JP5083060B2 - 画像表示装置、画像表示方法及びプログラム - Google Patents

Description

本発明は、画像表示装置、画像表示方法及びプログラムに関する。

医療分野では医師の読影負担を軽減するため、医用画像を解析し病変の可能性が高い領域を病変候補として検出、その検出結果を表示するコンピュータ診断支援装置（以下、ＣＡＤ：Computer-Aided Diagnosisという。）の開発が行われている。
病変候補の検出結果を表示する際、過去の類似症例として、検出された病変候補に類似する病変を含む医用画像を表示することがある（例えば、特許文献１、２参照）。医師はＣＡＤによって検出された病変候補が真の病変かどうかを判断するため、診断対象の医用画像と類似症例に係る医用画像とを比較読影することができる。

特に、特許文献２によれば、できるだけ類似性の高い類似症例を示すため、医師により指定された関心領域の特徴量と類似する特徴量を持つ医用画像を類似画像として表示する手法が開示されている。
特表２００３−５２４４９２号公報 特開２００７−２７５２１６号公報

しかしながら、上記特許文献２の方法では医師によって指定する領域の大きさや形に差があったり、医師の病変の捉え方が異なったりするため、同じ関心領域を指定しているにも拘わらず、算出される特徴量にばらつきが生じることとなっていた。そのため、特徴量を元に表示される医用画像にもばらつきがあり、医師間での統一性が無かった。

さらに、乳房を撮影部位とする乳房画像の場合、病変の存在環境によって比較読影が困難な場合がある。つまり、周辺の乳腺濃度や病変候補の位置等の解剖学的な観点が異なると、医師が読影しようとする乳房画像と参考用に表示された類似画像との類似性が低くなり、比較対象として適さないものとなる。

本発明の課題は、類似症例を安定的に提供することである。

請求項１に記載の発明によれば、
表示手段と、
乳房画像に、当該乳房画像のうち医師により指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段と、
診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する候補検出手段と、
前記算出された特徴量と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる制御手段と、を備え、
前記記憶手段は、乳房画像に、当該乳房画像の乳房領域において検出された病変候補の特徴量を対応付けて記憶し、
前記候補検出手段は、前記診断対象の乳房画像のうち乳房領域において病変候補を検出するとともに、当該病変候補の特徴量を算出し、
前記制御手段は、前記ユーザの指定領域から検出された病変候補と類似する特徴量に対応する乳房画像が無い場合、前記乳房領域において検出された病変候補と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる画像表示装置が提供される。

請求項２に記載の発明によれば、
前記記憶手段は、乳房画像に当該乳房画像から検出された病変候補の位置情報を対応付けて記憶し、
前記候補検出手段は、前記診断対象の乳房画像を用いて、当該乳房画像から検出された病変候補の位置情報を算出し、
前記制御手段は、前記算出された位置情報と類似する位置情報に対応する乳房画像を前記記憶手段から取得し、類似症例として表示させる請求項１に記載の画像表示装置が提供される。

請求項３に記載の発明によれば、
前記記憶手段は、乳房画像に当該乳房画像を用いて算出された乳腺濃度情報を対応付けて記憶し、
前記候補検出手段は、前記診断対象の乳房画像を用いて、乳房の乳腺濃度情報を算出し、
前記制御手段は、前記算出された乳腺濃度情報と類似する乳腺濃度情報に対応する乳房画像を前記記憶手段から取得し、類似症例として表示させる請求項１又は２に記載の画像表示装置が提供される。

請求項４に記載の発明によれば、
前記制御手段は、前記記憶手段から取得した乳房画像を、前記候補検出手段による病変候補の検出結果とともに表示させる請求項１〜３の何れか一項に記載の画像表示装置が提供される。

請求項５に記載の発明によれば、
診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する第１検出工程と、
前記診断対象の乳房画像のうち乳房領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する第２検出工程と、
乳房画像に、当該乳房画像のうちユーザにより指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段から、前記第１検出工程において算出された特徴量と類似する特徴量に対応する乳房画像を取得し、類似症例として表示手段に表示させる第１表示工程と、
前記第１検出工程においてユーザの指定領域から検出された病変候補と類似する特徴量に対応する乳房画像が無い場合、乳房画像に、当該乳房画像の乳房領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段から、前記第２検出工程において乳房領域から検出された病変候補と類似する特徴量に対応する乳房画像を取得し、類似症例として表示手段に表示させる第２表示工程と、
を含む画像表示方法が提供される。

請求項６に記載の発明によれば、
コンピュータを、
表示手段、
乳房画像に、当該乳房画像のうちユーザにより指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段、
診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する候補検出手段、
前記算出された特徴量と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる制御手段、
として機能させるためのプログラムであって、さらに、
前記記憶手段が、乳房画像に、当該乳房画像の乳房領域において検出された病変候補の特徴量を対応付けて記憶し、
前記候補検出手段が、前記診断対象の乳房画像のうち乳房領域において病変候補を検出するとともに、当該病変候補の特徴量を算出し、
前記制御手段が、前記ユーザの指定領域から検出された病変候補と類似する特徴量に対応する乳房画像が無い場合、前記乳房領域において検出された病変候補と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させるように機能させるためのプログラムが提供される。

本発明によれば、同じ関心領域であれば、ユーザである医師によって関心領域の指定方法にばらつきがあったとしても、類似症例として同じ乳房画像を提供することができる。従って、安定した類似症例の提供が可能となる。

まず、構成を説明する。
図１に、本実施形態における画像表示装置１０の機能的構成を示す。
図１に示すように、画像表示装置１０は、制御部１１、操作部１２、表示部１３、通信部１４、記憶部１５、候補検出部１６を備えて構成されている。

制御部１１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）等から構成される制御手段である。制御部１１は記憶部１５に記憶されているプログラムとの協働により、各種処理を実行し、処理において演算を行うとともに各部の制御を行う。例えば、制御部１１は候補検出部１６により病変候補の検出やその特徴量、位置情報、乳腺濃度情報を算出させる。また、乳房画像や、候補検出部１６により算出された特徴量等をデータベース化して記憶部１５に保存させる。また、病変候補について算出された特徴量等に類似する特徴量等を有する類似症例の有無を判断し、類似症例が有る場合にはその乳房画像等を記憶部１５から取得して表示部１３に表示させる。

操作部１２はキーボード、マウス、タッチペン、表示部１３のディスプレイと一体に構成されるタッチパネル等を備え、これらの操作に応じた操作信号を生成して制御部１１に出力する。
表示部１３はディスプレイを備える表示手段であり、制御部１１の表示制御に従って、乳房画像や病変候補の検出結果等を表示する。

通信部１４は通信用のインターフェイスを備えて、ネットワーク上の外部装置との通信を行う。例えば、サーバに接続し、診断対象の乳房画像を受診したり、病変候補の検出結果等を送信したりする。

記憶部１５は、制御部１１や候補検出部１６により用いられるプログラムや必要なパラメータ等を記憶する。
また、記憶部１５は過去の症例に係る第１データベース１５１及び第２データベース１５２を記憶する記憶手段である。第１データベース１５１は、ユーザである医師により指定された指定領域において検出された病変候補についての情報を保存するものであり、第２データベース１５２は乳房画像の乳房領域において検出された病変候補についての情報を保存するものである。

図２に、第１データベース１５１の一例を示す。
図２に示すように、第１データベース１５１には、過去の症例毎に乳房画像、その乳房画像において医師が指定した指定領域、その乳房画像から画像表示装置１０によって検出された病変候補、その乳房画像を用いて算出された乳房の乳腺濃度情報、その乳房画像についての診療情報が対応付けて記憶されている。各症例には症例を個々に識別するための識別番号ｎが付されて管理されている。

指定領域の情報は、乳房画像において医師が関心領域として指定した画像領域の位置を示す情報である。例えば、当該画像領域の画素の座標位置等により表される。
病変候補の情報には、病変候補が検出された乳房画像上の位置を示す位置情報と、病変候補の画像領域についての特徴量の情報が含まれる。位置情報は、乳房領域をブロック分けしたときのブロックのアドレスで表される。特徴量としては、コントラスト、集中度の情報等が挙げられる。
乳腺濃度情報には、乳房の乳腺濃度割合、乳腺濃度分類の情報が含まれる。
診療情報には、医師によって入力された乳房画像についての所見の情報、精密検査の結果の情報等が含まれる。精密検査の結果には、医師が乳房画像を読影する、他の検査結果を参照する等して、検出された病変候補について真の病変かどうかを判断した確定結果の情報やその病名等の情報が含まれる。

なお、第２データベース１５２は、指定領域の情報が無い点が異なるのみで第１データベース１５１と同様のデータ構成である。よって、第２データベース１５２に記憶される情報の説明は省略する。

候補検出部１６は、乳房画像を用いて病変候補の検出処理を行うとともに、検出した病変候補の特徴量、位置情報、乳房の乳腺濃度情報を算出する候補検出手段である。処理内容については後述する。候補検出部１６の処理はＣＰＵと記憶部１５に記憶されているプログラムとの協働により実現する。

次に、画像表示装置１０の動作について説明する。
図３は、画像表示装置１０により実行される類似症例の表示処理を説明するフローチャートである。
図３に示すように、画像表示装置１０では制御部１１の表示制御により、表示部１３上に診断対象の乳房画像を表示し、この乳房画像においてユーザである医師による関心領域の指定操作を受け付ける。例えば、図４においてｇ１に示すような診断対象の乳房画像があり、ｇ２に示すようにこの乳房画像において医師によって関心領域を囲むように領域の指定操作が行われると、ダイアログｇ２１を表示して検出してほしい項目を医師に選択操作させる。制御部１１は操作部１２を介して指定された指定領域の情報を乳房画像に対応付けて、記憶部１５の第１データベース１５１に保存させる（ステップＳ１）。

次いで、候補検出部１６により医師による指定領域において病変候補の検出処理を行うとともに、検出した病変候補の特徴量を算出する。制御部１１は、算出された病変候補の特徴量の情報を第１データベース１５１に保存する（ステップＳ２）。すなわち、図４のｇ２に示した、医師による指定領域の中でも、図４のｇ３に示すようにさらに病変候補の領域に絞って特徴量が算出されることとなる。

病変候補の検出処理では、病変候補の１次検出を行った後、１次検出された病変候補について偽陽性候補の削除を行う。削除により残った病変候補を最終的な検出結果として出力する。
〈１次検出〉
１次検出に用いる病変候補の検出手法として、ここでは一例として曲率を用いる方法について説明するが、集中度フィルタを用いる手法やモルフォロジーフィルタを用いる手法等、様々な手法を適用することが可能である。

曲率は、乳房画像を構成する各画素の位置（ｘ方向、ｙ方向）、各画素が持つ濃度（ｚ方向）の３方向の信号成分で乳房画像を表したときに、その乳房画像の濃度分布を示す曲面から求めることができる。
図５に示す濃度分布の曲面Ｅを例に説明する。曲面Ｅは画素の位置（ｘ方向、ｙ方向）、濃度（ｚ方向）の３方向の信号成分によって表された乳房画像の濃度分布を示す曲面である。この曲面Ｅにおいてある画素に注目し（これを注目画素ｐと表す）、この注目画素ｐにおける法線ｍで決定される平面を法平面Ｆとする。また、法平面Ｆと曲面Ｅとの光線、つまり法平面Ｆで切り出された曲面Ｅを法断面Ｊとする。曲率は、この法断面Ｊを円で近似し、その円の半径を用いて算出する。法線ｍを軸として法平面Ｆを回転させると、その回転角度によって法断面Ｊの形状が変化するため、算出される曲率も変化する。

図６に、ある回転角度θの法平面Ｆで決定された法断面Ｊにおける画像信号の分布例を示す。図６において、縦軸は画像信号値（濃度値）を示し、横軸は法平面Ｆのｘ−ｙ平面における座標位置を示している。図５では曲面Ｅを連続する滑らかな線で描いたが、乳房画像はデジタル画像であるので、実際は図６に示すように離散的な値となる。

円を近似する法断面Ｊの領域範囲を、画素数ｎで表す。
例えば、円を近似する法断面Ｊの領域範囲をｎ＝３とした場合、図６に示す注目画素ｐとその左右の画素を合わせた合計３画素の画像信号を近似する正円（以下、近似円という）を算出する。つまり、ｎ＝３のとき、近似対象は３点あるので、近似円はその３点を通る正円となる。

候補検出部１６はこの近似円の半径ｒ（θ）を算出する。そして、下記式より注目画素ｐの回転角度θにおける曲率ｋ（θ）を算出する。
ｋ（θ）＝１／ｒ（θ）
候補検出部１６は法平面Ｆを０〜３６０度まで回転させ、回転させた各回転角度θにおいてそれぞれ曲率ｋ（θ）を算出する。

曲率は、曲面が凸形状か凹形状かを示す指標であり、正の方向に曲率の値が大きいほど曲面は凹形状を示し、負の方向に曲率の値が大きいほど凸形状を示す。各回転角度θで得られた曲率ｋ（θ）の平均値や、最大値となる曲率、最小値となる曲率等を特徴量として多変量解析を行い、病変候補か否かを判別する。

乳房の病変の１つである微小石灰化クラスタや腫瘤は、何れも凹形状に分類されるが、微小石灰化クラスタは凹形状が円錐状に近い一方、腫瘤はその断面がガウス分布形状のなだらかな凹形状となる傾向がある。一方、正常組織である乳腺は谷型の形状となる。このようにそれぞれ特徴が異なることから、正常組織と病変の種類毎に曲率ｋ（θ）の平均値等を算出しておき、これを学習データとして多変量解析を行うことにより病変候補か正常組織か、またどの病変候補かを判別することができる。

なお、円を近似する法断面Ｊの領域範囲をｎ＝５、７…と変化させ、各領域範囲で算出した曲率も含めて多変量解析することとしてもよい。この場合、濃度変化の領域性を含めて病変や正常組織を判別することができ、より検出精度が向上する。

〈偽陽性候補の削除〉
１次検出により検出された病変候補について、病変候補の特徴量の算出を行うとともに、当該特徴量を用いて偽陽性候補を削除する処理を行う。ここでは、コントラスト、集中度の特徴量を求めて偽陽性候補を削除する例を説明するが、別の手法を採用することとしてもよい。

図７を参照して、コントラストを用いた偽陽性候補の削除方法について説明する。
まず、候補検出部１６は１次検出された病変候補の領域の重心を算出し、この重心から一定の距離ｄ３にある円を候補辺縁として指定する。距離ｄ３は検出したい病変の大きさに合わせて設定すればよい。
次に、候補検出部１６は距離ｄ３を元に外側領域と内側領域を設定する。例えば、図７に示すように重心から距離０．８ｄ３にある円領域を内側領域、重心から距離１．２ｄ３以上で距離１．７ｄ３以下の領域を外側領域とする。

次いで、候補検出部１６は外側領域と内側領域のそれぞれについて画像信号値の平均値を算出する。そして、各平均値の差を算出する。この平均値の差が病変候補のコントラストである。候補検出部１６は、算出したコントラストを偽陽性候補の判断用に予め準備された閾値と比較することにより１次検出された病変候補が偽陽性候補か否かを判断する。例えば、病変が腫瘤の場合、正常組織の場合と比べて腫瘤とその辺縁のコントラストが大きいため、閾値よりコントラストが小さい病変候補は偽陽性候補と判断する。偽陽性候補と判断された病変候補については、候補対象から削除する。

次に、集中度を用いた偽陽性候補の削除方法について説明する。
まず、候補検出部１６は１次検出された病変候補の領域について勾配情報を作成する。勾配情報はエッジ検出フィルタを用いて作成する。このエッジ検出フィルタは乳房画像の濃度勾配を勾配ベクトルとして算出するものである。

次いで、算出した勾配情報を元に勾配ベクトルを算出する。そして、図８に示すように病変候補の領域の各画素から勾配ベクトル方向に、検出したい病変の直径の最大値分だけ投票を行う。投票とは、病変候補の領域の各画素から勾配ベクトルを設定することである。図８の例では検出したい病変の直径の最大値を１５ｍｍとして勾配ベクトルを設定している。

投票により勾配ベクトルを設定すると、この投票結果を元に濃度の集中度を算出する。具体的には、病変候補の領域の各画素に投票が行われた回数を計数し、これを投票値とする。つまり、図８における勾配ベクトルの設定は投票を示すので、投票値はこの勾配ベクトルを示す矢印が各画素を通過した回数となる。そして、各画素の投票値のうち最大の投票値を、その病変候補の集中度として算出する。図８の例では画素１〜４の投票結果は、それぞれ１、１、２、４となり、投票値の最も大きい画素４の投票値が、その病変候補の集中度として算出されることとなる。

集中度が大きいということは、病変候補の領域内で勾配ベクトルの向きが投票値の最も大きい画素に集中している度合いが大きく、病変候補が真の病変である可能性が高いということである。候補検出部１６は、算出した集中度を偽陽性候補の判断用に予め準備された閾値と比較することにより１次検出された病変候補が偽陽性候補か否かを判断する。例えば、病変が微小石灰化クラスタの場合、正常組織に比べて濃度勾配が大きい。よって、閾値よりも小さい集中度の病変候補は偽陽性候補と判断する。偽陽性候補と判断された病変候補については、候補対象から削除する。

このようにして、偽陽性候補の削除を行うと、候補検出部１６は残りの病変候補を最終的な検出結果として出力する。また、偽陽性候補の削除処理の過程で算出したコントラスト、集中度の情報を、病変候補の特徴量として出力する。さらに、検出した病変候補のサイズ（病変候補の領域内にある画素数）、平均濃度等の他の特徴量を算出し、これらも病変候補の特徴量の１つとして出力する。
制御部１１は、候補検出部１６から出力された病変候補の検出結果として、その特徴量の情報を、病変候補が検出された乳房画像に対応付けて第１データベース１５１に保存させる。

なお、医師の指定領域内で病変候補が複数検出された場合、指定領域と各病変候補についてそれぞれ重心を求め、複数の病変候補のうち、指定領域の重心に最も近いものから順に所定数だけ病変候補を選択することとしてもよい。例えば、図９に示すように検出された２つの病変候補ｗ１（重心ｗ１ｇ）、病変候補ｗ２（重心ｗ２ｇ）のうち、１つを選択する場合、指定領域ｗ３の重心ｗ３ｇに最も近い重心を持つのは病変候補ｗ１であるので病変候補ｗ１を選択してこれを最終的な検出結果として出力する。これにより、より医師が関心を持つ病変に近い病変候補の検出や類似症例の表示が可能となる。

特徴量の算出を終えると、図３に示すように候補検出部１６により検出した病変候補の位置情報を算出する。制御部１１は算出された位置情報を病変候補が検出された乳房画像に対応付けて第１データベース１５１に保存する（ステップＳ３）。
位置情報の算出処理は、図１０を参照して説明する。この処理では、左右の乳房画像を１組として入力し、左右それぞれの乳房画像について図１０に示す処理を行う。

図１０に示すように、候補検出部１６は、まず乳房画像に対しＳｏｂｅｌフィルタ処理を施す（ステップＳ２１）。処理後の乳房画像の画像信号はエッジ強度を示す。
図１１に示す乳房画像を例に処理の内容を説明する。この乳房画像において、乳房の上下方向をＸ軸、これと垂直の方向をＹ軸とし、乳房画像の各画素を（Ｘ、Ｙ）の座標で表すとともに、その画素の画像信号値をＶ（Ｘ、Ｙ）で表す。また、Ｘ軸方向の画像端の座標をＸＭａｘ、Ｙ軸方向の画像端の座標をＹＭａｘとして表す。

候補検出部１６は、乳房画像の各Ｘ座標（０〜ＸＭａｘ）の画素において、Ｙ軸方向に探索を行い、Ｖ（Ｘ、Ｙ）が最大となるＹ座標Ｓ（Ｘ）を抽出する（ステップＳ２２）。これにより、乳房画像の各Ｘ座標におけるエッジが抽出される。抽出されたエッジは、図１１に示すように乳房画像における乳房領域Ｓａと乳房外領域Ｓｂとの境界であるスキンラインＳＬを構成する。

次いで、抽出された各Ｙ座標Ｓ（Ｘ）について、図１２に示すようにＳ（Ｘ）とＳ（Ｘ＋ｄ（ｄは例えば１０））とを結んだ直線と、Ｓ（Ｘ）〜Ｓ（Ｘ＋ｄ）間の各Ｙ座標Ｓ（Ｘ）との最短の距離Ｄをそれぞれ算出する。そして、算出した距離Ｄのうち最大値をＤ（Ｘ）として算出する（ステップＳ２３）。次いで、最大値Ｄ（Ｘ）を持つＹ座標Ｓ（Ｘ）とそのＹ座標Ｓ（Ｘ）に対応するＸ座標とを乳頭の座標（ａ，ｂ）として検出する（ステップＳ２４）。

次いで、候補検出部１６は検出した乳頭の座標（ａ，ｂ）を中心とし、図１３に模式的に示すように、スキンラインＳＬを端点とする半径２０ｍｍ〜５０ｍｍの同心円を少なくとも２つ描画し、その中点を算出する（ステップＳ２５）。処理精度の向上のため、２以上の同心円を描き、複数の中点を算出するようにしてもよい。

候補検出部１６は、算出した中点群の座標値を用いて最小二乗法による回帰直線を算出し、乳頭の座標（ａ，ｂ）を通る、乳房の傾きを示す基準線ｌを取得する（ステップＳ２６）。回帰直線である基準線ｌの算出式を下記式〔数１〕に示す。

次いで、候補検出部１６は乳頭の座標（ａ，ｂ）を原点、乳房の傾きを示す基準線ｌを軸とする極座標系を設定する（ステップＳ２７）。次いで、図１４に示すように左右の乳房画像のそれぞれにおいて、乳頭から胸壁側の画像端までの基準線ｌの距離ｄ１、ｄ２を算出し、この距離ｄ１、ｄ２の何れか一方を他方の距離に一致させる。すなわち、左右の乳房画像間で正規化を行う（ステップＳ２８）。

正規化後、候補検出部１６は乳頭の座標（ａ，ｂ）を中心とし、基準線ｌを基準に乳房領域をブロック分けする（ステップＳ２９）。具体的には、図１４に示すように、乳頭の座標（ａ，ｂ）を中心に放射線状に延びる直線を、基準線ｌに対し所定角度毎に描く。また、乳頭の座標（ａ，ｂ）を中心とする同心円を、各同心円間の間隔が一定となるように描く。この直線と同心円のラインによって区分けされたブロックにアドレスを設定する。アドレスは、例えば各同心円のラインによって区分けされる領域にＡ、Ｂ、Ｃ…と符号を付し、直線のラインによって区分けされる領域に１、２、３…と符号を付して、同心円と直線のラインにより区分けされるブロックをそれら符号の組合せ、例えばＡ−１、Ｃ−５等で表す。

このようにブロック分けすると、検出した病変候補の領域に該当するブロックのアドレスを、病変候補の位置情報として算出する（ステップＳ３０）。図１５に示す例では病変候補の位置情報は、Ｅ−２〜Ｅ−７、Ｆ−２〜Ｆ−７のアドレスとなる。算出された位置情報は、制御部１１により記憶部１５の第１データベース１５１に保存される。

次いで、図３に示すように候補検出部１６は乳房画像を用いて乳房の乳腺濃度情報を算出する。制御部１１は、候補検出部１６により出力された乳腺濃度情報を、対象となった乳房画像に対応付けて記憶部１５のデータベース１５１に保存させる（ステップＳ４）。
まず、図１４に示したようにブロック分けした乳房画像において、基準線ｌを中心として基準線ｌから角度３０°以内であり、乳頭の座標（ａ，ｂ）からの距離が１０ｍｍ以上かつ乳頭から胸壁までの距離の８０％の距離内にある各ブロックについて、ブロック内の平均濃度を算出する。次いで、乳房領域全体の平均濃度を算出し、前記算出した各ブロック内の平均濃度とそれぞれ比較する。ブロック内の平均濃度が乳房領域全体の平均濃度より大きい場合、当該ブロックを乳腺が多いブロックと判断し、ブロック内の平均濃度が乳房領域全体の平均濃度より小さい場合、当該ブロックを脂肪が多いブロックと判断する。

次いで、候補検出部１６は平均濃度を算出した各ブロックのうち、乳腺が多いと判断されたブロックが占める割合を乳腺濃度割合（％）として算出する。乳腺濃度割合が６０％以上である場合は「高濃度の乳腺」に分類し、６０％未満４０％以上である場合は「不均一高濃度」に分類する。また、４０％未満２０％以上である場合は「乳腺散在」、２０％未満である場合は「脂肪性乳房」に分類する。そして、候補検出部１６は、乳腺濃度情報として乳腺濃度割合（％）とその乳腺濃度割合（％）によって分類された「高濃度の乳腺」、「不均一高濃度」、「乳腺散在」、「脂肪性乳房」の乳腺濃度分類の情報を出力する。

一方、医師の指定領域における処理（ステップＳ１〜Ｓ４）に並行して、画像表示装置１０では指定領域に関係なく乳房領域全てを対象として同様の処理を実行し、算出された情報を第２データベース１５２に保存する。すなわち、候補検出部１６により乳房領域について病変候補の検出処理を行い、検出された病変候補の特徴量を算出する。制御部１１は当該特徴量を乳房画像に対応付けて第２データベース１５２に保存する（ステップＳ５）。また、候補検出部１６により検出された病変候補の位置情報を算出し、制御部１１が算出された位置情報を乳房画像に対応付けて第２データベース１５２に保存する（ステップＳ６）。さらに、候補検出部１６により乳房の乳腺濃度情報を算出し、制御部１１により算出された乳腺濃度情報を第２データベース１５２に保存する（ステップＳ７）。

病変候補の検出、特徴量、位置情報、乳腺濃度情報の算出の方法はステップＳ１〜Ｓ４で説明した方法と同一であるので、ここでは説明を省略する。また、乳腺濃度情報は、対象が指定領域か乳房領域全域かによらず同じ乳房画像であれば同じ情報が算出されるので、ステップＳ７では算出は行わずに、ステップＳ４で算出された乳腺濃度情報を第１データベース１５１から取得して第２データベース１５２に保存することとしてもよい。

次に、制御部１１は診断対象の乳房画像のうち、医師の指定領域から検出された病変候補について算出した位置情報及び／又は乳腺濃度情報と類似する類似症例が、第１データベース１５１に存在するかどうかを判断する（ステップＳ８）。類似症例は、位置情報或いは乳腺濃度情報の何れか一方が類似する類似症例の有無を判断してもよいし、何れも類似する類似症例の有無を判断してもよい。どちらの条件で類似症例の有無を判断するかは医師により選択させることとしてもよい。

類似するとは、全く一致するものの他、略一致するものも含む。例えば、乳腺濃度情報の場合は乳腺濃度割合と乳腺濃度分類が一致する症例をデータベース１５１内で検索する。一方、位置情報の場合、検出した病変候補の位置を示すブロックのアドレスが全て一致する位置情報を持つ症例の他、病変候補のブロックと８０％以上等、一定以上の割合でアドレスが一致する症例をデータベース１５１内で検索する。

該当する類似症例が有る場合（ステップＳ８；Ｙ）、制御部１１はその類似症例のうち、さらに医師の指定領域から検出された病変候補について算出した特徴量が類似する類似症例が、第１データベース１５１に存在するかどうかを判断する（ステップＳ９）。例えば、検出した病変候補と第１データベース１５１に保存されている病変候補の特徴量のそれぞれを変量として多次元の特徴量空間を形成し、検出した病変候補と類似症例の２点間のユークリッド距離を類似度として算出する。ユークリッド距離が近いほど特徴量が類似しているので、予め類似の判断用に設定されている閾値と算出した類似度とを比較し、閾値以下であれば類似、閾値を超えているのであれば類似しないと判断する。

特徴量が類似する類似症例が有る場合（ステップＳ９；Ｙ）、制御部１１は当該類似症例に係る乳房画像、所見等の診療情報を第１データベース１５１から取得する。そして、制御部１１は医師の指定領域から検出した病変候補の検出結果を表示部１３に表示させるとともに、取得した類似症例に係る乳房画像、診療情報を参考用の表示させる（ステップＳ１０）。

図１６に、表示例を示す。
図１６に示す表示画面Ｐでは、制御部１１は画面領域を領域Ｐ１、Ｐ２に分け、領域Ｐ１で診断対象とする乳房画像についての表示を行い、領域Ｐ２で類似症例についての表示を行う。
具体的には、領域Ｐ１では診断対象とする乳房画像Ｐ１１を表示するとともに、この乳房画像Ｐ１１上で医師の指定領域について検出した病変候補を指し示すマーカＰ１２を表示させて、検出結果の表示とする。また、乳腺濃度情報や病変候補の位置情報の算出結果Ｐ１３を表示させる。算出結果Ｐ１３には乳腺濃度分類「脂肪性乳房」と、病変候補が位置する領域名称「Ｍ領域（乳頭からの距離３０ｍｍ）」を表示させている。なお、領域名称はブロックのアドレスと異なり、医師の診断用に別途区分された領域に付された名称である。一方、領域Ｐ２では、データベース１５１から取得した類似症例に係る乳房画像Ｐ２１、その乳房画像についての所見や精密検査結果等の診療情報Ｐ２２を表示させている。

これに対し、ステップＳ８、９において、該当する類似症例が第１データベース１５１に無いと判断された場合（ステップＳ８；Ｎ、Ｓ９；Ｎ）、制御部１１は第２データベース１５２について同じ判断を繰り返す。すなわち、診断対象の乳房画像のうち、医師の指定領域から検出された病変候補について算出した位置情報及び／又は乳腺濃度情報と類似する類似症例が、第２データベース１５２に存在するかどうかを判断する（ステップＳ１２）。

該当する類似症例が有れば（ステップＳ１２；Ｙ）、制御部１１はその類似症例のうち、さらに医師の指定領域から検出された病変候補について算出した特徴量が類似する類似症例が、第２データベース１５２に存在するかどうかを判断する（ステップＳ１３）。該当する類似症例が有れば（ステップＳ１３；Ｙ）、制御部１１は当該類似症例に係る乳房画像、所見等の診療情報を第２データベース１５２から取得する。そして、制御部１１は医師の指定領域から検出した病変候補の検出結果を表示部１３に表示させるとともに、取得した類似症例に係る乳房画像、診療情報を参考用の表示させる（ステップＳ１４）。

一方、第１データベース１５１及び第２データベース１５２の何れにも該当する類似症例が無い場合（ステップＳ１２；Ｎ、Ｓ１３；Ｎ）、制御部１１は病変候補の検出結果のみ表示部１３上に表示させ、類似症例が無い旨の表示を行わせる（ステップＳ１５）。すなわち、図１６に示すような表示画面Ｐにおいて、領域Ｐ２を非表示とし、代わりに「類似症例は検索されませんでした」等の通知情報を表示させる。

その後、表示画面Ｐにおいて乳房画像Ｐ１１を読影した医師により、操作部１２を介して所見や病変候補について真の病変かどうかを判断した確定結果が入力された場合、制御部１１は当該入力情報を診療情報として乳房画像Ｐ１１に対応付けて第１データベース１５１、第２データベース１５２のそれぞれに保存させる（ステップＳ１１）。

以上のように、本実施形態によれば、過去の症例として、乳房画像に、当該乳房画像のうち医師によって指定された指定領域で検出された病変候補の特徴量、位置情報、乳腺濃度情報を対応付けて記憶部１５の第１データベースに記憶しておく。そして、診断対象の乳房画像については、医師の指定領域について候補検出部１６により検出した病変候補の特徴量を算出する。制御部１１は第１データベースを検索して候補検出部１６により算出された特徴量と類似する特徴量を有する類似症例の有無を判断し、該当する類似症例があればその乳房画像や診療情報を第１データベース１５１から取得して、病変候補の検出結果とともに表示部１３上に表示させる。

これにより、医師により指定された指定領域についての特徴量ではなく、その指定領域内で候補検出部１６が検出した病変候補の特徴量により、類似症例を取得することができ、同じ関心領域であれば、医師によって関心領域の指定方法にばらつきがあったとしても、同じ類似症例を提供することが可能となる。従って、安定した類似症例の提供が可能となる。

また、医師による指定領域について検出された病変候補だけでなく、乳房領域全体を対象として検出された病変候補についても特徴量、位置情報、乳腺濃度情報を対応付けて記憶部１５の第２データベース１５２に記憶していく。第１データベース１５１内で該当する類似症例が無いと判断された場合には、制御部１１はこの第２データベース１５２から類似する特徴量を有する類似症例を取得、表示するので、提供できる症例数を増やすことが可能となる。

また、制御部１１は医師の指定領域から検出された病変候補と位置情報や乳腺濃度情報が類似する類似症例を第１データベース１５１又は第２データベース１５２から取得し、表示するので、病変候補が存在する位置や乳房の乳腺濃度が類似する乳房画像を、類似症例として提供することができる。医師にとって関心のある病変候補と、病変候補の位置や乳腺濃度のバックグラウンドを含めて条件が近い乳房画像を参考用として表示することができる。医師は類似症例として表示された乳房画像を、診断対象の乳房画像との比較読影に用いたりすることができ、診断に有用な乳房画像の提供が可能となる。

また、第１データベース１５１、第２データベース１５２には、乳房画像に診療情報を対応付けて記憶しておき、制御部１１は乳房画像を取得する際にその乳房画像に対応する診療情報も取得して表示部１３に表示させる。診療情報には、医師の確定結果の情報が含まれるので、類似症例として表示された乳房画像に含まれる病変候補が真の病変であったかどうかを踏まえて診断を行うことが可能となる。

また、候補検出部１６では位置情報を算出する際、乳房画像に座標系を設定して乳頭の座標位置及び乳頭の傾きを検出し、これらを基準とするブロック分けを行う。このブロックによって病変候補の位置を特定するので、病変候補の位置を精度良く特定することができる。おれにより、病変候補の位置の類似性が高い乳房画像を提供することが可能となる。

上記実施の形態は、本発明の好適な一例であり、これに限定されない。
例えば、医師による関心領域の指定領域の情報は、病変候補の位置情報を算出した際に乳房領域に設定したブロックのアドレスにより示すこととしてもよい。

また、診療情報は医師によって入力された所見等の情報を第１データベース１５１、第２データベース１５２に保存することとしたが、所見や病名の確定診断の結果を含む電子カルテ情報等、別途作成された情報があればこれを診療情報として保存することとしてもよい。

また、本発明に係るプログラムのコンピュータ読み取り可能な媒体としては、ＲＯＭ、フラッシュメモリ等の不揮発性メモリ、ＣＤ-ＲＯＭ等の可搬型記録媒体を適用することが可能である。
また、本発明に係るプログラムのデータを通信回線を介して提供する媒体として、キャリアウエーブ(搬送波)も本発明に適用される。

本実施形態における画像表示装置の機能的構成を示す図である。 過去の症例に係る第１データベースの一例を示す図である。 画像表示装置により実行される類似症例の表示処理を示すフローチャートである。 医師による関心領域の指定と病変候補の検出の関係を説明する図である。 乳房画像の濃度分布を示す曲面の図である。 図５の曲面の法断面における濃度分布を示す図である。 コントラストの特徴量の算出方法を説明するための図である。 集中度の特徴量の算出方法を説明するための図である。 複数検出された病変候補のうち、検出結果とする病変候補を選択する方法を説明するための図である。 画像表示装置により位置情報を算出する際に実行される処理を示すフローチャートである。 乳房画像に設定される座標系を説明するための図である。 乳頭の座標の検出方法を説明するための図である。 乳頭の傾きを示す基準線の算出方法を説明するための図である。 乳房領域をブロック分けした図である。 病変候補に該当するブロックを示す図である。 病変候補の検出結果及び類似症例の表示例を示す図である。

符号の説明

１０ 画像表示装置
１１ 制御部
１２ 操作部
１３ 表示部
１４ 通信部
１５ 記憶部
１５１ 第１データベース
１５２ 第２データベース
１６ 候補検出部

Claims (6)

1. 表示手段と、
   乳房画像に、当該乳房画像のうち医師により指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段と、
   診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する候補検出手段と、
   前記算出された特徴量と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる制御手段と、を備え、
   前記記憶手段は、乳房画像に、当該乳房画像の乳房領域において検出された病変候補の特徴量を対応付けて記憶し、
   前記候補検出手段は、前記診断対象の乳房画像のうち乳房領域において病変候補を検出するとともに、当該病変候補の特徴量を算出し、
   前記制御手段は、前記ユーザの指定領域から検出された病変候補と類似する特徴量に対応する乳房画像が無い場合、前記乳房領域において検出された病変候補と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる画像表示装置。
2. 前記記憶手段は、乳房画像に当該乳房画像から検出された病変候補の位置情報を対応付けて記憶し、
   前記候補検出手段は、前記診断対象の乳房画像を用いて、当該乳房画像から検出された病変候補の位置情報を算出し、
   前記制御手段は、前記算出された位置情報と類似する位置情報に対応する乳房画像を前記記憶手段から取得し、類似症例として表示させる請求項１に記載の画像表示装置。
3. 前記記憶手段は、乳房画像に当該乳房画像を用いて算出された乳腺濃度情報を対応付けて記憶し、
   前記候補検出手段は、前記診断対象の乳房画像を用いて、乳房の乳腺濃度情報を算出し、
   前記制御手段は、前記算出された乳腺濃度情報と類似する乳腺濃度情報に対応する乳房画像を前記記憶手段から取得し、類似症例として表示させる請求項１又は２に記載の画像表示装置。
4. 前記制御手段は、前記記憶手段から取得した乳房画像を、前記候補検出手段による病変候補の検出結果とともに表示させる請求項１〜３の何れか一項に記載の画像表示装置。
5. 診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する第１検出工程と、
   前記診断対象の乳房画像のうち乳房領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する第２検出工程と、
   乳房画像に、当該乳房画像のうちユーザにより指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段から、前記第１検出工程において算出された特徴量と類似する特徴量に対応する乳房画像を取得し、類似症例として表示手段に表示させる第１表示工程と、
   前記第１検出工程においてユーザの指定領域から検出された病変候補と類似する特徴量に対応する乳房画像が無い場合、乳房画像に、当該乳房画像の乳房領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段から、前記第２検出工程において乳房領域から検出された病変候補と類似する特徴量に対応する乳房画像を取得し、類似症例として表示手段に表示させる第２表示工程と、
   を含む画像表示方法。
6. コンピュータを、
   表示手段、
   乳房画像に、当該乳房画像のうちユーザにより指定された指定領域において検出された病変候補の特徴量を対応付けて記憶する記憶手段、
   診断対象の乳房画像のうちユーザにより指定された指定領域において病変候補を検出するとともに、当該病変候補の特徴量を算出する候補検出手段、
   前記算出された特徴量と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させる制御手段、
   として機能させるためのプログラムであって、さらに、
   前記記憶手段が、乳房画像に、当該乳房画像の乳房領域において検出された病変候補の特徴量を対応付けて記憶し、
   前記候補検出手段が、前記診断対象の乳房画像のうち乳房領域において病変候補を検出するとともに、当該病変候補の特徴量を算出し、
   前記制御手段が、前記ユーザの指定領域から検出された病変候補と類似する特徴量に対応する乳房画像が無い場合、前記乳房領域において検出された病変候補と類似する特徴量に対応する乳房画像を前記記憶手段から取得し、類似症例として前記表示手段に表示させるように機能させるためのプログラム。