JPH1156828A - 異常陰影候補検出方法および装置 - Google Patents
異常陰影候補検出方法および装置Info
- Publication number
- JPH1156828A JPH1156828A JP9230529A JP23052997A JPH1156828A JP H1156828 A JPH1156828 A JP H1156828A JP 9230529 A JP9230529 A JP 9230529A JP 23052997 A JP23052997 A JP 23052997A JP H1156828 A JPH1156828 A JP H1156828A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- abnormal shadow
- shadow candidate
- value
- image
- 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.)
- Withdrawn
Links
- 230000002159 abnormal effect Effects 0.000 title claims abstract description 288
- 238000000034 method Methods 0.000 title claims abstract description 59
- 210000000481 breast Anatomy 0.000 claims abstract description 66
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000001514 detection method Methods 0.000 claims abstract description 31
- 206010028980 Neoplasm Diseases 0.000 claims description 88
- 239000013598 vector Substances 0.000 claims description 83
- 230000005855 radiation Effects 0.000 claims description 55
- 238000011156 evaluation Methods 0.000 claims description 35
- 230000005484 gravity Effects 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000000605 extraction Methods 0.000 claims description 13
- 201000011510 cancer Diseases 0.000 claims description 10
- 230000036210 malignancy Effects 0.000 claims description 10
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 230000005856 abnormality Effects 0.000 claims description 2
- 239000000284 extract Substances 0.000 claims description 2
- 230000003211 malignant effect Effects 0.000 abstract 1
- 230000002285 radioactive effect Effects 0.000 abstract 1
- 230000006870 function Effects 0.000 description 36
- 238000010586 diagram Methods 0.000 description 15
- 239000011159 matrix material Substances 0.000 description 15
- 241000270295 Serpentes Species 0.000 description 10
- 210000005075 mammary gland Anatomy 0.000 description 6
- 210000004204 blood vessel Anatomy 0.000 description 5
- 238000012935 Averaging Methods 0.000 description 4
- 206010006187 Breast cancer Diseases 0.000 description 2
- 208000026310 Breast neoplasm Diseases 0.000 description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 2
- 239000012141 concentrate Substances 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000003628 erosive effect Effects 0.000 description 2
- 208000004434 Calcinosis Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000007488 abnormal function Effects 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 230000004936 stimulating effect Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 230000002792 vascular Effects 0.000 description 1
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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/30068—Mammography; Breast
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S128/00—Surgery
- Y10S128/92—Computer assisted medical diagnostics
- Y10S128/922—Computer assisted medical diagnostics including image analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 異常陰影候補の検出方法および装置におい
て、乳房画像における異常陰影候補検出の的確性を向上
させる。 【解決手段】 乳房の放射線画像を表す全体画像信号Ｓ
Ａに基づいて異常陰影候補領域を検出し、一方の乳房の
放射線画像における異常陰影候補が存在する領域と、こ
の領域に対応する他方の乳房の放射線画像における領域
とにおいて、各領域内の画像信号ＳＡ，ＳＢに対してア
イリスフィルタ処理を施して各領域ごとにアイリス出力
信号ＩＡ，ＩＢを算出し、各アイリス出力値の差分値Δ
Ｉを求める。画像信号ＳＡに基づいて異常陰影候補の存
在領域の悪性度を表す評価関数値を求め、この評価関数
値により差分値ΔＩを重み付ける。重み付けられた差分
値ΔＩ′と閾値Ｔ０とを比較して異常陰影候補が確定的
な異常陰影候補であるか否かを判断する。
て、乳房画像における異常陰影候補検出の的確性を向上
させる。 【解決手段】 乳房の放射線画像を表す全体画像信号Ｓ
Ａに基づいて異常陰影候補領域を検出し、一方の乳房の
放射線画像における異常陰影候補が存在する領域と、こ
の領域に対応する他方の乳房の放射線画像における領域
とにおいて、各領域内の画像信号ＳＡ，ＳＢに対してア
イリスフィルタ処理を施して各領域ごとにアイリス出力
信号ＩＡ，ＩＢを算出し、各アイリス出力値の差分値Δ
Ｉを求める。画像信号ＳＡに基づいて異常陰影候補の存
在領域の悪性度を表す評価関数値を求め、この評価関数
値により差分値ΔＩを重み付ける。重み付けられた差分
値ΔＩ′と閾値Ｔ０とを比較して異常陰影候補が確定的
な異常陰影候補であるか否かを判断する。
Description
【０００１】
【発明の属する技術分野】本発明は異常陰影候補検出方
法および装置に関し、詳細には、左右の乳房の放射線画
像に基づいて異常陰影候補を検出する方法および装置に
関するものである。
法および装置に関し、詳細には、左右の乳房の放射線画
像に基づいて異常陰影候補を検出する方法および装置に
関するものである。
【０００２】
【従来の技術】従来より、種々の画像取得方法により得
られた画像を表す画像信号に対して、階調処理や周波数
処理等の画像処理を施し、画像の観察読影性能を向上さ
せることが行われている。特に人体を被写体とした放射
線画像のような医用画像の分野においては、医師等の専
門家が、得られた画像に基づいて患者の疾病や傷害の有
無を的確に診断する必要があり、その画像の読影性能を
向上させる画像処理は不可欠なものとなっている。
られた画像を表す画像信号に対して、階調処理や周波数
処理等の画像処理を施し、画像の観察読影性能を向上さ
せることが行われている。特に人体を被写体とした放射
線画像のような医用画像の分野においては、医師等の専
門家が、得られた画像に基づいて患者の疾病や傷害の有
無を的確に診断する必要があり、その画像の読影性能を
向上させる画像処理は不可欠なものとなっている。
【０００３】このような画像処理においては、その画像
全体を処理の対象とする場合もあるが、検査や診断の目
的がある程度明確な場合は、その目的に適した所望の画
像部分だけを選択的に強調処理することもある。
全体を処理の対象とする場合もあるが、検査や診断の目
的がある程度明確な場合は、その目的に適した所望の画
像部分だけを選択的に強調処理することもある。
【０００４】通常、そのような画像部分の選択は、画像
処理が施される以前の原画像を観察読影者が観て、必要
に応じて手動で行うものであるが、選択される対象画像
部分や指定される範囲は観察者の経験や画像読影能力の
高低によって左右され客観的なものとならないおそれが
ある。
処理が施される以前の原画像を観察読影者が観て、必要
に応じて手動で行うものであるが、選択される対象画像
部分や指定される範囲は観察者の経験や画像読影能力の
高低によって左右され客観的なものとならないおそれが
ある。
【０００５】例えば乳癌の検査を目的として撮影された
放射線画像においては、その放射線画像から癌化部分の
特徴の１つである腫瘤陰影を抽出することが必要である
が、必ずしも的確にその腫瘤陰影の範囲を指定できると
は限らない。このため、観察者の技量に依存せずに、腫
瘤陰影を始めとする異常陰影を的確に検出することが求
められている。
放射線画像においては、その放射線画像から癌化部分の
特徴の１つである腫瘤陰影を抽出することが必要である
が、必ずしも的確にその腫瘤陰影の範囲を指定できると
は限らない。このため、観察者の技量に依存せずに、腫
瘤陰影を始めとする異常陰影を的確に検出することが求
められている。
【０００６】この要望に応えるため、計算機処理を用い
て異常陰影候補を自動的に検出するようにした計算機支
援画像診断（CADM；Computer Aided Diagnosis of Medi
calimages）の研究が最近進んでいる。
て異常陰影候補を自動的に検出するようにした計算機支
援画像診断（CADM；Computer Aided Diagnosis of Medi
calimages）の研究が最近進んでいる。
【０００７】すなわちCADM技術は、上述した腫瘤陰影や
微小石灰化陰影等の異常陰影を、その濃度分布の特徴や
形態的特徴に基づいた検出処理を計算機を用いて行うこ
とにより、異常陰影候補として自動的に検出するもので
あり、異常陰影候補の検出処理としては、主として腫瘤
陰影候補を検出するのに適しているアイリスフィルタ処
理が提案されている（小畑他「ＤＲ画像における腫瘤影
検出（アイリスフィルタ）」電子情報通信学会論文誌 D
-II Vol.J75-D-II No.3 P663〜670 1992年３月参照）。
このアイリスフィルタ処理は、特に乳癌における特徴的
形態の１つである腫瘤陰影を検出するのに有効な手法と
して研究されているが、対象画像としては、このような
マンモグラムにおける腫瘤陰影に限るものではなく、そ
の画像を表す画像信号（濃度等）の勾配が集中している
ものについては、いかなる画像部分に対しても適用する
ことができる。
微小石灰化陰影等の異常陰影を、その濃度分布の特徴や
形態的特徴に基づいた検出処理を計算機を用いて行うこ
とにより、異常陰影候補として自動的に検出するもので
あり、異常陰影候補の検出処理としては、主として腫瘤
陰影候補を検出するのに適しているアイリスフィルタ処
理が提案されている（小畑他「ＤＲ画像における腫瘤影
検出（アイリスフィルタ）」電子情報通信学会論文誌 D
-II Vol.J75-D-II No.3 P663〜670 1992年３月参照）。
このアイリスフィルタ処理は、特に乳癌における特徴的
形態の１つである腫瘤陰影を検出するのに有効な手法と
して研究されているが、対象画像としては、このような
マンモグラムにおける腫瘤陰影に限るものではなく、そ
の画像を表す画像信号（濃度等）の勾配が集中している
ものについては、いかなる画像部分に対しても適用する
ことができる。
【０００８】以下、腫瘤陰影の検出処理を例にして、こ
のアイリスフィルタによる腫瘤陰影候補の検出処理の概
要について説明する。
のアイリスフィルタによる腫瘤陰影候補の検出処理の概
要について説明する。
【０００９】例えばＸ線フイルム上における放射線画像
（高濃度高信号レベルの画像信号で表される画像）にお
いては、腫瘤陰影は周囲の画像部分に比べて濃度値がわ
ずかに低いことが知られており、その濃度値の分布は概
略円形の周縁部から中心部に向かうにしたがって濃度値
が低くなるという濃度値の勾配を有している。したがっ
て腫瘤陰影においては、局所的な濃度値の勾配が認めら
れ、その勾配線は腫瘤の中心方向に集中する。
（高濃度高信号レベルの画像信号で表される画像）にお
いては、腫瘤陰影は周囲の画像部分に比べて濃度値がわ
ずかに低いことが知られており、その濃度値の分布は概
略円形の周縁部から中心部に向かうにしたがって濃度値
が低くなるという濃度値の勾配を有している。したがっ
て腫瘤陰影においては、局所的な濃度値の勾配が認めら
れ、その勾配線は腫瘤の中心方向に集中する。
【００１０】アイリスフィルタは、この濃度値に代表さ
れる画像信号の勾配を勾配ベクトルとして算出し、その
勾配ベクトルの集中度を出力するものであり、アイリス
フィルタ処理とはこの勾配ベクトルの集中度を基に腫瘤
陰影を検出するものである。
れる画像信号の勾配を勾配ベクトルとして算出し、その
勾配ベクトルの集中度を出力するものであり、アイリス
フィルタ処理とはこの勾配ベクトルの集中度を基に腫瘤
陰影を検出するものである。
【００１１】すなわち例えば図１８（Ａ）に示すような
マンモグラムにおいて腫瘤陰影Ｐ1内の任意の画素にお
ける勾配ベクトルは同図（Ｂ）に示すように腫瘤陰影の
中心付近を向くが、血管陰影や乳腺等のように細長い陰
影Ｐ2 では同図（Ｃ）に示すように勾配ベクトルが特定
の点に集中することはないため、局所的に勾配ベクトル
の向きの分布を評価し、特定の点に集中している領域を
抽出すれば、それが腫瘤陰影となる。なお、同図（Ｄ）
に示すような乳腺等の細長い陰影同士が交差した陰影Ｐ
3 については勾配ベクトルが特定の点に集中する傾向が
あり疑似異常陰影となり得る。
マンモグラムにおいて腫瘤陰影Ｐ1内の任意の画素にお
ける勾配ベクトルは同図（Ｂ）に示すように腫瘤陰影の
中心付近を向くが、血管陰影や乳腺等のように細長い陰
影Ｐ2 では同図（Ｃ）に示すように勾配ベクトルが特定
の点に集中することはないため、局所的に勾配ベクトル
の向きの分布を評価し、特定の点に集中している領域を
抽出すれば、それが腫瘤陰影となる。なお、同図（Ｄ）
に示すような乳腺等の細長い陰影同士が交差した陰影Ｐ
3 については勾配ベクトルが特定の点に集中する傾向が
あり疑似異常陰影となり得る。
【００１２】以上がアイリスフィルタ処理の基本的な考
え方である。以下に具体的なアルゴリズムのステップを
示す。
え方である。以下に具体的なアルゴリズムのステップを
示す。
【００１３】（ステップ１）勾配ベクトルの計算 対象となる画像を構成するすべての画素について、各画
素ｊごとに、下記式（１）に示す計算式に基づいた画像
データの勾配ベクトルの向きθを求める。
素ｊごとに、下記式（１）に示す計算式に基づいた画像
データの勾配ベクトルの向きθを求める。
【００１４】
【数１】
【００１５】ここでｆ1 〜ｆ16は、図９に示すように、
その画素ｊを中心とした例えば縦５画素×横５画素の大
きさのマスクの外周上の画素に対応した画素値（画像デ
ータ）である。
その画素ｊを中心とした例えば縦５画素×横５画素の大
きさのマスクの外周上の画素に対応した画素値（画像デ
ータ）である。
【００１６】（ステップ２）勾配ベクトルの集中度の算
出 次に、対象となる画像を構成するすべての画素につい
て、各画素ごとに、その画素を注目画素とする勾配ベク
トルの集中度Ｃを次式（２）にしたがって算出する。
出 次に、対象となる画像を構成するすべての画素につい
て、各画素ごとに、その画素を注目画素とする勾配ベク
トルの集中度Ｃを次式（２）にしたがって算出する。
【００１７】
【数２】
【００１８】ここでＮは注目画素を中心に半径Ｒの円内
に存在する画素の数、θj は、注目画素とその円内の各
画素ｊとを結ぶ直線と、その各画素ｊにおける上記式
（１）で算出された勾配ベクトルとがなす角である（図
１０参照）。したがって上記式（２）で表される集中度
Ｃが大きな値となるのは、各画素ｊの勾配ベクトルの向
きが注目画素に集中する場合である。
に存在する画素の数、θj は、注目画素とその円内の各
画素ｊとを結ぶ直線と、その各画素ｊにおける上記式
（１）で算出された勾配ベクトルとがなす角である（図
１０参照）。したがって上記式（２）で表される集中度
Ｃが大きな値となるのは、各画素ｊの勾配ベクトルの向
きが注目画素に集中する場合である。
【００１９】ところで、腫瘤陰影近傍の各画素ｊの勾配
ベクトルは、腫瘤陰影のコントラストの大小に拘らず、
略その腫瘤陰影の中心部を向くため、上記集中度Ｃが大
きな値を採る注目画素は、腫瘤陰影の中心部の画素とい
うことができる。一方、血管などの線状パターンの陰影
は勾配ベクトルの向きが一定方向に偏るため集中度Ｃの
値は小さい。したがって、画像を構成するすべての画素
についてそれぞれ注目画素に対する上記集中度Ｃの値を
算出し、その集中度Ｃの値が予め設定された閾値を上回
るか否かを評価することによって、腫瘤陰影を検出する
ことができる。すなわち、このフィルタは通常の差分フ
ィルタに比べて、血管や乳腺等の影響を受けにくく、腫
瘤陰影を効率よく検出できるという特長を有している。
ベクトルは、腫瘤陰影のコントラストの大小に拘らず、
略その腫瘤陰影の中心部を向くため、上記集中度Ｃが大
きな値を採る注目画素は、腫瘤陰影の中心部の画素とい
うことができる。一方、血管などの線状パターンの陰影
は勾配ベクトルの向きが一定方向に偏るため集中度Ｃの
値は小さい。したがって、画像を構成するすべての画素
についてそれぞれ注目画素に対する上記集中度Ｃの値を
算出し、その集中度Ｃの値が予め設定された閾値を上回
るか否かを評価することによって、腫瘤陰影を検出する
ことができる。すなわち、このフィルタは通常の差分フ
ィルタに比べて、血管や乳腺等の影響を受けにくく、腫
瘤陰影を効率よく検出できるという特長を有している。
【００２０】さらに実際の処理においては、腫瘤の大き
さや形状に左右されない検出力を達成するために、フィ
ルタの大きさと形状とを適応的に変化させる工夫がなさ
れる。図８に、そのフィルタを示す。このフィルタは、
図９に示すものと異なり、注目画素を中心として２π／
Ｍ度の角度間隔で隣接するＭ種類の方向（図８において
は、11.25 度ごとの32方向を例示）の放射状の方向線上
の画素のみで上記集中度の評価を行うものである。
さや形状に左右されない検出力を達成するために、フィ
ルタの大きさと形状とを適応的に変化させる工夫がなさ
れる。図８に、そのフィルタを示す。このフィルタは、
図９に示すものと異なり、注目画素を中心として２π／
Ｍ度の角度間隔で隣接するＭ種類の方向（図８において
は、11.25 度ごとの32方向を例示）の放射状の方向線上
の画素のみで上記集中度の評価を行うものである。
【００２１】ここでｉ番目の方向線上にあって、かつ注
目画素からｎ番目の画素の座標（［ｘ］，［ｙ］）は、
注目画素の座標を（ｋ，ｌ）とすれば、以下の式
（３），（４）で与えられる。
目画素からｎ番目の画素の座標（［ｘ］，［ｙ］）は、
注目画素の座標を（ｋ，ｌ）とすれば、以下の式
（３），（４）で与えられる。
【００２２】
【数３】
【００２３】但し、［ｘ］，［ｙ］は、ｘ，ｙを越えな
い最大の整数である。
い最大の整数である。
【００２４】さらに、その放射状の方向線上の各方向線
ごとに最大の集中度が得られる画素までの出力値をその
方向についての集中度Ｃimaxとし、その集中度Ｃimaxを
すべての方向線について平均し、この平均値を注目画素
についての勾配ベクトル群の集中度Ｃとする。
ごとに最大の集中度が得られる画素までの出力値をその
方向についての集中度Ｃimaxとし、その集中度Ｃimaxを
すべての方向線について平均し、この平均値を注目画素
についての勾配ベクトル群の集中度Ｃとする。
【００２５】具体的には、まずｉ番目の放射状の線上に
おいて注目画素からｎ番目の画素までで得られる集中度
Ｃi （ｎ）を下記式（５）により求める。
おいて注目画素からｎ番目の画素までで得られる集中度
Ｃi （ｎ）を下記式（５）により求める。
【００２６】
【数４】
【００２７】すなわち式（５）は、始点を注目画素、終
点をＲmin からＲmax までの範囲内で変化させて、集中
度Ｃi （ｎ）を算出するものである。
点をＲmin からＲmax までの範囲内で変化させて、集中
度Ｃi （ｎ）を算出するものである。
【００２８】ここでＲmin とＲmax とは、抽出しようと
する腫瘤陰影の半径の最小値と最大値である。
する腫瘤陰影の半径の最小値と最大値である。
【００２９】次に、勾配ベクトル群の集中度Ｃを下記式
（６）および（７）により計算する。
（６）および（７）により計算する。
【００３０】
【数５】
【００３１】ここで式（６）のＣimaxは、式（５）で得
られた放射状の方向線ごとの集中度Ｃi （ｎ）の最大値
であるから、注目画素からその集中度Ｃi （ｎ）が最大
値となる画素までの領域が、その方向線の方向における
腫瘤陰影の候補領域となる。
られた放射状の方向線ごとの集中度Ｃi （ｎ）の最大値
であるから、注目画素からその集中度Ｃi （ｎ）が最大
値となる画素までの領域が、その方向線の方向における
腫瘤陰影の候補領域となる。
【００３２】そしてすべての放射状の方向線について式
（６）の計算をしてその各方向線上における腫瘤陰影の
領域の輪郭（辺縁点）を求め、この各方向線上における
腫瘤陰影の領域の隣接する辺縁点を、直線または非線形
曲線で結ぶことにより、腫瘤陰影の候補となり得る領域
の輪郭を特定することができる。
（６）の計算をしてその各方向線上における腫瘤陰影の
領域の輪郭（辺縁点）を求め、この各方向線上における
腫瘤陰影の領域の隣接する辺縁点を、直線または非線形
曲線で結ぶことにより、腫瘤陰影の候補となり得る領域
の輪郭を特定することができる。
【００３３】そして、式（７）では、この領域内の式
（６）で与えられた集中度の最大値Ｃimaxを放射状の方
向線の全方向（式（７）では32方向の場合を例示）につ
いて平均した値を求める。この求められた値がアイリス
フィルタ処理の出力値Ｉであり、この出力値Ｉを、腫瘤
陰影であるか否かを判別するのに適した予め設定した一
定の閾値Ｔと比較し、Ｉ≧Ｔであればこの注目画素を中
心とする領域が異常陰影候補（腫瘤陰影候補）であり、
Ｉ＜Ｔであれば腫瘤陰影候補ではない、と判定する。
（６）で与えられた集中度の最大値Ｃimaxを放射状の方
向線の全方向（式（７）では32方向の場合を例示）につ
いて平均した値を求める。この求められた値がアイリス
フィルタ処理の出力値Ｉであり、この出力値Ｉを、腫瘤
陰影であるか否かを判別するのに適した予め設定した一
定の閾値Ｔと比較し、Ｉ≧Ｔであればこの注目画素を中
心とする領域が異常陰影候補（腫瘤陰影候補）であり、
Ｉ＜Ｔであれば腫瘤陰影候補ではない、と判定する。
【００３４】このようにして腫瘤陰影候補の領域を抽出
することができる。
することができる。
【００３５】なお、式（７）の勾配ベクトル群の集中度
Ｃを評価する領域が勾配ベクトルの分布に応じて大きさ
と形状が適応的に変化する様子が、外界の明るさに応じ
て拡大、縮小する人間の目の虹彩（iris）の様子に似て
いることから、勾配ベクトルの集中度を利用した腫瘤陰
影の候補領域を検出する上述の手法はアイリスフィルタ
（iris filter ）処理と称されている。
Ｃを評価する領域が勾配ベクトルの分布に応じて大きさ
と形状が適応的に変化する様子が、外界の明るさに応じ
て拡大、縮小する人間の目の虹彩（iris）の様子に似て
いることから、勾配ベクトルの集中度を利用した腫瘤陰
影の候補領域を検出する上述の手法はアイリスフィルタ
（iris filter ）処理と称されている。
【００３６】なお、前述の集中度Ｃi （ｎ）の計算は式
（５）の代わりに、下記式（５′）を用いてもよい。
（５）の代わりに、下記式（５′）を用いてもよい。
【００３７】
【数６】
【００３８】すなわち式（５′）は、抽出しようとする
腫瘤陰影の半径の最小値Ｒmin に対応した画素を始点と
して、終点をＲmin からＲmax までとした範囲内で集中
度Ｃi （ｎ）を算出するものである。
腫瘤陰影の半径の最小値Ｒmin に対応した画素を始点と
して、終点をＲmin からＲmax までとした範囲内で集中
度Ｃi （ｎ）を算出するものである。
【００３９】上述のステップにより、アイリスフィルタ
は放射線画像から所望とする大きさの腫瘤陰影だけを効
果的に検出することができ、特にマンモグラムにおける
癌化部分の検出を主目的として研究されている。
は放射線画像から所望とする大きさの腫瘤陰影だけを効
果的に検出することができ、特にマンモグラムにおける
癌化部分の検出を主目的として研究されている。
【００４０】
【発明が解決しようとする課題】ところで、上述したア
イリスフィルタによる異常陰影候補の検出処理におい
て、異常陰影ではないが異常陰影にその特徴量が似てい
る疑似的な陰影が異常陰影候補として誤検出される場合
も生じ得る。
イリスフィルタによる異常陰影候補の検出処理におい
て、異常陰影ではないが異常陰影にその特徴量が似てい
る疑似的な陰影が異常陰影候補として誤検出される場合
も生じ得る。
【００４１】本発明は上記事情に鑑みなされたものであ
って、乳房画像における異常陰影候補検出の的確性を向
上させた異常陰影候補の検出方法および装置を提供する
ことを目的とするものである。
って、乳房画像における異常陰影候補検出の的確性を向
上させた異常陰影候補の検出方法および装置を提供する
ことを目的とするものである。
【００４２】
【課題を解決するための手段】本発明による異常陰影候
補検出方法および装置は、乳房を被写体とした放射線画
像には左右２つの乳房の画像があり、双方の乳房におい
て同時に同一箇所に腫瘤が発生することが確率的に極め
て少ないことに着目してなされたものである。
補検出方法および装置は、乳房を被写体とした放射線画
像には左右２つの乳房の画像があり、双方の乳房におい
て同時に同一箇所に腫瘤が発生することが確率的に極め
て少ないことに着目してなされたものである。
【００４３】すなわち、本発明による第１の異常陰影候
補検出方法は、左右の乳房の放射線画像を表す画像信号
に基づいて、該乳房の画像から異常陰影候補を検出する
異常陰影候補検出方法であって、前記各乳房の放射線画
像を表す画像信号のうち、一方の画像信号に基づいて前
記異常陰影候補を検出し、該検出された異常陰影候補
の、前記一方の画像信号が表す放射線画像における領
域、および該領域の存在位置に対応する他方の乳房の放
射線画像における領域をそれぞれ設定し、前記各領域内
の画像信号に対してアイリスフィルタ処理を施してアイ
リス出力信号をそれぞれ取得し、前記各領域内における
対応する画素ごとに前記各アイリス出力信号の差分値を
算出し、該差分値に基づいて、前記異常陰影候補のうち
異常陰影の確定的な候補を検出することを特徴とするも
のである。
補検出方法は、左右の乳房の放射線画像を表す画像信号
に基づいて、該乳房の画像から異常陰影候補を検出する
異常陰影候補検出方法であって、前記各乳房の放射線画
像を表す画像信号のうち、一方の画像信号に基づいて前
記異常陰影候補を検出し、該検出された異常陰影候補
の、前記一方の画像信号が表す放射線画像における領
域、および該領域の存在位置に対応する他方の乳房の放
射線画像における領域をそれぞれ設定し、前記各領域内
の画像信号に対してアイリスフィルタ処理を施してアイ
リス出力信号をそれぞれ取得し、前記各領域内における
対応する画素ごとに前記各アイリス出力信号の差分値を
算出し、該差分値に基づいて、前記異常陰影候補のうち
異常陰影の確定的な候補を検出することを特徴とするも
のである。
【００４４】ここで、「差分値に基づいて異常陰影の確
定的な候補を検出する」とは、例えば、差分値と予め定
められた所定の閾値とを比較し、差分値が所定の閾値よ
り大きい場合に異常陰影の確定的な候補として検出し、
差分値が所定の閾値より小さい場合は異常陰影候補とし
ないことをいうものである。
定的な候補を検出する」とは、例えば、差分値と予め定
められた所定の閾値とを比較し、差分値が所定の閾値よ
り大きい場合に異常陰影の確定的な候補として検出し、
差分値が所定の閾値より小さい場合は異常陰影候補とし
ないことをいうものである。
【００４５】また、本発明による第２の異常陰影候補検
出方法は、左右の乳房の放射線画像を表す画像信号に基
づいて、該乳房の画像から異常陰影候補を検出する異常
陰影候補検出方法であって、前記各乳房の放射線画像を
表す画像信号のうち、一方の画像信号に基づいて前記異
常陰影候補を検出し、該検出された異常陰影候補の、前
記一方の画像信号が表す放射線画像における領域、およ
び該領域の存在位置に対応する他方の乳房の放射線画像
における領域をそれぞれ設定し、前記各領域内の画像信
号に対してアイリスフィルタ処理を施してアイリス出力
信号をそれぞれ取得し、前記各領域内における対応する
画素ごとに前記各アイリス出力信号の差分値を算出し、
前記異常陰影候補が検出された放射線画像の前記領域内
における画像信号に基づいて、該異常陰影候補の悪性度
を表す評価関数値を算出し、該評価関数値および差分値
に基づいて、前記異常陰影候補のうち異常陰影の確定的
な候補を検出することを特徴とするものである。
出方法は、左右の乳房の放射線画像を表す画像信号に基
づいて、該乳房の画像から異常陰影候補を検出する異常
陰影候補検出方法であって、前記各乳房の放射線画像を
表す画像信号のうち、一方の画像信号に基づいて前記異
常陰影候補を検出し、該検出された異常陰影候補の、前
記一方の画像信号が表す放射線画像における領域、およ
び該領域の存在位置に対応する他方の乳房の放射線画像
における領域をそれぞれ設定し、前記各領域内の画像信
号に対してアイリスフィルタ処理を施してアイリス出力
信号をそれぞれ取得し、前記各領域内における対応する
画素ごとに前記各アイリス出力信号の差分値を算出し、
前記異常陰影候補が検出された放射線画像の前記領域内
における画像信号に基づいて、該異常陰影候補の悪性度
を表す評価関数値を算出し、該評価関数値および差分値
に基づいて、前記異常陰影候補のうち異常陰影の確定的
な候補を検出することを特徴とするものである。
【００４６】ここで、「異常陰影候補の悪精度を表す評
価関数値」としては、例えばマハラノビス距離（Mahala
nobis distance）などを用いることができる。
価関数値」としては、例えばマハラノビス距離（Mahala
nobis distance）などを用いることができる。
【００４７】すなわち検出された異常陰影候補領域は一
般にｎ次の特徴量ｘ１，ｘ２，ｘ３，…，ｘｎを用い
て、ｘ＝（ｘ１，ｘ２，ｘ３，…，ｘｎ）という形のｎ
次元空間で表現され、そのｎ次の各軸を特徴軸（featur
e axis）という。つまり、特徴抽出で得られる値（上記
各指標値）はそれぞれの特徴軸上の値ｘｉ（ｉ＝１，
２，…，ｎ）である。
般にｎ次の特徴量ｘ１，ｘ２，ｘ３，…，ｘｎを用い
て、ｘ＝（ｘ１，ｘ２，ｘ３，…，ｘｎ）という形のｎ
次元空間で表現され、そのｎ次の各軸を特徴軸（featur
e axis）という。つまり、特徴抽出で得られる値（上記
各指標値）はそれぞれの特徴軸上の値ｘｉ（ｉ＝１，
２，…，ｎ）である。
【００４８】特徴抽出過程によって作られるこのｎ次の
パターン空間が持つべき重要な性質は、入力として与え
られるパターン間の類似性がこの空間上でも十分によく
保たれていることである。すなわち、類似したパターン
はパターン空間上で近いところにあるという性質がなけ
れば特徴抽出を行った意味がない。そこでパターン空間
上に距離の概念を導入する。
パターン空間が持つべき重要な性質は、入力として与え
られるパターン間の類似性がこの空間上でも十分によく
保たれていることである。すなわち、類似したパターン
はパターン空間上で近いところにあるという性質がなけ
れば特徴抽出を行った意味がない。そこでパターン空間
上に距離の概念を導入する。
【００４９】この距離の概念を表す関数（距離関数）は
いくつも考案されており、その代表的なものものとして
ユークリッド距離、マハラノビス距離、市街地距離、チ
ェス盤距離、ミンコフスキー（Minkowski ）距離などが
あり、最も簡単なものはユークリッド距離である。しか
し、これはパターンの広がり具合などを考慮していない
ため本発明の異常陰影検出方法には適さないと考えられ
る。
いくつも考案されており、その代表的なものものとして
ユークリッド距離、マハラノビス距離、市街地距離、チ
ェス盤距離、ミンコフスキー（Minkowski ）距離などが
あり、最も簡単なものはユークリッド距離である。しか
し、これはパターンの広がり具合などを考慮していない
ため本発明の異常陰影検出方法には適さないと考えられ
る。
【００５０】そこでパターンの広がり具合などを考慮に
入れ、最も基本的なマハラノビス距離を用いるのが好適
である。
入れ、最も基本的なマハラノビス距離を用いるのが好適
である。
【００５１】マハラノビス距離とは下記式（８）で定義
されるＤｍi を意味し、分布の中心から共分散行列Σで
表される超楕円体の重み付けで測る距離である。
されるＤｍi を意味し、分布の中心から共分散行列Σで
表される超楕円体の重み付けで測る距離である。
【００５２】
【数７】
【００５３】具体的には、 １）検出対象である異常陰影候補の領域について上記各
指標値を求める。
指標値を求める。
【００５４】２）各指標値に基づいて特徴量ベクトルｘ
＝（ｘ１，ｘ２，…，ｘｎ）を定義する。
＝（ｘ１，ｘ２，…，ｘｎ）を定義する。
【００５５】３）式（８）にしたがって、予め実験的に
得られている正常陰影（ＦＰ）を示すパターンクラス
（ｉ＝１）および異常陰影を示すパターンクラス（ｉ＝
２）との各マハラノビス距離Ｄｍ１，Ｄｍ２を算出す
る。
得られている正常陰影（ＦＰ）を示すパターンクラス
（ｉ＝１）および異常陰影を示すパターンクラス（ｉ＝
２）との各マハラノビス距離Ｄｍ１，Ｄｍ２を算出す
る。
【００５６】４）Ｄｍ１とＤｍ２とを比較し、正常陰影
を示すパターンクラスとのマハラノビス距離Ｄｍ１が異
常陰影を示すパターンクラスとのマハラノビス距離より
近い場合、すなわち Ｄｍ１＜Ｄｍ２の場合は、正常陰影 正常陰影を示すパターンクラスとのマハラノビス距離Ｄ
ｍ１より異常陰影を示すパターンクラスとのマハラノビ
ス距離Ｄｍ２が近い場合、すなわち Ｄｍ１＞Ｄｍ２の場合は、異常陰影 と判定する。
を示すパターンクラスとのマハラノビス距離Ｄｍ１が異
常陰影を示すパターンクラスとのマハラノビス距離より
近い場合、すなわち Ｄｍ１＜Ｄｍ２の場合は、正常陰影 正常陰影を示すパターンクラスとのマハラノビス距離Ｄ
ｍ１より異常陰影を示すパターンクラスとのマハラノビ
ス距離Ｄｍ２が近い場合、すなわち Ｄｍ１＞Ｄｍ２の場合は、異常陰影 と判定する。
【００５７】そして本発明においては、具体的にはマハ
ラノビス距離Ｄｍ１，Ｄｍ２の比Ｄｍ１／Ｄｍ２を最終
的な評価関数値として求めるものである。
ラノビス距離Ｄｍ１，Ｄｍ２の比Ｄｍ１／Ｄｍ２を最終
的な評価関数値として求めるものである。
【００５８】このようにマハラノビス距離を評価関数値
とした場合には、評価関数値と閾値とを比較するのでは
なく、評価関数値同士を比較した結果に基づいて異常陰
影である蓋然性が高いか否かを判定することができる。
とした場合には、評価関数値と閾値とを比較するのでは
なく、評価関数値同士を比較した結果に基づいて異常陰
影である蓋然性が高いか否かを判定することができる。
【００５９】また、「評価関数値および差分値に基づい
て、前記異常陰影の候補のうち異常陰影の確定的な候補
を検出する」とは、具体的には、差分値を評価関数値に
より重み付けし、重み付けられた差分値と予め定められ
た所定の閾値とを比較し、重み付けられた差分値が所定
の閾値より大きい場合に異常陰影の確定的な候補として
検出し、所定の閾値より小さい場合は異常陰影候補とし
ないとする方法が挙げられる。
て、前記異常陰影の候補のうち異常陰影の確定的な候補
を検出する」とは、具体的には、差分値を評価関数値に
より重み付けし、重み付けられた差分値と予め定められ
た所定の閾値とを比較し、重み付けられた差分値が所定
の閾値より大きい場合に異常陰影の確定的な候補として
検出し、所定の閾値より小さい場合は異常陰影候補とし
ないとする方法が挙げられる。
【００６０】なお、前記異常陰影候補の検出の具体的手
法としては、（１）前記一方の画像信号により表される
乳房の放射線画像の全画素について、該画像信号に基づ
く各画素ごとの勾配ベクトルを算出し、（２）前記全画
素のうち任意の注目画素を設定し、（３）該注目画素を
中心とする、所定の角度間隔で隣接する複数の放射状の
方向線を前記放射線画像上に設定し、（４）該各方向線
ごとに、前記注目画素から検出しようとする異常陰影候
補の最大の大きさに応じた距離の範囲内にある、該方向
線上の各画素について、各画素の勾配ベクトルと該方向
線の延びる方向とのなす角度θilに基づく指標値cosθi
lをそれぞれ求め、（５）始点を注目画素、終点を前記
検出しようとする異常陰影候補の最小の大きさに応じた
距離から最大の大きさに応じた距離まで変化させて、該
始点から該終点の範囲内にある前記方向線上の各画素の
前記指標値cos θilの平均値を、各方向線ごとに求め、
（６）前記方向線ごとの前記終点を変化させて求めた前
記指標値cos θilの平均値のうち最大値を求め、（７）
前記方向線ごとの前記最大値を前記複数の方向線のすべ
てについて総和して前記注目画素についての前記勾配ベ
クトル群の集中度の値を算出し、（８）前記（７）で求
めた勾配ベクトル群の集中度の値と予め設定された閾値
とを比較し、（９）前記勾配ベクトル群の集中度の値が
前記閾値以上であるときは、前記注目画素が異常陰影候
補の領域内に存在すると判定し、前記閾値未満であると
きは前記注目画素が異常陰影候補の領域内に存在しない
と判定し、（10）前記注目画素を全画素について順次代
えて前記（３）から（９）の操作を繰り返して、各画素
が異常陰影候補の領域内に存在するか否かを判定し、
（11）前記異常陰影候補の領域内に存在すると判定され
た画素によって構成される該領域の重心を求め、（12）
該重心に対応する画素を前記注目画素としたときの、前
記（６）における前記各方向線ごとの前記指標値cos θ
ilの平均値が最大値を採る前記終点に対応した画素をそ
れぞれ特定し、（13）該特定された各方向線上における
前記終点に対応した画素を、該方向線の延びる方向にお
ける前記異常陰影候補の辺縁点として設定し、（14）該
各方向線上の前記辺縁点について互いに隣接する辺縁点
を所定の線で連結し、該連結した所定の線で囲まれた範
囲を、前記異常陰影候補として抽出することにより行う
方法が挙げられる。
法としては、（１）前記一方の画像信号により表される
乳房の放射線画像の全画素について、該画像信号に基づ
く各画素ごとの勾配ベクトルを算出し、（２）前記全画
素のうち任意の注目画素を設定し、（３）該注目画素を
中心とする、所定の角度間隔で隣接する複数の放射状の
方向線を前記放射線画像上に設定し、（４）該各方向線
ごとに、前記注目画素から検出しようとする異常陰影候
補の最大の大きさに応じた距離の範囲内にある、該方向
線上の各画素について、各画素の勾配ベクトルと該方向
線の延びる方向とのなす角度θilに基づく指標値cosθi
lをそれぞれ求め、（５）始点を注目画素、終点を前記
検出しようとする異常陰影候補の最小の大きさに応じた
距離から最大の大きさに応じた距離まで変化させて、該
始点から該終点の範囲内にある前記方向線上の各画素の
前記指標値cos θilの平均値を、各方向線ごとに求め、
（６）前記方向線ごとの前記終点を変化させて求めた前
記指標値cos θilの平均値のうち最大値を求め、（７）
前記方向線ごとの前記最大値を前記複数の方向線のすべ
てについて総和して前記注目画素についての前記勾配ベ
クトル群の集中度の値を算出し、（８）前記（７）で求
めた勾配ベクトル群の集中度の値と予め設定された閾値
とを比較し、（９）前記勾配ベクトル群の集中度の値が
前記閾値以上であるときは、前記注目画素が異常陰影候
補の領域内に存在すると判定し、前記閾値未満であると
きは前記注目画素が異常陰影候補の領域内に存在しない
と判定し、（10）前記注目画素を全画素について順次代
えて前記（３）から（９）の操作を繰り返して、各画素
が異常陰影候補の領域内に存在するか否かを判定し、
（11）前記異常陰影候補の領域内に存在すると判定され
た画素によって構成される該領域の重心を求め、（12）
該重心に対応する画素を前記注目画素としたときの、前
記（６）における前記各方向線ごとの前記指標値cos θ
ilの平均値が最大値を採る前記終点に対応した画素をそ
れぞれ特定し、（13）該特定された各方向線上における
前記終点に対応した画素を、該方向線の延びる方向にお
ける前記異常陰影候補の辺縁点として設定し、（14）該
各方向線上の前記辺縁点について互いに隣接する辺縁点
を所定の線で連結し、該連結した所定の線で囲まれた範
囲を、前記異常陰影候補として抽出することにより行う
方法が挙げられる。
【００６１】また、上記（14）における辺縁点の連結方
法としては、単に直線で連結する方法や非線形曲線で連
結する方法のみならず、初期形状を有し所定の変形の傾
向にしたがって変形を繰り返す動的曲線が該変形を繰り
返して収束することにより離散的に設定された辺縁点を
滑らかに連結する動的輪郭抽出方法を適用することがで
きる。
法としては、単に直線で連結する方法や非線形曲線で連
結する方法のみならず、初期形状を有し所定の変形の傾
向にしたがって変形を繰り返す動的曲線が該変形を繰り
返して収束することにより離散的に設定された辺縁点を
滑らかに連結する動的輪郭抽出方法を適用することがで
きる。
【００６２】動的輪郭抽出方法は、抽出する輪郭のモデ
ルとして、所定の変形の傾向にしたがって変形を繰り返
す曲線（以下、これを「動的曲線」という）を仮定し
て、その輪郭のモデルが対象の輪郭に近づくように、す
なわち動的曲線が変形を繰り返して最終的にその対象の
輪郭に収束するように変形の傾向を定めることにより、
対象の輪郭を抽出するものである。
ルとして、所定の変形の傾向にしたがって変形を繰り返
す曲線（以下、これを「動的曲線」という）を仮定し
て、その輪郭のモデルが対象の輪郭に近づくように、す
なわち動的曲線が変形を繰り返して最終的にその対象の
輪郭に収束するように変形の傾向を定めることにより、
対象の輪郭を抽出するものである。
【００６３】この動的輪郭抽出方法としてよく知られて
いるものの１つとしてSNAKES（スネークス）モデルがあ
る。SNAKESモデルは動的曲線のエネルギを定義すること
により、その曲線の状態を定量的に評価して変形の傾向
を定めようとするものであり、このエネルギは、動的曲
線が対象の輪郭に一致した場合に最小となるように定義
され、これにより、動的曲線の持つエネルギが最小とな
る安定状態を見つけることによって対象の輪郭を抽出す
ることが可能となる。この際、輪郭抽出処理の速度およ
び正確さは、変形の傾向の定め方に依存する（M.Kass,
A.Witkin, D.Terzopoulos; "SNAKES: ACTIVE CONTOUR M
ODELS" International Journal of Computer Vision, V
ol.1, No.4, pp.321-331, 1988）。
いるものの１つとしてSNAKES（スネークス）モデルがあ
る。SNAKESモデルは動的曲線のエネルギを定義すること
により、その曲線の状態を定量的に評価して変形の傾向
を定めようとするものであり、このエネルギは、動的曲
線が対象の輪郭に一致した場合に最小となるように定義
され、これにより、動的曲線の持つエネルギが最小とな
る安定状態を見つけることによって対象の輪郭を抽出す
ることが可能となる。この際、輪郭抽出処理の速度およ
び正確さは、変形の傾向の定め方に依存する（M.Kass,
A.Witkin, D.Terzopoulos; "SNAKES: ACTIVE CONTOUR M
ODELS" International Journal of Computer Vision, V
ol.1, No.4, pp.321-331, 1988）。
【００６４】上記辺縁点の連結方法として、動的輪郭抽
出方法の１つであるSNAKESモデルを適用した場合、上記
各方向線上の辺縁点を滑らかに連結することができ、実
際の異常陰影候補の輪郭を精度よく抽出することができ
る。
出方法の１つであるSNAKESモデルを適用した場合、上記
各方向線上の辺縁点を滑らかに連結することができ、実
際の異常陰影候補の輪郭を精度よく抽出することができ
る。
【００６５】なお、上記異常陰影候補の検出はステップ
（４）、（５）において、始点を注目画素としているの
に対し、以下に掲げる第２の異常陰影候補の検出はステ
ップ（４）、（５）において、始点を、検出しようとす
る異常陰影候補の最小の大きさに対応する距離にある画
素とした点以外は上記異常陰影候補の検出と同様であ
る。すなわち、異常陰影候補の検出の第２の手法は、
（１）前記一方の画像信号により表される乳房の放射線
画像の全画素について、該画像信号に基づく各画素ごと
の勾配ベクトルを算出し、（２）前記全画素のうち任意
の注目画素を設定し、（３）該注目画素を中心とする、
所定の角度間隔で隣接する複数の放射状の方向線を前記
放射線画像上に設定し、（４）該各方向線ごとに、前記
注目画素を中心とする検出しようとする異常陰影候補の
最小の大きさに対応する距離から最大の大きさに応じた
距離の範囲内にある、該方向線上の各画素について、各
画素の勾配ベクトルと該方向線の延びる方向とのなす角
度θilに基づく指標値cos θilをそれぞれ求め、（５）
始点を前記検出しようとする異常陰影候補の最小の大き
さに対応する距離にある画素、終点を前記検出しようと
する異常陰影候補の最小の大きさに対応する距離から最
大の大きさに応じた距離まで変化させて、該始点から該
終点の範囲内にある前記方向線上の各画素の前記指標値
cos θilの平均値を、各方向線ごとに求め、（６）前記
方向線ごとの前記終点を変化させて求めた前記指標値co
s θilの平均値のうち最大値を求め、（７）前記方向線
ごとの前記最大値を前記複数の方向線のすべてについて
総和して（または平均して）前記注目画素についての前
記勾配ベクトル群の集中度の値を算出し、（８）前記
（７）で求めた勾配ベクトル群の集中度の値と予め設定
された閾値とを比較し、（９）前記勾配ベクトル群の集
中度の値が、前記閾値以上であるときは、前記注目画素
が異常陰影候補の領域内に存在すると判定し、前記閾値
未満であるときは前記注目画素が異常陰影候補の領域内
に存在しないと判定し、（10）前記注目画素を全画素に
ついて順次代えて前記（３）から（９）の操作を繰り返
して、各画素が異常陰影候補の領域内に存在するか否か
を判定し、（11）前記異常陰影候補の領域内に存在する
と判定された画素によって構成される該領域の重心を求
め、（12）該重心に対応する画素を前記注目画素とした
ときの、前記（６）における前記各方向線ごとの前記指
標値cos θilの平均値が最大値を採る前記終点に対応し
た画素をそれぞれ特定し、（13）該特定された各方向線
上における前記終点に対応した画素を、該方向線の延び
る方向における前記異常陰影候補の辺縁点として設定
し、（14）該各方向線上の前記辺縁点について互いに隣
接する辺縁点を所定の線で連結し、該連結した所定の線
で囲まれた範囲を、前記異常陰影候補として抽出するこ
とにより行うものである。
（４）、（５）において、始点を注目画素としているの
に対し、以下に掲げる第２の異常陰影候補の検出はステ
ップ（４）、（５）において、始点を、検出しようとす
る異常陰影候補の最小の大きさに対応する距離にある画
素とした点以外は上記異常陰影候補の検出と同様であ
る。すなわち、異常陰影候補の検出の第２の手法は、
（１）前記一方の画像信号により表される乳房の放射線
画像の全画素について、該画像信号に基づく各画素ごと
の勾配ベクトルを算出し、（２）前記全画素のうち任意
の注目画素を設定し、（３）該注目画素を中心とする、
所定の角度間隔で隣接する複数の放射状の方向線を前記
放射線画像上に設定し、（４）該各方向線ごとに、前記
注目画素を中心とする検出しようとする異常陰影候補の
最小の大きさに対応する距離から最大の大きさに応じた
距離の範囲内にある、該方向線上の各画素について、各
画素の勾配ベクトルと該方向線の延びる方向とのなす角
度θilに基づく指標値cos θilをそれぞれ求め、（５）
始点を前記検出しようとする異常陰影候補の最小の大き
さに対応する距離にある画素、終点を前記検出しようと
する異常陰影候補の最小の大きさに対応する距離から最
大の大きさに応じた距離まで変化させて、該始点から該
終点の範囲内にある前記方向線上の各画素の前記指標値
cos θilの平均値を、各方向線ごとに求め、（６）前記
方向線ごとの前記終点を変化させて求めた前記指標値co
s θilの平均値のうち最大値を求め、（７）前記方向線
ごとの前記最大値を前記複数の方向線のすべてについて
総和して（または平均して）前記注目画素についての前
記勾配ベクトル群の集中度の値を算出し、（８）前記
（７）で求めた勾配ベクトル群の集中度の値と予め設定
された閾値とを比較し、（９）前記勾配ベクトル群の集
中度の値が、前記閾値以上であるときは、前記注目画素
が異常陰影候補の領域内に存在すると判定し、前記閾値
未満であるときは前記注目画素が異常陰影候補の領域内
に存在しないと判定し、（10）前記注目画素を全画素に
ついて順次代えて前記（３）から（９）の操作を繰り返
して、各画素が異常陰影候補の領域内に存在するか否か
を判定し、（11）前記異常陰影候補の領域内に存在する
と判定された画素によって構成される該領域の重心を求
め、（12）該重心に対応する画素を前記注目画素とした
ときの、前記（６）における前記各方向線ごとの前記指
標値cos θilの平均値が最大値を採る前記終点に対応し
た画素をそれぞれ特定し、（13）該特定された各方向線
上における前記終点に対応した画素を、該方向線の延び
る方向における前記異常陰影候補の辺縁点として設定
し、（14）該各方向線上の前記辺縁点について互いに隣
接する辺縁点を所定の線で連結し、該連結した所定の線
で囲まれた範囲を、前記異常陰影候補として抽出するこ
とにより行うものである。
【００６６】この異常陰影候補の検出方法においても、
上記（14）における辺縁点の連結方法として、単に直線
で連結する方法や非線形曲線で連結する方法のみなら
ず、初期形状を有し所定の変形の傾向にしたがって変形
を繰り返す動的曲線が該変形を繰り返して収束すること
により行うSNAKESモデル等の動的輪郭抽出方法を適用す
ることができる。
上記（14）における辺縁点の連結方法として、単に直線
で連結する方法や非線形曲線で連結する方法のみなら
ず、初期形状を有し所定の変形の傾向にしたがって変形
を繰り返す動的曲線が該変形を繰り返して収束すること
により行うSNAKESモデル等の動的輪郭抽出方法を適用す
ることができる。
【００６７】また、本発明による第１の異常陰影候補の
検出装置は、上記本発明による第１の異常陰影候補の検
出方法を実施するためのものであり、左右の乳房の放射
線画像を表す画像信号に基づいて、該乳房の画像から異
常陰影候補を検出する異常陰影候補検出装置であって、
前記各乳房の放射線画像を表す画像信号のうち、一方の
画像信号に基づいて前記異常陰影候補を検出する検出手
段と、該検出手段により検出された異常陰影候補の、前
記一方の画像信号が表す放射線画像における領域、およ
び該領域の存在位置に対応する他方の乳房の放射線画像
における領域をそれぞれ設定する領域設定手段と、前記
各領域内の画像信号に対してアイリスフィルタ処理を施
してアイリス出力信号をそれぞれ取得するアイリスフィ
ルタ手段と、前記各領域内における対応する画素ごとに
前記各アイリス出力信号の差分値を算出する差分値算出
手段と、該差分値算出手段により算出された差分値に基
づいて、前記異常陰影候補のうち異常陰影の確定的な候
補を検出する確定的候補検出手段とを備えたことを特徴
とするものである。
検出装置は、上記本発明による第１の異常陰影候補の検
出方法を実施するためのものであり、左右の乳房の放射
線画像を表す画像信号に基づいて、該乳房の画像から異
常陰影候補を検出する異常陰影候補検出装置であって、
前記各乳房の放射線画像を表す画像信号のうち、一方の
画像信号に基づいて前記異常陰影候補を検出する検出手
段と、該検出手段により検出された異常陰影候補の、前
記一方の画像信号が表す放射線画像における領域、およ
び該領域の存在位置に対応する他方の乳房の放射線画像
における領域をそれぞれ設定する領域設定手段と、前記
各領域内の画像信号に対してアイリスフィルタ処理を施
してアイリス出力信号をそれぞれ取得するアイリスフィ
ルタ手段と、前記各領域内における対応する画素ごとに
前記各アイリス出力信号の差分値を算出する差分値算出
手段と、該差分値算出手段により算出された差分値に基
づいて、前記異常陰影候補のうち異常陰影の確定的な候
補を検出する確定的候補検出手段とを備えたことを特徴
とするものである。
【００６８】さらに、本発明による第２の異常陰影候補
の検出装置は、上記本発明による第２の異常陰影候補の
検出方法を実施するためのものであり、左右の乳房の放
射線画像を表す画像信号に基づいて、該乳房の画像から
異常陰影候補を検出する異常陰影候補検出装置であっ
て、前記各乳房の放射線画像を表す画像信号のうち、一
方の画像信号に基づいて前記異常陰影候補を検出する検
出手段と、該検出手段により検出された異常陰影候補
の、前記一方の画像信号が表す放射線画像における領
域、および該領域の存在位置に対応する他方の乳房の放
射線画像における領域をそれぞれ設定する領域設定手段
と、前記各領域内の画像信号に対してアイリスフィルタ
処理を施してアイリス出力信号をそれぞれ取得するアイ
リスフィルタ手段と、前記各領域内における対応する画
素ごとに前記各アイリス出力信号の差分値を算出する差
分値算出手段と、前記異常陰影候補が検出された放射線
画像の前記領域内における画像信号に基づいて、該異常
陰影候補の悪性度を表す評価関数値を算出する評価関数
値算出手段と、該評価関数値算出手段により算出された
評価関数値および前記差分値算出手段により算出された
差分値に基づいて、前記異常陰影候補のうち異常陰影の
確定的な候補を検出する確定的候補検出手段とを備えた
ことを特徴とするものである。
の検出装置は、上記本発明による第２の異常陰影候補の
検出方法を実施するためのものであり、左右の乳房の放
射線画像を表す画像信号に基づいて、該乳房の画像から
異常陰影候補を検出する異常陰影候補検出装置であっ
て、前記各乳房の放射線画像を表す画像信号のうち、一
方の画像信号に基づいて前記異常陰影候補を検出する検
出手段と、該検出手段により検出された異常陰影候補
の、前記一方の画像信号が表す放射線画像における領
域、および該領域の存在位置に対応する他方の乳房の放
射線画像における領域をそれぞれ設定する領域設定手段
と、前記各領域内の画像信号に対してアイリスフィルタ
処理を施してアイリス出力信号をそれぞれ取得するアイ
リスフィルタ手段と、前記各領域内における対応する画
素ごとに前記各アイリス出力信号の差分値を算出する差
分値算出手段と、前記異常陰影候補が検出された放射線
画像の前記領域内における画像信号に基づいて、該異常
陰影候補の悪性度を表す評価関数値を算出する評価関数
値算出手段と、該評価関数値算出手段により算出された
評価関数値および前記差分値算出手段により算出された
差分値に基づいて、前記異常陰影候補のうち異常陰影の
確定的な候補を検出する確定的候補検出手段とを備えた
ことを特徴とするものである。
【００６９】また、上記検出手段は、前記一方の画像信
号により表される乳房の放射線画像の全画素について、
該画像信号に基づく各画素ごとの勾配ベクトルを算出す
る勾配ベクトル算出手段と、前記全画素のうち１つを順
次、注目画素として設定する注目画素設定手段と、検出
しようとする異常陰影候補の最小の大きさと最大の大き
さを設定する検出サイズ設定手段と、該設定された注目
画素を中心として、所定の角度間隔で隣接する複数の放
射状の方向線を前記放射線画像上に設定する方向線設定
手段と、該各方向線ごとに、前記注目画素から前記設定
された異常陰影候補の最大の大きさに応じた距離の範囲
内にある、該方向線上の各画素について、各画素の勾配
ベクトルと該方向線の延びる方向とのなす角度θilに基
づく指標値cos θilをそれぞれ求める指標値算出手段
と、始点を注目画素、終点を前記検出しようとする異常
陰影候補の最小の大きさに応じた距離から最大の大きさ
に応じた距離まで変化させて、該始点から該終点の範囲
内にある前記方向線上の各画素の前記指標値cos θilの
平均値を、各方向線ごとに求めるとともに、該平均値の
うち最大値を抽出する最大値算出手段と、該方向線ごと
に抽出された前記最大値を前記複数の方向線のすべてに
ついて総和して前記注目画素についての前記勾配ベクト
ル群の集中度の値を算出する集中度算出手段と、予め設
定された閾値と前記集中度算出手段により算出された集
中度の値とを比較し、該比較の結果、前記勾配ベクトル
群の集中度の値が、前記閾値以上であるときは、前記注
目画素が異常陰影候補の領域内に存在すると判定し、前
記閾値未満であるときは前記注目画素が異常陰影候補の
領域内に存在しないと判定する比較判定手段と、前記異
常陰影候補の領域内に存在すると判定された画素によっ
て構成される該領域の重心を求める重心算出手段と、該
求められた重心に対応する画素を前記注目画素としたと
きの、前記最大値算出手段により抽出された最大値を採
る前記終点に対応した画素を、前記方向線ごとにそれぞ
れ特定し、該特定された各方向線上における終点に対応
した画素を該方向線の延びる方向における前記異常陰影
候補の辺縁点として設定する辺縁点設定手段と、前記各
方向線上の前記辺縁点について互いに隣接する辺縁点を
所定の線で連結し、該連結した所定の線で囲まれた範囲
を、前記異常陰影候補として抽出する輪郭抽出手段とを
備えることが好ましい。
号により表される乳房の放射線画像の全画素について、
該画像信号に基づく各画素ごとの勾配ベクトルを算出す
る勾配ベクトル算出手段と、前記全画素のうち１つを順
次、注目画素として設定する注目画素設定手段と、検出
しようとする異常陰影候補の最小の大きさと最大の大き
さを設定する検出サイズ設定手段と、該設定された注目
画素を中心として、所定の角度間隔で隣接する複数の放
射状の方向線を前記放射線画像上に設定する方向線設定
手段と、該各方向線ごとに、前記注目画素から前記設定
された異常陰影候補の最大の大きさに応じた距離の範囲
内にある、該方向線上の各画素について、各画素の勾配
ベクトルと該方向線の延びる方向とのなす角度θilに基
づく指標値cos θilをそれぞれ求める指標値算出手段
と、始点を注目画素、終点を前記検出しようとする異常
陰影候補の最小の大きさに応じた距離から最大の大きさ
に応じた距離まで変化させて、該始点から該終点の範囲
内にある前記方向線上の各画素の前記指標値cos θilの
平均値を、各方向線ごとに求めるとともに、該平均値の
うち最大値を抽出する最大値算出手段と、該方向線ごと
に抽出された前記最大値を前記複数の方向線のすべてに
ついて総和して前記注目画素についての前記勾配ベクト
ル群の集中度の値を算出する集中度算出手段と、予め設
定された閾値と前記集中度算出手段により算出された集
中度の値とを比較し、該比較の結果、前記勾配ベクトル
群の集中度の値が、前記閾値以上であるときは、前記注
目画素が異常陰影候補の領域内に存在すると判定し、前
記閾値未満であるときは前記注目画素が異常陰影候補の
領域内に存在しないと判定する比較判定手段と、前記異
常陰影候補の領域内に存在すると判定された画素によっ
て構成される該領域の重心を求める重心算出手段と、該
求められた重心に対応する画素を前記注目画素としたと
きの、前記最大値算出手段により抽出された最大値を採
る前記終点に対応した画素を、前記方向線ごとにそれぞ
れ特定し、該特定された各方向線上における終点に対応
した画素を該方向線の延びる方向における前記異常陰影
候補の辺縁点として設定する辺縁点設定手段と、前記各
方向線上の前記辺縁点について互いに隣接する辺縁点を
所定の線で連結し、該連結した所定の線で囲まれた範囲
を、前記異常陰影候補として抽出する輪郭抽出手段とを
備えることが好ましい。
【００７０】さらに、上記検出手段としては、上記検出
手段は、前記一方の画像信号により表される乳房の放射
線画像の全画素について、該画像信号に基づく各画素ご
との勾配ベクトルを算出する勾配ベクトル算出手段と、
被写体の放射線画像を表す画像データの全画素につい
て、該画像データに基づく各画素ごとの勾配ベクトルを
算出する勾配ベクトル算出手段と、前記全画素のうち１
つを順次、注目画素として設定する注目画素設定手段
と、検出しようとする異常陰影候補の最小の大きさと最
大の大きさを設定する検出サイズ設定手段と、該設定さ
れた注目画素を中心として、所定の角度間隔で隣接する
複数の放射状の方向線を前記放射線画像上に設定する方
向線設定手段と、該各方向線ごとに、前記注目画素を中
心とする検出しようとする異常陰影候補の最小の大きさ
に対応する距離から最大の大きさに応じた距離の範囲内
にある、該方向線上の各画素について、各画素の勾配ベ
クトルと該方向線の延びる方向とのなす角度θilに基づ
く指標値cos θilをそれぞれ求める指標値算出手段と、
始点を前記検出しようとする異常陰影候補の最小の大き
さに対応する距離にある画素、終点を前記検出しようと
する異常陰影候補の最小の大きさに対応する距離から最
大の大きさに応じた距離まで変化させて、該始点から該
終点の範囲内にある前記方向線上の各画素の前記指標値
cos θilの平均値を、各方向線ごとに求めるとともに、
該平均値のうち最大値を抽出する最大値算出手段と、該
方向線ごとに抽出された前記最大値を前記複数の方向線
のすべてについて総和して前記注目画素についての前記
勾配ベクトル群の集中度の値を算出する集中度算出手段
と、予め設定された閾値と前記集中度算出手段により算
出された集中度の値とを比較し、該比較の結果、前記勾
配ベクトル群の集中度の値が、前記閾値以上であるとき
は、前記注目画素が異常陰影候補の領域内に存在すると
判定し、前記閾値未満であるときは前記注目画素が異常
陰影候補の領域内に存在しないと判定する比較判定手段
と、前記異常陰影候補の領域内に存在すると判定された
画素によって構成される該領域の重心を求める重心算出
手段と、該求められた重心に対応する画素を前記注目画
素としたときの、前記最大値算出手段により抽出された
最大値を採る前記終点に対応した画素を、前記方向線ご
とにそれぞれ特定し、該特定された各方向線上における
終点に対応した画素を該方向線の延びる方向における前
記異常陰影候補の辺縁点として設定する辺縁点設定手段
と、前記各方向線上の前記辺縁点について互いに隣接す
る辺縁点を所定の線で連結し、該連結した所定の線で囲
まれた範囲を、前記異常陰影候補として抽出する輪郭抽
出手段とを備えるものとすることが好ましい。
手段は、前記一方の画像信号により表される乳房の放射
線画像の全画素について、該画像信号に基づく各画素ご
との勾配ベクトルを算出する勾配ベクトル算出手段と、
被写体の放射線画像を表す画像データの全画素につい
て、該画像データに基づく各画素ごとの勾配ベクトルを
算出する勾配ベクトル算出手段と、前記全画素のうち１
つを順次、注目画素として設定する注目画素設定手段
と、検出しようとする異常陰影候補の最小の大きさと最
大の大きさを設定する検出サイズ設定手段と、該設定さ
れた注目画素を中心として、所定の角度間隔で隣接する
複数の放射状の方向線を前記放射線画像上に設定する方
向線設定手段と、該各方向線ごとに、前記注目画素を中
心とする検出しようとする異常陰影候補の最小の大きさ
に対応する距離から最大の大きさに応じた距離の範囲内
にある、該方向線上の各画素について、各画素の勾配ベ
クトルと該方向線の延びる方向とのなす角度θilに基づ
く指標値cos θilをそれぞれ求める指標値算出手段と、
始点を前記検出しようとする異常陰影候補の最小の大き
さに対応する距離にある画素、終点を前記検出しようと
する異常陰影候補の最小の大きさに対応する距離から最
大の大きさに応じた距離まで変化させて、該始点から該
終点の範囲内にある前記方向線上の各画素の前記指標値
cos θilの平均値を、各方向線ごとに求めるとともに、
該平均値のうち最大値を抽出する最大値算出手段と、該
方向線ごとに抽出された前記最大値を前記複数の方向線
のすべてについて総和して前記注目画素についての前記
勾配ベクトル群の集中度の値を算出する集中度算出手段
と、予め設定された閾値と前記集中度算出手段により算
出された集中度の値とを比較し、該比較の結果、前記勾
配ベクトル群の集中度の値が、前記閾値以上であるとき
は、前記注目画素が異常陰影候補の領域内に存在すると
判定し、前記閾値未満であるときは前記注目画素が異常
陰影候補の領域内に存在しないと判定する比較判定手段
と、前記異常陰影候補の領域内に存在すると判定された
画素によって構成される該領域の重心を求める重心算出
手段と、該求められた重心に対応する画素を前記注目画
素としたときの、前記最大値算出手段により抽出された
最大値を採る前記終点に対応した画素を、前記方向線ご
とにそれぞれ特定し、該特定された各方向線上における
終点に対応した画素を該方向線の延びる方向における前
記異常陰影候補の辺縁点として設定する辺縁点設定手段
と、前記各方向線上の前記辺縁点について互いに隣接す
る辺縁点を所定の線で連結し、該連結した所定の線で囲
まれた範囲を、前記異常陰影候補として抽出する輪郭抽
出手段とを備えるものとすることが好ましい。
【００７１】
【発明の効果】左右の乳房において、同一箇所に同時に
腫瘤が発生する確率は極めて低いため、一方の乳房の放
射線画像において検出された異常陰影候補が、他方の乳
房の放射線画像に存在する確率は非常に低いものであ
る。本発明の異常陰影候補の検出方法および装置によれ
ば、一方の乳房の放射線画像を表す画像信号に基づいて
異常陰影候補を検出し、一方の乳房の放射線画像におけ
る異常陰影候補が存在する領域と、この領域に対応する
他方の乳房の放射線画像における領域とにおいて、各領
域内の画像信号に対してアイリスフィルタ処理を施して
各領域ごとにアイリス出力信号を算出し、各アイリス出
力値の差分値を求める。ここで、一方の領域に異常陰影
が含まれている場合には、他方の領域には異常陰影が含
まれている確率は非常に低いため、求められた差分値は
比較的大きくなり、これにより、先に検出された異常陰
影候補が真の異常陰影である可能性がより高いとするこ
とができる。一方、差分値が比較的小さい場合には、先
に検出された異常陰影候補は、ノイズ等の疑似異常陰影
である可能性が高いと判定することができる。したがっ
て、上記差分値に基づいて異常陰影候補の確定的な候補
を検出することにより、異常陰影候補をより的確に検出
することができる。
腫瘤が発生する確率は極めて低いため、一方の乳房の放
射線画像において検出された異常陰影候補が、他方の乳
房の放射線画像に存在する確率は非常に低いものであ
る。本発明の異常陰影候補の検出方法および装置によれ
ば、一方の乳房の放射線画像を表す画像信号に基づいて
異常陰影候補を検出し、一方の乳房の放射線画像におけ
る異常陰影候補が存在する領域と、この領域に対応する
他方の乳房の放射線画像における領域とにおいて、各領
域内の画像信号に対してアイリスフィルタ処理を施して
各領域ごとにアイリス出力信号を算出し、各アイリス出
力値の差分値を求める。ここで、一方の領域に異常陰影
が含まれている場合には、他方の領域には異常陰影が含
まれている確率は非常に低いため、求められた差分値は
比較的大きくなり、これにより、先に検出された異常陰
影候補が真の異常陰影である可能性がより高いとするこ
とができる。一方、差分値が比較的小さい場合には、先
に検出された異常陰影候補は、ノイズ等の疑似異常陰影
である可能性が高いと判定することができる。したがっ
て、上記差分値に基づいて異常陰影候補の確定的な候補
を検出することにより、異常陰影候補をより的確に検出
することができる。
【００７２】また、異常陰影候補の悪性度を表す評価関
数値を算出し、上記アイリス出力信号の差分値に対して
この評価関数値により重み付けを施すことにより、異常
陰影である蓋然性が高い異常陰影候補に対してより大き
な重み付けがなされることとなり、これにより、異常陰
影である蓋然性が高い異常陰影候補のみを的確に検出す
ることができる。
数値を算出し、上記アイリス出力信号の差分値に対して
この評価関数値により重み付けを施すことにより、異常
陰影である蓋然性が高い異常陰影候補に対してより大き
な重み付けがなされることとなり、これにより、異常陰
影である蓋然性が高い異常陰影候補のみを的確に検出す
ることができる。
【００７３】
【発明の実施の形態】以下図面を参照して本発明の実施
の形態について説明する。
の形態について説明する。
【００７４】図１は本発明による異常陰影候補の検出装
置の一実施形態の概略構成を示すブロック図、図２は図
１に示した異常陰影候補の検出装置を用いた計算機支援
画像診断装置の一例を示すブロック図である。
置の一実施形態の概略構成を示すブロック図、図２は図
１に示した異常陰影候補の検出装置を用いた計算機支援
画像診断装置の一例を示すブロック図である。
【００７５】図示の計算機支援画像診断装置１００は、
入力された画像信号（以下、全体画像信号という）Ｓを
記憶する記憶手段２０と、この記憶手段２０に記憶され
た全体画像信号Ｓを読み出して、階調処理、周波数処理
等の画像処理を施す全体画像処理手段３０と、記憶手段
２０に記憶された全体画像信号Ｓを読み出して、この全
体画像信号Ｓのうち異常陰影（腫瘤陰影）候補を表す画
像信号（以下、局所画像信号という）を抽出する異常陰
影候補検出装置１０と、この抽出された局所画像信号に
対して抽出した異常陰影候補を強調処理する局所画像処
理手段４０と、全体画像処理手段３０により画像処理さ
れた全体画像と局所画像処理手段４０により画像処理さ
れた異常陰影候補とを可視像として表示する表示手段５
０とを備えた構成である。
入力された画像信号（以下、全体画像信号という）Ｓを
記憶する記憶手段２０と、この記憶手段２０に記憶され
た全体画像信号Ｓを読み出して、階調処理、周波数処理
等の画像処理を施す全体画像処理手段３０と、記憶手段
２０に記憶された全体画像信号Ｓを読み出して、この全
体画像信号Ｓのうち異常陰影（腫瘤陰影）候補を表す画
像信号（以下、局所画像信号という）を抽出する異常陰
影候補検出装置１０と、この抽出された局所画像信号に
対して抽出した異常陰影候補を強調処理する局所画像処
理手段４０と、全体画像処理手段３０により画像処理さ
れた全体画像と局所画像処理手段４０により画像処理さ
れた異常陰影候補とを可視像として表示する表示手段５
０とを備えた構成である。
【００７６】ここで、計算機支援画像診断装置１００に
入力される全体画像信号Ｓは、例えば図３（Ａ）および
（Ｂ）に示す、患者の左右のマンモグラムを表す画像が
蓄積記録してなる各蓄積性蛍光体シートに、励起光を照
射することにより発生せられた輝尽発光光を光電的に読
み取り、その後にデジタル変換して得られた２つの画像
信号（高濃度高信号レベルの信号）ＳＡ，ＳＢである。
なお、図３（Ａ）は患者の右側の乳房を上下方向に挟み
込んで撮影された鉛直方向撮影画像（ＣＣ（Ｒ）画
像）、（Ｂ）は左側の乳房の鉛直方向撮影画像（ＣＣ
（Ｌ）画像）であり、ＣＣ（Ｒ）画像には腫瘤陰影Ｐ1
が記録されている。
入力される全体画像信号Ｓは、例えば図３（Ａ）および
（Ｂ）に示す、患者の左右のマンモグラムを表す画像が
蓄積記録してなる各蓄積性蛍光体シートに、励起光を照
射することにより発生せられた輝尽発光光を光電的に読
み取り、その後にデジタル変換して得られた２つの画像
信号（高濃度高信号レベルの信号）ＳＡ，ＳＢである。
なお、図３（Ａ）は患者の右側の乳房を上下方向に挟み
込んで撮影された鉛直方向撮影画像（ＣＣ（Ｒ）画
像）、（Ｂ）は左側の乳房の鉛直方向撮影画像（ＣＣ
（Ｌ）画像）であり、ＣＣ（Ｒ）画像には腫瘤陰影Ｐ1
が記録されている。
【００７７】また表示手段５０は、同一患者のＣＣ
（Ｒ）画像とＣＣ（Ｌ）画像とを背中合わせにして図４
に示すように表示する。
（Ｒ）画像とＣＣ（Ｌ）画像とを背中合わせにして図４
に示すように表示する。
【００７８】さらに表示手段５０は、全体画像と異常陰
影とを表示面上に各別に表示してもよいが、本実施形態
においては、全体画像を表示しつつこの全体画像のうち
異常陰影候補の画像部分だけは局所画像処理手段４０に
より画像処理された異常陰影候補の画像に置き換えて表
示するものとする。
影とを表示面上に各別に表示してもよいが、本実施形態
においては、全体画像を表示しつつこの全体画像のうち
異常陰影候補の画像部分だけは局所画像処理手段４０に
より画像処理された異常陰影候補の画像に置き換えて表
示するものとする。
【００７９】異常陰影候補検出装置１０は詳しくは図１
に示すように、全体画像信号ＳＡ，ＳＢにより表される
画像の位置合わせを行うための画像位置合わせ手段１１
と、後述するようにして全体画像信号ＳＡに基づいて異
常陰影候補の領域を検出する異常陰影候補領域検出手段
１２と、異常陰影候補領域検出手段１２により検出され
た領域を全体画像信号ＳＡが表す全体画像および全体画
像信号ＳＢが表す全体画像にそれぞれ設定する領域設定
手段１３と、領域設定手段１３により設定された各領域
内の画像信号ＳＡ，ＳＢに対して後述するようにアイリ
スフィルタ処理を施してアイリス出力信号ＩＡ，ＩＢを
得るアイリスフィルタ処理手段１４と、各アイリス出力
信号ＩＡ，ＩＢの差分値ΔＩを算出する差分値算出手段
１５と、領域設定手段１３により設定された各領域内の
画像信号ＳＡに基づいて、異常陰影候補の悪性度を表す
評価関数値を算出する評価関数算出手段１６と、初期的
に設定された閾値Ｔ０が記憶されたメモリ１７と、評価
関数算出手段１６により算出された評価関数により差分
値算出手段１５により算出された差分値ΔＩに重み付け
をし、この重み付けがなされた差分値ΔＩ′と閾値Ｔ０
とを比較し、閾値Ｔを上回った各領域を異常陰影候補と
して抽出する比較手段１８とからなる。
に示すように、全体画像信号ＳＡ，ＳＢにより表される
画像の位置合わせを行うための画像位置合わせ手段１１
と、後述するようにして全体画像信号ＳＡに基づいて異
常陰影候補の領域を検出する異常陰影候補領域検出手段
１２と、異常陰影候補領域検出手段１２により検出され
た領域を全体画像信号ＳＡが表す全体画像および全体画
像信号ＳＢが表す全体画像にそれぞれ設定する領域設定
手段１３と、領域設定手段１３により設定された各領域
内の画像信号ＳＡ，ＳＢに対して後述するようにアイリ
スフィルタ処理を施してアイリス出力信号ＩＡ，ＩＢを
得るアイリスフィルタ処理手段１４と、各アイリス出力
信号ＩＡ，ＩＢの差分値ΔＩを算出する差分値算出手段
１５と、領域設定手段１３により設定された各領域内の
画像信号ＳＡに基づいて、異常陰影候補の悪性度を表す
評価関数値を算出する評価関数算出手段１６と、初期的
に設定された閾値Ｔ０が記憶されたメモリ１７と、評価
関数算出手段１６により算出された評価関数により差分
値算出手段１５により算出された差分値ΔＩに重み付け
をし、この重み付けがなされた差分値ΔＩ′と閾値Ｔ０
とを比較し、閾値Ｔを上回った各領域を異常陰影候補と
して抽出する比較手段１８とからなる。
【００８０】ここで、画像位置合わせ手段１１は、具体
的には図５に示すように全体画像信号ＳＡ，ＳＢのヒス
トグラムＨＡ，ＨＢを求め、このヒストグラムＨＡ，Ｈ
ＢをＣＣ画像における被写体部分と直接Ｘ線が照射され
た直接Ｘ線部との境界信号を示す閾値Ｔｈ１，Ｔｈ２に
より二値化処理して撮影画像を図６に示すように被写体
部分と直接Ｘ線部（斜線部分）とに分離する。そして、
分離された被写体部分のトップ位置ＰＡ，ＰＢを求め、
このトップ位置ＰＡ，ＰＢが合致するようにＣＣ（Ｒ）
画像とＣＣ（Ｌ）画像との位置合わせを行う。この場
合、例えばトップ位置ＰＡ，ＰＢをＣＣ（Ｒ）画像およ
びＣＣ（Ｌ）画像における各画素の座標値を示す原点と
して設定する。
的には図５に示すように全体画像信号ＳＡ，ＳＢのヒス
トグラムＨＡ，ＨＢを求め、このヒストグラムＨＡ，Ｈ
ＢをＣＣ画像における被写体部分と直接Ｘ線が照射され
た直接Ｘ線部との境界信号を示す閾値Ｔｈ１，Ｔｈ２に
より二値化処理して撮影画像を図６に示すように被写体
部分と直接Ｘ線部（斜線部分）とに分離する。そして、
分離された被写体部分のトップ位置ＰＡ，ＰＢを求め、
このトップ位置ＰＡ，ＰＢが合致するようにＣＣ（Ｒ）
画像とＣＣ（Ｌ）画像との位置合わせを行う。この場
合、例えばトップ位置ＰＡ，ＰＢをＣＣ（Ｒ）画像およ
びＣＣ（Ｌ）画像における各画素の座標値を示す原点と
して設定する。
【００８１】領域設定手段１３は、具体的には、右側の
乳房の全体画像を表す全体画像信号ＳＡにおいて異常陰
影候補領域検出手段１２により異常陰影候補を表す画像
信号が検出されたとき、その全体画像における異常陰影
候補の存在領域に対応する、他方の全体画像（全体画像
信号ＳＢにより表される画像）における領域を設定す
る。ここで、双方の全体画像は画像位置合わせ手段１１
において位置合わせがなされているため、全体画像信号
ＳＡにおける異常陰影候補の存在領域の座標を各全体画
像の境界線を対称軸として、全体画像信号ＳＢに設定す
ることにより、双方の全体画像に異常陰影候補の存在領
域が設定される。
乳房の全体画像を表す全体画像信号ＳＡにおいて異常陰
影候補領域検出手段１２により異常陰影候補を表す画像
信号が検出されたとき、その全体画像における異常陰影
候補の存在領域に対応する、他方の全体画像（全体画像
信号ＳＢにより表される画像）における領域を設定す
る。ここで、双方の全体画像は画像位置合わせ手段１１
において位置合わせがなされているため、全体画像信号
ＳＡにおける異常陰影候補の存在領域の座標を各全体画
像の境界線を対称軸として、全体画像信号ＳＢに設定す
ることにより、双方の全体画像に異常陰影候補の存在領
域が設定される。
【００８２】評価関数算出手段１６は、評価関数値とし
て前述したマハラノビス距離を用いるものである。
て前述したマハラノビス距離を用いるものである。
【００８３】異常陰影候補領域検出手段１２は、詳しく
は図７に示すように、入力された全体画像信号ＳＡの全
画素について、この画像信号ＳＡに基づく各画素ごとの
濃度勾配ベクトルを算出する勾配ベクトル算出手段２１
と、全画素のうち１つを順次、注目画素として設定する
注目画素設定手段２４と、検出しようとする腫瘤陰影候
補の最小の大きさ（半径Rmin）と最大の大きさ（半径Rm
ax）を設定する検出サイズ設定手段２２と、注目画素設
定手段２４により設定された注目画素を中心として、所
定の角度間隔（例えば11.25 度間隔）で隣接する複数
（例えば32本）の放射状の方向線（図８参照）を設定す
る方向線設定手段２３と、設定された各方向線ごとに、
注目画素から腫瘤陰影候補の最大の大きさに応じた距離
Rmaxの範囲内にある方向線上の各画素について、各画素
の勾配ベクトルとこの方向線の延びる方向とのなす角度
θil（32本の方向線のうち第ｉ番目の方向線上におけ
る、注目画素から第ｌ番目の画素の勾配ベクトルと、こ
の第ｉ番目の方向線の延びる方向とのなす角度を表す）
に基づく指標値cos θilをそれぞれ求める指標値算出手
段２５と、注目画素を始点とし、終点を前記設定した腫
瘤陰影候補の最小の大きさに応じた距離Rminから最大の
大きさに応じた距離Rmaxまで変化させて、始点から終点
の範囲内にある方向線上の各画素の指標値cos θilの平
均値Ｃｉ（ｎ）を、各方向線ごとに式（５）にしたがっ
て求めるとともに、この平均値のうち最大値Ｃimax（式
（６））を抽出する最大値算出手段16と、各方向線ごと
に抽出された最大値Ｃimaxを32本の方向線のすべてにつ
いて加算平均（（ΣＣimax）／32）してこの注目画素に
ついての勾配ベクトル群の集中度の値Ｃ（式（７））を
算出する集中度算出手段２７と、
は図７に示すように、入力された全体画像信号ＳＡの全
画素について、この画像信号ＳＡに基づく各画素ごとの
濃度勾配ベクトルを算出する勾配ベクトル算出手段２１
と、全画素のうち１つを順次、注目画素として設定する
注目画素設定手段２４と、検出しようとする腫瘤陰影候
補の最小の大きさ（半径Rmin）と最大の大きさ（半径Rm
ax）を設定する検出サイズ設定手段２２と、注目画素設
定手段２４により設定された注目画素を中心として、所
定の角度間隔（例えば11.25 度間隔）で隣接する複数
（例えば32本）の放射状の方向線（図８参照）を設定す
る方向線設定手段２３と、設定された各方向線ごとに、
注目画素から腫瘤陰影候補の最大の大きさに応じた距離
Rmaxの範囲内にある方向線上の各画素について、各画素
の勾配ベクトルとこの方向線の延びる方向とのなす角度
θil（32本の方向線のうち第ｉ番目の方向線上におけ
る、注目画素から第ｌ番目の画素の勾配ベクトルと、こ
の第ｉ番目の方向線の延びる方向とのなす角度を表す）
に基づく指標値cos θilをそれぞれ求める指標値算出手
段２５と、注目画素を始点とし、終点を前記設定した腫
瘤陰影候補の最小の大きさに応じた距離Rminから最大の
大きさに応じた距離Rmaxまで変化させて、始点から終点
の範囲内にある方向線上の各画素の指標値cos θilの平
均値Ｃｉ（ｎ）を、各方向線ごとに式（５）にしたがっ
て求めるとともに、この平均値のうち最大値Ｃimax（式
（６））を抽出する最大値算出手段16と、各方向線ごと
に抽出された最大値Ｃimaxを32本の方向線のすべてにつ
いて加算平均（（ΣＣimax）／32）してこの注目画素に
ついての勾配ベクトル群の集中度の値Ｃ（式（７））を
算出する集中度算出手段２７と、
【００８４】
【数８】
【００８５】
【数９】
【００８６】予め設定された閾値Ｔと上記集中度の値Ｃ
とを比較し、この比較の結果、集中度の値Ｃが閾値Ｔ以
上であるときは、その注目画素が腫瘤陰影候補の領域内
に存在すると判定し、集中度の値Ｃが閾値Ｔ未満である
ときは、その注目画素が異常陰影候補の領域内に存在し
ないと判定する比較判定手段２８と、注目画素設定手段
２４が注目画素を順次代えて全画素について判定を行っ
た結果として、腫瘤陰影候補の領域内に存在すると判定
された画素によって構成される領域の重心を求める重心
算出手段２９と、求められた重心に対応する画素を注目
画素としたときの、最大値算出手段２６により抽出され
た最大値を採るときの終点に対応した画素を、方向線ご
とにそれぞれ特定し、この特定された各方向線上におけ
る終点に対応した画素を、その方向線の延びる方向にお
ける腫瘤陰影候補の辺縁点として設定する辺縁点設定手
段３１と、各方向線上で設定された辺縁点について互い
に隣接する辺縁点を動的輪郭抽出方法により所定の非線
形曲線で連結し、この連結した所定の線で囲まれた範囲
を、腫瘤陰影候補として抽出する輪郭抽出手段３２とを
備えた構成である。
とを比較し、この比較の結果、集中度の値Ｃが閾値Ｔ以
上であるときは、その注目画素が腫瘤陰影候補の領域内
に存在すると判定し、集中度の値Ｃが閾値Ｔ未満である
ときは、その注目画素が異常陰影候補の領域内に存在し
ないと判定する比較判定手段２８と、注目画素設定手段
２４が注目画素を順次代えて全画素について判定を行っ
た結果として、腫瘤陰影候補の領域内に存在すると判定
された画素によって構成される領域の重心を求める重心
算出手段２９と、求められた重心に対応する画素を注目
画素としたときの、最大値算出手段２６により抽出され
た最大値を採るときの終点に対応した画素を、方向線ご
とにそれぞれ特定し、この特定された各方向線上におけ
る終点に対応した画素を、その方向線の延びる方向にお
ける腫瘤陰影候補の辺縁点として設定する辺縁点設定手
段３１と、各方向線上で設定された辺縁点について互い
に隣接する辺縁点を動的輪郭抽出方法により所定の非線
形曲線で連結し、この連結した所定の線で囲まれた範囲
を、腫瘤陰影候補として抽出する輪郭抽出手段３２とを
備えた構成である。
【００８７】勾配ベクトル算出手段２１は、詳しくは例
えば図９に示した縦５画素×横５画素の大きさのマスク
の最外周部の画素の画像データ（画素値）を用いて、式
（１）にしたがって濃度勾配ベクトルの向きθを求め
る。
えば図９に示した縦５画素×横５画素の大きさのマスク
の最外周部の画素の画像データ（画素値）を用いて、式
（１）にしたがって濃度勾配ベクトルの向きθを求め
る。
【００８８】
【数１０】
【００８９】このマスクサイズは縦５画素×横５画素の
もの限るものではなく、種々の大きさのものを用いるこ
とができる。
もの限るものではなく、種々の大きさのものを用いるこ
とができる。
【００９０】検出サイズ設定手段２２による検出しよう
とする腫瘤陰影候補の最小の大きさ（半径Rmin）と最大
の大きさ（半径Rmax）の設定は、オペレータがこの検出
サイズ設定手段２２に付属する図示しないキーボード等
の入力手段から入力する方式であってもよいし、あるは
入力される画像の種別に応じて、予め内部に記憶された
サイズの中から適切なものを自動的に選択することによ
り設定してもよい。
とする腫瘤陰影候補の最小の大きさ（半径Rmin）と最大
の大きさ（半径Rmax）の設定は、オペレータがこの検出
サイズ設定手段２２に付属する図示しないキーボード等
の入力手段から入力する方式であってもよいし、あるは
入力される画像の種別に応じて、予め内部に記憶された
サイズの中から適切なものを自動的に選択することによ
り設定してもよい。
【００９１】方向線設定手段２３が設定する方向線の数
は、上記32本に限るものではないが、余りに多く設定す
ると計算処理に要する負担が急激に増大し、また少な過
ぎれば腫瘤陰影候補の輪郭形状を精度よく検出すること
ができないので、32本程度が好ましい。またこの方向線
間の角度間隔は等間隔とするのが計算処理等において都
合がよい。
は、上記32本に限るものではないが、余りに多く設定す
ると計算処理に要する負担が急激に増大し、また少な過
ぎれば腫瘤陰影候補の輪郭形状を精度よく検出すること
ができないので、32本程度が好ましい。またこの方向線
間の角度間隔は等間隔とするのが計算処理等において都
合がよい。
【００９２】最大値算出手段２６は、始点を注目画素と
するのに代えて、設定した腫瘤陰影候補の最小の大きさ
に応じた距離Rminにおける画素を始点としてもよい。
するのに代えて、設定した腫瘤陰影候補の最小の大きさ
に応じた距離Rminにおける画素を始点としてもよい。
【００９３】この場合、式（５）で表される、始点から
終点の範囲内にある方向線上の各画素の指標値cos θil
の平均値Ｃｉ（ｎ）は、式（５′）で表されるものとな
り、本発明の第２の異常陰影候補の検出装置の一実施形
態となる。
終点の範囲内にある方向線上の各画素の指標値cos θil
の平均値Ｃｉ（ｎ）は、式（５′）で表されるものとな
り、本発明の第２の異常陰影候補の検出装置の一実施形
態となる。
【００９４】
【数１１】
【００９５】比較判定手段２８において比較対象となる
閾値Ｔは、予め設定されたものであるが、この「予め」
とは、「最終的な比較を行うまでには」の意であり、本
実施形態においても、幾つかのレベルの異なる閾値が準
備されており、各レベルの閾値を試行的に適用して、検
出される腫瘤陰影候補の数が７個乃至10個となるような
レベルの閾値を最終的に採用するものであり、この最終
的に採用されたことをも含めた意味に用いる。
閾値Ｔは、予め設定されたものであるが、この「予め」
とは、「最終的な比較を行うまでには」の意であり、本
実施形態においても、幾つかのレベルの異なる閾値が準
備されており、各レベルの閾値を試行的に適用して、検
出される腫瘤陰影候補の数が７個乃至10個となるような
レベルの閾値を最終的に採用するものであり、この最終
的に採用されたことをも含めた意味に用いる。
【００９６】輪郭抽出手段３２による動的輪郭抽出方法
としては、既述したSNAKESモデルを適用する。
としては、既述したSNAKESモデルを適用する。
【００９７】このSNAKESモデルは、動的曲線のエネルギ
を定義することによりその曲線の状態を定量的に評価す
るものである。このエネルギは、動的曲線が対象の輪郭
に一致した場合に最も小さくなるように定義されるもの
であり、これにより、動的曲線の持つエネルギが最小と
なる安定状態を見つけることによって対象の輪郭を抽出
することが可能となる。またこのエネルギは、動的曲線
の状態に対応して定義される複数のエネルギの総和とし
て定義される。動的曲線の状態に対応して定義されるエ
ネルギとは、例えば、動的曲線自体の性質に基づいて定
義されるエネルギや、動的曲線が外部から受ける制約に
基づいて定義されるエネルギなどをいう。
を定義することによりその曲線の状態を定量的に評価す
るものである。このエネルギは、動的曲線が対象の輪郭
に一致した場合に最も小さくなるように定義されるもの
であり、これにより、動的曲線の持つエネルギが最小と
なる安定状態を見つけることによって対象の輪郭を抽出
することが可能となる。またこのエネルギは、動的曲線
の状態に対応して定義される複数のエネルギの総和とし
て定義される。動的曲線の状態に対応して定義されるエ
ネルギとは、例えば、動的曲線自体の性質に基づいて定
義されるエネルギや、動的曲線が外部から受ける制約に
基づいて定義されるエネルギなどをいう。
【００９８】動的曲線の持つエネルギＥsnakesは、一般
に、動的曲線上の点を動的曲線上の所定の点からの曲線
に沿った距離に対応する媒介変数ｓを用いて、 ｖ(s) ＝(x(s),y(s)) のように表記するものとして、次のような式で記述され
る。
に、動的曲線上の点を動的曲線上の所定の点からの曲線
に沿った距離に対応する媒介変数ｓを用いて、 ｖ(s) ＝(x(s),y(s)) のように表記するものとして、次のような式で記述され
る。
【００９９】
【数１２】
【０１００】内部エネルギＥint は、動的曲線自体の性
質を評価するものである。従来、この性質は「滑らか
さ」として評価されており、内部エネルギはスプライン
エネルギとも呼ばれている。内部エネルギは、動的曲線
が滑らかであるほど小さい値となるように規定されるも
のであるため、この内部エネルギが小さくなるように変
形を行えば、動的曲線はより滑らかになる。内部エネル
ギは、次のような式で記述される。
質を評価するものである。従来、この性質は「滑らか
さ」として評価されており、内部エネルギはスプライン
エネルギとも呼ばれている。内部エネルギは、動的曲線
が滑らかであるほど小さい値となるように規定されるも
のであるため、この内部エネルギが小さくなるように変
形を行えば、動的曲線はより滑らかになる。内部エネル
ギは、次のような式で記述される。
【０１０１】Ｅint ＝｛ｗsp1 ×｜ｖs (s) ｜2 ＋ｗ
sp2 ×｜ｖss(s) ｜2 ｝／２ （但し、 ｖs (s) ＝ dv(s)／ds，ｖss(s) ＝ d2 v(s)
／ds2 ，ｗsp1 ，ｗsp2 は各項の重み付けを表すパラメ
ータである） 画像エネルギＥimage は動的曲線が画像から受ける影響
を評価するものであり、従来から「濃度勾配」が利用さ
れている。これは、輪郭付近は他の部分に比べて濃度勾
配が急であることに着目したものである。画像エネルギ
は、濃度勾配が急なところほど小さくなるように規定さ
れており、これにより、動的曲線は変形とともに輪郭に
引き寄せられることとなる。画像エネルギは、次のよう
な式で記述される。
sp2 ×｜ｖss(s) ｜2 ｝／２ （但し、 ｖs (s) ＝ dv(s)／ds，ｖss(s) ＝ d2 v(s)
／ds2 ，ｗsp1 ，ｗsp2 は各項の重み付けを表すパラメ
ータである） 画像エネルギＥimage は動的曲線が画像から受ける影響
を評価するものであり、従来から「濃度勾配」が利用さ
れている。これは、輪郭付近は他の部分に比べて濃度勾
配が急であることに着目したものである。画像エネルギ
は、濃度勾配が急なところほど小さくなるように規定さ
れており、これにより、動的曲線は変形とともに輪郭に
引き寄せられることとなる。画像エネルギは、次のよう
な式で記述される。
【０１０２】Ｅimage ＝ｗgrad×｛−grad2 Ｉ(x,y) ｝ （但し、 Ｉ(x,y) は (x(s),y(s))における画像濃度，
ｗgradは重み付けを表すパラメータである） 外部エネルギＥext は、人の手により意図的に与えられ
る制約を評価するものであり、一般には各画像に特化し
たポテンシャル場などが用いられている。外部エネルギ
は、上記２つのエネルギと同様、エネルギが小さくなる
ように動的曲線を変形すれば輪郭に近づくように規定さ
れるものであるが、設計事項として任意に規定し得るも
のであり、汎用性を欠くため、外部エネルギは無視する
（Ｅext＝０）ものとする。
ｗgradは重み付けを表すパラメータである） 外部エネルギＥext は、人の手により意図的に与えられ
る制約を評価するものであり、一般には各画像に特化し
たポテンシャル場などが用いられている。外部エネルギ
は、上記２つのエネルギと同様、エネルギが小さくなる
ように動的曲線を変形すれば輪郭に近づくように規定さ
れるものであるが、設計事項として任意に規定し得るも
のであり、汎用性を欠くため、外部エネルギは無視する
（Ｅext＝０）ものとする。
【０１０３】具体的には、設定された辺縁点に対して、
求められた重心を中心とする半径Rmaxの円周上にｎ個の
ノード（node）を持つ初期SNAKESを定義し、収縮繰り返
し処理により収束するまで収縮を行い、収束したときの
nodeを結び、これにより異常陰影候補領域に含まれる画
素を抽出する。
求められた重心を中心とする半径Rmaxの円周上にｎ個の
ノード（node）を持つ初期SNAKESを定義し、収縮繰り返
し処理により収束するまで収縮を行い、収束したときの
nodeを結び、これにより異常陰影候補領域に含まれる画
素を抽出する。
【０１０４】次いで、本実施の形態の異常陰影候補検出
装置の作用について説明する。
装置の作用について説明する。
【０１０５】記憶手段２０から異常陰影候補検出装置１
０に入力された全体画像信号ＳＡ，ＳＢは、まず画像位
置合わせ手段１１に入力されて、図６に示すように双方
の全体画像の位置合わせがなされる。画像位置合わせ手
段１１において双方の全体画像の位置合わせが行われる
と、全体画像信号ＳＡのみが異常陰影候補領域検出手段
１２に入力されて異常陰影候補領域の検出がなされる。
０に入力された全体画像信号ＳＡ，ＳＢは、まず画像位
置合わせ手段１１に入力されて、図６に示すように双方
の全体画像の位置合わせがなされる。画像位置合わせ手
段１１において双方の全体画像の位置合わせが行われる
と、全体画像信号ＳＡのみが異常陰影候補領域検出手段
１２に入力されて異常陰影候補領域の検出がなされる。
【０１０６】異常陰影候補領域検出手段１２に入力され
た全体画像信号ＳＡは、まず勾配ベクトル算出手段２
１、注目画素設定手段２４および輪郭抽出手段３２に入
力され、勾配ベクトル算出手段２１は前述したように縦
５画素×横５画素の大きさのマスクの最外周部の画素の
画像データ（画素値）を用いて、全画素について濃度勾
配ベクトルの向きθを求める。求められた濃度勾配ベク
トルの向きθは指標値算出手段２５に入力される。
た全体画像信号ＳＡは、まず勾配ベクトル算出手段２
１、注目画素設定手段２４および輪郭抽出手段３２に入
力され、勾配ベクトル算出手段２１は前述したように縦
５画素×横５画素の大きさのマスクの最外周部の画素の
画像データ（画素値）を用いて、全画素について濃度勾
配ベクトルの向きθを求める。求められた濃度勾配ベク
トルの向きθは指標値算出手段２５に入力される。
【０１０７】一方、注目画素設定手段２４は、入力され
た全体画像信号ＳＡについて、その全画素のうち１つを
順次注目画素として設定し、設定した注目画素を方向線
設定手段２３に入力する。方向線設定手段２３は、注目
画素を中心として例えば11.25 度の等間隔で隣接する32
本の放射状の方向線を設定する。そしてこの設定された
方向線は指標値算出手段２５に入力される。
た全体画像信号ＳＡについて、その全画素のうち１つを
順次注目画素として設定し、設定した注目画素を方向線
設定手段２３に入力する。方向線設定手段２３は、注目
画素を中心として例えば11.25 度の等間隔で隣接する32
本の放射状の方向線を設定する。そしてこの設定された
方向線は指標値算出手段２５に入力される。
【０１０８】また、検出サイズ設定手段２２には、本異
常陰影候補領域検出手段１２により検出しようとする腫
瘤陰影候補の大きさの最大値（半径としてRmax）と最小
値（半径としてRmin）とがオペレータによって入力され
る。そしてこの入力された最大値Rmaxおよび最小値Rmin
も、指標値算出手段２５に入力される。
常陰影候補領域検出手段１２により検出しようとする腫
瘤陰影候補の大きさの最大値（半径としてRmax）と最小
値（半径としてRmin）とがオペレータによって入力され
る。そしてこの入力された最大値Rmaxおよび最小値Rmin
も、指標値算出手段２５に入力される。
【０１０９】指標値算出手段２５は、勾配ベクトル算出
手段２２から入力された勾配ベクトルの向きθが定義さ
れた、画像データと同じ２次元に配列された画素に、方
向線設定手段２３から入力された32本の方向線を重ね
て、この32本の方向線にそれぞれ重なる画素を抽出す
る。
手段２２から入力された勾配ベクトルの向きθが定義さ
れた、画像データと同じ２次元に配列された画素に、方
向線設定手段２３から入力された32本の方向線を重ね
て、この32本の方向線にそれぞれ重なる画素を抽出す
る。
【０１１０】さらに指標値算出手段２５は、各方向線ご
とに、注目画素から腫瘤陰影候補の最大の大きさに応じ
た距離Rmaxの範囲内にある方向線上の各画素について、
各画素に定義された勾配ベクトルの向きθとこの方向線
の延びる方向とのなす角度θil（32本の方向線のうち第
ｉ番目の方向線上における、注目画素から第ｌ（エル）
番目の画素の勾配ベクトルと、この第ｉ番目の方向線の
延びる方向とのなす角度を表す）に基づく指標値cos θ
ilをそれぞれ求める。
とに、注目画素から腫瘤陰影候補の最大の大きさに応じ
た距離Rmaxの範囲内にある方向線上の各画素について、
各画素に定義された勾配ベクトルの向きθとこの方向線
の延びる方向とのなす角度θil（32本の方向線のうち第
ｉ番目の方向線上における、注目画素から第ｌ（エル）
番目の画素の勾配ベクトルと、この第ｉ番目の方向線の
延びる方向とのなす角度を表す）に基づく指標値cos θ
ilをそれぞれ求める。
【０１１１】この求められた各方向線上における各画素
の指標値cos θilは最大値算出手段２６に入力される。
最大値算出手段２６は、注目画素を始点とし、終点を腫
瘤陰影候補の最小の大きさに応じた距離Rminから最大の
大きさに応じた距離Rmaxまで変化させて、始点から終点
の範囲内にある方向線上の各画素の指標値cos θilの平
均値Ｃｉ（ｎ）を、各方向線ごとに求めるとともに、こ
の平均値Ｃｉ（ｎ）の最大値Ｃimaxを抽出する。
の指標値cos θilは最大値算出手段２６に入力される。
最大値算出手段２６は、注目画素を始点とし、終点を腫
瘤陰影候補の最小の大きさに応じた距離Rminから最大の
大きさに応じた距離Rmaxまで変化させて、始点から終点
の範囲内にある方向線上の各画素の指標値cos θilの平
均値Ｃｉ（ｎ）を、各方向線ごとに求めるとともに、こ
の平均値Ｃｉ（ｎ）の最大値Ｃimaxを抽出する。
【０１１２】ここで、平均値Ｃｉ（ｎ）が最大値Ｃimax
を採るのは、終点の画素が腫瘤陰影Ｐ1 の辺縁にある場
合、すなわち、図１１（Ａ）に示すアイリスフィルタ処
理の出力値Ｉ1 （＝Ｃ）の分布における出力の立上り部
Ｇにある場合である。
を採るのは、終点の画素が腫瘤陰影Ｐ1 の辺縁にある場
合、すなわち、図１１（Ａ）に示すアイリスフィルタ処
理の出力値Ｉ1 （＝Ｃ）の分布における出力の立上り部
Ｇにある場合である。
【０１１３】このように各方向線ごとに求められた最大
値Ｃimaxは集中度算出手段２７に入力される。集中度算
出手段２７は入力された各方向線ごとに求められた最大
値Ｃimaxを加算平均して、その注目画素についての勾配
ベクトル群の集中度の値Ｃを算出する。算出された勾配
ベクトル群の集中度の値Ｃは比較判定手段２８に入力さ
れる。
値Ｃimaxは集中度算出手段２７に入力される。集中度算
出手段２７は入力された各方向線ごとに求められた最大
値Ｃimaxを加算平均して、その注目画素についての勾配
ベクトル群の集中度の値Ｃを算出する。算出された勾配
ベクトル群の集中度の値Ｃは比較判定手段２８に入力さ
れる。
【０１１４】以上の作用と同じ作用が、注目画素設定手
段２４が設定する注目画素を順次代えてなされ、入力さ
れたすべての画素についての上記集中度の値Ｃが比較判
定手段２８に入力される。
段２４が設定する注目画素を順次代えてなされ、入力さ
れたすべての画素についての上記集中度の値Ｃが比較判
定手段２８に入力される。
【０１１５】比較判定手段２８は、初期的に設定された
閾値Ｔと上記画素ごとの集中度の値Ｃとを比較し、Ｃ≧
Ｔであれば、その画素は腫瘤陰影候補の領域内に存在す
る画素であると判定し、Ｃ＜Ｔであれば、その画素は腫
瘤陰影候補の領域内に存在しない画素であると判定す
る。
閾値Ｔと上記画素ごとの集中度の値Ｃとを比較し、Ｃ≧
Ｔであれば、その画素は腫瘤陰影候補の領域内に存在す
る画素であると判定し、Ｃ＜Ｔであれば、その画素は腫
瘤陰影候補の領域内に存在しない画素であると判定す
る。
【０１１６】ここで初期的に設定された閾値Ｔは必ずし
も適切な値に設定されているとは限らない。すなわち閾
値Ｔが低過ぎれば、腫瘤陰影Ｐ1 の領域内ではなく、乳
腺の陰影Ｐ2 の領域内（アイリスフィルタ処理の出力値
Ｉ2 ）に存在しているにすぎない画素であっても、腫瘤
陰影Ｐ1 の領域内に存在すると判定される場合もある。
も適切な値に設定されているとは限らない。すなわち閾
値Ｔが低過ぎれば、腫瘤陰影Ｐ1 の領域内ではなく、乳
腺の陰影Ｐ2 の領域内（アイリスフィルタ処理の出力値
Ｉ2 ）に存在しているにすぎない画素であっても、腫瘤
陰影Ｐ1 の領域内に存在すると判定される場合もある。
【０１１７】そこで比較判定手段２８は、腫瘤陰影候補
の領域内に存在する画素であると判定した画素によって
構成される領域の数が７個乃至10個となるように、閾値
を調整するようにしている。そしてこのように調整され
た後の閾値Ｔによって腫瘤陰影候補の領域内に存在する
画素であると判定した画素によって構成される領域を重
心算出手段２９に入力する。
の領域内に存在する画素であると判定した画素によって
構成される領域の数が７個乃至10個となるように、閾値
を調整するようにしている。そしてこのように調整され
た後の閾値Ｔによって腫瘤陰影候補の領域内に存在する
画素であると判定した画素によって構成される領域を重
心算出手段２９に入力する。
【０１１８】ここで上記領域の数が７個乃至10個となる
ように設定された閾値が図１１（Ｂ）に示すようにＴ２
であった場合、腫瘤陰影Ｐ1 の集中度Ｃ（＝Ｉ）のうち
２つの頂部がそれぞれ閾値Ｔ２により各別に切り取ら
れ、破線で示す本来の領域が２つの領域Ａ１、Ａ２の２
つの領域として抽出される。
ように設定された閾値が図１１（Ｂ）に示すようにＴ２
であった場合、腫瘤陰影Ｐ1 の集中度Ｃ（＝Ｉ）のうち
２つの頂部がそれぞれ閾値Ｔ２により各別に切り取ら
れ、破線で示す本来の領域が２つの領域Ａ１、Ａ２の２
つの領域として抽出される。
【０１１９】そしてこのように検出された７個乃至10個
の領域に対して重心算出手段２９は、それらの各重心点
を求める。例えば領域Ａ１についてその重心ａ１を求
め、領域Ａ２についてその重心ａ２を求める。他の５個
乃至８個の腫瘤陰影（異常陰影）候補領域についてもそ
れぞれ重心が求められる。
の領域に対して重心算出手段２９は、それらの各重心点
を求める。例えば領域Ａ１についてその重心ａ１を求
め、領域Ａ２についてその重心ａ２を求める。他の５個
乃至８個の腫瘤陰影（異常陰影）候補領域についてもそ
れぞれ重心が求められる。
【０１２０】求められた重心は辺縁点設定手段３１に入
力される。辺縁点設定手段３１は入力された重心を注目
画素としたときの、最大値算出手段２６が求めた各方向
線ごとの平均値Ｃｉ（ｎ）が最大値Ｃimaxを採ったとき
の各方向線ごとの終点の画素を、最大値算出手段２６か
ら受ける。
力される。辺縁点設定手段３１は入力された重心を注目
画素としたときの、最大値算出手段２６が求めた各方向
線ごとの平均値Ｃｉ（ｎ）が最大値Ｃimaxを採ったとき
の各方向線ごとの終点の画素を、最大値算出手段２６か
ら受ける。
【０１２１】既述したように、各方向線ごとの平均値Ｃ
ｉ（ｎ）が最大値Ｃimaxを採ったときの各方向線ごとの
終点の画素は、腫瘤陰影候補の辺縁を示すため、図１１
（Ｂ）に示すように、領域Ａ１についてその重心ａ１を
注目画素としたときの、各方向線ごとの平均値Ｃｉ
（ｎ）が最大値Ｃimaxを採ったときの各方向線ごとの終
点の画素ｂ１，ｂ２，…，ｂ32は腫瘤陰影Ｐ1 の本来の
辺縁上に並び、また領域Ａ２についてその重心ａ２を注
目画素としたときの、各方向線ごとの平均値Ｃｉ（ｎ）
が最大値Ｃimaxを採ったときの各方向線ごとの終点の画
素ｃ１，ｃ２，…，ｃ32も腫瘤陰影Ｐ1 の本来の辺縁上
に並ぶ（図１１（Ｃ）参照）。
ｉ（ｎ）が最大値Ｃimaxを採ったときの各方向線ごとの
終点の画素は、腫瘤陰影候補の辺縁を示すため、図１１
（Ｂ）に示すように、領域Ａ１についてその重心ａ１を
注目画素としたときの、各方向線ごとの平均値Ｃｉ
（ｎ）が最大値Ｃimaxを採ったときの各方向線ごとの終
点の画素ｂ１，ｂ２，…，ｂ32は腫瘤陰影Ｐ1 の本来の
辺縁上に並び、また領域Ａ２についてその重心ａ２を注
目画素としたときの、各方向線ごとの平均値Ｃｉ（ｎ）
が最大値Ｃimaxを採ったときの各方向線ごとの終点の画
素ｃ１，ｃ２，…，ｃ32も腫瘤陰影Ｐ1 の本来の辺縁上
に並ぶ（図１１（Ｃ）参照）。
【０１２２】このようにして各腫瘤陰影候補の辺縁上に
並んだ画素（辺縁点）に対して、輪郭抽出手段３２が図
１２（Ａ）に示すように、求められた重心を中心とする
半径Rmaxの円周上にｎ個のノード（node）を持つ初期SN
AKESを定義し、同図（Ｂ）に示すように収縮繰り返し処
理により、その動きが収束するまで収縮を行い、収束し
たとき（同図（Ｃ））のnodeを結び、この連結した所定
の線で囲まれた範囲を腫瘤陰影候補の領域として抽出す
る。
並んだ画素（辺縁点）に対して、輪郭抽出手段３２が図
１２（Ａ）に示すように、求められた重心を中心とする
半径Rmaxの円周上にｎ個のノード（node）を持つ初期SN
AKESを定義し、同図（Ｂ）に示すように収縮繰り返し処
理により、その動きが収束するまで収縮を行い、収束し
たとき（同図（Ｃ））のnodeを結び、この連結した所定
の線で囲まれた範囲を腫瘤陰影候補の領域として抽出す
る。
【０１２３】なお、上述した実施形態においては、最大
値算出手段２６が始点として設定するのは注目画素であ
るが、この始点として注目画素に代えて、検出しようと
する腫瘤陰影候補の最小の大きさに応じた距離Rminにお
ける画素としてもよい。
値算出手段２６が始点として設定するのは注目画素であ
るが、この始点として注目画素に代えて、検出しようと
する腫瘤陰影候補の最小の大きさに応じた距離Rminにお
ける画素としてもよい。
【０１２４】次いで、領域設定手段１３において、異常
陰影候補領域検出手段１２において検出された異常陰影
候補のＣＣ（Ｒ）画像（全体画像信号ＳＡにより表され
る）上における存在領域に対応するＣＣ（Ｌ）画像（全
体画像信号ＳＢにより表される）上における領域を設定
する。ここで、ＣＣ（Ｒ）画像とＣＣ（Ｌ）画像とは図
６に示すように位置合わせがなされているため、ＣＣ
（Ｒ）画像における異常陰影候補の存在領域内の画素の
座標を（ｘ１，ｙ１）とすると、この存在領域内の画素
に対応するＣＣ（Ｌ）画像における画素の座標値は（−
ｘ１，ｙ１）となる。したがって、各画像の境界線を対
称軸としてＣＣ（Ｒ）画像において検出された領域の座
標をＣＣ（Ｌ）画像上に容易に設定することができる。
陰影候補領域検出手段１２において検出された異常陰影
候補のＣＣ（Ｒ）画像（全体画像信号ＳＡにより表され
る）上における存在領域に対応するＣＣ（Ｌ）画像（全
体画像信号ＳＢにより表される）上における領域を設定
する。ここで、ＣＣ（Ｒ）画像とＣＣ（Ｌ）画像とは図
６に示すように位置合わせがなされているため、ＣＣ
（Ｒ）画像における異常陰影候補の存在領域内の画素の
座標を（ｘ１，ｙ１）とすると、この存在領域内の画素
に対応するＣＣ（Ｌ）画像における画素の座標値は（−
ｘ１，ｙ１）となる。したがって、各画像の境界線を対
称軸としてＣＣ（Ｒ）画像において検出された領域の座
標をＣＣ（Ｌ）画像上に容易に設定することができる。
【０１２５】一方、記憶手段２０から異常陰影候補検出
装置１０に入力された各全体画像信号ＳＡ，ＳＢは、ア
イリスフィルタ処理手段１４にも入力される。
装置１０に入力された各全体画像信号ＳＡ，ＳＢは、ア
イリスフィルタ処理手段１４にも入力される。
【０１２６】ここでアイリスフィルタ処理手段１４は、
入力された各全体画像信号ＳＡ，ＳＢに対して、領域設
定手段１３において設定された領域内において、それぞ
れ１画素ずつ注目画素を代えて、上記式（６）にしたが
った濃度勾配ベクトルの集中度の最大値Ｃimaxを求め、
さらに上記式（７）にしたがって、異常陰影の注目画素
から放射状に延びる複数の方向線について最大値Ｃimax
の平均値を求め、得られた平均値をアイリスフィルタ処
理手段１４の出力値ＩＡ，ＩＢとして出力する。
入力された各全体画像信号ＳＡ，ＳＢに対して、領域設
定手段１３において設定された領域内において、それぞ
れ１画素ずつ注目画素を代えて、上記式（６）にしたが
った濃度勾配ベクトルの集中度の最大値Ｃimaxを求め、
さらに上記式（７）にしたがって、異常陰影の注目画素
から放射状に延びる複数の方向線について最大値Ｃimax
の平均値を求め、得られた平均値をアイリスフィルタ処
理手段１４の出力値ＩＡ，ＩＢとして出力する。
【０１２７】アイリスフィルタ処理手段１４から出力さ
れた出力値ＩＡ，ＩＢは差分値算出手段１５に入力され
て、下記の式（９）に示すように領域設定手段１３にお
いて設定された領域内の各画素について、出力値ＩＡ，
ＩＢの差分値ΔＩが算出される。
れた出力値ＩＡ，ＩＢは差分値算出手段１５に入力され
て、下記の式（９）に示すように領域設定手段１３にお
いて設定された領域内の各画素について、出力値ＩＡ，
ＩＢの差分値ΔＩが算出される。
【０１２８】 ΔＩ＝ＩＡ−ＩＢ （９） ここで、ΔＩが０以下である場合には、左右の乳房画像
の同一箇所に同様の出力値ＩＡ，ＩＢを有する領域が存
在することとなる。左右の乳房の画像においては、同時
に同一箇所に腫瘤が発生することが極めて少ないため、
ΔＩが０以下である場合には、この領域に存在する異常
陰影候補は疑似異常陰影候補である可能性が非常に高い
ものである。したがって、ΔＩが０以下となった場合に
は、この領域を疑似異常陰影候補見なしてキャンセルす
る。一方、ΔＩが０より大きい場合には、その領域内に
おけるΔＩを下記の式（１０）により正規化して差分値
ΔＩ′として比較手段１８に入力する。
の同一箇所に同様の出力値ＩＡ，ＩＢを有する領域が存
在することとなる。左右の乳房の画像においては、同時
に同一箇所に腫瘤が発生することが極めて少ないため、
ΔＩが０以下である場合には、この領域に存在する異常
陰影候補は疑似異常陰影候補である可能性が非常に高い
ものである。したがって、ΔＩが０以下となった場合に
は、この領域を疑似異常陰影候補見なしてキャンセルす
る。一方、ΔＩが０より大きい場合には、その領域内に
おけるΔＩを下記の式（１０）により正規化して差分値
ΔＩ′として比較手段１８に入力する。
【０１２９】 ΔＩ′＝Σ｜ΔＩ｜／（領域面積） もしくは （１０） ΔＩ′＝ΣΔＩ2 ／（領域面積） 一方、評価関数算出手段１６においては、全体画像信号
ＳＡに基づいて、異常陰影候補領域検出手段１２におい
て検出された異常陰影候補の悪性度が検出される。
ＳＡに基づいて、異常陰影候補領域検出手段１２におい
て検出された異常陰影候補の悪性度が検出される。
【０１３０】図１３は評価関数算出手段１６における悪
性度の検出方法を示すフローチャートである。まず、ス
テップＳ１において、異常陰影候補領域検出手段１２に
おいて検出された異常陰影候補の領域についてその近傍
をも含む画像部分を例えば正方形の領域として抽出す
る。そして、ステップＳ２において、この抽出した異常
陰影候補を含む領域について、アイリスフィルタ処理を
利用した辺縁（輪郭）エッジ画像を作成する。具体的な
手法を以下に説明する。
性度の検出方法を示すフローチャートである。まず、ス
テップＳ１において、異常陰影候補領域検出手段１２に
おいて検出された異常陰影候補の領域についてその近傍
をも含む画像部分を例えば正方形の領域として抽出す
る。そして、ステップＳ２において、この抽出した異常
陰影候補を含む領域について、アイリスフィルタ処理を
利用した辺縁（輪郭）エッジ画像を作成する。具体的な
手法を以下に説明する。
【０１３１】すなわち、アイリスフィルタの処理におい
て、上記式（６）において、注目画素から放射状に伸び
るｉ番目の線上において集中度Ｃi （ｎ）の最大値を与
える点の位置を求める。但し、上記式（５）（または式
（５′））、（６）においては最大値を与えるｎの値を
Ｒmin 以上Ｒmax 以下としているが、このステップ２の
処理ではこの制限を設けない。
て、上記式（６）において、注目画素から放射状に伸び
るｉ番目の線上において集中度Ｃi （ｎ）の最大値を与
える点の位置を求める。但し、上記式（５）（または式
（５′））、（６）においては最大値を与えるｎの値を
Ｒmin 以上Ｒmax 以下としているが、このステップ２の
処理ではこの制限を設けない。
【０１３２】この結果、図１４に示すように注目画素が
異常陰影候補Ｐ1 の内部にある場合には、式（６）が最
大値を採るときのｎは、そのｉ番目の線が異常陰影候補
Ｐ1の辺縁Ｂと交差する画素を指示する。例えば図１４
の注目画素１については画素Ｂ1 ，Ｂ2 ，Ｂ3 ，Ｂ4 を
指示し、注目画素２については画素Ｂ2 ，Ｂ5 ，Ｂ6，
Ｂ7 を指示する。
異常陰影候補Ｐ1 の内部にある場合には、式（６）が最
大値を採るときのｎは、そのｉ番目の線が異常陰影候補
Ｐ1の辺縁Ｂと交差する画素を指示する。例えば図１４
の注目画素１については画素Ｂ1 ，Ｂ2 ，Ｂ3 ，Ｂ4 を
指示し、注目画素２については画素Ｂ2 ，Ｂ5 ，Ｂ6，
Ｂ7 を指示する。
【０１３３】一方、注目画素が異常陰影候補Ｐ1 の外部
にある場合には、式（６）が最大値を採るのは、その注
目画素自身を指示するときである。すなわち、異常陰影
候補Ｐ1 の外部にある注目画素３については、注目画素
３自身を指示する場合に式（６）の値が最大となる。こ
のように、抽出した異常陰影を含む領域の全画素につい
て順次注目画素とし、式（６）が最大値を採る画素をカ
ウントしていく。これを図示すると図１５に示す模式図
のようになる。
にある場合には、式（６）が最大値を採るのは、その注
目画素自身を指示するときである。すなわち、異常陰影
候補Ｐ1 の外部にある注目画素３については、注目画素
３自身を指示する場合に式（６）の値が最大となる。こ
のように、抽出した異常陰影を含む領域の全画素につい
て順次注目画素とし、式（６）が最大値を採る画素をカ
ウントしていく。これを図示すると図１５に示す模式図
のようになる。
【０１３４】すなわち、異常陰影候補Ｐ1 の外部の画素
についてのカウント値はすべて「１」となり、異常陰影
候補Ｐ1 の内部の画素についてのカウント値はすべて
「０」となり、異常陰影候補Ｐ1 の辺縁Ｂ上の画素につ
いてのカウント値はすべて１以上の値となる画像が得ら
れ、このカウント値の画像をＩＦＥＤ（Iris Filter Ed
ge）画像と定義し、このＩＦＥＤ画像を作成する処理ま
でがステップ２の処理である。
についてのカウント値はすべて「１」となり、異常陰影
候補Ｐ1 の内部の画素についてのカウント値はすべて
「０」となり、異常陰影候補Ｐ1 の辺縁Ｂ上の画素につ
いてのカウント値はすべて１以上の値となる画像が得ら
れ、このカウント値の画像をＩＦＥＤ（Iris Filter Ed
ge）画像と定義し、このＩＦＥＤ画像を作成する処理ま
でがステップ２の処理である。
【０１３５】ステップ３ではこのＩＦＥＤ画像につい
て、以下の処理を施す。
て、以下の処理を施す。
【０１３６】すなわち、図１６に示すように、異常陰影
候補Ｐ1 の重心点ＡＯを求め、この重心点ＡＯから放射
状の線を延ばし、この線上の任意の点をｉとし、この線
に垂直であってｉ点から２画素分だけ離間した点をｊと
する。このｉ点のＩＦＥＤ画像におけるカウント値とｊ
点のカウント値とを図１７に示すようなマトリクスにカ
ウントアップする。具体的には、ｉ点が異常陰影候補Ｐ
1 ，Ｐ3 の外部にある場合は、ｉ点のＩＦＥＤ画像にお
けるカウント値は「１」であり、そのときｊ点も異常陰
影候補Ｐ1 の外部にあればｊ点のカウント値も「１」と
なり、この場合図１７のマトリクスには、縦方向ｉの
「１」と横方向ｊの「１」とが交差する欄に「１」がカ
ウントされる。
候補Ｐ1 の重心点ＡＯを求め、この重心点ＡＯから放射
状の線を延ばし、この線上の任意の点をｉとし、この線
に垂直であってｉ点から２画素分だけ離間した点をｊと
する。このｉ点のＩＦＥＤ画像におけるカウント値とｊ
点のカウント値とを図１７に示すようなマトリクスにカ
ウントアップする。具体的には、ｉ点が異常陰影候補Ｐ
1 ，Ｐ3 の外部にある場合は、ｉ点のＩＦＥＤ画像にお
けるカウント値は「１」であり、そのときｊ点も異常陰
影候補Ｐ1 の外部にあればｊ点のカウント値も「１」と
なり、この場合図１７のマトリクスには、縦方向ｉの
「１」と横方向ｊの「１」とが交差する欄に「１」がカ
ウントされる。
【０１３７】一方ｉ点が異常陰影候補Ｐ1 の内部にあ
り、かつｊ点も異常陰影候補Ｐ1 の内部にある場合は、
ｉ点、ｊ点ともにカウント値は０であるので、縦方向ｉ
の「０」と横方向ｊの「０」とが交差する欄に「１」を
カウントする。
り、かつｊ点も異常陰影候補Ｐ1 の内部にある場合は、
ｉ点、ｊ点ともにカウント値は０であるので、縦方向ｉ
の「０」と横方向ｊの「０」とが交差する欄に「１」を
カウントする。
【０１３８】さらにｉ点が異常陰影候補Ｐ1 の辺縁Ｂに
あり、ｊ点も異常陰影候補Ｐ1 も辺縁Ｂにある場合は、
例えばｉ点のカウント値が「５」で、ｊ点のカウント値
が「３」である場合は、縦方向ｉの「５」と横方向ｊの
「３」とが交差する欄に「１」をカウントする。このマ
トリクスにカウントアップするカウント値は累積するも
のである。すなわち再度、カウント値が「５」のｉ点、
カウント値が「３」のｊ点を走査した場合には、マトリ
クスの縦方向ｉの「５」と横方向ｊの「３」とが交差す
る欄には元の「１」に「１」を加算した「２」が格納さ
れる。
あり、ｊ点も異常陰影候補Ｐ1 も辺縁Ｂにある場合は、
例えばｉ点のカウント値が「５」で、ｊ点のカウント値
が「３」である場合は、縦方向ｉの「５」と横方向ｊの
「３」とが交差する欄に「１」をカウントする。このマ
トリクスにカウントアップするカウント値は累積するも
のである。すなわち再度、カウント値が「５」のｉ点、
カウント値が「３」のｊ点を走査した場合には、マトリ
クスの縦方向ｉの「５」と横方向ｊの「３」とが交差す
る欄には元の「１」に「１」を加算した「２」が格納さ
れる。
【０１３９】ｉ点はＩＦＥＤ画像の任意の点であるか
ら、ＩＦＥＤ画像のすべての画素がｉ点となるように放
射状の線を走査し、ｉ点をその線上で走査することによ
って、このＩＦＥＤ画像の図１７に示すマトリクスを完
成させる。このマトリクス（同時生成行列または同時生
起行列という）Ｐg （ｘ，ｙ）を完成するまでの処理が
ステップ３の処理である。
ら、ＩＦＥＤ画像のすべての画素がｉ点となるように放
射状の線を走査し、ｉ点をその線上で走査することによ
って、このＩＦＥＤ画像の図１７に示すマトリクスを完
成させる。このマトリクス（同時生成行列または同時生
起行列という）Ｐg （ｘ，ｙ）を完成するまでの処理が
ステップ３の処理である。
【０１４０】ここで異常陰影候補が図１８（Ｂ）に示す
腫瘤陰影Ｐ1 である場合は、腫瘤陰影Ｐ1 の辺縁が略円
形であるという腫瘤陰影の形状的特性、およびｉ点とｊ
点とは極めて近接しているという事実から、ｉ点が辺縁
にある（ＩＦＥＤ画像のカウント値が１以上の大きな値
を有する）場合は、ｊ点も辺縁にある（ＩＦＥＤ画像の
カウント値が１以上の大きな値を有する）可能性が極め
て高い。
腫瘤陰影Ｐ1 である場合は、腫瘤陰影Ｐ1 の辺縁が略円
形であるという腫瘤陰影の形状的特性、およびｉ点とｊ
点とは極めて近接しているという事実から、ｉ点が辺縁
にある（ＩＦＥＤ画像のカウント値が１以上の大きな値
を有する）場合は、ｊ点も辺縁にある（ＩＦＥＤ画像の
カウント値が１以上の大きな値を有する）可能性が極め
て高い。
【０１４１】一方、異常陰影候補が図１８（Ｄ）に示す
擬似異常陰影Ｐ3 である場合は、前述の２本の血管同士
の交差部分のように擬似異常陰影Ｐ3 が円形の辺縁を有
するのは極めて希であるため、ｉ点とｊ点とが近接して
いても、ｉ点が辺縁にあるからといって、ｊ点も辺縁に
あるとは限らず、むしろｊ点は辺縁にある可能性は極め
て低いことになる。
擬似異常陰影Ｐ3 である場合は、前述の２本の血管同士
の交差部分のように擬似異常陰影Ｐ3 が円形の辺縁を有
するのは極めて希であるため、ｉ点とｊ点とが近接して
いても、ｉ点が辺縁にあるからといって、ｊ点も辺縁に
あるとは限らず、むしろｊ点は辺縁にある可能性は極め
て低いことになる。
【０１４２】したがって、同時生成行列Ｐg （ｘ，ｙ）
の特性値も、異常陰影候補が腫瘤陰影Ｐ1 であるか擬似
異常陰影Ｐ3 であるかに応じて明らかに有為差が認めら
れる。この同時生成行列の特性値がエッジ情報であり、
このエッジ情報の具体的なものとして、同時生成行列に
ついての(1) 分散を示す第１の指標値var （式（１
１））、(2) 偏り（difference entropy）を示す第２の
指標値dfe （式（１２））、(3) 相関値（correlation
）を示す第３の指標値cor （式（１３））、モーメン
ト（inverse difference moment ）を示す第４の指標値
idm （式（１４））、エントロピー（sum entropy ）を
示す第５の指標値se（式（１５））をそれぞれ求める
（ステップＳ４）。
の特性値も、異常陰影候補が腫瘤陰影Ｐ1 であるか擬似
異常陰影Ｐ3 であるかに応じて明らかに有為差が認めら
れる。この同時生成行列の特性値がエッジ情報であり、
このエッジ情報の具体的なものとして、同時生成行列に
ついての(1) 分散を示す第１の指標値var （式（１
１））、(2) 偏り（difference entropy）を示す第２の
指標値dfe （式（１２））、(3) 相関値（correlation
）を示す第３の指標値cor （式（１３））、モーメン
ト（inverse difference moment ）を示す第４の指標値
idm （式（１４））、エントロピー（sum entropy ）を
示す第５の指標値se（式（１５））をそれぞれ求める
（ステップＳ４）。
【０１４３】
【数１３】
【０１４４】第１の指標値var 、第２の指標値dfe 、第
３の指標値cor および第５の指標値seはいずれも、同時
生成行列について、腫瘤陰影Ｐ1 では比較的大きな値を
示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では小さ
な値を示す指標値である。第４の指標値idm は、同時生
成行列について腫瘤陰影Ｐ1 では比較的小さな値を示
し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では大きい
値を示す指標値である。
３の指標値cor および第５の指標値seはいずれも、同時
生成行列について、腫瘤陰影Ｐ1 では比較的大きな値を
示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では小さ
な値を示す指標値である。第４の指標値idm は、同時生
成行列について腫瘤陰影Ｐ1 では比較的小さな値を示
し、一方、乳腺や血管等の疑似異常陰影Ｐ3 では大きい
値を示す指標値である。
【０１４５】さらに、これらの指標値をある重み関数で
定義した新たな１つの評価関数値として定義する。ここ
で、任意の数の特徴量をある重み関数で定義した新たな
１つの評価関数値として算出する具体的実施形態につい
て説明する。
定義した新たな１つの評価関数値として定義する。ここ
で、任意の数の特徴量をある重み関数で定義した新たな
１つの評価関数値として算出する具体的実施形態につい
て説明する。
【０１４６】このような重み関数で定義した評価関数値
としては前述したように、マハラノビス距離やフィッシ
ャーの識別関数を適用するのが望ましい。
としては前述したように、マハラノビス距離やフィッシ
ャーの識別関数を適用するのが望ましい。
【０１４７】ステップＳ５では、これらの５つの指標値
を互いに異なる５次元（ｘ１，ｘ２，ｘ３，ｘ４，ｘ
５）の軸に当てはめ（var ＝ｘ１，dfe ＝ｘ２，cor ＝
ｘ３，idm ＝ｘ４，se＝ｘ５）、これら５次の要素から
なるベクトルｘを設定する。
を互いに異なる５次元（ｘ１，ｘ２，ｘ３，ｘ４，ｘ
５）の軸に当てはめ（var ＝ｘ１，dfe ＝ｘ２，cor ＝
ｘ３，idm ＝ｘ４，se＝ｘ５）、これら５次の要素から
なるベクトルｘを設定する。
【０１４８】次に、ステップＳ６では式（８）にしたが
って、正常陰影のパターンとのマハラノビス距離Ｄｍ1
および異常陰影のパターンとのマハラノビス距離Ｄｍ2
を算出する。
って、正常陰影のパターンとのマハラノビス距離Ｄｍ1
および異常陰影のパターンとのマハラノビス距離Ｄｍ2
を算出する。
【０１４９】
【数１４】
【０１５０】ここで正常陰影のパターン、異常陰影のパ
ターンとは、予め多数の異常陰影候補について実験的に
調査した結果に基づいて設定された、正常陰影ごとまた
は異常陰影ごとのベクトルｘで定義されるパターン空間
を意味する。例えば、それぞれ、正常陰影とされるもの
についての上記ベクトルｘの平均で形成されるパターン
クラスｗ1 、異常陰影とされるものについての上記ベク
トルｘの平均で形成されるパターンクラスｗ2 で示され
る。
ターンとは、予め多数の異常陰影候補について実験的に
調査した結果に基づいて設定された、正常陰影ごとまた
は異常陰影ごとのベクトルｘで定義されるパターン空間
を意味する。例えば、それぞれ、正常陰影とされるもの
についての上記ベクトルｘの平均で形成されるパターン
クラスｗ1 、異常陰影とされるものについての上記ベク
トルｘの平均で形成されるパターンクラスｗ2 で示され
る。
【０１５１】このように、予め設定された正常陰影パタ
ーンおよび異常陰影パターンと判定対象である異常陰影
候補のパターン（上記ベクトルｘ）との間の各マハラノ
ビス距離をそれぞれ求め、ステップＳ７で、この正常陰
影のパターンクラスとのマハラノビス距離Ｄｍ1 と、異
常陰影のパターンクラスとのマハラノビス距離Ｄｍ２と
の比ｃｏｎｆ（Ｄｍ１／Ｄｍ２）を算出する。そして、
この算出された比confが悪性度を示す評価関数値として
比較手段１８に入力される。
ーンおよび異常陰影パターンと判定対象である異常陰影
候補のパターン（上記ベクトルｘ）との間の各マハラノ
ビス距離をそれぞれ求め、ステップＳ７で、この正常陰
影のパターンクラスとのマハラノビス距離Ｄｍ1 と、異
常陰影のパターンクラスとのマハラノビス距離Ｄｍ２と
の比ｃｏｎｆ（Ｄｍ１／Ｄｍ２）を算出する。そして、
この算出された比confが悪性度を示す評価関数値として
比較手段１８に入力される。
【０１５２】比較手段１８においては、上述した比conf
により差分値ΔＩが重み付けされこの重み付けされた差
分値ΔＩ′×confがメモリ１７に記憶された閾値Ｔ０よ
りも大きいか否かが判断される。そして比ΔＩ′×conf
が閾値Ｔ０よりも大きい場合は、そのその陰影は腫瘤陰
影を表す確定的な異常陰影候補であると判定し、比Δ
Ｉ′×confが閾値Ｔ０以下である場合はその陰影は腫瘤
陰影でない、すなわち疑似異常陰影候補であると判定す
る。
により差分値ΔＩが重み付けされこの重み付けされた差
分値ΔＩ′×confがメモリ１７に記憶された閾値Ｔ０よ
りも大きいか否かが判断される。そして比ΔＩ′×conf
が閾値Ｔ０よりも大きい場合は、そのその陰影は腫瘤陰
影を表す確定的な異常陰影候補であると判定し、比Δ
Ｉ′×confが閾値Ｔ０以下である場合はその陰影は腫瘤
陰影でない、すなわち疑似異常陰影候補であると判定す
る。
【０１５３】このように、異常陰影候補検出手段１０に
より的確に抽出された異常陰影候補を表す画像信号は局
所画像処理手段４０に入力されて腫瘤陰影を観察するの
に最適な強調処理がなされて表示手段５０に入力され
る。
より的確に抽出された異常陰影候補を表す画像信号は局
所画像処理手段４０に入力されて腫瘤陰影を観察するの
に最適な強調処理がなされて表示手段５０に入力され
る。
【０１５４】一方、全体画像処理手段３０により階調処
理、周波数処理等の、全体画像を観察するのに適した画
像処理が施された全体画像信号も表示手段５０に入力さ
れ、表示手段５０は、全体画像を表示しつつこの全体画
像のうち腫瘤陰影候補の画像部分だけは局所画像処理手
段４０により画像処理された腫瘤陰影候補の画像に置き
換えて表示し、医師等の画像観察読影者による腫瘤陰影
の診断に供される。
理、周波数処理等の、全体画像を観察するのに適した画
像処理が施された全体画像信号も表示手段５０に入力さ
れ、表示手段５０は、全体画像を表示しつつこの全体画
像のうち腫瘤陰影候補の画像部分だけは局所画像処理手
段４０により画像処理された腫瘤陰影候補の画像に置き
換えて表示し、医師等の画像観察読影者による腫瘤陰影
の診断に供される。
【０１５５】このように、本実施の形態においては、左
右の乳房において、同一箇所に同時に腫瘤が発生する確
率は極めて低いため、一方の乳房の放射線画像において
検出された異常陰影候補は、他方の乳房の放射線画像に
存在する確率は非常に低い、という前提でなされたもの
であり、左右の乳房の放射線画像において、同一箇所に
異常陰影候補が存在する場合には、この異常陰影候補を
疑似異常陰影候補と見なすようにしたため、最終的に検
出される異常陰影候補は真の異常陰影である確率が非常
に高くなり、これにより異常陰影を的確に検出すること
ができる。
右の乳房において、同一箇所に同時に腫瘤が発生する確
率は極めて低いため、一方の乳房の放射線画像において
検出された異常陰影候補は、他方の乳房の放射線画像に
存在する確率は非常に低い、という前提でなされたもの
であり、左右の乳房の放射線画像において、同一箇所に
異常陰影候補が存在する場合には、この異常陰影候補を
疑似異常陰影候補と見なすようにしたため、最終的に検
出される異常陰影候補は真の異常陰影である確率が非常
に高くなり、これにより異常陰影を的確に検出すること
ができる。
【０１５６】ここで、２２１画像を含むデータベースに
おいて、本発明による検出方法を適用した結果と従来の
検出方法を適用した結果とを表１に示す。
おいて、本発明による検出方法を適用した結果と従来の
検出方法を適用した結果とを表１に示す。
【０１５７】
【表１】
【０１５８】これによれば、正常画像（ＴＰ）の正判定
率は従来のものと同様に９４％となり、比較的良好な結
果が得られるが、誤判定率（ＦＰ）は従来の一画像当た
り１．３個と比較して一画像当たり０．５３個となり、
従来のものと比較して１／３程度のものとなっている。
したがって、従来のものと比較して誤判定率の少ない良
好な結果を得ることができる。
率は従来のものと同様に９４％となり、比較的良好な結
果が得られるが、誤判定率（ＦＰ）は従来の一画像当た
り１．３個と比較して一画像当たり０．５３個となり、
従来のものと比較して１／３程度のものとなっている。
したがって、従来のものと比較して誤判定率の少ない良
好な結果を得ることができる。
【０１５９】なお、上記実施の形態においては、比較手
段１８において、差分値ΔＩを評価関数算出手段１６に
おいて算出された比confにより重み付けしているが、差
分値ΔＩを予め定められた所定の閾値と比較することに
より、異常陰影候補が真の異常陰影であるか否かを判定
するようにしてもよい。すなわち、上記閾値Ｔ０とは別
個の閾値Ｔ０′をメモリ１７に記憶しておき、差分値Δ
Ｉをこの閾値Ｔ０′と比較し、差分値ΔＩが閾値Ｔ０′
より大きい場合には、異常陰影候補を真の異常陰影と判
定し、閾値Ｔ０′以下の場合には、異常陰影候補を疑似
異常陰影候補と判定すればよい。
段１８において、差分値ΔＩを評価関数算出手段１６に
おいて算出された比confにより重み付けしているが、差
分値ΔＩを予め定められた所定の閾値と比較することに
より、異常陰影候補が真の異常陰影であるか否かを判定
するようにしてもよい。すなわち、上記閾値Ｔ０とは別
個の閾値Ｔ０′をメモリ１７に記憶しておき、差分値Δ
Ｉをこの閾値Ｔ０′と比較し、差分値ΔＩが閾値Ｔ０′
より大きい場合には、異常陰影候補を真の異常陰影と判
定し、閾値Ｔ０′以下の場合には、異常陰影候補を疑似
異常陰影候補と判定すればよい。
【図１】本発明の異常陰影候補検出装置の一実施形態の
概略構成を示すブロック図
概略構成を示すブロック図
【図２】図１に示した異常陰影候補検出装置を用いた計
算機支援画像診断装置の一例を示すブロック図
算機支援画像診断装置の一例を示すブロック図
【図３】（Ａ）は患者の右側の乳房を上下方向に挟み込
んで撮影された鉛直方向撮影画像（ＣＣ（Ｒ）画像）、
（Ｂ）は左側の乳房の鉛直方向撮影画像（ＣＣ（Ｌ）画
像）
んで撮影された鉛直方向撮影画像（ＣＣ（Ｒ）画像）、
（Ｂ）は左側の乳房の鉛直方向撮影画像（ＣＣ（Ｌ）画
像）
【図４】同一患者のＣＣ（Ｒ）画像とＣＣ（Ｌ）画像と
を背中合わせにして表示する状態を示す図
を背中合わせにして表示する状態を示す図
【図５】全体画像信号ＳＡ，ＳＢのヒストグラム
【図６】全体画像に含まれる被写体像の位置合わせを説
明するための図
明するための図
【図７】異常陰影候補領域検出手段の概略構成を示すブ
ロック図
ロック図
【図８】輪郭形状が適応的に変化するように設定された
アイリスフィルタを示す概念図
アイリスフィルタを示す概念図
【図９】アイリスフィルタにおける勾配ベクトルを算出
するマスクを示す図
するマスクを示す図
【図１０】注目画素についての勾配ベクトルの集中度の
概念を示す図
概念を示す図
【図１１】乳房の放射線画像を示す図
【図１２】SNAKESモデルを示す図
【図１３】評価関数算出手段における悪性度の検出方法
を示すフローチャート
を示すフローチャート
【図１４】ＩＦＥＤ画像が形成される作用を示す図
【図１５】ＩＦＥＤ画像を示す概念図
【図１６】ＩＦＥＤ画像に基づいて同時生成行列を作成
する作用を示す図
する作用を示す図
【図１７】同時生成行列を示す図
【図１８】マンモグラムにおける濃度勾配の集中度を示
す概念図
す概念図
１０ 異常陰影候補検出装置 １１ 画像位置合わせ手段 １２ 異常陰影候補領域検出手段 １３ 領域設定手段 １４ アイリスフィルタ処理手段 １５ 差分値算出手段 １６ 評価関数算出手段 １７ メモリ １８ 比較手段 ＳＡ，ＳＢ 全体画像信号 ＩＡ，ＩＢ アイリス出力値 ΔＩ 差分値
Claims (8)
- 【請求項１】 左右の乳房の放射線画像を表す画像信号
に基づいて、該乳房の画像から異常陰影候補を検出する
異常陰影候補検出方法であって、 前記各乳房の放射線画像を表す画像信号のうち、一方の
画像信号に基づいて前記異常陰影候補を検出し、 該検出された異常陰影候補の、前記一方の画像信号が表
す放射線画像における領域、および該領域の存在位置に
対応する他方の乳房の放射線画像における領域をそれぞ
れ設定し、 前記各領域内の画像信号に対してアイリスフィルタ処理
を施してアイリス出力信号をそれぞれ取得し、 前記各領域内における対応する画素ごとに前記各アイリ
ス出力信号の差分値を算出し、 該差分値に基づいて、前記異常陰影候補のうち異常陰影
の確定的な候補を検出することを特徴とする異常陰影候
補検出方法。 - 【請求項２】 左右の乳房の放射線画像を表す画像信号
に基づいて、該乳房の画像から異常陰影候補を検出する
異常陰影候補検出方法であって、 前記各乳房の放射線画像を表す画像信号のうち、一方の
画像信号に基づいて前記異常陰影候補を検出し、 該検出された異常陰影候補の、前記一方の画像信号が表
す放射線画像における領域、および該領域の存在位置に
対応する他方の乳房の放射線画像における領域をそれぞ
れ設定し、 前記各領域内の画像信号に対してアイリスフィルタ処理
を施してアイリス出力信号をそれぞれ取得し、 前記各領域内における対応する画素ごとに前記各アイリ
ス出力信号の差分値を算出し、 前記異常陰影候補が検出された放射線画像の前記領域内
における画像信号に基づいて、該異常陰影候補の悪性度
を表す評価関数値を算出し、 該評価関数値および差分値に基づいて、前記異常陰影候
補のうち異常陰影の確定的な候補を検出することを特徴
とする異常陰影候補検出方法。 - 【請求項３】 前記異常陰影候補の検出を、 （１）前記一方の画像信号により表される乳房の放射線
画像の全画素について、該画像信号に基づく各画素ごと
の勾配ベクトルを算出し、 （２）前記全画素のうち任意の注目画素を設定し、 （３）該注目画素を中心とする、所定の角度間隔で隣接
する複数の放射状の方向線を前記放射線画像上に設定
し、 （４）該各方向線ごとに、前記注目画素から検出しよう
とする異常陰影候補の最大の大きさに応じた距離の範囲
内にある、該方向線上の各画素について、各画素の勾配
ベクトルと該方向線の延びる方向とのなす角度θilに基
づく指標値cosθilをそれぞれ求め、 （５）始点を注目画素、終点を前記検出しようとする異
常陰影候補の最小の大きさに応じた距離から最大の大き
さに応じた距離まで変化させて、該始点から該終点の範
囲内にある前記方向線上の各画素の前記指標値cos θil
の平均値を、各方向線ごとに求め、 （６）前記方向線ごとの前記終点を変化させて求めた前
記指標値cos θilの平均値のうち最大値を求め、 （７）前記方向線ごとの前記最大値を前記複数の方向線
のすべてについて総和して前記注目画素についての前記
勾配ベクトル群の集中度の値を算出し、 （８）前記（７）で求めた勾配ベクトル群の集中度の値
と予め設定された閾値とを比較し、 （９）前記勾配ベクトル群の集中度の値が前記閾値以上
であるときは、前記注目画素が異常陰影候補の領域内に
存在すると判定し、前記閾値未満であるときは前記注目
画素が異常陰影候補の領域内に存在しないと判定し、 （10）前記注目画素を全画素について順次代えて前記
（３）から（９）の操作を繰り返して、各画素が異常陰
影候補の領域内に存在するか否かを判定し、 （11）前記異常陰影候補の領域内に存在すると判定され
た画素によって構成される該領域の重心を求め、 （12）該重心に対応する画素を前記注目画素としたとき
の、前記（６）における前記各方向線ごとの前記指標値
cos θilの平均値が最大値を採る前記終点に対応した画
素をそれぞれ特定し、 （13）該特定された各方向線上における前記終点に対応
した画素を、該方向線の延びる方向における前記異常陰
影候補の辺縁点として設定し、 （14）該各方向線上の前記辺縁点について互いに隣接す
る辺縁点を所定の線で連結し、該連結した所定の線で囲
まれた範囲を、前記異常陰影候補として抽出することに
より行うことを特徴とする請求項１または２記載の異常
陰影候補検出方法。 - 【請求項４】 前記異常陰影候補の検出を、 （１）前記一方の画像信号により表される乳房の放射線
画像の全画素について、該画像信号に基づく各画素ごと
の勾配ベクトルを算出し、 （２）前記全画素のうち任意の注目画素を設定し、 （３）該注目画素を中心とする、所定の角度間隔で隣接
する複数の放射状の方向線を前記放射線画像上に設定
し、 （４）該各方向線ごとに、前記注目画素を中心とする検
出しようとする異常陰影候補の最小の大きさに対応する
距離から最大の大きさに応じた距離の範囲内にある、該
方向線上の各画素について、各画素の勾配ベクトルと該
方向線の延びる方向とのなす角度θilに基づく指標値co
s θilをそれぞれ求め、 （５）始点を前記検出しようとする異常陰影候補の最小
の大きさに対応する距離にある画素、終点を前記検出し
ようとする異常陰影候補の最小の大きさに対応する距離
から最大の大きさに応じた距離まで変化させて、該始点
から該終点の範囲内にある前記方向線上の各画素の前記
指標値cos θilの平均値を、各方向線ごとに求め、 （６）前記方向線ごとの前記終点を変化させて求めた前
記指標値cos θilの平均値のうち最大値を求め、 （７）前記方向線ごとの前記最大値を前記複数の方向線
のすべてについて総和して前記注目画素についての前記
勾配ベクトル群の集中度の値を算出し、 （８）前記（７）で求めた勾配ベクトル群の集中度の値
と予め設定された閾値とを比較し、 （９）前記勾配ベクトル群の集中度の値が、前記閾値以
上であるときは、前記注目画素が異常陰影候補の領域内
に存在すると判定し、前記閾値未満であるときは前記注
目画素が異常陰影候補の領域内に存在しないと判定し、 （10）前記注目画素を全画素について順次代えて前記
（３）から（９）の操作を繰り返して、各画素が異常陰
影候補の領域内に存在するか否かを判定し、 （11）前記異常陰影候補の領域内に存在すると判定され
た画素によって構成される該領域の重心を求め、 （12）該重心に対応する画素を前記注目画素としたとき
の、前記（６）における前記各方向線ごとの前記指標値
cos θilの平均値が最大値を採る前記終点に対応した画
素をそれぞれ特定し、 （13）該特定された各方向線上における前記終点に対応
した画素を、該方向線の延びる方向における前記異常陰
影候補の辺縁点として設定し、 （14）該各方向線上の前記辺縁点について互いに隣接す
る辺縁点を所定の線で連結し、該連結した所定の線で囲
まれた範囲を、前記異常陰影候補として抽出することに
より行うことを特徴とする請求項１または２記載の異常
陰影候補検出方法。 - 【請求項５】 左右の乳房の放射線画像を表す画像信号
に基づいて、該乳房の画像から異常陰影候補を検出する
異常陰影候補検出装置であって、 前記各乳房の放射線画像を表す画像信号のうち、一方の
画像信号に基づいて前記異常陰影候補を検出する検出手
段と、 該検出手段により検出された異常陰影候補の、前記一方
の画像信号が表す放射線画像における領域、および該領
域の存在位置に対応する他方の乳房の放射線画像におけ
る領域をそれぞれ設定する領域設定手段と、 前記各領域内の画像信号に対してアイリスフィルタ処理
を施してアイリス出力信号をそれぞれ取得するアイリス
フィルタ手段と、 前記各領域内における対応する画素ごとに前記各アイリ
ス出力信号の差分値を算出する差分値算出手段と、 該差分値算出手段により算出された差分値に基づいて、
前記異常陰影候補のうち異常陰影の確定的な候補を検出
する確定的候補検出手段とを備えたことを特徴とする異
常陰影候補検出装置。 - 【請求項６】 左右の乳房の放射線画像を表す画像信号
に基づいて、該乳房の画像から異常陰影候補を検出する
異常陰影候補検出装置であって、 前記各乳房の放射線画像を表す画像信号のうち、一方の
画像信号に基づいて前記異常陰影候補を検出する検出手
段と、 該検出手段により検出された異常陰影候補の、前記一方
の画像信号が表す放射線画像における領域、および該領
域の存在位置に対応する他方の乳房の放射線画像におけ
る領域をそれぞれ設定する領域設定手段と、 前記各領域内の画像信号に対してアイリスフィルタ処理
を施してアイリス出力信号をそれぞれ取得するアイリス
フィルタ手段と、 前記各領域内における対応する画素ごとに前記各アイリ
ス出力信号の差分値を算出する差分値算出手段と、 前記異常陰影候補が検出された放射線画像の前記領域内
における画像信号に基づいて、該異常陰影候補の悪性度
を表す評価関数値を算出する評価関数値算出手段と、 該評価関数値算出手段により算出された評価関数値およ
び前記差分値算出手段により算出された差分値に基づい
て、前記異常陰影候補のうち異常陰影の確定的な候補を
検出する確定的候補検出手段とを備えたことを特徴とす
る異常陰影候補検出装置。 - 【請求項７】 前記検出手段は、前記一方の画像信号に
より表される乳房の放射線画像の全画素について、該画
像信号に基づく各画素ごとの勾配ベクトルを算出する勾
配ベクトル算出手段と、 前記全画素のうち１つを順次、注目画素として設定する
注目画素設定手段と、 検出しようとする異常陰影候補の最小の大きさと最大の
大きさを設定する検出サイズ設定手段と、 該設定された注目画素を中心として、所定の角度間隔で
隣接する複数の放射状の方向線を前記放射線画像上に設
定する方向線設定手段と、 該各方向線ごとに、前記注目画素から前記設定された異
常陰影候補の最大の大きさに応じた距離の範囲内にあ
る、該方向線上の各画素について、各画素の勾配ベクト
ルと該方向線の延びる方向とのなす角度θilに基づく指
標値cos θilをそれぞれ求める指標値算出手段と、 始点を注目画素、終点を前記検出しようとする異常陰影
候補の最小の大きさに応じた距離から最大の大きさに応
じた距離まで変化させて、該始点から該終点の範囲内に
ある前記方向線上の各画素の前記指標値cos θilの平均
値を、各方向線ごとに求めるとともに、該平均値のうち
最大値を抽出する最大値算出手段と、 該方向線ごとに抽出された前記最大値を前記複数の方向
線のすべてについて総和して前記注目画素についての前
記勾配ベクトル群の集中度の値を算出する集中度算出手
段と、 予め設定された閾値と前記集中度算出手段により算出さ
れた集中度の値とを比較し、該比較の結果、前記勾配ベ
クトル群の集中度の値が、前記閾値以上であるときは、
前記注目画素が異常陰影候補の領域内に存在すると判定
し、前記閾値未満であるときは前記注目画素が異常陰影
候補の領域内に存在しないと判定する比較判定手段と、 前記異常陰影候補の領域内に存在すると判定された画素
によって構成される該領域の重心を求める重心算出手段
と、 該求められた重心に対応する画素を前記注目画素とした
ときの、前記最大値算出手段により抽出された最大値を
採る前記終点に対応した画素を、前記方向線ごとにそれ
ぞれ特定し、該特定された各方向線上における終点に対
応した画素を該方向線の延びる方向における前記異常陰
影候補の辺縁点として設定する辺縁点設定手段と、 前記各方向線上の前記辺縁点について互いに隣接する辺
縁点を所定の線で連結し、該連結した所定の線で囲まれ
た範囲を、前記異常陰影候補として抽出する輪郭抽出手
段とを備えたことを特徴とする請求項５または６記載の
異常陰影候補検出装置。 - 【請求項８】 前記検出手段は、前記一方の画像信号に
より表される乳房の放射線画像の全画素について、該画
像信号に基づく各画素ごとの勾配ベクトルを算出する勾
配ベクトル算出手段と、 前記全画素のうち１つを順次、注目画素として設定する
注目画素設定手段と、 検出しようとする異常陰影候補の最小の大きさと最大の
大きさを設定する検出サイズ設定手段と、 該設定された注目画素を中心として、所定の角度間隔で
隣接する複数の放射状の方向線を前記放射線画像上に設
定する方向線設定手段と、 該各方向線ごとに、前記注目画素を中心とする検出しよ
うとする異常陰影候補の最小の大きさに対応する距離か
ら最大の大きさに応じた距離の範囲内にある、該方向線
上の各画素について、各画素の勾配ベクトルと該方向線
の延びる方向とのなす角度θilに基づく指標値cos θil
をそれぞれ求める指標値算出手段と、 始点を前記検出しようとする異常陰影候補の最小の大き
さに対応する距離にある画素、終点を前記検出しようと
する異常陰影候補の最小の大きさに対応する距離から最
大の大きさに応じた距離まで変化させて、該始点から該
終点の範囲内にある前記方向線上の各画素の前記指標値
cos θilの平均値を、各方向線ごとに求めるとともに、
該平均値のうち最大値を抽出する最大値算出手段と、 該方向線ごとに抽出された前記最大値を前記複数の方向
線のすべてについて総和して前記注目画素についての前
記勾配ベクトル群の集中度の値を算出する集中度算出手
段と、 予め設定された閾値と前記集中度算出手段により算出さ
れた集中度の値とを比較し、該比較の結果、前記勾配ベ
クトル群の集中度の値が、前記閾値以上であるときは、
前記注目画素が異常陰影候補の領域内に存在すると判定
し、前記閾値未満であるときは前記注目画素が異常陰影
候補の領域内に存在しないと判定する比較判定手段と、 前記異常陰影候補の領域内に存在すると判定された画素
によって構成される該領域の重心を求める重心算出手段
と、 該求められた重心に対応する画素を前記注目画素とした
ときの、前記最大値算出手段により抽出された最大値を
採る前記終点に対応した画素を、前記方向線ごとにそれ
ぞれ特定し、該特定された各方向線上における終点に対
応した画素を該方向線の延びる方向における前記異常陰
影候補の辺縁点として設定する辺縁点設定手段と、 前記各方向線上の前記辺縁点について互いに隣接する辺
縁点を所定の線で連結し、該連結した所定の線で囲まれ
た範囲を、前記異常陰影候補として抽出する輪郭抽出手
段とを備えたことを特徴とする請求項５または６記載の
異常陰影候補検出装置。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9230529A JPH1156828A (ja) | 1997-08-27 | 1997-08-27 | 異常陰影候補検出方法および装置 |
| US09/140,774 US6272233B1 (en) | 1997-08-27 | 1998-08-26 | Method and apparatus for detecting prospective abnormal patterns |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9230529A JPH1156828A (ja) | 1997-08-27 | 1997-08-27 | 異常陰影候補検出方法および装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH1156828A true JPH1156828A (ja) | 1999-03-02 |
Family
ID=16909181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9230529A Withdrawn JPH1156828A (ja) | 1997-08-27 | 1997-08-27 | 異常陰影候補検出方法および装置 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US6272233B1 (ja) |
| JP (1) | JPH1156828A (ja) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6542628B1 (en) | 1999-03-12 | 2003-04-01 | Ge Medical Systems, S.A. | Method for detection of elements of interest in a digital radiographic image |
| JP2005102784A (ja) * | 2003-09-29 | 2005-04-21 | Konica Minolta Medical & Graphic Inc | 画像診断支援装置及び画像診断支援方法 |
| JP2008080121A (ja) * | 2006-09-28 | 2008-04-10 | General Electric Co <Ge> | 画像内の領域を識別する方法及びシステム |
| JP2011194024A (ja) * | 2010-03-19 | 2011-10-06 | Fujifilm Corp | 異常陰影検出装置および方法ならびにプログラム |
Families Citing this family (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4209039B2 (ja) * | 1998-08-20 | 2009-01-14 | 富士フイルム株式会社 | 異常陰影検出処理システム |
| JP3349455B2 (ja) | 1998-09-30 | 2002-11-25 | 宮崎沖電気株式会社 | 半導体製造装置のための管理方法および管理システム |
| TW406009B (en) * | 1999-07-16 | 2000-09-21 | Nat Science Council | 3-D localization method of clustered microcalcifications using cranio-caudal and medio-lateral oblique views |
| US6778690B1 (en) * | 1999-08-13 | 2004-08-17 | Hanif M. Ladak | Prostate boundary segmentation from 2D and 3D ultrasound images |
| JP2003512112A (ja) * | 1999-10-21 | 2003-04-02 | アーチ・デベロップメント・コーポレーション | 弾性的照合を用いる対側性および時間的な減法画像のコンピュータ化処理のための方法、システムおよびコンピュータ可読媒体 |
| US6614452B1 (en) * | 1999-11-15 | 2003-09-02 | Xenogen Corporation | Graphical user interface for in-vivo imaging |
| US7187789B2 (en) * | 2000-08-31 | 2007-03-06 | Fuji Photo Film Co., Ltd. | Prospective abnormal shadow detecting system, and method of and apparatus for judging whether prospective abnormal shadow is malignant or benignant |
| KR100334627B1 (ko) * | 2000-11-13 | 2002-05-04 | 박서규 | 온라인 게임을 이용한 저축 시스템 및 그 기록매체 |
| JP4128339B2 (ja) * | 2001-03-05 | 2008-07-30 | 株式会社日立製作所 | 試料処理装置用プロセスモニタ及び試料の製造方法 |
| JP4878085B2 (ja) | 2001-04-20 | 2012-02-15 | ラピスセミコンダクタ株式会社 | 製造工程のための管理方法 |
| US7231071B2 (en) * | 2001-09-13 | 2007-06-12 | Fujifilm Corporation | Abnormal shadow detecting system |
| JP3891807B2 (ja) | 2001-09-14 | 2007-03-14 | ジーイー・メディカル・システムズ・グローバル・テクノロジー・カンパニー・エルエルシー | 超電導マグネットの故障予測装置およびその方法、並びに磁気共鳴撮影システム |
| JP2003334183A (ja) * | 2002-03-11 | 2003-11-25 | Fuji Photo Film Co Ltd | 異常陰影検出装置 |
| JP2004248817A (ja) * | 2003-02-19 | 2004-09-09 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
| EP1640917B1 (en) * | 2003-07-01 | 2017-06-14 | Honda Motor Co., Ltd. | Contour extracting device, contour extracting method, and contour extracting program |
| US7480412B2 (en) * | 2003-12-16 | 2009-01-20 | Siemens Medical Solutions Usa, Inc. | Toboggan-based shape characterization |
| EP1711919A1 (en) * | 2004-01-26 | 2006-10-18 | Koninklijke Philips Electronics N.V. | Example-based diagnosis decision support |
| US20050283070A1 (en) * | 2004-06-21 | 2005-12-22 | Celina Imielinska | Systems and methods for qualifying symmetry to evaluate medical images |
| US7991242B2 (en) | 2005-05-11 | 2011-08-02 | Optosecurity Inc. | Apparatus, method and system for screening receptacles and persons, having image distortion correction functionality |
| WO2006119603A1 (en) | 2005-05-11 | 2006-11-16 | Optosecurity Inc. | Method and system for screening luggage items, cargo containers or persons |
| US7738683B2 (en) * | 2005-07-22 | 2010-06-15 | Carestream Health, Inc. | Abnormality detection in medical images |
| JP2007108835A (ja) * | 2005-10-11 | 2007-04-26 | Keyence Corp | 画像処理装置 |
| DE102006021036B4 (de) * | 2006-04-28 | 2010-04-08 | Image Diagnost International Gmbh | Vorrichtung und Verfahren zur computergestützten Analyse von Mammogrammen |
| US7899232B2 (en) | 2006-05-11 | 2011-03-01 | Optosecurity Inc. | Method and apparatus for providing threat image projection (TIP) in a luggage screening system, and luggage screening system implementing same |
| US8494210B2 (en) | 2007-03-30 | 2013-07-23 | Optosecurity Inc. | User interface for use in security screening providing image enhancement capabilities and apparatus for implementing same |
| US8036436B2 (en) * | 2006-10-10 | 2011-10-11 | Cedara Software Corp. | System and method for segmenting a region in a medical image |
| US20090034809A1 (en) * | 2007-08-01 | 2009-02-05 | Fujifilm Corporation | Abnormal tissue pattern detection apparatus, method and program |
| JP4726983B2 (ja) * | 2009-10-30 | 2011-07-20 | 住友化学株式会社 | 欠陥検査システム、並びに、それに用いる、欠陥検査用撮影装置、欠陥検査用画像処理装置、欠陥検査用画像処理プログラム、記録媒体、および欠陥検査用画像処理方法 |
| JP5570866B2 (ja) * | 2010-04-30 | 2014-08-13 | オリンパス株式会社 | 画像処理装置、画像処理装置の作動方法、および画像処理プログラム |
| JP5658818B2 (ja) * | 2011-03-31 | 2015-01-28 | 富士フイルム株式会社 | 放射線乳房画像表示方法、放射線乳房画像表示装置ならびにプログラム |
| CA3069211C (en) | 2011-09-07 | 2022-06-21 | Rapiscan Systems, Inc. | X-ray inspection system that integrates manifest data with imaging/detection processing |
| US9730655B2 (en) * | 2013-01-21 | 2017-08-15 | Tracy J. Stark | Method for improved detection of nodules in medical images |
| CN112033962B (zh) | 2013-12-12 | 2024-01-12 | 梅斯医疗电子系统有限公司 | 家庭测试设备 |
| CN109074889B (zh) | 2016-02-22 | 2022-10-18 | 拉皮斯坎系统股份有限公司 | 用于检测货物中的危险品和违禁品的系统和方法 |
| US10631791B2 (en) | 2018-06-25 | 2020-04-28 | Caption Health, Inc. | Video clip selector for medical imaging and diagnosis |
| US10726548B2 (en) * | 2018-06-25 | 2020-07-28 | Bay Labs, Inc. | Confidence determination in a medical imaging video clip measurement based upon video clip image quality |
| GB201903514D0 (en) * | 2019-03-14 | 2019-05-01 | Hgf Ltd | Method of and system for performing taxon identification on a morphological sample/specimen |
Family Cites Families (11)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4907156A (en) * | 1987-06-30 | 1990-03-06 | University Of Chicago | Method and system for enhancement and detection of abnormal anatomic regions in a digital image |
| US5133020A (en) * | 1989-07-21 | 1992-07-21 | Arch Development Corporation | Automated method and system for the detection and classification of abnormal lesions and parenchymal distortions in digital medical images |
| US5481623A (en) * | 1990-04-19 | 1996-01-02 | Fuji Photo Film Co., Ltd. | Apparatus for determining an image position on imaging media |
| US5457754A (en) * | 1990-08-02 | 1995-10-10 | University Of Cincinnati | Method for automatic contour extraction of a cardiac image |
| US5172419A (en) * | 1991-03-05 | 1992-12-15 | Lumisys, Inc. | Medical image processing system |
| JP3002937B2 (ja) * | 1993-09-13 | 2000-01-24 | 富士写真フイルム株式会社 | エネルギーサブトラクション画像処理方法 |
| US5572565A (en) * | 1994-12-30 | 1996-11-05 | Philips Electronics North America Corporation | Automatic segmentation, skinline and nipple detection in digital mammograms |
| DE69629732T2 (de) * | 1995-01-23 | 2004-07-15 | Fuji Photo Film Co., Ltd., Minami-Ashigara | Vorrichtung zur rechnerunterstützten Diagnose |
| JPH08263641A (ja) * | 1995-01-23 | 1996-10-11 | Fuji Photo Film Co Ltd | アイリスフィルターの演算方法 |
| JP3596786B2 (ja) * | 1995-01-24 | 2004-12-02 | 富士写真フイルム株式会社 | 異常陰影候補の検出方法 |
| US6014474A (en) * | 1995-03-29 | 2000-01-11 | Fuji Photo Film Co., Ltd. | Image processing method and apparatus |
-
1997
- 1997-08-27 JP JP9230529A patent/JPH1156828A/ja not_active Withdrawn
-
1998
- 1998-08-26 US US09/140,774 patent/US6272233B1/en not_active Expired - Fee Related
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6542628B1 (en) | 1999-03-12 | 2003-04-01 | Ge Medical Systems, S.A. | Method for detection of elements of interest in a digital radiographic image |
| JP2005102784A (ja) * | 2003-09-29 | 2005-04-21 | Konica Minolta Medical & Graphic Inc | 画像診断支援装置及び画像診断支援方法 |
| JP4631260B2 (ja) * | 2003-09-29 | 2011-02-16 | コニカミノルタエムジー株式会社 | 画像診断支援装置、画像診断支援方法及びプログラム |
| JP2008080121A (ja) * | 2006-09-28 | 2008-04-10 | General Electric Co <Ge> | 画像内の領域を識別する方法及びシステム |
| US8923577B2 (en) | 2006-09-28 | 2014-12-30 | General Electric Company | Method and system for identifying regions in an image |
| JP2011194024A (ja) * | 2010-03-19 | 2011-10-06 | Fujifilm Corp | 異常陰影検出装置および方法ならびにプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| US6272233B1 (en) | 2001-08-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH1156828A (ja) | 異常陰影候補検出方法および装置 | |
| EP0757544B1 (en) | Computerized detection of masses and parenchymal distortions | |
| Gan et al. | Toward accurate tooth segmentation from computed tomography images using a hybrid level set model | |
| Joo et al. | Computer-aided diagnosis of solid breast nodules: use of an artificial neural network based on multiple sonographic features | |
| Van Rikxoort et al. | Automatic lung segmentation from thoracic computed tomography scans using a hybrid approach with error detection | |
| US6795521B2 (en) | Computer-aided diagnosis system for thoracic computer tomography images | |
| JP6267710B2 (ja) | 医用画像中の肺結節を自動検出するためのシステム及び方法 | |
| US7646902B2 (en) | Computerized detection of breast cancer on digital tomosynthesis mammograms | |
| JP3110045B2 (ja) | 医用コンピュータ断層撮影スキャンで病変を検出するための自動化された方法およびシステム | |
| US20110206250A1 (en) | Systems, computer-readable media, and methods for the classification of anomalies in virtual colonography medical image processing | |
| JP2002503861A (ja) | 胸部ｘ線写真における肺領域と肋骨横隔膜角の自動描画方法とシステム | |
| JP3590216B2 (ja) | 異常陰影候補の検出方法および装置 | |
| JP3678378B2 (ja) | 異常陰影候補の検出方法および装置 | |
| JPH08294479A (ja) | 計算機支援画像診断装置 | |
| Awad et al. | Three‐dimensional lung tumor segmentation from x‐ray computed tomography using sparse field active models | |
| Midya et al. | Computerized diagnosis of liver tumors from CT scans using a deep neural network approach | |
| JPH08263641A (ja) | アイリスフィルターの演算方法 | |
| Song et al. | Segmentation of bone metastasis in CT images based on modified HED | |
| JP2002074325A (ja) | 異常陰影候補検出方法および装置 | |
| JP2004187998A (ja) | 異常陰影形状抽出装置 | |
| JP2002133397A (ja) | 異常陰影候補検出装置 | |
| JP4173624B2 (ja) | 異常陰影候補の良悪性判定方法および装置 | |
| JP2002330950A (ja) | 異常陰影候補検出装置 | |
| JP2001204721A (ja) | 乳房画像表示方法および装置 | |
| Takizawa et al. | A recognition method of lung nodule shadows in X-Ray CT images using 3D object models |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A300 | Application deemed to be withdrawn because no request for examination was validly filed |
Free format text: JAPANESE INTERMEDIATE CODE: A300 Effective date: 20041102 |