JP2010012176A - 脳疾患診断システム - Google Patents

脳疾患診断システム Download PDF

Info

Publication number
JP2010012176A
JP2010012176A JP2008177254A JP2008177254A JP2010012176A JP 2010012176 A JP2010012176 A JP 2010012176A JP 2008177254 A JP2008177254 A JP 2008177254A JP 2008177254 A JP2008177254 A JP 2008177254A JP 2010012176 A JP2010012176 A JP 2010012176A
Authority
JP
Japan
Prior art keywords
brain
image
index value
disease
examiner
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.)
Granted
Application number
JP2008177254A
Other languages
English (en)
Other versions
JP5243865B2 (ja
Inventor
Akihiro Kakimoto
晃宏 垣本
Yoshiyuki Shimizu
良幸 清水
Takeshi Kosugi
壮 小杉
Hiroyuki Okada
裕之 岡田
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hamamatsu Photonics KK
Original Assignee
Hamamatsu Photonics KK
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Priority to JP2008177254A priority Critical patent/JP5243865B2/ja
Application filed by Hamamatsu Photonics KK filed Critical Hamamatsu Photonics KK
Priority to PCT/JP2009/061224 priority patent/WO2010004851A1/ja
Priority to CN2009801266090A priority patent/CN102088910B/zh
Priority to DE112009001676T priority patent/DE112009001676T5/de
Priority to US13/002,371 priority patent/US8676294B2/en
Priority to KR1020107027062A priority patent/KR101558635B1/ko
Priority to TW098121905A priority patent/TWI478697B/zh
Publication of JP2010012176A publication Critical patent/JP2010012176A/ja
Application granted granted Critical
Publication of JP5243865B2 publication Critical patent/JP5243865B2/ja
Priority to US14/208,479 priority patent/US9723988B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/004—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part
    • A61B5/0042—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for image acquisition of a particular organ or body part for the brain
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30016—Brain

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Neurology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Neurosurgery (AREA)
  • Psychology (AREA)
  • Psychiatry (AREA)
  • Hospice & Palliative Care (AREA)
  • Developmental Disabilities (AREA)
  • Child & Adolescent Psychology (AREA)
  • Theoretical Computer Science (AREA)
  • Physiology (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Nuclear Medicine (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measurement Of Radiation (AREA)

Abstract

【課題】 より正確かつ詳細に脳疾患の診断を行う。
【解決手段】 検診者の脳疾患を診断する脳疾患診断システム１の診断サーバ１０は、検診者の脳の画像を取得して取得画像とする取得部１１と、取得画像において複数の領域を設定する領域設定部１２と、複数の領域各々について、取得画像の画素値に基づいて個別指標値を算出する個別指標値算出部１３と、複数の領域各々の個別指標値に対して、重み付けを行うことによって全体指標値を算出する全体指標値算出部１４と、全体指標値に基づいて検診者の脳疾患を診断する診断部１５と、診断の結果を示す情報を出力する出力部１６と、を備える。
【選択図】 図７

Description

本発明は、検診者の脳疾患を診断する脳疾患診断システムに関する。
医用技術の発展と共に患者情報や画像情報などの電子データ化が進められている。特に、医療機器の発展に伴い画像データ量が増加しており、それに対応して医師の読影負担が大きくなっている。そのような背景の中、様々なモダリティ（ＣＴ（Computed Tomography）、ＭＲＩ（Magnetic Resonance Imaging）、ＵＳ（ultrasonography）、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）、ＰＥＴ（Positron EmissionTomography）等）や部位（肺野や乳房等）を対象として、医師の読影支援を目的とした自動診療システム（ＣＡＤ（Computer-aided diagnosis））が研究・開発されている。
自動診療システムの一つの脳疾患を診断する方法として、特許文献１に記載されている方法が提案されている。この方法では、ＭＲＩ、ＰＥＴ、ＳＰＥＣＴ等から得られた被検者の脳画像データに対して、灰白質組織を抽出して、抽出後の脳画像に対して平滑化を行う。その後、脳画像に対して解剖学的標準化等を行った上で、被検者の脳画像と健常者の脳画像との統計学的比較を行い、関心領域（ＲＯＩ（Region of Interest））を設定して解析する。そして解析結果を診断結果として提供するものである。ここで、関心領域として設定される領域は、脳画像の各ボクセルついて、健常者画像群のボクセル値の平均値及び標準偏差により算出されるＺスコアに基づいて自動設定される。
特開２００５−２３７４４１号公報
上記の特許文献１に記載された方法では、上記のように自動設定された一つの関心領域を一律に扱った解析に基づいて、脳疾患が診断される。しかしながら、一つの関心領域だけの分析では、正確な診断ができないおそれがある。また、どのような脳疾患が発生しているかという、詳細な診断を行うことができない。これは、一つの関心領域だけの分析では、当該関心領域のデータが、脳疾患の影響によるものか、また、どのような脳疾患による影響によるものか（例えば、アルツハイマーの影響であるか否か）まで判断できないことによるものである。
本発明は、以上の問題点を解決するためになされたものであり、より正確かつ詳細に脳疾患の診断を行うことができる脳疾患診断システムを提供することを目的とする。
上記の目的を達成するために、本発明に係る脳疾患診断システムは、検診者の脳疾患を診断する脳疾患診断システムであって、検診者の脳の画像を取得して取得画像とする取得手段と、取得手段によって取得された取得画像において、複数の領域を設定する領域設定手段と、領域設定手段によって設定された複数の領域各々について、取得画像の画素値に基づいて個別指標値を算出する個別指標値算出手段と、個別指標値算出手段によって算出された複数の領域各々の個別指標値に対して、重み付けを行うことによって全体指標値を算出する全体指標値算出手段と、全体指標値算出手段によって算出された全体指標値に基づいて、検診者の脳疾患を診断する診断手段と、診断手段による診断の結果を示す情報を出力する出力手段と、を備えることを特徴とする。
本発明に係る脳疾患診断システムでは、検診者の脳の画像に基づいて、当該検診者の脳疾患が診断される。本システムでは、脳の画像に対して、複数の領域が設定されて、複数の領域各々に対して、画素値に基づく個別指標値が算出される。続いて、当該各個別指標値に対して重み付けが行われて全体指標値が算出されて、当該全体指標値から上記の診断が行われる。従って、本発明に係る脳疾患診断システムによれば、脳の領域毎に脳疾患の影響を考慮した判断を行うことができ、より正確かつ詳細に脳疾患の診断を行うことができる。
診断手段は、脳疾患が有るサンプルデータの指標値及び脳疾患が無いサンプルデータの指標値に基づいて得られた閾値と、全体指標値算出手段によって算出された全体指標値とを比較することによって、検診者の脳疾患を診断することが望ましい。この構成によれば、全体指標値を用いた判断の際の判断基準をより適切なものとすることができ、更に正確かつ詳細に脳疾患の診断を行うことができる。
全体指標値算出手段は、脳疾患が有るサンプルデータの指標値及び脳疾患が無いサンプルデータの指標値に基づいて、重み付けを行うことが望ましい。この構成によれば、全体指標値を算出する際の重み付けをより適切に行うことができる。例えば、診断を行う脳疾患に影響が大きい範囲に対しては大きい重みとすることができる。その結果として、更に正確かつ詳細に脳疾患の診断を行うことができる。
取得手段は、取得した脳の画像の画素値に基づいて、当該画像に対して補正を行って取得画像とすることが望ましい。この構成によれば、検診者の脳の個体差等を排除して、適切な脳疾患の診断を行うことができる。
取得手段は、検診者の年齢を示す情報も取得して、診断手段は、取得手段によって取得された情報により示される検診者の年齢に応じて、当該検診者の脳疾患を診断する、ことが望ましい。脳の状態は、通常、年齢に応じて変化するが、この構成によれば、年齢応じた適切な脳疾患の診断を行うことができる。
取得手段は、取得した脳の画像に対して解剖学的標準化を行って取得画像とすることが望ましい。この構成によれば、脳の画像を処理しやすくして、適切な脳疾患の診断を行うことができる。
脳疾患診断システムは、検診者の脳の画像を撮像する撮像手段を更に備え、取得手段は、撮像手段によって撮像された画像を取得する、ことが望ましい。この構成によれば、脳の画像を確実に取得できるので、確実に本発明を実施することができる。
撮像手段は、検診者の脳のスライス画像を、当該検診者の脳の画像として撮像し、取得手段は、撮像手段によって撮像されたスライス画像から、脳の脳表を投影した脳表投影画像を生成して取得画像とする、ことが望ましい。この構成によれば、脳疾患の種類によっては診断を行いやすい脳表画像に基づいて、診断を行うことができる。
本発明によれば、脳の領域毎に脳疾患の影響を考慮した判断を行うことができ、より正確かつ詳細に脳疾患の診断を行うことができる。
以下、図面と共に本発明に係る脳疾患診断システムの好適な実施形態について詳細に説明する。なお、図面の説明においては同一要素には同一符号を付し、重複する説明を詳細する。
図１に本実施形態に係る脳疾患診断システム１の構成を示す。脳疾患診断システム１は、検診者の脳疾患を診断するシステムである。即ち、脳疾患診断システム１は、検診者が脳疾患を罹っているか否かを判断するシステムである。診断対象となる脳疾患としては、例えばアルツハイマー病等の種別が特定された疾患でもよいし、脳に異常が発生している否かという種別が特定されていない疾患でもよい。本実施形態では、アルツハイマー病を例として説明する。
図１に示すように、脳疾患診断システム１は、脳疾患診断システム１の主要機能をなす診断サーバ１０を含んで構成されている。また、脳疾患診断システム１は、ＣＴ装置、ＭＲＩ装置、ＰＥＴ装置等のモダリティにより撮影された医療画像データを格納し管理するストレージシステムを含み、あるいは接続されていることが望ましい。本実施形態では、以下のように、脳疾患診断システム１は、ストレージシステムを含むものとして説明するが、必ずしもストレージシステムが含まれていなくてもよい。
脳疾患診断システム１は、（ストレージシステムの構成として）、画像データを格納するための複数のストレージ２０と、複数のロードバランサ３０と、複数の画像サーバ４０と、複数の業務サーバ５０と、複数のゲートウェイサーバ６０とを含んでいる。
ロードバランサ３０は、ストレージシステムに入力されるタスク要求を受け付けて、タスク要求に応じてストレージシステムの各サーバ４０，５０，６０に転送する等の処理を行う装置である。ロードバランサ３０は、タスク要求毎に各サーバ４０，５０，６０が過負荷とならないように負荷分散制御を行う。ロードバランサ３０とストレージ２０及び各サーバ４０，５０，６０とは、スイッチングハブ７０を介して有線の回線により接続されており、互いに情報の送受信を行うことができる。なお、２つのロードバランサ３０のうち一方は、もう一方に障害が発生した場合の予備等として用いられる。
画像サーバ４０は、画像データに係る情報を記録、管理する装置である。画像データに係る情報は、具体的には、画像データが複数のストレージ２０のうちどのストレージ２０に格納されているかを示す情報（格納ストレージ情報）である。画像サーバ４０は、ロードバランサ３０から、当該情報の書込要求（Write要求）及び読出要求（Read要求）を入力して、それぞれの要求に応じて処理を行う。また、画像サーバ４０同士は、有線の回線により接続されており、互いに情報の送受信を行い、画像サーバ４０間での情報の同期を行っている。また、より詳細には後述するように画像サーバ４０は、モダリティにより撮像された画像の処理を行う。
業務サーバ５０は、画像データに係る検診者の情報を記録、管理する装置である。業務サーバ５０は、ロードバランサ３０から、検診者の情報に係る処理のタスク要求を入力して、それぞれの要求に応じて処理を行う。また、業務サーバ５０同士も、画像サーバ４０と同様に、有線の回線により接続されており、互いに情報の送受信を行うことができる。
ゲートウェイサーバ（ＤＩＣＯＭゲートウェイ）６０は、ロードバランサ３０からストレージ２０に格納される画像データを入力して、ストレージ２０に転送する装置である。ゲートウェイサーバ６０各々は、ストレージ２０に接続されたロードバランサ８０に画像データを出力する。なお、このロードバランサ８０は、各サーバ４０，５０，６０と接続されるロードバランサ３０とは別のものである。また、ゲートウェイサーバ６０は、本実施形態に係る脳疾患の診断に用いられる情報が入力された場合には、その情報を診断サーバ１０に入力する。
当該ロードバランサ８０は、ゲートウェイサーバ６０又は診断サーバ１０から入力された画像データや診断結果を示すデータが格納されるべきストレージ２０を判断して、当該データのストレージ２０への格納を行う。通常、上記のデータは、データの損失を防止するため、２箇所のストレージ２０に格納される。なお、２つのロードバランサ８０のうち一方は、もう一方に障害が発生した場合の予備等として用いられる。
また、脳疾患診断システム１には、ユーザにより用いられる装置として、クライアント１００、ビューワ１１０及びモダリティ１２１，１２２，１２３が、ストレージシステムに接続されて、含まれていてもよい。上記の各装置１００，１１０，１２１〜１２３は、スイッチングハブ１３０を介して有線の回線により、ロードバランサ３０に接続されており、ロードバランサ３０との間で情報の送受信を行うことができる。
クライアント１００は、ユーザが脳疾患診断システム１を利用する際に用いられる端末である。ビューワ１１０は、医師等のユーザが画像データを読影するための読影用端末である。クライアント１００やビューワ１１０には、画像データを取得し、取得した画像データを表示する手段を備えている。また、クライアント１００又はビューワ１１０は、ユーザが脳疾患診断システム１による診断結果を参照するためにも用いられる。クライアント１００やビューワ１１０は、画像データを取得するために、（ユーザの操作等により）画像データの取得要求をロードバランサ３０に入力する。取得要求には、取得対象となる画像データを特定する情報が含まれている。
モダリティ１２１〜１２３は、検診者の頭部（脳）に対して撮像を行って画像データを取得するための撮像手段たる装置であり、具体的にはＣＴ装置１２１、ＭＲＩ装置１２２及びＰＥＴ装置１２３等である。モダリティ１２１〜１２３は、取得した画像データをストレージシステムで管理するために、当該画像データの登録要求をロードバランサ３０に対して行う。
また、モダリティ１２１により撮像される画像データには、所定の断面での、被験者の頭部（脳）の内部を示したスライス画像である。なお、スライス画像は、例えば数ｍｍ〜数ｃｍ程度の間隔の断面での複数のスライス画像であることが望ましい。スライス画像を構成する画素は、画素に対応する位置の、頭部における組織又は領域に応じた強度（画素値）を有している。例えば、ＰＥＴ装置１２３により取得されたスライス画像の画素値は、脳糖代謝量を示す半定量値であるＳＵＶ（Standard Update Value）に応じた値である（画素値に対して所定の演算を行うことによって、ＳＵＶを得ることができる。あるいは、画素値自体を、ＳＵＶを示す値として用いることができる）。即ち、本実施形態で用いられるスライス画像は、脳の位置に応じた機能に応じた画素値を有するものが含まれる。本実施形態では、上記のＰＥＴ装置１２３によって撮像されたスライス画像を脳疾患の診断に用いることとして説明する。また、ＰＥＴ装置１２３によってスライス画像が取得される際には、例えば、ＰＥＴ装置１２３の操作者の入力等により検診者の年齢を示す情報が入力されて、上記のスライス画像に対応付けられる。
上記の診断サーバ１０、ストレージ２０、ロードバランサ３０，８０、画像サーバ４０、業務サーバ５０、ゲートウェイサーバ６０、クライアント１００及びビューワ１１０としては、具体的には、ＣＰＵ（Central Processing Unit）、メモリ及びディスク装置等を備えるコンピュータが用いられ、これらが動作することによりそれぞれの装置の機能が発揮される。
ここで、脳疾患診断システム１において扱われる脳画像、及び脳画像について示される情報について詳細に説明する。ここで、説明する内容は、本願発明者の研究によって得られた知見を含む。
脳疾患診断システム１において当初取得される画像は、ＰＥＴ装置１２３によって取得された、検診者のスライス画像に基づく画像である。脳疾患診断システム１では、ＰＥＴ装置１２３による撮像から、診断サーバ１０によって後述する取得画像とされるまでの処理は以下のようなものである。なお、スライス画像が診断サーバ１０に入力される際には、上記のように検診者の年齢を示す情報が対応付けられて併せて入力されており、検診者の年齢を示す情報が利用可能である。
ＰＥＴ装置１２３は、検診者（の脳）に対して撮像を行い、図２に示すスライス画像（ＰＥＴ生画像）２０１を取得する。ＰＥＴ装置１２３は、取得したスライス画像２０１を、スイッチングハブ１３０、ロードバランサ３０、スイッチングハブ７０及びゲートウェイサーバ６０を介して、診断サーバ１０に出力する。診断サーバ１０は、入力したスライス画像２０１に対して解剖学的標準化を行い、図２に示す標準脳画像（断層像）２０２とする。なお、ＰＥＴ装置１２３によって取得されたスライス画像が全身の画像である場合には、診断サーバ１０は、診断に必要な頭部画像のみを切り出す。
ここで、解剖学的標準化は、従来の方法により行われてもよく、具体的には例えば３ＤＳＳＰ（Three dimensional stereotactic surface projection）のツールが用いられて行われる。続いて、診断サーバ１０は、標準脳画像２０２に対してマスク処理を行い、周辺ノイズをカットして脳内部の画像データを抽出する。なお、上記のマスク処理は、従来の方法が利用されえる。なお、上記のマスク処理は必ずしも実施する必要はない。
続いて、診断サーバ１０は、解剖学的標準化後又はマスク処理後の標準脳画像２０２に対して、補正処理を行う。この補正処理は、画像間の画素値のばらつきを軽減するために標準化をするものである。具体的には、全脳の画素値の平均が予め設定される所定の値となるように、一定となるように、標準脳画像２０２に対しての補正（例えば、画素値の平均が所定の値となるような係数を画素値に乗算する）を行う。なお、平均が一定となるようにされるのは必ずしも全脳でなくてもよく、例えば、標準脳画像２０２の小脳、橋又は視床に相当する部分の画素値の平均が予め設定される所定の値となるように補正を行うこととしてもよい。
続いて、診断サーバ１０は、補正された標準脳画像２０２から、図２に示すような、脳表を示す脳表画像２０３を生成する。診断サーバ１０は、生成した脳表画像を各方向から投影した脳表投影画像２０４を生成する。脳表投影画像２０４は、投影する方向毎に生成され、その方向は図２に示すように右、左、上、下、前、後並びに中心で切って右及び左の８方向である。脳表画像２０３及び脳表投影画像２０４の生成は、具体的には、上記の３ＤＳＳＰによるツールを利用した処理により行われる。
引き続いて、診断サーバ１０で、標準脳画像２０２に対して、更に行われる処理について説明する。診断サーバ１０で、標準脳画像２０２から、上述した方法と同様の方法により脳表投影画像２０４を生成する。続いて、検診者の脳と正常脳との比較した画像２０５を生成する。正常脳とは、脳疾患を患っていない検診者の脳である。正常脳の上記と同様な脳表投影画像は、予め本システム１等によって取得されてストレージ２０に格納されており、利用可能になっている。診断サーバ１０は、ストレージ２０から、正常脳の脳表投影画像を取得する。ストレージ２０に格納されている正常脳の脳表投影画像は年代毎になっており、検診者の年齢を示す情報に基づいて、検診者の同年代の正常脳の脳表投影画像が取得される。診断サーバ１０は、取得した正常脳の脳表投影画像の画素値の平均値及び標準偏差を算出する。続いて、診断サーバ１０は、算出した値を用いて、検診者の脳の脳表投影画像の画素毎に下記の式を用いてＺスコアを算出する。なお、Ｚスコアを算出するための式は、予め診断サーバ１０が記憶している。
Ｚスコア＝（検診者の脳の画素値−正常脳平均値）／正常脳標準偏差
Ｚスコアは、画素値が正常脳の画素値と乖離している度合を示している。ＰＥＴ画像を用いた場合は、Ｚスコアの値が高いほど糖代謝量が低いことを示している。診断サーバ１０は、算出したＺスコアを画素値とした、図２に示す検診者の脳と正常脳との比較した画像２０５を生成する。
診断サーバ１０は、このように生成した脳画像（画像データ）を、ストレージ２０に格納する。なお、ストレージ２０への格納の際、別の検診者の脳の検診の際に比較データとして用いられるように、検診者の年齢及び脳疾患の有無を示す情報等を脳画像対応付けて併せてストレージ２０に格納する。
なお、ＰＥＴ装置１２３によって取得された検診者のスライス画像は、ストレージシステムの画像サーバ４０によっても管理されて、ストレージ２０に格納される。
ここで、各脳画像と脳画像について示される情報について詳細に説明する。図３に、標準脳画像２０２に基づく、加齢による全脳代謝量の推移を示すグラフを示す。このグラフにおいて横軸はＳＵＶを示し、縦軸は標準脳画像２０２における対応するＳＵＶの頻度（画素数）を示している。ＳＵＶが大きい頻度が多い程、脳糖代謝量が大きいことを示している。このグラフは、脳全体を対象とて頻度がカウントされたグラフであり、複数の検診者のデータの平均をとったものである（それぞれ、３０歳代２９１名（男性２３７名、女性５４名）、４０歳代３９７名（男性３０３名、女性９４名）、５０歳代２４９名（男性１２１名、女性１２８名）、６０歳代３０名（男性３０名）のデータである）。図３に示されるように、年代を追う毎にＳＵＶが小さくなるようなＳＵＶの分布となっており、これは年代を追う毎に脳糖代謝量が小さくなっていることを示している。上記のように、検診者の年齢に応じて、脳画像におけるＳＵＶが変化する。
図４に、標準脳画像２０２に基づく、正常脳とのアルツハイマー病患者の脳との全脳代謝量の相違を示すグラフを示す。このグラフにおいて横軸はＳＵＶを示し、縦軸は標準脳画像２０２における対応するＳＵＶの頻度（画素数）を示している。このグラフは、脳全体を対象として頻度がカウントされたグラフである。また、このグラフにおいて細線で示されるデータは、個々の検診者のデータであり、太線で示されるデータは、アルツハイマー病及び正常脳毎の検診者のデータの平均をとったものである。（それぞれ、正常脳２３名（男性１２名、女性１１名、平均年齢５２．３歳）、アルツハイマー病２４名（男性１０、女性１４名、平均年齢５８．３歳）のデータである）。図５は、アルツハイマー病及び正常脳の検診者毎のＳＵＶの平均値（縦軸）を示したグラフである。図５に示したグラフでは、有意水準０．００１未満でアルツハイマー病の脳画像と正常脳の脳画像との（ＳＵＶの平均値の）間に有意差がある。上記のように、検診者がアルツハイマー病に罹患しているか否かによって、脳画像におけるＳＵＶに相違がある。
図６（ａ）に、複数のアルツハイマー病患者（２４名）の脳表投影画像の画素値の平均に対して、複数の正常脳（２３名）の脳表投影画像の画素値の平均値を比較対象として、上記のＺスコアを算出して、Ｚスコアに応じた画像としたものである（図２の画像２０５と同様の画像である）。当該画像に示すように、Ｚスコアが高い、即ち、アルツハイマー病と正常脳との間で画素値の違いが大きい部分には偏りがある。Ｚスコアが高い部分は、脳の頭頂葉、側頭葉、頭頂連合野及び後帯状回の部分である（図６（ｂ）に、脳画像の対応箇所を示す図を示す）。上記の図に示すように、アルツハイマー病の脳と正常脳との間で、脳糖代謝量の相違は、脳の部位に応じたものとなる。以上が、脳疾患診断システム１において扱われる脳画像、及び脳画像について示される情報についての説明である。
引き続いて、本発明に係る機能について、診断サーバ１０の機能を中心に、より詳細に説明する。図７に示すように診断サーバ１０は、取得部１１と、領域設定部１２と、個別指標値算出部１３と、全体指標値算出部１４と、診断部１５と、出力部１６とを備えて構成される。
取得部１１は、検診者の脳の画像を取得して取得画像とする取得手段である。取得部１１によって取得される画像は、ＰＥＴ装置１２３によって取得された、検診者のスライス画像に基づく画像である。上述したように、取得部１１は、ＰＥＴ装置１２３からゲートウェイサーバ６０を介してスライス画像２０１が入力されて、当該スライス画像２０１から、上述した処理によって標準脳画像２０２、脳表画像２０３及び脳表投影画像２０４を順に生成する。取得部１１は、上記の標準脳画像２０２、及び脳表投影画像２０４を脳疾患の診断に用いる取得画像とする。取得部１１は、生成した取得画像を領域設定部１２に出力する。なお、取得部１１は、必ずしも上記のように画像処理がなされた画像を取得画像とする必要はない。入力された脳画像が標準化や補正等の画像処理の必要がないものであれば、それぞれの画像処理は行われなくてもよい（例えば、当該入力された脳画像を取得画像とすることとしてもよい）。
領域設定部１２は、取得部１１から入力された取得画像（標準脳画像）において、複数の領域（ＲＯＩ：Region of Interest）を設定する領域設定手段である。取得画像における領域の設定は、例えば、脳の解剖学的部位に分割するように行われる。図８に、脳の解剖学的部位を示す。右側面を示す図８（ａ）に示されるように、脳の部位には、前頭葉３０１、頭頂葉３０２、側頭葉３０３、後頭葉３０４及び小脳３０５がある。また、脳を中心で切って右を示す図８（ｂ）に示されるように、脳の部位には、前頭連合野３０６、後帯状回３０７及び頭頂連合野３０８がある。また、脳全体を領域の一つとして設定してもよい（その場合、領域間に重なり合う部分が生じることとなる）。領域の設定は、例えば、予め画像における座標がどの解剖学的部位に属するかという設定をしておき（上記を示す情報を保持しておき）、当該設定に基づいて行われる。この設定は、脳疾患診断システム１の管理者や医師等により行われる。
解剖学的部位の特定基準は、３ＤＳＳＰの標準脳変換にも使用されるTalairachのアトラスや、大脳皮質の解剖学・細胞構築学的区分（１〜５２で分類）が示されたBrodmann（[Korbinian Brodmann] Brodmann’s Localisation in the Cerebral Cortex: The Principles of Comparative Localisation in the cerebral Cortex Based onCytoarchitectonics）の脳地図が用いられてもよい。また、Brodmannの脳地図を基に、いくつかの領域を組み合わせて、前頭葉、側頭葉、脳頂葉、後頭葉及び小脳等、大きな領域で区切ってもよい。
また、領域の設定は、脳画像の全体に対して行われる必要はなく、診断対象の疾患により特異的に画素値が変化する部分に対して行われればよい。例えば、アルツハイマー病の場合、頭頂葉、側頭葉、頭頂連合野及び後帯状回が、より変化しやすいのでそれらの部分に対してそれぞれ領域が設定されればよい。即ち、検診対象とする脳疾患に特有な変化が認められる部位に領域を設定するのがよい。その逆に、検診対象とする脳疾患に特有な変化が認められない部位に領域を設定してもよい。また、医師が良く観察する部位に領域を設定してもよいし、その逆に、医師があまり観察しない部位に領域を設定してもよい
また、領域の設定は、予め、サンプルとして取得されている正常脳の脳画像と、診断対象の疾患に罹患している脳の脳画像とを、上述したように画素毎にＺスコア化して、Ｚスコアが０〜０．５、０．５〜１．０…等、その値毎に自動的に領域を設定してもよい。
領域設定部１２は、取得画像と設定された複数の領域を示す情報を、個別指標値算出部１３に出力する。
個別指標値算出部１３は、領域設定部１２によって設定された複数の領域各々について、取得画像の画素値に基づいて個別指標値を算出する個別指標値算出手段である。具体的には、個別指標値算出部１３は、個別指標値を以下のように算出する。まず、取得画像において設定された領域毎に、図４に示すようにＳＵＶを示す値として画素値毎の画素の頻度をヒストグラム化する。個別指標値算出部１３は、ヒストグラムから、ＳＵＶの平均値、標準偏差、最大値、最小値、積分値及び分布パターンを算出して個別指標値とする。
本実施形態では、ＳＵＶの平均値及び標準偏差を個別指標値とする例で説明する。また、予め正常脳の平均値のサンプルデータから画素値の平均値Ｎａｖｅ及び標準偏差ＮＬＳＤを算出しておき、これらの値及び以下の式を用いて、検診者の取得画像の画素値の平均値ｘの個別画素変換値ｘ´を求めて、個別指標値としてもよい。
個別指標値算出部１３は、算出した個別指標値を示す情報を全体指標値算出部１４に出力する。
全体指標値算出部１４は、個別指標値算出部１３によって算出された領域各々の個別指標値に対して、重み付けを行うことによって全体指標値を算出する全体指標値算出手段である。具体的には、以下の式のように、各個別指標値Ｒｎ（ｎは領域を示す添え字）に対して設定される重み係数ｋｎと対応する個別指標値とを乗算して、和を取ることにより算出する。
全体指標値＝Ｒ１×ｋ１＋Ｒ２×ｋ２＋Ｒ３×ｋ３＋…＋Ｒｎ×ｋｎ
また、上記の重み係数ｋｎは、脳疾患が有る（脳の画像の）サンプルデータの指標値及び脳疾患が無い（脳の画像の）サンプルデータの指標値に基づいて、設定されることが望ましい。個別指標値及び全体指標値と、本発明における診断の考え方とについては、より詳細に後述する。重み係数は、脳疾患の脳と正常脳との間で個別指標値の乖離が大きい（傾向がある）領域について、全体指標値に大きく影響するように設定されることが望ましい。全体指標値算出部１４は、算出した全体指標値を示す情報を診断部１５に出力する。
診断部１５は、全体指標値算出部１４によって算出された全体指標値に基づいて、検診者の脳疾患を診断する診断手段である。診断部１５は、具体的には、閾値と全体指標値との比較によって、検診者が検診対象の脳疾患に罹患しているか否かを診断する。上記の閾値は、診断部１５によって予め記憶されている。この場合、上記の閾値は、脳疾患が有るサンプルデータの指標値及び脳疾患が無いサンプルデータの指標値に基づいて得られた値であることが望ましい。また、診断部１５は、全体指標値から、検診者が検診対象の脳疾患に罹患している度合を決定するというような診断を行うこととしてもよい。診断部１５は、診断の結果を示す情報を出力部１６に出力する。
出力部１６は、診断部１５による診断の結果を示す情報を出力する出力手段である。具体的には、出力部１６は、診断サーバ１０が備える表示装置（図示せず）に診断結果を表示することによって、医師等が当該診断結果を参照できるようにする。また、その参照の際、診断に用いた画像や診断者のデータ（年齢等）を併せて表示することとしてもよい。また、出力部１６によって出力される情報は、ストレージ２０に格納された上で出力が行われてもよい。その場合、各機能部によって算出、生成されたデータは、その都度ストレージに格納されるのがよい。
引き続いて、全体指標値算出部１４による全体指標値の算出から診断部１５による脳疾患の診断までをより詳細に説明する。
図９に、図８で示した脳の領域毎に算出された、アルツハイマー病の脳及び正常脳の複数の検診者毎のＳＵＶの平均値（縦軸）を示したグラフである（図５と同様のグラフである）。図９に示したグラフでは、それぞれ以下のような有意水準で、アルツハイマー病の脳画像と正常脳の脳画像との（ＳＵＶの平均値の）間に有意差がある。有意水準は、それぞれ（２）頭頂葉では０．００１未満、（３）側頭葉では０．００１未満、（４）後頭葉では０．００５未満、（５）小脳では０．００１未満、（６）前頭連合野では０．００５未満、（７）後帯状回では０．００１未満、（８）頭頂連合野では０．００１未満である。なお、（１）前頭葉では有意差なしである。
また、図１０及び図１１に、図８で示した脳の領域毎の、アルツハイマー病の脳（図中ＡＤで示す）及び正常脳（図中Ｎｏｎ−ＡＤで示す）のＳＵＶのヒストグラム（複数の検診者の平均）である。上記の図９〜１１からもわかるように、アルツハイマー病の脳と正常脳との間で検出されるＳＵＶの相違は、その部位によって異なる。具体的には、Ｚスコアを用いた図６での説明でも述べたように、アルツハイマー病の脳と正常脳との間では、頭頂葉、側頭葉、後帯状回及び頭頂連合野に大きな違いがみらえる。
ここで、脳全体の画像を一律に扱って、脳疾患を診断することを考える。図１２（ａ）に、上記の取得画像から脳全体を対象として算出された、アルツハイマー病の脳及び正常脳の複数の検診者毎のＳＵＶの平均値（縦軸）を示したグラフである。図１２（ａ）のグラフは、正常脳２３例、アルツハイマー病２４例のデータである。このグラフにおける値は、上述したように複数の正常脳の画素値の平均値のサンプルデータの平均値Ｎａｖｅ及び標準偏差ＮＬＳＤから求められた全体画素変換値である。即ち、以下の式により、正常脳の取得画像（サンプルデータ）の画素値の平均値ＮＬｎの全体画素変換値ＮＬｎ´、及びアルツハイマー病の脳の取得画像（サンプルデータ）の画素値の平均値ＡＤｍの全体画素変換値ＡＤｍ´をそれぞれ求めたものである。
図１２（ａ）に示すグラフの例で、例えば、閾値を設定して、アルツハイマー病であるか否かを診断することができる。閾値よりも値が大きければ正常脳、値が閾値以下であればアルツハイマー病であると診断される。ここで、脳疾患が有る場合であっても、値が閾値よりも大きくなっており、正常脳（脳疾患無し）と判断される場合がある。脳疾患が有る場合に疾患有りと正しく診断できる割合を感度と呼ぶ。また、正常脳である（脳疾患が無い）場合でも、値が閾値以下となり脳疾患有りと判断される場合がある。正常脳である場合に脳疾患無しと正しく診断できる割合を特異度と呼ぶ。閾値を下げると特異度が向上し（一方で感度が下がる）、閾値を上げると感度が向上する（一方で特異度が下がる）。
図１２（ａ）のデータを用いた場合の上記の閾値と感度及び特異度との関係を示すグラフ（ＲＯＣ（Receiver Operating Characteristic）曲線と呼ばれる）を図１２（ｂ）に示す。図１２（ｂ）のグラフは、横軸は１−特異度を示し、縦軸は感度を示しており、閾値に対応する感度と１−特異度との値をプロットしたものである。一般的に、感度はより１に近い方が、１−特異度は０に近いほうが、診断結果としては好ましいものであるので、上記のグラフはプロットされた線が左上に位置するほうが診断能力に長けていることを示している。例えば、個別画素変換値＝−１に閾値を設けたときに、図１２（ｂ）に示すように、感度は０．８３、特異度は０．７８（図中の丸で示す）となる。
上記の感度及び特異度について、脳の各領域についても導出することができる。図８で示した脳の領域毎の、閾値と感度及び特異度との関係を示すグラフ、並びに個別画素変換値＝−１に閾値を設けたときの感度及び特異度を図１３に示す。この時の各領域の感度は、以下のようになる。
上記の感度を、上述した全体指標値を導出する際の重み係数ｋｎとして用いることができる。感度を重み係数として用いて、上記の正常脳及びアルツハイマー病の脳のサンプルデータに対して、全体指標値を導出して図１４（ａ）のグラフに示す。また、当該全体指標値を用いて診断を行う場合の、閾値と感度及び特異度との関係を示すグラフを図１４（ｂ）に示す。上記と同様に、全体画素変換値＝−１に閾値を設けると、図１４（ｂ）に示すように、感度は１．００、特異度は０．８７（図中の丸で示す）となる。上記のように、全脳のＳＵＶを用いて判別するよりも、複数の領域を設定して各領域のＳＵＶを重み付けした全体指標値を用いて診断を行うこととすれば、診断の感度が向上することが分かる。
上記の重み係数を用いて診断を行う際には、診断部１５は、重み係数を導出した際に用いられた個別画素変換値＝−１を閾値として用いてもよいし、全体指標値のＲＯＣ曲線にて最も左上に位置するときの閾値を用いてもよい。
また、上記のように閾値を個別画素変換値＝−１に設けた場合の感度を重み係数に利用したが、任意の値（例えば、個別画素変換値＝−２）を予め設定しておきその値のときの感度や、ＲＯＣ曲線にて最も左上に位置するときの感度を利用する等してもよい。同様にして、特異度を重み係数に利用することができる。更に、医師等の知見に基づいて、重み係数自体が予め任意に設定されてもよい。
また、以下のように上記を組み合わせて重み係数を導出して、それを用いることとしてもよい。
重み係数ｋｎ＝ｋｎｓｅｎ＋ｋｎｓｐｃ＋ｋｎＤｒ
ここで、ｋｎｓｅｎは、上述したように所定の閾値等を用いて算出した感度を示す。ｋｎｓｐｃは、上述したように所定の閾値等を用いて算出した特異度を示す。ｋｎＤｒは、医師等により設定された重み係数である。また、上記の３つの値のうちいずれか２つの値を用いてもよい。
また、診断部１５による診断に用いられる閾値は、予め設定した閾値（例えば、上記の場合であれば、全体画素変換値＝−１）としてもよいし、サンプルデータを用いた際の全体指標値による図１４に示したようなＲＯＣ曲線にて最も左上に位置する点に対応する閾値が用いられてもよい。
重み係数及び閾値の設定は、検診者に対する診断を行う前に、上述したような複数の脳疾患が有るサンプルデータと複数の脳疾患が無いサンプルデータとが用いられて行われる。サンプルデータの数はなるべく多いことが好ましく、具体的には、正常脳及び脳疾患が有る脳のサンプルデータは、数十例程度用意することが望ましい。また、検診者と同年代や性別が同じのサンプルデータを用いることが望ましい。また、サンプルデータは同施設や同機種にて取得された画像によるものであることが望ましい。また、脳疾患Ａのサンプルデータ数十例、脳疾患Ｂのサンプルデータ数十例、というように脳疾患の種別を複数用意してもよい。以上が、本実施形態に係る脳疾患診断システム１の構成の説明である。
引き続いて、図１５のフローチャートを用いて、脳疾患診断システム１により実行される処理を説明する。本処理は、脳疾患診断システム１により検診者の脳疾患を診断する際の処理である。
脳疾患診断システム１では、まず、ＰＥＴ装置１２３によって、検診者のスライス画像（ＦＤＧ−ＰＥＴ画像）が撮像されて取得される。また、スライス画像の取得と共に、検診者の年齢を示す情報が対応付けられて併せて入力される（Ｓ０１）。撮像された検診者のスライス画像は、ＰＥＴ装置１２３から、ゲートウェイサーバ６０を介して診断サーバ１０に入力される（Ｓ０２）。
診断サーバ１０では、取得部１１によってスライス画像が受信される。ここで、前述のスライス画像が全身画像の場合、診断サーバ１０は診断に必要な頭部領域のみを自動で切り出す（Ｓ０３）。前述のスライス画像が頭部領域のみの場合、頭部領域の自動抽出（Ｓ０３）は不要である。続いて、取得部１１によって、スライス画像に対して３ＤＳＳＰ処理による解剖学的標準化が行われ、標準脳画像が生成される（Ｓ０４）。さらに、取得部１１によって、標準脳画像に対してマスク処理を行い脳内部の画像データを抽出してもよい。
その一方で、取得部１１によって、更に画像処理が行われる。まず、標準脳画像に対して補正処理を行う（Ｓ０５）。補正処理は、上述したように全脳の画素値の平均が予め設定される所定の値となるようにするためのものである。続いて、取得部１１によって、補正処理が行われた標準脳画像に対して３ＤＳＳＰ処理が行われ、脳表投影画像が生成される（Ｓ０６）。上記の標準脳画像及び脳表投影画像が、取得画像とされて、取得部１１から領域設定部１２に入力される。
続いて、領域設定部１２によって、標準脳画像及び脳表投影画像に対して、複数の領域の設定が行われる（Ｓ０７）。領域の設定は、上述したように予めの設定等に基づいて行われる。各画像データ及び設定された領域の情報は、領域設定部１２から個別指標値算出部１３に入力される。
続いて、個別指標値算出部１３によって、上記の取得画像の画像データから、図１０及び図１１等に示すような、設定された領域毎のヒストグラムデータが抽出される（Ｓ０８）。ヒストグラムデータは、ＳＵＶ毎の画素の頻度のデータである。続いて、個別指標値算出部１３によって、ヒストグラムデータから、領域毎の個別指標値が算出される（Ｓ０９）。算出された個別指標値は、個別指標値算出部１３から全体指標値算出部１４に入力される。
続いて、全体指標値算出部１４によって、領域各々の個別指標値に対して重み付けが行われることによって全体指標値が算出される（Ｓ１０）。全体指標値の算出に用いられる重み係数は、予め脳疾患が有るサンプルデータの指標値及び脳疾患が無いサンプルデータから上述したように、予め算出しておき、全体指標値算出部１４に記憶されている。ただし、必ずしも予め算出されている必要は無く、このタイミングで算出されてもよい。全体指標値は、標準脳画像からと、脳表投影画像からとの２つの値が算出される。算出された全体指標値は、全体指標値算出部１４から診断部１５に入力される。
続いて、診断部１５によって、全体指標値に基づいて検診者の脳疾患が診断される（Ｓ１１）。具体的には、上述したように、予め診断部１５に記憶された閾値と全体指標値との比較によって、検診者が検診対象の脳疾患に罹患しているか否かが診断される。ここでは、標準脳画像に基づく診断と、脳表投影画像に基づく診断の２つの診断が行われる。診断の結果を示す情報は、診断部１５から出力部１６に入力される。ここで、保管している脳疾患教師データが脳疾患の種別毎に複数ある場合、Ｓ０７〜Ｓ１１が繰り返し行われる。
続いて、診断部１５による診断の結果を示す情報は、出力部１６からストレージ２０に出力され、ストレージ２０に格納される（Ｓ１２）。ストレージ２０に格納された上記の情報は、脳疾患診断システム１のクライアント１００及びビューワ１１０等により取得されて表示される。また、上述した処理によって生成された各画像や情報についても、併せてストレージ２０に格納されて、診断の結果を示す情報と同様に利用される。
その一方で、取得部１１によって、Ｓ０４にて生成された標準脳画像に対して更に以下のような画像処理が行われる。まず、標準脳画像から、３ＤＳＳＰ処理により脳表投影画像２０４が生成される（Ｓ２１）。続いて、ストレージ２０に格納されている検診者と同年代の正常脳の脳表投影画像が取得される（Ｓ２２）。続いて、当該正常脳の脳表投影画像が用いられて、検診者の脳表投影画像の画素毎にＺスコアが算出される。なお、Ｚスコアの算出の際に用いられる、画素値の平均値及び標準偏差については、このタイミングで算出されてもよいし、予め算出してストレージ２０等に記憶させておいてそれを利用することとしてもよい。続いて、算出したＺスコア（に応じた値）を画素値とした脳画像（差分画像）を生成する（Ｓ２３）。
取得部１１によって生成された上記のそれぞれの画像は、出力部１６を介してストレージ２０に出力され、ストレージ２０に格納される（Ｓ２４）。具体的には、ＰＥＴ装置１２３によって撮像されたスライス画像（頭部ＰＥＴの生画像）、解剖学的標準化が行われた標準脳画像、脳表投影画像、及びＺスコアが用いられた差分画像がストレージ２０に格納される。ストレージ２０に格納された上記の情報は、脳疾患診断システム１のクライアント１００等により取得されて表示される。
Ｓ１２及びＳ２４においてストレージ２０に格納された情報及び画像は、上記のようにクライアント１００及びビューワ１１０等において表示される。医師等がその情報及び画像を参照（読影）して、診断や治療等に役立てられる（Ｓ３１）。以上が、脳疾患診断システム１により実行される処理である。
上述したように、本実施形態に係る脳疾患診断システム１では、検診者の脳の画像に基づいて、当該検診者の脳疾患が診断される。本システム１では、脳の画像に対して、複数の領域が設定されて、複数の領域各々に対して、画素値に基づく個別指標値が算出される。続いて、当該各個別指標値に対して重み付けが行われて全体指標値が算出されて、当該全体指標値から上記の診断が行われる。従って、本実施形態に係る脳疾患診断システム１によれば、脳の領域毎に脳疾患の影響を考慮した判断を行うことができ、医師の読影に近い形（医師の目）で診断を行うことができ、より正確かつ詳細に脳疾患の診断を行うことができる。また、診断ミスも低下する。このような自動診断の結果を利用することによって、医師読影の負担が軽減し、また、医師が読影するときの付加価値情報として参考にすることができる。
また、例えば、特許文献１に記載された方法では、用意した２群に有意な差があった部位のみにしかＲＯＩが設定されず、その他の部位は判別の対象に入らない。そのため、教師データのＲＯＩパターンにマッチしない脳疾患例は検出されにくい。一方、本実施形態では脳疾患例で特異的に低下する部位と、その他の部位も判断の対象に入れることができる。更に、医師があまり観察しないような部位にもＲＯＩを設定することで、そのような部位のデータも考慮されるため、より正確かつ詳細に脳疾患の診断を行うことができる。即ち、先行技術と比較して、総合的かつ高精度な診断が可能となる。
また、本実施形態のように脳疾患が有るサンプルデータと脳疾患が無いサンプルデータとを利用して、診断の際の閾値や重み係数を得ることとすれば、判断基準や重み付けをより適切なものにすることができ、更に正確かつ詳細に脳疾患の診断を行うことができる。例えば、診断を行う脳疾患に影響が大きい範囲に対しては大きい重みとすることができる。また、サンプルデータを用いて感度及び特異度といった連続的な数値を用いるため、教師データのＲＯＩパターンにどの程度類似しているかといった、連続的（点数、指標値）な評価が可能となる。ただし、閾値や重み係数は、医師等により設定されてもよく、必ずしもサンプルデータが用いられる必要はない。
また、上述したように脳画像に対する補正を行うこととすれば、検診者の脳の個体差等を排除して、適切な脳疾患の診断を行うことができる。また、脳画像に対して解剖学的標準化を行うこととすれば、脳の画像を処理しやすくして適切な脳疾患の診断を行うことができる。
また、閾値や重み付けを検診者の年齢に応じて行うことが望ましい。この構成によれば、上述したように脳の状態は、通常、年齢に応じて変化するため、年齢応じた適切な脳疾患の診断を行うことができる。
また、本実施形態のように、脳表投影画像を用いた診断をすることが望ましい。この構成によれば、脳疾患の種類によっては診断を行いやすい脳表画像に基づいて、診断を行うことができる。また、本実施形態では、標準脳画像と脳表投影画像との２つの画像に基づいて診断を行っているが、いずれか一方が用いられて診断が行われてもよい。
また、本実施形態のように脳疾患診断システム１にモダリティ１２１〜１２３が含まれていることとすれば、脳の画像を確実に取得できるので、確実に本発明を実施することができる。但し、脳疾患診断システム１では脳画像が取得されれば診断を行うことができるので撮像を行う装置は必ずしも必要ない。
本実施形態では、モダリティとして主にＰＥＴ装置１２３が用いられる例を説明したが、その他にもＣＴ装置１２１、ＭＲＩ装置１２２及びＳＰＥＣＴ装置（図示せず）等が用いられてもよい。ここで、ＰＥＴ装置１２３は代謝、血流を、ＣＴ装置１２１は脳萎縮、脳腫瘍、脳梗塞及び脳出血を、ＭＲＩ装置１２２は脳萎縮、脳腫瘍、脳梗塞及び脳出血を、ＳＰＥＣＴ装置は脳血流シンチグラフィを、それぞれ脳画像として検出することができる。従って、診断したい脳疾患に応じたモダリティを用いることとするのがよい。
また、本実施形態ではアルツハイマー病を診断する例を説明したが、その他の脳疾患を診断することもできる。例えば、脳血管障害、認知症、脳死及びその他の神経変性疾患や精神疾患脳炎を診断することもできる。また、脳萎縮、脳腫瘍、脳梗塞及び脳出血については、どの部分に異常があるかを診断することができる。
更に、以下のような脳疾患を診断することができる（下記において括弧内は、当該脳疾患と関係が大きい脳の部位であり、上記の重み付け等に参考にされうる）。具体的には、前頭側頭型認知症（前頭葉、側頭葉）、皮質基底核変性症（前頭葉、頭頂葉）、進行性核上性麻痺（前頭葉、高位前頭葉内側）、筋萎縮性側索硬化症（前頭葉、一次感覚運動野）、てんかん（側頭葉、その他）、アルツハイマー型認知症（側頭葉、頭頂葉、後帯状回、海馬）、軽度認知機能障害（ＭＣＩ）（側頭葉、頭頂葉、後帯状回、海馬）、レビー小体型認知症（頭頂葉、後帯状回、後頭葉）、ミトコンドリア脳筋症（ＭＥＬＡＳ）（後頭葉）、多発性硬化症（後頭葉）、パーキンソン病（後頭葉）、ハンチントン病（大脳基底核）、ウイルソン病（大脳基底核）、ビンスワンガー病（白質）、水頭症（白質）、脳血管性障害（小脳びまん（蔓延する）性血流低下）、変性代謝疾患（脊髄小脳変性症）（小脳びまん性血流低下）、多系統萎縮（オリーブ核橋小脳変性症）（小脳びまん性血流低下）、歯状核赤核淡蒼球ルイ体萎縮症（ＤＲＰＬＡ）（小脳びまん性血流低下）、脳腱黄色腫症（小脳びまん性血流低下）、薬物中毒（小脳びまん性血流低下）、小脳脳炎（小脳びまん性血流低下）、放射線照射（小脳びまん性血流低下）、感染性疾患（神経梅毒・クロイツフェルト・ヤコブ病・ウェルニッケ脳症）（大脳の広範囲に広がる異常）、亜急性硬化症全脳炎（ＳＳＰＥ）（大脳の広範囲に広がる異常）、急性散在性脳脊髄炎（ＡＤＥＭ）（大脳の広範囲に広がる異常）、薬物中毒（大脳の広範囲に広がる異常、セロトニン系で線条体が低下）、低酸素血症（大脳の広範囲に広がる異常）、一酸化炭素中毒（大脳の広範囲に広がる異常）、ビンスワンガー病（大脳の広範囲に広がる異常）、Gerstmann症候群（頭頂葉）、筋萎縮性側索硬化症（一次感覚運動野）、下１／４同名半盲（頭頂葉）、半側空間無視（劣位半球の頭頂葉）、運動失調（小脳）、歩行失調・体感失調（小脳上部虫部）、脳血管性認知症（血管が梗塞している部位）、その他の認知障害（内分泌・感染・腫瘍・外傷・水頭症）（対応する部位）、その他の機能障害（聴覚・視覚・失語・語義失語等）（対応する部位）、パーキンソン病（ドーパミン系薬剤（ラクロプライド、β−ＣＦＴ）で線条体が低下）、覚せい剤常用者（セロトニン系薬剤（McN5652、DASB）で線条体が低下）、アルツハイマー型認知症（ＰＩＢで集積増加）、軽度認知機能障害（ＭＣＩ）（ＰＩＢで集積増加）等である。
本発明の実施形態に係る脳疾患診断システムの構成を示す図である。 脳疾患診断システムにおいて利用される脳画像を示す図である。 標準脳画像に基づく、加齢による全脳代謝量の推移を示すグラフである。 アルツハイマー病及び正常脳のＳＵＶのヒストグラムである。 アルツハイマー病及び正常脳の複数の検診者毎のＳＵＶの平均値を示したグラフである。 アルツハイマー病患者の脳表投影画像から、正常脳の脳表投影画像を比較対象として得られたＺスコアに応じた画像、及びＺスコアが高い部位を示した脳の部位を示した図である。 脳疾患診断システムの診断サーバの機能構成を示す図である。 脳の解剖学的部位を示す図である。 脳の領域毎に算出された、アルツハイマー病及び正常脳の複数の検診者毎のＳＵＶの平均値を示したグラフである。 脳の領域毎の、アルツハイマー病及び正常脳のＳＵＶのヒストグラムである。 脳の領域毎の、アルツハイマー病及び正常脳のＳＵＶのヒストグラムである。 アルツハイマー病の脳及び正常脳の複数の検診者毎の脳全体のＳＵＶの平均値を示したグラフ、及び閾値と感度及び特異度との関係を示すグラフである。 脳の領域毎の、閾値と感度及び特異度との関係を示すグラフである。 アルツハイマー病の脳及び正常脳の複数の検診者毎の全体指標値を示したグラフ、及び閾値と感度及び特異度との関係を示すグラフである。 本発明の実施形態に係る脳疾患診断システムにおいて実行される処理を示すフローチャートである。
符号の説明
１…脳疾患診断システム、１０…診断サーバ、１１…取得部、１２…領域設定部、１３…個別指標値算出部、１４…全体指標値算出部、１５…診断部、１６…出力部、２０…ストレージ、３０…ロードバランサ、４０…画像サーバ、５０…業務サーバ、６０…ゲートウェイサーバ、７０…スイッチングハブ、８０…ロードバランサ、１００…クライアント、１１０…ビューワ、１２１〜１２３…モダリティ（１２１…ＣＴ装置、１２２…ＭＲＩ装置、１２３…ＰＥＴ装置）、１３０…スイッチングハブ。

Claims (8)

  1. 検診者の脳疾患を診断する脳疾患診断システムであって、
    前記検診者の脳の画像を取得して取得画像とする取得手段と、
    前記取得手段によって取得された取得画像において、複数の領域を設定する領域設定手段と、
    前記領域設定手段によって設定された前記複数の領域各々について、前記取得画像の画素値に基づいて個別指標値を算出する個別指標値算出手段と、
    前記個別指標値算出手段によって算出された前記複数の領域各々の個別指標値に対して、重み付けを行うことによって全体指標値を算出する全体指標値算出手段と、
    前記全体指標値算出手段によって算出された全体指標値に基づいて、前記検診者の脳疾患を診断する診断手段と、
    前記診断手段による診断の結果を示す情報を出力する出力手段と、
    を備える脳疾患診断システム。
  2. 前記診断手段は、前記脳疾患が有るサンプルデータの指標値及び前記脳疾患が無いサンプルデータの指標値に基づいて得られた閾値と、前記全体指標値算出手段によって算出された全体指標値とを比較することによって、前記検診者の脳疾患を診断することを特徴とする請求項１に記載の脳疾患診断システム。
  3. 全体指標値算出手段は、前記脳疾患が有るサンプルデータの指標値及び前記脳疾患が無いサンプルデータの指標値に基づいて、前記重み付けを行うことを特徴とする請求項１又は２に記載の脳疾患診断システム。
  4. 前記取得手段は、前記取得した脳の画像の画素値に基づいて、当該画像に対して補正を行って前記取得画像とすることを特徴とする請求項１〜３のいずれか一項に記載の脳疾患診断システム。
  5. 前記取得手段は、前記検診者の年齢を示す情報も取得して、
    前記診断手段は、前記取得手段によって取得された情報により示される前記検診者の年齢に応じて、当該検診者の脳疾患を診断する、
    ことを特徴とする請求項１〜４のいずれか一項に記載の脳疾患診断システム。
  6. 前記取得手段は、前記取得した脳の画像に対して解剖学的標準化を行って前記取得画像とすることを特徴とする請求項１〜５のいずれか一項に記載の脳疾患診断システム。
  7. 前記検診者の脳の画像を撮像する撮像手段を更に備え、
    前記取得手段は、前記撮像手段によって撮像された前記画像を取得する、
    ことを特徴とする請求項１〜６のいずれか一項に記載の脳疾患診断システム。
  8. 前記撮像手段は、前記検診者の脳のスライス画像を、当該検診者の脳の画像として撮像し、
    前記取得手段は、前記撮像手段によって撮像されたスライス画像から、前記脳の脳表を投影した脳表投影画像を生成して取得画像とする、
    ことを特徴とする請求項７に記載の脳疾患診断システム。
JP2008177254A 2008-07-07 2008-07-07 脳疾患診断システム Active JP5243865B2 (ja)

Priority Applications (8)

Application Number Priority Date Filing Date Title
JP2008177254A JP5243865B2 (ja) 2008-07-07 2008-07-07 脳疾患診断システム
CN2009801266090A CN102088910B (zh) 2008-07-07 2009-06-19 脑部疾病的诊断系统
DE112009001676T DE112009001676T5 (de) 2008-07-07 2009-06-19 Diagnosesystem für Gehirnerkrankungen
US13/002,371 US8676294B2 (en) 2008-07-07 2009-06-19 Brain disease diagnosis system
PCT/JP2009/061224 WO2010004851A1 (ja) 2008-07-07 2009-06-19 脳疾患診断システム
KR1020107027062A KR101558635B1 (ko) 2008-07-07 2009-06-19 뇌 질환 진단 시스템
TW098121905A TWI478697B (zh) 2008-07-07 2009-06-29 Diagnosis of brain diseases
US14/208,479 US9723988B2 (en) 2008-07-07 2014-03-13 Brain disease diagnosis system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2008177254A JP5243865B2 (ja) 2008-07-07 2008-07-07 脳疾患診断システム

Publications (2)

Publication Number Publication Date
JP2010012176A true JP2010012176A (ja) 2010-01-21
JP5243865B2 JP5243865B2 (ja) 2013-07-24

Family

ID=41506971

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2008177254A Active JP5243865B2 (ja) 2008-07-07 2008-07-07 脳疾患診断システム

Country Status (7)

Country Link
US (2) US8676294B2 (ja)
JP (1) JP5243865B2 (ja)
KR (1) KR101558635B1 (ja)
CN (1) CN102088910B (ja)
DE (1) DE112009001676T5 (ja)
TW (1) TWI478697B (ja)
WO (1) WO2010004851A1 (ja)

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013044615A (ja) * 2011-08-23 2013-03-04 Toshiba Corp 医用画像診断装置、画像情報表示装置及び制御プログラム
JP2013534440A (ja) * 2010-06-22 2013-09-05 ザ・ジョンズ・ホプキンス・ユニバーシティ 非侵襲的画像分析装置、それに用いるワークステーションおよび画像分析方法
JP2014128249A (ja) * 2012-12-28 2014-07-10 Hokkaido Univ 神経変性疾患の検査と治療に対するｍｉＲＮＡ又はその標的遺伝子の利用
CN105581804A (zh) * 2014-11-10 2016-05-18 西门子股份公司 通过量子计数检测器来优化信号检测
JP2017108789A (ja) * 2015-12-14 2017-06-22 東芝メディカルシステムズ株式会社 画像処理装置
WO2019044081A1 (ja) * 2017-08-29 2019-03-07 富士フイルム株式会社 医用画像表示装置、方法及びプログラム
JP2019075071A (ja) * 2017-10-13 2019-05-16 株式会社Ｓｐｌｉｎｋ 保険料算定システム、保険料算定方法及びプログラム
WO2019172181A1 (ja) * 2018-03-09 2019-09-12 日本メジフィジックス株式会社 診断支援装置、プログラム、学習済みモデル、および学習装置
JP2019536531A (ja) * 2016-11-08 2019-12-19 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｘ線画像内の不透明度を検出する装置
JP2021173578A (ja) * 2020-04-22 2021-11-01 浜松ホトニクス株式会社 脳画像診断システム及び脳画像診断方法
WO2021220597A1 (ja) * 2020-04-28 2021-11-04 株式会社Splink システム、制御方法、情報提供方法及びコンピュータプログラム
JP2022509347A (ja) * 2018-10-31 2022-01-20 シナプティック アーペーエス 脳状態指示パラメータを確立する方法および脳状態指示パラメータを確立するためのシステム
WO2022071159A1 (ja) * 2020-10-01 2022-04-07 富士フイルム株式会社 診断支援装置、診断支援装置の作動方法、診断支援装置の作動プログラム、並びに認知症診断支援方法
WO2022071158A1 (ja) * 2020-10-01 2022-04-07 富士フイルム株式会社 診断支援装置、診断支援装置の作動方法、診断支援装置の作動プログラム、認知症診断支援方法、並びに学習済み認知症所見導出モデル
WO2022071160A1 (ja) * 2020-10-01 2022-04-07 富士フイルム株式会社 診断支援装置、診断支援装置の作動方法、診断支援装置の作動プログラム、並びに認知症診断支援方法
WO2022270151A1 (ja) * 2021-06-25 2022-12-29 富士フイルム株式会社 画像処理装置、方法およびプログラム
JP2023124767A (ja) * 2022-02-25 2023-09-06 国立陽明交通大学 脳腫瘍種類の自動判別システム

Families Citing this family (41)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8269496B2 (en) * 2006-06-30 2012-09-18 The United States Of America, As Represented By The Secretary Of The Department Of Health And Human Services Fast electron paramagnetic resonance imaging (EPRI) using CW EPR spectrometer with sinusoidal rapid-scan and digital signal processing
BR112012004693A2 (pt) * 2009-09-04 2019-09-24 Koninl Philips Electronics Nv sistema para recuperar uma imagem a partir do armazenamento de imagens, sistema de base de dados, aparelho para aquisição de imagem, estação de trabalho, método (m) de recuperação de uma imagem a partir do armazenamento de imagens e produto de programa de computador a ser carregado por uma organização de computador
US20120051608A1 (en) * 2010-08-27 2012-03-01 Gopal Biligeri Avinash System and method for analyzing and visualizing local clinical features
JP5802440B2 (ja) * 2011-06-02 2015-10-28 オリンパス株式会社 蛍光観察装置
US9025845B2 (en) 2011-06-17 2015-05-05 Quantitative Imaging, Inc. Methods and apparatus for assessing activity of an organ and uses thereof
KR20130053587A (ko) * 2011-11-15 2013-05-24 삼성전자주식회사 의료기기 및 이를 이용한 의료영상 디스플레이 방법
GB2491027A (en) * 2012-05-16 2012-11-21 Global Advanced Vision Ltd A method and system for determining a condition of a brain
JP6158018B2 (ja) * 2012-09-28 2017-07-05 東芝メディカルシステムズ株式会社 核医学診断装置、および画像処理方法
TWI586327B (zh) * 2012-12-27 2017-06-11 Metal Ind Research&Development Centre Image projection system
US9332954B2 (en) * 2013-03-15 2016-05-10 Jacqueline K. Vestevich Systems and methods for evaluating a brain scan
CN103345753B (zh) * 2013-07-10 2016-04-13 深圳先进技术研究院 脑部图像处理方法和系统
TWI460459B (zh) * 2013-10-28 2014-11-11 Iner Aec Executive Yuan 一種放射偵檢信號之處理方法
GB201319619D0 (en) * 2013-11-06 2013-12-18 Diamentech Ltd System for assessing a mental health disorder
KR20150076306A (ko) * 2013-12-26 2015-07-07 한국원자력의학원 최적의 양전자 단층촬영을 위해 최적 에너지 윈도우를 결정하는 장치 및 방법
JP5926755B2 (ja) * 2014-03-19 2016-05-25 国立大学法人京都大学 関係性グラフ用オブジェクト表示システム
KR101620302B1 (ko) 2014-06-03 2016-05-18 사회복지법인 삼성생명공익재단 생물학적 뇌연령 산출 장치 및 그 산출 방법
US20160306936A1 (en) * 2015-04-15 2016-10-20 Canon Kabushiki Kaisha Diagnosis support system, information processing method, and program
JP6703323B2 (ja) * 2015-09-17 2020-06-03 公益財団法人神戸医療産業都市推進機構 生体の画像検査のためのｒｏｉの設定技術
WO2017075077A1 (en) * 2015-10-26 2017-05-04 The Johns Hopkins University Automated generation of sentence-based descriptors from imaging data
TWI607739B (zh) * 2016-05-27 2017-12-11 許百靈 Ｓｐｅｃｔ多巴胺顯像定量分析技術與在腦多巴胺評估的用途
CN106778046A (zh) * 2017-02-28 2017-05-31 思派（北京）网络科技有限公司 一种基于特征值进行前列腺癌复发预测的系统和方法
KR101754291B1 (ko) * 2017-04-04 2017-07-06 이현섭 개인 맞춤형 뇌질병 진단 및 상태 판정을 위한 의료 영상 처리 시스템 및 방법
CN108962380A (zh) * 2017-05-27 2018-12-07 周仁海 判读脑部影像的装置和方法及提供脑部状态信息的装置
TWI637187B (zh) 2017-09-19 2018-10-01 臺北榮民總醫院 磁共振影像的分析方法及評估放射治療風險的方法
JP6882136B2 (ja) * 2017-10-12 2021-06-02 日本メジフィジックス株式会社 画像処理装置、画像処理方法およびプログラム
KR102051666B1 (ko) * 2017-12-07 2019-12-04 사회복지법인 삼성생명공익재단 아밀로이드 페트(pet) 영상을 이용한 알츠하이머 치매의 병기 측정 방법 및 장치
CN108830830A (zh) * 2018-05-11 2018-11-16 深圳博脑医疗科技有限公司 一种脑萎缩程度的定量检测方法、检测装置及终端设备
EP3851036A4 (en) * 2018-09-12 2022-06-15 Splink, Inc. SYSTEM AND METHOD OF DIAGNOSTIC ASSISTANCE
CN111223563B (zh) * 2018-11-23 2023-11-03 佳能医疗系统株式会社 医用图像诊断装置以及医用图像诊断系统
TWI679652B (zh) * 2019-01-14 2019-12-11 國立陽明大學 個人化大腦影像評估之方法、非暫時性電腦可讀媒體及設備
CN110473171A (zh) * 2019-07-18 2019-11-19 上海联影智能医疗科技有限公司 脑龄检测方法、计算机设备和存储介质
CN111134677B (zh) * 2020-02-14 2021-05-04 北京航空航天大学 一种基于磁共振影像的卒中致残预测方法及系统
CN111449665A (zh) * 2020-03-02 2020-07-28 上海昊博影像科技有限公司 一种智能影像诊断系统
CN111489360A (zh) * 2020-03-18 2020-08-04 上海商汤智能科技有限公司 一种图像分割方法及相关设备
TWI725813B (zh) 2020-04-09 2021-04-21 國立中央大學 磁振造影之自動腦部梗塞偵測系統及其運作方法
WO2022145544A1 (ko) * 2020-12-30 2022-07-07 뉴로핏 주식회사 진단보조정보를 제공하는 방법 및 이를 수행하는 장치
US11842492B2 (en) 2021-04-16 2023-12-12 Natasha IRONSIDE Cerebral hematoma volume analysis
US11915829B2 (en) 2021-04-19 2024-02-27 Natasha IRONSIDE Perihematomal edema analysis in CT images
TWI780771B (zh) * 2021-06-15 2022-10-11 臺北醫學大學 腦影像神經異常預測系統及其運作方法
CN113538464A (zh) * 2021-07-22 2021-10-22 脑玺(苏州)智能科技有限公司 脑部影像分割模型训练方法、分割方法及装置
WO2023214693A1 (ko) * 2022-05-06 2023-11-09 가톨릭대학교 산학협력단 알츠하이머병 치매(add) 또는 경도인지장애(mci)를 진단하기 위한 정보제공방법 및 의료영상 처리시스템

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005237441A (ja) * 2004-02-24 2005-09-08 Kokuritsu Seishin Shinkei Center 脳疾患の診断支援方法及び装置
JP2006208250A (ja) * 2005-01-28 2006-08-10 Daiichi Radioisotope Labs Ltd 画像データの領域分類解析システム
JP2007125370A (ja) * 2005-09-29 2007-05-24 General Electric Co <Ge> カテゴリー型インデクスからの画像のデータベースの作成のためのシステム、方法及び装置
JP2008132320A (ja) * 2007-10-25 2008-06-12 Fujifilm Ri Pharma Co Ltd 画像診断支援システム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8583449B2 (en) * 2004-03-22 2013-11-12 Avaya Inc. Method and apparatus for providing network based load balancing of medical image data
US20050215889A1 (en) * 2004-03-29 2005-09-29 The Board of Supervisory of Louisiana State University Methods for using pet measured metabolism to determine cognitive impairment
JP5366356B2 (ja) * 2005-04-15 2013-12-11 株式会社東芝 医用画像処理装置及び医用画像処理方法
KR20080081005A (ko) * 2005-11-30 2008-09-05 니혼 메디피직스 가부시키가이샤 두부 변성 질환의 검출 방법, 검출 프로그램, 및 검출 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005237441A (ja) * 2004-02-24 2005-09-08 Kokuritsu Seishin Shinkei Center 脳疾患の診断支援方法及び装置
JP2006208250A (ja) * 2005-01-28 2006-08-10 Daiichi Radioisotope Labs Ltd 画像データの領域分類解析システム
JP2007125370A (ja) * 2005-09-29 2007-05-24 General Electric Co <Ge> カテゴリー型インデクスからの画像のデータベースの作成のためのシステム、方法及び装置
JP2008132320A (ja) * 2007-10-25 2008-06-12 Fujifilm Ri Pharma Co Ltd 画像診断支援システム

Cited By (24)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013534440A (ja) * 2010-06-22 2013-09-05 ザ・ジョンズ・ホプキンス・ユニバーシティ 非侵襲的画像分析装置、それに用いるワークステーションおよび画像分析方法
JP2013044615A (ja) * 2011-08-23 2013-03-04 Toshiba Corp 医用画像診断装置、画像情報表示装置及び制御プログラム
JP2014128249A (ja) * 2012-12-28 2014-07-10 Hokkaido Univ 神経変性疾患の検査と治療に対するｍｉＲＮＡ又はその標的遺伝子の利用
CN105581804A (zh) * 2014-11-10 2016-05-18 西门子股份公司 通过量子计数检测器来优化信号检测
JP2017108789A (ja) * 2015-12-14 2017-06-22 東芝メディカルシステムズ株式会社 画像処理装置
US11903745B2 (en) 2015-12-14 2024-02-20 Canon Medical Systems Corporation Image processing apparatus
US11311248B2 (en) 2015-12-14 2022-04-26 Canon Medical Systems Corporation Image processing apparatus
JP2019536531A (ja) * 2016-11-08 2019-12-19 コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． Ｘ線画像内の不透明度を検出する装置
US11222728B2 (en) 2017-08-29 2022-01-11 Fujifilm Corporation Medical image display apparatus, medical image display method, and medical image display program
WO2019044081A1 (ja) * 2017-08-29 2019-03-07 富士フイルム株式会社 医用画像表示装置、方法及びプログラム
JP7036374B2 (ja) 2017-10-13 2022-03-15 株式会社Splink 保険料算定システム及び保険料算定方法
JP2019075071A (ja) * 2017-10-13 2019-05-16 株式会社Ｓｐｌｉｎｋ 保険料算定システム、保険料算定方法及びプログラム
WO2019172181A1 (ja) * 2018-03-09 2019-09-12 日本メジフィジックス株式会社 診断支援装置、プログラム、学習済みモデル、および学習装置
JPWO2019172181A1 (ja) * 2018-03-09 2021-03-25 日本メジフィジックス株式会社 診断支援装置、プログラム、学習済みモデル、および学習装置
JP7382306B2 (ja) 2018-03-09 2023-11-16 日本メジフィジックス株式会社 診断支援装置、プログラム、学習済みモデル、および学習装置
JP2022509347A (ja) * 2018-10-31 2022-01-20 シナプティック アーペーエス 脳状態指示パラメータを確立する方法および脳状態指示パラメータを確立するためのシステム
JP7430730B2 (ja) 2018-10-31 2024-02-13 シナプティック アーペーエス 脳状態指示パラメータを確立する方法および脳状態指示パラメータを確立するためのシステム
JP2021173578A (ja) * 2020-04-22 2021-11-01 浜松ホトニクス株式会社 脳画像診断システム及び脳画像診断方法
WO2021220597A1 (ja) * 2020-04-28 2021-11-04 株式会社Splink システム、制御方法、情報提供方法及びコンピュータプログラム
WO2022071159A1 (ja) * 2020-10-01 2022-04-07 富士フイルム株式会社 診断支援装置、診断支援装置の作動方法、診断支援装置の作動プログラム、並びに認知症診断支援方法
WO2022071158A1 (ja) * 2020-10-01 2022-04-07 富士フイルム株式会社 診断支援装置、診断支援装置の作動方法、診断支援装置の作動プログラム、認知症診断支援方法、並びに学習済み認知症所見導出モデル
WO2022071160A1 (ja) * 2020-10-01 2022-04-07 富士フイルム株式会社 診断支援装置、診断支援装置の作動方法、診断支援装置の作動プログラム、並びに認知症診断支援方法
WO2022270151A1 (ja) * 2021-06-25 2022-12-29 富士フイルム株式会社 画像処理装置、方法およびプログラム
JP2023124767A (ja) * 2022-02-25 2023-09-06 国立陽明交通大学 脳腫瘍種類の自動判別システム

Also Published As

Publication number Publication date
TWI478697B (zh) 2015-04-01
KR20110028443A (ko) 2011-03-18
WO2010004851A1 (ja) 2010-01-14
DE112009001676T5 (de) 2011-05-19
US20140194725A1 (en) 2014-07-10
JP5243865B2 (ja) 2013-07-24
CN102088910A (zh) 2011-06-08
US8676294B2 (en) 2014-03-18
KR101558635B1 (ko) 2015-10-07
TW201014572A (en) 2010-04-16
CN102088910B (zh) 2013-03-13
US20110105881A1 (en) 2011-05-05
US9723988B2 (en) 2017-08-08

Similar Documents

Publication Publication Date Title
JP5243865B2 (ja) 脳疾患診断システム
JP5468905B2 (ja) 神経変性疾患の診断を支援するためのツール
US8099299B2 (en) System and method for mapping structural and functional deviations in an anatomical region
US8430816B2 (en) System and method for analysis of multiple diseases and severities
US8170347B2 (en) ROI-based assessment of abnormality using transformation invariant features
US8693746B2 (en) Technique for detecting neurodegenerative disorders
US20120070044A1 (en) System and method for analyzing and visualizing local clinical features
WO2016047683A1 (ja) 医用画像表示処理方法、医用画像表示処理装置およびプログラム
JP4824321B2 (ja) 画像データの解析システム、方法及びコンピュータプログラム
JP2006204641A (ja) 画像診断支援システム
Tudorascu et al. The use of Centiloids for applying [11C] PiB classification cutoffs across region-of-interest delineation methods
JP5367066B2 (ja) 代替正常脳データベース生成装置
Al-Saleh et al. Three-dimensional assessment of temporomandibular joint using MRI-CBCT image registration
JP5107538B2 (ja) 画像診断支援システム及び方法
Kogan et al. Factors affecting the harmonization of disease-related metabolic brain pattern expression quantification in [18F] FDG-PET (PETMETPAT)
JP2008132320A (ja) 画像診断支援システム
JP2006158791A (ja) 頭蓋内容積および局所脳構造物解析プログラム、記録媒体および頭蓋内容積および局所脳構造物解析方法
JP2004239782A (ja) 脳画像データ処理システム、方法、プログラムおよび記録媒体
JP6998760B2 (ja) 脳画像解析装置、脳画像解析方法、及び脳画像解析プログラム
TWI698887B (zh) 腦功能影像數據擴增方法
TW202127468A (zh) 提供有無疾病的相關資訊之方法、電腦程式及裝置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20110222

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130312

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130405

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20160412

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

Ref document number: 5243865

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250