JP4633298B2 - 画像診断支援システム - Google Patents
画像診断支援システム Download PDFInfo
- Publication number
- JP4633298B2 JP4633298B2 JP2001180673A JP2001180673A JP4633298B2 JP 4633298 B2 JP4633298 B2 JP 4633298B2 JP 2001180673 A JP2001180673 A JP 2001180673A JP 2001180673 A JP2001180673 A JP 2001180673A JP 4633298 B2 JP4633298 B2 JP 4633298B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- absence
- diagnosis support
- probability value
- detected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000002059 diagnostic imaging Methods 0.000 title claims description 6
- 238000009607 mammography Methods 0.000 claims description 195
- 206010028980 Neoplasm Diseases 0.000 claims description 149
- 238000002604 ultrasonography Methods 0.000 claims description 123
- 238000003745 diagnosis Methods 0.000 claims description 116
- 208000004434 Calcinosis Diseases 0.000 claims description 92
- 230000003211 malignant effect Effects 0.000 claims description 58
- 230000003902 lesion Effects 0.000 claims description 40
- 201000011510 cancer Diseases 0.000 claims description 26
- 230000036210 malignancy Effects 0.000 claims description 26
- 238000003384 imaging method Methods 0.000 claims description 23
- 238000012360 testing method Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 description 49
- 210000000481 breast Anatomy 0.000 description 19
- 238000010586 diagram Methods 0.000 description 17
- 238000000034 method Methods 0.000 description 8
- 210000005075 mammary gland Anatomy 0.000 description 7
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 101100438156 Arabidopsis thaliana CAD7 gene Proteins 0.000 description 4
- 101150071647 CAD4 gene Proteins 0.000 description 4
- 101100322652 Catharanthus roseus ADH13 gene Proteins 0.000 description 4
- 101100087088 Catharanthus roseus Redox1 gene Proteins 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 101100326588 Arabidopsis thaliana CAD5 gene Proteins 0.000 description 3
- 101150069974 CAD6 gene Proteins 0.000 description 3
- 238000000105 evaporative light scattering detection Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 101100438164 Arabidopsis thaliana CAD8 gene Proteins 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 2
- 208000026310 Breast neoplasm Diseases 0.000 description 2
- 101150007724 CAD5 gene Proteins 0.000 description 2
- 238000005054 agglomeration Methods 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 230000009022 nonlinear effect Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 101000661807 Homo sapiens Suppressor of tumorigenicity 14 protein Proteins 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000002592 echocardiography Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002559 palpation Methods 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、Ｘ線画像や超音波画像をコンピュータで処理して被検部位の良悪性の判定を自動的に行い医師の診断を支援する画像診断支援システムに関するものである。
【０００２】
【従来の技術】
たとえば、乳癌の罹患率は年々増加する傾向にある。
乳癌の診断としては、従来、主に触診による診断が行われているが、この診断法ではしこりができた段階で発見されるため、早期発見が困難である。
そこで、近年、異常がある部位をコンピュータで自動的に指摘し、医師の診断を支援するコンピュータ支援診断（Computer-Aided Diagnosis、以下ＣＡＤという）システムの研究開発が行われている。
【０００３】
乳房診断の領域においては、乳房Ｘ線写真（マンモグラム:mammogram）によるマンモグラフィ（ＭＭＧ）画像のＣＡＤ、あるいは超音波（ＵＳ:Ultra Sonic）画像のＣＡＤなどの研究開発が行われている。
これらのマンモグラフィ（ＭＭＧ）画像のＣＡＤ、超音波（ＵＳ）画像のＣＡＤでは、それぞれの画像に基づいてコンピュータが病変の検出や腫瘤の良悪性の判定などを自動的に行っている。
【０００４】
【発明が解決しようとする課題】
ところで、マンモグラフィ（ＭＭＧ）画像のＣＡＤ、および超音波（ＵＳ）画像のＣＡＤでは、以下に示すような長所と短所を有する。
【０００５】
すなわち、マンモグラフィ（ＭＭＧ）画像のＣＡＤは、脂肪の多い乳房に適している（強い）、微小石灰化の検出率が高いという長所を有し、乳腺の多い乳房に不適である（弱い）、腫瘤の検出率が低いという短所を有する。
【０００６】
これに対して、超音波（ＵＳ）画像のＣＡＤは、乳腺の多い乳房に適している（強い）、腫瘤の検出率が高いという長所を有し、脂肪の多い乳房に不適である（弱い）、微小石灰化の検出率が低いという短所を有する。
【０００７】
このように、マンモグラフィ（ＭＭＧ）画像のＣＡＤと超音波（ＵＳ）画像のＣＡＤでは、同一病変に対して相反する長所および短所を有している。
したがって、従来の乳房診断の領域におけるＣＡＤでは、信頼性の高い判定結果が得られる場合もあるが、病変や被検体の乳房の特徴によっては、信頼性の高い判定結果を必ずしも得ることができないのが現状であり、単独のモダリティのＣＡＤによりも判定（診断）精度の高いＣＡＤの開発が望まれている。
【０００８】
本発明は、かかる事情に鑑みてなされたものであり、その目的は、同一病変に対して複数の診断手法から良悪性の判定を行うことができ、診断支援の精度の高い画像診断支援システムを提供することにある。
【０００９】
【課題を解決するための手段】
上記目的を達成するため、本発明の第１の観点は、それぞれ異なる撮像装置で撮像された被検体の被検部位の複数の画像データを処理して被検部位の良悪性の判定データを生成する画像診断支援システムであって、対応する撮像装置による画像データに基づいて、病変の有無を検出し、検出された病変の特徴データを生成し、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成する複数の撮像画像用診断支援部と、上記複数の撮像画像用診断支援部による悪性である複数の確率値を、各撮像画像用診断支援部による病変の有無を示す信号の内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１０】
また、第１の観点では、上記重み付け係数は、病変の有無の組み合わせに応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、病変の有無を示す信号の内容の組み合わせに応じた重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１１】
また、本発明の第２の観点は、それぞれ異なる撮像装置で撮像された被検体の被検部位の複数の画像データを処理して被検部位の良悪性の判定データを生成する画像診断支援システムであって、対応する撮像装置による画像データに基づいて、病変の有無を検出し、検出された病変の特徴データを生成し、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成する複数の撮像画像用診断支援部と、被検体の特徴データを入力する入力部と、上記複数の撮像画像用診断支援部による悪性である複数の確率値を、上記入力部による特徴データの内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１２】
また、第２の観点では、上記重み付け係数は、上記特徴データの内容に応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、入力される特徴データの内容に応じた重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１３】
また、本発明の第３の観点は、それぞれ異なる撮像装置で撮像された被検体の被検部位の複数の画像データを処理して被検部位の良悪性の判定データを生成する画像診断支援システムであって、対応する撮像装置による画像データに基づいて、病変の有無を検出し、検出された病変の特徴データを生成し、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成する複数の撮像画像用診断支援部と、被検体の特徴データを入力する入力部と、上記複数の撮像画像用診断支援部による悪性である複数の確率値を、各撮像画像用診断支援部による病変の有無を示す信号の内容、および上記入力部による特徴データの内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１４】
また、第３の観点では、上記重み付け係数は、病変の有無、並びに上記特徴データの内容に応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、病変の有無を示す信号の内容、および上記特徴データの内容の組み合わせに応じた重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１５】
また、本発明の第４の観点に係る画像診断支援システムは、マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無を検出し、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データを生成し、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値を生成するマンモグラフィ画像用診断支援部と、超音波画像データに基づいて腫瘤の有無を検出し、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値を生成する超音波画像用診断支援部と、マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値を、それぞれマンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、および超音波画像用診断支援部による腫瘤の有無を示す信号の内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１６】
また、本発明の第４の観点では、上記マンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数は、マンモグラフィ画像用診断支援部による微小石灰化の有無、腫瘤の有無、および超音波画像用診断支援部による腫瘤の有無の組み合わせに応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、マンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、および超音波画像用診断支援部による腫瘤の有無を示す信号の内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１７】
また、本発明の第５の観点に係る画像診断支援システムは、マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無を検出し、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データを生成し、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値を生成するマンモグラフィ画像用診断支援部と、超音波画像データに基づいて腫瘤の有無を検出し、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値を生成する超音波画像用診断支援部と、被検体の特徴データを入力する入力部と、マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値を、上記入力部による特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１８】
また、本発明の第５の観点では、上記マンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数は、上記特徴データの内容に応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、入力される特徴データの内容に応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１９】
また、本発明の第６の観点に係る画像診断支援システムは、マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無を検出し、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データを生成し、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値を生成するマンモグラフィ画像用診断支援部と、超音波画像データに基づいて腫瘤の有無を検出し、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値を生成する超音波画像用診断支援部と、被検体の特徴データを入力する入力部と、マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値を、それぞれマンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、超音波画像用診断支援部による腫瘤の有無を示す信号の内容、および上記入力部による特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００２０】
また、本発明の第６の観点では、上記マンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数は、マンモグラフィ画像用診断支援部による微小石灰化の有無、腫瘤の有無、および超音波画像用診断支援部による腫瘤の有無、並びに上記特徴データの内容の組み合わせに応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、マンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、超音波画像用診断支援部による腫瘤の有無を示す信号の内容、および上記特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００２１】
本発明によれば、たとえばそれぞれ異なる撮像装置で被検体の被検部位が撮像され、撮像された被検体の被検部位の複数の画像データは、それぞれ対応する撮像画像用診断支援部に供給される。
各撮像画像用診断支援部おいては、対応する撮像装置による画像データに基づいて、病変の有無が検出され、検出された病変の特徴データが生成される。そして、各撮像画像用診断支援部おいては、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成されて総合診断支援部に供給される。
また、たとえば被検体の特徴データが入力部から総合診断支援部に入力される。
総合診断支援部では、複数の撮像画像用診断支援部による悪性である複数の確率値が、各撮像画像用診断支援部による病変の有無を示す信号の内容、および入力部による特徴データの内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けされ、総合確率値が算出される。
総合診断支援部では、算出した総合確率値が最終的な悪性である確率値として出力される。
【００２２】
また、本発明によれば、たとえばマンモグラフィ装置で得られたマンモグラフィ画像データがマンモグラフィ画像用診断支援部に供給される。
マンモグラフィ画像用診断支援部では、マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無が検出され、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データが生成される。そして、マンモグラフィ画像用診断支援部では、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値が生成されて総合診断支援部に出力される。
また、たとえば超音波撮像装置で得られた超音波画像データが、超音波画像用診断支援部に供給される。
超音波画像用診断支援部では、超音波画像データに基づいて腫瘤の有無が検出され、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値が生成されて総合診断支援部に出力される。
また、たとえば被検体の特徴データが入力部から総合診断支援部に入力される。
総合診断支援部では、マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値が、それぞれマンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、超音波画像用診断支援部による腫瘤の有無を示す信号の内容、および入力部による特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けされて、総合確率値が算出される。
総合診断支援部では、算出した総合確率値が最終的な悪性である確率値として出力される。
【００２３】
【発明の実施の形態】
以下、本発明の実施形態に係る画像診断支援システムについて図面に関連付けて説明する。
【００２４】
第１実施形態
図１は、本発明に係るコンピュータ画像診断支援システムの第１の実施形態を示す構成図である。
また、図２は、図１のＭＭＧ画像用ＣＡＤ、ＵＳ画像用ＣＡＤ、および総合的ＣＡＤの機能を説明するための図である。
【００２５】
本実施形態に係るコンピュータ画像診断支援（ＣＡＤ）システム１は、図１に示すように、マンモグラフィ（以下、ＭＭＧ）装置２、超音波（以下、ＵＳ）撮像装置３、ＭＭＧ画像用診断支援部としてのＭＭＧ画像用ＣＡＤ４、ＵＳ画像用診断支援部としてのＵＳ画像用ＣＡＤ５、および総合診断支援部としての総合ＣＡＤ６を有している。
【００２６】
ＭＭＧ装置２は、被検体（患者）１０の被検部位、たとえば乳房のＸ線写真データをデジタルのＭＭＧ画像データＳ２に変換してＭＭＧ画像用ＣＡＤ４および総合ＣＡＤ６に出力する。
【００２７】
ＵＳ撮像装置３は、被検体（患者）１０の被検部位、たとえば乳房に超音波を送波し、被検体内での非線形効果による高調波エコーに基づいて画像を生成し、生成した画像をデジタルのＵＳ画像データＳ３としてＵＳ画像用ＣＡＤ５および総合ＣＡＤ６に出力する。
【００２８】
ＭＭＧ画像用ＣＡＤ４は、ＭＭＧ装置２によるＭＭＧ画像データＳ２を受けて、たとえば図２に示すように、微小石灰化の有無を検出して、その結果を信号Ｓ４１として総合的ＣＡＤ６に出力し、これに並行して、腫瘤の有無を検出し、その結果を信号Ｓ４２として総合ＣＡＤ６に出力する。
さらに、ＭＭＧ画像用ＣＡＤ４は、検出された微小石灰化部の形状や集塊（クラスタ）の特徴および位置情報、並びに検出された腫瘤の形状やコントラスト値の特徴および位置情報に基づいて、検出された微小石灰化部や腫瘤の悪性である確率値を生成し、この生成した確率値ｙ１を総合ＣＡＤ６に出力する。
【００２９】
図３は、図１のＭＭＧ画像用ＣＡＤ４の具体的な構成例を示すブロック図である。
【００３０】
本ＭＭＧ画像用ＣＡＤ４は、図３に示すように、微小石灰化検出部４１、腫瘤検出部４２、第１の特徴検出部４３、第２の特徴検出部４４、および確率値算出部４５を有している。
【００３１】
微小石灰化検出部４１は、ＭＭＧ装置２によるＭＭＧ画像データＳ２を受けて、微小石灰化の有無を検出し、その結果を信号Ｓ４１として総合的ＣＡＤ６に出力する。
そして、微小石灰化検出部４１は、微小石灰化が有ると判定した場合には、たとえば候補領域を抽出して、微小石灰化部が存在する位置情報Ｓ４１１および所定領域における輝度データ４１２を生成し、生成した位置情報Ｓ４１１および所定領域における輝度データ４１２を第１の特徴検出部４３に出力するとともに、位置情報Ｓ４１１を確率値算出部４５に出力する。
【００３２】
腫瘤検出部４２は、ＭＭＧ装置２によるＭＭＧ画像データＳ２を受けて、腫瘤の有無を検出し、その結果を信号Ｓ４２として総合的ＣＡＤ６に出力する。
そして、腫瘤検出部４２は、腫瘤が有ると判定した場合には、たとえば候補領域を抽出して、腫瘤が存在する位置情報Ｓ４２１および所定領域における輝度データ４２２を生成し、生成した位置情報Ｓ４２１および所定領域における輝度データ４２２を第２の特徴検出部４４に出力するとともに、位置情報Ｓ４２１を確率値算出部４５に出力する。
【００３３】
第１の特徴検出部４３は、微小石灰化検出部４１による位置情報Ｓ４１１および輝度データ４１２を受けて、微小石灰化部の形状や集塊（クラスタ）等の特徴を検出して第１の特徴データＳ４３１を確率値算出部４５に出力する。
【００３４】
第２の特徴検出部４４は、腫瘤検出部４２による位置情報Ｓ４２１および輝度データ４２２を受けて、腫瘤の形状やコントラスト値等の特徴を検出して第２の特徴データＳ４４１を確率値算出部４５に出力する。
なお、腫瘤の特徴パラメータとしては、具体的には縦横比、最小幅、円形度、候補内部の平均コントラスト、候補中心部の平均コントラスト、候補中心部のアンシャープマスク画像の標準偏差、重心を利用した方向別強度比などを挙げることができる（たとえば、Ｊｏｕｒｎａｌ ｏｆ ｃｏｍｐｕｔｅｒ ＡｉｄｅｄＤｉａｇｎｏｓｉｓ ｏｆ Ｍｅｄｉｃａｌ Ｉｍａｇｅｓ Ｖｏｌ．３ Ｎｏ．２ Ａｐｒ １９９９ 参照）。
縦横比は候補が腫瘤陰影である場合、後方の縦と横の長さの比である。
また、候補内部の平均コントラストは、候補が腫瘤陰影である場合、候補内部周辺では平均コントラストは大きくなる。
候補中心部の平均コントラストは、候補が腫瘤陰影である場合、候補中心部では画素値の変化が少なくコントラストは小さくなる。
重心を利用した方向別強度比は、候補が腫瘤陰影である場合、重心を中心として円を描くような形状で強度が強い位置が現れる。
【００３５】
確率値算出部４５は、微小石灰化検出部４１による位置情報Ｓ４１１、第１の特徴検出部４３による第１の特徴データＳ４３１、腫瘤検出部４２による位置情報Ｓ４２１、および第２の特徴検出部４４による第２の特徴データＳ４４１を受けて、検出された微小石灰化部や腫瘤の悪性である確率値を生成し、この生成した確率値ｙ１を総合ＣＡＤ６に出力する。
確率値算出部４５は、たとえば位置情報Ｓ４１１、第１の特徴データＳ４３１、位置情報Ｓ４２１、および第２の特徴データＳ４４１を、対応して設定された所定の判別式にそれぞれに代入し、その結果に応じて各疾患にスコアをつけ、そのスコアを疾患別に加算してスコアの高い疾患を判別式の判別結果として、確率値ｙ１を求める。
【００３６】
ＵＳ画像用ＣＡＤ５は、ＵＳ撮像装置３によるＵＳ画像データＳ３を受けて、たとえば図２に示すように、腫瘤の有無を検出して、その結果を信号Ｓ５１として総合的ＣＡＤ６に出力する。
さらに、ＵＳ画像用ＣＡＤ５は、検出された腫瘤の形状や位置などの特徴データに基づいて、検出された腫瘤の悪性である確率値を生成し、この生成した確率値ｙ２を総合ＣＡＤ６に出力する。
【００３７】
図４は、図１のＵＳ画像用ＣＡＤ５の具体的な構成例を示すブロック図である。
【００３８】
本ＵＳ画像用ＣＡＤ５は、図４に示すように、腫瘤検出部５１、特徴検出部５２、および確率値算出部５３を有している。
【００３９】
腫瘤検出部５１は、ＵＳ撮像装置３によるＵＳ画像データＳ３を受けて、腫瘤の有無を検出し、その結果を信号Ｓ５１として総合的ＣＡＤ６に出力する。
そして、腫瘤検出部５１は、腫瘤が有ると判定した場合には、たとえば候補領域を抽出して、腫瘤が存在する位置情報Ｓ５１１および所定領域における輝度データ５１２を生成し、生成した位置情報Ｓ５１１および所定領域における輝度データ５１２を特徴検出部５２に出力する。
【００４０】
特徴検出部５２は、腫瘤検出部５１による位置情報Ｓ５１１および輝度データ５１２を受けて、腫瘤の形状や位置等の特徴を検出して特徴データＳ５２１を確率値算出部５３に出力する。
なお、腫瘤の特徴パラメータは、形状、形態、位置、エコー、およびテクスチャの５つに大別できる。
たとえば腫瘤の形状や形態の特徴パラメータを求めるためには、輪郭抽出処理を行う。
エコーに関する特徴は、たとえば腫瘤内部、外側、後部、後部外側陰影、および同じ深さの濃度平均値と分散を求め、それらの差や比を一つの特徴パラメータとする。
また、テクスチャは、腫瘤の種類により内部組成が異なることから、違いがある。テクスチャの特徴パラメータとしては、一様性、コントラスト、エントロピー、濃度相関が用いられる。テクスチャを定量化するには、たとえばフーリエ変換法、同時共起行列法、フラクタル法などが用いられる。
特徴検出部５２は、腫瘤の特徴パラメータである位置パラメータは、腫瘤の上端や下端、皮膚表面は腫瘤の輪郭データなどに基づいて検出する。
具体的には、位置パラメータとしては、たとえば皮膚から乳腺実質上端までの距離、乳腺実質上端から腫瘤上端まで距離、腫瘤下端から大胸肋膜までの距離が用いられる。
【００４１】
確率値算出部５３は、特徴検出部５２による特徴データＳ５２１を受けて、検出された腫瘤の悪性である確率値を生成し、この生成した確率値ｙ２を総合ＣＡＤ６に出力する。
確率値算出部５３は、たとえば特徴データＳ５２１を、対応して設定された所定の判別式にそれぞれに代入し、その結果に応じて各疾患にスコアをつけ、そのスコアを疾患別に加算してスコアの高い疾患を判別式の判別結果として、確率値ｙ２を求める。
【００４２】
総合ＣＡＤ６は、ＭＭＧ画像用ＣＡＤ４から供給されたＭＭＧ画像による悪性である確率値ｙ１およびＵＳ画像用ＣＡＤ５から供給されたＵＳ画像による悪性である確率値ｙ２を、それぞれＭＭＧ画像用ＣＡＤ４から供給された微小石灰化の有無を示す信号Ｓ４１、腫瘤の有無を示す信号Ｓ４２、およびＵＳ画像用ＣＡＤ５から供給された腫瘤の有無を示す信号Ｓ５１の内容の組み合わせに応じてあらかじめ設定されているＭＭＧ用重み付け係数ｍ１およびＵＳ用重み付け係数ｍ２により重み付けして、次式（１）で示す総合確率値ｙout を算出し、本装置の最終的な悪性である確率値として出力する。
【００４３】
【数１】
ｙout ＝ｍ１・ｙ１＋ｍ２・ｙ２ …（１）
【００４４】
重み付け係数は、たとえば図５に示すようなルックアップテーブル６１としてメモリに格納されており、ＭＭＧ画像用ＣＡＤ４から供給された微小石灰化の有無を示す信号Ｓ４１、腫瘤の有無を示す信号Ｓ４２、およびＵＳ画像用ＣＡＤ５から供給された腫瘤の有無を示す信号Ｓ５１の内容の組み合わせに応じて選択的に読み出されて上記式（１）に代入される。
【００４５】
図５に示すように、本第１の実施形態においては、ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．５に設定され、ＵＳ用重み付け係数ｍ２も０．５に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．９に設定され、ＵＳ用重み付け係数ｍ２は０．１に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．４に設定され、ＵＳ用重み付け係数ｍ２は０．６に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．９に設定され、ＵＳ用重み付け係数ｍ２は０．１に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．３に設定され、ＵＳ用重み付け係数ｍ２は０．７に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．４に設定され、ＵＳ用重み付け係数ｍ２は０．６に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．０に設定され、ＵＳ用重み付け係数ｍ２は１．０に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．５に設定され、ＵＳ用重み付け係数ｍ２も０．５に設定されている。
【００４６】
次に、上記構成による動作を、図６および図７のフローチャートに関連付けて説明する。
なおここでは、まず、被検体からＭＭＧ画像を得た後に、ＵＳ画像を得て総合確率値ｙout を求める場合を例に説明するが、本発明は、これに限定されるものではなく、ＵＳ画像を得た後にＭＭＧ画像を得て総合確率値ｙout を求めることも可能であることはいうまでもない。
【００４７】
まず、ＭＭＧ装置２により、被検体（患者）の被検部位である乳房のＸ線写真データが得られ、このデータがデジタルのＭＭＧ画像データＳ２に変換されて（ＳＴ１）、ＭＭＧ画像用ＣＡＤ４および総合ＣＡＤ６に出力される。
【００４８】
ＭＭＧ画像用ＣＡＤ４においては、微小石灰化検出部４１によりＭＭＧ画像データＳ２に基づいて微小石灰化の有無が検出され（ＳＴ２）、その結果が信号Ｓ４１として総合的ＣＡＤ６に出力される。
そして、微小石灰化検出部４１では、微小石灰化が有ると判定した場合には、微小石灰化部が存在する位置情報Ｓ４１１および所定領域における輝度データ４１２が生成され（ＳＴ３）、生成した位置情報Ｓ４１１および所定領域における輝度データ４１２が第１の特徴検出部４３に出力され、位置情報Ｓ４１１が確率値算出部４５に出力される。
【００４９】
第１の特徴検出部４３では、微小石灰化検出部４１による位置情報Ｓ４１１および輝度データ４１２に基づいて、微小石灰化部の形状や集塊（クラスタ）等の特徴が検出され（ＳＴ４）、第１の特徴データＳ４３１が確率値算出部４５に出力される。
【００５０】
また、ＭＭＧ画像用ＣＡＤ４においては、腫瘤検出部４２によりＭＭＧ画像データＳ２に基づいて腫瘤の有無が検出され（ＳＴ５）、その結果が信号Ｓ４２として総合的ＣＡＤ６に出力される。
そして、腫瘤検出部４２では、腫瘤が有ると判定した場合には、腫瘤が存在する位置情報Ｓ４２１および所定領域における輝度データ４２２が生成され（ＳＴ６）、生成した位置情報Ｓ４２１および所定領域における輝度データ４２２が第２の特徴検出部４４に出力され、位置情報Ｓ４２１を確率値算出部４５に出力される。
【００５１】
第２の特徴検出部４４では、腫瘤検出部４２による位置情報Ｓ４２１および輝度データ４２２に基づいて、腫瘤の形状やコントラスト値等の特徴が検出され（ＳＴ７）、第２の特徴データＳ４４１が確率値算出部４５に出力される。
【００５２】
確率値算出部４５では、微小石灰化検出部４１による位置情報Ｓ４１１、第１の特徴検出部４３による第１の特徴データＳ４３１、腫瘤検出部４２による位置情報Ｓ４２１、および第２の特徴検出部４４による第２の特徴データＳ４４１に基づいて検出された微小石灰化部や腫瘤の悪性である確率値が生成され（ＳＴ８）、この生成した確率値ｙ１が総合ＣＡＤ６に出力される。
【００５３】
次に、ＵＳ撮像装置３により被検体（患者）の被検部位である乳房に超音波が送波され、被検体内での非線形効果による高調波エコーに基づいてＵＳ画像が生成され、生成した画像がデジタルのＵＳ画像データＳ３としてＵＳ画像用ＣＡＤ５および総合ＣＡＤ６に出力される（ＳＴ９）。
【００５４】
ＵＳ画像用ＣＡＤ５においては、腫瘤検出部５１でＵＳ撮像装置３によるＵＳ画像データＳ３に基づいて腫瘤の有無が検出され、その結果が信号Ｓ５１として総合的ＣＡＤ６に出力される（ＳＴ１０）。
そして、腫瘤検出部５１では、腫瘤が有ると判定した場合には、腫瘤が存在する位置情報Ｓ５１１および所定領域における輝度データ５１２が生成され（ＳＴ１１）、生成した位置情報Ｓ５１１および所定領域における輝度データ５１２が特徴検出部５２に出力される。
【００５５】
特徴検出部５２では、腫瘤検出部５１による位置情報Ｓ５１１および輝度データ５１２に基づいて、腫瘤の形状や位置等の特徴が検出され、特徴データＳ５２１が確率値算出部５３に出力される。
【００５６】
確率値算出部５３では、特徴検出部５２による特徴データＳ５２１に基づいて検出された腫瘤の悪性である確率値が生成され（ＳＴ１２）、この生成した確率値ｙ２が総合ＣＡＤ６に出力される。
【００５７】
総合ＣＡＤ６においては、それぞれＭＭＧ画像用ＣＡＤ４から供給された微小石灰化の有無を示す信号Ｓ４１、腫瘤の有無を示す信号Ｓ４２、およびＵＳ画像用ＣＡＤ５から供給された腫瘤の有無を示す信号Ｓ５１の内容の組み合わせに応じて、ルックアップテーブル６１にあらかじめ設定されているＭＭＧ用重み付け係数ｍ１およびＵＳ用重み付け係数ｍ２が選択される（ＳＴ１３）。
そして、総合ＣＡＤ６では、ＭＭＧ画像用ＣＡＤ４から供給されたＭＭＧ画像による悪性である確率値ｙ１およびＵＳ画像用ＣＡＤ５から供給されたＵＳ画像による悪性である確率値ｙ２が、それぞれ選択されたＭＭＧ用重み付け係数ｍ１およびＵＳ用重み付け係数ｍ２により重み付けされて、総合確率値ｙout が算出され、本装置の最終的な悪性である確率値として出力される（ＳＴ１４）。
【００５８】
以上説明したように、本第１の実施形態によれば、ＭＭＧ画像データＳ２に基づいて微小石灰化の有無を検出してその結果を信号Ｓ４１として出力し、かつ、腫瘤の有無を検出しその結果を信号Ｓ４２として出力し、検出された微小石灰化部の形状や集塊（クラスタ）の特徴および位置情報、並びに検出された腫瘤の形状やコントラスト値の特徴および位置情報に基づいて、検出された微小石灰化部や腫瘤の悪性である確率値を生成するＭＭＧ画像用ＣＡＤ４と、ＵＳ画像データＳ３に基づいて腫瘤の有無を検出してその結果を信号Ｓ５１として出力し、検出された腫瘤の形状や位置などの特徴データに基づいて、検出された腫瘤の悪性である確率値を生成するＵＳ画像用ＣＡＤ５と、ＭＭＧ画像による悪性である確率値ｙ１およびＵＳ画像による悪性である確率値ｙ２を、それぞれＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を示す信号Ｓ４１、腫瘤の有無を示す信号Ｓ４２、およびＵＳ画像用ＣＡＤ５による腫瘤の有無を示す信号Ｓ５１の内容の組み合わせに応じてあらかじめ設定されているＭＭＧ用重み付け係数ｍ１およびＵＳ用重み付け係数ｍ２により重み付けして、総合確率値ｙout を算出し、本装置の最終的な悪性である確率値として出力する総合ＣＡＤ６とを設けたので、同一病変に対して複数の診断手法から良悪性の判定を行うことができ、単独のモダリティのＣＡＤに比べて、診断支援の精度の高い画像診断支援システムを実現できる利点がある。
【００５９】
第２実施形態
図８は、本発明に係るコンピュータ画像診断支援システムの第２の実施形態を示す構成図である。
【００６０】
本第２の実施形態が上述した第１の実施形態と異なる点は、重み付け係数ｍ１，ｍ２を設定し、選択するための条件として、ＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を、腫瘤の有無、およびＵＳ画像用ＣＡＤ５による腫瘤の有無の内容の組み合わせに応じるのではなく、たとえば問診の結果に入力された被検体（患者）の年齢、体質、たとえば乳房の特徴である脂肪の量、乳腺の量などの被検体（患者）の個人特徴データの組み合わせに応じて設定し選択するように構成したことにある。
【００６１】
したがって、本第２の実施形態を示す図８では、個人特徴データ入力部７を設け、個人特徴データＳ７を総合ＣＡＤ６Ａに入力させている。
また、ＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、およびＵＳ画像用ＣＡＤ５による腫瘤の有無を示す信号は、総合ＣＡＤ６Ａには入力させていない。
【００６２】
図９は、第２の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【００６３】
この例では、図９に示すように、年齢が５０才以上の場合には、乳房の特徴にかかわらず、ＭＭＧ画像に係る確率値ｙ１に対する重み付け係数ｍ１は０．８に設定され、ＵＳ画像に係る確率値ｙ２に対する重み付け係数ｍ２は０．２に設定されている。
年齢が５０才未満の場合であって、乳房の特徴として脂肪が多い場合には、ＭＭＧ画像に係る確率値ｙ１に対する重み付け係数ｍ１は０．９に設定され、ＵＳ画像に係る確率値ｙ２に対する重み付け係数ｍ２は０．１に設定されている。
年齢が５０才未満の場合であって、乳房の特徴として乳腺が多い場合には、ＭＭＧ画像に係る確率値ｙ１に対する重み付け係数ｍ１は０．２に設定され、ＵＳ画像に係る確率値ｙ２に対する重み付け係数ｍ２は０．８に設定されている。
【００６４】
その他の構成は上述した第１の実施形態と同様であり、上述した第１の実施形態の効果と同様の効果を得ることができる。
【００６５】
第３実施形態
図１０は、本発明に係るコンピュータ画像診断支援システムの第３の実施形態を示す構成図である。
【００６６】
本第２の実施形態が上述した第１の実施形態と異なる点は、重み付け係数ｍ１，ｍ２を設定し、選択するための条件として、ＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を、腫瘤の有無、およびＵＳ画像用ＣＡＤ５による腫瘤の有無の内容の組み合わせのみならず、たとえば問診の結果に入力された被検体（患者）の年齢、体質、たとえば乳房の特徴である脂肪の量、乳腺の量などの被検体（患者）の個人特徴データを含む組み合わせに応じて設定し選択するように構成したことにある。
【００６７】
したがって、本第３の実施形態を示す図１０では、第２の実施形態と異なり、個人特徴データ入力部７を設け、個人特徴データＳ７を総合ＣＡＤ６Ｂに入力させているとともに、ＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、およびＵＳ画像用ＣＡＤ５による腫瘤の有無を示す信号も総合ＣＡＤ６Ｂに入力させている。
【００６８】
図１１は、第３の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【００６９】
この例では、図１１に示すように、年齢が５０才以上の場合には、乳房の特徴、並びにＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を、腫瘤の有無、およびＵＳ画像用ＣＡＤ５による腫瘤の有無の内容にかかわらず、ＭＭＧ画像に係る確率値ｙ１に対する重み付け係数ｍ１は０．８に設定され、ＵＳ画像に係る確率値ｙ２に対する重み付け係数ｍ２は０．２に設定されている。
【００７０】
年齢が５０才未満の場合であって、乳房の特徴として脂肪が多い場合には、次のように設定される。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．６に設定され、ＵＳ用重み付け係数ｍ２は０．４に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．９に設定され、ＵＳ用重み付け係数ｍ２は０．１に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．５に設定され、ＵＳ用重み付け係数ｍ２も０．５に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は１．０に設定され、ＵＳ用重み付け係数ｍ２は０．０に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．４に設定され、ＵＳ用重み付け係数ｍ２は０．６に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．５に設定され、ＵＳ用重み付け係数ｍ２も０．５に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．３に設定され、ＵＳ用重み付け係数ｍ２は０．７設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．７に設定され、ＵＳ用重み付け係数ｍ２は０．３に設定されている。
【００７１】
年齢が５０才未満の場合であって、乳房の特徴として乳腺が多い場合には、次のように設定される。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．４に設定され、ＵＳ用重み付け係数ｍ２は０．６に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．７に設定され、ＵＳ用重み付け係数ｍ２は０．３に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．３に設定され、ＵＳ用重み付け係数ｍ２も０．７に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．７に設定され、ＵＳ用重み付け係数ｍ２は０．３に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．１に設定され、ＵＳ用重み付け係数ｍ２は０．９に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．２に設定され、ＵＳ用重み付け係数ｍ２は０．８に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．０に設定され、ＵＳ用重み付け係数ｍ２は１．０設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．３に設定され、ＵＳ用重み付け係数ｍ２は０．７に設定されている。
【００７２】
その他の構成は上述した第１の実施形態と同様である。
【００７３】
本第３の実施形態によれば、上述した第１の実施形態の効果と同様の効果を得られることはもとより、より精度高く良悪性の判定を行うことができる利点がある。
【００７４】
【発明の効果】
以上説明したように、本発明によれば、同一病変に対して複数の診断手法から良悪性の判定を行うことができ、診断支援の精度の高い画像診断支援システムを実現できる利点がある。
【図面の簡単な説明】
【図１】本発明に係るコンピュータ画像診断支援システムの一実施形態を示す構成図である。
【図２】図１のＭＭＧ画像用ＣＡＤ、ＵＳ画像用ＣＡＤ、および総合ＣＡＤの機能を説明するための図である。
【図３】図１のＭＭＧ画像用ＣＡＤの具体的な構成例を示すブロック図である。
【図４】図１のＵＳ画像用ＣＡＤの具体的な構成例を示すブロック図である。
【図５】第１の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【図６】第１の実施形態の動作を説明するためのフローチャートである。
【図７】第１の実施形態の動作を説明するためのフローチャートである。
【図８】本発明に係るコンピュータ画像診断支援システムの第２の実施形態を示す構成図である。
【図９】第２の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【図１０】本発明に係るコンピュータ画像診断支援システムの第３の実施形態を示す構成図である。
【図１１】第３の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【符号の説明】
１，１Ａ，１Ｂ…コンピュータ画像診断支援（ＣＡＤ）システム、２…マンモグラフィ（ＭＭＧ）装置、３…超音波（ＵＳ）撮像装置、４…マンモグラフィ（ＭＭＧ画像用ＣＡＤ、４１…微小石灰化検出部、４２…腫瘤検出部、４３…第１の特徴検出部、４４…第２の特徴検出部、４５…確率値算出部、５…超音波（ＵＳ）画像用ＣＡＤ、５１…腫瘤検出部、５２…特徴検出部、５３…確率値検出部、６，６Ａ，６Ｂ…総合ＣＡＤ。
【発明の属する技術分野】
本発明は、Ｘ線画像や超音波画像をコンピュータで処理して被検部位の良悪性の判定を自動的に行い医師の診断を支援する画像診断支援システムに関するものである。
【０００２】
【従来の技術】
たとえば、乳癌の罹患率は年々増加する傾向にある。
乳癌の診断としては、従来、主に触診による診断が行われているが、この診断法ではしこりができた段階で発見されるため、早期発見が困難である。
そこで、近年、異常がある部位をコンピュータで自動的に指摘し、医師の診断を支援するコンピュータ支援診断（Computer-Aided Diagnosis、以下ＣＡＤという）システムの研究開発が行われている。
【０００３】
乳房診断の領域においては、乳房Ｘ線写真（マンモグラム:mammogram）によるマンモグラフィ（ＭＭＧ）画像のＣＡＤ、あるいは超音波（ＵＳ:Ultra Sonic）画像のＣＡＤなどの研究開発が行われている。
これらのマンモグラフィ（ＭＭＧ）画像のＣＡＤ、超音波（ＵＳ）画像のＣＡＤでは、それぞれの画像に基づいてコンピュータが病変の検出や腫瘤の良悪性の判定などを自動的に行っている。
【０００４】
【発明が解決しようとする課題】
ところで、マンモグラフィ（ＭＭＧ）画像のＣＡＤ、および超音波（ＵＳ）画像のＣＡＤでは、以下に示すような長所と短所を有する。
【０００５】
すなわち、マンモグラフィ（ＭＭＧ）画像のＣＡＤは、脂肪の多い乳房に適している（強い）、微小石灰化の検出率が高いという長所を有し、乳腺の多い乳房に不適である（弱い）、腫瘤の検出率が低いという短所を有する。
【０００６】
これに対して、超音波（ＵＳ）画像のＣＡＤは、乳腺の多い乳房に適している（強い）、腫瘤の検出率が高いという長所を有し、脂肪の多い乳房に不適である（弱い）、微小石灰化の検出率が低いという短所を有する。
【０００７】
このように、マンモグラフィ（ＭＭＧ）画像のＣＡＤと超音波（ＵＳ）画像のＣＡＤでは、同一病変に対して相反する長所および短所を有している。
したがって、従来の乳房診断の領域におけるＣＡＤでは、信頼性の高い判定結果が得られる場合もあるが、病変や被検体の乳房の特徴によっては、信頼性の高い判定結果を必ずしも得ることができないのが現状であり、単独のモダリティのＣＡＤによりも判定（診断）精度の高いＣＡＤの開発が望まれている。
【０００８】
本発明は、かかる事情に鑑みてなされたものであり、その目的は、同一病変に対して複数の診断手法から良悪性の判定を行うことができ、診断支援の精度の高い画像診断支援システムを提供することにある。
【０００９】
【課題を解決するための手段】
上記目的を達成するため、本発明の第１の観点は、それぞれ異なる撮像装置で撮像された被検体の被検部位の複数の画像データを処理して被検部位の良悪性の判定データを生成する画像診断支援システムであって、対応する撮像装置による画像データに基づいて、病変の有無を検出し、検出された病変の特徴データを生成し、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成する複数の撮像画像用診断支援部と、上記複数の撮像画像用診断支援部による悪性である複数の確率値を、各撮像画像用診断支援部による病変の有無を示す信号の内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１０】
また、第１の観点では、上記重み付け係数は、病変の有無の組み合わせに応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、病変の有無を示す信号の内容の組み合わせに応じた重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１１】
また、本発明の第２の観点は、それぞれ異なる撮像装置で撮像された被検体の被検部位の複数の画像データを処理して被検部位の良悪性の判定データを生成する画像診断支援システムであって、対応する撮像装置による画像データに基づいて、病変の有無を検出し、検出された病変の特徴データを生成し、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成する複数の撮像画像用診断支援部と、被検体の特徴データを入力する入力部と、上記複数の撮像画像用診断支援部による悪性である複数の確率値を、上記入力部による特徴データの内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１２】
また、第２の観点では、上記重み付け係数は、上記特徴データの内容に応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、入力される特徴データの内容に応じた重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１３】
また、本発明の第３の観点は、それぞれ異なる撮像装置で撮像された被検体の被検部位の複数の画像データを処理して被検部位の良悪性の判定データを生成する画像診断支援システムであって、対応する撮像装置による画像データに基づいて、病変の有無を検出し、検出された病変の特徴データを生成し、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成する複数の撮像画像用診断支援部と、被検体の特徴データを入力する入力部と、上記複数の撮像画像用診断支援部による悪性である複数の確率値を、各撮像画像用診断支援部による病変の有無を示す信号の内容、および上記入力部による特徴データの内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１４】
また、第３の観点では、上記重み付け係数は、病変の有無、並びに上記特徴データの内容に応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、病変の有無を示す信号の内容、および上記特徴データの内容の組み合わせに応じた重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１５】
また、本発明の第４の観点に係る画像診断支援システムは、マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無を検出し、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データを生成し、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値を生成するマンモグラフィ画像用診断支援部と、超音波画像データに基づいて腫瘤の有無を検出し、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値を生成する超音波画像用診断支援部と、マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値を、それぞれマンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、および超音波画像用診断支援部による腫瘤の有無を示す信号の内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１６】
また、本発明の第４の観点では、上記マンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数は、マンモグラフィ画像用診断支援部による微小石灰化の有無、腫瘤の有無、および超音波画像用診断支援部による腫瘤の有無の組み合わせに応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、マンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、および超音波画像用診断支援部による腫瘤の有無を示す信号の内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１７】
また、本発明の第５の観点に係る画像診断支援システムは、マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無を検出し、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データを生成し、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値を生成するマンモグラフィ画像用診断支援部と、超音波画像データに基づいて腫瘤の有無を検出し、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値を生成する超音波画像用診断支援部と、被検体の特徴データを入力する入力部と、マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値を、上記入力部による特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００１８】
また、本発明の第５の観点では、上記マンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数は、上記特徴データの内容に応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、入力される特徴データの内容に応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００１９】
また、本発明の第６の観点に係る画像診断支援システムは、マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無を検出し、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データを生成し、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値を生成するマンモグラフィ画像用診断支援部と、超音波画像データに基づいて腫瘤の有無を検出し、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値を生成する超音波画像用診断支援部と、被検体の特徴データを入力する入力部と、マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値を、それぞれマンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、超音波画像用診断支援部による腫瘤の有無を示す信号の内容、および上記入力部による特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部とを有する。
【００２０】
また、本発明の第６の観点では、上記マンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数は、マンモグラフィ画像用診断支援部による微小石灰化の有無、腫瘤の有無、および超音波画像用診断支援部による腫瘤の有無、並びに上記特徴データの内容の組み合わせに応じてあらかじめルックアップテーブルに設定されており、上記総合診断支援部は、マンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、超音波画像用診断支援部による腫瘤の有無を示す信号の内容、および上記特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う。
【００２１】
本発明によれば、たとえばそれぞれ異なる撮像装置で被検体の被検部位が撮像され、撮像された被検体の被検部位の複数の画像データは、それぞれ対応する撮像画像用診断支援部に供給される。
各撮像画像用診断支援部おいては、対応する撮像装置による画像データに基づいて、病変の有無が検出され、検出された病変の特徴データが生成される。そして、各撮像画像用診断支援部おいては、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成されて総合診断支援部に供給される。
また、たとえば被検体の特徴データが入力部から総合診断支援部に入力される。
総合診断支援部では、複数の撮像画像用診断支援部による悪性である複数の確率値が、各撮像画像用診断支援部による病変の有無を示す信号の内容、および入力部による特徴データの内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けされ、総合確率値が算出される。
総合診断支援部では、算出した総合確率値が最終的な悪性である確率値として出力される。
【００２２】
また、本発明によれば、たとえばマンモグラフィ装置で得られたマンモグラフィ画像データがマンモグラフィ画像用診断支援部に供給される。
マンモグラフィ画像用診断支援部では、マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無が検出され、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データが生成される。そして、マンモグラフィ画像用診断支援部では、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値が生成されて総合診断支援部に出力される。
また、たとえば超音波撮像装置で得られた超音波画像データが、超音波画像用診断支援部に供給される。
超音波画像用診断支援部では、超音波画像データに基づいて腫瘤の有無が検出され、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値が生成されて総合診断支援部に出力される。
また、たとえば被検体の特徴データが入力部から総合診断支援部に入力される。
総合診断支援部では、マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値が、それぞれマンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、超音波画像用診断支援部による腫瘤の有無を示す信号の内容、および入力部による特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けされて、総合確率値が算出される。
総合診断支援部では、算出した総合確率値が最終的な悪性である確率値として出力される。
【００２３】
【発明の実施の形態】
以下、本発明の実施形態に係る画像診断支援システムについて図面に関連付けて説明する。
【００２４】
第１実施形態
図１は、本発明に係るコンピュータ画像診断支援システムの第１の実施形態を示す構成図である。
また、図２は、図１のＭＭＧ画像用ＣＡＤ、ＵＳ画像用ＣＡＤ、および総合的ＣＡＤの機能を説明するための図である。
【００２５】
本実施形態に係るコンピュータ画像診断支援（ＣＡＤ）システム１は、図１に示すように、マンモグラフィ（以下、ＭＭＧ）装置２、超音波（以下、ＵＳ）撮像装置３、ＭＭＧ画像用診断支援部としてのＭＭＧ画像用ＣＡＤ４、ＵＳ画像用診断支援部としてのＵＳ画像用ＣＡＤ５、および総合診断支援部としての総合ＣＡＤ６を有している。
【００２６】
ＭＭＧ装置２は、被検体（患者）１０の被検部位、たとえば乳房のＸ線写真データをデジタルのＭＭＧ画像データＳ２に変換してＭＭＧ画像用ＣＡＤ４および総合ＣＡＤ６に出力する。
【００２７】
ＵＳ撮像装置３は、被検体（患者）１０の被検部位、たとえば乳房に超音波を送波し、被検体内での非線形効果による高調波エコーに基づいて画像を生成し、生成した画像をデジタルのＵＳ画像データＳ３としてＵＳ画像用ＣＡＤ５および総合ＣＡＤ６に出力する。
【００２８】
ＭＭＧ画像用ＣＡＤ４は、ＭＭＧ装置２によるＭＭＧ画像データＳ２を受けて、たとえば図２に示すように、微小石灰化の有無を検出して、その結果を信号Ｓ４１として総合的ＣＡＤ６に出力し、これに並行して、腫瘤の有無を検出し、その結果を信号Ｓ４２として総合ＣＡＤ６に出力する。
さらに、ＭＭＧ画像用ＣＡＤ４は、検出された微小石灰化部の形状や集塊（クラスタ）の特徴および位置情報、並びに検出された腫瘤の形状やコントラスト値の特徴および位置情報に基づいて、検出された微小石灰化部や腫瘤の悪性である確率値を生成し、この生成した確率値ｙ１を総合ＣＡＤ６に出力する。
【００２９】
図３は、図１のＭＭＧ画像用ＣＡＤ４の具体的な構成例を示すブロック図である。
【００３０】
本ＭＭＧ画像用ＣＡＤ４は、図３に示すように、微小石灰化検出部４１、腫瘤検出部４２、第１の特徴検出部４３、第２の特徴検出部４４、および確率値算出部４５を有している。
【００３１】
微小石灰化検出部４１は、ＭＭＧ装置２によるＭＭＧ画像データＳ２を受けて、微小石灰化の有無を検出し、その結果を信号Ｓ４１として総合的ＣＡＤ６に出力する。
そして、微小石灰化検出部４１は、微小石灰化が有ると判定した場合には、たとえば候補領域を抽出して、微小石灰化部が存在する位置情報Ｓ４１１および所定領域における輝度データ４１２を生成し、生成した位置情報Ｓ４１１および所定領域における輝度データ４１２を第１の特徴検出部４３に出力するとともに、位置情報Ｓ４１１を確率値算出部４５に出力する。
【００３２】
腫瘤検出部４２は、ＭＭＧ装置２によるＭＭＧ画像データＳ２を受けて、腫瘤の有無を検出し、その結果を信号Ｓ４２として総合的ＣＡＤ６に出力する。
そして、腫瘤検出部４２は、腫瘤が有ると判定した場合には、たとえば候補領域を抽出して、腫瘤が存在する位置情報Ｓ４２１および所定領域における輝度データ４２２を生成し、生成した位置情報Ｓ４２１および所定領域における輝度データ４２２を第２の特徴検出部４４に出力するとともに、位置情報Ｓ４２１を確率値算出部４５に出力する。
【００３３】
第１の特徴検出部４３は、微小石灰化検出部４１による位置情報Ｓ４１１および輝度データ４１２を受けて、微小石灰化部の形状や集塊（クラスタ）等の特徴を検出して第１の特徴データＳ４３１を確率値算出部４５に出力する。
【００３４】
第２の特徴検出部４４は、腫瘤検出部４２による位置情報Ｓ４２１および輝度データ４２２を受けて、腫瘤の形状やコントラスト値等の特徴を検出して第２の特徴データＳ４４１を確率値算出部４５に出力する。
なお、腫瘤の特徴パラメータとしては、具体的には縦横比、最小幅、円形度、候補内部の平均コントラスト、候補中心部の平均コントラスト、候補中心部のアンシャープマスク画像の標準偏差、重心を利用した方向別強度比などを挙げることができる（たとえば、Ｊｏｕｒｎａｌ ｏｆ ｃｏｍｐｕｔｅｒ ＡｉｄｅｄＤｉａｇｎｏｓｉｓ ｏｆ Ｍｅｄｉｃａｌ Ｉｍａｇｅｓ Ｖｏｌ．３ Ｎｏ．２ Ａｐｒ １９９９ 参照）。
縦横比は候補が腫瘤陰影である場合、後方の縦と横の長さの比である。
また、候補内部の平均コントラストは、候補が腫瘤陰影である場合、候補内部周辺では平均コントラストは大きくなる。
候補中心部の平均コントラストは、候補が腫瘤陰影である場合、候補中心部では画素値の変化が少なくコントラストは小さくなる。
重心を利用した方向別強度比は、候補が腫瘤陰影である場合、重心を中心として円を描くような形状で強度が強い位置が現れる。
【００３５】
確率値算出部４５は、微小石灰化検出部４１による位置情報Ｓ４１１、第１の特徴検出部４３による第１の特徴データＳ４３１、腫瘤検出部４２による位置情報Ｓ４２１、および第２の特徴検出部４４による第２の特徴データＳ４４１を受けて、検出された微小石灰化部や腫瘤の悪性である確率値を生成し、この生成した確率値ｙ１を総合ＣＡＤ６に出力する。
確率値算出部４５は、たとえば位置情報Ｓ４１１、第１の特徴データＳ４３１、位置情報Ｓ４２１、および第２の特徴データＳ４４１を、対応して設定された所定の判別式にそれぞれに代入し、その結果に応じて各疾患にスコアをつけ、そのスコアを疾患別に加算してスコアの高い疾患を判別式の判別結果として、確率値ｙ１を求める。
【００３６】
ＵＳ画像用ＣＡＤ５は、ＵＳ撮像装置３によるＵＳ画像データＳ３を受けて、たとえば図２に示すように、腫瘤の有無を検出して、その結果を信号Ｓ５１として総合的ＣＡＤ６に出力する。
さらに、ＵＳ画像用ＣＡＤ５は、検出された腫瘤の形状や位置などの特徴データに基づいて、検出された腫瘤の悪性である確率値を生成し、この生成した確率値ｙ２を総合ＣＡＤ６に出力する。
【００３７】
図４は、図１のＵＳ画像用ＣＡＤ５の具体的な構成例を示すブロック図である。
【００３８】
本ＵＳ画像用ＣＡＤ５は、図４に示すように、腫瘤検出部５１、特徴検出部５２、および確率値算出部５３を有している。
【００３９】
腫瘤検出部５１は、ＵＳ撮像装置３によるＵＳ画像データＳ３を受けて、腫瘤の有無を検出し、その結果を信号Ｓ５１として総合的ＣＡＤ６に出力する。
そして、腫瘤検出部５１は、腫瘤が有ると判定した場合には、たとえば候補領域を抽出して、腫瘤が存在する位置情報Ｓ５１１および所定領域における輝度データ５１２を生成し、生成した位置情報Ｓ５１１および所定領域における輝度データ５１２を特徴検出部５２に出力する。
【００４０】
特徴検出部５２は、腫瘤検出部５１による位置情報Ｓ５１１および輝度データ５１２を受けて、腫瘤の形状や位置等の特徴を検出して特徴データＳ５２１を確率値算出部５３に出力する。
なお、腫瘤の特徴パラメータは、形状、形態、位置、エコー、およびテクスチャの５つに大別できる。
たとえば腫瘤の形状や形態の特徴パラメータを求めるためには、輪郭抽出処理を行う。
エコーに関する特徴は、たとえば腫瘤内部、外側、後部、後部外側陰影、および同じ深さの濃度平均値と分散を求め、それらの差や比を一つの特徴パラメータとする。
また、テクスチャは、腫瘤の種類により内部組成が異なることから、違いがある。テクスチャの特徴パラメータとしては、一様性、コントラスト、エントロピー、濃度相関が用いられる。テクスチャを定量化するには、たとえばフーリエ変換法、同時共起行列法、フラクタル法などが用いられる。
特徴検出部５２は、腫瘤の特徴パラメータである位置パラメータは、腫瘤の上端や下端、皮膚表面は腫瘤の輪郭データなどに基づいて検出する。
具体的には、位置パラメータとしては、たとえば皮膚から乳腺実質上端までの距離、乳腺実質上端から腫瘤上端まで距離、腫瘤下端から大胸肋膜までの距離が用いられる。
【００４１】
確率値算出部５３は、特徴検出部５２による特徴データＳ５２１を受けて、検出された腫瘤の悪性である確率値を生成し、この生成した確率値ｙ２を総合ＣＡＤ６に出力する。
確率値算出部５３は、たとえば特徴データＳ５２１を、対応して設定された所定の判別式にそれぞれに代入し、その結果に応じて各疾患にスコアをつけ、そのスコアを疾患別に加算してスコアの高い疾患を判別式の判別結果として、確率値ｙ２を求める。
【００４２】
総合ＣＡＤ６は、ＭＭＧ画像用ＣＡＤ４から供給されたＭＭＧ画像による悪性である確率値ｙ１およびＵＳ画像用ＣＡＤ５から供給されたＵＳ画像による悪性である確率値ｙ２を、それぞれＭＭＧ画像用ＣＡＤ４から供給された微小石灰化の有無を示す信号Ｓ４１、腫瘤の有無を示す信号Ｓ４２、およびＵＳ画像用ＣＡＤ５から供給された腫瘤の有無を示す信号Ｓ５１の内容の組み合わせに応じてあらかじめ設定されているＭＭＧ用重み付け係数ｍ１およびＵＳ用重み付け係数ｍ２により重み付けして、次式（１）で示す総合確率値ｙout を算出し、本装置の最終的な悪性である確率値として出力する。
【００４３】
【数１】
ｙout ＝ｍ１・ｙ１＋ｍ２・ｙ２ …（１）
【００４４】
重み付け係数は、たとえば図５に示すようなルックアップテーブル６１としてメモリに格納されており、ＭＭＧ画像用ＣＡＤ４から供給された微小石灰化の有無を示す信号Ｓ４１、腫瘤の有無を示す信号Ｓ４２、およびＵＳ画像用ＣＡＤ５から供給された腫瘤の有無を示す信号Ｓ５１の内容の組み合わせに応じて選択的に読み出されて上記式（１）に代入される。
【００４５】
図５に示すように、本第１の実施形態においては、ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．５に設定され、ＵＳ用重み付け係数ｍ２も０．５に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．９に設定され、ＵＳ用重み付け係数ｍ２は０．１に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．４に設定され、ＵＳ用重み付け係数ｍ２は０．６に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．９に設定され、ＵＳ用重み付け係数ｍ２は０．１に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．３に設定され、ＵＳ用重み付け係数ｍ２は０．７に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．４に設定され、ＵＳ用重み付け係数ｍ２は０．６に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．０に設定され、ＵＳ用重み付け係数ｍ２は１．０に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．５に設定され、ＵＳ用重み付け係数ｍ２も０．５に設定されている。
【００４６】
次に、上記構成による動作を、図６および図７のフローチャートに関連付けて説明する。
なおここでは、まず、被検体からＭＭＧ画像を得た後に、ＵＳ画像を得て総合確率値ｙout を求める場合を例に説明するが、本発明は、これに限定されるものではなく、ＵＳ画像を得た後にＭＭＧ画像を得て総合確率値ｙout を求めることも可能であることはいうまでもない。
【００４７】
まず、ＭＭＧ装置２により、被検体（患者）の被検部位である乳房のＸ線写真データが得られ、このデータがデジタルのＭＭＧ画像データＳ２に変換されて（ＳＴ１）、ＭＭＧ画像用ＣＡＤ４および総合ＣＡＤ６に出力される。
【００４８】
ＭＭＧ画像用ＣＡＤ４においては、微小石灰化検出部４１によりＭＭＧ画像データＳ２に基づいて微小石灰化の有無が検出され（ＳＴ２）、その結果が信号Ｓ４１として総合的ＣＡＤ６に出力される。
そして、微小石灰化検出部４１では、微小石灰化が有ると判定した場合には、微小石灰化部が存在する位置情報Ｓ４１１および所定領域における輝度データ４１２が生成され（ＳＴ３）、生成した位置情報Ｓ４１１および所定領域における輝度データ４１２が第１の特徴検出部４３に出力され、位置情報Ｓ４１１が確率値算出部４５に出力される。
【００４９】
第１の特徴検出部４３では、微小石灰化検出部４１による位置情報Ｓ４１１および輝度データ４１２に基づいて、微小石灰化部の形状や集塊（クラスタ）等の特徴が検出され（ＳＴ４）、第１の特徴データＳ４３１が確率値算出部４５に出力される。
【００５０】
また、ＭＭＧ画像用ＣＡＤ４においては、腫瘤検出部４２によりＭＭＧ画像データＳ２に基づいて腫瘤の有無が検出され（ＳＴ５）、その結果が信号Ｓ４２として総合的ＣＡＤ６に出力される。
そして、腫瘤検出部４２では、腫瘤が有ると判定した場合には、腫瘤が存在する位置情報Ｓ４２１および所定領域における輝度データ４２２が生成され（ＳＴ６）、生成した位置情報Ｓ４２１および所定領域における輝度データ４２２が第２の特徴検出部４４に出力され、位置情報Ｓ４２１を確率値算出部４５に出力される。
【００５１】
第２の特徴検出部４４では、腫瘤検出部４２による位置情報Ｓ４２１および輝度データ４２２に基づいて、腫瘤の形状やコントラスト値等の特徴が検出され（ＳＴ７）、第２の特徴データＳ４４１が確率値算出部４５に出力される。
【００５２】
確率値算出部４５では、微小石灰化検出部４１による位置情報Ｓ４１１、第１の特徴検出部４３による第１の特徴データＳ４３１、腫瘤検出部４２による位置情報Ｓ４２１、および第２の特徴検出部４４による第２の特徴データＳ４４１に基づいて検出された微小石灰化部や腫瘤の悪性である確率値が生成され（ＳＴ８）、この生成した確率値ｙ１が総合ＣＡＤ６に出力される。
【００５３】
次に、ＵＳ撮像装置３により被検体（患者）の被検部位である乳房に超音波が送波され、被検体内での非線形効果による高調波エコーに基づいてＵＳ画像が生成され、生成した画像がデジタルのＵＳ画像データＳ３としてＵＳ画像用ＣＡＤ５および総合ＣＡＤ６に出力される（ＳＴ９）。
【００５４】
ＵＳ画像用ＣＡＤ５においては、腫瘤検出部５１でＵＳ撮像装置３によるＵＳ画像データＳ３に基づいて腫瘤の有無が検出され、その結果が信号Ｓ５１として総合的ＣＡＤ６に出力される（ＳＴ１０）。
そして、腫瘤検出部５１では、腫瘤が有ると判定した場合には、腫瘤が存在する位置情報Ｓ５１１および所定領域における輝度データ５１２が生成され（ＳＴ１１）、生成した位置情報Ｓ５１１および所定領域における輝度データ５１２が特徴検出部５２に出力される。
【００５５】
特徴検出部５２では、腫瘤検出部５１による位置情報Ｓ５１１および輝度データ５１２に基づいて、腫瘤の形状や位置等の特徴が検出され、特徴データＳ５２１が確率値算出部５３に出力される。
【００５６】
確率値算出部５３では、特徴検出部５２による特徴データＳ５２１に基づいて検出された腫瘤の悪性である確率値が生成され（ＳＴ１２）、この生成した確率値ｙ２が総合ＣＡＤ６に出力される。
【００５７】
総合ＣＡＤ６においては、それぞれＭＭＧ画像用ＣＡＤ４から供給された微小石灰化の有無を示す信号Ｓ４１、腫瘤の有無を示す信号Ｓ４２、およびＵＳ画像用ＣＡＤ５から供給された腫瘤の有無を示す信号Ｓ５１の内容の組み合わせに応じて、ルックアップテーブル６１にあらかじめ設定されているＭＭＧ用重み付け係数ｍ１およびＵＳ用重み付け係数ｍ２が選択される（ＳＴ１３）。
そして、総合ＣＡＤ６では、ＭＭＧ画像用ＣＡＤ４から供給されたＭＭＧ画像による悪性である確率値ｙ１およびＵＳ画像用ＣＡＤ５から供給されたＵＳ画像による悪性である確率値ｙ２が、それぞれ選択されたＭＭＧ用重み付け係数ｍ１およびＵＳ用重み付け係数ｍ２により重み付けされて、総合確率値ｙout が算出され、本装置の最終的な悪性である確率値として出力される（ＳＴ１４）。
【００５８】
以上説明したように、本第１の実施形態によれば、ＭＭＧ画像データＳ２に基づいて微小石灰化の有無を検出してその結果を信号Ｓ４１として出力し、かつ、腫瘤の有無を検出しその結果を信号Ｓ４２として出力し、検出された微小石灰化部の形状や集塊（クラスタ）の特徴および位置情報、並びに検出された腫瘤の形状やコントラスト値の特徴および位置情報に基づいて、検出された微小石灰化部や腫瘤の悪性である確率値を生成するＭＭＧ画像用ＣＡＤ４と、ＵＳ画像データＳ３に基づいて腫瘤の有無を検出してその結果を信号Ｓ５１として出力し、検出された腫瘤の形状や位置などの特徴データに基づいて、検出された腫瘤の悪性である確率値を生成するＵＳ画像用ＣＡＤ５と、ＭＭＧ画像による悪性である確率値ｙ１およびＵＳ画像による悪性である確率値ｙ２を、それぞれＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を示す信号Ｓ４１、腫瘤の有無を示す信号Ｓ４２、およびＵＳ画像用ＣＡＤ５による腫瘤の有無を示す信号Ｓ５１の内容の組み合わせに応じてあらかじめ設定されているＭＭＧ用重み付け係数ｍ１およびＵＳ用重み付け係数ｍ２により重み付けして、総合確率値ｙout を算出し、本装置の最終的な悪性である確率値として出力する総合ＣＡＤ６とを設けたので、同一病変に対して複数の診断手法から良悪性の判定を行うことができ、単独のモダリティのＣＡＤに比べて、診断支援の精度の高い画像診断支援システムを実現できる利点がある。
【００５９】
第２実施形態
図８は、本発明に係るコンピュータ画像診断支援システムの第２の実施形態を示す構成図である。
【００６０】
本第２の実施形態が上述した第１の実施形態と異なる点は、重み付け係数ｍ１，ｍ２を設定し、選択するための条件として、ＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を、腫瘤の有無、およびＵＳ画像用ＣＡＤ５による腫瘤の有無の内容の組み合わせに応じるのではなく、たとえば問診の結果に入力された被検体（患者）の年齢、体質、たとえば乳房の特徴である脂肪の量、乳腺の量などの被検体（患者）の個人特徴データの組み合わせに応じて設定し選択するように構成したことにある。
【００６１】
したがって、本第２の実施形態を示す図８では、個人特徴データ入力部７を設け、個人特徴データＳ７を総合ＣＡＤ６Ａに入力させている。
また、ＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、およびＵＳ画像用ＣＡＤ５による腫瘤の有無を示す信号は、総合ＣＡＤ６Ａには入力させていない。
【００６２】
図９は、第２の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【００６３】
この例では、図９に示すように、年齢が５０才以上の場合には、乳房の特徴にかかわらず、ＭＭＧ画像に係る確率値ｙ１に対する重み付け係数ｍ１は０．８に設定され、ＵＳ画像に係る確率値ｙ２に対する重み付け係数ｍ２は０．２に設定されている。
年齢が５０才未満の場合であって、乳房の特徴として脂肪が多い場合には、ＭＭＧ画像に係る確率値ｙ１に対する重み付け係数ｍ１は０．９に設定され、ＵＳ画像に係る確率値ｙ２に対する重み付け係数ｍ２は０．１に設定されている。
年齢が５０才未満の場合であって、乳房の特徴として乳腺が多い場合には、ＭＭＧ画像に係る確率値ｙ１に対する重み付け係数ｍ１は０．２に設定され、ＵＳ画像に係る確率値ｙ２に対する重み付け係数ｍ２は０．８に設定されている。
【００６４】
その他の構成は上述した第１の実施形態と同様であり、上述した第１の実施形態の効果と同様の効果を得ることができる。
【００６５】
第３実施形態
図１０は、本発明に係るコンピュータ画像診断支援システムの第３の実施形態を示す構成図である。
【００６６】
本第２の実施形態が上述した第１の実施形態と異なる点は、重み付け係数ｍ１，ｍ２を設定し、選択するための条件として、ＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を、腫瘤の有無、およびＵＳ画像用ＣＡＤ５による腫瘤の有無の内容の組み合わせのみならず、たとえば問診の結果に入力された被検体（患者）の年齢、体質、たとえば乳房の特徴である脂肪の量、乳腺の量などの被検体（患者）の個人特徴データを含む組み合わせに応じて設定し選択するように構成したことにある。
【００６７】
したがって、本第３の実施形態を示す図１０では、第２の実施形態と異なり、個人特徴データ入力部７を設け、個人特徴データＳ７を総合ＣＡＤ６Ｂに入力させているとともに、ＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、およびＵＳ画像用ＣＡＤ５による腫瘤の有無を示す信号も総合ＣＡＤ６Ｂに入力させている。
【００６８】
図１１は、第３の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【００６９】
この例では、図１１に示すように、年齢が５０才以上の場合には、乳房の特徴、並びにＭＭＧ画像用ＣＡＤ４による微小石灰化の有無を、腫瘤の有無、およびＵＳ画像用ＣＡＤ５による腫瘤の有無の内容にかかわらず、ＭＭＧ画像に係る確率値ｙ１に対する重み付け係数ｍ１は０．８に設定され、ＵＳ画像に係る確率値ｙ２に対する重み付け係数ｍ２は０．２に設定されている。
【００７０】
年齢が５０才未満の場合であって、乳房の特徴として脂肪が多い場合には、次のように設定される。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．６に設定され、ＵＳ用重み付け係数ｍ２は０．４に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．９に設定され、ＵＳ用重み付け係数ｍ２は０．１に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．５に設定され、ＵＳ用重み付け係数ｍ２も０．５に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は１．０に設定され、ＵＳ用重み付け係数ｍ２は０．０に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．４に設定され、ＵＳ用重み付け係数ｍ２は０．６に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．５に設定され、ＵＳ用重み付け係数ｍ２も０．５に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．３に設定され、ＵＳ用重み付け係数ｍ２は０．７設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．７に設定され、ＵＳ用重み付け係数ｍ２は０．３に設定されている。
【００７１】
年齢が５０才未満の場合であって、乳房の特徴として乳腺が多い場合には、次のように設定される。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．４に設定され、ＵＳ用重み付け係数ｍ２は０．６に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．７に設定され、ＵＳ用重み付け係数ｍ２は０．３に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．３に設定され、ＵＳ用重み付け係数ｍ２も０．７に設定されている。
ＭＭＧ画像に微小石灰化が有り、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．７に設定され、ＵＳ用重み付け係数ｍ２は０．３に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．１に設定され、ＵＳ用重み付け係数ｍ２は０．９に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が有り、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．２に設定され、ＵＳ用重み付け係数ｍ２は０．８に設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が有る場合には、ＭＭＧ用重み付け係数ｍ１は０．０に設定され、ＵＳ用重み付け係数ｍ２は１．０設定されている。
ＭＭＧ画像に微小石灰化が無く、ＭＭＧ画像に腫瘤が無く、ＵＳ画像に腫瘤が無い場合には、ＭＭＧ用重み付け係数ｍ１は０．３に設定され、ＵＳ用重み付け係数ｍ２は０．７に設定されている。
【００７２】
その他の構成は上述した第１の実施形態と同様である。
【００７３】
本第３の実施形態によれば、上述した第１の実施形態の効果と同様の効果を得られることはもとより、より精度高く良悪性の判定を行うことができる利点がある。
【００７４】
【発明の効果】
以上説明したように、本発明によれば、同一病変に対して複数の診断手法から良悪性の判定を行うことができ、診断支援の精度の高い画像診断支援システムを実現できる利点がある。
【図面の簡単な説明】
【図１】本発明に係るコンピュータ画像診断支援システムの一実施形態を示す構成図である。
【図２】図１のＭＭＧ画像用ＣＡＤ、ＵＳ画像用ＣＡＤ、および総合ＣＡＤの機能を説明するための図である。
【図３】図１のＭＭＧ画像用ＣＡＤの具体的な構成例を示すブロック図である。
【図４】図１のＵＳ画像用ＣＡＤの具体的な構成例を示すブロック図である。
【図５】第１の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【図６】第１の実施形態の動作を説明するためのフローチャートである。
【図７】第１の実施形態の動作を説明するためのフローチャートである。
【図８】本発明に係るコンピュータ画像診断支援システムの第２の実施形態を示す構成図である。
【図９】第２の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【図１０】本発明に係るコンピュータ画像診断支援システムの第３の実施形態を示す構成図である。
【図１１】第３の実施形態に係る重み付け係数が設定されたルックアップテーブル例を示す図である。
【符号の説明】
１，１Ａ，１Ｂ…コンピュータ画像診断支援（ＣＡＤ）システム、２…マンモグラフィ（ＭＭＧ）装置、３…超音波（ＵＳ）撮像装置、４…マンモグラフィ（ＭＭＧ画像用ＣＡＤ、４１…微小石灰化検出部、４２…腫瘤検出部、４３…第１の特徴検出部、４４…第２の特徴検出部、４５…確率値算出部、５…超音波（ＵＳ）画像用ＣＡＤ、５１…腫瘤検出部、５２…特徴検出部、５３…確率値検出部、６，６Ａ，６Ｂ…総合ＣＡＤ。
Claims (12)
- それぞれ異なる撮像装置で撮像された被検体の被検部位の複数の画像データを処理して被検部位の良悪性の判定データを生成する画像診断支援システムであって、
対応する撮像装置による画像データに基づいて、病変の有無を検出し、検出された病変の特徴データを生成し、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成する複数の撮像画像用診断支援部と、
上記複数の撮像画像用診断支援部による悪性である複数の確率値を、各撮像画像用診断支援部による病変の有無を示す信号の内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部と
を有する画像診断支援システム。 - 上記重み付け係数は、病変の有無の組み合わせに応じてあらかじめルックアップテーブルに設定されており、
上記総合診断支援部は、病変の有無を示す信号の内容の組み合わせに応じた重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う
請求項１記載の画像診断支援システム。 - それぞれ異なる撮像装置で撮像された被検体の被検部位の複数の画像データを処理して被検部位の良悪性の判定データを生成する画像診断支援システムであって、
対応する撮像装置による画像データに基づいて、病変の有無を検出し、検出された病変の特徴データを生成し、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成する複数の撮像画像用診断支援部と、
被検体の特徴データを入力する入力部と、
上記複数の撮像画像用診断支援部による悪性である複数の確率値を、上記入力部による特徴データの内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部と
を有する画像診断支援システム。 - 上記重み付け係数は、上記特徴データの内容に応じてあらかじめルックアップテーブルに設定されており、
上記総合診断支援部は、入力される特徴データの内容に応じた重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う
請求項３記載の画像診断支援システム。 - それぞれ異なる撮像装置で撮像された被検体の被検部位の複数の画像データを処理して被検部位の良悪性の判定データを生成する画像診断支援システムであって、
対応する撮像装置による画像データに基づいて、病変の有無を検出し、検出された病変の特徴データを生成し、生成した特徴データに基づいて、検出された病変の悪性である確率値をそれぞれ生成する複数の撮像画像用診断支援部と、
被検体の特徴データを入力する入力部と、
上記複数の撮像画像用診断支援部による悪性である複数の確率値を、各撮像画像用診断支援部による病変の有無を示す信号の内容、および上記入力部による特徴データの内容の組み合わせに応じた重み付け係数によりそれぞれ重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部と
を有する画像診断支援システム。 - 上記重み付け係数は、病変の有無、並びに上記特徴データの内容に応じてあらかじめルックアップテーブルに設定されており、
上記総合診断支援部は、病変の有無を示す信号の内容、および上記特徴データの内容の組み合わせに応じた重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う
請求項５記載の画像診断支援システム。 - マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無を検出し、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データを生成し、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値を生成するマンモグラフィ画像用診断支援部と、
超音波画像データに基づいて腫瘤の有無を検出し、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値を生成する超音波画像用診断支援部と、
マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値を、それぞれマンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、および超音波画像用診断支援部による腫瘤の有無を示す信号の内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部と
を有する画像診断支援システム。 - 上記マンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数は、マンモグラフィ画像用診断支援部による微小石灰化の有無、腫瘤の有無、および超音波画像用診断支援部による腫瘤の有無の組み合わせに応じてあらかじめルックアップテーブルに設定されており、
上記総合診断支援部は、マンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、および超音波画像用診断支援部による腫瘤の有無を示す信号の内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う
請求項７記載の画像診断支援システム。 - マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無を検出し、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データを生成し、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値を生成するマンモグラフィ画像用診断支援部と、
超音波画像データに基づいて腫瘤の有無を検出し、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値を生成する超音波画像用診断支援部と、
被検体の特徴データを入力する入力部と、
マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値を、上記入力部による特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部と
を有する画像診断支援システム。 - 上記マンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数は、上記特徴データの内容に応じてあらかじめルックアップテーブルに設定されており、
上記総合診断支援部は、入力される特徴データの内容に応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う
請求項９記載の画像診断支援システム。 - マンモグラフィ画像データに基づいて微小石灰化および腫瘤の有無を検出し、検出された微小石灰化部の特徴データ、並びに検出された腫瘤の特徴データを生成し、生成した特徴データに基づいて、検出された微小石灰化部、腫瘤の悪性である第１の確率値を生成するマンモグラフィ画像用診断支援部と、
超音波画像データに基づいて腫瘤の有無を検出し、検出された腫瘤の特徴データに基づいて、検出された腫瘤の悪性である第２の確率値を生成する超音波画像用診断支援部と、
被検体の特徴データを入力する入力部と、
マンモグラフィ画像による悪性である第１の確率値および超音波画像による悪性である画像の第２の確率値を、それぞれマンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、超音波画像用診断支援部による腫瘤の有無を示す信号の内容、および上記入力部による特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数により重み付けして、総合確率値を算出し、最終的な悪性である確率値として出力する総合診断支援部と
を有する画像診断支援システム。 - 上記マンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数は、マンモグラフィ画像用診断支援部による微小石灰化の有無、腫瘤の有無、および超音波画像用診断支援部による腫瘤の有無、並びに上記特徴データの内容の組み合わせに応じてあらかじめルックアップテーブルに設定されており、
上記総合診断支援部は、マンモグラフィ画像用診断支援部による微小石灰化の有無を示す信号、腫瘤の有無を示す信号、超音波画像用診断支援部による腫瘤の有無を示す信号の内容、および上記特徴データの内容の組み合わせに応じたマンモグラフィ画像用第１の重み付け係数および超音波画像用第２の重み付け係数を上記ルックアップテーブルから読み出して重み付け演算を行う
請求項１１記載の画像診断支援システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001180673A JP4633298B2 (ja) | 2001-06-14 | 2001-06-14 | 画像診断支援システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001180673A JP4633298B2 (ja) | 2001-06-14 | 2001-06-14 | 画像診断支援システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2003000575A JP2003000575A (ja) | 2003-01-07 |
| JP4633298B2 true JP4633298B2 (ja) | 2011-02-16 |
Family
ID=19021055
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001180673A Expired - Fee Related JP4633298B2 (ja) | 2001-06-14 | 2001-06-14 | 画像診断支援システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4633298B2 (ja) |
Families Citing this family (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4253497B2 (ja) | 2002-12-03 | 2009-04-15 | 株式会社東芝 | コンピュータ支援診断装置 |
| CN100339873C (zh) * | 2003-03-13 | 2007-09-26 | 皇家飞利浦电子股份有限公司 | 用于在数据体积中标示感兴趣对象的3d成像系统和方法 |
| JP4558394B2 (ja) * | 2004-07-02 | 2010-10-06 | 株式会社日立メディコ | 画像診断支援装置 |
| US8014576B2 (en) * | 2005-11-23 | 2011-09-06 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images |
| WO2007083745A1 (ja) * | 2006-01-20 | 2007-07-26 | Hitachi Medical Corporation | 弾性画像表示方法及び弾性画像表示装置 |
| WO2009083844A1 (en) | 2007-12-20 | 2009-07-09 | Koninklijke Philips Electronics N.V. | Method and device for case-based decision support |
| JP6291813B2 (ja) * | 2013-11-29 | 2018-03-14 | コニカミノルタ株式会社 | 医用画像システム及びプログラム |
| JP6027065B2 (ja) * | 2014-08-21 | 2016-11-16 | 富士フイルム株式会社 | 類似画像検索装置、類似画像検索装置の作動方法、および類似画像検索プログラム |
| JP6453668B2 (ja) * | 2015-02-27 | 2019-01-16 | 富士フイルム株式会社 | 計測値管理装置とその作動方法および作動プログラム、並びに計測値管理システム |
| JP7258640B2 (ja) * | 2018-04-27 | 2023-04-17 | キヤノンメディカルシステムズ株式会社 | 医用情報処理システム及び医用情報処理プログラム |
| WO2019208804A1 (ja) * | 2018-04-27 | 2019-10-31 | キヤノンメディカルシステムズ株式会社 | 医用情報処理システム及び医用情報処理プログラム |
| CN109829889A (zh) * | 2018-12-27 | 2019-05-31 | 清影医疗科技（深圳）有限公司 | 一种超声图像处理方法及其系统、设备、存储介质 |
| JP7234029B2 (ja) * | 2019-04-26 | 2023-03-07 | 富士フイルム株式会社 | 制御装置、放射線画像撮影システム、医用撮影システム、制御方法、及び制御プログラム |
| JP7332338B2 (ja) * | 2019-05-28 | 2023-08-23 | 富士フイルムヘルスケア株式会社 | 画像診断支援装置、画像診断支援プログラム、および、医用画像取得装置 |
| EP4218601A4 (en) * | 2020-09-23 | 2024-03-27 | Fujifilm Corp | ULTRASONIC SYSTEM AND METHOD FOR CONTROLLING THE ULTRASONIC SYSTEM |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04333972A (ja) * | 1991-05-10 | 1992-11-20 | Toshiba Corp | 医用診断支援システム |
| JPH07284090A (ja) * | 1994-04-08 | 1995-10-27 | Olympus Optical Co Ltd | 画像分類装置 |
| JPH096870A (ja) * | 1995-06-16 | 1997-01-10 | Toshiba Medical Eng Co Ltd | 異常陰影自動検出装置 |
| JPH09504211A (ja) * | 1993-10-29 | 1997-04-28 | ネオビジョン コーポレイション | ソノマモグラフィーおよびよりよいｘ線撮影を行う方法および装置 |
| JPH10108859A (ja) * | 1996-10-07 | 1998-04-28 | Fuji Photo Film Co Ltd | 異常陰影候補の検出方法および装置 |
| JPH11338889A (ja) * | 1998-04-10 | 1999-12-10 | General Electric Co <Ge> | 複数の診断関連情報を統合するためのシステム及び方法 |
-
2001
- 2001-06-14 JP JP2001180673A patent/JP4633298B2/ja not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH04333972A (ja) * | 1991-05-10 | 1992-11-20 | Toshiba Corp | 医用診断支援システム |
| JPH09504211A (ja) * | 1993-10-29 | 1997-04-28 | ネオビジョン コーポレイション | ソノマモグラフィーおよびよりよいｘ線撮影を行う方法および装置 |
| JPH07284090A (ja) * | 1994-04-08 | 1995-10-27 | Olympus Optical Co Ltd | 画像分類装置 |
| JPH096870A (ja) * | 1995-06-16 | 1997-01-10 | Toshiba Medical Eng Co Ltd | 異常陰影自動検出装置 |
| JPH10108859A (ja) * | 1996-10-07 | 1998-04-28 | Fuji Photo Film Co Ltd | 異常陰影候補の検出方法および装置 |
| JPH11338889A (ja) * | 1998-04-10 | 1999-12-10 | General Electric Co <Ge> | 複数の診断関連情報を統合するためのシステム及び方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2003000575A (ja) | 2003-01-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Rella et al. | Automated breast ultrasonography (ABUS) in the screening and diagnostic setting: indications and practical use | |
| US5984870A (en) | Method and system for the automated analysis of lesions in ultrasound images | |
| Wang et al. | Differentiation of benign and malignant breast lesions: a comparison between automatically generated breast volume scans and handheld ultrasound examinations | |
| JP4633298B2 (ja) | 画像診断支援システム | |
| Tan et al. | Computer-aided lesion diagnosis in automated 3-D breast ultrasound using coronal spiculation | |
| US20100014738A1 (en) | Method and system for breast cancer screening | |
| Chang et al. | Rapid image stitching and computer‐aided detection for multipass automated breast ultrasound | |
| JP6133984B2 (ja) | 超音波イメージングデータを処理する方法及びシステム | |
| Zhou et al. | Classification of benign and malignant breast tumors in ultrasound images with posterior acoustic shadowing using half-contour features | |
| Zonderland | The role of ultrasound in the diagnosis of breast cancer | |
| Ribeiro et al. | Fatty liver characterization and classification by ultrasound | |
| Tohno et al. | Current improvements in breast ultrasound, with a special focus on elastography | |
| Gazhonova | 3D automated breast volume sonography | |
| Su et al. | Speckle reduction approach for breast ultrasound image and its application to breast cancer diagnosis | |
| Chang et al. | Breast ultrasound image classification using fractal analysis | |
| WO2022153100A1 (en) | A method for detecting breast cancer using artificial neural network | |
| Georgieva et al. | Suspicious breast lesions incidentally detected on chest computer tomography with histopathological correlation | |
| da Cruz | Automatic analysis of mammography images | |
| Goyal et al. | Review of Artificial Intelligence Applicability of Various Diagnostic Modalities, their Advantages, Limitations, and Overcoming the Challenges in Breast Imaging | |
| Pandilwar et al. | A Comprehensive Analysis of Ultrasound Image Processing Methods | |
| Tan | Automated 3D breast ultrasound image analysis | |
| Pathour et al. | Feature extraction of ultrasound radiofrequency data for the classification of the peripheral zone of human prostate | |
| Gazhonova et al. | 3D ABVS Technique on ACUSON S2000 ABVS | |
| Singh | ANALYSIS OF MAMMOGRAPHY CLASSIFICATION DEEP LEARNING AND MACHINE LEARNING APPROACHES | |
| Lee et al. | Classification of benign and malignant masses in ultrasound breast image based on geometric and echo features |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A625 | Written request for application examination (by other person) |
Free format text: JAPANESE INTERMEDIATE CODE: A625 Effective date: 20080411 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20100930 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20101019 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20101117 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4633298 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131126 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |