JPH0326237A - 画像認識装置 - 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】 （産業上の利用分野） 本発明は、人体の放射線画像を表わす画像データに基づ
いて、前記画像内の、人体の腫瘍に対応する腫瘍影を認
識する画像認識装置に関するものである。

（従来の技術） 記録された放射線画像を読み取って＠像データを得、こ
の画像データに適切な画像処理を施した後、画像を再生
記録することは種々の分野で行なわれている。たとえば
、後の画像処理に適合するように設計されたガンマ値の
低いＸ線フイルムを用いてＸ線画像を記録し、このＸ線
画像が記録されたフイルムからＸ線画像を読み取って電
気信号（画像データ）に変換し、この画像データに画像
処理を施した後コピー写真等に可視像として再生するこ
とにより、コントラスト，シャープネス．粒状性等の画
質性能の良好な再生画像を得ることが行なわれている（
特公昭８１−５１９３号公報参照）。

また本願出願人により、放射線（Ｘ線，α線，β線，γ
線，電子線．紫外線等）を照射するとこの放射線エネル
ギーの一部が蓄積され、その後可視光等の励起光を照射
すると蓄積されたエネルギーに応じて輝尽発光を示す蓄
積性蛍光体（輝尽性蛍光体）を利用して、人体等の被写
体の放射線画像情報をシート状の蓄積性蛍光体に一旦記
録し、この蓄積性蛍光体シートをレーザー光等の励起光
で走査して輝尽発光光を生ぜしめ、得られた輝尽発光光
を光電的に読み取って画像データを得、この画像データ
に基づき被写体の放射線画像を写真感光材料等の記録材
料、ＣＲＴ等に可視像として出力させる放射線画像記録
再生システムがすでに提案されている（特開昭５５−１
２４２９号，同５Ｂ−ＩＨ９５号．同５５−１８３４７
２号，同５Ｂ−１０４６４５号，同５５−　１１６３４
０号等）。

このシステムは、従来の銀塩写真を用いる放射線写真シ
ステムと比較して極めて広い放射線露出域にわたって画
像を記録しうるという実用的な利点を有している。すな
わち、蓄積性蛍光体においては、放射線露光量に対して
蓄積後に励起によって輝尽発光する発光光の光量が極め
て広い範囲にわたって比例することが認められており、
従って種々の撮影条件により放射線露光量がかなり大幅
に変動しても、蓄積性蛍光体シートより放射される輝尽
発光光の光量を読取ゲインを適当な値に設定して光電変
換手段により読み取って電気信号に変換し、この電気信
号を用いて写真感光材料等の記録材料、ＣＲＴ等の表示
装置に放射線画像を可視像として出力させることによっ
て、放射線露光量の変動に影響されない放射線画像を得
ることができる。

上記Ｘ線フイルムや蓄積性蛍光体シート等を用いたシス
テム、特に人体の医療診断用として構成されたシステム
において、近年、単に観察（診断）に適した良好な画質
性能を備えた再生画像を得ることに加えて、画像の自動
認識が行なわれてきている（たとえば特開昭８２−１２
５４８１号公報参照）。

ここで画像の自動認識とは、画像データに種々の処理を
施すことにより、複雑な放射線画像から目的とするパタ
ーンを抽出する操作をいい、たとえば人体の胸ＮＸ線画
像のような種々の線状，円形状のパターンの入り混じっ
た非常に複雑な画像から、たとえば腫瘍に対応する陰影
を抽出する操作等をいう。

このように複雑な放射線画像（たとえば人体の胸部Ｘ線
画像）において目的とするパターン（たとえば腫瘍影）
を抽出し、その抽出したパターンを明示した可視画像を
再生表示することにより、観察者の観察の補助（たとえ
ば医師の診断の補助）を行なわせることができる。

（発明が解決しようとする課題） 上記特開昭６２−１２５４８１号公報には、たとえば人
体の胸部Ｘ線画像上を、この画像上の位置により変化し
ない特定のフィルタを用いて走査し、円形パターンと線
形パターンを抽出し、この円形パターンを腫瘍影、線形
パターンを血管影として表示する装置が記載されている
。

しかし人体の放射線画像は非常に複雑であり、たとえば
胸部Ｘ線画像において腫瘍影が肋骨のすぐ脇に現われる
場合と、肋骨と肋骨の中間部に現われる場合とではその
パターンが異なっている等、上記のように単純な構威の
装置では認識洩れや腫瘍影でもないパターンを腫瘍影と
して認識してしまうことが多いという問題点がある。た
とえば医療用システムにおいて画像の自動認識が行なわ
れると、医師が再生画像を観察して診断を行なう際、そ
の自動認識されたパターンに目を奪われがちとなり、自
動認識に洩れがあるとそのまま医師が見逃がしてしまう
可能性が高く重大な問題となる。

これを避けるためには放射線画像上を走査するフィルタ
等を工夫して少しでも腫瘍等の候補と考えられるパター
ンを洩れなく抽出することが考えられる。しかし、この
ように少しでも腫瘍の候補と考えられるパターンを洩れ
なく抽出すると、腫瘍ではないパターン（ノイズ）も多
く抽出されることになる。これでも洩れがあるよりはよ
いが、あまりにもノイズが多いと自動認識システムの信
頼性が低下し、また診断する医師がかえって疲労してし
まうことにもなる。

本発明は、上記事情に鑑み、人体の放射線画像中の腫瘍
影を精度良く抽出することのできる画像認識装置を提供
することを目的とするものである。

（課題を解決するための手段） 本発明の画像認識装置は、 人体の放射線画像を表わす画像データに基づいて、前記
画像内の人体の腫瘍に対応する腫瘍影を認識する画像認
識装置において、 前記画像を構成する所定の画素が前記腫瘍影内の画素で
あるか否かにより値の異なる特徴量が求められる実空間
フィルタを用いて前記画像を走査することにより、前記
画像を構或する多数の画素について前記特徴量を求める
特徴量演算手段、求められた前記特徴量に基づいて前記
腫瘍影の候補を抽出する候補抽出手段、および 抽出された前記候補から腫瘍影を抽出する腫瘍影抽出手
段を備えたことを特徴とするものである。

ここで、前記腫瘍影抽出手段は、 抽出された前記候補の内部領域の互いに隣接する画素に
対応する前記画像データの差分を、前記放射線画像上の
互いに異なる二方向のそれぞれについて多数求める差分
演算部と、前記各方向毎に、多数の前記差分の、絶対値
または二乗値の平均的な値を求める平均演算部と、前記
二方向の前記平均的な値に基づいて、前記候補が前記腫
瘍影であるか否かを判定する判定部とを備えていること
が好ましい。

ここで、上記「平均的な値」とは、典型的には相加平均
演算により求めた値をいうが、これのみでなく、たとえ
ば相乗平均値，メジアン値，　（最大値一最小値）７２
等、平均値に置き換え得る種々の演算により求めた値を
含むものである。ただし、以後簡単のため、これらを代
表して「平均値」と呼ぶ。

（作　　用） 本発明の画像認識装置は、上記特徴量演算手段、および
候補抽出手段を備えているため、ノイズが含まれること
はあっても抽出洩れを極力押えるように候補を抽出する
ことができ、また上記腫瘍影抽出手段を備えているため
、該候補からノイズを除去して腫瘍影を抽出することが
でき、これにより腫瘍影が精度良く抽出される。

また、経験上、腫瘍影候補の中に血管影等が密集した領
域が含まれることが比較的多い。腫瘍影と血管影等が密
集した領域とを比較観察した結果、腫瘍影内は濃度の細
かな変動は比較的少なく平坦であるが、血管影等が密集
した領域内は、一方向に細かな変動を有する場合が多い
（血管影等がほぼ一定の方向に延びている場合が多い）
ことを見い出した。

そこで本発明の腫瘍影抽出手段が上記差分演算部、平均
演算部、判定部を備えたものである場合は、前記候補か
ら血管影等が密集した領域を除去することができ、これ
により腫瘍影が一層精度良く抽出される。

（実　施　例） 以下、本発明の実施例について、図面を参照して説明す
る。尚、ここでは前述した蓄積性蛍光体シートを用い、
人体の肺内に典型的には略球形として生じる腫瘍の陰影
を抽出する例について説明する。この腫瘍影は典型的に
は可視画像上では周囲と比べ白っぽい（濃度が低い、即
ち後述する画像データＳ１が小さい値を有する）略円形
パターンとして現われる。

第１図は、Ｘ線撮影装置の一例の概略図である。

このＸ線撮影装置１０のＸ線源１１からＸ線１２が人体
ｌ３の胸部１３ａに向けて照射され、人体ｌ３を透過し
たＸｉｌ２ａが蓄積性蛍光体シ一ト１４に照射されるこ
とにより、人体の胸部１３ａの透過Ｘ線画像がシ一ト１
４に蓄積記録される。

第２図は、Ｘ線画像読取装置の一例と、本発明の一実施
例を内包するコンピュータシステムとを表わした斜視図
である。　Ｘ線画像が記録された蓄積性蛍光体シート１
番がＸ線画像読取装置２０の所定位置にセットされる。

この所定位置にセットされた蓄積性蛍光体シ一ト１４は
、モータ２ｌにより駆動されるエンドレスベルト等のシ
ート搬送手段２２により、矢印Ｙ方向に搬送（副走査）
される。一方、レーザー光源２３から発せられた光ビー
ム２４はモータ２５により駆動され矢印方向に高速回転
する回転多面鏡２Ｂによって反射偏向され、．ｆθレン
ズ等の集束レンズ２７を通過した後、ミラー２８により
光路を変えて前記シ一トｌ４に入射し副走査の方向（矢
印Ｙ方向）と略垂直な矢印Ｘ方向に主走査する。シ一ト
ｌ４の励起光２４が照射された箇所からは、蓄積記録さ
れているＸ線画像情報に応じた光量の輝尽発光光２９が
発散され、この輝尽発光光２９は光ガイド３０によって
導かれ、フォトマルチプライヤ（光電子増倍管）　３１
によって光電的に検出される。

上記光ガイド３０はアクリル板等の導光性材料を成形し
て作られたものであり、直線状をなす入射端面Ｂｏａが
蓄積性蛍光体シ一ト１４上の主走査線に沿って延びるよ
うに配され、円環状に形成された射出端面３０ｂにフォ
トマルチプライヤ３ｌの受光面が結合されている。入射
端面３０ａから光ガイド３ロ内に入射した輝尽発光光２
９は、該光ガイド３０の内部を全反射を繰り返して進み
、射出端面３０ｂから射出してフォトマルチプライヤ３
１に受光され、Ｘ線画像を表わす輝尽発光光２９がフォ
トマルチプライヤ３ｌによって電気信号に変換される。

フォトマルチブライヤ３１から出力されたアナログ出力
信号ＳＯは対数増幅器３２で対数的に増幅され、Ａ／Ｄ
変換器３３でディジタル化され、電気信号としての画像
データＳ１が得られる。

得られた画像信号Ｓ１は、コンピュータシステム４０に
入力される。このコンピュータシステム４０は、本発明
の画像認識装置の一例を構成するものであり、ＣＰＵお
よび内部メモリが内蔵された本体部４１，補助メモリと
してのフロッピィディスクが挿入されドライブされるド
ライブ部４２，オペレータがこのコンピュータシステム
４０に必要な指示等を入力するためのキーボード４３お
よび必要な情報を表示するためのＣＲＴディスプレイ４
４から構成されている。コンピュータシステム４０に入
力された画像データＳ１に基づいて、Ｘ線画像上の腫瘍
影の抽出が行なわれる。

第３図は、コンビュータシステム４０内の特徴量演算手
段で用いられる、所定の画素Ｐｏが腫瘍影内の画素であ
るか否かにより値の異なる特徴量を求めるための実空間
フィルタの例を説明するために、Ｘ線画像上の所定の画
素Ｐｏを中心に該画像上に仮想的に描いた図である。該
所定の画素Ｐｏについて特徴量が求められ、この特徴量
が候補抽出手段に送られて該所定の画素Ｐｏが腫瘍影内
の画素であるか否かが判定される。ここで示すようなフ
ィルタを用いてＸ線画像上を走査することにより、Ｘ線
画像上の腫瘍影が抽出される。

第４図は、上記所定の画素Ｐｏを中心とした、第３図の
線分Ｌ１とＬ５の延びる方向（Ｘ方向）のＸ線画像のプ
ロファイルの一例を示した図である。ここでは所定の画
素Ｐｏは、肋骨影６の極く近傍にある肚瘍影７のほぼ中
央にあるものとする。

肚瘍影７は典型的にはほぼ左右対称のプロファイルとし
て現われるが、この例のように腫瘍影７が肋骨影６の極
く近傍にある場合等には、左右対称とはならない場合も
ある。このような場合にもこの腫瘍影７を抽出できるこ
とが重要である。尚第４図の破線８は腫瘍がない場合の
プロファイルの一例である。

第３図に示すように、Ｘ線画像内の所定の画素Ｐ０から
該Ｘ線画像の周囲に延びる複数（ここで？８本）の線分
Ｌｌ　　（１−１．２．・・・・・・，８）を想定し、
さらに所定の画素Ｐｏを中心とした、それぞれ半径’１
＋　　ｒｌ！＋　　ｒ３の円Ｒ，　　（ｊ　−１．２．
３　）を想定する。所定の画素ＰＧの画像データをｆ．
とじ、各線分Ｌ，と各円Ｒ，との各交点に位置する各画
素Ｐ＋＋＜第３図にはＰ　ｌｌ＋　Ｐ　１■＋　Ｐ　１
３＋　Ｐ　５１＋Ｐ　５２＊　Ｐ　５３について記号を
示してある。）の画像データをｆ１とする。

ここで、所定の画索Ｐｏの画像データｆｏと各画素Ｐ．
の画像データｆ０との差分Δ目が下記（１）式に従って
求められる。

ΔＢ−ｆ＋１　　ｆ（１　　　　　　・・・（１）（１
−１．２．・・・・・・．８；ｊ讃１．２．３　）次に
各線分Ｌ，毎に、（１）式で求められた差分Δ目の最大
値が求められる。即ち、線分Ｌ１，Ｌ５について例を示
すと、線分Ｌ１については、画素Ｐｌｌ＋　　Ｐ１２＋
　　Ｐ　１３に対応する各差分ΔＩＩ”ｆｉｌ　　ｆｏ Δ１２−　ｆ　１２−　ｆ　ｏ ΔＩ３”　ｆ　１３−　ｆｏ のうちの最大値が求められる。この例では、第４図に示
すようにΔ１３＜Δ１２＜Δ１、＜Ｏであり、したがっ
てΔ，１が最大値となる。また線分Ｌ，については画素
Ｐ　５１１　　Ｐ　５２１　　Ｐ　５３に対応する各差
分Δ５１＝ｆ５１−ｆｏ Δラ２″″　ｆ　ラ２　　　ｆｏ Δラｉ−ｆｑ　１−　ｆ　ｏ のうちの最大値Δ，，が求められる。

このように所定の画素Ｐｏと、各線分Ｌ＋毎に複数の画
素との差分の最大値を求めるようにすることにより、種
々のサイズの腫瘍影に対処することができる。

次に、所定の画素Ｐ０から互いに反対方向に延びる２本
の線分をひと組として、即ち線分Ｌ１と線分Ｌツ、線分
Ｌ２と線分Ｌ６、線分Ｌ３と線分ＬＴ１および線分Ｌ４
と線分Ｌ８のそれぞれをひと組として、各組毎に２つの
最大値の平均値（それぞれＭ，，，　Ｍ２６，　Ｍ，７
，　Ｍ４，）が求められる。

線分Ｌ．と線分Ｌ５との組については、その平均値Ｍ　
Ｉｇは、 Δ■＋Δ５３ ２ として求められる。

このように所定の画素Ｐ。から互いに反対方向に延びる
２本の線分をひと組として取り扱うことにより、第４図
に示すように腫瘍影７がたとえば肋骨影６の近傍にあっ
てその画像データの分布が非対称となっていても腫瘍影
を確実に検出することができる。

上記のようにして平均値Ｍ　Ｉ５，　Ｍ　２６，　Ｍ　
３　７，Ｍ４ｇが求められると、これらの平均値Ｍ　Ｈ
　５，　Ｍ　２６，Ｍ３７，　Ｍ，８に基づいて、以下
のようにして、所定の画素Ｐ０が腫瘍影内の画素である
か否かの判定に用いる特徴１１Ｃ１が求められる。

第５図は、この特徴量Ｃ工の求め方を説明するための図
である。横軸は上記のようにして求めた平均値Ｍ，，，
Ｍ，６，Ｍ，，，Ｍ４８、縦軸はこれらの平均値に対応
する各評価値Ｃ　Ｉ　Ｓｒ　Ｃ　２６＋　Ｃ　Ｓ７＋Ｃ
４ｇである。

平均値Ｍ１５，　Ｍ２６，　Ｍ３７，　Ｍ４ｇがある値
Ｍ１より小さい場合評価値は零、ある値Ｍｚより大きい
場合評価値は１．０　、Ｍｌ〜Ｍ２の中間では、その値
の大きさに応じて０、０〜１．０の間の値が評価値とな
る。このようにして、各平均値Ｍ　１　５，　Ｍ　２６
，Ｍ　３　７　，　Ｍ　４　ｇにそれぞれ対応する評価
値ＣＩ　５＋　　Ｃ　２６＋Ｃ　３７＋　　Ｃ　４ｇが
求められ、これらの評価値Ｃ，，，Ｃ２６＋　　Ｃ３’
ｌ、Ｃ４１１の和 ＣＬ　−Ｃ１ｓ＋Ｃ２６＋Ｃ＊ｙ＋Ｃ４ｓ　　　゜−（
３）が特徴量Ｃ１とされる。即ち、この特徴量Ｃ１は最
小値０．０と最大値４．０との間のいずれかの値を有す
る。

この特徴量Ｃ１が候補抽出手段に送られて所定のしきい
値Ｔｈｌと比較され、Ｃｌ　２Ｔｈｌであるか、Ｃ．＜
Ｔｈｌであるかにより、所定の画素Ｐ０がそれぞれ腫瘍
影内の画素であるか否かが判定される。

上記実空間フィルタを用いてＸ線画像上を走査すること
により、即ちＸ線画像上の各画素を上記所定の画素Ｐ０
として該各画素が腫瘍影内の画素であるか否かを判定す
ることにより、Ｘ線画像上の腫瘍影が抽出される。尚、
上記フィルタの走査においては、腫瘍影と類似した腫瘍
影以外のものも抽出される可能性があり、したがってこ
こでは、上記走査により抽出されたパターンを腫瘍影候
補と呼ぶ。

特＠量演算手段において用いられるフィルタは、上記フ
ィルタに限定されるものではない。以下に、特徴量演算
手段で用い得るフィルタの他の例について説明する。

第３図の各画素Ｐ目（ｉ−１．２．・・・・・・．８；
ｊ−１．２．３）の画像データｆ０のグラジェントｆ１
が求められる。

ここでグラジエントとは、Ｘ線画像上のある画素Ｐのｘ
ｙ座標を（ａ＋．ｎ）　、該画素ＰとＸ方向，ｙ方向に
隣接する画素Ｐ’　，Ｐ’の座標をそれぞれ（ａ＋＋ｌ
．ｎ）　，　（ｍ．ｎ＋１）とし、それらの画素Ｐ，Ｐ
’Ｐ′の画像データをそれぞれｆ　（ｓ＋．ｎ）　，　
　ｆ　（ｍａｌ，ｎ）　，　　ｆ　（ｍ．ｎ＋１）とし
たとき、　ｆ　　（ｍ．ｎ）　　−　　（　ｆ　　（ｓ
＋１．ｎ）　　−　　ｆ　　（ｓ．ｎ）　　．ｆ　（ｉ
，ｎ＋１）　一ｆ　（ｓ．ｎ）　）　　−（４）？表わ
されるベクトルをいう。

第６図は、上記グラジェントおよび以下に示す演算方法
を示す図である。

グラジェントＶｆ＋１が求められた後、これらのグラジ
ェントＶｆ＋＋のベクトルの長さがｌ．０に揃えられる
。即ち、グラジエントｆ■の大きさをｆ＋＋ｌとしたと
き、規格化グラジエントｆ目／１ｆ＋＋Ｉが求められる
。

次に、この規格化グラジエントｆ＋＋／ｌＶｆ．１の、
線分Ｌ＋の方向の成分が求められる。即ち、各画素Ｐ目
から所定の画素Ｐｏに向かう単位ベクトルをｅ＋とじた
とき、ｆ＋＋／Ｉｆ．＊ｅ■　（ただし＊は内積を表わ
す）が求められる。

その後、該或分について内向き（所定の画素Ｐ０の方向
）を正、外向きを負としたとき、各線分Ｌ＋　　（１　
”１．２，・・・・・・，８）毎に各最大値｛Ｖｆｕ／
ｌＶｆ＋＋Ｉ＊ｅ＋　ｌ　Ｍ（１　−１．２．・・・・
・・，８） が求められ、さらにこれら各最大値 ｛ｆｕ／ｌＶｆＢｌ＊ｅ＋）ｙ を加算した加算値 Σ　｛ｆ．／１ｆ＋１１＊ｅ＋ｌｙ が求められる。この加算値が特徴ｍＣｚとされ、この特
徴量Ｃ２が候補抽出手段に入力されて所定のしきい値Ｔ
ｈ２と比較され、Ｃ２ｋＴｈ２であるか、Ｃ２＜Ｔｈ２
であるかにより、所定の画素Ｐｏがそれぞれ腫瘍影内の
画素であるか否かが判定される。

このフィルタは、グラジェントｆ目の大きさ１ｆ＋１１
を規格化し、その方向（線分Ｌ１との方向の相違の程度
）のみに注目することにより、周囲とのコントラストに
よらず形状が円形であることにより大きな値をもつ特徴
量Ｃ２が求められ、これにより腫瘍影が大きな確度をも
って抽出される。

次に、特徴量演算手段で用い得るフィルタのさらに異な
る例について説明する。

第３図に示すＱｏおよびＱ　＋＋　＜１　＝１．２，−
−．８　；ｊ　−１．２．３　）　　（ただし第５図に
は、明示的にはＱｏおよびＱｌｌ．　Ｑｌ２１　Ｑ＋３
．　Ｑｓ＋＋　Ｑｑ２ｒ　Ｑ５３のみ示してある）は、
それぞれ画素Ｐｏを含む中央領域および各画素Ｐ　．（
１−１．２，・・・・・・．８．ｊ−１．２．３　）を
含む各周辺領域を表わしている。

この各領域ＱｏおよびＱ＋＋　（１　−１，２，・・・
・・・，８；ｊ　−１．２．３　）毎に、該各領域Ｑ。

，Ｑ＋ｔ内の多数の各画素に対応する多数の各画像デー
タの平均値Ｑｏ　，　Ｑ＋＋　（ｉ　−１．２．−，８
；　ｊ　−１．２．３　）が求められる。尚、ここでは
簡単のため、各領域Ｑｏ．Ｑ＋＋　（Ｉ　−１．２．・
・・・・・．８；ｊ　−１．２．３　＞を指す記号と該
各領域内の画像データの平均値を指す記号とで同一の記
号を用いている。

次に中央領域の平均値Ｑ。と各周辺領域の平均値Ｑ０の
それぞれとの各差分Δ．１　（１　−１．２．・・・・
・・，８；ｊ瑞１．２．３　）が ΔＩＩ”Ｑｌｌ　　Ｑｏ　　　　　　・・・（５）とし
て求められ、さらに各線分Ｌ１毎に、差分Δ１の最大値
Δ，が求められる。即ち、線分Ｌ１，Ｌ５について例を
示すと、線分Ｌ１についてはΔ■，Δ１２＋　　Δ１３
のうちの最大値Δｌ１線分Ｌ，についてはΔ５１，Δ，
２，Δ，，のうちの最大値Δ，が求められる。

次に、最大値Δ＋（１””１〜８）を代表する第一の特
性値Ｕと最大値Δ＋（１−１〜８）のばらつきを表わす
第二の特性値Ｖとが求められる。このために、まず以下
の演算式に従って各特性値Ｕ１〜ＵＡ　＋　”１〜Ｖ４
が求められる。

Ｕｓ−（Δ！＋Δ２＋Δ５＋Δ６）／４　・・・（６）
Ｕ２−（Δ２＋Δ３＋Δ６＋Δ丁）／４　・・・（７）
Ｕ３−（Δ３＋Δ４＋ΔＴ＋Δ８）／４　・・・（８）
Ｕ４−（Δ４＋Δ５＋ΔＢ＋Δ工）／４　・・・（９）
Ｖ　１　＝　Ｕ　ｓ　／　Ｕ　３　　　　　　　　　　
　　−　（１０）Ｖ２　−　Ｕ２　／　Ｕ４　　　　　
　　　　　　　−　（１１）Ｖ　３　−　Ｕ　３　／　
Ｕ　ｔ　　　　　　　　　　　　−　（１２）Ｖａ　＝
Ｕａ　／Ｕｚ　　　　　　　　　　　　−（１３）ここ
で、たとえば（６）式に従って特性値Ｕ１を求める場合
について説明すると、隣接する２つの領域（Δ１とΔ２
、またはΔ，とΔ６）について加算することは平滑化を
意味し、すなわち画素Ｐ。

を挾んだ互いに反対側の領域（Δ１＋Δ２とΔ５＋Δ６
）について加算することは前述した最初のフィルタと同
様に、第４図に示すように画像データが非対称であって
も腫瘍影を検出することができるようにするためである
。

また、たとえば（ｌＯ）式に従って特性値ｖ１を求める
場合について説明すると、特性値Ｕ１と特性値Ｕ３とは
互いに直交する方向について求めた特性値であり、した
がってｍ４図に示す腫瘍影７が円形であれば■１→１，
０となり円形から外れる場合、即ち画素Ｐｏが肋骨影の
ように直線状の陰影内にある場合はｖ１は１．０から外
れることになる。

上記差分の最大値Δ＋（１＝１〜８）を代表する第一の
特性値Ｕとしては、Ｕ１〜Ｕ４の最大値ＵＭＡＸ　　（
Ｕ１　，　Ｕ２　１　Ｕ３　，ＵＡ　）　　”・（１４
）が採用され、上記差分の最大値Δ＋（１−１〜８）の
ばらつきを表わす第二の特性値■としては、Ｖｌ−Ｖ，
の最大値 Ｖ＝ＭＡＸ　　（Ｖｔ　，　Ｖｚ　．　Ｖ３　，Ｖａ　
）　　・”（１５）が採用される。このようにして第一
および第二の特性値Ｕ，　Ｖが求められると、所定の画
素Ｐ．が腫瘍影内の画素であるか否かを判定するための
特徴量Ｃ３として、これら第一および第二の特性値の比
率 Ｕ Ｃ３　ー ・・・（１６〉 ■ が採用され、この特徴量Ｃ３が候補抽出手段に入力され
て所定のしきい値Ｔｈ３と比較され、Ｃ３≧Ｔｈ３であ
るか、Ｃ３　＜Ｔｈ３であるかにより、画素Ｐｏがそれ
ぞれ腫瘍影内の画素であるか否かが判定される。

以上、例を示したように、第２図に示すコンピュータシ
ステム４０の特徴量演算手段および候補抽出手段では、
実空間フィルタを用いてＸ線画像上を走査することによ
り、腫瘍影と考えられる円形パターンの抽出が行なわれ
る。

尚、上記各フィルタ例においては、第３図に示すように
８本の線分Ｌ１〜Ｌ８上の画素Ｐ．や平均値Ｑ１等を用
いたが、この線分は８本である必要はなく、たとえばｌ
６本等であってもよいことはもちろんである。また、所
定の画素Ｐｏからの距離についても’１．ｒ７，ｒ３の
３つの距離について演算を行なったが、これについても
３つの距離に限るものでもなく、抽出すべき腫瘍影の大
きさがほぼ一定している場合は距離は１つでもよく、ま
た、種々の大きさの腫瘍影をさらに精度よく抽出するた
めに、距離を『１から『３まで連続的に変えて演算を行
なってもよい。また、特徴量演算手段では上記各フィル
タに限らず、さらに異なるフィルタを用いてもよいもの
である。ただし、ここでは確実に腫瘍影であると考えら
れるパターンだけを抽出するのではなく、多少のノイズ
（腫瘍影でないパターンを腫瘍影として抽出することま
たは抽出された腫瘍影でないパターン）が含まれていて
も腫瘍影を洩らさずに抽出することが好ましく、シたが
ってここで用いるフィルタは、その目的に沿ったもので
あることが好ましい。

上記のようにして候補抽出手段において腫瘍影候補が抽
出されるが、血管影が密集した領域等、線状陰影の交叉
部を腫瘍影候補として抽出してしまうことかある。そこ
で抽出された腫瘍影候補のＸ線画像上の位置情報が腫瘍
影抽出手段に入力され、抽出された腫瘍影候補のうち腫
瘍影ではない血管影等の密集した領域が以下のようにし
て腫瘍影候補から除外される。

第７Ａ図，第７Ｂ図は、一旦腫瘍影候補として抽出され
た、それぞれ真正の腫瘍影および血管影等の密集した領
域のＸ線画像を示す図である。各図において破線９に囲
まれた領域が一旦腫瘍影候補として抽出された領域Ａで
あり、各グラフは各領域Ａ内のＸ方向，ｙ方向のプロフ
ァイル（画像データＳ１をプロットしたもの）である。

腫瘍影（第７Ａ図）は、Ｘ方向，ｙ方向とも中央付近に
谷を有する比較的平坦なプロファイルを有し、血管影等
が密集した領域（第７Ｂ図）では、ほとんどの場合、一
方向（第７Ａ図ではＸ方向〉に細かな変動を有するプロ
ファイルとなり他の方向（ｙ方向）は比較的平坦なプロ
ファイルとなる。

そこで、ここでは、このプロファイルの相違を利用して
、一旦腫瘍影候補として抽出された血管影等が密集した
領域を腫瘍影候補から除外する。即ち、Ｘ方向に並ぶ画
素をＩＩ（ＩＩｌ−ｌ，２．・・・・・・）、ｙ方向に
並ぶ画素をｎ　　（ｎ−１．２．・・・・・・）で表わ
し、（Ｉｌ．ｎ）で表わされる画素の画像データをｆ（
ｍ，ｎ）とする。このときまず、コンピュータシステム
４０内の腫瘍影抽出手段を構成する差分演算部において
領域Ａ内の画像データの一次差分値が求められ、次に上
記腫瘍影抽出手段を構成する平均演算部において次式に
示すように、該一次差分値の二乗の平均値が算出される
。

２．−ΣΣ　｛ｆ　（ｍ＋１．ｎ）　　−　ｆ　（ｒＡ
．ｎ）　）　　２／Ｎ（ｓ．ａ）！！Ａ　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　・・・
（１７）２，一ΣΣ　（ｆ　（ｍ，ｎ＋１）　　−　ｆ
　（ｍ．ｎ）　）　２／Ｎ《鏑．一橿＾　　　　　　　
　　　　　　　　　　　　　　　　　　　　　　・・・
（ｌ８〉（ただしΣ　Σは領域Ａ内で一次差分値のＬＬ
ＩＩ．Ｉ１）εＡ 加算を行なうことを表わし、Ｎは領域Ａ内の画素数を表
わす） 次に、上記腫瘍影抽出手段を構成する判定部において、
腫瘍影候補を腫瘍影として存続させるかまたは腫瘍影か
ら除外するかを判定するための特徴量Ｃ４として、上記
ｚ１とＺ，のうち値の小さい方をｍ１ｎ　　（Ｚ．　，
　　Ｚｙ　）　、値の大きな方をＩＩａＸ（Ｚ．．Ｚ，
）としたとき、 ■ａｘ　　（Ｚｍ　，Ｚｙ　） が算出され、この特徴量Ｃ４が所定のしきい値Ｔｈ４と
比較され、Ｃ４≧Ｔｈ４のとき腫瘍影として存続させ、
Ｃ，＜Ｔｈ４のとき腫瘍影から除外される。

尚、上記特徴Ｉｎ　Ｃ　＆としては（ｌ９〉式で算出さ
れるものに限られず、たとえば ２．＋２， Ｃｔ−Ｉ　Ｚ　−　　−　Ｚ　ｙ　　ｌ　　　　　　　
　　・・・（２１）等であってもよい。また上記例では
ｘ，ｙの２方向の一次差分ｆ　（ｍ＋１．ｎ）　一ｆ　
（ｍ．ｎ）　．　　ｆ　（ｍ．ｎ＋１）−　ｆ　（ｍ．
ｎ）を求めたが、たとえば斜め方向（Ｘ方向，ｙ方向の
いずれとも直交しない方向）の差分を求めてもよい。

また、上記実施例では、領域Ａ内の画像データ全てにつ
いて一次差分値の二乗の平均値Ｚ１，２，を求めたが、
必ずしも領域Ａ内の画像データ全てを用いてこの演算を
行なう必要はなく、たとえば第７Ａ図，第７Ｂ図の領域
Ａ内のＸ軸，ｙ軸の画像データのみを用いて上記平均値
２．，２，を求めてもよい。また二乗の差分値に代えて
絶対値の差分値を求めてもよい。

第４図のコンピュータシステム４０では、以上のように
して実空間フィルタを用いたＸ線画像の走査、特徴ｆｆ
ｉ　Ｃ　Ｌ〜Ｃ３の判定により腫瘍影候補の抽出が行な
われ、（ｌ９〉式の特徴量Ｃ４により腫瘍影であるか否
かの判定が行なわれ、これにより腫瘍影が精度良く抽出
される。

以上の実施例は、蓄積性蛍光体を用いて得られた人体の
胸部Ｘ線画像に典型的には円形として現われる腫瘍影を
抽出する例であるが、本発明は胸部Ｘ線画像に限られる
ものでもなく、さらに蓄積性蛍光体を用いるシステムに
限られるものでもなく、人体の放射線画像を表わす画像
データに基づいて人体の腫瘍に対応する腫瘍影を認識す
る際に広く用い得る構戊を備えているものである。

（発明の効果） 以上詳細に説明したように、本発明の画像認識装置は、
上記特徴ｆｆｉ演算手段，候補抽出手段．および腫瘍影
抽出手段を備えているため、洩れのないように抽出した
腫瘍影候補から腫瘍影が抽出され、これにより腫瘍影の
精度の良い認識が可能となる。

また、上記腫瘍影抽出手段が、上記差分演算部，平均演
算部，および判定部を備えていると腫瘍影候補として抽
出されやすい血管影の密集した領域がそのまま腫瘍影と
として抽出されることがほぼ確実に排除され、これによ
り一層精度の良い腫瘍影の認識が可能となる。

【図面の簡単な説明】

第１図は、Ｘ線画像撮影装置の一例の概略図、第２図は
、Ｘ線画像読取装置の一例と、本発明の画像認識装置の
一実施例であるコンピューターシステムとを表わした斜
視図、 第３図は、特徴量演算手段で用いられる実空間フィルタ
の例を説明するために、Ｘ線画像上の所定の画素Ｐｏを
中心に該画像上に仮想的に描いた図、 第４図は、上記所定の画素Ｐ０を中心とした、第３図の
線分Ｌ１とＬ，の延びる方向（Ｘ方向）のｘｖＡ画像の
プロファイルの一例を示した図、第５図は、所定の画素
Ｐｏが腫瘍影内の画素であるか否かの判定に用いる特性
値の求め方を説明するための図、 第６図は、画像データｆ．のグラジエントｆ．等のベク
トルを示す図、 第７Ａ図、第７Ｂ図は、一旦腫瘍影の候補として抽出さ
れた、それぞれ真正の腫瘍影および血管等の密集した領
域のｘｌ画像とそのＸ方向，ｙ方向のプロファイルを表
わした図である。 第３図 ６・・・肋骨影　　　　　７・・・腫瘍影ｌＯ・・・Ｘ
線撮影装置　　ｉ４・・・蓄積性蛍光体シ一トｌ５・・
・肺部　　　　　　１５ａ・・・肺門部１５ｂ・・・肺
野部　　　　１６・・・皮膚部ｌ７・・・直接Ｘ線部　
　　２０・・・Ｘ線画像読取装置２３・・・レーザ光源
　　　２６・・・回転多面鏡２９・・・輝尽発光光　　
　３０・・・光ガイド３ｌ・・・フォトマルチブライヤ ４０・・・コンピュータシステム 第４図 ｆ 第 ５ 図 第 ム 図 第７Ａ図 第７８図

Claims (2)

【特許請求の範囲】
1. （１）人体の放射線画像を表わす画像データに基づいて
   、前記画像内の人体の腫瘍に対応する腫瘍影を認識する
   画像認識装置において、 前記画像を構成する所定の画素が前記腫瘍影内の画素で
   あるか否かにより値の異なる特徴量が求められる実空間
   フィルタを用いて前記画像を走査することにより、前記
   画像を構成する多数の画素について前記特徴量を求める
   特徴量演算手段、求められた前記特徴量に基づいて前記
   腫瘍影の候補を抽出する候補抽出手段、および 抽出された前記候補から腫瘍影を抽出する腫瘍影抽出手
   段を備えたことを特徴とする画像認識装置。
2. （２）前記腫瘍影抽出手段が、 抽出された前記候補の内部領域の互いに隣接する画素に
   対応する前記画像データの差分を、前記放射線画像上の
   互いに異なる二方向のそれぞれについて多数求める差分
   演算部と、前記各方向毎に、多数の前記差分の、絶対値
   または二乗値の平均的な値を求める平均演算部と、前記
   二方向の前記平均的な値に基づいて、前記候補が前記腫
   瘍影であるか否かを判定する判定部とを備えたことを特
   徴とする請求項１記載の画像認識装置。