JP2013545520A - 画像検索エンジン - Google Patents

画像検索エンジン Download PDF

Info

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
Application number
JP2013536725A
Other languages
English (en)
Inventor
進 森
マイケル アイ． ミラー
健一 大石
アンドレイア ヴィー． ファリア
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.)
Johns Hopkins University
Original Assignee
Johns Hopkins University
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 Johns Hopkins University filed Critical Johns Hopkins University
Publication of JP2013545520A publication Critical patent/JP2013545520A/ja
Pending legal-status Critical Current

Links

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。
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)

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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。
  9. 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。
  10. 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。
  11. 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。
  12. 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。
  13. 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。
  14. 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。
  15. 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。
  16. 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。
  17. 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。
  18. 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。
  19. 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。
  20. 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。
  21. 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。
  22. 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。
  23. 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。
  24. 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。
  25. 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。
  26. 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。
  27. 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。
  28. 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。
  29. 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。
JP2013536725A 2010-10-29 2011-10-25 画像検索エンジン Pending JP2013545520A (ja)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

Patent Citations (3)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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