JP2009061174A - 医用画像診断支援装置 - Google Patents
医用画像診断支援装置 Download PDFInfo
- Publication number
- JP2009061174A JP2009061174A JP2007232860A JP2007232860A JP2009061174A JP 2009061174 A JP2009061174 A JP 2009061174A JP 2007232860 A JP2007232860 A JP 2007232860A JP 2007232860 A JP2007232860 A JP 2007232860A JP 2009061174 A JP2009061174 A JP 2009061174A
- Authority
- JP
- Japan
- Prior art keywords
- medical image
- lesion candidate
- lesion
- detection
- medical
- 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
- 238000002059 diagnostic imaging Methods 0.000 title abstract 4
- 230000003902 lesion Effects 0.000 claims abstract description 102
- 238000003066 decision tree Methods 0.000 claims abstract description 47
- 238000001514 detection method Methods 0.000 claims abstract description 43
- 230000002159 abnormal effect Effects 0.000 claims abstract description 3
- 238000003745 diagnosis Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 31
- 238000002591 computed tomography Methods 0.000 description 18
- 238000002595 magnetic resonance imaging Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 6
- 238000003756 stirring Methods 0.000 description 5
- 206010011732 Cyst Diseases 0.000 description 4
- 208000031513 cyst Diseases 0.000 description 4
- 210000004185 liver Anatomy 0.000 description 4
- 238000007781 pre-processing Methods 0.000 description 4
- 239000002872 contrast media Substances 0.000 description 3
- 206010073071 hepatocellular carcinoma Diseases 0.000 description 3
- 231100000844 hepatocellular carcinoma Toxicity 0.000 description 3
- 238000007418 data mining Methods 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 241000222122 Candida albicans Species 0.000 description 1
- 206010007134 Candida infections Diseases 0.000 description 1
- 201000003984 candidiasis Diseases 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
Images
Abstract
【課題】決定木に基づくアルゴリズムにより病変候補を検出するとともに、病変候補の検出に用いた医用画像を抽出し得る医用画像診断支援装置を提供する。
【解決手段】複数の種類の医用画像を統合して異常部位の強調処理を行い、医用画像診断の支援を行う医用画像診断支援装置であって、医用画像の種類及び画素値の閾値を判別条件とし、この判別条件が階層的に定められている決定木について、当該判別条件及び当該判別条件により判別される病変候補の情報を記憶する記憶手段、前記複数の種類の医用画像を用いるとともに前記記憶手段に記憶されている判別条件及び病変候補の情報を用いて、医用画像における病変候補を検出する検出手段、前記検出手段により病変候補の検出に用いられた医用画像を表示する表示手段、前記検出手段に病変候補を検出させ、前記表示手段に病変候補の検出に用いた医用画像を表示させる制御手段、を備えた医用画像診断支援装置とする。
【選択図】図6
【解決手段】複数の種類の医用画像を統合して異常部位の強調処理を行い、医用画像診断の支援を行う医用画像診断支援装置であって、医用画像の種類及び画素値の閾値を判別条件とし、この判別条件が階層的に定められている決定木について、当該判別条件及び当該判別条件により判別される病変候補の情報を記憶する記憶手段、前記複数の種類の医用画像を用いるとともに前記記憶手段に記憶されている判別条件及び病変候補の情報を用いて、医用画像における病変候補を検出する検出手段、前記検出手段により病変候補の検出に用いられた医用画像を表示する表示手段、前記検出手段に病変候補を検出させ、前記表示手段に病変候補の検出に用いた医用画像を表示させる制御手段、を備えた医用画像診断支援装置とする。
【選択図】図6
Description
本発明は、医用画像診断支援装置に関する。
近年、高度医用機器の進歩により各種モダリティが多数存在する。例えば、マルチスライスCT(Computed Tomography)装置や高磁場MRI(Magnetic Resonance Imaging)装置等である。そして、医師はこれらモダリティにより生成された複数の種類の医用画像を同時に参照して、総合的に判断することにより病変の特定を行っている。
モダリティにより生成される医用画像の枚数は検査の内容に応じて異なるが、多い場合で1000枚程度の医用画像が生成されることがある。このような場合、医師は病変の特定に必要となる医用画像を1000枚程度の医用画像から抽出する煩雑な作業を強いられることとなる。
また、医師が画像診断をするに際しては、医師の知識と経験に基づいて病変の判別が行われる。そのため、医師は判別が困難な境界領域の医用画像について診断する場合、或いは非常に稀な症例を診断する場合には、その判別基準について参考書等を参照しながら読影を行っているのが現状である。つまり、医師は医用画像にある病変候補の特徴を見て参考書等にある病変を特定するのではなく、まず始めに参考書等から病変をある程度推定することが必要となる。よって、画像診断を行う医師の知識や経験に無い症例を、その医師が医用画像から抽出することは困難となる。
現在では、複数のモダリティから生成された同一部位に係る医用画像をフィルムやモニタに同時表示させ、医用画像同士を比較可能に表示することにより対応している。複数の異種の医用画像を同時表示させることで、医師は医用画像における特徴的な部位について総合的な判断が容易となる。よって、読影作業の負担軽減を図ることが可能となる。
複数の医用画像を同時表示させるに際して、以下の技術を利用することにより、更に医師の読影負担を軽減することができる。
例えば、特許文献1に記載の装置によれば、複数のモダリティによる医用画像を表示する際には計算機による解剖学的位置合わせを行い、同一部位の画像を自動的に表示可能とすることができる。
また、特許文献2に記載の装置によれば、表示画面上で選択されていない画像に「ぼかし処理」や「画像を暗くする」等の処理を行うことで、相対的にユーザが選択した画像を強調することができる。
特開平10−137231号公報
特開平6−214744号公報
例えば、特許文献1に記載の装置によれば、複数のモダリティによる医用画像を表示する際には計算機による解剖学的位置合わせを行い、同一部位の画像を自動的に表示可能とすることができる。
また、特許文献2に記載の装置によれば、表示画面上で選択されていない画像に「ぼかし処理」や「画像を暗くする」等の処理を行うことで、相対的にユーザが選択した画像を強調することができる。
しかし、特許文献1及び2に記載の装置を用いても結局のところ、病変候補の特定には医師の知識と経験が必要となる。よって、経験の浅いレジデントの医師では微細な病変候補を検出することは困難である。また、病変候補が予め推定できる場合でも、それを確認するために複数の種類の医用画像から病変候補を含む医用画像を抽出する作業は非常に煩雑である。
本発明は、決定木に基づくアルゴリズムにより病変候補を検出するとともに、病変候補の検出に用いた医用画像を抽出し得る医用画像診断支援装置を提供することである。
請求項1に記載の発明によれば、
複数の種類の医用画像を統合して異常部位の強調処理を行い、医用画像診断の支援を行う医用画像診断支援装置であって、
医用画像の種類及び画素値の閾値を判別条件とし、この判別条件が階層的に定められている決定木について、当該判別条件及び当該判別条件により判別される病変候補の情報を記憶する記憶手段と、
前記複数の種類の医用画像を用いるとともに、前記記憶手段に記憶されている判別条件及び病変候補の情報を用いて、医用画像における病変候補を検出する検出手段と、
前記検出手段により病変候補の検出に用いられた医用画像を表示する表示手段と、
前記検出手段に病変候補を検出させ、前記表示手段に病変候補の検出に用いた医用画像を表示させる制御手段と、
を備えた医用画像診断支援装置が提供される。
複数の種類の医用画像を統合して異常部位の強調処理を行い、医用画像診断の支援を行う医用画像診断支援装置であって、
医用画像の種類及び画素値の閾値を判別条件とし、この判別条件が階層的に定められている決定木について、当該判別条件及び当該判別条件により判別される病変候補の情報を記憶する記憶手段と、
前記複数の種類の医用画像を用いるとともに、前記記憶手段に記憶されている判別条件及び病変候補の情報を用いて、医用画像における病変候補を検出する検出手段と、
前記検出手段により病変候補の検出に用いられた医用画像を表示する表示手段と、
前記検出手段に病変候補を検出させ、前記表示手段に病変候補の検出に用いた医用画像を表示させる制御手段と、
を備えた医用画像診断支援装置が提供される。
請求項2に記載の発明によれば、請求項1に記載の発明において、
前記制御手段は、前記決定木における全判別工程のうち、病変候補の検出に至るまでに経た判別工程の経緯を示す情報を、前記表示手段に表示させる医用画像診断支援装置が提供される。
前記制御手段は、前記決定木における全判別工程のうち、病変候補の検出に至るまでに経た判別工程の経緯を示す情報を、前記表示手段に表示させる医用画像診断支援装置が提供される。
請求項3に記載の発明によれば、請求項1又は2に記載の発明において、
前記制御手段は、病変候補の検出に用いられた医用画像又は前記決定木における全判別工程のうち、病変候補の検出に至るまでに経た判別工程の経緯を示す情報を、他の医用画像又は他の判別工程と識別して前記表示手段に表示させる医用画像診断支援装置が提供される。
前記制御手段は、病変候補の検出に用いられた医用画像又は前記決定木における全判別工程のうち、病変候補の検出に至るまでに経た判別工程の経緯を示す情報を、他の医用画像又は他の判別工程と識別して前記表示手段に表示させる医用画像診断支援装置が提供される。
請求項4に記載の発明によれば、請求項3に記載の発明において、
前記検出手段により病変候補が複数検出された場合であって、当該病変候補の検出に用いた医用画像が病変候補によって異なる場合、病変候補ごとに検出に用いた医用画像の識別表示を切り替え可能とするための操作手段を備える医用画像診断支援装置が提供される。
前記検出手段により病変候補が複数検出された場合であって、当該病変候補の検出に用いた医用画像が病変候補によって異なる場合、病変候補ごとに検出に用いた医用画像の識別表示を切り替え可能とするための操作手段を備える医用画像診断支援装置が提供される。
請求項5に記載の発明によれば、請求項1〜4の何れか一項に記載の発明において、
前記制御手段は、前記複数の種類の医用画像を全て前記表示手段に表示させるとともに、前記検出手段により検出に用いた医用画像を識別して表示させる医用画像診断支援装置が提供される。
前記制御手段は、前記複数の種類の医用画像を全て前記表示手段に表示させるとともに、前記検出手段により検出に用いた医用画像を識別して表示させる医用画像診断支援装置が提供される。
本発明によれば、複数の種類の医用画像を統合して病変候補の検出を可能とするとともに、病変候補の検出に用いた医用画像を抽出して表示画面上に表示することができる。
これにより、医師は煩雑な作業を要せずに病変候補を把握することが可能となる。また、表示画面上に表示された医用画像は、医師が病変候補の検出に用いる医用画像を容易に把握することができ、患者に対し病変に関する説明をする際に利用することができる。
これにより、医師は煩雑な作業を要せずに病変候補を把握することが可能となる。また、表示画面上に表示された医用画像は、医師が病変候補の検出に用いる医用画像を容易に把握することができ、患者に対し病変に関する説明をする際に利用することができる。
以下、本発明に係る医用画像診断支援装置について、最適な実施形態の構成及び動作について図面を用いて詳細に説明する。
図1に、本実施形態における医用画像診断支援装置10の内部構成を示す。
医用画像診断支援装置10は、制御部11、操作部12、表示部13、通信部14、検出部15、記憶部16から構成される。
医用画像診断支援装置10は、制御部11、操作部12、表示部13、通信部14、検出部15、記憶部16から構成される。
制御部11は、CPU(Central Processing Unit)、RAM(Random Access Memory)等から構成され、記憶部16に格納されている所定のプログラムをRAMに展開し、当該プログラムとの協働により処理動作を統括的に制御する。
操作部12は、数字キー、文字キー、機能キー等を備えたキーボードや、マウス等を備えて構成され、操作されたキーに対応する操作信号を制御部11に出力する。
表示部13は、LCD(Liquid Crystal Display)等を備えて構成され、制御部11の表示制御に従って、医用画像や操作画面等の各種表示情報を表示する。なお、表示部13は、操作部12と一体型のタッチパネルを構成する態様としてもよい。
通信部14は、ネットワークインターフェイスカードやモデム等の通信用のインターフェイスを備えて構成される。医用画像診断支援装置10は、通信部14を介して、図示しないモダリティにより生成された医用画像を受信する。
検出部15は、通信部14を介して受信した複数の種類の医用画像から、後述する決定木に基づくアルゴリズムにより病変候補を検出する。
記憶部16は、システムプログラムの他、制御部11により実行される制御プログラムや画像処理プログラム等の各種プログラムを備え、各プログラムの実行に必要な各種パラメータを記憶し、実行された後に処理されたデータ等を記憶する。
例えば、記憶部16は、決定木に基づき医用画像において病変候補を判別する処理プログラムを記憶する。決定木とは、入力データを複数の判別条件により木の枝葉のように階層的に分類していき、一の判別結果を導き出すために用いられる手法である。記憶部16は、階層的に定められている判別条件及びその判別条件によって判別される病変候補の情報を記憶している。判別条件には、判別に用いる医用画像の種類と画素値の閾値が含まれる。また、病変候補の情報には、病変候補の有無又はその種類に関する情報が含まれる。
次に、医用画像診断支援装置10による決定木を用いた病変候補の判別処理について説明する。
図2に、本実施形態における決定木100を示す。
決定木100は階層的に枝分かれした複数の判別工程S1〜S14が予め定められたものである。図2において、ひし形の図形が判別工程を示している。各判別工程S1〜S14では、判別に用いる医用画像の種類と、分岐する条件が定められている。ここでは、分岐条件として医用画像の画素単位での画素値(以下、「対象画素値」という)の例を示している。すなわち、決定木100では、各判別工程S1〜S14で用いられる対象画素値について閾値Th1〜Th14が定められ、この閾値によって次にどの判別工程S1〜S14に移行するかが決定される。なお、本実施形態では、医用画像の特徴量として画像濃度、つまり画素値を用いる例を説明するが、画素位置や周波数等の他の特徴量を用いてもよい。また、決定木100では、各判別工程S1〜S14を経た結果、正常又は病変候補の種類についての情報が定められている。
図2に、本実施形態における決定木100を示す。
決定木100は階層的に枝分かれした複数の判別工程S1〜S14が予め定められたものである。図2において、ひし形の図形が判別工程を示している。各判別工程S1〜S14では、判別に用いる医用画像の種類と、分岐する条件が定められている。ここでは、分岐条件として医用画像の画素単位での画素値(以下、「対象画素値」という)の例を示している。すなわち、決定木100では、各判別工程S1〜S14で用いられる対象画素値について閾値Th1〜Th14が定められ、この閾値によって次にどの判別工程S1〜S14に移行するかが決定される。なお、本実施形態では、医用画像の特徴量として画像濃度、つまり画素値を用いる例を説明するが、画素位置や周波数等の他の特徴量を用いてもよい。また、決定木100では、各判別工程S1〜S14を経た結果、正常又は病変候補の種類についての情報が定められている。
なお、図2においては各判別工程S1〜S14で用いる医用画像の種類をひし形の図形内部に記載しているが、単純CTは造影剤を使用しないCT撮影、造影CTは造影剤を用いたCT撮影で得られる医用画像を示し、T1、T2はそれぞれMRI装置により得られるT1強調画像、T2強調画像を示す。またSTIRはMRI装置においてSTIR法により得られる医用画像を示し、造影MRIは造影剤を用いたMRI撮影で得られる医用画像を示す。
まず、制御部11は、通信部14を介してCT装置やMRI装置等のモダリティから生成された複数の異種の医用画像を受信する。その後、制御部11は、決定木100を用いたアルゴリズムにより病変候補の検出等を行う前提として、前処理を行う。前処理には、受信した複数の種類の医用画像に対して位置、形状、ゆがみ、解像度の補正及び画像濃度の調整がある。判別に用いる各種類の医用画像の画像条件を前処理により統一することで、より精度の高い判別を行うことが可能となる。前処理としては、例えば特開平10−137231号公報に記載のように、ある解剖学的位置(例えば、背骨等)を特定し、複数の種類の医用画像においてこの特定位置が一致するように座標変換を行う。
その後、制御部11は、前処理した医用画像を用いて決定木100に基づく病変候補の判別処理を画素単位で行う。
その後、制御部11は、前処理した医用画像を用いて決定木100に基づく病変候補の判別処理を画素単位で行う。
図3に、複数の種類の医用画像を統合して画素単位で病変候補を検出する様子を示す。
決定木100の判別工程によっては、異なる種類の医用画像が用いられることとなるが、図3に示すように各医用画像において同一位置の画素を対象とした判別を行う。
決定木100の判別工程によっては、異なる種類の医用画像が用いられることとなるが、図3に示すように各医用画像において同一位置の画素を対象とした判別を行う。
ここで、決定木100において判別結果として定められている病変候補の全ての種類に対応するためには、受信すべき複数の医用画像には少なくとも「単純CT」画像及び「造影CT」画像、MRI装置から生成された「T1」画像、「STIR」画像及び「造影MRI」画像が必要となる。また、図2に示す病変以外を特定可能とする決定木の場合には更に異なる種類の医用画像が必要となる場合がある。こうした新たな決定木の生成は、データマイニングにより制御部11が作成して記憶部16に記憶されることとしてもよい。
図2に示すように、最初の判別工程S1では「単純CT」の医用画像を用いる。制御部11は、この単純CTの対象画素値と判別工程S1で定められている閾値Th1とを比較し、閾値Th1以下であれば判別工程S2へ移行し、閾値Th1を超える場合は判別工程S3へ移行する。ここでは、閾値Th1以下であったとして以降の処理を説明する。
制御部11は、対象画素値が閾値Th1以下であると判別した場合(S1;NO)、「造影CT」の医用画像を用いて、この医用画像における対象画素値が判別工程S2で定められている閾値Th2を超えるか否か判別する。閾値Th2以下である場合は判別工程S4に、閾値Th2を超える場合は判別工程S5に移行する。ここでは、閾値Th2以下であった場合を説明する。
制御部11は、対象画素値が閾値Th2以下であると判別した場合(S2;NO)、「T1」の医用画像の対象画素値が判別工程S4で定められている閾値Th4以下であるか否かについて判別する。閾値Th4以下であれば判別工程S7へ移行し、閾値Th4を超える場合は判別工程S8へ移行する。ここでは、閾値Th4以下であった場合を説明する。
制御部11は、対象画素値が閾値Th4以下であると判断した場合(S4;NO)、最後に、「STIR」画像の対象画素値が判別工程S7で定められている閾値Th7以下であるか否かについて判別する。
制御部11は、対象画素値が判別工程S7で定められている閾値Th7以下であると判別した場合(S7;NO)、病変候補を「肝嚢胞」として検出する。なお、閾値Th7を超える場合は「カンジダ症」の病変候補を検出することとなる。
上記説明した決定木100は、医師の読影方法に基づいて定められている。すなわち、決定木100における判別工程の順番や判別条件等は、医師が病変を特定する際に読影する医用画像の順番や濃度等と同様となっている。例えば、図2の決定木100では、最初の判別工程S1では「単純CT」の医用画像、次の判別工程S2、S3では「造影CT」の医用画像を用いることが定められている。これは、実際に医師が読影する際に最初に用いる医用画像が「単純CT」であり、次に「造影CT」を用いることが一般的であることに基づく。また、閾値Th1〜Th14についても同様である。読影の際に用いる医用画像の種類に応じて医師は画像濃度を調整するが、この画像濃度と同様の画像濃度が決定木100において判別条件として定められている。
なお、上記決定木100は、上述したように医師の読影方法に基づいた判別順序及び判別条件が予め定められて構成されているが、必ずしもこれに限らない。例えば、データマイニングの手法を用いて決定木100の構成が実際の医用画像診断において最適化されるような学習決定木とすることも可能である。この場合、それぞれの判別条件における医用画像の種類及び対象画素値の閾値は、上記決定木100と異なることがある。
制御部11は、上記判別処理を医用画像の全画素について繰り返し行い、処理を終えるとその判別結果の表示制御を行う。
図4に、判別結果の表示例を示す。
上記決定木100に基づき対象画素値ごとに判別処理がなされた結果、制御部11は病変候補と判別した画素をその他の画素とは色を変えて表示させる等、識別して表示部13に表示させる。なお、このとき制御部11は病変候補の種類(名称)を示す情報も同時に表示部13に表示させることとしてもよい。
図4に、判別結果の表示例を示す。
上記決定木100に基づき対象画素値ごとに判別処理がなされた結果、制御部11は病変候補と判別した画素をその他の画素とは色を変えて表示させる等、識別して表示部13に表示させる。なお、このとき制御部11は病変候補の種類(名称)を示す情報も同時に表示部13に表示させることとしてもよい。
また、図5に、制御部11が複数の病変候補を表示部13に表示させた場合の判別結果の表示例を示す。図5に示すように、制御部11は、検出部15が複数の病変候補を検出した場合、当該病変候補の領域を病変の種類ごとに識別して表示部13の画面上に表示させる。また、他の領域とも識別して表示させる。
以下、図6を参照して、検出部15が病変候補を複数検出した場合について説明する。
以下、図6を参照して、検出部15が病変候補を複数検出した場合について説明する。
図6に、病変候補の領域を含む医用画像が画面上に識別表示された場合の表示例を示す。
図6aに示すように、制御部11は、上記決定木100に基づき対象画素値ごとに判別処理を実行した結果、病変候補と判別した画素をその他の画素と識別して表示部13の画面上に表示させる。なお、このとき制御部11は病変候補も同時に表示部13に表示させることとしてもよい。
図6aに示すように、制御部11は、上記決定木100に基づき対象画素値ごとに判別処理を実行した結果、病変候補と判別した画素をその他の画素と識別して表示部13の画面上に表示させる。なお、このとき制御部11は病変候補も同時に表示部13に表示させることとしてもよい。
図6bに、「肝嚢胞」の病変候補を検出した場合に用いた医用画像を識別表示した表示例を示す。表示部13の画面上において、ユーザが操作部12を介してマウス等により図6aに示す「肝嚢胞」に係る病変候補の領域をクリックすると、「肝嚢胞」の検出に用いた医用画像が画面上に識別表示される。
また、図6cに「多発性肝細胞がん」の病変候補を検出した場合に用いた医用画像を識別表示した表示例を示す。表示部13の画面上において、ユーザが操作部12を介してマウス等により図6aに示す「多発性肝細胞がん」に係る病変候補の領域をクリックすると、「多発性肝細胞がん」の検出に用いた医用画像が画面上に識別表示される。
このように、制御部11は、病変候補の検出に用いた医用画像を表示部13の画面上に識別表示させることが可能である。なお、識別表示の態様としては、枠線表示、拡大表示、他の医用画像を暗く表示して検出に用いた医用画像を際立たせる表示等がある。また、識別表示した医用画像のうち、閾値Thを超えた画素のみ色を変えて表示することとしてもよい。
また、その他の表示態様として、図6に示す医用画像をスタック表示としてもよい。更に、図6aに示す医用画像の表示スライスが移動すると図6b及び図6cの医用画像は同期して表示されることとしてもよい。
一方、決定木100において病変候補の検出に至るまでに経た判別工程の経緯を示す情報を表示部13の画面上に表示させることとしてもよい。この場合の表示例を以下の図7で説明する。
一方、決定木100において病変候補の検出に至るまでに経た判別工程の経緯を示す情報を表示部13の画面上に表示させることとしてもよい。この場合の表示例を以下の図7で説明する。
図7に、画面上に表示される決定木100の一例を示す。
図7に示すように、「単純CT」画像、「造影CT」画像、「T1」画像、「STIR」画像のそれぞれにおける対象画素値を判別して「肝嚢胞」という病変候補を検出するに至った経緯が識別表示される。
図7に示すように、「単純CT」画像、「造影CT」画像、「T1」画像、「STIR」画像のそれぞれにおける対象画素値を判別して「肝嚢胞」という病変候補を検出するに至った経緯が識別表示される。
また、図7に示す画面から図6示す画面への切り替えは、ユーザが操作部12を介して切り替えに係る指示情報を入力することで実行される。入力された指示情報は制御部11へ出力され、制御部11は切り替え表示を実行する。
なお、図7のように決定木100の全てを画面上に表示するのではなく、病変候補の検出に至った経緯のみを画面上に表示することとしてもよい。これにより、決定木100が表示部13の画面上に占めるスペースを縮小することができ、図6に示す医用画像を図7に示す決定木100と同時に表示部13の画面上に表示可能とすることができる。
以上のように、本実施形態によれば、CT装置やMRI装置等の異種のモダリティから生成された複数の医用画像を統合して病変候補を自動的に検出することができる。病変候補の検出は、判別条件を医用画像の種類及び対象画素値とする決定木100に基づくアルゴリズムにより行われる。また、病変候補の検出に用いられた医用画像が表示部13の画面上に表示される。
これにより、知識や経験の浅い医師であっても、複数の種類の医用画像から病変候補の検出に用いた医用画像を容易に把握することができる。
これにより、知識や経験の浅い医師であっても、複数の種類の医用画像から病変候補の検出に用いた医用画像を容易に把握することができる。
また、病変候補の検出に際して用いた決定木100を、表示部13の画面上に表示させることができる。なお、このとき画面上に表示する決定木100は、病変候補の検出に至るまでの経緯だけを表示することとしてもよい。
これにより、医師は決定木100に基づくアルゴリズムによって用いられている読影方法を、視覚的に把握することができる。
これにより、医師は決定木100に基づくアルゴリズムによって用いられている読影方法を、視覚的に把握することができる。
また、複数の種類の医用画像を表示部13の画面上に表示するとともに、病変候補の検出に用いた医用画像を他の医用画像と識別して表示することができる。
また、決定木100を表示部13の画面上に表示するとともに、病変候補を検出するに至るまでの経緯を他の判別工程と識別して表示することができる。
これにより、医師は画像診断の全体像を容易に把握することができ、かつ、診断に必要な医用画像及び読影方法を容易に把握することができる。
また、決定木100を表示部13の画面上に表示するとともに、病変候補を検出するに至るまでの経緯を他の判別工程と識別して表示することができる。
これにより、医師は画像診断の全体像を容易に把握することができ、かつ、診断に必要な医用画像及び読影方法を容易に把握することができる。
また、病変候補が複数検出された場合、病変候補ごとに検出に用いた医用画像が異なる。この場合には、ユーザが操作部12を介して表示部13の画面上に表示されている病変候補の領域をクリックすることにより、クリックした病変候補を検出する際に用いた医用画像が識別表示される。これにより、複数の病変候補が検出された場合でも、医師は病変候補に応じて検出に用いた医用画像を把握することができる。
また、決定木100で用いる全ての医用画像を表示し、かつ病変候補の検出に用いた医用画像を識別表示することができる。医師は、医用画像診断支援装置10が実行する読影方法において、診断に必要な医用画像とそうでない医用画像とを容易に確認及び把握することが可能となる。
10 医用画像診断支援装置
11 制御部
15 記憶部
100 決定木
11 制御部
15 記憶部
100 決定木
Claims (5)
- 複数の種類の医用画像を統合して異常部位の強調処理を行い、医用画像診断の支援を行う医用画像診断支援装置であって、
医用画像の種類及び画素値の閾値を判別条件とし、この判別条件が階層的に定められている決定木について、当該判別条件及び当該判別条件により判別される病変候補の情報を記憶する記憶手段と、
前記複数の種類の医用画像を用いるとともに、前記記憶手段に記憶されている判別条件及び病変候補の情報を用いて、医用画像における病変候補を検出する検出手段と、
前記検出手段により病変候補の検出に用いられた医用画像を表示する表示手段と、
前記検出手段に病変候補を検出させ、前記表示手段に病変候補の検出に用いた医用画像を表示させる制御手段と、
を備えた医用画像診断支援装置。 - 前記制御手段は、前記決定木における全判別工程のうち、病変候補の検出に至るまでに経た判別工程の経緯を示す情報を、前記表示手段に表示させる請求項1に記載の医用画像診断支援装置。
- 前記制御手段は、病変候補の検出に用いられた医用画像又は前記決定木における全判別工程のうち、病変候補の検出に至るまでに経た判別工程の経緯を示す情報を、他の医用画像又は他の判別工程と識別して前記表示手段に表示させる請求項1又は2に記載の医用画像診断支援装置。
- 前記検出手段により病変候補が複数検出された場合であって、当該病変候補の検出に用いた医用画像が病変候補によって異なる場合、病変候補ごとに検出に用いた医用画像の識別表示を切り替え可能とするための操作手段を備える請求項3に記載の医用画像診断支援装置。
- 前記制御手段は、前記複数の種類の医用画像を全て前記表示手段に表示させるとともに、前記検出手段により検出に用いた医用画像を識別して表示させる請求項1〜4の何れか一項に記載の医用画像診断支援装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007232860A JP2009061174A (ja) | 2007-09-07 | 2007-09-07 | 医用画像診断支援装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007232860A JP2009061174A (ja) | 2007-09-07 | 2007-09-07 | 医用画像診断支援装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009061174A true JP2009061174A (ja) | 2009-03-26 |
Family
ID=40556324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007232860A Pending JP2009061174A (ja) | 2007-09-07 | 2007-09-07 | 医用画像診断支援装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2009061174A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019082881A (ja) * | 2017-10-31 | 2019-05-30 | 富士フイルム株式会社 | 画像検索装置、方法およびプログラム |
CN110334722A (zh) * | 2019-03-29 | 2019-10-15 | 上海联影智能医疗科技有限公司 | 图像分类方法、装置、计算机设备和存储介质 |
CN112584746A (zh) * | 2018-08-23 | 2021-03-30 | 富士胶片株式会社 | 医用图像处理装置和内窥镜系统以及医用图像处理装置的工作方法 |
US11145405B2 (en) * | 2018-12-27 | 2021-10-12 | Shanghai United Imaging Intelligence Co., Ltd. | Methods and devices for grading a medical image |
-
2007
- 2007-09-07 JP JP2007232860A patent/JP2009061174A/ja active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019082881A (ja) * | 2017-10-31 | 2019-05-30 | 富士フイルム株式会社 | 画像検索装置、方法およびプログラム |
CN112584746A (zh) * | 2018-08-23 | 2021-03-30 | 富士胶片株式会社 | 医用图像处理装置和内窥镜系统以及医用图像处理装置的工作方法 |
JPWO2020040059A1 (ja) * | 2018-08-23 | 2021-08-12 | 富士フイルム株式会社 | 医用画像処理装置及び内視鏡システム並びに医用画像処理装置の作動方法 |
JP2022136171A (ja) * | 2018-08-23 | 2022-09-15 | 富士フイルム株式会社 | 医用画像処理装置及び内視鏡システム並びに医用画像処理装置の作動方法 |
US11145405B2 (en) * | 2018-12-27 | 2021-10-12 | Shanghai United Imaging Intelligence Co., Ltd. | Methods and devices for grading a medical image |
US11742073B2 (en) | 2018-12-27 | 2023-08-29 | Shanghai United Imaging Intelligence Co., Ltd. | Methods and devices for grading a medical image |
CN110334722A (zh) * | 2019-03-29 | 2019-10-15 | 上海联影智能医疗科技有限公司 | 图像分类方法、装置、计算机设备和存储介质 |
CN110334722B (zh) * | 2019-03-29 | 2022-07-05 | 上海联影智能医疗科技有限公司 | 图像分类方法、装置、计算机设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP2710958B1 (en) | Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading | |
CN101208042B (zh) | 异常阴影候选检测方法、异常阴影候选检测装置 | |
US20110144482A1 (en) | Image display device and method, as well as program | |
CN105765590A (zh) | 基于放射科报告中的参考图像背景来自动设定窗口宽度/水平 | |
US10290101B1 (en) | Heat map based medical image diagnostic mechanism | |
JP2007151645A (ja) | 医用画像診断支援システム | |
JP3779982B1 (ja) | 医用画像処理装置及びプログラム | |
JP2009061174A (ja) | 医用画像診断支援装置 | |
JP2009061170A (ja) | 医用画像診断支援装置 | |
JP2006325640A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP2009061175A (ja) | 医用画像処理装置及びプログラム | |
JP2006340835A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP2008512161A (ja) | Ctスキャン解析用ユーザインタフェース | |
JP2006334140A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP7265805B2 (ja) | 画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体 | |
Jiang et al. | DCAMIL: Eye-tracking guided dual-cross-attention multi-instance learning for refining fundus disease detection | |
US11408831B2 (en) | Information processing apparatus, information processing method, and recording medium | |
JP2011110173A (ja) | 医用画像システム及びプログラム | |
US20230401708A1 (en) | Recording medium, information processing apparatus, information processing system, and information processing method | |
JP2011239796A (ja) | 医用画像処理装置及び医用画像処理方法 | |
JP2009061176A (ja) | 医用画像処理装置及びプログラム | |
WO2022113798A1 (ja) | 医療用画像表示システム、医療用画像表示方法及びプログラム | |
EP4252656A1 (en) | Medical image display system, medical image display method, and program | |
JP5533198B2 (ja) | 医用画像表示装置及びプログラム | |
JP2021087729A (ja) | 医用画像処理装置及びプログラム |