JP2010035634A - Recist判定結果を算出する方法、装置およびプログラム - Google Patents
Recist判定結果を算出する方法、装置およびプログラム Download PDFInfo
- Publication number
- JP2010035634A JP2010035634A JP2008198822A JP2008198822A JP2010035634A JP 2010035634 A JP2010035634 A JP 2010035634A JP 2008198822 A JP2008198822 A JP 2008198822A JP 2008198822 A JP2008198822 A JP 2008198822A JP 2010035634 A JP2010035634 A JP 2010035634A
- Authority
- JP
- Japan
- Prior art keywords
- cycle
- target lesion
- image data
- target
- cycles
- 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
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
【課題】従来のRECIST判定方法を改善する方法、システムおよびプログラムを提供すること。
【解決手段】本発明の一実施形態における方法は、コンピュータ上で所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する方法であって、所定のユーザ入力データによって定義される各標的病変のスライス断面の最長径を算出するステップと、対象とするサイクルについての画像データに基づいて、その対象とするサイクルよりも1つ前のサイクルにおける標的病変を用いて、その対象とするサイクルにおける標的病変を抽出するステップと、その対照とするサイクルにおける抽出された各標的病変のスライス断面の最長径を算出するステップと、算出された最長径に少なくとも基づいて、対象とするサイクルに対するRECIST判定結果を算出するステップとを包含する、方法である。
【選択図】図3
【解決手段】本発明の一実施形態における方法は、コンピュータ上で所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する方法であって、所定のユーザ入力データによって定義される各標的病変のスライス断面の最長径を算出するステップと、対象とするサイクルについての画像データに基づいて、その対象とするサイクルよりも1つ前のサイクルにおける標的病変を用いて、その対象とするサイクルにおける標的病変を抽出するステップと、その対照とするサイクルにおける抽出された各標的病変のスライス断面の最長径を算出するステップと、算出された最長径に少なくとも基づいて、対象とするサイクルに対するRECIST判定結果を算出するステップとを包含する、方法である。
【選択図】図3
Description
本発明は、RECIST判定に適した方法、装置およびプログラムに関する。
1960年代に抗癌剤に対する腫瘍の客観的な縮小効果を定義する試みが始まり、1970年代には客観的な腫瘍縮小効果の定義が普及した。世界保健機構(WTO)の基準が1970年代にWHOハンドブックとして公表され、1981年にCancer誌上で好評となり、世界中の研究者が使用するようになっていた。しかし、WTOの基準には、判定方法の定義が不明確である点や、CTやMRIに未対応であるという点に問題点があった。そこで、2000年、RECIST(Response Evaluation Criteria in Solid Tumors)判定が提唱された(非特許文献1)。
今日では、固形癌を対象とした抗癌剤の薬効判定には、RECISTガイドラインに基づいた腫瘍縮小効果の判定というRECIST判定を用いることが標準となっている。その判定方法は、治療開始前4週間以内に標的病変・非標的病変を決定し、腫瘍の変化を評価するというものである。ここで、標的病変とは、今後治療を行う上で継続的に評価(長径計測)可能な一定条件を満たす病変のことをいい、非標的病変とは、標的病変以外の全ての病変のことをいい、非標的病変については、計測は行わないが、有無や、明らかな増大については追う。
標的病変については、完全奏効(CR;complete response)、部分奏効(PR;partial response)、安定(SD;stable disease)、進行(PD;progressive disease)のいずれかであると判定される。完全奏効と判定されるのは、全ての標的病変が消失した場合である。部分奏効と判定されるのは、ベースライン長径和と比較して標的病変の最長径の和が30%以上減少した場合である。安定と判定されるのは、部分奏効と進行との間の場合であり、部分奏効と判定するには腫瘍の縮小が不十分であり、かつ、進行と判定するには治療開始以降の最小の最長径の和と比較して腫瘍の増大が不十分である場合である。進行と判定されるのは、治療開始以降に記録された最小の最長径の和と比較して標的病変の最長径の和が20%以上増加した場合である。
一方、非標的病変については、完全奏効、不完全奏効/安定(IR/SD;incomplete response/stable disease)、進行のいずれかであると判定される。完全奏効と判定されるのは、全ての非標的病変が消失し、かつ、腫瘍マーカー値が正常化した場合である。不完全奏効/安定と判定されるのは、1つ以上の非標的病変が残存し、かつ/または腫瘍マーカーが正常上限値を超える場合である。進行と判定されるのは、既存の非標的病変が明らかに増悪した場合である。
今日では、RECIST判定は、治験実施施設の医師が標的・非標的病変を決定し、中央判定委員会にて判定するというように行われる。中央判定委員会での判定は、判定医師が計測し、判定依頼者が計測結果から判定結果を算出するというように行われる。なお、判定医師による計測では、ビューア上で計測ツールにより計測することもあるが、フィルム上でノギスを使って計測するのが主流である。
フィルム上でノギスを使って計測するのには、ノギスを使って計測するために計測精度が低くなってしまうという問題点や、どの角度を長径としたのかなどの計測情報が残らないために再現性が低くなってしまうという問題点がある。また、既存のビューア上で計測ツールにより計測するのには、関連画像の参照が困難であるという問題点や、計測情報の保存自体は可能ではあるが、計測情報をDICOM(Digital Imaging and Communication in Medicine)画像に関連づけて保存することは不可能であるという問題点や、計測結果から判定結果を算出するためには計測結果を改めて判定結果算出用シートに記入する必要があるという問題点や、中央判定委員会を開催する必要があるという問題点がある。
Patric Therasseら,「New Guidelines to Evaluate the Response to Treatment in Solid Tumors」,Journal of the National Cancer Institute,2000年,Vol 92,No.3,205−216
Patric Therasseら,「New Guidelines to Evaluate the Response to Treatment in Solid Tumors」,Journal of the National Cancer Institute,2000年,Vol 92,No.3,205−216
従来のRECIST判定方法を改善するシステムを提供することが求められている。
関連画像参照が容易で、計測情報をDICOM画像と関連づけて保存可能であり、計測結果からRECIST判定結果まで算出可能であり、データ管理が容易になるようなRECIST判定結果の算出に適したシステムも求められている。
電子データの利用により中央判定委員会を開かずとも判定が可能であり、各サイクルでリアルタイムに判定結果の把握が可能であり、評価者情報や評価結果から支払口数を管理部へ転送したり、PCごとにIDを付与してIDごとのデータベースを作成したりすることによる計測からチャージまでを管理可能とした独立判定委員会を実現するようなシステムも求められている。
本発明は、従来のRECIST判定方法を改善する方法、装置およびプログラムを提供することを目的とする。
本発明の方法は、
コンピュータ上で所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する方法であって、
該対象領域は、複数のスライスを含み、
該複数のサイクルは、ベースサイクルと、第1サイクルとを少なくとも含み、
該複数のサイクルの各々についての画像データは、各領域において画素値を少なくとも定義しており、
該所定のユーザ入力データは、該ベースサイクルについての画像データにおける少なくとも1つの標的病変を少なくとも定義しており、
該方法は、該複数のサイクルのうちの各1つのサイクルに対して、
該1つのサイクルがベースサイクルである場合に、
該コンピュータが、該1つのサイクルについての画像データに基づいて、該所定のユーザ入力データによって定義される該少なくとも1つの標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該1つのサイクルがベースサイクルでない場合に、
該コンピュータが、該1つのサイクルについての画像データに基づいて、該1つのサイクルよりも1つ前のサイクルにおける標的病変を用いて、該1つのサイクルにおける標的病変を抽出するステップと、
該コンピュータが、該1つのサイクルにおける該抽出された標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該コンピュータが、該1つのサイクルよりも前のサイクルにおいて算出された最長径と、該1つのサイクルにおいて算出された最長径とに少なくとも基づいて、該1つのサイクルに対するRECIST判定結果を算出するステップと
を包含する、方法であり、そのことにより、上記目的を達成できる。
コンピュータ上で所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する方法であって、
該対象領域は、複数のスライスを含み、
該複数のサイクルは、ベースサイクルと、第1サイクルとを少なくとも含み、
該複数のサイクルの各々についての画像データは、各領域において画素値を少なくとも定義しており、
該所定のユーザ入力データは、該ベースサイクルについての画像データにおける少なくとも1つの標的病変を少なくとも定義しており、
該方法は、該複数のサイクルのうちの各1つのサイクルに対して、
該1つのサイクルがベースサイクルである場合に、
該コンピュータが、該1つのサイクルについての画像データに基づいて、該所定のユーザ入力データによって定義される該少なくとも1つの標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該1つのサイクルがベースサイクルでない場合に、
該コンピュータが、該1つのサイクルについての画像データに基づいて、該1つのサイクルよりも1つ前のサイクルにおける標的病変を用いて、該1つのサイクルにおける標的病変を抽出するステップと、
該コンピュータが、該1つのサイクルにおける該抽出された標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該コンピュータが、該1つのサイクルよりも前のサイクルにおいて算出された最長径と、該1つのサイクルにおいて算出された最長径とに少なくとも基づいて、該1つのサイクルに対するRECIST判定結果を算出するステップと
を包含する、方法であり、そのことにより、上記目的を達成できる。
前記最長径を算出するステップは、該最長径に対応する直線を識別する情報を取得するステップをさらに包含してもよい。
前記1つのサイクルにおける標的病変を抽出するステップにおいて、該標的病変は、該1つのサイクルについての画像データ内の直線上の画素値のプロファイルに少なくとも基づいて抽出されてもよく、該1つのサイクルについての画像データ内の直線は、該1つのサイクルよりも1つ前のサイクルにおいて取得された前記情報により識別される前記直線に対応する。
前記1つのサイクルにおける標的病変を抽出するステップにより抽出される標的病変は、該1つのサイクルにおける前記直線の中間点を含んでいてもよい。
前記方法は、前記コンピュータが、前記1つのサイクルについての画像データに基づいて、該1つのサイクルにおける位置合わせの指標を含むスライスを特定するステップをさらに包含してもよく、
前記1つのサイクルにおける標的病変を抽出するステップは、該1つのサイクルよりも1つ前のサイクルにおける位置合わせの指標を含むスライスに、該1つのサイクルにおける位置合わせの指標を含むスライスが一致するように、該1つのサイクルについての画像データの座標変換をするステップをさらに包含してもよい。
前記1つのサイクルにおける標的病変を抽出するステップは、該1つのサイクルよりも1つ前のサイクルにおける位置合わせの指標を含むスライスに、該1つのサイクルにおける位置合わせの指標を含むスライスが一致するように、該1つのサイクルについての画像データの座標変換をするステップをさらに包含してもよい。
前記方法は、前記コンピュータが、前記複数のサイクルのうちの所定の複数のサイクルについて、該所定の複数のサイクルの各々において最長径の算出に用いられたスライスを表示装置に一覧表示させるステップをさらに包含してもよい。
本発明の装置は、
所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する装置であって、
該対象領域は、複数のスライスを含み、
該複数のサイクルは、ベースサイクルと、第1サイクルとを少なくとも含み、
該複数のサイクルの各々についての画像データは、各領域において画素値を少なくとも定義しており、
該所定のユーザ入力データは、該ベースサイクルについての画像データにおける少なくとも1つの標的病変を少なくとも定義しており、
該装置は、該複数のサイクルのうちの各1つのサイクルに対して、
該1つのサイクルがベースサイクルである場合に、
該1つのサイクルについての画像データに基づいて、該所定のユーザ入力データによって定義される該少なくとも1つの標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出する手段と、
該1つのサイクルがベースサイクルでない場合に、
該1つのサイクルについての画像データに基づいて、該1つのサイクルよりも1つ前のサイクルにおける標的病変を用いて、該1つのサイクルにおける標的病変を抽出する手段と、
該1つのサイクルにおける該抽出された標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出する手段と、
該1つのサイクルよりも前のサイクルにおいて算出された最長径と、該1つのサイクルにおいて算出された最長径とに少なくとも基づいて、該1つのサイクルに対するRECIST判定結果を算出する手段と
を備える、装置であり、そのことにより、上記目的を達成できる。
所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する装置であって、
該対象領域は、複数のスライスを含み、
該複数のサイクルは、ベースサイクルと、第1サイクルとを少なくとも含み、
該複数のサイクルの各々についての画像データは、各領域において画素値を少なくとも定義しており、
該所定のユーザ入力データは、該ベースサイクルについての画像データにおける少なくとも1つの標的病変を少なくとも定義しており、
該装置は、該複数のサイクルのうちの各1つのサイクルに対して、
該1つのサイクルがベースサイクルである場合に、
該1つのサイクルについての画像データに基づいて、該所定のユーザ入力データによって定義される該少なくとも1つの標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出する手段と、
該1つのサイクルがベースサイクルでない場合に、
該1つのサイクルについての画像データに基づいて、該1つのサイクルよりも1つ前のサイクルにおける標的病変を用いて、該1つのサイクルにおける標的病変を抽出する手段と、
該1つのサイクルにおける該抽出された標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出する手段と、
該1つのサイクルよりも前のサイクルにおいて算出された最長径と、該1つのサイクルにおいて算出された最長径とに少なくとも基づいて、該1つのサイクルに対するRECIST判定結果を算出する手段と
を備える、装置であり、そのことにより、上記目的を達成できる。
本発明のプログラムは、
所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する処理をコンピュータに実行させるプログラムであって、
該対象領域は、複数のスライスを含み、
該複数のサイクルは、ベースサイクルと、第1サイクルとを少なくとも含み、
該複数のサイクルの各々についての画像データは、各領域において画素値を少なくとも定義しており、
該所定のユーザ入力データは、該ベースサイクルについての画像データにおける少なくとも1つの標的病変を少なくとも定義しており、
該算出する処理は、該複数のサイクルのうちの各1つのサイクルに対して、
該1つのサイクルがベースサイクルである場合に、
該1つのサイクルについての画像データに基づいて、該所定のユーザ入力データによって定義される該少なくとも1つの標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該1つのサイクルがベースサイクルでない場合に、
該1つのサイクルについての画像データに基づいて、該1つのサイクルよりも1つ前のサイクルにおける標的病変を用いて、該1つのサイクルにおける標的病変を抽出するステップと、
該1つのサイクルにおける該抽出された標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該1つのサイクルよりも前のサイクルにおいて算出された最長径と、該1つのサイクルにおいて算出された最長径とに少なくとも基づいて、該1つのサイクルに対するRECIST判定結果を算出するステップと
を包含する、プログラムであり、そのことにより、上記目的を達成できる。
所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する処理をコンピュータに実行させるプログラムであって、
該対象領域は、複数のスライスを含み、
該複数のサイクルは、ベースサイクルと、第1サイクルとを少なくとも含み、
該複数のサイクルの各々についての画像データは、各領域において画素値を少なくとも定義しており、
該所定のユーザ入力データは、該ベースサイクルについての画像データにおける少なくとも1つの標的病変を少なくとも定義しており、
該算出する処理は、該複数のサイクルのうちの各1つのサイクルに対して、
該1つのサイクルがベースサイクルである場合に、
該1つのサイクルについての画像データに基づいて、該所定のユーザ入力データによって定義される該少なくとも1つの標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該1つのサイクルがベースサイクルでない場合に、
該1つのサイクルについての画像データに基づいて、該1つのサイクルよりも1つ前のサイクルにおける標的病変を用いて、該1つのサイクルにおける標的病変を抽出するステップと、
該1つのサイクルにおける該抽出された標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該1つのサイクルよりも前のサイクルにおいて算出された最長径と、該1つのサイクルにおいて算出された最長径とに少なくとも基づいて、該1つのサイクルに対するRECIST判定結果を算出するステップと
を包含する、プログラムであり、そのことにより、上記目的を達成できる。
本発明により、従来のRECIST判定方法を改善する方法、装置およびプログラムを提供することができる。また、本発明により、関連画像参照が容易で、計測情報をDICOM画像と関連づけて保存可能であり、計測結果からRECIST判定結果まで算出可能であり、データ管理が容易になるようなRECIST判定結果の算出に適したシステムを提供することができる。また、本発明により、電子データの利用により中央判定委員会を開かずとも判定が可能であり、各サイクルでリアルタイムに判定結果の把握が可能であり、評価者情報や評価結果から支払口数を管理部へ転送したり、PCごとにIDを付与してIDごとのデータベースを作成したりすることによる計測からチャージまでを管理可能とした独立判定委員会を実現するようなシステムも提供することができる。
以下、図面を参照して本発明の実施の形態を説明する。
図1は、本発明の実施の形態のRECIST判定システム1の構成の一例を示す。RECIST判定システム1は、DICOMデータを処理するシステムとして好適である。RECIST判定システム1は、特に、DICOMデータを用いたRECIST判定結果の算出に好適である。RECIST判定では、薬剤投与後一定期間ごとに画像を撮影していくが、投与前の撮影をベースライン(またはベースサイクル)、投与後1回目の撮影を第1サイクル、投与後2回目の撮影を第2サイクルというように投与後n回目の撮影を第nサイクルと呼ぶ。以下、本明細書では、DICOMデータとしてCTデータを含むデータを用いる実施の形態を説明するが、それに限定されない。例えば、DICOMデータは、MRIデータを含むデータであってもよい。CTデータもMRIデータも対象の各領域において画素値を少なくとも定義する値である。また、本明細書では、DICOMデータを用いた処理を記載しているが、DICOMデータに限定されない。他の画像データであってもよい。
RECIST判定システム1は、CT装置10と、CT装置10に接続されたコンピュータ20と、コンピュータ20に接続された表示装置30とを含む。
CT装置10は、三次元物体(例えば、人体)からCTデータを取得する。CTデータは、対象の各領域においてCT値を少なくとも定義するデータであり、例えばボクセルの集合である。三次元に配列されたボクセルの集合は、三次元物体のスライス画像を積層し、その積層されたスライス画像を複数のボクセルに分割することによって得られる。CT装置10によって生成されたCTデータは、コンピュータ20に出力される。
図1において、参照番号12は、CT装置10によって生成され、三次元に配列された複数のボクセルV(i,j,k)の集合を模式的に示す。ここで、i=1,2,・・・L;j=1,2,・・・M;k=1,2,・・・Nであり、L、MおよびNは、それぞれ、1以上の任意の整数である。各ボクセルV(i,j,k)は、CT値を有している。CT値は、CT装置10によってボクセル単位に計測された値であり、例えば、整数によって表される。CT装置10としては、図1に示されるボクセルの集合12を出力し得る任意のタイプのCT装置を使用することができる。
コンピュータ20は、CTデータに基づいて、RECIST判定を実行する。コンピュータ20としては、各種プログラムを実行するCPUと各種データを格納するメモリとを含む任意のタイプのコンピュータを使用することができる。
表示装置30は、コンピュータ20に出力されたCTデータに基づいたCT画像や、コンピュータ20によって実行されたRECIST判定処理の結果を表示する。表示装置30は、CTデータに基づいたCT画像や、RECIST判定処理の結果を表示することが可能な表示装置であることが好ましい。表示装置30は、例えば、液晶表示装置であってもよいし、CRT表示装置であってもよい。
図2は、コンピュータ20の構成の一例を示す。
コンピュータ20は、CPU21と、メモリ22と、入力インターフェース部23と、出力インターフェース部24と、ユーザインターフェース部25と、バス26とを含む。
CPU21は、プログラムを実行する。そのプログラムは、例えば、CTデータに基づいてRECIST判定処理をコンピュータ20に実行させるプログラムである。そのプログラムやそのプログラムの実行に必要なデータは、例えば、メモリ22に格納されている。そのプログラムがどのような態様でメモリ22に格納されているかは問わない。例えば、メモリ22が書き換え可能なメモリである場合には、コンピュータ20の外部からそのプログラムをインストールすることにより、そのプログラムをメモリ22に格納するようにしてもよい。あるいは、メモリ22が書き換え不可能なメモリ(読み出し専用メモリ)である場合には、メモリ22に固定する(焼き付ける)形式でそのプログラムをメモリ22に格納するようにしてもよい。
入力インターフェース部23は、CT装置10からCT画像を受け取るための入力インターフェースとして機能する。
出力インターフェース部24は、ボクセルの集合に基づいたCT画像やRECIST判定処理の結果を表示装置30に出力するための出力インターフェースとして機能する。
ユーザインターフェース部25は、ユーザとのインターフェースとして機能する。ユーザインターフェース部25には、例えば、マウス25aやキーボード25bなどの入力デバイスが接続されている。
バス26は、コンピュータ20内の構成要素21〜25を相互に接続するために使用される。
1.RECIST判定処理手順の概要
図3は、RECIST判定処理手順の一例を示す。このような処理は、例えば、プログラムの形式で実現され得る。そのようなプログラムは、例えば、CPU21によって実行される。
図3は、RECIST判定処理手順の一例を示す。このような処理は、例えば、プログラムの形式で実現され得る。そのようなプログラムは、例えば、CPU21によって実行される。
ステップS301:コンピュータ20は、ベースラインのDICOMデータを取得する。このようなDICOMデータの取得は、例えば、CPU21が入力インターフェース部23を介してCT装置10から出力されたCTデータを受け取ることによって達成できる。しかし、DICOMデータを取得する態様はこれに限定されない。コンピュータ20は、任意の態様でDICOMデータを取得し得る。例えば、コンピュータ20は、磁気ディスクなどの記録媒体に記録されたDICOMデータを読み出すことによってDICOMデータを取得してもよいし、CT装置10から受け取ったCTデータのうちの一部(例えば、CT装置10から受け取ったCTデータのうちユーザによって選択されたもの)を取得するようにしてもよい。
ステップS302:コンピュータ20は、ベースラインのCTデータを処理することにより、ベースラインにおける気管分岐スライスを抽出する。以下、この気管分岐スライスをSbとする。気管分岐スライスとは、気管の分岐点を含むスライスのことをいう。このような気管分岐スライスの抽出は、例えば、CPU21が、下記「2.気管分岐スライスの抽出例」を実行することにより達成される。
ステップS303:コンピュータ20は、ベースラインのCT画像における標的病変・非標的病変を指定するユーザ入力、マークした標的病変・非標的病変の名前を指定するユーザ入力を受信する。このような標的病変・非標的病変の指定は、例えば、コンピュータ20が表示装置30にCT画像を表示させて、表示されたCT画像からユーザがマウス25aやキーボード25bなどの入力デバイスを用いて表示装置30上で標的病変・非標的病変を指定することによって達成できる。このような名前付けは、例えば、ユーザがマークした標的病変・非標的病変について、ユーザがマウス25aやキーボード25bなどの入力デバイスを用いて名前を入力することによって達成できる。このような標的病変・非標的病変を指定するユーザ入力の受信は、例えば、マウス25aやキーボード25bなどの入力デバイスを用いた上記ユーザ入力をコンピュータ20がユーザインターフェース部25を介して受信することによって達成できる。
ステップS304:コンピュータ20は、ステップS303においてユーザにより指定された標的病変の各々について、最長径(最大割面スライスにおける長径)を計測する。最大割面スライスとは、全スライスのうち、そのスライス上での対象標的病変の面積が最大であるスライスのことをいう。どのスライスが最大割面スライスであるかは、例えば、CPU21が各スライス上の対象標的病変の面積を計算して、最大の面積を示すスライスを決定することによって求められる。最長径の計測は、例えば、CPU21が最大割面スライスにおける病変部の重心を計算して、その重心を通る病変部の内径のうち最大の内径を計算することによって達成できる。
ステップS305:コンピュータ20は、ベースラインにおけるSbと、ユーザにより指定された病変のそれぞれについての病変名と、その病変が標的病変であるか非標的病変であるかと、その病変の最長径と、その病変の最長径の始点と終点の座標と、Sbからその病変の最大割面スライスまでの距離とを表す情報をメモリ22に保存する。ここでは、最長径を有する直線を識別する情報として病変の最長径の始点と終点の座標を保存したが、最長径を有する直線を識別できる情報であればよく、始点と終点の座標に限らない。
ステップS306:コンピュータ20は、全標的病変の最長径和を算出し、メモリ22に保存する。このような全標的病変の最長径和は、例えば、ステップS305においてメモリ22に保存された各標的病変の最長径の情報からCPU21が各標的病変の最長径を合算することによって達成できる。ステップS302〜ステップS306の概要を図4に示す。なお、ステップS305およびステップS306におけるメモリ22への保存の態様は問わない。表形式で保存してもよい。表形式で保存することにより、例えば、計測シートを容易に作成することができるようになり、メモリ22から表計算ソフトにインポートすることができるようになる。
ステップS307:コンピュータ20は、第1サイクルのDICOMデータを取得する。このようなDICOMデータの取得は、ステップS301と同じなので、省略する。また、ステップS301において第1サイクルのDICOMデータも取得されている場合には、このステップS307は省略される。
ステップS308:コンピュータ20は、第1サイクルのCTデータを処理することにより、第1サイクルにおける気管分岐スライス(S1)を抽出する。このような気管分岐スライスの抽出方法は、ステップS302と同じなので、省略する。
ステップS309:コンピュータ20は、ベースライン画像と第1サイクルの画像とを位置合わせする。このような位置合わせは、例えば、CPU21が、S1=Sbとなるように第1サイクルの画像を平行移動させることによって達成できる。
ステップS310:コンピュータ20は、ベースライン画像について保存された情報に基づいて第1サイクルにおける病変部の自動抽出、長径の計測を行う。ステップS310の詳細は、下記「3.ステップS310の詳細」において説明する。
ステップS311:RECIST判定基準に従って、判定結果を算出する。例えば、CPU21が、ベースラインに対して計測した最長径と、第1サイクルに対して計測した最長径とに基づいてこのような判定を達成することができる。
ステップS312:第1サイクルにおけるS1と、各病変についての病変名と、その病変が標的病変であるか非標的病変であるかと、その病変の最長径と、その病変の最長径の始点と終点の座標と、Sbからその病変の最大割面スライスまでの距離と、全標的病変の最長径和とを表す情報をメモリ22に保存する。ステップS307〜ステップS312の概要を図5に示す。なお、ステップS312におけるメモリ22への保存もまた、ステップS305およびステップS306におけるメモリ22への保存と同様に、保存の態様は問わない。表形式で保存してもよい。表形式で保存することにより、例えば、計測シートを容易に作成することができるようになり、メモリ22から表計算ソフトにインポートすることができるようになる。ここでは、最長径を有する直線を識別する情報として病変の最長径の始点と終点の座標を保存したが、最長径を有する直線を識別できる情報であればよく、始点と終点の座標に限らない。
ステップS313:第nサイクル(n=2、3、・・・)について、ベースラインを第n−1サイクルに読み替え、第1サイクルを第nサイクルに読み替えて、ステップS307〜ステップS312を繰り返す。
図3の実施の形態では、位置合わせの指標として気管支を用いたが、位置合わせの指標はそれに限定されない。位置合わせの指標として用いられるのは、経時変化のない臓器であればよく、縦隔内大血管であってもよい。
各標的病変に対して、ベースライン、各サイクルでのその標的病変について最長径を計測したスライスの画像をその長径を示す線とともに、病変名、計測サイクル(ベースライン、第1サイクル、第2サイクルなど)等を付記してメモリ22に保存してもよい。また、患者IDを含めてメモリ22にデータを保存して、データ管理がしやすいようにしてもよい。保存のタイミングは、長径を計測したタイミングであってもよいし、それ以外のタイミングでもよい。このように各データを関連づけて保存しておくことにより、RECIST判定の結果と、RECIST判定に用いた全サイクルのうち少なくとも一部のサイクルの画像を表示装置30で同時に一覧表示するようにも構成できる。
図3の実施の形態では、コンピュータが1つしかない形態を説明したが、他のコンピュータが外部からアクセスできるようにしてもよい。このような構成にすることにより、中央判定委員会を開かずとも判定が可能になり、各サイクルでリアルタイムに判定結果の把握が可能になる。PCまたはユーザごとにIDを付与し、そのユーザがした行為に対しても、IDとともに行為に関連するデータをメモリ22に保存するようにしてもよい。その行為とは、例えば、標的病変の指定などである。このようにIDおよび行為などもメモリ22に保存することにより、RECIST判定のみならず、そのユーザに支払うべき診療報酬などを管理できる。
2.気管分岐スライスの抽出例
(抽出例1)
頭に最も近いスライス上の気管内1点に連結し、CT値が−700HU以下である領域を気管−気管支領域として抽出する。この抽出と同時にラベリング処理を行い、スライス上での抽出領域数をカウントする。この処理を頭に最も近いスライスから1スライスごと繰り返し、ラベル数が2となったスライスを気管分岐スライスとする。
(抽出例1)
頭に最も近いスライス上の気管内1点に連結し、CT値が−700HU以下である領域を気管−気管支領域として抽出する。この抽出と同時にラベリング処理を行い、スライス上での抽出領域数をカウントする。この処理を頭に最も近いスライスから1スライスごと繰り返し、ラベル数が2となったスライスを気管分岐スライスとする。
(抽出例2)
頭に最も近いスライス上の気管内1点を初期点として連結し、CT値が−700HU以下の領域を気管−気管支領域として抽出後、細線化処理等により気管支の分岐点を抽出する。抽出した分岐点のうち、初期点に最も近い分岐点を気管分岐点とし、その点を含んでいるスライスを気管分岐スライスとする。このようにCT値が−700HU以下の領域を気管−気管支領域として抽出することは、例えば、McNitt−Gray MFら、J Comput Assist Tomogr 1997;21:939−947、King GGら、Am J Respir Crit Care Med 2000;161:574- 580、Swift RDら、Comput Med Imaging Graph 2002;26:103−118、多田真也,財田伸介,久保満 他,マルチスライスCT 画像からの気管支構造抽出アルゴリズム,信学技報vol.104,No318,pp19−23,2004、森ら,3次元胸部X 線CT 画像からの気管支領域の自動抽出,信学技報,1994に記載されている。このような細線化処理は、例えば、斉藤豊文,森健策,鳥脇純一郎,ユークリッド距離変換を用いた3次元ディジタル画像の薄面化および細線化の逐次型アルゴリズムとその諸性質,信学論 D−II Vol.J79−D−II No.10 pp.1675−1685 1996.10、斉藤豊文,鳥脇純一郎,3次元ディジタル画像に対するユークリッド距離変換,信学論 D−II Vol.J76−D−II No.3 pp.445−453、斉藤豊文,番正聡志,鳥脇純一郎,ユークリッド距離に基づくスケルトンを用いた3次元細線化手法の改善 −ひげの発生を制御できる一手法−,信学論 D−II Vol.J84−D−II No.8 pp.1628−1635に記載されている。
頭に最も近いスライス上の気管内1点を初期点として連結し、CT値が−700HU以下の領域を気管−気管支領域として抽出後、細線化処理等により気管支の分岐点を抽出する。抽出した分岐点のうち、初期点に最も近い分岐点を気管分岐点とし、その点を含んでいるスライスを気管分岐スライスとする。このようにCT値が−700HU以下の領域を気管−気管支領域として抽出することは、例えば、McNitt−Gray MFら、J Comput Assist Tomogr 1997;21:939−947、King GGら、Am J Respir Crit Care Med 2000;161:574- 580、Swift RDら、Comput Med Imaging Graph 2002;26:103−118、多田真也,財田伸介,久保満 他,マルチスライスCT 画像からの気管支構造抽出アルゴリズム,信学技報vol.104,No318,pp19−23,2004、森ら,3次元胸部X 線CT 画像からの気管支領域の自動抽出,信学技報,1994に記載されている。このような細線化処理は、例えば、斉藤豊文,森健策,鳥脇純一郎,ユークリッド距離変換を用いた3次元ディジタル画像の薄面化および細線化の逐次型アルゴリズムとその諸性質,信学論 D−II Vol.J79−D−II No.10 pp.1675−1685 1996.10、斉藤豊文,鳥脇純一郎,3次元ディジタル画像に対するユークリッド距離変換,信学論 D−II Vol.J76−D−II No.3 pp.445−453、斉藤豊文,番正聡志,鳥脇純一郎,ユークリッド距離に基づくスケルトンを用いた3次元細線化手法の改善 −ひげの発生を制御できる一手法−,信学論 D−II Vol.J84−D−II No.8 pp.1628−1635に記載されている。
3.ステップS310の詳細
ステップS310では、ステップS309での位置合わせのなされた第1サイクルの画像について、CPU21が、ベースライン画像について保存された情報に基づいて、メモリ22に保存されたベースラインでの最長径の始点と終点座標までのプロファイル(縦軸:CT値、横軸:始点からの距離)を作成し、第1サイクルにおける病変部の自動抽出、長径の計測を行う。プロファイルの形状は、パターンI、パターンII、パターンIIIの3つのパターンに分類できる。パターンIとは、ベースラインの最長径の始点と終点の座標のCT値が−700HU以下であり、かつCT値の最小値と最大値の差の絶対値が600HU以上であり、かつ、CT値が−200HU以上のボクセルが5mm以上連続して存在するパターンであり、その一例を図6に示す。パターンIIとは、パターンIではなく、かつCT値の平均が−700HU以上であるパターンであり、その一例を図7に示す。パターンIIIとは、パターンIにもパターンIIにも該当しないパターンであり、その一例を図8に示す。パターンI、IIではそれぞれ病変部は縮小、増大して存在すると予測されるため、ベースラインの始点と終点の中間点を含み、一定の閾値以上のCT値を持つ領域を病変部とみなして病変部の自動抽出を行う(この一定の閾値とは、パターンIでは、プロファイルの半値幅の範囲のCT値の平均値−SDであり、パターンIIでは、長径上のCT値の平均値−SDであり、SDは、プロファイル全範囲におけるCT値の標準偏差である)。その後、抽出した病変部の最大割面における長径を算出する。最大割面における長径の算出は、ステップS304と同じなので、省略する。パターンIIIについては、病変は消失していると予測されるため、病変部は抽出せずに長径は0とする。なお、ここで例示したCT値、長さは一例であって、その値に限定されるわけではない。このように、CPU21が次のサイクルの病変部を自動予測して抽出する形態を示したが、次のサイクルでの病変部の抽出の形態はそれに限定されない。例えば、ステップS303と同様に、コンピュータ20が表示装置30にCT画像を表示させて、表示されたCT画像からユーザがマウス25aやキーボード25bなどの入力デバイスを用いて表示装置30上で標的病変・非標的病変を指定することによって達成する構成にしてもよいし、CPU21が次のサイクルの病変部を自動予測した後にユーザが微調整できるような構成にしてもよい。
ステップS310では、ステップS309での位置合わせのなされた第1サイクルの画像について、CPU21が、ベースライン画像について保存された情報に基づいて、メモリ22に保存されたベースラインでの最長径の始点と終点座標までのプロファイル(縦軸:CT値、横軸:始点からの距離)を作成し、第1サイクルにおける病変部の自動抽出、長径の計測を行う。プロファイルの形状は、パターンI、パターンII、パターンIIIの3つのパターンに分類できる。パターンIとは、ベースラインの最長径の始点と終点の座標のCT値が−700HU以下であり、かつCT値の最小値と最大値の差の絶対値が600HU以上であり、かつ、CT値が−200HU以上のボクセルが5mm以上連続して存在するパターンであり、その一例を図6に示す。パターンIIとは、パターンIではなく、かつCT値の平均が−700HU以上であるパターンであり、その一例を図7に示す。パターンIIIとは、パターンIにもパターンIIにも該当しないパターンであり、その一例を図8に示す。パターンI、IIではそれぞれ病変部は縮小、増大して存在すると予測されるため、ベースラインの始点と終点の中間点を含み、一定の閾値以上のCT値を持つ領域を病変部とみなして病変部の自動抽出を行う(この一定の閾値とは、パターンIでは、プロファイルの半値幅の範囲のCT値の平均値−SDであり、パターンIIでは、長径上のCT値の平均値−SDであり、SDは、プロファイル全範囲におけるCT値の標準偏差である)。その後、抽出した病変部の最大割面における長径を算出する。最大割面における長径の算出は、ステップS304と同じなので、省略する。パターンIIIについては、病変は消失していると予測されるため、病変部は抽出せずに長径は0とする。なお、ここで例示したCT値、長さは一例であって、その値に限定されるわけではない。このように、CPU21が次のサイクルの病変部を自動予測して抽出する形態を示したが、次のサイクルでの病変部の抽出の形態はそれに限定されない。例えば、ステップS303と同様に、コンピュータ20が表示装置30にCT画像を表示させて、表示されたCT画像からユーザがマウス25aやキーボード25bなどの入力デバイスを用いて表示装置30上で標的病変・非標的病変を指定することによって達成する構成にしてもよいし、CPU21が次のサイクルの病変部を自動予測した後にユーザが微調整できるような構成にしてもよい。
なお、図3に示される各ステップの機能は、ソフトウェア(例えば、プログラム)によって実現されることに限定されない。図3に示される各ステップの機能をハードウェア(例えば、回路、ボード、半導体チップ)によって実現してもよいし、ソフトウェアとハードウェアとの組み合わせによって実現してもよい。例えば、CTデータを処理してRECIST判定処理を実行する装置は、RECIST判定処理ボードであってもよい。
以上のように、本発明の好ましい実施形態を用いて本発明を例示してきたが、本発明は、この実施形態に限定して解釈されるべきものではない。本発明は、特許請求の範囲によってのみその範囲が解釈されるべきであることが理解される。当業者は、本発明の具体的な好ましい実施形態の記載から、本発明の記載および技術常識に基づいて等価な範囲を実施することができることが理解される。
本発明は、RECIST判定結果を算出する方法、装置およびプログラム等として有用である。また、本発明は、関連画像参照が容易で、計測情報をDICOM画像と関連づけて保存可能であり、計測結果からRECIST判定まで算出可能であり、データ管理が容易になるようなRECIST判定結果の算出に適したシステムとして有用である。また、本発明は、電子データの利用により中央判定委員会を開かずとも判定が可能であり、各サイクルでリアルタイムに判定結果の把握が可能であり、評価者情報や評価結果から支払口数を管理部へ転送したり、PCごとにIDを付与してIDごとのデータベースを作成したりすることによる計測からチャージまでを管理可能とした独立判定委員会を実現するようなシステムもとしても有用である。
1 RECIST判定システム
10 CT装置
12 ボクセルの集合
20 コンピュータ
30 表示装置
10 CT装置
12 ボクセルの集合
20 コンピュータ
30 表示装置
Claims (8)
- コンピュータ上で所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する方法であって、
該対象領域は、複数のスライスを含み、
該複数のサイクルは、ベースサイクルと、第1サイクルとを少なくとも含み、
該複数のサイクルの各々についての画像データは、各領域において画素値を少なくとも定義しており、
該所定のユーザ入力データは、該ベースサイクルについての画像データにおける少なくとも1つの標的病変を少なくとも定義しており、
該方法は、該複数のサイクルのうちの各1つのサイクルに対して、
該1つのサイクルがベースサイクルである場合に、
該コンピュータが、該1つのサイクルについての画像データに基づいて、該所定のユーザ入力データによって定義される該少なくとも1つの標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該1つのサイクルがベースサイクルでない場合に、
該コンピュータが、該1つのサイクルについての画像データに基づいて、該1つのサイクルよりも1つ前のサイクルにおける標的病変を用いて、該1つのサイクルにおける標的病変を抽出するステップと、
該コンピュータが、該1つのサイクルにおける該抽出された標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該コンピュータが、該1つのサイクルよりも前のサイクルにおいて算出された最長径と、該1つのサイクルにおいて算出された最長径とに少なくとも基づいて、該1つのサイクルに対するRECIST判定結果を算出するステップと
を包含する、方法。 - 前記最長径を算出するステップは、該最長径に対応する直線を識別する情報を取得するステップをさらに包含する、請求項1に記載の方法。
- 前記1つのサイクルにおける標的病変を抽出するステップにおいて、該標的病変は、該1つのサイクルについての画像データ内の直線上の画素値のプロファイルに少なくとも基づいて抽出され、該1つのサイクルについての画像データ内の直線は、該1つのサイクルよりも1つ前のサイクルにおいて取得された前記情報により識別される前記直線に対応する、請求項2に記載の方法。
- 前記1つのサイクルにおける標的病変を抽出するステップにより抽出される標的病変は、該1つのサイクルにおける前記直線の中間点を含む、請求項3に記載の方法。
- 前記コンピュータが、前記1つのサイクルについての画像データに基づいて、該1つのサイクルにおける位置合わせの指標を含むスライスを特定するステップをさらに包含し、
前記1つのサイクルにおける標的病変を抽出するステップは、該1つのサイクルよりも1つ前のサイクルにおける位置合わせの指標を含むスライスに、該1つのサイクルにおける位置合わせの指標を含むスライスが一致するように、該1つのサイクルについての画像データの座標変換をするステップをさらに包含する、請求項2〜4のいずれか一項に記載の方法。 - 前記コンピュータが、前記複数のサイクルのうちの所定の複数のサイクルについて、該所定の複数のサイクルの各々において最長径の算出に用いられたスライスを表示装置に一覧表示させるステップをさらに包含する、請求項2〜5のいずれか一項に記載の方法。
- 所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する装置であって、
該対象領域は、複数のスライスを含み、
該複数のサイクルは、ベースサイクルと、第1サイクルとを少なくとも含み、
該複数のサイクルの各々についての画像データは、各領域において画素値を少なくとも定義しており、
該所定のユーザ入力データは、該ベースサイクルについての画像データにおける少なくとも1つの標的病変を少なくとも定義しており、
該装置は、該複数のサイクルのうちの各1つのサイクルに対して、
該1つのサイクルがベースサイクルである場合に、
該1つのサイクルについての画像データに基づいて、該所定のユーザ入力データによって定義される該少なくとも1つの標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出する手段と、
該1つのサイクルがベースサイクルでない場合に、
該1つのサイクルについての画像データに基づいて、該1つのサイクルよりも1つ前のサイクルにおける標的病変を用いて、該1つのサイクルにおける標的病変を抽出する手段と、
該1つのサイクルにおける該抽出された標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出する手段と、
該1つのサイクルよりも前のサイクルにおいて算出された最長径と、該1つのサイクルにおいて算出された最長径とに少なくとも基づいて、該1つのサイクルに対するRECIST判定結果を算出する手段と
を備える、装置。 - 所定のユーザ入力データに基づいて複数のサイクルについての対象領域に対する画像データを処理してRECIST判定結果を算出する処理をコンピュータに実行させるプログラムであって、
該対象領域は、複数のスライスを含み、
該複数のサイクルは、ベースサイクルと、第1サイクルとを少なくとも含み、
該複数のサイクルの各々についての画像データは、各領域において画素値を少なくとも定義しており、
該所定のユーザ入力データは、該ベースサイクルについての画像データにおける少なくとも1つの標的病変を少なくとも定義しており、
該算出する処理は、該複数のサイクルのうちの各1つのサイクルに対して、
該1つのサイクルがベースサイクルである場合に、
該1つのサイクルについての画像データに基づいて、該所定のユーザ入力データによって定義される該少なくとも1つの標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該1つのサイクルがベースサイクルでない場合に、
該1つのサイクルについての画像データに基づいて、該1つのサイクルよりも1つ前のサイクルにおける標的病変を用いて、該1つのサイクルにおける標的病変を抽出するステップと、
該1つのサイクルにおける該抽出された標的病変のうちの各1つの標的病変について、該1つの標的病変のスライス断面の最長径を算出するステップと、
該1つのサイクルよりも前のサイクルにおいて算出された最長径と、該1つのサイクルにおいて算出された最長径とに少なくとも基づいて、該1つのサイクルに対するRECIST判定結果を算出するステップと
を包含する、プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008198822A JP2010035634A (ja) | 2008-07-31 | 2008-07-31 | Recist判定結果を算出する方法、装置およびプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008198822A JP2010035634A (ja) | 2008-07-31 | 2008-07-31 | Recist判定結果を算出する方法、装置およびプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2010035634A true JP2010035634A (ja) | 2010-02-18 |
Family
ID=42008800
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2008198822A Pending JP2010035634A (ja) | 2008-07-31 | 2008-07-31 | Recist判定結果を算出する方法、装置およびプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2010035634A (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017532088A (ja) * | 2014-08-29 | 2017-11-02 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 確定されていない定量化可能病変の処理 |
JP2020514851A (ja) * | 2016-12-05 | 2020-05-21 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | インテリジェントな腫瘍サイズの変更通知を伴う腫瘍追跡 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005516643A (ja) * | 2001-09-17 | 2005-06-09 | ヴァーチャルスコピックス リミテッド ライアビリティ カンパニー | 癌および癌の時間変化を定量的に評価するためのシステムおよび方法 |
WO2005104943A2 (en) * | 2004-04-26 | 2005-11-10 | Yankelevitz David F | Medical imaging system for accurate measurement evaluation of changes in a target lesion |
JP2006221471A (ja) * | 2005-02-10 | 2006-08-24 | Medeinetto:Kk | 医療情報支援システム、医療情報支援方法および医療情報支援プログラム |
JP2006255412A (ja) * | 2005-03-14 | 2006-09-28 | General Electric Co <Ge> | 腫瘍量を監視する方法及びシステム |
-
2008
- 2008-07-31 JP JP2008198822A patent/JP2010035634A/ja active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005516643A (ja) * | 2001-09-17 | 2005-06-09 | ヴァーチャルスコピックス リミテッド ライアビリティ カンパニー | 癌および癌の時間変化を定量的に評価するためのシステムおよび方法 |
WO2005104943A2 (en) * | 2004-04-26 | 2005-11-10 | Yankelevitz David F | Medical imaging system for accurate measurement evaluation of changes in a target lesion |
JP2007534447A (ja) * | 2004-04-26 | 2007-11-29 | ヤンケレヴィッツ,デヴィット,エフ. | 標的病変における変化の精密な測定評価のための医療用撮像システム |
JP2006221471A (ja) * | 2005-02-10 | 2006-08-24 | Medeinetto:Kk | 医療情報支援システム、医療情報支援方法および医療情報支援プログラム |
JP2006255412A (ja) * | 2005-03-14 | 2006-09-28 | General Electric Co <Ge> | 腫瘍量を監視する方法及びシステム |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017532088A (ja) * | 2014-08-29 | 2017-11-02 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | 確定されていない定量化可能病変の処理 |
US11031137B2 (en) | 2014-08-29 | 2021-06-08 | Koninklijke Philips N.V. | Handling undetermined quantifiable target lesions while tracking cancerous lesions using long axis and short axis meausrement consistent with response evaluation criteria in solid tumors (RECIST) guidelines |
JP2020514851A (ja) * | 2016-12-05 | 2020-05-21 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | インテリジェントな腫瘍サイズの変更通知を伴う腫瘍追跡 |
JP7249940B2 (ja) | 2016-12-05 | 2023-03-31 | コーニンクレッカ フィリップス エヌ ヴェ | インテリジェントな腫瘍サイズの変更通知を伴う腫瘍追跡 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdel Razek et al. | Clinical applications of artificial intelligence and radiomics in neuro-oncology imaging | |
US11823431B2 (en) | System and method for detecting trachea | |
US10111713B2 (en) | Surgery assistance apparatus, surgery assistance method and non-transitory computer-readable recording medium having stored therein surgery assistance program | |
Ikeda et al. | Three dimensional computed tomography lung modeling is useful in simulation and navigation of lung cancer surgery | |
JP4824146B1 (ja) | 医療機器および医療機器の制御方法 | |
Reynisson et al. | Airway segmentation and centerline extraction from thoracic CT–comparison of a new method to state of the art commercialized methods | |
US8805471B2 (en) | Surgery-assistance apparatus, method and program | |
JP7132299B2 (ja) | 医用画像処理方法、医用画像処理装置、医用画像処理システム及び医用画像処理プログラム | |
CN105377177A (zh) | 肺减容手术的治疗设计 | |
JP2017523826A (ja) | 患者の肺の複数のctスキャンのための統合された座標システム | |
Bourantas et al. | ANGIOCARE: An automated system for fast three‐dimensional coronary reconstruction by integrating angiographic and intracoronary ultrasound data | |
EP2642939A1 (en) | Systems and methods for comparing different medical images to analyze a structure-of-interest | |
US20140254906A1 (en) | Vascular tree from anatomical landmarks and a clinical ontology | |
EP3573531A1 (en) | Systems and methods for computation of functional index parameter values for blood vessels | |
JP2011120825A (ja) | 医用画像表示装置および方法並びにプログラム | |
CN105684040B (zh) | 支持肿瘤响应测量的方法 | |
JP2010035634A (ja) | Recist判定結果を算出する方法、装置およびプログラム | |
Brummer et al. | Cancer as a model system for testing metabolic scaling theory | |
Zhao et al. | Deep feature regression (DFR) for 3D vessel segmentation | |
Miyake et al. | The direct oblique method: a new gold standard for bronchoscopic navigation that is superior to automatic methods | |
Miao et al. | Visual quantification of the circle of willis: An automated identification and standardized representation | |
Miao et al. | CoWRadar: Visual Quantification of the Circle of Willis in Stroke Patients. | |
Henne et al. | Comparison of human lung tissue mass measurements from ex vivo lungs and high resolution CT software analysis | |
EP2720192B1 (en) | Method, system and computer readable medium for liver diagnosis | |
CN115760961A (zh) | 血管图像处理方法、装置、服务器及后处理图像生成系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110411 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20110801 |