JP2004213643A - コンピュータ支援調和法 - Google Patents

コンピュータ支援調和法 Download PDF

Info

Publication number
JP2004213643A
JP2004213643A JP2003419027A JP2003419027A JP2004213643A JP 2004213643 A JP2004213643 A JP 2004213643A JP 2003419027 A JP2003419027 A JP 2003419027A JP 2003419027 A JP2003419027 A JP 2003419027A JP 2004213643 A JP2004213643 A JP 2004213643A
Authority
JP
Japan
Prior art keywords
data set
classification
computer
image data
features
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.)
Withdrawn
Application number
JP2003419027A
Other languages
English (en)
Inventor
John M Sabol
ジョン・エム・サボル
Gopal B Avinash
ゴパール・ビー・アヴィナシュ
Matthew J Walker
マシュー・ジェイ・ウォーカー
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GE Medical Systems Global Technology Co LLC
Original Assignee
GE Medical Systems Global Technology Co LLC
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GE Medical Systems Global Technology Co LLC filed Critical GE Medical Systems Global Technology Co LLC
Publication of JP2004213643A publication Critical patent/JP2004213643A/ja
Withdrawn legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30061Lung

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Processing Or Creating Images (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

【課題】 画像データ集合(52)内の関心のある特徴(56)の検出又は分類を独立に検査する手法を提供する。
【解決手段】 コンピュータ実行のCADモジュールを使用して、担当者によって識別された関心のある特徴(60)を独立に分類する(70)か、或いは関心のある特徴(92)を独立に識別し(90)且つ分類する(96)。コンピュータ実行の特徴識別(92)又は分類(72,98)と人による判定(60,68)との間の食い違い(76)はコンピュータ支援調和プロセスによって調和させる(80)ことができる。
【選択図】 図3

Description

本発明は、一般的に云えばコンピュータ・イメージング・システムに関し、より具体的には画像データ集合内の識別された特徴を分類するためにコンピュータ実行の(すなわち、コンピュータで実行される)ルーチンを使用することに関するものである。より詳しく述べると、本発明手法は、識別された特徴の独立した分類を行うためにコンピュータ実行のルーチンを使用することに関するものである。
画像データ内の認識可能な特徴の識別と分類を主な目標としているような形態の画像評価及び分析には様々な技術分野が関係している。例えば、医用イメージング技術では、診断上意義のある認識可能な特徴の存在について医師又は放射線技師が検査できるような様々な種類の診断用画像を生成する。同様に、他の分野においては、他の特徴を関心のある特徴とすることができる。例えば、小包及び手荷物の内容物の非侵襲性イメージングでは、同様に検査を行って、認識可能な特徴を識別し分類することができる。更に、衛星及びレーダによる気象データの分析では、竜巻やその他の暴風雨のようなどんな気象情報が画像データ内に存在するか又は形成途中であるかを判定することを含むことができる。同様に、可視的に表される天文データ及び地質データの評価でも、同様な特徴識別を行うことを含むことができる。ディジタル・イメージング及び画像処理手法の開発により、これらの技術分野の多くで分析を必要とする画像データがかなり多量に容易に利用できるようになった。
実際に、利用できる画像データの量が増大したため、データを処理するために利用できる人材、例えば、訓練を受けた技術者が不足することがある。これらの技術者を支援するため、コンピュータ実行の手法を採用することができる。例えば、これらの手法は画像データの予備分析を行って、訓練を受けた技術者によるその後の検査のために関心のある領域に目印(フラグ)を付けることができる。
例えば、医用イメージングの分野では、コンピュータ支援検出(CAD)又は診断(CADx)アルゴリズムが、診断用画像についての放射線技師による検査を補足し支援するために開発されている。CADは、典型的には、収集した画像を既知の病理に照らして分析する様々な種類の画像分析手段に基づいており、既知の病理はCADアルゴリズムによって強調表示することができる。CADは、ディジタルX線、磁気共鳴イメージング、超音波及びコンピュータ断層撮影を含む様々な医用イメージング・モダリティを補足するために開発されている。これらの様々なモダリティのためのCADの開発は一般的に、CADが放射線技師による検査にとって価値のある支援及び時間の節約を提供するので、望ましいものである。
しかしながら、CADの様なコンピュータ実行の支援がより普及するにつれて、データの品質管理及び独立した分析を保証する手法もまた望ましいことがある。例えば、CADに関して述べたように、コンピュータによる支援は、典型的には、初期においては、画像データを分析し、且つ訓練を受けた技術者によって更に検査できるように関心のある領域を強調表示するために用いられていた。しかしながら、この構成では、担当者(human agent) の行為についての独立した評価は必然的に何ら行われていない。代わりに、担当者がコンピュータ実行のルーチンによって提供された検出及び分類の質を評価しているに過ぎない。とはいえ、担当者の能力を評価することが望ましいことがある。
同様に、訓練を受けた別の技術者が最初の読取り(読影)を検証するようにすることがしばしば望ましい。これはむしろ時間を費やし且つ費用のかかる手法であるが、特に医学的診断においては非常に価値がある。時間及び予算と共に、訓練を受けた職員が比較的少ないことに起因して、最初の検査担当者に提供されたコンピュータ実行の支援に基づいて該最初の検査担当者が行った判定について独立に再検査する余裕のある技術者や臨床医はいない。検査担当者とコンピュータ実行の支援との両方についてこのような独立した評価を行うこともまた望ましいことがある。従って、検査を行う技術者や臨床医と、これらの技術者や臨床医に提供されたコンピュータ実行の支援との両方についての独立した評価を行うための改善した手法が要望されている。
本発明は、担当者(human agent) によって検出されて分類された画像の特徴を独立に分類するためのコンピュータ実行の(すなわち、コンピュータで実行される)分類ルーチンを用いる手法を提供する。人為分類(人による分類)とコンピュータ分類(コンピュータによる分類)との間の食い違いは、同じ担当者によって、又は別の担当者によって、或いは自動化又は半自動化した態様で調和(reconciliation)させることができるようにする。別の実施形態では、独立したコンピュータ実行の検出及び分類ルーチンを同様に画像について実行させる。次いで、コンピュータにより検出した特徴の集合と人により検出した特徴の集合との間の食い違い、並びにコンピュータによる特徴の分類と人による特徴の分類との間の食い違いを、同様な態様で調和させることができるようにする。
本発明手法の一面によれば、エンド・ユーザによって使用するための画像を分析する方法を提供する。本方法は、一人以上の分析者に対して画像データ集合を提供する段階を含む。分析者はこの画像データ集合内の1つ以上の特徴を検出して特徴検出データ集合を生成する。この特徴検出データ集合は一人以上の分類者に対して提供し、分類者は各々の特徴を第1の分類法で分類して人為分類データ集合を生成する。特徴検出データ集合に1つ以上のコンピュータ実行の分類ルーチンを適用する。コンピュータ実行の分類ルーチンは1つ以上の特徴の各々を第2の分類法で分類して、コンピュータ分類データ集合を生成する。人為分類データ集合とコンピュータ分類データ集合とを組み合わせて、統合画像データ集合を形成する。この統合画像データ集合内に存在する人為分類データ集合とコンピュータ分類データ集合との間の1つ以上の食い違いを調和させて、最終画像データ集合を形成する。
本発明手法の別の一面によれば、エンド・ユーザによって使用するための画像を分析する方法を提供する。本方法は、一人以上の分析者に対して画像データ集合を提供する段階を含む。分析者はこの画像データ集合内の第1組の特徴を検出して特徴検出データ集合を生成する。この特徴検出データ集合は一人以上の分類者に対して提供し、分類者は前記第1組の中の各々の特徴を人為分類法で分類して、人為分類データ集合を生成する。特徴検出データ集合に1つ以上の第1のコンピュータ実行の分類ルーチンを適用する。この第1のコンピュータ実行の分類ルーチンは前記第1組の中の各々の特徴を第1の分類法で分類して、第1のコンピュータ分類データ集合を生成する。画像データ集合に1つ以上のコンピュータ実行の検出ルーチンを適用する。コンピュータ実行の検出ルーチンは画像データ集合内の第2組の特徴を検出して、コンピュータ検出データ集合を生成する。このコンピュータ検出データ集合に1つ以上の第2のコンピュータ実行の分類ルーチンを適用する。第2のコンピュータ実行の分類ルーチンは前記第2組の中の各々の特徴を第2の分類法で分類して、第2のコンピュータ分類データ集合を生成する。前記の人為分類データ集合と第1のコンピュータ分類データ集合と第2のコンピュータ分類データ集合とを組み合わせて、統合画像データ集合を形成する。この統合画像データ集合の中に存在する人為分類データ集合と第1のコンピュータ分類データ集合と第2のコンピュータ分類データ集合との間の1つ以上の食い違いを調和させて、最終画像データ集合を形成する。
本発明手法のまた別の一面によれば、画像分析システムを提供する。本システムは、撮像装置と、該撮像装置を動作させるように構成されたシステム制御回路と、撮像装置によって収集された画像データ集合にアクセスするように構成されたデータ収集回路とを有している。更に、本システムは、システム制御回路及びデータ処理回路の少なくとも一方と相互作用するように構成されたオペレータ・インターフェースを含んでいる。オペレータ・インターフェースは更に、分析者が画像データ集合内の1つ以上の特徴を検出して特徴検出データ集合を形成すると共に、各々の特徴を人為分類法で分類して人為分類データ集合を生成することができるように構成されている。本システムにはデータ処理回路も含まれていて、このデータ処理回路は、特徴検出データ集合にコンピュータ実行の分類ルーチンを適用することにより、各々の特徴を第2の分類法で分類してコンピュータ分類データ集合を生成するように構成されている。データ処理回路は、人為分類データ集合とコンピュータ分類データ集合とを組み合わせて統合画像データ集合を形成するように構成されている。データ処理回路は更に、人為分類データ集合とコンピュータ分類データ集合とを調和させて最終画像データ集合を形成するように構成されている。
本発明手法の更に別の一面によれば、画像分析システムを提供する。本システムは、撮像装置と、該撮像装置を動作させるように構成されたシステム制御回路と、撮像装置によって収集された画像データ集合にアクセスするように構成されたデータ収集回路とを有している。更に、本システムは、システム制御回路及びデータ処理回路の少なくとも一方と相互作用するように構成されたオペレータ・インターフェースを含んでいる。オペレータ・インターフェースは更に、分析者が画像データ集合内の第1組の1つ以上の特徴を検出し、第1組の中の各々の特徴を人為分類法で分類して人為分類データ集合を生成するように構成されている。本システムにはデータ処理回路も含まれていて、このデータ処理回路は、第1のコンピュータ実行の分類ルーチンを適用することにより、第1組の特徴のうちの各々の特徴を第1のコンピュータ分類法で分類して第1のコンピュータ分類データ集合を生成するように構成されている。データ処理回路はまた、コンピュータ実行の検出ルーチンを画像データ集合に適用して第2組の特徴を検出するように構成されている。データ処理回路は、第2のコンピュータ実行の分類ルーチンを適用することにより、第2組の特徴のうちの各々の特徴を第2のコンピュータ分類法で分類して第2のコンピュータ分類データ集合を生成するように構成されている。更に、データ処理回路は、人為分類データ集合と第1のコンピュータ分類データ集合と第2のコンピュータ分類データ集合とを組み合わせて、統合画像データ集合を形成するように構成されている。データ処理回路はまた、統合画像データ集合の中に存在する人為分類データ集合と第1のコンピュータ分類データ集合と第2のコンピュータ分類データ集合との間の1つ以上の食い違いを調和させて、最終画像データ集合を生成するように構成されている。
本発明手法の別の一面によれば、画像分析システムを提供する。本システムは、撮像装置と、該撮像装置を動作させるように構成されたシステム制御回路と、撮像装置によって収集された画像データ集合にアクセスするように構成されたデータ収集回路とを有している。更に、本システムは、システム制御回路及びデータ処理回路の少なくとも一方と相互作用するように構成されたオペレータ・インターフェースを含んでいる。オペレータ・インターフェースは更に、分析者が画像データ集合内の1つ以上の特徴を検出して特徴検出データ集合を形成すると共に、各々の特徴を人為分類法で分類して人為分類データ集合を生成することができるように構成されている。本システムにはデータ処理回路も存在していて、このデータ処理回路は、各々の特徴の分類に関して別の意見(セカンド・オピニオン)を求める手段を含んでいる。
本発明手法の更に別の一面によれば、画像分析システムを提供する。本システムは、撮像装置と、該撮像装置を動作させるように構成されたシステム制御回路と、撮像装置によって収集された画像データ集合にアクセスするように構成されたデータ収集回路とを有している。更に、本システムは、システム制御回路及びデータ処理回路の少なくとも一方と相互作用するように構成されたオペレータ・インターフェースを含んでいる。オペレータ・インターフェースは更に、分析者が画像データ集合内の第1組の1つ以上の特徴を検出し、第1組の中の各々の特徴を人為分類法で分類して人為分類データ集合を生成するように構成されている。本システムはデータ処理回路も含んでいて、このデータ処理回路は、第1組の特徴の中の各々の特徴についての第2の分類を求める手段を含んでいる。データ処理回路はまた、画像データ集合内の第2組の特徴を求める手段と、第2組の特徴を分類する手段を含んでいる。
本発明手法のまた別の一面によれば、有形の媒体を提供する。有形の媒体は、操作者によって検出された1つ以上の特徴を有するデータ集合にコンピュータ実行の分類アルゴリズムを適用するルーチンを含んでおり、このコンピュータ実行の分類アルゴリズムは1つ以上の特徴の各々にコンピュータ分類を割り当てる。更に、有形の媒体は、分類者によって割り当てられた人為分類と各特徴のコンピュータ分類とを組み合わせて統合画像データ集合を形成するルーチンを含んでいる。有形の媒体はまた、統合画像データ集合内での人為分類とコンピュータ分類との間の1つ以上の食い違いを調和させて最終画像データ集合を形成するルーチンを含んでいる。
本発明手法の別の一面によれば、有形の媒体を提供する。有形の媒体は、オペレータによって検出された1つ以上の特徴を有するデータ集合に第1のコンピュータ実行の分類アルゴリズムを適用するルーチンを含んでおり、この第1のコンピュータ実行の分類アルゴリズムは1つ以上の特徴の各々に第1のコンピュータ分類を割り当てる。また、画像データ集合にコンピュータ実行の検出アルゴリズムを適用するルーチンも含まれており、コンピュータ実行の検出アルゴリズムは画像データ集合内の第2組の特徴を検出する。更に、有形の媒体は、第2のコンピュータ実行の分類アルゴリズムを使用して第2の集合の中の各々の特徴を第2の分類法で分類するルーチンを含んでいる。有形の媒体はまた、分類者によって割り当てられた人為分類と第1のコンピュータ分類と各特徴の第2のコンピュータ分類とを組み合わせて、統合画像データ集合を形成するルーチンも含んでいる。また、統合画像データ集合内での人為分類と第1及び第2のコンピュータ分類との間の1つ以上の食い違いを調和させて最終画像データ集合を形成するルーチンも含まれている。
本発明手法の別の一面によれば、画像データ集合についての2つ以上の分類を検査する方法を提供する。二人以上のそれぞれの分類者によって供給された画像データ集合に基づいた2つ以上の特徴分類集合が自動的に比較される。この比較に基づいた通知が作成される。
本発明の上記及びその他の利点及び特徴は、図面を参照し且つ以下の説明を読むことにより明らかになろう。
本発明手法は、ディジタル化したアナログ画像データを含む、様々な種類のディジタル画像データのコンピュータ支援処理に関する。簡単化のためと、現時点で実施しようと考えているため、以下の例では医用イメージングに関して本手法を説明する。しかしながら、本手法が医用イメージングに限定されないことは勿論である。関心のある特別な領域をそれらの重要性のために選択することのできる任意のディジタル・イメージング方式も以下の手法から利益を得ることができる。気象、天文、地質及び医療のような一般的な又は技術的な性質のディジタル画像データは、特徴の識別及び分類の際に担当者を支援するためにコンピュータ実行のルーチンを用いることができ、本発明手法から利益を得ることができる。
医用イメージングの場合、様々なイメージング資源が、軟質及び硬質の両方の組織における医学的事象及び状態を診断するため、及び特定の解剖学的構造の特徴及び機能を分析するために利用可能である。図1は模範的なイメージング・システムについての概要を示しており、その後の図は特定のモダリティ・システムについての主要なシステム構成要素を幾分より詳細に示している。このような医用イメージング・システムには、それらに限定されないが、ディジタルX線撮影、コンピュータ断層撮影(CT)、磁気共鳴イメージング(MRI)、ポジトロン放出断層撮影(PET)、熱音響イメージング、光学的イメージング及び核医学ベースのイメージングのような医用イメージング・モダリティが含まれ得る。
図1について説明すると、イメージング・システム10は、一般的に、信号を検出して、これらの信号を有用なデータに変換する一種の撮像装置12を含んでいる。以下により詳しく述べるように、撮像装置12は画像データを生成するために様々な物理的原理に従って動作することができる。しかしながら、一般的には、医用イメージングの場合には、患者14内の関心領域を表す画像データがディジタル媒体で撮像装置によって生成される。
撮像装置12はシステム制御回路16の制御の下に動作する。システム制御回路は、放射線源制御回路、タイミング回路、患者又はテーブルの移動に関連してデータ収集を調整する回路、放射線源又は他の源の位置及び検出器の位置を制御する回路などのような広範囲の回路を含むことができる。撮像装置12は、画像データ又は信号の収集の後に、ディジタル値への変換のような信号処理を行うと共に、画像データをデータ収集回路18へ転送する。ディジタル・システムでは、データ収集回路18は、ディジタル動的範囲の調節、データの平滑化又は鮮明化、並びに希望する場合のデータ・ストリーム及びファイルの編集のような広範囲の初期処理機能を実行することができる。次いで、データはデータ処理回路20へ伝送され、そこで追加の処理及び分析が実行される。利用できる様々なディジタル・イメージング・システムに対して、データ処理回路20は、データの実質的な分析、データの順序付け、鮮明化、平滑化、特徴認識などを実行することができる。
最終的に、画像データは観察及び分析のために一種のオペレータ・インターフェース22へ転送される。観察の前に画像データについて様々な演算を行うことができるが、オペレータ・インターフェース22は、ある時点で、収集された画像データに基づいた再構成画像を観察するのに有用である。画像はまた短期又は長期記憶装置に格納してもよく、これらの記憶装置は本目的のために一般的に、画像保管用通信システムのようなインターフェース22内に含むべきであると考えられる。画像データはまた、例えばネットワーク24を介して、遠隔の場所へ伝送することができる。一般的な観点から、オペレータ・インターフェース22は、典型的にはシステム制御回路16と連絡することにより、イメージング・システムの制御を行うことに留意されたい。更に、オペレータ・インターフェース22は1つではなく複数設けてもよいことにも留意されたい。従って、イメージング・スキャナ又はステーションには、画像データ収集手順に関係するパラメータを調整することができるインターフェースを含めてもよく、これに対して、得られた再構成画像を操作し、強調表示し、観察するために異なるオペレータ・インターフェースを設けてもよい。
本発明手法をより詳しく説明するために、図1に示したシステム全体のアーキテクチャに基づいた特定の医用イメージング・モダリティを図2に示している。図2は一般的にディジタルX線システム30を表している。システム30は、放射線ビーム34を放出するように設計された放射線源32、典型的には、X線管を含んでいる。放射線は、典型的には、線源32のパラメータ、例えば、ターゲットの種類、入力電力レベル及びフィルタの種類を調節することによって、調整又は調節することができる。その結果得られる放射線ビーム34は典型的にはコリメータ36に通され、コリメータ36は患者14へ向けられるビームの範囲及び形状を決定する。患者14の一部分はビーム34の通路内に配置されて、ビームはディジタル検出器38に入射する。
検出器38は、典型的には画素のマトリクスを含んでいて、マトリクス内の様々な場所に入射する放射線の強度を符号化する。シンチレータが高エネルギX線を低エネルギの光子に変換し、それらの光子は検出器内のフォトダイオードによって検出される。X線は患者内の組織によって減弱して、画素が様々な強度レベルを生じさせる様々な減弱度を識別するようにする。これらの様々な強度レベルは最終的な再構成画像のための根拠を形成する。
画像収集プロセスを調整するため、及びその結果得られる信号を検出して処理するために、制御回路及びデータ収集回路が設けられる。特に、図2の例では、線源制御回路40が放射線源32の動作を調整するために設けられている。勿論、その他の制御回路を、テーブル位置、放射線源位置などのようなシステムの制御可能な面について設けることができる。データ収集回路42は検出器38に結合されていて、照射後の光検出器上の電荷を読み出すことができる。一般的には、光検出器上の電荷は入射放射線によって減少し、次いで、その減少分を測定するために光検出器が再充電される。読出し回路は、画像マトリクスの画素位置に対応する光検出器の行及び列を系統的に読み出すための回路を含んでいてよい。その結果得られる信号は次いでデータ収集回路42によってディジタル化されて、データ処理回路44へ転送される。
データ処理回路44は、ディジタル・データにおけるオフセット、利得などについての調節、並びに様々なイメージング増強機能を含む、或る範囲の動作を行うことができる。その結果得られるデータは、次いで、短期又は長期記憶のためにオペレータ・インターフェース又は記憶装置へ転送される。データに基づいて再構成された画像は、オペレータ・インターフェース上に表示するか、或いは観察のために、例えばネットワーク24を介して、他の場所へ転送することができる。また、ディジタル・データは、照射のため、及び写真フィルムのような通常のハードコピー媒体への再構成画像の印刷のための基本データとして使用することができる。
使用状態にあるとき、ディジタルX線システム30は患者14の一部分のディジタルX線画像を取得し、該ディジタルX線画像は小結節、外傷、骨折、微少石灰化などのような1つ以上の病理の兆候が存在するか否かについて分析することができる。勿論、異なる種類の解剖学的特徴を検出するのに他のイメージング・モダリティがより良く適していることがある。実際には、臨床医が最初にX線像のような医学的画像を検査して、特徴、すなわち、画像内の診断上意味のある特徴を検出する。次いで、臨床医は各特徴に一つの分類を割り当てる。品質保証のため、別の臨床医がその識別された特徴を独立に分類する。このような第1及び第2の臨床医の分類の間に食い違いがあれば、それは相互の協議により、或いは優先順位のある判定基準又は第3者の協議のような何らかの所定の解決手段により調和させることが可能である。この代わりに、第1及び第2の臨床医が独立に画像データを読んで、独立した検出並びに分類を行うようにすることができる。これらの分析者の間で食い違いがあれば、それは上記と同様な方法によって解決することが可能である。
上記のような異なるレベルの独立した検査の正味の効果は、分析及びその後の診断の全体的な品質を改善することである。具体的に述べると、独立した検査を使用する目的は、最終的に、偽陽性(すなわち、何ら存在しない病理状態を表示すること)及び偽陰性(すなわち、存在している病理状態を表示し損なうこと)の発生を低減することである。しかしながら、実際には、上記の種類の独立した検査は、CADアルゴリズムの形態のコンピュータ利用の支援を採用している環境には用いられていない。
例えば、当業者には理解されるように、CADアルゴリズムは、解剖学的異常のような或る特定の関心のある特徴を識別し又は少なくとも突き止めて、このような特徴を区別して処理する可能性を提供し得る。CADアルゴリズムは、画像のセグメント化及び特徴の選別ばかりでなく、特徴の分類をも実行するための、様々なモジュール又はサブルーチンを含むものと考えることができる。様々な可能なCADモジュールを本手法において実施してもよいし、或いは全てを実施しなくてもよい。
識別すべき特徴の種類に基づいて、また画像データを生成するために使用されるイメージング・モダリティに基づいて、特別なCAD手段が共通に選択される。CAD手法は、エッジ、識別可能な特徴、境界、色又は強度の変化又は遷移、分光学的情報の変化又は遷移などのような既知の又は予想される画像特性を参照することにより関心のある特徴を識別するセグメント化アルゴリズムを用いることができる。CADアルゴリズムは検出のみを容易にすることができ、或いは診断も容易にすることができる。その後の処理及びデータ収集は、実行者の専門知識に基づいて完全に自由裁量であることが多い。
従って、実際には、二人以上の臨床医による独立した分析を使用する代わりに、一人の臨床医による単一の最終的な検査が行われることがある。このような場合には、検出された特徴について独立した分類に関する意見が何ら得られず、従って、品質及び精度を保証するために何ら別の意見(セカンド・オピニオン)が提供されないことがある。図3は、このような別の意見(セカンド・オピニオン)を提供するためにCADアルゴリズムの実施を利用する1つの手法を示している。
図3に示されているように、画像検査プロセス50が、図2のディジタルX線イメージング・システム30などのシステムによって収集されるような最初の画像データの集合52から開始される。単なる例示のために、画像データ52が、様々な関心のある特徴56を有している一対の肺54のディジタルX線画像として図4により詳しく示されている。この画像データは、処理段階58で示すように、特徴56を検出するために医師、臨床医又は放射線技師のような担当者によって最初に読みとることができる。図5に示されているように、画像データ集合52は、人により検出された特徴60と共に、人為検出データ集合62を構成する。簡単にするために、単一の人為検出データ集合を示しているが、二人以上の担当者がそれぞれデータを検査して特徴56を検出することにより、2つ以上の人為検出データ集合62を作成することができることは勿論である。追加の人為検出データ集合62は以下の説明に従って処理することができる。
図5に示されているように、特徴検出画像データ集合62は、人により検出された特徴60(前側に隣接してスラッシュ(/)を付けて示してある)と、担当者によって見過ごされて識別されていない特徴64とを含んでいる。検出された特徴60を示すために、それらを表示する場合に、様々な図形表示、テキスト、オーバーレイ、色、強調表示などを用いることができる。また、図示していないが、誤って識別された特徴が存在する可能性があり、それらは担当者が不正に特徴56として識別した非特徴である。
検出された特徴60は、次いで、図3の段階66で示されているように、担当者によって分類されて、図6に示されているように、人為分類データ集合68を生成する。例として、人為分類(人による分類)は図6に文字[A]で表している。担当者はまた、段階66の分類処理中に、割り当てた分類に対して、多分に悪性腫瘍の確率を含む1つ以上の確率又は確実性の測度を割り当てることができる。特徴検出の場合と同様に、簡単にするために、単一の人為分類データ集合68を示しているが、二人以上の人間がそれぞれ検出された特徴60を分類して追加の人為分類データ集合68を作成することができることは勿論である。追加の人為分類データ集合68は以下の説明に従って処理することができる。
図3を再び参照すると、CAD分類モジュール又はルーチンのようなコンピュータ実行の分類アルゴリズムが、段階70で、人為検出データ集合62の検出された特徴60に適用される。人為検出データ集合62にコンピュータ実行の分類アルゴリズムを適用する段階70により、図7に示すコンピュータ分類データ集合72が生じる。簡単にするために、コンピュータ分類アルゴリズムと担当者との両方によって同様に分類された特徴、すなわち、一致した特徴74は、人為分類(人による分類)を示すために図6で用いた参照文字「A」で示している。コンピュータ分類アルゴリズムと人為分類とが相違している場合の不一致の特徴76は、参照文字「B」で示している。検出されていない特徴64は何ら分類が行われていないことが理解されよう。コンピュータ実行のアルゴリズムはまた、コンピュータにより割り当てられた分類に関係する統計的及び確率的測度を作成する。人為分類の場合と同様に、2つ以上のコンピュータ実行の分類ルーチンを(1つ又は複数の)人為検出データ集合62の検出された特徴60に適用して追加のコンピュータ分類データ集合72を作成することができる。追加のコンピュータ分類データ集合72は以下の説明に従って処理することができる。
次いで、人為分類データ集合68及びコンピュータ分類データ集合72を組み合わせて、図8に示すような統合データ集合78を形成することができる。このような統合データ集合78の一例は、単純に人為分類データ集合68及びコンピュータ分類データ集合72から生成された合同データ集合であってよい。しかしながら、一実施形態では、一致した特徴74は統合データ集合78内でマスクすることができる。具体的に述べると、一致した特徴74は統合データ集合78の提示を簡単化するためにマスクすることができ、その場合、その後に、段階80で示すように食い違い調和プロセスを統合データ集合について実行することができる。段階80の食い違い調和プロセスを考慮すると、統合データ集合はまた不一致の特徴76について人為分類(人による分類)及びコンピュータ分類(コンピュータによる分類)の両方を提示して、調和を容易にすることができる。一実施形態では、人為分類及びコンピュータ分類は区別して表示して、調和者が特定の分類を発生させた場所を区別できるようにする。
具体的に述べると、判定ブロック82で判定されて、統合データ集合に不一致の特徴76が存在する場合、段階80の食い違い調和プロセスに入る。食い違い調和プロセスは人為分類とコンピュータ分類との間の食い違いを解決して、最終分類画像データ集合84を形成できるようにする。食い違い調和プロセスは手動又は自動であってよい。手動の場合、調和者が、これは段階58及び66において特徴の検出又は分類を行った臨床医か、或いは第3者であってよいが、表示された統合データ集合78を検査する。表示された統合データ集合について、調和者は人による分類とコンピュータによる分類とを観察し評価して、検出された特徴60を割り当てるべき最終分類がどれであるかを決定することができる。
調和者を支援するため、自動的に表示するか又は調和者による請求時に対話型で表示することのできる情報キュー(cue)86の形で調和者に追加の情報が利用できるようにする。これらの情報キューは、医学雑誌、テキスト又はデータベースから導き出した性状又は診断基準と、コンピュータ実行の分類段階70から導き出した統計及び確率情報と、コンピュータ実行の分類段階70によって利用されるカレントの閾値及び設定値と、人為分類段階66の際に担当者によって供給される確実性又は確率の測度とを含むことができる。図8の例に示されているように、情報キュー86は、カーソルを不一致の特徴76の上に動かすことによって開き且つカーソルをそこから離すことによって閉じることのできる対話型ポップアップ・テキスト又は数値として設けることができる。別の実施形態では、テキスト、数値又はその他の形態の情報キューは、単純に、調和を必要とする各々の不一致の特徴76について表示しておいて、調和者が各々の不一致の特徴76について最終分類を割り当てたときに除去するようにすることができる。
テキストが、対話型であっても無くても、情報キュー86の取り得る1つの形態であるが、他の可視又は可聴指示手段を設けてもよい。例えば、様々な分類、統計データ、CAD設定値、又は他の関連データは、色分け、陰影付け、幾何学的形状、異なる強度によって伝えることができ、これらは情報を比較的単純で簡潔な態様で伝える。同様に、医学テキスト又はデータベースの可聴部分のような可聴キューを利用することができ、可聴キューは、カーソルを不一致の特徴76の上に動かすこと等により調和者によって対話型で呼び出すことができる。一般的に云えば、情報キューは、検出された特徴60の分類に関して調和者又はその後の診断医に量的又は質的情報を可視形態で又は可聴形態のいずれかで提供する。
人による代わりに、調和プロセスはまた、完全に又は部分的にコンピュータ支援調和(CAR)プロセスとすることができる。完全自動化CARプロセスでは、自動化したルーチンにより不一致の特徴76に最終分類を割り当てることができる。しかしながら、部分的自動化CARプロセスは、最終分類を割り当てる前に担当者によって供給される追加の情報を考慮するか、又は担当者による最終的な容認を保留して単に各々の不一致の特徴76に勧告的分類を割り当てるかのいずれかを行うことができる。自動化プロセスでは、規則に基づいた評価を各々の不一致の特徴76について自動的に実行することができ、これは、担当者及びコンピュータ実行の分類アルゴリズムの両方によって割り当てられた確率や、担当者及びコンピュータ実行の分類アルゴリズムの両方の過去の実績のような因子、或いは集積した医学知識ベース内に含まれている因子などを評価する。集積した医学知識ベースには、例えば、家族歴、遺伝子的疾病素質、人口統計データ、以前の診断、薬物治療などを含めることができる。上記の規則の一例は、コンピュータ実行のルーチンがコンピュータ分類に示した確実性よりも大きい確実性を担当者が示した場合に人為分類を容認することである。
前に述べたように、段階80の食い違い調和プロセスの結果が最終分類画像データ集合84に取り入れられ、最終分類画像データ集合84では、図9に示されているように、各々の不一致の特徴76に最終分類が割り当てられて、最終分類された特徴88を形成している。勿論、判定ブロック82で決定されるように、一致した特徴74が存在する場合、同時発生調和プロセスを実行して、一致した特徴を最終分類画像データ集合84に組み入れることができる。更に、同時発生調和プロセスの際に、要望により、一致した特徴74の検査のために、不一致の特徴76を含む又は不一致の特徴76を含まない同時発生画像を作成することができる。
最終分類画像データ集合84は、患者14の診断及び治療のために臨床医又は医師へ提供することができる。統合データ集合78の場合と同様に、情報キュー86を最終分類画像データ集合84に設けて、最終分類された特徴88の診断上の意義を評価する際に観察者を支援するようにすることができる。情報キュー86は、最終分類された特徴88についての特別な情報、予測される予後情報、悪性腫瘍の確率、分類の確実性に関する統計情報、又は医学テキスト又は雑誌又は集積した医学知識ベースにおいて入手できるような特徴の分類についてのより一般的な情報を含むことができる。
図3を再び参照すると、別個の独立したコンピュータ実行のCADプロセスをCAD第2リーダ(reader)として用いることができる。CAD第2リーダは、コンピュータ実行の特徴検出並びにコンピュータ実行の特徴分類を含めて、画像データ52の完全に独立した分析を実行することができる。簡単にするために、単一のCAD第2リーダを示しているが、追加のCADアルゴリズムを第3及びD4リーダ等として用いることができることは勿論である。追加のCADリーダは以下の説明に従って処理することができる。
段階90で示されているように、コンピュータ実行の特徴検出では、画像データ集合52内の特徴56を検出する。図10に示されているように、これらのコンピュータ検出の特徴92は、画像データ集合52と共に、コンピュータ検出データ集合94を構成する。図10に示されているように、コンピュータ検出画像データ集合94は、(隣接してスラッシュ(/)を付けて示してある)コンピュータ検出の特徴92と、コンピュータ実行の検出ルーチンによって見過ごされて識別されていない特徴64とを含んでいる。検出された特徴60を示すために、それらを表示する場合に、様々な図形表示、テキスト、オーバーレイ、色、強調表示などを用いることができる。また、図示していないが、誤って識別された特徴が存在する可能性があり、それらはコンピュータ実行の検出ルーチンが不正に特徴56として識別した非特徴である。
CAD分類モジュール又はルーチンのようなコンピュータ実行の分類アルゴリズムが、段階96で、コンピュータ検出データ集合94の中の検出された特徴92に適用される。図11に示す第2のコンピュータ分類データ集合98が、コンピュータ検出データ集合94にコンピュータ実行の分類アルゴリズムを適用する段階96で得られる。段階70及び96で適用されるコンピュータ実行の分類アルゴリズムは、異なる分類基準が要望されているか否かに応じて、同じものか又は異なるものにすることができる。例えば、第2リーダの機能のためにより堅実なアルゴリズムが要望されることがある。しかしながら、段階70及び96で同じコンピュータ実行の分類アルゴリズムを用いた場合、段階58で担当者によって検出され且つ段階90でコンピュータ実行の検出ルーチンによって検出された特徴56は同じように分類される。
しかしながら、例示の目的で、段階70及び96で適用されるコンピュータ実行の分類アルゴリズムが異なっていると仮定する。簡単にするために、図11では、コンピュータ分類アルゴリズム及び担当者の両方によって同様に分類された特徴、すなわち、一致した特徴74が、人為分類を示すために以前に使用した参照文字「A」で示されている。図11において、段階96で実行されるコンピュータ分類アルゴリズムが人為分類と一致しているが、段階70で実行されるコンピュータ分類アルゴリズムと一致していないことを表す不一致の特徴76がまた、人為分類を示す参照文字「A」で示されている。しかしながら、段階96で実行されるコンピュータ分類アルゴリズムが段階70で実行されるコンピュータ分類アルゴリズムと一致しているが、人為分類と一致していないことを表す不一致の特徴76は、コンピュータにより実行された分類の一致を示す参照文字「B」で示されている。同様に、段階96で実行されるコンピュータ分類アルゴリズムが段階70で実行されるコンピュータ分類アルゴリズムと人為分類の両方と一致していないことを表すか、或いはコンピュータ検出の特徴92が段階58で担当者によって検出されなかったことを表す不一致の特徴76は、参照文字「C」で示されている。検出されなかった特徴64には何の分類も与えられないことは理解されよう。段階96で実行されるコンピュータ分類アルゴリズムはまた、コンピュータにより割り当てられた分類に関係した統計上及び確率上の測度を求めることができる。
人為分類データ集合68及び2つのコンピュータ分類データ集合72,98は次いで、前にのべたように組み合わされて、図12に示す統合データ集合78を形成する。例示の目的で、図12は、上述したような各々の不一致の特徴76に関連した分類の調和、並びに、検出段階58及び90の一方によって認識された特徴56のみに関連した分類を示している。担当者による調和を容易にするために、前に述べたように、不一致の分類は、分類のソースと、分類により生じる確率又は確実性の測度とに関連させることができる。一実施形態では、不一致の人為分類及びコンピュータ分類が区別して表示されて、特別の分類が発生した場所を調和者が区別できるようにする。図12は単一の統合データ集合78を示しているが、統合データ集合78は実際には段階的に形成することができる。具体的に述べると、段階70及び96で実行される2つのコンピュータ分類の結果を、段階66の人為分類の結果より前に統合することができる。
統合データ集合78内の不一致の特徴76は、前に述べたように、段階80で調和させて、最終分類された特徴88を含む最終分類画像データ84を生成することができる。統合データ集合78内に何ら不一致の特徴76が存在しない場合、判定ブロック84における食い違い調和をバイパスすることができ、そして、一致した特徴74を調和させて最終分類画像データ84を形成することができる。前に述べたように、最終分類画像データ集合84は、患者14の診断及び治療に使用するために臨床医又は医師に提供することができる。
同時発生及び食い違い調和処理、並びに最終分類画像データ集合84の形成の後、リーダ、医師又はその他の技術者のような任意の指名された職員が、メッセージの表示、電子メール、結果報告書などによって、結果の通知を受け取ることができる。更に、図示していないが、様々なリーダによって何ら特徴が検出されなかった場合、又は統合データ集合78において様々なリーダの間で又は様々な分類者の間で完全な一致がある場合、指名された職員へ通知を発行することができる。これらの場合、検出された特徴が無いこと又は不一致が無いことにより、更なる画像の表示を行わなくよい。従って、上記通知は、特徴の無検出、全ての検出された特徴の一致などの関係のある情報を必要な職員へ供給することによって、検査プロセスを結論付けることができる。
本発明手法によって、画像データを処理する際の品質管理を保証するための機構が提供される。具体的に述べると、画像データについての人による分析を、1つ以上の独立したコンピュータによるCADの検査を介して評価して、食い違いがあれば、それをより注意深く調べることができる。特徴検出又は分類のいずれかについて独立したコンピュータ実行の検査を使用することにより、それ以外では起こり得るような偽陽性又は偽陰性のいずれかを生じる危険が低減される。
本発明は様々な修正や変形を行うことができるが、特定の実施形態を例として図面に示し且つ本書で詳しく説明した。しかしながら、本発明が開示した特定の形態に限定されないことを理解されたい。具体的に述べると、説明した実施形態が医用イメージングに関係しているが、他の形態の画像分析、手荷物及び小包検査のような非侵襲性イメージング、並びに気象、天文、地質及び非破壊材料検査での画像分析が、説明した手法から利益を得ることができることを理解されたい。実際、関心のある特徴を検出および/又は分類する任意の形態のディジタル画像処理は、本手法から利益を得ることができる。本発明は、特許請求の範囲によって定義される本発明の精神及び範囲内に入るの全ての修正、等価物及び代替物を包含するものである。
医学診断用イメージング・システムとして表した模範的な画像データ生成システムの全体を特定の機能要素で表す概略図である。 図1に示した種類の特定のイメージング・システムであって、本発明手法の特定の面に従って採用することのできる模範的なX線イメージング・システムの概略図である。 1つ又はそれ以上のCAD分類アルゴリズムを利用する、本発明手法の一実行形態を示すフローチャートである。 検出し分類すべき特徴を含む医学的画像データ集合の表現図である。 医師により特徴を検出した後の図4の医学的画像データ集合の表現図である。 医師により特徴を分類した後の図5の医学的画像データ集合の表現図である。 CAD分類アルゴリズムにより特徴を分類した後の図5の医学的画像データ集合の表現図である。 統合した後の図6及び図7の医学的画像データ集合の表現図である。 調和させた後の図6及び図7の医学的画像データ集合の表現図である。 CAD検出アルゴリズムにより特徴を検出した後の図4の医学的画像データ集合の表現図である。 CAD分類アルゴリズムにより特徴を分類した後の図10の医学的画像データ集合の表現図である。 統合した後の図6、図7及び図11の医学的画像データ集合の表現図である。 調和させた後の図6、図7及び図11の医学的画像データ集合の表現図である。
符号の説明
10 イメージング・システム
14 患者
22 オペレータ・インターフェース
30 ディジタルX線イメージング・システム
32 放射線源
34 放射線ビーム
36 コリメータ
38 ディジタル検出器
50 画像検査プロセス
52 画像データ集合
54 肺
56 関心のある特徴
60 人により検出された特徴
62 人為検出データ集合
64 識別されていない特徴
68 人為分類データ集合
72 コンピュータ分類データ集合
74 一致した特徴
76 不一致の特徴
78 統合データ集合
84 最終分類画像データ集合
86 情報キュー
88 最終分類された特徴
92 コンピュータ検出の特徴
94 コンピュータ検出データ集合
98 第2のコンピュータ分類データ集合

Claims (12)

  1. エンド・ユーザによって使用するための画像を処理する方法であって、
    一人以上の分析者に対して画像データ集合(52)を提供する段階であって、あ分析者によって前記画像データ集合(52)内の1つ以上の特徴(60)を検出(58)して特徴検出データ集合(62)を生成するようにする段階と、
    前記特徴検出データ集合(62)を一人以上の分類者に対して提供する段階であって、分類者によって前記1つ以上の特徴(60)の各々を第1の分類法で分類(66)して人為分類データ集合(68)を生成するようにする段階と、
    前記特徴検出データ集合(62)に1つ以上のコンピュータ実行の分類ルーチンを適用して、該コンピュータ実行の分類ルーチンによって前記1つ以上の特徴(60)の各々を第2の分類法で分類(70)してコンピュータ分類データ集合(72)を生成する段階と、
    前記人為分類データ集合(68)と前記コンピュータ分類データ集合(72)とを組み合わせて、統合画像データ集合(78)を形成する段階と、
    前記統合画像データ集合(78)の中に存在する前記人為分類データ集合(68)と前記コンピュータ分類データ集合(72)との間の1つ以上の食い違い(76)を調和(80)させて、最終画像データ集合(84)を形成する段階と、
    を有している方法。
  2. 1つ以上の食い違い(76)を調和させる前記段階(80)が、1つ以上の食い違い(76)を手動で調和させる段階を含んでいる、請求項1記載の方法。
  3. 1つ以上の食い違い(76)を調和させる前記段階(80)が、1つ以上の食い違い(76)を自動的に調和させる段階を含んでおり、該自動的に調和させる段階が完全な及び部分的なコンピュータ支援調和ルーチンの一方を有している、請求項1記載の方法。
  4. 更に、前記最終画像データ集合(84)基づいて患者(14)についての好ましい医学的処置を決定する段階を含んでいる請求項1記載の方法。
  5. 更に、観察者に対して情報キュー(86)を表示する段階を含んでいる請求項1記載の方法。
  6. 前記情報キュー(86)は、統計的測度、分類説明、病気予後の評価、第1の分類及び第2の分類のうちの少なくとも1つを観察者に提供する、請求項5記載の方法。
  7. 前記情報キュー(86)は、可視マーカー、テキストに基づいたメッセージ、数値評価、色分け及び差別的な陰影付けのうちの少なくとも1つを含んでいる、請求項5記載の方法。
  8. 撮像装置(12)と、
    前記撮像装置(12)を動作させるように構成されたシステム制御回路(16)と、 前記撮像装置によって収集された画像データ集合(52)にアクセスするように構成されたデータ収集回路(18)と、
    前記システム制御回路(16)及びデータ処理回路(20)の少なくとも一方と相互作用するように構成され、且つ分析者が前記画像データ集合(52)内の1つ以上の特徴(60)を検出(58)して特徴検出データ集合(62)を形成すると共に、各々の特徴(60)を人為分類法で分類(66)して人為分類データ集合(68)を生成することができるように構成されているオペレータ・インターフェース(22)と、
    前記特徴検出データ集合(62)にコンピュータ実行の分類ルーチンを適用することにより、各々の特徴(60)を第2の分類法で分類(70)してコンピュータ分類データ集合(72)を生成し、前記人為分類データ集合(68)と前記コンピュータ分類データ集合(72)とを組み合わせて統合画像データ集合(78)を形成し、更に前記人為分類データ集合(68)と前記コンピュータ分類データ集合(72)とを調和(80)させて最終画像データ集合(84)を形成するように構成されているデータ処理回路(20)と、
    を有している画像分析システム(10)。
  9. 前記オペレータ・インターフェース(22)は更に、1つ以上の食い違い(76)を調和(80)させるために調和者が前記データ処理回路(20)に1つ以上の調和判定を手動入力することができるように構成されている、請求項8記載の画像分析システム(10)。
  10. 前記データ処理回路(20)は更に、1つ以上の食い違い(76)を完全自動化又は部分的自動化した態様で自動的に調和させるように構成されている、請求項8記載の画像分析システム(10)。
  11. 前記オペレータ・インターフェース(22)は更に、1つ以上の情報キュー(86)を前記統合画像データ集合(78)及び前記最終画像データ集合(84)の少なくとも一方と共に表示するように構成されている、請求項8記載の画像分析システム(10)。
  12. 前記1つ以上の情報キュー(86)は、統計的測度、分類説明、病気予後の評価、第1の分類及び第2の分類のうちの少なくとも1つを提供する、請求項11記載の画像分析システム(10)。
JP2003419027A 2002-12-18 2003-12-17 コンピュータ支援調和法 Withdrawn JP2004213643A (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
US10/323,986 US20040120558A1 (en) 2002-12-18 2002-12-18 Computer assisted data reconciliation method and apparatus

Publications (1)

Publication Number Publication Date
JP2004213643A true JP2004213643A (ja) 2004-07-29

Family

ID=32393051

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2003419027A Withdrawn JP2004213643A (ja) 2002-12-18 2003-12-17 コンピュータ支援調和法

Country Status (4)

Country Link
US (1) US20040120558A1 (ja)
EP (1) EP1431916A1 (ja)
JP (1) JP2004213643A (ja)
CA (1) CA2452046A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009075951A (ja) * 2007-09-21 2009-04-09 Fujifilm Corp 評価管理システム及び評価管理装置及び評価管理方法
JP2020518364A (ja) * 2017-05-02 2020-06-25 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. X線システムにおける診断支援
WO2022064838A1 (ja) * 2020-09-28 2022-03-31 富士フイルム株式会社 情報処理システム、情報処理方法、及び情報処理プログラム
WO2022113587A1 (ja) * 2020-11-27 2022-06-02 富士フイルム株式会社 画像表示装置、方法およびプログラム

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7729523B2 (en) * 2004-12-21 2010-06-01 General Electric Company Method and system for viewing image data
US20060212142A1 (en) * 2005-03-16 2006-09-21 Omid Madani System and method for providing interactive feature selection for training a document classification system
CA2610345C (en) * 2005-06-02 2013-12-24 The Medipattern Corporation System and method of computer-aided detection
US8014576B2 (en) * 2005-11-23 2011-09-06 The Medipattern Corporation Method and system of computer-aided quantitative and qualitative analysis of medical images
US20070124255A1 (en) * 2005-11-28 2007-05-31 Tripwire, Inc. Pluggable heterogeneous reconciliation
US7970188B2 (en) * 2006-11-22 2011-06-28 General Electric Company Systems and methods for automatic routing and prioritization of exams based on image classification
CN101727454A (zh) * 2008-10-30 2010-06-09 日电(中国)有限公司 用于对象自动分类的方法和系统
US8786873B2 (en) 2009-07-20 2014-07-22 General Electric Company Application server for use with a modular imaging system
US8243882B2 (en) 2010-05-07 2012-08-14 General Electric Company System and method for indicating association between autonomous detector and imaging subsystem

Family Cites Families (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US324046A (en) * 1885-08-11 Car-brake
US323178A (en) * 1885-07-28 Drill-chuck
US323202A (en) * 1885-07-28 Peters
US323201A (en) * 1885-07-28 Eeinhaed poensgen
US323452A (en) * 1885-08-04 Whip-socket
US323204A (en) * 1885-07-28 Steam-trap
US324048A (en) * 1885-08-11 Walteb h
US323064A (en) * 1885-07-28 Stephen a
US323260A (en) * 1885-07-28 Washing-machine
US323086A (en) * 1885-07-28 Method of constructing roads
US323080A (en) * 1885-07-28 Car-coupling
US323335A (en) * 1885-07-28 Ferdinand hobrl
US4835690A (en) * 1985-11-19 1989-05-30 Picker International, Inc. Integrated expert system for medical imaging scan, set-up, and scheduling
US4945476A (en) * 1988-02-26 1990-07-31 Elsevier Science Publishing Company, Inc. Interactive system and method for creating and editing a knowledge base for use as a computerized aid to the cognitive process of diagnosis
US5235510A (en) * 1990-11-22 1993-08-10 Kabushiki Kaisha Toshiba Computer-aided diagnosis system for medical use
US5537485A (en) * 1992-07-21 1996-07-16 Arch Development Corporation Method for computer-aided detection of clustered microcalcifications from digital mammograms
US5359513A (en) * 1992-11-25 1994-10-25 Arch Development Corporation Method and system for detection of interval change in temporally sequential chest images
EP0616290B1 (en) * 1993-03-01 2003-02-05 Kabushiki Kaisha Toshiba Medical information processing system for supporting diagnosis.
US6574357B2 (en) * 1993-09-29 2003-06-03 Shih-Ping Wang Computer-aided diagnosis method and system
US5935060A (en) * 1996-07-12 1999-08-10 First Opinion Corporation Computerized medical diagnostic and treatment advice system including list based processing
US5434932A (en) * 1994-07-28 1995-07-18 West Publishing Company Line alignment apparatus and process
US5519786A (en) * 1994-08-09 1996-05-21 Trw Inc. Method and apparatus for implementing a weighted voting scheme for multiple optical character recognition systems
EP0950379B1 (en) * 1994-10-07 2004-03-31 St. Louis University Device for use with a surgical navigation system
US6978166B2 (en) * 1994-10-07 2005-12-20 Saint Louis University System for use in displaying images of a body part
AU1837495A (en) * 1994-10-13 1996-05-06 Horus Therapeutics, Inc. Computer assisted methods for diagnosing diseases
US6684188B1 (en) * 1996-02-02 2004-01-27 Geoffrey C Mitchell Method for production of medical records and other technical documents
US6108635A (en) * 1996-05-22 2000-08-22 Interleukin Genetics, Inc. Integrated disease information system
US5815591A (en) * 1996-07-10 1998-09-29 R2 Technology, Inc. Method and apparatus for fast detection of spiculated lesions in digital mammograms
US5839438A (en) * 1996-09-10 1998-11-24 Neuralmed, Inc. Computer-based neural network system and method for medical diagnosis and interpretation
US5987345A (en) * 1996-11-29 1999-11-16 Arch Development Corporation Method and system for displaying medical images
JP2815346B2 (ja) * 1997-01-31 1998-10-27 株式会社亀田医療情報研究所 医療計画支援システム
JP2002512712A (ja) * 1997-03-13 2002-04-23 ファースト オピニオン コーポレイション 疾患管理システム
US6317617B1 (en) * 1997-07-25 2001-11-13 Arch Development Corporation Method, computer program product, and system for the automated analysis of lesions in magnetic resonance, mammogram and ultrasound images
US6058322A (en) * 1997-07-25 2000-05-02 Arch Development Corporation Methods for improving the accuracy in differential diagnosis on radiologic examinations
US6021404A (en) * 1997-08-18 2000-02-01 Moukheibir; Nabil W. Universal computer assisted diagnosis
US6970587B1 (en) * 1997-08-28 2005-11-29 Icad, Inc. Use of computer-aided detection system outputs in clinical practice
US5999639A (en) * 1997-09-04 1999-12-07 Qualia Computing, Inc. Method and system for automated detection of clustered microcalcifications from digital mammograms
US6049794A (en) * 1997-12-09 2000-04-11 Jacobs; Charles M. System for screening of medical decision making incorporating a knowledge base
US6801645B1 (en) * 1999-06-23 2004-10-05 Icad, Inc. Computer aided detection of masses and clustered microcalcifications with single and multiple input image context classification strategies
US6941323B1 (en) * 1999-08-09 2005-09-06 Almen Laboratories, Inc. System and method for image comparison and retrieval by enhancing, defining, and parameterizing objects in images
US6901156B2 (en) * 2000-02-04 2005-05-31 Arch Development Corporation Method, system and computer readable medium for an intelligent search workstation for computer assisted interpretation of medical images
US20020007294A1 (en) * 2000-04-05 2002-01-17 Bradbury Thomas J. System and method for rapidly customizing a design and remotely manufacturing biomedical devices using a computer system
US6701174B1 (en) * 2000-04-07 2004-03-02 Carnegie Mellon University Computer-aided bone distraction
US20010037219A1 (en) * 2000-04-27 2001-11-01 Malik Stephen Nabeil Systems, methods and computer program products for facilitating one-to-one secure on-line communications between professional services providers and remotely located clients
US7103205B2 (en) * 2000-11-24 2006-09-05 U-Systems, Inc. Breast cancer screening with ultrasound image overlays
US7615008B2 (en) * 2000-11-24 2009-11-10 U-Systems, Inc. Processing and displaying breast ultrasound information
US7130457B2 (en) * 2001-07-17 2006-10-31 Accuimage Diagnostics Corp. Systems and graphical user interface for analyzing body images
US7054473B1 (en) * 2001-11-21 2006-05-30 R2 Technology, Inc. Method and apparatus for an improved computer aided diagnosis system

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009075951A (ja) * 2007-09-21 2009-04-09 Fujifilm Corp 評価管理システム及び評価管理装置及び評価管理方法
JP2020518364A (ja) * 2017-05-02 2020-06-25 コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. X線システムにおける診断支援
WO2022064838A1 (ja) * 2020-09-28 2022-03-31 富士フイルム株式会社 情報処理システム、情報処理方法、及び情報処理プログラム
JP7404555B2 (ja) 2020-09-28 2023-12-25 富士フイルム株式会社 情報処理システム、情報処理方法、及び情報処理プログラム
WO2022113587A1 (ja) * 2020-11-27 2022-06-02 富士フイルム株式会社 画像表示装置、方法およびプログラム

Also Published As

Publication number Publication date
CA2452046A1 (en) 2004-06-18
EP1431916A1 (en) 2004-06-23
US20040120558A1 (en) 2004-06-24

Similar Documents

Publication Publication Date Title
JP7069359B2 (ja) 深層学習を使用して癌検出を改善するための方法およびシステム
Si et al. Fully end-to-end deep-learning-based diagnosis of pancreatic tumors
US6125194A (en) Method and system for re-screening nodules in radiological images using multi-resolution processing, neural network, and image processing
US7263214B2 (en) Computer aided diagnosis from multiple energy images
US6760468B1 (en) Method and system for the detection of lung nodule in radiological images using digital image processing and artificial neural network
US7529394B2 (en) CAD (computer-aided decision) support for medical imaging using machine learning to adapt CAD process with knowledge collected during routine use of CAD system
US7515743B2 (en) System and method for filtering a medical image
US8401255B2 (en) Computer-assisted reconciliation of multiple image reads
US20040100476A1 (en) Method and apparatus for viewing computer aided detection and diagnosis results
US20210312618A1 (en) Immediate Workup
JP2009516551A (ja) 医用画像の定量的および定性的なコンピュータ支援分析方法およびシステム
US20180053297A1 (en) Methods and Apparatuses for Detection of Abnormalities in Low-Contrast Images
JP2004213643A (ja) コンピュータ支援調和法
Elfarra et al. Computer-aided detection of bone metastasis in bone scintigraphy images using parallelepiped classification method
Xu et al. Severity assessment of COVID-19 using a CT-based radiomics model
Hong et al. Automated coronary artery calcium scoring using nested U-Net and focal loss
CN109937433B (zh) 用于x射线图像中的不透明区的检测的装置
Yang et al. Deep learning attention-guided radiomics for COVID-19 chest radiograph classification
Qian et al. Knowledge-based automatic detection of multitype lung nodules from multidetector CT studies
Janjua et al. Chest x-ray anomalous object detection and classification framework for medical diagnosis
CN112292691B (zh) 用于使用深度学习提高癌症检测的方法与系统
Gomathi et al. Computer aided medical diagnosis system for detection of lung cancer nodules: a survey
Reddy et al. Different Algorithms for Lung Cancer Detection and Prediction
Surya et al. Automatic tuberculosis detection using chest radiographs using its features abnormality analysis
Gozzi et al. Image embeddings extracted from CNNs outperform other transfer learning approaches in chest radiographs’ classification

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20061214

A761 Written withdrawal of application

Free format text: JAPANESE INTERMEDIATE CODE: A761

Effective date: 20090108