JP7322562B2 - 判定プログラム、判定方法、および判定システム - Google Patents

Description

本発明は、判定プログラム、判定方法、および判定システムに関する。

従来、医療分野において、検査技師と呼ばれる医療従事者が、モダリティ装置を利用し、被験者の断面画像を撮像することがある。断面画像は、例えば、ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）画像やＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）画像などである。その後、医師が、被験者の健康状態や病状などを診断する際に、撮像された断面画像を確認する。

先行技術としては、例えば、読影レポートに記録された第１の病変特徴と、読影レポートに対応する画像データから取得した第２の病変特徴とが一致すると判定した場合に、読影レポートに対応する画像データを正解データとして登録するものがある。また、例えば、医用画像における病変領域候補を識別し、識別された病変領域候補が血管領域であるか否かを識別し、血管領域であると識別されなかった病変候補領域を、病変領域として検出する技術がある。

特開２０１９－８３４９号公報 特開２０１８－１７５３４３号公報

しかしながら、従来技術では、断面画像に粒状影が含まれるか否かを精度よく判別することが難しい。例えば、肺疾患の診断時、被験者の断面画像において、粒状影と血管影とは、共に白い円形の影として映ることがあり、断面画像に映る白い円形の影が、粒状影であるか否かを精度よく判定することが難しい。

１つの側面では、本発明は、断面画像に粒状影が含まれるか否かを判別する精度の向上を目的とする。

１つの実施態様によれば、断面画像群のいずれかの断面画像に映る粒状影の候補を検出し、前記候補を検出した際に、前記断面画像群のうち、前記いずれかの断面画像に対応する複数の断面画像に基づいて、前記候補が粒状物体の断面の形状の傾向を示す場合には、検出した前記候補が粒状影であると判定し、前記候補が粒状物体の断面の形状の傾向を示さない場合には、検出した前記候補が粒状影ではないと判定する判定プログラム、判定方法、および判定システムが提案される。

一態様によれば、断面画像に粒状影が含まれるか否かを判別する精度の向上が可能になる。

図１は、実施の形態にかかる判定方法の一実施例を示す説明図である。 図２は、医療システム２００の一例を示す説明図である。 図３は、判定装置１００のハードウェア構成例を示すブロック図である。 図４は、モダリティ装置２０１のハードウェア構成例を示すブロック図である。 図５は、医師用端末２０２のハードウェア構成例を示すブロック図である。 図６は、判定装置１００の機能的構成例を示すブロック図である。 図７は、合成枚数と合成方法とのペアを選択する一例を示す説明図（その１）である。 図８は、合成枚数と合成方法とのペアを選択する一例を示す説明図（その２）である。 図９は、合成枚数と合成方法とのペアを選択する一例を示す説明図（その３）である。 図１０は、合成枚数と合成方法とのペアを選択する一例を示す説明図（その４）である。 図１１は、評価値Ｖを算出する一例を示す説明図である。 図１２は、粒状影が映っているか否かを判別する一例を示す説明図である。 図１３は、医療システム２００を利用する一例を示す説明図である。 図１４は、全体処理手順の一例を示すフローチャートである。 図１５は、画像生成処理手順の一例を示すフローチャートである。 図１６は、類似度算出処理手順の一例を示すフローチャートである。 図１７は、評価値算出処理手順の一例を示すフローチャートである。 図１８は、方式決定処理手順の一例を示すフローチャートである。 図１９は、粒状影判別処理手順の一例を示すフローチャートである。

以下に、図面を参照して、本発明にかかる判定プログラム、判定方法、および判定システムの実施の形態を詳細に説明する。

（実施の形態にかかる判定方法の一実施例）
図１は、実施の形態にかかる判定方法の一実施例を示す説明図である。図１において、判定装置１００は、医療分野において、被験者のいずれかの部位の断面画像に基づく、医師による被験者に対する診断作業を支援するためのコンピュータである。

診断作業は、例えば、被験者の健康状態や病状などを診断する作業である。被験者の断面画像は、被験者の健康状態や病状などを診断するための医療用の画像である。被験者の断面画像は、例えば、ＣＴ画像やＭＲＩ画像などである。被験者の断面画像は、例えば、検査技師によってモダリティ装置を利用して撮像される。医師は、被験者の断面画像を確認し、被験者の健康状態や病状などを診断する診断作業を実施する。

ここで、近年、被験者に対する１回の検査において、モダリティ装置を利用して撮像される被験者の断面画像の数が膨大になる傾向がある。例えば、ＣＴ画像やＭＲＩ画像は、数ｍｍ間隔で人体の断面を撮像するため、被験者の断面画像の数が膨大になりやすい。具体的には、被験者の断面画像の数は、数千枚になる。また、医師の人手不足の問題がある。結果として、被験者の断面画像を確認し、被験者に対する診断作業を実施する際にかかる医師の作業負担は、増大する傾向がある。

このため、診断作業を効率化し、医師の作業負担を低減することが望まれる。これに対し、医師が、被験者の症例に類似する過去の症例を参照可能にすることにより、診断作業の効率化を図り、医師の作業負担の低減化を図ることが考えられる。例えば、医師が、被験者の症例に類似する過去の症例を参照可能にするにあたり、機械学習により、被験者の断面画像に基づき、被験者の症例の特徴を特定し、被験者の症例の特徴から、過去の症例を検索することが考えられる。

具体的には、びまん性肺疾患の診断では、病変部位が空間的に広範囲に存在し、断面画像を確認する際にかかる時間が増大する傾向があるため、被験者の断面画像に基づき、被験者の症例の特徴を特定し、特定した特徴と類似する特徴を有する過去の症例を検索することが考えられる。この際、断面画像において、血管に対応する陰影と画像特徴が類似する、病変部位に対応する粒状影と呼ばれる陰影を、血管に対応する陰影と区別し、被験者の症例の特徴として、被験者の肺における病変部位の分布を特定することが好ましい。粒状影とは、病変部位に対応する円形の陰影である。例えば、直径３ｍｍ未満の血管に対応する陰影は、粒状影と画像特徴が類似する傾向がある。

しかしながら、断面画像に映る血管に対応する陰影と区別して、断面画像に粒状影が映っているか否かを精度よく判別することは難しい。これに対し、パッチサイズを検討して、入力された１枚の断面画像に粒状影が映っているか否かを判別しようとする判別手法が考えられるが、１枚の断面画像を基に、共に白い円形の陰影として映る傾向がある粒状影と血管に対応する陰影とを区別することは難しい。結果として、入力された１枚の断面画像に映る白い円形の影が、粒状影であるか否かを精度よく判定することは難しく、断面画像に粒状影が映っているか否かを精度よく判別することは難しい。上記判別手法は、例えば、下記参考文献１を参照することができる。

参考文献１：Ｍｏｎｋａｍ， Ｐａｔｒｉｃｅ， ｅｔ ａｌ． “ＣＮＮ ｍｏｄｅｌｓ ｄｉｓｃｒｉｍｉｎａｔｉｎｇ ｂｅｔｗｅｅｎ ｐｕｌｍｏｎａｒｙ ｍｉｃｒｏ－ｎｏｄｕｌｅｓ ａｎｄ ｎｏｎ－ｎｏｄｕｌｅｓ ｆｒｏｍ ＣＴ ｉｍａｇｅｓ．” Ｂｉｏｍｅｄｉｃａｌ ｅｎｇｉｎｅｅｒｉｎｇ ｏｎｌｉｎｅ １７．１ （２０１８）： ９６．

そこで、本実施の形態では、断面画像群のうち、粒状影の候補が映るいずれかの断面画像に対応する複数の断面画像に基づいて、粒状影の候補が、粒状影であるか否かを判定することができる判定方法について説明する。

図１において、判定装置１００は、対象物の断面画像群を記憶する。対象物は、被験者の１以上の部位である。断面画像群は、例えば、互いに略平行である。略平行は、断面画像同士が重ならないことを示す。以下では、説明の簡略化のため、断面画像群は、互いに平行であるとし、断面画像群に含まれる複数の断面画像も、互いに平行であるとする。

判定装置１００は、例えば、被験者のいずれかの部位の互いに平行な断面群のそれぞれの断面を撮像して得られた、被験者のいずれかの部位に関する互いに平行な断面画像群を記憶する。いずれかの部位は、例えば、被験者の肺である。図１の例では、断面画像群は、具体的には、断面画像１１０や断面画像１２０などを含む。

図１に示すように、断面画像１１０は、病変部位１３０の断面を表す粒状影が、白い円形の陰影１１１として映る。また、断面画像１２０は、血管１４０の断面を表す血管影が、白い円形の陰影１２１として映る。図１に示すように、陰影１１１，１２１は、画像特徴が類似する。

（１－１）判定装置１００は、断面画像群のいずれかの断面画像に映る粒状影の候補を検出する。判定装置１００は、例えば、断面画像群のいずれかの断面画像に映る白い円形の陰影を、粒状影の候補として検出する。

判定装置１００は、具体的には、断面画像１１０を処理対象とすれば、断面画像１１０に映る白い円形の陰影１１１を、粒状影の候補として検出する。また、判定装置１００は、具体的には、断面画像１２０を処理対象とすれば、断面画像１２０に映る白い円形の陰影１２１を、粒状影の候補として検出する。従って、検出した粒状影の候補は、実際にも粒状影である場合と、実際には血管影である場合とがあり得る。

（１－２）判定装置１００は、粒状影の候補を検出した際に、断面画像群のうち、いずれかの断面画像に対応する互いに平行な複数の断面画像を取得する。複数の断面画像は、例えば、いずれかの断面画像の近傍に、いずれかの断面画像に対して平行に存在する断面画像を少なくとも含む。複数の断面画像は、例えば、いずれかの断面画像そのものをさらに含んでもよい。

複数の断面画像は、例えば、いずれかの断面画像に対して平行に連続して存在する２以上の断面画像を含んでもよい。複数の断面画像は、例えば、いずれかの断面画像に対して平行に不連続に存在する２以上の断面画像を含んでもよい。不連続に存在する断面画像は、例えば、断面画像群から１つ飛ばしで選んだ断面画像である。複数の断面画像は、具体的には、いずれかの断面画像そのものと、いずれかの断面画像に対して平行に存在する断面画像とを含む、予め設定された枚数分の断面画像である。

ここで、病変部位１３０は、粒状であり、空間的な広がりが小さい傾向があるため、断面画像１１０と、断面画像１１０に対して平行に存在する他の断面画像とは、病変部位１３０の断面を表す粒状影を、同様の位置に含むという性質がある。粒状とは、例えば、球体であることを意味する。また、粒状とは、例えば、球体に比較的近い形状であることを意味してもよく、楕円形であってもよい。

一方で、血管１４０は、空間的な広がりが大きい傾向があり、枝分かれすることもあるため、断面画像１２０と、断面画像１２０に対して平行に存在する他の断面画像とは、血管１４０の断面を表す血管影を、同様の位置に含むとは限らないという性質がある。

判定装置１００は、これらの性質を利用して、複数の断面画像に基づいて、粒状影の候補が粒状物体の断面の形状の傾向を示す場合には、粒状影の候補が粒状影であると判定し、粒状影の候補が粒状物体の断面の形状の傾向を示さない場合には、粒状影の候補が粒状影ではないと判定する。粒状物体は、例えば、球体である。粒状物体は、例えば、球体に比較的近い物体であってもよく、楕円形物体であってもよい。

判定装置１００は、例えば、複数の断面画像を合成した合成画像に映る影が円形である場合には、粒状影の候補が粒状影であると判定し、複数の断面画像を合成した合成画像に映る影が円形ではない場合には、粒状影の候補が粒状影ではないと判定する。合成画像は、例えば、ｚ軸方向の投影図に対応し、ｚ軸方向からの陰影の見え方を表すことがある。

判定装置１００は、具体的には、断面画像１１０に対応する複数の断面画像を合成した合成画像１５０に映る陰影１５１が円形であるため、粒状影の候補として検出した陰影１１１が、粒状影であると判定する。また、判定装置１００は、具体的には、断面画像１２０に対応する複数の断面画像を合成した合成画像１６０に映る陰影１６１が円形ではないため、粒状影の候補として検出した陰影１２１が、粒状影ではないと判定する。

これにより、判定装置１００は、血管影と区別して、断面画像に粒状影が映っているか否かを精度よく判別することができる。このため、判定装置１００は、血管影と区別された粒状影に基づいて、被験者の症例の特徴を精度よく特定することができ、他の被験者の過去の症例を検索しやすくすることができる。判定装置１００は、例えば、びまん性肺疾患の診断において、被験者の症例の特徴を精度よく特定することができる。

結果として、判定装置１００は、被験者の断面画像を確認し、被験者に対する診断作業を実施する際にかかる医師の作業負担の低減化を図ることができる。また、判定装置１００は、医師が、被験者の健康状態や病状などを正しく診断しやすくすることができる。

ここでは、判定装置１００が、複数の断面画像を合成した合成画像に基づいて、検出した粒状影の候補が、粒状影であるか否かを判定する場合について説明したが、これに限らない。例えば、判定装置１００が、複数の断面画像を合成せず、複数の断面画像に基づいて、検出した粒状影の候補が、粒状影であるか否かを判定する場合があってもよい。具体的には、判定装置１００が、複数の断面画像が入力されると複数の断面画像のいずれかの断面画像に粒状影が映っているか否かを判別した結果が出力されるモデルを利用して、検出した粒状影の候補が、粒状影であるか否かを判定する場合があってもよい。

（医療システム２００の一例）
次に、図２を用いて、図１に示した判定装置１００を適用した、医療システム２００の一例について説明する。

図２は、医療システム２００の一例を示す説明図である。図２において、医療システム２００は、判定装置１００と、モダリティ装置２０１と、１以上の医師用端末２０２とを含む。

医療システム２００において、判定装置１００とモダリティ装置２０１とは、有線または無線により直接接続される。また、判定装置１００とモダリティ装置２０１とは、有線または無線のネットワーク２１０を介して接続されてもよい。また、判定装置１００と医師用端末２０２とは、有線または無線のネットワーク２１０を介して接続される。ネットワーク２１０は、例えば、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）、ＷＡＮ（Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ）、インターネットなどである。

判定装置１００は、画像ＤＢ（ＤａｔａＢａｓｅ）２０３と特徴ＤＢ２０４とを有する。判定装置１００は、例えば、被験者のいずれかの部位に関する互いに平行な断面画像群を、モダリティ装置２０１から受信し、画像ＤＢ２０３を用いて記憶する。

判定装置１００は、例えば、過去の被験者の症例の特徴を、特徴ＤＢ２０４を用いて記憶する。過去の被験者の症例の特徴は、例えば、過去の被験者の肺における病変部位の分布の特徴である。また、特徴ＤＢ２０４は、過去の被験者の症例についての各種情報を記憶してもよい。各種情報は、例えば、過去の被験者の肺の断面画像、過去の被験者のカルテなどである。

判定装置１００は、例えば、断面画像群のうち、所定の合成枚数分の複数の断面画像を、所定の合成方法により合成した合成画像に基づいて、複数の断面画像のいずれかの断面画像に映る粒状影の候補が、粒状影であるか否かを判定し、粒状影が映っているか否かを判別する。

そして、判定装置１００は、少なくともいずれかの断面画像に粒状影が映っているか否かの判別結果を、医師用端末２０２に送信する。また、判定装置１００は、少なくともいずれかの断面画像に粒状影が映っているか否かの判別結果に基づいて、被験者の症例の特徴を特定し、当該特徴と類似する特徴を有する過去の被験者の症例を、特徴ＤＢ２０４から検索し、医師用端末２０２に送信する場合があってもよい。

また、判定装置１００は、粒状影または血管影が映る断面画像を含むことが確定した断面画像群に基づいて、合成枚数と合成方法との複数のペアのそれぞれのペアが、粒状影が映っているか否かの判別にどの程度好ましいかを検査する場合があってもよい。そして、判定装置１００は、合成枚数と合成方法との複数のペアのうち、粒状影が映っているか否かの判別に利用することが好ましいペアを選択し、粒状影が映っているか否かの判別に利用するようにする場合があってもよい。判定装置１００は、例えば、サーバやＰＣ（Ｐｅｒｓｏｎａｌ Ｃｏｍｐｕｔｅｒ）などである。判定装置１００は、例えば、ＰＡＣＳ（Ｐｉｃｔｕｒｅ Ａｒｃｈｉｖｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ Ｓｙｓｔｅｍｓ）を実現する。

モダリティ装置２０１は、主に検査技師に用いられるコンピュータである。検査技師は、例えば、診療科の医師からの検査指示に応じて、モダリティ装置２０１を利用し、被験者のいずれかの部位に関する互いに平行な断面画像群を撮像する検査を実施する。モダリティ装置２０１は、例えば、検査技師の操作入力に応じて、被験者のいずれかの部位に関する互いに平行な断面画像群を撮像し、判定装置１００に送信する。

モダリティ装置２０１は、例えば、検査技師の操作入力に応じて、被験者のいずれかの部位に関する互いに平行な断面画像群を、断面画像の順序の編集、断面画像の削除や加工などを実施した後に、判定装置１００に送信する場合があってもよい。モダリティ装置２０１は、例えば、ＣＲ、ＣＴ、ＭＲＩ、ＲＩなどに関する画像機器である。

医師用端末２０２は、主に医師に用いられるコンピュータである。医師は、例えば、医師用端末２０２を利用し、判定装置１００にアクセスし、少なくともいずれかの断面画像に粒状影が映っているか否かの判別結果に基づき、被験者の健康状態や病状などを診断し、被験者の所見を作成する。

医師用端末２０２は、例えば、医師の操作入力に応じて、判定装置１００にアクセスし、少なくともいずれかの断面画像に粒状影が映っているか否かの判別結果を取得し、ディスプレイに表示する。医師用端末２０２は、例えば、医師の操作入力に応じて、表示した少なくともいずれかの断面画像に粒状影が映っているか否かの判別結果に基づく被験者の所見を作成する。医師用端末２０２は、例えば、ＰＣなどである。

ここでは、判定装置１００が、合成方法と合成枚数との複数のペアのうち、粒状影が映っているか否かの判別に利用することが好ましいペアを選択し、粒状影が映っているか否かの判別に利用するようにする場合について説明したが、これに限らない。例えば、判定装置１００が、予め設定された合成枚数と合成方法とのペアを、常に粒状影が映っているか否かの判別に利用するようにする場合があってもよい。

ここでは、判定装置１００が、粒状影が映っているか否かを判別する場合について説明したが、これに限らない。例えば、判定装置１００が、合成方法と合成枚数との複数のペアのうち、粒状影が映っているか否かの判別に利用することが好ましいペアを選択し、粒状影が映っているか否かを判別するコンピュータに設定する場合があってもよい。具体的には、医師用端末２０２が、粒状影が映っているか否かを判別する場合があってもよい。

ここでは、判定装置１００が、被験者のいずれかの部位に関する互いに平行な断面画像群を、画像ＤＢ２０３を用いて記憶する場合について説明したが、これに限らない。例えば、判定装置１００が通信可能なコンピュータが、画像ＤＢ２０３を有し、被験者のいずれかの部位に関する互いに平行な断面画像群を、画像ＤＢ２０３を用いて記憶する場合があってもよい。

ここでは、モダリティ装置２０１が、検査技師の操作入力に応じて、被験者のいずれかの部位に関する互いに平行な断面画像群に対して、断面画像の順序の編集、断面画像の削除や加工などを実施する場合について説明したが、これに限らない。例えば、医療システム２００が、被験者のいずれかの部位に関する互いに平行な断面画像群をモダリティ装置２０１から受信して断面画像の順序の編集、断面画像の削除や加工などを実施した後に判定装置１００に転送するコンピュータを含む場合があってもよい。

（判定装置１００のハードウェア構成例）
次に、図３を用いて、判定装置１００のハードウェア構成例について説明する。

図３は、判定装置１００のハードウェア構成例を示すブロック図である。図３において、判定装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）３０１と、メモリ３０２と、通信Ｉ／Ｆ（Ｉｎｔｅｒｆａｃｅ）３０３と、記録媒体Ｉ／Ｆ３０４と、記録媒体３０５とを有する。また、各構成部は、バス３００によってそれぞれ接続される。

ここで、ＣＰＵ３０１は、判定装置１００の全体の制御を司る。メモリ３０２は、例えば、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）およびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ３０１のワークエリアとして使用される。メモリ３０２に記憶されるプログラムは、ＣＰＵ３０１にロードされることで、コーディングされている処理をＣＰＵ３０１に実行させる。

通信Ｉ／Ｆ３０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、通信Ｉ／Ｆ３０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。また、通信Ｉ／Ｆ３０３は、有線または無線により、他のコンピュータに直接接続され、他のコンピュータと内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する場合があってもよい。通信Ｉ／Ｆ３０３は、例えば、モデムやＬＡＮアダプタなどである。

記録媒体Ｉ／Ｆ３０４は、ＣＰＵ３０１の制御に従って記録媒体３０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ３０４は、例えば、ディスクドライブ、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）ポートなどである。記録媒体３０５は、記録媒体Ｉ／Ｆ３０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体３０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体３０５は、判定装置１００から着脱可能であってもよい。

判定装置１００は、上述した構成部のほか、例えば、キーボード、マウス、ディスプレイ、プリンタ、スキャナ、マイク、スピーカーなどを有してもよい。また、判定装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を複数有していてもよい。また、判定装置１００は、記録媒体Ｉ／Ｆ３０４や記録媒体３０５を有していなくてもよい。

（モダリティ装置２０１のハードウェア構成例）
次に、図４を用いて、図２に示した医療システム２００に含まれるモダリティ装置２０１のハードウェア構成例について説明する。

図４は、モダリティ装置２０１のハードウェア構成例を示すブロック図である。図４において、モダリティ装置２０１は、ＣＰＵ４０１と、メモリ４０２と、通信Ｉ／Ｆ４０３と、記録媒体Ｉ／Ｆ４０４と、記録媒体４０５と、撮像装置４０６と、入力装置４０７とを有する。また、各構成部は、バス４００によってそれぞれ接続される。

ここで、ＣＰＵ４０１は、モダリティ装置２０１の全体の制御を司る。メモリ４０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ４０１のワークエリアとして使用される。メモリ４０２に記憶されるプログラムは、ＣＰＵ４０１にロードされることで、コーディングされている処理をＣＰＵ４０１に実行させる。

通信Ｉ／Ｆ４０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、通信Ｉ／Ｆ４０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。通信Ｉ／Ｆ４０３は、有線または無線により、他のコンピュータに直接接続され、他のコンピュータと内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する場合があってもよい。通信Ｉ／Ｆ４０３は、例えば、モデムやＬＡＮアダプタなどである。

記録媒体Ｉ／Ｆ４０４は、ＣＰＵ４０１の制御に従って記録媒体４０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ４０４は、例えば、ディスクドライブ、ＳＳＤ、ＵＳＢポートなどである。記録媒体４０５は、記録媒体Ｉ／Ｆ４０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体４０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体４０５は、モダリティ装置２０１から着脱可能であってもよい。

撮像装置４０６は、被験者の断面画像を撮像する。撮像装置４０６は、例えば、ＣＴ、ＭＲＩ、ＣＲ（Ｃｏｍｐｕｔｅｄ Ｒａｄｉｏｇｒａｐｈｙ）、ＲＩ（Ｒａｄｉｏ Ｉｓｏｔｏｐｅ）などに関する画像機器である。入力装置４０７は、文字、数字、各種指示などの入力のためのキーを有し、データの入力を行う。入力装置４０７は、キーボードやマウスなどであってもよく、また、タッチパネル式の入力パッドやテンキーなどであってもよい。

モダリティ装置２０１は、上述した構成部のほか、例えば、プリンタ、スキャナ、マイク、スピーカーなどを有してもよい。また、モダリティ装置２０１は、記録媒体Ｉ／Ｆ４０４や記録媒体４０５を複数有していてもよい。また、モダリティ装置２０１は、記録媒体Ｉ／Ｆ４０４や記録媒体４０５を有していなくてもよい。

（医師用端末２０２のハードウェア構成例）
次に、図５を用いて、図２に示した医療システム２００に含まれる医師用端末２０２のハードウェア構成例について説明する。

図５は、医師用端末２０２のハードウェア構成例を示すブロック図である。図５において、医師用端末２０２は、ＣＰＵ５０１と、メモリ５０２と、通信Ｉ／Ｆ５０３と、記録媒体Ｉ／Ｆ５０４と、記録媒体５０５と、ディスプレイ５０６と、入力装置５０７とを有する。また、各構成部は、バス５００によってそれぞれ接続される。

ここで、ＣＰＵ５０１は、医師用端末２０２の全体の制御を司る。メモリ５０２は、例えば、ＲＯＭ、ＲＡＭおよびフラッシュＲＯＭなどを有する。具体的には、例えば、フラッシュＲＯＭやＲＯＭが各種プログラムを記憶し、ＲＡＭがＣＰＵ５０１のワークエリアとして使用される。メモリ５０２に記憶されるプログラムは、ＣＰＵ５０１にロードされることで、コーディングされている処理をＣＰＵ５０１に実行させる。

通信Ｉ／Ｆ５０３は、通信回線を通じてネットワーク２１０に接続され、ネットワーク２１０を介して他のコンピュータに接続される。そして、通信Ｉ／Ｆ５０３は、ネットワーク２１０と内部のインターフェースを司り、他のコンピュータからのデータの入出力を制御する。通信Ｉ／Ｆ５０３は、例えば、モデムやＬＡＮアダプタなどである。

記録媒体Ｉ／Ｆ５０４は、ＣＰＵ５０１の制御に従って記録媒体５０５に対するデータのリード／ライトを制御する。記録媒体Ｉ／Ｆ５０４は、例えば、ディスクドライブ、ＳＳＤ、ＵＳＢポートなどである。記録媒体５０５は、記録媒体Ｉ／Ｆ５０４の制御で書き込まれたデータを記憶する不揮発メモリである。記録媒体５０５は、例えば、ディスク、半導体メモリ、ＵＳＢメモリなどである。記録媒体５０５は、医師用端末２０２から着脱可能であってもよい。

ディスプレイ５０６は、カーソル、アイコンあるいはツールボックスをはじめ、文書、画像、機能情報などのデータを表示する。ディスプレイ５０６は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）、液晶ディスプレイ、有機ＥＬ（Ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイなどである。入力装置５０７は、文字、数字、各種指示などの入力のためのキーを有し、データの入力を行う。入力装置５０７は、キーボードやマウスなどであってもよく、また、タッチパネル式の入力パッドやテンキーなどであってもよい。

医師用端末２０２は、上述した構成部のほか、例えば、プリンタ、スキャナ、マイク、スピーカーなどを有してもよい。また、医師用端末２０２は、記録媒体Ｉ／Ｆ５０４や記録媒体５０５を複数有していてもよい。また、医師用端末２０２は、記録媒体Ｉ／Ｆ５０４や記録媒体５０５を有していなくてもよい。

（判定装置１００の機能的構成例）
次に、図６を用いて、判定装置１００の機能的構成例について説明する。

図６は、判定装置１００の機能的構成例を示すブロック図である。図６において、判定装置１００は、記憶部６００と、取得部６０１と、生成部６０２と、算出部６０３と、選択部６０４と、学習部６０５と、検出部６０６と、判定部６０７と、出力部６０８とを含む。

記憶部６００は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域によって実現される。以下では、記憶部６００が、判定装置１００に含まれる場合について説明するが、これに限らない。例えば、記憶部６００が、判定装置１００とは異なる装置に含まれ、記憶部６００の記憶内容が判定装置１００から参照可能である場合があってもよい。

取得部６０１～出力部６０８は、制御部の一例として機能する。取得部６０１～出力部６０８は、具体的には、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶されたプログラムをＣＰＵ３０１に実行させることにより、または、通信Ｉ／Ｆ３０３により、その機能を実現する。各機能部の処理結果は、例えば、図３に示したメモリ３０２や記録媒体３０５などの記憶領域に記憶される。

記憶部６００は、各機能部の処理において参照され、または更新される各種情報を記憶する。記憶部６００は、被験者のいずれかの部位に関する断面画像群を記憶する。この断面画像群は、例えば、略平行である。以下では、この断面画像群は、互いに平行であるとする。いずれかの部位は、例えば、肺である。記憶部６００は、例えば、被験者のいずれかの部位の互いに平行な断面群のそれぞれの断面を撮像して得られた、被験者のいずれかの部位に関する互いに平行な断面画像群を記憶する。記憶部６００は、具体的には、断面画像に粒状影が映っているか否かを判別する処理対象となる、被験者のいずれかの部位に関する互いに平行な断面画像群を、画像ＤＢ２０３を用いて記憶する。

記憶部６００は、粒状影に関する学習データとなる、被験者のいずれかの部位に関する断面画像群を記憶する。この断面画像群は、例えば、略平行である。以下では、この断面画像群は、互いに平行であるとする。記憶部６００は、例えば、粒状影が映る第１の断面画像に対応する互いに平行な第１の断面画像群を記憶する。第１の断面画像群は、例えば、粒状影が映る第１の断面画像の近傍に存在する他の断面画像を少なくとも含む。第１の断面画像群は、例えば、粒状影が映る第１の断面画像そのものを含んでもよい。

記憶部６００は、具体的には、粒状影が映る第１の断面画像を含むと判断された、被験者のいずれかの部位に関する互いに平行な第１の断面画像群を、ラベルとして粒状影を示す正解データに対応付けて、画像ＤＢ２０３を用いて記憶する。正解データは、例えば、第１の断面画像群が粒状影に関することを示し、第１の断面画像群の少なくとも第１の断面画像に粒状影が映っていることを示し、粒状影が映る第１の断面画像を特定可能にする情報である。

記憶部６００は、血管影に関する学習データとなる、被験者のいずれかの部位に関する断面画像群を記憶する。この断面画像群は、例えば、略平行である。以下では、この断面画像群は、互いに平行であるとする。記憶部６００は、例えば、血管影が映る第２の断面画像に対応する互いに平行な第２の断面画像群を記憶する。第２の断面画像群は、例えば、血管影が映る第２の断面画像の近傍に存在する他の断面画像を少なくとも含む。第２の断面画像群は、例えば、血管影が映る第２の断面画像そのものを含んでもよい。

記憶部６００は、具体的には、血管影が映る第２の断面画像を含むと判断された、被験者のいずれかの部位に関する互いに平行な第２の断面画像群を、ラベルとして血管影を示す正解データに対応付けて、画像ＤＢ２０３を用いて記憶する。正解データは、例えば、第２の断面画像群が血管影に関することを示し、第２の断面画像群の少なくとも第２の断面画像に血管影が映っていることを示し、血管影が映る第２の断面画像を特定可能にする情報である。

記憶部６００は、粒状影が映っているか否かを判別する際に利用可能な、合成枚数と合成方法との複数のペアを記憶する。合成枚数は、粒状影の判定に利用する断面画像の枚数である。合成方法は、複数の断面画像を合成した合成画像の各座標にある画素の画素値が、当該複数の断面画像のそれぞれの断面画像の当該座標にある画素の画素値の統計値となるように、当該複数の断面画像を合成する方法である。統計値は、例えば、平均値、最大値、最小値、最頻値、または、中央値などである。

取得部６０１は、各機能部の処理に用いられる各種情報を取得する。取得部６０１は、取得した各種情報を、記憶部６００に記憶し、または、各機能部に出力する。また、取得部６０１は、記憶部６００に記憶しておいた各種情報を、各機能部に出力してもよい。取得部６０１は、例えば、利用者の操作入力に基づき、各種情報を取得する。取得部６０１は、例えば、判定装置１００とは異なる装置から、各種情報を受信してもよい。

取得部６０１は、断面画像に粒状影が映っているか否かを判別する処理対象となる、被験者のいずれかの部位に関する互いに平行な断面画像群を取得する。取得部６０１は、例えば、断面画像に粒状影が映っているか否かを判別する処理対象となる、被験者のいずれかの部位に関する互いに平行な断面画像群を、モダリティ装置２０１から受信することにより取得する。

取得部６０１は、粒状影に関する学習データとなる、被験者のいずれかの部位に関する互いに平行な断面画像群を取得する。取得部６０１は、例えば、粒状影が映る第１の断面画像に対応する互いに平行な第１の断面画像群を取得する。取得部６０１は、具体的には、利用者の操作入力に基づき、ラベルとして粒状影を示す正解データに対応付けられた、粒状影が映る第１の断面画像を含むと判断された、被験者のいずれかの部位に関する互いに平行な第１の断面画像群を取得する。

取得部６０１は、血管影に関する学習データとなる、被験者のいずれかの部位に関する互いに平行な断面画像群を取得する。取得部６０１は、例えば、血管影が映る第２の断面画像に対応する互いに平行な第２の断面画像群を取得する。取得部６０１は、具体的には、利用者の操作入力に基づき、ラベルとして血管影を示す正解データに対応付けられた、血管影が映る第２の断面画像を含むと判断された、被験者のいずれかの部位に関する互いに平行な第２の断面画像群を取得する。

取得部６０１は、断面画像に粒状影が映っているか否かを判別する処理を開始する判別トリガーを受け付ける。判別トリガーは、例えば、利用者の操作入力である。判別トリガーは、例えば、断面画像に粒状影が映っているか否かを判別する処理対象となる、被験者のいずれかの部位に関する互いに平行な断面画像群を受信したことであってもよい。

取得部６０１は、合成枚数と合成方法との複数のペアのいずれかのペアを選択する処理を開始する選択トリガーを受け付ける。選択トリガーは、例えば、利用者の操作入力である。選択トリガーは、例えば、正解データに対応付けられた、被験者のいずれかの部位に関する互いに平行な第１の断面画像群または第２の断面画像群の少なくともいずれかを取得したことであってもよい。

生成部６０２は、複数の断面画像を合成した合成画像を生成する。生成部６０２は、例えば、複数のペアのそれぞれのペアについて、取得した第１の断面画像群のうち、当該ペアの合成枚数分の複数の断面画像を、当該ペアの合成方法により合成した第１の合成画像を生成する。生成部６０２は、具体的には、第１の合成画像の各座標の画素の画素値が、複数の断面画像のそれぞれの断面画像の当該座標の画素の画素値の統計値になるように、第１の合成画像を生成する。これにより、生成部６０２は、第１の断面画像の比較対象である第１の合成画像を、算出部６０３が参照可能にすることができる。

生成部６０２は、例えば、複数のペアのそれぞれのペアについて、取得した第２の断面画像群のうち、当該ペアの合成枚数分の複数の断面画像を、当該ペアの合成方法により合成した第２の合成画像を生成する。生成部６０２は、具体的には、第２の合成画像の各座標の画素の画素値が、複数の断面画像のそれぞれの断面画像の当該座標の画素の画素値の統計値になるように、第２の合成画像を生成する。これにより、生成部６０２は、第２の断面画像の比較対象である第２の合成画像を、算出部６０３が参照可能にすることができる。

算出部６０３は、複数の断面画像を合成した合成画像と、複数の断面画像のいずれかの断面画像との類似度を算出する。算出部６０３は、例えば、第１の合成画像と、第１の断面画像との第１の類似度を算出する。これにより、算出部６０３は、それぞれのペアが、粒状影が映っているか否かの判別にどの程度好ましいかを示す指標となり得る第１の類似度を得ることができる。例えば、第１の断面画像には、粒状影が映っているため、第１の類似度が大きいペアの方が、粒状影が映っているか否かの判別に好ましいペアであることを示す。

算出部６０３は、例えば、第２の合成画像と、第２の断面画像との第２の類似度を算出する。これにより、算出部６０３は、それぞれのペアが、粒状影が映っているか否かの判別にどの程度好ましいかを示す指標となり得る第２の類似度を得ることができる。例えば、第２の断面画像には、粒状影が映っておらず、血管影が映っているため、第２の類似度が小さいペアの方が、粒状影が映っているか否かの判別に好ましいペアであることを示す。

選択部６０４は、合成枚数と合成方法との複数のペアのいずれかのペアを選択する。選択部６０４は、例えば、算出した第１の類似度に基づいて、複数のペアのいずれかのペアを選択する。選択部６０４は、具体的には、算出した第１の類似度が最大であるペアを選択する。選択部６０４は、具体的には、算出した第１の類似度が一定以上であるペアを選択してもよい。これにより、選択部６０４は、粒状影が映っているか否かの判別に好ましいペアを選択することができる。選択部６０４は、例えば、粒状影の候補が、粒状影であることを精度よく判定可能になると判断されるペアを選択することができる。

選択部６０４は、例えば、算出した第２の類似度に基づいて、複数のペアのいずれかのペアを選択する。選択部６０４は、具体的には、算出した第２の類似度が最小であるペアを選択する。選択部６０４は、具体的には、算出した第２の類似度が一定未満であるペアを選択してもよい。これにより、選択部６０４は、粒状影が映っているか否かの判別に好ましいペアを選択することができる。選択部６０４は、例えば、粒状影の候補が、粒状影ではないことを精度よく判定可能になると判断されるペアを選択することができる。

選択部６０４は、例えば、算出した第１の類似度と第２の類似度とに基づいて、複数のペアのいずれかのペアを選択する。選択部６０４は、具体的には、算出した第１の類似度と第２の類似度との差分が最大になるペアを選択する。これにより、選択部６０４は、粒状影が映っているか否かの判別に好ましいペアを選択することができる。選択部６０４は、例えば、粒状影の候補が、粒状影であることを精度よく判定可能、かつ、粒状影ではないことを精度よく判定可能になると判断されるペアを選択することができる。

学習部６０５は、学習データを生成する。学習データは、断面画像に粒状影が映っているか否かを判別した結果を出力するモデルを学習可能にするためのデータである。モデルは、例えば、選択したペアの合成枚数分の、粒状影の候補が映る断面画像に対応する互いに平行な複数の断面画像を、選択したペアの合成方法により合成した合成画像を、入力として受け付ける。モデルは、例えば、選択したペアの合成枚数分の、粒状影の候補が映る断面画像に対応する互いに平行な複数の断面画像を、入力として受け付ける場合があってもよい。モデルは、例えば、受け付けた入力に応じて、複数の断面画像のいずれかの断面画像に粒状影が映っているか否かを判別した結果を出力する。モデルは、例えば、ニューラルネットワークである。モデルは、例えば、数式または木構造などにより表現される場合があってもよい。

学習部６０５は、例えば、ラベルとして粒状影を示す正解データに対応付けられた、粒状影が映る断面画像に対応する互いに平行な断面画像群に基づいて、学習データを生成する。学習部６０５は、具体的には、断面画像群のうち、選択した合成枚数分の複数の断面画像を、選択した合成方法により合成した合成画像を入力データとして、ラベルとして粒状影を示す正解データに対応付けた学習データを生成する。学習部６０５は、具体的には、断面画像群のうち、選択した合成枚数分の複数の断面画像を入力データとして、ラベルとして粒状影を示す正解データに対応付けた学習データを生成する。これにより、学習部６０５は、モデルを学習可能にすることができる。

学習部６０５は、例えば、ラベルとして血管影を示す正解データに対応付けられた、血管影が映る断面画像に対応する互いに平行な複数の断面画像に基づいて、学習データを生成する。学習部６０５は、具体的には、断面画像群のうち、選択した合成枚数分の複数の断面画像を、選択した合成方法により合成した合成画像を入力データとして、ラベルとして血管影を示す正解データに対応付けた学習データを生成する。学習部６０５は、具体的には、断面画像群のうち、選択した合成枚数分の複数の断面画像を入力データとして、ラベルとして血管影を示す正解データに対応付けた学習データを生成する。これにより、学習部６０５は、モデルを学習可能にすることができる。

学習部６０５は、モデルを学習する。学習部６０５は、例えば、ニューラルネットワークの入力層に、入力データを入力し、ニューラルネットワークの出力データと正解データとの出力誤差に基づいて、ニューラルネットワークを学習する。これにより、学習部６０５は、断面画像に粒状影が映っているか否かを判別可能なモデルを学習することができる。

検出部６０６は、断面画像に粒状影が映っているか否かを判別する処理対象となる、被験者のいずれかの部位に関する互いに平行な断面画像群のうち、いずれかの断面画像に映る粒状影の候補を検出する。検出部６０６は、例えば、断面画像に映る白い円形の陰影を、粒状影の候補として検出する。検出部６０６は、断面画像群のそれぞれの断面画像に映る粒状影の候補を検出してもよい。以下の説明では、候補を検出した断面画像を「第３の断面画像」と表記する場合がある。

判定部６０７は、候補を検出した際に、処理対象となる断面画像群のうち、第３の断面画像に対応する互いに平行な複数の断面画像に基づいて、候補が粒状影であるか否かを判定する。複数の断面画像は、第３の断面画像の付近に存在する他の断面画像を少なくとも含む。複数の断面画像は、例えば、第３の断面画像をさらに含んでもよい。これにより、判定部６０７は、第３の断面画像に粒状影が映っているか否かを判別することができる。

判定部６０７は、例えば、複数の断面画像を合成した合成画像に映る影が円形である場合には、検出した候補が粒状影であると判定し、合成画像に映る影が円形ではない場合には、検出した候補が粒状影ではないと判定する。判定部６０７は、具体的には、合成画像と第３の断面画像との類似度が閾値以上である場合には、合成画像に映る影が円形であり、検出した候補が粒状影であると判定する。一方で、判定部６０７は、具体的には、合成画像と第３の断面画像との類似度が閾値未満である場合には、合成画像に映る影が円形ではなく、検出した候補が粒状影ではないと判定する。

判定部６０７は、より具体的には、選択したペアの合成枚数分の複数の断面画像を、選択したペアの合成方法により合成した合成画像を生成する。そして、判定部６０７は、より具体的には、合成画像と第３の断面画像との類似度が閾値以上である場合には、合成画像に映る影が円形であり、検出した候補が粒状影であると判定する。一方で、判定部６０７は、より具体的には、合成画像と第３の断面画像との類似度が閾値未満である場合には、合成画像に映る影が円形ではなく、検出した候補が粒状影ではないと判定する。これにより、判定部６０７は、第３の断面画像に粒状影が映っているか否かを精度よく判別することができる。

判定部６０７は、具体的には、生成したモデルに、複数の断面画像を合成した合成画像を入力し、候補が粒状影であるか否かを示す出力を、モデルから取得し、候補が粒状影であるか否かを判定してもよい。これにより、判定部６０７は、第３の断面画像に粒状影が映っているか否かを精度よく判別することができる。

判定部６０７は、例えば、複数の断面画像に基づいて、候補が粒状物体の断面の形状の傾向を示す場合には、候補が粒状影であると判定し、候補が粒状物体の断面の形状の傾向を示さない場合には、候補が粒状影ではないと判定する。判定部６０７は、具体的には、生成したモデルに、複数の断面画像を入力し、候補が粒状物体の断面の形状の傾向を示すため、候補が粒状影であること、または、候補が粒状物体の断面の形状の傾向を示さないため、候補が粒状影ではないことを示す出力を、モデルから取得する。これにより、判定部６０７は、第３の断面画像に粒状影が映っているか否かを精度よく判別することができる。

判定部６０７は、具体的には、合成画像を画像解析し、合成画像に映る影が円形である場合には、検出した候補が粒状影であると判定し、合成画像に映る影が円形ではない場合には、検出した候補が粒状影ではないと判定してもよい。これにより、判定部６０７は、第３の断面画像に粒状影が映っているか否かを精度よく判別することができる。また、判定部６０７は、第３の断面画像に粒状影が映っているか否かの判別結果に基づいて、第３の断面画像において粒状影が映っている位置を特定してもよい。

出力部６０８は、いずれかの機能部の処理結果を出力する。出力形式は、例えば、ディスプレイへの表示、プリンタへの印刷出力、通信Ｉ／Ｆ３０３による外部装置への送信、または、メモリ３０２や記録媒体３０５などの記憶領域への記憶である。これにより、出力部６０８は、いずれかの機能部の処理結果を利用者に通知可能にすることができ、判定装置１００の利便性の向上を図ることができる。

出力部６０８は、例えば、選択したペアを出力する。これにより、出力部６０８は、選択したペアを、他のコンピュータで参照可能にすることができる。出力部６０８は、例えば、学習したモデルを出力する。これにより、出力部６０８は、学習したモデルを、他のコンピュータで利用可能にすることができ、断面画像に粒状影が映っているか否かを判別可能にすることができる。

出力部６０８は、例えば、断面画像に粒状影が映っているか否かの判別結果を出力する。また、出力部６０８は、例えば、断面画像において粒状影が映っている位置を出力してもよい。これにより、出力部６０８は、断面画像に粒状影が映っているか否かの判別結果を、他のコンピュータで参照可能にすることができ、医師が被験者を診断しやすくすることができる。また、出力部６０８は、断面画像に粒状影が映っているか否かの判別結果に基づき、被験者の症例の特徴を特定しやすくすることができ、過去の被験者の症例を参照しやすくすることができ、医師が被験者を診断しやすくすることができる。

ここでは、判定装置１００が、判定部６０７を含む場合について説明したが、これに限らない。例えば、判定装置１００が、選択したペアを、判定部６０７の機能を有する他のコンピュータに送信し、当該コンピュータに、断面画像に粒状影が映っているか否かを判別させる場合があってもよい。

ここでは、学習部６０５が、モデルを学習する場合について説明したが、これに限らない。例えば、判定装置１００が、学習データを生成して、他のコンピュータに送信し、当該コンピュータに、学習データに基づいてモデルを学習させる場合があってもよい。

（判定装置１００の動作例）
次に、図７～図１２を用いて、判定装置１００の動作例について説明する。まず、図７～図１０を用いて、判定装置１００が、合成枚数と合成方法との複数のペアのうち、いずれかのペアを選択する一例について説明する。

図７～図１０は、合成枚数と合成方法とのペアを選択する一例を示す説明図である。図７において、病変部位７０１を切断する１枚の断面画像７１０、および、病変部位７０１または病変部位７０１の近傍を切断する複数の断面画像を合成した合成画像７２０，７３０に関する性質について説明する。

例えば、病変部位７０１を切断する１枚の断面画像７１０は、粒状影の候補となる白い円形の陰影７１１が映るという性質を有する。ここで、病変部位７０１を切断するｎ枚の断面画像を合成する場合、同様の位置に白い円形の陰影が映るｎ枚の断面画像が重畳されることになる。このため、ｎ枚の断面画像を合成した合成画像７２０は、断面画像７１０に映る白い円形の陰影７１１と類似の、白い円形の陰影７２１が映る傾向があり、断面画像７１０と類似する傾向があるという性質を有する。

一方で、病変部位７０１または病変部位７０１の近傍を切断するｍ枚の断面画像を合成する場合、同様の位置に白い円形の陰影が映る２以上の断面画像に加えて、白い円形の陰影が映らない１以上の断面画像も重畳されることになる。このため、ｍ枚の断面画像を合成した合成画像７３０は、断面画像７１０に映る白い円形の陰影７１１とは異なる、白くない陰影７３１が映る傾向があり、断面画像７１０と類似しなくなる傾向があるという性質を有する。また、合成画像７３０は、陰影７３１が映らないこともあり、断面画像７１０と類似しなくなる傾向があるという性質を有する。

また、血管７０２を切断する１枚の断面画像７４０、および、血管７０２を切断する複数の断面画像を合成した合成画像７５０，７６０に関する性質について説明する。

例えば、血管７０２を切断する１枚の断面画像７４０は、粒状影の候補となる白い円形の陰影７４１が映るという性質を有する。ここで、血管７０２を切断するｎ枚の断面画像を合成する場合、異なる位置に白い円形の陰影が映るｎ枚の断面画像が重畳されることになる。このため、ｎ枚の断面画像を合成した合成画像７５０は、断面画像７４０に映る白い円形の陰影７４１とは異なる、比較的広がりのある陰影７５１が映る傾向があり、断面画像７４０と類似しなくなる傾向があるという性質を有する。

そして、血管７０２を切断するｍ枚の断面画像を合成する場合、合成画像７５０に比べて、さらに多くの異なる位置に白い円形の陰影が映るｍ枚の断面画像が重畳されることになる。このため、ｍ枚の断面画像を合成した合成画像７６０は、断面画像７４０に映る白い円形の陰影７４１とは異なる、比較的広がりのある陰影７６１が映る傾向があり、合成画像７５０に比べて、断面画像７４０とさらに類似しなくなる傾向があるという性質を有する。

このように、病変部位７０１を切断する複数の断面画像を合成した場合と、血管７０２を切断する複数の断面画像を合成した場合とでは、合成画像が異なる性質を有し、合成画像と１枚の断面画像との類似度に差異が発生することがある。このため、合成画像と１枚の断面画像との類似度が、粒状影の候補が粒状影であるか否かを判定する指標として利用可能であると考えられる。例えば、合成画像と１枚の断面画像との類似度が、比較的大きいと、粒状影の候補が粒状影であると判定し、比較的小さいと、粒状影の候補が粒状影ではないと判定することが考えられる。

ここで、血管７０２を切断する複数の断面画像を合成する場合には、合成枚数が多いほど、合成画像に比較的広がりのある陰影が現れやすく、合成画像と１枚の断面画像との類似度が小さくなり、粒状影の候補が粒状影ではないことを判断しやすくなる。そして、この場合には、合成枚数が少ないほど、合成画像と１枚の断面画像との類似度が大きくなり、粒状影の候補が粒状影ではないことを判断しにくくなる。従って、粒状影の候補が粒状影ではないと精度よく判定するためには、合成枚数を多くすることが好ましい。

しかしながら、病変部位７０１を切断する複数の断面画像を合成する場合には、合成枚数が多いほど、血管７０２を切断する複数の断面画像を合成する場合と同様に、合成画像と１枚の断面画像との類似度が小さくなってしまう。結果として、粒状影の候補が粒状影ではないと誤って判断しやすくなる。また、この場合には、合成枚数が少ないほど、合成画像と１枚の断面画像との類似度が大きくなり、粒状影の候補が粒状影であることを判断しやすくなる。従って、粒状影の候補が粒状影であると精度よく判定するためには、合成枚数を一定以下に抑制することが好ましい。

これらのことから、粒状影の候補が粒状影であるか否かを精度よく判定するためには、合成枚数と合成方法とを調整することが好ましい。このため、判定装置１００は、合成枚数と合成方法との複数のペアのうち、粒状影の候補が粒状影であるか否かを精度よく判定可能にするペアを選択することが望ましい。次に、図８の説明に移行する。

図８において、判定装置１００は、合成枚数と合成方法との複数のペアのうち、粒状影の候補が粒状影であるか否かを精度よく判定可能にする、合成枚数と合成方法とのペアを選択する。判定装置１００は、例えば、粒状影が映ると判明済みの断面画像を含む断面画像群と、血管影が映ると判明済みの断面画像を含む断面画像群とに基づいて、合成枚数と合成方法とのペアを選択する。

以下の説明では、粒状影が映ると判明済みの断面画像を含む断面画像群を「粒状影に関する断面画像群」と表記する場合がある。また、以下の説明では、血管影が映ると判明済みの断面画像を含む断面画像群を「血管影に関する断面画像群」と表記する場合がある。

ここで、合成枚数の変化に応じて、粒状影に関する断面画像群のうち、合成枚数分の複数の断面画像を合成した合成画像と、粒状影が映ると判明済みの断面画像との類似度がどのように変化するのかを、グラフ８００に示す。以下の説明では、合成画像と、粒状影が映ると判明済みの断面画像との類似度を「粒状影に関する類似度」と表記する場合がある。グラフ８００上に、合成枚数の変化に応じた、粒状影に関する類似度の変化を示す特性曲線８０１を示す。

また、合成枚数の変化に応じて、血管影に関する断面画像群のうち、合成枚数分の複数の断面画像を合成した合成画像と、血管影が映ると判明済みの断面画像との類似度がどのように変化するのかを、グラフ８００に示す。以下の説明では、合成画像と、血管影が映ると判明済みの断面画像との類似度を「血管影に関する類似度」と表記する場合がある。グラフ８００上に、合成枚数の変化に応じた、血管影に関する類似度の変化を示す特性曲線８０２を示す。

図７に示した性質により、粒状影に関する類似度を範囲８１０内にし、かつ、血管影に関する類似度を範囲８２０内にする合成枚数が、粒状影の候補が粒状影であるか否かを精度よく判定可能にすると考えられる。このため、判定装置１００は、合成枚数と合成方法との複数のペアのそれぞれのペアについて、粒状影に関する類似度と血管影に関する類似度とを算出すれば、いずれかのペアを選択可能になる。次に、図９の説明に移行する。

図９において、判定装置１００は、合成枚数と合成方法との複数のペアのそれぞれのペアについて、粒状影に関する類似度ｓｉｍ^micと、血管影に関する類似度ｓｉｍ^nonとを算出する。そして、判定装置１００は、それぞれのペアについて、粒状影に関する類似度ｓｉｍ^micと、血管影に関する類似度ｓｉｍ^nonとに基づいて、評価値を算出し、算出した評価値に基づいてペアを選択する。評価値は、例えば、グラフ８００上の、粒状影に関する類似度ｓｉｍ^micの点９０１と、血管影に関する類似度ｓｉｍ^nonの点９０２との差分９１０を利用可能である。

図９の例では、判定装置１００は、Ｎ個の粒状影に関する断面画像群と、Ｍ個の血管影に関する断面画像群とを有するとする。判定装置１００は、それぞれのペアについて、粒状影に関する断面画像群ごとに、当該ペアの合成枚数分の断面画像を抽出し、当該ペアの合成方法により合成した合成画像と、粒状影が映る断面画像との類似度ｓｉｍ_i ^micを算出する。ｉ＝１～Ｎの自然数である。

また、判定装置１００は、それぞれのペアについて、血管影に関する断面画像群ごとに、当該ペアの合成枚数分の断面画像を抽出し、当該ペアの合成方法により合成した合成画像と、血管影が映る断面画像との類似度ｓｉｍ_j ^nonを算出する。ｊ＝１～Ｍの自然数である。そして、判定装置１００は、それぞれのペアについて、粒状影に関する類似度ｓｉｍ_i ^micと、血管影に関する類似度ｓｉｍ_j ^nonとに基づいて、評価値Ｖ＝（１／Ｎ×Σ_i=1 ^Nｓｉｍ_i ^mic）－（１／Ｍ×Σ_J=1 ^Mｓｉｍ_j ^non）を算出する。次に、図１０の説明に移行し、それぞれのペアの評価値Ｖの算出結果について説明する。

図１０において、表１０００は、最小値、最大値、または、平均値を利用する３種類の合成方法と、３枚、５枚、１０枚の３種類の合成枚数とを組み合わせた、複数のペアのそれぞれのペアの評価値Ｖの算出結果を示す。図１０の例では、判定装置１００は、評価値Ｖが最大である、最大値を利用する合成方法と、５枚の合成枚数とのペアを選択する。これにより、判定装置１００は、選択したペアにより、粒状影の候補が粒状影であるか否かを精度よく判定可能にすることができる。ここで、図１１を用いて、判定装置１００が、評価値Ｖを算出する一例について、具体的に説明する。

図１１は、評価値Ｖを算出する一例を示す説明図である。図１１において、判定装置１００は、Ｎ個の粒状影に関する断面画像群と、Ｍ個の血管影に関する断面画像群とを有するとする。Ｎ個の粒状影に関する断面画像群は、例えば、粒状影が映る断面画像１１００を含む断面画像群１１０１を含む。Ｍ個の血管影に関する断面画像群は、例えば、血管影が映る断面画像１１１０を含む断面画像群１１１１を含む。ここで、判定装置１００は、評価値Ｖを算出する処理対象として、複数のペアのいずれかのペアを選択する。

判定装置１００は、粒状影に関する断面画像群１１０１のうち、選択したペアの合成枚数分の複数の断面画像１１０２を抽出する。判定装置１００は、抽出した複数の断面画像１１０２のそれぞれの断面画像を、元画像Ｏに設定し、Ｓ（ｘ，ｙ）＝ｏｐｅｒａｔｉｏｎ（Ｏ（ｘ，ｙ））の算出式に従って、合成画像Ｓを生成する。Ｓ（ｘ，ｙ）は、合成画像Ｓの座標（ｘ，ｙ）の画素の画素値である。Ｏ（ｘ，ｙ）は、元画像Ｏの座標（ｘ，ｙ）の画素の画素値である。

ｏｐｅｒａｔｉｏｎ（Ｏ（ｘ，ｙ））は、合成方法を表す。ｏｐｅｒａｔｉｏｎ（Ｏ（ｘ，ｙ））は、例えば、平均値を利用する合成方法として、１／Ｎｕｍ×Σ_i=0 ^Num-1（Ｏ（ｘ，ｙ，ｉ））を表す。Ｏ（ｘ，ｙ，ｉ）のｉは、元画像Ｏの番号である。

また、ｏｐｅｒａｔｉｏｎ（Ｏ（ｘ，ｙ））は、例えば、最小値を利用する合成方法として、ｍｉｎ（Ｏ（ｘ，ｙ，０），Ｏ（ｘ，ｙ，１），Ｏ（ｘ，ｙ，２），・・・，Ｏ（ｘ，ｙ，Ｎｕｍ－１））を表してもよい。また、ｏｐｅｒａｔｉｏｎ（Ｏ（ｘ，ｙ））は、例えば、最大値を利用する合成方法として、ｍａｘ（Ｏ（ｘ，ｙ，０），Ｏ（ｘ，ｙ，１），Ｏ（ｘ，ｙ，２），・・・，Ｏ（ｘ，ｙ，Ｎｕｍ－１））を表してもよい。

図１１の例では、判定装置１００は、合成画像Ｓとして合成画像１１０３を生成する。判定装置１００は、粒状影が映る断面画像１１００を、元画像Ｏに設定し、元画像Ｏと合成画像Ｓとの類似度ｓｉｍ^micを算出する。ｓｉｍは、正規化相互相関関数により算出される。例えば、ｓｉｍ＝（Σ_y=0 ^ymax-1Σ_x=0 ^xmax-1（Ｏ（ｘ，ｙ）×Ｓ（ｘ，ｙ）））／（√（Σ_y=0 ^ymax-1Σ_x=0 ^xmax-1（Ｏ（ｘ，ｙ）＾２）×Σ_y=0 ^ymax-1Σ_x=0 ^xmax-1（Ｓ（ｘ，ｙ）＾２）））である。ｘｍａｘは、画像幅の最大値である。ｙｍａｘは、画像高さの最大値である。ｓｉｍは、正規化相互相関関数以外により算出されてもよい。判定装置１００は、同様に、選択したペアについて、Ｎ個の粒状影に関する断面画像群のそれぞれの断面画像群に基づき、粒状影に関する類似度ｓｉｍ_i ^micを算出する。

また、判定装置１００は、血管影に関する断面画像群１１１１のうち、選択したペアの合成枚数分の複数の断面画像１１１２を抽出する。判定装置１００は、抽出した複数の断面画像１１１２のそれぞれの断面画像を、元画像Ｏに設定し、Ｓ（ｘ，ｙ）＝ｏｐｅｒａｔｉｏｎ（Ｏ（ｘ，ｙ））の算出式に従って、合成画像Ｓを生成する。

図１１の例では、判定装置１００は、合成画像Ｓとして合成画像１１１３を生成する。判定装置１００は、血管影が映る断面画像１１１０を、元画像Ｏに設定し、元画像Ｏと合成画像Ｓとの類似度ｓｉｍ^nonを算出する。判定装置１００は、同様に、選択したペアについて、Ｍ個の血管影に関する断面画像群のそれぞれの断面画像群に基づき、血管影に関する類似度ｓｉｍ_j ^nonを算出する。

次に、判定装置１００は、選択したペアについて、粒状影に関する類似度ｓｉｍ_i ^micの総和Σ_i=1 ^Nｓｉｍ_i ^micを算出する。また、判定装置１００は、選択したペアについて、血管影に関する類似度ｓｉｍ_j ^nonの総和Σ_J=1 ^Mｓｉｍ_j ^nonを算出する。そして、判定装置１００は、評価値Ｖ＝（１／Ｎ×Σ_i=1 ^Nｓｉｍ_i ^mic）－（１／Ｍ×Σ_J=1 ^Mｓｉｍ_j ^non）を算出する。判定装置１００は、同様に、それぞれのペアについて評価値Ｖを算出する。これにより、判定装置１００は、いずれかのペアを選択する際の指標として、それぞれのペアの評価値Ｖを参照可能にすることができる。

以上により、判定装置１００は、合成枚数と合成方法との複数のペアのうち、粒状影の候補が粒状影であるか否かを精度よく判定可能にするペアを選択することができる。このため、判定装置１００は、選択したペアを利用して、粒状影が映っているか否かを精度よく判別することができる。粒状影が映っているか否かを判別する一例については、図１２を用いて後述する。また、判定装置１００は、選択したペアを利用して、学習データを生成することにより、粒状影が映っているか否かを精度よく判別可能なモデルを学習することができる。

（粒状影が映っているか否かを判別する一例）
次に、図１２を用いて、判定装置１００が、粒状影が映っているか否かを判別する一例について説明する。

図１２は、粒状影が映っているか否かを判別する一例を示す説明図である。図１２において、判定装置１００は、断面画像群１２００を、モダリティ装置２０１から受信する。判定装置１００は、受信した断面画像群１２００のそれぞれの断面画像から、粒状影の候補を検出する。図１２の例では、判定装置１００は、断面画像１２１０から、粒状影の候補となる白い円形の陰影１２１１を検出する。

次に、判定装置１００は、受信した断面画像群１２００のうち、選択したペアの合成枚数分の複数の断面画像１２２０を抽出する。そして、判定装置１００は、抽出した複数の断面画像１２２０を、選択したペアの合成方法により合成した合成画像１２３０を生成する。合成画像１２３０は、例えば、図１１と同様に、ｏｐｅｒａｔｉｏｎ（）を利用して生成される。

次に、判定装置１００は、断面画像１２１０と合成画像１２３０との類似度を算出する。類似度は、例えば、図１１と同様に、正規化相互相関関数により算出される。ここで、判定装置１００は、類似度が第１閾値以上であれば、粒状影の候補が、粒状影であると判定する。この際、判定装置１００は、粒状影の候補が、粒状影であることを示す情報を出力してもよい。

一方で、判定装置１００は、類似度が第２閾値未満であれば、粒状影の候補が、粒状影ではないと判定する。この際、判定装置１００は、粒状影の候補が、粒状影ではないことを示す情報を出力してもよい。また、判定装置１００は、粒状影の候補が、粒状影ではなく血管影であることを示す情報を出力してもよい。第１閾値と第２閾値とは、例えば、同一である。第１閾値と第２閾値とは、例えば、異なってもよい。

これにより、判定装置１００は、選択したペアを利用して、断面画像１２１０に映る粒状影の候補が、粒状影であるか否かを精度よく判定することができ、断面画像１２１０に粒状影が映っているか否かを精度よく判別することができる。判定装置１００は、例えば、血管影と区別して、断面画像に粒状影が映っているか否かを精度よく判別することができる。

このため、判定装置１００は、血管影と区別された粒状影に基づいて、被験者の症例の特徴を精度よく特定することができ、他の被験者の過去の症例を検索しやすくすることができる。判定装置１００は、例えば、びまん性肺疾患の診断において、被験者の症例の特徴を精度よく特定することができる。

結果として、判定装置１００は、被験者の断面画像を確認し、被験者に対する診断作業を実施する際にかかる医師の作業負担の低減化を図ることができる。また、判定装置１００は、医師が、被験者の健康状態や病状などを正しく診断しやすくすることができる。

ここでは、判定装置１００が、粒状影の候補が、粒状影ではないと判定すると、粒状影の候補が、粒状影ではなく血管影であることを示す情報を出力する場合について説明したが、これに限らない。例えば、判定装置１００が、粒状影の候補が、粒状影ではないと判定した際、さらに、粒状影の候補が、血管影であるか否かを判定する場合があってもよい。この場合、判定装置１００は、粒状影の候補が、血管影であるか否かを示す情報を出力してもよい。

以上では、判定装置１００が、複数の断面画像を平面的に合成した合成画像に基づいて、粒状影の候補が、粒状影であるか否かを判定する場合について説明したが、これに限らない。例えば、判定装置１００が、複数の断面画像を立体的に合成した立体画像に基づいて、粒状影の候補が、粒状影であるか否かを判定する場合があってもよい。

（医療システム２００を利用する一例）
次に、図１３を用いて、医師が、びまん性肺疾患の診断に、医療システム２００を利用する一例について説明する。

図１３は、医療システム２００を利用する一例を示す説明図である。判定装置１００は、図１２と同様に、画像ＤＢ２０３に記憶された、被験者の肺に関する断面画像群のそれぞれの断面画像に粒状影が映っているか否かを判別する。次に、判定装置１００は、粒状影が映っているか否かの判別結果に基づいて、被験者の肺における病変部位の分布１３０１を特定する。

そして、判定装置１００は、被験者の肺における病変部位の分布１３０１に基づいて、被験者の症例の特徴として、被験者の肺における病変部位の分布１３０１の特徴１３０２を生成する。特徴１３０２は、被験者の左肺の末梢および中枢と、被験者の右肺の末梢および中枢との病変部位の個数の分布を、特徴１３０２として特定する。

次に、判定装置１００は、特徴ＤＢ２０４を参照して、特定した特徴１３０２と類似する特徴を有する過去の他の被験者の症例についての各種情報を特定する。各種情報は、例えば、過去の他の被験者の肺の断面画像、過去の他の被験者のカルテなどである。そして、判定装置１００は、特定した各種情報を、医師用端末２０２に送信して、ディスプレイ５０６に表示させる。

これにより、医療システム２００は、医師が、びまん性肺疾患の診断において、今回の被験者の症例に類似する、過去の他の被験者の症例を参照しやすくすることができる。結果として、医師は、被験者の断面画像を確認し、被験者に対する診断作業を実施する際にかかる作業負担の低減化を図ることができる。また、医師は、被験者の健康状態や病状などを正しく診断しやすくすることができる。

（全体処理手順）
次に、図１４を用いて、判定装置１００が実行する、全体処理手順の一例について説明する。全体処理は、例えば、図３に示したＣＰＵ３０１と、メモリ３０２や記録媒体３０５などの記憶領域と、通信Ｉ／Ｆ３０３とによって実現される。

図１４は、全体処理手順の一例を示すフローチャートである。図１４において、まず、判定装置１００は、１以上の元画像群を取得し、記憶部６００に記憶する（ステップＳ１４０１）。次に、判定装置１００は、図１５に後述する画像生成処理を実行する（ステップＳ１４０２）。そして、判定装置１００は、図１６に後述する類似度算出処理を実行する（ステップＳ１４０３）。

次に、判定装置１００は、図１７に後述する評価値算出処理を実行する（ステップＳ１４０４）。そして、判定装置１００は、図１８に後述する方式決定処理を実行する（ステップＳ１４０５）。次に、判定装置１００は、処理結果を出力する（ステップＳ１４０６）。そして、判定装置１００は、全体処理を続行するか否かを判定する（ステップＳ１４０７）。

ここで、全体処理を続行する場合（ステップＳ１４０７：Ｙｅｓ）、判定装置１００は、ステップＳ１４０１の処理に戻る。一方で、全体処理を続行しない場合（ステップＳ１４０７：Ｎｏ）、判定装置１００は、全体処理を終了する。これにより、判定装置１００は、元画像に映る粒状影の候補が、粒状影であるか否かを精度よく判定可能にするための、合成枚数と合成方法との組み合わせを出力することができる。

（画像生成処理手順）
次に、図１５を用いて、判定装置１００が実行する、画像生成処理手順の一例について説明する。画像生成処理は、例えば、図３に示したＣＰＵ３０１と、メモリ３０２や記録媒体３０５などの記憶領域と、通信Ｉ／Ｆ３０３とによって実現される。

図１５は、画像生成処理手順の一例を示すフローチャートである。図１５において、まず、判定装置１００は、記憶部６００の１以上の元画像群のうち、未処理の元画像群を選択する（ステップＳ１５０１）。そして、判定装置１００は、ステップＳ１５０２の処理に移行する。

ステップＳ１５０２では、判定装置１００は、記憶部６００の複数の合成枚数のうち、未処理の合成枚数を選択する（ステップＳ１５０２）。そして、判定装置１００は、ステップＳ１５０３の処理に移行する。

ステップＳ１５０３では、判定装置１００は、記憶部６００の複数の合成方法のうち、未処理の合成方法を選択する（ステップＳ１５０３）。次に、判定装置１００は、選択した合成枚数と合成方法とにより、選択した元画像群に含まれる複数の画像を合成した合成画像を生成し、記憶部６００に記憶する（ステップＳ１５０４）。

そして、判定装置１００は、記憶部６００の複数の合成方法のうち、未処理の合成方法が存在するか否かを判定する（ステップＳ１５０５）。ここで、未処理の合成方法が存在する場合（ステップＳ１５０５：Ｙｅｓ）、判定装置１００は、ステップＳ１５０３の処理に戻る。一方で、未処理の合成方法が存在しない場合（ステップＳ１５０５：Ｎｏ）、判定装置１００は、ステップＳ１５０６の処理に移行する。

ステップＳ１５０６では、判定装置１００は、記憶部６００の複数の合成枚数のうち、未処理の合成枚数が存在するか否かを判定する（ステップＳ１５０６）。ここで、未処理の合成枚数が存在する場合（ステップＳ１５０６：Ｙｅｓ）、判定装置１００は、ステップＳ１５０２の処理に戻る。一方で、未処理の合成枚数が存在しない場合（ステップＳ１５０６：Ｎｏ）、判定装置１００は、ステップＳ１５０７の処理に移行する。

ステップＳ１５０７では、判定装置１００は、記憶部６００の１以上の元画像群のうち、未処理の元画像群が存在するか否かを判定する（ステップＳ１５０７）。ここで、未処理の元画像群が存在する場合（ステップＳ１５０７：Ｙｅｓ）、判定装置１００は、ステップＳ１５０１の処理に戻る。一方で、未処理の元画像群が存在しない場合（ステップＳ１５０７：Ｎｏ）、判定装置１００は、画像生成処理を終了する。これにより、判定装置１００は、合成枚数と合成方法との組み合わせを評価するために、合成画像を参照可能にすることができる。

（類似度算出処理手順）
次に、図１６を用いて、判定装置１００が実行する、類似度算出処理手順の一例について説明する。類似度算出処理は、例えば、図３に示したＣＰＵ３０１と、メモリ３０２や記録媒体３０５などの記憶領域と、通信Ｉ／Ｆ３０３とによって実現される。

図１６は、類似度算出処理手順の一例を示すフローチャートである。図１６において、まず、判定装置１００は、記憶部６００の１以上の元画像群のうち、未処理の元画像群を選択する（ステップＳ１６０１）。次に、判定装置１００は、選択した元画像群に対応付けられた正解データを取得する（ステップＳ１６０２）。そして、判定装置１００は、ステップＳ１６０３の処理に移行する。

ステップＳ１６０３では、判定装置１００は、記憶部６００の複数の合成枚数のうち、未処理の合成枚数を選択する（ステップＳ１６０３）。そして、判定装置１００は、ステップＳ１６０４の処理に移行する。

ステップＳ１６０４では、判定装置１００は、記憶部６００の複数の合成方法のうち、未処理の合成方法を選択する（ステップＳ１６０４）。次に、判定装置１００は、選択した合成枚数と合成方法とにより、選択した元画像群から生成された合成画像を取得する（ステップＳ１６０５）。そして、判定装置１００は、選択した元画像群のいずれかの元画像と、取得した合成画像との類似度を算出する（ステップＳ１６０６）。

次に、判定装置１００は、算出した類似度に基づいて、取得した正解データと、選択した合成枚数と、選択した合成方法との組み合わせに対応付けて記憶部６００に記憶された、類似度の総和を更新する（ステップＳ１６０７）。

そして、判定装置１００は、記憶部６００の複数の合成方法のうち、未処理の合成方法が存在するか否かを判定する（ステップＳ１６０８）。ここで、未処理の合成方法が存在する場合（ステップＳ１６０８：Ｙｅｓ）、判定装置１００は、ステップＳ１６０４の処理に戻る。一方で、未処理の合成方法が存在しない場合（ステップＳ１６０８：Ｎｏ）、判定装置１００は、ステップＳ１６０９の処理に移行する。

ステップＳ１６０９では、判定装置１００は、記憶部６００の複数の合成枚数のうち、未処理の合成枚数が存在するか否かを判定する（ステップＳ１６０９）。ここで、未処理の合成枚数が存在する場合（ステップＳ１６０９：Ｙｅｓ）、判定装置１００は、ステップＳ１６０３の処理に戻る。一方で、未処理の合成枚数が存在しない場合（ステップＳ１６０９：Ｎｏ）、判定装置１００は、ステップＳ１６１０の処理に移行する。

ステップＳ１６１０では、判定装置１００は、記憶部６００の１以上の元画像群のうち、未処理の元画像群が存在するか否かを判定する（ステップＳ１６１０）。ここで、未処理の元画像群が存在する場合（ステップＳ１６１０：Ｙｅｓ）、判定装置１００は、ステップＳ１６０１の処理に戻る。一方で、未処理の元画像群が存在しない場合（ステップＳ１６１０：Ｎｏ）、判定装置１００は、類似度算出処理を終了する。これにより、判定装置１００は、合成枚数と合成方法との組み合わせを評価する指標となり得る、いずれかの元画像と合成画像との類似度を参照可能にすることができる。

（評価値算出処理手順）
次に、図１７を用いて、判定装置１００が実行する、評価値算出処理手順の一例について説明する。評価値算出処理は、例えば、図３に示したＣＰＵ３０１と、メモリ３０２や記録媒体３０５などの記憶領域と、通信Ｉ／Ｆ３０３とによって実現される。

図１７は、評価値算出処理手順の一例を示すフローチャートである。図１７において、まず、判定装置１００は、記憶部６００の複数の合成枚数のうち、未処理の合成枚数を選択する（ステップＳ１７０１）。そして、判定装置１００は、ステップＳ１７０２の処理に移行する。

ステップＳ１７０２では、判定装置１００は、記憶部６００の複数の合成方法のうち、未処理の合成方法を選択する（ステップＳ１７０２）。そして、判定装置１００は、選択した合成枚数と合成方法との組み合わせに対応付けて記憶部６００に記憶された、粒状影を示す正解データに対応する類似度の総和と、血管影を示す正解データに対応する類似度の総和とを取得する（ステップＳ１７０３）。

次に、判定装置１００は、取得した粒状影を示す正解データに対応する類似度の総和と、血管影を示す正解データに対応する類似度の総和との差分を算出する（ステップＳ１７０４）。そして、判定装置１００は、選択した合成枚数と合成方法との組み合わせに対応付けて、算出した差分を記憶部６００に記憶する（ステップＳ１７０５）。

次に、判定装置１００は、記憶部６００の複数の合成方法のうち、未処理の合成方法が存在するか否かを判定する（ステップＳ１７０６）。ここで、未処理の合成方法が存在する場合（ステップＳ１７０６：Ｙｅｓ）、判定装置１００は、ステップＳ１７０２の処理に戻る。一方で、未処理の合成方法が存在しない場合（ステップＳ１７０６：Ｎｏ）、判定装置１００は、ステップＳ１７０７の処理に移行する。

ステップＳ１７０７では、判定装置１００は、記憶部６００の複数の合成枚数のうち、未処理の合成枚数が存在するか否かを判定する（ステップＳ１７０７）。ここで、未処理の合成枚数が存在する場合（ステップＳ１７０７：Ｙｅｓ）、判定装置１００は、ステップＳ１７０１の処理に戻る。一方で、未処理の合成枚数が存在しない場合（ステップＳ１７０７：Ｎｏ）、判定装置１００は、評価値算出処理を終了する。これにより、判定装置１００は、合成枚数と合成方法との組み合わせを評価することができる。

（方式決定処理手順）
次に、図１８を用いて、判定装置１００が実行する、方式決定処理手順の一例について説明する。方式決定処理は、例えば、図３に示したＣＰＵ３０１と、メモリ３０２や記録媒体３０５などの記憶領域と、通信Ｉ／Ｆ３０３とによって実現される。

図１８は、方式決定処理手順の一例を示すフローチャートである。図１８において、まず、判定装置１００は、合成枚数と合成方法との組み合わせごとの差分を、記憶部６００から読み出す（ステップＳ１８０１）。

次に、判定装置１００は、差分が最大である合成枚数と合成方法との組み合わせを特定する（ステップＳ１８０２）。そして、判定装置１００は、特定した合成枚数と合成方法との組み合わせを、記憶部６００に記憶する（ステップＳ１８０３）。その後、判定装置１００は、方式決定処理を終了する。これにより、判定装置１００は、元画像に映る粒状影の候補が、粒状影であるか否かを精度よく判定可能な、合成枚数と合成方法との組み合わせを特定することができる。

（粒状影判別処理手順）
次に、図１９を用いて、判定装置１００が実行する、粒状影判別処理手順の一例について説明する。粒状影判別処理は、例えば、図３に示したＣＰＵ３０１と、メモリ３０２や記録媒体３０５などの記憶領域と、通信Ｉ／Ｆ３０３とによって実現される。

図１９は、粒状影判別処理手順の一例を示すフローチャートである。図１９において、まず、判定装置１００は、粒状影判別処理の対象とする、元画像群を取得し、記憶部６００に記憶する（ステップＳ１９０１）。

次に、判定装置１００は、元画像群のいずれかの画像に映る粒状影の候補を検出する（ステップＳ１９０２）。そして、判定装置１００は、方式決定処理により特定された合成枚数と合成方法との組み合わせを利用して、元画像群に含まれる複数の画像を合成した合成画像を生成する（ステップＳ１９０３）。

次に、判定装置１００は、粒状影の候補を検出した画像と、生成した合成画像との類似度を算出する（ステップＳ１９０４）。そして、判定装置１００は、類似度が閾値以上であるか否かを判定する（ステップＳ１９０５）。ここで、類似度が閾値以上である場合（ステップＳ１９０５：Ｙｅｓ）、判定装置１００は、ステップＳ１９０６の処理に移行する。一方で、類似度が閾値未満である場合（ステップＳ１９０５：Ｎｏ）、判定装置１００は、ステップＳ１９０７の処理に移行する。

ステップＳ１９０６では、判定装置１００は、検出した粒状影の候補が、粒状影であることを示す情報を出力する（ステップＳ１９０６）。そして、判定装置１００は、粒状影判別処理を終了する。

ステップＳ１９０７では、判定装置１００は、検出した粒状影の候補が、粒状影ではないことを示す情報を出力する（ステップＳ１９０７）。そして、判定装置１００は、粒状影判別処理を終了する。これにより、判定装置１００は、元画像に映る粒状影の候補が、粒状影であるか否かを精度よく判定することができる。

ここで、判定装置１００は、図１４～図１９に示した各フローチャートの一部ステップの処理の順序を入れ替えて実行してもよい。例えば、元画像群に含まれる複数の画像を合成した合成画像を生成した後に、複数の画像のいずれかの画像に映る粒状影の候補を検出するとすれば、ステップＳ１９０２，Ｓ１９０３の処理の順序は入れ替え可能である。

また、判定装置１００は、図１４～図１９に示した各フローチャートの一部ステップの処理を省略してもよい。例えば、合成方法の選択肢が１つであれば、ステップＳ１５０３，Ｓ１５０５，Ｓ１６０４，Ｓ１６０８，Ｓ１７０２，Ｓ１７０６の処理は省略可能である。

以上説明したように、判定装置１００によれば、いずれかの断面画像に映る粒状影の候補を検出することができる。判定装置１００によれば、候補を検出した際に、いずれかの断面画像に対応する互いに平行な複数の断面画像に基づいて、候補が粒状物体の断面の形状の傾向を示す場合には、検出した候補が粒状影であると判定することができる。判定装置１００によれば、候補を検出した際に、いずれかの断面画像に対応する互いに平行な複数の断面画像に基づいて、候補が粒状物体の断面の形状の傾向を示さない場合には、検出した候補が粒状影ではないと判定することができる。これにより、判定装置１００は、血管影と区別して、断面画像に粒状影が映っているか否かを判別することができる。

判定装置１００によれば、候補を検出した際に、複数の断面画像を合成した合成画像に映る影が円形である場合には、検出した候補が粒状影であると判定し、合成画像に映る影が円形ではない場合には、検出した候補が粒状影ではないと判定することができる。これにより、判定装置１００は、合成画像の特徴に基づいて、血管影と区別して、断面画像に粒状影が映っているか否かを精度よく判別することができる。

判定装置１００によれば、候補を検出した際に、合成画像といずれかの断面画像との類似度が閾値以上である場合には、合成画像に映る影が円形であり、検出した候補が粒状影であると判定することができる。判定装置１００によれば、候補を検出した際に、合成画像といずれかの断面画像との類似度が閾値未満である場合には、合成画像に映る影が円形ではなく、検出した候補が粒状影ではないと判定することができる。これにより、判定装置１００は、類似度に基づいて、合成画像に映る影が円形であるか否かを容易に判定可能になり、血管影と区別して、断面画像に粒状影が映っているか否かを精度よく判別することができる。

判定装置１００によれば、合成枚数と合成方法との複数のペアを取得することができる。判定装置１００によれば、粒状影が映る第１の断面画像に対応する互いに平行な第１の断面画像群を取得することができる。判定装置１００によれば、複数のペアのそれぞれのペアについて、取得した第１の断面画像群のうち、当該ペアの合成枚数分の複数の断面画像を、当該ペアの合成方法により合成した第１の合成画像と、第１の断面画像との第１の類似度を算出することができる。判定装置１００によれば、算出した第１の類似度に基づいて、複数のペアのいずれかのペアを選択することができる。これにより、判定装置１００は、粒状影が映っているか否かの判別に好ましいペアを選択することができる。判定装置１００は、例えば、粒状影の候補が、粒状影であることを精度よく判定可能になると判断されるペアを選択することができる。

判定装置１００によれば、合成枚数と合成方法との複数のペアを取得することができる。判定装置１００によれば、血管影が映る第２の断面画像に対応する互いに平行な第２の断面画像群を取得することができる。判定装置１００によれば、複数のペアのそれぞれのペアについて、取得した第２の断面画像群のうち、当該ペアの合成枚数分の複数の断面画像を、当該ペアの合成方法により合成した第２の合成画像と、第２の断面画像との第２の類似度を算出することができる。判定装置１００によれば、算出した第２の類似度に基づいて、複数のペアのいずれかのペアを選択することができる。これにより、判定装置１００は、粒状影が映っているか否かの判別に好ましいペアを選択することができる。判定装置１００は、例えば、粒状影の候補が、粒状影ではないことを精度よく判定可能になると判断されるペアを選択することができる。

判定装置１００によれば、候補を検出した際に、選択したペアの合成枚数分の、いずれかの断面画像に対応する互いに平行な複数の断面画像を、選択したペアの合成方法により合成した合成画像と、いずれかの断面画像との類似度を算出することができる。これにより、判定装置１００は、選択したペアにより、粒状影の候補が、粒状影であるか否かを精度よく判定することができる。

判定装置１００によれば、選択したペアの合成枚数分の、粒状影の候補が映る断面画像に対応する互いに平行な複数の断面画像を、選択したペアの合成方法により合成した合成画像が入力可能なモデルを学習する学習データを生成することができる。モデルは、入力に応じて、複数の断面画像のいずれかの断面画像に粒状影が映っているか否かを判別した結果を出力する。これにより、判定装置１００は、粒状影の候補が粒状影であるか否かを精度よく判定可能なモデルを得ることができる。

判定装置１００によれば、選択したペアの合成枚数分の、粒状影の候補が映る断面画像に対応する互いに平行な複数の断面画像が入力可能なモデルを学習する学習データを生成することができる。モデルは、入力に応じて、複数の断面画像のいずれかの断面画像に粒状影が映っているか否かを判別した結果を出力する。これにより、判定装置１００は、粒状影の候補が粒状影であるか否かを精度よく判定可能なモデルを得ることができる。

判定装置１００によれば、複数の断面画像は、粒状影の候補を検出したいずれかの断面画像と、いずれかの断面画像の付近に存在する断面画像とを含むことができる。これにより、判定装置１００は、粒状影の候補が、粒状影であるか否かを精度よく判定可能にする、複数の断面画像を利用することができる。

判定装置１００によれば、複数の断面画像を合成した合成画像の各座標にある画素の画素値が、当該複数の断面画像のそれぞれの断面画像の当該座標にある画素の画素値の統計値となるように、当該複数の断面画像を合成する合成方法を利用することができる。これにより、判定装置１００は、合成画像を生成可能にすることができる。

なお、本実施の形態で説明した判定方法は、予め用意されたプログラムをパーソナル・コンピュータやワークステーション等のコンピュータで実行することにより実現することができる。本実施の形態で説明した判定プログラムは、ハードディスク、フレキシブルディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行される。また、本実施の形態で説明した判定プログラムは、インターネット等のネットワークを介して配布してもよい。

上述した実施の形態に関し、さらに以下の付記を開示する。

（付記１）断面画像群のいずれかの断面画像に映る粒状影の候補を検出し、
前記候補を検出した際に、前記断面画像群のうち、前記いずれかの断面画像に対応する複数の断面画像に基づいて、前記候補が粒状物体の断面の形状の傾向を示す場合には、検出した前記候補が粒状影であると判定し、前記候補が粒状物体の断面の形状の傾向を示さない場合には、検出した前記候補が粒状影ではないと判定する、
処理をコンピュータに実行させることを特徴とする判定プログラム。

（付記２）前記判定する処理は、
前記候補を検出した際に、前記複数の断面画像を合成した合成画像に映る影が円形である場合には、検出した前記候補が粒状影であると判定し、前記合成画像に映る影が円形ではない場合には、検出した前記候補が粒状影ではないと判定する、ことを特徴とする付記１に記載の判定プログラム。

（付記３）前記判定する処理は、
前記候補を検出した際に、前記合成画像と前記いずれかの断面画像との類似度が閾値以上である場合には、前記合成画像に映る影が円形であり、検出した前記候補が粒状影であると判定し、前記合成画像と前記いずれかの断面画像との類似度が閾値未満である場合には、前記合成画像に映る影が円形ではなく、検出した前記候補が粒状影ではないと判定する、ことを特徴とする付記２に記載の判定プログラム。

（付記４）合成枚数と合成方法との複数のペアを取得し、
粒状影が映る第１の断面画像に対応する第１の断面画像群を取得し、
前記複数のペアのそれぞれのペアについて、取得した前記第１の断面画像群のうち、当該ペアの合成枚数分の複数の断面画像を、当該ペアの合成方法により合成した第１の合成画像と、前記第１の断面画像との第１の類似度を算出し、
算出した前記第１の類似度に基づいて、前記複数のペアのいずれかのペアを選択する、
処理を前記コンピュータに実行させることを特徴とする付記１～３のいずれか一つに記載の判定プログラム。

（付記５）合成枚数と合成方法との複数のペアを取得し、
血管影が映る第２の断面画像に対応する第２の断面画像群を取得し、
前記複数のペアのそれぞれのペアについて、取得した前記第２の断面画像群のうち、当該ペアの合成枚数分の複数の断面画像を、当該ペアの合成方法により合成した第２の合成画像と、前記第２の断面画像との第２の類似度を算出し、
算出した前記第２の類似度に基づいて、前記複数のペアのいずれかのペアを選択する、
処理を前記コンピュータに実行させることを特徴とする付記１～４のいずれか一つに記載の判定プログラム。

（付記６）前記判定する処理は、
前記候補を検出した際に、前記断面画像群のうち、選択した前記ペアの合成枚数分の、前記いずれかの断面画像に対応する複数の断面画像を、選択した前記ペアの合成方法により合成した合成画像と、前記いずれかの断面画像との類似度が閾値以上である場合には、前記合成画像に映る影が円形であり、検出した前記候補が粒状影であると判定し、前記合成画像と前記いずれかの断面画像との類似度が閾値未満である場合には、前記合成画像に映る影が円形ではなく、検出した前記候補が粒状影ではないと判定する、ことを特徴とする付記４または５に記載の判定プログラム。

（付記７）選択した前記ペアの合成枚数分の、粒状影の候補が映る断面画像に対応する複数の断面画像を、選択した前記ペアの合成方法により合成した合成画像が入力されたことに応じて、当該複数の断面画像のいずれかの断面画像に映る粒状影を判別した結果が出力されるモデルを学習可能にする学習データを生成する、
処理を前記コンピュータに実行させることを特徴とする付記４～６のいずれか一つに記載の判定プログラム。

（付記８）選択した前記ペアの合成枚数分の、粒状影の候補が映る断面画像に対応する複数の断面画像が入力されたことに応じて、当該複数の断面画像のいずれかの断面画像に映る粒状影を判別した結果が出力されるモデルを学習可能にする学習データを生成する、
処理を前記コンピュータに実行させることを特徴とする付記４～７のいずれか一つに記載の判定プログラム。

（付記９）前記複数の断面画像は、前記いずれかの断面画像と、前記いずれかの断面画像の付近に存在する断面画像とを含む、ことを特徴とする付記１～３のいずれか一つに記載の判定プログラム。

（付記１０）前記合成方法は、複数の断面画像を合成した合成画像の各座標にある画素の画素値が、当該複数の断面画像のそれぞれの断面画像の当該座標にある画素の画素値の統計値となるように、当該複数の断面画像を合成する、ことを特徴とする付記４～８のいずれか一つに記載の判定プログラム。

（付記１１）断面画像群のいずれかの断面画像に映る粒状影の候補を検出し、
前記候補を検出した際に、前記断面画像群のうち、前記いずれかの断面画像に対応する複数の断面画像に基づいて、前記候補が粒状物体の断面の形状の傾向を示す場合には、検出した前記候補が粒状影であると判定し、前記候補が粒状物体の断面の形状の傾向を示さない場合には、検出した前記候補が粒状影ではないと判定する、
処理をコンピュータが実行することを特徴とする判定方法。

（付記１２）断面画像群のいずれかの断面画像に映る粒状影の候補を検出し、
前記候補を検出した際に、前記断面画像群のうち、前記いずれかの断面画像に対応する複数の断面画像に基づいて、前記候補が粒状物体の断面の形状の傾向を示す場合には、検出した前記候補が粒状影であると判定し、前記候補が粒状物体の断面の形状の傾向を示さない場合には、検出した前記候補が粒状影ではないと判定する、
ことを特徴とする判定システム。

１００ 判定装置
１１０，１２０，７１０，７４０，１１００，１１０２，１１１０，１１１２，１２１０，１２２０ 断面画像
１１１，１２１，１５１，１６１，７１１，７２１，７３１，７４１，７５１，７６１，１２１１ 陰影
１３０，７０１ 病変部位
１４０，７０２ 血管
１５０，１６０，７２０，７３０，７５０，７６０，１１０３，１１１３，１２３０ 合成画像
２００ 医療システム
２０１ モダリティ装置
２０２ 医師用端末
２０３ 画像ＤＢ
２０４ 特徴ＤＢ
２１０ ネットワーク
３００，４００，５００ バス
３０１，４０１，５０１ ＣＰＵ
３０２，４０２，５０２ メモリ
３０３，４０３，５０３ 通信Ｉ／Ｆ
３０４，４０４，５０４ 記録媒体Ｉ／Ｆ
３０５，４０５，５０５ 記録媒体
４０６ 撮像装置
４０７，５０７ 入力装置
５０６ ディスプレイ
６００ 記憶部
６０１ 取得部
６０２ 生成部
６０３ 算出部
６０４ 選択部
６０５ 学習部
６０６ 検出部
６０７ 判定部
６０８ 出力部
８００ グラフ
８０１，８０２ 特性曲線
９０１，９０２ 点
９１０ 差分
１０００ 表
１１０１，１１１１，１２００ 断面画像群
１３０１ 分布
１３０２ 特徴

Claims (8)

1. 断面画像群のいずれかの断面画像に映る粒状影の候補を検出し、
   前記候補を検出した際に、前記断面画像群のうち、前記いずれかの断面画像に対応する複数の断面画像を合成した合成画像と前記いずれかの断面画像との類似度が閾値以上である場合には、検出した前記候補が粒状影であると判定し、前記合成画像と前記いずれかの断面画像との類似度が閾値未満である場合には、検出した前記候補が粒状影ではないと判定する、
   処理をコンピュータに実行させることを特徴とする判定プログラム。
2. 合成枚数と合成方法との複数のペアを取得し、
   粒状影が映る第１の断面画像に対応する第１の断面画像群を取得し、
   前記複数のペアのそれぞれのペアについて、取得した前記第１の断面画像群のうち、当該ペアの合成枚数分の複数の断面画像を、当該ペアの合成方法により合成した第１の合成画像と、前記第１の断面画像との第１の類似度を算出し、
   算出した前記第１の類似度に基づいて、前記複数のペアのいずれかのペアを選択する、
   処理を前記コンピュータに実行させることを特徴とする請求項１に記載の判定プログラム。
3. 合成枚数と合成方法との複数のペアを取得し、
   血管影が映る第２の断面画像に対応する第２の断面画像群を取得し、
   前記複数のペアのそれぞれのペアについて、取得した前記第２の断面画像群のうち、当該ペアの合成枚数分の複数の断面画像を、当該ペアの合成方法により合成した第２の合成画像と、前記第２の断面画像との第２の類似度を算出し、
   算出した前記第２の類似度に基づいて、前記複数のペアのいずれかのペアを選択する、
   処理を前記コンピュータに実行させることを特徴とする請求項１または２に記載の判定プログラム。
4. 前記判定する処理は、
   前記候補を検出した際に、前記断面画像群のうち、選択した前記ペアの合成枚数分の、前記いずれかの断面画像に対応する複数の断面画像を、選択した前記ペアの合成方法により合成した合成画像と、前記いずれかの断面画像との類似度が閾値以上である場合には、前記合成画像に映る影が円形であり、検出した前記候補が粒状影であると判定し、前記合成画像と前記いずれかの断面画像との類似度が閾値未満である場合には、前記合成画像に映る影が円形ではなく、検出した前記候補が粒状影ではないと判定する、ことを特徴とする請求項２または３に記載の判定プログラム。
5. 選択した前記ペアの合成枚数分の、粒状影の候補が映る断面画像に対応する複数の断面画像を、選択した前記ペアの合成方法により合成した合成画像が入力されたことに応じて、当該複数の断面画像のいずれかの断面画像に映る粒状影を判別した結果が出力されるモデルを学習可能にする学習データを生成する、
   処理を前記コンピュータに実行させることを特徴とする請求項２～４のいずれか一つに記載の判定プログラム。
6. 選択した前記ペアの合成枚数分の、粒状影の候補が映る断面画像に対応する複数の断面画像が入力されたことに応じて、当該複数の断面画像のいずれかの断面画像に映る粒状影を判別した結果が出力されるモデルを学習可能にする学習データを生成する、
   処理を前記コンピュータに実行させることを特徴とする請求項２～５のいずれか一つに記載の判定プログラム。
7. 断面画像群のいずれかの断面画像に映る粒状影の候補を検出し、
   前記候補を検出した際に、前記断面画像群のうち、前記いずれかの断面画像に対応する複数の断面画像を合成した合成画像と前記いずれかの断面画像との類似度が閾値以上である場合には、検出した前記候補が粒状影であると判定し、前記合成画像と前記いずれかの断面画像との類似度が閾値未満である場合には、検出した前記候補が粒状影ではないと判定する、
   処理をコンピュータが実行することを特徴とする判定方法。
8. 断面画像群のいずれかの断面画像に映る粒状影の候補を検出し、
   前記候補を検出した際に、前記断面画像群のうち、前記いずれかの断面画像に対応する複数の断面画像を合成した合成画像と前記いずれかの断面画像との類似度が閾値以上である場合には、検出した前記候補が粒状影であると判定し、前記合成画像と前記いずれかの断面画像との類似度が閾値未満である場合には、検出した前記候補が粒状影ではないと判定する、
   ことを特徴とする判定システム。

Images