JPH02185240A - 画像処理方法及び装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 ［発明の目的コ （産業上の利用分野） 本発明は、ディジタル胸部Ｘ線写真の自動化分析に関す
るものであり、より具体的には、ディジタル胸部Ｘ線写
真における肺組織の分析および検知と間質性疾患の特性
づけに用いる肋骨間の腔の局在定位（位置推定）のため
の方法およびシステムに関するものである。

（従来の技術） ディジタル胸部Ｘ線撮影の利点としては、正常および異
常パターンを表す画像特性の定量分析が行なえ、これら
データを二次的に利用でき、放射線専門医の診断の助け
となることである。例えば、ディジタル画像分析手法が
開発されており、これにより乳房Ｘ線像における微小硬
化の検知、胸部Ｘ線写真における肺小結節の検知、血管
造影図において不透明にした血管を追跡し、狭搾症と血
液流量データの評価などを行う。

ディジタル胸部画像で肺組織のサンプリングを行い、関
心部位（ＲＯＩｓ）の位置を定める自動化の方法のため
に必要なことは比較的単純である。

肺組織を含む適当な（ＲＯＩｓ）は、肋骨構造、太い血
管、および画像のアーチファクトがら離しておかねばな
らない。いくつかの実際上の理由からも、これらＲＯＩ
　ｓは、できるだけすみやかに選択する必要がある。

胸部画像における肋骨の位置を定めるために、多くの試
みがなされてきた。肋骨の定位を行うことは、肋骨間の
腔の位置を見出すこととほぼ同じである。この方法は、
肺組織をサンプリングするのに適していると考えられる
。Ｗ　ｅｃｈｓ　Ｉ　ｃｒ他にょる「コンピューターグ
ラフィック画像処理７」（３７５−３９０，１９７８）
では、濾波、縁部（エツジ）検出、およびハック変形を
含む画像処理手法を利用して胸部画像における背部側肋
骨および腹部側肋骨を検知する方法を定式化した。報告
によれば、５つの胸部画像（２５６ｘ２５６）からなる
小さな試験セットにおいて誤差１０〜１５％であり、Ｄ
ＥＣ製コンピューターＰＤＰ１１／４５上での平均計算
時間は１８分であった。

他の方法は、肺領域を通って得られる垂直断面の分析と
、肋骨端部を識別した後で曲線に適合させようとする試
みに基づくものである。しかしながら、直接式縁部検出
は、次のような理由から適切でない。（１）胸部画像に
は非常に多くの縁部がある。＜２）肋骨縁部は、場合に
よって（特に間質性疾患がある場合）離れていないこと
がある。

統工１的試験を利用して、ｒ　Ｄ　ｅｓｏｕｓａ　ｒコ
ンピュータービジョン」　「グラフィックス」および「
画像処理２３Ｊ　　（１−１４，１２９−１６１゜１９
８３）は、４００Ｘ４００の背部／腹部側胸部画像にお
ける肺領域を通して、少数の垂直断面上に肋骨の位置を
定めることによって検知を行う自動化肋骨検知手段を示
した。この方法を利用して、ＤｃＳｏｕｚａは満足すべ
き結果を報告したが、彼の調査で用いた事例の数は示し
ていなかった。

肋骨定位に対するこれらの方法の中には、肺組織分析に
おける肋骨間の腔の定位に適用できるものもあり、これ
らの方法は典型的な方法よりも多くの計算を必要とする
。

ＲＯＩの識別を行うための自動化手法は、間質性疾患の
検知および分析のための自動化手法に関連して非常に役
立つものである。

間質性疾患は、ごく普通の臨床上の単位である。

胸部Ｘ線撮影は、米国での病院におけるＸ線調査の４０
％を占めている。シカゴ大学医学センターにおいてい胸
部Ｘ線写真に見られる肺の異常のうち約２２％は間質性
異常によるものである。間質性疾患は、液体もしくはた
んばく質物質の累積による間質性肺質異當として定義さ
れる。

胸部Ｘ線写真における拡散性間質性疾患の評価は、放ａ
・Ｊ線医学における最も雅しい問題のひとつである。こ
の理由とし、（１）数多くのパターンと複雑な変位が含
まれる、（２）放射線学的所見と病理学的所見の間の関
係がしっかり確立していない、（３）Ｘ線撮影パターン
を表すのに使用する用語が明確に定義されておらず、放
射線専門医の間で様々に異なること、などが挙げられる
。記述に用いる形容詞が非常に多岐にわたるために、個
人、Ｓ４１織、教科書、さらに同じ個人でも日によって
解釈の違いが生じてくる。

肺組織の客観的評価ができるようなコンピューター化し
た定量化手法が開発されれば、この問題は取り除かれ、
放射線医学的解釈の精度も高まるであろう。研究者たち
は長年、肺浸透のその他の形態と同様に、炭鉱労働者の
塵肺症の症状の重さを検知したり定量化する自動化手段
を捜し求めてきた。正常な肺と肺繊維症のある肺を区別
するために、Ｓｕｔ　　ｔｏｎ他はｒ　Ｉ　Ｅ　Ｅ　Ｅ
　　Ｔ　ｒａｎｓ、Ｃｏａｐｕｔｌ　　（Ｃ−２１，６
６７，１９７２）において、Ｘ線撮影における濃度分布
の統計的性質に基づく測定方法を開発した。彼らはまた
、肺組織のフーリエスペクトルの中間周波数レンジ以上
の周波数成分を測定した。Ｋ　ｒｕｇｅｒ他は、ｒ　Ｔ
　Ｅ　Ｅ　Ｅ　　Ｔ　ｒａｎｓ、　Ｓ　ｙｓｔｅｍｓｓ
人間とサイバネティクスＪ　　（ＳＭＣ４：　４０．１
９７４）において、２つの方法を用いて炭鉱労働者の塵
肺症の分類を試みた。すなわち、１つは点から点へのグ
レーレベルの減衰変位に基づ＜６０回の組織Ｄ１定を行
う統計的方法であり、もう１つは光学的フーリエスペク
トルの分析に基づくものである。Ｔｕｆｌｙ他はｒ　Ｉ
　ｎｖｅｓｔ、　　Ｒａｄｉｏｌｌ　　（１３：　２９
８１９７Ｂ　）において、光学的フーリエ変換を使って
肺組織のパワースペクトルを求め、正常な肺と間質性疾
患がある肺とを区別した。Ｊ　ａｇｏｅ他はｒ　Ｂ　ｒ
ｉｔｉｓｈＪ、　　　Ｉｎｄｓｔ、　ＭｅｄＪ　　（３
２：　２６７．１９７５）とｒコンピューターと生化学
的研究Ｊ（１２：１．１９７９）において、塵肺症の症
状の重さを調べるために、１．２ミリの間隔で胸部Ｘ線
写真のサンプリングを行って定められるグレーレベル勾
配ベクトルの方向によって組織パターンを符号化する方
法を採用した。

（発明が解決しようとする課題） しかしながら、上記の統計的方法において、組織のｄＰ
１定は画素数から得ていたため、８か１６段階のグレー
レベルに換算されてしまい、間質性肺疾患によるコント
ラストの低いパターンの場合、Ｘ線撮影における微妙な
濃度変化が失われていた。

従来の研究における別の問題は、組織ａｌｌＪ定を濃度
変化によって行っていたために、胸部Ｘ線撮影において
脚構造全体（背景が低周波になる傾向がある）を含んで
しまった点である。そのため、従来の組織ａＦ＋定は、
基底となる肺組織の変動パターにおける小さな変化に対
する感度が極めて低かった。

さらに、研究者たちは９、これらの組織１１１１定が、
放射線専門医が胸部画像において通常みかけるどの特性
に対応しているかを示さなかった。このような問題があ
ったため、間質性疾患の診断のために肺組織のづンビュ
ーター分析を採用する試みは普及しなかった。

従って、本発明の目的は、各種の肺異常の自動検出の信
頼性を向上する新規な方法およびシステムを提供するこ
とである。

［発明の構成］ （課題を解決するための手段） 本願は特願昭６３〜１９２１７号に関連するものであっ
て、この特願昭６３−１９．２１７１号は、アメリカ合
衆国において、１９８７年８月３日出願の継続中米国特
許出願番号第０７１０８１，１４３号優先権主張に基づ
く出願である。また、「ディジタルＸ線画像による異常
な解剖組織部位検出用の自動システム」題し、た、土井
等のアメリカ合衆国における１９８７年６月３０日出願
の共有の継続中の米国特許出願番号第　　　　　号およ
び１９８７年８月３日出願の米国出願番号第０７／　０
８１，００１号に関連し、その開示は本願に参照しであ
る。特願昭６３−１９２１７１号（アメリカ合衆国出願
番号第０７１０８１１４３号）の明細書及び図面に、診
断用放射線学における自動技術分野の研究者等の過去の
努力が詳細に記載されている。本絹出願にはさらに、デ
ジタル胸部Ｘ線写真による肺組織の物理的測定に基づく
間質性肺疾患の検出および特徴づけを行う自動方法も開
示しクレームしている。特願昭６３−１９２１７１号の
明細書及び図面に説明されているように、約２０の四角
い関心領域（ＲＯＩ）を自動あるいは手動方法で肋骨の
間隙から選択し、各ＲＯＩの非均−なバックグラウンド
トレンドを補正して間質性疾患に関係する根源的な微細
組織から全脚構造を分線する。肺組織のパワースペクト
ルを観察者の視覚系反応で篩にかけた後、ｒｍｓ変動お
よびパワースペクトルの初期モーメントとを、肺組織の
大きさと粗さ（あるいは細がさ）の定量組織測度とする
。本発明は、特願昭６３−１９２１７１号の明細書及び
図面の開示を基に構成し、その発明者は、データベース
を作成するため、１００件の正常肺と１００件の結節、
細網、および蜂巣模様のある異常部についてこれらの組
織測度を求めた。次に、このデータベースは、本発明で
は正常肺と間質性疾患のある異常部との区別の自動分類
の基準作成に使用する。

すなわち、本発明は、デジタル胸部Ｘ線写真における正
常肺と間質性疾患のある異常部ｊを区別する自動分類方
法において、対象デジタルＸ線写真における複数の関心
領域（ＲＯＩ）をサンプリングし、該ＲＯ！それぞれの
組織を表わすデジタルデータを生成し、各選択ＲＯＩの
組織測度を、各ＲＯＩの肺組織を表わす前記デジタルデ
ータにより決定し、正常肺データベースに基づき予じめ
決定した特性に関連して、前記決定段階にて決定した組
織β１度を正規化し、この正規化段階にて得た正規化組
織測度を処理し、予じめ決定した基準に基づき対象デジ
タルＸ線写真の肺画像が正常か異常かを判定することを
特徴とするデジタル胸部Ｘ線写真における正常肺と間質
性疾患のある異常部ｙを区別する自動分類方法である。

さらに本発明は、デジタル胸部Ｘ線写真における正常肺
と間質性疾患のある異常部〆を区別する自動分類システ
ムにおいて、対象デジタルＸ線写真における複数の関心
領域（ＲＯＩ）をサンプリングするサンプリング手段と
、該ＲＯＩそれぞれの組織を表わすデジタルデータを生
成する生成手段と、各選択ＲＯＩの組織Δｐ１度を、各
ＲＯＩのｌ１ｉｌｊノ０、やよゎｔ□ｉ？ｅ　７”　’
）　９　／Ｉ／　７’−ッ１ｏよ、よ□オ♂決定手段と
、正常肺データベースに基づき予じめ決定した特性に関
連して、前記決定段階にて決定した組織測度を正規化す
る正規化手段と、この正規化段階にて得た正規化組織測
度を処理し、予じめ決定した基準に基づき対象デジタル
Ｘ線写真の肺画像が正常か異常かを判定する判定手段と
を具備したことを特徴とするデジタル胸部Ｘ線写真にお
ける正常肺と間質性疾患のある異常肺グを区別する自動
分類システムである。

（作用） 以上の手段を構じたことにより、選択した組織４１１１
度は、肺組織のＲＭＳ変異（Ｒ）とパワースペクトルの
切期モーメント（Ｍ）で、これは特願昭０３−１９２１
７１号の明細書及び図面の記載通り得られる。先ず、二
つの組ｗ＆測度（肺組織のｒｍｓ変１ｌ１１￥（Ｒ）お
よびパワースペクトルの初期モーメン１−（Ｍ））は、
正常肺のデータベースを使用することによって正規化さ
れる。次に、単一組織インデックスは、異常部より得た
組織測度の分布（またはデータベース）を考慮して二つ
の正規化組織７Ｉｌ１１度によって決定し、正常肺と異
常部の自動分類を可能とする。スレショルレベルを超え
る大きい組織インデックスを含む「異常」な対象部位（
ＲＯＩ）の最初の選択のため、スレショルド組織インデ
ックスを選ぶ。次に、選択した異常ＲＯＩは、 （１）明白に異常な単一パターン、 （２）二つ以上の異常な集合ＲＯＩの局部異常パターン
、および （３）肺に分布した五つ以上の異常ＲＯＩの散在性異常
パターンの３つの異なる試験を受ける。以上の異常パタ
ーンのいづれかのある胸部画像は、間質性疾患の異常部
に分類される。

（実施例） 図中、同一参照番号は同一あるいは関連部分を表し、ま
た特に具体的には第１図では、本発明に係る、正常肺お
よび異常部の区別の自動分類の方法を表すフローチャー
トを示す。第１図に示す通り、本発明の第一ステップ１
０では、診断中の対象のデジタル画像データが得られる
。特に、略２０個の四角い関心領域（ＲＯＩ）を、出願
番号第０７／　０８１，１４３号に記載の自動あるいは
手動方法で肋骨の間隙からサブリングする。ステップ２
０で選択した各ＲＯＩについて、ｒｍｓ変異およびパワ
ースペクトルの初期モーメントは、それぞれ肺組織の大
きさと粗さ（あるいは細かさ）についての定性組織１４
ｔ１度として求める。特に、出願番号第０７１０８１．
１．４３号に記載のごとく、こうした組織測度を得るに
は、各ＲＯＩの非均−なバ・ツクグラウンドを二次元（
２Ｄ）表面接合技術によって修正し、その次のコンピュ
ータ分析のため、内在する肺組織の変化パターンをハ１
定する。肺組織のノ々ワースベクトルは、２Ｄフーリエ
変換（２次元フーリエ変換）によって得られ、観ＤＪ者
の視覚反応によって選り分けられる。最後に、二乗平均
（ｒｍｓ）差（Ｒ）およびパワースペクトルの初期モー
メント（Ｍ）を、肺組織の大きさおよび粗さ（あるいは
細かさ）それぞれについて、顕著な定量組織Ａ１１ｊ度
として求める。

さらに詳しくは、２Ｄフーリエ変換データは、Ｔ　（ｕ
、ｖ）で定義し、ここでのＵおよびＶはデカルト座標系
の空間周波数である。Ｔ　（ｕ、ｖ）は、人の視覚反応
Ｖ　（ｕ、ｖ）で帯域濾過され、ここでは、 濾過データ（Ｔ　（ｕ、ｖ）Ｖ　（ｕ、ｖ））を求める
、この場合、ｕＱおよびＤは規定の定数である。

ＲＭＳ変位（Ｒ）およびパワースペクトルの初期モーメ
ント（Ｍ　）は以下のように求める。

第１図に示すように、ＲおよびＭが一旦求められると、
ステップ３０において、ＰＡ胸部画像の全ＲＯＩより求
められた二つの組織ＩＩｔ１度７ＩＩ１１定値は、正常
肺のデータベースに由来する平均値と標章偏差を利用し
て正規化する。このデータベースは、発明者等が１００
件の結節性、細網状、蜂巣状の異常肺並びに１００件の
正常肺について組織測度ＲとＭを求めることにより得た
ものである。次にステップ４０にて、異常肺から得た組
織測度の分布、即ちデータベースを考慮して、二つの正
規化組織７ＩｒｌＩ度から単一組織インデックスを求め
る。次に、ステップ５０では、規定のスレショルド値を
超える大きい組織インデックスのＲＯＩを選択する。選
択したＲＯＩは最後にステップ６０１゜６０、および６
０３にて、完全に異常な単体パターン（ステップ６０１
）、局部異常パターン（ステップ（６０２＞　、あるい
は拡散異常パターン（ステップ６０３）について三つの
個別試験を実施する。異常パターンのいずれか一つのあ
る胸部画像は、ステップ７０の間質性疾患の異常肺を示
すものと分類される。もしくは、異常パターンが無い場
合は、その肺はステップ８０で正常と分類される。

二つの組織ｉｉ［１１度は、以下の二つ式に示す通り、
データベースに含まれる正常肺について得られる組織測
度の平均および標準偏差によってステップ３０にて正規
化される。

ここで、ＲＮとＭＮは、それぞれパワースペクトルの正
規化ｒｍｓ変異と正規化初期モーメントであり、Ｒ−と
Ｍ−は、それぞれ正常肺についてのパワースペクトルの
平均ｒｍｓ変異と平均初期モーメントであり、さらに′
Ｒと　’Ｍはそれぞれ正常肺についてのｒｍｓ変異の標
準偏差とパワースペクトルの初期モーメントの標準変異
である。

正常肺について求めた二つの組織４１１１度の分布を第
２図に示す。この分布によると、正常肺についてのｒｍ
ｓ変異の平均および標準偏差は、画素値単位でそれぞれ
８．１９０と０．Ｈ４であり、パワースペクトルの初期
モーメントの平均および標章偏差は、それぞれ２．５７
７サイクル／ｍｍと０．１２０サイクル／ｍｍである。

ｒｍｓ変異に使用する画素値単位は、別の単位に変換可
能で、これは、ｒｍｓ変異を光学濃度あるいはｔ目射Ｘ
線強度に関して求める場合に有用である。本研究では放
射線透過画像は、１０ビツトのアナログ・デジタル変換
を利用し、光学濃度範囲の０．４から２．２を線でマツ
プして８００から２００（即ち、０．００３光学濃度／
画素値）の範囲の画素値とすることで、高級ドラムスキ
ャナーによりデジタル化したので、正常軸のｒｍｓ変異
の平均および標準偏差は、それぞれ光学濃度単位で０．
０２４５７と０．００２０５２である。

相対Ｘ線強度に関するｒｍｓ変異の平均およびＰＡｐ偏
差は、係数０．４３４　Ｇで光学濃度における上記数値
を徐することで求められる。ここで、Ｇは、各胸部の放
射線透過写真に使用するスクリーンフィルムシステムの
特性曲線の勾配を表す。平均勾配を２．８と見なして、
正常軸のｒｍｓ変異の平均および標Ｌ４１ＩＸ偏差は、
相対Ｘ線強度に関して約０゜０２と０．００２と思われ
る。相対Ｘ線強度に関する数値は、大まかなものであり
、注意して使用する必要かある。これは、全放射線透過
画像の特性曲線が分かっておらず、平均曲線のみを使用
して平均勾配を求めたからである。

データベースの正常軸と異常軸の正規化組織ＡＰＩ度の
分布をそれぞれ第３図と第４図に示す。正常軸について
の分布は、正規化組織Δ−１度座標の原点付近を中心と
し、異常軸についての分布は左上にずれている。しかし
、この二つの分布は、明らかに相当な部分が重なってい
る。これは、間質性疾患が肺全体に広がっていない限り
、異常軸に見られる肺組織に一部正常箇所があり得るか
らである。

従って、こうした分布にのみ基づく分類機構は、正常軸
と異常軸とを区別する上であまり効果的ではないと思わ
れる。

異常１ｆｌｉＯ組＆を測度の分布には正常軸についての
数値も一部含まれていて、正規化組織分布座標の第二象
限に移動するので、ステップ４０では第５図に示すよう
に、新たな単一組織インデックス（Ｔ）を公式化し、正
常軸と異常軸とを効果的に区別する。二つのパラメータ
よりもむしろ、信頼できるインデックスで得られる単一
最小感度の実用性は、コンピュータによる正確な自動分
類達成の単純性と効果による。数学的には、単一組織イ
ンデックス（Ｔ）は以下の通り定義する。

第一象限、即ちＭＮ〉０およびＲＮ＞０．Ｔ−ＲＮ　　
　　　　　　　　　　　　　・・・（６）第二象限、即
ちＭＮ〈０および ＲＮ　＞０．ｒ−（Ｗｔマコー「瓦■７　　　・・・（
７）第三象限、即ちＭＮく０および ＲＮ＜０．Ｔ−−ＭＮ　　　　　　　・・・（８）第四
象限、即ぢＭ、＞０および ＲＮ＜０．Ｔ−−（最小（ＭＮ　）、ｌ　ＲＮ　ｌ　）
　１・・（９） 即ち、ＭＮの低い数値あるいはＲＮの絶対値の負数。組
織インデックス（Ｔ）の有用性を、ｒｍＳ変異のヒスト
グラムとパワースペクトルの初期モーメントと正常軸と
異常軸の新たな組織インデックスとを比較してそれぞれ
第６図、第７図、第８図に示す。このヒストグラムは、
各胸部画像の全ＲＯＩ中の最大値の発生開度を表してい
る。異常軸のパワースペクトルの初期モーメントのヒス
トグラムとｒｍｓ変異のヒストグラムが正常軸のものと
相当型なっているのが明白である。従って、ｒｍｓ変異
あるいはパワースペクトルの初期モーメントのいずれか
の最大値をその分類に使用する場合は、正常軸と異常軸
との区別が困難である。

しかし、単一組織インデックスのヒストグラムは、正常
ル１」と異常軸についての分布の改善された区別を示す
もので、その分類性能の改善を意味する。

事実、この結果は、レシーバ操作特性（ＲＯＣ）曲線を
第９図に示すようにプロットすることで確認される。（
ＲＯＣ分析法の説明については、ＣＥ、メッツの研究放
射線学、２１ニア２０−７３３　　（１０００年）を参
照。）ＲＯＣ曲線は、肺の正常および異常といった二つ
の見込まれる状態の区別をする検知器（あるいは観察装
置）の性能を表す最も信頼のおけるダイアグラムとして
現在知られている。

このＲＯＣ曲線は、一般には真の正の分数、即ち異常軸
を異常としての正確な分類（あるいは検出）の分数、お
よび偽りの正の分数、即ち正常軸を異常として不正確な
分類（あるいは検出）の分数との関係のプロットである
。この関係は、こうした分数が使用するスレショルドレ
ベルによって変わるので、点の代わりに曲線で表す。

特に、第８図と第９図では、例えば第９図のＲＯＣ曲線
ラベルの「組織インデックス」の作成では、組織インデ
ックススレショルドは第８図に示すヒストグラムに関連
して作成しである。考えられる各スレショルド値につい
ては、真の正の分数は異常肺ヒストグラムの曲線の全域
に対するスレショルド値の右側に対する異常肺ヒストグ
ラムの曲線の区域の比率として求められる。同様に、偽
りの正の分数は、正常肺ヒストグラムの曲線の全域に対
するスレショルド値の右側に対する正常肺ヒストグラム
の曲線の区域の比率として求められる。例えば、スレシ
ョルドレベルが低下すると、真の正の分数の増加が見込
まれ、偽りの正の分数も増加する。別の検出器あるいは
方法で得た異なるＲＯＣ曲線の比較では、ＲＯＣ曲線が
高いほど（即ち、左上角に接近）、一般には性能が向上
する。従って、第９図は、組織インデックスの使用は、
正常肺および間質性疾患による異常のある肺について、
肺組織の自動分類におけるｒｍｓ変異の利用あるいはパ
ワースペクトルの初期モーメントの利用よりも優れてい
ることを明白に示している。

本発明の自動分類方法の性能をさらに向上するには、間
質性疾患のある異常肺に含まれる異常パターンについて
三つの異なる試験６０１，６０２および６０３を実施す
る。第一試験６０１は、胸部画像で選択した全ＲＯＩか
ら得た組織インデックスに４を超える数値があるかどう
かを調べるものである。もしある場合には、この胸部画
像は異常と分類される、これは第８図に示すように、デ
ータベースの正常肺には４を超える組織インデックスが
無いからである。本発明の構成の方法を多数の臨床例の
分析に毎日使用する場合、組織インデックスが４を超え
る正常例が見られることかあり、こうしたことが偽り正
の分数の増加原因になる。しかし、こうした増加は、デ
ータベースの１００件の正常胸部画像がいずれもが４を
超える組織インデックスとならない事実からして、非常
に小さなものであると思われる。第二試験６０２は、ス
レショルドレベルを超える比較的高い組織インデックス
の予備選択した「異常ＪＲＯＩがある特定の距離（また
は円形の直径）内に集合しているかとうかを調べるもの
である。組織インデックスのスレショルド値は、相互作
用選択制御の使用あるいは自動方法によって変更できる
、もしくは規定のレベルに設定できる。集合した異常Ｒ
ＯＩの４１１定でのＩ　Ｃｍないし５　ｃｍの範囲の距
離の効果は、本発明の派生として調べられる。約３〜４
　ａｍの距離が、間質性疾患による局部異常ノくターン
の検出をするうえて有効であることが分かり、この試験
を追加することで、第１０図のＲＯＣ曲線で示すように
性能向上が明らかであった。

第三試験６０３は、予備選択した異常ＲＯＩが肺全体に
広がっているか、また間質性疾患による拡散異常パター
ンを生じているかを調べる。第三試験６０３ては、スレ
ショルドレベルを超える組織インデックスとなる胸部画
像当たりのＲＯＩの合計数を計数する。その結果によれ
ば、五つ以上の異常ＲＯＩがある場合、胸部画像は間質
性疾患による拡散異常パターンを含むことがよくある。

第三試験６０３の有効性は、こうした三つの試験による
全ての結果と共に、第１０図に示しである。

この結果から、また以下で説明する放射線専門医の能力
と比較のために加えた別のデータから、第１図に示した
全試験が最高の性能を結果として出したことが確認され
る。局部的異常箇所の距離（または直径）およびこれら
の試験の異常ＲＣＩＩの合計数の両方に使用する最適な
基準は、胸部画像当たりの選択したＲＯＩの合計数が相
当増加するかどうかで変化する。

正規化、単一組織、および異常試験に関する上記方法お
よび手順を、各胸部画像の肺全体に適用した。しかし、
同じ方法と手順を、肺の内外同様に肺の上部、中間、下
部等の異なる箇所の選択した肺の部位に個別に適用でき
る。次に、正常肺および異常肺の両方の肺組織に関する
データベースを、選択した各部について作成する必要が
ある。

そして、組織測度の正規化は、対応する肺の部位から得
た正常肺に関するデータベースを使用して８肺の部位に
ついて個別に達成される。組織インデックスは、式６〜
って説明し第５図に示した方法で求める。異常肺に関す
る試験は、６肺の部位について個別に実施する。

肺に局部的に適用するこの自動分類構成する研究は、肺
全体に適用する以上に正常肺と異常肺との区別という点
でさらに微妙なものである。しかし、現時点ではデータ
ベースが限られているため、感度の点でのこの若干の改
善の統計上の意義の確認は不可能であった。明らかに、
肺の局部についてのこの研究の完成には組織測度に関す
る膨大なデータベースを必要とする。

このコンピュータによる自動分類構成の有効性を評価す
るには、デジタル胸部Ｘ線撮影の診断精度についての表
示形式の効果の研究について先に使用した臨床例の分析
に本発明の方法を適用した。

この研究にはハードコピー　ビデオ、反転ブレースチー
１曲Ｈ象（Ｈ，マクマホン、Ｃ，Ｅ、　メツ゛ン、Ｋ　
、　　トイ、Ｔ、キム、Ｍ、Ｌ、　　シガー　Ｉ（、Ｐ
。

チャンの放射線学、１６１（Ｐ）、２０３，１９Ｈ（要
約））の比較がある。研究用に選んだ６０件の胸部画像
には、肺結節、気胸、間質性浸潤、骨の損傷等の潜在性
の異常もあった。このような異常それぞれに関するＲＯ
Ｃ曲線は、６人の放射線専門医と６人の放射線レジデン
トとが作成した。

第１１図は、上記１２人の観察者と本発明の自動分類法
によって得たＲＯＣ曲線の比較を示している。コンピュ
ータによる研究収率は、正常肺と間質性浸潤のある異常
肺との区別での平均的観察者が得たものより優れたもの
であることが明白である。観察者の成績研究に使用した
胸部画像は、０．３ｎｍｇ画素サイズとドラムスキャナ
ーを使用して作成した高品質ハードコピー画像で、一方
、自動分類は、０．１　＋＋ｕｎ画素サイズのデジタル
画像データに適用した。放射線専門医が得たＲＯＣ曲線
は、０．１１画素サイズのハードコピーを観察者の成績
研究に用いることで改善されることが期待される。

しかし、間質性浸潤の検出における画素サイズの効果に
関する観察者の成績研究で先に示唆されていたように、
この改善は大幅なものではない（Ｈ，Ｍ、マクマホン、
Ｃ，Ｊ、　　ビボニー　Ｃ１Ｅ、メッツ、Ｋ、トイ、■
、サベティ、Ｓ、Ｌ。

ソロモン、の放射線学、１５８：２１．（１９８Ｂ））
。

従って、第１１図の結果から得られる結論に変わりはな
い。即ち、本発明に係るコンピュータによる研究は、間
質性疾患のある異常肺の検出に関して、人による観察よ
りも優れた成果を提供できるものである。

細網パターンの異常肺にはｒｍｓに相当な変化および正
常肺と比較してパワースペクトルの初期モーメントが比
較的高くなり易いことが分がった。

この結果は、細網パターンの正規化組織測度が正のＲＮ
軸の上部近辺に通常は分布していることの発見に対応し
ている。結節パターンの異常肺については、パワースペ
クトルの初期モーメントは正常肺のものよりも低くなる
傾向があるが、ｒｍｓ変動は正常肺のものと類似してい
る。この結果は、負のＭＮ軸の左側近辺に通常は位置す
る結節パターンの正規化組織Ａｌ１１度の分布に対応し
ている。しかし、蜂巣および細網−結節パターンの異常
肺は、ｒｍｓ変動が正常肺よりも大きくなり、またパワ
ースペクトルの初期モーメントが正常肺より低く成る傾
向がある。これは、蜂巣および細網−結節パターンの正
規化組織測度が、原点から引いた分析軸の左上近辺で、
（ＭＮ、ＲＮ）座標の第二象限に位置することを示して
いる。

本発明によって得られる、間質性疾患による多様な異常
パターンのこのような画像の特徴の発見に基づき、異常
肺局部は、放射線専門医の解釈用に表示した胸部画像に
重ねた特殊マーカー（あるいは印）で表される。特に、
高品位ＣＲＴモニターをデイスプレーに使用するが、フ
ィルム画像のある別の種類のデイスプレー装置もこの目
的に使用できる。胸部画像が、第１図の自動機構により
異常と分類されると、スレショルド値を超える組織イン
デックスを含む異常Ｒｏｔすべてが、異常ＲＯＩの位置
の胸部画像に重ねた、各ＲＯＩの各異常の性質と程度を
表す３種類の印で表示される。

第１２図に示すように、四角形は、異常組織Ａ１１度が
第一象限あるいは第一象限に隣接する第二象限の三方の
−に位置している場合の細網パターンを表す（縦座標お
よび縦座標から３０度の角度の点線で示しである）。円
形は、異常組織測度が第三象限あるいは第三象限に隣接
する第二象限の三分の−に位置している場合の結節パタ
ーンを表す（横座標および横座標から３０度の角度の点
線で示しである）。六角形は、異常組織ａ１１度が点線
と一点鎖線との中間の区域である、第二象限の三分の−
に位置している場合の好巣および細網−結節パターンを
表す。異常の程度は、こうした印の大きさで表示し、異
常ＲＯＩの組織インデックスが大きくなればなるほど、
円形、六角形、あるいは四角形の大きさが増す。この印
の中心は、胸部画像で選んだＲＯＩの中心に位置する。

この印の大きさは、組織インデックスに比例して、ある
いは組織インデックスの増大による大きさの単調増加を
生じるような別の関係で変化する。この三つの異なる印
の大きさ或いは面積は、対応する組織インデックスが同
じであれば変化しない。

ＣＲＴデイスプレーに表示されるその他の数量は非當に
ａ用なもので、真の正の分数および偽りの正の分数であ
り、操作点、即ち使用したスレショルド組織インデック
スでのＲＯＣ曲線に由来する。これは、異常肺を示唆し
た場合、コンピュータ出力の信頼性に関する判断基準に
おいて重要な意味を持っている。この理由は、真の正の
分数および偽りの正の分数は、胸部画像が本発明の自動
分類法によって異常であると分類された場合、異常肺の
可能性と正常肺の可能性のそれぞれを表すからである。

即ち、この方法は、肺が本当に異常であるという可能性
、そしてまたその肺は、たとえコンピュータ出力が異常
肺と表示しても、実際は正常である可能性もあることを
示す。第１０図に示したようなＲＯＣ曲線は、組織イン
デックスのスレショルドレベルの変化によるもので、こ
の曲線のデータは対応するスレショルドレベルと共にコ
ンピュータに記憶できる。従って、胸部画像を規定スレ
ショルドレベルで解析した場合、このスレショルドレベ
ルでの真の正の分数と偽りの正の分数は、胸部画像が間
質性疾患による異常であると分類されると、モニターに
表示される。さらに、胸部画像がスレショルドレベルの
変化により対話式に解析されると、異なるスレショルド
レベルでのこれらの分数の対応変化およびスレショルド
レベルを超える異常Ｒ０１はこのレベルの＝＆化によっ
て直ちに表示される。異常肺組織に関するこうした正確
、程度、可能性の表示は、胸部Ｘ線写真で見る間質性疾
患の放射線専門医の診断を大幅に手助けする。

胸部画像が本自動分類機構で正常と分類されると、異常
＋１＋ｌｉの場合同様にＣＲＴモニターに二つの重要な
パラメータが表示される。このパラメータは、肺が全く
正常である、即ち１に等しい真の負の分数引く偽りの正
の分数であることの確率、および肺が本当に異常である
、即ち１に等しい偽りの負の分数引く真の正の分数であ
ることの確率である。こうした可能性がＲＯＣ曲線から
得られ、コンピュータが示唆する正常肺という信頼性に
関する判断基準として有効であることは明白である。

第１３図は、デジタル胸部画像の肺組織の解析のための
線による自動分類システムの操作を連続的に示す略ブロ
ック図である。先ず、特定の胸部Ｘ線写真に対応するデ
ジタル画像データを入力装置１００で人力し、画像記憶
装置１０５に記憶する。

デジタル胸部画像は、従来のＸ線写真フ、イルム画像の
デジタル化あるいは、ピッカー・ラインスキャンデジタ
ル胸部システム、ＡＳ＆Ｅ・ポイントスキャンデジタル
システム、フジ記憶燐光／レーザー読み取りデジタルシ
ステム、イメージインテンシファイヤＴＶデジタルシス
テム、あるいはセレンプレートデジタルシステムといっ
た他のデジタル装置で得られる。次に、適切なＲＯＩを
手動もしくは自動的に選択しくブロック１１０）、選択
したＲＯＩ上の組織ΔＰ１度ＲとＭを求める（ブロック
１０２）。データベースメモリー１３０１に記憶しであ
る正常肺に関するデータベースの統計値を基に正規化計
算機１３０で正賞化する。次に、正規化組織測度を、第
５図に関連して説明したように、単一組織インデックス
ＴｉＬＲ）を求める計算器１４０に当てはめる。次に、
計算器１４０の単一組織インデックス（Ｍ、Ｒ）は比較
器１５０に適用し、そこで各ＲＯＩの組織インデックス
を、対話式スレショルド選択コントローラ１５０１によ
って対話式に選択できるスレショルド値と比較する。コ
ントローラ１５０１は、選択可能なスレショルドをＲＯ
Ｃ発生器１５０２にも適用し、そこでＲＯＣデータを記
憶し、コントローラ１５０１で適用した選択スレショル
ド値に基づき、選択スレショルドインデックスでの偽り
の正のデータと真の正のデータを生成する。また、比較
器１５０で求めたようにコントローラ１５０で設定した
スレショルドを超える各ＲＯＩの組織インデックスが４
より大きいか否かを求める比較器１６０．、比較器１６
０１では異常との判断を受けていないＲＯＩが規定の距
離（即ち、円形の直径）内にまとまっているか否かを求
める解析器］６０２、および比較器１５０で求めたよう
にコントローラ１５０１で設定したスレショルドを超え
るＲＯＩの合計数が４より大きいか否かを求める比較器
１６０２とを備える。比較器１６０．。

１６０２．１６０３のいずれかが、正の決定を下した場
合は、分類器１７０が異常肺分類を行い、否の決定を下
した場合は、分類器１８０が正常肺分類を行う。さらに
、印発生器１９０も設けてあり、異常の程度を示唆する
大きさ、つまり組織インデックスに比例する大きさの各
町によって、異常のタイプ（例えば、前述の蜂巣、細網
、細網−結節、結節等）を表す印を生成する。

本発明によれば、上述のようにＣＲＴモニターなどのデ
イスプレー２００を設けて画像、異常ＲＯＩの位置に発
生器１９０で生成した印、および発生器１５０２からの
ＲＯＣ情報を表示する。

本発明は、上記説明により多様な修正および変更ができ
ることは明白である。従って、特許請求の範囲内で、本
発明はここに具体的に記載した以外にも実施できること
が分かる。

［発明の効果〕 このように本発明によれば、選択した組織測度は、肺ｊ
ｆＩ織のＲＭＳ変異（Ｒ）とパワースペクトルの初期モ
ーメント（Ｍ）で、これは特願昭６３−１９２１７１号
（アメリカ合衆国出願番号第０７／　０８１゜１４３号
）の記載通り得られる。先ず、二つの組織測度（肺組織
のｒｍｓ変異（Ｒ）およびパワースペクトルの初期モー
メント（Ｍ））は、正常肺のデータベースを使用するこ
とによって正規化される。次に、ｔｌｉ−組織インデッ
クスは、異常肺より得た組織測度の分（Ｉｉ　（または
データベース）を考慮して二つの正規化組織測度によっ
て決定し、正常肺と異常肺の自動分類を可能とする。ス
レショルドレベルを超える大きい組織インデックスを含
む「異常」な対象部位（ＲＯＩ）の最初の選択のため、
スレショルド組織インデックスを選ぶ。次に、選択した
異常ＲＯＩは（１）明白に異常な単一パターン、（２）
二つ以上の異常な集合ＲＯＩの局部異常パターン、およ
び（３）肺に分布した五つ以上の異常ＲＯＩの散在性異
常パターンの３つの異なる試験を受ける。以上の異常パ
ターンのいづれかのある胸部画像は、間質性疾患の異常
肺に分類される。

従って、本発明によれば、各種の肺異常の自動検出の信
頼性は向上される。これは、熟練放射線専門医による診
断より優れた結果をもたらす、効果がある。

【図面の簡単な説明】

第１図は本発明に係る身体組織測度の分析に基づく正常
肺と間質性疾患の異常肺との区別の自動分類を示すフロ
ーチャート、第２図は本発明に係る分類を実施するため
の正常肺について得た二つの組織測度、ＲＭＳ変異（Ｒ
）とパワースペクトル（Ｍ）の初期モーメントとの分布
を表すグラフ、第３図は正常肺１００件の胸部側１象か
ら得た正規化組織測度の分布を表すグラフ、第４図は異
常肺１００件の胸部画像から得た正規化組織４１１１度
の分布を表すグラフ、第５図は正常肺と異常肺のコンピ
ュータによる分類を容易にするために正規化組織測度か
ら求めた単一組織ｒンデックス（Ｔ）を示す特性図、第
６図は正常肺と異常肺の各胸部画像で選んだ全ＲＯＩ中
の正規化ｒｍｓ変異の最大値のヒストグラム、第７図は
正常肺と異常肺の各胸部画像で選んだ全ＲＯＩ中のパワ
ースペクトルの正規化初期モーメントの最大値のヒスト
グラム、第８図は正常肺と異常肺の各胸部画像で選んだ
全ＲＯＩ中の組織インデックスの最大値のヒストグラム
、第９図はＲＭＳ変異、パワースペクトルの初期モーメ
ント、あるいは単一組織インデックスに基づくコンピュ
ータによる正常肺および異常肺の区別のためのレシーバ
操作特性（ＲＯＣ）を示すグラフ、第１０図は組織イン
デックスを局部および／または拡散異常試験と共に使用
する場合。 コンピュータによる正常肺と異常肺との区別のためのＲ
ＯＣ曲線を表すグラフ、第１１図は６０件の選択胸部画
像（第２図のデータベースには人っていない）について
コンピュータと１２人の放射線専門医から得たＲＯＣ曲
線の比較を示すグラフ、第１２図は組織ｉ１１度座標系
の三つの異なる区域を示すもので符号は細網、結節、蜂
巣（および細網結節）パターンを四角形１円形、六角形
でそれぞれ表す図、第１３図は本発明に係るデジタル胸
部画像の肺組織分析の自動分類の方法およびシステムを
表す略ブロック図である。 １００・・デジタル画像入力装置、１０５・・・画像記
憶装置、１１０・・・適切ＲＯＩ選択器、１２０・・・
肺組織Ａ１１ｌ定計算機、１３０・・・正規化計算機、
１３０、・・・データベースメモリ、１４０・・・単一
組織インデックス計算機、１５０・・・異常Ｒｏｔ比較
器、１５０１・・・対話式スレショルド選択コントロー
ラ、１５０２・・・ＲＯＣデータ発生器、１６０１・・
・組織インデックス比較器、１６０２・・・集合異常Ｒ
ＯＩ解析器、１６０３−ＲＯＩ　ｆｉ比較器、１７０・
・・異常肺分類器、１８０・・・正常肺分類器、１９０
・・・印発生器、２００・・・デイスプレィ。 出願人代理人　弁理士　鈴江武彦 第 図 ィ為　（）の、正、のくだ番矢二 惰 図 潜りの正の介（（ ２１１゜ 図 偽り■Ｌめ傘（ξ 第 図

Claims (2)

【特許請求の範囲】
1. （１）ディジタル胸部Ｘ線写真における正常肺と間質性
   疾患のある異常肺を区別する自動分類方法において、対
   象ディジタルＸ線写真における複数の関心領域（ＲＯＩ
   ）をサンプリングし、該ＲＯＩそれぞれの組織を表わす
   ディジタルデータを生成し、各選択ＲＯＩの組織測度を
   、各ＲＯＩの肺組織を表わす前記ディジタルデータによ
   り決定し、正常肺データベースに基づき予じめ決定した
   特性に関連して、前記決定段階にて決定した組織測度を
   正規化し、この正規化段階にて得た正規化組織測度を処
   理し、予じめ決定した基準に基づき対象ディジタルＸ線
   写真の肺画像が正常か異常かを判定することを特徴とす
   るディジタル胸部Ｘ線写真における正常肺と間質性疾患
   のある異常肺を区別する自動分類方法。
2. （２）ディジタル胸部Ｘ線写真における正常肺と間質性
   疾患のある異常肺を区別する自動分類システムにおいて
   、対象ディジタルＸ線写真における複数の関心領域（Ｒ
   ＯＩ）をサンプリングするサンプリング手段と、該ＲＯ
   Ｉそれぞれの組織を表わすディジタルデータを生成する
   生成手段と、各選択ＲＯＩの組織測度を各ＲＯＩの肺組
   織を表わす前記ディジタルデータにより決定する決定手
   段と、正常肺データベースに基づき予じめ決定した特性
   に関連して、前記決定段階にて決定した組織測度を正規
   化する正規化手段と、この正規化段階にて得た正規化組
   織測度を処理し、予じめ決定した基準に基づき対象ディ
   ジタルＸ線写真の肺画像が正常か異常かを判定する判定
   手段とを具備したことを特徴とするディジタル胸部Ｘ線
   写真における正常肺と間質性疾患のある異常肺を区別す
   る自動分類システム。