JP2845995B2

JP2845995B2 - 領域抽出手法

Info

Publication number: JP2845995B2
Application number: JP1278383A
Authority: JP
Inventors: 博之関口; 耕一佐野; 哲夫横山
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1989-10-27
Filing date: 1989-10-27
Publication date: 1999-01-13
Anticipated expiration: 2014-01-13
Also published as: US5319551A; EP0424912A3; EP0424912A2; JPH03140140A

Description

【発明の詳細な説明】【産業上の利用分野】

本発明は体内画像データ、特に３次元的に撮像された
断層像を用い、個別臓器を立体表示する際の前処理とし
て必要となる、個別臓器の領域抽出処理（以下、個別臓
器に対する領域抽出処理を「臓器抽出」と書く）を自動
的に行なう方法に関する。

【従来の技術】

特定臓器を３次元表示するためには、まず、その臓器
を画像データから抽出しておくことが必要である。しか
し、臓器抽出を自動的に行う方法はいまだ確立しておら
ず、正確を期すには、人手によって各スライス像ごとに
臓器の輪郭を入力するといった方法を取らなくてはなら
ない。しかし、３次元データは非常に膨大な量であるた
め、リアルタイム性が要求される臨床現場においてこの
ような人手による臓器抽出は非実用的である。領域抽出の一般的な方法としては、関心領域の輪郭を追跡していく方法関心領域の内部の点から領域拡張を行なう方法という二つのアプローチが考案されている。の方法は、画像の局所的な濃度差を参照して臓器の
輪郭を自動追跡していく方法であり、医用画像処理では
従来から多く用いられてきた方法である。その一例はラ
ジオロジー1989年４月号、第277頁〜第280頁（Radiolog
y April,1989 pp.287〜pp.280）や第11回日本磁気共鳴
医学会大会講演抄録集，第93頁にて論じられている。し
かし、このような、一本の線の追跡といった方法ではノ
イズ，アーチファクトによって致命的な影響を受けやす
く信頼性の点で問題があった。また、これらの処理は一
枚一枚のスライス上の処理に過ぎないため３次元構造を
もつデータを有効に活用してはいない。の方法は、まず、関心領域内のある一点を選び、次
いでそれに連結している点を隣接画素の中から探しだ
し、その連結点を取り込んで領域を拡張することにより
関心領域を抽出するものである。一般的にはリージョン
・グローイング（Region Growing）と呼ばれている。ア
ズリール・ローゼンフェルド著（長尾真訳）「ディジタ
ル・ピクチャー・プロセッシング」第335頁（Azriel Ro
senfeld,「Digital Picture Processing」pp.335）にて
本方法について言及されている。連結性を判定する条件
（以下、拡張条件）として、通常は領域全体の平均濃度
と候補点との濃度差が用いられる。文字の形状抽出等へ
の応用例が多々あるが、複雑な形状・濃度変化を持つ医
用画像に単純に上記の条件を用いて本方法を適用しても
良い結果は得られず、臓器抽出への適用例はほとんどな
い。

【発明が解決しようとする課題】

本発明の目的は、３次元構造を持つデータを有効に活
用することにより、可能な限り領域抽出処理の自動化を
はかり、かつ、充分に信頼性の高い臓器抽出を行なうこ
とにある。

【課題を解決するための手段】

本方法では３次元データの有効活用という面から、
の領域拡張による方法を基本技法として用いる。この場
合、先に述べたように、領域範囲を正確に定めるための
拡張条件の設定方法が大きな問題になる。本発明では、
この拡張条件として、２つの異なる条件、すなわち、局
所的濃度変化を考慮した条件と、大域的濃度変化を考慮
した条件を考え、それらを組み合わせて用いることによ
り、より信頼性の高い領域抽出を実現している。さら
に、該領域抽出結果に対し、その境界に隣接する領域を
付加することにより、抽出漏れを最小限に抑える工夫を
行なっている。

【作用】

はじめに局所的濃度変化を考慮した領域拡張について
述べる。通常、臓器の境界部分には濃度値に大きな変化が現れ
る。この境界部分における濃度値の変化を認識して領域
抽出を行うのが、局所的濃度変化を領域拡張の制約条件
として用いた領域抽出の原理である。具体的にはこの境
界部分における濃度値の変化量がある一定値αを超えた
とき領域の拡張を停止させる。局所領域を１ドットの範
囲内とすると、領域拡張が行なわれる条件は次式で表わ
される。 |f_i−f_i-1|＜α …（１）ここで f_i は領域拡張点ｉの濃度値、 a_i-1はその領域拡張点ｉの一つ前の点の濃度値しかし、境界が１ドットの狭い範囲内に存在している
ことはまれであり、通常は数ドットの範囲にまたがって
存在する。この場合のように、局所領域として１ドット
の範囲内だけを見ていては不十分であると考えられる場
合は、前式を拡張した次式を用いる。 |f_i−f_i-n|＜α_ｎｎ＝1,2,…,N …（２）ここでＮは近傍として定義したドット数、 f_i-nは領域拡張路上，領域拡張点からｎドット前の座標
の濃度値 α_n はｎドット間において設定された拡張条件の基準
値なお、上記基準値α₁,α₂,…，α_Ｎは次式を満たすよ
うに設定する。 α_１≦α_２≦………≦α_Ｎ …（３）局所的濃度変化のみを拡張条件に用いた場合に問題と
なるのは、臓器の境界がはっきりしていない場合であ
る。このとき、拡張条件をゆるめに取ると、隣接臓器の
みならず、背景全体まで抽出領域に含まれてしまうこと
がある。次に、大域的濃度変化を考慮した領域拡張について述
べる。この方法はまず、オペレータが画像全体を見渡し、抽
出領域の代表点を指定する。そして、その点（或いは近
傍平均）の濃度f₀と領域拡張点f_iならびにあらかじめ設
定しておいたパラメータβを参照し、次式を領域拡張の
制約条件として抽出を行なう。 |f_i−f₀|＜β …（４）この方法は、単一の臓器内部はほぼ同程度の濃度を持
つということを前提としている。しかし、この仮定はＸ
線CT像における、骨，軟部組織の識別には有効であるが
MRIでは同一軟部組織においても組成の変化が濃度に敏
感に反映されるため、この拡張条件だけでは適切な領域
抽出を行なうことは困難である。以上で述べたように、両者とも単独で用いた場合、満
足な領域抽出が行なわれることは期待できない。しか
し、抽出に際し、両者を組み合わせて用い、互いに相手
の欠点を補うように働かせることにより、より確実な領
域抽出が可能となる。その場合の拡張条件は、両者の拡張条件に重み付けを
した、次式を用いる。ａ×|f_i−f_i-1|＋ｂ×|f_i−f₀|＜γ …（５） a,bは重み，γは拡張条件の総合的な強さを示す。最後に、上記の条件を用いて行なわれた領域拡張結果
にたいし、領域境界に隣接する領域を付加する効果につ
いて述べる。例えば医用画像の場合、臓器の境界はかなりぼやけて
いるのが普通であり、この部分を一意的に領域の内外に
区別することは出来ない。もしこれを行なえば、領域の
境界部分にかなりの誤差を含むことになる。臓器の３次
元表示は、最終的に、臓器表面（すなわち領域境界）の
形状によって表わされるため、この誤差を最小に押さえ
る工夫が必要である。本発明では、まず、上記の領域拡張による領域抽出を
行った後、さらに、スムージングを用いた若干の領域を
抽出領域に付加することにより、表示対象の臓器全体が
もれなく抽出領域に含まれるようにしている。もちろん
この方法によって、対象外の領域も抽出領域に含まれて
しまう可能性も考えられるが、抽出すべき領域がもれな
く含まれることの効果の方がはるかに大きい。特にボリ
ューム・レンダリングによる３次元表示では低濃度の部
分も画像に反映されるため、この領域を含むか否かで画
質が大きく変化する。

【実施例】

以下、本発明を実施例に基づき、第１図〜第11図を用
いて説明する。第１図は本発明を適用する装置のシステム構成図であ
る。該装置はI/O装置10,メモリ11,メモリ12,CPU13,CRT14
から構成される。次に、各構成要素の役割を簡単に説明
する。 I/O装置10は、Ｘ線CT,MRI等の断層イメージング装置
とメモリ11,12間での画像のやり取りを行なう。メモリ11はI/O装置10より入ってきた断層像を格納す
る。この時、各々の断層像をそれぞれの位置関係を正確
に保ちながら重ねあわせることにより３次元データとし
て格納する。第２図はこの概念を示したものである。す
なわち、第２図（ａ）に示すような一枚一枚の断層像を
規則正しく第２図（ｂ）に示すように積み上げることに
より、頭部の３次元構造（例えば同図内の点線15で示さ
れる表皮）を得ることができる。メモリ12はメモリ11の原画像に対して領域抽出した結
果が格納される。 CPU13は、まずメモリ11のデータに対して領域抽出を
行ない、抽出結果をメモリ12上に格納する。ついでメモ
リ11,12のデータを用いて特定領域の３次元画像を作成
する。 CRT14はCPU13によって作成された３次元画像を表示す
る。また、原データのチェック，領域抽出過程のチェッ
クを行なうためにも用いられる。第１図のCPU13における処理手順のフローチャートを
第３図に示す。本フローチャートに従って実施例を説明
する。なお、本実施例では頭部のMRI像を用い、大脳皮
質領域を抽出するものとする。〈ステップ100〉 MRIによって撮像された複数枚の断層データをI/O装置
10を通してメモリ11上に積み上げる。これにより、メモ
リ11上でのこのデータは３次元構造を持つ。〈ステップ101〉オペレーターはメモリ11内の断層像データの各断層像
を参照しながら、抽出すべき臓器の内部点（１点または
複数点）の座標を指定する。ここで指定した点が領域拡
張の開始点となる。（以後、この点を「開始点」と呼
ぶ。領域拡張については以下のステップ103,111〜122で
述べる）この開始点は上述のマニュアル操作による設定の他
に、各臓器のおおよその位置，形状，濃度等の情報をあ
らかじめ得ておくことにより、これらの情報と原画像各
臓器の特徴量の比較計算によって自動設定することも可
能である。〈ステップ102〉本領域抽出方法では、局所的・大域的な濃度変化の大
きさによって領域拡張を制限する。制約条件の強さは本
ステップで入力する２種のパラメータ、すなわち、局所
的濃度変化に対応する局所パラメータ、大域的濃度変化
に対応する大域パラメータによって決定される。いずれ
もその値を小さくするほど、領域の拡張条件が厳しくな
る。なお、そのパラメータが果たして最適であるかどうか
は実際に抽出処理を行った後、いくつかの連続したスラ
イスを同時に表示させたり、或いは、抽出結果から実際
に３次元像を作って評価する。抽出が途中で終了した
り、抽出すべき領域外に飛び出してしまった場合は、局
所パラメータあるいは大域パラメータを変更して再度抽
出処理を行う。〈ステップ103〉ステップ101で指定した開始点から、ステップ102で入
力した局所・大域パラメータを領域拡張の制約条件とし
て領域抽出を行う。第４図はこれらのパラメータによっ
て領域拡張がどのように制限を受けるかを示したもので
ある。第４図（ａ）は局所的濃度変化による領域拡張制限の
説明図である。説明の都合上、領域拡張方向は１次元に限定して示し
ている。第４図（ａ）において、横軸上９番目の点（以後これ
を「P₃」のように表す。）とP₁₀の間で大きく濃度が変
化している。このような大きな濃度変化は臓器の境界に
おいて生じていると考えられるので、P₃にて領域拡張を
停止させ、P₀からP₉までを抽出領域とする。本条件によって領域の拡張が行なわれるのは、次式が
成立するときである。 |f_i−f_i-1|＜α f_iは拡張点の濃度値、 f_i-1は拡張点の一つ前の点の濃度値、 αは局所パラメータ第４図（ｂ）は大域的な濃度変化による領域拡張制限
の説明図である。第４図（ｂ）においてP₈において開始点との濃度差が
あらかじめ設定した値βを超えている。通常、臓器内部
の画素値はある範囲内に存在すると考えられるため、そ
の範囲を超える直前のP₇にて領域拡張を停止させ、P₀か
らP₇までを抽出領域とする。本条件によって領域の拡張が行なわれるのは、次式の
成立する時である。 |f_i−f₀|＜β f₀は開始点の濃度値、βは大域パラメータ第４図（ｃ）は領域拡張条件に局所的，大域的濃度変
化を組み合わせて用いた場合の説明図である。同図中P₄において、開始点との濃度差が、設定したあ
る範囲を超えてしまっている。しかし、局所的にはそれ
ほど濃度値が変化していないため、領域拡張は継続され
る。逆に、図中のP₇とP₈間では局所的に濃度が大きく変
化しているが、開始点との濃度差が充分に小さいため、
ここでもやはり、領域拡張が継続される。P₁₀では局所
的，大域的ともに大きな濃度差が生じているためここに
おいて領域拡張が停止する。以上のように、局所，大域両者を組み合わせることに
より、片方が拡張条件の範囲を多少超えても、もう一方
が充分に拡張条件を満たしていれば領域拡張がおこなわ
れる。したがってより柔軟に領域拡張がおこなわれる。
なお、この場合の領域拡張が行なわれる条件は次式で表
される。ａ×|f_i−f_i-1|＋ｂ×|f_i−f₀|＜ｃ a,bは局所，大域濃度変化の拡張条件に対する重みを
あらわす。ｃは総合的な拡張条件の制約の総合的な強さを示す。なお、領域拡張に関する詳細な説明はステップ111〜1
22にて行う。〈ステップ104〉表示対象領域全体を抽出領域の中に含めるため、ステ
ップ103で得た領域抽出結果に対し、さらに数ドット分
の領域付加を行う。第５図はこの拡大処理の説明図である。第５図（ａ）は隣接する２つの領域A,Bを描いたも
の、第５図（ｂ）は第５図（Ａ）の直線ｌ上の濃度プロ
フイールを取ったものである。ここでは領域Ａを抽出対
象として本ステップを説明する。第５図（ａ）において領域Ａのうち、実線10で囲まれ
た領域A₀がステップ103までで抽出された領域である。
第５図（ｂ）からわかるように、領域A₀では抽出すべき
領域Ａの中にかなり入り込んでしまっている。しかし、
領域Ａ全体をくまなく含むには濃度値の相当低い部分ま
で抽出してやらなくてはならず、そのためには拡張制約
条件を相当ゆるくする必要がある。ところがその場合、
他の領域、或いは背景にまで抽出領域が拡張してしまう
という不都合が生じる。本ステップの領域付加処理では
A₀の周囲の領域Ａ′を抽出領域に付加することにより、
抽出領域を領域Ａにより近づけている。領域Ａ′はもと
もと低い濃度を持つ領域に過ぎないが、この領域の有無
はボリュームレンダリングによる３次元画像の画質を高
める上で大きな役割を持つ。上記の領域の付加処理は例えば次式に示すような抽出
領域に対するスムージング処理によって行なうことが出
来る。ステップ103までで得られた画像は領域内＝１、領域
外＝０とする２値画像（g₀（x,y,z））であるが、この
２値画像に対するスムージング処理によって、抽出画像
データは境界の近傍で０〜１間の値を持つ多値画像（g₁
（x,y,z））となる。〈ステップ105〉ステップ104までで得られた抽出画像データと原画像
データの、両者の画素ごとの積を取ることにより、原画
から特定領域のみを抽出した画像が得られる。〈ステップ106〉前ステップで得られた抽出画像に３次元表示処理（レ
ンダリング）を行なうことによって特定臓器の３次元像
を得る。次に、ステップ103における領域拡張処理手順を第６
図のフローチャートを用いて詳しく述べる。なお、以
下、領域拡張を行なう際、拡張の元になる点を「親」、
そこから拡張される点を「子」として説明する。第８図
（ａ）〜（ｅ）は、実際の画像上でどのように「親」，
「子」が生じ、領域が拡張されていくかを順に示したも
のである。〈ステップ111〉抽出領域の格納メモリ（第１図のメモリ12）ならび、
「親」・「子」の座標を格納する「親テーブル」「子テ
ーブル」を初期化する。なお、この各テーブルはCPU13
内の主記憶中に持つものとする。〈ステップ112〉ステップ102で入力した「開始点」を最初の「親」と
して「親テーブル」に登録する。〈ステップ113〉親テーブルに登録されている「親」の中から一つを取
りだし、以下のステップ114〜118の処理を行なう。〈ステップ114〉前ステップ113で取りだした「親」に隣接する画素の
中から一つを取りだし、以下のステップ115〜117の処理
を行なう。（「親に隣接する画素」とは、第７図に示すように、領
域抽出を２次元空間で行なうときは辺で接する４画素、
３次元空間で行なうときは面で接する６画素を示す。）〈ステップ115〉前ステップ114で取りだした「親に隣接する画素」が
「子」になり得るかどうかを評価する。なお、「子」に
なり得るのは次の条件を満たしているときとする。過去に評価されていないこと（ステップ115）拡張条件（局所的，大域的）を満たしていること
（ステップ116）「子」になり得るときは次のステップ116へ、なり得
ないときはステップ118へジャンプする。〈ステップ116〉隣接画素を「子」として「子」テーブルに登録する。〈ステップ117〉「子」の点を抽出領域格納メモリ（第１図メモリ12）
に書き込む。〈ステップ118〉「親に隣接する画素」の全てについて評価が終われば
次のステップへ。そうでなければステップ114に戻り、
今とは別の「親に隣接する画素」について調べる。〈ステップ119〉ステップ113以降評価の対象となっていた「親」を
「親テーブル」から消去する。〈ステップ120〉「親テーブル」を参照して「親」が残っているか調べ
る。残っていればステップ113に戻り、そうでなければ
次に進む。〈ステップ121〉「子テーブル」を参照して「子」が作られているかを
調べる。作られていなければ終了する。〈ステップ122〉「子テーブル」の内容を「親テーブル」に移す。すな
わち、作成された「子」をすべて「親」として登録しな
おす。このあと、「子テーブル」を初期化し、再びステ
ップ113に戻る。次に、上記実施例の変形例について説明する。［第１の変形例］臓器ごとに上記実施例に示した抽出処理を行ない、そ
の結果をボクセルの属性情報（そのボクセルがどの臓器
領域に属しているかを表わす）として濃度情報と共にメ
モリに格納する。また、得たボクセルの属性情報をもとに、各臓器を選
択的に取りだして表示する。ボクセルの属性情報の格納方法には様々な方法が考え
られる。第９図は属性情報の格納方法を示したものであ
る。同図（ａ）の、立方体10は抽出結果を格納する３次
元配列、立方体11は配列中の１画素（ボクセル）であ
り、その画素がどの領域に属しているかが格納されてい
る。次のそのデータの格納の仕方について順に説明す
る。同図（ｂ）は抽出結果をビット12の情報だけで持たせ
るもので、ある一つの臓器についてその領域内／外の情
報だけを格納する。同図（ｃ）はある一つの領域について、それがそこに
存在している確率13を持たせたものである。このデータ
からはボリュームレンダリング等の３次元表示方法を用
いることにより、組織をリアルに画像化できる。同図（ｄ）は各臓器について抽出をおこない、臓器の
種類を臓器コード14で、その存在確率13とともに持たせ
たものである。特定臓器の表示は臓器コードを参照する
ことにより、行なうことが出来る。同図（ｅ）も（ｄ）同様、臓器の種類を格納する領域
を含んでいるが、それをビット列15として持つところが
異なる。各々のビットにより各臓器の有無が表わされ
る。表示対象臓器の指定が簡単なビット演算ですむた
め、表示系の高速化に適している。同図（ｆ）は各臓器毎の存在確率16〜19を持たせたも
のである。データ長は長くなるが、臓器の境界部分等の
ようにボクセルがどの領域に属しているかが必ずしも一
意的に決まらない場合には本方法が有効であると考えら
れる。［第２の変形例］実施例に示した方法を、複数回、それぞれ異なったパ
ラメータを用いて行なう例を第10図に示すフローチャー
トを用いて説明する。〈ステップ301〉抽出回数を格納する配列を初期化する。〈ステップ302〉局所的，大域的拡張条件を設定する。本変形例では徐
々に条件をゆるめながら多数回の抽出処理を実行する。
そこで、抽出すべき領域が第１回目の抽出処理ですべて
含まれてしまうことを避けるため、拡張条件がやや厳し
くなるようにパラメータを設定する。〈ステップ303〉実施例に示した方法による領域抽出処理を行なう。〈ステップ304〉ステップ303により得られた抽出結果は、抽出すべき
領域の一部分となっている。この領域に対応する抽出回
数カウント配列の値を１増加する。〈ステップ305〉抽出結果を検討する。抽出すべき領域が抽出結果に完
全に含まれていればステップ307へ進み抽出回数カウン
ト配列の評価を行なう。まだ抽出すべき領域が残されて
いるようであれば次ステップ306へ進む。〈ステップ306〉拡張パラメータを変更して拡張条件を若干ゆるめたの
ち、再び、ステップ303に戻り、抽出処理を行なう。〈ステップ307〜308〉カウント配列を適当なしきい値で切ることにより、あ
る抽出領域が得られる。該抽出領域をディスプレイ上で
モニタしながら該しきい値を適当に設定することによ
り、より信頼性の高い臓器抽出が可能となる。［第３の変形例］上記実施例では常に一定であった拡張制約条件を、本
変形例では対象領域の特徴量に応じて変化させながら領
域抽出を行なう。具体的には、抽出すべき領域内に取っ
たいくつかのサンプル点の値と位置情報から定まる局所
的制約条件，大域的制約条件を計算し、それらの条件に
基づき領域拡張をおこなう。第11図は本方法の説明図で
ある。第11図（ａ）においてP₁（x₁,y₁）、P₂（x₂,y₂）が抽
出対象領域10内に取ったサンプル点、Ｐ（x,y）が現在
領域に含めるか否かの評価を行なっている点（拡張点）
を示している。拡張点Ｐにおいて、大域的制約条件式は次式にて示さ
れる。 |f−f₀|＜β 実施例ではf₀は常に開始点の濃度値、すなわち一定の
値であったが、本変形例では、各々の拡張点についてf₀
を次式によって計算する。なお、f₁,f₂はそれぞれP₁,P₂の濃度値を示す。第11図（ｂ）の斜線部12は、大域的拡張条件を満たす
濃度範囲である。サンプル点P₁の付近ではf₁を中心とし
た幅２βの範囲が、点P₂の付近ではf₂を中心とした幅２
βの範囲が拡張条件を満たすことになる。拡張点Ｐにお
いては矢印で結んだ線分13が拡張条件を満たす濃度範囲
である。拡張点Ｐにおける局所的制約条件式は次式にて示され
る。 |f_i−f_i-1|＜α 実施例では定数であったパラメータαを個々の拡張点
について次式により算出する。 f₀は大域的拡張条件の所で求めた値。 α_０は基準となる局所パラメータ第11図（ｃ）の縦軸は隣合う画素との濃度差であり、
斜線部14は局所的拡張条件を満たす範囲である。濃度値の高いP₁付近では濃度差の許容度が高くなり、
濃度値の低いP₂付近では低くなる。拡張点Ｐにおいては
線分15で示される範囲が拡張条件を満たすことになる。

【発明の効果】本発明によれば、従来非常に多大な手間がかかってい
た特定臓器の組織抽出処理のかなりの範囲を自動化する
ことができる。また、本発明の方法は、ボクセルデータ
を３次元表示する方法のひとつであるボリューム・レン
ダリング（Volume Rendering）と極めて相性が良く、特
定臓器の３次元像の作成はこの領域抽出結果に対し、ボ
リューム・レンダリングを適用することにより容易に実
現できる。特に、従来困難だった軟部組織（例えば、大
脳皮質など）の３次元表示などが可能である。

【図面の簡単な説明】

第１図は本発明を適用するシステムの構成図、第２図は
MRIスライス像とそれから構成される３次元データを示
した図、第３図は本実施例のフローチャート、第４図は
局所的・大域的な濃度変化による領域拡張の制限の説明
図、第５図は領域抽出後に行なう領域拡大処理の説明
図、第６図は領域拡張処理の詳細フローチャート、第７
図は領域拡張の際、「子」となり得る「親」の隣接画素
を示した図、第８図は領域拡張の様子を示した図、第９
図はボクセル属性情報の格納方法の例を示した図、第10
図は本発明の応用例のフローチャート、第11図は本発明
の変形例である、領域の特徴量を応じて制約条件を変え
て行なう抽出方法の説明図である。

───────────────────────────────────────────────────── フロントページの続き (72)発明者横山哲夫神奈川県川崎市麻生区王禅寺1099番地株式会社日立製作所システム開発研究所内 (56)参考文献特開昭64−88689（ＪＰ，Ａ) 特開昭60−72086（ＪＰ，Ａ) 特開昭63−194649（ＪＰ，Ａ) 特開昭63−118990（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁶，ＤＢ名) A61B 5/055 G06T

Claims

(57)【特許請求の範囲】

【請求項１】２次元断層画像データを２枚以上組み合わ
せて多次元画像データを作成する処理と、作成された該
データを用いて画素値の局所的変化と大域変化の少なく
とも２種の特徴量を検出する処理と、該特徴量を組み合
わせた複合特徴量を計算する処理と、該複合特徴量を拡
張の条件として用いて領域拡張を行う処理と、該拡張領
域によって作成されたデータに対し、該データの周囲の
領域を付加する領域付加処理とからなる上記多次元画像
データから関心領域を抽出する領域抽出方法。
【請求項２】上記領域拡張を行う処理は、該関心処理の
代表点としての画素を選択する処理と、該画素を領域拡
張の開始点とし、該画素に隣接する画素に向かって領域
を順次拡張していく処理とからなる請求項１に記載の領
域抽出方法。
【請求項３】上記複合特徴量を計算する処理は、該関心
領域の特徴量を求める処理と、上記２種の特徴量を該関
心領域の特徴量に応じて重み付けを行う処理と、該重み
付けされた特徴量を加え合わせる処理からなる請求項１
に記載の領域抽出方法。
【請求項４】上記領域拡張を行う処理は、上記大域的変
化を上記開始点の近傍の画素値の平均と、領域拡張中の
点における画素値の差とし、該差があらかじめ指定した
設定値の範囲内にあることを特徴拡張条件の一つとして
用いる請求項１に記載の領域抽出方法。
【請求項５】上記領域拡張を行う処理は、上記局所的変
化を、領域拡張中の点の近傍における領域内の画素の値
の変化量とし、該変化量があらかじめ指定した設定値の
範囲内にあることを領域拡張条件の一つとして用いる請
求項１に記載の領域抽出方法。
【請求項６】上記領域拡張を行う処理は、上記開始点の
座標、各設定値が、各臓器の特徴量を参照することによ
り、抽出すべき臓器に応じて自動的に設定する処理を含
む請求項１に記載の領域抽出方法。
【請求項７】上記領域拡張を行う処理は、局所的・大域
的制約条件を、撮影条件、抽出すべき領域の特徴に応じ
て変化させながら領域抽出を行うことを特徴とする請求
項１に記載の領域抽出方法。
【請求項８】上記領域拡張を行う処理は、関心領域の抽
出を、少なくとも２つ以上の異なる局所的・大域的制約
条件を用いて、同一の画像データに対して複数回実行
し、各画素に対して抽出された回数を計算する処理と、
該回数から最終的な領域抽出の範囲を決定する処理とか
らなる請求項１に記載の領域抽出方法。
【請求項９】上記の領域付加処理は、領域拡張拡張処理
によって得られた抽出領域に対して該抽出領域の周囲に
１ドット以上の領域を付加するドット付加処理と、該付
加領域に対して領域境界からの距離に応じた重み付けを
する処理とからなる請求項１に記載の領域抽出方法。
【請求項１０】上記のドット付加処理ならび、重み付け
をする処理は、ｎ次元データを用いた場合、次式に示さ
れる処理を繰り返すことによって行う請求項９に記載の
領域抽出方法。上式においてg₀（x₁,x₂,…,x_n）は、領域拡張によって
得た画像データである。（領域内:g₀＝1,領域外:g₀＝０）
【請求項１１】上記の重み付き領域抽出データと、上記
多次元画像データを用い、各画素ごとの積を取り、抽出
領域に原画素の濃度を反映させる処理を含む請求項10に
記載の領域抽出方法。