JP2009207585A - 医用画像解析システム、コンピュータプログラム及び医用画像解析方法 - Google Patents
医用画像解析システム、コンピュータプログラム及び医用画像解析方法 Download PDFInfo
- Publication number
- JP2009207585A JP2009207585A JP2008051655A JP2008051655A JP2009207585A JP 2009207585 A JP2009207585 A JP 2009207585A JP 2008051655 A JP2008051655 A JP 2008051655A JP 2008051655 A JP2008051655 A JP 2008051655A JP 2009207585 A JP2009207585 A JP 2009207585A
- Authority
- JP
- Japan
- Prior art keywords
- evaluation value
- image
- analysis target
- target image
- subjective
- 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
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
【課題】医用画像から、主観的指標に関する評価値を求め出力することができる医用画像解析システム、コンピュータプログラム及び医用画像解析方法を提供する。
【解決手段】本発明に係る医用画像解析システムは、解析対象画像入力手段と、解析対象画像値取得手段と、解析対象画像値変換手段と、出力手段とを有する。解析対象画像入力手段に入力された解析対象画像17から、解析対象画像値取得手段は解析対象画像に関する客観評価値を求め、解析対象画像値変換手段は、解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換する。変換は、参照画像18から取得される参照画像に関する客観評価値と、参照画像に関する主観評価値とに基づいて行われる。出力手段は、得られた解析対象画像に関する主観評価値に応じた情報を出力する。
【選択図】図2
【解決手段】本発明に係る医用画像解析システムは、解析対象画像入力手段と、解析対象画像値取得手段と、解析対象画像値変換手段と、出力手段とを有する。解析対象画像入力手段に入力された解析対象画像17から、解析対象画像値取得手段は解析対象画像に関する客観評価値を求め、解析対象画像値変換手段は、解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換する。変換は、参照画像18から取得される参照画像に関する客観評価値と、参照画像に関する主観評価値とに基づいて行われる。出力手段は、得られた解析対象画像に関する主観評価値に応じた情報を出力する。
【選択図】図2
Description
本発明は、CT、MRIといった医用撮像装置により撮像された医用画像を解析するための医用画像解析装置、コンピュータプログラム及び医用画像解析方法に関する。
近年のCT、MRIといった医用撮像装置の普及により、病院内では、大量の医用画像が日々取得されている。これらの医療画像には、通常、医師がその医用画像を読影し、所見や診断結果を示したカルテや読影レポートなどが添付されている。そのため、これらの医用画像を複数の医師で共有すれば、多量の症例のデータベースとして利用することができると考えられる。
一方で、医用画像から適切な所見や診断結果を示すには、高度な専門的知識が必要である。そこで、医師が医用画像を診断するに際し、上述の大量の医用画像から、診断に有益な情報を適宜抽出して提示することができれば、診断の精度を高めることができ、非常に有益であると考えられる。
このような観点から、大量の医用画像を電子化してデータベースにするとともに、それを用いて医師が診断しようとしている医用画像と類似した医用画像を検索し提示しようという試みがある。
たとえば、特許文献1に開示された技術は、診断しようとしている医用画像から、病変部位の形状、大きさ、濃度勾配などの評価値を計算し、それらの評価値を用いて、診断しようとしている医用画像と類似した医用画像を検索する。医用画像のデータベースには、保管された医用画像からあらかじめ計算された評価値が保存されており、検索の際には、診断しようとしている医用画像から計算された評価値と、保管された医用画像からあらかじめ計算された評価値とを比較して、両者の類比を判断している。
また、非特許文献1に開示された技術は、医師が医用画像を評価する際に用いる指標(例えば肺疾患においては、「肥厚」、「蜂の巣」、「裂け目」等)に応じた評価値を用いて、診断しようとしている医用画像と類似した医用画像を検索することで、より精度の高い検索を行おうとしている。
これらの試みによれば、医師は、検索された医用画像に添付されたカルテや読影レポートを参考にして、診断をすることができる。
特開2001−155019号公報
Chi-RenShyu, Caria E. Brodley, Avinash C. Kak, Akio Kosaka, Alex M. Aisen, Lynn S.Broderick、"ASSERT: A Physician-in-the-Loop Content-BasedRetrieval System for HRCT Image Databases"、ComputerVision and Image Understanding、(米)、1999、Vol.75、No.1、p.111-132
しかしながら、上記従来技術が診断しようとしている医用画像から求める評価値は、客観的指標、すなわち、画像処理等の計算によって求められる量に関する評価値であって、主観的指標、すなわち、医師が、診断しようとしている医用画像から診断を下したり、類似する医用画像を抽出する際に用いる指標と異なるという問題がある。
というのも、客観的指標の多くは、医師が、当該指標と病変との関係を理解できないため、診断を下す際の参考とはならない。また、医師が類似する医用画像を抽出する際に用いる指標と異なる指標を用いることにより、医師が抽出する類似画像と異なる画像が抽出されるなど、検索の精度が必ずしも良好でない恐れがある。さらに、上記従来技術によっては、検索された医用画像が、どのような点で診断しようとしている医用画像と類似しているのか、医師が直ちには理解できない。
したがって、医用画像を機械的に解析する際に、医師が用いる主観的指標についての評価をすることができれば、診断に有益な情報が得られるとともに、類似する医用画像を高精度に検索できると考えられる。
本発明は上記課題に鑑みてなされたものであって、その目的は、医用画像から、主観的指標に関する評価値を求め出力することができる医用画像解析システム、コンピュータプログラム及び医用画像解析方法を提供することにある。
上記課題を解決するために、本発明に係る医用画像解析システムは、解析対象画像が入力される解析対象画像入力手段と、解析対象画像に関する客観評価値を前記解析対象画像から取得する解析対象画像値取得手段と、1または複数の参照画像の各々から取得される参照画像に関する客観評価値と、参照画像に関する主観評価値とに基づいて、前記解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換する解析対象画像値変換手段と、前記解析対象画像に関する主観評価値に応じた情報を出力する出力手段と、を有し、前記客観評価値は、客観的指標に関する評価値であり、前記主観評価値は、主観的指標に関する評価値であり、前記参照画像に関する主観評価値は、主観的指標に関する評価者の評価を示す情報であって、前記参照画像の各々に付与される情報から取得されるものであることを特徴とする。
また、本発明に係るコンピュータプログラムは、解析対象画像が入力される解析対象画像入力手段と、解析対象画像に関する客観評価値を前記解析対象画像から取得する解析対象画像値取得手段と、1または複数の参照画像の各々から取得される参照画像に関する客観評価値と、参照画像に関する主観評価値とに基づいて、前記解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換する解析対象画像値変換手段と、前記解析対象画像に関する主観評価値に応じた情報を出力する出力手段と、を有し、前記客観評価値は、客観的指標に関する評価値であり、前記主観評価値は、主観的指標に関する評価値であり、前記参照画像に関する主観評価値は、主観的指標に関する評価者の評価を示す情報であって、前記参照画像の各々に付与される情報から取得されるものであることを特徴とする医用画像解析システムとしてコンピュータを機能させるためのものであることを特徴とする。
また、本発明に係る医用画像解析方法は、解析対象画像を入力するステップと、解析対象画像に関する客観評価値を前記解析対象画像から取得するステップと、1または複数の参照画像の各々から取得される参照画像に関する客観評価値と、参照画像に関する主観評価値とに基づいて、前記解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換するステップと、前記解析対象画像に関する主観評価値に応じた情報を出力するステップと、を有し、前記客観評価値は、客観的指標に関する評価値であり、前記主観評価値は、主観的指標に関する評価値であり、前記参照画像に関する主観評価値は、主観的指標に関する評価者の評価を示す情報であって、前記参照画像の各々に付与される情報から取得されるものであることを特徴とする。
以上の本発明に係る医用画像解析システム、コンピュータプログラム及び医用画像解析方法によれば、医用画像から、主観評価値を求め出力できる。
また、本発明に係る医用画像解析システムの一態様では、前記参照画像が入力される参照画像入力手段と、参照画像に関する客観評価値を前記参照画像から取得する参照画像値取得手段と、前記主観的指標に関する評価者の評価を示す情報が入力される評価情報入力手段と、前記主観的指標に関する評価者の評価を示す情報を主観評価値に変換する参照画像値変換手段をさらに有する。こうすれば、入力される参照画像の各々について客観評価値と主観評価値が得られるから、両者の相関関係に基づいて、解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換できる。
また、本発明に係る医用画像解析システムの一態様では、前記主観的指標に関する評価者の評価を示す情報は、前記参照画像に対して評価者が付与する主観評価値であり、前記解析対象画像値変換手段は、1または複数の識別器が、前記解析対象画像に関する客観評価値に応じて出力する識別信号に基づいて、前記解析対象画像に関する客観評価値を前記解析対象画像に関する主観評価値に変換する。こうすれば、医用画像解析システムは、評価者が付与する主観評価値に基づいて学習するから、精度の高い出力ができる。
あるいは、本発明に係る医用画像解析システムの一態様では、前記主観的指標に関する評価者の評価を示す情報は、前記参照画像に対する評価者の評価を記述する文書であり、前記解析対象画像値変換手段は、前記解析対象画像が、前記参照画像を前記参照画像に関する客観評価値に基づいて分類した分類のいずれに分類されるかに応じて、前記解析対象画像に関する客観評価値を前記解析対象画像に関する主観評価値に変換し、前記解析対象画像値変換手段は、前記分類に分類された前記参照画像に付与された前記文書に、前記主観的指標が関連する度合に応じて、前記解析対象画像に関する客観評価値を前記解析対象画像に関する主観評価値に変換する。こうすれば、医用画像解析システムは、参照画像に付与されたカルテや読影レポートなどの文書を利用して学習することができるから、学習に多大な労力をかけることなく、精度の高い出力をする医用画像解析システムを構築できる。
また、本発明に係る医用画像解析システムの一態様では、前記出力手段は、前記解析対象画像に関する主観評価値に基づいて、保管手段に保管された複数の保管画像より、前記解析対象画像に類似する1または複数の保管画像を類似画像として抽出し、前記類似画像を提示手段に提示する。その際、前記出力手段は、前記解析対象画像に関する主観評価値と、保管画像に関する主観評価値とを比較することにより、前記解析対象画像と前記保管画像との類比を判断する。こうすれば、主観評価値を用いて類似画像を検索するから、より医師の判断に近い、高精度な検索ができる。
また、本発明に係る医用画像解析システムの一態様では、前記出力手段は、前記解析対象画像に関する主観評価値を提示手段に提示する。こうすれば、医用画像解析システムの利用者に、診断に役立つ情報を提示できる。また、類似画像が提示されている場合には、解析対象画像と類似画像とがどのような点で類似しているのかを利用者が直ちに理解できる。
1.第一の実施形態
以下、本発明の第一の実施形態につき、図1乃至8に基づき、詳細に説明する。
以下、本発明の第一の実施形態につき、図1乃至8に基づき、詳細に説明する。
図1は、第一の実施形態に係る医用画像解析システムのハードウェア構成を示す図である。同図に示すように、この医用画像解析システムは、マイクロプロセッサ1、データバス2、ハードディスクドライブ3、主記憶4、入出力処理部5、モニタ6からなる公知のコンピュータシステムを含んでいる。
マイクロプロセッサ1は、データバス2を介して各種機器と相互に通信可能に接続されており、ハードディスクドライブ3に格納されるオペレーティングシステム及びプログラムに基づいて、医用画像解析システムの各部を制御する。なお、ハードディスクドライブ3に代えて、ROMや不揮発性メモリ等を用いてもよい。また、オペレーティングシステム及び/またはプログラムは別途DVD−ROM等の情報記録媒体に記録されていてよく、これを適宜読み込むものとしてもよい。あるいは、オペレーティングシステム及び/またはプログラムは、コンピュータネットワーク経由で提供されるものであってもよい。
主記憶4は、RAMからなり、読み出されたプログラムが必要に応じて書きこまれるほか、医用画像解析システムが動作する際の作業領域として用いられる。
入出力処理部5は、マイクロプロセッサ1が種々の機器にアクセスするためのインターフェイスである。既知のCTやMRI等の医用画像撮像装置10、DVD−ROM12を読み取る情報記録媒体読取装置11、写真や文書14を電子データとして取り込むスキャナ13、外部のコンピュータに接続するコンピュータネットワーク15、及び、キーボードやマウスである入力装置16が入出力処理部5を介してアクセス可能に接続される。なお、情報記録媒体としては、他にCD−ROMや各種メモリカード等を好適に用いることができる。また、コンピュータネットワーク15はインターネットやLAN、PtoP接続であってよい。入力装置16としては、他にタブレットやタッチパネル等を用いてよい。
モニタ6はCRTや液晶ディスプレイ等の画像表示デバイスであり、医用画像解析システムのGUI(Graphical User Interface)や、医用画像解析システムが出力する結果が表示される。これとは別に、プリンタを接続し、プリントアウトにより出力結果を表示するようにしてもよい。
図2は、上述のハードウェア構成を有する医用画像解析システムのシステム構成を示す図である。当該システムを構成する各要素は、医用画像解析システムのハードウェアに読み込まれたオペレーティングシステム及びプログラムが実行されることにより、ソフトウェアによって実現される。
この医用画像解析システムは、解析対象画像17が入力される解析対象画像入力手段としての解析対象画像入力部20、解析対象画像17から解析対象画像に関する客観評価値を取得する解析対象画像値取得手段としての解析対象画像値取得部30、解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換する解析対象画像値変換手段としての解析対象画像値変換部40、解析対象画像に関する主観評価値に応じた情報を出力する出力手段としての出力部50、出力された情報を提示する提示手段としての提示部60、出力手段50と通信可能に接続され、保管画像と、保管画像に関する主観評価値を保管する保管手段としての保管部70、及び、解析対象画像値変換部40に学習データを入力する学習データ入力部80を有している。
学習データ入力部80は、参照画像18が入力される参照画像入力手段としての参照画像入力部81、参照画像18から参照画像に関する客観評価値を取得する参照画像値取得手段としての参照画像値取得部82、参照画像18に付与される主観的指標に関する評価者の評価を示す情報が入力される評価情報入力手段としての評価情報入力部83、及び、評価者の評価を示す情報から参照画像に関する主観評価値を取得する参照画像値変換手段としての参照画像値変換部84を有する。
この医用画像解析システムによれば、まず、解析対象画像入力部20により、解析対象画像17は電子データとして入力され、符号100に示すように解析対象画像値取得部30に受け渡される。解析対象画像入力部20は、好適には、CTやMRIのような医用画像撮像装置10である。そのほかにも、医用画像を記録した写真を電子データとして取り込むスキャナ13であってもよいし、コンピュータネットワーク15を介して取り込むものであっても、情報記録媒体読取装置11であってもよい。また、解析対象画像入力部20は、たとえば、特許文献1に記載されているような公知の方法により、解析対象画像17から、解析対象部位である病変部医を抽出するものとしてもよい。解析対象画像17は、二次元画像であってもよいし、三次元画像であってもよい。
解析対象画像値取得部30は、受け取った解析対象画像17の電子データに対し、画像処理などの計算を行い、解析対象画像17中に含まれる解析対象部位の形状、大きさ、濃度勾配といった客観的指標について、その値である客観評価値を取得する。なお、本明細書中では、客観評価値とは、客観的指標に関する評価値を意味し、客観的指標とは、前述したように、画像処理等の計算によって求められる量を意味するものとする。客観評価値の算出方法には、特許文献1に記載されているような種々の公知の方法を用いることができる。
解析対象画像値変換部40は、符号101に示すように、解析対象画像に関する客観評価値を受け取り、解析対象画像に関する主観評価値に変換する。なお、本明細書中では、主観評価値とは、主観的指標に関する評価値を意味し、主観的指標とは、医用画像に対し評価者が評価をする際に用いる指標を意味するものとする。たとえば、解析対象部位がヒトの肺である場合には、医師が肺疾患に見られる病変を表す際に用いる「肥厚」、「蜂の巣」、「裂け目」などの表現が主観的指標である。そして、主観評価値とは、問題としている病変部位が、これらの主観的指標にどの程度合致するかの強度を示す値であり、一例として、1〜5の数値で表すことができる。
そして、解析対象画像値変換部40は、解析対象画像に関する客観評価値から解析対象画像に関する主観評価値への変換を、参照画像18から得られる参照画像に関する客観評価値と、参照画像18に付与される主観的指標に関する評価者の評価を示す情報から得られる参照画像に関する主観評価値との相関関係に基づいて行う。より具体的には、参照画像に関する客観評価値と参照画像に関する主観評価値とが入力されることで、解析対象画像値変換部40は、両者の相関関係をその内部状態として学習し、その内部状態に基づいて、解析対象画像に関する客観評価値を解析対象画像に関する主観評価値へと変換する。解析対象画像値変換部40の詳細については、後ほど詳述する。
出力部50は、符号102に示すように、解析対象画像に関する主観評価値を受け取ると、解析対象画像17に類似する1または複数の類似画像19を、保管部70に保管されている多数の保管画像から選択するとともに、解析対象画像に関する主観評価値に応じた情報として、類似画像19と、解析対象画像に関する主観評価値とを提示部60に出力する。出力部50は、後ほど詳述するように、解析対象画像に関する主観評価値と保管画像に関する主観評価値とを比較して類比判断を行う。
保管部70は、多数の医用画像を保管画像として保管している。同時に、保管画像に対し付与された主観評価値を保管画像とともに保管しており、符号104、符号105に示すように、保管画像に関する主観評価値と類似画像19とを出力部50に受け渡すことができる。保管部70は、たとえば、ハードディスクドライブ3を用いて構成することができるが、他にも、磁気テープ、DVD−ROM等の情報記録媒体を用いて構成しても、コンピュータネットワーク15を介し接続される外部のコンピュータにより構成してもよい。
提示部60は、好適にはモニタ6であり、符号103に示すように、出力部50から出力を受け取ると、その出力をユーザに提示する。提示部60としては、他にも、プリンタを用いてもよいし、コンピュータネットワーク15を介し外部に出力を送信するものとしてもよい。
学習データ入力部80は、解析対象画像値変換部40がその内部状態を学習する際に用いられる。
参照画像18は、解析対象画像値変換部40がその内部状態を学習する際に用いられる教師データとしてあらかじめ用意される医用画像である。参照画像入力部81は、参照画像18を電子データとして受け取り、符号106に示すように参照画像値取得部82に受け渡す。参照画像入力部81は、好適には、ハードディスクドライブ3に保存された参照画像18を読み込むものとすることができるが、医用画像を記録した写真を電子データとして取り込むスキャナ13であってもよいし、コンピュータネットワーク15を介して取り込むものであっても、情報記録媒体読取装置11であってもよい。
参照画像値取得部82は、受け取った参照画像18の電子データから客観評価値を取得する。取得方法は、解析対象画像値取得部30と同様である。得られた参照画像に関する客観評価値は、符号107に示すように解析対象画像値変換部40に受け渡され、学習に用いられる。
なお、参照画像値取得部82を独立に設けずに、解析対象画像値取得部30がその機能を兼ね備えるものとしてもよい。その場合は、参照画像18の電子データは破線110に示すように解析対象画像値取得部30に受け渡され、参照画像に関する客観評価値は破線111に示すように解析対象画像値変換部40に受け渡される。
評価情報入力部83は、解析対象画像値変換部40がその内部状態を学習する際に用いられるもう一つの教師データである、主観的指標に関する評価者の評価を示す情報の入力を受け付ける。ここでは、主観的指標に関する評価者の評価を示す情報は、参照画像18の各々に対して評価者である医師が付与する主観評価値である。評価情報入力部83には、たとえばキーボードなどの入力装置16を用いることができる。
評価者は、参照画像入力部81に入力される参照画像18を見て、その画像が主観的指標にどの程度合致するかを判断し、たとえば1〜5の数値を用い、あまり合致しなければ1を、よく合致するならば5を評価情報入力部83に入力する。複数の主観的指標について主観評価を入力するようにしてよい。一例として、評価者がある参照画像18に対し、「肥厚」はほとんど見られないが、「蜂の巣」は強く見られ、「裂け目」はある程度認められると判断したならば、「肥厚」に関する主観評価値として1を、「蜂の巣」に対する主観評価値として5を、「裂け目」に対する主観評価値として3を入力する。
参照画像値変換部84は、符号108に示すように評価情報入力部83から受け渡される主観的指標に関する評価者の評価を示す情報を、参照画像に関する主観評価値に変換する。この場合、主観的指標に関する評価者の評価を示す情報自体が参照画像に関する主観評価値であるから、参照画像値変換部84は、入力された参照画像に関する主観評価値を、符号109に示すようにそのまま解析対象画像値変換部40に受け渡す。
なお、以上の説明では学習データ入力部80を医用画像解析システムに含むものとしたが、学習データ入力部80をこれとは別に構成しておき、それによって得られた参照画像に関する客観評価値と、参照画像に関する主観評価値のみを、たとえばコンピュータネットワーク15を介して解析対象画像値変換部40に受け渡すようにしてもよい。また、医用画像解析システムは、常時学習データ入力部80を有さずともよく、必要なときのみ構成するようにしてもよい。
次に、解析対象画像値変換部40を詳細に説明する。
図3は、第一の実施形態に係る解析対象画像値変換部40を示す図である。
解析対象画像値変換部40は、入力された解析対象画像に関する客観評価値を、特定の主観的指標についての主観評価値に変換する変換部41を有する。そして、変換部41は、図示するように複数の識別器42a〜42jと集計部43からなる。
各識別器42a〜42jは、入力された解析対象画像に関する客観評価値に応じて識別信号を出力するようになっている。そして、各識別器42a〜42jより出力された識別信号は集計部43にて集計され、主観評価値へと変換される。
識別器42a〜42jは、サポートベクタマシンである。そして、各々の識別器42a〜42jは、解析対象画像に関する客観評価値が入力されると、異なる2値の主観評価値のいずれに該当するかを識別する識別信号を出力する。ここでは、出力すべき主観評価値の値は1〜5の整数値であるから、識別器42a〜42jの数は、1〜5の整数から2つの異なる整数を選ぶ組み合わせの数、すなわち、10個となる。具体的な識別器42a〜42jの組み合わせは、図示したとおりである。図中、p/qと表記されている識別器42a〜42jは、主観評価値がpまたはqのいずれであるのかを識別する識別器である。たとえば、1/2と表記されている識別器42aは、主観評価値が1または2のいずれであるのかを識別する。
なお、一般に、主観評価値が1〜nの整数で表されるとするならば、必要な識別器の数はnC2である。n=2であれば、識別器は1つでよいし、n=10であれば識別器は45個必要となる。
そして、集計部43は、識別器42a〜42jから出力された識別信号を集計し、最も出力された識別信号の数が多い主観評価値を変換結果として出力部50に出力する。具体的には、主観評価値1に対する識別信号の数が0、主観評価値2に対する識別信号の数が3、主観評価値3に対する識別信号の数が4、主観評価値4に対する識別信号の数が2、主観評価値5に対する識別信号の数が1であれば、集計部43は主観評価値として3を出力する。識別信号の数が同じ主観評価値がある場合は、主観評価値間に優先順位を設けておけばよい。
なお、サポートベクタマシンには、必要に応じてソフトマージン法やカーネルトリックを適宜用いてよいことは言うまでもない。
また、以上の説明では、識別器としてサポートベクタマシンを用いたが、識別器をそのノードとしたニューラルネットワークを用いてもよく、その他公知の学習による情報処理手法を用いてもよい。
図4は、第一の実施形態に係る解析対象画像値変換部40を学習させる過程を示す図である。
同図に示すように、解析対象画像値変換部40を学習させるに際しては、各識別器42a〜42jには、参照画像値取得部82からの参照画像に関する客観評価値と、参照画像値変換部84からの参照画像に関する主観評価値とが入力される。
学習は、次のように行われる。
(1)まず、特定の参照画像について、参照画像値取得部82により得られた参照画像に関する客観評価値が、各識別器42a〜42jに入力される。
(2)次に、参照画像値変換部84から、参照画像に関する主観評価値が、各識別器42a〜42jに入力される。
(3)そして、各識別器42a〜42jのうち、その識別器が識別しようとする2値の主観評価値のいずれかと、入力された参照画像に関する主観評価値とが合致する識別器は、入力された参照画像に関する客観評価値と参照画像に関する主観評価値との組み合わせを正解として認識する。たとえば、入力された参照画像に関する主観評価値が4である場合には、図中太線で示したように、識別器42c,42f,42h及び識別器42jが当該入力を正解として認識する。
(4)以上の(1)〜(3)の手順を、あらかじめ用意した参照画像の数だけ繰り返す。各識別器42a〜42jは、このようにして正解と認識したデータに基づき、分離超平面を求める。
(2)次に、参照画像値変換部84から、参照画像に関する主観評価値が、各識別器42a〜42jに入力される。
(3)そして、各識別器42a〜42jのうち、その識別器が識別しようとする2値の主観評価値のいずれかと、入力された参照画像に関する主観評価値とが合致する識別器は、入力された参照画像に関する客観評価値と参照画像に関する主観評価値との組み合わせを正解として認識する。たとえば、入力された参照画像に関する主観評価値が4である場合には、図中太線で示したように、識別器42c,42f,42h及び識別器42jが当該入力を正解として認識する。
(4)以上の(1)〜(3)の手順を、あらかじめ用意した参照画像の数だけ繰り返す。各識別器42a〜42jは、このようにして正解と認識したデータに基づき、分離超平面を求める。
学習が終了すると、解析対象画像値変換部40はその内部状態を保持する。そして、上述したとおり、解析対象画像値変換部40はその内部状態に基づいて、解析対象画像に関する客観評価値を解析対象画像に関する主観評価値へと変換する。
以上の説明では、解析対象画像値変換部40は、1つの主観的指標について解析対象画像に関する主観評価値を求めるものとして説明したが、好適には、複数の主観的指標についてそれぞれ解析対象画像に関する主観評価値を求めるものとしてよい。
図5は複数の主観的指標についてそれぞれ解析対象画像に関する主観評価値を求める解析対象画像値変換部40を示す図である。
図示するように、解析対象画像値変換部40は複数の変換部41a〜41fを有している。変換部の数は、求めようとする主観的指標の数に応じて定められる。たとえば、求めようとする主観的指標が「肥厚」、「蜂の巣」、「裂け目」、「気管支拡張」、「結節」及び「すりガラス」の6種であれば、変換部はそれぞれに対応して6個設けられる。
さらに、複数の変換部41a〜41fは、それぞれが異なる解析対象画像に関する客観評価値を用いてもよい。この場合、解析対象画像値取得部30は、形状、大きさ、濃度勾配などの複数種類の解析対象画像に関する客観評価値を取得し、複数の変換部41a〜41fは、それぞれ求めようとする主観的指標に応じて任意の1または複数種類の解析対象画像に関する客観評価値を用いることができる。こうすれば、計算量を減らすことができるほか、解析対象画像値変換部40による変換の精度を高めることができる。
各々の変換部41a〜41fがどの解析対象画像に関する客観評価値を用いるかは、SFS(Sequential Feature Selection)の手法を用いて次のように定めることができる。
(1)まず、学習データとして用いる参照画像と、参照画像に関する主観評価値とは別に、学習結果を検証するための検証画像と、検証画像に関する主観評価値とを用意する。検証画像に関する主観評価値もまた、評価者により付与されたものである。
(2)そして、各変換部41に対し、任意の1種類の参照画像に関する客観評価値を用いて、前述したとおりの学習を行う。
(3)学習が終了したなら、検証画像を用いて各変換部41から検証画像に関する主観評価値を出力させる。
(4)出力された検証画像に関する主観評価値と、あらかじめ用意した検証画像に関する主観評価値とを比較し、両者が一致する割合を正解率として求める。
(5)残余の全ての参照画像に関する客観評価値について同様に正解率を求め、最も正解率の高い参照画像に関する客観評価値を選択する。
(6)選択された参照画像に関する客観評価値に、さらに別の任意の1種類の参照画像に関する客観評価値を加えた2値を用い、同様に正解率を求める。
(7)最も高い正解率が得られる参照画像に関する客観評価値の組み合わせを選択する。
(8)さらに別の任意の1種類の参照画像に関する客観評価値を加え、同様に正解率を求め、最も高い正解率が得られる参照画像に関する客観評価値の組み合わせを選択する。
(9)以下、参照画像に関する客観評価値を追加しても正解率が上がらなくなるまで同様に繰り返し、最も高い正解率が得られる参照画像に関する客観評価値の組み合わせを、各変換部41が用いる解析対象画像に関する客観評価値として選択する。
(2)そして、各変換部41に対し、任意の1種類の参照画像に関する客観評価値を用いて、前述したとおりの学習を行う。
(3)学習が終了したなら、検証画像を用いて各変換部41から検証画像に関する主観評価値を出力させる。
(4)出力された検証画像に関する主観評価値と、あらかじめ用意した検証画像に関する主観評価値とを比較し、両者が一致する割合を正解率として求める。
(5)残余の全ての参照画像に関する客観評価値について同様に正解率を求め、最も正解率の高い参照画像に関する客観評価値を選択する。
(6)選択された参照画像に関する客観評価値に、さらに別の任意の1種類の参照画像に関する客観評価値を加えた2値を用い、同様に正解率を求める。
(7)最も高い正解率が得られる参照画像に関する客観評価値の組み合わせを選択する。
(8)さらに別の任意の1種類の参照画像に関する客観評価値を加え、同様に正解率を求め、最も高い正解率が得られる参照画像に関する客観評価値の組み合わせを選択する。
(9)以下、参照画像に関する客観評価値を追加しても正解率が上がらなくなるまで同様に繰り返し、最も高い正解率が得られる参照画像に関する客観評価値の組み合わせを、各変換部41が用いる解析対象画像に関する客観評価値として選択する。
なお、ここでは、参照画像と検証画像とを別個に用意することとしたが、参照画像を検証画像として用いることも可能である。
他にも、各変換部41が用いる解析対象画像に関する客観評価値を決定する手法としては、経験的に、各主観的指標に関連が深いと考えられる解析対象画像に関する客観評価値を適宜選択することも可能である。
図6は、出力部50を示す図である。
図示するように、解析対象画像値変換部40から入力された解析対象画像に関する主観評価値は二手に分けられ、その一方は符号53に示すように、比較部51に入力される。
比較部51は、保管部70から、符号104に示すように、保管画像に関する主観評価値を読み込み、解析対象画像に関する主観評価値と比較する。より具体的には、比較に用いる主観評価値に係る主観的指標が1つの場合には、両者の差を計算する。比較に用いる主観評価値に係る主観的指標が複数の場合、主観評価値はベクトル量として取り扱い、両者の距離を計算する。
そして、両者の差または距離が最も小さい保管画像に関する主観評価値を有する保管画像を、類似画像19として選択し、その結果を類似画像取得部52に受け渡す。
なお、比較部51が保管部70から保管画像に関する主観評価値を読み込む際には、逐次的に読み込んでもよいし、複数の保管画像に関する主観評価値をまとめて読みこんでもよい。また、類似画像19として選択する画像は、1つでもよいし、保管画像に関する主観評価値と解析対象画像に関する主観評価値との差あるいは距離が小さい順に複数選択してもよい。選択する数は、利用者が適宜設定してよい。
類似画像取得部52は、受け取った結果に基づき、保管部70から保管画像を類似画像19として読み出し、提示部60に出力する。
解析対象画像に関する主観評価値の他方は、符号54に示すように、そのまま提示部60に出力される。
提示部60は、得られた類似画像19と解析対象画像に関する主観評価値とを、利用者に提示する。加えて、提示部60は、診断に役立つ更なる情報を利用者に提示してよい。そのような情報には、たとえば、類似画像19に付与されたカルテや読影レポート等を挙げることができる。
以上第一の実施形態に係る医用画像解析システムは、評価者が付与する主観評価値に基づいて学習することにより、医用画像から、主観的指標に関する評価値を求め出力できる。それにより、高精度な類似画像の検索をしたり、診断に役立つ情報を提示したりできる。
2.第二の実施形態
続いて、本発明の第二の実施形態を図7〜11に基づいて説明する。
続いて、本発明の第二の実施形態を図7〜11に基づいて説明する。
第二の実施形態は、第一の実施形態とは、解析対象画像値変換部40、学習データ入力部80のみが相違し、その余については同一であるから、両者が共通する部分については第一の実施形態と同符号を付し、詳細な説明を省略する。
図7は、第二の実施形態に係る解析対象画像値変換部40を示す図である。
第二の実施形態においては、解析対象画像値変換部40が解析対象画像値取得部30から受け取る解析対象画像に関する客観評価値は、複数の客観的指標についてのものであり、ベクトル量である。
かかる解析対象画像に関する客観評価値は、分類判別部44に受け渡される。
一方、分類データ保持部45には、客観評価値に関するベクトル空間中における分類を示すデータ及び、各分類に関する主観評価値が保持されている。
分類判別部44は、分類データ保持部45から、分類を示すデータを読み出し、解析対象画像に関する客観評価値がどの分類に属するかを判別するとともに、その結果を主観評価値読出部46に受け渡す。
以下、図8を用いて、分類判別部44が分類を判別する方法をより詳細に説明する。
ここでは、簡単のため、客観的指標に病変部位の大きさと濃度勾配を選び、客観評価値として二次元ベクトルを用いることとする。図8は横軸に大きさを、縦軸に濃度勾配をとったベクトル空間における分類を示す図である。
図8中には3つの分類a〜cとともに、各々の分類の中心点A〜Cが示されている。各中心点A〜Cの座標が、分類データ保持部45が保持している分類を示すデータである。
ここで、解析対象画像に関する客観評価値が、図中Xの位置に与えられたとする。分類判別部44は、点Xから各中心点A〜Cまでの距離を計算し、最も近い中心点を有する分類に、解析対象画像が分類されると判断する。図8に示した例では、分類bに分類されると判断し、その結果を主観評価値読出部46に受け渡す。
図7に戻り、主観評価値読出し部46は、分類データ保持部45から、解析対象画像が分類される分類に関する主観評価値を読み出し、解析対象画像に関する主観評価値として出力部50に出力する。図9は、分類データ保持部45に保持されている各分類に関する主観評価値をテーブルとして示した例である。この場合、解析対象画像が分類bに分類されると判断されたならば、「肥厚」に関する主観評価値は4、「蜂の巣」に関する主観評価値は5、「裂け目」に対しては1、「すりガラス」に対しては3が出力部50に出力されることになる。
図10は、第二の実施形態における学習データ入力部80を示す図である。
以下、本実施形態において分類データ保持部45に保持される分類を示すデータと各分類に関する主観評価値を求める方法を、同図に基づいて説明する。
ここで教師データとして用いるのは、参照画像18aと、参照画像18aに対する評価者の評価を記述する文書18bであり、そのような文書としては、たとえば、カルテや読影レポートを挙げることができる。
参照画像18aから、参照画像入力部81、参照画像値取得部82により参照画像に関する客観評価値が第一の実施形態と同様に得られ、符号107に示すように、分類部85に受け渡される。
分類部85は、得られた参照画像に関する客観評価値を、クラスタリングの手法を用いて複数の分類に分類する。具体的には、K平均法により、図8に示すような複数の分類a〜cを求めると同時に、各分類a〜cの中心点A〜Cの座標を求める。分類の個数は、必要とする診断の精度や参照画像18aの数に応じて適宜定めることができる。
得られた各分類a〜cの中心座標は符号112に示すように分類データ保持部45に受け渡される。同時に、各参照画像18aがどの分類に属するかを示すデータが、符号113に示すように統計値算出部87に受け渡される。
一方、文書18bは、評価情報入力部83により電子データとして入力される。評価情報入力部83は、文書18bが電子データであれば、それを読み込む任意の手段とすることができるし、文書18bが紙媒体であれば、スキャナ13を用いたOCR装置としてよい。
主観的指標抽出部86は、入力された文書18bに、求めようとする主観的指標が関連する度合を抽出する。より具体的には、特定の主観的指標、たとえば「肥厚」が、文書18b中に存在するか否かを判別し、その有無を符号114に示すように統計値算出部87に出力する。他にも、特定の主観的指標が文書18b中に出現する個数や出現頻度を求めてもよい。また、特定の主観的指標の類義語・同義語を同時に判別することもできる。
統計値算出部87は、分類部85より受け渡された各参照画像18aがどの分類に属するかを示すデータ及び、主観的指標抽出部86より受け渡された特定の主観的指標の有無を示すデータから、各分類における主観的指標に関する統計値を求める。
より具体的には、特定の分類に分類される参照画像18aについて付与された文書18bに、特定の主観的指標が付与されている割合を算出する。一例として、図8に示す分類aに分類される参照画像18aが100件あったとして、その参照画像18aについて付与された文書18b中に、「肥厚」が存在するものが10件、「蜂の巣」が存在するものが50件あったならば、「肥厚」に関する統計値は0.1、「蜂の巣」に関する統計値は0.5となる。
参照画像値変換部84は、符号115に示すように統計値算出部87から主観的指標に関する統計値を受け取り、それを主観評価値に変換する。
一例として、図11に示すように、統計値が0.2変化するごとに1〜5の主観評価値を与える。もちろん、ある主観評価値に対応する統計値の範囲は任意に定めることができ、その場合、各分類に対し付与される主観評価値が1〜5の範囲で均等に分布するようにすることが好ましい。
そして、得られた主観評価値は符号116に示すように分類データ保持部45に受け渡される。
このようにして、解析対象画像値変換部40はその内部状態を、参照画像18a、文書18bから学習することができる。
なお、第二の実施態様においても、第一の実施態様同様に、求めようとする主観的指標ごとに、異なる解析対象画像に関する客観評価値を用いるようにしてもよい。
以上第二の実施形態に係る医用画像解析システムによれば、参照画像と参照画像に付与された文書に基づいてその内部状態を学習できるから、評価者が直接参照画像に主観評価値を付与せずとも、医用画像から、主観的指標に関する評価値を求め出力でき、したがって、精度のよい類似画像や、診断に役立つ情報を提示できる。
1 マイクロプロセッサ、2 データバス、3 ハードディスクドライブ、4 主記憶、5 入出力処理部、6 モニタ、10 医用画像撮像装置、11 情報記録媒体読取装置、12 DVD−ROM、13 スキャナ、14 写真や文書、15 コンピュータネットワーク、16 入力装置、17 解析対象画像、18 参照画像、19 類似画像、20 解析対象画像入力部、30 解析対象画像値取得部、40 解析対象画像値変換部、41 変換部、42 識別器、43 集計部、44 分類判別部、45 分類データ保持部、46 主観評価値読出部、50 出力部、51 比較部、52 類似画像取得部、60 提示部、70 保管部、80 学習データ入力部、81 参照画像入力部、82 参照画像値取得部、83 評価情報入力部、84 参照画像値変換部、85 分類部、86 主観的指標抽出部、87 統計値算出部。
Claims (12)
- 解析対象画像が入力される解析対象画像入力手段と、
解析対象画像に関する客観評価値を前記解析対象画像から取得する解析対象画像値取得手段と、
1または複数の参照画像の各々から取得される参照画像に関する客観評価値と、参照画像に関する主観評価値とに基づいて、前記解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換する解析対象画像値変換手段と、
前記解析対象画像に関する主観評価値に応じた情報を出力する出力手段と、
を有し、
前記客観評価値は、客観的指標に関する評価値であり、
前記主観評価値は、主観的指標に関する評価値であり、
前記参照画像に関する主観評価値は、主観的指標に関する評価者の評価を示す情報であって、前記参照画像の各々に付与される情報から取得されるものである
ことを特徴とする医用画像解析システム。 - 前記参照画像が入力される参照画像入力手段と、
参照画像に関する客観評価値を前記参照画像から取得する参照画像値取得手段と、
前記主観的指標に関する評価者の評価を示す情報が入力される評価情報入力手段と、
前記主観的指標に関する評価者の評価を示す情報を主観評価値に変換する参照画像値変換手段と、
をさらに有することを特徴とする請求項1に記載の医用画像解析システム。 - 前記主観的指標に関する評価者の評価を示す情報は、前記参照画像に対して評価者が付与する主観評価値であることを特徴とする請求項1または2記載の医用画像解析システム。
- 前記解析対象画像値変換手段は、
1または複数の識別器が、前記解析対象画像に関する客観評価値に応じて出力する識別信号に基づいて、前記解析対象画像に関する客観評価値を前記解析対象画像に関する主観評価値に変換することを特徴とする請求項3に記載の医用画像解析システム。 - 前記主観的指標に関する評価者の評価を示す情報は、前記参照画像に対する評価者の評価を記述する文書であることを特徴とする請求項1または2記載の医用画像解析システム。
- 前記解析対象画像値変換手段は、
前記解析対象画像が、前記参照画像を前記参照画像に関する客観評価値に基づいて分類した分類のいずれに分類されるかに応じて、前記解析対象画像に関する客観評価値を前記解析対象画像に関する主観評価値に変換することを特徴とする請求項5に記載の医用画像解析システム。 - 前記解析対象画像値変換手段は、
前記分類に分類された前記参照画像に付与された前記文書に、前記主観的指標が関連する度合に応じて、前記解析対象画像に関する客観評価値を前記解析対象画像に関する主観評価値に変換することを特徴とする請求項6に記載の医用画像解析システム。 - 前記出力手段は、
前記解析対象画像に関する主観評価値に基づいて、保管手段に保管された複数の保管画像より、前記解析対象画像に類似する1または複数の保管画像を類似画像として抽出し、前記類似画像を提示手段に提示することを特徴とする請求項1乃至7のいずれかに記載の医用画像解析システム。 - 前記出力手段は、
前記解析対象画像に関する主観評価値と、保管画像に関する主観評価値とを比較することにより、前記解析対象画像と前記保管画像との類比を判断することを特徴とする請求項8記載の医用画像解析システム。 - 前記出力手段は、
前記解析対象画像に関する主観評価値を提示手段に提示することを特徴とする請求項1乃至9のいずれかに記載の医用画像解析システム。 - 解析対象画像が入力される解析対象画像入力手段と、
解析対象画像に関する客観評価値を前記解析対象画像から取得する解析対象画像値取得手段と、
1または複数の参照画像の各々から取得される参照画像に関する客観評価値と、参照画像に関する主観評価値とに基づいて、前記解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換する解析対象画像値変換手段と、
前記解析対象画像に関する主観評価値に応じた情報を出力する出力手段と、
を有し、
前記客観評価値は、客観的指標に関する評価値であり、
前記主観評価値は、主観的指標に関する評価値であり、
前記参照画像に関する主観評価値は、主観的指標に関する評価者の評価を示す情報であって、前記参照画像の各々に付与される情報から取得されるものである
ことを特徴とする医用画像解析システムとしてコンピュータを機能させるためのコンピュータプログラム。 - 解析対象画像を入力するステップと、
解析対象画像に関する客観評価値を前記解析対象画像から取得するステップと、
1または複数の参照画像の各々から取得される参照画像に関する客観評価値と、参照画像に関する主観評価値とに基づいて、前記解析対象画像に関する客観評価値を解析対象画像に関する主観評価値に変換するステップと、
前記解析対象画像に関する主観評価値に応じた情報を出力するステップと、
を有し、
前記客観評価値は、客観的指標に関する評価値であり、
前記主観評価値は、主観的指標に関する評価値であり、
前記参照画像に関する主観評価値は、主観的指標に関する評価者の評価を示す情報であって、前記参照画像の各々に付与される情報から取得されるものである
ことを特徴とする医用画像解析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008051655A JP2009207585A (ja) | 2008-03-03 | 2008-03-03 | 医用画像解析システム、コンピュータプログラム及び医用画像解析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008051655A JP2009207585A (ja) | 2008-03-03 | 2008-03-03 | 医用画像解析システム、コンピュータプログラム及び医用画像解析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2009207585A true JP2009207585A (ja) | 2009-09-17 |
Family
ID=41181340
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008051655A Pending JP2009207585A (ja) | 2008-03-03 | 2008-03-03 | 医用画像解析システム、コンピュータプログラム及び医用画像解析方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2009207585A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018180407A1 (ja) | 2017-03-30 | 2018-10-04 | キヤノン株式会社 | 情報処理装置、その制御方法及びプログラム |
EP3680912A1 (en) * | 2019-01-10 | 2020-07-15 | Medneo GmbH | Technique for performing a quality assessment for a medical image |
-
2008
- 2008-03-03 JP JP2008051655A patent/JP2009207585A/ja active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018180407A1 (ja) | 2017-03-30 | 2018-10-04 | キヤノン株式会社 | 情報処理装置、その制御方法及びプログラム |
US11424033B2 (en) | 2017-03-30 | 2022-08-23 | Canon Kabushiki Kaisha | Information processing apparatus, control method therefor, and non-transitory computer-readable storage medium |
EP3680912A1 (en) * | 2019-01-10 | 2020-07-15 | Medneo GmbH | Technique for performing a quality assessment for a medical image |
WO2020144157A1 (en) * | 2019-01-10 | 2020-07-16 | Medneo Gmbh | Technique for performing a quality assessment for a medical image |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wu et al. | Comparison of chest radiograph interpretations by artificial intelligence algorithm vs radiology residents | |
Yan et al. | 3D context enhanced region-based convolutional neural network for end-to-end lesion detection | |
JP5952835B2 (ja) | 撮像プロトコルの更新及び/又はリコメンダ | |
JP5506912B2 (ja) | 臨床決定支援システム及び方法 | |
Dimitrovski et al. | Improved medical image modality classification using a combination of visual and textual features | |
JP5054252B1 (ja) | 類似症例検索装置、類似症例検索方法、類似症例検索装置の作動方法およびプログラム | |
US10733727B2 (en) | Application of deep learning for medical imaging evaluation | |
JP5618787B2 (ja) | レポート作成支援装置及びその作成支援方法、並びにプログラム | |
JP2014029644A (ja) | 類似症例検索装置および類似症例検索方法 | |
JP2011118543A (ja) | 症例画像検索装置、方法およびプログラム | |
CN109791804A (zh) | 对cad系统个性化以提供cad系统推荐的置信水平指示的方法和部件 | |
JP2023532292A (ja) | 機械学習ベースの医療データチェッカ | |
Ghantasala et al. | Identification of Normal and Abnormal Mammographic Images Using Deep Neural Network | |
CN111226287B (zh) | 用于分析医学成像数据集的方法、系统、程序产品和介质 | |
Nagarajan et al. | Content-based medical image annotation and retrieval using perceptual hashing algorithm | |
JP5649027B2 (ja) | 医用診断レポートシステム、当該システムとして機能させるためのプログラム、および医用診断レポート作成支援方法 | |
JP2009207585A (ja) | 医用画像解析システム、コンピュータプログラム及び医用画像解析方法 | |
WO2020099941A1 (en) | Application of deep learning for medical imaging evaluation | |
Islam et al. | An overview of image processing techniques for detecting COVID-19 and other infectious diseases | |
CN110033862B (zh) | 一种基于加权有向图的中医量化诊断系统及存储介质 | |
Sultana et al. | Lung Disease Classification Using Deep Learning Models from Chest X-ray Images | |
Srilakshmi et al. | Performance enhancement of content based medical image retrieval for MRI brain images based on hybrid approach | |
Mohammadi | Radiomics using MR brain scans and RENT for identifying patients receiving ADHD treatment | |
Madni et al. | Breast Cancer Diagnosis Comparative Machine Learning Analysis Algorithms | |
TWI811598B (zh) | 智慧化影像診斷報告轉譯方法 |