JPH0737074A - 時間的に連続する胸部画像間の経時変化を検出する方法及び装置 - Google Patents

Abstract

(57)【要約】 【目的】本発明は時間的に連続したディジタル医用画像
の間の経時変化を検知するために強調した画像を用いて
診断の精度を高めるためのコンピュータ化された方法及
び装置を提供することを目的とする。 【構成】１組の画像はディジタル化（ステップ１０、２
０）され、２枚の画像における対応する位置が等しくな
るように一方の画像を非線形に歪ませることを含む画像
位置合わせが行なわれる（ステップ４０）。この後、歪
みを受けた画像と他方の画像がサブトラクション処理さ
れる（ステップ５０）。後から撮影した画像にだけ存在
する僅かに不透明になった部分が、サブトラクション画
像において検知される。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、例えば胸部Ｘ線画像の
ようなディジタル医用画像のコンピュータ解析の分野に
関し、２枚の画像の間の違いがディジタル画像処理技術
を用いて検出することができるように１枚を他方に先だ
って得た一人の患者についての１組の画像の間に生じる
微妙な経時変化を強調するために用いられるコンピュー
タ解析に関する。

【０００２】

【従来の技術】臨床医療では、同じ患者の過去に撮影し
た胸部Ｘ線画像との比較は重要であると考えられてき
た。ほとんどの後方−前方(POSTERO-ANTERIOR:Ｐ−Ａ)
胸部Ｘ線画像は過去に撮影したＸ線画像と並べて観察さ
れる。比較しながらの読影は、読影者が異常を発見し、
その程度を決めることの助けとなる。また、比較しなが
らの読影は、既知の病巣の時間変化を検知し、処置の効
果を評価するためにも重要である。しかし、Greene, "M
issed Lung Nodules…", Radiology, vol.182, pp.1, 8
-9, 1992と、Austin, "Missed Bronchogenic Carcinoma
…", Radiology,vol.182 , p.1, 115-122に記述され
ているように、連続した胸部Ｘ線画像を観察していると
きでさえ、読影者は重要な経時変化を見落としてしまう
ことがある。このような誤りが生じるのは、部分的には
２枚のＸ線画像を交互に見て比較することが難しいこと
や、２枚のＸ線画像の間で濃度、コントラスト、または
患者の姿勢が違っていること等に原因がある。数多くの
異常がある患者の経時変化は見落とされることがある。
というのは、いくつかの異常は変化を示さない他の異常
でカムフラージュされてしまうからである。したがっ
て、読影者に注意を促すとともに病理学上重要な変化を
検知する率を高めるために、時間的に連続した胸部Ｘ線
画像における経時変化に関連した情報を得ることは重要
なことである。経時変化とは、ここでは前回の検査の後
で今回の検査の前に生じた病理学的変化と定義してい
る。

【０００３】一般に、患者の姿勢、Ｘ線の照射の状態や
その他の露光条件等に関してＸ線画像を再現することは
困難である。また、患者の呼吸や心拍は、通常２枚の画
像の間では異なった状態にあり、そのため、肺、横隔
膜、心臓の大きさや形が違ってしまう。そのため、１枚
の画像の画素が他方の画像で全く同一の解剖学的な構造
に対応する画素から差し引かれるような画像の位置合わ
せ技術が必要である。さらに、３次元の対象物を２次元
に投影していることになるＸ線画像は、単純な方法で正
確に位置合わせをすることが困難である。図１１は時間
的に連続した複数組のＰ−Ａ胸部画像での位置ずれの様
々な原因を示している。これらは４０組以上の画像を調
べて得られたものである。ほとんどの組で、これらの原
因の組み合わせによって位置ずれが起こっている。

【０００４】

【発明が解決しようとする課題】本発明は上述した事情
に対処すべくなされたもので、その目的は、時間的に連
続したディジタル医用画像の間の経時変化を検知するた
めに強調した画像を用いて診断の精度を高めるためのコ
ンピュータ化された方法及び装置を提供することであ
る。

【０００５】本発明の関連する目的は、１枚の画像を非
線形に歪ませた後に、歪ませた画像と他方の画像の差分
をとることによって時間的に連続した１組の胸部画像の
位置合わせ処理を行うためのコンピュータ化された方法
及び装置を提供することである。

【０００６】さらなる目的は、患者の時間的に連続した
１組の画像のうちの１枚を非線形に歪ませることが２枚
の画像での多くの小さな関心領域(region of interest:
ＲＯＩ) に適用されるローカルマッチング技術に基づい
ている画像の位置合わせとサブトラクションを行なうた
めのコンピュータ化された方法及び装置を提供すること
である。

【０００７】本発明のさらなる目的は、時間的に連続し
た１組の胸部画像をマッチングさせ、２枚の画像間のサ
ブトラクションを行ない、２枚の胸部画像の画像解析に
よって得られたデータに基づいて画像上の多くの小さな
ＲＯＩを選択することを含む画像位置合わせ技術を用い
て肺疾患を強調し検知するためのコンピュータ化された
方法及び装置を提供することである。

【０００８】本発明の別の目的は、時間的に連続した２
枚の画像上の多くの小さなＲＯＩにローカルマッチング
技術を適用した結果を示すマッチングシフト値を決定す
ることに基づいて、２枚の画像の間の位置合わせを行う
ために非線形歪み技術を用いた時間的に連続した１組の
医用画像の間の経時変化を検知するためのコンピュータ
化された方法及び装置を提供することである。

【０００９】本発明の別の目的は、画像の中で異常の疑
いのある領域を強調し検知するためにディジタル化され
た１組の画像のサブトラクションを行ない、ディジタル
画像のサブトラクション処理を可能とするために２枚の
画像のうちの一方に適用される非線形歪み技術に基づい
て２枚の画像が互いにマッチングされ、その結果、非線
形歪み技術は２枚の画像の間の対応する場所の間のシフ
ト値のマッピングを用いて行なわれ、シフト値のマッピ
ングはシフト値にフィットさせた２次元の多項式関数に
基づいている方法及び装置を提供することである。

【００１０】本発明の別の目的は、重み係数が各シフト
値の多項式フィッティングへの寄与の程度を表している
多項式関数を複数のシフト値にフィッティングさせる重
み付けフィッティング技術を用いる画像の位置合わせと
サブトラクションを行なうための方法及び装置を提供す
ることである。

【００１１】本発明の別の目的は、フィッティング技術
はローカルマッチング処理に関する情報、および／また
は画像解析結果に基づいて決定された重み係数を有する
重み付け技術であり、２枚の画像で対応する位置の間の
位置ズレの量を示す複数のシフト値に多項式関数をフィ
ットさせる重み付けフィッティング技術を用い、時間的
に連続した１組の医用画像において異常を強調し検知す
ることを可能にするコンピュータ化された方法を実行す
るための方法及び装置を提供することである。

【００１２】

【課題を解決するための手段】上記のまたは他の目的を
達成するために、本発明は、既知のＸ線技術を用いるこ
とによって撮影され、さらにディジタル化され、ディジ
タルコンピュータによって処理される１組の胸部画像が
生成されるコンピュータ化された方法を含んでいる。本
技術は、サブトラクション処理が行えるように複数の画
像の中で対応する位置どうしを位置合わせする画像位置
合わせ技術を含んでいる。この２枚の画像のサブトラク
ションを行なうことによって、間質性疾患や腫瘍等の異
常を示していると考えられる２枚の画像の間の微妙な違
いが強調される。２枚の画像の位置合わせを行うため
に、非線形歪みが２枚の画像の一方に適用されて、２枚
の画像の対応する場所の間の必要な位置合せが得られ
る。この非線形歪み法は、胸部画像の解剖学的構造に関
する検知された情報に基づいて選択された多くの小さな
関心領域（ＲＯＩ）のローカルマッチング技術に基づい
ている。このローカルマッチング技術は、２枚の画像の
対応する場所の間のシフト値をマッピングするものであ
る。ここで、シフト値のマッピングはローカルマッチン
グ量、またはＲＯＩに対して行われる画像データ解析の
結果に基づく重み係数を用いるカーブフィッティング技
術によってなされる。

【００１３】

【作用】本発明によるコンピュータ化された方法及び装
置によれば、強調した画像を用いて時間的に連続したデ
ィジタル医用画像の間の経時変化を検知し、診断の精度
を高めることができる。

【００１４】

【実施例】以下、図面を参照して本発明によるコンピュ
ータ化された経時変化検出方法及び装置の実施例を説明
する。図１は本発明に基づく基本的な概念がフローチャ
ートとして図示している。この図を見てわかるように、
本発明の方法は第１、第２の１組の画像のディジタル化
（ステップ１０，２０）と、画像位置合わせ（ステップ
４０）と、画像のサブトラクションを行なうこと（ステ
ップ５０）とを含んでいる。ディジタルＸ線画像の代わ
りに、蓄積型の蛍光管を用いたシステムやＣＣＤを用い
たシステムを使って直接得られるディジタル胸部画像を
使用することができる。括弧付きで書かれているステッ
プ３０と６０は行うことが望ましいが、本発明の方法を
実行するのに不可欠なものではない。差分画像はステッ
プ７０で出力される。

【００１５】図２は時間的に連続した一組の胸部画像の
間の経時変化を強調するときの全体像をより詳しく図示
したものである。この方法は１組の胸部Ｘ線画像をディ
ジタル化するステップ（ステップ１０，２０）と、多く
の小さな関心領域（ＲＯＩ）を選択するステップ（ステ
ップ４１，４２）と、選択されたＲＯＩを用いて画像の
位置合わせをするステップからなる。画像の位置合わせ
は、２枚の画像の対応するＲＯＩの各組に対して適用さ
れるローカルマッチング（ステップ４３）と、対応する
ＲＯＩの各組の間のローカルマッチングの量を示すシフ
ト値のマッピング（ステップ４４）からなっている。カ
ーブフィッティング（ステップ４５）がこのマッピング
されたシフト値に適用され、このカーブフィッティング
解析の結果に基づいて２枚の画像のうちの一方に非線形
の歪みが与えられる（ステップ４６）。最後に対応する
ＲＯＩの各組に対して、歪まされた画像と歪んでいない
画像との間のサブトラクションが行なわれる（ステップ
５０）。このサブトラクション画像が出力され（ステッ
プ７０）、読影者はこのサブトラクション処理によって
得られた結果と時間的に連続した画像とを横に並べて比
較することができる。ステップ３０，６０は実施した方
が好ましいが本発明にとって本質的なものではない。

【００１６】図３はふたつのディジタル化された２枚の
画像内でＲＯＩを選択する過程（ステップ４１，４２）
を示している。この過程は胸部画像の解剖学的構造の解
析（ステップ１１、例えば胸郭の端の位置等）と、各Ｒ
ＯＩの中心間距離の決定（ステップ１４）と、その中心
の位置の決定（ステップ１３）からなっている。ＲＯＩ
の大きさと形もまた選択される（ステップ１５）。この
ようにしてＲＯＩの場所が決定される（ステップ４
７）。ステップ１２も必要に応じて行うステップであ
り、本発明に必要なものではない。

【００１７】本発明に従ったローカルマッピング技術を
用いたシフトマッピング技術は図４に示してある。この
図からわかるように、シフトマップが決定され（ステッ
プ８０）、胸部画像のテンプレートＲＯＩと探索領域Ｒ
ＯＩの間の類似性の解析（ステップ８１）、解剖学的構
造の解析（ステップ８２）、画素値分布の解析（ステッ
プ８３）の後で重み付けカーブフィッティング技術で用
いられる重み係数が決定される（ステップ８４）。重み
付けフィッティングが行われた後で（ステップ８５）シ
フトマッピング計算では直接計算できない値を推定する
ために補間（内挿／外挿）技術が適用される（ステップ
８６）。次に、フィットされたシフトマップが作られる
（ステップ８７）。ステップ８１〜８３は必要に応じて
行えばよい。

【００１８】ローカルマッチング技術は２枚の画像、す
なわちテンプレートＲＯＩ画像と探索領域ＲＯＩ画像に
おけるＲＯＩの選択を含んでいる。このテンプレートＲ
ＯＩはもうひとつの画像中の探索領域ＲＯＩに対して最
もよく一致するように探索領域ＲＯＩの中を移動され
る。図５に示されているように、この探索領域ＲＯＩと
テンプレートＲＯＩはコンピュータによって自動的に選
択される。図５では、各画像におけるＲＯＩの中心が数
多くの点で示されている。 ［画像位置合わせ技術］本発明で用いられている画像位
置合わせ技術の基本的な概念は、サブトラクション処理
が実行できるように２枚の画像の間の位置合わせを改善
するために、２枚の画像のうちのひとつを非線形に歪ま
せる方法を用いている。非線形歪み処理は２枚の画像で
対応している場所にある多くの小さな関心領域（ＲＯ
Ｉ）のローカルマッチングに基づいて行なわれる。ロー
カルマッチング処理を行うためには、ひとつの画像の中
で小さなテンプレートＲＯＩが選択される。もうひとつ
の画像では探索領域が選択される。そこでは、テンプレ
ートサブ画像に一致するサブ領域が探索領域の中で探索
される。言い替えると、第１の画像のテンプレートサブ
画像に最も類似するサブ領域はもうひとつの画像の中の
探索領域の中に必ず存在していなければならないことに
なる。この探索領域を画像全体とすることは可能である
が、解剖学的構造から見て対応すると思われる位置にあ
るテンプレートＲＯＩよりやや大きい領域を探索領域と
することが好ましい。これは精度を高め、また計算時間
を短くするためである。

【００１９】ＲＯＩは胸郭を含む肺領域で主に選択する
ことが好ましい。何故ならば、肺のこの領域に最も重要
な診断情報があるからである。胸郭の端や横隔膜、心臓
領域、縦隔の場所等の解剖学的構造の特徴を検知するこ
とができる既知の画像解析技術によって肺領域は特定す
ることが可能である。こういった既知の技術は、例えば
米国特許第４，８５１，９５４号に述べられている。

【００２０】テンプレートと探索領域の中心位置も上述
した画像解析技術に基づいて決定することができる。探
索領域の中心は、対応するテンプレートの中心と解剖学
的に見てほぼ同じ場所に位置しているべきである。テン
プレートＲＯＩの中心と探索領域ＲＯＩの中心はそれぞ
れの画像に独立に上述した画像解析技術を用いて選択す
ることができる。別のやり方として、同じ方法で一方の
画像でテンプレートＲＯＩを選択し、胸郭の端や肺の中
心線や肺の上端のような所定の解剖学的構造の相対的な
位置の情報に基づいてテンプレートの中心点を全体的に
シフトさせたり、及び／または回転させたりして他方の
画像で探索領域の中心の場所を決めることもできる。こ
の方法は肺領域のある断片的な部分に独立に適用すると
さらに正確になる。例えば、図５に示されているように
中心線によって分けられた右肺領域と左肺領域に独立に
適用した場合である。図５はテンプレートの中心が胸郭
領域の中に、肺の中心線と上辺の交点の相対的な位置に
基づいてテンプレートの中心をシフトさせることによっ
て得られた対応する探索領域の中心として選択されてい
るところを図示している。

【００２１】テンプレートＲＯＩの大きさは好ましくは
直径５〜５０（ｍｍ）であり、さらに好ましくは直径１
５〜４０（ｍｍ）である。ここで選択される大きさは使
用されるローカルマッチングアルゴリズムの特性にもよ
る。図６、図７に示されているように、テンプレートＲ
ＯＩのサイズが小さすぎると、マッチングの正確さが低
下してしまう。一方、サイズが大きすぎると処理時間が
長くなってしまう。また、サイズが大きすぎると、ＲＯ
Ｉ全体に対するマッチングはＲＯＩの中心部分でのマッ
チングと同じではなくなってしまう。言い替えると、ひ
とつの大きなＲＯＩがテンプレートＲＯＩと探索領域Ｒ
ＯＩのそれぞれに用いられたとすると、広い領域に対し
て解析が行われるためにＲＯＩの中の構造が変わってし
まう。したがって、そのような２枚の領域でマッチング
を行なおうとすると、２つのＲＯＩのある部分はよく重
なるが、他の部分がマッチングしないことがおきる可能
性がある。探索領域ＲＯＩのサイズは対応するテンプレ
ートＲＯＩより大きくすべきであり、好ましくは直径１
０〜４０（ｍｍ）である。図６、図７では検索領域サイ
ズはＲＯＩサイズ＋２２．４とされている。探索領域Ｒ
ＯＩのサイズもまた検知されるべき経時変化の大きさに
依存している。探索領域ＲＯＩのサイズが小さすぎる
と、マッチングの正確さが低下する。一方、サイズが大
きすぎると、対応する領域はマッチするが、心臓の大き
さの変化や横隔膜の変化等の病理学的な経時変化が減少
させられてしまう。２枚の領域の中心間の距離は好まし
くは５〜３０（ｍｍ）である。しかし、この距離が小さ
すぎると、処理時間が相対的に長くなる。一方、この距
離が大きすぎると、歪み処理の正確さが低下してしま
う。テンプレートと探索領域ＲＯＩの形は図８に示され
ている多くのバリエーションのうちのいずれのものでも
良い。

【００２２】ＲＯＩは胸郭全体を覆うように位置してい
る必要がないことに気をつけるべきである。例えば、縦
隔領域の非常に低濃度の部分では肺領域に較べてＲＯＩ
は少なくて良い。何故ならば、その部分は診断では重要
ではないからである。縦隔の領域では中心間の距離を長
くしたり、縦隔領域の中心部分の低濃度領域ではＲＯＩ
を選択しないようにすることができる。縦隔は胸部画像
の中心近くに見られる白い領域であり、これは脊椎及び
関連する解剖学的構造のためである。したがってこの領
域の濃度は低く、そのためこの領域からは多くの情報は
得られず、ここでは少ない数のＲＯＩしか選択されな
い。

【００２３】本発明のローカルマッチング技術は、対応
するテンプレートＲＯＩに「最も良く」マッチする探索
領域ＲＯＩの中のサブ領域を決定するために用いられ
る。「最も良く」マッチするということは、決定された
サブ領域の中の画像データとテンプレートの中の画像デ
ータの間の類似性が探索領域の中の他の可能なサブ領域
よりも高いという意味である。２枚のサブ画像の間の類
似性を評価し、「最も良く」マッチすることを決定でき
る、現在知られているいずれのアルゴリズムもローカル
マッチングのために用いることができる。以下の式と図
９は正規化相互相関法を示したものである。

【００２４】

【数１】

【００２５】ここで、ＡとＢが等しい場合は、Ｃ＝１で
ある。上式は正規化相互相関値を最大にするサブ領域を
見つけるために使用される。Ｈａｌｌ著「コンピュータ
画像処理と認識(Computer Image Processing and Recog
nition) 」アカデミックプレス(Academic Press)、１９
７９年、として知られている正規化しない一般的な相互
相関法も使用することができるが、２枚のサブ画像間の
平均画素値の違いの影響を低減させるためには正規化す
る方が好ましい。

【００２６】本発明に従ってローカルマッチング処理を
行うことができる第２の方法は最小二乗差分法を用いる
ことである。この方法によれば、次式に基づいて２枚の
画像の対応する位置の間の差の二乗和を最小にするサブ
領域が決定される。

【００２７】

【数２】

【００２８】この式は正規化相互相関法を用いて得られ
る結果と同じ結果を与える。本発明に従った２枚の画像
位置の間でローカルマッチングを行う第３の方法は最小
差分法である。この技術によれば、以下の式を用いて２
枚の画像で対応する各場所（画素）の間の差の絶対値の
総和を最小にするサブ領域が決定される。

【００２９】

【数３】

【００３０】本発明に従った第４のローカルマッチング
法はフーリエ変換位相相関技術を用いるものであり、２
枚のサブ画像のフーリエ変換の位相項の間の相関を最大
にするサブ画像が以下の式にしたがって決定される。

【００３１】

【数４】

【００３２】正規化相互相関法、最小二乗法差分法、及
びフーリエ変換位相相関法ではマッチングの正確さに関
して最も良い結果が得られる。上記のローカルマッチン
グ技術を用いて良い結果を得ることができたパラメータ
の例は次のようなものである。画素の大きさは０．７ｍ
ｍ、テンプレートＲＯＩのサイズは２２．４ｍｍ×２
２．４ｍｍ（３２×３２画素）、探索領域のサイズは４
４．８ｍｍ×４４．８ｍｍ（６４×６４画素）、中心間
距離は７．０ｍｍ（１０画素）、正規化相互相関法を使
用している。

【００３３】ローカルマッチングアルゴリズムを用いた
計算は画素毎に行う必要がないということにも注意すべ
きである。つまり、処理時間を節約するためにテンプレ
ートＲＯＩと探索領域ＲＯＩの両方で画素を飛ばすこと
ができるということである。上記のローカルマッチング
技術を用いて良い結果を得ることができたパラメータの
例は次のようなものである。画素の大きさは０．７ｍ
ｍ、テンプレートＲＯＩは２２．４ｍｍ×２２．４ｍｍ
（３２×３２画素）、探索領域の大きさは４４．８ｍｍ
×４４．８ｍｍ（６４×６４画素）、中心間距離は７．
０ｍｍ（１０画素）、正規化相互相関法を使用してい
る。計算は２画素毎に１画素を飛ばし各テンプレートに
ついて１６×１６画素で行なわれた。計算の結果得られ
る位置合わせは画素を飛ばさない場合に得られる結果と
ほぼ同じであり、処理時間は画素を飛ばさない場合の１
／４に減少した。

【００３４】上述のローカルマッチング技術のうちのひ
とつをテンプレートの各中心に対して２あるいはそれ以
上のステップで行うことができる。例えば、第１のステ
ップとして、比較的大きなテンプレートＲＯＩと比較的
大きな探索領域ＲＯＩを選択することができる。次に、
「最も良く」マッチするサブ領域の中心のおおよその位
置を見つけるために画素を飛ばして粗いローカルマッチ
ング法を行なうことができる。次に、おおよその「最も
良く」マッチする場所近くで小さなテンプレートＲＯＩ
と探索領域ＲＯＩが、ローカルマッチングの第２のステ
ップとして厳密なローカルマッチングを行うために選択
される。適切なパラメータが選択されたならば、この方
法は正確さを高め、また処理時間を節約する。

【００３５】上記の方法に使用されたパラメータの例は
以下の通りである。画素の大きさは０．７ｍｍ、テンプ
レートＲＯＩは第１のステップでは４４．８ｍｍ×４
４．８ｍｍ（６４×６４画素）で、第２のステップでは
１１．２ｍｍ×１１．２ｍｍ（１６×１６画素）、探索
領域の大きさは第１のステップでは６７．２ｍｍ×６
７．２ｍｍ（９６×９６画素）で、第２のステップでは
１９．６ｍｍ×１９．６ｍｍ（２８×２８画素）、中心
間距離は７．０ｍｍ（１０画素）、正規化相互相関法を
使用している。第１のステップでは４画素毎に１画素を
計算するように画素を飛ばして各テンプレートについて
各１６×１６画素に対して計算が行われた。この結果得
られた位置合わせは上述の結果とほぼ同じであり、画素
を飛ばさない場合に較べて計算時間は１／３に減少し
た。

【００３６】テンプレートＲＯＩと探索領域ＲＯＩにロ
ーカルマッチング技術を適用することにより、「最も良
く」マッチするサブ領域の中心の場所のカーテシアン座
標を見つけることができる。これは探索領域で（ｘ′，
ｙ′）で表される。図９に示されているように、
（ｘ′，ｙ′）とテンプレート（ｘ，ｙ）の中心の場所
の間のｘ方向とｙ方向の間の距離はそれぞれシフト値Δ
ｘ，Δｙと呼ばれる。多くのテンプレートと探索領域の
組から得られた胸部画像の重要な領域上のこれらのシフ
ト値の分布は、画像のサブトラクション処理に先だって
座標（ｘ，ｙ）の適切な幾何学的歪みを得るために必要
となる重要な情報である。

【００３７】図１０はシフト値ΔｘとΔｙの分布を示す
シフトマップの例を示しており、これは正規化相互相関
法を用いたローカルマッチングによって得られたもので
ある。ここで、画素の大きさは０．７ｍｍ、テンプレー
トの形状は２２．４ｍｍ×２２．４ｍｍ（３２×３２画
素）の正方形となるように選択され、探索領域のサイズ
は４４．８ｍｍ×４４．８ｍｍ（６４×６４画素）とな
るように選択され、中心間距離は７．０ｍｍ（１０画
素）となるように選択された。

【００３８】（ｘ，ｙ）座標を適正に歪ませるために
は、上述のシフトマップを補間またはフィットさせ、胸
部画像の各（ｘ，ｙ）座標に対応するΔｘとΔｙの値を
得ることが必要である。これはΔｘまたはΔｙの値を補
間することによって行うことができる。最隣接補間や線
形補間、スプライン補間等のいずれの既存の補間法もこ
の目的のために用いることができる。しかし、補間の結
果は、いくつかの「悪い」マッチングのテンプレートを
含む全ての結果に依存しており、また本当に経時変化し
た部分にも依存しており、この部分ではいずれにしろマ
ッチングはできない。言い替えると、腫瘍やその他の間
質性疾患の進行等の本当の経時変化があったとき、胸部
画像に本当の変化が現れることになる。この場合、２枚
の画像の特徴が違うため２枚の画像は完全にはマッチン
グしない。ローカルマッチングの理由は「マッチする」
領域を可能な限り特定することであり、その後お互いを
サブトラクションすることである。一方または両方の画
像の低濃度領域、付加的なアーチファクト、あるいは疾
患の進行による本当の変化が存在することにより、マッ
チングがうまくとれない領域がでてくる。例えば、図１
０では、ほとんどの領域では比較的滑らかであるにも関
わらず、ΔｘとΔｙの分布でシフト値が異常に大きいか
小さい特異点がいくつか見られる。これらの特異点は一
般に経時変化を起こして組織、位置が変わってしまった
解剖学的構造や器官、または心臓領域内の著しく濃度が
低い領域に対応している。これらの特異点では、これら
のテンプレートに対する「良い」マッチングを見いだす
ことができないので、シフト値は信頼できるものではな
くなる。したがって、補間法が用いられたとすると、こ
れらのテンプレート近くの補間によって得られたシフト
値は正しくないシフト値になりがちである。

【００３９】この影響を取り除くために、シフト値にカ
ーブフィッティング技術が適用される。どのようなタイ
プのカーブフィッティング法もここで用いることができ
るが、米国特許第４，８５１，９８４号で知られるよう
に、２次元のｎ次多項式関数（ｎ≧２）によるフィッテ
ィングが滑らかさの点から好ましい。２次元のｎ次多項
式関数の一般的な形は次のようなものである。

【００４０】

【数５】 以下の式がシフト値へのカーブフィッティングを行うた
めに用いることができる。

【００４１】

【数６】

【００４２】ここで、ｋ＝１，２，…，ｎ＋１ ｍ＝１，２，…，ｋ 正確さを求める時には、３次以上の高い次数の多項式が
好ましい。何故ならば、図１９、図２０に示されている
原因によって生じるＸ線画像の位置ずれの本質的な性質
から考えられるように、ｘ，ｙ座標を適正に歪ませるこ
とはかなり複雑な変換であると考えられるからである。

【００４３】２枚の画像の位置合わせを向上させるため
には、２次元のｎ次多項式を用いた重み付けフィッティ
ングが好ましい。そのような重み付けフィッティングに
よって、ひとつの画像領域の中の各点について０〜１の
範囲の重み係数が得られる。この重み係数は上の式
（７）と（８）での係数ａ_i （ｉ＝１，２，…）を決定
する際の関与の程度を表している。良い（信頼できる）
マッチングを示しているシフト値には大きな重み係数を
使用し、悪い（信頼できない）マッチングを示している
シフト値には小さい重み係数を用いるのが好ましい。こ
の重み係数は、解剖学的構造の画像解析によるのと同様
にローカルマッチング技術を用いて２枚の画像の間の類
似性の解析、及び以下に述べる画素値の分布の解析に基
づいて決定することができる。

【００４４】ローカルマッチング法は、「最も良い」マ
ッチングを示すサブ領域を決定するためにテンプレート
ＲＯＩと探索領域ＲＯＩの中で選択されたサブ領域との
間の類似性を評価する。いずれのローカルマッチング法
も相互相関法における正規化相互相関値のような類似性
の尺度を持っている。この場合、前述の式（１）に示さ
れているように、正規化相互相関値が大きくなればなる
ほど、テンプレートに対するマッチングは良くなる。し
たがって、重み係数は、各テンプレートに対して「最も
良く」マッチングしているサブ領域から得られる類似性
の尺度に基づいて決定することができる。このとき、大
きな類似性を有する良くマッチングしているシフト値は
大きな重み係数を有するようにする。例えば、相互相関
法がローカルマッチングに使用されたとすると、重み係
数と正規化相互相関値の間の関係を定義づけるルックア
ップテーブルを作成することができる。図１１に示され
ているように、シフトマップの中の全ての重み係数は、
したがってこのルックアップテーブルを使って求めるこ
とができる。ＰとＱの可能な値の例としては、Ｐは典型
的には約０．６５の値であり、Ｑは約０．９の値であ
る。

【００４５】肺領域は他の領域に較べてより重要な診断
情報を含んでいるので、肺領域のテンプレートから得ら
れたシフト値のフィッティングには大きな重み係数が与
えられる。肺領域の場所は、米国特許第４，８５１，９
８４号、第５，０７２，３８４号で公開されている胸郭
の端や横隔膜、心臓領域、縦隔等の特定の解剖学的構造
を検知するための画像解析技術によって特定することが
できる。例えば、重み係数は横隔膜の下や縦隔の中央で
は０にされ、他の領域では１にされる。また、この方法
が胸部画像における特定の領域での経時変化を調べるた
めに用いられる場合は、それらの特定の領域には大きな
重み係数が与えられる。例えば、縦隔、心臓、横隔膜周
辺といった様々な場所の濃度の分布はしばしば非常に低
く、そのためこれらの領域からはほとんど情報は得られ
ない。したがって、これらの領域からの寄与は無視さ
れ、重み係数も０にされる。ヒストグラム解析からは、
これらの領域についての最大と最小の画素値がこれらの
場所を示す。低い画素値のおよそ１０％は無視される。
これらの領域は濃度が低いために、読影者に対してほと
んどあるいは全く診断情報を与えないからである。ま
た、重み係数は解剖学的構造の位置にも依存している。
胸郭の端の外側ではほとんど診断情報は無く、この領域
の外側でも相互相関、すなわちマッチングは無視され
る。

【００４６】テンプレートから得られるシフト値のフィ
ッティングのための大きな重み係数は診断上重要な領域
から画素値の分布を解析することによって得られる。画
像のディジタル化で高濃度の領域は大きな画素値へ変換
されるならば、一般的には肺領域は比較的大きな画素値
を持ち、一方、縦隔の領域は小さい画素値を持つ。それ
ゆえ、縦隔領域の中央に対応する極めて低い平均画素値
を持つテンプレートから得られたシフト値に対する重み
係数は小さくするのが望ましい。胸部画像の中の異なっ
た場所に対する重み係数を決定するために、重み係数と
画素値の間の関係を定義するルックアップテーブルを作
ることができる。例えば、重み係数は最小値と｛最小値
＋０．１×（最大値−最小値）｝という画素値の間は０
にされ、それより大きい画素値に対しては１とする。重
み係数はこれら３つのタイプの解析の組み合わせに基づ
いて決定することができる。

【００４７】図１２は図１０に示されたシフトマップか
ら生成されたフィッティングされたシフト値ΔｘとΔｙ
の分布を示しているシフトマップである。重み付けフィ
ッティングは、Ｐ＝０．６５，Ｑ＝０．９５とした図１
１に示されたルックアップテーブルを使って決定された
重み係数を用いた２次元の１０次多項式によってなされ
た。胸郭の外側の点のシフト値は線形補間（外挿）法に
よって決定された。

【００４８】画素（ｘ，ｙ）の場所の関数としてシフト
値ΔｘとΔｙが得られた後、その（ｘ，ｙ）座標の非線
形変換を決定することができる。図１３、図１４に示さ
れているように、得られた（Δｘ，Δｙ）の組はひとつ
の画像における座標（ｘ，ｙ）がもうひとつの画像にお
ける座標（ｘ＋Δｘ，ｙ＋Δｙ）に対応していることを
示している。

【００４９】図１３は本発明に基づく非線形歪み処理を
示す。左側の点線の格子はひとつの画像のカーテシアン
座標（ｘ，ｙ）を示し、この点線の格子に重なって示さ
れている実線の格子はもうひとつの画像の対応する点
（ｘ＋Δｘ，ｙ＋Δｙ）を示している。左側の実線の格
子は適正な位置合わせを行うために右側に実線で示した
格子に変形させられる。下に示した式はこの非線形な変
換の一般的な形態を示している。

【００５０】

【数７】

【００５１】図１４は図１２のシフト値ΔｘとΔｙの組
によって作られた（ｘ＋Δｘ，ｙ＋Δｙ）の格子パター
ンの例を示している。上の式の係数ａiiとｂijは決定さ
れていなくても良いということに注意が必要である。何
故ならば、サブトラクション画像は、計算されたΔｘと
Δｙの値を使ってひとつの画像の点（ｘ，ｙ）の画素値
をもうひとつの画像の対応する点（ｘ＋Δｘ，ｙ＋Δ
ｙ）の画素値から減算し、サブトラクション画像におけ
る点（ｘ，ｙ）の画素値としてサブトラクション画素値
を得ることにより生成されるからである。フィッティン
グされたシフト値ΔｘとΔｙは実数であるので、点（ｘ
＋Δｘ，ｙ＋Δｙ）はディジタル化された画像で画素の
間に位置させることができる。そのような場合、その画
素値は隣接する画素を用いる補間画素値で代用できる。
最隣接補間や線形補間、スプライン補間等のいずれの既
存の補間法もこの目的のために用いることができる。

【００５２】本発明に基づいた全体のシステムは図１
５、図１６に示されている。これらの図に見られるよう
に、ディジタル画像入力装置１００は同じディジタル画
像をメモリ１１０、１２０に供給する。これらのメモリ
の各々はＲＯＩ位置選択装置１３０によって受け取られ
る第１の出力を有している。第１画像メモリ１１０は歪
み画像メモリ２００によって受け取られる第２の出力を
有している。第２画像メモリ１２０はサブトラクション
演算装置１２０によって受け取られる第２の出力を有し
ている。ＲＯＩ位置選択装置１３０はＲＯＩの位置を選
択した結果をＲＯＩ画像メモリ１４０とシフトマップ発
生装置１６０に出力する。シフトマップ発生装置１６０
はシフトマップ計算の結果をシフトマップメモリ１７０
へ出力する。メモリ１７０には２枚の画像の間の値のマ
ップが保存される。カーブフィッティング演算装置１８
０はシフトマップメモリ１７０の出力を受け取り、上述
のカーブフィッティングを行う。この結果はフィットシ
フトマップメモリ１９０に保存され、次に歪み画像メモ
リ２００に出力される。歪み画像メモリ２００に保存さ
れた歪まされた画像はサブトラクション処理を行うため
に、サブトラクション演算装置２１０に出力される。こ
の計算の結果はサブトラクション画像メモリ２２０に保
存され、続いて読影者が見られるように表示装置２３０
に表示される。

【００５３】図１７、図１８はカーブフィッティング技
術を実行する際に用いられた重み係数を使った本発明に
基づいたシステムの全体像を示している。この図に示さ
れているように、画素値分布解析装置１３５は第１、第
２画像メモリ１１０，１２０とＲＯＩ位置選択装置１３
０の間に直列に接続されている。さらに付加してある類
似度メモリ１５５はローカルマッチング演算装置１５０
で実行されたローカルマッチング計算の結果を保存する
ために設けられている。これらの結果は、次に、選択さ
れたＲＯＩに適用される適当な重み係数を発生するため
に重み係数発生装置１７５へ出力される。図示されてい
るように、これらの重み係数は重み付けカーブフィッテ
ィング演算装置１８５へ出力され、そこで上述したある
次数の多項式へのフィッティングが行われる。図１７、
図１８の残りの部分は図１５、図１６に示されているも
のと同じであるのでここでは説明を省略する。

【００５４】本発明の技術による効果は図２１〜図３４
に示されている。図２１と図２２に示されているよう
に、図２２の画像には空気の浸潤は存在していないが、
２年後の画像では浸潤の存在がはっきりわかった。本発
明の技術を使うことによって、２枚の画像は位置合わせ
され、ディジタル的にサブトラクションされ、その結果
患者の右肺の浸潤が強調された。

【００５５】図２４〜図２７は歪まされた画像と歪まさ
れていない画像、この２枚の画像のサブトラクション画
像（右下）を図示している。図２８と図２９はある患者
の１組の画像を図示したものであり、図２９は図２８よ
り２年前に撮影された古い画像である。これらの画像の
差画像（サブトラクション画像）は図３０に示されてい
る。この図では、サブトラクション技術によって、２枚
の画像の間で肥大した左上側の肺節のみが強調されて示
されている。図３１は心臓肥大を示し、２年前に撮影さ
れた同じ画像を図３２に示している。図３３に示されて
いるこれらのサブトラクション画像は心臓肥大の程度と
肥大に伴う心臓の欠陥に由来するプロフュージョン(pro
fusion) （画像の下に示されている）を明確に示してい
る。図３４は１組の画像のうちのひとつを全体的にシフ
トさせて得られたサブトラクション画像を示している。
この図では解剖学的に特徴のある部分の位置合わせがう
まく行われないことによる様々なアーチファクトの存在
が認められる。

【００５６】図２４〜図２７は上述した画像位置合わせ
処理法を用いて原画像のうちの１枚が歪まされている２
枚の時間的に連続した原画像を用いた本発明で用いられ
ているディジタル画像のサブトラクション処理の例を示
している。処理の結果得られたサブトラクション画像も
図示されている。図２４〜図２７の例では、最隣接補間
法が使用された。 ［前処理技術］位置合わせ、及び／またはサブトラクシ
ョン処理を改善するために、ＲＯＩの選択に先だって、
またはローカルマッチングを行うのに先だって前処理を
実行することができる。このような前処理技術の例は米
国特許庁に継続中の米国特許出願第０７／７８６，００
８号に開示されているような非線形濃度補正、マトリク
スサイズリダクション、コントラスト強調、及び／また
はエッジぼかし等である。前処理として非線形濃度補正
を行うのが望ましい。何故ならば、この方法ではサブト
ラクション画像内で経時変化が起きなかった領域では均
一な濃度が得られ、経時変化が生じた領域を強調するに
有用だからである。 ［後処理技術］より効果的に経時変化を可視化するため
に、または検知された経時変化について定量的な情報を
得るために、２枚の画像のサブトラクション処理後に後
処理を行うことができる。この例は、ウィンドウ処理、
エッジ強調またはぼかし、及び／または閾値処理等であ
る。また、例えば米国特許第４，９０７，１５６号、第
４，８３９，８０７号、第５，０７２，３８４号及び米
国特許出願第０７／８４３，７１５号で述べられている
ような胸部画像の異常を検知するためのコンピュータ支
援診断（ＣＡＤ）技術もサブトラクション画像の後処理
として適用することができる。 ［サブトラクション画像の出力］サブトラクション画像
は最終的なデータ出力として読影者が見ることができ
る。原画像をサブトラクション画像と比較するためにサ
ブトラクション画像は原画像と並べて表示されるのが好
ましい。サブトラクション画像はビデオ表示装置のよう
なソフトコピー、またはレーザフィルムプリンタやサー
マルプリンタといったプリントアウトのようなハードコ
ピーのいずれかの形で表示することができる。画像は、
例えばウィンドウ処理のような適当なコントラスト強調
処理を行った後表示するのが好ましい。フィルタリン
グ、拡大といったその他のタイプの画像処理も画質を向
上させるために表示に先だって実行することができる。

【００５７】サブトラクション画像で経時変化を発見す
ることが可能になる。サブトラクション画像で読影者は
それらの変化の起こっている可能性のある場所について
の情報を得ることができる。実際に起こっている可能性
のある経時変化を検知するために、既存のＣＡＤ技術で
使用されている閾値処理、フィルタリング、ヒストグラ
ム解析、その他の画像解析技術が種々の画像解析処理技
術が用いられる。経時変化が起こっている可能性のある
検知された場所は、サブトラクション画像、または原画
像に重ねて表示される矢印のような記号を使って独立し
た図形または数値データとして示される。経時変化が起
こっている可能性のある検知された部分についてのサイ
ズ、形状、経時変化についてのその他の重要な特徴とい
った場所以外の特徴もまた出力される。起こっている可
能性のある経時変化についての情報を、サブトラクショ
ン画像上で得る代わりに原画像の組で得ることも可能で
ある。

【００５８】自動化された画像位置合わせ技術を用いた
サブトラクション技術では、相互相関値（平均値）と処
理時間はどちらもテンプレートのサイズが大きくなると
増加することが実験によって示された。２４×２４より
も小さいテンプレートは望ましい結果を示さなかった。
これらのサイズではシフト値にかなり大きいエラーが含
まれるからである。４８×４８や６４×６４といった大
きなサイズのテンプレートでは一般的に結果として得ら
れる画像で良い位置合わせが見られた。しかし、ある領
域では微細な構造のミスマッチが生じた。何故ならば、
大きなテンプレートにおける最良のマッチングは常に中
心における最良のマッチングを示すことに対応する訳で
は無いからである。３２×３２のサイズのテンプレート
で充分な結果が得られる。非線形濃度補正技術の効果も
露光量を１．４１倍と０．８４倍にした原画像を用いて
実験的に調べられた。その結果、次のようなことがわか
った。

【００５９】（ａ）露光量が０．５倍以下の画像につい
てのみ、濃度補正は胸郭の端の検出能を高める。 （ｂ）濃度補正はローカルマッチングに影響しない。

【００６０】（ｃ）濃度補正は背景を均一にするので、
経時変化が起こっている可能性のある場所を強調するの
に効果的である。自動位置合わせプログラムは前処理と
しての濃度補正に適用できるように変更された。２０組
のサブトラクション画像（１８組にはinterbval 変化が
あり、２組には経時変化が無かった）が非線形濃度補正
を含んだ自動化画像位置合わせ技術を用いて得られた。

【００６１】その結果得られた画像は８×１０インチの
フィルムにレーザフィルムプリンタでプリントされた。
平均的な処理時間はＶＡＸステーション３５００で約３
５分であった。得られた結果はほとんどの画像が非常に
良好な位置合わせができたことを示していた。２枚のサ
ンプルでは大きな位置合わせの誤りが生じた。そのうち
のひとつは激しい前後（Ａ−Ｐ）の傾きが原因であり、
もう一つは探索領域ＲＯＩの選択に誤りがあったためで
ある。以前に調べた手動による位置合わせと較べて、サ
ブトラクション画像は様々な経時変化をより強調するこ
とがわかった。この技術は陰性を調べるときにも有用で
あろう。変化がない画像のサブトラクション画像は、経
時変化を示す画像に較べて、極めて均一な画像濃度を示
す。ローカルマッチング処理で得られた相互相関値を定
量的に解析するために、この解析を行うためのプログラ
ムが作成された。これらの値の累積ヒストグラムが計算
され、小さな相互相関値を持つテンプレートの場所が原
画像上で特定される。このプログラムを使って先の２０
組が解析され、その結果、低い相互相関しか示さないあ
る領域の周りにテンプレートが位置していることが分か
った。これらの領域は以下のようなところである。

【００６２】（ａ）経時変化がある大きな病変。 （ｂ）経時変化がある心臓または横隔膜の境界。 （ｃ）経時変化があるかまたはそれがない大きな浸潤。

【００６３】（ｄ）電極等身体に取り付けられた医療用
装置。 （ｅ）角度が変わった鎖骨。 （ｆ）非常に濃度が低い領域。

【００６４】（ｇ）激しいＡ−Ｐの傾きを持つ画像組の
肺領域全体。 本発明は上述した実施例に限定されず、種々変形して実
施可能である。上述の教示内容を照らして、本発明に対
して様々な修飾及び変形が可能であることは自明なこと
である。

【００６５】

【発明の効果】以上説明したように本発明によれば、時
間的に連続したディジタル医用画像の間の経時変化を検
知するために強調した画像を用い診断の精度を高めるこ
とができるコンピュータ化された方法及び装置が提供さ
れる。

【図面の簡単な説明】

【図１】本発明による画像位置合わせ及びサブトラクシ
ョン処理の全体を示す図。

【図２】本発明による２枚の胸部画像のディジタル化か
らサブトラクション画像を出力するまでの基本的な流れ
を示す図。

【図３】ＲＯＩの選択処理を実行する方法を示す図。

【図４】マッピングされたシフト値に適用されるカーブ
フィッティングを実行する各ステップを示す図。

【図５】探索領域とテンプレートを含む第１、第２のデ
ィジタル化画像を示すＸ線写真。

【図６】テンプレートの大きさに対する相互相関値の関
係を示す図。

【図７】テンプレートの大きさに対するローカルマッピ
ングに要する処理時間の関係を示す図。

【図８】ローカルマッチング技術に使用される様々な形
のテンプレートと探索領域ＲＯＩを示す図。

【図９】相互相関法を用いたローカルマッチング技術の
一般的な原理を示す図。

【図１０】２枚の画像の対応する位置間のシフトマッピ
ングの結果を示す図。

【図１１】シフトマッピング結果に対する重み付けフィ
ッティングの一般的な原理を示す図。

【図１２】図１０に示されているシフトマップから２次
元のｎ次多項式を用いて生成されたフィッティングされ
たシフト値ΔｘとΔｙの分布のシフトマップを示す図。

【図１３】本発明に従ったｘ，ｙ座標の非線形歪みの概
念を示す図。

【図１４】図１３に示されているような非線形歪みを与
えられた画像に対応する格子状パターンのコンピュータ
出力結果を示す図。

【図１５】図１６とともに本発明の技術を用いるための
システムの全体像を示す図。

【図１６】図１５とともに本発明の技術を用いるための
システムの全体像を示す図。

【図１７】図１８とともに本発明のシステムにおけるカ
ーブフィッティング演算装置とともに使用される重み係
数を説明する図。

【図１８】図１７とともに本発明のシステムにおけるカ
ーブフィッティング演算装置とともに使用される重み係
数を説明する図。

【図１９】１組の時間的に連続した胸部画像の間で位置
合わせの誤りを起こす様々な原因を示す図。

【図２０】１組の時間的に連続した胸部画像の間で位置
合わせの誤りを起こすさらに別の様々な原因を示す図。

【図２１】患者の右上の肺葉に見られた空気空間浸潤を
持つ胸部Ｘ線画像を示すＸ線写真。

【図２２】図２１に対応し３ヶ月前に撮影された空気空
間浸潤が見られない胸部Ｘ線画像を示すＸ線写真。

【図２３】図２１の画像と図２２の画像から得られたサ
ブトラクション画像を示すＸ線写真。

【図２４】患者の胸部Ｘ線画像を示すＸ線写真。

【図２５】図２４と同じ患者の肺の第２の画像を示すＸ
線写真。

【図２６】図２４の画像を歪ませた画像を示すＸ線写
真。

【図２７】図２６に示す歪まされた画像と図２５に示す
第２の画像から得られたサブトラクション画像を示すＸ
線写真。

【図２８】複数の結節を持つ胸部画像を示すＸ線写真で
あり、肺の中にある左側の不透明な領域として見えてい
るように左上の肺葉にある結節の１つは空洞を発達させ
ている。

【図２９】図２８の２年前に撮影されたＸ線写真であ
り、複数の結節は図２８に見られるよりも目立っていな
い。

【図３０】図２８の画像と図２９の画像から得られたサ
ブトラクション画像を表すＸ線写真。

【図３１】心臓肥大の存在を示すＸ線写真。

【図３２】図３１に見られる心臓肥大がある患者の２年
前に撮影された肺の胸部Ｘ線画像を示すＸ線写真。

【図３３】本発明の技術にしたがって図３１の画像と図
３２の画像から得られたサブトラクション画像を示すＸ
線写真。

【図３４】本発明の技術を用いずに画像全体をシフトさ
せて位置合わせをすることによって得られたサブトラク
ション画像に現れる様々なアーチファクトによる影響を
示すＸ線写真であり、ここではその影響は骨と血管のミ
スマッチにより非常に大きなものとなっている。

【符号の説明】

１００…ディジタル画像入力装置、１１０，１２０…デ
ィジタル画像メモリ、１３０…ＲＯＩ位置選択装置、１
４０…ＲＯＩ画像メモリ、１６０…シフトマップ発生装
置、１７０…シフトマップメモリ、１８０…カーブフィ
ッティング演算装置、１９０…フィットシフトマップメ
モリ、２００…歪み画像メモリ、２１０…サブトラクシ
ョン演算装置、２２０…サブトラクション画像メモリ、
２３０…表示装置。

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号 庁内整理番号 ＦＩ 技術表示箇所 Ｇ０６Ｔ 3/00 9194−5Ｌ Ｇ０６Ｆ 15/42 Ｘ 8420−5Ｌ 15/66 ３６０

Claims (9)

【特許請求の範囲】
1. 【請求項１】 第１、第２のディジタル胸部画像を得る
   ステップと、 前記第１、第２のディジタル画像のうちの一方に非線形
   歪みを与え前記第１、第２のディジタル画像を位置合わ
   せするステップと、 前記非線形歪みが与えられた画像と他方のディジタル画
   像とをサブトラクション処理するステップとを具備する
   ことを特徴とする時間的に連続なディジタル胸部画像を
   コンピュータ解析する方法。
2. 【請求項２】 前記非線形歪みは前記第１、第２のディ
   ジタル画像の中で選択された多くの関心領域にローカル
   マッチングを行なうことにより与えられることを特徴と
   する請求項１に記載のコンピュータ解析方法。
3. 【請求項３】 前記位置合わせステップの前に前記第
   １、第２のディジタル胸部画像の前処理を行うステップ
   をさらに具備することを特徴とする請求項１に記載のコ
   ンピュータ解析方法。
4. 【請求項４】 前記位置合わせステップは、 前記第１、第２のディジタル画像内で複数の関心領域を
   選択するステップと、 前記第１、第２のディジタル画像内の対応する関心領域
   の各組に対してローカルマッチングを行うステップと、 前記第１、第２のディジタル画像内の対応する関心領域
   の間のオフセットを示すシフト値のマッピングを行うス
   テップと、 前記マッピングされたシフト値にカーブフィッティング
   を行なうステップと、 前記第１、第２のディジタル画像の一方に非線形歪みを
   与えるステップと、 前記非線形歪みが与えられた画像と他方のディジタル画
   像とを減算するステップとを具備することを特徴とする
   請求項１に記載のコンピュータ解析方法。
5. 【請求項５】 第１、第２のディジタル胸部画像を得る
   手段と、 前記第１、第２のディジタル画像のうちの一方に非線形
   歪みを与え前記第１、第２のディジタル画像を位置合わ
   せする手段と、 前記非線形歪みが与えられた画像と他方のディジタル画
   像とをサブトラクション処理する手段とを具備すること
   を特徴とする時間的に連続なディジタル胸部画像をコン
   ピュータ解析する装置。
6. 【請求項６】 前記位置合わせ手段は、 前記第１、第２のディジタル画像内で複数の関心領域を
   選択する手段と、 前記第１、第２のディジタル画像内の対応する関心領域
   の各組に対してローカルマッチングを行う手段と、 前記第１、第２のディジタル画像内の対応する関心領域
   の間のオフセットを示すシフト値のマッピングを行う手
   段と、 前記マッピングされたシフト値にカーブフィッティング
   を行なう手段と、 前記第１、第２のディジタル画像の一方に非線形歪みを
   与える手段と、 前記非線形歪みが与えられた画像と他方のディジタル画
   像とを減算する手段とを具備することを特徴とする請求
   項５に記載のコンピュータ解析装置。
7. 【請求項７】 前記非線形歪みを与えることにより前記
   非線形歪みが与えられた画像と他方のディジタル画像と
   をサブトラクション処理が実行できるように前記第１、
   第２のディジタル画像の対応する画素の位置が合わせら
   れることを特徴とする請求項５に記載のコンピュータ解
   析装置。
8. 【請求項８】 前記非線形歪みの程度を決定する前にマ
   ッピングされたシフト値にカーブフィッティングを行な
   う手段をさらに具備し、該カーブフィッティング手段は
   マッピングされたシフト値に多項式関数をフィッティン
   グさせる手段を有することを特徴とする請求項５に記載
   のコンピュータ解析装置。
9. 【請求項９】 位置合わせを行なう前に前記第１、第２
   のディジタル胸部画像に前処理を行う手段をさらに具備
   することを特徴とする請求項１に記載のコンピュータ解
   析装置。