WO2007000940A1 - 異常陰影候補検出方法、異常陰影候補検出装置 - Google Patents

異常陰影候補検出方法、異常陰影候補検出装置 Download PDF

Info

Publication number
WO2007000940A1
WO2007000940A1 PCT/JP2006/312577 JP2006312577W WO2007000940A1 WO 2007000940 A1 WO2007000940 A1 WO 2007000940A1 JP 2006312577 W JP2006312577 W JP 2006312577W WO 2007000940 A1 WO2007000940 A1 WO 2007000940A1
Authority
WO
WIPO (PCT)
Prior art keywords
abnormal shadow
medical image
shadow candidate
detected
smoothing
Prior art date
Application number
PCT/JP2006/312577
Other languages
English (en)
French (fr)
Inventor
Hitoshi Futamura
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
Application filed by Konica Minolta Medical & Graphic, Inc. filed Critical Konica Minolta Medical & Graphic, Inc.
Priority to JP2007523427A priority Critical patent/JP4911029B2/ja
Priority to EP06767227A priority patent/EP1897495A4/en
Priority to CN2006800229372A priority patent/CN101208042B/zh
Priority to US11/993,234 priority patent/US20100150413A1/en
Publication of WO2007000940A1 publication Critical patent/WO2007000940A1/ja

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Definitions

  • the present invention relates to an abnormal shadow candidate detection method and an abnormal shadow candidate detection device that detect an abnormal shadow candidate from a medical image.
  • CAD Computer-Aided Diagnosis
  • the shadow of a lesion often has a characteristic density distribution.
  • CAD detects an image area estimated to be a lesion based on such density characteristics as an abnormal shadow candidate area. .
  • Patent Document 1 when there are a plurality of types of abnormal shadow detection purposes in the same imaging region, one or more abnormal shadow candidate detection algorithms are used depending on the detection purpose. Algorithm selection means to select, the algorithm required by the doctor A technique for shortening the processing time by making it possible to select only one is described. Also, in Patent Document 2, when a doctor has a certain degree of prediction about the existence area of an abnormal shadow candidate, or when an abnormal shadow candidate is detected in another image such as an image acquired in the past, etc. A technique is described in which only the region is specified and an abnormal shadow candidate detection algorithm is applied.
  • Patent Document 1 Japanese Patent Laid-Open No. 2002-112986
  • Patent Document 2 Japanese Patent Laid-Open No. 2001-346787
  • Patent Document 1 since the entire image is processed for each pixel using the selected abnormal shadow candidate detection algorithm, a plurality of unnecessary abnormal shadow compensation detections are unnecessary. Compared to the case of using an algorithm, the processing time can be shortened. It still takes a long time to search the entire image, and there is a problem in that a region of the lesion or normal tissue is detected as an abnormal shadow.
  • Patent Document 2 Since the entire image is processed for each pixel using the selected abnormal shadow candidate detection algorithm, a plurality of unnecessary abnormal shadow compensation detections are unnecessary. Compared to the case of using an algorithm, the processing time can be shortened. It still takes a long time to search the entire image, and there is a problem in that a region of the lesion or normal tissue is detected as an abnormal shadow.
  • Patent Document 2 In Patent Document 2,
  • the present invention has been made in view of such a situation, and the number of false positives at the time of abnormal shadow candidate detection is suppressed to improve detection accuracy, and the processing time at the time of abnormal shadow candidate detection is shortened. It is to plan.
  • the abnormal shadow candidate detection method of the invention described in claim 1 includes:
  • the medical image processed in the first smoothing process step is subjected to the second smoothing process.
  • a second smoothing process for applying a second smoothing process using a filter
  • a detection target region of an abnormal shadow candidate having a size of a lesion to be detected is determined.
  • the invention described in claim 2 is the invention described in claim 1, further comprising a reducing step of reducing the input medical image
  • the first smoothing process is performed on the reduced medical image! /
  • the input medical image also has a pixel value indicating density
  • the first smoothing process step uses the first smoothing filter, and is smaller than the abnormal shadow candidate region to be detected in the abnormal shadow candidate detection step in the input medical image and compared with the surrounding area. Smooth the low concentration area,
  • the second smoothing process step has a size of the abnormal shadow candidate region to be detected in the medical image subjected to the first smoothing process using the second smoothing filter. , And smooth the low concentration area compared to the surrounding area,
  • the abnormal shadow is obtained by taking a difference between pixel values of corresponding pixels of the medical image subjected to the second smoothing process and the medical image subjected to the first smoothing process. It is characterized by extracting candidate detection target areas.
  • the abnormal shadow to be detected is a tumor shadow.
  • the abnormal shadow candidate detection device of the invention described in claim 5 is,
  • a first smoothing process is performed on the input medical image using a first smoothing filter.
  • Smoothing processing means
  • Second smoothing processing means for applying a second smoothing process to the medical image processed by the first smoothing processing means using a second smoothing filter
  • Extracting means for extracting Based on the medical image that has been subjected to the first smoothing process and the medical image that has been subjected to the second smoothing process, a detection target region of an abnormal shadow candidate having a size of a lesion to be detected is determined. Extracting means for extracting;
  • Abnormal shadow candidate detection means for detecting the abnormal shadow candidate for the extracted detection target region in the input medical image
  • the invention described in claim 6 is the invention described in claim 5, further comprising a reduction means for reducing the input medical image,
  • the first smoothing processing means performs the first smoothing process on the reduced medical image! /
  • the input medical image also has a pixel value indicating density
  • the first smoothing processing means uses the first smoothing filter, and is smaller than the abnormal shadow candidate region to be detected by the abnormal shadow candidate detection means in the input medical image and compared with the surrounding area. Smooth the low concentration area,
  • the second smoothing processing means has the size of the abnormal shadow candidate region to be detected in the medical image that has been subjected to the first smoothing process using the second smoothing filter. , And smooth the low concentration area compared to the surrounding area,
  • the extracting means obtains the abnormal shadow by taking a difference between pixel values of corresponding pixels of the medical image subjected to the second smoothing process and the medical image subjected to the first smoothing process. It is characterized by extracting candidate detection target areas.
  • the abnormal shadow to be detected is a tumor shadow.
  • the abnormal shadow candidate detection method of the invention according to claim 9 includes:
  • Input medical image force A filter setting step for setting a first smooth filter and a second smooth filter corresponding to the size of a lesion to be detected;
  • an abnormal shadow candidate detection target region having the size of the lesion to be detected is extracted from the input medical image.
  • the invention described in claim 10 includes the input step of inputting the size of the lesion to be detected in the invention described in claim 9,
  • the filter setting step is characterized in that the first smooth filter and the second smooth filter corresponding to the size of the input lesion are set.
  • the extraction step is characterized in that a detection target region of an abnormal shadow candidate having a size of a lesion to be detected is extracted using the reduced medical image.
  • the invention according to claim 12 is the invention according to any one of claims 9 to 11,
  • the input medical image also has a pixel value indicating density
  • the first smoothing filter has a mask size corresponding to a minimum size of the lesion to be detected
  • the second smoothing filter has a mask size corresponding to a maximum size of the lesion to be detected
  • the first smoothing filter is used to smooth a region that is smaller than the lesion area to be detected in the input medical image and has a lower density than the surrounding area.
  • a second image is generated using the second smoothing filter.
  • the second smooth image is generated by smoothing a region having a size of the lesion to be detected and having a lower density than the surrounding area, and the first smoothing is performed.
  • the detection target region of the abnormal shadow candidate is extracted by taking a difference between pixel values of corresponding pixels of the image and the second smoothed image.
  • the abnormal shadow to be detected is a tumor shadow.
  • the abnormal shadow candidate detection device of the invention according to claim 14 is,
  • Input medical image force Filter setting means for setting a first smoothing filter and a second smoothing filter corresponding to the size of a lesion to be detected
  • an abnormal shadow candidate detection target region having the size of the lesion to be detected is extracted from the input medical image. Extraction means;
  • Abnormal shadow candidate detecting means for detecting an abnormal shadow candidate for the extracted detection target region in the input medical image
  • the invention of claim 15 is the invention of claim 14, further comprising an input means for inputting the size of the lesion to be detected.
  • the filter setting means sets the first smooth filter and the second smooth filter corresponding to the size of the input lesion.
  • the extraction means is characterized by extracting a detection target region of an abnormal shadow candidate having a size of the lesion to be detected using the reduced medical image.
  • the input medical image also has a pixel value indicating density
  • the first smoothing filter has a mask size corresponding to a minimum size of the lesion to be detected
  • the second smoothing filter has a mask size corresponding to a maximum size of the lesion to be detected
  • the extraction means uses the first smoothing filter to smooth a region that is smaller than the lesion to be detected in the input medical image and has a lower density than the surrounding area, thereby smoothing the first smoothing filter.
  • a second smoothing filter is used to generate a region having a size of the lesion to be detected in the first smoothed image and having a lower density than the surrounding region.
  • the abnormal shadow to be detected is a tumor shadow.
  • the detection target region of an abnormal shadow candidate having a size of a lesion to be detected in a medical image Therefore, the number of false positives (FP (fault positive)) at the time of abnormal shadow candidate detection can be suppressed, the detection accuracy can be improved, and at the time of abnormal shadow candidate detection. It is possible to shorten the processing time.
  • FP fault positive
  • the detection target region of the abnormal shadow candidate having the size of the lesion to be detected is extracted using the reduced medical image. It is possible to shorten the processing time.
  • the detection target region of the abnormal shadow candidate in the medical image is limited according to the size of the lesion to be detected. Therefore, the number of false positives (FP (fault positive) number) when detecting abnormal shadow candidates can be suppressed, the detection accuracy can be improved, and the processing time when detecting abnormal shadow candidates can be reduced. It becomes possible to shorten.
  • FP fault positive
  • the detection target region of the abnormal shadow candidate is extracted using the reduced medical image, so that the processing time can be shortened. It becomes possible.
  • the false positive number at the time of detecting the tumor shadow can be suppressed, the detection accuracy can be improved, and the tumor shadow detection can be performed. It becomes possible to shorten the processing time at the time of departure.
  • FIG. 1 is a diagram showing an overall configuration of a medical image system 100 according to the present invention.
  • FIG. 2 is a block diagram showing a functional configuration of the image processing apparatus 2 in FIG.
  • FIG. 3 is a flowchart showing an abnormal shadow candidate detection process according to the first embodiment, which is executed by the CPU 21 of FIG.
  • FIG. 4 is a flowchart showing the region extraction process of FIG.
  • FIG. 5 is a diagram schematically showing image data generated at each step of the region extraction processing of FIG. 4.
  • FIG. 6 is a diagram for explaining a first smooth filter.
  • FIG. 7 is a diagram for explaining a second smooth filter.
  • FIG. 8 Processing when extracting the detection target area by classifying by size by changing the mask size of the first smoothing filter and the mask size of the second smoothing filter and performing the process multiple times It is a figure which shows a procedure.
  • FIG. 9 is a flowchart showing an abnormal shadow candidate detection process according to the second embodiment, which is executed by the CPU 21 of FIG. Explanation of symbols
  • an embodiment according to claims 1 to 8 is referred to as a first embodiment
  • an embodiment according to claims 9 to 18 is a second embodiment. It is called form.
  • the case where the first embodiment and the second embodiment are common is referred to as the present embodiment.
  • FIG. 1 shows an overall configuration of medical image system 100 in the present embodiment.
  • an image generation device 1 an image processing device 2, and the like are connected to each other via a network N so that data can be transmitted and received between them.
  • the medical image system 100 stores and manages the medical image data generated by the image generation device 1 and detects abnormal shadow candidates having the size of the lesion to be detected in the image processing device 2. Connected to the monitor that displays and outputs the results and processed images, the detection results of abnormal shadow candidates with the size of the lesion to be detected in the image processing device 2, and the film output device that outputs the processed images. It is good also as a structure.
  • the network N can be applied to various line forms such as a LAN (Local Area Network), a WAN (Wide Area Network), and the Internet. If it is permitted in hospitals or other medical institutions, wireless or infrared communication may be used, but important patient information Therefore, it is preferable to encrypt the transmitted / received information.
  • LAN Local Area Network
  • WAN Wide Area Network
  • Internet Wide Area Network
  • the image generation device 1 is composed of modalities such as CR (Computed Radiography), FPD (Flat Panel Detector), CT (Computed Tomography), MRI (Magnetic Resonance Imaging), etc.
  • CR Computer Radiography
  • FPD Fluorescence Deformation
  • CT Computer Tomography
  • MRI Magnetic Resonance Imaging
  • This is a device that digitally converts a captured image and generates image data of a medical image.
  • the image generation apparatus 1 performs radiation imaging of a breast and generates image data of a breast image.
  • the image generation apparatus 1 can input or automatically generate image supplementary information (hereinafter referred to as supplementary information) for a breast image.
  • the image generation apparatus 1 outputs the accompanying data together with the generated image data of the breast image to the image processing apparatus 2 via the network N as header information of the image data.
  • the incidental information of the breast image includes, for example, the patient name of the patient, the patient, age, mammary gland volume, etc., patient information about the patient, imaging date, examination, imaging site, imaging conditions (left and right breast Imaging information such as image classification (modality type) information, and image generation device (modality type) information.
  • the image processing apparatus 2 is an abnormal shadow candidate detection apparatus that performs an abnormal shadow candidate detection process on the image data supplied from the image generation apparatus 1.
  • FIG. 2 shows a functional configuration of the image processing apparatus 2.
  • the image processing apparatus 2 includes a CPU 21, an operation unit 22, a display unit 23, a RAM 24, a storage unit 25, a communication control unit 26, and the like, and each unit is connected by a bus 27.
  • the CPU 21 reads the system program stored in the storage unit 25, develops it in a work area formed in the RAM 24, and controls each unit according to the system program. Further, the CPU 21 reads out various processing programs such as the abnormal shadow candidate detection processing program stored in the storage unit 25 and develops them in the work area, and starts the abnormal shadow candidate detection processing (see FIG. 3) described later. Various processes to be executed are executed.
  • the operation unit 22 includes a keyboard including cursor keys, numeric input keys, various function keys, and the like, and a pointing device such as a mouse, and is input by a key operation or a mouse operation on the keyboard. Output the instruction signal to CPU21.
  • the operation unit 22 may include a touch panel on the display screen of the display unit 23. In this case, the instruction signal input via the touch panel is output to the CPU 21.
  • the display unit 23 is configured by a monitor such as an LCD (Liquid Crystal Display) or a CRT.
  • a monitor such as an LCD (Liquid Crystal Display) or a CRT.
  • the image is displayed in accordance with the instruction of the display signal input from the PU 21.
  • the RAM 24 has a work area for temporarily storing various programs, input or output data, parameters, and the like that can be executed by the CPU 21 read from the storage unit 25 in various processes controlled by the CPU 21. Form.
  • the storage unit 25 is configured by an HDD (Hard Disc Drive), a nonvolatile semiconductor memory, or the like, and includes a system program executed by the CPU 21 and an abnormal shadow candidate detection processing program corresponding to the system program. Stores various programs and data. These various programs are stored in the form of readable program codes, and the CPU 21 sequentially executes operations according to the program codes.
  • HDD Hard Disc Drive
  • nonvolatile semiconductor memory or the like
  • the storage unit 25 sets the detected medical image data and abnormal shadow candidate detection data for the medical image (accompanying information (including patient information) of the medical image).
  • Information on the size of the lesion for example, the size range of the lesion to be detected, the mask sizes of the first and second smoothing filters used to extract the detection target region, etc.
  • detection results of abnormal shadow candidates in the medical image are stored in association with each other.
  • the communication control unit 26 includes a LAN adapter, a router, a TA (Terminal Adapter), and the like, and controls communication with each device connected to the network N.
  • FIG. 3 is a flowchart showing the abnormal shadow candidate detection process according to the first embodiment, which is executed by the CPU 21 of the image processing apparatus 2.
  • the CPU 21 executes the processing by software processing in cooperation with the abnormal shadow candidate detection processing program stored in the storage unit 25.
  • examples of main lesions to be diagnosed in breast images include tumor shadows, microcalcified clusters, and the like.
  • a mass shadow is a lump of a certain size, and appears as a whitish round shadow close to a Gaussian distribution on a breast image.
  • Microcalcification cluster Is displayed as a small white shadow with a substantially conical structure on the breast image. That is, on the breast image, a drop in density value is seen at the lesion.
  • the abnormal shadow candidate detection area is extracted based on the characteristics of the lesion image on the breast image, and then the abnormal shadow candidate is detected for the detection target area. is there.
  • a case where a tumor shadow is detected will be described as an example.
  • image data D of a breast image generated by shooting the breasts into the image generating apparatus 1 is input via the communication control unit 26 and stored in the work area of the RAM 24 (step Sl).
  • a region extraction process is performed on the input image data D (step S2).
  • the region extraction processing is processing for extracting a detection target region according to the size of the lesion to be detected from the entire region of the image data D.
  • FIG. 4 is a flowchart showing a region extraction process executed by the CPU 21 in step S 2 of FIG. 3, which is a flowchart for explaining the operation according to the first embodiment. Further, it is also a flowchart showing a region extraction process executed by the CPU 21 in step S24 of FIG. 9, which is a flowchart for explaining an operation according to the second embodiment described later.
  • FIG. 5 is a diagram schematically showing an image before the region extraction process of FIG. 4 and a processing result in each step of the region extraction process of the image. 5 (a) to (d), the pixel positions in one column of image data (image data D1 to D4) (FIGS. 5 (a) to (d) all indicate the same column) The axis and pixel value (density value) are shown as the vertical axis.
  • step Sl 1 reduction processing is performed on the image data D, and image data D1 having a sampling pitch of about 1.6 mm is generated (step Sl 1).
  • the sampling pitch of image data D is 100 m
  • the vertical and horizontal dimensions are reduced to 1Z16.
  • the reduction algorithm may be any method, such as averaging neighboring pixel values or thinning out at a fixed pixel interval.
  • the processing time in the subsequent processing can be shortened.
  • the same size as the lesion to be detected As shown in FIG. 5 (a), the same size as the lesion to be detected. Area with lower concentration than the surrounding area (detection target area), smaller area than the lesion to be detected and lower density than the surrounding area (micro area), larger than the lesion to be detected and lower density than the surrounding area Includes areas (areas larger than the target).
  • detection target area Area with lower concentration than the surrounding area
  • micro area smaller area than the lesion to be detected and lower density than the surrounding area
  • a low-density area having the same size as the lesion to be detected is extracted as the detection target area.
  • the first smoothing process is performed on the reduced image data D1 to generate the image data D2 (step S12). ).
  • image data D2 is generated by applying a first smoothing filter (see Fig. 6) having a mask size of 3 X 3 to image data D1.
  • the first smoothing filter sets a square area (mask) centered on the pixel of interest in the image data D1, arranges the pixel values in the mask in order of magnitude, and uses the median as the pixel value of the pixel of interest. It is a median filter.
  • the pixel values of regions 1 to 9 shown in Fig. 6 are arranged in descending order, and the median value is used as the pixel value of region 5. This is repeated for every pixel in the image data D1 by shifting the mask position pixel by pixel.
  • Fig. 5 (b) a very small area up to about 4.8 mm (1.6 mm x 3) in width and width is smoothed.
  • image data D3 is generated by applying a second smoothing filter having a mask size of 7 ⁇ 7 to image data D2.
  • This second smoothing filter includes a maximum value filter having the maximum value among the pixel values in the mask size as the value of the target pixel in the center, and a minimum value among the pixel values in the mask size in the center. Pixel value with a size of about the mask size by applying the minimum value filter to the image data D2 and then applying the minimum value filter to the image data D2. It fills in the depression.
  • the mass shadow has the characteristic that the X-ray transmission density drops toward the center of the mass shadow, and it is almost the same as the mass shadow to be detected for the image data D2 by the second smoothing process.
  • the principle of the second smoothing filter will be described by taking a one-dimensional data string as an example.
  • the horizontal axis indicates the pixel position in the one-dimensional data string
  • the vertical axis indicates the pixel value (density value) in the one-dimensional data string.
  • L1 in FIG. 7 is a data string of the original image.
  • the pixel of interest located in the order of the pixel power is set as the target pixel
  • a maximum value filter of mask size 1 X horizontal 7 is set with the target pixel in the center
  • the maximum value within the mask range is set as the target pixel. Value.
  • the data string shown in L2 in Fig. 7 can be obtained.
  • Input this data string indicated by L2 set the pixel of interest in the order of the pixel power located on the left, set a minimum value filter of mask size length IX width 7 with the target pixel at the center, and pay attention to the minimum value within the mask range.
  • the pixel value of the pixel As a result, as shown by L3 in FIG. 7, it is possible to obtain a data string in which the drop in density value of the original data string L1 is smoothed.
  • a difference image generation process is executed, and the pixel values at the same pixel positions of the image data D3 shown in Fig. 5 (c) and the image data D2 shown in Fig. 5 (b).
  • the difference image (image data D4) shown in FIG. 5 (d) is generated by taking the difference (step S14). Then, the image data D4 is subjected to threshold processing with a preset threshold, and only data having pixel values exceeding the threshold is extracted (step S15), and has the same size as the abnormal shadow candidate region to be detected. Image data D5 in the low density area is generated.
  • the minimum size of the detection target region to be extracted is determined by the mask size and sampling pitch of the first smooth filter, and the mask of the second smooth filter is determined.
  • the maximum size of the detection target area to be extracted is determined by the size and sampling pitch. That is, V used in the first smoothing process in step S12 in FIG. 4, the mask size of the first smoothing filter, and the second smoothing process used in the second smoothing process in step S13 in FIG. ⁇ Abnormal shadow by changing the filter mask size It is possible to change the size of a region that is a candidate for detection.
  • the mask size of the first smoothing filter used in the first smoothing process in step S12 in FIG. 4 and the second smoothing process in step S13 in FIG. By performing the processing a plurality of times by changing the mask size of the second smoothing filter used in the above, it is possible to extract the detection target region by classifying by size.
  • the image data D2 is generated by using the first smoothing filter having the mask size 3 ⁇ 3, and the second data having the mask size 7 ⁇ 7 is generated on the image data D2.
  • the smoothing filter of the image data D3 is generated, the difference between the image data D3 and the image data D2 is taken, and the threshold processing is performed.
  • the image data D2 is further subjected to a first smoothing filter having a mask size of 7 ⁇ 7 to generate image data, and the second smoothing of the mask size of 11 ⁇ 11 is applied to the image data ⁇ 2 ⁇ .
  • Image data is generated by filtering, the difference between the image data and the image data is taken, and threshold processing is performed to make 15mn!
  • a detection target area of about 30 mm can be extracted. In this way, it is possible to extract a detection target region of about 5 mm to 15 mm and a detection target region of about 15 mm to 3 Omm, respectively.
  • the tumor shadow is substantially circular, the region extracted by the same process in the vertical and horizontal directions can be easily associated with the tumor shadow! / ⁇ . Is particularly preferred.
  • a mass shadow in a radiographic image of a breast generally has a lower density value than the surrounding image part, and the distribution of the density value is a density according to the direction from an approximately circular periphery to the center. It has a gradient of density value in which the value becomes lower. Therefore, in the shadow of the mass, a local concentration value gradient is observed, and the gradient line is concentrated toward the center of the mass.
  • the iris filter calculates the gradient of the image signal typified by this density value as a gradient vector, and outputs the concentration of the gradient vector. Based on this concentration and other feature quantities, the shadow of the tumor is calculated. The candidate area is detected.
  • an arbitrary pixel of interest is set in a detection target region of an abnormal shadow candidate in image data D (an image region extracted as image data D5).
  • an image feature amount is calculated at the set target pixel.
  • a feature amount such as a concentration component of a density gradient direction component and intensity component around a target pixel (for example, a region within a predetermined mask size) is obtained.
  • feature quantities such as contrast, standard deviation, and fractal dimension around the target pixel are obtained.
  • various feature quantities are calculated, they are compared with the threshold values for detecting abnormal shadow candidates set in advance for each feature quantity. Based on the comparison results, the area around the target pixel is abnormally shaded. It is determined whether there is a high possibility. When it is determined that there is a high possibility of an abnormal shadow, the area around the target pixel is detected as a candidate area for the abnormal shadow. Attention pixels are set in all detection target areas, and detection of abnormal shadow candidates is repeated.
  • each pixel in the detection target area is searched for as a target pixel, and whether or not the surrounding area is likely to be an abnormal shadow is determined. Determined.
  • step S4 the process proceeds to step S4 in FIG. 3, and the abnormal shadow candidate detection result is displayed on the display unit 23 (step S4).
  • a breast image based on the image data D is displayed on the display unit 23, and a candidate area detected as an abnormal shadow candidate is indicated by an arrow (annotation) or displayed in color on the breast image. Equally identified. Further, the feature amount in the abnormal shadow candidate may be output.
  • the data of the medical image that has been taken and the abnormal shadow candidate detection data (the supplementary information of the medical image, the information about the size of the tumor shadow that was detected in the medical image) Information, information on detection results of abnormal shadow candidates in the medical image, etc.) are associated and stored in the storage unit 25 (step S5), and this process ends.
  • the image data D 1 of the original image is reduced to generate the image data D 1, and the first A smooth filter is applied to generate image data D2 in which a minute low-density region is smoothed, and the second smooth filter is applied to image data D2 to detect the abnormal shadow candidate region to be detected.
  • the image data D3 having a small size and smoothed low density region is generated, and the difference image data D4 is generated by taking the difference between the pixel values at the same pixel position of the image data D3 and the image data D2.
  • the image data D5 of the low density region having the size of the detection target is extracted. Then, abnormal shadow candidates are detected for the region extracted from the image data D5.
  • the search area for detecting abnormal shadow candidates in the breast image generated by the image generation apparatus 1 is limited according to the size of the abnormal shadow candidate to be detected, and therefore corresponds to the abnormal shadow candidate to be detected.
  • Low density areas other than the size to be detected for example, small areas such as noise and larger normal tissue areas can be excluded from the search target in advance, and abnormal shadow candidate detection processing is performed on the entire breast image as in the past. Compared to the case where it is performed, the number of false positives can be suppressed and the processing time can be remarkably shortened.
  • the detection target area to be extracted is changed according to the size of the abnormal shadow candidate area to be detected. Is possible.
  • FIG. 9 is a flowchart showing an abnormal shadow candidate detection process according to the second embodiment, which is executed by the CPU 21 of the image processing apparatus 2.
  • image data D of a breast image generated by taking a picture of a breast! / With the image generation apparatus 1 is input via the communication control unit 26 and stored in the work area of the RAM 24 (step S1). S21).
  • an input screen for inputting the range of the size of the lesion to be detected is displayed on the display unit 23, and the force on the input screen is also input via the operation unit 22 to detect the lesion. Is input (step S22; input means).
  • step S2 the size range corresponding to the stage of the disease state progression is displayed on the input screen, and the operator selects and inputs the size corresponding to the stage of the disease state progression of the imaged patient. Moyo! Therefore, the operator may input an upper limit value and a lower limit value of the range of the size of the lesion to be detected.
  • a size range (5 to 15 mm, 15 mm to 30 mm) according to the stage of the disease state is displayed on the input screen, and the size according to the stage of the disease state of the patient photographed by the operator is displayed. This will be described as selecting a range.
  • the storage unit 25 is searched and abnormal shadow candidate detection data for the same patient is stored. If it is not stored, that is, if it has been diagnosed by detecting abnormal shadow candidates in the breast image until now (if it is the first visit), the above input screen display is displayed. Instead of this, the image processing device 2 may automatically select a size range corresponding to the initial stage.
  • Step S23 filter setting means
  • the first smoothing filter and the second smoothing filter are used in the region extraction processing described later, and are extracted based on the mask size of the first smoothing filter and the sampling pitch of the image data.
  • the minimum size of the detection target region is determined, and the maximum size of the detection target region to be extracted is determined by the mask size of the second smoothing filter and the sampling pitch of the image data. Therefore, the first smoothing filter is set so that the mask size corresponds to the minimum size (lower limit) of the lesion to be detected, and the second smoothing filter detects the mask size.
  • a value corresponding to the maximum size (upper limit) of the lesion to be processed is set.
  • the first smoothing filter mask size 3 (pixel) X 3 ( Pixel) and 7 X 7 are prepared in advance, and if 5 to 15 mm is selected and input as the range of the size of the lesion to be detected, the first smoothing filter with mask size 3 X 3 is set. When 15mm to 30mm is selected and input, the first smoothing filter with mask size 7 X 7 is set and the first smoothing process is performed. As the second smoothing filter, mask sizes 7 X 7 and 11 XII are prepared in advance.
  • the mask size 7 X When 5 to 15 mm is selected and inputted as the range of the size of the lesion to be detected, the mask size 7 X When the first smoothing filter of 7 is set and 15 mm to 30 mm is selected and input, the first smoothing filter of mask size 11 XII is set and the second smoothing process is performed.
  • region extraction processing is performed on the image data D using the first smoothing filter and the second smoothing filter set in step S23 (step S24; extraction means).
  • the region extraction processing is processing for extracting a detection target region according to the size of the lesion to be detected from the entire region of the image data D.
  • the region extraction process is the same as that described in the first embodiment.
  • an abnormal shadow candidate is detected for the detection target region of the image data D5 extracted from the image data D (step S25; abnormal shadow candidate detection means).
  • An algorithm for detecting an abnormal shadow candidate is the same as that in the first embodiment.
  • step S26 the process proceeds to step S26 in FIG. 9, and the abnormal shadow candidate detection result is displayed on the display unit 23 (step S26).
  • a breast image based on the image data D is displayed on the display unit 23, and a candidate area detected as an abnormal shadow candidate is indicated by an arrow (annotation) or displayed in color on the breast image. Is displayed. Further, the feature amount in the abnormal shadow candidate may be output.
  • the data of the medical image that has been taken and the abnormal shadow candidate detection data (the accompanying information of the medical image, the information about the size of the tumor shadow that is the detection target in the medical image, the abnormal shadow candidate of the medical image)
  • the detection result information and the like are associated with each other and stored in the storage unit 25 (step S27), and this process ends.
  • the first smoothing filter and the second smoothing filter corresponding to the size of the lesion to be detected are set.
  • Original The image data D of the image is reduced to generate the image data Dl, and the first smoothing process is performed on the image data D1 using the first smoothing filter corresponding to the size of the lesion to be detected.
  • image data D2 in which a minute low density region is smoothed, and a second smoothing filter corresponding to the size of the lesion to be detected is applied to the image data D2.
  • image data D3 in which the low-density area having the same size as the upper limit of the lesion to be detected is smoothed, and the pixel value at the same pixel position in image data D3 and image data D2
  • the difference image data D4 is generated by taking the difference, and the image data D5 of the low density region having the size of the detection target is extracted by thresholding the image data D4. Then, abnormal shadow candidates are detected for the region extracted from the image data D5.
  • the search area for detecting abnormal shadow candidates in the breast image generated by the image generating apparatus 1 is limited according to the size of the lesion to be detected, and therefore corresponds to the abnormal shadow candidate to be detected.
  • Low-density areas other than the size to be detected for example, areas of minute areas such as noise and areas of larger normal tissues can be removed in advance, and abnormal shadow candidates can be detected for the entire breast image as before.
  • the number of false positives can be suppressed, and the processing time can be remarkably shortened.
  • by repeatedly executing the processing of steps S12 to S15 in FIG. 4 while changing the mask size it is possible to classify and extract the detection target regions according to the size of the abnormal shadow candidate region to be detected. Therefore, it is possible to detect abnormal shadow candidates using a plurality of detection models.
  • the present invention may be applied when detecting a microcalcification cluster shadow, or a medical image obtained by imaging other regions.
  • the image force can also be applied when detecting an abnormal shadow at the site.
  • the present invention can be applied to CT images, ultrasound images, and MRI images that are not breast radiation images.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Image Processing (AREA)

Abstract

　異常陰影候補検出時の偽陽性数を抑制し検出精度を向上させるとともに、異常陰影候補検出時の処理時間の短縮を図る。 本発明に係る画像処理装置によれば、原画像の画像データＤを縮小して画像データＤ１を生成し、画像データＤ１に対し第１の平滑化フィルタをかけて微小な低濃度領域が平滑化された画像データＤ２を生成し、画像データＤ２に第２の平滑化フィルタをかけて検出すべき異常陰影候補領域と同程度の大きさをもつ、低濃度領域が平滑化された画像データＤ３を生成し、画像データＤ３と画像データＤ２の同一画素位置の画素値の差分をとることにより差分画像データＤ４を生成し、この画像データＤ４を閾値処理することにより検出対象の大きさをもつ低濃度領域の画像データＤ５を抽出する。そして、画像データＤ５で抽出された領域に対して異常陰影候補の検出を行う。

Description

明 細 書
異常陰影候補検出方法、異常陰影候補検出装置
技術分野
[0001] 本発明は、医用画像から異常陰影候補を検出する異常陰影候補検出方法及び異 常陰影候補検出装置に関する。
背景技術
[0002] 医療の分野にぉ 、ては、医用画像のデジタル化が実現され、 CR (Computed Radio graphy)装置等により生成された医用画像データをモニタに表示し、このモニタに表 示された医用画像を医師が読影して、病変部の状態や経時変化を観察して診断を 行っている。
[0003] 従来、このような医師の読影に対する負担軽減を目的として、上記医用画像データ を画像処理することにより、画像上に現れた病変部の陰影を異常陰影候補として自 動的に検出するコンピュータ診断支援装置（Computer-Aided Diagnosis ;以下、 CA Dという。 )と呼ばれる異常陰影候補検出装置が開発されている。
[0004] 病変部の陰影は、特徴的な濃度分布を有することが多ぐ CADは、このような濃度 特性に基づいて病変部と推測される画像領域を異常陰影候補領域として検出するも のである。
[0005] 上記 CADでは、検出目的とする病変の種類に応じて様々な検出アルゴリズムが開 発されており、腫瘤陰影の検出に最適なアルゴリズムとしてはアイリスフィルタを用い た手法等が提案されている。また、微小石灰化クラスタ陰影の検出に最適なアルゴリ ズムとしてはモルフォルジーフィルタを用いた手法等が提案されて 、る。
[0006] ところで、異常陰影候補の検出は、画像全体を 1画素ごとに演算処理するため非常 に時間が力かるという問題があった。また、病変部でないノイズや正常組織の領域を 異常陰影として検出してしまうといった問題があった。
[0007] そこで、例えば、特許文献 1にお 、ては、同一撮影部位に複数種類の異常陰影検 出目的が存在する場合、検出目的に応じて異常陰影候補検出アルゴリズムを 1つ若 しくは複数選択するアルゴリズム選択手段を備え、医師が必要とするアルゴリズムの みを選択できるようにすることで、処理時間を短縮する技術が記載されている。また、 特許文献 2においては、医師が異常陰影候補の存在領域についてある程度の予測 がある場合や、過去に取得された画像等他の画像において異常陰影候補が検出さ れて 、た場合等に、その領域のみを指定して異常陰影候補検出アルゴリズムをかけ る技術が記載されている。
特許文献 1 :特開 2002— 112986号公報
特許文献 2：特開 2001— 346787号公報
発明の開示
発明が解決しょうとする課題
[0008] し力しながら、特許文献 1にお 、ては、選択された異常陰影候補検出アルゴリズム を用いて画像全体を 1画素ごとに演算処理するので、複数の必要のない異常陰影候 補検出アルゴリズムを用いる場合に比べれば処理時間は短縮できる力 依然として 画像全体を探索するため処理時間がかかり、病変部でな!ゾィズや正常組織の領域 を異常陰影として検出してしまうといった問題があった。また、特許文献 2においては
、医師が予測する領域以外、或いは過去に検出された領域以外の領域に異常陰影 力あつたとしても検出されないという問題があった。また、指定された領域内では 1画 素ごとに演算処理するので、探索領域を限定しても、病変部でないノイズや正常組 織の領域を異常陰影として検出してしまう可能性があった。更に、異常陰影候補を大 きさ別に分類して検出することはできな力つた。
[0009] 本発明はこのような状況に鑑みてなされたものであり、異常陰影候補検出時の偽陽 性数を抑制し検出精度を向上させるとともに、異常陰影候補検出時の処理時間の短 縮を図ることである。
課題を解決するための手段
[0010] 上記課題を解決するため、請求の範囲第 1項に記載の発明の異常陰影候補検出 方法は、
入力された医用画像に第 1の平滑ィ匕フィルタを用いて第 1の平滑ィ匕処理を施す第 1 の平滑化処理工程と、
前記第 1の平滑化処理工程において処理が施された医用画像に第 2の平滑化フィ ルタを用いて第 2の平滑ィヒ処理を施す第 2の平滑ィヒ処理工程と、
前記第 1の平滑化処理が施された医用画像及び前記第 2の平滑化処理が施され た医用画像に基づいて、検出すべき病変部の大きさをもつ異常陰影候補の検出対 象領域を抽出する抽出工程と、
前記入力された医用画像における前記抽出された検出対象領域に対し、前記異 常陰影候補の検出を行う異常陰影候補検出工程と、
を含むことを特徴として 、る。
[0011] 請求の範囲第 2項に記載の発明は、請求の範囲第 1項に記載の発明において、 前記入力された医用画像を縮小する縮小工程を含み、
前記第 1の平滑化処理工程において、前記縮小された医用画像に前記第 1の平滑 化処理を施すことを特徴として！/、る。
[0012] 請求の範囲第 3項に記載の発明は、請求の範囲第 1項又は第 2項に記載の発明に おいて、
前記入力された医用画像は、濃度を示す画素値力もなり、
前記第 1の平滑化処理工程は、前記第 1の平滑化フィルタを用いて、前記入力され た医用画像において前記異常陰影候補検出工程で検出すべき異常陰影候補領域 より小さぐかつ周囲に比べて低濃度の領域を平滑化し、
前記第 2の平滑化処理工程は、前記第 2の平滑化フィルタを用いて、前記第 1の平 滑ィ匕処理が施された医用画像において前記検出すべき異常陰影候補領域の大きさ をもち、かつ周囲に比べて低濃度の領域を平滑ィ匕し、
前記抽出工程は、前記第 2の平滑化処理が施された医用画像と前記第 1の平滑化 処理が施された医用画像の対応する画素の画素値の差分をとることにより、前記異 常陰影候補の検出対象領域を抽出することを特徴としている。
[0013] 請求の範囲第 4項に記載の発明は、請求の範囲第 1項〜第 3項の何れか一項に記 載の発明において、
前記検出すべき異常陰影は腫瘤陰影であることを特徴としている。
[0014] 請求の範囲第 5項に記載の発明の異常陰影候補検出装置は、
入力された医用画像に第 1の平滑ィ匕フィルタを用いて第 1の平滑ィ匕処理を施す第 1 の平滑化処理手段と、
前記第 1の平滑化処理手段において処理が施された医用画像に第 2の平滑化フィ ルタを用いて第 2の平滑化処理を施す第 2の平滑化処理手段と、
前記第 1の平滑化処理が施された医用画像及び前記第 2の平滑化処理が施され た医用画像に基づいて、検出すべき病変部の大きさをもつ異常陰影候補の検出対 象領域を抽出する抽出手段と、
前記入力された医用画像における前記抽出された検出対象領域に対し、前記異 常陰影候補の検出を行う異常陰影候補検出手段と、
を備えたことを特徴として！/ヽる。
[0015] 請求の範囲第 6項に記載の発明は、請求の範囲第 5項に記載の発明において、 前記入力された医用画像を縮小する縮小手段を備え、
前記第 1の平滑化処理手段において、前記縮小された医用画像に前記第 1の平滑 化処理を施すことを特徴として！/、る。
[0016] 請求の範囲第 7項に記載の発明は、請求の範囲第 5項又は第 6項に記載の発明に おいて、
前記入力された医用画像は、濃度を示す画素値力もなり、
前記第 1の平滑化処理手段は、前記第 1の平滑化フィルタを用いて、前記入力され た医用画像において前記異常陰影候補検出手段で検出すべき異常陰影候補領域 より小さぐかつ周囲に比べて低濃度の領域を平滑化し、
前記第 2の平滑化処理手段は、前記第 2の平滑化フィルタを用いて、前記第 1の平 滑ィ匕処理が施された医用画像において前記検出すべき異常陰影候補領域の大きさ をもち、かつ周囲に比べて低濃度の領域を平滑ィ匕し、
前記抽出手段は、前記第 2の平滑化処理が施された医用画像と前記第 1の平滑化 処理が施された医用画像の対応する画素の画素値の差分をとることにより、前記異 常陰影候補の検出対象領域を抽出することを特徴としている。
[0017] 請求の範囲第 8項に記載の発明は、請求の範囲第 5項〜第 7項の何れか一項に記 載の発明において、
前記検出すべき異常陰影は腫瘤陰影であることを特徴としている。 [0018] 請求の範囲第 9項に記載の発明の異常陰影候補検出方法は、
入力された医用画像力 検出すべき病変部の大きさに対応する第 1の平滑ィ匕フィ ルタ及び第 2の平滑ィヒフィルタを設定するフィルタ設定工程と、
前記設定された第 1の平滑化フィルタ及び第 2の平滑化フィルタを用いて、前記入 力された医用画像から前記検出すべき病変部の大きさをもつ異常陰影候補の検出 対象領域を抽出する抽出工程と、
前記入力された医用画像における前記抽出された検出対象領域に対し、前記異 常陰影候補の検出を行う異常陰影候補検出工程と、
を含むことを特徴として 、る。
[0019] 請求の範囲第 10項に記載の発明は、請求の範囲第 9項に記載の発明において、 前記検出すべき病変部の大きさを入力する入力工程を含み、
前記フィルタ設定工程は、この入力された病変部の大きさに対応する前記第 1の平 滑ィ匕フィルタ及び前記第 2の平滑ィ匕フィルタを設定することを特徴としている。
[0020] 請求の範囲第 11項に記載の発明は、請求の範囲第 9項又は第 10項に記載の発 明において、
前記入力された医用画像を縮小する縮小工程を含み、
前記抽出工程は、前記縮小された医用画像を用いて前記検出すべき病変部の大 きさの異常陰影候補の検出対象領域を抽出することを特徴としている。
[0021] 請求の範囲第 12項に記載の発明は、請求の範囲第 9項〜第 11項の何れか一項 に記載の発明において、
前記入力された医用画像は、濃度を示す画素値力もなり、
前記第 1の平滑化フィルタは、そのマスクサイズが前記検出すべき病変部の最小の 大きさに対応するものであり、
前記第 2の平滑化フィルタは、そのマスクサイズが前記検出すべき病変部の最大の 大きさに対応するものであり、
前記抽出工程は、前記第 1の平滑化フィルタを用いて、前記入力された医用画像 において前記検出すべき病変部より小さぐかつ周囲に比べて低濃度の領域を平滑 化することにより第 1平滑化画像を生成し、前記第 2の平滑化フィルタを用いて、前記 第 1平滑ィ匕画像において前記検出すべき病変部の大きさをもち、かつ周囲に比べて 低濃度の領域を平滑ィ匕することにより第 2平滑ィ匕画像を生成し、前記第 1平滑化画 像と前記第 2平滑ィヒ画像の対応する画素の画素値の差分をとることにより、前記異常 陰影候補の検出対象領域を抽出することを特徴としている。
[0022] 請求の範囲第 13項に記載の発明は、請求の範囲第 9項〜第 12項の何れか一項 に記載の発明において、
前記検出すべき異常陰影は腫瘤陰影であることを特徴としている。
[0023] 請求の範囲第 14項に記載の発明の異常陰影候補検出装置は、
入力された医用画像力 検出すべき病変部の大きさに対応する第 1の平滑ィ匕フィ ルタ及び第 2の平滑化フィルタを設定するフィルタ設定手段と、
前記設定された第 1の平滑化フィルタ及び第 2の平滑化フィルタを用いて、前記入 力された医用画像から前記検出すべき病変部の大きさをもつ異常陰影候補の検出 対象領域を抽出する抽出手段と、
前記入力された医用画像における前記抽出された検出対象領域に対し、異常陰 影候補の検出を行う異常陰影候補検出手段と、
を備えたことを特徴として！/ヽる。
[0024] 請求の範囲第 15項に記載の発明は、請求の範囲第 14項に記載の発明において、 前記検出すべき病変部の大きさを入力する入力手段を備え、
前記フィルタ設定手段は、この入力された病変部の大きさに対応する前記第 1の平 滑ィ匕フィルタ及び前記第 2の平滑ィ匕フィルタを設定することを特徴としている。
[0025] 請求の範囲第 16項に記載の発明は、請求の範囲第 14項又は 15に記載の発明に おいて、
前記入力された医用画像を縮小する縮小手段を備え、
前記抽出手段は、前記縮小された医用画像を用いて前記検出すべき病変部の大 きさの異常陰影候補の検出対象領域を抽出することを特徴としている。
[0026] 請求の範囲第 17項に記載の発明は、請求の範囲第 14項〜第 16項の何れかに記 載の発明において、
前記入力された医用画像は、濃度を示す画素値力もなり、 前記第 1の平滑化フィルタは、そのマスクサイズが前記検出すべき病変部の最小の 大きさに対応するものであり、
前記第 2の平滑化フィルタは、そのマスクサイズが前記検出すべき病変部の最大の 大きさに対応するものであり、
前記抽出手段は、前記第 1の平滑化フィルタを用いて、前記入力された医用画像 において前記検出すべき病変部より小さぐかつ周囲に比べて低濃度の領域を平滑 化することにより第 1平滑化画像を生成し、前記第 2の平滑化フィルタを用いて、前記 第 1平滑ィ匕画像において前記検出すべき病変部の大きさをもち、かつ周囲に比べて 低濃度の領域を平滑ィ匕することにより第 2平滑ィ匕画像を生成し、前記第 1平滑化画 像と前記第 2平滑ィヒ画像の対応する画素の画素値の差分をとることにより、前記異常 陰影候補の検出対象領域を抽出することを特徴としている。
[0027] 請求の範囲第 18項に記載の発明は、請求の範囲第 14項〜第 17項の何れか一項 に記載の発明において、
前記検出すべき異常陰影は腫瘤陰影であることを特徴としている。
発明の効果
[0028] 請求の範囲第 1項、第 3項、第 5項及び第 7項に記載の発明によれば、医用画像に おける検出すべき病変部の大きさをもつ異常陰影候補の検出対象領域を限定するこ とができるので、異常陰影候補検出時の偽陽性数 (FP (fault Positive)数)を抑制す ることができ、検出精度を向上させることができるとともに、異常陰影候補検出時の処 理時間の短縮を図ることが可能となる。
[0029] 請求の範囲第 2項及び第 6項に記載の発明によれば、縮小した医用画像を用いて 検出すべき病変部の大きさをもつ異常陰影候補の検出対象領域の抽出を行うので、 処理時間の短縮ィ匕を図ることが可能となる。
[0030] 請求の範囲第 4項及び第 8項に記載の発明によれば、腫瘤陰影検出時の偽陽性 数を抑制することができ、検出精度を向上させることができるとともに、腫瘤陰影検出 時の処理時間の短縮を図ることが可能となる。
請求の範囲第 9項、第 12項、第 14項及び第 17項に記載の発明によれば、医用画像 における異常陰影候補の検出対象領域を、検出すべき病変部の大きさに応じて限 定することができるので、異常陰影候補検出時の偽陽性数 (FP (fault Positive)数)を 抑制することができ、検出精度を向上させることができるとともに、異常陰影候補検出 時の処理時間の短縮を図ることが可能となる。
[0031] 請求の範囲第 10項及び第 15項に記載の発明によれば、医用画像力も検出すべき 病変部の大きさを操作者が指定することが可能となる。
[0032] 請求の範囲第 11項及び第 16項に記載の発明によれば、縮小した医用画像を用い て異常陰影候補の検出対象領域の抽出を行うので、処理時間の短縮化を図ることが 可能となる。
[0033] 請求の範囲第 13項及び第 18項に記載の発明によれば、腫瘤陰影検出時の偽陽 性数を抑制することができ、検出精度を向上させることができるとともに、腫瘤陰影検 出時の処理時間の短縮を図ることが可能となる。
図面の簡単な説明
[0034] [図 1]本発明に係る医用画像システム 100の全体構成を示す図である。
[図 2]図 1の画像処理装置 2の機能的構成を示すブロック図である。
[図 3]図 2の CPU21により実行される第 1実施形態に係る異常陰影候補検出処理を 示すフローチャートである。
[図 4]図 3の領域抽出処理を示すフローチャートである。
[図 5]図 4の領域抽出処理の各ステップで生成される画像データを模式的に示す図 である。
[図 6]第 1の平滑ィ匕フィルタを説明するための図である。
[図 7]第 2の平滑ィ匕フィルタを説明するための図である。
[図 8]第 1の平滑化フィルタのマスクサイズ及び第 2の平滑化フィルタのマスクサイズを 変更して複数回処理を行うことにより、大きさ別に分類して検出対象領域を抽出する 場合の処理手順を示す図である。
[図 9]図 2の CPU21により実行される第 2実施形態に係る異常陰影候補検出処理を 示すフローチャートである。 符号の説明
[0035] 100 乳房画像生成システム 1 画像生成装置
2 画像処理装置
21 CPU
22 操作部
23 表示部
24 RAM
25 記憶部
26 通信制御部
27 バス
発明を実施するための最良の形態
[0036] 以下の説明では、請求の範囲第 1項〜第 8項に係る実施の形態を第 1実施形態と いい、請求の範囲第 9項〜第 18項に係る実施の形態を第 2実施形態という。また、第 1実施形態と第 2実施形態で共通の場合は、本実施の形態という。
まず、図 1及び図 2を参照して、本実施の形態の構成について説明する。
[0037] 図 1に、本実施の形態における医用画像システム 100の全体構成を示す。図 1に示 すように、医用画像システム 100は、画像生成装置 1、画像処理装置 2等がネットヮー ク Nを介して、相互にデータ送受信可能なように接続されている。
[0038] なお、本実施の形態では、画像生成装置 1と画像処理装置 2とがネットワーク接続さ れた例を説明するが、これに限らず、直接有線接続されたシステム構成であってもよ い。また、各装置の台数及び設置場所は特に限定されない。更に、医用画像システ ム 100には、画像生成装置 1で生成された医用画像の画像データを保存、管理する サーバ、画像処理装置 2における検出すべき病変部の大きさをもつ異常陰影候補の 検出結果及び処理済み画像の表示出力を行うモニタ、画像処理装置 2における検 出すべき病変部の大きさをもつ異常陰影候補の検出結果及び処理済み画像のフィ ルム出力を行うフィルム出力装置等が接続された構成としてもよい。
[0039] ネットワーク Nは、 LAN (Local Area Network)や WAN (Wide Area Network)、イン ターネット等の様々な回線形態を適用可能である。なお、病院等の医療機関内で許 可されるのであれば、無線通信や赤外線通信であってもよいが、重要な患者情報を 含むため、送受信される情報は暗号ィ匕することが好ましい。
[0040] 画像生成装置 1は、例えば、 CR (Computed Radiography)、 FPD (Flat Panel Detec tor)、 CT (Computed Tomography)、 MRI (Magnetic Resonance Imaging)等のモダリ ティから構成され、人体を撮影し、撮影した画像をデジタル変換して、医用画像の画 像データを生成する装置である。本実施の形態においては、画像生成装置 1は、乳 房の放射線撮影を行い、乳房画像の画像データを生成するものとして説明する。な お、画像生成装置 1は、乳房画像に対して、画像付帯情報 (以下、付帯情報と称する )を入力させたり、自動生成したりすることができる。画像生成装置 1は、生成された乳 房画像の画像データとともにその付帯情報を画像データのヘッダ情報としてネットヮ ーク Nを介して画像処理装置 2へ出力するものとする。
[0041] 乳房画像の付帯情報としては、例えば、撮影された患者の患者氏名、患者 、年 齢、乳腺量等の患者に関する患者情報、撮影日、検査 、撮影部位、撮影条件 (左 右の乳房の区別、撮影方向、圧迫圧等)、画像生成装置 (モダリティ種)情報等の撮 影情報が含まれる。
[0042] 画像処理装置 2は、画像生成装置 1から供給される画像データに対し異常陰影候 補検出処理を施す異常陰影候補検出装置である。
[0043] 以下、画像処理装置 2の内部構成について説明する。
[0044] 図 2に、画像処理装置 2の機能的構成を示す。図 2に示すように、画像処理装置 2 は、 CPU21、操作部 22、表示部 23、 RAM24、記憶部 25、通信制御部 26等を備 えて構成され、各部はバス 27により接続されている。
[0045] CPU21は、記憶部 25に記憶されているシステムプログラムを読み出し、 RAM24 内に形成されたワークエリアに展開し、該システムプログラムに従って各部を制御す る。また、 CPU21は、記憶部 25に記憶されている異常陰影候補検出処理プログラム を始めとする各種処理プログラムを読み出してワークエリアに展開し、後述する異常 陰影候補検出処理 (図 3参照)を始めとする各種処理を実行する。
[0046] 操作部 22は、カーソルキー、数字入力キー、及び各種機能キー等を備えたキーボ ードと、マウス等のポインティングデバイスを備えて構成され、キーボードに対するキ 一操作やマウス操作により入力された指示信号を CPU21に出力する。また、操作部 22は、表示部 23の表示画面にタツチパネルを備えても良ぐこの場合、タツチパネル を介して入力された指示信号を CPU21に出力する。
[0047] 表示部 23は、 LCD (Liquid Crystal Display)や CRT等のモニタにより構成され、 C
PU21から入力される表示信号の指示に従って、画像の表示を行う。
[0048] RAM24は、 CPU21により実行制御される各種処理において、記憶部 25から読み 出された CPU21で実行可能な各種プログラム、入力若しくは出力データ、及びパラ メータ等の一時的に記憶するワークエリアを形成する。
[0049] 記憶部 25は、 HDD (Hard Disc Drive)や不揮発性の半導体メモリ等により構成さ れ、 CPU21で実行されるシステムプログラム、当該システムプログラムに対応する異 常陰影候補検出処理プログラムを始めとする各種プログラム、各種データ等を記憶 する。これらの各種プログラムは、読取可能なプログラムコードの形態で格納され、 C PU21は、当該プログラムコードに従った動作を逐次実行する。
[0050] また、記憶部 25は、撮影済みの医用画像のデータとその医用画像についての異常 陰影候補検出データ (その医用画像の付帯情報 (患者情報を含む)、その医用画像 において検出対象とした病変部の大きさに関する情報 (例えば、検出対象とした病変 部の大きさの範囲、検出対象領域の抽出に使用した第 1の平滑ィ匕フィルタ及び第 2 の平滑ィ匕フィルタのマスクサイズ等）、及びその医用画像における異常陰影候補の検 出結果 (検出個数等)等)とを対応付けて記憶する。
[0051] 通信制御部 26は、 LANアダプタやルータや TA (Terminal Adapter)等を備え、ネッ トワーク Nに接続された各装置との間の通信を制御する。
[0052] 次に、本実施の形態における動作について説明する。
[0053] 図 3は、画像処理装置 2の CPU21により実行される第 1実施形態に係る異常陰影 候補検出処理を示すフローチャートである。 CPU21は、記憶部 25に記憶された異 常陰影候補検出処理プログラムとの協働によるソフトウェア処理により、当該処理を 実行する。
[0054] ここで、乳房画像にお!、て診断される主な病変としては、例えば腫瘤陰影、微小石 灰化クラスタ等が挙げられる。腫瘤陰影は、ある程度の大きさを持った塊で、乳房画 像上ではガウス分布に近い白っぽく丸い陰影として表示される。微小石灰化クラスタ は、乳房画像上では略円錐構造をもった小さく白い陰影として表示される。即ち、乳 房画像上では、病変部で濃度値の落ち込みが見られる。以下の異常陰影候補検出 処理では、この乳房画像上における病変部画像の特性に基づいて、異常陰影候補 の検出対象領域を抽出した後、検出対象領域に対して異常陰影候補の検出を行うも のである。本実施の形態においては、腫瘤陰影を検出する場合を例にとり説明する。
[0055] まず、画像生成装置 1にお!/ヽて乳房を撮影して生成された乳房画像の画像データ Dが通信制御部 26を介して入力され、 RAM24のワークエリアに記憶される (ステツ プ Sl)。
[0056] 次 、で、入力された画像データ Dに領域抽出処理が施される (ステップ S 2)。領域 抽出処理は、画像データ Dの全体領域から、検出すべき病変部の大きさに応じた検 出対象領域を抽出する処理である。
[0057] 以下、図 4、 5を参照して領域抽出処理について詳細に説明する。
[0058] 図 4は、第 1実施形態に係る動作を説明するためのフローチャートである図 3のステ ップ S 2にお 、て CPU21により実行される領域抽出処理を示すフローチャートである 。また、後で説明する第 2実施形態に係る動作を説明するためのフローチャートであ る図 9のステップ S24において CPU21により実行される領域抽出処理を示すフロー チャートでもある。
[0059] 図 5は、図 4の領域抽出処理前の画像及び当該画像の領域抽出処理の各ステップ での処理結果を模式的に示す図である。図 5 (a)〜（d)においては、画像データ（画 像データ D1〜D4)の或る 1列（図 5 (a)〜（d)は全て同じ列を示す）における画素位 置を横軸、画素値 (濃度値)を縦軸として示している。
[0060] 図 4の領域抽出処理にお ヽては、まず、画像データ Dに対して縮小処理が施され、 サンプリングピッチ 1. 6mm程度の画像データ D1が生成される（ステップ Sl l)。例え ば、画像データ Dのサンプリングピッチが 100 mであれば、縦、横をそれぞれ 1Z1 6に縮小する。縮小処理アルゴリズムは、近傍の画素値の平均をとる、一定画素間隔 で間引くなど、どのような手法でもよい。ここで、画像データ Dを縮小しておくことにより 、以降の処理での処理時間を短縮することができる。
[0061] 乳房画像においては、図 5 (a)に示すように、検出すべき病変部と同程度の大きさ をもち、かつ周囲より低濃度の領域 (検出対象領域)、検出すべき病変部より小さぐ かつ周囲より低濃度の領域 (微小領域)、検出すべき病変部より大きぐかつ周囲より 低濃度の領域 (対象より大きな領域)が含まれる。領域抽出処理の以降の処理ステツ プでは、縮小された画像データ D1上力 検出すべき病変部と同程度の大きさをもつ 低濃度領域を検出対象領域として抽出する。なお、以降の処理においては、 5mm 〜15mm程度の大きさの腫瘤陰影候補を検出する場合を例にとり説明する。
[0062] 画像データ Dが縮小され、画像データ D1が生成されると、縮小された画像データ D 1に対して第 1の平滑化処理が施され、画像データ D2が生成される (ステップ S 12)。
[0063] 第 1の平滑化処理は、画像データ D1に対してマスクサイズ 3 X 3の第 1の平滑化フ ィルタ（図 6参照）をかけて画像データ D2を生成する。第 1の平滑ィ匕フィルタは、画像 データ D1の注目する画素を中心として正方形領域 (マスク）を設定し、マスク内の画 素値を大き 、順に並べ、中央値を注目画素の画素値とするメディアンフィルタである 。マスクサイズ 3 X 3のメディアンフィルタの場合、図 6に示す領域 1〜9の画素値を大 きい順に並べ、その中央値を領域 5の画素値とする。これを、マスクの位置を 1画素 ずつずらしながら繰り返し、画像データ D1の全ての画素に対して行う。これにより、図 5 (b)〖こ示すよう〖こ縦幅、横幅がそれぞれ 4. 8mm程度（1. 6mm X 3)までの微小領 域が平滑化される。
[0064] 次いで、画像データ D2に対して第 2の平滑化処理が施され、画像データ D3が生 成される（ステップ S 13)。
[0065] 第 2の平滑化処理では、画像データ D2に対してマスクサイズ 7 X 7の第 2の平滑ィ匕 フィルタをかけて画像データ D3を生成する。
[0066] この第 2の平滑化フィルタは、マスクサイズ内の画素値の中で最大値を中央の注目 画素の値とする最大値フィルタと、マスクサイズ内の画素値の中で最小値を中央の注 目画素の値とする最小値フィルタとを有し、画像データ D2に対し最大値フィルタを適 用した後、最小値フィルタを適用することにより、マスクサイズ程度の大きさをもつ画 素値の落ち込み (くぼみ)を穴埋めするものである。一般的に、腫瘤陰影は、その中 心に向力つて X線透過濃度が落ち込む特徴を有しており、第 2の平滑ィ匕処理により、 画像データ D2に対し検出すべき腫瘤陰影と同程度の大きさに対応するマスクサイズ の第 2の平滑ィ匕フィルタをかけることにより、検出すべき腫瘤陰影と同程度の低濃度 領域を穴埋めすることができる。
[0067] ここで、図 7を参照して、第 2の平滑化フィルタの原理について、一次元のデータ列 を例にとり説明する。図 7において、横軸は 1次元のデータ列における画素位置を、 縦軸は 1次元のデータ列における画素値 (濃度値)を示す。
[0068] 図 7の L1は、オリジナル画像のデータ列である。このオリジナル画像のデータ列の 左に位置する画素力 順に注目画素とし、注目画素を中央としてマスクサイズ縦 1 X 横 7の最大値フィルタを設定し、マスクの範囲内の最大値を注目画素の画素値とする 。これを右に 1画素ずつずらしていくことにより、図 7の L2に示すデータ列を得ること ができる。この L2で示すデータ列を入力し、左に位置する画素力 順に注目画素と し、注目画素を中央としてマスクサイズ縦 I X横 7の最小値フィルタを設定し、マスク の範囲内の最小値を注目画素の画素値とする。これにより、図 7の L3に示すように、 オリジナルのデータ列 L1の濃度値の落ち込みが平滑ィ匕されたデータ列を得ることが できる。
[0069] このように、第 2の平滑ィヒフィルタにより検出すべき異常陰影候補領域と同程度の 大きさをもつ低濃度領域を平滑ィ匕することができる。
[0070] 第 2の平滑化処理が終了すると、差分画像生成処理が実行され、図 5 (c)に示す画 像データ D3と図 5 (b)に示す画像データ D2の同一画素位置の画素値の差分をとる ことにより図 5 (d)に示す差分画像 (画像データ D4)が生成される (ステップ S 14)。そ して、画像データ D4が予め設定された閾値により閾値処理され、閾値を超える画素 値をもつデータのみが抽出され (ステップ S15)、検出すべき異常陰影候補領域と同 程度の大きさをもつ低濃度領域の画像データ D5が生成される。
[0071] なお、上記領域抽出処理においては、第 1の平滑ィ匕フィルタのマスクサイズ及びサ ンプリングピッチにより、抽出する検出対象領域の最小サイズが決定され、第 2の平 滑ィ匕フィルタのマスクサイズ及びサンプリングピッチにより抽出する検出対象領域の 最大サイズが決定される。即ち、図 4のステップ S12における第 1の平滑ィ匕処理で用 V、る第 1の平滑化フィルタのマスクサイズ及び図 4のステップ S 13における第 2の平滑 化処理で用いる第 2の平滑ィ匕フィルタのマスクサイズを変更することにより、異常陰影 候補の検出対象とする領域の大きさを変更することができる。
[0072] また、図 8に示すように、図 4のステップ S12における第 1の平滑ィ匕処理で用いる第 1の平滑化フィルタのマスクサイズ及び図 4のステップ S13における第 2の平滑化処 理で用いる第 2の平滑ィ匕フィルタのマスクサイズを変更して複数回処理を行うことによ り、大きさ別に分類して検出対象領域を抽出することが可能となる。例えば、まず、図 4のステップ S 12においてマスクサイズ 3 X 3の第 1の平滑化フィルタを用いて画像デ ータ D2を生成し、この画像データ D2に対してマスクサイズ 7 X 7の第 2の平滑化フィ ルタをかけて画像データ D3を生成し、画像データ D3と画像データ D2の差分をとり 閾値処理を行うことにより 5mn！〜 15mm程度の検出対象領域を抽出する。次いで、 画像データ D2に対して更にマスクサイズ 7 X 7の第 1の平滑ィ匕フィルタをかけて画像 データ を生成し、この画像データ ϋ2Ίこ対し 11 X 11のマスクサイズの第 2の平 滑化フィルタかけて画像データ を生成し、画像データ と画像データ の 差分をとり閾値処理を行うことにより 15mn！〜 30mm程度の検出対象領域を抽出す ることができる。このようにして、 5mm〜15mm程度の検出対象領域及び 15mm〜3 Omm程度の検出対象領域をそれぞれ抽出することが可能となる。
[0073] 腫瘤陰影は略円形であるため、画像データの縦横方向ともに同様の処理でよぐま た抽出された領域と腫瘤陰影とが対応付けやす!/ヽので、上記領域抽出処理を施すこ とが特に好ましい。
[0074] 図 3において、領域抽出処理が終了すると、画像データ Dにおける抽出された画像 データ D5の領域に対して異常陰影候補の検出が行われる (ステップ S3)。
[0075] 異常陰影候補検出のアルゴリズムとしては、検出目的とする病変種類に応じて様々 なものが開発されており、腫瘤陰影の検出に最適なアルゴリズムとしてはアイリスフィ ルタを用いた手法等が提案されている。また、微小石灰化クラスタ陰影の検出に最適 なアルゴリズムとしてはモルフォロジ一フィルタを用いた手法等が提案されて ヽる（特 開 2001— 346787号公報参照)。また、腫瘤陰影及び微小石灰化クラスタ陰影の双 方の検出に最適なアルゴリズムとして曲率を用 、た手法も提案されて 、る。本実施の 形態では、異常陰影候補検出アルゴリズムとしてアイリスフィルタを用いて腫瘤陰影 候補を検出する手法を適用した場合を説明する。 [0076] 乳房の放射線画像において腫瘤陰影は一般的に周囲の画像部分に比べ濃度値 が低いことが知られており、その濃度値の分布は概略円形の周縁部から中心部に向 力 に従って濃度値が低くなるという濃度値の勾配を有している。従って、腫瘤陰影 においては、局所的な濃度値の勾配が認められ、その勾配線は腫瘤の中心方向に 集中する。アイリスフィルタは、この濃度値に代表される画像信号の勾配を勾配べタト ルとして算出し、その勾配ベクトルの集中度を出力するものであり、この集中度及び その他の特徴量に基づいて腫瘤陰影の候補領域を検出するものである。
[0077] まず、画像データ Dにおける異常陰影候補の検出対象領域 (画像データ D5として 抽出された画像領域）において、任意の注目画素が設定される。次いで、設定された 注目画素において画像の特徴量が算出される。まず、注目画素周辺（例えば、所定 のマスクサイズ内の領域）における濃度勾配の方向成分及び強度成分の集中度等 の特徴量が求められる。また、その他の特徴量として、注目画素周辺におけるコント ラスト、標準偏差、フラクタル次元等の特徴量が求められる。各種特徴量が算出され ると、予め各特徴量に対して設定されている、異常陰影候補検出のための閾値と比 較され、その比較結果に基づ 、て注目画素周辺領域は異常陰影である可能性が高 いか否かが判別される。異常陰影である可能性が高いと判別された場合、その注目 画素周辺領域が異常陰影の候補領域として検出される。全ての検出対象領域で注 目画素が設定され、異常陰影候補の検出が繰り返される。
[0078] このように、異常陰影候補の検出においては、検出対象領域内の画素 1つ 1つを注 目画素として探索し、その周辺領域が異常陰影である可能性が高 、か否かが判別さ れる。
[0079] 異常陰影候補の検出後、処理は図 3のステップ S4に移行し、異常陰影候補検出結 果が表示部 23に表示される (ステップ S4)。例えば、画像データ Dに基づく乳房画像 が表示部 23に表示され、その乳房画像上において、異常陰影候補として検出された 候補領域が矢印（ァノテーシヨン)で指摘表示される、或 、はカラー表示される等して 識別表示される。また、異常陰影候補における特徴量を出力するようにしてもよい。 そして、撮影済みの医用画像のデータとその異常陰影候補検出データ (その医用画 像の付帯情報、その医用画像において検出対象とした腫瘤陰影の大きさに関する情 報、その医用画像における異常陰影候補の検出結果の情報等)が対応付けられて 記憶部 25に記憶され (ステップ S5)、本処理は終了する。
[0080] 以上説明したように、第 1実施形態における画像処理装置 2によれば、原画像の画 像データ Dを縮小して画像データ D 1を生成し、画像データ D 1に対し第 1の平滑ィ匕 フィルタをかけて微小な低濃度領域が平滑化された画像データ D2を生成し、画像デ ータ D2に第 2の平滑ィ匕フィルタを力けて検出すべき異常陰影候補領域と同程度の 大きさをもつ、低濃度領域が平滑化された画像データ D3を生成し、画像データ D3と 画像データ D2の同一画素位置の画素値の差分をとることにより差分画像データ D4 を生成し、この画像データ D4を閾値処理することにより検出対象の大きさをもつ低濃 度領域の画像データ D5を抽出する。そして、画像データ D5で抽出された領域に対 して異常陰影候補の検出を行う。
[0081] 従って、画像生成装置 1で生成された乳房画像における異常陰影候補検出のため 探索領域を、検出すべき異常陰影候補の大きさに応じて限定するので、検出すべき 異常陰影候補に対応する大きさ以外の低濃度領域、例えば、ノイズ等の微小領域や より大きな正常組織の領域を予め探索対象からはずすことができ、従来のように乳房 画像全体に対して異常陰影候補の検出処理を行う場合に比べ、偽陽性数を抑制す ることが可能となるとともに、処理時間を格段に短縮することができる。また、第 1の平 滑ィ匕処理及び第 2の平滑ィ匕処理におけるフィルタのマスクサイズを変えることにより、 検出すべき異常陰影候補領域の大きさに応じて抽出する検出対象領域を変更する ことが可能となる。更に、図 4のステップ S12〜S 15の処理をマスクサイズを変えて繰 り返し実行することにより、検出すべき異常陰影候補領域の大きさ別に検出対象領域 を分類して抽出することが可能となるので、複数の検出モデルによる異常陰影候補 の検出が可能となる。
[0082] 次に、第 2実施形態の動作について説明する。図 9は、画像処理装置 2の CPU21 により実行される第 2実施形態に係る異常陰影候補検出処理を示すフローチャート である。
[0083] まず、画像生成装置 1にお!/ヽて乳房を撮影して生成された乳房画像の画像データ Dが通信制御部 26を介して入力され、 RAM24のワークエリアに記憶される (ステツ プ S21)。次いで、表示部 23に、画像データ D力 検出すべき病変部の大きさの範 囲を入力するための入力画面が表示され、当該入力画面上力も操作部 22を介して、 検出すべき病変部の大きさの範囲の入力が行われる (ステップ S22 ;入力手段)。
[0084] 腫瘤陰影は、一般的に、病状が進行するにつれて陰影が大きくなる。ステップ S2に おいては、入力画面に病状進行の段階に応じた大きさの範囲を表示し、操作者が撮 影された患者の病状進行の段階に応じた大きさを選択入力するようにしてもよ！ヽし、 操作者が、検出すべき病変部の大きさの範囲の上限値及び下限値を入力するように してもよい。本実施の形態においては、入力画面に病状進行の段階に応じた大きさ の範囲（5〜15mm、 15mm〜30mm)を表示し、操作者が撮影された患者の病状 進行の段階に応じた大きさの範囲を選択することとして説明する。
[0085] また、初診の場合、まず、初期段階の大きさの病変がある力否かを検出する必要が あるため、例えば、記憶部 25を検索し、同一患者に対する異常陰影候補検出データ が記憶されているか否かを判断し、記憶されていない場合、即ち、今まで乳房画像の 異常陰影候補検出による診断を受けて 、な 、 (初診である)場合には、上述の入力 画面の表示を行わず、初期段階に対応する大きさの範囲を画像処理装置 2において 自動的に選択するようにしてもょ 、。
[0086] 検出すべき病変部の大きさの範囲が入力されると、入力された大きさの範囲に対応 する第 1の平滑ィ匕フィルタ及び第 2の平滑ィ匕フィルタの設定が行われる (ステップ S23 ；フィルタ設定手段)。
[0087] 第 1の平滑化フィルタ及び第 2の平滑化フィルタは、後述する領域抽出処理で用い られるものであり、第 1の平滑化フィルタのマスクサイズ及び画像データのサンプリン グピッチにより、抽出される検出対象領域の最小の大きさが決定され、第 2の平滑ィ匕 フィルタのマスクサイズ及び画像データのサンプリングピッチにより、抽出される検出 対象領域の最大の大きさが決定される。そこで、第 1の平滑ィ匕フィルタは、そのマスク サイズが検出すべき病変部の最小の大きさ（下限）に対応するものが設定され、第 2 の平滑ィ匕フィルタは、そのマスクサイズが検出すべき病変部の最大の大きさ（上限） に対応するものが設定される。
[0088] 第 2実施形態においては、第 1の平滑ィ匕フィルタとして、マスクサイズ 3 (画素） X 3 ( 画素)及び 7 X 7が予め用意されており、検出すべき病変部の大きさの範囲として 5〜 15mmが選択入力された場合、マスクサイズ 3 X 3の第 1の平滑ィ匕フィルタが設定さ れ、 15mm〜30mmが選択入力された場合、マスクサイズ 7 X 7の第 1の平滑化フィ ルタが設定され、第 1の平滑化処理が施される。また、第 2の平滑ィヒフィルタとしては 、マスクサイズ 7 X 7及び 11 X I Iが予め用意されており、検出すべき病変部の大きさ の範囲として 5〜15mmが選択入力された場合、マスクサイズ 7 X 7の第 1の平滑化フ ィルタが設定され、 15mm〜30mmが選択入力された場合、マスクサイズ 11 X I Iの 第 1の平滑ィヒフィルタが設定され、第 2の平滑化処理が施される。
[0089] 次いで、ステップ S23で設定された第 1の平滑化フィルタ及び第 2の平滑化フィルタ を用いて、画像データ Dに領域抽出処理が施される (ステップ S24 ;抽出手段)。領域 抽出処理は、画像データ Dの全体領域から、検出すべき病変部の大きさに応じた検 出対象領域を抽出する処理である。
[0090] 領域抽出処理については、第 1実施形態での説明と同じである。
[0091] 図 9において、領域抽出処理が終了すると、画像データ Dにおける抽出された画像 データ D5の検出対象領域に対して異常陰影候補の検出が行われる (ステップ S25； 異常陰影候補検出手段)。
[0092] 異常陰影候補検出のアルゴリズムとしては、第 1実施形態と同じである。
[0093] 異常陰影候補の検出後、処理は図 9のステップ S26に移行し、異常陰影候補検出 結果が表示部 23に表示される (ステップ S26)。例えば、画像データ Dに基づく乳房 画像が表示部 23に表示され、その乳房画像上において、異常陰影候補として検出 された候補領域が矢印（ァノテーシヨン)で指摘表示される、或いはカラー表示される 等して識別表示される。また、異常陰影候補における特徴量を出力するようにしても よい。そして、撮影済みの医用画像のデータとその異常陰影候補検出データ (その 医用画像の付帯情報、その医用画像において検出対象とした腫瘤陰影の大きさ〖こ 関する情報、その医用画像における異常陰影候補の検出結果の情報等)が対応付 けられて記憶部 25に記憶され (ステップ S27)、本処理は終了する。
[0094] 以上説明したように、第 2実施形態の画像処理装置 2によれば、検出すべき病変部 の大きさに対応する第 1の平滑ィ匕フィルタ及び第 2の平滑ィ匕フィルタを設定し、原画 像の画像データ Dを縮小して画像データ Dlを生成し、画像データ D1に対し、検出 すべき病変部の大きさに対応する第 1の平滑ィ匕フィルタを用いて第 1の平滑ィ匕処理 を施し、微小な低濃度領域が平滑化された画像データ D2を生成し、画像データ D2 に対し、検出すべき病変部の大きさに対応する第 2の平滑ィ匕フィルタを用いて第 2の 平滑化処理を施し、検出すべき病変部の上限と同程度の大きさをもつ低濃度領域が 平滑化された画像データ D3を生成し、画像データ D3と画像データ D2の同一画素 位置の画素値の差分をとることにより差分画像データ D4を生成し、この画像データ D 4を閾値処理することにより検出対象の大きさをもつ低濃度領域の画像データ D5を 抽出する。そして、画像データ D5で抽出された領域に対して異常陰影候補の検出を 行う。
[0095] 従って、画像生成装置 1で生成された乳房画像における異常陰影候補検出のため 探索領域を、検出すべき病変部の大きさに応じて限定するので、検出すべき異常陰 影候補に対応する大きさ以外の低濃度領域、例えば、ノイズ等の微小領域やより大 きな正常組織の領域を予め探索対象力もはずすことができ、従来のように乳房画像 全体に対して異常陰影候補の検出処理を行う場合に比べ、偽陽性数を抑制すること が可能となるとともに、処理時間を格段に短縮することができる。また、図 4のステップ S 12〜S 15の処理をマスクサイズを変えて繰り返し実行することにより、検出すべき異 常陰影候補領域の大きさ別に検出対象領域を分類して抽出することが可能となるの で、複数の検出モデルによる異常陰影候補の検出が可能となる。
[0096] なお、上記実施の形態における記述内容は、本発明に係る医用画像システム 100 の好適な一例であり、これに限定されるものではな 、。
[0097] 例えば、上記実施の形態においては、乳房画像から腫瘤陰影を検出する例を説明 したが、微小石灰化クラスタ陰影を検出する際に適用してもよいし、他の部位を撮影 した医用画像力もその部位における異常陰影を検出する際にも適用可能である。さ らに、乳房の放射線画像ではなぐ CT画像、超音波画像、 MRI画像であっても本発 明を適用可能である。
[0098] その他、医用画像システム 100を構成する各装置の細部構成及び細部動作に関し ても、本発明の趣旨を逸脱することのない範囲で適宜変更可能である。

Claims

請求の範囲
[1] 入力された医用画像に第 1の平滑ィ匕フィルタを用いて第 1の平滑ィ匕処理を施す第 1 の平滑化処理工程と、
前記第 1の平滑化処理工程において処理が施された医用画像に第 2の平滑化フィ ルタを用いて第 2の平滑ィヒ処理を施す第 2の平滑ィヒ処理工程と、
前記第 1の平滑化処理が施された医用画像及び前記第 2の平滑化処理が施され た医用画像に基づいて、検出すべき病変部の大きさをもつ異常陰影候補の検出対 象領域を抽出する抽出工程と、
前記入力された医用画像における前記抽出された検出対象領域に対し、前記異 常陰影候補の検出を行う異常陰影候補検出工程と、
を含むことを特徴とする異常陰影候補検出方法。
[2] 前記入力された医用画像を縮小する縮小工程を含み、
前記第 1の平滑化処理工程において、前記縮小された医用画像に前記第 1の平滑 化処理を施すことを特徴とする請求の範囲第 1項に記載の異常陰影候補検出方法。
[3] 前記入力された医用画像は、濃度を示す画素値からなり、
前記第 1の平滑化処理工程は、前記第 1の平滑化フィルタを用いて、前記入力され た医用画像において前記異常陰影候補検出工程で検出すべき異常陰影候補領域 より小さぐかつ周囲に比べて低濃度の領域を平滑化し、
前記第 2の平滑化処理工程は、前記第 2の平滑化フィルタを用いて、前記第 1の平 滑ィ匕処理が施された医用画像において前記検出すべき異常陰影候補領域の大きさ をもち、かつ周囲に比べて低濃度の領域を平滑ィ匕し、
前記抽出工程は、前記第 2の平滑化処理が施された医用画像と前記第 1の平滑化 処理が施された医用画像の対応する画素の画素値の差分をとることにより、前記異 常陰影候補の検出対象領域を抽出することを特徴とする請求の範囲第 1項又は第 2 項に記載の異常陰影候補検出方法。
[4] 前記検出すべき異常陰影は腫瘤陰影であることを特徴とする請求の範囲第 1項〜 第 3項の何れか一項に記載の異常陰影候補検出方法。
[5] 入力された医用画像に第 1の平滑ィ匕フィルタを用いて第 1の平滑ィ匕処理を施す第 1 の平滑化処理手段と、
前記第 1の平滑化処理手段において処理が施された医用画像に第 2の平滑化フィ ルタを用いて第 2の平滑化処理を施す第 2の平滑化処理手段と、
前記第 1の平滑化処理が施された医用画像及び前記第 2の平滑化処理が施され た医用画像に基づいて、検出すべき病変部の大きさをもつ異常陰影候補の検出対 象領域を抽出する抽出手段と、
前記入力された医用画像における前記抽出された検出対象領域に対し、前記異 常陰影候補の検出を行う異常陰影候補検出手段と、
を備えたことを特徴とする異常陰影候補検出装置。
[6] 前記入力された医用画像を縮小する縮小手段を備え、
前記第 1の平滑化処理手段において、前記縮小された医用画像に前記第 1の平滑 化処理を施すことを特徴とする請求の範囲第 5項に記載の異常陰影候補検出装置。
[7] 前記入力された医用画像は、濃度を示す画素値からなり、
前記第 1の平滑化処理手段は、前記第 1の平滑化フィルタを用いて、前記入力され た医用画像において前記異常陰影候補検出手段で検出すべき異常陰影候補領域 より小さぐかつ周囲に比べて低濃度の領域を平滑化し、
前記第 2の平滑化処理手段は、前記第 2の平滑化フィルタを用いて、前記第 1の平 滑ィ匕処理が施された医用画像において前記検出すべき異常陰影候補領域の大きさ をもち、かつ周囲に比べて低濃度の領域を平滑ィ匕し、
前記抽出手段は、前記第 2の平滑化処理が施された医用画像と前記第 1の平滑化 処理が施された医用画像の対応する画素の画素値の差分をとることにより、前記異 常陰影候補の検出対象領域を抽出することを特徴とする請求の範囲第 5項又は第 6 項に記載の異常陰影候補検出装置。
[8] 前記検出すべき異常陰影は腫瘤陰影であることを特徴とする請求の範囲第 5項〜 第 7項の何れか一項に記載の異常陰影候補検出装置。
[9] 入力された医用画像力 検出すべき病変部の大きさに対応する第 1の平滑ィ匕フィ ルタ及び第 2の平滑ィヒフィルタを設定するフィルタ設定工程と、
前記設定された第 1の平滑化フィルタ及び第 2の平滑化フィルタを用いて、前記入 力された医用画像から前記検出すべき病変部の大きさをもつ異常陰影候補の検出 対象領域を抽出する抽出工程と、
前記入力された医用画像における前記抽出された検出対象領域に対し、前記異 常陰影候補の検出を行う異常陰影候補検出工程と、
を含むことを特徴とする異常陰影候補検出方法。
[10] 前記検出すべき病変部の大きさを入力する入力工程を含み、
前記フィルタ設定工程は、この入力された病変部の大きさに対応する前記第 1の平 滑ィ匕フィルタ及び前記第 2の平滑ィヒフィルタを設定することを特徴とする請求の範囲 第 9項に記載の異常陰影候補検出方法。
[11] 前記入力された医用画像を縮小する縮小工程を含み、
前記抽出工程は、前記縮小された医用画像を用いて前記検出すべき病変部の大 きさの異常陰影候補の検出対象領域を抽出することを特徴とする請求の範囲第 9項 又は第 10項に記載の異常陰影候補検出方法。
[12] 前記入力された医用画像は、濃度を示す画素値力もなり、
前記第 1の平滑化フィルタは、そのマスクサイズが前記検出すべき病変部の最小の 大きさに対応するものであり、
前記第 2の平滑化フィルタは、そのマスクサイズが前記検出すべき病変部の最大の 大きさに対応するものであり、
前記抽出工程は、前記第 1の平滑化フィルタを用いて、前記入力された医用画像 において前記検出すべき病変部より小さぐかつ周囲に比べて低濃度の領域を平滑 化することにより第 1平滑化画像を生成し、前記第 2の平滑化フィルタを用いて、前記 第 1平滑ィ匕画像において前記検出すべき病変部の大きさをもち、かつ周囲に比べて 低濃度の領域を平滑ィ匕することにより第 2平滑ィ匕画像を生成し、前記第 1平滑化画 像と前記第 2平滑ィヒ画像の対応する画素の画素値の差分をとることにより、前記異常 陰影候補の検出対象領域を抽出することを特徴とする請求の範囲第 9項〜第 11項 の何れか一項に記載の異常陰影候補検出方法。
[13] 前記検出すべき異常陰影は腫瘤陰影であることを特徴とする請求の範囲第 9項〜 第 12項の何れか一項に記載の異常陰影候補検出方法。
[14] 入力された医用画像力 検出すべき病変部の大きさに対応する第 1の平滑ィ匕フィ ルタ及び第 2の平滑化フィルタを設定するフィルタ設定手段と、
前記設定された第 1の平滑化フィルタ及び第 2の平滑化フィルタを用いて、前記入 力された医用画像から前記検出すべき病変部の大きさをもつ異常陰影候補の検出 対象領域を抽出する抽出手段と、
前記入力された医用画像における前記抽出された検出対象領域に対し、異常陰 影候補の検出を行う異常陰影候補検出手段と、
を備えたことを特徴とする異常陰影候補検出装置。
[15] 前記検出すべき病変部の大きさを入力する入力手段を備え、
前記フィルタ設定手段は、この入力された病変部の大きさに対応する前記第 1の平 滑ィ匕フィルタ及び前記第 2の平滑ィヒフィルタを設定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検出装置。
[16] 前記入力された医用画像を縮小する縮小手段を備え、
前記抽出手段は、前記縮小された医用画像を用いて前記検出すべき病変部の大 きさの異常陰影候補の検出対象領域を抽出することを特徴とする請求の範囲第 14 項又は 15項に記載の異常陰影候補検出装置。
[17] 前記入力された医用画像は、濃度を示す画素値力もなり、
前記第 1の平滑化フィルタは、そのマスクサイズが前記検出すべき病変部の最小の 大きさに対応するものであり、
前記第 2の平滑化フィルタは、そのマスクサイズが前記検出すべき病変部の最大の 大きさに対応するものであり、
前記抽出手段は、前記第 1の平滑化フィルタを用いて、前記入力された医用画像 において前記検出すべき病変部より小さぐかつ周囲に比べて低濃度の領域を平滑 化することにより第 1平滑化画像を生成し、前記第 2の平滑化フィルタを用いて、前記 第 1平滑ィ匕画像において前記検出すべき病変部の大きさをもち、かつ周囲に比べて 低濃度の領域を平滑ィ匕することにより第 2平滑ィ匕画像を生成し、前記第 1平滑化画 像と前記第 2平滑ィヒ画像の対応する画素の画素値の差分をとることにより、前記異常 陰影候補の検出対象領域を抽出することを特徴とする請求の範囲第 14項〜第 16項 の何れか一項に記載の異常陰影候補検出装置。
[18] 前記検出すべき異常陰影は腫瘤陰影であることを特徴とする請求の範囲第 14項 〜第 17項の何れか一項に記載の異常陰影候補検出装置。
PCT/JP2006/312577 2005-06-28 2006-06-23 異常陰影候補検出方法、異常陰影候補検出装置 WO2007000940A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2007523427A JP4911029B2 (ja) 2005-06-28 2006-06-23 異常陰影候補検出方法、異常陰影候補検出装置
EP06767227A EP1897495A4 (en) 2005-06-28 2006-06-23 METHOD FOR THE DETECTION OF ANOMALIC SHADE CANDIDATES, DEVICE FOR DETECTING ANOMALIC SHADE CANDIDATES
CN2006800229372A CN101208042B (zh) 2005-06-28 2006-06-23 异常阴影候选检测方法、异常阴影候选检测装置
US11/993,234 US20100150413A1 (en) 2005-06-28 2006-06-23 Abnormal shadow candidate detecting method and abnormal shadow candidate detecting device

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2005-188091 2005-06-28
JP2005188091 2005-06-28
JP2005-227902 2005-08-05
JP2005227902 2005-08-05

Publications (1)

Publication Number Publication Date
WO2007000940A1 true WO2007000940A1 (ja) 2007-01-04

Family

ID=37595192

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2006/312577 WO2007000940A1 (ja) 2005-06-28 2006-06-23 異常陰影候補検出方法、異常陰影候補検出装置

Country Status (5)

Country Link
US (1) US20100150413A1 (ja)
EP (1) EP1897495A4 (ja)
JP (1) JP4911029B2 (ja)
CN (1) CN101208042B (ja)
WO (1) WO2007000940A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007037906A (ja) * 2005-08-05 2007-02-15 Konica Minolta Medical & Graphic Inc 異常陰影候補検出システム

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0725094D0 (en) * 2007-12-21 2008-01-30 Univ Liverpool Image processing
CN102197413B (zh) * 2008-10-29 2017-03-22 皇家飞利浦电子股份有限公司 分析至少三维医学图像
US8948474B2 (en) * 2010-01-25 2015-02-03 Amcad Biomed Corporation Quantification method of the feature of a tumor and an imaging method of the same
US9773307B2 (en) 2010-01-25 2017-09-26 Amcad Biomed Corporation Quantification and imaging methods and system of the echo texture feature
US10249037B2 (en) 2010-01-25 2019-04-02 Amcad Biomed Corporation Echogenicity quantification method and calibration method for ultrasonic device using echogenicity index
JP5622461B2 (ja) * 2010-07-07 2014-11-12 オリンパス株式会社 画像処理装置、画像処理方法、および画像処理プログラム
US9165200B2 (en) 2010-07-21 2015-10-20 Mbda Uk Limited Image processing for prioritizing potential objects of interest in a field of view
EP2736105A4 (en) 2012-06-13 2015-04-29 Sango Co Ltd NEGATIVE ELECTRODE FOR LITHIUM AUXILIARY BATTERIES AND METHOD FOR PRODUCING THE SAME
US9131182B2 (en) * 2013-05-08 2015-09-08 Canon Kabushiki Kaisha Image processing apparatus, method and storage medium
FI128403B (en) * 2013-07-05 2020-04-30 Procemex Oy Ltd Synchronizing image capture
TWI577342B (zh) * 2016-01-28 2017-04-11 太豪生醫股份有限公司 旋轉式乳房影像之病變偵測方法及病變偵測裝置
KR101994338B1 (ko) * 2017-10-25 2019-06-28 엘지이노텍 주식회사 사육장 관리 장치 및 방법
JP7159025B2 (ja) * 2018-11-30 2022-10-24 富士フイルムヘルスケア株式会社 診断装置及び診断方法
JP2022180993A (ja) * 2021-05-25 2022-12-07 富士フイルムヘルスケア株式会社 超音波診断装置及び診断支援方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001346787A (ja) 2000-06-08 2001-12-18 Fuji Photo Film Co Ltd 異常陰影候補検出方法および検出システム
JP2002112986A (ja) 2000-10-06 2002-04-16 Konica Corp 画像診断支援装置
JP2005160916A (ja) * 2003-12-05 2005-06-23 Fuji Photo Film Co Ltd 石灰化陰影判定方法、石灰化陰影判定装置及びプログラム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4907156A (en) * 1987-06-30 1990-03-06 University Of Chicago Method and system for enhancement and detection of abnormal anatomic regions in a digital image
US5079698A (en) * 1989-05-03 1992-01-07 Advanced Light Imaging Technologies Ltd. Transillumination method apparatus for the diagnosis of breast tumors and other breast lesions by normalization of an electronic image of the breast
US5365429A (en) * 1993-01-11 1994-11-15 North American Philips Corporation Computer detection of microcalcifications in mammograms
EP0719435A1 (en) * 1994-07-14 1996-07-03 Koninklijke Philips Electronics N.V. Mass detection in digital x-ray images using multiple threshold levels to discriminate spots
US5984870A (en) * 1997-07-25 1999-11-16 Arch Development Corporation Method and system for the automated analysis of lesions in ultrasound images
US7359547B2 (en) * 2002-09-20 2008-04-15 Nippon Telegraph And Telephone Corporation Pseudo three dimensional image generating apparatus

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001346787A (ja) 2000-06-08 2001-12-18 Fuji Photo Film Co Ltd 異常陰影候補検出方法および検出システム
JP2002112986A (ja) 2000-10-06 2002-04-16 Konica Corp 画像診断支援装置
JP2005160916A (ja) * 2003-12-05 2005-06-23 Fuji Photo Film Co Ltd 石灰化陰影判定方法、石灰化陰影判定装置及びプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP1897495A4

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007037906A (ja) * 2005-08-05 2007-02-15 Konica Minolta Medical & Graphic Inc 異常陰影候補検出システム

Also Published As

Publication number Publication date
EP1897495A4 (en) 2011-01-05
EP1897495A1 (en) 2008-03-12
JPWO2007000940A1 (ja) 2009-01-22
CN101208042A (zh) 2008-06-25
US20100150413A1 (en) 2010-06-17
CN101208042B (zh) 2010-11-17
JP4911029B2 (ja) 2012-04-04

Similar Documents

Publication Publication Date Title
JP4911029B2 (ja) 異常陰影候補検出方法、異常陰影候補検出装置
JP2007151645A (ja) 医用画像診断支援システム
JP2010167042A (ja) 医用診断支援装置及びその制御方法、並びに、プログラム
JPWO2011132468A1 (ja) 医用画像表示装置及びプログラム
JP2011103095A (ja) 医用画像表示システム及びプログラム
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
JP2005124617A (ja) 医用画像診断支援システム
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
JP2005253685A (ja) 画像診断支援装置及び画像診断支援プログラム
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
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
JP5556674B2 (ja) 医用画像表示装置及びプログラム
JP2011135936A (ja) 画像処理装置、医用画像診断装置および画像処理プログラム
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
JP2011115264A (ja) 医用情報表示装置及びプログラム
JP2020174861A (ja) 情報処理装置、情報処理方法およびプログラム
JP4475054B2 (ja) 乳房画像処理方法及び乳房画像出力システム
WO2010026791A1 (ja) 画像診断支援装置
US11803970B2 (en) Image judgment device, image judgment method, and storage medium
JP4483250B2 (ja) 画像診断支援装置、画像診断支援方法及びプログラム
JP2011101759A (ja) 医用画像表示システム及びプログラム
JP2007330419A (ja) 画像表示装置および方法並びにプログラム
JP2005173818A (ja) 医用画像診断支援システム
JP2007037906A (ja) 異常陰影候補検出システム

Legal Events

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

Ref document number: 200680022937.2

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: 2007523427

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 2006767227

Country of ref document: EP

Ref document number: 11993234

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE