JP2013545520A - 画像検索エンジン - Google Patents
画像検索エンジン Download PDFInfo
- Publication number
- JP2013545520A JP2013545520A JP2013536725A JP2013536725A JP2013545520A JP 2013545520 A JP2013545520 A JP 2013545520A JP 2013536725 A JP2013536725 A JP 2013536725A JP 2013536725 A JP2013536725 A JP 2013536725A JP 2013545520 A JP2013545520 A JP 2013545520A
- Authority
- JP
- Japan
- Prior art keywords
- image
- tissue region
- substructure
- biological tissue
- storage device
- 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
- 238000013500 data storage Methods 0.000 claims abstract description 53
- 238000011002 quantification Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000001914 filtration Methods 0.000 claims abstract description 16
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000000034 method Methods 0.000 claims description 30
- 210000004556 brain Anatomy 0.000 claims description 25
- 230000009466 transformation Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000013598 vector Substances 0.000 claims description 11
- 238000002591 computed tomography Methods 0.000 claims description 10
- 238000012800 visualization Methods 0.000 claims description 9
- 238000010219 correlation analysis Methods 0.000 claims description 7
- 238000003745 diagnosis Methods 0.000 claims description 7
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 5
- 238000009825 accumulation Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 claims description 4
- 238000002600 positron emission tomography Methods 0.000 claims description 4
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 238000004393 prognosis Methods 0.000 claims description 4
- 238000002604 ultrasonography Methods 0.000 claims description 4
- 239000003814 drug Substances 0.000 claims description 3
- 238000007476 Maximum Likelihood Methods 0.000 claims description 2
- 238000000692 Student's t-test Methods 0.000 claims description 2
- 210000004204 blood vessel Anatomy 0.000 claims description 2
- 210000000038 chest Anatomy 0.000 claims description 2
- 210000002216 heart Anatomy 0.000 claims description 2
- 210000003734 kidney Anatomy 0.000 claims description 2
- 210000004185 liver Anatomy 0.000 claims description 2
- 229940079593 drug Drugs 0.000 claims 1
- 210000001519 tissue Anatomy 0.000 description 67
- 238000013459 approach Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 239000004973 liquid crystal related substance Substances 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000007639 printing Methods 0.000 description 4
- 210000004872 soft tissue Anatomy 0.000 description 4
- 241001465754 Metazoa Species 0.000 description 3
- 238000005481 NMR spectroscopy Methods 0.000 description 3
- 239000002772 conduction electron Substances 0.000 description 3
- 230000007850 degeneration Effects 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 210000004884 grey matter Anatomy 0.000 description 3
- 239000007788 liquid Substances 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000012014 optical coherence tomography Methods 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 238000000859 sublimation Methods 0.000 description 3
- 230000008022 sublimation Effects 0.000 description 3
- 210000004885 white matter Anatomy 0.000 description 3
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 206010012289 Dementia Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 210000003484 anatomy Anatomy 0.000 description 1
- 238000009227 behaviour therapy Methods 0.000 description 1
- 210000005013 brain tissue Anatomy 0.000 description 1
- 210000001159 caudate nucleus Anatomy 0.000 description 1
- 210000003710 cerebral cortex Anatomy 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 230000001054 cortical effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000000971 hippocampal effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000001000 micrograph Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000011426 transformation method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Classifications
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/56—Details of data transmission or power supply
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/56—Details of data transmission or power supply
- A61B8/565—Details of data transmission or power supply involving data transmission via a network
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Physiology (AREA)
- Computer Networks & Wireless Communication (AREA)
- High Energy & Nuclear Physics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Nuclear Medicine (AREA)
Abstract
副構造を有する生体組織領域の画像であって、複数の画像ボクセルを含む画像を生成する画像スキャナと、画像スキャナから画像の信号を受信するために画像スキャナに接続される信号処理システムと、信号処理システムと交信するデータ蓄積装置とを備え、データ蓄積装置は、生体組織領域の副構造の空間的情報を含むアトラスと、生体組織領域を表す複数の事前に蓄積された医療画像を含むデータベースと、を蓄積するように構成され、信号処理システムは、アトラスに基づき、副構造の各々について、画像の画像ボクセルの対応部分を識別し、画像に空間的フィルタリングを行うことにより、生体組織領域の副構造の各々について、画像ボクセルの対応部分の、計算された定量化数値を提供し、複数の事前に蓄積された医療画像の中から、計算された定量化数値と実質的に類似する、対応定量化数値を有する、選択された、医療画像を提供するためにデータベースを検索する。
Description
(関連出願の参照)
本出願は、2010年10月29日に出願された米国仮出願番号61/408,249の優先権を主張し、当該出願の全内容は参照によって本出願に組み込まれる。
本出願は、2010年10月29日に出願された米国仮出願番号61/408,249の優先権を主張し、当該出願の全内容は参照によって本出願に組み込まれる。
本発明は、非侵襲的画像処理システムおよび方法に係り、特に人間および動物である対象の生体組織異常のコンピュータによる診断を提供する画像処理システムおよび方法に関する。
インターネット検索エンジン「グーグル」は、文字による検索はできるが、与えられた画像に類似する画像を検索することはできない。かかる画像検索機能の欠落は、臨床データベースに蓄積された最新の医療画像の活用を阻止している。非常に充実した臨床データベースがあっても、それが現在の診断の改善のために有効活用されるケースはまれである。過去の類似する症例を抽出できる検索エンジンの欠落は、かかる医療画像の蓄積と活用との間のずれの大きな原因を構成している。すなわち、当技術分野においては、画像検索エンジンのニーズが存在している。
本発明の実施例には、観察中の対象の生体組織領域を表す画像を生成することができる画像スキャナであって、前記生体組織領域が少なくとも一つの副構造を有し、前記画像が複数の画像ボクセルを含む、画像スキャナと、前記画像スキャナから前記画像の信号を受信するために前記画像スキャナに接続される信号処理システムと、前記信号処理システムと交信するデータ蓄積装置と、を備え、前記データ蓄積装置は、前記生体組織領域の前記少なくとも一つの副構造の空間的情報を含むアトラスと、前記生体組織領域を表す複数の事前に蓄積された医療画像を含むデータベースと、を蓄積するように構成され、前記信号処理システムは、前記アトラスに基づき、前記少なくとも一つの副構造の各々について、前記画像の画像ボクセルの対応部分を識別し、前記画像に空間的フィルタリングを行うことにより、前記生体組織領域の前記少なくとも一つの副構造の各々について、前記画像ボクセルの前記対応部分の、計算された定量化数値を提供し、前記複数の事前に蓄積された医療画像の中から、前記計算された定量化数値と実質的に類似する、対応定量化数値を有する、少なくとも一つの選択された、医療画像を提供するために前記データベースを検索することを特徴とする非侵襲的画像処理システムが含まれる。
本発明の他の実施例には、対象の生体組織領域を表し、複数の画像ボクセルを含む入力医療画像を受信し、前記生体組織領域のアトラスであって前記生体組織領域の少なくとも一つの副構造の空間的情報を含むアトラスを受信し、生体組織領域を表す複数の事前に蓄積された医療画像を含むデータベースを受信する受信エンジンと、前記アトラスの前記空間的情報を用いて、前記生体組織領域の前記少なくとも一つの副構造の各々について、前記入力医療画像の画像ボクセルの対応部分を識別し、前記入力医療画像に空間的フィルタリングを行うことにより、前記生体組織領域の前記少なくとも一つの副構造の各々について、前記画像ボクセルの前記対応部分の、計算された定量化数値を提供し、前記入力医療画像に空間的フィルタリングを行うことにより、前記生体組織領域の前記少なくとも一つの副構造の各々について、画像ボクセルの前記対応部分の、計算された定量化数値を提供する計算エンジンと、前記複数の事前に蓄積された医療画像の少なくとも一つであって、前記計算された定量化数値と実質的に類似する対応定量化数値を有する医療画像を選択する目的で前記データベースを検索する検索エンジンと、を備えるワークステーションが含まれる。
本発明のさらに他の実施例には、ソフトウェア指令を含むコンピュータ可読媒体であって、前記ソフトウェア指令は、コンピュータにより実行されると、前記コンピュータに、第1のデータ蓄積装置から対象の生体組織領域を表す複数の画像ボクセルを含む入力医療画像を受信させ、前記第1のデータ蓄積装置または第2のデータ蓄積装置から前記生体組織領域のアトラスであって前記生体組織領域の少なくとも一つの副構造の空間的情報を含むアトラスを受信させ、前記第1のデータ蓄積装置、前記第2のデータ蓄積装置または第3のデータ蓄積装置から複数の事前に蓄積された医療画像を含む医療画像データベースを受信させ、前記アトラスの前記空間的情報を用いて、前記生体組織領域の前記少なくとも一つの副構造の各々について、前記入力医療画像の画像ボクセルの対応部分を識別させ、前記入力医療画像に空間的フィルタリングを行うことにより、前記生体組織領域の前記少なくとも一つの副構造の各々について、画像ボクセルの前記対応部分の、計算された定量化数値を提供させ、および、前記複数の事前に蓄積された医療画像の少なくとも一つであって、前記計算された定量化数値と実質的に類似する対応定量化数値を有する医療画像を選択する目的で前記データベースを検索させるコンピュータ可読媒体が含まれる。
本発明のさらに他の実施例には、医療画像データベースを構築するためのコンピュータ実装方法であって、第1のデータ蓄積装置から対象の生体組織領域を表す複数の画像ボクセルを含む入力医療画像を受信すること、前記第1のデータ蓄積装置または第2のデータ蓄積装置から前記生体組織領域のアトラスであって前記生体組織領域の少なくとも一つの副構造の空間的情報を含むアトラスを受信すること、前記医療画像において前記生体組織領域の前記少なくとも一つの副構造の各々に対応する画像ボクセルを識別すること、前記少なくとも一つの副構造の各々に対して識別された前記画像ボクセルに基づいて、当該画像ボクセルの計算された定量化数値を提供するために前記医療画像に空間的フィルタリングを行うこと、前記第1のデータ蓄積装置、前記第2のデータ蓄積装置または第3のデータ蓄積装置に設けられた前記データベースに、前記データベースに蓄積された前記医療画像において識別された少なくとも一つの副構造の各々について前記計算された定量化数値を符号化する情報を蓄積すること、を含む方法が含まれる。
本発明のもう一つの実施例には、対象の生体組織領域を表す複数の画像ボクセルを含む医療画像を受信し、前記生体組織領域のアトラスであって前記生体組織領域の少なくとも一つの副構造を符号化する空間的情報を含むアトラスを受信する受信エンジンと、前記アトラスに含まれる前記空間的情報に基づいて、前記生体組織領域の前記少なくとも一つの副構造の各々に対応する前記入力医療画像の画像ボクセルを識別し、前記少なくとも一つの副構造の各々に対して識別された前記画像ボクセルに基づいて、当該画像ボクセルの計算された定量化数値を提供するために前記医療画像に空間的フィルタリングを行い、データ蓄積装置に、前記医療画像において識別された前記少なくとも一つの副構造の各々の前記計算された定量化数値を符号化する情報であって、前記データ蓄積装置に設けられた医療画像のデータベースへの追加を提供する情報を蓄積する計算エンジンと、からなるワークステーションが含まれる。
詳細な説明、図面および実施形態を考慮することにより、目的および利点が明らかになるであろう。
本発明の実施形態に係る非侵襲的画像処理システムの概略図である。
本発明の実施形態に係るワークステーションのブロック図である。
本発明の実施形態に係るフローチャートである。
本発明の実施形態に係る組織抽出の例を示す図である。
本発明の実施形態に係る生体組織領域内の副構造の識別の例を示す図である。
本発明の実施形態に係る2つの対象グループに対する相関分析の結果の一例を示す図である。
本発明の実施形態に係るフローチャートである。
本発明の他の実施形態に係る他のワークステーションのブロック図である。
本発明のいくつかの実施形態が以下に詳細に説明される。実施形態の記述において特定の専門用語が簡略化のために使用される。
しかし、本発明は選択された特定の専門用語に限定されない。関連分野の当業者は、他の同等の部材が適用され得ること、および本発明の広い概念から逸脱することなく他の方法が展開され得ることを認めるであろう。本明細書で引用したすべての参照文献はそれぞれが独立に組み込まれるように組み込まれる。
しかし、本発明は選択された特定の専門用語に限定されない。関連分野の当業者は、他の同等の部材が適用され得ること、および本発明の広い概念から逸脱することなく他の方法が展開され得ることを認めるであろう。本明細書で引用したすべての参照文献はそれぞれが独立に組み込まれるように組み込まれる。
図1は、本発明のいくつかの実施形態に係る非侵襲的画像処理システム100の構成図である。非侵襲的画像処理システム100は、画像スキャナ101、データ蓄積装置102および信号処理システム103を含む。画像スキャナ101は、これに限定されるものではないが、磁気共鳴画像(MRI)スキャナ、コンピュータ断層撮影(CT)スキャナ、陽電子放出断層撮影(PET)スキャナ、単光子放射コンピュータ断層撮影(SPECT)スキャナ、超音波スキャナ、光干渉断層(OCT)スキャナまたは顕微鏡であってよい。例えば、MRIスキャナは、(スキャナベッド109上の診断対象108に対して本質的に均一な主磁場B0を与える)主磁石105を支える土台104、(観察中の対象108の含有水分子量の空間的な情報を符号化するために主磁場B0の摂動を提供する)傾斜装置106、および(電磁波を伝達し、対象108から磁気共鳴信号を受信する)高周波(RF)コイル装置107を有している。
データ蓄積装置102は、観察中の対象108の生体組織領域に対応するアトラスデータを蓄積する。生体組織領域は、例えば、脳、心臓、肝臓、筋肉、腎臓、胸部、関節、血管および対象108の他の特定の臓器である。本明細書中の術語「アトラス」は必ずしも三次元の有形物体のように、実在の有形物体であることは必要ではない。この術語は、空間的および幾何学的構造を表わすデータまたは情報を参照するためにも通常使用される。
例えば、データ蓄積装置102は、生体組織領域の解剖学的副構造の空間的情報を含む生体組織領域のアトラスを蓄積するものであってよい。例えば、アトラスは、人間の脳を表わし、種々の皮層副構造等の位置および形状を符号化した情報を含んでいるものであってよい。アトラスは、性別、人種あるいは可能性のある応用に基づく他の小集団の間のばらつきを考慮して構成され得る。
生体組織領域のアトラスは、さらに、例えば生体組織領域の生理学的副構造の空間的情報を含むものであってもよい。例えば、脳組織は灰白質、白質、および脳脊髄液(CSF)の生理学的副構造を含んでいてもよい。
アトラスを構成するために使用される複数の画像は、例えば、MRI画像、CT画像、PET画像、SPECT画像、超音波画像、OCT画像または顕微鏡画像等であってよい。アトラスは、観察中の対象108と異なる少なくとも1つの対象の画像の情報を取り込んでもよい。アトラスは、観察中の対象108の以前のスキャンの画像の情報を取り込んでもよい。アトラスは、それぞれが望ましくは生体組織領域の所定の副構造を表す諧調の異なる種々の画像から得られたものであってもよい。例えば、大脳皮質および濃い灰白質に適したT1強調核磁気共鳴画像が使用されてもよい。例えば、脳室に対して大きいコントラストを有するT2強調核磁気共鳴画像が使用されてもよい。例えば、脳の内部白質が最も良く描画される拡散テンソル画像が使用されてもよい。
アトラスは、例えば、生体組織領域の形状情報、位置情報のような空間的な情報を含んでいてもよい。アトラスは、さらに、対象の小集団の画像中の軟組織領域に対する空間的な情報の登録に関連する可変性の情報を組み込むものであってもよい。対象の画像中の軟組織領域に対するアトラスの空間的情報の登録は、画像中の軟組織領域と協調するためのアトラスの幾何学的情報の変形または変換(例えば、変換、拡大縮小、変形等)を含んでいてもよい。登録は、また、正規化と言い換えてもよい。
術語「アトラス」は上記の例を含むが、これに限定されるものではない。
さらに、データ蓄積装置102は、観察中の対象108の生体組織領域を表わす複数の医療画像を含むデータベースを蓄積するものであってよい。当該データベースは、Digital Imaging and Communications in medicine(DICOM)標準に準拠するものであってよい。当該データベースは、さらに、Picture Archiving and Communication System(PACS)と統合されてよい。かかる事前に蓄積された医療画像は三次元(3−D)画像であってよい。
データ蓄積装置102は、例えば、ハードディスクドライブ、ネットワーク領域蓄積装置(NAS)、レイド(RAID)、フラッシュドライブ、光学ディスク、磁気テープ、磁気光学ディスク等であってよい。しかし、データ蓄積装置102は、これらの特定の例に限定されるものではない。データ蓄積装置102は、本発明の範囲を逸脱することなく、他の既存の、あるいは将来開発されるデータ蓄積装置を含む。
信号処理システム103は、画像スキャナ101により生成され観察中の対象108の生体組織領域を表す画像を受信するために画像スキャナ101と交信する。信号処理システム103は、画像スキャナ101を格納する構造体の中に部分的に、あるいは全体的に組み込まれていてもよい。信号処理システム103は、画像スキャナ101とは構造的に分離し、画像スキャナ101と交信するワークステーション中に少なくとも部分的に組み込まれていてもよい。信号処理システム103は、画像スキャナ101とは構造的に分離し、画像スキャナ101と交信するワークステーション中に全体的に組み込まれていてもよい。画像は、例えば、緩和時間T1、緩和時間T2、見かけの拡散係数、ボールド(BOLD)効果に関連する特性、拡散テンソルに関連する特性のような磁気共鳴コントラストパラメータに関連付けられた核磁気共鳴画像(MRI)画像であってよい。
信号処理システム103は、データ蓄積装置102と交信する。信号処理システム103は、アトラスに基づく画像中の少なくとも一つの副構造ごとの画像中の画像ボクセルの対応部分の識別、画像に対する空間フィルタリングに基づく生体組織領域中の少なくとも一つの副構造に対する画像ボクセルの対応部分の計算された定量化数値の提供、データベースにあらかじめ蓄積された複数の医療画像の中から少なくとも一つの選択された医療画像を提供するためのデータベースの検索に適用され、かかる選択された少なくとも一つの医療画像は計算された定量化数値と実質的に類似する対応定量化数値を有する。
信号処理システム103は、さらに、観察中の対象108の生体組織領域を表す画像の少なくとも一つまたは事前に蓄積された複数の医療画像から選択された少なくとも一つの医療画像の可視化装置110またはコンソールステーション111への表示に適用されてもよい。可視化装置110またはコンソールステーション111は、例えば、表示装置およびプリンタである。表示装置の例としては、例えば、陰極線管(CRT)、発光ダイオード(LED)表示装置、液晶表示装置(LCD)、デジタル光放射(DLP)モニタ、蛍光表示管(VFD)、表面伝導型電子放出表示装置(SED)、電界放出表示装置(FED)、反射型液晶(LCOS)表示装置等を含んでいてもよい。プリンタの例としては、例えば、トナープリンタ、液体インクジェットプリンタ、固体インクジェットプリンタ、染料昇華型プリンタ、サーマルプリンタおよび紫外線プリンタ等のようなインクなしプリンタ等を含んでいてもよい。しかし、表示装置およびプリンタは、上記の通り例示されたものに限定されず、本発明から逸脱することなく、現存の又は将来開発される表示装置およびプリンタを含む。
図2は、本発明の実施形態に係るワークステーション201のブロック図である。ワークステーション201は、受信エンジン202、計算エンジン203および検索エンジン204を備えてよい。受信エンジン202は、対象からの生体組織領域を表す入力医療画像を受信してよく、当該入力医療画像はデジタル画像であり、また複数の画像ボクセルを含む。対象は、人間の患者、動物またはサンプルである。受信エンジン202は、前記生体組織領域のアトラスも受信してよい。アトラスは、生体組織領域の少なくとも一つの副構造の空間的情報を含んでよい。入力医療画像およびアトラスは、入力データ207として表されてよい。受信エンジン202は、さらに、生体組織領域を表す複数の医療画像から構成されるデータベース205を受信してよい。データベース205は、データ蓄積装置102に事前に蓄積されてもよい。データベース205は、DICOM標準に準拠するものであってよい。データベース205は、さらに、PACSに統合されてもよい。
計算エンジン203は、前記アトラスの前記空間的情報に基づき、前記生体組織領域の前記少なくとも一つの副構造の各々について、前記入力医療画像の画像ボクセルの対応部分を識別し、前記入力医療画像に空間的フィルタリングを行うことにより、前記生体組織領域の前記少なくとも一つの副構造の各々について、画像ボクセルの前記対応部分の、計算された定量化数値を提供してよい。かかる識別された構造は、1つのボクセルまたは複数のボクセルのグループであってよい。
検索エンジン204は、前記複数の事前に蓄積された医療画像の少なくとも一つであって、前記計算エンジン203により提供される前記計算された定量化数値と実質的に類似する対応定量化数値を有する医療画像を選択する目的で前記データベースを検索してよい。検索エンジン204は、さらに、対象の統計レポートを提供してよい。かかる統計レポートは、前記検索に基づくものであり、少なくとも診断、予後または機能的状況のいずれかを含む。
ワークステーション201は、さらに、検索エンジン204により選択された医療画像の少なくとも一つを表示する可視化エンジン206を備えてよい。可視化エンジン206は、例えば、表示装置または印刷装置であればよい。表示装置の例としては、陰極線管(CRT)、発光ダイオード(LED)、液晶表示装置(LCD)、デジタル投射(DLP)モニタ、蛍光表示管(VFD)、表面伝導型電子放出表示装置(SED)、電界放出表示装置(FED)、反射型液晶(LCOS)表示装置等を含んでいてもよい。印刷装置の例としては、トナー型プリンタ、液体インクジェットプリンタ、固体インクプリンタ、染料昇華型プリンタ、サーマルプリンタおよび紫外線プリンタ等のようなインクなしプリンタ等を含んでいてもよい。しかし、表示装置およびプリンタは、上記の通り例示されたものに限定されず、本発明から逸脱することなく、現存の又は将来開発される表示装置およびプリンタが含まれる。
図3は、本発明の実施形態に係るフローチャートである。特に当実施例は、ソフトウェア指令を含むコンピュータ可読メディアから構成され、当該ソフトウェア指令は、コンピュータにより実行されたときに当該コンピュータに図3に示すフローチャートを実行させる。例えば、Compact Disc−Read−Only Memory(CD−ROM)、Digital Versatile Disk(DVD)、ブルーレイディスク、フラッシュドライブ、フロッピーディスク、磁気テープ等を含んでいてもよい。コンピュータ可読メディアには、上記の通り例示されたものに限定されず、本発明から逸脱することなく、現存の又は将来開発される一時的でない媒体が含まれる。
ブロック301においては、対象の生体組織領域を表す入力医療画像302は、第1のデータ蓄積装置から受信されてよい。当該入力医療画像は、複数の画像ボクセルを含んでよい。入力医療画像302は、3−D画像を含んでよい。
図4は、本発明の実施形態に係る組織抽出の例を示す。生体組織領域の入力医療画像302に対しては、事前に、診察中の器官を表すデータを周囲の構造を符号化するデータから抽出する処理が施されてもよい。例えば、図4は、後続の処理に係る医療画像に含まれる頭蓋骨から抽出された脳の例を示す。当該抽出された構造は脳全体、脳の一部または他の器官であってよい。
図3のブロック301においては、前記生体組織領域のアトラス303が、第1のデータ蓄積装置または第2のデータ蓄積装置から受信されてよい。当該アトラスは、当該生体組織領域の少なくとも一つの副構造の空間的情報を含んでよい。当該副構造は、複数のボクセルのグループまたは一つのボクセルであってよい。
図3のブロック304においては、前記生体組織領域の少なくとも一つ副構造の各々に対応する画像ボクセルの一部分が、入力医療画像302の上で識別されてよい。当該識別は、アトラス303中の当該生体組織領域の少なくとも一つの副構造の空間的情報を利用して行ってよい。
図5は、本発明の実施形態に係る生体組織領域内の副構造の識別の例を示す。図5は、灰白質領域および白質領域における解剖学的副構造を識別するための変換を介して対象の脳の画像がアトラスに登録されることを示している。当該識別は、当分野において要素化としても知られている。当該変換は、入力医療画像302に示される副構造のトポロジを保存する塑性変換であってよい。当該塑性変換には、LDDMM(大変形微分同相計量写像)(Miller 他 1993, Proc Natl Acad Sci, 90,1194-11948; Joshi 他, 1995, Geometric methods in AppliedImaging, San Diego, CA; Granander and Miller, 1996, Statistical computing andgraphics newsletter 7, 3-8)と呼ばれる変換アルゴリズムおよびその他の微分同相変換方法が含まれうる。微分同相変換(DT)には、いくつかの重要な技術的に魅力的な特徴がある。第一に、DTは、高度に非線形性であり、2つの脳の形に適合し得る。DTは、深刻な縮退を伴う脳を変換することさえできる。第二に、DTは、トポロジ的な保存が可能である。トポロジ的な保存は、生物学的な物にモーフィングアルゴリズムを適用する際には、非常に重要な特徴となる。例えば、1つの顔を他の顔にモーフィングしたときに、トポロジが保存されなければ、非生物学的な結果(例えば2つの眼が3つになる等)が発生するかもしれない。第3に、変換は可逆的である。画像変形可能で生体組織のトポロジを保存可能な他の変換アルゴリズムをDTに代えて使用することもできる。いくつかの場合、例えば、柔らかい生体組織領域において僅かな変更だけが予想される場合には、トポロジ的な要求は放棄され得る。
図3のブロック304において識別された画像ボクセルの一部分に基づき、前記医療画像に空間的フィルタリングを行うことにより、前記生体組織領域の少なくとも一つの副構造の各々に対応する画像ボクセルの一部分の計算された定量化数値305が提供されてよい。計算された定量化数値305には、例えば、体積、面積、合計値、平均値、中央値、標準偏差、標準誤差等が含まれ得る。
図3のブロック306においては、前記複数の事前に蓄積された医療画像の少なくとも一つであって計算された定量化数値305と実質的に類似する対応定量化数値を有するものを選択するためにデータベ−ス205が検索されてよい。当該検索は、少なくとも一つの相関分析を含んでよい。当該相関分析は、さらに、主成分分析(PCA)、最尤分析、最小平均平方分析およびスチューデントt検定のいずれか一つを含んでよい。
図6は、本発明の実施形態に係る2つの対象グループに対する相関分析の結果の一例を示す。図6においては、従来の行動試験により識別された患者および健常対照群の両方からの画像を含む画像プールが用いられている。当該画像は合計で200以上の副構造を識別する頭脳アトラスに登録されている。画像が縮小されてベクトルが抽出されるように、各画像ごとのこれらの副構造の容積が算出されている。次に、前記画像プールからのベクトルがPCA分析にかけられ、当該PCA分析においては一定の座標軸空間における最も近接した2つのデータポイントが互いに類似する解剖学的特徴を有するとみなされる。図6は、提案される検索エンジンの実現可能性を証明するものとして、2つのグループ、すなわち、患者および健常対照群が十分区別されることを実証している。
一般に、ブロック304における当該識別は、任意の2つの画像を用いた変換アルゴリズムによって実行可能である。例えば、入力された1枚の頭脳画像とデータベースに蓄積されたN枚の画像がある場合には、当該入力された頭脳画像と当該データベースに蓄積された各画像との間でN回のマッチングが行われ、その結果N個の変換マトリックスが得られてよい。当該N個の変換マトリックス分析は、例えば、データベースの中から最小の変換量で1つの画像を見出すために行われてよい。この分析アプローチでは、各々の画像ボクセルが測定可能な構造物であると考えられよく、これは有効なアプローチである。しかし、このアプローチには、より正確かつ高次元の変換のためには必要とされる情報量や計算時間が過大になるという問題点がある。このアプローチにより膨大なデータベースの中から同じ形状を検索することは法外に困難となる。
もう一つの例では、入力された1枚の頭脳画像とデータベースに蓄積されたN枚の画像は頭脳アトラスに基づいて変換されてよい。このアプローチによれば、N+1枚の画像と当該アトラスとの間でN+1個の変換マトリックスが得られ、1つの追加の後続のステップが検索の効率を高め得る。すなわち、アトラスの画像への適用により副構造が区分された後、当該区分された副構造の特性を記録することができる。例えば、データベース中のN枚の画像が、200個の副構造の空間的情報を有する頭脳アトラスに従って、200個の副構造に区分されてよく、さらに、各画像ごとに各副構造の体積がデータベース205に記録されてよい。従い、データベース中の各々の頭脳画像は200個の要素を有する一つのベクトルに転換されてよい。係る画像の抽出ベクトルは、N枚の画像の各々とともにデータベースに蓄積することができる。画像が一旦ベクトルやマトリックスに転換されると、同様の特徴を共有する別のベクトルやマトリックスを見出すための簡単な相関分析を大量に行うことが可能となる。このように、新たな画像が一つ追加されたときは、当該新たな画像は、200個の要素を有する一つのベクトルに転換される。しかして、N枚の画像の中から最も相関が高い200個の要素を有する別のベクトルを見出すことにより、類似する解剖学的特徴を有する画像を検索することができる。
データベース205を構築するにあたり、追加の画像が組み入れられることがある。図7は、一つまたは複数のデータ蓄積装置に記憶されたソフトウェアを実行する一つまたは複数の処理装置によって実行される、本発明のいくつかの実施例における処理を図示したフローチャートである。処理装置は、信号処理装置、計算処理装置、またはそれらの組み合わせであってよい。信号処理装置の例としては、プログラムされたFPGA素子、プログラムされたDSP素子、ASIC素子等が含まれてよい。計算処理装置の例としては、単一コアまたはマルチコアの中央演算ユニット(CPU)、単一コアまたはマルチコアの画像処理(GPU)素子等を含んでいてよい。本発明のいくつかの実施例において、図2Aに図示された処理は、データ蓄積装置102および信号処理装置103によって遂行され得る。
ブロック701においては、対象の生体組織領域を表す入力医療画像302は、第1のデータ蓄積装置から受信されてよい。当該入力医療画像は、複数の画像ボクセルを含んでよい。入力医療画像302は、3−D画像を含んでよい。一方、前記生体組織領域のアトラス303は、第1のデータ蓄積装置または第2のデータ蓄積装置から受信されてよい。当該アトラスは、当該生体組織領域の少なくとも一つの副構造の空間的情報を含んでよい。その後、前記生体組織領域の少なくとも一つの副構造の各々に対応する画像ボクセルの一部分が、入力医療画像302の上で識別されてよい。当該識別は、アトラス303中の当該生体組織領域の少なくとも一つの副構造の空間的情報を利用して行ってよい。
ブロック702においては、対応する副構造の画像ボクセルの一部分に基づき前記入力医療画像に空間的フィルタリングを行うことにより、前記生体組織領域の少なくとも一つの副構造の各々に対応する画像ボクセルの一部分の計算された定量化数値305が提供されてよい。計算された定量化数値305には、例えば、体積、面積、合計値、平均値、中央値、標準偏差、標準誤差等が含まれ得る。
ブロック703においては、計算された定量化数値305を符号化するための情報がデータベース205に蓄積されてよい。かかる情報の蓄積は、計算された定量化数値305を符号化するための情報を対応する画像のタグとして蓄積する付加処理であってよい。当該情報は、スカラー、ベクトル、マトリックスなどの形で表されてよい。
図8は、本発明の実施形態に係るもう一つのワークステーション801のブロック図である。当該ワークステーションは、受信エンジン802および計算エンジン803を含んでよい。
受信エンジン802は、対象からの生体組織領域を表す医療画像を受信してよく、当該医療画像は3−Dデジタル画像であってよく、また複数の画像ボクセルを含んでよい。対象は、人間の患者、動物またはサンプルである。受信エンジン802は、前記生体組織領域のアトラスも受信してよい。アトラスは、生体組織領域の少なくとも一つの副構造の空間的情報を含んでよい。
計算エンジン803は、前記生体組織領域の少なくとも一つの副構造の各々について、前記アトラスの少なくとも一つの副構造の空間的情報に基づいて前記医療画像の画像ボクセルの対応部分を識別し、前記生体組織領域の少なくとも一つの副構造の各々について、前記医療画像に空間的フィルタリングを行うことにより、前記少なくとも一つの副構造の各々について前記対応部分の計算された定量化数値を提供するよう構成されてよい。計算エンジン803は、さらに、前記計算された定量化数値を符号化する前記情報をテータベース205に蓄積するよう構成されてよい。前記計算された定量化数値を符号化する情報は、データベース205に蓄積された前記対応する医療画像と並べて蓄積されてよい。データベース205は、前述したとおり、データ蓄積装置102に設けられてもよい。
ワークステーション801は、医療画像または計算エンジン803から提供される「定量化」のいずれかを表示するための可視化エンジン804を備えていてもよい。可視化エンジン804は、例えば、表示装置または印刷装置であればよい。表示装置の例としては、陰極線管(CRT)、発光ダイオード(LED)、液晶表示装置(LCD)、デジタル投射(DLP)モニタ、蛍光表示管(VFD)、表面伝導型電子放出表示装置(SED)、電界放出表示装置(FED)、反射型液晶(LCOS)表示装置等を含んでいてもよい。印刷装置の例としては、トナー型プリンタ、液体インクジェットプリンタ、固体インクプリンタ、染料昇華型プリンタ、サーマルプリンタおよび紫外線プリンタ等のようなインクなしプリンタ等を含んでいてもよい。しかし、表示装置およびプリンタは、上記の通り例示されたものに限定されず、本発明から逸脱することなく、現存の又は将来開発される表示装置およびプリンタが含まれる。
ワークステーション201および801は、少なくとも1つの中央演算処理装置(CPU)および複数のメモリを備えるコンピュータであってよい。ワークステーション201および801は、例えばフィールドプログラマブルゲートアレイ(FPGA)、デジタル信号処理器(DSP)、画像処理ユニット(GPU)、ASIC等を備える専用処理装置であってよい。ワークステーション201および801は、画像装置100の中に組みこまれてもよい。
エンジンは、少なくとも1つの処理装置と複数のメモリを有するコンピュータにより実装されてもよい。処理装置は、例えば、1つ以上のシングルコアまたはマルチコアのCPU、および1つ以上のシングルコアまたはマルチコアのGPUであってもよい。コンピュータは、演算を分轄するためにネットワークを介して接続された1以上のコンピュータで構成される分散型コンピュータであってよい。ネットワークの例としては、限定的ではないが、イントラネット、エクストラネット、インターネットまたはそれらの組み合わせであってよい。受信エンジン202および802、計算エンジン203および803は、例えば、例えばFPGA、DSP、GPU、ASIC等により実装されてもよい。
Picture Archiving and Communication System(PACS)は、日常的な放射線診断において広く用いられる画像データベースである。当該画像は、オフラインのワークステーションで検索・表示可能な患者情報に基づいて検索することができる。臨床記録および診断情報のPACSシステムへの統合(または連係)は、活発な発展を遂げている研究分野の一つであり、臨床医が患者の臨床状況に基づいて過去の事例を検索できることが期待されている。電子医療記録システムが不断の進歩を遂げる一方で、PACSシステムのコンテンツを十分活用するという重要な技術、すなわち、蓄積された画像から解剖学的副構造などの画像の特徴により検索する技術が欠落している。かかる技術なくしては、PACSに蓄積された過去の症例の画像やメタデータが、現在の診断の取り組みの充実のためにほとんど活用できない。
画像をその特徴により検索および抽出する技術は、Content−based Image Retrieval(CBIR)と呼ばれており、例えば顔認識などといったコンピュータによる視覚・画像処理のための非常に活発な研究分野である(Muller, Michoux et al.2004)。これは、CT(Robinson,Tagare et al. 1996; Greenspan and Pinhas 2007; Rahman, Bhattacharya et al. 2007)およびMRI(Orphanoudakis, Chronaki et al. 1996; El-Kwae, Xu et al. 2000; Sinha,Ton et al. 2001; Muller, Rosset et al. 2005; Unay, Ekin et al. 2010)のための医療画像分野において大きな期待が寄せられている技術である。蓄積された画像を直接検索して利用することが可能であれば、現在診察中の患者と類似する解剖学的特徴を有する過去の症例を探すことができる。その意味するところは遠大である。例えば、ある痴呆症患者の脳縮退パターンに類似する100枚の過去の画像を検索することができれば、診断や予後の見込み(例えば、年齢が一致する過去の患者の5年後の機能的帰結)などといった関連するメタデータの要約を生成することが可能である。このような機能は、新たな症例の診断における意思決定の信頼度を大きく高めることができ、また、膨大な臨床データベースを検索可能にすることを通じて解剖・機能間の相関関係の研究に新たな環境を提供し、これにより例えば医療の教示・教育に大きな恩恵をもたらすことができる。
CBIRは、間違いなく非常に需要が高い技術であるが、今日に至るまで、視覚的画像検索システムは教材としても普段の臨床診療においてもほとんど使用されていない(Muller, Michoux et al.2004)。CBIRを実現するための技術には、解剖学的特徴を自動的に抽出し、スカラー、ベクトル、マトリックスなどのような容易に検索可能な実体に転換する機能が含まれていてもよい。一般的には特徴抽出のために、グレースケール、カラー、テクスチャまたは形状が用いられている(Kassner and Thornhill 2010)。かかる確立された技術となっているCBIRをヒトの頭脳に対して適用することが困難であるのは、構造の複雑さと位置情報の重要性がその原因の一つとなっている。例えば、尾状核の縮退と海馬の縮退では、予後の内容が全く異なる。従って、全患者に共通する頭脳の部位を定義した一貫性のある座標系を確立することが不可欠となる。かかる目的で最も広く用いられているアプローチとしては、例えばMNI/ICBM座標軸などのように、各患者の脳の座標軸上の位置がX軸、Y軸、Z軸の値で参照される標準の座標軸で示されるボクセル・ベース分析が知られている(Ashburner and Friston 2000)。しかし、このアプローチでは膨大な量の位置情報の計算へのチャレンジが避けられない(例えば、1mmの解像度で100万画素を要する)。各画素からの情報のノイズが非常に高い可能性があるため、かかる計算へのチャレンジはさらに困難である。したがって、入力画像を自動的に少数の構造の単位に要素化するアプローチが有利である。脳の構造の自動的要素化のために、輝度による組織分類およびラベル伝播法が提唱されている(Iosifescu, Shenton et al. 1997; Fischl, Salat et al. 2002; Hammers,Allom et al. 2003; Fischl, van der Kouwe et al. 2004; Rohlfing, Russakoff etal. 2004; Smith, Jenkinson et al. 2004; Svarer, Madsen et al. 2005; Heckemann,Hajnal et al. 2006; Yushkevich, Piven et al. 2006)。解剖学的特徴抽出、画像検索および臨床診断支援にコンピュータによる脳の構造の自動的要素化を応用するためには、要素化手順が完全に自動化され、脳全体の特徴が把握される必要がある。現在に至るまで、脳全体の解剖学的ラべリング、特徴抽出の効率性および過去の類似病状の検索に関する報告はなされていない。
当出願においては、画像検索ツールが提案される。上記の本発明の実施形態において、特定の技術は明瞭化のために使用されたものである。しかし、本発明は、この特定の技術に限定することを意図するものではない。上記の本発明の実施形態は、上記技術を考慮することにより当業者によって認識されるように、本発明から逸脱することなく変形・変更されてもよい。したがって、特許請求の範囲およびその同等範囲内において、本発明は特に説明された以外の方法でも実施されてもよい。
Claims (29)
- 観察中の対象の生体組織領域を表す画像を生成することができる画像スキャナであって、前記生体組織領域が少なくとも一つの副構造を有し、前記画像が複数の画像ボクセルを含む、画像スキャナと、
前記画像スキャナから前記画像の信号を受信するために前記画像スキャナに接続される信号処理システムと、
前記信号処理システムと交信するデータ蓄積装置と、を備え、
前記データ蓄積装置は、前記生体組織領域の前記少なくとも一つの副構造の空間的情報を含むアトラスと、
前記生体組織領域を表す複数の事前に蓄積された医療画像を含むデータベースと、を蓄積するように構成され、
前記信号処理システムは、前記アトラスに基づき、前記少なくとも一つの副構造の各々について、前記画像の画像ボクセルの対応部分を識別し、前記画像に空間的フィルタリングを行うことにより、前記生体組織領域の前記少なくとも一つの副構造の各々について、前記画像ボクセルの前記対応部分の、計算された定量化数値を提供し、
前記複数の事前に蓄積された医療画像の中から、前記計算された定量化数値と実質的に類似する、対応定量化数値を有する、少なくとも一つの選択された、医療画像を提供するために前記データベースを検索する、
ことを特徴とする非侵襲的画像処理システム。 - 前記画像スキャナは、磁気共鳴画像(MRI)スキャナ、コンピュータ断層撮影(CT)スキャナ、陽電子放出断層撮影(PET)画像スキャナ、単一陽子放出コンピュータ断層撮影(SPECT)画像スキャナ、超音波スキャナおよび顕微鏡の一つを備えることを特徴とする請求項1に記載の非侵襲的画像処理システム。
- 前記データベースは、Digital Imaging and Communications in medicine(DICOM)標準に準拠することを特徴とする請求項1に記載の非侵襲的画像処理システム。
- 前記データベースは、Picture Archiving and Communication System(PACS)と統合されることを特徴とする請求項1に記載の非侵襲的画像処理システム。
- 前記生体組織領域を表す前記画像および事前に前記データベースに蓄積された前記複数の医療画像から選択された前記少なくとも一つの医療画像を表示するように構成された可視化装置またはコンソールステーションをさらに備えることを特徴とする請求項1に記載の非侵襲的画像処理システム。
- 対象の生体組織領域を表し、複数の画像ボクセルを含む入力医療画像を受信し、前記生体組織領域のアトラスであって前記生体組織領域の少なくとも一つの副構造の空間的情報を含むアトラスを受信し、生体組織領域を表す複数の事前に蓄積された医療画像を含むデータベースを受信する受信エンジンと、
前記アトラスの前記空間的情報を用いて、前記生体組織領域の前記少なくとも一つの副構造の各々について、前記入力医療画像の画像ボクセルの対応部分を識別し、前記入力医療画像に空間的フィルタリングを行うことにより、前記組織領域の前記少なくとも一つの副構造の各々について、前記画像ボクセルの前記対応部分の、計算された定量化数値を提供する計算エンジンと、
前記複数の事前に蓄積された医療画像の少なくとも一つであって、前記計算された定量化数値と実質的に類似する対応定量化数値を有する医療画像を選択する目的で前記データベースを検索する検索エンジンと、
を備えるワークステーション。 - 前記データ蓄積装置は、ハードディスクドライブ(HDD)、ネットワーク領域蓄積装置(NAS)、レイド(RAID)、フラッシュドライブ、光学ディスク、磁気テープ、磁気光学ディスクまたはこれらと同等の装置のいずれか一つであることを特徴とする請求項6に記載のワークステーション。
- 前記選択された少なくとも一つの医療画像を表示する可視化エンジンをさらに備えることを特徴とする請求項6に記載のワークステーション。
- 前記検索エンジンは、さらに、前記対象の統計レポートを提供し、前記統計レポートは、前記検索に基づくものであり、診断、予後および機能性状態の少なくとも一つを含むことを特徴とする請求項6に記載のワークステーション。
- ソフトウェア指令を含むコンピュータ可読媒体であって、前記ソフトウェア指令は、コンピュータにより実行されると、前記コンピュータに、
第1のデータ蓄積装置から対象の生体組織領域を表す複数の画像ボクセルを含む入力医療画像を受信させ、
前記第1のデータ蓄積装置または第2のデータ蓄積装置から前記生体組織領域のアトラスであって前記生体組織領域の少なくとも一つの副構造の空間的情報を含むアトラスを受信させ、
前記第1のデータ蓄積装置、前記第2のデータ蓄積装置または第3のデータ蓄積装置から複数の事前に蓄積された医療画像を含む医療画像データベースを受信させ、
前記アトラスの前記空間的情報を用いて、前記生体組織領域の前記少なくとも一つの副構造の各々について、前記入力医療画像の画像ボクセルの対応部分を識別させ、
前記入力医療画像に空間的フィルタリングを行うことにより、前記生体組織領域の前記少なくとも一つの副構造の各々について、画像ボクセルの前記対応部分の、計算された定量化数値を提供させ、および、
前記複数の事前に蓄積された医療画像の少なくとも一つであって、前記計算された定量化数値と実質的に類似する対応定量化数値を有する医療画像を選択する目的で前記データベースを検索させる、
コンピュータ可読媒体。 - 前記検索は、少なくとも一つの相関分析を含むことを特徴とする請求項10に記載のコンピュータ可読媒体。
- 前記相関分析は、主成分分析、最尤分析、最小平均平方分析およびスチューデントt検定のいずれか一つを含むことを特徴とする請求項11に記載のコンピュータ可読媒体。
- 前記入力医療画像は、3−D画像を含むことを特徴とする請求項12に記載のコンピュータ可読媒体。
- 医療画像データベースを構築するためのコンピュータ実装方法であって、
第1のデータ蓄積装置から対象の生体組織領域を表す複数の画像ボクセルを含む入力医療画像を受信すること、
前記第1のデータ蓄積装置または第2のデータ蓄積装置から前記生体組織領域のアトラスであって前記生体組織領域の少なくとも一つの副構造の空間的情報を含むアトラスを受信すること、
前記医療画像において前記生体組織領域の前記少なくとも一つの副構造の各々に対応する画像ボクセルを識別すること、
前記少なくとも一つの副構造の各々に対して識別された前記画像ボクセルに基づいて、当該画像ボクセルの計算された定量化数値を提供するために前記医療画像に空間的フィルタリングを行うこと、
前記第1のデータ蓄積装置、前記第2のデータ蓄積装置または第3のデータ蓄積装置に設けられた前記データベースに、前記データベース中の前記医療画像において識別された少なくとも一つの副構造の各々について前記計算された定量化数値を符号化する情報を蓄積すること、
を含む方法。 - 前記医療画像は、三次元(3−D)画像であることを特徴とする請求項14に記載の方法。
- 前記医療画像は、コンピュータ断層撮影(CT)画像、磁気共鳴画像(MRI)画像、陽電子放出断層撮影(PET)画像、単一陽子放出コンピュータ断層撮影(SPECT)画像、超音波(US)画像、光干渉断層(OCT)画像および顕微鏡画像の一つであることを特徴とする請求項14に記載の方法。
- 前記生体組織領域は、脳、肝臓、心臓、腎臓、胸部、関節および血管の一つであることを特徴とする請求項14に記載の方法。
- 前記副構造は、解剖学的副構造および生理学的副構造のうちの一つであることを特徴とする請求項14に記載の方法。
- 前記識別は、少なくとも一つの塑性変換を用いることを特徴とする請求項14に記載の方法。
- 前記塑性変換は、微分同相変換を含むことを特徴とする請求項19に記載の方法。
- 前記計算された定量化数値は、体積、面積、合計値、平均値、中央値、標準偏差、標準誤差のうちの一つであることを特徴とする請求項14に記載の方法。
- 前記蓄積は、前記計算された定量化数値を符号化数する情報を前記医療画像とともに同一のデータ蓄積装置に保存することを特徴とする請求項14に記載の方法。
- 前記計算された定量化数値を符号化数する情報は、前記医療画像のタグとして蓄積されることを特徴とする請求項14に記載の方法。
- 前記計算された定量化数値を符号化数する情報は、スカラー、ベクトルおよびマトリックスのうちの一つを含むことを特徴とする請求項14に記載の方法。
- 前記でデータベースは、Digital Imaging and Communications in medicine(DICOM)標準に準拠し、前記計算された定量化数値を符号化する情報を含むことを特徴とする請求項14に記載の方法。
- 前記データベースは、Picture Archiving and Communication System(PACS)と統合されることを特徴とする請求項25に記載の方法。
- 対象の生体組織領域を表す複数の画像ボクセルを含む医療画像を受信し、前記生体組織領域のアトラスであって前記生体組織領域の少なくとも一つの副構造を符号化する空間的情報を含むアトラスを受信する受信エンジンと、
前記アトラスに含まれる前記空間的情報に基づいて、前記生体組織領域の前記少なくとも一つの副構造の各々に対応する前記入力医療画像の画像ボクセルを識別し、前記少なくとも一つの副構造の各々に対して識別された前記画像ボクセルに基づいて、当該画像ボクセルの計算された定量化数値を提供するために前記医療画像に空間的フィルタリングを行い、データ蓄積装置に、前記データベース中の前記医療画像において識別された前記少なくとも一つの副構造の各々の前記計算された定量化数値を符号化する情報であって、前記データ蓄積装置に設けられた医療画像のデータベースへの追加を提供する情報を蓄積する計算エンジンと、
からなるワークステーション。 - 前記データ蓄積装置は、ハードディスクドライブ(HDD)、ネットワーク領域蓄積装置(NAS)、レイド(RAID)、フラッシュドライブ、光学ディスク、磁気テープ、磁気光学ディスクまたはこれらと同等の装置のいずれか一つであることを特徴とする請求項27に記載のワークステーション。
- 前記生体組織領域の前記少なくとも一つの副構造の一つに対応すると識別された前記医療画像の画像ボクセルまたは前記計算された定量化数値を符号化する情報のいずれか一つを表示する可視化エンジンをさらに備えることを特徴とする請求項27に記載のワークステーション。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US40824910P | 2010-10-29 | 2010-10-29 | |
US61/408,249 | 2010-10-29 | ||
PCT/US2011/057692 WO2012058217A2 (en) | 2010-10-29 | 2011-10-25 | Image search engine |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2013545520A true JP2013545520A (ja) | 2013-12-26 |
Family
ID=45994693
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013536725A Pending JP2013545520A (ja) | 2010-10-29 | 2011-10-25 | 画像検索エンジン |
Country Status (3)
Country | Link |
---|---|
US (1) | US9275456B2 (ja) |
JP (1) | JP2013545520A (ja) |
WO (1) | WO2012058217A2 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016202904A (ja) * | 2015-04-15 | 2016-12-08 | キヤノン株式会社 | 診断支援装置、診断支援システム、情報処理方法、及びプログラム |
KR20190088371A (ko) * | 2018-01-18 | 2019-07-26 | 주식회사 뷰노 | 진행성 병변의 미래 영상을 생성하는 방법 및 이를 이용한 장치 |
Families Citing this family (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8891881B2 (en) * | 2012-01-25 | 2014-11-18 | General Electric Company | System and method for identifying an optimal image frame for ultrasound imaging |
JP5844246B2 (ja) * | 2012-11-30 | 2016-01-13 | 富士フイルム株式会社 | 検査結果表示装置及びその作動方法、並びに制御プログラム |
SG11201507611UA (en) | 2013-03-15 | 2015-10-29 | Synaptive Medical Barbados Inc | Intramodal synchronization of surgical data |
WO2015135058A1 (en) * | 2014-03-14 | 2015-09-17 | Synaptive Medical (Barbados) Inc. | Methods and systems for intraoperatively confirming location of tissue structures |
US10147189B2 (en) | 2013-12-06 | 2018-12-04 | The Johns Hopkins University | Gross feature recognition of anatomical images based on atlas grid |
AU2015212984A1 (en) | 2014-01-28 | 2016-06-23 | Ventana Medical Systems, Inc. | Adaptive classification for whole slide tissue segmentation |
US10102625B2 (en) * | 2014-09-01 | 2018-10-16 | Aditya Imaging Information Technologies (Aiit) | Method and system for analyzing one or more multi-resolution medical images |
US9818188B2 (en) * | 2014-10-17 | 2017-11-14 | Synaptive Medical (Barbados) Inc. | System and method for connectivity mapping |
KR102328266B1 (ko) * | 2014-10-29 | 2021-11-19 | 삼성전자주식회사 | 영상 처리 장치, 영상 처리 방법 및 영상 처리부가 마련된 초음파 영상 장치 |
US10127655B2 (en) * | 2015-07-09 | 2018-11-13 | Samsung Medison Co., Ltd. | Medical imaging apparatus and method of operating same |
US9639535B1 (en) * | 2015-12-16 | 2017-05-02 | Waste Repurposing International, Inc. | Waste identification systems and methods |
US10748277B2 (en) * | 2016-09-09 | 2020-08-18 | Siemens Healthcare Gmbh | Tissue characterization based on machine learning in medical imaging |
US10878576B2 (en) * | 2018-02-14 | 2020-12-29 | Elekta, Inc. | Atlas-based segmentation using deep-learning |
CN111936989A (zh) | 2018-03-29 | 2020-11-13 | 谷歌有限责任公司 | 相似医学图像搜索 |
AU2018431593A1 (en) | 2018-07-11 | 2021-02-04 | Google Llc | Similar image search for radiology |
US11126649B2 (en) | 2018-07-11 | 2021-09-21 | Google Llc | Similar image search for radiology |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001155019A (ja) * | 1999-11-25 | 2001-06-08 | Olympus Optical Co Ltd | 類似画像検索装置 |
JP2008200373A (ja) * | 2007-02-22 | 2008-09-04 | Fujifilm Corp | 類似症例検索装置、方法、およびプログラム、ならびに、類似症例データベース登録装置、方法、およびプログラム |
JP2009213907A (ja) * | 2001-08-31 | 2009-09-24 | Fujifilm Ri Pharma Co Ltd | 画像関連データ処理方法 |
Family Cites Families (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5905819A (en) * | 1996-02-05 | 1999-05-18 | Eastman Kodak Company | Method and apparatus for hiding one image or pattern within another |
WO2002025588A2 (en) * | 2000-09-21 | 2002-03-28 | Md Online Inc. | Medical image processing systems |
US7529394B2 (en) * | 2003-06-27 | 2009-05-05 | Siemens Medical Solutions Usa, Inc. | CAD (computer-aided decision) support for medical imaging using machine learning to adapt CAD process with knowledge collected during routine use of CAD system |
US7920908B2 (en) * | 2003-10-16 | 2011-04-05 | David Hattery | Multispectral imaging for quantitative contrast of functional and structural features of layers inside optically dense media such as tissue |
DE102004008979B4 (de) * | 2004-02-24 | 2006-12-28 | Siemens Ag | Verfahren zur Filterung tomographischer 3D-Darstellungen nach erfolgter Rekonstruktion von Volumendaten |
US8014575B2 (en) * | 2004-03-11 | 2011-09-06 | Weiss Kenneth L | Automated neuroaxis (brain and spine) imaging with iterative scan prescriptions, analysis, reconstructions, labeling, surface localization and guided intervention |
WO2006039358A2 (en) * | 2004-09-30 | 2006-04-13 | The Regents Of The University Of California | Method for assessment of the structure-function characteristics of structures in a human or animal body |
US9451932B2 (en) * | 2004-12-30 | 2016-09-27 | Crystalview Medical Imaging Limited | Clutter suppression in ultrasonic imaging systems |
US7602970B2 (en) * | 2005-03-21 | 2009-10-13 | Siemens Medical Solutions Usa, Inc. | System and method for Kalman filtering in vascular segmentation |
FR2886433B1 (fr) * | 2005-05-30 | 2007-09-07 | Commissariat Energie Atomique | Methode de segmentation d'une sequence d'images tridimensionnelles, notamment en pharmaco-imagerie. |
US7979383B2 (en) * | 2005-06-06 | 2011-07-12 | Atlas Reporting, Llc | Atlas reporting |
DE102005058217B4 (de) * | 2005-12-06 | 2013-06-06 | Siemens Aktiengesellschaft | Verfahren und System zur computergestützten Erkennung von Hochkontrastobjekten in tomographischen Aufnahmen |
US7620227B2 (en) * | 2005-12-29 | 2009-11-17 | General Electric Co. | Computer-aided detection system utilizing temporal analysis as a precursor to spatial analysis |
US8090178B2 (en) * | 2006-04-06 | 2012-01-03 | Siemens Medical Solutions Usa, Inc. | System and method for automatic detection of internal structures in medical images |
US8090166B2 (en) * | 2006-09-21 | 2012-01-03 | Surgix Ltd. | Medical image analysis |
JP2008253292A (ja) * | 2007-03-30 | 2008-10-23 | Fujifilm Corp | 症例画像検索装置及びシステム |
US20090006131A1 (en) * | 2007-06-29 | 2009-01-01 | General Electric Company | Electronic medical record-influenced data acquisition, processing, and display system and method |
US20090041322A1 (en) * | 2007-07-10 | 2009-02-12 | Seimens Medical Solutions Usa, Inc. | Computer Assisted Detection of Polyps Within Lumen Using Enhancement of Concave Area |
CN101765843A (zh) * | 2007-08-01 | 2010-06-30 | 皇家飞利浦电子股份有限公司 | 使用医学相关术语访问医学图像数据库 |
EP2203894B1 (en) * | 2007-09-03 | 2011-03-02 | Koninklijke Philips Electronics N.V. | Visualization of voxel data |
US8184888B2 (en) * | 2007-09-19 | 2012-05-22 | Siemens Medical Solutions Usa, Inc. | Method and system for polyp segmentation for 3D computed tomography colonography |
JP5159242B2 (ja) * | 2007-10-18 | 2013-03-06 | キヤノン株式会社 | 診断支援装置、診断支援装置の制御方法、およびそのプログラム |
JP4685078B2 (ja) * | 2007-10-25 | 2011-05-18 | 富士フイルムRiファーマ株式会社 | 画像診断支援システム |
JP4545185B2 (ja) * | 2007-11-21 | 2010-09-15 | ザイオソフト株式会社 | 画像処理装置、画像処理装置の制御方法、および画像処理装置の制御プログラム |
US8126249B2 (en) * | 2008-05-30 | 2012-02-28 | Optasia Medical Limited | Methods of and system for detection and tracking of osteoporosis |
US8731255B2 (en) * | 2008-11-05 | 2014-05-20 | University Of Louisville Research Foundation, Inc. | Computer aided diagnostic system incorporating lung segmentation and registration |
EP2427858B1 (en) * | 2009-05-08 | 2018-07-11 | Edda Technology, Inc. | Method, system, apparatus, and computer program product for interactive hepatic vascular and biliary system assessment |
WO2011021181A1 (en) * | 2009-08-16 | 2011-02-24 | Ori Hay | Assessment of spinal anatomy |
KR20110055870A (ko) * | 2009-11-20 | 2011-05-26 | 삼성전자주식회사 | 엑스선 디텍터의 에너지 응답 특성을 추정하는 방법 및 장치 |
WO2011163391A2 (en) * | 2010-06-22 | 2011-12-29 | The Johns Hopkins University | Atlas-based analysis for image-based anatomic and functional data of organism |
US8311301B2 (en) * | 2010-12-10 | 2012-11-13 | Carestream Health, Inc. | Segmenting an organ in a medical digital image |
JP2013003821A (ja) * | 2011-06-16 | 2013-01-07 | Shinkawa Ltd | パターン位置検出方法 |
US8520923B2 (en) * | 2011-08-06 | 2013-08-27 | Carestream Health, Inc. | Reporting organ volume for a medical digital image |
-
2011
- 2011-10-25 US US13/824,853 patent/US9275456B2/en active Active
- 2011-10-25 JP JP2013536725A patent/JP2013545520A/ja active Pending
- 2011-10-25 WO PCT/US2011/057692 patent/WO2012058217A2/en active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2001155019A (ja) * | 1999-11-25 | 2001-06-08 | Olympus Optical Co Ltd | 類似画像検索装置 |
JP2009213907A (ja) * | 2001-08-31 | 2009-09-24 | Fujifilm Ri Pharma Co Ltd | 画像関連データ処理方法 |
JP2008200373A (ja) * | 2007-02-22 | 2008-09-04 | Fujifilm Corp | 類似症例検索装置、方法、およびプログラム、ならびに、類似症例データベース登録装置、方法、およびプログラム |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016202904A (ja) * | 2015-04-15 | 2016-12-08 | キヤノン株式会社 | 診断支援装置、診断支援システム、情報処理方法、及びプログラム |
JP2021180929A (ja) * | 2015-04-15 | 2021-11-25 | キヤノン株式会社 | 診断支援装置、診断支援システム、情報処理方法、及びプログラム |
US11996172B2 (en) | 2015-04-15 | 2024-05-28 | Canon Kabushiki Kaisha | Diagnosis support system, information processing method, and program |
KR20190088371A (ko) * | 2018-01-18 | 2019-07-26 | 주식회사 뷰노 | 진행성 병변의 미래 영상을 생성하는 방법 및 이를 이용한 장치 |
KR102222816B1 (ko) * | 2018-01-18 | 2021-03-04 | 주식회사 뷰노 | 진행성 병변의 미래 영상을 생성하는 방법 및 이를 이용한 장치 |
Also Published As
Publication number | Publication date |
---|---|
US9275456B2 (en) | 2016-03-01 |
US20130223716A1 (en) | 2013-08-29 |
WO2012058217A2 (en) | 2012-05-03 |
WO2012058217A3 (en) | 2012-07-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2013545520A (ja) | 画像検索エンジン | |
US20230104045A1 (en) | System and method for ultrasound analysis | |
Doshi et al. | Multi-atlas skull-stripping | |
Liu | Symmetry and asymmetry analysis and its implications to computer-aided diagnosis: A review of the literature | |
JP2009157527A (ja) | 医用画像処理装置、医用画像処理方法ならびにプログラム | |
EP3424017B1 (en) | Automatic detection of an artifact in patient image data | |
Huo et al. | Combining multi-atlas segmentation with brain surface estimation | |
US20220139062A1 (en) | Learning apparatus, learning method, and learning program, region-of-interest extraction apparatus, region-of-interest extraction method, and region-of-interest extraction program, and learned extraction model | |
US20110052024A1 (en) | method of analysing stroke images | |
WO2019044095A1 (ja) | 医用情報表示装置、方法及びプログラム | |
US11222728B2 (en) | Medical image display apparatus, medical image display method, and medical image display program | |
JP2021140769A (ja) | 医用情報処理装置、医用情報処理方法及び医用情報処理プログラム | |
Hess et al. | Deep learning for multi-tissue segmentation and fully automatic personalized biomechanical models from BACPAC clinical lumbar spine MRI | |
US20190019304A1 (en) | Medical image processing apparatus, method, and program | |
US11158054B2 (en) | Medical image processing apparatus, medical image processing method, and medical image processing program | |
US11295442B2 (en) | Medical information display apparatus displaying cavity region in brain image, medical information display method, and medical information display program | |
US11216945B2 (en) | Image processing for calculation of amount of change of brain | |
US11315263B2 (en) | Medical image processing apparatus, medical image processing method, and medical image processing program | |
US20200176120A1 (en) | Information output apparatus, information output method, and information output program | |
Jiao et al. | Anatomy-aware self-supervised fetal MRI synthesis from unpaired ultrasound images | |
JP6765396B2 (ja) | 医用画像処理装置、方法およびプログラム | |
WO2020246192A1 (ja) | 修正指示領域表示装置、方法およびプログラム | |
US20240071604A1 (en) | Artificial intelligence supported reading by redacting of a normal area in a medical image | |
Trojacanec et al. | Content based retrieval of MRI based on brain structure changes in Alzheimer’s disease | |
Elloumi et al. | A 3D Processing Technique to Detect Lung Tumor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20141015 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150722 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150825 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20160209 |