JP2009093582A - 所見分析装置 - Google Patents
所見分析装置 Download PDFInfo
- Publication number
- JP2009093582A JP2009093582A JP2007266118A JP2007266118A JP2009093582A JP 2009093582 A JP2009093582 A JP 2009093582A JP 2007266118 A JP2007266118 A JP 2007266118A JP 2007266118 A JP2007266118 A JP 2007266118A JP 2009093582 A JP2009093582 A JP 2009093582A
- Authority
- JP
- Japan
- Prior art keywords
- finding
- disease name
- disease
- electronic document
- description element
- 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
Images
Landscapes
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】 過去に作成された読影レポート等の電子文書に記述された或る疾患に係る所見における、当該疾患に常識的な所見記述要素と例外的な所見記述要素とを判別して、常識的な所見記述要素を抽出可能にする。
【解決手段】 疾患名別構造化データ抽出手段2が、文書格納手段1に格納されている各読影レポートから各疾患名毎の所見記述要素を抽出し、高頻度構造化データ抽出手段3が、抽出された各疾患名毎の各所見記述要素について、該当する読影レポートの出現頻度を算出し、疾患名別構造化データ分布計算手段4が、出現頻度が閾値T0以下の所見記述要素を対象に、該当する読影レポートの時系列上の出現分布の分散値と該読影レポートの作成日時の平均値とを算出し、分散値が閾値T1以下、平均値が閾値T2以下、出現頻度が閾値T3以上の所見記述要素を該疾患に常識的な所見記述要素として抽出する。
【選択図】 図1
【解決手段】 疾患名別構造化データ抽出手段2が、文書格納手段1に格納されている各読影レポートから各疾患名毎の所見記述要素を抽出し、高頻度構造化データ抽出手段3が、抽出された各疾患名毎の各所見記述要素について、該当する読影レポートの出現頻度を算出し、疾患名別構造化データ分布計算手段4が、出現頻度が閾値T0以下の所見記述要素を対象に、該当する読影レポートの時系列上の出現分布の分散値と該読影レポートの作成日時の平均値とを算出し、分散値が閾値T1以下、平均値が閾値T2以下、出現頻度が閾値T3以上の所見記述要素を該疾患に常識的な所見記述要素として抽出する。
【選択図】 図1
Description
本発明は、電子文書に記載された疾患に係る所見を分析する所見分析装置、所見分析プログラムに関する。
従来より、読影医がCT(Computed Tomography)やMRI(Magnetic Resonance Imaging)等の画像を参照し、当該画像に基づく所見や診断結果(疾患名)等を入力して読影レポートを作成することが行われている。
この読影レポートへの入力支援や読影レポートの検索といった利用を目的として、以下のような発明が提案されている。
この読影レポートへの入力支援や読影レポートの検索といった利用を目的として、以下のような発明が提案されている。
例えば、読影レポートに含まれる各項目について、該項目の属性を示す属性情報と前記項目の内容を示す本体情報とを関連付けたタグ情報を生成し、前記読影レポートに含まれる全ての項目について生成したタグ情報を関連付けたファイル情報を構造化レポート情報DBに格納し、前記タグ情報に基づいて構造化レポート情報DBを検索する発明が提案されている(特許文献1参照)。
例えば、読影レポートを入力するためのテンプレートの抽出対象として選択されたデータ(レポートDBの文字データ、過去のレポートファイルの文字データ、画像データ等)を解析して文章構造を抽出し、抽出された文章構造のうち、操作部により選択された文章構造をテンプレート記憶部に登録する発明が提案されている(特許文献2参照)。
特開2006−155002号公報
特開2005−148989号公報
過去に作成された読影レポート集合から「疾患名とその所見(画像特徴)を構成する所見記述要素」のペア等の構造化データを抽出することで、読影医による読影レポート作成における作業負担の軽減を図ることが考えられている。
ここで、経験豊富な医師が読影レポートを作成する場合、或る疾患に係る所見を記述するにあたり、常識的な所見記述要素(当該疾患に当然見られてしかるべき所見記述要素)を省略して所見が記述される傾向にあるため、常識的な所見記述要素の出現頻度は低い。
このため、読影レポートの作成を支援するシステム(例えば、疾患名を入力として、その疾患を特徴付ける所見記述要素をリストアップして提示するシステムや、所見記述要素の一部を入力として、その所見記述要素に合致する疾患名をリストアップして提示するシステム)において、過去に作成された読影レポート集合中での出現頻度が或る閾値を上回る所見記述要素を抽出するような場合には、常識的な所見記述要素は出現頻度が低いために抽出されにくい。
このため、読影レポートの作成を支援するシステム(例えば、疾患名を入力として、その疾患を特徴付ける所見記述要素をリストアップして提示するシステムや、所見記述要素の一部を入力として、その所見記述要素に合致する疾患名をリストアップして提示するシステム)において、過去に作成された読影レポート集合中での出現頻度が或る閾値を上回る所見記述要素を抽出するような場合には、常識的な所見記述要素は出現頻度が低いために抽出されにくい。
一方、経験の浅い意思にとっては常識的な所見記述要素も抽出されることが望ましいので、出現頻度の閾値を下げることが考えられるが、或る疾患にとって例外的な所見記述要素(患者個体の特徴に起因する所見記述要素など)も過去に作成された読影レポート集合中での出現頻度が低いことから、このような例外的な所見も抽出されてしまい、常識的な所見記述要素との区別をつけることができないという問題が生じる。
本発明は、上記従来の事情に鑑みなされたものであり、過去に作成された読影レポート等の電子文書に記述された或る疾患に係る所見における、当該疾患に常識的な所見記述要素と例外的な所見記述要素とを判別して、常識的な所見記述要素を抽出可能にする技術を提案することを目的としている。
請求項1に記載の本発明は、患者の疾患名及びその疾患に係る所見を含む電子文書と当該電子文書の作成日時とを対応付けて記憶する第1の記憶手段と、電子文書に含まれる各疾患名毎に、疾患名に係る所見を構成する所見記述要素を抽出する抽出手段と、各疾患名毎の所見記述要素のうち、該当する電子文書の数が第1の所定値を下回り且つ該当する電子文書の時系列上の出現分布を示す分散値が第2の所定値を下回る所見記述要素を特定する特定手段と、前記特定した所見記述要素を該当する疾患名に対応付けて記憶する第2の記憶手段と、を備えたことを特徴とする所見分析装置である。
請求項2に記載の本発明は、請求項1に記載の所見分析装置において、前記特定手段は、該当する電子文書の作成日時の平均値が第3の所定値を下回ることを更に満たす所見記述要素を特定することを特徴とする。
請求項3に記載の本発明は、請求項1又は請求項2に記載の所見分析装置において、前記特定手段は、該当する電子文書の数が第4の所定値を上回ることを更に満たす所見記述要素を特定することを特徴とする。
請求項4に記載の本発明は、請求項1乃至請求項3のいずれか1項に記載の所見分析装置において、前記特定手段は、所定期間内の作成日時に係る電子文書を対象とすることを特徴とする。
請求項5に記載の本発明は、請求項1乃至請求項4のいずれか1項に記載の所見分析装置において、前記特定手段は、該当する電子文書の数が第1の所定値を上回る所見記述要素を更に特定することを特徴とする。
請求項6に記載の本発明は、コンピュータを、患者の疾患名及びその疾患に係る所見を含む電子文書と当該電子文書の作成日時とを対応付けて記憶する第1の記憶手段と、電子文書に含まれる各疾患名毎に、疾患名に係る所見を構成する所見記述要素を抽出する抽出手段と、各疾患名毎の所見記述要素のうち、該当する電子文書の数が第1の所定値を下回り且つ該当する電子文書の時系列上の出現分布を示す分散値が第2の所定値を下回る所見記述要素を特定する特定手段と、前記特定した所見記述要素を該当する疾患名に対応付けて記憶する第2の記憶手段として機能させるための所見分析プログラムである。
請求項1に記載の所見分析装置によると、過去に作成された読影レポート等の電子文書に記述された或る疾患に係る所見における、当該疾患に常識的な所見記述要素と例外的な所見記述要素とを、各所見記述要素を含む電子文書の時系列上の出現分布に基づいて判別することができ、常識的な所見記述要素の抽出が可能となる。
すなわち、医療分野では、診断機器の機能・性能の向上により、もともと疾患を特徴づける所見記述要素と考えられていたものであっても、数年後にはそれが常識化される傾向にあることから、常識的な所見記述要素は、時系列上の出現分布に偏りがある(出現分布に係る分散値が小さい)のに対し、例外的な所見記述要素は、時期に関わらず一定の出現割合で出現するために、時系列上の出現分布に偏りがない(出現分布に係る分散値が大きい)という、両者の時系列上の出現分布の違いに着目したものである。
すなわち、医療分野では、診断機器の機能・性能の向上により、もともと疾患を特徴づける所見記述要素と考えられていたものであっても、数年後にはそれが常識化される傾向にあることから、常識的な所見記述要素は、時系列上の出現分布に偏りがある(出現分布に係る分散値が小さい)のに対し、例外的な所見記述要素は、時期に関わらず一定の出現割合で出現するために、時系列上の出現分布に偏りがない(出現分布に係る分散値が大きい)という、両者の時系列上の出現分布の違いに着目したものである。
請求項2に記載の所見分析装置によると、常識的な所見記述要素は過去に作成された電子文書に多く出現するという特徴に基づいて、常識的な所見記述要素と例外的な所見記述要素との判別をより確実に行うことができる。
請求項3に記載の所見分析装置によると、出現頻度が非常に少ない所見記述要素を、常識的な所見記述要素として抽出することを防ぐことができる。
請求項4に記載の所見分析装置によると、過去は有効な所見記述要素であったものの現在においては不要な所見記述要素を、常識的な所見記述要素として抽出することを防ぐことができる。
請求項5に記載の所見分析装置によると、或る疾患に常識的な所見記述要素のみならず、当該疾患に特徴的な所見記述要素も抽出することができる。
請求項6に記載の所見分析プログラムによると、上記作用効果を奏する所見分析装置をコンピュータを利用して実現することができる。
本発明を、以下に例示する一実施形態に基づいて具体的に説明する。
図1は、本例に係る所見分析装置の機能ブロック図を示している。
本例の所見分析装置は、文書格納手段1、疾患名別構造化データ抽出手段2、高頻度構造化データ抽出手段3、疾患名別構造化データ分布計算手段4、疾患名別構造化データ格納手段5、を備えている。
図1は、本例に係る所見分析装置の機能ブロック図を示している。
本例の所見分析装置は、文書格納手段1、疾患名別構造化データ抽出手段2、高頻度構造化データ抽出手段3、疾患名別構造化データ分布計算手段4、疾患名別構造化データ格納手段5、を備えている。
文書格納手段1は、過去に作成された複数の読影レポートを、その作成日時に対応付けて格納している。この読影レポートは、CTやMRI等の画像に基づいて読影医により入力された患者の疾患名及びその疾患に係る所見を含んでいる。なお、読影レポートに代えて電子カルテを用いてもよく、患者の疾患名及びその疾患に係る所見を含む電子文書であればよい。
疾患名別構造化データ抽出手段2は、文書格納手段1に格納されている各読影レポートから、各疾患名毎に、該疾患に係る所見記述要素を抽出する。所見記述要素は、所見の記述中に特徴的に含まれる語句(記述要素)であり、換言すると、1又は複数の所見記述要素を用いて所見が記述されている。本例では、所見の記述を構文解析して所見記述要素を抽出しているが、他の手法により所見記述要素を抽出するようにしてもよい。
図2は、各読影レポートから抽出した各疾患名毎の所見記述要素を例示している。
例えば、読影レポートaから疾患名「頭蓋咽頭腫」について所見記述要素「多分葉状の腫瘤」「被膜状の造影効果」「辺縁高吸収」「石灰化」「骨化」「限局性開大領域」が抽出され、読影レポートbから疾患名「髄膜腫」について所見記述要素「広基性の腫瘤」「T1強調像等信号」「硬膜の肥厚」が抽出されている。
例えば、読影レポートaから疾患名「頭蓋咽頭腫」について所見記述要素「多分葉状の腫瘤」「被膜状の造影効果」「辺縁高吸収」「石灰化」「骨化」「限局性開大領域」が抽出され、読影レポートbから疾患名「髄膜腫」について所見記述要素「広基性の腫瘤」「T1強調像等信号」「硬膜の肥厚」が抽出されている。
高頻度構造化データ抽出手段3は、疾患名別構造化データ抽出手段2による抽出結果に基づいて各疾患名毎の所見記述要素の出現頻度を算出し、所定の閾値T0より大きい出現頻度の所見記述要素を該疾患に特徴的な所見記述要素と判断して抽出し、該当する疾患名とともに疾患名別構造化データ格納手段5に渡す。なお、各疾患名毎の所見記述要素の出現頻度は、対象の所見記述要素を対象の疾患に係る所見の記述中に含む読影レポートを計数して算出される。
図3は、各疾患名毎の所見記述要素の出現頻度を例示している。
例えば、疾患名「頭蓋咽頭腫」に係る所見記述要素「多分葉状の腫瘤」の出現頻度は“1145”であり、当該疾患名に係る所見記述要素「限局性開大領域」の出現頻度は“27”であることがわかる。ここで、例えば閾値T0=500とすると、前者の所見記述要素は閾値Tを上回るため、特徴的な所見記述要素と判断されて疾患名別構造化データ格納手段5に渡され、該当する疾患名「頭蓋咽頭腫」と対応付けて格納される。一方、後者の所見記述要素は閾値Tを下回るため、常識的な所見記述要素又は例外的な所見記述要素であると判断され、疾患名別構造化データ分布計算手段4による処理対象となる。
例えば、疾患名「頭蓋咽頭腫」に係る所見記述要素「多分葉状の腫瘤」の出現頻度は“1145”であり、当該疾患名に係る所見記述要素「限局性開大領域」の出現頻度は“27”であることがわかる。ここで、例えば閾値T0=500とすると、前者の所見記述要素は閾値Tを上回るため、特徴的な所見記述要素と判断されて疾患名別構造化データ格納手段5に渡され、該当する疾患名「頭蓋咽頭腫」と対応付けて格納される。一方、後者の所見記述要素は閾値Tを下回るため、常識的な所見記述要素又は例外的な所見記述要素であると判断され、疾患名別構造化データ分布計算手段4による処理対象となる。
疾患名別構造化データ分布計算手段4は、高頻度構造化データ抽出手段3によって抽出されなかった出現頻度の低い所見記述要素(すなわち常識的な所見記述要素又は例外的な所見記述要素)を対象に、以下の処理を行う。
まず、各疾患名毎の各所見記述要素について、該当する読影レポート(すなわち、対象の所見記述要素を対象の疾患に係る所見の記述中に含む読影レポート)の作成日時を文書格納手段1から取得し、該当する読影レポートの時系列上の出現分布を示す分散値と、該当する読影レポートの作成日時の平均値とを算出する。そして、分散値が所定の閾値T1以下であり、平均値が所定の閾値T2以下(例えば5年以上前)であり、出現頻度が所定の閾値T3(ただし、閾値T3<閾値T0)以上である所見記述要素を該疾患に常識的な所見記述要素と判断して抽出し、該当する疾患名とともに疾患名別構造化データ格納手段5に渡す。一方、上記条件を満たさない所見記述要素は、該疾患に例外的な所見記述要素と判断されて抽出されない。
まず、各疾患名毎の各所見記述要素について、該当する読影レポート(すなわち、対象の所見記述要素を対象の疾患に係る所見の記述中に含む読影レポート)の作成日時を文書格納手段1から取得し、該当する読影レポートの時系列上の出現分布を示す分散値と、該当する読影レポートの作成日時の平均値とを算出する。そして、分散値が所定の閾値T1以下であり、平均値が所定の閾値T2以下(例えば5年以上前)であり、出現頻度が所定の閾値T3(ただし、閾値T3<閾値T0)以上である所見記述要素を該疾患に常識的な所見記述要素と判断して抽出し、該当する疾患名とともに疾患名別構造化データ格納手段5に渡す。一方、上記条件を満たさない所見記述要素は、該疾患に例外的な所見記述要素と判断されて抽出されない。
疾患名別構造化データ格納手段5は、高頻度構造化データ抽出手段3及び疾患名別構造化データ分布計算手段4から受け取った疾患名と所見記述要素(特徴的な所見記述要素及び常識的な所見記述要素)とを対応付けて格納する。
次に、本例の所見分析装置による所見分析処理を、図4に示す処理フロー図を参照して具体的に説明する。
まず、疾患名別構造化データ抽出手段2が、文書格納手段1に格納されている各読影レポートから各疾患名毎の所見記述要素を抽出する(ステップS1)。その後、高頻度構造化データ抽出手段3が、前記抽出された各疾患名毎の所見記述要素について、該当する読影レポートの出現頻度を算出し、出現頻度が閾値T0を上回る高出現頻度の所見記述要素を抽出する(ステップS2)。当該抽出された所見記述要素は、該当する疾患名と対応付けて疾患名別構造化データ格納手段5に格納される。
まず、疾患名別構造化データ抽出手段2が、文書格納手段1に格納されている各読影レポートから各疾患名毎の所見記述要素を抽出する(ステップS1)。その後、高頻度構造化データ抽出手段3が、前記抽出された各疾患名毎の所見記述要素について、該当する読影レポートの出現頻度を算出し、出現頻度が閾値T0を上回る高出現頻度の所見記述要素を抽出する(ステップS2)。当該抽出された所見記述要素は、該当する疾患名と対応付けて疾患名別構造化データ格納手段5に格納される。
そして、疾患名別構造化データ分布計算手段4が、高頻度構造化データ抽出手段3によって抽出されなかった出現頻度が閾値T1以下の所見記述要素について、或る疾患名に係る所見記述要素を対象に(ステップS3、S4)、当該所見記述要素に該当する読影レポートの時系列上の出現分布の分散値と該読影レポートの作成日時の平均値とを算出し(ステップS5)、分散値が閾値T1以下、平均値が閾値2以下、出現頻度が閾値T3以上の所見記述要素を抽出する(ステップS6)。当該抽出された所見記述要素は、該当する疾患名と対応付けて疾患名別構造化データ格納手段5に格納される。疾患名別構造化データ分布計算手段4は、上記処理を当該疾患名に係る他の所見記述要素についても行い(ステップS7)、また、他の疾患名に係る所見記述要素についても行う(ステップS8)。
これにより、疾患名別構造化データ格納手段5には、各疾患名毎に、高頻度構造化データ抽出手段3により抽出された該疾患に特徴的な所見記述要素、及び、疾患名別構造化データ分布計算手段4により抽出された該疾患に常識的な所見記述要素が格納される。
なお、本例では、文書格納手段1に格納されている読影レポートのうち、所定期間内の作成日時に係る読影レポートを対象に処理を行っているが、全読影レポートを対象に処理を行うようにしてもよい。
なお、本例では、文書格納手段1に格納されている読影レポートのうち、所定期間内の作成日時に係る読影レポートを対象に処理を行っているが、全読影レポートを対象に処理を行うようにしてもよい。
図5は、本例の所見分析装置の主要なハードウェア構成を示している。
すなわち、本例の所見分析装置は、各種演算処理を行うCPU、CPUの作業領域となるRAM、基本的な制御プログラムを記憶するROM、本発明に係る各機能を実現するためのプログラム等を記憶するHDD、利用者に対する情報を表示出力する液晶ディスプレイや利用者からの情報の入力を受け付けるマウス・キーボード等の機器とのインターフェースである入出力I/F、他の装置との間で通信を行うインターフェースである通信I/F、等のハードウェア資源を有するコンピュータで構成されている。
すなわち、本例の所見分析装置は、各種演算処理を行うCPU、CPUの作業領域となるRAM、基本的な制御プログラムを記憶するROM、本発明に係る各機能を実現するためのプログラム等を記憶するHDD、利用者に対する情報を表示出力する液晶ディスプレイや利用者からの情報の入力を受け付けるマウス・キーボード等の機器とのインターフェースである入出力I/F、他の装置との間で通信を行うインターフェースである通信I/F、等のハードウェア資源を有するコンピュータで構成されている。
そして、本発明に係るプログラムをHDDから読み出してRAMに展開し、これをCPUにより実行させることで、本発明に係る第1の記憶手段(文書格納手段1)、抽出手段(疾患名別構造化データ抽出手段2)、特定手段(高頻度構造化データ抽出手段3及び疾患名別構造化データ分布計算手段4)、第2の記憶手段(疾患名別構造化データ格納手段5)等を、所見分析装置のコンピュータに実現している。
なお、本発明に係るプログラムは、例えば、当該プログラムを記憶したCD−ROM等の外部記憶媒体を配布する形式や、ネットワークを介して配信する形式により、本発明の実施者に提供される。
また、本発明に係る所見分析装置の各機能手段は、本例のようなソフトウェア構成により実現する態様に限られず、専用のハードウエアモジュールで構成してもよい。
また、本発明に係る所見分析装置の各機能手段は、本例のように1台のコンピュータに設ける態様に限られず、複数台のコンピュータに分散して設けてもよい。
また、本発明に係る所見分析装置の各機能手段は、本例のようなソフトウェア構成により実現する態様に限られず、専用のハードウエアモジュールで構成してもよい。
また、本発明に係る所見分析装置の各機能手段は、本例のように1台のコンピュータに設ける態様に限られず、複数台のコンピュータに分散して設けてもよい。
1:文書格納手段、
2:疾患名別構造化データ抽出手段、
3:高頻度構造化データ抽出手段、
4:疾患名別構造化データ分布計算手段、
5:疾患名別構造化データ格納手段
2:疾患名別構造化データ抽出手段、
3:高頻度構造化データ抽出手段、
4:疾患名別構造化データ分布計算手段、
5:疾患名別構造化データ格納手段
Claims (6)
- 患者の疾患名及びその疾患に係る所見を含む電子文書と当該電子文書の作成日時とを対応付けて記憶する第1の記憶手段と、
電子文書に含まれる各疾患名毎に、疾患名に係る所見を構成する所見記述要素を抽出する抽出手段と、
各疾患名毎の所見記述要素のうち、該当する電子文書の数が第1の所定値を下回り且つ該当する電子文書の時系列上の出現分布を示す分散値が第2の所定値を下回る所見記述要素を特定する特定手段と、
前記特定した所見記述要素を該当する疾患名に対応付けて記憶する第2の記憶手段と、
を備えたことを特徴とする所見分析装置。 - 前記特定手段は、該当する電子文書の作成日時の平均値が第3の所定値を下回ることを更に満たす所見記述要素を特定することを特徴とする請求項1に記載の所見分析装置。
- 前記特定手段は、該当する電子文書の数が第4の所定値を上回ることを更に満たす所見記述要素を特定することを特徴とする請求項1又は請求項2に記載の所見分析装置。
- 前記特定手段は、所定期間内の作成日時に係る電子文書を対象とすることを特徴とする請求項1乃至請求項3のいずれか1項に記載の所見分析装置。
- 前記特定手段は、該当する電子文書の数が第1の所定値を上回る所見記述要素を更に特定することを特徴とする請求項1乃至請求項4のいずれか1項に記載の所見分析装置。
- コンピュータを、
患者の疾患名及びその疾患に係る所見を含む電子文書と当該電子文書の作成日時とを対応付けて記憶する第1の記憶手段と、
電子文書に含まれる各疾患名毎に、疾患名に係る所見を構成する所見記述要素を抽出する抽出手段と、
各疾患名毎の所見記述要素のうち、該当する電子文書の数が第1の所定値を下回り且つ該当する電子文書の時系列上の出現分布を示す分散値が第2の所定値を下回る所見記述要素を特定する特定手段と、
前記特定した所見記述要素を該当する疾患名に対応付けて記憶する第2の記憶手段として機能させるための所見分析プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007266118A JP2009093582A (ja) | 2007-10-12 | 2007-10-12 | 所見分析装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007266118A JP2009093582A (ja) | 2007-10-12 | 2007-10-12 | 所見分析装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009093582A true JP2009093582A (ja) | 2009-04-30 |
Family
ID=40665480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007266118A Pending JP2009093582A (ja) | 2007-10-12 | 2007-10-12 | 所見分析装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2009093582A (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010110173A1 (ja) | 2009-03-26 | 2010-09-30 | Ntn株式会社 | センサ付車輪用軸受 |
WO2013133274A1 (ja) * | 2012-03-05 | 2013-09-12 | 株式会社 東芝 | 読影レポート作成支援装置 |
CN117316371A (zh) * | 2023-11-29 | 2023-12-29 | 杭州未名信科科技有限公司 | 病例报告表的生成方法、装置、电子设备和存储介质 |
-
2007
- 2007-10-12 JP JP2007266118A patent/JP2009093582A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010110173A1 (ja) | 2009-03-26 | 2010-09-30 | Ntn株式会社 | センサ付車輪用軸受 |
WO2013133274A1 (ja) * | 2012-03-05 | 2013-09-12 | 株式会社 東芝 | 読影レポート作成支援装置 |
CN117316371A (zh) * | 2023-11-29 | 2023-12-29 | 杭州未名信科科技有限公司 | 病例报告表的生成方法、装置、电子设备和存储介质 |
CN117316371B (zh) * | 2023-11-29 | 2024-04-16 | 杭州未名信科科技有限公司 | 病例报告表的生成方法、装置、电子设备和存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20220199230A1 (en) | Context driven summary view of radiology findings | |
JP6749835B2 (ja) | コンテキスト依存医学データ入力システム | |
CN108475538B (zh) | 用于将第三方应用集成在图像解读工作流中的结构化发现对象 | |
JP5264136B2 (ja) | 医用診断支援装置及びその制御方法、ならびにコンピュータプログラム及び記憶媒体 | |
US10901978B2 (en) | System and method for correlation of pathology reports and radiology reports | |
US20130006669A1 (en) | Diagnosis Support System, Method and Program | |
US8260631B2 (en) | Visual filtering to create logical associations in timeline based metaphors | |
JP2017534117A5 (ja) | ||
JP5098314B2 (ja) | 文書作成支援システム、および文書作成支援方法、並びにコンピュータ・プログラム | |
JP5891305B2 (ja) | 診療プロセス分析システム | |
WO2005122002A2 (ja) | 構造化文書作成方法ならびに装置 | |
US20160055190A1 (en) | Event detection and characterization in big data streams | |
WO2017174591A1 (en) | Automated contextual determination of icd code relevance for ranking and efficient consumption | |
US11062448B2 (en) | Machine learning data generation support apparatus, operation method of machine learning data generation support apparatus, and machine learning data generation support program | |
JP2018512639A (ja) | 臨床の所見のコンテキストによる評価のための方法及びシステム | |
EP2922018A1 (en) | Medical information analysis program, medical information analysis device, and medical information analysis method | |
JP2009093582A (ja) | 所見分析装置 | |
JP5358401B2 (ja) | クリニカルパス改善案提示システム | |
JP5151412B2 (ja) | 表記ゆれ解析装置 | |
JP5501491B2 (ja) | 診断支援装置及び制御方法 | |
US20220375562A1 (en) | Document creation support apparatus, document creation support method, and program | |
JP5003004B2 (ja) | バリアンス根本原因分析支援システム | |
JP5209340B2 (ja) | レポート作成システム及びレポート作成装置 | |
US8756234B1 (en) | Information theory entropy reduction program | |
EP4283629A1 (en) | Document preparation assistance device, document preparation assistance method, and program |