WO2006126384A1 - 異常陰影候補の表示方法及び医用画像処理システム - Google Patents

異常陰影候補の表示方法及び医用画像処理システム Download PDF

Info

Publication number
WO2006126384A1
WO2006126384A1 PCT/JP2006/309278 JP2006309278W WO2006126384A1 WO 2006126384 A1 WO2006126384 A1 WO 2006126384A1 JP 2006309278 W JP2006309278 W JP 2006309278W WO 2006126384 A1 WO2006126384 A1 WO 2006126384A1
Authority
WO
WIPO (PCT)
Prior art keywords
abnormal shadow
image
candidate
candidates
shadow candidate
Prior art date
Application number
PCT/JP2006/309278
Other languages
English (en)
French (fr)
Inventor
Satoshi Kasai
Yoriko Inenaga
Ko Matsui
Original Assignee
Konica Minolta Medical & Graphic, Inc.
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
Priority claimed from JP2005149298A external-priority patent/JP2006325640A/ja
Priority claimed from JP2005162444A external-priority patent/JP2006334140A/ja
Priority claimed from JP2005168160A external-priority patent/JP2006340835A/ja
Priority claimed from JP2005175015A external-priority patent/JP2006346094A/ja
Application filed by Konica Minolta Medical & Graphic, Inc. filed Critical Konica Minolta Medical & Graphic, Inc.
Priority to US11/914,852 priority Critical patent/US20090097730A1/en
Priority to EP06746109A priority patent/EP1884193A4/en
Priority to CN2006800174789A priority patent/CN101179994B/zh
Publication of WO2006126384A1 publication Critical patent/WO2006126384A1/ja

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/46—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment with special arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A61B6/463—Displaying means of special interest characterised by displaying multiple images or images and diagnostic data on one display
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/484—Diagnostic techniques involving phase contrast X-ray imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/50—Clinical applications
    • A61B6/502—Clinical applications involving diagnosis of breast, i.e. mammography
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30068—Mammography; Breast

Definitions

  • the present invention relates to a method for displaying an abnormal shadow candidate and a medical image processing system for detecting a medical image force abnormal shadow candidate and displaying the detected information.
  • CAD computer-aided diagnosis
  • a method of displaying a marker (such as an arrow or a circle) indicating the detection position of the abnormal shadow candidate on the medical image as the detection information is common.
  • the display method includes (1) a method of displaying a marker directly on a medical image (for example, see Patent Document 1), and (2) a life size (equal magnification) medical image is displayed as a main image for interpretation.
  • a method of creating a sub-image displaying a marker on a reduced image of the main image and displaying the sub-image together with the main image is used (for example, see Patent Document 2).
  • Patent Document 1 Japanese Patent Laid-Open No. 2000-276587
  • Patent Document 2 Japanese Patent Laid-Open No. 2004-230001
  • an image feature amount of the candidate region is calculated and compared with a threshold value to determine whether or not it is an abnormal shadow, or a multivariate solution using an image feature amount is used.
  • An object of the present invention is to provide only detection information of an abnormal shadow candidate that is suspected to be a true positive abnormal shadow and Z or an abnormal shadow candidate with low visibility, thereby preventing oversight of a doctor and efficiency of interpretation work. It is to aim for ashamedy.
  • the invention according to claim 1 is a method for displaying an abnormal shadow candidate
  • the invention described in claim 2 is the method for displaying an abnormal shadow candidate according to claim 1,
  • an image feature amount of the detected abnormal shadow candidate is calculated, a priority order of abnormal shadow candidates to be displayed is determined based on the image feature amount, and the detected abnormal shadow candidate is determined.
  • the abnormal shadow candidate power with high priority is extracted preferentially.
  • the invention described in claim 3 is the method for displaying an abnormal shadow candidate according to claim 2,
  • the contrast between the abnormal shadow candidate and the surrounding area is calculated as the image feature amount, and the priority of the abnormal shadow candidate having a small contrast is determined to be high.
  • the invention according to claim 4 is the method of displaying an abnormal shadow candidate according to claim 2,
  • an area of an abnormal shadow candidate region is calculated as the image feature amount, and a priority of an abnormal shadow candidate having a small area is determined high.
  • the invention according to claim 5 is the method for displaying an abnormal shadow candidate according to claim 2,
  • the distance from the image edge of the medical image to the detection position of the abnormal shadow candidate is calculated as the image feature amount, and the priority of the abnormal shadow candidate having the short distance is determined to be high. To do.
  • the invention according to claim 6 is the method for displaying an abnormal shadow candidate according to any one of claims 2 to 5,
  • a priority order is determined according to a classification region in which the abnormal shadow candidate is detected among the recognized subject regions.
  • the invention described in claim 7 is the abnormal shadow candidate display method described in claim 2,
  • a feature amount of an abnormal shadow candidate shape is calculated as the image feature amount, and a priority order is determined based on the feature amount of the shape.
  • the density of the candidate region of the abnormal shadow candidate is calculated as the image feature amount, and the priority order of the abnormal shadow candidate having the low feature amount is determined.
  • the invention according to claim 9 is the method for displaying an abnormal shadow candidate according to claim 2,
  • the extraction step as the image feature amount, at least the area of the candidate area of the abnormal shadow candidate, the density, the contrast with the surrounding area, the shape of the abnormal shadow candidate, the image edge force of the medical image, the distance to the detection position of the abnormal shadow candidate One or more of them are calculated, and the priority order is determined based on the calculated feature amount.
  • the invention described in claim 10 is directed to the method for displaying an abnormal shadow candidate described in claim 1 or 2, and
  • the extracted abnormal shadow candidate detection information is displayed together with the medical image.
  • the invention according to claim 11 is the abnormal shadow candidate display method according to claim 10,
  • the medical image is a medical image photographed by a phase contrast photographing method.
  • the invention according to claim 12 is the method for displaying an abnormal shadow candidate according to claim 10 or 11, and
  • an equal-size image obtained by reducing the medical image to the same size as the subject is displayed.
  • the invention according to claim 13 is the method for displaying an abnormal shadow candidate according to claim 12,
  • a reference image is created from the medical image, and an image in which detection information is superimposed on the created image is displayed together with the equal-size image.
  • the invention described in claim 14 is the candidate for an abnormal shadow described in claim 1.
  • the display method In the display method,
  • the detected abnormal shadow candidate power is determined and extracted based on a preset threshold value for determining whether or not the display target is a target. It is characterized by doing.
  • the invention according to claim 15 is the method for displaying an abnormal shadow candidate according to claim 14,
  • the threshold has a first threshold and a second threshold
  • abnormal shadow candidates to be displayed are determined and extracted from the detected abnormal shadow candidates based on the first threshold value and the second threshold value.
  • the invention described in claim 16 is the abnormal shadow candidate display method according to claim 15,
  • the first threshold value is a threshold value for deleting a false positive candidate
  • the second threshold value is a threshold value for deleting a positive candidate
  • the extraction step from the detected abnormal shadow candidate The remaining abnormal shadow candidates from which the false positive candidates and the true positive candidates are deleted according to the first threshold and the second threshold are extracted as display targets.
  • the invention described in claim 17 includes the abnormal shadow candidate display method described in claim 15 or claim 16, and
  • the first threshold value or the second threshold value can be set for each interpretation doctor.
  • the invention described in claim 18 is the method for displaying an abnormal shadow candidate described in claim 15 or 16, and
  • the first threshold value may be set commonly for each interpreting doctor, and the second threshold value may be set for each interpreting doctor.
  • the invention described in claim 19 includes the abnormal shadow candidate display method according to any one of claims 14 to 18, wherein:
  • the threshold value has a third threshold value for determining whether or not the visibility on the image is low. In the extraction step, the third threshold value reduces the visibility from the detected abnormal shadow candidate. An abnormal shadow candidate determined to be extracted is extracted. [0029]
  • the invention according to claim 20 is the medical image processing system, wherein the medical image processing system performs image analysis on the medical image and detects an abnormal shadow candidate, and detected by the abnormal shadow candidate detection means. Control means for extracting abnormal shadow candidates to be displayed from among the abnormal shadow candidates,
  • the invention according to claim 21 is the medical image processing system according to claim 20,
  • the display means displays the extracted abnormal shadow candidate detection information together with the medical image.
  • the invention according to claim 22 is the medical image processing system according to claim 21,
  • the medical image is a medical image photographed by a phase contrast photographing method.
  • the invention according to claim 22 is the medical image processing system according to claim 20,
  • the control means determines and extracts an abnormal shadow candidate to be displayed from the detected abnormal shadow candidates based on a threshold value set in advance to determine whether or not the force is a display target. It is characterized by that.
  • the power of the first, second, tenth, eleventh, and twentieth claims is also displayed by reducing the number of abnormal shadow candidates to be displayed.
  • the amount of detection information on the screen (such as a marker display at the detection position) can be reduced, and the detection information can be provided in a display state that is easy for a doctor to observe.
  • abnormal shadow candidates that require careful examination by a doctor who is suspected of true positive or negative power, abnormal shadow candidates with low visibility, or only abnormal shadow candidate detection information corresponding to both, or priority is given to the detection information. As a result, it is possible to improve the efficiency of the doctor's interpretation work and improve the diagnostic accuracy.
  • the visibility is low! Detection information of abnormal shadow candidates existing in the area can be preferentially provided to the doctor, preventing oversight of the doctor. It is possible to plan.
  • the detection of an abnormal shadow candidate that needs to be examined by a doctor who is suspected of true positive power, an abnormal shadow candidate that is difficult for a doctor to visually recognize, or both of them is detected.
  • Information can be preferentially provided to doctors.
  • the priority order is determined based on each feature amount, the priority order is determined comprehensively in consideration of various judgment factors. It can be done.
  • the inventions described in claims 12 and 13 provide an equal-magnification image suitable for a doctor's diagnostic ability for interpretation by a doctor, and for reference to detection information of an abnormal shadow candidate. Since the reference image different from the above-mentioned same size image is provided, the doctor can interpret (diagnose) the image!
  • the power of item 14 can also adjust the number of abnormal shadow candidates to be displayed according to the interpretation doctor's skill and interpretation style such as interpretation order.
  • the specification can be customized.
  • FIG. 1 is a diagram showing a system configuration of a medical image processing system in the present embodiment.
  • FIG. 2 is a diagram illustrating a phase contrast imaging method.
  • FIG. 3 is a diagram illustrating an image obtained by a phase contrast imaging method.
  • FIG. 4 is a diagram showing an internal configuration of the image processing apparatus in FIG. 1.
  • FIG. 5 is a diagram showing each region to be classified in a breast image.
  • FIG. 6 is a flowchart for explaining a display target determination process executed by the image processing apparatus.
  • FIG. 7 is a flowchart for explaining abnormal shadow candidate detection processing executed by the image processing apparatus.
  • FIG. 8 is a diagram for explaining a method of calculating feature amounts of edge complexity.
  • FIG. 9 is a diagram showing a display example of detection results of abnormal shadow candidates.
  • FIG. 10 is a flowchart illustrating a display target determination process executed by the image processing apparatus.
  • FIG. 11 is a diagram showing a display example of detection information of abnormal shadow candidates.
  • FIG. 12 is a diagram showing a display example of detection information of abnormal shadow candidates.
  • FIG. 13 is a flowchart explaining the flow of abnormal shadow candidate detection processing (one processing pattern).
  • FIG. 14 is a diagram for explaining a detection algorithm by a filter bank.
  • FIG. 15 is a flowchart explaining the flow of abnormal shadow candidate detection processing using a filter bank. It is a figure explaining a yat.
  • FIG. 16 is a diagram illustrating a flowchart for explaining a flow of abnormal shadow candidate detection processing using feature amounts.
  • FIG. 17 is a flowchart illustrating a flow of abnormal shadow candidate detection processing (other processing patterns) executed by the image processing apparatus.
  • FIG. 18 is a diagram showing a display example of abnormal shadow candidate detection information by each processing pattern.
  • FIG. 19 is a flowchart illustrating a flow of abnormal shadow candidate detection processing.
  • FIG. 20 is a diagram showing a display example of detection information of abnormal shadow candidates by detection processing performed in accordance with a detection target lesion type.
  • FIG. 1 shows a system configuration of the medical image processing system 100.
  • the medical image processing system 100 is a system that takes a medical image of a subject, performs image processing on the medical image, detects abnormal shadow candidates, and provides detection information to the doctor along with the medical image.
  • the medical image processing system 100 includes an image generation device 1, an image processing device 2, a printer 3, an image server 4, and a viewer 5.
  • These devices 1 to 5 are connected to each other through a communication network N established in a medical institution such as a LAN (Local Area Network) so that data can be transmitted and received between them.
  • the communication network N is applied with DICOM (Digital imaging and communication in Medicine) standards.
  • the image generation device 1 captures a subject and generates digital data of the captured image (medical image). For example, CR (Computed Radiography), FPD (Flat Panel Detector), CT, MRI, Modality such as a force set reader and film digitizer can be applied.
  • CR Computer Radiography
  • FPD Fluorescence Deformation
  • CT Magnetic Reliable and Low-Reliable MRI
  • Modality such as a force set reader and film digitizer
  • a CR system including a breast-specific phase contrast imaging apparatus that performs X-ray imaging of the left and right breasts is applied as the image generation apparatus 1 to generate phase contrast breast image data.
  • the image generation device 1 is a device that complies with the DICOM standard described above, and includes various information to be attached to the generated medical image (for example, patient information related to the patient from whom the medical image was captured, imaging, or examination). Photography information, inspection information, etc.) can be input from the outside and can be automatically generated.
  • the image generation device 1 adds the above supplementary information as header information to the generated medical image and transmits it to the image processing device 2 via the communication network N. If the DICOM standard is not complied with, it is also possible to cause the image generating apparatus 1 to input incidental information using a DICOM conversion device (not shown).
  • the phase contrast imaging method is an enlarged imaging method in which enlargement imaging is performed by providing a distance between a subject and a detector (such as a force set or FPD (Flat Panel Detector)). It is a kind.
  • a detector such as a force set or FPD (Flat Panel Detector)
  • FPD Force Panel Detector
  • the obtained image is enlarged with respect to the actual size of the subject, and a high-resolution image can be obtained. For example, if you take a magnified image that is twice as large as a normal image that is shot with the subject and the detector in close contact with each other, even if the image is scanned with the same pixel size as during normal shooting, it will be scanned with the 1Z2 size pixel. The same resolution can be obtained.
  • the image processing device 2 performs various image processing on the medical image supplied from the image generating device 1, and performs image analysis of the medical image to detect abnormal shadow candidates.
  • the printer 3 outputs a medical image to a recording medium such as a film based on the medical image data received from the image processing device 2 or the image server 4.
  • the image server 4 includes an image DB 4a.
  • image DB 4a a medical image (original image) generated by the image generation device 1 and an image processed medical image (processing) received from the image processing device 2 are processed. Image) and manage its input and output.
  • Viewer 5 is a display means used by a doctor for diagnosis, and is an LCD (Liquid Crysta
  • the viewer 5 acquires the specified medical image from the image server 4 and displays it according to the operation instruction of the doctor. Alternatively, the detection result of the abnormal shadow candidate detected by the image processing apparatus 2 is received and displayed.
  • FIG. 4 shows the internal configuration of the image processing apparatus 2.
  • the image processing apparatus 2 includes a control unit 21, an operation unit 22, a display unit 23, a communication unit 24, a storage unit 25, an image processing unit 26, and an abnormal shadow candidate detection unit 27.
  • the control unit 21 includes a CPU (Central Processing Unit), a RAM (Random Access Memory), and the like.
  • the CPU reads various control programs from the storage unit 25 and expands them in the RAM. Then, the execution of processing is comprehensively controlled according to the program, and the operation of each part is centrally controlled. For example, a display object determination process (described later) is executed in accordance with a display object determination process program according to the present invention.
  • Control unit 21 and this display object judgment processing program Control means can be realized in cooperation with Gram.
  • the operation unit 22 includes a keyboard, a mouse, and the like, generates an operation signal corresponding to a key operation and a mouse operation, and outputs the operation signal to the control unit 21.
  • the display unit 23 includes an LCD or the like, and performs various displays such as an operation screen at the time of image processing and a medical image after processing in accordance with instructions from the control unit 21.
  • the communication unit 24 includes a communication interface such as a router or a modem, and communicates with an external device on the communication network N in accordance with instructions from the control unit 21.
  • a communication interface such as a router or a modem
  • an image generation device for example, an image generation device
  • the medical image to be processed is received from 1, or the processed medical image is transmitted to the image server 4 printer 3.
  • the storage unit 25 stores various control programs, parameters necessary for execution of the programs, or data of processing results.
  • the image processing unit 26 performs gradation conversion processing, sharpness adjustment processing, and the like on the medical image according to the image processing program, and in the case of a breast image, the left and right breast images are combined side by side. Alignment processing to be executed is executed. For the alignment process, a known method such as shifting the position of each breast image up and down so that the shape of the pectoral muscle region extracted from the breast image is symmetrical is applicable.
  • the image processing unit 26 creates a display image for displaying the detection information of the abnormal shadow candidate superimposed on the breast image.
  • the mammogram obtained by the phase contrast imaging method is enlarged with respect to the actual size of the subject.
  • the actual size of the lesion is also an important confirmation item at the time of diagnosis, so it can be reduced according to the actual subject size (actual size).
  • the breast image is accompanied by information about the enlargement ratio by the image generator 1 at the time of photographing. Therefore, when the same size as the actual size of the subject is displayed, that is, when displaying the same size as the actual size of the subject, A reduction process is performed based on the information to create a normal-size image.
  • the equal-size image is generated by reading the sampling pitch of the phase contrast enlarged photographed image.
  • the output sampling pitch (the beam diameter when writing the film is the display pixel size, etc., and this is B)
  • H it is preferable because interpolation processing of the read image data is unnecessary. 1. It is preferable to set the output sampling pitch to 25 ⁇ m when scanning at 43.75 m with a phase contrast magnification of 75 times. When an output sampling pitch that satisfies this relationship cannot be used, an equal-magnification image is generated by reduction interpolation that matches the output sampling pitch.
  • the image processing unit 26 creates a display image by superimposing the detection information of the abnormal shadow candidates detected by the abnormal shadow candidate detection unit 27 on the breast image. Specifically, based on the detection information input from the abnormal shadow candidate detection unit 27, the detection position of the abnormal shadow candidate in the created same-size image or the like is determined, and the detection position of the abnormal shadow candidate is set at that position. Overlay the marker images (arrows, frames, etc.) that you point to.
  • the abnormal shadow candidate detection unit 27 performs image analysis of the medical image to extract a subject region, classify the subject region into a plurality of regions, calculate an image feature amount from the medical image, and then calculate the image feature amount. Based on the above, an abnormal shadow candidate is detected.
  • FIG. 5 is a diagram showing a breast image S taken in an oblique direction (hereinafter referred to as MLO).
  • a subject area Sa is extracted from the breast image S, and a breast area Sal, After extracting the pectoral muscle region Sa2, the breast region Sal is classified into three regions Da, Db, and Dc.
  • the abnormal shadow candidate detection unit 27 obtains a variance histogram of pixel values in the breast image S, and uses a discriminant analysis method (when the variance histograms are classified into two classes, the class is divided into two classes.
  • the threshold value is determined using a method for determining the threshold value so that the discriminant ratio (variance ratio) between variance and inter-class variance is maximized, and the breast image S is binarized using the determined threshold value.
  • the unexposed region (the region not corresponding to the subject portion and the region directly irradiated with X-rays) exhibits a high density.
  • the other subject areas are expected to be “0”. Therefore, this binarization enables the breast image S to be classified into the subject area Sa and the other missing areas Sb.
  • the imaging direction is the front direction (hereinafter referred to as CC)
  • the pectoral muscle is not reflected in the subject portion, and the subject region Sa becomes the breast region Sal.
  • the boundary between the two areas (the subject area and the missing area) by the binary key is recognized as the skin line SL.
  • the shooting direction is MLO
  • the pectoral muscles are depressed in the subject portion, so that the pectoral muscle region Sa2 is recognized next from the subject region Sa.
  • a concentration gradient in the subject region Sa is calculated, and the subject region Sa is classified into a pectoral muscle region Sa2 and a breast region Sal based on the concentration gradient.
  • a local area is set, a threshold value is set based on the pixel value in the local area, and the object area Sa is binarized.
  • the pectoral muscle region Sa2 and the breast region Sal may be recognized.
  • the breast region Sal is classified into three regions Da, Db, and Dc.
  • the breast region is a mixture of mammary gland and fat, and the concentration varies depending on the density. Therefore, when a doctor makes a diagnosis, the breast region is classified based on the concentration.
  • the classification is a high-concentration region in which the content of mammary glands with high fat is considered to be less than 10%, a medium concentration region in which the content of mammary glands is considered to be 10% or more and less than 50%, and the content of mammary glands is 50% or more. It is often classified into three areas, the low-concentration areas considered to occupy.
  • the breast region Sal is classified into a high concentration region Da, an intermediate concentration region Db, and a low concentration region Dc based on the concentration of the pectoral muscle region Sa2.
  • a dispersion histogram of the pectoral muscle region Sa2 is created, a region having a relatively uniform shape force is extracted, and this average concentration is used as a threshold value to classify each region Da to Dc.
  • Dc be the remaining area from which the area with a higher concentration than the threshold is deleted
  • Db for the area with a density higher than 30% of the threshold for the deleted higher density area
  • Da for the area with a density higher than 60% of the threshold.
  • the abnormal shadow candidate detection unit 27 executes detection processing according to an algorithm detection program corresponding to the type of abnormal shadow to be detected.
  • an algorithm detection program corresponding to the type of abnormal shadow to be detected.
  • a tumor that is a cancerous part of breast cancer and a shadow candidate of a microcalcification cluster are detected.
  • an abnormal shadow candidate detection algorithm As an abnormal shadow candidate detection algorithm, a known algorithm can be applied. For example as an algorithm for tumor shadow candidates in breast images, an algorithm using an iris filter or a Laplacian filter disclosed in Japanese Laid-Open Patent Publication No. 10-91758 is published. 0-11), ⁇ 01. 6-0-11 0.2, .241-249,1993) etc. are applicable.
  • microcalcification cluster shadow candidates for example, Morphology filter (The Institute of Electronics, Information and Communication Engineers (D-II), Vol.J71-D-II, no.7, pp.1 170- 1176,1992), Laplacian filter (The Institute of Electrical, Information and Communication Engineers Journal (D-II), Vol.J71-D- ⁇ , ⁇ . ⁇ , ⁇ .1994-2001,1998), method using triple ring filter, etc. Etc. are applicable.
  • Morphology filter The Institute of Electronics, Information and Communication Engineers (D-II), Vol.J71-D-II, no.7, pp.1 170- 1176,1992)
  • Laplacian filter The Institute of Electrical, Information and Communication Engineers Journal (D-II), Vol.J71-D- ⁇ , ⁇ . ⁇ , ⁇ .1994-2001,1998), method using triple ring filter, etc. Etc.
  • the microcalcification cluster shadow appears on the breast image as a shadow (clustered) in which low-concentration microcalcification portions having a substantially conical density change are gathered. Based on such density characteristics! A triple area with a unique vector pattern as a filter that detects microcalcifications in each area (this area is called the attention area) by sequentially setting square areas for medical images. Apply a filter to perform primary detection of abnormal shadow candidates. The size of this region of interest should be set according to the type of lesion targeted for detection.
  • the triple ring filter includes three ring filter forces in which the intensity component and the direction component of the density gradient in the case where the density change shows an ideal conical shape.
  • a variable analysis is constructed, and various image feature quantities calculated by the shadow candidate candidates to be determined are input to the multivariate analysis to obtain an index value indicating the possibility of true positive. By comparing this index value with a threshold value prepared in advance to determine that it is true positive, it is determined whether it is true positive or positive. Then, a region where the candidate regions determined to be true-positive are gathered within a predetermined area is output as a candidate region for the microcalcification cluster shadow.
  • the image generation apparatus 1 is photographed! / To generate a medical image (here, an example of a breast image will be described).
  • a medical image here, an example of a breast image will be described.
  • information on the patient such as the patient's nomination, age, and gender
  • imaging information such as tube voltage at the time of imaging, breast compression rate, examination information such as the examination date
  • examination information such as the examination date
  • Detailed information related to breast image generation such as reading conditions is attached to the breast image.
  • the breast image with the accompanying information is output from the image generating device 1 to the image processing device 2.
  • image processing apparatus 2 while necessary image processing is performed on the breast image, display object determination processing described below is started for the breast image, and detection of abnormal shadow candidates and detected abnormal shadow are performed. A candidate to be displayed is extracted from the candidates.
  • the abnormal shadow candidate detection unit 27 first extracts each region such as a subject region, a pectoral muscle region in the subject region, a breast region, and the like included in the medical image (step). Sl).
  • the abnormal shadow candidate detection unit 27 performs an abnormal shadow candidate detection process for the extracted breast region (step S2).
  • This abnormal shadow candidate detection process will be described with reference to the flowchart shown in FIG. First, attention areas, which are processing units for detection processing, are sequentially set for the breast area, and primary detection is performed within the attention area. (Step S21). Since the primary detection method is as described above, a description thereof is omitted here.
  • an image feature amount is calculated for the region of the abnormal shadow candidate that is primarily detected.
  • the image features are at least the area of the abnormal shadow candidate area, standard deviation, density average value, curvature, fractal dimension, circularity, contrast with the surrounding area, marginal complexity, and abnormal shadow candidates are first detected.
  • the classified area (which of the areas Da to Dc shown in FIG. 5 corresponds) is calculated (step S22).
  • the contrast is the density difference (pixel value difference) between the abnormal shadow candidate region and the surrounding region
  • the area is the number of pixels in the abnormal shadow candidate region
  • the distance from the image edge is from the image edge on the chest wall side.
  • circularity is calculated by the following formula (1).
  • Circularity ⁇ 4 ⁇ XAr / L 2 ---(l)
  • Ar Area (number of pixels constituting the abnormal shadow candidate region)
  • step S23 An index value indicating the possibility of a true positive abnormal shadow is obtained (step S23).
  • step S24 when it is determined whether or not the candidate is an abnormal shadow candidate based on the obtained index value and threshold value (step S24), the process proceeds to step S3 in FIG.
  • step S3 shown in FIG. 6 the control unit 21 determines the priority of the abnormal shadow candidate to be displayed among the abnormal shadow candidates based on the image feature amount calculated for the abnormal shadow candidate.
  • the abnormal shadow candidate to be displayed is a candidate excluding a candidate that is clearly determined to be true positive or false positive, and is suspected to be true or false positive or difficult to observe. Is an easy-to-miss candidate.
  • the contrast when the contrast is small, the area power, or the case, it is often necessary to make a final decision by an interpreting doctor who is difficult to determine whether it is false positive or true positive.
  • the visibility of the area is also a shadow that is difficult to overlook by doctors who are difficult to say.
  • the border of the edge is unclear (unclear), or the edge shows a fine streak-like shape, In some cases, it has a distorted shape called “increase”, which increases the complexity of the border, but conversely, when the complexity of the border is small, it is difficult to determine whether there is an abnormal shadow force.
  • the greater the degree of circularity the higher the possibility of being a tumor.
  • the degree of circularity is small, it is difficult to determine whether the tumor is true (positive).
  • the density of the low density area Dc is small overall, so that the abnormal shadow appearing on the image at a low density is lower than that in the high density area Da. It is harder to discriminate if it exists in the region Dc.
  • a doctor who is difficult to visually recognize is easy to miss if the density is low.
  • abnormal shadows present in the breast region near the edge of the image are easily missed by the doctor from that position.
  • learning data such as a shadow feature amount that should have a higher priority and a shadow feature amount that should have a lower priority are prepared in advance as index values indicating the priority order. (Close to 0 (V indicates that the priority is lower, closer to 1 !, the higher the priority is!)-Output multi-variate analysis such as a neural network. For example, the higher the priority index value, the lower the contrast, the smaller the area, the lower the average density value of the candidate area, the lower the circularity, the shorter the distance from the image edge, or the lower the complexity of the edge. Prepare the learning data and adjust the multivariate analysis. In addition, since it is difficult to determine abnormal shadow candidates in the order of the region Dc ⁇ Db ⁇ Da in the breast region Sal, a multivariate analysis is constructed so that the priority order becomes the high V index value in this order.
  • the feature value of the abnormal shadow candidate whose priority is to be determined is input to the multivariate analysis, the index value output by the multivariate analysis is compared with the threshold value for the index value, and the threshold value is set.
  • the abnormal shadow candidates that have been exceeded, that is, candidates that are higher than a predetermined priority are determined as the abnormal shadow candidates to be displayed.
  • step S2 When the priority order is determined, out of the abnormal shadow candidates detected in the detection process of step S2, the abnormal shadow candidate power having a higher priority is also extracted preferentially (step S4), and the final detection result Is output as
  • the breast image (image processed for interpretation) is aligned by the image processing unit 26.
  • Various display data processing such as processing, reduction processing, and composition processing is performed to create a display image.
  • the created display image is transmitted from the image processing apparatus 2 to the viewer 5 and displayed on the viewer 5. It is also possible to output the image to the film in the printer 3 that simply displays the image on the viewer 5.
  • the concept of “display” includes displaying an image by outputting it on a film or the like.
  • the image size is larger than that in the normal imaging. It is also possible to display the image as it is.
  • an equal-size image reduced to the same size as the actual size of the subject is created and displayed in view IV5.
  • the reduction ratio of the breast image is determined in the image processing unit 26 based on the enlargement ratio. For example, if the enlargement rate is 2 times, the reduction rate is determined to be 1Z2 times. At this time, the reduced image is 1Z4 of the area of the original image.
  • a display image is created by overlaying the marker image indicating the detection position as detection information of the abnormal shadow candidate on this same-size image, and displayed on the view 5
  • a reading pixel size may be added to the incidental information so that an optimum display destination can be selected as the viewer pixel size based on the reading pixel size information.
  • This is a device having a pixel size of. This is because each read pixel and display pixel correspond to 1: 1, and it is not necessary to perform reduction interpolation, and image degradation during interpolation does not occur.
  • the image processing unit 26 acquires the pixel size of each view screen under the network in advance, it is possible to easily select the corresponding LV and display destination.
  • Fig. 9 shows a display example.
  • Fig. 9 (a) shows an example of displaying only the detection results of the abnormal shadow candidates whose priority is higher than the predetermined order.
  • Fig. 9 (b) displays the detection results of all detected abnormal shadow candidates. This is a display example. Compared to displaying all detected objects, displaying only abnormal shadow candidates with a priority higher than the predetermined order reduces the number of display objects on the display screen, making it easier to observe ( Figure 9 (a), (b) I understand.
  • FIGS. 9A and 9B show an example in which the detection result of the abnormal shadow candidate is directly displayed on the medical image by the marker information (arrow in the figure) indicating the detection position of the abnormal shadow candidate.
  • a sub-image image indicated by reference signs gl and g2 in the figure
  • the main image indicated by reference signs Gl and G in the figure
  • the image may be displayed at a position that does not overlap the subject area. That is, the reference image is obtained by superimposing detection information on abnormal shadow candidates on an image obtained by further reducing the same size image. In this case, the display area of the detection result is smaller than that in the display form of FIG.
  • FIG. 9 (c) is a diagram showing an alignment image obtained by performing alignment processing on the left and right breasts so that the image ends on the chest wall side are adjacent to each other.
  • an abnormal shadow candidate that is clearly true positive or false positive is deleted from the abnormal shadow candidate detected by the detection process, and whether the true positive result is positive or not.
  • the detection information is displayed only for candidates that should be left to the final decision of the doctor who is difficult to judge, or candidates that are low in visibility and easy for the doctor to miss, so the number of abnormal shadow candidates to be pointed out can be reduced. As a result, the display can be easily viewed, and the efficiency of the doctor's interpretation work can be improved.
  • the lesion edge of the image obtained by the phase contrast imaging method is significantly improved in visibility compared to the conventional breast image due to the phase contrast effect. This is preferable because the probability of missing a clear lesion (true positive candidate region) that does not display an annotation such as is greatly reduced.
  • the doctor interprets (diagnose) the doctor based on the image, and the doctor records the result, and then the detected abnormal shadow candidate.
  • the doctor may provide display information and control the display so that the result can be corrected by comparing with the result of the previous interpretation (diagnosis).
  • the multivariate analysis method is used and the priority order is determined comprehensively.
  • the present invention is not limited to this.
  • priorities may be determined for each decision element, such as in order of increasing circularity, and the number of priorities for each decision element may be added, and the candidate power with the smaller addition value may be extracted preferentially.
  • the priority order can be optimized by weighting and adding to the judgment elements to be emphasized.
  • the abnormal shadow candidate detecting means and control in the image processing apparatus 2 are described.
  • the display means is realized in the viewer 5, but the present invention is not limited to this, and each means may be realized by any component device of the medical image processing system 100.
  • the image generation apparatus 1 is disclosed in JP-A-2001-238871, JP-A-2001-311701, JP-A-2002-85389, JP-A-2001-299733, etc.
  • the margin of the lesion in the obtained image is significantly more visible than the conventional breast image due to the phase contrast effect, and there is no annotation display.
  • the probability of overlooking a clear lesion (true positive candidate region) is preferable because it greatly decreases.
  • region with low density and low visibility indicates that the amount of light reaching the eyes of the interpreting doctor is small when the interpreting doctor interprets. Therefore, if the interpretation method is film and shear-casting, it is a film area where the amount of transmitted light is reduced. This corresponds to a black part on the film, and conversely, the blank part on the film is visually recognized at a high density. The part is “high in nature”. On the other hand, in the case of the interpretation method by the viewer, the low density (low drive level) area becomes the “low density and low visibility!” Area.
  • an area with a low X-ray dose that has passed through the subject during interpretation is displayed as a missing part or displayed with high brightness, so it was taken as an area with low visibility for the interpreting physician. From the image data, an area with a high X-ray dose that has passed through the subject needs to be extracted.
  • imaging is performed in the image generation apparatus 1, and a medical image (here, an example of a breast image is described) is generated.
  • a medical image here, an example of a breast image is described
  • information on the patient such as the patient's nomination, age, and gender
  • imaging information such as tube voltage at the time of imaging, breast compression rate, examination information such as the examination date
  • examination information such as the examination date
  • Detailed information related to breast image generation such as reading conditions is attached to the breast image.
  • the breast image with the accompanying information is output from the image generating device 1 to the image processing device 2. It is.
  • the image processing apparatus 2 while necessary image processing is performed on the breast image, display object determination processing described below is started for the breast image, and detection of abnormal shadow candidates and detected abnormal shadow are performed.
  • a candidate to be displayed is extracted from the candidates.
  • the abnormal shadow candidates to be displayed are candidates that should be left to the final judgment of a doctor who is difficult to judge true positive potential positive power, or candidates that are difficult to observe by doctors with low visibility, or positions that are difficult to find Candidates.
  • the display determination process shown in FIG. 10 first, after extracting each region such as a breast region and a pectoral muscle region from the medical image by the abnormal shadow candidate detection unit 27 (step Tl), the extracted breast region An abnormal shadow candidate is detected at (Step ⁇ 2). At this time, the detected abnormal shadow candidate is set as detection candidate R1.
  • an abnormal shadow candidate detection method for example, as described in the first embodiment, a method for detecting a microcalcification cluster shadow candidate in a breast image is conceivable.
  • the image feature amount of the detection candidate R1 is calculated (step T3).
  • Image feature quantity standard deviation of pixel values in at least candidate area, density average value, curvature, fractal dimension, circularity, area, contrast with surrounding area, edge complexity, distance from image edge, difference
  • the classification region in which the normal shadow candidate is detected (in any of the regions Da to Dc shown in FIG. 5) is calculated. It is difficult to judge the true positive / negative power by using these image feature quantities as a decision factor, or the visibility is low! ⁇ Judge abnormal shadow candidates.
  • the contrast is the density difference (pixel value difference) between the abnormal shadow candidate region and the surrounding region, the area is the number of pixels in the abnormal shadow candidate region, and the distance from the image edge is from the image edge on the chest wall side. Obtain from the distance (number of pixels) to the detection position of the abnormal shadow candidate.
  • the circularity is calculated by the equation (1) described in the first embodiment.
  • the complexity of the edge is an expansion calculated by the equation (2) described in the first embodiment when the periodic function indicating the contour of the abnormal shadow candidate is Fourier expanded as shown in FIG.
  • the coefficients are ak and bk.
  • detection is performed based on the calculated image feature amount using the first threshold value TH1 that is set in advance to detect a false positive candidate and stored in the storage unit 25.
  • False positive candidates (candidates with high possibility of false positives! ⁇ ⁇ ) are detected in candidate Rl.
  • the false positive candidate is deleted from the detection candidate R1 (step T4).
  • the remaining candidate from which the false positive candidate is also deleted is set as detection candidate R2.
  • an index value indicating the possibility of true positive is calculated by the analysis. For example, an image feature amount calculated by a shadow component that has been determined to be true positive in advance, or an image feature amount that has been determined to be easily overlooked by a doctor with low visibility on the image is used as learning data.
  • An index that indicates the possibility of the authenticity of the shadow candidate by constructing a decision logic based on the Eurenore network, etc., and inputting various image feature quantities calculated from the candidate shadow to be judged in this decision logic Get the value. Then, false positive candidates are deleted according to the result of comparing this index value with the threshold TH1.
  • the threshold value ⁇ 1 0.25, and the case of a condition for determining that a candidate having an index value lower than this is a false positive candidate will be described.
  • the control unit 21 is preset in order to delete the true positive candidates next, and is stored in the storage unit 25. Based on the image feature value of the detection candidate R2, using the second threshold TH2 that is remembered, the detection candidate R2 has a true positive candidate (highly likely to be true positive! Detected. Then, the true positive candidate is deleted from the detection candidate R2 (step T5). Let R3 be the remaining detection candidate from which the true positive candidate has been deleted from this detection candidate R2.
  • the thresholds TH1 and TH2 used for deleting the false positive candidates and the true positive candidates are configured to be set for each interpretation.
  • the setting information of the threshold values TH1 and TH2 is configured to be input via the operation unit 22, and the setting information of the threshold values TH1 and TH2 is associated with the interpreting doctor ID unique to each interpreting doctor.
  • the threshold TH1 is changed to 0.25 or 0.3, depending on the skill of the doctor, the interpretation style, etc.
  • the number of abnormal shadow candidates displayed can be adjusted and displayed according to the skill of each interpreting physician.
  • the detection result of the detection candidate R3 extracted by the thresholds TH1 and TH2 is transmitted from the image processing apparatus 2 to the image server 4 and stored, while the medical image and the detection result are stored from the image processing apparatus 2. It is sent to the viewer 5 and displayed in the viewer 5.
  • Fig. 11 shows a display example.
  • FIG. 11 (a) is a display example of the detection candidate R1
  • FIG. 11 (b) is a detection candidate R2
  • FIG. 11 (c) is a display example of the detection candidate R3.
  • the false positive candidate was deleted from detection candidate R1 (see Fig. 11 (b))
  • the true positive candidate was deleted (Fig. 11 (c (See))
  • the marker indicating the detection position of the force candidate on the display screen of the medical image has decreased, and the display is easy to observe.
  • abnormal shadow candidates that are clearly false positives and true positives are excluded from display targets, so that interpretation can be performed efficiently.
  • FIG. 11 (c) a force showing an example in which the detection information of the abnormal shadow candidate is directly displayed on the breast image, as shown in FIG. 12, the breast image not displaying the detection result is displayed in the main image ( in the figure, the image) indicated by sign-G3, G4, in the sub-image (Fig obtained by reducing this code g3, g object area created by the main image obtained by synthesizing the detection information on the image) indicated by 4 It may be displayed at the ⁇ position where it does not overlap.
  • the display area of the detection information is smaller than in the display form of FIG. 11 (c), but according to the present invention, the number of abnormal shadow candidates to be displayed can be reduced. It is particularly effective because it can.
  • FIG. 12 shows an alignment image obtained by performing alignment processing on the breast images of the left and right breasts so that the image ends on the chest wall side are adjacent to each other.
  • abnormal shadow candidates it is difficult to determine true-positive or false-positive power, and in order to extract abnormal shadow candidates that should be left to the final doctor's determination, the image features of abnormal shadow candidates are extracted.
  • the example of calculating the index value indicating the possibility of true positive based on the above has been explained, but abnormal shadow candidates with low visibility on the image, such as being in a lower concentration or in a position that is difficult to see, are extracted. If so, an index value indicating the degree of visibility is calculated. Similarly, in this case, the visibility is low in advance!
  • the abnormal shadow candidates are preliminarily constructed with the determination feature based on the multivariate analysis using the image feature amount as the learning data, and the image feature of the abnormal shadow candidate to be determined is determined.
  • a third threshold TH3 for determining whether or not the visibility is low is prepared, and the visibility is low at the extraction stage of any of the abnormal shadow candidate detection candidates R1 to R3 based on this threshold TH3. What is necessary is to judge and extract the abnormal shadow candidate. This provides only detection information for either or both of those candidates that need to be judged by a doctor who suspects whether or not they have true positive power, candidates that are likely to be overlooked by doctors with low visibility, or both. be able to.
  • an abnormal shadow candidate that is clearly true positive or false positive is deleted from the abnormal shadow candidates detected by the detection process, and it is determined whether the true positive result is positive. Because the detection information is displayed only on candidates that are left to the final decision of the doctor who is difficult, or candidates that are low in visibility and easy for the doctor to miss, the number of abnormal shadow candidates to be pointed out can be reduced. As a result, the display can be easily viewed, and the efficiency of the doctor's interpretation work can be improved.
  • abnormal shadow candidates are classified into groups of clear true positive, true positive or false positive suspected, and apparent false positive, and doctor interpretation ( Diagnosis)
  • the interpretation order can be selected according to the style and physical condition of the day. For example, only obvious true-positive candidates and obvious false-positive candidates are interpreted, and after refreshing the next day's physical condition, a true or false-positive card is suspected that truly requires accurate judgment from a doctor. Can be scheduled.
  • doctors visually detect abnormal shadows that are clearly positive, and the abnormalities provided by the medical image processing system 100 are used to detect abnormal shadows that are difficult to detect due to low visibility. The detection result of the shadow candidate can be referred to.
  • the abnormal shadow candidate detection means and the control means are realized in the image processing apparatus 2 and the display means is realized in the viewer 5.
  • the present invention is not limited to this, and the medical image processing system 100 Each means may be realized by any constituent device.
  • the thresholds TH1 and TH2 can be set according to the interpreting doctor.
  • the threshold TH1 for detecting a false positive candidate is a common setting for each interpreting doctor.
  • the threshold TH2 for detecting a true positive candidate may be set according to each interpreting doctor.
  • the threshold TH1 is set to a value determined in advance by the manufacturer or standardized within the hospital to unify the detection results, and the threshold TH2 depends on the skills of each interpreting physician. By adjusting the detection results accordingly, it is possible to make the specifications according to the interpretation environment.
  • the threshold TH1 and the like are thresholds for the index value output as a result of the determination logic of the multivariate analysis.
  • the threshold TH1 is prepared for each image feature amount without being limited thereto.
  • the abnormal shadow candidate extracted by the threshold value for the special work amount may be displayed.
  • the doctor interprets (diagnose) the doctor based on the image, records the result, and then provides information on the detected abnormal shadow candidate and compares it with the result of the doctor's previous interpretation (diagnosis).
  • the display may be controlled so that the result can be corrected.
  • the doctor recognizes that there is a region that is bothered by true positive and possible positive in addition to the true positive region.
  • the doctor recognizes that there is a region that is bothered by true positive and possible positive in addition to the true positive region.
  • the doctor By displaying the detection result by inputting the threshold value corresponding to, the true / false of the abnormal shadow candidate can be confirmed quickly and quickly by referring to the detection result compared to all detection result display methods.
  • the doctor can use the present invention to improve his level.
  • an abnormal shadow candidate for display output is extracted from the detected abnormal shadow candidate according to the detection process.
  • An example of displaying and outputting the extracted abnormal shadow candidate detection information will be described.
  • imaging is performed in the image generation apparatus 1, and a medical image (here, an example of a breast image is described) is generated.
  • a medical image here, an example of a breast image is described
  • information on the patient such as the patient's nomination, age, and gender
  • imaging information such as tube voltage at the time of imaging, breast compression thickness, and examination information such as the examination date and time, etc.
  • Detailed information about breast image generation such as information and image reading conditions is attached to the breast image.
  • the breast image with the accompanying information is output from the image generating device 1 to the image processing device 2.
  • the breast image input via the communication unit 24 is stored in the storage unit 25, and then the image processing unit 25 performs necessary image processing on the breast image. Then, the abnormal shadow candidate detection process is started by the abnormal shadow candidate detection unit 27 for the breast image.
  • the detection process of the abnormal shadow candidate is performed by combining two detection algorithms.
  • the processing pattern there are three modes in which the detection process is different by combining the two detection algorithms.
  • the technician or the interpreting physician can set whether to apply the pattern.
  • the processing patterns include the first to third patterns.
  • the first processing pattern is an image area excluding an area that is determined to be false positive by the detection process after performing the detection process using one detection algorithm.
  • the detection process is performed by another detection algorithm.
  • the second processing pattern differs only in that the processing order of each detection algorithm in the first processing pattern is reversed, and the third processing pattern is the detection of one detection algorithm and another detection algorithm. If the processing is performed in parallel! And any detection algorithm is detected, all detection results are obtained.
  • first processing pattern will be described with reference to FIG. 13, and then other processing patterns (second processing pattern and third processing pattern) will be described.
  • FIG. 13 is a flowchart showing the flow of abnormal shadow candidate detection processing in the first processing pattern.
  • the abnormal shadow candidate detection unit 27 reads the breast image stored in the storage unit 24 (step S31), and the filter bank is detected as a detection algorithm for the breast image.
  • An abnormal shadow candidate detection process (hereinafter referred to as process 1) using is performed (step S32).
  • Figure 14 shows a filter bank incorporating the concept of multi-resolution in wavelet analysis. Let S f be the original image and zero this resolution level. H ((is resolution resolution
  • a low-pass filter at bell j, H (z ⁇ .F (z 1 ) is a high-pass filter.
  • HH j hf, W V f, wdf are the smoothed partial image, horizontal partial image, and vertical portion of resolution level j, respectively. It is a minute image and a diagonal partial image.
  • the band division of the filter bank repeats the division of the low-frequency component on the filter bank side. On the contrary, the band synthesis filter bank synthesizes them. In this filter bank, each filter is given by the formulas (3) to (6).
  • H (z) is a first-order difference filter
  • H (z) F (z) is a second-order difference filter
  • the horizontal partial image and vertical partial image at level j are the images obtained by adding the second-order difference filter in the vertical direction and the images obtained by adding the second-order difference filter in the horizontal direction to the smoothed partial image at resolution level j 1, respectively.
  • the diagonal partial image is an image obtained by adding a first-order difference filter in the horizontal and vertical directions. That is, these partial images correspond to each element of the Hessian matrix H expressed by the following equation (7).
  • a medical image to be detected is input to the filter bank (step S41).
  • the maximum eigenvalue and the minimum eigenvalue of the Hessian matrix are calculated from images of a plurality of resolutions obtained by the filter bank (step S42). Then, circular / linear pattern-enhanced images having different sizes are created (step S43), and a circular component and a linear component are extracted. Next, a region of interest (for example, 5 mm ⁇ 5 mm) is set in the enhanced image, and an image feature amount of a circular component / linear component in the region is calculated (step S44).
  • the image feature amount of the circular component / linear component includes the size of each component, the distribution of each component, and the like.
  • step S45 based on the image component feature quantity of the circular component “linear component”, it is determined whether the circular component “linear component” is true positive or false positive (step S45).
  • Discrimination analysis such as Mahalanobis distance can be used for discrimination. This is because learning data is prepared in advance with the components of true positive and false positive, and the Mahalanobis distance is obtained based on the image feature amount of these learning data, and the feature is close to either true positive or false positive. This is to determine whether it is ugly. When the determination result is obtained, the process proceeds to step S33 in FIG.
  • step S33 the position, area, etc. of the candidate areas determined as true positive and false positive are calculated and stored in the storage unit 25 as the detection result of the abnormal shadow candidate in the process 1.
  • step S34 the same image as the medical image detected in process 1 is read from the storage unit 25 (step S34).
  • information on the detection result of the abnormal shadow candidate detected by the process 1 is read from the storage unit 25, and false positive is determined from the medical image in the process 1 based on the read detection result (position information).
  • Pre-processing is performed to generate an image (this is called a pre-processed image) that excludes the image area that has been processed (step S35). Specifically, processing such as setting a flag indicating exclusion from the detection processing target is performed on each pixel of the image area determined to be false positive.
  • Process 2 is a detection algorithm that calculates the image feature amount of the shadow area included in the image, detects whether the shadow is true positive or false positive based on the calculated image feature amount, and detects abnormal shadow candidates. It is processing.
  • an abnormal shadow candidate region is identified from the preprocessed image (step S51).
  • a method using an iris filter or a method using a Laplacian filter disclosed in Japanese Patent Laid-Open No. 10-91758 (Journal of the Institute of Electronics, Information and Communication Engineers (D-II), Vol. J76-D-II, no.2, pp.241-249, 1993), Morphology filter (The Institute of Electrical, Information and Communication Engineers Journal (D-II), Vol.J71-D-II, no.7, pp.
  • the image feature amount of the specified candidate area is calculated (step S52).
  • the image feature amount includes the area of the candidate area, circularity, irregularity, average pixel value, standard deviation, candidate area and its contrast, and the like.
  • the area is indicated by the number of pixels constituting the identified candidate region.
  • the circularity is an image feature amount indicating the complexity of the shape.
  • the area S of the candidate region and the length (peripheral length) of the contour region of the candidate region are L, and the following equation (10) Indicated.
  • the area (overlapping area) where the candidate area overlaps with the candidate area S and the candidate area can be expressed by the following formula (11) with the center of gravity of the candidate area as the center.
  • the degree of circularity e increases as it approaches the circle, and its value approaches 1.
  • the irregularity f is expressed by the following equation (12), where L is the perimeter length of the candidate region, and! / Is the perimeter length after smoothing the perimeter length of the candidate region.
  • the abnormal shadow candidate detected by the processing 2 is determined as a true positive force or false positive force (step S53).
  • image feature amounts of shadow images belonging to two groups of true positive or false positive are prepared in advance as learning data, and discrimination target data (calculated image feature amount) is obtained from the center of each group. This can be done by determining the Mahalanobis distance up to and determining whether it is close to a true positive or false positive group.
  • step S37 as the detection result in process 2, information such as the position information and area of the abnormal shadow candidate is stored in the storage unit 25.
  • the control unit 21 reads out information on the extraction condition set for the processing pattern 1 together with information on the detection result of the processing pattern 1 from the storage unit 25.
  • the extraction condition set for processing pattern 1 is to extract all abnormal shadow candidates. That is, based on the read detection result information, all detected abnormal shadow candidates are extracted as display target candidates, and the detection information is displayed on the display unit 23 (step S38).
  • Detection information refers to information provided to doctors regarding detection of abnormal shadow candidates, such as marker images that indicate detection positions, character information that indicates items related to abnormal shadow candidates, such as lesion types and areas to be detected. It is done.
  • the abnormal shadow candidate detection unit 27 reads a breast image stored in the storage unit 24 (step Tl l).
  • detection processing by processing 1 and processing 2 is performed independently and in parallel on this breast image (steps ⁇ 21 and ⁇ 22), and the detection results of each detection processing are stored in the storage unit 25 (step ⁇ ⁇ ⁇ ⁇ ). ⁇ 31, ⁇ 32). Since the contents of each process 1 and 2 are as described above, the description is omitted here.
  • the detection results of the processing 1 and the processing 2 are read from the storage unit 25, and among these detected abnormal shadow candidates, there is an abnormal shadow candidate whose detected information should be displayed and output. Extracted (Step ⁇ 33).
  • a region that is determined to be true positive by one detection algorithm is subjected to another detection processing by another detection algorithm, and other detection algorithms are also true positive.
  • the determined area is output as the final detection result. In other words, because the detection process is performed in two stages, it is highly likely that the abnormal shadow candidate included in the detection result is true positive.
  • the detection accuracy is considered to be lower than that of the first or second processing pattern, and the detection result is likely to contain a false positive candidate. If the detection information is displayed for all of the abnormal shadow candidates detected in the same manner as the first processing pattern based on such detection results, the number of displays in the display unit 23 increases. turn into.
  • the number of display of the detected information is reduced by extracting the candidates to be displayed from the detected abnormal shadow candidates.
  • the abnormal shadow candidates for which the detection information is to be displayed should be left to the final decision of the doctor who is difficult to clearly discriminate whether the abnormal shadow candidates are true positives or false positives. It is assumed that extraction conditions are set so as to extract correct candidates and stored in the storage unit 25. Obviously, a shadow that can be visually identified as true positive can be detected by a doctor even if the detection information is not displayed by the image processing apparatus 2 in particular. For this reason, some doctors want to refer to detection information about shadows that are difficult to judge whether they are true positives or false positives rather than such shadows. Therefore, extraction conditions are set according to such demands.
  • An index value indicating the possibility of true positive is calculated by multivariate analysis. For example, using the image features calculated in advance as a result of a shadow that has been divided into true positives as learning data, a decision logic based on multivariate analysis, such as a universal network, is constructed, and the decision target is shaded by the decision logic. Various image feature amounts calculated from the candidates are input to obtain an index value indicating the likelihood of the shadow candidate.
  • index value for true positive that is output at the time of detection (this is assumed to be S) is a value between 0 and 1 (closer to 0, the possibility of true positive is lower; closer to 1, the possibility of true positive is likely If it is output at (High), out of the detection candidates, abnormal shadow candidates whose index value S is THK S and TH2 are extracted.
  • the extracted candidates are candidates for excluding false positive candidates and true positive candidates from the abnormal shadow candidates detected by the detection process, that is, a doctor who doubts whether or not they are true positives.
  • Candidates are extracted candidates. Furthermore, it exists in the breast area near the edge of the image. Existing abnormal shadows are easily overlooked by doctors because of their extreme positions. Therefore, when it is desired to add an abnormal shadow candidate at a position that is difficult for a doctor to find as a display target, the distance of the image edge force is obtained in advance as a boundary of a region that is difficult to find, and this is used as a threshold TH3.
  • the abnormal shadow candidates that are below the threshold TH3 may be extracted as the abnormal shadow candidates to be displayed.
  • the thresholds TH1 and TH2 used for determining the false positive candidate and the true positive candidate are configured to be set for each interpretation.
  • the setting information of the threshold values TH1 and TH2 can be input via the operation unit 22, and the setting information of the threshold values TH1 and TH2 is stored in association with each interpreting doctor ID. Stored in Part 25. Then, by inputting an interpretation doctor ID or the like at the time of interpretation, the control unit 21 reads out the threshold values TH1 and TH2 corresponding to the interpretation doctor and uses them for the above processing.
  • the threshold TH1 may be changed according to the skill of the doctor, the interpretation style, etc. By setting TH2, the number of abnormal shadow candidates displayed can be adjusted and displayed according to the skill of each interpreting physician.
  • the detected information of the extracted abnormal shadow candidates is displayed on the display unit 23 (step T34).
  • FIG. 18 shows a display example of detection information of abnormal shadow candidates according to the processing patterns 1 to 3.
  • FIG. 18 (a) is a diagram showing a display example of the processing pattern 1 or 2
  • FIG. 18 (b) is a diagram showing a display example of the processing pattern 3.
  • marker images arrows in the figure
  • indicating the detection positions are displayed on the breast image as detection information of abnormal shadow candidates.
  • processing pattern 3 only the remaining candidates from which candidates with high possibility of true positive or false positive are deleted are output as detection results, so that the shape and concentration is positive / false positive. It is possible to display the marker by focusing on the shadow that is difficult to judge.
  • the candidates for which the detection information is to be displayed are extracted from the candidates, and the detection information is displayed only for the extracted abnormal shadow candidates. Thereby, it is possible to limit the number of detection information displayed according to the detection process, to make the display form easy to interpret, and to improve the doctor's interpretation efficiency.
  • the detection algorithm has a plurality of detection algorithms corresponding to the lesion type to be detected, and is used when detecting abnormal shadow candidates using the detection algorithm corresponding to the detected lesion type.
  • An example will be described in which abnormal shadow candidates to be displayed are extracted in accordance with different detection processes, and detection information of the extracted abnormal shadow candidates is displayed and output.
  • the storage unit 25 of the image processing apparatus 2 stores a detection processing program based on a detection algorithm corresponding to a lesion type to be detected.
  • a detection algorithm program corresponding to two types of tumors and microcalcification clusters, which are lesions in the breast, is stored.
  • the abnormal shadow candidate detection unit 27 first reads a medical image to be processed from the storage unit 25 (step El). Next, a selection screen for selecting a lesion type to be detected is displayed on the display unit 23, and a selection operation is performed so as to select an abnormal shadow of a lesion type from among a tumor or a microcalcification cluster. Dance.
  • step E2 when one of the lesion types is selected by the doctor via the operation unit 22 on this selection screen (step E2), when a microcalcification cluster is selected (step E2; Cluster), the process proceeds to step E3. If a tumor is selected (step E2; tumor), the process proceeds to step E6.
  • step E3 the abnormal shadow candidate detection unit 27 reads a detection processing program corresponding to the microcalcification cluster from the storage unit 25, and performs the abnormal shadow candidate detection process in cooperation with the program. Is called. That is, detection is performed by a detection algorithm corresponding to the detection of microcalcification clusters.
  • a candidate region is specified by a triple ring filter or the like, and then a detection process (processing 2) using a feature amount is performed. Since the details of each process are as described above, a description thereof is omitted here.
  • step E4 information such as the position information and area of the detected abnormal shadow candidate is stored in the storage unit 25 as the detection result of the microcalcification cluster.
  • the control unit 21 reads out the detection result information from the storage unit 25, and also reads out the abnormal shadow candidate extraction conditions set in advance for the detection process of the microcalcification cluster.
  • the extraction condition set for the process of detecting microcalcification clusters is to extract all abnormal shadow candidates. That is, based on the read detection result information, all detected abnormal shadow candidates are extracted as display target candidates, and the detected information is displayed on the display unit 23 for all detected abnormal shadow candidates. Is displayed (step E5).
  • step E6 the abnormal shadow candidate detection unit 27 reads a detection processing program corresponding to the tumor from the storage unit 25, and an abnormal shadow candidate detection process is performed in cooperation with the program. That is, the detection is performed by a detection algorithm corresponding to the detection of the mass.
  • the tumor detection algorithm goes through a detection process that performs processing 1 using a filter bank.
  • information such as the position information and area of the detected abnormal shadow candidate is stored in the storage unit 25 as a tumor detection result (step E7).
  • information on the detection result is read from the storage unit 25 by the control unit 21. From the detected abnormal shadow candidates, candidates for displaying the detection information are extracted (step E8).
  • the shadows appear on the image by collecting (clustering) minute white dots with density changes of the inverted cone structure. For this reason, as the detection information of the detected abnormal shadow candidate, a marquee image of a frame surrounding a portion where minute shadows are clustered is output. In other words, when the number of false positive candidates is large, the set area becomes large, but the amount of change is small because the shadow is a minute point. Therefore, even if the number of abnormal shadow candidates detected is large, the frame size only changes, and the visibility is not significantly affected.
  • the shadow that is clearly true positive has a shape of around 3 to 5 mm, and the outline of the lesion margin (density difference with the surrounding tissue) that is larger than the microcalcification shadow is clear (phase contrast imaging) If this is the case, the edge effect is clearer) and can be visually confirmed by a doctor. Therefore, as in the first embodiment, abnormal shadow candidates that should be left to the final judgment of a doctor who is difficult to clearly distinguish between true positives and false positives, or their detection positions and visibility on images are low, It is difficult for doctors to find out! /, And abnormal shadow candidates are extracted by the control unit 21. Since the extraction method is the same as that in the above-described embodiment, the description thereof is omitted here.
  • FIG. 20 shows a display example of detection information of abnormal shadow candidates.
  • FIG. 20 (a) is a diagram showing a display example of candidate microcalcification clusters
  • FIG. 20 (b) is a diagram showing a display example of tumor candidates.
  • a marker on the frame surrounding the part where the candidates gather together so that the doctor can identify the set of shadows of the microcalcification part that appears in the form of dots. used.
  • the shadow of the microcalcification cluster is shown as a black dot for convenience, but it actually appears as a whitish shadow with a low concentration.
  • the mass is 3mn! Since it appears on the image with a size of about 5 mm, an arrow indicating the detection position is used as a tumor candidate marker as shown in FIG. 20 (b).
  • the microcalcification cluster is a collection of calcified portions even if there are many false positive candidates that are likely to be detected around the true positive candidates. It is considered that the area to be changed only slightly. Therefore, even if the detection information is displayed for all detected candidates, the size of the marker frame only changes as shown in Fig. 20 (a), and the number of frames does not increase extremely. The display of the detection information is unlikely to interfere with the interpretation of the image.
  • the abnormal shadow candidate power detected according to the detection process The candidate whose detection information should be displayed And the detection information is displayed only for the extracted abnormal shadow candidates.
  • the display number of the detection information can be limited according to the detection process, so that the display form can be easily interpreted, and the doctor's interpretation efficiency can be improved.
  • a microcalcification cluster surrounding a set of candidates detected in a frame as detection information all of the detected candidates are extracted, and an arrow indicating the detection position of each candidate is indicated by an arrow.
  • candidates are extracted when it is difficult to find a candidate for which it is difficult to judge a false-positive / true-positive key or a doctor with low visibility.
  • the display number of the detection information of the abnormal shadow candidate is varied in accordance with the difference in the detection rate caused by the detection process, so that the display number can be adjusted to decrease.

Abstract

　医用画像処理システム１００では、医用画像が生成されると、画像処理装置２において当該医用画像に対し、異常陰影候補の検出処理が行われる。次いで、検出された異常陰影候補の画像特徴量に基づいて、多変量解析により明らかに真陽性又は偽陽性である異常陰影候補、真陽性か偽陽性かの判断が難しい候補や、検出しづらい位置に存在する候補等が判定され、検出された異常陰影候補から削除される。そして、削除後の異常陰影候補の検出情報のみがビューア５において表示される。

Description

明 細 書
異常陰影候補の表示方法及び医用画像処理システム
技術分野
[0001] 本発明は、医用画像力 異常陰影候補を検出し、その検出情報を表示する異常陰 影候補の表示方法及び医用画像処理システムに関する。
背景技術
[0002] 医療の分野にぉ 、ては、 CT (Computed Tomography)や MRI (Magnetic Resonanc e Imaging)等の撮影装置により患者を撮影した医用画像をデジタルデータに変換し 、医師が診断を行う際には、表示ディスプレイ上に表示して読影を行うようになってき た。特に近年では、読影医の負担軽減や異常陰影の見落とし減少を目的として癌化 部分等の異常陰影候補を検出するコンピュータ支援装置 (Computer-Aided Diagnosi s ;以下、 CADという）が開発されてきた。
[0003] 上記 CADにより異常陰影候補が検出されると、その検出情報として医用画像上に 異常陰影候補の検出位置を指し示すマーカ (矢印や丸等)等を表示する方法が一 般的である。その表示方法としては、（1)医用画像上に直接マーカを表示する方法（ 例えば、特許文献 1参照）、（2)読影用にライフサイズ (等倍)の医用画像を主画像と して表示し、その主画像の縮小画像上にマーカを表示した副画像を作成して主画像 とともに表示する方法 (例えば、特許文献 2参照）が用いられている。
特許文献 1：特開 2000— 276587号公報
特許文献 2：特開 2004— 230001号公報
発明の開示
発明が解決しょうとする課題
[0004] このような状況で、 CADにより検出された異常陰影候補の数が多い場合、上記（1) の方法では、読影医が観察する画像上にたくさんのマーカが表示されることとなり、 医用画像自体が観察しに《なってしまい、かえって読影作業に悪影響を及ぼすこと がある。
[0005] 一方、上記（2)の方法では、（1)の方法に比べ、主画像自体はマーカが表示され ないため、医師の読影作業に与える影響が少ないが、縮小された副画像上にはやは りたくさんのマーカが表示されることとなり、見づらいという問題があった。また、主画 像と副画像との位置の対応もとりにくくなる。
[0006] さらに、異常陰影候補の検出時には、その候補領域の画像特徴量を演算し、閾値 と比較して異常陰影であるか否かを判定する方法や、画像特徴量を用いて多変量解 析することにより異常陰影の候補領域を検出する方法等、様々なアルゴリズムが用い られる力 検出結果には、明らかに異常陰影であるものと疑わしいものとが混在して いる。
[0007] 従来の CADでは、このように検出された異常陰影候補の全てに関する検出情報を 医師に提供し、真陽性であるカ 為陽性であるかの最終判断は医師によることとしてい る。しかし、上述したように検出数が非常に多いと、その全てについて読影医は確認 しなければならず、非効率的である。特に、経験豊かな医師にとっては、明らかに異 常陰影であると容易に判断できるものより、疑わしい候補を優先的に読影した方が効 率的な場合がある。
[0008] また、異常陰影が乳房画像の端部付近に存在したり、陰影自体の面積が小さかつ たりすると、読影医が視認しづらいものとなり、見落としやすくなる。
[0009] 本発明の課題は、真陽性の異常陰影であるかどうか疑わしい異常陰影候補及び Z 又は視認性の低い異常陰影候補の検出情報のみを提供し、医師の見落とし防止、 読影作業の効率ィ匕を図ることである。
課題を解決するための手段
[0010] 請求の範囲第 1項に記載の発明は、異常陰影候補の表示方法において、
医用画像を画像解析して異常陰影候補を検出する検出工程と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する抽出ェ 程と、
前記抽出された異常陰影候補の検出情報を表示する表示工程と、
を含むことを特徴とする。
[0011] 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の 表示方法において、 前記抽出工程では、前記検出された異常陰影候補の画像特徴量を算出し、当該 画像特徴量に基づ 、て表示すべき異常陰影候補の優先順位を決定し、前記検出さ れた異常陰影候補のうち、優先順位が高い異常陰影候補力 優先的に抽出すること を特徴とする。
[0012] 請求の範囲第 3項に記載の発明は、請求の範囲第 2項に記載の異常陰影候補の 表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補とその周辺領域とのコン トラストを算出し、このコントラストが小さい異常陰影候補の優先順位を高く決定するこ とを特徴とする。
[0013] 請求の範囲第 4項に記載の発明は、請求の範囲第 2項に記載の異常陰影候補の 表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補の領域の面積を算出し、 当該面積が小さい異常陰影候補の優先順位を高く決定することを特徴とする。
[0014] 請求の範囲第 5項に記載の発明は、請求の範囲第 2項に記載の異常陰影候補の 表示方法において、
前記抽出工程では、前記画像特徴量として前記医用画像の画像端部から異常陰 影候補の検出位置までの距離を算出し、当該距離が短い異常陰影候補の優先順位 を高く決定することを特徴とする。
[0015] 請求の範囲第 6項に記載の発明は、請求の範囲第 2項乃至第 5項の何れか 1項に 記載の異常陰影候補の表示方法にお!、て、
前記医用画像から被写体領域を認識し、当該被写体領域を複数領域に分類する 工程を含み、
前記抽出工程では、前記認識された被写体領域のうち、前記異常陰影候補が検 出された分類領域に応じて優先順位を決定することを特徴とする。
[0016] 請求の範囲第 7項に記載の発明は、請求の範囲第 2項に記載の異常陰影候補の 表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補の形状の特徴量を算出 し、当該形状の特徴量に基づ ヽて優先順位を決定することを特徴とする。 [0017] 請求の範囲第 8項に記載の発明は、請求の範囲第 2項に記載の異常陰影候補の 表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補の候補領域の濃度を算 出し、当該濃度が低 ヽ特徴量を有する異常陰影候補の優先順位を高く決定すること を特徴とする。
[0018] 請求の範囲第 9項に記載の発明は、請求の範囲第 2項に記載の異常陰影候補の 表示方法において、
前記抽出工程では、前記画像特徴量として少なくとも異常陰影候補の候補領域の 面積、濃度、周辺領域とのコントラスト、異常陰影候補の形状、医用画像の画像端部 力 異常陰影候補の検出位置までの距離のうち一以上を算出し、当該算出された特 徴量に基づいて優先順位を決定することを特徴とする。
[0019] 請求の範囲第 10項に記載の発明は、請求の範囲第 1項又は第 2項に記載の異常 陰影候補の表示方法にぉ 、て、
前記表示工程では、前記抽出された異常陰影候補の検出情報を前記医用画像と ともに表示することを特徴とする。
[0020] 請求の範囲第 11項に記載の発明は、請求の範囲第 10項に記載の異常陰影候補 の表示方法において、
前記医用画像は位相コントラスト撮影方法により撮影された医用画像であることを 特徴とする。
[0021] 請求の範囲第 12項に記載の発明は、請求の範囲第 10項又は第 11項に記載の異 常陰影候補の表示方法にぉ 、て、
前記表示工程では、前記医用画像を被写体と等倍サイズに縮小した等倍画像を表 示することを特徴とする。
[0022] 請求の範囲第 13項に記載の発明は、請求の範囲第 12項に記載の異常陰影候補 の表示方法において、
前記医用画像から参照用画像を作成し、当該作成画像上に検出情報を重ねた画 像を前記等倍画像とともに表示することを特徴とする。
[0023] 請求の範囲第 14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の 表示方法において、
前記抽出工程では、表示対象とするカゝ否かを判断するために予め設定されている 閾値に基づ 、て、前記検出された異常陰影候補力 表示すべき異常陰影候補を判 断して抽出することを特徴とする。
[0024] 請求の範囲第 15項に記載の発明は、請求の範囲第 14項に記載の異常陰影候補 の表示方法において、
前記閾値は、第 1の閾値及び第 2の閾値を有し、
前記抽出工程では、前記検出された異常陰影候補から、前記第 1の閾値及び第 2 の閾値により表示すべき異常陰影候補を判断して抽出することを特徴とする。
[0025] 請求の範囲第 16項に記載の発明は、請求の範囲第 15項に記載の異常陰影候補 の表示方法において、
前記第 1の閾値は偽陽性候補を削除するための閾値であり、前記第 2の閾値は真陽 性候補を削除するための閾値であり、前記抽出工程では、前記検出された異常陰影 候補から前記第 1の閾値及び第 2の閾値により偽陽性候補及び真陽性候補を削除し た残りの異常陰影候補を表示対象として抽出することを特徴とする。
[0026] 請求の範囲第 17項に記載の発明は、請求の範囲第 15項又は第 16項に記載の異 常陰影候補の表示方法にぉ 、て、
前記第 1の閾値又は第 2の閾値は読影医毎に設定可能であることを特徴とする。
[0027] 請求の範囲第 18項に記載の発明は、請求の範囲第 15項又は第 16項に記載の異 常陰影候補の表示方法にぉ 、て、
前記第 1の閾値は各読影医において共通の設定とし、前記第 2の閾値は読影医毎 に設定可能であることを特徴とする。
[0028] 請求の範囲第 19項に記載の発明は、請求の範囲第 14項乃至第 18項の何れか 1 項に記載の異常陰影候補の表示方法にぉ 、て、
前記閾値は、画像上での視認性が低いか否かを判断するための第 3の閾値を有し 前記抽出工程では、検出された異常陰影候補から、前記第 3の閾値により視認性 が低いと判断された異常陰影候補を抽出することを特徴とする。 [0029] 請求の範囲第 20項に記載の発明は、医用画像処理システムにおいて、 医用画像を画像解析し、異常陰影候補を検出する異常陰影候補検出手段と、 前記異常陰影候補検出手段により検出された異常陰影候補のうち、表示すべき異 常陰影候補を抽出する制御手段と、
前記抽出された異常陰影候補の検出情報を表示する表示手段と、
を備えることを特徴とする。
[0030] 請求の範囲第 21項に記載の発明は、請求の範囲第 20項に記載の医用画像処理 システムにおいて、
前記表示手段は、前記抽出された異常陰影候補の検出情報を前記医用画像ととも に表示することを特徴とする。
[0031] 請求の範囲第 22項に記載の発明は、請求の範囲第 21項に記載の医用画像処理 システムにおいて、
前記医用画像は位相コントラスト撮影方法により撮影された医用画像であることを 特徴とする。
[0032] 請求の範囲第 22項に記載の発明は、請求の範囲第 20項に記載の医用画像処理 システムにおいて、
前記制御手段は、表示対象とする力否かを判断するために予め設定されている閾 値に基づ 、て、前記検出された異常陰影候補から表示すべき異常陰影候補を判断 して抽出することを特徴とする。
発明の効果
[0033] 請求の範囲第 1項、第 2項、第 10項、第 11項、第 20項力も第 22項に記載の発明 によれば、表示する異常陰影候補数を減少させることにより、表示画面上の検出情 報 (検出位置のマーカ表示等)の表示量を減少させることができ、医師が観察しやす い表示状態で検出情報を提供することができる。また、真陽性力否力が疑わしぐ医 師による精査が必要な異常陰影候補、視認性が低い異常陰影候補、或いは何れに も該当する異常陰影候補の検出情報のみ、或いは当該検出情報を優先して提供す ることにより、結果として医師の読影作業の効率ィ匕を図ることができ、診断精度の向 上を図ることができる。 [0034] 請求の範囲第 3項に記載の発明によれば、コントラストが小さいため、真陽性か否 力の判断について医師の判断が必要な異常陰影候補の検出情報を優先的に医師 に提供することができ、医師の読影作業の効率ィ匕を図ることができる。また、コントラス トが小さい場合、視認性が低下するため、そのような異常陰影候補を優先することに より、医師の見落とし防止を図ることができる。
[0035] 請求の範囲第 4項に記載の発明によれば、面積が小さいため、真陽性力否かの判 断について医師の判断が必要な異常陰影候補の検出情報を優先的に医師に提供 することができ、医師の読影作業の効率ィ匕を図ることができる。また、面積が小さい場 合、視認性が低下するため、そのような異常陰影候補を優先することにより、医師の 見落とし防止を図ることができる。
[0036] 請求の範囲第 5項に記載の発明によれば、医師が見落としやすい位置に存在する 異常陰影候補の検出情報を優先的に医師に提供することが可能となり、医師の見落 とし防止を図ることができる。
[0037] 請求の範囲第 6項に記載の発明によれば、視認性が低!、領域に存在する異常陰 影候補の検出情報を優先的に医師に提供することができ、医師の見落とし防止を図 ることがでさる。
[0038] 請求の範囲第 7項に記載の発明によれば、真陽性力否かの判断が難 、形状であ り、医師の最終判断が必要な異常陰影候補の検出情報を優先的に医師に提供する ことができ、医師の読影作業の効率ィ匕を図ることができる。また、形状によっては視認 性が低下することもあるため、そのような異常陰影候補を優先して表示することにより 、医師の見落とし防止を図ることができる。
[0039] 請求の範囲第 8項に記載の発明によれば、低濃度で視認性が低!、異常陰影候補 の検出情報を優先的に医師に提供することができる。これにより、医師の見落とし防 止を図ることができる。
[0040] 請求の範囲第 9項に記載の発明によれば、真陽性力否かが疑わしぐ医師の精査 が必要な異常陰影候補、医師が視認し難い異常陰影候補、或いはそれらの両方の 検出情報を優先的に医師に提供することができる。また、各特徴量に基づいて優先 順位を決定するので、様々な判断要素を考慮したうえで総合的に優先順位を決定す ることがでさる。
[0041] 請求の範囲第 12項、第 13項に記載の発明は、医師の読影用として、医師の診断 能に適合する等倍画像を提供し、また異常陰影候補の検出情報の参照用として前 記等倍画像とは異なる参照用画像を提供するので、医師が読影 (診断)しゃす!/、画 像を読影しやす 、方法で提供することができる。
[0042] 請求の範囲第 14項力も第 19項に記載の発明によれば、読影医のスキルや読影順 番等の読影スタイル等に応じて表示対象の異常陰影候補数を調整することができ、 その仕様をカスタマイズすることが可能となる。
図面の簡単な説明
[0043] [図 1]本実施形態における医用画像処理システムのシステム構成を示す図である。
[図 2]位相コントラスト撮影法を説明する図である。
[図 3]位相コントラスト撮影法により得られる画像について説明する図である。
[図 4]図 1の画像処理装置の内部構成を示す図である。
[図 5]乳房画像において分類する各領域を示す図である。
[図 6]画像処理装置により実行される表示対象判断処理を説明するフローチャートで ある。
[図 7]画像処理装置により実行される異常陰影候補の検出処理を説明するフローチ ヤートである。
[図 8]辺縁の複雑度の特徴量を算出方法を説明する図である。
[図 9]異常陰影候補の検出結果の表示例を示す図である。
[図 10]画像処理装置により実行される表示対象判断処理を説明するフローチャート である。
[図 11]異常陰影候補の検出情報の表示例を示す図である。
[図 12]異常陰影候補の検出情報の表示例を示す図である。
[図 13]異常陰影候補の検出処理 (一の処理パターン)の流れを説明するフローチヤ ートである。
[図 14]フィルタバンクによる検出アルゴリズムを説明する図である。
[図 15]フィルタバンクを用いた異常陰影候補の検出処理の流れを説明するフローチ ヤートを説明する図である。
[図 16]特徴量を用いた異常陰影候補の検出処理の流れを説明するフローチャートを 説明する図である。
[図 17]画像処理装置により実行される異常陰影候補の検出処理 (他の処理パターン )の流れを説明するフローチャートである。
[図 18]各処理パターンによる異常陰影候補の検出情報の表示例を示す図である。
[図 19]異常陰影候補の検出処理の流れを説明するフローチャートである。
[図 20]検出目的の病変種に応じて行われた検出処理による異常陰影候補の検出情 報の表示例を示す図である。
符号の説明
[0044] 100 医用画像処理システム
1 画像生成装置
2 画像処理装置
21 制御部
26 画像処理部
27 異常陰影候補検出部
3 プリンタ
4 画像サーバ
4a 画像 DB
5 ビューァ
発明を実施するための最良の形態
[0045] 本実施形態では、医用画像として乳房を撮影した乳房画像を用いた例を説明する
[0046] まず、構成を説明する。
[0047] 図 1に、医用画像処理システム 100のシステム構成を示す。
[0048] 医用画像処理システム 100は、被写体の医用画像を撮影し、当該医用画像に画像 処理を行って異常陰影候補を検出し、医用画像とともにその検出情報を医師に提供 するシステムである。 [0049] 図 1に示すように、医用画像処理システム 100は、画像生成装置 1、画像処理装置 2、プリンタ 3、画像サーバ 4、ビューァ 5を備えて構成されている。これら各装置 1〜5 は、 LAN (Local Area Network)等の医療機関内で構築された通信ネットワーク Nを 介して相互にデータを送受信可能に接続されている。通信ネットワーク Nは、 DICO M (Digital imaging and communication in Medicine)規格力適用されてい 。
[0050] 以下、各構成装置 1〜5について説明する。
[0051] 画像生成装置 1は、被写体を撮影し、その撮影画像（医用画像)のデジタルデータ を生成するものであり、例えば CR (Computed Radiography)、 FPD (Flat Panel Detec tor)、 CT、 MRI、力セッテ専用の読取装置、フィルムデイジタイザ等のモダリティを適 用可能である。本実施形態では、画像生成装置 1として、左右乳房の X線撮影を行う 乳房専用の位相コントラスト撮影装置を含む CRシステムを適用し、位相コントラスト乳 房画像のデータが生成されるものとする。
[0052] なお、画像生成装置 1は、上述した DICOM規格に準拠した装置であり、生成した 医用画像に付帯させる各種情報 (例えば、医用画像が撮影された患者に関する患者 情報や、撮影又は検査に関する撮影情報、検査情報等。）を外部から入力可能であ るとともに、自動生成することもできる。画像生成装置 1は、生成された医用画像に上 記付帯情報をヘッダ情報として付加して通信ネットワーク Nを介して画像処理装置 2 へ送信する。なお、 DICOM規格に準拠していない場合には、図示しない DICOM 変換装置を用いて付帯情報を画像生成装置 1に入力させることも可能である。
[0053] ここで、位相コントラスト撮影方法及び装置について説明する。
[0054] 位相コントラスト撮影方法とは、図 2に示すように、被写体と検出器 (力セッテ又は F PD (Flat Panel Detector)等）との間に距離を設けて拡大撮影を行う拡大撮影方法の 一種である。この撮影方法によれば、図 2に示すように、得られる画像は被写体の実 サイズに対して拡大されたものとなり、高解像度の画像を得ることができる。例えば、 被写体と検出器を密着させて撮影する通常撮影に対し、 2倍拡大した拡大撮影を行 うと、通常撮影の際と同じ画素サイズで読み取ってもその 1Z2の大きさの画素で読 み取っていることと同等の解像度を得ることができる。
[0055] なお、拡大率は、図 3に示すように、 X線源力 被写体までの距離を Rl、被写体か ら検出器までの距離を R2とすると、（R1 +R2) ZR1により示される。この拡大率の情 報は後の画像処理等に利用されるため、乳房画像の付帯情報に含ませることとする
[0056] また、図 3に示すように、 X線が被写体を透過する際にわずかに屈折する現象が生 ずる。この屈折により被写体の画像領域の境界部分でエッジ強調が生じるため (位相 コントラスト効果）、病巣辺縁部力 得られる拡大画像は、病巣辺縁部の境界部分が エッジ強調された視認性の高 、画像となる。
[0057] 画像処理装置 2は、画像生成装置 1から供給される医用画像に対して各種画像処 理を施すとともに、当該医用画像の画像解析を行って異常陰影候補の検出処理を 行う。
[0058] プリンタ 3は、画像処理装置 2又は画像サーバ 4から受信された医用画像のデータ に基づいて、フィルム等の記録媒体に医用画像を出力する。
[0059] 画像サーバ 4は、画像 DB4aを備え、この画像 DB4aに、画像生成装置 1により生成 された医用画像 (原画像）、画像処理装置 2から受信された画像処理済みの医用画 像 (処理画像)を保存し、その入出力を管理する。
[0060] ビューァ 5は、診断用に医師により使用される表示手段であり、 LCD (Liquid Crysta
1 Display)等を備えて構成されている。ビューァ 5は、医師の操作指示に応じて、指定 された医用画像を画像サーバ 4から取得して表示する。或いは、画像処理装置 2で 検出された異常陰影候補の検出結果を受信して表示する。
[0061] 次に、本発明に係る画像処理装置 2について詳細に説明する。
[0062] 図 4に、画像処理装置 2の内部構成を示す。
[0063] 画像処理装置 2は、制御部 21、操作部 22、表示部 23、通信部 24、記憶部 25、画 像処理部 26、異常陰影候補検出部 27を備えて構成されている。
[0064] 制御部 21は、 CPU (Central Processing Unit)、 RAM (Random Access Memory) 等から構成され、 CPUにより記憶部 25から各種制御プログラムを読み出して RAM に展開する。そして、当該プログラムに従って処理の実行を統括的に制御し、各部の 動作を集中制御する。例えば、本発明に係る表示対象判断処理プログラムに従って 表示対象判断処理 (後述する）を実行する。制御部 21とこの表示対象判断処理プロ グラムとの協働により、制御手段を実現することができる。
[0065] 操作部 22は、キーボードやマウス等を備えて構成され、キー操作やマウス操作に 対応する操作信号を生成して制御部 21に出力する。
[0066] 表示部 23は、 LCD等を備えて構成され、制御部 21の指示に従って画像処理時の 操作画面や処理後の医用画像等、各種表示を行う。
[0067] 通信部 24は、ルータやモデム等の通信用インターフェイスを備え、制御部 21の指 示に従って、通信ネットワーク N上の外部装置と通信を行う。例えば、画像生成装置
1から処理対象の医用画像を受信したり、処理済みの医用画像を画像サーバ 4ゃプ リンタ 3に送信する。
[0068] 記憶部 25は、各種制御プログラムやプログラムの実行に必要なパラメータ、或いは 処理結果のデータを記憶して 、る。
[0069] 画像処理部 26は、画像処理プログラムに従って医用画像に対し、階調変換処理、 鮮鋭度調整処理等を実行する他、乳房画像の場合には左右の乳房の画像を隣り合 わせで合成する位置合わせ処理等を実行する。位置合わせ処理は、乳房画像から 抽出された胸筋領域の形状が左右対称となるように各乳房画像の位置を上下にシフ トさせる等、公知の手法が適用可能である。
[0070] また、画像処理部 26は、乳房画像上に異常陰影候補の検出情報を重ねて表示す るための表示用画像の作成を行う。位相コントラスト撮影方法により得られた乳房画 像は実際の被写体のサイズに対して拡大されたものとなって 、る。その拡大されたサ ィズのまま表示することとしてもよいが、診断時には病変の実際の大きさ等も重要な 確認事項となるため、実際の被写体のサイズ (実サイズ）に合わせて縮小して表示す ることが多い。乳房画像には撮影時に画像生成装置 1により拡大率の情報が付帯さ れるので、被写体の実サイズと同一サイズとする、つまり被写体の実サイズと等倍で 表示する場合には、この拡大率の情報に基づいて縮小処理を施し、等倍画像を作 成する。
[0071] 尚、等倍画像の生成は、位相コントラスト拡大撮影画像の読取りサンプリングピッチ
(仮にこれを Aとする）と、出力サンプリングピッチ (フィルム書き込み時のビーム径ゃ 表示画素サイズ等で、これを Bとする）とを拡大率 =AZBとなる出力サンプリングピッ チを選択すると、読取り画像データの補間処理が不要となり好ましい。 1. 75倍の位 相コントラスト拡大撮影を行い、 43. 75 mで読取った時、出力サンプリングピッチは 25 μ mとすることが好ましい。このような関係を満足する出力サンプリングピッチが使 用できない時は、出力サンプリングピッチに見合う縮小補間処理により、等倍画像を 生成する。
[0072] さらに、画像処理部 26は、異常陰影候補検出部 27により検出された異常陰影候補 の検出情報を乳房画像上に重ねて合成した表示用画像の作成を行う。具体的には 、異常陰影候補検出部 27から入力された検出情報に基づいて、前記作成した等倍 画像等における異常陰影候補の検出位置を判別し、その位置に異常陰影候補の検 出位置を指し示すマーカ画像 (矢印や枠等)を重ねて合成する。
[0073] 異常陰影候補検出部 27は、医用画像の画像解析を行って被写体領域を抽出して 当該被写体領域を複数領域に分類するとともに、医用画像から画像特徴量を算出し 、当該画像特徴量に基づいて異常陰影候補を検出する。
[0074] ここで、図 5を参照して、医用画像力も各領域を抽出する手順について説明する。
[0075] 図 5は、斜位方向（以下、 MLOという）で撮影された乳房画像 Sを示す図であり、こ の乳房画像 Sから被写体領域 Saを抽出し、被写体領域 Saから乳房領域 Sal、胸筋 領域 Sa2を抽出したうえで、乳房領域 Salを 3つの領域 Da、 Db、 Dcに分類する。
[0076] (1)まず、異常陰影候補検出部 27は、乳房画像 Sにおける画素値の分散ヒストグラ ムを求め、判別分析法 (分散ヒストグラムを 2つのクラスに分類したとき 2つのクラスでク ラス内分散とクラス間分散の判別比 (分散比）が最大となるように閾値を決定する方法 )を用いて閾値を決定し、決定された閾値を用いて乳房画像 Sを 2値化する。
[0077] このとき、乳房画像 Sにおいて素抜け領域 (被写体部分に該当しない領域であり、 X 線が直接照射された領域）は、高濃度を呈しているため、 2値ィ匕により「1」となり、その 他の被写体領域は「0」となることが予想される。よって、この 2値化により乳房画像 S を被写体領域 Saとそれ以外の素抜け領域 Sbに分類することができる。なお、撮影方 向が正面方向（以下、 CCという）である場合には、被写体部分に胸筋は写り込まない ため、被写体領域 Saが乳房領域 Salとなる。また、 2値ィ匕による 2領域 (被写体領域と 素抜け領域)の境界をスキンライン SLとして認識する。 [0078] (2)一方、撮影方向が MLOである場合、被写体部分に胸筋がうつり込むため、次 に被写体領域 Saから胸筋領域 Sa2を認識する。胸筋領域 Sa2は、例えば被写体領 域 Saにおける濃度勾配を算出し、当該濃度勾配から被写体領域 Saを胸筋領域 Sa2 と乳房領域 Salとに分類する。なお、特開 2001— 238868号公報に記載されている ように局所領域を設定し、局所領域内の画素値に基づき、閾値を設定して被写体領 域 Sa内を 2値ィ匕することにより、胸筋領域 Sa2及び乳房領域 Salを認識することとし てもよい。
[0079] (3)次に、乳房領域 Salを 3つの領域 Da、 Db、 Dcに分類する。
[0080] 乳房領域は、乳腺と脂肪が混在しており、その密度に応じて濃度が異なってくるた め、医師が診断を行う際にはその濃度により乳房領域を分類されている。分類は、脂 肪が多ぐ乳腺の含有率が 10%未満と考えられる高濃度領域、乳腺の含有率が 10 %以上 50%未満と考えられる中濃度領域、乳腺の含有率が 50%以上を占めると考 えられる低濃度領域の 3つの領域に分類されることが多 ヽ。異常陰影は画像上では 白く低濃度で現れるため、大胸筋の最も白い濃度に相当する低濃度領域や、やや白 っぽい中濃度領域に病変部が存在する場合は、異常陰影を目視で検出しづらくなる
[0081] よって、胸筋領域 Sa2の濃度を基準として乳房領域 Salを高濃度領域 Da、中間濃 度領域 Db、低濃度領域 Dcに分類する。具体的には、胸筋領域 Sa2の分散ヒストグラ ムを作成し、その形状力 比較的均一な濃度の領域を抽出してこの平均濃度を閾値 として各領域 Da〜Dcに分類する。例えば、閾値より高濃度な領域を削除した残りの 領域を Dcとし、さらに削除した高濃度の領域について閾値の 30%以上高濃度な領 域を Db、閾値の 60%以上高濃度な領域を Daとすることにより、各領域 Da〜Dcに分 類することができる。
[0082] 次に、異常陰影候補の検出方法について説明する。
[0083] 異常陰影候補検出部 27は、検出目的とする異常陰影の種類に応じたアルゴリズム の検出プログラムに従って検出処理を実行する。乳房画像の場合、乳癌の癌化部分 である腫瘤、微小石灰化クラスタの陰影候補を検出する。
[0084] 異常陰影候補の検出アルゴリズムとしては、公知のものを適用可能である。例えば 、乳房画像における腫瘤陰影候補のアルゴリズムとしては、特開平 10— 91758号公 報に開示されて 、るアイリスフィルタを用 、た手法や、ラプラシアンフィルタを用 、た 手法(電気情報通信学会論文誌(0-11),¥01. 6-0-11 0.2, .241-249,1993)等が適 用可能である。また、微小石灰化クラスタ陰影候補の検出アルゴリズムとしては、例え ばモルフォルジーフィルタ（電気情報通信学会論文誌 (D-II),Vol.J71-D-II,no.7,pp.1 170-1176,1992)、ラプラシアンフィルタ（電気情報通信学会論文誌 (D- II),Vol.J71- D- ΙΙ,ηο.ΙΟ,ρρ.1994-2001,1998)、 3重リングフィルタ等を用いた方法等を適用可能であ る。
[0085] 以下、異常陰影候補の検出方法の一例として乳房画像における微小石灰化クラス タ陰影候補の検出方法について説明する。
[0086] 微小石灰化クラスタ陰影は、乳房画像上では略円錐形状の濃度変化を有する低濃 度の微小石灰化部分が集まった (クラスタ化した）陰影として現れる。このような濃度 特性に基づ！/ヽて医用画像に対して正方形の領域を順次設定し、この領域 (これを注 目領域という）毎に、微小石灰化部分を検出するフィルタとして、特有のベクトルバタ ーンを有する 3重リングフィルタを適用して異常陰影候補の 1次検出を行う。なお、こ の注目領域のサイズは、検出目的とする病変種に応じて設定すればょ 、。
[0087] 3重リングフィルタは、濃度変化が理想的な円錐形状を示す場合の濃度勾配の強 度成分及び方向成分が予め決定された 3つのリングフィルタ力 構成される。まず、 ある注目画素周辺において、各リングフィルタのそれぞれの領域上の画素値力 濃 度勾配の強度成分及び方向成分の代表値を求める。そして、その代表値と各リング フィルタに予め決定されて 、る濃度勾配の強度成分及び方向成分との差に基づ 、 て、円錐形状に近い濃度変化を有する画像領域を 1次検出する。
[0088] 1次検出により候補領域が特定されると、当該候補領域においてコントラスト、標準 偏差、濃度平均値、曲率、フラクタル次元、円形度、面積等の各種画像特徴量を算 出し、これら特徴量に基づいて、真陽性の異常陰影 (真に病変部である陰影をいう。 これに対し、病変と誤認されるような正常組織の陰影を偽陽性の陰影という。）である か否かを判定する。判定の手法としては多変量解析を適用することができる。例えば 、予め真陽性と分力つている陰影力も算出された画像特徴量を学習データとして多 変量解析を構築しておき、この多変量解析に判定対象の陰影候補カゝら算出された各 種画像特徴量を入力して真陽性の可能性を示す指標値を得る。この指標値を、予め 真陽性であると判定するために用意された閾値と比較することにより真陽性カ 為陽性 かを判定する。そして、真陽性であると判定された候補領域が所定面積内に寄り集ま つて存在する領域一帯を微小石灰化クラスタ陰影の候補領域として出力する。
[0089] 〈第 1の実施形態〉
上記医用画像処理システム 100の動作に関する第 1の実施形態について説明する
[0090] 最初に、医用画像の生成力も保存までの流れを説明する。
[0091] まず、画像生成装置 1にお!/ヽて撮影が行われ、医用画像 (ここでは、乳房画像の例 を説明する）が生成される。そして、生成された乳房画像の関連情報として、患者の 指名、年齢、性別等の患者に関する情報や、撮影時の管電圧、乳房の圧迫率等の 撮影情報、検査日時等の検査情報、画像の読取条件等の乳房画像生成に関する詳 細情報等が乳房画像に付帯される。
[0092] 付帯情報が付帯された乳房画像は、画像生成装置 1から画像処理装置 2に出力さ れる。
[0093] 画像処理装置 2では、乳房画像に必要な画像処理が施される一方で、その乳房画 像について以下説明する表示対象判断処理が開始され、異常陰影候補の検出及び 検出された異常陰影候補から表示対象の候補の抽出が行われる。
[0094] 以下、図 6を参照して、画像処理装置 2で実行される表示対象判断処理について 説明する。
[0095] 図 6に示す表示対象判断処理では、まず異常陰影候補検出部 27において、医用 画像に含まれる被写体領域、被写体領域内の胸筋領域、乳房領域等の各領域が抽 出される (ステップ Sl)。
[0096] 次いで、異常陰影候補検出部 27により、前記抽出された乳房領域について異常陰 影候補の検出処理が行われる (ステップ S2)。この異常陰影候補の検出処理につい て、図 7に示すフローチャートにより説明する。まず、乳房領域に対し、検出処理を行 う処理単位である注目領域が順次設定され、この注目領域内で 1次検出が行われる (ステップ S21)。 1次検出の手法については上述したとおりであるので、ここでは説明 を省略する。
[0097] 次いで、 1次検出された異常陰影候補の領域について、画像特徴量が算出される 。画像特徴量は、少なくとも異常陰影候補領域の面積、標準偏差、濃度平均値、曲 率、フラクタル次元、円形度、その周辺領域とのコントラスト、辺縁の複雑度、異常陰 影候補が 1次検出された分類領域 (図 5に示す領域 Da〜Dcの何れに該当するか） 等が算出される (ステップ S22)。
[0098] なお、コントラストは異常陰影候補領域とその周辺領域との濃度差 (画素値の差)、 面積は異常陰影候補領域の画素数、画像端部からの距離は胸壁側の画像端部から 異常陰影候補の検出位置までの距離 (画素数)から求める。
[0099] また、円形度は下記式（1)で算出する。円形度 Cはその値が 1に近いほど、異常陰 影候補の形状が円に近く病変部 (真陽性)であることを意味し、 1より小さな値になる につれて図形が複雑になり、真陽性力否かの慎重な精査が必要となることを示す。 円形度 ϋ=4 π XAr/L2- - - (l)
Ar：面積 (異常陰影候補領域を構成する画素数）
L：周囲長 (異常陰影候補領域の輪郭部分を構成する画素の周辺の長さ） また、辺縁の複雑度は、図 8に示すように異常陰影候補の輪郭線を示す周期関数 をフーリエ展開したときの、下記式（2)で算出される展開係数 a、 bである。 a、 bは、
k k k k その値が大き!/、ほど、異常陰影候補領域の辺縁部分の形状が歪 ( 、びつ)であること を示す。
[0100] [数 1] θη(Ι)= y {ak cos(2Kkl/L)+ bk si kl/L)} ( 2 )
k
[0101] a、b：辺緑の複雑度
k k
L：周囲長 (異常陰影候補領域の輪郭部分を構成する画素の周辺の長さ）
Θη(1) :周期 Lの周期関数の正規ィ匕関数をフーリエ展開したもの
次!、で、これらの画像特徴量が予め異常陰影である可能性を示す指標値を出力す るよう構築された多変量解析に入力され、真陽性の異常陰影の可能性を示す指標値 が得られる (ステップ S23)。次いで、得られた指標値と閾値とに基づいて、異常陰影 候補であるか否かが判定されると (ステップ S 24)、図 6のステップ S3の処理へ移行す る。
[0102] 図 6に示すステップ S3では、制御部 21において、異常陰影候補について算出され た画像特徴量に基づいて、これら異常陰影候補のうち、表示対象とする異常陰影候 補の優先順位が決定される (ステップ S3)。ここで、表示対象とする異常陰影候補は 、明らかに真陽性、或いは偽陽性であると判定される候補を除いた候補であり、真陽 性か偽陽性かが疑わしい、或いは観察しづらい、医師が見逃しやすい候補である。
[0103] 例えば、コントラストが小さい、面積力 、さい場合は、偽陽性か真陽性かの判定が 難しぐ読影医による最終判断を必要とする場合が多い。また、当該領域の視認性に ついても良好とは言い難ぐ医師が見落としやすい陰影となる。また、最終的に真陽 性と判断されるべき異常陰影の中には、辺縁部の境界が不明瞭 (不鮮明）となったり 、辺縁部において微細なスジ状の形状を呈する、或いはスピキユラと呼ばれる歪な形 状を呈する場合があり、その辺縁の複雑度が増すが、逆に辺縁の複雑度が小さい場 合には、異常陰影力どうかの判断が難しくなる。また、腫瘤の場合、円形度が大きい ほど、腫瘤である可能性が高くなるが、円形度が小さいと腫瘤 (真陽性)か否かの判 断がしづらくなる。さらに、同じ乳房領域 Salであっても、低濃度領域 Dcは全体的に 濃度が小さいため、低濃度で画像上に現れる異常陰影は、高濃度領域 Daに存在す る場合と比較して低濃度領域 Dcに存在する方が判別しづらいものとなる。異常陰影 候補領域自体の濃度についても同様に、濃度が低いと視認しづらぐ医師が見逃し やすいものとなる。さらに、画像の端部に近い乳房領域に存在する異常陰影は、その 位置から医師にとって見逃しやすいものとなる。
[0104] よって、優先順位の判断要素として、コントラスト、面積、濃度平均値、異常陰影候 補が位置する分類領域、画像端部からの距離、辺縁の複雑度等を考慮し、これら〖こ 基づ 、て総合的に優先順位を決定する。
[0105] 具体的には、予め優先順位を高くすべき陰影の特徴量、優先順位を低くすべき陰 影の特徴量等、学習データを準備して、優先順位を示す指標値として 0〜1 (0に近 V、ほど優先順位が低く、 1に近!、ほど優先順位が高!、ことを示す)を出力する-ユー ラルネットワーク等の多変量解析を構築しておく。例えば、コントラストが小さい、面積 が小さい、候補領域の濃度平均値が小さい、円形度が小さい、画像端部からの距離 が短い、或いは辺縁の複雑度が小さいほど、優先順位が高い指標値となるように学 習データを用意し、多変量解析を調整しておく。また、乳房領域 Salのうち、領域 Dc →Db→Daの順に異常陰影候補の判別が困難となるので、この順に優先順位が高 Vヽ指標値となるように多変量解析を構築する。
[0106] そして、上記多変量解析に優先順位の判断対象となる異常陰影候補の特徴量を 入力し、多変量解析により出力された指標値と、この指標値に対する閾値とを比較し 、閾値を超えた異常陰影候補、つまりある所定の優先順位より上の候補を表示すベ き異常陰影候補として決定する。
[0107] 優先順位が決定されると、ステップ S2の検出処理で検出された異常陰影候補のう ち、優先順位が高い異常陰影候補力も優先的に抽出され (ステップ S4)、最終的な 検出結果として出力される。
[0108] この検出結果は、画像処理装置 2から画像サーバ 4に送信されて保存される一方で 、乳房画像 (読影用に画像処理が施されたもの）に対して画像処理部 26により位置 合わせ処理、縮小処理、合成処理等の表示用の各種データ処理がなされて表示用 画像が作成される。作成された表示用画像は、画像処理装置 2からビューァ 5に送信 され、ビューァ 5においてその表示が行われる。なお、画像をビューァ 5に表示させる だけでなぐプリンタ 3においてフィルムに出力させても良い。つまり、「表示」の概念 には、画像をフィルム等に出力させて表示することも含まれる。
[0109] 位相コントラスト撮影方法による乳房画像は拡大撮影されているため、通常撮影の 場合に比べその画像サイズが大きくなつて 、る。そのまま表示することも可能である 力 ここでは被写体の実サイズと等倍サイズまで縮小した等倍画像を作成してビュー ヮ 5に表示することとする。表示用のデータ処理時には、乳房画像の付帯情報から拡 大撮影時の拡大率の情報を読み出し、当該拡大率に基づいて画像処理部 26にお いて乳房画像の縮小率が決定される。例えば、拡大率が 2倍であった場合、縮小率 は 1Z2倍と決定される。このとき、縮小画像は原画像の面積の 1Z4となる。そして、 この等倍画像上に異常陰影候補の検出情報として検出位置を示すマーカ画像を重 ねて合成した表示用画像を作成し、ビューヮ 5に表示する
また、付帯情報に読取画素サイズを追加することとし、この読取画素サイズの情報 に基づ!/、て、ビューァの画素サイズとして最適な表示先を選択できるようにしてもょ ヽ 。例えば、付帯情報に拡大率「2」、読取画素サイズ「50 m」の情報が含まれている 場合、等倍画像の表示先として相応し 、表示先は、 1/2 X 50 m= 25 mの画素 サイズを有する装置である。これは、読取の各画素と表示画素が 1 : 1に対応し、縮小 補間を行う必要が無ぐ補間時の画像劣化が生じないためである。また、画像処理部 26がネットワーク下の各ビューヮの画素サイズを事前に取得しておけば容易に相応 LV、表示先を選択することが可能となる。
[0110] 図 9に、表示例を示す。
[0111] 図 9 (a)は、優先順位が所定順位以上の異常陰影候補の検出結果のみ表示した例 であり、図 9 (b)は検出された全ての異常陰影候補の検出結果を表示した場合の表 示例である。検出されたもの全てを表示するより、優先順位が所定順位以上の異常 陰影候補のみを表示した方が、表示画面上の表示物の数が減り、観察しやすいこと が図 9 (a)、（b)から分かる。
[0112] なお、図 9 (a)、 (b)は、異常陰影候補の検出結果を、異常陰影候補の検出位置を 示すマーカ情報（図中の矢印）により直接医用画像上に表示した例を示すものである 1S 図 9 (c)に示すように、これを縮小した副画像（図中、符号 gl、 g2で示す画像)を 作成して主画像（図中、符号、 Gl、 Gで示す画像)の被写体領域と重ならない位置に 表示することとしてもよい。つまり、参照用画像は、等倍画像をさらに縮小した画像上 に異常陰影候補の検出情報を重ねて合成したものである。この場合、検出結果の表 示領域が図 9 (a)の表示形態の場合より小さくなるが、本発明によれば、表示対象の 異常陰影候補数を減らすことができるため、特に有効である。なお、図 9 (c)は、左右 の乳房にっ 、ての乳房画像を胸壁側の画像端が隣り合わせになるように位置合わ せ処理を行った位置合わせ画像を示す図である。
[0113] 以上のように、本実施形態によれば、検出処理により検出された異常陰影候補から 、明らかに真陽性又は偽陽性である異常陰影候補を削除し、真陽性カ 為陽性かの 判断が難しぐ医師の最終判断に任せるべき候補や、視認性が低く医師が見逃しや すい候補等に絞ってその検出情報を表示するので、指摘表示する異常陰影候補数 を減少させることができる。これにより、見やすい表示とすることができ、医師の読影 作業の効率ィ匕を図ることができる。
[0114] また、医師は、明らかに真陽性である異常陰影は医師自身が目視で検出し、視認 性が低く発見しづらい異常陰影の検出には、医用画像処理システム 100によって提 供される異常陰影候補の検出結果を参照することができる。検出された異常陰影候 補の全てについて指摘表示される場合、明らかに目視で真陽性であると分力る候補 を含む全ての候補について、医師は確認することとなり、煩雑である。よって、上記の ように、発見しづらい異常陰影候補のみその検出結果の情報を提供することにより、 医師の見落とし防止を図ることができるとともに、医師の読影作業が効率的となる。
[0115] 特に、位相コントラスト撮影方法により得られた画像の病変部辺縁は位相コントラス ト効果により、従来の乳房画像に比べて大幅に視認性が向上することが知られており 、矢印や枠等のァノテーシヨンの表示が無い、明確な病変部 (真陽性候補領域)を見 落とす確率は大幅に低下するので好ましい。
[0116] 又、はじめに、生成された乳房画像のみを医師に提供し、当該画像に基づく医師 の読影 (診断)を行い、医師はこの結果を記録し、然る後、検出された異常陰影候補 の情報を提供し、医師は、先に行った読影 (診断)結果と対比し、結果を修正可能と するように表示制御しても良 、。
[0117] なお、上述した実施形態は、本発明を適用した好適な一例であり、これに限定され るものではない。
[0118] 例えば、優先順位を決定する方法として、多変量解析の手法を用い、総合的に優 先順位を決定することとしたが、これに限らず、各異常陰影候補についてコントラスト 力 、さい順、円形度が小さい順等、判断要素毎に優先順位を決定し、この判断要素 毎の優先順位の順位数を加算して、その加算値が小さい候補力 優先的に抽出す ることとしてもよい。このとき、重視する判断要素には重み付けを行って加算すること により、優先順位の最適化を行うことができる。
[0119] また、上述した説明では、画像処理装置 2において異常陰影候補検出手段、制御 手段を、ビューァ 5において表示手段を実現することとしたが、これに限らず、医用画 像処理システム 100の何れの構成装置で各手段を実現することとしてもよい。
[0120] 特に、画像生成装置 1が、特開 2001— 238871号公報、特開 2001— 311701号 公報、特開 2002— 85389号公報、特開 2001— 299733号公報等に開示された位 相コントラスト法により撮影を実行する場合、得られた画像の病変部辺縁は位相コント ラスト効果により、従来の乳房画像に比べて大幅に視認性が向上することが知られて おり、ァノテーシヨンの表示が無い、明確な病変部 (真陽性候補領域)を見落とす確 率は大幅に低下するので好ましい。
[0121] なお、上記説明中、「低濃度で視認性が低い領域」とは、読影医が読影する際に、 当該読影医の目に到達する光量が少ない領域であることを示す。従って、フィルム及 びシヤーカステンによる読影方式であれば、透過光量が少なくなるフィルム領域であ り、これはフィルム上で黒い部分に該当し、逆にフィルム上の素抜け部分は「高濃度 で視認性が高い」部分となる。一方、ビューァによる読影方式であれば、低濃度 (低 駆動レベル)領域が「低濃度で視認性が低!ヽ」領域となる。
[0122] 一般的には、読影時に被写体を透過した X線量が少ない領域が、素抜け部分とな つたり高輝度で再生表示されるので、読影医の視認性が低い領域として、撮影され た画像データの中から、被写体を透過した X線量の多い領域を抽出すれば良いこと となる。
[0123] 〈第 2の実施形態〉
上記医用画像処理システム 100の動作に関する第 2の実施形態について説明する
[0124] 最初に、医用画像の生成力も保存までの流れを説明する。
[0125] 第 1の実施形態で説明した通り、まず、画像生成装置 1において撮影が行われ、医 用画像 (ここでは、乳房画像の例を説明する）が生成される。そして、生成された乳房 画像の関連情報として、患者の指名、年齢、性別等の患者に関する情報や、撮影時 の管電圧、乳房の圧迫率等の撮影情報、検査日時等の検査情報、画像の読取条件 等の乳房画像生成に関する詳細情報等が乳房画像に付帯される。
[0126] 付帯情報が付帯された乳房画像は、画像生成装置 1から画像処理装置 2に出力さ れる。
[0127] 画像処理装置 2では、乳房画像に必要な画像処理が施される一方で、その乳房画 像について以下説明する表示対象判断処理が開始され、異常陰影候補の検出及び 検出された異常陰影候補から表示対象の候補の抽出が行われる。ここで、表示対象 とする異常陰影候補は、真陽性カ 為陽性力の判断が難しぐ医師の最終判断に委ね るべき候補、或いは視認性が低ぐ医師が観察しづらい候補、発見しづらい位置にあ る候補等である。
[0128] 図 10を参照し、画像処理装置 2により行われる表示判断処理について説明する。
[0129] 図 10に示す表示判断処理では、まず異常陰影候補検出部 27により医用画像から 乳房領域、胸筋領域等の各領域が抽出された後 (ステップ Tl)、当該抽出された乳 房領域において異常陰影候補の検出が行われる (ステップ Τ2)。このとき、検出され た異常陰影候補を検出候補 R1とする。異常陰影候補の検出方法 ェは、例 ば 第 1の実施形態で説明した通り、乳房画像における微小石灰化クラスタ陰影候補の 検出方法が考えられる。
[0130] 次いで、検出候補 R1の画像特徴量が算出される (ステップ T3)。画像特徴量、少 なくとも候補領域における画素値の標準偏差、濃度平均値、曲率、フラクタル次元、 円形度、面積、周辺領域とのコントラスト、辺縁の複雑度、画像端部からの距離、異 常陰影候補が検出された分類領域 (図 5に示す領域 Da〜Dcの何れに存在するか） 等を算出する。これらの画像特徴量を判断要素として、真陽性力否力の判断が困難 である、或 ヽは視認性が低！ヽ異常陰影候補の判断を行う。
[0131] なお、コントラストは異常陰影候補領域とその周辺領域との濃度差 (画素値の差)、 面積は異常陰影候補領域の画素数、画像端部からの距離は胸壁側の画像端部から 異常陰影候補の検出位置までの距離 (画素数)から求める。
[0132] 円形度は第 1の実施形態で説明した式（1)により算出する。また、辺縁の複雑度は 、図 8に示すように、異常陰影候補の輪郭線を示す周期関数をフーリエ展開したとき の、第 1の実施形態で説明した式 (2)で算出される展開係数 ak, bkである。
[0133] 次いで、制御部 21において、偽陽性候補を検出するために予め設定され、記憶部 25に記憶されている第 1の閾値 TH1を用いて、算出した画像特徴量に基づき、検出 候補 Rlにおける偽陽性候補 (偽陽性の可能性が高 ヽ候補を!ヽぅ）が検出される。そ して、当該偽陽性候補が検出候補 R1から削除される (ステップ T4)。この偽陽性候 補が候補力も削除された残りの候補を検出候補 R2とする。
[0134] 具体的には、候補領域において算出されたコントラスト、標準偏差、濃度平均値、 曲率、面積、フラクタル次元、円形度、辺縁の複雑度等の各種画像特徴量に基づい て、多変量解析により真陽性の可能性を示す指標値が算出される。例えば、予め真 陽性と分力ゝつている陰影カゝら算出した画像特徴量、或いは画像上での視認性が低く 、医師が見落としやすいと判断された陰影力 算出した画像特徴量を学習データとし て-ユーラノレネットワーク等による判定ロジックを構築しておき、この判定ロジックに判 定対象の陰影候補から算出された各種画像特徴量を入力して当該陰影候補の真陽 性の可能性を示す指標値を得る。そして、この指標値と閾値 TH1とを比較した結果 に応じて偽陽性候補の削除が行われる
例えば、閾値 ΤΗ1 = 0. 25であるとし、これより低い指標値を有する候補は偽陽性 候補であると判断する条件の場合について説明する。検出時に出力された真陽性に 対する指標値 (これを Sとする）が 0〜1の値 (0に近いほど真陽性である可能性が低く 、 1に近いほど真陽性である可能性が高い。）で出力されるとすると、検出候補 R1のう ち、指標値 Sが Sく ΤΗ1 ( = 0. 25)である検出候補 Rlが偽陽性候補として検出され る。
[0135] 検出された偽陽性候補を検出候補 R1から削除し、残りの検出候補 R2を抽出すると 、制御部 21では、次に真陽性候補を削除するために予め設定され、記憶部 25に記 憶されている第 2の閾値 TH2を用いて、検出候補 R2の画像特徴量に基づき、検出 候補 R2にお 、て真陽性候補 (真陽性である可能性が高 、候補を!、う）が検出される 。そして、当該真陽性候補が検出候補 R2から削除される (ステップ T5)。この検出候 補 R2から真陽性候補が削除された残りの検出候補を R3とする。
[0136] 例えば、閾値 ΤΗ2 = 0. 85とし、これより高い指標値を有する候補は真陽性候補で あると判断する条件であるとすると、上述した例では、検出候補 R2のうち、指標値 S 力 >ΤΗ2 ( = 0. 85)である検出候補 R3を真陽性候補として検出する。
[0137] すなわち、検出候補 R3は、検出処理によって検出された異常陰影候補 R1の中か ら、偽陽性候補及び真陽性候補を除く候補、つまり真陽性か否かが疑わしぐ医師の 判断が必要な候補が抽出された候補となる。
[0138] 上記偽陽性候補及び真陽性候補を削除するために用いられる閾値 TH1, TH2は 、読影毎に設定可能な構成とする。具体的には、操作部 22を介して閾値 TH1, TH 2の設定情報を入力可能な構成としておき、当該閾値 TH1, TH2の設定情報を各 読影医に固有の読影医 ID等と対応付けて記憶部 25に格納しておく。そして、読影 時に読影医 ID等を入力させることにより、その読影医に対応する閾値 TH1, TH2を 制御部 21が読み出し、上記処理に用いる。
[0139] 例えば、なるべく偽陽性候補は表示させたくない医師であれば、閾値 TH1を 0. 25 カゝら 0. 3に設定変更する等、医師の技量や読影スタイル等に応じて閾値 TH1又は T H2を設定することにより、異常陰影候補の表示数を調整することができ、各読影医 のスキル等に相応し 、表示とすることができる。
[0140] 閾値 TH1, TH2により抽出された検出候補 R3の検出結果は、画像処理装置 2か ら画像サーバ 4に送信されて保存される一方で、その医用画像及び検出結果は画像 処理装置 2からビューァ 5に送信され、ビューァ 5においてその表示が行われる。
[0141] 図 11に、表示例を示す。
[0142] 図 11 (a)は検出候補 R1の表示例であり、図 11 (b)は検出候補 R2、図 11 (c)は検 出候補 R3の表示例である。図 11 (a)〜(c)から分力るように、検出候補 R1から偽陽 性候補が削除され (図 11 (b)参照)、真陽性候補が削除されたことにより（図 11 (c)参 照）、医用画像の表示画面上力 候補の検出位置を示すマーカが減少し、観察しや すい表示状態となっている。また、明らかに偽陽性及び真陽性である異常陰影候補 は表示対象から外しているので、効率良く読影を行うことができる。
[0143] また、図 11 (c)では、異常陰影候補の検出情報を、直接乳房画像上に表示した例 を示した力 図 12に示すように、検出結果を表示しない乳房画像を主画像（図中、符 号 G3, G4で示す画像）とし、これを縮小した副画像（図中、符号 g3, g4で示す画像 )上に検出情報を合成したものを作成して主画像の被写体領域と重ならな ヽ位置に 表示することとしてもよい。この場合、検出情報の表示領域が図 11 (c)の表示形態の 場合より小さくなるが、本発明によれば、表示対象の異常陰影候補数を減らすことが できるため、特に有効である。なお、図 12は、左右の乳房についての乳房画像を胸 壁側の画像端が隣り合わせとなるように位置合わせ処理を行った位置合わせ画像を 示すものである。
[0144] また、上記実施形態では、真陽性又は偽陽性力の判断が困難であり、最終的な医 師の判断に委ねるべき異常陰影候補を抽出するために、異常陰影候補の画像特徴 量に基づいて真陽性の可能性を示す指標値を算出する例を説明したが、さらに低濃 度である、或いは視認しづらい位置にある等、画像上での視認性が低い異常陰影候 補を抽出する場合には、視認性の程度を示す指標値を算出する。この場合も同様に 、予め視認性が低!、異常陰影候補にっ 、ての画像特徴量を学習データとして多変 量解析による判定ロジックを構築しておき、判定対象の異常陰影候補の画像特徴量 力も視認性が高いか低いかその程度を示す指標値を算出する。そして、視認性が低 いか否かを判断するための第 3の閾値 TH3を用意しておき、この閾値 TH3により異 常陰影候補の検出候補 R1〜R3の何れかの抽出段階で視認性が低い異常陰影候 補を判断し、抽出を行えばよい。これにより、真陽性力否かが疑わしぐ医師の判断 が必要な候補、視認性が低ぐ医師が見落とす可能性が高い候補が抽出された候補 の何れか又はその両方の検出情報のみを提供することができる。
[0145] 以上のように、本実施形態によれば、検出処理により検出された異常陰影候補から 、明らかに真陽性又は偽陽性である異常陰影候補を削除し、真陽性カ 為陽性かの 判断が難しぐ医師の最終判断に任せるべき候補や、視認性が低く医師が見逃しや すい候補等に絞ってその検出情報を表示するので、指摘表示する異常陰影候補数 を減少させることができる。これにより、見やすい表示とすることができ、医師の読影 作業の効率ィ匕を図ることができる。
[0146] 又、 2つの閾値を利用することにより、異常陰影候補を、明白な真陽性、真陽性か 偽陽性カゝが疑わしい、明白な偽陽性、の各グループに分類し、医師の読影 (診断)ス タイルやその日の体調等に応じて、読影順番を選択することができる。例えば、明白 な真陽性候補及び明白な偽陽性候補のみ読影判断し、翌日の体調リフレッシュ後、 医師の精確な判断を真に必要とする、真陽性か偽陽性カゝが疑わし ヽ候補を読影判 断するようスケジューリングすることができる。 [0147] また、医師は、明らかに真陽性である異常陰影は医師自身が目視で検出し、視認 性が低く発見しづらい異常陰影の検出には、医用画像処理システム 100によって提 供される異常陰影候補の検出結果を参照することができる。検出された異常陰影候 補の全てについて指摘表示される場合、明らかに目視で真陽性であると分力る候補 を含む全ての候補について、医師は確認することとなり、煩雑である。よって、上記の ように、発見しづらい異常陰影候補のみその検出結果の情報を提供することにより、 医師の見落とし防止を図ることができるとともに、医師の読影作業が効率的となる。
[0148] 位相コントラスト法により撮影を実行する場合、得られた画像の病変部辺縁は位相 コントラスト効果により、従来の乳房画像に比べて大幅に視認性が向上することが知 られており、検出情報の表示が無い、明確な病変部 (真陽性候補領域)を見落とす確 率は大幅に低下するので好ましい。
[0149] なお、上述した実施形態は、本発明を適用した好適な一例であり、これに限定され るものではない。
[0150] 例えば、上述した説明では、画像処理装置 2において異常陰影候補検出手段、制 御手段を、ビューァ 5において表示手段を実現することとしたが、これに限らず、医用 画像処理システム 100の何れの構成装置で各手段を実現することとしてもよい。
[0151] また、上記実施形態では、閾値 TH1, TH2ともに読影医に応じて設定可能な構成 としたが、偽陽性候補を検出する際の閾値 TH1については、各読影医において共 通設定とし、真陽性候補を検出する際の閾値 TH2については、各読影医に応じて 設定可能な構成としてもよい。例えば、閾値 TH1については予めメーカの方で定め た値、或いは病院内で統一した値等に設定してその検出結果の統一化を図ることと し、閾値 TH2については各読影医のスキル等に応じてその検出結果を調整すること により、読影環境に応じた仕様とすることができる。
[0152] また、閾値 TH1等は、多変量解析の判定ロジックの結果として出力された指標値に 対する閾値としたが、これに限らず、画像特徴量毎に閾値 TH1等を準備し、各画像 特著量について当該閾値により抽出された異常陰影候補を表示対象とすることとし てもよい。
[0153] 又、本実施例に於いても、はじめに、生成された乳房画像のみを医師に提供し、当 該画像に基づく医師の読影 (診断)を行い、医師はこの結果を記録し、然る後、検出 された異常陰影候補の情報を提供し、医師が先に行った読影 (診断)結果と対比し、 結果を修正可能とするよう表示制御しても良い。
[0154] 医師は、はじめに行った読影で、真陽性領域の他に、真陽性カ 為陽性かが悩まし い領域が存在することを認識しており、異常陰影候補検出結果の表示に際し、当該 領域に対応する閾値を入力して検出結果の表示を行うことで、検出結果の全表示方 式に比べ、異常陰影候補の真偽を、検出結果を参照して、短時間で迅速に確定診 断することが可能となり、医師は、本発明を利用することでレベルアップをは力ること が可能となる。
[0155] 更に、医師の読影 (診断)力の変化（レベルアップ）に伴い、閾値を変更することで、 より短時間での異常陰影候補確定が可能となる。
[0156] 〈本発明に関連する他の実施形態〉
上記医用画像処理システム 100の動作に関し、本発明に関連する他の実施形態 について説明する。本実施形態では、複数の検出アルゴリズムにより異なる検出過程 を経て異常陰影候補の検出を行う際に、検出された異常陰影候補からその検出過 程に応じて表示出力対象の異常陰影候補を抽出し、抽出された異常陰影候補の検 出情報を表示出力する例を説明する。
[0157] 最初に、医用画像の生成力も保存までの流れを説明する。
[0158] 第 1の実施形態、第 2の実施形態で説明した通り、まず、画像生成装置 1において 撮影が行われ、医用画像 (ここでは、乳房画像の例を説明する）が生成される。そし て、生成された乳房画像の関連情報として、患者の指名、年齢、性別等の患者に関 する情報や、撮影時の管電圧、乳房の圧迫厚等の撮影情報、検査日時等の検査情 報、画像の読取条件等の乳房画像生成に関する詳細情報等が乳房画像に付帯され る。
[0159] 付帯情報が付帯された乳房画像は、画像生成装置 1から画像処理装置 2に出力さ れる。
[0160] 画像処理装置 2では、通信部 24を介して入力された乳房画像が記憶部 25に記憶 され、その後画像処理部 25により当該乳房画像に必要な画像処理が施される一方 で、その乳房画像について異常陰影候補検出部 27により異常陰影候補の検出処理 が開始される。
[0161] 異常陰影候補の検出処理は、 2つの検出アルゴリズムを組み合わせて行われるが 、その処理パターンとして、 2つの検出アルゴリズムの組み合わせて検出過程を異な るものとした 3態様があり、何れの処理パターンを適用するかは技師又は読影医が設 定可能である。
[0162] 処理パターンは第 1〜第 3のパターンがあり、第 1の処理パターンは一の検出アル ゴリズムにより検出処理を行った後、その検出処理により偽陽性と判別された領域を 除く画像領域に対し、他の検出アルゴリズムにより検出処理を行うものである。また、 第 2の処理パターンは第 1の処理パターンにおける各検出アルゴリズムの処理順番を 逆にした点が異なるだけのものであり、第 3の処理パターンは一の検出アルゴリズムと 他の検出アルゴリズムの検出処理を並行して行!、、何れかの検出アルゴリズムで検 出されれば全て検出結果とするものである。
[0163] 以下、第 1の処理パターンについて図 13を参照して説明した後、他の処理パター ン (第 2の処理パターン、第 3の処理パターン）について説明する。
[0164] 図 13は、第 1の処理パターンにおける異常陰影候補の検出処理の流れを示すフロ 一チャートである。
[0165] 図 13に示すように、まず異常陰影候補検出部 27において、記憶部 24に保存され た乳房画像が読み出され (ステップ S31)、当該乳房画像に対して、検出アルゴリズ ムとしてフィルタバンクを用いた異常陰影候補検出処理 (以下、処理 1という）が行わ れる（ステップ S32)。
[0166] ここで、円形又は線状パターンを検出対象とするフィルタバンクの検出アルゴリズム について説明する（電子情報通信学会論文誌 D-II Vol.J87-D-II No.l pp.186-196 参照)。
[0167] 図 14に、ウェーブレット解析における多重解像度の概念を取り入れたフィルタバン クを示す。原画像を S fとし、この解像度レベルをゼロとする。 H ( （ は解像度レ
0 し し
ベル jにおける低域通過フィルタ、 H (z^.F (z1)は高域通過フィルタである。また、 Sf,W
H H j hf,WVf,wdfは、それぞれ解像度レベル jの平滑ィ匕部分画像、水平部分画像、垂直部 分画像、対角部分画像である。フィルタバンクの帯域分割フィルタバンク側では低域 側成分の分割を繰り返す。帯域合成フィルタバンク側では、逆にそれらを合成する。 このフィルタバンクにお!/、て、各フィルタは格式（3)〜（6)で与えられる。
[0168] [数 2] | 2 1
Figure imgf000032_0001
[0169] [数 3]
HH(Zj)FH(Z』)=4(- z2j + 2— z- ( 4 )
[0170] 画
Figure imgf000032_0002
[0171] [数 5]
Figure imgf000032_0003
[0172] ここで、 H (z)は 1階差分フィルタ、 H (z)F (z)は 2階差分フィルタであるから、解像度
H H H
レベル jにおける水平部分画像、垂直部分画像は、解像度レベル j 1の平滑化部分 画像に対してそれぞれ、垂直方向に 2階差分フィルタを加えた画像、水平方向に 2階 差分フィルタを加えた画像に相当する。また、対角部分画像は、水平方向及び垂直 方向に 1階差分フィルタを加えた画像となる。すなわち、これらの部分画像は下記式 ( 7)で示すヘッセ行列 Hの各要素に相当する。
[0173] [数 6]
Figure imgf000033_0001
[0174] 解像度レベル jの水平部分画像、垂直部分画像、対角部分画像を各要素とする ッセ行列の最小固有値を解像度レベル jの円形パターン強調画像 X min (x,y)として 用いる（下記式 (8) )。
[0175] [数 7]
λιηϊη:(χ,γ): の最小固有値 ( 8 )
Figure imgf000033_0002
[0176] また、ヘッセ行列の最大固有値を解像度レベル jの円形'線状パターン強調画像 λ max (x,y)として用いる（下記式（9) )。
[0177] [数 8]
( 9 )
Figure imgf000033_0003
Wh f
[0178] 円形パターン強調画像 λ min(x,y),円形'線状パターン λ max^y)を用いることによ り、異なる大きさの円形パターン及び円形'線状パターンの検出が可能となる。
[0179] 図 15を参照し、上記説明したフィルタバンクの検出アルゴリズムによる異常陰影候 補の検出処理について説明する。
[0180] まず、検出対象の医用画像がフィルタバンクに入力される (ステップ S41)。
[0181] 次に、フィルタバンクにより得られた複数の解像度の画像から、ヘッセ行列の最大 固有値及び最小固有値が算出される (ステップ S42)。そして、異なる大きさの円形- 線状パターン強調画像が作成され (ステップ S43)、円形成分及び線状成分が抽出 される。 [0182] 次に、強調画像に関心領域 (例えば、 5mm X 5mm)が設定され、その領域にある 円形成分 ·線状成分の画像特徴量が算出される (ステップ S44)。円形成分 ·線状成 分の画像特徴量には、各成分の大きさ、各成分の分布等が含まれる。
[0183] そして、円形成分'線状成分の画等特徴量に基づいて、円形成分'線状成分が真 陽性又は偽陽性の何れに該当するかが判別される (ステップ S45)。
[0184] 判別は、マハラノビス距離等の判別分析を用いることができる。これは、予め真陽性 及び偽陽性と分力つて 、る学習データを準備しておき、これら学習データの画像特 徴量を元にマハラノビス距離を求め、真陽性と偽陽性の何れに特徴が近 ヽかを判別 するものである。判別結果が得られると、図 13のステップ S33の処理へ移行する。
[0185] ステップ S33では、処理 1における異常陰影候補の検出結果として、真陽性及び偽 陽性と判別された候補領域の位置、面積等が算出され、記憶部 25に記憶される。
[0186] 次に、記憶部 25から処理 1で検出対象とした医用画像と同一の画像が読み出され る (ステップ S34)。また、記憶部 25から処理 1により検出された異常陰影候補の検出 結果の情報が読み出され、当該読み出された検出結果 (位置情報）に基づいて前記 医用画像から処理 1で偽陽性と判別された画像領域を除!ヽた画像 (これを前処理画 像という）を生成する前処理が行われる (ステップ S35)。具体的には、偽陽性と判別 された画像領域の各画素に検出処理の処理対象から除外することを示すフラグを設 定する等の処理を行う。
[0187] 次に、生成された前処理画像を対象として、画像特徴量を用いた異常陰影候補検 出処理 (以下、処理 2という）が行われる (ステップ S36)。処理 2は、画像に含まれる 陰影領域の画像特徴量を算出し、算出された画像特徴量に基づいて陰影が真陽性 か偽陽性かを判別して異常陰影候補の検出を行う検出アルゴリズムによる検出処理 である。
[0188] 図 16を参照して、処理 2の検出アルゴリズムによる検出処理の流れについて説明 する。
[0189] まず、前処理画像から異常陰影の候補領域が特定される (ステップ S51)。このとき の方法としては、特開平 10— 91758号公報に開示されているアイリスフィルタを用い た手法や、ラプラシアンフィルタを用いた手法 (電気情報通信学会論文誌 (D-II),Vol. J76-D-II,no.2,pp.241-249,1993)、モルフォルジーフィルタ（電気情報通信学会論文 誌 (D-II),Vol.J71-D-II,no.7,pp.ll70- 1176,1992)、ラプラシアンフィルタ（電気情報通 信学会論文誌 (D- II),Vol.J71-D- Π,ηο.ΙΟ,ρρ.1994-2001,1998)、 3重リングフィルタ等 、病変種に応じて種々のアルゴリズムが開発されているので、何れのものを適用して もよい。なお、前処理により偽陽性の領域として削除された領域については、フィルタ が適用されず、候補領域の特定は行われない。
[0190] 候補領域が特定されると、当該特定された候補領域の画像特徴量が算出される (ス テツプ S52)。画像特徴量には、候補領域の面積、円形度、不整形度、平均画素値、 標準偏差、候補領域とそのコントラスト等が含まれる。
[0191] ここで、面積は特定された候補領域を構成する画素数で示される。
[0192] また、円形度は形状の複雑さを示す画像特徴量であって、候補領域の面積 S、候 補領域の輪郭線の長さ (周囲長)を Lとして、下記式（10)で示される。
[0193] e=4 S/L2' ' . (10)
或いは、候補領域の重心を中心んとした、候補領域の面積 Sと同一免疫の円と候 補領域とが重なった面積 (重なり面積)を Uとして、下記式（11)により示すこともできる
[0194] e=U/S- - - (11)
円形度 eは、円に近いほど大きくなり、その値は 1に近づく。
[0195] 不整形度 fは、候補領域の周囲長を L、候補領域の周囲長を平滑化した後の周囲 長を!/ として、下記式（12)により示される。
[0196] /い · '（12)
次に、算出された各画像特徴量に基づいて、処理 2により検出された異常陰影候 補が真陽性力偽陽性力が判別される (ステップ S53)。判別は、例えば予め真陽性又 は偽陽性の 2つのグループに属する陰影画像の画像特徴量を学習データとして準 備しておき、各グループの中心から、判別対象データ (算出された画像特徴量)まで のマハラノビス距離を求め、真陽性又は偽陽性の何れのグループに近 ヽかを判別す ることにより行うことができる。判別結果が得られると、図 13に示すステップ S37に移 行する。 [0197] ステップ S37では、処理 2における検出結果として、異常陰影候補の位置情報、面 積等の情報が記憶部 25に記憶される。
[0198] 次いで、制御部 21により記憶部 25から処理パターン 1による検出結果の情報ととも に処理パターン 1に対して設定されている抽出条件の情報が読み出される。なお、処 理パターン 1に対して設定されている抽出条件は、全ての異常陰影候補を抽出する ことである。すなわち、読み出された検出結果の情報に基づいて、検出された全ての 異常陰影候補が表示対象の候補として抽出され、その検出情報が表示部 23上に表 示される (ステップ S38)。検出情報とは、異常陰影候補の検出に関して医師に提供 する情報をいい、例えば検出位置を指し示すマーカ画像や、検出対象とした病変種 、面積等、異常陰影候補に関する事項を示す文字情報等が挙げられる。
[0199] 以上が、第 1の処理パターンにおける処理の流れである力 第 2の処理パターンは 第 1の処理パターンにおける処理 1と処理 2の順番が逆に入れ替えられただけである ので、第 2の処理パターンについては、詳細な説明は省略する。第 2の処理パターン における異常陰影候補の抽出条件も第 1の処理パターンの条件と同一である。すな わち、処理 2により偽陽性の領域が削除された前処理画像について処理 1が実行さ れ、処理 1により真陽性と判別された異常陰影候補の全てについてその検出情報が 表示されることとなる。
[0200] 次に、第 3の処理パターンに係る異常陰影候補検出処理について、図 17を参照し て説明する。
[0201] 図 17に示すように、まず異常陰影候補検出部 27において、記憶部 24に保存され た乳房画像が読み出される (ステップ Tl l)。次いで、この乳房画像に対し、処理 1及 び処理 2による検出処理がそれぞれ独立して並行で行われ (ステップ Τ21、 Τ22)、 各検出処理による検出結果がそれぞれ記憶部 25に記憶される (ステップ Τ31、 Τ32 )。なお、各処理 1、 2の内容については上述した通りであるので、ここでは説明を省 略する。
[0202] 次いで、制御部 21において、処理 1及び処理 2による検出結果が記憶部 25から読 み出され、これら検出された異常陰影候補のうち、その検出情報を表示出力すべき 異常陰影候補が抽出される (ステップ Τ33)。 [0203] 第 1又は第 2の処理パターンの場合、一の検出アルゴリズムで真陽性と判別された 領域について他の検出アルゴリズムでもう一度検出処理を行い、他の検出アルゴリズ ムでもやはり真陽性であると判別された領域を最終的な検出結果として出力している 。つまり、 2段階で検出処理を行っているため、検出結果に含まれる異常陰影候補は 真陽性である可能性は高いものと予想される。
[0204] 一方、第 3の処理パターンの場合、一の検出アルゴリズムと他の検出アルゴリズムと を別個に並行して行い、何れかの検出アルゴリズムで検出された異常陰影候補が最 終的な検出結果として出力される。そのため、第 1又は第 2の処理パターンに比べ、 その検出精度は低いと考えられ、その分検出結果には偽陽性候補が含まれている 確率が高いと思われる。このような検出結果に基づいて第 1の処理パターンと同様に 検出された異常陰影候補の全てについてその検出情報を表示することとすると、表 示部 23におけるその表示数が増え、見づら 、表示となってしまう。
[0205] よって、第 3の処理パターンでは、検出された異常陰影候補のうち、表示対象とする 候補を抽出することにより、その検出情報の表示数を減少させることとする。
[0206] ここで、検出情報を表示すべき異常陰影候補は、その異常陰影候補が真陽性又は 偽陽性とも明確な判別がしづらぐ医師の最終判断に委ねた方がよいものとし、その ような候補を抽出するよう抽出条件が設定されて記憶部 25に記憶されているものとす る。明らかに目視で真陽性と分力る陰影については特に画像処理装置 2による検出 情報の表示が無くとも、医師が発見することができる。そのため、医師によっては、そ のような陰影についてではなぐむしろ真陽性か偽陽性かの判断が困難な陰影につ いての検出情報を参照したいという要望がある。よって、このような要望に応じて抽出 条件を設定する。
[0207] また、その検出位置や画像上の視認性が低ぐ医師が発見しづらい異常陰影候補 の検出情報は提供すべきであるのでこのような異常陰影候補を抽出することとしても よい。
[0208] 表示対象とすべき異常陰影候補の抽出は、画像特徴量を用いて行われる。
[0209] 例えば、コントラストが小さい、面積力 、さい場合は、真陽性か偽陽性かの判定が 難しぐ読影医による最終判断を必要とする場合が多い。また、視認性についても良 好とは言い難ぐ医師が見落としやすい陰影となる。また、真陽性の異常陰影は、辺 縁部の境界が不明瞭 (不鮮明）となったり、辺縁部において微細なスジ状の形状を呈 する、或いはスピキユラと呼ばれる歪 (いびつ）な形状を有する場合があり、その辺縁 の不整形度が増すが、逆に辺縁の不整形度が小さい場合には、真陽性力どうかの判 断が難しくなる。また、腫瘤の場合、円形度が大きいほど、腫瘤である可能性が高く なるが、円形度が小さいと腫瘤 (真陽性)か否かの判断がしづらくなる。
[0210] よって、これらの画像特徴量を判断要素として、真陽性力否かの判断が困難である 、或 、は視認性が低!、異常陰影候補の判断を行う。
[0211] 具体的には、候補領域において算出されたコントラスト、標準偏差、濃度平均値、 曲率、面積、フラクタル次元、円形度、辺縁の不整形度等の各種画像特徴量に基づ いて、多変量解析により真陽性の可能性を示す指標値が算出される。例えば、予め 真陽性と分力ゝつている陰影カゝら算出した画像特徴量を学習データとして-ユーラルネ ットワーク等の多変量解析による判定ロジックを構築しておき、この判定ロジックに判 定対象の陰影候補から算出された各種画像特徴量を入力して当該陰影候補の真陽 性の可能性を示す指標値を得る。
[0212] そして、この指標値と、偽陽性候補を検出するための閾値 TH1、真陽性候補を検 出するための閾値 TH2とを比較した結果に応じて、検出された異常陰影候補におい て偽陽性候補及び真陽性候補を判断し、これらを除く他の異常陰影候補を表示す べき異常陰影候補として抽出する。
[0213] 例えば、閾値 TH1 = 0. 25、 TH2 = 0. 85であるとし、 TH1より低い指標値を有す る候補を偽陽性候補、 TH2より高 ヽ指標値を有する候補を真陽性候補と判断する条 件の場合について説明する。検出時に出力された真陽性に対する指標値 (これを S とする）が 0〜1の値 (0に近 、ほど真陽性である可能性が低ぐ 1に近 、ほど真陽性 である可能性が高い。）で出力されるとすると、検出候補のうち、指標値 Sが THK S く TH2である異常陰影候補が抽出される。
[0214] すなわち、抽出された候補は、検出処理によって検出された異常陰影候補の中か ら、偽陽性候補及び真陽性候補を除く候補、つまり真陽性か否かが疑わしぐ医師の 判断が必要な候補が抽出された候補となる。さらに、画像端部に近い乳房領域に存 在する異常陰影は、その端部という位置のために医師にとって見逃しやすいものとな る。よって、このような医師が発見しづらい位置にある異常陰影候補を表示対象に加 えたい場合は、予め発見が困難な領域の境界として画像端力 の距離を求めてこれ を閾値 TH3とし、検出された異常陰影候補のうち、閾値 TH3を下回る (つまり、画像 端に近い位置にある)異常陰影候補を表示すべき異常陰影候補として抽出すること としてちよい。
[0215] なお、上記偽陽性候補及び真陽性候補を判断するために用いられる閾値 TH1、 T H2は、読影毎に設定可能な構成とする。具体的には、操作部 22を介して閾値 TH1 、 TH2の設定情報を入力可能な構成としておき、当該閾値 TH1、 TH2の設定情報 を各読影医に固有の読影医 ID等と対応付けて記憶部 25に格納しておく。そして、読 影時に読影医 ID等を入力させることにより、その読影医に対応する閾値 TH1、 TH2 を制御部 21が読み出し、上記処理に用いる。
[0216] 例えば、なるべく偽陽性候補は表示させたくない医師であれば、閾値 TH1を 0. 25 カゝら 0. 3に設定変更する等、医師の技量や読影スタイル等に応じて閾値 TH1又は T H2を設定することにより、異常陰影候補の表示数を調整することができ、各読影医 のスキル等に相応し 、表示とすることができる。
[0217] 以上のようにして、表示すべき異常陰影候補が抽出されると、当該抽出された異常 陰影候補の検出情報が表示部 23上に表示される (ステップ T34)。
[0218] 図 18に、各処理パターン 1〜3による異常陰影候補の検出情報の表示例を示す。
[0219] 図 18 (a)は処理パターン 1又は 2の表示例を示す図であり、図 18 (b)は処理パター ン 3の表示例を示す図である。図 18 (a)、（b)では、乳房画像上に異常陰影候補の 検出情報として、その検出位置を示すマーカ画像（図中の矢印）が表示されている。
[0220] 処理パターン 1又は 2では、真陽性の可能性が高い候補のみが検出結果として出 力されるため、図 18 (a)に示すように異常陰影の可能性が高い陰影に絞ってマーカ を表示することができる。
[0221] 一方、処理パターン 3では、真陽性又は偽陽性の可能性が高い候補を削除した残 りの候補のみが検出結果として出力されるため、形状や濃度等力 は真陽性力偽陽 性か判断が困難な陰影に絞ってマーカを表示することができる。 [0222] 以上のように、本実施形態によれば、 2つのの検出処理の組み合わせで処理パタ ーン 1〜3の異なる検出過程を経る場合に、その検出過程に応じて検出された異常 陰影候補からその検出情報を表示すべき候補を抽出し、抽出された異常陰影候補 についてのみ、検出情報を表示する。これにより、検出過程に応じて検出情報の表 示数を制限して、読影しやすい表示形態とすることができ、医師の読影効率を向上さ せることができる。
[0223] また、真陽性候補の検出率が高い処理パターン 1又は 2の場合は全ての異常陰影 候補を抽出し、偽陽性候補の検出率が高い処理パターン 3の場合は偽陽性力ゝ真陽 性かの判断が困難な候補又は視認性が低ぐ医師が発見しづらい候補を抽出する。 このように検出過程により生じる検出率の違いに応じて、その異常陰影候補の検出 情報の表示数を可変させるので、表示数が減少するように調整することができる。
[0224] 〈本発明に関連する他の実施形態〉
上記医用画像処理システム 100の動作に関し、本発明に関連する他の実施形態 について更に説明する。本実施形態では、検出目的とする病変種に対応した複数の 検出アルゴリズムを有し、検出する病変種に応じた検出アルゴリズムを用いて異常陰 影候補の検出を行う際に、用 ヽる検出アルゴリズム〖こよる異なる検出過程に応じて表 示対象の異常陰影候補を抽出し、抽出された異常陰影候補の検出情報を表示出力 する例を説明する。
[0225] 本実施形態において、画像処理装置 2の記憶部 25には、検出目的とする病変種 に応じた検出アルゴリズムによる検出処理プログラムが格納されて 、る。本実施形態 では、乳房における病変である腫瘤、微小石灰化クラスタの 2種類に対応した検出ァ ルゴリズムのプログラムが格納されていることとする。
[0226] 次に、本実施形態における画像処理装置 2の異常陰影候補の検出処理について、 図 19を参照して説明する。
[0227] 図 19に示す異常陰影候補の検出処理では、まず異常陰影候補検出部 27により記 憶部 25から処理対象の医用画像が読み出される (ステップ El)。次いで、検出対象 の病変種を選択するための選択画面が表示部 23に表示され、腫瘤又は微小石灰化 クラスタのうち、何れの病変種の異常陰影を検出対象とするかを選択操作するようガ ィダンスが行われる。
[0228] そして、この選択画面において操作部 22を介して医師により何れか一方の病変種 の選択操作がなされると (ステップ E2)、微小石灰化クラスタが選択操作された場合 は (ステップ E2 ;クラスタ）、ステップ E3の処理へ移行し、腫瘤が選択操作された場合 は（ステップ E2；腫瘤）、ステップ E6の処理へ移行する。
[0229] まず、微小石灰化クラスタが選択された場合にっ 、て説明する。
[0230] ステップ E3では、異常陰影候補検出部 27において微小石灰化クラスタに応じた検 出処理プログラムが記憶部 25から読み出され、当該プログラムとの協働により異常陰 影候補の検出処理が行われる。すなわち、微小石灰化クラスタの検出に応じた検出 ァノレゴリズムにより検出が行われる。
[0231] 微小石灰化クラスタの検出アルゴリズムでは、 3重リングフィルタ等により候補領域を 特定した後、特徴量を用いた検出処理 (処理 2)を行う検出過程を経る。各処理内容 については前述した通りであるので、ここでは説明を省略する。
[0232] そして、全ての検出過程を終了すると、微小石灰化クラスタの検出結果として、検出 された異常陰影候補の位置情報、面積等の情報が記憶部 25に保存される (ステップ E4)。次いで、制御部 21により記憶部 25から検出結果の情報が読み出されるととも に、微小石灰化クラスタの検出過程に対して予め設定されている異常陰影候補の抽 出条件が読み出される。なお、微小石灰化クラスタの検出過程について設定されて いる抽出条件は、全ての異常陰影候補を抽出することである。すなわち、読み出され た検出結果の情報に基づいて、検出された全ての異常陰影候補が表示対象の候補 として抽出され、検出された全ての異常陰影候補についてその検出情報が表示部 2 3上に表示される（ステップ E5)。
[0233] 次に、腫瘤が選択された場合について説明する。
[0234] ステップ E6では、異常陰影候補検出部 27において腫瘤に応じた検出処理プログ ラムが記憶部 25から読み出され、当該プログラムとの協働により異常陰影候補の検 出処理が行われる。すなわち、腫瘤の検出に応じた検出アルゴリズムにより検出が行 われる。
[0235] 腫瘤の検出アルゴリズムでは、フィルタバンクを用いた処理 1を行う検出過程を経る [0236] そして、全ての検出過程を終了すると、腫瘤の検出結果として、検出された異常陰 影候補の位置情報、面積等の情報が記憶部 25に保存される (ステップ E7)。次いで 、制御部 21により記憶部 25から検出結果の情報が読み出される。そして、検出され た異常陰影候補のうち、その検出情報を表示すべき候補が抽出される (ステップ E8)
[0237] 微小石灰化クラスタの場合、その陰影は逆円錐構造の濃度変化を持った微小な白 い点が集まって (クラスタ化して)画像上に現れる。そのため、検出された異常陰影候 補の検出情報としては、微小な陰影がクラスタ化している部分を囲むフレームのマー 力画像を出力することとなる。つまり、偽陽性候補数が多い場合はその集合領域が大 きくなるが、陰影は微小な点であるためその変化量は小さい。よって、異常陰影候補 の検出数が多くても、フレームの大きさが変化するだけであり、それほど視認性に影 響はない。
[0238] しかし、腫瘤の場合、マーカは矢印等、検出された腫瘤の 1候補づっを指し示すよ うなものが用いられるため、検出候補数が多いとその分表示領域を占めることとなる ため、読影の妨げとなる場合がある。よって、腫瘤の検出結果については、検出され た異常陰影候補のうち、表示対象とする候補を抽出することにより、その検出情報の 表示数を減少させることとする。
[0239] 腫瘤の場合、明らかに真陽性である陰影は、形状が 3〜5mm前後で微小石灰化 陰影に比べ大きぐ病巣辺縁の輪郭 (周囲組織との濃度差)が明瞭 (位相コントラスト 撮影されていれば、エッジ効果で更に明瞭)であり、目視により医師が確認することが 可能である。よって、第 1実施形態と同様に、真陽性又は偽陽性とも明確な判別がし づらぐ医師の最終判断に委ねた方がよい異常陰影候補、或いはその検出位置や 画像上の視認性が低く、医師が発見しづら!/、異常陰影候補を制御部 21にお 、て抽 出することとする。なお、抽出方法については、前述した実施形態と同一であるので 、ここでは説明を省略する。
[0240] 以上のようにして、表示すべき異常陰影候補が抽出されると、当該抽出された異常 陰影候補の検出情報が表示部 23上に表示される (ステップ E8)。 [0241] 図 20に、異常陰影候補の検出情報の表示例を示す。
[0242] 図 20 (a)は微小石灰化クラスタ候補の表示例を示す図であり、図 20 (b)は腫瘤候 補の表示例を示す図である。微小石灰化クラスタの場合、点状に現れる微小な石灰 化部分の陰影の集合を医師が特定できるように、図 20 (a)に示すように、その候補が 寄り集まる部分を囲むフレームのマーカが使用される。なお、図 20 (a)では、便宜上 微小石灰化クラスタの陰影を黒い点で示しているが、実際には低濃度な白っぽい陰 影として現れる。一方、腫瘤は 3mn！〜 5mmと有る程度の大きさをもって画像上に現 れるので、腫瘤候補のマーカとしては、図 20 (b)に示すように検出位置を指し示す矢 印が用いられている。
[0243] 微小石灰化クラスタは、偽陽性候補が多く検出された場合でも真陽性の候補の周 辺で検出される可能性が高ぐ偽陽性候補が多くてもその石灰化部分が集合してい る領域がわずかに変動するのみであると考えられる。よって、検出された全ての候補 について検出情報を表示したとしても、図 20 (a)に示すようにマーカであるフレーム のサイズが変化するのみであり、フレーム数が極端に増えるわけではなぐ医用画像 を読影するにあたって検出情報の表示が妨げになることは少ない。
[0244] 一方、腫瘤は、 1候補について 1マーカが表示されるため、偽陽性候補の数が多い と、医用画像上を占める検出情報のマーカ数が多くなり、見づらい表示形態となって しまう。よって、形状や濃度等力もは真陽性カ 為陽性力判断が困難な陰影に絞って マーカを表示し、その表示数を減少させることにより、読影しやすい表示形態とするこ とがでさる。
[0245] なお、図 20 (a)に示す微小石灰化クラスタの表示と、図 20 (b)に示す腫瘤の表示と を医師の操作に応じて切り替え表示可能としてもょ 、し、同一乳房画像上に表示す ることしてちょい。
[0246] 以上のように、本実施形態によれば、検出目的に応じて異なる検出過程を経る場 合に、その検出過程に応じて検出された異常陰影候補力 その検出情報を表示す べき候補を抽出し、抽出された異常陰影候補についてのみ、検出情報を表示する。 これにより、検出過程に応じて検出情報の表示数を制限して、読影しやすい表示形 態とすることができ、医師の読影効率を向上させることができる。 [0247] また、検出情報としてフレームで検出された候補の集合部分を囲む微小石灰化クラ スタの場合は検出された候補の全てを抽出し、矢印で個々の候補の検出位置を指し 示す腫瘤の場合は、偽陽性カゝ真陽性カゝの判断が困難な候補又は視認性が低ぐ医 師が発見しづら 、候補を抽出する。このように検出過程により生じる検出率の違いに 応じて、その異常陰影候補の検出情報の表示数を可変させるので、表示数が減少 するよう〖こ調整することがでさる。
[0248] なお、画像処理装置 2において、異常陰影候補の検出、表示対象候補の抽出等の 機能を実現することとしたが、これに限らずビューァ 5等、医用画像処理装置 100の 各構成装置において上記機能のそれぞれを実現させることとしてもよいし、新たにそ れらの機能を有する専用装置を設けることとしてもよい。
[0249] また、異常陰影候補の検出情報をビューァ 5により表示出力する例を説明したが、 これに限らず、プリンタ 3によりフィルム出力する場合にも適用可能である。

Claims

請求の範囲
[1] 医用画像を画像解析して異常陰影候補を検出する検出工程と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する抽出ェ 程と、
前記抽出された異常陰影候補の検出情報を表示する表示工程と、
を含むことを特徴とする異常陰影候補の表示方法。
[2] 前記抽出工程では、前記検出された異常陰影候補の画像特徴量を算出し、当該 画像特徴量に基づ 、て表示すべき異常陰影候補の優先順位を決定し、前記検出さ れた異常陰影候補のうち、優先順位が高い異常陰影候補力 優先的に抽出すること を特徴とする請求の範囲第 1項に記載の異常陰影候補の表示方法。
[3] 前記抽出工程では、前記画像特徴量として異常陰影候補とその周辺領域とのコン トラストを算出し、このコントラストが小さい異常陰影候補の優先順位を高く決定するこ とを特徴とする請求の範囲第 2項に記載の異常陰影候補の表示方法。
[4] 前記抽出工程では、前記画像特徴量として異常陰影候補の領域の面積を算出し、 当該面積が小さい異常陰影候補の優先順位を高く決定することを特徴とする請求の 範囲第 2項に記載の異常陰影候補の表示方法。
[5] 前記抽出工程では、前記画像特徴量として前記医用画像の画像端部から異常陰 影候補の検出位置までの距離を算出し、当該距離が短い異常陰影候補の優先順位 を高く決定することを特徴とする請求の範囲第 2項に記載の異常陰影候補の表示方 法。
[6] 前記医用画像から被写体領域を認識し、当該被写体領域を複数領域に分類する 工程を含み、
前記抽出工程では、前記認識された被写体領域のうち、前記異常陰影候補が検 出された分類領域に応じて優先順位を決定することを特徴とする請求の範囲第 2項 乃至第 5項の何れか 1項に記載の異常陰影候補の表示方法。
[7] 前記抽出工程では、前記画像特徴量として異常陰影候補の形状の特徴量を算出 し、当該形状の特徴量に基づ 、て優先順位を決定することを特徴とする請求の範囲 第 2項に記載の異常陰影候補の表示方法。
[8] 前記抽出工程では、前記画像特徴量として異常陰影候補の候補領域の濃度を算 出し、当該濃度が低 ヽ特徴量を有する異常陰影候補の優先順位を高く決定すること を特徴とする請求の範囲第 2項に記載の異常陰影候補の表示方法。
[9] 前記抽出工程では、前記画像特徴量として少なくとも異常陰影候補の候補領域の 面積、濃度、周辺領域とのコントラスト、異常陰影候補の形状、医用画像の画像端部 力 異常陰影候補の検出位置までの距離のうち一以上を算出し、当該算出された特 徴量に基づいて優先順位を決定することを特徴とする請求の範囲第 2項に記載の異 常陰影候補の表示方法。
[10] 前記表示工程では、前記抽出された異常陰影候補の検出情報を前記医用画像と ともに表示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 補の表示方法。
[11] 前記医用画像は位相コントラスト撮影方法により撮影された医用画像であることを 特徴とする請求の範囲第 10項に記載の異常陰影候補の表示方法。
[12] 前記表示工程では、前記医用画像を被写体と等倍サイズに縮小した等倍画像を表 示することを特徴とする請求の範囲第 10項又は第 11項に記載の異常陰影候補の表 示方法。
[13] 前記医用画像から参照用画像を作成し、当該作成画像上に検出情報を重ねた画 像を前記等倍画像とともに表示することを特徴とする請求の範囲第 12項に記載の異 常陰影候補の表示方法。
[14] 前記抽出工程では、表示対象とする力否かを判断するために予め設定されている 閾値に基づ 、て、前記検出された異常陰影候補力 表示すべき異常陰影候補を判 断して抽出する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の表示方 法。
[15] 前記閾値は、第 1の閾値及び第 2の閾値を有し、
前記抽出工程では、前記検出された異常陰影候補から、前記第 1の閾値及び第 2 の閾値により表示すべき異常陰影候補を判断して抽出することを特徴とする請求の 範囲第 14項に記載の異常陰影候補の表示方法。
[16] 前記第 1の閾値は偽陽性候補を削除するための閾値であり、前記第 2の閾値は真 陽性候補を削除するための閾値であり、前記抽出工程では、前記検出された異常陰 影候補から前記第 1の閾値及び第 2の閾値により偽陽性候補及び真陽性候補を削 除した残りの異常陰影候補を表示対象として抽出することを特徴とする請求の範囲 第 15項に記載の異常陰影候補の表示方法。
[17] 前記第 1の閾値又は第 2の閾値は読影医毎に設定可能であることを特徴とする請 求の範囲第 15項又は第 16項に記載の異常陰影候補の表示方法。
[18] 前記第 1の閾値は各読影医において共通の設定とし、前記第 2の閾値は読影医毎 に設定可能であることを特徴とする請求の範囲第 15項又は第 16項に記載の異常陰 影候補の表示方法。
[19] 前記閾値は、画像上での視認性が低いか否かを判断するための第 3の閾値を有し 前記抽出工程では、検出された異常陰影候補から、前記第 3の閾値により視認性 が低いと判断された異常陰影候補を抽出することを特徴とする請求の範囲第 14項乃 至第 18項の何れか 1項に記載の異常陰影候補の表示方法。
[20] 医用画像を画像解析し、異常陰影候補を検出する異常陰影候補検出手段と、 前記異常陰影候補検出手段により検出された異常陰影候補のうち、表示すべき異 常陰影候補を抽出する制御手段と、
前記抽出された異常陰影候補の検出情報を表示する表示手段と、
を備えることを特徴とする医用画像処理システム。
[21] 前記表示手段は、前記抽出された異常陰影候補の検出情報を前記医用画像ととも に表示することを特徴とする請求の範囲第 20項に記載の医用画像処理システム。
[22] 前記医用画像は位相コントラスト撮影方法により撮影された医用画像であることを 特徴とする請求の範囲第 21項に記載の医用画像処理システム。
[23] 前記制御手段は、表示対象とするか否かを判断するために予め設定されている閾 値に基づ 、て、前記検出された異常陰影候補から表示すべき異常陰影候補を判断 して抽出することを特徴とする請求の範囲第 20項に記載の医用画像処理システム。
PCT/JP2006/309278 2005-05-23 2006-05-09 異常陰影候補の表示方法及び医用画像処理システム WO2006126384A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
US11/914,852 US20090097730A1 (en) 2005-05-23 2006-05-09 Abnormal shadow candidate display method and medical image processing system
EP06746109A EP1884193A4 (en) 2005-05-23 2006-05-09 METHOD FOR DISPLAYING ABNORMAL SHADOW CANDIDATE, AND MEDICAL IMAGE PROCESSING SYSTEM
CN2006800174789A CN101179994B (zh) 2005-05-23 2006-05-09 异常阴影候补的显示方法以及医用图像处理系统

Applications Claiming Priority (8)

Application Number Priority Date Filing Date Title
JP2005149298A JP2006325640A (ja) 2005-05-23 2005-05-23 異常陰影候補の表示方法及び医用画像処理システム
JP2005-149298 2005-05-23
JP2005162444A JP2006334140A (ja) 2005-06-02 2005-06-02 異常陰影候補の表示方法及び医用画像処理システム
JP2005-162444 2005-06-02
JP2005-168160 2005-06-08
JP2005168160A JP2006340835A (ja) 2005-06-08 2005-06-08 異常陰影候補の表示方法及び医用画像処理システム
JP2005-175015 2005-06-15
JP2005175015A JP2006346094A (ja) 2005-06-15 2005-06-15 検出情報の出力方法及び医用画像処理システム

Publications (1)

Publication Number Publication Date
WO2006126384A1 true WO2006126384A1 (ja) 2006-11-30

Family

ID=37451811

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2006/309278 WO2006126384A1 (ja) 2005-05-23 2006-05-09 異常陰影候補の表示方法及び医用画像処理システム

Country Status (3)

Country Link
US (1) US20090097730A1 (ja)
EP (1) EP1884193A4 (ja)
WO (1) WO2006126384A1 (ja)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009100926A (ja) * 2007-10-23 2009-05-14 Toshiba Corp マンモグラフィ装置、画像処理装置、及び乳腺線量の計算方法
JP2010115365A (ja) * 2008-11-13 2010-05-27 Pacsplus:Kk 医用画像処理方法、プログラム、及び装置
JP2010246705A (ja) * 2009-04-15 2010-11-04 Konica Minolta Medical & Graphic Inc 画像処理装置、画像処理方法及びプログラム
JP2013536723A (ja) * 2010-09-03 2013-09-26 コーニンクレッカ フィリップス エヌ ヴェ 微分位相差イメージングにおける正規化位相回復
JP5539365B2 (ja) * 2009-08-28 2014-07-02 キヤノン株式会社 情報処理装置、情報処理システム、情報処理方法及び情報処理方法を実行するためのコンピュータプログラム
CN107788998A (zh) * 2016-08-31 2018-03-13 柯尼卡美能达株式会社 医用图像系统以及计算机可读取的记录介质
JP2018175226A (ja) * 2017-04-10 2018-11-15 富士フイルム株式会社 医用画像分類装置、方法およびプログラム

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8447081B2 (en) * 2008-10-16 2013-05-21 Siemens Medical Solutions Usa, Inc. Pulmonary emboli detection with dynamic configuration based on blood contrast level
WO2010047324A1 (ja) * 2008-10-20 2010-04-29 株式会社 日立メディコ 医用画像処理装置、及び医用画像処理方法
US8526690B2 (en) * 2009-03-03 2013-09-03 Fujifilm Corporation Automatic detection of target tissues formed by linear structures from within three dimensional images
JP5421756B2 (ja) * 2009-12-11 2014-02-19 富士フイルム株式会社 画像表示装置および方法並びにプログラム
JP2011194024A (ja) * 2010-03-19 2011-10-06 Fujifilm Corp 異常陰影検出装置および方法ならびにプログラム
EP2564357A1 (en) 2010-04-30 2013-03-06 Vucomp, Inc. Probability density function estimator
US8675933B2 (en) 2010-04-30 2014-03-18 Vucomp, Inc. Breast segmentation in radiographic images
JP5011453B2 (ja) * 2010-06-30 2012-08-29 オリンパスメディカルシステムズ株式会社 画像処理装置及び画像処理装置の制御方法
US9256799B2 (en) 2010-07-07 2016-02-09 Vucomp, Inc. Marking system for computer-aided detection of breast abnormalities
JP5514127B2 (ja) * 2011-01-13 2014-06-04 富士フイルム株式会社 放射線画像表示装置および方法
US9208554B2 (en) * 2012-01-16 2015-12-08 Intelliview Technologies Inc. Apparatus for detecting humans on conveyor belts using one or more imaging devices
US10096098B2 (en) 2013-12-30 2018-10-09 Carestream Health, Inc. Phase retrieval from differential phase contrast imaging
US9494534B2 (en) 2012-12-21 2016-11-15 Carestream Health, Inc. Material differentiation with phase contrast imaging
US9907524B2 (en) * 2012-12-21 2018-03-06 Carestream Health, Inc. Material decomposition technique using x-ray phase contrast imaging system
US9357975B2 (en) 2013-12-30 2016-06-07 Carestream Health, Inc. Large FOV phase contrast imaging based on detuned configuration including acquisition and reconstruction techniques
US10578563B2 (en) 2012-12-21 2020-03-03 Carestream Health, Inc. Phase contrast imaging computed tomography scanner
KR20150098119A (ko) * 2014-02-19 2015-08-27 삼성전자주식회사 의료 영상 내 거짓양성 병변후보 제거 시스템 및 방법
KR102120867B1 (ko) * 2014-08-22 2020-06-09 삼성전자주식회사 엑스선 영상 장치 및 그에 따른 엑스선 영상 장치 제어방법
KR102592905B1 (ko) * 2016-12-21 2023-10-23 삼성전자주식회사 엑스선 영상 촬영 장치 및 제어방법
JP6930411B2 (ja) * 2017-12-15 2021-09-01 コニカミノルタ株式会社 情報処理装置及び情報処理方法
EP3797693A4 (en) 2018-05-23 2021-04-07 EIZO Corporation INFORMATION PROCESSING DEVICE, INFORMATION PROCESSING METHOD AND COMPUTER PROGRAM
JP6870763B1 (ja) * 2020-04-30 2021-05-12 コニカミノルタ株式会社 医用画像出力制御装置、プログラム、医用画像表示システム及び医用画像表示方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002162705A (ja) * 2000-11-24 2002-06-07 Konica Corp 位相コントラスト放射線画像処理装置
JP2003299645A (ja) * 2002-04-08 2003-10-21 Hitachi Medical Corp 画像診断支援装置
JP2004180987A (ja) * 2002-12-04 2004-07-02 Hitachi Medical Corp 医用画像表示装置
JP2005095501A (ja) * 2003-09-26 2005-04-14 Konica Minolta Medical & Graphic Inc 医用画像処理装置
JP2005102784A (ja) * 2003-09-29 2005-04-21 Konica Minolta Medical & Graphic Inc 画像診断支援装置及び画像診断支援方法
JP2005124617A (ja) * 2003-10-21 2005-05-19 Konica Minolta Medical & Graphic Inc 医用画像診断支援システム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001299733A (ja) * 2000-04-27 2001-10-30 Konica Corp Ｐｃｉ放射線画像処理装置、ｐｃｉ放射線画像検出処理装置、ｐｃｉ放射線画像出力装置及びｐｃｉ画像診断支援装置
US7245754B2 (en) * 2000-06-30 2007-07-17 Hitachi Medical Corporation image diagnosis supporting device
JP4218347B2 (ja) * 2003-01-17 2009-02-04 コニカミノルタホールディングス株式会社 画像診断支援装置
JP2004222982A (ja) * 2003-01-23 2004-08-12 Konica Minolta Holdings Inc 医用画像処理システム及び医用画像処理方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002162705A (ja) * 2000-11-24 2002-06-07 Konica Corp 位相コントラスト放射線画像処理装置
JP2003299645A (ja) * 2002-04-08 2003-10-21 Hitachi Medical Corp 画像診断支援装置
JP2004180987A (ja) * 2002-12-04 2004-07-02 Hitachi Medical Corp 医用画像表示装置
JP2005095501A (ja) * 2003-09-26 2005-04-14 Konica Minolta Medical & Graphic Inc 医用画像処理装置
JP2005102784A (ja) * 2003-09-29 2005-04-21 Konica Minolta Medical & Graphic Inc 画像診断支援装置及び画像診断支援方法
JP2005124617A (ja) * 2003-10-21 2005-05-19 Konica Minolta Medical & Graphic Inc 医用画像診断支援システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP1884193A4 *

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009100926A (ja) * 2007-10-23 2009-05-14 Toshiba Corp マンモグラフィ装置、画像処理装置、及び乳腺線量の計算方法
JP2010115365A (ja) * 2008-11-13 2010-05-27 Pacsplus:Kk 医用画像処理方法、プログラム、及び装置
JP2010246705A (ja) * 2009-04-15 2010-11-04 Konica Minolta Medical & Graphic Inc 画像処理装置、画像処理方法及びプログラム
JP5539365B2 (ja) * 2009-08-28 2014-07-02 キヤノン株式会社 情報処理装置、情報処理システム、情報処理方法及び情報処理方法を実行するためのコンピュータプログラム
JP2013536723A (ja) * 2010-09-03 2013-09-26 コーニンクレッカ フィリップス エヌ ヴェ 微分位相差イメージングにおける正規化位相回復
CN107788998A (zh) * 2016-08-31 2018-03-13 柯尼卡美能达株式会社 医用图像系统以及计算机可读取的记录介质
JP2018175226A (ja) * 2017-04-10 2018-11-15 富士フイルム株式会社 医用画像分類装置、方法およびプログラム

Also Published As

Publication number Publication date
EP1884193A1 (en) 2008-02-06
US20090097730A1 (en) 2009-04-16
EP1884193A4 (en) 2010-01-27

Similar Documents

Publication Publication Date Title
WO2006126384A1 (ja) 異常陰影候補の表示方法及び医用画像処理システム
US11455754B2 (en) System and method for synthesizing low-dimensional image data from high-dimensional image data using an object grid enhancement
US11445993B2 (en) System and method for targeted object enhancement to generate synthetic breast tissue images
US5657362A (en) Automated method and system for computerized detection of masses and parenchymal distortions in medical images
US8270688B2 (en) Method for intelligent qualitative and quantitative analysis assisting digital or digitized radiography softcopy reading
JP5041821B2 (ja) 放射線医学的徴候の検出のためのトモシンセシス投影画像の処理装置
US20070052700A1 (en) System and method for 3D CAD using projection images
US20110026791A1 (en) Systems, computer-readable media, and methods for classifying and displaying breast density
JP3758893B2 (ja) 画像診断支援装置
US20220254023A1 (en) System and Method for Interpretation of Multiple Medical Images Using Deep Learning
JPH08294479A (ja) 計算機支援画像診断装置
JP2007151645A (ja) 医用画像診断支援システム
JP2002162705A (ja) 位相コントラスト放射線画像処理装置
JP2006346094A (ja) 検出情報の出力方法及び医用画像処理システム
JP4453321B2 (ja) 医用画像処理装置及びプログラム
JP3758894B2 (ja) マンモグラム画像診断支援装置
JP2000316837A (ja) 画像診断支援装置
JP2006325640A (ja) 異常陰影候補の表示方法及び医用画像処理システム
JP5048233B2 (ja) Ｃａｄシステムにおける解剖学的形状の検出のための方法及びシステム
JP2006340835A (ja) 異常陰影候補の表示方法及び医用画像処理システム
JP2005124617A (ja) 医用画像診断支援システム
JP2006334140A (ja) 異常陰影候補の表示方法及び医用画像処理システム
JP4631260B2 (ja) 画像診断支援装置、画像診断支援方法及びプログラム
US11857358B2 (en) System and method for synthetic breast tissue image generation by high density element suppression
JP4591142B2 (ja) 医用画像システム

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 200680017478.9

Country of ref document: CN

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: 2006746109

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 11914852

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

NENP Non-entry into the national phase

Ref country code: RU

WWP Wipo information: published in national office

Ref document number: 2006746109

Country of ref document: EP