CN114445324A - 医用数据处理装置、医用数据处理方法及非暂时性的计算机可读取的记录介质 - Google Patents
医用数据处理装置、医用数据处理方法及非暂时性的计算机可读取的记录介质 Download PDFInfo
- Publication number
- CN114445324A CN114445324A CN202111268721.7A CN202111268721A CN114445324A CN 114445324 A CN114445324 A CN 114445324A CN 202111268721 A CN202111268721 A CN 202111268721A CN 114445324 A CN114445324 A CN 114445324A
- Authority
- CN
- China
- Prior art keywords
- state
- data
- timing
- parameter
- organ
- 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.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 231
- 238000003672 processing method Methods 0.000 title claims abstract description 13
- 238000004364 calculation method Methods 0.000 claims abstract description 198
- 210000000056 organ Anatomy 0.000 claims abstract description 156
- 238000011282 treatment Methods 0.000 claims abstract description 149
- 238000005259 measurement Methods 0.000 claims abstract description 40
- 210000004115 mitral valve Anatomy 0.000 claims description 158
- 238000011156 evaluation Methods 0.000 claims description 94
- 238000004088 simulation Methods 0.000 claims description 63
- 238000000034 method Methods 0.000 claims description 45
- 230000000877 morphologic effect Effects 0.000 claims description 42
- 230000033001 locomotion Effects 0.000 claims description 39
- 230000017531 blood circulation Effects 0.000 claims description 33
- 239000012530 fluid Substances 0.000 claims description 29
- 230000008569 process Effects 0.000 claims description 12
- 230000004087 circulation Effects 0.000 claims description 8
- 239000000835 fiber Substances 0.000 claims description 5
- 230000006870 function Effects 0.000 description 304
- 238000012986 modification Methods 0.000 description 60
- 230000004048 modification Effects 0.000 description 60
- 210000003698 chordae tendineae Anatomy 0.000 description 39
- 210000002216 heart Anatomy 0.000 description 33
- 210000004072 lung Anatomy 0.000 description 28
- 210000005240 left ventricle Anatomy 0.000 description 27
- 238000003860 storage Methods 0.000 description 27
- 210000005246 left atrium Anatomy 0.000 description 25
- 238000002203 pretreatment Methods 0.000 description 23
- 230000008859 change Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 20
- 210000004369 blood Anatomy 0.000 description 18
- 239000008280 blood Substances 0.000 description 18
- 238000013178 mathematical model Methods 0.000 description 15
- 210000004351 coronary vessel Anatomy 0.000 description 14
- 230000036772 blood pressure Effects 0.000 description 11
- 210000004204 blood vessel Anatomy 0.000 description 11
- 238000002595 magnetic resonance imaging Methods 0.000 description 8
- 210000005242 cardiac chamber Anatomy 0.000 description 7
- 230000014509 gene expression Effects 0.000 description 6
- 230000000747 cardiac effect Effects 0.000 description 5
- 238000003384 imaging method Methods 0.000 description 5
- 238000002603 single-photon emission computed tomography Methods 0.000 description 5
- 238000002604 ultrasonography Methods 0.000 description 5
- 238000000605 extraction Methods 0.000 description 4
- 238000010801 machine learning Methods 0.000 description 4
- 230000000638 stimulation Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008602 contraction Effects 0.000 description 3
- 230000035487 diastolic blood pressure Effects 0.000 description 3
- 230000003205 diastolic effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 210000003540 papillary muscle Anatomy 0.000 description 3
- 238000004393 prognosis Methods 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 230000035488 systolic blood pressure Effects 0.000 description 3
- 210000002435 tendon Anatomy 0.000 description 3
- 238000002560 therapeutic procedure Methods 0.000 description 3
- 238000011298 ablation treatment Methods 0.000 description 2
- 210000003484 anatomy Anatomy 0.000 description 2
- 206010003119 arrhythmia Diseases 0.000 description 2
- 230000006793 arrhythmia Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 230000012447 hatching Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000704 physical effect Effects 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 238000004904 shortening Methods 0.000 description 2
- 206010027727 Mitral valve incompetence Diseases 0.000 description 1
- 241000270295 Serpentes Species 0.000 description 1
- 238000010317 ablation therapy Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003990 capacitor Substances 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 208000016569 congenital mitral valve insufficiency Diseases 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000000502 dialysis Methods 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000005206 flow analysis Methods 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 208000005907 mitral valve insufficiency Diseases 0.000 description 1
- 238000002156 mixing Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000001050 pharmacotherapy Methods 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- 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
- A61B6/503—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 the heart
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
-
- 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
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
- A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10104—Positron emission tomography [PET]
-
- 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
- G06T2207/10108—Single photon emission computed tomography [SPECT]
-
- 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
- G06T2207/10116—X-ray image
-
- 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
- G06T2207/10132—Ultrasound image
-
- 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
- G06T2207/30048—Heart; Cardiac
-
- 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
-
- 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
-
- 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
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Biomedical Technology (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Surgery (AREA)
- Quality & Reliability (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Molecular Biology (AREA)
- Dentistry (AREA)
- Veterinary Medicine (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Heart & Thoracic Surgery (AREA)
- Cardiology (AREA)
- Geometry (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Urology & Nephrology (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及医用数据处理装置、医用数据处理方法及非暂时性的计算机可读取的记录介质,根据与治疗前等的定时的被检体的状态有关的信息而更适当地推断治疗后等的定时的被检体的状态。实施方式的医用数据处理装置具备第1取得部、计算部和推断部。第1取得部取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测数据。计算部计算基于上述推断数据和上述实测数据的参数。推断部基于上述参数和规定时相的上述推断数据,推断与上述第1定时不同的第2定时的上述规定时相的上述生物体器官的状态。
Description
关联申请的参照
本申请基于2020年10月30日提出的日本专利申请第2020-183315号主张优先权,在本申请中引用该日本专利申请的全部内容。
技术领域
本说明书及附图公开的实施方式涉及医用数据处理装置、医用数据处理方法及非暂时性的计算机可读取的记录介质。
背景技术
在对于有心脏疾病的被检体(患者)计划治疗方案时,医生利用在治疗前得到的被检体的状态及作为治疗对象的心脏的形态或流体信息,基于医生的知识及经验来决定治疗方案。理想的是,医生应该计划治疗后的被检体的状态为最优的治疗方案。为此,需要根据关于治疗前的被检体的状态的信息来推断治疗后的被检体的状态的技术。
但是,根据治疗前的状态推断治疗后的状态的技术的构建是困难的。作为一个原因,可以举出心脏的形状、动作、血流等个人差异较大。
发明内容
本说明书及附图所公开的实施方式要解决的技术问题之一是,根据与治疗前等的定时的被检体的状态有关的信息来更适当地推断治疗后等的定时的被检体的状态。但是,本说明书及附图所公开的实施方式要解决的技术问题并不限于上述技术问题。也可以将与由后述的实施方式所示的各结构带来的各效果对应的技术问题定位为其他技术问题。
技术方案的医用数据处理装置具备第1取得部、计算部和推断部。第1取得部取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测的数据。计算部计算基于上述推断数据和上述实测的数据的参数。推断部基于上述参数和规定时相的上述推断数据,推断与上述第1定时不同的第2定时的上述规定时相的上述生物体器官的状态。
发明效果
根据技术方案的医用数据处理装置、医用数据处理方法及非暂时性的计算机可读取的记录介质,能够根据与治疗前等的定时的被检体的状态有关的信息而更适当地推断治疗后等的定时的被检体的状态。
附图说明
图1是表示有关第1实施方式的医用数据处理系统及医用数据处理装置的结构的一例的图。
图2是表示由有关第1实施方式的医用数据处理装置的处理电路所具有的各处理功能进行的处理的处理次序的流程图。
图3是用来说明有关第1实施方式的步骤S2的处理的一例的图。
图4是表示有关第1实施方式的用户接口的一例的图。
图5是用来说明有关第1实施方式的步骤S4的处理的一例的图。
图6是用来说明有关第1实施方式的第2取得功能所执行的处理的一例的图。
图7是用来说明有关第1实施方式的推断功能所执行的处理的一例的图。
图8是表示有关变形例4的表的一例的图。
图9是用来说明有关第1实施方式的步骤S6的处理的一例的图。
图10是用来说明有关变形例5的步骤S6的处理的一例的图。
图11是用来说明有关变形例6的推断功能所执行的处理的一例的图。
具体实施方式
本说明书及附图所公开的实施方式要解决的技术问题之一是,根据与治疗前等的定时的被检体的状态有关的信息来更适当地推断治疗后等的定时的被检体的状态。但是,本说明书及附图所公开的实施方式要解决的技术问题并不限于上述技术问题。也可以将与由后述的实施方式所示的各结构带来的各效果对应的技术问题定位为其他技术问题。
实施方式的医用数据处理装置具备第1取得部、计算部和推断部。第1取得部取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测的数据。计算部计算基于上述推断数据和上述实测的数据的参数。推断部基于上述参数和规定时相的上述推断数据,推断与上述第1定时不同的第2定时的上述规定时相的上述生物体器官的状态。
以下,一边参照附图一边对医用数据处理装置、医用数据处理方法及医用数据处理程序的实施方式及变形例详细地进行说明。另外,本发明的医用数据处理装置、医用数据处理方法及医用数据处理程序不由以下所示的实施方式及变形例限定。此外,实施方式在处理内容中不发生矛盾的范围中能够进行与其他实施方式、变形例或现有技术的组合。同样,变形例在处理内容中不发生矛盾的范围中能够进行与实施方式、其他变形例或现有技术的组合。
(第1实施方式)
图1是表示有关第1实施方式的医用数据处理系统及医用数据处理装置的结构例的图。
如图1所示,有关本实施方式的医用数据处理系统100包括X射线CT(ComputedTomography)装置110、医用图像保管装置120、各部门系统130、医用信息显示装置140和医用数据处理装置150。这里,各装置及系统可经由网络160通信地连接。
X射线CT装置110生成描绘有被检体的对象脏器的CT图像。具体而言,X射线CT装置110通过使X射线管及X射线检测器在围着被检体的圆轨道上环绕移动,收集表示透射过被检体的X射线的分布的投影数据。作为该对象脏器,例如可以举出僧帽瓣、心脏、肺等的生物体器官。另外,对象脏器并不限于这些,只要是生物体器官即可。并且,X射线CT装置110基于收集到的投影数据,生成CT图像。X射线CT装置110是医用图像诊断装置的一例。
另外,医用数据处理系统100除了X射线CT装置110以外,也可以还包括超声波诊断装置、磁共振成像(Magnetic Resonance Imaging:MRI)装置、X射线诊断装置、PET(Positron Emission Tomography)装置、SPECT(Single Photon Emission ComputedTomography)装置等的其他的医用图像诊断装置。超声波诊断装置生成超声波图像。MRI装置生成MRI图像。X射线诊断装置生成X射线图像及血液造影(angio)图像。PET装置生成PET图像。SPECT装置生成SPECT图像。
CT图像、超声波图像、MRI图像、X射线图像、血液造影图像、PET图像及SPECT图像是医用图像的一例。
医用图像保管装置120保管各种医用图像。具体而言,医用图像保管装置120经由网络160从X射线CT装置110取得CT图像,使所取得的CT图像存储到医用图像保管装置120内的存储电路中而保管。此外,例如医用图像保管装置120由PACS(Picture Archiving andCommunication System)等实现,以依据DICOM(Digital Imaging and Communications inMedicine)的形式保管CT图像。此外,医用图像保管装置120也可以同样地取得CT图像以外的其他医用图像,使所取得的其他医用图像存储到存储电路中而保管。医用图像保管装置120由服务器或工作站等的计算机设备实现。
各部门系统130包括电子病历系统、医院信息系统(HIS:Hospital InformationSystem)、放射线信息系统(RIS:Radiology Information System)、诊断报告系统、临床检查信息系统(LIS:Laboratory Information System)、康复部门系统、透析部门系统、手术部门系统等的各种系统。这些系统与各装置连接。在各系统与各装置之间,收发各种信息。例如,医用数据处理装置150接收由系统发送的患者信息及检查信息、治疗信息等的各种信息。
医用信息显示装置140显示各种医用信息。例如,医用信息显示装置140经由网络160从医用图像保管装置120取得CT图像及图像处理的处理结果等的医用信息。并且,医用信息显示装置140使医用信息显示装置140内的显示器显示所取得的医用信息。此外,医用信息显示装置140同样取得其他医用图像等的医用信息并使显示器显示。例如,医用信息显示装置140由工作站或个人计算机、平板电脑终端等的计算机设备实现。
医用数据处理装置150对医用图像进行各种图像处理。例如,医用数据处理装置150经由网络160从X射线CT装置110或医用图像保管装置120取得CT图像。并且,医用数据处理装置150对所取得的CT图像进行各种图像处理。此外,医用数据处理装置150也可以同样取得CT图像以外的其他医用图像,对所取得的其他医用图像进行各种图像处理。此外,医用数据处理装置150经由网络160取得由各部门系统130发送的各种信息,使用所取得的各种信息执行各种处理。例如,医用数据处理装置150由服务器或工作站等的计算机设备实现。
如图1所示,医用数据处理装置150具备网络(NetWork:NW)接口151、存储电路152、输入接口153、显示器154和处理电路155。
NW接口151对在医用数据处理装置150与经由网络160连接到医用数据处理装置150的其他装置或各部门系统130之间收发的各种信息及各种数据的传送及通信进行控制。NW接口151与处理电路155连接。NW接口151接收由其他装置或各部门系统130发送的数据。在此情况下,NW接口151将接收到的数据向处理电路155发送。此外,NW接口151接收由处理电路155发送的数据。在此情况下,NW接口151将接收到的数据向其他装置或各部门系统130发送。例如,NW接口151由网卡或网络适配器、NIC(Network Interface Controller)等实现。
存储电路152存储各种数据及各种程序。存储电路152与处理电路155连接。存储电路152接受由处理电路155进行的控制,存储由处理电路155发送的数据。此外,存储在存储电路152中的数据被处理电路155读出。例如,存储电路152由RAM(Random Access Memory)、闪存存储器等的半导体存储元件或硬盘、光盘等实现。此外,存储电路152例如是记录有程序的非暂时性的计算机可读取的记录介质。
输入接口153从医生等的用户受理各种指示及各种信息的输入操作。输入接口153与处理电路155连接。输入接口153将从用户受理的操作变换为电信号,向处理电路155发送。例如,输入接口153由跟踪球、开关按钮、鼠标、键盘、通过向操作面触碰来受理操作的触控板、将显示画面与触控板一体化而成的触摸屏、使用了光学传感器的非接触输入接口及声音输入接口等实现。另外,在本说明书中,输入接口153并不仅限于具备鼠标、键盘等的物理性的操作部件。例如,从与装置分体地设置的外部的输入设备接受对应于输入操作的电信号并将该电信号向处理电路155发送的电信号的处理电路也包含在输入接口153的例子中。
显示器154显示各种信息及各种数据。显示器154与处理电路155连接。显示器154接受由处理电路155进行的控制,显示由处理电路155发送的各种信息及各种数据。例如,显示器154由液晶显示器或CRT(Cathode Ray Tube)显示器、触摸面板等实现。显示器154是显示部的一例。
处理电路155对医用数据处理装置150整体进行控制。例如,处理电路155根据经由输入接口153从用户受理的操作而进行各种处理。此外,例如处理电路155经由网络160取得由X射线CT装置110或医用图像保管装置120发送的CT图像。并且,处理电路155使所取得的CT图像存储到存储电路152中。此外,处理电路155也可以关于其他医用图像也同样地取得,并使所取得的其他医用图像存储在存储电路152中。
以上,对有关本实施方式的医用数据处理系统100及医用数据处理装置150的结构的一例进行了说明。例如,有关本实施方式的医用数据处理系统100及医用数据处理装置150设置在医院或诊所等的医疗施设中,对由医生等的用户进行的关于各种疾病的治疗计划的制定等进行辅助。
例如,医用数据处理装置150实施(执行)用来推断被检体的治疗后的生物体器官的状态(形状、运动、血流、压力等)的治疗后模拟。在本实施方式中,在实施治疗后模拟时,医用数据处理装置150考虑被检体的个人差异,根据与治疗前的被检体的状态有关的信息,设定在执行治疗后模拟时使用的各种参数。即,医用数据处理装置150设定作为与各被检体对应的参数的、更适当的参数。因而,有关本实施方式的医用数据处理装置150能够根据与治疗前的被检体的状态有关的信息,更适当地推断治疗后的被检体的状态。由此,带来患者(被检体)的适当的治疗选择及医生的治疗时间的缩短,能够有助于被检体的预后的改善。
以下,对医用数据处理装置150使用将患有僧帽瓣的瓣膜症的被检体(患者)的僧帽瓣描绘为对象区域的CT图像进行处理的情况进行说明。具体而言,对医用数据处理装置150根据从CT图像得到的治疗前的僧帽瓣的形态信息来推断治疗后的僧帽瓣的形态信息及血液循环动态信息的情况进行说明。但是,医用数据处理装置150也可以对僧帽瓣以外的其他生物体器官进行同样的处理。
如图1所示,医用数据处理装置150的处理电路155具有第1取得功能155a、计算功能155b、第2取得功能155c、推断功能155d和显示控制功能155e。第1取得功能155a是第1取得部的一例。计算功能155b是计算部的一例。第2取得功能155c是第2取得部的一例。推断功能155d是推断部的一例。显示控制功能155e是显示控制部的一例。
处理电路155例如由处理器实现。在此情况下,上述的各处理功能以能够由计算机执行的程序(医用数据处理程序)的形态被存储在存储电路152中。并且,处理电路155通过将存储在存储电路152中的各程序读出、并执行所读出的各程序,从而实现与各程序对应的各处理功能。换言之,处理电路155在将各程序读出的状态下具有图1所示的各处理功能。
另外,处理电路155也可以将多个独立的处理器组合而构成,通过各处理器执行各程序来实现各处理功能。此外,处理电路155具有的各处理功能也可以由单一或多个处理电路分散或合并而实现。此外,处理电路155具有的各处理功能也可以通过电路等的硬件与软件的混合来实现。此外,这里说明了与各处理功能对应的各程序被存储在单一的存储电路152中的情况的例子,但也可以将各程序分散存储在多个存储电路中。例如,也可以设为如下结构:将与各处理功能对应的各程序分散存储在多个存储电路中,处理电路155从各存储电路将各程序读出而执行。
接着,使用图2对由医用数据处理装置150执行的处理的次序进行说明。图2是表示由有关第1实施方式的医用数据处理装置的处理电路155所具有的各处理功能进行的处理的处理次序的流程图。
另外,处理电路155在接收到经由输入接口153由用户输入的指示即用来执行图2所示的处理的指示的情况下,执行图2所示的处理。此外,也可以处理电路155监视医用图像保管装置120,在新的CT图像被新保管在医用图像保管装置120中的情况下自动地执行图2所示的处理。进而,处理电路155也可以判定新被保管在医用图像保管装置120中的新的CT图像是否满足预先决定的条件,在满足的情况下执行图2所示的处理。
(步骤S1)
如图2所示,首先,在步骤S1中,第1取得功能155a从X射线CT装置110或医用图像保管装置120取得被检体的CT图像。另外,在本实施方式中医用数据处理装置150作为处理对象的医用图像的种类并不限于CT图像。医用数据处理装置150作为处理对象的医用图像只要是包含作为处理对象的对象脏器的解剖构造的形态信息的医用图像,则是怎样的种类的医用图像都可以。例如,作为处理对象的医用图像也可以是超声波图像、MRI图像、X射线图像、血液造影图像,PET图像或SPECT图像那样的其他的三维图像或二维图像。此外,作为处理对象的医用图像也可以是通过将它们在时间方向上摄像多个而得到的四维图像。或者,作为处理对象的医用图像也可以是由心电计、脑波计、脑磁计、心磁计、NIRS(nearinfrared spectroscopy(近红外分光法))脑波计等得到的一维的电/磁/近红外线等的计测值的时间及/或空间方向的分布图等。
此外,以下对处理电路155将描绘在CT图像中的被检体的僧帽瓣作为对象脏器、并在步骤S1中取得了四维CT图像的例子进行说明,但本实施方式并不限定于此。上述四维CT图像包含通过将僧帽瓣在6个时刻摄像而得到的6个相位(6个时相)的三维数据。
(步骤S2)
接着,在步骤S2中,第1取得功能155a确定在步骤S1中取得的CT图像中的表示对象脏器的区域。以下,将这样的表示对象脏器的区域称作对象区域。即,第1取得功能155a在本例中,作为对象区域,取得CT图像上的僧帽瓣表示的CT图像中的各像素的坐标信息。这样,在步骤S2中,第1取得功能155a取得僧帽瓣的形态信息。这样的僧帽瓣的形态信息是对治疗前的定时的僧帽瓣的形态的状态进行表示的实测的数据的一例。此外,僧帽瓣的形态的状态是僧帽瓣的状态的一例。
例如,第1取得功能155a也可以基于由用户经由输入接口153输入的对象区域的指定来确定对象区域。具体而言,第1取得功能155a也可以将由用户确定为对象区域的区域确定为在步骤S3以后的处理中使用的对象区域。此外,第1取得功能155a也可以通过已知的区域提取技术,基于描绘在CT图像中的解剖学的构造来确定对象区域。作为已知的区域提取技术,例如有基于CT值的大津的二值化(discriminant analysis method)法、区域扩张法、主动轮廓(Snake)法、图割(Graph Cut)法、均值漂移(Mean Shift)法等。
另外,确定对象区域的方法只要能够根据医用图像确定对象区域,则是怎样的方法都可以,并不限定于上述的方法。例如,第1取得功能155a也可以基于通过学习利用机器学习技术(例如,包括深层学习的机器学习技术)而事前准备的学习用数据而构建的对象区域的形状模型,来推断并确定对象区域。具体而言,第1取得功能155a通过对CT图像应用该形状模型并输出对象区域,来推断对象区域。对象区域既可以是二维,也可以是三维。
此外,如果第1取得功能155a对医用图像整体实施图割法等的处理,则有计算成本过于变高的可能性。因此,第1取得功能155a确定与对象脏器关联、并且比对象脏器大但比医用图像整体小的区域。以下,将与对象脏器关联、并且比对象脏器大但比医用图像整体小的区域称作关联区域。例如,在对象脏器是僧帽瓣的情况下,关联区域是心脏区域或左心房与左心室之和的区域等。并且,第1取得功能155a也可以仅对所确定的关联区域应用上述处理来确定对象区域。由此,能够抑制计算成本的增大。
另外,第1取得功能155a也可以基于由用户经由输入接口153输入的关联区域的指定来确定关联区域。具体而言,第1取得功能155a也可以将被用户指定为关联区域的区域确定为应用上述处理的关联区域。第1取得功能155a将确定对象区域的处理对于在步骤S1中取得的在多个时刻摄像到的多个相位的CT图像(在本例中是6个相位的数据)的每一个分别实施。即,第1取得功能155a按照时刻来确定对象区域。
此外,第1取得功能155a也可以在对象区域之中单独地确定多个特征性的区域或多个特性不同的区域。例如,僧帽瓣由前叶和后叶的两个瓣叶构成。因此,第1取得功能155a也可以单独地分别确定前叶及后叶。
图3是用来说明有关第1实施方式的步骤S2的处理的一例的图。如图3所示,第1取得功能155a从通过在时刻t1至时刻t6的6个时刻进行摄像得到的6个CT图像11~16各自中分别确定6个僧帽瓣的区域21~26。另外,在僧帽瓣的区域21~26中,由斜线的阴影表示的区域21a~26a是表示前叶的区域,由点的阴影表示的区域21b~26b是表示后叶的区域。
(步骤S3)
接着,在步骤S3中,计算功能155b计算并设定在后述的步骤S4中实施的治疗前的模拟(治疗前模拟)中使用的参数。这里,在步骤S3中设定的参数是不受到或不易受到治疗的影响的参数。即,在步骤S3中设定的参数是在治疗的前后不变化或变化较少的参数。此外,在步骤S3中,设定1个或多个参数。即,计算功能155b至少设定1个参数。参数包含边界条件。
具体而言,计算功能155b作为关于瓣叶的参数,也可以设定瓣的硬度、厚度及纤维方向等。此外,计算功能155b作为关于腱索的参数,也可以设定腱索的硬度、长度、粗细、连接位置及数量等。此外,计算功能155b作为关于心腔或血管的参数,也可以设定血管、左心房及左心室等各自的硬度、体积及表面的平滑度的程度等。此外,计算功能155b作为关于血液的参数,也可以设定血液的粘度、流速、套囊压力(最高血压、最低血压)及全身的总血液量等。在本说明书中,上述的瓣的硬度、厚度及纤维方向等的关于瓣叶的参数、以及腱索的硬度、长度、粗细、连接位置及数量等的关于腱索的参数,作为关于僧帽瓣的形状或形状的变化的参数而进行说明。此外,上述的血管、左心房及左心室等各自的硬度、体积及表面的平滑度的程度等的关于心腔或血管的参数、以及血液的粘度、流速、套囊压力(最高血压、最低血压)及全身的总血液量等的关于血液的参数,作为关于僧帽瓣的运动或运动的变化的参数而进行说明。以下,将与僧帽瓣的形状或形状的变化有关的参数单表述为“关于形状的参数”,将与僧帽瓣的运动或运动的变化有关的参数单表述为“关于运动的参数”。另外,关于形状的参数、关于运动的参数的分类是怎样的都可以,本实施方式并不限定于此。也可以分别设定关于血流的参数。
此外,在本实施方式中,例如被计算与形状有关的参数的对象的生物体器官是僧帽瓣及腱索。此外,在本实施方式中,例如被计算与运动有关的参数的对象的生物体器官是心腔、血管及血液。但是,腱索也能够成为被计算与运动有关的参数的对象的生物体器官。被计算与形状有关的参数的对象的生物体器官是第1生物体器官的一例。被计算与运动有关的参数的对象的生物体器官是第2生物体器官的一例。
另外,计算功能155b也可以不直接设定参数,而是基于预先决定的算法,根据间接性的指标来计算并设定参数。例如,计算功能155b也可以不是直接设定表示经过僧帽瓣的血液的流速的参数,而是计算并设定左心房的体积(容积)及左心室的体积来作为间接性的指标。例如,计算功能155b基于左心房的体积和左心室的体积的时间方向的变化量,来计算作用在僧帽瓣的上侧(左心房侧)与下侧(左心室侧)之间的压力阶差。并且,计算功能155b根据压力阶差而计算血液的流速,将计算出的血液的流速设定为参数。这样,计算功能155b也可以设定左心房的体积及左心室的体积,来作为用来计算表示血液的流速的参数的间接性的指标。
上述的参数是一例,在步骤S3中设定的参数并不限定于上述参数的种类或数量。例如,通过计算功能155b设定的参数只要是能够用于生物体的模拟的参数,则是怎样的参数都可以。例如,在本实施方式中使用的关于生物体器官的形状的参数,只要是表示生物体器官的硬度、厚度、纤维方向、长度、粗细、连接位置及数量中的至少1个的参数即可。此外,在本实施方式中使用的关于生物体器官的运动的参数,只要是表示生物体器官的硬度、体积及表面的平滑度的程度、以及流过生物体器官的流体(例如血液)的粘度、流速及总量中的至少1个的参数即可。
图4是表示有关第1实施方式的用户接口的一例的图。在图4中,作为用来设定参数的用户接口的一例,表示了用来设定参数的参数设定用画面31。在本实施方式中,用户也可以使用图4所示那样的用户接口,以手动设定参数。例如,计算功能155b对显示器154进行控制,以显示图4所示的参数设定用画面31。参数设定用画面31具有3个复选框32~34及3个文本框35~37。
复选框32是用来选择在治疗前模拟中是否使用表示僧帽瓣的硬度的参数的选择框。如果由用户经由输入接口153选择了复选框32,则如图4所示,计算功能155b在复选框32上使复选标记显示,并设定为在治疗前模拟中使用表示僧帽瓣的硬度的参数。另一方面,在没有选择复选框32的情况下,计算功能155b在复选框32上不使复选标记显示,并设定为在治疗前模拟中不使用表示僧帽瓣的硬度的参数。
复选框33是用来选择在治疗前模拟中是否使用表示腱索的数量的参数的选择框。如果由用户经由输入接口153选择了复选框33,则如图4所示,计算功能155b在复选框33上使复选标记显示,并设定为在治疗前模拟中使用表示腱索的数量的参数。另一方面,在没有选择复选框33的情况下,计算功能155b在复选框33上不使复选标记显示,并设定为在治疗前模拟中不使用表示腱索的数量的参数。
复选框34是用来选择在治疗前模拟中是否考虑乳头肌的位置的选择框。如果由用户经由输入接口153选择了复选框34,则计算功能155b在复选框34上使复选标记显示,并设定为在治疗前模拟中考虑乳头肌的位置。另一方面,在没有选择复选框34的情况下,如图4所示,计算功能155b在复选框34上不使复选标记显示,并设定为在治疗前模拟中不考虑乳头肌的位置。
文本框35在复选框32被选择的情况下,成为能够由用户经由输入接口153输入表示瓣的硬度的数值的状态。在图4的例子中,表示了由用户输入并指定了“3”(MPa)的情况。
文本框36在复选框33被选择的情况下,成为能够由用户经由输入接口153输入与前叶连接的腱索的数量的状态。在图4的例子中,表示了由用户输入并指定了与前叶连接的腱索的数量为“10”(根)的情况。
文本框37在复选框33被选择的情况下,成为能够由用户经由输入接口153输入与后叶连接的腱索的数量的状态。在图4的例子中,表示了由用户输入并指定了与后叶连接的腱索的数量为“15”(根)的情况。
并且,在如图4的例子那样由用户指定了各种参数的情况下,计算功能155b设定由用户指定的瓣的硬度“3”(MPa)、以及与前叶连接的腱索的数量“10”(根)及与后叶连接的腱索的数量“15”(根)这3个参数。
另外,这样的用户接口是一例,只要用户能够设定各种参数,则使用怎样的用户接口都可以。例如,也可以通过将用户接口构成为,使得用户能够输入各种逻辑式(AND、OR、NOT等),能够设定复杂的条件。
此外,计算功能155b也可以对于在步骤S2中确定的对象区域中的多个特征性的区域分别单独地计算并设定各种参数。此外,计算功能155b也可以不是以用户的手动设定参数,而是对在步骤S1中取得的CT图像进行解析而自动地计算并设定各种参数。例如,计算功能155b也可以通过已知的区域提取技术从CT图像中提取心腔区域,根据提取出的心腔区域来自动地计算心腔的体积,并设定表示计算出的心腔的体积的参数。此外,计算功能155b也可以从电子病历系统、HIS、RIS等取得临床上的信息,设定与所取得的临床上的信息有关的参数。或者,计算功能155b也可以将由用户以手动设定的参数和自动地设定的参数混合而设定。
进而,计算功能155b也可以设定预先决定的常数,来作为各种参数的初始值。例如,计算功能155b也可以设定基于被检体的属性而决定的常数,作为初始值。例如,计算功能155b也可以根据年龄或性别而设定不同的初始值。
此外,计算功能155b也可以不使用事前定义的全部参数的项目。例如,计算功能155b也可以设为,在用户接口上能够以用户的手动来选择要使用的参数的项目。
在其他例子中,计算功能155b也可以关于通过对CT图像执行图像处理等而自动取得的参数,计算该图像处理的可靠度,并判定可靠度是否较低。具体而言,计算功能155b也可以通过判定可靠度是否为阈值以下,来判定可靠度是否较低。在可靠度为阈值以下的情况下,计算功能155b也可以进行以下说明的3个处理中的某个处理。例如,计算功能155b作为第1个处理,也可以不是将通过图像处理得到的计算值设定为参数、而是将预先决定的常数设定为参数。此外,计算功能155b作为第2个处理,也可以使显示器154显示用来敦促用户以手动设定参数的画面。此外,计算功能155b作为第3个处理,也可以将自动取得的参数的项目设定为不使用。另外,在可靠度比阈值大的情况下,计算功能155b设定自动取得的参数。
此外,对于计算功能155b想要如上述那样从电子病历系统、HIS、RIS等的各种系统取得参数,但不能从各种系统取得参数的情况进行说明。在此情况下,计算功能155b也可以执行与在上述的可靠度为阈值以下的情况下执行的处理同样的处理。例如,计算功能155b也可以设定预先决定的常数,作为参数。此外,计算功能155b也可以使显示器154显示用来敦促用户以手动设定参数的画面。此外,计算功能155b也可以将不能从各种系统取得的参数的项目设定为不使用。
以下,对计算功能155b作为参数而设定瓣的硬度、腱索的数量(与前叶及后叶分别连接的腱索的数量)、扩张期及收缩期各自的左心房的体积(容积)及左心室的体积(容积)、套囊压力(最高血压、最低血压)的情况进行说明。计算功能155b作为瓣的硬度的初始值而设定“3”MPa。此外,计算功能155b作为与前叶连接的腱索的数量的初始值而设定“10”条,作为与后叶连接的腱索的数量的初始值而设定“15”条。此外,计算功能155b通过对在步骤S1中取得的CT图像实施区域提取处理,取得扩张期及收缩期各自的左心房的体积及左心室的体积,并设定所取得的共计4个体积。此外,计算功能155b从电子病历系统取得套囊压力,设定所取得的套囊压力。这里,如上述那样,在本实施例中,瓣的硬度及腱索的数量的各参数是关于形状的参数,扩张期及收缩期各自的左心房的体积及左心室的体积以及套囊压力的各参数是关于运动的参数。
(步骤S4)
接着,在步骤S4中,第1取得功能155a基于在步骤S3中设定的参数来实施治疗前模拟,取得被检体的治疗前的对象脏器的推断数据。即,第1取得功能155a通过实施用于取得推断数据的模拟,取得推断数据。在本实施方式中,第1取得功能155a对僧帽瓣的治疗前的运动进行模拟。第1取得功能155a使用已知的方法实施治疗前模拟。例如,第1取得功能155a使用有限要素法、有限差分法、浸入边界法(immersed boundary method)等,实施治疗前模拟。
以下,举第1取得功能155a使用有限要素法来实施治疗前模拟的情况为例进行说明,但治疗前模拟的方法并不限于此。第1取得功能155a只要能够推断关于物体的动作或流体的信息,则使用怎样的方法都可以。例如,第1取得功能155a也可以根据通过使用机器学习技术(例如,包括深层学习的机器学习技术)对事前准备的学习用数据进行学习而构建的形状模型,来推断对象区域的治疗前的形状。具体而言,第1取得功能155a通过对CT图像应用该形状模型并输出对象区域的治疗前的形状,来推断对象区域的治疗前的形状。
对步骤S4的具体的处理的一例进行说明。第1取得功能155a首先,从在步骤S2中确定的多个时刻(在本实施方式中是6个时刻)的对象区域取得1个时刻的对象区域。例如,第1取得功能155a取得图3所示的时刻t1的僧帽瓣的区域21。并且,第1取得功能155a对于所取得的僧帽瓣的区域21,基于预先决定的数量、尺寸、形状、要素等的条件,设定多个计算栅格(网格)。并且,第1取得功能155a对各计算栅格应用基于在步骤S3中设定的参数而设定的数学模型或物理模型,推断时刻t2至时刻t6的5个时刻的僧帽瓣的形状(形态)。
另外,第1取得功能155a既可以仅推断时刻t2至时刻t6的5个时刻的形状,也可以推断更细小的时间间隔(例如,从时刻t1到时刻t2之间的时刻等)的形状。此外,第1取得功能155a也可以仅根据时刻t1的形状及在步骤S3中设定的参数、以及时刻t1与作为推断的对象的时刻之间的时间间隔的信息,推断从时刻t2到时刻t6的各时刻的形状。此外,第1取得功能155a在时间方向上连续的多个时刻的各个时刻的形状的推断中,也可以基于在某个时刻推断出的形状来推断该时刻的下个时刻的形状。即,第1取得功能155a也可以基于时刻tN(N是1至5的整数)的形状及在步骤S3中设定的参数来推断时刻t(N+1)的形状。
另外,第1取得功能155a在实施模拟时,也可以不仅使用僧帽瓣的形状及在步骤S3中设定的参数,还使用作为对象的被检体的临床上的信息。例如,第1取得功能155a也可以控制为,根据电子病历系统、HIS、RIS等的系统,确定并能够利用作为对象的临床上的信息。此外,第1取得功能155a也可以使用根据由用户经由输入接口153输入的对于被检体的问诊或问询等得到的信息。
图5是用来说明有关第1实施方式的步骤S4的处理的一例的图。在图5中,表示了在步骤S4中第1取得功能155a基于在步骤S2中得到的时刻t1的僧帽瓣的区域21的形状而推断出的时刻t2′至时刻t6′的各时刻的僧帽瓣的形状的一例。这里,时刻t2′至时刻t6′的各时刻,是与时刻t2至时刻t6的各时刻的心相位相同的心相位的时刻。如图5所示,在步骤S4中,第1取得功能155a推断时刻t2′的僧帽瓣的形状42。同样,在步骤S4中,第1取得功能155a推断时刻t3′至时刻t6′的各时刻的僧帽瓣的形状43、44、45、46。
(步骤S5)
接着,在步骤S5中,计算功能155b基于在步骤S4中推断出的形状(以下称作推断形状)和在步骤S2中确定出的对象区域的形状(以下称作实测形状),使用预先设定的评价指标进行评价。这里,推断形状是与治疗前的定时的僧帽瓣的状态有关的推断数据的一例。此外,实测形状是对治疗前的定时的僧帽瓣的状态进行表示的实测的数据的一例。此外,治疗前的定时是第1定时的一例。
例如,计算功能155b计算由评价指标得到的评价值,该评价指标是基于推断形状与实测形状的整体上的形状的误差的评价指标。计算功能155b按照以下的式(1),作为评价值而计算整体上的形状的误差。
这里,p表示相位数,dm(a,b)表示对点a与面b之间的最小的欧几里得距离进行计算的函数。S(Sn)表示第n个相位的推断形状,S(Gn)表示第n个相位的实测形状。sSn表示构成第n个相位的推断形状的点。sGn表示构成第n个相位的实测形状的点。|S(Sn)|表示构成第n个相位的推断形状的点的个数。|S(Gn)|表示构成第n个相位的实测形状的点的个数。
例如,计算功能155b按照式(1),计算时刻t2′至时刻t6′的各时刻的僧帽瓣的形状42、43、44、45、46与时刻t2至时刻t6的各时刻的僧帽瓣的区域22、23、24、25、26的形状的误差(差分)。在此情况下,相位数p表示“5”。这样,计算功能155b基于构成推断形状的点及面、以及构成实测形状的点及面来计算评价值。
另外,上述的评价指标只不过是一例,在本实施方式中使用的评价指标并不限定于上述的评价指标。在上述的例子中,对计算功能155b基于整体形状计算评价值的情况进行了说明。即,对计算功能155b计算在步骤S4中推断出的僧帽瓣的整体形状与在步骤S2中确定出的僧帽瓣(对象区域)的整体形状之间的误差作为评价值的情况进行了说明。
但是,计算功能155b也可以基于特征性的区域的形状来计算评价值。例如,计算功能155b也可以计算在步骤S4中推断出的僧帽瓣的开口部的形状及瓣环的形状与在步骤S2中确定出的僧帽瓣的开口部的形状及瓣环的形状之间的误差作为评价值。
此外,计算功能155b也可以基于特征性的坐标的位置来计算评价值。例如,计算功能155b也可以基于交联部的位置计算评价值。具体而言,计算功能155b也可以计算在步骤S4中推断出的僧帽瓣的前联合部及后联合部的位置与在步骤S2中确定出的僧帽瓣的前联合部及后联合部的位置的误差作为评价值。
此外,在上述的例子中,对计算功能155b基于多个时刻下的多个误差的平均值计算评价值的情况进行了说明,但也可以基于特征性的时刻的误差的平均值计算评价值。例如,计算功能155b也可以基于收缩期和扩张期的误差的平均值计算评价值。此外,计算功能155b也可以对各时刻的误差设定权重来计算评价值。此外,计算功能155b也可以将多个评价指标组合来进行评价。此外,计算功能155b也可以根据作为对象的被检体及医用图像的种类、对象脏器的种类等,从多个评价指标中选择所使用的评价指标。
计算功能155b在计算出基于预先设定的评价指标的评价值后,将计算出的评价值与基准值比较,判定评价值是否满足基准值。这里,通过式(1)计算的评价值越小,误差越小。因而,计算功能155b在通过式(1)计算评价值的情况下,判定评价值是否为基准值以下。在此情况下,计算功能155b在评价值为基准值以下的情况下,判定为评价值满足基准值。另一方面,计算功能155b在评价值比基准值大的情况下,判定为评价值不满足基准值。另外,基准值既可以预先决定,也可以由用户使用用户接口设定。这里,例如评价值满足基准值是指,评价值满足预先决定的基准,评价值不满足基准值是指,评价值不满足预先决定的基准。
在评价值满足基准值的情况下(步骤S5:是),计算功能155b使在此时的步骤S3中设定的参数存储到存储电路152中而保管。这样,计算功能155b计算作为基于推断形状和实测形状的参数,该参数为在步骤S6中实施的治疗后模拟中使用的参数。例如,计算功能155b计算对基于推断形状和实测形状计算出的评价值满足预先决定的基准的情况下的推断形状进行推断时使用的参数,作为在步骤S6中实施的治疗后模拟中使用的参数。计算出的参数是用于使推断数据接近实测数据的参数且是用于调整在步骤S4中实施的模拟的参数。具体而言,计算功能155b计算对推断形状与实测形状类似的情况下的推断形状进行推断时使用的参数,作为在步骤S6中实施的治疗后模拟中使用的参数。更具体地讲,计算功能155b计算对推断形状与实测形状的差分为阈值以下的情况下的推断形状进行推断时使用的参数,作为在步骤S6中实施的治疗后模拟中使用的参数。并且,计算功能155b将计算出的参数确定为在后述的步骤S6中实施治疗后模拟时使用的参数。并且,计算功能155b向步骤S6前进。另一方面,在评价值不满足基准值的情况下(步骤S5:否),计算功能155b向步骤S3返回。
计算功能155b在回到步骤S3的情况下,在步骤S3中再设定参数。例如,计算功能155b在步骤S3中通过将多个参数中的至少1个参数变更,来新计算参数,并设定计算出的参数。计算功能155b也可以将由用户经由用户接口指定的值再设定为参数。此外,计算功能155b也可以基于前次设定的参数的值自动地调整。例如,计算功能155b也可以对于各种参数而言使值从前次设定的值以一定的大小或一定的比例变动,从而再设定各种参数。
此外,对第1取得功能155a及计算功能155b将步骤S3~S5多次反复的情况进行说明。在此情况下,计算功能155b将在对推断形状进行推断时使用的参数反复变更,直到基于推断形状和实测形状计算的评价值满足基准值。具体而言,计算功能155b将在对推断形状进行推断时使用的参数反复变更,直到推断形状与实测形状类似。更具体地讲,计算功能155b将在对推断形状进行推断时使用的参数反复变更,直到推断形状与实测形状的差分为阈值以下。
此外,在将步骤S3~S5多次反复的情况下,计算功能155b也可以不是将全部的参数同样地调整,而是在多个参数中推断出计算的评价值与基准值接近那样的参数,将推断出的参数优先地调整。例如,计算功能155b也可以在反复的步骤S3中使参数一个个地变动,推断对于评价值接近于基准值而言最有效的参数,将推断出的参数优先地调整。即,计算功能155b在对推断形状进行推断时使用的多个参数中,与其他参数相比将基于推断形状和实测形状而计算的评价值接近于基准值的程度较高的参数优先地变更。并且,第1取得功能155a每当由计算功能155b将与其他参数相比评价值接近于基准值的程度较高的参数优先地变更,就使用被变更后的参数对推断形状进行推断。
此外,计算功能155b也可以将设定了一次的各种参数预先保管在存储电路152中,并控制为不再次设定相同值的组合的参数。此外,计算功能155b也可以控制为,以将通过图像处理等自动取得的参数设为固定值而使其不能调整。例如,计算功能155b也可以控制为,将扩张期及收缩期各自的左心房的体积及左心室的体积、以及从电子病历系统等的系统取得的套囊压力等的参数作为固定值而使其不能调整。
此外,计算功能155b也可以是,即使在评价值不满足基准值的情况下,也在以预先决定的次数或处理时间反复进行了步骤S3至步骤S5的处理时向步骤S6前进。此时,计算功能155b也可以将在反复中计算出最接近于基准值的评价值时的参数或最后计算出的参数保管在存储电路152中而向步骤S6前进。在这样的情况下,例如将步骤S3至S5的处理执行多次。在各次的步骤S4中,第1取得功能155a通过使用与到前次为止的步骤S3中使用的参数不同的参数对推断形状进行推断来取得推断形状。因而,在多次的步骤S4中,第1取得功能155a通过使用多个不同的参数来推断多个推断形状,取得多个推断形状。此外,在各次的步骤S5中,计算功能155b判定基于在步骤S4中取得的推断形状和在步骤S2中取得的实测形状而计算的评价值是否满足基准值。因而,在多次的步骤S3~S5中,计算功能155b基于在多次的步骤S4中取得的多个推断形状以及在步骤S2中取得的实测形状,计算在步骤S6中推断僧帽瓣的状态时使用的参数。
或者,计算功能155b也可以控制为,不前进到步骤S6,使显示器154显示未图示的警告画面并停止处理。通过警告画面的显示,用户能够掌握处理被停止的理由是评价值不满足基准值这样的理由。此外,通过处理被停止,能够抑制尽管评价值不满足基准值也在后述的步骤S6中实施治疗后模拟的情况。
有关第1实施方式的医用数据处理装置150通过步骤S3至步骤S5的处理,能够设定适合于对象的被检体的参数。
(步骤S6)
在步骤S6中,第2取得功能155c及推断功能155d使用在步骤S5中评价值满足基准值时的在步骤S3中设定的参数,实施治疗后的模拟(治疗后模拟)。即,第2取得功能155c及推断功能155d使用在步骤S5中确定的参数,实施治疗后模拟。例如,第2取得功能155c及推断功能155d与步骤S4同样,使用已知的方法实施治疗后模拟。以下,对第2取得功能155c及推断功能155d实施对于僧帽瓣实施了在僧帽瓣接合不全修复术中使用的借助夹合器的治疗的情况下的治疗后模拟的情况进行说明。
具体而言,第2取得功能155c首先从在步骤S2中确定的多个时刻的对象区域中取得1个时刻的对象区域。例如,第2取得功能155c取得图3所示的时刻t1的僧帽瓣的区域21。然后,第2取得功能155c对于僧帽瓣的区域21,基于预先决定的数量、尺寸、形状、要素等的条件设定计算栅格。第2取得功能155c既可以通过与步骤S4的计算栅格的设定同样的设定对僧帽瓣的区域21设定计算栅格,也可以通过与步骤S4的计算栅格的设定不同的设定对僧帽瓣的区域21设定计算栅格。另外,第2取得功能155c也可以不在步骤S6中设定计算栅格,而是原样使用在步骤S4中被设定了计算栅格的僧帽瓣的区域21来进行以下说明的处理。
然后,第2取得功能155c对于在僧帽瓣的区域21中设定的各计算栅格,应用根据基于已知的夹合器的尺寸、重量、张力等预先设定的关于夹合器的参数以及在步骤S5中确定的关于形状的参数而设定的数学模型或物理模型。然后,第2取得功能155c使用对在僧帽瓣的区域21中设定的各计算栅格应用了的数学模型或物理模型,推断与时刻t1的心相位相同的心相位的时刻ta1的治疗后的僧帽瓣的形状。这样,第2取得功能155c通过在实施治疗后模拟时使用关于形状的参数,能够更高精度地实施治疗后模拟。具体而言,例如第2取得功能155c能够精度良好地推断时刻ta1的治疗后的僧帽瓣的形状。
图6是用来说明有关第1实施方式的第2取得功能155c执行的处理的一例的图。如图6所示,在步骤S6中,第2取得功能155c根据时刻t1的治疗前的僧帽瓣的区域21的形状,推断时刻ta1的治疗后的僧帽瓣的形状51。这样,第2取得功能155c基于在步骤S5中确定的关于形状的参数和时刻t1的推断形状,取得与治疗前的定时不同的治疗后的定时的时刻ta1的僧帽瓣的形状51。僧帽瓣的形状51是关于僧帽瓣的状态的状态数据的一例。此外,治疗后的定时是第2定时的一例。此外,时刻t1及时刻ta1是规定时相的一例。另外,在步骤S6中,也可以不是第2取得功能155c,而是推断功能155d进行上述的处理,并推断时刻ta1的治疗后的僧帽瓣的形状51。
另外,用户也可以使用用户接口,任意地设定夹合器的尺寸及供夹合器设置的僧帽瓣的位置。例如,第2取得功能155c也可以将由用户经由用户接口指定的夹合器的尺寸及供夹合器设置的僧帽瓣的位置设定为参数。并且,第2取得功能155c也可以使用被设定为参数的夹合器的尺寸及供夹合器设置的僧帽瓣的位置,来推断时刻ta1的治疗后的僧帽瓣的形状51。
接着,推断功能155d对于时刻ta1的僧帽瓣的形状51应用在步骤S5中确定的关于运动的参数,推断治疗后的其他时刻的僧帽瓣的形状。图7是用来说明有关第1实施方式的推断功能155d执行的处理的一例的图。如图7所示,推断功能155d推断治疗后的其他时刻(时刻ta2至时刻ta6的5个时刻)的僧帽瓣的形状52~56。即,推断功能155d基于时刻ta1的僧帽瓣的形状51和在步骤S5中确定的关于运动的参数,遍及多个时相地推断治疗后的定时的僧帽瓣的状态。另外,推断功能155d遍及与僧帽瓣的运动有关的至少1周期的时相地推断僧帽瓣的状态。这里,时刻taL(L是1至6的整数)是与时刻tL相同的心相位的时刻。另外,在步骤S6中,推断功能155d也可以对时刻ta1的僧帽瓣的形状51应用在步骤S5中确定的关于运动的参数及关于形状的参数这两参数,推断治疗后的其他时刻的僧帽瓣的形状。此外,推断功能155d也可以对时刻ta1的僧帽瓣的形状51应用在步骤S5中确定的关于形状的参数,推断治疗后的其他时刻的僧帽瓣的形状。
这样,在步骤S6中,医用数据处理装置150使用对对象的被检体应用的参数,实施治疗后模拟。因而,医用数据处理装置150能够实施考虑到个人差异的治疗后模拟。
(步骤S7)
并且,在步骤S7中,显示控制功能155e对显示器154进行控制,以显示由推断功能155d得到的推断结果等。例如,显示控制功能155e对显示器154进行控制,以显示时刻ta1至时刻ta6的6个时刻的僧帽瓣的形状51~56。因而,有关本实施方式的医用数据处理装置150能够使用户掌握根据与治疗前的被检体的状态有关的信息更适当地推断出的治疗后的被检体的状态。此外,由此带来对患者(被检体)的适当的治疗选择及医生的治疗时间的缩短,能够有助于被检体的预后的改善。
另外,在第1实施方式中,对医用数据处理装置150实施治疗后模拟的情况进行了说明,该治疗后模拟是实施了通过作为治疗设备将夹合器留置而使僧帽瓣的形状变化的治疗的情况下的治疗后模拟。但是,第1实施方式并不限于此。例如,医用数据处理装置150也可以实施如下治疗后模拟,即:实施了以外科手术的瓣形成术为代表的使僧帽瓣(即,对象脏器)自身的形状变化的治疗的情况下的治疗后模拟。在此情况下,医用数据处理装置150也可以将1个时刻的僧帽瓣的一部分的形状切除或施加由缝合带来的变形来推断僧帽瓣的形状,通过对该僧帽瓣的形状应用参数来推断其他时刻的治疗后的僧帽瓣的形状。
此外,医用数据处理装置150也可以实施如药物疗法那样实施了使僧帽瓣的形态不变化而使血液的物性值(例如粘性)变化的治疗的情况下的治疗后模拟。在此情况下,医用数据处理装置150也可以对在步骤S5中确定的参数仅使血液的物性值变化,从而推断治疗后的状态。
另外,实施各步骤的处理的装置既可以作为单一的医用数据处理装置150内的各处理部实现,也可以作为独立的装置实现。此外,各软件也可以实施各步骤的处理。在此情况下,实施处理的软件也可以在经由以云为代表的网络的服务器上动作。
(第2实施方式)
在上述的第1实施方式中,对在步骤S6中由第2取得功能155c使用在步骤S5中确定的关于形状的参数来推断时刻ta1的治疗后的僧帽瓣的形状51的情况进行了说明。但是,第2取得功能155c也可以不是使用关于形状的参数,而是使用关于运动的参数,来推断时刻ta1的治疗后的僧帽瓣的形状。所以,将这样的实施方式作为第2实施方式进行说明。在第2实施方式的说明中,主要说明与上述的第1实施方式不同的点,有将与上述的第1实施方式同样的结构的说明省略的情况。
在第2实施方式中,第2取得功能155c对于在僧帽瓣的区域21中设定的各计算栅格,应用根据基于已知的夹合器的尺寸、重量、张力等预先设定的关于夹合器的参数、以及在步骤S5中确定的关于运动的参数而设定的数学模型或物理模型。然后,第2取得功能155c使用对在僧帽瓣的区域21中设定的各计算栅格应用的数学模型或物理模型来推断时刻ta1的治疗后的僧帽瓣的形状。这样,在第2实施方式中,第2取得功能155c通过在实施治疗后模拟时使用关于运动的参数,能够精度良好地推断时刻ta2至时刻ta6的治疗后的僧帽瓣的形状。
(第3实施方式)
另外,在步骤S6中,第2取得功能155c也可以使用在步骤S5中确定的关于形状的参数及关于运动的参数这两者的参数来推断时刻ta1的治疗后的僧帽瓣的形状51。所以,将这样的实施方式作为第3实施方式进行说明。在第3实施方式的说明中,主要说明与上述的第1实施方式不同的点,有将与上述的第1实施方式同样的结构的说明省略的情况。
在第3实施方式中,第2取得功能155c对于在僧帽瓣的区域21中设定的各计算栅格,应用根据基于已知的夹合器的尺寸、重量、张力等预先设定的关于夹合器的参数、以及在步骤S5中确定的关于形状的参数及确定的关于运动的参数而设定的数学模型或物理模型。然后,第2取得功能155c使用对在僧帽瓣的区域21中设定的各计算栅格应用的数学模型或物理模型来推断时刻ta1的治疗后的僧帽瓣的形状。这样,在第3实施方式中,第2取得功能155c通过在实施治疗后模拟时使用关于形状的参数及关于运动的参数,能够精度良好地推断时刻ta1至时刻ta6的治疗后的僧帽瓣的形状。另外,在步骤S6中,第2取得功能155c也可以不使用在步骤S5中确定的参数而推断时刻ta1的治疗后的僧帽瓣的形状51。
(变形例1)
在上述的各实施方式中,对医用数据处理装置150在步骤S2中取得形态信息、在步骤S4中推断形态信息、在步骤S5中调整在治疗前模拟中使用的参数以使所取得的形态信息与推断出的形态信息类似的情况进行了说明。但是,医用数据处理装置150使用的信息并不限于形态信息。医用数据处理装置150也可以代替形态信息而使用血流的流体信息来进行同样的处理。所以,将这样的变形例作为变形例1进行说明。在变形例1的说明中,主要说明与上述的各实施方式不同的点,有将与上述的各实施方式同样的结构的说明省略的情况。
在变形例1中,在步骤S1中,第1取得功能155a取得超声波图像、MRI图像或多个时相的造影CT图像等。然后,在步骤S2中,第1取得功能155a取得血流的状态。
具体而言,在步骤S1中取得了超声波图像的情况下,在步骤S2中,第1取得功能155a基于多普勒法从超声波图像取得血流的流体信息。此外,在步骤S1中取得了MRI图像的情况下,在步骤S2中,第1取得功能155a通过对MRI图像进行已知的四维流体解析(四维流解析),取得流体信息。此外,在步骤S1中取得了多个时相的造影CT图像的情况下,在步骤S2中,第1取得功能155a通过在多个时相的造影CT图像中对各种血管位置处的CT值的变化进行解析,取得流体信息。然后,在步骤S4中,第1取得功能155a推断流体信息。然后,在步骤S5中,计算功能155b调整在治疗前模拟中使用的参数,以使所取得的流体信息与推断出的流体信息类似。
即,在变形例1中,第1取得功能155a作为第1定时的生物体器官的状态而取得与生物体器官的血流的状态有关的推断数据和对生物体器官的血流的状态进行表示的实测的数据。然后,第2取得功能155c推断第2定时的规定时相的生物体器官的血流的状态。另外,在变形例1中,与第1实施方式同样,也可以代替第2取得功能155c,由推断功能155d推断第2定时的规定时相的生物体器官的血流的状态。并且,推断功能155d遍及比第2定时的规定时相靠后的多个时相地推断生物体器官的血流的状态。因而,有关变形例1的医用数据处理装置150能够根据与治疗前等的定时的被检体的状态有关的信息,更适当地推断治疗后等的定时的被检体的状态。
流体信息也可以是僧帽瓣中的血流的倒流量或顺流量。此外,有关变形例1的医用数据处理装置150还可以与上述的各实施方式同样,在步骤S2中取得形态信息,在步骤S4中推断形态信息。并且,计算功能155b也可以调整参数,以使所取得的流体信息与推断出的流体信息类似、并且使所取得的形态信息与推断出的形态信息类似。在此情况下,也可以在步骤S4及步骤S6中通过流体构造训练(FSI解析)实施模拟。
(变形例2)
在上述的各实施方式中,对在步骤S2中由第1取得功能155a从在步骤S1中取得的全部时刻的CT图像(在本例中为6个相位的CT图像)中取得形态信息的情况进行了说明。但是,在步骤S2中,第1取得功能155a也可以仅从在步骤S1中取得的多个相位的CT图像中的一部分相位的CT图像中取得形态信息。所以,将这样的变形例作为变形例2进行说明。在变形例2的说明中,主要说明与上述的各实施方式不同的点,有将与上述的各实施方式同样的结构的说明省略的情况。
例如,第1取得功能155a也可以仅从收缩末期和扩张末期这两个时刻的CT图像取得形态信息。在此情况下,第1取得功能155a既可以基于预先决定的条件来决定取得形态信息的时刻,也可以使用户使用用户接口来设定取得形态信息的时刻。或者,第1取得功能155a也可以通过对CT图像进行图像处理,自动地判定并确定取得形态信息的时刻。例如,第1取得功能155a也可以基于记录在DICOM头(header)中的心电同步的信息来确定收缩末期或扩张末期的时刻的CT图像。此外,第1取得功能155a也可以通过对CT图像进行图像处理来计算左心室的容积,并基于计算出的左心室的容积来确定收缩末期或扩张末期的时刻的CT图像。
即,在变形例2中,第1取得功能155a使用描绘有僧帽瓣的CT图像、即治疗前的3个以上的时相的CT图像中的至少两个时相的CT图像,取得推断形状和实测形状。因而,有关变形例2的医用数据处理装置150能够以更少的处理量,根据与治疗前等的定时的被检体的状态有关的信息,更适当地推断治疗后等的定时的被检体的状态。
(变形例3)
在上述的各实施方式中,对在步骤S3中设定的参数的项目是对象脏器或对象的被检体的参数及边界条件的情况进行了说明。并且,在上述的各实施方式中,对使用了预先设定的条件来作为用来执行治疗前模拟及治疗后模拟的计算参数的情况进行了说明。但是,计算功能155b也可以变更用来执行治疗前模拟及治疗后模拟的计算参数。所以,将这样的变形例作为变形例3进行说明。在变形例3的说明中,主要说明与上述的各实施方式不同的点,有将与上述的各实施方式同样的结构的说明省略的情况。
例如,计算功能155b也可以设定计算栅格的设定条件(例如,网格的位置、数量、形状、要素的种类(1次、2次等))来设定收敛条件(处理的步骤次数(循环次数)或时间等)。在此情况下,也可以在步骤S5中设定关于计算参数的判定条件,计算功能155b在回到步骤S3时基于判定条件,再设定计算参数。例如,在计算时间为一定以上长的情况下,计算功能155b也可以改变计算栅格的设定条件,以使得在回到步骤S3时计算时间变短。例如,计算功能155b也可以使计算栅格变粗或减少要素数。
即,在变形例3中,计算功能155b还变更用来执行治疗前模拟的计算参数。并且,第1取得功能155a还基于变更后的计算参数执行治疗前模拟。因而,有关变形例3的医用数据处理装置150设定与各被检体对应的更适当的计算参数。因而,有关变形例3的医用数据处理装置150能够根据与治疗前的被检体的状态有关的信息更适当地推断治疗后的被检体的状态。由此,进一步带来患者(被检体)的适当的治疗选择及医生的治疗时间的缩短,能够有助于被检体的预后的改善。
(变形例4)
医用数据处理装置150在多次将步骤S3~S5反复进行的情况下,也可以显示对各次的步骤S3~S5的处理的各种参数、评价指标的精度及合格与否判定的对应关系进行表示的表。所以,将这样的变形例作为变形例4进行说明。在变形例4的说明中,主要说明与上述的各实施方式不同的点,有将与上述的各实施方式同样的结构的说明省略的情况。
图8是表示有关变形例4的表61的一例的图。在变形例4中,显示控制功能155e对显示器154进行控制,以显示图8的表61。在表61中,包括各次(第1次~第6次)的“判定结果”“精度”及“参数”的各项目。
在“判定结果”的项目中,在各次的步骤S5中按照上述的式(1)计算出的评价值满足基准值的情况下(S5:是),登记标记“〇”。此外,在“判定结果”的项目中,在各次的步骤S5中按照上述的式(1)计算出的评价值不满足基准值的情况下(S5:否),登记标记“×”。表61表示从第1次到第5次评价值不满足基准值、在第6次评价值满足了基准值。
此外,在“精度”的项目中,登记了在各次的步骤S5中按照上述的式(1)计算的评价值。本例的评价值是推断形状与实测形状的整体上的形状的误差。评价值越小,则误差越小。
例如可知,在基准值为“2.5”mm的情况下,从第1次到第5次为止评价值比基准值大所以不满足基准值,而第6次的评价值为“2.3”mm,是基准值以下。这样,表61表示第1次至第6次的评价值。由此,用户能够掌握不满足基准值的情况下的评价值及满足基准值的情况下的评价值等的在临床上有用的信息。
此外,在“参数”的项目中,包括“瓣硬度”“腱索数”“扩张期(容积)”“收缩期(容积)”及“套囊压力”的各项目。在“瓣硬度”的项目中,登记了表示僧帽瓣的硬度的参数。例如,表61表示,从第1次的僧帽瓣的硬度“3”Mpa起,在第2次中将僧帽瓣的硬度提高“1”MPa而将僧帽瓣的硬度设定为“4”MPa后,评价值从“6.3”mm下降到“4.1”mm。此外,表61表示,从第2次的僧帽瓣的硬度“4”Mpa起,在第3次中将僧帽瓣的硬度提高“0.5”MPa而将僧帽瓣的硬度设定为“4.5”MPa后,评价值上升到“5.2”mm,评价值从基准值偏离。此外,表61表示,尽管从第3次的僧帽瓣的硬度“4.5”Mpa起,在第4次中将僧帽瓣的硬度降低“1”MPa而将僧帽瓣的硬度设定为“3.5”MPa,但第4次的评价值也为与第2次的评价值没有变化的“4.1”mm。因而可以认为,即使将表示僧帽瓣的硬度的参数设定为“4”Mpa以上,评价值也不接近于基准值,评价值变差。此外,由于尽管在第4次中将僧帽瓣的硬度设定为“4”MPa以下且“3”MPa以上的范围内的“3.5”MPa,第4次的评价值也与第2次的评价值没有变化,所以可以认为对于表示瓣的硬度的参数而言某种程度被最优化了。因此,医用数据处理装置150在第4次以后将僧帽瓣的硬度设为“3.5”MPa原状而不变更。并且,医用数据处理装置150在第4次以后,将表示僧帽瓣的硬度的参数以外的参数变更。具体而言,医用数据处理装置150在第4次以后,将与腱索的数量有关的参数变更。
此外,在“腱索数”的项目中,包括“前叶”及“后叶”的各项目。在“前叶”的项目中,登记有表示与前叶连接的腱索的数量的参数。在“后叶”的项目中,登记有表示与后叶连接的腱索的数量的参数。表61表示,从第4次的与前叶连接的腱索的数量“10”根起,在第5次中将腱索的数量增加“2”根而将与前叶连接的腱索的数量设定为“12”根。此外,表61表示,从第4次的与后叶连接的腱索的数量“15”根起,在第5次中将腱索的数量增加“3”根而将与后叶连接的腱索的数量设定为“18”根。
通过这样使腱索的数量增加,评价值从“4.1”mm下降到“3.0”mm。此外,从第4次到第5次,与腱索的数量有关的参数以外的参数没有被变更。因而,可以认为表示与前叶连接的腱索的数量的参数及表示与后叶连接的腱索的数量的参数是对于评价值向基准值接近有效果的参数。此外可以考虑,如果腱索的数量增加,则评价值下降而向基准值接近。因此,医用数据处理装置150从第5次的与前叶连接的腱索的数量“12”根起,在第6次中将腱索的数量增加“1”根而将与前叶连接的腱索的数量设定为“13”根。此外,医用数据处理装置150从第5次的与后叶连接的腱索的数量“18”根起,在第6次中将腱索的数量增加“2”根而将与后叶连接的腱索的数量设定为“20”根。由此,第6次的评价值成为“2.3”mm,满足基准值。
在“扩张期(容积)”的项目中,包括“左心房”及“左心室”的各项目。在“扩张期(容积)”的项目中包括的“左心房”的项目中,登记有表示扩张期的左心房的容积的参数。在“扩张期(容积)”的项目中包括的“左心室”的项目中,登记有表示扩张期的左心室的容积的参数。例如,在图8的例子中,登记有表示扩张期的左心房的容积为“120”(ml)的参数、以及表示扩张期的左心室的容积为“150”(ml)的参数。
在“收缩期(容积)”的项目中,包括“左心房”及“左心室”的各项目。在“收缩期(容积)”的项目中包括的“左心房”的项目中,登记有表示收缩期的左心房的容积的参数。在“收缩期(容积)”的项目中包括的“左心室”的项目中,登记有表示收缩期的左心室的容积的参数。例如,在图8的例子中,登记有表示收缩期的左心房的容积为“65”(ml)的参数、以及表示收缩期的左心室的容积为“50”(ml)的参数。
在“套囊压力”的项目中,包括“最高”及“最低”的各项目。在“最高”的项目中,登记有表示套囊压力的最高血压的参数。在“最低”的项目中,登记有表示套囊压力的最低血压的参数。例如,在图8的例子中,登记有表示套囊压力的最高血压为“120”(mmHg)的参数、以及表示套囊压力的最低血压为“95”(mmHg)的参数。
这样,通过在显示于显示器154上的表61中包括各种参数,用户能够掌握各种参数这样的在临床上有用的信息。
这里,表61表示,在第1次至第6次的各次中,表示扩张期的左心房的容积的参数、表示扩张期的左心室的容积的参数、表示收缩期的左心房的容积的参数、表示收缩期的左心室的容积的参数、表示套囊压力的最高血压的参数以及表示套囊压力的最低血压的参数没有被变更。
对这些参数不被变更的理由的一例进行说明。例如,如上述那样,表示扩张期的左心房的容积的参数、表示扩张期的左心室的容积的参数、表示收缩期的左心房的容积的参数以及表示收缩期的左心室的容积的参数,是通过对CT图像施以图像处理而计算的参数。此外,如上述那样,表示套囊压力的最高血压的参数以及表示套囊压力的最低血压的参数是从电子病历系统取得的参数。因而,可以认为表示扩张期的左心房的容积的参数、表示扩张期的左心室的容积的参数、表示收缩期的左心房的容积的参数、表示收缩期的左心室的容积的参数、表示套囊压力的最高血压的参数以及表示套囊压力的最低血压的参数这6个参数是比较准确的参数。因而,医用数据处理装置150尽可能不使上述的6个参数变化。医用数据处理装置150在即使使其他参数以某种程度的次数变化、评价值也不满足基准值的情况下,使上述的6个参数变化。因此,在表61的例子中,上述的6个参数没有被变更。
另外,显示控制功能155e也可以对显示器154进行控制,以使其不显示表61中包含的全部的项目,而是显示一部分的项目。此外,显示控制功能155e也可以基于经由输入接口153输入的用户的指示而进行如下切换:使显示器154显示表61,或使显示器154不显示表61。此外,显示控制功能155e也可以对显示器154进行控制,以使其显示在各次的步骤S4中推断出的僧帽瓣的形状。此外,显示控制功能155e也可以对显示器154进行控制,以使其显示在各次的步骤S4中对僧帽瓣的形状设定的计算栅格(网格)。由此,用户能够掌握僧帽瓣的形状及计算栅格的形状这样的有用的信息。此外,显示控制功能155e也可以对NW接口151进行控制,以将表61作为日志文件经由网络160向外部的装置发送。由此,NW接口151将表61作为日志文件向外部的装置发送。另外,显示控制功能155e也可以对NW接口151进行控制,以便不是将表61本身、而是将与表61中包含的多个项目建立了对应的信息作为日志文件向外部的装置发送。
如上述那样,在变形例4中,显示控制功能155e对显示器154进行控制,以显示分别推断多个推断形状时使用的多个参数的每个参数、以及基于多个推断形状的每个推断形状和实测形状的多个评价值。由此,如上述那样,用户能够掌握在临床上有用的信息。
(变形例5)
在上述的各实施方式的步骤S6中,对医用数据处理装置150对于1个时刻推断因治疗带来的僧帽瓣的形状的变化、并通过对推断出的1个时刻的治疗后的僧帽瓣的形状应用在步骤S5中确定的关于运动的参数来推断其他时刻的僧帽瓣的形状的情况进行了说明。图9是用来说明有关第1实施方式的步骤S6的处理的一例的图。如图9所示,医用数据处理装置150对于1个时刻ta1推断因治疗带来的僧帽瓣的形状的变化。并且,医用数据处理装置150通过对推断出的1个时刻ta1的治疗后的僧帽瓣的形状51应用在步骤S5中确定的关于运动的参数,来推断其他时刻ta2~ta6的僧帽瓣的形状52~56。
但是,在步骤S6中,医用数据处理装置150也可以对于在步骤S2中确定的全部的时刻的对象区域中的各计算栅格应用数学模型或物理模型,推断各时刻的治疗后的僧帽瓣的形状。这里,例如,数学模型或物理模型是基于关于夹合器的参数和在步骤S5中确定的关于形状的参数而设定的模型。另外,数学模型或物理模型也可以是基于关于夹合器的参数和在步骤S5中确定的关于运动的参数而设定的模型。此外,数学模型或物理模型也可以是基于关于夹合器的参数和在步骤S5中确定的关于形状的参数及确定的关于运动的参数而设定的模型。此外,在步骤S6中,医用数据处理装置150也可以对在步骤S2中确定的全部时刻的对象区域中的至少两个以上的对象区域中的各计算栅格应用上述的数学模型或物理模型,推断各时刻的治疗后的僧帽瓣的形状。所以,将这样的变形例作为第5变形例进行说明。在变形例5的说明中,主要说明与上述的各实施方式不同的点,有将与上述的各实施方式同样的结构的说明省略的情况。
图10是用来说明有关变形例5的步骤S6的处理的一例的图。如图10所示,推断功能155d对于在步骤S2中确定的全部的时刻t1~t6的僧帽瓣的区域21~26各自中设定的各计算栅格,应用上述的数学模型或物理模型,推断治疗后的僧帽瓣的形状51、52a~56a。治疗后的僧帽瓣的形状51、52a~56a分别是时刻ta1~ta6各自的僧帽瓣的形状。这样,推断功能155d基于在步骤S5中确定的参数和多个时刻t1~t6的多个推断形状,推断治疗后的定时中的多个时刻ta1~ta6的僧帽瓣的状态。多个时刻t1~t6及多个时刻ta1~ta6是多个规定时相的一例。并且,显示控制功能155e对显示器154进行控制,以显示推断出的治疗后的僧帽瓣的形状51、52a~56a。
另外,推断功能155d也可以对于在步骤S2中确定的全部的时刻t1~t6中的至少两个时刻的僧帽瓣的区域各自中设定的各计算栅格,应用上述的数学模型或物理模型,推断治疗后的僧帽瓣的形状。例如,对处理对象为时刻t2、t3的僧帽瓣的区域22、23的情况进行说明。在此情况下,推断功能155d对于在僧帽瓣的区域22、23各自中设定的各计算栅格,应用上述的数学模型或物理模型,推断治疗后的僧帽瓣的形状52a、53a。这样,推断功能155d基于在步骤S5中确定的参数,遍及多个时相地推断治疗后的定时的僧帽瓣的状态。并且,显示控制功能155e对显示器154进行控制,以显示推断出的治疗后的僧帽瓣的形状52a、53a。
如上述那样,有关变形例5的医用数据处理装置150设定作为与各被检体对应的参数的、更适当的参数。因而,医用数据处理装置150与第1实施方式同样,能够根据与治疗前的被检体的状态有关的信息而更适当地推断治疗后的被检体的状态。
(变形例6)
医用数据处理装置150也可以实施使用在上述的各实施方式的步骤S6中推断的治疗后的僧帽瓣的形态信息而进一步推断治疗后的血流信息(流体信息)的处理。所以,将这样的变形例作为变形例6进行说明。在变形例6的说明中,主要说明与上述的各实施方式不同的点,有将与上述的各实施方式同样的结构的说明省略的情况。
图11是用来说明有关变形例6的推断功能155d执行的处理的一例的图。例如,在变形例6中,预先在存储电路152中存储有图11所示的电路模型71。电路模型71是模拟生物体(例如人体)的循环动态的模型。例如,电路模型71将生物体看作电路,将血液看作电流,将心脏看作电容器。推断功能155d通过对于电路模型71输入在步骤S6中推断出的治疗后的僧帽瓣的形态信息72,取得表示治疗后的血流状态的血流信息73。更具体地讲,电路模型71设计为,基于僧帽瓣的瓣口面积来推断僧帽瓣的血流的倒流量。并且,推断功能155d通过对于电路模型71输入在步骤S6中计算的治疗后的僧帽瓣的瓣口面积,推断治疗后的僧帽瓣的血流的倒流量。另外,电路模型71能够基于已知的弹性腔(Windkessel model)模型或脉波传播模型来构建。
如上述那样,推断功能155d基于在步骤S6中推断出的僧帽瓣的形态的状态和预先设定的与生物体的循环动态有关的电路模型71,推断与治疗后的定时的血流(流体)的状态有关的血流信息73。血流信息73也是关于流体的状态的状态数据的一例,也是表示血流的倒流量的状态的状态数据的一例。
此外,在步骤S6中,推断功能155d通过推断治疗后的定时的僧帽瓣的形态信息,取得僧帽瓣的形态信息。这里,治疗后的定时也是确定的定时的一例。此外,僧帽瓣的形态信息是与生物体器官的形态的状态有关的状态数据的一例。这样,在步骤S6中进行取得僧帽瓣的形态信息的动作的推断功能155d也是取得部的一例。
此外,推断功能155d也可以不使用电路模型71而计算血流信息。例如,推断功能155d也可以将纳维-斯托克斯(Navier–Stokes)方程式与连续式、麦克斯韦方程式、状态方程式等的必要的方程式联立,对该方程式输入各种参数,从而在数值上求出作为对象的血流信息来计算。
(变形例7)
在上述的各实施方式中,对医用数据处理装置150将僧帽瓣设定为对象脏器的情况进行了说明,但对象脏器并不限于此。所以,作为变形例7,说明由医用数据处理装置150将僧帽瓣以外的生物体器官设定为对象脏器的变形例。在变形例7的说明中,主要说明与上述的各实施方式不同的点,有将与上述的各实施方式同样的结构的说明省略的情况。
例如,医用数据处理装置150也可以将冠状动脉设定为对象脏器。并且,医用数据处理装置150也可以模拟冠状动脉的壁剪切应力。例如,在步骤S1中,第1取得功能155a取得扩张期及收缩期的多个时刻的医用图像。然后,在步骤S2中,第1取得功能155a从医用图像取得扩张期的血管的直径及形状的信息。然后,在步骤S3中,计算功能155b设定血管壁的硬度及血流流速等的参数。然后,在步骤S4中,第1取得功能155a使用在步骤S3中设定的参数,推断扩张期的血管的直径及形状的信息。然后,在步骤S3~S5中,第1取得功能155a及计算功能155b调整参数,以使在步骤S2中取得的扩张期的血管的直径及形状的信息与在步骤S4中推断出的扩张期的血管的直径及形状的信息类似。然后,在步骤S6中,推断功能155d使用被调整后的参数,来计算收缩期的壁剪切应力。
如上述那样,在变形例7中,第1取得功能155a取得与扩张期的冠状动脉的状态有关的推断数据和对扩张期的冠状动脉的状态进行表示的实测的数据。并且,计算功能155b计算基于推断数据和实测的数据的参数。并且,推断功能155d基于参数而推断收缩期的冠状动脉的状态。扩张期是第1定时的一例。收缩期是第2定时的一例。
此外,在变形例7中,第1取得功能155a取得与冠状动脉的形态的状态有关的推断数据和对冠状动脉的形态的状态进行表示的实测的数据。并且,推断功能155d推断收缩期的冠状动脉的壁剪切应力。
此外,在另一例中,医用数据处理装置150也可以代替上述的治疗后模拟而通过与上述的治疗后模拟同样的方法来实施与心脏的刺激传导系统有关的治疗的模拟。作为对于心律不齐的治疗方法,有消融治疗(Ablation treatment)。医用数据处理装置150设定参数,以使因心律不齐造成的治疗前的心脏的异常与运动一致。具体而言,在步骤S2中,第1取得功能155a从医用图像取得治疗前的心脏的形态信息。然后,在步骤S3中,计算功能155b设定关于心脏的参数。然后,在步骤S4中,第1取得功能155a使用在步骤S3中设定的参数,推断治疗前的心脏的形态信息。然后,在步骤S3~S5中,第1取得功能155a及计算功能155b调整参数,以使得在步骤S2中取得的治疗前的心脏的形态信息与在步骤S4中推断出的治疗前的心脏的形态信息类似。然后,在步骤S6中,推断功能155d使用被调整后的参数,实施对通过消融治疗将心脏的各位置的生物体组织消融后的心脏的运动或推断的刺激传导系统的电路径进行推断的治疗后模拟。
如上述那样,在变形例7的另一例中,第1取得功能155a取得与治疗前的定时的心脏的状态有关的推断数据和对治疗前的定时的心脏的状态进行表示的实测的数据。并且,计算功能155b计算基于推断数据和实测的数据的参数。第2取得功能155c取得与治疗后的定时中的规定时相的心脏的状态有关的状态数据。推断功能155d基于状态数据和计算出的参数,遍及多个时相地推断治疗后的定时的心脏的状态。
此外,在变形例7的另一例中,第1取得功能155a作为心脏的状态而取得与心脏的形态的状态有关的推断数据和对心脏的形态的状态进行表示的实测的数据。并且,第2取得功能155c取得与心脏的形态的状态有关的状态数据。推断功能155d遍及多个时相地推断治疗后的定时的心脏的形态的状态或心脏的刺激传导系统的电路径。
此外,在其他另一例中,医用数据处理装置150也可以实施推断呼吸器的呼吸量的模拟。例如,医用数据处理装置150将肺设定为对象脏器。然后,在步骤S2中,第1取得功能155a从医用图像确定肺的区域。即,在步骤S2中,第1取得功能155a从医用图像取得手术前的肺的形态信息。然后,在步骤S3中,计算功能155b设定关于肺及气管的参数。然后,在步骤S4中,第1取得功能155a使用在步骤S3中设定的参数,推断手术前的由呼吸运动带来的肺的运动,并推断多个时刻的每个时刻下的肺的形态信息。然后,在步骤S3~S5中,第1取得功能155a及计算功能155b调整参数,以使在步骤S2中取得的手术前的肺的形态信息与在步骤S4中推断出的手术前的肺的形态信息类似。然后,在步骤S6中,推断功能155d实施使用被调整后的参数来推断手术后的肺的呼吸量的手术后模拟。
如上述那样,在变形例7的其他另一例中,第1取得功能155a取得与手术前的定时的肺的状态有关的推断数据和对手术前的定时的肺的状态进行表示的实测的数据。并且,计算功能155b计算基于推断数据和实测的数据的参数。第2取得功能155c取得手术后的定时中的与规定时相的肺的状态有关的状态数据。推断功能155d基于状态数据和计算出的参数,遍及多个时相地推断手术后的定时的肺的状态。手术前的定时是第1定时的一例。手术后的定时是第2定时的一例。
此外,在变形例7的其他另一例中,第1取得功能155a作为肺的状态而取得与肺的形态的状态有关的推断数据和对肺的形态的状态进行表示的实测的数据。并且,第2取得功能155c取得与肺的形态的状态有关的状态数据。推断功能155d遍及多个时相地推断手术后的定时的肺的呼吸量。
此外,在上述的第1实施方式的说明中使用的“处理器”的词语,例如是指CPU(Central Processing Unit)、GPU(Graphics Processing Unit)、或者面向特定用途的集成电路(Application Specific Integrated Circuit:ASIC)、可编程逻辑器件(例如,简单可编程逻辑器件(Simple Programmable Logic Device:SPLD)、复合可编程逻辑器件(Complex Programmable Logic Device:CPLD)及现场可编程门阵列(Field ProgrammableGate Array:FPGA))等的电路。这里,也可以代替在存储电路152中保存程序,而构成为将程序直接装入到处理器的电路内。在此情况下,处理器通过将装入到电路内的程序读出并执行,实现功能。此外,各实施方式的各处理器并不限于按照每个处理器被构成为单一的电路的情况,也可以将多个独立的电路组合而构成为一个处理器,实现其功能。
这里,由处理器执行的程序被预先装入到ROM(Read Only Memory)或存储电路等中而提供。另外,该程序也可以以可安装到这些装置中的形式或可执行的形式的文件保存到CD(Compact Disk)-ROM、FD(Flexible Disk)、CD-R(Recordable)、DVD(DigitalVersatile Disk)等能够由计算机读取的非暂时性的存储介质中而提供。此外,该程序也可以被保存到与因特网等网络连接的计算机上,通过经由网络下载来提供或分发。例如,该程序由包括上述的各处理功能的模组构成。作为实际的硬件,通过CPU从ROM等的存储介质将程序读出并执行,从而将各模组装载到主存储装置上,在主存储装置上生成。
根据以上说明的至少一个实施方式,能够根据与治疗前等的定时的被检体的状态有关的信息而更适当地推断治疗后等的定时的被检体的状态。
说明了几个实施方式,但这些实施方式是作为例子提示的,不是要限定发明的范围。这些实施方式能够以其他各种各样的形态实施,在不脱离发明的主旨的范围内能够进行各种省略、替换、变更。这些实施方式及其变形包含在发明的范围及主旨中,同样包含在权利要求书所记载的发明和其等价的范围中。
关于以上的实施方式,作为发明的一侧面及选择性的特征,公开以下的附记。
(附记1)
一种医用数据处理装置,具备:
第1取得部,取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测的数据;
计算部,计算基于上述推断数据和上述实测的数据的参数;以及
推断部,基于上述参数和规定时相的上述推断数据,推断与上述第1定时不同的第2定时的上述规定时相的上述生物体器官的状态。
(附记2)
也可以是,上述计算部作为上述参数而基于上述推断数据和上述实测的数据来计算与第1生物体器官的形状有关的参数,
上述推断部基于与上述第1生物体器官的形状有关的参数和上述规定时相的上述推断数据,推断上述第2定时的上述规定时相的上述生物体器官的状态。
(附记3)
也可以是,上述计算部基于上述推断数据和上述实测的数据,计算对上述第1生物体器官的硬度、厚度、纤维方向、长度、粗细、连接位置及数量中的至少1个进行表示的参数,作为与上述形状有关的参数;
上述推断部基于对上述至少1个进行表示的参数和上述规定时相的上述推断数据,推断上述第2定时的上述规定时相的上述生物体器官的状态。
(附记4)
一种医用数据处理装置,具备:
第1取得部,取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测的数据;
计算部,计算基于上述推断数据和上述实测的数据的参数;
第2取得部,取得与和上述第1定时不同的第2定时的规定时相的上述生物体器官的状态有关的状态数据;以及
推断部,基于上述状态数据和上述参数,遍及多个时相地推断上述第2定时的上述生物体器官的状态。
(附记5)
也可以是,上述计算部作为上述参数而基于上述推断数据和上述实测的数据来计算与第2生物体器官的运动有关的参数,
上述推断部基于上述状态数据和与上述第2生物体器官的运动有关的参数,遍及上述多个时相地推断上述第2定时的上述生物体器官的状态。
(附记6)
也可以是,上述计算部基于上述推断数据和上述实测的数据,计算对上述第2生物体器官的硬度、体积及表面的平滑度的程度、以及在上述第2生物体器官中流动的流体的粘度、流速及总量中的至少1个进行表示的参数,作为与上述运动有关的参数,
上述推断部基于上述状态数据和对上述至少1个进行表示的参数,遍及上述多个时相地推断上述第2定时的上述生物体器官的状态。
(附记7)
也可以是,上述计算部计算在对基于上述推断数据和上述实测的数据计算出的评价值满足预先决定的基准的情况下的上述推断数据进行推断时使用的上述参数。
(附记8)
也可以是,上述计算部计算在对上述推断数据与上述实测的数据类似的情况下的上述推断数据进行推断时使用的上述参数。
(附记9)
也可以是,上述计算部计算在对上述推断数据与上述实测的数据的差分为阈值以下的情况下的上述推断数据进行推断时使用的上述参数。
(附记10)
也可以是,上述计算部基于构成上述推断数据的点及面、以及构成上述实测的数据的点及面,计算上述评价值。
(附记11)
也可以是,上述计算部将在推断上述推断数据时使用的参数反复变更,直到上述评价值满足上述基准。
(附记12)
也可以是,上述计算部将在推断上述推断数据时使用的参数反复变更,直到上述推断数据与上述实测的数据类似。
(附记13)
也可以是,上述计算部将在推断上述推断数据时使用的参数反复变更,直到上述差分成为上述阈值以下。
(附记14)
也可以是,上述第1取得部通过使用多个不同的参数推断多个上述推断数据,从而取得上述多个推断数据,
上述计算部基于上述多个推断数据及上述实测的数据,计算在推断上述生物体器官的状态时使用的参数。
(附记15)
也可以是,上述计算部将在推断上述推断数据时使用的多个上述参数中的、与其他参数相比上述评价值向基准值接近的程度较高的参数优先地变更,
每当由上述计算部将与其他参数相比上述评价值向基准值接近的程度较高的参数优先地变更,上述第1取得部就使用被变更后的参数来推断上述推断数据。
(附记16)
也可以是,上述第1取得部作为上述第1定时而取得治疗前的定时的上述推断数据和上述治疗前的定时的上述实测的数据;
上述推断部作为上述第2定时而推断治疗后的定时的上述生物体器官的状态。
(附记17)
也可以是,上述第1取得部作为上述生物体器官而取得与僧帽瓣的状态有关的上述推断数据和对上述僧帽瓣的状态进行表示的上述实测的数据,
上述推断部推断上述第2定时的上述僧帽瓣的状态。
(附记18)
也可以是,上述第1取得部作为上述生物体器官的状态而取得与上述生物体器官的形态的状态有关的上述推断数据和对上述生物体器官的形态的状态进行表示的上述实测的数据,
上述推断部推断上述第2定时的上述生物体器官的形态的状态。
(附记19)
也可以是,上述第1取得部作为上述生物体器官的状态而取得与上述生物体器官的血流的状态有关的上述推断数据和对上述生物体器官的血流的状态进行表示的上述实测的数据;
上述推断部推断上述第2定时的上述生物体器官的血流的状态。
(附记20)
也可以是,上述第1取得部使用描绘有上述生物体器官的上述第1定时的3个以上的时相的医用图像中的至少两个时相的医用图像,来取得上述推断数据和上述实测的数据。
(附记21)
也可以是,上述计算部还变更用来执行推断上述推断数据的处理的计算参数,
上述第1取得部还基于被变更后的计算参数来推断上述推断数据。
(附记22)
也可以是,上述医用数据处理装置还具备显示控制部,所述显示控制部对显示部进行控制,以显示在分别推断多个上述推断数据时使用的多个参数的每个参数、以及基于上述多个推断数据的每个推断数据和上述实测的数据得到的多个上述评价值的每个评价值。
(附记23)
也可以是,上述推断部基于推断出的上述生物体器官的形态的状态和预先设定的与生物体的循环动态有关的电路模型,推断与上述第2定时的流体的状态有关的状态数据。
(附记24)
也可以是,上述推断部基于上述参数和多个上述规定时相的多个上述推断数据,推断上述第2定时的上述多个规定时相的上述生物体器官的状态。
(附记25)
一种医用数据处理装置,具备:
取得部,取得与确定的定时的生物体器官的形态的状态有关的状态数据;以及
推断部,基于上述状态数据和预先设定的与生物体的循环动态有关的电路模型这两者,推断与上述确定的定时的流体的状态有关的状态数据。
(附记26)
也可以是,上述推断部基于上述状态数据和上述电路模型,推断对血流的倒流量的状态进行表示的状态数据,作为与上述确定的定时的流体的状态有关的状态数据。
(附记27)
一种医用数据处理装置,具备:
第1取得部,取得与第1定时的冠状动脉的状态有关的推断数据和对上述第1定时的上述冠状动脉的状态进行表示的实测的数据;
计算部,计算基于上述推断数据和上述实测的数据的参数;以及
推断部,基于上述参数,推断与上述第1定时不同的第2定时的上述冠状动脉的状态。
(附记28)
也可以是,上述第1取得部取得与上述冠状动脉的形态的状态有关的上述推断数据和对上述冠状动脉的形态的状态进行表示的上述实测的数据,
上述推断部推断上述第2定时的上述冠状动脉的壁剪切应力。
(附记29)
也可以是,上述第1取得部作为上述生物体器官而取得与心脏的状态有关的上述推断数据和对上述心脏的状态进行表示的上述实测的数据,
上述第2取得部取得与上述规定时相的上述心脏的状态有关的上述状态数据,
上述推断部遍及多个时相地推断上述第2定时的上述心脏的状态。
(附记30)
也可以是,上述第1取得部作为上述心脏的状态而取得与上述心脏的形态的状态有关的上述推断数据和对上述心脏的形态的状态进行表示的上述实测的数据,
上述第2取得部取得与上述心脏的形态的状态有关的上述状态数据,
上述推断部遍及多个时相地推断上述第2定时的上述心脏的形态的状态或上述心脏的刺激传导系统的电气路径。
(附记31)
也可以是,上述第1取得部作为上述生物体器官而取得与肺的状态有关的上述推断数据和对上述肺的状态进行表示的上述实测的数据,
上述第2取得部取得与上述规定时相的上述肺的状态有关的上述状态数据,
上述推断部遍及多个时相地推断上述第2定时的上述肺的状态。
(附记32)
上述第1取得部作为上述肺的状态而取得与上述肺的形态的状态有关的上述推断数据和对上述肺的形态的状态进行表示的上述实测的数据,
上述第2取得部取得与上述肺的形态的状态有关的上述状态数据,
上述推断部遍及多个时相地推断上述第2定时的上述肺的呼吸量。
(附记33)
上述第1取得部通过实施用于取得上述推断数据的模拟,从而取得上述推断数据,
上述计算部作为上述参数而计算用于使上述推断数据与上述实测的数据接近的参数即用于调整上述模拟的参数。
(附记34)
上述推断部遍及与瓣的运动有关的至少一个周期的时相地推断上述生物体器官的状态。
(附记35)
一种医用数据处理方法,包括如下步骤:
取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测的数据;
计算基于上述推断数据和上述实测的数据的参数;以及
基于上述参数和规定时相的上述推断数据,推断与上述第1定时不同的第2定时的上述规定时相的上述生物体器官的状态。
(附记36)
一种医用数据处理方法,包括如下步骤:
取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测的数据;
计算基于上述推断数据和上述实测的数据的参数;
取得与和上述第1定时不同的第2定时的规定时相的上述生物体器官的状态有关的状态数据;以及
基于上述状态数据和上述参数,遍及多个时相地推断上述第2定时的上述生物体器官的状态。
(附记37)
一种医用数据处理方法,包括如下步骤:
取得与确定的定时的生物体器官的形态的状态有关的状态数据;以及
基于上述状态数据和预先设定的与生物体的循环动态有关的电路模型这两者,推断与上述确定的定时的流体的状态有关的状态数据。
(附记38)
一种医用数据处理程序,用来使计算机执行以下的处理:
取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测的数据;
计算基于上述推断数据和上述实测的数据的参数;以及
基于上述参数和规定时相的上述推断数据,推断与上述第1定时不同的第2定时的上述规定时相的上述生物体器官的状态。
(附记39)
一种医用数据处理程序,用来使计算机执行以下的处理:
取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测的数据;
计算基于上述推断数据和上述实测的数据的参数;
取得与和上述第1定时不同的第2定时的规定时相的上述生物体器官的状态有关的状态数据;以及
基于上述状态数据和上述参数,遍及多个时相地推断上述第2定时的上述生物体器官的状态。
(附记40)
一种医用数据处理程序,用来使计算机执行以下的处理:
取得与确定的定时的生物体器官的形态的状态有关的状态数据;以及
基于上述状态数据和预先设定的与生物体的循环动态有关的电路模型这两者,推断与上述确定的定时的流体的状态有关的状态数据。
Claims (34)
1.一种医用数据处理装置,其中,具备:
第1取得部,取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测数据;
计算部,计算参数,上述参数是基于上述推断数据和上述实测数据的参数;以及
推断部,基于上述参数和规定时相的上述推断数据,推断与上述第1定时不同的第2定时的上述规定时相的上述生物体器官的状态。
2.如权利要求1所述的医用数据处理装置,其中,
上述计算部作为上述参数而基于上述推断数据和上述实测数据来计算与第1生物体器官的形状有关的参数,
上述推断部基于与上述第1生物体器官的形状有关的参数和上述规定时相的上述推断数据,推断上述第2定时的上述规定时相的上述生物体器官的状态。
3.如权利要求2所述的医用数据处理装置,其中,
上述计算部基于上述推断数据和上述实测数据,计算对上述第1生物体器官的硬度、厚度、纤维方向、长度、粗细、连接位置及数量中的至少1个进行表示的参数,作为与上述形状有关的参数;
上述推断部基于对上述至少1个进行表示的参数和上述规定时相的上述推断数据,推断上述第2定时的上述规定时相的上述生物体器官的状态。
4.一种医用数据处理装置,其中,具备:
第1取得部,取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测数据;
计算部,计算参数,上述参数是基于上述推断数据和上述实测数据的参数;
第2取得部,取得与和上述第1定时不同的第2定时的规定时相的上述生物体器官的状态有关的状态数据;以及
推断部,基于上述状态数据和上述参数,遍及多个时相地推断上述第2定时的上述生物体器官的状态。
5.如权利要求4所述的医用数据处理装置,其中,
上述计算部作为上述参数而基于上述推断数据和上述实测数据来计算与第2生物体器官的运动有关的参数,
上述推断部基于上述状态数据和与上述第2生物体器官的运动有关的参数,遍及上述多个时相地推断上述第2定时的上述生物体器官的状态。
6.如权利要求5所述的医用数据处理装置,其中,
上述计算部基于上述推断数据和上述实测数据,计算对上述第2生物体器官的硬度、体积及表面的平滑度的程度、以及在上述第2生物体器官中流动的流体的粘度、流速及总量中的至少1个进行表示的参数,作为与上述运动有关的参数,
上述推断部基于上述状态数据和对上述至少1个进行表示的参数,遍及上述多个时相地推断上述第2定时的上述生物体器官的状态。
7.如权利要求1所述的医用数据处理装置,其中,
上述计算部计算在对基于上述推断数据和上述实测数据计算出的评价值满足预先决定的基准的情况下的上述推断数据进行推断时使用的上述参数。
8.如权利要求7所述的医用数据处理装置,其中,
上述计算部计算在对上述推断数据与上述实测数据类似的情况下的上述推断数据进行推断时使用的上述参数。
9.如权利要求7所述的医用数据处理装置,其中,
上述计算部计算在对上述推断数据与上述实测数据之间的差分为阈值以下的情况下的上述推断数据进行推断时使用的上述参数。
10.如权利要求7所述的医用数据处理装置,其中,
上述计算部基于构成上述推断数据的点及面、以及构成上述实测数据的点及面,计算上述评价值。
11.如权利要求7所述的医用数据处理装置,其中,
上述计算部将在推断上述推断数据时使用的参数反复变更,直到上述评价值满足上述基准。
12.如权利要求8所述的医用数据处理装置,其中,
上述计算部将在推断上述推断数据时使用的参数反复变更,直到上述推断数据与上述实测数据类似。
13.如权利要求9所述的医用数据处理装置,其中,
上述计算部将在推断上述推断数据时使用的参数反复变更,直到上述差分成为上述阈值以下。
14.如权利要求1所述的医用数据处理装置,其中,
上述第1取得部通过使用多个不同的参数来推断多个上述推断数据,从而取得上述多个推断数据,
上述计算部基于上述多个推断数据及上述实测数据,计算在推断上述生物体器官的状态时使用的参数。
15.如权利要求11所述的医用数据处理装置,其中,
上述计算部将在推断上述推断数据时使用的多个上述参数中的、与其他参数相比上述评价值向基准值接近的程度较高的参数优先地变更,
每当由上述计算部将与其他参数相比上述评价值向基准值接近的程度较高的参数优先地变更,上述第1取得部就使用被变更后的参数来推断上述推断数据。
16.如权利要求1所述的医用数据处理装置,其中,
上述第1取得部作为上述第1定时而取得治疗前的定时的上述推断数据和上述治疗前的定时的上述实测数据,
上述推断部作为上述第2定时而推断治疗后的定时的上述生物体器官的状态。
17.如权利要求1所述的医用数据处理装置,其中,
上述第1取得部作为上述生物体器官而取得与僧帽瓣的状态有关的上述推断数据和对上述僧帽瓣的状态进行表示的上述实测数据,
上述推断部推断上述第2定时的上述僧帽瓣的状态。
18.如权利要求1所述的医用数据处理装置,其中,
上述第1取得部作为上述生物体器官的状态而取得与上述生物体器官的形态的状态有关的上述推断数据和对上述生物体器官的形态的状态进行表示的上述实测数据,
上述推断部推断上述第2定时的上述生物体器官的形态的状态。
19.如权利要求1所述的医用数据处理装置,其中,
上述第1取得部作为上述生物体器官的状态而取得与上述生物体器官的血流的状态有关的上述推断数据和对上述生物体器官的血流的状态进行表示的上述实测数据;
上述推断部推断上述第2定时的上述生物体器官的血流的状态。
20.如权利要求1所述的医用数据处理装置,其中,
上述第1取得部使用描绘有上述生物体器官的上述第1定时的3个以上的时相的医用图像中的至少两个时相的医用图像,来取得上述推断数据和上述实测数据。
21.如权利要求1所述的医用数据处理装置,其中,
上述计算部还变更用来执行推断上述推断数据的处理的计算参数,
上述第1取得部还基于被变更后的计算参数来推断上述推断数据。
22.如权利要求11所述的医用数据处理装置,其中,
还具备显示控制部,所述显示控制部对显示部进行控制,以显示在推断多个上述推断数据的每个推断数据时使用的多个参数的每个参数、以及基于上述多个推断数据的每个推断数据和上述实测数据得到的多个上述评价值的每个评价值。
23.如权利要求18所述的医用数据处理装置,其中,
上述推断部基于推断出的上述生物体器官的形态的状态和预先设定的与生物体的循环动态有关的电路模型,推断与上述第2定时的流体的状态有关的状态数据。
24.如权利要求4所述的医用数据处理装置,其中,
上述推断部基于上述参数和多个上述规定时相的多个上述推断数据,推断上述第2定时的多个上述规定时相的上述生物体器官的状态。
25.如权利要求1或4所述的医用数据处理装置,其中,
上述第1取得部通过实施用于取得上述推断数据的模拟,取得上述推断数据,
上述计算部作为上述参数而计算用于使上述推断数据与上述实测数据接近的参数即用于调整上述模拟的参数。
26.如权利要求4所述的医用数据处理装置,其中,
上述推断部遍及与瓣的运动有关的至少一个周期的时相地推断上述生物体器官的状态。
27.一种医用数据处理装置,其中,具备:
取得部,取得与确定的定时的生物体器官的形态的状态有关的状态数据;以及
推断部,基于上述状态数据和预先设定的与生物体的循环动态有关的电路模型这两者,推断与上述确定的定时的流体的状态有关的状态数据。
28.如权利要求27所述的医用数据处理装置,其中,
上述推断部基于上述状态数据和上述电路模型,推断对血流的倒流量的状态进行表示的状态数据,作为与上述确定的定时的流体的状态有关的状态数据。
29.一种医用数据处理方法,其中,包括如下步骤:
取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测数据;
计算基于上述推断数据和上述实测数据的参数;以及
基于上述参数和规定时相的上述推断数据,推断与上述第1定时不同的第2定时的上述规定时相的上述生物体器官的状态。
30.一种医用数据处理方法,其中,包括如下步骤:
取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测数据;
计算基于上述推断数据和上述实测数据的参数;
取得与和上述第1定时不同的第2定时的规定时相的上述生物体器官的状态有关的状态数据;以及
基于上述状态数据和上述参数,遍及多个时相地推断上述第2定时的上述生物体器官的状态。
31.一种医用数据处理方法,其中,包括如下步骤:
取得与确定的定时的生物体器官的形态的状态有关的状态数据;以及
基于上述状态数据和预先设定的与生物体的循环动态有关的电路模型这两者,推断与上述确定的定时的流体的状态有关的状态数据。
32.一种非暂时性的计算机可读取的记录介质,其中,记录有程序,上述程序用来使计算机执行以下的处理:
取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测数据;
计算基于上述推断数据和上述实测数据的参数;以及
基于上述参数和规定时相的上述推断数据,推断与上述第1定时不同的第2定时的上述规定时相的上述生物体器官的状态。
33.一种非暂时性的计算机可读取的记录介质,其中,记录有程序,上述程序用来使计算机执行以下的处理:
取得与第1定时的生物体器官的状态有关的推断数据和对上述第1定时的上述生物体器官的状态进行表示的实测数据;
计算基于上述推断数据和上述实测数据的参数;
取得与和上述第1定时不同的第2定时的规定时相的上述生物体器官的状态有关的状态数据;以及
基于上述状态数据和上述参数,遍及多个时相地推断上述第2定时的上述生物体器官的状态。
34.一种非暂时性的计算机可读取的记录介质,其中,记录有程序,上述程序用来使计算机执行以下的处理:
取得与确定的定时的生物体器官的形态的状态有关的状态数据;以及
基于上述状态数据和预先设定的与生物体的循环动态有关的电路模型这两者,推断与上述确定的定时的流体的状态有关的状态数据。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-183315 | 2020-10-30 | ||
JP2020183315A JP2022073363A (ja) | 2020-10-30 | 2020-10-30 | 医用データ処理装置、医用データ処理方法及び医用データ処理プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114445324A true CN114445324A (zh) | 2022-05-06 |
Family
ID=78414492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111268721.7A Pending CN114445324A (zh) | 2020-10-30 | 2021-10-29 | 医用数据处理装置、医用数据处理方法及非暂时性的计算机可读取的记录介质 |
Country Status (4)
Country | Link |
---|---|
US (1) | US20220139564A1 (zh) |
EP (1) | EP3992981A1 (zh) |
JP (1) | JP2022073363A (zh) |
CN (1) | CN114445324A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023162759A (ja) | 2022-04-27 | 2023-11-09 | 日本メクトロン株式会社 | フレキシブルプリント配線板及び電気配線 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9245091B2 (en) * | 2011-03-09 | 2016-01-26 | Siemens Aktiengesellschaft | Physically-constrained modeling of a heart in medical imaging |
US8920322B2 (en) * | 2011-03-09 | 2014-12-30 | Siemens Aktiengesellschaft | Valve treatment simulation from medical diagnostic imaging data |
US9848856B2 (en) * | 2014-12-16 | 2017-12-26 | Siemens Medical Solutions Usa, Inc. | Valve modeling with dense chordae from medical scan data |
-
2020
- 2020-10-30 JP JP2020183315A patent/JP2022073363A/ja active Pending
-
2021
- 2021-10-29 CN CN202111268721.7A patent/CN114445324A/zh active Pending
- 2021-10-29 US US17/514,360 patent/US20220139564A1/en active Pending
- 2021-10-29 EP EP21205526.3A patent/EP3992981A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
EP3992981A1 (en) | 2022-05-04 |
JP2022073363A (ja) | 2022-05-17 |
US20220139564A1 (en) | 2022-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6918912B2 (ja) | 画像処理装置、画像処理方法、及びプログラム | |
CN108511075B (zh) | 一种非侵入式获取血流储备分数的方法和系统 | |
JP6553099B2 (ja) | 血流予備量比値を算出するための機器 | |
KR102103126B1 (ko) | 환자별 혈류 모델링 방법 및 시스템 | |
JP6685319B2 (ja) | 定量的フロー分析のための方法および装置 | |
US10111635B2 (en) | Image processing apparatus, image processing method, and storage medium | |
US20160228190A1 (en) | Three-dementional quantitative heart hemodynamics in medical imaging | |
CN105976348A (zh) | 医学成像中的个性化全身循环 | |
KR20150122183A (ko) | 환자-특정 기하학적 모델들을 변경함으로써 치료들을 결정하기 위한 방법 및 시스템 | |
JP6362851B2 (ja) | 血管解析装置、血管解析プログラム、及び血管解析装置の作動方法 | |
WO2020102154A1 (en) | Noninvasive quantitative flow mapping using a virtual catheter volume | |
CN114445324A (zh) | 医用数据处理装置、医用数据处理方法及非暂时性的计算机可读取的记录介质 | |
CN111789674A (zh) | 医用图像处理装置以及医用图像处理方法 | |
JP2015217113A (ja) | 血管解析装置、医用画像診断装置、血管解析方法及び血管解析プログラム | |
US20240202919A1 (en) | Medical image processing apparatus, method, and storage medium | |
EP3382583A1 (en) | Hemodynamic simulation of movement inducted vascular deformations | |
JP2018192346A (ja) | 血管解析装置、血管解析方法及び血管解析プログラム | |
US20220392648A1 (en) | Computer implemented method for automated analysis of the bias in measurements performed on medical images of an anatomical structure | |
JP2022171345A (ja) | 医用画像処理装置、医用画像処理方法及びプログラム | |
WO2023052278A1 (en) | Intraluminal ultrasound vessel segment identification and associated devices, systems, and methods | |
JP2023067135A (ja) | 医用画像処理装置、医用画像処理方法、及びプログラム |
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 |