JP5038642B2 - ボリュメトリック画像強調システム及び方法 - Google Patents

Description

本発明は、全般的にはディジタル式イメージングに関し、また詳細にはボリュメトリック画像に対する強調に関する。さらに詳細には、本発明は、２次元及び３次元の解析工程を組み合わせて画像を処理するための技法に関する。

ディジタル画像は、２次元または３次元のいずれかで作成され処理されるのが典型的である。従来において２次元（２Ｄ）画像は、ディジタル検出器に放射線を当てることによって作成されている。この検出器はディジタル式カメラにおけるような電荷結合素子とすることや、ディジタル式Ｘ線撮像技法や様々な放射線撮像技法で使用されるようなさらに複雑な検出器とすることがある。３次元（３Ｄ）画像データは複数の２Ｄデータ組として収集されることがある。３Ｄ画像を収集する技法には、磁気共鳴イメージング（ＭＲＩ）、コンピュータ断層（ＣＴ）イメージング・システム、その他が含まれる。

さらに、２Ｄ及び３Ｄ画像を強調するための技法が開発されている。一般に、これらの技法は、２Ｄ画像強調と３Ｄ画像強調のいずれかに対して特異的に適応させたものである。しかし、いずれの技法の場合もその前提は、指定された状況に関してだけ有効性をもつのが一般的である。例えば、その画素が画像面と第３の次元の両者について第１のピッチすなわち特殊な分解能（すなわち、単位長または単位面積あたりの画素数）である画像では、既存の技法を適正に実施することができる。しかし次元が異なる場合、情報が失われることや、画像内容の解析が歪みをもつことがある。このことは、画像面と直交する方向により大きな深度を有する画像において特に言えることである。こうした画像を「厚層スライス（ｔｈｉｃｋ ｓｌｉｃｅ）」または「厚層ボリュメトリック」画像と呼ぶことがある。

２Ｄ及び３Ｄ画像を強調するためには、幾つかの２Ｄ及び３Ｄ画像強調構想が提唱されている。一般に、こうした強調技法は関心対象のフィーチャ及び関心対象物、典型的には画像内の可視対象物を同定するのに有用である。そのコンテキストに応じて、こうしたフィーチャは認識目的などのために、外接処理を受け（ｃｉｒｃｕｍｓｃｒｉｂｅｄ）、同定され、カテゴリー分類され、また解析される。例えば医学診断のコンテキストでは、こうした画像解析に基づいて様々な解剖組織や疾患状態を判定することがある。この解析は同様に、構造や解剖組織の描出のために使用されることがある。部品検査などの別のコンテキストでも、欠陥や内部フィーチャが同様の方式で描出されて解析されることがある。さらにまた、手荷物検査や小包検査などのコンテキストでは、解析／認識技法によって物体の内容物が判定されることがある。

厚層ボリュメトリック画像は２Ｄ画像と３Ｄ画像の両方に関する特性を有する。こうした画像では、２Ｄフィルタ処理が第３の次元を完全に活用していない。すなわち、「Ｚ方向」と呼ぶこともある第３の次元方向でのサンプリングは、こうした画像データに関してかなり不満足であり、このため３Ｄフィルタ処理を使用する際に解析がかなり不満足な結果となることがある。

したがって、厚層ボリュメトリック画像を解析するための改良式の技法に対する要求が存在する。特に、平面内データの全面的利用を依然として維持しながらボリュメトリック・データによって提供される追加的な情報を利用することが可能な技法に対する要求が存在する。こうした技法によれば、視覚的関心領域をハイライトすることによって２Ｄ技法と比べてより良好に詳細部を強調することが可能となる。

本発明は、こうした要求に応えるように設計された新規の画像強調技法を提供する。この技法は厚層ボリュメトリック画像、すなわち、撮像面と直交する次元に沿ったサンプリングが平面内次元方向と比べてより多い（特に、５倍以上である）ような画像に対する強調に特によく適している。しかし、本発明は必ずしも何らかの特定の厚さに限定されるものではないが、２次元及び３次元で利用可能な画像データを含んだボリュメトリック画像に対する解析により全般的に適している。本技法は、粗いサンプリングを受けておりかつ一般的に３Ｄ処理単独では解析されないか解析が不十分であるような細部構造に対する解析を可能にする。本技法では依然としてより大きな構造を適正にサンプリングしながら、これを３Ｄ処理に使用することができる。したがって、この画像フィルタ処理構想は、２Ｄ処理と３Ｄ処理の両方に関する工程を介して解析を実施する。したがって本技法のことを「２．５Ｄ」と呼ぶことがある。

本技法は、従来の医用イメージング、並びに部品の検査及び解析、手荷物や小包の検査及び解析、その他など多くのコンテキストで使用することができる。さらに、本技法は何らかの特定の撮像様式に限定されるものではないが、既存の様式の領域で使用することができる。最後に、本技法は、画像データ収集システムの位置で直接利用されることや、画像データ収集システムから全体として離れた位置にある処理ステーションと協調させ、画像データ収集に引き続いて記憶装置内に保存した画像データから画像データ処理することができる。

本技法のある種の態様では、３Ｄ画像データに対する処理工程が実施され、また一方で２Ｄ画像データに対する処理工程が実施される。特に、画像データ内の構造性フィーチャに対する解析及びセグメント化は２Ｄ処理と３Ｄ処理の組み合わせによって実施される。この処理によって、構造を表すと判定された画素と非構造を表すと判定された画素からなるマップすなわち２進マスクが作成される。次いでこの画像データはこのカテゴリー分類に基づいてさらに処理を受けることがある。

本発明に関するこれらの特徴、態様及び利点、並びにその他の特徴、態様及び利点については、同じ参照符号が図面全体を通じて同じ部分を表している添付の図面を参照しながら以下の詳細な説明を読むことによってより理解が深まるであろう。

ここで図面に移り先ず図１を見ると、一般に対象１４の画像データを生成するためのイメージャ１２を含むようにイメージング・システム１０を表している。対象１４として一般に人間の姿を図示しているが、適当な任意の対象の撮像が可能であることに留意すべきである。このコンテキストでは例えば、その対象はヒトの場合や動物の場合があり、動くものの場合や、製造された部品、自然に存在する対象物その他など動かないものの場合がある。実際に、イメージング・システム１０は何らかの撮像物理過程に基づいてディジタル化された画像データを作成する適当な任意のタイプのシステムとすることができる。医用イメージングのコンテキストでは他の場合と同様に、こうしたイメージング・システムとしては（別に多くの撮像様式があるがとりわけ）ＭＲＩシステム、ＰＥＴシステム、ＣＴシステム、トモシンセシス・システム、Ｘ線システム、超音波システムが含まれる。このシステムにはさらに、受け取った適当な任意の帯域幅または周波数を有する放射に基づいてディジタル化画像データを生成させる従来の光学写真撮像システムが含まれる。

図１の概要図では、イメージング・システムはイメージャ制御回路１６及び画像データ収集回路１８と結合されたイメージャ１２を含む。そのシステムの様式及び物理過程に応じて、イメージャは、Ｘ線、ＣＴ、トモシンセシス及びその他のシステムの場合のようにあるタイプの放射を放出するのが典型的である。ＭＲＩシステムなど能動性の別のイメージング・システムでは、制御された磁場の存在の下での無線周波数パルスの発生によるなど励起によって対象に影響を与える。しかしこれらのすべてのケースにおいて、イメージャはその動作がイメージャ制御回路１６によって統御されている。こうした制御回路は適当な任意の形態を取ることができ、典型的にはイメージャを稼働させるため、放射線その他の信号を受信するため、撮像で必要な任意の励起信号または放射線を生成するため、その他のための回路を含む。次いで、画像収集回路１８はイメージャが受信したデータを受け取って初期処理を行う。こうした初期処理は、アナログ信号のディジタル信号への変換、アナログまたはディジタル信号のフィルタ処理、スケール調整またはダイナミックレンジ調整、その他を含むことがある。

画像制御回路１６及び画像データ収集回路１８は一般に、あるタイプのシステム制御回路２０によって統御される。この場合も、そのイメージング・システムの性質及び関連する物理過程に応じて、システム制御回路はイメージャ制御回路１６とで適当な信号をやり取りすることによって撮像シーケンスを開始することがある。システム制御回路２０はさらに、画像データ収集回路１８から未処理または前処理済みの画像データを受け取ることがある。システム制御回路２０（特により複雑なシステム内にあるもの）は、オペレータが検査すなわち撮像シーケンスを選択、構成及び開始するためのオペレータ・ワークステーション２２と結合されることがある。画像データ（未処理、一部処理済みまたは完全処理済みのいずれか）は、典型的には、参照番号２４に示したあるタイプの記憶媒体内に保存される。このコンテキストでは、こうした記憶媒体は、システム制御回路２０、オペレータ・ワークステーション２２、または全体システムの別の任意の構成要素の一部とすることがある。医学診断のコンテキストでは例えば、こうした記憶媒体はローカル及びリモートの記憶装置（磁気式と光学式の両方）を含むことがあり、また画像データをオンデマンド対応で保存及び提供するように設計された複雑な画像蓄積伝送システム（Ｐｉｃｔｕｒｅ Ａｒｃｈｉｖａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ：ＰＡＣＳ）を含むことがある。

図１の図示において、オペレーション・ワークステーション２２は画像データ処理回路２６と結合されるように表している。この場合も、こうした処理回路は実際上、システム全体に分散させることがあり、また画像データを処理して観察のための再構成画像を作成するように設計されたハードウェア、ファームウェア及びソフトウェアとして具現化することがある。以下に記載する本技法によると、画像処理回路２６は未処理または前処理済みデータを取り扱うためにその画像データに対して２Ｄと３Ｄデータ処理を組み合わせた処理（「２．５Ｄ」データ処理）を実行し、再構成画像の有用性をさらに向上させている。画像データ処理回路２６は、全体として図１に表したようにイメージング・システムに対するローカルとすることや、システムから完全にリモートとし画像データは後処理のために記憶媒体２４などからのアクセスとすることがある。最後に、図１は、適当なネットワーク・リンク３０によってイメージング・システムと結合させることが可能な様々なリモート制御／処理／観察ステーション２８を表している。こうしたステーションは、本明細書に記載したような画像データに対する追加的な観察、解析及び処理のために使用することができる。

多くの異なるイメージング・システム上で収集した種類の画像データは一般に、その画像データによってエンコードされた離散的画像要素すなわち画素に対する認識、明瞭化、さもなければ操作のために様々なフィルタ処理及び強調技法によって処理されることは当業者であれば理解されよう。各画素は、その箇所及びその強度（あるいはカラーシステムでは、幾つかの異なる色相によるその強度）を示すデータを含むのが典型的である。画像データの強調は、各画素の様々な特性とその近傍画素の様々な特性を数学的に計算し、これらの画素を有用な集団の形で認識しかつ取り扱うことによって実施される。本質的に、これらの画像データは人間または機械がある種の質または特性を共有する画素の集団を認識できる場合に最も有用となる。例えば、構造及び非構造は画像データ内において下記の処理によって認識することができる。構造とは、人間または機械的な観察器による観察の際にその画像が有用となるかある種の解釈を受けることになるようなエッジ、表面、輪郭、領域、色相、及び別の画像フィーチャを意味することがある。

図２は、上述のイメージング・システム１０などにおける例示的な撮像ボリュームを表している。撮像ボリュームは、ｘ方向３２、ｙ方向３４及びｚ方向３６を含む直交する３つの方向で解析を受けることがあることは当業者であれば理解されよう。この２．５Ｄ画像強調技法または構想では、撮像ボリューム内で作成した厚層ボリュメトリック画像が、本質的には解析及びセグメント化のためにこうした画像を３Ｄ対象として取り扱って３Ｄセグメント化マスクを得ることによって強調される。しかしこの構想は、３Ｄセグメント化マスクによるガイドを受けながら、強調フィルタ処理のために２Ｄで厚層スライス（すなわち、画像）のそれぞれを別々に取り扱う。このため本技法は、２Ｄフィルタ処理の実行のために３Ｄ情報を活用している。したがって、本技法は画像フィルタ処理の頑強性をさらに改善させる可能性を有している。

図２の図示では、撮像ボリュームのスラブすなわちスライス３８は、本目的において選択したスラブすなわちスライス３８内で画像要素（画素）４０と呼ばれる離散ボリューム要素（ボクセル）を含むように表している。これらの画素は、ｘ方向のピッチ４２、ｙ方向のピッチ４４及びｚ方向のピッチ４６を含め、直交する各方向にある既知のピッチまたは次元を有している。２Ｄ画像は一般に、２Ｄ撮像面内への３つの次元の投影を表すことは当業者であれば理解されよう。したがって画像４８は、ある撮像面内のスラブすなわちスライス３８の画素４０に関する当該スラブすなわちスライスの表面位置における投影として表わすことができる。しかし、ｚ方向の次元またはピッチ４６がｘ方向及びｙ方向のものと異なる場合、この投影はｚ方向に戻るように延びるフィーチャまたは構造を表す詳細部のうちの幾つかを完全に描出できないことは当業者であれば理解されよう。この画像データは、このコンテキストでは、こうした詳細を考慮に入れながら構造性フィーチャをより正確に解析かつ処理するような方式で処理される。

本技法に従って画像強調工程のうちの幾つかを実行するための例示的なロジックを図３に表しており、その全体を参照番号５０で示している。この処理ロジックは工程５２で示した３Ｄ画像データに対する入力またはアクセスで開始される。この画像データは典型的には、有用なダイナミックレンジ全体にわたってディジタル化された一連の値を含むことは当業者であれば理解されよう。画像データ内の各画素は、画像データ値のうちの１つに対応する。この画像データ自体は、記述ヘッダー、識別データ、日付タグ、圧縮ルーチン識別子、その他などの別のフィーチャを含むことができるこれより大きな画像データ・ストリーム内に包含されることがある。このコンテキストでは、その画像データは、記号「Ｉ_１」が画像内の括弧で規定した個々の箇所の各画素の集合値を表すとしてＩ_１（ｘ，ｙ，ｚ）で示すことができる画素データを含む。

工程５４では、ミラー処理（ｍｉｒｒｏｒｉｎｇ）によって画像の境界を拡張させる。こうしたミラー処理は画像の境界近傍にある画素データに対する解析及び計算の実行を可能とさせる（特に、以下に記載するような空間フィルタを利用する場合）ことは当業者であれば理解されよう。このコンテキストでは、そのミラー処理は、各画像画素に隣接する第１の追加画素をその画像画素自体の値と等しくしかつ画素位置にある第２の隣接値が画像データ内で直ぐ隣りにある画素の画素値に等しくなるようにして、３Ｄ画像の各側面に対して画素を付加することによって実施される。こうしたミラー処理は、画像データの適当な任意の数の横列または縦列について実施することができる。この実現形態では、以下に記載するように３×３の次元を有するカーネルを利用しており、ミラー処理は３つの画像次元のそれぞれについて２つの横列または縦列、すなわちスライスを追加することによって実施されている。

工程５６では、解析を容易にするために画像が圧縮される。この圧縮は各画素を近傍の画素の平均値で置き換えることによって実施される。平均化の対象となる画素の数は本アルゴリズム内にプログラムしておくことができる圧縮比率に応じて異ならせることや、ユーザによって選択させることができる。この実現形態では、画像データの各スライスに対して２次元的に圧縮を実施している。当業者であればさらに、工程５４で実施されるミラー処理によって画像境界の近傍にある画素に対する画素平均値の計算が容易になることを理解されよう。得られた圧縮済み画像データをＩ_２（ｘ，ｙ，ｚ）で表している。

図３の工程５８では、圧縮済み画像Ｉ_２（ｘ，ｙ，ｚ）に対して解析及びセグメント化が実施される。この解析及びセグメント化は、構造性画素及び非構造性画素からなるマスクまたはマップを作成することを目的としている。すなわち、画像内の関心対象フィーチャ（典型的には、エッジやより顕著なコントラストをもつ詳細部）を表すと考えられる画素を「構造性（ｓｔｒｕｃｔｕｒａｌ）」と名付けることができる。また地の部分などのその他のフィーチャは構造性であると見なされないが、全体画像の解析、描出その他に関して重要である。しかし、構造性画素に対して非構造性画素と異なる処理をすることが、強調画像を現出させる際に特に有用であることが分かっている。図３に要約したこれ以外の工程に進む前に、工程５８で実施する解析及びセグメント化に関連する詳細工程について具体的に図６を参照しながら説明することにする。

図６に要約した解析では、図４及び５に示すように表現できる画素近傍域を利用する。詳細には、撮像ボリュームの個々の画像またはスライスの画素は一般に、図４及び５に図示した中間の画素垂直面などの１つの面内に属することがある。一方ボリューム部分７４は、この面の画素と該面の両側にある追加的な画素とからなる。図５は、ボリューム部分７４を表しており、以下に記載する解析において画像内の任意の画素とすることができる関心対象画素と呼ぶ中心画素７６が見えるようにするため一部の画素を取り除いてある。ここで関心対象画素７６は、２６個もの近傍画素を含むことがある。すなわち、画素７８はｘ方向で中心画素７６の近傍にあり、画素８０はｙ方向で中心画素７６の近傍にあり、また画素８２はｚ方向で中心画素７６の近傍にある。この検討全体を通じて、この近傍域を３×３の近傍域であるとして示すことにするが、より大きな近傍域をこの処理に利用することもできる。

ここで図６を参照すると、図３に示した解析及びセグメント化の例示的な工程を表している。図示した解析では、先ず圧縮済み画像Ｉ_２（ｘ，ｙ，ｚ）がスケール調整される。このスケール調整は画像内のすべての画素に対する最大値及び最小値（この実現形態ではそれぞれ「ｍａｘｏｒｉｇ」と「ｍｉｎｏｒｉｇ」と呼ぶことにする）を同定することによって実施される。この実現形態では、ダイナミックレンジ値（このダイナミックレンジ値は４０９５に等しい）をｍａｘｏｒｉｇの値で割り算することによってスケール調整係数を決定している。もちろん別の値を利用することもできる。次いで、個々の各画素値からｍｉｎｏｒｉｇの値を差し引き、得られた差にスケール調整係数を掛け算することによって各画素のスケール調整値を計算する。

次いで、このスケール調整済み画像を図６の工程８６で示すようにスムージングする。この実現形態では、このスムージングは、各画素を上述の図４及び５に示すような中心画素すなわち関心対象画素にし、各画素値を３×３×３の近傍域内のすべての画素の平均値で順次置き換えている３Ｄのｂｏｘｃａｒフィルタを介して実施される。このスムージングは画像Ｉ_２（ｘ，ｙ，ｚ）内の画素の値に基づいて実施される。

工程８８では、ｂｏｘｃａｒフィルタの出力が各画素に関する傾斜を計算するために使用される。ディジタル式イメージングのコンテキストでは、「傾斜（ｇｒａｄｉｅｎｔ）」とは関心対象画素の値と、１つまたは複数の追加的な（すなわち、近傍の）画素の値との差を意味していることは当業者であれば理解されよう。工程８８では、ｘ、ｙ及びｚ方向の成分に関する複数の傾斜が計算される。この実現形態において「ｇｒａｄＸ」「ｇｒａｄＹ」及び「ｇｒａｄＺ」と呼んでいるＸ、Ｙ及びＺ方向の成分は、図７に示したＳｏｂｅｌの３Ｄ傾斜演算子を用いて計算される。Ｓｏｂｅｌ演算子１２０は３×３×３の近傍域内の様々な箇所にある画素を掛け算してその成分値を得ることができる一連の行列１０４によって定義できることは当業者であれば理解されよう。次いで、これらの成分値に基づいて、次の関係式に従って関心対象画素の傾斜規模を３Ｄで計算することができる。

傾斜規模＝ｓｑｒｔ（ｇｒａｄＸ^２＋ｇｒａｄＹ^２＋ｇｒａｄＺ^２）
傾斜規模は３Ｄ成分に関して計算されているが、傾斜の方向はその画像面または投影を規定している２つの次元に関してのみに計算される。このコンテキストでは、方向は次の関係式に従って計算される。

方向＝ａｒｃｔａｎ（ｇｒａｄＹ／ｇｒａｄＸ）
圧縮済み画像内の各画素に関して傾斜の規模及び方向を計算し終えた後、最大及び最小の傾斜が決定されると共に、図６の工程９０で示したような傾斜ヒストグラムが得られる。最大／最小傾斜は傾斜規模を基準として決定される。したがって、傾斜ヒストグラムはある特定の傾斜規模を有する個々の画素の数すなわちカウントを規定していることは当業者であれば理解されよう。この実現形態では、そのヒストグラムは、すべてのボクセルに関して、各ボクセルがそれ自身に関連付けされた１つの傾斜規模を有するようにした傾斜を有している。最大値及び最小値は、すべてのボクセルの各傾斜値にわたって計算される。このヒストグラムは、水平軸に沿って傾斜規模を、また垂直軸に沿って個々の各傾斜規模を有する画素カウントすなわち画素数を取った棒グラフとして表すことができる。しかし実際には、プロセッサは単に画素のアドレス、その傾斜値、及び各規模ごとのカウントを保存しているだけである。

工程９２では、初期しきい値が選択され、構造性画素の候補が選出される。この工程で利用されるしきい値は、初めに画像Ｉ_２（ｘ，ｙ，ｚ）内の画素の３０％に関する傾斜規模がそのしきい値未満になるように値を選択した初期傾斜しきい値である。次いで、この初期傾斜しきい値を超えた値を有する画素がカウントされる。この実現形態では、さらに方向判定基準も適用される。すなわち、構造性画素の候補としてカウントすべき画素については、その画素の傾斜規模は初期傾斜しきい値を超えていなければならず、またその画素の傾斜方向はこの実現形態において「ｇｒａｄ角度」と呼ぶある特定の角度を超えていなければならない。そのカウントが所定の値すなわちカウント数を超えている場合、その画素は妥当なエッジの可能性があるとして保持される。次いで妥当なエッジ画素の集合は、構造性画素の候補が値「１」を有しかつ非構造性画素の候補が値「０」を有するようなマスクまたはマップ内などに記録される。

図６の工程９４では、マスクのある種の画素が接続性に基づいて排除される。この処理では、その２進マスク内の値が１の各画素に対して、画像の左上隅から開始して右下に進むようにして１つの指標番号が割り当てられる。この指標番号は、マスク内で値１を有する各画素ごとに増分させる。次いで、このマスクは、小さい近傍域内部で画素の指標値を比較することによって左上隅から開始して各横列単位で解析される。例えば、ある指標番号を有する画素が同定された場合、関心対象画素の指標番号がその関心対象画素の直ぐ上側、下側、左側及び右側にある画素（存在している場合）の指標番号と比較される４接続比較が実施される。次いで、接続された画素のそれぞれの指標番号が、接続した近傍域内にある最小の指標番号に変更される。さらにこの検索、比較及び割り当て変更は、画素行列全体にわたって継続され、これにより近傍の画素の領域に共通の指標番号が割り当てられる。好ましい実施形態では、その指標番号併合が数回実施されることがある。後続の各反復は、反対の方向（すなわち、上から下の方向や、下から上の方向）で実施することが好ましい。

指標番号に対する後続の検索及び併合によって実施される反復が終わると、指標番号画素行列には共通の指標番号を有する画素からなる隣り合った領域が含まれることになる。次いで、この指標行列内に現れる各指標番号を有する画素の数をカウントすることによって指標行列からヒストグラムが作成される。指標番号を有する画素からなる分離され隣り合った各領域は一意の指標番号を有することになることは当業者には明らかであろう。所望のしきい値未満の個体数を有する指標番号で表された領域は構造の規定から排除される。目下のところ好ましい実施形態では、５０画素未満の画素カウントを有する領域が排除される。しかし、この工程で排除する画素の数は、行列の大きさ、並びに最終画像内の構造規定において許容できる独立のアーチファクトの量及び大きさの関数として選択されることがある。

工程９６では、構造性画素に対して最終のしきい値が設定されると共に、このしきい値に基づいて構造マスクが改良される。ここでも、構造マスクまたはマップは一般に、画像Ｉ_２（ｘ，ｙ，ｚ）内における構造を表すと考えられる画像内画素のリスト分け（ｌｉｓｔｉｎｇ）に対応することになる。ここでも、各画素は構造マスク内で「１」または「０」で表現し、構造マスクにおいて値「１」によって個々の画素が構造を表すものと判定されたことを示させることができる。構造マスクの判定のために工程９６で設定された最終の傾斜しきい値は、そのマスク内で「１」とラベル付けされた数に対する（２進マスク・カウント）所望の画素数の加算を含んでいる。目下のところ好ましい実施形態では例えば、２進マスク・カウントに対して値４，０００を加算し画像構造規定において所望の画素数に至らせている。このパラメータはデフォルト値として設定されることや、オペレータによって修正されることがある。一般に、加算値がより大きいほどより鮮鋭な画像が作成される、また加算値がより小さいほどより平滑な画像が作成される。したがって、本実施形態において「フォーカス・パラメータ」と呼ぶこのパラメータを変更することによって、画素の構造及び非構造への分類を規定し直すことができる。

次いで、最終の傾斜しきい値（すなわち、ＦＧＴ）が決定される。詳細には、各傾斜規模値ごとの個体数カウントは、最も大きな規模から開始して、最も小さい規模に向かって移動させながら合計される。所望の数の構造性画素（すなわち、カウントされた画素数とフォーカス・パラメータの和）が得られた後に、その対応する傾斜規模値が最終傾斜しきい値と同定される。目下のところ好ましい実施形態では、次いでそのＦＧＴ値は、自動決定されることやユーザが決定することができるある値を乗算することによってスケール調整される。例えば、ＦＧＴのスケール調整のために１．９という値が用いられることがあり、この値は画像の特性、画像内で観察できる構造の種類及びフィーチャ、その他に応じて異なる。さらに、スケール調整可能なしきい値を使用することによって、異なる磁場強度を有するシステムで作成されたＭＲＩデータ、ＣＴデータ、その他など様々な種類の画像に対して本技法を容易かつ迅速に適応させることが可能となる。

工程９８では、接続性に基づいて画素が排除される。この実現形態では、個々の画素が規定されたしきい値カウント未満である場合にこの工程において６接続性方式を用いてマスクから画素が排除される。すなわち、各画素は縮小させた近傍域内の中央画素と見なされ、面内でその関心対象画素と境を接する画素のみが考慮される。図８はこうした縮小近傍域を表しており、図８においては関心対象画素すなわち中央画素７６を図示すると共にその面にある画素の縮小した近傍域に参照番号１０６を付している。こうした縮小した近傍域を考えることによって、工程９４に関連して上述した処理と同一の処理によって画素が排除される。

工程１００では、小さいまたは分離された画素領域または画素ボリュームを、エッジや構造の接続性を提供するように構造の可能性があると判定された画素の集団内に復元させるすなわち包含させることができる。この処理では、最終傾斜しきい値に対する百分率であるフォロワー比（ｆｏｌｌｏｗｅｒ ｒａｔｉｏ）と呼ぶこともあるしきい値が決定される。ある画素がフォロワー比を超えており、最終傾斜しきい値を超える画素（すなわち、構造性画素の候補）に接続されている場合は、画素の対応する２進値が変更される。一般に、こうした傾斜のフォローは３つすべての次元方向について再帰的に実施し、これによって画素の構造性または非構造性への初期分類が得られる。

こうした判定に基づいて、図３の工程６０に示すように処理が継続される。すなわち、２．５Ｄ方式に基づいて個々の画素に対する解析及びセグメント化を実施し終ると、工程６０において構造マスクが得られる。この構造マスクは、撮像ボリューム内の各投影画像の構造性及び非構造性領域を記述している最終２進マスクを取得する処理を反復することによって得られる。この最終２進マスクは、この実現形態において「ｃｏｕｎｔｔｈｒｅｓｈｏｌｄ１」と名付けた事前設定のしきい値と画素カウントを比較することによって得られる。すなわち、目下の画素が１という２進マスク値を有していれば、近傍域画素カウントが計算される。その画素カウントがしきい値を超えていれば、マスク内の目下の画素値を１に設定する。一方そうでない場合は０に設定する。マスク内で目下の画素値が０であれば同じアカウントが計算され、またこの実現形態において「ｃｏｕｎｔｔｈｒｅｓｈｏｌｄ２」と名付けた下側しきい値を超えていれば、マスク内の画素に対する２進値を１に設定する。一方そうでない場合は０に設定する。得られた２進値マップは、構造を表す画素（値１を有する画素）、並びに非構造を表す画素（値０を有する画素）の判定を示している。

図３の工程６２では、圧縮済み画像Ｉ_２（ｘ，ｙ，ｚ）がフィルタ処理される。この実現形態では、画像データに対して指向スムージング（ｏｒｉｅｎｔａｔｉｏｎ ｓｍｏｏｔｈｉｎｇ）、均質化スムージング（ｈｏｍｏｇｅｎｉｚａｔｉｏｎ ｓｍｏｏｔｈｉｎｇ）及び指向鮮鋭化（ｏｒｉｅｎｔａｔｉｏｎ ｓｈａｒｐｅｎｉｎｇ）を含む３種類のフィルタ処理が実施される。このフィルタ処理は工程６０で決定された構造マスクに基づいて実施されることに留意すべきである。すなわち、フィルタ処理は２次元で実施されるが、フィルタ処理を実施するか否かやどのようにフィルタ処理を実施するかは２次元及び３次元解析を基準とした決定による構造に基づく。

工程６２で実施することがある指向スムージングでは、ある種の画素の値が、それ自身の値と近傍画素の値とを平均した値で置き換えられる。詳細には、優位指向スムージングまたは局的指向スムージングを希望するか否かに従って、その処理は以下のようになる。優位指向スムージングが選択された場合、スムージングは構造性画素であると同定された各画素に対する方向性指標の割り当てで開始される。本実施形態では、各構造性画素に対して、各画素ごとの統計分散に従って４つの方向性指標のうちの１つが割り当てられる。各構造性画素の周囲にある局所的な近傍域内において、周囲にある画素の正規化した強度値を基準として画素カーネルに関する４つの方向での統計分散が計算される。計算された４つの値の中から最小分散の方向が選択されると共に、対応する方向性指標が割り当てられる。本実施形態では、その方向性指標は、４５度に対しては「１」、１３５度に対しては「２」、９０度に対しては「３」、また０度に対しては「４」のようにして割り当てられる。局所領域しきい値はその画像行列の大きさに基づいて割り当てられる。本実施形態では、２５６画素×２５６画素の画像に対しては局所領域しきい値６が使用され、５１２画素×５１２画素の画像に対しては値１４．２５が使用され、１０２４画素×１０２４画素の画像に対しては値２３が使用される。各構造性画素ごとに、各構造性画素を取り囲む局所的近傍域内で方向性指標を調べることによって優位向きが確定される。この処理では、局所的近傍域内で見いだされた方向性指標がカウントされると共に、最大のカウント（または、カウントが等しい場合に特定された最小指標）を得た方向性指標が関心対象画素に割り当てられる。

本実施形態では、優位方向とこれと直交する方向との両方を考慮して優位指向スムージング操作における整合性判定（ｃｏｎｓｉｓｔｅｎｃｙ ｄｅｃｉｓｉｏｎ）が行なわれる。これらの方向は、１と２、または３と４である。こうした要因を十分に考慮することによって、ヒトの視覚系に整合している（すなわち観察者に直感的な満足を与える再構成画像を提供できる）という意味で優位向き判定の頑強性が向上することが知られている。

ここで実施される整合性判定は多くの判定基準に基づくことができる。本実施形態では、その画像は以下の判定基準のうちのいずれか１つが満たされた場合に優位方向（すなわち、近傍域内の最大のカウント数を与える方向）でスムージングを受ける。（１）最大数を与える向きのカウント数が近傍域の総カウントのうちのある百分率（例えば、６７％）を超えておりかつ直交する向きが最小カウントを与えること；（２）最大数を与える向きのカウント数が近傍域の総カウントのうちの判定基準（１）の場合より小さいある百分率（例えば、４４％）を超えておりかつ直交する向きが最小数を与えており、さらに優位方向とその直交方向とのカウント比が指定されたスカラー値（例えば、５）より大きいこと；あるいは（３）優位方向カウントのその直交方向カウントに対する比がある所望のスカラー倍数（例えば、１０）を超えていること、である。

本実施形態では、優位向きの方向を同定するために使用される近傍域の大きさは、検討される画像行列次元の系列に応じて異なる。詳細には、２５６画素×２５６画素の画像では３×３の近傍域が使用され、５１２画素×５１２画素の画像では５×５の近傍域が使用され、１０２４画素×１０２４画素の画像では９×９の近傍域が使用される。

引き続いて、各画素ごとに検索した近傍域内で決定されたカウントが局所領域しきい値と比較される。カウントが局所領域しきい値を超えると分かった場合は、各構造性画素の強度値はその関心対象画素の優位方向での１×３カーネルの画素の平均強度に等しくなるように設定される。引き続いて、２進行列構造マップ内の対応する箇所の値が０から１に変更される。ある特定の画素についてカウントが局所領域しきい値を超えないと分かった場合、その関心対象画素の強度値は次の関係式で決定した荷重平均値に等しくなるように設定される。

荷重平均値＝（１／（１＋ｐ））（ｉｎｐｕｔ）＋（ｐ／（１＋ｐ））（ｓｍｏｏｔｈｅｄ ｖａｌｕｅ）
上式において、ｉｎｐｕｔの値はスムージングの開始時点の関心対象画素の値であり、ｐは１と２００の間の荷重係数であり、またｓｍｏｏｔｈｅｄ ｖａｌｕｅは関心対象画素の優位方向における１×３カーネルの平均強度値である。

引き続いて、２進構造マスク内の各画素の値が評価される。この値がゼロに等しいと分かった場合は、対応する強度値に荷重係数αが乗算される。本実施形態では、係数αは０．４５に等しく設定される。得られた値は、対応する画素の正規化強度値と荷重係数βとの積を求めることによって合計される。本実施形態では、係数αとβの和は１に等しいため、βの値は０．５５に等しくなる。

２進構造マスク内である画素値が１に等しいと分かった場合、プロセッサは、所望の反復回数が完了したか否かを判定し、未完了であれば構造性領域の追加のスムージングに戻る。本実施形態では、オペレータはこうした反復を１回から１０回に選択することができる。

均質化スムージングは非構造画素に対して実施される。一実現形態では、均質化スムージングは３×３カーネルに基づいて各非構造性画素を反復して平均化する。

指向鮮鋭化は指向フィルタ処理またはスムージングを受けた構造性画素に対して実施される。指向鮮鋭化は、構造性画素の決定のために使用される最終傾斜しきい値の２倍など、事前指定の限度を超える傾斜を有する画素に対して実施される。

フィルタ処理操作に続く処理には、画素の再正規化が含まれることがある。こうした再正規化は、フィルタ処理画像Ｉ_１（ｘ，ｙ，ｚ）において平均画素強度を計算し、これに基づいて正規化係数を取得することによって実施される。この実現形態では、フィルタ処理前の平均値をフィルタ処理後の平均値で割り算することによってその正規化係数が各画素ごとに計算されることがある。次いで、原画像Ｉ_１（ｘ，ｙ，ｚ）内の各画素値と規格化係数を掛け算した後に最小値ｍｉｎｏｒｉｇを加算することによって正規化された画像が得られる。

次いで、フィルタ処理し再正規化した画像値を伸展させ、フィルタ処理画像を元のサイズまで戻す。図３の参照番号６４で要約したこの工程は、本質的には、工程５６で実施した圧縮を逆転させたものである。こうした伸展は双三次（ｂｉ−ｃｕｂｉｃ）または双一次（ｂｉｌｉｎｅａｒ）補間によって実施できることは当業者であれば理解されよう。この画像伸展は２次元的に実施される。

工程６６では、元のデータに存在していた地の部分を復元するためにテクスチャ合成が実施される。この実現形態では、再正規化し伸展させた画像は事前フィルタ処理済み画像と画素単位で合成される。フィルタ処理画像と合成させる初期量は変更することが可能であり、合成は次の関係式に基づいて実施される。

Ｉ（ｘ，ｙ，ｚ）＝ｂｌｅｎｄ＊（Ｉ（ｘ，ｙ，ｚ）−Ａ（ｘ，ｙ，ｚ））＋Ａ（ｘ，ｙ，ｚ）
上式において、Ｉ（ｘ，ｙ，ｚ）は再正規化済み、フィルタ処理済みかつ伸展済みの画像であり、「ｂｌｅｎｄ」は合成パラメータであり、Ａ（ｘ，ｙ，ｚ）は事前フィルタ処理済み画像である。

工程６８では、工程６０で得た構造マスクを再度基準として構造性画素対非構造性画素に関して異なる量の鮮鋭化を実施しているため、この鮮鋭化は差別的（ｄｉｆｆｅｒｅｎｔｉａｌ）であると言われる。コントラストまたは強度マッチングはその原画像データに基づいて実施される。すなわち、鮮鋭化させた画像と原画像の両者が低域通過フィルタ（例えば、ｂｏｘｃａｒフィルタ）を用いてフィルタ処理され、さらに次の関係式を用いて強度マッチングが実施される。

Ｉ（ｘ，ｙ，ｚ）＝Ｉ（ｘ，ｙ，ｚ）＊［ｌｏｗｐａｓｓｆｉｌｔｅｒｅｄ（Ｉ（ｘ，ｙ，ｚ））／ｌｏｗｐａｓｓｆｉｌｔｅｒｅｄ（Ａ（ｘ，ｙ，ｚ））］
上式において、画像Ｉ（ｘ，ｙ，ｚ）及びＡ（ｘ，ｙ，ｚ）は上述したものと同じである。

上で指摘したように、上述した処理を終えた後、観察のために得られた画像データが表示され、保存され、かつ伝送される。さらに、観察及び解析のために、画像ボリューム内の複数の画像を同様にして強調し、この画像の集合を保存することができる。上述した技法は、こうしたコンテキストのすべてにおいて（画素またはボクセルの大きさまたはサンプリング速度が他の次元方向と比べてある次元方向においてかなり大きいような場合において）処理の改良を提供することができる。

本発明のある種の特徴についてのみ本明細書において図示し説明してきたが、当業者によって多くの修正や変更がなされるであろう。したがって、添付の特許請求の範囲は、本発明の真の精神の範囲に属するこうした修正や変更のすべてを包含させるように意図したものであることを理解されたい。また、図面の符号に対応する特許請求の範囲中の符号は、単に本願発明の理解をより容易にするために用いられているものであり、本願発明の範囲を狭める意図で用いられたものではない。そして、本願の特許請求の範囲に記載した事項は、明細書に組み込まれ、明細書の記載事項の一部となる。

本技法に従った処理を受ける２Ｄ及び３Ｄ画像データを収集するための例示的なイメージング・システムを表した概要図である。 本技法による強調を受ける一連の画像の作成に利用される例示的な３Ｄ撮像ボリュームの図である。 本技法の２．５Ｄ画像強調スキームを実施するための例示的ロジックを表した概要図である。 図３の解析において画素データのブロックまたは近傍域がどのように利用されるかを表すために撮像ボリュームのうちの使用される例示的部分を表した斜視図である。 内部の関心対象画素が見えるように一部の近傍画素を取り除いて表した同様の斜視図である。 図３で要約した解析及びセグメント化のためのロジックにおける例示的工程を表した概要図である。 図６の解析のために利用される一連の行列演算子を表した図である。 図６の工程に従って実施される解析のうちの幾つかに対して設定した縮小近傍域を表した斜視図である。

符号の説明

１０ イメージング・システム
１２ イメージャ
１４ 対象
１６ イメージャ制御回路
１８ 画像データ収集回路
２０ システム制御回路
２２ オペレータ・ワークステーション
２４ 記憶媒体
２６ 画像データ処理回路
２８ リモート制御／処理／観察ステーション
３０ ネットワーク・リンク
３２ ｘ方向
３４ ｙ方向
３６ ｚ方向
３８ スラブ、スライス
４０ 画素
４２ ｘ方向ピッチ
４４ ｙ方向ピッチ
４６ ｚ方向ピッチ
４８ 画像
７４ ボリューム部分
７６ 関心対象画素、中心画素
７８ 画素
８０ 画素
８２ 画素
１０２ Ｓｏｂｅｌ演算子
１０４ 行列
１０６ 近傍域

Claims (9)

1. 離散画素画像を強調するための方法であって、
   画像データを２次元及び３次元（７８、８０、８２）で解析すること（５８）によって該画像データ内の構造性及び非構造性画素を同定する工程（６０）と、
   構造性及び非構造性画素の前記同定に基づいて前記画像データを２次元で追加処理する工程（６２、６４、６６、６８、７０、７２）と、
   を含み、
   前記構造性画素は３次元データから計算（８８）した傾斜規模値及び２次元データから計算した傾斜方向値を基準として同定されている、
   方法。
2. 前記構造性画素は３次元傾斜規模値及び２次元傾斜方向値を含む判定基準の組み合わせに基づいて同定されている、請求項１に記載の方法。
3. 前記構造性画素は所望のしきい値を超える傾斜規模及び所望の角度を超える傾斜角度を有する画素として同定されている、請求項２に記載の方法。
4. 構造性及び非構造性画素を同定する前記工程は各画素の近傍にある画素（１０６）に対する３次元での解析に基づいている、請求項１に記載の方法。
5. 構造性画素であると同定された画素に対する構造マスクが生成されている請求項１に記載の方法。
6. 前記画像データは、画像面の２つの次元方向（Ｘ，Ｙ）に第１のピッチを有しかつ該画像面と直交する第３の次元方向（Ｚ）に該第１のピッチより大きい第３のピッチを有する画素をエンコードしている、請求項１に記載の方法。
7. 前記追加処理の工程は前記同定された構造性及び非構造性画素を基準として前記画像データを２次元でフィルタ処理すること（６２）を含む、請求項１に記載の方法。
8. 前記追加処理の工程は原画像データから処理済み画像データへの合成（６６）を含む、請求項１に記載の方法。
9. 構造性画素は３次元スムージング（８６）した原画像データに基づいて非構造性画素から識別されている、請求項１に記載の方法。
   
   

Images