JPWO2007013300A1 - 異常陰影候補検出方法及び異常陰影候補検出装置 - Google Patents

Abstract

本発明は、異常陰影候補の検出処理時の処理効率及び検出精度を向上させることを目的とする。画像処理装置２では、入力された乳房画像を縮小した画像に、第１及び第２の平滑化フィルタを用いてそれぞれ平滑化処理を施して異常陰影候補の検出対象領域を抽出する。その後、当該抽出領域において曲率フィルタを用いて異常陰影候補の検出処理を行い、異常陰影の候補領域を検出し、その検出結果を表示することを特徴とする。

Description

本発明は、医用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及び異常陰影候補検出装置に関する。

医療の分野においては、医用画像のデジタル化が実現され、ＣＲ（Ｃｏｍｐｕｔｅｄ Ｒａｄｉｏｇｒａｐｈｙ）装置等により生成された医用画像データをモニタに表示し、このモニタに表示された医用画像を医師が読影して、病変部の状態や経時変化を観察して診断を行っている。

従来、このような医師の読影に対する負担軽減を目的として、上記医用画像データを画像処理することにより、画像上に現れた病変部の陰影を異常陰影候補として自動的に検出するコンピュータ診断支援装置（Ｃｏｍｐｕｔｅｒ−Ａｉｄｅｄ Ｄｉａｇｎｏｓｉｓ；以下、ＣＡＤという。）と呼ばれる異常陰影候補検出装置が開発されている。

病変部の陰影は、特徴的な濃度分布を有することが多く、ＣＡＤは、このような濃度特性に基づいて病変部と推測される画像領域を異常陰影候補領域として検出するものである。

上記ＣＡＤでは、検出目的とする病変種類に応じて様々な検出アルゴリズムが開発されており、腫瘤陰影の検出に最適なアルゴリズムとしてはアイリスフィルタを用いた手法や曲率の特徴量を利用した手法等が提案されている。また、微小石灰化クラスタ陰影の検出に最適なアルゴリズムとしてはモルフォルジーフィルタを用いた手法等が提案されている（例えば、特許文献１、２参照）。
特開２００２−１１２９８６号公報 特開２００１−３４６７８７号公報

上記特許文献１によれば、同一撮影部位に複数種類の異常陰影検出目的が存在する場合、検出目的に応じて異常陰影候補検出アルゴリズムを１つ若しくは複数医師が選択できるようにすることで、処理時間の短縮を図ることができる。しかしながら、選択された異常陰影候補検出アルゴリズムを用いて画像全体を１画素ごとに演算処理するので、複数の必要のない異常陰影候補検出アルゴリズムを用いる場合に比べれば処理時間は短縮できるが、依然として画像全体を探索するため処理時間がかかり、病変部でないノイズや正常組織の領域を異常陰影として検出してしまうといった問題があった。

また、特許文献２においては、医師が異常陰影候補の存在領域についてある程度の予測がある場合や、過去に取得された画像等、他の画像において異常陰影候補が検出されていた場合等に、その領域のみを指定して異常陰影候補の検出を行う旨が記載されている。しかし、医師が予測する領域以外、或いは過去に検出された領域以外の領域に異常陰影があったとしても検出されないという問題があった。また、指定された領域内では１画素ごとに演算処理するので、探索領域を限定しても、病変部でないノイズや正常組織の領域を異常陰影として検出してしまう可能性があった。更に、異常陰影候補を大きさ別に分類して検出することはできなかった。

また、腫瘤を検出対象とする曲率の特徴量を用いた検出手法は、局所的な情報を利用し、凸状等のある所定パターンを有する画像領域を感度良く検出するものであるが、全画像領域に対して所定の領域を順次設定し、その領域毎に曲率を算出するため、その曲率を算出した所定範囲内に収まる異常陰影しか検出することができなかった。異常陰影の大きさに対応して領域範囲を変えながら検出する対応策も考えられるが、それでは領域範囲を変えて同じ処理を繰り返し行わなければならないため、処理時間が大幅に増大することとなる。

さらに、曲率による検出処理では、曲率という局所的な情報により検出を行うため、所定パターンを有するのであれば正常組織の画像領域であっても候補領域として検出してしまい、その結果、検出結果に含まれる偽陽性候補数が増大する場合もあった。

本発明の課題は、異常陰影候補の検出処理時の処理効率及び検出精度を向上させることである。

請求の範囲第１項に記載の発明は、異常陰影候補検出方法において、
入力医用画像に第１の平滑化フィルタ処理を施す第１処理工程と、
前記第１の平滑化フィルタ処理が施された処理画像に第２の平滑化フィルタ処理を施す第２処理工程と、
前記第１及び第２の平滑化フィルタ処理が施された処理画像から、異常陰影候補を検出すべき特定領域を抽出する抽出工程と、
前記抽出された特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出工程と、
前記算出された特徴量に基づいて、異常陰影候補の検出処理を行う異常陰影候補検出工程と、
を含むことを特徴とする。

請求の範囲第２項に記載の発明は、請求の範囲第１項に記載の異常陰影候補検出方法において、
前記入力医用画像を縮小する工程を含み、
前記第１処理工程では、前記縮小された入力医用画像に第１の平滑化フィルタ処理を施すことを特徴とする。

請求の範囲第３項に記載の発明は、請求の範囲第１項又は第２項に記載の発明において、
前記特徴量算出工程では、前記濃度分布を示す曲面の形状を表す特徴量として、シェイプインデックスを算出することを特徴とする。

請求の範囲第４項に記載の発明は、請求の範囲第１〜３項の何れか一項に記載の異常陰影候補検出方法において、
前記異常陰影候補検出工程において検出対象とする異常陰影種は、腫瘤であることを特徴とする。

請求の範囲第５項に記載の発明は、異常陰影候補検出方法において、
抽出すべき第１の異常陰影サイズに対応する第１の平滑化フィルタを設定する工程と、
抽出すべき第２の異常陰影サイズに対応する第２の平滑化フィルタを設定する工程と、
入力医用画像に前記第１及び第２の平滑化フィルタを作用させ、異常陰影候補を検出すべき所望の大きさの特定領域を抽出する抽出工程と、
前記特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出工程と、
前記算出された特徴量に基づき、異常陰影候補の検出を行う異常陰影候補検出工程と、
を含むことを特徴とする。

請求の範囲第６項に記載の発明は、異常陰影候補検出装置において、
入力医用画像に第１の平滑化フィルタ処理を施す第１の平滑化処理手段と、
前記第１の平滑化フィルタ処理が施された処理画像に第２の平滑化フィルタ処理を施す第２の平滑化処理手段と、
前記第１及び第２の平滑化フィルタ処理が施された処理画像から、異常陰影候補を検出すべき特定領域を抽出する抽出手段と、
前記抽出された特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出手段と、
前記算出された特徴量に基づいて、異常陰影候補の検出処理を行う異常陰影候補検出手段と、
を備えることを特徴とする。

請求の範囲第７項に記載の発明は、請求の範囲第６項に記載の異常陰影候補検出装置において、
前記入力医用画像を縮小する縮小処理手段を含み、
前記第１の平滑化手段は、前記縮小された入力医用画像に第１の平滑化フィルタ処理を施すことを特徴とする。

請求の範囲第８項に記載の発明は、請求の範囲第６項又は第７項に記載の異常陰影候補検出装置において、
前記特徴量算出手段は、前記濃度分布を示す曲面の形状を表す特徴量として、シェイプインデックスを算出することを特徴とする。

請求の範囲第９項に記載の発明は、請求の範囲第６〜８項の何れか一項に記載の異常陰影候補検出装置において、
前記異常陰影候補検出工程において検出対象とする異常陰影種は、腫瘤であることを特徴とする。

請求の範囲第１０項に記載の発明は、異常陰影候補検出装置において、
抽出すべき第１の異常陰影サイズに対応する第１の平滑化フィルタを設定する第１設定手段と、
抽出すべき第２の異常陰影サイズに対応する第２の平滑化フィルタを設定する第２設定手段と、
入力医用画像に前記第１及び第２の平滑化フィルタを作用させ、異常陰影候補を検出すべき所望の大きさの特定領域を抽出する抽出手段と、
前記特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出手段と、
前記算出された特徴量に基づき、異常陰影候補の検出を行う異常陰影候補検出手段と、
を備えることを特徴とする。

請求の範囲第１、３、４、７、８、９項に記載の発明によれば、平滑化フィルタ処理により腫瘤の予想される大きさに応じて予め偽陽性と思われる大きさの領域を検出対象から除外することができる。また、抽出領域にのみ、所定のパターンを有する領域を感度良く検出する、曲率の特徴量を用いた異常陰影候補の検出を行うことにより偽陽性候補数の低減を図ることができる。すなわち、曲率のように検出精度の高い異常陰影候補の検出処理を適用する際には、平滑フィルタによる領域抽出処理を前処理として併用することにより、処理時間と短縮と検出精度の向上という相乗効果が得られる。

請求の範囲第２項、第６項に記載の発明によれば、平滑化フィルタ処理、異常陰影候補の検出処理等、医用画像に施す処理時間の短縮化を図ることができる。

請求の範囲第５項、第１０項に記載の発明によれば、対応する異常陰影サイズが異なる第１及び第２の平滑化フィルタを作用させることによって、検出すべき異常陰影候補領域の大きさに応じて抽出する検出対象領域を変更することが可能となる。よって、検出目的の異常陰影種の大きさに応じた領域を抽出することができ、さらにこの抽出領域にのみ、所定のパターンを有する領域を感度良く検出する、曲率の特徴量を用いた異常陰影候補の検出を行うことにより偽陽性候補数の低減を図ることができる。すなわち、曲率のように検出精度の高い異常陰影候補の検出処理を適用する際には、平滑フィルタによる領域抽出処理を前処理として併用することにより、処理時間と短縮と検出精度の向上という相乗効果が得られる。また、検出すべき異常陰影候補領域の大きさ別に検出対象領域を分類して抽出することが可能となるので、複数の検出モデルによる異常陰影候補の検出が可能となる。

本実施形態における医用画像システムのシステム構成を示す図である。 図１の画像処理装置の内部構成を示す図である。 画像処理装置により実行される病変検出処理を説明するフローチャートである。 図３の領域抽出処理を説明するフローチャートである。 領域抽出処理の各ステップで生成される画像データの模式図である。 第１の平滑化フィルタを説明する図である。 第２の平滑化フィルタを説明する図である。 第１及び第２の平滑化フィルタにより大きさ別に分類して検出対象領域を抽出する場合の処理手順を示す図である。 医用画像の濃度分布を表す曲面と、注目画素の法線を回転軸とした法平面の回転を説明する図である。 デジタル画像における濃度分布を示す曲面の図である。 最小二乗法を用いて、濃度分布を示す曲線を円で近似することにより、曲線の曲率を算出する方法を説明する図である。 ＳｈａｐｅＩｎｄｅｘの値に対応する曲面形状を示す図である。 曲率フィルタを処理対象画像内で走査する様子を説明する図である。 曲率フィルタを用いた異常陰影候補検出処理を説明するフローチャートである。

符号の説明

１００ 医用画像システム
１ 画像生成装置
２ 画像処理装置
２１ ＣＰＵ
２２ 操作部
２３ 表示部
２４ ＲＡＭ
２５ 記憶部
２６ 通信制御部
２７ バス

本実施形態では、本発明に係る異常陰影候補検出方法及び異常陰影候補検出装置について、乳房を撮影した医用画像（乳房画像）から腫瘤陰影の候補を検出する場合を例に説明する。

まず、構成を説明する。

図１に、本実施形態における医用画像システム１００のシステム構成を示す。

図１に示すように、医用画像システム１００は、画像生成装置１、画像処理装置２等がネットワークＮを介して、相互にデータ送受信可能に接続されている。ネットワークＮは、ＤＩＣＯＭ（Ｄｉｇｉｔａｌ Ｉｍａｇｉｎｇ ａｎｄ Ｃｏｍｍｕｎｉｃａｔｉｏｎ ｉｎ Ｍｅｄｉｃｉｎｅ）規格が適用されている。

なお、本実施形態では、画像生成装置１と画像処理装置２とがネットワーク接続された例を説明するが、これに限らず、直接有線接続されたシステム構成であってもよい。また、画像生成装置１や画像処理装置２に限らず、画像生成装置１で生成された医用画像の画像データを保存、管理するサーバ、画像処理装置２における異常陰影候補の検出結果及び処理済み画像の表示出力を行うモニタ、或いはフィルム出力を行うフィルム出力装置等が接続された構成としてもよい。

画像生成装置１は、例えば、ＣＲ（Ｃｏｍｐｕｔｅｄ Ｒａｄｉｏｇｒａｐｈｙ）、ＦＰＤ（Ｆｌａｔ Ｐａｎｅｌ Ｄｅｔｅｃｔｅｒ）、ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）、ＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）等のモダリティから構成され、人体を撮影し、撮影した画像をデジタル変換して、医用画像の画像データを生成する装置である。本実施の形態においては、画像生成装置１は、乳房の放射線撮影を行い、乳房画像の画像データを生成するものとして説明する。

画像処理装置２は、画像生成装置１から供給される画像データに対し異常陰影候補検出処理を施す異常陰影候補検出装置である。

以下、画像処理装置２の内部構成について説明する。

図２に、画像処理装置２の機能的構成を示す。図２に示すように、画像処理装置２は、ＣＰＵ２１、操作部２２、表示部２３、ＲＡＭ２４、記憶部２５、通信制御部２６等を備えて構成され、各部はバス２７により接続されている。

ＣＰＵ２１は、記憶部２５に記憶されているシステムプログラムを読み出し、ＲＡＭ２４内に形成されたワークエリアに展開し、該システムプログラムに従って各部を制御する。また、ＣＰＵ２１は、記憶部２５に記憶されている検出処理プログラムを始めとする各種処理プログラムを読み出してワークエリアに展開し、後述する病変検出処理（図３、４、１４参照）を始めとする各種処理を実行する。

操作部２２は、カーソルキー、数字入力キー、及び各種機能キー等を備えたキーボードと、マウス等のポインティングデバイスを備えて構成され、キーボードに対するキー操作やマウス操作により入力された指示信号をＣＰＵ２１に出力する。また、操作部２２は、表示部２３の表示画面にタッチパネルを備えても良く、この場合、タッチパネルを介して入力された指示信号をＣＰＵ２１に出力する。

表示部２３は、ＬＣＤ（Ｌｉｑｕｉｄ Ｃｒｙｓｔａｌ Ｄｉｓｐｌａｙ）やＣＲＴ等のモニタにより構成され、ＣＰＵ２１から入力される表示信号の指示に従って、画像等の表示を行う。

ＲＡＭ２４は、ＣＰＵ２１により実行制御される各種処理において、記憶部２５から読み出されたＣＰＵ２１で実行可能な各種プログラム、入力若しくは出力データ、及びパラメータ等の一時的に記憶するワークエリアを形成する。

記憶部２５は、ＨＤＤ（Ｈａｒｄ Ｄｉｓｃ Ｄｒｉｖｅ）や不揮発性の半導体メモリ等により構成され、ＣＰＵ２１で実行されるシステムプログラムの他、病変検出処理プログラムを始めとする各種プログラム、各種データ等を記憶する。これらの各種プログラムは、読取可能なプログラムコードの形態で格納され、ＣＰＵ２１は、当該プログラムコードに従った動作を逐次実行する。

また、記憶部２５は、図示しない特徴量ファイルを有しており、当該特徴量ファイルには異常陰影候補の検出処理時に算出される医用画像の濃度分布を示す曲面の特徴量（例えば、ＳｈａｐｅＩｎｄｅｘ）が記憶される。

通信制御部２６は、ＬＡＮアダプタやルータやＴＡ（Ｔｅｒｍｉｎａｌ Ａｄａｐｔｅｒ）等を備え、ネットワークＮに接続された各装置との間の通信を制御する。

次に、本実施形態における動作について説明する。

図３は、画像処理装置２のＣＰＵ２１により実行される検出処理を示すフローチャートである。ＣＰＵ２１は、記憶部２５に記憶された検出処理プログラムとの協働によるソフトウエア処理により、当該処理を実行する。

まず、画像生成装置１において乳房を撮影して生成された乳房画像の画像データＤが通信制御部２６を介して入力され、ＲＡＭ２４のワークエリアに記憶される（ステップＳ１）。

次いで、入力された画像データＤに領域抽出処理が施される（ステップＳ２）。領域抽出処理は、画像データＤの全体領域から、検出すべき病変部の大きさに応じた検出対象領域を抽出する処理である。乳房画像において診断される主な病変としては、例えば腫瘤陰影、微小石灰化クラスタ等が挙げられる。腫瘤陰影は、ある程度の大きさを持った塊で、乳房画像上ではガウス分布に近い濃度分布を持つ、白っぽく丸い陰影として表示される。微小石灰化クラスタは、乳房画像上では略円錐構造の濃度分布を有する小さく白い陰影として表示される。即ち、乳房画像上では、病変部で濃度値（画素値）の落ち込みが見られる。

以下、図４、５を参照して領域抽出処理について詳細に説明する。

図４は、ステップＳ２においてＣＰＵ２１により実行される領域抽出処理を示すフローチャートである。また、図５は、図４の領域抽出処理前の画像及び当該画像の領域抽出処理の各ステップでの処理結果を模式的に示す図である。図５（ａ）〜（ｄ）においては、画像データ（画像データＤ１〜Ｄ４）の或る１列（図５（ａ）〜（ｄ）は全て同じ列を示す）における画素位置を横軸、画素値（濃度値）を縦軸として示している。

図４の領域抽出処理においては、まず、画像データＤに対して縮小処理が施され、サンプリングピッチ１．６ｍｍ程度の画像データＤ１が生成される（ステップＳ１１）。例えば、画像データＤのサンプリングピッチが１００μｍであれば、縦、横をそれぞれ１／１６にする。縮小処理アルゴリズムは、近傍の画素値の平均をとる、一定画素間隔で間引くなど、どのような手法でもよい。ここで、画像データＤを縮小しておくことにより、以降の処理での処理時間を短縮することができる。

乳房画像においては、図５（ａ）に示すように、検出すべき異常陰影候補領域の大きさ（検出すべき異常陰影候補領域と同程度の大きさ）をもち、かつ周囲より低濃度の領域（検出対象領域）Ａ１、検出すべき異常陰影候補領域より小さく、かつ周囲より低濃度の領域（微小領域）Ａ２、検出すべき異常陰影候補領域より大きく、かつ周囲より低濃度の領域（対象より大きな領域）Ａ３が含まれる。領域抽出処理の以降の処理ステップでは、縮小された画像データＤ１上から検出すべき異常陰影候補領域と同程度の大きさをもつ低濃度領域を検出対象領域として抽出する。なお、以降の処理においては、５ｍｍ〜１５ｍｍ程度の大きさの腫瘤陰影候補を検出する場合を例にとり説明する。

画像データＤが縮小され、画像データＤ１が生成されると、縮小された画像データＤ１に対して第１の平滑化処理が施され、画像データＤ２が生成される（ステップＳ１２）。

第１の平滑化処理は、画像データＤ１に対してマスクサイズ３画素×３画素の第１の平滑化フィルタ（図６参照）をかけて画像データＤ２を生成する。第１の平滑化フィルタは、画像データＤ１の注目する画素を中心として正方形領域（マスク）を設定し、マスク内の画素値を大きい順に並べ、中央値を注目画素の画素値とするメディアンフィルタである。マスクサイズ３×３のメディアンフィルタの場合、図６に示す領域１〜９の画素値を大きい順に並べ、その中央値を領域５の画素値とする。これを、マスクの位置を１画素ずつずらしながら繰り返し、画像データＤ１の全ての画素に対して行う。これにより、図５（ｂ）に示すように縦幅、横幅がそれぞれ４．８ｍｍ程度（１．６ｍｍ×３画素）までの微小領域が平滑化される。

次いで、画像データＤ２に対して第２の平滑化処理が施され、画像データＤ３が生成される（ステップＳ１３）。

第２の平滑化処理では、画像データＤ２に対してマスクサイズ７画素×７画素の第２の平滑化フィルタをかけて画像データＤ３を生成する。

この第２の平滑化フィルタは、マスクサイズ内の画素値の中で最大値を中央の注目画素の値とする最大値フィルタと、マスクサイズ内の画素値の中で最小値を中央の注目画素の値とする最小値フィルタとを有し、画像データＤ２に対し最大値フィルタを適用した後、最小値フィルタを適用することにより、マスクサイズ程度の大きさをもつ画素値の落ち込み（くぼみ）を穴埋めするものである。一般的に、腫瘤陰影は、その中心に向かってＸ線透過濃度が落ち込む特徴を有しており、その部分を穴埋めするには腫瘤陰影と同程度の大きさを持つマスクサイズの第２の平滑化フィルタをかければよい。

ここで、図７を参照して、第２の平滑化フィルタの原理について、一次元のデータ列を例にとり説明する。図７において、横軸は１次元のデータ列における画素位置を、縦軸は１次元のデータ列における画素値（濃度値）を示す。

図７のＬ１は、オリジナル画像のデータ列である。このオリジナル画像のデータ列の左に位置する画素から順に注目画素とし、注目画素を中央としてマスクサイズ縦１×横７の最大値フィルタを設定し、マスクの範囲内の最大値を注目画素の画素値とする。これを右に１画素ずつずらしていくことにより、図７のＬ２に示すデータ列を得ることができる。このＬ２で示すデータ列を入力とし、左に位置する画素から順に注目画素とし、注目画素を中央としてマスクサイズ縦１×横７の最小値フィルタを設定し、マスクの範囲内の最小値を注目画素の画素値とする。これにより、図７のＬ３に示すように、オリジナルのデータ列Ｌ１の濃度値の落ち込みが平滑化されたデータ列を得ることができる。

このように、第２の平滑化フィルタにより検出すべき異常陰影候補領域Ａ１と同程度の大きさをもつ低濃度領域を平滑化することができる。

第２の平滑化処理が終了すると、差分画像生成処理が実行され、図５（ｃ）に示す画像データＤ３と図５（ｂ）に示す画像データＤ２の同一画素位置の画素値の差分をとることにより図５（ｄ）に示す差分画像（画像データＤ４）が生成される（ステップＳ１４）。そして、画像データＤ４が予め設定された閾値により閾値処理され、閾値を超える画素値をもつデータのみが抽出され（ステップＳ１５）、検出すべき異常陰影候補領域と同程度の大きさをもつ低濃度領域の画像データＤ５が生成される。

なお、上記領域抽出処理においては、第１の平滑化フィルタのマスクサイズ及びサンプリングピッチにより、抽出する検出対象領域の下限となるサイズ（第１の異常陰影サイズ）が決定され、第２の平滑化フィルタのマスクサイズ及びサンプリングピッチにより抽出する検出対象領域の上限となるサイズ（第２の異常陰影サイズ）が決定される。即ち、図４のステップＳ１２における第１の平滑化処理で用いる第１の平滑化フィルタのマスクサイズ及び図４のステップＳ１３における第２の平滑化処理で用いる第２の平滑化フィルタのマスクサイズを上記第１及び第２の異常陰影サイズに合わせて変更設定することにより、異常陰影候補の検出対象とする領域の大きさを所望の大きさに変更することができる。

また、図８に示すように、図４のステップＳ１２における第１の平滑化処理で用いる第１の平滑化フィルタのマスクサイズ及び図４のステップＳ１３における第２の平滑化処理で用いる第２の平滑化フィルタのマスクサイズを変更設定して複数回処理を行うことにより、大きさ別に分類して検出対象領域を抽出することが可能となる。例えば、まず、図４のステップＳ１２においてマスクサイズ３×３の第１の平滑化フィルタを用いて画像データＤ２を生成し、この画像データＤ２に対してマスクサイズ７×７の第２の平滑化フィルタをかけて画像データＤ３を生成して、当該画像データＤ３と画像データＤ２の差分をとり閾値処理を行うことにより５ｍｍ〜１５ｍｍ程度の検出対象領域を抽出する。次いで、画像データＤ２に対して更にマスクサイズ７×７の第１の平滑化フィルタをかけて画像データＤ２´を生成し、この画像データＤ２′に対し１１×１１のマスクサイズの第２の平滑化フィルタかけて画像データＤ３′を生成して、当該画像データＤ３′と画像データＤ２′の差分をとり閾値処理を行うことにより１５ｍｍ〜３０ｍｍ程度の検出対象領域を抽出することができる。このようにして、５ｍｍ〜１５ｍｍ程度の検出対象領域及び１５ｍｍ〜３０ｍｍ程度の検出対象領域をそれぞれ抽出することが可能となる。

腫瘤陰影は略円形であるため、画像データの縦横方向ともに同様の処理でよく、また抽出された領域と腫瘤陰影とが対応付けやすいので、上記領域抽出処理を施すことが特に好ましい。

図３において、領域抽出処理が終了すると、画像データＤにおいて抽出された画像データＤ５の領域に対し、異常陰影候補の検出処理が実行される（ステップＳ３）。

検出処理では、曲率フィルタを用いて腫瘤陰影候補を検出するが、初めに曲率フィルタによる特徴量の算出方法について説明した後、当該方法を適用した異常陰影候補検出処理の流れについて説明する。

図９（ａ）に、２次元座標で表される画素位置と、各画素の画素値、すなわち濃度値の３方向の信号成分からなる乳房画像の濃度分布を表す曲面Ｅを示す。図９（ａ）において、曲面Ｅ上の任意の一画素を注目画素ｐに設定し、この注目画素ｐにおける法線ベクトルｍと接線ベクトルｔで張られる平面を法平面Ｆとし、法平面Ｆと曲面Ｅとの交線（即ち、法平面Ｆで切り出される曲面Ｅ）を法断面Ｊとする。

なお、図９（ａ）では、説明の便宜上、曲面Ｅを滑らかな曲面で示したが、実際にはデジタル画像を扱うので、図１０に示すように、曲面Ｅは画素毎に離散的な濃度値（画素値）を示す階段状となっている。

注目画素ｐにおける曲率を算出するためには、図９（ｂ）に示すように、注目画素ｐにおける法線を回転軸として、法平面Ｆ（或いは、接線ベクトルｔ）を所定角度βずつ回転させ、各回転角度毎に、法断面Ｊが表す曲線γの注目画素ｐにおける法曲率を算出すればよい。ここで、所定角度βは、画像処理装置２の処理速度に基づいて決定され、例えば、π／２、π／８等に設定することができる。所定角度βを大きくすると、演算時間の短縮化を図ることができる。

法断面Ｊ上の注目画素ｐにおける法曲率は、最小二乗法によって法断面Ｊが表す曲線γを近似する関数を算出し、その算出された近似関数の注目画素ｐにおける曲率を算出することによって求められる。本実施形態では、まず、図１１に示すように、法断面Ｊが表す曲線γ（図１１の濃度プロファイル）を円で近似する場合を示す。以下、最小二乗法を用いて曲線γの近似円（曲線γに近似する円）を算出する処理について説明する。

近似円の中心座標を（ａ，ｂ）、半径をｒとすると、近似円は、２次元座標（Ｘ、Ｙ）を用いて式（１）のように表される。

次に、曲線γ上における注目画素ｐの近傍（所定範囲内の画像領域）のｎ個の画素信号値を（Ｘ_i,Ｙ_i）（i＝1,…,n）とし、式（２）に示すように、ｎ次元ベクトルＡ、ｎ行３列の行列Ｂ、３次元ベクトルＣを定義する。

曲線γを式（１）の円で近似するためには、Ｌ＝｜Ａ−ＢＣ｜²が最小となるＣを求めればよい。すなわち、ＬをベクトルＣで偏微分して０となるようなＣを求めればよい。∂Ｌ／∂Ｃ＝０を満たすＣは、式（３）のようになる。

Ｃ＝(Ｂ^TＢ)^-1ＢＡ （３）
式（３）においてＴは転置行列を表す。また、(Ｂ^TＢ)^-1ＢはＢの擬似逆行列である。

法断面Ｊが表す曲線γは、式（３）を満たすＣによって決定される円で近似される。この近似円の半径の逆数が、曲線γの注目画素ｐにおける法曲率となる。即ち、回転角度θにおける曲線γの近似円の半径がｒ(θ)である場合、回転角度θにおける法曲率ｋ(θ)は、式（４）のように表される。

ｋ(θ)＝１／ｒ(θ) （４）
なお、近似円の中心座標（ａ，ｂ）が曲面Ｅの上部にある場合、式（４）の右辺の符号は負となり、近似円の中心座標（ａ，ｂ）が曲面Ｅの下部にある場合、式（４）の右辺の符号は正となる。

また、３点で定まる円を曲線γに当てはめて、その円の半径から法曲率を算出することも可能である。この場合、曲線γ上の候補点と任意の２点を曲面上にとり、この３点により円を描き、この任意の２点を移動させることによって円の大きさを変化させ、円の大きさの変化が極点にきたときの半径から曲率が算出される。

曲線γの近似関数としては、他に、楕円、ガウス関数、二次関数等の各種の関数を適用することが可能である。近似関数として楕円を用いる場合、楕円の半径（長半径又は短半径）の逆数が曲率（法曲率）となる。また、近似関数として、下記の式（５）に示すようなガウス関数Ｙを用いる場合、式（５）のＮの値が曲率（法曲率）となる。

次に、近似関数として二次関数を用いた場合の法曲率の算出方法について説明する。局所座標系で図９（ａ）の曲面Ｅが、式（６）のように表されるものとする。

ここで、ａ、ｂ、ｃは定数であり、Ｏ(x,y)^kは３次以上の項を表す。

この場合、ｘ軸と角度θをなす法断面Ｊ（曲線γ）上の注目画素ｐにおける法曲率ｋ(θ)は式（７）のようになる。

ここでは、曲面Ｅを表す式（６）に基づいて、曲線γの近似関数としての二次関数を仮定し、最小二乗法により、その二次関数の二次の項の係数、一次の項の係数及び定数項を算出することにより、法曲率を算出する。

まず、２次元座標（Ｘ、Ｙ）を用いて、曲線γの近似関数が式（８）に示すような二次関数Ｙで表されるものと仮定する。

次に、曲線γ上における注目画素ｐの近傍（所定範囲内の画像領域）のｎ個の画素信号値を（Ｘ_i,Ｙ_i）（i＝1,…,n）とし、a'Ｘ_i ² ＋ b'Ｘ_i ＋ c'と、この二次関数の出力値Ｙ_iとの差の二乗平均Ｓを算出する。そして、この二乗平均Ｓを係数a'、b'、c'で偏微分した値が０となるように設定することにより係数a'、b'、c'を算出し、曲線γの近似関数としての二次関数を決定する。

最小二乗法により得られた式（８）の各係数a'、b'、c'を式（７）のa、b、cにそれぞれ代入することにより、法曲率ｋ(θ)が算出される。なお、近似関数として三次以上の多次元多項式（高次多項式）関数を用いた場合においても、二次関数の場合と同様の方法で法曲率を算出することができ、曲面形状のより繊細な情報を得ることができる。

このようにして、曲線γの近似関数から法曲率が算出されると、以下のようにＳｈａｐｅＩｎｄｅｘが算出される。注目画素ｐの法線を回転軸として法平面Ｆを回転させると、法断面Ｊ（曲線γ）の形状が変化するため、回転角度θに応じて法曲率ｋ(θ)の値も変化することになる。即ち、法曲率ｋ(θ)は、法平面Ｆの回転角度θにより、最大値及び最小値をとる。各回転角度θ（０≦θ＜π）で算出された法曲率ｋ(θ)のうち、最大値をｋ_max、最小値をｋ_minとすると、ＳｈａｐｅＩｎｄｅｘ ＳＩは、式（９）のように定義される。

式（９）のＳｈａｐｅＩｎｄｅｘ ＳＩは、注目画素ｐを中心とした所定範囲内の画像領域における曲面Ｅの曲面形状を表す。

図１２に、ＳｈａｐｅＩｎｄｅｘの値に対応する曲面形状を示す。処理対象画像の白い部分（即ち、濃度値が低い部分）では、ＳｈａｐｅＩｎｄｅｘの値は１に近付き、曲面形状は凹型となる。一方、処理対象画像の黒い部分（即ち、濃度値が高い部分）では、ＳｈａｐｅＩｎｄｅｘの値は０に近付き、曲面形状は凸型となる。

図１３に、本実施形態の曲率フィルタと処理対象画像を示す。図１３に示すように、この曲率フィルタを図３のステップＳ３において抽出された抽出領域全体に走査させることにより、各画素でのＳｈａｐｅＩｎｄｅｘの値が算出され、濃度分布の凹凸を強調したＳｈａｐｅＩｎｄｅｘ画像が作成される。異常陰影の種類に応じてＳｈａｐｅＩｎｄｅｘの値がとり得る範囲が予め設定されているとすると、ＳｈａｐｅＩｎｄｅｘ画像から、ＳｈａｐｅＩｎｄｅｘの値が特定の範囲にある信号領域を検出することによって、該当する異常陰影を検出することができる。例えば、腫瘤はなだらかなガウス分布状の凹型となる傾向がある。従って、図１２より、ＳｈａｐｅＩｎｄｅｘの値が０．７５〜１．００となる画像領域を検出することによって、腫瘤陰影の候補領域を検出することができる。なお、処理対象領域を設定し、その設定された処理対象領域の画素に曲率フィルタを走査させるようにしてもよい。

なお、本実施形態では、画像をフィルムに出力する際の濃度の分布の曲面形状を取り扱ったが、画像を表示モニタに出力する際の輝度の分布の曲面形状を取り扱うようにしてもよい。輝度分布の場合、ＳｈａｐｅＩｎｄｅｘの値と曲面形状の関係が濃度分布の場合と逆になる。即ち、輝度の場合は、濃度値が高いとき白、濃度値が低いとき黒となる。従って、輝度分布の場合、ＳｈａｐｅＩｎｄｅｘが１に近付くと曲面形状は凸型となり、ＳｈａｐｅＩｎｄｅｘが０に近付くと曲面形状は凹型となる。

次に、図１４を参照して上記説明した曲率フィルタによる異常陰影候補の検出処理について説明する。

図１４に示すように、まず、図３のステップＳ２において医用画像データＤから抽出された抽出領域に対し、注目画素ｐが設定され（ステップＳ３１）、注目画素ｐを中心とした所定範囲の画像領域が設定される（ステップＳ３２）。次いで、注目画素ｐの法線を回転軸とした回転角度θが０に設定される（ステップＳ３３）。

次いで、ステップＳ３２で設定された画像領域における濃度分布を示す曲面Ｅを、回転速度θの法平面Ｆで切り出すことによって、回転角度θの法断面Ｊが表す曲線γが取り出され（ステップＳ３４）、この曲線γ上の画素信号値（濃度値）が記憶部２５に記憶される。次いで、最小二乗法を用いて、回転角度θにおける曲線γが円で近似され、近似円の半径により、注目画素ｐの回転角度θにおける法曲率ｋ(θ)が算出される（ステップＳ３５）。

次いで、回転角度θにβを加算した値が新たな回転角度θとして設定される（ステップＳ３６）。次いで、現在の回転角度βがπ以上であるか否かが判定される（ステップＳ３７）。

ステップＳ３７において、回転角度θがπ未満であると判定された場合（ステップＳ３７；Ｎ）、ステップＳ３４に戻り、当該回転角度θに対するステップＳ３４〜Ｓ３７の処理が繰り返される。ステップＳ７において、回転角度θがπ以上であると判定された場合（ステップＳ３７；Ｙ）、各回転角度毎に算出された法曲率ｋ(θ)の中から最大値ｋ_max及び最小値ｋ_minが算出される（ステップＳ３８）。

次いで、ステップＳ３８で算出された法曲率の最大値ｋ_max及び最小値ｋ_minを用いて、式（９）によりＳｈａｐｅＩｎｄｅｘが算出され（ステップＳ３９）、算出されたＳｈａｐｅＩｎｄｅｘの値が、現在の注目画素ｐの特徴量として記憶部２５の特徴量ファイルに記憶される。

次いで、抽出領域内の全ての画素についてＳｈａｐｅＩｎｄｅｘの算出が終了したか否かが判定される（ステップＳ４０）。ステップＳ４０において、全ての画素についてＳｈａｐｅＩｎｄｅｘの算出が終了していないと判定された場合（ステップＳ４０；Ｎ）、ステップＳ１に戻り、抽出領域において次の注目画素ｐが設定され（ステップＳ３１）、その設定された注目画素ｐについて、ステップＳ３２〜Ｓ３９の処理が繰り返される。

ステップＳ１０において、全ての画素についてＳｈａｐｅＩｎｄｅｘの算出が終了したと判定された場合（ステップＳ４０；Ｙ）、曲率フィルタを抽出領域内で走査させることにより、全ての画素についてＳｈａｐｅＩｎｄｅｘが算出されると、濃度分布の凹凸を強調したＳｈａｐｅＩｎｄｅｘ画像が作成される。そして、ＳｈａｐｅＩｎｄｅｘの値が特定の異常陰影に対応する範囲にある画像領域が、該当する異常陰影の候補領域として検出される（ステップＳ４１）。ここでは、腫瘤を検出対象としているので、例えばＳｈａｐｅＩｎｄｅｘの値が０．７５〜１．００となる画像領域を検出することによって、腫瘤陰影の候補領域が検出される。

異常陰影候補領域の検出後、処理は図３のステップＳ４に移行し、異常陰影候補検出結果が表示部２３に表示される（ステップＳ４）。例えば、画像データＤに基づく乳房画像が表示部２３に表示され、その乳房画像上において、異常陰影候補として検出された候補領域が矢印で指摘表示される、或いはカラー表示される等して識別表示される。また、異常陰影候補における特徴量を出力するようにしてもよい。

以上のように、本実施形態によれば、曲率フィルタを用いた異常陰影候補の検出処理の前処理として、第１及び第２の平滑化フィルタにより検出処理の対象領域を抽出する。これにより、抽出された領域にのみ曲率フィルタを用いた検出処理を施すことができ、処理時間の大幅な短縮化を図ることができる。また、曲率フィルタによる検出処理は、腫瘤に特有の画像パターンを感度良く検出するが、この検出処理前には予め検出対象領域をある大きさのものに絞り込んだうえで処理を行う。よって、腫瘤の予想される大きさに応じて予め偽陽性と思われる大きさの領域を検出対象から除外することができ、これにより偽陽性候補数の低減を図ることができる。すなわち、曲率フィルタのように検出精度の高い異常陰影候補の検出処理を適用する際には、平滑フィルタによる領域抽出処理を前処理として併用することにより、処理時間と短縮と検出精度の向上という相乗効果が得られる。

また、第１及び第２の平滑化フィルタのマスクサイズを変えることができるので、検出目的とする病変種の大きさに応じた領域を抽出することができる。曲率フィルタを適用するマスクサイズを変えることにより、大きさを考慮した異常陰影候補の検出を行うことができるが、曲率フィルタによる検出処理は平滑化フィルタによる抽出処理より処理時間を要するものである。よって、予め平滑化フィルタにより検出目的とする大きさの領域を抽出しておき、その大きさの抽出領域内で曲率フィルタによる検出処理を行うことにより、処理時間の短縮化を図ることができるとともに、候補領域の大きさを考慮した検出処理を行うことができ、より検出精度の向上を図ることができる。

また、第１の平滑化処理及び第２の平滑化処理におけるフィルタのマスクサイズを変えて設定することにより、検出すべき異常陰影種の大きさに応じて抽出する検出対象領域の大きさを変更することが可能となる。よって、異常陰影候補の検出処理の前段階で検出対象の異常陰影種に特有の大きさに限定して領域の抽出を行うことにより、後段の検出処理の処理時間の短縮化を図ることができるとともに、偽陽性候補の除去を行うことができる。

さらに、図４のステップＳ１２〜Ｓ１５の処理をマスクサイズを変えて繰り返し実行することにより、検出すべき異常陰影候補領域の大きさ別に検出対象領域を分類して抽出することが可能となるので、複数の検出モデルによる異常陰影候補の検出が可能となる。

なお、抽出された領域に使用する曲率フィルタは、サンプリングピッチ４００μｍの画像を用い、抽出領域５〜１５ｍｍの腫瘤陰影を対象とする場合には１５×１５ピクセルサイズ（６×６ｍｍ）、抽出領域１５〜３０ｍｍの腫瘤陰影を対象とする場合には３５×３５ピクセルサイズ（１４×１４ｍｍ）とすることが検出性の観点から好ましい。

また、上述した実施形態では、本発明に係る第１又は第２の平滑化処理、特徴量算出、異常陰影候補の検出処理等を画像処理装置２において実現することとしたが、これに限らず、医用画像システム１００上に接続された他の装置（サーバ等）において実現することとしてもよいし、医用画像システム１００上にこれらの機能を実現する独立した装置を新たに設けることとしてもよい。

Claims (10)

1. 入力医用画像に第１の平滑化フィルタ処理を施す第１処理工程と、
   前記第１の平滑化フィルタ処理が施された処理画像に第２の平滑化フィルタ処理を施す第２処理工程と、
   前記第１及び第２の平滑化フィルタ処理が施された処理画像から、異常陰影候補を検出すべき特定領域を抽出する抽出工程と、
   前記抽出された特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出工程と、
   前記算出された特徴量に基づいて、異常陰影候補の検出処理を行う異常陰影候補検出工程と、
   を含むことを特徴とする異常陰影候補検出方法。
2. 前記入力医用画像を縮小する工程を含み、
   前記第１処理工程では、前記縮小された入力医用画像に第１の平滑化フィルタ処理を施すことを特徴とする請求の範囲第１項に記載の異常陰影候補検出方法。
3. 前記特徴量算出工程では、前記濃度分布を示す曲面の形状を表す特徴量として、シェイプインデックスを算出することを特徴とする請求の範囲第１項又は第２項に記載の異常陰影候補検出方法。
4. 前記異常陰影候補検出工程において検出対象とする異常陰影種は、腫瘤であることを特徴とする請求の範囲第１項乃至第３項の何れか一項に記載の異常陰影候補検出方法。
5. 抽出すべき第１の異常陰影サイズに対応する第１の平滑化フィルタを設定する工程と、
   抽出すべき第２の異常陰影サイズに対応する第２の平滑化フィルタを設定する工程と、
   入力医用画像に前記第１及び第２の平滑化フィルタを作用させ、異常陰影候補を検出すべき所望の大きさの特定領域を抽出する抽出工程と、
   前記特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出工程と、
   前記算出された特徴量に基づき、異常陰影候補の検出を行う異常陰影候補検出工程と、
   を含むことを特徴とする異常陰影候補検出方法。
6. 入力医用画像に第１の平滑化フィルタ処理を施す第１の平滑化処理手段と、
   前記第１の平滑化フィルタ処理が施された処理画像に第２の平滑化フィルタ処理を施す第２の平滑化処理手段と、
   前記第１及び第２の平滑化フィルタ処理が施された処理画像から、異常陰影候補を検出すべき特定領域を抽出する抽出手段と、
   前記抽出された特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出手段と、
   前記算出された特徴量に基づいて、異常陰影候補の検出処理を行う異常陰影候補検出手段と、
   を備えることを特徴とする異常陰影候補検出装置。
7. 前記入力医用画像を縮小する縮小処理手段を含み、
   前記第１の平滑化手段は、前記縮小された入力医用画像に第１の平滑化フィルタ処理を施すことを特徴とする請求の範囲第６項に記載の異常陰影候補検出装置。
8. 前記特徴量算出手段は、前記濃度分布を示す曲面の形状を表す特徴量として、シェイプインデックスを算出することを特徴とする請求の範囲第６項又は第７項に記載の異常陰影候補検出装置。
9. 前記異常陰影候補検出工程において検出対象とする異常陰影種は、腫瘤であることを特徴とする請求の範囲第６項乃至第８項の何れか一項に記載の異常陰影候補検出装置。
10. 抽出すべき第１の異常陰影サイズに対応する第１の平滑化フィルタを設定する第１設定手段と、
    抽出すべき第２の異常陰影サイズに対応する第２の平滑化フィルタを設定する第２設定手段と、
    入力医用画像に前記第１及び第２の平滑化フィルタを作用させ、異常陰影候補を検出すべき所望の大きさの特定領域を抽出する抽出手段と、
    前記特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出手段と、
    前記算出された特徴量に基づき、異常陰影候補の検出を行う異常陰影候補検出手段と、
    を備えることを特徴とする異常陰影候補検出装置。