JP2012011109A - Medical image processor and program - Google Patents
Medical image processor and program Download PDFInfo
- Publication number
- JP2012011109A JP2012011109A JP2010152569A JP2010152569A JP2012011109A JP 2012011109 A JP2012011109 A JP 2012011109A JP 2010152569 A JP2010152569 A JP 2010152569A JP 2010152569 A JP2010152569 A JP 2010152569A JP 2012011109 A JP2012011109 A JP 2012011109A
- Authority
- JP
- Japan
- Prior art keywords
- abnormal shadow
- sample image
- image
- medical images
- medical
- 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
- 230000002159 abnormal effect Effects 0.000 claims abstract description 135
- 238000012545 processing Methods 0.000 claims abstract description 55
- 238000001514 detection method Methods 0.000 claims description 39
- 230000008685 targeting Effects 0.000 claims description 2
- 238000004195 computer-aided diagnosis Methods 0.000 description 115
- 230000035945 sensitivity Effects 0.000 description 44
- 230000008569 process Effects 0.000 description 39
- 238000000034 method Methods 0.000 description 37
- 238000012360 testing method Methods 0.000 description 32
- 230000006870 function Effects 0.000 description 17
- 238000012549 training Methods 0.000 description 16
- 230000003902 lesion Effects 0.000 description 11
- 206010028980 Neoplasm Diseases 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 210000000481 breast Anatomy 0.000 description 9
- 238000012790 confirmation Methods 0.000 description 8
- 208000004434 Calcinosis Diseases 0.000 description 5
- 239000013598 vector Substances 0.000 description 5
- 239000000284 extract Substances 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000036210 malignancy Effects 0.000 description 3
- 230000002308 calcification Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 208000035475 disorder Diseases 0.000 description 2
- 230000003211 malignant effect Effects 0.000 description 2
- 210000005075 mammary gland Anatomy 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
Description
本発明は、医用画像処理装置及びプログラムに関する。 The present invention relates to a medical image processing apparatus and a program.
近年、患者を放射線撮影して得られた医用画像の診断において、コンピュータによる診断支援機能(CAD:Computer-Aided Diagnosis)が利用されている。この機能は、医用画像の解析を行い、病変と思われる領域に対してマークを付加してディスプレイ上で表示を行い、医師の読影を助ける機能である。乳房画像に対しては、腫瘤や微小石灰化等の病変の可能性がある異常陰影候補が検出される。 In recent years, a computer-aided diagnosis (CAD) function has been used in diagnosis of medical images obtained by radiographing a patient. This function is a function that analyzes a medical image, adds a mark to a region that seems to be a lesion, displays it on a display, and helps a doctor interpret. For breast images, abnormal shadow candidates that may be lesions such as tumors or microcalcifications are detected.
一般に、医療機関では、様々な医療機器が用いられており、新たな医療機器が導入される際には、その都度医療機器の取扱方法を習得する必要がある。そこで、教育用ソフトウェアにより医療機器の取扱方法に関する教育を提供し、教育内容の理解度をチェックする理解度テストを行い、テストの合格を条件として、ユーザに医療機器を使用可能とするパスワードを発行する医療機器取扱教育システムが提案されている(特許文献1参照)。 In general, various medical devices are used in medical institutions. When a new medical device is introduced, it is necessary to learn how to handle the medical device each time. Therefore, educational software provides training on how to handle medical devices, performs an understanding test to check the understanding of the educational content, and issues a password that allows the user to use the medical device on the condition that the test passes. A medical device handling education system has been proposed (see Patent Document 1).
しかしながら、一般の医療機器と比較して、CADの各機能の使用方法を習得することは困難であった。例えば、CADの各機能は、実際の症例によって理解することが望ましい。また、CADを効果的に使用するためには、異常陰影の例として真陽性(TP:True Positive)だけでなく、偽陽性(FP:False Positive)や偽陰性(FN:False Negative)等も理解する必要がある。また、CADは検出感度の設定が可能であるため、各感度においてCADの使用に対応できるようにしておく必要がある。 However, it has been difficult to learn how to use each function of CAD as compared to a general medical device. For example, it is desirable to understand each function of CAD by an actual case. In order to use CAD effectively, not only true positives (TP: True Positive) but also false positives (FP: False Positive) and false negatives (FN: False Negative) are understood as examples of abnormal shadows. There is a need to. Further, since the detection sensitivity of CAD can be set, it is necessary to be able to cope with the use of CAD at each sensitivity.
本発明は上記の従来技術における問題に鑑みてなされたものであって、異常陰影候補の検出機能の理解向上を図ることを課題とする。 The present invention has been made in view of the above problems in the prior art, and an object of the present invention is to improve the understanding of the abnormal shadow candidate detection function.
上記課題を解決するために、請求項1に記載の発明は、異常陰影候補の検出機能の対象毎に用意されたサンプル画像と当該サンプル画像から検出された異常陰影候補の位置情報とが対応付けられて記憶されている第1記憶手段と、複数の医用画像のそれぞれと当該各医用画像から検出された異常陰影候補の位置情報とが対応付けられて記憶されている第2記憶手段と、前記第1記憶手段に記憶されているサンプル画像のうちいずれか一つを選択するための操作手段と、前記選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補の位置情報を前記第1記憶手段から読み出し、当該選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補を示すマークを表示手段に表示させ、前記第2記憶手段に記憶されている複数の医用画像の中から、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出し、当該抽出された一又は複数の医用画像及び当該医用画像に対応する異常陰影候補を示すマークを前記表示手段に表示させる制御手段と、を備える医用画像処理装置である。 In order to solve the above-described problem, the invention according to claim 1 associates the sample image prepared for each target of the abnormal shadow candidate detection function with the positional information of the abnormal shadow candidate detected from the sample image. First storage means stored and stored, second storage means for storing each of a plurality of medical images and positional information of abnormal shadow candidates detected from the respective medical images in association with each other, Operation means for selecting any one of the sample images stored in the first storage means, and the position information of the selected sample image and the abnormal shadow candidate corresponding to the sample image in the first storage Read out from the means, the selected sample image and a mark indicating an abnormal shadow candidate corresponding to the sample image are displayed on the display means, and the second image is stored in the second storage means. One or a plurality of medical images having similar detection results of the selected sample image and abnormal shadow candidates are extracted from the selected medical images, and correspond to the extracted one or more medical images and the medical images. And a control unit that displays a mark indicating an abnormal shadow candidate on the display unit.
請求項2に記載の発明は、請求項1に記載の医用画像処理装置において、前記制御手段は、前記選択されたサンプル画像に対応する異常陰影候補の位置情報及び当該サンプル画像の画像特徴量に基づいて、前記第2記憶手段に記憶されている複数の医用画像の中から、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出する。 According to a second aspect of the present invention, in the medical image processing apparatus according to the first aspect, the control unit uses the positional information of the abnormal shadow candidate corresponding to the selected sample image and the image feature amount of the sample image. Based on the plurality of medical images stored in the second storage unit, one or a plurality of medical images having similar detection results of the selected sample image and abnormal shadow candidates are extracted.
請求項3に記載の発明は、請求項1又は2に記載の医用画像処理装置において、前記第1記憶手段には、さらに、前記サンプル画像から検出された異常陰影候補のそれぞれが真陽性であるか偽陽性であるかを示す情報が記憶されており、前記第2記憶手段には、さらに、前記各医用画像から検出された異常陰影候補のそれぞれが真陽性であるか偽陽性であるかを示す情報が記憶されており、前記制御手段は、前記選択されたサンプル画像から検出された異常陰影候補が真陽性である場合には、前記第2記憶手段に記憶されている複数の医用画像のうち異常陰影候補が真陽性であるもののみを対象とし、前記選択されたサンプル画像から検出された異常陰影候補が偽陽性である場合には、前記第2記憶手段に記憶されている複数の医用画像のうち異常陰影候補が偽陽性であるもののみを対象として、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出する。 According to a third aspect of the present invention, in the medical image processing apparatus according to the first or second aspect, each of the abnormal shadow candidates detected from the sample image is further true positive in the first storage unit. Information indicating whether each of the abnormal shadow candidates detected from the respective medical images is true positive or false positive is stored in the second storage means. When the abnormal shadow candidate detected from the selected sample image is true positive, the control means stores a plurality of medical images stored in the second storage means. Of these, when only abnormal shadow candidates are true positives, and the abnormal shadow candidates detected from the selected sample images are false positives, a plurality of medical items stored in the second storage means Image Abnormal shadow candidate as a target only those false positive detection results of the selected sample image and the abnormal shadow candidate and extracts one or a plurality of medical images are similar.
請求項4に記載の発明は、請求項1から3のいずれか一項に記載の医用画像処理装置において、前記制御手段は、前記第2記憶手段に記憶される複数の医用画像として、当該医用画像処理装置が設置された施設内の情報を追加する。 According to a fourth aspect of the present invention, in the medical image processing apparatus according to any one of the first to third aspects, the control unit is configured to use the medical image as a plurality of medical images stored in the second storage unit. Add information in the facility where the image processing device is installed.
請求項5に記載の発明は、コンピュータを、異常陰影候補の検出機能の対象毎に用意されたサンプル画像と当該サンプル画像から検出された異常陰影候補の位置情報とが対応付けられて記憶されている第1記憶手段、複数の医用画像のそれぞれと当該各医用画像から検出された異常陰影候補の位置情報とが対応付けられて記憶されている第2記憶手段、前記第1記憶手段に記憶されているサンプル画像のうちいずれか一つを選択するための操作手段、前記選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補の位置情報を前記第1記憶手段から読み出し、当該選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補を示すマークを表示手段に表示させ、前記第2記憶手段に記憶されている複数の医用画像の中から、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出し、当該抽出された一又は複数の医用画像及び当該医用画像に対応する異常陰影候補を示すマークを前記表示手段に表示させる制御手段、として機能させるためのプログラムである。 In the invention according to claim 5, the computer stores the sample image prepared for each target of the abnormal shadow candidate detection function and the positional information of the abnormal shadow candidate detected from the sample image in association with each other. Stored in the first storage means, the second storage means in which each of the plurality of medical images and the positional information of the abnormal shadow candidates detected from the respective medical images are stored in association with each other. The operation means for selecting any one of the sample images, the selected sample image, and the position information of the abnormal shadow candidate corresponding to the sample image are read from the first storage means, and the selected A sample image and a mark indicating an abnormal shadow candidate corresponding to the sample image are displayed on the display unit, and a plurality of medical images stored in the second storage unit are displayed. Then, one or a plurality of medical images having similar detection results of the selected sample image and abnormal shadow candidates are extracted, and the extracted one or more medical images and abnormal shadow candidates corresponding to the medical images are indicated. It is a program for functioning as control means for displaying a mark on the display means.
請求項6に記載の発明は、請求項5に記載のプログラムにおいて、前記制御手段は、前記選択されたサンプル画像に対応する異常陰影候補の位置情報及び当該サンプル画像の画像特徴量に基づいて、前記第2記憶手段に記憶されている複数の医用画像の中から、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出するものである。 According to a sixth aspect of the present invention, in the program according to the fifth aspect, the control means is based on position information of an abnormal shadow candidate corresponding to the selected sample image and an image feature amount of the sample image. From the plurality of medical images stored in the second storage means, one or a plurality of medical images having similar detection results of the selected sample image and abnormal shadow candidates are extracted.
請求項7に記載の発明は、請求項5又は6に記載のプログラムにおいて、前記第1記憶手段には、さらに、前記サンプル画像から検出された異常陰影候補のそれぞれが真陽性であるか偽陽性であるかを示す情報が記憶されており、前記第2記憶手段には、さらに、前記各医用画像から検出された異常陰影候補のそれぞれが真陽性であるか偽陽性であるかを示す情報が記憶されており、前記制御手段は、前記選択されたサンプル画像から検出された異常陰影候補が真陽性である場合には、前記第2記憶手段に記憶されている複数の医用画像のうち異常陰影候補が真陽性であるもののみを対象とし、前記選択されたサンプル画像から検出された異常陰影候補が偽陽性である場合には、前記第2記憶手段に記憶されている複数の医用画像のうち異常陰影候補が偽陽性であるもののみを対象として、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出するものである。 According to a seventh aspect of the present invention, in the program according to the fifth or sixth aspect, each of the abnormal shadow candidates detected from the sample image is further true positive or false positive in the first storage means. Information indicating whether or not each of the abnormal shadow candidates detected from each of the medical images is true positive or false positive is stored in the second storage means. And when the abnormal shadow candidate detected from the selected sample image is true positive, the control means stores the abnormal shadow among the plurality of medical images stored in the second storage means. If only the candidate is true positive and the abnormal shadow candidate detected from the selected sample image is false positive, among the plurality of medical images stored in the second storage means Abnormal Targeting only those shadow candidate is false positives, the detection result of the selected sample image and the abnormal shadow candidate is to extract one or more medical images are similar.
請求項1、5に記載の発明によれば、サンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出するので、異常陰影候補の検出機能の理解向上を図ることができる。 According to the first and fifth aspects of the present invention, one or a plurality of medical images having similar detection results of the sample image and the abnormal shadow candidate are extracted, so that the understanding of the abnormal shadow candidate detection function can be improved. .
請求項2、6に記載の発明によれば、異常陰影候補の位置情報及びサンプル画像の画像特徴量に基づいて、サンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出することができる。 According to the second and sixth aspects of the present invention, one or a plurality of medical images having similar detection results of the sample image and the abnormal shadow candidate are extracted based on the positional information of the abnormal shadow candidate and the image feature amount of the sample image. can do.
請求項3、7に記載の発明によれば、真陽性であるか偽陽性であるかを区別して、サンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出することができる。 According to the third and seventh aspects of the invention, it is possible to distinguish between true positive and false positive and extract one or a plurality of medical images having similar detection results of the sample image and the abnormal shadow candidate. it can.
請求項4に記載の発明によれば、各施設に適した情報を追加することができる。 According to the invention described in claim 4, information suitable for each facility can be added.
以下、図面を参照して、本発明に係る医用画像処理装置の一実施の形態について説明する。
図1に、医用情報システム100のシステム構成を示す。図1に示すように、医用情報システム100は、医用画像処理装置10、CAD処理装置20、医用画像サーバ30及び電子カルテシステム40が、LAN(Local Area Network)等のネットワークNを介してデータ通信可能に接続されて構成されている。ネットワークNは、DICOM(Digital Imaging and Communications in Medicine)規格が適用されている。
Hereinafter, an embodiment of a medical image processing apparatus according to the present invention will be described with reference to the drawings.
FIG. 1 shows a system configuration of the medical information system 100. As shown in FIG. 1, a medical information system 100 includes a medical image processing apparatus 10, a CAD processing apparatus 20, a medical image server 30, and an electronic medical record system 40 that perform data communication via a network N such as a LAN (Local Area Network). It is connected and configured. The DICOM (Digital Imaging and Communications in Medicine) standard is applied to the network N.
医用画像処理装置10は、WS(WorkStation)により構成され、医用画像の読影、医用画像に対するCAD機能の訓練等に用いられる。 The medical image processing apparatus 10 is configured by WS (WorkStation), and is used for interpretation of medical images, training of CAD functions for medical images, and the like.
図2に、医用画像処理装置10の機能的構成を示す。図2に示すように、医用画像処理装置10は、制御部11、操作部12、表示部13、通信部14、記憶部15を備えて構成され、各部はバス16により接続されている。 FIG. 2 shows a functional configuration of the medical image processing apparatus 10. As shown in FIG. 2, the medical image processing apparatus 10 includes a control unit 11, an operation unit 12, a display unit 13, a communication unit 14, and a storage unit 15, and each unit is connected by a bus 16.
制御部11は、CPU(Central Processing Unit)、RAM(Random Access Memory)等から構成され、医用画像処理装置10の各部の処理動作を統括的に制御する。具体的には、CPUは、操作部12から入力される操作信号又は通信部14により受信される指示信号に応じて、記憶部15に記憶されている各種処理プログラムを読み出し、RAM内に形成されたワークエリアに展開し、当該プログラムとの協働により各種処理を行う。 The control unit 11 includes a CPU (Central Processing Unit), a RAM (Random Access Memory), and the like, and comprehensively controls the processing operations of each unit of the medical image processing apparatus 10. Specifically, the CPU reads various processing programs stored in the storage unit 15 according to an operation signal input from the operation unit 12 or an instruction signal received by the communication unit 14, and is formed in the RAM. The work area is expanded and various processes are performed in cooperation with the program.
操作部12は、カーソルキー、数字入力キー、及び各種機能キー等を備えたキーボードと、マウス等のポインティングデバイスを備えて構成され、キーボードに対するキー操作やマウス操作により入力された操作信号を制御部11に出力する。 The operation unit 12 includes a keyboard having cursor keys, numeric input keys, various function keys, and the like, and a pointing device such as a mouse, and controls operation signals input by keyboard operations or mouse operations. 11 is output.
表示部13は、LCD(Liquid Crystal Display)により構成され、制御部11から入力される表示データに基づいて各種画面を表示する。 The display unit 13 is configured by an LCD (Liquid Crystal Display) and displays various screens based on display data input from the control unit 11.
通信部14は、CAD処理装置20、医用画像サーバ30、電子カルテシステム40等の外部機器との間でデータの送受信を行うインターフェースである。 The communication unit 14 is an interface that transmits and receives data to and from external devices such as the CAD processing device 20, the medical image server 30, and the electronic medical record system 40.
記憶部15は、ハードディスクや不揮発メモリ等により構成され、各種データを記憶する。具体的には、記憶部15には、ティーチングファイル作成処理プログラム151、CAD訓練処理プログラム152、理解度確認テスト実行処理プログラム153、サンプル画像DB(DataBase)154、ティーチングファイルDB155、テスト用画像DB156等が記憶されている。 The storage unit 15 is configured by a hard disk, a nonvolatile memory, or the like, and stores various data. Specifically, the storage unit 15 includes a teaching file creation processing program 151, a CAD training processing program 152, an understanding level confirmation test execution processing program 153, a sample image DB (DataBase) 154, a teaching file DB 155, a test image DB 156, and the like. Is remembered.
サンプル画像DB154は、異常陰影候補の検出機能の対象(撮影部位・検出目的)毎に予め用意されているサンプル画像を格納するデータベースである。サンプル画像DB154には、各サンプル画像に対して、当該サンプル画像から検出された異常陰影候補の位置情報、CADマークの真偽情報(TP/FP)、CADマークに関するコメント等が対応付けられて記憶されている。CADマークの真偽情報とは、異常陰影候補のそれぞれが真陽性(TP)であるか偽陽性(FP)であるかを示す情報である。なお、異常陰影候補の位置情報、CADマークの真偽情報、CADマークに関するコメントについては、CADの感度(高感度・中感度・低感度)毎に、それぞれの情報が記憶されている。 The sample image DB 154 is a database that stores sample images prepared in advance for each target (imaging region / detection purpose) of the abnormal shadow candidate detection function. In the sample image DB 154, for each sample image, position information of abnormal shadow candidates detected from the sample image, CAD mark authenticity information (TP / FP), comments regarding the CAD mark, and the like are stored in association with each other. Has been. The true / false information of the CAD mark is information indicating whether each of the abnormal shadow candidates is true positive (TP) or false positive (FP). Note that the position information of the abnormal shadow candidate, the authenticity information of the CAD mark, and the comment related to the CAD mark are stored for each CAD sensitivity (high sensitivity / medium sensitivity / low sensitivity).
ティーチングファイルDB155は、後述するCAD訓練処理(図8参照)において検索される医用画像を格納するデータベースである。ティーチングファイルDB155には、各医用画像に対して、患者基本情報(患者ID、年齢、撮影情報等)、画像特徴量情報、当該医用画像から検出された異常陰影候補の位置情報、CADマークの真偽情報(TP/FP)、CADマークに関するコメント、シェーマ画像、所見情報、FN(偽陰性)の位置情報等が対応付けられて記憶されている。なお、異常陰影候補の位置情報、CADマークの真偽情報、CADマークに関するコメント、FNの位置情報については、CADの感度毎に、それぞれの情報が記憶されている。 The teaching file DB 155 is a database that stores medical images searched in a CAD training process (see FIG. 8) described later. The teaching file DB 155 includes, for each medical image, basic patient information (patient ID, age, imaging information, etc.), image feature amount information, positional information of abnormal shadow candidates detected from the medical image, and CAD mark truth. False information (TP / FP), comments about CAD marks, schema images, findings information, FN (false negative) position information, and the like are stored in association with each other. Note that the position information of the abnormal shadow candidate, the authenticity information of the CAD mark, the comment regarding the CAD mark, and the position information of the FN are stored for each CAD sensitivity.
画像特徴量情報は、画像の濃度、濃淡勾配、線構造の集中度等の画像特徴量を含む情報である。画像の濃度は、濃度ヒストグラムから求められる画素値の平均や分散である。濃淡勾配は、各画素の濃度変化の勾配を示すものである。例えば、アイリスフィルタに代表されるフィルタにより勾配ベクトルが算出され、勾配ベクトルが一点に向かっているか、全体的に濃淡値が均一であるか等に基づいて、濃淡値の形状が把握される。線構造の集中度は、ある線構造が一点に集中しているか、同じ方向を向いているか等を数値化したものである。 The image feature amount information is information including image feature amounts such as image density, grayscale gradient, and line structure concentration. The image density is an average or variance of pixel values obtained from the density histogram. The light / dark gradient indicates the gradient of density change of each pixel. For example, a gradient vector is calculated by a filter typified by an iris filter, and the shape of the gray value is grasped based on whether the gradient vector is directed to one point or whether the gray value is uniform as a whole. The degree of concentration of the line structure is a numerical value indicating whether a certain line structure is concentrated at one point or facing the same direction.
FNの位置情報は、医用画像に対するCADにより検出されなかった異常陰影(偽陰性)の位置を示す情報である。 The FN position information is information indicating the position of an abnormal shadow (false negative) that has not been detected by CAD for a medical image.
ティーチングファイルDB155には、予め用意されている医用画像の他、医用画像処理装置10が設置された病院等の施設内の情報を追加することも可能である。 In addition to medical images prepared in advance, information in a facility such as a hospital where the medical image processing apparatus 10 is installed can be added to the teaching file DB 155.
テスト用画像DB156は、後述する理解度確認テスト実行処理(図13参照)において使用されるテスト用画像を格納するデータベースである。テスト用画像DB156には、各テスト用画像に対して、当該テスト用画像から検出された異常陰影候補の位置情報、CADマークの真偽情報(TP/FP)、シェーマ画像、所見情報等が対応付けられて記憶されている。 The test image DB 156 is a database that stores test images used in an understanding level confirmation test execution process (see FIG. 13) described later. The test image DB 156 corresponds to each test image with position information of abnormal shadow candidates detected from the test image, CAD mark authenticity information (TP / FP), schema image, finding information, and the like. Attached and memorized.
制御部11は、ユーザの操作部12からの操作により選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補の位置情報をサンプル画像DB154から読み出し、当該選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補を示すマーク(CADマーク)を表示部13に表示させる。 The control unit 11 reads from the sample image DB 154 the sample image selected by the user's operation from the operation unit 12 and the position information of the abnormal shadow candidate corresponding to the sample image, and stores the selected sample image and the sample image in the selected sample image. A mark (CAD mark) indicating a corresponding abnormal shadow candidate is displayed on the display unit 13.
なお、異常陰影候補の位置にマークを付加する際には、異常陰影候補領域を囲む円形のマークを付加してもよいし、異常陰影候補領域の輪郭(境界線)を図示するようにマークを付加してもよいし(CADアウトライン)、異常陰影候補領域の代表点(例えば重心等)にマークを付加してもよい。 In addition, when adding a mark to the position of the abnormal shadow candidate, a circular mark surrounding the abnormal shadow candidate area may be added, or the mark may be added so as to illustrate the outline (boundary line) of the abnormal shadow candidate area. You may add (CAD outline), and you may add a mark to the representative point (for example, gravity center etc.) of an abnormal shadow candidate area | region.
制御部11は、ティーチングファイルDB155に記憶されている複数の医用画像の中から、選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出する。具体的に、制御部11は、選択されたサンプル画像に対応する異常陰影候補の位置情報及び当該サンプル画像の画像特徴量に基づいて、ティーチングファイルDB155に記憶されている複数の医用画像の中から、選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出する。 The control unit 11 extracts one or a plurality of medical images having similar detection results of the selected sample image and the abnormal shadow candidate from the plurality of medical images stored in the teaching file DB 155. Specifically, the control unit 11 selects from among a plurality of medical images stored in the teaching file DB 155 based on the position information of the abnormal shadow candidate corresponding to the selected sample image and the image feature amount of the sample image. Then, one or a plurality of medical images having similar detection results of the selected sample image and the abnormal shadow candidate are extracted.
この際、制御部11は、選択されたサンプル画像から検出された異常陰影候補が真陽性である場合には、ティーチングファイルDB155に記憶されている複数の医用画像のうち異常陰影候補が真陽性であるもののみを対象とし、選択されたサンプル画像から検出された異常陰影候補が偽陽性である場合には、ティーチングファイルDB155に記憶されている複数の医用画像のうち異常陰影候補が偽陽性であるもののみを対象として、選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出する。 At this time, if the abnormal shadow candidate detected from the selected sample image is true positive, the control unit 11 is true positive among the plurality of medical images stored in the teaching file DB 155. When only a certain object is targeted and the abnormal shadow candidate detected from the selected sample image is false positive, the abnormal shadow candidate is false positive among a plurality of medical images stored in the teaching file DB 155. One or a plurality of medical images having similar detection results of the selected sample image and the abnormal shadow candidate are extracted for only a subject.
制御部11は、抽出された一又は複数の医用画像及び当該医用画像に対応する異常陰影候補を示すマーク(CADマーク)を表示部13に表示させる。 The control unit 11 causes the display unit 13 to display one or more extracted medical images and a mark (CAD mark) indicating an abnormal shadow candidate corresponding to the medical image.
制御部11は、ティーチングファイルDB155に記憶される複数の医用画像として、当該医用画像処理装置10が設置された施設内の情報を追加する。 The control unit 11 adds information in the facility where the medical image processing apparatus 10 is installed as a plurality of medical images stored in the teaching file DB 155.
CAD処理装置20は、医用画像の画像解析を行い、画像特徴量を算出し、異常陰影候補の検出を行う。そして、CAD処理装置20は、異常陰影候補の位置情報、画像特徴量情報等を生成する。異常陰影候補の位置情報は、画像内の領域を示す情報(乳房画像の例では、MLOのU/M/L領域、CCのO/I領域等の名称)であってもよいし、画像内の座標位置であってもよい。CAD処理装置20は、異常陰影候補の位置情報、画像特徴量情報等を医用画像処理装置10等の外部機器に送信する。 The CAD processing device 20 performs image analysis of a medical image, calculates an image feature amount, and detects an abnormal shadow candidate. Then, the CAD processing device 20 generates position information of abnormal shadow candidates, image feature amount information, and the like. The position information of the abnormal shadow candidate may be information indicating an area in the image (in the example of the breast image, the name of the U / M / L area of the MLO, the O / I area of the CC, etc.), May be the coordinate position. The CAD processing device 20 transmits position information, image feature amount information, and the like of abnormal shadow candidates to an external device such as the medical image processing device 10.
なお、CAD処理装置20におけるCADの検出感度は、変更可能となっている。具体的には、異常陰影候補として検出するか否かの判断基準となる各パラメータの閾値を変更する等して、検出感度を変更する。同一の医用画像に対してCAD処理を行う場合には、通常、CADの感度が高いほど、より多くの異常陰影候補が検出されることになる。 The CAD detection sensitivity in the CAD processing apparatus 20 can be changed. Specifically, the detection sensitivity is changed by changing the threshold value of each parameter that is a criterion for determining whether or not to detect as an abnormal shadow candidate. When CAD processing is performed on the same medical image, normally, the higher the sensitivity of CAD, the more abnormal shadow candidates are detected.
CAD処理装置20は、処理対象が乳房画像の場合、乳房画像から腫瘤、微小石灰化等の異常陰影候補を検出する。異常陰影候補の検出アルゴリズムとしては、公知のものを適用可能である。乳房画像における腫瘤の検出アルゴリズムとしては、例えば、アイリスフィルタ、ラプラシアンフィルタ等を用いた方法が適用可能である。また、微小石灰化の検出アルゴリズムとしては、例えば、モルフォロジーフィルタ、ラプラシアンフィルタ、3重リングフィルタ等を用いた方法が適用可能である。 When the processing target is a breast image, the CAD processing apparatus 20 detects abnormal shadow candidates such as a tumor and microcalcification from the breast image. As an abnormal shadow candidate detection algorithm, a known algorithm can be applied. As an algorithm for detecting a tumor in a breast image, for example, a method using an iris filter, a Laplacian filter, or the like is applicable. As a detection algorithm for microcalcification, for example, a method using a morphological filter, a Laplacian filter, a triple ring filter, or the like can be applied.
医用画像サーバ30は、PACS(Picture Archiving and Communication System)により構成され、各種モダリティにより生成された医用画像の画像ファイルを保存し、外部機器からの要求に応じて画像ファイルを提供する。 The medical image server 30 is configured by PACS (Picture Archiving and Communication System), stores image files of medical images generated by various modalities, and provides image files in response to requests from external devices.
電子カルテシステム40は、患者毎に、患者基本情報、病状や診断結果を示す情報、処方に関する情報等を記憶し、管理する。 The electronic medical record system 40 stores and manages patient basic information, information indicating a medical condition and a diagnosis result, information on prescription, and the like for each patient.
次に、動作について説明する。
図3は、医用画像処理装置10において実行されるティーチングファイル作成処理を示すフローチャートである。この処理は、ティーチングファイルDB155に対して、医用画像サーバ30に保存されている医用画像を追加する処理であり、制御部11のCPUと、記憶部15に記憶されているティーチングファイル作成処理プログラム151との協働によるソフトウェア処理によって実現される。
Next, the operation will be described.
FIG. 3 is a flowchart showing teaching file creation processing executed in the medical image processing apparatus 10. This process is a process for adding a medical image stored in the medical image server 30 to the teaching file DB 155, and the teaching file creation processing program 151 stored in the CPU of the control unit 11 and the storage unit 15. It is realized by software processing in cooperation with.
まず、ユーザの操作部12からの操作により、医用画像サーバ30に保存されている医用画像の中から、ティーチングファイルの対象となる医用画像が選択される。次に、制御部11により、通信部14を介して、選択された医用画像が医用画像サーバ30から取得され、医用画像に対応する患者の患者基本情報が電子カルテシステム40から取得される。そして、制御部11により、取得された医用画像と患者基本情報とが対応付けられて、ティーチングファイルDB155に登録される(ステップS1)。 First, a medical image to be a target of a teaching file is selected from medical images stored in the medical image server 30 by an operation from the operation unit 12 by the user. Next, the selected medical image is acquired from the medical image server 30 by the control unit 11 via the communication unit 14, and basic patient information of the patient corresponding to the medical image is acquired from the electronic medical record system 40. And the acquired medical image and patient basic information are matched by the control part 11, and are registered into teaching file DB155 (step S1).
次に、ユーザの操作部12からの操作により、CADの感度が設定される(ステップS2)。具体的には、CADの感度として、高感度・中感度・低感度の中からいずれかの感度が選択される。 Next, CAD sensitivity is set by the user's operation from the operation unit 12 (step S2). Specifically, as the sensitivity of CAD, one of high sensitivity, medium sensitivity, and low sensitivity is selected.
次に、CAD処理装置20では、ティーチングファイルの対象となる医用画像に対し、ステップS2で設定された感度におけるCAD処理が行われる。そして、制御部11により、通信部14を介して、CAD処理装置20から、ティーチングファイルの対象となる医用画像についての異常陰影候補の位置情報及び画像特徴量情報が取得され、当該医用画像と対応付けられて、ティーチングファイルDB155に登録される(ステップS3)。 Next, the CAD processing device 20 performs CAD processing at the sensitivity set in step S2 on the medical image that is the target of the teaching file. Then, the control unit 11 acquires the position information and the image feature amount information of the abnormal shadow candidate for the medical image that is the target of the teaching file from the CAD processing device 20 via the communication unit 14, and corresponds to the medical image. It is attached and registered in the teaching file DB 155 (step S3).
次に、制御部11により、ティーチングファイルの対象となる医用画像が表示部13に表示されるとともに、異常陰影候補の位置情報に基づいて、医用画像上の異常陰影候補の位置にCADマークが付加されて表示される(ステップS4)。 Next, the control unit 11 displays a medical image as a teaching file target on the display unit 13 and adds a CAD mark to the position of the abnormal shadow candidate on the medical image based on the position information of the abnormal shadow candidate. Is displayed (step S4).
次に、ユーザの操作部12からの操作により、所見情報が入力される(ステップS5)。入力された所見情報は、制御部11により、医用画像と対応付けられて、ティーチングファイルDB155に登録される。 Next, finding information is input by an operation from the operation unit 12 by the user (step S5). The input finding information is registered in the teaching file DB 155 by the control unit 11 in association with the medical image.
次に、ユーザの操作部12からの操作により、病変の位置がシェーマ画像として記録される(ステップS6)。具体的には、撮影部位を示す模式図において病変と判断される位置が記録される。記録されたシェーマ画像は、制御部11により、医用画像と対応付けられて、ティーチングファイルDB155に登録される。 Next, the position of the lesion is recorded as a schema image by the user's operation from the operation unit 12 (step S6). Specifically, a position that is determined to be a lesion is recorded in a schematic diagram showing an imaging region. The recorded schema image is registered in the teaching file DB 155 by the control unit 11 in association with the medical image.
図4(a)及び(b)に、表示部13に表示される所見情報及びシェーマ画像の入力画面の例を示す。
図4(a)に示す入力画面50は、所見入力欄51、形状入力欄52、辺縁入力欄53、濃度入力欄54、カテゴリ入力欄55、シェーマ画像入力欄56を含む。
所見入力欄51には、医用画像に対する医師の所見が入力される。
形状入力欄52には、異常陰影(腫瘤)の形状が入力される。形状として、円形あるいは楕円形(round of oval)、多角形(polygonal)、分葉状(lobular)、不整形(irregular)等がある。
辺縁入力欄53には、異常陰影(腫瘤)の辺縁情報が入力される。辺縁情報として、境界明瞭平滑(circumscribed)、微細分葉状(microlobulated)、スピキュラを伴う(spiculated)、境界不明瞭(indistinct)、評価困難(obscured)等がある。
濃度入力欄54には、異常陰影(腫瘤)の濃度情報が入力される。濃度情報として、脂肪濃度を含む(fat-containing)、等濃度(equal density)、低濃度(low density)、高濃度(high density)等がある。
カテゴリ入力欄55には、5段階に分類された病変の悪性度が入力される。カテゴリ1は「異常なし」、カテゴリ2は「良性所見あり」、カテゴリ3は「良性であるが、悪性を否定できない」、カテゴリ4は「悪性の疑い」、カテゴリ5は「悪性」である。
シェーマ画像入力欄56には、シェーマ画像が表示され、シェーマ画像上において病変の位置が記録される。
4A and 4B show examples of input screens for finding information and schema images displayed on the display unit 13.
The input screen 50 shown in FIG. 4A includes a finding input field 51, a shape input field 52, a margin input field 53, a density input field 54, a category input field 55, and a schema image input field 56.
In the finding input field 51, a doctor's findings regarding the medical image are input.
In the shape input field 52, the shape of an abnormal shadow (tumor) is input. Examples of the shape include a round shape, an oval shape, a polygonal shape, a lobular shape, and an irregular shape.
In the margin input field 53, margin information of an abnormal shadow (tumor) is input. The edge information includes, for example, well-defined smooth (circumscribed), microlobulated, spiculated, indistinct, and difficult to evaluate (obscured).
In the density input field 54, density information of an abnormal shadow (tumor) is input. Concentration information includes fat-containing, equal density, low density, high density, and the like.
In the category input field 55, the grade of malignancy of the lesion classified into five levels is input. Category 1 is “no abnormality”, category 2 is “benign findings”, category 3 is “benign but cannot be denied malignancy”, category 4 is “suspected malignant”, and category 5 is “malignant”.
A schema image is displayed in the schema image input field 56, and the position of a lesion is recorded on the schema image.
図4(b)に示す入力画面60は、所見入力欄61、形態入力欄62、分布入力欄63、カテゴリ入力欄64、シェーマ画像入力欄65を含む。
所見入力欄61には、医用画像に対する医師の所見が入力される。
形態入力欄62には、異常陰影(石灰化)の形態情報が入力される。形態情報として、微小円形(small round)、微細円形(punctate)、淡く不明瞭(amorphous or indistinct)、多形性あるいは不均一(pleomorphic or heterogeneous)、微細線状・微細分枝状(linear or fine linear)等がある。
分布入力欄63には、異常陰影(石灰化)の分布情報が入力される。分布情報として、びまん性/散在性(diffuse/scattered)、領域性(regional)、集簇性(grouped or clustered)、線状(linear)、区域性(segmental)等がある。
カテゴリ入力欄64には、5段階に分類された病変の悪性度が入力される。
シェーマ画像入力欄65には、シェーマ画像が表示され、シェーマ画像上において病変の位置が記録される。
The input screen 60 shown in FIG. 4B includes a finding input field 61, a form input field 62, a distribution input field 63, a category input field 64, and a schema image input field 65.
In the finding input field 61, a doctor's findings regarding the medical image are input.
In the form input column 62, form information of abnormal shadow (calcification) is input. Morphological information includes small round, punctate, amorphous or indistinct, polymorphism or heterogeneous, fine linear or fine branch (linear or fine) linear).
In the distribution input field 63, distribution information of abnormal shadow (calcification) is input. Distribution information includes diffuse / scattered, regional, grouped or clustered, linear, segmental, and the like.
In the category input field 64, the grade of malignancy of lesions classified into five levels is input.
The schema image is displayed in the schema image input field 65, and the position of the lesion is recorded on the schema image.
次に、ユーザの操作部12からの操作により、表示部13に表示されている各CADマークに対して、TPであるかFPであるかが選択される(ステップS7)。TPであるかFPであるかを示す情報(CADマークの真偽情報)は、制御部11により、医用画像と対応付けられて、ティーチングファイルDB155に登録される。 Next, the user's operation from the operation unit 12 selects whether the CAD mark displayed on the display unit 13 is TP or FP (step S7). Information indicating whether it is TP or FP (true / false information of the CAD mark) is registered in the teaching file DB 155 by the control unit 11 in association with the medical image.
例えば、図5に示すように、医用画像70上にCADマーク71,72が表示された状態で、CADマーク71と対応付けられた位置にTP/FP選択欄73が表示され、CADマーク72と対応付けられた位置にTP/FP選択欄74が表示される。TP/FP選択欄73では「TP」が選択されており、TP/FP選択欄74では「FP」が選択されている。 For example, as shown in FIG. 5, with the CAD marks 71 and 72 displayed on the medical image 70, a TP / FP selection field 73 is displayed at a position associated with the CAD mark 71, and the CAD mark 72 and A TP / FP selection column 74 is displayed at the associated position. In the TP / FP selection field 73, “TP” is selected, and in the TP / FP selection field 74, “FP” is selected.
次に、ユーザは、CAD結果にFN(見落とし)があるか否かを判断する(ステップS8)。CAD結果にFNがある場合には(ステップS8;YES)、ユーザの操作部12からの操作により、表示部13に表示されている医用画像上のFNの位置にマークが付加される(ステップS9)。FNの位置情報は、制御部11により、医用画像と対応付けられて、ティーチングファイルDB155に登録される。
例えば、図6に示すように、医用画像80上にFNマーク81が付加される。
Next, the user determines whether or not the CAD result includes FN (missing) (step S8). When the CAD result includes FN (step S8; YES), a mark is added to the position of FN on the medical image displayed on the display unit 13 by the user's operation from the operation unit 12 (step S9). ). The position information of the FN is registered in the teaching file DB 155 by the control unit 11 in association with the medical image.
For example, as shown in FIG. 6, an FN mark 81 is added on the medical image 80.
ステップS8において、CAD結果にFNがない場合(ステップS8;NO)、又は、ステップS9の後、ユーザの操作部12からの操作により、各CADマークに関するコメントが入力される(ステップS10)。入力されたCADマークに関するコメントは、制御部11により、医用画像と対応付けられて、ティーチングファイルDB155に登録される。 In step S8, when there is no FN in the CAD result (step S8; NO), or after step S9, a comment regarding each CAD mark is input by an operation from the operation unit 12 of the user (step S10). The input comment regarding the CAD mark is registered in the teaching file DB 155 by the control unit 11 in association with the medical image.
図7(a)及び(b)に、CADマーク(FP)に関するコメントの例を示す。
図7(a)に示す例では、医用画像90上のCADマーク91に対して、コメント欄92に、「MLOのU領域の乳腺が散在してみられる部分を“構築の乱れ”と誤認識して検出している」と入力されている。
FIGS. 7A and 7B show examples of comments regarding the CAD mark (FP).
In the example shown in FIG. 7A, the CAD column 91 on the medical image 90 is misrecognized in the comment field 92 as “a part of the MLO U region where the mammary glands are scattered” as “construction disorder”. Is detected ".
図7(b)に示す例では、医用画像93上のCADマーク94に対して、コメント欄95に、「局所的に濃度上昇がみられ、さらに左右差も認められるため“腫瘤”として誤検出されている」と入力されている。 In the example shown in FIG. 7B, the CAD column 94 on the medical image 93 is erroneously detected as a “tumor” because “a density increase is observed locally and a left-right difference is also observed in the comment field 95. Is entered ".
次に、制御部11により、操作部12において、感度を変更する旨の操作が行われたか否かが判断される(ステップS11)。感度を変更する旨の操作が行われた場合には(ステップS11;YES)、ステップS2に戻り、異なる感度について、同様の処理が繰り返される。 Next, the control unit 11 determines whether or not the operation unit 12 has performed an operation for changing the sensitivity (step S11). When an operation for changing the sensitivity is performed (step S11; YES), the process returns to step S2, and the same processing is repeated for different sensitivities.
ステップS11において、感度を変更する旨の操作が行われなかった場合には(ステップS11;NO)、ユーザの操作部12からの操作により、登録完了ボタンが押下され(ステップS12)、ティーチングファイル作成処理が終了する。 If the operation for changing the sensitivity is not performed in step S11 (step S11; NO), the registration completion button is pressed by the operation from the operation unit 12 by the user (step S12), and the teaching file is created. Processing ends.
図8は、医用画像処理装置10において実行されるCAD訓練処理を示すフローチャートである。この処理は、ユーザがCAD機能を習得する際に行われる処理であり、制御部11のCPUと、記憶部15に記憶されているCAD訓練処理プログラム152との協働によるソフトウェア処理によって実現される。 FIG. 8 is a flowchart showing CAD training processing executed in the medical image processing apparatus 10. This process is a process performed when the user learns the CAD function, and is realized by a software process in cooperation with the CPU of the control unit 11 and the CAD training process program 152 stored in the storage unit 15. .
まず、ユーザの操作部12からの操作により、サンプル画像DB154に保存されているサンプル画像の中から、CAD処理の対象となるサンプル画像が選択される(ステップS21)。 First, a sample image to be subjected to CAD processing is selected from sample images stored in the sample image DB 154 by an operation from the operation unit 12 by the user (step S21).
次に、制御部11により、サンプル画像DB154から、選択されたサンプル画像が読み出され、当該読み出されたサンプル画像が表示部13に表示される(ステップS22)。 Next, the selected sample image is read from the sample image DB 154 by the control unit 11, and the read sample image is displayed on the display unit 13 (step S22).
次に、ユーザの操作部12からの操作により、CADの感度が設定される(ステップS23)。具体的には、CADの感度として、高感度・中感度・低感度の中からいずれかの感度が選択される。 Next, the CAD sensitivity is set by the user's operation from the operation unit 12 (step S23). Specifically, as the sensitivity of CAD, one of high sensitivity, medium sensitivity, and low sensitivity is selected.
図9(a)に、感度設定画面110の例を示す。感度設定画面110では、高感度・中感度・低感度の中からいずれかの感度が選択される。図9(b)に、高感度が選択された場合の異常陰影候補の検出結果の例を示す。サンプル画像111上には、CADマーク112,113,114が付加されている。図9(c)に、低感度が選択された場合の異常陰影候補の検出結果の例を示す。サンプル画像115上には、CADマーク116が付加されている。 FIG. 9A shows an example of the sensitivity setting screen 110. On the sensitivity setting screen 110, one of high sensitivity, medium sensitivity, and low sensitivity is selected. FIG. 9B shows an example of the detection result of the abnormal shadow candidate when high sensitivity is selected. CAD marks 112, 113, and 114 are added on the sample image 111. FIG. 9C shows an example of detection results of abnormal shadow candidates when low sensitivity is selected. A CAD mark 116 is added on the sample image 115.
次に、制御部11により、設定された感度について、選択されたサンプル画像に対応する異常陰影候補の位置情報、CADマークの真偽情報、CADマークに関するコメントがサンプル画像DB154から読み出される。そして、制御部11により、読み出された異常陰影候補の位置情報に基づいて、サンプル画像上の異常陰影候補の位置にCADマークが付加されて表示される(ステップS24)。 Next, for the set sensitivity, the position information of the abnormal shadow candidate corresponding to the selected sample image, the authenticity information of the CAD mark, and the comment regarding the CAD mark are read from the sample image DB 154 for the set sensitivity. Then, based on the read position information of the abnormal shadow candidate, the control unit 11 adds and displays a CAD mark at the position of the abnormal shadow candidate on the sample image (step S24).
図10に、サンプル画像120上にCADマーク121が表示された例を示す。図10は、乳房MLO画像のU領域(乳房の上部)の乳腺を、線構造の集中、つまり乳癌を疑う所見である「構築の乱れ」と誤検出した例(FP)である。 FIG. 10 shows an example in which a CAD mark 121 is displayed on the sample image 120. FIG. 10 is an example (FP) in which the mammary gland in the U region (upper part of the breast) of the breast MLO image is erroneously detected as “construction disorder”, which is a finding of suspicion of breast cancer.
次に、制御部11により、操作部12において、CADマークの真偽を表示する旨の操作が行われたか否かが判断される(ステップS25)。CADマークの真偽を表示する旨の操作が行われた場合には(ステップS25;YES)、制御部11により、サンプル画像DB154から読み出されたCADマークの真偽情報に基づいて、表示部13に表示されている各CADマークに対してTPであるかFPであるかが表示される(ステップS26)。さらに、各CADマークに対応させて、CADマークに関するコメントが表示されることとしてもよい。 Next, the control unit 11 determines whether or not the operation unit 12 has performed an operation for displaying the authenticity of the CAD mark (step S25). When an operation for displaying the authenticity of the CAD mark is performed (step S25; YES), the control unit 11 performs display based on the authenticity information of the CAD mark read from the sample image DB 154. Whether each of the CAD marks displayed at 13 is TP or FP is displayed (step S26). Further, a comment regarding the CAD mark may be displayed in correspondence with each CAD mark.
ステップS25において、CADマークの真偽を表示する旨の操作が行われなかった場合(ステップS25;NO)、又は、ステップS26の後、制御部11により、操作部12において、類似症例を検索する旨の操作が行われたか否かが判断される(ステップS27)。類似症例を検索する旨の操作が行われた場合には(ステップS27;YES)、制御部11により、類似症例検索処理が行われる(ステップS28)。 In step S25, when an operation for displaying the authenticity of the CAD mark is not performed (step S25; NO), or after step S26, the control unit 11 searches the operation unit 12 for a similar case. It is determined whether or not an operation to that effect has been performed (step S27). When an operation for searching for a similar case is performed (step S27; YES), the control unit 11 performs a similar case search process (step S28).
ここで、図11を参照して、類似症例検索処理について説明する。
まず、制御部11により、選択されたサンプル画像から各画像特徴量が算出される(ステップS41)。具体的には、制御部11により、サンプル画像が解析され、濃度ヒストグラムから求められる画素値の平均や分散、濃淡勾配、線構造の集中度等が算出される。
Here, the similar case search process will be described with reference to FIG.
First, the control unit 11 calculates each image feature amount from the selected sample image (step S41). Specifically, the control unit 11 analyzes the sample image, and calculates an average or variance of pixel values obtained from the density histogram, a light / dark gradient, a degree of concentration of the line structure, and the like.
次に、制御部11により、選択されたサンプル画像に対応する異常陰影候補の位置情報、CADマークの真偽情報、CADマークに関するコメントと一致する医用画像がティーチングファイルDB155から抽出される(ステップS42)。例えば、異常陰影候補の位置情報については、サンプル画像とティーチングファイルDB155内の医用画像との間で、両画像の異常陰影候補が存在する領域(乳房画像の場合、MLOのU/M/L領域、CCのO/I領域等)同士が一致するか否かが判断される。また、CADマークの真偽情報については、サンプル画像とティーチングファイルDB155内の医用画像とから検出された異常陰影候補に対して、TPであるかFPであるかが一致するか否かが判断される。また、CADマークに関するコメントについては、コメントに含まれるキーワードが一致するか否かが判断される。 Next, the control unit 11 extracts from the teaching file DB 155 the position information of the abnormal shadow candidate corresponding to the selected sample image, the authenticity information of the CAD mark, and the medical image that matches the comment related to the CAD mark (step S42). ). For example, regarding the position information of the abnormal shadow candidate, the region where the abnormal shadow candidate of both images exists between the sample image and the medical image in the teaching file DB 155 (in the case of a breast image, the U / M / L region of the MLO) , CC O / I regions, etc.) are determined to match. Further, regarding the authenticity information of the CAD mark, it is determined whether or not the abnormal shadow candidate detected from the sample image and the medical image in the teaching file DB 155 is TP or FP. The In addition, regarding the comment regarding the CAD mark, it is determined whether or not the keywords included in the comment match.
次に、制御部11により、ステップS42で抽出された医用画像のみが対象とされ、ステップS41で算出されたサンプル画像の画像特徴量と、抽出された医用画像の画像特徴量とに基づいて、類似度が高い方から順に予め定められた数(一又は複数)の医用画像が抽出される(ステップS43)。すなわち、ステップS42で抽出された医用画像の中から、サンプル画像と類似度が高い医用画像が絞り込まれる。 Next, only the medical image extracted in step S42 is targeted by the control unit 11, and based on the image feature amount of the sample image calculated in step S41 and the image feature amount of the extracted medical image, A predetermined number (one or more) of medical images are extracted in order from the highest similarity (step S43). That is, medical images having high similarity to the sample image are narrowed down from the medical images extracted in step S42.
ここで、cos尺度を利用した二つの画像間の類似度の算出方法について説明する。
サンプル画像の画像特徴量a1〜anを、a1=濃度ヒストグラムの平均、a2=濃度ヒストグラムの分散、a3=濃淡勾配、a4=線構造の集中度、・・・、an=・・・と割り当て、特徴ベクトルAとする。
A=(a1,a2,a3,a4,・・・,an)
Here, a method for calculating the similarity between two images using the cos scale will be described.
Assign image feature values a1 to an of the sample image as a1 = average of density histogram, a2 = distribution of density histogram, a3 = gradient gradient, a4 = concentration of line structure,. A feature vector A is assumed.
A = (a1, a2, a3, a4, ..., an)
また、医用画像の画像特徴量b1〜bnを、b1=濃度ヒストグラムの平均、b2=濃度ヒストグラムの分散、b3=濃淡勾配、b4=線構造の集中度、・・・、bn=・・・と割り当て、特徴ベクトルBとする。
B=(b1,b2,b3,b4,・・・,bn)
Further, the image feature amounts b1 to bn of the medical image are expressed as b1 = average of density histogram, b2 = distribution of density histogram, b3 = density gradient, b4 = concentration degree of line structure,. Assign and feature vector B.
B = (b1, b2, b3, b4, ..., bn)
式(1)に従って、特徴ベクトルA及びBに基づいて、cosθ(最大値1)を算出し、算出されたcosθの値が大きい順に両画像間の類似度が高いものとする。 Cos θ (maximum value 1) is calculated based on the feature vectors A and B according to the equation (1), and the similarity between the two images is assumed to be higher in descending order of the calculated cos θ value.
図8に戻り、制御部11により、類似症例として抽出された医用画像及び当該医用画像に対応する異常陰影候補の位置情報がティーチングファイルDB155から読み出され、類似症例として抽出された医用画像が表示部13に表示されるとともに、医用画像上の異常陰影候補の位置にCADマークが付加されて表示される(ステップS29)。さらに、類似症例に関するその他の情報(CADマークに関するコメント、シェーマ画像、所見情報、FNの位置情報)が表示されることとしてもよい。 Returning to FIG. 8, the control unit 11 reads the medical image extracted as a similar case and the position information of the abnormal shadow candidate corresponding to the medical image from the teaching file DB 155, and displays the medical image extracted as the similar case. The CAD mark is added to the position of the abnormal shadow candidate on the medical image and displayed (step S29). Further, other information related to similar cases (comments regarding CAD marks, schema images, findings information, and FN position information) may be displayed.
図12(a)及び(b)に、類似症例として抽出された医用画像の例を示す。具体的には、乳房MLO画像のU領域に検出された異常陰影候補がFPであるものの例である。図12(a)に示す医用画像130上にCADマーク131,132が表示され、図12(b)に示す医用画像133上にCADマーク134,135が表示されている。 12A and 12B show examples of medical images extracted as similar cases. Specifically, this is an example in which the abnormal shadow candidate detected in the U region of the breast MLO image is FP. CAD marks 131 and 132 are displayed on the medical image 130 shown in FIG. 12A, and CAD marks 134 and 135 are displayed on the medical image 133 shown in FIG.
ステップS27において、類似症例を検索する旨の操作が行われなかった場合(ステップS27;NO)、又は、ステップS29の後、制御部11により、操作部12において、感度を変更する旨の操作が行われたか否かが判断される(ステップS30)。感度を変更する旨の操作が行われた場合には(ステップS30;YES)、ステップS23に戻り、異なる感度について、同様の処理が繰り返される。 In step S27, when an operation for searching for similar cases is not performed (step S27; NO), or after step S29, the control unit 11 performs an operation for changing the sensitivity in the operation unit 12. It is determined whether or not it has been performed (step S30). When an operation for changing the sensitivity is performed (step S30; YES), the process returns to step S23, and the same processing is repeated for different sensitivities.
ステップS30において、感度を変更する旨の操作が行われなかった場合には(ステップS30;NO)、制御部11により、操作部12において、CAD訓練処理を終了する旨の操作が行われたか否かが判断される(ステップS31)。CAD訓練処理を終了する旨の操作が行われなかった場合には(ステップS31;NO)、ステップS21に戻り、他のCAD処理対象のサンプル画像について、同様の処理が繰り返される。 In step S30, when an operation for changing the sensitivity is not performed (step S30; NO), whether or not an operation for ending the CAD training process has been performed by the control unit 11 in the operation unit 12. Is determined (step S31). When the operation to end the CAD training process is not performed (step S31; NO), the process returns to step S21, and the same process is repeated for the other sample images to be CAD processed.
ステップS31において、CAD訓練処理を終了する旨の操作が行われた場合には(ステップS31;YES)、CAD訓練処理が終了する。 In step S31, when an operation to end the CAD training process is performed (step S31; YES), the CAD training process ends.
図13は、医用画像処理装置10において実行される理解度確認テスト実行処理を示すフローチャートである。この処理は、CAD訓練処理の成果を確認する際に行われる処理であり、制御部11のCPUと、記憶部15に記憶されている理解度確認テスト実行処理プログラム153との協働によるソフトウェア処理によって実現される。 FIG. 13 is a flowchart showing an understanding level confirmation test execution process executed in the medical image processing apparatus 10. This process is a process performed when confirming the result of the CAD training process, and is a software process in cooperation with the CPU of the control unit 11 and the understanding level confirmation test execution processing program 153 stored in the storage unit 15. It is realized by.
テストが開始されると(ステップS51)、制御部11により、テスト用画像DB156からいずれか一のテスト用画像及び当該テスト用画像に対応する異常陰影候補の位置情報、CADマークの真偽情報、シェーマ画像、所見情報が読み出される。そして、テスト対象として設定された、読み出されたテスト用画像が表示部13に表示される(ステップS52)。ここで、ユーザ(テストの受験者)は、テスト用画像の通常読影を行う。 When the test is started (step S51), the control unit 11 causes the test image DB 156 to store any one of the test images and the position information of the abnormal shadow candidate corresponding to the test image, the authenticity information of the CAD mark, A schema image and finding information are read out. Then, the read test image set as the test target is displayed on the display unit 13 (step S52). Here, the user (test taker) performs normal interpretation of the test image.
次に、制御部11により、テスト用画像に対応する異常陰影候補の位置情報に基づいて、テスト用画像上の異常陰影候補の位置にCADマークが付加されて表示される(ステップS53)。次に、ユーザの操作部12からの操作により、表示部13に表示されている各CADマークに対して、TPであるかFPであるかが選択される(ステップS54)。具体的には、制御部11により、各CADマークに対応付けられた位置にTP又はFPを選択するためのTP/FP選択欄が表示され、操作部12からの操作により、TP又はFPが選択される。 Next, based on the position information of the abnormal shadow candidate corresponding to the test image, the control unit 11 adds and displays a CAD mark at the position of the abnormal shadow candidate on the test image (step S53). Next, the user's operation from the operation unit 12 selects whether the CAD mark displayed on the display unit 13 is TP or FP (step S54). Specifically, the control unit 11 displays a TP / FP selection field for selecting a TP or FP at a position associated with each CAD mark, and the TP or FP is selected by an operation from the operation unit 12. Is done.
次に、ユーザの操作部12からの操作により、所見レポートが入力される(ステップS55)。具体的には、所見レポートとして、病変の位置(シェーマ画像等)や所見情報が入力される。 Next, a finding report is input by an operation from the operation unit 12 by the user (step S55). Specifically, a lesion position (such as a schema image) and finding information are input as a finding report.
次に、制御部11により、テスト用画像に対応するCADマークの真偽情報に基づいて、ステップS54におけるTPであるかFPであるかの選択が正解であるか否かが判断される(ステップS56)。具体的には、制御部11により、ステップS54で選択された、各CADマークについてのTPであるかFPであるかを示す情報と、テスト用画像に対応する各CADマークの真偽情報とが比較され、両者が一致するか否かが判断される。 Next, based on the authenticity information of the CAD mark corresponding to the test image, the control unit 11 determines whether the selection of TP or FP in step S54 is correct (step S54). S56). Specifically, the information indicating whether the CAD mark is TP or FP for each CAD mark and the authenticity information of each CAD mark corresponding to the test image selected by the control unit 11 in step S54. A comparison is made to determine whether or not they match.
TPであるかFPであるかの選択が正解である場合には(ステップS56;YES)、制御部11により、テスト用画像に対応するシェーマ画像及び所見情報に基づいて、所見レポートが正解であるか否かが判断される(ステップS57)。具体的には、制御部11により、ステップS55で所見レポートとして入力された病変の位置と、テスト用画像に対応するシェーマ画像とが比較され、病変の位置が一致するか否かが判断される。また、制御部11により、所見レポートとして入力された所見情報と、テスト用画像に対応する所見情報とが比較され、キーワードが一致するか否かが判断される。 When the selection of TP or FP is correct (step S56; YES), the finding report is correct based on the schema image and the finding information corresponding to the test image by the control unit 11. Is determined (step S57). Specifically, the control unit 11 compares the lesion position input as the finding report in step S55 with the schema image corresponding to the test image to determine whether the lesion position matches. . In addition, the control unit 11 compares the finding information input as the finding report with the finding information corresponding to the test image, and determines whether or not the keywords match.
所見レポートが正解である場合には(ステップS57;YES)、制御部11により、正解数がカウントアップされる(ステップS58)。 When the finding report is correct (step S57; YES), the controller 11 counts up the number of correct answers (step S58).
ここで、制御部11により、規定の数の問題が終了したか否かが判断される(ステップS59)。規定の数の問題が終了していない場合(ステップS59;NO)、ステップS56において、TPであるかFPであるかの選択が正解でなかった場合(ステップS56;NO)、又は、ステップS57において、所見レポートが正解でなかった場合には(ステップS57;NO)、ステップS52に戻り、ステップS52〜ステップS59の処理が繰り返される。 Here, the control unit 11 determines whether or not a predetermined number of problems have been completed (step S59). If the prescribed number of problems has not ended (step S59; NO), if the selection of TP or FP is not correct in step S56 (step S56; NO), or in step S57 If the finding report is not correct (step S57; NO), the process returns to step S52, and the processes of steps S52 to S59 are repeated.
ステップS59において、規定の数の問題が終了した場合には(ステップS59;YES)、制御部11により、正解率が合格基準に達しているか否かが判断される(ステップS60)。正解率が合格基準に達していない場合には(ステップS60;NO)、ステップS51に戻り、ステップS51〜ステップS60の処理が繰り返される。 In step S59, when the prescribed number of problems is finished (step S59; YES), the control unit 11 determines whether or not the correct answer rate has reached the acceptance criterion (step S60). When the correct answer rate does not reach the acceptance standard (step S60; NO), the process returns to step S51, and the processes of steps S51 to S60 are repeated.
ステップS60において、正解率が合格基準に達している場合には(ステップS60;YES)、読影システムへのログインが可能となり(ステップS61)、理解度確認テスト実行処理が終了する。 In step S60, when the accuracy rate has reached the acceptance standard (step S60; YES), it is possible to log in to the interpretation system (step S61), and the understanding level confirmation test execution process ends.
以上説明したように、本実施の形態における医用画像処理装置10によれば、CAD訓練処理(図8参照)において、サンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像(類似症例)を抽出するので、異常陰影候補の検出機能の理解向上を図ることができる。ユーザは、サンプル画像や類似症例を読影することにより、CADの機能を容易に習得することができる。 As described above, according to the medical image processing apparatus 10 in the present embodiment, in the CAD training process (see FIG. 8), one or a plurality of medical images (similar to the sample image and the abnormal shadow candidate detection result) are similar. Case) is extracted, it is possible to improve the understanding of the abnormal shadow candidate detection function. The user can easily learn the CAD function by interpreting sample images and similar cases.
また、異常陰影候補の位置情報及びサンプル画像の画像特徴量に基づいて、サンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出することができる。 Further, based on the positional information of the abnormal shadow candidate and the image feature amount of the sample image, one or a plurality of medical images having similar detection results of the sample image and the abnormal shadow candidate can be extracted.
また、真陽性であるか偽陽性であるかを区別して、サンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出することができる。これにより、ユーザは、CADにより検出される真陽性・偽陽性の傾向を把握することができる。 Further, by distinguishing between true positive and false positive, it is possible to extract one or a plurality of medical images having similar detection results of the sample image and the abnormal shadow candidate. Thereby, the user can grasp the tendency of true positive / false positive detected by CAD.
また、ティーチングファイル作成処理(図3参照)により、医用画像サーバ30に保存されている医用画像をティーチングファイルDB155に追加することができるので、各施設に適した情報を追加することができる。 In addition, since a medical image stored in the medical image server 30 can be added to the teaching file DB 155 by teaching file creation processing (see FIG. 3), information suitable for each facility can be added.
また、各感度におけるCAD機能の訓練を行うことにより、ユーザは、CADの感度設定の違いを体感することができ、あらゆる感度におけるCAD機能に対応できるようにしておくことができる。 Further, by performing training of the CAD function at each sensitivity, the user can experience the difference in the CAD sensitivity setting and can cope with the CAD function at all sensitivities.
また、CAD訓練処理(図8参照)及び理解度確認テスト実行処理(図13参照)を、CAD処理装置20の初回導入時やCAD処理ソフトウェアのバージョンアップ時以外にも、定期的に行うことにより、ユーザの読影精度を維持することができる。 In addition, the CAD training process (see FIG. 8) and the comprehension level confirmation test execution process (see FIG. 13) are performed periodically other than when the CAD processing apparatus 20 is first introduced or when the CAD processing software is upgraded. Thus, the interpretation accuracy of the user can be maintained.
なお、上記実施の形態における記述は、本発明に係る医用画像処理装置の例であり、これに限定されるものではない。装置を構成する各部の細部構成及び細部動作に関しても本発明の趣旨を逸脱することのない範囲で適宜変更可能である。 The description in the above embodiment is an example of the medical image processing apparatus according to the present invention, and the present invention is not limited to this. The detailed configuration and detailed operation of each part constituting the apparatus can be changed as appropriate without departing from the spirit of the present invention.
例えば、サンプル画像に対して複数の異常陰影候補が検出され、サンプル画像上に複数のCADマークが付加されている場合には、存在する全てのCADマークのそれぞれに類似する症例が検索されることとしてもよいが、ユーザがCADマークの一部をマウスでクリックする等していずれか一のCADマークを指定することにより、CADマーク毎に類似症例を検索可能としてもよい。 For example, when a plurality of abnormal shadow candidates are detected for a sample image and a plurality of CAD marks are added to the sample image, cases similar to each of all existing CAD marks are searched. However, the user may be able to search for similar cases for each CAD mark by designating any one CAD mark by, for example, clicking a part of the CAD mark with a mouse.
以上の説明では、各処理を実行するためのプログラムを格納したコンピュータ読み取り可能な媒体としてハードディスクや不揮発メモリを使用した例を開示したが、この例に限定されない。その他のコンピュータ読み取り可能な媒体として、CD−ROM等の可搬型記録媒体を適用することも可能である。また、プログラムのデータを通信回線を介して提供する媒体として、キャリアウェーブ(搬送波)を適用することとしてもよい。 In the above description, an example in which a hard disk or a non-volatile memory is used as a computer-readable medium storing a program for executing each process is disclosed, but the present invention is not limited to this example. As another computer-readable medium, a portable recording medium such as a CD-ROM can be applied. A carrier wave may be applied as a medium for providing program data via a communication line.
10 医用画像処理装置
11 制御部
12 操作部
13 表示部
14 通信部
15 記憶部
16 バス
20 CAD処理装置
30 医用画像サーバ
40 電子カルテシステム
100 医用情報システム
151 ティーチングファイル作成処理プログラム
152 CAD訓練処理プログラム
153 理解度確認テスト実行処理プログラム
154 サンプル画像DB
155 ティーチングファイルDB
156 テスト用画像DB
N ネットワーク
DESCRIPTION OF SYMBOLS 10 Medical image processing apparatus 11 Control part 12 Operation part 13 Display part 14 Communication part 15 Storage part 16 Bus | bath 20 CAD processing apparatus 30 Medical image server 40 Electronic medical record system 100 Medical information system 151 Teaching file creation process program 152 CAD training process program 153 Comprehension confirmation test execution processing program 154 Sample image DB
155 Teaching file DB
156 Test DB
N network
Claims (7)
複数の医用画像のそれぞれと当該各医用画像から検出された異常陰影候補の位置情報とが対応付けられて記憶されている第2記憶手段と、
前記第1記憶手段に記憶されているサンプル画像のうちいずれか一つを選択するための操作手段と、
前記選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補の位置情報を前記第1記憶手段から読み出し、当該選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補を示すマークを表示手段に表示させ、前記第2記憶手段に記憶されている複数の医用画像の中から、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出し、当該抽出された一又は複数の医用画像及び当該医用画像に対応する異常陰影候補を示すマークを前記表示手段に表示させる制御手段と、
を備える医用画像処理装置。 First storage means for storing a sample image prepared for each target of the abnormal shadow candidate detection function and positional information of the abnormal shadow candidate detected from the sample image in association with each other;
Second storage means for storing each of a plurality of medical images and positional information of abnormal shadow candidates detected from the respective medical images in association with each other;
Operating means for selecting any one of the sample images stored in the first storage means;
The selected sample image and the position information of the abnormal shadow candidate corresponding to the sample image are read from the first storage means, and the selected sample image and the mark indicating the abnormal shadow candidate corresponding to the sample image are displayed. One or a plurality of medical images that are similar to the selected sample image and the detection result of the abnormal shadow candidate are extracted from the plurality of medical images that are displayed on the second storage unit and extracted. Control means for causing the display means to display a mark indicating one or a plurality of medical images and an abnormal shadow candidate corresponding to the medical image;
A medical image processing apparatus comprising:
請求項1に記載の医用画像処理装置。 The control means, based on the position information of the abnormal shadow candidate corresponding to the selected sample image and the image feature amount of the sample image, from among a plurality of medical images stored in the second storage means, Extracting one or a plurality of medical images having similar detection results of the selected sample image and abnormal shadow candidates;
The medical image processing apparatus according to claim 1.
前記第2記憶手段には、さらに、前記各医用画像から検出された異常陰影候補のそれぞれが真陽性であるか偽陽性であるかを示す情報が記憶されており、
前記制御手段は、前記選択されたサンプル画像から検出された異常陰影候補が真陽性である場合には、前記第2記憶手段に記憶されている複数の医用画像のうち異常陰影候補が真陽性であるもののみを対象とし、前記選択されたサンプル画像から検出された異常陰影候補が偽陽性である場合には、前記第2記憶手段に記憶されている複数の医用画像のうち異常陰影候補が偽陽性であるもののみを対象として、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出する、
請求項1又は2に記載の医用画像処理装置。 The first storage means further stores information indicating whether each of the abnormal shadow candidates detected from the sample image is true positive or false positive,
The second storage means further stores information indicating whether each of the abnormal shadow candidates detected from each of the medical images is true positive or false positive,
When the abnormal shadow candidate detected from the selected sample image is true positive, the control means is true positive among the plurality of medical images stored in the second storage means. When only a certain object is targeted and the abnormal shadow candidate detected from the selected sample image is false positive, the abnormal shadow candidate is false among the plurality of medical images stored in the second storage means. Extracting one or a plurality of medical images that are similar to the selected sample image and the detection result of the abnormal shadow candidate, targeting only those that are positive,
The medical image processing apparatus according to claim 1 or 2.
請求項1から3のいずれか一項に記載の医用画像処理装置。 The control unit adds information in a facility where the medical image processing apparatus is installed as a plurality of medical images stored in the second storage unit.
The medical image processing apparatus according to any one of claims 1 to 3.
異常陰影候補の検出機能の対象毎に用意されたサンプル画像と当該サンプル画像から検出された異常陰影候補の位置情報とが対応付けられて記憶されている第1記憶手段、
複数の医用画像のそれぞれと当該各医用画像から検出された異常陰影候補の位置情報とが対応付けられて記憶されている第2記憶手段、
前記第1記憶手段に記憶されているサンプル画像のうちいずれか一つを選択するための操作手段、
前記選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補の位置情報を前記第1記憶手段から読み出し、当該選択されたサンプル画像及び当該サンプル画像に対応する異常陰影候補を示すマークを表示手段に表示させ、前記第2記憶手段に記憶されている複数の医用画像の中から、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出し、当該抽出された一又は複数の医用画像及び当該医用画像に対応する異常陰影候補を示すマークを前記表示手段に表示させる制御手段、
として機能させるためのプログラム。 Computer
First storage means for storing a sample image prepared for each target of the abnormal shadow candidate detection function and positional information of the abnormal shadow candidate detected from the sample image in association with each other;
Second storage means for storing each of a plurality of medical images and positional information of abnormal shadow candidates detected from the respective medical images in association with each other;
Operating means for selecting any one of the sample images stored in the first storage means;
The selected sample image and the position information of the abnormal shadow candidate corresponding to the sample image are read from the first storage means, and the selected sample image and the mark indicating the abnormal shadow candidate corresponding to the sample image are displayed. One or a plurality of medical images that are similar to the selected sample image and the detection result of the abnormal shadow candidate are extracted from the plurality of medical images that are displayed on the second storage unit and extracted. Control means for causing the display means to display a mark indicating one or a plurality of medical images and abnormal shadow candidates corresponding to the medical images,
Program to function as.
請求項5に記載のプログラム。 The control means, based on the position information of the abnormal shadow candidate corresponding to the selected sample image and the image feature amount of the sample image, from among a plurality of medical images stored in the second storage means, One or a plurality of medical images having similar detection results of the selected sample image and abnormal shadow candidates are extracted;
The program according to claim 5.
前記第2記憶手段には、さらに、前記各医用画像から検出された異常陰影候補のそれぞれが真陽性であるか偽陽性であるかを示す情報が記憶されており、
前記制御手段は、前記選択されたサンプル画像から検出された異常陰影候補が真陽性である場合には、前記第2記憶手段に記憶されている複数の医用画像のうち異常陰影候補が真陽性であるもののみを対象とし、前記選択されたサンプル画像から検出された異常陰影候補が偽陽性である場合には、前記第2記憶手段に記憶されている複数の医用画像のうち異常陰影候補が偽陽性であるもののみを対象として、前記選択されたサンプル画像と異常陰影候補の検出結果が類似する一又は複数の医用画像を抽出するものである、
請求項5又は6に記載のプログラム。 The first storage means further stores information indicating whether each of the abnormal shadow candidates detected from the sample image is true positive or false positive,
The second storage means further stores information indicating whether each of the abnormal shadow candidates detected from each of the medical images is true positive or false positive,
When the abnormal shadow candidate detected from the selected sample image is true positive, the control means is true positive among the plurality of medical images stored in the second storage means. When only a certain object is targeted and the abnormal shadow candidate detected from the selected sample image is false positive, the abnormal shadow candidate is false among the plurality of medical images stored in the second storage means. For only positive ones, one or more medical images with similar detection results of the selected sample image and abnormal shadow candidates are extracted.
The program according to claim 5 or 6.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010152569A JP2012011109A (en) | 2010-07-05 | 2010-07-05 | Medical image processor and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2010152569A JP2012011109A (en) | 2010-07-05 | 2010-07-05 | Medical image processor and program |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2012011109A true JP2012011109A (en) | 2012-01-19 |
Family
ID=45598251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010152569A Pending JP2012011109A (en) | 2010-07-05 | 2010-07-05 | Medical image processor and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2012011109A (en) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015015699A1 (en) * | 2013-08-01 | 2015-02-05 | パナソニック株式会社 | Similar medical case search device, medical case database, similar medical case search method, and program |
JP2019146935A (en) * | 2018-02-28 | 2019-09-05 | 富士フイルム株式会社 | Learning data creation support apparatus, learning data creation support method, and learning data creation support program |
JP2019202229A (en) * | 2019-09-06 | 2019-11-28 | キヤノン株式会社 | Image processing device, image processing method, and program |
CN116452591A (en) * | 2023-06-16 | 2023-07-18 | 天津市肿瘤医院(天津医科大学肿瘤医院) | Biliary tract radiography image position marking method based on ultrasonic guidance |
WO2024121886A1 (en) * | 2022-12-05 | 2024-06-13 | 日本電気株式会社 | Endoscopic examination assistance device, endoscopic examination assistance method, and recording medium |
-
2010
- 2010-07-05 JP JP2010152569A patent/JP2012011109A/en active Pending
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015015699A1 (en) * | 2013-08-01 | 2015-02-05 | パナソニック株式会社 | Similar medical case search device, medical case database, similar medical case search method, and program |
JP5896084B2 (en) * | 2013-08-01 | 2016-03-30 | パナソニック株式会社 | Similar case search device, control method of similar case search device, and program |
JPWO2015015699A1 (en) * | 2013-08-01 | 2017-03-02 | パナソニック株式会社 | Similar case search device, control method of similar case search device, and program |
JP2019146935A (en) * | 2018-02-28 | 2019-09-05 | 富士フイルム株式会社 | Learning data creation support apparatus, learning data creation support method, and learning data creation support program |
JP2019202229A (en) * | 2019-09-06 | 2019-11-28 | キヤノン株式会社 | Image processing device, image processing method, and program |
WO2024121886A1 (en) * | 2022-12-05 | 2024-06-13 | 日本電気株式会社 | Endoscopic examination assistance device, endoscopic examination assistance method, and recording medium |
CN116452591A (en) * | 2023-06-16 | 2023-07-18 | 天津市肿瘤医院(天津医科大学肿瘤医院) | Biliary tract radiography image position marking method based on ultrasonic guidance |
CN116452591B (en) * | 2023-06-16 | 2023-08-15 | 天津市肿瘤医院(天津医科大学肿瘤医院) | Biliary tract radiography image position marking method based on ultrasonic guidance |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8442280B2 (en) | Method and system for intelligent qualitative and quantitative analysis of digital radiography softcopy reading | |
KR102043130B1 (en) | The method and apparatus for computer aided diagnosis | |
US9514416B2 (en) | Apparatus and method of diagnosing a lesion using image data and diagnostic models | |
CN101203170A (en) | System and method of computer-aided detection | |
JP2014029644A (en) | Similar case retrieval device and similar case retrieval method | |
JP2008520317A (en) | System and method for automatically detecting and segmenting tumor boundaries in medical image data | |
JP2013192624A (en) | Medical image diagnosis supporting apparatus, medical image diagnosis supporting method and computer program | |
JP6755192B2 (en) | How to operate the diagnostic support device and the diagnostic support device | |
JPWO2007000940A1 (en) | Abnormal shadow candidate detection method, abnormal shadow candidate detection device | |
JP7320280B2 (en) | Label collection device, label collection method and label collection program | |
US11062448B2 (en) | Machine learning data generation support apparatus, operation method of machine learning data generation support apparatus, and machine learning data generation support program | |
JP2010000133A (en) | Image display, image display method and program | |
JP2012011109A (en) | Medical image processor and program | |
Roychowdhury et al. | Random forests in the classification of diabetic retinopathy retinal images | |
US20220285011A1 (en) | Document creation support apparatus, document creation support method, and program | |
Gandomkar et al. | iCAP: an individualized model combining gaze parameters and image-based features to predict radiologists’ decisions while reading mammograms | |
Ullah et al. | Evolutionary model for brain cancer-grading and classification | |
CN111226287B (en) | Method, system, program product and medium for analyzing medical imaging data sets | |
Zhang | Computer-aided diagnosis for pneumoconiosis staging based on multi-scale feature mapping | |
Eckstein et al. | Evaluation of search strategies for microcalcifications and masses in 3D images | |
Zhang et al. | Using computer‐extracted image features for modeling of error‐making patterns in detection of mammographic masses among radiology residents | |
JP5556674B2 (en) | Medical image display apparatus and program | |
JP2010057727A (en) | Medical image reading system | |
Şekeroğlu et al. | A computer aided diagnosis system for lung cancer detection using support vector machine | |
US10839299B2 (en) | Non-leading computer aided detection of features of interest in imagery |