JP7054787B2 - 制御方法、情報端末、及びプログラム - Google Patents

Description

本開示は、医用画像、例えばＭＲＩ画像やＣＴ画像の病変領域を指定する制御方法等に関するものである。

近年、医用画像から病変領域を自動検出する研究が行われている。例えば、特許文献１は、医用画像のそれぞれの画素に対し、各画素と各画素の周辺画素とを用いて病変領域の内外を識別し、識別結果を病変領域の候補領域として提示する手法を開示する。

また、非特許文献１は、画像認識分野で近年著しい成果を挙げているＤｅｅｐ Ｌｅａｒｎｉｎｇ技術を、びまん性肺疾患における病変識別に適用し、正常領域と複数種類の病変領域とを識別する技術を開示する。

非特許文献２は、１２種類の病変について、類似画像を検索するシステムを提案する。

特許第３０４６３２６号公報

鈴木、庄野、木戸 "びまん性肺疾患識別における Ｄｅｅｐ Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ 特徴の解析" 研究報告数理モデル化と問題解決 （ＭＰＳ）， ２０１５， ２０１５．２９： １－６ 小塚和紀、ｅｔ ａｌ． "多様な肺疾患の診断・教育を支える類似症例検索技術の開発（特別講演１，計算解剖モデルに基づく診断・治療支援、医用画像処理一般）"電子情報通信学会技術研究報告．ＭＩ，医用画像， ２０１４， １１３．４１０： １３９－１４２．

しかし、特許文献１及び非特許文献１，２のいずれの文献にも、病変領域として提示された候補領域が実際の病変領域とずれている場合、そのずれを簡便な操作で修正させる構成は開示されていない。

そのため、特許文献１及び非特許文献１，２は、病変領域を効率良く決定できないという問題がある。

本開示は、病変領域を効率良く決定できる技術を提供することを目的とする。

本開示の一態様に係る制御方法は、医用画像データベースを参照して医用画像を検索する症例検索システムに接続されており、ディスプレイを有する情報端末の制御方法であって、
（ａ）複数の画素を有する第１医用画像を受信させ、
（ｂ）前記第１医用画像に含まれる病変がテクスチャ型の病変である場合、前記第１医用画像の前記複数の画素のそれぞれについて、前記複数の画素の画素値と、前記複数の画素のそれぞれの周囲の画素の画素値とを予め定められた前記テクスチャ型の病変を示す病変領域を識別するための識別器に入力することで、前記病変領域に含まれる確率値を算出させ、
前記テクスチャ型の病変は、複数の特定陰影のパターンを含む病変であり、
（ｃ）前記ディスプレイに、前記第１医用画像に候補領域と前記候補領域の修正領域とが重畳されている第２医用画像を表示させ、
前記候補領域は、前記複数の画素のうち、第１閾値以上の確率値が算出された画素に基づいて決定されており、
前記修正領域は、前記複数の画素のうち、確率範囲に含まれる確率値が算出された画素に基づいて決定されており、
前記確率範囲は、前記第１閾値を含んでおり、
（ｄ）前記ディスプレイに表示されている前記第２医用画像に対するユーザの入力を検知させ、
（ｅ）前記第１医用画像に病変領域が重畳されている第３医用画像を表示させ、
前記病変領域は、前記ユーザの入力と前記修正領域とに基づいて、前記候補領域を修正して決定されている。
なお、この包括的または具体的な態様は、装置、システム、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能な記録媒体で実現されてもよく、装置、システム、方法、集積回路、コンピュータプログラムおよびコンピュータ読み取り可能な記録媒体の任意な組み合わせで実現されてもよい。コンピュータ読み取り可能な記録媒体は、例えばＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ－Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）などの不揮発性の記録媒体を含む。

本開示によれば、病変領域を効率良く決定できる。本開示の一態様の付加的な恩恵及び有利な点は本明細書及び図面から明らかとなる。この恩恵及び／又は有利な点は、本明細書及び図面に開示した様々な態様及び特徴により個別に提供され得るものであり、その１以上を得るために全てが必要ではない。

本開示の実施の形態１に係る情報端末の特徴的な機能構成を示すブロック図である。 本開示の実施の形態１に係る情報端末が実行する処理の全体的な流れを示すフローチャートである。 肺ＣＴ画像の一例と、肺ＣＴ画像に対応する確率画像の一例とを示す図である。 図２のステップＳ１０１の処理の詳細を示すフローチャートである。 指定対象画像と指定対象画像から生成された確率画像との一例を示す図である。 指定対象画像に候補領域と修正領域とが重畳表示された医用画像の一例を示す図である。 図２のステップＳ１０２の処理の詳細を示すフローチャートである。 確率画像と、確率画像から算出された候補領域、第１修正領域、及び第２修正領域との一例を示す図である。 図７のステップＳ３０９の処理の詳細を示すフローチャートである。 図９のステップＳ４０２の処理の詳細を示すフローチャートである。 小領域を分割する処理の一例を示す図である。 図２のステップＳ１０４の処理の詳細を示すフローチャートである。 ユーザが小領域を選択する操作を入力する様子を示す図である。 本開示の実施の形態２において、図２のステップＳ１０２の処理の詳細を示すフローチャートである。 本開示の実施の形態２において、図２のステップＳ１０４の処理の詳細を示すフローチャートである。 確率画像において、ドラッグ操作の開始地点の画素の確率値と、周辺の画素の確率値とを表す模式図である。 第１閾値の変化量の算出方法の説明図である。 本開示の実施の形態２において、候補領域が修正される様子を示す図である。 蜂巣肺を持つ肺ＣＴ画像と、浸潤影を持つ肺ＣＴ画像との一例を示す図である。

（本開示に至る経緯）
近年、医用画像のデジタル化によって、大量の医用画像が容易に蓄積できるようになり、これらのデータを用いたコンピュータ支援診断もまた盛んに研究開発されている。コンピュータ支援診断の１つとして病変領域の自動検出がある。例えば、類似症例検索を利用する場合には検索対象となる病変領域を正確に指定することが必要となるが、複雑な形状の病変を正確にすばやく囲むことは難しい。そこで、病変領域を自動検出することで、病変領域の指定を簡便かつ正確に行なうことができる。

このような簡便で正確な病変領域指定方法を提供するための、従来技術として特許文献１がある。特許文献１では医用画像のそれぞれの画素に対し、それぞれの画素とその周辺画素を用いて病変領域の内外を識別し、識別した結果を病変領域の候補領域として提示する手法が提案されている。なお、ひとつの画素とその周辺画素とは局所領域画像と称され、ひとつの画素は局所領域画像の中心にある。

また、画像認識技術の向上により、非特許文献１のように、局所領域画像に含まれる病変の種類の識別も可能となってきている。非特許文献１では、画像認識分野で近年著しい成果を挙げているＤｅｅｐ Ｌｅａｒｎｉｎｇ技術をびまん性肺疾患における病変識別に適用し、正常領域及び複数種類の病変の識別を行っている。

Ｄｅｅｐ Ｌｅａｒｎｉｎｇ技術では一般に大規模な学習データを必要とするが、非特許文献２では一枚の画像から局所領域画像を多数切り出すことで、大量の学習データを用意した上で、Ｄｅｅｐ Ｌｅａｒｎｉｎｇ技術が適用されている。この技術を局所領域画像の中心画素が正常領域と病変領域とのどちらの領域に含まれるかを識別する識別器として用いることで、病変領域の自動検出が実現される。すなわち、自動検出した病変領域を、医師による病変領域指定の候補領域として提示することで、簡易な操作で正確な病変領域を医用画像に設定することが可能になると考えられる。

しかし、非特許文献１のように医用画像から切り出した局所領域画像に含まれる病変を識別し、その結果を用いて病変領域の自動検出を行った場合、病変の種類によって適切な候補領域が検出される場合とそうでない場合とがある。適切な候補領域が検出された場合には、病変領域指定の作業効率化を図れるが、適切な候補領域が検出されない場合には、かえって作業効率を低下させてしまう。この場合、候補領域と実際の病変領域とのずれを修正させる必要があるが、非特許文献１では、この修正を簡便な操作で行わせることは何ら開示されていない。

非特許文献２は、医用画像が１２種類の病変領域を含むか否かを判定する技術であり、医用画像から病変領域の候補領域を抽出し、抽出した候補領域と実際の病変領域とのずれを簡便な操作で修正させる技術ではない。

ところで、医用画像に含まれる病変は多種多様であり、病気の種類及び／または病気の経過及び／または個人差によってその形状及び／または大きさも様々である。びまん性肺疾患における肺ＣＴ画像では、蜂巣肺、スリガラス陰影、粒状影、空洞性結節、浸潤影といったいくつかの特徴的なパターン・形状が現れる。非特許文献１では、あらかじめ設定された大きさの局所領域画像を用いて病変の識別を行っており、病変の識別に有用なパターンや形状が局所領域画像に含まれていれば識別が可能である。

図１９は、蜂巣肺を持つ肺ＣＴ画像８００と、浸潤影を持つ肺ＣＴ画像８０３との一例を示す図である。肺ＣＴ画像８００において、局所領域画像８０１は、蜂巣肺領域と正常領域との境界付近から切り出された局所領域画像である。肺ＣＴ画像８００において、局所領域画像８０２は、蜂巣肺領域に完全に含まれる領域から切り出された局所領域画像である。

肺ＣＴ画像８０３において、局所領域画像８０４は、浸潤影領域と正常領域との境界付近から切り出される局所領域画像である。局所領域画像８０５は、浸潤影領域に完全に含まれる領域から切り出された局所領域画像である。

蜂巣肺、スリガラス陰影、及び粒状影といったテクスチャ型の病変はテクスチャに特徴を持つため、病変領域に含まれるいずれの画素を中心に局所領域画像を切り出しても、局所領域画像には特徴的なテクスチャが含まれる。よって、局所領域画像を用いた病変領域の自動検出が可能である。

一方、嚢胞、空洞性結節、及び浸潤影といった形状型の病変は、病変領域から局所領域画像を切り出した場合に、必ずしも特徴的な形状が局所領域画像に含まれるとは限らない。例として、局所領域画像よりも広い領域に浸潤影が広がっている場合を考える。浸潤影領域と正常領域との境界付近の画素を中心に切り出された局所領域画像８０４は、浸潤影に特徴的な形状が含まれる。

しかしながら、浸潤影領域と正常領域との境界から離れた浸潤影領域の中央付近の画素を中心に切り出された局所領域画像８０５は、浸潤影に特徴的な形状が含まれない。そのため、浸潤影領域の中央付近は浸潤影領域として自動検出できない。なお、形状型の病変では、病変領域と正常領域との境界付近から局所領域画像が切り出されたとしても、その局所領域画像は必ずしも特徴的な形状を持つとは限らない。例えば、病変が胸壁付近に生じた場合は、病変領域と正常領域との境界が胸壁に沿ったものとなるため、この境界付近から切り出された局所領域画像には、特徴的な形状が表れず、自動検出は困難である。

したがって、病変領域の自動検出においては、テクスチャ型の病変領域を適用してもよい。

本開示は、これらの課題を鑑みてなされたものであり、医用画像から抽出された病変領域を効率良く決定する技術を提供することである。

本開示の一態様に係る制御方法は、医用画像データベースを参照して医用画像を検索する症例検索システムに接続されており、ディスプレイを有する情報端末の制御方法であって、
（ａ）複数の画素を有する第１医用画像を受信させ、
（ｂ）前記第１医用画像に含まれる病変がテクスチャ型の病変である場合、前記第１医用画像の前記複数の画素のそれぞれについて、前記複数の画素の画素値と、前記複数の画素のそれぞれの周囲の画素の画素値とを予め定められた前記テクスチャ型の病変を示す病変領域を識別するための識別器に入力することで、前記病変領域に含まれる確率値を算出させ、
前記テクスチャ型の病変は、複数の特定陰影のパターンを含む病変であり、
（ｃ）前記ディスプレイに、前記第１医用画像に候補領域と前記候補領域の修正領域とが重畳されている第２医用画像を表示させ、
前記候補領域は、前記複数の画素のうち、第１閾値以上の確率値が算出された画素に基づいて決定されており、
前記修正領域は、前記複数の画素のうち、確率範囲に含まれる確率値が算出された画素に基づいて決定されており、
前記確率範囲は、前記第１閾値を含んでおり、
（ｄ）前記ディスプレイに表示されている前記第２医用画像に対するユーザの入力を検知させ、
（ｅ）前記第１医用画像に病変領域が重畳されている第３医用画像を表示させ、
前記病変領域は、前記ユーザの入力と前記修正領域とに基づいて、前記候補領域を修正して決定されている。

医用画像から病変領域の候補領域を画像処理により抽出し、提示した際、更なる修正が必要な場合がある。特に病変領域の辺縁は形状が複雑であり、識別器での抽出が困難であるので、辺縁付近は手動により修正してもよい。手動による修正を加える場合は、操作が煩雑となる。

本態様は、テクスチャ型の病変領域に含まれる確率値が第１閾値以上の画素からなる候補領域に加えて、第１閾値を含む確率範囲の確率値を持つ画素からなる修正範囲も第１医用画像に対して重畳されている。これにより、修正すべき領域が明確になり、修正操作を効率化できる。また、修正領域は、画像上の距離ではなく、確率値を基準に決定されている。画像上の距離を用いて修正領域を決定した場合、修正の必要のない境界線と修正が必要な境界線との区別が困難であるため、ユーザが修正の必要のある境界線を判断し、細かに修正を加える必要が生じる。本態様は、確率値を基準に修正領域が決定されているので、修正が必要な境界線を明確に示すことが可能になる。

また、本態様では、複数の特定陰影のパターンを含むテクスチャ型の病変を示す病変領域が抽出対象とされているので、形状型の病変を示す病変領域を抽出対象とする場合に比べて、識別器を用いた病変領域の抽出を正確に行うことができる。したがって、本態様は、修正領域が実際の病変領域の境界付近を示す確率を高くすることができ、ユーザは簡便な操作で病変領域を決定できる。したがって、ユーザは病変領域を効率良く決定できる。

上記態様は、前記（ｃ）において、前記第２医用画像に重畳される前記修正領域は、複数の領域に分割されており、
前記分割された複数の領域は、それぞれ、前記領域から選択される２つの画素を結ぶ直線のうち、最大の長さを有する直線が、第２閾値以下の長さを有していてもよい。

本態様によれば、修正領域は、２つの画素を結ぶ直線のうち最大の長さを有する直線が第２閾値以下となる複数の領域に分割されているので、ユーザは例えば、分割された領域単位で候補領域と実際の病変領域とのずれを修正する操作を入力できる。そのため、ユーザは、簡便な操作で、候補領域と実際の病変領域とのずれを修正できる。

上記態様は、前記（ｄ）において、前記分割された複数の領域に対して、前記候補領域に追加するか前記候補領域から除外するかのユーザの入力を検知し、
前記（ｅ）において、前記ユーザの入力により決定された候補領域を前記病変領域として表示してもよい。

本態様によれば、ユーザは分割された複数の領域に対して、候補領域に追加するか候補領域から除外するかというような簡便な操作（例えば、クリック操作）を行うことで、病変領域を決定できる。

上記態様は、前記（ｃ）において、前記修正領域は、前記候補領域を囲むように、表示されており、
前記（ｄ）において、前記修正領域に含まれる画素に対するユーザの入力を検知させ、
前記（ｅ）において、前記病変領域は、前記ユーザの入力に応じて、前記候補領域を、前記修正領域の一部まで拡大又は縮小された領域であってもよい。

境界線の全域を修正する場合は、複数回の操作を必要とする。例えば、境界線が複数の点が円環状に連なった多角形で構成されている場合、境界線を構成する画素を一つ一つ操作して、境界線を修正しなければならない。

本態様では、修正領域の境界線は確率画像の等値線を基準に算出されているので、ユーザは修正領域の任意の点を指定すると、その点を通る等値線を自動的に引くことができる。そのため、本態様は、候補領域の境界線をユーザがクリック操作を入力した地点を通る等値線に置き換えることで、クリック操作一回で候補領域を修正することが可能となる。

上記態様は、前記（ｅ）において、第１画素に対して前記ユーザの入力を検知したとき、第２画素に対して前記ユーザの入力を検知したときに比べて、前記候補領域を拡大又は縮小する量を小さくし、
前記第１画素は、前記第２画素に比べて、周辺の画素の確率値の傾きが大きい画素であってもよい。

所望の境界へ直接境界線を移動させる操作を入力して、候補領域を拡大又は縮小させる場合、精密なマウス操作を必要とする。また、確率値の傾きは医用画像上目視できないため、変動量の予測が難しく、修正操作が困難になる。本態様では、ドラッグ量に比例させた量に応じて候補領域を拡大又は縮小させる場合は、確率値の傾きが大きい領域は変動量が小さく、確率値の傾きが小さい領域は変動量が大きくされる。そのため、ユーザは、微細なドラッグ操作が要求される傾きが大きい領域では、候補領域をきめ細かく変化させることができ、候補領域の修正を正確且つ簡便に行うことができる。一方、ユーザは、微細なドラッグ操作が要求されない傾きが小さい領域では、候補領域を大きく変化させることができ、候補領域を速やかに位置決めできる。

上記態様は、前記（ｄ）において、前記ユーザのドラッグ操作を前記入力として検知し、
前記（ｅ）において、前記第１画素及び前記第２画素は、それぞれ、前記ドラッグ操作の開始地点の画素であり、前記候補領域を拡大又は縮小する量は、前記ドラッグ操作の移動量に比例し、前記傾きに反比例してもよい。

本態様によれば、ドラッグ操作の開始地点の画素の周辺画素の傾きが大きいほど、候補領域の拡大又は縮小する量が小さく算出されるので、微細な操作が要求される領域において修正領域をきめ細かく修正できる。また、候補領域の拡大又は縮小する量は、ドラッグ操作の移動量に比例しているので、ユーザの直感を考慮に入れて、候補領域の拡大又は縮小する量を決定できる。

上記の制御方法の作用効果は情報端末及びプログラムにおいても同様に実現される。

（実施の形態）
まず、本実施の形態で用いる用語を説明する。

「確率画像」とは、対応する画像のそれぞれの画素が病変領域に含まれる確率値を画素値として有する画像を示す。

「テクスチャ型の病変」とは、特定陰影のパターンが繰り返し現れる病変を表す。

「非テクスチャ型の病変」とは、テクスチャ型病変に含まれない病変を表す。

「病変領域」とは、医用画像において、医師が病変領域であると診断した領域を示す。

「候補領域」とは、本開示の実施の形態に係る制御方法が算出した病変領域の候補となる領域を示す。すなわち、候補領域は後述する算出された確率値が確率範囲の上限値以上の領域をいう。

「修正領域」とは、候補領域から削除可能な領域または候補領域に追加可能な領域である。

「指定対象画像」とは、ユーザ、例えば、医師が病変領域を設定しようとしている画像を示す。

「局所領域画像」とは、医用画像から特定の大きさで切り出した領域を示す。

「小領域」とは、修正領域を特定の基準で細分化した領域を示す。

「最大画素間距離と両端の２画素」とは、小領域の辺縁のすべての２画素の組み合わせの内、画素間距離が最大となる場合の画素間距離とその両端の２画素を示す。

（実施の形態１）
（構成の説明）
以下、本開示の実施の形態１に係る情報端末について、図面を用いて詳細に説明する。

なお、以下では撮像対象の一例として肺を用いて説明する。また、以下では医用画像の一例としてＣＴ画像を用いて説明する。

図１は、本開示の実施の形態１に係る情報端末１００の特徴的な機能構成を示すブロック図である。

以下、図１に示す症例検索システム１０１及び情報端末１００の各構成要素の詳細について述べる。

症例検索システム１０１は、病変領域が指定されていない医用画像を情報端末１００に送信する。また、症例検索システム１０１は、情報端末１００から医用画像を受信する。症例検索システム１０１は、診断が確定した医用画像を含む１以上の症例を事前に記録するデータベースを備える。症例検索システム１０１は、受信した医用画像とデータベースに含まれる医用画像との画像特徴量を計算する。そして、症例検索システム１０１は、受信した医用画像と所定の類似度を持つ医用画像をデータベースから検索することで、受信した医用画像に対応する症例を検索し、検索した症例を示す症例データを情報端末１００に送信する。症例データには、例えば、検索された医用画像や診断病名等が含まれる。

症例検索システム１０１のデータベースには、病変領域が指定された医用画像と病変領域が指定されていない医用画像とが記録されている。また、症例検索システム１０１のデータベースには、テクスチャ型の病変を示す病変領域を含む医用画像と非テクスチャ型の病変を示す病変領域を含む医用画像とが記録されている。

症例検索システム１０１は、ＣＰＵ等のプロセッサとＲＯＭとＲＡＭと不揮発性の記憶装置と情報端末１００と通信するための通信装置とを含むコンピュータで構成される。

情報端末１００は、確率画像算出部１０２、出力部１０３、入力部１０４、及び病変領域指定部１０５を備える。情報端末１００は外部の症例検索システム１０１に接続される。ここで、情報端末１００は、例えば、インターネット等の公衆通信ネットワークを介して症例検索システム１０１と接続されてもよいし、ローカルエリアネットワークを介して症例検索システム１０１と接続されてもよい。情報端末１００は、ＣＰＵ等のプロセッサと、ＲＯＭと、ＲＡＭと、不揮発性の記憶装置と、症例検索システム１０１と通信するための通信装置とを含むコンピュータで構成される。また、情報端末１００には、ディスプレイ（図略）と操作装置（図略）とが接続されている。ディスプレイ（図略）は、例えば、液晶ディスプレイまたは有機ＥＬディスプレイで構成される。操作装置（図略）は、例えば、キーボード、マウス、タッチパネル等の装置で構成される。

確率画像算出部１０２は、症例検索システム１０１から、病変領域の指定対象となる医用画像である指定対象画像（第１医用画像の一例）を取得する。病変領域とは、指定対象画像内の、ユーザが病変領域であると診断した領域を示す。指定対象画像はＣＴ画像であってもよい。

確率画像算出部１０２は、指定対象画像に含まれる病変がテクスチャ型の病変である場合、指定対象画像のそれぞれの画素が病変領域に含まれる確率値を算出する。算出した確率値を画素値に持つ画像は確率画像と称される。ここで、確率画像算出部１０２は、予め定められた病変領域を識別するための識別器を備えている。そして、確率画像算出部１０２は、指定対象画像のそれぞれを中心画素として順次設定し、設定した中心画素と中心画素の周囲の一定範囲に含まれる周辺画素とからなる領域を局所領域画像として設定する。そして、確率画像算出部１０２は、局所領域画像の各画素の画素値を識別器に入力することで、中心画素に対する確率値を算出する。確率画像算出部１０２は、上記の処理を指定対象画像の全画素に対して行うことで確率画像を生成する。

確率画像算出部１０２は、確率画像と指定対象画像とを出力部１０３に出力し、確率画像を病変領域指定部１０５に出力する。指定対象画像に含まれる病変がテクスチャ型の病変であるか否かを判定する具体的な方法は後述する。

出力部１０３は、確率画像算出部１０２から取得した確率画像において、第１閾値以上の確率値を持つ画素からなる領域を候補領域として算出する。また、出力部１０３は、第１閾値を含む所定の確率範囲の確率値を持つ画素からなる領域を修正領域として算出する。出力部１０３は、候補領域と修正領域とを病変領域指定部１０５に出力する。また、出力部１０３は、確率画像算出部１０２から取得した指定対象画像に、候補領域と修正領域とを重畳した医用画像（第２医用画像の一例）をディスプレイ（図略）に表示させる。具体的な修正領域の算出方法については後述する。指定対象画像に候補領域と修正領域とを重畳させる態様としては、例えば、候補領域の輪郭線と修正領域の輪郭線とを指定対象画像に重畳させる態様が採用できる。

入力部１０４は、操作装置（図略）を操作することで、出力部１０３がディスプレイ（図略）に表示した修正領域の画素に対するユーザの入力を検知し、検知した入力が示すユーザの操作情報を病変領域指定部１０５に出力する。

病変領域指定部１０５は、確率画像算出部１０２から取得した確率画像と、出力部１０３から取得した候補領域及び修正領域と、入力部１０４から取得したユーザの操作情報と、に基づき病変領域を決定（指定）する。具体的な病変領域の決定方法については後述する。

次に、以上のように構成された情報端末１００の動作について説明する。

（動作の説明）
図２は、本開示の実施の形態１に係る情報端末１００が実行する処理の全体的な流れを示すフローチャートである。まず、確率画像算出部１０２は、指定対象画像を症例検索システム１０１から取得し、取得した指定対象画像の各画素について、病変領域に含まれる確率を示す確率値を算出することで、確率画像を算出する（ステップＳ１０１）。

図３は、肺ＣＴ画像９００の一例と、肺ＣＴ画像９００に対応する確率画像９０１の一例とを示す図である。肺ＣＴ画像９００は、蜂巣肺の病変を示す病変領域９１１含んでいる。確率画像９０１は、肺ＣＴ画像９００に対して蜂巣肺の病変領域を識別する識別器を適用することで算出される。この識別器は、例えば機械学習によって得られたものである。確率画像９０１において、白色の領域９２１は病変領域と推定された領域を示し、黒色の領域は病変領域でないと推定された領域を示す。

確率画像９０１において、領域９２１は病変領域９１１に対応する位置に表示されており、肺ＣＴ画像９００から病変領域９１１が正確に抽出されていることが分かる。

図４は、図２のステップＳ１０１の処理の詳細を示すフローチャートである。以下、図４を用いて確率画像の算出方法について説明する。

まず、確率画像算出部１０２は、症例検索システム１０１から取得した指定対象画像に含まれる病変がテクスチャ型の病変であるか否かを判定する（ステップＳ２０１）。ここで、確率画像算出部１０２は、例えば、非特許文献２に記載された手法を用いて、指定対象画像に含まれる病変がテクスチャ型の病変であるか否かを判定すればよい。

非特許文献２では、１２種類の病変について、類似する医用画像を検索するシステムが提案されている。検索された医用画像には１２種類の病変のうち、いずれか１の病変を示すラベルが付与される。非特許文献２では、任意の医用画像に類似する医用画像を検索したとき、最も類似する医用画像に付与されたラベルの示す病変が、任意の医用画像に含まれる病変とみなされる。これにより、任意の医用画像について１２種類の病変のいずれかであるかが識別できる。

非特許文献２で用いられている１２種類の病変において、スリガラス×結節、スリガラス×均等、スリガラス×多発中陰影、多発粒状影、蜂巣肺をテクスチャ型の病変とし、これら以外の病変をテクスチャ型の病変でないとする。この場合、確率画像算出部１０２は、指定対象画像に最も類似する医用画像に付与されたラベルが上述したテクスチャ型の病変を示せば、指定対象画像はテクスチャ型の病変を含むと判定できる。

ここで、確率画像算出部１０２は、指定対象画像がテクスチャ型の病変であるか否かを症例検索システム１０１に判定させてもよい。この場合、症例検索システム１０１のデータベースには、上述したラベルが付与された医用画像が記録されている。確率画像算出部１０２は、指定対象画像を症例検索システム１０１に送信し、指定対象画像に対して最も類似する類似画像を症例検索システム１０１から受信し、受信した類似画像に付与されたラベルが上述のテクスチャ型の病変を示せば、指定対象画像はテクスチャ型の病変であると判定すればよい。

症例検索システム１０１は、例えば、指定対象画像から抽出される画像特徴量をベクトル表現した画像特徴量ベクトルと、データベースに記録する各医用画像の画像特徴量ベクトルとのコサイン距離をそれぞれ算出し、算出したコサイン距離が最小となる医用画像を指定対象画像に最も類似する医用画像として判定すればよい。

ここで、画像特徴量としては、Ｓｃａｌｅ Ｉｎｖａｒｉａｎｔ Ｆｅａｔｕｒｅ Ｔｒａｎｓｆｏｒｍ（ＳＩＦＴ）を用いてもよい。ＳＩＦＴは複数の尺度で平滑化した画像の差分画像から、複数の特徴量の算出点を決定し、算出点における輝度の勾配方向を基準に周囲の画素の輝度変化に基づき１２８次元ベクトルの特徴量を算出する。ＳＩＦＴは回転や拡大縮小に対し不変となる特徴量である。あるいは、Sｕｐｅｒｐｉｘｅｌを用いても良い。ｓｕｐｅｒｐｉｘｅｌは画像を色あるいは輝度が類似した複数の領域に分割する。分割した各領域の平均となる色あるいは輝度を特徴量として用いる。

算出される特徴量の数が画像毎に異なる場合には、Ｂａｇ ｏｆ Ｋｅｙｐｏｉｎｔｓ（ＢｏＫ）を用いて、固定長の特徴量に変換すればよい。ＢｏＫでは、複数の特徴量を一定数のクラスタにクラスタリングし、クラスタに属する特徴量の数をヒストグラムとして扱い、固定長の特徴量に変換する。

これは一例であり、他の画像特徴量が採用されても良い。

なお、情報端末１００が１２種類の病変のラベルが付与された医用画像を記録するデータベースを備えているのであれば、確率画像算出部１０２は、このデータベースから指定対象画像に最も類似する医用画像を探索し、探索した医用画像に付与されたラベルが示す病変から指定対象画像がテクスチャ型の病変を含むか否かを判定してもよい。

また、ここでは、ラベルは１２種類の病変を示すとしたが、１３種類以上の病変を示すものであってもよい。また、ラベルが示すテクスチャ型の病変として、スリガラス×結節、スリガラス×均等、スリガラス×多発中陰影、多発粒状影、蜂巣肺をテクスチャ型の病変が採用されたが、これは一例であり、他のテクスチャ型の病変が採用されてもよい。

次に、確率画像算出部１０２は、症例検索システム１０１から取得した指定対象画像の中から、１つの画素を中心画素として選択する（ステップＳ２０２）。ここで、確率画像算出部１０２は、例えば、ステップＳ２０２→ステップＳ２０３→ステップＳ２０４→ステップＳ２０５→ステップＳ２０２のループを実行する場合であって、ステップＳ２０２を実行する度に、指定対象画像の左上の頂点の画素から右下の頂点の画素までをラスタ走査するようにして、中心画素を順次選択していけばよい。

次に、確率画像算出部１０２は、選択した画素の周辺画素を取得する（ステップＳ２０３）。ここで、周辺画素としては、例えば、選択した画素を中心とする、一辺が３１ｐｉｘｅｌの正方形の領域内の画素が採用できる。正方形の領域が指定対象画像からはみ出る場合、確率画像算出部１０２は、はみ出た領域の画素値として、画素値が取り得る範囲の中間値を設定すればよい。例えば、指定対象画像が８ビット階調の画像であれば、中間値は、２５５／２＝１２７．５となる。

図５は、指定対象画像１０００と指定対象画像１０００から生成された確率画像１００３との一例を示す図である。指定対象画像１０００は、蜂巣肺の病変領域１０１１を含んでいる。図５の例では、病変領域１０１１内のある画素が中心画素１００２として選択されている。

次に、確率画像算出部１０２は、ステップＳ２０２で選択した中心画素と周辺画素とを合わせた領域からなる局所領域画像を構成する各画素の画素値を識別器に入力し、中心画素が病変領域に含まれる確率を示す確率値を算出する（ステップＳ２０４）。ここで、確率画像算出部１０２は、例えば、非特許文献１に記載の病変識別方法を用いて確率値を算出すればよい。

非特許文献１では、識別対象の画像を、正常領域を含む１種類の画像と、病変領域を含む６種類の画像との計７種類のいずれの画像に該当するかを識別する識別器の構成方法が開示されている。詳細には、非特許文献１では、識別対象の画像の各画素が７種類の画像のそれぞれに該当する確率値を算出する手法が開示されている。そこで、確率画像算出部１０２は、局所領域画像の各画素の画素値を非特許文献１に記載された識別器に入力し、中心画素が病変領域を含む６種類の画像に含まれる確率値をそれぞれ算出し、算出した６つの確率値の合計値を中心画素の確率値として算出すればよい。或いは、確率画像算出部１０２は、中心画素が正常領域を含む１種類の画像に含まれる確率値を算出し、その確率値を１から差し引いた値を中心画素の確率値として算出してもよい。これにより、確率画像のそれぞれの画素は０以上１以下の確率値を持つことになる。識別器は機械学習によって作成されればよく、機械学習に用いられる学習データとしては、例えば、症例検索システム１０１に記録された病変領域が指定された医用画像が採用されればよい。

図５の例では、中心画素１００２を中心とする一定範囲の領域が局所領域画像１００１として設定されている。そして、局所領域画像１００１が識別器に入力されることで、中心画素１００２の確率値が算出される。

次に、確率画像算出部１０２は、ステップＳ２０１において指定対象画像のすべての画素を中心画素として選択したか否かを判定し、すべての画素を中心画素として選択した場合（ステップＳ２０５でＹＥＳ）、処理をステップＳ２０６に進め、すべての画素を中心画素として選択していない場合（ステップＳ２０５でＮＯ）、処理をステップＳ２０２に戻す。以上により、指定対象画像を構成する各画素が順次、中心画素として選択され、中心画素の確率値が算出される。

次に、確率画像算出部１０２は、指定対象画像のそれぞれの画素に対して算出された確率値をそれぞれの画素の位置の画素値として持つ確率画像を生成する（ステップＳ２０６）。これにより、図５に示すような、確率値に応じた濃淡を持つ確率画像１００３が生成される。

以上、ステップＳ２０１からステップＳ２０６の処理を行うことにより、指定対象画像のそれぞれの画素が病変領域に含まれる確率を示す確率値を画素値として持つ確率画像が算出される。ステップＳ２０６が終了すると、処理は図２のステップＳ１０２に進む。

図２に示すステップＳ１０２において、出力部１０３は、確率画像算出部１０２から取得した確率画像において、第１閾値以上の確率値を持つ画素からなる領域を候補領域として算出し、第１閾値を含む確率範囲の確率値を持つ画素からなる領域を修正領域として算出し、候補領域と修正領域とを病変領域指定部１０５に通知し、確率画像算出部１０２から取得した指定対象画像に、候補領域と修正領域とを重畳した医用画像をディスプレイに表示する。

図６は、指定対象画像に候補領域と修正領域とが重畳表示された医用画像１４００の一例を示す図である。図６に示す医用画像１４００（第２医用画像の一例）には、医用画像１４００に対して、修正領域１４０１と候補領域１４０２とが重畳表示されていることが分かる。候補領域１４０２は実線で囲まれた領域である。修正領域１４０１は、点線１４０３と点線１４０４で囲まれた領域である。すなわち、修正領域１４０１は、その内周が候補領域１４０２の内側に存在して、外周が候補領域１４０２の外側に存在する。

図７は、図２のステップＳ１０２の処理の詳細を示すフローチャートである。以下、図７を用いて、候補領域と修正領域との算出方法について説明する。

まず、出力部１０３は、確率画像算出部１０２から取得した確率画像において、１つの画素を選択する（ステップＳ３０１）。ここで、出力部１０３は、例えば、確率画像に対し、左上の頂点の画素から右下の頂点の画素までラスタ走査するように順次画素を選択すればよい。

次に、出力部１０３は、ステップＳ３０１で選択した画素の確率値が確率範囲の下限値より大きいか否かを判定する。選択した画素の確率値が確率範囲の下限値より大きければ（ステップＳ３０２でＹＥＳ）、処理はステップＳ３０３に進む。一方、選択した画素の確率値が確率範囲の下限値よりも大きくなければ（Ｓ３０２でＮＯ）、処理はステップＳ３０８に進む。確率範囲の下限値としては、例えば、これ以上値が小さくなると病変領域に含まれることはないとみなせる値であって、経験的に得られた値が採用でき、例えば、０．３が採用される。但し、これは一例であり、第１閾値より小さい値であれば他の値（例えば、０．１，０．２，０．４等）が採用されてもよい。

次に、出力部１０３は、ステップＳ３０１で選択した画素の確率値が確率範囲の上限値よりも小さいか否かを判定する（ステップＳ３０３）。選択した画素の確率値が確率範囲の上限値より小さい場合（ステップＳ３０３でＹＥＳ）、処理はステップＳ３０５に進む。一方、選択した画素の確率値が確率範囲の上限値より小さくない場合（ステップＳ３０３でＮＯ）、出力部１０３は、ステップＳ３０１で選択した画素を候補領域に含まれる画素として設定し（ステップＳ３０４）、処理をステップＳ３０８に進める。

つまり、確率値が確率範囲の上限値より大きい範囲に属する画素は候補領域に属する画素と判定される。

確率範囲の上限値としては、これ以上確率値が大きくなると候補領域であると断定できる値であって、経験的に得られた値が採用でき、例えば、０．９が採用できる。但し、これは一例であり、第１閾値より大きい値であれば、他の値（例えば、０．６，０．７，０．８等）が採用されてもよい。

次に、出力部１０３は、ステップＳ３０１で選択した画素の確率値が第１閾値よりも小さいか否かを判定する（ステップＳ３０５）。選択した画素の確率値が第１閾値よりも小さい場合（ステップＳ３０５でＹＥＳ）、出力部１０３は、選択した画素を第２修正領域に含まれる画素として設定する（ステップＳ３０６）。

つまり、確率値が確率範囲の下限値から第１閾値までの範囲に属する画素は第２修正領域に属する画素と判定される。

選択した画素の確率値が第１閾値よりも小さくない場合（ステップＳ３０５でＮＯ）、出力部１０３は、選択した画素を候補領域及び第１修正領域に含まれる画素として設定する（ステップＳ３０７）。

つまり、確率値が第１閾値から確率範囲の上限値までの範囲に属する画素は候補領域及び第１修正領域に属すると判定される。以下、第１修正領域と第２修正領域とは特に区別されない場合、修正領域と称される。

第１閾値としては、これ以上値が大きくなると病変領域である可能性が高く候補領域とみなすのが妥当と判断できる値であって経験的に得られた値が採用でき、例えば、０．６が採用できる。

次に、出力部１０３は、ステップＳ３０１において確率画像算出部１０２から取得した確率画像のすべての画素を選択したか否かを判定する（ステップＳ３０８）。すべての画素が選択された場合（ステップＳ３０８でＹＥＳ）、処理はステップＳ３０９に進む。すべての画素が選択されていない場合（ステップＳ３０８でＮＯ）、処理はステップＳ３０１に戻り、確率画像において次の画素が選択される。

図８は、確率画像１１００と、確率画像１１００から算出された候補領域、第１修正領域、及び第２修正領域との一例を示す図である。確率画像１１００は、確率画像１００３（図５参照）において、確率値の高い領域を拡大して示している。なお、確率画像１１００において、周辺から中心に向かうにつれて確率値が上昇している。

画像１１０１は、確率画像１１００において設定される修正領域と候補領域との輪郭を示している。

図８において、一番外側の閉曲線は確率範囲の下限値の等値線であり、一番内側の閉曲線は確率範囲の上限値の等値線であり、中間の閉曲線は第１閾値の等値線である。

領域１１０２は、確率値が確率範囲の下限値の等値線と第１閾値の等値線とで挟まれた領域であるため、第２修正領域を示す。領域１１０３は、第１閾値の等値線と確率範囲の上限値の等値線とで挟まれた領域であるため、候補領域に属する領域かつ第１修正領域である。領域１１０４は、確率範囲の上限値の等値線で囲まれた領域であるため、候補領域に属する。候補領域は、領域１１０３と領域１１０４とを合わせた領域で構成される。

このように、テクスチャ型の病変領域においては、中心に向かうにつれて確率値が高くなるので、画像１１０１においては、外側から順に、領域１１０２（第２修正領域）、領域１１０３（候補領域に属する領域かつ第１修正領域）、領域１１０４（候補領域に属する領域かつ第１修正領域に属さない領域かつ第２修正領域に属さない領域）が算出される。

図７に参照を戻す。ステップＳ３０９において、出力部１０３はステップＳ３０６，Ｓ３０７で設定された第１，第２修正領域を小領域に分割する。

小領域とは、第１，第２修正領域を分割することで得られた領域である。

図９は、図７のステップＳ３０９の処理の詳細を示すフローチャートである。以下、図９を用いて小領域の算出方法について説明する。

まず、出力部１０３は、修正領域の中から１つの小領域を選択する（ステップＳ４０１）。ステップＳ４０１が初めて実行される場合は、第１修正領域と第２修正領域とのそれぞれが小領域とされる。ここで、出力部１０３は、例えば、画像上、各小領域において、輪郭の最左端が左側に位置する小領域から順番に小領域を選択すればよい。但し、これは一例であり、出力部１０３は、他の順序、例えば、各小領域において、輪郭の最上端が上側に位置する小領域から順番に小領域を選択してもよい。

次に、出力部１０３は、ステップＳ４０１で選択した小領域の最大画素間距離と、最大画素間距離の両端の２画素とを算出する（ステップＳ４０２）。

図１０は、図９のステップＳ４０２の処理の詳細を示すフローチャートである。以下、図１０を用いて最大画素間距離と両端の２画素との算出方法について説明する。

まず、出力部１０３は、ステップＳ４０１で選択した小領域の辺縁の２つの画素を選択する（ステップＳ５０１）。ここで、出力部１０３は、例えば、２つの画素のうち一方を固定し、他方を辺縁上で移動させていくことで、２つの画素を選択すればよい。

次に、出力部１０３は、ステップＳ５０１で選択した２つの画素の画素間距離を計算する（ステップＳ５０２）。画素間距離とは、２つの画素の画像上の距離である。

次に、出力部１０３は、ステップＳ５０１においてすべての画素を選択したか否かを判定する（ステップＳ５０３）。すべての画素を選択した場合（ステップＳ５０３でＹＥＳ）、処理はステップＳ５０４に進む。すべての画素を選択していない場合（ステップＳ５０３でＮＯ）、処理はステップＳ５０１に戻る。

次に、出力部１０３は、ステップＳ５０３で算出した画素間距離の最大値を最大画素間距離として決定し、決定した最大画素間距離の両端の２画素を決定し、決定した最大画素間距離と２画素とを出力する（ステップＳ５０４）。ステップＳ５０４が終了すると、処理は、図９のステップＳ４０３に進む。

図１１は、小領域１２０１を分割する処理の一例を示す図である。図１１において左側の画像は分割前の小領域１２０１を示し、右側の画像は分割後の小領域１２０４，１２０５を示す。小領域１２０１は、ステップＳ４０１で選択された小領域である。線分１２００は、最大画素間距離を示す線分である。点１２０２と点１０２３とは線分１２００の両端の２画素である。

以上、ステップＳ５０１からステップＳ５０４の処理を行うことにより、図１１に示すように、ステップＳ４０１で選択された小領域１２０１の最大画素間距離（線分１２００）と、最大画素間距離の両端の２画素（点１２０２，１２０３）とが算出される。

図９に参照を戻す。ステップＳ４０３において、出力部１０３は、ステップＳ４０２で算出した最大画素間距離が第２閾値よりも小さいか否かを判定する（ステップＳ４０３）。最大画素間距離が第２閾値よりも小さい場合（ステップＳ４０３でＹＥＳ）、処理はステップＳ４０５に進む。最大画素間距離が第２閾値よりも小さくない場合（ステップＳ４０３でＮＯ）、処理はステップＳ４０４に進む。

次に、出力部１０３は、ステップＳ４０２で算出した最大画素間距離の両端の２画素を基点とする線分に対する垂直二等分線を設定し、設定した垂直二等分線によりステップＳ４０１で選択した小領域を分割し（ステップＳ４０４）、処理をステップＳ４０１に戻す。ステップＳ４０４で分割された２つの領域は新たな小領域として設定され、ステップＳ４０１において選択の対象となる。

図１１を参照する。線分１２００に対して垂直二等分線Ｌ１２が設定され、垂直二等分線Ｌ１２によって、小領域１２０１が２つの小領域１２０４，１２０５に分割されている。

図９に参照を戻す。ステップＳ４０５において、出力部１０３は、ステップＳ４０１においてすべての小領域を選択したか否かを判定する。すべての小領域が選択された場合（ステップＳ４０５でＹＥＳ）、図７のＳ３０９の処理が終了し、処理は図２のＳ１０３に進む。すべての小領域が選択されていない場合（ステップＳ４０５でＮＯ）、処理はステップＳ４０１に戻る。

以上、ステップＳ４０１からステップＳ４０５の処理を行うことにより、ステップＳ３０７，Ｓ３０６において設定された第１，第２修正領域は、最大画素間距離が第２閾値より小さい複数の小領域に分割される。

図２に参照を戻す。ステップＳ１０３において、入力部１０４は、指定対象画像に候補領域と修正領域とが重畳表示された医用画像において、操作装置（図略）を用いた修正領域の画素に対するユーザの入力を検知し、検知した入力が示すユーザの操作情報を病変領域指定部１０５に通知する。操作情報には、例えば、ユーザによるクリック操作が行われた地点の画素の座標が含まれる。

次に、病変領域指定部１０５は、確率画像算出部１０２から取得した確率画像と、出力部１０３から取得した候補領域と、入力部１０４から取得したユーザの操作情報とに基づき病変領域を決定する（ステップＳ１０４）。

図１２は、図２のステップＳ１０４の処理の詳細を示すフローチャートである。以下、図１２を用いて病変領域の決定方法について説明する。

まず、病変領域指定部１０５は、ステップＳ１０３で取得したユーザの操作情報に基づき小領域を選択する（ステップＳ６０１）。なお、ステップＳ１０３において、複数の小領域が指定された場合は、ステップＳ６０１において複数の小領域が選択され、各小領域について、Ｓ６０２以降の処理が実行される。

図１３は、ユーザが小領域を選択する操作を入力する様子を示す図である。図１３において、左図は小領域が選択される前の状態を示し、右図は小領域が選択された後の状態を示す。図１３において、境界線１３００は第１閾値の等値線である。したがって、境界線１３００の内側の領域は候補領域である。点線１３０３は第１候補領域の外周であり、点線１３０４は第２候補領域の内周である。したがって、点線１３０３と境界線１３００とで挟まれる領域１３０５は第２修正領域であり、境界線１３００と点線１３０４とで挟まれる領域１３０６は第１修正領域である。領域１３０６は候補領域でもある。

第２修正領域である領域１３０５、第１修正領域である領域１３０６はそれぞれ、複数の小領域１３０７に分割されている。

図１３の左図では、ユーザがマウスを操作することでマウスポインタを小領域１３０２内に位置決めし、クリックする操作が入力されている。これにより、複数の小領域１３０７の中から１つの小領域１３０２が選択される。

図１２に示すステップＳ６０２において、病変領域指定部１０５は、ステップＳ６０１で選択された小領域がステップＳ１０２で算出された候補領域の内側にあるか否かを判定する。図１３の例では、小領域１３０２は境界線１３００の外側にあるため候補領域の外側にあると判定される。

次に、病変領域指定部１０５は、ステップＳ６０１で選択された小領域が候補領域の内側にあると判定された場合（ステップＳ６０２でＹＥＳ）、小領域に含まれている画素を候補領域から除外し（ステップＳ６０３）、候補領域を修正する。一方、病変領域指定部１０５は、ステップＳ６０１で選択された小領域が候補領域の内側にないと判定された場合（ステップＳ６０２でＮＯ）、小領域に含まれている画素を候補領域に加え（ステップＳ６０４）、候補領域を修正する。以下、修正された候補領域は、修正候補領域と称される。

図１３の右図に示すように、左図で選択された小領域１３０２の画素が候補領域に加えられ、小領域１３０２を含むように候補領域の境界線１３０１が更新されている。境界線１３０１内の領域は修正候補領域である。なお、小領域１３０２が候補領域の内側にあれば、小領域１３０２が除外されるように候補領域の境界線１３０１は更新される。

次に、病変領域指定部１０５は、ステップＳ６０３，Ｓ６０４で算出された修正候補領域を、病変領域として決定する（ステップＳ６０５）。ステップＳ６０５が終了すると、図２のステップＳ１０４の処理も終了するので、図２のフローチャートは終了する。以上、ステップＳ６０１からステップＳ６０５の処理を行うことにより、小領域を選択するユーザの操作にしたがって候補領域が修正され、最終的に病変領域が決定される。

なお、候補領域を修正する必要がない場合、ステップＳ６０１からステップＳ６０５の処理は実行されず、処理が終了される。また、候補領域を修正する必要がない場合、ユーザに、その旨を示す操作を入力させることで、ステップＳ６０１からステップＳ６０５の処理は省かれてもよい。また、候補領域の修正を終了する旨のユーザからの指示が入力されるまで、ステップＳ６０１～ステップＳ６０５の処理を繰り返し、ユーザに複数の小領域を選択させもよい。

次に、テクスチャ型の病変が含まれる指定対象画像を処理対象とする理由について説明する。

上述したとおり、指定対象画像の各画素が病変領域に含まれる確率を示す確率値は、各画素を中心画素とする一定範囲の領域を局所領域画像として設定し、設定した局所領域画像を識別器に入力することで算出される。指定対象画像がテクスチャ型の病変領域を含む場合、病変領域内のいずれの画素を中心画素として局所領域画像を設定したとしても、設定した局所領域画像にはテクスチャ型の病変を表す特徴的なパターンが現れる。一方、指定対象画像が非テクスチャ型の病変領域を含む場合、病変領域の辺縁に特徴的なパターンが現れることが多い。そのため、非テクスチャ型の病変に対して、局所領域画像を設定して病変の識別を行った場合、局所領域画像が病変領域の辺縁に設定されていれば、適切に病変を識別できる。しかし、特徴的なパターンが現れていない辺縁以外の病変領域に局所領域が設定されていれば、適切に病変を識別できない可能性がある。したがって、非テクスチャ型の病変領域を含む指定対象画像に対して、局所領域画像を設定して病変の識別を行った場合、第１閾値以上の確率値を持つ画素からなる候補領域が実際の病変領域から大きく乖離する可能性がある。そのため、非テクスチャ型の病変領域を含む指定対象画像においては、確率画像を用いて算出した候補領域に基づいて、病変領域を決定することは適切ではなく、病変領域の決定が非効率的となる。

そこで、本実施の形態では、テクスチャ型の病変領域を含む指定対象画像を処理対象とする。そのため、実際の病変領域から大きく乖離した候補領域が算出されることを防止することができ、作業効率を高めることができる。

以上のように、本実施の形態に係る情報端末１００は、テクスチャ型の病変領域を含む指定対象画像を処理対象とし、その指定対象画像から候補領域及び修正領域を算出し、ユーザに提示する。そのため、実際の病変領域に概ね一致する候補領域及び修正領域をユーザに提示できる。また、情報端末１００は、修正領域を複数の小領域に分けてユーザに提示している。したがって、ユーザは、候補領域に加える又は候補領域から除外する小領域をクリック操作で選択することで、最終的な病変領域を決定できる。そのため、病変領域の決定を簡便な操作で効率良く行うことができる。

（実施の形態２）
次に、本開示の実施の形態２について説明する。実施の形態２は、第１閾値の等値線をユーザにドラッグさせることで候補領域を修正するものである。なお、実施の形態２において、実施の形態１と同一の構成要素には同一の符号を付し、説明を省く。また、実施の形態２の情報端末１００の構成は図２と同じである。

（動作の説明）
実施の形態２の情報端末１００の動作を図２を用いて説明する。ステップＳ１０１における確率画像を算出する処理は実施の形態１と同じであるので、説明を省く。

ステップＳ１０２において、出力部１０３は、確率画像算出部１０２から取得した確率画像において、第１閾値以上の確率値を持つ画素からなる領域を候補領域として算出し、第１閾値を含む確率範囲の確率値を持つ画素からなる領域を修正領域として算出し、候補領域と修正領域とを病変領域指定部１０５に通知し、確率画像算出部１０２から取得した指定対象画像に、候補領域と修正領域とを重畳した医用画像をディスプレイに表示する。

図１４は、本開示の実施の形態２において、図２のステップＳ１０２の処理の詳細を示すフローチャートである。以下、図１４を用いて候補領域と修正領域との算出方法について説明する。

まず、出力部１０３は、確率画像算出部１０２から取得した確率画像の１つの画素を選択する（ステップＳ７０１）。この処理の詳細は、図７のステップＳ３０１と同じである。

次に、出力部１０３は、ステップＳ７０１で選択した画素の確率値が確率範囲の上限値より小さいか否かを判定する（ステップＳ７０２）。選択した画素の確率値が確率範囲の上限値より小さい場合（ステップＳ７０２でＹＥＳ）、処理はステップＳ７０４に進む。選択した画素の確率値が確率範囲の上限値より小さくない場合（ステップＳ７０２でＮＯ）、出力部１０３は、選択した画素を候補領域に含まれる画素として設定し（ステップＳ７０３）、処理をステップＳ７０８に進める。つまり、確率値が確率範囲の上限値より大きい範囲に属する画素は候補領域に属する画素と判定される。確率範囲の上限値としては、実施の形態１と同様、例えば、０．９が採用できる。

次に、出力部１０３は、ステップＳ７０１で選択した画素が第１閾値より小さいか否かを判定する（ステップＳ７０４）。選択した画素が第１閾値より小さい場合（ステップＳ７０４でＹＥＳ）、処理はステップＳ７０６に進む。選択した画素が第１閾値より小さくない場合（ステップＳ７０４でＮＯ）、出力部１０３は、選択した画素を候補領域と第１修正領域とに含まれる画素として設定し（ステップＳ７０５）、処理をステップＳ７０８に進める。つまり、確率値が第１閾値から確率範囲の上限値までの範囲に属する画素は候補領域及び第１修正領域に属すると判定される。第１閾値としては、実施の形態１と同様、例えば、０．６が採用できる。

次に、出力部１０３はステップＳ７０１で選択した画素が確率範囲の下限値より小さいか否かを判定する（ステップＳ７０６）。選択した画素が確率範囲の下限値より小さい場合（ステップＳ７０６でＹＥＳ）、処理はステップＳ７０８に進む。一方、選択した画素が確率範囲の下限値より小さくない場合（ステップＳ７０６でＮＯ）、出力部１０３は、選択した画素を第２修正領域に含まれる画素として設定する（ステップＳ７０７）。つまり、確率値が確率範囲の下限値から第１閾値までの範囲に属する画素は第２修正領域に属する画素と判定される。確率範囲の下限値としては、実施の形態１と同様、例えば、０．３が採用できる。

次に、出力部１０３は、ステップＳ７０１において確率画像算出部１０２から取得した確率画像のすべての画素を選択したか否かを判定する（ステップＳ７０８）。すべての画素が選択された場合は、処理は終了する。一方、すべての画素が選択されていない場合（ステップＳ７０８でＮＯ）、処理はステップＳ７０１に戻り、確率画像において次の画素が選択される。

以上、ステップＳ７０１からステップＳ７０８の処理を行うことにより、ステップＳ１０２において、候補領域と第１，第２修正領域とを算出することができる。

図２に参照を戻す。ステップＳ１０３において、入力部１０４は、指定対象画像に候補領域と修正領域とが重畳表示された医用画像において、操作装置（図略）を用いた修正領域の画素に対するユーザの入力を検知し、検知した入力が示すユーザの操作情報を病変領域指定部１０５に通知する。操作情報には、例えば、ユーザによるドラッグ操作が開始された地点の画素の座標と、ドラッグ操作による移動量とが用いられればよい。ドラッグ操作による移動量としては、例えば、ドラッグ操作が開始された地点を通る等値線の法線方向の移動量が採用できる。例えば、入力部１０４は、ドラッグ操作が開始された地点とドラッグ操作が終了された地点とを結ぶ線分を、前記法線方向に射影することで前記移動量を算出すればよい。ここで、候補領域を拡大する方向のドラッグ操作が入力された場合、例えば、移動量は負の値が採用され、候補領域を縮小する方向のドラッグ操作が入力された場合、例えば、移動量は正の値が採用される。

次に、病変領域指定部１０５は、確率画像算出部１０２から取得した確率画像と、出力部１０３から取得した候補領域と修正領域と、入力部１０４から取得したユーザの操作情報と、に基づき病変領域を決定する（ステップＳ１０４）。

図１５は、本開示の実施の形態２において、図２のステップＳ１０４の処理の詳細を示すフローチャートである。以下、図１５を用いて病変領域指定方法について説明する。

まず、病変領域指定部１０５は、ステップＳ１０３で取得したユーザの操作情報に基づき、ドラッグ操作の開始地点の確率画像の傾きを計算する（ステップＳ８０１）。

図１６は、確率画像１７００において、ドラッグ操作の開始地点の画素の確率値ｐと、確率値ｐの周辺の画素の確率値とを表す模式図である。確率画像１７００の例では、ドラッグ操作の開始地点の画素を中心とする周辺２５個の画素からなる領域が示されている。以下、図１６を用いて確率画像の傾き計算方法について説明する。

傾きの計算にはドラッグ操作の開始地点の画素の上方向に隣接した画素の確率値ａ、右方向に隣接した画素の確率値ｂ、下方向に隣接した画素の確率値ｃ、左方向に隣接した画素の確率値ｄが用いられる。これらの確率値ａ，ｂ，ｃ，ｄを用いて、ドラッグ操作の開始地点の画素の傾きは以下の式（１）で計算される。

｛（｛ｂ－ｄ｝／２）＾２＋（｛ｃ－ａ｝／２）＾２｝＾０．５ （１）
なお、ここでは、ドラッグ操作の開始地点の画素の上下左右の確率値を用いて傾きが計算されたが、計算方法はこれに限定されない。例えば、ドラッグ操作の開始地点の画素に対し、上方向に隣接する画素と、右方向に隣接する画素との２画素のそれぞれの確率値を用いて傾きが計算されてもよい。

この場合の計算式は、例えば、下記の式（２）で表される。

｛（｛ｂ－ａ｝／２）＾２｝＾０．５ （２）
但し、これは一例であり、ドラッグ操作の開始地点の画素に対し、右方向に隣接する画素と下方向に隣接する画素との２画素の確率値、下方向に隣接する画素と左方向に隣接する画素との２画素の確率値、或いは左方向に隣接する画素と上方向に隣接する画素との２画素の確率値を用いて傾きが算出されてもよい。

或いは、ドラッグ操作の開始地点の画素に対し、２画素以上は離れた画素の確率値を用いて傾きが算出されてもよい。或いは、ドラッグ操作の開始地点の画素に対し、斜め方向に隣接する画素を用いて傾きが計算されてもよい。

図１５に参照を戻す。ステップＳ８０２において、病変領域指定部１０５は、第１閾値をドラッグ操作の開始地点の画素の確率値ｐに変更する。

次に、病変領域指定部１０５は、ドラッグ操作の移動量とドラッグ操作の開始地点の確率画像の傾きとに基づいて、第１閾値の変化量を算出する（ステップＳ８０３）。図１７は、第１閾値の変化量の算出方法の説明図である。画像１９００は、ユーザに提示される医用画像の一例である。画像１９０１は画像１９００に対応する確率画像である。グラフ１９０３は画像１９０１中の線分１９０２における確率値がプロットされた曲線１９０６を示すグラフである。グラフ１９０３において、縦軸は確率値を示し、横軸は線分１９０２上の位置を示している。

図１７において、地点Ｅ１００は線分１９０２と候補領域１９０７の境界線とが交差する位置を示す。地点Ｅ１１０は線分１９０２と修正領域１９０８の内側の境界線とが交差する位置を示し、地点Ｅ１２０は線分１９０２と修正領域１９０８の外側の境界線とが交差する位置を示す。

図１７の例では、地点Ｅ１００がドラッグ操作の開始地点１９０４として入力され、線分１９０２に沿って右方向に移動量１９０５分のドラッグ操作が行われている。ここでは、移動量１９０５は、開始地点１９０４における等値線の法線方向を向いているものとする。

病変領域指定部１０５は、入力部１０４からドラッグ操作の操作情報が通知されると、予め設定された係数と、開始地点１９０４における確率画像の傾きの逆数と、ドラッグ操作の移動量１９０５との積を第１閾値の変化量として算出すればよい。

詳細には、病変領域指定部１０５は、下記の式（３）に示すように、ドラッグ操作の移動量１９０５に比例し、且つ、開始地点１９０４における確率画像の傾きに反比例するように、第１閾値の変化量１９１０を算出すればよい。

第１閾値の変化量
＝係数×（ドラッグ操作の移動量／ドラッグ操作の開始地点の傾き） （３）
係数としては、例えば１が採用できる。

なお、変化量１９１０の算出方法は上述の方法に限定されない。例えば、変化量に上限値と下限値とが設けられてもよい。ここで、上限値はドラッグ操作が候補領域１９０７を拡大する方向に入力された場合の変化量１９１０の最大値を示し、下限値はドラッグ操作が候補領域１９０７を縮小する方向に入力された場合の変化量の最小値を示す。

開始地点１９０４の傾きに上限値と下限値とが設けられてもよい。この場合、開始地点１９０４の傾きが上限値より大きければ、傾きが上限値に設定されて、変化量１９１０が算出されればよい。また、開始地点１９０４の傾きが下限値より小さければ、傾きが下限値に設定されて変化量１９１０が算出されればよい。

図１５に参照を戻す。ステップＳ８０４において、病変領域指定部１０５は、ステップＳ８０３で算出した第１閾値の変化量を用いて第１閾値を更新して候補領域を修正し、病変領域を決定する（ステップＳ８０４）。

ここで、病変領域指定部１０５は、図１７に示すように、開始地点１９０４の確率値Ｖ１から変化量１９１０を減じることで確率値Ｖ１’を算出し、確率値Ｖ１’に対応する曲線１９０６上の地点Ｅ１００’を通る確率値Ｖ１’の等値線を新たな境界線として設定すればよい。これにより、候補領域１９０７は、境界線が地点Ｅ１００から地点Ｅ１００’の範囲まで拡大される。

ここでは、ドラッグ操作が開始地点１９０４に対して右側、つまり、候補領域１９０７を拡大する方向に入力されていたので、開始地点１９０４の確率値Ｖ１から変化量１９１０が減じられている。ドラッグ操作が開始地点１９０４に対して左側、つまり、候補領域１９０７を縮小する方向に入力されたのであれば、開始地点１９０４の確率値Ｖ１に変化量１９１０が加えられた値が確率値Ｖ１’として算出され、新たな境界線が設定される。

なお、病変領域指定部１０５は、ドラッグ操作が終了された時点で修正後の候補領域１９０７を算出して出力部１０３を介してディスプレイに表示してもよいし、ドラッグ操作に連動して修正後の候補領域１９０７を算出して出力部１０３を介してディスプレイに表示してもよい。また、ドラッグ操作の開始地点は、候補領域１９０７の境界線上に限られない。候補領域１９０７内の任意の点であってもよいし、候補領域１９０７の境界線を含む一定範囲内の任意の点であってもよい。

以上、ステップＳ８０１からステップＳ８０４の処理を行うことにより、ステップＳ１０４において、病変領域が決定される。

なお、候補領域を修正する必要がない場合、ステップＳ８０１からステップＳ８０４の処理は実行されず、処理は終了される。また、候補領域を修正する必要が無い場合、ユーザに、その旨を示す操作を入力させることで、ステップＳ８０１からステップＳ８０４の処理を省けばよい。また、候補領域を修正する処理が複数回入力された場合、ステップＳ８０１からステップＳ８０４の処理は複数回実行されればよい。

図１８は、本開示の実施の形態２において、候補領域が修正される様子を示す図である。画像１８００は、修正前の候補領域と修正領域とを示し、画像１８００’は、修正後の候補領域と修正領域とを示している。

図１８において、境界線１８０１は候補領域Ｄ１８１の境界線であり、境界線１８０２は修正領域Ｄ１８２の内側の境界線であり、境界線１８０３は修正領域Ｄ１８２の外側の境界線である。

画像１８００において、境界線１８０１を外側に向けて移動させ、候補領域Ｄ１８１を拡大させるドラッグ操作が入力されている。これにより、病変領域指定部１０５は、式（３）を用いて、ドラッグ操作の移動量とドラッグ操作の開始地点の傾きとに応じた第１閾値の変化量を算出する。この場合、候補領域Ｄ１８１を拡大させるドラッグ操作が入力されているので、画像１８００’に示すように、境界線１８０１’は境界線１８０１よりも第１閾値の変化量に応じた値だけ外側に設定されている。つまり、病変領域指定部１０５は、現在の第１閾値から第１閾値の変化量を減じた値を新たな第１閾値として設定し、第１閾値の等値線を修正後の候補領域Ｄ１８１の境界線１８０１’として設定する。

なお、境界線１８０１が内側に向けて移動され、候補領域Ｄ１８１を縮小させるドラッグ操作が入力されたのであれば、病変領域指定部１０５は、現在の第１閾値に第１閾値の変化量を加えた値を新たな第１閾値として設定し、第１閾値の等値線を修正後の候補領域Ｄ１８１の境界線１８０１’として設定すればよい。

なお、ステップＳ８０４において、病変領域を確定する操作が入力されなければ、処理を図２のステップＳ１０２に戻し、ステップＳ１０２～Ｓ１０４の処理を繰り返し実行してもよい。

実施の形態２においても、テクスチャ型の病変が含まれる指定対象画像を処理対象としており、この理由は実施の形態１で説明したものと同じである。

以上のように、本実施の形態に係る情報端末１００は、ユーザにより入力されたドラッグ操作に応じて候補領域の境界線を修正する。このとき、ドラッグ操作の開始地点の確率値の傾きが大きいほど、第１閾値の変化量、すなわち、境界線の変化量が小さくなるように候補領域が修正される。確率値の傾きが大きい領域においては、僅かなドラッグ操作であっても候補領域の境界線が実際の病変領域の境界線からはみ出たり、病変領域の内部に位置決めされたりする可能性があるので、微細なドラッグ操作が要求される。一方、確率値の傾きが小さい領域においては、傾きが大きい領域ほど微細なドラッグ操作は要求されない。そこで、本実施の形態では、ドラッグ操作の移動量に比例し、且つ、開始地点１９０４における確率画像の傾きに反比例するように、第１閾値の変化量を算出する。そのため、ユーザは、微細なドラッグ操作が要求される傾きが大きい領域では、候補領域の境界線をきめ細かく変化させることができ、候補領域の境界線の修正を正確且つ簡便に行うことができる。一方、ユーザは、微細なドラッグ操作が要求されない傾きが小さな領域では、候補領域を大きく変化させることができ、候補領域を速やかに位置決めすることができる。

以上、本開示に係る情報端末１００について、実施の形態に基づいて説明したが、本開示は、これらの実施の形態に限定されるものではない。本開示の趣旨を逸脱しない限り、当業者が思いつく各種変形を本開示の形態に施したもの、異なる実施の形態における構成要素を組み合わせて構築される形態なども、本開示の範囲内に含まれる。

上記の情報端末１００は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクドライブ、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムとして構成されてもよい。ＲＡＭまたはハードディスクドライブには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、情報端末１００は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。

さらに、上記の制御方法を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されても良い。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。ＲＡＭには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。

さらにまた、上記の制御方法を構成する構成要素の一部または全部は、制御方法に脱着可能なＩＣカードまたは単体のモジュールから構成されていてもよい。ＩＣカードまたはモジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。ＩＣカードまたはモジュールは、上記の超多機能ＬＳＩを含んでもよい。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、ＩＣカードまたはモジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有しても良い。

また、本開示に係る情報端末１００は、上記の実施の形態で示した制御方法を実現されても良い。また、この制御方法は、コンピュータにより実現されるコンピュータプログラムで構成されてもよいし、前記コンピュータプログラムからなるデジタル信号で構成されてもよい。

さらに、上記コンピュータプログラムまたは上記デジタル信号は、コンピュータ読み取り可能な非一時的な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ－ＲＯＭ、ＤＶＤ－ＲＡＭ、ＢＤ（Ｂｌｕ－ｒａｙ Ｄｉｓｃ（登録商標））、半導体メモリなどに記録されていてもよい。また、本開示はこれらの非一時的な記録媒体に記録されている上記デジタル信号で構成されてもよい。

また、本開示は、上記コンピュータプログラムまたは上記デジタル信号を、電気通信回線、無線若しくは有線通信回線、インターネットを代表とするネットワーク、又はデータ放送等を経由して伝送されてもよい。

また、本開示は、マイクロプロセッサとメモリとを備えたコンピュータシステムであって、上記メモリは、上記コンピュータプログラムを記憶しており、上記マイクロプロセッサは、上記コンピュータプログラムに従って動作してもよい。

また、上記プログラムまたは上記デジタル信号は上記非一時的な記録媒体に記録して移送されることにより、または上記プログラムまたは上記デジタル信号は、上記ネットワーク等を経由して移送されることにより、独立した他のコンピュータシステムにより実施されてもよい。

本開示は、病変領域を効率良く決定できるので、医用画像の画像診断を行う上で有用である。

１００ 情報端末
１０１ 症例検索システム
１０２ 確率画像算出部
１０３ 出力部
１０４ 入力部
１０５ 病変領域指定部

Claims (9)

1. 医用画像データベースを参照して医用画像を検索する症例検索システムに接続されており、ディスプレイを有する情報端末の制御方法であって、
   （ａ）複数の画素を有する第１医用画像を受信させ、
   （ｂ）前記第１医用画像に含まれる病変がテクスチャ型の病変である場合、前記第１医用画像の前記複数の画素のそれぞれについて、前記複数の画素の画素値と、前記複数の画素のそれぞれの周囲の画素の画素値とを予め定められた前記テクスチャ型の病変を示す病変領域を識別するための識別器に入力することで、前記病変領域に含まれる確率値を算出させ、
   前記テクスチャ型の病変は、複数の特定陰影のパターンを含む病変であり、
   （ｃ）前記ディスプレイに、前記第１医用画像に候補領域と前記候補領域の修正領域とが重畳されている第２医用画像を表示させ、
   前記候補領域は、前記複数の画素のうち、第１閾値以上の確率値が算出された画素に基づいて決定されており、
   前記修正領域は、前記複数の画素のうち、確率範囲に含まれる確率値が算出された画素に基づいて決定されており、
   前記確率範囲は、前記第１閾値を含んでおり、
   （ｄ）前記ディスプレイに表示されている前記第２医用画像に対するユーザの入力を検知させ、
   （ｅ）前記第１医用画像に病変領域が重畳されている第３医用画像を表示させ、
   前記病変領域は、前記ユーザの入力と前記修正領域とに基づいて、前記候補領域を修正して決定されており、
   前記（ｃ）において、前記修正領域は、前記候補領域を囲むように、表示されており、
   前記（ｄ）において、前記修正領域に含まれる画素に対するユーザの入力を検知させ、
   前記（ｅ）において、前記病変領域は、前記ユーザの入力に応じて、前記候補領域を、前記修正領域の一部まで拡大又は縮小された領域であり、
   前記（ｅ）において、第１画素に対して前記ユーザの入力を検知したとき、第２画素に対して前記ユーザの入力を検知したときに比べて、前記候補領域を拡大又は縮小する量を小さくし、
   前記第１画素は、前記第２画素に比べて、周辺の画素の確率値の傾きが大きい画素である、
   制御方法。
2. 前記（ｃ）において、前記第２医用画像に重畳される前記修正領域は、複数の領域に分割されており、
   前記分割された複数の領域は、それぞれ、前記領域から選択される２つの画素を結ぶ直線のうち、最大の長さを有する直線が、第２閾値以下の長さを有する、
   請求項１に記載の制御方法。
3. 前記（ｄ）において、前記分割された複数の領域に対して、前記候補領域に追加するか前記候補領域から除外するかのユーザの入力を検知し、
   前記（ｅ）において、前記ユーザの入力により決定された候補領域を前記病変領域として表示する、
   請求項２に記載の制御方法。
4. 前記（ｄ）において、前記ユーザのドラッグ操作を前記入力として検知し、
   前記（ｅ）において、前記第１画素及び前記第２画素は、それぞれ、前記ドラッグ操作の開始地点の画素であり、前記候補領域を拡大又は縮小する量は、前記ドラッグ操作の移動量に比例し、前記傾きに反比例する、
   請求項１に記載の制御方法。
5. 医用画像データベースを参照して医用画像を検索する症例検索システムに接続されており、ディスプレイを有する情報端末であって、
   複数の画素を有する第１医用画像を受信し、前記第１医用画像に含まれる病変が複数の特定陰影のパターンを含むテクスチャ型の病変である場合、前記第１医用画像の前記複数の画素のそれぞれについて、前記複数の画素の画素値と、前記複数の画素のそれぞれの周囲の画素の画素値とを予め定められた病変領域を識別するための識別器に入力することで、前記病変領域に含まれる確率値を算出する確率画像算出部と、
   前記第１医用画像に、前記複数の画素のうち第１閾値以上の確率値が算出された画素に基づいて候補領域を決定し、前記複数の画素のうち前記第１閾値を含む確率範囲に含まれる確率値が算出された画素に基づいて前記候補領域の修正領域を決定し、前記決定した候補領域と前記修正領域とを前記第１医用画像に重畳して第２医用画像を前記ディスプレイに表示させる出力部と、
   前記ディスプレイに表示されている前記第２医用画像に対するユーザの入力を検知する入力部と、
   前記入力部により検知された前記ユーザの入力と前記修正領域とに基づいて、前記候補領域を修正して病変領域を指定する病変領域指定部とを含み、
   前記出力部は、前記病変領域が重畳されている第３医用画像を前記ディスプレイに表示させ、
   前記出力部は、前記候補領域を囲むように前記修正領域を表示し、
   前記入力部は、前記修正領域に含まれる画素に対するユーザの入力を検知し、
   前記病変領域指定部は、前記ユーザの入力に応じて、前記候補領域を前記修正領域の一部まで拡大又は縮小させることで前記病変領域を決定し、
   前記病変領域指定部は、第１画素に対して前記ユーザの入力を検知したとき、第２画素に対して前記ユーザの入力を検知したときに比べて、前記候補領域を拡大又は縮小する量を小さくし、
   前記第１画素は、前記第２画素に比べて、周辺の画素の確率値の傾きが大きい画素である、
   情報端末。
6. 前記確率画像算出部は、前記第２医用画像に重畳される前記修正領域を、複数の領域に分割し、
   前記分割された複数の領域は、それぞれ、前記領域から選択される２つの画素を結ぶ直線のうち最大の長さを有する直線が、第２閾値以下の長さを有する、
   請求項５に記載の情報端末。
7. 前記入力部は、前記分割された複数の領域に対して、前記候補領域に追加するか前記候補領域から除外するかのユーザの入力を検知し、
   前記病変領域指定部は、前記ユーザの入力により決定された候補領域を前記病変領域として表示する、
   請求項６に記載の情報端末。
8. 前記入力部は、前記ユーザのドラッグ操作を前記入力として検知し、
   前記第１画素及び前記第２画素は、それぞれ、前記ドラッグ操作の開始地点の画素であり、前記候補領域を拡大又は縮小する量は、前記ドラッグ操作の移動量に比例し、前記傾きに反比例する、
   請求項５に記載の情報端末。
9. 医用画像データベースを参照して医用画像を検索する症例検索システムに接続されており、ディスプレイを有する情報端末としてコンピュータを機能させるプログラムであって、
   複数の画素を有する第１医用画像を受信し、前記第１医用画像に含まれる病変が複数の特定陰影のパターンを含むテクスチャ型の病変である場合、前記第１医用画像の前記複数の画素のそれぞれについて、前記複数の画素の画素値と、前記複数の画素のそれぞれの周囲の画素の画素値とを予め定められた病変領域を識別するための識別器に入力することで、前記病変領域に含まれる確率値を算出する確率画像算出部と、
   前記第１医用画像に、前記複数の画素のうち第１閾値以上の確率値が算出された画素に基づいて候補領域を決定し、前記複数の画素のうち前記第１閾値を含む確率範囲に含まれる確率値が算出された画素に基づいて前記候補領域の修正領域を決定し、前記決定した候補領域と前記修正領域とを前記第１医用画像に重畳して第２医用画像を前記ディスプレイに表示させる出力部と、
   前記ディスプレイに表示されている前記第２医用画像に対するユーザの入力を検知する入力部と、
   前記入力部により検知された前記ユーザの入力と前記修正領域とに基づいて、前記候補領域を修正して病変領域を指定する病変領域指定部としてコンピュータを機能させ、
   前記出力部は、前記病変領域が重畳されている第３医用画像を前記ディスプレイに表示させ、
   前記出力部は、前記候補領域を囲むように前記修正領域を表示し、
   前記入力部は、前記修正領域に含まれる画素に対するユーザの入力を検知し、
   前記病変領域指定部は、前記ユーザの入力に応じて、前記候補領域を前記修正領域の一部まで拡大又は縮小させることで前記病変領域を決定し、
   前記病変領域指定部は、第１画素に対して前記ユーザの入力を検知したとき、第２画素に対して前記ユーザの入力を検知したときに比べて、前記候補領域を拡大又は縮小する量を小さくし、
   前記第１画素は、前記第２画素に比べて、周辺の画素の確率値の傾きが大きい画素である、
   プログラム。

Images