CN111278364A - 信息输出装置、方法及程序 - Google Patents
信息输出装置、方法及程序 Download PDFInfo
- Publication number
- CN111278364A CN111278364A CN201880055902.1A CN201880055902A CN111278364A CN 111278364 A CN111278364 A CN 111278364A CN 201880055902 A CN201880055902 A CN 201880055902A CN 111278364 A CN111278364 A CN 111278364A
- Authority
- CN
- China
- Prior art keywords
- brain
- test
- brain regions
- drug
- dementia
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 46
- 210000004556 brain Anatomy 0.000 claims abstract description 589
- 238000012360 testing method Methods 0.000 claims abstract description 257
- 206010012289 Dementia Diseases 0.000 claims abstract description 97
- 238000003745 diagnosis Methods 0.000 claims abstract description 41
- 238000002405 diagnostic procedure Methods 0.000 claims abstract description 34
- 239000003814 drug Substances 0.000 claims description 196
- 229940079593 drug Drugs 0.000 claims description 120
- 238000011282 treatment Methods 0.000 claims description 45
- 230000006870 function Effects 0.000 claims description 30
- 206010003694 Atrophy Diseases 0.000 abstract description 42
- 230000037444 atrophy Effects 0.000 abstract description 42
- 238000011156 evaluation Methods 0.000 abstract description 11
- 230000000875 corresponding effect Effects 0.000 description 33
- 238000012545 processing Methods 0.000 description 32
- 230000010365 information processing Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 26
- 230000015654 memory Effects 0.000 description 22
- 238000004458 analytical method Methods 0.000 description 17
- 230000008859 change Effects 0.000 description 16
- 230000000694 effects Effects 0.000 description 14
- 230000003920 cognitive function Effects 0.000 description 12
- 238000002595 magnetic resonance imaging Methods 0.000 description 12
- 238000010191 image analysis Methods 0.000 description 10
- 230000011218 segmentation Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000003384 imaging method Methods 0.000 description 7
- 239000003550 marker Substances 0.000 description 7
- 208000024806 Brain atrophy Diseases 0.000 description 6
- 101001133637 Homo sapiens Phosphofurin acidic cluster sorting protein 2 Proteins 0.000 description 6
- 102100034077 Phosphofurin acidic cluster sorting protein 2 Human genes 0.000 description 6
- 238000002591 computed tomography Methods 0.000 description 6
- 230000017531 blood circulation Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 208000024827 Alzheimer disease Diseases 0.000 description 3
- 230000008449 language Effects 0.000 description 3
- 230000033001 locomotion Effects 0.000 description 3
- 238000002600 positron emission tomography Methods 0.000 description 3
- 238000002603 single-photon emission computed tomography Methods 0.000 description 3
- 230000002123 temporal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 210000003710 cerebral cortex Anatomy 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 230000003340 mental effect Effects 0.000 description 2
- 230000006996 mental state Effects 0.000 description 2
- 230000003557 neuropsychological effect Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 239000011165 3D composite Substances 0.000 description 1
- 102000013455 Amyloid beta-Peptides Human genes 0.000 description 1
- 108010090849 Amyloid beta-Peptides Proteins 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- 208000003174 Brain Neoplasms Diseases 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 229920004482 WACKER® Polymers 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000007435 diagnostic evaluation Methods 0.000 description 1
- 210000002451 diencephalon Anatomy 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 210000004055 fourth ventricle Anatomy 0.000 description 1
- 210000001652 frontal lobe Anatomy 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 210000003140 lateral ventricle Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000001767 medulla oblongata Anatomy 0.000 description 1
- 210000001259 mesencephalon Anatomy 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000036651 mood Effects 0.000 description 1
- 230000004660 morphological change Effects 0.000 description 1
- 238000009206 nuclear medicine Methods 0.000 description 1
- 210000000869 occipital lobe Anatomy 0.000 description 1
- 210000001152 parietal lobe Anatomy 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 239000000902 placebo Substances 0.000 description 1
- 229940068196 placebo Drugs 0.000 description 1
- 230000002360 prefrontal effect Effects 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 210000001202 rhombencephalon Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000013707 sensory perception of sound Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
- 210000000211 third ventricle Anatomy 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 230000001755 vocal effect Effects 0.000 description 1
Images
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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4058—Detecting, measuring or recording for evaluating the nervous system for evaluating the central nervous system
- A61B5/4064—Evaluating the brain
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/40—Detecting, measuring or recording for evaluating the nervous system
- A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
- A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4848—Monitoring or testing the effects of treatment, e.g. of medication
-
- 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
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/30016—Brain
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)
- Neurology (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Heart & Thoracic Surgery (AREA)
- Biophysics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Physiology (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Hospice & Palliative Care (AREA)
- Psychiatry (AREA)
- Developmental Disabilities (AREA)
- Child & Adolescent Psychology (AREA)
- High Energy & Nuclear Physics (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
本发明提供一种能够输出对痴呆症的诊断和评价有效的信息的信息输出装置、方法及程序。信息输出装置使用第1表T1,能够在输入有萎缩率高的脑区域时输出与所输入的脑区域的关联性高的测试项目,所述第1表T1存储脑图像的被分割的多个脑区域与痴呆症的诊断测试的多个测试项目的关联性。并且,能够在输入有所关注的测试项目时输出与所输入的测试项目的关联性高的脑区域。
Description
技术领域
本发明涉及一种信息输出装置、方法及程序,尤其涉及一种提供(输出)对痴呆症的诊断、治疗法或诊断法的评价有效的信息的技术。
背景技术
随着老龄化社会的到来,痴呆症疾病患者逐年增加。痴呆症是由于被称为淀粉样β的蛋白质蓄积在脑而使脑萎缩进行,认知能力下降而发病的。由于不存在痴呆症治疗法,因此从维持生活质量方面来讲,早期发现脑萎缩并在早期开始用于使痴呆症的进行延迟的治疗是很重要的。
为了满足这种需求,近年来,能够通过SPECT(单光子发射计算体层摄影,SinglePhoton Emission Computed Tomography)及PET(正电子发射断层扫描,PositronEmission Tomography)等核医学检查以及通过CT(计算机断层扫描,ComputerizedTomography)装置获取的CT图像及通过MRI(磁共振成像,Magnetic Resonanee Imaging)装置获取的MRI图像获取与脑的状态相关的信息。例如,脑的局部部位的血流及代谢的下降能够通过利用SPECT及PET的图像求出脑的局部部位的经时变化来发现。
另一方面,对于脑萎缩,能够根据MRI图像求出脑的特定部位的容积,并对容积的经时变化进行比较来发现。
专利文献1中记载有如下医用图像处理装置,其将整个脑分割为多个脑区域,按每个脑区域求出脑萎缩程度(变化量),根据变化量区分颜色来显示脑图像。
专利文献2中记载有如下医用图像显示装置,其能够在三维合成图像上轻松地掌握病变部存在于诊断对象部位的哪一区域,尤其将整个脑分割为多个脑区域,并在显示部显示在哪一脑区域中存在病变部(脑梗塞、脑瘤)。另外,专利文献2中没有与脑萎缩和痴呆症相关的记载。
另一方面,进行痴呆症诊断时,进行基于脑图像的图像诊断及作为神经心理学检查的痴呆症的诊断测试(例如,ADAS(alzheimers’disease assessment scale:阿尔茨海默氏病评估量表等),综合进行诊断。
以往技术文献
专利文献
专利文献1:日本特开2014-042684号公报
专利文献2:日本特开2011-010828号公报
发明内容
发明要解决的技术课题
专利文献1中记载的医用图像处理装置中,按每个脑区域求出萎缩程度(变化量),根据变化量区分颜色来显示脑图像,因此医生能够按每个脑区域掌握脑内组织的长年变化,但存在难以准确地掌握这种每个脑区域的脑的形态变化与神经心理学诊断的关联性的问题。
另一方面,痴呆症的诊断测试中存在如下问题,即,根据诊断测试时的患者的心情、身体状况、教育经历等而在测试结果中产生偏差。
本发明是鉴于这种情况而完成的,其目的在于提供一种能够输出对痴呆症的诊断和评价有效的信息的信息输出装置、方法及程序。
用于解决技术课题的手段
为了实现上述目的,本发明的一方式所涉及的信息输出装置具备:第1表,存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性;输入部,输入脑区域;及输出部,根据所输入的脑区域和第1表,从第1表读出并输出与脑区域对应的多个测试项目的关联性或多个测试项目中具有超过阈值的关联性的1个或多个测试项目。
第1表是能够通过收集多个患者的脑图像的每个脑区域的分析值和诊断测试的测试结果,并对所收集的信息进行处理来创建的新的表,通过对更多的信息进行处理,能够设为高可靠性的表。
通过使用该第1表,能够在输入有所关注的脑区域(例如,萎缩率高的脑区域)时获取与所输入的脑区域对应的多个测试项目的关联性或关联性高的测试项目。即,通过输入所关注的脑区域,可知与该脑区域的关联性高的测试项目(认知功能)。
本发明的另一方式所涉及的信息输出装置具备:第1表,存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性;输入部,输入测试项目;及输出部,根据所输入的测试项目和第1表,从第1表读出并输出与测试项目对应的多个脑区域的关联性或多个脑区域中具有超过阈值的关联性的1个或多个脑区域。
通过使用该第1表,能够在输入有痴呆症诊断测试的多个测试项目中所关注的测试项目(例如,认知功能下降的测试项目)时获取与所输入的测试项目对应的多个脑区域的关联性或关联性高的脑区域。即,通过输入所关注的测试项目,可知与该测试项目的关联性高的脑区域(例如,萎缩率高的脑区域)。
本发明的又一方式所涉及的信息输出装置具备:第1表,存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性;第2表,存储表示在痴呆症治疗中使用的药品的药品信息与具有基于药品的显著性的多个脑区域中的1个至多个脑区域的关联性;输入部,输入表示在痴呆症治疗中使用的药品的药品信息;及输出部,根据所输入的药品信息和第2表确定具有基于药品的显著性的脑区域,并根据所确定的脑区域和第1表,对所确定的脑区域,确定并输出多个测试项目中的1个至多个测试项目。
第1表是能够通过收集多个患者的脑图像的每个脑区域的分析值和诊断测试的测试结果,并对所收集的信息进行处理来创建的新的表,同样地,第2表是能够通过如下来创建的新的表,即,对多个患者使用在痴呆症治疗中使用的药品,对使用了该药品的多个患者的脑图像的多个脑区域的每个区域的图像进行分析,收集每个脑区域的分析值并进行处理,由此确定具有基于该药品的显著性的多个脑区域中的1个至多个脑区域。具有基于药品的显著性的脑区域例如为与不使用药品的情况相比萎缩得到抑制的脑区域。
通过使用这些第1表及第2表,能够在输入有表示特定药品的药品信息时确定具有基于该药品信息所示的药品的显著性的脑区域,确定并输出痴呆症诊断测试的多个测试项目中与所确定的脑区域的关联性高的测试项目。即,能够在输入有表示在痴呆症治疗中使用的药品的药品信息时获取能够期待基于该药品信息所示的药品的效果的诊断测试的1个至多个测试项目(应关注的测试项目)。
并且,能够利用能够期待效果的诊断测试的测试结果,简单地确定用于确定药品的效果和副作用的临床试验的对象患者,能够明显减少对不需要临床试验的患者的负荷。由此,能够提高临床试验的质量。
本发明的又一方式所涉及的信息输出装置具备:第1表,存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性;第2表,存储表示在痴呆症治疗中使用的药品的药品信息与具有基于药品的显著性的多个脑区域中的1个至多个脑区域的关联性;输入部,输入针对患者的诊断测试的测试结果;输出部,根据输入的测试结果和第1表确定多个脑区域中的1个至多个脑区域,并根据所确定的脑区域和第2表,确定对所确定的脑区域具有显著性的1个至多个在痴呆症治疗中使用的药品,并输出表示所确定的药品的药品信息。
根据本发明的又一方式,与上述信息输出装置相反地,能够在输入有所关注的测试项目时使用第1表及第2表确定在痴呆症治疗中使用的药品,并输出表示所确定的药品的药品信息。即,能够从针对受检体(患者)的痴呆症诊断测试的测试结果获取适于该患者的治疗的1个或多个药品的药品信息,能够辅助医生选择药品。
本发明的又一方式所涉及的信息输出装置中,优选多个脑区域为与布洛德曼(Brodmann)的脑地图对应地分割的脑区域。
本发明的又一方式所涉及的信息输出方法包含:准备存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性的第1表的步骤;接收脑区域的输入的步骤;及根据接收的脑区域和第1表,从第1表读出并输出与脑区域对应的多个测试项目的关联性或多个测试项目中具有超过阈值的关联性的1个或多个测试项目的步骤。
本发明的又一方式所涉及的信息输出方法包含:准备存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性的第1表的步骤;接收测试项目的输入的步骤;及根据接收的测试项目和第1表,从第1表读出并输出与测试项目对应的多个脑区域的关联性或多个脑区域中具有超过阈值的关联性的1个或多个脑区域的步骤。
本发明的又一方式所涉及的信息输出方法包含:准备第1表和第2表的步骤,第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,第2表存储表示在痴呆症治疗中使用的药品的药品信息与具有基于药品的显著性的多个脑区域中的1个至多个脑区域的关联性;接收表示在痴呆症治疗中使用的药品的药品信息的输入的步骤;及根据接收的药品信息和第2表确定具有基于药品的显著性的脑区域,并根据所确定的脑区域和第1表,对所确定的脑区域,确定并输出多个测试项目中的1个至多个测试项目的步骤。
本发明的又一方式所涉及的信息输出方法包含:准备第1表和第2表的步骤,第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,第2表存储表示在痴呆症治疗中使用的药品的药品信息与具有基于药品的显著性的多个脑区域中的1个至多个脑区域的关联性;接收针对患者的诊断测试的测试结果的输入的步骤;及根据所接收的测试结果和第1表确定多个脑区域中的1个至多个脑区域,并根据所确定的脑区域和第2表,确定对所确定的脑区域具有显著性的1个至多个在痴呆症治疗中使用的药品,并输出表示所确定的药品的药品信息的步骤。
又一方式所涉及的本发明是一种信息输出程序,其适用于具备第1表的计算机,所述第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,所述信息输出程序使计算机实现如下功能:接收脑区域的输入的功能;及根据所接收的脑区域和第1表,从第1表读出并输出与脑区域对应的多个测试项目的关联性或多个测试项目中具有超过阈值的关联性的1个或多个测试项目的功能。
又一方式所涉及的本发明是一种信息输出程序,其适用于具备第1表的计算机,所述第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,所述信息输出程序使计算机实现如下功能:接收测试项目的输入的功能;及根据所接收的测试项目和第1表,从第1表读出并输出与测试项目对应的多个脑区域的关联性或多个脑区域中具有超过阈值的关联性的1个或多个脑区域的功能。
又一方式所涉及的本发明是一种信息输出程序,其适用于具备第1表及第2表的计算机,第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,第2表存储表示在痴呆症治疗中使用的药品的药品信息与具有基于药品的显著性的多个脑区域中的1个至多个脑区域的关联性,所述信息输出程序使计算机实现如下功能:接收表示在痴呆症治疗中使用的药品的药品信息的输入的功能;及根据所接收的药品信息和第2表确定具有基于药品的显著性的脑区域,并根据所确定的脑区域和第1表,对所确定的脑区域,确定多个测试项目中的1个至多个测试项目并输出的功能。
又一方式所涉及的本发明是一种信息输出程序,其适用于具备第1表及第2表的计算机,第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,第2表存储表示在痴呆症治疗中使用的药品的药品信息与具有基于药品的显著性的多个脑区域中的1个至多个脑区域的关联性,所述信息输出程序使计算机实现如下功能:接收针对患者的诊断测试的测试结果的输入的功能;及根据接收的测试结果和第1表确定多个脑区域中的1个至多个脑区域,并根据所确定的脑区域和第2表,确定对所确定的脑区域具有显著性的1个至多个在痴呆症治疗中使用的药品,并输出表示所确定的药品的药品信息的功能。
发明效果
根据本发明,通过使用存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性的新的第1表,能够获取对痴呆症的诊断和评价有效的信息。
附图说明
图1是表示包含本发明所涉及的信息输出装置的系统的概要的硬件结构图。
图2是表示图1所示的信息输出装置的CPU的功能的功能框图。
图3是表示包含分割信息的标准脑图像的例子的图。
图4是表示第1脑图像的图。
图5是表示被分割为多个脑区域的第1脑图像的图。
图6是表示由表示脑区域的编号及各脑区域的名称构成的表T3的图表。
图7是对外侧表面的脑图像标注表示脑区域的编号的图。
图8是对内侧表面的脑图像标注表示脑区域的编号的图。
图9是示出表示ADAS的测试结果的诊断数据的图表。
图10是用于说明构成脑图像的所有体素的三维信息与脑区域标签的对应关联的图。
图11是表示脑区域分割部的处理和图像分析部的处理的流程的图。
图12是用于说明第1表的创建的图。
图13是表示测试项目的得分与萎缩率的相关关系的相关图。
图14是表示测试项目的得分与萎缩率的相关关系的另一相关图。
图15是表示测试项目的得分与萎缩率的相关关系的又一相关图。
图16是示意地表示第1表的图。
图17是表示显示于显示器的医用图像及医用信息的一例的图。
图18是用于说明在痴呆症治疗中使用的药品与脑区域的分析值的关系的图。
图19是示意地表示第2表T2的图。
图20是表示本发明所涉及的信息输出方法的第1实施方式的流程图。
图21是表示本发明所涉及的信息输出方法的第2实施方式的流程图。
图22是表示本发明所涉及的信息输出方法的第3实施方式的流程图。
图23是表示本发明所涉及的信息输出方法的第4实施方式的流程图。
具体实施方式
以下,根据附图对本发明所涉及的信息输出装置、方法及程序的优选实施方式进行说明。
<装置结构>
图1是表示包含本发明所涉及的信息输出装置的系统的概要的硬件结构图。
图1所示的系统由信息输出装置1、PACS(图像保存通信系统:Picture Archivingand Communication Systems)2、电子病历3及MRI(磁共振成像,magnetic resonanceimaging)装置4构成。
MRI装置4是连续测定来自受检体中的氢或磷等的核磁共振信号,将核密度分布和弛豫时间分布等影像化的装置,且是获取表示受检体即患者的成为诊断对象的部位的三维图像的装置。另外,作为获取受检体的三维图像的装置,除了MRI装置4以外,还有能够获取层叠断层图像(CT(计算机断层扫描,Computed Tomography)图像)的CT装置等。
另外,在本发明中,受检体即患者的诊断对象部位为脑,MRI装置4输出包含受检体的脑的头部的MRI图像作为三维脑图像。
三维脑图像作为基于规定的切片间隔或切片厚度的轴向不连续图像(切片图像)的集合体(例如,数百张图像组)而构成。各切片图像中的体素相当于具有切片厚度的二维图像的像素,各体素具有三维信息。
PACS2是将从多个检查装置(医学影像设备)获得的数字的医疗图像信息作为电子数据进行集中管理的部分。通过作为医学影像设备之一的MRI装置4摄影的三维脑图像通过PACS2被保存管理,并通过电子病历3或信息输出装置1用于搜索、浏览等。
并且,PACS2中,通过DICOM(医学数字成像与通信,Digital Imaging andCommunication in Medicine)的图像格式及通信协议进行图像的保管及通信。DICOM标准图像格式中,能够在文件标题部保存摄影时的参数或诊断信息等。另外,在本实施方式中,设为利用PACS2对针对同一受检体的不同摄影日期时间的多个三维脑图像进行保存管理。
信息输出装置1是在1台计算机10安装本发明所涉及的信息输出程序的装置,计算机可以是由进行诊断的医生直接操作的工作站或个人电脑,也可以是经由网络与这些连接的服务器计算机。
信息输出程序记录于DVD(数字多功能光盘,Digital Versatile Disc)或者CD-ROM(光盘只读存储器,Compact Disc Read Only Memory)等光盘(记录介质)而安装,从该光盘经由光盘驱动器18而安装于计算机10。
并且,在计算机10连接有作为输入部发挥作用的鼠标、键盘等操作部22及显示器24。
计算机10主要由集中控制各构成要件的动作的中央处理装置(CPU:中央处理单元,Central Processing Unit)12、存储有装置的控制程序或成为程序执行时的工作区域的主存储器14、硬盘装置等存储器16、进行记录于光盘的各种数据、程序的读写的光盘驱动器18、PACS2、在与电子病历3等之间进行必要的信息交换的通信接口(通信I/F:interface)20构成。
存储器16中除了存储有包含本发明所涉及的信息输出程序的各种应用软件、基准脑图像、本发明中使用的后述的各种表以外,还存储有包含经由通信I/F20从PACS2获取的受检体的脑图像及从电子病历3获取的诊断信息等的各种信息。作为诊断信息,包含表示ADAS(alzheimers’disease assessment scale:阿尔茨海默氏病评估量表)或者ADAS-Jcog(阿尔茨海默氏病评估量表日语版)的测试结果的数据。
图2是表示图1所示的信息输出装置1的CPU12的功能的功能框图。
CPU12通过执行存储于存储器16的信息输出程序而作为各种处理部发挥作用,在该实施方式中,具有作为图像获取部12A、数据获取部12B、脑区域分割部12C、图像分析部12D、信息处理部12E及显示控制部12F的功能。
图像获取部12A获取三维标准脑图像Bs、针对同一受检体的包含脑的不同摄影日期时间的三维的第1脑图像B1及第2脑图像B2。
标准脑图像Bs是表示具有标准的形状及大小、以及标准的浓度(像素值)的脑即标准脑的三维的脑图像。标准脑图像Bs能够通过如下来生成,即,从通过三维图像摄影装置获取多个健康的正常人的头部而得的多个脑图像提取脑,并对所提取的多个脑进行平均。
并且,标准脑图像Bs包含将整个脑分割为多个脑区域的分割信息。作为分割方法,例如能够使用根据布洛德曼的脑地图,在大脑皮层的三维区域内,将大脑皮层分割为管理运动、语言、知觉、记忆、视觉及听觉等各功能的脑区域的方法。并且,能够使用分割为大脑、间脑、中脑、后脑、小脑及延髓这6种脑区域的方法或者将大脑分类为额叶、顶叶、颞叶及枕叶的方法等公知的任意方法。
图3是表示包含分割信息的标准脑图像Bs的例子的图,整个脑被分割为多个脑区域。另外,本例中,标准脑图像Bs被分割为多个脑区域,例如根据布洛德曼的脑地图被分割为多个脑区域。并且,作为脑区域,脑室、脑室以外的空腔(充满脑脊髓液的空腔)也可以设为脑区域。
图像获取部12A能够从存储器16或PACS2获取标准脑图像Bs。并且,图像获取部12A能够从PACS2或电子病历3获取同一受检体的不同摄影日期时间的第1脑图像B1(图4)及第2脑图像B2(未图示)。另外,本例中,第1脑图像B1的摄影日期时间比第2脑图像B2早,例如为半年前或1年前的图像。
数据获取部12B获取图6所示的表T3、图9所示的诊断信息(本例中,表示ADAS中的测试结果的诊断数据)D1等。这些表T3及诊断数据D1在信息输出装置1作为浏览器发挥作用时用于医用图像及医用信息的显示控制。
图6所示的表T3中,建立关联而存储有表示脑区域的编号(布洛德曼区域:1~52)和各脑区域的名称、功能的说明。该表T3的数据能够使用已知的数据。并且,表T3能够事先存储于存储器16,并适当读出来使用。
图7是对外侧表面的脑图像标注表示脑区域的编号的图,图8是对内侧表面的脑图像标注表示脑区域的编号的图。
ADAS是各种认知功能评价之一。ADAS为了检查痴呆症而进行以记忆为中心的认知功能评价,如图9所示,以0~70分的ADAS评分对单词再现性、口语语言能力、语言听觉理解、自发言语中的说话困难、遵从口头指示、手指及物品称呼、建设性行为、观念运动、方向感、词汇识别、考试教学的重复性这11个测试项目进行评价。设为从各测试项目的满分减去正确答案的数量来作为得分,全部答对时成为0分。图9所示的例子中,存在35道错误,例如,测试项目4的“自发言语中的说话困难”的5道题中答错4道。
数据获取部12B例如能够从电子病历3或DICOM标准图像文件标题部获取表示该ADAS的测试结果的诊断数据D1(图9)。另外,认知功能评价并不限于ADAS、ADAS-Jcog,能够使用MMSE(简短精神状态量表,Mini Mental State Examination)、WAIS-III(WechslerAdult Intelligence Scale-III:韦克斯勒成人智力量表第三版)、修订的长谷川式简单智力评价表、MMSE(简短精神状态量表,Mini Mental State Examination)等。
回到图2,脑区域分割部12C是分别将三维的第1脑图像B1及第2脑图像B2分割为多个脑区域的部分。
脑区域分割部12C首先进行图3所示的标准脑图像Bs与图4所示的第1脑图像B1的对位。另外,脑的大小及形状因人而异。例如,与标准脑比较时,其大小及形状最大相差±15%左右。
标准脑图像Bs与第1脑图像B1的大小及形状不同,因此为了将第1脑图像B1分割为多个脑区域,脑区域分割部12C利用在标准脑图像Bs与第1脑图像B1之间共同的标志进行第1对位。
另外,具体而言,标志能够利用脑中包含的多个脑沟(额上沟、额下沟、外侧沟、大脑纵裂等)及脑室(大脑半球的左右的侧脑室、第三脑室、第四脑室)等特征性区域的特征点。并且,本例中,设为将标准脑图像Bs对位于第1脑图像B1。防止伴随第1脑图像B1的变形是为了使基于后述的图像分析部12D的分析值(脑区域的萎缩率等)的计算精度良好。
脑区域分割部12C为了对位而从标准脑图像Bs及第1脑图像B1提取标志。标志的提取例如可通过利用表示标志的模板的模板匹配进行,也可以利用已进行学习的判别器进行,以判别图像中包含的标志。
脑区域分割部12C在标准脑图像Bs与第1脑图像B1之间进行使所对应的标志(特征点)一致的第1对位。在本实施方式中,第1对位为基于相似变换的对位。具体而言,是基于使标准脑图像Bs平行移动、旋转及相似地放大缩小的对位。脑区域分割部12C以标准脑图像Bs中包含的标志与第1脑图像B1中包含的所对应的标志的关联变得最大的方式,对标准脑图像Bs进行相似变换来进行第1对位。
脑区域分割部12C在进行第1对位之后,使用分别对应的标志,进行使标准脑图像Bs与第1脑图像B1一致的第2对位。第2对位为基于非线性变换的对位。作为基于非线性变换的对位,例如可举出基于利用B样条及薄板样条(Thin Plate Spline)等函数来非线性地变换像素位置的对位。
脑区域分割部12C将第1对位之后的标准脑图像Bs的各像素位置非线性变换为第1脑图像B1中包含的所对应的像素位置,由此进行第2对位。
脑区域分割部12C将如此将标准脑图像Bs对位于第1脑图像B1之后的、标准脑图像Bs中的被分割的脑区域的边界的三维信息(对位之后的分割信息)适用于第1脑图像B1,由此能够如图5的虚线所示,将第1脑图像B1分割为多个脑区域。
并且,脑区域分割部12C将第2脑图像B2分割为脑区域。具体而言,进行利用第1脑图像B1及第2脑图像B2之间的标志的第3对位。第3对位中,不进行图像的放大缩小,而是平行移动及旋转第1脑图像B1来对位于第2脑图像B2。另外,也可以将第2脑图像B2对位于第1脑图像B1。
第1脑图像B1与第2脑图像B2是同一受检体的不同摄影日期时间的脑图像,因此第3对位之后的2个脑图像的一致度非常高。即,三维的第1脑图像B1的某一像素(体素)的三维位置和与该体素对应的第2脑图像B2的体素存在于相同的三维位置或其附近。
因此,脑区域分割部12C例如能够通过基于以建立对应的体素为中心的图像局部特征的对应点匹配建立第1脑图像B1的各体素与第2脑图像B2的各体素的对应。
脑区域分割部12C通过建立第1脑图像B1的各体素与第2脑图像B2的各体素的所有体素之间的对应,能够将第2脑图像B2分割为多个脑区域。即,通过分别获取与第1脑图像B1的多个脑区域的边界的各体素(即,基于分割信息的体素)对应的第2脑图像B2的各体素的三维信息,所获取的第2脑图像B2的各体素的三维信息成为将第2脑图像B2分割为多个脑区域的分割信息。
另外,基于脑区域分割部12C的第1脑图像B1及第2脑图像B2的多个脑区域的分割方法并不限定于上述实施方式,能够适用公知的各种方法,例如能够适用日本特开2011-010828号公报中记载的方法。
脑区域分割部12C通过将第1脑图像B1分割为多个脑区域,如图10所示,对构成三维的第1脑图像B1的所有体素,将三维信息(坐标x,y,z)和脑区域标签(表示脑区域的编号)和/或名称建立关联来暂时存储于主存储器14或存储于存储器16。同样地,对于第2脑图像B2,也对所有体素,将三维信息与脑区域标签等建立关联来存储于主存储器14或存储器16。而且,优选还存储第1脑图像B1的各体素与第2脑图像B2的各体素的对应关系。这是因为能够根据所对应的体素之间的三维信息计算体素的移动矢量。
另外,脑图像的三维信息(坐标x,y,z)的各坐标轴与各体轴(X轴:左-右,Y轴:背-腹,Z轴:头-尾)对应,原点(0,0,0)例如能够设定为脑外或脑内的特定的位置。
图像分析部12D是按被分割的每个脑区域对第1脑图像B1及第2脑图像B2进行图像分析,并输出分析结果(分析值)的部分,例如输出每个脑区域的萎缩率、体积变化量、形状变化量、Z评分、血流量等分析结果。
图11是表示脑区域分割部12C的处理和图像分析部12D的处理的流程的图。
图11中,标准脑图像Bs包含将整个脑分割为多个脑区域的分割信息。Bs1表示标准脑图像Bs的多个脑区域(分割信息)。通过将标准脑图像Bs对位于第1脑图像B1,表示对位之后的标准脑图像Bs的多个脑区域的分割信息能够设为表示第1脑图像B1的多个脑区域的分割信息(B11)。
通过将具有多个脑区域的分割信息的第1脑图像B1适用于第2脑图像B2,并建立各体素之间的对应,实际上能够将第2脑图像B2分割为多个脑区域。B21是表示第2脑图像B2的多个脑区域的图。另外,B11表示轴向剖面中的第1脑图像B1的多个脑区域,B21表示径向剖面中的第2脑图像B2的多个脑区域。
图像分析部12D按相同的每个脑区域分别计算第1脑图像B1的多个脑区域和第2脑图像B2的多个脑区域的容积。计算容积之后,从第2脑图像B2的脑区域的容积减去第1脑图像B1的所对应的脑区域的容积,该减算值除以第1脑图像B1的所对应的脑区域的容积,由此按每个脑区域计算脑的萎缩率作为分析值。
另外,萎缩率为正值时,表示脑区域萎缩,负值时,表示脑区域膨胀。并且,脑区域的容积能够通过对脑区域内的体素(已知1个体素的容积)的个数进行计数来求出。
本例中,图像分析部12D按多个脑区域的每个脑区域计算萎缩率作为分析值,但也可以计算每个脑区域的体积变化量、形状变化量、Z评分、血流量作为分析值。
每个脑区域的体积变化量能够通过从第2脑图像B2的脑区域的容积减去第1脑图像B1的所对应的脑区域的容积来计算。
形状变化量例如能够从第1脑图像B1及第2脑图像B2的所对应的脑区域的球形度的变化量求出。球形度能够通过具有与脑区域相同的容积的球的表面积相对于脑区域的表面积的比来求出。并且,能够通过计算第1脑图像B1的脑区域与第2脑图像B2的所对应的脑区域的变化区域的绝对值来求出。
并且,Z评分能够根据下式按第1脑图像B1及第2脑图像B2的每个脑区域计算。
[数式1]
Z=(xave-x)/σ
其中,x:体素值
xave:健康的正常人的体素值的平均值
σ:健康的正常人的体素值的标准偏差
并且,图像分析部12D能够通过不利用造影剂而对脑的血流动态进行评价的ASL(动脉自旋标记,Arterial Spin Labeling)脑灌注检查,对第1脑图像B1及第2脑图像B2计算血流量。
信息处理部12E是求出脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,并创建存储多个脑区域(本例中为1~52的脑区域)与多个测试项目(本例中为1~11的测试项目)的关联性的表(第1表T1(图16))的部分,如图12所示,收集患者的脑图像的每个脑区域的分析值(本例中为每个脑区域的萎缩率)和痴呆症诊断测试的测试结果(本例中为ADAS评分),求出萎缩率与测试项目的关联性。
具体而言,信息处理部12E在创建第1表T1时,从图像分析部12D及数据获取部12B获取多个患者的脑图像的每个脑区域的萎缩率和ADAS的11个测试项目的每个项目的得分。
图13至图15分别是表示测试项目的得分与萎缩率的相关关系的相关图。
图13至图15所示的相关图的横轴是ASAS的11个测试项目中的1个测试项目,相关图的纵轴表示多个脑区域中的1个脑区域的萎缩率。另外,ADAS中,从测试项目的满分减去正确答案的数量来作为得分,因此得分越高,错误答案越多,认知功能的评价变差。
图13表示几乎没有测试项目的得分与萎缩率的相关的情况,图14表示正的弱相关,图15表示正的强相关。
信息处理部12E计算脑图像的每个脑区域的萎缩率与每个测试项目的得分的关联性,如图16所示,创建表示这些关联性的第1表T1。
图16中,Ai,j(1≤i≤52、1≤j≤11)表示关联性,能够设为-1≤Ai,j≤1的相关值。另外,脑区域随着时间经过而萎缩,例如作为脑区域分割为脑室、其他空腔时,由于其膨胀,因此在该情况下,成为负的相关值。并且,图16中,示出了ADAS的测试项目(项目1)与以编号20,22表示的脑区域(颞下回、颞上回)的关联性(A20,1=0.45、A22,1=0.30),但这些关联性的数值并不是实际计算出的值。
通过信息处理部12E创建的第1表T1例如保存在存储器16,在显示控制部12F等中根据需要适当使用。并且,优选第1表T1通过信息处理部12E定期更新。这是因为通过使用更多患者的每个脑区域的分析值及诊断测试创建第1表T1,能够设为高可靠性的表。而且,第1表T1可使用利用信息输出装置1的外部装置或系统创建的表,在该情况下,不需要信息处理部12E。
显示控制部12F例如生成用于将医用图像(第1脑图像B1及第2脑图像B2中的至少1个脑图像)或医用信息(按第1脑图像B1及第2脑图像B2的每个脑区域分析的分析值、表T3、诊断数据D1)等显示于显示器24的显示用图像,将所生成的显示用图像输出至显示器24,包含作为输出部的功能。
图17是表示显示于显示器24的医用图像及医用信息的一例的图。
图17所示的例子中,如以斜线示出,以能够与其他脑区域识别的方式显示萎缩率大的脑区域A10、A11(萎缩率超过阈值的脑区域)。例如,能够通过对脑区域A10、A11标注红色,以能够通过颜色区分与其他脑区域相辨别的方式显示脑区域A10、A11。并且,能够对脑区域A10、A11标注标签L10、L11。作为标签L10、L11,附加有分析值(图17所示的例子中,以百分比表示的萎缩率),但也可以进一步显示表示脑区域A10、A11的编号(布洛德曼区域:1~52)或脑区域的名称等。
而且,显示控制部12F能够根据基于医生的操作部22的操作,将所需的医用图像及医用信息显示于显示器24。
接着,对存储在痴呆症治疗中使用的药品(表示在痴呆症治疗中使用的药品的药品信息)与具有基于药品的显著性的脑区域(1个至多个脑区域)的关联性的表(第2表T2(图19))进行说明。
信息处理部12E具有创建上述第2表T2的功能,所创建的第2表T2保存在存储器16,在显示控制部12F等中根据需要适当使用。
作为在痴呆症治疗中使用的药品,本例中包含未批准药品和已批准药品。日本的未批准药品的临床试验分为3个阶段,每上升一个阶段,增加患者数量来进行试验,由此判断安全性、有效性、使用方法。
在未批准药品(以下,简称为“药品”)的第1阶段的临床试验中,收集小规模(少人数)的临床试验数据。如图18所示,对少人数的患者使用药品或无效对照剂(placebo)。并且,收集使用药品的患者的脑的每个脑区域的分析值(本例中,萎缩率)和使用无效对照剂的患者(未使用药品的患者)的脑的每个脑区域的萎缩率,求出药品与每个脑区域的萎缩率的关系。
具体而言,信息处理部12E在创建第2表T2时,从图像分析部12D获取使用药品的患者的脑的每个脑区域的萎缩率和未使用药品的患者的脑的每个脑区域的萎缩率。表示是使用药品的患者还是未使用药品的患者的信息能够包含在患者信息中,例如能够从电子病历3获取。
信息处理部12E按每个脑区域,对使用药品的患者的脑的每个脑区域的萎缩率的统计量(例如,平均值)与未使用药品的患者的脑的每个脑区域的萎缩率的统计量进行比较,例如判别每个脑区域的统计量中是否产生了显著差异。在此,显著差异是指药品的使用或未使用在脑区域的萎缩率有明确的差的情况下的差。
在某一脑区域中,与未使用药品时的萎缩率相比,使用药品时的萎缩率明显低时,认为该脑区域中,通过使用药品,萎缩率得到了抑制(具有“显著性”)。
信息处理部12E如上述那样求出药品与具有基于该药品的显著性的脑区域的关联性,创建存储表示药品的药品信息和具有基于药品的显著性的多个脑区域中的1个至多个脑区域的关联性的第2表T2。
图19是示意地表示第2表T2的图。
图19中,α,β,γ,…表示药品(药品名等药品信息),1,2,3,…表示脑区域(例如,根据布洛德曼的脑地图的脑区域编号),用直线连结具有关联性的药品与脑区域。
例如,图19中,药品α成为对脑区域编号1,3的脑区域具有显著性(抑制萎缩率)的药品。
另外,在已批准药品的情况下,也能够求出已批准药品与具有基于该已批准药品的显著性的1个至多个脑区域的关联性是理所当然的。
接着,对图16所示的第1表T1及图19所示的第2表T2的使用方法进行说明。
<第1表T1的第1使用例>
第1使用例中,若通过作为输入部发挥作用的操作部22输入多个脑区域中的特定的脑区域,则作为输出部发挥作用的信息处理部12E或显示控制部12F使用第1表T1,将与所输入的脑区域(表示脑区域的脑区域编号)对应的多个测试项目的关联性(本例中,11个项目的每个项目的关联性)输出至信息处理部12E或显示控制部12F内部的后段的处理部或输出至需要相对于特定脑区域的测试项目的关联性的信息的其他处理部。
例如,在图16所示的第1表T1的情况下,若输入脑区域(脑区域编号20),则输出11个项目的每个测试项目的关联性(A20,1,A20,2,……,A20,11)。
通过输入11个项目的每个测试项目的关联性的处理部,能够确定11个项目的每个测试项目的关联性中具有超过阈值(例如,相关值=0.30)的关联性的1个或多个测试项目。
并且,输出部并不限于输出11个项目的每个测试项目的关联性的情况,也可以在确定11个项目的每个测试项目的关联性中具有超过阈值(例如,相关值=0.30)的关联性的1个或多个测试项目的基础上,输出所确定的测试项目。
由此,例如,若输入图像诊断中萎缩率高的脑区域等所关注的脑区域,则可知与所输入的脑区域具有关联性的(相关较高)测试项目。
<第1表T1的第2使用例>
第1使用例中,若输入脑区域则输出与该脑区域具有关联性的测试项目,而第2使用例中,若输入测试项目,则输出与该测试项目具有关联性的脑区域,在这一点上不同。
即,若通过作为输入部发挥作用的操作部22输入多个测试项目中的特定的测试项目,则作为输出部发挥作用的信息处理部12E或显示控制部12F使用第1表T1,将与所输入的测试项目(表示测试项目的项目编号)对应的多个脑区域的关联性(本例中,布洛德曼区域:1~52的关联性)输出至信息处理部12E或显示控制部12F内部的后段的处理部或输出至需要相对于特定脑区域的测试项目的关联性的信息的其他处理部。
例如,在图16所示的第1表T1的情况下,若输入测试项目(项目编号1),则输出52个脑区域的每个脑区域的关联性(A1,1,A2,1,……,A52,1)。
通过输入52个脑区域的每个脑区域的关联性的处理部,能够确定52个脑区域的每个脑区域的关联性中具有超过阈值(例如,相关值=0.30)的关联性的1个或多个脑区域。
并且,输出部并不限于输出52个脑区域的每个脑区域的关联性的情况,也可以在确定52个脑区域的每个脑区域的关联性中具有超过阈值(例如,相关值=0.30)的关联性的1个或多个脑区域的基础上,输出所确定的脑区域。
由此,例如,若输入根据诊断测试的测试结果,认知功能下降的测试项目,则可知与所输入的测试项目具有关联性(相关较高)的脑区域。
<第1表T1及第2表T2的第3使用例>
第3使用例中,若通过作为输入部发挥作用的操作部22输入表示在痴呆症治疗中使用的特定药品的药品信息,则作为输出部发挥作用的信息处理部12E或显示控制部12F根据所输入的特定药品的药品信息和第2表T2(图19)确定具有基于特定药品的显著性的脑区域,根据所确定的脑区域和第1表T1确定对所确定的脑区域具有超过阈值(例如,相关值=0.30)的关联性的测试项目,将所确定的测试项目输出至信息处理部12E或显示控制部12F内部的后段的处理部或输出至需要与药品的关联性高的测试项目的信息的其他处理部。
例如,在图19所示的第2表T2的情况下,若输入特定药品α,则通过第2表T2确定对药品d具有显著性的脑区域(脑区域编号1,3)。
若使用第2表T2确定对药品α具有显著性的脑区域(脑区域编号1,3),则能够根据所确定的脑区域(脑区域编号1,3)和第1表T1,确定对所确定的脑区域(脑区域编号1,3)的关联性高的测试项目。
由此,若输入表示在痴呆症治疗中使用的药品的药品信息,则可知能够期待基于与该药品信息对应的药品的效果的测试项目(即,对哪种认知功能有效)。
并且,在未批准药品的第1阶段的小规模的临床试验中,能够在一定程度上预测能够期待基于未批准药品的效果的测试项目,能够利用所预测的测试项目简单地确定第2阶段的中规模的临床试验、第3阶段的大规模的临床试验的对象患者,能够明显减少对不需要临床试验的患者的负荷。由此,能够提高临床试验的质量。
<第1表T1及第2表T2的第4使用例>
第3使用例中,若输入药品信息,则输出能够期待基于与该药品信息对应的药品的效果的测试项目,而在第4使用例中,若输入所关注的测试项目,则输出对该测试项目所示的认知功能能够期待效果的药品信息,在这一点上不同。
即,若通过作为输入部发挥作用的操作部22输入所关注的测试项目,则作为输出部发挥作用的信息处理部12E或显示控制部12F根据所输入的测试项目和第1表T1确定多个脑区域中具有超过阈值(例如,相关值=0.30)的关联性的1个至多个脑区域。接着,根据所确定的脑区域和第2表(图19)确定对所确定的脑区域具有显著性的1个至多个在痴呆症治疗中使用的药品,将表示所确定的药品的药品信息输出至信息处理部12E或显示控制部12F内部的后段的处理部或输出至需要药品信息的其他处理部。
由此,能够从针对患者的痴呆症诊断测试的测试结果获取适于该患者的治疗的1个或多个药品的药品信息,能够辅助医生选择药品。
[信息输出方法]
<信息输出方法的第1实施方式>
图20是表示本发明所涉及的信息输出方法的第1实施方式的流程图。
图20中,图1所示的信息输出装置1接收使用鼠标、键盘等操作部22及显示器24进行的所关注的脑区域的输入(步骤S10)。图17所示的例子中,在显示器24,如以斜线显示,以能够与其他脑区域相辨别的方式显示萎缩率大的脑区域A10、A11。医生能够在观察显示器24的同时,例如将萎缩率高的脑区域(图17中,脑区域A10或A11)设为关注的脑区域,通过操作部22中的操作输入该关注的脑区域(表示脑区域的脑区域编号)。
作为信息输出装置1的输出部发挥作用的信息处理部12E或显示控制部12F使用预先准备在存储器16中的第1表T1(步骤S14、图16),根据在步骤S10中接收输入的脑区域(表示脑区域的脑区域编号)确定并读出与所接收的脑区域的关联性高的测试项目(多个测试项目中具有超过阈值的关联性的1个至多个测试项目)(步骤S12)。并且,输出在步骤S12中确定的测试项目(步骤S16)。
如此,显示控制部12F能够在接收到所关注的脑区域的输入时将与该脑区域的关联性高的测试项目显示于显示器24,能够提供对痴呆症诊断有效的信息。例如,医生若输入某一患者的萎缩率高的脑区域作为所关注的脑区域,则即使不对该患者实施痴呆症诊断测试,也能够从与该所关注的脑区域的关联性高的测试项目预测所关注的脑区域对哪种测试项目产生影响(即,哪种认知功能下降)。并且,在对该患者实施了痴呆症诊断测试时,医生能够对照与萎缩率高的脑区域的关联性高的测试项目和实际的测试结果,能够活用在痴呆症诊断、治疗法或诊断法的评价中。
上述第1实施方式中,若接收所关注的脑区域的输入,则输出与该脑区域的关联性高的测试项目,但作为输出部发挥作用的信息处理部12E也可以根据接收到输入的脑区域和第1表T1,从第1表T1读出并输出与脑区域对应的多个测试项目(本例中,ADAS的所有11个项目)的关联性。
根据所输出的多个测试项目的关联性,例如能够提取超过阈值的测试项目或以关联性从高到低的顺序对多个测试项目进行排序来提取上位的多个测试项目,并能够将这些信息活用在痴呆症诊断中。
<信息输出方法的第2实施方式>
图21是表示本发明所涉及的信息输出方法的第2实施方式的流程图。
第1实施方式的信息输出方法中,若接收脑区域的输入,则输出与该脑区域具有关联性的测试项目,而第2实施方式的信息输出方法中,与第1实施方式相反,若接收测试项目的输入,则输出与该测试项目具有关联性的脑区域,在这一点上不同。
图21中,图1所示的信息输出装置1接收使用操作部22及显示器24进行的所关注的测试项目的输入(步骤S20)。例如,从对某一患者实施痴呆症诊断测试而获得的测试结果,存在与上一次的测试结果相比得分大幅下降的测试项目时,医生能够将得分大幅下降的测试项目设为所关注的测试项目,并通过操作部22中的操作输入该所关注的测试项目。
作为输出部发挥作用的信息处理部12E或显示控制部12F使用预先准备在存储器16中的第1表T1(步骤S24),根据在步骤S20中接收到输入的测试项目确定并读出与所接收的测试项目的关联性高的测试项目(多个脑区域中具有超过阈值的关系性的1个至多个脑区域)(步骤S22)。并且,输出在步骤S22中确定的脑区域(脑区域编号或表示脑区域的名称)(步骤S26)。
如此,显示控制部12F能够在接收所关注的测试项目的输入时将与该测试项目的关联性高的脑区域显示于显示器24,能够提供对痴呆症诊断有效的信息。例如,若输入从某一患者的痴呆症测试结果,得分大幅下降的测试项目作为所关注的测试项目,则医生可知与该所关注的测试项目的关联性高的脑区域。由此,医生能够关注与所关注的测试项目的关联性高的脑区域的萎缩率等来对脑图像进行图像诊断,并能够活用在痴呆症诊断治疗法或诊断法的评价中。
上述第2实施方式中,若接收所关注的测试项目的输入,则输出与该测试项目的关联性高的脑区域,但作为输出部发挥作用的信息处理部12E也可以根据接收到输入的测试项目和第1表T1,从第1表T1读出并输出与测试项目对应的多个脑区域(本例中,1~52的脑区域)的关联性。
根据所输出的多个脑区域的关联性,例如能够提取超过阈值的脑区域或以关联性从高到低的顺序对多个脑区域进行排序来提取上位的多个脑区域,并能够将这些信息活用在痴呆症诊断中。
<信息输出方法的第3实施方式>
图22是表示本发明所涉及的信息输出方法的第3实施方式的流程图。
图22中,图1所示的信息输出装置1接收使用操作部22及显示器24进行的表示在痴呆症治疗中使用的药品的药品信息的输入(步骤S30)。作为药品信息,可以是已批准药品或未批准药品中的任意药品信息。
作为信息输出装置1的输出部发挥作用的信息处理部12E或显示控制部12F使用预先准备在存储器16中的第2表T2(步骤S34、图19),根据在步骤S3㈡中接收到输入的药品信息和第2表T2,确定并读出具有基于与该药品信息对应的药品的显著性的脑区域(例如,通过给药,萎缩率得到抑制的脑区域)(步骤S32)。
接着,使用预先准备在存储器16中的第1表T1(步骤S37),根据在步骤S32中确定的脑区域和根据第1表T1,对所确定的脑区域,确定并读出多个测试项目中的1个至多个测试项目(与所确定的脑区域的关联性高的测试项目)(步骤S36)。并且,输出在步骤S36中确定的测试项目(步骤S38)。另外,与所确定的脑区域的关联性高的测试项目例如能够设为对所确定的脑区域具有超过阈值的关联性的测试项目,或者以关联性从高到低的顺序对与所确定的脑区域对应的多个测试项目的关联性进行排序,并将具有上位的关联性的1个至多个测试项目设为与所确定的脑区域的关联性高的测试项目。
如此,若输入表示在痴呆症治疗中使用的特定药品的药品信息,则能够使用第1表T1及第2表T2,确定具有基于与该药品信息对应的药品的显著性的脑区域,确定并输出痴呆症诊断测试的多个测试项目中对所确定的脑区域的关联性高的测试项目。即,通过输入表示在痴呆症治疗中使用的药品的药品信息,可知能够期待基于该药品信息所示的药品的效果的诊断测试的测试项目(对哪种认知功能有效)。
并且,能够利用能够期待效果的诊断测试的测试结果,简单地确定用于确认药品的效果和副作用的临床试验的对象患者,能够明显减少对不需要临床试验的患者的负荷。由此,能够提高临床试验的质量。
<信息输出方法的第4实施方式>
图23是表示本发明所涉及的信息输出方法的第4实施方式的流程图。
第3实施方式的信息输出方法中,若接收药品信息的输入,则输出能够期待基于与该药品信息对应的药品的效果的测试项目,而第4实施方式的信息输出方法与第3实施方式相反,若接收测试结果的输入,则输出表示对该测试结果所示的认知功能能够期待改善的药品的药品信息。
图23中,图1所示的信息输出装置1接收使用操作部22及显示器24进行的测试结果(所关注的测试项目)的输入(步骤S40)。例如,从对某一患者实施痴呆症诊断测试而获得的测试结果,存在与上一次的测试结果相比得分大幅下降的测试项目时,医生能够将得分大幅下降的测试项目设为关注的测试项目,并通过操作部22中的操作输入该所关注的测试项目(测试结果)。
作为信息输出装置1的输出部发挥作用的信息处理部12E或显示控制部12F使用预先准备在存储器16中的第1表T1(步骤S44),根据在步骤S40中接收到输入的测试结果(所关注的测试项目)和第1表T1,确定并读出多个脑区域中的1个至多个脑区域(与所关注的测试项目的关联性高的脑区域)(步骤S42)。
接着,使用预先准备在存储器16中的第2表T2(步骤S47),根据在步骤S42中确定的脑区域和第2表T2,确定并读出对所确定的脑区域具有显著性的1个至多个在痴呆症治疗中使用的药品(例如,抑制所确定的脑区域的萎缩率的药品)(步骤S46)。并且,输出表示在步骤S46中确定的药品的药品信息(步骤S48)。
如此,若输入所关注的测试项目,则能够使用第1表T1及第2表T2确定在痴呆症治疗中使用的药品,并输出表示所确定的药品的药品信息。即,能够从针对受检体(患者)的痴呆症诊断测试的测试结果获取适于该患者的治疗的1个或多个药品的药品信息,能够辅助医生选择药品。
另外,第3实施方式及第4实施方式中使用的第1表T1及第2表T2并不限于2个表,例如可以使用在第1表T1及第2表T2中共同的脑区域来进行综合,从而设为1个表。
[附录]
本实施方式的信息输出装置1仅为例示,对其他结构也能够适用本发明。各功能结构能够通过任意的硬件、软件或者两者的组合来适当实现。例如,对使计算机执行上述信息输出装置1的各部中的处理地信息输出程序、记录有这种信息输出程序且计算机能够读取的记录介质(非暂时性记录介质)也能够适用本发明。
并且,在本实施方式中,例如,图像获取部12A、数据获取部12B、脑区域分割部12C、图像分析部12D、信息处理部12E及显示控制部12F等执行各种处理的处理部(处理单元,processing unit)的硬件结构为如下示出的各种处理器(processor)。各种处理器中,包含执行软件(程序)来作为各种处理部而发挥作用的通用的处理器即CPU(中央处理单元,Central Processing Unit)、FPGA(现场可编程门阵列,Field Programmable Gate Array)等能够在制造之后变更电路结构的处理器即可编程逻辑器件(Programmab1e LogicDevice:PLD)、具有ASIC(专用集成电路,Application Specific Integrated Circuit)等为了执行特定的处理而专门设计的电路结构的处理器即专用电路等。
1个处理部可以由这些各种处理器中的1个构成,也可以由相同种类或不同种类的2个以上的处理器(例如,多个FPGA、或者CPU与FPGA的组合)构成。并且,也可以由1个处理器构成多个处理部。作为由1个处理器构成多个处理部的例子,第1,有如客户机及服务器等计算机为代表,由1个以上的CPU和软件的组合构成1个处理器,该处理器作为多个处理部发挥作用的方式。第2,有如系统芯片(System On Chip:SoC)等为代表,使用通过1个IC(集成电路,Integrated Circuit)芯片实现包含多个处理部的整个系统的功能的处理器的方式。如此,各种处理部作为硬件结构利用上述各种处理器的1个以上来构成。
而且,更具体而言,这些各种处理器的硬件结构是组合了半导体元件等电路元件的电路(Circuitry)。
并且,本发明是一种具有处理器的信息输出装置,处理器包含如下信息处理装置,所述信息处理装置使用存储脑图像的被分割的多个脑区域和痴呆症诊断测试的多个测试项目的关联性的第1表,接收脑区域,根据所接收的脑区域和第1表,从第1表读出并输出与脑区域对应的多个测试项目的关联性或多个测试项目中具有超过阈值的关联性的1个或多个测试项目,或处理器包含如下信息输出装置,所述信息输出装置使用上述第1表,接收测试项目,根据所接收的测试项目和第1表,从第1表读出并输出与测试项目对应的多个脑区域的关联性或多个脑区域中具有超过阈值的关联性的1个或多个脑区域。
而且,本发明并不限定于上述实施方式,能够在不脱离本发明精神的范围内进行各种变形是理所当然的。
符号说明
1-信息输出装置,2-PACS,3-电子病历,4-MRI装置,10-计算机,12-CPU,12A-图像获取部,12B-数据获取部,12C-脑区域分割部,12D-图像分析部,12E-信息处理部,12F-显示控制部,14-主存储器,16-存储器,18-光盘驱动器,20-通信接口,22-操作部,24-显示器,A10、A11-脑区域,B1-第1脑图像,B2-第2脑图像,Bs-标准脑图像,D1-诊断数据,L10、L11-标签,S10~S48-步骤,T1-第1表,T2-第2表,T3-表。
Claims (13)
1.一种信息输出装置,其具备:
第1表,存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性;
输入部,输入所述脑区域;及
输出部,根据所述输入的所述脑区域和所述第1表,从所述第1表读出并输出与所述脑区域对应的所述多个测试项目的关联性或所述多个测试项目中具有超过阈值的关联性的1个或多个测试项目。
2.一种信息输出装置,其具备:
第1表,存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性;
输入部,输入所述测试项目;及
输出部,根据所述输入的所述测试项目和所述第1表,从所述第1表读出并输出与所述测试项目对应的所述多个脑区域的关联性或所述多个脑区域中具有超过阈值的关联性的1个或多个脑区域。
3.一种信息输出装置,其具备:
第1表,存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性;
第2表,存储表示在痴呆症治疗中使用的药品的药品信息与具有基于所述药品的显著性的所述多个脑区域中的1个至多个脑区域的关联性;
输入部,输入表示在痴呆症治疗中使用的药品的药品信息;及
输出部,根据所述输入的所述药品信息和所述第2表确定具有基于所述药品的显著性的脑区域,并根据所确定的脑区域和所述第1表,对所述所确定的脑区域,确定并输出所述多个测试项目中的1个至多个测试项目。
4.一种信息输出装置,其具备:
第1表,存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性;
第2表,存储表示在痴呆症治疗中使用的药品的药品信息与具有基于所述药品的显著性的所述多个脑区域中的1个至多个脑区域的关联性;
输入部,输入针对患者的所述诊断测试的测试结果;及
输出部,根据所述输入的所述测试结果和所述第1表确定所述多个脑区域中的1个至多个脑区域,并根据所确定的脑区域和所述第2表,确定对所述所确定的脑区域具有显著性的1个至多个在痴呆症治疗中使用的药品,并输出表示所确定的药品的药品信息。
5.根据权利要求1至4中任一项所述的信息输出装置,其中,
所述多个脑区域为与布洛德曼的脑地图对应地分割的脑区域。
6.一种信息输出方法,其包含:
准备存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性的第1表的步骤;
接收所述脑区域的输入的步骤;及
根据所述接收的所述脑区域和所述第1表,从所述第1表读出并输出与所述脑区域对应的所述多个测试项目的关联性或所述多个测试项目中具有超过阈值的关联性的1个或多个测试项目的步骤。
7.一种信息输出方法,其包含:
准备存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性的第1表的步骤;
接收所述测试项目的输入的步骤;及
根据所述接收的所述测试项目和所述第1表,从所述第1表读出并输出与所述测试项目对应的所述多个脑区域的关联性或所述多个脑区域中具有超过阈值的关联性的1个或多个脑区域的步骤。
8.一种信息输出方法,其包含:
准备第1表和第2表的步骤,所述第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,所述第2表存储表示在痴呆症治疗中使用的药品的药品信息与具有基于所述药品的显著性的所述多个脑区域中的1个至多个脑区域的关联性;
接收表示在痴呆症治疗中使用的药品的药品信息的输入的步骤;及
根据所述接收的所述药品信息和所述第2表确定具有基于所述药品的显著性的脑区域,并根据所确定的脑区域和所述第1表,对所述所确定的脑区域,确定并输出所述多个测试项目中的1个至多个测试项目的步骤。
9.一种信息输出方法,其包含:
准备第1表和第2表的步骤,所述第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,所述第2表存储表示在痴呆症治疗中使用的药品的药品信息与具有基于所述药品的显著性的所述多个脑区域中的1个至多个脑区域的关联性;
接收针对患者的所述诊断测试的测试结果的输入的步骤;及
根据所述接收的所述测试结果和所述第1表确定所述多个脑区域中的1个至多个脑区域,并根据所确定的脑区域和所述第2表,确定对所述所确定的脑区域具有显著性的1个至多个在痴呆症治疗中使用的药品,并输出表示所确定的药品的药品信息的步骤。
10.一种信息输出程序,其适用于具备第1表的计算机,所述第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,所述信息输出程序使所述计算机实现如下功能:
接收所述脑区域的输入的功能;及
根据所述接收的所述脑区域和所述第1表,从所述第1表读出并输出与所述脑区域对应的所述多个测试项目的关联性或所述多个测试项目中具有超过阈值的关联性的1个或多个测试项目的功能。
11.一种信息输出程序,其适用于具备第1表的计算机,所述第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,所述信息输出程序使所述计算机实现如下功能:
接收所述测试项目的输入的功能;及
根据所述接收的所述测试项目和所述第1表,从所述第1表读出并输出与所述测试项目对应的所述多个脑区域的关联性或所述多个脑区域中具有超过阈值的关联性的1个或多个脑区域的功能。
12.一种信息输出程序,其适用于具备第1表及第2表的计算机,所述第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,所述第2表存储表示在痴呆症治疗中使用的药品的药品信息与具有基于所述药品的显著性的所述多个脑区域中的1个至多个脑区域的关联性,所述信息输出程序使所述计算机实现如下功能:
接收表示在痴呆症治疗中使用的药品的药品信息的输入的功能;及
根据所述接收的所述药品信息和所述第2表确定具有基于所述药品的显著性的脑区域,并根据所确定的脑区域和所述第1表,对所述所确定的脑区域,确定并输出所述多个测试项目中的1个至多个测试项目的功能。
13.一种信息输出程序,其适用于具备第1表及第2表的计算机,所述第1表存储脑图像的被分割的多个脑区域与痴呆症诊断测试的多个测试项目的关联性,所述第2表存储表示在痴呆症治疗中使用的药品的药品信息与具有基于所述药品的显著性的所述多个脑区域中的1个至多个脑区域的关联性,所述信息输出程序使所述计算机实现如下功能:
接收针对患者的所述诊断测试的测试结果的输入的功能;及
根据所述接收的所述测试结果和所述第1表确定所述多个脑区域中的1个至多个脑区域,并根据所确定的脑区域和所述第2表,确定对所述所确定的脑区域具有显著性的1个至多个在痴呆症治疗中使用的药品,并输出表示所确定的药品的药品信息的功能。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-164673 | 2017-08-29 | ||
JP2017164673 | 2017-08-29 | ||
PCT/JP2018/021236 WO2019044090A1 (ja) | 2017-08-29 | 2018-06-01 | 情報出力装置、方法及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111278364A true CN111278364A (zh) | 2020-06-12 |
CN111278364B CN111278364B (zh) | 2023-10-31 |
Family
ID=65525245
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880055902.1A Active CN111278364B (zh) | 2017-08-29 | 2018-06-01 | 信息输出装置、方法及记录介质 |
Country Status (7)
Country | Link |
---|---|
US (1) | US11335465B2 (zh) |
EP (1) | EP3677191B1 (zh) |
JP (1) | JP6799689B2 (zh) |
CN (1) | CN111278364B (zh) |
BR (1) | BR112020004114A2 (zh) |
RU (1) | RU2020108464A (zh) |
WO (1) | WO2019044090A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3657435A1 (en) * | 2018-11-26 | 2020-05-27 | Koninklijke Philips N.V. | Apparatus for identifying regions in a brain image |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020095089A1 (en) * | 2000-12-07 | 2002-07-18 | Hitachi, Ltd. | Amusement system based on an optical instrumentation method for the living body |
US20100010316A1 (en) * | 2008-07-08 | 2010-01-14 | International Business Machines Corporation | Differential diagnosis of neuropsychiatric conditions |
CN101681515A (zh) * | 2007-06-21 | 2010-03-24 | 皇家飞利浦电子股份有限公司 | 基于模型的痴呆的辨别诊断和显著性水平的交互设置 |
JP2011010828A (ja) * | 2009-07-01 | 2011-01-20 | Toshiba Corp | 医用画像表示装置および医用画像表示方法 |
US20110046451A1 (en) * | 2008-05-15 | 2011-02-24 | Jean Francois Horn | Method and automated system for assisting in the prognosis of alzheimer's disease, and method for training such a system |
CN103249358A (zh) * | 2010-12-02 | 2013-08-14 | 大日本印刷株式会社 | 医用图像处理装置 |
JP2014042684A (ja) * | 2012-08-28 | 2014-03-13 | Dainippon Printing Co Ltd | 医用画像処理装置、およびプログラム |
US20150080703A1 (en) * | 2004-06-18 | 2015-03-19 | Banner Health Systems, Inc. | Accelerated evaluation of treatments to prevent clinical onset of alzheimer's disease |
US20160239968A1 (en) * | 2008-05-28 | 2016-08-18 | The Trustees Of Columbia University In The City Of New York | Voxel-based methods for assessing subjects using magnetic resonance imaging |
US20170024888A1 (en) * | 2015-07-23 | 2017-01-26 | Toshiba Medical Systems Corporation | Medical image processing apparatus |
WO2017075077A1 (en) * | 2015-10-26 | 2017-05-04 | The Johns Hopkins University | Automated generation of sentence-based descriptors from imaging data |
CN106659424A (zh) * | 2014-09-25 | 2017-05-10 | 大日本印刷株式会社 | 医用图像显示处理方法、医用图像显示处理装置及程序 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11266311B2 (en) * | 2017-06-08 | 2022-03-08 | Arizona Board Of Regents On Behalf Of Arizona State University | Systems and methods for generating an elastogram of brain tissue using mesoscopic wavelength ultrasound |
-
2018
- 2018-06-01 CN CN201880055902.1A patent/CN111278364B/zh active Active
- 2018-06-01 WO PCT/JP2018/021236 patent/WO2019044090A1/ja unknown
- 2018-06-01 RU RU2020108464A patent/RU2020108464A/ru unknown
- 2018-06-01 BR BR112020004114-9A patent/BR112020004114A2/pt unknown
- 2018-06-01 EP EP18850425.2A patent/EP3677191B1/en active Active
- 2018-06-01 JP JP2019538982A patent/JP6799689B2/ja active Active
-
2020
- 2020-02-10 US US16/786,977 patent/US11335465B2/en active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20020095089A1 (en) * | 2000-12-07 | 2002-07-18 | Hitachi, Ltd. | Amusement system based on an optical instrumentation method for the living body |
US20150080703A1 (en) * | 2004-06-18 | 2015-03-19 | Banner Health Systems, Inc. | Accelerated evaluation of treatments to prevent clinical onset of alzheimer's disease |
CN101681515A (zh) * | 2007-06-21 | 2010-03-24 | 皇家飞利浦电子股份有限公司 | 基于模型的痴呆的辨别诊断和显著性水平的交互设置 |
US20110046451A1 (en) * | 2008-05-15 | 2011-02-24 | Jean Francois Horn | Method and automated system for assisting in the prognosis of alzheimer's disease, and method for training such a system |
US20160239968A1 (en) * | 2008-05-28 | 2016-08-18 | The Trustees Of Columbia University In The City Of New York | Voxel-based methods for assessing subjects using magnetic resonance imaging |
US20100010316A1 (en) * | 2008-07-08 | 2010-01-14 | International Business Machines Corporation | Differential diagnosis of neuropsychiatric conditions |
JP2011010828A (ja) * | 2009-07-01 | 2011-01-20 | Toshiba Corp | 医用画像表示装置および医用画像表示方法 |
CN103249358A (zh) * | 2010-12-02 | 2013-08-14 | 大日本印刷株式会社 | 医用图像处理装置 |
JP2014042684A (ja) * | 2012-08-28 | 2014-03-13 | Dainippon Printing Co Ltd | 医用画像処理装置、およびプログラム |
CN106659424A (zh) * | 2014-09-25 | 2017-05-10 | 大日本印刷株式会社 | 医用图像显示处理方法、医用图像显示处理装置及程序 |
US20170024888A1 (en) * | 2015-07-23 | 2017-01-26 | Toshiba Medical Systems Corporation | Medical image processing apparatus |
WO2017075077A1 (en) * | 2015-10-26 | 2017-05-04 | The Johns Hopkins University | Automated generation of sentence-based descriptors from imaging data |
Non-Patent Citations (4)
Title |
---|
BHAVANI S. BAGEPALLY 等: "Relationship of Clinical and Cognitive Variables with Brain Morphometric Abnormalities in Alzheimer’s Disease: a Voxel Based Morphometric Study Using 3-Tesla MRI", 《AGING AND DISEASE》 * |
FLAVIO NOBILI 等: "Resting SPECT-neuropsychology correlation in very mild Alzheimer’s disease", 《CLINICAL NEUROPHYSIOLOGY》 * |
S.D. SHENKIN 等: "Cognitive Correlates of Cerebral White Matter Lesions and Water Diffusion Tensor Parameters in Community-Dwelling Older People", 《CEREBROVASCULAR DISEASES》 * |
YANG-KUN CHEN 等: "Atrophy of the left dorsolateral prefrontal cortex is associated with poor performance in verbal fluency in elderly poststroke women", 《NEURAL REGENERATION RESEARCH》 * |
Also Published As
Publication number | Publication date |
---|---|
JP6799689B2 (ja) | 2020-12-16 |
BR112020004114A2 (pt) | 2020-09-24 |
WO2019044090A1 (ja) | 2019-03-07 |
US11335465B2 (en) | 2022-05-17 |
EP3677191A1 (en) | 2020-07-08 |
EP3677191B1 (en) | 2023-09-20 |
US20200176120A1 (en) | 2020-06-04 |
JPWO2019044090A1 (ja) | 2020-08-06 |
EP3677191A4 (en) | 2020-12-02 |
CN111278364B (zh) | 2023-10-31 |
RU2020108464A (ru) | 2021-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Leandrou et al. | Quantitative MRI brain studies in mild cognitive impairment and Alzheimer's disease: a methodological review | |
Zhang et al. | Detecting anatomical landmarks for fast Alzheimer’s disease diagnosis | |
Song et al. | An effective multimodal image fusion method using MRI and PET for Alzheimer's disease diagnosis | |
US11403755B2 (en) | Medical information display apparatus, medical information display method, and medical information display program | |
US11978208B2 (en) | Trained model, learning method, learning program, medical information acquisition device, medical information acquisition method, and medical information acquisition program | |
KR102256345B1 (ko) | 뉴로멜라닌 영상을 이용한 파킨슨병 정보 제공 장치 및 방법 | |
Garg et al. | A review on Alzheimer’s disease classification from normal controls and mild cognitive impairment using structural MR images | |
US11257227B2 (en) | Brain image normalization apparatus, brain image normalization method, and brain image normalization program | |
US11222728B2 (en) | Medical image display apparatus, medical image display method, and medical image display program | |
Calvini et al. | Automatic analysis of medial temporal lobe atrophy from structural MRIs for the early assessment of Alzheimer disease | |
US11295442B2 (en) | Medical information display apparatus displaying cavity region in brain image, medical information display method, and medical information display program | |
WO2019044077A1 (ja) | 医用画像処理装置、方法およびプログラム | |
CN111278364B (zh) | 信息输出装置、方法及记录介质 | |
US11216945B2 (en) | Image processing for calculation of amount of change of brain | |
Shukla et al. | Automated Pipeline Preprocessing Techniques for Alzhiemer Disease Detection | |
Trojacanec et al. | New Representation of Information Extracted from MRI Volumes Applied to Alzheimer’s Disease | |
Fujita et al. | A02-3 Function Integrated Diagnostic Assistance Based on Multidisciplinary Computational Anatomy Models | |
Díaz et al. | Predicting Very Early Stage Mild Cognitive Impairment Based on a Voxel-wise Arterial Spin Labeling Analysis |
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 |