CN116596828A - 记录介质、动态解析系统以及动态解析装置 - Google Patents
记录介质、动态解析系统以及动态解析装置 Download PDFInfo
- Publication number
- CN116596828A CN116596828A CN202310072794.1A CN202310072794A CN116596828A CN 116596828 A CN116596828 A CN 116596828A CN 202310072794 A CN202310072794 A CN 202310072794A CN 116596828 A CN116596828 A CN 116596828A
- Authority
- CN
- China
- Prior art keywords
- dynamic
- data set
- dynamic analysis
- information
- examination
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 290
- 238000013480 data collection Methods 0.000 claims abstract description 81
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 67
- 238000003860 storage Methods 0.000 claims abstract description 44
- 230000005855 radiation Effects 0.000 claims abstract description 25
- 238000003745 diagnosis Methods 0.000 claims description 134
- 238000003384 imaging method Methods 0.000 claims description 76
- 238000000034 method Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 57
- 201000010099 disease Diseases 0.000 claims description 49
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 49
- 238000012545 processing Methods 0.000 claims description 38
- 238000007689 inspection Methods 0.000 claims description 22
- 230000004199 lung function Effects 0.000 claims description 11
- 230000004217 heart function Effects 0.000 claims description 7
- 238000002604 ultrasonography Methods 0.000 claims description 7
- 238000004891 communication Methods 0.000 description 47
- 230000033001 locomotion Effects 0.000 description 29
- 230000008859 change Effects 0.000 description 24
- 230000006870 function Effects 0.000 description 21
- 210000004072 lung Anatomy 0.000 description 21
- 230000002159 abnormal effect Effects 0.000 description 20
- 238000010586 diagram Methods 0.000 description 17
- 238000007726 management method Methods 0.000 description 17
- 230000005540 biological transmission Effects 0.000 description 16
- 238000010801 machine learning Methods 0.000 description 15
- 230000005856 abnormality Effects 0.000 description 13
- 238000013523 data management Methods 0.000 description 13
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 12
- 208000031481 Pathologic Constriction Diseases 0.000 description 12
- 230000036541 health Effects 0.000 description 12
- 230000036262 stenosis Effects 0.000 description 12
- 208000037804 stenosis Diseases 0.000 description 12
- 238000007619 statistical method Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 238000013123 lung function test Methods 0.000 description 8
- 230000000391 smoking effect Effects 0.000 description 8
- 230000017531 blood circulation Effects 0.000 description 6
- 238000013135 deep learning Methods 0.000 description 6
- 238000005206 flow analysis Methods 0.000 description 6
- 210000002345 respiratory system Anatomy 0.000 description 6
- 210000003437 trachea Anatomy 0.000 description 6
- 208000029523 Interstitial Lung disease Diseases 0.000 description 5
- 238000011161 development Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 238000009423 ventilation Methods 0.000 description 5
- 210000000038 chest Anatomy 0.000 description 4
- 208000010378 Pulmonary Embolism Diseases 0.000 description 3
- 230000037237 body shape Effects 0.000 description 3
- 238000010191 image analysis Methods 0.000 description 3
- 238000007637 random forest analysis Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000013125 spirometry Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000009747 swallowing Effects 0.000 description 3
- 210000001519 tissue Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 208000006673 asthma Diseases 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 208000030603 inherited susceptibility to asthma Diseases 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 208000020816 lung neoplasm Diseases 0.000 description 2
- 238000009549 lung scintigraphy Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000000241 respiratory effect Effects 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 235000016496 Panda oleosa Nutrition 0.000 description 1
- 240000000220 Panda oleosa Species 0.000 description 1
- 208000007536 Thrombosis Diseases 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 239000008186 active pharmaceutical agent Substances 0.000 description 1
- 210000002376 aorta thoracic Anatomy 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000003109 clavicle Anatomy 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003748 differential diagnosis Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 230000000399 orthopedic effect Effects 0.000 description 1
- 201000008482 osteoarthritis Diseases 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 238000009613 pulmonary function test Methods 0.000 description 1
- 238000000275 quality assurance Methods 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007493 shaping process Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 210000001562 sternum Anatomy 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
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
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/604—Tools and structures for managing or administering access control systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/60—Protecting data
- G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
- G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
- G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
- G06F21/6254—Protecting personal data, e.g. for financial or medical purposes by anonymising data, e.g. decorrelating personal data from the owner's identification
-
- 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
- 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
-
- 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
- G06T2207/10116—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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
-
- 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
- G06T2207/30061—Lung
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)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Bioethics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Hardware Design (AREA)
- Computer Security & Cryptography (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明的动态解析服务器(10)具备:保存部,保存对通过对被检者进行基于放射线的动态拍摄而得到的动态图像进行动态解析的动态解析算法;接收部,从第一数据收集装置(例如,A医院的数据收集服务器40)接收第一数据集,从第二数据收集装置(例如,B医院的数据收集服务器40)接收第二数据集,第一数据集包含对第一被检者进行动态拍摄而得到的第一动态图像、和通过对第一被检者的动态拍摄以外的第一检查而得到的信息,第二数据集包含对第二被检者进行动态拍摄而得到的第二动态图像、和通过对第二被检者的动态拍摄以外的第二检查而得到的信息;以及学习部,基于第一数据集和第二数据集,修正动态解析算法。
Description
技术领域
本发明涉及记录介质、动态解析系统以及动态解析装置。
背景技术
近年来,已经尝试了使用通过利用基于放射线的患者的动态拍摄得到的动态图像的诊断。由于动态拍摄是较新的技术,因此正常例、异常例的数据数较少,具有针对动态图像、解析的知识的医生也较少。
另外,动态图像在能够观察各组织的运动这一点上,与静止图像相比,具有得到的信息的种类较多这一优点,另一方面,对每天必须确认大量的图像的医生来说,存在每一图像的确认时间增加这一问题。因此,从不使每一图像的确认时间增加而适当地掌握仅可在动态图像中得到的信息这一观点出发,向医生提供图像解析的结果的重要性比静止图像更高。例如,提出了一种动态诊断辅助信息生成系统,其解析由多个帧图像构成的动态图像并辨别正常、异常,生成诊断辅助信息(参照专利文献1)。
另外,在使用了动态图像的诊断、临床研究中,也迫切期望一边与通过动态拍摄以外的以往的诊断方法得到的信息(通过其它的模态拍摄的医用图像、检查结果等)对比一边进行阅览。
专利文献1:日本特开2013-169400号公报
然而,动态图像与静止图像相比信息量非常多,另外,由于是视频,因此不仅能够进行状态诊断还能够进行功能诊断,因此可得到广泛的解析结果。通过动态图像的解析得到的信息是多方面的,解析的种类也多种多样,解析本身也复杂。此外,动态解析算法如以下那样不断进化:随着动态图像数据的收集量增加,解析对象(解析对象疾病、呼吸解析、血流解析、脏器移动解析等)的种类增加,解析精度也提高。
在将这样的动态解析算法保存于设置于各医院的各个图像管理装置,并由各图像管理装置实施解析的情况下,难以对全部的图像管理装置反映每天的进化。在开发了新的动态解析算法的情况下,在本地的装置中,通过版本升级等来应对,而没有即时性。结果,对于每个图像管理装置、乃至每个医院,在解析种类、解析精度上产生差异,缺乏医疗服务的公平性。从向很多人提供简易且高水平的医疗服务这一观点出发,在医疗服务的均质性这一观点上,优选无论是在哪个医疗设施拍摄的动态图像都可得到相同的解析结果。
发明内容
本发明是鉴于上述的以往技术中的问题而完成的,课题在于针对动态图像提供确保均质性并且精度较高的解析结果。
为了解决上述课题,技术方案1中记载的发明是储存了修正对通过对被检者进行基于放射线的动态拍摄而得到的动态图像进行动态解析的动态解析算法的程序的计算机可读取的记录介质,其特征在于,上述程序使计算机执行:从第一数据收集装置接收第一数据集的处理,上述第一数据集是包含通过对第一被检者进行基于放射线的动态拍摄而得到的第一动态图像、和通过对上述第一被检者的动态拍摄以外的第一检查而得到的信息的数据集且已匿名化;从第二数据收集装置接收第二数据集的处理,上述第二数据集是包含通过对第二被检者进行基于放射线的动态拍摄而得到的第二动态图像、和通过对上述第二被检者的动态拍摄以外的第二检查而得到的信息的数据集且已匿名化;以及基于上述第一数据集和上述第二数据集,修正上述动态解析算法的处理。
技术方案2中记载的发明的特征在于,在技术方案1中记载的记录介质中,上述第一检查和上述第二检查不同。
技术方案3中记载的发明的特征在于,在技术方案1或者2中记载的记录介质中,上述第一数据集和上述第二数据集包含正确标签,上述正确标签包含对动态图像的解读结果、和基于该解读结果的诊断结果的至少一方。
技术方案4中记载的发明的特征在于,在技术方案1~3的任一项中记载的记录介质中,上述第一检查和上述第二检查包含肺功能检查、心功能检查、闪烁扫描术检查、CT检查、平片X射线检查、MRI检查、超声波检查中的至少一个。
技术方案5中记载的发明的特征在于,在技术方案1~4的任一项中记载的记录介质中,上述动态解析算法包含按解析对象的算法以及疾病诊断辅助算法的至少一个。
技术方案6中记载的发明的特征在于,在技术方案1~5的任一项中记载的记录介质中,在接收上述第一数据集以及上述第二数据集的处理中,经由专用线接收上述第一数据集和上述第二数据集的至少一方。
技术方案7中记载的发明的特征在于,在技术方案1~5的任一项中记载的记录介质中,在接收上述第一数据集以及上述第二数据集的处理中,经由VPN(Virtual PrivateNetwork)接收上述第一数据集和上述第二数据集的至少一方。
技术方案8中记载的发明的特征在于,在技术方案1~5的任一项中记载的记录介质中,在接收上述第一数据集以及上述第二数据集的处理中,经由专用线接收上述第一数据集,经由VPN接收上述第二数据集。
技术方案9中记载的发明的特征在于,在技术方案1~8的任一项中记载的记录介质中,上述程序使上述计算机执行:输入通过对第三被检者进行基于放射线的动态拍摄而得到的第三动态图像的处理;以及针对上述第三动态图像输出基于由上述学习部修正后的动态解析算法的诊断辅助信息的处理。
技术方案10中记载的发明的特征在于,在技术方案9中记载的记录介质中,上述第一数据集和上述第二数据集包含正确标签,上述正确标签包含对动态图像的解读结果、和基于该解读结果的诊断结果的至少一方,在输出上述诊断辅助信息的处理中,输出与动态图像的诊断有关的信息作为上述诊断辅助信息。
技术方案11中记载的发明的特征在于,在技术方案9中记载的记录介质中,在输出上述诊断辅助信息的处理中,输出与动态图像有关的分类信息作为上述诊断辅助信息。
技术方案12中记载的发明是一种动态解析系统,其特征在于,具备:动态解析装置,执行储存于在技术方案1~11的任一项中记载的记录介质的程序;上述第一数据收集装置;以及上述第二数据收集装置。
技术方案13中记载的发明是一种动态解析系统,其特征在于,具备:动态解析装置,执行储存于在技术方案9~11的任一项中记载的记录介质的程序;医院终端,将上述第三动态图像发送至上述动态解析装置,从该动态解析装置接收上述诊断辅助信息。
技术方案14中记载的发明是一种动态解析装置,其特征在于,具备:保存部,保存对通过对被检者进行基于放射线的动态拍摄而得到的动态图像进行动态解析的动态解析算法;接收部,从第一数据收集装置接收第一数据集,从第二数据收集装置接收第二数据集,上述第一数据集是包含通过对第一被检者进行基于放射线的动态拍摄而得到的第一动态图像、和通过对上述第一被检者的动态拍摄以外的第一检查而得到的信息的数据集且已匿名化,上述第二数据集是包含通过对第二被检者进行基于放射线的动态拍摄而得到的第二动态图像、和通过对上述第二被检者的动态拍摄以外的第二检查而得到的信息的数据集且已匿名化;以及学习部,基于上述第一数据集和上述第二数据集,修正保存于上述保存部的上述动态解析算法。
技术方案15中记载的发明的特征在于,在技术方案14中记载的动态解析装置中,上述第一检查和上述第二检查不同。
技术方案16中记载的发明的特征在于,在技术方案14或者15中记载的动态解析装置中,上述第一数据集和上述第二数据集包含正确标签,上述正确标签包含对动态图像的解读结果、和基于该解读结果的诊断结果的至少一方。
技术方案17中记载的发明的特征在于,在技术方案14~16的任一项中记载的动态解析装置中,上述第一检查和上述第二检查包含肺功能检查、心功能检查、闪烁扫描术检查、CT检查、平片X射线检查、MRI检查、超声波检查中的至少一个。
技术方案18中记载的发明的特征在于,在技术方案14~17的任一项中记载的动态解析装置中,上述动态解析算法包含按解析对象的算法以及疾病诊断辅助算法的至少一个。
技术方案19中记载的发明的特征在于,在技术方案14~18的任一项中记载的动态解析装置中,上述接收部经由专用线接收上述第一数据集和上述第二数据集的至少一方。
技术方案20中记载的发明的特征在于,在技术方案14~18的任一项中记载的动态解析装置中,上述接收部经由VPN(Virtual Private Network)接收上述第一数据集和上述第二数据集的至少一方。
技术方案21中记载的发明的特征在于,在技术方案14~18的任一项中记载的动态解析装置中,上述接收部经由专用线接收上述第一数据集,经由VPN接收上述第二数据集。
技术方案22中记载的发明的特征在于,在技术方案14~21的任一项中记载的动态解析装置中,具备:输入部,输入通过对第三被检者进行基于放射线的动态拍摄而得到的第三动态图像;以及输出部,针对上述第三动态图像输出基于上述修正后的动态解析算法的诊断辅助信息。
技术方案23中记载的发明的特征在于,在技术方案22中记载的动态解析装置中,上述第一数据集和上述第二数据集包含正确标签,上述正确标签包含对动态图像的解读结果、和基于该解读结果的诊断结果的至少一方,上述输出部输出与动态图像的诊断有关的信息作为上述诊断辅助信息。
技术方案24中记载的发明的特征在于,在技术方案22中记载的动态解析装置中,上述输出部输出与动态图像有关的分类信息作为上述诊断辅助信息。
根据本发明,能够针对动态图像提供确保均质性并且精度较高的解析结果。
附图说明
图1是本发明的实施方式中的动态解析系统的系统结构图。
图2是表示动态解析服务器的功能性结构的框图。
图3是表示用户管理表的数据结构例的图。
图4是表示动态数据集DB的数据管理表的数据结构例的图。
图5是表示医院终端的功能性结构的框图。
图6是表示数据收集服务器的功能性结构的框图。
图7是表示服务提供公司终端的功能性结构的框图。
图8是表示由数据收集服务器执行的医院内数据收集处理的流程图。
图9是表示由数据收集服务器执行的数据集发送处理的流程图。
图10是表示由动态解析服务器执行的数据集接收处理的流程图。
图11是表示由动态解析服务器执行的应用学习处理的流程图。
图12是使用了包含正确标签的数据集的监督学习的概念图。
图13是使用了不包含正确标签的数据集的非监督学习的概念图。
图14是表示使用正常病例数据制作正常模型的处理的概念图。
图15是对提供了数据集的每个医院变更权重并进行机器学习时的概念图。
图16是表示由动态解析服务器执行的应用使用许可判断处理的流程图。
图17是表示由动态解析服务器以及医院终端执行的动态解析应用使用时处理的梯形图(ladder chart)。
附图标记的说明:10动态解析服务器;11控制部;14通信部;15存储部;20动态图谱应用;21健康和疾病动态信息提供应用;22统计分析应用;23诊断辅助应用;30医院终端;31控制部;32操作部;33显示部;34通信部;40数据收集服务器;41控制部;44通信部;45存储部;50服务提供公司终端;100动态解析系统;151用户管理表;152动态数据集DB;153数据管理表;154图像储存区域。
具体实施方式
以下,参照附图,对本发明所涉及的动态解析系统的实施方式进行说明。但是,发明的范围不限定于图示例。
[动态解析系统的结构]
在图1中,示出本发明的实施方式中的动态解析系统100的系统结构。
如图1所示,动态解析系统100构成为具备动态解析服务器10、属于各医院的医务人员所使用的医院终端30、管理各医院内的医疗信息的数据收集服务器40、以及服务提供公司的管理者所使用的服务提供公司终端50。医院终端30、数据收集服务器40、服务提供公司终端50各自通过VPN(Virtual Private Network:虚拟专用网络)连接而能够在与动态解析服务器10之间进行数据通信。
动态解析服务器10是将从数据收集服务器40上传的医疗信息保存于动态数据集DB(DataBase:数据库)152并管理的动态解析装置。另外,动态解析服务器10根据来自医院终端30的服务使用请求,向请求源的医院终端30提供所请求的各种应用程序软件(以下,称为应用。)等服务。在动态解析服务器10提供的应用中,有动态图谱应用20、健康和疾病动态信息提供应用21、统计分析应用22、诊断辅助应用23等。
医院终端30是在各医院内使用的PC(Personal Computer:个人电脑)、平板终端等计算机装置。在显示保存于动态解析服务器10的医疗信息、或者使用动态解析服务器10提供的各种应用等时使用医院终端30。医院终端30经由Web浏览器访问动态解析服务器10,显示以Web应用程序形式提供的处理结果。此外,也可以在医院终端30侧下载专用应用程序,在医院终端30中显示来自专用应用程序的处理结果。
数据收集服务器40是收集数据集的数据收集装置,该数据集包含在医院通过对患者进行基于放射线的动态拍摄而得到的动态图像、通过对患者的动态拍摄以外的检查而得到的信息(包含通过进行动态拍摄以外的拍摄而得到的医用图像、测定值等检查结果。)等医疗信息。数据收集服务器40对在医院内收集到的数据集中包含的患者信息进行匿名化处理(使其成为匿名加工信息、假名加工信息等不能够识别个人的信息的处理),并上传至动态解析服务器10。在图1中,图示了在各医院内设置有数据收集服务器40的状态,但数据收集服务器40也可以设置于医院的内外任意一方。
此外,仅针对被确定为向动态解析服务器10提供数据集的医院的医院,从该医院的数据收集服务器40向动态解析服务器10提供数据集。
服务提供公司开发动态解析算法,制作各种应用。服务提供公司终端50将由服务提供公司制作的各种应用搭载至动态解析服务器10。作为服务提供公司,不仅是使用动态数据集开发应用,并将该应用提供至动态解析服务器10上的开发公司,也可以是进行应用的研究开发的研究机构(大学等)、开发销售使用API(Application ProgrammingInterface:应用编程接口)编入了动态解析、各种诊断辅助的功能的应用程序的企业等。另外,服务提供公司也可以为多个。
[动态解析服务器的结构]
在图2中,示出动态解析服务器10的功能性结构。
如图2所示,动态解析服务器10构成为具备控制部11、操作部12、显示部13、通信部14、存储部15、动态图谱应用20、健康和疾病动态信息提供应用21、统计分析应用22、诊断辅助应用23等,各部通过总线连接。
控制部11由CPU(Central Processing Unit:中央处理单元)、RAM(Random AccessMemory:随机存取存储器)等构成,总体地控制动态解析服务器10的各部的处理动作。控制部11的CPU读出存储于存储部15的系统程序、各种处理程序并在RAM内展开,根据展开的程序执行各种处理。另外,控制部11也可以具备用于进行AI处理的GPU(Graphics ProcessingUnit:图形处理单元)。
操作部12构成为具备具有光标键、文字数字输入键以及各种功能键等的键盘、和鼠标等指示设备,将由对键盘的键操作、鼠标操作输入的指示信号输出至控制部11。
显示部13由LCD(Liquid Crystal Display:液晶显示器)等显示器构成,根据从控制部11输入的显示信号的指示,显示各种画面。
通信部14由网络接口等构成,在与经由通信网络连接的外部装置之间进行数据的收发。
存储部15由HDD(Hard Disk Drive:硬盘驱动器),SSD(Solid State Drive:固态硬盘)等构成,存储各种处理程序、该程序的执行所需的参数、文件等。例如,在存储部15存储有用于实现作为与搭载于医院终端30的Web浏览器进行基于HTTP协议的通信并向Web浏览器提供各种Web画面的Web服务器的功能的Web服务器程序、在Web服务器上进行动作的应用程序等。
在存储部15存储有分别用于实现动态图谱应用20、健康和疾病动态信息提供应用21、统计分析应用22、诊断辅助应用23的应用程序。
另外,在存储部15存储有用户管理表151、动态数据集DB152。
用户管理表151是用于管理使用动态解析系统100的每个用户(医务人员)的信息(用户信息)的表。
在图3中,示出用户管理表151的数据结构例。
在用户管理表151中,针对每个用户,将用户ID、密码、访问许可、持续使用合约等建立对应关系。
用户ID是用户的识别信息。
密码用于用户登录至系统时的用户认证。
访问许可是表示是否有对动态解析服务器10的访问的许可的信息(有/无)。
持续使用合约是表示是否有持续地使用动态解析服务器10提供的服务(各应用、数据)的合约的信息(有/无),针对各应用、数据确定持续使用合约。
动态数据集DB152是保存、管理在各医院收集而从各医院的数据收集服务器40接收到的数据的数据库。动态数据集DB152具有数据管理表153、和图像储存区域154。
数据管理表153是用于管理在各医院收集到的数据集的表。
在图4中,示出数据管理表153的数据结构例。
在数据管理表153中,建立对应地储存有匿名ID、动态信息、属性信息、诊断结果、以及相关检查信息。在数据管理表153中,将一行数据作为一个病例数据。
匿名ID是针对成为动态拍摄或者动态拍摄以外的检查的对象的被检者(患者),用于以不能够识别个人的方式区分各被检者的识别信息。匿名ID对每个被检者分配唯一的ID,但并不能够从匿名ID确定与被检者对应的患者ID、患者名等个人信息。
动态信息是通过对与匿名ID对应的被检者进行动态拍摄而得到的信息。动态信息包含动态图像、运动信息。
动态拍摄是以伴随着呼吸运动的肺的膨胀以及收缩的形态变化、心脏的搏动等动态为对象的拍摄。在动态拍摄中,通过将X射线等放射线对被检者脉冲状地以规定时间间隔反复照射(脉冲照射)、或者以低剂量不间断地持续照射(连续照射),从而获取表示被检者的动态的多个图像。在动态拍摄中包含视频拍摄,但不包含一边显示视频一边拍摄静止图像的拍摄(透视拍摄)。
动态图像是通过动态拍摄得到的一系列的图像(图像数据)。另外,将构成动态图像的多个图像的每一个称为帧图像。在动态图像中包含视频,但不包含一边显示视频一边拍摄静止图像而得到的图像。此外,动态图像本身在附带了标签信息的状态下储存于图像储存区域154,在数据管理表153的“动态图像”栏储存动态图像的标签信息。
运动信息是表示通过解析动态图像而得到的被检者(与呼吸系统、循环系统、整形、吞咽有关的组织等)的运动的信息。在运动信息中,包含对每一张帧图像求出的位置、根据帧图像间的差求出的速度、根据这些信息解析性地得到的最大速度、尺寸的变化率等信息。作为运动信息,例如使用肺野面积变化率、气管直径狭窄率、横隔膜速度等将组织的运动量化的信息。
在将后肋、胸骨、锁骨、脊椎、横隔膜、胸廓设为拍摄对象部位的情况下,作为运动信息,使用位置的时间序列变化、速度的时间序列变化、离初始位置的最大距离、最大、最小速度等。
在将心脏设为拍摄对象部位的情况下,作为运动信息,使用尺寸的时间序列变化、信号值浓度的时间序列变化、尺寸变化率、信号值浓度变化率等。
在将大动脉弓设为拍摄对象部位的情况下,作为运动信息,使用信号值浓度的时间序列变化、信号值浓度变化率等。
在将气管设为拍摄对象部位的情况下,作为运动信息,使用气管直径尺寸的时间序列变化、气管直径狭窄率等。
在将肺野设为拍摄对象部位的情况下,作为运动信息,使用肺野尺寸的时间序列变化、最大、最小肺野面积变化率、信号值浓度变化率等。
此外,运动信息也可以是从各医院的数据收集服务器40获取的信息,也可以是动态解析服务器10解析从数据收集服务器40获取的动态图像而得到的信息。
属性信息是表示设为动态图像的拍摄对象的被检者的属性、动态图像的属性的信息。作为属性信息,例如可举出年龄、性别、身高、体重、BMI、吸烟史、拍摄月份、装置信息(与用于动态拍摄的模态有关的信息)、拍摄条件、拍摄部位、拍摄方向等。属性信息不包含能够识别个人的信息(姓名、住址、电话号码等)。
诊断结果是针对动态图像(设为动态图像的拍摄对象的被检者)的诊断结果,包含正常异常标志、诊断名称。
正常异常标志是表示被检者是否包含疾病的标志,在被检者不包含疾病的情况下为“正常”,在被检者包含疾病的情况下为“异常”。
诊断名称是正常异常标志为“异常”的情况、即被检者包含疾病的情况的诊断名称(疾病的名称等)。在正常异常标志为“正常”的情况下,诊断名称设为“无疾病”。此外,在正常异常标志为“正常”的情况下,也可以将诊断名称设为空栏。
疾病例如包含与呼吸系统、循环系统、整形、吞咽有关的疾病。更具体而言,若为与呼吸系统有关的疾病则是COPD(慢性阻塞性肺疾病)、间质性肺炎,若为循环系统则为心力衰竭、肺栓塞,若为整形则为关节症、骨折。
另外,正常异常标志不仅是对全部疾病的正常异常标志,例如也可以追加像对与呼吸系统有关的疾病的正常异常标志、对与循环系统有关的疾病的正常异常标志那样对特定疾病的正常异常标志。
在数据管理表153中,正常异常标志为“正常”的记录是正常病例,正常异常标志为“异常”的记录是异常病例。
相关检查信息是对被检者进行动态拍摄以外的检查而得到的信息,包含通过动态拍摄以外的拍摄而得到的医用图像、根据通过动态拍摄以外的拍摄得到的医用图像计算出的测量值、通过不伴随图像的检查而得到的检查结果(测定值等)。作为动态拍摄,可举出肺功能检查(例如,肺活量测定检查等)、心功能检查(例如,心电图等)、闪烁扫描术检查、CT检查、平片X射线检查、MRI检查、超声波检查、基于脉搏血氧仪(SpO2:经皮动脉血氧饱和度)的检查等。在图4中,作为相关检查信息,使用肺功能检查结果、CT图像、平片X射线图像、肺闪烁扫描术图像等。在肺功能检查结果中,包含肺活量(VC)、肺总量(TLC)、功能残气量(FRC)、残气量(RV)、RV/TLC、补呼气量(ERV)、一秒用力呼气量(FEV1)等。
在相关检查信息中包含通过动态拍摄以外的拍摄而得到的医用图像(非动态图像)的情况下,医用图像本身在附带了标签信息的状态下储存于图像储存区域154,在数据管理表153的“CT图像”栏、“平片X射线图像”栏、“肺闪烁扫描术图像”栏等储存医用图像的标签信息。
在图像储存区域154储存从各医院的数据收集服务器40上传的医用图像(动态图像、非动态图像)。
动态图谱应用20、健康和疾病动态信息提供应用21、统计分析应用22、诊断辅助应用23是对医院终端30提供的应用,根据来自医院终端30的操作执行处理,将处理结果提供至医院终端30。
动态图谱应用20以及健康和疾病动态信息提供应用21是使用动态数据集DB152的数据制作出的内容,通过对收集到的数据进行加工、处理、筛选等来制作。通过将数据与年龄层、性别、人种等属性信息一起追加至动态数据集DB152,从而动态图谱应用20以及健康和疾病动态信息提供应用21也被更新。
动态图谱应用20是提供动态图像的正常例的应用,通过动态图像、和比较用的通过现有的模态得到的图像(CT/闪烁扫描术/MRI/超声波/X射线静止图像等)。例如,动态图谱应用20针对每个部位、性别、体形、年龄、装置,提供已匿名化处理的正常例的数据。动态图谱应用20使医院终端30显示与用户指定的条件(部位、性别、体形、年龄、拍摄装、拍摄设施、拍摄者、诊断结果等)吻合的正常例的检索结果。例如,医院终端30的用户使用动态图谱应用20,确认肺的正常动作时的代表性的动态图像、和此时的相关检查信息(CT图像等)。
健康和疾病动态信息提供应用21提供每个病例的正常例和异常例(病例)的动态图像以及比较用的通过现有的模态得到的图像。例如,在健康和疾病动态信息提供应用21中,当医院终端30的用户指定“肺栓塞”时,能够阅览代表性的肺栓塞的动态图像、和此时的相关检查信息(CT图像等)。
对统计分析应用22以及诊断辅助应用23而言,当开发了有价值的解析方法时,作为新的应用追加。通过根据部位、病例进行相关关系、检验、回归分析、时间序列数据解析等,来开发统计分析应用22以及诊断辅助应用23。
统计分析应用22提供在动态图谱应用20,健康和疾病动态信息提供应用21中使用的数据的统计分析结果。统计分析应用22将正常例、异常例的按部位、按体形、按年龄、按装置的统计数据(平均、方差、时间序列数据等)提供至医院终端30。
诊断辅助应用23是为了诊断辅助而对动态图像进行与规定的功能或者规定的疾病有关的动态解析的动态解析应用,由基于控制部11与对应于解析内容的动态解析应用程序的配合的软件处理来实现。
诊断辅助应用23包含按解析对象的应用、疾病诊断辅助应用。
按解析对象的应用对动态图像进行与规定的功能有关的动态解析(换气解析、血流解析、整形解析、横隔膜测量等)。作为按解析对象的应用,例如准备换气解析应用、血流解析应用、整形解析应用、横隔膜测量应用等。
疾病诊断辅助应用对动态图像进行与规定的疾病(COPD、间质性肺炎等)有关的动态解析,进行是否是规定的疾病的判断、用于该判断的信息的提供。作为疾病诊断辅助应用,例如准备COPD诊断辅助应用、间质性肺炎诊断辅助应用等。
在医院终端30中从与各用户对应的登录账户(用户ID、密码)向动态解析服务器10存在访问的情况下,控制部11参照存储部15的用户管理表151,判断是否许可应用的使用。在医院终端30中输入的用户ID以及密码已登记至用户管理表151,与输入的用户ID对应的“访问许可”为“有”,与输入的用户ID对应的应用的“持续使用合约”为“有”的情况下,控制部11对与该用户ID对应的用户许可应用的使用。另外,在医院终端30中输入的用户ID以及密码已登记至用户管理表151,与输入的用户ID对应的“访问许可”为“有”的情况下,即使与输入的用户ID对应的应用的“持续使用合约”为“无”,在新缔结了使用合约时,控制部11也对与该用户ID对应的用户许可应用的使用。
控制部11根据来自医院终端30的阅览请求,将所请求的医疗信息提供至请求源的医院终端30。
用于与诊断辅助应用23的各动态解析应用(按解析对象的应用、疾病诊断辅助应用)对应的程序的算法相当于“对通过对被检者进行基于放射线的动态拍摄而得到的动态图像进行动态解析的动态解析算法”。即,存储与各动态解析应用对应的程序的存储部15相当于“保存动态解析算法的保存部”。
动态解析算法包含按解析对象的算法(例如,换气解析、血流解析、整形解析等)以及疾病诊断辅助算法(例如,与COPD、间质性肺炎有关的诊断辅助、鉴别诊断等)的至少一个。
通信部14从第一数据收集装置(例如,A医院的数据收集服务器40)接收第一数据集,从第二数据收集装置(例如,B医院的数据收集服务器40)接收第二数据集,第一数据集是包含通过对第一被检者进行基于放射线的动态拍摄而得到的第一动态图像、和通过对第一被检者的动态拍摄以外的第一检查而得到的信息的数据集,且已匿名化,第二数据集是包含通过对第二被检者进行基于放射线的动态拍摄而得到的第二动态图像、和通过对第二被检者的动态拍摄以外的第二检查而得到的信息的数据集,且已匿名化。即,通信部14作为接收部发挥功能。
在“通过动态拍摄以外的检查而得到的信息”中包含数值(通过肺活量测定等检查而得到的数值)、通过动态拍摄以外的检查(闪烁扫描术检查、CT检查等)而得到的图像等。另外,在“通过动态拍摄以外的检查而得到的信息”中,也可以包含表示正常或者异常的标志等。
此处,第一检查和第二检查也可以不同,也可以相同。另外,也可以第一数据集中包含的第一检查、和第二数据集中包含的第二检查的一部分相同。
另外,第一检查和第二检查分别包含肺功能检查(例如,肺活量测定等)、心功能检查(例如,心电图等)、闪烁扫描术检查、CT检查、平片X射线检查、MRI检查、超声波检查中的至少一个。
第一数据集和第二数据集也可以包含正确标签,构成用于机器学习的训练数据。
正确标签包含对动态图像的解读结果、和基于该解读结果的诊断结果的至少一方。
所谓解读结果,是通过解读动态图像而得到的信息,是包含肿瘤等的阴影的位置、大小、种类等的信息。
所谓诊断结果,是基于解读结果诊断出的结果,是包含正常/异常的区分、COPD等诊断名称等的信息。
控制部11将接收到的第一数据集以及第二数据集储存于存储部15的动态数据集DB152。
正确标签相当于图4所示的数据管理表153中的“诊断结果”。
控制部11基于第一数据集和第二数据集,修正保存于存储部15(保存部)的动态解析算法。即,控制部11作为学习部发挥功能。
以上,总结来说,通信部14从多个数据收集装置(数据收集服务器40等)的每一个接收数据集。各数据集包含通过对某被检者进行基于放射线的动态拍摄而得到的动态图像、和通过对与设为动态拍摄的对象的被检者相同的被检者的动态拍摄以外的检查而得到的信息,且已匿名化。
控制部11基于从多个数据收集装置的每一个接收到的数据集(积蓄于动态数据集DB152的数据集),进行用于进行动态解析以及诊断辅助的机器学习,修正动态解析算法。
作为机器学习,能够使用支持向量机(SVM:Support Vector Machine)、随机森林(Random Forest)、深度学习(Deep Learning)等。
控制部11经由通信部14输入通过对第三被检者(诊断对象患者)进行基于放射线的动态拍摄而得到的第三动态图像。即,控制部11作为输入部发挥功能。
控制部11针对第三动态图像,将基于由控制部11(学习部)修正后的动态解析算法(学习模型)的诊断辅助信息经由通信部14输出。即,控制部11作为输出部发挥功能。具体而言,控制部11将从医院终端30接收到的第三动态图像输入至诊断辅助应用23中的被选择的动态解析应用,获取由该动态解析应用生成的诊断辅助信息,将诊断辅助信息经由通信部14发送至第三动态图像的发送源的医院终端30。
动态解析应用使用人工智能(AI:Artificial Intelligence),对设为诊断对象的动态图像进行动态解析。动态解析应用使用通过基于数据集的机器学习进行学习(修正)后的动态解析算法,生成诊断辅助信息。
诊断辅助应用23中的基于训练数据(包含正确标签的数据集)进行学习后的动态解析应用输出与动态图像的诊断有关的信息作为诊断辅助信息。控制部11将从该动态解析应用获取的与动态图像的诊断有关的信息经由通信部14发送(输出)至第三动态图像的发送源的医院终端30。在与动态图像的诊断有关的信息中,包含诊断结果(正常/异常、诊断名称等)、解读结果等。
诊断辅助应用23中的在没有训练数据的状态下(基于不包含正确标签的数据集)进行学习后的动态解析应用输出与动态图像有关分类信息作为诊断辅助信息。控制部11将从该动态解析应用获取的与动态图像有关的分类信息经由通信部14发送(输出)至第三动态图像的发送源的医院终端30。与动态图像有关的分类信息是表示通过机器学习提取数据的特征量,并将动态图像分组为多个组后的分类(组)的信息。由人来判断各组与怎样的疾病、症状等对应(COPD的可能性较高、COPD的可能性较低等)。
关于针对应用的使用的计费,通过每一次、定额制、按量制等应对。
对于个人用户,例如,通过每一次使用应用计费,用户能够减少应用购入费用、初始导入费用。
另外,对于个人用户,也可以签订以月为单位、以年为单位的使用合约,以月为单位、以年为单位征收固定使用费。在该情况下,能够减少用户的初始导入费用,并且实现以月为单位、以年为单位的支付费用的明确化(订阅)。
另外,也可以从个人用户征收与应用的使用量对应的费用(按量制)。
此外,关于动态图谱应用20,也可以使免费使用规定量的动态图像,在签订了收费合约的情况下,能够无限制地阅览数据。
另外,也可以设置不进行计费的应用(动态图谱应用20、健康和疾病动态信息提供应用21等)。
在未更新持续使用合约的情况、用户未进行支付的情况下,用户失去应用的使用权。
另外,动态解析服务器10也可以使用API向研究者、动态解析系统的开发企业等提供动态解析、各种诊断辅助等的AI应用(使用了机器学习、深度学习的应用程序软件)。由此,研究者、开发企业等能够制作编入了以API的形式提供的动态解析、各种诊断辅助的功能的应用程序。在执行这样制作出的应用程序时,访问动态解析服务器10上的API,将动态解析、各种诊断辅助的功能作为工具使用。在该情况下,也可以每一次使用相当于由API提供的各种应用的功能进行计费,也可以按量制计费。另外,也可以对使用相当于各种应用的功能的每个机器进行年度合约,以年为单位征收使用费。
[医院终端的结构]
在图5中,示出医院终端30的功能性结构。
如图5所示,医院终端30构成为具备控制部31、操作部32、显示部33、通信部34、存储部35等,各部通过总线连接。
控制部31由CPU、RAM等构成,总体地控制医院终端30的各部的处理动作。控制部31的CPU读出存储于存储部35的系统程序、各种处理程序并在RAM内展开,根据展开的程序执行各种处理。
操作部32构成为具备具有光标键、文字数字输入键以及各种功能键等的键盘、和鼠标等指示设备,将由对键盘的键操作、鼠标操作输入的指示信号输出至控制部31。另外,操作部32也可以在显示部33的显示画面具备触摸面板,在该情况下,将经由触摸面板输入的指示信号输出至控制部31。
显示部33由LCD等显示器构成,根据从控制部31输入的显示信号的指示显示各种画面。例如,显示部33基于从动态解析服务器10接收到的各种Web画面的显示用数据显示各种Web画面。
通信部34由网络接口等构成,在与经由通信网络连接的外部装置之间进行数据的收发。
存储部35由HDD、SSD等构成,存储各种处理程序、该程序的执行所需的参数、文件等。例如,在存储部35存储有用于实现Web浏览器的Web浏览器程序等。
控制部31经由通信部34将通过对第三被检者进行基于放射线的动态拍摄而得到的第三动态图像(诊断对象患者的动态图像)发送至动态解析服务器10,从该动态解析服务器10接收诊断辅助信息。诊断辅助信息是基于动态解析算法针对第三动态图像输出的信息。
[数据收集服务器的结构]
在图6中,示出数据收集服务器40的功能性结构。
如图6所示,数据收集服务器40构成为具备控制部41、操作部42、显示部43、通信部44、存储部45等,各部通过总线连接。
构成数据收集服务器40的各部由于基本上与构成医院终端30的各部相同,因此仅对在数据收集服务器40中特征性的部分进行说明,而针对与医院终端30相同的结构省略说明。
在存储部45存储有DB451。在DB451中,存储通过在设置了数据收集服务器40的医院内进行的动态拍摄而得到的动态图像、通过动态拍摄以外的检查而得到的信息(包含非动态图像、测定值等检查结果。)等。
另外,数据收集服务器40能够与仅医院关系者可访问的外部HDD连接。在外部HDD存储有匿名ID对应表。在匿名ID对应表中,建立对应地储存有与医院内的患者有关的信息(患者ID、患者名、住址、电话号码等)和匿名ID。即,在外部HDD内,患者(被检者)与匿名ID通过匿名ID对应表建立对应。此外,对于未生成匿名ID的患者,在匿名ID对应表中没有记录。出于安全原因,匿名ID对应表不保存于数据收集服务器40内。不能够以对象患者的匿名ID的参照、登记以外的用途从数据收集服务器40对外部HDD的匿名ID对应表进行访问。
[服务提供公司终端的结构]
在图7中,示出服务提供公司终端50的功能性结构。
如图7所示,服务提供公司终端50构成为具备控制部51、操作部52、显示部53、通信部54、存储部55等,各部通过总线连接。
构成服务提供公司终端50的各部由于基本上与构成医院终端30的各部相同,因此省略说明。
[动态解析系统的动作]
接下来,对动态解析系统100中的动作进行说明。
<医院内数据收集处理>
图8是表示由数据收集服务器40执行的医院内数据收集处理的流程图。由基于控制部41的CPU与存储部45的程序的配合的软件处理来实现医院内数据收集处理。
首先,在医院内的动态拍摄装置中,若对被检者进行基于放射线的动态拍摄,则数据收集服务器40的控制部41经由通信部44从动态拍摄装置获取动态图像(步骤S1)。
接下来,控制部41获取在动态拍摄中设为拍摄对象的被检者的属性信息或者动态图像的属性信息(步骤S2)。具体而言,控制部41从动态图像的文件中附带的附带信息获取属性信息,或经由通信部44从医院内的电子病历装置获取与被检者对应的属性信息(患者信息)。
此外,控制部41也可以使显示部43显示属性信息的输入画面,通过医务人员对操作部42的操作来接受属性信息的输入。
接下来,控制部41获取对在动态拍摄中设为拍摄对象的被检者进行的动态拍摄以外的检查所涉及的相关检查信息(步骤S3)。具体而言,控制部41提取存储于存储部45的检查信息中的被检者(患者)与在步骤S1中获取的动态图像相同的检查信息。此处,也可以仅限定于在以进行动态拍摄的时间为基准规定期间内进行的检查的检查信息,或者仅限定于与动态拍摄的拍摄部位有关系的检查的检查信息。
接下来,控制部41获取对在步骤S1中获取的动态图像的诊断结果(步骤S4)。具体而言,控制部41使显示部43显示诊断结果的输入画面,通过医务人员对操作部42的操作来接受正常(无疾病)/异常(有疾病)、诊断名称(有疾病的情况)的输入。另外,也可以在诊断结果中包含附加于动态图像的注释等信息。
接下来,控制部41判断是否有该患者(在动态拍摄中设为拍摄对象的被检者)的匿名ID(步骤S5)。具体而言,控制部41经由通信部44访问外部HDD,参照存储于外部HDD的匿名ID对应表,判断是否有该患者的记录。
在有该患者的匿名ID的情况下(步骤S5;“是”),控制部41使用分配给该患者的匿名ID(步骤S6)。
在步骤S5中没有该患者的匿名ID的情况下(步骤S5;“否”),控制部41对该患者新编号唯一的匿名ID(步骤S7)。控制部41将与患者无关系的数值编号为匿名ID,以便不能根据匿名ID确定患者。控制部41经由通信部44访问外部HDD,针对匿名ID对应表将患者信息(患者ID、患者名等)、与编号的匿名ID建立对应地储存。
在步骤S6或者步骤S7之后,控制部41从获取的各信息删除个人信息(患者ID,患者名等)(步骤S8)。由此,之后上传至动态解析服务器10的数据集是已匿名化处理的数据集。
接下来,控制部41将匿名ID、动态图像、属性信息、相关检查信息、诊断结果建立对应,并储存于存储部45的DB451(步骤S9)。
以上,医院内数据收集处理结束。
此外,在医院内数据收集处理中,设为在步骤S1中在进行动态拍摄的定时获取动态图像,但动态图像的获取时期不限定于此,也可以获取预先拍摄并积蓄的动态图像。
<数据集发送处理>
图9是表示由数据收集服务器40执行的数据集发送处理的流程图。由基于控制部41的CPU与存储于存储部45的程序的配合的软件处理来实现数据集发送处理。
数据收集服务器40的控制部41判断是否是数据的发送定时(步骤S11)。例如,在是通信量稳定的夜间等预先决定的时刻的情况、或者通信量为规定值以下的情况下,控制部41判断为是数据的发送定时。另外,也可以在存储部45的DB451中未发送的数据集的数据量为规定值以上的情况下,控制部41判断为是数据的发送定时。
在不是数据的发送定时的情况下(步骤S11;“否”),回到步骤S11,重复处理。
在步骤S11中是数据的发送定时的情况下(步骤S11;“是”),控制部41将储存于存储部45的DB451的将匿名ID、动态图像、属性信息、相关检查信息、诊断结果建立对应的数据集(已匿名化)经由通信部44发送至已VPN连接的动态解析服务器10(步骤S12)。
此处,也可以在从数据收集服务器40发送至动态解析服务器10的数据集中包含与动态图像对应的运动信息。
以上,数据集发送处理结束。
在数据集发送处理之后,数据收集服务器40的控制部41也可以将已发送的数据集从DB451删除。或者,控制部41也可以对已发送的数据集附加表示为已发送的信息并保留于DB451。
另外,也可以仅在通过用户的设定而用户选择数据集的发送的情况下,从数据收集服务器40向动态解析服务器10发送数据集。
此外,根据医院的不同而也存在与外部网络的通信存在限制的情况,因此也可以将数据集保存于记录介质等并物理地传递给动态解析服务器10的管理者,管理者从记录介质将数据集获取至动态解析服务器10。
<数据集接收处理>
图10是表示由动态解析服务器10执行的数据集接收处理的流程图。由基于控制部11的CPU与存储于存储部15的程序的配合的软件处理来实现数据集接收处理。
动态解析服务器10的控制部11判断是否经由通信部14从已VPN连接的任一数据收集服务器40接收到数据集(已匿名化)(步骤S21)。
在从任一数据收集服务器40均未接收数据集的情况下(步骤S21;“否”),回到步骤S21,重复处理。
在步骤S21中从任一数据收集服务器40接收到数据集的情况下(步骤S21;“是”),控制部11将接收到的数据集保存于存储部15的动态数据集DB152(步骤S22)。具体而言,控制部11在数据管理表153(参照图4)将接收到的数据集的信息建立对应地储存,并且在图像储存区域154储存医用图像(动态图像、非动态图像)。
以上,数据集接收处理结束。
动态解析服务器10通过重复数据集接收处理,从而从多个医院的数据收集服务器40分别获取将匿名ID、动态图像、属性信息、相关检查信息、诊断结果建立对应的已匿名化的数据集。关于数据集中包含的相关检查信息,可按每个数据集不同。例如,动态解析服务器10的通信部14从A医院的数据收集服务器40接收包含动态图像和肺功能检查结果的数据集,从B医院的数据收集服务器40接收包含动态图像和CT图像的数据集。
此外,关于储存于动态数据集DB152的数据管理表153的运动信息,也可以通过动态解析服务器10计算,也可以包含于从数据收集服务器40接收到的数据集。
在运动信息中根据对应的动态图像而包含与呼吸系统、循环系统、整形、吞咽等有关的运动信息。在与呼吸系统有关的运动信息中包含肺野面积变化率、气管直径狭窄率、横隔膜速度等。另外,在与循环系统有关的运动信息中包含心脏壁运动的速度等。另外,在与整形有关的运动信息中包含膝、肘等关节的弯曲伸展的轨迹(位置变化的信息)、伸展该关节的速度等。
例如,控制部11从拍摄了胸部正面的动态图像检测肺野的位置(区域),计算每个帧图像的肺野面积。然后,控制部11根据一系列的动态图像中的肺野的运动来计算肺野面积变化率。
另外,控制部11从拍摄了胸部正面的动态图像检测气管的位置,计算每个帧图像的气管直径。然后,控制部11根据一系列的动态图像中的气管的运动来计算气管直径狭窄率。
另外,控制部11从拍摄了胸部正面的动态图像(多个帧图像)检测横隔膜的位置,计算帧图像间的横隔膜速度。另外,控制部11根据一系列的动态图像中的横隔膜的运动来求出横隔膜最大速度。
此外,也可以在动态解析服务器10或者数据收集服务器40中计算运动信息时,利用与运动信息对应的诊断辅助应用23(动态解析应用)。
<应用学习处理>
图11是表示由动态解析服务器10执行的应用学习处理的流程图。由基于控制部11的CPU与存储于存储部15的程序的配合的软件处理来实现应用学习处理。
首先,动态解析服务器10的控制部11决定设为学习对象的动态解析应(步骤S31)。具体而言,控制部11选择诊断辅助应用23中的对应于追加至动态数据集DB152的数据集的疾病(疾患)的应用作为设为学习对象的动态解析应用。例如,若数据集的诊断名称为“COPD”,则将换气解析用的动态解析应用设为学习对象,若数据集的诊断名称为“血栓”,则将血流解析用的动态解析应用设为学习对象。
接下来,控制部11读出保存于动态数据集DB152的数据集,基于各数据集来学习与学习对象的动态解析应用对应的动态解析算法(步骤S32)。此外,也可以对保存于动态数据集DB152的数据集附加表示是否已用于各动态解析应用的学习(修正)的信息,仅将未用于学习对象的动态解析应用的数据集用于本次的学习。
作为动态解析算法,可举出具有对动态图像进行图像处理的功能、进行分诊处理的功能、进行诊断判定处理的功能、根据动态图像的特征进行聚类处理(基于类似度的区分)的功能等的算法。
所谓分诊,一般而言是指根据重症度来决定诊察、治疗的优先顺序。在动态解析中的分诊处理中,对动态图像决定图像确认的优先度。例如,通过使用了聚类的分诊处理,标记“有异常、立即确认(优先度:高)”、“可能有异常(优先度:中)”、“与正常相近的图像(优先度:低)”等优先度。
接下来,控制部11基于进行学习(修正)后的动态解析算法,评价学习结果(步骤S33)。例如,控制部11评价是否通过修正后的动态解析算法从样本数据(动态图像)得到所希望的输出结果(解析结果)。
此处,控制部11判断进行学习后的动态解析算法是否满足预先决定的更新基准(步骤S34)。具体而言,控制部11基于用于评价学习结果的分数来自动地判断是否满足更新基准。
此外,关于步骤S34的处理,也可以动态解析应用的品质管理的责任人等人最终进行妥当性评价,在进行了品质上的保证的基础上更新应用。
在进行学习后的动态解析算法不满足更新基准的情况下(步骤S34;“否”),回到步骤S32,控制部11进行除去不适合于学习的数据等,再次进行学习。
在步骤S34中进行学习后的动态解析算法满足更新基准的情况下(步骤S34;“是”),控制部11使反映进行学习后的动态解析算法来更新动态解析服务器10内的学习对象应用(步骤S35)。
以上,应用学习处理结束。
(学习例1)
图12是使用了包含正确标签(诊断结果)的数据集的监督学习的概念图。动态解析服务器10的控制部11针对积蓄于动态数据集DB152的每个病例数据,将动态图像、肺野面积变化率、气管直径狭窄率、横隔膜速度、肺功能检查结果、属性信息(年龄、性别、吸烟史、身高、体重、BMI)等设为输入,将诊断结果(无疾病、COPD、支气管喘息、肺癌等)设为输出,生成识别器。
在从医院终端30使用动态解析应用的情况下,动态解析应用使用包含已学习的识别器的动态解析算法,输出对设为诊断对象的动态图像的诊断预测结果。具体而言,动态解析应用根据设为诊断对象的动态图像计算运动信息(肺野面积变化率、气管直径狭窄率、横隔膜速度等),将动态图像、肺野面积变化率、气管直径狭窄率、横隔膜速度、肺功能检查结果、属性信息(年龄、性别、吸烟史、身高、体重、BMI)等输入至已学习的识别器,得到输出结果(诊断预测结果)。但是,关于肺功能检查结果等相关检查信息、属性信息,仅使用能够作为与设为诊断对象的动态图像对应的信息获取的信息即可。
(学习例2)
图13是使用了不包含正确标签的数据集的非监督学习的概念图。动态解析服务器10的控制部11针对积蓄于动态数据集DB152的每个病例数据,使用动态图像、肺野面积变化率、气管直径狭窄率、横隔膜速度、肺功能检查结果、属性信息(年龄、性别、吸烟史、身高、体重、BMI)等进行机器学习,基于数据间的类似度将动态图像分为多个组(聚类)。
在从医院终端30使用动态解析应用的情况下,动态解析应用使用通过机器学习得到的进行分组的动态解析算法,输出表示设为诊断对象的动态图像所属的组的信息(聚类结果)。具体而言,动态解析应用根据设为诊断对象的动态图像计算运动信息(肺野面积变化率、气管直径狭窄率、横隔膜速度等),基于动态图像、肺野面积变化率、气管直径狭窄率、横隔膜速度、肺功能检查结果、属性信息(年龄、性别、吸烟史、身高、体重、BMI)等,得到输出结果(聚类结果)。但是,关于肺功能检查结果等相关检查信息、属性信息,仅使用能够作为与设为诊断对象的动态图像对应的信息获取的信息即可。
(学习例3)
图14是表示使用正常病例数据制作正常模型的处理的概念图。动态解析服务器10的控制部11基于通过对不包含疾病的被检者进行动态拍摄而得到的动态图像、肺野面积变化率、气管直径狭窄率、横隔膜速度、肺功能检查结果、属性信息(年龄、性别、吸烟史、身高、体重、BMI)等,通过机器学习(支持向量机、随机森林、深度学习等)构建正常模型。控制部11自动地导出标记“正常模型”的特征的正常特征项目。例如,控制部11搜寻表示身高与BMI的关系的项目作为正常特征项目1,搜寻表示吸烟史与肺功能检查结果的关系的项目作为正常特征项目2,搜寻表示气管直径狭窄率与肺功能检查结果的关系的项目作为正常特征项目3。
在从医院终端30使用动态解析应用的情况下,动态解析应用通过计算从正常模型的脱离度来判定设为诊断对象的动态图像为正常还是异常。动态解析应用对正常特征项目1、2、3、…的每一个计算与设为诊断对象的动态图像对应的信息的从“正常模型”的脱离度。然后,在与各正常特征项目对应的脱离度中的至少一个比规定的阈值大的情况下,也可以判定为异常,也可以综合地判断各正常特征项目并重新计算综合脱离度,在综合脱离度比规定的阈值大的情况下判定为异常。关于是否为正常、是否为异常的判定方法并不特别限定。
(学习例4)
图15是对提供了数据集的每个医院变更权重并进行机器学习时的概念图。作为数据集中包含的属性信息之一使用“设施拍摄频度”,使拍摄频度相对较高的A医院的数据集与B医院的数据集相比权重较高(例如,将A医院的权重设为0.8,将B医院的权重设为0.2。),提高对学习结果的反映程度。另一方面,拍摄频度相对较低的B医院的数据集判断为不习惯拍摄、诊断经验较少,而降低对学习结果的反映程度。在学习例4中,关于将动态图像、肺野面积变化率、气管直径狭窄率、横隔膜速度、肺功能检查结果、属性信息(年龄、性别、吸烟史、身高、体重、BMI)等设为输入,将诊断结果(无疾病、COPD、支气管喘息、肺癌等)设为输出,生成识别器这点,与学习例1相同。
此处,对根据“设施拍摄频度”变更对机器学习的权重的情况进行了说明,但也可以根据每个拍摄者的拍摄等级(拍摄张数(经验)、有无重拍、每个部位的所需拍摄时间、拍摄图像的有效度(ROI偏差)的方差值等)、医院内的专业医生的有无,来对用于机器学习、深度学习的数据进行加权。
此外,动态解析算法的学习也可以在动态解析服务器10的外部进行。例如,也可以服务提供公司从动态解析服务器10获取用于学习的数据集,在进行了动态解析算法的学习、评价后,反映修正后的动态解析算法来更新动态解析服务器10的动态解析应用。
<动态图谱更新方法>
接下来,对动态图谱应用20的更新方法进行说明。
首先,服务提供公司的管理者使用服务提供公司终端50,从已VPN连接的动态解析服务器10获取数据。服务提供公司终端50的控制部51经由通信部54将动态数据集DB152的数据获取请求发送至动态解析服务器10,从动态解析服务器10获取数据集。
接下来,专业医生(具有权威的医生)从获取自动态解析服务器10的数据集中选定适合于动态图谱应用20的数据。专业医生使用选定的数据进行临床研究、学术研究、应用开发等。
接下来,专业医生判定是否更新动态图谱应用20,即选定的数据是否是应当追加至动态图谱应用20的数据。此外,也可以代替专业医生的判定,而使用正常异常标志为“正常”的动态图像中的标准的(偏差较少的)图像来更新动态图谱应用20。
在专业医生判定为不更新动态图谱应用20的情况下,再次从动态解析服务器10获取数据集,进行数据的选定。
在专业医生判定为更新动态图谱应用20的情况下,根据专业医生的指示,服务提供公司的管理者从服务提供公司终端50的操作部52进行动态图谱应用20的更新作业。服务提供公司终端50的控制部51经由通信部54将动态图谱应用20的更新指示以及更新内容发送至动态解析服务器10。
在动态解析服务器10中,控制部11基于从服务提供公司终端50接收到的信息来更新动态图谱应用20。
关于健康和疾病动态信息提供应用21也与动态图谱应用20相同地,在专业医生的监修下进行更新。
<应用使用许可判断处理>
图16是表示由动态解析服务器10执行的应用使用许可判断处理的流程图。由基于控制部11的CPU与存储于存储部15的程序的配合的软件处理来实现应用使用许可判断处理。
首先,在医院终端30中,若用户(医务人员)对操作部32进行操作,从Web浏览器上选择已VPN连接的动态解析服务器10提供的任一应用,则动态解析服务器10的控制部11经由通信部14接受来自用户的对被选择的应用的访问(步骤S41)。
动态解析服务器10的控制部11经由通信部14对医院终端30用于显示登录画面的显示用数据。
在医院终端30中,若用户对操作部32进行操作而在显示于显示部33的登录画面中输入用户ID以及密码,则控制部31将输入的用户ID以及密码经由通信部34发送至动态解析服务器10。
动态解析服务器10的控制部11经由通信部14获取在医院终端30中从操作部32输入的用户ID以及密码。然后,控制部11参照存储于存储部15的用户管理表151(参照图3),确认与在医院终端30中输入的用户ID对应的用户的用户信息(步骤S42)。
接下来,控制部11判断用户的访问是否被许可(步骤S43)。具体而言,在用户管理表151中存在对应于从医院终端30输入的用户ID以及密码的组合的记录,“访问许可”为“有”的情况下,控制部11判定为访问被许可。
在用户的访问被许可的情况下(步骤S43;“是”),控制部11判断是否对被选择的应用进行了持续使用合约(步骤S44)。具体而言,控制部11参照用户管理表151,在对应于从医院终端30输入的用户ID的记录中被选择的应用的“持续使用合约”为“有”的情况下,判断为对被选择的应用进行了持续使用合约。
在对被选择的应用未进行持续使用合约的情况下(步骤S44;“否”),控制部11使医院终端30的用户选择应用的使用方法(步骤S45)。具体而言,控制部11使医院终端30的显示部33显示用于选择仅一次的使用、或者持续使用的选择画面,在操作部32中接受任一选择。
此处,在由用户选择仅一次的使用的情况下(步骤S46;仅一次),控制部11进行对医院终端30的用户缔结单次使用合约,并征收费用的处理(步骤S47)。关于用户的支付方法不特别限定。
在步骤S46中由用户选择持续使用的情况下(步骤S46;持续使用),控制部11进行对医院终端30的用户缔结持续使用合约,并按月计费的处理(步骤S48)。控制部11使用户管理表151反映对被选择的应用缔结了持续使用合约的情况。关于用户的支付方法并不特别限定。另外,关于计费方法,也可以为年付、按量制计费等。
在步骤S47或者步骤S48之后、在步骤S44中对被选择的应用进行了持续使用合约的情况下(步骤S44;“是”),控制部11对用户许可应用的使用(步骤S49)。
在步骤S49之后、或者在步骤S43中未许可用户的访问的情况下(步骤S43;“否”),应用使用许可判断处理结束。
动态解析服务器10对来自医院终端30的访问许可数据的使用的情况也与应用使用许可判断处理相同。
<动态解析应用使用时处理>
图17是表示由动态解析服务器10以及医院终端30执行的动态解析应用使用时处理的梯形图。动态解析应用使用时处理是在应用使用许可判断处理的步骤S41中从用户向诊断辅助应用23的任一个(动态解析应用)存在访问的情况下,在步骤S49之后进行的处理。在动态解析服务器10与医院终端30之间经由VPN进行数据通信。
在医院终端30中,当用户(医务人员)对操作部32进行操作而选择设为诊断对象的动态图像(第三动态图像)时,控制部31将被选择的动态图像经由通信部34发送至动态解析服务器10(步骤S51)。此处,也可以与动态图像一起发送与该动态图像对应的属性信息、相关检查信息。
动态解析服务器10的控制部11经由通信部14接收从医院终端30发送的动态图像,将该动态图像输入至用户在访问时选择的动态解析应用(步骤S52)。在与动态图像一起接收到属性信息、相关检查信息的情况下,控制部11将这些数据集输入至动态解析应用。
接下来,控制部11从动态解析应用获取通过动态解析生成的诊断辅助信息(步骤S53)。作为诊断辅助信息,例如可举出解析结果报告(包含诊断结果、分类信息等。)、对动态图像的注释、对动态图像进行的距离测定等的测定结果、应当在诊断时参照的图像等。
接下来,控制部11经由通信部14对医院终端30发送诊断辅助信息(步骤S54)。
医院终端30的控制部31经由通信部34接收从动态解析服务器10发送的诊断辅助信息(步骤S55)。
在医院终端30中,使显示部33显示诊断辅助信息(步骤S56)。用户参考诊断辅助信息,并诊断动态图像。
以上,动态解析应用使用时处理结束。
此外,在步骤S51中,优选通过根据使用的动态解析应用来发送需要的数据(非压缩动态图像数据、压缩动态图像数据、静止图像数据等),来抑制不需要的数据通信量。
另外,此处,对针对动态图像使用用户选择的动态解析应用(动态解析算法)的情况进行了说明,但也可以针对动态图像一次实施多个种类的动态解析。
另外,在以API形式使用与各应用对应的功能时,也与动态解析应用使用时处理相同地,从医院终端30将动态图像(根据需要,与对应于该动态图像的属性信息、相关检查信息等一起)发送至动态解析服务器10,医院终端30从动态解析服务器10接收诊断辅助信息。
如以上说明的那样,根据本实施方式,由于动态解析服务器10基于在多个数据收集服务器40中收集到的数据集来修正(学习)动态解析算法,因此能够针对与静止图像相比解析更重要的动态图像提供确保均质性并且精度较高的解析结果。因此,动态解析服务器10能够向用户提供可靠性更高的动态解析结果(对动态图像为正常还是异常的判定结果、从动态图像读取的诊断名称等),能够辅助诊断。
特别是,关于诊断辅助应用23,由于使用每日更新的大量的数据来使机器学习、深度学习,因此容易增加解析对象的种类,或使解析精度提高。
另外,能够通过动态解析服务器10进行数据的收集,并且随时提供新的应用、数据。通过在动态解析服务器10上提供各种应用,能够集中管理各种应用,能够对各医院的用户使用最新的应用提供均质的信息。
另外,在动态解析系统100中开始使用动态解析服务器10后,也能够每次都更新动态解析应用的精度(售后学习)。
另外,由于针对每个数据收集服务器40,数据集中包含的信息所涉及的检查可能不同,因此能够提供基于也考虑到在用户自身所属的医院不实施的检查地进行学习后的动态解析算法的解析结果。
另外,通过使用通过肺功能检查、心功能检查、闪烁扫描术检查、CT检查、平片X射线检查、MRI检查、超声波检查而得到的信息作为数据集中包含的动态图像以外的信息,能够针对设为动态拍摄的对象的被检者,考虑到在其它的检查中得到怎样的结果地学习动态解析算法。
另外,动态解析算法中的按解析对象的算法能够对动态图像进行换气解析、血流解析、整形解析、横隔膜测量等。
另外,动态解析算法中的疾病诊断辅助算法能够对动态图像进行是否为规定的疾病(COPD、间质性肺炎等)的判断、用于该判断的信息的提供。
另外,基于包含正确标签的数据集进行学习后的动态解析应用(动态解析算法)能够输出与动态图像的诊断有关的信息(为正常还是异常的判定结果、诊断名称等)作为诊断辅助信息。
另外,基于不包含正确标签的数据集进行学习后的动态解析应用(动态解析算法)能够输出与动态图像有关的分类信息作为诊断辅助信息。
此外,上述实施方式中的记述是本发明所涉及的记录介质、动态解析系统以及动态解析装置的例子,记录介质、动态解析系统以及动态解析装置并不限定于此。关于构成系统的各装置的详细结构以及详细动作,也能够在不脱离本发明的主旨的范围内适当地变更。
例如,动态解析服务器10提供的服务的使用者不限于医院的医务人员,也可以是属于大学等研究机构的研究者、软件开发者等。
另外,在上述实施方式中,设为动态解析服务器10的通信部14(接收部)经由VPN接收从各数据收集服务器40(数据收集装置)发送的数据集,但也可以经由VPN从一部分的数据收集装置接收数据集,通过VPN以外的方法从其它的数据收集装置接收数据集。
另外,动态解析服务器10的通信部14也可以经由专用线接收来自各数据收集装置的数据集。另外,动态解析服务器10的通信部14也可以经由专用线从一部分的数据收集装置接收数据集,通过专用线以外的方法从其它的数据收集装置接收数据集。
另外,动态解析服务器10的通信部14也可以经由VPN从一部分的数据收集装置接收数据集,经由专用线从其它的数据收集装置接收数据集。
另外,也可以构成动态解析服务器10的各功能部被分成多个装置。即,也可以动态解析服务器10由多个装置构成。在该情况下,适当地进行实现动态解析服务器10的各功能所需要的多个装置间的数据的通信。另外,也可以动态解析服务器10在云上构建,由可包含多个服务器、储存器等的云服务器实现。
另外,在上述实施方式中,设为对各医院提供均质的解析结果,但也可以针对每个医疗设施,提供与在各设施中使用的装置、条件吻合的应用,根据设施状况(装置信息、拍摄数据的趋势)变更提供的应用。通过针对每个设施提供更合适的应用,有可能提高解析精度。
另外,也可以对于在其它设施得到的数据也以迁移学习的要领进行学习,来实现动态解析的性能提高。
为了在进行机器学习时排除不希望的对功能的变更的影响,例如,也可以在更新在A医院中使用的应用的情况下,仅使用通过与A医院相同的诊断装置得到的数据、并且有专业医生的诊断结果的信息的数据来学习,并更新应用。由此,能够以删除通过不同的诊断装置得到的数据、基于不习惯诊断的医生的诊断的数据的进入的形式,提高学习效果。
另外,也可以不仅在动态解析服务器10上提供各种应用(诊断辅助应用23、动态图谱应用20等),对于在各医院中频繁使用的应用,还将各种应用下载至数据收集服务器40上,从各医院终端30使数据收集服务器40上的应用动作。该方法作为相对于动态解析服务器10的连接不良时的应对也是有效的。
另外,也可以具有在医院终端30中选择使用的应用前,在获取诊断对象的动态图像的时刻将该动态图像发送至动态解析服务器10,动态解析服务器10的控制部11提出适合于该动态图像的处理的推荐功能。例如,动态解析服务器10的控制部11进行在医院终端30上打开推荐的诊断辅助应用23,或将该诊断辅助应用23的处理结果提示给医院终端30,或向医院终端30提出追加拍摄指令等处理。
另外,用于在各装置中执行各处理的程序也可以储存于便携式记录介质。另外,作为经由通信线路提供程序的数据的介质,也可以应用载波(传送波)。
Claims (24)
1.一种记录介质,是储存有修正动态解析算法的程序的计算机可读取的记录介质,其中,上述动态解析算法对通过对被检者进行基于放射线的动态拍摄而得到的动态图像进行动态解析,其特征在于,
上述程序使计算机执行:
从第一数据收集装置接收第一数据集的处理,上述第一数据集是包含通过对第一被检者进行基于放射线的动态拍摄而得到的第一动态图像、和通过对上述第一被检者的动态拍摄以外的第一检查而得到的信息的数据集且已匿名化;
从第二数据收集装置接收第二数据集的处理,上述第二数据集是包含通过对第二被检者进行基于放射线的动态拍摄而得到的第二动态图像、和通过对上述第二被检者的动态拍摄以外的第二检查而得到的信息的数据集且已匿名化;以及
基于上述第一数据集和上述第二数据集,修正上述动态解析算法的处理。
2.根据权利要求1所述的记录介质,其特征在于,
上述第一检查和上述第二检查不同。
3.根据权利要求1或2所述的记录介质,其特征在于,
上述第一数据集和上述第二数据集包含正确标签,
上述正确标签包含对动态图像的解读结果、和基于该解读结果的诊断结果的至少一方。
4.根据权利要求1~3中任一项所述的记录介质,其特征在于,
上述第一检查和上述第二检查包含肺功能检查、心功能检查、闪烁扫描术检查、CT检查、平片X射线检查、MRI检查、以及超声波检查中的至少一个检查。
5.根据权利要求1~4中任一项所述的记录介质,其特征在于,
上述动态解析算法包含按解析对象的算法以及疾病诊断辅助算法的至少一个算法。
6.根据权利要求1~5中任一项所述的记录介质,其特征在于,
在接收上述第一数据集以及上述第二数据集的处理中,经由专用线接收上述第一数据集和上述第二数据集的至少一方。
7.根据权利要求1~5中任一项所述的记录介质,其特征在于,
在接收上述第一数据集以及上述第二数据集的处理中,经由VPN接收上述第一数据集和上述第二数据集的至少一方。
8.根据权利要求1~5中任一项所述的记录介质,其特征在于,
在接收上述第一数据集以及上述第二数据集的处理中,经由专用线接收上述第一数据集,经由VPN接收上述第二数据集。
9.根据权利要求1~8中任一项所述的记录介质,其特征在于,
上述程序使上述计算机执行:
输入通过对第三被检者进行基于放射线的动态拍摄而得到的第三动态图像的处理;以及
针对上述第三动态图像输出基于修正后的上述动态解析算法的诊断辅助信息的处理。
10.根据权利要求9所述的记录介质,其特征在于,
上述第一数据集和上述第二数据集包含正确标签,
上述正确标签包含对动态图像的解读结果、和基于该解读结果的诊断结果的至少一方,
在输出上述诊断辅助信息的处理中,输出与动态图像的诊断有关的信息作为上述诊断辅助信息。
11.根据权利要求9所述的记录介质,其特征在于,
在输出上述诊断辅助信息的处理中,输出与动态图像有关的分类信息作为上述诊断辅助信息。
12.一种动态解析系统,其特征在于,具备:
动态解析装置,执行储存于根据权利要求1~11中任一项所述的记录介质的程序;
上述第一数据收集装置;以及
上述第二数据收集装置。
13.一种动态解析系统,其特征在于,具备:
动态解析装置,执行储存于根据权利要求9~11中任一项所述的记录介质的程序;以及
医院终端,将上述第三动态图像发送至上述动态解析装置,从该动态解析装置接收上述诊断辅助信息。
14.一种动态解析装置,其特征在于,具备:
保存部,保存对通过对被检者进行基于放射线的动态拍摄而得到的动态图像进行动态解析的动态解析算法;
接收部,从第一数据收集装置接收第一数据集,从第二数据收集装置接收第二数据集,上述第一数据集是包含通过对第一被检者进行基于放射线的动态拍摄而得到的第一动态图像、和通过对上述第一被检者的动态拍摄以外的第一检查而得到的信息的数据集且已匿名化,上述第二数据集是包含通过对第二被检者进行基于放射线的动态拍摄而得到的第二动态图像、和通过对上述第二被检者的动态拍摄以外的第二检查而得到的信息的数据集且已匿名化;以及
学习部,基于上述第一数据集和上述第二数据集,修正保存于上述保存部的上述动态解析算法。
15.根据权利要求14所述的动态解析装置,其特征在于,
上述第一检查和上述第二检查不同。
16.根据权利要求14或15所述的动态解析装置,其特征在于,
上述第一数据集和上述第二数据集包含正确标签,
上述正确标签包含对动态图像的解读结果、和基于该解读结果的诊断结果的至少一方。
17.根据权利要求14~16中任一项所述的动态解析装置,其特征在于,
上述第一检查和上述第二检查包含肺功能检查、心功能检查、闪烁扫描术检查、CT检查、平片X射线检查、MRI检查、以及超声波检查中的至少一个检查。
18.根据权利要求14~17中任一项所述的动态解析装置,其特征在于,
上述动态解析算法包含按解析对象的算法以及疾病诊断辅助算法的至少一个算法。
19.根据权利要求14~18中任一项所述的动态解析装置,其特征在于,
上述接收部经由专用线接收上述第一数据集和上述第二数据集的至少一方。
20.根据权利要求14~18中任一项所述的动态解析装置,其特征在于,
上述接收部经由VPN接收上述第一数据集和上述第二数据集的至少一方。
21.根据权利要求14~18中任一项所述的动态解析装置,其特征在于,
上述接收部经由专用线接收上述第一数据集,经由VPN接收上述第二数据集。
22.根据权利要求14~21中任一项所述的动态解析装置,其特征在于,具备:
输入部,输入通过对第三被检者进行基于放射线的动态拍摄而得到的第三动态图像;以及
输出部,针对上述第三动态图像输出基于上述修正后的动态解析算法的诊断辅助信息。
23.根据权利要求22所述的动态解析装置,其特征在于,
上述第一数据集和上述第二数据集包含正确标签,
上述正确标签包含对动态图像的解读结果、和基于该解读结果的诊断结果的至少一方,
上述输出部输出与动态图像的诊断有关的信息作为上述诊断辅助信息。
24.根据权利要求22所述的动态解析装置,其特征在于,
上述输出部输出与动态图像有关的分类信息作为上述诊断辅助信息。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022020236A JP2023117592A (ja) | 2022-02-14 | 2022-02-14 | プログラム、動態解析システム及び動態解析装置 |
JP2022-020236 | 2022-02-14 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116596828A true CN116596828A (zh) | 2023-08-15 |
Family
ID=87558797
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310072794.1A Pending CN116596828A (zh) | 2022-02-14 | 2023-02-07 | 记录介质、动态解析系统以及动态解析装置 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20230260115A1 (zh) |
JP (1) | JP2023117592A (zh) |
CN (1) | CN116596828A (zh) |
-
2022
- 2022-02-14 JP JP2022020236A patent/JP2023117592A/ja active Pending
-
2023
- 2023-02-02 US US18/105,079 patent/US20230260115A1/en active Pending
- 2023-02-07 CN CN202310072794.1A patent/CN116596828A/zh active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230260115A1 (en) | 2023-08-17 |
JP2023117592A (ja) | 2023-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11410760B2 (en) | Medical evaluation system and method for use therewith | |
JP5952835B2 (ja) | 撮像プロトコルの更新及び/又はリコメンダ | |
US7711404B2 (en) | Patient data mining for lung cancer screening | |
US8682693B2 (en) | Patient data mining for lung cancer screening | |
US11610676B2 (en) | Information processing device and information processing method | |
CN111986182A (zh) | 辅助诊断方法、系统、电子设备及存储介质 | |
US20130159022A1 (en) | Clinical state timeline | |
Manimala et al. | Advancements in deep learning techniques for analyzing electronic medical records | |
US20220245816A1 (en) | Medical information management apparatus, data structure of medical information, and storage medium | |
KR102378093B1 (ko) | 질병 예측 시스템, 질병 예측 방법 및 이를 구현하는 기록 매체 | |
CN116596828A (zh) | 记录介质、动态解析系统以及动态解析装置 | |
Borzov et al. | Application of neural networks for differential diagnosis of pulmonary pathologies based on X-ray images | |
JP2008217426A (ja) | 症例登録システム | |
Ogungbe et al. | Design and Implementation of Diagnosis System for Cardiomegaly from Clinical Chest X-ray Reports | |
JP7408324B2 (ja) | 診断支援装置、診断支援システム、診断支援方法およびプログラム | |
JP7092244B1 (ja) | 医療情報管理装置及び医療情報管理プログラム | |
EP4379672A1 (en) | Methods and systems for classifying a medical image dataset | |
JP7382739B2 (ja) | 撮影支援装置 | |
Vujjini et al. | Survey on real-time tracking and treatment of infectious diseases using mixed reality in visualisation technique with autoimmune therapy | |
US20200279137A1 (en) | Systems and Methods for Evaluating Artificial Intelligence Applications in Clinical Practice | |
US20230094690A1 (en) | Incorporating clinical and economic objectives for medical ai deployment in clinical decision making | |
EP4318494A1 (en) | Method and apparatus for providing confidence information on result of artificial intelligence model | |
Filatova et al. | Developing an informational model of instrumental examination | |
KR20230007008A (ko) | Phr과 진료기록에 기반한 임상의사결정 지원 방법 및 장치 | |
CN114450752A (zh) | 用于利用深度学习模型的计算机辅助诊断的方法和系统 |
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 |