JP6544648B2 - 骨粗鬆症診断支援装置 - Google Patents

Description

本発明は、エックス線写真を用いて骨粗鬆症の診断を支援する装置に係り、特に、歯科のパノラマエックス線写真（以下、パノラマ画像と略す）により下顎皮質骨の厚み、粗さ、及び／または、形態指標を測定して骨粗鬆症の診断を支援する装置に関する。

歯科治療の分野においては、治療開始時に、歯部の全領域をカバーするパノラマ画像を撮影することが広く行われている。その際に、歯部だけでなく、上下顎骨なども撮影されることになる。近年、この撮影された画像のうちの、下顎骨の部分の画像を用いて、骨粗鬆症の診断を支援することが、行われるようになってきている。

例えば、特許文献１には、歯科のパノラマ画像から、下顎骨の皮質骨部分の内面がスムースなものか、粗造なものであるかを半自動的に識別し、骨粗鬆症の診断を支援する技術思想が開示されている。

また、特許文献２には、歯科のパノラマ画像から、下顎骨の皮質骨部分の厚みを計測し、骨粗鬆症データベースに蓄積されたデータと皮質骨の厚みとを比較して骨粗鬆症の診断を支援する技術思想が開示されている。

また、特許文献３には、歯科のパノラマ画像から、下顎骨の輪郭を検出して、記憶されている輪郭モデルデータと、特に下顎皮質骨の厚みとを比較することによって、骨粗鬆症の診断を支援する技術思想が開示されている。

更に、非特許文献１には、歯科のパノラマ画像から、下顎皮質骨の厚みを自動計測する手法、特に、下顎骨輪郭から垂直な直線の濃淡値プロファイルを取得して、それに基づいて下顎皮質骨の厚みを計測する技術思想が開示されている。

また、特許文献４には、歯科パノラマエックス線画像から、自動的に骨密度変化部位を特定し、骨粗鬆症の診断を支援する技術思想が開示されている。

特許第３９６４７９５号公報 特許第４９５６７４５号公報 国際公開第２０１２／１２８１２１号公報 特開２０１３−１１６２９３号公報

松本拓也、他：歯科パノラマＸ線写真における下顎皮質骨の厚みの自動計測による骨粗鬆症のスクリーニング、電子情報通信学会、２０１２−０１ 吉永幸靖、他：集中度評価法とベクトル集中度フィルタ、ＭEDICAL IMAGING TECHNOLOGY Ｖｏｌ．１９ Ｎｏ．３ Ｍａｙ ２００１、日本医用画像工学会

しかしながら、特許文献１の診断支援方法では、測定精度が不十分であり、測定手段も複雑であるという問題があった。

また、特許文献２の診断支援方法では、下顎骨の皮質骨の外縁及び内縁を定める手段が複雑で、かつ、その精度もよくないという問題があった。

なお、特許文献３及び非特許文献１の方法においても、下顎骨の皮質骨に関する厚みを計測する際に粗造部がある場合の、更なる精度の向上が望まれている。

更に、特許文献４の自動的な骨粗鬆症診断支援方法では、同じ装置で撮影した画像を用いて骨粗鬆症の疑いの有無を判定するのみで、異なる装置で撮影した画像を用いることが困難であり、また、骨粗鬆症の診断に有効な、皮質骨の形態指標（I型、II型、III型）を自動的に識別し分類すること、あるいは骨粗鬆症の疑いを定量的に示すことができないという問題があった。

そこで、上記問題を解決するため、本発明は、歯科のパノラマ画像により下顎皮質骨の厚み、粗さ、及び／または、形態指標を測定して骨粗鬆症の診断を支援する装置において、皮質骨の厚み、粗さ、及び／または、形態指標を、より正確に測定し、骨粗鬆症の診断の支援をより正確にできる装置を提供することを課題とした。

かかる課題を解決するため、本発明では、骨粗鬆症診断支援装置であって、
−下顎皮質骨とその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から、下顎骨輪郭を抽出する輪郭抽出部と、
−前記撮影装置によって撮影された下顎皮質骨の画像から、線分を抽出する線分抽出部と、
−抽出された下顎骨輪郭と線分に基づき、皮質骨の状態を算出する皮質骨状態算出部とを有することを特徴とする。

上記構成に係る骨粗鬆症診断支援装置において、皮質骨状態算出部として、皮質骨の厚みを算出する皮質骨厚み算出部を態様とすることもできる。

更に、本発明では、皮質骨厚み算出部として、線分抽出部において抽出された皮質骨の線分に基づき、皮質骨の厚みを算出する態様とすることもできる。

特に、本発明では、上記構成に係る骨粗鬆症診断支援装置であって、皮質骨厚み算出部として、線分抽出部において抽出された皮質骨の線分に基づき、皮質骨の厚みを算出する態様とすることもできる。

これによれば、抽出された線分から、所定の距離の範囲において所定の条件を満たす位置を皮質骨の内縁とすることで、ノイズなどの影響を排除して、正確に皮質骨の厚みを測定することができ、骨粗鬆症の診断支援に大いに役立つ。

更に、本発明では、上記構成に係る骨粗鬆症診断支援装置であって、皮質骨厚み算出部として、線分抽出部において抽出された皮質骨の線分と粗造部の線分とに基づき、皮質骨の厚みを算出する態様とすることもできる。

これによれば、粗造部に線分が存在した場合でも、皮質骨の内縁を正確に決めることができ、精度よく皮質骨の厚みを測定することができる。

あるいは、本発明では、上記構成に係る骨粗鬆症診断支援装置であって、皮質骨状態算出部として、皮質骨の粗さを算出する皮質骨粗さ算出部を有する態様とすることもできる。

更に、本発明では、上記構成に係る骨粗鬆症診断支援装置であって、皮質骨粗さ算出部として、線分抽出部において抽出された粗造部による線分に基づき、皮質骨の粗さを算出する態様とすることもできる。

これによれば、抽出された粗造部の線分について、その数が多いこと、または、その面積が広いことなどにより、容易に骨粗鬆症の診断の支援が行える。

また、本発明では、上記構成に係る骨粗鬆症診断支援装置であって、線分抽出部として、線集中度フィルタを用いる態様とすることもできる。これによれば、線分の抽出が、容易にかつ正確に行える。

また、本発明では、上記構成に係る骨粗鬆症診断支援装置であって、皮質骨状態算出部における計測基準点の決定に際し、下顎角を検出することを含む態様とすることもできる。これによれば、計測基準点が、簡便な方法でかつ正確に決定できる。

なお、本発明は、上記説明の中の、輪郭抽出部を輪郭抽出手段、線分抽出部を線分抽出手段、皮質骨状態算出部を皮質骨状態算出手段として、
−下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
−前記撮影装置によって撮影された下顎皮質骨の画像から、線分を抽出する線分抽出手段と、
−抽出された下顎骨輪郭及び線分に基づき、皮質骨の状態を算出する皮質骨状態算出手段と
をコンピュータに実行させる骨粗鬆症診断支援プログラムという態様としてもよい。

このようにすれば、装置の構成によらず、プログラムによって本発明を実現することができる。

同様に、上記説明の中の皮質骨厚み算出部を皮質骨厚み算出手段、皮質骨粗さ算出部を皮質骨粗さ算出手段として、それらの手段をコンピュータに実行させる骨粗鬆症診断支援プログラムという態様としてもよい。

また、本発明の別の態様では、骨粗鬆症診断支援装置であって、下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出部と、撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分及び粗造部の線分を含む線分を抽出する線分抽出部と、抽出された下顎骨輪郭、線分の少なくとも１つに基づき特徴量を抽出し、特徴量から、下顎皮質骨形態指標を識別する下顎皮質骨形態指標識別部とを有することを特徴とする。

これによれば、骨粗鬆症の診断を支援するための下顎皮質骨の形態指標である、次のI型からIII型の識別が可能となる。ここで、I型は、両側皮質骨の内側表面はスムースであるもの、II型は、皮質骨の内側表面は不規則となり、内側近傍の皮質骨内部に線状の吸収が見られるもの、III型は、皮質骨全体にわたり、高度な線状の吸収と皮質骨の断裂が見られるものである。

なお、その特徴量としては、
−皮質骨の厚みの特徴量、
−抽出された下顎骨輪郭及び線分に基づき、密度別領域を推定して密と推定された皮質骨領域での線素の画素数、
−密度別領域の推定で、粗と推定された皮質骨領域での線素の画素数、
−密度別領域の推定で、粗と推定された皮質骨領域の面積、
−密度別領域の推定で、密と推定された皮質骨領域と、粗と推定された皮質骨領域とにおける線素の濃度平均値の比、
−密度別領域の推定で、粗と推定された皮質骨領域の０、４５、９０、または、１３５度の分散(Variance)、
−密度別領域の推定で、粗と推定された皮質骨領域の０、４５、９０、または、１３５度の差分散(Difference Variance)、
−密度別領域の推定で、粗と推定された皮質骨領域の４５、９０、または、１３５度の差エントロピー(Difference Entropy)、
−密度別領域の推定で、密及び粗と推定された皮質骨領域全体の０度の逆差分モーメント(Inverse Difference Moment)、
−密度別領域の推定で、密及び粗と推定された皮質骨領域全体の０度の差エントロピー(Difference Entropy)、
−密度別領域の推定で、密及び粗と推定された皮質骨領域全体の０度の差分散(Difference Variance)
のいずれか１つまたは２つ以上を含むことを特徴としてもよい。

これによれば、骨粗鬆症の診断支援に有効な特徴量を選択して、あるいは組み合わせて用いることで、形態指標が精度よく求められる。

なお、下顎皮質骨形態指標識別部が、サポートベクターマシンによる識別部であることを特徴としてもよい。これによれば、多量の特徴量を用いて識別する際にも、効率的に識別ができる。

更に、下顎皮質骨形態指標識別部が、骨密度推定機能を有することを特徴としてもよい。これまで説明した特徴量を使用して、骨密度を定量的に推定することができ、それによって、適切な骨粗鬆症診断の支援を行うことができる。

なお、本発明は、上記説明の中の、輪郭抽出部を輪郭抽出手段、線分抽出部を線分抽出手段、下顎皮質骨形態指標識別部を下顎皮質骨形態指標識別手段として、
−下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
−撮影装置によって撮影された下顎皮質骨の画像から、線分を抽出する線分抽出手段と、
−抽出された下顎骨輪郭、線分の少なくとも１つに基づき特徴量を抽出し、特徴量から、下顎皮質骨形態指標を識別する下顎皮質骨形態指標識別手段と
をコンピュータに実行させる骨粗鬆症診断支援プログラムという態様としてもよい。

このようにすれば、装置の構成によらず、プログラムによって本発明を実現することができる。

本発明に係る骨粗鬆症診断支援装置では、下顎皮質骨の画像から、骨粗鬆症の診断のために有益な情報が求められ、診断の支援に多大な効果を発揮する。特に、先に述べた発明の態様では、粗造部の有無にかかわらず、正確に皮質骨厚みを算出したり、粗造部の粗さを定量的に算出したりすることができ、それによって、骨粗鬆症の診断の支援が容易となる。また、別の発明の態様では、骨粗鬆症の診断に有益な皮質骨の形態に関する指標（I型、II型、III型）が求められ、それにより、骨粗鬆症の診断の支援に役立つ。

本発明の第１の実施形態に係る骨粗鬆症診断支援装置のブロック図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の動作説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置による下顎骨の輪郭の抽出結果をパノラマ画像にオーバーレイ表示した画像の一例である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の計測基準点の説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の画像作成の説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置のプロファイル取得の説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置のプロファイルを用いて作製した画像である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の線集中度フィルタの概要を示した説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の探索線の説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の線集中度フィルタの結果を示す画像である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の尾根線抽出の結果を示す画像である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の尾根線選択前の画像である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の尾根線選択後の画像である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の適切な検索範囲の説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の粗造の尾根線の有無の測定結果への影響を示す説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の濃淡値減少幅を示す説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の動作説明図である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の線集中度フィルタの適用前後を示す画像である。 本発明の第１の実施形態に係る骨粗鬆症診断支援装置の結果画像である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置のブロック図である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置の動作説明図である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置の関心領域の説明図である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置の線状構造の説明図である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置のプロファイル取得の説明図である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置の領域推定の説明図である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置の領域推定の結果を示す説明図である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置の計測基準点を示す説明図である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置の特徴量を示す説明図である。 本発明の第２の実施形態に係る骨粗鬆症診断支援装置の症例の説明図である。

以下、図面を参照し、本発明の第１の実施形態にかかる骨粗鬆症診断支援装置について説明する。なお、以下では本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術によるものとする。

図１は、本発明の第１の実施形態に係る骨粗鬆症診断支援装置のブロック図である。同図に示されるように、骨粗鬆症診断支援装置１は、有線及び／もしくは無線によって互いに接続された、患者等の対象画像を撮影するための撮影装置１０、撮影装置１０で撮影された画像を解析する画像解析装置２０、撮影装置１０で撮影された画像及び画像解析装置２０で得られた情報を表示する表示装置７０を備えて構成される。

画像解析装置２０は、ＣＰＵ３０、メモリー４０、インターフェース５０、６０を備えて構成され、これらは例えば同図のように連接される。メモリー４０は、輪郭抽出部４１、皮質骨厚み算出部４２、皮質骨粗さ算出部４３、線分抽出部４４、及び骨粗鬆症診断支援部４５を備えて構成される。

撮影装置１０のひとつである、パノラマエックス線画像撮影装置は、エックス線により、歯科領域のパノラマ画像を撮影する装置であり、種々のものが実用化されており、これらのいずれをも採用することができる。なお、撮影装置１０としては、パノラマエックス線画像撮影装置に限定されず、通常のエックス線画像撮影装置、ＭＲＩ・ＣＴなどによる画像撮影装置、超音波による画像撮影装置などでもよく、それらの組み合わせであってもよい。得られる画像により、適切な診断支援が行える場合もある。

撮影装置１０としてのパノラマエックス線画像撮影装置によって撮影されたパノラマ画像は、画像解析装置２０へと送られる。画像解析装置２０は、ＣＰＵ３０、メモリー４０、撮影装置１０とのインターフェース５０、後述する表示装置７０とのインターフェース６０などのコンピュータ資源を少なくとも備えてなり、画像の解析を行う。形態としては、近接して設置されるサーバやパーソナルコンピュータ、あるいは、有線及び／もしくは無線で接続された同様の機器、更に、インターネットを利用したクラウドによるコンピュータ資源であってもよい。

表示装置７０は、画像解析装置２０にインターフェース６０を介して接続され、撮影装置１０によって撮影された画像、画像解析装置２０によって抽出された下顎骨の輪郭や線分の画像、画像解析装置２０によって算出された皮質骨の厚みや粗さなどの情報、画像解析装置２０によって得られた骨粗鬆症診断支援の情報などを表示できるようになっている。

画像解析装置２０のメモリー４０に格納されたプログラムとして、輪郭抽出部４１を有する。輪郭抽出部４１は、パノラマ画像から、下顎骨の輪郭を抽出する。下顎骨の輪郭とは、下顎骨の外縁を画す部分である。

また、画像解析装置２０の一部として、皮質骨状態算出部の一つである、皮質骨厚み算出部４２を有する。皮質骨厚み算出部４２は、メモリー内に格納されたプログラムであり、パノラマ画像から、皮質骨の厚みを算出する機能をコンピュータに実行させることができる。

更に、画像解析装置２０の一部として、皮質骨状態算出部の一つである、皮質骨粗さ算出部４３を有する。皮質骨粗さ算出部４３は、メモリー内に格納されたプログラムであり、パノラマ画像から、皮質骨の粗さを算出する機能をコンピュータに実行させることができる。

また、画像解析装置２０の一部として、線分抽出部４４を有する。例えば、線集中度フィルタのような線分抽出部４４は、メモリー内に格納されたプログラムであり、パノラマ画像から線分を抽出する機能をコンピュータに実行させることができる。これは、皮質骨厚み算出部４２の一部として用いられ、また、皮質骨粗さ算出部４３の一部としても用いられる。

なお、皮質骨厚み算出部４２と皮質骨粗さ算出部４３とは、いずれか一方を有していてもよいし、両方を有していてもよい。

更に、画像解析装置２０の一部として、骨粗鬆症診断支援部４５を有し、皮質骨厚み算出部４２や皮質骨粗さ算出部４３の算出結果を、骨粗鬆症診断支援部４５の一部である骨粗鬆症診断支援データベース（図示しない）に記憶されているデータと比較できるようになっている。

ここで、このような構成の骨粗鬆症診断支援装置の作用・動作について説明する。図２は、本発明の第１の実施形態に係る骨粗鬆症診断支援装置の動作説明図である。

＜画像撮影＞（Ｓ１０）
まず、撮影装置１０のひとつである、パノラマエックス線画像撮影装置にて下顎骨及びその周辺の画像を撮影する。

〈輪郭抽出〉（Ｓ２０）
次に、撮影された歯科のパノラマ画像を、画像解析装置２０に入力し、画像解析装置２０の一部である輪郭抽出部４１を用いて、下顎骨の輪郭を抽出する。

具体的には、次のように行う。まず、画像から、Canny法によるエッジ検出を行う。これは、ａ）画像の平滑化、ｂ）エッジ強度及び方向の算出、ｃ）非最大値抑制、ｄ）ヒステリシスしきい値処理の順で行うが、下顎骨とは関係ないエッジの検出を抑制するため、テンプレート型エッジ検出オペレータであるKirsch法を併用する。

更に、エッジ抽出した画像からより正確な１本の線として下顎骨輪郭を抽出するために、動的輪郭モデル法を用いる。ここまでの手法については、特許文献３に詳述されている。図３は、これらの手法を用いて得られる下顎骨の輪郭の抽出結果をパノラマ画像にオーバーレイ表示した画像の一例である。

次に、撮影された画像及び抽出された輪郭を用いて、皮質骨厚みを算出する、皮質骨厚み算出部４２の詳細動作について説明する。図２に示すように、皮質骨厚み算出部４２（ステップＳ３０に係る）は、次のようなステップを実現する機能を含んでいる。
＜計測基準点決定＞（Ｓ３１）
＜プロファイルの取得＞（Ｓ３２）
＜線集中度フィルタによる尾根線抽出＞（Ｓ３３）
＜プロファイル群選択＞（Ｓ３４）
＜厚み測定＞（Ｓ３５）
これらについて、以下に詳述する。なお、その中に示された数値については、好ましい例を挙げたものであるが、これに限定されず、画像の状況、診断支援の精度などに対応して、適宜、選定しうるものである。

＜計測基準点決定＞
下顎骨輪郭から計測基準点を求める。下顎骨の状態（厚みまたは粗さ）を算出するためには、安定して算出ができる、左右両側のオトガイ孔の直下付近の位置を計測基準点とすることが望ましい。

図４は、計測基準点の説明図である。具体的には、次のような手法により、両側の計測基準点Ｘ_Ｌ、Ｘ_Ｒを求める。
ａ）下顎角を検出する。これは、下顎骨の輪郭の接線と鉛直線とがなす角が初めて１５度以下となる地点であり、左右両側に存在する。
ｂ）左右の下顎角の距離Ｙに、所定の係数を掛けた距離を、左右の計測基準点の間の距離とする。ここで、所定の係数は、これまでに蓄積されたデータなどから、オトガイ孔に相当する位置としては好ましくは０．４８とするが、この数値に限定されるものではない。
ｃ）計測基準点間の距離を、下顎骨輪郭の中央部から左右に振り分け、２ヶ所の計測基準点Ｘ_Ｌ、Ｘ_Ｒとする。

ここで、下顎角の検出において、下顎骨の輪郭の接線と鉛直線とがなす角が初めて１５度以下となる地点としたが、下顎骨の検出として、１５度以下に限定されず、２０度以下などの角度であってもよい。また、厳密に下顎角を検出することでなく、下顎角の近傍で計測基準点の決定に有効な地点であればよく、その場合も、上記角度は、１５度に限定されず、それより大（例えば２５度など）であっても、小（例えば１０度など）であってもよい。

なお、計測基準点の決定方法は、この方法に限定されず、特許文献１に記載されているような明暗の強調化によるオトガイ孔の位置検出や、特許文献３に詳述されているような、オトガイ孔に対応する位置を記録した輪郭モデルデータベースと照合して計測基準点を決定する方法であってもよい。

＜プロファイルの取得＞
次に、計測基準点を中心として、その周辺の下顎骨輪郭上で、所定の間隔の複数の点を定め、各点から、下顎骨輪郭に垂直な線を取得し、その垂線上で、所定の間隔での濃淡値を求める。この濃淡値を表したものをプロファイルと呼ぶ。

具体的には、図５の画像作成の説明図のように、左右の計測基準点を中心として、それぞれ、下顎骨輪郭に沿った横幅１０１ｐｉｘ、下顎骨輪郭から垂直方向に縦幅１００ｐｉｘの画像Ｇ_１、Ｇ_２を作成する。ここで１ｐｉｘ＝０．１ｍｍである。

プロファイルの取得は、次のように行われる。図６はプロファイル取得の説明図である。

まず、プロファイル上のノイズを除去するために、プロファイルにガウシアンフィルタを適用する。ガウシアンフィルタは、以下のような式である。

σの値が小さいほど平滑化の効果は小さくなり、大きいほど効果は大きくなる。ここでは、σ＝０．８とするが、画質に応じて値を変更してもよい。

なお、ノイズ除去のためのフィルタとしては、ガウシアンフィルタに限定されず、移動平均法、メディアンフィルタ、バイラテラルフィルタ、異方性拡散フィルタ、非局所平均化フィルタなど、種々のフィルタが考えられ、状況に応じて適用すればよい。

その後の手順は次の通りとなる。
ａ）左右の計算基準点とその周辺の下顎骨輪郭上の１００点とから、計１０１個の垂線上の画素値を求めて画像化する。つまり、使用した輪郭上の点において、輪郭左側からｘ_ｉ番目の点と輪郭から求められるプロファイルの計算開始地点からの距離ｙ_ｉ（ｙ_ｉ＝１〜１００）における画素値とを先に作成した画像上での座標（ｘ_ｉ，ｙ_ｉ）での画素値にすることによって画像を作成する。作成した画像の最下端は下顎骨輪郭、またはプロファイルの計算開始点に対応する。
ｂ）取得したそれぞれのプロファイルのピークの位置を抽出して、画像に対応する箇所の画素値を最大に、すなわち白くする。

ここで、図６の例では、図６の左下図（ｂ）においては、下顎骨輪郭上で向かって左側の計測基準点Ｘ_Ｌから見て、左の末端から１番目の点Ｘ_ＬＬにおけるプロファイルを示しており、測定開始点からの距離２８、５０、６１、７２、８９、９８Ｐｉｘの地点に濃淡値のピークが存在するのがわかる。

また、図６の右下図（ｃ）は、プロファイルのピークを抽出した図であり、これでピークの関連性を観察すれば、抽出したい粗造と皮質骨の濃淡値のピークが画像水平方向に長く連続していることがわかる。つまり、複数のプロファイル上におけるピークの連続性を用いれば、粗造による濃淡値のピークを特定することができる。

＜線集中度フィルタによる尾根線抽出＞
次に、濃度分布によって形成される線分（尾根線と呼ぶ）の抽出のため、プロファイルによって作られた画像に対して線集中度フィルタを適用する手法について説明する。なお、この手法の概要については非特許文献２に開示されている。

ここでは、プロファイル取得の際に説明したａ）のステップまでを実行する。なお、ピーク抽出は行わない。つまり、使用した輪郭上の点において、輪郭左側からｘ_ｉ番目の点と輪郭から求められるプロファイルの計算開始地点からの距離ｙ_ｉ（ｙ_ｉ＝１〜１００）における画素数を作成した画像上での座標（ｘ_ｉ，ｙ_ｉ）での画素値にすることによって図７に示すような画像を作成する。ここで、作成した画像の最下端は下顎骨輪郭またはプロファイルの計算開始点に対応する。

そして、尾根線（濃淡値のピークが長く連続している箇所）抽出のため、プロファイルによって作られた画像に対して線集中度フィルタを適用する。

線集中度フィルタとは、ターゲットとして直線を考えた場合の線検出フィルタである。図８はこの手法における線集中度フィルタの概要を示した説明図であり、中心部分が最も明るく、輝度線が平行に伸びる同図（ａ）に示すような領域がこれらに相当し、この領域を線状凸領域と呼ぶ。その輝度勾配ベクトルの分布は、同図（ｂ）に示すように、向きがすべて中心線に垂直に集中するので、これを線集中ベクトル場と呼び、基本モデルとする。また、ベクトルが集中する線をベクトル集中線と呼ぶ。以下では線に対するベクトルの集中の度合いを線集中度と呼ぶことにする。

図９はこの手法における探索線の説明図である。方向φの直線９０を考え、これをベクトル集中線と仮定する。これと平行な探索線９１、探索線９２を考え、探索線９１、９２で囲まれる両側（Ｒ側とＬ側）に幅Ｗ_ＲまたはＷ_Ｌ、長さｌの矩形領域を考える。この領域内の距離iの探索線上のj画素目の輝度勾配ベクトルとそこからベクトル集中線に対する垂線とがなす角度をθ_ｉｊ（φ）とすると、Ｒ側の評価値Ｃ_Ｒは以下のように定義できる。

ここで、Ｗmaxは最大探索幅である。Ｌ側の評価値Ｃ_Ｌも同様である。仮定した方向φに対する注目点の線集中度は、Ｃ_ＲとＣ_Ｌの平均値とする。本当のベクトル集中線の方向は不明であるから、図９の範囲を目的に応じて分割し、それぞれの方向ごとに集中度を求め、その中の最大値を線集中度フィルタの出力Ｃとする。線集中度フィルタは背景とのコントラストの影響を受けにくく、また線幅の変動にも適応できる。注目点がベクトル集中線上、つまり、輝度を第３軸とした場合の尾根線に相当する部分では出力は最大値１になる。ベクトル集中線から離れるに従って出力は単調減少し、辺縁部では０．５になる。

最大探索幅Ｗmaxを非常に小さくした場合、線集中度フィルタの出力はベクトル集中線上では出力１になるが、ベクトル集中線から離れるに従い急速に小さくなる。この性質を利用すると、細線化や尾根線抽出に相当する処理が実現できる。

線集中度フィルタは、プロファイルによって作られた画像から尾根線抽出を行うために使用する。そして、尾根線抽出を実現するために最大探索幅Ｗmaxを非常に小さくして、線集中度フィルタのパラメータを例えば以下のように設定する。
・最大探索幅Ｗmax＝３［ｐｉｘ］
・幅Ｒ＝８、Ｌ＝８
・仮定する方向 φ＝０度、１５度、３０度、４５度、１３５度、１５０度、１６５度
これは、皮質骨と粗造が画像最下端（画像最下端は下顎骨輪郭に相当する）に対して水平方向にベクトル集中線を持つことから、この角度とするのが好適である。

以上のパラメータを設定し、線集中度フィルタを図７の画像に適用する。図１０は線集中度フィルタの結果を示す説明図であり、これに示すように、画像内の尾根に対応する箇所が強く反応することが認められる。

図１１は尾根線抽出の結果を示す説明図である。尾根を線として抽出するために更に、線集中度フィルタの出力Ｃが０．５０以下の場合（ベクトル集中線に対する垂線となす角度θｉｊ（φ）＞４５度の場合）、出力０とする。最後に細線化と非常に低い値の閾値処理とを行うことによって尾根線となる線を抽出する。

〈尾根線の選択〉
線集中度フィルタを応用することで抽出した尾根線は、皮質骨の濃淡値ピークによって形成される尾根線、粗造の濃淡値ピークによって形成される尾根線、ノイズの３種類に分類されると仮定する。図１１のような尾根線抽出された画像上の線に対し、以下のような方法で分類する。

なお、簡略のため、「皮質骨の濃淡値ピークによって形成される尾根線」を「皮質骨の尾根線」、「粗造の濃淡値ピークによって形成される尾根線」を「粗造の尾根線」と呼ぶこととする。

ａ）ノイズの除去
画像に対して、ｘ軸の幅１５ｐｉｘ未満の線をノイズと判定して削除する。最終的に１５個のプロファイルを用いて測定するため、１５ｐｉｘという値を用いている。
ｂ）皮質骨の尾根線
ノイズの削除後、画像の最も下端に存在する線を皮質骨の尾根線とする。
ｃ）粗造の尾根線
プロファイルにおいて、皮質骨と海綿骨との境界は皮質骨の濃淡値ピークＴｓからＴｅ＋２０［ｐｉｘ］までの地点に存在することが試料データから推測される。よってノイズの削除後、画像において、ｂ）で選択された線からｙ軸上に２０ｐｉｘ以上離れて存在する線は厚み測定には影響を与えないと考え削除する。

また、厚み測定の値に大きなばらつきが発生してしまい厚み測定の信用性が失われることを防ぐため、ｂ）で選択された線とｘ軸上で重なる座標数が１５未満の線も削除する。この値は最終的に厚み測定に使用するプロファイルが１５個であるためである。なお、図１２と図１３は尾根線の選択が行われる前後の画像である。

＜最適なプロファイル群の選択＞
その後、下顎皮質骨の厚み測定に最も有効と思われるプロファイル群を選択する。厚み測定を行う皮質骨領域に粗造が存在する場合、先に抽出された皮質骨及び粗造の尾根線を用いて、取得されるプロファイル上で多数存在するピークの中から皮質骨と粗造の濃淡値のピークを選択することができる。つまり、図１４の適切な検索範囲の説明図に示すように、皮質骨の尾根線Ｌ_Ａと粗造の尾根線Ｌ_Ｂを用いて、プロファイル上の検索範囲Ｚの開始時点Ｔｓ及び終了時点Ｔｅをプロファイルごとに適した位置に動的に変化させることができ、精度が高く厚み測定が可能となる。なお、図１４右図（ｂ）の横軸は、測定開始点からの距離［ｐｉｘ］、縦軸は濃淡値を示す。

さらに、検索範囲が粗造の濃淡値によるピークまでとなるため、皮質骨と海綿骨との境界が鮮明な箇所に位置するプロファイルを選択することが可能となる。

以下に、検索範囲の動的決定法と下顎皮質骨の厚みに最良なプロファイル群の選択方法についての詳細を示す。

ａ）抽出された皮質骨の尾根線が存在するプロファイルのみ使用する
皮質骨の尾根線が存在しないｘ軸がある、つまり、そのｘ軸に対応するプロファイルは皮質骨の濃淡値ピークが安定して形成されていないと考えられるため、皮質骨の厚み測定に適さないとし使用しない。

ｂ）プロファイルごとの検索範囲の決定方法
画像に抽出された皮質骨の尾根線が存在するプロファイルのみを厚み測定に使用する。検索範囲の決定方法は以下のように決められる。
ｂ−１）プロファイル上に粗造の尾根線に対応する地点がある場合は、求めた尾根線を用いて、検索開始地点Ｔｓは皮質骨の濃淡値ピーク、検索終了地点Ｔｅは粗造の濃淡値のピークとする。
ｂ−２）プロファイル上に粗造の尾根線に対応する地点がない場合は、求めた尾根線を用いて、検索開始地点Ｔｓは皮質骨の濃淡値ピーク、検索終了地点ＴｅはＴｓ＋２０ｐｉｘとする。

ｃ）最良なプロファイルの選択
最良な隣接する１５個のプロファイルを求めるために、粗造の尾根線の有無によって最良なプロファイルの候補を絞る。そして、検索範囲の減少幅を用いて最良な１５個の隣接したプロファイルを見つけるという手法を用いる。最良なプロファイルの選択のための手法の詳細を以下に示す。

ｃ−１）粗造の尾根線の有無による最良なプロファイルの候補選択
画像上に粗造の尾根線が存在する場合は、プロファイル上に粗造の濃淡値ピークによる尾根線に対応するピークが存在する場合、そのプロファイルを最良なプロファイルの候補群とし、存在しないプロファイルは最良なプロファイルの候補から除外する。
画像上に粗造の尾根線が存在しない場合は、最良なプロファイルの候補を絞るということはせず、抽出した皮質骨の濃淡値ピークが存在するプロファイルすべてが候補となる。
図１５は粗造の尾根線の有無の測定結果への影響を示す説明図であり、厚み測定に際し、粗造の尾根線の存在しないプロファイルＰ_Ｂを用いた測定結果Ｒ_Ｂよりも、粗造の尾根線が存在するプロファイルＰ_Ａを用いた測定結果Ｒ_Ａの方が、より安定した測定結果が得られる。

ｃ−２）検索範囲の減少幅を用いた最良の１５本の決定
最後に、「粗造の尾根線の有無による最良なプロファイルの候補選択」によって選ばれたプロファイルに対し、検索開始点Ｔｓでの濃淡値と検索範囲の最小の濃淡値との減少幅を求める。図１６は濃淡値減少幅を示す説明図であり、同図左図（ａ）に示すＴｓ−Ｔｅ間の減少幅Ｄは、同図右図（ｂ）に示すように皮質骨と海綿骨との境界の明瞭さを表しており、減少幅が大きいプロファイルを選ぶということは皮質骨の厚み測定に適するプロファイルを選ぶと同意である。よって、「粗造の尾根線の有無による最良なプロファイルの候補選択」の次に、さらに隣接する１５個のプロファイルの減少幅の合計ΣＤが最大となるプロファイル群を選ぶことで、最良なプロファイルの選択を実現する。

＜皮質骨の厚みの計測＞
最後に、選択されたプロファイル群を用いて厚み測定を行う。
上の手法により求めた、最良な隣接する１５個のプロファイルと、動的な検索範囲を用いて、次に述べるプロファイルの傾きを用いた皮質骨と海綿骨の境界設定を行うことで皮質骨の厚み測定を行う。

プロファイルの傾きを用いた皮質骨の厚み測定とは、計測開始点からの各点でのプロファイルの傾き（Ａ_１、Ａ_２、・・Ａ_１５）を求め、濃淡値が減少している傾きのみを用いて計算される平均値Ａaveを求める。続いてＡｉ＜Ａaveの条件を満たすＴｓに最も近い点Ｔresultを決定し、計測開始点からＴresultまでの距離を皮質骨の厚みとするものである。

この皮質骨の厚みを、表示装置７０に表示して、医師による骨粗鬆症の診断の支援に供したり、あるいは、骨粗鬆症診断支援部５０の一部である骨粗鬆症診断支援データベースに記憶されているデータと比較することにより、骨粗鬆症の進行の度合いを判定することができ、骨粗鬆症の診断の支援を行うことができる。

次に、皮質骨粗さ算出部４３の詳細動作について説明する。図１７に示すように、皮質骨粗さ算出部４３（ステップＳ４０に係る）は、次のようなステップを実現する機能を含んでいる。
＜計測基準点決定＞（Ｓ４１）
＜プロファイルの取得＞（Ｓ４２）
＜線集中度フィルタによる線分抽出＞（Ｓ４３）
＜線分の面積算出＞（Ｓ４４）
＜粗さ測定＞（Ｓ４５）
これらについて、以下に詳述する。なお、その中に示された数値については、好ましい例を挙げたものであるが、これに限定されず、画像の状況、診断支援の精度などに対応して、適宜、選定しうるものである。

計測基準点決定、プロファイルの取得までは、皮質骨厚み算出部４２と同様の手法による。

＜線集中度フィルタによる線分抽出＞
線集中度フィルタの適用に際しては、粗さ算出の場合も、厚み算出の場合と同様に、線集中度フィルタの出力Ｃが０．５０以下の場合、出力をＣ＝０とする。なお、粗さ検出の場合には、画像の状況などを考慮して、この閾値を小さくするなどの変更を加えることも可能である。

＜線分の面積算出＞
図１８は、線集中度フィルタの適用前後を示した画像であり、同図左図（ａ）が適用前の画像であり、同図右図（ｂ）が適用後で、Ｃ＜０．５０をＣ＝０、Ｃ＞＝０．５０をＣ＝１とし、２値化した画像である。線集中度フィルタ適用後、Ｃ＝０．５０を閾値として作成された画像を２値化し構成した画像の正画素の合計を算出する。ＲＯＩ（関心領域）は左右に２つ存在するため、結果は左右の正画素数の平均としてもよいし、左右の正画素数の最小値としてもよい。

＜粗さ測定＞
この数の多寡により、皮質骨の粗さの度合いを判定する。図１９は、結果画像の例であり、（ａ）が粗造が多く、骨粗鬆症が疑われる例、（ｂ）が粗造が全くない正常と思われる例である。

この皮質骨の粗さ情報を、表示装置７０に表示して、医師による骨粗鬆症の診断の支援に供したり、あるいは、骨粗鬆症診断支援部４５の一部である骨粗鬆症診断支援データベースに記憶されているデータと比較することにより、骨粗鬆症の進行の度合いを判定することができ、骨粗鬆症の診断の支援を行うことができる。

なお、これまで説明した皮質骨厚み算出部４２と皮質骨粗さ算出部４３とは、単独で用いてもよいし、併用してもよい。

また、皮質骨状態算出部として、皮質骨粗造算出部を設けてもよい。皮質骨の内部または外部に粗造による線分が存在するかどうかによって、概略の骨粗鬆症の診断を支援することも可能である。

次に、本発明の別の態様における第２の実施形態に係る骨粗鬆症診断支援装置について説明する。なお、以下では本発明の目的を達成するための説明に必要な範囲を模式的に示し、本発明の該当部分の説明に必要な範囲を主に説明することとし、説明を省略する箇所については公知技術によるものとする。

図２０は、本発明の第２の実施形態に係る骨粗鬆症診断支援装置のブロック図である。同図に示されるように、骨粗鬆症診断支援装置１００は、有線及び／もしくは無線によって互いに接続された、患者等の対象画像を撮影するための撮影装置１１０、撮影装置１１０で撮影された画像を解析する画像解析装置１２０、撮影装置１１０で撮影された画像及び画像解析装置１２０で得られた情報を表示する表示装置１７０を備えて構成される。

画像解析装置１２０は、ＣＰＵ１３０、メモリー１４０、インターフェース１５０、１６０を備えて構成され、これらは例えば同図のように連接される。メモリー１４０は、輪郭抽出部１４１、線分抽出部１４４、下顎皮質骨形態指標識別部１４６及び骨粗鬆症診断支援部１４５を備えて構成される。

撮影装置１１０のひとつである、パノラマエックス線画像撮影装置は、エックス線により、歯科領域のパノラマ画像を撮影する装置であり、種々のものが実用化されており、これらのいずれをも採用することができる。なお、撮影装置１１０としては、パノラマエックス線画像撮影装置に限定されず、通常のエックス線画像撮影装置、ＭＲＩ・ＣＴなどによる画像撮影装置、超音波による画像撮影装置などでもよく、それらの組み合わせであってもよい。得られる画像により、適切な診断支援が行える場合もある。

撮影装置１１０としてのパノラマエックス線画像撮影装置によって撮影されたパノラマ画像は、画像解析装置１２０へと送られる。画像解析装置１２０は、ＣＰＵ１３０、メモリー１４０、撮影装置１１０とのインターフェース１５０、後述する表示装置１７０とのインターフェース１６０などのコンピュータ資源を少なくとも備えてなり、画像の解析を行う。形態としては、近接して設置されるサーバやパーソナルコンピュータ、あるいは、有線及び／もしくは無線で接続された同様の機器、更に、インターネットを利用したクラウドによるコンピュータ資源であってもよい。

表示装置１７０は、画像解析装置１２０にインターフェース１６０を介して接続され、撮影装置１１０によって撮影された画像、画像解析装置１２０によって抽出された下顎骨の輪郭や線分の画像、画像解析装置１２０によって識別された下顎皮質骨の形態指標などの情報、画像解析装置１２０によって得られた骨粗鬆症診断支援の情報などを表示できるようになっている。

画像解析装置１２０のメモリー１４０に格納されたプログラムとして、輪郭抽出部１４１を有する。輪郭抽出部１４１は、パノラマ画像から、下顎骨の輪郭を抽出する。下顎骨の輪郭とは、下顎骨の外縁を画す部分である。

また、画像解析装置１２０の一部として、線分抽出部１４４を有する。例えば、線集中度フィルタのような線分抽出部１４４は、メモリー１４０内に格納されたプログラムであり、パノラマ画像から線分を抽出する機能をコンピュータに実行させることができる。

また、画像解析装置１２０の一部として、下顎皮質骨形態指標識別部１４６を有する。下顎皮質骨形態指標識別部１４６も、メモリー１４０内に格納されたプログラムであり、輪郭抽出部１４１、線分抽出部１４４のいずれか、または両方の結果に基き、下顎皮質骨の形態指標を識別する。

更に、画像解析装置１２０の一部として、骨粗鬆症診断支援部１４５を有し、下顎皮質骨形態指標識別部１４６の識別結果を、骨粗鬆症診断支援部１４５の一部である骨粗鬆症診断支援データベース（図示しない）に記憶されているデータと比較できるようになっている。

ここで、このような構成の骨粗鬆症診断支援装置の作用・動作について説明する。図２１は、本発明の第２の実施形態に係る骨粗鬆症診断支援装置の動作説明図である。

＜画像入力＞（Ｓ１１０）
まず、撮影装置１１０のひとつである、パノラマエックス線画像撮影装置にて下顎骨及びその周辺の画像を撮影し、入力する。ここは、第１の実施形態の画像撮影と同内容である。

＜輪郭追跡＞（Ｓ１２０）
次に、撮影された歯科のパノラマ画像を、画像解析装置１２０に入力し、画像解析装置１２０の一部である輪郭抽出部１４１を用いて、下顎骨の輪郭を追跡する。ここは、第１の実施形態の輪郭抽出と同内容である。

＜関心領域設定＞（Ｓ１３０）
次に、撮影された画像及び抽出された輪郭を用いて、下顎皮質骨形態指標識別部１４６において、まず、皮質骨が含まれる関心領域(ROI)を設定する。ここは、第１の実施形態の、計測基準点決定、プロファイルの取得と同内容であるが、下顎皮質骨形態指標の識別に適するように、関心領域のサイズを拡大している。すなわち、左右の計測基準点を中心として、それぞれ、下顎骨輪郭に沿った横幅１５１ピクセル（ｐｉｘ）（計測基準点から正中方向に５０ｐｉｘ、逆方向に１００ｐｉｘ）、下顎骨輪郭から垂直方向に縦幅１００ｐｉｘの領域を関心領域として設定する。図２２に関心領域の設定についての説明図を示す。なお、1ｐｉｘの縦横はそれぞれ0.1mmに相当する。

＜線状構造抽出＞（Ｓ１４０）
引き続き下顎皮質骨形態指標識別部１４６において、設定した関心領域について、線集中度フィルタを用いて、線状構造（骨吸収によって形成された線状の像）及び密な皮質骨部の濃淡値ピークから構成される線を抽出する。具体的には、第１の実施形態に述べられたように、線集中度フィルタによって尾根線を抽出し、更に細線化とノイズ除去を行い、皮質骨の濃淡値ピークによって形成される尾根線（皮質骨の尾根線）、粗造の濃淡値ピークによって形成される尾根線（粗造の尾根線）を検出する。図２３に線集中度フィルタ適用後の線状構造の画像を示す。

＜密度別領域推定＞（Ｓ１５０）
次に、下顎皮質骨形態指標識別部１４６において、最下端（下顎骨輪郭側）に存在する線を密な皮質骨部の濃淡値ピークから構成される線とし、この線の上端までを密な皮質骨部の領域と推定する。また、関心領域の下端から垂直に100ｐｉｘのプロファイルを151個取得する。図２４は1個のプロファイルの取得の方法を示しており、同図（ａ）のように100ｐｉｘのプロファイルを取得し、同図（ｂ）のように縦軸を濃淡度、横軸を関心領域下端、すなわち輪郭からの距離としてグラフ表示する。そして、図２５に示すように、それぞれのオリジナルのプロファイルＯｒに対する3次多項式近似曲線Ａｐを取得し、この曲線Ａｐの変曲点Ａｎを皮質骨全体CBと海綿骨の境界線と推定する。そして、先に推定した密な皮質骨部DCBの領域を除く、皮質骨全体と海綿骨の境界線までの領域を粗な皮質骨部SCBの領域と推定する。図２６にはこのようにして推定した関心領域における密粗な領域部（図中の一点鎖線で境界を示す）の推定結果を示す。

＜特徴量抽出＞（Ｓ１６０）
次に、下顎皮質骨形態指標識別部１４６において、形態指標（I型、II型、III型）を識別するための特徴量を抽出する。特徴量としては、以下の５種を用いる。
(1)厚みの特徴量
(2)密な皮質骨領域における線素の画素数
(3)粗な皮質骨領域における線素の画素数
(4)粗な皮質骨領域の面積
(5)各領域における線素の濃度平均値の比
ここで、厚みの特徴量は、皮質骨の総合的な厚みを求めるために下顎骨左右に３点、計６点の計測基準点を設定する．図２７に示すように、まず、左右に1ヵ所ずつ計測基準点L1、R1を設定し、その計測基準点から下顎骨輪郭に沿って両側に１０１ｐｉｘ間隔で新たに2つの計測基準点L2、L3、R2、R3を設定する。各計測基準点から、第1の実施形態における皮質骨厚み算出部４２と同等の機能を下顎皮質骨形態指標識別部１４６に内蔵しておき、これを用いて皮質骨厚みの計測を行い、更に、エラー値を考慮して、６つの計測値から最小値と最大値を除いた４ヵ所の計測結果の平均値を厚みの特徴量とする 。

次に、(2)から(4)の特徴量は、密度別領域推定で生成した図を用いて算出する。具体的には図２８に示すように、(2)密な皮質骨領域における線素の画素数、(3)粗な皮質骨領域における線素の画素数、及び(4)粗な皮質骨領域の面積が求められる。

次に、(5)の特徴量は、密粗それぞれの領域での線素の濃度平均値の比であり、例えば、密な皮質骨領域における線素が存在する画素の濃度平均値が3453、粗な皮質骨領域における同様な濃度平均値が3212ならば、その濃度平均値の比は0.93(3212/3453)となる。

ここで、粗な皮質骨領域の面積は、粗造化の度合いによって粗な領域の面積に差が現れるため、形態指標（I型、II型、III型）を識別するための特徴量として、特に有効と考えられる。

＜皮質骨形態指標識別＞（Ｓ１７０）
次に、下顎皮質骨形態指標識別部１４６において、これらの特徴量から、皮質骨の形態を識別する。この識別には、「教師あり学習」を用いる識別手法の一つであるサポートベクターマシン（ＳＶＭ）を用いる。ＳＶＭは、最も優れた識別性能を有する学習モデルの1つである。

具体的には、図２９に示すように、例えば６３の症例（学習サンプル）について、(1)から(5)の特徴量が求められており、それらの症例が、医師の診断により、I型、II型、III型の形態指標に分類されていた場合に、ここにＳＶＭを適用することによって、それらの特徴量からマージンが最大化された分離超平面を求めることができ、それによって、新規症例（未学習サンプル）の形態指標を精度高く識別することができる。

なお、これまでの説明で、皮質骨の形態の識別には、「教師あり学習」を用いる識別手法の一つであるサポートベクターマシン（ＳＶＭ）を用いるとしたが、ＳＶＭによらず、例えば、Random Forest、Boosting、Neural Networkなどの他の識別手法を用いてもよく、多量の特徴量から、形態指標の識別が適切に行えるものであればどのようなものでもよい。

＜識別結果の提示＞（Ｓ１８０）
最後に、形態指標の識別（分類）結果を表示装置１７０に提示するとともに、骨粗鬆症診断支援部１４５によって、骨粗鬆症に関する医師の診断を支援する。

なお、これまでの説明で、特徴量は５個としたが、５個すべてではなく、そのうちの１つまたは２つ以上の特徴量を用いてもよく、更に、識別の精度を向上するために、特徴量を追加することも有効である。

特に、テクスチャ解析を用いる手法があり、それに基づき、次の項目の組合せからなる８８種（角度別４×関心領域２×種類１１）の特徴量を抽出した。
−距離 ５pixels
−角度別 ０度、４５度、９０度、１３５度 （濃度共起行列を作成するときの角度）
−関心領域 皮質骨全体、粗な皮質骨領域のみ
−種類
コントラスト(Contrast)、相関(Correlation)、分散(Variance)、エントロピー(Entropy)、和エントロピー(Sum Entropy)、逆差分モーメント(Inverse Difference Moment)、和平均(Sum Average)、和分散(Sum Variance)、差分散(Difference Variance)、差エントロピー(Difference Entropy) 、2次モーメント（Angular Second
Moment)

これらの有効性を、骨密度との相関係数を求めて判定した結果、次の１４個の特徴量が有効であることが判明した。
−粗な皮質骨領域の０、４５、９０、または、１３５度の分散(Variance)、
−粗な皮質骨領域の０、４５、９０、または、１３５度の差分散(Difference Variance)、
−粗な皮質骨領域の４５、９０、または、１３５度の差エントロピー(Difference Entropy)、
−皮質骨領域全体の０度の逆差分モーメント(Inverse Difference Moment)、
−皮質骨領域全体の０度の差エントロピー(Difference Entropy)、
−皮質骨領域全体の０度の差分散(Difference Variance)

従って、先に述べた皮質骨形態指標識別のステップにおいて、先の５個に加えて、あるいは、先の５個の代わりに、これら１４個の特徴量の全て、あるいはいずれか１つまたは２つ以上を用いることとしてもよい。これにより、識別の精度が向上することが期待できる。

また、これまでの説明では、皮質骨の形態指標としては、I型、II型、III型の分類であったが、それに代えて、骨密度を推定するようにしてもよい。

具体的には、学習サンプルとして、形態指標識別に用いた先の５個の特徴量とこの１４個の特徴量の全て、あるいはいずれか１つまたは２つ以上と、既存のＤＸＡなどの骨密度計測法により計測した骨密度に関し、ＳＶＭを適用し、Leave-one-outを用いて回帰分析を行ったところ、信頼度の高い相関が認められた。これを用いて、新規症例（未学習サンプル）について高い信頼度で骨密度を推定することができる。これによれば、具体的な数値としての骨密度が推定できるため、医師による骨粗鬆症診断の支援に大いに役立つこととなる。

１ 骨粗鬆症診断支援装置
１０ 撮影装置
２０ 画像解析装置
３０ ＣＰＵ
４０ メモリー
４１ 輪郭抽出部
４２ 皮質骨厚み算出部
４３ 皮質骨粗さ抽出部
４４ 線分抽出部
４５ 骨粗鬆症診断支援部
５０ インターフェース
６０ インターフェース
７０ 表示装置
１００ 骨粗鬆症診断支援装置
１１０ 撮影装置
１２０ 画像解析装置
１３０ ＣＰＵ
１４０ メモリー
１４１ 輪郭抽出部
１４４ 線分抽出部
１４５ 骨粗鬆症診断支援部
１４６ 下顎皮質骨形態指標識別部
１５０ インターフェース
１６０ インターフェース
１７０ 表示装置

Claims (16)

1. 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出部と、
   前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分を含む線分を抽出する線分抽出部と、
   前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の厚みを算出する皮質骨厚み算出部と
   を有する骨粗鬆症診断支援装置であって、
   皮質骨厚み算出部においては、前記輪郭抽出部で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出部において抽出された皮質骨の線分について尾根線が存在する前記濃淡値情報のみを対象として該濃淡値情報ごとの検索範囲を決定し、最適な濃淡値情報の候補を選択し、該選択された最適な濃淡値情報の候補に対し、前記検索範囲の開始点での濃淡値と前記検索範囲の最小の濃淡値との減少幅を求め、前記選択された最適な濃淡値情報の候補に隣接する所定個数の濃淡値情報の減少幅の合計が最大となる濃淡値情報を選ぶことで、最適な前記濃淡値情報の群を選定することによって、前記選定された最適な濃淡値情報の群から皮質骨の厚みを算出することを特徴とする骨粗鬆症診断支援装置。
2. 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出部と、
   前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分及び粗造部の線分を含む線分を抽出する線分抽出部と、
   前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の厚みを算出する皮質骨厚み算出部と
   を有する骨粗鬆症診断支援装置であって、
   皮質骨厚み算出部においては、前記輪郭抽出部で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出部において抽出された皮質骨の線分及び粗造部の線分について尾根線が存在する前記濃淡値情報のみを対象として該濃淡値情報ごとの検索範囲を決定し、最適な濃淡値情報の候補を選択し、該選択された最適な濃淡値情報の候補に対し、前記検索範囲の開始点での濃淡値と前記検索範囲の最小の濃淡値との減少幅を求め、前記選択された最適な濃淡値情報の候補に隣接する所定個数の濃淡値情報の減少幅の合計が最大となる濃淡値情報を選ぶことで、最適な前記濃淡値情報の群を選定することによって、前記選定された最適な濃淡値情報の群から皮質骨の厚みを算出することを特徴とする骨粗鬆症診断支援装置。
3. 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出部と、
   前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって粗造部の線分を含む線分を抽出する線分抽出部と、
   前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の粗さを算出する皮質骨粗さ算出部と
   を有する骨粗鬆症診断支援装置であって、
   皮質骨粗さ算出部においては、前記輪郭抽出部で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出部において抽出された粗造部の線分の面積を算出することによって、皮質骨の粗さを算出することを特徴とする骨粗鬆症診断支援装置。
4. 前記線分抽出部は、前記線分を抽出するにおいて線集中度フィルタを用いることを特徴とする請求項１乃至３のうち１項記載の骨粗鬆症診断支援装置。
5. 前記皮質骨厚み算出部における計測基準点の決定に際し、下顎角を検出することを含むことを特徴とする請求項１もしくは２記載の骨粗鬆症診断支援装置。
6. 前記皮質骨粗さ算出部における計測基準点の決定に際し、下顎角を検出することを含むことを特徴とする請求項３記載の骨粗鬆症診断支援装置。
7. 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
   前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分を含む線分を抽出する線分抽出手段と、
   前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の厚みを算出する皮質骨厚み算出手段と
   をコンピュータに実行させる骨粗鬆症診断支援プログラムであって、該骨粗鬆症診断支援プログラムは、
   皮質骨厚み算出手段において、前記輪郭抽出手段で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出手段において抽出された皮質骨の線分について尾根線が存在する前記濃淡値情報のみを対象として該濃淡値情報ごとの検索範囲を決定し、最適な濃淡値情報の候補を選択し、該選択された最適な濃淡値情報の候補に対し、前記検索範囲の開始点での濃淡値と前記検索範囲の最小の濃淡値との減少幅を求め、前記選択された最適な濃淡値情報の候補に隣接する所定個数の濃淡値情報の減少幅の合計が最大となる濃淡値情報を選ぶことで、最適な前記濃淡値情報の群を選定することによって、前記選定された最適な濃淡値情報の群から皮質骨の厚みを算出することを特徴とする骨粗鬆症診断支援プログラム。
8. 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
   前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分及び粗造部の線分を含む線分を抽出する線分抽出手段と、
   前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の厚みを算出する皮質骨厚み算出手段と
   をコンピュータに実行させる骨粗鬆症診断支援プログラムであって、該骨粗鬆症診断支援プログラムは、
   皮質骨厚み算出手段において、前記輪郭抽出手段で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出手段において抽出された皮質骨の線分及び粗造部の線分について尾根線が存在する前記濃淡値情報のみを対象として該濃淡値情報ごとの検索範囲を決定し、最適な濃淡値情報の候補を選択し、該選択された最適な濃淡値情報の候補に対し、前記検索範囲の開始点での濃淡値と前記検索範囲の最小の濃淡値との減少幅を求め、前記選択された最適な濃淡値情報の候補に隣接する所定個数の濃淡値情報の減少幅の合計が最大となる濃淡値情報を選ぶことで、最適な前記濃淡値情報の群を選定することによって、前記選定された最適な濃淡値情報の群から皮質骨の厚みを算出することを特徴とする骨粗鬆症診断支援プログラム。
9. 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
   前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって粗造部の線分を含む線分を抽出する線分抽出手段と、
   前記抽出された下顎骨輪郭及び線分に基づき、皮質骨の粗さを算出する皮質骨粗さ算出手段と
   をコンピュータに実行させる骨粗鬆症診断支援プログラムであって、該骨粗鬆症診断支援プログラムは、
   皮質骨粗さ算出手段において、前記輪郭抽出手段で抽出された下顎骨輪郭から計測基準点を決定し、前記決定された計測基準点から濃淡値情報を取得し、前記線分抽出手段において抽出された粗造部の線分の面積を算出することによって、皮質骨の粗さを算出することを特徴とする骨粗鬆症診断支援プログラム。
10. 前記線分抽出手段は、前記線分を抽出するにおいて線集中度フィルタを用いることを特徴とする請求項７乃至９のうち１項に記載の骨粗鬆症診断支援プログラム。
11. 前記皮質骨厚み算出手段における計測基準点の決定に際し、下顎角を検出することを含むことを特徴とする請求項７もしくは８記載の骨粗鬆症診断支援プログラム。
12. 前記皮質骨粗さ算出手段における計測基準点の決定に際し、下顎角を検出することを含むことを特徴とする請求項９記載の骨粗鬆症診断支援プログラム。
13. 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出部と、
    前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分及び粗造部の線分を含む線分を抽出する線分抽出部と、
    前記抽出された下顎骨輪郭及び線分に基づき特徴量を抽出し、前記特徴量から、下顎皮質骨形態指標を識別する、骨密度推定機能を備えた下顎皮質骨形態指標識別部と
    を有することを特徴とする骨粗鬆症診断支援装置。
14. 前記特徴量が、
    −皮質骨の厚みの特徴量、
    −前記抽出された下顎骨輪郭及び線分に基づき、密度別領域を推定して密と推定された皮質骨領域での線素の画素数、
    −前記密度別領域の推定で、粗と推定された皮質骨領域での線素の画素数、
    −前記密度別領域の推定で、粗と推定された皮質骨領域の面積、
    −前記密度別領域の推定で、密と推定された皮質骨領域と、粗と推定された皮質骨領域とにおける線素の濃度平均値の比、
    −前記密度別領域の推定で、粗と推定された皮質骨領域の分散(Variance)、
    −前記密度別領域の推定で、粗と推定された皮質骨領域の差分散(Difference Variance)、
    −前記密度別領域の推定で、粗と推定された皮質骨領域の差エントロピー(Difference Entropy)、
    −前記密度別領域の推定で、密及び粗と推定された皮質骨領域全体の逆差分モーメント(Inverse Difference Moment)、
    −前記密度別領域の推定で、密及び粗と推定された皮質骨領域全体の差エントロピー(Difference Entropy)、
    −前記密度別領域の推定で、密及び粗と推定された皮質骨領域全体の差分散(Difference Variance)
    のいずれか１つまたは２つ以上を含むことを特徴とする請求項１３に記載の骨粗鬆症診断支援装置。
15. 前記下顎皮質骨形態指標識別部が、サポートベクターマシンによる識別部であることを特徴とする請求項１３に記載の骨粗鬆症診断支援装置。
16. 下顎皮質骨及びその周囲を撮影する撮影装置によって撮影された下顎皮質骨の画像から下顎骨輪郭を抽出する輪郭抽出手段と、
    前記撮影装置によって撮影された下顎皮質骨の画像から、濃淡分布によって形成される線分であって皮質骨の線分及び粗造部の線分を含む線分を抽出する線分抽出手段と、
    前記抽出された下顎骨輪郭及び線分に基づき特徴量を抽出し、前記特徴量から、下顎皮質骨形態指標を識別する、骨密度推定機能を備えた下顎皮質骨形態指標識別手段と
    をコンピュータに実行させることを特徴とする骨粗鬆症診断支援プログラム。