WO2007013300A1

WO2007013300A1 - 異常陰影候補検出方法及び異常陰影候補検出装置

Info

Publication number: WO2007013300A1
Application number: PCT/JP2006/313820
Authority: WO
Inventors: Tsuyoshi Kobayashi
Original assignee: Konica Minolta Medical & Graphic, Inc.
Priority date: 2005-07-27
Filing date: 2006-07-12
Publication date: 2007-02-01
Also published as: EP1908404A1; EP1908404A4; US20100284579A1; JPWO2007013300A1; CN101227861A

Abstract

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

Description

明細書

異常陰影候補検出方法及び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] 医療の分野においては、医用画像のデジタル化が実現され、 CR (Computed Ra diography)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、 CADという。）と呼ばれる異常陰影候補検出装置が開発されている。

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

特許文献 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

[0006] 上記特許文献 1〖こよれば、同一撮影部位に複数種類の異常陰影検出目的が存在する場合、検出目的に応じて異常陰影候補検出アルゴリズムを 1つ若しくは複数医師が選択できるようにすることで、処理時間の短縮を図ることができる。しかしながら、選択された異常陰影候補検出アルゴリズムを用いて画像全体を 1画素ごとに演算処理するので、複数の必要のな!、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] また、特許文献 2においては、医師が異常陰影候補の存在領域についてある程度の予測がある場合や、過去に取得された画像等、他の画像において異常陰影候補が検出されていた場合等に、その領域のみを指定して異常陰影候補の検出を行う旨が記載されている。しかし、医師が予測する領域以外、或いは過去に検出された領域以外の領域に異常陰影があ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。

[0008] また、腫瘤を検出対象とする曲率の特徴量を用いた検出手法は、局所的な情報を利用し、凸状等のある所定パターンを有する画像領域を感度良く検出するものである力全画像領域に対して所定の領域を順次設定し、その領域毎に曲率を算出するため、その曲率を算出した所定範囲内に収まる異常陰影し力検出することができなかつた。異常陰影の大きさに対応して領域範囲を変えながら検出する対応策も考えられる力それでは領域範囲を変えて同じ処理を繰り返し行わなければならないため、処理時間が大幅に増大することとなる。

[0009] さらに、曲率による検出処理では、曲率という局所的な情報により検出を行うため、所定パターンを有するのであれば正常組織の画像領域であっても候補領域として検出してしまい、その結果、検出結果に含まれる偽陽性候補数が増大する場合もあつた。

[0010] 本発明の課題は、異常陰影候補の検出処理時の処理効率及び検出精度を向上させることである。課題を解決するための手段

[0011] 請求の範囲第 1項に記載の発明は、異常陰影候補検出方法において、

入力医用画像に第 1の平滑ィヒフィルタ処理を施す第 1処理工程と、

前記第 1の平滑ィヒフィルタ処理が施された処理画像に第 2の平滑ィヒフィルタ処理を施す第 2処理工程と、

前記第 1及び第 2の平滑化フィルタ処理が施された処理画像から、異常陰影候補を検出すべき特定領域を抽出する抽出工程と、

前記抽出された特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出工程と、

前記算出された特徴量に基づいて、異常陰影候補の検出処理を行う異常陰影候補検出工程と、

を含むことを特徴とする。

[0012] 請求の範囲第 2項に記載の発明は、請求の範囲第 1項に記載の異常陰影候補検出方法において、

前記入力医用画像を縮小する工程を含み、

前記第 1処理工程では、前記縮小された入力医用画像に第 1の平滑化フィルタ処理を施すことを特徴とする。

[0013] 請求の範囲第 3項に記載の発明は、請求の範囲第 1項又は第 2項に記載の発明において、

前記特徴量算出工程では、前記濃度分布を示す曲面の形状を表す特徴量として、シエイプインデックスを算出することを特徴とする。

[0014] 請求の範囲第 4項に記載の発明は、請求の範囲第 1〜3項の何れか一項に記載の異常陰影候補検出方法において、

前記異常陰影候補検出工程において検出対象とする異常陰影種は、腫瘤であることを特徴とする。

[0015] 請求の範囲第 5項に記載の発明は、異常陰影候補検出方法において、

抽出すべき第 1の異常陰影サイズに対応する第 1の平滑ィヒフィルタを設定する工程と、抽出すべき第 2の異常陰影サイズに対応する第 2の平滑ィヒフィルタを設定する工程と、

入力医用画像に前記第 1及び第 2の平滑ィヒフィルタを作用させ、異常陰影候補を検出すべき所望の大きさの特定領域を抽出する抽出工程と、

前記特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出工程と、

前記算出された特徴量に基づき、異常陰影候補の検出を行う異常陰影候補検出工程と、

を含むことを特徴とする。

[0016] 請求の範囲第 6項に記載の発明は、異常陰影候補検出装置において、

入力医用画像に第 1の平滑ィヒフィルタ処理を施す第 1の平滑ィヒ処理手段と、前記第 1の平滑ィヒフィルタ処理が施された処理画像に第 2の平滑ィヒフィルタ処理を施す第 2の平滑化処理手段と、

前記第 1及び第 2の平滑化フィルタ処理が施された処理画像から、異常陰影候補を検出すべき特定領域を抽出する抽出手段と、

前記抽出された特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出手段と、

前記算出された特徴量に基づいて、異常陰影候補の検出処理を行う異常陰影候補検出手段と、

を備えることを特徴とする。

[0017] 請求の範囲第 7項に記載の発明は、請求の範囲第 6項に記載の異常陰影候補検出装置において、

前記入力医用画像を縮小する縮小処理手段を含み、

前記第 1の平滑化手段は、前記縮小された入力医用画像に第 1の平滑化フィルタ処理を施すことを特徴とする。

[0018] 請求の範囲第 8項に記載の発明は、請求の範囲第 6項又は第 7項に記載の異常陰影候補検出装置において、

前記特徴量算出手段は、前記濃度分布を示す曲面の形状を表す特徴量として、シエイプインデックスを算出することを特徴とする。

[0019] 請求の範囲第 9項に記載の発明は、請求の範囲第 6〜8項の何れか一項に記載の異常陰影候補検出装置において、

[0020] 請求の範囲第 10項に記載の発明は、異常陰影候補検出装置において、

抽出すべき第 1の異常陰影サイズに対応する第 1の平滑ィヒフィルタを設定する第 1 設定手段と、

抽出すべき第 2の異常陰影サイズに対応する第 2の平滑ィヒフィルタを設定する第 2 設定手段と、

入力医用画像に前記第 1及び第 2の平滑ィヒフィルタを作用させ、異常陰影候補を検出すべき所望の大きさの特定領域を抽出する抽出手段と、

前記特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出手段と、

前記算出された特徴量に基づき、異常陰影候補の検出を行う異常陰影候補検出手段と、

を備えることを特徴とする。

発明の効果

[0021] 請求の範囲第 1、 3、 4、 7、 8、 9項に記載の発明によれば、平滑ィ匕フィルタ処理により腫瘤の予想される大きさに応じて予め偽陽性と思われる大きさの領域を検出対象力ら除外することができる。また、抽出領域にのみ、所定のパターンを有する領域を感度良く検出する、曲率の特徴量を用いた異常陰影候補の検出を行うことにより偽陽性候補数の低減を図ることができる。すなわち、曲率のように検出精度の高い異常陰影候補の検出処理を適用する際には、平滑フィルタによる領域抽出処理を前処理として併用することにより、処理時間と短縮と検出精度の向上という相乗効果が得られる。

[0022] 請求の範囲第 2項、第 6項に記載の発明によれば、平滑化フィルタ処理、異常陰影候補の検出処理等、医用画像に施す処理時間の短縮化を図ることができる。 [0023] 請求の範囲第 5項、第 10項に記載の発明によれば、対応する異常陰影サイズが異なる第 1及び第 2の平滑ィ匕フィルタを作用させることによって、検出すべき異常陰影候補領域の大きさに応じて抽出する検出対象領域を変更することが可能となる。よつて、検出目的の異常陰影種の大きさに応じた領域を抽出することができ、さらにこの抽出領域にのみ、所定のパターンを有する領域を感度良く検出する、曲率の特徴量を用いた異常陰影候補の検出を行うことにより偽陽性候補数の低減を図ることができる。すなわち、曲率のように検出精度の高い異常陰影候補の検出処理を適用する際には、平滑フィルタによる領域抽出処理を前処理として併用することにより、処理時間と短縮と検出精度の向上という相乗効果が得られる。また、検出すべき異常陰影候補領域の大きさ別に検出対象領域を分類して抽出することが可能となるので、複数の検出モデルによる異常陰影候補の検出が可能となる。

図面の簡単な説明

[0024] [図 1]本実施形態における医用画像システムのシステム構成を示す図である。

[図 2]図 1の画像処理装置の内部構成を示す図である。

[図 3]画像処理装置により実行される病変検出処理を説明するフローチャートである

[図 4]図 3の領域抽出処理を説明するフローチャートである。

[図 5]領域抽出処理の各ステップで生成される画像データの模式図である。

[図 6]第 1の平滑ィ匕フィルタを説明する図である。

[図 7]第 2の平滑ィ匕フィルタを説明する図である。

[図 8]第 1及び第 2の平滑ィ匕フィルタにより大きさ別に分類して検出対象領域を抽出する場合の処理手順を示す図である。

[図 9]医用画像の濃度分布を表す曲面と、注目画素の法線を回転軸とした法平面の回転を説明する図である。

[図 10]デジタル画像における濃度分布を示す曲面の図である。

[図 11]最小二乗法を用いて、濃度分布を示す曲線を円で近似することにより、曲線の曲率を算出する方法を説明する図である。

[図 12]ShapeIndexの値に対応する曲面形状を示す図である。 [図 13]曲率フィルタを処理対象画像内で走査する様子を説明する図である。

[図 14]曲率フィルタを用いた異常陰影候補検出処理を説明するフローチャートである符号の説明

[0025] 100 医用画像システム

1 画像生成装置

2 画像処理装置

21 CPU

22 操作部

23 表示部

24 RAM

25 記憶部

26 通信制御部

27 バス

発明を実施するための最良の形態

[0026] 本実施形態では、本発明に係る異常陰影候補検出方法及び異常陰影候補検出装置にっヽて、乳房を撮影した医用画像 (乳房画像)力ゝら腫瘤陰影の候補を検出する場合を例に説明する。

[0027] まず、構成を説明する。

[0028] 図 1に、本実施形態における医用画像システム 100のシステム構成を示す。

[0029] 図 1に示すように、医用画像システム 100は、画像生成装置 1、画像処理装置 2等がネットワーク Nを介して、相互にデータ送受信可能に接続されている。ネットワーク Nは、 DICOM (Digital Imaging and Communication in Medicine)規格が適用されている。

[0030] なお、本実施形態では、画像生成装置 1と画像処理装置 2とがネットワーク接続された例を説明するが、これに限らず、直接有線接続されたシステム構成であってもよい。また、画像生成装置 1や画像処理装置 2に限らず、画像生成装置 1で生成された医用画像の画像データを保存、管理するサーバ、画像処理装置 2における異常陰影候補の検出結果及び処理済み画像の表示出力を行うモニタ、或いはフィルム出力を行うフィルム出力装置等が接続された構成としてもよい。

[0031] 画像生成装置 1は、例えば、 CR (Computed Radiography)、 FPD (Flat Pane 1 Detecter)、し T (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。

[0032] 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。

[0033] 以下、画像処理装置 2の内部構成について説明する。

[0034] 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。

[0035] CPU21は、記憶部 25に記憶されているシステムプログラムを読み出し、 RAM24 内に形成されたワークエリアに展開し、該システムプログラムに従って各部を制御する。また、 CPU21は、記憶部 25に記憶されている検出処理プログラムを始めとする各種処理プログラムを読み出してワークエリアに展開し、後述する病変検出処理（図 3、 4、 14参照）を始めとする各種処理を実行する。

[0036] 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。

[0037] 表示部 23は、 LCD (Liquid Crystal Display)や CRT等のモニタにより構成され、 CPU21から入力される表示信号の指示に従って、画像等の表示を行う。

[0038] 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。

[0039] 記憶部 25は、 HDD (Hard Disc Drive)や不揮発性の半導体メモリ等により構成され、 CPU21で実行されるシステムプログラムの他、病変検出処理プログラムを始めとする各種プログラム、各種データ等を記憶する。これらの各種プログラムは、読取可能なプログラムコードの形態で格納され、 CPU21は、当該プログラムコードに従つた動作を逐次実行する。

[0040] また、記憶部 25は、図示しない特徴量ファイルを有しており、当該特徴量ファイルには異常陰影候補の検出処理時に算出される医用画像の濃度分布を示す曲面の特徴量 (例えば、 Shapelndex)が記憶される。

[0041] 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。

[0042] 次に、本実施形態における動作について説明する。

[0043] 図 3は、画像処理装置 2の CPU21により実行される検出処理を示すフローチャートである。 CPU21は、記憶部 25に記憶された検出処理プログラムとの協働によるソフトウェア処理により、当該処理を実行する。

[0044] 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)。

[0045] 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。乳房画像にお!ヽて診断される主な病変としては、例えば腫瘤陰影、微小石灰化クラスタ等が挙げられる。腫瘤陰影は、ある程度の大きさを持った塊で、乳房画像上ではガウス分布に近い濃度分布を持つ、白っぽく丸い陰影として表示される。微小石灰化クラスタは、乳房画像上では略円錐構造の濃度分布を有する小さく白い陰影として表示される。即ち、乳房画像上では、病変部で濃度値 (画素値)の落ち込みが見られる。

[0046] 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。

[0047] 図 4は、ステップ S2において CPU21により実行される領域抽出処理を示すフローチャートである。また、図 5は、図 4の領域抽出処理前の画像及び当該画像の領域抽出処理の各ステップでの処理結果を模式的に示す図である。図 5 (a)〜（d)においては、画像データ（画像データ D1〜D4)の或る 1列（図 5 (a)〜（d)は全て同じ列を示す）における画素位置を横軸、画素値 (濃度値)を縦軸として示している。

[0048] 図 4の領域抽出処理にぉヽては、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。

[0049] 乳房画像においては、図 5 (a)に示すように、検出すべき異常陰影候補領域の大きさ (検出すべき異常陰影候補領域と同程度の大きさ)をもち、かつ周囲より低濃度の領域 (検出対象領域) Al、検出すべき異常陰影候補領域より小さぐかつ周囲より低濃度の領域 (微小領域) A2、検出すべき異常陰影候補領域より大きぐかつ周囲より低濃度の領域 (対象より大きな領域) A3が含まれる。領域抽出処理の以降の処理ステツプでは、縮小された画像データ D1上から検出すべき異常陰影候補領域と同程度の大きさをもつ低濃度領域を検出対象領域として抽出する。なお、以降の処理においては、 5mn！〜 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。

[0050] 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)。

[0051] 第 1の平滑化処理は、画像データ D1に対してマスクサイズ 3画素 X 3画素の第 1の平滑化フィルタ（図 6参照）をかけて画像データ D2を生成する。第 1の平滑ィ匕フィルタは、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)に示すように縦幅、横幅がそれぞれ 4. 8mm程度（1. 6mm X 3画素）までの微小領域が平滑化される。

[0052] 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)。

[0053] 第 2の平滑化処理では、画像データ D2に対してマスクサイズ 7画素 X 7画素の第 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。

[0054] 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、その部分を穴埋めするには腫瘤陰影と同程度の大きさを持つマスクサイズの第 2の平滑ィ匕フィルタをかければよい。

[0055] 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。

[0056] 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とし、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。

[0057] このように、第 2の平滑ィ匕フィルタにより検出すべき異常陰影候補領域 A1と同程度の大きさをもつ低濃度領域を平滑ィ匕することができる。 [0058] 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。

[0059] 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下限となるサイズ (第 1の異常陰影サイズ）が決定され、第 2の平滑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上限となるサイズ (第 2の異常陰影サイズ)が決定される。即ち、図 4のステップ S12における第 1の平滑ィ匕処理で用いる第 1の平滑ィ匕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上記第 1及び第 2の異常陰影サイズに合わせて変更設定することにより、異常陰影候補の検出対象とする領域の大きさを所望の大きさに変更することができる。

[0060] 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設定して複数回処理を行うことにより、大きさ別に分類して検出対象領域を抽出することが可能となる。例えば、まず、図 4のステップ S 12にお!/、てマスクサイズ 3 X 3の第 1の平滑化フィルタを用、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を生成して、当該画像データ D3と画像データ D2 の差分をとり閾値処理を行うことにより 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、この画像データに対し 11 X 11のマスクサイズの第 2の平滑ィ匕フィルタかけて画像データを生成して、当該画像データ D3 ' と画像データの差分をとり閾値処理を行うことにより 15mm〜30mm程度の検出対象領域を抽出することができる。このようにして、 5mn！〜 15mm程度の検出対象領域及び 15mn！〜 30mm程度の検出対象領域をそれぞれ抽出することが可能となる。

[0061] 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。

[0062] 図 3において、領域抽出処理が終了すると、画像データ Dにおいて抽出された画像データ D5の領域に対し、異常陰影候補の検出処理が実行される (ステップ S3)。

[0063] 検出処理では、曲率フィルタを用いて腫瘤陰影候補を検出する力初めに曲率フィルタによる特徴量の算出方法について説明した後、当該方法を適用した異常陰影候補検出処理の流れについて説明する。

[0064] 図 9 (a)に、 2次元座標で表される画素位置と、各画素の画素値、すなわち濃度値の 3方向の信号成分力なる乳房画像の濃度分布を表す曲面 Eを示す。図 9 (a)において、曲面 E上の任意の一画素を注目画素 pに設定し、この注目画素 pにおける法線ベクトル mと接線ベクトル tで張られる平面を法平面 Fとし、法平面 Fと曲面 Eとの交線 (即ち、法平面 Fで切り出される曲面 E)を法断面 Jとする。

[0065] なお、図 9 (a)では、説明の便宜上、曲面 Eを滑らかな曲面で示したが、実際にはデジタル画像を扱うので、図 10に示すように、曲面 Eは画素毎に離散的な濃度値 (画素値)を示す階段状となって!、る。

[0066] 注目画素 pにおける曲率を算出するためには、図 9 (b)に示すように、注目画素における法線を回転軸として、法平面 F (或いは、接線ベクトル t)を所定角度 |8ずつ回転させ、各回転角度毎に、法断面 Jが表す曲線 γの注目画素 pにおける法曲率を算出すればよい。ここで、所定角度 j8は、画像処理装置 2の処理速度に基づいて決定され、例えば、 π /2、 π Ζ8等に設定することができる。所定角度 j8を大きくすると、演算時間の短縮ィ匕を図ることができる。

[0067] 法断面 J上の注目画素 pにおける法曲率は、最小二乗法によって法断面 Jが表す曲線 γを近似する関数を算出し、その算出された近似関数の注目画素 ρにおける曲率を算出することによって求められる。本実施形態では、まず、図 1 1に示すように、法断面 Jが表す曲線 γ (図 11の濃度プロファイル)を円で近似する場合を示す。以下、最小二乗法を用いて曲線 γの近似円（曲線 γに近似する円）を算出する処理について説明する。

[0068] 近似円の中心座標を (a, b)、半径とすると、近似円は、 2次元座標 (X Y)を用いて式（1)のように表される。

[0069] [数 1]

(_Χ-_αγ +{Y-b)² =r² 又は )

X^' + Y² -{2Xa + 2Yb) + ² +b² =r²

[0070] 次に、曲線 γ上における注目画素 pの近傍 (所定範囲内の画像領域)の n個の画素信号値を (Xi,Yi) (ί=1,···,η)とし、式（2)に示すように、 η次元ベクトル Α η行 3列の行列 Β 3次元ベクトル Cを定義する。

[0071] [数 2]

、 + Y" j

[0072] 曲線 γを式（1)の円で近似するためには、 L= | A— BC | ²が最小となる Cを求めればよい。すなわち、 Lをベクトル Cで偏微分して 0となるような Cを求めればよい。 d

L/ d C = 0を満たす Cは、式（3)のようになる。

[0073] C = (B^TB)^_1BA (3)

式（3)において Tは転置行列を表す。また、（B^TB)— ¾は Bの擬似逆行列である。

[0074] 法断面 Jが表す曲線 γは、式（3)を満たす Cによって決定される円で近似される。この近似円の半径の逆数が、曲線 γの注目画素 ρにおける法曲率となる。即ち、回転角度 Θにおける曲線 γの近似円の半径が r( Θ )である場合、回転角度 Θにおける法曲率 Θ )は、式 (4)のように表される。

[0075] k(0)=l/r(0) (4)

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

[0076] また、 3点で定まる円を曲線 γに当てはめて、その円の半径力も法曲率を算出することも可能である。この場合、曲線 γ上の候補点と任意の 2点を曲面上にとり、この 3 点により円を描き、この任意の 2点を移動させることによって円の大きさを変化させ、円の大きさの変化が極点にきたときの半径力曲率が算出される。

[0077] 曲線 γの近似関数としては、他に、楕円、ガウス関数、二次関数等の各種の関数を適用することが可能である。近似関数として楕円を用いる場合、楕円の半径 (長半径又は短半径)の逆数が曲率 (法曲率)となる。また、近似関数として、下記の式 (5)に示すようなガウス関数 Υを用いる場合、式（5)の Νの値が曲率 (法曲率）となる。

[0078] [数 3]

[0079] 次に、近似関数として二次関数を用いた場合の法曲率の算出方法について説明する。局所座標系で図 9 (a)の曲面 Εが、式 (6)のように表されるものとする。

[0080] [数 4]

[0081] ここで、 a、 b、 cは定数であり、 0(x,y)^kは 3次以上の項を表す。

[0082] この場合、 X軸と角度 Θをなす法断面 J (曲線 γ )上の注目画素 pにおける法曲率 k(

0 )は式（7)のようになる。

[0083] [数 5]

[0084] ここでは、曲面 Eを表す式（6)に基づいて、曲線 γの近似関数としての二次関数を仮定し、最小二乗法により、その二次関数の二次の項の係数、一次の項の係数及び定数項を算出することにより、法曲率を算出する。

[0085] まず、 2次元座標 (Χ、 Υ)を用いて、曲線 γの近似関数が式 (8)に示すような二次関数 Υで表されるものと仮定する。

[0086] [数 6]

[0087] 次に、曲線 γ上における注目画素 ρの近傍 (所定範囲内の画像領域)の η個の画素信号値を (W) (ί= 1,· · ·,η)とし、 a'X² + b'X + c'と、この二次関数の出力値 Y_;との差の二乗平均 Sを算出する。そして、この二乗平均 Sを係数 a' b' c'で偏微分した値が 0となるように設定することにより係数 a' b' cを算出し、曲線 γの近似関数としての二次関数を決定する。

[0088] 最小二乗法により得られた式（8)の各係数 a' b' cを式（7)の a b cにそれぞれ代入することにより、法曲率 k( Θ )が算出される。なお、近似関数として三次以上の多次元多項式 (高次多項式）関数を用いた場合においても、二次関数の場合と同様の方法で法曲率を算出することができ、曲面形状のより繊細な情報を得ることができる。

[0089] このようにして、曲線 γの近似関数力も法曲率が算出されると、以下のように Shape Indexが算出される。注目画素 pの法線を回転軸として法平面 Fを回転させると、法断面 J (曲線 γ )の形状が変化するため、回転角度 Θに応じて法曲率 k( Θ )の値も変ィ匕することになる。即ち、法曲率 k( Θ )は、法平面 Fの回転角度 Θにより、最大値及び最小値をとる。各回転角度 π )で算出された法曲率 k( Θ )のうち、最大値を k 、最小値を k とすると、 Shapelndex SIは、式（9)のように定義される。

max min

[0090] [数 7]

7 =丄—丄 _arC ι

π 一

[0091] 式（9)の Shapelndex SIは、注目画素 pを中心とした所定範囲内の画像領域における曲面 Eの曲面形状を表す。

[0092] 図 12に、 Shapelndexの値に対応する曲面形状を示す。処理対象画像の白い部分 (即ち、濃度値が低い部分)では、 Shapelndexの値は 1に近付き、曲面形状は凹型となる。一方、処理対象画像の黒い部分 (即ち、濃度値が高い部分)では、 Shape Indexの値は 0に近付き、曲面形状は凸型となる。

[0093] 図 13に、本実施形態の曲率フィルタと処理対象画像を示す。図 13に示すように、この曲率フィルタを図 3のステップ S3において抽出された抽出領域全体に走査させることにより、各画素での Shapelndexの値が算出され、濃度分布の凹凸を強調した S hapelndex画像が作成される。異常陰影の種類に応じて Shapelndexの値がとり得る範囲が予め設定されているとすると、 Shapelndex画像力、 Shapelndexの値が特定の範囲にある信号領域を検出することによって、該当する異常陰影を検出することができる。例えば、腫瘤はなだらかなガウス分布状の凹型となる傾向がある。従つて、図 12より、 Shapelndexの値力 ^0. 75-1. 00となる画像領域を検出することによつて、腫瘤陰影の候補領域を検出することができる。なお、処理対象領域を設定し、その設定された処理対象領域の画素に曲率フィルタを走査させるようにしてもょ、。

[0094] なお、本実施形態では、画像をフィルムに出力する際の濃度の分布の曲面形状を取り扱つたが、画像を表示モニタに出力する際の輝度の分布の曲面形状を取り扱うようにしてもよい。輝度分布の場合、 Shapelndexの値と曲面形状の関係が濃度分布の場合と逆になる。即ち、輝度の場合は、濃度値が高いとき白、濃度値が低いとき黒となる。従って、輝度分布の場合、 Shapelndexが 1に近付くと曲面形状は凸型となり、 Shapelndexが 0に近付くと曲面形状は凹型となる。

[0095] 次に、図 14を参照して上記説明した曲率フィルタによる異常陰影候補の検出処理について説明する。

[0096] 図 14に示すように、まず、図 3のステップ S2において医用画像データ D力も抽出された抽出領域に対し、注目画素 pが設定され (ステップ S31)、注目画素 pを中心とした所定範囲の画像領域が設定される (ステップ S32)。次、で、注目画素 pの法線を回転軸とした回転角度 Θ力^に設定される (ステップ S33)。

[0097] 次いで、ステップ S32で設定された画像領域における濃度分布を示す曲面 Eを、回転速度 Θの法平面 Fで切り出すことによって、回転角度 Θの法断面 Jが表す曲線 γ が取り出され (ステップ S34)、この曲線 γ上の画素信号値 (濃度値）が記憶部 25に記憶される。次いで、最小二乗法を用いて、回転角度 Θにおける曲線 γが円で近似され、近似円の半径により、注目画素 ρの回転角度 0における法曲率 Θ )が算出される（ステップ S35)。

[0098] 次、で、回転角度 Θに βを加算した値が新たな回転角度 Θとして設定される (ステップ S36)。次いで、現在の回転角度 j8が π以上である力否かが判定される (ステツプ S37)。

[0099] ステップ S37にお、て、回転角度 Θが π未満であると判定された場合 (ステップ S3 7 ;Ν)、ステップ S34に戻り、当該回転角度 0に対するステップ S34〜S37の処理が繰り返される。ステップ S7において、回転角度 Θが π以上であると判定された場合（ステップ S37 ;Y)、各回転角度毎に算出された法曲率 k( Θ )の中から最大値 k 及び

max 最小値 k が算出される (ステップ S38)。

min

[0100] 次いで、ステップ S38で算出された法曲率の最大値 k 及び最小値 k を用いて、

max min

式（9)により Shapelndexが算出され (ステップ S39)、算出された Shapelndexの値力現在の注目画素 pの特徴量として記憶部 25の特徴量ファイルに記憶される。

[0101] 次いで、抽出領域内の全ての画素について Shapelndexの算出が終了したか否かが判定される（ステップ S40)。ステップ S40において、全ての画素について Shapeln dexの算出が終了していないと判定された場合 (ステップ S40 ;N)、ステップ SIに戻り、抽出領域において次の注目画素 pが設定され (ステップ S31)、その設定された注目画素 pについて、ステップ S32〜S39の処理が繰り返される。

[0102] ステップ S10において、全ての画素について Shapelndexの算出が終了したと判定された場合 (ステップ S40 ;Y)、曲率フィルタを抽出領域内で走査させることにより、全ての画素について Shapelndexが算出されると、濃度分布の凹凸を強調した Sh apelndex画像が作成される。そして、 Shapelndexの値が特定の異常陰影に対応する範囲にある画像領域が、該当する異常陰影の候補領域として検出される (ステツプ S41)。ここでは、腫瘤を検出対象としているので、例えば Shapelndexの値が 0. 75〜： L 00となる画像領域を検出することによって、腫瘤陰影の候補領域が検出される。

[0103] 異常陰影候補領域の検出後、処理は図 3のステップ S4に移行し、異常陰影候補検出結果が表示部 23に表示される (ステップ S4)。例えば、画像データ Dに基づく乳房画像が表示部 23に表示され、その乳房画像上において、異常陰影候補として検出された候補領域が矢印で指摘表示される、或いはカラー表示される等して識別表示される。また、異常陰影候補における特徴量を出力するようにしてもよい。

[0104] 以上のように、本実施形態によれば、曲率フィルタを用いた異常陰影候補の検出処理の前処理として、第 1及び第 2の平滑ィ匕フィルタにより検出処理の対象領域を抽出する。これにより、抽出された領域にのみ曲率フィルタを用いた検出処理を施すことができ、処理時間の大幅な短縮ィ匕を図ることができる。また、曲率フィルタによる検出処理は、腫瘤に特有の画像パターンを感度良く検出するが、この検出処理前には予め検出対象領域をある大きさのものに絞り込んだうえで処理を行う。よって、腫瘤の予想される大きさに応じて予め偽陽性と思われる大きさの領域を検出対象から除外することができ、これにより偽陽性候補数の低減を図ることができる。すなわち、曲率フィルタのように検出精度の高い異常陰影候補の検出処理を適用する際には、平滑フィルタによる領域抽出処理を前処理として併用することにより、処理時間と短縮と検出精度の向上という相乗効果が得られる。

[0105] また、第 1及び第 2の平滑ィ匕フィルタのマスクサイズを変えることができるので、検出目的とする病変種の大きさに応じた領域を抽出することができる。曲率フィルタを適用するマスクサイズを変えることにより、大きさを考慮した異常陰影候補の検出を行うことができるが、曲率フィルタによる検出処理は平滑ィ匕フィルタによる抽出処理より処理時間を要するものである。よって、予め平滑ィ匕フィルタにより検出目的とする大きさの領域を抽出しておき、その大きさの抽出領域内で曲率フィルタによる検出処理を行うことにより、処理時間の短縮ィ匕を図ることができるとともに、候補領域の大きさを考慮した検出処理を行うことができ、より検出精度の向上を図ることができる。

[0106] 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て設定することにより、検出すべき異常陰影種の大きさに応じて抽出する検出対象領域の大きさを変更することが可能となる。よって、異常陰影候補の検出処理の前段階で検出対象の異常陰影種に特有の大きさに限定して領域の抽出を行うことにより、後段の検出処理の処理時間の短縮ィ匕を図ることができるとともに、偽陽性候補の除去を行うことができる。

[0107] さらに、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。

[0108] なお、抽出された領域に使用する曲率フィルタは、サンプリングピッチ 400 μ mの画像を用い、抽出領域 5〜15mmの腫瘤陰影を対象とする場合には 15 X 15ピクセルサイズ (6 X 6mm)、抽出領域 15〜30mmの腫瘤陰影を対象とする場合には 35 X 3 5ピクセルサイズ（14 X 14mm)とすることが検出性の観点から好ましい。

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

Claims

請求の範囲

[1] 入力医用画像に第 1の平滑ィヒフィルタ処理を施す第 1処理工程と、

を含むことを特徴とする異常陰影候補検出方法。

[2] 前記入力医用画像を縮小する工程を含み、

前記第 1処理工程では、前記縮小された入力医用画像に第 1の平滑化フィルタ処理を施すことを特徴とする請求の範囲第 1項に記載の異常陰影候補検出方法。

[3] 前記特徴量算出工程では、前記濃度分布を示す曲面の形状を表す特徴量として、シエイプインデックスを算出することを特徴とする請求の範囲第 1項又は第 2項に記載の異常陰影候補検出方法。

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

[5] 抽出すべき第 1の異常陰影サイズに対応する第 1の平滑ィ匕フィルタを設定する工程と、

抽出すべき第 2の異常陰影サイズに対応する第 2の平滑ィヒフィルタを設定する工程と、

前記特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出工程と、前記算出された特徴量に基づき、異常陰影候補の検出を行う異常陰影候補検出工程と、

を含むことを特徴とする異常陰影候補検出方法。

[6] 入力医用画像に第 1の平滑化フィルタ処理を施す第 1の平滑化処理手段と、

前記第 1の平滑ィヒフィルタ処理が施された処理画像に第 2の平滑ィヒフィルタ処理を施す第 2の平滑化処理手段と、

を備えることを特徴とする異常陰影候補検出装置。

[7] 前記入力医用画像を縮小する縮小処理手段を含み、

前記第 1の平滑化手段は、前記縮小された入力医用画像に第 1の平滑化フィルタ処理を施すことを特徴とする請求の範囲第 6項に記載の異常陰影候補検出装置。

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

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

[10] 抽出すべき第 1の異常陰影サイズに対応する第 1の平滑ィヒフィルタを設定する第 1 設定手段と、

入力医用画像に前記第 1及び第 2の平滑ィヒフィルタを作用させ、異常陰影候補を検出すべき所望の大きさの特定領域を抽出する抽出手段と、前記特定領域の濃度分布を示す曲面の形状を表す特徴量を算出する特徴量算出手段と、

を備えることを特徴とする異常陰影候補検出装置。