WO2005121784A1 - 医用画像処理システム - Google Patents

医用画像処理システム Download PDF

Info

Publication number
WO2005121784A1
WO2005121784A1 PCT/JP2005/010693 JP2005010693W WO2005121784A1 WO 2005121784 A1 WO2005121784 A1 WO 2005121784A1 JP 2005010693 W JP2005010693 W JP 2005010693W WO 2005121784 A1 WO2005121784 A1 WO 2005121784A1
Authority
WO
WIPO (PCT)
Prior art keywords
image data
living body
image processing
medical image
calculated
Prior art date
Application number
PCT/JP2005/010693
Other languages
English (en)
French (fr)
Inventor
Toshiro Yokoyama
Masayoshi Kage
Original Assignee
Kurume University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Kurume University filed Critical Kurume University
Priority to JP2006514587A priority Critical patent/JP4748059B2/ja
Priority to US11/628,955 priority patent/US7865000B2/en
Priority to EP05750443A priority patent/EP1775585A4/en
Publication of WO2005121784A1 publication Critical patent/WO2005121784A1/ja

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/40—Analysis of texture
    • G06T7/41—Analysis of texture based on statistical description of texture
    • G06T7/48—Analysis of texture based on statistical description of texture using fractals
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic 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
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Definitions

  • the present invention relates to a medical image processing system for processing medical image data related to a living body, and in particular, to a medical image processing system that determines characteristics of the living body based on a fractal dimension of the medical image data related to the living body.
  • the present invention relates to a device, a medical image processing method, a medical image processing program, and a computer-readable recording medium that records the medical image processing program.
  • a benign tumor cell is a cell clump obtained by strong binding between cells.
  • Malignant tumors have a tendency to have a relatively smooth shape, and malignant tumors have a weak binding force, so they take advantage of the fact that cell clumps spread widely and the shape becomes complicated, and judgment based on human subjectiveness and experience
  • Amorphous identification methods and devices that identify benign or bad cells by automatically analyzing irregular shapes without discrimination are disclosed (e.g., Patent Document 1 and Non-Patent Documents). See 3.) 0
  • Non-Patent Document 4 attempts to numerically express the degree of malignancy of ductal carcinoma using a fractal dimension.
  • This study in Non-patent Document 4 discloses the results of using fractal analysis to numerically describe the state of chromatin in mammary gland cytology. Nerve images of breast aspiration aspiration cytology of 19 patients and 22 patients with invasive ductal carcinoma show fractal Minkowski ( Minkowski) dimension and spectral dimension. It was also demonstrated that the appearance of chromatin in the nuclear image of mammary epithelial cells was fractal, indicating that the three-dimensional structure of chromatin in epithelial cells also had fractal properties. Suggest. A statistically significant difference in the average spectral dimension between benign and malignant tumors has been demonstrated, finding a very weak correlation between the two fractal dimensions .
  • Patent Document 2 in a blood smear, an image analysis result, which tends to be unstable due to staining or microscope setting conditions, is normalized by using an analysis result of a non-target cell.
  • a medical image processing apparatus for providing more useful information for identifying a disease has been disclosed.
  • the medical image processing apparatus performs image processing on lymphocyte nuclei in addition to neutrophil cell nuclei to be subjected to image processing, and uses image analysis results obtained from lymphocyte nuclei. By standardizing the image analysis results of neutrophil cell nuclei, image analysis independent of staining and microscope setting conditions is performed.
  • the medical image processing apparatus is an apparatus that identifies a target object using image information, and includes an image extracting unit that extracts an area where an object is present from an input image, A luminance information calculation unit that extracts the contour of the object and calculates the luminance of the extracted portion and information analyzed based on the luminance.
  • Patent Document 1 Japanese Patent Application Publication No. 1999-120350.
  • Patent Document 2 Japanese Patent Application Publication No. 2002 140692.
  • Non-Patent Document 2 Simon S. Cross, Fractals In Pathology ", Journal of Pathology, Vol. 182, pp. 1—8, 1997.
  • Non-Patent Document 3 Hideyasu Takayasu et al., "Application of Fractal Image Analysis to Cytologic Diagnosis, Medical Imaging Technology, Vol. 15. No. 5, pp. 587—591 , September, 1997.
  • Patent Document 4 Andrew J. Einstein, et al., "Fractal Characterization of Chromatin Ap pearance for Diagnosis in Breast Cytology", Journal of Pathology, Vol. 185, pp. 366- 381, 1998.
  • Active malignant cells are known to have enhanced transcription of abnormal gene proteins, and in the cell nucleus, tend to be distributed as abnormal aggregation of protein molecules related to transcription factors and the like.
  • the distribution is known to be complex.
  • these distribution abnormalities are often visually observed by an observer, and are often judged by words based on empirical rules and by vague and subjective judgments.
  • the distribution is subjectively determined based on the empirical side of the observer, such as fine granularity and coarse reticulation. It was determined that
  • An object of the present invention is to solve the above-mentioned problems, and to provide a medical image processing apparatus and method, a medical image processing program, and a medical image processing method capable of quantitatively determining the characteristics of a living body with higher accuracy and higher accuracy compared to the related art.
  • Another object of the present invention is to provide a recording medium on which the medical image processing program is recorded.
  • a medical image processing apparatus is a medical image processing apparatus for analyzing characteristics of a living body based on image data of the living body
  • a fractal dimension D of the shape image data is calculated based on the obtained shape image data and pattern image data, and a fractal dimension D of the pattern image data is calculated.
  • the information of the shape image data is substantially removed.
  • C is a predetermined third constant.
  • CI dD ZD (where d is a predetermined value)
  • the determining means determines the characteristics of the living body by comparing the calculated index value with a predetermined threshold value.
  • the threshold value is preferably a predetermined value capable of distinguishing the characteristics of the living body based on image data of a plurality of living bodies whose characteristics of the living body are known.
  • the image analysis processing includes at least one of edge processing and binarization processing. Still further, the image analysis processing preferably further includes a conversion processing into color image data and gray scale image data.
  • the living body is a cell nucleus
  • the image data of the living body is chromatin image data of the cell nucleus
  • the pattern image data of the living body is a cell nucleus.
  • the image data is chromatin pattern image data
  • the determining means determines biological evaluation of the cell nucleus based on the calculated index value.
  • the biological evaluation is preferably the malignancy of the cell nucleus cancer.
  • the living body is a part of a living body
  • the image data of the living body is a medical image that captures the part of the living body using a predetermined signal wave. Obtained by imaging with an imaging device.
  • the living body is an organ of an organism
  • the shape image data is image data of the shape of the organ
  • the pattern image data is a distribution of non-uniformity of a lesion in the organ.
  • An image processing method is an image processing method for analyzing characteristics of a living body based on image data of the living body.
  • a fractal dimension D of the shape image data is calculated based on the obtained shape image data and pattern image data, and a fractal dimension D of the pattern image data is calculated.
  • the information of the shape image data is substantially removed.
  • the determining may include the calculated index value. Is compared with a predetermined threshold value to determine the characteristics of the living body.
  • the threshold value is preferably a predetermined value based on image data of a plurality of living bodies whose characteristics of the living body are known.
  • the image analysis processing includes at least one of an edge processing and a binary processing. Furthermore, the image analysis processing preferably further includes a conversion processing into color image data power gray scale image data.
  • the living body is a cell nucleus
  • the image data of the living body is chromatin image data of the cell nucleus
  • the pattern image data of the living body is a chromatin pattern of the cell nucleus.
  • Image data, wherein the determining step determines biological evaluation of the cell nucleus based on the calculated index value.
  • the biological evaluation is preferably the degree of malignancy of the cell nucleus cancer.
  • the living body is a part of a living body, and the image data of the living body is imaged by a medical imaging device that images the part using a predetermined signal wave. Is obtained.
  • the living body is an organ of an organism
  • the shape image data is image data of the shape of the organ
  • the pattern image data is a distribution of non-uniformity of a lesion in the organ.
  • the judgment step judges a biological evaluation of a lesion in the organ based on the calculated index value.
  • An image processing program according to a third invention is characterized by including the steps of the image processing method.
  • a computer-readable recording medium is characterized by recording the above-mentioned image processing program.
  • the medical image processing apparatus and method by performing a predetermined image analysis process on image data of a living body, the shape image data obtained by extracting the contour of the living body can be obtained. And pattern image data obtained by extracting a pattern in the outline of the living body. Next, a fractal dimension D of the shape image data is calculated based on the obtained shape image data and pattern image data, and the fractal dimension D of the pattern image data is calculated. After calculating the fractal dimension D, the fractal dimension D
  • An index value CI is calculated which substantially removes and substantially contains information on the pattern of the pattern image data. Further, the characteristic of the living body is determined based on the calculated index value. Therefore, the index value CI that substantially removes the information of the image data related to the shape of the living body and substantially includes the pattern information of the pattern image data is calculated, and the calculated index value is calculated as the index value CI. Since the characteristics of the living body are determined based on the above, it is possible to quantitatively determine the characteristics of the living body with a very simple processing method and with higher accuracy than in the related art.
  • FIG. 1 is a block diagram showing a configuration of a medical image processing system including a medical image processing apparatus 10 for executing analysis and evaluation processing of biological cell nucleus chromatin pattern image data according to an embodiment of the present invention. .
  • FIG. 2 is a flowchart of a main flow showing a process of analyzing and evaluating biological cell nucleus chromatin pattern image data performed by the medical image processing apparatus 10 of FIG. 1.
  • FIG. 3 is a subroutine of FIG. 2, and is a flowchart showing a judgment process (step S5-1) according to a first embodiment of the processing example.
  • FIG. 4 is a subroutine of FIG. 2, and is a flowchart showing a judgment process (step S5-2) according to a second embodiment processing example.
  • FIG. 5 is a flowchart showing a subroutine of FIG. 2 and showing a judgment process (step S5-3) according to a third embodiment of the present invention.
  • FIG. 6 is a schematic analysis diagram showing the principle of fractal dimension analysis processing by a box counting method used in the fractal calculation processing of FIG. 2.
  • FIG. 7 A graph showing the logarithmic value LogN (r) of the number of cells with respect to the logarithmic value Log (r) of the length r of one side of the divided square, which is an example of the result of the fractal dimension analysis processing by the box counting method of FIG. is there.
  • FIG. 8 is a table showing cases according to Example 1.
  • FIG. 9 is a graph showing the results of analysis and evaluation of cell nuclei in cases according to Example 1.
  • the chromatin index CI value of relapsed and non-relapsed cases was statistically significant (P ⁇ 0.001).
  • FIG. 1 A first figure.
  • FIG. 10 is a table showing an estimation result of recurrence, which is an analysis and evaluation processing result on a cell nucleus of a case according to Example 2.
  • FIG. 11 is a table showing a change in accuracy due to a threshold change, which is a result of analysis and evaluation processing on cell nuclei in cases according to Example 2.
  • FIG. 12 is a photograph showing an example of image data including a plurality of cell nuclei stored by the image input processing of FIG. 2.
  • FIG. 13 is a photograph showing an example of image data for each cell nucleus extracted from the image data in FIG. 11 by the first image analysis processing in FIG. 2.
  • FIG. 14 Image data of a single cell nucleus extracted by the first image analysis processing in Figure 2 (the original image data is a color image data of 10.64 million colors. In Figure 14, the image data was converted to grayscale image data. 12 shows image data.) FIG.
  • FIG. 15 is a photograph showing an example of image data of each of the RGB colors for the image data in FIG.
  • FIG. 16 is a photograph showing an example of image data of each RGB color after binarization processing and edge processing by the first image analysis processing of FIG. 2 with respect to the image data of each RGB color of FIG. 15;
  • FIG. 17 A is a photograph of the chromatin image data after the first image analysis processing of FIG. 2 on the cell nucleus image data of the first experimental example, and the fractal dimension calculated by the fractal calculation processing of FIG. D is shown, and B is the nuclear shape image after the second image analysis processing in FIG.
  • FIG. 2 shows a photograph showing an example of data image data and a fractal dimension D calculated by the fractal operation processing of FIG. 2, and C represents chromatin after the first image analysis processing of FIG. 2.
  • FIG. 3 is a diagram showing a photograph of image data and a chromatin index CI value calculated by the fractal calculation process of FIG. 2 relating to the photograph.
  • FIG. 18 A is a photograph of the chromatin image data of the cell nucleus image data of the second experimental example after the first image analysis processing of FIG. 2 and the fractal dimension calculated by the fractal calculation processing of FIG. D is shown, and B is the nuclear shape image after the second image analysis processing in FIG.
  • the calculated fractal dimension D is shown, and C is the chromatin after the first image analysis processing in FIG.
  • FIG. 3 is a diagram showing a photograph of image data and a chromatin index CI value calculated by the fractal calculation process of FIG. 2 relating to the photograph.
  • FIG. 20 is a photograph showing a plurality of chromatin pattern image data of four malignant cases A, B, C, and D according to Example 1, and a photograph showing an average value of a chromatin index CI value of each malignant case.
  • Fig. 21 is an ultrasonic image of a typical breast cancer according to Example 3, which is a photograph showing an irregular shape of the breast cancer and a nonuniform internal lowness.
  • FIG. 22 is an ultrasonic image of a typical breast cancer according to Example 3, which is a photograph showing internal unevenness and calcification of the breast cancer.
  • FIG. 23 is an X-ray image of a typical breast cancer according to Example 4, which is a photograph showing calcification of the breast cancer.
  • Lymph node metastasis, estrogen receptor expression, Her-2 overexpression, and histological grade are known as predictors of breast cancer prognosis, and recurrence risk items are regarded as important in treatment strategies.
  • Breast aspiration aspiration cytology is reliable for preoperative benign and malignant diagnosis Power has not been evaluated as a prognostic factor.
  • the present inventors performed a fractal analysis in order to clarify whether or not the nuclear chromatin pattern of the cancer cells of the breast aspiration material can be a prognostic factor for recurrence.
  • FIG. 1 is a block diagram showing a configuration of a medical image processing system including a medical image processing apparatus 10 for performing analysis and evaluation processing of biological cell nucleus chromatin pattern image data according to an embodiment of the present invention. It is.
  • FIG. 2 is a flowchart of a main flow showing the analysis and evaluation processing of the biological cell nucleus chromatin pattern image data executed by the medical image processing apparatus 10 of FIG.
  • the medical image processing apparatus 10 according to the present embodiment performs analysis and evaluation of the biological cell nucleus chromatin pattern image data of FIG.
  • Step SI Image input processing
  • Step S2 first image analysis processing
  • Step S3 second image analysis processing
  • Step S4 fractal dimension calculation processing
  • Step S5 judgment processing
  • the communication interface 2a in the CCD digital camera 2 of the imaging device 60 and the communication interface 52 of the medical image processing device 10 are connected via a communication cable 50.
  • These communication interfaces 2a and 51 are, for example, a USB (Universal Serial Bus) interface or a LAN (Local Area Network) interface.
  • image data including, for example, cell nuclei of breast cancer, captured by the CCD digital camera 2 using the microscope 1 is transmitted from the imaging device 60 to the medical image processing device 10 and received by the medical image processing device 10 to perform image processing. Is done.
  • the medical image processing apparatus 10 First, the configuration of the medical image processing apparatus 10 will be described with reference to FIG.
  • the medical image processing device 10
  • a computer CPU (central processing unit) 20 for calculating and controlling the operation and processing of the medical image processing apparatus 10;
  • a ROM (read only memory) 21 for storing a basic program such as an operation program and data necessary for executing the program
  • a RAM (random access memory) 22 that operates as a working memory of the CPU 20 and temporarily stores parameters and data necessary for image processing;
  • MRI image data which is composed of, for example, a node disk memory and is received from the MRI apparatus 1
  • An image memory 23 for storing image data during image processing and image data after image processing;
  • a program memory 24 which is constituted by, for example, a node disk memory and stores the image processing program of FIG. 2 read using the CD-ROM drive device 45;
  • a printer that is connected to a printer 44 that prints image data processed by the CPU 20 and a predetermined analysis result, performs predetermined signal conversion of print data to be printed, and outputs to the printer 44 for printing.
  • Interface 34
  • (k) Read the program data of the image processing program from the CD-ROM 45a in which the image processing program is stored.
  • the program data of the read image processing program is connected to the CD-ROM drive device 45 and converted into a predetermined signal. And a drive device interface 35 for transferring the data to the program memory 24.
  • circuits 20-24, 31-34 and 51 are connected via a bus 30.
  • image data of a living cell nucleus generated by the CCD digital camera 2 of the imaging device 60 is transmitted from the communication interface 2a of the CCD digital camera 2 to the communication interface 51 of the medical image processing device 10 via the communication cable 60. After being transmitted and received, it is temporarily stored in the image memory 23 for image processing (step in FIG. 2). Sl).
  • a cytological specimen of breast cancer is subjected to a known staining method using, for example, hematoxylin (a dark blue basic dye) (for example, the original method of Papanicolaou).
  • hematoxylin a dark blue basic dye
  • the chromatin image data is obtained by a CCD digital camera. 2 is transmitted from the communication interface 2 a to the communication interface 51 of the medical image processing apparatus 10 via the communication cable 60.
  • step S1 of Fig. 2 an image input process is executed. That is, the biological cell nucleus chromatin image data is received from the CCD digital camera 2 and temporarily stored in the image memory 23.
  • the power using the imaging device 60 composed of the microscope 1 and the CCD digital camera 2 is not limited to this, and the imaging device such as a CCD camera, a scanner, or a digital camera may be directly used. You can use it for imaging.
  • a first image analysis process is performed. That is, the image data of each cell nucleus was extracted from the biological cell nucleus chromatin image data, and a binary thresholding process was performed on the image data for each cell nucleus after the extraction using a predetermined threshold and value.
  • an analysis process is executed by executing the edge extraction process to identify the chromatin pattern distribution, and the processed image data is converted into the chromatin pattern image data after the first image analysis process (256 gradations for each RGB color). ) Is stored in the image memory 23.
  • Non-Patent Document 1 A known method can be used.
  • image data of each cell nucleus may be extracted by manually specifying the outer contour of each cell nucleus.
  • the binarization process and the edge extraction process may execute at least one process.
  • at least one process may be performed on the color image data.
  • RGB Image conversion processing for converting into grayscale image data of each color may be further executed. In this case, preferably, after performing the edge extraction processing on the image data of the cell nucleus, the image conversion processing is performed, and an arbitrary density of the staining density gradation of the cell nucleus is determined.
  • V ⁇ value Executes binarization processing.
  • step S3 a second image analysis process is performed. That is, image data of a cell nucleus shape in which the outer contour line of the image data for each cell nucleus after the extraction is solid black is generated, and the processed image data is processed into the nuclear shape image data after the second image analysis process.
  • the image data is stored in the image memory 23 as (256 gradations for each color of RGB).
  • step S4 a fractal dimension calculation process is performed. That is, for each cell nucleus, based on the chromatin pattern image data and the nucleus shape image data, each fractal dimension D, D is calculated using, for example, a box counting method.
  • the fractal dimension of the image data is calculated by the box counting method for the image data after the image analysis processing.
  • the box counting method is a general method for obtaining the fractal dimension of digital image power.
  • N (r) be the number of.
  • the logarithm of the length of one side of the divided square (the size of the divided square) is plotted on the horizontal axis, and the logarithm of the number of squares overlapping the figure is plotted on the vertical axis.
  • a straight line with a slope of is obtained, and this slope becomes the fractal dimension. Fluctuations occur when analyzing actual image data, so the slope of the graph is determined by the least squares method or the like.
  • the force using the box counting method is not limited to this, and other methods such as the Hausdorff dimension method may be used.
  • step S5 a determination process is performed. That is, for each cell nucleus, the fractal dimension D of chromatin pattern image data and the fractal dimension of nuclear shape image data
  • the chromatin index CI is a characteristic of cell nuclei.
  • the chromatin index CI may be displayed to indicate the degree of sex.
  • the characteristics of the cell nucleus may be interpreted to include the meaning of the degree.
  • a is a predetermined first constant
  • b is a predetermined second constant.
  • the threshold for binarization processing for the three color RGB image data was obtained by shifting the /! Value, for example, from 80 to 150 gradations by 10 gradations.
  • one fractal dimension D can be calculated by setting, for example, 130 gradations as one threshold value.
  • the value of the chromatin index CI substantially eliminates the information of the nuclear shape image data and substantially replaces the information of the pattern of the pattern image data. Will be included.
  • the fractal dimension D of the chromatin pattern image data indicates the complexity of the chromatin distribution
  • the fractal dimension D of the data indicates the complexity of the nuclear shape only, hence the chromatin index CI
  • the chromatin index is an index to which the “self-morphological difference method” is applied, and it has become possible to provide morphological information in which a morphological error or a shape error is reduced from a plurality of pieces of information of a cell morphology.
  • these chromatin indices are based on the fact that the cell and nuclear morphology originally have a unique shape (nuclear shape) and a plurality of morphological information such as intranuclear proteins distributed inside them. Therefore, their relationship with the nuclear shape and the characteristic shape of chromatin cannot be ignored.
  • the form or shape
  • the idea is to extract the different characteristics of each and eliminate the influence between the parameters.
  • These are called the self-morphological difference methods.
  • the chromatin index CI using the self-morphological difference method
  • Evaluation of the distribution of romatin became possible.
  • the same morphological power Since multiple parameters obtained affect each parameter, the morphological parameters are subtracted, and the evaluation is performed using the dimensional difference.
  • Non-Patent Document 4 was previously disclosed as a report example of the prior art, but this paper only discloses that fractal dimension analysis was used to evaluate nuclear chromatin for benign / malignant discriminant diagnosis. .
  • the effects of nuclear shape were not considered when assessing nuclear chromatin.
  • the shape of the cell nucleus in malignant cases shows an irregular shape, and it is necessary to remove the influence of the nuclear shape when evaluating nuclear chromatin.
  • benign cases do not show nuclear irregularities, and nuclear shapes often show circular shapes composed of smooth lines.Malignant cases often show irregular shapes with coarse lines. It is. Therefore, it is desirable to correct the outer shape including the chromatin distribution at the time of evaluation.
  • the embodiment according to the present invention uses a fractal dimension analysis as an evaluation of the degree of malignancy, and eliminates the influence of irregularities in the nuclear shape when evaluating the nuclear chromatin shape (self-morphological difference method).
  • the evaluation of malignancy became possible.
  • Estimation of recurrence and lymph node metastasis were shown as indicators of malignancy, and it became possible to evaluate nuclear chromatin distribution as such indicators.
  • Non-Patent Document 4 analyzes the distribution of nuclear chromatin without discriminating the nucleus shape, for the purpose of discriminating only benign and malignant.
  • the analysis of nuclear chromatin distribution e.g., self-morphological Method.
  • the chromatin index CI is calculated using the equation (1).
  • the chromatin index CI is calculated using any of the following equations (2) to (4). You may. That is, by using any of the following equations (2) to (4), information of the nuclear shape image data is substantially removed and chromatin substantially including the information of the pattern of the pattern image data is used.
  • the indicator CI can be calculated.
  • a is a predetermined first constant
  • b is a predetermined second constant
  • c is a predetermined third constant. Is a constant.
  • a l
  • b l
  • c l are set.
  • e is a predetermined fifth constant.
  • e l.
  • FIG. 3 is a subroutine of FIG. 2, and is a flowchart showing a judgment process (step S5-1) according to the first embodiment.
  • step S11 first, for each cell nucleus, a fractal dimension D of chromatin pattern image data and Based on the fractal dimension D of the core shape image data and the above equation (1),
  • step S12 it is determined whether or not CI ⁇ CIthr.
  • step S13 it is determined that there is a high possibility that the breast cancer will recur, and the process proceeds to step S15.
  • step S14 it is determined that the possibility of breast cancer recurrence is low, and the process proceeds to step S15. Further, in step S15, the judgment result is displayed and output on the CRT display 43, and the process returns to the main routine.
  • FIG. 4 is a subroutine of FIG. 2, which is a determination process according to the second embodiment (step S5
  • step S21 first, for each cell nucleus, based on the fractal dimension D of the chromatin pattern image data and the fractal dimension D of the nuclear shape image data,
  • FIG. 5 is a subroutine of FIG. 2, which is a judgment process according to the third embodiment (step S5
  • step S31 first, for each cell nucleus, the fractal dimension D of the chromatin pattern image data and the fractal dimension D of the nucleus shape image data are used.
  • step S33 it is determined that the malignancy of the breast cancer is high, and the process proceeds to step S35.
  • step S34 it is determined that the malignancy of the breast cancer is low, and the process proceeds to step S35. Further, in step S35, the judgment result is displayed and output on the CRT display 43, and the process returns to the main routine.
  • the chromatin index threshold, value CIthr (threshold of recurrence! /, Value), CItht (threshold for metastasis to lymph node), and CIthm (threshold for malignancy) are, for example, as described above. Based on image data of a plurality of breast cancer cell nuclei for which the characteristics of breast cancer are known, their average value, maximum value, and the like are calculated (for example, see Examples 1 and 2 described later). It can be decided empirically in advance.
  • the information of the image data relating to the shape of the living body is substantially removed, and the information of the pattern of the pattern image data is substantially eliminated. Since the index value CI is calculated based on the calculated index value and the characteristic or the degree of the living body is determined based on the calculated index value, a very simple processing method can be used with higher accuracy than the conventional technology. Quantitatively the characteristics of the living body or its degree, Can be determined.
  • an index capable of quantitatively estimating the prognosis of cancer recurrence, cancer metastasis, and cancer malignancy can be obtained by calculating and analyzing a plurality of fractal dimensions having different recurrence cases and tumor diameters in advance.
  • the chromatin index CI of a certain organism with a predetermined cancer malignancy threshold and value, it is possible to objectively and quantitatively determine whether the cancer malignancy is high or low. .
  • the program when the image processing program data of FIG. 2 is stored and executed in the CD-ROM 45a, the program is loaded into the program memory 24 and executed.
  • the present invention is not limited to this. It may be stored in various recording media such as a recording medium of an optical disk such as CD-RW, DVD, and MO, or a recording medium of a magneto-optical disk, or a recording medium of a magnetic disk such as a floppy (registered trademark) disk. These recording media are computer-readable recording media.
  • the data of the image processing program of FIG. 2 may be stored in the program memory 24 in advance and the image processing may be executed.
  • Example 1 the analysis is performed by fractal analysis and morphological examination of the nuclear chromatin pattern as a prognostic factor for breast cancer.
  • the target was 69 invasive ductal carcinomas (14 recurrence cases, non-recurrence cases (nl. 24 cases, ⁇ . 31 cases). The details are shown in Fig. 8.
  • the non-recurrence cases nl ⁇ is a lymph node metastasis case
  • non-recurrence case ⁇ is a lymph node non-metastasis case
  • the above-mentioned fractal dimension analysis was performed using the chromatin index CI indicating the complexity of chromatin distribution.
  • FIG. 12 is a photograph showing an example of image data including a plurality of cell nuclei stored in the image input processing of FIG. 2 in the first embodiment.
  • images of 1577 nuclei of 69 specimens obtained were photographed with Olympus BX51 microscope 1 and -kon CCD digital camera 2 (magnification: X600), and image data of only the target cell nuclei was obtained.
  • the image data file has a bitmap file format of an arbitrary size.
  • the photograph of the drawing attached in this application has the format of the grayscale JPEG file due to restrictions in online application.
  • the photographing conditions were all the same.
  • Figure 23 shows an example of extracting an analysis image.
  • FIG. 13 is a photograph showing an example of image data for each cell nucleus extracted from the image data of FIG. 11 by the first image analysis processing of FIG. 2, and FIG. 14 is a full-color image of one cell nucleus.
  • the image of the image data is shown.
  • the image data of FIG. 12 was input to the medical image processing apparatus 10 of FIG. 2, and a predetermined image analysis process was performed on the input image data to obtain image data for identifying a chromatin distribution.
  • edge extraction processing for extracting the contour shape of the cell nucleus chromatin was performed.
  • the measurement target image data is RGB image data, and 21 gradations out of 80-150 gradations of 256 gradations of each color image (the gradations in 10 gradation steps, that is, 80 gradations, 90 gradations) , 100 gradations,..., 150 gradations were used as threshold values.)
  • FIG. 15 shows the RGB image data before the edge extraction processing for the cell nucleus chromatin image data in FIG. 14, and
  • FIG. 16 shows the RGB image data after the edge extraction processing.
  • the outer contour shape is extracted based on the RGB image data after the edge extraction processing, and the fractal dimension D of the chromatin pattern image data in the contour and the solid in the contour are defined as black.
  • A is a photograph of the chromatin image data after the first image analysis processing of FIG. 2 on the cell nucleus image data of the first experimental example, and is calculated by the fractal calculation processing of FIG. Fractal dimension D
  • B is the nucleus after the second image analysis processing in FIG.
  • Shape image data A photograph showing an example of image data, and the fractal operation shown in Fig. 2 2 shows the fractal dimension D calculated by the processing, and C shows the fractal dimension after the first image analysis processing in FIG.
  • FIG. 3 is a diagram showing a photograph of chromatin image data and a chromatin index CI value calculated by the fractal calculation process of FIG. 2 for the photograph. Further, in FIG. 18, A is calculated by the photograph of the chromatin image data after the first image analysis processing of FIG. 2 for the cell nucleus image data of the second experimental example and the fractal calculation processing of FIG. Fractal dimension D
  • FIG. B shows a photograph showing an example of the nuclear shape image data image data after the second image analysis processing of FIG. 2 and the fractal dimension D calculated by the fractal operation processing of FIG.
  • 3C is a diagram showing a photograph of the chromatin image data after the first image analysis processing in FIG. 2 and a chromatin index CI value calculated by the fractal calculation processing in FIG.
  • FIG. 19 shows the chromatin pattern image data when a plurality of cell nuclei of the case according to Example 1 were classified into a non-recurrent case (A) and a recurrent case (B), and the analysis in FIG. 14 is a photograph showing the chromatin index CI value as an average of the evaluation results.
  • the chromatin index CI value was higher in the relapsed case than in the non-relapsed case, and the chromatin staining increased in calorie, indicating irregular crude chromatin properties.
  • FIG. 9 is a graph showing the results of analysis and evaluation of the cell nuclei of the case according to Example 1, wherein the chromatin index CI value between the relapsed case and the non-relapsed case is statistically significant ( FIG. As is clear from FIG. 9, the chromatin index CI value (P ⁇ 0.001) of the relapsed case and the non-relapsed case has a statistically significant difference.
  • FIG. 20 is a photograph showing a plurality of chromatin pattern image data for the four malignant cases A, B, C, and D according to Example 1, and a photograph showing the average value of the chromatin index CI value of each malignant case. . As is evident from Fig.
  • the appearance of nucleoli and irregular distribution of chromatin can be visually recognized from the chromatin images, but it is difficult to distinguish between cases and to predict malignancy and recurrence. I understand.
  • the mean power of the chromatin index CI has a significant difference.
  • the nuclear chromatin images of A, B, C, and D shown in Fig. 20 all morphologically satisfy the malignant findings, the evaluation of the degree of malignancy is inaccurate by visual observation of the morphological chromatin pattern according to the conventional technology. Lack of reproducibility.
  • the chromatin index CI was high in 85% (12Z14 cases) of recurrent breast cancer, and a significant difference was observed between the recurrent breast cancer cases and the non-breast cancer cases (P ⁇ 0 001), suggesting irregular chromatin distribution. 84% (21Z25 cases) of non-relapsed cases (n 0) with a tumor diameter of less than 2.5 cm had a relatively low chromatin index CI value. In non-relapsed cases (nl), a relatively high chromatin index CI value was found frequently in cases with a tumor diameter of 2.5 cm or more, and a correlation with the tumor diameter was observed (P ⁇ 0.001).
  • Example 1 From the results of Example 1, it was inferred that nuclear chromatin of recurrent breast cancer cases had certain morphological characteristics. Chromatin in patients with recurrent breast cancer had multiple coarse aggregates around the nucleoli and was irregularly distributed. Aggregated chromatin was observed in the vicinity of the nuclear membrane of cells showing bright and fine aggregated chromatin in the nucleus. Then, fractal dimension analysis is performed on these nuclear chromatin patterns, and the chromatin index CI is calculated. The irregularities of the chromatin pattern could be quantitatively reduced. The quantification (quantification) of these patterns enables prediction of recurrence and quantitative evaluation of malignancy, and can provide clinical information useful for initial treatment.
  • Example 1 A method of determining a recurrence case, a lymph node transfer case, and a biological malignancy of a test sample based on the fractal dimension calculated in Example 1 will be described below.
  • the obtained cell nucleus specimen is photographed with a Olympus BX51 microscope 1 and a Nikon CCD digital camera 2 (magnification: X600) to create image data (bitmap file) of the cell nucleus specimen.
  • the photographing conditions are the same as those in the first embodiment.
  • the image data was input to the medical image processing apparatus in FIG. 1, and the analysis and evaluation processing in FIG. 2 was performed.
  • the purpose-specific determination processing in FIGS. 3 to 5 was performed. That is, in the judgment processing for each purpose (relapse cases and lymph node metastasis cases, biological malignancy) shown in FIGS. 3 to 5, the calculated chromatin index CI is determined by the threshold values CIthr, CItht set for each purpose.
  • the biological malignancy refers to a superordinate concept of the degree of recurrence and the degree of metastasis to lymph nodes, and these are hereinafter referred to as “malignancy and the like”.
  • the principles of the present invention have applicability to medical image evaluation methods.
  • the observation image has an irregular shape force, it is important to take into account the shape of the outline that is a collection of those patterns.
  • medical images include many types of images having various shapes and fractal properties.
  • X-ray photography, mammography (mammography), MRI (Magnetic Resonance Imaging) are known.
  • XCT X-ray Computed Tomography
  • PET Positron-emission Tomography
  • imaging findings such as ultrasound echo are useful for daily observation and evaluation of lesions in clinical medicine.
  • Fig. 21 is an ultrasonic echo image of a typical breast cancer according to Example 3, and is a photograph showing the irregular low-equal internal low echo of the breast cancer.
  • Fig. 21 is an image obtained by scanning at intervals of 2.5 mm. A tumor image 2.5 cm in size is observed at the center. It is nodular with irregular edges and uneven low echo inside, with a strong border echo image in front of the mass.
  • FIG. 22 is an ultrasonic echo image of a typical breast cancer according to Example 3, and is a photograph showing internal unevenness and calcification of the breast cancer.
  • Figure 22 shows an example of a tumor with irregular and smooth margins that is somewhat difficult to distinguish from fibroadenoma. However, a strong point-like echo image is observed inside the tumor. Cancer with calcification.
  • Figs. 21 and 22 show the ultrasound image of the mammary gland.
  • the dimensions of the outline and the fractal dimensions that are indicators of internal echo non-uniformity were obtained. It is possible to mathematically formulate image information from the same tumor lesion and calculate the index value using the same formula as the chromatin index CI to judge the degree of malignancy of the lesion.
  • FIG. 23 is an X-ray image of a typical breast cancer according to Example 4, and is a photograph showing calcification of the breast cancer.
  • FIG. 23 no apparent mass shadow is observed, but a moderate amount of calcified image is observed on the right side of the breast.
  • the calcified image is clearly depicted, and each calcified image has a variety of images such as circular, V-shaped, rod-shaped, and comma-shaped. Further, the calcified images are linearly arranged in the direction of the nipple.
  • Fig. 23 is an X-ray image (mammography image) of breast cancer.
  • the outline dimension and the fractal dimension that is an index of internal calcification are obtained. It is also possible to mathematically formulate the image information of those tumor lesions and calculate the index value using the same formula as the chromatin index CI to judge the degree of malignancy of the lesion.
  • the shape of the calcification nest is scattered, uniform size.
  • the shape of the calcification foci has characteristics such as denseness, irregularity in size, and abnormal shape. Therefore, these calcification patterns are evaluated using fractal dimension D, and information on fractal dimension D related to the shape of the lesion is removed.
  • the chromatin index CI of the present invention is applied to organs such as breast cancer and epithelial lesions.
  • the indicator CI may be applied to non-epithelial cancers such as muscle.
  • the power code CI using the code CI as the chromatin index does not mean only the index of chromatin.
  • the contour of the living body is extracted by executing a predetermined image analysis process on the image data of the living body. And image data obtained by extracting a pattern in the contour of the living body. Next, based on the obtained shape image data and pattern image data, the fractal dimension D of the shape image data is calculated, and the pattern
  • An index value CI substantially including information of the image data and substantially including the pattern information of the pattern image data is calculated. Further, the characteristic or the degree of the living body is determined based on the calculated index value. Therefore, the index value CI that substantially removes the information of the image data related to the shape of the living body and substantially includes the information of the pattern of the pattern image data is calculated, and based on the calculated index value. Since the characteristics of the living body or the degree thereof are determined, the characteristics of the living body can be quantitatively determined with a very simple processing method with higher accuracy than the conventional technology.
  • the image processing apparatus and method according to the present invention which provide a quantitative index of the distribution form of chromatin in cell nuclei, are useful as an objective index for an observer, and are used as preoperative and postoperative treatment selection as an index of malignancy. Can give information.
  • it can be applied to, for example, basic medicine, applied medicine, biology, and basic science that require cell nucleus evaluation. It is used in all fields that handle cells, such as evaluation of test cell nuclei and cultured cell nuclei.
  • the medical image processing apparatus and method according to the present invention are not limited to cell nucleus evaluation, but can be widely applied to evaluation of some internal organs and lesions of a living body.

Abstract

　生体の画像データに基づいて上記生体の特性を解析するための医用画像処理装置が提供される。当該医用画像処理装置は、生体の画像データに対して所定の画像解析処理を実行することにより、上記生体の輪郭を抽出してなる形状画像データと、上記生体の輪郭内のパターンを抽出してなるパターン画像データとを得る。上記得られた形状画像データ及びパターン画像データに基づいて、上記形状画像データのフラクタル次元ＤＡを計算し、上記パターン画像データのフラクタル次元ＤＢを計算した後、上記形状画像データの情報を実質的に除去しかつ上記パターン画像データのパターンの情報を実質的に含む指標値ＣＩを計算して上記生体の特性を判断する。

Description

明 細 書
医用画像処理システム
技術分野
[0001] 本発明は、生体に係る医用画像データを処理するための医用画像処理システムに 関し、特に、生体に係る医用画像データのフラクタル次元に基づいて当該生体の特 性を判断する医用画像処理装置、医用画像処理方法、医用画像処理プログラム、及 び医用画像処理プログラムを記録しコンピュータにより読み出し可能な記録媒体に関 する。
背景技術
[0002] フラクタル理論は 1975年に提示されて以来、基礎的な研究が 90年代に進み、今 世紀には自然科学分野において大きく利用されつつあるが、具体的応用事例が少 ないのが現状である。フラクタル理論は全体を lZaに縮小した相似図形 aD個によつ て構成されているとき、この指数 Dが次元を意味し、それがフラクタル次元と呼ばれる 。この次元は整数である必要性はなぐ複雑な分布を非整数次元によって定量ィ匕す ることが可能である (例えば、非特許文献 2参照。 )0
[0003] フラクタル次元理論を用いた各種の解析手法は病理診断の分野にお!、て頻繁に 用いられており、例えば良性腫瘍細胞は細胞間の結合力が強ぐ得られた細胞集塊 が密着した比較的滑らかな形状を持つ傾向があり、悪性腫瘍は結合力が弱いため 細胞集塊の広がりが大きく形状も複雑になる性質を利用し、その判別に人間の主観 や経験に基づく判断ではなく自動的に不定形の解析を行って細胞集魂の良性 Z悪 性の識別を行う不定形の識別方法及び不定形の識別装置が開示されている (例え ば、特許文献 1及び非特許文献 3参照。 )0
[0004] また、フラクタル次元を用いて乳管癌の悪性度を数値的に表すことが、非特許文献 4において試みられている。この非特許文献 4の研究では、乳腺細胞学においてクロ マチンの様相を数値的に記述するために、フラクタル解析を利用することに関する調 查結果を開示しており、上皮細胞の病変が良性な患者 19人と、浸潤性乳管癌の患 者 22人との、乳房の穿刺吸引細胞診による核の画像は、フラクタルのミンコゥスキー（ Minkowski)次元とスペクトル次元とで特徴付けられる。また、乳腺上皮細胞の核画 像内におけるクロマチンの様相がフラクタルであることが立証され、このことは上皮細 胞内のクロマチンの三次元的な構造もまたフラクタルな特性を有していることを示唆 する。腫瘍が良性な場合と悪性な場合とで、平均的なスペクトル次元に統計的に有 意な差があることが立証され、 2つのフラクタル次元には非常に弱い相関があることを 発見している。
[0005] さらに、特許文献 2においては、血液塗抹標本において、染色や顕微鏡の設定条 件により不安定になりがちな画像解析結果を、非対象細胞の解析結果を用いること で基準化させることにより、より疾患鑑別に有用な情報を提供するための医用画像処 理装置が開示されている。当該医用画像処理装置は、上記の目的を達成するため に、画像処理の対象とする好中球細胞核以外に、リンパ球細胞核も画像処理し、リン パ球細胞核から得られた画像解析結果を用いて好中球細胞核の画像解析結果を基 準化することで染色や顕微鏡の設定条件に左右されない画像解析を行うことを特徴 としている。当該医用画像処理装置は、具体的には、画像情報を用いて対象物の識 別を行う装置であって、入力された画像から物体の存在する領域を切り出す画像切 出部と、切り出された物体の輪郭の抽出をして、その抽出部分の輝度やそれに基づ き解析した情報を算出する輝度情報算出部とを有する。
[0006] 特許文献 1 :日本国特許出願公開平成 11年 120350号公報。
特許文献 2：日本国特許出願公開 2002年 140692号公報。
特干文献 1： William H. Wolberg, et al., "Breast Cytology Diagnosis with Digital I mage Analysis , Breast Cytology Diagnosis, Vol. 15, No. 6, December 1993.
非特許文献 2 : Simon S. Cross, Fractals In Pathology", Journal of Pathology, Vol. 1 82, pp.1— 8, 1997.
非特許文献 3：高安秀榭ほか， "フラクタル画像解析の細胞診断への応用 (Applicatio n or Fractal image Analysis to Cytologic Diagnosis) , Medical imaging l ecnnology, Vol. 15. No. 5, pp.587— 591, September, 1997.
特許文献 4 : Andrew J. Einstein, et al., "Fractal Characterization of Chromatin Ap pearance for Diagnosis in Breast Cytology", Journal of Pathology, Vol. 185, pp.366- 381, 1998.
発明の開示
発明が解決しょうとする課題
[0007] 悪性細胞において活動的な細胞は遺伝子異常蛋白転写が亢進していることが知ら れ、細胞核内では転写因子などに関する蛋白分子の異常凝集として分布している傾 向があり、し力もその分布は複雑であることが知られている。これらの分布異常は従来 、観察者が肉眼的に観察し、経験則に基づき言葉により、あいまいで主観的な判断 により判断されることが多 、。例えば良悪性細胞の細胞核クロマチン分布の識別や 悪性度の評価としてのクロマチン分布形態学的診断では、観察者の経験側に基づき 、その分布を細顆粒状及び粗網状などの形態的特徴を主観的に判別して ヽた。
[0008] このような形態学的に評価し難いクロマチン分布を数値ィ匕できれば、客観的な指標 を提供することができる。細胞核クロマチン分布が悪性度の評価として用いることは 観察者の経験に基づき注意深い観察が必要であるが正確で再現性ある評価は困難 である。上述のように、フラクタル次元を用いて病理診断に用いることが開示され、良 性か悪性かの定性的な診断に過ぎな力つた。
[0009] 本発明の目的は以上の問題点を解決し、従来技術に比較して高い精度で定量的 に、生体の特性を判断することができる医用画像処理装置及び方法、医用画像処理 プログラム、並びに当該医用画像処理プログラムを記録した記録媒体を提供すること にある。
課題を解決するための手段
[0010] 第 1の発明に係る医用画像処理装置は、生体の画像データに基づいて上記生体 の特性を解析するための医用画像処理装置において、
生体の画像データに対して所定の画像解析処理を実行することにより、上記生体 の輪郭を抽出してなる形状画像データと、上記生体の輪郭内のパターンを抽出して なるパターン画像データとを得る画像解析手段と、
上記得られた形状画像データ及びパターン画像データに基づ ヽて、上記形状画 像データのフラクタル次元 Dを計算し、上記パターン画像データのフラクタル次元 D
A
を計算した後、上記形状画像データのフラクタル次元 D及び上記パターン画像デ ータのフラクタル次元 Dに基づいて、上記形状画像データの情報を実質的に除去し
B
かつ上記パターン画像データのパターンの情報を実質的に含む指標値 CIを計算す る計算手段と、
上記計算された指標値に基づ!/、て、上記生体の特性を判断する判断手段とを備え たことを特徴とする。
[0011] 上記医用画像処理装置において、上記計算手段は、 CI = bD -aDの式 (ここで
B A
、 aは所定の第 1の定数であり、 bは所定の第 2の定数である。）を用いて指標値 CIを 計算する。又は、上記医用画像処理装置において、上記計算手段は、 CI= (bD -
B
aD ) /cDの式 (ここで、 aは所定の第 1の定数であり、 bは所定の第 2の定数であり
A A
、 cは所定の第 3の定数である。）を用いて指標値 CIを計算する。もしくは、上記医用 画像処理装置において、上記計算手段は、 CI = dD ZDの式 (ここで、 dは所定の
B A
第 4の定数である。）を用いて指標値 CIを計算する。とって代わって、上記医用画像 処理装置において、上記計算手段は、 CI = eD ZDの式 (ここで、 eは所定の第 5の
A B
定数である。）を用いて指標値 CIを計算する。
[0012] また、上記医用画像処理装置において、上記判断手段は、上記計算された指標値 を所定のしきい値と比較することにより、上記生体の特性を判断する。ここで、上記し きい値は、好ましくは、上記生体の特性が既知である複数の生体の画像データに基 づ 、て、上記生体の特性を区別可能な予め決められた値である。
[0013] さらに、上記医用画像処理装置において、上記画像解析処理は、エッジ処理と、 2 値化処理との少なくとも 1つの処理を含む。またさらに、上記画像解析処理は、好まし くは、カラー画像データ力 グレースケール画像データへの変換処理をさらに含む。
[0014] また、上記医用画像処理装置にお!/、て、上記生体は細胞核であり、上記生体の画 像データは上記細胞核のクロマチン画像データあり、上記生体のパターン画像デー タは上記細胞核のクロマチンパターン画像データであり、上記判断手段は、上記計 算された指標値に基づいて、上記細胞核の生物学的評価を判断する。ここで、上記 生物学的評価は、好ましくは、上記細胞核のがんの悪性度である。
[0015] さらに、上記医用画像処理装置において、上記生体は生物の一部の部位であり、 上記生体の画像データは、上記一部の部位を所定の信号波を用いて撮像する医用 撮像機器により撮像して得られる。ここで、好ましくは、上記生体は生物の臓器であり 、上記形状画像データは上記臓器の形状の画像データであり、上記パターン画像デ ータは上記臓器内の病変部の不均一性の分布を示す画像データであり、上記判断 手段は、上記計算された指標値に基づいて、上記臓器内の病変部の生物学的評価 を判断する。
[0016] 第 2の発明に係る画像処理方法は、生体の画像データに基づいて上記生体の特 性を解析するための画像処理方法にぉ 、て、
生体の画像データに対して所定の画像解析処理を実行することにより、上記生体 の輪郭を抽出してなる形状画像データと、上記生体の輪郭内のパターンを抽出して なるパターン画像データとを得る画像解析ステップと、
上記得られた形状画像データ及びパターン画像データに基づ ヽて、上記形状画 像データのフラクタル次元 Dを計算し、上記パターン画像データのフラクタル次元 D
A
を計算した後、上記形状画像データのフラクタル次元 D及び上記パターン画像デ
B A
ータのフラクタル次元 Dに基づいて、上記形状画像データの情報を実質的に除去し
B
かつ上記パターン画像データのパターンの情報を実質的に含む指標値 CIを計算す る計算ステップと、
上記計算された指標値に基づ 、て、上記生体の特性を判断する判断ステップとを 含むことを特徴とする。
[0017] 上記画像処理方法において、上記計算ステップは、 CI = bD -aDの式（ここで、
B A
aは所定の第 1の定数であり、 bは所定の第 2の定数である。）を用いて指標値 CIを計 算する。又は、上記画像処理方法において、上記計算ステップは、 CI= (bD -aD
B A
) /cDの式 (ここで、 aは所定の第 1の定数であり、 bは所定の第 2の定数であり、 cは
A
所定の第 3の定数である。）を用いて指標値 CIを計算する。もしくは、上記画像処理 方法において、上記計算ステップは、 CI = dD ZDの式（ここで、 dは所定の第 4の
B A
定数である。）を用いて指標値 CIを計算する。とって代わって、上記画像処理方法に おいて、上記計算ステップは、 CI = eD ZDの式 (ここで、 eは所定の第 5の定数で
A B
ある。）を用いて指標値 CIを計算する。
[0018] また、上記画像処理方法にお!、て、上記判断ステップは、上記計算された指標値 を所定のしきい値と比較することにより、上記生体の特性を判断する。ここで、上記し きい値は、好ましくは、上記生体の特性が既知である複数の生体の画像データに基 づいて、予め決められた値である。
[0019] さらに、上記画像処理方法において、上記画像解析処理は、エッジ処理と、 2値ィ匕 処理との少なくとも 1つの処理を含む。またさらに、上記画像解析処理は、好ましくは 、カラー画像データ力 グレースケール画像データへの変換処理をさらに含む。
[0020] また、上記画像処理方法にお!、て、上記生体は細胞核であり、上記生体の画像デ ータは上記細胞核のクロマチン画像データあり、上記生体のパターン画像データは 上記細胞核のクロマチンパターン画像データであり、上記判断ステップは、上記計算 された指標値に基づいて、上記細胞核の生物学的評価を判断する。ここで、上記生 物学的評価は、好ましくは、上記細胞核のがんの悪性度である。
[0021] さらに、上記画像処理方法において、上記生体は生物の一部の部位であり、上記 生体の画像データは、上記一部の部位を所定の信号波を用いて撮像する医用撮像 機器により撮像して得られる。ここで、好ましくは、上記生体は生物の臓器であり、上 記形状画像データは上記臓器の形状の画像データであり、上記パターン画像デー タは上記臓器内の病変部の不均一性の分布を示す画像データであり、上記判断ス テツプは、上記計算された指標値に基づいて、上記臓器内の病変部の生物学的評 価を判断する。
[0022] 第 3の発明に係る画像処理プログラムは、上記画像処理方法の各ステップを含むこ とを特徴とする。
[0023] 第 4の発明に係るコンピュータにより読み取り可能な記録媒体は、上記画像処理プ ログラムを記録したことを特徴とする。
発明の効果
[0024] 従って、本発明に係る医用画像処理装置及び方法によれば、生体の画像データに 対して所定の画像解析処理を実行することにより、上記生体の輪郭を抽出してなる形 状画像データと、上記生体の輪郭内のパターンを抽出してなるパターン画像データ とを得る。次いで、上記得られた形状画像データ及びパターン画像データに基づい て、上記形状画像データのフラクタル次元 Dを計算し、上記パターン画像データの フラクタル次元 Dを計算した後、上記形状画像データのフラクタル次元 D及び上記
B A
パターン画像データのフラクタル次元 D に基づいて、上記形状画像データの情報を
B
実質的に除去しかつ上記パターン画像データのパターンの情報を実質的に含む指 標値 CIを計算する。さらに、上記計算された指標値に基づいて、上記生体の特性を 判断する。それ故、上記生体が有する形状に係る画像データの情報を実質的に除 去しかつ上記パターン画像データのパターンの情報を実質的に含む指標値 CIを計 算し、上記計算された指標値に基づいて、上記生体の特性を判断するので、きわめ て簡単な処理方法で、従来技術に比較して高い精度で定量的に生体の特性を判断 することができる。
図面の簡単な説明
[図 1]本発明の一実施形態に係る、生物細胞核クロマチンパターン画像データの解 析及び評価処理を実行するための医用画像処理装置 10を含む医用画像処理シス テムの構成を示すブロック図である。
[図 2]図 1の医用画像処理装置 10によって実行される生物細胞核クロマチンパターン 画像データの解析及び評価処理を示すメインフローのフローチャートである。
[図 3]図 2のサブルーチンであり、第 1の実施処理例に係る判断処理 (ステップ S5— 1 )を示すフローチャートである。
[図 4]図 2のサブルーチンであり、第 2の実施処理例に係る判断処理 (ステップ S5— 2 )を示すフローチャートである。
[図 5]図 2のサブルーチンであり、第 3の実施処理例に係る判断処理 (ステップ S5— 3 )を示すフローチャートである。
[図 6]図 2のフラクタル演算処理において用いるボックスカウンティング法によるフラク タル次元解析処理の原理を示す概略解析図である。
[図 7]図 6のボックスカウンティング法によるフラクタル次元解析処理結果例である、分 割正方形の一辺の長さ rの対数値 Log (r)に対するセル数の対数値 LogN (r)を示す グラフである。
[図 8]実施例 1に係る症例を示すテーブルである。
[図 9]実施例 1に係る症例の細胞核にっ ヽての解析及び評価処理結果を示すグラフ であって、再発例と非再発例のクロマチン指標 CI値が統計学的有意差 (Pく 0. 001
)を示す図である。
[図 10]実施例 2に係る症例の細胞核についての解析及び評価処理結果である再発 の推定結果を示すテーブルである。
[図 11]実施例 2に係る症例の細胞核についての解析及び評価処理結果であるしきい 値変更による精度の変化を示すテーブルである。
[図 12]図 2の画像入力処理によって記憶された複数の細胞核を含む画像データの一 例を示す写真である。
[図 13]図 11の画像データから、図 2の第 1の画像解析処理により抽出された各細胞 核毎の画像データの一例を示す写真である。
[図 14]図 2の第 1の画像解析処理により抽出されたある 1つの細胞核の画像データ（ 元の画像データは 1064万色カラー画像データである力 図 14ではグレースケール の画像データに変換した画像データを示す。 )の一例を示す写真である。
[図 15]図 14の画像データについての RGB各色に係る画像データの一例を示す写 真である。
[図 16]図 15の RGB各色の画像データに対して図 2の第 1の画像解析処理による 2値 化処理及びエッジ処理後の RGB各色の画像データの一例を示す写真である。
[図 17] Aは第 1の実験例の細胞核画像データについての図 2の第 1の画像解析処理 後のクロマチン画像データの写真と、それに係る図 2のフラクタル演算処理により演 算されたフラクタル次元 Dを示し、 Bは図 2の第 2の画像解析処理後の核形状画像
A
データ画像データの一例を示す写真と、それに係る図 2のフラクタル演算処理により 演算されたフラクタル次元 Dを示し、 Cは図 2の第 1の画像解析処理後のクロマチン
B
画像データの写真と、それに係る図 2のフラクタル演算処理により演算されたクロマチ ン指標 CI値を示す図である。
[図 18]Aは第 2の実験例の細胞核画像データについての図 2の第 1の画像解析処理 後のクロマチン画像データの写真と、それに係る図 2のフラクタル演算処理により演 算されたフラクタル次元 Dを示し、 Bは図 2の第 2の画像解析処理後の核形状画像
A
データ画像データの一例を示す写真と、それに係る図 2のフラクタル演算処理により 演算されたフラクタル次元 Dを示し、 Cは図 2の第 1の画像解析処理後のクロマチン
B
画像データの写真と、それに係る図 2のフラクタル演算処理により演算されたクロマチ ン指標 CI値を示す図である。
圆 19]実施例 1に係る症例の複数の細胞核を非再発例 (A)と再発例 (B)とを区分し たときの各クロマチンパターン画像データと、それらについての図 2の解析及び評価 処理結果のクロマチン指標 CI値の平均値とを示す写真である。
[図 20]実施例 1に係る 4つの悪性例 A, B, C, Dについての複数のクロマチンパター ン画像データと、各悪性例のクロマチン指標 CI値の平均値を示す写真である。 圆 21]実施例 3に係る典型的な乳癌の超音波 画像であって、当該乳癌の不整 形ゃ不均一な内部低 を示す写真である。
[図 22]実施例 3に係る典型的な乳癌の超音波 画像であって、当該乳癌の内部 不均一や石灰化を示す写真である。
[図 23]実施例 4に係る典型的な乳癌の X線画像であって、当該乳癌の石灰化を示す 写真である。
符号の説明
1· ·· '顕微鏡、
2· ·· •CCDディジタ カメラ、
2a- ··通信インターフェース、
10- …医用画像処理装置、
20- ••CPU,
21 - ••ROM,
22- ••RAM,
23- …画像メモリ、
24- …プログラムメモリ、
30- "バス、
31 - …キーボードインターフエ一 -ス、
32- "マウスインターフェース、
33- • ·ディスプレイインターフエ、ース、 34· ··プリンタインターフェース、
35· ··ドライブ装置インターフェース、
41…キーボード、
42· ··マウス、
43 "'CRTディスプレイ、
44…プリンタ、
45—CD—ROMドライブ装置、
45a"-CD— ROM、
50…通信ケーブル、
51 · "通信インターフェース、
60…撮像装置。
発明を実施するための最良の形態
[0027] 以下、本発明に係る実施形態について図面を参照して説明する。
[0028] 乳癌予後推定因子としてリンパ節転移、エストロゲン受容体の発現、 Her— 2過剰 発現、組織学的グレードが知られており、治療方針において再発リスク項目は重要視 されて 、る。乳腺穿刺吸引細胞診は術前の良悪性診断にぉ ヽて信頼性を得て ヽる 力 予後推定因子としての評価はなされていない。本発明者らは、乳腺穿刺吸引材 料の癌細胞の核クロマチンパターンが再発予後因子となり得るか否か明らかにするこ とを目的にフラクタル解析を行った。細胞核クロマチン分布を細胞の生物学的活性 度及び増殖能として評価した結果、乳癌再発例についてフラクタル次元数の増加が みられ、これが生物学的悪性度を示唆する所見となり得ることを発見して、本発明の 実施形態に係る医用画像処理システムを完成させた。
[0029] 図 1は、本発明の一実施形態に係る、生物細胞核クロマチンパターン画像データの 解析及び評価処理を実行するための医用画像処理装置 10を含む医用画像処理シ ステムの構成を示すブロック図である。また、図 2は図 1の医用画像処理装置 10によ つて実行される生物細胞核クロマチンパターン画像データの解析及び評価処理を示 すメインフローのフローチャートである。本実施形態に係る医用画像処理装置 10は、 図 2の生物細胞核クロマチンパターン画像データの解析及び評価処理において、画 像入力処理 (ステップ SI)と、第 1の画像解析処理 (ステップ S2)と、第 2の画像解析 処理 (ステップ S3)と、フラクタル次元演算処理 (ステップ S4)と、判断処理 (ステップ S 5)とを実行することにより、生物細胞核の悪性度などの特性を判断してその判断結 果を CRTディスプレイ 43に表示して出力することを特徴としている。
[0030] 本実施形態の画像処理システムは、大きく分けて、
(a)顕微鏡 1の可視部に CCDディジタルカメラ 2の受光レンズを取り付けてなる撮像 装置 60と、
(b)ディジタル計算機で構成され、例えば乳癌の細胞核などの生体の画像を含む画 像データに基づいて、図 2に示すように、生物細胞核クロマチンパターン画像データ の解析及び評価処理を実行することにより、生物細胞核の悪性度などの特性を判断 してその判断結果を表示して出力する医用画像処理装置 10とを備えたことを特徴と している。
[0031] ここで、撮像装置 60の CCDディジタルカメラ 2内の通信インターフェース 2aと、医用 画像処理装置 10の通信インターフェース 52との間が通信ケーブル 50を介して接続 される。これらの通信インターフェース 2a, 51は例えば USB (Universal Serial Bus)ィ ンターフェース又は LAN (Local Area Network)インターフェースなどである。そして、 CCDディジタルカメラ 2により顕微鏡 1を用いて撮像された、例えば乳癌の細胞核を 含む画像データが撮像装置 60から医用画像処理装置 10に送信されて医用画像処 理装置 10で受信されて画像処理される。
[0032] まず、図 1を参照して、医用画像処理装置 10の構成について説明する。医用画像 処理装置 10は、
(a)当該医用画像処理装置 10の動作及び処理を演算及び制御するコンピュータの CPU (中央演算処理装置） 20と、
(b)オペレーションプログラムなどの基本プログラム及びそれを実行するために必要 なデータを格納する ROM (読み出し専用メモリ） 21と、
(c) CPU20のワーキングメモリとして動作し、画像処理で必要なパラメータやデータ を一時的に格納する RAM (ランダムアクセスメモリ） 22と、
(d)例えばノヽードディスクメモリで構成され、 MRI装置 1から受信した MRI画像データ 、画像処理中の画像データ、及び画像処理後の画像データを格納する画像メモリ 23 と、
(e)例えばノヽードディスクメモリで構成され、 CD— ROMドライブ装置 45を用いて読 みこんだ図 2の画像処理プログラムを格納するプログラムメモリ 24と、
(f)撮像装置 60の CCDディジタルカメラ 2内の通信インターフェース 2aと接続され、 通信インターフェース 2aとデータを送受信する通信インターフェース 51と、
(g)所定のデータや指示コマンドを入力するためのキーボード 41に接続され、キーボ ード 41から入力されたデータや指示コマンドを受信して所定の信号変換などのイン ターフェース処理を行って CPU20に伝送するキーボードインターフェース 31と、
(h) CRTディスプレイ 43上で指示コマンドを入力するためのマウス 42に接続され、マ ウス 42から入力されたデータや指示コマンドを受信して所定の信号変換などのインタ 一フェース処理を行って CPU20に伝送するマウスインターフェース 32と、
(i) CPU20によって処理された画像データや設定指示画面などを表示する CRTデ イスプレイ 43に接続され、表示すべき画像データを CRTディスプレイ 43用の画像信 号に変換して CRTディスプレイ 43に出力して表示するディスプレイインターフェース 33と、
(j) CPU20によって処理された画像データ及び所定の解析結果などを印字するプリ ンタ 44に接続され、印字すべき印字データの所定の信号変換などを行ってプリンタ 4 4に出力して印字するプリンタインターフェース 34と、
(k)画像処理プログラムが記憶された CD— ROM45aから画像処理プログラムのプロ グラムデータを読み出す CD— ROMドライブ装置 45に接続され、読み出された画像 処理プログラムのプログラムデータを所定の信号変換などを行ってプログラムメモリ 2 4に転送するドライブ装置インターフェース 35とを備え、
これらの回路 20 - 24, 31 - 34及び 51はバス 30を介して接続される。
本実施形態では、撮像装置 60の CCDディジタルカメラ 2によって生成された生物 細胞核の画像データが CCDディジタルカメラ 2の通信インターフェース 2aから通信ケ 一ブル 60を介して医用画像処理装置 10の通信インターフェース 51に送信されて受 信された後、画像処理のために画像メモリ 23に一時的に格納される（図 2のステップ Sl)。
[0034] 次いで、図 2を参照して、本実施形態に係る生物細胞核クロマチン画像データの解 析及び評価処理について、乳癌のクロマチン画像データに対する画像処理を例にと り以下に説明する。画像処理を実行する前の前置処理として、乳癌の細胞診標本を 、例えば、へマトキシリン（暗青色の塩基性色素）を用いて公知の染色法 (例えば、パ パニコロウ（Papanicolaou)原法など）により染色して細胞核が染色された乳癌の細胞 診標本を得る。この細胞核が染色された乳癌の細胞診標本を顕微鏡 1を介して CCD ディジタルカメラ 2を用いて撮像して、撮像された乳癌のクロマチン画像データを得た 後、当該クロマチン画像データは、 CCDディジタルカメラ 2の通信インターフェース 2 aから通信ケーブル 60を介して医用画像処理装置 10の通信インターフェース 51に 送信される。
[0035] 図 2のステップ S1において、画像入力処理が実行される。すなわち、 CCDディジタ ルカメラ 2から生物細胞核クロマチン画像データを受信して、画像メモリ 23に一時的 に記憶する。なお、本実施形態では、顕微鏡 1と CCDディジタルカメラ 2とからなる撮 像装置 60を用いている力 本発明はこれに限らず、直接に CCDカメラ、スキャナ、又 はディジタルカメラ等の撮像装置を用いて撮像してもょ 、。
[0036] 次いで、ステップ S2において、第 1の画像解析処理が実行される。すなわち、生物 細胞核クロマチン画像データ力 各細胞核毎の画像データを抽出し、抽出後の各細 胞核毎に画像データに対して、所定のしき 、値を用 、て 2値ィ匕処理を実行した後、 エッジ抽出処理を実行することにより解析処理を実行して、クロマチンパターン分布 を識別し、処理後の画像データを第 1の画像解析処理後のクロマチンパターン画像 データ (RGBの各色で 256階調）として画像データを画像メモリ 23に記憶する。なお 、生物細胞核クロマチン画像データから、各細胞核毎の画像データをそれぞれ、好 ましくは各細胞核の外輪郭線に沿って、自動的に抽出するためには、例えば、非特 許文献 1に記載された公知の方法を用いることができる。また、各細胞核の外輪郭線 を手動で指定することにより各細胞核の画像データを抽出してもよい。さらに、 2値ィ匕 処理と、エッジ抽出処理とは少なくとも 1つの処理を実行してもよぐまた、 2値化処理 と、エッジ抽出処理とは少なくとも一方の処理に加えて、カラー画像データから RGB 各色のグレースケールの画像データに変換する画像変換処理をさらに実行してもよ い。この場合、好ましくは、細胞核の画像データに対してエッジ抽出処理を実行した 後、上記画像変換処理を実行し、細胞核の染色濃度階調のうちの任意の濃度をしき
Vヽ値 2値化処理を実行する。
[0037] 次いで、ステップ S3において、第 2の画像解析処理が実行される。すなわち、上記 抽出後の各細胞核毎の画像データの外輪郭線内を黒ベタにした細胞核形状の画像 データを生成し、処理後の画像データを第 2の画像解析処理後の核形状画像デー タ (RGBの各色で 256階調）として画像データを画像メモリ 23に記憶する。
[0038] 次 、で、ステップ S4にお 、て、フラクタル次元演算処理が実行される。すなわち、 各細胞核毎に、クロマチンパターン画像データと核形状画像データとに基づいてそ れぞれ、例えばボックスカウンティング法を用いて、各フラクタル次元 D , Dを演算し
B A
、演算結果を RAM22に記憶する。フラクタル次元演算処理においては、画像解析 処理後の画像データに対してボックスカウンティング法によって画像データのフラクタ ル次元を算出する。ここで、ボックスカウンティング法は、ディジタル画像力もフラクタ ル次元を求める一般的な方法である。図 6に示すように、ボックスカウンティグ法では 一辺の長さ rの正方形と図形を重ね合わせ、分割正方形の一辺の長さを rとしたとき、 対象となる物体が少しでも含まれているセルの数を N (r)とする。ここで、図 7に示すよ うに、分割正方形の一辺の長さ（分割正方形の大きさ）の対数を横軸にとり、図形と重 なりあった正方形の数の対数を縦軸にとりプロットすると、負の傾きを持つ直線が得ら れ、この傾きがフラクタル次元となる。実際の画像データを解析するときには、揺らぎ が生ずるので、最小自乗法等によってグラフの傾きを決定する。なお、本実施形態で は、ボックスカウンティング法を用いている力 本発明はこれに限らず、ハウスドルフ 次元法などの他の方法を用いてもょ ヽ。
[0039] さらに、ステップ S5において、判断処理が実行される。すなわち、各細胞核毎に、ク ロマチンパターン画像データのフラクタル次元 Dと、核形状画像データのフラクタル
B
次元 D とに基づいて、次式（1)を用いてクロマチン指標 CIを計算した後、計算され
A
たクロマチン指標 CIを所定のしきい値と比較することにより、細胞核の特性を判断し、 判断結果を CRTディスプレイ 43に表示する。なお、クロマチン指標 CIは細胞核の特 性の度合いを表すので、クロマチン指標 CIを表示してもよい。また、細胞核の特性に はその度合 、の意味を含むように解釈してもよ 、。
[0040] [数 1]
CI = bD -aD (1)
B A
[0041] ここで、 aは所定の第 1の定数であり、 bは所定の第 2の定数である。本実施形態に おいて、一例として、好ましくは、 a= l, b= lである。なお、各細胞核毎のクロマチン パターン画像データのフラクタル次元 Dの計算では、各細胞核毎のクロマチンパタ
B
ーン画像データの RGBの 3色の画像データに対して、 2値化処理のしき!/ヽ値を例え ば 80階調から 150階調まで 10階調ずつずらして設定してそれぞれ得られた 24 ( = 8 X 3)個のフラクタル次元の値のうちの最大のフラクタル次元を、フラクタル次元 Dと
B
することが好ましい。また、核形状画像データのフラクタル次元 Dの計算では、当該
A
核形状画像データは白黒の明確な画像データであるので、 1つのしきい値として例え ば 130階調を設定して 1個のフラクタル次元 Dを計算できる。本実施形態では、上
A
記式（1)を用いてクロマチン指標 CIを計算することにより、当該クロマチン指標 CIの 値は、上記核形状画像データの情報を実質的に除去しかつ上記パターン画像デー タのパターンの情報を実質的に含むことになる。言い換えれば、クロマチンパターン 画像データのフラクタル次元 Dはクロマチン分布の複雑性を示し、核形状の画像デ
B
ータのフラクタル次元 D は核形状のみの複雑性を示し、それ故、クロマチン指標 CI
A
はクロマチン分布のみの複雑性を示す数値となる。
[0042] 以下、クロマチン指標 CIについて詳述する。当該クロマチン指標は、「自己形態差 分法」を応用した指標であり、細胞形態の持つ複数の情報から形態誤差又は形状誤 差を少なくした形態情報を提供することが可能となった。これらクロマチン指標（自己 形態差分法を用いた)は、例えると、細胞及び核形態は本来、固有形状 (核形状)と、 それらの内部に分布する核内タンパク質等の複数の形態情報力 成り立っており、そ れら核形状及びクロマチンの特性形状との関係を無視することはできな ヽ。すなわち 、形態 (又は形状）は複数の形態要素が形となって現れているため、各々の異なる性 質を抽出し、各々のパラメータ間の影響を排除する考えである。これらを自己形態差 分法という。クロマチン指標 CI (自己形態差分法を用いた）を用いることで、正確なク ロマチン分布の評価が可能となった。同一形態力 求めた複数のパラメータは各パラ メータに影響を与えているため、形態パラメータを差し引き、その次元差を用いて評 価する方法である。
[0043] 従来技術の報告例として、先に非特許文献 4を開示したが、当該論文は、良悪性 の判別診断に対して、核クロマチンの評価にフラクタル次元解析を用いたことのみを 開示する。当該論文において、核クロマチン評価をする場合、核形状の影響を考慮 されていない。特に悪性例の細胞核の形状は不定形を示し、核クロマチンを評価す る場合、核形状の影響を取り除く必要がある。良性と悪性の判別において、良性例で は核不整は示さず、核形状は滑な線で構成する円形を示すことが多ぐ悪性例の核 形状は粗雑な線で不定形状を示す場合がほとんどである。従って、クロマチン分布を 内包する外側形状も評価の際に補正させることが望ましい。これに対して、本発明に 係る実施形態は、悪性度の評価としてフラクタル次元解析を用い、核クロマチン形状 を評価する際に核形状の不整の影響を排除する方法（自己形態差分法)で、悪性度 の評価が可能となった。再発推測、リンパ節転移は悪性度の指標として表され、それ らの指標として核クロマチン分布を評価することが可能となった。
[0044] すなわち、非特許文献 4では、良性と悪性の判別のみが目的であって、核形状を配 慮しない核クロマチン分布の解析している。これに対して、本発明の実施形態では、 悪性度の評価 (例えば、再発予後の推定、リンパ節転移の予測等)を目的とし、核形 状を配慮した核クロマチン分布の解析 (自己形態差分法)を用いた評価法を用いて いる。
[0045] 以上の実施形態においては、式（1)を用いてクロマチン指標 CIを計算しているが、 下記の式（2)乃至 (4)のいずれかを用いて、クロマチン指標 CIを計算してもよい。す なわち、下記の式（2)乃至 (4)のいずれかを用いて、核形状画像データの情報を実 質的に除去しかつ上記パターン画像データのパターンの情報を実質的に含むクロマ チン指標 CIを計算することができる。
[0046] [数 2]
CI= (bD -aD ) /cD (2)
B A A
[0047] ここで、 aは所定の第 1の定数であり、 bは所定の第 2の定数であり、 cは所定の第 3 の定数である。一例として、好ましくは、 a= l、 b = l、 c = lに設定される。
[0048] [数 3]
CI=dD /Ό (3)
B A
[0049] ここで、 dは所定の第 4の定数である。一例として、好ましくは、 d= 1に設定される。
[0050] [数 4]
CI = eD /Ό (4)
A B
[0051] ここで、 eは所定の第 5の定数である。一例として、好ましくは、 e= lに設定される。
[0052] 次!、で、図 2の判断処理 (ステップ S5)の目的別に、 3つの実施処理例のサブルー チンを以下に示す。図 3は図 2のサブルーチンであり、第 1の実施処理例に係る判断 処理 (ステップ S5— 1)を示すフローチャートである。
[0053] 第 1の実施処理例に係る判断処理 (ステップ S5— 1)が図示された図 3において、ス テツプ S11で、まず、各細胞核毎に、クロマチンパターン画像データのフラクタル次 元 Dと、核形状画像データのフラクタル次元 D とに基づいて、上記式（1)を用いて
B A
クロマチン指標 CIを計算する。次いで、ステップ S 12において、 CI≥CIthrであるか 否かが判断され、ここで、 CIthrは乳癌の再発の高いと判断できるしきい値であり、例 えば、 Clthr=0. 2 (実施例 1参照。）である。ステップ S12において、 YESのときはス テツプ S13に進む一方、 NOのときはステップ S14に進む。ステップ S 13において、乳 癌の再発の可能性が高いと判断してステップ S 15に進む。一方、ステップ S 14にお いて、乳癌の再発の可能性が低いと判断してステップ S 15に進む。さらに、ステップ S 15では、判断結果を CRTディスプレイ 43に表示して出力し、元のメインルーチンに 戻る。
[0054] 図 4は図 2のサブルーチンであり、第 2の実施処理例に係る判断処理 (ステップ S5
2)を示すフローチャートである。
[0055] 図 4において、ステップ S21で、まず、各細胞核毎に、クロマチンパターン画像デー タのフラクタル次元 Dと、核形状画像データのフラクタル次元 D とに基づいて、上記
B A
式（1)を用いてクロマチン指標 CIを計算する。次いで、ステップ S22において、 CI≥ CIthrであるか否かが判断され、ここで、 CIthtは乳癌のリンパ節への転移の高いと 判断できるしきい値であり、例えば、 CItht =0. 15 (実施例 2参照。）である。ステップ S22において、 YESのときはステップ S23に進む一方、 NOのときはステップ S24に 進む。ステップ S23において、乳癌の再発の可能性が高いと判断してステップ S25に 進む。一方、ステップ S24において、乳癌の再発の可能性が低いと判断してステップ S25に進む。さらに、ステップ S25では、判断結果を CRTディスプレイ 43に表示して 出力し、元のメインルーチンに戻る。
[0056] 図 5は図 2のサブルーチンであり、第 3の実施処理例に係る判断処理 (ステップ S5
3)を示すフローチャートである。
[0057] 図 5において、ステップ S31で、まず、各細胞核毎に、クロマチンパターン画像デー タのフラクタル次元 Dと、核形状画像データのフラクタル次元 D とに基づいて、上記
B A
式（1)を用いてクロマチン指標 CIを計算する。次いで、ステップ S32において、 CI≥ CIthmであるか否かが判断され、ここで、 CIthmは乳癌のリンパ節への転移の高いと 判断できるしきい値であり、例えば、 Clthm=0. 15 (実施例 2など参照。）である。ス テツプ S32において、 YESのときはステップ S33に進む一方、 NOのときはステップ S 34に進む。ステップ S33において、乳癌の悪性度が高いと判断してステップ S35に 進む。一方、ステップ S34において、乳癌の悪性度が低いと判断してステップ S35に 進む。さらに、ステップ S35では、判断結果を CRTディスプレイ 43に表示して出力し 、元のメインルーチンに戻る。
[0058] なお、クロマチン指標のしき 、値 CIthr (再発のしき!/、値）， CItht (リンパ節への転 移のしきい値）， CIthm (悪性度のしきい値）は、例えば、上記乳癌の特性が既知で ある複数の乳癌細胞核の画像データに基づ 、て、それらの平均値や最大値などを 計算して (例えば、後述の実施例 1及び 2参照。）臨床学的に又は経験的に予め決め ることがでさる。
[0059] 実施形態の効果.
以上説明したように、本発明の実施形態に係る医用画像処理装置及び方法によれ ば、生体が有する形状に係る画像データの情報を実質的に除去しかつパターン画 像データのパターンの情報を実質的に含む指標値 CIを計算し、上記計算された指 標値に基づいて、上記生体の特性又はその度合いを判断するので、きわめて簡単な 処理方法で、従来技術に比較して高 、精度で定量的に生体の特性又はその度合 、 を判断することができる。例えば、予め再発症例及び腫瘍径が異なる複数のフラクタ ル次元を計算して解析することにより定量的に、癌再発予後、癌転移及び癌悪性度 を推定できる指標を得ることができる。また、ある生体のクロマチン指標 CIを、予め決 められた癌の悪性度のしき 、値と比較することにより、癌の悪性度が高 、か低 、かを 客観的にかつ定量的に判断できる。
[0060] 変形例.
本実施形態においては、図 2の画像処理プログラムデータを CD— ROM45aに格 納して実行するときにプログラムメモリ 24にロードして実行している力 本発明はこれ に限らず、 CD— R、 CD-RW, DVD, MOなどの光ディスク又は光磁気ディスクの 記録媒体、もしくは、フロッピー（登録商標）ディスクなどの磁気ディスクの記録媒体な ど種々の記録媒体に格納してもよい。これらの記録媒体は，コンピュータで読み取り 可能な記録媒体である。また、図 2の画像処理プログラムのデータを予めプログラムメ モリ 24に格納して当該画像処理を実行してもよ 、。
実施例 1
[0061] 実施例 1においては、乳癌予後因子としての細胞核クロマチンパターンのフラクタ ル解析及び形態学的検討にっ 、て行う。
[0062] (1)目的
乳腺穿刺吸引材料の癌細胞の核クロマチンパターンが再発予後因子となり得るか 否か明らかにすることを目的にフラクタル解析及び形態学的検討を行った。
[0063] (2)方法
浸潤性乳管癌 69例 (再発例 14例、非再発例 (nl. 24例、 ηθ. 31例）を対象とした 。その詳細は図 8の通りである。ここに、非再発例 nlはリンパ節転移例であり、非再発 例 ηθはリンパ節非転移例である。当該検討において、クロマチン分布の複雑性を表 すクロマチン指標 CIを用いて上述のフラクタル次元解析を行った。クロマチンパター ンは CCDディジタルカメラ 2で撮影することにより核クロマチンパターン画像データを 得て、それに対してフラクタル次元解析を行い、核形不整を考慮したクロマチン指標 CIを算出し、クロマチンパターンの複雑性について検討した。対象標本はすべて再 発前の原発巣標本を用いた。 [0064] 図 12は、実施例 1において図 2の画像入力処理によって記憶された複数の細胞核 を含む画像データの一例を示す写真である。実施例 1では、入手した 69症例の標本 1577核について、ォリンパス製 BX51型顕微鏡 1と、 -コン製 CCDディジタルカメラ 2 (倍率 X 600)にて画像を撮影し、 目的とする細胞核のみの画像データを抽出した 。画像データのファイルは任意サイズのビットマップファイルの形式を有する。なお、 本願で添付する図面の写真は、オンライン出願での制約上、グレースケールの JPE Gファイルの形式を有する。また、撮影条件はすべて同一条件とした。解析画像の抽 出例を図 23に示す。
[0065] 図 13は図 11の画像データから、図 2の第 1の画像解析処理により抽出された各細 胞核毎の画像データの一例を示す写真であり、図 14は 1つの細胞核のフルカラー画 像データの画像を示す。図 12の画像データを図 2の医用画像処理装置 10に入力し 、入力された画像データに対して所定の画像解析処理を実行して、クロマチン分布 を識別するための画像データを得た。ここで、この画像解析処理としては、細胞核ク ロマチンの輪郭形状を抽出するエッジ抽出処理を行った。測定対象画像データは、 RGB画像データを用い、各色画像 256階調の 80— 150階調中の 21階調分（10階 調ステップでの階調分であり、すなわち、 80階調、 90階調、 100階調、 · ··、 150階調 をしきい値とした。）の画像データを用いた。図 14の細胞核クロマチン画像データに 対するエッジ抽出処理前の RGB画像データを図 15に示す一方、エッジ抽出処理後 の RGB画像データを図 16に示す。
[0066] 上記エッジ抽出処理後の RGB画像データに基づ ヽて外側の輪郭形状を抽出し、 輪郭内のクロマチンパターン画像データのフラクタル次元 Dと、輪郭内を黒ベタとし
B
た輪郭情報のみの核形状画像データのフラクタル次元 D とを、ボックスカウンティン
A
グ法を用いて算出した。そして、上記式（1) (ここで、 a= l, b = l)を用いてクロマチン 指標 CIを計算した。この計算結果例を図 17及び図 18に示す。
[0067] 図 17において、 Aは第 1の実験例の細胞核画像データについての図 2の第 1の画 像解析処理後のクロマチン画像データの写真と、それに係る図 2のフラクタル演算処 理により演算されたフラクタル次元 Dを示し、 Bは図 2の第 2の画像解析処理後の核
A
形状画像データ画像データの一例を示す写真と、それに係る図 2のフラクタル演算 処理により演算されたフラクタル次元 Dを示し、 Cは図 2の第 1の画像解析処理後の
B
クロマチン画像データの写真と、それに係る図 2のフラクタル演算処理により演算され たクロマチン指標 CI値を示す図である。また、図 18において、 Aは第 2の実験例の細 胞核画像データについての図 2の第 1の画像解析処理後のクロマチン画像データの 写真と、それに係る図 2のフラクタル演算処理により演算されたフラクタル次元 Dを
A
示し、 Bは図 2の第 2の画像解析処理後の核形状画像データ画像データの一例を示 す写真と、それに係る図 2のフラクタル演算処理により演算されたフラクタル次元 Dを
B
示し、 Cは図 2の第 1の画像解析処理後のクロマチン画像データの写真と、それに係 る図 2のフラクタル演算処理により演算されたクロマチン指標 CI値を示す図である。な お、図 17及び図 18におけるクロマチン指標 CIの計算では、上記式（1) (ここで、 a = 1, b= lである。）を用いた。
[0068] すなわち、核形状のフラクタル次元数 Dと、クロマチン分布の最も複雑性を示すフ
A
ラタタル次元数の最大値数 DB (上述のように、 RGBの各色画像データについて、し きい値を変化させて複数のフラクタル次元 Dを計算し、その最大値を得た。）に基づ
B
いて、上記（1)式 (ここで、 a= l, b = lである。）を用いて、クロマチン指標 CI値を計 算した。図 17及び図 18から明らかなように、核クロマチンパターンに伴う形状成分を 考慮し、核不整に影響されるフラクタル次元数を差し引くことにより、クロマチンパター ンのフラクタル次元に基づいて悪性度の定量的な評価が可能になった。すなわち、 クロマチン指標が高ければ、悪性度が高いという定量的な評価が可能になった。
[0069] 図 19は実施例 1に係る症例の複数の細胞核を非再発例 (A)と再発例（B)とを区分 したときの各クロマチンパターン画像データと、それらについての図 2の解析及び評 価処理結果のクロマチン指標 CI値の平均値とを示す写真である。図 19から明らかな ように、再発例においてクロマチン指標 CI値は非再発例に比べ高値を示し、クロマチ ン染色性が増カロし不規則な粗造クロマチン性状を示していた。
[0070] 図 9は実施例 1に係る症例の細胞核にっ 、ての解析及び評価処理結果を示すダラ フであって、再発例と非再発例のクロマチン指標 CI値が統計学的有意差 (Pく 0. 00 1)を示す図である。図 9から明らかなように、再発例と非再発例のクロマチン指標 CI 値 (P< 0. 001)が統計学的有意差を有して 、ることがわかる。 [0071] 図 20は実施例 1に係る 4つの悪性例 A, B, C, Dについての複数のクロマチンパタ ーン画像データと、各悪性例のクロマチン指標 CI値の平均値を示す写真である。図 20から明らかなように、クロマチン画像から、肉眼的には核小体の出現やクロマチン の不規則的分布は認識できるものの、症例間の識別や悪性度及び再発予測におい ては困難であることがわかる。他方、クロマチン指標 CIの平均値力 は、有意な差異 がみられる。図 20に示す A, B, C, Dの核クロマチン画像はいずれも悪性所見を形 態学的に満たすものの従来技術に係る形態学的クロマチンパターンの肉眼的観察 では悪性度の評価は不正確で再現性に欠けていた。また、再発予測を細胞核クロマ チンパターン力も行うことは困難と考えられて、識別においては定性的表現であった
[0072] (3)結果
以上の実施例 1の結果から明らかなように、クロマチン指標 CIは再発乳癌の 85% ( 12Z14例）が高値を示し、再発乳癌例と非乳癌例群間の有意差を認められ (Pく 0. 001)、クロマチン分布の不規則性が示唆された。腫瘍径 2. 5cm未満の非再発例 (n 0)の 84% (21Z25例）が比較的低 、クロマチン指標 CI値を呈した。非再発例 (nl) の腫瘍径 2. 5cm以上の症例において比較的高いクロマチン指標 CI値が多くみられ 、腫瘍径との相関が認められた (P< 0. 001)。これらの結果から有病正診率 (感度） 、無病正診率 (特異性)及び正診率を算定し、その結果を図 10及び図 11に示す。図 10から明らかなように、きわめて高い有病正診率や正診率を得ることができることが わかる。また、図 11から明らかなように、リンパ節転移の推定及び再発の推定におい て、しきい値 CItht, CIthrを変化させた場合、きわめて高い有病正診率、無病正診 率や正診率を得ることができることがわかる。
[0073] (4)考察
実施例 1の結果より、再発乳癌例の核クロマチンにはある一定の形態学的特徴を有 していることが推測された。再発乳癌例におけるクロマチンは、核小体の周囲に複数 の粗凝集状クロマチンを認め、分布は不規則であった。核内が明るく細凝集状クロマ チンを示す細胞の核膜近傍に凝集クロマチンを認めた。そして、それら核クロマチン ノ ターンについてフラクタル次元解析を行い、クロマチン指標 CIを計算ことにより、核 クロマチンパターンの不規則性を定量的に数値ィ匕することができた。これらのパター ンの定量化 (数値化）は再発予測や悪性度の定量的な評価が可能となり、初期治療 に有用な臨床情報を提供ができる。
実施例 2
[0074] 実施例 1にて算出したフラクタル次元に基づき、被検試料の再発例及びリンパ節転 移例、生物学的悪性度を判断する手法を以下に説明する。
[0075] 入手した細胞核標本について、ォリンパス製 BX51型顕微鏡 1と、ニコン製 CCDデ イジタルカメラ 2 (倍率 X 600)にて撮影し、細胞核標本の画像データ (ビットマップフ アイル)を作成する。撮影条件は実施例 1と同条件とする。当該画像データを図 1の 医用画像処理装置に入力し、図 2の解析及び評価処理を実行し、ここで、図 3乃至 図 5の目的別の判断処理を実行した。すなわち、図 3乃至図 5の目的別の判断処理（ 再発例及びリンパ節転移例、生物学的悪性度)では、計算されたクロマチン指標 CI を、各目的別に設定されたしきい値 CIthr, CItht, CIthmと比較することにより、そ れぞれがんの再発の可能性、リンパ節への転移の可能性、及びがんの悪性度につ いて客観的に判断することができる。なお、上記しきい値は、図 10及び図 11の臨床 結果に基づいて決定することができる。また、本明細書において、生物学的悪性度 は、再発度、及びリンパ節への転移度の上位概念を意味し、これらを含めて以下、「 悪性度等」という。
実施例 3
[0076] 本発明の原理は医学画像の評価法について応用性があることが推測される。観察 画像は不定形状力 なる観察対象内の不均一なパターン分布を評価する際、それら の集まりであるアウトラインの形状を加味した評価方法は重要である。医学画像はあ V、ま 、な形やフラクタル性を有する画像が多く存在して 、ることが知られており、特に 、レントゲン写真、マンモグラフィ（乳房 X線撮影法）、 MRI (Magnetic Resonance Imag ing)、 X CT (X- ray Computed Tomography)、 PET (Positron-emission Tomograph y)、超音波エコーなどの画像所見などの臨床医学において日常的に病変を観察し 評価する場合に有用である。これらの画像の所見は、人体の臓器 (唾液腺、甲状腺、 リンパ節、乳腺、肝臓、脾臓、腎臓、前立腺、脾臓)等の病変を観察する場合に日常 的に用いられ、それらの評価にも可能と考えられる。病変の形と病変内の不均一性な どの評価に際し、本件と同様の評価方法は有用な評価法の一つであると推測する。 以下に実施例について説明する。
[0077] 図 21は実施例 3に係る典型的な乳癌の超音波エコー画像であって、当該乳癌の 不整形ゃ不均一な内部低エコーを示す写真である。図 21は、 2. 5mm間隔の走査 による画像であるが、中央に 2. 5cm大の腫瘤像が認められる。結節状で辺縁は不 整、内部は不均一な低エコーを呈し、腫瘤の前面には強い境界エコー像が認められ る。
[0078] 図 22は実施例 3に係る典型的な乳癌の超音波エコー画像であって、当該乳癌の 内部不均一や石灰化を示す写真である。図 22は、不整な辺縁と平滑な辺縁を有す る腫瘍で線維腺腫との鑑別がやや困難な例である。しかし腫瘍の内部に強い点状の エコー像が認められる。石灰化を伴った癌である。
[0079] 図 21及び図 22は乳腺の超音波画像である力 病変部の形状と内部エコーの評価 の際にアウトラインの次元と内部エコー不均一性の指標となるフラクタル次元を求め た場合、それらの同腫瘍病変からの画像情報を数理的に公式化して、クロマチン指 標 CIと同様の式を用いて指標値を計算して病変部の悪性度等について判断するこ とがでさる。
実施例 4
[0080] 図 23は実施例 4に係る典型的な乳癌の X線画像であって、当該乳癌の石灰化を示 す写真である。図 23において、明らかな腫瘤陰影は認められないが、乳房の右側に 中等量の石灰化像が集簇して認められる。圧迫スポット撮影を行うと石灰化像は明瞭 に描出され、個々の石灰化像は類円形、 V字状、棒状、コンマ状など多彩な像を呈し ている。また、石灰化像は乳頭の方向に線状に配列している。
[0081] 図 23は乳癌の X線画像 (マンモグラフィ画像)であるが、病変部の石灰化形状の評 価の際にアウトラインの次元と内部の石灰化の指標となるフラクタル次元を求めた場 合、それらの同腫瘍病変力もの画像情報を数理的に公式ィ匕して、クロマチン指標 CI と同様の式を用いて指標値を計算して病変部の悪性度等について判断することがで きる。公知の通り、良性石灰化では、その石灰化巣の形状は、散在、均一な大きさ、 円形などの特徴を有する一方、悪性石灰化では、石灰化巣の形状は、密集、大小不 同、形状異常などの特徴を有する。従って、これらの石灰化のパターンをフラクタル 次元 Dを用いて評価し、かつ病変部の形状に係るフラクタル次元 Dの情報を除去
B A
することにより、より正確に石灰化に基づく悪性度について評価できると考えられる。
[0082] 以上の実施例においては、乳癌などの臓器や上皮性の病変部について本発明の クロマチン指標 CIを適用する事例について説明しているが、本発明はこれに限らず 、骨、血液、筋肉などの非上皮性のがんについて当該指標 CIを適用してもよい。ここ で、クロマチン指標として符号 CIを用いている力 符号 CIはクロマチンの指標のみを 意味するものではない。
産業上の利用可能性
[0083] 以上詳述したように、本発明に係る医用画像処理装置及び方法によれば、生体の 画像データに対して所定の画像解析処理を実行することにより、上記生体の輪郭を 抽出してなる形状画像データと、上記生体の輪郭内のパターンを抽出してなるバタ ーン画像データとを得る。次いで、上記得られた形状画像データ及びパターン画像 データに基づいて、上記形状画像データのフラクタル次元 Dを計算し、上記パター
A
ン画像データのフラクタル次元 Dを計算した後、上記形状画像データのフラクタル
B
次元 D及び上記パターン画像データのフラクタル次元 Dに基づいて、上記形状画
A B
像データの情報を実質的に除去しかつ上記パターン画像データのパターンの情報 を実質的に含む指標値 CIを計算する。さらに、上記計算された指標値に基づいて、 上記生体の特性又はその度合いを判断する。それ故、上記生体が有する形状に係 る画像データの情報を実質的に除去しかつ上記パターン画像データのパターンの 情報を実質的に含む指標値 CIを計算し、上記計算された指標値に基づいて、上記 生体の特性又はその度合いを判断するので、きわめて簡単な処理方法で、従来技 術に比較して高い精度で定量的に生体の特性を判断することができる。
[0084] 特に、細胞核クロマチン分布形態の定量的指標を与える本発明に係る画像処理装 置及び方法は、観察者の客観的指標として有用、かつ悪性度の指標として術前、術 後の治療選択情報を与えることができる。また、例えば細胞核評価が必要な基礎医 学、応用医学、生物学、基礎科学等において応用可能であり、生体細胞核、動物実 験細胞核及び培養細胞核の評価等、細胞を取り扱う分野すべてに利用される。さら に、本発明に係る医用画像処理装置及び方法は、細胞核評価に限定されず、生体 の一部の臓器や病変部の評価に広く適用することができる。

Claims

請求の範囲
[1] 生体の画像データに基づ!、て上記生体の特性を解析するための医用画像処理装 ¾【こ; i l /、て、
生体の画像データに対して所定の画像解析処理を実行することにより、上記生体 の輪郭を抽出してなる形状画像データと、上記生体の輪郭内のパターンを抽出して なるパターン画像データとを得る画像解析手段と、
上記得られた形状画像データ及びパターン画像データに基づ ヽて、上記形状画 像データのフラクタル次元 Dを計算し、上記パターン画像データのフラクタル次元 D
A
を計算した後、上記形状画像データのフラクタル次元 D及び上記パターン画像デ
B A
ータのフラクタル次元 Dに基づいて、上記形状画像データの情報を実質的に除去し
B
かつ上記パターン画像データのパターンの情報を実質的に含む指標値 CIを計算す る計算手段と、
上記計算された指標値に基づ!/、て、上記生体の特性を判断する判断手段とを備え たことを特徴とする医用画像処理装置。
[2] 上記計算手段は、 CI = bD -aDの式 (ここで、 aは所定の第 1の定数であり、 bは
B A
所定の第 2の定数である。）を用いて指標値 CIを計算することを特徴とする請求項 1 記載の医用画像処理装置。
[3] 上記計算手段は、 CI= (bD -aD ) /cDの式 (ここで、 aは所定の第 1の定数で
B A A
あり、 bは所定の第 2の定数であり、 cは所定の第 3の定数である。）を用いて指標値 C Iを計算することを特徴とする請求項 1記載の医用画像処理装置。
[4] 上記計算手段は、 CI = dD ZDの式 (ここで、 dは所定の第 4の定数である。 )を用
B A
いて指標値 CIを計算することを特徴とする請求項 1記載の医用画像処理装置。
[5] 上記計算手段は、 CI = eD ZD の式 (ここで、 eは所定の第 5の定数である。 )を用
A B
いて指標値 CIを計算することを特徴とする請求項 1記載の医用画像処理装置。
[6] 上記判断手段は、上記計算された指標値を所定のしきい値と比較することにより、 上記生体の特性を判断することを特徴とする請求項 1乃至 5のうちのいずれ力 1つに 記載の医用画像処理装置。
[7] 上記しきい値は、上記生体の特性が既知である複数の生体の画像データに基づい て、上記生体の特性を区別可能な予め決められた値であることを特徴とする請求項 6 記載の医用画像処理方法。
[8] 上記画像解析処理は、エッジ処理と、 2値化処理との少なくとも 1つの処理を含むこ とを特徴とする請求項 1乃至 7のうちの 、ずれか 1つに記載の医用画像処理装置。
[9] 上記画像解析処理は、カラー画像データ力 グレースケール画像データへの変換 処理をさらに含むことを特徴とする請求項 8記載の医用画像処理装置。
[10] 上記生体は細胞核であり、上記生体の画像データは上記細胞核のクロマチン画像 データあり、上記生体のパターン画像データは上記細胞核のクロマチンパターン画 像データであり、上記判断手段は、上記計算された指標値に基づいて、上記細胞核 の生物学的評価を判断することを特徴とする請求項 1乃至 9のうちのいずれ力 1つに 記載の医用画像処理装置。
[11] 上記生物学的評価は上記細胞核のがんの悪性度であることを特徴とする請求項 1 0記載の医用画像処理装置。
[12] 上記生体は生物の一部の部位であり、上記生体の画像データは、上記一部の部 位を所定の信号波を用いて撮像する医用撮像機器により撮像して得られたことを特 徴とする請求項 1乃至 9のうちのいずれか 1つに記載の医用画像処理装置。
[13] 上記生体は生物の臓器であり、上記形状画像データは上記臓器の形状の画像デ ータであり、上記パターン画像データは上記臓器内の病変部の不均一性の分布を 示す画像データであり、上記判断手段は、上記計算された指標値に基づいて、上記 臓器内の病変部の生物学的評価を判断することを特徴とする請求項 12記載の医用 画像処理装置。
[14] 生体の画像データに基づ!/、て上記生体の特性を解析するための医用画像処理方 法において、
生体の画像データに対して所定の画像解析処理を実行することにより、上記生体 の輪郭を抽出してなる形状画像データと、上記生体の輪郭内のパターンを抽出して なるパターン画像データとを得る画像解析ステップと、
上記得られた形状画像データ及びパターン画像データに基づ ヽて、上記形状画 像データのフラクタル次元 Dを計算し、上記パターン画像データのフラクタル次元 D を計算した後、上記形状画像データのフラクタル次元 D及び上記パターン画像デ
B A
ータのフラクタル次元 Dに基づいて、上記形状画像データの情報を実質的に除去し
B
かつ上記パターン画像データのパターンの情報を実質的に含む指標値 CIを計算す る計算ステップと、
上記計算された指標値に基づ 、て、上記生体の特性を判断する判断ステップとを 含むことを特徴とする医用画像処理方法。
[15] 上記計算ステップは、 CI = bD -aDの式（ここで、 aは所定の第 1の定数であり、 b
B A
は所定の第 2の定数である。 )を用いて指標値 CIを計算することを特徴とする請求項 14記載の医用画像処理方法。
[16] 上記計算ステップは、 CI= (bD -aD ) /cDの式 (ここで、 aは所定の第 1の定数
B A A
であり、 bは所定の第 2の定数であり、 cは所定の第 3の定数である。）を用いて指標値 CIを計算することを特徴とする請求項 14記載の医用画像処理方法。
[17] 上記計算ステップは、 CI = dD ZDの式 (ここで、 dは所定の第 4の定数である。 )
B A
を用いて指標値 CIを計算することを特徴とする請求項 14記載の医用画像処理方法
[18] 上記計算ステップは、 CI = eD ZDの式 (ここで、 eは所定の第 5の定数である。 )
A B
を用いて指標値 CIを計算することを特徴とする請求項 14記載の医用画像処理方法
[19] 上記判断ステップは、上記計算された指標値を所定のしき!/、値と比較することによ り、上記生体の特性を判断することを特徴とする請求項 14乃至 18のうちのいずれか
1つに記載の医用画像処理方法。
[20] 上記しきい値は、上記生体の特性が既知である複数の生体の画像データに基づい て、予め決められた値であることを特徴とする請求項 19記載の医用画像処理方法。
[21] 上記画像解析処理は、エッジ処理と、 2値化処理との少なくとも 1つの処理を含むこ とを特徴とする請求項 14乃至 20のうちのいずれか 1つに記載の医用画像処理方法
[22] 上記画像解析処理は、カラー画像データ力 グレースケール画像データへの変換 処理をさらに含むことを特徴とする請求項 21記載の医用画像処理方法。
[23] 上記生体は細胞核であり、上記生体の画像データは上記細胞核のクロマチン画像 データあり、上記生体のパターン画像データは上記細胞核のクロマチンパターン画 像データであり、上記判断ステップは、上記計算された指標値に基づいて、上記細 胞核の生物学的評価を判断することを特徴とする請求項 14乃至 22のうちのいずれ 力 1つに記載の医用画像処理方法。
[24] 上記生物学的評価は上記細胞核のがんの悪性度であることを特徴とする請求項 2 3記載の医用画像処理方法。
[25] 上記生体は生物の一部の部位であり、上記生体の画像データは、上記一部の部 位を所定の信号波を用いて撮像する医用撮像機器により撮像して得られたことを特 徴とする請求項 14乃至 22のうちのいずれか 1つに記載の医用画像処理方法。
[26] 上記生体は生物の臓器であり、上記形状画像データは上記臓器の形状の画像デ ータであり、上記パターン画像データは上記臓器内の病変部の不均一性の分布を 示す画像データであり、上記判断ステップは、上記計算された指標値に基づいて、 上記臓器内の病変部の生物学的評価を判断することを特徴とする請求項 25記載の 医用画像処理方法。
[27] 請求項 14乃至 26のうちのいずれ力 1つに記載の医用画像処理方法の各ステップ を含むことを特徴とする医用画像処理プログラム。
[28] 請求項 27記載の医用画像処理プログラムを記録したことを特徴とするコンピュータ により読み取り可能な記録媒体。
PCT/JP2005/010693 2004-06-10 2005-06-10 医用画像処理システム WO2005121784A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2006514587A JP4748059B2 (ja) 2004-06-10 2005-06-10 医用画像処理システム
US11/628,955 US7865000B2 (en) 2004-06-10 2005-06-10 Medical image processing apparatus for analyzing properties of living body based on image data thereof
EP05750443A EP1775585A4 (en) 2004-06-10 2005-06-10 SYSTEM FOR PROCESSING MEDICAL IMAGES

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2004-172669 2004-06-10
JP2004172669 2004-06-10

Publications (1)

Publication Number Publication Date
WO2005121784A1 true WO2005121784A1 (ja) 2005-12-22

Family

ID=35503201

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2005/010693 WO2005121784A1 (ja) 2004-06-10 2005-06-10 医用画像処理システム

Country Status (4)

Country Link
US (1) US7865000B2 (ja)
EP (1) EP1775585A4 (ja)
JP (1) JP4748059B2 (ja)
WO (1) WO2005121784A1 (ja)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009213555A (ja) * 2008-03-07 2009-09-24 Okayama Saiseikai General Hospital 超音波エコー画像処理装置及び方法
CN101859383A (zh) * 2010-06-08 2010-10-13 河海大学 基于时间序列重要点分析的高光谱遥感图像波段选择方法
JP2014094067A (ja) * 2012-11-08 2014-05-22 Fujifilm Ri Pharma Co Ltd Ｘ線画像診断支援のためのコンピュータプログラム、装置及び方法
JP2014522532A (ja) * 2011-06-06 2014-09-04 コーニンクレッカ フィリップス エヌ ヴェ 表現型を示す組み合わせサインのクロスモーダル適用
JP2015125609A (ja) * 2013-12-26 2015-07-06 株式会社ケンシュー 画像処理方法、画像処理プログラム、画像処理装置及び工業製品
JP2015194394A (ja) * 2014-03-31 2015-11-05 富士フイルムＲｉファーマ株式会社 肺疾患判別プログラム、記録媒体及び肺疾患判別方法
JP2017029549A (ja) * 2015-08-04 2017-02-09 国立大学法人佐賀大学 内視鏡画像処理装置、内視鏡画像処理方法及び内視鏡画像処理プログラム
WO2020195258A1 (ja) * 2019-03-26 2020-10-01 国立大学法人大阪大学 画像解析方法、画像解析プログラム、記録媒体、画像解析装置、画像解析システム

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9290010B2 (en) * 2011-10-06 2016-03-22 AI Cure Technologies, Inc. Method and apparatus for fractal identification
US20130215146A1 (en) * 2012-02-17 2013-08-22 Canon Kabushiki Kaisha Image-drawing-data generation apparatus, method for generating image drawing data, and program
US8942444B2 (en) * 2012-08-17 2015-01-27 General Electric Company System and method for image compression in X-ray imaging systems
CN103488997B (zh) * 2013-09-09 2018-03-30 南京小网科技有限责任公司 基于各类重要波段提取的高光谱图像波段选择方法
CN111667467B (zh) * 2020-05-28 2021-01-26 江苏大学附属医院 基于聚类算法的下肢血管钙化指数多参数累积计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11120350A (ja) 1997-10-14 1999-04-30 Sony Corp 不定形の識別方法及び不定形の識別装置
US6026174A (en) 1992-10-14 2000-02-15 Accumed International, Inc. System and method for automatically detecting malignant cells and cells having malignancy-associated changes
JP2002140692A (ja) 2000-10-30 2002-05-17 Sysmex Corp 画像解析装置
WO2003071468A1 (en) 2002-02-22 2003-08-28 Istituto Clinico Humanitas Method and apparatus for analyizing biological tissue specimens

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU6654394A (en) * 1992-12-14 1994-07-04 University Of Washington Order-based analyses of cell and tissue structure
US5787201A (en) * 1996-04-09 1998-07-28 The United States Of America As Represented By The Secretary Of The Navy High order fractal feature extraction for classification of objects in images
AUPR647801A0 (en) 2001-07-19 2001-08-09 Cea Technologies Inc. Chromatin segmentation
US6993187B2 (en) * 2003-02-14 2006-01-31 Ikonisys, Inc. Method and system for object recognition using fractal maps
US7062079B2 (en) * 2003-02-14 2006-06-13 Ikonisys, Inc. Method and system for image segmentation
JP2007515969A (ja) * 2003-07-09 2007-06-21 ヒューマニタス・ミラソーレ・エス．ピー．エー． 生物組織の解析方法およびシステム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6026174A (en) 1992-10-14 2000-02-15 Accumed International, Inc. System and method for automatically detecting malignant cells and cells having malignancy-associated changes
JPH11120350A (ja) 1997-10-14 1999-04-30 Sony Corp 不定形の識別方法及び不定形の識別装置
JP2002140692A (ja) 2000-10-30 2002-05-17 Sysmex Corp 画像解析装置
WO2003071468A1 (en) 2002-02-22 2003-08-28 Istituto Clinico Humanitas Method and apparatus for analyizing biological tissue specimens

Non-Patent Citations (10)

* Cited by examiner, † Cited by third party
Title
ANDREW J. EINSTEIN ET AL.: "Fractal Characterization of Chromatin Appearance for Diagnosis in Breast Cytology", JOURNAL OF PATHOLOGY, vol. 185, 1998, pages 366 - 381
BACKMAN V ET AL: "Measuring Cellular Structure at Submicrometer Scale With Light Scattering Spectroscopy.", vol. 7, no. 6, 2001, pages 887 - 893, XP001124015 *
HARA T ET AL: "Nyubo X-sen Shashin ni okeru Shuryu In'ei no Ryoakusei Kanbetsu System no Kaihatsu.", MEDICAL IMAGING TECHNOLOGY., vol. 17, no. 5, September 1999 (1999-09-01), pages 577 - 584, XP002995841 *
HIDEKI TAKAYASU ET AL.: "Application of Fractal Image Analysis to Cytologic Diagnosis", MEDICAL IMAGING TECHNOLOGY, vol. 15, no. 5, September 1997 (1997-09-01), pages 587 - 591
NIWA Y ET AL: "Digital Gazo o Mochiita Lymphocyte Kaku Kozo no Fractal Jigen no Sokutei.", vol. 50, no. 7, 2002, pages 702 - 705, XP002995842 *
See also references of EP1775585A4
SIMON S. CROSS: "Fractals In Pathology", JOURNAL OF PATHOLOGY, vol. 182, 1997, pages 1 - 8
TOKOYAMA T.: "Nyugan Yogo Inshi to shite no Kaku Chromatin pattern no Fractal Kaiseki oyobi Keitaigakuteki Kento.", 22 May 2004 (2004-05-22), pages 140, XP002995840 *
WILLIAM H. WOLBERG ET AL.: "Breast Cytology Diagnosis with Digital Image Analysis", BREAST CYTOLOGY DIAGNOSIS, vol. 15, no. 6, December 1993 (1993-12-01)
WU H S ET AL: "Region Growing Segmentation of Chromatin Clumps of Ovarian Cells Using Adaptive Gradients.", JOURNAL OF IMAGING SCIENCE AND TECHNOLOGY., vol. 48, no. 1, 23 March 2004 (2004-03-23), pages 22 - 27, XP002995843 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009213555A (ja) * 2008-03-07 2009-09-24 Okayama Saiseikai General Hospital 超音波エコー画像処理装置及び方法
CN101859383A (zh) * 2010-06-08 2010-10-13 河海大学 基于时间序列重要点分析的高光谱遥感图像波段选择方法
JP2014522532A (ja) * 2011-06-06 2014-09-04 コーニンクレッカ フィリップス エヌ ヴェ 表現型を示す組み合わせサインのクロスモーダル適用
JP2014094067A (ja) * 2012-11-08 2014-05-22 Fujifilm Ri Pharma Co Ltd Ｘ線画像診断支援のためのコンピュータプログラム、装置及び方法
JP2015125609A (ja) * 2013-12-26 2015-07-06 株式会社ケンシュー 画像処理方法、画像処理プログラム、画像処理装置及び工業製品
JP2015194394A (ja) * 2014-03-31 2015-11-05 富士フイルムＲｉファーマ株式会社 肺疾患判別プログラム、記録媒体及び肺疾患判別方法
JP2017029549A (ja) * 2015-08-04 2017-02-09 国立大学法人佐賀大学 内視鏡画像処理装置、内視鏡画像処理方法及び内視鏡画像処理プログラム
WO2020195258A1 (ja) * 2019-03-26 2020-10-01 国立大学法人大阪大学 画像解析方法、画像解析プログラム、記録媒体、画像解析装置、画像解析システム
JP7450942B2 (ja) 2019-03-26 2024-03-18 国立大学法人大阪大学 画像解析方法、画像解析プログラム、記録媒体、画像解析装置、画像解析システム

Also Published As

Publication number Publication date
US20080267485A1 (en) 2008-10-30
EP1775585A1 (en) 2007-04-18
US7865000B2 (en) 2011-01-04
JP4748059B2 (ja) 2011-08-17
JPWO2005121784A1 (ja) 2008-04-10
EP1775585A4 (en) 2010-08-04

Similar Documents

Publication Publication Date Title
JP4748059B2 (ja) 医用画像処理システム
JP4504203B2 (ja) 画像分析に基づいたエストロゲン及びプロゲステロン表現のスコアリング
Keenan et al. An automated machine vision system for the histological grading of cervical intraepithelial neoplasia (CIN)
EP2745111B1 (en) System and method for the detection of precancer or cancer cells in a biological sample
US11232565B2 (en) Examining device for processing and analyzing an image
JP6506700B2 (ja) 細胞レベルｆｉｓｈドットカウントのための方法及びシステム
Fan et al. Computed tomography-based texture analysis of bladder cancer: differentiating urothelial carcinoma from micropapillary carcinoma
Sahni et al. Breast cancer detection using image processing techniques
CN107567631B (zh) 组织样品分析技术
Rossi et al. Radiomics of peripheral nerves MRI in mild carpal and cubital tunnel syndrome
Pham et al. Correlation of ultra-high field MRI with histopathology for evaluation of rectal cancer heterogeneity
Wang et al. Application of digital mammography-based radiomics in the differentiation of benign and malignant round-like breast tumors and the prediction of molecular subtypes
Reljin et al. Multifractal-based nuclei segmentation in fish images
Yoshioka et al. Fractal analysis method for the complexity of cell cluster staining on breast FNAB
Dreyfuss et al. Comparison of CT Texture Analysis Software Platforms in Renal Cell Carcinoma: Reproducibility of Numerical Values and Association With Histologic Subtype Across Platforms
RU2321859C2 (ru) Способ дифференциальной диагностики гиперплазии, интраэпителиальных неоплазий и рака шейки матки
Lee et al. Evaluation of nuclear chromatin using grayscale intensity and thresholded percentage area in liquid‐based cervical cytology
Golatta et al. LECANDUS study (LEsion CANdidate Detection in UltraSound Data): evaluation of image analysis algorithms for breast lesion detection in volume ultrasound data
Roshan et al. Accuracy of digital image analysis (DIA) of borderline human epidermal growth factor receptor (HER2) immunohistochemistry in invasive ductal carcinoma
RU2450790C2 (ru) Способ проведения исследования для диагностики злокачественного новообразования
Varghese et al. CEM radiomics for distinguishing lesion from background parenchymal enhancement in patients with invasive breast cancer
Ballerini et al. Fractal analysis of microscopic images of breast tissue
Dzulkifli et al. A Computer-Aided Diagnosis (CAD) System for Automatic Counting of Ki67 Cells in Meningioma
Khozeymeh et al. Comparison of FNA-based conventional cytology specimens and digital image analysis in assessment of pancreatic lesions
dos Santos et al. Nuclear Morphometry and Chromatin Texture Changes in Hepatocellular Carcinoma Samples May Predict Liver Transplant Patients’ Outcomes

Legal Events

Date Code Title Description
AK Designated states

Kind code of ref document: A1

Designated state(s): AE AG AL AM AT AU AZ BA BB BG BR BW BY BZ CA CH CN CO CR CU CZ DE DK DM DZ EC EE EG ES FI GB GD GE GH GM HR HU ID IL IN IS JP KE KG KM KP KR KZ LC LK LR LS LT LU LV MA MD MG MK MN MW MX MZ NA NG NI NO NZ OM PG PH PL PT RO RU SC SD SE SG SK SL SM SY TJ TM TN TR TT TZ UA UG US UZ VC VN YU ZA ZM ZW

AL Designated countries for regional patents

Kind code of ref document: A1

Designated state(s): BW GH GM KE LS MW MZ NA SD SL SZ TZ UG ZM ZW AM AZ BY KG KZ MD RU TJ TM AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HU IE IS IT LT LU MC NL PL PT RO SE SI SK TR BF BJ CF CG CI CM GA GN GQ GW ML MR NE SN TD TG

121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2005750443

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2006514587

Country of ref document: JP

NENP Non-entry into the national phase

Ref country code: DE

WWW Wipo information: withdrawn in national office

Country of ref document: DE

WWE Wipo information: entry into national phase

Ref document number: 11628955

Country of ref document: US

WWP Wipo information: published in national office

Ref document number: 2005750443

Country of ref document: EP