JP5016603B2

JP5016603B2 - 自動及び動的血管検出のための方法並びに装置

Info

Publication number: JP5016603B2
Application number: JP2008529215A
Authority: JP
Inventors: デイヴィッドオークリージョナサン; ルサコフダニエル; ハセガワアキラ
Original assignee: Fujifilm Corp
Current assignee: Fujifilm Corp
Priority date: 2005-09-01
Filing date: 2006-08-30
Publication date: 2012-09-05
Anticipated expiration: 2026-08-30
Also published as: US7343032B2; JP2009506831A; WO2007027731A2; WO2007027731A3; US20070047787A1

Description

本発明は、デジタル画像処理技術に関し、より具体的には診断画像内で血管を検出する方法及び装置に関する。

微細石灰化を認識し検出することによって、マンモグラフィ画像から医学問題を診断することができる。前述の方法論に伴う重要な問題は、石灰化検出アルゴリズムの感度が増大するにつれて血管領域内で多数の偽陽性（ＦＰ）が発生することである。ＦＰの一例に、血管領域が微細石灰化として誤って識別されることがある。こうした多数のＦＰが発生するのは、石灰化検出アルゴリズムがマンモグラフィ画像内に存在する血管の高周波構造によって混乱させられやすいためである。石灰化の正確な検出及び認識についての更なる問題は、単離している石灰化によって生成される信号が血管によって生成される信号と類似していることである。血管内にある石灰化が良性でありしたがって関心外である場合、マンモグラフィ画像内の石灰化を識別する自動検出システムは、血管領域も識別しなければならない。したがって、自動石灰化検出システムは、血管領域を識別し、次いで血管ＦＰの発見物を除外するモジュールを有する必要がある。自動検出システムの追加モジュールは、他のソースからＦＰを識別することになる。その結果、高いレベルの精度及び特異度で動作する石灰化検出システムが得られる。

網膜画像または動脈図（ＤＳＡ）内の血管画像の外観を検出する及び／または強調するために現在使用されている技術はマンモグラフィでは役に立たない。これらの手法に伴う一般的問題は、エッジ輪郭が、必ずしも背景に対して強いコントラストを用いて明示されるとは限らないことである。さらに、エッジ検出が単にエッジの導関数に基づいている場合では画像内のノイズに極めて影響を受けやすく、健全な結果を得られない。

血管の輪郭の自動識別を研究に関する出版物がいくつかある。「ＡｕｔｏｍａｔｅｄＩｄｅｎｔｉｆｉｃａｔｉｏｎｏｆＶｅｓｓｅｌＣｏｎｔｏｕｒｓｉｎＣｏｒｏｎａｒｙＡｒｔｅｒｉｏｇｒａｍｓｂｙａｎＡｄａｐｔｉｖｅＴｒａｃｋｉｎｇＡｌｇｏｒｉｔｈｍ」、ＹｉｎｇＳｕｎ、ＩＥＥＥＴｒａｎｓ．Ｍｅｄ．Ｉｍａｇ．、Ｖｏｌ．８、Ｎｏ．１（１９８９年３月）で、こうした技術の１つが説明されている。しかし、この研究で説明されている方法では、追跡を開始する開始点を手動で選択しなければならない。このため検出プロセスが半自動になる。次に、血管の輪郭を強調するために上述の用途で使用される整合フィルタがうまく機能するためには、血管の構造及び規模が既知であり、且つ画像ノイズが低いレベルであることが前提である。このような前提を満たすことは、マンモグラフィ画像に関する場合ではありそうにない。

「ＭａｐｐｉｎｇｔｈｅＨｕｍａｎＲｅｔｉｎａ」、６項、Ｐｉｎｚ等、ＩＥＥＥＴｒａｎｓ．ＭｅｄｉｃａｌＩｍａｇｉｎｇ、ｖｏｌ．１７、ｎｏ．４、６０６から６１９頁、１９９８年には、他の技術が説明されている。この出版物では網膜図は、整合する血管のエッジ対を見つけ出すことによって走査型レーザ検眼鏡（ＳＬＯ）の画像から作成される。探索範囲は、最小及び最大幅、逆勾配、ならびにエッジ画素対間の角度などによって制約される。最良の画素対は勾配だけに基づいて決定される。マンモグラフィ画像内に存在する血管は不連続なエッジを有し、高いノイズを示すため、エッジ検出において更なる制約が必要となる。

本発明は、診断画像内で血管を自動的に検出する方法及び装置に関する。本発明の第１の態様によれば、診断画像内で血管を自動的に検出する方法は、診断画像を表すデジタル画像データにアクセスすることと、診断画像データを処理することによって診断画像内で血管候補を検出することとを備える。血管候補を検出するステップは、前記診断画像内でエッジ画素対を識別する次の繰り返し処理のために血管の大まかな方向及び形状に関する複数の制約を繰り返し調整することによって、前記診断画像内で血管のエッジ画素対を識別することと、前のデータから習得した特徴を使用して、前記エッジ画素対が血管を形成するか否か決定することを含む。

本発明の第２の態様によれば、診断画像内で血管を自動的に検出する装置は、診断画像を表すデジタル画像データを提供する画像データ・ユニットと、診断画像データを処理することによって診断画像内で血管候補を検出する血管候補検出ユニットとを備える。血管候補検出ユニットは、前記診断画像内でエッジ画素対を識別する次の繰り返し処理のために血管の大まかな方向及び形状に関する複数の制約を繰り返し調整することによって、前記診断画像内で血管のエッジ画素対を識別することと、前のデータから習得した特徴を使用して、前記エッジ画素対が血管を形成するか否か決定する。

本発明の態様について、添付の図を参照しつつ、付随する説明に記載する。図１は、本発明の実施形態に係る診断画像内で血管を自動的に検出するシステムのブロック図である。図１に示されるシステム１００は、下記の構成部品、すなわち画像入力装置２０と、画像処理ユニット３０と、印刷ユニット４０と、ユーザ入力ユニット５０と、ディスプレイ６０とを備える。図１のシステム動作は以下の説明から明らかとなるであろう。

画像入力装置２０は、診断画像を表すデジタル画像データを提供する。画像入力装置２０は、放射線フィルムまたはデジタル・システムから得られるデジタル画像データを提供する任意の数の装置のうちの１つまたは複数としてもよい。このような入力装置は、フィルム・スクリーンから白黒画像またはカラー画像を走査するスキャナであってもよい。入力装置は、診断画像から得られるデジタル・データを提供する任意の数の装置、例えば、記録媒体（ＣＤ−Ｒ、フロッピ・ディスク、ＵＳＢドライブ）やネットワーク接続のうちの１つまたは複数であってもよい。画像処理ユニット３０は、画像入力装置２０からデジタル画像データを受け取り、下記で詳細に説明する方法で血管の自動検出を行う。ユーザ、例えば、医療設備の放射線専門医は、ディスプレイ６０を介して画像処理ユニット３０の出力を見ることができ、ユーザ入力装置５０を介して画像処理ユニット３０にコマンドを入力することができる。図１に示される実施形態では、ユーザ入力装置５０はキーボード５２及びマウス５４を備える。本発明の実施形態に係る血管の自動検出を行うことに加えて、画像処理ユニット３０は、ユーザ入力装置５０から受け取ったコマンドに従って、付加的な画像処理機能を実行することとしてもよい。印刷ユニット４０は、画像処理ユニット３０の出力を受け取り、処理された画像データのハード・コピーを作成する。医療設備の環境では印刷ユニット４０は、レーザ・プリンタなどの様々な形をとりうる。画像処理ユニット３０の出力のハード・コピーを作成することに加えてまたは代替として、処理された画像データを、例えばポータブル記録媒体またはネットワーク（図示せず）を介して画像ファイルとして患者に戻すこともできる。

図２は、本発明の実施形態に係る自動血管検出を行う画像処理ユニット３０の詳細を示す。図２に示されるように、この実施形態に係る画像処理ユニット３０は、画像入力装置２０からデジタル画像データを受け取る画像メモリ３２と、エッジ・マップ検出器３４と、サポート・ベクトル・マシン分類器検出器３６と、血管検出モジュール３８とを備える。図２の様々な構成要素は個別要素として示されているが、このような例示は説明を容易にするためであり、様々な構成要素のある種の動作が同一の物理装置、例えば１つまたは複数のマイクロプロセッサによって実行されてもよいことを理解されたい。一般に、図２に示される画像処理ユニット３０の要素構成により、診断画像のエッジ・マップを作成するためのエッジ・マップ検出と、血管を含まないエッジ・マップ領域を識別するためのサポート・ベクトル・マシン分類と、診断画像内のすべての血管を識別するための血管検出とを実行する。次に、図３から１７を参照しつつ、図２に示される画像処理ユニット３０の構成要素の動作を説明する。

図３は、本発明の実施形態に係るエッジ・マップ検出器３４によって実行される動作を示すフローチャートである。最初に、エッジ・マップ検出器ユニット３４は、対象とする画像を処理するために画像メモリ３２からデジタル画像データにアクセスする（Ｓ１１２）。次いで、エッジ・マップ検出器３４は、デジタル画像を候補の微細石灰化を中心とした複数の関心領域（ＲＯＩ）に分割する（Ｓ１１４）。
関心領域は血管を識別するために十分な情報を含むほどには大きいが、内部に位置する血管が区分的に線形になるほどには小さい。他のサイズと共に、６４×６４の画素の関心領域がこの要求を満足する。画像データの画素サイズ及び解像度によってＲＯＩの最適なサイズが決まる。エッジ演算子を用いて各関心領域について演算を行う。このようなエッジ演算子はソーベル・マスクでもよい（Ｓ１１６）。ソーベル・マスクを用いて畳み込み演算された各関心領域に閾値を用いる（Ｓ１１８）。前のステップの結果、各関心領域について作成されたバイナリ・エッジ・マップが得られる。単離している画素及びエッジは、初期デジタル画像内のノイズを示すので、バイナリ・エッジ・マップから除去する（Ｓ１２０）。他の方法と並んで、単離しているエッジを識別する方法の１つは、結合している画素が５個未満であるエッジ画素を含むすべてのエッジを選択することである。次いで、得られたバイナリ・エッジ・マップ（Ｓ１２２）をサポート・ベクトル・マシン分類器検出器３６に入力する。

図４（Ａ）は血管を含むデジタル画像の一例を示し、図４の（Ｂ）は、図３に示される本発明の実施形態に係る、図４の（Ａ）の画像のエッジ・マップの作成結果の一例を示す。

図５は、本発明の実施形態に係るサポート・ベクトル・マシン分類器検出器３６によって実行される動作を示すフローチャートである。エッジ・マップ画像（Ｓ１２２）をサポート・ベクトル・マシン分類器検出器３６に入力する。サポート・ベクトル・マシン分類器検出器３６は、各関心領域が少なくとも１つの血管を含むか否か決定する。エッジ・マップ画像内で全ての結合しているエッジの数をカウントする（Ｓ１８０）。エッジの総数が少な過ぎるまたは大き過ぎる場合、サポート・ベクトル・マシン分類器検出器３６は、関心領域が血管を含んでいないと決定する。６４×６４の画素の関心領域内では、エッジの総数の上限及び下限として１２００及び６０が考えられる。血管を含まない関心領域は、血管の偽陽性ではなく、血管検出モジュール３８によって更に処理はされない（Ｓ１８４）。エッジ・マップ内でのエッジの総数が上述の下限と上限との間にある場合、サポート・ベクトル・マシン分類器検出器３６は、関心領域が重要なエッジ構造を含み、したがって少なくとも１つの血管を有すると決定する（Ｓ１８８）。このような関心領域は血管検出モジュール３８に送られる。

図６の（Ａ）は、血管検出モジュール３８に送られる重要なエッジ構造を含む画像の一例を示す。図６の（Ｂ）は、図５に示される本発明の実装形態に係る、重要なエッジ構造を含まず、更なる処理をされない画像の一例を示す。

図７は、本発明の実施形態に係る血管検出モジュール３８によって実行される動作を示すフローチャートである。血管の関心領域のバイナリ・エッジ・マップは、サポート・ベクトル・マシン分類器検出器３６から血管検出ユニット３８に送られる（Ｓ２２０）。エッジ・マップの血管の方向を評価するために、１つの直線をバイナリ画像マップにフィッティングする（Ｓ２２２）。臨界距離パラメータを使用して、関心領域の中心にフィッティングされた直線の近傍を測定する（Ｓ２２４）。フィッティングされた直線と関心領域の中心との臨界距離は、診断画像内の典型的な最大の血管厚とほぼ同じであると概算することができる。関心領域内のフィッティングされた直線が関心領域の中心から臨界距離以内にない場合、関心領域の中心を通過する血管は存在しない。したがって、関心領域は、血管を含まないか、あるいは、中心にある候補の微細石灰化を通過しない血管を含むことになる。このような関心領域は、血管検出モジュール３８でさらに処理はされない（Ｓ２２６）。フィッティングされた直線が関心領域の中心から臨界距離以内にある場合、その関心領域は追跡ステップに送られる。その関心領域内のフィッティングされた直線を追跡することになる（Ｓ２２８）。追跡ステップの出力は血管の輪郭を描くエッジ対となる。識別された血管が関心領域の中心を通過するか否か決定するテストを行う（Ｓ２３０）。血管が関心領域の中心を通過しない場合、関心領域は、血管を含まないか、あるいは、中央の候補微細石灰化を通過しない血管を含むことになる。このような関心領域は血管検出モンジュール３８でさらに処理はされない（Ｓ２３２）。少なくとも１つの血管が関心領域の中心を通過する場合、関心領域は次のステップに送られる。中心を横切る血管についての最終的な特徴ベクトルのスコアを、追跡された血管エッジの様々な特性から計算する（Ｓ２３４）。次いで、その特徴ベクトルのスコアを新たなサポート・ベクトル・マシン分類器に入力する（Ｓ２３６）。サポート・ベクトル・マシン分類器は、調整された仮想的閾値に基づいて動作する。サポート・ベクトル・マシン分類器の調整は、血管であるか否かのいずれかである多数の関心領域を使用してオフラインで行われる。サポート・ベクトル・マシン分類器に対して血管であるか否かの概念を確立するために、これらの関心領域は手動で分類される。次いで、サポート・ベクトル・マシン分類器に血管であるか否かのいずれかである新たな領域例を与えて、閾値を確立し、領域例について血管分布の程度を示す特徴ベクトルのスコアを戻す方法を学習させる。中心を横切る血管についての特徴ベクトルのスコア（Ｓ２３４）が調整済みのサポート・ベクトル・マシン分類器に入力されると（Ｓ２３６）、サポート・ベクトル・マシン分類器は、その特徴ベクトルのスコアと調整された仮想的閾値とを比較する。中心を横切る血管についての特徴ベクトルのスコアが閾値より大きい場合、その関心領域は血管であり、したがって石灰化検出アルゴリズムとの関係では偽陽性である。偽陽性は除去される（Ｓ２４０）。中心を横切る血管についての特徴ベクトルのスコアが閾値より低い場合、その関心領域は血管ではない。次いで、他のモジュールが、その血管ではない関心領域について本当に石灰化であるか否か決定する処理を行う（Ｓ２３８）。

図８の（Ａ）は、画像のバイナリ・エッジ・マップに直線をフィッティングする技術を示す大まかなフローチャートである。関心領域の中心に近いエッジに対して大きな重み付けを用いる。そのために、バイナリ・エッジの点のすべてを保持する新たなエッジ・マップ・データ構造を作成する。この場合、各エッジは２度以上含まれてよいこととする。各エッジが含まれる回数は、そのエッジと関心領域の中心との距離に反比例する。したがって、関心領域の中心に近いエッジは、中心から離れているエッジより大きい重みを有する。次いで、単一値分解を使用して、一番主要な構成要素の全体にわたってエッジ・マップ・データ構造の分散を最大にする（Ｓ２７０）。その出力はフィッティングされた直線を有するバイナリ・エッジ・マップである（Ｓ２７２）。

図８の（Ｂ）は、図８の（Ａ）に示される本発明の実施形態に係る血管を含む画像のバイナリ・エッジ・マップに直線をフィッティングした結果の一例を示す。

図９は、血管検出モジュール３８の直線追跡ステップによって実行される動作を示すフローチャートである。関心領域についてフィッティングされた直線を有するバイナリ・エッジ・マップが与えられると（Ｓ２７２）、最良の包括的エッジ画素対を決定するためにフィッティングされた直線の方向に探索が行われる（Ｓ２９０）。最良の包括的エッジ画素対を識別することにより、関心領域内で血管の位置を示すことができる。次いで、追跡機構を使用して血管のエッジ壁の輪郭を描くエッジ画素を繰り返し見つけ出す。フィッティングされた直線に直交する第２のエッジ画素対が、この新たな対および最良の包括的エッジ画素対に与えられた結合性の制約を利用して見つけ出される（Ｓ２９２）。２対のエッジ画素が識別されると、残りのエッジ画素対が繰り返し見つけ出される（Ｓ２９４）。新たなエッジ画素対は、最後に見つけ出された対の前の対（２つ前に見つけ出された対）を飛ばした、先に見つけ出された２対を使用して見つけ出される。

図１０は、本発明の実施形態に係る血管を含む画像に関するエッジの追跡を開始するために最良の包括的エッジ画素対を見つけ出す技術を示すフローチャートである。フィッティングされた直線に直交する線を、バイナリ・エッジ・マップ（Ｓ２７２）のフィッティングされた直線に沿って等間隔で生成する（Ｓ３２０）。血管エッジの一部である可能性が最も高い画素対を、各直交する線に沿って探索する（Ｓ３２２）。個別のスコア値を、直交する線に沿って見つけ出された各画素対に割り当てる（Ｓ３２４）。このスコアは、関心領域内での各対の２つの画素の位置、勾配、及び強度を集計したものである。スコアが高いほど、画素対が血管エッジの一部である可能性が高くなる。最高のスコアを有する対をすべての画素対の中から選択する（Ｓ３２６）。この対が最良の包括的エッジ画素対である。

図１１の（Ａ）は、図１０に示される本発明の実施形態に係る血管を含む画像に関するエッジの追跡を開始するために最良の包括的エッジ画素対を見つけ出す動作の態様を示す。フィッティングされた直線Ｌ０に対して直交する線Ｌ１、Ｌ２、Ｌ３が等距離で生成される。

図１１の（Ｂ）は、図１０に示される本発明の実施形態に係る血管を含む画像についてエッジの追跡を開始するために最良の包括的エッジ画素対を見つけ出す動作の態様を示す。エッジの一部である可能性のある画素対Ｐ１、Ｐ２、Ｐ３、Ｐ４が見つけ出される。最良の包括的エッジ画素対はＰ５である。

図１２は、本発明の実施形態に係る血管を含む画像のエッジを追跡するために、最良の包括的エッジ画素対に隣接した２番目に良い画素対を見つけ出す技術を示すフローチャートである。２方向のうちのいずれかの方向に最良の包括的エッジ画素対から遠ざかるように移動しながら（Ｓ３９０）、フィッティングされた直線に直交し、等距離だけ離れた２方向に探索する（Ｓ３９２）。２番目のエッジ画素対を探索しつつ、結合性の制約（Ｓ３９４）を候補対および最良の包括的エッジ画素対に与える。結合性の制約は、フィッティングされた直線に対して直交する２方向間の距離および最良の包括的エッジ画素対と候補対とのなす角度に関係する。このような角度は９０度未満でなければならない。最良の包括的エッジ画素対と０度の角度をなす新しい画素対に、最高の結合性スコアを与える。最高の結合性スコアを有する画素対が２番目のエッジ画素対となる（Ｓ３９６）。

図１３は、本発明の実施形態に係る、いったん最初の２対が見つけ出されると、エッジを追跡する次の画素対を繰り返し動的に決定する技術を示すフローチャートである。見つけ出された最初の２つのエッジ画素対（Ｓ４１０）を使用して、次のエッジ画素対を探索する追跡方向を評価する。２つの方向ベクトルを最初の２つのエッジ画素対から生成する（Ｓ４１２）。結合性の制約を使用して、２つの方向ベクトルの平均に対して直交する探索線を見つけ出す（Ｓ４１４）。３番目のエッジ画素対を探索線に沿って見つけ出した（Ｓ４１６）後、この技術を繰り返し継続する。各々の新しいエッジ画素対を探索する追跡方向を、見つけ出された最後の対の前の対を飛ばして、最後に見つけ出された複数のエッジ画素対を使用して決定する（Ｓ４１８）。このエッジ画素対の探索を、フィッティングされた直線が関心領域のエッジに到達するまで続ける（Ｓ４２０）。

図１４の（Ａ）から（Ｆ）は、本発明の実施形態に係る、方向及び構造の形状についての初期条件なしで最初の２対が見つけ出されると、エッジを追跡する次の画素対を繰り返し動的に決定する動作の態様を示す。最良の包括的画素対Ｐ５および対Ｐ５に隣接した第２の画素対Ｐ６は、２つの方向ベクトルＶ１及びＶ２を生成する。方向ベクトルＶ１及びＶ２に続いて、探索線を規定する２つの点Ｍ１及びＭ２を見つけ出す。点Ｍ１及びＭ２は、対Ｐ６から２画素以下離れている。点Ｍ１及びＭ２は探索線Ｌ１０を規定する。探索線Ｌ１０は、ベクトルＶ１及びＶ２のベクトル平均に必ずしも直交しない。Ｌ１０に最も近傍し、且つベクトルＶ１及びＶ２のベクトル平均に直交する直線が新たな探索線Ｌ１２になる。探索線Ｌ１２上の最高の追跡スコアを有する画素対は次の画素対Ｐ７になり、追跡動作に用いられる。追跡スコアは、複数のパラメータの加重和であり、これらのパラメータは、エッジ特性、位置、結合性パラメータ、勾配の大きさ及び角度を含むこととしてもよい。新たな方向ベクトルＶ３及びＶ４を画素対Ｐ７及びＰ５から生成する。このプロセスを繰り返し、追跡動作の一部となる次のエッジ画素対Ｐ８などを見つけ出す。

図１５は、本発明の実施形態に係る血管を含む関心領域に対する最終スコアを得る技術を示すフローチャートである。エッジ追跡動作中に画素対について計算された各個別スコア（Ｓ４９０）によって、最終の特徴ベクトルを更新する（Ｓ４９２）。曲率、長さ及び主要な成分などの追跡プロセスに関する更なる指標を最終の特徴ベクトルに加えてもよい。関心領域のエッジに到達すると（Ｓ４９４）、最終の特徴ベクトルに、すべてのエッジ画素対からのスコア情報を付け、関心領域についての最終の特徴ベクトルのスコアを出力する。

図１６は、本発明の実施形態に係る最終の特徴ベクトルのスコアに基づいた血管識別プロセスの態様を示すフローチャートである。関心領域の最終の特徴ベクトルのスコアを、サポート・ベクトル・マシン血管分類器に入力する。サポート・ベクトル・マシン血管分類器は、特徴ベクトルに基づいて予測値を戻す。その予測値が所定の閾値よりも大きい場合（Ｓ５１０）、その最終の特徴ベクトルのスコアを生成したエッジ画素対の組は血管の輪郭を描く（Ｓ５１２）。したがって、関心領域は血管である。血管の石灰化領域は偽陽性であるため、その関心領域を除去する（Ｓ５１４）。予測値が所定の閾値より小さい場合（Ｓ５１０）、その最終の特徴ベクトルのスコアを生成した複数の画素対は、実際には血管の一部ではなかったことになる（Ｓ５１６）。血管検出アルゴリズムを停止し、さらに検討するために、その関心領域を他のモジュールに送る必要がある（Ｓ５１８）。

図１７の（Ａ）と（Ｂ）は、本発明の実施形態に係る血管検出モジュール３８の出力の一例を示す。連続的に更新され追跡されたエッジにより、画像内で蛇行する血管を識別することができる（Ｌ５３０）。線Ｌ５３２及びＬ５３４は、血管Ｌ５３０のエッジを追跡したものである。

本発明の詳細な実施形態及び実装形態が上述されているが、本発明の精神及び範囲から逸脱することなく、様々な変更を行うことが可能であることは明らかであろう。

本発明の更なる態様及び効果は、添付の図面とともに詳細な説明をよむことにより明確になる。
本発明の実施形態に係る自動及び動的血管検出のためのシステムのブロック図である。本発明の実施形態に係る、図１に示される自動及び動的血管検出システムの画像処理ユニットのより詳細な態様を示すブロック図である。本発明の実施形態に係る、血管を含む画像のエッジ・マップを作成するためにエッジ・マップ検出器ユニットによって実行される動作を示すフローチャートである。（Ａ）は血管を含む画像の一例を示す図であり、（Ｂ）は図３に示される本発明の実施態様に係る、血管を含む画像のエッジ・マップの作成結果の一例を示す図である。本発明の実施形態に係る、いかなる血管も含まない画像候補を識別するためにエッジ・マップ上でサポート・ベクトル・マシン分類器検出ユニットによって実行される動作を示すフローチャートである。（Ａ）は重要なエッジ構造を含むエッジ・マップの一例を示す図であり、（Ｂ）は図５に示される本発明の実施態様に係る、重要なエッジ構造を含まないエッジ・マップ画像の一例を示す図である。本発明の実施形態に係る血管検出ユニットによって実行される動作を示すフローチャートである。（Ａ）は本発明の実施形態に係る血管を含む画像のバイナリ・エッジ・マップに直線をフィッティングする技術を示すフローチャートであり、（Ｂ）は（Ａ）に示されるバイナリ・エッジ・マップに直線をフィッティングした結果の一例を示す図である。本発明の実施形態に係る血管を含む画像のバイナリ・エッジ・マップ内でフィッティングされた直線を使用して血管のエッジを追跡する技術を示す大まかなフローチャートである。本発明の実施形態に係る血管を含む画像について血管のエッジの追跡を開始するために最良の包括的画素対を見つけ出す技術を示すフローチャートである。（Ａ）は図１０に示される本発明の実施形態に係る血管を含む画像についてエッジの追跡を開始するために最良の包括的画素対を見つけ出す動作の態様を示す図であり、（Ｂ）は図１０に示される本発明の実施形態に係る血管を含む画像についてエッジの追跡を開始するために最良の包括的画素対を選択する動作の態様を示す図である。本発明の実施形態に係る血管を含む画像のエッジを追跡するために最良の包括的画素対に隣接する２番目に良い画素対を見つけ出す技術を示すフローチャートである。本発明の実施形態に係る、方向及び構造の形状についての初期条件なしで最初の２対がいったん見つけ出されると血管のエッジを追跡する次の画素対を繰り返し動的に決定する技術を示すフローチャートである。（Ａ）から（Ｆ）は、図１３に示される本発明の実施形態に係る、方向及び構造の形状についての初期条件なしで最初の２対が見つけ出されると、エッジを追跡する次の画素対を繰り返し動的に決定する動作の態様を示す図である。本発明の実施形態に係る血管を含む画像内の追跡された血管のエッジから最終スコアを得る技術を示すフローチャートである。本発明の実施形態に係る画像を血管として識別する分類プロセスの態様を示すフローチャートである。（Ａ）及び（Ｂ）は、本発明の実施形態に係る血管検出モジュールの入力及び出力の一例を示す図である。

Claims

診断画像内で血管を自動的に検出する方法であって、
診断画像を表すデジタル画像データにアクセスすること（ステップ１１２）と、
前記デジタル画像データを処理することによって前記診断画像内で血管候補を検出することを備え、
前記血管候補を検出するステップは、
前記診断画像内でエッジ画素対を識別する次の繰り返し処理のために血管の大まかな方向及び形状に関する複数の制約を繰り返し調整することによって、前記診断画像内で血管のエッジ画素対を識別すること（ステップ２９４）と、
前記繰り返し処理においてエッジ画素対が識別されるごとに、前記エッジ画素対から特徴を習得して、それまでに習得した特徴を新たに習得した特徴を用いて更新し、前記更新した特徴を使用して、前記エッジ画素対が血管を形成するか否か決定すること（ステップ５１０）を含む、
診断画像内で血管を自動的に検出する方法。
請求項１に記載の診断画像内で血管を自動的に検出する方法であって、
前記血管候補を検出するステップは、
前記診断画像のマップを作成すること（ステップ１２２）を含み、
前記方法は、
重要なエッジ構造が前記診断画像の前記マップ内に存在するか否かテストすること（ステップ１８２）を更に備える、
診断画像内で血管を自動的に検出する方法。
請求項１に記載の診断画像内で血管を自動的に検出する方法であって、
前記血管候補を検出するステップは、
前記診断画像のバイナリ・エッジ・マップを作成すること（ステップ１１６、１１８）と、
前記バイナリ・エッジ・マップから、単離しているエッジを除去すること（ステップ１２０）を含む、
診断画像内で血管を自動的に検出する方法。
請求項１に記載の診断画像内で血管を自動的に検出する方法であって、
前記診断画像内で血管のエッジ画素対を識別するステップ（ステップ２９４）は、
血管の方向及び形状に対する推測的仮定なしに２つのエッジ画素対が見つけ出される（ステップ４１０）と、次のエッジ画素対を繰り返し決定すること（ステップ４１６）と、
最後の２つのエッジ画素対を使用して次のエッジ画素対を見つけ出すために、重みに基づくスコアリング機構を使用することと
を含み、前記重みは、
ｉ）勾配の大きさ、
ｉｉ）前記エッジ画素対での画素間の距離、
ｉｉｉ）結合性、
ｉｖ）線形性、及び
ｖ）方向的な勾配
のうちの少なくとも１つを含むエッジ画素対の特性に対して割り当てられる、
診断画像内で血管を自動的に検出する方法。
請求項１に記載の診断画像内で血管を自動的に検出する方法であって、
前記血管の構造及び方向についての１組の制約に適合する最良のエッジ画素対を識別すること（ステップ３２６）と、
前記最良のエッジ画素対に対する結合性の制約（ステップ３９４）を使用して２番目に良い対を決定すること（ステップ３９６）と、
前の複数の対および習得した血管の特性から次のエッジ画素対を次々と繰り返し決定すること（ステップ４２２）と
を更に備える、
診断画像内で血管を自動的に検出する方法。
診断画像内で血管を自動的に検出する装置（３０）であって、
診断画像を表すデジタル画像データを提供する画像データ・ユニット（３２）と、
前記デジタル画像データを処理することによって前記診断画像内で血管候補を検出する血管候補検出ユニット（３８）とを備え、
前記血管候補検出ユニット（３８）は、
前記診断画像内でエッジ画素対を識別する次の繰り返し処理のために血管の大まかな方向及び形状に関する複数の制約を繰り返し調整することによって、前記診断画像内で血管のエッジ画素対を識別することと、
前記繰り返し処理においてエッジ画素対が識別されるごとに、前記エッジ画素対から特徴を習得して、それまでに習得した特徴を新たに習得した特徴を用いて更新し、前記更新した特徴を使用して、前記エッジ画素対が血管を形成するか否か決定することを行う、
診断画像内で血管を自動的に検出する装置。
請求項６に記載の装置（３０）であって、
前記診断画像のマップを作成するマップ検出ユニット（３４）と、
重要なエッジ構造が前記診断画像の前記マップ内に存在するか否かテストするサポート・ベクトル・マシン分類器ユニット（３６）と、
をさらに備える、
診断画像内で血管を自動的に検出する装置。
請求項６に記載の装置（３０）であって、
前記診断画像のバイナリ・エッジ・マップを生成し、前記バイナリ・エッジ・マップから単離しているエッジを除去することによって、バイナリ・エッジ検出を行うバイナリ・エッジ・マップ検出ユニット
を更に備える、
診断画像内で血管を自動的に検出する装置。
請求項６に記載の装置（３０）であって、
前記血管候補検出ユニット（３８）は、
血管の方向及び形状に対する推測的仮定なしに２つのエッジ画素対が見つけ出されると、次のエッジ画素対を繰り返し決定することと、
最後の２つのエッジ画素対を使用して次のエッジ画素対を見つけ出すために、重みに基づくスコアリング機構を使用することと
によって前記診断画像内で血管のエッジ画素対を識別し、前記重みは、
ｉ）勾配の大きさ、
ｉｉ）前記エッジ画素対での画素間の距離、
ｉｉｉ）結合性、
ｉｖ）線形性、及び
ｖ）方向的な勾配
のうちの少なくとも１つを含むエッジ画素対の特性に対して割り当てられる、
診断画像内で血管を自動的に検出する装置。
請求項６に記載の装置（３０）であって、
前記血管候補検出ユニット（３８）は、
前記血管の構造及び方向についての１組の制約に適合する最良のエッジ画素対を識別することと、
前記最良のエッジ画素対に対する結合性の制約を使用して２番目に良い対を決定することと、
前の複数の対および習得した血管の特性から次のエッジ画素対を次々と繰り返し決定すること
によって前記診断画像内で血管のエッジ画素対を識別する、
診断画像内で血管を自動的に検出する装置。