JPH09167238A - 異常陰影の検出方法 - Google Patents
異常陰影の検出方法Info
- Publication number
- JPH09167238A JPH09167238A JP8011885A JP1188596A JPH09167238A JP H09167238 A JPH09167238 A JP H09167238A JP 8011885 A JP8011885 A JP 8011885A JP 1188596 A JP1188596 A JP 1188596A JP H09167238 A JPH09167238 A JP H09167238A
- Authority
- JP
- Japan
- Prior art keywords
- index value
- abnormal shadow
- histogram
- shadow
- abnormal
- 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.)
- Granted
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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N23/00—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00
- G01N23/02—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material
- G01N23/04—Investigating or analysing materials by the use of wave or particle radiation, e.g. X-rays or neutrons, not covered by groups G01N3/00 – G01N17/00, G01N21/00 or G01N22/00 by transmitting the radiation through the material and forming images of the material
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
(57)【要約】
【課題】 アイリスフィルター処理等による異常陰影候
補を検出する方法において、検出された異常陰影の候補
のうち、現実の異常陰影である蓋然性がより高い異常陰
影候補のみを検出する。 【解決手段】 アイリスフィルター処理（＃１）によっ
て検出された腫瘤陰影Ｐ1 および擬似異常陰影Ｐ3 に対
して、それらの領域内の濃度ヒストグラムを求めて、こ
のヒストグラムに基づく指標値を求め（＃５-1,…, ＃
５-6）、各指標値と予め設定した閾値とを比較して（＃
６-1,…, ＃６-6）、すべての指標値が現実の腫瘤陰影
を指標している場合のみ、腫瘤陰影と判定する（＃８，
＃９）。
補を検出する方法において、検出された異常陰影の候補
のうち、現実の異常陰影である蓋然性がより高い異常陰
影候補のみを検出する。 【解決手段】 アイリスフィルター処理（＃１）によっ
て検出された腫瘤陰影Ｐ1 および擬似異常陰影Ｐ3 に対
して、それらの領域内の濃度ヒストグラムを求めて、こ
のヒストグラムに基づく指標値を求め（＃５-1,…, ＃
５-6）、各指標値と予め設定した閾値とを比較して（＃
６-1,…, ＃６-6）、すべての指標値が現実の腫瘤陰影
を指標している場合のみ、腫瘤陰影と判定する（＃８，
＃９）。
Description
【０００１】
【発明の属する技術分野】本発明は放射線画像における
腫瘤陰影に代表される異常陰影の検出方法に関し、詳細
にはその検出した異常陰影候補のうち、より確定的な異
常陰影候補を検出する異常陰影の検出方法に関するもの
である。
腫瘤陰影に代表される異常陰影の検出方法に関し、詳細
にはその検出した異常陰影候補のうち、より確定的な異
常陰影候補を検出する異常陰影の検出方法に関するもの
である。
【０００２】
【従来の技術】従来より、種々の画像取得方法により得
られた画像を表す画像信号に対して、階調処理や周波数
処理等の画像処理を施し、画像の観察読影性能を向上さ
せることが行われている。特に人体を被写体とした放射
線画像のような医用画像の分野においては、医師等の専
門家が、得られた画像に基づいて患者の疾病や傷害の有
無を的確に診断する必要があり、その画像の読影性能を
向上させる画像処理は不可欠なものとなっている。
られた画像を表す画像信号に対して、階調処理や周波数
処理等の画像処理を施し、画像の観察読影性能を向上さ
せることが行われている。特に人体を被写体とした放射
線画像のような医用画像の分野においては、医師等の専
門家が、得られた画像に基づいて患者の疾病や傷害の有
無を的確に診断する必要があり、その画像の読影性能を
向上させる画像処理は不可欠なものとなっている。
【０００３】このような画像処理においては、その画像
全体を処理の対象とする場合もあるが、検査や診断の目
的がある程度明確な場合は、その目的に適した所望の画
像部分だけを選択的に強調処理することもある。
全体を処理の対象とする場合もあるが、検査や診断の目
的がある程度明確な場合は、その目的に適した所望の画
像部分だけを選択的に強調処理することもある。
【０００４】通常、そのような画像部分の選択は、画像
処理が施される以前の原画像を観察読影者が観て、必要
に応じて手動で行うものであるが、選択される対象画像
部分や指定される範囲は観察者の経験や画像読影能力の
高低によって左右され客観的なものとならない虞があ
る。
処理が施される以前の原画像を観察読影者が観て、必要
に応じて手動で行うものであるが、選択される対象画像
部分や指定される範囲は観察者の経験や画像読影能力の
高低によって左右され客観的なものとならない虞があ
る。
【０００５】例えば乳癌の検査を目的として撮影された
放射線画像においては、その放射線画像から癌化部分の
特徴の一つである腫瘤陰影を抽出することが必要である
が、必ずしも的確にその腫瘤陰影の範囲を指定できると
は限らない。このため、観察者の技量に依存せずに、腫
瘤陰影を始めとする異常陰影を客観的に検出することが
求められている。
放射線画像においては、その放射線画像から癌化部分の
特徴の一つである腫瘤陰影を抽出することが必要である
が、必ずしも的確にその腫瘤陰影の範囲を指定できると
は限らない。このため、観察者の技量に依存せずに、腫
瘤陰影を始めとする異常陰影を客観的に検出することが
求められている。
【０００６】この要望に応えるものの一つとしてアイリ
スフィルター処理（以下、本明細書中、アイリスフィル
ターの演算ということもある）が提案されている（小畑
他「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 Vol.J75-D-II No.
3 P663〜670 1992年３月参照）。このアイリスフィルタ
ー処理は、特に乳癌における特徴的形態の一つである腫
瘤陰影を検出するのに有効な手法として研究されている
が、対象画像としては、このようなマンモグラムにおけ
る腫瘤陰影に限るものではなく、その画像を表す画像信
号の勾配が集中しているものについては、いかなる画像
部分に対しても適用することができる。
スフィルター処理（以下、本明細書中、アイリスフィル
ターの演算ということもある）が提案されている（小畑
他「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 Vol.J75-D-II No.
3 P663〜670 1992年３月参照）。このアイリスフィルタ
ー処理は、特に乳癌における特徴的形態の一つである腫
瘤陰影を検出するのに有効な手法として研究されている
が、対象画像としては、このようなマンモグラムにおけ
る腫瘤陰影に限るものではなく、その画像を表す画像信
号の勾配が集中しているものについては、いかなる画像
部分に対しても適用することができる。
【０００７】以下、腫瘤陰影の検出処理を例にして、こ
のアイリスフィルターによる画像部分の検出処理の概要
について説明する。
のアイリスフィルターによる画像部分の検出処理の概要
について説明する。
【０００８】例えばＸ線フイルム上における放射線画像
（高濃度高信号レベルの画像信号を出力する画像）にお
いては、腫瘤陰影は周囲の画像部分に比べて濃度値がわ
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
が低くなるという濃度値の勾配を有している。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する。
（高濃度高信号レベルの画像信号を出力する画像）にお
いては、腫瘤陰影は周囲の画像部分に比べて濃度値がわ
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
が低くなるという濃度値の勾配を有している。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する。
【０００９】アイリスフィルターは、この濃度値に代表
される画像信号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出力するものであり、アイリ
スフィルター処理とはこ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。
される画像信号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出力するものであり、アイリ
スフィルター処理とはこ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。
【００１０】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
することはないため、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。
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
することはないため、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。
【００１１】（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。
【００１２】
【数１】
【００１３】ここでｆ1 〜ｆ16は、図３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。
【００１４】（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。
【００１５】
【数２】
【００１６】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
４参照）。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
４参照）。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。
【００１７】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。
【００１８】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５に、そのフィルターを示す。このフィルタ
ーは、図４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５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上記集
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５に、そのフィルターを示す。このフィルタ
ーは、図４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５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上記集
中度の評価を行うものである。
【００１９】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。
【００２０】
【数３】
【００２１】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。
【００２２】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Ｃimaxとし、その集中度Ｃimax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。
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Ｃimaxとし、その集中度Ｃimax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。
【００２３】具体的には、まず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。
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。
【００２４】
【数４】
【００２５】すなわち式（５）は、注目画素を起点とし
て、終点をＲmin からＲmax までの範囲内で集中度Ｃi
（ｎ）を算出するものである。
て、終点をＲmin からＲmax までの範囲内で集中度Ｃi
（ｎ）を算出するものである。
【００２６】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。
【００２７】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。
【００２８】
【数５】
【００２９】ここで式（６）のＣimax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。
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。
【００３０】すべての放射状の線について式（６）の計
算をしてその各線上における腫瘤陰影の領域を求め、こ
の各線上における腫瘤陰影の領域を隣接する線間で直線
または非線形曲線で結ぶことにより、腫瘤陰影の候補と
なり得る領域の外周縁の形状を特定することができる。
算をしてその各線上における腫瘤陰影の領域を求め、こ
の各線上における腫瘤陰影の領域を隣接する線間で直線
または非線形曲線で結ぶことにより、腫瘤陰影の候補と
なり得る領域の外周縁の形状を特定することができる。
【００３１】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Ｃimaxを放射状の線
の全方向（式（７）では32方向の場合を例示）について
平均した値を求める。この求められた値を、腫瘤陰影で
あるか否かを判別するのに適した予め設定した閾値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Ｃimaxを放射状の線
の全方向（式（７）では32方向の場合を例示）について
平均した値を求める。この求められた値を、腫瘤陰影で
あるか否かを判別するのに適した予め設定した閾値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。
【００３２】なお、式（７）の勾配ベクトル群の集中度
Ｃを評価する領域が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様子が、外界の明るさに応じ
て拡大、縮小する人間の目の虹彩（iris）が様子に似て
いることから、勾配ベクトルの集中度を利用した腫瘤陰
影の候補領域を検出する上述の手法はアイリスフィルタ
ー（iris filter ）処理と称されている。
Ｃを評価する領域が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様子が、外界の明るさに応じ
て拡大、縮小する人間の目の虹彩（iris）が様子に似て
いることから、勾配ベクトルの集中度を利用した腫瘤陰
影の候補領域を検出する上述の手法はアイリスフィルタ
ー（iris filter ）処理と称されている。
【００３３】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。
【００３４】
【数６】
【００３５】すなわち式（５′）は、抽出しようとする
腫瘤陰影の半径の最小値Ｒmin に対応した画素を起点と
して、終点をＲmin からＲmax までの範囲内で集中度Ｃ
i （ｎ）を算出するものである。
腫瘤陰影の半径の最小値Ｒmin に対応した画素を起点と
して、終点をＲmin からＲmax までの範囲内で集中度Ｃ
i （ｎ）を算出するものである。
【００３６】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所望とする大きさの腫瘤陰影だけを
効果的に検出することができ、特にマンモグラムにおけ
る癌化部分の検出を目的として研究されている。
ーは放射線画像から所望とする大きさの腫瘤陰影だけを
効果的に検出することができ、特にマンモグラムにおけ
る癌化部分の検出を目的として研究されている。
【００３７】
【発明が解決しようとする課題】ところで上述のように
腫瘤陰影を効果的に検出するアイリスフィルター処理で
はあるが、検出された陰影がすべて乳癌を示す腫瘤陰影
であるとは限らない。すなわちアイリスフィルター処理
は濃度勾配と検出対象の領域の大きさとにのみ基づく検
出処理であるため、検出対象の大きさに合致するととも
にある程度の濃度勾配を有する画像部分については、そ
れが腫瘤陰影であると否とに拘らず検出することにな
る。例えば２本の血管が交差した画像部分は、所望の大
きさおよびある程度の濃度勾配の集中度を有するため、
アイリスフィルター処理によって検出される場合があ
る。このことから、アイリスフィルター処理は現実の
「異常陰影」のみを検出するのではなく、「異常陰影の
候補」を検出するに過ぎない。
腫瘤陰影を効果的に検出するアイリスフィルター処理で
はあるが、検出された陰影がすべて乳癌を示す腫瘤陰影
であるとは限らない。すなわちアイリスフィルター処理
は濃度勾配と検出対象の領域の大きさとにのみ基づく検
出処理であるため、検出対象の大きさに合致するととも
にある程度の濃度勾配を有する画像部分については、そ
れが腫瘤陰影であると否とに拘らず検出することにな
る。例えば２本の血管が交差した画像部分は、所望の大
きさおよびある程度の濃度勾配の集中度を有するため、
アイリスフィルター処理によって検出される場合があ
る。このことから、アイリスフィルター処理は現実の
「異常陰影」のみを検出するのではなく、「異常陰影の
候補」を検出するに過ぎない。
【００３８】このため実用化の段階においては、より確
定的な「異常陰影の候補」、すなわち異常陰影である蓋
然性が極めて高い「異常陰影の候補」を検出することが
必要であり、「異常陰影の候補」として検出された画像
部分のうち現実には「異常陰影」ではない画像部分（以
下、擬似異常陰影部分（ＦＰ；False Possitive ）とい
う）の検出を低減することが必要である。
定的な「異常陰影の候補」、すなわち異常陰影である蓋
然性が極めて高い「異常陰影の候補」を検出することが
必要であり、「異常陰影の候補」として検出された画像
部分のうち現実には「異常陰影」ではない画像部分（以
下、擬似異常陰影部分（ＦＰ；False Possitive ）とい
う）の検出を低減することが必要である。
【００３９】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処理等の異常陰影候補を検出
する処理によって検出された異常陰影の候補のうち、現
実の異常陰影である蓋然性がより高い異常陰影候補のみ
を検出する検出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処理等の異常陰影候補を検出
する処理によって検出された異常陰影の候補のうち、現
実の異常陰影である蓋然性がより高い異常陰影候補のみ
を検出する検出方法を提供することを目的とするもので
ある。
【００４０】
【課題を解決するための手段】本発明の第１の異常陰影
の検出方法は、現実の異常陰影、特に乳癌を表す腫瘤陰
影はその陰影領域内において低濃度（高輝度）であって
略均一の濃度値（信号値）を有するという特徴に鑑み、
予めアイリスフィルター処理等の異常陰影候補を検出す
る処理によって検出された異常陰影の候補に対して、そ
の異常陰影候補の内部の画像信号のヒストグラム情報を
求め、このヒストグラム情報に基づいて、異常陰影であ
る可能性がより高い異常陰影の候補だけを検出するもの
である。
の検出方法は、現実の異常陰影、特に乳癌を表す腫瘤陰
影はその陰影領域内において低濃度（高輝度）であって
略均一の濃度値（信号値）を有するという特徴に鑑み、
予めアイリスフィルター処理等の異常陰影候補を検出す
る処理によって検出された異常陰影の候補に対して、そ
の異常陰影候補の内部の画像信号のヒストグラム情報を
求め、このヒストグラム情報に基づいて、異常陰影であ
る可能性がより高い異常陰影の候補だけを検出するもの
である。
【００４１】すなわち、本発明の第１の異常陰影の検出
方法は、被写体の放射線画像を表す画像信号に基づい
て、該画像における異常陰影の候補を検出する放射線画
像におけるアイリスフィルター処理等の異常陰影検出方
法において、その検出方法によって検出された異常陰影
の候補を対象として、異常陰影の候補の輪郭内部および
近傍の画像信号のヒストグラムを求め、このヒストグラ
ムに基づくヒストグラム情報を求め、得られたヒストグ
ラム情報に基づいて、アイリスフィルター処理等で検出
された異常陰影の候補のうち異常陰影の確定的な候補を
検出することを特徴とするものである。
方法は、被写体の放射線画像を表す画像信号に基づい
て、該画像における異常陰影の候補を検出する放射線画
像におけるアイリスフィルター処理等の異常陰影検出方
法において、その検出方法によって検出された異常陰影
の候補を対象として、異常陰影の候補の輪郭内部および
近傍の画像信号のヒストグラムを求め、このヒストグラ
ムに基づくヒストグラム情報を求め、得られたヒストグ
ラム情報に基づいて、アイリスフィルター処理等で検出
された異常陰影の候補のうち異常陰影の確定的な候補を
検出することを特徴とするものである。
【００４２】ここで、ヒストグラム情報に基づいて検出
するとは、ヒストグラム情報と予め設定した閾値とを比
較し、その比較の結果に基づいて検出する方法、ヒスト
グラム情報同士を比較し、その比較の結果に基づいて検
出する等の方法がある。
するとは、ヒストグラム情報と予め設定した閾値とを比
較し、その比較の結果に基づいて検出する方法、ヒスト
グラム情報同士を比較し、その比較の結果に基づいて検
出する等の方法がある。
【００４３】また、ヒストグラム情報としては例えば、
ヒストグラムの式（９）で示される分散var を表す第１
の指標値、ヒストグラムの式（10）で示されるコントラ
ストcon を表す第２の指標値および前記ヒストグラムの
式（11）で示される角モーメントasm を表す第３の指標
値のうち少なくとも１つを用いることができる。
ヒストグラムの式（９）で示される分散var を表す第１
の指標値、ヒストグラムの式（10）で示されるコントラ
ストcon を表す第２の指標値および前記ヒストグラムの
式（11）で示される角モーメントasm を表す第３の指標
値のうち少なくとも１つを用いることができる。
【００４４】
【数８】
【００４５】そして閾値と比較する方法の場合は、上記
第１から第３の指標値のうち用いることとした指標値に
それぞれ対応して１つ乃至３つの閾値を設定し、第１か
ら第３の指標値にそれぞれ対応する閾値を第１の閾値、
第２の閾値、第３の閾値とし、これら第１から第３の指
標値と対応する第１から第３の閾値とを各別に比較した
結果に基づいて確定的な異常陰影の候補を検出する。
第１から第３の指標値のうち用いることとした指標値に
それぞれ対応して１つ乃至３つの閾値を設定し、第１か
ら第３の指標値にそれぞれ対応する閾値を第１の閾値、
第２の閾値、第３の閾値とし、これら第１から第３の指
標値と対応する第１から第３の閾値とを各別に比較した
結果に基づいて確定的な異常陰影の候補を検出する。
【００４６】具体的には、上記第１から第３の指標値の
うち比較に用いることとした指標値が第１の指標値のみ
の場合は、第１の閾値のみを設定し、この第１の指標値
と第１の閾値とを比較して、その結果に基づいて確定的
な異常陰影の候補を検出すればよく、比較に用いること
とした指標値が２つの場合は、その２つの指標値に対応
した２つの閾値のみを設定し、この２つの指標値と２つ
の閾値とを各別に比較して、２つの比較の結果に基づい
て確定的な異常陰影の候補を検出すればよく、比較に用
いることとした指標値が３つの場合は、その３つの指標
値に対応した３つの閾値を設定し、この３つの指標値と
３つの閾値とを各別に比較して、３つの比較の結果に基
づいて確定的な異常陰影の候補を検出する。
うち比較に用いることとした指標値が第１の指標値のみ
の場合は、第１の閾値のみを設定し、この第１の指標値
と第１の閾値とを比較して、その結果に基づいて確定的
な異常陰影の候補を検出すればよく、比較に用いること
とした指標値が２つの場合は、その２つの指標値に対応
した２つの閾値のみを設定し、この２つの指標値と２つ
の閾値とを各別に比較して、２つの比較の結果に基づい
て確定的な異常陰影の候補を検出すればよく、比較に用
いることとした指標値が３つの場合は、その３つの指標
値に対応した３つの閾値を設定し、この３つの指標値と
３つの閾値とを各別に比較して、３つの比較の結果に基
づいて確定的な異常陰影の候補を検出する。
【００４７】なお本発明の第１の異常陰影検出方法は、
上述したように各指標値ごとに対応する閾値を設定し、
その指標値ごとに閾値と比較し、その各比較の結果を集
約した結果に基づいて行う方法に限らず、各指標値のう
ち少なくとも２つを所定の重み関数で定義して新たな評
価関数値として求め、この評価関数値に基づいて行う方
法であってもよい。
上述したように各指標値ごとに対応する閾値を設定し、
その指標値ごとに閾値と比較し、その各比較の結果を集
約した結果に基づいて行う方法に限らず、各指標値のう
ち少なくとも２つを所定の重み関数で定義して新たな評
価関数値として求め、この評価関数値に基づいて行う方
法であってもよい。
【００４８】このような重み関数で定義した評価関数値
としては、例えばマハラノビス距離（Mahalanobis dist
ance）やフィッシャー（Fisher）の識別関数などを用い
ることができる。
としては、例えばマハラノビス距離（Mahalanobis dist
ance）やフィッシャー（Fisher）の識別関数などを用い
ることができる。
【００４９】すなわち検出された異常陰影候補領域は一
般にｎ次の特徴量ｘ１，ｘ２，ｘ３，…，ｘｎを用い
て、ｘ＝（ｘ１，ｘ２，ｘ３，…，ｘｎ）という形のｎ
次元空間で表現され、そのｎ次の各軸を特徴軸（featur
e axis）という。つまり、特徴抽出で得られる値（上記
各指標値）はそれぞれの特徴軸上の値ｘｉ（ｉ＝１，
２，…，ｎ）である。
般にｎ次の特徴量ｘ１，ｘ２，ｘ３，…，ｘｎを用い
て、ｘ＝（ｘ１，ｘ２，ｘ３，…，ｘｎ）という形のｎ
次元空間で表現され、そのｎ次の各軸を特徴軸（featur
e axis）という。つまり、特徴抽出で得られる値（上記
各指標値）はそれぞれの特徴軸上の値ｘｉ（ｉ＝１，
２，…，ｎ）である。
【００５０】特徴抽出過程によって作られるこのｎ次の
パターン空間が持つべき重要な性質は、入力として与え
られるパターン間の類似性がこの空間上でも十分に良く
保たれていることである。すなわち、類似したパターン
はパターン空間上で近いところにあるという性質がなけ
れば特徴抽出を行った意味がない。そこでパターン空間
上に距離の概念を導入する。
パターン空間が持つべき重要な性質は、入力として与え
られるパターン間の類似性がこの空間上でも十分に良く
保たれていることである。すなわち、類似したパターン
はパターン空間上で近いところにあるという性質がなけ
れば特徴抽出を行った意味がない。そこでパターン空間
上に距離の概念を導入する。
【００５１】この距離の概念を表す関数（距離関数）は
いくつも考案されており、その代表的なものものとして
ユークリッド距離、マハラノビス距離、市街地距離、チ
ェス盤距離、ミンコフスキー（Minkowski ）距離などが
あり、最も簡単なものはユークリッド距離である。しか
し、これはパターンの広がり具合などを考慮していない
ため本発明の異常陰影検出方法には適さないと考えられ
る。
いくつも考案されており、その代表的なものものとして
ユークリッド距離、マハラノビス距離、市街地距離、チ
ェス盤距離、ミンコフスキー（Minkowski ）距離などが
あり、最も簡単なものはユークリッド距離である。しか
し、これはパターンの広がり具合などを考慮していない
ため本発明の異常陰影検出方法には適さないと考えられ
る。
【００５２】そこでパターンの広がり具合などを考慮に
入れ、最も基本的なマハラノビス距離を用いるのが好適
である。
入れ、最も基本的なマハラノビス距離を用いるのが好適
である。
【００５３】マハラノビス距離とは下記式（17）で定義
されるＤｍi を意味し、分布の中心から共分散行列Σで
表される超楕円体の重み付けで測る距離である。
されるＤｍi を意味し、分布の中心から共分散行列Σで
表される超楕円体の重み付けで測る距離である。
【００５４】
【数１０】
【００５５】具体的には、
【００５６】
【外１】
【００５７】このようにマハラノビス距離を評価関数値
とした場合には、評価関数値と閾値とを比較するのでは
なく、評価関数値同士を比較した結果に基づいて異常陰
影の検出を行なう。
とした場合には、評価関数値と閾値とを比較するのでは
なく、評価関数値同士を比較した結果に基づいて異常陰
影の検出を行なう。
【００５８】また、上記重み関数で定義した評価関数値
として、フィッシャーの識別関数を用いるのも好適であ
る。
として、フィッシャーの識別関数を用いるのも好適であ
る。
【００５９】フィッシャーの識別関数とは下記式（18）
で定義される。
で定義される。
【００６０】
【数１１】
【００６１】ここで式（18）を最大にするとき、２つの
クラス（クラス１（正常陰影）とクラス２（異常陰
影））の分離度が最大となる。すなわち、
クラス（クラス１（正常陰影）とクラス２（異常陰
影））の分離度が最大となる。すなわち、
【００６２】
【外２】
【００６３】具体的には、
【００６４】
【外３】
【００６５】このようにフィッシャーの識別関数を評価
関数値とした場合には、評価関数値と閾値とを比較した
結果に基づいて異常陰影の検出を行なう。
関数値とした場合には、評価関数値と閾値とを比較した
結果に基づいて異常陰影の検出を行なう。
【００６６】本発明の第２の異常陰影の検出方法は、現
実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影の輪
郭（辺縁）が略円形であるという特徴に鑑み、予めアイ
リスフィルター処理等の異常陰影候補を検出する処理に
よって検出された異常陰影の候補に対して、その異常陰
影候補の輪郭のエッジ情報を求め、このエッジ情報に基
づいて、異常陰影である可能性がより高い異常陰影の候
補だけを検出するものである。
実の異常陰影、特に乳癌を表す腫瘤陰影はその陰影の輪
郭（辺縁）が略円形であるという特徴に鑑み、予めアイ
リスフィルター処理等の異常陰影候補を検出する処理に
よって検出された異常陰影の候補に対して、その異常陰
影候補の輪郭のエッジ情報を求め、このエッジ情報に基
づいて、異常陰影である可能性がより高い異常陰影の候
補だけを検出するものである。
【００６７】すなわち、本発明の第２の異常陰影の検出
方法は、被写体の放射線画像を表す画像信号に基づい
て、該画像における異常陰影の候補を検出する放射線画
像におけるアイリスフィルター処理等の異常陰影検出方
法において、その検出方法によって検出された異常陰影
の候補を対象として、異常陰影の候補の輪郭のエッジ情
報を求め、このエッジ情報に基づいて、アイリスフィル
ター処理等で検出された異常陰影の候補のうち異常陰影
の確定的な候補を検出することを特徴とするものであ
る。
方法は、被写体の放射線画像を表す画像信号に基づい
て、該画像における異常陰影の候補を検出する放射線画
像におけるアイリスフィルター処理等の異常陰影検出方
法において、その検出方法によって検出された異常陰影
の候補を対象として、異常陰影の候補の輪郭のエッジ情
報を求め、このエッジ情報に基づいて、アイリスフィル
ター処理等で検出された異常陰影の候補のうち異常陰影
の確定的な候補を検出することを特徴とするものであ
る。
【００６８】ここで、エッジ情報に基づいて検出すると
は、エッジ情報と予め設定した閾値とを比較し、その比
較の結果に基づいて検出する方法、エッジ情報同士を比
較し、その比較の結果に基づいて検出する等の方法があ
る。
は、エッジ情報と予め設定した閾値とを比較し、その比
較の結果に基づいて検出する方法、エッジ情報同士を比
較し、その比較の結果に基づいて検出する等の方法があ
る。
【００６９】また、エッジ情報としては、アイリスフィ
ルタ処理を利用して求めた同時生成行列についての式
（12）で示される分散を表す第１の指標値、同時生成行
列についての式（13）で示される偏りを表す第２の指標
値、同時生成行列についての式（14）で示される相関値
を表す第３の指標値、同時生成行列についての式（15）
で示されるモーメントを表す第４の指標値および同時生
成行列についての式（16）で示されるエントロピーを表
す第５の指標値のうち少なくとも１つを用いることがで
きる。
ルタ処理を利用して求めた同時生成行列についての式
（12）で示される分散を表す第１の指標値、同時生成行
列についての式（13）で示される偏りを表す第２の指標
値、同時生成行列についての式（14）で示される相関値
を表す第３の指標値、同時生成行列についての式（15）
で示されるモーメントを表す第４の指標値および同時生
成行列についての式（16）で示されるエントロピーを表
す第５の指標値のうち少なくとも１つを用いることがで
きる。
【００７０】
【数９】
【００７１】そして閾値と比較する方法の場合は、上記
第１から第５の指標値のうち用いることとした指標値に
それぞれ対応して１つ乃至５つの閾値を設定し、第１か
ら第５の指標値にそれぞれ対応する閾値を第１の閾値、
第２の閾値、第３の閾値、第４の閾値、第５の閾値と
し、これら第１から第５の指標値と対応する第１から第
５の閾値とを各別に比較した結果に基づいて確定的な異
常陰影の候補を検出する。
第１から第５の指標値のうち用いることとした指標値に
それぞれ対応して１つ乃至５つの閾値を設定し、第１か
ら第５の指標値にそれぞれ対応する閾値を第１の閾値、
第２の閾値、第３の閾値、第４の閾値、第５の閾値と
し、これら第１から第５の指標値と対応する第１から第
５の閾値とを各別に比較した結果に基づいて確定的な異
常陰影の候補を検出する。
【００７２】具体的には、上記第１から第５の指標値の
うち比較に用いることとした指標値が第１の指標値のみ
の場合は、第１の閾値のみを設定し、この第１の指標値
と第１の閾値とを比較して、その結果に基づいて確定的
な異常陰影の候補を検出すればよく、比較に用いること
とした指標値が３つの場合は、その３つの指標値に対応
した３つの閾値のみを設定し、この３つの指標値と３つ
の閾値とを各別に比較して、３つの比較の結果に基づい
て確定的な異常陰影の候補を検出すればよく、比較に用
いることとした指標値が５つの場合は、その５つの指標
値に対応した５つの閾値を設定し、この５つの指標値と
５つの閾値とを各別に比較して、５つの比較の結果に基
づいて確定的な異常陰影の候補を検出する。
うち比較に用いることとした指標値が第１の指標値のみ
の場合は、第１の閾値のみを設定し、この第１の指標値
と第１の閾値とを比較して、その結果に基づいて確定的
な異常陰影の候補を検出すればよく、比較に用いること
とした指標値が３つの場合は、その３つの指標値に対応
した３つの閾値のみを設定し、この３つの指標値と３つ
の閾値とを各別に比較して、３つの比較の結果に基づい
て確定的な異常陰影の候補を検出すればよく、比較に用
いることとした指標値が５つの場合は、その５つの指標
値に対応した５つの閾値を設定し、この５つの指標値と
５つの閾値とを各別に比較して、５つの比較の結果に基
づいて確定的な異常陰影の候補を検出する。
【００７３】なお本発明の第２の異常陰影検出方法にお
いても、上述したように各指標値ごとに対応する閾値を
設定し、その指標値ごとに閾値と比較し、その各比較の
結果を集約した結果に基づいて行う方法に限らず、各指
標値のうち少なくとも２つを所定の重み関数で定義して
新たな評価関数値として求め、この評価関数値に基づい
て検出を行う方法を適用することができる。
いても、上述したように各指標値ごとに対応する閾値を
設定し、その指標値ごとに閾値と比較し、その各比較の
結果を集約した結果に基づいて行う方法に限らず、各指
標値のうち少なくとも２つを所定の重み関数で定義して
新たな評価関数値として求め、この評価関数値に基づい
て検出を行う方法を適用することができる。
【００７４】重み関数で定義した評価関数値としては、
前述のマハラノビス距離やフィッシャーの識別関数など
を用いることができ、本発明の第１の異常陰影検出方法
において説明したのと同様に適用することができる。
前述のマハラノビス距離やフィッシャーの識別関数など
を用いることができ、本発明の第１の異常陰影検出方法
において説明したのと同様に適用することができる。
【００７５】本発明の第３の異常陰影検出方法は、上記
本発明の第１の検出方法と第２の検出方法とを組み合わ
せた方法であって、ヒストグラム情報およびエッジ情報
を求め、これらに基づいて異常陰影の確定的な候補を検
出するものである。
本発明の第１の検出方法と第２の検出方法とを組み合わ
せた方法であって、ヒストグラム情報およびエッジ情報
を求め、これらに基づいて異常陰影の確定的な候補を検
出するものである。
【００７６】すなわち、本発明の第３の異常陰影検出方
法は、被写体の放射線画像を表す画像信号に基づいて、
該画像における異常陰影の候補を検出する放射線画像に
おける異常陰影検出方法において、前記異常陰影の候補
の輪郭内部および近傍の画像信号のヒストグラムを求
め、該ヒストグラムに基づくヒストグラム情報を求め、
前記異常陰影の候補の輪郭のエッジ情報を求め、前記ヒ
ストグラム情報とエッジ情報とに基づいて、前記異常陰
影の候補のうち異常陰影の確定的な候補を検出すること
を特徴とするものである。
法は、被写体の放射線画像を表す画像信号に基づいて、
該画像における異常陰影の候補を検出する放射線画像に
おける異常陰影検出方法において、前記異常陰影の候補
の輪郭内部および近傍の画像信号のヒストグラムを求
め、該ヒストグラムに基づくヒストグラム情報を求め、
前記異常陰影の候補の輪郭のエッジ情報を求め、前記ヒ
ストグラム情報とエッジ情報とに基づいて、前記異常陰
影の候補のうち異常陰影の確定的な候補を検出すること
を特徴とするものである。
【００７７】ここで、ヒストグラム情報とエッジ情報と
に基づいて検出するとは、ヒストグラム情報による検出
とエッジ情報による検出とを別個に行なったうえで、こ
れら２つの結果に基づいて最終的な検出を行なうもので
あってもよいし、ヒストグラム情報とエッジ情報とを所
定の重み関数で定義して新たな評価関数値として求め、
この評価関数値に基づいて行う方法であってもよい。こ
のような重み関数で定義した評価関数値としては、前述
のマハラノビス距離やフィッシャーの識別関数を用いる
ことができる。
に基づいて検出するとは、ヒストグラム情報による検出
とエッジ情報による検出とを別個に行なったうえで、こ
れら２つの結果に基づいて最終的な検出を行なうもので
あってもよいし、ヒストグラム情報とエッジ情報とを所
定の重み関数で定義して新たな評価関数値として求め、
この評価関数値に基づいて行う方法であってもよい。こ
のような重み関数で定義した評価関数値としては、前述
のマハラノビス距離やフィッシャーの識別関数を用いる
ことができる。
【００７８】なお、ヒストグラム情報としては例えば、
ヒストグラムの式（９）で示される分散var を表す第１
の指標値、ヒストグラムの式（10）で示されるコントラ
ストcon を表す第２の指標値および前記ヒストグラムの
式（11）で示される角モーメントasm を表す第３の指標
値のうち少なくとも１つを用いることができ、エッジ情
報としては、アイリスフィルタ処理を利用して求めた同
時生成行列についての式（12）で示される分散を表す第
４の指標値、同時生成行列についての式（13）で示され
る偏りを表す第５の指標値、同時生成行列についての式
（14）で示される相関値を表す第６の指標値、同時生成
行列についての式（15）で示されるモーメントを表す第
７の指標値および同時生成行列についての式（16）で示
されるエントロピーを表す第８の指標値のうち少なくと
も１つを用いることができる。
ヒストグラムの式（９）で示される分散var を表す第１
の指標値、ヒストグラムの式（10）で示されるコントラ
ストcon を表す第２の指標値および前記ヒストグラムの
式（11）で示される角モーメントasm を表す第３の指標
値のうち少なくとも１つを用いることができ、エッジ情
報としては、アイリスフィルタ処理を利用して求めた同
時生成行列についての式（12）で示される分散を表す第
４の指標値、同時生成行列についての式（13）で示され
る偏りを表す第５の指標値、同時生成行列についての式
（14）で示される相関値を表す第６の指標値、同時生成
行列についての式（15）で示されるモーメントを表す第
７の指標値および同時生成行列についての式（16）で示
されるエントロピーを表す第８の指標値のうち少なくと
も１つを用いることができる。
【００７９】
【発明の効果】本発明の第１の異常陰影の検出方法によ
れば、現実の異常陰影、特に乳癌を表す腫瘤陰影はその
陰影領域内において低濃度であって略均一の濃度値（信
号値）を有するということから、予めアイリスフィルタ
ー処理等の異常陰影候補を検出する処理によって検出さ
れた異常陰影の候補に対して、その異常陰影候補の内部
の画像信号のヒストグラム情報を閾値処理することによ
って、異常陰影である可能性がより高い異常陰影の候補
だけを精度よく検出することができる。
れば、現実の異常陰影、特に乳癌を表す腫瘤陰影はその
陰影領域内において低濃度であって略均一の濃度値（信
号値）を有するということから、予めアイリスフィルタ
ー処理等の異常陰影候補を検出する処理によって検出さ
れた異常陰影の候補に対して、その異常陰影候補の内部
の画像信号のヒストグラム情報を閾値処理することによ
って、異常陰影である可能性がより高い異常陰影の候補
だけを精度よく検出することができる。
【００８０】本発明の第２の異常陰影の検出方法によれ
ば、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰
影の輪郭が略円形であるということから、予めアイリス
フィルター処理等の異常陰影候補を検出する処理によっ
て検出された異常陰影の候補に対して、その異常陰影候
補の輪郭のエッジ情報を閾値処理することによって、異
常陰影である可能性がより高い異常陰影の候補だけを精
度よく検出することができる。
ば、現実の異常陰影、特に乳癌を表す腫瘤陰影はその陰
影の輪郭が略円形であるということから、予めアイリス
フィルター処理等の異常陰影候補を検出する処理によっ
て検出された異常陰影の候補に対して、その異常陰影候
補の輪郭のエッジ情報を閾値処理することによって、異
常陰影である可能性がより高い異常陰影の候補だけを精
度よく検出することができる。
【００８１】本発明の第３の異常陰影の検出方法によれ
ば、上記第１の検出方法と第２の検出方法とを組み合わ
せた検出を行なうため、各検出方法による効果と同様の
効果を得ることができる。
ば、上記第１の検出方法と第２の検出方法とを組み合わ
せた検出を行なうため、各検出方法による効果と同様の
効果を得ることができる。
【００８２】
【発明の実施の形態】以下、本発明の異常陰影の検出方
法の具体的な実施の形態について図面を用いて説明す
る。
法の具体的な実施の形態について図面を用いて説明す
る。
【００８３】図１は、本発明の第１の異常陰影の検出方
法の具体的な一実施形態の処理ステップを示すフローチ
ャートである。
法の具体的な一実施形態の処理ステップを示すフローチ
ャートである。
【００８４】ここで本実施形態において用いられる画像
データは、放射線画像をフイルムに表示する場合の高濃
度高信号レベルの画像データ、すなわち濃度値（画像が
濃いほど濃度値が大きく、画像が淡いほど濃度値が小さ
い）を示すものである。
データは、放射線画像をフイルムに表示する場合の高濃
度高信号レベルの画像データ、すなわち濃度値（画像が
濃いほど濃度値が大きく、画像が淡いほど濃度値が小さ
い）を示すものである。
【００８５】図示の異常陰影の検出方法は、第１ステッ
プ（＃１）において、図示しない画像読取装置等から入
力された被写体（乳房）Ｐの放射線画像（図２（１）参
照）を表す画像データである濃度値Ｓに対してアイリス
フィルター処理を施し、この放射線画像中の乳癌を表す
画像部分（腫瘤陰影）Ｐ1 等を検出する。
プ（＃１）において、図示しない画像読取装置等から入
力された被写体（乳房）Ｐの放射線画像（図２（１）参
照）を表す画像データである濃度値Ｓに対してアイリス
フィルター処理を施し、この放射線画像中の乳癌を表す
画像部分（腫瘤陰影）Ｐ1 等を検出する。
【００８６】以下、アイリスフィルター処理を説明す
る。
る。
【００８７】まず放射線画像の全画素について、各画素
ｊごとに下記式（１）に示す計算を施して濃度値Ｓの勾
配ベクトル（濃度勾配ベクトル）の向きθを求める。
ｊごとに下記式（１）に示す計算を施して濃度値Ｓの勾
配ベクトル（濃度勾配ベクトル）の向きθを求める。
【００８８】
【数１】
【００８９】ここでｆ1 〜ｆ16は、図３に示すように、
その画素ｊを中心とした５×５画素のマスクの外周上の
画素に対応した濃度値Ｓである。なお、このマスクの大
きさは５×５のものに限るものでないことはいうまでも
ない。
その画素ｊを中心とした５×５画素のマスクの外周上の
画素に対応した濃度値Ｓである。なお、このマスクの大
きさは５×５のものに限るものでないことはいうまでも
ない。
【００９０】放射線画像を構成する全ての画素につい
て、各画素近傍の濃度勾配ベクトルの向きθを求めた
後、この濃度勾配ベクトルの向きが集中している画素を
探索する。
て、各画素近傍の濃度勾配ベクトルの向きθを求めた
後、この濃度勾配ベクトルの向きが集中している画素を
探索する。
【００９１】すなわち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濃度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。
に、その画素を注目画素とする濃度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。
【００９２】
【数２】
【００９３】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）で算出された濃度勾配ベクトルとがなす角である
（図４参照）。式（２）の右辺は半径Ｒの円内の全画素
における濃度勾配ベクトルの向きθj が各画素から注目
画素の方向に一致している度合いを示すもの、すなわち
濃度勾配ベクトルの集中度Ｃであり、この集中度Ｃが大
きな値となる程、各画素ｊの濃度勾配ベクトルの向きが
注目画素に集中していることを意味する。
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）で算出された濃度勾配ベクトルとがなす角である
（図４参照）。式（２）の右辺は半径Ｒの円内の全画素
における濃度勾配ベクトルの向きθj が各画素から注目
画素の方向に一致している度合いを示すもの、すなわち
濃度勾配ベクトルの集中度Ｃであり、この集中度Ｃが大
きな値となる程、各画素ｊの濃度勾配ベクトルの向きが
注目画素に集中していることを意味する。
【００９４】このように濃度勾配ベクトルの集中度Ｃを
求めるのは、放射線画像（ネガ）における乳癌を示す腫
瘤陰影が、その中央部において周囲の画像部分より濃度
値が低く（すなわち周囲より明るく）、この中央部から
周囲に向うにしたがって少しずつ濃度値が高くなるとい
う特性を有するため、この集中度Ｃの評価を行うことに
より腫瘤陰影Ｐ1 （図２（２）参照）と血管や乳腺の陰
影Ｐ2 （図２（３）参照）とを識別することが可能とな
るからである。
求めるのは、放射線画像（ネガ）における乳癌を示す腫
瘤陰影が、その中央部において周囲の画像部分より濃度
値が低く（すなわち周囲より明るく）、この中央部から
周囲に向うにしたがって少しずつ濃度値が高くなるとい
う特性を有するため、この集中度Ｃの評価を行うことに
より腫瘤陰影Ｐ1 （図２（２）参照）と血管や乳腺の陰
影Ｐ2 （図２（３）参照）とを識別することが可能とな
るからである。
【００９５】以下、アイリスフィルター処理は前述した
式（３）〜（７）にしたがってなされるが、その作用等
については前述した説明の通りであるので省略する。
式（３）〜（７）にしたがってなされるが、その作用等
については前述した説明の通りであるので省略する。
【００９６】このように濃度勾配ベクトルの集中度Ｃを
評価するアイリスフィルター処理によって腫瘤陰影Ｐ1
だけを効果的に検出することができるが、例えば２本の
血管が交差した部分の画像Ｐ3 （以下、疑似異常陰影Ｐ
3 という：図２（４）参照）では、腫瘤陰影Ｐ1 と同様
に集中度Ｃが大きな値を採ることとなり腫瘤陰影Ｐ1だ
けを検出することができない場合がある。
評価するアイリスフィルター処理によって腫瘤陰影Ｐ1
だけを効果的に検出することができるが、例えば２本の
血管が交差した部分の画像Ｐ3 （以下、疑似異常陰影Ｐ
3 という：図２（４）参照）では、腫瘤陰影Ｐ1 と同様
に集中度Ｃが大きな値を採ることとなり腫瘤陰影Ｐ1だ
けを検出することができない場合がある。
【００９７】すなわち、ステップ１（＃１）のアイリス
フィルター処理によって検出されるのは、検出対象であ
る腫瘤陰影Ｐ1 のみならず検出対象ではない疑似異常陰
影Ｐ3 も含まれる。
フィルター処理によって検出されるのは、検出対象であ
る腫瘤陰影Ｐ1 のみならず検出対象ではない疑似異常陰
影Ｐ3 も含まれる。
【００９８】そこで本実施形態の異常陰影の検出方法で
は、腫瘤陰影はその輪郭が円に近い形状であり、陰影内
部の濃度値は他の領域と比べて均一に近く、その濃度は
低いという性質に基づいてステップ２（＃２）以下の処
理で腫瘤陰影Ｐ1 だけを分離して検出する。
は、腫瘤陰影はその輪郭が円に近い形状であり、陰影内
部の濃度値は他の領域と比べて均一に近く、その濃度は
低いという性質に基づいてステップ２（＃２）以下の処
理で腫瘤陰影Ｐ1 だけを分離して検出する。
【００９９】ステップ２では、アイリスフィルター処理
で検出された腫瘤陰影Ｐ1 や疑似異常陰影Ｐ3 につい
て、陰影の面積Ａおよび、その重心ＡＯを求める（＃
２）。
で検出された腫瘤陰影Ｐ1 や疑似異常陰影Ｐ3 につい
て、陰影の面積Ａおよび、その重心ＡＯを求める（＃
２）。
【０１００】次いで、これら陰影の面積Ａと略等しい面
積であって重心ＡＯを中心とする半径Ｒ（式（８））の
仮想円を設定する（＃３；図６参照）。
積であって重心ＡＯを中心とする半径Ｒ（式（８））の
仮想円を設定する（＃３；図６参照）。
【０１０１】
【数７】
【０１０２】さらに半径Ｒの仮想円を基準として、半径
４Ｒ／３の仮想円内部（ｒ＜４Ｒ／３）である第１領域
と、半径Ｒを超え半径４Ｒ／３未満のドーナツ状の中空
円内部（Ｒ＜ｒ＜４Ｒ／３）である第２領域を設定する
（＃４-1，＃４-2）。第１領域は陰影の輪郭部を含む内
部領域に相当し、第２領域は陰影の輪郭部に相当する領
域である。
４Ｒ／３の仮想円内部（ｒ＜４Ｒ／３）である第１領域
と、半径Ｒを超え半径４Ｒ／３未満のドーナツ状の中空
円内部（Ｒ＜ｒ＜４Ｒ／３）である第２領域を設定する
（＃４-1，＃４-2）。第１領域は陰影の輪郭部を含む内
部領域に相当し、第２領域は陰影の輪郭部に相当する領
域である。
【０１０３】この第１領域および第２領域についてそれ
ぞれ、以下の処理を施す。
ぞれ、以下の処理を施す。
【０１０４】まず各領域の濃度値Ｓ（例えば10 bit表示
の場合は０〜1023の値）のヒストグラムを作成し、各濃
度値Ｓの頻度をＰ（Ｓ）とし、この濃度値Ｓおよび頻度
Ｐ（Ｓ）に基づいて、各領域ごとにヒストグラム情報で
ある、分散を示す第１の指標値var （式（９））、
コントラストを示す第２の指標値con （式（10））、
角モーメントを示す第３の指標値asm （式（11））をそ
れぞれ求める（＃５-1，＃５-2，＃５-3，＃５-4，＃５
-5，＃５-6）。
の場合は０〜1023の値）のヒストグラムを作成し、各濃
度値Ｓの頻度をＰ（Ｓ）とし、この濃度値Ｓおよび頻度
Ｐ（Ｓ）に基づいて、各領域ごとにヒストグラム情報で
ある、分散を示す第１の指標値var （式（９））、
コントラストを示す第２の指標値con （式（10））、
角モーメントを示す第３の指標値asm （式（11））をそ
れぞれ求める（＃５-1，＃５-2，＃５-3，＃５-4，＃５
-5，＃５-6）。
【０１０５】
【数８】
【０１０６】第１の指標値var は、領域内の濃度ヒスト
グラムの広がり具合を示す指標値であり、腫瘤陰影Ｐ1
では比較的小さな値を示し、一方、乳腺や血管等の疑似
異常陰影Ｐ3 では大きな値を示す。
グラムの広がり具合を示す指標値であり、腫瘤陰影Ｐ1
では比較的小さな値を示し、一方、乳腺や血管等の疑似
異常陰影Ｐ3 では大きな値を示す。
【０１０７】第２の指標値con は、領域内の濃度値の大
きさを示す指標値であり、腫瘤陰影Ｐ1 のような低濃度
分布を有するものでは小さな値を示す。なお放射線画像
をＣＲＴに表示する場合の画像信号として見た場合に
は、領域内の画像データは高輝度であるため高レベルの
信号となり、腫瘤陰影Ｐ1 のような高輝度分布を有する
ものでは大きな値を示すものとなる。本実施形態におい
ては、画像データは濃度値であるため、前述したように
腫瘤陰影Ｐ1 では小さな値を示す。
きさを示す指標値であり、腫瘤陰影Ｐ1 のような低濃度
分布を有するものでは小さな値を示す。なお放射線画像
をＣＲＴに表示する場合の画像信号として見た場合に
は、領域内の画像データは高輝度であるため高レベルの
信号となり、腫瘤陰影Ｐ1 のような高輝度分布を有する
ものでは大きな値を示すものとなる。本実施形態におい
ては、画像データは濃度値であるため、前述したように
腫瘤陰影Ｐ1 では小さな値を示す。
【０１０８】第３の指標値asm は、領域内の濃度値の均
一性を示す指標値であり、腫瘤陰影Ｐ1 のような略均一
な濃度分布を有するものでは小さな値を示す。
一性を示す指標値であり、腫瘤陰影Ｐ1 のような略均一
な濃度分布を有するものでは小さな値を示す。
【０１０９】この求められた各領域ごとの第１の指標値
var と予め実験的に又は経験に基づいて求めた閾値Th1,
Th4 とをそれぞれ比較処理し（＃６-1，＃６-4）、同様
に第２の指標値con と閾値Th2,Th5 とをそれぞれ比較処
理し（＃６-2，＃６-5）、第３の指標値asm と閾値Th3,
Th6 とをそれぞれ比較処理する（＃６-3，＃６-6）。
var と予め実験的に又は経験に基づいて求めた閾値Th1,
Th4 とをそれぞれ比較処理し（＃６-1，＃６-4）、同様
に第２の指標値con と閾値Th2,Th5 とをそれぞれ比較処
理し（＃６-2，＃６-5）、第３の指標値asm と閾値Th3,
Th6 とをそれぞれ比較処理する（＃６-3，＃６-6）。
【０１１０】ステップ６での比較処理の結果、それぞれ
の指標値が腫瘤陰影Ｐ1 を表すものである場合にはフラ
グFg＝１とし、腫瘤陰影Ｐ1 ではない場合、すなわち疑
似異常陰影Ｐ3 を表すものである場合はフラグFg＝０と
する（＃７-1，＃７-2，＃７-3，＃７-4，＃７-5，＃７
-6）。
の指標値が腫瘤陰影Ｐ1 を表すものである場合にはフラ
グFg＝１とし、腫瘤陰影Ｐ1 ではない場合、すなわち疑
似異常陰影Ｐ3 を表すものである場合はフラグFg＝０と
する（＃７-1，＃７-2，＃７-3，＃７-4，＃７-5，＃７
-6）。
【０１１１】そして各フラグFg1,Fg2,Fg3,Fg4,Fg5,Fg6
の全てが「１」である場合には、その陰影は腫瘤陰影Ｐ
1 であると判定し、各フラグFg1,Fg2,Fg3,Fg4,Fg5,Fg6
のうち１つでも「０」である場合には疑似異常陰影Ｐ3
であると判定する（＃８，＃９）。
の全てが「１」である場合には、その陰影は腫瘤陰影Ｐ
1 であると判定し、各フラグFg1,Fg2,Fg3,Fg4,Fg5,Fg6
のうち１つでも「０」である場合には疑似異常陰影Ｐ3
であると判定する（＃８，＃９）。
【０１１２】なお、本実施形態においては、複数の特徴
量（指標値）の各々について各別に閾値を設定し、すべ
ての特徴量が対応する閾値による要件を満たしたか否か
で異常陰影Ｐ1 か否かを判定するいわゆる「ＡＮＤ法」
を適用したが、本発明の異常陰影の検出方法はこの「Ａ
ＮＤ法」に限定されるものではなく、前記６つの特徴量
をある重み関数で定義した新たな一つの評価関数、例え
ばマハラノビス距離やフィッシャーの識別関数として定
義し、この評価関数に基づいて判定を行っても良い。
量（指標値）の各々について各別に閾値を設定し、すべ
ての特徴量が対応する閾値による要件を満たしたか否か
で異常陰影Ｐ1 か否かを判定するいわゆる「ＡＮＤ法」
を適用したが、本発明の異常陰影の検出方法はこの「Ａ
ＮＤ法」に限定されるものではなく、前記６つの特徴量
をある重み関数で定義した新たな一つの評価関数、例え
ばマハラノビス距離やフィッシャーの識別関数として定
義し、この評価関数に基づいて判定を行っても良い。
【０１１３】また、検出対象の領域の輪郭を含む内部
（第１領域）のみならず、輪郭部分のみ（第２領域）に
ついても判定の対象とするのは、この輪郭部分において
も濃度ヒストグラムが正常陰影と腫瘤陰影とでは有為差
が認められるからである。
（第１領域）のみならず、輪郭部分のみ（第２領域）に
ついても判定の対象とするのは、この輪郭部分において
も濃度ヒストグラムが正常陰影と腫瘤陰影とでは有為差
が認められるからである。
【０１１４】以上の処理により、アイリスフィルター処
理では抽出しきれなかった腫瘤陰影Ｐ1 を疑似異常陰影
Ｐ3 から分離して抽出することができ、現実の腫瘤陰影
である蓋然性がより高い確定的な異常陰影候補のみを抽
出することが可能となる。
理では抽出しきれなかった腫瘤陰影Ｐ1 を疑似異常陰影
Ｐ3 から分離して抽出することができ、現実の腫瘤陰影
である蓋然性がより高い確定的な異常陰影候補のみを抽
出することが可能となる。
【０１１５】図７は、本発明の第２の異常陰影の検出方
法の具体的な一実施形態の処理ステップを示すフローチ
ャートである。
法の具体的な一実施形態の処理ステップを示すフローチ
ャートである。
【０１１６】ここで本実施形態において用いられる画像
データは、前述の実施形態と同様の濃度値である。
データは、前述の実施形態と同様の濃度値である。
【０１１７】図示の異常陰影の検出方法は、第１ステッ
プ（＃１）において、図示しない画像読取装置等から入
力された被写体（乳房）Ｐの放射線画像（図２（１）参
照）を表す画像データである濃度値Ｓに対してアイリス
フィルター処理を施し、この放射線画像中の乳癌を表す
腫瘤陰影Ｐ1 等を検出する。
プ（＃１）において、図示しない画像読取装置等から入
力された被写体（乳房）Ｐの放射線画像（図２（１）参
照）を表す画像データである濃度値Ｓに対してアイリス
フィルター処理を施し、この放射線画像中の乳癌を表す
腫瘤陰影Ｐ1 等を検出する。
【０１１８】アイリスフィルター処理（＃１）は前述の
実施形態のものと同様であるので説明を省略する。
実施形態のものと同様であるので説明を省略する。
【０１１９】ステップ２（＃２）では、アイリスフィル
ター処理により検出された放射線画像中の乳癌を表す腫
瘤陰影Ｐ1 や疑似異常陰影Ｐ3 についてその近傍をも含
む画像部分を例えば正方形の領域として抽出する。
ター処理により検出された放射線画像中の乳癌を表す腫
瘤陰影Ｐ1 や疑似異常陰影Ｐ3 についてその近傍をも含
む画像部分を例えば正方形の領域として抽出する。
【０１２０】そして、この抽出した異常陰影候補を含む
領域について、前述のアイリスフィルタ処理を利用した
辺縁（輪郭）エッジ画像を作成する（＃３）。具体的な
手法を以下に説明する。
領域について、前述のアイリスフィルタ処理を利用した
辺縁（輪郭）エッジ画像を作成する（＃３）。具体的な
手法を以下に説明する。
【０１２１】すなわち、ステップ１のアイリスフィルタ
ーの処理において、式（６）において、注目画素から放
射状に伸びるｉ番目の線上において集中度Ｃi （ｎ）の
最大値を与える点の位置を求める。ただし、式（５）
（または式（５′））、（６）においては最大値を与え
るｎの値をＲmin 以上Ｒmax 以下としているが、このス
テップ３の処理ではこの制限を設けない。
ーの処理において、式（６）において、注目画素から放
射状に伸びるｉ番目の線上において集中度Ｃi （ｎ）の
最大値を与える点の位置を求める。ただし、式（５）
（または式（５′））、（６）においては最大値を与え
るｎの値をＲmin 以上Ｒmax 以下としているが、このス
テップ３の処理ではこの制限を設けない。
【０１２２】この結果、図８に示すように注目画素が異
常陰影候補Ｐ1 やＰ3 の内部にある場合には、式（６）
が最大値を採るときのｎは、そのｉ番目の線が異常陰影
候補Ｐ1 やＰ3 の辺縁Ｂと交差する画素を指示する。例
えば図８の注目画素１については画素Ｂ1 ，Ｂ2 ，
Ｂ3 ，Ｂ4 を指示し、注目画素２については画素Ｂ2 ，
Ｂ5 ，Ｂ6 ，Ｂ7 を指示する。
常陰影候補Ｐ1 やＰ3 の内部にある場合には、式（６）
が最大値を採るときのｎは、そのｉ番目の線が異常陰影
候補Ｐ1 やＰ3 の辺縁Ｂと交差する画素を指示する。例
えば図８の注目画素１については画素Ｂ1 ，Ｂ2 ，
Ｂ3 ，Ｂ4 を指示し、注目画素２については画素Ｂ2 ，
Ｂ5 ，Ｂ6 ，Ｂ7 を指示する。
【０１２３】一方、注目画素が異常陰影候補Ｐ1 ，Ｐ3
の外部にある場合には、式（６）が最大値を採るのは、
その注目画素自身を指示するときである。すなわち、異
常陰影候補Ｐ1 ，Ｐ3 の外部にある注目画素３について
は、注目画素３自身を指示する場合に式（６）の値が最
大となる。
の外部にある場合には、式（６）が最大値を採るのは、
その注目画素自身を指示するときである。すなわち、異
常陰影候補Ｐ1 ，Ｐ3 の外部にある注目画素３について
は、注目画素３自身を指示する場合に式（６）の値が最
大となる。
【０１２４】このように、抽出した異常陰影を含む領域
の全画素について順次注目画素とし、式（６）が最大値
を採る画素をカウントしていく。これを図示すると図９
に示す模式図のようになる。
の全画素について順次注目画素とし、式（６）が最大値
を採る画素をカウントしていく。これを図示すると図９
に示す模式図のようになる。
【０１２５】すなわち、異常陰影候補Ｐ1 やＰ3 の外部
の画素についてのカウント値はすべて「１」となり、異
常陰影候補Ｐ1 やＰ3 の内部の画素についてのカウント
値はすべて「０」となり、異常陰影候補Ｐ1 やＰ3 の辺
縁Ｂ上の画素についてのカウント値はすべて１以上の値
となる画像が得られ、このカウント値の画像をＩＦＥＤ
（Iris Filter Edge）画像と定義し、このＩＦＥＤ画像
を作成する処理までがステップ３の処理である。
の画素についてのカウント値はすべて「１」となり、異
常陰影候補Ｐ1 やＰ3 の内部の画素についてのカウント
値はすべて「０」となり、異常陰影候補Ｐ1 やＰ3 の辺
縁Ｂ上の画素についてのカウント値はすべて１以上の値
となる画像が得られ、このカウント値の画像をＩＦＥＤ
（Iris Filter Edge）画像と定義し、このＩＦＥＤ画像
を作成する処理までがステップ３の処理である。
【０１２６】ステップ４ではこのＩＦＥＤ画像につい
て、以下の処理を施す。
て、以下の処理を施す。
【０１２７】すなわち、図10に示すように、異常陰影候
補Ｐ1 ，Ｐ3 の重心点ＡＯを求め、この重心点ＡＯから
放射状の線を延ばし、この線上の任意の点をｉとし、こ
の線に垂直であってｉ点から２画素分だけ離間した点を
ｊとする。
補Ｐ1 ，Ｐ3 の重心点ＡＯを求め、この重心点ＡＯから
放射状の線を延ばし、この線上の任意の点をｉとし、こ
の線に垂直であってｉ点から２画素分だけ離間した点を
ｊとする。
【０１２８】このｉ点のＩＦＥＤ画像におけるカウント
値とｊ点のカウント値とを図11に示すようなマトリクス
にカウントアップする。具体的には、ｉ点が異常陰影候
補Ｐ1 ，Ｐ3 の外部にある場合は、ｉ点のＩＦＥＤ画像
におけるカウント値は「１」であり、そのときｊ点も異
常陰影候補Ｐ1 ，Ｐ3 の外部にあればｊ点のカウント値
も「１」となり、この場合図11のマトリクスには、縦方
向ｉの「１」と横方向ｊの「１」とが交差する欄に
「１」がカウントされる。
値とｊ点のカウント値とを図11に示すようなマトリクス
にカウントアップする。具体的には、ｉ点が異常陰影候
補Ｐ1 ，Ｐ3 の外部にある場合は、ｉ点のＩＦＥＤ画像
におけるカウント値は「１」であり、そのときｊ点も異
常陰影候補Ｐ1 ，Ｐ3 の外部にあればｊ点のカウント値
も「１」となり、この場合図11のマトリクスには、縦方
向ｉの「１」と横方向ｊの「１」とが交差する欄に
「１」がカウントされる。
【０１２９】一方ｉ点が異常陰影候補Ｐ1 ，Ｐ3 の内部
にあり、かつｊ点も異常陰影候補Ｐ1 ，Ｐ3 の内部にあ
る場合は、ｉ点、ｊ点ともにカウント値は０であるの
で、縦方向ｉの「０」と横方向ｊの「０」とが交差する
欄に「１」をカウントする。
にあり、かつｊ点も異常陰影候補Ｐ1 ，Ｐ3 の内部にあ
る場合は、ｉ点、ｊ点ともにカウント値は０であるの
で、縦方向ｉの「０」と横方向ｊの「０」とが交差する
欄に「１」をカウントする。
【０１３０】さらにｉ点が異常陰影候補Ｐ1 ，Ｐ3 の辺
縁Ｂにあり、ｊ点も異常陰影候補Ｐ1 ，Ｐ3 も辺縁Ｂに
ある場合は、例えばｉ点のカウント値が「５」で、ｊ点
のカウント値が「３」である場合は、縦方向ｉの「５」
と横方向ｊの「３」とが交差する欄に「１」をカウント
する。このマトリクスにカウントアップするカウント値
は累積するものである。すなわち再度、カウント値が
「５」のｉ点、カウント値が「３」のｊ点を走査した場
合には、マトリクスの縦方向ｉの「５」と横方向ｊの
「３」とが交差する欄には元の「１」に「１」を加算し
た「２」が格納される。
縁Ｂにあり、ｊ点も異常陰影候補Ｐ1 ，Ｐ3 も辺縁Ｂに
ある場合は、例えばｉ点のカウント値が「５」で、ｊ点
のカウント値が「３」である場合は、縦方向ｉの「５」
と横方向ｊの「３」とが交差する欄に「１」をカウント
する。このマトリクスにカウントアップするカウント値
は累積するものである。すなわち再度、カウント値が
「５」のｉ点、カウント値が「３」のｊ点を走査した場
合には、マトリクスの縦方向ｉの「５」と横方向ｊの
「３」とが交差する欄には元の「１」に「１」を加算し
た「２」が格納される。
【０１３１】ｉ点はＩＦＥＤ画像の任意の点であるか
ら、ＩＦＥＤ画像の全ての画素がｉ点となるように放射
状の線を走査し、ｉ点をその線上で走査することによっ
て、このＩＦＥＤ画像の図11に示すマトリクスを完成さ
せる。このマトリクス（同時生成行列または同時生起行
列という）Ｐg （ｘ，ｙ）を完成するまでの処理がステ
ップ４（＃４）の処理である。
ら、ＩＦＥＤ画像の全ての画素がｉ点となるように放射
状の線を走査し、ｉ点をその線上で走査することによっ
て、このＩＦＥＤ画像の図11に示すマトリクスを完成さ
せる。このマトリクス（同時生成行列または同時生起行
列という）Ｐg （ｘ，ｙ）を完成するまでの処理がステ
ップ４（＃４）の処理である。
【０１３２】ここで異常陰影候補が腫瘤陰影Ｐ1 である
場合は、腫瘤陰影Ｐ1 の辺縁が略円形であるという腫瘤
陰影の形状的特性、およびｉ点とｊ点とは極めて近接し
ているという事実から、ｉ点が辺縁にある（ＩＦＥＤ画
像のカウント値が１以上の大きな値を有する）場合は、
ｊ点も辺縁にある（ＩＦＥＤ画像のカウント値が１以上
の大きな値を有する）可能性が極めて高い。
場合は、腫瘤陰影Ｐ1 の辺縁が略円形であるという腫瘤
陰影の形状的特性、およびｉ点とｊ点とは極めて近接し
ているという事実から、ｉ点が辺縁にある（ＩＦＥＤ画
像のカウント値が１以上の大きな値を有する）場合は、
ｊ点も辺縁にある（ＩＦＥＤ画像のカウント値が１以上
の大きな値を有する）可能性が極めて高い。
【０１３３】一方、異常陰影候補が擬似異常陰影Ｐ3 で
ある場合は、前述の２本の血管同士の交差部分のように
擬似異常陰影Ｐ3 が円形の辺縁を有するのは極めて希で
あるため、ｉ点とｊ点とが近接していても、ｉ点が辺縁
にあるからといって、ｊ点も辺縁にあるとは限らず、む
しろｊ点は辺縁にある可能性は極めて低いことになる。
ある場合は、前述の２本の血管同士の交差部分のように
擬似異常陰影Ｐ3 が円形の辺縁を有するのは極めて希で
あるため、ｉ点とｊ点とが近接していても、ｉ点が辺縁
にあるからといって、ｊ点も辺縁にあるとは限らず、む
しろｊ点は辺縁にある可能性は極めて低いことになる。
【０１３４】したがって、同時生成行列Ｐg （ｘ，ｙ）
の特性値も、異常陰影候補が腫瘤陰影Ｐ1 であるか擬似
異常陰影Ｐ3 であるかに応じて明らかに有為差が認めら
れる。この同時生成行列の特性値がエッジ情報であり、
このエッジ情報の具体的なものとして、同時生成行列に
ついての分散を示す第１の指標値var （式（12））、
偏り（difference entropy）を示す第２の指標値dfe
（式（13））、相関値（correlation ）を示す第３の
指標値cor （式（14））をそれぞれ求める（＃５-1，＃
５-2，＃５-3）。
の特性値も、異常陰影候補が腫瘤陰影Ｐ1 であるか擬似
異常陰影Ｐ3 であるかに応じて明らかに有為差が認めら
れる。この同時生成行列の特性値がエッジ情報であり、
このエッジ情報の具体的なものとして、同時生成行列に
ついての分散を示す第１の指標値var （式（12））、
偏り（difference entropy）を示す第２の指標値dfe
（式（13））、相関値（correlation ）を示す第３の
指標値cor （式（14））をそれぞれ求める（＃５-1，＃
５-2，＃５-3）。
【０１３５】
【数９】
【０１３６】第１の指標値var 、第２の指標値dfe 、第
３の指標値cor はいずれも、同時生成行列について、腫
瘤陰影Ｐ1 では比較的大きな値を示し、一方、乳腺や血
管等の疑似異常陰影Ｐ3 では小さな値を示す指標値であ
る。
３の指標値cor はいずれも、同時生成行列について、腫
瘤陰影Ｐ1 では比較的大きな値を示し、一方、乳腺や血
管等の疑似異常陰影Ｐ3 では小さな値を示す指標値であ
る。
【０１３７】この求められた各領域ごとの第１の指標値
var と予め実験的に求めた閾値Th1とを比較処理し（＃
６-1）、同様に第２の指標値dfe と閾値Th2 とを比較処
理し（＃６-2）、第３の指標値cor と閾値Th3 とを比較
処理する（＃６-3）。
var と予め実験的に求めた閾値Th1とを比較処理し（＃
６-1）、同様に第２の指標値dfe と閾値Th2 とを比較処
理し（＃６-2）、第３の指標値cor と閾値Th3 とを比較
処理する（＃６-3）。
【０１３８】ステップ６での比較処理の結果、それぞれ
の指標値が腫瘤陰影Ｐ1 を表すものである場合にはフラ
グFg＝１とし、腫瘤陰影Ｐ1 ではない場合、すなわち疑
似異常陰影Ｐ3 を表すものである場合はフラグFg＝０と
する（＃７-1，＃７-2，＃７-3）。
の指標値が腫瘤陰影Ｐ1 を表すものである場合にはフラ
グFg＝１とし、腫瘤陰影Ｐ1 ではない場合、すなわち疑
似異常陰影Ｐ3 を表すものである場合はフラグFg＝０と
する（＃７-1，＃７-2，＃７-3）。
【０１３９】そして各フラグFg1,Fg2,Fg3 の全てが
「１」である場合には、その陰影は腫瘤陰影Ｐ1 である
と判定し、各フラグFg1,Fg2,Fg3 のうち１つでも「０」
である場合には疑似異常陰影Ｐ3 であると判定する（＃
８，＃９）。なお、このように複数の特徴量（指標値）
について、すべての特徴量が要件を満たした場合にのみ
異常陰影Ｐ1 であると判断する方法を「ＡＮＤ法」とい
う。
「１」である場合には、その陰影は腫瘤陰影Ｐ1 である
と判定し、各フラグFg1,Fg2,Fg3 のうち１つでも「０」
である場合には疑似異常陰影Ｐ3 であると判定する（＃
８，＃９）。なお、このように複数の特徴量（指標値）
について、すべての特徴量が要件を満たした場合にのみ
異常陰影Ｐ1 であると判断する方法を「ＡＮＤ法」とい
う。
【０１４０】なお、上記実施形態においては、エッジ情
報として分散、偏り、相関値のみを用いたが、その他の
エッジ情報としては、モーメント（inverse difference
moment ）を示す第４の指標値idm （式（15））、エン
トロピー（sum entropy ）を示す第５の指標値se（式
（16））なども用いることができる。第４の指標値idm
は、同時生成行列について腫瘤陰影Ｐ1 では比較的小さ
な値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 で
は大きい値を示し、第５の指標値seは、同時生成行列に
ついて腫瘤陰影Ｐ1 では比較的大きな値を示し、一方、
乳腺や血管等の疑似異常陰影Ｐ3 では小さな値を示す指
標値である。
報として分散、偏り、相関値のみを用いたが、その他の
エッジ情報としては、モーメント（inverse difference
moment ）を示す第４の指標値idm （式（15））、エン
トロピー（sum entropy ）を示す第５の指標値se（式
（16））なども用いることができる。第４の指標値idm
は、同時生成行列について腫瘤陰影Ｐ1 では比較的小さ
な値を示し、一方、乳腺や血管等の疑似異常陰影Ｐ3 で
は大きい値を示し、第５の指標値seは、同時生成行列に
ついて腫瘤陰影Ｐ1 では比較的大きな値を示し、一方、
乳腺や血管等の疑似異常陰影Ｐ3 では小さな値を示す指
標値である。
【０１４１】さらに、これら任意の数の特徴量をある重
み関数で定義した新たな一つの評価関数値として定義
し、その評価関数に基づいて判定を行っても良い。
み関数で定義した新たな一つの評価関数値として定義
し、その評価関数に基づいて判定を行っても良い。
【０１４２】以上の処理により、アイリスフィルター処
理では抽出しきれなかった腫瘤陰影Ｐ1 を疑似異常陰影
Ｐ3 から分離して抽出することができ、現実の腫瘤陰影
である蓋然性がより高い確定的な異常陰影候補のみを抽
出することが可能となる。
理では抽出しきれなかった腫瘤陰影Ｐ1 を疑似異常陰影
Ｐ3 から分離して抽出することができ、現実の腫瘤陰影
である蓋然性がより高い確定的な異常陰影候補のみを抽
出することが可能となる。
【０１４３】なお本実施形態においては、ｊ点をｉ点が
存在する放射状の線に対して垂直で、かつｉ点から２画
素分だけ離間した点として定義したが、放射状の線との
交差角度、ｉ点からの離間画素数については検出対象で
ある腫瘤陰影の大きさ等に応じて適宜変更できるもので
ある。
存在する放射状の線に対して垂直で、かつｉ点から２画
素分だけ離間した点として定義したが、放射状の線との
交差角度、ｉ点からの離間画素数については検出対象で
ある腫瘤陰影の大きさ等に応じて適宜変更できるもので
ある。
【０１４４】ここで、任意の数の特徴量をある重み関数
で定義した新たな一つの評価関数値とし、この評価関数
値に基づいて異常陰影候補か否かの判定を行なう方法の
具体的実施形態について説明する。
で定義した新たな一つの評価関数値とし、この評価関数
値に基づいて異常陰影候補か否かの判定を行なう方法の
具体的実施形態について説明する。
【０１４５】このような重み関数で定義した評価関数値
としては前述したように、マハラノビス距離やフィッシ
ャーの識別関数を適用するのが望ましく、図13は、本発
明の第２の異常陰影の検出方法においてマハラノビス距
離を適用した判定を行なう具体的な実施形態の処理ステ
ップを示すフローチャートである。
としては前述したように、マハラノビス距離やフィッシ
ャーの識別関数を適用するのが望ましく、図13は、本発
明の第２の異常陰影の検出方法においてマハラノビス距
離を適用した判定を行なう具体的な実施形態の処理ステ
ップを示すフローチャートである。
【０１４６】ステップ１からステップ４までの処理は前
記図７に示した処理と同様であるので説明を割愛する。
記図７に示した処理と同様であるので説明を割愛する。
【０１４７】ステップ５（＃５）では、ステップ４で作
成した同時生成行列の特性値であるエッジ情報のうち
分散を示す第１の指標値var （式（12））、偏りを示
す第２の指標値dfe （式（13））、相関値を示す第３
の指標値cor （式（14））、モーメントを示す第４の
指標値idm （式（15））、およびエントロピーを示す
第５の指標値se（式（16））をそれぞれ求める。
成した同時生成行列の特性値であるエッジ情報のうち
分散を示す第１の指標値var （式（12））、偏りを示
す第２の指標値dfe （式（13））、相関値を示す第３
の指標値cor （式（14））、モーメントを示す第４の
指標値idm （式（15））、およびエントロピーを示す
第５の指標値se（式（16））をそれぞれ求める。
【０１４８】ステップ６（＃６）では、これらの５つの
指標値を互いに異なる５次元（ｘ１，ｘ２，ｘ３，ｘ
４，ｘ５）の軸に当てはめ（var ＝ｘ１，dfe ＝ｘ２，
cor ＝ｘ３，idm ＝ｘ４，se＝ｘ５）、これら５次の要
素からなるベクトルｘを設定する。
指標値を互いに異なる５次元（ｘ１，ｘ２，ｘ３，ｘ
４，ｘ５）の軸に当てはめ（var ＝ｘ１，dfe ＝ｘ２，
cor ＝ｘ３，idm ＝ｘ４，se＝ｘ５）、これら５次の要
素からなるベクトルｘを設定する。
【０１４９】次に、ステップ７（＃７）では下記式（1
7）にしたがって、正常陰影のパターンとのマハラノビ
ス距離Ｄｍ1 および異常陰影のパターンとのマハラノビ
ス距離Ｄｍ2 を算出する。
7）にしたがって、正常陰影のパターンとのマハラノビ
ス距離Ｄｍ1 および異常陰影のパターンとのマハラノビ
ス距離Ｄｍ2 を算出する。
【０１５０】
【数１０】
【０１５１】ここで正常陰影のパターン、異常陰影のパ
ターンとは、予め多数の異常陰影候補について実験的に
調査した結果に基づいて設定された、正常陰影ごとまた
は異常陰影ごとのベクトルｘで定義されるパターン空間
を意味する。例えば、それぞれ、正常陰影とされるもの
についての上記ベクトルｘの平均で形成されるパターン
クラスｗ1 、異常陰影とされるものについての上記ベク
トルｘの平均で形成されるパターンクラスｗ2 で示され
る。
ターンとは、予め多数の異常陰影候補について実験的に
調査した結果に基づいて設定された、正常陰影ごとまた
は異常陰影ごとのベクトルｘで定義されるパターン空間
を意味する。例えば、それぞれ、正常陰影とされるもの
についての上記ベクトルｘの平均で形成されるパターン
クラスｗ1 、異常陰影とされるものについての上記ベク
トルｘの平均で形成されるパターンクラスｗ2 で示され
る。
【０１５２】このように、予め設定された正常陰影パタ
ーンおよび異常陰影パターンと判定対象である異常陰影
候補のパターン（上記ベクトルｘ）との間の各マハラノ
ビス距離をそれぞれ求め、ステップ８（＃８）で、この
正常陰影のパターンクラスとのマハラノビス距離Ｄｍ1
と、異常陰影のパターンクラスとのマハラノビス距離Ｄ
ｍ2 とを比較し、ステップ９（＃９）で、検出対象の異
常陰影候補はより近い方、すなわちマハラノビス距離が
短い方に属する、と判定する。
ーンおよび異常陰影パターンと判定対象である異常陰影
候補のパターン（上記ベクトルｘ）との間の各マハラノ
ビス距離をそれぞれ求め、ステップ８（＃８）で、この
正常陰影のパターンクラスとのマハラノビス距離Ｄｍ1
と、異常陰影のパターンクラスとのマハラノビス距離Ｄ
ｍ2 とを比較し、ステップ９（＃９）で、検出対象の異
常陰影候補はより近い方、すなわちマハラノビス距離が
短い方に属する、と判定する。
【０１５３】このように、評価関数値を用いた検出方法
によっても、より確定的な異常陰影を検出することがで
きる。
によっても、より確定的な異常陰影を検出することがで
きる。
【０１５４】なお、評価関数値としてフィッシャーの識
別関数を用いた検出方法では、図13のステップ７におい
て、検出対象の異常陰影候補について前述の式（21）で
示されるスカラー量を算出し、図12で示すように予め多
数の異常陰影候補について実験的にこのスカラー量の分
布を調査した結果に基づいて設定された閾値と検出対象
の異常陰影候補についてのスカラー量とを比較して、検
出対象がどちらの陰影かを判定すればよい。
別関数を用いた検出方法では、図13のステップ７におい
て、検出対象の異常陰影候補について前述の式（21）で
示されるスカラー量を算出し、図12で示すように予め多
数の異常陰影候補について実験的にこのスカラー量の分
布を調査した結果に基づいて設定された閾値と検出対象
の異常陰影候補についてのスカラー量とを比較して、検
出対象がどちらの陰影かを判定すればよい。
【０１５５】以上の評価関数値を適用した検出方法の説
明では、エッジ情報についての指標値のみを対象とした
が、本発明はこれに限るものではなく、ヒストグラム情
報についての指標値のみを対象とするものであっても、
またはヒストグラム情報のうちの任意の数の指標値とエ
ッジ情報のうちの任意の数の指標値とを混在せしめて評
価関数値を設定するものであってもよい。
明では、エッジ情報についての指標値のみを対象とした
が、本発明はこれに限るものではなく、ヒストグラム情
報についての指標値のみを対象とするものであっても、
またはヒストグラム情報のうちの任意の数の指標値とエ
ッジ情報のうちの任意の数の指標値とを混在せしめて評
価関数値を設定するものであってもよい。
【０１５６】また、上記各実施形態においては、予め異
常陰影を検出する方法としてアイリスフィルター処理を
適用したが、本発明はこれに限るものではなく、腫瘤陰
影等の異常陰影を検出するいかなる方法をも適用するこ
とができる。
常陰影を検出する方法としてアイリスフィルター処理を
適用したが、本発明はこれに限るものではなく、腫瘤陰
影等の異常陰影を検出するいかなる方法をも適用するこ
とができる。
【０１５７】
【実施例】以下、上記図１に示した本発明の第１の異常
陰影の検出方法の実施形態による実験例を示す。
陰影の検出方法の実施形態による実験例を示す。
【０１５８】実験は、計算機支援画像診断システム（Ｃ
ＡＤＭ）におけるマンモグラフィーデータベース画像
（コンピュータ支援画像診断学会誌、マンモグラフィー
データベース，コンピュータ支援画像診断学会，1995）
であり、1225×1000画素、空間分解能0.2mm/pixel 、輝
度分解能10 bitの画像51枚で行った。このうち腫瘤陰影
を含むものは12枚、腫瘤陰影の数は12個であった。
ＡＤＭ）におけるマンモグラフィーデータベース画像
（コンピュータ支援画像診断学会誌、マンモグラフィー
データベース，コンピュータ支援画像診断学会，1995）
であり、1225×1000画素、空間分解能0.2mm/pixel 、輝
度分解能10 bitの画像51枚で行った。このうち腫瘤陰影
を含むものは12枚、腫瘤陰影の数は12個であった。
【０１５９】これらについてアイリスフィルターに基づ
く腫瘤陰影候補の検出処理によって検出された腫瘤陰影
候補の数は 152個であった。現実の腫瘤陰影12個は全て
このの 152個の候補に含まれていた。
く腫瘤陰影候補の検出処理によって検出された腫瘤陰影
候補の数は 152個であった。現実の腫瘤陰影12個は全て
このの 152個の候補に含まれていた。
【０１６０】この 152個の領域に対して上記本発明の第
１の異常陰影の検出方法を適用した結果を表１に示す。
１の異常陰影の検出方法を適用した結果を表１に示す。
【０１６１】
【表１】
【０１６２】これによれば、正常画像の正判定率も90％
を超え、比較的良好な結果が得られた。
を超え、比較的良好な結果が得られた。
【０１６３】さらに本発明の検出方法の有効性を検証す
るため、他の 220枚の画像に対して本発明の第１の検出
方法を適用した結果、16枚の悪性腫瘤陰影、17枚の良性
腫瘤陰影について、悪性腫瘤陰影の検出率は 100％、偽
陽性陰影は 0.6箇所／画像であり良好な結果を得ること
ができた。
るため、他の 220枚の画像に対して本発明の第１の検出
方法を適用した結果、16枚の悪性腫瘤陰影、17枚の良性
腫瘤陰影について、悪性腫瘤陰影の検出率は 100％、偽
陽性陰影は 0.6箇所／画像であり良好な結果を得ること
ができた。
【図１】第１の実施形態の異常陰影の検出方法の処理ス
テップを示すフローチャート
テップを示すフローチャート
【図２】図１に示した異常陰影の検出方法により異常陰
影の検出に供される乳房の放射線画像（マンモグラム）
およびその細部を示す図
影の検出に供される乳房の放射線画像（マンモグラム）
およびその細部を示す図
【図３】アイリスフィルター処理における勾配ベクトル
を算出するマスクを示す図
を算出するマスクを示す図
【図４】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５】輪郭形状が適応的に変化するように設定された
アイリスフィルターを示す概念図
アイリスフィルターを示す概念図
【図６】アイリスフィルタ処理で得られた異常陰影候補
の面積Ａよりわずかに大きい面積の仮想円、半径４Ｒ／
３の仮想円である第１領域、および半径Ｒを超え半径４
Ｒ／３未満のドーナツ状の中空円部である第２領域を示
す図
の面積Ａよりわずかに大きい面積の仮想円、半径４Ｒ／
３の仮想円である第１領域、および半径Ｒを超え半径４
Ｒ／３未満のドーナツ状の中空円部である第２領域を示
す図
【図７】第２の実施形態の異常陰影の検出方法の処理ス
テップを示すフローチャート
テップを示すフローチャート
【図８】ＩＦＥＤ画像が形成される作用を示す図
【図９】ＩＦＥＤ画像を示す概念図
【図１０】ＩＦＥＤ画像に基づいて同時生成行列を作成
する作用を示す図
する作用を示す図
【図１１】同時生成行列を示す図
【図１２】フィッシャーの識別関数を適用するにあた
り、スカラー量の分布から閾値を設定することを説明す
る図
り、スカラー量の分布から閾値を設定することを説明す
る図
【図１３】評価関数値を適用した異常陰影の検出方法の
処理ステップを示すフローチャート
処理ステップを示すフローチャート
Ｓ 画像データ
Claims (10)
- 【請求項１】 被写体の放射線画像を表す画像信号に基
づいて、該画像における異常陰影の候補を検出する放射
線画像における異常陰影検出方法において、 前記異常陰影の候補の輪郭内部および近傍の画像信号の
ヒストグラムを求め、 該ヒストグラムに基づくヒストグラム情報を求め、 該ヒストグラム情報に基づいて、前記異常陰影の候補の
うち異常陰影の確定的な候補を検出することを特徴とす
る放射線画像における異常陰影検出方法。 - 【請求項２】 前記ヒストグラム情報は、前記ヒストグ
ラムの分散を表す第１の指標値、前記ヒストグラムのコ
ントラストを表す第２の指標値および前記ヒストグラム
の角モーメントを表す第３の指標値のうち少なくとも１
つであり、 前記第１から第３の各指標値に基づいて前記確定的な候
補を検出することを特徴とする請求項１記載の放射線画
像における異常陰影検出方法。 - 【請求項３】 前記ヒストグラム情報は、前記ヒストグ
ラムの分散を表す第１の指標値、前記ヒストグラムのコ
ントラストを表す第２の指標値および前記ヒストグラム
の角モーメントを表す第３の指標値のうち少なくとも２
つの指標値を組み合わせた新たな評価関数値であり、 該評価関数値に基づいて前記確定的な候補を検出するこ
とを特徴とする請求項１記載の放射線画像における異常
陰影検出方法。 - 【請求項４】 被写体の放射線画像を表す画像信号に基
づいて、該画像における異常陰影の候補を検出する放射
線画像における異常陰影検出方法において、 前記異常陰影の候補の輪郭のエッジ情報を求め、 該エッジ情報に基づいて、前記異常陰影の候補のうち異
常陰影の確定的な候補を検出することを特徴とする放射
線画像における異常陰影検出方法。 - 【請求項５】 前記エッジ情報は、アイリスフィルター
処理を利用して求めた同時生成行列についての分散を表
す第１の指標値、該同時生成行列についての偏りを表す
第２の指標値、該同時生成行列についての相関値を表す
第３の指標値、該同時生成行列についてのモーメントを
表す第４の指標値および該同時生成行列についてのエン
トロピーを表す第５の指標値のうち少なくとも１つであ
り、 前記第１から第５の各指標値に基づいて前記確定的な候
補を検出することを特徴とする請求項４記載の放射線画
像における異常陰影検出方法。 - 【請求項６】 前記エッジ情報は、アイリスフィルター
処理を利用して求めた同時生成行列についての分散を表
す第１の指標値、該同時生成行列についての偏りを表す
第２の指標値、該同時生成行列についての相関値を表す
第３の指標値、該同時生成行列についてのモーメントを
表す第４の指標値および該同時生成行列についてのエン
トロピーを表す第５の指標値のうち少なくとも２つの指
標値を組み合わせた新たな評価関数値であり、 該評価関数値に基づいて前記確定的な候補を検出するこ
とを特徴とする請求項４記載の放射線画像における異常
陰影検出方法。 - 【請求項７】 被写体の放射線画像を表す画像信号に基
づいて、該画像における異常陰影の候補を検出する放射
線画像における異常陰影検出方法において、 前記異常陰影の候補の輪郭内部および近傍の画像信号の
ヒストグラムを求め、 該ヒストグラムに基づくヒストグラム情報を求め、 前記異常陰影の候補の輪郭のエッジ情報を求め、 前記ヒストグラム情報とエッジ情報とに基づいて、前記
異常陰影の候補のうち異常陰影の確定的な候補を検出す
ることを特徴とする放射線画像における異常陰影検出方
法。 - 【請求項８】 前記ヒストグラム情報は、前記ヒストグ
ラムの分散を表す第１の指標値、前記ヒストグラムのコ
ントラストを表す第２の指標値および前記ヒストグラム
の角モーメントを表す第３の指標値のうち少なくとも１
つであり、 前記エッジ情報は、アイリスフィルター処理を利用して
求めた同時生成行列についての分散を表す第４の指標
値、該同時生成行列についての偏りを表す第５の指標
値、該同時生成行列についての相関値を表す第６の指標
値、該同時生成行列についてのモーメントを表す第７の
指標値および該同時生成行列についてのエントロピーを
表す第８の指標値のうち少なくとも１つであり、 前記第１から第８の各指標値に基づいて前記確定的な候
補を検出することを特徴とする請求項７記載の放射線画
像における異常陰影検出方法。 - 【請求項９】 前記ヒストグラム情報は、前記ヒストグ
ラムの分散を表す第１の指標値、前記ヒストグラムのコ
ントラストを表す第２の指標値および前記ヒストグラム
の角モーメントを表す第３の指標値のうち少なくとも１
つであり、 前記エッジ情報は、アイリスフィルター処理を利用して
求めた同時生成行列についての分散を表す第４の指標
値、該同時生成行列についての偏りを表す第５の指標
値、該同時生成行列についての相関値を表す第６の指標
値、該同時生成行列についてのモーメントを表す第７の
指標値および該同時生成行列についてのエントロピーを
表す第８の指標値のうち少なくとも１つであり、 前記第１から第３の指標値のうち少なくとも１つと前記
第４から第８の指標値のうち少なくとも１つとを組み合
わせて新たな評価関数値を求め、 該評価関数値に基づいて前記確定的な候補を検出するこ
とを特徴とする請求項７記載の放射線画像における異常
陰影検出方法。 - 【請求項１０】 前記異常陰影の候補の検出はアイリス
フィルタ処理であることを特徴とする請求項１から９の
うちいずれか１項に記載の放射線画像における異常陰影
検出方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01188596A JP3808123B2 (ja) | 1995-10-11 | 1996-01-26 | 異常陰影の検出方法 |
| US08/731,001 US5732121A (en) | 1995-10-11 | 1996-10-09 | Method for detecting abnormal patterns |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP7-263281 | 1995-10-11 | ||
| JP26328195 | 1995-10-11 | ||
| JP01188596A JP3808123B2 (ja) | 1995-10-11 | 1996-01-26 | 異常陰影の検出方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH09167238A true JPH09167238A (ja) | 1997-06-24 |
| JP3808123B2 JP3808123B2 (ja) | 2006-08-09 |
Family
ID=26347405
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP01188596A Expired - Fee Related JP3808123B2 (ja) | 1995-10-11 | 1996-01-26 | 異常陰影の検出方法 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US5732121A (ja) |
| JP (1) | JP3808123B2 (ja) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002109512A (ja) * | 2000-09-28 | 2002-04-12 | Fuji Photo Film Co Ltd | 異常陰影候補検出装置および記録媒体 |
| JP2002532181A (ja) * | 1998-12-23 | 2002-10-02 | メディスペクトラ， インコーポレイテッド | 頚部のスクリーニングのための光学的方法およびシステム |
| EP1256898A2 (en) | 2001-05-11 | 2002-11-13 | Fuji Photo Film Co., Ltd. | Prospective abnormal shadow detecting system |
| JP2004254742A (ja) * | 2003-02-24 | 2004-09-16 | Konica Minolta Holdings Inc | 医用画像処理装置及び悪性度の判定方法 |
| JP2005109867A (ja) * | 2003-09-30 | 2005-04-21 | Konica Minolta Medical & Graphic Inc | 画像処理方法および画像処理装置ならびに画像処理プログラム |
| WO2006011545A1 (ja) * | 2004-07-30 | 2006-02-02 | Hitachi Medical Corporation | 医用画像診断支援方法、装置及び画像処理プログラム |
| JP2006505782A (ja) * | 2002-11-12 | 2006-02-16 | キネティック リミテッド | 画像分析 |
| JP2008509710A (ja) * | 2004-02-06 | 2008-04-03 | ウェイク・フォレスト・ユニヴァーシティ・ヘルス・サーヴィシズ | 非侵襲的イメージングのグローバル組織特性を用いた組織評価および画像のグローバル組織特性を決定するシステム |
| US8913843B2 (en) | 2009-01-06 | 2014-12-16 | Takumi Vision Co., Ltd. | Image processing method and computer program |
| CN115578782A (zh) * | 2022-10-20 | 2023-01-06 | 宁波臻宝科技有限公司 | 一种基于双路径网络的图像分级方法 |
Families Citing this family (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6014452A (en) * | 1997-07-28 | 2000-01-11 | R2 Technology, Inc. | Method and system for using local attention in the detection of abnormalities in digitized medical images |
| US6418238B1 (en) * | 1997-09-22 | 2002-07-09 | Olympus Optical Co., Ltd. | Image detection apparatus and image detection method capable of detecting roundish shape |
| US6529618B1 (en) * | 1998-09-04 | 2003-03-04 | Konica Corporation | Radiation image processing apparatus |
| ES2147533B1 (es) * | 1998-11-30 | 2001-04-01 | Univ Sevilla | Metodo de analisis de coincidencias de imagenes medicas y/o de microscopia mediante combinacion de filtrado de histogramas e identificacion holografica. |
| US7155041B2 (en) * | 2000-02-16 | 2006-12-26 | Fuji Photo Film Co., Ltd. | Anomalous shadow detection system |
| 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 |
| JP2002172117A (ja) * | 2000-09-05 | 2002-06-18 | Fuji Photo Film Co Ltd | 光断層画像診断情報出力装置 |
| US6855114B2 (en) * | 2001-11-23 | 2005-02-15 | Karen Drukker | Automated method and system for the detection of abnormalities in sonographic images |
| JP2004005364A (ja) * | 2002-04-03 | 2004-01-08 | Fuji Photo Film Co Ltd | 類似画像検索システム |
| JP2004248817A (ja) * | 2003-02-19 | 2004-09-09 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
| JP4184842B2 (ja) * | 2003-03-19 | 2008-11-19 | 富士フイルム株式会社 | 画像判別装置、方法およびプログラム |
| US20050075566A1 (en) * | 2003-09-19 | 2005-04-07 | Fuji Photo Film Co., Ltd. | Ultrasonice diagnosing apparatus |
| SE0400325D0 (sv) * | 2004-02-13 | 2004-02-13 | Mamea Imaging Ab | Method and arrangement relating to x-ray imaging |
| US7420561B2 (en) * | 2005-07-01 | 2008-09-02 | Honeywell International Inc. | Diagnostic visual tools and methods for graphical comparison of data point and historical data density |
| WO2007092159A2 (en) | 2006-02-02 | 2007-08-16 | Wake Forest University Health Sciences | Cardiac visualization systems for displaying 3-d images of cardiac voxel intensity distributions with optional physician interactive boundary tracing tools |
| US20080031408A1 (en) * | 2006-08-07 | 2008-02-07 | Predrag Sukovic | Quantification of sinus problems in a patient |
| US8238635B2 (en) * | 2008-03-21 | 2012-08-07 | General Electric Company | Method and system for identifying defects in radiographic image data corresponding to a scanned object |
| TWI413896B (zh) * | 2010-04-21 | 2013-11-01 | 精英電腦股份有限公司 | Energy saving methods for electronic devices |
| EP2564786A1 (en) * | 2011-08-31 | 2013-03-06 | General Electric Company | Method for automatic contour filter positioning for medical X-ray imaging |
| WO2021140624A1 (ja) * | 2020-01-09 | 2021-07-15 | オリンパス株式会社 | 処置システム、制御装置、及び制御方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4991092A (en) * | 1988-08-12 | 1991-02-05 | The Regents Of The University Of California | Image processor for enhancing contrast between subregions of a region of interest |
| US5481623A (en) * | 1990-04-19 | 1996-01-02 | Fuji Photo Film Co., Ltd. | Apparatus for determining an image position on imaging media |
| US5157733A (en) * | 1990-06-08 | 1992-10-20 | Fuji Photo Film Co., Ltd. | Radiation image processing apparatus, determination apparatus, and radiation image read-out apparatus |
| JP3596786B2 (ja) * | 1995-01-24 | 2004-12-02 | 富士写真フイルム株式会社 | 異常陰影候補の検出方法 |
-
1996
- 1996-01-26 JP JP01188596A patent/JP3808123B2/ja not_active Expired - Fee Related
- 1996-10-09 US US08/731,001 patent/US5732121A/en not_active Expired - Fee Related
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002532181A (ja) * | 1998-12-23 | 2002-10-02 | メディスペクトラ， インコーポレイテッド | 頚部のスクリーニングのための光学的方法およびシステム |
| JP2002109512A (ja) * | 2000-09-28 | 2002-04-12 | Fuji Photo Film Co Ltd | 異常陰影候補検出装置および記録媒体 |
| EP1256898A2 (en) | 2001-05-11 | 2002-11-13 | Fuji Photo Film Co., Ltd. | Prospective abnormal shadow detecting system |
| JP2006505782A (ja) * | 2002-11-12 | 2006-02-16 | キネティック リミテッド | 画像分析 |
| JP2004254742A (ja) * | 2003-02-24 | 2004-09-16 | Konica Minolta Holdings Inc | 医用画像処理装置及び悪性度の判定方法 |
| JP2005109867A (ja) * | 2003-09-30 | 2005-04-21 | Konica Minolta Medical & Graphic Inc | 画像処理方法および画像処理装置ならびに画像処理プログラム |
| JP2008509710A (ja) * | 2004-02-06 | 2008-04-03 | ウェイク・フォレスト・ユニヴァーシティ・ヘルス・サーヴィシズ | 非侵襲的イメージングのグローバル組織特性を用いた組織評価および画像のグローバル組織特性を決定するシステム |
| WO2006011545A1 (ja) * | 2004-07-30 | 2006-02-02 | Hitachi Medical Corporation | 医用画像診断支援方法、装置及び画像処理プログラム |
| US7940975B2 (en) | 2004-07-30 | 2011-05-10 | Hitachi Medical Corporation | Medical image diagnosing support method and apparatus, and image processing program configured to extract and correct lesion candidate region |
| JP4832300B2 (ja) * | 2004-07-30 | 2011-12-07 | 株式会社日立メディコ | 医用画像診断支援装置の作動方法、医用画像診断支援装置、及び画像処理プログラム |
| US8913843B2 (en) | 2009-01-06 | 2014-12-16 | Takumi Vision Co., Ltd. | Image processing method and computer program |
| CN115578782A (zh) * | 2022-10-20 | 2023-01-06 | 宁波臻宝科技有限公司 | 一种基于双路径网络的图像分级方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| US5732121A (en) | 1998-03-24 |
| JP3808123B2 (ja) | 2006-08-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3808123B2 (ja) | 異常陰影の検出方法 | |
| TW514513B (en) | Method for the detection of lung nodule in radiological images using digital image processing and artificial neural network | |
| US6320976B1 (en) | Computer-assisted diagnosis method and system for automatically determining diagnostic saliency of digital images | |
| AU687958B2 (en) | Automated method and system for improved computerized detection and classification of masses in mammograms | |
| EP0757544B1 (en) | Computerized detection of masses and parenchymal distortions | |
| 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 | |
| EP2027566B1 (en) | Automatic recognition of preneoplastic anomalies in anatomic structures based on an improved region-growing segmentation, and computer program therefor | |
| JPH09508814A (ja) | 医用画像を分割するための自動的方法およびシステム | |
| US6738500B2 (en) | Method and system for detecting small structures in images | |
| Al-Bayati et al. | Mammogram images thresholding for breast cancer detection using different thresholding methods | |
| JPH11501538A (ja) | 医用画像において病巣を検出する方法及びシステム | |
| JPH1156828A (ja) | 異常陰影候補検出方法および装置 | |
| JP2004283211A (ja) | 画像判別装置、方法およびプログラム | |
| EP1704532A1 (en) | System and method for filtering a medical image | |
| JP2006034585A (ja) | 画像表示装置、画像表示方法およびそのプログラム | |
| JPH1094538A (ja) | 異常陰影候補の検出方法および装置 | |
| Hamad et al. | Segmentation and measurement of lung pathological changes for COVID-19 diagnosis based on computed tomography | |
| CN115984231A (zh) | 一种基于光学图像的癌症患者标本性质的辨别方法及应用 | |
| JP2002074325A (ja) | 異常陰影候補検出方法および装置 | |
| JPH02152443A (ja) | 画像処理方法及び装置 | |
| JP2003310587A (ja) | 異常陰影の検出結果表示装置 | |
| JP2001216517A (ja) | 物体認識方法 | |
| Li et al. | Image segmentation and 3D visualization for MRI mammography | |
| JP3881265B2 (ja) | 異常陰影の検出領域設定装置 | |
| JP2003265450A (ja) | 医用画像表示方法および医用画像処理装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20050425 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050506 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050705 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20060221 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20060421 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20060516 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20060517 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090526 Year of fee payment: 3 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090526 Year of fee payment: 3 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090526 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100526 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110526 Year of fee payment: 5 |
|
| LAPS | Cancellation because of no payment of annual fees |