JP4631260B2 - 画像診断支援装置、画像診断支援方法及びプログラム - Google Patents

Description

本発明は、画像診断支援装置、画像診断支援方法及びプログラムに係り、特に医師が放射線画像を読影する際、その診断の効率化を図る画像診断支援装置、画像診断支援方法及びプログラムに関する。

医療の分野においては、医用画像のディジタル化が実現され、ＣＲ（Computed Radiography）装置、ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置等により生成された医用画像データをＣＲＴ（Cathode Ray Tube）等の画像表示装置に表示し、この画像表示装置に表示された医用画像を医師が読影して、病変部の状態や経時変化を観察して診断を行っている。

例えば、放射線画像について診断に必要とされる領域を認識して、認識された領域に応じたサイズで画像を出力する画像処理方法が提案されている（例えば、特許文献１参照。）。

また、医師の読影に対する負担軽減を目的として、ディジタル画像処理技術を用いて画像データの解析を行い、乳癌、肺癌等の異常陰影候補を自動的に検出するコンピュータ診断支援装置（Computed-Aided Diagnosis；以下、ＣＡＤという。）が開発されている。検出した異常陰影候補の情報を医師に提示することにより、診断の支援を行うことが可能となっている。

また、画像処理分野における技術進歩により、ＣＡＤの検出結果に基づいて異常陰影候補にのみ周波数処理や階調処理等の画像処理を施し、読影の精度、効率を向上させる試みが続けられている。
特開２００１−２４５１４０号公報

しかし、乳癌、肺癌等の診断を行う際には、集団検診等、一度に多量の医用画像を観察し、次々と診断を下していかなければならない場合がある。そのため、医師の体調や疲れにより診断能力が低下するという問題があった。また、検出される異常陰影候補には、様々な形状、様々な濃度分布の陰影があるため、診断に適した画像を得ることが難しい場合があった。

本発明は上記の従来技術における問題に鑑みてなされたものであって、医師による病変部の見落としを防ぎ、診断効率の向上に貢献することができる画像診断支援装置、画像診断支援方法及びプログラムを提供することを課題とする。

請求項１に記載の発明は、被写体を撮影することにより取得された医用画像データから複数の種類の異常陰影候補を検出する異常陰影候補検出手段と、前記医用画像データに画像処理を施す画像処理手段と、前記医用画像データを表示する表示手段と、を備えた画像診断支援装置であって、前記画像処理手段は、前記検出された異常陰影候補を含む画像に対して異常陰影候補に応じた強調処理を複数の異なる強調度で施し、前記表示手段は、強調度の異なる複数の画像を同時に表示することを特徴としている。

請求項２に記載の発明は、請求項１に記載の画像診断支援装置において、前記表示手段は、前記医用画像データの原画像を、前記強調度の異なる複数の画像と同時に表示することを特徴としている。

請求項３に記載の発明は、請求項１又は２に記載の画像診断支援装置において、前記画像処理手段は、前記検出された異常陰影候補の病変要素を削除又は減弱する処理を施し、前記表示手段は、前記削除又は減弱する処理を施された画像を、前記強調度の異なる複数の画像と同時に表示することを特徴としている。

請求項４に記載の発明は、請求項１〜３のいずれか一項に記載の画像診断支援装置において、前記表示された前記強調度の異なる複数の画像の中から１つ又は複数の画像を選択させるための画像選択手段を備え、前記表示手段は、前記選択された１つ又は複数の画像を表示することを特徴としている。

請求項５に記載の発明は、請求項１〜４のいずれか一項に記載の画像診断支援装置において、前記画像処理手段は、前記医用画像データに対応する画像付帯情報に基づいて、画像処理方法及び画像処理条件を変更することを特徴としている。

請求項６に記載の発明は、請求項５に記載の画像診断支援装置において、前記画像付帯情報は、異常陰影候補の病変の種類を含むことを特徴としている。

請求項７に記載の発明は、請求項５に記載の画像診断支援装置において、前記画像付帯情報は、異常陰影候補の特徴量を含むことを特徴としている。

請求項８に記載の発明は、被写体を撮影することにより取得された医用画像データから複数の種類の異常陰影候補を検出する異常陰影候補検出工程と、前記医用画像データに画像処理を施す画像処理工程と、前記医用画像データを表示する表示工程と、を含む画像診断支援方法であって、前記画像処理工程では、前記検出された異常陰影候補を含む画像に対して異常陰影候補に応じた強調処理を複数の異なる強調度で施し、前記表示工程では、強調度の異なる複数の画像を同時に表示することを特徴としている。

請求項９に記載の発明は、請求項８に記載の画像診断支援方法において、前記表示工程では、前記医用画像データの原画像を、前記強調度の異なる複数の画像と同時に表示することを特徴としている。

請求項１０に記載の発明は、請求項８又は９に記載の画像診断支援方法において、前記画像処理工程では、前記検出された異常陰影候補の病変要素を削除又は減弱する処理を施し、前記表示工程では、前記削除又は減弱する処理を施された画像を、前記強調度の異なる複数の画像と同時に表示することを特徴としている。

請求項１１に記載の発明は、請求項８〜１０のいずれか一項に記載の画像診断支援方法において、前記表示された前記強調度の異なる複数の画像の中から１つ又は複数の画像を選択させるための画像選択工程と、前記選択された１つ又は複数の画像を表示する工程と、を含むことを特徴としている。

請求項１２に記載の発明は、請求項８〜１１のいずれか一項に記載の画像診断支援方法において、前記画像処理工程では、前記医用画像データに対応する画像付帯情報に基づいて、画像処理方法及び画像処理条件を変更することを特徴としている。

請求項１３に記載の発明は、請求項１２に記載の画像診断支援方法において、前記画像付帯情報は、異常陰影候補の病変の種類を含むことを特徴としている。

請求項１４に記載の発明は、請求項１２に記載の画像診断支援方法において、前記画像付帯情報は、異常陰影候補の特徴量を含むことを特徴としている。

請求項１５に記載の発明は、コンピュータを、被写体を撮影することにより取得された医用画像データから複数の種類の異常陰影候補を検出する異常陰影候補検出手段、前記医用画像データに画像処理を施す画像処理手段、前記医用画像データを表示する表示手段、として機能させるためのプログラムであって、前記画像処理手段は、前記検出された異常陰影候補を含む画像に対して異常陰影候補に応じた強調処理を複数の異なる強調度で施し、前記表示手段は、強調度の異なる複数の画像を同時に表示することを特徴としている。

請求項１６に記載の発明は、請求項１５に記載のプログラムにおいて、前記表示手段は、前記医用画像データの原画像を、前記強調度の異なる複数の画像と同時に表示することを特徴としている。

請求項１７に記載の発明は、請求項１５又は１６に記載のプログラムにおいて、前記画像処理手段は、前記検出された異常陰影候補の病変要素を削除又は減弱する処理を施し、前記表示手段は、前記削除又は減弱する処理を施された画像を、前記強調度の異なる複数の画像と同時に表示することを特徴としている。

請求項１８に記載の発明は、請求項１５〜１７のいずれか一項に記載のプログラムにおいて、前記コンピュータを、さらに、前記表示された前記強調度の異なる複数の画像の中から１つ又は複数の画像を選択させるための画像選択手段として機能させ、前記表示手段は、前記選択された１つ又は複数の画像を表示することを特徴としている。
請求項１９に記載の発明は、請求項１５〜１８のいずれか一項に記載のプログラムにおいて、前記画像処理手段は、前記医用画像データに対応する画像付帯情報に基づいて、画像処理方法及び画像処理条件を変更することを特徴としている。
請求項２０に記載の発明は、請求項１９に記載のプログラムにおいて、前記画像付帯情報は、異常陰影候補の病変の種類を含むことを特徴としている。
請求項２１に記載の発明は、請求項１９に記載のプログラムにおいて、前記画像付帯情報は、異常陰影候補の特徴量を含むことを特徴としている。

請求項１、８、１５に記載の発明によれば、強調度の異なる複数の画像を同時に表示するので、異常陰影候補の判別に適した画像を提供することができる。したがって、医師による病変部の見落としを防ぎ、診断効率の向上に貢献することができる。

請求項２、９、１６に記載の発明によれば、医用画像データの原画像を、強調度の異なる複数の画像と同時に表示するので、原画像と比較することにより異常陰影候補の判別が容易になる。

請求項３、１０、１７に記載の発明によれば、医用画像データから異常陰影候補の病変要素を削除又は減弱する処理を施すので、異常陰影候補が存在しなかった場合の画像を提供することができ、異常陰影候補の判別が容易になる。

表示手段の表示面積は限られているため、複数の画像を表示した場合、１画像あたりの表示面積は小さくなってしまう。しかし、請求項４、１１、１８に記載の発明によれば、選択された画像のみを表示することにより、充分な表示面積を確保することができる。

請求項５、６、７、１２、１３、１４、１９、２０、２１に記載の発明によれば、医用画像データに対応する画像付帯情報に基づいて、画像処理方法及び画像処理条件を変更するので、各医用画像データに適した処理を施すことができる。

以下に、本発明の実施の形態における画像診断支援装置１について、図面を参照して説明する。
まず、画像診断支援装置１の概略構成について説明する。図１に示すように、画像診断支援装置１は、ＣＰＵ（Central Processing Unit）２、Ｉ／Ｆ（InterFace）部３、操作手段４、表示手段５、通信部６、ＲＯＭ（Read Only Memory）７、ＲＡＭ（Random Access Memory）８、画像ファイルＤＢ（DataBase）９、画像付帯情報ＤＢ１０、処理済画像ＤＢ１１等を備えて構成され、各部はバス１２により接続されている。

ＣＰＵ２は、操作手段４から入力される各種指示や、Ｉ／Ｆ部３又は通信部６から入力されるデータに従って、ＲＯＭ７に記憶されている各種プログラムの中から指定されたプログラムをＲＡＭ８のワークエリアに展開し、上記プログラムとの協働によって各種処理を実行し、その処理結果をＲＡＭ８の所定の領域に格納するとともに、表示手段５に表示させる。

Ｉ／Ｆ部３は、画像生成装置Ｇと接続するためのインターフェイスであり、画像生成装置Ｇにおいて生成された医用画像データを画像診断支援装置１に入力する。

画像生成装置Ｇとしては、例えば医用画像が記録されたフィルム上にレーザ光を走査して医用画像データを取得するレーザデジタイザや、ＣＣＤ（Charge Coupled Device）等の光電変換素子からなるセンサによりフィルムに記録された医用画像データを取得するフィルムスキャナ等が適用可能である。

また、フィルムに記録された医用画像を読み取るのではなく、蓄積性蛍光体を用いて医用画像を撮影する撮影装置や、照射された放射線の強度に応じた電荷を生成する放射線検出素子とコンデンサからなるフラットパネルディテクタ等を接続可能な構成としてもよく、その医用画像データの入力方法は特に限定しない。

操作手段４は、カーソルキーや数字キー、各種機能キーからなるキーボードを備えて構成され、各キー操作による押下信号をＣＰＵ２に出力する。なお、操作手段４は、必要に応じてマウスやタッチパネル等のポインティングデバイスや、その他の入力装置を備えることとしてもよい。

表示手段５は、ＬＣＤ（Liquid Crystal Display）等から構成され、医用画像や、ＣＰＵ２による異常陰影候補の検出結果等の各種表示情報を表示する。

通信部６は、ネットワークインターフェイスカード、モデム、ターミナルアダプタ等の通信用インターフェイスにより構成され、通信ネットワーク上の外部機器と各種情報の送受信を行う。例えば、通信部６を介して画像生成装置Ｇから医用画像データを受信する構成としてもよいし、通信部６を介して病院内のサーバや各診療室に設置される診療端末に接続して、異常陰影候補の検出結果を送信する構成としてもよい。

ＲＯＭ７は、不揮発性の半導体メモリで構成され、ＣＰＵ２により実行される各種プログラム等を記憶している。ＲＯＭ７には、異常陰影候補検出プログラム、画像処理プログラムが記憶されており、これらプログラムとＣＰＵ２との協働により、異常陰影候補検出手段、画像処理手段が実現される。

ＲＡＭ８は、書き換え可能な半導体素子で構成される。ＲＡＭ８は、データが一時的に保存される記憶媒体であり、ＣＰＵ２が実行するためのプログラムを展開するためのプログラムエリア、ＣＰＵ２による各種処理結果等を保存するためのデータエリア、等が形成される。

画像ファイルＤＢ９には、画像生成装置ＧからＩ／Ｆ部３を介して入力された画像データ又は通信部６により受信された画像データが格納される。画像ファイルＤＢ９は、必要に応じて画像データにデータ圧縮を施して格納する。ここで、データ圧縮方法としては、公知のＪＰＥＧ（Joint Photographic Coding Experts Group）、ＤＰＣＭ（Differential Pulse Code Modulation）、ウェーブレット圧縮等の手法を用いた可逆圧縮又は不可逆圧縮が用いられるが、データ圧縮に伴う診断情報の劣化が無い可逆圧縮が好ましい。

画像付帯情報ＤＢ１０には、画像データに関する情報（画像付帯情報）が画像データに対応付けられて格納される。画像付帯情報とは、撮影された患者の年齢、性別、病歴等の患者情報、撮影日時、撮影部位、撮影方向等の撮影条件情報、異常陰影候補の病変の種類、異常陰影候補の特徴量等の異常陰影候補情報をいう。なお、患者情報及び撮影条件情報は、画像データとともにＩ／Ｆ部３又は通信部６により入力されることとしてもよいし、操作手段４から入力されることとしてもよい。

異常陰影候補の特徴量には、異常陰影候補部分の位置、大きさ、個数、円形度、不整形度、異常陰影候補部分とその背景画像とのコントラスト、異常陰影候補の悪性度等が含まれる。

異常陰影候補部分の位置は、異常陰影候補部分の重心の位置を座標値（例えば、（ｘ，ｙ）＝（１００，１２００）等）で示すが、例えば異常陰影候補部分の画像領域を示す座標値であってもよい。

異常陰影候補部分の大きさは、異常陰影候補部分の画像領域が占める面積で示すが、異常陰影候補部分の重心から辺縁までの平均距離や最長距離で示すこととしてもよい。

円形度ｅは、形状の複雑さを示す特徴量であって、物体の面積をＳ、物体の輪郭線の長さ（周囲長）をＬとして、
ｅ＝４πＳ／Ｌ²
または、物体の重心を中心とした、物体の面積Ｓと同じ面積の円と物体との重なった面積（重なり面積）をＵとして、
ｅ＝Ｕ／Ｓ
で示される。円形度ｅは、円に近いほど大きくなり、１に近づく。

不整形度ｆは、物体の周囲長をＬ、物体の周囲長を平滑化した後の周囲長をＬ’として、
ｆ＝Ｌ’／Ｌ
で示される。

異常陰影候補部分とその背景画像とのコントラストは、異常陰影候補部分の濃度とその背景画像の濃度との濃度差で示すが、異常陰影候補部分の輝度とその背景画像の輝度との輝度差で示すこととしてもよい。

異常陰影候補部分の悪性度は、異常陰影候補が腫瘤陰影や微小石灰化クラスタである可能性や、検出された腫瘤陰影や微小石灰化クラスタの良悪性に基づいて算出され、数値化されたものである。

処理済画像ＤＢ１１には、画像データに画像処理が施された処理済画像データが格納される。

次に、本実施の形態における動作を説明する。
図２は、画像診断支援装置１により実行される最適画像表示処理を説明するフローチャートである。この処理は、医用画像データから異常陰影候補を検出し、異常陰影候補部分に強調処理、又は削除・減弱処理を施した画像を生成し、それらの中から診断に最も適した画像を表示する処理である。ここでは、医用画像データとして、乳房を撮影したマンモグラムを用いた例を説明するが、対象となる部位はこれに限らず、胸部や腹部であってもかまわない。

図２に示すように、まず、画像データがＩ／Ｆ部３又は通信部６を介して入力され（ステップＳ１）、画像ファイルＤＢ９に格納される。また、当該画像データに対応する患者情報及び撮影条件情報が画像データとともにＩ／Ｆ部３又は通信部６から入力され、画像付帯情報ＤＢ１０に格納される。患者情報及び撮影条件情報は、操作手段４から入力されることとしてもよい。

次に、画像データが画像解析され、乳癌の特徴である腫瘤陰影や微小石灰化クラスタ等の異常陰影と思われる異常陰影候補が検出される（ステップＳ２）。腫瘤陰影は、ある程度の大きさを持った塊であり、マンモグラム上では、ガウス分布に近い、白っぽく丸い陰影として見られる。また、微小石灰化が集まって（クラスタ化して）存在する微小石灰化クラスタは、マンモグラム上では、略円錐構造を持った白っぽく丸い陰影として見られる。

腫瘤陰影の検出に適した方法として、以下の論文に記載された公知の検出方法を適用することが可能である。
・左右乳房を比較することによって検出する方法
（Med.Phys.,Vol.21.No.3,pp.445-452）
・アイリスフィルタを用いて検出する方法
（信学論（D-11）,Vol.J75-D-11,no.3,pp.663-670,1992）
・Ｑｕｏｉｔフィルタを用いて検出する方法
（信学論（D-11）,Vol.J76-D-11,no.3,pp.279-287,1993）
・分割した乳房領域の画素値のヒストグラムに基づく２値化により検出する方法
（JAMIT Frontier 講演論文集,pp.84-85,1995）
・方向性のある多数のラプラシアンフィルタの最小出力をとる最小方向差分フ
ィルタ
（信学論（D-11）,Vol.J76-D-11,no.2,pp.241-249,1993）
・フラクタル次元を利用して腫瘤陰影の良悪性を鑑別する方法
（Medical Imaging Technology17(5),pp.577-584,1999）

また、微小石灰化クラスタ陰影の検出に適した方法として、以下の論文に記載された公知の検出方法を適用することが可能である。
・乳房領域から石灰化の疑いがある領域を局部化し、陰影像の光学濃度差や境界濃度差の標準偏差等から偽陽性候補を削除する方法
（IEEE Trans Biomed Eng BME-26(4):213-219,1979）
・ラプラシアンフィルタ処理を行った画像を用いて検出する方法
（信学論（D-11）,Vol.J71-D-11,no.10,pp.1994-2001,1988）
・乳腺等の背景パターンの影響を抑えるためにモルフォロジー解析した画像を使用する検出方法
（信学論（D-11）,Vol.J71-D-11,no.7,pp.1170-1176,1992）

上記のような方法を用いて、医用画像データ中の陰影の位置情報、円形度、コントラスト、陰影の周辺部から中心部にかけての濃度勾配の強度成分、方向成分等の各種特徴量を算出し、算出された各特徴量に対して予め設定されている閾値を超えた陰影を異常陰影候補として検出する。そして、検出された異常陰影候補の病変の種類、異常陰影候補の特徴量等の異常陰影候補情報は、画像付帯情報ＤＢ１０に格納される。

次に、画像データに対して異常陰影候補部分を強調する強調処理、又は、異常陰影候補部分を削除・減弱する削除・減弱処理を含む画像処理が施される（ステップＳ３）。強調処理においては、強調度の異なる複数の画像が生成される。画像処理には、画像の鮮鋭度を調整する周波数処理、複数の周波数帯域に応じて周波数処理を施すマルチ周波数処理、階調性を調整して診断に適した濃度及びコントラストの画像に変換する階調処理、ダイナミックレンジの広い画像を、細部のコントラストを低下させることなく見やすい濃度範囲に収めるためのダイナミックレンジ圧縮処理、等が含まれる。画像処理が施された処理済画像データは、処理済画像ＤＢ１１に格納される。

周波数処理においては、例えば特公昭６２−６２３７３号公報、特公昭６２−６２３７６号公報に示される非鮮鋭マスク処理や、特開平９−４４６４５号公報に示される多重解像度法等の手段によって、画像の鮮鋭度を制御する。

階調処理における階調処理条件の決定方法として、２つの例を示す。
方法１として、まず、画像データを解析し、特開平３−２１８５７８号公報に示される胸部画像における肺野領域の抽出手法や、日本乳癌検診学会誌，Vol.17,No.1,pp87-102,1998に示されるマンモグラフィにおける厚い乳腺領域の抽出手法等を用いて、被写体の所望の部分に対応する画像領域を設定する。次いで、図３（ａ）に示すように、特開昭６３−２６２１４１号公報や特開平８−６２７５１号公報に示す手法を用いて、領域内のヒストグラム解析を行い、診断上重要な信号領域に対応する領域ａを決定する。領域ａの決定後、領域ａ内の累積ヒストグラムを計算し、所定の累積ヒストグラム値（例えば、５％、９５％）に対応する信号値Ｓ１、Ｓ２を求め、このＳ１、Ｓ２を基準信号値として決定する。

次に、特開昭５９−８３１４９号公報に示されるように、予め作成された数種の基準階調曲線の中から選択した基準階調曲線を変形することにより、図３（ｂ）に示す入力信号値Ｓinにおいて、先に求めた基準信号値Ｓ１、Ｓ２がそれぞれ出力信号値ＳoutにおけるＳ１’、Ｓ２’に変換されるような関数Ｆ（Ｓin）に対応する階調変換曲線を定める。
Ｓout＝Ｆ（Ｓin）
ここで、Ｓ１’、Ｓ２’は、それぞれ予め定められた基準出力濃度Ｄ１、Ｄ２に対応する値であり、出力信号値Ｓoutと濃度Ｄとの関係は、画像を出力する出力先となる画像記録装置の特性（機種、出力画像サイズ（フィルムサイズ・縦横画素数）、最大及び最小濃度、濃度分解能、階調特性、周波数特性等）により定められる。

次に、方法２について説明する。まず、上述した方法１と同様の手法により基準信号値Ｓ１、Ｓ２を求める。次いで、図３（ｃ）に示すように、予め作成された基準階調曲線の中から選択した基準階調曲線Ｇ（Ｓstd）を用意する。そして、入力信号値Ｓinに対し、基準信号値Ｓ１、Ｓ２がそれぞれ所定の規格化信号値Ｓstd１、Ｓstd２に変換されるような１次関数Ｌ（Ｓin）で表される規格化直線を定める。
Ｓstd＝Ｌ（Ｓin）
ここで、規格化信号値Ｓstd１、Ｓstd２は、基準階調曲線Ｇ（Ｓstd）を用いて変換した際にそれぞれ定められた基準出力濃度Ｄ１、Ｄ２に対応する出力信号値Ｓ１’、Ｓ２’を出力するような信号値として定められている。

次に、異常陰影候補部分を強調する強調処理を含む画像処理１について説明する。
周波数処理における強調処理とは、原画像に対して特定の周波数成分を足すことによって、その周波数成分を強調するものである。原画像をｆ（ｘ）、強調度をｍ、原画像の特定周波数成分をｇ（ｘ）、強調画像をｐ（ｘ）とすると、
ｐ（ｘ）＝ｆ（ｘ）＋ｍ×ｇ（ｘ）
の式で表される。ここで、原画像としているものには、原画像だけでなく、原画像から人体部だけを選択したものや、異常陰影候補に対して選択的に処理を施したものや、画像全体に画像処理を施したものが含まれることとする。

階調処理における強調処理とは、対象画像を表す画素値に対して均一の値を加減して、人間が認識しやすい画素値領域にシフトさせる処理である。

図４は、画像処理１を示すフローチャートである。
まず、画像データに関して、対象となる異常陰影候補が腫瘤であるか、微小石灰化であるかが判断される（ステップＳ１１）。

対象となる異常陰影候補が腫瘤であって（ステップＳ１１；腫瘤）、腫瘤陰影のコントラストが大又は中である場合には（ステップＳ１２；大・中）、ダイナミックレンジ圧縮処理が施されるよう画像処理条件が選択される（ステップＳ１３）。腫瘤陰影のコントラストが小である場合には（ステップＳ１２；小）、ダイナミックレンジ圧縮処理は施されない。

対象となる異常陰影候補が微小石灰化であって（ステップＳ１１；微小石灰化）、微小石灰化陰影のコントラストが大である場合には（ステップＳ１４；大）、ダイナミックレンジ圧縮処理が施されるよう画像処理条件が選択される（ステップＳ１５）。微小石灰化陰影のコントラストが中又は小である場合には（ステップＳ１４；中・小）、ダイナミックレンジ圧縮処理は施されない。微小石灰化陰影の個数が多い場合には（ステップＳ１６；ＹＥＳ）、階調処理において強調度が加算されるよう画像処理条件が選択される（ステップＳ１７）。

そして、異常陰影候補の悪性度が高いほど階調処理、マルチ周波数処理、周波数処理における強調処理の強調度が高くなるように、処理条件が選択される（ステップＳ１８）。以上説明したように、対象となる病変の種類、コントラスト、個数、悪性度等の異常陰影候補の特徴量に基づいて選択された画像処理方法及び画像処理条件に従って、画像データに対して画像処理が施され、強調度の異なる複数の画像が生成される。画像処理が施された処理済み画像データ（強調画像）は処理済画像ＤＢ１１に格納される。

次に、異常陰影候補部分を削除・減弱する削除・減弱処理を含む画像処理２について説明する。原画像から異常陰影候補の病変要素を除いた正常組織のみを生成するには、２種類の手法がある。１つは原画像から病変部の組織の形状を解析し、原画像と病変部の画像要素との差分を取る方法であり、もう１つは病変部の周辺構造から病変部内の正常構造を予想する方法である。前者は比較的大きな病変に有効であり、後者は小さい病変に有効な手法である。ここでは、前者の病変部の形状を解析する方法をマンモグラフィの腫瘤の場合について説明する。

図５は、画像処理２を示すフローチャートである。
図５に示すように、まず、腫瘤の輪郭抽出が行われ、腫瘤の最大長から最低周波数が決定される（ステップＳ２１）。この周波数成分より低周波の画像要素に関しては、乳房の正常構造と判断される。次に、腫瘤内部の構造から最高周波数が決定される（ステップＳ２２）。腫瘤の周波数帯域よりも高周波の成分に関しては、乳腺組織やCooper靭帯等の軟部組織と判断される。

こうして決定された腫瘤の周波数帯域（最低周波数〜最高周波数）におけるヒストグラムから最大頻度の周波数が算出される（ステップＳ２３）。そして、最大頻度の周波数を中心として、レンジ圧縮が行われる（ステップＳ２４）。これは、決定された腫瘤の周波数帯域には正常構造も含まれているため、削除する周波数帯域を狭める目的で行われる。

続いて、原画像と、レンジ圧縮された腫瘤部との差分が求められ（ステップＳ２５）、腫瘤が削除された画像が生成される（ステップＳ２６）。腫瘤部を差し引く割合を変化させることにより、腫瘤部が減弱された画像を生成することができる。生成された処理済み画像データ（削除画像・減弱画像）は処理済画像ＤＢ１１に格納される。

画像データに対して、以上説明したような各種画像処理が施された後、図２に示すように、処理済画像データが表示手段５に表示される（ステップＳ４）。例えば、図６（ａ）に示すように、原画像と強調度の異なる３つの画像とが同時に表示される。強調画像Ａは強調度が弱、強調画像Ｂは強調度が中、強調画像Ｃは強調度が強の画像である。この強調度の強弱は強調画像Ａ，Ｂ，Ｃに対して相対的に定められたものである。

図６（ａ）に示す強調度調整用バー１３を操作手段４のマウス等のポインティングデバイスを用いて操作することにより、各強調画像Ａ，Ｂ，Ｃの強調度を個々に、又は強調画像Ａ，Ｂ，Ｃ全体の強調度を連続的に調整することが可能である。これは、処理済画像ＤＢ１１に記憶されている強調度の異なる複数の画像を、強調度に従って順番に切り替えて表示することにより実現される。強調度の差を細かくすることによって、異常陰影候補を次第に強調させたり、逆に強調の度合いを弱めたりする様子が連続的に表示され、異常陰影候補の判別が容易になる。

また、例えば、図６（ｂ）に示すように、原画像と、減弱画像と、強調度の異なる２つの画像とが同時に表示される。

次に、表示された複数の画像の中から診断に最も適した画像が医師により選択される（ステップＳ５）。例えば、図６（ａ）に示す選択ボタン１，２，３，４を操作手段４のマウス等のポインティングデバイスを用いて選択するか、又は、画像部分をマウスによりクリックする等して、診断に最適な画像を選択する。選択される画像は１つであっても複数であってもよい。

そして、選択された画像が表示手段５に表示される（ステップＳ６）。
以上で、最適画像表示処理が終了する。

したがって、画像診断支援装置１によれば、強調度の異なる複数の画像を同時に表示、又は強調度に従って順番に表示するので、異常陰影候補の判別に適した画像を提供することができる。したがって、医師による病変部の見落としを防ぎ、診断効率の向上に貢献することができる。

また、強調度の異なる複数の画像と医用画像データの原画像とを同時に表示するので、原画像と比較することにより異常陰影候補の判別が容易になる。図６（ａ）、（ｂ）に示す例のように、強調度の異なる複数の画像と原画像とを同時に表示してもよいが、強調度の異なる複数の画像のうち少なくとも１つと原画像とを同時に表示することとしてもよい。

また、画像データから異常陰影候補の病変要素を削除又は減弱する処理を施すことにより、異常陰影候補が存在しなかった場合の画像を提供することができる。削除・減弱画像と原画像、又は強調画像を比較することにより、異常陰影候補の判別が容易になる。強調画像については、強調度の異なる複数の画像のうち少なくとも１つを表示することとしてもよい。

また、表示手段５に表示された複数の画像の中から選択された画像のみを表示することができるので、診断に適した画像に対して充分な表示面積を確保することができる。

また、異常陰影候補の病変の種類、異常陰影候補の特徴量等の画像付帯情報に基づいて、画像処理方法及び画像処理条件を変更するので、各画像データに適した処理を施すことができる。

なお、上記実施の形態における記述は、本発明に係る好適な画像診断支援装置の例であり、これに限定されるものではない。画像診断支援装置を構成する各部の細部構成及び細部動作に関しても本発明の趣旨を逸脱することのない範囲で適宜変更可能である。

上記実施の形態においては、強調度調整用バー１３を操作することにより、強調画像Ａ，Ｂ，Ｃの強調度を連続的に調整することとしたが、所定のキー操作等の指示に応じて、強調度の異なる複数の画像を強調度に従って順番に一定時間毎に（例えば、１秒毎、０．１秒毎等。）自動的に切り替えて表示することとしてもよい。また、所定のキー操作等の指示に応じて、強調度の異なる複数の画像を切り替えることとしてもよい。

また、上記実施の形態においては、異常陰影候補の病変の種類、異常陰影候補の特徴量に基づいて、画像処理方法及び画像処理条件を変更する例を示したが、被写体の患者情報や被写体を撮影する際の撮影条件情報に基づいて、画像処理方法及び画像処理条件を変更することとしてもよい。

本発明の実施の形態における画像診断支援装置１の概略構成を示すブロック図である。 画像診断支援装置１により実行される最適画像表示処理を説明するフローチャートである。 （ａ）はヒストグラム解析の一例を示す図、（ｂ）は階調変換曲線の決定方法の一例を示す図、（ｃ）は規格化直線の決定方法を示す図である。 画像処理１を示すフローチャートである。 画像処理２を示すフローチャートである。 表示手段５における処理済画像データの表示例を示す図である。

符号の説明

１ 画像診断支援装置
２ ＣＰＵ
３ Ｉ／Ｆ部
４ 操作手段
５ 表示手段
６ 通信部
７ ＲＯＭ
８ ＲＡＭ
９ 画像ファイルＤＢ
１０ 画像付帯情報ＤＢ
１１ 処理済画像ＤＢ
１２ バス
１３ 強調度調整用バー

Claims (21)

1. 被写体を撮影することにより取得された医用画像データから複数の種類の異常陰影候補を検出する異常陰影候補検出手段と、
   前記医用画像データに画像処理を施す画像処理手段と、
   前記医用画像データを表示する表示手段と、
   を備えた画像診断支援装置であって、
   前記画像処理手段は、前記検出された異常陰影候補を含む画像に対して異常陰影候補に応じた強調処理を複数の異なる強調度で施し、
   前記表示手段は、強調度の異なる複数の画像を同時に表示することを特徴とする画像診断支援装置。
2. 請求項１に記載の画像診断支援装置において、
   前記表示手段は、前記医用画像データの原画像を、前記強調度の異なる複数の画像と同時に表示することを特徴とする画像診断支援装置。
3. 請求項１又は２に記載の画像診断支援装置において、
   前記画像処理手段は、前記検出された異常陰影候補の病変要素を削除又は減弱する処理を施し、
   前記表示手段は、前記削除又は減弱する処理を施された画像を、前記強調度の異なる複数の画像と同時に表示することを特徴とする画像診断支援装置。
4. 請求項１〜３のいずれか一項に記載の画像診断支援装置において、
   前記表示された前記強調度の異なる複数の画像の中から１つ又は複数の画像を選択させるための画像選択手段を備え、
   前記表示手段は、前記選択された１つ又は複数の画像を表示することを特徴とする画像診断支援装置。
5. 請求項１〜４のいずれか一項に記載の画像診断支援装置において、
   前記画像処理手段は、前記医用画像データに対応する画像付帯情報に基づいて、画像処理方法及び画像処理条件を変更することを特徴とする画像診断支援装置。
6. 請求項５に記載の画像診断支援装置において、
   前記画像付帯情報は、異常陰影候補の病変の種類を含むことを特徴とする画像診断支援装置。
7. 請求項５に記載の画像診断支援装置において、
   前記画像付帯情報は、異常陰影候補の特徴量を含むことを特徴とする画像診断支援装置。
8. 被写体を撮影することにより取得された医用画像データから複数の種類の異常陰影候補を検出する異常陰影候補検出工程と、
   前記医用画像データに画像処理を施す画像処理工程と、
   前記医用画像データを表示する表示工程と、
   を含む画像診断支援方法であって、
   前記画像処理工程では、前記検出された異常陰影候補を含む画像に対して異常陰影候補に応じた強調処理を複数の異なる強調度で施し、
   前記表示工程では、強調度の異なる複数の画像を同時に表示することを特徴とする画像診断支援方法。
9. 請求項８に記載の画像診断支援方法において、
   前記表示工程では、前記医用画像データの原画像を、前記強調度の異なる複数の画像と同時に表示することを特徴とする画像診断支援方法。
10. 請求項８又は９に記載の画像診断支援方法において、
    前記画像処理工程では、前記検出された異常陰影候補の病変要素を削除又は減弱する処理を施し、
    前記表示工程では、前記削除又は減弱する処理を施された画像を、前記強調度の異なる複数の画像と同時に表示することを特徴とする画像診断支援方法。
11. 請求項８〜１０のいずれか一項に記載の画像診断支援方法において、
    前記表示された前記強調度の異なる複数の画像の中から１つ又は複数の画像を選択させるための画像選択工程と、
    前記選択された１つ又は複数の画像を表示する工程と、
    を含むことを特徴とする画像診断支援方法。
12. 請求項８〜１１のいずれか一項に記載の画像診断支援方法において、
    前記画像処理工程では、前記医用画像データに対応する画像付帯情報に基づいて、画像処理方法及び画像処理条件を変更することを特徴とする画像診断支援方法。
13. 請求項１２に記載の画像診断支援方法において、
    前記画像付帯情報は、異常陰影候補の病変の種類を含むことを特徴とする画像診断支援方法。
14. 請求項１２に記載の画像診断支援方法において、
    前記画像付帯情報は、異常陰影候補の特徴量を含むことを特徴とする画像診断支援方法。
15. コンピュータを、
    被写体を撮影することにより取得された医用画像データから複数の種類の異常陰影候補を検出する異常陰影候補検出手段、
    前記医用画像データに画像処理を施す画像処理手段、
    前記医用画像データを表示する表示手段、
    として機能させるためのプログラムであって、
    前記画像処理手段は、前記検出された異常陰影候補を含む画像に対して異常陰影候補に応じた強調処理を複数の異なる強調度で施し、
    前記表示手段は、強調度の異なる複数の画像を同時に表示することを特徴とするプログラム。
16. 請求項１５に記載のプログラムにおいて、
    前記表示手段は、前記医用画像データの原画像を、前記強調度の異なる複数の画像と同時に表示することを特徴とするプログラム。
17. 請求項１５又は１６に記載のプログラムにおいて、
    前記画像処理手段は、前記検出された異常陰影候補の病変要素を削除又は減弱する処理を施し、
    前記表示手段は、前記削除又は減弱する処理を施された画像を、前記強調度の異なる複数の画像と同時に表示することを特徴とするプログラム。
18. 請求項１５〜１７のいずれか一項に記載のプログラムにおいて、
    前記コンピュータを、さらに、
    前記表示された前記強調度の異なる複数の画像の中から１つ又は複数の画像を選択させるための画像選択手段として機能させ、
    前記表示手段は、前記選択された１つ又は複数の画像を表示することを特徴とするプログラム。
19. 請求項１５〜１８のいずれか一項に記載のプログラムにおいて、
    前記画像処理手段は、前記医用画像データに対応する画像付帯情報に基づいて、画像処理方法及び画像処理条件を変更することを特徴とするプログラム。
20. 請求項１９に記載のプログラムにおいて、
    前記画像付帯情報は、異常陰影候補の病変の種類を含むことを特徴とするプログラム。
21. 請求項１９に記載のプログラムにおいて、
    前記画像付帯情報は、異常陰影候補の特徴量を含むことを特徴とするプログラム。

Images