JP7333304B2 - 画像処理方法、画像処理システムおよびコンピュータに画像処理方法を実行させるプログラム - Google Patents

Description

関連出願の相互参照
本出願は、２０１９年１２月２３日に出願された米国仮特許出願第６２／９５２，４９８号の利益を主張する。

本開示は、画像処理方法およびシステムに関し、特に、医用画像処理方法およびシステムに関する。

機械学習の技術の開発を受けて、多くのモデル（例えば、オブジェクトセグメンテーションモデル）が、病変組織を識別するのに使用されてきた。しかしながら、病院から提供された医用画像は、病変組織と正常組織（例えば、血管）の両方をマークすることがあり、モデルが高い偽陽性率を伴う結果を生成することがある。

本開示の態様は、画像処理方法に関する。画像処理方法は、複数のラベルを有する複数の医用画像の第１医用画像の第１ラベルの面積を計算するステップと、第１ラベルの面積が閾値よりも大きいかどうかに基づいて第１判定結果を取得するステップと、第１医用画像に隣り合う医用画像の第２医用画像が、第２医用画像上の第１ラベルの第１投影領域に重なる第２ラベルを含むかどうかに基づいて、第２判定結果を取得するステップと、第１判定結果および第２判定結果に従って第１医用画像上の第１ラベルを選択的に削除するステップとを含む。

本開示の別の態様は、画像処理システムに関する。画像処理システムは、メモリとプロセッサとを含む。メモリは、少なくとも１つのプログラムコードを記憶するように構成される。プロセッサは、動作を行うように少なくとも１つのプログラムコードを実行するように構成され、その動作は、複数のラベルを有する複数の医用画像の第１医用画像の第１ラベルの面積を計算することと、第１ラベルの面積が閾値よりも大きいかどうかに基づいて第１判定結果を取得することと、第１医用画像に隣り合う医用画像の第２医用画像が、第２医用画像上の第１ラベルの第１投影領域に重なる第２ラベルを含むかどうかに基づいて、第２判定結果を取得することと、第１判定結果および第２判定結果に従って第１医用画像上の第１ラベルを選択的に削除することとを含む。

本開示の別の態様は、コンピュータに画像処理方法を実行させるプログラムに関する。画像処理方法は、複数のラベルを有する複数の医用画像の第１医用画像の第１ラベルの面積を計算するステップと、第１ラベルの面積が閾値よりも大きいかどうかに基づいて第１判定結果を取得するステップと、第１医用画像に隣り合う医用画像の第２医用画像が、第２医用画像上の第１ラベルの第１投影領域に重なる第２ラベルを含むかどうかに基づいて、第２判定結果を取得するステップと、第１判定結果および第２判定結果に従って第１医用画像上の第１ラベルを選択的に削除するステップとを含む。

要約すると、第１医用画像の第１ラベルの面積が閾値よりも大きいかどうかを判定するとともに、第１医用画像に隣り合う第２医用画像が、第１ラベルの投影領域に重なる第２ラベルを含むかどうかを判定することによって、本開示の画像処理システムおよび画像処理方法は、誤ったラベルを削除することができ、ダイス係数が増加するようになっている。換言すれば、偽陽性の確率が減少する。

前述の一般的な説明および以下の詳細な説明の両方は、実施例によるものであり、特許請求される本発明のさらなる説明を提供することが意図されることを、理解されたい。

本開示は、以下の添付図面を参照して、実施形態の以下の詳細な説明を読むことによって、より完全に理解することができる。

本開示のいくつかの実施形態による画像処理システムの模式図である。 本開示のいくつかの実施形態による画像処理方法のフロー図である。 本開示のいくつかの実施形態による画像処理方法の動作の１つのフロー図である。 本開示のいくつかの実施形態による医用画像の模式図である。 図４Ａ－４Ｃは、本開示のいくつかの実施形態によるラベルでマークされた医用画像の模式図である。 図５Ａ－５Ｂは、本開示のいくつかの実施形態による隣り合う医用画像のラベルの投影領域を有する医用画像の模式図である。 処理された後の図４Ｂの医用画像の模式図である。 本開示のいくつかの実施態様によるダイス係数と直径閾値との間の関係の曲線図である。 本開示のいくつかの実施形態による感度と直径閾値との間の関係の曲線図である。

実施形態は、本願の態様をより良く理解するように添付図面を参照して以下で詳細に記載される。しかしながら、提供される実施形態は、本開示の範囲を限定することを意図するものではなく、構造的動作の説明は、それらが実行される順序を限定することを意図するものではない。構成要素によって再結合されて同等の機能を生成する任意のデバイスは、本開示によってカバーされる範囲内である。

本明細書で使用されるように、「結合された」および「接続された」は、２つ以上の要素が互いに直接的または間接的に物理的または電気的に接触することを示すのに使用されてよく、２つ以上の要素が互いに協働または相互作用することを示すのに使用されてもよい。

図１を参照すると、本開示のいくつかの実施形態による画像処理システム１００は、メモリ１１０と、プロセッサ１２０と、入力／出力（Ｉ／Ｏ）デバイス１３０とを含む。プロセッサ１２０は、メモリ１１０およびＩ／Ｏデバイス１３０に結合される。そのような配置では、画像処理システム１００は、人体の複数の医用画像（図３参照）を処理する機能を提供することができ、偽陽性の確率を低減することができるようになっている。

メモリ１１０は、１つ以上のプログラムコードを記憶するように構成される。プロセッサ１２０は、１つ以上の入力信号に従ってメモリ１１０に記憶されたプログラムコードを実行するように構成され、多数の動作（例えば、図２に示す画像処理方法２００）を自動的に実行することができるようになっている。

いくつかの実施形態では、プロセッサ１２０は、１つ以上の中央処理装置（ＣＰＵ）、特定用途向け集積回路（ＡＳＩＣ）、マイクロプロセッサ、システム・オン・チップ（ＳｏＣ）、または他の適切な処理装置によって実施される。メモリ１１０は、非一時的コンピュータ可読記憶媒体（例えば、ランダム・アクセス・メモリ（ＲＡＭ）、リード・オンリー・メモリ（ＲＯＭ）、ハードディスク・ドライブ（ＨＤＤ）、ソリッド・ステート・ドライブ（ＳＳＤ））によって実施される。

いくつかの実施形態では、Ｉ／Ｏデバイス１３０は、ユーザーの操作を入力信号に変換し、入力信号をプロセッサ１２０に送信するために、キーボード、マウス、タッチスクリーン、またはそれらの組み合わせを含む。いくつかの実施形態では、Ｉ／Ｏデバイス１３０は、情報またはデータを転送するための通信インターフェース（例えば、ユニバーサルシリアルバス（ＵＳＢ）インターフェース、Ｂｌｕｅｔｏｏｔｈ（登録商標）インターフェース、Ｗｉ－Ｆｉインターフェース、イーサネット（登録商標）インターフェース）を含む。いくつかの実施形態では、Ｉ／Ｏデバイス１３０は、ユーザーの操作に応答する状態を提示するための画面、スピーカ、またはそれらの組み合わせを含む。

図２Ａ－２Ｂを参照すると、本開示のいくつかの実施形態による画像処理方法２００も提供される。画像処理方法２００は、図１のプロセッサ１２０によって実行することができる。しかしながら、本開示は、それに限定されるべきではない。図２Ａに示すように、画像処理方法２００は、動作Ｓ２０１－Ｓ２０６を含む。

図３を参照すると、図３は、ラベルが付されていない複数の医用画像Ｍ［１］－Ｍ［ｎ］を描写する。動作Ｓ２０１－Ｓ２１１が実行される前に、ユーザーは、Ｉ／Ｏデバイス１３０を通じて医用画像Ｍ［１］－Ｍ［ｎ］を入力することができ、医用画像Ｍ［１］－Ｍ［ｎ］は、プロセッサ１２０が処理するためにメモリ１１０に記憶することができる。

医用画像Ｍ［１］－Ｍ［ｎ］は、医用画像システム（例えば、コンピュータ断層撮影（ＣＴ）、磁気共鳴画像（ＭＲＩ）、陽電子放出断層撮影（ＰＥＴ）、光干渉断層撮影（ＯＣＴ））によって生成される。図３に示されるように、医療用画像Ｍ［１］－Ｍ［ｎ］は、２次元画像であり、所定の高さＨ、所定の幅Ｗおよび所定の深さＤを有する３次元医療用画像を構成してもよい。例えば、３次元医用画像は、人間の頭部の３次元画像であり、医用画像Ｍ［１］－Ｍ［ｎ］は、異なる水平レベルにおける人間の頭部の断面画像である。

いくつかの実施形態では、医療画像Ｍ［１］－Ｍ［ｎ］は、第１軸Ａ１に沿った空間分解能を有する（図４Ａ－４Ｃ参照）。図４Ａ－４Ｃに示されるように、第１軸Ａ１（上方を指して医用画像Ｍ［２］－Ｍ［４］から出る符号によって表される）は、医用画像Ｍ［１］－Ｍ［ｎ］のそれぞれに垂直である。医用画像Ｍ［１］－Ｍ［ｎ］の空間分解能は、２つの隣り合う医用画像（例えば、医用画像Ｍ［１］およびＭ［２］、医用画像Ｍ［２］およびＭ［３］）間の垂直距離ｄ（図３に示される）によって決定され得る。垂直距離ｄは、第１軸Ａ１に平行な距離であり、所定の高さＨを医用画像Ｍ［１］－Ｍ［ｎ］の数ｎで割って算出される。

医用画像Ｍ［１］－Ｍ［ｎ］の空間分解能は垂直距離ｄに反比例して変化することに、注目すべきである。換言すれば、垂直距離ｄが短いほど、空間分解能は高くなる。一方、垂直距離ｄが長いほど、空間分解能は低くなる。

動作Ｓ２０１では、プロセッサ１２０は、医用画像Ｍ［１］－Ｍ［ｎ］を認識し、医用画像Ｍ［１］－Ｍ［ｎ］上に複数のラベル（図４Ａ－４Ｃを参照）をマークする。例えば、図４Ｂに示されるように、プロセッサ１２０は、医療画像Ｍ［３］から３つの疑わしい組織（斜線で満たされた領域によって表される）を、オブジェクトセグメンテーションモデル（例えば、セマンティックセグメンテーションのＵ－ＮｅｔまたはＣ－ＬＳＴＭ、インスタンスセグメンテーションのＭａｓｋ Ｒ－ＣＮＮ）によって認識する。そして、プロセッサ１２０は、医用画像Ｍ［３］上に、上記の疑わしい組織の輪郭に対応する３つのラベルＰ１［３］、Ｐ２［３］、Ｐ３［３］をマークする。同様に、図４Ａおよび４Ｃに示されるように、プロセッサ１２０は、医用画像Ｍ［２］上に１つのラベルＰ１［２］を、医用画像Ｍ［４］上に２つのラベルＰ１［４］、Ｐ２［４］をマークする。

いくつかの他の実施形態では、医用画像は、画像処理システム１００に入力される前にラベルでマークされている。従って、動作Ｓ２０１は省略される。

いくつかの実施形態では、疑わしい組織は、病変組織（例えば、腫瘍、小結節）および正常組織（例えば、血管）を含み得るので、プロセッサ１２０によってマークされたラベルのいくつかは、偽陽性として分類されるように、正常組織に対応し得る。従って、プロセッサ１２０は、医用画像Ｍ［１］－Ｍ［ｎ］上の誤ったラベルを削除するために、以下のステップＳ２０２－Ｓ２０６を実行する。

動作Ｓ２０２では、プロセッサ１２０は、医用画像の第１医用画像の少なくとも１つの第１ラベルの面積を計算する。医用画像Ｍ［３］の例（図４Ｂに示される）では、プロセッサ１２０は、ラベルＰ１［３］によって囲まれている表面の面積を計算する。同様に、プロセッサ１２０は、ラベルＰ２［３］によって囲まれている表面の面積と、ラベルＰ３［３］によって囲まれている表面の面積とを計算する。

動作Ｓ２０３では、プロセッサ１２０は、医用画像Ｍ［１］－Ｍ［ｎ］の空間分解能に応じて閾値を決定する。例えば、空間分解能が高いほど、閾値（例えば、πｍｍ ^２ ）は小さくなる。一方、空間分解能が低いほど、閾値（例えば、１００πｍｍ ^２ ）は大きくなる。換言すれば、閾値は空間分解能に反比例して変化する。閾値と空間分解能との関係については、後述する。

動作Ｓ２０４では、プロセッサ１２０は、少なくとも１つの第１ラベルの面積が閾値よりも大きいかを判定して第１判定結果を取得し、第１判定結果に応じて動作Ｓ２０５または動作Ｓ２０６を選択的に実行する。具体的には、プロセッサ１２０は、ラベルＰ１［３］－Ｐ３［３］のそれぞれの上記で計算された面積を閾値と比較する。

いくつかの実施形態では、第１判定結果は、ラベルＰ２［３］の面積が閾値以下であることを示し、従って、プロセッサ１２０は、動作Ｓ２０５を実行する。動作Ｓ２０５では、第１判定結果は、ラベルＰ２［３］の面積が閾値を超えないことを示しているので、ラベルＰ２［３］に対応する疑わしい組織は、病変組織（例えば、体積の小さい腫瘍）と考えられ得る。従って、プロセッサ１２０は、ラベルＰ２［３］を削除しない（または維持する）。

いくつかの実施形態では、第１判定結果は、ラベルＰ１［３］（またはラベルＰ３［３］）の面積が閾値よりも大きいことを示し、従って、プロセッサ１２０は、動作Ｓ２０６を実行する。動作Ｓ２０６では、第１の判定結果は、ラベルＰ１［３］（またはラベルＰ３［３］）の面積が閾値よりも大きいことを示しているので、ラベルＰ１［３］（またはラベルＰ３［３］）に対応する疑わしい組織は、病変組織または正常組織であることが依然として疑われる。従って、プロセッサ１２０は、第１医用画像に隣り合う少なくとも１つの医用画像（例えば、医用画像Ｍ［２］、医用画像Ｍ［４］）が、第１ラベル（例えば、ラベルＰ１［３］、ラベルＰ３［３］）の投影領域に重なる少なくとも１つのラベルを含むか否かをさらに判定する。

図２Ｂに示されるように、動作Ｓ２０６は、動作Ｓ２０７－Ｓ２１１を含む。動作Ｓ２０７では、プロセッサ１２０は、第２医用画像が、第２医用画像上の第１ラベルの投影領域に重なる第２ラベルを含むかを判定する。そのような方法で、プロセッサ１２０は、第２判定結果を取得し、第２判定結果に応じて動作Ｓ２０８または動作Ｓ２０９を選択的に実行する。

図５Ａおよび５Ｂを参照すると、図５Ａおよび５Ｂは、２つの隣り合う医用画像上に形成される第１医用画像のラベルＰ１［３］－Ｐ３［３］の投影領域を描写する。ラベルＰ１［３］の例では、ラベルＰ１［３］は、第１軸Ａ１と平行な方向に投影され、医用画像Ｍ［２］Ｐ上に投影領域ＰＪ１［３２］、および医用画像Ｍ［４］Ｐ上に投影領域ＰＪ１［３４］を形成するようになっている。同様に、医用画像Ｍ［３］のラベルＰ２［３］、Ｐ３［３］を投影してよく、医用画像Ｍ［２］Ｐ上に投影領域ＰＪ２［３２］、ＰＪ３［３２］、および医用画像Ｍ［４］Ｐ上に投影領域ＰＪ２［３４］、ＰＪ３［３４］を形成する。図５（ａ）に示されるように、投影領域ＰＪ１［３２］は、医用画像Ｍ［２］Ｐ上のラベルＰ１［２］と重なり、重複領域ＰＯ１［２］（黒と白の四角で塗りつぶされた領域で表される）が生成されるようになっている。図５（ｂ）に示されるように、投影領域ＰＪ１［３４］は、医用画像Ｍ［４］Ｐ上のラベルＰ１［４］と重なり、重複領域ＰＯ１［４］（黒と白の四角で塗りつぶされた領域で表される）が生成されるようになっている。

ラベルＰ１［３］に関して、いくつかの実施形態では、プロセッサ１２０は、医用画像Ｍ［２］Ｐが、ラベルＰ１［３］の投影領域ＰＪ１［３２］に重なるラベルＰ１［２］を含むと判定し、動作Ｓ２０８を実行し得る。いくつかの他の実施形態では、プロセッサ１２０は、医用画像Ｍ［４］Ｐが、ラベルＰ１［３］の投影領域ＰＪ１［３４］に重なるラベルＰ１［４］を含むと判定し、動作Ｓ２０８を実行し得る。

動作Ｓ２０８では、第２判定結果は、第２医用画像（例えば、医用画像Ｍ［２］Ｐ、医用画像Ｍ［４］Ｐ）が第１ラベル（例えば、ラベルＰ１［３］）の投影領域（例えば、投影領域ＰＪ１［３２］、投影領域ＰＪ１［３４］）に重なる第２ラベル（例えば、ラベルＰ１［２］、ラベルＰ１［４］）を含むことを示しているので、ラベルＰ１［３］に対応する疑わしい組織は、病変組織（例えば、体積の大きい腫瘍）と考えられる。従って、プロセッサ１２０は、ラベルＰ１［３］を削除しない（または維持する）。

ラベルＰ３［３］に関して、いくつかの実施形態では、プロセッサ１２０は、医用画像Ｍ［２］Ｐが、ラベルＰ３［３］の投影領域ＰＪ３［３２］に重なるラベルを含まないと判定し、動作Ｓ２０９を実行し得る。いくつかの他の実施形態では、プロセッサ１２０は、医用画像Ｍ［４］Ｐが、ラベルＰ３［３］の投影領域ＰＪ３［３４］に重なるラベルを含まないと判定し、動作Ｓ２０９を実行し得る。

動作Ｓ２０９では、第２判定結果は、第２医用画像（例えば、医用画像Ｍ［２］Ｐ、医用画像Ｍ［４］Ｐ）が、第１ラベル（例えば、ラベルＰ３［３］）の投影領域（例えば、投影領域ＰＪ３［３２］、投影領域ＰＪ３［３４］）に重なる第２ラベルを含まないことを示しているので、ラベルＰ３［３］に対応する疑わしい組織は、依然として病変組織または正常組織であると疑われる。従って、プロセッサ１２０は、第３医用画像が、第１ラベルの別の投影領域に重なる第３ラベルを含むか否かをさらに判定する。

いくつかの実施形態では、プロセッサ１２０は、医用画像Ｍ［２］Ｐ（第２医用画像と見なされる）が、第１ラベルの投影領域に重なる第２ラベルを含まないと判定するだけでなく、医用画像Ｍ［４］Ｐ（第３医用画像と見なされる）が、第１ラベルの別の投影領域に重なる第３ラベルを含むと判定し、動作Ｓ２１０を実行する。いくつかの他の実施形態では、プロセッサ１２０は、医用画像Ｍ［４］Ｐ（第２医用画像と見なされる）が、第１ラベルの投影領域に重なる第２のラベルを含まないと判定するだけでなく、医用画像Ｍ［２］Ｐ（第３医用画像と見なされる）が、第１ラベルの別の投影領域に重なる第３ラベルを含むと判定し、動作Ｓ２１０を実行する。

動作Ｓ２１０では、第３判定結果は、第３医用画像（例えば、医用画像Ｍ［２］Ｐ、医用画像Ｍ［４］Ｐ）が、第１ラベルの別の投影領域に重なる第３ラベルを含むことを示すので、第１ラベルに対応する疑わしい組織は、病変組織（例えば、体積の大きい腫瘍）と考えられる。従って、プロセッサ１２０は、第１ラベルを削除しない（または維持する）。

手短に言えば、プロセッサ１２０は、少なくとも１つの隣り合う医用画像が、第１ラベルの投影領域に重なる少なくとも１つのラベルを含むときに、第１ラベルを維持する。しかしながら、いくつかの他の実施形態では、プロセッサ１２０は、２つの隣り合う医用画像（例えば、医用画像Ｍ［２］ＰおよびＭ［４］Ｐ）が、２つの隣り合う医用画像上の第１ラベルの２つの投影領域にそれぞれ重なる第２ラベルおよび第３ラベルを含む場合に、第１ラベルを維持し得る。

ラベルＰ３［３］を決定する例（図５Ａおよび５Ｂ参照）では、プロセッサ１２０は、医用画像Ｍ［２］Ｐが、ラベルＰ３［３］の投影領域ＰＪ３［３２］に重なるラベルを含まないと判定し、医用画像Ｍ［４］Ｐが、ラベルＰ３［３］の他の投影領域ＰＪ３［３４］に重なるラベルを含まないと判定して、動作Ｓ２１１を実行する。

動作Ｓ２１１では、第３判定結果は、第３医用画像（例えば、医用画像Ｍ［２］Ｐ、医用画像Ｍ［４］Ｐ）が、第１ラベル（例えば、ラベルＰ３［３］）の別の投影領域（例えば、投影領域ＰＪ３［３２］、投影領域ＰＪ３［３４］）に重なる第３ラベルを含まないということであるため、ラベルＰ３［３］に対応する疑わしい組織は、正常組織と考えられる（病変組織は、通常球状であり、まれに平坦であるため）。従って、プロセッサ１２０は、ラベルＰ３［３］を削除する。

図６を参照すると、動作Ｓ２０２－Ｓ２１１を実行した後に、プロセッサ１２０は、処理済み医用画像Ｍ［３］Ｄを生成し、医用画像Ｍ［４］を処理する。いくつかの実施形態では、プロセッサ１２０は、誤ったラベルを削除するために、未処理の医用画像Ｍ［１］－Ｍ［ｎ］を連続的に処理する。

いくつかの実施形態では、医用画像Ｍ［１］またはＭ［ｎ］を処理するときに、プロセッサ１２０は、医用画像Ｍ［１］またはＭ［ｎ］に隣り合う１つの医用画像Ｍ［２］またはＭ［ｎ－１］を判定するだけでよい。従って、医用画像Ｍ［２］またはＭ［ｎ－１］が、医用画像Ｍ［１］またはＭ［ｎ］の第１ラベルの投影領域に重なる第２のラベルを含むときに、プロセッサ１２０は、第１ラベルを維持する。医用画像Ｍ［２］またはＭ［ｎ－１］が、医用画像Ｍ［１］またはＭ［ｎ］の第１ラベルの投影領域に重なる第２ラベルを含まないときに、プロセッサ１２０は、第１ラベルを削除する。

図７Ａ－７Ｂを参照すると、図７Ａは、ダイス係数と直径閾値との関係を描写し、図７Ｂは、感度と直径閾値との関係を描写する。ダイス係数は、異なるセット（例えば、病変組織の第１セット（熟練した医師によって識別される）とラベルの第２セット（オブジェクトセグメンテーションモデルによって認識される））の類似性を比較するのに使用されることができる。基本的に、ダイス係数が高いほど、偽陽性の確率は低くなる。感度は、病変組織がラベルでマークされる確率（すなわち、真陽性の確率）である。閾値は、直径閾値を有する円形表面の面積によって定義され得る。例えば、直径閾値が１０ｍｍの場合、閾値は２５πｍｍ ^２ である。いくつかの実施形態では、ダイス係数および感度は、以下の式（１）および（２）のように表すことができる

および

ここで、Ｄはダイス係数であり、Ｓは感度であり、Ｇは医用画像Ｍ［１］－Ｍ［ｎ］の実際の病変組織の領域であり、Ｐは医用画像Ｍ［１］－Ｍ［ｎ］上のラベルの領域である。

誤ったラベルを削除する前は、ダイス係数は、実質的に５６．８２％である（図７Ａに示される破線参照）。感度は、実質的に８４．２７％である（図７Ｂに示される破線参照）。動作Ｓ２０２－Ｓ２１１を実行して誤ったラベルを削除した後に、直径閾値の長さに応じて、ダイス係数を６２．０５％から６９．６５％までの範囲（図７Ａに示される実線参照）で変化させてよい。感度は、直径閾値の長さに応じて、７９．９７％から８４．２７％までの範囲（図７Ｂに示される実線参照）で変化させてよい。図７Ａおよび７Ｂに示されるように、直径閾値が１０ｍｍのときに、ダイス係数が５．２３％増加し、感度は変化しない。直径閾値が１ｍｍのときに、ダイス係数は１２．８３％増加し、感度はわずかに４．３％低下する（動作Ｓ２０２－Ｓ２１１を実行した後に感度を増加させることができないため）。

上述したように、閾値は、医用画像Ｍ［１］－Ｍ［ｎ］の空間分解能に応じて決定される。また、閾値は、感度およびダイス係数の要望に応じて決定される。高度のダイス係数が望まれる場合に、より多くの誤ったラベルを削除するために（換言すれば、ダイス係数を著しく増加させるために）、閾値を減少させるべきである（例えば、直径閾値を１ｍｍとするべきである）。対照的に、高度の感度が望まれる場合に、感度を維持しながら誤ったラベルを削除するために（換言すれば、ダイス係数をわずかに増加させるために）、閾値を増加させるべきである（例えば、直径閾値を１０ｍｍとするべきである）。

要約すると、第１医用画像の第１ラベルの面積が閾値よりも大きいかどうかを判定するとともに、第１医用画像に隣り合う第２医用画像が、第１ラベルの投影領域に重なる第２ラベルを含むかどうかを判定することによって、本開示の画像処理システム１００および画像処理方法２００は、誤ったラベルを削除することができ、ダイス係数が増加するようになっている。換言すれば、偽陽性の確率が減少する。

情報流通の方法は、フロッピー・ディスケット、ＣＤ－ＲＯＭ、ハードドライブ、または任意の他の非一時的コンピュータ可読記憶媒体などの、有形媒体で具体化されたプログラムコード（すなわち、実行可能命令）の形態をとってよく、プログラムコードがコンピュータにロードされて実行されると、コンピュータは、それによって方法を実行する装置になる。方法は、電気配線またはケーブルなどの、何らかの伝送媒体によって、光ファイバを通じて、または任意の他の伝送形態を介して、伝送されるプログラムコードの形態で具体化されてもよく、プログラムコードがコンピュータに受信されてロードされて実行されると、コンピュータは、開示された方法を実行する装置になる。汎用プロセッサ上で実施されると、プログラムコードは、特定用途向け論理回路に類似して動作する固有の装置を提供するように、プロセッサと結合する。

本開示は、その特定の実施形態を参照してかなり詳細に説明されたが、他の実施形態も可能である。従って、添付の「特許請求の範囲」の趣旨および範囲は、本明細書に含まれる実施形態の説明に限定されるべきではない。本発明の範囲または趣旨から逸脱することなく、本開示の構造に様々な修正および変更を行うことができることは、当業者には明らかであろう。上記に鑑みて、本発明は、以下の「特許請求の範囲」内に入る限り、本発明の修正および変更をカバーすることが意図される。

Claims (18)

1. 複数の医用画像を処理する画像処理方法であって、前記医用画像は、シリアル断面画像であり、前記医用画像のそれぞれに垂直である第１軸に沿って配置され、前記医用画像は、第１医用画像および少なくとも１つの隣り合う医用画像を備え、前記少なくとも１つの隣り合う医用画像は、第１軸に平行な方向に第１医用画像に隣り合い、前記画像処理方法は、
   第１医用画像にマークされた第１ラベルの面積を計算するステップであって、第１ラベルは、第１医用画像における第１の疑わしい組織画像に対応する、計算するステップと、
   前記第１ラベルの面積が閾値を超えない場合に、前記第１医用画像上の前記第１ラベルを維持するステップと、
   前記第１ラベルの面積が前記閾値よりも大きく、かつ、前記少なくとも１つの隣り合う医用画像が、重なるラベルでマークされている場合に、前記第１医用画像上の前記第１ラベルを維持するステップであって、
   前記重なるラベルは、前記少なくとも１つの隣り合う医用画像における疑わしい組織画像に対応し、かつ前記少なくとも１つの隣り合う医用画像上の前記第１ラベルの投影領域に重なり、前記投影領域は、前記第１軸に平行な方向に前記第１ラベルを前記少なくとも１つの隣り合う医用画像上に投影することによって形成される、維持するステップと、
   前記第１ラベルの面積が前記閾値よりも大きく、かつ、前記少なくとも１つの隣り合う医用画像の各々が前記重なるラベルでマークされていない場合に、前記第１医用画像上の前記第１ラベルを削除するステップと、
   を含む画像処理方法。
2. 請求項１に記載の画像処理方法であって、前記少なくとも１つの隣り合う医用画像は、第１軸に平行な方向に第１医用画像に隣り合う第２医用画像および第３医用画像を備え、第１医用画像は、第２医用画像と第３医用画像との間にあり、前記画像処理方法は、第２医用画像が前記重なるラベルでマークされているかどうかを判定するステップをさらに含む、画像処理方法。
3. 請求項２に記載の画像処理方法であって、前記第２医用画像が前記重なるラベルでマークされていない場合に、前記画像処理方法は、
   前記第３医用画像が前記重なるラベルでマークされているかどうかを判定するステップをさらに含む、画像処理方法。
4. 請求項２に記載の画像処理方法であって、前記画像処理方法は、
   第１ラベルの面積が閾値よりも大きいかどうかを判定するステップをさらに含む、画像処理方法。
5. 請求項４に記載の画像処理方法であって、前記第１ラベルの面積が前記閾値よりも大きい場合に、前記第２医用画像が前記重なるラベルでマークされているかどうかを判定する動作が行われる、画像処理方法。
6. 請求項２に記載の画像処理方法であって、前記第２医用画像が前記重なるラベルでマークされている場合、前記第１ラベルの面積が前記閾値よりも大きく、かつ、前記第３医用画像が前記重なるラベルでマークされているときに、前記第１医用画像上の前記第１ラベルを維持する動作が行われる、画像処理方法。
7. 請求項１に記載の画像処理方法であって、第１ラベルは、第１の疑わしい組織画像の輪郭に対応する、画像処理方法。
8. 請求項４に記載の画像処理方法であって、第１ラベルの面積が閾値よりも大きいかどうかを判定する動作の前に、前記画像処理方法は、
   第１軸に沿った医用画像の空間分解能に従って前記閾値を決定するステップであって、空間分解能が高いほど、前記閾値は小さく、空間分解能が低いほど、前記閾値は大きい、決定するステップを、さらに含む、画像処理方法。
9. 請求項８に記載の画像処理方法であって、前記閾値は、空間分解能に反比例して変化し、空間分解能は、第１医用画像と第２医用画像との間の垂直距離に反比例して変化する、画像処理方法。
10. 請求項４に記載の画像処理方法であって、第１ラベルの面積が前記閾値よりも大きいかどうかを判定する動作の前に、前記画像処理方法は、
    感度およびダイス係数に従って閾値を決定するステップであって、感度が高いほど、閾値は高く、ダイス係数が低いほど、閾値は高い、決定するステップを、さらに含み、
    感度は、前記医用画像における少なくとも１つの病変組織画像が少なくとも１つのラベルでマークされる確率であり、ダイス係数は、
    

    

    として表され、Ｄはダイス係数であり、Ｇは医用画像の全病変組織画像の領域であり、Ｐは医用画像にマークされた全ラベルの領域である、画像処理方法。
11. 複数の医用画像を処理する画像処理システムであって、前記医用画像は、シリアル断面画像であり、前記医用画像のそれぞれに垂直である第１軸に沿って配置され、前記医用画像は、第１医用画像および少なくとも１つの隣り合う医用画像を備え、前記少なくとも１つの隣り合う医用画像は、第１軸に平行な方向に第１医用画像に隣り合い、前記画像処理システムは、
    少なくとも１つのプログラムコードを記憶するメモリと、
    動作を行うように前記少なくとも１つのプログラムコードを実行するプロセッサと、
    を備え、前記動作は、
    第１医用画像にマークされた第１ラベルの面積を計算することであって、第１ラベルは、第１医用画像における第１の疑わしい組織画像に対応する、計算することと、
    前記第１ラベルの面積が閾値を超えない場合に、前記第１医用画像上の前記第１ラベルを維持することと、
    前記第１ラベルの面積が前記閾値よりも大きく、かつ、前記少なくとも１つの隣り合う医用画像が、重なるラベルでマークされている場合に、前記第１医用画像上の前記第１ラベルを維持することであって、
    前記重なるラベルは、前記少なくとも１つの隣り合う医用画像における疑わしい組織画像に対応し、かつ前記少なくとも１つの隣り合う医用画像上の前記第１ラベルの投影領域に重なり、前記投影領域は、前記第１軸に平行な方向に前記第１ラベルを前記少なくとも１つの隣り合う医用画像上に投影することによって形成される、維持することと、
    前記第１ラベルの面積が前記閾値よりも大きく、かつ、前記少なくとも１つの隣り合う医用画像の各々が前記重なるラベルでマークされていない場合に、前記第１医用画像上の前記第１ラベルを削除することと、
    を含む、画像処理システム。
12. 請求項１１に記載の画像処理システムであって、前記少なくとも１つの隣り合う医用画像は、第１軸に平行な方向に第１医用画像に隣り合う第２医用画像および第３医用画像を備え、第１医用画像は、第２医用画像と第３医用画像との間にあり、前記プロセッサは、
    第２医用画像が前記重なるラベルでマークされているかどうかを判定することをさらに行う、画像処理システム。
13. 請求項１２に記載の画像処理システムであって、前記第２医用画像が前記重なるラベルでマークされていない場合に、前記プロセッサは、前記第３医用画像が前記重なるラベルでマークされているかどうかを判定することをさらに行う、画像処理システム。
14. 請求項１２に記載の画像処理システムであって、前記プロセッサは、第１ラベルの面積が前記閾値よりも大きいかどうかを判定することをさらに行う、画像処理システム。
15. 請求項１４に記載の画像処理システムであって、第１ラベルの面積が前記閾値よりも大きい場合に、前記第２医用画像が前記重なるラベルでマークされているかどうかを判定する動作が行われる、画像処理システム。
16. 請求項１４に記載の画像処理システムであって、第１ラベルの面積が前記閾値よりも大きいかどうかを判定する動作の前に、前記プロセッサは、
    第１軸に沿った医用画像の空間分解能に従って前記閾値を決定することであって、空間分解能が高いほど、前記閾値は小さく、空間分解能が低いほど、前記閾値は大きい、決定することを、さらに行う、画像処理システム。
17. 請求項１６に記載の画像処理システムであって、前記閾値は、空間分解能に反比例して変化し、空間分解能は、第１医用画像と第２医用画像との間の垂直距離に反比例して変化する、画像処理システム。
18. コンピュータに複数の医用画像を処理する画像処理方法を実行させるプログラムであって、前記医用画像は、シリアル断面画像であり、前記医用画像のそれぞれに垂直である第１軸に沿って配置され、前記医用画像は、第１医用画像および少なくとも１つの隣り合う医用画像を備え、前記少なくとも１つの隣り合う医用画像は、第１軸に平行な方向に第１医用画像に隣り合い、前記画像処理方法は、
    第１医用画像にマークされた第１ラベルの面積を計算するステップであって、第１ラベルは、第１医用画像における第１の疑わしい組織画像に対応する、計算するステップと、
    前記第１ラベルの面積が閾値を超えない場合に、前記第１医用画像上の前記第１ラベルを維持するステップと、
    前記第１ラベルの面積が前記閾値よりも大きく、かつ、前記少なくとも１つの隣り合う医用画像が、重なるラベルでマークされている場合に、前記第１医用画像上の前記第１ラベルを維持するステップであって、
    前記重なるラベルは、前記少なくとも１つの隣り合う医用画像における疑わしい組織画像に対応し、かつ前記少なくとも１つの隣り合う医用画像上の前記第１ラベルの投影領域に重なり、前記投影領域は、前記第１軸に平行な方向に前記第１ラベルを前記少なくとも１つの隣り合う医用画像上に投影することによって形成される、維持するステップと、
    前記第１ラベルの面積が前記閾値よりも大きく、かつ、前記少なくとも１つの隣り合う医用画像の各々が前記重なるラベルでマークされていない場合に、前記第１医用画像上の前記第１ラベルを削除するステップと、
    を含む、プログラム。

Images