JPH08263641A - アイリスフィルターの演算方法 - Google Patents
アイリスフィルターの演算方法Info
- Publication number
- JPH08263641A JPH08263641A JP7173594A JP17359495A JPH08263641A JP H08263641 A JPH08263641 A JP H08263641A JP 7173594 A JP7173594 A JP 7173594A JP 17359495 A JP17359495 A JP 17359495A JP H08263641 A JPH08263641 A JP H08263641A
- Authority
- JP
- Japan
- Prior art keywords
- pixel
- pixels
- value
- interest
- line
- Prior art date
- Legal status (The legal status 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 status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Radiography Using Non-Light Waves (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Input (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 画像データに基づいて腫瘤陰影の検出に使用
されるアイリスフィルターの演算を高速化する。 【解決手段】 アイリスフィルターの演算処理（＃５）
における、２回目以降の放射状の線に重なる画素のアド
レスの算出を、１回目の放射状の線に重なる画素のアド
レス（ｘ，ｙ）に、１回目の処理で求めた注目画素のア
ドレス（ｋ，ｌ）に対する２回目以降の注目画素の相対
的なアドレス（＋ｋ1 、＋ｌ1 ）を加算すること（＃1
4）によって行ない、複雑な三角関数の計算処理によら
ず、加算処理という単純な計算処理として処理速度を高
める。
されるアイリスフィルターの演算を高速化する。 【解決手段】 アイリスフィルターの演算処理（＃５）
における、２回目以降の放射状の線に重なる画素のアド
レスの算出を、１回目の放射状の線に重なる画素のアド
レス（ｘ，ｙ）に、１回目の処理で求めた注目画素のア
ドレス（ｋ，ｌ）に対する２回目以降の注目画素の相対
的なアドレス（＋ｋ1 、＋ｌ1 ）を加算すること（＃1
4）によって行ない、複雑な三角関数の計算処理によら
ず、加算処理という単純な計算処理として処理速度を高
める。
Description
【０００１】
【発明の属する技術分野】本発明は、放射線画像から主
として腫瘤陰影を検出するアイリスフィルターの演算方
法に関するものである。
として腫瘤陰影を検出するアイリスフィルターの演算方
法に関するものである。
【０００２】
【従来の技術】蓄積性蛍光体シートやフイルムに記録さ
れた被写体の放射線画像を読み取って画像データを得、
この画像データに適切な画像処理を施した後、画像を表
示装置等により再生することが種々の分野で行われてい
る。特に近年、コンピューターとの組合わせによるコン
ピューテッドラジオグラフィーというデジタルラジオグ
ラフィーの技術が開発され、種々のデジタルラジオグラ
フィーが臨床応用されている。
れた被写体の放射線画像を読み取って画像データを得、
この画像データに適切な画像処理を施した後、画像を表
示装置等により再生することが種々の分野で行われてい
る。特に近年、コンピューターとの組合わせによるコン
ピューテッドラジオグラフィーというデジタルラジオグ
ラフィーの技術が開発され、種々のデジタルラジオグラ
フィーが臨床応用されている。
【０００３】このデジタルラジオグラフィーは画像デー
タを定量的に解析することができるという点で、従来の
アナログ方式のラジオグラフィーとは根本的に異なる特
長がある。特に人体の医療診断用として、このデジタル
ラジオグラフィーの特長をより積極的に活用することを
目的とした、計算機（コンピューター）支援画像診断ま
たはＣＡＤＭ（Computer Aided Diagnosis of Medical
Image ）と称される技術が提案されている。
タを定量的に解析することができるという点で、従来の
アナログ方式のラジオグラフィーとは根本的に異なる特
長がある。特に人体の医療診断用として、このデジタル
ラジオグラフィーの特長をより積極的に活用することを
目的とした、計算機（コンピューター）支援画像診断ま
たはＣＡＤＭ（Computer Aided Diagnosis of Medical
Image ）と称される技術が提案されている。
【０００４】この計算機支援画像診断等は、医療の現場
における画像読影を通じての診断を補助するものであ
る。すなわち従来においては、フイルム等の記録媒体や
ＣＲＴ等の表示装置により再生された放射線画像を専門
医が目視により観察読影し、癌等を表すものとしての異
常な腫瘤陰影や高濃度の微小石灰化陰影等（以下、これ
らを総称して異常陰影という）を早期に発見するよう努
めていた。しかし、放射線画像を観察読影する読影者間
の読影能力の差等により、そのような異常陰影を見落と
したり、主観的判断による思い違いを生ずる可能性もあ
る。
における画像読影を通じての診断を補助するものであ
る。すなわち従来においては、フイルム等の記録媒体や
ＣＲＴ等の表示装置により再生された放射線画像を専門
医が目視により観察読影し、癌等を表すものとしての異
常な腫瘤陰影や高濃度の微小石灰化陰影等（以下、これ
らを総称して異常陰影という）を早期に発見するよう努
めていた。しかし、放射線画像を観察読影する読影者間
の読影能力の差等により、そのような異常陰影を見落と
したり、主観的判断による思い違いを生ずる可能性もあ
る。
【０００５】そこで計算機支援画像診断では、画像デー
タに基づいて異常陰影、特に腫瘤陰影と考えられる異常
陰影候補を検出し、その検出した部位にマーキングを表
示して放射線画像の読影者に注意を喚起し、あるいは読
影者の客観的判断に役立つ材料として、検出した異常陰
影候補の特徴的なものを定量的に提示することにより、
上述のような読影者による見落としや思い違いの未然防
止を目的としている（「ＤＲ画像における腫瘤影検出
（アイリスフィルタ）」電子情報通信学会論文誌D-II V
ol.J75-D-II No.3 P663〜670 1992年３月参照）。
タに基づいて異常陰影、特に腫瘤陰影と考えられる異常
陰影候補を検出し、その検出した部位にマーキングを表
示して放射線画像の読影者に注意を喚起し、あるいは読
影者の客観的判断に役立つ材料として、検出した異常陰
影候補の特徴的なものを定量的に提示することにより、
上述のような読影者による見落としや思い違いの未然防
止を目的としている（「ＤＲ画像における腫瘤影検出
（アイリスフィルタ）」電子情報通信学会論文誌D-II V
ol.J75-D-II No.3 P663〜670 1992年３月参照）。
【０００６】ところで、この計算機支援画像診断システ
ムにおいて、主として癌組織の特徴的形態の一つである
腫瘤陰影を検出するものとしてアイリスフィルターが用
いられている。以下、このアイリスフィルターによる腫
瘤陰影の検出処理の概要について説明する。
ムにおいて、主として癌組織の特徴的形態の一つである
腫瘤陰影を検出するものとしてアイリスフィルターが用
いられている。以下、このアイリスフィルターによる腫
瘤陰影の検出処理の概要について説明する。
【０００７】例えばＸ線のネガフイルム上における放射
線画像においては、腫瘤陰影は周囲にくらべて濃度値が
わずかに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かうにしたがって濃度
値が低くなっている。したが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
中心方向に集中している。
線画像においては、腫瘤陰影は周囲にくらべて濃度値が
わずかに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かうにしたがって濃度
値が低くなっている。したが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
中心方向に集中している。
【０００８】アイリスフィルターは、この濃度値に代表
される画像データの勾配を勾配ベクトルとして算出し、
その勾配ベクトルの集中度を基に腫瘤陰影を検出するも
のである。すなわち腫瘤陰影内の任意の画素における勾
配ベクトルは腫瘤陰影の中心付近を向くが、血管陰影の
ように細長い陰影では勾配ベクトルが特定の点に集中す
ることはなく、局所的に勾配ベクトルの向きの分布を評
価し、特定の点に集中している領域を抽出すれば、それ
が腫瘤陰影の候補となる。以上がアイリスフィルター処
理の基本的な考え方である。以下に具体的なアルゴリズ
ムのステップを示す。
される画像データの勾配を勾配ベクトルとして算出し、
その勾配ベクトルの集中度を基に腫瘤陰影を検出するも
のである。すなわち腫瘤陰影内の任意の画素における勾
配ベクトルは腫瘤陰影の中心付近を向くが、血管陰影の
ように細長い陰影では勾配ベクトルが特定の点に集中す
ることはなく、局所的に勾配ベクトルの向きの分布を評
価し、特定の点に集中している領域を抽出すれば、それ
が腫瘤陰影の候補となる。以上がアイリスフィルター処
理の基本的な考え方である。以下に具体的なアルゴリズ
ムのステップを示す。
【０００９】（ステップ１）勾配ベクトルの計算 対象となる画像を構成する全ての画素について、各画素
ｊごとに、下記式（１）に示す計算式に基づいた画像デ
ータの勾配ベクトルの向きθを求める。
ｊごとに、下記式（１）に示す計算式に基づいた画像デ
ータの勾配ベクトルの向きθを求める。
【００１０】
【数１】
【００１１】ここでｆ1 〜ｆ16は、図２に示すように、
その画素ｊを中心とした縦５画素×横５画素のマスクの
外周上の画素に対応した画素値（画像データ）である。
その画素ｊを中心とした縦５画素×横５画素のマスクの
外周上の画素に対応した画素値（画像データ）である。
【００１２】（ステップ２）勾配ベクトルの集中度の算
出 次に、対象となる画像を構成する全ての画素について、
各画素ごとに、その画素を注目画素とする勾配ベクトル
の集中度Ｃを次式（２）にしたがって算出する。
出 次に、対象となる画像を構成する全ての画素について、
各画素ごとに、その画素を注目画素とする勾配ベクトル
の集中度Ｃを次式（２）にしたがって算出する。
【００１３】
【数２】
【００１４】ここでＮは注目画素を中心に半径Ｒの円内
に存在する画素の数、θj は、注目画素とその円内の各
画素ｊとを結ぶ直線と、その各画素ｊにおける上記式
（１）で算出された勾配ベクトルとがなす角である（図
３参照）。したがって上記式（２）で表される集中度Ｃ
が大きな値となるのは、各画素ｊの勾配ベクトルの向き
が注目画素に集中する場合である。
に存在する画素の数、θj は、注目画素とその円内の各
画素ｊとを結ぶ直線と、その各画素ｊにおける上記式
（１）で算出された勾配ベクトルとがなす角である（図
３参照）。したがって上記式（２）で表される集中度Ｃ
が大きな値となるのは、各画素ｊの勾配ベクトルの向き
が注目画素に集中する場合である。
【００１５】ところで、腫瘤陰影近傍の各画素ｊの勾配
ベクトルは、腫瘤陰影のコントラストの大小に拘らず、
略その腫瘤陰影の中心部を向くため、上記集中度Ｃが大
きな値を採る注目画素は、腫瘤陰影の中心部の画素とい
うことができる。一方、血管などの線状パターンの陰影
は勾配ベクトルの向きが一定方向に偏るため集中度Ｃの
値は小さい。したがって、画像を構成する全ての画素に
ついてそれぞれ注目画素に対する上記集中度Ｃの値を算
出し、その集中度Ｃの値が予め設定された閾値を上回る
か否かを評価することによって、腫瘤陰影を検出するこ
とができる。すなわち、このフィルターは通常の差分フ
ィルターに比べて、血管や乳腺等の影響を受けにくく、
腫瘤陰影を効率よく検出できる特長を有している。
ベクトルは、腫瘤陰影のコントラストの大小に拘らず、
略その腫瘤陰影の中心部を向くため、上記集中度Ｃが大
きな値を採る注目画素は、腫瘤陰影の中心部の画素とい
うことができる。一方、血管などの線状パターンの陰影
は勾配ベクトルの向きが一定方向に偏るため集中度Ｃの
値は小さい。したがって、画像を構成する全ての画素に
ついてそれぞれ注目画素に対する上記集中度Ｃの値を算
出し、その集中度Ｃの値が予め設定された閾値を上回る
か否かを評価することによって、腫瘤陰影を検出するこ
とができる。すなわち、このフィルターは通常の差分フ
ィルターに比べて、血管や乳腺等の影響を受けにくく、
腫瘤陰影を効率よく検出できる特長を有している。
【００１６】さらに実際の処理においては、腫瘤の大き
さや形状に左右されない検出力を達成するために、フィ
ルターの大きさと形状とを適応的に変化させる工夫がな
される。図４に、そのフィルターを示す。このフィルタ
ーは、図３に示すものと異なり、注目画素を中心に２π
／Ｍ度毎のＭ種類の方向（図４においては、11.25 度ご
との32方向を例示）の放射状の線上の画素のみで集中度
の評価を行うものである。
さや形状に左右されない検出力を達成するために、フィ
ルターの大きさと形状とを適応的に変化させる工夫がな
される。図４に、そのフィルターを示す。このフィルタ
ーは、図３に示すものと異なり、注目画素を中心に２π
／Ｍ度毎のＭ種類の方向（図４においては、11.25 度ご
との32方向を例示）の放射状の線上の画素のみで集中度
の評価を行うものである。
【００１７】ここでｉ番目の線上にあって、かつ注目画
素からｎ番目の画素の座標（［ｘ］，［ｙ］）は、注目
画素の座標を（ｋ，ｌ）とすれば、以下の式（３），
（４）で与えられる。
素からｎ番目の画素の座標（［ｘ］，［ｙ］）は、注目
画素の座標を（ｋ，ｌ）とすれば、以下の式（３），
（４）で与えられる。
【００１８】
【数３】
【００１９】ただし、［ｘ］，［ｙ］は、ｘ，ｙを越え
ない最大の整数である。
ない最大の整数である。
【００２０】さらに、その放射状の線上の各線ごとに最
大の集中度が得られる画素までの出力値をその方向につ
いての集中度とし、その集中度をすべての方向で平均し
て、その注目画素についての勾配ベクトル群の集中度Ｃ
とする。具体的には、ｉ番目の放射状の線上において注
目画素からｎ番目の画素までで得られる集中度Ｃi
（ｎ）を下記式（５）により求める。
大の集中度が得られる画素までの出力値をその方向につ
いての集中度とし、その集中度をすべての方向で平均し
て、その注目画素についての勾配ベクトル群の集中度Ｃ
とする。具体的には、ｉ番目の放射状の線上において注
目画素からｎ番目の画素までで得られる集中度Ｃi
（ｎ）を下記式（５）により求める。
【００２１】
【数４】
【００２２】ここでＲmin とＲmax とは、抽出しようと
する腫瘤陰影の半径の最小値と最大値である。
する腫瘤陰影の半径の最小値と最大値である。
【００２３】次に、勾配ベクトル群の集中度Ｃを下記式
（６）および（７）により計算する。
（６）および（７）により計算する。
【００２４】
【数６】
【００２５】ここで式（６）は、式（５）で得られた放
射状の線ごとの集中度Ｃi （ｎ）の最大値であるから、
注目画像からその集中度Ｃi （ｎ）が最大値となる画素
までの領域が、その線の方向における腫瘤陰影の候補領
域となる。式（６）によりすべての放射状の線について
その領域を求めることにより、腫瘤陰影の候補となり得
る領域の外周縁の形状を判定することができる。
射状の線ごとの集中度Ｃi （ｎ）の最大値であるから、
注目画像からその集中度Ｃi （ｎ）が最大値となる画素
までの領域が、その線の方向における腫瘤陰影の候補領
域となる。式（６）によりすべての放射状の線について
その領域を求めることにより、腫瘤陰影の候補となり得
る領域の外周縁の形状を判定することができる。
【００２６】そして、式（７）では、この領域内の式
（６）で与えられた集中度の最大値を放射状の線の全方
向について平均した値を求める。この求められた値を予
め設定した閾値Ｔと比較することにより、この注目画素
を中心とする領域が異常陰影候補となる可能性があるか
否かを判別する。
（６）で与えられた集中度の最大値を放射状の線の全方
向について平均した値を求める。この求められた値を予
め設定した閾値Ｔと比較することにより、この注目画素
を中心とする領域が異常陰影候補となる可能性があるか
否かを判別する。
【００２７】なお、式（７）の勾配ベクトル群の集中度
Ｃを評価する領域は、人間の目の虹彩（iris）が外界の
明るさに応じて拡大、縮小する様子に似ており、勾配ベ
クトルの分布に応じて大きさと形状が適応的に変化する
ため、アイリスフィルター（iris filter ）という名称
で称されている。
Ｃを評価する領域は、人間の目の虹彩（iris）が外界の
明るさに応じて拡大、縮小する様子に似ており、勾配ベ
クトルの分布に応じて大きさと形状が適応的に変化する
ため、アイリスフィルター（iris filter ）という名称
で称されている。
【００２８】（ステップ３）腫瘤陰影候補の形状評価 一般に、悪性腫瘤の陰影は、 １）辺縁は不整である ２）概円形に近い形をしている ３）内部は凸凹した濃度分布を有する という形態的な特徴を有している。
【００２９】そこで、検出された陰影の候補から正常組
織を取り除き、腫瘤と考えられる陰影の候補のみを抽出
するために、これらの特徴を考慮した形状判定を行う。
ここで用いる特徴量としては、広がり度（Spreadnes
s）、細長さ（Elongation）、辺縁の粗さ（Roughness
）、円形度（Circularity ）および内部の凸凹度（Ent
ropy ）であり、この特徴量を予め設定した所定の閾値
Ｔと比較することにより、腫瘤陰影の候補であるか否か
の最終的な判定を行なえばよい。
織を取り除き、腫瘤と考えられる陰影の候補のみを抽出
するために、これらの特徴を考慮した形状判定を行う。
ここで用いる特徴量としては、広がり度（Spreadnes
s）、細長さ（Elongation）、辺縁の粗さ（Roughness
）、円形度（Circularity ）および内部の凸凹度（Ent
ropy ）であり、この特徴量を予め設定した所定の閾値
Ｔと比較することにより、腫瘤陰影の候補であるか否か
の最終的な判定を行なえばよい。
【００３０】上述のステップにより、アイリスフィルタ
ーは放射線画像から腫瘤陰影を効果的に検出することが
できる。
ーは放射線画像から腫瘤陰影を効果的に検出することが
できる。
【００３１】なお、前述の集中度Ｃi （ｎ）の計算は式
（５）の代わりに、下記式（５）′を用いてもよい。
（５）の代わりに、下記式（５）′を用いてもよい。
【００３２】
【数５】
【００３３】
【発明が解決しようとする課題】ところで上述のアイリ
スフィルターは、全画素について、各画素ごとに上記集
中度Ｃの計算を繰り返す必要があり、その膨大な計算量
のために、腫瘤陰影の検出処理に多大な時間を要し、読
影者が所望のときに即座にその検出ができない、という
実用上の難点がある。
スフィルターは、全画素について、各画素ごとに上記集
中度Ｃの計算を繰り返す必要があり、その膨大な計算量
のために、腫瘤陰影の検出処理に多大な時間を要し、読
影者が所望のときに即座にその検出ができない、という
実用上の難点がある。
【００３４】本発明は上記事情に鑑みなされたものであ
って、アイリスフィルターによる演算方法を改良し、腫
瘤陰影の検出処理の高速化を実現するアイリスフィルタ
ーの演算方法を提供することを目的とするものである。
って、アイリスフィルターによる演算方法を改良し、腫
瘤陰影の検出処理の高速化を実現するアイリスフィルタ
ーの演算方法を提供することを目的とするものである。
【００３５】
【課題を解決するための手段】本発明の第１のアイリス
フィルターの演算方法は、〔１〕被写体の放射線画像を
表す画像データの全画素について、例えば濃度値等の画
像データ、に基づく各画素ごとの勾配ベクトルを算出
し、〔２〕全画素のうち任意のアドレスの注目画素を設
定し、〔３〕注目画素を中心とする、所定の角度間隔で
隣接する複数の放射状の線を画像上に設定し、〔４〕各
放射状の線に重なる画素ごとに画素のアドレスを算出
し、〔５〕アドレスの算出された全画素について、各線
に対する各画素ごとの勾配ベクトルの角度θj に基づ
く、勾配ベクトルの注目画素への集中度を表す指標値co
s θj を算出し、〔６〕これらの複数の線のすべてにつ
いて、線ごとに、線上の注目画素から、検出しようとす
る腫瘤陰影の最小の大きさから最大の大きさまでにそれ
ぞれ対応する距離にある画素までの全画素の指標値cos
θj の平均値を算出し、〔７〕線ごとの平均値の最大値
を、複数の線のすべてについて総和して注目画素につい
ての勾配ベクトル群の集中度の値を算出し、〔８〕集中
度の値と予め設定された閾値とを比較し、
フィルターの演算方法は、〔１〕被写体の放射線画像を
表す画像データの全画素について、例えば濃度値等の画
像データ、に基づく各画素ごとの勾配ベクトルを算出
し、〔２〕全画素のうち任意のアドレスの注目画素を設
定し、〔３〕注目画素を中心とする、所定の角度間隔で
隣接する複数の放射状の線を画像上に設定し、〔４〕各
放射状の線に重なる画素ごとに画素のアドレスを算出
し、〔５〕アドレスの算出された全画素について、各線
に対する各画素ごとの勾配ベクトルの角度θj に基づ
く、勾配ベクトルの注目画素への集中度を表す指標値co
s θj を算出し、〔６〕これらの複数の線のすべてにつ
いて、線ごとに、線上の注目画素から、検出しようとす
る腫瘤陰影の最小の大きさから最大の大きさまでにそれ
ぞれ対応する距離にある画素までの全画素の指標値cos
θj の平均値を算出し、〔７〕線ごとの平均値の最大値
を、複数の線のすべてについて総和して注目画素につい
ての勾配ベクトル群の集中度の値を算出し、〔８〕集中
度の値と予め設定された閾値とを比較し、
〔９〕勾配ベ
クトル群の集中度の値が閾値以上であるときは、注目画
素を中心とし、線ごとの平均値の最大値を有する画素ま
での範囲を腫瘤陰影として判定し、〔10〕注目画素のア
ドレスを、全画素に亘って順次設定して前記〔２〕から
クトル群の集中度の値が閾値以上であるときは、注目画
素を中心とし、線ごとの平均値の最大値を有する画素ま
での範囲を腫瘤陰影として判定し、〔10〕注目画素のア
ドレスを、全画素に亘って順次設定して前記〔２〕から
〔９〕の処理を繰り返し、放射線画像の中から腫瘤陰影
を検出するアイリスフィルターの演算方法において、
〔３〕から
を検出するアイリスフィルターの演算方法において、
〔３〕から
〔９〕までのｎ回目（ｎ＝１，２，…）の処
理において〔４〕の処理で算出された、各線に重なる各
画素のアドレスをアドレス記憶手段に記憶せしめ、ｎ回
目の処理において設定された注目画素に対する、〔10〕
の処理における、ｎ＋１回目以降に設定された注目画素
の相対的なアドレスを算出し、ｎ＋１回目以降の〔４〕
のアドレスの算出は、アドレス記憶手段に記憶された各
画素のアドレスに算出された相対的なアドレスを加算す
ることにより算出することを特徴とするものである。
理において〔４〕の処理で算出された、各線に重なる各
画素のアドレスをアドレス記憶手段に記憶せしめ、ｎ回
目の処理において設定された注目画素に対する、〔10〕
の処理における、ｎ＋１回目以降に設定された注目画素
の相対的なアドレスを算出し、ｎ＋１回目以降の〔４〕
のアドレスの算出は、アドレス記憶手段に記憶された各
画素のアドレスに算出された相対的なアドレスを加算す
ることにより算出することを特徴とするものである。
【００３６】すなわち、従来のアイリスフィルター処理
は、上記〔３〕から
は、上記〔３〕から
〔９〕に亘る処理を、注目画素を順
次代えて行うため、例えば画像の全画素数が106 画素
（1000画素×1000画素）の場合は、第１回目の処理で
は、この106 画素の中のある注目画素について〔３〕か
ら
次代えて行うため、例えば画像の全画素数が106 画素
（1000画素×1000画素）の場合は、第１回目の処理で
は、この106 画素の中のある注目画素について〔３〕か
ら
〔９〕の処理を行い、次いでこの〔３〕から
〔９〕の
処理と同じ処理を全画素数分（厳密には、第１回目の処
理による注目画素を差し引いた106 −１回）だけ繰り返
すこととなる。
処理と同じ処理を全画素数分（厳密には、第１回目の処
理による注目画素を差し引いた106 −１回）だけ繰り返
すこととなる。
【００３７】本発明では上述したように、この〔３〕か
ら
ら
〔９〕の処理、具体的には前述した式（３）〜（７）
にしたがった計算処理について、ｎ回目の処理、望まし
くは１回目の処理においては、式（３）および式（４）
にしたがって放射状の線上の画素のアドレスを算出し、
この算出された線上のすべての画素のアドレスを記憶手
段に記憶させ、ｎ＋１回目以降（望ましくは２回目以
降）の処理においては、式（３）、（４）によってアド
レス計算をするのではなく、そのｎ＋１回目以降の処理
のために設定された注目画素の、ｎ回目に設定された注
目画素に対する相対的なアドレスを、記憶手段に記憶さ
れたｎ回目に各画素のアドレスに加算することによっ
て、ｎ＋１回目以降の処理における放射状の線上の画素
のアドレスを算出するものである。
にしたがった計算処理について、ｎ回目の処理、望まし
くは１回目の処理においては、式（３）および式（４）
にしたがって放射状の線上の画素のアドレスを算出し、
この算出された線上のすべての画素のアドレスを記憶手
段に記憶させ、ｎ＋１回目以降（望ましくは２回目以
降）の処理においては、式（３）、（４）によってアド
レス計算をするのではなく、そのｎ＋１回目以降の処理
のために設定された注目画素の、ｎ回目に設定された注
目画素に対する相対的なアドレスを、記憶手段に記憶さ
れたｎ回目に各画素のアドレスに加算することによっ
て、ｎ＋１回目以降の処理における放射状の線上の画素
のアドレスを算出するものである。
【００３８】このように、膨大な回数のアドレス計算
を、式（３）、（４）に示す複雑な三角関数の計算処理
によらず、加算または減算処理という単純な計算処理と
することによって、アイリスフィルターの演算を高速化
することができる。
を、式（３）、（４）に示す複雑な三角関数の計算処理
によらず、加算または減算処理という単純な計算処理と
することによって、アイリスフィルターの演算を高速化
することができる。
【００３９】なお上記式（３）、（４）にしたがったア
ドレス計算は、望ましくは１回目の処理において行い、
２回目以降の処理においては、すべてこの加算または減
算処理にしたがうのが、より高速化するうえで望まし
い。
ドレス計算は、望ましくは１回目の処理において行い、
２回目以降の処理においては、すべてこの加算または減
算処理にしたがうのが、より高速化するうえで望まし
い。
【００４０】また、〔１〕の処理における各画素ごとの
勾配ベクトルは前述したように、各画素を中心とした５
画素×５画素のマスク（図２参照）を用いて、式（１）
にしたがって算出するが、この５画素×５画素のマスク
は例示であって、必ずしも５画素×５画素の大きさであ
る必要はなく、３画素×３画素であってもよいし、７画
素×７画素、若しくはこれら以外の大きさのものであっ
てもよい。
勾配ベクトルは前述したように、各画素を中心とした５
画素×５画素のマスク（図２参照）を用いて、式（１）
にしたがって算出するが、この５画素×５画素のマスク
は例示であって、必ずしも５画素×５画素の大きさであ
る必要はなく、３画素×３画素であってもよいし、７画
素×７画素、若しくはこれら以外の大きさのものであっ
てもよい。
【００４１】本発明の第２のアイリスフィルターの演算
方法は、前記〔１〕の処理で算出された勾配ベクトルの
向きを、予め設定された２πｍ／Ｍ（Ｍは３以上の整
数、ｍは０以上の整数、ただし、ｍ＝０，１，…，Ｍ−
１）というＭ種類の方向に量子化し、前記〔３〕の処理
における前記複数の放射状の線の向きを、２πｊ／Ｎ
（Ｎは３以上の整数、ｊは０以上の整数、ただし、ｊ＝
０，１，…，Ｎ−１）というＮ種類の方向に量子化し、
これにより、前記〔５〕の処理における、前記各線に対
する各画素ごとの前記勾配ベクトルの角度θj を量子化
し、該量子化された角度θj ごとに、該角度θj に対応
する前記指標値cos θj の値を予め算出してルックアッ
プテーブルを作成し、前記〔５〕の処理における前記指
標値cos θj の算出を、前記角度θj ごとに該ルックア
ップテーブルにより求めることを特徴とするものであ
る。
方法は、前記〔１〕の処理で算出された勾配ベクトルの
向きを、予め設定された２πｍ／Ｍ（Ｍは３以上の整
数、ｍは０以上の整数、ただし、ｍ＝０，１，…，Ｍ−
１）というＭ種類の方向に量子化し、前記〔３〕の処理
における前記複数の放射状の線の向きを、２πｊ／Ｎ
（Ｎは３以上の整数、ｊは０以上の整数、ただし、ｊ＝
０，１，…，Ｎ−１）というＮ種類の方向に量子化し、
これにより、前記〔５〕の処理における、前記各線に対
する各画素ごとの前記勾配ベクトルの角度θj を量子化
し、該量子化された角度θj ごとに、該角度θj に対応
する前記指標値cos θj の値を予め算出してルックアッ
プテーブルを作成し、前記〔５〕の処理における前記指
標値cos θj の算出を、前記角度θj ごとに該ルックア
ップテーブルにより求めることを特徴とするものであ
る。
【００４２】すなわち、前記〔１〕の処理で算出される
勾配ベクトルの向きθはアナログ値であるため連続値を
採るが、本発明ではこの算出された勾配ベクトルの向き
θを、予め設定された２πｍ／ＭというＭ種類の方向に
量子化し、さらに〔３〕の処理における複数の放射状の
線の向きを、２πｊ／ＮというＮ種類の方向に設定する
ことによって、〔５〕の処理における、各線に対する勾
配ベクトルの角度θjを、２π（ｍ／Ｍ−ｊ／Ｎ）とい
う限られた数の方向に量子化することができる。
勾配ベクトルの向きθはアナログ値であるため連続値を
採るが、本発明ではこの算出された勾配ベクトルの向き
θを、予め設定された２πｍ／ＭというＭ種類の方向に
量子化し、さらに〔３〕の処理における複数の放射状の
線の向きを、２πｊ／ＮというＮ種類の方向に設定する
ことによって、〔５〕の処理における、各線に対する勾
配ベクトルの角度θjを、２π（ｍ／Ｍ−ｊ／Ｎ）とい
う限られた数の方向に量子化することができる。
【００４３】したがってこれらの角度θj にそれぞれ対
応する指標値cos θj も予め算出することができ、これ
らを対応させたルックアップテーブルを予め作成してお
くことによって、〔５〕の処理で得られた量子化された
勾配ベクトルの角度θj に基づいてルックアップテーブ
ルによって指標値cos θj を容易に得ることができ、比
較的長い時間を要する三角関数の式（５）の処理を簡単
化し、アイリスフィルター処理を高速化することができ
る。
応する指標値cos θj も予め算出することができ、これ
らを対応させたルックアップテーブルを予め作成してお
くことによって、〔５〕の処理で得られた量子化された
勾配ベクトルの角度θj に基づいてルックアップテーブ
ルによって指標値cos θj を容易に得ることができ、比
較的長い時間を要する三角関数の式（５）の処理を簡単
化し、アイリスフィルター処理を高速化することができ
る。
【００４４】なお、勾配ベクトルが採る向きθの数と、
複数の放射状の線の向きの数とを一致させ、それらの各
方向も一致するように設定しておくことにより、各線に
対する勾配ベクトルの角度θj を２π（ｍ−ｊ）／Ｍと
することができ、より簡略化することができる。またＮ
の値をＭの値の整数倍に、またはＭの値をＮの値の整数
倍に設定することによっても、簡略化することが可能で
ある。
複数の放射状の線の向きの数とを一致させ、それらの各
方向も一致するように設定しておくことにより、各線に
対する勾配ベクトルの角度θj を２π（ｍ−ｊ）／Ｍと
することができ、より簡略化することができる。またＮ
の値をＭの値の整数倍に、またはＭの値をＮの値の整数
倍に設定することによっても、簡略化することが可能で
ある。
【００４５】本発明の第３のアイリスフィルターの演算
方法は、放射線画像のうち被写体が存在する領域を検出
し、その検出された、被写体の存在する領域内の画素に
ついてのみ前記〔１〕から〔10〕までの処理を行うこと
を特徴とするものである。
方法は、放射線画像のうち被写体が存在する領域を検出
し、その検出された、被写体の存在する領域内の画素に
ついてのみ前記〔１〕から〔10〕までの処理を行うこと
を特徴とするものである。
【００４６】すなわち、放射線画像のうち被写体が存在
しない部分には、腫瘤陰影陰影が存在することはないた
め、そのような部分についての検出処理は行なわず、被
写体の存在する領域についてのみ検出処理を行なうもの
である。
しない部分には、腫瘤陰影陰影が存在することはないた
め、そのような部分についての検出処理は行なわず、被
写体の存在する領域についてのみ検出処理を行なうもの
である。
【００４７】ここで、被写体の存在する領域の具体的な
検出方法としては、例えば特開昭61−170178号公報によ
り開示されている技術を用いることができる。すなわち
この技術によれば、例えば人体の乳房のＸ線画像につい
て、乳房が記録シート上に略半円形状に撮影され、かつ
略半円形状の円弧の外側にＸ線が直接記録されているこ
とを利用し、被写体部（乳房の陰影）と直接Ｘ線部との
境界の画像データの変化を検出することによりＸ線画像
上のどの位置に被写体部が存在するかを自動的に認識す
ることができ、この技術を用いることにより、放射線画
像データに基づいて、被写体が記録されている領域を検
出することができる。
検出方法としては、例えば特開昭61−170178号公報によ
り開示されている技術を用いることができる。すなわち
この技術によれば、例えば人体の乳房のＸ線画像につい
て、乳房が記録シート上に略半円形状に撮影され、かつ
略半円形状の円弧の外側にＸ線が直接記録されているこ
とを利用し、被写体部（乳房の陰影）と直接Ｘ線部との
境界の画像データの変化を検出することによりＸ線画像
上のどの位置に被写体部が存在するかを自動的に認識す
ることができ、この技術を用いることにより、放射線画
像データに基づいて、被写体が記録されている領域を検
出することができる。
【００４８】また、被写体の存在する領域をより確実に
認識する方法としては、特開平４−1745号、同４−8351
号、同４− 11242号、同４− 53540号等に開示されてい
るように、検出しようとする被写体の画像が記録されて
いる可能性のある各部分領域ごとに、その画像が記録さ
れている確率の高低を段階的に指標する確信度を求め、
各部分領域ごとに求められた確信度から所望とする画像
が記録された位置を総合的に認識するようにするのが望
ましい。
認識する方法としては、特開平４−1745号、同４−8351
号、同４− 11242号、同４− 53540号等に開示されてい
るように、検出しようとする被写体の画像が記録されて
いる可能性のある各部分領域ごとに、その画像が記録さ
れている確率の高低を段階的に指標する確信度を求め、
各部分領域ごとに求められた確信度から所望とする画像
が記録された位置を総合的に認識するようにするのが望
ましい。
【００４９】なお、画像全体の画像データのうち、被写
体の存在しない領域を示す画像データと、被写体の存在
する領域を示す画像データとの間の大きさの画像データ
を閾値として設定し、全画素の画像データとこの閾値と
を比較することにより行うようにしてもよいし、画像デ
ータに基づくヒストグラムを作成し、このヒストグラム
のパターン形状に基づいて被写体であると認識される領
域部分に対応する画像データを閾値として設定し、放射
線画像の全画素の画像データとこの閾値とを比較するこ
とにより、被写体の画像領域を検出してもよい。
体の存在しない領域を示す画像データと、被写体の存在
する領域を示す画像データとの間の大きさの画像データ
を閾値として設定し、全画素の画像データとこの閾値と
を比較することにより行うようにしてもよいし、画像デ
ータに基づくヒストグラムを作成し、このヒストグラム
のパターン形状に基づいて被写体であると認識される領
域部分に対応する画像データを閾値として設定し、放射
線画像の全画素の画像データとこの閾値とを比較するこ
とにより、被写体の画像領域を検出してもよい。
【００５０】本発明の第４のアイリスフィルターの演算
方法は、前記画像データを、縦横それぞれの方向で１／
８以上１／２以下の範囲内で再サンプリングして得るよ
うにしたことを特徴とするものである。
方法は、前記画像データを、縦横それぞれの方向で１／
８以上１／２以下の範囲内で再サンプリングして得るよ
うにしたことを特徴とするものである。
【００５１】なお、本発明のアイリスフィルターの演算
方法は、上記第１から第４のアイリスフィルターの演算
方法のうち少なくとも２以上の演算方法を組み合わせた
ものであってもよい。
方法は、上記第１から第４のアイリスフィルターの演算
方法のうち少なくとも２以上の演算方法を組み合わせた
ものであってもよい。
【００５２】また、上記本発明のアイリスフィルターの
演算方法を、前述した計算機支援画像診断装置において
適用することもできる。
演算方法を、前述した計算機支援画像診断装置において
適用することもできる。
【００５３】すなわち、本発明のアイリスフィルターの
演算方法によって高速に検出された腫瘤陰影候補につい
て再生画像にマーキングを施し、あるいはその特徴的な
ものを定量的に提示し、あるいは全体画像を標準の大き
さでＣＲＴ等に表示しつつ腫瘤陰影候補のみを拡大表示
するなどの処理を計算機支援画像診断装置で行なうこと
により、画像読影者が判断を行なうのに一層役立つもの
となる。
演算方法によって高速に検出された腫瘤陰影候補につい
て再生画像にマーキングを施し、あるいはその特徴的な
ものを定量的に提示し、あるいは全体画像を標準の大き
さでＣＲＴ等に表示しつつ腫瘤陰影候補のみを拡大表示
するなどの処理を計算機支援画像診断装置で行なうこと
により、画像読影者が判断を行なうのに一層役立つもの
となる。
【００５４】
【発明の効果】本発明の第１のアイリスフィルターの演
算方法によれば、画素ごとに繰返し行なう膨大な回数の
アドレス計算を、式（３）、（４）に示す複雑な三角関
数の計算処理によらず、加算または減算処理という単純
な計算処理とすることができ、アイリスフィルターの演
算を高速化することができる。
算方法によれば、画素ごとに繰返し行なう膨大な回数の
アドレス計算を、式（３）、（４）に示す複雑な三角関
数の計算処理によらず、加算または減算処理という単純
な計算処理とすることができ、アイリスフィルターの演
算を高速化することができる。
【００５５】本発明の第２のアイリスフィルターの演算
方法によれば、従来、アナログ値であるため連続値を採
る勾配ベクトルの向きθを、予め設定された２πｍ／Ｍ
というＭ種類の方向に量子化し、さらに〔３〕の処理に
おける複数の放射状の線の向きを、２πｊ／ＮというＮ
種類の方向に設定することによって、〔５〕の処理にお
ける、各線に対する勾配ベクトルの角度θj を限られた
数の方向に量子化することができる。
方法によれば、従来、アナログ値であるため連続値を採
る勾配ベクトルの向きθを、予め設定された２πｍ／Ｍ
というＭ種類の方向に量子化し、さらに〔３〕の処理に
おける複数の放射状の線の向きを、２πｊ／ＮというＮ
種類の方向に設定することによって、〔５〕の処理にお
ける、各線に対する勾配ベクトルの角度θj を限られた
数の方向に量子化することができる。
【００５６】したがってこれらの角度θj にそれぞれ対
応する指標値cos θj も予め算出することができ、これ
らを対応させたルックアップテーブルを予め作成してお
くことによって、〔５〕の処理で得られた量子化された
勾配ベクトルの角度θj に基づいてルックアップテーブ
ルによって指標値cos θj を容易に得ることができ、比
較的長い時間を要する三角関数の式（５）の処理を簡単
化し、アイリスフィルターの演算を高速化することがで
きる。
応する指標値cos θj も予め算出することができ、これ
らを対応させたルックアップテーブルを予め作成してお
くことによって、〔５〕の処理で得られた量子化された
勾配ベクトルの角度θj に基づいてルックアップテーブ
ルによって指標値cos θj を容易に得ることができ、比
較的長い時間を要する三角関数の式（５）の処理を簡単
化し、アイリスフィルターの演算を高速化することがで
きる。
【００５７】本発明の第３のアイリスフィルターの演算
方法によれば、放射線画像のうち被写体が存在する領域
部分における画素についてのみ、アイリスフィルターの
演算を行なうため、すなわち、腫瘤陰影の存在しえな
い、被写体が存在しない領域部分については、アイリス
フィルターの演算方法による検出処理は行なわないた
め、その部分についてのアイリスフィルターの演算を省
略することができ、放射線画像全体としてアイリスフィ
ルターの演算を高速化することができる。
方法によれば、放射線画像のうち被写体が存在する領域
部分における画素についてのみ、アイリスフィルターの
演算を行なうため、すなわち、腫瘤陰影の存在しえな
い、被写体が存在しない領域部分については、アイリス
フィルターの演算方法による検出処理は行なわないた
め、その部分についてのアイリスフィルターの演算を省
略することができ、放射線画像全体としてアイリスフィ
ルターの演算を高速化することができる。
【００５８】本発明の第４のアイリスフィルターの演算
方法によれば、アイリスフィルターの演算の対象となる
画像データを、縦横それぞれの方向で、１／８以上１／
２以下の範囲内で再サンプリングして得るため、アイリ
スフィルターの演算の対象となる画像データ数が１／６
４〜１／４となり、放射線画像全体としてアイリスフィ
ルターの演算を高速化することができる。
方法によれば、アイリスフィルターの演算の対象となる
画像データを、縦横それぞれの方向で、１／８以上１／
２以下の範囲内で再サンプリングして得るため、アイリ
スフィルターの演算の対象となる画像データ数が１／６
４〜１／４となり、放射線画像全体としてアイリスフィ
ルターの演算を高速化することができる。
【００５９】
【発明の実施の形態】以下、本発明のアイリスフィルタ
ーの演算方法の実施の形態について説明する。
ーの演算方法の実施の形態について説明する。
【００６０】図１は、本発明の第１のアイリスフィルタ
ーの演算方法の一実施形態の、具体的な処理ステップを
示すフローチャートである。
ーの演算方法の一実施形態の、具体的な処理ステップを
示すフローチャートである。
【００６１】図示のアイリスフィルターの演算方法は、
第１ステップ（＃１）において、画像読取装置等から入
力された被写体の放射線画像を表す画像データＤである
濃度値に基づいて、式（１）にしたがって、すべての画
素について勾配ベクトルの向きθを算出する（図２参
照）。この算出された全画素についての勾配ベクトルの
向きθは、図示しない所定の記憶部に記憶される（＃
２）。
第１ステップ（＃１）において、画像読取装置等から入
力された被写体の放射線画像を表す画像データＤである
濃度値に基づいて、式（１）にしたがって、すべての画
素について勾配ベクトルの向きθを算出する（図２参
照）。この算出された全画素についての勾配ベクトルの
向きθは、図示しない所定の記憶部に記憶される（＃
２）。
【００６２】次いで、この放射線画像を構成する全画素
のうち、任意のアドレス（ｋ，ｌ）にある画素を注目画
素として設定し（＃３、図３参照）、この注目画素を中
心とする、 11.25度間隔で隣接する32本の放射状の線を
画像上に設定する（＃４、図４参照）。
のうち、任意のアドレス（ｋ，ｌ）にある画素を注目画
素として設定し（＃３、図３参照）、この注目画素を中
心とする、 11.25度間隔で隣接する32本の放射状の線を
画像上に設定する（＃４、図４参照）。
【００６３】これらの各放射状の線に重なる画素のアド
レス（ｘ，ｙ）を、下記式（８）および（９）により算
出する（＃５）。ただし、式（８）および（９）中のｉ
は図４における放射状の線の番号である（１≦ｉ≦32；
整数）。
レス（ｘ，ｙ）を、下記式（８）および（９）により算
出する（＃５）。ただし、式（８）および（９）中のｉ
は図４における放射状の線の番号である（１≦ｉ≦32；
整数）。
【００６４】
【数７】
【００６５】アドレスの算出された全画素について、そ
れらのアドレスが画素ごとに図示しない所定の記憶手段
に記憶される（＃６）。
れらのアドレスが画素ごとに図示しない所定の記憶手段
に記憶される（＃６）。
【００６６】ステップ５（＃５）で算出された各画素ご
とに、ステップ２（＃２）で記憶された勾配ベクトルの
角度θを読み出し、各画素ごとの勾配ベクトルの、放射
状の各線に対する角度θj を、式（10）に基づいて算出
する（＃７）。
とに、ステップ２（＃２）で記憶された勾配ベクトルの
角度θを読み出し、各画素ごとの勾配ベクトルの、放射
状の各線に対する角度θj を、式（10）に基づいて算出
する（＃７）。
【００６７】
【数８】
【００６８】次いで、各画素ごとの勾配ベクトルの、放
射状の各線に対する角度θj に基づいて、勾配ベクトル
の注目画素への集中度を表す指標値cos θj を算出する
（＃８）。さらに、複数の線のすべてについて、線ごと
に、線上の注目画素から、検出しようとする腫瘤陰影の
最小の大きさから最大の大きさまでにそれぞれ対応する
距離にある画素（Ｒmin 〜Ｒmax ）までの全画素の指標
値cos θj の平均値Ｃi （ｎ）を、式（５）にしたがっ
て算出する（＃８）。ここで、cos θilは、図４に示す
第ｉ番目の線上で、注目画素から数えてｌ番目に相当す
る画素での集中性評価値であり、その画素における上記
指標値cos θj を意味し、またＣi （ｎ）は、この第ｉ
番目の線上におけるＲmin 番目の画素からｎ番目の画素
までで得られる集中度を意味する。
射状の各線に対する角度θj に基づいて、勾配ベクトル
の注目画素への集中度を表す指標値cos θj を算出する
（＃８）。さらに、複数の線のすべてについて、線ごと
に、線上の注目画素から、検出しようとする腫瘤陰影の
最小の大きさから最大の大きさまでにそれぞれ対応する
距離にある画素（Ｒmin 〜Ｒmax ）までの全画素の指標
値cos θj の平均値Ｃi （ｎ）を、式（５）にしたがっ
て算出する（＃８）。ここで、cos θilは、図４に示す
第ｉ番目の線上で、注目画素から数えてｌ番目に相当す
る画素での集中性評価値であり、その画素における上記
指標値cos θj を意味し、またＣi （ｎ）は、この第ｉ
番目の線上におけるＲmin 番目の画素からｎ番目の画素
までで得られる集中度を意味する。
【００６９】ここでｎの値をＲmin からＲmax まで変化
させたときのＣi （ｎ）の値の最大値Ｃimaxを式（６）
により算出する（＃９）。この最大値Ｃimaxを算出する
ことによって、第ｉ番目の線上における集中度が最大と
なる画素を特定することができる。
させたときのＣi （ｎ）の値の最大値Ｃimaxを式（６）
により算出する（＃９）。この最大値Ｃimaxを算出する
ことによって、第ｉ番目の線上における集中度が最大と
なる画素を特定することができる。
【００７０】このように放射状の線の各方向ごとに得ら
れた最大値Ｃimaxを、式（11）により、全ての放射状の
線について加算平均してアドレス（ｋ，ｌ）の注目画素
についての集中度Ｃを算出する（＃10）。
れた最大値Ｃimaxを、式（11）により、全ての放射状の
線について加算平均してアドレス（ｋ，ｌ）の注目画素
についての集中度Ｃを算出する（＃10）。
【００７１】
【数９】
【００７２】この算出された集中度Ｃを、予め設定され
た所定の閾値Ｔと比較し（＃11）、Ｃ＞Ｔであればこの
注目画素は腫瘤陰影の中心部であると判断し、一方、Ｃ
≦Ｔであればこの注目画素は腫瘤陰影の中心部ではない
と判断する（＃12）。
た所定の閾値Ｔと比較し（＃11）、Ｃ＞Ｔであればこの
注目画素は腫瘤陰影の中心部であると判断し、一方、Ｃ
≦Ｔであればこの注目画素は腫瘤陰影の中心部ではない
と判断する（＃12）。
【００７３】すなわち、上記閾値Ｔは、腫瘤陰影か否か
を判断するための、実験的に予め設定された値である。
を判断するための、実験的に予め設定された値である。
【００７４】以上＃４〜＃12の処理を、全画素に亘って
注目画素を順次代えて（＃13）繰り返すが、ここで、次
の注目画素のアドレスを（ｋ＋ｋ1 ，ｌ＋ｌ1 ）とすれ
ば、この注目画素は上記１回目の処理における注目画素
（アドレス（ｋ，ｌ））に対してｘ方向に＋ｋ1 、ｙ方
向に＋ｌ1 だけ平行移動したものということができる。
注目画素を順次代えて（＃13）繰り返すが、ここで、次
の注目画素のアドレスを（ｋ＋ｋ1 ，ｌ＋ｌ1 ）とすれ
ば、この注目画素は上記１回目の処理における注目画素
（アドレス（ｋ，ｌ））に対してｘ方向に＋ｋ1 、ｙ方
向に＋ｌ1 だけ平行移動したものということができる。
【００７５】そこで、ステップ６（＃６）で記憶された
前回の処理における各画素のアドレスに、この相対的な
アドレス値（＋ｋ1 、＋ｌ1 ）を加算する（＃14）こと
によって、新たな注目画素における放射状の線に重なる
画素のアドレス（ｘ，ｙ）を算出し、ステップ７に戻っ
て処理を繰り返す。
前回の処理における各画素のアドレスに、この相対的な
アドレス値（＋ｋ1 、＋ｌ1 ）を加算する（＃14）こと
によって、新たな注目画素における放射状の線に重なる
画素のアドレス（ｘ，ｙ）を算出し、ステップ７に戻っ
て処理を繰り返す。
【００７６】このように、本実施形態のアイリスフィル
ターの演算方法によれば、膨大な回数のアドレス計算
を、式（８）、（９）に示す複雑な三角関数の計算処理
によらず、加減算処理という単純な計算処理とすること
によって、アイリスフィルターの演算を全体として高速
化することができる。
ターの演算方法によれば、膨大な回数のアドレス計算
を、式（８）、（９）に示す複雑な三角関数の計算処理
によらず、加減算処理という単純な計算処理とすること
によって、アイリスフィルターの演算を全体として高速
化することができる。
【００７７】図５は、本発明の第２のアイリスフィルタ
ーの演算方法の一実施形態の、具体的な処理ステップを
示すフローチャートである。
ーの演算方法の一実施形態の、具体的な処理ステップを
示すフローチャートである。
【００７８】図示のアイリスフィルターの演算方法は、
第１ステップ（＃21）において、画像読取装置等から入
力された被写体の放射線画像を表す画像データＤである
濃度値に基づいて、式（１）にしたがって、すべての画
素について勾配ベクトルの向きθを算出する（図２参
照）。
第１ステップ（＃21）において、画像読取装置等から入
力された被写体の放射線画像を表す画像データＤである
濃度値に基づいて、式（１）にしたがって、すべての画
素について勾配ベクトルの向きθを算出する（図２参
照）。
【００７９】ここで、本実施形態の演算方法において
は、この勾配ベクトルの向きθを、図６に示す、予め設
定された２πｍ／８（ｍは０以上の整数、ただし、ｍ＝
０，１，…，７）という８つの方向に量子化する（＃2
2）。量子化された全画素についての勾配ベクトルの向
きθは、図示しない所定の記憶部に記憶される（＃2
3）。
は、この勾配ベクトルの向きθを、図６に示す、予め設
定された２πｍ／８（ｍは０以上の整数、ただし、ｍ＝
０，１，…，７）という８つの方向に量子化する（＃2
2）。量子化された全画素についての勾配ベクトルの向
きθは、図示しない所定の記憶部に記憶される（＃2
3）。
【００８０】次いで、この放射線画像を構成する全画素
のうち、任意のアドレス（ｋ，ｌ）にある画素を注目画
素として設定し（＃24）、この注目画素を中心とする８
本の放射状の線を画像上に設定する（＃25）。このとき
設定される８本の放射状の線の向きは、図７に示すよう
に、勾配ベクトルの量子化する８つの向きに一致した２
πｊ／８（ｊは０以上の整数、ただし、ｊ＝０，１，
…，７）に設定されている。
のうち、任意のアドレス（ｋ，ｌ）にある画素を注目画
素として設定し（＃24）、この注目画素を中心とする８
本の放射状の線を画像上に設定する（＃25）。このとき
設定される８本の放射状の線の向きは、図７に示すよう
に、勾配ベクトルの量子化する８つの向きに一致した２
πｊ／８（ｊは０以上の整数、ただし、ｊ＝０，１，
…，７）に設定されている。
【００８１】次に、前記第１のアイリスフィルターの演
算方法の実施形態におけるステップ５と同様、これらの
各放射状の線に重なる画素のアドレス（ｘ，ｙ）を算出
する（＃26）。
算方法の実施形態におけるステップ５と同様、これらの
各放射状の線に重なる画素のアドレス（ｘ，ｙ）を算出
する（＃26）。
【００８２】ステップ26（＃26）で算出された各画素ご
とに、ステップ23（＃23）で量子化された勾配ベクトル
の角度θを読み出し、各画素ごとの勾配ベクトルの、放
射状の各線に対する角度θj を算出する（＃27）。ここ
で算出される角度θj は、量子化された勾配ベクトルの
向きθと放射状の線の向きとにより決まるものであるか
ら、角度θj 自体も量子化されたものとなる（図８参
照）。すなわち角度θjは、図８から解されるように、
０，２π／８，４π／８，６π／８，８π／８，10π／
８，12π／８，14π／８の８通りの値のみを採る。
とに、ステップ23（＃23）で量子化された勾配ベクトル
の角度θを読み出し、各画素ごとの勾配ベクトルの、放
射状の各線に対する角度θj を算出する（＃27）。ここ
で算出される角度θj は、量子化された勾配ベクトルの
向きθと放射状の線の向きとにより決まるものであるか
ら、角度θj 自体も量子化されたものとなる（図８参
照）。すなわち角度θjは、図８から解されるように、
０，２π／８，４π／８，６π／８，８π／８，10π／
８，12π／８，14π／８の８通りの値のみを採る。
【００８３】したがって、この角度θj に基づいて算出
する、式（５）で表される放射状の線ごとの集中度の指
標値cos θj の値も予め算出することができ、量子化さ
れた角度θj を指標値cos θj に変換する、表１に示す
ルックアップテーブルを予め作成し、所定の記憶部に記
憶させておく（＃20）。
する、式（５）で表される放射状の線ごとの集中度の指
標値cos θj の値も予め算出することができ、量子化さ
れた角度θj を指標値cos θj に変換する、表１に示す
ルックアップテーブルを予め作成し、所定の記憶部に記
憶させておく（＃20）。
【００８４】
【表１】
【００８５】各画素ごとの勾配ベクトルの、放射状の各
線に対する角度θj に基づいて、＃20で作成されたルッ
クアップテーブルにより、勾配ベクトルの注目画素への
集中度を表す指標値cos θj を求める（＃28）。
線に対する角度θj に基づいて、＃20で作成されたルッ
クアップテーブルにより、勾配ベクトルの注目画素への
集中度を表す指標値cos θj を求める（＃28）。
【００８６】さらに、複数の線のすべてについて、線ご
とに、線上の注目画素から、検出しようとする腫瘤陰影
の最小の大きさから最大の大きさまでにそれぞれ対応す
る距離にある画素（Ｒmin 〜Ｒmax ）までの全画素の指
標値cos θj の平均値Ｃi （ｎ）を算出する（＃29）。
ここで、cos θilは、図４に示す第ｉ番目の線上で、注
目画素から数えてｌ番目に相当する画素での集中性評価
値であり、その画素における上記指標値cos θj を意味
し、またＣi （ｎ）は、この第ｉ番目の線上におけるＲ
min 番目の画素からｎ番目の画素までで得られる集中度
を意味する。
とに、線上の注目画素から、検出しようとする腫瘤陰影
の最小の大きさから最大の大きさまでにそれぞれ対応す
る距離にある画素（Ｒmin 〜Ｒmax ）までの全画素の指
標値cos θj の平均値Ｃi （ｎ）を算出する（＃29）。
ここで、cos θilは、図４に示す第ｉ番目の線上で、注
目画素から数えてｌ番目に相当する画素での集中性評価
値であり、その画素における上記指標値cos θj を意味
し、またＣi （ｎ）は、この第ｉ番目の線上におけるＲ
min 番目の画素からｎ番目の画素までで得られる集中度
を意味する。
【００８７】ここでｎの値をＲmin からＲmax まで変化
させたときのＣi （ｎ）の値の最大値Ｃimaxを算出する
（＃30）。この最大値Ｃimaxを算出することによって、
第ｉ番目の線上における集中度が最大となる画素を特定
することができる。
させたときのＣi （ｎ）の値の最大値Ｃimaxを算出する
（＃30）。この最大値Ｃimaxを算出することによって、
第ｉ番目の線上における集中度が最大となる画素を特定
することができる。
【００８８】このように放射状の線の各方向ごとに得ら
れた最大値Ｃimaxを、前述の第１のアイリスフィルター
の演算方法の実施形態におけるステップ10と同様にし
て、全ての放射状の線について加算平均してアドレス
（ｋ，ｌ）の注目画素についての集中度Ｃを算出する
（＃31）。
れた最大値Ｃimaxを、前述の第１のアイリスフィルター
の演算方法の実施形態におけるステップ10と同様にし
て、全ての放射状の線について加算平均してアドレス
（ｋ，ｌ）の注目画素についての集中度Ｃを算出する
（＃31）。
【００８９】この算出された集中度Ｃを、予め設定され
た所定の閾値Ｔと比較し（＃32）、Ｃ＞Ｔであればこの
注目画素は腫瘤陰影の中心部であると判断し、一方、Ｃ
≦Ｔであればこの注目画素は腫瘤陰影の中心部ではない
と判断する（＃33）。
た所定の閾値Ｔと比較し（＃32）、Ｃ＞Ｔであればこの
注目画素は腫瘤陰影の中心部であると判断し、一方、Ｃ
≦Ｔであればこの注目画素は腫瘤陰影の中心部ではない
と判断する（＃33）。
【００９０】以上＃25〜＃33の処理を、全画素に亘って
注目画素を代えて（＃34）繰り返す。
注目画素を代えて（＃34）繰り返す。
【００９１】このように本実施形態のアイリスフィルタ
ーの演算方法によれば、集中度の指標値である指標値co
s θj が限られた数の値のみを採るため、それら指標値
cosθj の値を角度θj ごとに、予めルックアップテー
ブルとして予め作成しておくことによって、比較的長い
計算時間を要する三角関数の式（５）の処理を行なう必
要がなく、アイリスフィルターの演算処理を高速化する
ことができる。
ーの演算方法によれば、集中度の指標値である指標値co
s θj が限られた数の値のみを採るため、それら指標値
cosθj の値を角度θj ごとに、予めルックアップテー
ブルとして予め作成しておくことによって、比較的長い
計算時間を要する三角関数の式（５）の処理を行なう必
要がなく、アイリスフィルターの演算処理を高速化する
ことができる。
【００９２】次に本発明の第３のアイリスフィルターの
演算方法の一実施形態について説明する。
演算方法の一実施形態について説明する。
【００９３】図９は、本実施形態のアイリスフィルター
の演算の対象となる乳房の画像Ｐ1が記録されたＸ線画
像Ｐを示す図、図10は本実施形態のアイリスフィルター
の演算処理を示すフローチャートである。図示のＸ線画
像Ｐのうち、乳房の画像Ｐ1が記録されている領域以外
の部分は、Ｘ線が直接入射した直接Ｘ線部Ｐ2 であり、
このような直接Ｘ線部Ｐ2 には、アイリスフィルターの
演算対象となる腫瘤陰影が存在することはない。
の演算の対象となる乳房の画像Ｐ1が記録されたＸ線画
像Ｐを示す図、図10は本実施形態のアイリスフィルター
の演算処理を示すフローチャートである。図示のＸ線画
像Ｐのうち、乳房の画像Ｐ1が記録されている領域以外
の部分は、Ｘ線が直接入射した直接Ｘ線部Ｐ2 であり、
このような直接Ｘ線部Ｐ2 には、アイリスフィルターの
演算対象となる腫瘤陰影が存在することはない。
【００９４】そこで本実施形態のアイリスフィルターの
演算方法では、このＸ線画像Ｐを示す画像データに基づ
いて、その画像データの出現頻度を示すヒストグラムを
作成する（＃41、図11参照）。このヒストグラムの形状
は被写体の種類や撮影体位等によって、実験的に予め設
定された数種類のパターンに分類される。したがって、
本実施形態のアイリスフィルターの演算方法が対象とす
る乳房の画像Ｐ1 についても、予めそのヒストグラムの
形状のパターンは分かっており、そのヒストグラムのパ
ターンにおいて、画像データの値が最大値Ｓmax を示す
部分からデータ値αだけ小さい範囲の部分は直接Ｘ線部
Ｐ2 であることが分かっている。
演算方法では、このＸ線画像Ｐを示す画像データに基づ
いて、その画像データの出現頻度を示すヒストグラムを
作成する（＃41、図11参照）。このヒストグラムの形状
は被写体の種類や撮影体位等によって、実験的に予め設
定された数種類のパターンに分類される。したがって、
本実施形態のアイリスフィルターの演算方法が対象とす
る乳房の画像Ｐ1 についても、予めそのヒストグラムの
形状のパターンは分かっており、そのヒストグラムのパ
ターンにおいて、画像データの値が最大値Ｓmax を示す
部分からデータ値αだけ小さい範囲の部分は直接Ｘ線部
Ｐ2 であることが分かっている。
【００９５】そこでステップ41で作成されたヒストグラ
ムにおける画像データの最大値Ｓmax を求め、この求め
られた最大値Ｓmax から所定値αを差し引いた値を閾値
Ｔとして設定する（＃42）。
ムにおける画像データの最大値Ｓmax を求め、この求め
られた最大値Ｓmax から所定値αを差し引いた値を閾値
Ｔとして設定する（＃42）。
【００９６】次いで、入力された全画像データＳと閾値
Ｔとを比較し（＃43）、Ｓ＞Ｔの場合は、その画像デー
タＳは直接Ｘ線部Ｐ2 の領域のデータと判断し（＃4
4）、その後の処理は行なわない。一方、Ｓ≦Ｔの場合
は、その画像データＳは乳房の画像Ｐ1 の領域のデータ
と判断し（＃44）、その画像データについてのみ、前述
の各実施形態に示したアイリスフィルターの演算処理、
すなわち、腫瘤陰影の検出処理行なう（＃45）。なお、
ステップ45以下のアイリスフィルターの演算処理につい
ては、前述の各実施形態のものと同様であるので説明を
省略する。
Ｔとを比較し（＃43）、Ｓ＞Ｔの場合は、その画像デー
タＳは直接Ｘ線部Ｐ2 の領域のデータと判断し（＃4
4）、その後の処理は行なわない。一方、Ｓ≦Ｔの場合
は、その画像データＳは乳房の画像Ｐ1 の領域のデータ
と判断し（＃44）、その画像データについてのみ、前述
の各実施形態に示したアイリスフィルターの演算処理、
すなわち、腫瘤陰影の検出処理行なう（＃45）。なお、
ステップ45以下のアイリスフィルターの演算処理につい
ては、前述の各実施形態のものと同様であるので説明を
省略する。
【００９７】このように本実施形態のアイリスフィルタ
ーの演算方法によれば、放射線画像のうち被写体が存在
する領域部分における画素についてのみ、アイリスフィ
ルターの演算を行なうため、すなわち、腫瘤陰影の存在
しえない、被写体が存在しない領域部分については、ア
イリスフィルターの演算方法による検出処理は行なわな
いため、その部分についてのアイリスフィルターの演算
を省略することができ、放射線画像全体としてアイリス
フィルターの演算処理を高速化することができる。
ーの演算方法によれば、放射線画像のうち被写体が存在
する領域部分における画素についてのみ、アイリスフィ
ルターの演算を行なうため、すなわち、腫瘤陰影の存在
しえない、被写体が存在しない領域部分については、ア
イリスフィルターの演算方法による検出処理は行なわな
いため、その部分についてのアイリスフィルターの演算
を省略することができ、放射線画像全体としてアイリス
フィルターの演算処理を高速化することができる。
【００９８】なお、上記第３のアイリスフィルターの演
算方法の実施形態においては、アイリスフィルターの演
算処理の対象となる画像データの数を、被写体の画像領
域の画像データに絞ることによって減少させ、これによ
って演算処理を全体として高速化するものであるが、画
像データを得るサンプリングの周波数を１／８倍から１
／２倍、好ましくは１／８倍から１／４倍として、アイ
リスフィルターの演算処理の対象となる画像データの数
を、全画素数の１／６４以上１／４ないし１／１６以下
の範囲内の数となるように減少させて、演算処理の高速
化を図るようにしてもよい。
算方法の実施形態においては、アイリスフィルターの演
算処理の対象となる画像データの数を、被写体の画像領
域の画像データに絞ることによって減少させ、これによ
って演算処理を全体として高速化するものであるが、画
像データを得るサンプリングの周波数を１／８倍から１
／２倍、好ましくは１／８倍から１／４倍として、アイ
リスフィルターの演算処理の対象となる画像データの数
を、全画素数の１／６４以上１／４ないし１／１６以下
の範囲内の数となるように減少させて、演算処理の高速
化を図るようにしてもよい。
【００９９】このようにした場合であっても、腫瘤陰影
の大きさは画像上で通常、最小で５mm、最大で数cm程度
であり、また、画像データをサンプリングして得られる
１画素の大きさは 100μ程度であるので、十分に腫瘤陰
影を検出することができる。
の大きさは画像上で通常、最小で５mm、最大で数cm程度
であり、また、画像データをサンプリングして得られる
１画素の大きさは 100μ程度であるので、十分に腫瘤陰
影を検出することができる。
【０１００】なお、上記各実施の形態においては、いず
れも前述した計算機支援画像診断装置に適用することも
できる。
れも前述した計算機支援画像診断装置に適用することも
できる。
【図１】第１のアイリスフィルターの演算方法の実施形
態の、具体的な処理ステップを示すフローチャート
態の、具体的な処理ステップを示すフローチャート
【図２】勾配ベクトルを算出するマスクを示す図
【図３】注目画素についての勾配ベクトルの集中度の概
念を示す図
念を示す図
【図４】注目画素を中心とする放射状の線を示す図
【図５】第２のアイリスフィルターの演算方法の実施形
態の、具体的な処理ステップを示すフローチャート
態の、具体的な処理ステップを示すフローチャート
【図６】勾配ベクトルを量子化する方向２πｍ／８を示
す図
す図
【図７】注目画素を中心とした放射状の線を量子化する
方向２πｊ／８を示す図
方向２πｊ／８を示す図
【図８】量子化された、放射状の各線に対する勾配ベク
トルの角度θj を示す図
トルの角度θj を示す図
【図９】第３のアイリスフィルターの演算方法の実施形
態において演算の対象となる乳房の画像Ｐ1 が記録され
たＸ線画像Ｐを示す図
態において演算の対象となる乳房の画像Ｐ1 が記録され
たＸ線画像Ｐを示す図
【図１０】第３のアイリスフィルターの演算方法の実施
形態における演算処理を示すフローチャート
形態における演算処理を示すフローチャート
【図１１】Ｘ線画像Ｐを示す画像データの出現頻度を示
すヒストグラムをを示す図
すヒストグラムをを示す図
Ｐ Ｘ線画像 Ｐ1 乳房の画像 Ｐ2 直接Ｘ線部
─────────────────────────────────────────────────────
【手続補正書】
【提出日】平成８年１月１７日
【手続補正１】
【補正対象書類名】明細書
【補正対象項目名】特許請求の範囲
【補正方法】変更
【補正内容】
【手続補正２】
【補正対象書類名】明細書
【補正対象項目名】００２１
【補正方法】変更
【補正内容】
【００２１】
【数４】 （Ｒmin は抽出しようとする腫瘤陰影の半径の最小値、
Ｒmax は抽出しようとする腫瘤陰影の半径の最大値を表
す）
Ｒmax は抽出しようとする腫瘤陰影の半径の最大値を表
す）
【手続補正３】
【補正対象書類名】明細書
【補正対象項目名】００２２
【補正方法】変更
【補正内容】
【００２２】すなわち、複数の線のすべてについて、前
記線ごとに、該線上の前記注目画素から、検出しようと
する腫瘤陰影の最小の大きさから最大の大きさまでにそ
れぞれ対応する距離にある画素までの全画素の前記指標
値cos θj の平均値を算出する。
記線ごとに、該線上の前記注目画素から、検出しようと
する腫瘤陰影の最小の大きさから最大の大きさまでにそ
れぞれ対応する距離にある画素までの全画素の前記指標
値cos θj の平均値を算出する。
【手続補正４】
【補正対象書類名】明細書
【補正対象項目名】００３２
【補正方法】変更
【補正内容】
【００３２】
【数５】 すなわち、複数の線のすべてについて、前記線ごとに、
該線上の前記注目画素から検出しようとする腫瘤陰影の
最小の大きさに対応する距離にある画素から、最大の大
きさに対応する距離にある画素までの全画素の前記指標
値cos θj の平均値を算出すればよい。
該線上の前記注目画素から検出しようとする腫瘤陰影の
最小の大きさに対応する距離にある画素から、最大の大
きさに対応する距離にある画素までの全画素の前記指標
値cos θj の平均値を算出すればよい。
Claims (5)
- 【請求項１】 〔１〕被写体の放射線画像を表す画像デ
ータの全画素について、該画像データに基づく各画素ご
との勾配ベクトルを算出し、 〔２〕前記全画素のうち任意のアドレスの注目画素を設
定し、 〔３〕該注目画素を中心とする、所定の角度間隔で隣接
する複数の放射状の線を前記画像上に設定し、 〔４〕該各放射状の線に重なる画素ごとに該画素のアド
レスを算出し、 〔５〕該アドレスの算出された全画素について、該各線
に対する各画素ごとの前記勾配ベクトルの角度θj に基
づく、該勾配ベクトルの前記注目画素への集中度を表す
指標値cos θj を算出し、 〔６〕前記複数の線のすべてについて、前記線ごとに、
該線上の前記注目画素から、検出しようとする腫瘤陰影
の最小の大きさから最大の大きさまでにそれぞれ対応す
る距離にある画素までの全画素の前記指標値cos θj の
平均値を算出し、 〔７〕前記線ごとの前記平均値の最大値を、前記複数の
線のすべてについて総和して前記注目画素についての前
記勾配ベクトル群の集中度の値を算出し、 〔８〕該集中度の値と予め設定された閾値とを比較し、 〔９〕前記勾配ベクトル群の集中度の値が前記閾値以上
であるときは、前記注目画素を中心とし、前記線ごとの
前記平均値の最大値を有する画素までの範囲を腫瘤陰影
として判定し、 〔10〕前記注目画素のアドレスを、前記全画素に亘って
順次設定して前記〔３〕から〔９〕の処理を繰り返し、
前記放射線画像の中から前記腫瘤陰影を検出するアイリ
スフィルターの演算方法において、 前記〔３〕から〔９〕までのｎ回目（ｎ＝１，２，…）
の処理において前記〔４〕の処理で算出された、前記各
線に重なる各画素のアドレスをアドレス記憶手段に記憶
せしめ、 前記ｎ回目の処理において設定された注目画素に対す
る、前記〔10〕の処理における、ｎ＋１回目以降に設定
された注目画素の相対的なアドレスを算出し、 該ｎ＋１回目以降の前記〔４〕のアドレスの算出は、前
記アドレス記憶手段に記憶された各画素のアドレスに前
記算出された相対的なアドレスを加算することにより算
出することを特徴とするアイリスフィルターの演算方
法。 - 【請求項２】 前記ｎの値が１であることを特徴とする
請求項１記載のアイリスフィルターの演算方法。 - 【請求項３】 〔１〕被写体の放射線画像を表す画像デ
ータの全画素について、該画像データに基づく各画素ご
との勾配ベクトルを算出し、 〔２〕前記全画素のうち任意のアドレスの注目画素を設
定し、 〔３〕該注目画素を中心とする、所定の角度間隔で隣接
する複数の放射状の線を前記画像上に設定し、 〔４〕該各放射状の線に重なる画素ごとに該画素のアド
レスを算出し、 〔５〕該アドレスの算出された全画素について、該各線
に対する各画素ごとの前記勾配ベクトルの角度θj に基
づく、該勾配ベクトルの前記注目画素への集中度を表す
指標値cos θj を算出し、 〔６〕前記複数の線のすべてについて、前記線ごとに、
該線上の前記注目画素から、検出しようとする腫瘤陰影
の最小の大きさから最大の大きさまでにそれぞれ対応す
る距離にある画素までの全画素の前記指標値cos θj の
平均値を算出し、 〔７〕前記線ごとの前記平均値の最大値を、前記複数の
線のすべてについて総和して前記注目画素についての前
記勾配ベクトル群の集中度の値を算出し、 〔８〕該集中度の値と予め設定された閾値とを比較し、 〔９〕前記勾配ベクトル群の集中度の値が前記閾値以上
であるときは、前記注目画素を中心とし、前記線ごとの
前記平均値の最大値を有する画素までの範囲を腫瘤陰影
として判定し、 〔10〕前記注目画素のアドレスを、前記全画素に亘って
順次設定して前記〔３〕から〔９〕の処理を繰り返し、
前記放射線画像の中から前記腫瘤陰影を検出するアイリ
スフィルターの演算方法において、 前記〔１〕の処理で算出された勾配ベクトルの向きを、
予め設定された２πｍ／Ｍ（Ｍは３以上の整数、ｍは０
以上の整数、ただし、ｍ＝０，１，…，Ｍ−１）という
Ｍ種類の方向に量子化し、 前記〔３〕の処理における前記複数の放射状の線の向き
を、２πｊ／Ｎ（Ｎは３以上の整数、ｊは０以上の整
数、ただし、ｊ＝０，１，…，Ｎ−１）というＮ種類の
方向に量子化し、 これにより、前記〔５〕の処理における、前記各線に対
する各画素ごとの前記勾配ベクトルの角度θj を量子化
し、 該量子化された角度θj ごとに、該角度θj に対応する
前記指標値cos θj の値を予め算出してルックアップテ
ーブルを作成し、 前記〔５〕の処理における前記指標値cos θj の算出
を、前記角度θj ごとに該ルックアップテーブルにより
求めることを特徴とするアイリスフィルターの演算方
法。 - 【請求項４】 〔１〕被写体の放射線画像を表す画像デ
ータの全画素について、該画像データに基づく各画素ご
との勾配ベクトルを算出し、 〔２〕前記全画素のうち任意のアドレスの注目画素を設
定し、 〔３〕該注目画素を中心とする、所定の角度間隔で隣接
する複数の放射状の線を前記画像上に設定し、 〔４〕該各放射状の線に重なる画素ごとに該画素のアド
レスを算出し、 〔５〕該アドレスの算出された全画素について、該各線
に対する各画素ごとの前記勾配ベクトルの角度θj に基
づく、該勾配ベクトルの前記注目画素への集中度を表す
指標値cos θj を算出し、 〔６〕前記複数の線のすべてについて、前記線ごとに、
該線上の前記注目画素から、検出しようとする腫瘤陰影
の最小の大きさから最大の大きさまでにそれぞれ対応す
る距離にある画素までの全画素の前記指標値cos θj の
平均値を算出し、 〔７〕前記線ごとの前記平均値の最大値を、前記複数の
線のすべてについて総和して前記注目画素についての前
記勾配ベクトル群の集中度の値を算出し、 〔８〕該集中度の値と予め設定された閾値とを比較し、 〔９〕前記勾配ベクトル群の集中度の値が前記閾値以上
であるときは、前記注目画素を中心とし、前記線ごとの
前記平均値の最大値を有する画素までの範囲を腫瘤陰影
として判定し、 〔10〕前記注目画素のアドレスを、前記全画素に亘って
順次設定して前記〔３〕から〔９〕の処理を繰り返し、
前記放射線画像の中から前記腫瘤陰影を検出するアイリ
スフィルターの演算方法において、 前記放射線画像のうち、前記被写体が存在する領域を被
写体認識方法により検出し、 該検出された領域内の画素についてのみ前記〔１〕から
〔10〕までの処理を行うことを特徴とするアイリスフィ
ルターの演算方法。 - 【請求項５】 〔１〕被写体の放射線画像を表す画像デ
ータの全画素について、該画像データに基づく各画素ご
との勾配ベクトルを算出し、 〔２〕前記全画素のうち任意のアドレスの注目画素を設
定し、 〔３〕該注目画素を中心とする、所定の角度間隔で隣接
する複数の放射状の線を前記画像上に設定し、 〔４〕該各放射状の線に重なる画素ごとに該画素のアド
レスを算出し、 〔５〕該アドレスの算出された全画素について、該各線
に対する各画素ごとの前記勾配ベクトルの角度θj に基
づく、該勾配ベクトルの前記注目画素への集中度を表す
指標値cos θj を算出し、 〔６〕前記複数の線のすべてについて、前記線ごとに、
該線上の前記注目画素から、検出しようとする腫瘤陰影
の最小の大きさから最大の大きさまでにそれぞれ対応す
る距離にある画素までの全画素の前記指標値cos θj の
平均値を算出し、 〔７〕前記線ごとの前記平均値の最大値を、前記複数の
線のすべてについて総和して前記注目画素についての前
記勾配ベクトル群の集中度の値を算出し、 〔８〕該集中度の値と予め設定された閾値とを比較し、 〔９〕前記勾配ベクトル群の集中度の値が前記閾値以上
であるときは、前記注目画素を中心とし、前記線ごとの
前記平均値の最大値を有する画素までの範囲を腫瘤陰影
として判定し、 〔10〕前記注目画素のアドレスを、前記全画素に亘って
順次設定して前記〔３〕から〔９〕の処理を繰り返し、
前記放射線画像の中から前記腫瘤陰影を検出するアイリ
スフィルターの演算方法において、 前記画像データを、縦横それぞれの方向で１／８以上１
／２以下の範囲内で再サンプリングして得ることを特徴
とするアイリスフィルターの演算方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7173594A JPH08263641A (ja) | 1995-01-23 | 1995-07-10 | アイリスフィルターの演算方法 |
| US08/590,160 US5784482A (en) | 1995-01-23 | 1996-01-23 | Method for reducing the amount of processing of an iris filter |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP4226495 | 1995-01-23 | ||
| JP7-42264 | 1995-01-23 | ||
| JP7173594A JPH08263641A (ja) | 1995-01-23 | 1995-07-10 | アイリスフィルターの演算方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH08263641A true JPH08263641A (ja) | 1996-10-11 |
Family
ID=26381922
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP7173594A Pending JPH08263641A (ja) | 1995-01-23 | 1995-07-10 | アイリスフィルターの演算方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5784482A (ja) |
| JP (1) | JPH08263641A (ja) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007229363A (ja) * | 2006-03-03 | 2007-09-13 | Fujifilm Corp | 放射線画像撮影装置 |
| WO2008020648A1 (en) * | 2006-08-16 | 2008-02-21 | Fujifilm Corporation | Abnormal mass candidate detecting apparatus, method and computer-readable medium |
| JP2008505704A (ja) * | 2004-07-09 | 2008-02-28 | フィッシャー イメイジング コーポレイション | 融合型マンモグラフィにおける乳房スクリーニング方法 |
| EP2236087A1 (en) | 2009-03-31 | 2010-10-06 | Canon Kabushiki Kaisha | Radiation imaging apparatus and control method for the same |
| JP2015029860A (ja) * | 2013-08-06 | 2015-02-16 | 株式会社東芝 | 画像処理装置および医用画像診断装置 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3669789B2 (ja) * | 1996-09-11 | 2005-07-13 | 富士写真フイルム株式会社 | 異常陰影候補の検出方法および装置 |
| JP3678378B2 (ja) * | 1996-09-20 | 2005-08-03 | 富士写真フイルム株式会社 | 異常陰影候補の検出方法および装置 |
| JPH1156828A (ja) * | 1997-08-27 | 1999-03-02 | Fuji Photo Film Co Ltd | 異常陰影候補検出方法および装置 |
| JP2000137793A (ja) * | 1998-08-25 | 2000-05-16 | Fuji Photo Film Co Ltd | 異常陰影検出処理システムおよび画像表示端末機 |
| US7187789B2 (en) * | 2000-08-31 | 2007-03-06 | Fuji Photo Film Co., Ltd. | Prospective abnormal shadow detecting system, and method of and apparatus for judging whether prospective abnormal shadow is malignant or benignant |
| JP2004135868A (ja) * | 2002-10-17 | 2004-05-13 | Fuji Photo Film Co Ltd | 異常陰影候補検出処理システム |
| JP2006068373A (ja) * | 2004-09-03 | 2006-03-16 | Fuji Photo Film Co Ltd | 乳頭検出装置およびそのプログラム |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4952807A (en) * | 1985-01-24 | 1990-08-28 | Fuji Photo Film Co., Ltd. | Method of adjusting radiation image read-out conditions and image processing conditions |
| DE69033579T2 (de) * | 1989-04-10 | 2001-03-08 | Canon K.K., Tokio/Tokyo | Bildverkleinerungsgerät und Verfahren |
| US5231679A (en) * | 1989-09-01 | 1993-07-27 | Sanyo Electric Co., Ltd. | Image processing apparatus and image reducing circuit therefor |
| US5212637A (en) * | 1989-11-22 | 1993-05-18 | Stereometrix Corporation | Method of investigating mammograms for masses and calcifications, and apparatus for practicing such method |
| US5267328A (en) * | 1990-01-22 | 1993-11-30 | Gouge James O | Method for selecting distinctive pattern information from a pixel generated image |
| US5481623A (en) * | 1990-04-19 | 1996-01-02 | Fuji Photo Film Co., Ltd. | Apparatus for determining an image position on imaging media |
| US5572565A (en) * | 1994-12-30 | 1996-11-05 | Philips Electronics North America Corporation | Automatic segmentation, skinline and nipple detection in digital mammograms |
-
1995
- 1995-07-10 JP JP7173594A patent/JPH08263641A/ja active Pending
-
1996
- 1996-01-23 US US08/590,160 patent/US5784482A/en not_active Expired - Fee Related
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008505704A (ja) * | 2004-07-09 | 2008-02-28 | フィッシャー イメイジング コーポレイション | 融合型マンモグラフィにおける乳房スクリーニング方法 |
| JP2007229363A (ja) * | 2006-03-03 | 2007-09-13 | Fujifilm Corp | 放射線画像撮影装置 |
| WO2008020648A1 (en) * | 2006-08-16 | 2008-02-21 | Fujifilm Corporation | Abnormal mass candidate detecting apparatus, method and computer-readable medium |
| JP2010500049A (ja) * | 2006-08-16 | 2010-01-07 | 富士フイルム株式会社 | 異常塊候補を検出する装置、方法、ならびにコンピュータ読取り可能媒体 |
| EP2236087A1 (en) | 2009-03-31 | 2010-10-06 | Canon Kabushiki Kaisha | Radiation imaging apparatus and control method for the same |
| JP2015029860A (ja) * | 2013-08-06 | 2015-02-16 | 株式会社東芝 | 画像処理装置および医用画像診断装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US5784482A (en) | 1998-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4477360B2 (ja) | ディジタル・トモシンセシスにおける汎用フィルタ補正逆投影再構成 | |
| JP5260892B2 (ja) | 放射線医学的徴候の検出のためのトモシンセシスにおける放射線画像の処理方法 | |
| JPH1156828A (ja) | 異常陰影候補検出方法および装置 | |
| JPH06339476A (ja) | 胸部ｘ線画像における間質性浸潤の幾何学的パターンの特徴を決定するための方法及びシステム | |
| US6738500B2 (en) | Method and system for detecting small structures in images | |
| JP3590216B2 (ja) | 異常陰影候補の検出方法および装置 | |
| JPH08294479A (ja) | 計算機支援画像診断装置 | |
| JPH09167238A (ja) | 異常陰影の検出方法 | |
| JPH08263641A (ja) | アイリスフィルターの演算方法 | |
| JP3678378B2 (ja) | 異常陰影候補の検出方法および装置 | |
| JP2002162705A (ja) | 位相コントラスト放射線画像処理装置 | |
| JP2000316837A (ja) | 画像診断支援装置 | |
| JP3596786B2 (ja) | 異常陰影候補の検出方法 | |
| JP2002143136A (ja) | 異常陰影候補検出方法および検出処理システム | |
| CN113924046B (zh) | 用于将器官肿块分类为囊肿的基于计算机的方法 | |
| JPH09251535A (ja) | ２次元多階調画像におけるパタン検出方法及び装置 | |
| US20010019623A1 (en) | Anomalous shadow detection system | |
| JP3597272B2 (ja) | 異常陰影候補の検出方法 | |
| JP3669789B2 (ja) | 異常陰影候補の検出方法および装置 | |
| JP2005080758A (ja) | 画像処理装置 | |
| Mol et al. | Application of digital image analysis in dental radiography for the description of periapical bone lesions: a preliminary study | |
| JPH08287230A (ja) | 計算機支援画像診断装置 | |
| JP2005198890A (ja) | 異常陰影判定方法、異常陰影判定装置およびそのプログラム | |
| JP3596792B2 (ja) | 異常陰影候補領域を含む局所領域の抽出方法および装置 | |
| JP2002133397A (ja) | 異常陰影候補検出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20040430 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040518 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040715 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20041214 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050204 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20050920 |