JP6792364B2 - 画像処理装置、画像処理システム、画像処理方法、およびプログラム - Google Patents

Description

本発明は、画像処理装置、画像処理システム、画像処理方法、およびプログラムに関するものである。

近年、医療現場ではコンピュータ断層撮影（ＣＴ）画像、核磁気共鳴（ＭＲ）画像など多くの医用画像が活用されるようになってきている。それに伴い、医師が数百枚の医用画像をもとに診断を行ったり、治療方針を検討したりする、いわゆる読影と呼ばれる作業の負荷が増加している。そこで、コンピュータで医用画像を解析して得られる情報を診断の助けとするコンピュータ診断支援（Computer Aided Diagnosis： ＣＡＤ）に関する技術への期待が高まっている。かかる技術においては、まず、医師が注目する領域（臓器や病変部など）を精度よく抽出することが要望される。

非特許文献１には、入力画像から注目領域に含まれる基準点を探索し、基準点から領域拡張処理を行うことにより、再現性の高い領域抽出を行う技術が開示されている。また、非特許文献２には、複数のアルゴリズムによる注目領域の抽出結果をそれぞれ統合することにより、領域の抽出を行う技術が開示されている。

Ｄ．Ｊａｍｓｈｉｄ，Ａ．Ｈａｍｄａｎ，Ｖ．Ｍａｎｌｉｏ，Ｙ．Ｘｕｊｉｏｎｇ，"Ｓｅｇｍｅｎｔａｔｉｏｎ ｏｆ Ｐｕｌｍｏｎａｒｙ Ｎｏｄｕｌｅｓ ｉｎ Ｔｈｏｒａｃｉｃ ＣＴ ｓｃａｎｓ：Ａ Ｒｅｇｉｏｎ Ｇｒｏｗｉｎｇ Ａｐｐｒｏａｃｈ"，ＩＥＥＥ Ｍｅｄ．Ｉｍａｇ．，Ｖｏｌ．２７（４），ｐｐ．４６７−４８０，２００８． Ｇ．Ｌｉｔｊｅｎｓ，Ｗ．Ｖｅｎ．Ｖａｎ ｄｅ，ｅｔ ａｌ．，"Ｅｖａｌｕａｔｉｏｎ ｏｆ ｐｒｏｓｔａｔｅ ｓｅｇｍｅｎｔａｔｉｏｎ ａｌｇｏｒｉｔｈｍｅｓ ｆｏｒ ＭＲＩ：ｔｈｅ ＰＲＯＭＩＳＥ１２ ｃｈａｌｌｅｎｇｅ"， Med．Image．Anal．，Ｖｏｌ．18(2)，ｐｐ．３５９−３７３，２０１４．

非特許文献１では、抽出アルゴリズムにより基準点を探索することにより領域抽出の再現性は高まるが、探索された一つの基準点を用いるだけでは良好な領域抽出結果が得られるとは限らず、領域抽出精度にばらつきが生じ得る。また、非特許文献２では、複数のアルゴリズムのそれぞれの設計方針に統一性がなく、領域抽出の再現性を考慮しないアルゴリズムも混ざっている。このため、各アルゴリズムによる注目領域の抽出結果を統合した場合、領域抽出の再現性は低くなり得る。

本発明は上記課題に鑑みてなされたものであり、画像から対象物の領域を再現性よく、かつ高精度に抽出することが可能な画像処理技術を提供することを目的とする。

上記目的を達成するための、本発明の一態様に係る画像処理装置は、画像から一つの対象物領域を抽出する画像処理装置であって、前記画像において、前記一つの対象物領域内に複数の基準点を設定する設定手段と、前記一つの対象物領域が有する特性に基づいて、前記一つの対象物領域に対して前記複数の基準点の夫々と対応する複数の輪郭を抽出し、抽出された該複数の輪郭を複数の初期抽出結果として取得する取得手段と、前記複数の初期抽出結果における各画素の値を統合した統合結果に基づいて、前記画像から前記一つの対象物領域を抽出する抽出手段と、を備えることを特徴とする。

本発明によれば、画像から対象物の領域を再現性よく、かつ高精度に抽出することが可能となる。

第１実施形態に係る画像処理システムの装置構成を示す図。 第１実施形態に係る画像処理システムの機能構成を示す図。 第１実施形態に係る画像処理装置の処理手順を示す図。 第１実施形態に係る基準点の取得を説明する図。 第１実施形態に係る初期抽出結果の取得を説明する図。 第１実施形態に係る初期抽出結果の統合を説明する図。 第１実施形態に係る領域抽出処理を説明する図。 第１実施形態の結果の表示を説明する図。 第２実施形態に係る画像処理システムの機能構成を示す図。 第２実施形態に係る画像処理装置の処理手順を示す図。

以下、図面を参照して、本発明の実施形態を例示的に詳しく説明する。ただし、この実施形態に記載されている構成要素はあくまで例示であり、本発明の技術的範囲は、特許請求の範囲によって確定されるのであって、以下の個別の実施形態によって限定されるわけではない。

（第１実施形態）
本実施形態に係る画像処理装置（システム）は、処理対象症例の胸部ＣＴ画像（処理対象画像）から、対象物である肺結節の領域（輪郭）を抽出する。画像処理装置は、対象物の領域（肺結節領域）に含まれる可能性が高い複数の基準点に基づいて取得した肺結節の複数個の初期抽出結果を統合する。そして、統合の結果に応じた算出方法により、対象物の領域（輪郭）を抽出する。以下の説明では、処理対象画像（画像）として胸部ＣＴ画像上の肺結節を対象物とする場合について説明するが、本発明の適用範囲は、被検体の対象臓器、腫瘍やモダリティの種類に限定されるものではない。以下、具体的な装置（システム）構成、機能構成および処理フローを説明する。

（装置およびシステム構成）
図１に基づいて本発明の第１実施形態に係る画像処理装置１００、及び、画像処理装置１００と接続される各装置から構成される画像処理システム１９０について詳しく説明する。画像処理システム１９０は、医用画像を取得し、当該医用画像に含まれる対象物の領域を画像処理により抽出する。画像処理システム１９０は、画像を撮影する画像撮影装置１１０と、撮影された画像を記憶するデータサーバ１２０と、画像処理を行う画像処理装置１００と、取得された画像及び画像処理の結果を表示する表示部１６０と、操作入力のための操作部１７０と、を有する。ここで、医用画像とは、画像撮影装置１１０により取得された画像データを、診断に好適な画像とするための画像処理等を施すことにより得られる画像である。以下、画像処理システム１９０を構成する各部について説明する。

（画像処理装置１００の構成）
画像処理装置１００は、例えば、コンピュータであり、本実施形態に係る画像処理を行う。画像処理装置１００は、画像処理の実行により処理対象画像から対象物領域を抽出する。画像処理装置１００は、中央演算処理装置（ＣＰＵ：Central Processing Unit）１１、主メモリ１２、磁気ディスク１３、表示メモリ１４、および通信部１５を有する。ＣＰＵ１１は、画像処理装置１００の各構成要素の動作を統合的に制御する制御部として機能する。ＣＰＵ１１（制御部）の処理により、画像処理装置１００が画像撮影装置１１０および表示部１６０（表示装置）の動作も併せて制御するようにしてもよい。主メモリ１２は、ＣＰＵ１１が実行するプログラムを格納し、ＣＰＵ１１によるプログラム実行時の作業領域を提供する。磁気ディスク１３は、オペレーティングシステム（ＯＳ：Operating System）、周辺機器のデバイスドライバ、後述する本実施形態に係る画像処理を行うためのプログラムを含む各種アプリケーションプログラムを格納する。表示メモリ１４は、表示部１６０に表示するデータを一時的に格納する。通信部１５は、例えば、ＬＡＮカードなどにより構成され、ネットワーク１９を介して、外部装置（例えば、画像撮影装置１１０やデータサーバ１２０やなど）と画像処理装置１００との通信を実現する。ネットワーク１９は、例えば、Ethernet（登録商標）、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）等を含む。また、通信部１５は、ネットワーク１９を介して、病院情報システム(ＨＩＳ：Hospital Information Systems)や放射線情報システム(ＲＩＳ：Radiology Information Systems)と通信を行い、被検者の情報や各種検査情報を取得することが可能である。

表示部１６０は、例えば、液晶モニタであり、ＣＰＵ１１（制御部）による表示制御により、表示メモリ１４からの出力に基づいて画像を表示する。操作部１７０は、例えば、マウスやキーボードであり、操作者（例えば、医師）によるポインティング入力や文字等の入力を行う。表示部１６０は操作入力を受け付けるタッチパネルモニタであってもよく、操作部１７０はスタイラスペンであってもよい。上記の各構成要素は共通バス１８により互いに通信可能に接続されている。

（画像撮影装置１１０の構成）
画像撮影装置１１０は、例えば、コンピュータ断層撮影装置（ＣＴ：Computed Tomography）、核磁気共鳴映像装置（ＭＲＩ：Magnetic Resonance Imaging）、２次元の放射線画像を撮像する放射線撮影装置（ＤＲ：Digital Radiography）、光音響断層撮影装置（PAT：Photoacoustic Tomography）である。画像撮影装置１１０は取得した画像をデータサーバ１２０へ送信する。画像撮影装置１１０を制御する不図示の撮影制御部が画像処理装置１００に含まれていてもよい。ＣＰＵ１１（制御部）の処理により、画像処理装置１００のＣＰＵ１１（制御部）が撮影制御部として機能して、画像撮影装置１１０を制御することも可能である。

（データサーバ１２０の構成）
データサーバ１２０は、画像撮影装置１１０が撮影した画像を保持する。データサーバ１２０は、例えば、画像保存通信システム（ＰＡＣＳ：Picture Archiving and Communication System）のサーバである。画像処理装置１００は、データサーバ１２０から、通信部１５およびネットワーク１９を介して、画像処理を実行するために必要なデータを読み込み、データサーバ１２０に保持された画像を取得する。

（機能構成）
次に、図２に基づいて画像処理装置１００を構成する各機能構成について説明する。主メモリ１２に格納されている、プログラムをＣＰＵ１１が実行することにより各機能構成が実現される。画像処理装置１００は、機能構成として、画像取得部１０００、基準点取得部１０１０、抽出結果取得部１０２０、抽出結果統合部１０３０、領域抽出部１０４０、表示制御部１０５０を有する。

画像取得部１０００は、通信部１５を制御して、本実施形態に係る画像処理の対象とする画像を処理対象画像としてデータサーバ１２０から取得する。基準点取得部１０１０は、画像取得部１０００が取得した処理対象画像に含まれる、対象物の領域に含まれる可能性の高い複数の点（以下、基準点と称する）に関する情報（以下、基準点情報と称する）を取得する。基準点取得部１０１０（設定部）は、処理対象画像において、複数の基準点を設定する。抽出結果取得部１０２０は、基準点取得部１０１０が取得した基準点情報と、夫々の基準点の周辺画素の情報とに基づいて、対象物領域を表す複数の初期抽出結果を取得する。抽出結果取得部１０２０(取得部)は、対象物領域が有する特性に基づいて、複数の基準点の夫々と対応する対象物領域の輪郭を初期抽出結果として取得する。ここで、対象物領域が有する特性には、対象物領域の領域内と領域外とで濃度値が変化する濃度値変化の特性と、対象物領域が有する輪郭形状の特性と、が含まれる。

抽出結果統合部１０３０は、抽出結果取得部１０２０が取得した複数の初期抽出結果を統合する。すなわち、抽出結果統合部１０３０は、複数の初期抽出結果を一つにまとめた初期抽出結果（統合結果）を生成する。抽出結果統合部１０３０は、複数の初期抽出結果における各画素の値を統合（加算）した統合抽出結果を生成し、夫々の初期抽出結果における各画素の値を、統合結果における同じ画素位置の画素値として加算することにより、複数の初期抽出結果を一つに統合する。

領域抽出部１０４０（抽出部）は、複数の初期抽出結果における各画素の値を統合（加算）した統合結果に基づいて、処理対象画像から対象物領域を抽出する。領域抽出部１０４０は、複数の初期抽出結果における各画素の値を同じ画素位置において加算した結果に基づいて、処理対象画像から対象物領域を抽出する。領域抽出部１０４０は、統合結果における各画素が対象物領域に含まれる尤度の分布を示す尤度マップを生成し、尤度マップに基づいて処理対象画像から対象物領域を抽出する。領域抽出部１０４０は、尤度マップにおける各画素の尤度と、対象物領域が有する特性とに基づいて、処理対象画像から対象物領域を抽出することが可能である。表示制御部１０５０は、領域抽出部１０４０が抽出した対象物の領域の情報を表示部１６０に出力し、表示部１６０に対象物の領域の抽出結果を表示させる。

なお、画像処理装置１００が有する各機能構成の少なくとも一部を独立した装置として実現してもよい。画像処理装置１００はワークステーションでもよい。各機能構成を実現するソフトウェアは、クラウドをはじめとするネットワークを介したサーバ上で動作してもよい。以下に説明する本実施形態では、各部はローカル環境におけるソフトウェアによりそれぞれ実現されているものとする。

（処理フロー）
続いて、本発明の第１実施形態に係る画像処理について説明する。図３は本実施形態の画像処理装置１００が実行する処理手順を示す図である。本実施形態は、主メモリ１２に格納されている各部の機能を実現するプログラムをＣＰＵ１１が実行することにより実現される。本実施形態では、処理対象画像はＣＴ画像であるとして説明する。ＣＴ画像は３次元濃淡画像として取得される。また、本実施形態では処理対象画像に含まれる対象物は肺結節であるとして説明する。

（Ｓ１１００）
ステップＳ１１００において、画像取得部１０００は、画像処理の対象とする画像（処理対象画像）を取得する。すなわち、画像取得部１０００は処理対象画像であるＣＴ画像をデータサーバ１２０から取得し、画像処理装置１００の主メモリ１２上に記憶する。尚、処理対象画像の取得は、この例に限定されるものではなく、例えば、画像取得部１０００は、画像撮影装置１１０で撮影した画像データを、通信部１５を介して取得し、診断に好適な画像とするための濃度変換処理などの簡単な画像処理等を施して、本実施形態に係る画像処理を施す処理対象画像を取得可能である。例えば、画像撮影装置１１０がＣＴ装置である場合、画像取得部１０００は、画像撮影装置１１０からＣＴ値とよばれる相対的なＸ線吸収係数値の一次元分布を画像データとして取得する。その後、画像取得部１０００は画像再構成とよばれる処理を施して、３次元濃淡画像で表される処理対象画像を得る。画像取得部１０００は、画像再構成を行って得られた３次元濃淡画像を処理対象画像として取得してもよい。

ここで、本実施形態における処理対象画像は、直交する３軸（ｘ，ｙ，ｚ）の成分によって識別可能な複数の画素により構成される。処理対象画像の取得において、付帯情報として取得される画素サイズは、３軸の方向それぞれに対して定義される。本実施形態では、３軸の方向それぞれに対する画素サイズが、ｒ＿ｓｉｚｅ＿ｘ＝１．０ｍｍ、ｒ＿ｓｉｚｅ＿ｙ＝１．０ｍｍ、ｒ＿ｓｉｚｅ＿ｚ＝１．０ｍｍ、の場合を例として説明する。処理対象画像の濃度値は、画素の３次元配列における画素位置を参照して導出される関数とみなすことができる。本実施形態では処理対象画像を関数Ｉ（ｘ，ｙ，ｚ）として表す。関数Ｉ（ｘ，ｙ，ｚ）は、処理対象画像の撮影領域の３次元の実空間座標（ｘ，ｙ，ｚ）を引数として、その座標における画素値を出力する関数である。

（Ｓ１１１０）
ステップＳ１１１０において、基準点取得部１０１０は、処理対象画像に含まれる対象物の領域に含まれる可能性の高い複数の点（基準点）に関する情報(基準点情報)を取得する。基準点取得部１０１０は、対象物の領域、例えば、肺結節領域に含まれる可能性が高いｎ個の点ｐ_{ｓｅｅｄ＿ｉ}（ｘ_{ｓｅｅｄ＿ｉ}，ｙ_{ｓｅｅｄ＿ｉ}，ｚ_{ｓｅｅｄ＿ｉ}）（ｉ＝１，２，・・・，ｎ）を基準点として設定する。ｎ個の点（基準点）の設定により、基準点ｐ_{ｓｅｅｄ＿ｉ}（ｉ＝１，２，・・・，ｎ）を要素に持つ集合（基準点集合）Ｐ＝｛ｐ_{ｓｅｅｄ＿ｉ}｜ｉ＝１，２，・・・，ｎ｝が生成される。基準点取得部１０１０による基準点の取得について以下、具体的に説明する。

まず、最初に、表示部１６０に表示される処理対象画像Ｉ（ｘ，ｙ，ｚ）の、例えば、横断面（Ａｘｉａｌ）、矢状面（Ｓａｇｉｔｔａｌ）、冠状面（Ｃｏｒｏｎａｌ）の断層像を参照しながら、操作者は操作部１７０を介して処理対象画像Ｉ（ｘ，ｙ，ｚ）に描出されている対象物の領域（例えば、肺結節領域）に含まれる画素ｍ点を取得する。すると、基準点取得部１０１０は、操作入力により得られた、肺結節領域に含まれる画素ｍ点を初期基準点ｐ_{ｓｅｅｄ＿ｊ}（ｊ＝１，２，・・・，ｍ）として取得する。

次に、基準点取得部１０１０は、初期基準点を含む局所画像領域Ｖ（ｘ，ｙ，ｚ）を取得する。基準点取得部１０１０は、初期基準点ｐ_{ｓｅｅｄ＿ｊ}の重心を取得することにより、局所画像領域Ｖ（ｘ，ｙ，ｚ）の位置を設定することができ、後に説明するＬｏＧカーネルの出力値に基づいて局所画像領域Ｖ（ｘ，ｙ，ｚ）の大きさ（画像サイズ）を設定することができる。基準点取得部１０１０は、初期基準点ｐ_{ｓｅｅｄ＿ｊ}の重心をｐ_{ｓｅｅｄ＿０}とし、図４（a）に示すように、ｐ_{ｓｅｅｄ＿０}の座標を重心（初期基準点の重心６００）とした局所画像領域Ｖ（ｘ，ｙ，ｚ）５１０（局所画像領域Ｖ５１０内の肺結節領域５２０）において基準点集合Ｐを取得する。図４（ａ）において、局所画像領域Ｖ（ｘ，ｙ，ｚ）５１０内の対象物領域を肺結節領域５２０として示している。

本処理では、基準点取得部１０１０は、スケールスペースに基づく技術によって対象物領域の大きさを推定し、推定した対象物領域の大きさに基づいて、局所画像領域Ｖ（ｘ，ｙ，ｚ）の大きさ（画像サイズ）を設定する。本実施形態では、Laplacian of Gaussian（ＬｏＧ）カーネルを利用する。次式に示すように、基準点取得部１０１０は、ｐ_{ｓｅｅｄ＿0}の周辺領域Ｉ'（ｘ，ｙ，ｚ）に対して式１と式２に示すマルチスケールＬｏＧカーネルを適用し、出力値Ｌ（ｘ，ｙ，ｚ，ｈ）を計算する。ここで、周辺領域は、初期基準点および初期基準点に隣接する画素（点）を含む領域である。

ここで、ｈはＬｏＧカーネルのスケールを表すパラメータである。＊は畳み込みを表す演算子である。Ｌ（ｘ，ｙ，ｚ，ｈ）は、スケールを所定の範囲｛ｈ_ｍｉｎ，・・・，ｈ_ｍａｘ｝で変化させたときのＬｏＧカーネルの出力値を表す（図４（ｂ））。図４（ｂ）において、Ｌ（ｘ，ｙ，ｚ，ｈ）５３０は、ＬｏＧカーネルの出力値の分布例を示している。ｈ_ｍｉｎとｈ_ｍａｘは操作者が任意の値に設定可能なパラメータである。式１に従ってＬｏＧカーネルの出力値Ｌ（ｘ，ｙ，ｚ，ｈ）を計算したのち、基準点取得部１０１０は、Ｌ（ｘ，ｙ，ｚ，ｈ）の出力値を走査してＬｏＧカーネルの出力値Ｌ（ｘ，ｙ，ｚ，ｈ）が最大となるときのパラメータｈを取得する。基準点取得部１０１０は、画像サイズを求めるための評価関数として、Laplacian of Gaussian（ＬｏＧ）を用い、評価関数の出力値の分布に基づいて、対象物領域を含む画像領域（局所画像領域）の画像サイズを決定する。すなわち、基準点取得部１０１０は、評価関数の出力値の分布に基づいて取得したパラメータｈに基づいて、対象物領域および局所画像領域Ｖ（ｘ，ｙ，ｚ）の大きさ（画像サイズ）を決定する。尚、パラメータｈは対象物領域の大きさに比例した数値であり、パラメータｈに基づいて設定される局所画像領域Ｖ（ｘ，ｙ，ｚ）の大きさもまた、パラメータｈの大きさに比例した画像サイズとなる。基準点取得部１０１０は、評価関数の出力値の最大値に対応する評価関数のスケールを表すパラメータに基づいて、対象物領域を含む画像領域（局所画像領域）の画像サイズを決定する。

上述の処理では局所画像領域Ｖ（ｘ，ｙ，ｚ）の大きさ（画像サイズ）の決定に初期基準点ｐ_{ｓｅｅｄ＿ｊ}（ｊ＝１，２，・・・，ｍ）とＬｏＧカーネルを利用したが、局所画像領域Ｖ（ｘ，ｙ，ｚ）の決定方法は、これに限定されるものではない。例えば、操作者が初期基準点を選択する代わりに、対象物領域である肺結節領域を含む関心領域（volume of interest：ＶＯＩ）を選択する場合、関心領域ＶＯＩを局所画像領域Ｖ（ｘ，ｙ，ｚ）として利用してもよい。

また、上記の例では、ｐ_{ｓｅｅｄ＿０}を重心として、局所画像領域Ｖ（ｘ，ｙ，ｚ）の位置を設定する例を説明したが、本実施形態はこの例に限定されず、例えば、基準点取得部１０１０は、ＬｏＧカーネルの出力値（例えば、パラメータｈが最大値となる画素の位置）に基づいて、局所画像領域Ｖ（ｘ，ｙ，ｚ）の重心位置を設定し直すことも可能である。

次に、基準点取得部１０１０は、局所画像領域Ｖ（ｘ，ｙ，ｚ）において、複数の基準点ｐ_{ｓｅｅｄ＿ｉ}を取得する。基準点の取得は、様々な方法で実施できる。基準点取得部１０１０は、例えば、操作部１７０からの入力情報に基づいて設定した一つ以上の初期基準点と、初期基準点の画像特徴に類似した画像特徴を有する複数の画素とを、複数の基準点として設定することが可能である。基準点取得部１０１０は、局所画像領域Ｖ（ｘ，ｙ，ｚ）の画素の中で、初期基準点ｐ_{ｓｅｅｄ＿ｊ}（ｊ＝１，２，・・・，ｍ）と類似した画像特徴を有する画素をｎ−ｍ個取得し、それら取得したｎ−ｍ個の画素と初期基準点ｐ_{ｓｅｅｄ＿ｊ}（ｊ＝１，２，・・・，ｍ）とを複数の基準点（ｎ個）として取得することが可能である。また、基準点取得部１０１０は、初期基準点ｐ_{ｓｅｅｄ＿ｊ}を基準点として用いずに、操作部１７０からの入力情報に基づいて設定した一つ以上の初期基準点の画像特徴と類似した画像特徴を有する複数の画素を基準点として設定することが可能である。すなわち、基準点取得部１０１０は、初期基準点ｐ_{ｓｅｅｄ＿ｊ}（ｊ＝１，２，・・・，ｍ）と類似した画像特徴を有するｎ個の画素を基準点として取得することが可能である。基準点の取得に用いる画像特徴として、例えば、処理対象画像を構成する各画素の画素値、ＬｏＧカーネルの出力値などを利用することができる。基準点取得部１０１０は、Laplacian of Gaussian（ＬｏＧ）を用いた評価関数の出力値に基づいて複数の基準点を設定することが可能である。本実施形態では、基準点取得部１０１０は、ＬｏＧカーネルの出力値が最も大きい画素からｎ個の画素（ｐ_{ｓｅｅｄ＿ｉ}（ｉ＝１，２，・・・，ｎ））を順番に取得して基準点集合Ｐとする。基準点集合Ｐを構成する画素の数ｎは操作者が、操作部１７０から事前に指定することが可能である。また、基準点取得部１０１０は、ＬｏＧカーネルの出力値が、操作者により事前に決められた閾値を超えている画素をすべて基準点として取得して基準点集合Ｐとすることが可能である。

基準点の取得方法は、上述のものに限定されない。基準点取得部１０１０は、例えば、画素の濃度値や勾配などに基づいて、マルコフ連鎖モンテカルロ法や、ｍｅａｎ ｓｈｉｆｔ法などによって所定の条件を満たす画素をサンプリングすることによって実施してもよい。また、操作者が目視で、操作部１７０を介して、必要な基準点を追加したり、不要な基準点を削除したりしてもよい。

（Ｓ１１２０）
ステップＳ１１２０において、抽出結果取得部１０２０は、初期領域抽出処理によって複数の肺結節の初期抽出結果を取得する。抽出結果取得部１０２０は、ステップＳ１１１０で取得した局所画像領域Ｖ（ｘ，ｙ，ｚ）と、基準点群Ｐとを用いて、夫々の基準点から初期抽出結果を取得する。本処理によって、各基準点と１対１の対応関係を持つ肺結節の初期抽出結果が取得される。本実施形態では、初期抽出結果を、抽出された肺結節領域（前景領域）に含まれる画素の値を「１」とし、その他の領域（背景領域）に含まれる画素の値を「０」とする、マスク画像として説明する。

以下、図５（ａ）に示すように、ステップＳ１１１０で、例えば、局所画像領域Ｖ５１０（局所画像領域Ｖ５１０内の肺結節領域５２０）において、４点（ｎ＝４）の基準点（基準点６０１〜６０４）を取得した場合を説明する。まず、抽出結果取得部１０２０は、４点の基準点の重心ｐ_Ｇを求める。基準点の重心ｐ_Ｇを求めることにより、新たな局所画像領域Ｖ'の位置（中心）を設定することができる。すなわち、抽出結果取得部１０２０は、複数の基準点の重心を求めることにより、処理対象画像の内部において、対象物領域を含む画像領域（局所画像領域）の位置を設定することができる。そして、抽出結果取得部１０２０は、重心ｐ_Ｇを中心とする新たな局所画像領域Ｖ'（ｘ，ｙ，ｚ）を作成する。新たな局所画像領域Ｖ'（ｘ，ｙ，ｚ）の画像サイズは操作者が任意に設定することが可能である。また、抽出結果取得部１０２０は、少なくとも先のステップＳ１１１０で設定した局所画像領域Ｖ（ｘ，ｙ，ｚ）に描出されるように新たな局所画像領域Ｖ'（ｘ，ｙ，ｚ）の画像サイズを設定することが可能である。すなわち、抽出結果取得部１０２０は、先に設定した局所画像領域Ｖ（ｘ，ｙ，ｚ）の画像サイズに含まれるように、または、局所画像領域Ｖ（ｘ，ｙ，ｚ）の画像サイズと同等となるように、新たな局所画像領域Ｖ'（ｘ，ｙ，ｚ）の画像サイズを設定することができる。あるいは、抽出結果取得部１０２０は、新たな局所画像領域Ｖ'（ｘ，ｙ，ｚ）が局所画像領域Ｖ（ｘ，ｙ，ｚ）を含むように新たな局所画像領域Ｖ'（ｘ，ｙ，ｚ）の画像サイズを設定することができる。抽出結果取得部１０２０は、対象物領域を含む画像領域（局所画像領域）の画像サイズと画像領域の位置とを用いて処理対象画像から画像領域を取得する。また、抽出結果取得部１０２０は、４つの基準点の位置情報（座標情報）に基づいて取得される重心ｐ_Ｇを使用する代わりに、ＬｏＧの出力値が最大である基準点ｐ_１を重心として使用して新たな局所画像領域Ｖ'（ｘ，ｙ，ｚ）を作成してもよい。このように基準点の重心に基づいて生成される局所画像領域Ｖ'（ｘ，ｙ，ｚ）は、初期基準点ｐ_{ｓｅｅｄ＿ｊ}の位置に依存しない。つまり、操作者が肺結節領域内のどの箇所を初期基準点ｐ_{ｓｅｅｄ＿ｊ}として選択しても、新たな局所画像領域Ｖ'（ｘ，ｙ，ｚ）は常に肺結節領域を画像内の一定の位置に捉えており、かつ肺結節領域の周辺の背景領域を一定範囲だけ含む画像となる。

次に、抽出結果取得部１０２０は、基準点６０１、基準点６０２、基準点６０３、基準点６０４に基づいて、初期領域抽出処理を行い、各基準点と対応する初期抽出結果を取得する。ここで、初期領域抽出処理は、ある１つの基準点を肺結節領域の前景領域（シード）とし、領域拡張法や、Ｌｅｖｅｌ−ｓｅｔ法（レベルセット法）や、Ｇｒａｐｈ−ｃｕｔ法（グラフカット法）などを施すことによって実施される。本実施形態では、レベルセット法を用いて初期抽出結果を取得する処理について説明する。

レベルセット法は、対象としている空間に対して、１つ高い次元の空間を設定し、抽出対象物の境界をその高次元空間で定義された陰関数φの断面（ゼロ等値面φ＝０）として考える。陰関数φの形状が時間ｔに従って移動しながら、対象物の境界面（ゼロ等値面φ＝０）も徐々に変化する。よって、陰関数φの形状を対象物の形状特徴に応じて適切に設計すれば、対象物の輪郭のトポロジー変化や特異点の発生などに自然に対応できる。本実施形態では、ある基準点ｐ_{ｓｅｅｄ＿ｉ}を、初期輪郭すなわち初期ゼロ等値面（φ＝０）として利用し、当該基準点に対応する肺結節の初期抽出結果を取得する。

図５（ｂ）は、基準点６０１、基準点６０２、基準点６０３、基準点６０４に基づいて取得された初期抽出結果（マスク６１１）、初期抽出結果（マスク６１２）、初期抽出結果（マスク６１３）、初期抽出結果（マスク６１４）の例を示す図である。抽出結果取得部１０２０は、例えば、図５（ａ）に示す４つの基準点に対して同じレベルセット法を実施することによって、夫々の基準点と対応する対象物の領域（肺結節領域）の夫々の初期抽出結果（マスク６１１〜６１４）を取得する。図５（ｂ）において、初期抽出結果（マスク６１１）は、基準点６０１を初期輪郭としてレベルセット法を実行することで得られた初期抽出結果であり、初期抽出結果（マスク６１２）は、基準点６０２を初期輪郭としてレベルセット法を実行することで得られた初期抽出結果である。初期抽出結果（マスク６１３）は、基準点６０３を初期輪郭としてレベルセット法を実行することで得られた初期抽出結果であり、初期抽出結果（マスク６１４）は、基準点６０４を初期輪郭としてレベルセット法を実行することで得られた初期抽出結果である。

レベルセット法では、陰関数φのゼロ等値面（初期輪郭）を変化させるために、ゼロ等値面における画素に、近傍画素（Ｆｒｏｎｔ）への移動速度を与えるための速度関数を設定する。速度関数は、陰関数φの形状を設計するための評価関数でもある。速度関数は、抽出したい対象物の濃度値や形状特徴等の特性を考慮した項を有する。速度関数は、そのような特性に反する輪郭であるほど移動速度が大きくなり、そのような特性を有する輪郭であるほど移動速度が小さくなるように設定される。

本実施形態では、肺結節領域が有する第一の特性として、肺結節の領域内と領域外での濃度値の違いに注目する(濃度値変化の特性)。そこで、例えば、式３に示すような、エッジ強度に基づく速度関数ｆ_Ｅ（ｉ，ｊ，ｋ）を用いる。

ここで、Ｅ（ｉ，ｊ，ｋ）は画素（ｉ，ｊ，ｋ）におけるエッジ強度を表し、αは重み係数である。Ｅ（ｉ，ｊ，ｋ）は濃度勾配で表される。別の例では、ソーベルフィルタ、ラプラシアンフィルタといったエッジ検出フィルタを処理対象画像に適応し、それらの出力値を速度関数の設定に用いることが可能である。速度関数ｆ_Ｅ（ｉ，ｊ，ｋ）によって、肺結節の輪郭形状の変形速度は、濃度値変化が小さい領域で大きく、濃度値変化が大きいエッジ領域付近で小さくなる。これにより、抽出された対象物の輪郭の領域において濃度値変化が大きくなるように輪郭の位置が制御される。

肺結節領域が有する第二の特性として、肺結節の輪郭はなめらかである点に注目する（輪郭形状の特性（曲率特性））。そこで、例えば、式４に示すような、曲率に基づく速度関数ｆ_κ（ｉ，ｊ，ｋ）を用いる。

ここで、κ（ｉ，ｊ，ｋ）は画素（ｉ，ｊ，ｋ）における曲率を表し、βは重み係数である。速度関数ｆ_κ（ｉ，ｊ，ｋ）によって、肺結節の輪郭形状の変形速度は、曲率が小さい箇所で大きくなり、曲率が大きい場所では小さくなる。これにより、抽出された対象物の輪郭の曲率が大きくなるように輪郭の位置が制御される。

本実施形態における肺結節の初期抽出結果を取得する処理では、抽出結果取得部１０２０は、２種類の速度関数（ｆ_Ｅ（ｉ，ｊ，ｋ）、ｆ_κ（ｉ，ｊ，ｋ））を次式（式５）のように組み合わせ、レベルセット法の速度関数として利用することも可能である。

式５における２種類の速度関数（ｆ_Ｅ、ｆ_κ）の組合せ演算において、記号「※」は、ｆ_Ｅおよびｆ_κの乗算、加算などを示す演算子である。尚、式５の速度関数において、ｆ_Ｅおよびｆ_κのそれぞれに、重み係数ｗ_Ｅ、ｗ_κを速度関数ｆ_Ｅ、ｆ_κに乗算したｗ_Ｅｆ_Ｅおよびｗ_κｆ_κに対して演算子「※」に基づく速度関数の演算を行うことも可能である。

（５）式の速度関数を用いることによって、基準点ｐ_{ｓｅｅｄ＿ｉ}と対応する肺結節の初期抽出結果（輪郭曲線）Ｒ_ｉを取得することができる。尚、肺結節の濃度値情報や事前知識などを利用した関数を（５）式に加えてもよいし、他の組み合わせで速度関数を設定してもよい。また、肺結節の初期抽出処理は、肺結節の形状と性状によって手法を切り替えてもよい。例えば、スリガラス状の肺結節（ＧＧＯ）に対しては、機械学習またはＧｒａｐｈ−ｃｕｔ法を利用することが可能であり、形状が不規則かつ体積が小さい肺結節に対してはレベルセットを利用することが可能である。更に、同じ肺結節における異なる基準点の特徴によって、抽出手法を切り替えてもよい。

ステップＳ１１３０の別の例として、例えば、抽出結果取得部１０２０は、１個の基準点に対して、複数（ｃ）の抽出処理（抽出手法）を実施し、ｎ個の基準点からｃ×ｎ個の初期抽出結果Ｒ^ｊ _ｉ（ｉ＝１，２，・・・，ｎ；ｊ＝１，２，・・・，ｃ）を取得することが可能である。ここで、ｉは基準点を表し、ｊは抽出処理（抽出手法）を表している。そして、抽出結果取得部１０２０は、他の異なる基準点に対しても同様に複数の抽出処理（抽出手法）を実施し、取得された異なる基準点での初期抽出結果の特徴量を同様に算出する。そして、抽出結果取得部１０２０は、特徴量の分散が最も小さい手法で取得した初期抽出結果を最終の初期抽出結果とする。例えば、抽出結果取得部１０２０は、５つの抽出手法を適用し、得られた全ての初期抽出結果の体積を計算する。そして、抽出結果取得部１０２０は、５つの抽出手法のうち抽出手法３で得られた初期抽出結果の体積の分散が最も小さい場合は、Ｒ^３ _ｉ（ｉ＝１，２，・・・，ｎ）を最終の初期抽出結果として取得する。

本実施形態では、初期抽出結果を、前景領域での画素値が１であり、背景領域での画素値が０であるマスク画像とする例を示している。初期抽出結果の別の例としては、例えば、各画素における（５）式により求められた変形速度の大きさに基づいて、値が変化する尤度画像にしても良い。この場合は、画素の値（尤度）が大きいほど、肺結節領域に含まれる可能性が高くなる。

（Ｓ１１３０）
次に、ステップＳ１１３０において、抽出結果統合部１０３０は、抽出結果取得部１０２０が取得した複数の初期抽出結果を統合した統合結果を生成する。抽出結果統合部１０３０は、ステップＳ１１２０で取得した複数の初期抽出結果Ｒ_ｉ（ｉ＝１，２，・・・，ｎ）を統合し、統合の結果をＲ_ｐ（ｘ，ｙ，ｚ）とする（統合結果）。本実施形態では、統合結果Ｒ_ｐ（ｘ，ｙ，ｚ）の各画素の画素値を、肺結節領域である可能性を表す尤度（存在確率ｐ）とし、統合結果Ｒ_ｐ（ｘ，ｙ，ｚ）を肺結節領域の尤度マップとする。統合結果Ｒ_ｐ（尤度マップ）における画素の値が大きいほど当該画素が肺結節領域である可能性が高い。

本実施形態において、抽出結果統合部１０３０は、夫々の初期抽出結果Ｒ_ｉ（ｉ＝１，２，...，ｎ）での各画素の値を、統合結果Ｒ_ｐ（ｘ，ｙ，ｚ）における同じ画素に加算する。夫々の初期抽出結果Ｒ_ｉでの各画素の値を、統合結果Ｒ_ｐにおける同じ画素に加算することにより、複数の初期抽出結果Ｒ_ｉ（ｉ＝１，２，...，ｎ）が一つの統合結果Ｒ_ｐ（ｘ，ｙ，ｚ）に統合される。複数（ｎ個）の初期抽出結果を加算する加算処理によって、抽出結果統合部１０３０は、統合結果Ｒ_ｐ（ｘ，ｙ，ｚ）として、図６に示すような尤度マップ７００を生成することができる。ここで、図６は、初期抽出結果の統合を説明する図である。図６において、１つの格子は１つの画素（ｉ，ｊ，ｋ）を表し、各格子（画素）の数値は、加算処理の結果を例示するものであり、該当画素が対象物領域（肺結節領域）に含まれる尤度ｐを表す。尤度ｐの値が大きいほど当該画素が肺結節領域に含まれる可能性が高いことを示唆する。尚、本実施形態では、抽出結果統合部１０３０は、統合結果Ｒ_ｐ（ｘ，ｙ，ｚ）（尤度マップ）に対して、さらに正規化処理を施し、正規化尤度マップＲ'_ｐ（ｘ，ｙ，ｚ）を取得する。正規化尤度マップＲ'_ｐでは、各画素の値（尤度ｐ'）が、実数空間[０,１]に正規化される。

ステップＳ１１３０での初期抽出結果の統合処理の別の例として、抽出結果統合部１０３０は、統合結果Ｒ_ｐ（ｘ，ｙ，ｚ）を各初期抽出結果Ｒ_ｉ（ｉ＝１，２，・・・，ｎ）の論理和によって取得することができる。このように取得された統合結果は、対象である肺結節の最大参照領域となる。速度関数の出力に基づいて、この最大参照領域を超えないように輪郭の位置を制限し、肺結節の領域を次のステップで抽出することができる。

尚、上記の初期抽出結果の統合処理を行う前に、抽出結果統合部１０３０は、前処理として、初期抽出結果の選別処理を実施してもよい。例えば、抽出結果統合部１０３０は、ステップＳ１１２０で取得された夫々の初期抽出結果に対して、対象物領域の体積や、所定の断面における直径などの特徴量を算出することが可能である。また、抽出結果統合部１０３０は、算出した特徴量の統計処理を行い、特徴量が平均値から大きくずれる初期抽出結果を初期抽出結果Ｒ_ｉから削除することも可能である。例えば、抽出結果統合部１０３０は、特徴量が平均値から閾値を超えてずれる初期抽出結果を初期抽出結果Ｒ_ｉから削除することも可能である。

（Ｓ１１４０）
ステップＳ１１４０では、領域抽出部１０４０は、基準点取得部１０１０が取得した基準点情報、および抽出結果統合部１０３０が取得した初期抽出結果の統合結果に基づいて、画像取得部１０００が取得した処理対象画像から対象物の領域（肺結節の領域）を抽出する。領域抽出部１０４０は、ステップＳ１１１０で取得した基準点群Ｐと、ステップＳ１１２０で取得した局所画像領域Ｖ'（ｘ，ｙ，ｚ）と初期抽出結果Ｒ_ｉ（ｉ＝１，２，・・・，ｎ）、およびステップＳ１１３０で取得した正規化尤度マップＲ'_ｐを用いて、対象物領域である各肺結節の領域を処理対象画像の局所画像領域から抽出する。

本実施形態において、領域抽出部１０４０は、対象物の領域（肺結節領域）の領域抽出処理において、再びレベルセット法を用いる。まず、領域抽出部１０４０は、初期輪郭すなわち初期ゼロ等値面（φ＝０）を設定する。ここでは、局所画像領域Ｖ'（ｘ，ｙ，ｚ）の重心ｐ_Ｇを初期輪郭と取得する。尚、領域抽出部１０４０は、基準点群Ｐから任意の１つの基準点ｐ_{ｓｅｅｄ＿ｉ}、または全ての基準点を初期輪郭として取得することが可能である。あるいは、領域抽出部１０４０は、正規化尤度マップＲ'_ｐに対して、しきい値処理を行い、閾値を超える尤度領域を初期輪郭に設定することが可能である。

次に、領域抽出部１０４０は、第一の特性（濃度値変化の特性）と第二の特性（輪郭形状の特性）に基づく速度関数（式３、式４）と同じように、尤度を第三の特性（尤度マップにおける各画素の尤度の変化を示す尤度特性）とした速度関数ｆｐ（ｉ，ｊ，ｋ）を式６に示すように設定する。

ここで、Ｒ'_p（ｉ，ｊ，ｋ）は各画素（ｉ，ｊ，ｋ）の値（尤度ｐ）が正規化された値を表し、γは重み係数である。速度関数ｆ_ｐ（ｉ，ｊ，ｋ）によって、対象物の領域（肺結節領域）の輪郭形状の変形速度は、尤度が大きい箇所で大きくなり、尤度が小さい箇所では小さくなる。これにより、抽出された対象物の輪郭が正規化尤度マップＲ'_ｐにおける尤度が大きくなるように輪郭の位置が制御される。領域抽出部１０４０は、初期輪郭（初期ゼロ等値面（φ＝０））を起点として、式６に示す速度関数ｆｐ（ｉ，ｊ，ｋ）の出力に基づいて輪郭の位置を制御する。

本実施形態の領域抽出処理では、複数の基準点のそれぞれを用いた初期輪郭に基づいて領域抽出処理を行った後、取得した複数個の初期抽出結果を尤度マップとして統合し、正規化する。正規化尤度マップＲ'_ｐは複数の初期抽出結果の統合によって生成されているため、ある１つの初期抽出結果、または、ある１つの基準点に依存しない。よって、式６で示す速度関数を用いることで、対象物の領域（肺結節領域）を再現性よく、かつ高精度に抽出することができる。本実施形態において、領域抽出部１０４０は、式６の速度関数を更に式５の速度関数を組合せ、式７に示す新たな速度関数を設定して、領域抽出処理を実行する。領域抽出部１０４０は、複数の初期抽出結果の統合によって生成された尤度マップ（正規化尤度マップＲ'_ｐ）を参照して、以下の式７の速度関数を用いて領域抽出処理を実行することが可能である。領域抽出部１０４０は、複数の初期抽出結果における各画素の値を統合（加算）した統合抽出結果と、対象物領域が有する特性（濃度値変化の特性、輪郭形状の特性）とに基づいて、処理対象画像から対象物領域を抽出する。領域抽出部１０４０は、濃度値変化の特性を評価する関数の出力結果と、輪郭形状の特性の変化を評価する関数の出力結果と、尤度マップにおける各画素の尤度の変化を評価する関数の出力結果とに基づいて、輪郭が決定された対象物領域を処理対象画像から抽出する。すなわち、領域抽出部１０４０は、濃度値変化の特性の評価結果と、輪郭形状の特性の評価結果と、尤度マップにおける各画素の尤度の評価結果とに基づいて、処理対象画像から対象物領域を抽出する。

式７における３種類の速度関数（ｆ_Ｅ、ｆ_κ、ｆ_ｐ）の組合せ演算において、記号「※」は、ｆ_Ｅおよびｆ_κおよびｆ_ｐの乗算、加算などを示す演算子である。尚、式７の速度関数Ｆ'において、ｆ_Ｅおよびｆ_κおよびｆ_ｐのそれぞれに、重み係数ｗ_Ｅ、ｗ_κ、ｗ_ｐを速度関数ｆ_Ｅ、ｆ_κ、ｆ_ｐに乗算したｗ_Ｅｆ_Ｅおよびｗ_κｆ_κおよびｗ_ｐｆ_ｐに対して演算子「※」に基づく速度関数の演算を行うことも可能である。

式７に示す速度関数Ｆ'は、濃度値変化の特性（ｆ_Ｅ）、曲率特性（ｆ_ｋ）、ならびに尤度特性（ｆ_ｐ）が相互作用した関数であり、領域抽出部１０４０は、式７に示す速度関数Ｆ'を用いることにより、処理対象画像における対象物の領域（肺結節領域）を再現性よく、かつ高精度に抽出することができる。領域抽出部１０４０は、式７で示される速度関数により制御される輪郭の変形（移動）が停止、すなわち、繰り返し演算により算出される変形（量）の差分がゼロになったときの輪郭を、肺結節領域の抽出結果Ｒ_fとする。あるいは、領域抽出部１０４０は、式７で示される速度関数により制御される変形の繰り返し演算により前回の変形からの変形量が予め設定しておいた閾値以下になったときの輪郭を、肺結節領域の抽出結果Ｒ_fとする。

また、ステップＳ１１４０の別の処理例として、領域抽出部１０４０は、領域抽出処理に、Ｇｒａｐｈ−ｃｕｔ法や、Ｗａｔｅｒ ｆｌｏｗ法などの領域抽出手法を用いても良い。図７は、領域抽出処理の例を説明する図であり、例えば、Ｇｒａｐｈ−ｃｕｔ法に基づく領域抽出手法では、領域抽出部１０４０は、図７に示すように、正規化尤度マップＲ'_ｐにおける尤度の値が、閾値Ｔ１より高い画素を前景領域Ｒ_ｏｂjとして定義し（７１０）、正規化尤度マップＲ'_ｐにおける尤度の値が、閾値Ｔ２より低い画素を背景領域Ｒ_ｂｋｇとして定義する（７２０）。そして、局所領域画像Ｖ'（ｉ，ｊ，ｋ）または正規化尤度マップＲ'_ｐ（ｉ，ｊ，ｋ）における各画素の画素値を用いたデータ項（Σα）と、隣接画素の値に応じた平滑化項（Σβ）とで定義されるエネルギー（Ｅ＝Σα+Σβ）を求める。領域抽出部１０４０は、注目画素が設定した特徴と近く、境界において画素値が大きく異なる場合にエネルギーが小さくなる。このエネルギー（Ｅ）を最小化するような境界を、肺結節の領域の輪郭として取得することも可能である。また、領域抽出部１０４０は、ステップＳ１１４０での領域抽出処理として、上述したような方法に加えて、例えば、対象物である肺結節の期待濃度値や形状に関する情報や、統計的な情報を併せて利用し実施してもよい。

（Ｓ１１５０）
ステップＳ１１５０において、表示制御部１０５０は、領域抽出の結果を表示部１６０に表示させるための表示制御を行う。表示制御部１０５０は、ステップＳ１１４０で抽出した領域に関する情報（領域抽出の結果）を画像処理装置１００に接続された表示部１６０に送信し、表示部１６０に領域抽出の結果を表示させる制御を行う。表示制御部１０５０は、例えば、抽出された対象物領域と元の３次元ＣＴ画像（処理対象画像）とを重ね合わせて合成した画像（以下、合成画像と称する）を表示部１６０に表示させる表示制御を行うことが可能である。別の例として、表示制御部１０５０は、対象物の領域と所定の面で切断した２次元の断面画像との合成画像を表示部１６０に表示させる表示制御を行うことが可能である。さらに別の例として、表示制御部１０５０は、３次元の合成画像をボリュームレンダリングして表示部１６０に表示させる表示制御を行うことが可能である。

表示制御部１０５０は領域抽出の結果の表示形態を制御することが可能である。例えば、表示制御部１０５０は、図８のように、抽出された対象物の領域の輪郭８００を破線で示すような曲線で表示させたり、輪郭８００の内部の表示色を変えて表示させることも可能である。このとき、表示制御部１０５０は、領域抽出処理に用いた基準点（６０１〜６０４）と、抽出された対象物の領域の輪郭８００とを併せて表示部表示させてもよい。

また、表示制御部１０５０は、矢印形状の図形を処理対象画像と重ね合わせて表示させ、矢印形状の先端部が抽出された領域を示すように表示制御を行うことが可能である。また、表示制御部１０５０は、抽出された対象物の領域の大きさに応じて上述した表示形態を変更するようにしてもよい。例えば、抽出された対象物の領域の大きさが所定の閾値以上の場合は輪郭を実線や破線による曲線で表示し、閾値よりも小さい場合は矢印形状の先端部で抽出領域の位置を示すようにしてもよい。表示制御部１０５０による表示制御により、処理対象画像において抽出された領域の観察が容易になる。

次に、第１実施形態に係る画像処理技術（画像処理装置、システム、および画像処理方法）の効果について説明する。本実施形態の画像処理技術は、従来の領域抽出手法における抽出領域の再現性についての課題を解決することが可能である。従来の領域抽出手法では、対象物の領域として、本実施形態と同じ肺結節領域を抽出する場合であっても、画像中に描出されている背景領域の範囲が異なっている場合、もしくは画像中での肺結節領域の位置が異なる場合に、領域抽出結果が一致しないという抽出領域の再現性の課題が生じ得る。また、領域抽出処理の入力である初期輪郭が異なると、異なる領域抽出結果が得られる、という抽出領域の再現性の課題も生じ得る。

一方、本実施形態に係る画像処理装置では、操作者により手動で設定された初期基準点から、スケールスペースに基づく手法（本実施形態ではＬｏＧカーネルの出力値）に基づいて複数の基準点を設定し、当該基準点から局所画像領域Ｖ'を生成する。スケールスペースに基づく手法は操作者の操作によらず常に一定の出力を生成することができる。よって、本画像処理技術に基づいて設定される局所画像領域Ｖ'は安定した画像、すなわち、対象物の領域（肺結節領域）を画像内の一定の位置に捉えており、かつ対象物の領域（肺結節領域）の周辺の背景領域を一定範囲だけ含む画像となる。

また、本実施形態の領域抽出処理では、複数の基準点のそれぞれを用いて初期輪郭としていったん領域抽出処理を行った後、取得した複数個の初期抽出結果を尤度マップ（正規化尤度マップＲ'_ｐ）として統合し、この尤度マップを参照して、再度、領域抽出処理を実行する。このような処理により、個々の速度関数を用いた領域抽出処理で生じる抽出のブレを抑制し、同じ領域について、同じ領域抽出結果を得ること（抽出領域の再現性の向上）が可能となる。また本実施形態の領域抽出処理では、上述の方法で生成した局所画像領域Ｖ'（安定した局所画像領域）を使用することも重要な点である。また、複数の領域抽出結果を統合することで、個々の領域抽出では抽出に失敗していた箇所も、良好に抽出すること（抽出の高精細化）が可能となる。

上述のことから、本発明の第１実施形態に係る画像処理技術（画像処理装置、システム、および画像処理方法）によれば、対象物の領域を高精細、かつ高い再現性で抽出することができる。

（第２実施形態）
本発明の第２実施形態に係る画像処理について説明する。本実施形態では、基準点取得部１０１０が取得する基準点の増加（基準点の逐次追加設定）に伴い、抽出される対象物領域の変化量（例えば、抽出される対象物領域の体積の差分）を計算し、変化量（体積の差分）が収束するまで処理を繰り返して、対象物領域の抽出処理を実行する構成について説明する。尚、抽出される対象物領域の変化量は、体積の差分に限定されるものではなく、例えば、対象物領域の輪郭の位置情報や対象物領域の所定の断面の面積など、抽出される対象物領域の特徴を示す特徴情報の差分であってもよい。

（機能構成）
図９に基づいて、本発明の第２実施形態に係る画像処理装置２００を構成する各機能構成について説明する。画像処理装置２００は、本発明の第２実施形態に係る画像処理を実行する。画像処理装置２００は、機能構成として、画像取得部１０００、基準点取得部１０１５、抽出結果取得部１０２０、抽出結果統合部１０３０、領域抽出部１０４０、処理制御部１０４５、表示制御部１０５０を有する。第１実施形態に係る画像処理装置１００を構成する機能構成と同様の機能を有する構成には図２と同一の番号を付しており、詳細な説明を省略する。

基準点取得部１０１５（設定部）は、基準点を数点ずつ、順次、設定する。基準点取得部１０１５は、繰り返し演算において、複数の基準点を追加設定する。抽出結果取得部１０２０は、設定されている第１の複数の基準点および追加設定された第２の複数の基準点の夫々と対応する対象物領域の輪郭を初期抽出結果として取得する。基準点取得部１０１５が基準点を設定するごとに、領域抽出部１０４０は対象物領域の抽出を行う。領域抽出部１０４０は、第１の複数の基準点および追加設定された第２の複数の基準点に基づいて取得された複数の初期抽出結果における各画素の値を統合（加算）した統合結果に基づいて、処理対象画像から対象物領域を抽出する。

処理制御部１０４５（判定部）は、追加設定される複数の基準点の増加に伴い、領域抽出部１０４０で抽出される対象物領域の特徴を示す特徴情報の変化量ρを取得して、変化量ρと閾値との比較に基づいて繰り返し演算を継続するか否かを判定する。処理制御部１０４５は、収束判定処理として、対象物領域の変化量ρと閾値とを比較して、変化量が閾値以下になった場合に収束したと判定する。本実施形態の画像処理は、対象物領域の変化量ρが閾値以下に収束するまで、基準点取得部１０１５から領域抽出部１０４０までの処理を繰り返すことで、より効率的かつ高精度に対象物領域を抽出することを可能にする。

（処理フロー）
続いて、本発明の第２実施形態に係る画像処理について説明する。図１０は本実施形態の画像処理装置２００が実行する処理手順を示す図である。本実施形態は、主メモリ１２に格納されている各部の機能を実現するプログラムをＣＰＵ１１が実行することにより実現される。ステップＳ２１００、Ｓ２１２０、Ｓ２１３０、Ｓ２１４０の処理は図３に示すステップＳ１１００、Ｓ１１２０、Ｓ１１３０、Ｓ１１４０の処理とそれぞれ同様であるため、詳細な説明を省略する。

（Ｓ２１００）
ステップＳ２１００において、画像取得部１０００は画像処理の対象とする処理対象画像を取得する。すなわち、画像取得部１０００は処理対象画像であるＣＴ画像をデータサーバ１２０から取得し、画像処理装置１００の主メモリ１２上に記憶する。この処理は、ステップＳ１１００と同様の処理であるため、処理対象画像の取得に関する詳細な説明を省略する。

（Ｓ２１１５）
ステップＳ２１１５で、基準点取得部１０１５は、処理対象画像に含まれる対象物の領域に含まれる可能性の高い複数の点（基準点）に関する基準点情報を、繰り返し処理を実施することにより取得する。すなわち、基準点取得部１０１５は、初期抽出結果を取得するための複数の基準点を、繰り返し処理を実施することにより取得する。ここで、繰り返し処理を実施するために、基準点取得部１０１５は、前回の処理結果に基づいて処理を行う。例えば、繰り返し処理の回数をＳとすると、Ｓ＝１（１回目の基準点取得）のとき、基準点取得部１０１５はＬｏＧカーネルの出力値が最も大きい画素から順番にｎ_１個の点（画素）を基準点として取得する。次に、Ｓ＝２（２回目の基準点取得）のとき、基準点取得部１０１５はＬｏＧカーネルの出力値の大きさがｎ_１+１番目の点からＬｏＧカーネルの出力値の大きい順にｎ_２個の点（画像）を追加の基準点として取得する。このような処理を、後述の処理制御部１０４５により領域抽出結果での変化の収束完了判定がなされるまで、繰り返し実行する。基準点取得部１０１５が取得する基準点の数ｎ_２は、繰り返し処理の回数がＳ＝１のときに基準点取得部１０１５が取得した基準点の数ｎ_１と同じであってもよいし、操作者が必要に応じて異なる基準点の数を任意に設定してもよい。繰り返し処理の回数がＳ＞２のときも同様である。また、基準点取得部１０１５は、取得する基準点の個数を繰り返し回数に応じて増加させてもよい。例えば、Ｓ＝１のとき、ステップＳ２１１５で、基準点取得部１０１５は基準点として一つの点を取得し、Ｓ＝２では基準点として二つの点を取得し、Ｓ＝３では基準点として三つの点を取得してもよい。

尚、ステップＳ２１１５の処理は、操作者による手動入力を介してもよい。例えば、表示制御部１０５０は表示部１６０の表示制御を行い、操作者に前回の抽出結果を提示する。操作者は、前回の抽出結果の提示に基づいて、操作部１７０を介して、新しい基準点を手動で入力することが可能である。基準点取得部１０１５は、操作者によって手動入力された基準点を取得する。このような手動入力の機会を提供することで、操作者は、例えば、抽出対象の結節領域のうち一部が未抽出の場合に、未抽出領域付近を基準点として新たに取得することが可能となり、結果として未抽出領域を抽出することが可能となる。

基準点取得部１０１５が実行する以上の基準点取得処理により、新たに取得された基準点群をｐ^Ｓ _{ｓｅｅｄ＿ｉ}（ｉ＝１，２，...ｎ_ｓ）とする。基準点取得部１０１５は、表示制御部１０５０を介して前回までに取得した基準点、及び抽出結果を表示させ、新しく取得した基準点を前回までに取得した基準点と区別可能に表示させてもよい。また、基準点取得部１０１５は、表示制御部１０５０を介して基準点を処理対象画像に重ねて表示させ、操作者が表示部１６０を参照しながら操作部１７０を操作して、不要な基準点を手動で削除するようにしてもよい。

（Ｓ２１２０）
ステップＳ２１２０において、抽出結果取得部１０２０は、初期領域抽出処理によって複数の肺結節の初期抽出結果を取得する。抽出結果取得部１０２０は、局所画像領域Ｖ'（ｘ，ｙ，ｚ）と基準点群ｐ^Ｓ _{ｓｅｅｄ＿ｉ}を用いて、ステップＳ１１２０と同様に、複数回の領域抽出処理を行い、各々の基準点に対応した肺結節の初期抽出結果Ｒ^Ｓ _ｉ（ｉ＝１，２，・・・ｎ_ｓ）を取得する。Ｓは、繰り返し処理の回数である。

（Ｓ２１３０）
ステップＳ２１３０において、抽出結果統合部１０３０は、抽出結果取得部１０２０が取得した複数の初期抽出結果を統合した統合結果を生成する。抽出結果統合部１０３０は、ステップＳ２１２０で取得した全ての初期抽出結果Ｒ^１ _ｉ（ｉ＝１，２，・・・ｎ_１）_、Ｒ^２ _ｉ（ｉ＝１，２，・・・ｎ_２）・・・Ｒ^Ｓ _ｉ（ｉ＝１，２，・・・ｎ_ｓ）を統合した統合結果Ｒ_ｐ（ｘ，ｙ，ｚ）を取得する。そして、抽出結果統合部１０３０は、取得した統合結果Ｒ_ｐ（ｘ，ｙ，ｚ）（尤度マップ）に対して、正規化処理を施し、正規化尤度マップＲ'_ｐを取得する。抽出結果統合部１０３０による処理は第1実施形態の図６で説明したステップＳ１１３０と同様の処理であるため、説明を省略する。

（Ｓ２１４０）
ステップＳ２１４０において、領域抽出部１０４０は、基準点取得部１０１０が取得した基準点情報、および抽出結果統合部１０３０が取得した初期抽出結果の統合結果に基づいて、画像取得部１０００が取得した処理対象画像から対象物の領域（肺結節の領域）を抽出する。領域抽出部１０４０は、局所画像領域Ｖ'（ｘ，ｙ，ｚ）と、基準点群ｐ^Ｓ _{ｓｅｅｄ＿ｉ}と、初期抽出結果群Ｒ^Ｓ _ｉ、正規化尤度マップＲ'_ｐを用いて、対象物である肺結節の領域を抽出する。領域抽出部１０４０によって抽出された肺結節領域のＳ回目の領域抽出結果をＲ_f（Ｓ）とする。この処理は第1実施形態で説明したステップＳ１１４０と同様の処理であるため、説明を省略する。

（Ｓ２１４５、Ｓ２１４８）
ステップＳ２０４５において、処理制御部１０４５は、ステップＳ２０４０で取得したＳ回目の領域抽出結果Ｒ_f（Ｓ）とＳ−１回目の領域抽出結果Ｒ_f（Ｓ−１）との差分を算出し、ステップＳ２１４８において、処理制御部１０４５は、算出した差分と閾値とを比較して、繰り返し処理を行うか否かを判定する判定処理を行う。判定処理は、例えば、Ｓ回目の領域抽出結果Ｒ_f（Ｓ）の体積とＳ−１回目の領域抽出結果Ｒ_f（Ｓ−１）の体積との差分Ｖ_ｄｉｆｆに基づいて実施する。体積の差分Ｖ_ｄｉｆｆが閾値Ｖ_Ｔより大きい場合（Ｓ２１４８−Ｙｅｓ）、処理制御部１０４５は、基準点取得部１０１０から、領域抽出部１０４０までの処理（Ｓ２１００〜Ｓ２１４０）を繰り返し実施すると判定する。また、処理制御部１０４５は、体積の差分Ｖ_ｄｉｆｆが閾値Ｖ_Ｔ以下の場合（Ｓ２１４８−Ｎｏ）、領域抽出結果は収束したと判定する（収束完了判定）。判定処理に用いる閾値Ｖ_Ｔは式８のように算出してもよい。

ここでωは係数であり、Ｖ_Ｓ−１はＳ−１回目の領域抽出結果Ｒ_f（Ｓ−１）の体積である。また、Ｖ_Ｔは操作者が事前に設定してもよい。尚、式８を用いて判定処理を実行する場合、Ｓ＝１のとき閾値Ｖ_Ｔは取得されていないため、１回目の領域抽出結果（Ｒ_f（１））に対して、処理制御部１０４５は、自動的に繰り返し処理を行うと判定する。処理制御部１０４５によって、繰り返し処理を行うと判定された場合、基準点取得部１０１５、抽出結果取得部１０２０、抽出結果統合部１０３０、ならびに領域抽出部１０４０は、それぞれの処理を再び実行する。

（Ｓ２１５０）
ステップＳ２１５０において、表示制御部１０５０は、領域抽出の結果を表示する処理を行う。繰り返し処理が必要でないと判断された場合、すなわち、処理制御部１０４５によって、体積の差分Ｖ_ｄｉｆｆが閾値Ｖ_Ｔ以下と判定された場合、表示制御部１０５０は、領域抽出の結果を画像処理装置２００に接続された表示部１６０に送信し、表示部１６０に領域抽出の結果を表示させる制御を行う。ステップＳ２１５０の処理は、第1実施形態の図８で説明したＳ１１５０と同様の処理であるため、説明を省略する。

本発明の第２実施形態に係る画像処理装置によれば、基準点の逐次追加取得によって、複数の初期抽出結果を逐次生成および統合し、領域抽出結果の収束判定処理を行うことで、より効率的に、かつ正確に領域を抽出することができる。

上述の各実施形態における画像処理装置および画像処理システムは、単体の装置として実現してもよいし、複数の情報処理装置を含む装置を互いに通信可能に組合せて上述の処理を実行する形態としてもよく、いずれも本発明の実施形態に含まれる。共通のサーバ装置あるいはサーバ群で、上述の処理を実行することとしてもよい。この場合、当該共通のサーバ装置は実施形態に係る画像処理装置に対応し、当該サーバ群は実施形態に係る画像処理システムに対応する。画像処理装置および画像処理システムを構成する複数の装置は所定の通信レートで通信可能であればよく、また同一の施設内あるいは同一の国に存在することを要しない。

（その他の実施形態）
本発明は、上述の実施形態の１以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける１つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、１以上の機能を実現する回路（例えば、ＡＳＩＣ）によっても実現可能である。

１００：画像処理装置、１０００：画像取得部、１０１０：基準点取得部、１０２０：抽出結果取得部、１０３０：抽出結果統合部、１０４０：領域抽出部、１０５０：表示制御部、１０１５：基準点取得部、１０４５：処理制御部

Claims (19)

1. 画像から一つの対象物領域を抽出する画像処理装置であって、
   前記画像において、前記一つの対象物領域内に複数の基準点を設定する設定手段と、
   前記一つの対象物領域が有する特性に基づいて、前記一つの対象物領域に対して前記複数の基準点の夫々と対応する複数の輪郭を抽出し、抽出された該複数の輪郭を複数の初期抽出結果として取得する取得手段と、
   前記複数の初期抽出結果における各画素の値を統合した統合結果に基づいて、前記画像から前記一つの対象物領域を抽出する抽出手段と、
   を備えることを特徴とする画像処理装置。
2. 前記抽出手段は、前記統合結果における各画素が前記一つの対象物領域に含まれる尤度を示す尤度マップを生成し、前記尤度マップに基づいて前記画像から前記一つの対象物領域を抽出することを特徴とする請求項１に記載の画像処理装置。
3. 前記抽出手段は、前記尤度マップにおける各画素の尤度と、前記一つの対象物領域が有する特性とに基づいて、前記画像から前記一つの対象物領域を抽出することを特徴とする請求項２に記載の画像処理装置。
4. 前記一つの対象物領域が有する特性には、前記一つの対象物領域の領域内と領域外とで濃度値が変化する濃度値変化の特性と、前記一つの対象物領域が有する輪郭形状の特性と、が含まれることを特徴とする請求項２または３に記載の画像処理装置。
5. 前記抽出手段は、前記濃度値変化の特性の評価結果と、前記輪郭形状の特性の評価結果と、前記尤度マップにおける各画素の尤度の評価結果とに基づいて、前記画像から前記一つの対象物領域を抽出することを特徴とする請求項４に記載の画像処理装置。
6. 前記抽出手段は、前記複数の初期抽出結果における各画素の値を同じ画素位置において加算した結果に基づいて、前記一つの対象物領域を抽出することを特徴とする請求項１に記載の画像処理装置。
7. 前記設定手段は、操作手段からの入力情報に基づいて設定した初期基準点の画像特徴と類似した画像特徴を有する複数の画素を前記複数の基準点として設定することを特徴とする請求項１乃至６のいずれか１項に記載の画像処理装置。
8. 前記設定手段は、前記操作手段からの入力情報に基づいて設定した初期基準点と、前記初期基準点の画像特徴に類似した画像特徴を有する複数の画素とを、前記複数の基準点として設定することを特徴とする請求項７に記載の画像処理装置。
9. 前記設定手段は、画像サイズを求めるための評価関数として、Laplacian of Gaussian（ＬｏＧ）を用い、前記評価関数の出力値の分布に基づいて、前記一つの対象物領域を含む画像領域の画像サイズを決定することを特徴とする請求項７または８に記載の画像処理装置。
10. 前記設定手段は、前記評価関数の出力値の最大値に対応する前記評価関数のスケールを表すパラメータに基づいて、前記一つの対象物領域を含む画像領域の画像サイズを決定することを特徴とする請求項９に記載の画像処理装置。
11. 前記設定手段は、前記評価関数の出力値に基づいて前記複数の基準点を設定することを特徴とする請求項１０に記載の画像処理装置。
12. 前記取得手段は、前記複数の基準点の重心を求めることにより、前記一つの対象物領域を含む画像領域の位置を設定し、
    前記取得手段は、前記画像サイズと前記位置とを用いて前記画像から前記画像領域を取得することを特徴とする請求項１１に記載の画像処理装置。
13. 前記画像特徴には、前記画像を構成する各画素の画素値、または、前記評価関数の出力値が含まれることを特徴とする請求項９乃至１２のいずれか１項に記載の画像処理装置。
14. 前記設定手段は、繰り返し演算において、複数の基準点を追加設定し、
    前記取得手段は、設定されている第１の複数の基準点および前記追加設定された第２の複数の基準点の夫々と対応する対象物領域の輪郭を初期抽出結果として取得し、
    前記抽出手段は、前記第１の複数の基準点および追加設定された前記第２の複数の基準点に基づいて取得された複数の初期抽出結果における各画素の値を統合した統合結果に基づいて、前記画像から前記一つの対象物領域を抽出する
    ことを特徴とする請求項１乃至１３のいずれか１項に記載の画像処理装置。
15. 前記追加設定される複数の基準点の増加に伴い、前記抽出手段で抽出される前記一つの対象物領域の特徴を示す特徴情報の変化量を取得して、前記変化量と閾値との比較に基づいて前記繰り返し演算を継続するか否かを判定する判定手段を更に備えることを特徴とする請求項１４に記載の画像処理装置。
16. 前記抽出手段による領域抽出の結果を表示手段に表示させるための表示制御を行う表示制御手段を更に備え、
    前記表示制御手段は、抽出された前記一つの対象物領域と前記画像とを重ね合わせて合成した画像を前記表示手段に表示させることを特徴とする請求項１乃至１５のいずれか１項に記載の画像処理装置。
17. 請求項1乃至１６のいずれか１項に記載の画像処理装置を有することを特徴とする画像処理システム。
18. 画像から一つの対象物領域を抽出する画像処理装置における画像処理方法であって、
    前記画像において、前記一つの対象物領域内に複数の基準点を設定する工程と、
    前記一つの対象物領域が有する特性に基づいて、前記一つの対象物領域に対して前記複数の基準点の夫々と対応する複数の輪郭を抽出し、抽出された該複数の輪郭を複数の初期抽出結果として取得する取得工程と、
    前記複数の初期抽出結果における各画素の値を統合した統合結果に基づいて、前記画像から前記一つの対象物領域を抽出する工程と、
    を有することを特徴とする画像処理方法。
19. コンピュータに、請求項１８に記載の画像処理方法の各工程を実行させるためのプログラム。