CN103890807B - 死因推测装置及其死因推测方法 - Google Patents

死因推测装置及其死因推测方法 Download PDF

Info

Publication number
CN103890807B
CN103890807B CN201380003613.4A CN201380003613A CN103890807B CN 103890807 B CN103890807 B CN 103890807B CN 201380003613 A CN201380003613 A CN 201380003613A CN 103890807 B CN103890807 B CN 103890807B
Authority
CN
China
Prior art keywords
death
cause
sick
wounded
history
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201380003613.4A
Other languages
English (en)
Other versions
CN103890807A (zh
Inventor
柴田真理子
大汤重治
樱井康雄
桥本敬介
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Toshiba Medical Systems Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Medical Systems Corp filed Critical Toshiba Medical Systems Corp
Publication of CN103890807A publication Critical patent/CN103890807A/zh
Application granted granted Critical
Publication of CN103890807B publication Critical patent/CN103890807B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本实施方式的死因推测装置具备：诊断信息取得部，取得基于遗体的图像数据的诊断信息；伤病历史取得部，取得与所述遗体关联的生前的诊疗历史；以及死因推测部，根据所取得的所述诊疗信息和所述诊疗历史，推测所述遗体的直接死因及该直接死因的原因。

Description

死因推测装置及其死因推测方法
技术领域
本发明的实施方式涉及死因推测装置及其死因推测方法。
背景技术
当前，从厚生劳动省发行了“平成24年度版死亡诊断书(尸体鉴定书)填写手册”。根据该死亡诊断书填写手册，记载了如下意思：死因统计作为与国民的保健/医疗/福利有关的行政的重要的基础资料而发挥作用，并且在以医学研究为首的各领域中也成为重要的资料。
因此，作为死因统计制作时的资料的死亡诊断书(尸体鉴定书)要求死因的准确性，但在日本，在大部分的情况下，即便是异常尸体也仅通过从体表的目视来确定死因。因此，在厚生劳动省的报告书等中暗示了死因统计未必为准确的统计。
因此，以厚生劳动省为中心，在“关于有助于死因调查的死亡时图像诊断的有效利用的研讨会”上进行了广泛的研讨，最终得出期望对各都道府县设置Ai(Autopsy imaging：死亡时图像病理诊断)中心这样的结论。因此，如果Ai得到普及并大量施行，则也能够准确地调查重疾的伤病的发症频度、死亡率等流行病学。
与此关联地，公开有如下医用图像处理装置(参照专利文献1)：为了弄清死因，取得遗体的图像数据，使用检测遗体的每个部位的异常阴影的算法对该图像数据进行解析，从而检测异常阴影。
专利文献1:日本特开2012-90923号公报
发明内容
但是，指出了如果在医疗机关与Ai中心之间遗体的运送、信息的交换变得繁杂，则有在死亡诊断书的制作时责任之所在变得模糊不清的危险。另外，根据流行病学调查的观点，不仅直接的死因重要，而且知道引起死因的伤病名也是很重要的，所以暗示了光靠解析Ai中心的死亡时的解析图像数据而得到的诊断结果是不够的。
即，仅根据解析死亡时的图像数据而得到的图像诊断结果来确定死因的话，难以制作准确且详细的死亡诊断书、难以进行流行病学调查研究、难以进行死因统计制作。
附图说明
图1是示出具有本实施方式的死因推测装置的死亡诊断书制作辅助系统的概略的结构的一个例子的概略结构图。
图2是示出具有本实施方式的Ai中心终端的死亡诊断书制作辅助系统的整体的概略动作的时序图。
图3是示出本实施方式的Ai中心终端的功能的功能框图。
图4是示出本实施方式的伤病数据库中保存的关联伤病关系列表的一个例子的说明图。
图5是示出本实施方式的Ai中心终端的结构的硬件框图。
图6是示出在具备本实施方式的Ai中心终端的死亡诊断书制作辅助系统中，Ai中心终端进行死因推测的死因推测处理的流程图。
图7是示出本实施方式的Ai中心终端的诊断信息取得部(图3)取得了基于图像数据的与死因关联的诊断信息时的该诊断信息的说明图。
图8是示出本实施方式的Ai中心终端的伤病历史取得部(图3)从医院的终端取得了与电子病历有关的信息时的电子病历的一个例子的说明图。
图9是示出本实施方式的Ai中心终端的伤病历史取得部(图3)从医院的终端取得了与电子病历有关的信息时的电子病历的一个例子的说明图。
图10是示出本实施方式的Ai中心终端的伤病历史取得部(图3)从医院的终端取得了医院所登记的伤病历史时的该伤病历史的说明图。
图11是示出本实施方式的Ai中心终端的伤病历史取得部(图3)从医院的终端取得了医院所登记的伤病历史时的该伤病历史的说明图。
图12是示出本实施方式的Ai中心终端的死因候选检索部根据伤病历史和诊断信息提取了与死因有关联的死因候选的结果的说明图。
图13是本实施方式的Ai中心终端的死因候选检索部根据关联伤病关系列表，从与死因有关联的死因候选进行了基于关联图的分组的说明图。
图14是本实施方式的Ai中心终端的死因推测部按照时间序列而重排死因候选，并根据该按照时间序列而重排了的死因候选推测遗体的直接死因及该直接死因的原因的说明图。
图15是本实施方式的Ai中心终端的死亡诊断书模板发送部将所推测出的遗体的直接死因及该直接死因的原因填写到生成遗体的死亡诊断书的死亡诊断书模板中后的死亡诊断书模板的说明图。
具体实施方式
本实施方式的死因推测装置具备：诊断信息取得部，取得基于遗体的图像数据的诊断信息；伤病历史取得部，取得与所述遗体关联的生前的诊疗历史；以及死因推测部，根据所取得的所述诊疗信息和所述诊疗历史，推测所述遗体的直接死因及该直接死因的原因。
由此，本实施方式的死因推测装置能够推测准确且详细的死亡原因。
以下，参照附图，说明具备本实施方式的死因推测装置的死亡诊断书制作辅助系统。
图1是示出具备本实施方式的死因推测装置的死亡诊断书制作辅助系统800的概略结构的一个例子的概略结构图。
如图1所示，死亡诊断书制作辅助系统800构成为具备医用图像摄影装置100、Ai(Autopsy imaging：尸检成像)中心终端(死因推测装置)200、医院A的终端300、医院B的终端400、担当医院500、网络700等。
医用图像摄影装置100是对用于拍摄被检体的装置(摄影装置)进行分类时所使用的医用系统名。例如，作为医用图像摄影装置100，有X射线CT(Computed Tomography：计算机断层扫描)装置、MRI(Magnetic Resonance Imaging)装置(磁共振诊断装置)、超声波诊断装置、核医学诊断装置等。另外，X射线CT装置是利用放射线等扫描物体并使用计算机来进行处理的摄影装置。MRI装置是使用磁场和电波拍摄被检体的体内等的图像的装置。超声波诊断装置是对被检体照射超声波并对其回声进行影像化的图像诊断装置。核医学诊断装置是如下图像诊断装置：用放射性同位素(radioisotope)来标识投入到被检体中的汇集在特定的病灶上的试剂，通过闪烁照相机等检测器检测从该试剂放射的γ射线，从而提取包括病灶的人体的断层像。在本实施方式中设为在患者刚刚死亡之后，将某一个摄影装置作为医用图像摄影装置100来进行遗体的检查。
Ai中心终端200构成死因推测装置，是根据使用医用图像摄影装置100得到的遗体的意见来推测死亡原因的终端。另外，Ai是指死亡时图像病理诊断，例如，是在患者刚刚死亡之后进行X射线CT检查、MRI检查从而诊断死因的诊断方法。
另外，本实施方式的Ai中心终端200具有推测遗体的直接死因及该直接死因的原因的功能，并具有如下功能：如果登记了基于Ai的意见(图像诊断)，则在推测了遗体的直接死因及该直接死因的原因之后制作死亡诊断书模板。另外，将具有Ai中心终端200和医用图像摄影装置100的医疗机关确定为Ai中心(未图示)的地位。另外，关于Ai中心终端200的详细的结构，后述。
另外，遗体的直接死因是指作为直接的死亡的原因的伤病名等。另外，其原因是指作为直接死因的原因的伤病名等。
医院A的终端300为登记了在医院A有定期复查历史的患者的患者信息的患者信息终端。另外，患者信息是指患者的住址、姓名等基本信息、伤病历史清楚的诊疗记录(治疗记录、手术记录、检查数据、诊断图像数据等)等。
医院B的终端400为登记了在医院B有定期复查历史的患者的患者信息的患者信息终端。
在本实施方式中，担当医院500表示确认了患者的死亡的医疗机关。此处，在作为担当医院500的患者长期间以相同的伤病名持续入院治疗了的情况下，如果作为其转换期而死亡了，则死因是明确的。在该情况下，担当医院的担当医生确认死亡时刻，并且参照患者的电子病历，在死亡诊断书模板中输入必要的信息来制作死亡诊断书。
但是，在怀疑治疗中的医疗事故的情况、并发了多种疾病的情况、在医院外晕倒而紧急运送来了的情况、或者卷入自然灾害、事故、事件而死亡了的情况下，难以仅通过医生的从体表的目视来确定死因。在该情况下，担当医院500将遗体运送到Ai中心，委托调查死因。因此，假如担当医院500存在与遗体有关的图像数据的情况下，将与遗体有关的图像数据和病历信息发送到Ai中心终端200。
遗体安置场600是用于安置在担当医院500确认了死亡的遗体的安置场。另外，遗体安置场600是任意的构成要素，无需与担当医院500一体，只要是安置遗体的场所即可。
网络700是用于将连接到死亡诊断书制作辅助系统800的各终端、装置相互连接的网络。
图2是示出具备本实施方式的Ai中心终端200的死亡诊断书制作辅助系统800的整体的概略动作的时序图。在图2中，对S附加有数字的符号表示时序图的各步骤。
将在担当医院500确认了死亡的遗体安置于遗体安置场600。为了防止搞错遗体，对遗体装上附加了担当医院500的识别ID(Identification)、遗体的姓名、病历信息等的腕带或者遗体袋。然后，将遗体从遗体安置场600运送到具有Ai中心终端200的Ai中心(步骤S001)。
另外，担当医院500将与运送到Ai中心的遗体有关的病历信息、向Ai中心的介绍信送到Ai中心终端200(步骤S003)。
Ai中心终端200如果取得了遗体和病历信息，则进行利用Ai中心的医用图像摄影装置100的摄影委托(步骤S005)。另外，在本实施方式中，既可以是X射线CT检查也可以是MRI检查，对检查方法没有限定。
如果遗体的拍摄结束，则医用图像摄影装置100将其摄影结果和读影结果送到Ai中心终端200(步骤S007)。另外，医用图像摄影装置100无需同时送出拍摄遗体而得到的摄影图像和读影结果，也可以先行地对Ai中心终端200送出摄影图像，并使用Ai中心所具有的包括CAD(诊断辅助系统)等的读影装置(未图示)将读影结果送到Ai中心终端200。
在本实施方式中，需要在死亡诊断书中追加有无与死因关联的过去的手术、或者收集直到死的过程的信息并反映到流行病学数据库，所以根据死亡了的患者的健康保险证号、“我的号码”等ID编号取得由其他医疗机关、检查机关所制作的治疗记录、生前的诊断图像、其他医疗信息(即诊疗记录)，将来自各医疗机关的伤病历史结合起来。
具体而言，Ai中心终端200对医院A的终端300、医院B的终端400等委托提供死亡患者的电子病历、诊断图像、健康诊断的记录等信息(步骤S009)。
在有死亡了的患者的电子病历、诊断图像、健康诊断等记录的情况下，医院A的终端300、医院B的终端400对Ai中心终端200进行这些信息提供的响应(步骤S011)。具体而言，在医院A的终端300有腹部CT图像、内窥镜的意见的情况下，将这些信息发送到Ai中心终端200。另外，关于各图像数据，既可以作为电子数据发送，另外也可以提取图像数据的一部分而发送到Ai中心终端200。
另外，在医院A的终端300、医院B的终端400发送伤病历史、电子病历时，例如，既可以是通过担当者手动输入伤病历史的方式，并且，也可以是使用作为公知技术的本体论技术从电子病历的意思内容提取伤病历史并发送的方式。
Ai中心终端200根据医用图像摄影装置100中的读影结果、和从医院A的终端300、医院B的终端400取得的伤病历史，从与死因相关联的信息提取死因调查、死亡诊断书的制作所需的信息，进行死因推测处理(步骤S013)。
Ai中心终端200根据死因推测处理的结果生成死亡诊断书模板，将该死亡诊断书模板送到作出委托的担当医院500(步骤S015)。
接下来，说明本实施方式的Ai中心终端200的详细的功能。
图3是示出本实施方式的Ai中心终端200的功能的功能框图。
如图3所示，Ai中心终端200构成为具备遗体图像取得部210、诊断信息取得部220、伤病历史要求部230、伤病历史取得部240、死因候选检索部250、死因推测部260、死亡诊断书模板发送部265、遗体图像数据库270、诊断信息数据库280、伤病数据库290等。
遗体图像取得部210取得通过医用图像摄影装置100拍摄到的遗体(死亡了的患者)的图像数据。遗体图像取得部210将所取得的图像数据保存到遗体图像数据库270中。
诊断信息取得部220取得基于遗体的图像数据的诊断信息(例如基于所取得的遗体的图像数据的与死因关联的诊断信息)。具体而言，诊断信息取得部220从医用图像摄影装置100取得遗体的图像数据的读影结果，并保存到诊断信息数据库280中。另外，本实施方式不限于此，诊断信息取得部220也可以根据由遗体图像取得部210取得的图像数据，让读影医生对该图像数据进行读影，取得与基于该图像数据的死因关联的诊断信息，并保存到诊断信息数据库280中。
伤病历史要求部230根据与遗体(死亡了的患者)关联的生前的定期复查历史，要求每个医院所登记的伤病历史。例如，经由网络700对医院A的终端300、医院B的终端400进行查询，要求与遗体关联的生前的伤病历史。
伤病历史取得部240从登记有所要求的伤病历史的医院取得与该遗体关联的生前的诊疗历史。例如，在医院A的终端300、医院B的终端400登记有基于定期复查历史的伤病历史的情况下，从医院A的终端300、医院B的终端400取得该伤病历史而作为生前的诊疗历史。
另外，伤病历史取得部240在从医院A的终端300、医院B的终端400取得了与电子病历有关的信息的情况下，使用本体论技术(单词的提取和分析)和文本挖掘提取记载在该电子病历中的伤病名、病历、检查名或者意见等而作为伤病历史。另外，文本挖掘是指将字符串作为对象的数据挖掘，例如，用单词、短语对电子病历中的数据进行划分，解析它们的出现频度、相关关系或者出现倾向等而提取有益的信息。另外，在对电子病历的单词预先附加了伤病名等识别标签的情况下，还能够利用它们。
死因候选检索部250根据所取得的伤病历史、和由诊断信息取得部220取得的与遗体的死因关联的诊断信息，检索登记有伤病的伤病数据库290，根据轻重度检索与死因有关联的死因候选。在该情况下，例如，死因候选检索部250能够根据所取得的伤病历史和诊断信息，从伤病数据库290提取表示伤病的发展情形的关联伤病，根据该关联伤病检索与死因有关联的死因候选。使用附图来说明该情况的检索例。
图4是示出本实施方式的伤病数据库290中保存的关联伤病关系列表的一个例子的说明图。
如图4所示，在关联伤病关系列表中有“伤病名”、“轻重度级别”、“发展了时的关联伤病”、“原因伤病”、“不需要记载”的栏。
在关联伤病关系列表的“伤病名”的栏中记载有当前已知的所有伤病名，例如记载有“肝癌”、“肝功能衰竭”、“失血性休克”、“肝硬化”、“慢性肝炎”、“C型肝炎”、“尿毒症”等。
在“轻重度级别”的栏中，附加了与各伤病名对应的轻重度而作为轻重度级别。具体而言，作为根据当前的医疗水准而决定的轻重度级别，对轻重度最高的级别分配S级别，按照级别从高到低的顺序，对各伤病名分配S级别、A级别、B级别、C级别、D级别、E级别。
在图4的例子中，肝癌是S级别，肝功能衰竭也被分配了S级别。另外，肝硬化被分配了A级别，C型肝炎也被分配了A级别。另外，腹水被分配了C级别。另外，在本实施方式中，作为对生命无大碍的级别而分配了D级别和E级别。与D级别和E级别相当的伤病为对生命无大碍的判断，所以不会被推测为死亡的直接原因。
在“发展了时的关联伤病”的栏中记载了依据当前的医疗水准已知的、伤病名中记载的伤病发展了时的伤病名。例如，记载了在“肝癌”发展了的情况下变为“转移性肝癌”，记载了在“肝硬化”发展了的情况下变为“失血性休克”、“肝功能衰竭”或者“肝癌”。另外，记载了在“慢性肝炎”发展了的情况下变为“肝硬化”。
在“原因伤病”的栏中，记载了成为引起伤病的原因的伤病名。例如，在“失血性休克”的情况下，作为引起该失血性休克的原因记载了“静脉瘤破裂”。另外，在“腹水(渗出性)”中，作为引起该腹水(渗出性)的原因记载了“癌性腹膜炎”、“结核性腹膜炎”、“恶性肿瘤”等。
“不需要记载”的栏是表示不需要记载死因候选检索部250检索出的关联伤病的栏，在该栏中有○记号的情况下，不进行关联伤病的记载。
在该关联伤病关系列表中，能够检索伤病发展了时的关联伤病，所以死因候选检索部250能够根据伤病名检索关联伤病，并且根据轻重度级别检索死因候选。另外，死因候选检索部250还能够根据该关联伤病关系列表生成基于后述的树形图的关联图(组)。
死因推测部260根据所取得的诊疗信息和诊疗历史推测遗体的直接死因及该直接死因的原因。例如，死因推测部260根据所检索出的死因候选表示的因果关系，推测遗体的直接死因及该直接死因的原因。具体而言，死因推测部260将所检索出的死因候选按照时间序列重排，根据该按照时间序列重排了的死因候选推测遗体的直接死因及该直接死因的原因。
死亡诊断书模板发送部265将由死因推测部260推测出的遗体的直接死因及该直接死因的原因填写到生成遗体的死亡诊断书的死亡诊断书模板中，并将所填写的该死亡诊断书模板发送到外部。
另外，死亡诊断书模板发送部265原本将死亡诊断书模板发送到担当医院500，但本实施方式不限于此。例如，既可以将死亡诊断书模板送到进行死因统计的厚生劳动省，也可以发送到警察、医院A或者医院B或者地方自治体等。
接下来，说明本实施方式的Ai中心终端200的硬件的结构。
图5是示出本实施方式的Ai中心终端200的结构的硬件框图。
如图5所示，Ai中心终端200构成为具备CPU(CentralProcessing Unit：中央处理单元)291、ROM(Read Only Memory：只读存储器)292、RAM(Random Access Memory：随机访问存储区)293、网络接口部294、操作部295、显示部296以及存储部297等。
CPU291将ROM292中保存的各种程序载入到RAM293并展开该程序，从而能够实现各种程序的功能。RAM293被用作工作区(作业用存储器)。ROM292保存各种程序。保存在ROM292中的各种程序中包括用于实现图3所示的Ai中心终端200的各功能的程序。
网络接口部294是用于经由网络700从Ai中心终端200向医院A的终端300、医院B的终端400发送信息提供委托、或者从担当医院500取得病历信息的接口部。
操作部295包括输入装置等，该输入装置进行保存在Ai中心终端200的各数据库中的伤病历史、诊断信息的显示操作，或者进行程序的输入、编辑、登记等。具体而言，操作部295包括键盘、鼠标等。
显示部296构成为显示在医用图像摄影装置100中读影出的读影结果、或者显示从担当医院500送出的病历信息的显示部。该显示部296由液晶显示器、监视器等构成。
存储部297是构成保存存储器的存储部，由RAM、硬盘等构成。在本实施方式中，存储部297构成例如存储遗体的图像数据的遗体图像数据库270、存储该图像数据的诊断信息的诊断信息数据库280、或者伤病数据库290。
这样，在本实施方式中，存储部297构成遗体图像数据库270、诊断信息数据库280、伤病数据库290，并且，通过执行保存在ROM292中的程序能够实现图3所示的Ai中心终端200的各功能。
(死因推测处理)
接下来，说明具备本实施方式的Ai中心终端200的死亡诊断书制作辅助系统800的死因推测处理的动作。
图6是示出在具备本实施方式的Ai中心终端200的死亡诊断书制作辅助系统800中，Ai中心终端200进行死因推测的死因推测处理的流程图。在图6中，对S附加有数字的符号表示流程图的各步骤。
首先，在步骤S101中，遗体图像取得部210(图3)取得由医用图像摄影装置100拍摄到的遗体的图像数据。然后，遗体图像取得部210将所取得的图像数据保存到遗体图像数据库270中。
在步骤S103中，诊断信息取得部220(图3)取得与基于所取得的遗体的图像数据的死因关联的诊断信息。在该情况下，诊断信息取得部220从医用图像摄影装置100取得遗体的图像数据的读影结果，保存到诊断信息数据库280中。另外，诊断信息取得部220也可以根据由遗体图像取得部210取得的图像数据，让读影医生对该图像数据进行读影，取得与基于该图像数据的死因关联的诊断信息，保存到诊断信息数据库280中。此处，使用附图来说明所取得的诊断信息。
图7是示出本实施方式的Ai中心终端200的诊断信息取得部220(图3)取得了与基于图像数据的死因关联的诊断信息时的该诊断信息的说明图。
如图7所示，在该诊断信息中，作为由Ai中心的读影医生得到的遗体的读影结果，记载有表示伤病名的“肝癌”、表示意见的“腹水”、表示伤病名的“前列腺肥大症”。另外，将这些读影结果作为诊断信息保存到诊断信息数据库280中。
在步骤S105中，伤病历史要求部230(图3)根据与遗体关联的生前的定期复查历史，要求每个医院所登记的伤病历史。例如，伤病历史要求部230经由网络700对医院A的终端300、医院B的终端400进行查询，从而要求与遗体关联的生前的伤病历史、电子病历。
在步骤S107中，伤病历史取得部240(图3)从登记有所要求的伤病历史、电子病历的医院取得该伤病历史、电子病历。例如，在登记有基于医院A、医院B的定期复查历史的伤病历史的情况下，从医院A的终端300、医院B的终端400取得该伤病历史。
此处，在从医院A的终端300、医院B的终端400送出了伤病历史的情况下，伤病历史取得部240(图3)直接取得伤病历史。另外，在从医院A的终端300、医院B的终端400送出了与电子病历有关的信息的情况下，伤病历史取得部240(图3)对所送来的与电子病历有关的信息执行文本挖掘，从与该电子病历有关的信息中提取伤病名、病历、检查名或者意见等作为伤病历史。
图8是示出本实施方式的Ai中心终端200的伤病历史取得部240(图3)从医院A的终端300取得了与电子病历有关的信息时的电子病历的一个例子的说明图。
如图8所示，在该电子病历中作为项目名设置有伤病名、既往历史[过去的伤病名]、当前病历[主要疾病/病历]、身体意见、检查名/检查意见、处方药名以及处置名、手术名的栏。例如，在伤病名的栏中记载有4年前患过肠炎的意思、5年前患过C型肝炎的意思、以及5年前患过细菌性结膜炎的意思。
另外，在既往历史[过去的伤病名]的栏中记载有在医院X在9年前的日期细菌性结膜炎痊愈了的意思。在当前病历[主要疾病/病历]中记载有4年前患上过腹痛的意思、5年前出现了身体倦怠的意思、以及5年前有过眼睛发痒的意思。
另外，在身体意见的栏中记载有5年前出现了腹水的意思、和5年前左眼充血了的意思。另外，在检查名/检查意见的栏中记载有由于腹痛，在4年前接受了下部消化管内窥镜检查(小肠内窥镜检查)的意思，并记载了诊断为肠炎的意思。另外，记载了在5年前实施了血液检查的意思，并记载了HCV抗体是阳性的意思，该HCV表示感染过C型肝炎的病毒。
另外，在处方药名以及处置名的栏中记载有5年前开出过作为C型肝炎治疗药的P治疗药的处方的意思，并且，记载了同样地在5年前开出过作为结膜炎治疗药的Q治疗药的处方的意思。另外，由于未接受过手术，所以在手术名的栏中记载了该意思。
图9是示出本实施方式的Ai中心终端200的伤病历史取得部240(图3)从医院B的终端400取得了与电子病历有关的信息时的电子病历的一个例子的说明图。
在图9中记载有与图8同样的项目名。另外，在伤病名的栏中记载有在7年前患过前列腺肥大症的意思、和在9年前患过细菌性结膜炎的意思。
另外，在既往历史[过去的伤病名]的栏中记载了在10年前的日期在医院Y指骨骨折痊愈了的意思。在当前病历[主要疾病/病历]中，记载了在7年前出现了排泄障碍和尿频的意思、和在9年前有过眼睛发痒的意思。
另外，在身体意见的栏中记载了在7年前有过浮肿的意思、和在9年前左眼充血了的意思。另外，在检查名/检查意见的栏中记载了在7年前接受PSA(Prostate SpecificAntigen：前列腺特异抗原)检查且有前列腺肥大症的怀疑的意思、以及在7年前进行直肠诊断且有前列腺肥大症的怀疑的意思。
另外，在处方药名以及处置名的栏中记载了在7年前开出过前列腺肥大症的治疗药的处方的意思、在7年前开出过排泄障碍治疗药的处方的意思、以及在9年前开出过作为结膜炎治疗药的Q治疗药的处方的意思。另外，未接受过手术，所以在手术名的栏中记载了该意思。
伤病历史取得部240对从医院A的终端300取得的电子病历执行文本挖掘，并且对从医院B的终端400取得的电子病历进行文本挖掘，从而能够从与各医院对应的电子病历分别提取伤病历史。
接下来，使用附图，说明医院A的终端300中的伤病历史、和医院B的终端400中的伤病历史。
图10是示出本实施方式的Ai中心终端200的伤病历史取得部240(图3)从医院A的终端300取得了登记在医院A的伤病历史时的该伤病历史的说明图。
在图10所示的伤病历史中，关于医院A记录了“C型肝炎(5年前)”、“细菌性结膜炎(5年前)”、“小肠内窥镜检查(4年前)”这样的历史。由此，伤病历史取得部240取得这些伤病历史。
图11是示出本实施方式的Ai中心终端200的伤病历史取得部240(图3)从医院B的终端400取得了登记在医院B的伤病历史时的该伤病历史的说明图。
在图11所示的伤病历史中，关于在医院B记录了“前列腺肥大症(7年前)”、“指骨骨折(10年前)”、“细菌性结膜炎(9年前)”这样的历史。由此，伤病历史取得部240取得这些伤病历史。
在步骤S109中，死因候选检索部250根据从医院A的终端300以及医院B的终端400取得的伤病历史、和由诊断信息取得部220取得的诊断信息，检索登记有伤病的伤病数据库290，根据轻重度而检索与死因有关联的死因候选。
具体而言，死因候选检索部250根据保存在诊断信息数据库280中的诊断信息(图7)，检索伤病数据库290保存的关联伤病关系列表(图4)，根据轻重度而检索与死因有关联的死因候选。
例如，设为死因候选检索部250检索轻重度级别是C以上的伤病，关于图7所示的诊断信息的“肝癌”、“腹水”以及“前列腺肥大症”，“肝癌”是S级别、“腹水”和“前列腺肥大症”是C级别，所以将全部的伤病提取为死因候选。
另外，死因候选检索部250根据由伤病历史取得部240取得的医院A的终端300的伤病历史(图10)检索伤病数据库290保存的关联伤病关系列表(图4)，根据轻重度而检索与死因有关联的死因候选。与上述同样地，设为死因候选检索部250检索轻重度级别是C以上的伤病，关于图10所示的伤病历史的“C型肝炎(5年前)”、“细菌性结膜炎(5年前)”以及“小肠内窥镜检查(4年前)”，“C型肝炎(5年前)”是A级别、“细菌性结膜炎(5年前)”是E级别、“小肠内窥镜检查(4年前)”仅仅是检查(并非伤病)，所以将“C型肝炎(5年前)”提取为死因候选。
另外，死因候选检索部250根据由伤病历史取得部240取得的医院B的终端400的伤病历史(图11)检索伤病数据库290保存的关联伤病关系列表(图4)，根据轻重度而检索与死因有关联的死因候选。与上述同样地，设为死因候选检索部250检索轻重度级别是C以上的伤病，关于图11所示的伤病历史的“前列腺肥大症(7年前)”、“指骨骨折(10年前)”以及“细菌性结膜炎(9年前)”，“前列腺肥大症(7年前)”是C级别、“指骨骨折(10年前)”和“细菌性结膜炎(9年前)”是E级别，所以将“前列腺肥大症(7年前)”提取为死因候选。
另外，关于“细菌性结膜炎”，例如，在作为多个医疗机关的医院A和医院B有伤病历史的情况下，还考虑“免疫缺陷”，所以也可以提取为死因候选。其能够通过对所提取的伤病名的次数等多个医疗机关的伤病历史、电子病历进行文本挖掘来提取。
具体而言，通过预先将频出的伤病名的重要度级别、和推测为频出的伤病名的其他伤病名(例如免疫缺陷)登记到伤病数据库中，从而提取为死因候选。另外，也可以通过文本挖掘而同样地提取在某一个医疗机关中作为伤病历史频出的伤病名。
另外，在作为死因候选提取关联伤病时，例如，在从担当医院500得到感染症、煤气中毒等信息的情况下，也可以还考虑这些信息而提取死因候选。在该情况下，为了防止对Ai中心的职员等的感染、曝露于有毒气体的事故，感染症、煤气中毒等信息也是重要的。
这样，在步骤S109中，死因候选检索部250从伤病数据库290保存的关联伤病关系列表中记载的轻重度级别，提取成为死因候选的伤病。其结果，提取“肝癌”、“前列腺肥大症(7年前和Ai)”、“C型肝炎”、“腹水”。
图12是示出本实施方式的死因候选检索部250根据伤病历史和诊断信息提取了与死因有关联的死因候选的结果的说明图。
如图12所示，示出了死因候选检索部250根据医院A的终端300和医院B的终端400的伤病历史、以及Ai中心终端200的诊断信息，提取了“肝癌”、“前列腺肥大症(7年前和Ai)”、“C型肝炎”以及“腹水”而作为死因候选。另外，在提取死因候选时，不限于上述方法，例如，也可以应用作为公知技术的本体论技术、文本挖掘，从电子病历来推测死因候选，并且，也可以是使用用于确定伤病名的固有的标签而从与电子病历有关的信息提取伤病历史的方式。
另外，死因候选检索部250参照保存在伤病数据库290中的关联伤病关系列表，形成用树形图表示了伤病的相互的关系的关联伤病的关联图。该关联图是通过树形图对一般已知的伤病的发展经过进行分组而得到的。由此，死因候选检索部250能够从所提取的“肝癌”、“前列腺肥大症(7年前和Ai)”、“C型肝炎”以及“腹水”的死因候选进行接下来的关联图那样的分组。
图13是本实施方式的Ai中心终端200的死因候选检索部250根据关联伤病关系列表从与死因有关联的死因候选进行了基于关联图的分组的说明图。
如图13所示，死因候选检索部250(图3)能够将死因候选的伤病分成由包括“肝癌”、“C型肝炎”以及“腹水”的关联图A构成的组、和由包括“前列腺肥大症”的关联图B构成的组。
在图13所示的关联图A中，示出了如果患过“C型肝炎”，则发展为“慢性肝炎”、“肝硬化”。另外，作为“肝硬化”的转换期，考虑为达到“肝功能衰竭”、“肝癌”、“失血性休克”的状态。另外，“腹水”作为“肝癌”或者“肝硬化”的转换期，定位成症状发展了的状态。
在图13所示的关联图B中，示出了如果患过“前列腺肥大症”，则发展为“尿道狭窄”、“肾积水”、“尿毒症”。另外，用关联图A以及关联图B表示的各伤病相当于关联伤病关系列表中的关联伤病。
这样，死因候选检索部250根据从医院A的终端300以及医院B的终端400取得的伤病历史、和由诊断信息取得部220取得的诊断信息，检索登记有伤病的伤病数据库290，根据轻重度而提取(检索)与死因有关联的死因候选。
另外，本实施方式的Ai中心终端200也可以将图13所示的关联伤病的关联图显示于显示部296中。在该情况下，Ai中心终端200能够将死因候选检索部250提取(检索)的关联伤病、和与死因有关联的死因候选显示于显示部296中。
在步骤S111(图6)中，死因推测部260(图3)根据所提取(检索)出的死因候选表示的因果关系，推测遗体的直接死因及该直接死因的原因。具体而言，死因推测部260将所提取(检索)出的死因候选按照时间序列而重排，根据该按照时间序列而重排了的死因候选推测遗体的直接死因及该直接死因的原因。
图14是本实施方式的Ai中心终端200的死因推测部260将死因候选按照时间序列而重排、并根据该按照时间序列而重排了的死因候选推测遗体的直接死因及该直接死因的原因的说明图。
在图14(X)中，死因推测部260首先将所提取出的全部伤病按照时间序列而重排。然后，如图14(Y)、(Z)所示，参照在伤病数据库290中保存的关联伤病关系列表，形成与图13同样的关联图，同时根据与时系列对应的伤病生成伤病组。
具体而言，伤病组Gr1形成了包括作为Ai中心终端200的诊断信息的“腹水(Ai)”和“肝癌(Ai)”、以及作为从医院A取得的伤病历史的“C型肝炎(5年前)”的组。另外，伤病组Gr2形成了包括作为从医院A取得的伤病历史的“前列腺肥大症(7年前)”、和作为Ai中心终端200的诊断信息的“前列腺肥大症(Ai)”的组。
特别地，示出了关于伤病组Gr2表示的前列腺肥大症，在7年前发症，而当前的遗体(死亡了的患者)仍然患有的情况。这样，死因推测部260通过根据通过死因候选检索部250进行的基于伤病的因果关系的分组化，将伤病按照时间序列而重排，根据重排了的死因候选推测遗体的直接死因及该直接死因的原因。
具体而言，在图14所示的例子中，针对每个伤病附加了轻重度级别(例如(S)、(A)、(C)等)，作为死因候选，附加了轻重度最高的S级别的“肝癌”被推测为直接死因，该直接死因的原因被推测为5年前患上的“C型肝炎”。
另外，“腹水”并非伤病名而是“在腹腔内液体存积了的状态”的症状名，与“失血性休克”这样的症状不同，不易被判断为死因。因此，“腹水”不适合于记载于死亡诊断书，所以设为“不需要记载”(图4)。
另外，在本实施方式中，在医院A的终端300和医院B的终端400的伤病历史中没有与手术的记录有关的信息，但假设有进行过肝癌手术这样的信息的情况下，由于是与和死因有关系的伤病有关的手术，所以需要记载于死亡诊断书中。
在该情况下，例如，也可以设为伤病历史取得部240从医院A的终端300取得做过肝癌的手术的历史，死因候选检索部250根据从医院A的终端300取得的肝癌的手术的历史，提取为与死因有关联的死因候选，死因推测部260将肝癌的手术推测为直接死因。
另外，本实施方式的Ai中心终端200也可以将图14所示的时系列的伤病组的说明图显示于显示部296中。在该情况下，Ai中心终端200能够将死因推测部260按照时间序列而重排了的死因候选以及遗体的直接死因及该直接死因的原因显示于显示部296中。
在步骤S113(图6)中，死亡诊断书模板发送部265(图3)将由死因推测部260推测出的遗体的直接死因及该直接死因的原因、和有无针对这些疾患的手术填写到生成遗体的死亡诊断书的死亡诊断书模板中，并将填写了的该死亡诊断书模板发送到外部。
另外，死亡诊断书模板发送部265将死亡诊断书模板发送到担当医院500，但本实施方式不限于此。例如，也可以送到进行死因统计的厚生劳动省，并且也可以根据事件、事故而发送到警察、医院A或者医院B。
图15是本实施方式的Ai中心终端200的死亡诊断书模板发送部265将所推测出的遗体的直接死因及该直接死因的原因填写到生成遗体的死亡诊断书的死亡诊断书模板后的死亡诊断书模板的说明图。
如图15所示，死亡诊断书模板发送部265将由死因推测部260推测出的死因候选及该死因候选的原因填写到死亡诊断书模板中。另外，由于将关联伤病按照时间序列而重排，所以还能够识别直接死因或者其原因的发症时期，能够在死亡诊断书模板中还填写直接死因或者该原因的时期。
具体而言，死亡的直接死因是“肝癌”，该“肝癌”的原因被填写为“C型肝炎”。另外，关于“肝癌”，例如，填写从2个月前起一直治疗中的意思，并且关于“C型肝炎”的发症，通过医院A的伤病历史填写为在5年前患上。
另外，死亡诊断书模板发送部265不仅限于将由死因推测部260推测出的死因候选及该死因候选的原因填写到死亡诊断书模板中，例如，也可以是还填写遗体的姓名、出生年月日、或者死亡时的住址等的方式。
如以上说明，本实施方式的Ai中心终端200取得Ai中心的读影医生进行的读影结果(诊断信息)、以及医院A、医院B等其他医院的伤病历史。Ai中心终端200根据诊断信息和伤病历史检索伤病数据库290的关联伤病关系列表，推测死因候选，根据该死因候选而制作死亡诊断书模板。
由此，本实施方式的Ai中心终端200能够推测准确并且详细的死亡原因(直接死因及该直接死因的原因)来制作死亡诊断书模板，所以通过Ai中心终端200的读影医生、担当医生确认该死亡诊断书模板，能够向担当医院500的担当医生发送死亡诊断书模板、或者发送到厚生劳动省的死因统计机关等。
另外，担当医院500的担当医生们能够根据Ai中心中的诊断信息和医院A、医院B等的伤病历史等，掌握更准确的死亡的直接死因及该直接死因的原因，所以能够高精度地识别直接死因及该直接死因的原因的因果关系。
另外，本实施方式的Ai中心终端200通过内部的算法处理图13以及图14所示的处理，但不限于此，例如，也可以将伤病与关联伤病的关联图、因果关系适当地显示于显示部296中。
另外，本实施方式的Ai中心终端200不限于上述实施方式，例如，还能够应用于“流行病学数据库的构筑”、“与癌症有关的伤病组的研究”等中的“死因的推测”的信息收集等。
虽然说明了本发明的几个实施方式，但这些实施方式仅为例示，并不意图限定发明的范围。这些实施方式能够通过其他各种方式实施，能够在不脱离发明的要旨的范围内进行各种省略、置换、变更。这些实施方式、其变形包含于发明的范围、要旨内，并且包含于权利要求书记载的发明和其均等范围内。
另外，在本发明的实施方式中，示出了沿着所记载的顺序按照时间序列而进行流程图的各步骤的处理的例子，但不限于按照时间序列地处理，还包括并行或者个别执行的处理。

Claims (14)

1.一种死因推测装置，其特征在于，具备：
诊断信息取得部，取得基于遗体的图像数据的诊断信息；
伤病历史取得部，取得与所述遗体关联的生前的诊疗历史；
伤病数据库，存储有关联伤病关系列表，该关联伤病关系列表将伤病名、所述伤病名中记载的伤病发展了时的关联伤病名以及作为引起所述伤病的原因的原因伤病名建立关联；
死因候选检索部，根据所取得的所述诊断信息和所述生前的诊疗历史检索所述关联伤病关系列表，根据伤病的轻重度检索与死因有关联的死因候选；以及
死因推测部，根据所检索到的所述死因候选表示的因果关系，推测所述遗体的直接死因及该直接死因的原因。
2.根据权利要求1所述的死因推测装置，其特征在于，
所述死因候选检索部根据所取得的所述诊断信息和所述生前的诊疗历史，从所述伤病数据库的关联伤病关系列表提取表示伤病的发展情形的关联伤病，根据该关联伤病，检索与所述死因有关联的死因候选。
3.根据权利要求1或者2所述的死因推测装置，其特征在于，
所述死因推测部将所检索到的所述死因候选按照时间序列而重排，从该按照时间序列而重排了的死因候选中推测所述遗体的直接死因及该直接死因的原因。
4.根据权利要求1或2所述的死因推测装置，其特征在于，
还具备模板发送部，该模板发送部将所推测出的所述遗体的直接死因及该直接死因的原因填写到制作所述遗体的死亡诊断书的死亡诊断书模板中，并将该填写后的死亡诊断书模板发送到外部。
5.根据权利要求3所述的死因推测装置，其特征在于，
还具备模板发送部，该模板发送部将所推测出的所述遗体的直接死因及该直接死因的原因填写到制作所述遗体的死亡诊断书的死亡诊断书模板中，并将该填写后的死亡诊断书模板发送到外部。
6.根据权利要求2所述的死因推测装置，其特征在于，
还具备显示部，
所述死因候选检索部使所述显示部能够视觉观察地显示所提取的所述关联伤病和与所述死因有关联的死因候选。
7.根据权利要求3所述的死因推测装置，其特征在于，
还具备显示部，
所述死因推测部使所述显示部显示按照时间序列而重排了的所述死因候选以及所述遗体的直接死因及该直接死因的原因。
8.根据权利要求1或2所述的死因推测装置，其特征在于，
还具备伤病历史要求部，该伤病历史要求部根据与所述遗体关联的生前的定期复查历史，要求每个医院所登记的伤病历史，
所述伤病历史取得部从登记有所要求的所述伤病历史的医院的终端取得所述伤病历史而作为所述生前的诊疗历史。
9.根据权利要求3所述的死因推测装置，其特征在于，
还具备伤病历史要求部，该伤病历史要求部根据与所述遗体关联的生前的定期复查历史，要求每个医院所登记的伤病历史，
所述伤病历史取得部从登记有所要求的所述伤病历史的医院的终端取得所述伤病历史而作为所述生前的诊疗历史。
10.根据权利要求4所述的死因推测装置，其特征在于，
还具备伤病历史要求部，该伤病历史要求部根据与所述遗体关联的生前的定期复查历史，要求每个医院所登记的伤病历史，
所述伤病历史取得部从登记有所要求的所述伤病历史的医院的终端取得所述伤病历史而作为所述生前的诊疗历史。
11.根据权利要求5所述的死因推测装置，其特征在于，
还具备伤病历史要求部，该伤病历史要求部根据与所述遗体关联的生前的定期复查历史，要求每个医院所登记的伤病历史，
所述伤病历史取得部从登记有所要求的所述伤病历史的医院的终端取得所述伤病历史而作为所述生前的诊疗历史。
12.根据权利要求6所述的死因推测装置，其特征在于，
还具备伤病历史要求部，该伤病历史要求部根据与所述遗体关联的生前的定期复查历史，要求每个医院所登记的伤病历史，
所述伤病历史取得部从登记有所要求的所述伤病历史的医院的终端取得所述伤病历史而作为所述生前的诊疗历史。
13.根据权利要求7所述的死因推测装置，其特征在于，
还具备伤病历史要求部，该伤病历史要求部根据与所述遗体关联的生前的定期复查历史，要求每个医院所登记的伤病历史，
所述伤病历史取得部从登记有所要求的所述伤病历史的医院的终端取得所述伤病历史而作为所述生前的诊疗历史。
14.一种死因推测装置的死因推测方法，其特征在于，包括：
诊断信息取得步骤，取得基于遗体的图像数据的诊断信息；
伤病历史取得步骤，取得与所述遗体关联的生前的诊疗历史；
死因候选检索步骤，根据所取得的所述诊断信息和所述生前的诊疗历史检索关联伤病关系列表，根据伤病的轻重度检索与死因有关联的死因候选，所述关联伤病关系列表将伤病名、所述伤病名中记载的伤病发展了时的关联伤病名以及作为引起所述伤病的原因的原因伤病名建立关联；以及
死因推测步骤，根据所检索到的所述死因候选表示的因果关系，推测所述遗体的直接死因及该直接死因的原因。
CN201380003613.4A 2012-10-16 2013-10-15 死因推测装置及其死因推测方法 Active CN103890807B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2012229199 2012-10-16
JP2012-229199 2012-10-16
PCT/JP2013/077942 WO2014061650A1 (ja) 2012-10-16 2013-10-15 死因推定装置およびその死因推定方法

Publications (2)

Publication Number Publication Date
CN103890807A CN103890807A (zh) 2014-06-25
CN103890807B true CN103890807B (zh) 2016-12-21

Family

ID=50488211

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201380003613.4A Active CN103890807B (zh) 2012-10-16 2013-10-15 死因推测装置及其死因推测方法

Country Status (4)

Country Link
US (1) US20140337057A1 (zh)
JP (1) JP6195364B2 (zh)
CN (1) CN103890807B (zh)
WO (1) WO2014061650A1 (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20160099344A (ko) * 2015-02-12 2016-08-22 현대자동차주식회사 인터페이스 장치, 이와 연결되는 차량 검사 장치, 및 차량 검사 장치의 제어방법
CA3003226A1 (en) * 2015-10-30 2017-05-04 Koninklijke Philips N.V. Image context aware medical recommendation engine
JP6932570B2 (ja) * 2017-07-03 2021-09-08 株式会社日立製作所 保険設計支援システム及び保険設計支援方法
CN112365971B (zh) * 2020-11-09 2021-06-11 罗鑫龙 一种基于5g的远程互联网大数据智慧医疗系统
US11515017B2 (en) * 2021-02-01 2022-11-29 Konica Minolta Healthcare Americas, Inc. Deletion of medical information shared between management server and healthcare facilities
US20230062811A1 (en) * 2021-08-24 2023-03-02 PAIGE.AI, Inc. Systems and methods for processing electronic images in forensic pathology
EP4425507A1 (de) 2023-03-02 2024-09-04 ACMIT Gmbh System zur identifikation von medizinischen daten, computerimplementiertes verfahren dafür, computerprogrammprodukt sowie ein computerlesbares speichermedium

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009252023A (ja) * 2008-04-08 2009-10-29 Topcon Corp 診断書作成支援装置及びプログラム
CN102203619A (zh) * 2008-10-31 2011-09-28 圣文森特医院悉尼有限公司 慢性肾病中的预测方法
CN102222163A (zh) * 2011-05-25 2011-10-19 中国人民解放军防化指挥工程学院 一种具有免疫期且受季节影响的传染病疫情预测方法
JP2012084114A (ja) * 2010-09-16 2012-04-26 Imagequest Inc 人物識別情報対応付けシステム及びプログラム
CN102665565A (zh) * 2010-10-29 2012-09-12 株式会社东芝 医用图像处理装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8538770B2 (en) * 2000-08-01 2013-09-17 Logical Images, Inc. System and method to aid diagnoses using cross-referenced knowledge and image databases
US8380533B2 (en) * 2008-11-19 2013-02-19 DR Systems Inc. System and method of providing dynamic and customizable medical examination forms
KR20110090670A (ko) * 2010-02-04 2011-08-10 주식회사 제론헬스케어 사체 검안용 데이터베이스 및 사체 검안용 시스템
US8504142B2 (en) * 2010-11-12 2013-08-06 Oulun Yliopisto Apparatus, method, and computer program for predicting risk for cardiac death

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009252023A (ja) * 2008-04-08 2009-10-29 Topcon Corp 診断書作成支援装置及びプログラム
CN102203619A (zh) * 2008-10-31 2011-09-28 圣文森特医院悉尼有限公司 慢性肾病中的预测方法
JP2012084114A (ja) * 2010-09-16 2012-04-26 Imagequest Inc 人物識別情報対応付けシステム及びプログラム
CN102665565A (zh) * 2010-10-29 2012-09-12 株式会社东芝 医用图像处理装置
CN102222163A (zh) * 2011-05-25 2011-10-19 中国人民解放军防化指挥工程学院 一种具有免疫期且受季节影响的传染病疫情预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
死因鉴定思路及死因辨析;秦志强;《中国司法鉴定》;20041231(第S1期);第9-13页 *

Also Published As

Publication number Publication date
CN103890807A (zh) 2014-06-25
JP6195364B2 (ja) 2017-09-13
US20140337057A1 (en) 2014-11-13
JP2014097371A (ja) 2014-05-29
WO2014061650A1 (ja) 2014-04-24

Similar Documents

Publication Publication Date Title
CN103890807B (zh) 死因推测装置及其死因推测方法
JP4087640B2 (ja) 疾患候補情報出力システム
JP5459423B2 (ja) 診断システム
CN110033859A (zh) 评估患者的医学检查结果的方法、系统、程序和存储介质
US20130024213A1 (en) Method and system for guided, efficient treatment
US8934687B2 (en) Image processing device, method and program including processing of tomographic images
KR20170028931A (ko) 조영제-기반의 의료 절차에서 부작용을 관리하기 위한 시스템 및 방법
JP2016162059A (ja) 計測値管理装置とその作動方法および作動プログラム、並びに計測値管理システム
US20080249807A1 (en) Interpretation support system
CN110428886A (zh) 使用移动设备的自动射线照相诊断
JP2008234309A (ja) 症例収集システム
JP2009009396A (ja) 検診情報管理システム及び管理方法
JP7330744B2 (ja) 医用情報処理装置、オーダリングシステム及びプログラム
JP2007007190A (ja) 診断システム、管理サーバ及び画像データ管理方法
Porter et al. Retained surgical item identification on imaging studies: a training module for radiology residents
Ogunyemi et al. Combining geometric and probabilistic reasoning for computer-based penetrating-trauma assessment
US12014823B2 (en) Methods and systems for computer-aided diagnosis with deep learning models
JP5191693B2 (ja) 検診情報管理システム及び管理方法
KR20170046115A (ko) 의료 영상과 관련된 장치들 간에 송수신되는 의료 데이터를 생성하는 방법 및 장치.
JPH08289875A (ja) 画像収集方式
JP5428972B2 (ja) 検像装置及び検像システム
da Mota Santana et al. Can GPT-4 be a viable alternative for discussing complex cases in digital oral radiology? A critical analysis
JP6633322B2 (ja) 情報提供システムおよび情報提供方法
KR102025613B1 (ko) 의료 영상 검사 시스템 및 방법
JP7534184B2 (ja) 情報処理方法、情報処理システム及びプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C41 Transfer of patent application or patent right or utility model
TA01 Transfer of patent application right

Effective date of registration: 20160721

Address after: Japan Tochigi

Applicant after: Toshiba Medical System Co., Ltd.

Address before: Tokyo, Japan, Japan

Applicant before: Toshiba Corp

Applicant before: Toshiba Medical System Co., Ltd.

C14 Grant of patent or utility model
GR01 Patent grant