JP2013150679A - 画像診断支援装置、その処理方法及びプログラム - Google Patents

画像診断支援装置、その処理方法及びプログラム Download PDF

Info

Publication number
JP2013150679A
JP2013150679A JP2012012433A JP2012012433A JP2013150679A JP 2013150679 A JP2013150679 A JP 2013150679A JP 2012012433 A JP2012012433 A JP 2012012433A JP 2012012433 A JP2012012433 A JP 2012012433A JP 2013150679 A JP2013150679 A JP 2013150679A
Authority
JP
Japan
Prior art keywords
characteristic value
weight
image
inference
predetermined region
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2012012433A
Other languages
English (en)
Other versions
JP5952568B2 (ja
Inventor
Yoshio Iizuka
義夫 飯塚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Inc
Original Assignee
Canon Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Canon Inc filed Critical Canon Inc
Priority to JP2012012433A priority Critical patent/JP5952568B2/ja
Priority to US13/744,835 priority patent/US9277891B2/en
Publication of JP2013150679A publication Critical patent/JP2013150679A/ja
Application granted granted Critical
Publication of JP5952568B2 publication Critical patent/JP5952568B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7282—Event detection, e.g. detecting unique waveforms indicative of a medical condition
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0004—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by the type of physiological signal transmitted
    • A61B5/0013—Medical image data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7225—Details of analog processing, e.g. isolation amplifier, gain or sensitivity adjustment, filtering, baseline or drift compensation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30068—Mammography; Breast

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Signal Processing (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Power Engineering (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】
従来よりも信頼性の高い診断推論結果を得られるようにした技術を提供する。
【解決手段】
画像診断支援装置は、診断対象となる画像の所定の領域の画像特徴に基づいて第１の特性値を算出する第１の特性値算出手段と、ユーザから操作手段を介して入力された前記画像の前記所定の領域に関する所見情報に基づいて第２の特性値を取得する第２の特性値取得手段と、前記第１の特性値及び前記第２の特性値と、前記第１の特性値及び前記第２の特性値の対応関係とに基づいて、前記画像の前記所定の領域についての診断推論を行なう推論手段とを具備する。
【選択図】 図１

Description

本発明は、画像診断支援装置、その処理方法及びプログラムに関する。
コンピュータを用いたデータ処理技術の一つとして、既知の事象から抽出した知識に基づいて、未知の事象を推論する推論技術が知られている。近年、医療分野でも、推論装置を用いて病変部の診断を支援する研究が行なわれている。例えば、ある医用画像上の異常陰影が良性であるか悪性であるかを、その医用画像の特性値（画像特徴又は画像所見）を入力として推論する技術が研究されている。
特許文献１では、医用画像を分析して画像特徴を抽出し、その画像特徴に基づき初期診断を算出してユーザに提供するシステムが開示されている。このシステムにおいては、ユーザが画像特徴を変更すると、診断結果を動的に再算出する。これにより算出された画像特徴及び診断結果は、ユーザが確認及び適宜修正した後、診断報告書として生成される。
また、特許文献２では、データベースに蓄積された既知医療データに基づき、入力された未知医療データの目的変数値（例えば診断）の予測値と、その予測自体の信頼性尺度とを算出して出力する技術が開示されている。
特表２００８−５４１８８９号公報 特開２００６−１６３４６５号公報
上述した特許文献１の技術では、ユーザよりも先にシステムが画像特徴の算出や診断を行ない、その結果をユーザに提示する。そのため、最初にユーザが画像特徴や診断結果を入力し、後からシステムが算出した画像特徴や診断結果をユーザに提示するという使い方ができない。また、特許文献１の技術では、ユーザがある画像特徴を変更してしまうと、その画像特徴についてはシステムにより算出された画像特徴が使用されなくなってしまう。そのため、ユーザよりもシステムの方が信頼性の高い画像特徴を算出できる可能性があったとしても、それができないので、より信頼性の高い診断推論を行なうことができない。
また、上述した特許文献２では、診断の予測値とその予測自体の信頼性尺度とを算出することはできるが、たとえ信頼性が低いと分かった場合であっても、より信頼性の高い診断推論を行なうことはできない。
本発明は、上記課題に鑑みてなされたものであり、従来よりも信頼性の高い診断推論結果を得られるようにした技術を提供することを目的とする。
上記課題を解決するため、本発明の一態様による画像診断装置は、診断対象となる画像の所定の領域の画像特徴に基づいて第１の特性値を算出する第１の特性値算出手段と、ユーザから操作手段を介して入力された前記画像の前記所定の領域に関する所見情報に基づいて第２の特性値を取得する第２の特性値取得手段と、前記第１の特性値及び前記第２の特性値と、前記第１の特性値及び前記第２の特性値の対応関係とに基づいて、前記画像の前記所定の領域についての診断推論を行なう推論手段とを具備する。
本発明によれば、従来よりも信頼性の高い診断推論結果を得られる。
本発明の一実施の形態に係わる画像診断支援装置を含む画像診断支援システムの全体構成の一例を示す図。 画像診断支援装置１０の処理の流れの一例を示すフローチャート。 第１の特性値及び第２の特性値の具体例を示す表。 第１の特性値及び第２の特徴値２に対する第１の重み及び第２の重みの具体例を示す表。 重みＷ１ｉ及びＷ２ｉの第１の取得方法（統計的な手法）の処理の流れの一例を示すフローチャート。
以下、図面を参照して本発明の好適な実施形態について詳細に説明する。
図１は、本発明の一実施の形態に係わる画像診断支援装置を含む画像診断支援システムの全体構成の一例を示す図である。
画像診断支援システムは、画像診断支援装置１０と、データベース２２と配されており、これら装置は、通信手段（この場合、ＬＡＮ（Local Area Network）２２）を介して通信可能に接続されている。
データベース２２は、医用画像やそれに関連付けられた情報を管理する。画像診断支援装置１０は、当該データベース２２で管理された診断対象である医用画像（診断対象画像）やそれに関連付けられた情報をＬＡＮ２１を介して取得する。
ここで、画像診断支援装置１０は、その機能的な構成として、通信ＩＦ３１と、ＲＡＭ３２と、ＲＯＭ３３と、記憶部３４と、操作部３５と、表示部３６とを具備して構成される。
通信ＩＦ（Interface）３１は、例えば、ＬＡＮカード等で実現され、ＬＡＮ２１を介した外部装置（例えば、データベース２２）と画像診断支援装置１０との間の通信を司る。記憶部３４は、例えば、ＨＤＤ（Hard Disk Drive）等で実現され、各種情報を記憶する。
表示部３６は、例えば、ディスプレイ等で実現され、各種情報をユーザ（例えば、医師）に向けて表示する。操作部３５は、例えば、キーボードやマウス等で実現され、ユーザからの指示を装置内に入力する。
ＲＡＭ（Random Access Memory）３２は、揮発性のメモリ等で実現され、各種情報を一時的に記憶する。ＲＯＭ（Read Only Memory）３３は、不揮発性のメモリ等で実現され、各種プログラム等を記憶する。制御部３７は、例えば、ＣＰＵ（Central Processing Unit）等で実現され、画像診断支援装置１０における処理を統括制御する。
ここで、制御部３７には、その機能的な構成として、第１の特性値算出部１１と、第２の特性値取得部１２と、重み取得部１３と、第３の特性値算出部１４と、推論部１５と、表示処理部１６とが設けられる。これら構成は、例えば、ＣＰＵがＲＡＭ３２をワーク領域としてＲＯＭ３３等に記憶されたプログラムを読み込み実行することで実現される。なお、これら構成の一部又はその全てが専用の回路等で実現されても良い。
第１の特性値算出部１１は、診断対象画像の所定の領域（異常陰影領域）に画像処理を施し、それにより、特性値（第１の特性値）を算出する。第２の特性値取得部１２は、診断対象画像の異常陰影領域に対するユーザ（医師）の画像所見（所見情報）を特性値（第２の特性値）として取得する。この取得は、例えば、ユーザによる操作部３５を介した操作に基づいて行なわれる。
重み取得部１３は、第１の特性値に対する重み（第１の重み）と第２の特性値に対する重み（第２の重み）とを取得する。
第３の特性値算出部１４は、第１の特性値及び第２の特性値と、第１の重み及び第２の重みとを用いて新たな特性値（第３の特性値）を算出する。
推論部１５は、第３の特性値を用いて診断対象画像の異常陰影についての診断推論を行なう。表示処理部１６は、診断対象画像、第１の特性値及び第２の特性値、及び診断推論結果などの様々な情報をユーザに提示する。この提示は、例えば、表示部３６への画面の表示によって行なわれる。勿論、プリンタ等で印刷を行なうことにより上記提示が行なわれても良い。
次に、図２を用いて、図１に示す画像診断支援装置１０の処理の流れの一例について説明する。
ユーザが、操作部３５を介してデータベース２２上で管理された診断対象画像の取得を指示すると、この処理は開始する。この処理が開始すると、画像診断支援装置１０は、当該ユーザ指示に従って、データベース２２からＬＡＮ２１を介して診断対象画像を取得し、それをＲＡＭ３２に格納する（Ｓ１０１）。画像診断支援装置１０は、表示処理部１６において、当該診断対象画像を表示部３６上に表示する。なお、診断対象画像は、画像診断支援装置１０に接続された外部記憶装置から取得されても良い。
ここで、ユーザは、操作部３５を介して当該診断対象画像上から異常陰影位置を指示する。すると、画像診断支援装置１０は、第１の特性値算出部１１において、当該ユーザ操作に従って異常陰影位置を取得するとともに、公知の領域抽出技術（グラフカット法やレベルセット法など）等を用いて当該異常陰影領域を特定し取得する（Ｓ１０２）。なお、公知の異常陰影検出技術を用いて異常陰影領域を自動的に取得するようにしても良い。
続いて、画像診断支援装置１０は、第１の特性値算出部１１において、公知の画像処理技術を用いて異常陰影の画像特徴を算出し（Ｓ１０３）、当該画像特徴に基づいて第１の特徴値を算出する（Ｓ１０４）。画像特徴の例としては、異常陰影領域の形状特徴（長径（最大直径）、境界線の円形度、扁平率、不整度など）や、濃度特徴（濃度の平均値と分散、石灰化や空気などに対応する特定の濃度範囲内の濃度値の有無又は存在する割合など）が挙げられる。なお、第１の特徴値の算出方法については後述する。
第１の特徴値が算出されると、ユーザは、操作部３５を介して画像所見を入力する。すなわち、Ｓ１０１の処理で表示部３６上に表示された診断対象画像を参照したユーザが、当該画像上の異常陰影の所見結果を入力する。すると、画像診断支援装置１０は、第２の特性値取得部１２において、当該ユーザ操作に従って入力された画像所見をそのまま第２の特徴値として取得する（Ｓ１０５）。
なお、画像所見（第２の特性値）の例としては、異常陰影の長径（最大直径）、全体形状、棘状突起、輪郭不整、石灰化、気体部、血管や気管支の巻込、胸膜嵌入像、気管支透瞭像などの有無や程度に関する情報が挙げられる。なお、このＳ１０５の処理は、Ｓ１０２〜Ｓ１０４の処理と同時に実行されても良いし、また、Ｓ１０２〜Ｓ１０４の処理を行なう前に実行されても良い。
ここで、図３は、第１の特性値及び第２の特性値の具体例を示す表である。
図３に示す表には、第１の特性値と第２の特性値とで共通する特性値が、Ｆ１１〜Ｆ１ｐ−１又はＦ２１〜Ｆ２ｐ−１のｐ−１個（ｐ≧２）存在する。
また、第１の特性値のみに存在する特性値がＦ１ｐ〜Ｆ１ｑ−１のｑ−ｐ個（ｑ＞ｐ）存在し、第２の特性値のみに存在する特性値がＦ２ｑ〜Ｆ２ｎのｎ−ｑ＋１個（ｎ≧ｑ）存在する。但し、第１の特性値のみに存在する特性値や、第２の特性値のみに存在する特性値はなくても構わない。
図３に示す表において、ｉは第１の特性値及び第２の特性値のインデックスを示し、Ｆ１ｉはｉ番目の第１の特性値を示し、Ｆ２ｉはｉ番目の第２の特性値を示す。更に、個々の特性値Ｆ１ｉ、Ｆ２ｉが取り得る値をそれぞれＶ１ｉ、Ｖ２ｉとして示している。
図３の表に例示する通り、Ｖ１ｉ、Ｖ２ｉ（が取り得る値）の範囲は、インデックスｉによって異なる。例えば、Ｖ１ｉの範囲が１〜５と記されている特性値（Ｆ１２〜Ｆ１４）は、Ｖ１ｉが１に近いほど特性値Ｆ１ｉの特性が少ない（小さい、弱い）ことを示す。Ｖ１ｉが５に近いほど特性値Ｆ１ｉの特性が多い（大きい、強い）ことを示す。Ｖ２ｉについても同様である。なお、任意の特性値Ｆ１ｉ及びＦ２ｉが取る値Ｖ１ｉ及びＶ２ｉは、連続値であっても良いし、離散値であっても良い。
ここで、上述したＳ１０４の処理における第１の特性値の算出方法について説明する。
第２の特性値と共通する第１の特性値（Ｆ１１〜Ｆ１ｐ−１）については、上記Ｓ１０３の処理で算出した画像特徴を用いて、個々の特性値Ｆ１１〜Ｆ１ｐ−１毎に、予め決められた規則に従って特性値の状態Ｓｉｊを求める。
図３に示す表の特性値Ｆ１１は、「長径」なので、例えば、異常陰影の境界線を楕円近似した時の楕円の長径（最大直径）を算出し、それをＶ１１の値とする。
図３に示す表の特性値Ｆ１２は、「輪郭不整」なので、例えば、異常陰影の中心から境界線上の各点までの距離の分散の大小に応じてＶ１２の値（１〜５）を算出する。
図３に示す表の特性値Ｆ１３は、「石灰化」なので、例えば、異常陰影の濃度ヒストグラムを作成し、石灰化に対応する濃度範囲内の濃度値の割合に応じてＶ１３の値を算出する。同様に、図３の表の特性値Ｆ１４は、「気体部」なので、濃度ヒストグラムを用いてＶ１４の値を算出する。
一方、第１の特性値のみに存在する特性値Ｆ１ｐ〜Ｆ１ｑ−１は、上述のＳ１０３で算出した画像特徴量をそのまま用いてＶ１ｉの値とする。
このように本実施形態においては、第１の特徴値と第２の特徴値との対応関係（例えば、第２の特性値に対応した第１の特性値が存在する、第１の特性値又は第２の特性値のみに存在する、等）によって、第１の特性値の算出方法が変更される。
図２に示すフローチャートの説明に戻る。画像診断支援装置１０は、重み取得部１３において、第１の特性値に対する第１の重みと、第２の特性値に対する第２の重みとを取得する（Ｓ１０６）。ここで、第１の重み及び第２の重みは、個々の特性値毎に異なる値にすることができる。第１の重み及び第２の重みの算出方法については後述する。
画像診断支援装置１０は、第３の特性値算出部１４において、式（１）に従って第３の特性値（Ｆ３ｉ，ｉ＝１〜ｎ）の値（Ｖ３ｉ）を算出する（Ｓ１０７）。なお、Ｖ１ｉ及びＶ２ｉが離散値であれば、式（１）で求めた値を離散化することでＶ３ｉも離散値にすれば良い。
Ｖ３ｉ＝（Ｖ１ｉ＊Ｗ１ｉ＋Ｖ２ｉ＊Ｗ２ｉ）／（Ｗ１ｉ＋Ｗ２ｉ）・・・（１）
画像診断支援装置１０は、推論部１５において、診断推論を実行する（Ｓ１０８）。診断推論は、公知の推論技術（ベイズネット、ニューラルネット、ＳＶＭ、決定木など）を用いて行なえば良い。推論技術として、ベイズネットなどの確率的な手法を用いた場合は、診断推論結果として予め決めた複数の画像診断名それぞれに対する確率（確からしさ）を求める。また、推論技術として、ＳＶＭなどの判別的な手法を用いた場合は、診断推論結果として最も可能性の高い１つの画像診断名を求める。
最後に、画像診断支援装置１０は、表示処理部１６において、Ｓ１０８の処理で得られた診断推論結果を、表示部３６上に表示する（Ｓ１０９）。
ここで、図４は、図３に示す表に例示した第１の特性値及び第２の特徴値２に対する第１の重み及び第２の重みの具体例を示す表である。
図４に示す表において、ｉは第１の特性値及び第２の特性値のインデックスを示し、Ｆ１ｉはｉ番目の第１の特性値を示し、Ｆ２ｉはｉ番目の第２の特性値を示す。更に、ｉ番目の第１の特性値（Ｆ１ｉ）に対する第１の重みをＷ１ｉとして示し、ｉ番目の第２の特性値（Ｆ２ｉ）に対する第２の重みをＷ２ｉと示している。図４に示す表の例では、Ｗ１ｉとＷ２ｉとの和が１．０となるように、第１の重みＷ１ｉ及び第２のＷ２ｉが設定されている。
上述した第１の重みＷ１ｉ及び第２の重みＷ２ｉの取得方法は、大別して２つある（第１の取得方法、第２の取得方法）。
第１の取得方法では、詳細については後述するが、統計的な手法によって、第１の重みＷ１ｉ及び第２のＷ２ｉを予め決定しておき、その重みの組を記憶部３４に複数記憶しておく。そして、上記Ｓ１０６の処理では、予め決定しておいた複数の第１の重みＷ１ｉ及び第２の重みＷ２ｉの組のいずれかを記憶部３４から読み出すことにより取得する。また、第２の取得方法では、詳細については後述するが、診断対象画像毎に、第１の重みＷ１ｉ及び第２の重みＷ２ｉをその都度算出する。
ここで、図５を用いて、重みＷ１ｉ及びＷ２ｉの第１の取得方法（統計的な手法）について説明する。なお、図５に示す処理を実行する際には、第１の特性値を算出済みであり、ユーザにより第２の特性値が入力済みであり、且つ確定診断名を調査済み（正しい診断結果が既知である）の医用画像データ（学習データ）を予め複数用意しておく必要がある。
この処理ではまず、重み取得部１３は、平均正答率ＡＡＶＥに「０」を代入し、重みＷ１ｉ及びＷ２ｉ（ｉ＝０〜ｎ）を初期化する（Ｓ２０１）。以下の処理は、初期化の方法には依存しないが、例えば、Ｗ１ｉ＝０．０、Ｗ２ｉ＝１．０とする。
続いて、重み取得部１３は、Ｗ１ｉ、Ｗ２ｉの値の組み合わせに対するインデックスｃに「１」を代入する（Ｓ２０２）。以降、組み合わせの総数（つまり、ｃの最大値）をＣｍａｘとする。ここで、重みＷ１ｉ及びＷ２ｉの値の組み合わせの一例としては、例えば、Ｗ１１＝０．１、Ｗ２１＝０．９、Ｗ１２＝０．０、Ｗ２２＝１．０、・・・、Ｗ１ｎ＝０．０、Ｗ２ｎ＝１．０、等が挙げられる。全てのｉに対して、Ｗ１ｉ＋Ｗ２ｉ＝１．０を満たす様々な組み合わせの重み（Ｗ１ｉ、Ｗ２ｉ）が存在するので、それらの組み合わせ一つ一つに対してインデックスｃの値を割り当て、それをＲＡＭ３２に記憶しておく。
重み取得部１３は、インデックスｃに対する合計正答数ＡｃＴに「０」を代入し、また、インデックスｃに対する重みＷ１ｃｉ及びＷ２ｃｉの組み合わせ（ｉ＝０〜ｎ）をＲＡＭ３２から読み出す（Ｓ２０３）。
重み取得部１３は、学習データのインデックスｊに「１」を代入する（Ｓ２０４）。以降、学習データの総数（つまり、ｊの最大値）をＪｍａｘとする。
重み取得部１３は、ｉ番目の学習データを診断対象画像として、上述した図２に示す処理を実行する。これにより、ｉ番目の学習データに対する診断推論結果Ｒｊを取得する（Ｓ２０５）。
重み取得部１３は、Ｓ２０５の処理で取得した診断推論結果Ｒｊが既知の確定診断名（正しい診断名）と一致するか（つまり、正答であるか）否かを判定する（Ｓ２０６）。Ｒｊが正答であれば（Ｓ２０６でＹＥＳ）、重み取得部１３は、合計正答数ＡｃＴに「１」を加算するとともに（Ｓ２０７）、インデックスｊに「１」を加算する（Ｓ２０８）。一方、Ｒｊが誤答であれば（Ｓ２０６でＮＯ）、インデックスｊに「１」を加算する（Ｓ２０８）。
インデックスｊの加算後、重み取得部１３は、当該インデックスｊが最大値Ｊｍａｘに達したか否かを判定する。ｊがＪｍａｘに達していなければ（Ｓ２０９でＮＯ）、重み取得部１３は、再度、Ｓ２０５の処理に戻る。
ｊがＪｍａｘに達していれば（Ｓ２０９でＹＥＳ）、重み取得部１３は、インデックスｃに対する合計正答数ＡｃＴをインデックスｃに対する学習データの総数Ｊｍａｘで割った値（つまり、インデックスｃに対する平均正答率）を算出する。そして、その結果が平均正答率ＡＡＶＥより大きいか否かを判定する（Ｓ２１０）。
判定の結果、ＡｃＴ／ＪｍａｘがＡＡＶＥよりも大きくなければ（Ｓ２１０でＮＯ）、重み取得部１３は、インデックスｃに「１」を加算する（Ｓ２１２）。
一方、ＡｃＴ／ＪｍａｘがＡＡＶＥよりも大きければ（Ｓ２１０でＹＥＳ）、重み取得部１３は、平均正答率ＡＡＶＥにＡｃＴ／Ｊｍａｘの値を代入する。また、重みＷ１ｉ及びＷ２ｉ（ｉ＝０〜ｎ）のそれぞれの値に、インデックスｃに対する重みＷｃ１ｉ、Ｗｃ２ｉのそれぞれの値を代入する（Ｓ２１１）。その後、重み取得部１３は、インデックスｃに「１」を加算する（Ｓ２１２）。
インデックスＣの加算後、重み取得部１３は、インデックスｃが最大値Ｃｍａｘに達したか否かを判定する（Ｓ２１３）。ｃがＣｍａｘに達していなければ（Ｓ２１３でＮＯ）、重み取得部１３は、再度、Ｓ２０３の処理に戻る。一方、達していれば、重み取得部１３は、この処理を終了する。
以上の処理によって、全ての学習データに対して、平均正答率ＡＡＶＥが最も高い重みＷ１ｉ、Ｗ２ｉ（ｉ＝０〜ｎ）の値の組み合わせが得られる。但し、実際に、診断対象画像に対して図２に示すＳ１０６を実行する時に、ｉ番目の第２の特性値（Ｆ２ｉ）の値（Ｖ２ｉ）がユーザによって入力されていなければ、重みＷ１ｉ＝１．０、Ｗ２ｉ＝０．０とする。
次に、第１の重みＷ１ｉ及び第２の重みＷ２ｉの第２の取得方法（その都度算出する手法）について説明する。
第２の取得方法では、ユーザは、操作部３５を介して複数の第２の特性値（Ｆ２ｉ、ｉ＝１〜ｐ−１，ｑ〜ｎ）を入力するとともに、その際に、各第２の特性値に対してユーザの確信度（Ｓ２ｉ）も併せて入力する。なお、第２の特性値（Ｆ２ｉ）及びその確信度（Ｓ２ｉ）は、操作部３５からのユーザ指示に従って第２の特性値取得部１２により取得される。
この入力が済むと、重み取得部１３は、確信度Ｓ２ｉが所定の閾値より大きいか否かに基づいて、それぞれの場合に対して記憶部３４に予め記憶されているＷ１ｉ、Ｗ２ｉの値を読み出す。例えば、確信度Ｓ２ｉが所定の閾値よりも大きければ、重みＷ１ｉ＝０．０、Ｗ２ｉ＝１．０とし、小さければ、重みＷ１ｉ＝０．５、Ｗ２ｉ＝０．５とする。但し、ｉ番目の第２の特性値（Ｆ２ｉ）の値（Ｖ２ｉ）がユーザによって入力されていなければ、重みＷ１ｉ＝１．０、Ｗ２ｉ＝０．０とする。
以上説明したように本実施形態によれば、診断対象画像から算出された第１の特性値とユーザから入力された第２の特性値との両方の情報を利用して診断支援を行なう。これにより、第１の特性値を先に算出した場合、若しくは第２の特性値が先に入力された場合のいずれであっても使用可能な装置を提供できる。
また、第１の特性値及び第２の特性値、その対応関係、第１の重み及び第２の重みを用いて算出した第３の特性値を用いることにより、第１の特性値又は第２の特性値のいずれか一方を用いる場合よりも、信頼性の高い診断推論を行なえる。
以上が本発明の代表的な実施形態の一例であるが、本発明は、上記及び図面に示す実施形態に限定することなく、その要旨を変更しない範囲内で適宜変形して実施できるものである。
例えば、上述した実施形態においては、重み付けを行なう構成について説明したが、必ずしも重み付けを行なう必要はない。すなわち、重み付けを行なわない構成であっても、第１の特性値を先に算出した場合、若しくは第２の特性値が先に入力された場合のいずれであっても使用可能な装置を提供できる。
（その他の実施形態）
本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（又はＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

Claims (8)

  1. 診断対象となる画像の所定の領域の画像特徴に基づいて第１の特性値を算出する第１の特性値算出手段と、
    ユーザから操作手段を介して入力された前記画像の前記所定の領域に関する所見情報に基づいて第２の特性値を取得する第２の特性値取得手段と、
    前記第１の特性値及び前記第２の特性値と、前記第１の特性値及び前記第２の特性値の対応関係とに基づいて、前記画像の前記所定の領域についての診断推論を行なう推論手段と
    を具備することを特徴とする画像診断支援装置。
  2. 第１の重みと第２の重みとを取得する重み取得手段と、
    前記第１の重みを用いて前記第１の特性値を重み付けした結果と、前記第２の重みを用いて前記第２の特性値を重み付けした結果とに基づいて第３の特性値を算出する第３の特性値算出手段と
    を更に具備し、
    前記推論手段は、
    前記第３の特性値を用いて前記画像の前記所定の領域に対する診断推論を行なう
    ことを特徴とする請求項１記載の画像診断支援装置。
  3. 前記第１の重みと前記第２の重みとの組を複数記憶する記憶手段
    を更に具備し、
    前記重み取得手段は、
    診断結果が既知である複数の画像に対して前記複数の重みの組を用いて診断推論を行なない、その正答率の最も高い重みの組を前記第１の重み及び前記第２の重みとして取得する
    ことを特徴とする請求項２記載の画像診断支援装置。
  4. 前記第１の重みと前記第２の重みとの組を複数記憶する記憶手段
    を更に具備し、
    前記第２の特性値取得手段は、
    ユーザからの操作手段を介して入力された前記所見情報に基づく前記第２の特性値とともに、当該第２の特性値に対応する確信度を取得し、
    前記重み取得手段は、
    前記確信度が所定の閾値よりも大きければ、前記第１の重みよりも前記第２の重みが大きな値を有する前記第１の重みと前記第２の重みとの組を取得する
    ことを特徴とする請求項２記載の画像診断支援装置。
  5. 前記重み取得手段は、
    前記第２の特性値取得手段により前記第２の特性値を取得できなかった場合には、前記第２の重みを０にする
    ことを特徴とする請求項２から４のいずれか１項に記載の画像診断支援装置。
  6. 前記第１の重みをＷ１ｉ、
    前記第２の重みをＷ２ｉ、
    前記第１の特性値をＶ１ｉ、
    前記第２の特性値をＶ２ｉ、
    前記第３の特性値をＶ３ｉ、
    Ｗ１ｉ＋Ｗ２ｉ＝１．０とした場合、
    前記第３の特性値算出手段は、
    Ｖ３ｉ＝（Ｖ１ｉ＊Ｗ１ｉ＋Ｖ２ｉ＊Ｗ２ｉ）／（Ｗ１ｉ＋Ｗ２ｉ）
    を解くことにより前記第３の特性値を算出する
    ことを特徴とする請求項２から５のいずれか１項に記載の画像診断支援装置。
  7. 画像診断支援装置の処理方法であって、
    第１の特性値算出手段が、診断対象となる画像の所定の領域の画像特徴に基づいて第１の特性値を算出する工程と、
    第２の特性値取得手段が、ユーザから操作手段を介して入力された前記画像の前記所定の領域に関する所見情報に基づいて第２の特性値を取得する工程と、
    推論手段が、前記第１の特性値及び前記第２の特性値と、前記第１の特性値及び前記第２の特性値の対応関係とに基づいて、前記画像の前記所定の領域についての診断推論を行なう工程と
    を含むことを特徴とする処理方法。
  8. コンピュータを、
    診断対象となる画像の所定の領域の画像特徴に基づいて第１の特性値を算出する第１の特性値算出手段、
    ユーザから操作手段を介して入力された前記画像の前記所定の領域に関する所見情報に基づいて第２の特性値を取得する第２の特性値取得手段、
    前記第１の特性値及び前記第２の特性値と、前記第１の特性値及び前記第２の特性値の対応関係とに基づいて、前記画像の前記所定の領域についての診断推論を行なう推論手段
    として機能させるためのプログラム。
JP2012012433A 2012-01-24 2012-01-24 画像診断支援装置、その処理方法及びプログラム Active JP5952568B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2012012433A JP5952568B2 (ja) 2012-01-24 2012-01-24 画像診断支援装置、その処理方法及びプログラム
US13/744,835 US9277891B2 (en) 2012-01-24 2013-01-18 Image diagnosis assistance apparatus, processing method thereof, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012012433A JP5952568B2 (ja) 2012-01-24 2012-01-24 画像診断支援装置、その処理方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2013150679A true JP2013150679A (ja) 2013-08-08
JP5952568B2 JP5952568B2 (ja) 2016-07-13

Family

ID=48797767

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012012433A Active JP5952568B2 (ja) 2012-01-24 2012-01-24 画像診断支援装置、その処理方法及びプログラム

Country Status (2)

Country Link
US (1) US9277891B2 (ja)
JP (1) JP5952568B2 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6021346B2 (ja) * 2012-02-14 2016-11-09 キヤノン株式会社 診断支援装置及びその制御方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008009589A (ja) * 2006-06-28 2008-01-17 Fujifilm Corp 検査情報管理装置
JP2009082441A (ja) * 2007-09-28 2009-04-23 Canon Inc 医用診断支援システム
JP2009086750A (ja) * 2007-09-27 2009-04-23 Canon Inc 医用診断支援装置
JP2010200840A (ja) * 2009-02-27 2010-09-16 Canon Inc 医療意志決定支援装置及びその制御方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0616290B1 (en) * 1993-03-01 2003-02-05 Kabushiki Kaisha Toshiba Medical information processing system for supporting diagnosis.
US5825936A (en) * 1994-09-22 1998-10-20 University Of South Florida Image analyzing device using adaptive criteria
US6778692B1 (en) * 2000-08-11 2004-08-17 General Electric Company Image processing method and apparatus including image improving circuit
US8116982B2 (en) * 2002-03-13 2012-02-14 Vala Sciences, Inc. System and method for automatic color segmentation and minimum significant response for measurement of fractional localized intensity of cellular compartments
US7343030B2 (en) * 2003-08-05 2008-03-11 Imquant, Inc. Dynamic tumor treatment system
JP4318221B2 (ja) 2004-12-02 2009-08-19 富士通株式会社 医療情報分析装置、方法及びプログラム
AU2006254689B2 (en) 2005-06-02 2012-03-08 Salient Imaging, Inc. System and method of computer-aided detection
WO2007002406A2 (en) * 2005-06-20 2007-01-04 The Trustees Of Columbia University In The City Of New York Interactive diagnostic display system
US8023707B2 (en) * 2007-03-26 2011-09-20 Siemens Aktiengesellschaft Evaluation method for mapping the myocardium of a patient
JP2008253292A (ja) * 2007-03-30 2008-10-23 Fujifilm Corp 症例画像検索装置及びシステム
JP5486380B2 (ja) * 2010-03-31 2014-05-07 キヤノン株式会社 情報処理装置及びその制御方法、コンピュータプログラム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008009589A (ja) * 2006-06-28 2008-01-17 Fujifilm Corp 検査情報管理装置
JP2009086750A (ja) * 2007-09-27 2009-04-23 Canon Inc 医用診断支援装置
JP2009082441A (ja) * 2007-09-28 2009-04-23 Canon Inc 医用診断支援システム
US20100256459A1 (en) * 2007-09-28 2010-10-07 Canon Kabushiki Kaisha Medical diagnosis support system
JP2010200840A (ja) * 2009-02-27 2010-09-16 Canon Inc 医療意志決定支援装置及びその制御方法

Also Published As

Publication number Publication date
JP5952568B2 (ja) 2016-07-13
US20130190593A1 (en) 2013-07-25
US9277891B2 (en) 2016-03-08

Similar Documents

Publication Publication Date Title
US9008390B2 (en) Similar case searching apparatus, relevance database generating apparatus, similar case searching method, and relevance database generating method
US9317918B2 (en) Apparatus, method, and computer program product for medical diagnostic imaging assistance
CN109074869B (zh) 医疗诊断支持装置、信息处理方法以及医疗诊断支持系统
US9734299B2 (en) Diagnosis support system, method of controlling the same, and storage medium
Jacob et al. Discovery of knowledge patterns in clinical data through data mining algorithms: Multi-class categorization of breast tissue data
US20220036971A1 (en) Method and system for predicting response to immune anticancer drugs
US20150006447A1 (en) Diagnosis support apparatus and method of controlling the same
JP2013039230A (ja) 医療診断支援装置及び医療診断支援方法
JP5744631B2 (ja) 診療支援装置、診療支援方法
CN115103648A (zh) 器械跟踪机器
EP4105943A1 (en) Method and system for predicting reaction to immuno-oncology agent
US20210145389A1 (en) Standardizing breast density assessments
JPWO2019167556A1 (ja) ラベル収集装置、ラベル収集方法及びラベル収集プログラム
CN108564067B (zh) 人脸比对的阈值确定方法及系统
US12032467B2 (en) Monitoring system, monitoring method, and computer program product
US8630490B2 (en) Selecting representative images for display
JP5952568B2 (ja) 画像診断支援装置、その処理方法及びプログラム
Abreu et al. Personalizing breast cancer patients with heterogeneous data
US20090129658A1 (en) Image processing apparatus, image processing method, and computer storage medium
US12118297B2 (en) Information processing apparatus
JP6316325B2 (ja) 情報処理装置、情報処理装置の作動方法及び情報処理システム
US20240020873A1 (en) Image generation system, image generation method, and recording medium
JP7321690B2 (ja) 検証システム及び検証装置
Haque et al. Geospatial features influencing the formation of COVID-19 clusters
KR20170079553A (ko) 설문 기반 체질 판단 방법 및 장치

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150126

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20150907

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20150909

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20151106

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

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20160513

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160610

R151 Written notification of patent or utility model registration

Ref document number: 5952568

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151