JP4702971B2

JP4702971B2 - コンピュータ支援診断システム

Info

Publication number: JP4702971B2
Application number: JP32000699A
Authority: JP
Inventors: 登仁木; 均佐藤
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 1999-11-10
Filing date: 1999-11-10
Publication date: 2011-06-15
Anticipated expiration: 2019-11-10
Also published as: JP2001137230A

Description

【０００１】
【発明の属する技術分野】
本発明は、現在および過去のヘリカルＣＴスキャンで得たＣＴ画像を用いて、初期段階の肺癌候補陰影を自動的に検出するコンピュータ支援診断（ＣＡＤ）システムに関する。
【０００２】
【従来の技術】
日本において死亡者をその死因別にみると、癌による死亡は、年々上昇の傾向にあり、現在の死亡率は死亡者全体の４分の１を占める。癌による死因の中でも、肺癌は最も良く知られた死因の１つで、日本の男性の癌死亡者全体の２０％を占めている。肺癌の回復率向上を計るため、癌細胞が成長する初期段階での発見と治療が必要である。
【０００３】
従来の集団検診の方法としては、胸部Ｘ線フィルムが肺癌診断に使用されてきた。この胸部Ｘ線フィルムは２次元投影画像であり、骨と臓器の陰影が重なるため、微小肺癌の早期発見を結果的に妨げることになる。近年、被検体に対してＸ線管が螺旋軌道を描きながら投影データの収集が繰り返されるいわゆるヘリカルＣＴスキャナの登場により、短時間に全肺野の撮影を行うことができるようなった。よって肺癌が疑わしい領域の検出において、これら胸部ＣＴ画像に関心が集まりつつある。このことは、「N.Moriyama、 R.Iwata、 F. Wako、 M.Ohtani and H.Ohmatsu: Helical computed tomography scanning of the thorax and abdomen、 Jpn. J. Clin. Oncol、 23、 pp.156-161、 1993.」や、「T.iinuma、 Y.Tateno、 T.Matsumoto、 S.Yamamoto、 M.Matsumoto: Preliminary Specification of X-ray CT for Lung Cancer Screening (LSCT) and its Evaluation on Risk-Cost-Effectiveness、 Nippon Acta Radiologica、 Japan、52、 2、 pp.182-190、 1992.」に記述されている。
【０００４】
このように、肺癌の集団検診において、これらヘリカルＣＴスキャナが肺野全体の撮影に使用されるようになってきた。しかし、ヘリカルＣＴ画像を使った集団検診では、専門医が読影する画像は膨大な枚数に上る。この集団検診では画像が膨大な枚数に上るため診断に時間がかかり、臨床に応用することが困難になっている。
【０００５】
この問題を解決するため、発明者らは、胸部ＣＴ画像から疑わしい領域を自動的に検出するＣＡＤシステムを開発した。このＣＡＤシステムについては、「K.Kanazawa、 N.Niki、 H.Nishitani、 H.Satoh、 H.Omatsu、 N.Moriyama: Computer Assisted Diagnosis of Lung Cancer Using Helical X-ray ＣＴ、 IEEE Workshop on Biomedical image analysis、 IEEE Computer Society Press、 pp.261-267、1994.」、「K.Kanazawa、 K.Kubo、 N.Niki、 H.Satoh、 H.Ohmatsu、 K.Eguchi、 N.Moriyama: Computer Aided Screening System for Lung Cancer Based on Helical CT images、 Visualization in Biomedical Computing、 Lecture Notes in Computer Science、 Spring、 pp.223-228、 1996.」、「K.Kanazawa、 Y.Kawata、 N.Niki、 H.Satoh、 H.Ohmatsu、 R.Kakinuma、 M.Kaneko、 N.Moriyama、 K.Eguchi: Computer-aided diagnosis for pulmonary nodules based on helical CT images、 Computerizes Medical imaging & Graphics 、 22、 pp.157-167、1998.」、「K.Kanazawa、 Y.Kawata、 N.Niki、 H.Satoh、 H.Ohmatsu、 R.Kakinuma、 M.Kaneko、 N.Moriyama、 K.Eguchi: Computer-aided diagnosis for pulmonary nodules based on helIcal CT images、 inf. Conf. on Pattern Recognition、 Brisbane、 ii、 pp.1683-1685、 1998. 」等に記載されている。
【０００６】
しかし、専門医はプロトタイプＣＡＤシステムのＣＲＴモニタ及びフィルムを使って、現在と過去のＣＴスキャンの間のスライス画像を照合し、比較読影する必要がある。よって比較読影においても読影すべき画像が膨大な枚数に上ると言う問題が発生する。このようにヘリカルＣＴスキャナにより得られた大量の３次元画像の読影は、専門医に膨大な読影時間と労力の負担を強いることになる。
【０００７】
発明者らは、肺癌を早期に発見するために現在と過去のＣＴ画像の間で比較読影を行う機能を備えたＣＡＤシステムを提案する。このＣＡＤシステムの重要な処理に、現在のＣＴ画像のうちで注目するスライス画像と同じ画像情報を含んだ過去のＣＴ画像を求めてスライス差を算出し、現在と過去のＣＴ画像を比較し易いように並べて同時表示するスライスマッチングアルゴリズムがある。またＣＡＤシステムは現在のＣＴ画像と過去のＣＴ画像で肺癌が疑わしい領域の特徴量を計測してＣＲＴ表示する機能も備えている。これらの機能を使って得られる効果は、臨床の場で複数の被検者のデータを適応することによって示される。
【０００８】
このような現在と過去のＣＴ画像の間での比較読影の精度を左右する重要な問題の一つは、現在のＣＴ画像と過去のＣＴ画像とのスライス位置の整合に関わっている。つまり、現在のＣＴ画像と過去のＣＴ画像とを比較するにあたって、現在のＣＴ画像のスライス位置と過去のＣＴ画像のスライス位置とが異なっている、つまり体軸方向の位置が異なっている画像どうしを比較する場合、比較読影はその診断上の意義を完全に消失してしまう。
【０００９】
【発明が解決しようとする課題】
本発明の目的は、コンピュータ支援診断システムにおいて、現在の画像と過去の画像とのスライス位置とを整合させることで、その比較読影による診断精度の向上を図ることにある。
【００１０】
【課題を解決するための手段】
本発明に係るコンピュータ支援診断システムは、マルチスライスを構成する複数の第１の断層画像と、前記第１の断層画像と同じ被検者の同じ部位に関し、且つ前記第１の断層画像と撮影時期の異なるマルチスライスを構成する複数の第２の断層画像との各々から特定臓器の領域を抽出する領域抽出部と、前記第１の断層画像から抽出した特定臓器の領域と前記第２の断層画像から抽出した特定臓器の領域との間の重畳部分のサイズの非重畳部分のサイズに対する比を表すインデックスを計算し、前記第１の断層画像各々に対する前記インデックスが最大値を示す第２の断層画像のスライス差に基づいて、前記第１の断層画像と前記第２の断層画像との間で体軸方向に関する解剖学的な位置を揃えるスライスマッチング部とを具備する。
【００１２】
【発明の実施の形態】
以下、図面を参照して、本発明を好ましい実施形態により詳細に説明する。まず、本発明の概略について説明する。本発明は、現在および過去のヘリカルＣＴスキャンで得たＣＴ画像を用いて、病状の進行状況から初期段階の肺癌候補陰影を自動的に検出するコンピュータ支援診断（ＣＡＤ）システムの改良、特に現在のＣＴ画像と過去のＣＴ画像とのスライス位置（被験者の体軸方向の位置）のマッチング（整合）に関するものである。同一被検者において、異なった時間に撮影した胸部ＣＴ画像の比較読影を支援するアルゴリズムの中で重要なのは、現在のＣＴスキャンのスライス画像と過去のＣＴスキャンのスライス画像を自動的にマッチングする、つまり現在と過去の画像間で、解剖学的な被検者の体軸方向の位置を揃えるスライスマッチングアルゴリズムである。
【００１３】
このスライスマッチングアルゴリズムは、肺、心臓、下降大動脈の領域抽出処理部と、肺、心臓、下降大動脈領域の画像情報を使って現在と過去のＣＴスライス画像のマッチングを行うスライスマッチング処理部から成る。本アルゴリズムの性能を評価するため、１９９３年から１９９８年の間にスクリーニングで得た５０人の被検者のデータに本アルゴリズムを適用した。５０人の被検者の全検査データ総数は１５０である。これらの検査データから、同一被検者からなる１００ペアの組み合わせを求めた。この時スライスマッチングアルゴリズムの処理結果は、１００ペアのうち８８ペアにおいて良好であった。現在および過去のＣＴスキャンのスライス画像、及び肺癌が疑わしい領域のサイズ、形状、濃度変化を示す特徴量は、ＣＲＴモニター上に並べて同時表示される。この実験結果は、ＣＡＤシステムを使うことにより診断の迅速性と正確性が増すため、ＣＡＤシステムが臨床の場で効果的に使用できることが示している。
【００１４】
なお、本発明のコンピュータ診断支援システムで扱われる画像データとしては、ヘリカルＣＴスキャンで得たＣＴ画像データが代表的であり、以下の実施形態ではこのヘリカルＣＴスキャンで得たＣＴ画像データを例に説明するものであるが、それに限定されるものではなく、スライス方向（被験者の体軸方向）、それに直交する幅方向、厚さ方向、その他任意の方向に関して拡がりがあって、それぞれの方向に関して過去と現在との間で位置整合が必要とされる可能性のある全ての種類の画像データが対象であり、例えば、ヘリカルでないＣＴスキャンで得たマルチスライスのＣＴ画像データ、磁気共鳴映像装置（ＭＲＩ）で得た画像データ、被検者内部の固定点を中心にＸ線撮影系を揺動し、それにより固定点を通る断層面上の組織等だけが鮮明に映り、その面から外れた浅い又は深い部分の組織等は非鮮明でぼけて映るという撮影法を備えたＸ線断層撮影装置で得た画像データ等があげられる。
【００１５】
１．システム構成
図１には、本実施形態に係るコンピュータ診断支援システムの構成を示している。このシステムは、ヘリカルＣＴ画像データベース１００を有している。このヘリカルＣＴ画像データベース１００には、過去から現在に至るまでにヘリカルＣＴスキャンで撮影された多くの被験者に関する例えば胸部のＣＴ画像データが保管されている。コンピュータ診断支援を実行するに際しては、ヘリカルＣＴ画像データベース１００に対するアクセスにより、診断対象の被験者に関する過去の１又は数フレームのＣＴ画像データと、同じ被験者に関する現在の１又は数フレームのＣＴ画像データが検索され、ヘリカルＣＴ画像データベース１００から読み出される。
【００１６】
ヘリカルＣＴ画像データベース１００には、計算機２００が接続されている。この計算機２００は、ヘリカルＣＴ画像データベース１００から読み出される診断対象の被験者に関する過去と現在のＣＴ画像データを使って、プログラムコードに従って例えば肺癌の支援診断処理を実行するものである。この計算機２００には、サブプログラムコードとして、過去と現在のＣＴ画像データからスライスマッチング処理の有効な指標となり得る肺野、心臓、下降大動脈といった領域を抽出するための肺野領域抽出部２１１と心臓領域抽出部２１２と下降大動脈領域抽出部２１３とからなる領域抽出部２１０が設けられている。
【００１７】
また、計算機２００には、サブプログラムコードとして、スライスマッチング部２２０が設けられており、このスライスマッチング部２２０には、肺野領域抽出部２１１で過去と現在の画像データから抽出された肺野領域を使って過去のスライスと現在のスライスとの間でスライス位置の整合をとるための肺野領域によるスライスマッチング部２２１と、心臓領域抽出部２１２で過去と現在の画像データから抽出された心臓領域を使って過去のスライスと現在のスライスとの間でスライス位置の整合をとるための心臓領域によるスライスマッチング部２２２と、下降大動脈領域抽出部２１３で過去と現在の画像データから抽出された下降大動脈領域を使って過去のスライスと現在のスライスとの間でスライス位置の整合をとるための下降大動脈領域によるスライスマッチング部２２３と、これら３種のスライスマッチングの結果から最終的なスライスマッチングを判定するスライスマッチング判定部２２４とが装備されている。
【００１８】
さらに、計算機２００には、サブプログラムコードとして、スライスマッチング部２２０で整合されたスライス位置を用いて、過去と現在の画像データから特徴量を計算する特徴量計算部２３１と、その特徴量から肺癌候補を検出する肺癌候補検出部２３２とを有する特徴解析部２３０が設けられている。
【００１９】
計算機２００には、ＣＲＴモニタ３００が接続されており、ここに特徴解析部２３０での解析結果（特徴量、肺癌候補）が表示されるようになっている。
【００２０】
以下に、計算機２００による支援診断処理の詳細に付いて説明する。
２．現在および過去のＣＴ画像における比較読影
２．１肺癌陰影の自動診断
ヘリカルＣＴスキャナは、短時間に全肺野領域の撮影を行うことができる。ここで得られる胸部ＣＴ画像には、肺癌などの疑わしい領域の早期発見の可能性において関心が集まっている。肺癌の集団検診用撮影条件は、表１に示す撮影条件で、１回の息止め（約１５秒）の間に肺野領域全体のヘリカルＣＴ画像が得られる。
【００２１】
【表１】

【００２２】
これらは、１８０度線形補間、間隔１０ｍｍで再構成された画像サイズ５１２×５１２pixel 、一画素あたり１２bit 階調のヘリカルＣＴ画像である。全ての被検者から約３５枚の画像を収集し、上部から下部までの肺野全域を順次、各スライス画像毎に診断が行われる。しかし、ヘリカルＣＴ画像を用いた集団検診では膨大な枚数のＣＴ画像が発生する。この集団検診はＣＴ画像の読影に時間があまりにかかるため、臨床応用を困難にしている。そこで発明者らは、胸部ＣＴ画像から、肺癌として疑わしい領域を自動的に検出して医師を支援するプロトタイプＣＡＤシステムについて報告する。
【００２３】
肺癌として疑わしい領域を自動的に検出するアルゴリズムを、４５０例のヘリカルＣＴ画像（合計１５７５０画像）に適用する。その結果、肺癌陰影の自動検出感度は、約９５％であった。図２はＣＡＤシステムの自動診断結果の一例で、図２（ａ）に原画像を、又図２（ｂ）に肺癌候補陰影の自動診断結果を示している。なお、図２（ａ）において肺癌箇所を丸印で示しており、図２（ｂ）において自動診断で検出された肺癌候補を×印で示している。
【００２４】
２．２比較読影
現在、国立癌センター中央病院および国立癌センタ東病院の専門医は、肺癌の集団検診で得た胸部ＣＴ画像をプロトタイプＣＡＤシステムのＣＲＴモニタ及びフィルムを使って読影している。これらの読影において、過去の集団検診で得た同一被検者のＣＴ画像を必要とする場合がある。ヘリカルＣＴスキャナにより得られた大量の３次元画像の読影は、膨大な読影時間と労力の負担を専門医に強いることになるため、誤診の原因になる。専門医は、現在及び過去の全てのＣＴ画像をＣＡＤシステムのＣＲＴモニタ上で読影することを望んでいる。よってＣＡＤシステムは、胸部ＣＴ画像から肺癌として疑わしい領域を自動的に検出し、現在及び過去のＣＴ画像間の比較読影で専門医を支援する機能を備える必要がある。
【００２５】
この専門医の比較読影を支援する機能の基本的な部分は、現在と過去のＣＴ画像の間で同じ画像情報を含むスライス画像、つまり解剖学的に見て被検者の同じ位置のスライス画像をＣＲＴ上に並べて同時表示することである。これを実現するためには、過去と現在との間でスライス位置の整合、つまりスライスマッチングを図る必要がある。すなわち、殆どのケースで過去のスキャン範囲と現在のスキャン範囲との間には、ずれがあり、このためスライス番号が同じであっても、実際の解剖学的な位置は相違する。従って、現在のＣＴ画像のなかで注目するＣＴ画像のスライス番号と、過去の画像の中で現在の注目スライスと解剖学的な位置が同じスライスのスライス番号との間の対応関係（スライス番号の差）を求める必要がある。
【００２６】
しかし、プロトタイプＣＡＤシステムは、このスライスマッチング機能を備えていない。よって今回、発明者らは、比較読影を支援する機能を備えたＣＡＤシステムを開発した。このＣＡＤシステムは、現在と過去のＣＴ画像においてそのスライス番号の差をスライスマッチング部２２０で算出し、その結果を使って現在と過去のＣＴ画像を並べて表示する機能と、肺癌が疑わしい関心領域の特徴量を算出して表示する機能を備えている。
【００２７】
比較読影を支援する機能を備えたＣＡＤシステムの基本的な構成は図１を参照して説明した通りである。つまり、肺、心臓、下降大動脈の抽出部２１１、２１２、２１３と、肺、心臓、下降大動脈の領域の画像情報を使ってスライスマッチングを行うスライスマッチング部２２０とが設けられているのは、上述した通りである。スライスマッチングの結果として現在の注目スライス画像と、それと解剖学的に同じ位置の過去のスライス画像とを、専門医が比較読影し易いようにＣＲＴモニタ３００上に並べて同時表示する。又肺癌が疑わしい領域の特徴量は、現在と過去のＣＴ画像の間で、サイズ、形状、濃度の変化を検出し易いように、現在と過去のＣＴ画像毎に求めてＣＲＴモニタ３００上に表示される。
【００２８】
３．スライスマッチングアルゴリズム
３．１抽出処理
３．１．１肺野領域の抽出
スライスマッチングに際しては、まず、しきい値処理および欠損部分の補正処理に基づいて、現在と過去の両方のスライス画像各々から肺野領域を抽出する。この肺野領域は、空気を多く含有する。そのため肺野領域内のＣＴ値は骨格や軟部組織のＣＴ値より低い値を示すので、比較的抽出能は高い。
【００２９】
肺野領域の抽出処理は、以下の通りである。
（１）しきい値処理によって基本肺野領域を抽出し、原画像を２値画像に変換する。
（２）抽出した基本肺野領域を初期の肺野領域として定義する。しかしこの肺野領域は、軟部組織と同等の濃度をもった病変等が胸壁に接している場合には、それらの重要な領域を欠損された状態で肺野として認識してしまう。この問題を解決するため、初期の肺野領域の輪郭の曲率を求めて補正する。
【００３０】
図３に、肺野領域の抽出処理結果を示している。図３（ａ）は、胸部ＣＴ画像の原画像である。図３（ｂ）はしきい値を−４００ＨＵでしきい値処理した２値画像であり、円領域に示すように欠損領域がある。図３（ｃ）に、この欠損領域の補正処理補正結果を示す。斜線領域は補正した肺野領域に組み込まれ、欠損領域が補正される。図３（ｄ）に最終的に抽出した肺野輪郭を示す。
【００３１】
（３）次に、右肺と左肺を判別する。図４に、この判別結果を示す。赤の領域が右肺、緑の領域が左肺である。
（４）こうして抽出された肺野領域を、図５（ａ）に示すように、肺野領域のサイズおよび形状によって４つのセクションに分類する。セクション１は、肺尖部である。セクション２は、鎖骨や大静脈が現れる区間である。セクション３は、心臓がある区間である。セクション４は、横隔膜がある区間である。図５（ｂ）および（ｃ）に、右肺野領域内のセクション２およびセクション３内の断層像を示す。分類方法は、以下の通りである。なお、ｎはスライス枚数であり、Ｓ（ｎ）はｎ番目のスライス内の肺野領域のサイズ（肺野領域内のピクセル数）であり、Ｃ１は、肺尖部の標準的な最大サイズ（固定値）であり、また、ｘ（ｎ）、ｙ（ｎ）は図５（ｂ）、図５（ｃ）に示すセクション２と３の断面形態上の特徴的な部分の距離であり、Ｃ２は、セクション２とセクション３とを断面形態上の特徴に基づいて判別するためのインデックス（ｘ（ｎ）／ｙ（ｎ））に関するしきい値（固定値）である。
【００３２】
（４−１）Ｓ（ｎ）＜Ｃ１の場合、そのｎ番目のスライスは、肺尖部のセクション１に属するものとして判定される。
（４−２）Ｓ（ｎ）≧Ｃ１、且つｘ（ｎ）／ｙ（ｎ）＜Ｃ２の場合、Ｓ（ｎ）は、鎖骨のあるセクション２に属するものとして判定される。
（４−３）１≦ｋ＜ｎとして、Ｓ（ｎ）≧（２／３）・（ｍａｘ｛Ｓ（ｋ）｝）、且つｘ（ｎ）／ｙ（ｎ）≧Ｃ２の場合（１≦ｋ＜ｎ）、Ｓ（ｎ）は、心臓のあるセクション３に属するものとして判定される。なお、ｍａｘ｛Ｓ（ｋ）｝は、Ｓ（１）からＳ（ｎ）の中の最大値である。
（４−４）Ｓ（ｎ）＜（２／３）・（ｍａｘ｛Ｓ（ｋ）｝）の場合、Ｓ（ｎ）は、横隔膜のあるセクション４に属するものとして判定される。
３．１．２心臓領域および下降大動脈の抽出
しきい値処理およびラベリング処理を用いて、各スライスにおける心臓領域と、心臓の尖部から頭部に向かって少し延び、そして緩やかに下肢側に湾曲し下降している弓状形態の下降大動脈領域とを抽出する。各スライスにおける心臓領域の抽出方法としては、図６に示すように、肺野の幅および高さにより決定される矩形エリアＡおよびＢを抽出する。また、矩形エリアＡにおける左肺と右肺を最短距離で結ぶ直線を取得する。図６で示す領域Ｂ内（背骨のある長方形領域）において、ＣＴ値１７０ＨＵにて閾値処理を行って得た処理結果の中で最大面積を持つ領域を背骨の領域とした。そして、肺の輪郭領域、領域Ｂの背骨領域、および左肺と右肺とを最短距離で結んだ直線で囲まれた領域を基本心臓領域として抽出する。さらに、膨張と収縮の繰り返し処理により、心臓候補領域から肺血管およびぞの他組織を除去する。
【００３３】
肺血管及び気管等は、心臓領域に対して、ＣＴ値が接近しているため、閾値処理を中心とした上記の方法で心臓候補領域を求めると、心臓候補の一部に肺野内部の血管や気管が含まれた形で抽出されることになる。これら領域を除去して、真の心臓領域を求めるため、心臓候補領域を一度収縮させてから膨張させる。この処理は画像処理的にはヒゲ領域や小さい点の除去を行うというものであり、肺血管や気管のような比較的細い突出したような領域の除去を行う手段として有効である。なお、膨張、収縮のそれぞれのサイズは、例えば３０画素である。
以上のようにして、図７に示すように、右肺、左肺、下降大動脈、心臓部が抽出される。
【００３４】
３．２マッチング処理
より精度の高いスライスマッチングを行うために、肺野、下降大動脈、心臓各々の形態的特徴に応じたそれぞれ固有の方法でインデックス（マッチング値）を求め、このマッチング値に基づいてスライスマッチング、つまり現在のあるスライスのスライス番号と、そのスライスと解剖学的に同じ過去のスライスのスライス番号との差（スライス差）を求める。
【００３５】
３．２．１肺野領域に着目した現在と過去との間のスライスマッチング
現在のあるスライスと過去のあるスライスとの間のマッチング値は、現在のＣＴ画像の中のある１スライスの肺野領域と、過去のＣＴ画像のある１スライスの肺野領域との間で、肺野領域どうしで重畳する論理積領域（“ＡＮＤ”領域）のサイズ（重畳領域内のピクセル数）に対する重畳しない論理和領域（“ＯＲ”領域）のサイズ（非重畳領域内のピクセル数）の比率をマッチング値として求める。ＡＮＤ領域の大きさとＯＲ領域の大きさを使って得るマッチング値は、現在のＣＴスライスと過去のＣＴスライスを閾値処理して得る２つの肺野領域のバイナリーイメージの間で重ならない論理積領域（ＡＮＤ領域）の画素数と、２つの肺野領域のバイナリーイメージの間で重なる論理和領域（ＯＲ領域）の画素数との比で決定される。
【００３６】
ＡＮＤ領域とＯＲ領域を使って得るマッチング値は、
ＡＮＤ領域の画素数／ＯＲ領域の画素数
の式で求められる。この値が大きいほど２つのバイナリーイメージはマッチング値が高い、すなわち「似ている」ということになる。
【００３７】
なお、セクション１およびセクション４は、肺野領域の辺縁部は明瞭でないため、セクション２およびセクション３において肺野領域のマッチング値を計算するのが適当である。
【００３８】
図８に示すように、現在のＣＴスキャンにおけるｉ番目のスライスと過去のＣＴスキャンにおけるｊ番目のスライスとの間のマッチング値ｍ（ｉ、ｊ）を計算する。ｍ_max（ｉ、ｊ）は、ｉ−５≦ｊ≦ｉ＋５内、つまり現在のｉ番目のスライスに対して、それより前後５スライスにわたる過去のスライスを探索範囲として、その中でのマッチング値ｍ（ｉ、ｊ）の最大値を表しており、また、ｊ_maxは、ｍ_max（ｉ、ｊ）に対応する過去のスライス番号ｊを示す。この場合、現在のｉ番目のスライスと、過去のｊ番目のスライスとの間のスライス差は、以下によって定義される。
ｄ（ｉ）＝ｊ_max−ｉ（１）
セクション２およびセクション３内の全てのスライスを対象としてｄ（ｉ）を計算し、その中から最高頻度のスライス差ｄ_L（ｉ）を求める。ここで、最高頻度のスライス差ｄ_L（ｉ）を、肺野領域のマッチング処理から得られる最終スライス差の値として特定する。
【００３９】
このように肺野領域に着目して現在と過去との間のスライス差と共に、それとは別な方法で下降大動脈領域に着目して現在と過去との間のスライス差を求める。この方法では、下降大動脈の形態的な特徴、つまり弓状をしていることを利用している。
【００４０】
３．２．２下降大動脈領域に着目した現在と過去との間のスライスマッチング大動脈弓を含むスライス画像を選択し、このスライス画像を用いて、現在のＣＴスキャンのスライス画像と過去のＣＴスキャンの画像の間で、上述と同様にマッチング値を計算する。図９（ａ）に、大動脈弓スライス画像の上部スライス画像を示す。一般的に大動脈弓が認識され始め、上部のスライスでは大動脈弓が認識されないか、あるいはＣＴ値が非常に小さな値となる．図９（ｂ）は、大動脈の領域内で最上部のスライス画像を示す。図９（ｃ）は、図９（ａ）における肺および心臓領域の抽出画像を示す。図９（ｄ）は、図９（ｂ）の肺、心臓、大動脈弓領域の抽出画像を示す。図１０（ａ）に示すように、Ｓは下降大動脈のサイズ（下降大動脈領域内のピクセル数）、ｗ１は左右肺が最も接近した部分を線で結んだ時の線の長さ、ｗ２は、下降大動脈の幅である。そして、Ｓ、ｗ１、ｗ２を用いてパラメータｒを計算する。パラメータｒは、Ｓ・（ｗ２／ｗ１）によって定義される。現在および過去のＣＴスキャンにおける大動脈弓スライス画像を選択するため、全スライス画像においてｒを計算する。下降大動脈は弓状に湾曲していることを利用して、このｒ値が急激に増加するスライスを大動脈弓のスライスとして特定する。図１０（ｂ）は、ｒが急上昇する大動脈弓スライス画像のあることを示している。
【００４１】
現在および過去のＣＴスキャンの全てのｒを計算し、現在のＣＴスキャンの大動脈弓スライスと、過去のＣＴスキャンの大動脈弓スライスを決定する。大動脈弓領域のマッチング処理から求めたスライス差の値として、ｄ_A（ｉ）を求める。このｄ_A（ｉ）は、以下によって定義される。
ｄ_A（ｉ）＝ｊ−Ｉ（２）
この場合、現在のＣＴスキャンの大動脈弓領域はＩ番目のスライス、過去のＣＴスキャンの大動脈弓領域はｊ番目のスライスである。
【００４２】
大動脈弓領域のマッチング処理を用いて、過去のＣＴスキャンのスライス画像を現在のＣＴスキャンのスライス画像にマッチングすることができる。
【００４３】
３．２．３肺、大動脈弓、心臓領域による最終的なスライスマッチング
肺野領域で行うマッチング処理の結果と、下降大動脈領域で行うマッチング処理の結果とは、典型的には、殆ど同じ結果となる。しかし、前記２種類の方法で求めた結果が異なる場合は、これらの結果のうちの何れか一方をマッチング処理の最終結果として選択する。
【００４４】
前記２種類の方法で求めた結果が異なる最大の原因は、肺野領域のサイズが、被検者が呼吸停止時に１呼吸で吸い込む空気の量の差異により現在と過去のＣＴ画像の間で異なることにある。つまり、吸い込んだ空気の量により肺野領域のサイズが大きく異なり、それに起因して現在と過去の画像の間の肺野領域のマッチング結果に誤差が生じる。また、アーチファクトの影響により大動脈弓の影を正確に抽出できない場合には、下降大動脈マッチングで誤差が生じる。このように、２つのマッチング処理結果が同じでないとき、最終結果は心臓領域の情報を参照して前記２つの結果から選択される。
【００４５】
図１１に、前記２つのマッチング処理結果が同じにならない場合、現在と過去の画像の心臓領域の間でマッチング処理を用いて得たマッチング値を使って最終結果を得るスライスマッチング処理のフローを示す。図１１（ａ）に、図５に示すセクション３の先頭スライス画像を示す。図１１（ｂ）に、肺野領域のマッチング処理から得た過去のＣＴ画像におけるセクション３の先頭スライス画像を示す。また、図１１（ｃ）に、大動脈弓のマッチング処理で得た過去のＣＴスキャンにおけるセクション３の先頭スライス画像を示す。過去のＣＴスライスの心臓領域と現在のＣＴスライスの心臓領域の重なりから求めるマッチング値は、論理積領域（重畳領域）のサイズ（画素数）に対する論理和領域（非重畳領域）のサイズの比率として計算する。
【００４６】
スライス差ｄ_L（ｉ）は、肺野領域のマッチング方法によって計算され、現在のＣＴスキャンのセクション３の先頭スライス番号をｋ、過去のＣＴスキャンのセクション３の先頭スライスｍとすると、以下の式によって定義される。
ｍ＝ｋ＋ｄ_L（ｉ）（３）
スライス差ｄ_A（ｉ）は、大動脈弓のマッチング処理により計算され、現在のＣＴスキャンのセクション３の先頭スライス番号をｋ、過去のＣＴスキャンのセクション３の先頭スライス番号をｎとすると、以下の式で定義される。
ｎ＝ｋ＋ｄ_A（Ｉ）（４）
また、前記方法で得たスライス差が異なった場合に最終結果を得るスライスマッチング処理を以下に示す。先ず、現在のＣＴスキャンのセクション３の先頭スライスｋと、過去のＣＴスキャンのセクション３の先頭スライスｍとを用いて心臓領域のマッチング値を計算する。次に、現在のＣＴスキャンのセクション３の先頭スライスｋと、過去のＣＴスキャンの先頭スライスｎを用いて心臓領域のマッチング値を計算する。
【００４７】
最後に、心臓領域を用いて求めた２つのマッチング値のなかから大きい値を選択し、この値をｄ_H（ｉ）として表わす。この時、ｄ_H（ｉ）は、結果としてｄ_L（ｉ）とｄ_A（ｉ）のいずれかに等しい。
【００４８】
４．疑わしい陰影の特徴量の計測
肺癌の疑わしい陰影の特徴量を定義する５つの特徴量を以下に示す。
【００４９】
サイズ（Ｆａ）；疑わしい陰影のサイズが非常に小さい場合、肺癌の候補領域（ＣＲ）に分類しない。ここでサイズはＣＲのピクセル数を示す。
【００５０】
円形度（Ｆｃ）；肺癌の形状は、通常楕円形で、２次元断面上では円に類似した形状に見える。そのため円形度は、疑わしい領域の外接円内の占有率で表す。疑わしい陰影の円形度として、各ＣＲの外接円内で収容率Ｆｃを計算する。
【００５１】
平均ＣＴ値（Ｆｇ）；ヘリカルＣＴ画像内に血管が縦方向に走る場合、血管のＣＴ値は肺癌のＣＴ値より通常高くなる。各ＣＲのピクセルの平均ＣＴ値は、疑わしい陰影の値として計算される。
【００５２】
値の分散（Ｆｖ）；肺癌領域のピクセルのグレイスケールは、比較的均一である。各ＣＲのＣＴ値の分散は、疑わしい陰影のピクセル値から求める。
【００５３】
太さ（Ｆｔ）；血管の太さは、その位置が肺壁部に近づくにつれ、細くなる。肺癌の太さは通常、各位置の血管の通常の太さより大きくなる。疑わしい陰影の太さとして、重み付き距離変換処理を用いる。
【００５４】
抽出された候補領域の殆どは血管であり、腫瘍および血管は、疑わしい陰影の特徴量を用いて区別される。これらの現在および過去のＣＴスキャンの特徴量は、サイズ、形状、濃度の変化を検出するためにＣＲＴモニター上に表示される。専門医は、現在および過去の疑わしい陰影の特徴量を各々チェックし、これらの変化を検出する。
【００５５】
真の肺癌陰影の特徴は、時間の経過と共に癌細胞が成長してサイズ（Ｆａ）が大きくなること、形状において円形度（Ｆｃ）が高いこと、濃度において血管の陰影の濃度より淡いこと、表面が凸凹していること等の様々な点にあることが、臨床的に解明されつつある。専門医は、これらの特徴のうちで、１つ以上の特徴を示す陰影を癌を強く疑う陰影として認識する。図１３（ａ）に示すＣＴ画像の上に×印でマーキングされた陰影は、ＣＡＤシステムが検出した肺癌候補陰影である。専門医は、図１３（ｂ）、図１３（ｃ）に示すこれら肺癌候補陰影のサイズの情報Ｆａ、形状の情報Ｆｃ、濃度の情報Ｆｖ、Ｆｇについて過去のＣＴ画像と現在のＣＴ画像の間で比較し、癌を強く疑う陰影かどうかを判断する。図１３（ｂ）、図１３（ｃ）では、Ｆａ、Ｆｖ、Ｆｇの値が増加しているため、専門医を肺癌を強く疑う陰影とした検査例である。このように専門医は、過去画像と現在画像との間の５つの特徴量の変化を、肺癌を強く疑う陰影とするかどうかを判断する情報として、容易に得ることができる。
【００５６】
５．実験結果
５．１スライスマッチングの評価
東京から肺癌をなくす会（ＡＬＣＡ）において１９９３年から１９９８年までに検診を受けた５０被検者のデータに適用した。５０被検者の総検査数は１５０であった。我々はアルゴリズムの性能を評価するため５０被検者の検査のうちから１００ペアの組み合わせを作った。表２に、代表的な８被検者のＣＴ検査を表で示す。
【００５７】
【表２】

【００５８】
発明者らは、この自動スライスマッチングのアルゴリズムを現在および過去のＣＴスキャンのスライス画像に適用した。専門医は、表３に示す判定基準により、この結果を評価した。
【００５９】
【表３】

【００６０】
図１２に自動スライスマッチングの結果を示す。上段の（ａ）、（ｂ）、（ｃ）のＣＴスキャン日付は１９９３年であり、下段の（ｄ）、（ｅ）、（ｆ）のＣＴスキャン日付は１９９５年である。その結果として、上段の１８番目のスライスと、下段の１９番目のスライスとのマッチングを示す。この場合のスライス差は１である。
【００６１】
【表４】

【００６２】
表４に示すように、グループＳ１は、専門医の判定がＩのマッチング結果を、グループＳ２は判定がＩおよびＩＩのマッチング結果を、グループＳ３は判定がＩ、ＩＩ、ＩＩＩのマッチング結果を示す。又グループＳ４は判定がＩ、ＩＩ、ＩＩＩ、ＩＶのマッチング結果を、グループＳ５は判定がＩＩＩおよびＩＶのマッチング結果を示す。その結果、表３に示す判定基準により、表４において１００ペアのうちグループＳ１、グループＳ２、グループＳ３からなる８８ペアで良好な結果であったことが分かる。しかし、グループ４、グループ５からなる１２ペアは、幾分問題があり、これらのペアは２スライス以上のスライマッチング誤差を含んでいる。
【００６３】
また、以下の表５に示すように１００ペアのなかで組み合わせた全スライス画像の組み合わせ総数２８０６ペアのうち、表３に示す判定基準により、グループＩ１、Ｉ２、Ｉ３の２７３４ペアで良好な結果であったことを示している。残りの７２ペアはスライスマッチングに失敗している。これら７２ペアのうち６８ペアは、セクション４における横隔膜部で発生した。
【００６４】
【表５】

【００６５】
また、スライスマッチング処理の失敗は、以下の事例で発生した。肺野領域のサイズは、呼吸停止時の空気の吸入量に依存する。よって肺野領域を使ったマッチング処理の結果は、現在及び過去の検査における呼吸停止時の空気の吸入量に依存する。
【００６６】
ＣＴ画像のアーチファクトにより大動脈弓を正確に検出できない場合、下降大動脈領域を用いたマッチング処理は良い結果を得られない。
８８ペアのうち８０ペアの組み合わせは、肺野領域および大動脈弓の画像情報を使ったマッチング処理だけから得られ、残りの８ペアは、心臓領域のマッチング方法により補正される。肺野領域と大動脈弓の画像情報を使ったマッチング処理は、呼吸停止時の空気の吸入量およびアーチファクトの影響により良好な結果が得られるかどうかが左右されるため、本マッチング処理に少し問題が残る。
【００６７】
５．２ＣＡＤシステムのインタフェース
図１３に、専門医がＣＡＤシステムを使って読影する場合の画像表示の一例を示す。現在および過去のＣＴスキャンの画像は、専門医の比較読影を支援するため、並んで同時に表示される。ＣＲＴモニターに表示される画像は、図１３（ａ）に示すように、上段と下段からなり、過去のＣＴスキャンで得た３スライス画像は上段に表示される。現在のＣＴスキャンで得たの３スライス画像も同時に下段に表示される。これら３スライス画像は、読影する対象画像の上スライス画像と、対象画像、対象画像の下スライス画像からなる。専門医は、過去のＣＴスキャンの１つを選択、表示して、現在のＣＴスキャンと効果的に比較、読影することができる。
【００６８】
肺癌が疑わしい領域の特徴量の幾つかは、図１３（ｂ）および図１３（ｃ）に示すように、サイズ、形状、濃度の変化を検出するためＣＲＴモニター上に表示される。図１３（ｂ）に現在のＣＴ画像上で疑わしい領域の特徴量を示す。図１３（ｃ）に、過去のＣＴ画像の特徴量を示す。これら特徴量は、サイズ（Ｆａ）、円形度（Ｆｃ）、分散（Ｆｖ）、平均（Ｆｇ）、太さ（Ｆｔ）である。専門医は、現在の特徴量と、過去の特徴量を比較するため、図１３（ｂ）および図１３（ｃ）に示す５つの特徴量の変化を見る。
【００６９】
６．結論
肺癌のＣＴ検診において、現在と過去のＣＴ画像を用いた比較読影を支援するＣＡＤシステムを提案した。このＣＡＤシステムは、現在および過去のＣＴスキャンの間で自動スライスマッチングを行う機能、現在と過去のＣＴ画像を並べて同時表示し、疑わしい領域に５つの特徴量を表示する機能、を備えている。我々は、１９９３年から１９９８年の間にスクリーニングした５０被検者のデータにこれらの機能を適用した。その結果は、５０被検者において被検者毎に組み合わせて作成した１００ペアのうち８８ペアでスライスマッチング処理が正しく行われたことを示した。またこの結果は、１００ペアのなかのスライス画像の組み合わせ総数２８０６ペアのうち２７３４ペアで良好であることを示した。これらの機能は、本ＣＡＤシステム上で実現できる。専門医は、プロトタイプＣＡＤシステムから機能拡張した本ＣＡＤシステムに一部臨床データを適用し、現在と過去のＣＴ画像間の比較読影を支援する機能の有効性を試験した。
【００７０】
以上のように、同一被験者に関する現在と過去のＣＴ画像のスライスマッチングは高精度で実現することができ、それに伴って誤診の危険性が確実に減少するものと考えられる。
【００７１】
本発明は、上述した実施形態に限定されることなく、種々変形して実施可能である。
【００７２】
【発明の効果】
（１）請求項１記載の本発明によれば、第１の断層画像から抽出した特定臓器の領域と第２の断層画像から抽出した特定臓器の領域とのサイズ及び形態に関わるインデックスに基づいて、第１の断層画像と第２の断層画像との間で体軸方向に関する解剖学的な位置を揃えるので、その精度は向上し、それにより比較読影診断精度の向上を図ることができる。
【図面の簡単な説明】
【図１】本発明の一実施形態に係るコンピュータ支援診断システムの構成を示すブロック図。
【図２】本実施形態において、ＣＴ画像の原画像と結果とを示す図。
【図３】本実施形態の肺野抽出処理に関する補足図。
【図４】本実施形態の肺野領域の左右判別に関する補足図。
【図５】本実施形態のセクション分類に関する補足図。
【図６】本実施形態の心臓抽出処理に関する補足図。
【図７】本実施形態の抽出処理により抽出された右肺、左肺、下降大動脈、心臓の各領域を示す図。
【図８】本実施形態による肺野領域に着目した現在と過去との間のスライスマッチングに関する補足図。
【図９】スライスによって変化する下降大動脈領域を示す図。
【図１０】本実施形態による下降大動脈領域に着目した現在と過去との間のスライスマッチングに関する補足図。
【図１１】本実施形態において、肺野領域によるマッチング処理結果と下降大動脈領域によるマッチング処理結果とが同じにならない場合、心臓領域によるマッチング処理結果からいずれかのマッチング結果を選択する処理の補足図。
【図１２】本実施形態によるスライスマッチングの結果として現在と過去のスライス画像を並べて表示する表示例を示す図。
【図１３】本実施形態による特徴量の表示例を示す図。
【符号の説明】
１００…ヘリカルＣＴ画像データベース、
２００…コンピュータ、
３００…ＣＲＴモニタ、
２１０…領域抽出部、
２１１…肺野領域抽出部、
２１２…心臓領域抽出部、
２１３…下降大動脈領域抽出部、
２２０…スライスマッチング部、
２２１…肺野領域によるスライスマッチング部、
２２２…心臓領域によるスライスマッチング部、
２２３…下降大動脈領域によるスライスマッチング部、
２３０…特徴解析部、
２３１…特徴量計算部、
２３２…肺癌候補検出部。

Claims

マルチスライスを構成する複数の第１の断層画像と、前記第１の断層画像と同じ被検者の同じ部位に関し、且つ前記第１の断層画像と撮影時期の異なるマルチスライスを構成する複数の第２の断層画像との各々から特定臓器の領域を抽出する領域抽出部と、
前記第１の断層画像から抽出した特定臓器の領域と前記第２の断層画像から抽出した特定臓器の領域との間の重畳部分のサイズの非重畳部分のサイズに対する比を表すインデックスを計算し、前記第１の断層画像各々に対する前記インデックスが最大値を示す第２の断層画像のスライス差に基づいて、前記第１の断層画像と前記第２の断層画像との間で体軸方向に関する解剖学的な位置を揃えるスライスマッチング部とを具備することを特徴とするコンピュータ支援診断システム。
前記スライスマッチング部は、前記インデックスに基づいて特定した前記第１の断層画像から抽出した特定臓器の領域の辺縁位置と、前記第２の断層画像から抽出した特定臓器の領域の辺縁位置とから解剖学的な位置を揃えることを特徴とする請求項１記載のコンピュータ支援診断システム。
前記スライスマッチング部は、前記抽出された特定臓器の領域を複数のセクションに分類する手段と、前記分類した複数のセクションの中の特定のセクションに限定してスライスマッチングを行うことを特徴とする請求項１記載のコンピュータ支援診断システム。