JP2009082463A - 画像分析装置、画像処理装置、画像分析プログラム、画像処理プログラム、画像分析方法、および画像処理方法 - Google Patents

Abstract

【課題】医用画像中の被検体領域を精度良く抽出することができる画像分析装置、画像処理装置、画像分析プログラム、画像処理プログラム、画像分析方法、および画像処理方法を提供する。
【解決手段】検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得部と、画像取得部で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化部と、２値化部によって２値化された断面画像に写っている各像を、断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、被検体内の像からなる第１の像群と被検体外の像からなる第２の像群とに分類する分類部とを備えた。
【選択図】 図５

Description

本発明は、医用画像中に写っている像を分類する画像分析装置、画像分析プログラム、および画像分析方法、および医用画像中に写っている被検体の像を抽出する画像処理装置、画像処理プログラム、画像処理方法に関する。

医療の分野においては、従来から、Ｘ線撮影装置、超音波装置、および内視鏡装置などを使って被検体の体内を撮影した医用画像を、被検体の病状の診断等に利用することが広く行われている。医用画像を診断に利用することにより、被検体に外的なダメージを与えることなく、被検体の病状の進行状態などを把握することができ、治療方針の決定などに必要な情報を手軽に得ることができる。

また、Ｘ線撮影装置や内視鏡装置などに加えて、被検体を複数の切断位置それぞれで切断したときの複数の断面画像を撮影するＣＴ装置（Ｃｏｍｐｕｔｅｒｉｚｅｄ Ｔｏｍｏｇｒａｐｈｙ）やＭＲＩ装置（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）を備えた病院も増えてきている。これらＣＴ装置やＭＲＩ装置は、光プローブを体内に挿入する内視鏡装置などと比較して、検査時に被検体に与える苦痛を軽減することができるとともに、複数の断面画像を使って病巣の正確な位置や大きさを３次元的に確認することができるため、近年では、人間ドックなどでも採用されてきている。

ここで、ＣＴ装置やＭＲＩ装置などでは、被検体が診察台上に寝かされた状態で撮影されるため、医用画像には、診察台や、被検体が着用していた検査着や、被検体の近くにあった医療器具なども写り込んでしまっていることが一般的である。近年では、医用画像中の各画素を分析することによって、病巣と予測される病変部分を自動的に抽出したり、断面画像の断面積から肥満度合いを確認することなども行われており、これらの処理を実現するためには、医用画像中の、被検体に属する被検体領域のみを高精度に抽出しておく必要がある。

医用画像中の被検体領域を抽出する方法としては、医用画像中の、被検体に属する被検体領域が、その他の領域よりも高い画像濃度を有していることを利用して、医用画像から基準濃度以上の画像濃度を有する高濃度領域を被検体領域として抽出する方法が広く知られている。しかし、この方法によると、被検体領域と同様に高い画像濃度を有する診察台等の領域も一緒に抽出されてしまうため、結局は、ユーザが被検体領域以外の不要な領域を手動で除去しなければならず、手間が掛かってしまうという問題がある。

この問題に関し、特許文献１には、医用画像中の、基準濃度以上の画像濃度を有する高濃度領域を抽出し、メディアンフィルタを用いた平滑化処理を施した後で、各高濃度領域の面積に基づいて被検体領域を抽出する方法について記載されている。平滑化処理が施された後の医用画像では、被検体領域では変化が小さいものの、診察台等に属する不要領域では輪郭線が途切れ、その結果、不要領域の面積が小さくなる。この特許文献１に記載された方法では、このような特徴が利用されることによって、医用画像中の不要領域が精度良く除去されるため、ユーザが手動で不要な領域を除去する手間を省いて、容易に医用画像中の被検体領域を抽出することができる。
特開平９−１８７４４４号公報

しかし、特許文献１に記載された方法を適用すると、医用画像中の不要領域は精度良く除去されるものの、喉、耳、鼻などといった体表外に繋がった部位が写っている領域が被検体領域外と誤認されてしまう。また、肺には空気が入っており、医用画像中で肺に属する肺野領域は画像濃度が低くなるため、特許文献１に記載された方法では、肺野領域を被検体領域として抽出することができない。このため、特許文献１に記載された技術を利用しても、結局は、ユーザが肺野領域などを手動で抽出しなおさなければならないという問題がある。

また、特許文献１に記載された方法では、例えば、被検体の２本の足が写っている医用画像中の片足が欠けてしまうなどというように、本体から離れて写った小さな部位は除去されてしまうという問題もある。

本発明は、上記事情に鑑み、医用画像中の被検体領域を精度良く抽出することができる画像分析装置、画像処理装置、画像分析プログラム、画像処理プログラム、画像分析方法、および画像処理方法を提供することを目的とする。

上記目的を達成する本発明の画像分析装置は、被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得部と、
画像取得部で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化部と、
２値化部によって２値化された断面画像に写っている各像を、断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、被検体内の像からなる第１の像群と被検体外の像からなる第２の像群とに分類する分類部とを備えたことを特徴とする。

本発明の画像分析装置によると、複数の断面画像それぞれが所定の画像濃度を基準として２値化されるとともに、２値化された断面画像に写っている各像が、断面画像内や他の断面画像中の他の像との位置関係に基づいて、被検体内の像からなる第１の像群と被検体外の像からなる第２の像群とに分類される。このように、平面のみならず立体も考慮されて断面画像中の各像が分類されるため、画像濃度が低い肺の像なども、他の像との位置関係に基づいて精度良く被検体内の像に分類することができる。

また、本発明の画像分析装置において、上記分類部が、複数の断面画像に亘って連続している一連の像については同一の像群に分類するものであることが好ましい。

ある断面では分離していても、立体的に繋がっていれば同一の像群に分類されるため、ある断面画像上に写っている被検体の一部が消去されてしまう不具合を軽減することができる。

また、本発明の画像分析装置において、上記分類部が、１つの断面画像内である像が他の像を囲んでいる場合には、それらの像を同一の群像に分類するものであることが好適である。

この好適な画像分析装置によると、被検体内にありながら画像濃度が低い肺野領域なども精度良く被検体内の像として分類することができる。

また、本発明の画像分析装置において、上記分類部が、第２の像群に分類された像のうち、その像が写っている断面画像中で、第１の像群に分類された像の間に割り込んだ像であって、かつ所定方向について、第１の像群に分類された像によって挟まれた像については第１の像群に分類し直すものであることが好ましい。

この好ましい画像分析装置によると、鼻、喉の奥、耳などといった体外に繋がった穴部分も精度良く被検体内の像として分類することができる。

また、上記目的を達成する本発明の画像処理装置は、被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得部と、
画像取得部で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化部と、
２値化部によって２値化された断面画像に写っている各像を、断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、被検体内の像からなる第１の像群と被検体外の像からなる第２の像群とに分類する分類部と、
複数の断面画像それぞれに写っている第２の像群を除去する画像処理部とを備えたことを特徴とする。

本発明の画像処理装置によると、断面画像中の、被検体内の像のみを抽出した、診断に有用な医用画像を容易に生成することができる。

尚、画像処理装置については、ここではそれらの基本形態のみを示すのにとどめるが、これは単に重複を避けるためであり、本発明にいう画像処理装置には、上記の基本形態のみではなく、前述した画像分析装置の各形態に対応する各種の形態が含まれる。

また、上記目的を達成する本発明の画像分析プログラムは、コンピュータ内で実行され、コンピュータ上に、
被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得部と、
画像取得部で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化部と、
２値化部によって２値化された断面画像に写っている各像を、断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、被検体内の像からなる第１の像群と被検体外の像からなる第２の像群とに分類する分類部とを構築することを特徴とする。

本発明の画像分析プログラムによると、断面画像中の各像を他の像との基づいて精度良く分類する画像分析装置を構築することができる。

尚、画像分析プログラムについても、ここではそれらの基本形態のみを示すのにとどめるが、これは単に重複を避けるためであり、本発明にいう画像分析プログラムには、上記の基本形態のみではなく、前述した画像分析装置の各形態に対応する各種の形態が含まれる。

さらに、本発明の画像分析プログラムがコンピュータシステム上に構築する２値化部などといった要素は、１つの要素が１つのプログラム部品によって構築されるものであってもよく、複数の要素が１つのプログラム部品によって構築されるものであってもよい。また、これらの要素は、そのような作用を自分自身で実行するものとして構築されてもよく、あるいはコンピュータシステムに組み込まれている他のプログラムやプログラム部品に指示を与えて実行するものとして構築されてもよい。

また、上記目的を達成する本発明の画像処理プログラムは、コンピュータ内で実行され、コンピュータ上に、
被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得部と、
画像取得部で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化部と、
２値化部によって２値化された断面画像に写っている各像を、断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、被検体内の像からなる第１の像群と被検体外の像からなる第２の像群とに分類する分類部と、
複数の断面画像それぞれに写っている第２の像群を除去する画像処理部とを構築することを特徴とする。

尚、画像処理プログラムについても、ここではそれらの基本形態のみを示すのにとどめるが、これは単に重複を避けるためであり、本発明にいう画像処理プログラムには、上記の基本形態のみではなく、前述した画像分析装置の各形態に対応する各種の形態が含まれる。

さらに、本発明の画像処理プログラムがコンピュータシステム上に構築する２値化部などといった要素は、１つの要素が１つのプログラム部品によって構築されるものであってもよく、複数の要素が１つのプログラム部品によって構築されるものであってもよい。また、これらの要素は、そのような作用を自分自身で実行するものとして構築されてもよく、あるいはコンピュータシステムに組み込まれている他のプログラムやプログラム部品に指示を与えて実行するものとして構築されてもよい。

また、上記目的を達成する本発明の画像分析方法は、被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得過程と、
画像取得過程で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化過程と、
２値化過程によって２値化された断面画像に写っている各像を、断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、被検体内の像からなる第１の像群と被検体外の像からなる第２の像群とに分類する分類過程とを有することを特徴とする。

尚、画像分析方法についても、ここではそれらの基本形態のみを示すのにとどめるが、これは単に重複を避けるためであり、本発明にいう画像分析方法には、上記の基本形態のみではなく、前述した画像分析装置の各形態に対応する各種の形態が含まれる。

また、上記目的を達成する本発明の画像処理方法は、被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得過程と、
画像取得過程で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化過程と、
２値化過程によって２値化された断面画像に写っている各像を、断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、被検体内の像からなる第１の像群と被検体外の像からなる第２の像群とに分類する分類過程と、
複数の断面画像それぞれに写っている第２の像群を除去する画像処理過程を有することを特徴とする。

尚、画像処理方法についても、ここではそれらの基本形態のみを示すのにとどめるが、これは単に重複を避けるためであり、本発明にいう画像処理方法には、上記の基本形態のみではなく、前述した画像分析装置の各形態に対応する各種の形態が含まれる。

本発明によれば、医用画像中の被検体領域を精度良く抽出することができる。

以下、図面を参照して本発明の実施の形態を説明する。

図１は、本発明の一実施形態が適用された医療診断システムの概略構成図である。

図１に示す医療診断システムは、被検体の体内を撮影して医用画像を生成する画像生成装置１０と、医用画像やカルテなどを保存する管理サーバ２０と、医用画像を表示する診断装置３０とで構成されており、画像生成装置１０と管理サーバ２０、および管理サーバ２０と診断装置３０は、ネットワーク回線を介して接続されている。

この医療診断システムでは、初診の被検体に対して、各被検体を識別するための識別番号が割り当てられ、その識別番号と、被検体の氏名や年齢や病歴などが示されたカルテとが対応付けられて管理サーバ２０に登録される。

画像生成装置１０には、被検体に放射線を照射し、被検体を透過してきた放射線を読み取ってデジタルの医用画像を生成するＣＲ装置１１や、強磁場と電波とを使って被検体の断層画像を生成するＭＲＩ装置１２や、放射線を使って被検体の断層画像を生成するＣＴ装置（図示しない）や、超音波のエコーを読み取って医用画像を生成する超音波装置（図示しない）などが含まれる。画像生成装置１０で生成された医用画像は、その医用画像の被検体である被検体を識別する識別番号とともに管理サーバ２０に送られる。

管理サーバ２０は、画像生成装置１０から医用画像と識別番号とが送られてくると、その医用画像を識別番号と対応付けて記憶する。すなわち、管理サーバ２０には、識別番号と、その識別番号が割り当てられた被検体のカルテと、被検体の医用画像とが対応付けられて登録される。

診断装置３０は、外観構成上、本体装置３１、その本体装置３１からの指示に応じて表示画面３２ａ上に画像を表示する画像表示装置３２、本体装置３１に、キー操作に応じた各種の情報を入力するキーボード３３、および、表示画面３２ａ上の任意の位置を指定することにより、その位置に表示された、例えばアイコン等に応じた指示を入力するマウス３４を備えている。

ユーザが診断装置３０のマウス３４等を使って被検体の氏名や識別番号などを入力すると、その入力内容が管理サーバ２０に伝えられる。管理サーバ２０は、診断装置３０から伝えられた被検体の氏名や識別番号と対応付けられた医用画像とカルテを診断装置３０に向けて送る。診断装置３０では、管理サーバ２０から送られてきた医用画像中に写っている診察台などの領域を除去して、被検体が写っている被検体領域のみが抽出された医用画像が生成されるとともに、表示画面３２ａ上に生成された医用画像が表示される。表示画面３２ａ上に表示された医用画像や病変領域のサイズを確認することにより、ユーザは、被検体に外的なダメージを与えることなく、被検体の病状を診断することができる。

ユーザは、診断装置３０の表示画面３２ａに表示された医用画像を見て被検体の病状を診断し、マウス３４やキーボード３３を使ってカルテを編集する。編集後のカルテは、管理サーバ２０に送られ、管理サーバ２０に記憶されているカルテが診断装置３０から送られてきた新たなカルテに更新される。

図１に示す医療診断システムは、基本的には以上のように構成されている。

ここで、医療診断システムにおける本発明の一実施形態としての特徴は、診断装置３０で実行される処理内容にある。以下、診断装置３０について詳しく説明する。

図２は、診断装置３０のハードウェア構成図である。

診断装置３０の本体装置３１の内部には、図２に示すように、各種プログラムを実行するＣＰＵ３０１、ハードディスク装置３０３に格納されたプログラムが読み出されＣＰＵ３０１での実行のために展開される主メモリ３０２、各種プログラムやデータ等が保存されたハードディスク装置３０３、ＦＤ４１が装填され、そのＦＤ４１をアクセスするＦＤドライブ３０４、ＣＤ−ＲＯＭ４２をアクセスするＣＤ−ＲＯＭドライブ３０５、管理サーバ２０から画像データ等を受け取り、管理サーバ２０に各種指示データを送るＩ／Ｏインタフェース３０６が内蔵されており、これらの各種要素と、さらに図１にも示す画像表示装置３２、キーボード３３、マウス３４は、バス３０７を介して相互に接続されている。

ここで、ＣＤ−ＲＯＭ４２には、診断装置３０内に、本発明の画像分析プログラムおよび画像処理プログラムそれぞれの一実施形態である体表抽出プログラム１００（図３参照）が記憶されている。

図３は、ＣＤ−ＲＯＭ４２を示す概念図である。

図３に示すように、ＣＤ−ＲＯＭ４２に記憶された体表抽出プログラム１００は、画像取得部１１０、濃度分類部１２０、２次元ラベリング部１３０、３次元ラベリング部１４０、体表推定部１５０、穴検出部１６０、および体表決定部１７０で構成されている。

ＣＤ−ＲＯＭ４２は、診断装置３０のＣＤ−ＲＯＭドライブ３０５に装填され、ＣＤ−ＲＯＭ４２に記憶された体表抽出プログラム１００が診断装置３０にアップロードされてハードディスク装置３０３に記憶される。そして、この体表抽出プログラム１００が起動されて実行されることにより、診断装置３０内に本発明の画像分析装置および画像処理装置それぞれの一実施形態である体表抽出装置２００（図４参照）が構築される。

尚、上記では、体表抽出プログラム１００を記憶する記憶媒体としてＣＤ−ＲＯＭ４２が例示されているが、体表抽出プログラム１００を記憶する記憶媒体はＣＤ−ＲＯＭに限られるものではなく、それ以外の光ディスク、ＭＯ、ＦＤ、磁気テープなどの記憶媒体であってもよい。また、体表抽出プログラム１００は、記憶媒体を介さずに、Ｉ／Ｏインタフェース３０６を介して直接に診断装置３０に供給されるものであってもよい。

体表抽出プログラム１００の各部の詳細については、体表抽出装置２００の各部の作用と一緒に説明する。

図４は、体表抽出装置２００の機能ブロック図である。

体表抽出装置２００は、画像取得部２１０と、濃度分類部２２０と、２次元ラベリング部２３０と、３次元ラベリング部２４０と、体表推定部２５０と、穴検出部２６０と、体表決定部２７０とを有している。

体表抽出装置２００を構成する、画像取得部２１０と、濃度分類部２２０と、２次元ラベリング部２３０と、３次元ラベリング部２４０と、体表推定部２５０と、穴検出部２６０と、体表決定部２７０は、図３の体表抽出プログラム１００を構成する、画像取得部１１０、濃度分類部１２０、２次元ラベリング部１３０、３次元ラベリング部１４０、体表推定部１５０、穴検出部１６０、および体表決定部１７０にそれぞれ対応する。

図４の各要素は、コンピュータのハードウェアとそのコンピュータで実行されるＯＳやアプリケーションプログラムとの組合せで構成されているのに対し、図３に示す体表抽出プログラム１００の各要素はそれらのうちのアプリケーションプログラムのみにより構成されている点が異なる。

図５は、図４に示す体表抽出装置２００において、管理サーバ２０から医用画像を取得し、医用画像中の、被検体の体表を抽出するまでの一連の処理の流れを示すフローチャート図である。

以下、図５のフローチャートに従って、図４に示す体表抽出装置２００の各要素の動作について説明することによって、図３に示す体表抽出プログラム１００の各要素も併せて説明する。

ユーザが図１に示すマウス３４やキーボード３３を使って、診断を行う被検体の氏名や識別番号を入力すると、その入力内容が図２のＩ／Ｏインタフェース３０６を介して管理サーバ２０に伝えられる。管理サーバ２０では、診断装置３０から伝えられた氏名や識別番号と対応付けられた医用画像とカルテが診断装置３０に向けて送られる。

管理サーバ２０から送られてきた医用画像は、図４に示す画像取得部２１０で取得される。

図６は、管理サーバ２０から送られてくる医用画像のイメージを示す図である。

図１に示すＭＲＩ装置１２では、被検体Ｑを頭の上から足の先まで複数のスライス位置Ｘ０〜Ｘｎで切断したときの各断面が撮影され、それら複数のスライス位置Ｘ０〜Ｘｎそれぞれにおける複数の断面画像４００＿Ｘ０〜４００＿Ｘｎで構成される断面画像群４００が生成される。尚、図６に示す例では、撮影開始位置（スライス位置Ｘ０）および撮影終了位置（スライス位置Ｘｎ）は、被検体Ｑが寝かされている領域から食み出しており、スライス位置Ｘ０，Ｘｎにおける断面画像４００＿Ｘ０，４００＿Ｘｎには被検体Ｑが写っていない。断面画像群４００は、画像取得部２１０に伝えられて、さらに濃度分類部２２０に伝えられる。

濃度分類部２２０では、断面画像群４００を構成する各断面画像４００＿Ｘ０〜４００＿Ｘｎ中の各画素が、所定の基準濃度以上の画像濃度を有する高濃度画素と、基準濃度よりも低い画像濃度を有する低濃度画素とに分類される（図５のステップＳ１）。この基準濃度は、医用画像中の、被検体が写っている被検体像を確実に抽出することができる経験的な値（例えば、ＣＴ値で２００程度）が適用される。

本実施形態においては、各断面画像４００＿Ｘ０〜４００＿Ｘｎを構成している複数の画素が４つずつ結合されて１つの分類結果を示す値が割り当てられることによって、各断面画像４００＿Ｘ０〜４００＿Ｘｎよりも画素数が少ない、縮小されたラベル画像４００＿Ｘ０´〜４００＿Ｘｎ´が生成され、各ラベル画像４００＿Ｘ０´〜４００＿Ｘｎ´を使って被検体の体表の抽出が行われる。以下では、断面画像４００＿Ｘ０〜４００＿Ｘｎおよびラベル画像４００＿Ｘ０´〜４００＿Ｘｎ´を代表して、切断位置Ｘｍにおける断面画像４００＿Ｘｍおよびラベル画像４００＿Ｘｍ´を用いて説明する。

体表抽出装置２００には、予め、Ｘ方向が断面画像４００＿ＸｍのＸ方向の画素数の半分＋４画素分で、Ｙ方向が断面画像４００＿ＸｍのＹ方向の画素数の半分＋４画素分の2次元的な配列に対応した多数の記憶領域で構成されたラベル画像用メモリが用意されている。また、ラベル画像４００＿Ｘｍ´は、縁に相当する周辺画素（幅２画素）を除いた内部画素それぞれが、断面画像４００＿Ｘｍ中の複数の画素がＸ方向に２つ、Ｙ方向に２つ、計４つずつ結合されてなる各セットと対応している。

濃度分類部２２０では、まず、ラベル画像４００＿Ｘｍ´のうちの最外周を構成する２画素分の画素値が「０」に設定される。また、ラベル画像４００＿Ｘｍ´の各内部画素の画素値が、対応するセットを構成する４つの画素のうち、基準濃度以上の画像濃度を有している高濃度画素の総数（０〜４）に設定される。

この時点で、ラベル画像４００＿Ｘｍ´は、断面画像４００＿Ｘｍ中の、高濃度画素を１つ以上含むセットと対応する画素の値が「１」以上であり、断面画像４００＿Ｘｍ中の、低濃度画素のみで構成されたセットと対応する画素の値が「０」であり、この結果、断面画像４００＿Ｘｍ中の各画素が高濃度画素と低濃度画素とに分類されていることとなる。濃度分類部２２０は、本発明にいう２値化部の一例に相当する。

続いて、ラベル画像４００＿Ｘｍ´を構成する各画素が分析され、画素値が「１〜３」であり、かつ周囲の上下左右４方向に画素値が「０」の低濃度な画素が１つでも存在する画素について、それら４つの画素に取り囲まれた中心の画素の画素値が「−１」に設定される。

尚、従来から、医用画像中から、撮影時に被検体に掛けられていた毛布などの画像部分を除去する方法として、医用画像中から抽出された高濃度像の周囲を所定画素分（通常は、１画素程度）削り、さらに所定画素分塗りつぶすモルフォロジ処理が知られている。上述した画素値を「−１」に設定する処理は、このモルフォロジ処理の前半の処理に相当する。

以上のようにして画素が分類されると、分類結果が図４の２次元ラベリング部２３０に伝えられる。２次元ラベリング部２３０では、ラベル画像４００＿Ｘｍ´中の、各高濃度像の境界線が抽出されるとともに（図５のステップＳ２）、各高濃度像に、その高濃度像を識別するためのラベル番号が付与される（図５のステップＳ３）。

まず、ラベル画像４００＿Ｘｍ´を構成する複数の画素において、画素値が「１」以上である高濃度画素が集合して構成された高濃度像に対して、その高濃度像を識別するラベル番号（例えば、５以上の値）が決定され、高濃度像を取り囲む低濃度な隣接画素の１つ外側の画素の画素値が「ラベル番号の負の値」に設定される。このとき、ラベル画像４００＿Ｘｍ´の内部画素に対し、隣接画素１つ＋境界線用の画素１つの計２画素分まで周辺画素を参照することがあるため、予め、周辺画素として、最外周を構成する画素値「０」の２画素と、境界線用の２画素とを合わせた計４画素が用意されている。

続いて、「ラベル番号の負の値」が設定された画素によって形成される境界線に取り囲まれた各画素の画素値が、ラベル番号に設定されることにより、画素が塗りつぶされる。境界線内の各画素を塗りつぶすアルゴリズムとしては、一般的に知られているシードフィルやスキャンコンバージョンなどを利用することができる。本実施形態で利用される塗りつぶしアルゴリズムについては、後で詳しく説明する。このように、はじめに境界線を抽出しておくことによって、肺野領域などのように、高濃度像に低濃度像が包含されていても、その低濃度像内の画素も同時に塗りつぶすことができ、高速かつ精度良く被検体像内の画素を塗りつぶすことができる。

また、ステップＳ３の処理を実行する過程で、高濃度像を取り囲む境界線を表わす画素が、高濃度な画素と隣接する隣接画素よりも１つ外側の画素に決定されることにより、高濃度な画素とともに隣接画素も一緒に塗りつぶされている。この処理は、上述したモルフォロジ処理における後半の処理に相当する。本実施形態においては、モルフォロジ処理と塗りつぶし処理とが同時に実行されることによって、処理の高速化が図られている。

また、２次元ラベリング処理と並行して、塗りつぶされた高濃度像の面積と周囲長が算出される。高濃度像の面積は、塗りつぶされた画素数で表わされ、高濃度像の周囲長は、画素値「−１」が設定された境界線の画素の総数で表わされる。尚、境界線の画素の総数を算出するのにあたり、上下左右方向に隣接する画素は重みが「１」、斜め方向に隣接する画素は重みが「１．５」として、それら隣接する画素に重みを付けた総数が算出される。高濃度像のラベル番号、面積、周囲長、Ｘ座標およびＹ座標それぞれの最大・最小値、スライス番号（Ｚ座標）がラベルデータとして断面画像４００＿Ｘｍと対応付けて保存される。断面画像４００＿Ｘｍ上に複数の高濃度像が存在する場合には、各高濃度像に１つずつラベルデータが生成され、複数のラベルデータが断面画像４００＿Ｘｍと対応付けられる。

以上のような濃度分類処理（ステップＳ１）、境界抽出処理（ステップＳ２）、および２次元ラベリング処理（ステップＳ３）が各断面画像４００＿Ｘ０〜４００＿Ｘｎに対して実行される。

２次元ラベリング処理が終了すると、図４に示す３次元ラベリング部２４０において、断面画像４００＿Ｘ０〜４００＿Ｘｎそれぞれについて抽出された２次元の高濃度像をＺ軸方向に見たときの相互の繋がりが分析され、Ｚ軸方向に繋がった一連の高濃度像群が抽出される（図５のステップＳ４）。

まず、各断面画像４００＿Ｘ０〜４００＿Ｘｎと対応付けられたラベルデータ中に含まれているＸ座標およびＹ座標それぞれの最大・最小値に基づいて、そのラベルデータが表わす高濃度像を内包する最小長方形が算出される。

続いて、切断位置Ｘ０〜Ｘｎが隣接する複数の断面画像４００＿Ｘ０〜４００＿Ｘｎ間で、算出された最小長方形同士をＺ軸方向に見たときに重なる画像部分があるか否かが判定され、この時点で重なりがない場合には、それら複数の断面画像中の高濃度像同士が繋がっていないと判定される。最小長方形同士をＺ軸方向に見たときに重なりがある場合には、相互に重なった重なり部分に含まれる各画素ごとに、相互に重なる画素が存在するか否かが分析される。この場合、重なり部分内に含まれる全ての画素に対して分析を行う必要はなく、所定数以上の画素に対して相互に重なり合う画素が存在することが確認された時点で、それらの重なり部分を含む高濃度像同士が繋がっていると判定される。このように、最小長方形内の画素についてのみ分析が行われることによって、無駄な処理を省いて処理を高速化することができる。

さらに、繋がっていると判定された複数の高濃度像それぞれのラベルデータが線形リストで連結される。尚、１つの断面画像上に複数の高濃度像が存在し、それら複数の高濃度像それぞれが他の断面画像上の高濃度像と重なっていると判定された場合には、複数のラベルデータそれぞれが、重なっている相手側の高濃度像のラベルデータと連結される。

図７は、高濃度像同士を連結する処理を示す概念図である。

１番上の断面画像４００＿Ｘ０上の高濃度像Ｓ０は、上から２番目の高濃度像Ｓ１とＺ軸方向に見ると重なり合っており、それら高濃度像Ｓ０，Ｓ１それぞれのラベルデータが連結される。

また、上から２番目の高濃度像Ｓ１は、面積が大きく、上から３番目の断面画像４００＿Ｘ２上の３つの高濃度像Ｓ２＿１，Ｓ２＿２，Ｓ２＿３それぞれと重なり合っており、高濃度像Ｓ１のラベルデータは、３つの高濃度像Ｓ２＿１，Ｓ２＿２，Ｓ２＿３それぞれのラベルデータとも連結されている。

上から３番目の断面画像４００＿Ｘ２上の３つの高濃度像Ｓ２＿１，Ｓ２＿２，Ｓ２＿３は、１番下の断面画像４００＿Ｘ３上の３つの高濃度像Ｓ３＿１，Ｓ３＿２，Ｓ３＿３それぞれと重なり合っており、相互のラベルデータが連結されている。

ラベルデータ同士が連結された複数の高濃度像は、スライス方向に繋がった一連の高濃度像群を形成するものであり、複数のラベルデータを連結する処理は、高濃度像群を抽出する処理に相当する。このように、２次元の高濃度領域におけるラベルデータのみを保存し、３次元の高濃度像群については、ラベルデータを生成せずに、２次元の高濃度像同士の連結を示す線形リストのみを保存することによって、３次元ラベリングの処理時間を大幅に短縮することができる。

３次元ラベリング処理が終了すると、図４に示す体表推定部２５０において、各断面画像４００＿Ｘ０〜４００＿Ｘｎ上の体表が推定される（図５のステップＳ５）。

体表推定部２５０では、線形リストが辿られて、連結された複数のラベルデータそれぞれに含まれる高濃度像の面積の合計と、周囲長の合計とが算出される。また、それら面積の合計値および周囲長の合計値に基づいて、一連の高濃度像群の輪郭が繋がって形成される３次元像の体積が算出される。

さらに、高濃度像群が複数抽出された場合には、それら複数の高濃度像群のうち、算出された３次元像の体積が最も大きい最大高濃度像群と、算出された３次元像の体積が最大高濃度像群によって形成される３次元像の体積の半分以上である第２高濃度像群とが体表の候補として決定される。

体表の候補が決定されると、図４の穴検出部２６０において、高濃度像群内から高濃度像群外に繋がった穴が検出され（図５のステップＳ６）、検出された穴が埋められる。２次元ラベリング部２３０、３次元ラベリング部２４０、体表推定部２５０、および穴検出部２６０を合わせたものは、本発明にいう分類部の一例に相当する。

この時点で、被検体内にありながら画像濃度が低い肺野などは、図５のステップＳ３において高濃度像を取り囲む境界線内の画素が塗りつぶされることによって、被検体像として抽出されている。しかし、被検体内から被検体外に繋がる鼻の穴などは、被検体像外から被検体像内に割り込んだ穴になってしまっている。穴検出部２６０では、高濃度像中に開いた穴と考えられる領域が検出され、その穴を埋める処理が実行される。

図８は、穴を検出する方法を説明するための図である。

図８のパート（Ａ）に示すように、通常は、領域の面積が減少する場合、その領域の周囲長も減少する。しかし、図８のパート（Ｂ）に示すように、領域に穴が開いた場合には、その穴の分だけ領域の面積は減少するが、領域の周囲長は増加する。本実施形態では、この考えを用いて、高濃度像に穴が開いている断面画像が検出される。

穴検出部２６０では、体表推定部２５０で体表の候補として決定された高濃度像群を構成する複数の高濃度像それぞれのラベルデータがスライス番号の小さいものから順に解析される。まず、スライス番号が隣接する複数のラベルデータ間で、高濃度像の面積が急激に減るとともに（−２５０画素以上）、高濃度像の周囲長が急激に増加する（＋１００画素以上）第１変化点が探索される。

続いて、第１変化点とは逆に、高濃度像の面積が急激に増えるとともに（＋２５０画素以上）、高濃度像の周囲長が急激に減少する（−１００画素以上）第２変化点が探索される。

第１変化点と第２変化点との間に存在するスライス番号と対応する高濃度像に穴が開いていると推定される。

さらに、穴が開いていると推定される高濃度像に対し、その高濃度像のスライス番号を挟む２つのスライス番号それぞれの高濃度像に基づいて穴埋め処理が施される。

図９は、穴埋め処理を示す概念図である。

図９のパート（Ａ）に示すように、切断位置Ｘ１の断面画像４００＿Ｘ１上の高濃度像に低濃度な画素で構成された穴Ｐがあいている場合、穴Ｐを構成している低濃度な画素のうち、その切断位置Ｘ１を挟む２つの切断位置Ｘ０，Ｘ２それぞれの断面画像４００＿Ｘ０，４００＿Ｘ２上で対応する２つの画素が両方とも高濃度である画素については、画素値が高濃度値（例えば、「１」など）に設定される。その結果、図９のパート（Ｂ）に示すように、断面画像４００＿Ｘ１上の高濃度像に開いていた穴Ｐが埋められる。

また、複数のスライス番号それぞれにおける複数の断面画像に亘って高濃度像上に穴が開いている場合、まずは、複数のスライス番号のうち中間のスライス番号が算出され、その中間のスライス番号の断面画像に対して、穴が開いていない上下の断面画像を使って穴埋め処理が実行される。以下、同様にして、全ての断面画像について高濃度像中の穴が埋められるまで、中間のスライス番号の算出と、そのスライス番号の断面画像に対する穴埋め処理が繰り返される。

穴埋め処理が終了すると、図４の体表決定部２７０では、最終的な体表位置が決定されて（図５のステップＳ７）、断面画像４００＿Ｘ０〜４００＿Ｘｎ中から体表に取り囲まれた被検体像のみを抽出した新たな断面画像４００＿Ｘ０´〜４００＿Ｘｎ´が生成される。体表決定部２７０は、本発明にいう画像処理部の一例に相当する。

体表決定部２７０では、上述した一連の処理によって、各断面画像４００＿Ｘ０〜４００＿Ｘｎそれぞれに対応する各ラベル画像上の、マイナスの画素値を有する画素によって取り囲まれた高濃度像が被検体像と決定され、それらの画素によって形成される境界線が体表を示す体表線と決定される。

また、体表抽出装置２００には、断面画像４００＿Ｘ０〜４００＿Ｘｎそれぞれの被検体像を抽出した新たな断面画像４００＿Ｘ０´〜４００＿Ｘｎ´を格納するための、各断面画像４００＿Ｘ０〜４００＿Ｘｎと同じ画素数の記憶領域で構成された抽出画像用メモリが用意されている。

まず、抽出画像を構成する全ての画素の画素値がマイナスの値に初期化される。

続いて、ラベルデータの線形リストを辿りながら、各高濃度像における最小長方形内の各画素に対してのみ画素値の分析が行われる。画素値としてラベル番号が設定された画素については、その画素と対応する元の断面画像４００Ｘｍ中のＸ方向２つ、Ｙ方向２つの計４画素が取得され、取得された４画素それぞれの画素値が抽出画像上の対応する４画素にコピーされる。また、画素値がマイナスである画素については、その画素と対応する元の断面画像４００Ｘｍ中のＸ方向２つ、Ｙ方向２つの計４画素のうち、被検体領域と接する画素のみが取得され、取得された画素それぞれの画素値が抽出画像上の対応する画素にコピーされる。

以上のようにして、抽出画像中の画素値が更新されることにより、断面画像４００＿Ｘ０〜４００＿Ｘｎ中から被検体像を抽出した新たな断面画像４００＿Ｘ０´〜４００＿Ｘｎ´が生成される。生成された新たな断面画像４００＿Ｘ０´〜４００＿Ｘｎ´は、そのまま表示画面上に表示されたり、断面画像４００＿Ｘ０´〜４００＿Ｘｎ´中の、病巣と推定される病変部分が自動的に抽出されて、病変部分が拡大表示される。

本実施形態においては、各断面画像４００＿Ｘ０〜４００＿Ｘｎ上の高濃度像が抽出されて被検体像が２次元的に推定されるとともに、複数の高濃度像がＺ軸方向に繋がった一連の高濃度像群が抽出されて、３次元的な高濃度像群に基づいて被検体像が補正される。画像濃度が低い肺野領域などでは、断面画像上では被検体像に穴が開いてしまうことがあるが、その被検体像を３次元的に分析することによって、その穴の領域を確実に被検体像群に分類することができ、医用画像中の被検体像群を精度良く抽出することができる。

以上で、本実施形態の体表抽出装置２００で実行される体表抽出処理の基本的な一連の流れについての説明を終了する。

続いて、２次元ラベリング部２３０において、境界線内の各画素をラベル番号で塗りつぶす際に適用される塗りつぶしアルゴリズムについて詳しく説明する。

図１０は、塗りつぶしアルゴリズムの基本的な処理の流れを示すフローチャート図であり、図１１〜図３３は、塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程を示す図である。

この図１０に示すアルゴリズムは、輪郭線に取り囲まれた領域を塗りつぶすためのものであり、図１１〜図３３では、Ｙ軸方向（図の縦方向）に７個ずつ、Ｘ軸方向（図の横方向）に１６個ずつ並べられた計１１２個の各領域が、複数の塗りつぶし状態（輪郭線を形成している状態、これから塗りつぶす状態、既に塗りつぶされている状態、新たに塗りつぶす状態、領域の位置情報がスタックに積まれた状態、スタックから位置情報が取得された状態）それぞれに応じたハッチで示されている。以下では、輪郭線を形成している領域を領域Ｂ、これから塗りつぶす領域を領域Ｗ、既に塗りつぶされた領域を領域Ｏｌｄ、新たに塗りつぶす領域を領域Ｎｅｗ、領域の位置情報がスタックに積まれた領域を領域Ｓｔａｃｋ、スタックから位置情報が取得された領域を領域Ｇｅｔと称して説明する。

図１１には、初期段階における処理状態が示されている。まず、これから塗りつぶす領域Ｗの中から、新たに塗りつぶす領域Ｎｅｗが決定され、その領域Ｎｅｗが塗りつぶされる。

図１２には、第１段階における処理状態が示されている。図１２では、図１１に示す新たな領域Ｎｅｗが塗りつぶされて、既に塗りつぶされた領域Ｏｌｄに変化している。この領域Ｏｌｄから、Ｘ軸方向に沿って両側に塗りつぶし領域が広げられる（図１０のステップＳ１１）。尚、塗りつぶし領域が広げられる途中で輪郭線を形成している領域Ｂに達すると、その領域Ｂの１つ前の領域で塗りつぶしが中止される。

図１３には、第２段階における処理状態が示されている。図１２に示す第１段階で塗りつぶされたＸ軸方向に沿った７つの領域ＯｌｄとＹ軸方向に接する７×２＝１４個の領域Ｎｅｗが塗りつぶされ、さらに、その塗りつぶされた領域Ｎｅｗの両端それぞれの領域Ｓｔａｃｋの位置情報がスタックされる（図１０のステップＳ１２）。尚、本実施形態においては、スタックが２つ用意されており、領域ＯｌｄのＹ座標を「ｙ」としたときに、Ｙ座標が「ｙ＋１」となる上方の領域Ｎｅｗの両端に相当する領域Ｓｔａｃｋの位置情報はスタック１に積まれ、Ｙ座標が「ｙ−１」となる下方の領域Ｎｅｗの両端に相当する領域Ｓｔａｃｋの位置情報はスタック２に積まれる。

図１４には、第３段階における処理状態が示されている。スタック１，２に領域の位置情報が積まれると、それらスタック１，２のうちの一方から領域の位置情報が取得される（図１０のステップＳ１３）。この例では、スタック１から、図１３に示す上方の領域Ｎｅｗの両端に相当する２つの領域Ｓｔａｃｋの位置情報が取得されて、取得された２つの位置情報それぞれが示す２つの領域それぞれが領域Ｇｅｔとして設定される。さらに、２つの領域Ｇｅｔそれぞれから、Ｘ軸方向に沿って両側に塗りつぶし領域が広げられる（図１０のステップＳ１４）。図１４の例では、右側の領域Ｇｅｔは既に塗りつぶされている領域Ｏｌｄと輪郭線を形成している領域Ｂとに挟まれているため、右側の領域Ｇｅｔからは塗りつぶし領域が広げられず、左側の領域Ｇｅｔからは左方向に向けて１つの領域Ｎｅｗが塗りつぶされている。

図１５には、第４段階における処理状態が示されている。図１４に示す第３段階で塗りつぶし範囲を広げる起点となった２つの領域Ｇｅｔと、それら２つの領域Ｇｅｔによって拡張された領域Ｎｅｗが、図１５においてはすでに塗りつぶされた領域Ｏｌｄとなっており、それらの領域ＯｌｄとＹ軸方向に接する領域Ｎｅｗが塗りつぶされ（図１０のステップＳ１５）、さらに、その塗りつぶされた領域Ｎｅｗの両端それぞれの領域Ｓｔａｃｋの位置情報がスタックされる（図１０のステップＳ１６）。尚、この例では、図１４に示すステップＳ１３において、Ｙ座標が「ｙ＋１」の領域Ｓｔａｃｋの位置情報が格納されるスタック１から位置情報が取得されているため、ステップＳ１５では、領域ＯｌｄのＹ座標を「ｙ」としたときにＹ座標が「ｙ＋１」となる上方の領域Ｎｅｗが塗りつぶされ、ステップＳ１６では、スタック１に位置情報が格納される。

図１５に示す第４段階が終了した時点において、図１４に示すステップＳ１４において、塗りつぶし領域が１つだけ増加しており、２つ以上拡張していないため、ここでは図１０のステップＳ１７，Ｓ１８が省略される。この時点では、スタック１，２に位置情報が積まれているため（図１０のステップＳ１９：Ｎｏ）、ステップＳ１３に戻って処理が続けられる。

図１６には、第５段階における処理状態が示されている。スタック１から、図１５に示す上方の２つの領域Ｓｔａｃｋの位置情報が取得され（図１０のステップＳ１３）、２つの領域Ｇｅｔそれぞれから、Ｘ軸方向に沿って両側に塗りつぶし領域が広げられる（図１０のステップＳ１４）。図１６の例では、左側の領域Ｇｅｔから左方向に向けて４つの領域Ｎｅｗが塗りつぶされている。

図１７には、第６段階における処理状態が示されている。図１６に示す第５段階における２つの領域Ｇｅｔと４つの領域Ｎｅｗがすでに塗りつぶされた領域Ｏｌｄとなり、領域ＯｌｄのＹ座標を「ｙ」としたときにＹ座標が「ｙ＋１」となる上方の領域Ｎｅｗが塗りつぶされ（図１０のステップＳ１５）、領域Ｎｅｗの両端それぞれの領域Ｓｔａｃｋの位置情報がスタック１に格納される（図１０のステップＳ１６）。

今回は、図１６に示す第５段階におけるステップＳ１４で、塗りつぶし領域が４つ拡張しているため、その拡張された４つの領域Ｎｅｗに相当する領域ＯｌｄとＹ軸方向に接する領域Ｎｅｗが塗りつぶされ（図１０のステップＳ１７）、さらに、その塗りつぶされた領域Ｎｅｗの両端それぞれの領域Ｓｔａｃｋの位置情報がスタックされる（図１０のステップＳ１８）。尚、この例では、図１４に示すステップＳ１３において、スタック１から位置情報が取得され、ステップＳ１５では、領域ＯｌｄのＹ座標を「ｙ」としたときにＹ座標が「ｙ＋１」となる上方の領域Ｎｅｗが塗りつぶされているため、ステップＳ１７では、Ｙ座標が「ｙ−１」となる下方の領域Ｎｅｗが塗りつぶされ、ステップＳ１８では、スタック２に位置情報が格納される。

以上のようなステップＳ３からステップＳ１８までの一連の処理が、スタック１，２内が空になるまで繰り返される。

図１８〜図３３には、第７段階〜第２２段階それぞれにおける処理状態が示されている。

図１８に示す第７段階では、図１７においてスタック２に格納された位置情報が取得され（図１０のステップＳ１３）、２つの領域Ｇｅｔのうちの左側の領域Ｇｅｔから左方向に向けて１つの領域Ｎｅｗが塗りつぶされる（図１０のステップＳ１４）。

図１９に示す第８段階では、図１８における２つの領域Ｇｅｔと１つの領域Ｎｅｗが領域Ｏｌｄとなり、領域ＯｌｄのＹ座標を「ｙ」としたときにＹ座標が「ｙ−１」となる下方の領域Ｎｅｗが塗りつぶされ（図１０のステップＳ１５）、領域Ｎｅｗの両端それぞれの領域Ｓｔａｃｋの位置情報がスタック２に格納される（図１０のステップＳ１６）。

今回は、図１８に示す第５段階におけるステップＳ１４で、塗りつぶし領域が１つだけ拡張しているため、ステップＳ１７，Ｓ１８を省略してステップＳ１３に戻る。

図２０に示す第９段階では、図１９においてスタック２に格納された位置情報が取得され（図１０のステップＳ１３）、２つの領域Ｇｅｔのうちの右側の領域Ｇｅｔから右方向に向けて１つの領域Ｎｅｗが塗りつぶされる（図１０のステップＳ１４）。

図２１に示す第１０段階では、図２０における２つの領域Ｇｅｔと１つの領域Ｎｅｗが領域Ｏｌｄとなり、領域ＯｌｄのＹ座標を「ｙ」としたときにＹ座標が「ｙ−１」となる下方の領域Ｎｅｗが塗りつぶされ（図１０のステップＳ１５）、領域Ｎｅｗの両端それぞれの領域Ｓｔａｃｋの位置情報がスタック２に格納される（図１０のステップＳ１６）。

今回も、図２０に示す第９段階におけるステップＳ１４で、塗りつぶし領域の拡張が１つだけであるため、ステップＳ１７，Ｓ１８を省略してステップＳ１３に戻る。

図２２に示す第１１段階では、図２１においてスタック２に格納された位置情報が取得される（図１０のステップＳ１３）。しかし、図２３に示す第１２段階では、塗りつぶし対象となる領域が輪郭線を形成している領域Ｂであるため、領域の拡張が中止され（図１０のステップＳ１５）、位置情報のスタックも行われない（図１０のステップＳ１６）。

図２４に示す第１３段階では、図１３においてスタック１に格納された位置情報が取得され（図１０のステップＳ１３）、２つの領域Ｇｅｔのうちの右側の領域Ｇｅｔから右方向に向けて１つの領域Ｎｅｗが塗りつぶされる（図１０のステップＳ１４）。

図２５に示す第１４段階では、図２４における２つの領域Ｇｅｔと１つの領域Ｎｅｗが領域Ｏｌｄとなり、領域ＯｌｄのＹ座標を「ｙ」としたときにＹ座標が「ｙ＋１」となる上方の領域Ｎｅｗが塗りつぶされ（図１０のステップＳ１５）、領域Ｎｅｗの両端それぞれの領域Ｓｔａｃｋの位置情報がスタック１に格納される（図１０のステップＳ１６）。

図２６に示す第１５段階では、図２５においてスタック１に格納された位置情報が取得される（図１０のステップＳ１３）。しかし、図２７に示す第１６段階では、塗りつぶし対象となる領域が輪郭線を形成している領域Ｂであるため、領域の拡張が中止され（図１０のステップＳ１５）、位置情報のスタックも行われない（図１０のステップＳ１６）。

図２８に示す第１７段階では、図１３においてスタック２に格納された位置情報が取得される（図１０のステップＳ１３）。しかし、２つの領域Ｇｅｔは輪郭線を形成している領域Ｂとすでに塗りつぶされた領域Ｏｌｄとに挟まれているため、領域の拡張は行われない（図１０のステップＳ１４）。

図２９に示す第１８段階では、図２８における２つの領域Ｇｅｔが領域Ｏｌｄとなり、領域ＯｌｄのＹ座標を「ｙ」としたときにＹ座標が「ｙ−１」となる下方の５つの領域Ｎｅｗが塗りつぶされ（図１０のステップＳ１５）、領域Ｎｅｗの両端それぞれの領域Ｓｔａｃｋの位置情報がスタック２に格納される（図１０のステップＳ１６）。

図３０に示す第１９段階では、図２９においてスタック２に格納された位置情報が取得され（図１０のステップＳ１３）、２つの領域Ｇｅｔのうちの右側の領域Ｇｅｔから右方向に向けて２つの領域Ｎｅｗが塗りつぶされる（図１０のステップＳ１４）。

図３１に示す第２０段階では、図３０における２つの領域Ｇｅｔと２つの領域Ｎｅｗが領域Ｏｌｄとなり、領域ＯｌｄのＹ座標を「ｙ」としたときにＹ座標が「ｙ＋１」となる上方の１つの領域Ｎｅｗが塗りつぶされて領域Ｓｔａｃｋとなり（図１０のステップＳ１５）、その領域Ｓｔａｃｋの位置情報がスタック１に格納される（図１０のステップＳ１６）。

図３２に示す第２１段階では、図３１においてスタック１に格納された位置情報が取得される（図１０のステップＳ１３）。しかし、図３３に示す第２２段階では、塗りつぶし対象となる領域が輪郭線を形成している領域Ｂであるため、領域の拡張が中止され（図１０のステップＳ１５）、位置情報のスタックも行われない（図１０のステップＳ１６）。

この時点で、スタック１，２には位置情報が全て取り出されて空となっており、輪郭線を形成している領域Ｂで取り囲まれたすべての領域が塗りつぶされている。

この塗りつぶしアルゴリズムを利用することによって、何度も同じ領域に対して塗りつぶすか否かの判定が行われてしまう無駄な処理を省くことができ、処理時間を高速化することができる。

以下では、本実施形態における具体的な処理結果について説明する。

図３４は、被検体の鼻の位置における断面画像上で抽出された被検体像を示す図であり、図３５は、被検体の肺の位置における断面画像上で抽出された被検体像を示す図である。

図３４および図３５のパート（Ａ）は、従来の体表抽出装置を使って被検体像を抽出した図であり、図３４および図３５のパート（Ｂ）は、図４に示す体表抽出装置２００を使って被検体像を抽出した図である。

被検体の鼻の位置における断面画像では、体外と繋がっている鼻腔領域の画像濃度が低いため、従来の体表抽出装置を使って、断面画像上の高濃度像を被検体像として抽出してしまうと、図３４のパート（Ａ）に示すように、鼻腔領域に穴が開いてしまう。

また、被検体の肺の位置における断面画像においても、肺には空気が含まれているために肺野領域の画像濃度が低くなり、従来の体表抽出装置では、図３５のパート（Ａ）に示すように、肺野領域に穴が開いてしまう。

本実施形態においては、複数の断面画像上で抽出された複数の高濃度像におけるＺ軸方向の繋がりが分析され、同じ高濃度像群内で、急激に面積が減少し、かつ周囲長が増えている高濃度像が探索され（図３５に示す肺野領域では、面積差が２５０画素以上、周囲長差が１００以上）、穴として欠けた低濃度像が隣接する断面画像中で高濃度像である場合には高濃度像に補正される。その結果、図３４および図３５のパート（Ｂ）に示すように、被検体像中の穴が埋まり、精度良く体表を検出することができた。

図３６は、被検体の足の位置における断面画像上で抽出された被検体像を示す図である。

図３６のパート（Ａ）は、従来の体表抽出装置を使って被検体像を抽出した図であり、図３６のパート（Ｂ）は、図４に示す体表抽出装置２００を使って被検体像を抽出した図である。

従来の体表抽出装置では、断面画像上から複数の高濃度像が抽出されると、それら複数の高濃度像のうち面積が最大の高濃度像が被検体像として決定されていたため、片足が欠けてしまうことがあった。

本実施形態においては、２本の足それぞれが写っている２つの高濃度像がＺ軸方向に沿った一連の高濃度像群の中では繋がっていることが分析されるため、２つの高濃度像の双方を被検体像として抽出することができた。また、例えば、ひざ下から足先までの断面画像を撮影した場合であっても、２つの高濃度像それぞれが含まれる２つの高濃度像群が抽出され、各高濃度像群によって形成される２つの３次元像の体積が算出される。一方の３次元像が他方の３次元像の体積の半分以上の体積を有している場合、両方の高濃度像群が被検像群の一部であると判定されるため、２つの高濃度像の双方を被検体像群として抽出することができる。

図３７は、毛布を掛けた状態で被検体を撮影した断面画像上で抽出された被検体像を示す図である。

図３７のパート（Ａ）は、従来の体表抽出装置を使って被検体像を抽出した図であり、図３７のパート（Ｂ）は、図４に示す体表抽出装置２００を使って被検体像を抽出した図である。

毛布の厚さは１〜２画素程度であるため、周囲１画素を削って、再び周囲に１画素を加えるモルフォロジ処理を利用することによって、毛布の画像部分を精度良く除去することができた。

以上の結果から、本実施形態によって被検体像が高精度に抽出されることが確認できた。

続いて、処理速度について説明する。

従来の体表抽出装置では、４００枚の断面画像それぞれにおける被検体像を抽出するのに１５秒程度かかるが、３００枚の断面画像に対して３秒以下で被検体像を抽出することが求められている。

図４に示す体表抽出装置２００を利用し、断面画像上の被検体像を抽出する処理時間を計測した。尚、テスト環境は、Ｐｅｎｔｉｕｍ（登録商標）４３ＧＨｚ、ＲＡＭ１ＧＢｙｔｅである。

表１は、本実施形態における処理速度の計測結果を示す表である。

表１に示すように、最も処理時間がかかった場合であっても、約４００枚の断面画像に対して１秒以下で被検体像を抽出することができており、３００枚の断面画像に対して３秒以内という目標を十分に達成できている。

本実施形態によって、処理時間を大幅に短縮することができた理由として、以下のようなことが考えられる。

（１）最初に境界線を抽出して、その境界線内を塗りつぶす２次元ラベリング法を利用したことによって、高濃度像に低濃度像が包含されていても、その低濃度像を後で穴埋めする必要がなくなるため、処理を高速化することができる。

（２）３次元ラベリングについては、実際には３次元像の輪郭抽出などを行わず、２次元の高濃度像同士の連結のみを行うため、大幅に処理時間を高速化することができる。

（３）高濃度像におけるＸ座標とＹ座標の最大・最小値を保存しておき、内包最小長方形領域内のみで処理を行うことによって、不要な処理を省くことができる。

（４）上述した高速な塗りつぶしアルゴリズムを利用する。

（５）縮小画像（ラベル画像）を利用することによって、画素の探索時間などを高速化することができる。

以上のように、本実施形態の有用性が確認できた。

また、上記では、本発明の画像表示装置を診断装置に適用する例について説明したが、本発明の画像表示装置は、管理サーバなどに適用してもよい。

本発明の一実施形態が適用された医療診断システムの概略構成図である。 診断装置のハードウェア構成図である。 ＣＤ−ＲＯＭを示す概念図である。 体表抽出装置の機能ブロック図である。 管理サーバから医用画像を取得し、医用画像中の、被検体の体表を抽出するまでの一連の処理の流れを示すフローチャート図である。 管理サーバから送られてくる医用画像のイメージを示す図である。 高濃度像同士を連結する処理を示す概念図である。 輪郭が抽出された病変領域の一例を示す図である。 穴埋め処理を示す概念図である 塗りつぶしアルゴリズムの基本的な処理の流れを示すフローチャート図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における初期段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第２段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第３段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第４段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第５段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第６段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第７段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第８段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第９段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１０段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１１段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１２段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１３段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１４段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１５段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１６段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１７段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１８段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第１９段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第２０段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第２１段階を示す図である。 塗りつぶしアルゴリズムを適用して領域が塗りつぶされる過程における第２２段階を示す図である。 被検体の鼻の位置における断面画像上で抽出された被検体像を示す図である。 被検体の肺の位置における断面画像上で抽出された被検体像を示す図である。 被検体の足の位置における断面画像上で抽出された被検体像を示す図である。 毛布を掛けた被検体を撮影した断面画像上で抽出された被検体像を示す図である。

符号の説明

１０ 画像生成装置
１１ ＣＲ装置
１２ ＭＲＩ装置
２０ 管理サーバ
３０ 診断装置
３１ 本体装置
３２ 画像表示装置
３３ キーボード
３４ マウス
３０１ ＣＰＵ
３０２ 主メモリ
３０３ ハードディスク装置
３０４ ＦＤドライブ
３０５ ＣＤ−ＲＯＭドライブ
３０６ Ｉ／Ｏインタフェース
１００ 体表抽出プログラム
１１０ 画像取得部
１２０ 濃度分類部
１３０ ２次元ラベリング部
１４０ ３次元ラベリング部
１５０ 体表推定部
１６０ 穴検出部
１７０ 体表決定部
１８０ 画像表示部
１９０ 位置ずれ補正部
２００ 医用画像表示装置
２１０ 画像取得部
２２０ 濃度分類部
２３０ ２次元ラベリング部
２４０ ３次元ラベリング部
２５０ 体表推定部
２６０ 穴検出部
２７０ 体表決定部
２８０ 画像表示部
２９０ 位置ずれ補正部

Claims (9)

1. 被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得部と、
   前記画像取得部で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化部と、
   前記２値化部によって２値化された断面画像に写っている各像を、該断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、前記被検体内の像からなる第１の像群と該被検体外の像からなる第２の像群とに分類する分類部とを備えたことを特徴とする画像分析装置。
2. 前記分類部が、複数の断面画像に亘って連続している一連の像については同一の像群に分類するものであることを特徴とする請求項１記載の画像分析装置。
3. 前記分類部が、１つの断面画像内である像が他の像を囲んでいる場合には、それらの像を同一の群像に分類するものであることを特徴とする請求項１または２記載の画像分析装置。
4. 前記分類部が、前記第２の像群に分類された像のうち、その像が写っている断面画像中で、前記第１の像群に分類された像の間に割り込んだ像であって、かつ前記所定方向について、該第１の像群に分類された像によって挟まれた像については該第１の像群に分類し直すものであることを特徴とする請求項１から３のうちいずれか１項記載の画像分析装置。
5. 被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得部と、
   前記画像取得部で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化部と、
   前記２値化部によって２値化された断面画像に写っている各像を、該断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、前記被検体内の像からなる第１の像群と該被検体外の像からなる第２の像群とに分類する分類部と、
   前記複数の断面画像それぞれに写っている前記第２の像群を除去する画像処理部とを備えたことを特徴とする画像処理装置。
6. コンピュータ内で実行され、該コンピュータ上に、
   被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得部と、
   前記画像取得部で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化部と、
   前記２値化部によって２値化された断面画像に写っている各像を、該断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、前記被検体内の像からなる第１の像群と該被検体外の像からなる第２の像群とに分類する分類部とを構築することを特徴とする画像分析プログラム。
7. コンピュータ内で実行され、該コンピュータ上に、
   被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得部と、
   前記画像取得部で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化部と、
   前記２値化部によって２値化された断面画像に写っている各像を、該断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、前記被検体内の像からなる第１の像群と該被検体外の像からなる第２の像群とに分類する分類部と、
   前記複数の断面画像それぞれに写っている前記第２の像群を除去する画像処理部とを構築することを特徴とする画像処理プログラム。
8. 被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得過程と、
   前記画像取得過程で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化過程と、
   前記２値化過程によって２値化された断面画像に写っている各像を、該断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、前記被検体内の像からなる第１の像群と該被検体外の像からなる第２の像群とに分類する分類過程とを有することを特徴とする画像分析方法。
9. 被検体内で所定方向に並んだ複数の切断位置それぞれにおける複数の断面画像を取得する画像取得過程と、
   前記画像取得過程で取得された複数の断面画像それぞれを所定の画像濃度を基準として２値化する２値化過程と、
   前記２値化過程によって２値化された断面画像に写っている各像を、該断面画像内での他の像との位置関係、および他の断面画像に写っている他の像との位置関係に基づいて、前記被検体内の像からなる第１の像群と該被検体外の像からなる第２の像群とに分類する分類過程と、
   前記複数の断面画像それぞれに写っている前記第２の像群を除去する画像処理過程を有することを特徴とする画像処理方法。

Images