JP2009513205A - 特に診断画像に使用する画像処理システム - Google Patents

Abstract

特に診断画像に使用する画像処理システムで、画像処理システムは、少なくとも１つの処理ユニットと、遠隔のユーザがアクセスできるインターフェイスと、を備えている。処理ユニットは、１つ以上の画像装置が取得するデジタル画像を受取り、出力画像を提供する。デジタル画像は、処理ユニットのメモリに読み込み及び実行される画像処理プログラムで処理される。処理ユニットは、中央サービスユニットで構成される。遠隔のユーザがアクセスできるインターフェイスを備え、遠隔の顧客は、遠隔の通信手段で中央ユニットに接続する。

Description

本発明は、画像処理システムに関し、特に診断画像への使用に関する。画像処理システムは、少なくとも１つの処理ユニットを備え、その処理ユニットは、１つ以上の画像装置で取得したデジタル画像を受け取り及び出力画像を提供する。デジタル画像は、処理ユニットのメモリに読み込まれ及びそこで実行される画像処理プログラムで処理される。

画像処理の方法及びシステムは周知で種々の目的に使用されている。例として、産業目的、映画及びテレビ産業、産業及び安全管理システム及び医療領域がある。医療領域では、医者の読み取り及び解釈作業を容易にするのを目的としている。

特に診断の分野では、コンピュータ支援診断（ＣＡＤ）方法及びシステムは、画像化及び画像処理、及び、特に必要とするアルゴリズムのために、重要な技術的熟練を必要とする。さらに、種々のタイプの画像処理アルゴリズム及び方法が存在し、様々な目的を備えている。幾つかの処理方法は、非エキスパートアルゴリズムを使用する。このアルゴリズムで、画像を何らかの形で評価処理に向けて準備する。非エキスパートアルゴリズムは、分類アルゴリズム（クラスタリングアルゴリズム又は予測アルゴリズム）の使用を必要とする。従って、処理自体が、特に熟練した操作人を必要とする。熟練の操作人が、処理方法で現在使用されている種々のタイプの画像処理アルゴリズムを正確に適用できる。これらアルゴリズムの正確な使用は、医者が正確な診断を与える信頼できる処理結果を得るのに極めて重要である。主要な問題は、所謂、偽陽性である。処理システムで、画像領域を潜在的な病的状態と判断する場合で、実際は、病変でない場合である。病変（例、ガン）にはガン組織の初期検出が極度に重要な場合がある。最小の疑わしい領域を、更に立ち入った検査（生体検査又は他の類似した方法）で分析する。偽陽性の検出は、不合理な時間の浪費と費用の増加を招く。

画像化に関しては、画像装置を適切に使用する訓練を十分に受けた人材を必要する。然しながら、病院、相談室又は診断室で取得した画像の適切な処理は、特別な人材チームの確立を必要とする。画像処理に必要なアルゴリズム及び対応するプログラムの展開及び使用に対し、特別な訓練を必要とする。高度に専門化した人材の雇用を必要とし、医療組織には相当の費用を伴う。人材の訓練は十分ではない。これはチームが、時間と共に処理手段を改善し、新しい技術と標準に適用する必要があるためである。画像処理管理チームの高度に専門化した人材を、常に再訓練する必要があり、更なる費用を伴う。疑わしい病変対象物の画像として解釈される画像領域の認識を意図した画像評価に使用される分類アルゴリズムは、訓練のステップを必要とする。この訓練ステップは、コンピュータの速さ及び結果の信頼性に関する性能に対し非常に重大である。この場合、アルゴリズムの訓練に使用される既知の事例のデータベースに大きく依存する。データベースが不均一であるほど、性能が良くなる。これらのデータベースは通常非常に高価である。これは、データベースが、既知の事例の簡単な収集だけでなく、基本的な調整を必要とするためである。１つの医療組織又は機関（例、病院又は同様の施設）の場合、新しい事例の数は、その機関で治療する患者に限定される。同様に、その医療機関で使える装置及び画像技術、及び、その人材にも限定される。従って、分類アルゴリズムの分類性能の常時更新に使用できる事例の数は、医療機関で取得される知識に限定される。

この問題は、どのタイプの臨床検査（例、Ｘ線マンモグラフィ又はコントラスト強調ＭＲマンモグラフィ）でも存在する。Ｘ線マンモグラフィ及びＭＲマンモグラフィは、画像が異なるタイプである。各臨床検査に対し、専用の分析アルゴリズムが必要なため、臨床検査に使用する特定のシステムに訓練を必要とする。

本発明は、上記難点を避けるシステムの提供が目的である。本発明のシステムは、画像処理ステップを簡単なサービスステップにし、医療機関に専門的な人材を必要とせず、画像処理システムの購入を必要とせず、システムを常に効率よく最新に維持する費用を避け、新しいソフトウェアモジュール又はソフトウェアの改訂版の購入を避ける。

本発明は、画像処理ユニットの結果を一層効率良く及び迅速な方法で提供し、画像の処理に必要な熟練者の数を限定できる。

本発明は、課金ステップを容易にする。際立った設備投資を避け、専門的サービスとしての出費を記録し、その実際使用に基づく支払いが出来る。

発明は、ソフトウェアの会社が提供する設置、維持、サービスの介入を医療機関に依存させない。

本発明は、上記記載の目的を実現する。発明の画像処理システムは、特に診断画像に関する。画像処理システムは、少なくとも１つの処理ユニットと、遠隔ユーザがアクセスできるインターフェイスと、を備えている。処理ユニットは、１つ以上の画像装置で取得されたデジタル画像の受け取り及び処理した出力画像を提供する。デジタル画像の処理は、処理ユニットのメモリに読み込んだ画像処理プログラムで実行される。処理ユニットは、中央サービスユニットで構成される。インターフェイスは、遠隔通信手段で中央ユニットに接続され、１つ以上の画像を処理ユニットに送信する。処理ユニットは、１つ以上の画像に、自動的に画像処理プログラムを実行する。

システムは、自動的にユーザがどの種類の画像を送ったかを認識し、画像又は受取った画像の処理を自動的に開始する。その画像に適した画像処理の手段を選ぶ。その選択は、画像の取得に使用した方法の観点から及び画像化した対象物及び画像の診断目的の観点からも行なう。このステップの実行に専門的なサービスの人を必要としないし、ユーザ自身、画像処理に何ら技能を必要としない。システムが、１つ以上のフィードバックメッセージを、サービスを要求し画像を送るユーザに自動的に送る。特に、システムは、ユーザが送る画像を解析し、ユーザに下記情報を知らせる。受取った画像の画質が処理を巧く実行するのに十分であるか否か、処理に必要な時間及び処理の可能なオプションを知らせる。ユーザは、オプションで自身が要求する処理目的の一層の情報に応じて選択ができる。オリジナルに送ったメッセージに欠けていた情報も知らせる。

画像処理システムは、下記の特徴を備えている。
ａ）中央処理ユニットのメモリに、２つ以上の画像処理プログラムの記憶及び／又は読み取り可能で、各画像処理プログラムが、異なる操作を実行する。
ｂ）画像処理プログラムは、少なくとも１つの画像に別々に又は一連の操作ステップで実行可能である。
ｃ）選択及び実行プログラムを備えている。このプログラムは、処理ユニットのメモリに記憶又は読み取り可能である。このプログラムは、１つ以上の画像処理プログラムを選択及び実行を起こす処理ユニットで実行される。
ｄ）選択及び実行プログラムは、更に中央処理ユニットが受取った画像の画像データの分析を行なう。
同プログラムは、使用する画像処理プログラムの種類を自動的に認識し、その画像又は画像に行なう画像処理プログラムの順序を認識する。

中央画像処理ユニットは、モジュールから成り、各モジュールは、ハードウェア／ソフトウェアの操作ユニットを含んでいる。

操作ユニットの少なくとも幾つか又は全てが、専用のプロセッサ及び専用のメモリ領域を備えている。メモリ領域は、操作ユニットの操作機能を実行する指令に関する処理プログラムのコードを含んでいる。

別の場合、操作ユニットの少なくとも幾つか又は全てが、専用のメモリ領域を持っている。メモリ領域は、操作ユニットの操作機能を実行する指令に関する処理プログラムのコードを含み、コードは、中央処理ハードウェアユニットの要求で実行される。

画像処理システムは、論理システム管理プログラムを実行する中央制御システム又はエージェントを備えている。論理システム管理プログラムで、特定の遠隔の顧客識別機能の調整、サービスログインコードの検査、サービス費用の課金、サブユニット（受取った画像データの記憶、画像処理、データベースの管理と更新、報告書の作成と送付）の調整を行なう。データベースは、処理アルゴリズム（特に分類アルゴリズム）の訓練に使用される。報告書は、図形及び英数字の評価報告で、遠隔の顧客に送信又は提供される。

処理サブユニットは、処理管理ユニット（即ちＣＡＤエンジン）を備えている。ＣＡＤエンジンは、画像処理ユニット（ＡＬＧＯ）の処理の画像データを準備する。ＡＬＧＯは、画像処理アルゴリズムに適用するコードの実行及び画像処理ユニットへのアクセス管理も行なう。

処理管理ユニットは、画像処理ユニットによる訓練用データベースへのアクセス及びデータベース更新の管理及び調整を行なう。

中央制御システムは、処理する症例のデータベースを生成する。そのデータベースの中で、識別コードを用いて、画像を送った顧客及び画像に関連する特定の事例を一義的に識別する。一方、特定の事例及び患者のデータを自動的に匿名にする。

処理するデータ記録は、画像データ、画像化モード及び画像化技術のデータを含む。同じく患者の個人的及び既往歴データ及び関連する患者の既往データも含む。

中央制御システムは、遠隔の顧客の認証を検査する手段を備え、顧客が処理で送った事例の一覧表を作成する。その事例は、顧客の識別コード又は事例の識別コードで一義的に識別される。

認証手段は、処理サブユニットによる処理する事例のデータベースへの送信又はアクセスを可能にする。

処理サブユニットは、中央制御システムに送る画像処理出力ファイルを生成する。中央制御システムは、処理した事例の出力一覧表を生成する手段を備え、一覧表の各項目は、各事例に関する画像処理出力ファイルに関連している。

中央制御システムは、処理完了信号を自動的に生成し、その信号は、通信手段で該当する遠隔の顧客に送信される。

処理出力ファイルは、遠隔の顧客に一括して送信、又は、顧客に、処理した事例の出力一覧表へのアクセスを許可しても良い。

中央制御システムは、出力一覧表の顧客の特定事例に対し、処理結果のプレビューファイルを作成し、プレビューファイルで、各遠隔の顧客は、処理された画像及び／又は英数字形式の処理中のデータを表示できる。

中央制御システムは、遠隔の顧客に対し、特定事例の処理結果及び／又は処理した事例の特定画像を選択する許可、及び、特定の選択した画像に関連する全ての処理結果を送信する要求を許可する。

この送信は、通信手段、携帯のデジタルファイル記憶媒体、処理結果の紙への印刷又は他の可能な手段で行なう。

ＣＡＤ処理した各事例に対し、顧客は、生体又は外科的サンプル分析からの最終の診断データを入手する。従って、中央制御ユニットは、データベースを訓練する画像処理アルゴリズムの更新を管理するユニットの制御を行なう。ユニットは、処理した事例の一覧表から事例を取り出す。この事例は、訓練データベース更新プログラムに含むのを顧客が許可しているものである。ユニットは、システム出力及び最終の診断データを用いてデータベースを更新する。最終の診断データは、「判断基準」と見なされる。

サブシステムは、訓練データベースに加える新しい事例を分析し、データベースで要求される特定の形式で訓練データベースに加える記録を生成する。

本発明は、画像処理の中央制御を可能にし、医療機関に対し、診断画像処理の実施に必要な費用又は医療機関の作業に過剰な負担を与えない。技術的な利点として、中央システムは、可能な計算の性能及び処理アルゴリズムを十分に利用している。アルゴリズム（特に分類アルゴリズム）が、非常に多数の異なる事例に適用できる。アルゴリズムは、分類能力及び性能の最適利用を可能にする。

顧客は、取扱った事例を、分類アルゴリズムの訓練データベースに含むことを許可してくれる。臨床分析の照合も提供してくれる。分類アルゴリズムの訓練データベースは、アルゴリズムサービスで得られる分類結果の確認又は否定を行なう。新事例は、常に非常に低コストで訓練データベースに加えられ、処理アルゴリズムの性能を改善する。技術の観点から、多くの遠隔の顧客が、処理サービスに送信したデータの使用を認証すると、非常に不均一な訓練データベースが得られる。これは取扱う診断事例の相違、及び、操作者の相違、画像データを取得する装置及び性能に起因する。基本的な情報は、著しい多様性を備え、分類及び予測性能を向上させる。この利点は、各顧客の局地的及び独立の画像処理の実施からは得られない。

中央処理は、訓練データベースの更新に使用される新事例データの絶対的な信頼性を確保する。従って顧客で局地的に生成するデータベース記録の交換による更新の場合と異なり、この記録データは、訂正及び一貫性の検査を必要としない。逆に言えば、顧客自身の機関内で個別の処理を行なう遠隔の顧客が得る記録は、貧弱な人材の技能又は局地の遠隔の顧客システムの欠陥で生ずる処理誤差を含む場合がある。信頼性及び一貫性の正確な検証なしで訓練データベースに処理誤差の持ち込むと、分類及び処理性能を改善ではなく更に悪化させることがある。ユーザ即ち遠隔の顧客の観点からは、処理結果のオンラインアクセスは、冗長なデータの処理及び保存の費用が低減できる。冗長なデータは、要求する診断支援に必然的ではない。データセットの実際の痕跡が、中央システムに残る。

発明の改良及び変形も請求の範囲に記載している。発明のシステム及び派生する利点の特徴を、実施形態の記載及び図の参照で一層明確になる。

図１は、本発明のシステムの構成図で、図の左側に中央画像処理機能を実行する遠隔サービスユニット１を表している。右側は、ユーザ２を表し、ユーザは局地のサービスセンターにいる。幾つかの局地のユーザ（図はその一人を示す）は、遠隔サービスユニット１に同時に接続し、画像処理サービスの要求を行なう。遠隔サービスユニット１は、中央制御システム１０１を備え、種々の異なる機能の調整管理の論理制御プログラムを実行する。この中央制御システム１０１またはエージェントユニットは、ユニット２０１を制御し、アクセスの認証および各ユーザへのサービス費用の課金を行なう。画像処理ユニットとは、ＡＬＧＯ３０１、ＣＡＤエンジン４０１、ＤＢ５０１を意味する。エージェントユニットまたは中央制御システム１０１は、記憶ユニット及び印刷ユニット６０１そしてユーザとの通信のユニット（図示せず）を制御する。ユーザは、局地のユーザ通信インターフェイス１０２を備えている。局地の通信インターフェイス１０２は、局地ユーザシステム２０２と遠隔サービスユニット１とを接続する。局地ユーザシステム２０２は、局地で画像装置で取得した画像の受取り又は収集を行なう。画像装置は、例えば、ＭＲＩ装置、超音波画像装置及び放射線画像装置等がある。画像は、デジタル画像データ３０２で遠隔サービスユニット１に送信される。遠隔サービスユニットは、ユーザのサービスへのアクセス認証を行ない、画像データの受取りと処理を許可する。処理したデジタル画像及び／又はそれに関連する図式及び／又は英数字の報告書を、局地ユーザシステムに送信する。局地ユーザシステム２０２は、それらをブロック４０２に任意の形式または形で記憶する。これら全てのタスクが、エージェントまたは中央制御システム１０１の制御で実行される。図２は、遠隔サービスユニット１の構成図である。エージェントユニットまたは中央制御システム１０１のエージェント制御プログラムＰ１０１は、認証と課金機能のユニット２０１を管理する。認証は、ユーザのログイン認証で生じる。ログインの要求で、自動的に対応するユーザ課金管理が開始する。

エージェント制御プログラムが、認証及び会計手続開始の成立の情報を受取ると、外部通信インターフェイス７０１が可能となる。このインターフェイスで、ユーザは、処理する画像データファイルのアップロード及び画像処理の結果の取得が可能となる（ブロック３）。

ユニット２０１のユーザアクセス認証に続いて、エージェント制御プログラムは、内部通信インターフェイス４を可能にする。内部通信インターフェイスで、表示ユニット５、印刷ユニット６、記憶ユニット７、画像処理ユニット（例、ＡＬＧＯ３０１、ＣＡＤエンジン４０１、データベース５０１）間の通信を可能にする。

画像データが処理され、処理結果は記憶され、ユーザが取得できる。

本発明の有利な点として、遠隔サービスユニットは、全ての処理結果を送信しないで、ユーザがアップロードする各画像に対する処理結果の取得を可能にする。その結果に通知を付加する。ユーザは、その通知で検索サービスにアクセスし、所望の画像の結果ファイルだけをダウンロードする。サービスは、ユーザが実際にダウンロードするファイル数の関数で課金される。

画像処理の結果ファイルのダウンロードを簡潔にするために、遠隔サービスユニットは、そのエージェント制御プログラムで、ユーザが処理に送信した画像データファイルの一覧表を生成する。処理後、一覧表は、対応する画像データ処理の結果ファイルで更新する。図式または英数字の処理結果のプレビューを一覧表に加えてもよい。例えば、縮小した処理画像及び／又は統計的分類の信頼性データがある。画像で検出され及びユーザに関心があると推測される対象物の画像及び／又はデータである。

図３は、ユーザが結果ファイルをダウンロードするステップを詳細に示す。

ユーザが遠隔サービスユニットに接続すると、画像処理結果データベース５０１１の一覧表にある画像データファイルのリストにアクセスできる。各ユーザのＩＤコードで識別される各ユーザに該当する画像が、局地ユーザシステム２０２の局地モニタ５０２に自由に表示される。遠隔サービスユニットで処理された画像は、英数字の報告書と併せて表示される。その報告書は、表示されている該当する画像に検出される対象物の処理及び分類の結果の統計的信頼性を示す。そしてユーザは、手段６０２を用いて選択をする。ここで認証及び課金ユニット２０１が、ダウンロードの認証を制御し、ユーザが選択した各処理結果ファイルに費用を課す。ユーザが行なう選択は、一義的に識別される。これは、元の画像データと関連する処理結果ファイルの唯一のＩＤコードによる。課金ステップ９が成功すると、エージェント制御プログラムは、ユーザが選択する処理結果ファイルへのアクセスを許可し（ブロック８）、局地ユーザシステムにファイルをアップロードする（ブロック１０）。

要求に応じて、１つ以上の画像の処理結果ファイルを、他の手段で送っても良い。例えば、携帯型記憶装置（ＦＤ、ＣＤ−ＲＯＭ、ＤＶＤ−ＲＯＭ等）又は紙に印刷しても良い。

図４は、本発明の実施形態の詳細な機能構成図を示し、３つの大きな構成になっている。第１は、自動画像処理モジュールを示す。このモジュールは、非エキスパートアルゴリズムを基にした方法で処理タスクを実行し、更に熟練又は分類アルゴリズムを基にする処理タスクを実行する。第２の大きなブロックは、エージェントまたは中央制御システム１０１を表し、そのシステム１０１は、遠隔サービスユニットのタスクを実行する。一方、第３の大きなブロックは、ユーザ２を示す（ここでは、１人以上のユーザ）。

遠隔サービスユニットに認証された支払いアクセスに有効なログインを持つ各ユーザ２は、ユニットに接続し、新しい画像３０２をデジタル画像データの形でアップロードする。エージェントまたは中央制御システム１０１は、それで制御される種々の装置（例、認証及び課金ユニット２０１）を使用し、画像データ及び個人の患者データ及び／又は患者の履歴データを匿名にする。これは、例えば暗号手段の使用で可能となる。暗号キーはユーザＩＤで、各画像又は画像の各セットに一意的に指定したコードである。他の現在入手可能なシステムも可能である。

画像データが匿名化されると、ステップ１０１１で、エージェントまたは中央制御システム１０１は、処理する画像データのデータベース５０１へのアクセスを画像データに許可する。一方では一時的な一覧表ファイルを作成し、ステップ１０１２で、自動画像処理ユニット４０１、３０１を制御し、処理プロセスを開始する。一時的な一覧表で見出すデータベース５０１の画像データが、先ずＣＡＤエンジン４０１で処理される。ステップ４０１１で、ＣＡＤエンジンは、次の処理の画像データを準備する。例えば、画像データをコード化し、処理アルゴリズムＡＬＧＯ３０１で読取り可能にする。ステップ４０１２で、準備した画像データを処理ユニットＡＬＧＯ３０１に送る。ステップ３０１１で、画像データは、ＡＬＧＯユニット３０１のアルゴリズムで処理される。これらのアルゴリズムは、１つ又はそれ以上のアルゴリズムで、処理ステップの連鎖で逐次及び／又は並列の適用を意図している。ステップ３０１２で、処理した画像データ出力を処理結果ファイルとして出力する。そのファイルは、処理された画像自身及び／又は図形及び／又は英数字の処理報告書を含む。エージェントまたは中央制御システム１０１は、処理の終了の知らせを受け、ステップ１０１３で、データベースおよび対応する一覧表を更新する。

処理された結果ファイルは、記憶及び／又は印刷される（ステップ１０１４）。ステップ１０１５で、エージェントまたは中央制御システム１０１は、処理終了のメッセージを作成し、処理した画像のＩＤコードに対応するユーザに送る。遠隔サービスユニットは、特定のユーザの要求を待つ。ユーザは、遠隔サービスユニットに接続し、ユーザのＩＤに対応する処理結果ファイルの一覧表及び対応するプレビューにアクセスする（図３およびステップ２０１１）。この情報に基づいて、ユーザは、所望画像の処理結果ファイルをダウンロードする要求を送る（ステップ２０１２）。ステップ１０１６で、エージェントまたは中央制御システム１０１は、要求を処理し、ユーザに要求された処理結果ファイルの費用を課する。そして選択した処理結果ファイルをユーザに送り（ステップ１０１７）、ユーザ２がファイルを受取る（ステップ２０１３）。このシステムの注目すべき点は、高度に選ばれた人材要員は、遠隔サービスユニットにだけ必要とすることである。彼等の経費は、多数のユーザに配分され、彼等の作業は、特定の運営及び画像処理操作の監視と管理に限定される。非常に多くの事例が、遠隔サービスユニットで利用できる。処理後、この事例を、エキスパートアルゴリズム（分類アルゴリズム又は予測アルゴリズム）の訓練データベースに加えることが出来る。このアルゴリズムの性能は、訓練が準拠している既知の事例の数に依存する。

同様に、基本データ（画像）は、多数のユーザから取り入れ、質の特徴が非常に異質で、処理性能を確実に改善する。

このシステムでは、ユーザのフィードバックステップを備えている。ユーザは、幾つかの画像の処理結果ファイルに基づき、より深い診断検査の実施を決定し、処理結果のデータをアップロードし、画像処理のみで得た結果を確認できる。

図５は、本発明を更に改善した実施形態を示す。システムは、自動認識ユニット（例、ソフトウェア成分）を備え、自動認識ユニットは、画像及び調査タイプ、従って画像化された解剖の部分を自動的に認識する。解剖の部分は、検査中の器官、解剖の領域又はその一部である。認識ユニットは、訓練されたエキスパートシステムに基づいている。そのシステムは、認識特性として、診断画像データ及びファイルのヘッダデータ（特に、ＤＩＣＯＭファイル）を使用する。ＤＩＣＯＭファイルは、医療データに主として使用されている。特に、認識は、アルゴリズムで行なう。そのアルゴリズムは、顔認識の固有顔の方法の適用に基づくインテリジェントシステムである。アルゴリズムは、固有画像と実画像データに基づく訓練されたインテリジェントシステムを使用する。画像データは、原画像の灰色の色調又はその変換及びスケルトンアルゴリズムから由来する特性である。従って、この機能の目的は、検査中の器官又は解剖の領域及び／又は画像方法で、種々の画像タイプの認識および選別をする。従って、認識ユニットは、２つのレベルで操作する。１つは、画像化された器官又は解剖領域、又は、その部分に関連する。他方のレベルは、第２の決定ラインを構成する。この決定ラインは、ＤＩＣＯＭファイルのヘッダに含まれている情報（空間分解能の読取り）、陰影強調の付与及び使用された画像技術から、どのタイプの調査が使用されたかを識別する。システムの自動認識ユニットは、２つのサブセットを備えている。サブセットの１つは、画像から直接に画像化した対象物を認識をする設計にしているユニットである。他方のサブセットは、調査のタイプ（例、画像）の認識をするユニットである。認識する対象は、空間分解能、陰影強調の有無、使用した画像技術及び他のパラメータ（画像技術及び画質に特有なパラメータ）である。第１のユニットは、画像認識アルゴリズムを使用するが、第２のユニットは、医療分野で主に使用されているＤＩＣＯＭファイルから調査タイプのデータを読み取る。

この２つのレベルの組合せで、自動画像認識を行なう。画像が１つ以上の処理アルゴリズム及び／又は種々のアルゴリズムに提供される。１つ以上の処理アルゴリズムは、特に、種々の器官又は解剖の領域、又はその一部を処理する設計にしている。種々の処理アルゴリズムは、特に、画像特性で異なる種々の画像タイプを処理する設計にしている。画像特性とは、例えば、空間分解能、コントラストの強調の有無、使用した画像技術である。

図５は、本発明のブロック図である。ここに、ＤＩＣＯＭ形式の画像１からｎで示す幾つかの画像を示す。このファイル形式は、医療画像のデータ、画像または他の情報のデジタル記憶では標準である。ＤＩＣＯＭ画像ファイルは、認識ユニット２０で読み取る。認識ユニット２０は、画像化した対象物（例、器官および／または解剖の領域および／またはその部分）を認識するセクション１２０を備えている。他のセクション２２０は、ＤＩＣＯＭファイルヘッダを読み取るセクションと平行して作動する。ＤＩＣＯＭファイルヘッダは、画像化の方法に関する情報を含んでいる。この情報は、画像化モード、分解能、コントラストの強調の有無及び画像化技術に関する他の情報である。画像化の方法に関する情報は、画像分析及び解釈に重要である。

２つのセクション１２０，２２０は、平行の意思決定処理を行なう。この結果に基づいて、画像ファイルは、エージェント１０１で、幾つかの処理アルゴリズム３０１の１つの処理にアドレスされる。幾つかの処理アルゴリズム３０１は、システムで用意されており、特に種々の診断画像タイプの処理に設計されている。診断画像のタイプは、画像化された対象物に関するもの、及び、使用した画像化技術及びモードに関する画像特性である。

場合により、各画像は、２つ以上のアルゴリズムの同時処理にアドレスされる。この場合、結果ファイルは、各アルゴリズムに対する別々の処理情報及び可能であれば診断仮説の予測を含む。診断仮説の予測は、異なる処理アルゴリズムの処理結果の組合せに基づいている。認識ユニット２２０に関しては、認識アルゴリズムでＤＩＣＯＭヘッダを読み取る。これは画像タイプの数値データ又は独自の識別がコードされ、容易にソフトウェアで認識できるからである。しかし、画像化した対象物（器官又はその一部、及び／又は、解剖領域又はその一部）の識別は、より複雑な処理を必要とし、上記したが、特定の顔認識アルゴリズムを使用する。このアルゴリズムは、生態識別データの自動認識に主に使用されている。

画像化した対象物の自動認識には、幾つかの良く知られた方法がある。Content-Based Image Retrieval (CBIR)、Query By Image Content (QBIC)、Content-Based Visual Information Retrieval (CBVIR)などの画像取得方法がある。

これらの方法は、画像取得のコンピュータ視覚技術の使用を含み、特定のデジタル画像に対し巨大な画像データベースに問い合わせを行なう。コンテンツベース（content-based）の意味は、問い合わせを画像コンテンツに基づいており、キーワードや問い合わせ語のような人が適用するメタデータに基づいていない。その方法に関わるソフトウェアは、コンテンツベース画像取得システム（ＣＢＩＲＳ）として知られている。

理想的なＣＢＩＲシステムは、所謂、意味問い合わせを含んでいる。この操作は、比較的に複雑で、ＣＢＩＲは、通常、低次の特性（外見、色および形）を使用する。しかし、顔認識システムのようなシステムは、高次の特性を使用する。

ＣＢＩＲ、ＱＢＩＣ又はＣＢＶＩＲシステムは、下記文献に詳細に記載されている。
簡潔性に関して：
Semantics-Sensitive Integrated Matching for Picture Libraries (Wang, Li, and Wiederhold, 2001)、Automatic Linguistic Indexing of Pictures by a Statistical Modeling Approach (Li and Wang, 2003)、System for Screening Objectionable Images (Wang et al., 1998)、
ビデオグーグルに関して:
A text retrieval approach to object matching in videos (Sivic & Zisserman, 2003)、Names and Faces in the News (Berg et al, 2004)、
FACERETに関して：
An Interactive Face Retrieval System Based on Self- Organizing Maps (Ruiz-del-Solar et al, 2002)、
服装に関して：
A New Feature for Automatic Video Content Indexing (Jaffre 2005)、Finding Naked People (Fleck et al, 1996)、Automatic Face Recognition for Film Character Retrieval in Feature-Length Films (Arandjelovic & Zisserman, 2005)−本願明細書の一部で考慮している−。
顔認識システムは、デジタル画像から人を自動識別するコンピュータソフトウェアである。認識は、人の画像とデータベースの顔画像との比較で行なう。顔認識アルゴリズムは、固有顔、fisherface、隠れマルコフモデル及びニューロン動機づけのダイナミックリンク照合がある。

固有顔は、固有ベクトルのセットで、そのセットは、人の可能な顔の高次ベクトル空間の確率分布の共変マトリックスから導出する。この固有ベクトルは、コンピュータの人の顔の認識の視覚問題に使用されている。顔の認識で、固有顔は、多くの顔の画像の統計分析から導出した「標準化した顔の構成要素」のセットである。一般の人の顔は、この標準の顔の組合せと見なしている。固有顔のセットの形成には、多数の顔の画像のセットを同一の照明条件で取得し、正規化して目および口を並べる。これらの画像を同一の分解能でサンプリングし、ベクトルで処理する。ベクトルのサイズは、サンプリングした画像マトリックスの行と列の積に対応する。ベクトルの成分は、サンプリングした画像マトリックスの個々のピクセルの値になる。そして顔の画像ベクトルの統計分布の共変マトリックスの固有ベクトルを抽出する。

適当に重みを付すと、固有顔は、人の顔の平均的なコントラストレンダリングを形成し、顔の認識のみならず、画像圧縮目的にも使用される。固有顔の詳細な説明は、次の出版物に記載されている。

L.Sirovich and M. Kirby (1987). "Low-dimensional procedure for the characterization of human faces"、Journal of the Optical Society of America A 4:519-524, M. Kirby and L. Sirovich (1990)、"Application of the Karhunen-Loeve procedure for the characterization of human faces". IEEE Transactions on Pattern analysis and Machine Intelligence 12 (1) : 103-108, M. Turk and A. Pentland. (1991)、"Face recognition using eigenfaces". Proc. IEEE Conference on Computer Vision and Pattern Recognition, 586-591, M. Turk and A. Pentland (1991)、"Eigenfacesfor recognition" . Journal of Cognitive Neuroscience 3 (1) : 71-86, A. Pentland, B. Moghaddam, T. Starner, O. Oliyide, and M. Turk. (1993)、"View- based and modular Eigenspaces for face recognition" . Technical Report 245, M. I. T Media Lab、がある（これは、本願明細書の一部で考慮している）。

本発明のシステムでは、画像化した対象物の自動認識に固有顔の原理を使用する。処理セクションのデータベース５０１は、固有顔の等価物の形成に使用する。この場合、この等価物は、器官又はその一部、又は、解剖の領域又はその一部に関連する。この方法は、上記記載の方法及び顔認識での固有顔のデータベースの生成に現在使用されている。

器官又はその一部、又は、解剖領域又はその一部の固有顔のデータベースが生成されると、特定の器官を特長付ける固有顔の組合せが確定される。処理でアップロードされる各画像に対し、固有顔の成分が確定される。そして、この組合せをデータベースの画像から抽出される画像と比較し、どの器官又はその一部、又は、どの解剖領域又はその一部が画像化されるかを自動的に決める。これらのステップは、分類アルゴリズム（例、クラスタリングアルゴリズム又は予測アルゴリズム）を用いて行なう。

この場合、予測アルゴリズムは、発明のシステムのベースを形成する既知の事例のデータベースの使用で訓練される。データベースの個別の画像を特長付ける固有顔の組合せも使用する。クラスタリングアルゴリズムまたは予測アルゴリズム（例、人工神経ネットワーク）を用い、入力画像が認識でアップロードされると、アルゴリズムは、画像の固有顔の分解を供給し、画像が特定の器官又はその一部、又は、解剖領域又はその一部の分類に属するのを決める。

この場合、予測アルゴリズムの出力は、固有顔の種々の組合せとの比較チェックに提出される。固有顔の組合せは、データベースの各画像及びこの画像で再生された器官又は解剖領域又はその一部に対し得られる。

予測又はクラスタリングアルゴリズムの構造化を次の様にする。出力は、直接に画像化した対象物の評価及び直接の関連性を生成する。その直接の関連性とは、予測アルゴリズムの出力で得られる固有顔の組み合わせ、及び、器官又は解剖領域又はその一部のタイプ、の間での関連で、固有顔の組み合わせに一義的に関連している。

本発明のシステムの一般的な構成図である。 中央画像処理システムの一層明確な構成図である。 処理結果にアクセスするシステムの構成図である。 本発明のシステムを操作するステップの構成図である。 第２の実施形態の構成図で、画像に再生される対象物を識別し、そして特定の専用アルゴリズムで処理する手段を含む。

Claims (27)

1. 少なくとも１つの処理ユニットと、遠隔ユーザがアクセスできるインターフェイスとを備えている特に診断画像に使用する画像処理システムにおいて、
   該処理ユニットは、１つ以上の画像装置で取得されるデジタル画像を受け取りそして出力画像を提供する、
   該デジタル画像は、該処理ユニットのメモリに読み込んで実行される画像処理プログラムで処理される、
   該処理ユニットは、中央サービスユニットから成り、
   該インターフェイスは、遠隔通信手段で該中央サービスユニットに接続され、１つ以上の該デジタル画像を該処理ユニットに送信し、
   該処理ユニットは、１つ以上の該デジタル画像に、自動的に該画像処理プログラムを実行する、ことを特徴とする画像処理システム。
2. ａ）前記中央処理ユニットの前記メモリに、２つ以上の前記画像処理プログラムの記憶及び／又は読み込みが可能で、各々の前記画像処理プログラムが、異なる操作を実行し、
   ｂ）前記画像処理プログラムは、少なくとも１つの画像に、個別に又は一連の操作ステップとして実行可能で、
   ｃ）１つ以上の前記画像処理プログラムの選択及び実行を起こす選択及び実行プログラムが設けられ、該選択及び実行プログラムは、前記処理ユニットの該メモリに記憶又は読み込みが可能で、前記処理ユニットで実行される、
   ｄ）該選択及び実行プログラムは、前記中央処理ユニットが受け取る前記画像の画像データを分析し、使用する前記画像処理プログラムの種類及び前記画像処理プログラムが前記画像に実行する順序を自動的に認識する、
   ことを特徴とする請求項１記載の画像処理システム。
3. 前記中央画像処理ユニットが、モジュールから成り、ハードウェア／ソフトウェアの操作ユニットを備えている、ことを特徴とする請求項１又は２記載の画像処理システム。
4. 前記操作ユニットの少なくとも幾つか又は全てが、専用のプロセッサ及び専用のメモリ領域を備え、該メモリ領域は、前記操作ユニットの操作機能を実行する指示に関連する処理プログラムのコードを含んでいる、ことを特徴とする請求項１〜３の何れか１項記載の画像処理システム。
5. 前記操作ユニットの少なくとも幾つか又は全てが、専用のメモリ領域を備え、該専用のメモリ領域は、前記操作ユニットの操作機能を実行する前記指示に関連する前記処理プログラムのコードを含み、前記コードが、中央処理ハードウェアユニットの要求で実行される、ことを特徴とする請求項１〜４の何れか１項記載の画像処理システム。
6. 前記画像処理システムは、下記の論理システムの管理プログラムを実行する中央制御システム又はエージェントを備え、該管理プログラムが、
   ・特定の遠隔の顧客識別機能を調整し、
   ・サービスのログインコードを照合し、
   ・サービス費用を課金し、
   ・各サブユニットを調整し、
   該サブユニットは、受取った画像データを記憶するサブユニット、画像処理のサブユニット、データベース（処理アルゴリズム、特に分類アルゴリズムの訓練に使用する）の管理及び更新のサブユニット及び図形及び英数字の評価報告書の作成と送信又は遠隔の顧客に入手可能にするサブユニットで構成されている、
   ことを特徴とする請求項１〜５の何れか１項記載の画像処理システム。
7. 前記処理サブユニットは、処理管理ユニット(ＣＡＤエンジン)を備え、該処理管理ユニットは、画像処理ユニット（ＡＬＧＯ）で処理する画像データを準備し、該画像処理ユニットは、前記画像処理アルゴリズムに適用するコードの実行及び前記画像ユニットへのアクセスの管理もする、ことを特徴とする請求項６記載の画像処理システム。
8. 前記処理管理ユニットは、前記画像処理ユニットによる訓練データベースへのアクセス及びデータベース更新の管理及び整理を行なう、ことを特徴とする請求項７記載の画像処理システム。
9. 前記中央制御システムは、処理する事例のデータベースを生成し、該データベースで、前記画像を送った前記遠隔の顧客及び画像が関連する特定の事例を一義的に識別するのに(ＩＤコード)識別コード使用し、一方、特定の事例及び患者のデータを自動的に匿名にする、ことを特徴とする請求項１〜８の何れか１項記載の画像処理システム。
10. 処理するデータの記録は、画像データ、画像化モード及び画像化技術データを含み、同様に、患者の機密でない生体データ（年齢、体重、性別など）、履歴データ、関連する患者の既往歴データも含む、ことを特徴とする請求項１〜９の何れか１項記載の画像処理システム。
11. 認証手段が、処理する前記事例の前記データベースへの前記処理サブユニットによる送信又はアクセスを可能にする、ことを特徴とする請求項１〜１０の何れか１項記載の画像処理システム。
12. 前記処理サブユニットが、前記中央制御システムに送る画像処理の出力ファイルを生成し、前記中央制御システムは、処理した事例の出力データベースの一覧リストを生成する手段を備え、一覧リストにおいて、各項目は、事例に関連する画像処理出力ファイルに関連する、ことを特徴とする請求項１〜１１の何れか１項記載の画像処理システム。
13. 前記中央制御システムは、自動的に処理完了信号を生成し、該処理完了信号は、該当する前記遠隔の顧客に、通信手段で送信される、ことを特徴とする請求項１〜１２の何れか１項記載の画像処理システム。
14. 前記処理出力ファイルは、前記遠隔顧客に一括して送信、又は、前記遠隔の顧客は、処理された事例の前記出力データベースの前記一覧リストへのアクセスが許可されている、ことを特徴とする請求項１〜１３の何れか１項記載の画像処理システム。
15. 前記中央制御システムは、前記出力データベースの一覧リストで、顧客の特定の事例に対し、処理結果のプレビューファイルを生成し、この前記一覧リストで、各遠隔の顧客に対し、処理された画像及び／又は英数字形式の処理データを表示可能にしている、ことを特徴とする請求項１〜１４の何れか１項記載の画像処理システム。
16. 前記中央制御システムが、前記遠隔の顧客に、前記特定の事例の処理結果及び／又は処理された事例の特定の画像の選択のみを許可し、及び、前記特定の選択した画像に関する全処理結果の送信の要求を許可する、ことを特徴とする請求項１〜１５の何れか１項記載の画像処理システム。
17. 前記送信を、通信手段及び／又は携帯のデジタルファイル保存媒体の使用、及び／又は、前記処理結果を紙に印刷、又は、これらの全ての形式で行なう、ことを特徴とする請求項１６記載の画像処理システム。
18. 前記中央制御ユニットが、前記処理管理ユニットを制御し、前記画像処理アルゴリズムに対する訓練データベースの更新のサブシステムを開始し、前記処理管理ユニットは、処理した事例の前記一覧表及び判断基準を持つ最終結果の一覧表から、顧客が訓練データベース更新プログラムに含める許可をした事例を取り出す、ことを特徴とする請求項１〜１７の何れか１項記載の画像処理システム。
19. 前記画像処理アルゴリズムに対し前記訓練データベースを更新する前記サブシステムが、前記処理する事例の一覧表及び処理結果の対応する一覧表の記録されたデータを分析する手段を備え、前記訓練データベースに加える記録をデータベースに特に供される形式で生成する、ことを特徴とする請求項１８記載の画像処理システム。
20. 前記画像処理システムが、認証及び処理費用の請求サブユニットを備え、該サブユニットが、前記顧客に実際に要求される前記結果ファイルのベースに基づき処理費用を決める、ことを特徴とする請求項１〜１９の何れか１項記載の画像処理システム。
21. 前記画像処理システムが、
    複数の異なる画像処理アルゴリズムと、
    各アルゴリズムは、特定の器官又はその一部、又は、特定の解剖領域又はその一部を備える画像を対象物として処理する設計にし、
    自動の画像認識ユニットとを備え、
    該画像認識ユニットは、画像化した器官又はその一部、又は、解剖領域又はその一部を識別し、処理する画像を複数の該処理アルゴリズムのアルゴリズムにアドレスし、
    該アルゴリズムは、該画像認識ユニットで認識された該器官又はその一部、又は、解剖領域又はその一部の画像を処理するように、特に設計されている、
    ことを特徴とする請求項１〜２０の何れか１項記載の画像処理システム。
22. 処理する画像をＤＩＣＯＭ形式で保存し、
    前記画像認識ユニットは、画像認識セクション及びＤＩＣＯＭファイルヘッダ読み取りセクションを備え、画像化方法及び／又は画像解像度及び／又はコントラスト強調条件情報を抽出し、
    複数の処理アルゴリズムは、画像化方法及び／又は画像解像度及び／又はコントラスト強調条件情報に関連する画像処理に特に設計されたアルゴリズムを備え、処理する画像のＤＩＣＯＭファイルを、処理する画像に識別された画像化方法及び／又は画像解像度及び／又はコントラスト強調条件情報の画像処理に特に設計された処理アルゴリズムにアドレスしている、
    ことを特徴とする請求項２１記載の画像処理システム。
23. 前記画像認識ユニットが、処理する各画像を、１つ以上の前記処理アルゴリズムにアドレスし、
    前記処理アルゴリズムは、前記画像認識ユニットで認識された前期器官又はその一部、又は、解剖領域又はその一部の画像の処理、及び、処理する画像に識別されている前記画像化方法及び／又は画像の解像度及び／又はコントラスト強調条件に関連する画像の処理、に設計され、
    処理結果は、２つ以上の処理アルゴリズムの結果を組み合せて決定する、
    ことを特徴とする請求項２１記載の画像処理システム。
24. 前記画像認識ユニット又は前記画像認識セクションが、ＣＢＩＲシステムである、ことを特徴とする請求項２１〜２３の何れか１項記載の画像処理システム。
25. 前記ＣＢＩＲシステムが、画像化した前記対象物又はその一部、及び／又は、前記解剖領域又はその一部を識別する固有顔のセットを使用する、ことを特徴とする請求項２４記載の画像処理システム。
26. 前記固有顔を、既知事例のデータベースの画像を処理して生成し、即ち、各画像をベクトルに変換し、
    ベクトルのサイズは、サンプルの画像マトリックスの行と列の数の積に対応し、該ベクトルの成分は、サンプル画像の個別のピクセルの値である、
    前記固有顔は、前記器官又はその一部、又は、前記解剖領域又はその一部の画像のベクトルの統計分布の共変マトリックスの固有値である、
    ことを特徴とする請求項２５記載の画像処理システム。
27. 分類アルゴリズムは、前記データベースの各画像に応じて、画像に表示される前記器官又はその一部又は解剖領域又はその一部と、前記固有顔の対応セットとを決定し、該分類アルゴリズムは、前記既知の事例の前記画像データベースで訓練され、
    前記画像の器官又はその一部は、画像を特徴付ける前記固有顔の組合せの識別により、該分類アルゴリズムで決定され、
    前記固有顔の組合せを、前記既知事例のデータベース画像での前記固有顔の典型的な組合せとの比較で、特定の器官又はその一部又は特定の解剖領域又はその一部を表す、
    ことを特徴とする請求項２６記載の画像処理システム。

Images