JP2007520278A - 例に基づく診断決定支援装置及び方法 - Google Patents

Abstract

コンピュータ支援診断（ＣＡＤ）技術は、既知の悪性又は良性の病態の腫瘍の群のそれぞれの画像に対して診断されていない腫瘍の画像を適合させる（１０４、２０８）。悪性の腫瘍の画像のデータベースが指定されるか又は、良性の腫瘍の画像のデータベースが指定される（１１２）。類似性に関して最も近い参照腫瘍画像の群が指定されたデータベースから見つけられる（２２８）。テスト画像と参照画像の群との間の類似度が、テスト画像と参照画像との間の最小マハラノビス距離により決定される（２１６）。その群は、異なる画像を有するように遺伝子的アルゴリズムにより変えられ、次いで、距離について調べられ、この処理は繰り返して実行され、停止基準の支配下に置かれる。

Description

本発明は、自動化診断支援に関し、特に、類似する既知の場合の例を与える支援に関する。

医療診断判定システム又はコンピュータ支援診断（ＣＡＤ）システムは、デジタル画像において検出された未知の腫瘍を、悪性腫瘍又は良性腫瘍などの異なるカテゴリに分類するために用いられる。通常、例えば、判定ツリー及びニューラルネットワーク等の機械学習技術が、グランドトゥルースを有する複数の既知の場合、即ち、診断が、病態により確認された場合に基づいて分類器を構築するために使用される。一旦、分類器が、入力として特徴の集合を受け入れるために生成されると、分類器への入力についてのそのような特徴を未知の腫瘍の場合から抽出することにより実行される。分類器出力は、未知の腫瘍の評価された性質（例えば、悪性／良性）を示し、任意に、信頼値を示す。医療用撮像設備の正確度が改善されるにつれ、この種のコンピュータ支援診断は、医師にとって益々重要になってきている。

“Ｍｅｔｈｏｄ，Ｓｙｓｔｅｍ ａｎｄ Ｃｏｍｐｕｔｅｒ Ｒｅａｄａｂｌｅ Ｍｅｄｉｕｍ ｆｏｒ ａｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｅａｒｃｈ Ｗｏｒｋｓｔａｔｉｏｎ ｆｏｒ Ｃｏｍｐｕｔｅｒ Ａｓｓｉｓｔｅｄ Ｉｎｔｅｒｐｒｅｔａｔｉｏｎ ｏｆ Ｍｅｄｉｃａｌ Ｉｍａｇｅｓ”と題されたＧｉｇａｒ等による米国特許出願公開第２００１／００４３７２９号明細書（以下、“Ｇｉｇｅｒ”と表す）は、病態の可能性を含む診断を自動的に決定するための分類器の使用、データベースからまた、検索し、診断されたケースに類似することが決定された例又は既知のケースをスクリーン上に表示する装置について開示している。引き出されたケースは、腫瘍が悪性であるか又は良性であるかを示すように、ディスプレイに色分けして示される。

テストケースと既知のケースとの間の類似性は、それら２つのケース間のユークリッド距離に基づいて評価される。特に、特徴は、腫瘍の画像において識別できる縁、形状、密度及び癌放射のような病態の有無に関連することが判断される。各々の特徴についてのテストケースと既知のケースとの間の値の差はｎ次元のスカラーを決定し、そのｎ次元のスカラーの距離はテストケースと既知のケースとの間のユークリッド距離である。最小のユークリッド距離を有する、悪性又は良性のケースの所定数が、放射線技師又は医師が観測するために、ディスプレイを満たすように選択される。

１対１対応に基づく類似度の評価においては、しかしながら、Ｇｉｇｅｒの特許文献においては、特徴間の相互関係については記載されていず、それ故、表示についての最適なケースの群より少ないケースを供給される。

また、“Ｇｉｇｅｒ”におけるように、隣り合って散在されるように悪性及び良性両方のケースを表示することは、混乱を招き、同じタイプの、即ち、悪性又は良性の望ましい数の類似するケースを表示することに対してスクリーンの面積の量を制限する。
米国特許出願公開第２００１／００４３７２９号明細書

本発明は、上記先行技術の短所に対処するものである。本発明の目的は、悪性又は両性のような腫瘍の自動診断を補って完全にするものとして、既知のケースの画像を表示のために選択することであり、その既知のケースの類似度は、ユークリッド距離を用いて達成される、高い類似度を与える１対多メトリックにより評価されるものである。

要約すれば、腫瘍のテスト医療用多特徴画像は、悪性であることが判定された腫瘍の参照医療用多特徴画像の収集と、又は、テスト画像に関する特徴が類似する参照画像を特定するように、非悪性腫瘍の画像の類似性収集と比較される。参照画像は、選択された画像のそれぞれの群を構成するように、好ましい収集から選択される。遺伝子的アルゴリズムが、群を部分的に変えるように、及び、どの群がテスト画像の特徴値及び群の参照画像の特徴値に基づいてテスト画像に対して最小距離にあるかを判定するように適用される。

以下、図を参照して、本発明の詳細について説明する。

図１は、本発明に従った、例示としてのサンプルに基づく診断判定支援システム１００の処理フローを示している。システム１００は、本発明に従ったソフトウェアを実行する米国特許出願公開第２００１／００４３７２９号明細書（Ｇｉｇｅｒによる）に示されている汎用コンピュータとして、又は、代替として、本発明を同様に具体化する対応する専用処理器として、実施されることが可能である。

図１に示すように、システム１００は、分類器１０４と、既知のケースについてのデータベース１０８と、表示スクリーン及びキーボード（図示せず）等の要素及びアプリケーションロジックを有する入力／出力モジュール１１２とを有する。分類器１０４は、データベース１０８又は他のデータベースからの複数の既知の腫瘍のケースに関して訓練されたものである。学習プロセスは、例えば、判定ツリー、人工的なニューラルネットワーク又はスパイクニューラルネットワーク等の多くの既存の機械学習方法の何れにより実行されることが可能である。

新たな腫瘍を分析するために、特徴は入力／出力モジュール１１２により抽出され、分類器１０４に供給される。分類結果は、悪性、良性又は悪性度の判定された可能性であることが可能である。

この結果を受信するとき、入力／出力モジュール１１２は、新たな腫瘍の各々の抽出された特徴、腫瘍の特徴、即ち、悪性又は良性、及び必要な例の数についての値を含む要求をデータベース１０８に送信する。分類結果が５０％より大きい可能性を示す場合、腫瘍の性質は悪性であり、そうでない場合、その腫瘍の性質は良性である。データベース１０８は２つの集合であって、悪性のケースのみを有する一と、良性のケースのみを有する他の一に分類される。新たな腫瘍の性質が悪性である場合、悪性のケースを有する集合は、類似するケースについて検索され、そうでない場合、他の集合が検索される。

一旦、類似するケースが検索されると、入力／出力モジュール１１２は、ユーザに分類結果、新たな腫瘍の画像及び最も似ているケースの画像を表示する。

図２は、非制限的な例示として、本発明に従ったプロセスについて示している。新たな腫瘍に似たケースを見つけるためにそのシステム１００を用いる前に、データベース１０８が、病態に従って悪性の集合及び良性の集合に分類することにより準備される。この準備は、好ましくは、各々の集合におけるケースについて個別に連続して番号付けすることにより行われる。したがって、例えば、１０００個の悪性のケースが存在する場合、それらの悪性のケースは、０から９９９まで番号付けされることが可能である（段階２０４）。

新たな腫瘍を処理することにおいて、類似するケースは、指定された集合から、即ち、新たな腫瘍に基づいて分類器１０４により決定された分類結果により指定された集合から検索される。

検索を一種類のケースに限定することは、医師に対して同時に表示されることが可能であるケースの数を増加させる。増加したケースの数及びそれらの単一のタイプ、即ち、悪性又は良性のタイプは、本発明の有利点に対して用いられる１対多の距離メトリックの有効性を改善する。１対多の距離メトリックについて適切なケースの群を求める困難性は、下で更に詳細に説明する遺伝的アルゴリズムを用いて克服される。

本発明の方法にしたがった検索は、先ず、指定された集合からの所定数のケースの初期的選択を含む。本発明の遺伝的アルゴリズムにより、その選択における反復変化により、たとえ初期的にどのように選択されようと、最終的に最適なケースの群がもたらされるため、このような選択はランダムであることが可能である。乱数発生器が、この目的のためにシステム１００に含まれることが可能である。それにも拘らず、より高速の結果を得るために、初期のケースの群は、類似性の比較的粗い指標に基づいて選択される。ユークリッド距離のような１対１メトリックが、例えば、実施される。

初期に選択されたケースは、群又は“遺伝子”に割り当てられる。それ故、例えば、ｎｘｍ個の選択されたケースはｎ個の遺伝子の集合であって、各々の遺伝子はｍ個の参照画像から成る、ｎ個の遺伝子の集合に分類される（段階２０８）。初期的に選択されたケース数は、好ましくは、放射線技師又は医師により特定された望ましい例の数に基づき、その数に対して、デフォルト値が与えられることが可能である。各々の遺伝子は、好ましくは、遺伝子のｍ個の画像にそれぞれ対応するケース数を結びつけることにより生成される（段階２１２）。図３には例示を示し、その図においては、実例の簡単化のために、０から１５までの１６個の参照画像のみの指定された集合を仮定している。４に等しいｍ個のセットを用いて、９、１、１１及び３と番号付けされた画像が、それらの画像９、１、１１及び１３に対応するビット３１８を結び付けることにより生成される遺伝子３０４について最初に選択される。その結び付けは、事実上、１つの合成ビット列３０８に４つの画像数９、１、１１、１３に対応する４つのビット列を組み立てる。一般に、組み立てにおいてＮ個の参照画像がある場合、画像数は、好ましくは、シーリング（ＬＯＧ２（Ｎ））ビットで好適に構成され、ここで、シーリング関数は２番目に大きい整数を切り上げる。１０００個の画像の集合は、それ故、各々１０ビットを有する画像数により指数付けされる。

図２を再び参照するに、マハラノビス距離は、遺伝子的アルゴリズムにしたがってまさに生成されるセットのｎ個の遺伝子の各々について決定される。下で更に詳細に説明するように、本発明にしたがって、マハラノビス距離が遺伝子についてまだ計算されていない場合、遺伝子的アルゴリズムはそのマハラノビス距離を反復して計算する。マハラノビス距離（又は、“メトリック”）は、未知のサンプルと既知のサンプルとの間の類似性の指標であって、各々のサンプルは適合特性を有し、その適合特性の値はサンプルにより変化する。そのメトリックは、一部は、群内分散及び共分散に基づき、そのメトリックは、マハラノビス距離を１対多の類似性のより厳密な指標にする。本発明において適用するように、マハラノビス距離は、テスト画像、即ち、新たな腫瘍の画像と、参照画像の群又は遺伝子との間で計算される。好ましくは、その群の画像は、悪性又は良性の同じ既知の病態の全てである。これは、もたらされるべきマハラノビス距離が、１対１類似性技術より、その群とテスト画像との間の、より意味のある類似性、即ち、類似する病態が演繹することができる類似性をもたらすことを可能にする。演算可能であるように、マハラノビス距離は、最小距離で到達するように遺伝子的アルゴリズムにより反復的に変化する遺伝子について、それ故、最適な遺伝子について計算される。マハラノビス距離についての標準式は次式のようであり、
Ｄ^２ _Ｇ（Ｔ）＝（Ｔ−μ_Ｇ）Ｓ_Ｇ ^−１（Ｔ−μ_Ｇ）´
ここで、Ｄはマハラノビス距離であり、Ｔはテスト画像の特性値の一列マトリクスであり、Ｓ_Ｇは群内共分散マトリクスであり、μ_Ｇは群の特性値の手段の列マトリクスである。

最初に、マハラノビス距離に基づく参照画像の最適な分を求めるタスクは簡単な問題ではなく、必要とされる参照画像の数の有効な組み合わせ全てを試みる強引な方法は、データベースが非常に多数の既知のケースを有する場合に、時間及び処理資源に関して実現可能ではない。

遺伝的アルゴリズムは、解決方法が未知である問題を解くのに適切であるアルゴリズムの集合であり、その遺伝的アルゴリズムについて、与えられる解は容易に評価されることができる。問題解決策の群は、それぞれのその問題の解を各々、提供するように強化される。それらの解はメリットに関連し、最適な解を提供する問題解決策は、時間経過につれて、受け入れられる適切な最終的な解に反復的に到達するように、次の問題解決策の世代に遺伝子的資料に対してそれらの遺伝子的資料を提供するように選択される。遺伝子的資料を提供するための遺伝子的アルゴリズムで用いられる技術の中には、突然変異及びクロスオーバーがあり、ここでは、例えば、ランダム変動は、偶然に、更に適切な問題解決策をもたらすように最も適切に実行できる問題解決策に対して制限される。低い実行策は、反復毎に確認されるとき、排除される。このようにして、より適切な解決策を進展することができる。

本発明に従って、図２を再び参照するに、一旦、マハラノビス距離が各々の遺伝子について決定される（段階２１６、２２０）と、基準停止が適合されたかどうかが判定される（段階２２４）。基準停止は、予め決定されたマハラノビス距離又は処理時間限界のような閾値であることが可能である。

停止閾値が適合されなかった場合、１つ又はそれ以上のランダムクロスオーバー及び／又は突然変異が、テスト画像に対して最小のマハラノビス距離を有する遺伝子に適用されることが可能である（段階２２８）。クロスオーバー及び／又は突然変異を用いる場合、新たに発生した遺伝子が存在し、最も大きいマハラノビス距離を有する遺伝子は捨てられ、好ましくは、集合において一定の数の遺伝子の範囲に維持される。

図３を再び参照するに、突然変異の一実施例が、遺伝子３０８のゼロビット３１２において、そのビットを１ビット３１６に変えるように実行される。実際には、参照番号３２０の画像数１が参照番号３２４の画像数５に変換されるように、１ビットは０ビットと置き換えられる。換言すれば、参照画像１は参照画像５で置き換えられ、好ましくは、新しい付加的遺伝子３２８が、その遺伝子の集合の付加的メンバーとして、遺伝子的アルゴリズムにより操作される。突然変異は、そのアルゴリズムの全ての反復において生じる必要はなく、好ましくは、遺伝子のビットに対してランダムに適用される。重要なことに、遺伝子的アルゴリズムは遺伝子的資料を提供することに基づいているため、何れの所定の突然変異は、一般に、遺伝子の１画像ならぬ画像に、非常に好ましくは、全部ではない遺伝子の画像に影響を与える。

図４は、クロスオーバーの２つの実施例を示している。第１実施例において示しているように、黒くハッチングされた図４に示す遺伝子４０４の３つのビットは、遺伝子４０４に対してハッチングなしで示されている遺伝子４０８の３つのビットに同様に変換する交換により、遺伝子４０８に変換される。遺伝子４１２、４１６についての第２実施例における交換は、全てが連続的でない３つのビットについて実行される。その交換は、好ましくは、それらのビットに対してランダムに適用され、突然変異の交換より高い頻度で適用される。そのアルゴリズムの他のパラメータのように、交換されるビット数は、最も高い類似性を求めることの厳密さと経験的に決定される処理時間／資源との望ましいトレードオフを達成するように設定されることができる。

上で示したように、本発明は、既知の１対１類似性メトリクスにより得られる表示に比べて、病態の予測としてより類似性が高く、より信頼性が高い既知の腫瘍のケースの表示を有する自動化診断判定支援をユーザに与える。

本発明の好適な実施形態であるとみなされるものについて、上記のように図示し且つ詳述したが、勿論、本発明の主旨から逸脱することなく、種々の修正及び変形が、形式的に又は詳細に、容易に実施されることが可能であると理解されるであろう。例えば、ユーザは、逆の結果に基づいて、そのシステム１００が検索するようにするために、分類結果を無効にすることが可能であり、それ故、医師は、先ず、類似する悪性のケースを理解することができ、次いで、良性のケースを理解することができ、又はその逆もできる。それ故、本発明は、詳述されたまさにその形に限定されるものではなく、例示的なものであり、同時提出の特許請求の範囲における範囲内にある修正全てを網羅するように構成されるように意図されている。

本発明に従ったシステムの概観を示すフロー図である。 本発明に従った処理の実施例を示すフロー図である。 本発明に従った画像検索処理の概念図である。 本発明に従った他の画像検索処理の概念図である。

Claims (19)

1. テスト画像に関する特徴に類似する参照画像の収集を特定するように、腫瘍のテスト医療用多特徴画像を、悪性であると判定された腫瘍の参照医療用多特徴画像の収集と、又は、非悪性であると判定された腫瘍の参照医療用多特徴画像の収集と比較する装置であって、前記テスト画像及び前記医療用画像の特徴各々はそれぞれ値を有する、装置であり、前記装置は前記２つの収集の一を指定し、前記選択された画像のそれぞれの群を構成するように前記の指定された一の収集から参照画像を選択し、群の一を変えるように、及び、どの群が、前記値に基づいて、前記テスト画像に対して最小距離にあるかを判定するように遺伝子的アルゴリズムを適用するための処理器を有することを特徴とする装置。
2. 請求項１に記載の装置であって、前記選択は前記群の集合を構成し、前記適用は、前記テスト画像から前記集合の前記群のそれぞれ一までの距離に基づいて及び停止基準が適合されるまで、前記集合の新しい群を前記集合の群から繰り返して引き出す、ことを特徴とする装置。
3. 請求項２に記載の装置であって、前記処理器はマハラノビス距離として距離を計算するようになっている、ことを特徴とする装置。
4. 請求項２に記載の装置であって、前記装置は、前記値に基づいて及びマハラノビス距離が未だに計算されていない群の各々のために、前記テスト画像と前記群との間のマハラノビス距離を計算し、停止基準が適合されたかどうか又は前記基準が適合されなかったかどうかを判定し、前記群の少なくとも１つにおいて、前記指定された収集内の異なる画像を前記選択された画像の少なくとも１つと置き換え、そして、他の反復を開始するように前記計算を反復することにより得られる反復を実行するようになっている、ことを特徴とする装置。
5. 請求項４に記載の装置であって：
   それぞれの数を前記指定された収集における前記画像の各々に割り当てる段階；
   前記数の中から選択する段階；及び
   前記群のそれぞれ一に対応する複数の合成ビット列を構成するように前記選択された数を表すビット列を組み立てる段階；
   を実行するようになっている、ことを特徴とする装置。
6. 請求項５に記載の装置であって、前記処理器は、前記置き換えの実行において、前記組み立てる段階における構成要素としての役割を果たす少なくとも１つのビット列を変えないように少なくとも１つの付加合成ビット列を生成するように複数の合成ビット列の少なくとも１つの合成ビット列の少なくとも１つのビットを変えるようになっている、ことを特徴とする装置。
7. 請求項５に記載の装置であって、前記組み立ては、前記合成ビット列の生成において代表的なビット列を結合させる、ことを特徴とする装置。
8. 請求項５に記載の装置であって、前記置き換えは、前記合成ビット列の中から選択することと、少なくとも１つの付加合成ビット列を生成するように前記合成ビット列の選択された１つの少なく共１つのビットを変えることとを有する、ことを特徴とする装置。
9. 請求項５に記載の装置であって、前記置き換えは、前記合成ビット列の対の間でビットを交換するステップを有する、ことを特徴とする装置。
10. 請求項５に記載の装置であって、前記群の前記少なくとも１つにおける前記置き換えは、前記合成ビット列の対の間でビットを交換する段階を有する、ことを特徴とする装置。
11. 請求項１に記載の装置であって、前記処理器はマハラノビス距離として前記距離を計算するようになっている、ことを特徴とする装置。
12. 請求項１に記載の装置であって、前記参照画面の中からの前記選択の実行において、ランダムに選択するための乱数発生器を有する、ことを特徴とする装置。
13. テスト画像に関する特徴に類似する参照画像の収集を特定するように、腫瘍のテスト医療用多特徴画像を、悪性であると判定された腫瘍の参照医療用多特徴画像の収集と、又は、非悪性であると判定された腫瘍の参照医療用多特徴画像の収集と比較する方法であって、前記テスト画像及び前記医療用画像の特徴各々はそれぞれ値を有する、方法であり：
    ａ）前記２つの収集の一を指定する段階；
    ｂ）前記選択された画像のそれぞれの群を生成するように前記の指定された一の収集から参照画像を選択する段階；並びに
    ｃ）群の一を変えるように、及び、どの群が、前記値に基づいて、前記テスト画像に対して最小距離にあるかを判定するように遺伝子的アルゴリズムを適用する段階；
    を有することを特徴とする方法。
14. 請求項１３に記載の方法であって、前記距離はマハラノビス距離である、ことを特徴とする方法。
15. 請求項１３に記載の方法であって、前記段階ｂ）は前記群の集合を生成し、前記段階ｃ）は、前記テスト画像から前記集合の前記群のそれぞれ一までの距離に基づいて及び停止基準が適合されるまで、前記集合の新しい群を前記集合の群から繰り返して引き出す、ことを特徴とする方法。
16. 請求項１３に記載の方法であって：
    それぞれの数を前記指定された収集における前記画像の各々に割り当てる段階；
    前記数の中から選択する段階；及び
    前記群のそれぞれ一に対応する複数の合成ビット列を構成するように前記選択された数を表すビット列を組み立てる段階；
    を更に有する、ことを特徴とする方法。
17. 請求項１３に記載の方法であって：
    ｄ）前記値に基づいて及びマハラノビス距離が未だに計算されていない群の各々のために、前記テスト画像と群との間のマハラノビス距離を計算する段階；
    ｅ）停止基準が適合されたかどうかを判定する段階；
    ｆ）前記基準が適合されなかった場合、前記群の少なくとも１つにおいて、前記指定された収集内の異なる画像を前記選択された画像の少なくとも１つと置き換える段階；
    及び、段階ｄ）に戻る段階；
    を更に有する、ことを特徴とする方法。
18. 請求項１７に記載の方法であって：
    それぞれの数を前記指定された収集における前記画像の各々に割り当てる段階；
    前記数の中から選択する段階；及び
    前記群のそれぞれ一に対応する複数の合成ビット列を構成するように前記選択された数を表すビット列を組み立てる段階；
    を更に有する方法であり、
    前記置き換える段階ｆ）は、前記組み立てる段階における構成要素としての役割を果たす少なくとも１つのビット列を変えないように少なくとも１つの付加合成ビット列を生成するように複数の合成ビット列の少なくとも１つの合成ビット列の少なくとも１つのビットを変える段階を有する；
    ことを特徴とする方法。
19. 処理器により実行可能であるコンピュータプログラムを有するコンピュータ読み出し可能媒体を有するコンピュータプログラムであって、テスト画像に関する特徴に類似する参照画像の収集を特定するように、腫瘍のテスト医療用多特徴画像を、悪性であると判定された腫瘍の参照医療用多特徴画像の収集と、又は、非悪性であると判定された腫瘍の参照医療用多特徴画像の収集と比較するコンピュータプログラムであって、前記テスト画像及び前記医療用画像の特徴各々はそれぞれ値を有する、コンピュータプログラムであり：
    ａ）前記２つの収集の一を指定するための指令のシーケンス；
    ｂ）前記選択された画像のそれぞれの群を生成するように前記の指定された一の収集から参照画像を選択するための指令のシーケンス；並びに
    ｃ）群の一を変えるように、及び、どの群が、前記値に基づいて、前記テスト画像に対して最小距離にあるかを判定するように遺伝子的アルゴリズムを適用するための指令のシーケンス；
    を有することを特徴とするコンピュータプログラム。

Images