JPH02250180A - ディジタルｘ線画像における自動化分析のための方法および装置 - 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〕 （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、間質性肺疾患の
特性づけに用いる肋骨間の腔の局在定位（位置推定）の
ための方法および装置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か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
。Ｗｅｅｈｓｌｅｒ他による「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（２５６Ｘ　２５６）からなる小さ
な試験セットにおいて誤差１０〜１５％であり、ＤＥＣ
製コンピューターＦＤＰ１１／４５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。しかじなから、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（特に間質性肺疾患がある場合）離れていないこ
とがある。

統計的試験を利用して、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　　（１−１４，１２９−１６１，１９８
３）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、ＤｅＳｏｕｚａ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
らの方法は臼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、間質性肺疾患
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において胸部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疾患常として定義され
る。

胸部Ｘ線写真における拡散性間質性疾患の評価は、放射
線医学における最も難しい問題のひとつである。この理
由として、（１）数多くのバタ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
、組織、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ユータ化した
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　　
Ｔｒａｎｓ、　Ｃｏｍｐｕｔ、Ｊ（Ｃ−２１，６６７，
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考案した。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。Ｋｒｕｇｅｒ他は、ｒ　Ｉ　Ｅ　Ｅ
　Ｅ　　Ｔｒａｎｓ。

Ｓｙｓｔｅｍｓ　、人間とサバネティクスＪ　　（ＳＭ
Ｃ４：４０．１９７４）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く６０回の
組織測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。Ｔｕｌｌ
ｙ他はｒ　１ｎｖｅｓｔ、Ｒａｄｉｏ　１．　Ｊ（１３
：　２９８１９７８）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。

ＪＨｇｏｅ他はｒＢｒｊｔｉｓｈ　Ｊ、１ｎｄｕｓｔ、
ＭｅｄＪ　　（３２：２６７．１９７５）と「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、組織の測定
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、組織測定を濃度変化に
よって行っていたために、胸部Ｘ線撮影において肺構造
全体（背景が低周波になる傾向かある）を含んでしまっ
た点である。そのため、従来の組織測定は、基底となる
肺組織の変動パターン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、これらの組
織測定が、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。このより うな問題があったため、間質性疾患の診断のために肺組
織のコンピューター分析を採用する試みは普及しなかっ
た。

従って、本発明の目的の１つは、胸部画像における肺組
織の定量分析のために、肋骨間の腔の定位を効果的かつ
迅速に行う新しい方法と装置を提供することである。

本発明の別の目的は、上で述べたような研究者たちによ
って報告された研究における問題点を克服する、間質性
肺疾患の自動化検知ならびに分析のための新しい方法お
よび装置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） 上記の問題を解決するために本発明においては、ディジ
タルＸ線画像における自動化分析のための方法において
、前記ディジタルＸ線画像を表示するディジタル画像デ
ータを獲得する手順と、分析のための前記ディジタルＸ
線画像における関心部位から少なくとも一つを選択する
手順と、前記関心部位に対応する画像データから背景傾
向を除去する手順と、これにより背景傾向を除去して補
正した画像データを生成する手順と、評価のための所定
の特性づけを得るために補正した画像データを処理する
手順からなることを特徴とするディジタルＸ線画像にお
ける自動化分析のための方法を提供する。

又、ディジタルＸ線画像における分析のために少なくと
も一つの関心部位選択するための方法において、該画像
を表示するディジタル画像データを求める手順と、胸郭
縁部と中線境界を求めるために該画像データの境界処理
を行う手順と、前記境界処理手順において求めた胸郭縁
部と中線境界に関連する所定位置で少なくとも一つの垂
直断面を求める手順と、垂直断面補正データを求めるた
めに背景傾向を少なくとも一つの該垂直断面から除去す
る手順と、前記垂直断面補正データに基づいて少なくと
も一つの前記関心部位を選択する手順とからなることを
特徴とする方法を提供する。

さらに、ディジタルＸ線画像における自動化分折用装置
において、ディジタルＸ線画像を表示するディジタル画
像データを求めるための手段と、分析を行うために前記
ディジタルＸ線画像において少なくとも一つの関心部位
を選択するための手段と、前記関心部位ＲＯＩに対応す
る画像データから背景傾向を除去して背景傾向を除去し
た補正画像データを生成する手段と、評価を行うために
補正した画像データの所定特性を抽出するための処理手
段とを備え−ることを特徴とするディジタルＸ線画像に
おける自動化分析用装置を提供する。

さらに、ディジタルＸ線画像における分析のために少な
くとも一つの関心部位を選択するための装置において、
前記ディジタルＸ線画像を表示するディジタル画像デー
タを求めるための手段と、前記ディジタルＸ線画像デー
タから縁部と中線境界を求める境界処理手段と、この境
界処理手段によって求めた縁部と中線境界に関連する所
定位置において少なくとも一つの前記関心部位を選択す
るための手段と、少なくとも一つの前記ＲＯｒから背景
傾向を除去して垂直断面補正データを生成する手段と、
この垂直断面補正データに基づいて少なくとも一つの前
記関心部位を選択する手段とを備えることを特徴とする
装置を提供する。

（作用） ディジタル胸部画像のデータをサンプリングしてより小
さな配列、たとえば、１２８Ｘ１２８の画素の配列に変
換し、肺構造の外側の境界を測定し、２つの垂直断面を
６肺において選択し、各垂直断面の背景が不均一である
傾向を取り除いてからそれぞれの選択した断面をシフト
変形正弦波パターンに適合させ、さらに肺組織をサンプ
リングするための適切なＲＯＩの定位を行うことを特徴
とする、ディジタル胸部画像においてＲＯＩの定位を可
能とする本発明による新しい方法と装置によって達成さ
れる。より小さな配列への初期変換を行うことは、計算
時間の短縮に有効である。

それ以後の作業は変換したより小さな配列上で行うが、
より大きな配列に適用することはできない。

さらに本発明によれば、間質性肺疾患によって影響を受
けた肺組織の詳細を、元のディジタル胸部Ｘ線写真の所
定ＲＯＩにおいて、肉眼で見える肺全体の解剖学的構造
から分離させることができる。間質性肺疾患を検知して
特性づけを行うには、基底となる肺組織のパワースペク
トルに基づく客観的組織測定を行う。

さらに具体的には、本発明によるディジタル胸部Ｘ線写
真の自動化組織分析に用いる方法およびシステムは、最
初に従来の胸部Ｘ線写真をディジタル化し、次に肋骨間
の腔から約２０箇所の関心部位（ＲＯＩ）区画を選択す
る。各ＲＯＩの背景が不均一になる傾向は、基底をなす
肺組織の変動パターンを定まるための二次元平面（２Ｄ
）適合手法によって補正する。肺組織のパワースペクト
ルは、２Ｄフーリエ変換によって求め、人間の観察者が
目を通す。最後に、二乗平均（ｒｍｓ）の変化Ｒ１およ
びパワースペクトルの第１モーメントＭはそれぞれ、肺
組織の粗さ（もしくはきめ細かさ）の大きさとして組織
の定量測定によって定められる。

（実施例） 以下、図面を用いて本発明の実施例を詳細に説明する。

第１図（ａ）の部分と同一もしくは対応し、ＲＯＩｓを
ディジタル胸部画像に定位させる方法は、以下の手順を
含んでいる。すなわち、（１）元の胸部画像（ブロック
１０）からのデータのサンプリングによりディジタル胸
部画像を１２８×１２８の配列へ変換すること、（２）
肋骨の外側の境界を決定すること（ブロック２０）、（
３）６肺から２つの垂直断面を選択すること（ブロック
３０）　　　（４）背景傾向の補正（ブロック４０）、
（５）各断面をシフト変形正弦波パタンに適合させるこ
と（ブロック５０）、および（６）肺組織をサンプリン
グするために適切なＲＯＩｓの定位を行うこと（ブロッ
ク６０）、である。

第１図（ｂ）は、本発明によるＲＯＩ定位方法をより詳
細に示すものであり、これを以下に説明する。

画像変換（縮小） ディジタル胸部画像を小さな配列に初期変換することは
、計算時間を短縮するのに有効である。

画像の変換は、画像の縮小（１０−２）を行うために画
像メモリ（１０−１）内に記憶した画像データをサンプ
ル抽出することによって行う。画素の平均化も行うこと
ができる。変換した画像は、メモリ（１０−３）内に記
憶される。これに続く手順は、１２８Ｘ　１２８の配列
上で行われるが、これを大きな配列に適用することはで
きない。

肋骨境界の決定 ＲＯＩｓの肺内の位置を定めるには、画像における肺領
域の近似区域を識別する必要がある。これは胸部の両側
における肋骨の縁部の位置を決定することにより達成さ
れる。

まず、第２図（ａ）に示すような画像の中間近くの８分
の１を横切る平均水平（たとえば一般的にはを柱に対し
て垂直）サインは、垂直アドレスポインター（２０−１
）の制御のもとで得られ、メモリ（２０−２）内に記憶
される。胸部の水平「中線」は、最大画素値をサイン（
ブロック２０３）の中心付近に位置づけることにより得
られる。次に、水平サインの一次導関数（ブロック２Ｏ
−４）と二次導関数は（ブロック２Ｏ−５）を求める。

両肺の肋骨境界の初期定位は、中線（ブロック２Ｏ−６
）両側の二次導関数が最小値になる位置として定め、こ
れを第２図（ｂ）に示す。この場合、−次導関数を用い
る縁部検知は、肋骨の縁部の正確な位置を識別するのに
十分な感度がないことに注意する必要がある。

ＲＯＩの定位には、鎖骨の下から横隔膜の上までの肋骨
縁部のおおざっばな評価が必要とされるため、画素値の
境界づけによって、胸部画像を上部と下部をしきい値で
切り離す位置を経験的に定め、これにより、定位を行う
肋骨縁部の位置の数を少なくする。

さらに別の肋骨の位置は、肋骨境界（ブロック２Ｏ−６
）の適当な位置でサンプル抽出した水平線の短い分節に
沿って、第２図（ｂ）に示す二次導関数曲線により評価
を行う。先に定めた肋骨縁部の水平位置は、肋骨位置の
水平範囲を定める指針として用いる。肋骨縁部の正しい
位置を定めるには、最後の上部水平分節を上部カットオ
フ面の真上に位置させかつ最下部分節を下部カットオフ
面の少し下でサンプル抽出を行いながら肋骨縁部の初期
位置の上下にある。（１２８×１２８配列の画像におい
て）８ラインすべてを使用することが適切である。従っ
て、典型的な胸部画像では７〜１４箇所の肋骨縁部の位
置をそれぞれの肋骨縁部について定める。その後で、こ
れら肋骨縁部の座標を三次多項式に適合させる。この適
合手法は、６６個の胸部画像に適用され、それにより肋
骨縁部を滑らかにして肋骨境界を求めることができた。

肺周辺における垂直断面の選択 管、心臓、および他の特徴的な生体構造が胸部画像にあ
るために、間質性疾患は、肺の周辺部位において一層顕
著になる。この理由により、胸部の中線から肋骨境界を
定める対応適合平滑曲線までの距離の５／６と４／６の
位置に垂直断面が選択され（ブロック３Ｏ−１）　、断
面メモリに記憶される（ブロック３Ｏ−２）。各断面の
長さは、垂直断面（プロ１ツク３Ｏ−４）と横隔膜縁部
に相当する下部境界のうちのひとつから任意に定めた通
常の上部境界（たとえばトップカットオフ面）によって
限定される。各垂直断面の下部境界については、画像の
下部付近のそれぞれの断面データの一次導関数（ブロッ
ク３Ｏ−３）における最大値を割り当てることによって
評価を行う。

垂直断面データの適合 胸部画像の垂直断面は、画素値の低い肺と、画素値の高
い背部肋骨の組み合せからなる。また垂直断面からも分
るように、肋骨間の距離は肺の底に向かうにつれて増加
する。従って、シフト変形正弦波関数を生成して、（ブ
ロック５Ｏ−Ｌｌ）、垂直断面のおおよその「全体的」
特徴を表す数学的モデルとして採用する。本発明によれ
ば、肋骨縁部を垂直断面に直接割り当てようとする代わ
りに、垂直断面データ（ブロック５Ｏ−２）のシフト変
形正弦波適合を使って肋骨間の腔の位置を評価する。こ
の方法は個々の縁などの局所的な特徴よりもむしろ全体
的なデータ集合に基づくので、肋骨のコントラストが低
かったり、あるいは外科手術用クリップなどの不規則な
局所パターンが少ないために肋骨縁部が十分に定められ
なくても、その結果は比較的影響を受けない。

背景傾向の補正 肋骨および肋骨間の腔の正弦波の（もしくは周期の）性
質は明らかであるが、胸部画像における基底となる背景
傾向（ブロック４０）の変化があるため、実際の垂直断
面データはこのパターンを明確に表示しない。従って、
垂直断面データの局所的な背景傾向（ブロック４０）に
ついて補正を行う。垂直断面に含まれる不均一な背景に
ついては、元のデータを多項式曲線に適合させることに
よって評価を行う。２次〜６次多項式の試験を行った後
で、６次多項式曲線を、第３図に示すような背景傾向に
最も良く適合するように定めた。背景補正断面データは
、元の断面データから適合させた背景傾向を引いて求め
る。

垂直断面適合用シフト変形正弦波関数 シフト変形正弦波関数はブロック５０−１に生成され、
以下の式により与えられる。

Ｆ　（ｘ）　＝Ａｃｏｓ（２πｕ　（ｘ）　ｘ十φ）　
　−（１）ただし、Ｆ　（ｘ）は背景補正断面に相当し
、ｕ　（ｘ）はＸの位置における空間周波数、Ａは断面
の振幅、φは位相の項である。空間周波数は、次式のよ
うに書ける。

ｕ　（ｘ）　＝１．０／ｌ　　（ｘ）　　　　　　−（
２）ただし、１（ｘ）は、Ｘの位置における肋骨の肋骨
間を合わせた距離である。ここで、ｘ＝０の場合の基準
位置は、断面データの中心付近のピークの位置として定
められる。

一次近似として、肋骨と肋骨間を合わせた距離がＰＡ胸
部画像における垂直断面の位置に対して線型に変化する
と仮定する。ゆえに、 １　（ｘ）　＝ｍｘ＋ｂ　　　　　　　　・＝（３）た
だし、ｍは肋骨と肋骨間を合わせた距離の変化率、ｂは
肋骨と肋骨間を合わせた「平均的」距離を示す。従って
、パラメーターｂは次のように書２］ ける。

ｂ　＝　　１．０／　ｕ　Ｏ−（４） ただし、ｕＯは、背景を修正した垂直断面データの平均
空間周波数に相当し、これは後述するように、断面デー
タのフーリエスペクトルから求める。

以上の前提により、肋骨と肋骨間を合わせた距離の最小
値１ｍ１ｎ（肺の上部）は、次式によって与えられる。

１　ｍｉｎ　＝　ｍ　ｘ　ｍｉｎ　十ｂ　　　　　　　
　−（５）肋骨と肋骨間を合わせた距離の最大値１ｍａ
ｘ（肺の下部）は、次式によって与えられる。

１　ｍａｘ　＝　ｍ　ｘ　　ｍａｘ十ｂ　　　　　　　
　　　−（６）ただし、ｘ　　ｍｉｎおよびｘ　　ｍａ
ｘは、それぞれ断面の上部および下部境界に相当する。

肋骨と肋骨間の腔を、以下のパラメータｋを用いて距離
の関数として定め、垂直断面について計算した肋骨と肋
骨間の距離の範囲を示すことは有用である。

ｋ　＝　１　ｍａｘ／　１　ｍｉｎ　　　　　　　　・
・・（７）このレシオと式（２）〜（７）を用いると以
下のようになる。

ｍ　＝　（１−ｋ）／（ｕＯ［ｋ　ｘ　ｍｉｎ　−ｘ　
ｍａｘ］）　　＝１８）式（２）〜（４）および（８）
を用いると空間波週数は次式によって与えられる。

Ｕ　（Ｘ）　＝ ｕＯ／［１（１−ｋ）／Ｉｃｘｍｉｎ−ｘ　ｍａｘ）ｌ
＋１］　　−（９）平均空間周波数の決定 肋骨と肋骨間を合わせた平均的な距離は、第４図に示す
ように、胸部の両側についての背景補正断面のフーリエ
変換における最大振幅を示す周波数から定める。選択し
た２個の垂直断面に対する平均的な空間周波数は非常に
似通っていると予想されるため、２個の断面についての
フーリエ変換は平均化される。理想的には、肋骨と肋骨
間を合わせた平均的な距離が、両方の肺領域において同
じであるのが望ましい。しかし、両肺のｕＯ値は、それ
ぞれ別々に定める。なぜなら多くの場合、胸部の両側の
肋骨の位置と肺領域が対称になるように患者を配置する
ことは不可能であるか、あるいはそのように配置しない
からである。

断面データの適合 以下は、最小二乗法を用いて、背景を補正した断面デー
タをシフト変形正弦波曲線に適合させる手順である。式
１における関数Ｆ　（ｘ）の振幅Ａは、背景を補正した
断面の二乗平均（ｒｍｓ）値を用いて評価を行う。適合
を行うには、パラメータｌ（を０．１づつ増加させて１
，２から１．８に変え、φを０．１πづつ一〇、３πか
ら０．３πまて変化させる。

これらの増分を用いることにより、２個のパラメタが変
化するにつれて断面データと適合曲線の間に生じる　ｒ
ｍｓＯ差分を計算して、その小さな変化も観察すること
ができる。φが一〇、３πもしくは０．３πに等しい時
にｒｍｓの差分が最小になると、それぞれのφの値は、
ｒｍｓの差分の最小値が明確に定まるまでさらに減少も
しくは増加する。第５図から、背景補正断面と適合シフ
ト変形正弦波曲線を比較した図である。断面の頂点と谷
のおおよその位置が、その適合曲線とほぼ一致している
ことが明らかである。

式（１）に最小値を与える条件から、適合断面における
肋骨間の腔の位置は次式によって得られる。

ｘ＝（１／　ｕｏ）　（ｎπ−φ）／ ［２π−ｍ（ｎπ−φ）］　　　・・・（１０）ただし
、ｎ＝±１、±３、±５、・・・とする。

ｎの値の実際の範囲は、各断面の長さによって制限され
、勾配ｍはｕ　Ｏｋ　％　Ｘ　ｍｔｎ　％およびｘ　ｎ
＋ａｘを用いて求める（式（８）を参照）。

上記方法は、小結節、肺気胸、間質性浸潤および骨の損
傷などがある微妙な肺の異常の検出に関し、先に観察者
が行った研究で用いた６６個の胸部画像におけるＲＯＩ
ｓを肋骨間の腔内に定位するために用いた。これらＲＯ
Ｉｓの大きさは、式（］Ｏ）によって与えられる位置の
中心に定位した。

画像ごとのＲＯＩｓの数は２２個（６個が外断面、５個
が内断面）に限定したが、この数は肺組織の分析に適切
と思われた。肋骨と肋骨間を合わせた長さは、ＲＯＩｓ
を肋骨間の狭い腔に定位してしまい、その結果ＲＯＩが
部分的に肋骨と重ならないように式（３）を用いて算出
した。２つの胸部画像について、ＲＯＩｓの自動化選択
を行った結果、ＲＯＩｓはすべて肋骨間の腔に正しく定
位されたことが分かった。ＤＥＣ製コンピュータＶＡＸ
１１／７５０とフォートラン（ＦＯＲＴ、ＲＡＮ）のプ
ログラミングを用い、１つの胸部画像において全ＲＯＩ
ｓの定位に要した平均時間は、およそ４〜５秒であった
。

本発明の方法を実施した初期分析では、胸部側肋骨もし
くは血管の存在に関係なく、背部肋骨間に定位したＲＯ
Ｉはすべて正しい定位を行ったものとして数えた。背部
肋骨と少しでも重なったＲＯＩｓはすべて、その重なり
が肋骨間の隙間が狭いために生じたものでない限り、失
敗したものとみなした。この基準を用いれば、右肺の外
側断面に配備されたＲＯＩｓの１７６／２８０　（６３
％）（ＯＰＲＬ’　　ｓ）　、右肺の内側断面に配置さ
れたＲＯＩｓの２３０／３１１　（７４％）（Ｉ　ＰＲ
Ｌ’　　Ｓ）　、左肺の外側断面に配置されたＲＯＩｓ
の２０３／２８６　（７１％）（ＯＰＬＬ’　　ｓ）　
、および左肺の内側断面に配置されたＲＯＩｓの２１７
／２８７　（７６％）（ＩＰＬＬ’　　ｓ）の６６個の
ケースについて、定位が成功した。これにより全体の成
功率７１％（８２７／１１６４）となった。

肺組織をサンプリングするために正しいＲＯＩｓの位置
を探し易くするために、第６図に示すように、さらに４
つのＲＯＩｓ８０を最初に定めたＲＯＩ位置８２に配置
し、代わりのＲＯＩｓとして用いる。これらの追加した
ＲＯＩｓと、５つのＲＯＩｓのうち少なくとも１つが肋
骨間の腔に定位された場合に成功とする基準を利用した
場合、その成功率は０ＰＲＬ’　　ｓでは２６９／２８
０　（９６％）、ＩＰＲＬ’　　ｓでは２９１／３１１
　（９４％）　　０ＰＬＬ″　Ｓでは２６８／２８６　
（９４％）、ｌＰＬＬ’　　ｓでは２６６／２８７　（
９３％）まで増加し、これにより全体の成功率は９４％
（１０９４／１１６４）となった。

肋骨間の腔をコンピュータを用いて位置推定した場合の
成功率は、上で述べたように良好なものであったが、多
数の臨床研究に日常的に適用するにはまた十分ではない
。なぜなら、もしＲＯＩｓがすべて控え口に見積もって
９４％の成功率で別々に定位されていると仮定すれば、
１８個のＲＯＩｓを胸部画像に定位する全体の成功率は
、わずか３３％（−０，９４１８）になると予測される
からである。このことは、完全に自動化した手順におい
て、各ＲＯＩについて非常に高い補正局在定位率が必要
であることを示している。正確な局在定位率をさらに高
めるには、実施した研究において不正確な局在定位をも
たらした原因を分析することが有効である。上記方法を
用いた誤定位は主として、基本周波数ｕＯの不適切な選
択、目立った腹部側肋骨による不正確な適合、あるいは
断面の底部のカットオフ面が良くない、などの理由によ
るものであった。ｕＯの選択は、６肺についてより多く
の断面を用いることによって改善することができた。ま
た、断面の下部カットオフ面を評価する別の方法も開発
されている。いくつかのケースにおいては、肋骨構造に
おける不整と腹部側肋骨の高いコントラストを補正する
ために、適合における前提を変更することが必要な場合
もある。

以上を考慮すると、肺組織の分析のためにＲＯＩｓを定
位する準自動化手法も適切と思われる。この方法を用い
、前述のようにＲＯＩの初期定位を行なってから（ブロ
ック６Ｏ−１）　、画像（第１図（ｂ）参照）上の対応
する位置に表示を行う（ブロック６Ｏ−３）。それから
、オペレターはカーソル制御などの相互作用ＲＯＩ選択
制御を用いて、初期定位したＲＯＩｓのいくつかを手動
で修正もしくは削除する。この手段の後に、オペレータ
ーは、必要に応じてさらに別のＲＯＩｓを選択すること
が出来、また識別したＲＯＩｓをすべて出力する（ブロ
ック６０−４）。

この方法は、ユーザーの操作の手間を大幅に減らし、な
おかつ全体として自動化されたシスティマチックな手順
を維持しいているため、すべて手動で行う方法としては
実際的で望ましいものである。

またユーザーにとって、明らかな誤定位をすみやかに識
別できるようなＲＯＩ定位を研究することは有益である
。

本発明によるＲＯＩ局在定位の重要な特徴の１つは、第
１図（ｂ）のブロック６０における断面データの不均一
な背景傾向を補正することである。

断面データの肋骨構造は、この補正によってより目立つ
ようになることは明らかである。従って、肋骨と肺の間
に高いコントラストがある胸部画像の場合、背景補正デ
ータを単にＲＯＩｓを補正画素値がゼロ未満の位置（た
とえば肋骨間の腔に相当する位置など）に定位するのに
利用できる可能性がある。

しかし、低いコントラスト領域を示す胸部画像の場合、
垂直断面全体を肋骨間の腔の位置を評価するために用い
るため、シフト変形正弦波パタンへの適合により、より
良好な結果が得られる場合がある。一般的な適用の場合
には、明らかに本方法の組合せは有効であろう。

上記のように定位したＲＯＩｓについて、さらに本発明
による自動化肺組織分析手法を行う。この手法を詳細に
説明する前に、以下で胸部画像のディジタル化に関する
各種考察について簡単に説明する。

胸部Ｘ線写真のディジタル化 従来の背部−腹部（ＰＡ）胸部画像は、ｏ、ｉ　ミリの
大きさの画素と、フジディジタルイメージ・シュミレー
ション／処理システムを用いた１０ビツトのアナログ−
ディジタル変換とを利用してディジタル化を行う。観察
者の間質性肺疾患の検知能力に関する従来の研究におい
て、０，１ミリの大きさの画素は、胸部画像において軽
度の間質性疾患を診断するのに十分に小さいことが確認
された。

画素値と光学濃度の間の関係を表すシステム較正曲線は
、０．４から２．２の光学濃度範囲が８００から２００
の範囲の画素値（たとえば０．００３光学濃度／画素値
）に対して線型関係をもつように注意深く維持した。曲
線の傾きは、この光学濃度の外側で徐々に減少する。デ
ィジタル胸部Ｘ線写真は、画像分析／処理システムで分
析した。このシステムは、２台のハイレゾリュージョン
（１２８０Ｘ１２８０）ＣＲＴモニターを備えたデュア
ルユザーイメージプロセッサーＲａｍｔｅｋ　９４６０
に接続したＤＥＣ製ジョストコンピュータＶＡＸ１１／
７５０からなる。各プロセッサの画像メモリは、１０ビ
ツトの画像データを記憶し、このデータを２５６グレ一
レベル照合テーブルを通して表示することができる。デ
ィジタル化した胸部Ｘ線写真は、肺組織の分析に従来使
われてきたが、たとえば、燐光体レーザー読み取りシス
テムと大規模フォーマット画像インテンシファイアを利
用したフジＸ線撮影計算システム（ＴＶディジタルシス
テム）のようなディジタル式Ｘ線撮影システムからの、
別のタイプのディジタル画像をこの目的に使用すること
ができる。

背景傾向の補正 一般に、胸部Ｘ線写真における平均的な光学濃度は周辺
部位の光学濃度よりも高い。なぜなら、この２ケ所にお
いてＸ線ビームが横断する組織の量が異なるからである
。光学濃度は通常、これらの部位間で０．８程度の差が
あり、この値は約３００個の画素値に相当する。従って
、肺領域において観察される光学濃度の変化は、肺の全
体的解剖学的組織と胸壁（背景傾向）、および間質性疾
患に関連する細かい基底組織のいずれもが原因となって
いる。ゆえに、基底濃度の変動と実際の全体的肺組織と
分離しておくことが重要である。

このような原画像の前処理は、ＲＯＩｓの局在定位時に
垂直断面上の一次元的に行うが、これは間質性肺疾患の
検知および特性づけを行う際、感度の良い物理的組織の
測定を行うためにも非常に重要である。しかしながら、
肺組織の分析の場合、ＲＯＩを１２８Ｘ１２８の変換画
像データマトリックス上に定位する時に背景傾向の補正
を適切に行う一方で、二次元背景傾向補正を元の画像デ
ータ（典型的なものとして４０９６ｘ４０９６画素値）
上で行うことにも注意する。

選択したＲＯＩｓ内の背景傾向は、最小二乗法に基づく
二次元表面適合手法を使って評価する。

高次多項式面は、間質性疾患による比較的小さい変動パ
ターンでさえも適合させ、計算時間を余計に必要とする
ため、最初に一次〜三次多項式面についてのみ調べる。

その結果、二次多項式面が、正常な肺と異常な肺との間
のｒｍｓ変化の差が最大にできることが分かった。それ
ゆえに、二次多項式面を背景傾向の補正用に選択した。

背景傾向補正が肺組織の二次元断面に及はす効果を、第
７図（ａ）と第７図（ｂ）に示す。第７図（ａ）に示す
元の画像は、異常のある肺の左下から選んだものである
が、これは背景傾向を多く含む。この背景傾向を肺組織
を表している変動パターン上に重ね合わせる。傾向補正
をしない状態では、この画像におけるｒｍｓ変化は２６
．６の画素値である。二次元表面適合手法で評価した不
均一な背景傾向を第７図（ｂ）に示す。傾向補正画像（
第７図（Ｃ））は元の画像（第７図（ａ））から背景傾
向（第７図（ｂ））を引いて求めた。傾向補正を行った
後は、全体の背景は非常に均一なものとなる。またこの
補正により、ｒｍｓ変化が１４．４画素値まで減少する
。この結果は明らかに、背景傾向がｒＩＩｌｓの変化に
強く影響を及はすこと、および肺組織による基底変動パ
ターンのｒＩＩＩｓ変化は、補正を行っていない元の胸
部画像において見られる変動パターンのｒｍｓ変化と大
きな違いがあることを示している。

正常な肺と小結節パターンがある異常な肺との区別にお
いて、背景傾向補正が役に立たないことを示す例として
、背景傾向補正を行ったものと行わないものについて、
様々なＲＯＩｓにおける肺組織のｒｍｓ変化を第８図に
示す。第８図から、傾向補正のない状態では、異常のあ
る肺のｒＩＩｌｓ変化が正常な肺のｒｍｓ変化と重なる
部分が広範囲に渡ることが明らかであり、このため両者
を区別することが不可能になる。背景傾向を補正した時
には垂直方向に示す分布が得られ、このときは、異常の
ある肺におけるｒｍｓ変化が正常な肺のｒｍｓ変化より
も大きくなる。従って、間質性疾患の検知を信頼性のあ
るものとするには、肺濃度の全体的な変化から細かい組
織を分離する必要があると考えられる。

背景傾向補正を行った後の正常な肺および異常のある肺
のパワースペクトルを第９図（ａ）および第９図（ｂ）
にそれぞれ示す。おそらく背景傾向の「補正されていな
い」部分が残っていることから、６肺のパワースペクト
ルは低周波成分を多く含んでいる。さらに、パワースペ
クトルは、元の胸部画像におけるＸ線撮影の斑点による
、非常に高周波の成分も含んでいる。（Ｄｏｉ他、ＨＨ
３Ｐ　ｕｂｌｉｃａｔｉｏｎ　　Ｆ　Ｄ　Ａ　　８２−
８１８７．１（１９８２）参照）。これらの望ましくな
い成分を抑え、「本来の」肺組織に関わる中間周波数成
分を高めるために、人間の観察者による視覚的な応答、
すなわちパワースペクトルの濾波を行う。

Ｃｈａｎ他　（Ｐｒｏｃ　、　ＳＰ　Ｉ　Ｅ、　５３５
．２８５））は、人間の観察者の視覚的応答を近似する
分析的関数を求めた。この関数は、次式によって与えら
れる。

・・・（１１） ただし、ｕＯは最大２５ｍの視覚距離Ｖ　（ｕ）の空間
周波数である。この式は、帯域フィルター（濾波器）の
ピーク位置を変えるｕＯもしくはＤを変化させることに
よって、視覚系の応答を空間周波数座標軸内で容易に切
り換えることができるので有効な式と言える。ｕＯを０
．５から４．サイクル／ｍｍの範囲で変化させた場合、
正常な肺と異常のある肺の間の組織測定値の違いはｕＯ
が１．５サイクル／＋＋＋＋ｎの時に最大になった。視
覚系応答を利用した場合の、正常な肺および異常のある
肺の濾波済みパワースペクトルを、第９図（Ｃ）および
第９図（ｄ）に示す。ただしこの場合、濾波したパワー
スペクトルのスケールは、図示の都合うえ８倍に拡大し
である。人間の視覚応答による濾波を行った場合と行わ
ない場合とについて、正常な肺および異常のある肺から
選んだ各種ＲＯＩｓにおけるパワースペクトルの一次モ
ーメントｒｕｎｓ変化を、それぞれ第１０図（ａ）およ
び第１０図（ｂ）に示す。濾波を行った後は、正常な肺
について２回行った組織の測定値は、異常のある肺につ
いて行ったものと明確に区別できる。

関心部位の大きさおよび位置の選択 肺組織は、肋骨と胸部画像の一部であるその他の人工産
物を除いて定量化する必要があるため、肋骨間の腔内の
ＲＯＩｓの最適な定位はもちろん、適切な大きさを選択
することも重要である。第１１図は、正常な肺と小結節
パターンのある異常な肺について、ｒｌｌｌｓ変化に基
づいて正方形のＲＯＩの大きさを変えたときの影響を示
すものである。傾向補正を行わない状態では、ＲＯＩの
大きさが増すにつれて肺の各タイプにおけるｒｍｓ変化
は急速に増大する。さらにまた、異常のある肺について
のｒｕｎｓ変化は、比較的ＲＯＩのサイズが大きい正常
な肺のｒｍｓ変化と比較できる。傾向補正を行った後、
正常な肺のｒｍｓ変化は、はとんどＲＯＩｓのサイズと
無関係になるが、異常のある肺のｒｍｓ変化は徐々に増
加するため、両者の違いは大きくなる。この結果は、Ｒ
ＯＩｓが大きいと肺組織の統計的特性について良好な評
価が得られることを示しているかも知れない。だが、全
体の背景傾向の二次元適合においてエラーが生じる可能
性も増大するため、過って大きなｒｍｓ変化を示すおそ
れもある。このエラーを取り除くには、適合のために高
次多項式面を用いる必要がある場合もあろう。ＲＯＩが
小さいと、背景傾向の信頼できる評価が行なえ、組織測
定値の計算も効率的になる。さらにまた、高速フーリエ
変換（ＦＥＴ）アゴリズムを組織測定に使用するため、
１６゜３２．６４，１２８などの２のべき乗をもつＲＯ
Ｉのマトリックスサイズを用いることは有効である。こ
れらの理由により、各ＲＯＩについて、６４Ｘ６４　（
たとえば６４ミリ×６４ミリ）の画率マトリックスを用
いるように定めた。

ＲＯＩの位置が肺組織のｒｍｓ変化に及ぼす影響を、第
１２図に示す。ＲＯＩの位置を肋骨の縁付近の門の部位
付近まで変えたが、これは画像マトリックスにおける画
素の位置でＯから８００までに相当するものであった。

凹部位付近には肺の大動脈および大静脈があるため、図
において正常な肺と異常のある肺にそれぞれ示すように
、ｒｍｓ変化はこの領域に向かって徐々に増大する傾向
がある。間質性疾患は、肺の周辺部位においていっそう
明確に見える傾向があるため、肺組織の分析は、大動脈
および大静脈との重なりのない周辺部位で行うのが最も
正確といえる。従って上に述べたように、各肋骨間の腔
に、肋骨の縁から肋骨の中心までの距離でおよそ１／６
および２／６の位置に２つのＲＯＩｓを選択する。

アーチファクトの除去 従来の胸部フィルムには、小さなごみのバタンと表面の
ひっかき傷のいずれか一方またはその両方が多く存在す
る。こうした望ましくないアチファクトにより、肺組織
の物理的測定値の計算に狂いが生じてしまう。胸部Ｘ線
写真を注意深く選択することによって、これらアーチフ
ァクトの数を減らすことはできるが、完全に取り除くこ
とはできない。従って、これらのパターンが実際の肺組
織に及ぼす影響を減らす必要がある。これは、肺組織の
基底変動パターンのヒストグラムが本質的にガウス分布
になるという所見に基づいた本発明によって行うことが
できる。従って、ＲＯＩの平均からの画素値が同じＲＯ
Ｉにおけるｒｍｓの変化の４倍を超えれば、その画素値
はごみとひっかき傷のいずれか一方またはその両方によ
るものとみなされ、それは同じｒｍｓ変化を有するガウ
ス分布からランダムのサンプル抽出した画素値によって
置き変えられる。この方法を用いて、ごみひっかき傷の
いずれか一方またはその両方が組織測定に及ぼす影響が
完全に補正させることが示された。

胸部Ｘ線写真におけるグリッドラインもまた問題を抱え
ている。なぜならグリッドラインは周期的パターンであ
り、これらのパターンのコントラストが低い状態でさえ
、このアーチファクトのために、グリッドのストリップ
濃度に対応する周波数で計算したパワースペクトルに大
きな鋭いピクを生じてしまうからである。この影響を取
り除くために、補間法を用いて周波数領域におけるグリ
ッドによるピークを制御した。通常、胸部検査に利用さ
れる静止グリッドは４０ライン／グリツドのストリップ
濃度を有するため、パワースペクトルの最大値は、スト
リップ濃度に相当する周波数（４サイクル／　ｍｍ　）
に中心を合わせた対応正方形領域（０，７８サイクル／
ｍｍＸ０．７８サイクル／順）内で検索する。正方形領
域における平均値よりもその最大値が非常に大きい場合
は、収線型補間法を利用して、大きなピークをとり囲む
正方形領域におけるパワースペクトルの値を評価された
値と置き換える。この補正手法を用いれば、グリッドラ
インがはっきりと目に見える場合でも、グリッドライン
が組織測定に及ぼす測定を無視できる水準まで減らすこ
とができる。

本発明の肺組織分析手法を評価するために、１つの正常
な肺の胸部画像と、小結節、網状、および蜂巣状パター
ンのある３つの異常な肺の胸部画像が得られた。各胸部
画像のうち１つのＲＯＩだけをこの比較に用いた。異常
のある３つの肺には、比較的明らかな代表的パターンを
含むものである。

これに対応する組織測定を第１３図（ａ）に示す。

小結節パターン低周波成分を含み、そのｒｍｓ変化は正
常な肺のｒｍｓ変化よりもわずかに大きい。

また、網状パターンは大きなｒｍｓ変化を有し、その周
波数成分は正常な肺と似ている。さらに、蜂巣状パター
ンは大きなｒＩＩＩＳ変化と有し、低周波成分を含んで
いる。こうした結果は、これら２つの組織測定により、
上記の異常のある肺において比較的明確な組織パターン
を区別できることを明らかに示すものである。

４つの肺から選択した数個のＲＯＩｓによって得た組織
測定を第１３図（ｂ）に示す。図中の楕円は、４２個の
正常な肺のＸ線写真から選んだ７０２個のＲＯＩｓを使
って評価した、正常な肺の組織測定の予想レンジ（±１
の標準偏差）を示すものである。この楕円はほぼ真円で
ある。２本の座標軸のスケールは、２つの組織測定の標
準偏差に応じて調節しであるためである。蜂巣状パター
ンを有する異常のある肺の組織測定は幅広く分散して行
う。なぜならこの場合、浸潤が均一に分散しないからで
ある。このように、ＲＯＩｓは重度の異常部位と軽度の
異常部位の両方を含んでいる。それゆえに、２つの組織
測定の変化は、実際に胸部Ｘ線写真に見られるパターン
と定量的に一致する。

本分析は、長期に渡る組織変化の検知に適用することが
できる。進行性間質性浸潤を示す２つの胸部画像が得ら
れたが、その組織測定値は第１３図（Ｃ）にプロットし
である。２番目の検査における胸部画像から得た組織測
定を低周波に切り換え、進行する小結節パターンを示し
である。この結果は、Ｘ線撮影によって観察した進行と
良く対応している。

上記に述べたように、本発明は肺組織の定量化のための
手法を提供するものであり、ディジタル胸部Ｘ線写真に
ついて、ｒｍｓ変化とパワースペクトルの一次モーメン
トを用いて間質性疾患の検知および特性づけを行う。２
つの組織測定の計算をを行う前に、背景傾向の補正手順
を行うことは非常に重要である。なぜなら、この手順に
より全体の濃度変化の影響が取り除かれ、間質性疾患に
よるコントラストの低い肺組織の詳細なパターンを、胸
部画像における肺全体の解剖学的組織から分離できるよ
うになるからである。人間の視覚応答によるパワースペ
クトルの濾波を行うことは、もう１つの重要な手順であ
り、これによりパワースペクトルの中間周波数成分を選
択的に抽出することができる。この中間周波数成分は、
間質肺疾患に非常な密接な関連を有すると考えられる。

本発明で用いる人間の視覚応答による濾波は、未補正背
景傾向の残留による低周波数成分とＸ線写真の斑点によ
る高周波成分を抑えるために帯域フィルターの形態であ
ることが望ましい。しかし、画像を得るのに用いるハー
ドウェアに応じて、別の形態の帯域フィルターを使用し
ても良い。

帯域フィルターを併用して背景傾向の補正を行うと、正
常な肺と異常のある肺との間におけるｒｍｓ変化の識別
を改善できることが従来示されてきたが、人によっては
、フィルターによる低周波成分の抑制は縁部を協調する
操作であり、背景傾向の除去であるとみなせることから
、帯域フィルターによる濾波でけでも同等の結果が得ら
れると言うかもしれない。しかしながら、以下に示すよ
うに実際にはそうではない。

第１４図（ａ）−第１４図（ｄ）は、４つの異なる前処
理状態のもとで得られた、正常な肺と異常のある肺の組
織測定値を示すものである。まず、傾向補正と濾波を両
方とも行わない場合、正常な肺の組織測定値は、異常の
ある肺の組織測定値とほとんど重なる（第１４図（ａ）
）。次に、視覚系応答による濾波のみを行う場合は、こ
れらの組織測定値の多くが重なり合う（第１４図（ｂ）
）。

従って、視覚系応答による濾波のみを行っても、組織分
析を行う背景傾向を適切に補正できないと考えられる。

三番目の例として、濾波なしに背景傾向を補正した場合
は、正常な肺の組織測定値はほぼ完全に異常のある肺の
組織測定値から分離している（第１４図（Ｃ））。しか
し、６肺についてのこれらの測定値は、比較的幅広く分
布している。最後に、背景傾向の補正と濾波を行う場合
は、正常な肺の組織測定値が異常のある肺の測定値と完
全に分かれ、これらの測定値の各グループは比較的狭い
領域に分布している（第１４図（ｄ））。

従って以上の結果は、二次多項式曲線適合手法による背
景傾向の補正により、正常な肺組織を異常のある肺組織
から分離させる点において飛躍的な向上が得られること
を示し、また人間の視覚応答による濾波により、その違
いがいっそう強調されることを示している。

２つの組織測定値を、先に述べたように画素値によって
計算した。この画素値は、一般に元のＸ線写真の光学濃
度に比例する。従って、計算した組織測定値は、放射線
専門医がＸ線写真上で知覚するパターンに密接に関連し
ている。しかも、もしＸ線管などの露光因子や露光時間
などが変化すれば、肺組織が同じ状態であっても、Ｘ線
写真上で対応する光学濃度は変化してしまう。それゆえ
に、これらの変化と無関係な組織測定を採用することが
望ましい。実際、そのような測定を得ることは可能であ
る。すなわち、各Ｘ線写真用として使用するスクリーン
・フィルムシステムのＨ＆Ｄ曲線を利用して、光学濃度
（もしくは画素値）をＸ線の強度に変換して検知システ
ム入射すればよい（Ｄ　ｏ＋他、ＨＨＳ　　Ｐ　ｕｂｌ
ｉｃａｔｉｏｎ　　Ｆ　Ｄ　Ａ８２−８１８７　：　１
　（１９８２）およびＤｏｔ他、ＨＩ３　　　Ｐｕｂｌ
ｉｃａｔｉｏｎ　　　ＦＤＡ　　　８６−８２５７　　
：１　（１９８６）参照）。このように個別化した補正
方法は、多数の胸部Ｘ線写真の組織測定の計算には実際
的とはいえないかも知れない。しかし、ディジタル胸部
画像を完全自動化ディジタルシステムで求めるのであれ
ば、記憶蛍光体・レーザー読み取りシステムにより検出
した相対的なＸ線強度によって、組織測定値をディジタ
ル画像データから直接計算することは可能であろう。

上で述べたように、本発明はまた、ｒｍｓ変化と肺パタ
ーンパワースペクトルの一次モーメントとによって肺組
織を定量化するコンピユータ化手法を示し、これは間質
性疾患を検出し、特性づけを行うために肺組織の大きさ
と粗さをそれぞれ示すものである。これは先に説明した
ように、不均一な背景傾向を補正して、基底となる肺組
織のパタンを切り離す必要がある。さらに、人間の視覚
応答による濾波によって、正常な肺と異常のある肺との
間の組織測定値の違いか強調される。本発明による手法
を用いて、各種の間質性疾患を有する異常のある肺のｒ
ｍｓ変化とパワースペクトルの一次モーメントのいずれ
か一方もしくはその両方を、正常な肺のｒｍｓ変化から
明確に区別することができた。それ故に、これら２つの
組織測定（ディジタル胸部Ｘ線写真から計算）は、放射
線専門医が間質性疾患を評価する際に有効である。

第１５図は、ハード配線した肺組織分析用自動化システ
ムの作業の流れを示す概略ブロック図である。第１５図
に示すように、Ｘ線撮影胸部画像に対応する画像データ
が最初の入力（ブロック］００）となり、画像メモリ内
に記憶される（ブロック１０２）。ブロック１０４ては
、第１図（ａ）と第２図（ｂ）に関連させて上記説明し
たように、ＲＯＩｓを定位して、引続き組織分析を行う
。第１図（ｂ）、特にブロック６０に関連させて上記で
説明したように、もしＲＯＩｓの定位の際に手動による
支援が必要であれば、自動的に選択したＲＯＩｓを表示
し、従来のカーソル制御によってオペレーターがＲＯＩ
の定位を支援することができる（ブロック１０６）　選
択したＲＯＩｓに対応する画像データはメモリ（ブロッ
ク１０８）内に記憶され、記憶した各ＲＯＩごとに記憶
済ＲＯＩ画像データ（ブロック１１０）に対する二次多
項式二次元（２−Ｄ）面適合を用いて背景傾向を定める
。その後で、引き算によって記憶済みＲＯＩ画像データ
から背景傾向を取り除く。

背景傾向を一度取り除くごとに、ＲＯＩの肺組織を評価
する。まず、処理した画像データを濾波しくブロック１
１．４）、ここで処理した画像データについて２−Ｄフ
ーリエ変換を行い（ブロック１１６）、その間前述のよ
うに、得られた結果について人間の視覚応答による濾波
を行う（ブロック１１８）。その後で、濾波を行った画
像データのパワースペクトルを定め（ブロック１２０）
、パワースペクトルからＲＭＳ変化変化計算する。

濾波を行ったデータについてもまた平行して処理を行い
、濾波済みデータＭのパワースペクトルの一次モーメン
トを定める（ブロック１２４）。それから、たとえば第
１３図（ａ）や第１４図（ｄ）に示すように、肺組織測
定に関してあらかじめ作成したデータベースから求めた
所定の基準に基づき、ＲＯＩｓによって肺組織の分類を
行う（ブロック１２８）。ＲＭＳ変化Ｒおよびパワース
ペクトルの一次モーメントＭは、次式によって求める。

ただしＵおよびＶはデカルト座標における空間周波数で
あり、Ｖ　（ｕ、ｖ）およびＴ　（ｕ、ｖ）は、それぞ
れ人間の視覚応答による濾波と肺組織のフリエ変換に対
応する。ＲＭＳ変化Ｒは画素値によって表されるが、他
の量によっても表すことができる。また、ＲＯＩにおい
て、肺組織のフーリエ変換の二乗をパワースペクトルと
して参照することも注意する必要がある。しかしながら
厳密に言えば、無限に広い領域からのフーリエ変換の二
乗平均全体から定める必要がある。第１４図（ｄ）を参
照すると、たとえばもし処理したＲＯＩデータにおいて
、パワースペクトルの一次モーメントが２．４サイクル
／　ｍｍよりも大きく、かつＲＭＳ変化が７．０画像素
未満であれば、ＲＯＩをｒ正常」と分類する。一方、も
し処理したＲＯＩデータにおいて、パワースペクトルの
一次モーメントが２．４サイクル／　ｍｍより小さく、
かつＲＭＳ変化が７．０画素値より大きければ、ＲＯＩ
を「異常」と分類スる。複数のＲＯｒｓについて、パワ
ースペクトルの一次モーメントデータＭとＲＭＳ変化変
化データ表示しくブロック１２８）、ＲＯＩの分類に利
用する。

上記の手法を考慮すると、本発明は各種の変更や変形が
可能であることは明らかである。従って、記載した特許
請求の範囲内であれば、本明細書において記載した以外
の方法で本発明を実施可能であると解釈すべきである。

〔発明の効果〕

以上述べたように本発明によれば、胸部画像における肺
組織の定量分析のために、肋骨間の腔の定位を効果的か
つ迅速に行うことができ、間質性肺疾患の自動化検知な
らびに分析のための新しい方法および装置を提供するこ
とができる。

【図面の簡単な説明】

第１図（ａ）および第１図（ｂ）は本発明のＲＯＩ定位
方法を示す概略ブロック図、第２図（ａ）および第２図
（ｂ）は胸部画像の１／８水平断面の水平ザインおよび
その二次導関数を示すグラフ、第３図は元の垂直断面デ
ータと垂直断面データに適合させたシフト変形正弦波関
数とを示すグラフ、第４図は背景傾向を補正した垂直断
面データのフーリエ変換を示すグラフ、第５図は背景傾
向を補正した垂直断面データとそれに適合させた変形正
弦波関数とを示すグラフ、第６図は本発明の方法および
装置により定位した複数のＲＯＩを示す図、第７図（ａ
）、第７図（ｂ）および第７図（Ｃ）は選択したＲＯＩ
の肺組織画像の２Ｄ断面および選択したＲＯＩの傾向を
補正した画像の２Ｄ断面をそれぞれ示す透視図、第８図
は正常および異常な肺におけるｒｍｓの変化に対する背
景傾向の補正効果を示すグラフ、第９図（ａ）は人間の
観察者が目を通した正常な肺のパワースペクトルを示す
透視図、第９図（ｂ）は人間の観察者が目を通した異常
な肺のパワースペクトルを示す透視図、第９図（ｃ）は
人間の観察者が目を通した正常な肺のパワースペクトル
を示す透視図、第９図（ｄ）は人間の観察者が目を通し
た異常な肺のパワースペクトルを示す透視図（第９図（
Ｃ）および第９図（ｄ）におけるパワースペクトルの大
きさは第９図（ａ）および第９図（ｂ）の８倍に拡大し
である）、第１０図（ａ）および第１０図（ｂ）はそれ
ぞれ正常な肺と異常な肺についてＲＭＳの変化パワース
ペクトルの第１モーメントに人間が目を通した効果を示
す図、第１１図は正常な肺と異常な肺についてＲＯＩの
大きさがＲＭＳの変化に及ぼす影響を示すグラフ、第１
２図はＲＯＩの定位がＲＭＳの変化に及ぼす影響を示す
グラフ（０から８００までの相対定位がそれぞれ肋骨縁
部の近くとその近辺部位にある）、第１３図（ａ）およ
び第１３図（ｂ）はそれぞれ選択した代表的なＲＯＩの
組織測定と４つの肺（１つの正常な肺と、小結性、細網
性、および蜂巣状の各パターンを示す３つの異常な肺を
含む）の多数のＲＯＩから得た組織測定を示す図、第１
３図（Ｃ）は進行性間質性浸潤物を示す２つの胸部画像
から得た組織測定を示すグラフ、第１４図（ａ）、第１
４図（ｂ）、第１４図（Ｃ）、および第１４図（ｄ）は
正常および異常な肺の組織測定を示すものであって、第
１４図（ａ）は傾向補正と濾波両方なしの状態での組織
測定を示すグラフ、第１４図（ｂ）は傾向補正なしの状
態での組織測定を示すグラフ、第１４図（ｃ）は傾向補
正あり、濾波なしの状態での組織測定を示すグラフ、第
１４図（ｄ）は傾向補正および濾波両方ありの状態での
組織測定を示すグラフ、第１５図は本発明による自動化
肺組織分析の方法および装置を示す概略ブロック図であ
る。 １００・・・画像入力装置、１０４・・・ＲＯＩ設定部
、１１０・・・背景傾向決定部、１１２・・・減算部、
１１６・・・２次元フーリエ変換部、１１８・・・レス
ポンスフィルタ、１２０・・・パワースペクトラム決定
部、１２２・・・ＲＭＳ変化算出部、１２４・・パワス
ペクトラムの一次モーメント決定部、１２６・・・分類
部。

Claims (4)

【特許請求の範囲】
1. （１）ディジタルＸ線画像における自動化分析のための
   方法において、前記ディジタルＸ線画像を表示するディ
   ジタル画像データを獲得する手順と、分析のための前記
   ディジタルＸ線画像における関心部位から少なくとも一
   つを選択する手順と、前記関心部位に対応する画像デー
   タから背景傾向を除去する手順と、これにより背景傾向
   を除去して補正した画像データを生成する手順と、評価
   のための所定の特性づけを得るために補正した画像デー
   タを処理する手順からなることを特徴とするディジタル
   Ｘ線画像における自動化分析のための方法。
2. （２）ディジタルＸ線画像における分析のために少なく
   とも一つの関心部位選択するための方法において、該画
   像表示するディジタル画像データを求める手順と、胸郭
   縁部と中線境界を求めるために該画像データの境界処理
   を行う手順と、前記境界処理手順において求めた胸郭縁
   部と中線境界に関連する所定位置で少なくとも一つの垂
   直断面を求める手順と、垂直断面補正データを求めるた
   めに背景傾向を少なくとも一つの該垂直断面から除去す
   る手順と、前記垂直断面補正データに基づいて少なくと
   も一つの前記関心部位を選択する手順とからなることを
   特徴とする方法。
3. （３）ディジタルＸ線画像における自動化分析用装置に
   おいて、ディジタルＸ線画像を表示するディジタル画像
   データを求めるための手段と、分析を行うために前記デ
   ィジタルＸ線画像において少なくとも一つの関心部位を
   選択するための手段と、前記関心部位ＲＯＩに対応する
   画像データから背景傾向を除去して背景傾向を除去した
   補正画像データを生成する手段と、評価を行うために補
   正した画像データの所定特性を抽出するための処理手段
   とを備えることを特徴とするディジタルＸ線画像におけ
   る自動化分析用装置。
4. （４）ディジタルＸ線画像における分析のために少なく
   とも一つの関心部位を選択するための装置において、前
   記ディジタルＸ線画像を表示するディジタル画像データ
   を求めるための手段と、前記ディジタルＸ線画像データ
   から縁部と中線境界を求める境界処理手段と、この境界
   処理手段によって求めた縁部と中線境界に関連する所定
   位置において少なくとも一つの前記関心部位を選択する
   ための手段と、少なくとも一つの前記ＲＯＩから背景傾
   向を除去して垂直断面補正データを生成する手段と、こ
   の垂直断面補正データに基づいて少なくとも一つの前記
   関心部位を選択する手段とを備えることを特徴とする装
   置。