JP2010521272A - 標準化された撮像データを実現するために撮像デバイスに自動品質フィードバックを与える方法 - Google Patents

Abstract

対象領域の位置を特定する機能、画像コントラストを最大にする機能、及び対象領域が正確に画像の中心に位置することを確実にする機能を実行する、自動画像品質評価アルゴリズム。その対象領域は、画像自体のサンプルから得られる目標スペクトルを用いて、スペクトル整合フィルタによって特定される。
【選択図】図１

Description

本発明は包括的には医用画像に関し、より具体的には、アーカイブ品質診療記録及びコンピュータ支援診断（ＣＡＤ）システムにおいて使用するために、高品質の標準化デジタル画像を実現する画像処理に関する。本発明は、アルゴリズムを用いて、デジタル撮像装置から得られる画像の品質を解析し、画像品質を能動的に改善するためのフィードバックを生成する処理システムを提供する。

本発明は子宮頸癌との関連で開示されているが、本発明は数多くの他の医学分野にも適用することができる。子宮頸癌は世界中の女性において２番目に多い癌であり、一年間に実質的に５０００００人以上の新たな症例が発生し、２７００００人を超える女性が死亡している（非特許文献１、参照により本明細書に援用される）。コルポスコピーは、子宮頸部の前癌病変及び癌を検出するために用いられる診断方法である（参照により本明細書に援用される非特許文献２）。リード指数（Reid’s index）のようなスコアリング方式は、アセトホワイトニング（acetowhitening）、血管パターン及び病変周縁部のような種々の特徴に基づいて、コルポスコピー診断を行なうための補助手段である（参照により本明細書に援用される非特許文献２）。これらの特徴を個別に評価して、スコア化した後に、全ての特徴のスコアが組み合わされて、疾患重症度を格付けする複合スコアが生成される。しかしながら、信頼性のあるスコアリングを保証するために、さらに解析を進める前に、画像の品質を評価しなければならない。

子宮頸部画像の品質が制限されるのは、機器の設定が不正確であること、機器の配置が不正確であること、グリント、合焦不良に起因するぶれ、物理的な汚れを含む、いくつかの要因によるものと考えることができる。グリント（鏡面反射）は、影響を及ぼされるピクセル内の色情報をなくし、それゆえ、特徴抽出アルゴリズムにアーティファクトを導入する可能性がある。鏡面反射は、鏡のように表面から光を完全に反射し、単一の入射方向からの光（光線）が単一の出射方向に反射される。ピクセルはグラフィック画像内の１つの点であり、画像の最も小さな単一要素である。１つの画像内の各ピクセルは、その輝度（brightness）又は強度（intensity）と相関する独自の値を有する。カラー画像では、各ピクセルは、色相（Ｈ（hue））、彩度（Ｓ（saturation））及び明度（Ｖ（value））（ＨＳＶ）、又は色相（Ｈ）、彩度（Ｓ）、明度（Ｌ（lightness））（ＨＳＬ）を用いて示すことができるが、通常は、代わりに赤色、緑色及び青色（ＲＧＢ）強度（intensities）として表される。色相（Ｈ）、彩度（Ｓ）及び強度（Ｉ（intensity））（ＨＳＩ）並びに色相（Ｈ）、彩度（Ｓ）及び輝度（Ｂ（brightness））（ＨＳＢ）は、ＨＳＶ及びＨＳＬの代わりに用いられる名称である。ＨＳＬ及びＨＳＶは、その中心軸が最も下の黒色から最も上の白色までの範囲を有し、その間に中間の色を有する円柱形内の点として色を表すために用いることができ、その軸を中心にした角度は「色相」に対応し、その軸からの距離は「彩度」に対応し、その軸に沿った距離は「明度（lightness）」、「明度（value）」及び「輝度」に対応する。

コルポスコピーのためのＣＡＤは、医用画像処理の新たな応用を表す。本発明者らは、子宮頸部異常の重症度を評価するために、リードインデックスのような診断方法に類似のＣＡＤシステムを開発した（参照により本明細書に援用される非特許文献４）。コルポスコピーの特徴を正確に評価するために、ＣＡＤが処理する画像は高品質でなければならない。それゆえ、本発明は、アクティブ画像品質評価（Active Image Quality Assessment）（ＡＩＱＡ）と呼ばれる、アルゴリズムの体系的な枠組みを含み、それらのアルゴリズムは、対象領域の位置を特定すること、コントラスト最大化、及び構図解析を含む。これらのアルゴリズムは、デジタルコルポスコープから得られる子宮頸部画像を自動的に評価する。フィルタリングされたデータセットは、その後、ＣＡＤアルゴリズム及びアーカイブ品質診療記録のために用いることができ、遠隔医療子宮頸癌診断においても用いることができる。

適当なコントラスト及び構図の要件が満たされる時点を判断するために、本発明の評価アルゴリズムは、最初に、デジタルコルポスコープからのライブビデオデータストリームからサンプリングされる低解像度の生画像に適用される。評価アルゴリズムからのフィードバックに応答して、必要に応じてシステム調整が行われる。これらの調整は、自動システム調整、及び機器の指示を受けながらオペレータによって行なわれる手動調整の双方から成る場合がある。任意の調整後に、その評価アルゴリズムは繰り返される。そのアルゴリズムが、システムに対するそれ以上の調整が不要であることを指示した後、そのシステムは、ＣＡＤシステムにおいて用いるための高解像度の静止画像を収集できる状態にある。

多くの評価アルゴリズムが当該技術分野において既知であるが、本発明者らは、対象領域の位置を特定するために、グリッドボックスサンプリング法を用いて、スペクトル整合フィルタによって用いられる目標スペクトルを推定する他のいかなる画像処理方法も知らない。以下の特許及び特許出願は、本発明の分野に関連すると考えることができる。

参照により本明細書に援用される、Galに対する特許文献１は、撮像センサと、広視野光学系と、照明手段と、電子回路と、通信手段とを備える、膣検査を実行するための医療デバイスを開示する。さらに、特許文献１は、プロセッサ及び専用医用画像理解・分析（ＭＩＵＡ）アルゴリズムを含む、ＭＩＵＡユニットを開示する。撮像センサ、光学系及び照明手段が、種々の波長において画像を収集し、マルチスペクトル画像を提供する。その撮像デバイスは、少なくとも１つのフィルタから成る。ＭＩＵＡアルゴリズムは、それらの画像に対象領域が存在するかを調べて、得られた画像を所定の品質基準と比較し、得られた画像が所定の基準を満たさない場合には、照明強度、露出時間、角度及びカメラズームを調整することができる。最後に、ＭＩＵＡアルゴリズムは、所定の対象領域の十分な画像が得られたことを検証し、保存し、その後、それをユーザに通知する。

参照により本明細書に援用される、Collins、Jeffery他に対する特許文献２は、医用画像分析及び悪性病変検出に関するコンピュータ支援システム並びに方法を開示する。多様なモダリティにより取得された医用画像を分析する。形態学的な特徴並びに時間的な、すなわち動力学的な特性を組み合わせて、医用画像中に検出した病変可能性の総合評価を算定する。システムは少なくとも１個の動力学的モジュールを有し、この動力学的モジュールは、患者に造影剤を投与した後に取得される時系列ＭＲＩ画像又はＭＲＳデータから動力学的特性を抽出することができるものとする。総合評価は確認又は改善のためにユーザに提示する。

参照により本明細書に援用される、Utzinger他に対する特許文献３は、組織のマルチスペクトル画像を生じさせるための方法及び装置を開示する。このマルチスペクトル画像は、頸部癌のような状態の検出及び診断のための、診断ツールとして使用され得る。一次放射線が、照射源を用いて発生される。この一次放射線は、第１の波長及び第１の偏光を選択するために、フィルタリングされる。組織が、このフィルタリングされた一次放射線で照射されて、二次放射線を発生させ、これは、第２の波長及び第２の偏光を選択するために、フィルタリングされる。このフィルタリングされた二次放射線は、検出器を用いて収集され、そして組織の複数のマルチスペクトル画像が、第１及び第２の波長並びに第１及び第２の偏光の異なる組合せに従って、検出器と作動可能な関係にある分析ユニットを用いて、生成される。

参照により本明細書に援用される、Hsieh他に対する特許文献４は、コンピュータ支援の診断アルゴリズムによって最初の画像の分析に基づいて画像データを生成及び処理するための方法及びシステムを開示する。そのＣＡＤアルゴリズムは、画像データ評価、データ又は画像セグメント化、特徴選択又は抽出、分類、トレーニング及び視覚化のようなモジュールを含むことができる。特許文献４は、セグメント化又は構造識別によって、関心のある特徴の位置を特定することを開示する。また、特許文献４は、コントラスト、空間解像度（たとえば、ズーム）及び色のような種々のパラメータに重点を置く後処理技法も開示する。

Hsieh他に対する特許文献５は、コンピュータ支援診断アルゴリズムによる最初の画像データの解析に基づいて、医療診断との関連で後続の画像データを収集し、付加的な画像データ収集が適切であるか否かを判断するための技法を開示する。

参照により本明細書に援用される、Jiangに対する特許文献６は、入力画像から明るさ（luminance）の値をフィルタリングし、フィルタリングされた値を変換して、画質を高めた画像を生成することによって、診断のための組織サンプルの画像の画質を高める方法を開示する。その発明は、画像輝度、コントラストを調整する変換アルゴリズムを使用し、カラーバランシングを提供することができる。また、特許文献６は、遮られるか、又は対象の診断ゾーンの外側にあるサンプルの領域のためのマスキング技法も開示する。

参照により本明細書に援用される、Blairに対する特許文献７は、子宮頸部のデジタル画像を生成することができる低コストのハンドヘルドコルポスコピーアセンブリを開示しており、それによれば、癌性組織を検出するために子宮頸部の画像をリアルタイムに撮像し、記録できるようになる。作成されるデジタル画像を瞬時に処理して、反射グレアを除去するか、又は任意のデジタル画像画質向上処理を実行して、組織の外見、組織及び病変の境界、並びに組織血管分布を確定することができる。

参照により本明細書に援用される、Chen、Ying-Ling Ann他に対する特許文献８は、適応的フォトスクリーニングシステムを開示する。

参照により本明細書に援用される、Cresens及びMarcに対する特許文献９は、直列番号付与済み品質管理（ＱＣ）目標を使う品質管理（ＱＣ）解析時に得られた、デジタル画像形成システムの画像品質性能への物理的特性変動の影響を、物理的特性偏差を制御される動作モデル修正を原画像品質性能に適用することにより、打ち消す方法。該ＱＣ解析用に使われる該直列番号付与済みＱＣ目標はＱＣ目標の内側又は外側にエンコードされた、目標固有の、測定された物理的特性データを有する。

参照により本明細書に援用される、Reiner及びBruceに対する特許文献１０は、放射線医学に基づく医用画像研究においてデジタルデバイスを使用する科学技術者のための品質保証（ＱＡ）スコアカードを生成する品質保証システム及び方法を開示する。

参照により本明細書に援用される、Selse、Emil他に対する特許文献１１は、患者の胸部の測位に関するデジタルマンモグラフィ画像の自動品質評価を開示する。

参照により本明細書に援用される、Krauter他に対する特許文献１２は、電子緑色フィルタを備えるビデオコルポスコープのための装置及び方法を開示する。ビデオカメラが、対象物の対象電子画像を取得し、アルゴリズム駆動デジタル信号処理回路（ＤＳＰ）を用いて、ＤＳＰ基準フィルタアルゴリズム及び格納されている基準色バランスレベルに従って、対象電子画像の彩度、色相及び強度レベルが修正され、それにより、対象電子画像に対応する修正済み電子画像が生成される。対応する対象画像がビデオカメラから得られるのに応じて、修正済み電子画像が、連続してリアルタイムにディスプレイに出力される。この修正済み電子画像は、光学緑色フィルタを通じて得られた画像をエミュレートし、シミュレートされたホワイトバランスを組み込む。

参照により本明細書に援用される、Manianに対する特許文献１３は、放射線検査画像の画像品質の迅速な自動定量評価を実行するためのシステム及び方法を開示する。

国際公開第２００８／０１２８１３号明細書 米国特許出願公開第２００７／０１３３８５２号明細書 米国特許第６，７６６，１８４号明細書 米国特許出願公開第２００４／００６８１６７号明細書 米国特許第６，６８７，３２９号明細書 米国特許出願公開第２００４／０２０８３８５号明細書 米国特許第６，２７７，０６７号明細書 米国特許出願公開第２００７／０１７１３６３号明細書 米国特許出願公開第２００７／０００９０９６号明細書 米国特許出願公開第２００７／０２３７３０８号明細書 米国特許出願公開第２００７／０２４８２１０号明細書 米国特許第６，１４７，７０５号明細書 米国特許第５，５６５，６７８号明細書

http://wwwdepdb.iarc.fr/globocan2002.htm B. S. Apgar、Brotzman, G, L.及びSpitzer, M.著「Colposcopy: Principle and Practice」（W. B. Saunders Company: Philadelphia, 2002） Reid R及びScalzi P.著「Genital warts and cervical cancer. VII. An improved colposcopic index for differentiating benign papillomaviral infection from high-grade cervical intraepithelial neoplasia」（Am J Obstet Gynecol 1985; 153: 611-618） Lange H.及びFerris, Daron G.著「Computer-Aided-Diagnosis (CAD) for colposcopy」（SPIE Medical Imaging 2005; SPIE Proc. 5747, 2005）

本発明は、標準化された撮像データを記録するために、撮像デバイスに自動品質フィードバックを与える方法を開示する。本発明は、光源で視野を照明して、交差偏光（ＸＰ）画像及び単一偏光（ＰＰ）画像（平行偏光画像と呼ばれることもある）を得るステップを含む。ＸＰ画像は、第１の偏光方向を有する光源で視野を照明し、第１の方向に対して実質的に垂直である第２の偏光方向を有する偏光フィルタを通じて検出器で視野を視認することによって作成されることが好ましい。ＰＰ画像は、第１の偏光方向が第２の偏光方向に実質的に平行であるときに作成されることが好ましい。また、ＰＰ画像は、光源又は検出器のいずれかに（双方ではない）単一偏光フィルタを置くことによって得ることもできる。ＸＰ画像及びＰＰ画像の双方は、互いに重ね合わせられる（位置合わせされる）。その後、交差偏光画像の空間的に離散したサンプルの平均スペクトルを求め、最も明るいサンプルの約０％〜２０％及び最も暗いサンプルの１０％〜５０％を廃棄して、残りのスペクトルを平均することによって目標スペクトルを規定する画像分類アルゴリズムを用いて、ＸＰ画像上で対象領域の位置が特定される。その後、目標スペクトルに対応するＸＰ画像の部分を照合することによって、対象領域の大きさが求められる。次に、信号評価及び露出時間調整を用いて適当なコントラストを得るために、対象領域及びＰＰ画像が解析される。その後、ＸＰ画像に構図解析を適用して、対象領域が画像境界内の正確に中央に配置されるようにする。最後に、コントラスト最大化及び構図解析のステータスが評価され、そのシステムは、「良好」又は「不良」いずれかのブール変数を報告する。そのステータスが「不良」である場合には、「良好」の評価ステータスが達成されるまで、全過程（２つのバージョンの生画像を収集し、対象領域の位置を特定し、コントラスト最大化を実行し、構図解析を適用すること）が繰り返される。ステータスが「良好」である場合には、これはコントラスト最大化及び構図解析が十分であることを意味しており、そのシステムは、対象領域の高解像度静止画像を収集できる状態にある。

アクティブ画像品質評価（ＡＩＱＡ）の流れ図である。 子宮頸部であるが、膣壁部、光沢のない黒い膣鏡及び外部組織の一部も含む、赤色-緑色-青色（ＲＧＢ）画像の例である。 スペクトル整合フィルタのための目標スペクトルを推定するために用いられる９個のボックスを有する子宮頸部のＲＧＢ画像である。 ＡＩＱＡ ＲＯＩアルゴリズムを用いて計算される、図４及び図５の画像のための子宮頸部の対象領域（ＲＯＩ）を示す図である。 ＲＯＩによってマスクされる子宮頸部のＲＧＢ画像である。 ＲＯＩ内の赤色ピクセルのデジタル数（ＤＮ）値のヒストグラムである信号ＤＮの最小許容値及び最大許容値が２つの垂直な破線として示されている。８６０ＤＮにおける線が、コントラストアルゴリズムによって推定される信号ＤＮの値である。この画像は許容可能なコントラストを有する。 ＲＯＩによってマスクされる子宮頸部のＲＧＢ画像である。 ＲＯＩ内の赤色ピクセルのＤＮ値のヒストグラムである。信号ＤＮのための最小許容値及び最大許容値が２つの垂直な破線として示されている。約９００ＤＮにおける線が、コントラストアルゴリズムによって推定される信号ＤＮの値である。この画像は露出過度である。 ＲＯＩによってマスクされる子宮頸部のＲＧＢ画像である。 ＲＯＩ内の赤色ピクセルのＤＮ値のヒストグラムである。信号ＤＮの最小許容値及び最大許容値が２つの垂直な破線として示されている。約７５０ＤＮにおける線が、コントラストアルゴリズムによって推定される信号ＤＮの値である。この画像は露出不足である。

本発明の評価アルゴリズムが実行される前に、デジタル撮像装置を用いて、調査中のライブビデオから、視野の低解像度の生画像が収集されなければならない。２つのバージョンの視野、ＸＰ画像及びＰＰ画像が捕捉される。これは、第１の偏光方向を有する偏光光源で視野を照明し、第１の偏光方向に対して実質的に垂直である第２の偏光方向を有する偏光フィルタを通じて検出器で視野を視認することによって達成されることが好ましい。これが、視野のＸＰ画像を生成する。視野のＰＰ画像を生成するために、第２のバージョンの視野は、偏光光源が、検出器フィルタの第２の偏光方向に対して実質的に平行である第１の偏光方向を有するときに、又は光源若しくは検出器のいずれかにおいてただ１つの偏光フィルタが存在するときに達成されることが好ましい。

（ほぼ無限の数の波長を有する）広帯域白色光源、並びに赤色、緑色及び青色チャネルを有する（すなわち、これら３つの波長を検出することができる）標準色センサの使用によるマルチスペクトル検出が用いられることが好ましい。

１．評価アルゴリズムシーケンス
１．１ 対象領域（ＲＯＩ）の位置を特定する
本発明の現時点で好ましい実施形態の流れ図が図１において与えられる。本発明は、システムが焦点サブシステムによって正確に焦点を合わせられているものと仮定する。好ましくは、３つのアルゴリズム、すなわち（１）対象領域位置特定、（２）コントラスト最大化、及び（３）構図解析が存在する。これらのアルゴリズムが適用された後に、総合ステータス評価が実行される。第１のアルゴリズムは、子宮頸部に対応するはずである対象領域（ＲＯＩ）の計算である。ＲＯＩは、ＸＰ画像を用いて推定される。なぜなら、ＸＰ画像は、グリントアーティファクト（鏡面反射）の影響を受けにくいためである。鏡面反射は、鏡のような、表面からの光の完全な反射であり、単一の入射方向からの光（光線）が単一の出射方向に反射される。その後、推定されたＲＯＩは、残りの２つのアルゴリズム、すなわちコントラスト最大化及び構図解析のための入力として用いられる。

１．２． コントラスト最大化
このアルゴリズムの場合、視野のＸＰ画像及びＰＰ画像のためのコントラストが個別に最大にされる。偏光効果に起因して、２つの画像は異なる量の光を受け取るので、ＰＰ画像においてコントラスト最大化を実行する必要がある。結果として、各画像のコントラストを最大にするために、露出毎に個別に露出時間が調整されなければならない。ＸＰ画像及びＰＰ画像のコントラスト最大化は、ＸＰ画像からのＲＯＩ推定値を入力として利用する。

本発明のこの部分の目標は、カメラのダイナミックレンジを完全に利用するのを確実にし、それにより、画像コントラストを最大にすることである。コントラスト最大化は、信号評価及び露出時間調整を通じて達成される。これは、最も明るい子宮頸部ピクセル（生画像において最も大きなデジタル数（ＤＮ）を生成するピクセル）が、そうしなくても、カメラの飽和にできる限り近いように、カメラ露出時間が調整されることを意味する。ピクセルは、グラフィック画像内の１つの点であり、１つの画像の最も小さな単一要素である。１つの画像内の各ピクセルは、その輝度又は強度と相関する独自の値を有する。０の数値表現は通常黒色を表し、取り得る最大値は通常、白色を表す。ＤＮは、デジタル画像内のピクセルの相対的な輝度を表す正の整数である。カラー画像では、各ピクセルは、その色相、彩度及び明度（ＨＳＶ）を用いて表すことができるが、通常は、代わりに赤色、緑色及び青色（ＲＢＧ）強度として表される。

コントラスト最大化アルゴリズムからの一次出力は、そのシステムが満足のいくコントラストを達成したか否かを指示するメッセージである。そのシステムが満足のいくコントラストを達成していない場合には、テスト画像に適用する新たな露出時間が与えられ、評価アルゴリズムの残りは実行されず、その画像のためのシーケンスは終了し、新たな露出時間による新たなテスト画像が得られる。一方で、許容可能なコントラストが達成されている場合には、出力される露出時間は変更されず、評価アルゴリズムは構図解析に続く。

１．３ 構図解析
構図解析は、本発明の現時点で好ましい実施形態の第３のステージである。構図解析の目的は、画像境界と交差することなく、ＲＯＩ（子宮頸部であることが好ましい）が各画像内の中心に位置し、できる限り視野の多くを占めるのを確実にすることである。ＸＰ画像からのＲＯＩが入力として用いられる。ＲＯＩの中心が計算され、画像の中心と比較される。ＲＯＩ境界が画像境界に近いかが評価される。最後に、カメラ視野内で子宮頸部が遮られる場合を検出するために、ＲＯＩの大きさが計算される。ＲＯＩが中心に位置し、が画像境界と交差せず、且つ十分に大きい（ＸＰ画像の全面積の少なくとも２５％を構成する）場合には、出力構図メッセージは、構図が良好であることを指示する。これが当てはまらない場合には、その構図は不良であり、３つの品質フラグ出力（後述する）において指示される。この情報を用いて、人間オペレータが構図に対する調整を行なうことができる。

１．４ 状態評価
本発明の現時点で好ましい実施形態の最終ステージは、評価アルゴリズムのための総合状態の判断であり、これは「良好」又は「不良」のいずれかのブール変数として報告される。総合ステータスは、２つの評価アルゴリズム（コントラスト最大化及び構図解析）がいずれも満足のいくときにのみ、値「良好」（真）を割り当てられる。総合ステータスが「良好」であるとき、そのシステムは、臨床的に関連する特徴を観測するために、ＲＯＩの高解像度静止画像を収集できる状態にある。２つの評価アルゴリズム（コントラスト最大化及び構図解析）のいずれかが不満足である場合には、総合ステータスは「不良」であり、コントラストフラグ及び構図フラグに基づいてシステム調整が行われた後に、全過程（ＲＯＩの位置を特定すること、コントラスト最大化、構図解析、及びステータス評価）が繰り返される。

２ 対象領域の位置を特定すること
２．１ 問題の記述
ＲＯＩアルゴリズムの目的は、子宮頸部に対応する生画像内のピクセルを特定することである。その後、これらのピクセルを用いて、画像コントラスト及び構図が解析される。一例が図２として示されており、ここで、生画像が赤色-緑色-青色（ＲＧＢ）画像に変換されている。子宮頸部は、その画像の中心において明らかに視認することができるが、膣壁部、光沢のない黒い膣鏡及び外部組織の一部のようないくつかの他の特徴も、その画像において視認することができる。子宮頸部ピクセルのみが、画像品質を解析するための対象である。

２．２ アルゴリズムの記述
ＸＰ画像及びＰＰ画像が互いに重ね合わせられる（位置合わせされる）ので、単一の画像からＲＯＩが十分に計算される。１つのカメラが用いられる（画像捕捉間に時間遅延がある）場合には、その時間遅延は、画像が互いに重ね合わせられるように、組織の動きを最小限に抑えるほど十分に短くしなければならないか、又はそうしない場合には２つの画像を同時に撮影するための半透鏡シャッタビーム又は他の機構が用いられなければならない。上述したように、ＸＰ画像はグリントアーティファクトの影響を受けにくいので、ＲＯＩはＸＰ画像を用いて推定される。生ＸＰ画像は、通常はバイエルパターンフォーマットであり、最初にＲＧＢ画像に変換されなければならない。バイエルパターンフォーマットは、カラー画像を作成するためにデジタルカメラにおいて用いられる大部分の単一チップデジタル画像センサにおいて用いられる色フィルタの特定の配列を指している。フィルタパターンは５０％緑色、２５％赤色及び２５％青色であり、それゆえ、ＲＧＢＧとも呼ばれる。赤色又は青色の２倍の数の緑色要素を用いて、人の目が緑色光に対してより高い感度を有するのを模倣する。これをＲＧＢに変換するために、複雑なデモゼイキング過程は、計算負荷及び関連する時間遅延に起因して望ましくない。代わりに、簡単なビンニングが用いられ、それは迅速であり、且つここでこの目的を果たすのに十分である。各ＲＧＢピクセルは、生からの単一赤色ピクセル、単一青色ピクセル、及び２つの隣接する緑色ピクセルの平均から構成される。

ＲＯＩを計算するために利用される基本的な数学関数はスペクトル整合フィルタリングである。スペクトル整合フィルタリングは非常に良好に機能し、計算が速い。電気通信の場合、既知の信号、すなわちテンプレートと、未知の信号との相関をとり、未知の信号内のテンプレートの存在を検出することによって、整合フィルタが得られる。画像処理では、２次元整合フィルタが一般的に用いられる。本発明において用いられる整合フィルタは、子宮頸部に対応する目標スペクトルと、子宮頸部上に存在する可能性がある各ピクセルとの間のスペクトル角を推定する。スペクトルは、特定の１組の値に限定されるのではなく、連続体内で無限に変化することができる１つの条件である。

目標スペクトル及びスペクトルの全てのサンプルを多次元空間内で表すことができる。この空間では、スペクトルの赤色ピクセル値が赤色次元内の値に対応し、スペクトルの緑色ピクセル値が緑色次元内の値に対応し、スペクトルの青色ピクセル値が青色次元内の値に対応する。赤色値、緑色値及び青色値は合わせて、この空間内で１つのベクトルを定義する。目標スペクトル及びスペクトルの全てのサンプルは、この空間内でベクトルとして表すことができる。目標スペクトルベクトルと各サンプルスペクトルベクトルとの間のスペクトル角を評価することができる。この角度が或る最小しきい値未満であるピクセルは、子宮頸部目標ピクセルに十分に類似していると見なされ、フィルタリングに合格する。目標スペクトルとサンプルスペクトルとの間のスペクトル角は、好ましくは、約６５度〜８５度未満にすべきである。最適には、その角度は、約７５度未満にすべきである。スペクトル角は、「白色化された」ＲＧＢ空間、すなわち、ピクセルの色共分散行列（後に定義される）によって回転及び正規化されている色空間において計算されることが好ましい。

整合フィルタを推定するために、最初に不良ピクセルの組が、０に極めて近いか、又は飽和に極めて近い値を有する全てのピクセルと定義される。残りのピクセルは、これ以降、背景ピクセルと呼ばれる。最初に、不良ピクセルが廃棄され、その後、背景ピクセルの平均（平均値）スペクトルμ_ｂｋｇ及び共分散行列Σが計算される。統計学において、共分散行列は、ベクトルの要素間の共分散の行列である。共分散は、２つの確率変数が共に変化する程度に関する指標である（単一の変数が変化する程度を評価する分散とは異なる）。２つの変数が共に変化する傾向がある場合には（すなわち、それらの変数のうちの一方が、その期待値より大きいときに、他方の変数も、その期待値より大きい傾向がある）、それらの変数間の共分散は正である。一方、それらの変数のうちの一方が、その期待値より大きいときに、他方の変数が、その期待値より小さい傾向がある場合には、２つの変数間の共分散は負になる。

次に、子宮頸部に対応する目標スペクトルが生成される。これは、ＸＰ画像におけるＲＯＩ内のスペクトルの空間的に離散したサンプルを取ることを含む、グリッドボックスサンプリング法を用いることによって達成される。スペクトル整合フィルタについての従来からの問題は、画像ピクセルと比較する、又は「照合する」ために、「目標スペクトル」を得ることであるので、ＲＯＩの位置を特定するこの方法は望ましい。子宮頸部を特徴付ける固有スペクトルは、自然変動に起因して、女性によって常に異なる。画像そのものから目標スペクトルを得ることが好ましいが、ＲＯＩアルゴリズムの目的がその画像において子宮頸部を見つけることであるときに、画像そのものから子宮頸部目標スペクトルを如何に得るかという問題が残る。グリッドボックス法は、サンプリングを通じて、この問題に対処する。

図３は、離隔して配置される９個のピクセルボックス（サンプル）を示す。ボックスの大きさ及びボックス間の間隔は調整可能である。好ましくは、ボックスは均一な大きさ及び均一な間隔を有するが、必ずしもそうである必要はなく、ボックス長はＸＰ画像の境界長の約１０％〜３０％であり、ボックスはＸＰ画像の全面積の約２０％〜６０％を覆う。ボックスは正方形である必要はなく、任意の所望の形状にすることができる。各ボックスの平均スペクトルが計算される。最適には、その後、最も明るいボックス（最も高いＤＮ）からスペクトルの約１２％、最も暗いボックス（最も低いＤＮ）からスペクトルの３０％が廃棄され、残りのスペクトルを平均して、目標スペクトルμ_ｔｒｇを生成する。しかしながら、最も明るいサンプルの約０％〜２０％及び最も暗いサンプルの約１０％〜５０％が廃棄される場合にも、目標スペクトルを使用することができる。

その後、フィルタ値、好ましくはスペクトル角の余弦（白色化された空間内にあることが好ましい）が、好ましくは以下の式を用いて、背景ピクセルＡ毎に計算される。

このフィルタ値を用いて、ピクセルがフィルタリング除去されるか、保持されるかを判断する。

ＲＧＢ画像と同じ数のピクセルを有する２次元行列が０で初期化される。背景ピクセル毎のフィルタ値が、この行列に書き込まれる。不良ピクセルの値は０のままにされる。７５度の角しきい値が選択される場合には、これは、フィルタ値ｆ（Ａ）＝ｃｏｓ（７５）＝０．２５９に対応する。０の第２の２次元行列が初期化される。フィルタ値ｆ（Ａ）＞０．２５９を有するピクセルの場合に、その行列は１の値を割り当てられる。上記の結果は２つの行列であり、一方の行列は、背景ピクセル毎にフィルタ値を、そして不良ピクセル毎に０を有し、第２の行列は、十分に高いフィルタ値を有するピクセル毎に１の値を、そして全ての他のピクセルの場合に０を有する。

その後、この行列は、モルフォロジー演算を受けて、子宮頸部ＲＯＩがさらに精緻化される。隣接しているピクセルの「ブロブ」又はクラスタが特定される。隣接しているピクセルは、辺を共有するピクセルと定義され、一方、角で接触しているピクセルは隣接しているとは定義されない。各ブロブの面積が計算され、その後、最も大きなブロブを除く全てのブロブが除去される。その結果がＲＯＩである。一例が図４として示される。最後に、ＲＯＩ内のピクセルの数がカウントされる。

３．コントラスト最大化
３．１ 問題の記述
コントラストは、情報を与える明るさ（luminance）（輝度（brightness））の階調（gradation）（差（difference））の指標（measure）である。それは、視野の隣接している部分における比（明るさの差）／（平均の明るさ）として表される。一般的に言うと、コントラストは、２つの直ぐ近くの信号が有することができ、且つ依然として区別可能である最も小さな差である。最適な条件下では、人の目は、２％のコントラストの存在を検出することができる。それゆえ、デジタルコルポスコープによって生成される画像において、膣鏡検査熟練者によって観測されるのと同じ臨床的に関連する特徴を見分けるために、そのデバイスは、少なくとも２％のコントラストを検出できなければならない。目標として、そのデバイスは、２％未満のコントラストを検出することができることになる。

コントラストは以下のように定義される。

分子は暗雑音の標準偏差である。これは、デバイス特徴抽出手順中に「暗ファイル」から得られる（その手順は、雑音、ダイナミックレンジ、信号対雑音比、出力電力などに関して機器の特徴を抽出するか、又はその機器を測定する）。分母は、暗ファイルの平均値（基本的にカメラの０信号点）が減算される信号強度である。上記のようにコントラストを定義する正当性は、システムによって検出されることができる明るさ（luminosity）の最小差がシステム雑音（暗雑音から推定される）に等しく、一方、ほとんど同じ振幅の２つの信号の場合の平均の明るさ（luminosity）が、近似的に、それらの信号のうちの一方の信号の振幅になることである。所与の信号の明るさの場合に記録される信号ＤＮが、アナログ／デジタルコンバータの利得を高めることによって増加する場合には、暗雑音も同様に増幅され、結果として、コントラストは改善されない。上述したように、デジタル数（ＤＮ）は、デジタル画像内のピクセルの輝度（brightness）を表す正の整数である。コントラスト不良は、光源強度が不十分であるか、又はカメラ露出時間が短すぎる結果である可能性が高い。光源強度を高めると、暗雑音を変更することなく、信号ＤＮが増加する。この場合、式（２）において、分子は一定のままであるが、分母が増加し、それにより、コントラストが下がる（改善される）。しかしながら、デジタルコルポスコープの設計によって、一般的には、光源の強度は一定のままに制限される。結果として、通常は、露出時間を長くすることが、コントラストを改善するために唯一利用可能な方法である。

当然、露出時間が長すぎる場合には、カメラの光子井戸（photon well）、又はそのアナログ／デジタルコンバータをオーバーフローすることによって、子宮頸部ピクセルが飽和した状態になる場合がある。これが発生すると、それらのピクセルのための情報は破壊され、子宮頸部の特有の明るさ（luminance）を測定することはできない。飽和に近づくと、カメラの応答が非線形になるので、実際には、飽和点前に情報が破損する場合がある。それゆえ、最も明るい信号を、飽和よりもわずかに小さな或る最大ＤＮに制限することが望ましい。この値も、デバイス特徴抽出手順から得られるべきである。

グリントピクセルは、光源の鏡面反射のために、その信号ＤＮが異常に（その画像の残りの部分に対して）高いピクセルである。上述したように、鏡面反射は、鏡のような表面からの光の完全な反射であり、単一の入射方向からの光（光線）が単一の出射方向に反射される。ＰＰカメラを用いて得られる偏光によって、少なくともいくつかのグリントピクセルが、ほぼ全ての画像において見られる可能性がある（ＸＰカメラでは、グリントピクセルが抑圧される）。その数がほとんどないものと仮定すると、グリントピクセルは子宮頸部ピクセルの信号ＤＮを表さないので、コントラストを特徴付けるために用いられるべきではない。

コントラスト最大化アルゴリズムの目的は、臨床的に関連する特徴を観測するために収集される画像が、実現し得る最良のコントラストを示すことを確実にすることである。カメラ雑音は基本的には一定であるので、実現し得る最良のコントラストは、最も明るい子宮頸部ピクセルの場合に最も高い値の信号ＤＮを生成するが、それでも非線形範囲又は飽和の開始よりも短い露出時間を、好ましくは所定のリストから決定することによって達成される。

３．２ アルゴリズムの記述
コントラスト最大化アルゴリズムは２つの主要部分を有する。第１の部分は信号評価である。信号評価の目的は、最も明るい子宮頸部ピクセルの信号ＤＮを推定することである。第２の部分は露出時間調整であり、それは、必要に応じて、信号ＤＮの値に基づいて露出時間を調整する。コントラスト最大化アルゴリズムは、１つの画像内で測定されるデジタル数範囲をさらに広い範囲に拡張することを伴うコントラスト伸張（正規化と呼ばれることが多い）を利用して、画像及びその構成部分のコントラストを改善する。「伸張」は、より高い（より飽和点に近い）ＤＮ値において、より多くの数のピクセルを得るように露出時間を調整することによって達成される。

子宮頸部の反射率は、赤色に対応する光学スペクトル範囲において最も高い。結果として、子宮頸部のための信号ＤＮは常に、画像の赤色帯において最も高い。それゆえ、そのアルゴリズムは、赤色帯のみを用いる（たとえば、青色帯内の信号ＤＮが最大にされたなら、赤色帯はおそらく飽和するであろう）。その後、このアルゴリズムは、対象領域内にない、赤色帯内の全てのピクセルを除去する。その後、残りのピクセルのヒストグラムが計算される。当然、他の用途の場合には、異なるスペクトル帯を用いることができる。

このアルゴリズムは、入力として、信号ＤＮの最大許容値及び最小許容値を受け入れる。ＸＰ画像及びＰＰ画像の双方が評価される。好ましくは、最小許容値は、その画像の最大ＤＮ値の約８０％〜９０％に相当することが好ましい。８ビット画像の場合、ＤＮ値は０〜２５５の範囲内にある。本発明の場合、０〜１０２３の範囲内のＤＮ値を有する１０ビット画像を用いる。

最大許容値において開始して、このアルゴリズムは、ヒストグラムの形状を解析し、「エッジ」を探索する。エッジでは、或る特定のＤＮ範囲内のピクセルの数が急激に増加し始める。ＰＰ画像の一例が、図５（ａ）として与えられる。

図５（ｂ）において、そのヒストグラムによれば、この画像（ＤＮ＝１０２３）にはほぼ２００の飽和ピクセルがある。しかしながら、これらのピクセルは、ヒストグラムエッジを探索する際に無視される。飽和値（又は「飽和ビン」）の左隣のヒストグラム値（又は「ヒストグラムビン」）は、非常に少ない数のピクセルを有する。その後、ヒストグラムは、上に向かって曲がり始め、最も明るい子宮頸部ピクセルを特徴付ける。この画像の最大信号ＤＮ、８６０は、８００の最小許容値と９２０の最大許容値との中間にある。ここでも、最小許容値及び最大許容値は、この画像に利用することができるＤＮの最大値（１０２３）の約８０％（８００）、及びこの画像に利用することができるＤＮの最大値（１０２３）の約９０％（９２０）に相当する。結果として、図５（ａ）の画像は満足のいくコントラストを有し、露出時間の調整は不要である。

露出過度の画像の一例が図６（ａ）として与えられる。飽和したピクセルの数（ＤＮ＝１０２３）は多く、ヒストグラム上の任意の他の値よりも多い。図６（ｂ）を参照されたい。しかしながら、ヒストグラムエッジの探索は、最大許容ＤＮ値において開始する。このアルゴリズムは、そのヒストグラムが平坦域にあり、エッジにはないことを直ちに検出する。飽和したピクセルの場合、信号ＤＮのために、最大許容値として入力される値が報告されるが、これは真の値ではない。なぜなら、「真の」値は飽和に起因してわからないためである。この場合、コントラストアルゴリズムは、その画像が露出過度であり、不満足なコントラストを有することを報告する。その後、この情報はコントラスト最大化アルゴリズムの第２のステージに渡される。最も明るい子宮頸部ピクセルを特徴付ける値はわからないので、最適な露出時間の推定値を定量化することはできない。露出時間は、離散した１組の許容値に制限されることが好ましい。このため、画像が露出過度である場合には、露出時間は約５％〜１０％だけ短くされることが好ましく、新たな画像が収集される。この新たな露出時間も長すぎる場合には、そのアルゴリズムは再び、約５％〜１０％だけ露出時間を短くする。

最後に、露出不足の画像の一例が図７（ａ）として与えられる。ここでも、多数の飽和したピクセルが存在する（ＤＮ＝１０２３）。図７（ｂ）を参照されたい。しかしながら、ほぼ空のヒストグラム値が、飽和値の左側に長く延在する。そのヒストグラムは、約ＤＮ＝７５０まで、上に向かって曲がり始めない。これは、８００の最小許容値未満である。結果として、この画像のコントラストは不満足であり、露出不足と呼ばれる。

露出不足の場合、最適な露出時間を推定することができる。信号ＤＮは、露出時間とともに線形に増減する。新たな露出時間は式（３）を用いて推定される。

ここで、８６０は信号ＤＮの目標値であり、それは最小許容値と最大許容値との平均として求められる。適当に増減させるために、０信号に対応するＤＮ値が、目標値及び現在値から減算される。その後、そのアルゴリズムは、リストにおいて、新たな推定値に最も近い露出時間を選択する。

露出不足の場合には、新たな露出時間を定量可能に推定することができるので、露出過度よりも露出不足の方が好ましい。それゆえ、相対的に短い露出時間で評価アルゴリズムを開始することが好ましい。コントラスト最大化アルゴリズムは、時間を短くする方に１つずつ戻らなければならない場合よりも、迅速に正確な露出時間を求めることができる。

４．構図解析
４．１ 問題の記述
上述したように、子宮頸部は各画像内の中心に配置されるべきであり、画像境界と交差することなく、できる限り視野の多くを占めるべきである。構図アルゴリズムの目的は、これが当てはまるか否かを評価し、当てはまらない場合にはオペレータにフィードバックを与えることである。

４．２ アルゴリズムの記述
ＸＰ画像からのＲＯＩが、このアルゴリズムの入力として用いられる。最初に、ＲＯＩ境界が画像境界に近いかが評価される。好ましくは、ＲＯＩ境界は、画像境界と交差することなく、画像境界に極めて近くすべきである。これを表す１つの方法は、全ＲＯＩ面積を全画像面積の約９０％〜９９％にし、９５％を最適値にすることである。しかしながら、本発明は、ＲＯＩの面積が全画像面積の８０％〜９９％の範囲内にある場合にも実施することができる。こうして、ＲＯＩの全面積が画像面積の約９０％未満であるか、又は画像面積の１００％よりも大きい場合には、BooleanBadBorders品質フラグが真に設定される。次に、ＲＯＩの中心が、最大行位置及び最小行位置、並びに最大列位置及び最小列位置の中点であると見なされ、画像中心からのＲＯＩ中心の距離が計算される。ＲＯＩ中点と画像中心との間の距離の差は、５％の最大値しきい値を有し、それを超える場合には、BooleanBadCenter品質フラグが真に設定される。最後に、カメラ視野内で子宮頸部が遮られる場合を検出するために、ＲＯＩの大きさが、画像の全面積の少なくとも約２５％の最小しきい値と比較される。ＲＯＩの大きさがこの最小しきい値よりも小さい場合には、BooleanBadArea品質フラグが真に設定される。上記の品質フラグのいずれかが真である場合には、その構図は不良であり、テスト（複数可）は失敗である。しかしながら、ＲＯＩが中心にあり、画像境界と交差せず、且つ十分に大きい場合には、出力構図診断メッセージは、その構図が良好であることを指示する。

５．ステータス評価
ステータス評価は別のブール変数である。それは、ＸＰ及びＰＰのコントラスト最大化及びＸＰの場合の構図がいずれも満たされる場合には、良好（真）の値を割り当てられる。その際、そのデバイスは、臨床的に関連する特徴を観測するために高解像度のＸＰ画像及びＰＰ画像を収集できる状態にある。

ステータス評価が偽である場合には、或る構成要素が失敗しており、露出時間メッセージ又は構図品質フラグにおいて推奨される調整が利用されるべきである。これらの調整が行なわれた後に、評価アルゴリズムが繰り返されるべきである。

詳細な説明において記述され、図面において例示される実施形態を参照しながら本発明を具体的に図示及び説明してきたが、特許請求の範囲によって規定されるような、本発明の精神及び範囲から逸脱することなく、細部において種々の変更が加えられる場合があることは、当業者には理解されよう。したがって、特許請求の範囲において明示される場合を除いて、限定が暗示、又は推論されるべきではない。

本発明は、組織診断システムが、捕捉された画像の品質を自動的に解析し、調整するための方法を提供する。それは、背景とは異なるスペクトルを有する対象領域の任意の撮像及び解析に適用することができる。

Claims (14)

1. 電子診療記録及びコンピュータ支援診断（ＣＡＤ）システムにおいて用いるためのアーカイブ品質標準化画像データを達成するために、撮像デバイスに自動品質フィードバックを与える方法であって、
   デジタル撮像装置を用いて調査中のライブビデオから２つのバージョンの生画像を収集することであって、該生画像の第１のバージョンは第１の偏光方向を有する光源を用いて視野を照明し、検出器を用いて第２の偏光方向を有する偏光フィルタを通じて該視野を視認することによって作成されて、該視野の交差偏光画像が生成され、前記第１の偏光方向は前記第２の偏光方向に対して実質的に垂直であり、前記生画像の第２のバージョンは、前記第２の偏光方向が前記第１の偏光方向に対して実質的に平行であるときに生成されて、前記視野の平行偏光画像が生成される、収集することであり、ここで、前記視野の前記画像はいずれも実質的に互いに重ね合わせられ、それにより該画像は実質的に同じ境界であって、該境界はそれぞれ、該境界内の面積を画定する境界長及び境界幅を有する、境界、及び１つの中心を有するものであり、及び、
   画像分類アルゴリズムを用いて前記交差偏光画像内の対象領域の位置を特定することであって、該画像分類アルゴリズムは、前記交差偏光画像の空間的に離散したサンプルの輝度平均スペクトルを求めること、最も明るいサンプルの約０％〜２０％及び最も暗いサンプルの約１０％〜５０％を廃棄すること、残りのサンプルのスペクトルを平均して、輝度目標スペクトルを求めることによって、前記交差偏光画像から該目標スペクトルを規定すること、及び、該目標スペクトルと実質的に一致する前記交差偏光画像の部分を特定することによって該対象領域の大きさを求めることを含む、位置を特定すること、
   前記交差偏光画像及び前記平行偏光画像内の前記対象領域に対する信号評価及び露出時間調整によってコントラスト最大化を実行すること、
   前記交差偏光画像内の前記対象領域に構図解析を適用することであって、該対象領域が前記交差偏光画像内の中心に位置するのを確実にする、適用すること、
   前記コントラスト最大化及び前記構図解析の評価ステータスを判断することであって、該評価ステータスは良好又は不良いずれかのブール変数として報告される、判断すること、
   前記ステータスが不良である場合には、前記２つのバージョンの生画像を収集すること、前記対象領域の位置を特定すること、前記コントラスト最大化及び前記構図解析を実行することを繰り返すこと、並びに、
   前記ステータスが良好である場合には、高解像度交差偏光静止画像及び高解像度平行偏光静止画像を収集することを含む、方法。
2. 電子診療記録及びコンピュータ支援診断（ＣＡＤ）システムにおいて用いるためのアーカイブ品質標準化画像データを達成するために、撮像デバイスに自動品質フィードバックを与える方法であって、
   デジタル撮像装置を用いて調査中のライブビデオから２つのバージョンの生画像を収集することであって、該生画像の第１のバージョンは第１の偏光方向を有する光源を用いて視野を照明し、検出器を用いて第２の偏光方向を有する偏光フィルタを通じて該視野を視認することによって作成されて、該視野の交差偏光画像が生成され、前記第１の偏光方向は前記第２の偏光方向に対して実質的に垂直であり、前記生画像の第２のバージョンは、前記光源及び前記検出器から成る群から選択されるロケーションに偏光フィルタを配置することによって得られ、該視野の単一偏光画像が生成される、収集することであり、ここで、前記視野の前記画像はいずれも実質的に互いに重ね合わせられ、それにより該画像は実質的に同じ境界であって、該境界はそれぞれ、該境界内の面積を画定する境界長及び境界幅を有する、境界、及び１つの中心を有するものであり、及び、
   画像分類アルゴリズムを用いて前記交差偏光画像の対象領域の位置を特定することであって、該画像分類アルゴリズムは、前記交差偏光画像の空間的に離散したサンプルの輝度平均スペクトルを求めること、最も明るいサンプルの約０％〜２０％及び最も暗いサンプルの約１０％〜５０％を廃棄すること、残りのサンプルのスペクトルを平均して、輝度目標スペクトルを求めることによって、前記交差偏光画像から該目標スペクトルを規定すること、及び、該目標スペクトルと実質的に一致する前記交差偏光画像の部分を特定することによって該対象領域の大きさを求めることを含む、位置を特定すること、
   前記交差偏光画像及び前記単一偏光画像内の前記対象領域に対する信号評価及び露出時間調整によってコントラスト最大化を実行すること、
   前記交差偏光画像内の前記対象領域に構図解析を適用することであって、該対象領域が前記交差偏光画像内の中心に位置するのを確実にする、適用すること、
   前記コントラスト最大化及び前記構図解析の評価ステータスを判断することであって、該評価ステータスは良好又は不良いずれかのブール変数として報告される、判断すること、
   前記状態が不良である場合には、前記２つのバージョンの生画像を収集すること、前記対象領域の位置を特定すること、前記コントラスト最大化及び前記構図解析を実行することを繰り返すこと、並びに、
   前記ステータスが良好である場合には、高解像度交差偏光静止画像及び高解像度単一偏光静止画像を収集することを含む、方法。
3. 前記画像分類アルゴリズムは、スペクトル整合フィルタを用いて前記対象領域の大きさを求めて、残りのサンプルの前記スペクトルと前記目標スペクトルとの間のスペクトル角を推定し、前記交差偏光画像は、前記スペクトル角が約６５度〜８５度未満であるときに、前記目標スペクトルと実質的に一致する、請求項１又は２に記載の方法。
4. 前記画像分類アルゴリズムは、前記交差偏光画像の前記中心付近に分散する複数のボックスを含む空間的に離散したスペクトルサンプルを用いて実行され、前記ボックスはそれぞれ、ボックス長及びボックス幅を有し、前記ボックス長は前記交差偏光画像の前記境界長の約１０％〜３０％であり、前記ボックスは、前記交差偏光画像の前記境界内にある前記面積の約２０％〜６０％を覆う、請求項１又は２に記載の方法。
5. 前記画像分類アルゴリズムは、最も明るいサンプルのスペクトルの約１０〜１５％、及び最も暗いサンプルのスペクトルの約２０〜４０％を廃棄することによって実行される、請求項１又は２に記載の方法。
6. 前記画像分類アルゴリズムは、最も明るいサンプルのスペクトルの１２％、及び最も暗いサンプルのスペクトルの３０％を廃棄することによって実行される、請求項１若しくは２に記載の方法。
7. 前記コントラスト最大化ステップは、前記対象領域の露出時間を調整して、その輝度（brightness）がデジタル数によって決定される、前記交差偏光画像及び前記平行偏光画像内の最も明るいピクセルを生成することによって実行され、前記最も明るいピクセルは、満足のいくコントラストを生成するために、所望の範囲に入るデジタル数を有し、該所望の範囲の最小値は前記交差偏光画像の最大デジタル数値の約８０％であり、且つ前記平行偏光画像の最大デジタル数値の８０％であり、前記所望の範囲の最大値は、前記交差偏光画像の最大デジタル数値の約９０％に対応し、且つ、前記平行偏光画像の最大デジタル数値の約９０％であることが好ましい、請求項１に記載の方法。
8. 前記コントラスト最大化ステップは、前記対象領域の露出時間を調整して、その輝度（brightness）がデジタル数によって決定される、前記交差偏光画像及び前記単一偏光画像内の最も明るいピクセルを生成することによって実行され、前記最も明るいピクセルは、満足のいくコントラストを生成するために、所望の範囲に入るデジタル数を有し、該所望の範囲の最小値は前記交差偏光画像の最大デジタル数値の約８０％であり、且つ前記単一偏光画像の最大デジタル数値の８０％であり、前記所望の範囲の最大値は、前記交差偏光画像の最大デジタル数値の約９０％に対応し、且つ、前記単一偏光画像の最大デジタル数値の約９０％であることが好ましい、請求項２に記載の方法。
9. 前記構図解析ステップは、前記交差偏光画像内で、前記対象領域の境界が前記交差偏光画像の前記境界が近いかを評価し、前記対象領域の中心が前記交差偏光画像の前記中心に近いかを判断し、前記対象領域の大きさを計算し、構図診断メッセージを報告することによって実行される、請求項１又は２に記載の方法。
10. 前記構図診断メッセージは、前記対象領域が前記交差偏光画像内の中心に位置し、前記交差偏光画像境界内に包含され、前記対象領域の前記大きさが前記交差偏光画像の全面積の少なくとも約２５％であるときに、満足のいくものとして報告される、請求項９に記載の方法。
11. 前記コントラスト最大化及び前記構図解析が満足であるときにのみ、良好の前記ブール変数が当てはまる、請求項１又は２に記載の方法。
12. 前記コントラスト最大化若しくは前記構図解析のいずれかが不満足であるときに、又は前記コントラスト最大化及び前記構図解析の双方が不満足であるときに、不良の前記ブール変数が当てはまる、請求項１又は２に記載の方法。
13. 電子診療記録及びコンピュータ支援診断（ＣＡＤ）システムにおいて用いるためのアーカイブ品質標準化画像データを達成するために、撮像デバイスに自動品質フィードバックを与える方法であって、
    デジタル撮像装置を用いて調査中のライブビデオから２つのバージョンの生画像を収集することであって、該生画像の第１のバージョンは第１の偏光方向を有する光源を用いて視野を照明し、検出器を用いて第２の偏光方向を有する偏光フィルタを通じて該視野を視認することによって作成され、該視野の交差偏光画像が生成され、前記第１の偏光方向は前記第２の偏光方向に対して実質的に垂直であり、前記生画像の第２のバージョンは、前記第２の偏光方向が前記第１の偏光方向に対して実質的に平行であるときに生成されて、前記視野の平行偏光画像が生成される、収集することであり、ここで、前記視野の前記画像はいずれも実質的に互いに重ね合わせられ、それにより該画像は実質的に同じ境界であって、該境界はそれぞれ、該境界内の面積を画定する境界長及び境界幅を有する、境界、及び１つの中心を有するものであり、及び、
    画像分類アルゴリズムを用いて前記交差偏光画像内の対象領域の位置を特定（locating）することであって、該画像分類アルゴリズムは、前記交差偏光画像の空間的に離散したサンプルの輝度平均スペクトルを求めること、最も明るいサンプルの約０％〜２０％及び最も暗いサンプルの約１０％〜５０％を廃棄すること、残りのサンプルのスペクトルを平均して、輝度目標スペクトルを求めることによって、前記交差偏光画像から該目標スペクトルを規定すること、及び、該目標スペクトルと実質的に一致する前記交差偏光画像の部分を特定することによって該対象領域の大きさを求めることを含む、位置を特定すること、
    前記対象領域の露出時間を調整して、その輝度（brightness）がデジタル数によって決定される、前記交差偏光画像及び前記平行偏光画像内の最も明るいピクセルを生成することによって、前記交差偏光画像及び前記平行偏光画像に対する信号評価及び露出時間調整によりコントラスト最大化を実行することであって、該最も明るいピクセルは、満足のいくコントラストを生成するために、所望の範囲に入るデジタル数を有し、該所望の範囲の最小値は前記交差偏光画像の最大デジタル数値の約８０％であり、且つ前記平行偏光画像の最大デジタル数値の８０％であり、該所望の範囲の最大値は、前記交差偏光画像の最大デジタル数値の約９０％に対応し、且つ前記平行偏光画像の最大デジタル数値の約９０％であることが好ましい、実行すること、
    前記交差偏光画像内で、前記対象領域の境界が前記交差偏光画像の前記境界が近いかを評価し、前記対象領域の中心が前記交差偏光画像の前記中心に近いかを判断し、前記対象領域の大きさを計算し、構図診断メッセージを報告することによって、前記交差偏光画像に構図解析を適用することであって、該構図診断メッセージは、前記対象領域が前記交差偏光画像内の中心に位置し、前記交差偏光画像境界内に包含され、前記対象領域の該大きさが前記交差偏光画像の全面積の少なくとも約２５％であるときに、満足のいくものとして報告される、適用すること、
    前記コントラスト最大化及び前記構図解析の評価ステータスを判断することであって、該評価ステータスは良好又は不良いずれかのブール変数として報告され、該良好のブール変数は、前記コントラスト最大化及び前記構図解析が満足のいくときにのみ当てはまり、該不良のブール変数は、前記コントラスト最大化若しくは前記構図解析のいずれかが不満足であるときに、又は前記コントラスト最大化及び前記構図解析の双方が不満足であるときに当てはまる、判断すること、
    前記ステータスが不良である場合には、前記２つのバージョンの生画像を収集すること、前記対象領域の位置を特定すること、前記コントラスト最大化及び前記構図解析を実行することを繰り返すこと、並びに、
    前記ステータスが良好である場合には、高解像度交差偏光静止画像及び高解像度平行偏光静止画像を収集することを含む、方法。
14. 電子診療記録及びコンピュータ支援診断（ＣＡＤ）システムにおいて用いるためのアーカイブ品質標準化画像データを達成するために、撮像デバイスに自動品質フィードバックを与える方法であって、
    デジタル撮像装置を用いて調査中のライブビデオから２つのバージョンの生画像を収集することであって、該生画像の第１のバージョンは第１の偏光方向を有する光源を用いて視野を照明し、検出器を用いて第２の偏光方向を有する偏光フィルタを通じて該視野を視認することによって作成され、該視野の交差偏光画像が生成され、前記第１の偏光方向は該第２の偏光方向に対して実質的に垂直であり、前記生画像の第２のバージョンは、前記光源及び前記検出器から成る群から選択されるロケーションに偏光フィルタを配置することによって得られ、前記視野の単一偏光画像が生成される、収集することであり、ここで、前記視野の該画像はいずれも実質的に互いに重ね合わせられ、それにより該画像は実質的に同じ境界であって、該境界はそれぞれ、該境界内の面積を画定する境界長及び境界幅を有する、境界、及び１つの中心を有するものであり、及び、
    画像分類アルゴリズムを用いて前記交差偏光画像内の対象領域の位置を特定することであって、該画像分類アルゴリズムは、前記交差偏光画像の空間的に離散したサンプルの輝度平均スペクトルを求めること、最も明るいサンプルの約０％〜２０％及び最も暗いサンプルの約１０％〜５０％を廃棄すること、残りのサンプルのスペクトルを平均して、輝度目標スペクトルを求めることによって、前記交差偏光画像から該目標スペクトルを規定すること、及び、該目標スペクトルと実質的に一致する前記交差偏光画像の部分を特定することによって該対象領域の大きさを求めることを含む、位置を特定すること、
    前記対象領域の露出時間を調整して、その輝度（brightness）がデジタル数によって決定される、前記交差偏光画像及び前記単一偏光画像内の最も明るいピクセルを生成することによって、前記交差偏光画像及び前記単一偏光画像に対する信号評価及び露出時間調整によりコントラスト最大化を実行することであって、該最も明るいピクセルは、満足のいくコントラストを生成するために、所望の範囲に入るデジタル数を有し、該所望の範囲の最小値は前記交差偏光画像の最大デジタル数値の約８０％であり、且つ前記単一偏光画像の最大デジタル数値の８０％であり、該所望の範囲の最大値は、前記交差偏光画像の最大デジタル数値の約９０％に対応し、且つ、前記単一偏光画像の最大デジタル数値の約９０％であることが好ましい、実行すること、
    前記交差偏光画像内で、前記対象領域の境界が前記交差偏光画像の前記境界が近いかを評価し、前記対象領域の中心が前記交差偏光画像の前記中心に近いかを判断し、前記対象領域の大きさを計算し、構図診断メッセージを報告することによって、前記交差偏光画像に構図解析を適用することであって、該構図診断メッセージは、前記対象領域が前記交差偏光画像内の中心に位置し、前記交差偏光画像境界内に包含され、前記対象領域の該大きさが前記交差偏光画像の全面積の少なくとも約２５％であるときに、満足のいくものとして報告される、適用すること、
    前記コントラスト最大化及び前記構図解析の評価ステータスを判断することであって、該評価ステータスは良好又は不良いずれかのブール変数として報告され、該良好のブール変数は、前記コントラスト最大化及び前記構図解析が満足のいくときにのみ当てはまり、該不良のブール変数は、前記コントラスト最大化若しくは前記構図解析のいずれかが不満足であるときに、又は前記コントラスト最大化及び前記構図解析の双方が不満足であるときに当てはまる、判断すること、
    前記ステータスが不良である場合には、前記２つのバージョンの生画像を収集すること、前記対象領域の位置を特定すること、前記コントラスト最大化及び前記構図解析を実行することを繰り返すこと、並びに、
    前記ステータスが良好である場合には、高解像度交差偏光静止画像及び高解像度単一偏光静止画像を収集することを含む、方法。