異常陰影候補の表示方法及び医用画像処理システム
【課題】真陽性の異常陰影であるかどうか疑わしい異常陰影候補及び／又は視認性の低い異常陰影候補の検出情報のみを提供し、医師の見落とし防止、読影作業の効率化を図る。
【解決手段】医用画像処理システム１００では、医用画像が生成されると、画像処理装置２において当該医用画像に対し、異常陰影候補の検出処理が行われる。次いで、検出された異常陰影候補の画像特徴量に基づいて、多変量解析により明らかに真陽性又は偽陽性である異常陰影候補、真陽性か偽陽性かの判断が難しい候補や、検出しづらい位置に存在する候補等が判定され、検出された異常陰影候補から削除される。そして、削除後の異常陰影候補の検出情報のみがビューア５において表示される。
【解決手段】医用画像処理システム１００では、医用画像が生成されると、画像処理装置２において当該医用画像に対し、異常陰影候補の検出処理が行われる。次いで、検出された異常陰影候補の画像特徴量に基づいて、多変量解析により明らかに真陽性又は偽陽性である異常陰影候補、真陽性か偽陽性かの判断が難しい候補や、検出しづらい位置に存在する候補等が判定され、検出された異常陰影候補から削除される。そして、削除後の異常陰影候補の検出情報のみがビューア５において表示される。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、医用画像から異常陰影候補を検出し、その検出情報を表示する異常陰影候補の表示方法及び医用画像処理システムに関する。
【背景技術】
【０００２】
医療の分野においては、ＣＴ（Computed Tomography）やＭＲＩ（Magnetic Resonance Imaging）等の撮影装置により患者を撮影した医用画像をデジタルデータに変換し、医師が診断を行う際には、表示ディスプレイ上に表示して読影を行うようになってきた。特に近年では、読影医の負担軽減や異常陰影の見落とし減少を目的として癌化部分等の異常陰影候補を検出するコンピュータ支援装置（Computer-Aided Diagnosis；以下、ＣＡＤという）が開発されてきた。
【０００３】
上記ＣＡＤにより異常陰影候補が検出されると、その検出情報として医用画像上に異常陰影候補の検出位置を指し示すマーカ（矢印や丸等）等を表示する方法が一般的である。その表示方法としては、（１）医用画像上に直接マーカを表示する方法（例えば、特許文献１参照）、（２）読影用にライフサイズ（等倍）の医用画像を主画像として表示し、その主画像の縮小画像上にマーカを表示した副画像を作成して主画像とともに表示する方法（例えば、特許文献２参照）が用いられている。
【特許文献１】特開２０００−２７６５８７号公報
【特許文献２】特開２００４−２３０００１号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
このような状況で、ＣＡＤにより検出された異常陰影候補の数が多い場合、上記（１）の方法では、読影医が観察する画像上にたくさんのマーカが表示されることとなり、医用画像自体が観察しにくくなってしまい、かえって読影作業に悪影響を及ぼすことがある。
【０００５】
一方、上記（２）の方法では、（１）の方法に比べ、主画像自体はマーカが表示されないため、医師の読影作業に与える影響が少ないが、縮小された副画像上にはやはりたくさんのマーカが表示されることとなり、見づらいという問題があった。また、主画像と副画像との位置の対応もとりにくくなる。
【０００６】
さらに、異常陰影候補の検出時には、その候補領域の画像特徴量を演算し、閾値と比較して異常陰影であるか否かを判定する方法や、画像特徴量を用いて多変量解析することにより異常陰影の候補領域を検出する方法等、様々なアルゴリズムが用いられるが、検出結果には、明らかに異常陰影であるものと疑わしいものとが混在している。
【０００７】
従来のＣＡＤでは、このように検出された異常陰影候補の全てに関する検出情報を医師に提供し、真陽性であるか偽陽性であるかの最終判断は医師によることとしている。しかし、上述したように検出数が非常に多いと、その全てについて読影医は確認しなければならず、非効率的である。特に、経験豊かな医師にとっては、明らかに異常陰影であると容易に判断できるものより、疑わしい候補を優先的に読影した方が効率的な場合がある。
【０００８】
また、異常陰影が乳房画像の端部付近に存在したり、陰影自体の面積が小さかったりすると、読影医が視認しづらいものとなり、見落としやすくなる。
【０００９】
本発明の課題は、真陽性の異常陰影であるかどうか疑わしい異常陰影候補及び／又は視認性の低い異常陰影候補の検出情報のみを提供し、医師の見落とし防止、読影作業の効率化を図ることである。
【課題を解決するための手段】
【００１０】
請求項１に記載の発明は、異常陰影候補の表示方法において、
医用画像を画像解析して異常陰影候補を検出する検出工程と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する抽出工程と、
前記抽出された異常陰影候補の検出情報を表示する表示工程と、
を含むことを特徴とする。
【００１１】
請求項２に記載の発明は、請求項１に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記検出された異常陰影候補の画像特徴量を算出し、当該画像特徴量に基づいて表示すべき異常陰影候補の優先順位を決定し、前記検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出することを特徴とする。
【００１２】
請求項３に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補とその周辺領域とのコントラストを算出し、このコントラストが小さい異常陰影候補の優先順位を高く決定することを特徴とする。
【００１３】
請求項４に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補の領域の面積を算出し、当該面積が小さい異常陰影候補の優先順位を高く決定することを特徴とする。
【００１４】
請求項５に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として前記医用画像の画像端部から異常陰影候補の検出位置までの距離を算出し、当該距離が短い異常陰影候補の優先順位を高く決定することを特徴とする。
【００１５】
請求項６に記載の発明は、請求項２〜５の何れか一項に記載の異常陰影候補の表示方法において、
前記医用画像から被写体領域を認識し、当該被写体領域を複数領域に分類する工程を含み、
前記抽出工程では、前記認識された被写体領域のうち、前記異常陰影候補が検出された分類領域に応じて優先順位を決定することを特徴とする。
【００１６】
請求項７に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補の形状の特徴量を算出し、当該形状の特徴量に基づいて優先順位を決定することを特徴とする。
【００１７】
請求項８に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補の候補領域の濃度を算出し、当該濃度が低い特徴量を有する異常陰影候補の優先順位を高く決定することを特徴とする。
【００１８】
請求項９に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として少なくとも異常陰影候補の候補領域の面積、濃度、周辺領域とのコントラスト、異常陰影候補の形状、医用画像の画像端部から異常陰影候補の検出位置までの距離のうち一以上を算出し、当該算出された特徴量に基づいて優先順位を決定することを特徴とする。
【００１９】
請求項１０に記載の発明は、医用画像処理システムにおいて、
医用画像を画像解析し、異常陰影候補を検出する異常陰影候補検出手段と、
前記異常陰影候補検出手段により検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する制御手段と、
前記抽出された異常陰影候補の検出情報を表示する表示情報と、
を備えることを特徴とする。
【発明の効果】
【００２０】
請求項１、２、１０に記載の発明によれば、表示する異常陰影候補数を減少させることにより、表示画面上の検出情報（検出位置のマーカ表示等）の表示量を減少させることができ、医師が観察しやすい表示状態で検出情報を提供することができる。また、真陽性か否かが疑わしく、医師による精査が必要な異常陰影候補、視認性が低い異常陰影候補、或いは何れにも該当する異常陰影候補の検出情報のみを提供することにより、結果として医師の読影作業の効率化を図ることができ、診断精度の向上を図ることができる。
【００２１】
請求項３に記載の発明によれば、コントラストが小さいため、真陽性か否かの判断について医師の判断が必要な異常陰影候補の検出情報を優先的に医師に提供することができ、医師の読影作業の効率化を図ることができる。また、コントラストが小さい場合、視認性が低下するため、そのような異常陰影候補を優先することにより、医師の見落とし防止を図ることができる。
【００２２】
請求項４に記載の発明によれば、面積が小さいため、真陽性か否かの判断について医師の判断が必要な異常陰影候補の検出情報を優先的に医師に提供することができ、医師の読影作業の効率化を図ることができる。また、面積が小さい場合、視認性が低下するため、そのような異常陰影候補を優先することにより、医師の見落とし防止を図ることができる。
【００２３】
請求項５に記載の発明によれば、医師が見落としやすい位置に存在する異常陰影候補の検出情報を優先的に医師に提供することが可能となり、医師の見落とし防止を図ることができる。
【００２４】
請求項６に記載の発明によれば、視認性が低い領域に存在する異常陰影候補の検出情報を優先的に医師に提供することができ、医師の見落とし防止を図ることができる。
【００２５】
請求項７に記載の発明によれば、真陽性か否かの判断が難しい形状であり、医師の最終判断が必要な異常陰影候補の検出情報を優先的に医師に提供することができ、医師の読影作業の効率化を図ることができる。また、形状によっては視認性が低下することもあるため、そのような異常陰影候補を優先して表示することにより、医師の見落とし防止を図ることができる。
【００２６】
請求項８に記載の発明によれば、低濃度で視認性が低い異常陰影候補の検出情報を優先的に医師に提供することができる。これにより、医師の見落とし防止を図ることができる。
【００２７】
請求項９に記載の発明によれば、真陽性か否かが疑わしく、医師の精査が必要な異常陰影候補、医師が視認し難い異常陰影候補、或いはそれらの両方の検出情報を優先的に医師に提供することができる。また、各特徴量に基づいて優先順位を決定するので、様々な判断要素を考慮したうえで総合的に優先順位を決定することができる。
【発明を実施するための最良の形態】
【００２８】
本実施形態では、医用画像として乳房を撮影した乳房画像を用いた例を説明する。
【００２９】
まず、構成を説明する。
図１に、本実施形態における医用画像処理システム１００のシステム構成を示す。
医用画像処理システム１００は、医用画像を撮影し、当該医用画像に画像処理を行って異常陰影候補を検出し、医用画像とともにその検出情報を医師に提供するシステムである。
【００３０】
図１に示すように、医用画像処理システム１００は、画像生成装置１、画像処理装置２、プリンタ３、画像サーバ４、ビューア５を備えて構成されている。これら各装置１〜５は、ＬＡＮ（Local Area Network）等の医療機関内で構築された通信ネットワークＮを介して相互にデータを送受信可能に接続されている。通信ネットワークＮは、ＤＩＣＯＭ（Digital Imaging and Communication in Medicine）規格が適用されている。
【００３１】
以下、各構成装置１〜５について説明する。
画像生成装置１は、人体を撮影し、その撮影画像（医用画像）のデジタルデータを生成するものであり、例えばＣＲ（Computed Radiography）、ＦＰＤ（Flat Panel Detector）、ＣＴ、ＭＲＩ、カセッテ専用の読取装置、フィルムディジタイザ等のモダリティを適用可能である。本実施形態では、画像生成装置１として、左右乳房のＸ線撮影を行う乳房専用のＣＲを適用し、乳房画像のデータが生成されるものとする。
【００３２】
なお、画像生成装置１は、上述したＤＩＣＯＭ規格に準拠した装置であり、生成した医用画像に付帯させる各種情報（例えば、医用画像が撮影された患者に関する患者情報や、撮影又は検査に関する撮影情報、検査情報等。）を外部から入力可能であるとともに、自動生成することもできる。画像生成装置１は、生成された医用画像に上記付帯情報をヘッダ情報として付加して通信ネットワークＮを介して画像処理装置２へ送信する。なお、ＤＩＣＯＭ規格に準拠していない場合には、図示しないＤＩＣＯＭ変換装置を用いて付帯情報を画像生成装置１に入力させることも可能である。
【００３３】
画像処理装置２は、画像生成装置１から供給される医用画像に対して各種画像処理を施すとともに、当該医用画像の画像解析を行って異常陰影候補の検出処理を行う。
【００３４】
プリンタ３は、画像処理装置２又は画像サーバ４から受信された医用画像のデータに基づいて、フィルム等の記録媒体に医用画像を出力する。
【００３５】
画像サーバ４は、画像ＤＢ４ａを備え、この画像ＤＢ４ａに、画像生成装置１により生成された医用画像（原画像）、画像処理装置２から受信された画像処理済みの医用画像（処理画像）を保存し、その入出力を管理する。
【００３６】
ビューア５は、診断用に医師により使用される表示手段であり、ＬＣＤ（Liquid Crystal Display）等を備えて構成されている。ビューア５は、医師の操作指示に応じて、指定された医用画像を画像サーバ４から取得して表示する。或いは、画像処理装置２で検出された異常陰影候補の検出結果を受信して表示する。
【００３７】
次に、本発明に係る画像処理装置２について詳細に説明する。
図２に、画像処理装置２の内部構成を示す。
画像処理装置２は、制御部２１、操作部２２、表示部２３、通信部２４、記憶部２５、画像処理部２６、異常陰影候補検出部２７を備えて構成されている。
【００３８】
制御部２１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）等から構成され、ＣＰＵにより記憶部２５から各種制御プログラムを読み出してＲＡＭに展開する。そして、当該プログラムに従って処理の実行を統括的に制御し、各部の動作を集中制御する。例えば、本発明に係る表示対象判断処理プログラムに従って表示対象判断処理（後述する）を実行する。
【００３９】
操作部２２は、キーボードやマウス等を備えて構成され、キー操作やマウス操作に対応する操作信号を生成して制御部２１に出力する。
【００４０】
表示部２３は、ＬＣＤ等を備えて構成され、制御部２１の指示に従って画像処理時の操作画面や処理後の医用画像等、各種表示を行う。
【００４１】
通信部２４は、ルータやモデム等の通信用インターフェイスを備え、制御部２１の指示に従って、通信ネットワークＮ上の外部装置と通信を行う。例えば、画像生成装置１から処理対象の医用画像を受信したり、処理済みの医用画像を画像サーバ４やプリンタ３に送信する。
【００４２】
記憶部２５は、各種制御プログラムやプログラムの実行に必要なパラメータ、或いは処理結果のデータを記憶している。
【００４３】
画像処理部２６は、画像処理プログラムに従って医用画像に対し、階調変換処理、鮮鋭度調整処理等を実行する他、乳房画像の場合には左右の乳房の画像を隣り合わせで合成する位置合わせ処理等を実行する。
【００４４】
異常陰影候補検出部２７は、医用画像の画像解析を行って被写体領域を抽出して当該被写体領域を複数領域に分類するとともに、医用画像から画像特徴量を算出し、当該画像特徴量に基づいて異常陰影候補を検出する。
【００４５】
ここで、図３を参照して、医用画像から各領域を抽出する手順について説明する。
図３は、斜位方向（以下、ＭＬＯという）で撮影された乳房画像Ｓを示す図であり、この乳房画像Ｓから被写体領域Ｓａを抽出し、被写体領域Ｓａから乳房領域Ｓａ１、胸筋領域Ｓａ２を抽出したうえで、乳房領域Ｓａ１を３つの領域Ｄａ、Ｄｂ、Ｄｃに分類する。
【００４６】
（１）まず、異常陰影候補検出部２７は、乳房画像Ｓにおける画素値の分散ヒストグラムを求め、判別分析法（分散ヒストグラムを２つのクラスに分類したとき２つのクラスでクラス内分散とクラス間分散の判別比（分散比）が最大となるように閾値を決定する方法）を用いて閾値を決定し、決定された閾値を用いて乳房画像Ｓを２値化する。
【００４７】
このとき、乳房画像Ｓにおいて素抜け領域（被写体部分に該当しない領域であり、Ｘ線が直接照射された領域）は、高濃度を呈しているため、２値化により「１」となり、その他の被写体領域は「０」となることが予想される。よって、この２値化により乳房画像Ｓを被写体領域Ｓａとそれ以外の素抜け領域Ｓｂに分類することができる。なお、撮影方向が正面方向（以下、ＣＣという）である場合には、被写体部分に胸筋は写り込まないため、被写体領域Ｓａが乳房領域Ｓａ１となる。また、２値化による２領域（被写体領域と素抜け領域）の境界をスキンラインＳＬとして認識する。
【００４８】
（２）一方、撮影方向がＭＬＯである場合、被写体部分に胸筋がうつり込むため、次に被写体領域Ｓａから胸筋領域Ｓａ２を認識する。胸筋領域Ｓａ２は、例えば被写体領域Ｓａにおける濃度勾配を算出し、当該濃度勾配から被写体領域Ｓａを胸筋領域Ｓａ２と乳房領域Ｓａ１とに分類する。なお、特開２００１−２３８８６８号公報に記載されているように局所領域を設定し、局所領域内の画素値に基づき、閾値を設定して被写体領域Ｓａ内を２値化することにより、胸筋領域Ｓａ２及び乳房領域Ｓａ１を認識することとしてもよい。
【００４９】
（３）次に、乳房領域Ｓａ１を３つの領域Ｄａ、Ｄｂ、Ｄｃに分類する。
乳房領域は、乳腺と脂肪が混在しており、その密度に応じて濃度が異なってくるため、医師が診断を行う際にはその濃度により乳房領域を分類されている。分類は、脂肪が多く、乳腺の含有率が１０％未満と考えられる高濃度領域、乳腺の含有率が１０％以上５０％未満と考えられる中濃度領域、乳腺の含有率が５０％以上を占めると考えられる低濃度領域の３つの領域に分類されることが多い。異常陰影は画像上では白く低濃度で現れるため、大胸筋の最も白い濃度に相当する低濃度領域や、やや白っぽい中濃度領域に病変部が存在する場合は、異常陰影を目視で検出しづらくなる。
【００５０】
よって、胸筋領域Ｓａ２の濃度を基準として乳房領域Ｓａ１を高濃度領域Ｄａ、中間濃度領域Ｄｂ、低濃度領域Ｄｃに分類する。具体的には、胸筋領域Ｓａ２の分散ヒストグラムを作成し、その形状から比較的均一な濃度の領域を抽出してこの平均濃度を閾値として各領域Ｄａ〜Ｄｃに分類する。例えば、閾値より高濃度な領域を削除した残りの領域をＤｃとし、さらに削除した高濃度の領域について閾値の３０％以上高濃度な領域をＤｂ、閾値の６０％以上高濃度な領域をＤａとすることにより、各領域Ｄａ〜Ｄｃに分類することができる。
【００５１】
次に、異常陰影候補の検出方法について説明する。
異常陰影候補検出部２７は、検出目的とする異常陰影の種類に応じたアルゴリズムの検出プログラムに従って検出処理を実行する。乳房画像の場合、乳癌の癌化部分である腫瘤、微小石灰化クラスタの陰影候補を検出する。
【００５２】
異常陰影候補の検出アルゴリズムとしては、公知のものを適用可能である。例えば、乳房画像における腫瘤陰影候補のアルゴリズムとしては、特開平１０−９１７５８号公報に開示されているアイリスフィルタを用いた手法や、ラプラシアンフィルタを用いた手法（電気情報通信学会論文誌(D-II),Vol.J76-D-II,no.2,pp.241-249,1993）等が適用可能である。また、微小石灰化クラスタ陰影候補の検出アルゴリズムとしては、例えばモルフォルジーフィルタ（電気情報通信学会論文誌(D-II),Vol.J71-D-II,no.7,pp.1170-1176,1992）、ラプラシアンフィルタ（電気情報通信学会論文誌(D-II),Vol.J71-D-II,no.10,pp.1994-2001,1998）、３重リングフィルタ等を用いた方法等を適用可能である。
【００５３】
以下、異常陰影候補の検出方法の一例として乳房画像における微小石灰化クラスタ陰影候補の検出方法について説明する。
微小石灰化クラスタ陰影は、乳房画像上では略円錐形状の濃度変化を有する低濃度の微小石灰化部分が集まった（クラスタ化した）陰影として現れる。このような濃度特性に基づいて医用画像に対して正方形の領域を順次設定し、この領域（これを注目領域という）毎に、微小石灰化部分を検出するフィルタとして、特有のベクトルパターンを有する３重リングフィルタを適用して異常陰影候補の１次検出を行う。なお、この注目領域のサイズは、検出目的とする病変種に応じて設定すればよい。
【００５４】
３重リングフィルタは、濃度変化が理想的な円錐形状を示す場合の濃度勾配の強度成分及び方向成分が予め決定された３つのリングフィルタから構成される。まず、ある注目画素周辺において、各リングフィルタのそれぞれの領域上の画素値から濃度勾配の強度成分及び方向成分の代表値を求める。そして、その代表値と各リングフィルタに予め決定されている濃度勾配の強度成分及び方向成分との差に基づいて、円錐形状に近い濃度変化を有する画像領域を１次検出する。
【００５５】
１次検出により候補領域が特定されると、当該候補領域においてコントラスト、標準偏差、濃度平均値、曲率、フラクタル次元、円形度、面積等の各種画像特徴量を算出し、これら特徴量に基づいて、真陽性の異常陰影（真に病変部である陰影をいう。これに対し、病変と誤認されるような正常組織の陰影を偽陽性の陰影という。）であるか否かを判定する。判定の手法としては多変量解析を適用することができる。例えば、予め真陽性と分かっている陰影から算出された画像特徴量を学習データとして多変量解析を構築しておき、この多変量解析に判定対象の陰影候補から算出された各種画像特徴量を入力して真陽性の可能性を示す指標値を得る。この指標値を、予め真陽性であると判定するために用意された閾値と比較することにより真陽性か偽陽性かを判定する。そして、真陽性であると判定された候補領域が所定面積内に寄り集まって存在する領域一帯を微小石灰化クラスタ陰影の候補領域として出力する。
【００５６】
次に、上記医用画像処理システム１００の動作について説明する。
最初に、医用画像の生成から保存までの流れを説明する。
まず、画像生成装置１において撮影が行われ、医用画像（ここでは、乳房画像の例を説明する）が生成される。そして、生成された乳房画像の関連情報として、患者の指名、年齢、性別等の患者に関する情報や、撮影時の管電圧、乳房の圧迫率等の撮影情報、検査日時等の検査情報、画像の読取条件等の乳房画像生成に関する詳細情報等が乳房画像に付帯される。
【００５７】
付帯情報が付帯された乳房画像は、画像生成装置１から画像処理装置２に出力される。
画像処理装置２では、乳房画像に必要な画像処理が施される一方で、その乳房画像について以下説明する表示対象判断処理が開始され、異常陰影候補の検出及び検出された異常陰影候補から表示対象の候補の抽出が行われる。
【００５８】
以下、図４を参照して、画像処理装置２で実行される表示対象判断処理について説明する。
図４に示す表示対象判断処理では、まず異常陰影候補検出部２７において、医用画像に含まれる被写体領域、被写体領域内の胸筋領域、乳房領域等の各領域が抽出される（ステップＳ１）。
【００５９】
次いで、異常陰影候補検出部２７により、前記抽出された乳房領域について異常陰影候補の検出処理が行われる（ステップＳ２）。この異常陰影候補の検出処理について、図５に示すフローチャートにより説明する。まず、乳房領域に対し、検出処理を行う処理単位である注目領域が順次設定され、この注目領域内で１次検出が行われる（ステップＳ２１）。１次検出の手法については上述したとおりであるので、ここでは説明を省略する。
【００６０】
次いで、１次検出された異常陰影候補の領域について、画像特徴量が算出される。画像特徴量は、少なくとも異常陰影候補領域の面積、標準偏差、濃度平均値、曲率、フラクタル次元、円形度、その周辺領域とのコントラスト、辺縁の複雑度、異常陰影候補が１次検出された分類領域（図３に示す領域Ｄａ〜Ｄｃの何れに該当するか）等が算出される（ステップＳ２２）。
【００６１】
なお、コントラストは異常陰影候補領域とその周辺領域との濃度差、面積は異常陰影候補領域の画素数、画像端部からの距離は胸壁側の画像端部から異常陰影候補の検出位置までの距離（画素数）から求める。
また、円形度は下記式（１）で算出する。円形度Ｃはその値が１に近いほど、異常陰影候補の形状が円に近く病変部（真陽性）であることを意味し、１より小さな値になるにつれて図形が複雑になり、真陽性か否かの慎重な精査が必要となることを示す。
【数１】
【００６２】
また、辺縁の複雑度は、図６に示すように異常陰影候補の輪郭線を示す周期関数をフーリエ展開したときの、下記式（２）で示す式で算出される展開係数ａｋ、ｂｋである。ａｋ、ｂｋは、その値が大きいほど、異常陰影候補領域の辺縁部分の形状が歪（いびつ）であることを示す。
【数２】
【００６３】
次いで、これらの画像特徴量が予め異常陰影である可能性を示す指標値を出力するよう構築された多変量解析に入力され、真陽性の異常陰影の可能性を示す指標値が得られる（ステップＳ２３）。次いで、得られた指標値と閾値とに基づいて、異常陰影候補であるか否かが判定されると（ステップＳ２４）、図４のステップＳ３の処理へ移行する。
【００６４】
図４に示すステップＳ３では、制御部２１において、異常陰影候補について算出された画像特徴量に基づいて、これら異常陰影候補のうち、表示対象とする異常陰影候補の優先順位が決定される（ステップＳ３）。ここで、表示対象とする異常陰影候補は、明らかに真陽性、或いは偽陽性であると判定される候補を除いた候補であり、真陽性か偽陽性かが疑わしい、或いは観察しづらい、医師が見逃しやすい候補である。
【００６５】
例えば、コントラストが小さい、面積が小さい場合は、偽陽性か真陽性かの判定が難しく、読影医による最終判断を必要とする場合が多い。また、当該領域の視認性についても良好とは言い難く、医師が見落としやすい陰影となる。また、最終的に真陽性と判断されるべき異常陰影の中には、辺縁部の境界が不明瞭（不鮮明）となったり、辺縁部において微細なスジ状の形状を呈する、或いはスピキュラと呼ばれる歪な形状を呈する場合があり、その辺縁の複雑度が増すが、逆に辺縁の複雑度が小さい場合には、異常陰影かどうかの判断が難しくなる。また、腫瘤の場合、円形度が大きいほど、腫瘤である可能性が高くなるが、円形度が小さいと腫瘤（真陽性）か否かの判断がしづらくなる。さらに、同じ乳房領域Ｓａ１であっても、低濃度領域Ｄｃは全体的に濃度が小さいため、低濃度で画像上に現れる異常陰影は、高濃度領域Ｄａに存在する場合と比較して低濃度領域Ｄｃに存在する方が判別しづらいものとなる。異常陰影候補領域自体の濃度についても同様に、濃度が低いと視認しづらく、医師が見逃しやすいものとなる。さらに、画像の端部に近い乳房領域に存在する異常陰影は、その位置から医師にとって見逃しやすいものとなる。
【００６６】
よって、優先順位の判断要素として、コントラスト、面積、濃度平均値、異常陰影候補が位置する分類領域、画像端部からの距離、辺縁の複雑度等を考慮し、これらに基づいて総合的に優先順位を決定する。
【００６７】
具体的には、予め優先順位を高くすべき陰影の特徴量、優先順位を低くすべき陰影の特徴量等、学習データを準備して、優先順位を示す指標値として０〜１（０に近いほど優先順位が低く、１に近いほど優先順位が高いことを示す）を出力するニューラルネットワーク等の多変量解析を構築しておく。例えば、コントラストが小さい、面積が小さい、候補領域の濃度平均値が小さい、円形度が小さい、画像端部からの距離が短い、或いは辺縁の複雑度が小さいほど、優先順位が高い指標値となるように学習データを用意し、多変量解析を調整しておく。また、乳房領域Ｓａ１のうち、領域Ｄｃ→Ｄｂ→Ｄａの順に異常陰影候補の判別が困難となるので、この順に優先順位が高い指標値となるように多変量解析を構築する。
【００６８】
そして、上記多変量解析に優先順位の判断対象となる異常陰影候補の特徴量を入力し、多変量解析により出力された指標値と、この指標値に対する閾値とを比較し、閾値を超えた異常陰影候補、つまりある所定の優先順位より上の候補を表示すべき異常陰影候補として決定する。
【００６９】
優先順位が決定されると、ステップＳ２の検出処理で検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出され（ステップＳ４）、最終的な検出結果として出力される。
【００７０】
この検出結果は、画像処理装置２から画像サーバ４に送信されて保存される一方で、その医用画像（読影用に画像処理が施されたもの）及び検出結果は画像処理装置２からビューア５に送信され、ビューア５においてその表示が行われる。
【００７１】
図７に、表示例を示す。
図７（ａ）は、優先順位が所定順位以上の異常陰影候補の検出結果のみ表示した例であり、図７（ｂ）は検出された全ての異常陰影候補の検出結果を表示した場合の表示例である。検出されたもの全てを表示するより、優先順位が所定順位以上の異常陰影候補のみを表示した方が、表示画面上の表示物の数が減り、観察しやすいことが図７（ａ）、（ｂ）から分かる。
【００７２】
なお、図７（ａ）、（ｂ）は、異常陰影候補の検出結果を、異常陰影候補の検出位置を示すマーカ情報（図中の矢印）により直接医用画像上に表示した例を示すものであるが、図７（ｃ）に示すように、これを縮小した副画像（図中、符号ｇ１、ｇ２で示す画像）を作成して主画像（図中、符号、Ｇ１、Ｇで示す画像）の被写体領域と重ならない位置に表示することとしてもよい。この場合、検出結果の表示領域が図７（ａ）の表示形態の場合より小さくなるが、本発明によれば、表示対象の異常陰影候補数を減らすことができるため、特に有効である。なお、図７（ｃ）は、左右の乳房についての乳房画像を胸壁側の画像端が隣り合わせになるように位置合わせ処理を行ったものである。
【００７３】
以上のように、本実施形態によれば、検出処理により検出された異常陰影候補から、明らかに真陽性又は偽陽性である異常陰影候補を削除し、真陽性か偽陽性かの判断が難しく、医師の最終判断に任せるべき候補や、視認性が低く医師が見逃しやすい候補等に絞ってその検出情報を表示するので、指摘表示する異常陰影候補数を減少させることができる。これにより、見やすい表示とすることができ、医師の読影作業の効率化を図ることができる。
【００７４】
また、医師は、明らかに真陽性である異常陰影は医師自身が目視で検出し、視認性が低く発見しづらい異常陰影の検出には、医用画像処理システム１００によって提供される異常陰影候補の検出結果を参照することができる。検出された異常陰影候補の全てについて指摘表示される場合、明らかに目視で真陽性であると分かる候補を含む全ての候補について、医師は確認することとなり、煩雑である。よって、上記のように、発見しづらい異常陰影候補のみその検出結果の情報を提供することにより、医師の見落とし防止を図ることができるとともに、医師の読影作業が効率的となる。
【００７５】
なお、上述した実施形態は、本発明を適用した好適な一例であり、これに限定されるものではない。
例えば、優先順位を決定する方法として、多変量解析の手法を用い、総合的に優先順位を決定することとしたが、これに限らず、各異常陰影候補についてコントラストが小さい順、円形度が小さい順等、判断要素毎に優先順位を決定し、この判断要素毎の優先順位の順位数を加算して、その加算値が小さい候補から優先的に抽出することとしてもよい。このとき、重視する判断要素には重み付けを行って加算することにより、優先順位の最適化を行うことができる。
【００７６】
また、上述した説明では、画像処理装置２において異常陰影候補検出手段、制御手段を、ビューア５において表示手段を実現することとしたが、これに限らず、医用画像処理システム１００の何れの構成装置で各手段を実現することとしてもよい。
【００７７】
特に、画像生成装置１０が、特開２００１−２３８８７１号公報、特開２００１−３１１７０１号公報、特開２００２−８５３８９号公報、特開２００１−２９９７３３号公報等に開示された位相コントラスト法により撮影を実行する場合、得られた画像の病変部辺縁は位相コントラスト効果により、従来の乳房画像に比べて大幅に視認性が向上することが知られており、アノテーションの表示が無い、明確な病変部（真陽性候補領域）を見落とす確率は大幅に低下するので好ましい。
【００７８】
なお、上記実施例の説明中、「低濃度で視認性が低い領域」とは、読影医が読影する際に、当該読影医の目に到達する光量が少ない領域であることを示す。従って、フィルム及びシャーカステンによる読影方式であれば、透過光量が少なくなるフィルム領域であり、これはフィルム上で黒い部分に該当し、逆にフィルム上の素抜け部分は「高濃度で視認性が高い」部分となる。一方、ビューアによる読影方式であれば、低濃度（低駆動レベル）領域が「低濃度で視認性が低い」領域となる。
一般的には、読影時に被写体を透過したＸ線量が少ない領域が、素抜け部分となったり高輝度で再生表示されるので、読影医の視認性が低い領域として、撮影された画像データの中から、被写体を透過したＸ線量の多い領域を抽出すれば良いこととなる。
【図面の簡単な説明】
【００７９】
【図１】本実施形態における医用画像処理システムのシステム構成を示す図である。
【図２】図１の画像処理装置の内部構成を示す図である。
【図３】乳房画像において分類する各領域を示す図である。
【図４】画像処理装置により実行される表示対象判断処理を説明するフローチャートである。
【図５】画像処理装置により実行される異常陰影候補の検出処理を説明するフローチャートである。
【図６】辺縁の複雑度の特徴量を算出方法を説明する図である。
【図７】異常陰影候補の検出結果の表示例を示す図である。
【符号の説明】
【００８０】
１００ 医用画像処理システム
１ 画像生成装置
２ 画像処理装置
２１ 制御部
２６ 画像処理部
２７ 異常陰影候補検出部
３ プリンタ
４ 画像サーバ
４ａ 画像ＤＢ
５ ビューア
【技術分野】
【０００１】
本発明は、医用画像から異常陰影候補を検出し、その検出情報を表示する異常陰影候補の表示方法及び医用画像処理システムに関する。
【背景技術】
【０００２】
医療の分野においては、ＣＴ（Computed Tomography）やＭＲＩ（Magnetic Resonance Imaging）等の撮影装置により患者を撮影した医用画像をデジタルデータに変換し、医師が診断を行う際には、表示ディスプレイ上に表示して読影を行うようになってきた。特に近年では、読影医の負担軽減や異常陰影の見落とし減少を目的として癌化部分等の異常陰影候補を検出するコンピュータ支援装置（Computer-Aided Diagnosis；以下、ＣＡＤという）が開発されてきた。
【０００３】
上記ＣＡＤにより異常陰影候補が検出されると、その検出情報として医用画像上に異常陰影候補の検出位置を指し示すマーカ（矢印や丸等）等を表示する方法が一般的である。その表示方法としては、（１）医用画像上に直接マーカを表示する方法（例えば、特許文献１参照）、（２）読影用にライフサイズ（等倍）の医用画像を主画像として表示し、その主画像の縮小画像上にマーカを表示した副画像を作成して主画像とともに表示する方法（例えば、特許文献２参照）が用いられている。
【特許文献１】特開２０００−２７６５８７号公報
【特許文献２】特開２００４−２３０００１号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
このような状況で、ＣＡＤにより検出された異常陰影候補の数が多い場合、上記（１）の方法では、読影医が観察する画像上にたくさんのマーカが表示されることとなり、医用画像自体が観察しにくくなってしまい、かえって読影作業に悪影響を及ぼすことがある。
【０００５】
一方、上記（２）の方法では、（１）の方法に比べ、主画像自体はマーカが表示されないため、医師の読影作業に与える影響が少ないが、縮小された副画像上にはやはりたくさんのマーカが表示されることとなり、見づらいという問題があった。また、主画像と副画像との位置の対応もとりにくくなる。
【０００６】
さらに、異常陰影候補の検出時には、その候補領域の画像特徴量を演算し、閾値と比較して異常陰影であるか否かを判定する方法や、画像特徴量を用いて多変量解析することにより異常陰影の候補領域を検出する方法等、様々なアルゴリズムが用いられるが、検出結果には、明らかに異常陰影であるものと疑わしいものとが混在している。
【０００７】
従来のＣＡＤでは、このように検出された異常陰影候補の全てに関する検出情報を医師に提供し、真陽性であるか偽陽性であるかの最終判断は医師によることとしている。しかし、上述したように検出数が非常に多いと、その全てについて読影医は確認しなければならず、非効率的である。特に、経験豊かな医師にとっては、明らかに異常陰影であると容易に判断できるものより、疑わしい候補を優先的に読影した方が効率的な場合がある。
【０００８】
また、異常陰影が乳房画像の端部付近に存在したり、陰影自体の面積が小さかったりすると、読影医が視認しづらいものとなり、見落としやすくなる。
【０００９】
本発明の課題は、真陽性の異常陰影であるかどうか疑わしい異常陰影候補及び／又は視認性の低い異常陰影候補の検出情報のみを提供し、医師の見落とし防止、読影作業の効率化を図ることである。
【課題を解決するための手段】
【００１０】
請求項１に記載の発明は、異常陰影候補の表示方法において、
医用画像を画像解析して異常陰影候補を検出する検出工程と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する抽出工程と、
前記抽出された異常陰影候補の検出情報を表示する表示工程と、
を含むことを特徴とする。
【００１１】
請求項２に記載の発明は、請求項１に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記検出された異常陰影候補の画像特徴量を算出し、当該画像特徴量に基づいて表示すべき異常陰影候補の優先順位を決定し、前記検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出することを特徴とする。
【００１２】
請求項３に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補とその周辺領域とのコントラストを算出し、このコントラストが小さい異常陰影候補の優先順位を高く決定することを特徴とする。
【００１３】
請求項４に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補の領域の面積を算出し、当該面積が小さい異常陰影候補の優先順位を高く決定することを特徴とする。
【００１４】
請求項５に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として前記医用画像の画像端部から異常陰影候補の検出位置までの距離を算出し、当該距離が短い異常陰影候補の優先順位を高く決定することを特徴とする。
【００１５】
請求項６に記載の発明は、請求項２〜５の何れか一項に記載の異常陰影候補の表示方法において、
前記医用画像から被写体領域を認識し、当該被写体領域を複数領域に分類する工程を含み、
前記抽出工程では、前記認識された被写体領域のうち、前記異常陰影候補が検出された分類領域に応じて優先順位を決定することを特徴とする。
【００１６】
請求項７に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補の形状の特徴量を算出し、当該形状の特徴量に基づいて優先順位を決定することを特徴とする。
【００１７】
請求項８に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として異常陰影候補の候補領域の濃度を算出し、当該濃度が低い特徴量を有する異常陰影候補の優先順位を高く決定することを特徴とする。
【００１８】
請求項９に記載の発明は、請求項２に記載の異常陰影候補の表示方法において、
前記抽出工程では、前記画像特徴量として少なくとも異常陰影候補の候補領域の面積、濃度、周辺領域とのコントラスト、異常陰影候補の形状、医用画像の画像端部から異常陰影候補の検出位置までの距離のうち一以上を算出し、当該算出された特徴量に基づいて優先順位を決定することを特徴とする。
【００１９】
請求項１０に記載の発明は、医用画像処理システムにおいて、
医用画像を画像解析し、異常陰影候補を検出する異常陰影候補検出手段と、
前記異常陰影候補検出手段により検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する制御手段と、
前記抽出された異常陰影候補の検出情報を表示する表示情報と、
を備えることを特徴とする。
【発明の効果】
【００２０】
請求項１、２、１０に記載の発明によれば、表示する異常陰影候補数を減少させることにより、表示画面上の検出情報（検出位置のマーカ表示等）の表示量を減少させることができ、医師が観察しやすい表示状態で検出情報を提供することができる。また、真陽性か否かが疑わしく、医師による精査が必要な異常陰影候補、視認性が低い異常陰影候補、或いは何れにも該当する異常陰影候補の検出情報のみを提供することにより、結果として医師の読影作業の効率化を図ることができ、診断精度の向上を図ることができる。
【００２１】
請求項３に記載の発明によれば、コントラストが小さいため、真陽性か否かの判断について医師の判断が必要な異常陰影候補の検出情報を優先的に医師に提供することができ、医師の読影作業の効率化を図ることができる。また、コントラストが小さい場合、視認性が低下するため、そのような異常陰影候補を優先することにより、医師の見落とし防止を図ることができる。
【００２２】
請求項４に記載の発明によれば、面積が小さいため、真陽性か否かの判断について医師の判断が必要な異常陰影候補の検出情報を優先的に医師に提供することができ、医師の読影作業の効率化を図ることができる。また、面積が小さい場合、視認性が低下するため、そのような異常陰影候補を優先することにより、医師の見落とし防止を図ることができる。
【００２３】
請求項５に記載の発明によれば、医師が見落としやすい位置に存在する異常陰影候補の検出情報を優先的に医師に提供することが可能となり、医師の見落とし防止を図ることができる。
【００２４】
請求項６に記載の発明によれば、視認性が低い領域に存在する異常陰影候補の検出情報を優先的に医師に提供することができ、医師の見落とし防止を図ることができる。
【００２５】
請求項７に記載の発明によれば、真陽性か否かの判断が難しい形状であり、医師の最終判断が必要な異常陰影候補の検出情報を優先的に医師に提供することができ、医師の読影作業の効率化を図ることができる。また、形状によっては視認性が低下することもあるため、そのような異常陰影候補を優先して表示することにより、医師の見落とし防止を図ることができる。
【００２６】
請求項８に記載の発明によれば、低濃度で視認性が低い異常陰影候補の検出情報を優先的に医師に提供することができる。これにより、医師の見落とし防止を図ることができる。
【００２７】
請求項９に記載の発明によれば、真陽性か否かが疑わしく、医師の精査が必要な異常陰影候補、医師が視認し難い異常陰影候補、或いはそれらの両方の検出情報を優先的に医師に提供することができる。また、各特徴量に基づいて優先順位を決定するので、様々な判断要素を考慮したうえで総合的に優先順位を決定することができる。
【発明を実施するための最良の形態】
【００２８】
本実施形態では、医用画像として乳房を撮影した乳房画像を用いた例を説明する。
【００２９】
まず、構成を説明する。
図１に、本実施形態における医用画像処理システム１００のシステム構成を示す。
医用画像処理システム１００は、医用画像を撮影し、当該医用画像に画像処理を行って異常陰影候補を検出し、医用画像とともにその検出情報を医師に提供するシステムである。
【００３０】
図１に示すように、医用画像処理システム１００は、画像生成装置１、画像処理装置２、プリンタ３、画像サーバ４、ビューア５を備えて構成されている。これら各装置１〜５は、ＬＡＮ（Local Area Network）等の医療機関内で構築された通信ネットワークＮを介して相互にデータを送受信可能に接続されている。通信ネットワークＮは、ＤＩＣＯＭ（Digital Imaging and Communication in Medicine）規格が適用されている。
【００３１】
以下、各構成装置１〜５について説明する。
画像生成装置１は、人体を撮影し、その撮影画像（医用画像）のデジタルデータを生成するものであり、例えばＣＲ（Computed Radiography）、ＦＰＤ（Flat Panel Detector）、ＣＴ、ＭＲＩ、カセッテ専用の読取装置、フィルムディジタイザ等のモダリティを適用可能である。本実施形態では、画像生成装置１として、左右乳房のＸ線撮影を行う乳房専用のＣＲを適用し、乳房画像のデータが生成されるものとする。
【００３２】
なお、画像生成装置１は、上述したＤＩＣＯＭ規格に準拠した装置であり、生成した医用画像に付帯させる各種情報（例えば、医用画像が撮影された患者に関する患者情報や、撮影又は検査に関する撮影情報、検査情報等。）を外部から入力可能であるとともに、自動生成することもできる。画像生成装置１は、生成された医用画像に上記付帯情報をヘッダ情報として付加して通信ネットワークＮを介して画像処理装置２へ送信する。なお、ＤＩＣＯＭ規格に準拠していない場合には、図示しないＤＩＣＯＭ変換装置を用いて付帯情報を画像生成装置１に入力させることも可能である。
【００３３】
画像処理装置２は、画像生成装置１から供給される医用画像に対して各種画像処理を施すとともに、当該医用画像の画像解析を行って異常陰影候補の検出処理を行う。
【００３４】
プリンタ３は、画像処理装置２又は画像サーバ４から受信された医用画像のデータに基づいて、フィルム等の記録媒体に医用画像を出力する。
【００３５】
画像サーバ４は、画像ＤＢ４ａを備え、この画像ＤＢ４ａに、画像生成装置１により生成された医用画像（原画像）、画像処理装置２から受信された画像処理済みの医用画像（処理画像）を保存し、その入出力を管理する。
【００３６】
ビューア５は、診断用に医師により使用される表示手段であり、ＬＣＤ（Liquid Crystal Display）等を備えて構成されている。ビューア５は、医師の操作指示に応じて、指定された医用画像を画像サーバ４から取得して表示する。或いは、画像処理装置２で検出された異常陰影候補の検出結果を受信して表示する。
【００３７】
次に、本発明に係る画像処理装置２について詳細に説明する。
図２に、画像処理装置２の内部構成を示す。
画像処理装置２は、制御部２１、操作部２２、表示部２３、通信部２４、記憶部２５、画像処理部２６、異常陰影候補検出部２７を備えて構成されている。
【００３８】
制御部２１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）等から構成され、ＣＰＵにより記憶部２５から各種制御プログラムを読み出してＲＡＭに展開する。そして、当該プログラムに従って処理の実行を統括的に制御し、各部の動作を集中制御する。例えば、本発明に係る表示対象判断処理プログラムに従って表示対象判断処理（後述する）を実行する。
【００３９】
操作部２２は、キーボードやマウス等を備えて構成され、キー操作やマウス操作に対応する操作信号を生成して制御部２１に出力する。
【００４０】
表示部２３は、ＬＣＤ等を備えて構成され、制御部２１の指示に従って画像処理時の操作画面や処理後の医用画像等、各種表示を行う。
【００４１】
通信部２４は、ルータやモデム等の通信用インターフェイスを備え、制御部２１の指示に従って、通信ネットワークＮ上の外部装置と通信を行う。例えば、画像生成装置１から処理対象の医用画像を受信したり、処理済みの医用画像を画像サーバ４やプリンタ３に送信する。
【００４２】
記憶部２５は、各種制御プログラムやプログラムの実行に必要なパラメータ、或いは処理結果のデータを記憶している。
【００４３】
画像処理部２６は、画像処理プログラムに従って医用画像に対し、階調変換処理、鮮鋭度調整処理等を実行する他、乳房画像の場合には左右の乳房の画像を隣り合わせで合成する位置合わせ処理等を実行する。
【００４４】
異常陰影候補検出部２７は、医用画像の画像解析を行って被写体領域を抽出して当該被写体領域を複数領域に分類するとともに、医用画像から画像特徴量を算出し、当該画像特徴量に基づいて異常陰影候補を検出する。
【００４５】
ここで、図３を参照して、医用画像から各領域を抽出する手順について説明する。
図３は、斜位方向（以下、ＭＬＯという）で撮影された乳房画像Ｓを示す図であり、この乳房画像Ｓから被写体領域Ｓａを抽出し、被写体領域Ｓａから乳房領域Ｓａ１、胸筋領域Ｓａ２を抽出したうえで、乳房領域Ｓａ１を３つの領域Ｄａ、Ｄｂ、Ｄｃに分類する。
【００４６】
（１）まず、異常陰影候補検出部２７は、乳房画像Ｓにおける画素値の分散ヒストグラムを求め、判別分析法（分散ヒストグラムを２つのクラスに分類したとき２つのクラスでクラス内分散とクラス間分散の判別比（分散比）が最大となるように閾値を決定する方法）を用いて閾値を決定し、決定された閾値を用いて乳房画像Ｓを２値化する。
【００４７】
このとき、乳房画像Ｓにおいて素抜け領域（被写体部分に該当しない領域であり、Ｘ線が直接照射された領域）は、高濃度を呈しているため、２値化により「１」となり、その他の被写体領域は「０」となることが予想される。よって、この２値化により乳房画像Ｓを被写体領域Ｓａとそれ以外の素抜け領域Ｓｂに分類することができる。なお、撮影方向が正面方向（以下、ＣＣという）である場合には、被写体部分に胸筋は写り込まないため、被写体領域Ｓａが乳房領域Ｓａ１となる。また、２値化による２領域（被写体領域と素抜け領域）の境界をスキンラインＳＬとして認識する。
【００４８】
（２）一方、撮影方向がＭＬＯである場合、被写体部分に胸筋がうつり込むため、次に被写体領域Ｓａから胸筋領域Ｓａ２を認識する。胸筋領域Ｓａ２は、例えば被写体領域Ｓａにおける濃度勾配を算出し、当該濃度勾配から被写体領域Ｓａを胸筋領域Ｓａ２と乳房領域Ｓａ１とに分類する。なお、特開２００１−２３８８６８号公報に記載されているように局所領域を設定し、局所領域内の画素値に基づき、閾値を設定して被写体領域Ｓａ内を２値化することにより、胸筋領域Ｓａ２及び乳房領域Ｓａ１を認識することとしてもよい。
【００４９】
（３）次に、乳房領域Ｓａ１を３つの領域Ｄａ、Ｄｂ、Ｄｃに分類する。
乳房領域は、乳腺と脂肪が混在しており、その密度に応じて濃度が異なってくるため、医師が診断を行う際にはその濃度により乳房領域を分類されている。分類は、脂肪が多く、乳腺の含有率が１０％未満と考えられる高濃度領域、乳腺の含有率が１０％以上５０％未満と考えられる中濃度領域、乳腺の含有率が５０％以上を占めると考えられる低濃度領域の３つの領域に分類されることが多い。異常陰影は画像上では白く低濃度で現れるため、大胸筋の最も白い濃度に相当する低濃度領域や、やや白っぽい中濃度領域に病変部が存在する場合は、異常陰影を目視で検出しづらくなる。
【００５０】
よって、胸筋領域Ｓａ２の濃度を基準として乳房領域Ｓａ１を高濃度領域Ｄａ、中間濃度領域Ｄｂ、低濃度領域Ｄｃに分類する。具体的には、胸筋領域Ｓａ２の分散ヒストグラムを作成し、その形状から比較的均一な濃度の領域を抽出してこの平均濃度を閾値として各領域Ｄａ〜Ｄｃに分類する。例えば、閾値より高濃度な領域を削除した残りの領域をＤｃとし、さらに削除した高濃度の領域について閾値の３０％以上高濃度な領域をＤｂ、閾値の６０％以上高濃度な領域をＤａとすることにより、各領域Ｄａ〜Ｄｃに分類することができる。
【００５１】
次に、異常陰影候補の検出方法について説明する。
異常陰影候補検出部２７は、検出目的とする異常陰影の種類に応じたアルゴリズムの検出プログラムに従って検出処理を実行する。乳房画像の場合、乳癌の癌化部分である腫瘤、微小石灰化クラスタの陰影候補を検出する。
【００５２】
異常陰影候補の検出アルゴリズムとしては、公知のものを適用可能である。例えば、乳房画像における腫瘤陰影候補のアルゴリズムとしては、特開平１０−９１７５８号公報に開示されているアイリスフィルタを用いた手法や、ラプラシアンフィルタを用いた手法（電気情報通信学会論文誌(D-II),Vol.J76-D-II,no.2,pp.241-249,1993）等が適用可能である。また、微小石灰化クラスタ陰影候補の検出アルゴリズムとしては、例えばモルフォルジーフィルタ（電気情報通信学会論文誌(D-II),Vol.J71-D-II,no.7,pp.1170-1176,1992）、ラプラシアンフィルタ（電気情報通信学会論文誌(D-II),Vol.J71-D-II,no.10,pp.1994-2001,1998）、３重リングフィルタ等を用いた方法等を適用可能である。
【００５３】
以下、異常陰影候補の検出方法の一例として乳房画像における微小石灰化クラスタ陰影候補の検出方法について説明する。
微小石灰化クラスタ陰影は、乳房画像上では略円錐形状の濃度変化を有する低濃度の微小石灰化部分が集まった（クラスタ化した）陰影として現れる。このような濃度特性に基づいて医用画像に対して正方形の領域を順次設定し、この領域（これを注目領域という）毎に、微小石灰化部分を検出するフィルタとして、特有のベクトルパターンを有する３重リングフィルタを適用して異常陰影候補の１次検出を行う。なお、この注目領域のサイズは、検出目的とする病変種に応じて設定すればよい。
【００５４】
３重リングフィルタは、濃度変化が理想的な円錐形状を示す場合の濃度勾配の強度成分及び方向成分が予め決定された３つのリングフィルタから構成される。まず、ある注目画素周辺において、各リングフィルタのそれぞれの領域上の画素値から濃度勾配の強度成分及び方向成分の代表値を求める。そして、その代表値と各リングフィルタに予め決定されている濃度勾配の強度成分及び方向成分との差に基づいて、円錐形状に近い濃度変化を有する画像領域を１次検出する。
【００５５】
１次検出により候補領域が特定されると、当該候補領域においてコントラスト、標準偏差、濃度平均値、曲率、フラクタル次元、円形度、面積等の各種画像特徴量を算出し、これら特徴量に基づいて、真陽性の異常陰影（真に病変部である陰影をいう。これに対し、病変と誤認されるような正常組織の陰影を偽陽性の陰影という。）であるか否かを判定する。判定の手法としては多変量解析を適用することができる。例えば、予め真陽性と分かっている陰影から算出された画像特徴量を学習データとして多変量解析を構築しておき、この多変量解析に判定対象の陰影候補から算出された各種画像特徴量を入力して真陽性の可能性を示す指標値を得る。この指標値を、予め真陽性であると判定するために用意された閾値と比較することにより真陽性か偽陽性かを判定する。そして、真陽性であると判定された候補領域が所定面積内に寄り集まって存在する領域一帯を微小石灰化クラスタ陰影の候補領域として出力する。
【００５６】
次に、上記医用画像処理システム１００の動作について説明する。
最初に、医用画像の生成から保存までの流れを説明する。
まず、画像生成装置１において撮影が行われ、医用画像（ここでは、乳房画像の例を説明する）が生成される。そして、生成された乳房画像の関連情報として、患者の指名、年齢、性別等の患者に関する情報や、撮影時の管電圧、乳房の圧迫率等の撮影情報、検査日時等の検査情報、画像の読取条件等の乳房画像生成に関する詳細情報等が乳房画像に付帯される。
【００５７】
付帯情報が付帯された乳房画像は、画像生成装置１から画像処理装置２に出力される。
画像処理装置２では、乳房画像に必要な画像処理が施される一方で、その乳房画像について以下説明する表示対象判断処理が開始され、異常陰影候補の検出及び検出された異常陰影候補から表示対象の候補の抽出が行われる。
【００５８】
以下、図４を参照して、画像処理装置２で実行される表示対象判断処理について説明する。
図４に示す表示対象判断処理では、まず異常陰影候補検出部２７において、医用画像に含まれる被写体領域、被写体領域内の胸筋領域、乳房領域等の各領域が抽出される（ステップＳ１）。
【００５９】
次いで、異常陰影候補検出部２７により、前記抽出された乳房領域について異常陰影候補の検出処理が行われる（ステップＳ２）。この異常陰影候補の検出処理について、図５に示すフローチャートにより説明する。まず、乳房領域に対し、検出処理を行う処理単位である注目領域が順次設定され、この注目領域内で１次検出が行われる（ステップＳ２１）。１次検出の手法については上述したとおりであるので、ここでは説明を省略する。
【００６０】
次いで、１次検出された異常陰影候補の領域について、画像特徴量が算出される。画像特徴量は、少なくとも異常陰影候補領域の面積、標準偏差、濃度平均値、曲率、フラクタル次元、円形度、その周辺領域とのコントラスト、辺縁の複雑度、異常陰影候補が１次検出された分類領域（図３に示す領域Ｄａ〜Ｄｃの何れに該当するか）等が算出される（ステップＳ２２）。
【００６１】
なお、コントラストは異常陰影候補領域とその周辺領域との濃度差、面積は異常陰影候補領域の画素数、画像端部からの距離は胸壁側の画像端部から異常陰影候補の検出位置までの距離（画素数）から求める。
また、円形度は下記式（１）で算出する。円形度Ｃはその値が１に近いほど、異常陰影候補の形状が円に近く病変部（真陽性）であることを意味し、１より小さな値になるにつれて図形が複雑になり、真陽性か否かの慎重な精査が必要となることを示す。
【数１】
【００６２】
また、辺縁の複雑度は、図６に示すように異常陰影候補の輪郭線を示す周期関数をフーリエ展開したときの、下記式（２）で示す式で算出される展開係数ａｋ、ｂｋである。ａｋ、ｂｋは、その値が大きいほど、異常陰影候補領域の辺縁部分の形状が歪（いびつ）であることを示す。
【数２】
【００６３】
次いで、これらの画像特徴量が予め異常陰影である可能性を示す指標値を出力するよう構築された多変量解析に入力され、真陽性の異常陰影の可能性を示す指標値が得られる（ステップＳ２３）。次いで、得られた指標値と閾値とに基づいて、異常陰影候補であるか否かが判定されると（ステップＳ２４）、図４のステップＳ３の処理へ移行する。
【００６４】
図４に示すステップＳ３では、制御部２１において、異常陰影候補について算出された画像特徴量に基づいて、これら異常陰影候補のうち、表示対象とする異常陰影候補の優先順位が決定される（ステップＳ３）。ここで、表示対象とする異常陰影候補は、明らかに真陽性、或いは偽陽性であると判定される候補を除いた候補であり、真陽性か偽陽性かが疑わしい、或いは観察しづらい、医師が見逃しやすい候補である。
【００６５】
例えば、コントラストが小さい、面積が小さい場合は、偽陽性か真陽性かの判定が難しく、読影医による最終判断を必要とする場合が多い。また、当該領域の視認性についても良好とは言い難く、医師が見落としやすい陰影となる。また、最終的に真陽性と判断されるべき異常陰影の中には、辺縁部の境界が不明瞭（不鮮明）となったり、辺縁部において微細なスジ状の形状を呈する、或いはスピキュラと呼ばれる歪な形状を呈する場合があり、その辺縁の複雑度が増すが、逆に辺縁の複雑度が小さい場合には、異常陰影かどうかの判断が難しくなる。また、腫瘤の場合、円形度が大きいほど、腫瘤である可能性が高くなるが、円形度が小さいと腫瘤（真陽性）か否かの判断がしづらくなる。さらに、同じ乳房領域Ｓａ１であっても、低濃度領域Ｄｃは全体的に濃度が小さいため、低濃度で画像上に現れる異常陰影は、高濃度領域Ｄａに存在する場合と比較して低濃度領域Ｄｃに存在する方が判別しづらいものとなる。異常陰影候補領域自体の濃度についても同様に、濃度が低いと視認しづらく、医師が見逃しやすいものとなる。さらに、画像の端部に近い乳房領域に存在する異常陰影は、その位置から医師にとって見逃しやすいものとなる。
【００６６】
よって、優先順位の判断要素として、コントラスト、面積、濃度平均値、異常陰影候補が位置する分類領域、画像端部からの距離、辺縁の複雑度等を考慮し、これらに基づいて総合的に優先順位を決定する。
【００６７】
具体的には、予め優先順位を高くすべき陰影の特徴量、優先順位を低くすべき陰影の特徴量等、学習データを準備して、優先順位を示す指標値として０〜１（０に近いほど優先順位が低く、１に近いほど優先順位が高いことを示す）を出力するニューラルネットワーク等の多変量解析を構築しておく。例えば、コントラストが小さい、面積が小さい、候補領域の濃度平均値が小さい、円形度が小さい、画像端部からの距離が短い、或いは辺縁の複雑度が小さいほど、優先順位が高い指標値となるように学習データを用意し、多変量解析を調整しておく。また、乳房領域Ｓａ１のうち、領域Ｄｃ→Ｄｂ→Ｄａの順に異常陰影候補の判別が困難となるので、この順に優先順位が高い指標値となるように多変量解析を構築する。
【００６８】
そして、上記多変量解析に優先順位の判断対象となる異常陰影候補の特徴量を入力し、多変量解析により出力された指標値と、この指標値に対する閾値とを比較し、閾値を超えた異常陰影候補、つまりある所定の優先順位より上の候補を表示すべき異常陰影候補として決定する。
【００６９】
優先順位が決定されると、ステップＳ２の検出処理で検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出され（ステップＳ４）、最終的な検出結果として出力される。
【００７０】
この検出結果は、画像処理装置２から画像サーバ４に送信されて保存される一方で、その医用画像（読影用に画像処理が施されたもの）及び検出結果は画像処理装置２からビューア５に送信され、ビューア５においてその表示が行われる。
【００７１】
図７に、表示例を示す。
図７（ａ）は、優先順位が所定順位以上の異常陰影候補の検出結果のみ表示した例であり、図７（ｂ）は検出された全ての異常陰影候補の検出結果を表示した場合の表示例である。検出されたもの全てを表示するより、優先順位が所定順位以上の異常陰影候補のみを表示した方が、表示画面上の表示物の数が減り、観察しやすいことが図７（ａ）、（ｂ）から分かる。
【００７２】
なお、図７（ａ）、（ｂ）は、異常陰影候補の検出結果を、異常陰影候補の検出位置を示すマーカ情報（図中の矢印）により直接医用画像上に表示した例を示すものであるが、図７（ｃ）に示すように、これを縮小した副画像（図中、符号ｇ１、ｇ２で示す画像）を作成して主画像（図中、符号、Ｇ１、Ｇで示す画像）の被写体領域と重ならない位置に表示することとしてもよい。この場合、検出結果の表示領域が図７（ａ）の表示形態の場合より小さくなるが、本発明によれば、表示対象の異常陰影候補数を減らすことができるため、特に有効である。なお、図７（ｃ）は、左右の乳房についての乳房画像を胸壁側の画像端が隣り合わせになるように位置合わせ処理を行ったものである。
【００７３】
以上のように、本実施形態によれば、検出処理により検出された異常陰影候補から、明らかに真陽性又は偽陽性である異常陰影候補を削除し、真陽性か偽陽性かの判断が難しく、医師の最終判断に任せるべき候補や、視認性が低く医師が見逃しやすい候補等に絞ってその検出情報を表示するので、指摘表示する異常陰影候補数を減少させることができる。これにより、見やすい表示とすることができ、医師の読影作業の効率化を図ることができる。
【００７４】
また、医師は、明らかに真陽性である異常陰影は医師自身が目視で検出し、視認性が低く発見しづらい異常陰影の検出には、医用画像処理システム１００によって提供される異常陰影候補の検出結果を参照することができる。検出された異常陰影候補の全てについて指摘表示される場合、明らかに目視で真陽性であると分かる候補を含む全ての候補について、医師は確認することとなり、煩雑である。よって、上記のように、発見しづらい異常陰影候補のみその検出結果の情報を提供することにより、医師の見落とし防止を図ることができるとともに、医師の読影作業が効率的となる。
【００７５】
なお、上述した実施形態は、本発明を適用した好適な一例であり、これに限定されるものではない。
例えば、優先順位を決定する方法として、多変量解析の手法を用い、総合的に優先順位を決定することとしたが、これに限らず、各異常陰影候補についてコントラストが小さい順、円形度が小さい順等、判断要素毎に優先順位を決定し、この判断要素毎の優先順位の順位数を加算して、その加算値が小さい候補から優先的に抽出することとしてもよい。このとき、重視する判断要素には重み付けを行って加算することにより、優先順位の最適化を行うことができる。
【００７６】
また、上述した説明では、画像処理装置２において異常陰影候補検出手段、制御手段を、ビューア５において表示手段を実現することとしたが、これに限らず、医用画像処理システム１００の何れの構成装置で各手段を実現することとしてもよい。
【００７７】
特に、画像生成装置１０が、特開２００１−２３８８７１号公報、特開２００１−３１１７０１号公報、特開２００２−８５３８９号公報、特開２００１−２９９７３３号公報等に開示された位相コントラスト法により撮影を実行する場合、得られた画像の病変部辺縁は位相コントラスト効果により、従来の乳房画像に比べて大幅に視認性が向上することが知られており、アノテーションの表示が無い、明確な病変部（真陽性候補領域）を見落とす確率は大幅に低下するので好ましい。
【００７８】
なお、上記実施例の説明中、「低濃度で視認性が低い領域」とは、読影医が読影する際に、当該読影医の目に到達する光量が少ない領域であることを示す。従って、フィルム及びシャーカステンによる読影方式であれば、透過光量が少なくなるフィルム領域であり、これはフィルム上で黒い部分に該当し、逆にフィルム上の素抜け部分は「高濃度で視認性が高い」部分となる。一方、ビューアによる読影方式であれば、低濃度（低駆動レベル）領域が「低濃度で視認性が低い」領域となる。
一般的には、読影時に被写体を透過したＸ線量が少ない領域が、素抜け部分となったり高輝度で再生表示されるので、読影医の視認性が低い領域として、撮影された画像データの中から、被写体を透過したＸ線量の多い領域を抽出すれば良いこととなる。
【図面の簡単な説明】
【００７９】
【図１】本実施形態における医用画像処理システムのシステム構成を示す図である。
【図２】図１の画像処理装置の内部構成を示す図である。
【図３】乳房画像において分類する各領域を示す図である。
【図４】画像処理装置により実行される表示対象判断処理を説明するフローチャートである。
【図５】画像処理装置により実行される異常陰影候補の検出処理を説明するフローチャートである。
【図６】辺縁の複雑度の特徴量を算出方法を説明する図である。
【図７】異常陰影候補の検出結果の表示例を示す図である。
【符号の説明】
【００８０】
１００ 医用画像処理システム
１ 画像生成装置
２ 画像処理装置
２１ 制御部
２６ 画像処理部
２７ 異常陰影候補検出部
３ プリンタ
４ 画像サーバ
４ａ 画像ＤＢ
５ ビューア
【特許請求の範囲】
【請求項１】
医用画像を画像解析して異常陰影候補を検出する検出工程と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する抽出工程と、
前記抽出された異常陰影候補の検出情報を表示する表示工程と、
を含むことを特徴とする異常陰影候補の表示方法。
【請求項２】
前記抽出工程では、前記検出された異常陰影候補の画像特徴量を算出し、当該画像特徴量に基づいて表示すべき異常陰影候補の優先順位を決定し、前記検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出することを特徴とする請求項１に記載の異常陰影候補の表示方法。
【請求項３】
前記抽出工程では、前記画像特徴量として異常陰影候補とその周辺領域とのコントラストを算出し、このコントラストが小さい異常陰影候補の優先順位を高く決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項４】
前記抽出工程では、前記画像特徴量として異常陰影候補の領域の面積を算出し、当該面積が小さい異常陰影候補の優先順位を高く決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項５】
前記抽出工程では、前記画像特徴量として前記医用画像の画像端部から異常陰影候補の検出位置までの距離を算出し、当該距離が短い異常陰影候補の優先順位を高く決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項６】
前記医用画像から被写体領域を認識し、当該被写体領域を複数領域に分類する工程を含み、
前記抽出工程では、前記認識された被写体領域のうち、前記異常陰影候補が検出された分類領域に応じて優先順位を決定することを特徴とする請求項２〜５の何れか一項に記載の異常陰影候補の表示方法。
【請求項７】
前記抽出工程では、前記画像特徴量として異常陰影候補の形状の特徴量を算出し、当該形状の特徴量に基づいて優先順位を決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項８】
前記抽出工程では、前記画像特徴量として異常陰影候補の候補領域の濃度を算出し、当該濃度が低い特徴量を有する異常陰影候補の優先順位を高く決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項９】
前記抽出工程では、前記画像特徴量として少なくとも異常陰影候補の候補領域の面積、濃度、周辺領域とのコントラスト、異常陰影候補の形状、医用画像の画像端部から異常陰影候補の検出位置までの距離のうち一以上を算出し、当該算出された特徴量に基づいて優先順位を決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項１０】
医用画像を画像解析し、異常陰影候補を検出する異常陰影候補検出手段と、
前記異常陰影候補検出手段により検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する制御手段と、
前記抽出された異常陰影候補の検出情報を表示する表示情報と、
を備えることを特徴とする医用画像処理システム。
【請求項１】
医用画像を画像解析して異常陰影候補を検出する検出工程と、
前記検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する抽出工程と、
前記抽出された異常陰影候補の検出情報を表示する表示工程と、
を含むことを特徴とする異常陰影候補の表示方法。
【請求項２】
前記抽出工程では、前記検出された異常陰影候補の画像特徴量を算出し、当該画像特徴量に基づいて表示すべき異常陰影候補の優先順位を決定し、前記検出された異常陰影候補のうち、優先順位が高い異常陰影候補から優先的に抽出することを特徴とする請求項１に記載の異常陰影候補の表示方法。
【請求項３】
前記抽出工程では、前記画像特徴量として異常陰影候補とその周辺領域とのコントラストを算出し、このコントラストが小さい異常陰影候補の優先順位を高く決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項４】
前記抽出工程では、前記画像特徴量として異常陰影候補の領域の面積を算出し、当該面積が小さい異常陰影候補の優先順位を高く決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項５】
前記抽出工程では、前記画像特徴量として前記医用画像の画像端部から異常陰影候補の検出位置までの距離を算出し、当該距離が短い異常陰影候補の優先順位を高く決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項６】
前記医用画像から被写体領域を認識し、当該被写体領域を複数領域に分類する工程を含み、
前記抽出工程では、前記認識された被写体領域のうち、前記異常陰影候補が検出された分類領域に応じて優先順位を決定することを特徴とする請求項２〜５の何れか一項に記載の異常陰影候補の表示方法。
【請求項７】
前記抽出工程では、前記画像特徴量として異常陰影候補の形状の特徴量を算出し、当該形状の特徴量に基づいて優先順位を決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項８】
前記抽出工程では、前記画像特徴量として異常陰影候補の候補領域の濃度を算出し、当該濃度が低い特徴量を有する異常陰影候補の優先順位を高く決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項９】
前記抽出工程では、前記画像特徴量として少なくとも異常陰影候補の候補領域の面積、濃度、周辺領域とのコントラスト、異常陰影候補の形状、医用画像の画像端部から異常陰影候補の検出位置までの距離のうち一以上を算出し、当該算出された特徴量に基づいて優先順位を決定することを特徴とする請求項２に記載の異常陰影候補の表示方法。
【請求項１０】
医用画像を画像解析し、異常陰影候補を検出する異常陰影候補検出手段と、
前記異常陰影候補検出手段により検出された異常陰影候補のうち、表示すべき異常陰影候補を抽出する制御手段と、
前記抽出された異常陰影候補の検出情報を表示する表示情報と、
を備えることを特徴とする医用画像処理システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【公開番号】特開２００６−３２５６４０（Ｐ２００６−３２５６４０Ａ）
【公開日】平成１８年１２月７日（２００６．１２．７）
【国際特許分類】
【出願番号】特願２００５−１４９２９８（Ｐ２００５−１４９２９８）
【出願日】平成１７年５月２３日（２００５．５．２３）
【出願人】（３０３０００４２０）コニカミノルタエムジー株式会社 (2,950)
【Ｆターム（参考）】
【公開日】平成１８年１２月７日（２００６．１２．７）
【国際特許分類】
【出願日】平成１７年５月２３日（２００５．５．２３）
【出願人】（３０３０００４２０）コニカミノルタエムジー株式会社 (2,950)
【Ｆターム（参考）】
[ Back to top ]