CN108073676B - 图像检索设备以及图像检索方法 - Google Patents

图像检索设备以及图像检索方法 Download PDF

Info

Publication number
CN108073676B
CN108073676B CN201711046380.2A CN201711046380A CN108073676B CN 108073676 B CN108073676 B CN 108073676B CN 201711046380 A CN201711046380 A CN 201711046380A CN 108073676 B CN108073676 B CN 108073676B
Authority
CN
China
Prior art keywords
image
contour
reduced
outline
predetermined shape
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
CN201711046380.2A
Other languages
English (en)
Other versions
CN108073676A (zh
Inventor
武部浩明
森胁康贵
杉村昌彦
远藤进
马场孝之
上原祐介
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Publication of CN108073676A publication Critical patent/CN108073676A/zh
Application granted granted Critical
Publication of CN108073676B publication Critical patent/CN108073676B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/755—Deformable models or variational models, e.g. snakes or active contours
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Optics & Photonics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Quality & Reliability (AREA)
  • Physiology (AREA)
  • Dentistry (AREA)
  • Pulmonology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Human Computer Interaction (AREA)
  • Library & Information Science (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本公开内容涉及图像检索设备和图像检索方法。根据实施方式，图像检索设备在弥漫性肺部疾病的诊断中基于目标医学图像中的器官区域中的异常阴影的位置来检索候选医学图像。该设备包括存储器和处理器，处理器耦接至存储器并且被配置成：将目标医学图像中的器官区域映射到具有预定形状的图像以使得能够识别异常阴影是分布在器官区域中的第一部分上还是分布在器官区域中的第二部分上，异常阴影在第一部分内和在第二部分内的发生部分在组织上是不同的；以及，计算在映射之后异常阴影在具有预定形状的图像中的位置。

Description

图像检索设备以及图像检索方法
技术领域
本文所讨论的实施方式涉及相似病例中的图像检索设备以及图像检索方法。
背景技术
常规地，在医疗设施中，已经执行了对比阅读，并且将相似病例图像检索设备用作检索相似疾病病例的医学图像的设备，其中，在对比阅读中，参考与作为诊断目标的医学图像的疾病病例相似的过往疾病病例(相似疾病病例)来作出诊断。
弥漫性肺部疾病是放射科诊断医生在执行对比阅读时难以作出诊断的病例之一。弥漫性肺部疾病是使得肺部的广泛区域中的功能受损并且受损部分呈现为异常阴影的疾病，该疾病具有异常阴影的形状和分布复杂且多样化的特征。由于该原因，弥漫性肺部疾病的诊断比孤立性肺部结节癌的诊断更难，并且检索相似疾病病例的医学图像是重要的。
为解决该问题，例如，日本特开专利公报No.2009-45121、No.2007-275216以及No.2007-286945提出了一种用于基于针对诊断目标医学图像中的区域中的异常阴影的形状而计算的图像特征量来检索相似病例的医学图像的方法。此外，日本特开专利公报No.2006-34585提出了一种用于检索具有在与诊断目标医学图像中的异常阴影的位置相似的位置处的异常阴影的医学图像的方法。
发明内容
根据本发明的一方面，一种图像检索设备，其在弥漫性肺部疾病的诊断中基于目标医学图像中的器官区域中的异常阴影的位置来检索候选医学图像。该设备包括存储器和处理器，处理器耦接至存储器并且被配置成：将目标医学图像中的器官区域映射到具有预定形状的图像以使得能够识别异常阴影是分布在器官区域中的第一部分上还是分布在器官区域中的第二部分上，异常阴影在第一部分内和在第二部分内的发生部分在组织上是不同的；以及，计算在映射之后异常阴影在具有预定形状的图像中的位置。
附图说明
图1是示出示例CT图像处理系统的图；
图2是示出相似病例图像检索设备的硬件配置的图；
图3A和图3B均是示出相似病例图像检索设备的示例显示画面的第一图；
图4A和图4B均是示出相似病例图像检索设备的示例显示画面的第二图；
图5是示出示例特征量信息的表格；
图6是示出示例CT图像信息的表格；
图7是示出相似病例图像检索设备的登记部的示例功能配置的图；
图8A和图8B均是示出由阴影提取部执行的阴影提取处理的示例的图；
图9A和图9B均是示出由分布转换部执行的轮廓提取处理的示例的图；
图10A至图10F均是示出由分布转换部执行的边界点提取处理的示例的图；
图11A至图11C均是示出由分布转换部执行的非线性映射处理的示例的图；
图12A和图12B均是示出由分布转换部执行的异常阴影块映射处理的示例的图；
图13是示出由分布转换部执行的分布特征量计算处理的示例的图；
图14是示出相似病例图像检索设备的检索部的示例功能配置的图；
图15是示出由整理部执行的整理处理的示例的图；
图16是CT图像处理系统中的相似病例图像检索处理的顺序图；
图17是示出相似病例图像检索处理的示例结果的图；以及
图18A和图18B均是示出由分布转换部执行的非线性映射处理的另外的示例的图。
具体实施方式
在弥漫性肺部疾病的病例中，放射科诊断医生等通常不仅考虑医学图像中的每个区域中的异常阴影的形状特征而且考虑整个肺部区域中的异常阴影的分布特征来作出诊断。由于该原因，难以通过如日本特开专利公报No.2009-45121、No.2007-275216以及No.2007-286945中的基于每个异常阴影的图像特征量检索医学图像的系统来检索相似疾病病例的医学图像。
相比之下，在日本特开专利公报No.2006-34585中，考虑到诊断目标医学图像中的异常阴影的位置来检索医学图像。然而，在弥漫性肺部疾病的病例中，其特征包括异常阴影在肺部的广泛区域上的分布，而且即使当异常阴影的位置在各病例之间不相似时，病例可能是相似的，或者相反地，即使当异常阴影的位置在各病例之间相似时，病例可能是不相似的。简言之，即使考虑异常阴影的位置之间的相似性/相异性也难以检索相似病例的医学图像。
本公开内容的一方面的目的在于提供一种能够针对弥漫性肺部疾病来检索相似病例的医学图像的检索技术。
在下文中，将参照附图来描述实施方式。要注意，在描述和附图中，用相同的符号来标记具有基本上相同的功能配置的部件，以省略冗余描述。
[第一实施方式]
<CT图像处理系统的系统配置>
首先，将描述第一实施方式中的包括相似病例图像检索设备的CT图像处理系统。图1是示出示例CT图像处理系统的图。
CT图像处理系统100具有计算机断层扫描(CT)设备110、相似病例图像检索设备120以及图像数据库(在下文中，将数据库简称为DB)130。CT设备110和相似病例图像检索设备120经由线111耦接，各种类型的数据在这两个设备之间被发送和接收。另外，相似病例图像检索设备120和图像DB 130经由线112耦接，各种类型的数据也在这两个设备之间被发送和接收。
CT设备110通过利用放射线扫描患者的身体并且使用计算机处理图像(在下文中，将这样的处理称为“捕获CT图像”)来生成作为医学图像的CT图像，其中，CT图像为患者的断层图像。CT设备110将捕获的CT图像发送至相似病例图像检索设备120。
在相似病例图像检索设备120中，安装了相似病例图像检索程序，并且相似病例图像检索设备120通过由计算机执行相似病例图像检索程序来起到相似病例图像检索部140的作用。
相似病例图像检索部140具有登记部141、检索部142和显示控制部143。登记部141将由CT设备110捕获的CT图像存储在图像DB 130中，计算该CT图像的分布特征量(随后将描述细节)，并且将分布特征量存储在特征量信息DB 150中。
检索部142计算由CT设备110捕获的诊断目标CT图像的分布特征量。另外，检索部142从特征量信息DB 150中的检索目标中检索与所计算的分布特征量相似的分布特征量，从而来检索与诊断目标的CT图像的疾病病例相似的疾病病例的CT图像。另外，检索部142向显示控制部143通知识别检索到的CT图像的标识符。
显示控制部143向放射科诊断医生等显示显示画面以执行针对诊断目标的CT图像的对比阅读。显示画面提供显示功能以显示诊断目标的CT图像。而且，显示画面向放射科诊断医生等提供指令功能以检索与诊断目标的CT图像的疾病病例相似的疾病病例的CT图像。此外，显示画面提供对比显示功能以基于来自检索部142的通知来与诊断目标的CT图像相对比地显示从图像DB 130中读取的CT图像。
图像DB 130存储由CT设备110捕获的CT图像。另外，图像DB 130基于来自相似病例图像检索设备120的指令将所存储的CT图像发送至相似病例图像检索设备120。
<相似病例图像检索设备的硬件配置>
接下来，将描述相似病例图像检索设备120的硬件配置。图2是示出相似病例图像检索设备的硬件配置的图。如图2所示，相似病例图像检索设备120包括中央处理单元(CPU)201、只读存储器(ROM)202和随机存取存储器(RAM)203。CPU 201、ROM 202和RAM 203形成所谓的计算机。
另外，相似病例图像检索设备120包括辅助存储装置204、耦接装置205、显示装置206、操作装置207和驱动装置208。要注意，相似病例图像检索设备120的每个硬件经由总线209彼此耦接。
CPU 201执行存储在辅助存储装置204中的各种程序(例如，相似病例图像检索程序)。
ROM 202是非易失性存储器。ROM 202用作主存储器，该主存储器存储CPU 201执行存储在辅助存储装置204中的各种程序时所请求的各种程序和数据。具体地，ROM 202存储引导程序如基本输入/输出系统(BIOS)和可扩展固件接口(EFI)。
ROM 203是易失性存储器并且包括动态随机存取存储器(DRAM)和静态随机存取存储器(SRAM)。RAM 203是主存储器，该主存储器提供当CPU 201执行存储在辅助存储装置204中的各种程序时被分配的工作区。
辅助存储装置204是记录安装在相似病例图像检索设备120中的各种程序和通过执行所述各种程序而生成的数据的计算机可读辅助存储器。特征量信息DB 150实现在辅助存储装置204中。
耦接装置205耦接至CT设备110和图像DB 130，并且在CT设备110与图像DB 130之间发送和接收各种类型的数据。显示装置206基于显示控制部143的控制来显示由放射科诊断医生等使用以执行针对诊断目标的CT图像的对比阅读的显示画面。操作装置207接收由放射科诊断医生对相似病例图像检索设备120执行的各种操作。
驱动装置208是用于设置记录介质210的装置。本文中的记录介质210包括光学地、电学地或磁性地记录信息的介质，如CD-ROM、软盘或磁光盘。替选地，记录介质210可以包括电学地记录信息的半导体存储器，如ROM和闪速存储器。
要注意，例如通过向驱动装置208设置分布式记录介质210并且由驱动装置208读取记录在记录介质210上的各种程序来安装存储在辅助存储装置204中的各种程序。替选地，可以从网络下载并且经由耦接装置205来安装存储在辅助存储装置204中的各种程序。
<显示画面的示例显示>
接下来，将描述由显示控制部143在显示装置206上显示的显示画面。图3A和图3B与图4A和图4B分别是示出相似病例图像检索设备的示例显示画面的第一图和第二图。
如图3A和图3B所示，显示画面300包括用于显示由CT设备110捕获的诊断目标CT图像的诊断目标图像显示区310。
另外，显示画面300包括用于指定检索条件的检索条件指定区320，其中，基于所指定的检索条件来检索与诊断目标图像显示区310上显示的诊断目标CT图像的疾病病例相似的疾病病例的CT图像。
检索条件指定区320是以下的指定区：在该指定区中，放射科诊断医生指定基于针对从诊断目标CT图像中提取的异常阴影中的预定类型的异常阴影计算的分布特征量来搜索特征量信息DB 150中的检索目标。
要注意，在第一实施方式中，基于图像特征量将从由CT设备110捕获的CT图像中提取的阴影归类成五种类型的异常阴影和一种类型的正常阴影当中的一种。五种类型的异常阴影包括“实变”、“毛玻璃样”、“蜂窝状”、“肺气肿”和“结节”。当放射科诊断医生指定五种类型的异常阴影中的至少一种时，检索部142基于针对所指定的异常阴影计算的分布特征量来搜索特征量信息DB 150中的检索目标。
而且，显示画面300包括检索按钮330。检索按钮330是用于指示检索部142基于检索条件来检索目标的按钮。
而且，显示画面300包括检索结果显示区340。检索结果显示区340基于针对诊断目标CT图像计算的分布特征量来显示对于特征量信息DB150中的检索目标的搜索结果。
而且，显示画面300包括相似病例检索结果显示区350。相似病例检索结果显示区350显示由放射科诊断医生从检索结果显示区340上显示的检索结果中指定的CT图像。
图3A示出了在显示画面300的诊断目标图像显示区310上显示由CT设备110捕获的诊断目标CT图像的方式。
图3B示出了在诊断目标CT图像显示在显示画面300的诊断目标图像显示区310上的情况下在检索条件指定区320上指定检索条件的方式。图3B的示例示出了“实变”和“毛玻璃样”被指定为检索条件。
当在图3B中所示的状态下由放射科诊断医生按下检索按钮330时，转变至图4A和图4B所示的显示画面300。
图4A示出了在检索结果显示区340上显示CT图像的标识符的方式，所述CT图像是在通过按下检索按钮330来触发的情况下由搜索特征量信息DB 150中的检索目标的检索部142获得的检索结果。
如图4A所示，在检索结果显示区340上显示的检索结果包括作为信息项的“ID”、“缩略图”和“相似度”。“ID”存储用于识别由检索部142检索到的每个CT图像的标识符。在“缩略图”中，显示通过“ID”来识别的CT图像的缩略图图像。“相似度”存储诊断目标CT图像与检索部142检索到的每个CT图像之间的分布特征量的相似度。要注意，按照相似度的降序来布置在检索结果显示区340上显示的多个检索结果。
图4B示出了由放射科诊断医生从显示在检索结果显示区340上的检索结果中选择预定检索结果并且在相似病例检索结果显示区350上显示与所选择的检索结果对应的CT图像的方式。
具体地，图4B的示例示出了选择具有最高相似度的检索结果(ID＝“ID001”)并且在相似病例检索结果显示区350上显示对应CT图像(相似疾病病例的CT图像)的方式。因此，放射科诊断医生可以在参考与诊断目标CT图像的疾病病例相似的疾病病例的CT图像的同时执行对比阅读以对诊断目标CT图像作出诊断。
要注意，显示画面300上的显示内容不限于图3A、图3B、图4A和图4B中所示的，而是，例如，可以显示关于诊断目标患者的信息。替选地，可以与在相似病例检索结果显示区350上显示的CT图像相关联地显示存储在图像DB 130中的多种信息。
<特征量信息DB和图像DB>
接下来，将描述存储在特征量信息DB 150中的特征量信息和存储在图像DB 130中的CT图像信息的细节。图5是示出存储在特征量信息DB中的示例特征量信息的表格。
如图5所示，特征量信息500包括作为信息项的“ID”、“缩略图图像”、“类型”、“片段数目”、“分布特征量”。
“ID”存储用于识别存储在图像DB 130中的CT图像的标识符。“缩略图”存储CT图像的缩略图图像的文件名。“类型”存储指示从CT图像提取的阴影的类型的信息。如上所述，在第一实施方式中，将从CT图像中提取的阴影归类成五种类型的异常阴影和一种类型的正常阴影中的一种。因此，“类型”存储五种类型的异常阴影(这里，方便起见称为异常阴影1至异常阴影5)和一种类型的正常阴影。“片段数目”存储随后描述的在CT图像中的被识别为每种类型的阴影的块的数目。
“分布特征量”存储从CT图像提取的每个阴影的坐标(x，y)，其中，坐标的数目是存储在“片段数目”中的数目。要注意，存储在“分布特征量”中的坐标指示每个阴影在从CT图像映射的具有预定形状的图像中的坐标。具有预定形状的图像是具有可以识别异常阴影分布在肺部区域中(器官区域中)的第一部分(中心部分)和第二部分(外围部分)中的哪个部分中的形状的图像，其中，所述第二部分(外围部分)具有在组织上与第一部分不同的发生部分。要注意，在第一实施方式中，在具有预定形状的图像是矩形图像的假设下给出描述。
图6是示出存储在图像DB中的示例CT图像信息的表格。如图6所示，CT图像信息600包括作为信息项的“ID”、“图像”、“患者信息”、“诊断结果”和“诊断医生”。
“ID”存储用于识别存储在图像DB 130中的CT图像的标识符。“图像”存储CT图像文件的文件名。“患者信息”存储关于CT图像被捕获的患者的详细信息(如患者ID、姓名、年龄、性别)。“诊断结果”存储CT图像的诊断结果。“诊断医生”存储用于识别对相应CT图像作出诊断的放射科诊断医生的ID。
要注意，可以在捕获CT图像时或者在捕获之后的预定定时处作出对存储在图像DB中的CT图像的诊断。此外，除诊断结果之外，可以与诊断结果相关联地存储多种信息，如对患者执行的治疗的细节以及治疗之后的状态。
<相似病例图像检索设备的登记部的功能配置>
接下来，将依次描述相似病例图像检索设备120的各个部(登记部141、检索部142、显示控制部143)中的登记部141和检索部142的细节。首先，将描述登记部141的细节。
图7是示出相似病例图像检索设备的登记部的示例功能配置的图。如图7所示，登记部141具有阴影提取部710和分布转换部720。
当放射科诊断医生启动登记部141以输入患者信息之后由CT设备110捕获患者的CT图像时，登记部141的阴影提取部710和分布转换部720工作。
阴影提取部710获得由CT设备110捕获的CT图像(例如，文件名＝“IMAGE001”)，并且将标记有ID的CT图像与患者信息一起存储在图像DB 130中。另外，阴影提取部710执行阴影提取处理以从所获得的CT图像中提取阴影。
具体地，阴影提取部710首先将CT图像划分成指定大小的网格，从而生成部分图像(在下文中称为“块”)。而且，阴影提取部710提取通过统计性地处理包括在所生成的块中的每个块中的每个像素的亮度值而计算的多维向量，作为图像特征量。此外，阴影提取部710基于所提取的多维向量来识别与每个块对应的阴影(实变、毛玻璃样、蜂窝状、肺气肿、结节、正常)。
要注意，为了基于所提取的多维向量来识别与每个块对应的阴影，假设阴影提取部710预先计算指示每一阴影(实变、毛玻璃样、蜂窝状、肺气肿、结节、正常)的表示向量。阴影提取部710计算从每个块提取的多维向量与预先计算的指示每一阴影的表示向量之间的距离，从而利用最短距离来识别与表示向量对应的阴影。
阴影提取部710针对每种类型的阴影对所识别的阴影的块的数目进行计数，并且将块的数目与CT图像的ID和缩略图一起存储在特征量信息500中。
分布转换部720具有轮廓提取部721、边界点提取部722、非线性映射部723、异常阴影块映射部724和分布特征量计算部725。分布转换部720通过分布转换部720中的部721至部725的操作将CT图像中的通过阴影提取部710生成的每个块映射到矩形图像，并且计算每个块在映射的图像中的坐标。
具体地，轮廓提取部721执行轮廓提取处理，并且从CT图像中提取肺部区域的轮廓。轮廓提取部721提取通过缩小所提取的轮廓而获得的缩小轮廓(称为第一缩小轮廓)。另外，轮廓提取部721提取通过缩小提取的第一缩小轮廓而获得第二缩小轮廓。类似地，轮廓提取部721提取第n缩小轮廓(n为大于或等于3的整数)。
边界点提取部722执行边界点提取处理以从由轮廓提取部721提取的每个肺部区域的轮廓中提取边界点来分离中心部分和外围部分。边界点提取部722从CT图像中的右边和左边的肺部区域中的每一个中提取作为指示中心部分的两端的边界点的两个点以及作为指示外围部分的两端的边界点的两个点。
边界点提取部722对第一缩小轮廓至第n缩小轮廓执行相同处理，并且从每个缩小轮廓中提取作为指示中心部分的两端的边界点的两个点以及作为指示外围部分的两端的边界点的两个点。
非线性映射部723执行非线性映射处理，并且对由轮廓提取部721提取的肺部区域的轮廓中的中心部分的轮廓进行映射，使得指示中心部分的两端的边界点与矩形图像的轮廓上的两个顶点位置对应。非线性映射部723对由轮廓提取部721提取的肺部区域的轮廓中的外围部分的轮廓进行映射，使得指示外围部分的两端的边界点与矩形图像的轮廓上的另外两个顶点位置对应。
此外，非线性映射部723还通过相同的方法将第一缩小轮廓至第n缩小轮廓映射到缩小矩形的轮廓。要注意，缩小矩形的轮廓是通过缩小矩形图像的轮廓而获得的轮廓。
异常阴影块映射部724是映射部的示例，并且执行异常阴影块映射处理，然后将每个块映射到矩形图像，其中，所述块位于由非线性映射部723执行映射的肺部区域的轮廓与第一缩小轮廓至第n缩小轮廓之间。异常阴影块映射部724将每个块映射到矩形图像，使得在映射前后，每个块相对于肺部区域的轮廓以及第一缩小轮廓至第n缩小轮廓的位置关系被保持。
分布特征量计算部725是计算部的示例，并且执行分布特征量计算处理，然后计算每个点通过异常阴影块映射部724被映射到的目的点的位置(矩形图像中的x坐标和y坐标)，作为分布特征量。分布特征量计算部725将分布特征量与CT图像的ID相关联地存储在特征量信息500中。
<相似病例图像检索设备的登记部的处理的具体示例>
接下来，将描述由相似病例图像检索设备120的登记部141执行的处理的具体示例。首先，将描述由登记部141的阴影提取部710执行的阴影提取处理。图8A和图8B均是示出由阴影提取部执行的阴影提取处理的具体示例的图。
图8A示出了由阴影提取部710从CT设备110获得的示例CT图像。如图8A所示，CT图像800包括患者的右肺的肺部区域810和患者的左肺的肺部区域820。CT图像800上的网格(例如，网格830)指示由阴影提取部710生成的块。
图8B示出了将由阴影提取部710生成的每个块识别为哪种阴影的方式。图8B所示的块中的通过粗线示出的块(例如，块840、块850)均指示被识别为异常阴影(例如，实变)的块。相比之下，除了通过粗线示出的块(例如，块840、块850)之外的块均指示被识别为正常阴影的块。
接下来，将描述由分布转换部720的轮廓提取部721执行的轮廓提取处理。图9A和图9B均是示出由分布转换部执行的轮廓提取处理的具体示例的图。图9A示出了在由分布转换部720的轮廓提取部721执行轮廓提取处理之前的CT图像800。另一方面，图9B示出了分布转换部720的轮廓提取部721从CT图像800提取肺部区域810和肺部区域820并且提取肺部区域810和肺部区域820的轮廓911和轮廓912的方式。
接下来，将描述由分布转换部720的边界点提取部722执行的边界点提取处理。图10A至图10F均是示出由分布转换部执行的边界点提取处理的具体示例的图。分布转换部720的边界点提取部722计算右边和左边的肺部区域810和肺部区域820的相应几何中心并且计算所计算的几何中心的中点1011(参见图10A)。
另外，边界点提取部722确定以中点1011为中心的预定尺寸的椭圆1021，并且计算椭圆1021与肺部区域810、820的轮廓911、912的交点(参见图10B)。
而且，边界点提取部722提取椭圆1021与轮廓911、912的交点作为指示中心部分的两端的边界点1031、1032、1051、1052(参见图10C)。
而且，边界点提取部722通过将轮廓911的总长度乘以预定系数(α)来计算长度L1，并且识别位于轮廓911上且沿逆时针方向距离边界点1051达长度L1的位置。边界点提取部722还识别位于轮廓911上且沿顺时针方向距离边界点1031达长度L1的位置(图10D)。
类似地，边界点提取部722通过将轮廓912的总长度乘以预定系数(α)来计算长度L2，并且识别位于轮廓912上且沿顺时针方向距离边界点1052达长度L2的位置。边界点提取部722还识别位于轮廓912上且沿逆时针方向距离边界点1032达长度L2的位置(图10D)
而且，边界点提取部722提取沿顺时针方向距离边界点1031达长度L1的边界点1071以及沿逆时针方向距离边界点1051达长度L1的边界点1072(图10E)。而且，边界点提取部722提取沿逆时针方向距离边界点1032达长度L2的边界点1073以及沿顺时针方向距离边界点1052达长度L2的边界点1074(图10E)。
此外，边界点提取部722从轮廓911中提取两端在边界点1031和边界点1051处的轮廓1081作为右肺的中心部分的轮廓。而且，边界点提取部722从轮廓911中提取两端在边界点1071和边界点1072处的轮廓1082作为右肺的外围部分的轮廓。
而且，边界点提取部722从轮廓912中提取两端在边界点1032和边界点1052处的轮廓1083作为左肺的中心部分的轮廓。而且，边界点提取部722从轮廓912中提取两端在边界点1073和边界点1074处的轮廓1084作为左肺的外围部分的轮廓。
接下来，将描述由分布转换部720的非线性映射部723执行的非线性映射处理。图11A至图11C均是示出由分布转换部执行的非线性映射处理的具体示例的图。如图11A所示，分布转换部720的非线性映射部723将由边界点提取部722提取的轮廓1081映射到作为矩形图像1110的轮廓的一部分的固定轮廓。具体地，对轮廓1081进行映射，使得指示中心部分的两端的边界点1031、1051对应于矩形图像1110的轮廓的两个顶点1111、1112。
而且，非线性映射部723将由边界点提取部722提取的轮廓1082映射到作为矩形图像1110的轮廓的一部分的其他固定轮廓。具体地，对轮廓1082进行映射，使得指示外围部分的两端的边界点1071、1072对应于矩形图像1110的轮廓的两个顶点1113、1114。
要注意，对于映射，非线性映射部723从轮廓1081、1082中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置(参见图11B的圆圈标记)。
如图11A所示，非线性映射部723将由边界点提取部722提取的轮廓1083映射到作为矩形图像1120的轮廓的一部分的固定轮廓。具体地，对轮廓1083进行映射，使得指示中心部分的两端的边界点1032、1052对应于矩形图像1120的轮廓的两个顶点1121、1122。
而且，非线性映射部723将由边界点提取部722提取的轮廓1084映射到作为矩形图像1120的轮廓的一部分的其他固定轮廓。具体地，对轮廓1084进行映射，使得指示外围部分的两端的边界点1073、1074对应于矩形图像1120的轮廓的两个顶点1123、1124。
要注意，对于映射，非线性映射部723从轮廓1083、1084中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置(参见图11B的圆圈标记)。
如图11A所示，非线性映射部723将边界点1051与边界点1072之间的轮廓1131映射到作为矩形图像1110的轮廓的一部分的固定轮廓。具体地，对轮廓1131进行映射，使得边界点1051与边界点1072对应于矩形图像1110的轮廓的两个顶点1112、1114。
而且，非线性映射部723将边界点1031与边界点1071之间的轮廓1132映射到作为矩形图像1110的轮廓的一部分的其他固定轮廓。具体地，对轮廓1132进行映射，使得边界点1031与边界点1071对应于矩形图像1110的轮廓的两个顶点1111、1113。
要注意，对于映射，非线性映射部723从轮廓1131、1132中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置(参见图11B的圆圈标记)。
类似地，非线性映射部723将边界点1052与边界点1074之间的轮廓1133映射到作为矩形图像1120的轮廓的一部分的固定轮廓。具体地，对轮廓1133进行映射，使得边界点1052与边界点1074对应于矩形图像1120的轮廓的两个顶点1122、1124。
而且，非线性映射部723将边界点1032与边界点1073之间的轮廓1134映射到作为矩形图像1120的轮廓的一部分的其他固定轮廓。具体地，对轮廓1134进行映射，使得边界点1032与边界点1073对应于矩形图像1120的轮廓的两个顶点1121、1123。
要注意，对于映射，非线性映射部723从轮廓1133、1134中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置(参见图11B的圆圈标记)。
如图11C所示，非线性映射部723对右肺的第一缩小轮廓1141和左肺的第一缩小轮廓1142执行与以上所述相同的处理，并且执行到作为缩小矩形1150、1160的轮廓的一部分的缩小的固定轮廓的映射。这里，在右肺中，在缩小轮廓1141上确定与边界点1031、1051、1071、1072对应的点，所述点最靠近相应边界点。而且，在左肺中，类似地确定与边界点对应的点。要注意，对于映射，非线性映射部723从右肺的第一缩小轮廓1141和左肺的第一缩小轮廓1142中以规则间隔提取采样点。非线性映射部723执行映射，使得采样点在作为缩小矩形1150、1160的轮廓的一部分的缩小固定轮廓中具有规则间隔。
此外，非线性映射部723对右肺的第二缩小轮廓至第n缩小轮廓和左肺的第二缩小轮廓至第n缩小轮廓执行相同处理，并且执行到作为右肺的第二缩小矩形至第n缩小矩形和左肺的第二缩小矩形至第n缩小矩形的轮廓中的相应部分的缩小固定轮廓的映射。要注意，对于映射，非线性映射部723从右肺的第二缩小轮廓至第n缩小轮廓和左肺的第二缩小轮廓至第n缩小轮廓中以规则间隔提取采样点。非线性映射部723执行映射，使得采样点在作为第二缩小矩形至第n缩小矩形的轮廓的相应部分的缩小固定轮廓中的每一个中具有规则间隔。
接下来，将描述由分布转换部720的异常阴影块映射部724执行的异常阴影块映射处理。图12A和图12B均是示出由分布转换部执行的异常阴影块映射处理的具体示例的图。如上所述，分布转换部720的异常阴影块映射部724将每个块映射到矩形图像1110、1120，所述块位于矩形图像1110、1120的轮廓与由非线性映射部723执行映射而成的第一缩小轮廓至第n缩小轮廓之间。异常阴影块映射部724将每个块映射到矩形图像1110、1120，使得在映射前后，每个块相对于矩形图像1110、1120的轮廓以及第一缩小轮廓至第n缩小轮廓的位置关系被保持。
使用图12A和图12B给出具体描述。图12A的符号1210指示CT图像800的一部分的放大图像，采样点1211、1212在右肺的第一缩小轮廓上，采样点1221、1222在右肺的第二缩小轮廓上。块X在由采样点1211、1212、1221、1222围绕的位置处。
当对块X进行映射时，异常阴影块映射部724从围绕块X的采样点1211至1222中提取短距离的三个点(采样点1212、1221、1222)(参见图12A)。而且，异常阴影块映射部724在矩形图像1110上识别由非线性映射部723执行映射而成的映射目的地处的采样点1212’，1221’，1222’中的每一个的位置。要注意，图12B的符号1210’指示矩形图像1110的一部分的放大图像。
此外，异常阴影块映射部724计算块X相对于三个采样点1212、1221、1222的相对位置。异常阴影块映射部724将块X映射到矩形图像1110，使得所计算的相对位置被保持(参见图12B)。
异常阴影块映射部724通过相同的方法将肺部区域810、820中的所有块映射到矩形图像1110、1120。
接下来，将描述由分布转换部720的分布特征量计算部725执行的分布特征量计算处理。图13是示出由分布转换部执行的分布特征量计算处理的具体示例的图。在异常阴影块映射部724将肺部区域810、820中的所有块映射到矩形图像1110、1120之后，分布特征量计算部725计算矩形图像1110、1120上的异常阴影的坐标。
在图13中，矩形图像1110、1120上的块840、850和其他块指示由异常阴影块映射部724从CT图像800中提取的块840、850和异常阴影的其他块在映射之后的位置。分布特征量计算部725计算矩形图像1110、1120上的块840、850和每个异常阴影的其他块的坐标，并且将坐标作为分布特征量存储在特征量信息500中。
<相似病例图像检索设备的检索部的功能配置>
接下来，将描述相似病例图像检索设备120的各个部(登记部141、检索部142、显示控制部143)中的检索部142的细节。
图14是示出相似病例图像检索设备的检索部的示例功能配置的图。如图14所示，检索部142具有阴影提取部1410、分布转换部1420和整理部1430。
当放射科诊断医生启动检索部142以输入患者信息之后由CT设备110捕获患者的CT图像时，显示控制部143将所捕获的CT图像作为诊断目标CT图像显示在显示画面300上。显示画面300由显示控制部143来显示，放射科医生对各种指令的输入使检索部142的阴影提取部1410、分布转换部1420和整理部1430工作。
除了对诊断目标CT图像的处理之外，阴影提取部1410和分布转换部1420执行与由图7中所示的登记部141的阴影提取部710和分布转换部720执行的处理相同的处理，因此这里省略描述。
整理部1430执行整理处理，并且计算基于诊断目标CT图像计算的异常阴影的分布特征量与特征量信息DB 150中的检索目标(存储在图像DB 130中的CT图像中所包括的异常阴影的分布特征量)之间的总相似度。整理部1430通过将针对右肺计算的相似度和针对左肺计算的相似度相加来计算总值(总相似度)。而且，当存在多种类型的异常阴影时，整理部1430针对多种类型的异常阴影中的每种类型的异常阴影来计算相似度，并且通过将针对每种类型的异常阴影计算的相似度相加来计算总值(总相似度)。然而，当将特定类型的异常阴影指定为检索条件时，针对该特定类型的异常阴影所计算的相似度是总的相似度。在第一实施方式中，整理部1430使用例如地动距离(Earth Mover’s Distance)来计算分布特征量之间的相似度。
而且，整理部1430执行排序处理，并且将与特征量信息DB 150中的检索目标相关联的相应ID按照总相似度的降序进行排序。因此，与针对诊断目标CT图像计算的分布特征量相似的分布特征量被检索。此外，整理部1430向显示控制部143通知与具有高的总相似度的检索目标相关联的ID作为检索结果。
<相似病例图像检索设备的检索部的处理的具体示例>
接下来，将描述由相似病例图像检索设备120的检索部142执行的处理中的由整理部1430执行的整理处理的具体示例。图15是示出由整理部执行的整理处理的具体示例的图。
在图15中，CT图像1500是由阴影提取部1410从CT设备110获得的诊断目标CT图像的示例。而且，矩形图像1510、1520指示从诊断目标CT图像1500中提取的异常阴影块经分布转换部1420映射之后的状态。分布转换部1420计算矩形图像1510、1520中的每个异常阴影块(例如，块1540、1550)的坐标作为分布特征量。
相比之下，CT图像800是其中的分布特征量由登记部141包括的CT图像，并且是由整理部1430针对其来计算与CT图像1500的总相似度的目标CT图像。虽然整理部1430通过从特征量信息DB 150中读取分布特征量来计算相似度，但是为了简化描述，示出了与读取的分布特征量对应的CT图像800。
在图15中，矩形图像1110、1120指示从CT图像800提取的异常阴影块经分布转换部720映射之后的状态。整理部1430从特征量信息DB150中读取矩形图像1110、1120中的每个异常阴影块(例如，块840、850)的坐标作为分布特征量。
如图15所示，整理部1430计算根据诊断目标CT图像1500中的右肺的矩形图像1510计算的分布特征量与根据CT图像800中的右肺的矩形图像1110计算的分布特征量之间的相似度。具体地，通过地动距离来计算矩形图像1510中的每个异常阴影块(例如，块1540)与矩形图像1110中的每个异常阴影块(例如，块840)之间的距离D1。
而且，整理部1430计算根据诊断目标CT图像1500中的左肺的矩形图像1520计算的分布特征量与根据CT图像800中的左肺的矩形图像1120计算的分布特征量之间的相似度。具体地，通过地动距离来计算矩形图像1520中的每个异常阴影块(例如，块1550)与矩形图像1120中的每个异常阴影块(例如，块850)之间的距离D2。
此外，整理部1430通过将针对每个肺计算的相似度相加来计算总的相似度。具体地，整理部1430计算D＝D1+D2作为总的相似度。
<CT图像处理系统中的相似病例图像检索处理>
接下来，将描述CT图像处理系统100中的整个相似病例图像检索处理的流程。图16是CT图像处理系统中的相似病例图像检索处理的顺序图。
如图16所示，可以将相似病例图像检索处理粗略地划分成登记阶段和检索阶段。首先，将描述登记阶段。
在步骤S1601中，CT设备110捕获患者的CT图像800。当捕获了CT图像800时，患者信息被输入到相似病例图像检索设备120。
在步骤S1602中，CT设备110将通过捕获而获得的CT图像800发送至相似病例图像检索设备120的登记部141。
在步骤S1603中，登记部141获得从CT设备110发送的CT图像800，并且分配有标识符的CT图像与患者信息一起在图像DB 130中。要注意，当由登记部141将CT图像800存储在图像DB 130中时，放射科诊断医生可以对CT图像800作出诊断，并且诊断结果也可以被存储。
在步骤S1604中，登记部141将所获得的CT图像800划分成多个块，并且针对每个块来识别阴影的类型。
在步骤S1605中，登记部141通过将具有识别的阴影类型的每个块映射到矩形图像1110、1120来计算分布特征量。
在步骤S1606中，登记部141针对每种识别的阴影类型将计算的分布特征量与CT图像800的标识符相关联地存储在特征量信息DB 150中。
此时登记阶段完成。要注意，图16是在登记阶段中针对一个患者的处理的示例，并且实际上在登记阶段中执行针对多个患者的处理。
接下来，将描述检索阶段。在步骤S1611中，CT设备110捕获诊断目标患者的CT图像1500。当捕获了CT图像1500时，关于诊断目标患者的患者信息被输入至相似病例图像检索设备120。
在步骤S1612中，CT设备110将通过捕获而获得的CT图像1500发送至相似病例图像检索设备120的检索部142。
在步骤S1613中，检索部142获得从CT设备110发送的CT图像1500。而且，检索部142向显示控制部143通知所获得的CT图像1500。
在步骤S1614中，显示控制部143显示显示画面300，并且在显示画面300的诊断目标图像显示区310上显示从检索部142通知的CT图像1500。
在步骤S1615中，显示控制部143接收在显示画面300的检索条件指定区320中指定的检索条件。另外，显示控制部143经由检索按钮330接收输入的检索指令。
在步骤S1616中，显示控制部143向检索部142通知所接收的检索条件和检索指令。
在步骤S1617中，在从显示控制部143接收到检索指令之后，检索部142将所获得的CT图像1500划分成多个块，并且识别根据检索条件的异常阴影类型的块(例如，块1540、1550)。
在步骤S1618中，检索部142通过将CT图像1500中的每个块映射到矩形图像1510、1520来计算根据检索条件的异常阴影类型的块(例如，块1540、1550)的分布特征量。
在步骤S1619中，检索部142从特征量信息DB 150中读取特征量信息500。
在步骤S1620中，检索部142计算包括在读取的特征量信息500中的每个检索目标的分布特征量与在步骤S1618中计算的诊断目标CT图像1500的分布特征量之间的总相似度。另外，检索部142将与特征量信息500中的检索目标相关联的相应ID按照计算的总相似度的降序进行排序。
在步骤S1621中，检索部142向显示控制部143通知与预定数目的具有高的总相似度的检索目标相关联的相应ID以及对应的总相似度，作为检索结果。
在步骤S1622中，显示控制部143在检索结果显示区340上显示从检索部142通知的检索结果。
在步骤S1623中，当放射科诊断医生在检索结果显示区340中选择了预定检索结果时，显示控制部143接收该选择作为CT图像显示指令。
在步骤S1624中，显示控制部143识别包括在选择的检索结果中的ID，并且从图像DB 130中读取通过所识别的ID来识别的CT图像800。
在步骤S1625中，显示控制部143在相似病例检索结果显示区350上显示读取的CT图像800。因此，放射科诊断医生可以在参考与诊断目标CT图像1500的疾病病例相似的疾病病例的CT图像800的同时对诊断目标CT图像1500作出诊断。
<相似病例图像检索处理结果>
接下来，将描述相似病例图像检索处理的处理结果。图17是示出相似病例图像检索处理的示例结果的图。在图17中，CT图像1500是诊断目标CT图像，而CT图像800和CT图像1700是分布特征量由登记部141登记在特征量信息DB 150中的那些CT图像。
如图17所示，在诊断目标CT图像1500的情况下，异常阴影块(例如，块1540、1550)分布在肺部区域中的外围部分上。而且，在分布特征量由登记部141登记的CT图像中的CT图像800中，异常阴影块(例如，块840、850)分布在肺部区域中的外围部分上。相比之下，在CT图像1700中，异常阴影块(例如，块1710、1720)分布在肺部区域中的中心部分上。
这里，设D10为从诊断目标CT图像1500中提取的异常阴影块(例如，块1540、1550)与从CT图像800中提取的异常阴影块(例如，块840、850)之间的距离。也就是说，距离D10是基于CT图像上的异常阴影块的位置所计算的距离。
另外，设D20为从诊断目标CT图像1500中提取的异常阴影块(例如，块1540、1550)与从CT图像1700中提取的异常阴影块(例如，块1710、1720)之间的距离。也就是说，距离D20是基于CT图像上的异常阴影块的位置所计算的距离。
当将距离D10与距离D20相比较时，距离D20较短。换言之，与CT图像800中的异常阴影块的位置相比，CT图像1500中的异常阴影块的位置与CT图像1700中的异常阴影块的位置相似。由于该原因，当基于每个CT图像的位置计算相似度时，针对CT图像1700计算出较高的相似度，并且CT图像800不会被检索为相似病例的CT图像。
这里，虽然CT图像1500上的异常阴影块和CT图像1700上的异常阴影块分布在相对较近的位置处，但是前者是在外围部分中发生的异常阴影，而后者是在中心部分中发生的异常阴影。也就是说，二者是具有在组织上不同的发生部分的异常阴影，因此不是相似病例的CT图像。
相比之下，虽然CT图像1500上的异常阴影块和CT图像800上的异常阴影块分布在相对较远的位置处，但是二者均是在外围部分中发生的异常阴影。也就是说，二者均是具有在组织上相同的发生部分的异常阴影，因此是相似病例的CT图像。
这里，在第一实施方式中的相似病例图像检索设备120的情况下，在每个块被映射之后计算分布特征量，使得中心部分与外围部分之间的距离变得比在原始CT图像中的距离大。换言之，在CT图像被映射之后计算分布特征量，使得具有组织上不同的发生部分的异常阴影变得更加能够识别。
因此，CT图像1500的分布特征量和CT图像800的分布特征量变得相似，因此，基于二者计算的总的相似度D增大。相比之下，CT图像1500的分布特征量和CT图像1700的分布特征量变得不相似，因此，基于此二者计算的总相似度D’减小。因此，CT图像800被检索为相似病例的CT图像。
如根据以上描述而明显的，在弥漫性肺部疾病的情况下，难以基于CT图像上的位置的相似性/相异性来检索相似病例的CT图像。然而，相似病例图像检索设备120将CT图像映射到具有预定形状的图像并且从发生部分的组织的视角来计算异常阴影的位置(分布特征量)，并且使用分布特征量来检索CT图像。因此，第一实施方式中的相似病例图像检索设备120可以提供能够针对弥漫性肺部疾病来检索相似病例的CT图像的检索技术。
[第二实施方式]
在第一实施方式中，已经描述了将CT图像中的每个块映射到矩形图像。然而，映射的目的地并不限于矩形图像。
图18A和图18B均是示出由分布转换部执行的非线性映射处理的另一示例的图。图18A的示例示出了将CT图像中的每个块映射到梯形图像的情况。在图18A的情况下，非线性映射部723对由边界点提取部722提取的轮廓1081进行映射，使得指示中心部分的两端的边界点1031、1051对应于梯形图像1810的轮廓的两个顶点1811、1812。而且，非线性映射部723对由边界点提取部722提取的轮廓1082进行映射，使得指示外围部分的两端的边界点1071、1072对应于梯形图像1810的轮廓的两个顶点1813、1814。
要注意，对于映射，非线性映射部723从轮廓1081、1082中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置。
而且，非线性映射部723对由边界点提取部722提取的轮廓1083进行映射，使得指示中心部分的两端的边界点1032、1052对应于梯形图像1820的轮廓的两个顶点1821、1822。而且，非线性映射部723对由边界点提取部722提取的轮廓1084进行映射，使得指示外围部分的两端的边界点1073、1074对应于梯形图像1820的轮廓的两个顶点1823、1824。
要注意，对于映射，非线性映射部723从轮廓1083、1084中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置。
而且，非线性映射部723对从边界点提取部722提取的轮廓1131进行映射，使得边界点1051、1072对应于梯形图像1810的轮廓的两个顶点1812、1814。而且，非线性映射部723对从边界点提取部722提取的轮廓1132进行映射，使得边界点1031、1071对应于梯形图像1810的轮廓的两个顶点1811、1813。
要注意，对于映射，非线性映射部723从轮廓1131、1132中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置。
而且，非线性映射部723对从边界点提取部722提取的轮廓1133进行映射，使得边界点1052、1074对应于梯形图像1820的轮廓的两个顶点1822、1824。而且，非线性映射部723对从边界点提取部722提取的轮廓1134进行映射，使得边界点1032、1073对应于梯形图像1820的轮廓的两个顶点1821、1823。
图18B的示例示出了将CT图像中的每个块映射到具有通过两个曲线和两个直线包围的预定形状的图像的情况。在图18B的情况下，非线性映射部723对由边界点提取部722提取的轮廓1081进行映射，使得指示中心部分的两端的边界点1031、1051对应于具有预定形状的图像1830的轮廓的两个顶点1831、1832。
而且，非线性映射部723对由边界点提取部722提取的轮廓1082进行映射，使得指示外围部分的两端的边界点1071、1072对应于具有预定形状的图像1830的两个顶点1833、1834。
要注意，对于映射，非线性映射部723从轮廓1081、1082中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置。
而且，非线性映射部723对由边界点提取部722提取的轮廓1083进行映射，使得指示中心部分的两端的边界点1032、1052对应于具有预定形状的图像1840的轮廓的两个顶点1841、1842。而且，非线性映射部723对由边界点提取部722提取的轮廓1084进行映射，使得指示外围部分的两端的边界点1073、1074对应于具有预定形状的图像1840的轮廓的两个顶点1843、1844。
要注意，对于映射，非线性映射部723从轮廓1083、1084中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置。
而且，非线性映射部723对从边界点提取部722提取的轮廓1131进行映射，使得边界点1051、1072对应于梯形图像1830的轮廓的两个顶点1832、1834。而且，非线性映射部723对从边界点提取部722提取的轮廓1132进行映射，使得边界点1031、1071对应于梯形图像1830的轮廓的两个顶点1831、1833。
要注意，对于映射，非线性映射部723从轮廓1131、1132中以规则间隔提取采样点，并且执行映射使得所映射的采样点以规则间隔进行布置。
而且，非线性映射部723对从边界点提取部722提取的轮廓1133进行映射，使得边界点1052、1074对应于梯形图像1840的轮廓的两个顶点1842、1844。而且，非线性映射部723对从边界点提取部722提取的轮廓1134进行映射，使得边界点1032、1073对应于梯形图像1840的轮廓的两个顶点1841、1843。
像这样，只要映射目的地处的每个图像具有能够识别CT图像中分布的异常阴影是分布在肺部区域中的中心部分上还是分布在肺部区域中的外围部分上的形状，则实现了与将图像映射到矩形图像时的效果相同的效果。具体地，可以使用从发生部分的组织视角计算的异常阴影的位置(分布特征量)来进行检索，因此，可以提供能够针对弥漫性肺部疾病来检索相似病例的CT图像的检索技术。
[其他实施方式]
在第一实施方式和第二实施方式中，虽然未特别提及CT图像中的块被映射到的预定形状的图像的纵横比，但是只要纵横比满足“垂直长度<水平长度”，则任何纵横比均是适用的。
而且，在第一实施方式和第二实施方式中，已经描述了将中心部分和外围部分中的每一个的轮廓映射到作为具有预定形状的图像的轮廓的一部分的垂直固定轮廓。然而，可以将中心部分和外围部分中的每一个的轮廓映射到作为具有预定形状的图像的轮廓的一部分的水平固定轮廓。这是因为，当将中心部分的轮廓和外围部分的轮廓映射到位于相对位置处的固定轮廓时实现相同的效果。然而，在该情况下，预定形状的图像的纵横比必须满足“垂直长度>水平长度”
而且，在第一实施方式和第二实施方式中，已经描述了将特征量信息500和CT图像信息600存储在不同DB中的示例。然而，可以将特征量信息500和CT图像信息600存储在同一DB中。
而且，在第一实施方式和第二实施方式中，已经描述了在接收到检索指令之后计算诊断目标CT图像1500的分布特征量。然而，可以在接收到检索指令之前计算诊断目标CT图像1500的分布特征量。
而且，在第一实施方式和第二实施方式中，已经描述了应用于弥漫性肺部疾病的CT图像的示例。然而，对应弥漫性肺部疾病，也可以应用于除了肺以外的内脏器官的疾病的CT图像。
而且，在第一实施方式和第二实施方式中，已经描述了将CT图像显示为医学图像的示例。然而，本公开内容也适用于显示除CT图像以外的医学图像(例如，磁共振成像(MRI)图像)的情况。
要注意，实施方式中描述的配置可以与其他部件组合，并且本公开内容不限于本文出现的配置。就这些点而言，可以在不背离本公开内容的精神的前提下做出修改，并且可以根据应用配置适当地进行设置。

Claims (9)

1.一种图像检索设备，所述图像检索设备在弥漫性肺部疾病的诊断中基于目标医学图像中的器官区域中的异常阴影的位置来检索候选医学图像，所述设备包括：
存储器；以及
处理器，所述处理器耦接至所述存储器并且被配置成：
将目标医学图像中的器官区域映射到具有预定形状的图像以使得能够识别所述异常阴影是分布在所述器官区域中的第一部分上还是分布在所述器官区域中的第二部分上，所述异常阴影在所述第一部分内和所述第二部分内的发生部分在组织上是不同的，
其中，所述器官区域的轮廓与通过以预定比率缩小所述器官区域的轮廓而获得的缩小轮廓之间的区域被映射到所述具有预定形状的图像，使得所述轮廓与所述缩小轮廓之间的位置关系被保持，
其中，具有所述器官区域的轮廓并且对应于所述第一部分的第一轮廓被映射到作为所述具有预定形状的图像的轮廓一部分的第一固定轮廓，并且对应于所述第二部分的第二轮廓被映射到所述具有预定形状的图像的轮廓中的在与所述第一固定轮廓相对的位置处的第二固定轮廓，
其中，在通过缩小所述器官区域的轮廓而获得的缩小轮廓中，对应于所述第一部分的第一缩小轮廓被映射到作为通过缩小所述具有预定形状的图像的轮廓而获得的缩小轮廓的一部分的第一缩小固定轮廓，并且对应于所述第二部分的第二缩小轮廓被映射到通过缩小所述具有预定形状的图像的轮廓而获得的所述缩小轮廓中的在与所述第一缩小固定轮廓相对的位置处的第二缩小固定轮廓；以及
计算在所述映射之后所述异常阴影在所述具有预定形状的图像中的位置；
其中，所述第一部分是中心部分，并且所述第二部分是外围部分。
2.根据权利要求1所述的图像检索设备，
其中，医学图像中的器官区域被映射使得所述第一部分与所述第二部分之间的距离为预定值或更大。
3.根据权利要求1所述的图像检索设备，
其中，基于下述因素从作为检索目标的医学图像中检索与作为诊断目标的医学图像相似的医学图像：
当作为诊断目标的目标医学图像中的器官区域被映射到所述具有预定形状的图像时指示所述器官区域中的异常阴影在所述具有预定形状的图像中的位置的第一坐标，以及
当作为检索目标的候选医学图像中的器官区域被映射到所述具有预定形状的图像时指示所述器官区域中的异常阴影在所述具有预定形状的图像中的位置的第二坐标。
4.根据权利要求3所述的图像检索设备，
其中，基于所述第一坐标与所述第二坐标之间的距离来检索与所述目标医学图像相似的所述候选医学图像。
5.根据权利要求4所述的图像检索设备，
其中，所述器官区域是肺部区域，并且与所述目标医学图像相似的所述候选医学图像基于针对右肺计算的所述第一坐标与所述第二坐标之间的距离和针对左肺计算的所述第一坐标与所述第二坐标之间的距离的总值被检索。
6.根据权利要求1所述的图像检索设备，
其中，通过以第一比率缩小所述器官区域的轮廓而获得的第n缩小轮廓与通过以比所述第一比率高的第二比率缩小所述器官区域的轮廓而获得的第(n+1)缩小轮廓之间的区域被映射到所述具有预定形状的图像，使得所述第n缩小轮廓与所述第(n+1)缩小轮廓之间的位置关系被保持。
7.根据权利要求1所述的图像检索设备，其中，所述处理器还被配置成：
获得所述候选医学图像的所述异常阴影的位置；以及
基于所计算的与所述目标医学图像相关联的位置以及所获得的与所述候选医学图像相关联的位置来确定所述候选医学图像与所述目标医学图像之间的相似度。
8.一种计算机实现的图像检索方法，所述图像检索方法在弥漫性肺部疾病的诊断中基于目标医学图像中的器官区域中的异常阴影的位置来检索候选医学图像，所述方法包括：
通过处理器来将目标医学图像中的器官区域映射到具有预定形状的图像以使得能够识别所述异常阴影是分布在所述器官区域中的第一部分上还是分布在所述器官区域中的第二部分上，所述异常阴影在所述第一部分内和在所述第二部分内的发生部分在组织上是不同的，
其中，所述器官区域的轮廓与通过以预定比率缩小所述器官区域的轮廓而获得的缩小轮廓之间的区域被映射到所述具有预定形状的图像，使得所述轮廓与所述缩小轮廓之间的位置关系被保持，
其中，具有所述器官区域的轮廓并且对应于所述第一部分的第一轮廓被映射到作为所述具有预定形状的图像的轮廓一部分的第一固定轮廓，并且对应于所述第二部分的第二轮廓被映射到所述具有预定形状的图像的轮廓中的在与所述第一固定轮廓相对的位置处的第二固定轮廓，
其中，在通过缩小所述器官区域的轮廓而获得的缩小轮廓中，对应于所述第一部分的第一缩小轮廓被映射到作为通过缩小所述具有预定形状的图像的轮廓而获得的缩小轮廓的一部分的第一缩小固定轮廓，并且对应于所述第二部分的第二缩小轮廓被映射到通过缩小所述具有预定形状的图像的轮廓而获得的所述缩小轮廓中的在与所述第一缩小固定轮廓相对的位置处的第二缩小固定轮廓；以及
通过处理器来计算在所述映射之后所述异常阴影在所述具有预定形状的图像中的位置；
其中，所述第一部分是中心部分，并且所述第二部分是外围部分。
9.一种医学图像检索系统，包括：
数据库，所述数据库被配置成存储与多个医学图像相关联的多个特征量信息；
处理器，所述处理器被配置成：
获得目标医学图像以用于基于所述目标医学图像中的器官区域中的异常阴影的位置对弥漫性肺部疾病的诊断，所述器官区域包括相对于参考点具有在组织上不同的位置的至少第一部分和第二部分；
识别所述异常阴影在所述目标医学图像的所述第一部分和所述第二部分中的至少一个内的发生部分；
将所述目标医学图像的所述器官区域映射到具有预定形状的图像，
其中，所述器官区域的轮廓与通过以预定比率缩小所述器官区域的轮廓而获得的缩小轮廓之间的区域被映射到所述具有预定形状的图像，使得所述轮廓与所述缩小轮廓之间的位置关系被保持，
其中，具有所述器官区域的轮廓并且对应于所述第一部分的第一轮廓被映射到作为所述具有预定形状的图像的轮廓一部分的第一固定轮廓，并且对应于所述第二部分的第二轮廓被映射到所述具有预定形状的图像的轮廓中的在与所述第一固定轮廓相对的位置处的第二固定轮廓，
其中，在通过缩小所述器官区域的轮廓而获得的缩小轮廓中，对应于所述第一部分的第一缩小轮廓被映射到作为通过缩小所述具有预定形状的图像的轮廓而获得的缩小轮廓的一部分的第一缩小固定轮廓，并且对应于所述第二部分的第二缩小轮廓被映射到通过缩小所述具有预定形状的图像的轮廓而获得的所述缩小轮廓中的在与所述第一缩小固定轮廓相对的位置处的第二缩小固定轮廓；
基于所述具有预定形状的图像和所识别的发生部分来计算所述发生部分的目标特征量；以及
基于所计算的目标特征量从所述数据库中检索候选医学图像，所述候选医学图像具有在组织上与所述目标医学图像相似的发生部分；
其中，所述第一部分是中心部分，并且所述第二部分是外围部分。
CN201711046380.2A 2016-11-07 2017-10-31 图像检索设备以及图像检索方法 Active CN108073676B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-217182 2016-11-07
JP2016217182A JP6805736B2 (ja) 2016-11-07 2016-11-07 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法

Publications (2)

Publication Number Publication Date
CN108073676A CN108073676A (zh) 2018-05-25
CN108073676B true CN108073676B (zh) 2022-10-11

Family

ID=60190654

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711046380.2A Active CN108073676B (zh) 2016-11-07 2017-10-31 图像检索设备以及图像检索方法

Country Status (5)

Country Link
US (1) US10653378B2 (zh)
EP (1) EP3373194B1 (zh)
JP (1) JP6805736B2 (zh)
CN (1) CN108073676B (zh)
ES (1) ES2941688T3 (zh)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6805736B2 (ja) * 2016-11-07 2020-12-23 富士通株式会社 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法
JP7034306B2 (ja) * 2018-08-31 2022-03-11 富士フイルム株式会社 領域分割装置、方法およびプログラム、類似度決定装置、方法およびプログラム、並びに特徴量導出装置、方法およびプログラム
KR20220149511A (ko) 2020-01-29 2022-11-08 유아이아머닷컴 엘엘씨 이미지 처리를 위한 시스템, 방법 및 디바이스
CN112258500B (zh) * 2020-11-10 2023-08-04 北京深睿博联科技有限责任公司 淋巴结分区方法、装置、设备及计算机可读存储介质
US11158031B1 (en) * 2021-05-24 2021-10-26 ReportsNow, Inc. Systems, methods, and devices for image processing

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1737810A (zh) * 2004-05-18 2006-02-22 爱克发-格法特公司 数字医学图像中自动映射几何对象的方法
CN101228551A (zh) * 2005-07-22 2008-07-23 卡尔斯特里姆保健公司 医学图像中的异常检测
JP2010167042A (ja) * 2009-01-21 2010-08-05 Canon Inc 医用診断支援装置及びその制御方法、並びに、プログラム
CN102138827A (zh) * 2009-12-11 2011-08-03 富士胶片株式会社 图像显示装置和方法以及程序
CN104036109A (zh) * 2014-03-14 2014-09-10 上海大图医疗科技有限公司 基于图像的病例检索、勾画及治疗计划系统和方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020051515A1 (en) * 2000-06-06 2002-05-02 Fuji Photo Film Co., Ltd. Method of and system for detecting prospective abnormal shadow
JP2006034585A (ja) * 2004-07-27 2006-02-09 Fuji Photo Film Co Ltd 画像表示装置、画像表示方法およびそのプログラム
JP4912015B2 (ja) 2006-04-05 2012-04-04 富士フイルム株式会社 類似画像検索装置および方法並びにプログラム
JP2007280229A (ja) * 2006-04-11 2007-10-25 Fujifilm Corp 類似症例検索装置、類似症例検索方法およびそのプログラム
JP4874701B2 (ja) 2006-04-18 2012-02-15 富士フイルム株式会社 類似画像検索装置および方法並びにプログラム
US7643662B2 (en) * 2006-08-15 2010-01-05 General Electric Company System and method for flattened anatomy for interactive segmentation and measurement
JP5052123B2 (ja) * 2006-12-27 2012-10-17 富士フイルム株式会社 医用撮像システム及び方法
JP2008259622A (ja) * 2007-04-11 2008-10-30 Fujifilm Corp レポート作成支援装置およびそのプログラム
JP2009045121A (ja) 2007-08-14 2009-03-05 Fujifilm Corp 医用画像処理システム、医用画像処理方法、及びプログラム
JP2011250811A (ja) * 2008-09-25 2011-12-15 Konica Minolta Medical & Graphic Inc 医用画像処理装置及びプログラム
AU2011207453A1 (en) * 2010-01-22 2012-08-02 The Research Foundation Of The State University Of New York System and method for prostate visualization and cancer detection
JP5662082B2 (ja) * 2010-08-23 2015-01-28 富士フイルム株式会社 画像表示装置および方法、並びに、プログラム
WO2012151579A2 (en) * 2011-05-05 2012-11-08 Mayo Foundation For Medical Education And Research Systems and methods for analyzing in vivo tissue volumes using medical imaging data
JP5931418B2 (ja) * 2011-11-25 2016-06-08 オリンパス株式会社 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
WO2015015699A1 (ja) * 2013-08-01 2015-02-05 パナソニック株式会社 類似症例検索装置、症例データベース、類似症例検索方法、およびプログラム
JP6805736B2 (ja) * 2016-11-07 2020-12-23 富士通株式会社 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1737810A (zh) * 2004-05-18 2006-02-22 爱克发-格法特公司 数字医学图像中自动映射几何对象的方法
CN101228551A (zh) * 2005-07-22 2008-07-23 卡尔斯特里姆保健公司 医学图像中的异常检测
JP2010167042A (ja) * 2009-01-21 2010-08-05 Canon Inc 医用診断支援装置及びその制御方法、並びに、プログラム
CN102138827A (zh) * 2009-12-11 2011-08-03 富士胶片株式会社 图像显示装置和方法以及程序
CN104036109A (zh) * 2014-03-14 2014-09-10 上海大图医疗科技有限公司 基于图像的病例检索、勾画及治疗计划系统和方法

Also Published As

Publication number Publication date
EP3373194A1 (en) 2018-09-12
JP2018075069A (ja) 2018-05-17
ES2941688T3 (es) 2023-05-24
CN108073676A (zh) 2018-05-25
US10653378B2 (en) 2020-05-19
JP6805736B2 (ja) 2020-12-23
US20180125443A1 (en) 2018-05-10
EP3373194B1 (en) 2023-03-01

Similar Documents

Publication Publication Date Title
CN108073676B (zh) 图像检索设备以及图像检索方法
CN106560827B (zh) 控制方法
US10964020B2 (en) Similar case image search program, similar case image search apparatus, and similar case image search method
US8189883B2 (en) Similar case search apparatus and method, and recording medium storing program therefor
US7778490B2 (en) Method of image registration and medical image data processing apparatus
JP4542591B2 (ja) 画像処理システム、画像保管装置、および、画像処理装置、並びに、画像処理方法、プログラム
US10261681B2 (en) Method for displaying a medical image and a plurality of similar medical images obtained from a case search system
US9905006B2 (en) Medical image processing apparatus, medical image processing method, and medical imaging system
EP2881916B1 (en) Query-specific generation and retrieval of medical volume images
JP6645810B2 (ja) 医用画像処理装置、医用画像処理方法、医用画像処理システム、及び医用画像処理プログラム
US20080215630A1 (en) Similar case search apparatus and method, and recording medium storing program therefor
US20100150418A1 (en) Image processing method, image processing apparatus, and image processing program
EP2235652B1 (en) Navigation in a series of images
US10950019B2 (en) Automatic layout apparatus, automatic layout method, and automatic layout program
JP6693278B2 (ja) 類似画像検索プログラム、類似画像検索方法、及び類似画像検索装置
JP2007275408A (ja) 類似画像検索装置および方法並びにプログラム
Emrich et al. CT slice localization via instance-based regression
KR20160140194A (ko) Pacs 이미지의 개인화 분석 기반 이상 검출 방법 및 그 장치
US11978274B2 (en) Document creation support apparatus, document creation support method, and document creation support program
US10699426B2 (en) Registration apparatus, registration method, and registration program
JP2018183431A (ja) 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法
US20230320679A1 (en) Medical image display apparatus, method, and program
US20230420096A1 (en) Document creation apparatus, document creation method, and document creation program
WO2006123272A2 (en) Automatic organ mapping method an device
KR20220169638A (ko) 척추 정보를 이용한 의료영상정보 제공방법 및 그를 위한 컴퓨터 프로그램

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant