TOP > 国内特許検索 > 医用X線画像における尾根線部分検出方法 > 明細書

明細書 :医用X線画像における尾根線部分検出方法

発行国 日本国特許庁(JP)
公報種別 特許公報(B2)
特許番号 特許第3245597号 (P3245597)
公開番号 特開2001-202499 (P2001-202499A)
登録日 平成13年11月2日(2001.11.2)
発行日 平成14年1月15日(2002.1.15)
公開日 平成13年7月27日(2001.7.27)
発明の名称または考案の名称 医用X線画像における尾根線部分検出方法
国際特許分類 G06T  1/00      
A61B  6/00      
G06T  5/20      
G06T  7/60      
FI G06T 1/00 290A
G06T 5/20
G06T 7/60
A61B 6/00
請求項の数または発明の数 1
全頁数 7
出願番号 特願2000-012020 (P2000-012020)
出願日 平成12年1月20日(2000.1.20)
審査請求日 平成12年1月20日(2000.1.20)
特許権者または実用新案権者 【識別番号】399063552
【氏名又は名称】株式会社シーズ・ラボ
【識別番号】301022471
【氏名又は名称】独立行政法人通信総合研究所
発明者または考案者 【氏名】加藤 晴夫
【氏名】江 浩
個別代理人の代理人 【識別番号】100058479、【弁理士】、【氏名又は名称】鈴江 武彦 (外5名)
審査官 【審査官】新井 則和
参考文献・文献 特開 平8-287230(JP,A)
調査した分野 G06T 1/00 290
A61B 6/00
G06T 5/20
G06T 7/60 200
特許請求の範囲 【請求項1】
原画像を読み込み関心領域を切り取る第1ステップと、
第1ステップで得た画像をポジ画像にする第2ステップと、
第2ステップで得た前記ポジ画像に対して、その輝度が一定値g以下のものをゼロ値にする第3ステップと、
第3ステップで得た画像に対して、その輝度の値gと最大値との間のダイナミックレンジを拡大するヒストグラムストレッチを行う第4ステップと、
第4ステップで得た画像に対して、低帯域で狭帯域の円形対称2次元FIRバンドパスフィルタ(直流通過成分はゼロ)にかける第5ステップと、
第5ステップで得た画像に対して、その負の値をゼロにし、2-1を超える値を2-1にセットし、その結果の画像のヒストグラムフラットニング(ヒストグラムイコライゼーション)を行い、その結果画像を画像Aとする第6ステップと、
第4ステップで得た画像に対して、広帯域で直流通成分がdの2次元円対称FIRバンドパスフィルタにかける第7ステップと、
第7ステップで得た画像に対して、第6ステップと同様な処理を行い、その結果画像を画像Bとする第8ステップと、
先の画像BとAを用いて、B-Aの処理を行い、且つその結果、輝度値が負になる画素の輝度をゼロにする第9ステップと、
第9ステップで得た画像に対して、狭帯域円対称ローパスフィルタによるフィルタリングを行う第10ステップと、
第10ステップで得た画像に対して、ヒストグラムストレッチを行い値ゼロと値2-1との間に輝度値を広げる第11ステップと、
第11ステップで得た画像に対して、輝度値がh以下の画素をゼロにし、この結果画像を画像Cとする第12ステップと、
第6ステップの画像Aを値mで閾値処理し、m以下の輝度値を持つ画素をゼロ、それ以外を1とする第13ステップと、
第13ステップで得た2値画像を4連結の領域に分割する第14ステップと、
第14ステップの画像の領域で画素数がn以下の部分を消去する第15ステップと、
第15ステップで得られた画像と、画像Cとつながる画像とを残し、これを除く領域の画像を消去する第16ステップと、
第8ステップで得た画像Bの輝度の最大値のx%で2値化を行い、細線化処理、端点除去<HAN>、</HAN>孤立点除去をおこなう第17ステップと、
第17ステップにおいて、領域が複数存在する場合には、面積最大領域を除く領域は消去し、これにより、残った1つの領域の画像とこれにつながるスケルトン画像とを得る第18ステップと、
第18ステップで得た画像とステップ16で得た画像との間で、一ヶ所でも重なる部分があるとその領域を第16ステップで得た画像から選択し、これを除く部分は第16ステップで得た画像内から消去する第19ステップと、
第18ステップで得た画像からスケルトン画像の部分を除去することで線成分を消去し、面積が最大の領域の画像を残し、それを除く部分は消去し、画像Dを得る第20ステップと、
第19ステップで得た画像の中にある複数領域のうち、画像Dの領域に完全に含まれてしまう領域を消去する第21ステップと、
第21ステップにおいて残った画像を尾根線部分とする第22ステップとを有することを特徴とする医用X線画像における尾根線部分検出方法。
発明の詳細な説明 【発明の詳細な説明】

【0001】

【発明の属する技術分野】この発明は、医用X線画像における尾根線部分検出方法に関するもので、例えば乳癌等の尾根線成分を検出するのに利用される。

【0002】

【従来の技術】乳癌のように特徴のある癌では、Spicula(スピクラ)が存在し、これが尾根線成分として現れる。この尾根線成分の検出方法としては従来各種の方法が存在する。

【0003】
そして、被写体を撮像したX線画像情報を用い、Spicula(スピクラ)による尾根線成分を検出して、乳癌の判断を行うための補助要素として用いる方法がある。

【0004】

【発明が解決しようとする課題】しかし従来の尾根線成分の検出方法によると、尾根線成分が幅広いダイナミックレンジの画像信号、即ちグレイレベル上に非常に小さい信号として存在するために、長い尾根線を木の根のように、太い部分から細い部分までを一様に検出することは困難であるという問題があった。

【0005】
尾根線成分の検出を困難としているのは、原画像のダイナミックレンジが広いところに原因がある。幅広いダイナミックレンジの中にグレイレベルの観点からは、尾根線成分は、他の部分とわずかな差をもって、かつある範囲にわたり存在するからである。目視では尾根線であることは分かっても、それが他の緩やかな空間周波数成分の上に重畳され存在するので、画像処理で自動的に検出を行うとなると非常に困難となる。

【0006】
そこでこの発明では、尾根線成分を構成する太い部分から細い部分まで一様に検出可能な医用X線画像における尾根線部分検出方法を提供することを目的とする。

【0007】

【課題を解決するための手段】この発明は、特性の異なる2次元の円対称の周波数特性をもつFIRデジタルフィルタを処理の最初に使用し、各フィルタリング出力を用い、大きなダイナミックレンジの中に存在する尾根線部分を構成する特徴部分を強調し、抽出するものである。そして、二値化、細線化、太線化、領域ラベリングなどの画像処理を組み合わせ尾根線成分の尾根を検出する。

【0008】

【発明の実施の形態】以下、この発明の実施の形態を図面を参照して説明する。

【0009】
図1はこの発明の医用X線画像における尾根線部分検出方法の手順を示している。

【0010】
ここで使用する原画像データは、コンピューティド・ラディオグラフィー(Computed Radiography)により得られた、画素数が2510×2000、グレイレベル10ビットの画像である。

【0011】
これはマンモグラフィー撮影の際の全ての部分を含む画像であるため、画像内部には冗長な部分も多く含む。今回は、乳房部分、さらには乳癌部分の尾根線部分を検出する例を説明する。まず、原画像から乳癌部分である必要領域を切り出すという処理は、マニュアルで行う。ここでは画像サイズが大きいので原データを間引きにより1260×1000の大きさの画像に縮小する。次に腫瘍部分を囲む正方形の領域を設定し、その部分を切り出す。これを原データとして以降の画像処理に使用する。

【0012】
図1は画像処理の流れを示している。

【0013】
まず、この画像処理の基本的なステップを以下に述べて、そのあと各部の詳細を述べることにする。

【0014】
ステップs1では、原画像を読み込み関心領域を切り取る。ステップs2ではステップで得た画像をポジ画像にする。ステップs3では、ステップs2で得た前記ポジ画像に対して、その輝度が一定値g以下(例えば400以下)のものをゼロ値にする。ステップs4では、ステップs3で得た画像に対して、その輝度の値gと最大値との間のダイナミックレンジを拡大するヒストグラムストレッチを行う。

【0015】
ステップs5では、ステップs4で得た画像に対して、低帯域で狭帯域の円形対称2次元FIRバンドパスフィルタ(直流通過成分はゼロ)にかける。ステップs6では、ステップs5で得た画像に対して、その負の値をゼロにし、2-1を超える値を2-1にセットし、その結果の画像のヒストグラムフラットニング(ヒストグラムイコライゼーション)を行い、その結果画像を画像Aとする。

【0016】
ステップs7では、ステップs4で得た画像に対して、広帯域で直流通成分がdの2次元円対称FIRバンドパスフィルタにかける。ステップs8ではステップs7で得た画像に対して、ステップs6と同様な処理を行い、その結果画像を画像Bとする。

【0017】
ステップs9では、先の画像BとAを用いて、B-Aの処理を行い、且つその結果、輝度値が負になる画素の輝度をゼロにする。ステップs10では、テップs9で得た画像に対して、狭帯域円対称ローパスフィルタによるフィルタリングを行う。

【0018】
ステップs11では、ステップs10で得た画像に対して、ヒストグラムストレッチを行い値ゼロと値2-1との間に輝度値を広げる。ステップs1で得た画像に対して、輝度値がh以下の画素をゼロにし、この結果画像を画像Cとする。

【0019】
ステップs13では、ステップの画像Aを値m(例えば511)で閾値処理し、m以下の輝度値を持つ画素をゼロ、それ以外を1とする。ステップs14では、ステップs13で得た2値画像を4連結の領域に分割する。ステップs15では、ステップs14の画像の領域で画素数がn以下(例えば100以下)の部分を消去する。

【0020】
ステップs16では、ステップs15で得られた画像と、ステップs12の画像Cとつながる画像とを残し、これを除く領域の画像を消去する。

【0021】
ステップs17では、ステップs8で得た画像Bの輝度の最大値のx%(例えば75%)で2値化を行い、細線化処理、端点除去<HAN>、</HAN>孤立点除去をおこなう。

【0022】
ステップs18では、ステップs17において、領域が複数存在する場合には、面積最大領域を除く領域は消去し、これにより、残った1つの領域の画像とこれにつながる擬スケルトン画像とを得る。

【0023】
ステップs19では、ステップs18で得た画像とステップs16で得た画像との間で、一ヶ所でも重なる部分があればその領域をステップs16で得た画像から選択し、これを除く部分はステップs16で得た画像内から消去する。

【0024】
ステップs20では、ステップs18で得た画像からスケルトン画像の部分を除去することで線成分を消去し、面積が最大の領域の画像を残し、それを除く部分は消去し、画像Dを得る。ステップs21では、ステップs19で得た画像の中にある複数領域のうち、画像Dの領域に完全に含まれてしまう領域を消去する。ステップs21において残った画像を尾根線部分とする(ステップs22)。

【0025】
次に、ステップs1,s2から具体的に説明する。

【0026】
原データは10ビットの画像でグレイレベルは0から1023までである。またこのままでは腫瘍部分が廻りの正常部分より暗い領域として現れるネガの状態となっている。これは画像撮影の手法に起因するものである。しかしこのままで表示すると血管も含め癌の部分も他の部分より暗い映像で表示される。ここで行う処理はネガの状態よりもポジの状態で行う方が理解しやすので、原画像データをファイルから読み込んだ後、最初にネガとポジの反転処理を行う(ステップS1,S2)。これにより癌や血管の部分は明るい部分として表示される画像となる。

【0027】
次に尾根線部分の抽出を行うための準備段階として、ヒストラグラムカット処理を行う。これはヒストラグラムにおけるグレイレベル以下の不要濃度部分の除去を行う処理である。

【0028】
続いて雑音除去、及び血管、腫瘍、尾根線成分などの強調を行うために2次元FIRデジタルフィルタによる画像の2次元デジタルフィルタリングを行う。つまり、画像強調及びノイズ除去のため、円対称の周波数特性を持ち、2種類のバンド幅持つ2つの異なる円対称バンドパスフィルタを使用してフィルタリングを行う。これらのフィルタの特性については後述する。

【0029】
図2にはここで使用した原画像を、また、参考のためにその原画像の周波数スペクトラムを図3に示す。図4には、図2に示した原画像の濃度ヒストラグラムを示している。

【0030】
グレイレベルが400以下の画素については、背景部分等の不要部分であることが分かっているので、ヒストラグラムカット処理により、その部分のグレイレベルを0とする。さらに原画像の腫瘍部分を含む画像領域の濃度分布特性を保存したまま、コントラストの向上を図るため、ヒストラグラムストレッチを行っている。

【0031】
この処理は画像を目で見たときのコントラストの向上を図ることと、後に続く処理のために画像を10ビットのダイナミックレンジに均等に広げることが目的である。したがってこの処理による濃度分布の変化は線形であり、以降の計算機処理に悪影響を与えるものではない。

【0032】
この結果を図5に示している。またこの処理を行った結果のヒストラグラムを図6に示している。

【0033】
図1に戻り、フィルタリング処理について説明する。

【0034】
2次元円対称FIRデジタルフィルタの設定は、以下のように行われる。ここでは、前処理後の画像、即ち図5を原画像としてフィルタリングにより乳癌の部分、血管の部分、そして尾根線成分の強調を行う。言い換えると、画像全体が持っている緩やかなグレイレベルの変化を除去あるいは低減させ、血管や尾根線成分を抽出しやすくする処理を行うのである。

【0035】
そこで、前述したように、ある程度の太さのある血管や尾根線部分のみを抽出するフィルタ、及びそれら血管に加えて癌の中心部分を含む血管や尾根線部分を抽出するフィルタの2種類のフィルタを設計した。

【0036】
円対称フィルタを用いる利点は、少なくとも2つある。第1は、従来からのラプラシアンオペレータ、あるいはソーベルオペレータその他の線形オペレータさらには非線形オペレータによる強調、あるいは周波数処理とは異なり、画像の周波数成分の方向による処理特性の違いがないこと、即ち、文字どおり等方向であること。第2には、特定の周波数成分の通過、阻止、さらには増幅が比較的容易であるという点である。

【0037】
図7にはここで設計した広帯域の円対称バンドパスフィルタの周波数レスポンスを示す。最初にこのフィルタ設計のためのため、バンドエッジは0.002π、及び0.25πと設定した。窓方法(Window method)により長さ55の1次元FIR(Finite Duration Impulse Response)デジタルフィルタを設計する。この手法での1次元FIRプロトタイプの設計時に使用した窓(window)は、コサイン(cosine)のチップ(tip)の3乗である。得られた1次元FIRプロトタイプフィルタをフーリエ・リコンストラクション法により、2次元に拡張し2次元の円対称の周波数レスポンスを持つフィルタを得る。

【0038】
このフィルタをここでは広帯域円対称バンドパスフィルタと呼ぶ。このフィルタサイズは、55×55であり、直流成分は0.1491(-17dB)である。そのため画像内における直流成分を若干通過させる性質を持っているので、血管のみならず腫瘍部分本体についても抽出が可能である。さらにパスバンドの帯域幅がある程度広いため血管細部についても検出できる。

【0039】
図8には、同様な方法で設計した29×29の円対称FIRフィルタの周波数レスポンスを示している。このときの1次元FIRプロトタイプ設計のためのカットオフ周波数は、0.005π及び0.2πである。

【0040】
このフィルタのことをここでは低帯域円対称バンドパスフィルタと称する。このフィルタの直流成分は0になるように設計したので、画像の持つ直流成分は通過しない。つまり帯域が低く狭いことにより、ある程度分解能は粗くなるが、主な血管成分や尾根線部分と見られる箇所の抽出が可能である。

【0041】
図7及び図8では直流成分付近での通過特性をみることができないが、直流成分に近い領域は急峻な円形のパスバンドエッジの特性形状である。

【0042】
次に、円対称デジタルフィルタリング及び腫瘍領域と付随する血管や尾根線成分の抽出について述べる。

【0043】
図9には、図5に示した原画像に対して広帯域フィルタをかけ、さらにその結果に対してヒストグラムフラットニングを行った結果の画像を示している。

【0044】
フィルタリングは、離散空間コンボレーションによりおこなったが、その際の画像周辺の無効部分についてはこの画像から取り除いて表示している。

【0045】
図9の画像に対してグレイレベル最大値の75%の値で2値化を行う。次に得られた2値画像の細線化処理を行い、続いて端点除去、さらには孤立点除去を行う。最後に最大領域を抽出し、その結果を擬スケルトン画像として図10に示す。

【0046】
これは、腫瘍の部分とそれにつながる血管類や尾根線成分と見られる領域を抽出するためのテンプレートとして使用する。また図11には図10の画像を元に、細線部分除去、最大面積領域の抽出を行い、さらに太線化処理により腫瘍領域より若干大きい部分を選択するたのマスクとして使用した画像を示している。

【0047】
図12には、上述の低帯域バンドパスフィルタにより、尾根線部分の候補となる領域を抽出した結果を示している。この場合にもフィルタリング後にヒストグラムフラットニングを行った。次にここではこの画像に対して最大の50%で閾値処理を行い、領域別に番号を付けた。続いて、画素数100以下の領域の消去を行った。

【0048】
その結果を図13に示す。図13において図10に示した画像、即ち、腫瘍の中心部分とそれにつながる血管部分を検出するためのテンプレート画像と、重なる部分のある領域のみを選択する。さらに図11に示した腫瘍の中心部分を表わすマスク内に全ての画素が含まれてしまう領域を消去する。

【0049】
これらの処理の結果残った領域が、腫瘍部分につながる血管もしくは尾根線の部分であると考えられる。その画像を図15に示す。

【0050】
次に、特定の尾根線部分の表示について説明する。

【0051】
図16には、図15に表示した尾根線成分であると見られる部分のうち、最も長いものを選択し、図5の画像データの対応する部分を切り出してきたものを示す。この場合には原画像と対比するとスピキュラ(Spicula)の尾根の部分と一致する。

【0052】
この図のみでは分かりにくいたいめに、図18にはそれを3次元的に表示している。図17は図5のストレッチ画像を同様に3次元表示して示している。さらに図19には参考として広帯域円対称バンドパスフィルタにより強調を行った結果をヒストグラムフラットニングを行った結果を示している。

【0053】
これらの図を見ると本発明の方法により、尾根線成分の抽出が良好に行われており、さらにそれが乳癌中心部分につながっていることがわかる。したがってSpicula抽出に本方法を利用することが効果的である。

【0054】
図20には、2種類のパスバンドの異なるフィルタを利用した本手法、即ち2バンドフィルタリング法により抽出を行った尾根部分の1つを示している。図21には、1種類だけのフィルタリングにより背景にある緩やかなグレイレベルの変化を除去した結果の画像において、同じ連続する部分の等高線を表示した結果を示している。

【0055】
これらを比較すると、本手法では尾根部分が正しく抽出できていることが分かる。また図21では尾根線成分の形状を目視では判断できるがこのままでは画像処理で自動抽出はできない。過言すれば、単なるフィルタリングと閾値処理では正確な尾根線成分の抽出は不可能であるといえる。

【0056】
また尾根線成分の尾根部分は本手法、即ち2種類のフィルタの特性を工夫し組み合わせる2バンドフィルタリング法により、正確な検出が可能であると言える。

【0057】
上記したように本発明による2次元FIRデジタルフィルタを用いた2バンドフィルタリング法による尾根線成分の検出の際には、少なくとも従来法に見られるような、初期画像を求める際の制約がない。即ち、従来では原理的に困難であった尾根線成分の太い部分から細い部分までの検出が、本発明ではその尾根の部分を良好に検出できることが分かった。また、この他の乳癌の症例を用いて実験を行った結果、本報告に見られるばあいと同様に、尾根線部分を良好に検出することができた。

【0058】

【発明の効果】以上説明したようにこの発明によれば、尾根線成分を構成する太い部分から細い部分まで一様に検出可能となった。
図面
【図1】
0
【図2】
1
【図3】
2
【図4】
3
【図5】
4
【図6】
5
【図7】
6
【図8】
7
【図9】
8
【図10】
9
【図12】
10
【図13】
11
【図20】
12
【図11】
13
【図14】
14
【図15】
15
【図16】
16
【図17】
17
【図18】
18
【図19】
19
【図21】
20