JPH06339476A - 胸部ｘ線画像における間質性浸潤の幾何学的パターンの特徴を決定するための方法及びシステム - Google Patents

胸部ｘ線画像における間質性浸潤の幾何学的パターンの特徴を決定するための方法及びシステム

Info

Publication number
JPH06339476A
JPH06339476A JP5284883A JP28488393A JPH06339476A JP H06339476 A JPH06339476 A JP H06339476A JP 5284883 A JP5284883 A JP 5284883A JP 28488393 A JP28488393 A JP 28488393A JP H06339476 A JPH06339476 A JP H06339476A
Authority
JP
Japan
Prior art keywords
image
opaque
linear
background
interest
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP5284883A
Other languages
English (en)
Inventor
Shigehiko Katsuragawa
茂彦 桂川
Kunio Doi
邦雄 土井
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Arch Development Corp
Original Assignee
Arch Development Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Arch Development Corp filed Critical Arch Development Corp
Publication of JPH06339476A publication Critical patent/JPH06339476A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20172—Image enhancement details
    • G06T2207/20192—Edge enhancement; Edge preservation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung

Abstract

(57)【要約】 【目的】本発明は浸潤に関連した異常の検出及び分類の
ために、胸部画像中の様々な浸潤パターンの幾何学的特
徴の定量的解析に基づくコンピュータ化された方法及び
システムを提供することを目的とする。 【構成】胸部画像をディジタル化し、特定の患者の肺の
正常、異常を分類するために多数の小さなＲＯＩについ
てテクスチャ解析が行なわれる。異常の場合は、異常の
検出領域を覆うために１２８×１２８マトリクスの大き
なＲＯＩが選択される。下にある肺組織の変動パターン
を孤立化するために２次元サーフェスフィッティングを
用いてこれらのＲＯＩの中で全体的な背景傾向補正が行
なわれる。モルフォロジーフィルタとライン強調フィル
タとを有する閾値処理を用いて得られる２つの画像から
間質性浸潤の不透明体が特定される。検出された異常パ
ターンの種類に対応するパラメータの測定により、ＲＯ
Ｉが小結節状、細網状及び／または細網−小結節状パタ
ーンに分類される。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、間質性肺疾患の存否を
判定し、間質性肺疾患が発見された場合は所定の異常種
類の固有特性に関連した検出パラメータに基づいて異常
を分類するコンピュータ化された胸部Ｘ線画像の分析方
法及びシステムに関する。
【０００２】
【従来の技術】間質性肺疾患を検出し特徴付けるため
に、ディジタル胸部Ｘ線画像において肺組織を定量化す
るためのフーリエ解析技術に基づくコンピュータ化方式
が近年開発されてきた。このような方法は本出願の発明
者である土井邦雄等による米国特許第４，８３９，８０
７号、第４，８５１，９８４号とに開示されている。こ
の方法では、従来の後方−前方(POSTERO-ANTERIOR:Ｐ−
Ａ) 胸部Ｘ線画像が０．１ミリメートルの画素サイズと
１０ビットのグレースケールを用いたドラムスキャナシ
ステムによりディジタル化されている。マトリクスサイ
ズが６４×６４の約２０の正方形状の関心領域（ＲＯ
Ｉ）が肋間空間から選択されている。肋骨を回避するた
めに、手動による会話型操作がＲＯＩの選択処理に必要
となる。肺と胸部壁の肉眼的解剖により引き起こされた
不均一な背景傾向(trend) は、２次元の表面をＲＯＩ中
の原画像にフィッティングし、フィットされた表面を原
画像から差し引くことで補正される。このようなサーフ
ェスフィッティング技術は、以降のコンピュータ化され
た分析、処理のために下にある肺組織の変動パターンの
決定を容易にする。
【０００３】Ｒで表される２乗平均（ＲＭＳ）変動と、
一般的にＭで表されるパワースペクトルの１次モーメン
トとが２次元フーリエ変換により肺組織の大きさと粗さ
（細かさ）に対応した定量的な測定値として決定され
る。２次元フーリエ変換データは関数Ｔ（ｕ，ｖ）をも
って定義することができる。ここで、ｕ及びｖはカーテ
シアン座標系での空間周波数である。関数Ｔ（ｕ，ｖ）
の機能は、正常肺と異常肺との相違を強調するために低
周波数成分と高周波数成分とを抑制する手段としての人
間の視覚応答Ｖ（ｕ，ｖ）としてこの分野で知られてい
る他の関数による帯域フィルタ処理である。
【０００４】フィルタ処理されたデータ（Ｔ（ｕ，
ｖ），Ｖ（ｕ，ｖ））から２つの組織測定値Ｒ及びＭが
各ＲＯＩ毎に得られる。関心領域（ＲＯＩ）はこれらの
組織測定値と臨床事例から得られたデータベースとを比
較することにより正常または異常として分類されること
になる。このデータベースは正常または異常と予め判定
された肺からＲ及びＭの平均値を求めることで得られて
いる。平均的に、正常な肺は異常な肺よりもＲ値が低
く、Ｍ値が高くなっている。この結果はＣＲＴモニタに
表示され、放射線医師の診断のための「第２の意見」と
して役に立っている。
【０００５】この従来の方法は、小結節状、細網状及び
細網−小結節状パターンであることから比較的はっきり
とした異常肺を識別することに有益である。しかしなが
ら、最近の研究（桂川茂彦、土井邦雄、MacMahon H, Na
kamori N, Sasaki Y, Fennessy JJ ：ＩＬＯ塵肺症標準
放射線写真での肺組織の定量分析(quantitative analys
is of lung texture in the ILO pneumoconioses stand
ard radiographs), Radiographics, Vol. 10, pp. 257-
269, 1990 ）で明らかなように、２つの組織測定値Ｒ及
びＭは様々なパターンの存在により微妙な異常肺組織を
識別することには十分ではない。これは、円形の不透明
体に対して求められた組織測定値は凹凸のある不透明体
に対する組織測定値とほとんど同一になるからである。
この結果により、胸部画像における微妙な組織パターン
の定量化と識別化への新しいアプローチが必要であるこ
とが指摘される。
【０００６】
【発明が解決しようとする課題】したがって、本発明の
目的は、間質性浸潤を検出し、異なる異常種類に固有の
所定の特徴に基づいて検出した異常の種類を分類するた
めに、胸部Ｘ線画像のコンピュータ化された分析方法及
びシステムを提供することになる。
【０００７】本発明の関連する目的は、フィルタ処理さ
れた胸部Ｘ線画像から検出された塊状及び線状不透明体
の相対的面積を小結節状、細網状または細網−小結節状
である間質性浸潤の異常を特徴付けるための測定値とし
て利用することである。
【０００８】本発明のさらなる目的は、背景傾向補正を
行なうためのマイクロプロセッサの処理時間を十分に短
くする最小二乗法を用いて、任意次数の多項式関数によ
り表わされる表面背景傾向補正を行なう不均一背景傾向
補正技術を提供することにある。
【０００９】本発明のさらなる目的は、画像中の異常の
種類を決定するために、塊状または線状不透明体のいず
れかに対応する画像上の位置を決め、さらに塊状不透明
体と重なる線状不透明体を除去するためディジタル画像
に対してモルフォロジーフィルタ処理及びライン強調フ
ィルタからなる第１及び第２のフィルタ処理を行なう医
用画像のコンピュータ化された分析方法及びシステムを
提供することにある。
【００１０】
【課題を解決するための手段】本発明は、胸部Ｘ線画像
中の様々な間質性浸潤パターンの幾何学的特徴を定量的
に分析するコンピュータ化された方法及びシステムによ
り上述の目的を達成することができる。この分析は、決
定された異常の特徴と他の種類に異常に関する所定のデ
ータとの比較に基づく異常の検出及び分類に関する。間
質性浸潤を示す胸部Ｘ線画像で共通して発見される異常
の異なる種類は、小結節状パターン、細網状パターン及
び／または細網−小結節状パターンとを含んでいる。Ｘ
線画像中に現れるこれらの異なるパターンの種類は、臨
床事例により予め求められ、所定の患者の胸部Ｘ線画像
に対応する分析されるべきデータとの来るべき比較のた
めにメモリに記憶された異なる特徴を示す。
【００１１】
【作用】本発明の方法及びシステムでは、胸部Ｘ線画像
はディジタル化され、多数の関心領域（ＲＯＩ）に分割
される。これらの関心領域を分析することで、間質性疾
患の存在を示すであろう画像中の塊状または線状不透明
体を検出する。背景傾向補正された画像に２種類のフィ
ルタ処理が施され、塊状または線状不透明体の存在が強
調される。検出された塊状不透明体と重なって発見され
た線状不透明体はすべて除去され、残りの塊状及び線状
不透明体に対して演算が施され、これらの演算に基づい
て小結節状、細網状または細網−小結節状パターンへの
分類が行なわれる。このコンピュータ化された方法及び
システムにより患者のＸ線画像上で検出された異常パタ
ーンの種類が示され、これにより放射線医師へ患者の肺
病の可能性疑いのある部分の存在及び／またはその進行
に関する彼または彼女の初期診断への価値ある判断源を
与えることになり、誤診の可能性を低減する有益な方法
を与える。
【００１２】
【実施例】以下、図面を参照して本発明による胸部Ｘ線
画像における間質性浸潤の幾何学的パターンの特徴を決
定するための方法及びシステムの実施例を説明する。図
面中、同一の参照番号はいくつかの図面では同一または
対応する要素を表しており、特に図１では、胸部Ｘ線写
真に基づいた間質性肺疾患の検出及び特徴化を行なうコ
ンピュータ支援診断の全体構成が示されている。先ず、
ステップ１００で通常の胸部Ｘ線写真がレーザースキャ
ナにより画素サイズが０．１７５ｍｍ、１，０２４のグ
レーレベル（１０ビット量子化）にディジタル化され
る。胸部Ｘ線画像の肺領域の間質性浸潤を含む関心領域
（ＲＯＩ）は、組織パターンのフーリエ変換に基づくテ
クスチャ解析（ステップ２００）と、正常及び異常肺の
分類（ステップ３００）（これらは米国特許第４，８３
９，８０７号と第４，８５１，９８４号とに開示されて
いるように以前に開発されていたものであり、これらの
教示内容はこの出願中に参照されている）とを用いて検
出される。さらに、現在米国特許庁に係属中の米国出願
第０７／８４３，７２１号（１９９２年月２８日出願、
土井邦雄等）による教示内容も参照されている。異常領
域の初期検出のためのＲＯＩのマトリクスサイズは１６
×１６もしくは３２×３２という比較的小さい値であ
る。本発明による幾何学的特徴分析（ステップ４００）
が検出された異常領域中のＲＯＩに対して行われ、小結
節状、細網状及び細網−小結節状パターン等の間質性浸
潤の異常の特性が特徴付けられる（ステップ５００）。
【００１３】本発明の幾何学パターン特徴分析のための
全体の方法が図２、図３に示されている。小さなＲＯＩ
上のテクスチャ解析により特定された全ての異常領域を
覆うように（上述のステップ２００）、１２８×１２８
のマトリクスサイズをもつ大きなＲＯＩが選択される
（ステップ４０１）。孤立した異常領域に対しては、孤
立した小さなＲＯＩの中心に大きなＲＯＩの中心を選
ぶ。しかしながら、多数の異常ＲＯＩが近接して位置し
ている場合は、全ての小さい異常ＲＯＩを覆うような１
つ以上の大きなＲＯＩが選択される。これらの大きなＲ
ＯＩ中の不均一な背景傾向は正常肺の構造と胸部壁の厚
さの変動に起因するものであり（ステップ４０２）、図
６に示されるように下にある肺組織の変動パターンを孤
立するために、例えば６次の多項式表面を有する２次元
サーフェスフィッティング技術を用いて補正される。胸
部壁自体が変動量を有すものであるという事実と、正常
な構造が互いに重なっているかもしれないということか
ら、選択されたＲＯＩ中の画素の濃度変動は漸次的な濃
度変化を示すことになる。背景構造の除去により変動パ
ターンの孤立化、すなわち背景傾向補正を用いたサブト
ラクション処理が行われる。
【００１４】図４、図５は本発明によるシステム全体の
概略構成図である。画像メモリ１１はディジタル画像入
力装置１０からの入力を受け、その中に記憶されたデー
タをＲＯＩ位置選択装置１２及び表示装置３８に出力す
る。ＲＯＩ位置選択装置１２はＲＯＩサイズ制御装置１
６からの出力を受けた後、分析すべき領域を決定する。
図示されているように、ＲＯＩ位置選択装置１２の出力
が肺組織測定値演算装置１３に与えられ、上述の組織測
定が行われる。これらの肺組織測定値に基づいて、異常
肺分類装置１５は肺が正常か異常かをデータベースメモ
リ１４に記憶された所定の閾値データと組織データとを
比較することで決定する。もし比較の結果が肺の正常を
示すものであれば、分類装置１５はこの情報をシンボル
発生装置３７に出力し、シンボル発生装置３７はこの事
実を表わす指示を表示装置３８に出力する。しかるに、
もし肺が異常であるとの分類を受けると、その大きさが
ＲＯＩサイズ制御装置１６により制御されながらＲＯＩ
位置選択装置１７において大きなＲＯＩが選択される。
【００１５】背景傾向補正装置２０で背景傾向補正を行
うために、ルックアップテーブル発生装置１８は詳細は
後で述べるようにパターン発生装置１９により使用され
る予め計算された値を記憶している。背景傾向補正装置
２０の出力は補正画像メモリ２１に出力され、記憶され
る。背景傾向補正された画像データはメモリ２１からエ
ッジ勾配演算装置２９、閾値処理装置２４及びライン強
調フィルタ２３へ同時に出力される。エッジ勾配演算装
置２９の出力から、ヒストグラム演算装置３１は胸部Ｘ
線画像中で検出された不透明体に対応するヒストグラム
を生成する。しかる後、ヒストグラム変動演算装置３３
は値を塊状不透明体選択装置３２に出力する。閾値処理
装置２４は背景傾向補正画像にモルフォロジーフィルタ
リング処理を行うモルフォロジーフィルタ２６に値を出
力する。孤立パターン検出装置２８はモルフォロジーフ
ィルタ２６から出力を受け取り、検出した孤立パターン
をエッジ勾配演算装置２９、真円度演算装置３０及び重
複ラインパターン除去装置２７に同時に出力する。
【００１６】ライン強調フィルタ２３は背景傾向補正画
像のライン強調に関するデータを、強調画像の閾値処理
のために閾値処理装置２５に出力する。ライン強調を行
なうために、テンプレート発生装置２２は図１０、図１
１で示される異なった配向のテンプレートを生成する。
塊状不透明領域演算装置３６及び線状不透明領域演算装
置３４により、これらの不透明領域を含む大きなサイズ
のＲＯＩに対する検出した不透明領域の面積比が求めら
れる。しかる後に、これらの２つの演算装置３４，３６
の出力が、異常の種類を小結節状、細網もしくは細網−
小結節状のいずれかに分類する異常種類識別装置３５に
与えられる。識別装置３５の出力はシンボル発生装置３
７に送られ、シンボル発生装置３７はこれらの異なる種
類の異常に対応する近似シンボルを表示装置３８に出力
する。表示装置３８にはメモリ１１からの原画像も入力
される。
【００１７】間質性浸潤が基本的には塊状及び線状不透
明体からなることが、Fraser, PareJAP「胸部疾患診
断」(Duagnosis of Diseases of the Chest), Sanders,
Philadelphia, PA, 1970 から知られている。それ故、
間質性浸潤の塊状及び線状不透明体がモルフォロジーフ
ィルタとライン強調フィルタを用いて得られる２つの処
理画像から特定される。塊状不透明体を検出するため
に、例えば５〜１５画素値まで５画素値毎に変化する閾
値レベルを用いて傾向補正された画像を閾値処理するこ
とにより一連の２値化画像が得られる（ステップ４０
３）。閾値処理は画素データの分析を意味しており、す
なわちその値が所定の値以上かまたは以下かを判断する
ことである。最大及び最小の閾値レベルは傾向補正画像
中のピーク画素値に基づいて決定される。境界の細かな
ところを取り除き、閾値処理後に得られる抽出不透明体
の小孔を充填するために、２値化画像を基本的なモルフ
ォロジーフィルタリング技術である開(open)演算と閉(c
losed)演算（例えば、YoshimuraH., Giger M.L., Doi,
K, MacMahon H, Montner S.M., 「肺小結節検出のため
のコンピュータ化機構：非線形フィルタリング技術」(C
omputerized Scheme for Detection of Pulmonary Nodu
les: Nonlinear filtering Technique), Invest. Radio
logy, Vol. 27, pp.124-129, 1992 に開示されている）
を用いて処理される（ステップ１０４）。しかしなが
ら、抽出不透明体には間質性浸潤に起因する塊状不透明
体の他にも肋骨縁と大きな脈管も含まれている。したが
って、肋骨縁、大きな脈管または他の構造物から生じる
他の不透明体から塊状不透明体を識別可能とすることが
必要である。
【００１８】塊状不透明体を特定するために、不透明体
の真円度と、不透明体中のエッジ勾配配向分布の不均一
性等のパラメータを利用する。抽出不透明体の真円度
は、図７で示されるように、抽出不透明体と、それと同
じ面積を持つ円内の抽出不透明体の面積比率として定義
される。一般的に、低閾値レベルで抽出した不透明体の
真円度は高閾値レベルで抽出した不透明体のそれよりも
低い値となる。これは、一般的に、低閾値レベルでは不
透明体は互いに溶け込むためである。加えて、間質性浸
潤を有する塊状不透明体の真円度は、どの閾値レベルで
も肋骨縁と大きな脈管のそれよりもたいていは大きな値
となる。したがって、５画素値の閾値レベルで０．３以
上の真円度である不透明体、及び１０画素値あるいはそ
れ以上の閾値レベルで０．６あるいはそれ以上の真円度
を持つ不透明体は、間質性浸潤による塊状不透明体とし
て分類される。
【００１９】米国特許庁に継続中の米国出願第０７／６
１７，０８０号と第０７／８４３，７１５号に述べられ
ている重み付けエッジ勾配配向ヒストグラム分析が塊状
不透明体をさらに特定するために利用される。１０画素
値に等しい閾値レベルで抽出された不透明体の境界に沿
って各画素にゾベル演算子(Sobel operator)を用いてエ
ッジ勾配とその配向を得る。さらに、各配向間隔で勾配
値を累積することにより重み付けエッジ勾配配向ヒスト
グラムが得られる。図８と図９は間質性浸潤による肋骨
縁と塊状不透明体についての重み付けエッジ勾配配向ヒ
ストグラムをそれぞれ示している。これらの図より、肋
骨縁についてのヒストグラム中の勾配累積値の変動は塊
状不透明体のそれよりも非常に大きいことがわかる。ヒ
ストグラム中の累積勾配値の相対標準偏差（これは標準
偏差値を平均勾配値で割った値に対応している）はヒス
トグラムの変動の大きさを示し、間質性浸潤を有する塊
状不透明体を特定するための測定値として使用される。
すなわち、０．８０以上の相対標準偏差を持つ不透明体
は肋骨縁もしくは大きな脈管として分類されることにな
る。上述の特徴抽出処理がステップ４０５で行われる。
これらの値から、不透明体が塊状不透明体であるかまた
は他の種類の不透明体であるかがステップ４０６で決定
される。
【００２０】線状不透明体はライン強調フィルタを傾向
補正画像に適応することにより検出される（ステップ４
０７）。ライン強調フィルタは、図１０で示されている
ように、検出されるべきラインの可能な配向のうちの８
つの方向に対応する８つのテンプレートから構成されて
いる。図１０の（ａ）に示すテンプレートの拡大図を図
１１に示す。このテンプレートの出力値Ｅ1 は以下のよ
うに定義される。
【００２１】Ｅ1 ＝２Ｂ−Ａ−Ｃ （Ｂ＞Ａ、Ｂ＞Ｃの
場合であり、しかもこの場合のみ），＝０
（他の場合） ここで、
【００２２】
【数１】
【００２３】Ａi ，Ｂi 及びＣi はＸ線撮影によるノイ
ズを低減するためのものであり、斜線で示された正方形
中に含まれる４つの画素の平均画素値である。当該画素
に対するライン強調フィルタの最終的な出力値Ｅは以下
の計算式により８つのＥs の最大値により求められる。
【００２４】Ｅ＝Ｍａｘ｛Ｅ1 ，Ｅ2 ，Ｅ3 ，Ｅ4 ，Ｅ
5 ，Ｅ6 ，Ｅ7 ，Ｅ8 ｝ 低コントラストのラインと短いラインとがフィルタ出力
値及び検出したラインパターンの長さを閾値処理するこ
とにより除去される（ステップ４０８）。ライン強調フ
ィルタにより抽出されたラインのいくつかは以前に検出
された塊状不透明体に重なっている。これは、塊状不透
明体のいくつかは塊状不透明体の縁に沿って急峻なライ
ンパターンを形成する傾向にあるからである。それ故、
塊状不透明と重なったラインパターンを除去することに
より（ステップ４０９）、間質性浸潤による線状不透明
体が最終的に特定される（ステップ４１０）。
【００２５】その後、異なる不透明体の特性を示す測定
値として利用される塊状及び線状不透明体の全面積を求
めることにより、間質性浸潤の異常パターンを分析する
（ステップ４１１）。小結節状パターンがＲＯＩ中に主
に含まれている場合、塊状不透明体の面積が比較的大き
くなる。一方、細網状パターンがＲＯＩに主に含まれて
いる場合は、塊状不透明体の面積は小結節状パターンの
面積よりも小さくなり、線状不透明体の面積は塊状不透
明体の面積よりも大きくなる。塊状及び線状の両不透明
体の面積は細網−小結節状パターンを有するＲＯＩ中で
は一般に大きい。それ故、特定の種類の塊状不透明体は
上述のパラメータに基づく本発明による自動化検出機構
により求めることができる。正常な肺に対する塊状及び
線状の両不透明体面積は異常肺のそれに比べて非常に小
さいものであることに注意すべきである。
【００２６】以上述べたように、２種類の不透明体、す
なわち線状不透明体及び塊状不透明体を独立して検出す
るために２つのフィルタリング処理方法が利用される。
しかしながら、いくつかの塊状不透明体（密度の高い凝
集物）は線状不透明体に類似した不透明体を含んでい
る。したがって、ライン強調フィルタに関しては、塊状
不透明体のいくつかの部分は線状不透明体を示すことに
なるので、このような塊状不透明体と重なる線状不透明
体のみが除去されることになる。しかしながら、ライン
強調フィルタリング処理により検出され塊状不透明体と
重ならない他の独立した線状不透明体がある。これらの
真の線状不透明体は塊状不透明体と同様に分析される。
【００２７】上述のコンピュータ化された方法は実際に
臨床事例での幾何学パターン特徴の分析に応用された。
図１２〜図１７はこの方法のいくつかの段階におけるコ
ンピュータの出力画像を示すＸ線写真である。図１２は
細網−小結節状パターンを有する原画像を示すものであ
る。図１３は閾値処理（閾値画素値＝１０）を行い、さ
らに３×３の正方形核を有するモルフォロジーフィルタ
を用いて得られた２値化画像の輪郭を示すものである。
肋骨縁と大きな脈管とは、図１４で示されるように、不
透明体の真円度とエッジ勾配ヒストグラムの特性を求め
た後に除去されている。ライン強調フィルタの出力が図
１５に示されている。図１６は図１３で検出された肋骨
縁等の塊状または他の形状の不透明体とラインパターン
と重なりを示すものである。図１７は塊状及び線状不透
明体の混在を示す最終的な出力画像である。これらの結
果から、間質性浸潤によるほとんどの塊状及び線状不透
明体は肋骨縁を除去した後で検出することができること
が明らかとなる。
【００２８】図１８〜図２１は１つの正常肺と、小結節
状、細網状及び細網−小結節状パターンの３つの異常肺
の拡大胸部画像の一部分を示すものである。各胸部画像
に対する唯一のＲＯＩがこの比較のために選択される。
幾何学的パターン特徴についてのそれぞれの測定値が図
２２に示されている。塊状及び線状不透明体の相対面積
は、塊状及び／または線状不透明体を含むＲＯＩ中に占
有される塊状及び線状不透明体の全面積に対するそれぞ
れの比率として定義されている。小結節状パターンは塊
状不透明体の大きな相対面積を示すことは明らかであ
る。一方、細網状パターンは塊状不透明体の小さな相対
面積を示し、その線状不透明体の相対面積は正常肺のそ
れよりも極めて大きなものとなる。細網−小結節状パタ
ーンは塊状及び線状不透明体の大きな相対面積を示して
いる。これらの結果により、幾何学的パターンについて
のこれら２つの測定値を用いて胸部画像中に含まれてい
る間質性浸潤に起因する異常パターンの３つの異なる種
類を識別することができることが示される。
【００２９】任意次数の多項式により表わされた表面に
対する不均一背景傾向補正を行うための新しい技術も、
本発明に用いられるＸ線画像中に存在する不均一な背景
変動の自動的な傾向補正を行う際のコンピュータの演算
時間を極めて減少する手段として、実現された。この新
しい背景傾向補正方法を以下で詳細に述べる。
【００３０】肺領域において観察された光学濃度の変動
は、肺と胸部輪郭（背景）の肉眼的解剖組織に起因する
変動と、間質性疾患に関係する下にある微細な組織に起
因する変動とからなる。したがって、明白な全肺組織か
ら微細組織を分離可能なことが重要である。このコンピ
ュータ化された幾何学的特徴分析において、１２８×１
２８のマトリクスサイズ（フィルム上で２２．４ｍｍ×
２２．４ｍｍ）の比較的大きなＲＯＩが使用されてお
り、その結果、不均一な背景傾向は、図１のステップ２
００でテクスチャ解析を行なうために利用されたものよ
りも高次数の２次元多項式表面を用いて評価されなけれ
ばならない。この目的のために、本発明では、最小二乗
法を用いて任意次数の多項式表面を用いる不均一背景傾
向補正を実行する改良技術が用いられている。
【００３１】従来、米国特許第４，８３９，８０７号及
び第４，８５１，９８４号で述べられているように、２
次または３次の２次元多項式サーフェスフィッティング
技術が使用されていた。この従来技術では、２次または
３次の多項式表面の６乃至１０の係数のそれぞれが最小
二乗法に基づいて計算されている。高次の２次元多項式
表面に対して必要とされる係数の数は多項式表面の次数
が増加するにつれて急速に増加するので、従来技術では
必要な係数の全てを求めるための従来の技術を用いるこ
とは非常に困難であり、処理時間もかかっていた。しか
しながら、ＲＯＩの大きさが比較的小さい、例えば３２
×３２もしくは６４×６４の場合、背景傾向の変動が比
較的スムーズであるから、３次より高次の多項式表面を
用いる必要はない。背景傾向はＲＯＩサイズが増加する
につれてより複雑になっていくので、より高次の多項式
表面を使用する必要がある。本発明では、全ての係数を
得るための効果的な方法と同様に、高次の多項式表面の
係数の一般的な解法が得られる。この新しい技術では、
通常のＸ線撮影法、ディジタルＸ線撮影法、コンピュー
タ断層撮影法、磁気共鳴画像化法、超音波画像化法及び
核医学画像化法から得られる多数の異なる種類の医用画
像に対する定量及び定性分析に背景傾向補正が利用でき
る。
【００３２】高次の２次元多項式のフィッティング処理
の新規な点は、大きな領域に対しては、小結節状、細網
−小結節状及び細網状間の相違に関して相対的に大きな
ＲＯＩが使用され、したがって背景傾向の濃度変動を極
めて複雑にすることができるという点である。例えば、
３２×３２もしくは１６×１６サイズの小さなＲＯＩで
は、濃度変化は比較的漸次である。したがって、低次の
多項式フィッティング処理で十分である。しかしなが
ら、大きなＲＯＩ（１２８×１２８サイズ）では、これ
らの領域は心臓またはその影のような大きな脈管または
肋骨を含んでいるかもしれない。それ故、これらの比較
的複雑な濃度変動に適合するために、フィッティング関
数表面は複雑でなければならない。したがって、より高
次の多項式関数が必要とされる。位置（ｘ，ｙ）でのｎ
次の多項式表面Ｆ（ｘ，ｙ）の一般式は次のように表わ
される。
【００３３】
【数２】
【００３４】ここで、ａ1 は多項式表面の係数を表わし
ている。実際の表面（画素値）Ｆx,y とフィットされた
表面Ｆ（ｘ，ｙ）との二乗誤差Ｅは以下のように定義さ
れる。
【００３５】
【数３】 ここで、Ｎ及びＭはｘ及びｙ方向でのマトリクスサイズ
をそれぞれ示している。Ｅを最小にするために、以下の
式が得られる。
【００３６】
【数４】
【００３７】ここで、ｍ＝１，２，…，ｋであり、ｋ＝
１，２，…ｎ＋１である。式（４）は以下のように行列
演算の形で表わすことができる。 ＢＡ＝Ｃ （５） ここで、
【００３８】
【数５】
【００３９】したがって、係数Ａの行列は次の行列演算
から導くことができる。 Ａ＝Ｂ-1Ｃ （６） ここで、Ｂ-1は行列Ｂの逆行列である。
【００４０】式（５）で、行列ＢはＲＯＩ中の全ての位
置（ｘ，ｙ）の項からのみからなるが、行列Ｃは画素値
Ｆx,y の項を含む。したがって、同一のマトリクスサイ
ズを有する多数のＲＯＩを所定次数の多項式表面で補正
しなければならない場合、Ｃを計算する前にＢ-1を求め
ることができ、Ｂ-1の再計算をすることなく繰り返し用
いることができる。加えて、行列Ｂは対称であり、同じ
値の多数の要素を有している。例えば、行列Ｂの要素Ｂ
（４，１）の値はΣΣｘ2 に等しく、これはまた他の２
つの要素Ｂ（１，４）とＢ（２，２）の値にも等しい。
行列Ｂでの演算数を減らすために、図２３に示されるよ
うなルックアップテーブルが作られている。このテーブ
ルは行列Ｂに対応するものであり、行列Ｂの要素が以前
に求められた他の要素とは異なるｘ，ｙの累乗を有して
いる場合、ｘ及びｙの累乗を示している。例えば、行列
要素Ｂ（ｉ，ｊ）の位置（ｉ，ｊ）でのルックアップテ
ーブルＬ（１，ｉ，ｊ）での値は１であり、Ｌ（２，
ｉ，ｊ）及びＬ（３，ｉ，ｊ）はｐ，ｑをそれぞれ示す
ことになる。したがって、行列Ｂの要素はＢ（ｉ，ｊ）
＝ΣΣｘp ｙq により求められる。しかしながら、行列
Ｂの要素が以前に求められた要素と同じｘ，ｙの累乗を
有している場合は、ルックアップテーブルはｘ，ｙの同
じ累乗を持つ行列要素の位置を示すことになる。このよ
うな場合、ルックアップテーブルＬ（１，ｉ，ｊ）は０
となり、Ｌ（２，ｉ，ｊ）及びＬ（３，ｉ，ｊ）はｋ及
びｌをそれぞれ示すことになる。したがって、行列Ｂの
要素が再計算をせずに、Ｂ（ｉ，ｊ）＝Ｂ（ｋ，ｌ）に
より得られる。
【００４１】他の方法として、行列Ｂ内の演算の数をさ
らに減らすために改良したルックアップテーブルＬ’が
作成された。このルックアップテーブルＬ’の構造を図
２４に示す。Ｌ’の要素は次の式により定義される。
【００４２】 Ｌ’（ｐ，ｑ）＝ΣΣｘp ｙq （ｐ＋ｑ≦２ｎ） （７） ｐ＋ｑは常に２ｎに等しい、あるいはそれ以下であるの
で、ルックアップテーブルＬ’は行列Ｂを求める前に求
められる。行列Ｂの要素がそれぞれ累乗ｐ及びｑを持つ
項ｘ，ｙを含むものであれば、行列Ｂの要素は計算の必
要がなくＢ（ｉ，ｊ）＝Ｌ’（ｐ，ｑ）により求められ
る。ルックアップテーブルＬ’で計算されるべき要素の
数はルックアップテーブルＬでのそれと同じである。し
かし、ルックアップテーブルＬ’の大きさは小さいの
で、コンピュータのメモリはかなりに節約できる。加え
て、ルックアップテーブルＬ’を使用することにより、
ルックアップテーブルＬの内容を調べることに要求され
る多くの照合処理が不要になり、これによりＣＰＵの処
理時間が短くなる。例えば、１０次の多項式表面の場
合、行列Ｂを作成するためには２，２１１個の要素を計
算する必要がある。しかるに、ルックアップテーブルＬ
もしくはＬ’を使用すれば、行列Ｂを作成するためには
わずか２３１個の要素を計算するだけでよい。それ故、
行列Ｂで計算されるべき要素の個数が上述の方法により
実質的に低減されたことになる。したがって、ｘ，ｙの
累乗ｐ及びｑの検索は整数の加算と減算のみを使用する
だけであり、ＣＰＵの処理時間は短くて済む。一方、ｘ
p ｙq を計算するには極めて長いＣＰＵの処理時間を必
要とする。
【００４３】さらに、式（７）に類似し逆行列Ｂ-1に対
応する他の種類のルックアップテーブルを作成すれば、
行列Ｂの計算を行う必要なく直接この逆行列Ｂ-1を求め
ることができる。大きなＲＯＩでの不均一背景傾向補正
に関する計算時間を減らすために、行列Ｂのこれらの特
徴を利用することは重要である。図２５は１２８×１２
８マトリクスサイズのＲＯＩについてのルックアップテ
ーブルＬを使用した場合と、使用しなかった場合での計
算時間の比較を示している。逆行列Ｂ-1を予め計算する
ことにより著しく計算時間が短くなっていることが分か
る。
【００４４】本発明は上述した実施例に限定されず、種
々変形して実施可能である。上述の教示内容を照らし
て、本発明に対して様々な修飾及び変形が可能であるこ
とは自明なことである。
【００４５】
【発明の効果】以上説明したように本発明によれば、間
質性浸潤を検出し、異なる異常種類に固有の所定の特徴
に基づいて検出した異常の種類を分類するために、胸部
Ｘ線画像のコンピュータ化された分析方法及びシステム
が提供される。
【図面の簡単な説明】
【図１】胸部Ｘ線画像中の間質性浸潤を検出するための
コンピュータ支援診断技術の全体構成を示した基本的な
概念図。
【図２】図３とともに本発明に係わる幾何学的パターン
特徴分析技術の全体的な流れを示す図。
【図３】図２とともに本発明に係わる幾何学的パターン
特徴分析技術の全体的な流れを示す図。
【図４】図５とともに本発明に係わるシステムを示した
概略ブロック図。
【図５】図４とともに本発明に係わるシステムを示した
概略ブロック図。
【図６】原画像の不均一構造への背景傾向補正を説明す
るための概念図であり、背景傾向補正が施された後の６
次の多項式表面に対する傾向補正画像を示す。
【図７】塊状不透明体の真円度を計算する方法を示す
図。
【図８】肋骨縁の重み付けエッジ勾配配向ヒストグラム
を示す図。
【図９】塊状不透明体の領域中の重み付けエッジ勾配配
向ヒストグラムを示す図。
【図１０】線状不透明体の検出に使用されるライン強調
フィルタリング処理に利用される様々なテンプレート配
置を示す図。
【図１１】図１０に示すテンプレート（ａ）の拡大図。
【図１２】細網−小結節状パターンを持つ原画像を示す
Ｘ線写真。
【図１３】閾値処理とモルフォロジーフィルタリング処
理により得られた２値化画像の輪郭を示すＸ線写真。
【図１４】肋骨縁と大きな脈管とを除去した後の画像を
示すＸ線写真。
【図１５】本発明のコンピュータ化された幾何学パター
ン特徴分析によるライン強調フィルタリング処理の出力
を示すＸ線写真。
【図１６】検出された塊状不透明体と共に、ライン強調
フィルタの出力を示すＸ線写真。
【図１７】本発明のコンピュータ化されたパターン特徴
分析技術により検出された塊状及び線状不透明体の最終
表示を示すＸ線写真。
【図１８】正常肺を示すＸ線写真。
【図１９】小結節状パターンを示すＸ線写真。
【図２０】細網状パターンを示すＸ線写真。
【図２１】細網−小結節状パターンを示すＸ線写真。
【図２２】本発明の方式により得られた各対応する測定
値を示す図。
【図２３】任意次数の多項式関数に対する背景傾向補正
を行なうために用いられる第１のルックアップテーブル
Ｌを示す図。
【図２４】図２３のルックアップテーブルを改良した他
のルックアップテーブルＬ’を示す図。
【図２５】ルックアップテーブルの使用及び不使用によ
る背景傾向補正に要する処理時間の短縮を説明するため
の図。
【符号の説明】
１０…ディジタル画像入力装置、１１…画像メモリ、１
２…ＲＯＩ位置選択装置、１３…肺組織測定値演算装
置、１４…データベースメモリ、１５…異常肺分類装
置、１６…ＲＯＩサイズ制御装置、１７…ＲＯＩ位置選
択装置、１８…ルックアップテーブル発生装置、１９…
２次元表面パターン発生装置、２０…背景傾向補正装
置、２１…補正画像メモリ、２２…テンプレート発生装
置、２３…ライン強調フィルタ、２４，２５…閾値処理
装置、２６…モルフォロジーフィルタ、２７…重複ライ
ンパターン除去装置、２８…孤立パターン検出装置、２
９…エッジ勾配演算装置、３０…真円度演算装置、３１
…ヒストグラム演算装置、３２…塊状不透明体選択装
置、３３…ヒストグラム変動演算装置、３４…線状不透
明領域演算装置、３５…異常種類識別装置、３６…塊状
不透明領域演算装置、３７…シンボル発生装置、３８…
表示装置。

Claims (8)

    【特許請求の範囲】
  1. 【請求項１】 患者の肺のディジタル胸部画像中の塊状
    及び線状不透明体を含む間質性浸潤の幾何学的パターン
    の特徴を決定する方法において、 ａ）該ディジタル胸部画像を得るステップと、 ｂ）該画像の異常領域を検出するために該ディジタル胸
    部画像にテクスチャ解析を行うステップと、 ｃ）該テクスチャ解析に基づいて患者の肺を正常または
    異常として分類するステップと、 ｄ）該テクスチャ解析中に検出された異常領域の１つ、
    または複数を囲むように複数の関心領域を選択するステ
    ップと、 ｅ）該選択された関心領域に不均一背景傾向補正を施す
    ステップと、 ｆ）塊状不透明体及び線状不透明体の検出のために該背
    景傾向補正された画像に第１及び第２の種類のフィルタ
    処理をそれぞれ施すステップと、 ｇ）該関心領域内の該塊状不透明体に重なる線状不透明
    体を除去するステップと、 ｈ）３つの種類のパターンに対応する計算されたパラメ
    ータに基づいて、該検出塊状及び線状不透明体を小結節
    状、細網状、または細網−小結節状パターンに分類する
    ステップとを具備することを特徴とする幾何学的パター
    ン特徴決定方法。
  2. 【請求項２】 前記塊状及び線状不透明体を分類するス
    テップは該塊状及び線状不透明体の種類に対応するパラ
    メータを求めるステップを具備し、該パラメータは選択
    された不透明体を含む関心領域の面積に対する該選択さ
    れた不透明体の面積の比に等しいことを特徴とする請求
    項１に記載の幾何学的パターン特徴決定方法。
  3. 【請求項３】 前記第１の種類のフィルタ処理は ａ）所定の画素間隔の傾向補正された画像に閾値処理を
    施すことにより該背景傾向補正された画像の２値化画像
    を得るステップと、 ｂ）該２値化画像のモルフォロジーフィルタ処理を行う
    ステップと、 ｃ）該モルフォロジーフィルタ処理された画像に特徴抽
    出処理を行うステップを具備することを特徴とする請求
    項１に記載の幾何学的パターン特徴決定方法。
  4. 【請求項４】 前記第２の種類のフィルタ処理は ａ）該背景傾向補正された画像にライン強調フィルタ処
    理を行うステップと、 ｂ）該ライン強調フィルタ処理された画像に閾値処理を
    施すステップとを具備することを特徴とする請求項１に
    記載の幾何学的パターン特徴決定方法。
  5. 【請求項５】 前記ステップ（ｅ）は ａ）２ｎ×２ｎサイズの値を有する第１の行列形状のル
    ックアップテーブルを作成（ｎは選択された関心領域の
    背景傾向補正に使われる多項式表面を表わす関数の次数
    に等しい）するステップと、 ｂ）第２の行列の全ての値を決めるために該ルックアッ
    プテーブルに含まれる値に対応する値を用いて第２の行
    列を作成するステップと、 ｃ）該第２の行列の逆行列に等しい第３の行列を作成す
    るステップと、 ｄ）係数からなる第４の行列を求めるステップと、 ｅ）該第４の係数を用いてｎ次の多項式表面を表わす関
    数を作成するステップと、 ｆ）該選択された関心領域Ｉに含まれる画像データから
    ｎ次の関数を減算するステップとを具備することを特徴
    とする請求項１に記載の幾何学的パターン特徴決定方
    法。
  6. 【請求項６】 ディジタル胸部画像中の塊状及び線状不
    透明体を含む間質性浸潤の幾何学的パターンの特徴を決
    定する方法において、 ａ）ディジタル胸部画像を得るステップと、 ｂ）１つ、またはそれ以上の隣接画素にそれぞれ対応す
    る複数の関心領域を選択するステップと、 ｃ）該胸部画像に背景傾向補正を施すステップと、 ｄ）特徴抽出技術を利用して該背景傾向補正された画像
    中の塊状不透明体を検出するために、該背景傾向補正さ
    れた画像にモルフォロジーフィルタ処理を施すステップ
    と、 ｅ）該背景傾向補正された画像中の線状不透明体を検出
    するために、該背景傾向補正された画像にライン強調フ
    ィルタ処理を施すステップと、 ｆ）該検出された塊状不透明体に重なる線状不透明体を
    除去するステップと、 ｇ）各不透明体の種類に対応し、選択された不透明体を
    含む関心領域の面積に対する該選択された不透明体の面
    積の比に等しいパラメータを決定することにより、該検
    出された不透明体を分類するステップとを具備すること
    を特徴とする幾何学的パターン特徴決定方法。
  7. 【請求項７】 患者の肺のディジタル胸部画像中の塊状
    及び線状不透明体を含む間質性浸潤の幾何学的パターン
    の特徴を決定するシステムにおいて、 該ディジタル胸部画像を得る手段と、 該画像の異常領域を検出するために該ディジタル胸部画
    像にテクスチャ解析を行う手段と、 該テクスチャ解析に基づいて患者の肺を正常または異常
    として分類する手段と、 該テクスチャ解析中に検出された異常領域の１つ、また
    は複数を囲むように複数の関心領域を選択する手段と、 該選択された関心領域に不均一背景傾向補正を施す手段
    と、 塊状不透明体及び線状不透明体の検出のために該背景傾
    向補正された画像に第１及び第２の種類のフィルタ処理
    をそれぞれ施す手段と、 該関心領域内の該塊状不透明体に重なる線状不透明体を
    除去する手段と、 ３つの種類のパターンに対応する計算されたパラメータ
    に基づいて、該検出塊状及び線状不透明体を小結節状、
    細網状、または細網−小結節状パターンに分類する手段
    とを具備することを特徴とする幾何学的パターン特徴決
    定システム。
  8. 【請求項８】 胸部画像中の塊状及び線状不透明体を含
    む間質性浸潤の幾何学的パターンの特徴を決定するシス
    テムにおいて、 該胸部画像の選択された画素を含む隣接画素の格子を形
    成するために、ディジタル化された胸部画像を得る手段
    と、 １つ、またはそれ以上の隣接画素にそれぞれ対応する複
    数の関心領域を選択する手段と、 該胸部画像に背景傾向補正を施す手段と、 特徴抽出技術を利用して該背景傾向補正された画像中の
    塊状不透明体を検出するために、該背景傾向補正された
    画像にモルフォロジーフィルタ処理を施す手段と、 該背景傾向補正された画像中の線状不透明体を検出する
    ために、該背景傾向補正された画像にライン強調フィル
    タ処理を施す手段と、 該検出された塊状不透明体に重なる線状不透明体を除去
    する手段と、 各不透明体の種類に対応し、選択された不透明体を含む
    関心領域の面積に対する該選択された不透明体の面積の
    比に等しいパラメータを決定することにより、該検出さ
    れた不透明体を分類する手段とを具備することを特徴と
    する幾何学的パターン特徴決定システム。
JP5284883A 1992-11-25 1993-11-15 胸部ｘ線画像における間質性浸潤の幾何学的パターンの特徴を決定するための方法及びシステム Pending JPH06339476A (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US07/981,526 US5319549A (en) 1992-11-25 1992-11-25 Method and system for determining geometric pattern features of interstitial infiltrates in chest images
US981526 1992-11-25

Publications (1)

Publication Number Publication Date
JPH06339476A true JPH06339476A (ja) 1994-12-13

Family

ID=25528433

Family Applications (1)

Application Number Title Priority Date Filing Date
JP5284883A Pending JPH06339476A (ja) 1992-11-25 1993-11-15 胸部ｘ線画像における間質性浸潤の幾何学的パターンの特徴を決定するための方法及びシステム

Country Status (2)

Country Link
US (1) US5319549A (ja)
JP (1) JPH06339476A (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11342125A (ja) * 1998-03-30 1999-12-14 Toshiba Corp Ｘ線ｃｔ装置
JP2001167129A (ja) * 1999-11-26 2001-06-22 Medison Co Ltd 超音波映像検索装置及びこれを用いた超音波映像送受信システム
WO2015026050A1 (ko) * 2013-08-20 2015-02-26 재단법인 아산사회복지재단 의료 영상의 정량화 방법
JP2018175217A (ja) * 2017-04-10 2018-11-15 富士フイルム株式会社 画像処理装置および方法並びにプログラム

Families Citing this family (61)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5633948A (en) * 1992-11-30 1997-05-27 Kegelmeyer, Jr.; W. Philip Method and apparatus for detecting a desired behavior in digital image data
IL119767A (en) * 1993-08-13 1998-02-08 Sophis View Tech Ltd System and method for diagnosis of living tissue diseases
US5638458A (en) * 1993-11-30 1997-06-10 Arch Development Corporation Automated method and system for the detection of gross abnormalities and asymmetries in chest images
US5881124A (en) * 1994-03-31 1999-03-09 Arch Development Corporation Automated method and system for the detection of lesions in medical computed tomographic scans
JP3974946B2 (ja) * 1994-04-08 2007-09-12 オリンパス株式会社 画像分類装置
JPH07299053A (ja) * 1994-04-29 1995-11-14 Arch Dev Corp コンピュータ診断支援方法
US5644646A (en) * 1994-08-05 1997-07-01 University Of Utah Research Foundation Vessel enhancement filtering in magnetic resonance angiography
WO1996016534A2 (en) * 1994-11-25 1996-06-06 Sophisview Technologies, Ltd. System and method for diagnosis of living tissue diseases
US5657362A (en) * 1995-02-24 1997-08-12 Arch Development Corporation Automated method and system for computerized detection of masses and parenchymal distortions in medical images
US5790690A (en) * 1995-04-25 1998-08-04 Arch Development Corporation Computer-aided method for automated image feature analysis and diagnosis of medical images
US6256529B1 (en) * 1995-07-26 2001-07-03 Burdette Medical Systems, Inc. Virtual reality 3D visualization for surgical procedures
US5872859A (en) * 1995-11-02 1999-02-16 University Of Pittsburgh Training/optimization of computer aided detection schemes based on measures of overall image quality
WO1997042602A1 (en) * 1996-05-06 1997-11-13 Torsana A/S A method of estimating skeletal status
US5815591A (en) * 1996-07-10 1998-09-29 R2 Technology, Inc. Method and apparatus for fast detection of spiculated lesions in digital mammograms
US5917929A (en) * 1996-07-23 1999-06-29 R2 Technology, Inc. User interface for computer aided diagnosis system
JP3690882B2 (ja) * 1996-08-16 2005-08-31 富士写真フイルム株式会社 画像の強調処理方法および装置
US7194117B2 (en) * 1999-06-29 2007-03-20 The Research Foundation Of State University Of New York System and method for performing a three-dimensional virtual examination of objects, such as internal organs
US5982916A (en) * 1996-09-30 1999-11-09 Siemens Corporate Research, Inc. Method and apparatus for automatically locating a region of interest in a radiograph
US5987345A (en) * 1996-11-29 1999-11-16 Arch Development Corporation Method and system for displaying medical images
US6466687B1 (en) 1997-02-12 2002-10-15 The University Of Iowa Research Foundation Method and apparatus for analyzing CT images to determine the presence of pulmonary tissue pathology
US5859891A (en) 1997-03-07 1999-01-12 Hibbard; Lyn Autosegmentation/autocontouring system and method for use with three-dimensional radiation therapy treatment planning
US6246782B1 (en) 1997-06-06 2001-06-12 Lockheed Martin Corporation System for automated detection of cancerous masses in mammograms
US6078680A (en) * 1997-07-25 2000-06-20 Arch Development Corporation Method, apparatus, and storage medium for detection of nodules in biological tissue using wavelet snakes to characterize features in radiographic images
US6058322A (en) * 1997-07-25 2000-05-02 Arch Development Corporation Methods for improving the accuracy in differential diagnosis on radiologic examinations
US6014452A (en) * 1997-07-28 2000-01-11 R2 Technology, Inc. Method and system for using local attention in the detection of abnormalities in digitized medical images
US6058218A (en) * 1997-11-10 2000-05-02 General Electric Company Enhanced visualization of weak image sources in the vicinity of dominant sources
WO1999060921A1 (en) * 1997-11-24 1999-12-02 Burdette Medical Systems Real time brachytherapy spatial registration and visualization system
US6363163B1 (en) * 1998-02-23 2002-03-26 Arch Development Corporation Method and system for the automated temporal subtraction of medical images
US6088473A (en) * 1998-02-23 2000-07-11 Arch Development Corporation Method and computer readable medium for automated analysis of chest radiograph images using histograms of edge gradients for false positive reduction in lung nodule detection
US6067373A (en) * 1998-04-02 2000-05-23 Arch Development Corporation Method, system and computer readable medium for iterative image warping prior to temporal subtraction of chest radiographs in the detection of interval changes
JP2000137793A (ja) * 1998-08-25 2000-05-16 Fuji Photo Film Co Ltd 異常陰影検出処理システムおよび画像表示端末機
US7043066B1 (en) 1998-11-05 2006-05-09 Arch Development Corporation System for computerized processing of chest radiographic images
EP1127330A4 (en) * 1998-11-05 2003-03-26 Arch Dev Corp SYSTEM FOR THE AUTOMATED PROCESSING OF RADIOGRAPHIC CHEST PICTURES
US6738499B1 (en) 1998-11-13 2004-05-18 Arch Development Corporation System for detection of malignancy in pulmonary nodules
EP1129426A4 (en) * 1998-11-13 2002-08-21 Arch Dev Corp SYSTEM FOR DETECTION OF MALIGNANCY IN PULMONARY NODULES
JP3897272B2 (ja) * 1999-09-28 2007-03-22 富士フイルム株式会社 画像解析装置
US20030135102A1 (en) * 2000-05-18 2003-07-17 Burdette Everette C. Method and system for registration and guidance of intravascular treatment
JP2002099896A (ja) * 2000-09-22 2002-04-05 Fuji Photo Film Co Ltd 異常陰影候補検出方法および装置
US6785570B2 (en) * 2000-12-22 2004-08-31 Md Medical Diagnostics Inc. System and method for analysis of a tissue
US7327866B2 (en) * 2001-04-09 2008-02-05 Bae Kyongtae T Method and apparatus for compressing computed tomography raw projection data
JP4285623B2 (ja) * 2001-04-26 2009-06-24 富士フイルム株式会社 画像表示方法および装置並びにプログラム
US6577752B2 (en) * 2001-06-15 2003-06-10 Arch Development Corporation Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease
WO2003039370A1 (en) 2001-11-05 2003-05-15 Computerized Medical Systems, Inc. Apparatus and method for registration, guidance, and targeting of external beam radiation therapy
US20030198387A1 (en) * 2002-04-22 2003-10-23 Tinku Acharya Method and apparatus for image retrieval
US7295691B2 (en) * 2002-05-15 2007-11-13 Ge Medical Systems Global Technology Company, Llc Computer aided diagnosis of an image set
US7187800B2 (en) * 2002-08-02 2007-03-06 Computerized Medical Systems, Inc. Method and apparatus for image segmentation using Jensen-Shannon divergence and Jensen-Renyi divergence
WO2004019799A2 (en) * 2002-08-29 2004-03-11 Computerized Medical Systems, Inc. Methods and systems for localizing of a medical imaging probe and of a biopsy needle
US7260250B2 (en) * 2002-09-30 2007-08-21 The United States Of America As Represented By The Secretary Of The Department Of Health And Human Services Computer-aided classification of anomalies in anatomical structures
WO2004049777A2 (en) * 2002-12-04 2004-06-17 Washington University Method and apparatus for automated detection of target structures from medical images using a 3d morphological matching algorithm
US6937776B2 (en) * 2003-01-31 2005-08-30 University Of Chicago Method, system, and computer program product for computer-aided detection of nodules with three dimensional shape enhancement filters
US7248736B2 (en) * 2004-04-19 2007-07-24 The Trustees Of Columbia University In The City Of New York Enhancing images superimposed on uneven or partially obscured background
US20060018524A1 (en) * 2004-07-15 2006-01-26 Uc Tech Computerized scheme for distinction between benign and malignant nodules in thoracic low-dose CT
WO2007064981A2 (en) * 2005-11-30 2007-06-07 The Research Foundation Of State University Of New York Reducing false positives of polyp in cad
WO2007064980A2 (en) * 2005-11-30 2007-06-07 The Research Foundation Of State University Of New York Electronic colon cleansing method for virtual colonoscopy
JP4999163B2 (ja) * 2006-04-17 2012-08-15 富士フイルム株式会社 画像処理方法および装置ならびにプログラム
JP5519122B2 (ja) * 2007-08-15 2014-06-11 富士フイルム株式会社 画像成分分離装置、方法、およびプログラム
MY145600A (en) * 2010-03-29 2012-03-01 Inst Of Technology Petronas Sdn Bhd A methodology and apparatus for objective assessment and rating of psoriasis lesion thickness using digital imaging
JP6526428B2 (ja) * 2015-01-27 2019-06-05 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法および医用画像診断装置
WO2016132367A1 (en) * 2015-02-19 2016-08-25 Ramot At Tel-Aviv University Ltd. Chest radiograph (cxr) image analysis
US11049606B2 (en) 2018-04-25 2021-06-29 Sota Precision Optics, Inc. Dental imaging system utilizing artificial intelligence
FR3087309B1 (fr) * 2018-10-12 2021-08-06 Ateme Optimisation d'un sous-echantillonnage intervenant avant le codage d'images en compression

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4851984A (en) * 1987-08-03 1989-07-25 University Of Chicago Method and system for localization of inter-rib spaces and automated lung texture analysis in digital chest radiographs
US4839807A (en) * 1987-08-03 1989-06-13 University Of Chicago Method and system for automated classification of distinction between normal lungs and abnormal lungs with interstitial disease in digital chest radiographs

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11342125A (ja) * 1998-03-30 1999-12-14 Toshiba Corp Ｘ線ｃｔ装置
JP4594459B2 (ja) * 1998-03-30 2010-12-08 株式会社東芝 Ｘ線ｃｔ装置
JP2001167129A (ja) * 1999-11-26 2001-06-22 Medison Co Ltd 超音波映像検索装置及びこれを用いた超音波映像送受信システム
WO2015026050A1 (ko) * 2013-08-20 2015-02-26 재단법인 아산사회복지재단 의료 영상의 정량화 방법
KR101521959B1 (ko) * 2013-08-20 2015-05-20 재단법인 아산사회복지재단 의료 영상의 정량화 방법
US10007984B2 (en) 2013-08-20 2018-06-26 The Asan Foundation Method for quantifying medical image
JP2018175217A (ja) * 2017-04-10 2018-11-15 富士フイルム株式会社 画像処理装置および方法並びにプログラム

Also Published As

Publication number Publication date
US5319549A (en) 1994-06-07

Similar Documents

Publication Publication Date Title
JPH06339476A (ja) 胸部ｘ線画像における間質性浸潤の幾何学的パターンの特徴を決定するための方法及びシステム
US5343390A (en) Method and system for automated selection of regions of interest and detection of septal lines in digital chest radiographs
EP1315125B1 (en) Image processing method and system for disease detection
Richard et al. Automated texture-based segmentation of ultrasound images of the prostate
JP3432863B2 (ja) ディジタル乳房ｘ線像のクラスタ化微小石灰化物検出支援方法
US5657362A (en) Automated method and system for computerized detection of masses and parenchymal distortions in medical images
JP3417595B2 (ja) ディジタル胸部レントゲン写真の肺小結節自動検出における正常例の誤診を分析する方法およびそのシステム
US6088473A (en) Method and computer readable medium for automated analysis of chest radiograph images using histograms of edge gradients for false positive reduction in lung nodule detection
US8233692B2 (en) Method of suppressing obscuring features in an image
Tahoces et al. Computer-assisted diagnosis: the classification of mammographic breast parenchymal patterns
US5830141A (en) Image processing method and device for automatic detection of regions of a predetermined type of cancer in an intensity image
EP0502027A4 (en) Method for assisting an investigation of a human breast for a malignancy and apparatus for practicing such method
Armato III et al. Automated detection of lung nodules in CT scans: effect of image reconstruction algorithm
WO2008088531A2 (en) Roi-based rendering for diagnostic image consistency
JP2004520923A (ja) デジタル画像をセグメント化する方法
US7593762B2 (en) System and method for automatically segmenting bones in computed tomography angiography data
WO2003100700A2 (en) Pulmonary nodule detection using cartwheel projection analysis
US6744911B1 (en) Tomographic segmentation
JP3852125B2 (ja) ２次元多階調画像におけるパタン検出方法及び装置
JPH08263641A (ja) アイリスフィルターの演算方法
Kayode et al. An explorative survey of image enhancement techniques used in mammography
JPH08287230A (ja) 計算機支援画像診断装置
JPH02152443A (ja) 画像処理方法及び装置
Li et al. Image segmentation and 3D visualization for MRI mammography
JP2003265450A (ja) 医用画像表示方法および医用画像処理装置

Legal Events

Date Code Title Description
A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20040224