JP2005040490A - 異常陰影検出方法および装置並びにプログラム - Google Patents

Abstract

【課題】 被写体画像中の微小石灰化陰影をより高精度に検出する。
【解決手段】 第１の除去手段２２０が、候補点抽出手段２１０により抽出された石灰化点の候補点に対し、石灰化点に注目した第１の特徴量と石灰化点の近傍領域に注目した第２の特徴量とに基づいて、石灰化点であるかノイズであるかの判定を行ってノイズを除去し、第２の除去手段２３０が、第１の除去手段の除去処理を通過した候補点によるクラスタ領域に対し、クラスタ領域に注目した第３の特徴量に基づいて、石灰化点によるものかノイズによるものかの判定を行ってノイズによるものを除去し、検出手段２４０が残ったクラスタ領域を微小石灰化陰影として検出する。
【選択図】 図６

Description

本発明は、異常陰影検出方法および装置並びにそのためのプログラムに関し、特に詳しくは、被写体画像を表す被写体画像データに基づいて、画像中の微小石灰化陰影を検出する異常陰影検出方法および装置並びにそのためのプログラムに関するものである。

医療分野においては、診断用画像として取得された被写体の画像データに基づき、その画像データが表す画像中の異常陰影を、計算機を用いて自動的に検出する異常陰影検出処理システム（計算機支援画像診断装置）が提案されている（例えば、特許文献１，２）。

この異常陰影検出処理システムは、異常陰影の濃度分布の特徴や形態的な特徴に基づいて、異常陰影を、計算機を用いて自動的に検出するものであり、主として腫瘤陰影の検出に適したアイリスフィルタ処理や、主として微小石灰化陰影の検出に適したモフォロジーフィルタ処理を利用して異常陰影を検出する。

しかし、上記の処理を単純に利用して検出した場合には、濃度分布の特徴や形態的な特徴が真の異常陰影と類似しているノイズや組織の一部等も誤検出されてしまうことが多い。そこで、検出された異常陰影のうち誤検出されたものを除去するための鑑別処理をさらに行う手法が提案されている。

特に、微小石灰化陰影の検出においては、微小石灰化陰影の石灰化点に関する特徴量に基づいた鑑別処理があり、その特徴量の性質別、すなわち、石灰化点に関して注目する領域の規模別に、以下のような３種類の鑑別処理が知られている。

（１）個々の石灰化点に注目した特徴量に基づく鑑別処理（例えば、特許文献３）。
（２）個々の石灰化点の近傍領域に注目した特徴量に基づく鑑別処理（例えば、特許文献４）。
（３）個々の石灰化点をクラスタ化してなる微小石灰化クラスタ（石灰化点群）に注目した特徴量に基づく鑑別処理（例えば、非特許文献１，２）。
特開平８−２９４４７９号公報 特開平８−２８７２３０号公報 特開２００３−０７９６０４号公報 特開２００２−３６０５５２号公報 中山良平、内山良一、廿日出勇、他，「マンモグラムにおける微小石灰化クラスタの良悪性鑑別システムの開発」，日本放射線技術学会雑誌，Ｐ３９１−３９７，２０００年３月 梅田 豪、篠原範充、原 武史、他，「乳房Ｘ線画像における微小石灰化クラスタの良悪性鑑別」，岐阜大学工学部応用情報学科／国立名古屋病院放射線科／愛知県がんセンター病院乳腺外科，Ｐ８９−９３，１９９９年

ところで、微小石灰化陰影についての実際の医師による診断の際には、注目する領域の規模別に上記３つの観点による特徴を総合的に判断して、微小石灰化陰影の鑑別が行われている。

そこで、より高精度な鑑別を行うために、上記３種の鑑別処理を組み合わせる手法が考えられるが、これら３種の鑑別処理の組合せ方によっては、その鑑別性能が大きく異なるため、適当に組み合わせただけでは、微小石灰化陰影を精度よく鑑別することはできない。

本発明は、上記事情に鑑み、微小石灰化陰影をより高精度に鑑別することが可能な異常陰影検出方法および装置並びにそのためのプログラムを提供することを目的とするものである。

本発明の第１の異常陰影検出方法は、被写体画像を表す被写体画像データに基づいて、当該被写体画像中の微小石灰化陰影の候補点を抽出し、微小石灰化陰影の石灰化点に注目した第１の特徴量に基づいて、抽出された候補点に対して石灰化点であるか否かの判定を行って、当該候補点のうち当該判定により非石灰化点であると判定された候補点を除去し、微小石灰化陰影の石灰化点の近傍領域に注目した第２の特徴量に基づいて、上記除去により残された候補点に対して石灰化点であるか否かの判定を行って、当該候補点のうち当該判定により非石灰化点であると判定された候補点を除去する第２の除去を行い、微小石灰化陰影の石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、上記第２の除去により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、当該クラスタ領域のうち当該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去し、当該除去により残されたクラスタ領域を、微小石灰化陰影として検出することを特徴とする方法である。

また、本発明の第１の異常陰影検出装置は、被写体画像を表す被写体画像データに基づいて、当該被写体画像中の微小石灰化陰影の候補点を抽出する候補点抽出手段と、微小石灰化陰影の石灰化点に注目した第１の特徴量に基づいて、抽出された候補点に対して石灰化点であるか否かの判定を行って、当該候補点のうち当該判定により非石灰化点であると判定された候補点を除去する第１の除去手段と、微小石灰化陰影の石灰化点の近傍領域に注目した第２の特徴量に基づいて、上記第１の除去手段により残された候補点に対して石灰化点であるか否かの判定を行って、当該候補点のうち当該判定により非石灰化点であると判定された候補点を除去する第２の除去手段と、微小石灰化陰影の石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、上記第２の除去手段により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、当該クラスタ領域のうち当該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去する第３の除去手段と、当該第３の除去手段により残されたクラスタ領域を、微小石灰化陰影として検出する検出手段とを備えたことを特徴とするものである。

本発明の第２の異常陰影検出方法は、被写体画像を表す被写体画像データに基づいて、当該被写体画像中の微小石灰化陰影の候補点を抽出し、微小石灰化陰影の石灰化点に注目した第１の特徴量と微小石灰化陰影の石灰化点の近傍領域に注目した第２の特徴量とに基づいて、抽出された候補点に対して石灰化点であるか否かの判定を行って、当該候補点のうち当該判定により非石灰化点であると判定された候補点を除去し、微小石灰化陰影の石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、上記除去により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、当該クラスタ領域のうち当該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去し、当該除去により残されたクラスタ領域を、微小石灰化陰影として検出することを特徴とする方法である。

また、本発明の第２の異常陰影検出装置は、被写体画像を表す被写体画像データに基づいて、当該被写体画像中の微小石灰化陰影の候補点を抽出する候補点抽出手段と、微小石灰化陰影の石灰化点に注目した第１の特徴量と微小石灰化陰影の石灰化点の近傍領域に注目した第２の特徴量とに基づいて、抽出された候補点に対して石灰化点であるか否かの判定を行って、当該候補点のうち当該判定により非石灰化点であると判定された候補点を除去する第１の除去手段（第１の異常陰影検出装置における第１の除去手段とは異なる）と、微小石灰化陰影の石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、上記第１の除去手段により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、当該クラスタ領域のうち当該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去する第２の除去手段（第１の異常陰影検出装置における第２の除去手段とは異なる）と、当該第２の除去手段により残されたクラスタ領域を、微小石灰化陰影として検出する検出手段とを備えたことを特徴とするものである。

これら本発明の方法および装置は、従来、別々あるいは非効率的な組合せや順序で行われていた、候補点についての注目する領域の規模別の特徴量に基づく複数の鑑別を、実験上効果的であると認められた組合せおよび順序で行うようにしたものである。

「石灰化点に注目した第１の特徴量」とは、石灰化点そのものの状態についての特徴を定量的に表した値であり、真の石灰化点であるか否かの判断基準となるものを意味する。

上記の「第１の特徴量」は、候補点の、大きさ、濃度、形状を表す特徴量のうち少なくとも１つであってもよい。

「候補点の大きさを表す特徴量」としては、例えば、画像上で候補点が占有する画素数を考えることができ、「候補点の濃度を表す特徴量」としては、例えば、画像上の候補点に対応する画素の濃度値を考えることができ、また「候補点の形状を表す特徴量」としては、例えば、候補点の円形度を考えることができる。

「石灰化点の近傍領域に注目した第２の特徴量」とは、石灰化点の近傍領域内の状態についての特徴を定量的に表した値であり、真の石灰化点であるか否かの判定基準となるものを意味する。

上記の「第２の特徴量」は、候補点周辺の所定の大きさを有する領域内に存在する候補点の、個数、大きさのばらつき、濃度のばらつき、形状のばらつき、当該各ばらつきのうち少なくとも１つに応じて重み付けされた個数のうち少なくとも１つであってもよい。この「所定の大きさを有する領域」としては、例えば、１０bitの１０mm/pixelの画像データの場合、半径５７pixel程度の円領域とすることができるが、この大きさや形状に限られるものではない。

また、「クラスタ領域に注目した第３の特徴量」とは、石灰化点をクラスタ化してなるクラスタ領域内の状態についての特徴を定量的に表した値であり、真の石灰化点からなるクラスタか否かの判定基準となるものを意味する。

上記の「第３の特徴量」は、クラスタ領域内に存在する候補点の、個数、大きさのばらつき、濃度のばらつき、形状のばらつき、当該各ばらつきの少なくとも１つに応じて重み付けされた個数、クラスタ領域内に存在する候補点の個数の、被写体画像中に存在する候補点の個数に対して占める割合、前記各ばらつきのうち少なくとも１つに応じて重み付けされた当該割合のうち少なくとも１つであってもよい。

「候補点の大きさのばらつき」としては、例えば、近傍領域またはクラスタ領域内の各候補点が占有する画素数の分散値を考えることができ、「候補点の濃度のばらつき」としては、例えば、近傍領域またはクラスタ領域内の各候補点に対応する画素の濃度値の分散値を考えることができ、また、「候補点の形状のばらつき」としては、例えば、近傍領域またはクラスタ領域内の各候補点の円形度の分散値を考えることができる。

「各ばらつきの少なくとも１つに応じて重み付けされた候補点の個数」としては、例えば、大きさの分散や濃度の分散が大きいほど大きくなる係数を、候補点の個数に乗じた値とすることができる。このような値の場合、候補点の大きさの分散や濃度の分散が大きいほど石灰化点である可能性が高く、小さいほどノイズである可能性が高いと判定できるため、例えば、所定の閾値を設定し、この値がこの閾値以上のときに石灰化であり、閾値未満のときにノイズであると判定することができる。

本発明の第１の異常陰影検出装置において、第１の除去手段における判定は、第１の特徴量を用いて算出される石灰化陰影およびノイズからのマハラノビス距離に基づく判定であってもよい。

また、本発明の第２の異常陰影検出装置において、第１の除去手段における判定は、第１の特徴量と第２の特徴量とを用いて算出される石灰化陰影およびノイズからのマハラノビス距離に基づく判定であってもよい。

ここで、「マハラノビス距離」とは、画像のパターン認識に用いられる距離尺度の１つであり、その値から画像パターンの類似性を見ることができる。画像パターンの特徴を示す複数の特徴量をベクトルで表し、標準の画像と認識対象となる画像とのベクトルの差分が反映されるよう定義されたものである。したがって、このマハラノビス距離を用いて、抽出された候補点と一般的な悪性の石灰化点との画像パターンの類似性を見ることにより、候補点が石灰化点であるか否かを判定することができる。

「マハラノビス距離の比」は、予め実験的に得られている石灰化点を示すパターンクラスからのマハラノビス距離Ｄ１とノイズを示すパターンクラスからのマハラノビス距離Ｄ２との比Ｄ２／Ｄ１で表され、この比が大きいほど石灰化である可能性が高く、小さいほどノイズである可能性が高いと判定できるため、例えば、所定の値を閾値に設定し、この比がこの閾値以上のときに石灰化であり、閾値未満のときにノイズであると判定することができる。

「候補点抽出手段」としては、例えば、所定のサイズの構造要素を用いて、構造要素よりも小さいサイズのノイズや陰影を画像中から除去または抽出することが可能なモフォロジーフィルタを利用して抽出する手段が考えられ、検出しようとする微小石灰化陰影（個々の微小な点状の石灰化陰影）よりも大きいサイズの構造要素を用いたモフォロジーフィルタ演算処理の出力値と所定の閾値とを比較することにより、画像中における乳癌の特徴的形態の一つである微小石灰化陰影の候補点を抽出することができる。なお、モフォロジーフィルタの詳細については、上記特許文献１を参照されたい。

本発明のプログラムは、コンピュータを、上記第１または第２の異常陰影検出装置における各手段として機能させるためのプログラムである。

これらのプログラムを、コンピュータが読取り可能な記録媒体に記録して供給するようにしてもよいし、コンピュータが接続可能なサーバに保存しておき、ダウンロードにより供給するようにしてもよい。

本発明の第１の異常陰影検出方法および装置によれば、実験上、鑑別の精度を高めることができた鑑別処理の形態、すなわち、抽出された微小石灰化陰影の候補点に対して、微小石灰化陰影の石灰化点そのものに注目した第１の特徴量に基づく鑑別処理を行った後、石灰化点の近傍領域に注目した第２の特徴量に基づく鑑別処理を行い、その後、石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づく鑑別処理を行うという形態で鑑別するようにしているので、効果的にノイズを除去することができ、微小石灰化陰影をより高精度に鑑別することが可能となる。これにより、医師の診断能を向上させることができる。

本発明の第２の異常陰影検出方法および装置によれば、実験上、鑑別の精度を高めることができたもう一つの鑑別処理の形態、すなわち、抽出された微小石灰化陰影の候補点に対して、微小石灰化陰影の石灰化点そのものに注目した第１の特徴量と、石灰化点の近傍領域に注目した第２の特徴量とに基づく鑑別処理を行った後、石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づく鑑別処理を行うという形態で鑑別するようにしているので、効果的にノイズを除去することができ、微小石灰化陰影をより高精度に鑑別することが可能となる。これにより、医師の診断能を向上させることができる。

以下、本発明の実施の形態を図面に基づいて説明する。図１は、本発明における第１の異常陰影検出装置の一実施形態である異常陰影検出装置１００を示す図である。

異常陰影検出装置１００は、被写体画像を表す被写体画像データＰに基づいて、被写体画像Ｐ中の微小石灰化陰影の候補点Ｑi を抽出する候補点抽出手段１１０と、微小石灰化陰影の石灰化点に注目した第１の特徴量に基づいて、抽出された候補点Ｑi に対して石灰化点であるか否かの判定を行って、当該候補点のうち当該判定により非石灰化点であると判定された候補点を除去する第１の除去手段１２０と、微小石灰化陰影の石灰化点の近傍領域に注目した第２の特徴量に基づいて、第１の除去手段１２０により残された候補点Ｑ′i に対して石灰化点であるか否かの判定を行って、当該候補点のうち当該判定により非石灰化点であると判定された候補点を除去する第２の除去手段１３０と、微小石灰化陰影の石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、第２の除去手段１３０により残された候補点Ｑ″i をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、当該クラスタ領域のうち当該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去する第３の除去手段１４０と、第３の除去手段１４０により残されたクラスタ領域Ｃi を、微小石灰化陰影として検出する検出手段１５０とを備えている。

次に、以上のように構成された異常陰影検出装置１００の作用について説明する。図２は、異常陰影検出装置１００の処理フローを示す図である。

被写体画像としての乳房の画像（マンモグラム）を表す画像データＰが候補点抽出手段１１０に入力されると、候補点抽出手段１１０では、画像データＰにモフォロジーフィルタ処理を施して、微細構造画像Ｐ′を作成し（ステップＳ１１）、作成された微細構造画像Ｐ′に対して大まかなノイズ除去を目的とした閾値処理、すなわち、濃度値が所定の閾値以上あるいは未満の画素を除去する処理を行い、微小石灰化の候補点が抽出された画像Ｐ″を作成する（ステップＳ１２）。なお、この画像Ｐ″には、真の石灰化点の他にノイズも含まれている。

候補点抽出手段１１０により微小石灰化の候補点Ｑi が画像Ｐ″上に抽出されると、第１の除去手段１２０では、画像Ｐ″中の各候補点を中心とした所定の矩形領域（例えば、４７×４７pixel ）においてウェーブレット変換を行って変換画像を得、得られた変換画像から個々の候補点に注目した第１の特徴量として、候補点の大きさ、濃度、形状などを表す特徴量を算出する（ステップＳ１３）。そこから、逐次選択法によって選ばれた準最適な特徴量の組合せを用いて、石灰化点を示す画像のパターンクラスからのマハラノビス距離Ｄ１（石灰化点からのマハラノビス距離という）とノイズを示す画像のパターンクラスからのマハラノビス距離Ｄ２（以下、ノイズからのマハラノビス距離という）とを求めて、マハラノビス距離の比Ｄ２／Ｄ１を算出し、このマハラノビス距離の比が所定の閾値以上である候補点は石灰化点であると判定し（ステップＳ１４）、それ以外の候補点はノイズとみなして除去する（ステップＳ１５）。

ここで、上記の第１の除去手段における判定について説明する。

マハラノビス距離とは、画像のパターン認識に用いられる距離尺度の１つであり、その値から画像パターンの類似性を見ることができる。画像パターンの特徴を示す複数の特徴量をベクトルで表し、標準の画像と認識対象となる画像とのベクトルの差分が反映されるよう定義されたものである。したがって、このマハラノビス距離を用いて、抽出された候補点と一般的な悪性の石灰化点との画像パターンの類似性を見ることにより、候補点が石灰化点であるか否かを判定することができる。

図３は、複数の候補点についてのマハラノビス距離の分布の一例を示す図である。この図からも分かるように、真の石灰化点は、石灰化点からのマハラノビス距離Ｄ１は小さく、ノイズからのマハラノビス距離Ｄ２は大きくなる傾向があり、逆に、ノイズは、石灰化点からのマハラノビス距離Ｄ１は大きく、ノイズからのマハラノビス距離Ｄ２は小さくなる傾向がある。したがって、マハラノビス距離の比Ｄ２／Ｄ１が大きいほど石灰化点である可能性が高く、小さいほどノイズである可能性が高いと判定できるため、所定の閾値（例えば、０．８）を設定し、マハラノビス距離の比がこの閾値以上のときに石灰化点であり、閾値未満のときにノイズであると判定することができる。

第１の除去手段１２０によりノイズとみなされた候補点の除去が行われると、第２の除去手段１３０が、第１の除去手段１２０による除去処理を通過した各候補点Ｑ′i に対して、候補点を中心とした所定の円領域を近傍領域として定義し、この近傍領域内に存在する候補点の、個数Ｋ、大きさの分散Ｂ１、濃度の分散Ｂ２を、候補点の近傍領域に注目した第２の特徴量として算出する（ステップＳ１６）。そして、この大きさの分散Ｂ１および濃度の分散Ｂ２が大きいほど候補点の個数Ｋにプラスの重み付けをし、逆に、大きさの分散Ｂ１および濃度の分散Ｂ２が小さいほどマイナスの重み付けをして、重み付けされた候補点の個数Ｋ′を得る。この重み付けされた個数Ｋ′が所定の閾値以上の候補点を石灰化点と判定し（ステップＳ１７）、それ以外の候補点はノイズとみなして除去する（ステップＳ１８）。

ここで、上記の第２の除去手段における判定について説明する。

石灰化点は、比較的狭い領域内に固まって存在するという特徴がある。また、それら石灰化点の大きさや濃度のばらつきがノイズに比べて比較的大きいという特徴もある。

図４は、複数の候補点について、各候補点の近傍領域内に存在する候補点の大きさの分散および濃度の分散の分布の一例を示す図である。この図から、真の石灰化点は、その近傍領域内に存在する候補点の大きさの分散や濃度の分散がノイズに比べて大きくなる傾向があることが分かる。したがって、候補点の近傍領域（例えば、半径５７pixel の円領域）内に存在する他の候補点の個数に、これら他の候補点の大きさの分散や濃度の分散が大きいほどプラスになる重み付けをし、重み付けされた候補点の個数が、所定の閾値（例えば、５個）以上のときに石灰化点であり、閾値未満のときにノイズであると判定することができる。

第２の除去手段１３０によりノイズとみなされた候補点の除去が行われると、第３の除去手段１４０が、第２の除去手段１３０の除去処理を通過した候補点Ｑ″i に対し、所定の近傍領域が重なり合う候補点は同一のクラスタに属するものとして近傍領域を連結して、クラスタ領域を設定する（ステップＳ１９）。設定された各クラスタ領域内に存在する候補点の個数ＫＫをクラスタ領域に着目した第３の特徴量として算出する（ステップＳ１Ａ）。また、画像Ｐ″中に存在する全候補点（既に除去されたものを除く）の個数ＺＫを算出し、個数ＫＫが個数ＺＫに対して占める割合Ｒを求め、この割合Ｒが所定の閾値以上のクラスタ領域を微小石灰化陰影と判定し（ステップＳ１Ｂ）、それ以外のクラスタ領域はノイズとみなして除去する（ステップＳ１Ｃ）。

なお、上記第３の特徴量および割合Ｒは、下記のようにして求めてもよい。

設定された各クラスタ領域内に存在する候補点の、個数ＫＫ、大きさの分散ＫＢ１、濃度の分散ＫＢ２を、クラスタ領域に注目した第３の特徴量として算出するとともに、画像Ｐ″中に存在する全候補点（既に除去されたものを除く）の、個数ＺＫ、大きさの分散ＺＢ１、濃度の分散ＺＢ２を算出する。さらに、大きさの分散ＫＢ１および濃度の分散ＫＢ２が大きいほど候補点の個数ＫＫにプラスの重み付けをし、逆に、大きさの分散ＫＢ１および濃度の分散ＫＢ２が小さいほどマイナスの重み付けをして、重み付けされた候補点の個数ＫＫ′を得るとともに、大きさの分散ＺＢ１および濃度の分散ＺＢ２が大きいほど候補点の個数ＺＫにプラスの重み付けをし、逆に、大きさの分散ＺＢ１および濃度の分散ＺＢ２が小さいほどマイナスの重み付けをして、重み付けされた候補点の個数ＺＫ′を得る。そして、重み付けされた、クラスタ領域内の候補点の個数ＫＫ′が、重み付けされた、画像中の全候補点の個数ＺＫ′に対して占める割合Ｒを求める。

ここで、上記の第３の除去手段における判定について説明する。

石灰化点は、先に述べたとおり、比較的狭い領域内に固まって存在するという特徴があり、また、それら石灰化点の大きさや濃度のばらつきがノイズに比べて比較的大きいという特徴もある。

図５は、複数のクラスタ領域について、クラスタ領域内の候補点の個数が画像全体の候補点の個数に対して占める割合の分布の一例を示す図である。この図から、真の石灰化点によるクラスタ領域の場合、この割合が多きくなる傾向があることが分かる。したがって、クラスタ領域内に存在する候補点の個数に、これらの候補点の大きさの分散や濃度の分散が大きいほどプラスになる重み付けをした値が、画像全体に存在する候補点の個数に、これら全候補点の大きさの分散や濃度の分散が大きいほどプラスになる重み付けをした値に対して占める割合が、所定の閾値（例えば、１７％）以上のときに石灰化点によるクラスタ、すなわち、真の微小石灰化陰影であり、閾値未満のときにノイズによるものであると判定することができる。

検出手段１５０は、第３の除去手段による除去処理を通過したクラスタ領域Ｃi を、微小石灰化陰影の候補として検出する（ステップＳ１Ｄ）。

なお、第１の除去手段１２０における判定においては、マハラノビス距離を算出せずに、各特徴量について閾値処理を行うことにより判定するようにしてもよい。あるいは、マハラノビス距離と各特徴量の両方を考慮して判定するようにしてもよい。

また、第３の除去手段１４０における判定においては、クラスタ領域内の候補点の大きさのばらつき、濃度のばらつき、クラスタ自体の形状を表す特徴量を算出して、これらの特徴量を考慮して判定するようにしてもよい。

このような異常陰影検出装置１００によれば、実験上、鑑別の精度を高めることができた鑑別処理の形態、すなわち、抽出された微小石灰化陰影の候補点に対して、微小石灰化陰影の石灰化点そのものに注目した第１の特徴量に基づく鑑別処理を行った後、石灰化点の近傍領域に注目した第２の特徴量に基づく鑑別処理を行い、その後、石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づく鑑別処理を行うという形態で鑑別するようにしているので、効果的にノイズを除去することができ、微小石灰化陰影をより高精度に鑑別することが可能となる。これにより、医師の診断能を向上させることができる。

図６は、本発明における第２の異常陰影検出装置の一実施形態である異常陰影検出装置２００を示す図である。

異常陰影検出装置２００は、被写体画像を表す被写体画像データＰに基づいて、被写体画像Ｐ中の微小石灰化陰影の候補点Ｑi を抽出する候補点抽出手段２１０と、微小石灰化陰影の石灰化点に注目した第１の特徴量と微小石灰化陰影の石灰化点の近傍領域に注目した第２の特徴量とに基づいて、抽出された候補点Ｑi に対して石灰化点であるか否かの判定を行って、当該候補点のうち当該判定により非石灰化点であると判定された候補点を除去する第１の除去手段２２０（異常陰影検出装置１００の第１の除去手段１２０とは異なる）と、微小石灰化陰影の石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、第１の除去手段２２０により残された候補点Ｑ′i をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、当該クラスタ領域のうち当該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去する第２の除去手段２３０（異常陰影検出装置１００の第２の除去手段１３０とは異なる）と、第２の除去手段２３０により残されたクラスタ領域Ｃi を、微小石灰化陰影として検出する検出手段２４０とを備えている。

次に、以上のように構成された異常陰影検出装置２００の作用について説明する。図７は、異常陰影検出装置２００の処理フローを示す図である。

被写体画像としての乳房の画像（マンモグラム）を表す画像データＰが候補点抽出手段２１０に入力されると、候補点抽出手段２１０では、画像データＰにモフォロジーフィルタ処理を施して、微細構造画像Ｐ′を作成し（ステップＳ２１）、作成された微細構造画像Ｐ′に対して大まかなノイズ除去を目的とした閾値処理、すなわち、濃度値が所定の閾値未満の画素を除去する処理を行い、微小石灰化の候補点が抽出された画像Ｐ″を作成する（ステップＳ２２）。なお、この画像Ｐ″には、真の石灰化点の他にノイズも含まれている。

候補点抽出手段２１０により微小石灰化の候補点が画像Ｐ″上に抽出されると、第１の除去手段２２０では、画像Ｐ″中の各候補点を中心とした所定の矩形領域（例えば、４７×４７pixel）においてウェーブレット変換を行って変換画像を得、得られた変換画像から個々の候補点に注目した第１の特徴量として、候補点の大きさ、濃度、形状などを表す特徴量を算出するとともに、候補点を中心とした所定の円領域を近傍領域として定義し、この近傍領域内に存在する候補点の、個数Ｋ、大きさの分散Ｂ１、濃度の分散Ｂ２を、候補点の近傍領域に注目した第２の特徴量として算出する（ステップＳ２３）。このとき、この大きさの分散Ｂ１および濃度の分散Ｂ２が大きいほど候補点の個数Ｋにプラスの重み付けをし、逆に、大きさの分散Ｂ１および濃度の分散Ｂ２が小さいほどマイナスの重み付けをして、重み付けされた候補点の個数Ｋ′を算出し、これも特徴量の一つとして利用してもよい。そこから、逐次選択法によって選ばれた準最適な特徴量の組合せを用いて、石灰化点からのマハラノビス距離Ｄ１とノイズからのマハラノビス距離Ｄ２とを求めて、マハラノビス距離の比Ｄ２／Ｄ１を算出し、このマハラノビス距離の比が所定の閾値以上である候補点は石灰化点であると判定し（ステップＳ２４）、それ以外の候補点はノイズとみなして除去する（ステップＳ２５）。

第１の除去手段２２０によりノイズとみなされた候補点の除去が行われると、第２の除去手段２３０が、第１の除去手段２２０の除去処理を通過した候補点Ｑ′i に対し、所定の近傍領域が重なり合う候補点は同一のクラスタに属するものとして近傍領域を連結し、クラスタ領域を設定する（ステップＳ２６）。設定された各クラスタ領域内に存在する候補点の個数ＫＫをクラスタ領域に注目した第３の特徴量として算出する（ステップＳ２７）。また、画像Ｐ″中に存在する全候補点（既に除去されたものを除く）の個数ＺＫを算出し、個数ＫＫが個数ＺＫに対して占める割合Ｒを求め、この割合Ｒが所定の閾値以上のクラスタ領域を微小石灰化陰影であると判定し（ステップＳ２８）、それ以外のクラスタ領域はノイズとみなして除去する（ステップＳ２９）。

なお、上記第３の特徴量および割合Ｒは、下記のようにして求めてもよい。

設定された各クラスタ領域内に存在する候補点の、個数ＫＫ、大きさの分散ＫＢ１、濃度の分散ＫＢ２を、クラスタ領域に注目した第３の特徴量として算出するとともに、画像Ｐ″中に存在する全候補点（既に除去されたものを除く）の、個数ＺＫ、大きさの分散ＺＢ１、濃度の分散ＺＢ２を算出する。さらに、大きさの分散ＫＢ１および濃度の分散ＫＢ２が大きいほど候補点の個数ＫＫにプラスの重み付けをし、逆に、大きさの分散ＫＢ１および濃度の分散ＫＢ２が小さいほどマイナスの重み付けをして、重み付けされた候補点の個数ＫＫ′を得るとともに、大きさの分散ＺＢ１および濃度の分散ＺＢ２が大きいほど候補点の個数ＺＫにプラスの重み付けをし、逆に、大きさの分散ＺＢ１および濃度の分散ＺＢ２が小さいほどマイナスの重み付けをして、重み付けされた候補点の個数ＺＫ′を得る。そして、重み付けされた、クラスタ領域内の候補点の個数ＫＫ′が、重み付けされた、画像中の全候補点の個数ＺＫ′に対して占める割合Ｒを求める。

検出手段２４０は、第２の除去手段による除去処理を通過したクラスタ領域Ｃi を、微小石灰化陰影の候補として検出する（ステップＳ２Ａ）。

なお、第１の除去手段２２０における判定は、マハラノビス距離を算出せずに、各特徴量について閾値処理を行うことにより判定するようにしてもよい。あるいは、マハラノビス距離と各特徴量の両方を考慮して判定するようにしてもよい。

また、第２の除去手段２３０における判定は、クラスタ領域内の候補点の大きさのばらつき、濃度のばらつき、クラスタ自体の形状を表す特徴量を算出して、これらの特徴量を考慮して判定するようにしてもよい。

このような異常陰影検出装置２００によれば、実験上、鑑別の精度を高めることができた鑑別処理の形態、すなわち、抽出された微小石灰化陰影の候補点に対して、微小石灰化陰影の石灰化点そのものに注目した第１の特徴量と、石灰化点の近傍領域に注目した第２の特徴量とに基づく鑑別処理を行った後、石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づく鑑別処理を行うという形態で鑑別するようにしているので、効果的にノイズを除去することができ、微小石灰化陰影をより高精度に鑑別することが可能となる。これにより、医師の診断能を向上させることができる。

なお、コンピュータを、上記実施形態の各装置における各手段として機能させるためのプログラムを作成し、このプログラムを、コンピュータが読取り可能な記録媒体に記録して供給したり、コンピュータが接続可能なサーバに保存しておき、ダウンロードにより供給したりしてもよい。このようにすれば、このプログラムをコンピュータ上で実行させることにより、上記の各装置と同様の効果を得ることができる。

本発明の第１の異常陰影検出装置の一実施形態である異常陰影検出装置１００を示す図 異常陰影検出装置１００における処理フローを示す図 候補点の石灰化点およびノイズからのマハラノビス距離の分布の一例を示す図 候補点の近傍領域内に存在する他の候補点の大きさおよび濃度の分散の分布の一例を示す図 クラスタ領域内の候補点の個数の全候補点の個数に対する割合の分布の一例を示す図 本発明の第２の異常陰影検出装置の一実施形態である異常陰影検出装置２００を示す図 異常陰影検出装置２００における処理フローを示す図

符号の説明

１００ 異常陰影検出装置
１１０ 候補点抽出手段
１２０ 第１の除去手段
１３０ 第２の除去手段
１４０ 第３の除去手段
１５０ 検出手段
２００ 異常陰影検出装置
２１０ 候補点抽出手段
２２０ 第１の除去手段
２３０ 第２の除去手段
２４０ 検出手段

Claims (11)

1. 被写体画像を表す被写体画像データに基づいて、該被写体画像中の微小石灰化陰影の候補点を抽出し、
   微小石灰化陰影の石灰化点に注目した第１の特徴量に基づいて、前記抽出された候補点に対して石灰化点であるか否かの判定を行って、該候補点のうち該判定により非石灰化点であると判定された候補点を除去し、
   前記石灰化点の近傍領域に注目した第２の特徴量に基づいて、前記除去により残された候補点に対して石灰化点であるか否かの判定を行って、該候補点のうち該判定により非石灰化点であると判定された候補点を除去する第２の除去を行い、
   前記石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、前記第２の除去により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、該クラスタ領域のうち該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去し、
   該除去により残されたクラスタ領域を、微小石灰化陰影として検出することを特徴とする異常陰影検出方法。
2. 被写体画像を表す被写体画像データに基づいて、該被写体画像中の微小石灰化陰影の候補点を抽出し、
   微小石灰化陰影の石灰化点に注目した第１の特徴量と前記石灰化点の近傍領域に注目した第２の特徴量とに基づいて、前記抽出された候補点に対して石灰化点であるか否かの判定を行って、該候補点のうち該判定により非石灰化点であると判定された候補点を除去し、
   前記石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、前記除去により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、該クラスタ領域のうち該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去し、
   該除去により残されたクラスタ領域を、微小石灰化陰影として検出することを特徴とする異常陰影検出方法。
3. 被写体画像を表す被写体画像データに基づいて、該被写体画像中の微小石灰化陰影の候補点を抽出する候補点抽出手段と、
   微小石灰化陰影の石灰化点に注目した第１の特徴量に基づいて、前記抽出された候補点に対して石灰化点であるか否かの判定を行って、該候補点のうち該判定により非石灰化点であると判定された候補点を除去する第１の除去手段と、
   前記石灰化点の近傍領域に注目した第２の特徴量に基づいて、前記第１の除去手段により残された候補点に対して石灰化点であるか否かの判定を行って、該候補点のうち該判定により非石灰化点であると判定された候補点を除去する第２の除去手段と、
   前記石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、前記第２の除去手段により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、該クラスタ領域のうち該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去する第３の除去手段と、
   該第３の除去手段により残されたクラスタ領域を、微小石灰化陰影として検出する検出手段とを備えたことを特徴とする異常陰影検出装置。
4. 前記第１の除去手段における判定が、前記第１の特徴量を用いて算出される石灰化陰影およびノイズからのマハラノビス距離に基づく判定であることを特徴とする請求項３記載の異常陰影検出装置。
5. 被写体画像を表す被写体画像データに基づいて、該被写体画像中の微小石灰化陰影の候補点を抽出する候補点抽出手段と、
   微小石灰化陰影の石灰化点に注目した第１の特徴量と前記石灰化点の近傍領域に注目した第２の特徴量とに基づいて、前記抽出された候補点に対して石灰化点であるか否かの判定を行って、該候補点のうち該判定により非石灰化点であると判定された候補点を除去する第１の除去手段と、
   前記石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、前記第１の除去手段により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、該クラスタ領域のうち該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去する第２の除去手段と、
   該第２の除去手段により残されたクラスタ領域を、微小石灰化陰影として検出する検出手段とを備えたことを特徴とする異常陰影検出装置。
6. 前記第１の除去手段における判定が、前記第１の特徴量と前記第２の特徴量とを用いて算出される石灰化陰影およびノイズからのマハラノビス距離に基づく判定であることを特徴とする請求項５記載の異常陰影検出装置。
7. 前記第１の特徴量が、候補点の、大きさ、濃度、形状を表す特徴量のうち少なくとも１つを含むものであることを特徴とする請求項３から６いずれか記載の異常陰影検出装置。
8. 前記第２の特徴量が、候補点周辺の所定の大きさを有する領域内に存在する候補点の、個数、大きさのばらつき、濃度のばらつき、形状のばらつき、該各ばらつきのうち少なくとも１つに応じて重み付けされた個数のうち少なくとも１つを含むものであることを特徴とする請求項３から７記載の異常陰影検出装置。
9. 前記第３の特徴量が、クラスタ領域内に存在する候補点の、個数、大きさのばらつき、濃度のばらつき、形状のばらつき、該各ばらつきのうち少なくとも１つに応じて重み付けされた個数、前記個数が前記被写体画像中に存在する候補点の個数に対して占める割合、前記各ばらつきのうち少なくとも１つに応じて重み付けされた該割合のうち少なくとも１つを含むものであることを特徴とする請求項３から８いずれか記載の異常陰影検出装置。
10. コンピュータを、
    被写体画像を表す被写体画像データに基づいて、該被写体画像中の微小石灰化陰影の候補点を抽出する候補点抽出手段と、
    微小石灰化陰影の石灰化点に注目した第１の特徴量に基づいて、前記抽出された候補点に対して石灰化点であるか否かの判定を行って、該候補点のうち該判定により非石灰化点であると判定された候補点を除去する第１の除去手段と、
    前記石灰化点の近傍領域に注目した第２の特徴量に基づいて、前記第１の除去手段により残された候補点に対して石灰化点であるか否かの判定を行って、該候補点のうち該判定により非石灰化点であると判定された候補点を除去する第２の除去手段と、
    前記石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、前記第２の除去手段により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、該クラスタ領域のうち該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去する第３の除去手段と、
    該第３の除去手段により残されたクラスタ領域を、微小石灰化陰影として検出する検出手段として機能させるためのプログラム。
11. コンピュータを、
    被写体画像を表す被写体画像データに基づいて、該被写体画像中の微小石灰化陰影の候補点を抽出する候補点抽出手段と、
    微小石灰化陰影の石灰化点に注目した第１の特徴量と前記石灰化点の近傍領域に注目した第２の特徴量とに基づいて、前記抽出された候補点に対して石灰化点であるか否かの判定を行って、該候補点のうち該判定により非石灰化点であると判定された候補点を除去する第１の除去手段と、
    前記石灰化点をクラスタ化してなるクラスタ領域に注目した第３の特徴量に基づいて、前記第１の除去手段により残された候補点をクラスタ化してなるクラスタ領域に対して微小石灰化陰影であるか否かの判定を行って、該クラスタ領域のうち該判定により非微小石灰化陰影であると判定されたクラスタ領域を除去する第２の除去手段と、
    該第２の除去手段により残されたクラスタ領域を、微小石灰化陰影として検出する検出手段として機能させるためのプログラム。

Images