを特徴とすることを特徴とするコンピュータ実施方法。
14. ボクセルが三次元ボリュームデータの全ての断面でピークボクセルとして分類される場合にのみボクセルをピークボクセルとして分類することを特徴とする請求項１３に記載のコンピュータ実施方法。
15. ボクセルがピークボクセルではなく且つ三次元ボリュームデータの全ての断面でピークボクセルまたは高曲率ボクセルとして分類される場合にのみボクセルを高曲率点として分類することを特徴とする請求項１３に記載のコンピュータ実施方法。

Images