CN109561863B - 诊断辅助程序 - Google Patents

诊断辅助程序 Download PDF

Info

Publication number
CN109561863B
CN109561863B CN201780044834.4A CN201780044834A CN109561863B CN 109561863 B CN109561863 B CN 109561863B CN 201780044834 A CN201780044834 A CN 201780044834A CN 109561863 B CN109561863 B CN 109561863B
Authority
CN
China
Prior art keywords
image
lung
determined
determining
frame
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
CN201780044834.4A
Other languages
English (en)
Other versions
CN109561863A (zh
Inventor
阿部武彦
吉田典史
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.)
Palamevia Private Ltd
Original Assignee
Palamevia Private 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 Palamevia Private Ltd filed Critical Palamevia Private Ltd
Publication of CN109561863A publication Critical patent/CN109561863A/zh
Application granted granted Critical
Publication of CN109561863B publication Critical patent/CN109561863B/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
    • A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • 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
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • 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
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • 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
    • 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
    • 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
    • A61B6/502—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 for diagnosis of breast, i.e. mammography
    • 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
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce 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
    • A61B6/52—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
    • 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
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • 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
    • 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
    • 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
    • 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
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Cardiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Quality & Reliability (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

本发明提供一种诊断辅助程序，其显示随着每一次呼吸或每一次心跳其形状会发生变化的区域的运动。该诊断辅助程序对人体的图像进行分析并显示分析结果，使计算机执行以下处理：从存储所述图像的数据库获取多帧图像的处理(S1)；基于各帧图像的特定区域的像素来确定呼吸周期的处理(S2)；基于所确定的所述呼吸周期来检测肺野的处理(S3)；将检测出的所述肺野分割成多个分区(S4)并计算所述各帧图像中的分区的图像变化的处理(S5)；对所述各帧图像中的各个分区的图像变化进行傅里叶分析的处理(S6)；以及将经过所述傅里叶分析后的各图像作为伪彩色图像显示在显示器上的处理(S7)。

Description

诊断辅助程序
技术领域
本发明涉及对人体的图像进行分析并显示分析结果的技术。
背景技术
当医生利用胸部的动态图像进行肺部诊断时，对被拍摄体在自然呼吸状态下所拍摄到的时间序列的胸部动态图像的观察显得十分重要。已知有容易获得生理学数据的肺活量计、RI(放射性同位素)检查、能够得到形态数据的常规X片、CT(计算机断层扫描)等用于评价肺功能的方法。但是，生理学数据和形态数据这两者并不容易高效地获取。
近年来，尝试了使用FPD(平板探测器)等半导体图像传感器来拍摄人体胸部的动态图像以用于诊断的方法。例如，非专利文献1中公开了一种在构成动态图像的多帧图像之间，生成表示信号值之差的差分图像，从该差分图像求出各信号值的最大值并进行显示的技术。
专利文献1中公开了一种从表示人体胸部动态情况的多帧图像的各帧图像中提取出肺野区域，将该肺野区域分割成多块小区域，并在多帧图像之间将分割得到的小区域相互关联来进行分析的技术。利用该技术，可以显示出表示分割得到的小区域的运动的特征量。
现有技术文献
专利文献
专利文献1：日本专利第5874636号说明书
非专利文献
非专利文献：“Basic Imaging Properties of a Large Image Intensifier-TVDigital Chest Radiographic System”Investigative Radiology:April 1987；22:328-335.
发明内容
发明所要解决的技术问题
然而，如非专利文献1所记载的技术那样仅仅简单地显示动态图像的各像素的帧间差分值的最大值，医生并不容易掌握病情。如专利文献1记载的技术那样仅显示特征量，也不足以掌握病情。因此，希望能够显示与呼吸或肺血管的状态相符合的图像。即，希望能够掌握被拍摄体即人体的呼吸状态和血管动态的整体情况，基于呼吸、心脏、肺门部的血管或血流的波形或频率，显示将它们中包含的运动呈现出来的图像。
本发明是鉴于上述情况完成的，其目的在于提供一种能够显示随着每一次呼吸或每一次心跳其形状会发生变化的区域的运动的诊断辅助程序。更具体而言，其目的在于针对想要测量的新对象的数据，将其与已经取得的波形和频率(Hz)的一致性或其它不一致性加以数值化，从而计算出用于辅助诊断的数值，再将这些数值图像化，从而生成用于辅助诊断的图像。
解决技术问题所采用的技术方案
(1)为了实现上述目的，本发明采用以下的技术方案。即，本发明的一个方式所涉及的诊断辅助程序对人体的图像进行分析并显示分析结果，其特征在于，使计算机执行以下处理：从存储所述图像的数据库获取多帧图像的处理；基于各帧图像的特定区域的像素来确定呼吸周期的处理；基于所确定的所述呼吸周期来检测肺野的处理；将检测出的所述肺野分割成多个分区并计算所述各帧图像中的分区的图像变化的处理；对所述各帧图像中的各分区的图像变化进行傅里叶分析的处理；以及将经过所述傅里叶分析后的各图像显示在显示器上的处理。
(2)本发明的一个方式所涉及的诊断辅助程序对人体的图像进行分析并显示分析结果，其特征在于，使计算机执行以下处理：从存储所述图像的数据库获取多帧图像的处理；确定被拍摄体的血管搏动周期的处理；基于各帧图像的特定区域的像素来确定呼吸周期的处理；基于所确定的所述呼吸周期来检测肺野的处理；将检测出的所述肺野分割成多个分区并计算所述各帧图像中的分区的图像变化的处理；基于所确定的所述血管搏动周期来对所述各帧图像中的各分区的图像变化进行傅里叶分析的处理；以及将经过所述傅里叶分析后的各图像显示在显示器上的处理。
(3)本发明的一个方式所涉及的诊断辅助程序对人体的图像进行分析并显示分析结果，其特征在于，使计算机执行以下处理：从存储所述图像的数据库获取多帧图像的处理；确定被拍摄体的血管搏动周期的处理；将各帧图像中所设定的分析范围分割成多个分区并计算所述各帧图像中的分区的图像变化的处理；基于所确定的所述血管搏动周期对所述各帧图像中的各分区的图像变化进行傅里叶分析的处理；以及将经过所述傅里叶分析后的各图像显示在显示器上的处理。
(4)本发明的一个方式所涉及的诊断辅助程序的特征在于，基于横膈膜的运动、胸廓的运动或包含呼吸图在内的其它数据来确定被拍摄体的呼吸周期。
(5)本发明的一个方式所涉及的诊断辅助程序的特征在于，基于心电图或包含脉搏计在内的其它医学影像设备的测量结果来确定所述被拍摄体的血管搏动周期，或者基于所述各帧图像中至少包含的横膈膜的图像和胸廓的图像，提取出横膈膜和胸廓的运动来确定被拍摄体的呼吸周期，并基于所确定的所述呼吸周期来检测肺野，从检测出的所述肺野中确定心脏的位置、肺门的位置、主要肺部血管、大血管及其他血管的血管周期，基于所确定的各部位的图像变化来确定血管搏动周期。
(6)本发明的一个方式所涉及的诊断辅助程序的特征在于，基于所确定的呼吸周期，计算肺野内和血管的相对位置关系，确定所述被拍摄体的肺部形状作为标准肺，并且确定所述被拍摄体的血流动态为标准血管区域。
(7)本发明的一个方式所涉及的诊断辅助程序的特征在于，在肺野的相向的轮廓上按照一定的规则绘制多个点，并用线段将相向的点连接，从而将肺野分割成多个分区。
(8)本发明的一个方式所涉及的诊断辅助程序的特征在于，所述傅里叶分析的处理是对所述各帧图像中的各分区的图像进行傅里叶变换，从傅里叶变换后的波形中实质上仅提取出表示呼吸周期或血管搏动周期的波形，然后进行傅里叶逆变换。
发明效果
根据本发明的一个方式，能够显示随着每一次呼吸或每一次心跳其形状会发生变化的区域的运动。即，通过计算用于辅助诊断的数值，再将这些数值图像化，能够生成用于辅助诊断的图像。其结果是，正常运动与异常运动的区别可视化，能够从视觉上识别该区别，因此适合图像诊疗领域。
附图说明
图1A是表示本实施方式所涉及的诊断辅助系统的简要结构的图。
图1B是表示肺部区域的分割方法的一个示例的图。
图1C是表示肺部区域的分割方法的一个示例的图。
图1D是表示肺部区域的分割方法的一个示例的图。
图1E是表示肺部区域的分割方法的一个示例的图。
图1F是表示肺部区域的分割方法的一个示例的图。
图1G是表示肺部区域的分割方法的一个示例的图。
图1H是表示肺部区域的分割方法的一个示例的图。
图2A是表示特定分区的强度变化及其傅里叶分析的结果的图。
图2B是表示提取出接近心跳频率成分后的傅里叶变换结果、及对其进行傅里叶逆变换后接近心跳的频率成分的强度变化的图。
图2C是示意性地表示肺部变化率的图。
图3是表示本实施方式所涉及的呼吸功能分析的概况的流程图。
图4是表示本实施方式所涉及的肺部血流分析的概况的流程图。
图5是表示本实施方式所涉及的其它血流分析的概况的流程图。
具体实施方式
首先，对本发明的基本概念进行说明。本发明中，针对人体的呼吸、血管、其它生物运动中以一定周期反复地被拍摄到的运动，在全部或局部范围内以波的形式获取在时间轴上固定的反复或固定的运动(一套动作)并进行测量。
波的测量结果使用的是(1)波本身的形态或(2)波的间隔(Hz)。
在同一时期有可能存在以相同方式连锁的波。例如，针对呼吸的情况，可以做出如下近似。
(某一大致范围的密度变化平均值)≈(胸廓的变化)≈(横膈膜的运动)≈(肺功能检查)≈(胸腹呼吸传感器)
使用上述任意一个数据或者它们的组合数据，可以提取出更高精度的图像。此时，也会多次进行相互计算。这种情况下，再一次去除结果中的伪影(artifact)，从新数据提取波形、最初的基础数据波形、其他医学影像等的波形、周围、多次波形中提取，从而进行功能的提取。此时的次数可以是一次也可以是多次。
这里，在生成基础数据时，通过多种医学影像(例如一定的密度、容积、胸廓的运动、横膈膜的运动、肺活量、胸腹呼吸传感器中的2种以上)或者相同呼吸周期等的多次波形测定，对彼此的成分提取进行相互补充，从而提高精度。由此，能够减少伪影，基于线条(line)等的一些假设来提高精度。
另外，还推定由于彼此的成分提取所造成的轴、宽度、范围和频率的偏差和变动范围。即，通过多次重合，使频率轴设定平均化、分散，从而能够计算出轴、宽度、范围、频率的最佳区间(range)。此时，有可能发生其它行为的频率(噪声)被提取，且只要有对应的波，即使是没有进入上述区间的程度，也会相对地被测量到。
由此，可以得到主数据。针对上述主数据，对想要测量的新对象，提取上述主数据的波形、波的频率的一定幅度、范围。例如，仅提取呼吸，或者提取作为血管提取程度轮廓的幅度、范围。该波形、频率的幅度可以使用其他功能的波形要素、噪声等伪影、被认为具有其它同步性的其它医学影像的波形、多次进行的再现性等，相对地以统计的方式来综合判断。对此需要进行调整和经验处理(也可以采用机械学习)。这是因为，若幅度、范围扩大，则其他功能的要素就会进入其内，若过窄，则功能自身的要素会被排除，因此其区间需要进行调整。例如，当存在多次数据时，容易划定区间、与频率测定一致的范围等。
接着，对于该想要测量的新对象的数据，将其与原先获得的波形、频率的一致性或其它不一致性进行数值化，从而计算出用于辅助诊断的数值。例如，可以去除脉搏计、听诊器的杂音，并且通过测定主要的病情波形一致率，计算病情波形的一致性，从而能够应用于诊断辅助设备。
另外，对于想要测量的新对象的数据，将其与原先获得的波形、频率的一致性或其它不一致性图像化，从而计算出用于辅助诊断的图像。例如，将正常吞咽与患者吞咽的区别可视化，呈现出到目前为止的动作与当前正在进行的动作的区别。例如，步行的脚的运动方式、摆动的变化、区别等。
将其提取变化量可视化，并绘制成图像。这就是下文所述的呼吸功能分析、血管分析。然后，将胸廓和横膈膜的变化率可视化。这种情况下，也可以再一次去除结果中的伪影，从新数据提取波形、最初的基础数据波形、其他医学影像等的波形、周围波形、多次波形中提取，从而进行功能的提取。
另外，通过从上述提取的波形以外的波形中提取出变化成分并将该变化成分去除，从而有时也可以掌握特征量。例如，在掌握腹部肠道的运动时，从腹部去除呼吸的影响和血管的影响后，可以提取出腹部肠道的运动。
该提取所造成的变化率会对耗费一定拍摄时间的图像(CT、MRI、特殊X片、PET/闪烁显像等)进行修正，从而提供更清楚准确的图像。例如，对于上行大动脉心脏修正、心脏形态修正、支气管偏移修正、胸廓周围评价、无法屏住呼吸状态下的拍摄(患者或拍摄需要几分钟的时间)是有效的。
下面，参照附图，对本发明的实施方式进行说明。图1A是表示本实施方式所涉及的诊断辅助系统的简要结构的图。该诊断辅助系统通过使计算机执行诊断辅助程序来发挥特定的功能。基本模块1由呼吸功能分析部3、肺部血流分析部5、其它血流分析部7、傅里叶分析部9、波形分析部10和视觉化及数值化部11构成。基本模块1经由输入接口13从数据库15获取图像数据。数据库15中存储有例如DICOM(医学数字成像和通信)图像。从基本模块1输出的图像信号经由输出接口17显示在显示器19上。接下来，对本实施方式所涉及的基本模块的功能进行说明。
[呼吸周期分析]
本实施方式中，基于以下指标来对呼吸周期进行分析。即，使用肺野内的一定区域的密度/浓度、横膈膜的运动、胸廓的运动中的至少一项来分析呼吸周期。也可以使用在X射线(除此以外还有CT、MRI等多种医学影像)的透过性较高的部位测定得到的固定的体积密度/强度所构成的范围、呼吸图等其他测定方法得到的数据。优选对每一次呼吸的分析结果进行比较，从多个数据分析出趋势，从而提高数据的准确度。
[血管搏动分析]
本实施方式中，基于以下指标来对血管搏动进行分析。即，根据心电图、脉搏计等其它医学影像的测量结果或肺部轮廓，确定心脏、肺门位置和主要血管，利用各部位的密度/强度的变化来分析血管搏动。也可以在图像上手动地绘制，从而分析对象部位的密度/强度的变化。优选对每一次搏动的分析结果进行比较，从多个数据分析出趋势，从而提高数据的准确度。
[肺野确定]
从数据库(DICOM)提取出图像，使用上述呼吸周期分析结果，自动检测出肺部轮廓。该肺部轮廓的自动检测可以使用以往已知的技术。例如，可以使用日本专利特开昭63-240832号公报、特开平2-250180号公报所公开的技术。
接着，将肺野分割成多个分区，计算各分区的变化。这里，也可以根据拍摄速度决定分区的大小。当拍摄速度较慢时，某一帧图像的下一帧图像中对应部位的确定会变困难，因此增大分区。而当拍摄速度较快时，单位时间内的帧图像数量较多，因此即使分区变小也能够进行追踪。还可以根据选择呼吸周期中的哪一个定时，来计算分区的大小。这里，有时需要对肺野区域的偏差进行修正。此时，通过确定胸廓的运动、横膈膜的运动、整个肺野中血管的位置关系，并掌握肺部轮廓的相对位置，基于其运动来相对地进行评价。若分区过小，则有可能导致图像闪烁。为了防止这样的情况发生，有必要使分区具有一定的大小。
[分区的生成：方法一]
对将肺野分割成多个分区的方法进行说明。方法一如图1B所示，是沿着肺部纵向画点从而横断分割肺部的方法。方法一中，例如可以求出肺部纵膈侧的距离和肺部外侧的距离，然后绘制将这些距离等分的点。接着，设定纵膈侧和外侧的放大率进行分割。肺部的运动在横膈膜侧要大于肺尖侧，因此可以绘制越靠近横膈膜侧分割得越细的点。图1B中，也可以进一步画出纵向的线(虚线)，从而分割出多个矩形(正方形)的分区。由此，能够更加准确地表现出肺部的运动。
[分区的生成：方法二]
方法二也是横断分割肺部的方法，如图1C所示，在肺部区域的肺尖与横膈膜的端部(或其附近)画出平行线，并在其间绘制多个点。然后，在彼此相邻的部分决定放大率进行分割。方法二并不计算肺部曲线部分的长度，因此具有计算量很少的优点。也可以如图1B所示地进一步画出纵向的线(虚线)，从而分割出多个矩形(正方形)分区。
[分区的生成：方法三]
方法三如图1D所示，是沿着肺部横向画点从而纵断分割肺部的方法。方法三中，例如可以求出肺部纵膈侧的距离和肺部外侧的距离，然后绘制将这些距离等分的点。然后，在彼此相邻的部分决定放大率进行分割。肺部的运动在横膈膜侧要大于肺尖侧，因此可以绘制越靠近横膈膜侧分割得越细的点。也可以如图1B所示地进一步画出横向的线，从而分割出多个矩形(正方形)分区。
[分区的生成：方法四]
方法四也是纵断分割肺部的方法，如图1E所示，沿着肺部区域的肺尖的纵向与横膈膜的端部的纵向(或其附近)画出平行线，在其间绘制多个点。然后，在彼此相邻的部分决定放大率进行分割。方法四并不计算肺部曲线部分的长度，因此具有计算量很少的优点。也可以如图1B所示地进一步画出横向的线，从而分割出多个矩形(正方形)分区。
[分区的生成：方法五]
方法五如图1F所示，画出肺尖部的切线和横膈膜的切线，将切线的交点定为中心点，用偏离包含该点的直线(例如竖直线)一定角度的线段来分割肺部。方法五中，通过设定中心点的方法，从而成为近似于横断分割肺部的方法或近似于纵断分割肺部的方法。也可以如图1B所示地进一步画出纵向或横向的线，从而分割出多个矩形(正方形)分区。
[分区的生成：方法六]
方法六是采用3D方式的方法。如图1G所示，可以用与连接肺尖(或肺门)和横膈膜端部的直线正交的多个平面来切断肺部。横膈膜的运动在躯干部侧要大于体表侧，因此横膈膜在不同部位的弹性系数可以说是不同的。因此，也可以如图1H所示地利用伴随横膈膜的运动产生的位移量相等的点的集合(面)来分割肺部。也可以如图1B所示地进一步画出纵向或横向的线，从而分割出多个矩形(正方形)分区。
接着，去除伪影，对图像数据进行插值。即，当分析范围内包含了骨骼等时，会以噪声的形式表现出来，因此希望使用去噪滤波器来去除噪声。X射线图像中，在肺野区域内不存在血管或骨骼的位置的周边，X射线容易透过，因此X射线图像会变黑。即，X射线图像的像素值变高。另一方面，在存在血管或骨骼的位置上，X射线难以透过，因此X射线图像会变白。即，X射线图像的像素值变低。其它的CT、MRI也存在相同的情况。这里，根据上述呼吸周期分析的结果，基于每一次呼吸的波形，使用同一相位的值对数据进行插值，从而可以去除伪影。
[傅里叶分析]
基于以上述方式分析后得到的呼吸周期和血管搏动周期，对各分区的密度/强度的值和/或其变化量实施傅里叶分析。图2A是表示特定分区的强度变化及其傅里叶分析的结果的图。图2B是表示提取出接近心跳频率成分后的傅里叶变换结果、及对其进行傅里叶逆变换后接近心跳的频率成分的强度变化的图。例如，对特定分区的强度变化进行傅里叶变换(傅里叶分析)，可以得到图2A所示的结果。然后，使用例如带通滤波器，从图2A所示的频率成分中提取出接近心跳的频率成分，可以得到图2B中纸面右侧所示的结果。通过对其进行傅里叶逆变换，可以得到图2B的纸面左侧所示的与心跳变化同步的强度变化。
在进行傅里叶变换时，可以使用AR法(自回归移动平均模型)，从而能够在短时间内计算得到。AR法包括在自回归移动平均模型上使用尤尔-沃克方程(Yule-walkerequiation)或卡尔曼滤波器的方法，使用由其导出的尤尔沃克推定值(Yule-walkerestimates)、PARCOR法、最小二乘法，可以对计算进行补充。从而，能够更快地获取接近实时的图像，能够对计算进行辅助和对伪影进行修正。通过这样的傅里叶分析，能够提取出各分区的图像的特性并加以显示。
[波形分析]
对于血管、脑电波、通过其他检查以固定波形的形式识别出的数据进行波形分析。包括脚部运动等以固定的状态重复进行的动作。例如对于肺部来说，比较其左右差别。另外，还分析重复进行的动作的频率是否重叠而具有相同的趋势。对波形数据进行比较，计算出两者数据的一致性。然后，对经过傅里叶分析后的数据进行比较。
[视觉化和数值化]
将上述分析得到的结果视觉化和数值化。作为标准摄取值(standard uptake)，将要测量的整个肺野的密度/强度的平均值设为1，从而显示相对值/对数值。另外，由于仅使用血流的方向，因此截取特定方向的变化。由此，能够仅获取有意义的方法的数据。使用肺野确定结果，追踪分析范围的变化来进行伪彩色化。即，按照与不同阶段相应的特定形式(最小、最大、平均、中央值)，将各人(被拍摄体)的分析结果应用于相对区域。还将多个分析结果变形成可以进行比较的特定形状和阶段。此外，在生成标准肺时，使用上述呼吸周期分析的结果来计算肺野内的相对位置关系。标准肺使用将多名患者的胸廓线、密度、横膈膜等综合平均后的线条来生成。生成标准肺时，对于肺部血流的情况，可以测量从肺门到肺端部的放射状距离。对于呼吸的情况，需要根据胸廓和横膈膜的运动进行修正。还可以考虑到肺尖的距离来进行综合计算。本实施方式中，预先获取横膈膜整体运动的形态，然后在测量各部位时使用所需要的横膈膜的运动。即，针对整个横膈膜运动的频率，获取呼吸同步性和血管同步性。
一旦得出标准肺，则可以将同步性、一致性、不一致性数值化并加以呈现。还可以显示偏离了正常状态的情况。根据本实施方式，通过执行傅里叶分析，能够发现新的病情，能够与通常的自己进行比较、进行手足比较、进行相反侧的手足比较。而且，可以通过同步性的数值化来掌握脚部的运动方式、吞咽等是否有异常的情况。另外，还可以判断患病的人在经过了一定时间后是否发生了变化，在发生了变化的情况下还可以将变化前后的情况进行比较。
如图2C所示，在将标准肺记为100时，可以掌握该人体与之相差了多少百分比，并显示变化率。不仅可以掌握整个肺部的差异，也可以掌握局部肺的差异。通过进行“多样化分类”，也可以确定标准血流。即，可以确定呼吸周期，计算血管的相对位置关系，从而确定被拍摄体的血流动态作为标准血流。
从而，能够对一患者与另一患者进行比较和数值化。可以对正常肺或正常血管与典型的异常肺功能或异常血流进行比较和数值化。而且，也可以使用标准肺和标准血流来作为一患者在不同时间的肺功能和肺部血流的相对评价。这样的标准肺和标准血流将各种典型患者、健康的人的典型病例集中在一起，且标准肺和标准血流可以用作为在形式上应用于一患者进行评价时的指标。接下来，对本实施方式所涉及的各模块的动作进行说明。
[呼吸功能分析]
首先，说明呼吸功能分析。图3是表示本实施方式所涉及的呼吸功能分析的概况的流程图。基本模块1从数据库15提取出DICOM的图像(步骤S1)。这里，至少获取一个呼吸周期内包含的多帧图像。接着，在所获取的各帧图像中，至少使用肺野内的一定区域的密度(密度/强度)，确定呼吸周期(步骤S2)。在该呼吸周期内拟合周期函数，确定肺野的区间。
呼吸周期的确定也可以进一步使用横膈膜的运动、胸廓的运动。也可以使用在X射线的透过性较高的部位测定得到的固定的体积密度/强度所构成的范围、呼吸图等其他测定方法得到的数据。
接下来，图3中，自动检测肺野(步骤S3)。自动检测肺部轮廓时，虽然每一帧图像有可能发生偏差，但基于步骤S2中确定的呼吸周期，对各帧图像进行插值，从而可以确定各帧图像中的肺部轮廓。接着，将检测出的肺野分割成多个分区(步骤S4)。然后，计算各帧图像中的各分区的变化(步骤S5)。这里，将各分区内变化的值平均化，以一个数据的形式来表现。然后，基于上述呼吸周期，对各分区的密度/强度的值和/或其变化量实施傅里叶分析(步骤S6)。由此，能够提取出各分区的图像的特性并加以显示。
接着，去除通过傅里叶分析得到的结果中的噪声(步骤S7)。上述步骤S5～步骤S7的动作进行了一次以上后，判断是否完成(步骤S8)。在未完成的情况下，移至步骤S5，在完成的情况下，将通过傅里叶分析得到的结果作为伪彩色图像显示在显示器上(步骤S9)。也可以显示黑白图像。从而，通过反复进行多次循环，能够提高数据的准确度。
[肺部血流分析]
接着，对肺部血流分析进行说明。图4是表示本实施方式所涉及的肺部血流分析的概况的流程图。基本模块1从数据库15提取出DICOM的图像(步骤T1)。这里，至少获取一次心跳周期内包含的多帧图像。然后，基于所获取的各帧图像，确定血管搏动周期(步骤T2)。血管搏动周期如上所述地根据例如心电图、脉搏计等其它医学影像的测量结果或肺部轮廓，确定心脏、肺门位置和主要血管，利用各部位的密度/强度的变化来分析血管搏动。
然后，在图4中，利用上述方法确定呼吸周期(步骤T3)，使用该呼吸周期自动检测肺野(步骤T4)。自动检测肺部轮廓时，虽然每一帧图像有可能发生偏差，但基于步骤T3中确定的呼吸周期，对各帧图像进行插值，从而可以确定各帧图像中的肺部轮廓。接着，将检测出的肺野分割成多个分区(步骤T5)。然后，计算各帧图像中的各分区的变化(步骤T6)。这里，将各分区内变化的值平均化，以一个数据的形式来表现。然后，基于上述血管搏动周期，对各分区的密度/强度的值和/或其变化量实施傅里叶分析(步骤T7)。由此，能够提取出各分区的图像的特性并加以显示。
接着，去除通过傅里叶分析得到的结果的噪声(步骤T8)。上述步骤T6～步骤T8的动作进行了一次以上后，判断是否完成(步骤T9)。在未完成的情况下，移至步骤T6，在完成的情况下，将通过傅里叶分析得到的结果作为伪彩色图像显示在显示器上(步骤T10)。也可以显示黑白图像。从而可以提高数据的准确度。
[其它血流分析]
接着，对其它血流分析进行说明。本发明的一个方式也可以应用于大动脉、腹部血管、头颈动脉等的血流分析。图5是表示本实施方式所涉及的其它血流分析的概况的流程图。基本模块1从数据库15提取出DICOM的图像(步骤R1)。这里，至少获取一次搏动周期内包含的多帧图像。然后，基于所获取的各帧图像，确定血管搏动周期(步骤R2)。血管搏动周期如上所述地根据例如心电图、脉搏计等其它医学影像的测量结果或肺部轮廓，确定心脏、肺门位置和主要血管，利用各部位的密度/强度的变化来分析血管搏动。
然后，设定分析范围(步骤R3)，并将所设定的分析范围分割成多个分区(步骤R4)。并将各分区内变化的值平均化，以一个数据的形式来表现。然后，基于上述血管搏动周期，对各分区的密度/强度的值和/或其变化量实施傅里叶分析(步骤R5)。由此，能够提取出各分区的图像的特性并加以显示。
接着，去除通过傅里叶分析得到的结果的噪声(步骤R6)。上述步骤R5～步骤R6的动作进行了一次以上后，判断是否完成(步骤R7)。在未完成的情况下，移至步骤R5，在完成的情况下，将通过傅里叶分析得到的结果作为伪彩色图像显示在显示器上(步骤R8)。也可以显示黑白图像。从而可以提高数据的准确度。
如上所述，在采用3D方式的情况下，通过用别的装置测定呼吸量、心脏排血量、中枢血流量，可以根据它们的比例在各自的区域中测定“局部肺换气量”、“肺部血流量”、“血流比例”。在这些定量的测定可以用其它医学影像等来测定呼吸量、心脏排血量、中枢侧血流的情况下，能够根据一帧的比重或其比例、区域的变化量比例，来推定出推定功能量。即，在呼吸功能分析的情况下，可以根据呼吸量推定出肺部换气量，在肺部血流分析的情况下，可以根据心脏(肺部血管)排血量推定出肺部血流量，在其它血流量分析的情况下，可以根据中枢侧的血流量(比例)推定出所绘制的分支血管中的推定血流量(比例)。
如上所述，根据本实施方式，尽管当前的拍摄方法下CT、MRI等其他医学影像存在一些问题，但可以对人体的图像进行评价。至少对于使用平板探测器的X射线动画装置来说，使用现有的设备基本能够很好地大致进行计算，其导入费用十分低廉。另外，在使用平板探测器的X射线动画装置中，对被拍摄体的检查也十分简单。另外，对于肺部血流，能够筛选检查出肺部血栓栓塞症。例如，在使用平板探测器的X射线动画装置中，通过在进行CT前执行本实施方式所涉及的诊断辅助程序，能够省去多余的检查。另外，由于检查十分简便，因此能够早期发现非常紧急的病患，能够优先地进行应对。而且，能够在CT、MRI等其他医学影像中实现各区域的精密诊断。
还可以适用于各种血管、例如颈部血流狭窄化的扫描，还能适用于大血管的血流评价或筛选检查。另外，肺部呼吸数据对于肺的局部功能检查是有效的，可以用于肺功能检查。另外，也可以确定COPD、肺气肿等病患。还可以适用于术前、术后的性状掌握。而且，通过对呼吸周期和血流周期进行傅里叶分析，在腹部的X射线图像中去除呼吸的波形和血流的波形，从而能够观察到其它生物运动的变异、例如肠梗等。
本国际申请享受2016年7月19日提出申请的日本专利申请第2016-141658号的优先权，日本专利申请第2016-141658号的所有内容都引用在本国际申请中。
标号说明
1  基本模块
3  呼吸功能分析部
5  肺部血流分析部
7  其它血流分析
9  傅里叶分析部
10 波形分析部
11 视觉化和数值化部
13 输入接口
15 数据库
17 输出接口
19 显示器。

Claims (14)

1.一种诊断辅助方法，对人体的图像进行分析并显示分析结果，其特征在于，使计算机执行如下处理：
从存储所述图像的数据库获取多帧图像的处理；
从各帧图像中选定特定区域并基于所选定的所述特定区域的像素来确定呼吸周期的处理；
基于所确定的所述呼吸周期来检测肺野的处理；
将检测出的所述肺野分割成多个分区并基于检测出的所述肺野内的相对位置和肺部轮廓的相对位置来计算各所述分区的图像变化的处理；
对所述各帧图像中的各个分区的图像变化进行傅里叶变换的处理；
对各所述分区的图像变化的傅里叶变换结果，提取与所述呼吸周期对应的频率成分并进行傅里叶逆变换的处理；以及
将经过所述傅里叶逆变换后的图像显示在显示器上的处理。
2.一种诊断辅助方法，对人体的图像进行分析并显示分析结果，其特征在于，使计算机执行如下处理：
从存储所述图像的数据库获取多帧图像的处理；
确定被拍摄体的血管搏动周期的处理；
基于各帧图像的特定区域的像素来确定呼吸周期的处理；
基于所确定的所述呼吸周期来检测肺野的处理；
将检测出的所述肺野分割成多个分区并基于检测出的所述肺野内的相对位置和肺部轮廓的相对位置来计算所述各帧图像中的分区的图像变化的处理；
对所述各帧图像中的各个分区的图像变化进行傅里叶变换的处理；
对各所述分区的图像变化的傅里叶变换结果，提取与所述血管搏动周期对应的频率成分并进行傅里叶逆变换的处理；以及
将经过所述傅里叶逆变换后的图像显示在显示器上的处理。
3.一种诊断辅助方法，对人体的图像进行分析并显示分析结果，其特征在于，使计算机执行如下处理：
从存储所述图像的数据库获取多帧图像的处理；
从各帧图像中选定特定区域并基于所选定的所述特定区域的像素来确定呼吸周期的处理；
基于所确定的所述呼吸周期来检测肺野的处理；
从所述各帧图像中选定特定区域并基于所选定的所述特定区域的像素来确定被拍摄体的血管搏动周期的处理；
将检测到的所述肺野分割成多个分区，并基于检测出的所述肺野内的相对位置和肺部轮廓的相对位置来计算所述各帧图像中的各个分区的图像变化的处理；
对所述各帧图像中的各个分区的图像变化进行傅里叶变换的处理；
对各所述分区的图像变化的傅里叶变换结果，提取与所述血管搏动周期对应的频率成分并进行傅里叶逆变换的处理；以及
将经过所述傅里叶逆变换后的图像显示在显示器上的处理。
4.如权利要求1所述的诊断辅助方法，其特征在于，
被拍摄体的呼吸周期基于横膈膜的运动、胸廓的运动或呼吸图的数据来确定。
5.如权利要求2所述的诊断辅助方法，其特征在于，
基于心电图或包含脉搏计在内的其它医学影像设备的测量结果来确定所述被拍摄体的血管搏动周期，或者基于所述各帧图像中至少包含的横膈膜的图像和胸廓的图像，提取出横膈膜和胸廓的运动来确定被拍摄体的呼吸周期，并基于所确定的所述呼吸周期来检测肺野，从检测出的所述肺野中确定心脏的位置、肺门的位置、主要肺部血管、大血管及其他血管的血管周期，基于所确定的各部位的图像变化来确定血管搏动周期。
6.如权利要求1所述的诊断辅助方法，其特征在于，
基于所确定的所述呼吸周期，计算肺野内的相对位置关系和血管的相对位置关系，确定被拍摄体的肺部形状作为标准肺，并且确定所述被拍摄体的血流动态作为标准血管区域。
7.如权利要求1所述的诊断辅助方法，其特征在于，
在肺野的相向的轮廓上按照一定的规则绘制多个点，并用线段将相向的点连接，从而将肺野分割成多个分区。
8.如权利要求2所述的诊断辅助方法，其特征在于，
被拍摄体的呼吸周期基于横膈膜的运动、胸廓的运动或呼吸图的数据来确定。
9.如权利要求3所述的诊断辅助方法，其特征在于，
基于心电图或包含脉搏计在内的其它医学影像设备的测量结果来确定所述被拍摄体的血管搏动周期，或者基于所述各帧图像中至少包含的横膈膜的图像和胸廓的图像，提取出横膈膜和胸廓的运动来确定被拍摄体的呼吸周期，并基于所确定的所述呼吸周期来检测肺野，从检测出的所述肺野中确定心脏的位置、肺门的位置、主要肺部血管、大血管及其他血管的血管周期，基于所确定的各部位的图像变化来确定血管搏动周期。
10.如权利要求2所述的诊断辅助方法，其特征在于，
基于所确定的所述呼吸周期，计算肺野内的相对位置关系和血管的相对位置关系，确定被拍摄体的肺部形状作为标准肺，并且确定所述被拍摄体的血流动态作为标准血管区域。
11.如权利要求2所述的诊断辅助方法，其特征在于，
在肺野的相向的轮廓上按照一定的规则绘制多个点，并用线段将相向的点连接，从而将肺野分割成多个分区。
12.如权利要求3所述的诊断辅助方法，其特征在于，
在肺野的相向的轮廓上按照一定的规则绘制多个点，并用线段将相向的点连接，从而将肺野分割成多个分区。
13.一种计算机装置，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上执行的程序，其特征在于，
所述处理器执行所述程序从而实现权利要求1至12中任一项所述的诊断辅助方法。
14.一种计算机可读取介质，其特征在于，其上存储有程序，该程序被处理器执行从而实现权利要求1至12中任一项所述的诊断辅助方法。
CN201780044834.4A 2016-07-19 2017-02-28 诊断辅助程序 Active CN109561863B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2016-141658 2016-07-19
JP2016141658 2016-07-19
PCT/JP2017/007859 WO2018016113A1 (ja) 2016-07-19 2017-02-28 診断支援プログラム

Publications (2)

Publication Number Publication Date
CN109561863A CN109561863A (zh) 2019-04-02
CN109561863B true CN109561863B (zh) 2023-04-28

Family

ID=60993251

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201780044834.4A Active CN109561863B (zh) 2016-07-19 2017-02-28 诊断辅助程序

Country Status (8)

Country Link
US (2) US11004201B2 (zh)
EP (2) EP3488782B1 (zh)
JP (1) JP6746114B2 (zh)
KR (1) KR102255109B1 (zh)
CN (1) CN109561863B (zh)
AU (1) AU2017299238C1 (zh)
CA (1) CA3031175C (zh)
WO (1) WO2018016113A1 (zh)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112020013421A2 (pt) * 2018-01-05 2020-12-01 Radwisp Pte. Ltd. programa de suporte de diagnóstico
TWI684433B (zh) * 2019-04-19 2020-02-11 鉅怡智慧股份有限公司 生物影像處理方法以及生理資訊檢測裝置
TW202116253A (zh) * 2019-07-04 2021-05-01 新加坡商派拉梅維爾私人有限公司 診斷支援程式
JP7369437B2 (ja) * 2019-09-27 2023-10-26 国立大学法人三重大学 評価システム、評価方法、学習方法、学習済みモデル、プログラム
US20230165567A1 (en) * 2020-05-08 2023-06-01 The Regents Of The University Of Michigan Ultrasound signal correlation phase estimation of lung motion
CN111916186A (zh) * 2020-08-17 2020-11-10 北京赛迈特锐医疗科技有限公司 序贯型ai诊断模型对胸部x线智能诊断系统及方法
CN112998689B (zh) * 2021-02-08 2022-01-18 南京泓鼎感知技术有限责任公司 非接触式多人实时呼吸状况评估系统、设备和存储介质
CN112927230A (zh) * 2021-04-26 2021-06-08 常州市第一人民医院 一种影像图像的处理分析系统
CN113576487B (zh) * 2021-06-18 2023-06-13 深圳技术大学 特征的确定、心电预测方法及装置、电子设备和存储介质
CN113592804B (zh) * 2021-07-27 2024-05-07 东软医疗系统股份有限公司 图像处理方法、装置及设备

Family Cites Families (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07100060B2 (ja) 1987-03-30 1995-11-01 コニカ株式会社 肺野部輪郭線を求める画像計測方法
JP2851057B2 (ja) 1988-08-02 1999-01-27 株式会社東芝 ディジタルｘ線画像における自動化分析のための方法および装置
US7951083B2 (en) * 2004-02-05 2011-05-31 Siemens Medical Solutions Usa, Inc. Motion analysis improvements for medical diagnostic ultrasound
US7733224B2 (en) * 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
JP5029702B2 (ja) * 2008-01-25 2012-09-19 コニカミノルタホールディングス株式会社 画像生成装置、画像生成方法およびプログラム
JP5402056B2 (ja) * 2009-02-16 2014-01-29 コニカミノルタ株式会社 画像処理装置、画像処理方法、およびプログラム
US9044194B2 (en) * 2010-08-27 2015-06-02 Konica Minolta, Inc. Thoracic diagnosis assistance system and computer readable storage medium
CN103068312B (zh) 2010-08-27 2015-07-15 柯尼卡美能达医疗印刷器材株式会社 诊断支援系统以及图像处理方法
JP2012110400A (ja) * 2010-11-22 2012-06-14 Konica Minolta Medical & Graphic Inc 動態診断支援情報生成システム
EP2724319B1 (en) * 2011-06-21 2020-03-18 Koninklijke Philips N.V. Respiratory motion determination apparatus
US8660634B2 (en) * 2012-04-23 2014-02-25 The Brigham and Woman's Hospital System and method for improved lung fourier decomposition magnetic resonance imaging
US10143377B2 (en) * 2012-05-02 2018-12-04 Augusta University Research Institute, Inc. Single channel imaging measurement of dynamic changes in heart or respiration rate
JP5962237B2 (ja) 2012-06-11 2016-08-03 コニカミノルタ株式会社 胸部診断支援情報生成方法
JP5500216B2 (ja) * 2012-07-13 2014-05-21 コニカミノルタ株式会社 画像表示装置およびプログラム
US9665935B2 (en) * 2013-05-16 2017-05-30 Konica Minolta, Inc. Image processing device and program
WO2014192505A1 (ja) * 2013-05-28 2014-12-04 コニカミノルタ株式会社 画像処理装置及びプログラム
US20160189394A1 (en) * 2014-12-30 2016-06-30 Huazhong University Of Science And Technology Method for iteratively extracting motion parameters from angiography images
JP2016141658A (ja) 2015-02-03 2016-08-08 株式会社日本触媒 環状エーテルの水素化開環による有機化合物の連続製造方法
WO2017013895A1 (ja) * 2015-07-22 2017-01-26 コニカミノルタ株式会社 コンソール及び動態画像撮影診断システム
JP6264361B2 (ja) * 2015-11-30 2018-01-24 コニカミノルタ株式会社 動態画像解析装置
JP6701880B2 (ja) * 2016-03-30 2020-05-27 コニカミノルタ株式会社 動態解析装置、動態解析システム、動態解析方法及びプログラム
EP3548884A4 (en) * 2016-11-29 2020-11-18 Washington University PANORAMIC PHOTO-ACOUSTIC SINGLE PULSE COMPUTER TOMOGRAPHY (SIP-PACT)

Also Published As

Publication number Publication date
KR102255109B1 (ko) 2021-05-21
EP3488782B1 (en) 2021-09-29
AU2017299238B2 (en) 2020-09-17
EP3488782A1 (en) 2019-05-29
US20210233243A1 (en) 2021-07-29
US20190287248A1 (en) 2019-09-19
AU2017299238C1 (en) 2021-03-18
JPWO2018016113A1 (ja) 2019-09-05
EP3936048A1 (en) 2022-01-12
CA3031175A1 (en) 2018-01-25
CA3031175C (en) 2021-11-09
WO2018016113A1 (ja) 2018-01-25
KR20190026870A (ko) 2019-03-13
EP3488782A4 (en) 2020-03-11
JP6746114B2 (ja) 2020-08-26
CN109561863A (zh) 2019-04-02
US11004201B2 (en) 2021-05-11
AU2017299238A1 (en) 2019-02-21

Similar Documents

Publication Publication Date Title
CN109561863B (zh) 诊断辅助程序
JP7310048B2 (ja) 診断支援プログラム
EP2829231B1 (en) Image-generating apparatus
KR20210020990A (ko) 폐-용적-게이팅형 엑스레이 촬상을 위한 시스템 및 방법
JP2017176202A (ja) 動態解析システム
TWI828661B (zh) 診斷支援系統
EP3995081A1 (en) Diagnosis assisting program
OA20419A (en) Diagnostic support program
JP2021132994A (ja) 動態解析装置及びプログラム
EA040692B1 (ru) Программа поддержки диагностики

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40004128

Country of ref document: HK

CB02 Change of applicant information

Address after: Shinka ha

Applicant after: Palamevia Private Ltd.

Address before: Shinka ha

Applicant before: RADWISP Pte. Ltd.

CB02 Change of applicant information
GR01 Patent grant
GR01 Patent grant