JP2016158641A - 医用画像処理装置および医用画像処理方法 - Google Patents

Abstract

【課題】蓄積した医療データにより画像処理の精度を向上する医用画像処理装置を提供すること。【解決手段】医療ナレッジ蓄積部２５は、複数の患者に関する医療データセットそれぞれに含まれる複数種類の医療情報項目値の類似性に基づく複数の医療データセットを解析し、検索可能に蓄積された複数の医療ナレッジを蓄積する。パラメータ値記憶部２９は、複数の解析対象部位の各々とデフォルトパラメータ値を関連付けて記憶する。医療ナレッジ取得部２７は、蓄積された医療ナレッジから所望の医療ナレッジを取得する。パラメータ値決定部３１は、パラメータ値記憶部２９の関連付けに基づいて、画像処理対象の医用画像データセットの解析対象部位に対応するデフォルトパラメータ値を決定し、決定されたデフォルトパラメータ値と前記取得された医療ナレッジとに基づいて、画像処理の候補パラメータ値を決定する。【選択図】図１

Description

本発明の実施形態は、医用画像処理装置および医用画像処理方法に関する。

画像解析を行うアプリケーションでは、画像解析データを任意の閾値等のパラメータに基づいて画像処理し、その処理結果を表示する。例えば、ＣＴ画像を使ったセグメンテーションでは、骨のＣＴ値を任意の閾値により画像処理を施す。

図１４Ａは、従来例に係る、あるＣＴ画像を示す図である。各格子に記載された数値は各画素のＣＴ値であり、単位ＨＵ（Ｈｏｕｎｓｆｉｅｌｄ＿Ｕｎｉｔ）で示される。ＨＵは水を０ＨＵ、空気を−１０００ＨＵとして表したＣＴ値の単位で、金属や骨等は約１０００ＨＵである。図１４Ｂは、従来例に係る、図１４ＡのＣＴ画像に閾値による画像処理（以下、閾値処理と呼ぶ）を施す説明をするための図である。例えば閾値を５０ＨＵに設定して図１４Ａに閾値処理を施すと、図１４Ｂが得られる。図１４Ｂは、５０ＨＵ以上のＣＴ値を有する画素は高輝度で、５０ＨＵより小さいＣＴ値を有する画素は低輝度で表示されることを示している。

図１５は、従来例に係る、閾値処理の典型的な流れを説明するための図である。閾値記憶部は、人体の部位等に基づく閾値タイプ毎にデフォルト閾値を記憶する。例えば、骨領域のデフォルト閾値は９５０ＨＵである。血管領域のデフォルト閾値は骨領域とは異なるデフォルト閾値を有する。次に閾値決定が行われる。閾値タイプを決定し、閾値記憶部に基づいて閾値を決定する。例えば操作者は、撮影部位に応じて入力部を介して閾値タイプを入力する。閾値記憶部によって、入力された閾値タイプからデフォルト閾値が選択される。必要であればデフォルト閾値を調整することにより、閾値は決定される。最後に閾値処理が行われる。決定された閾値により画像に閾値処理を施す。

図１６Ａは、従来例に係る、図１４ＡのＣＴ画像と異なるＣＴ画像を示す図である。図１６Ｂは、従来例に係る、図１６ＡのＣＴ画像に閾値５０ＨＵで閾値処理を施したＣＴ画像を示す図である。図１６Ｃは、従来例に係る、図１６ＡのＣＴ画像に閾値６０ＨＵで閾値処理を施したＣＴ画像を示す図である。図１６Ｄは、従来例に係る、図１６ＡのＣＴ画像に閾値４０ＨＵで閾値処理を施したＣＴ画像を示す図である。閾値処理後の図１６Ｂ〜Ｄのうち、図１６Ｃが図１４Ｂと同じＣＴ画像になる。すなわち、図１６Ａの場合、６０ＨＵで閾値処理を施す方が適切な画像解析結果が得られる。しかしながら、閾値を５０ＨＵから６０ＨＵに変更した方が良いことに操作者は気付かないことが多い。

例えば骨を対象としたＣＴ画像がある。人間の骨は、人種、年齢、性別、病歴などで差があることが知られている。顕著な例として、骨粗しょう症という病気が挙げられる。骨粗しょう症患者の骨は、骨の密度が通常の骨に比して小さくなる。骨粗しょう症患者の骨を対象としたＣＴ画像は、骨の密度が小さいすなわち骨の隙間に入り込む空気量が多くなるため、ＣＴ値は全体的に下がる。したがって、骨のＣＴ画像取得後に閾値処理を行う場合、通常の骨に比して低い閾値で閾値処理を行う必要がある。

閾値処理における適した閾値は病歴以外にも人種、年齢、性別等多くの要因に依り誤差が出るため、適切な閾値の決定が難しい。

特開２００９−１８０６５号公報 特開２００８−４３５６４号公報 特開２００７−１３５８５８号公報 特許５０５４２５２号 特許４０８７６４０号

目的は、蓄積した医療データにより画像処理の精度を向上する医用画像処理装置を提供することにある。

本実施形態に係る医用画像処理装置は、複数の患者に関する医療データセットそれぞれに含まれる複数種類の医療情報項目値の類似性に基づく前記複数の医療データセットを解析し、検索可能に蓄積された複数の医療ナレッジを蓄積する医療ナレッジ蓄積部と、複数の解析対象部位の各々とデフォルトパラメータ値を関連付けて記憶するパラメータ値記憶部と、前記蓄積された医療ナレッジから所望の医療ナレッジを取得する医療ナレッジ取得部と、前記パラメータ値記憶部の関連付けに基づいて、画像処理対象の医用画像データセットの解析対象部位に対応するデフォルトパラメータ値を決定し、前記決定されたデフォルトパラメータ値と前記取得された医療ナレッジとに基づいて、画像処理の候補パラメータ値を決定する候補パラメータ値決定部と、を具備する。

本実施形態に係る医用画像処理装置の構成を示す図 本実施形態に係る医用画像処理装置の構成を機能的に示す図 図１のデータ解析部によって複数の非画像データセットを解析し、複数の集合に分類する例を説明するための図 図１の医療ナレッジ蓄積部により管理される、医療ナレッジの記憶テーブルを示す図 図１のデータ解析部によって、新たな患者ａを既存のいずれかの集合に分類する例を説明するための図 図１のパラメータ値記憶部による、パラメータ値の記憶テーブルを示す図 図１の実績フィードバック部により、パラメータ値記憶部の記憶テーブルに実績回数をフィードバックする説明をするための図 本実施形態に係る閾値決定の典型的な流れを示す図 図１の医療ナレッジ検索部により、取得された医療ナレッジに関する閾値候補の記憶テーブルを示す図 図１の表示部による、３つの候補閾値を用いて閾値処理を施したＣＴ画像を簡易的に表した図 図１の表示部による、３つの候補閾値を用いて閾値処理を施したＣＴ画像を具体的に表した図 本実施形態に係る医用画像処理装置のうち、必ずしも装置内に無くても良いユニットを示す図 応用例に係る医用画像処理装置の構成を示す図 従来例に係る、あるＣＴ画像を示す図 従来例に係る、図１４ＡのＣＴ画像に閾値による画像処理を施す説明をするための図 従来例に係る、閾値処理の典型的な流れを説明するための図 従来例に係る、図１４ＡのＣＴ画像と異なるＣＴ画像を示す図 従来例に係る、図１６ＡのＣＴ画像に閾値５０ＨＵで閾値処理を施したＣＴ画像を示す図 従来例に係る、図１６ＡのＣＴ画像に閾値６０ＨＵで閾値処理を施したＣＴ画像を示す図 従来例に係る、図１６ＡのＣＴ画像に閾値４０ＨＵで閾値処理を施したＣＴ画像を示す図

以下、図面を参照しながら本実施形態に係る医用画像処理装置を説明する。なお、以下の説明において、略同一の機能及び構成を有する構成要素については、同一符号を付し、重複説明は必要な場合にのみ行う。

図１は、本実施形態に係る医用画像処理装置の構成を示す図である。図１に示すように、本実施形態に係る医用画像処理装置１０は、制御部２０と、医療データ記憶部２１と、医療ナレッジ蓄積部２５と、パラメータ値記憶部２９と、表示部１００と、入力部１１０と、主記憶部１２０と、インターフェース部１３０と、を備えている。また図３は、本実施形態に係る医用画像処理装置の構成を機能的に示す図である。

制御部２０は、制御部２０に含まれる各種構成要素を統括的に制御する。制御部２０は、中央演算処理装置（Ｃｅｎｔｒａｌ＿Ｐｒｏｃｅｓｓｉｎｇ＿Ｕｎｉｔ：以下、ＣＰＵと呼ぶ）等により実現される。

表示部１００は、種々の情報をモニタに表示する。表示部１００は、候補閾値を表示する。表示部１００としては例えば、ＣＲＴディスプレイや液晶ディスプレイ、有機ＥＬディスプレイ等が適宜利用可能である。

入力部１１０は、入力機器による操作者からの各種指令や情報入力を受け付ける。入力機器としては、キーボードやマウス、各種スイッチ等が利用可能である。

主記憶部１２０は、種々の情報を記憶する記憶装置である。ＨＤＤ（Ｈａｒｄ＿Ｄｉｓｋ＿Ｄｒｉｖｅ）等により実現される大容量の記憶装置である。なお近年容量の増加によりＳＳＤ（Ｓｏｌｉｄ＿Ｓｔａｔｅ＿Ｄｒｉｖｅ）が使用されることもある。

インターフェース部１３０は、ネットワークを介して図示していない（Ｐｉｃｔｕｒｅ＿Ａｒｃｈｉｖｉｎｇ＿ａｎｄ＿Ｃｏｍｍｕｎｉｃａｔｉｏｎ＿Ｓｙｓｔｅｍ：ＰＡＣＳ）や他のコンピュータに接続される。インターフェース部１３０は、接続された外部装置とＤＩＣＯＭ（Ｄｉｇｉｔａｌ＿Ｉｍａｇｉｎｇ＿ａｎｄ＿Ｃｏｍｍｕｎｉｃａｔｉｏｎ＿ｉｎ＿Ｍｅｄｉｃｉｎｅ）規格に準拠したデータ通信を行う。

次に制御部２０と、医療データ記憶部２１と、医療ナレッジ蓄積部２５と、パラメータ値記憶部２９とに関して、より詳細に説明する。制御部２０は、医用画像処理装置１０の中枢として、データ解析部２３と、医療ナレッジ検索部２７と、パラメータ値決定部３１と、画像処理部３３と、実績フィードバック部３５と、を統括的に制御する。

医療データ記憶部２１は、複数の患者に関する医療データセットを記憶する。医療データセットには、画像データセットと非画像データセットとがある。画像データセットとは、一般に医用画像診断装置等から出力される画像データである。医療画像診断装置から出力されたデータは通常、医療画像保存システムＰＡＣＳ上で保管され、ＤＩＣＯＭ規格等で出し入れ可能である。非画像データセットは例えば、年齢、性別、人種、病歴等を含む。非画像データセットとは、一般的に説明すると、医療情報システム上で管理されるデータである。医療情報システムとは、院内で利用される情報システムのことであり、例えば電子カルテシステム、レセプト電算処理システム、オーダリングシステム、受付システム、診療支援システム、部門システムなどが代表的なものである。なお非画像データセットは、複数の患者に関する複数種類の医療情報項目と複数の患者に関する複数種類の属性情報項目とを含む医療データを記憶する。医療情報項目値は、病名、症状、各種検査結果などの情報を含む。属性情報は、年齢、性別、体重などの情報を含む。また医療データ記憶部２１は、複数の患者に関する医用画像それぞれを作成する際に用いた画像処理パラメータを記憶する。

以下、説明を簡単にするため、医療データセットとして非画像データセットを用いて本実施形態における一連の処理を説明する。もちろん医療データセットとして画像データセットを用いて一連の処理を行っても良い。

データ解析部２３は、非画像データセットそれぞれに含まれる複数種類の医療情報項目値の類似性に基づいて、医療データ記憶部２１に記憶された複数の非画像データセットを解析して、複数の集合に分類する。データ解析部２３は、医療情報項目と属性情報項目と画像処理パラメータとを解析して、属性情報項目と医療情報項目との少なくとも１つから画像処理パラメータ値を求めるための関連付け情報を出力する。複数種類の医療情報項目とは、例えば人種、年齢、性別、病歴等である。医療情報項目値とは、年齢に関しては例えば、１歳、９０歳などの年齢の値をそのまま表現する。医療情報項目値とは、例えば病歴に関しては骨粗しょう症の病歴がある場合は１、無い場合は０という値を用いて表現する。データ解析部２３は、データ解析により集合の分類を行う。具体的には例えば、集合の分類にはデータマイニングが用いられる。データマイニングとは例えば、本実施形態であれば多くの患者それぞれが有する複数の医療情報に基づいて、その中に潜む情報項目間の相関関係やパターン等を探し出す技術である。本実施形態では例えば、「年齢が高い人は病歴に骨粗しょう症を有しやすい傾向がある」などの項目間のパターンが得られる。なお、データ解析にはデータマイニングではなく他のクラスタリング手法が用いられても良い。図３のようにデータ解析により得られた類似患者検索あるいは類似症例検索等が可能なエンジンを以下、医療ナレッジと呼ぶ。医療ナレッジは、例えば当該医療ナレッジを表す算出モデルを含む。算出モデルは、複数のセグメントを含む。図３の医療ナレッジは、主に患者の医療情報項目が類似する類似患者に関する医療ナレッジである。なお医療ナレッジは、関連付け情報と呼ばれても良い。

図３は、図１のデータ解析部２３によって複数の非画像データセットを解析し、複数の集合に分類する例を説明するための図である。例えばデータ解析部２３は、５つの非画像データセットすなわち患者Ａ、患者Ｂ、患者Ｃ、患者Ｄ、患者Ｅに関するデータセットを解析し、３つの集合（以下、セグメントと呼ぶ）に分類する。実際には医療データ記憶部２１はより多くの医療データを記憶し、データ解析部２３はそれらを複数の集合に分類する。より多くの医療データとは例えば、ある病院においてこれまでに蓄積された医療データである。データ解析部２３は、５つの非画像データセットに含まれる属性情報項目または医療情報項目Ｉ（人種）及び属性情報項目または医療情報項目ＩＩ（年齢）により、５つの非画像データセットを複数のセグメント（図３の例の場合は３セグメント）に分類する。

医療ナレッジ蓄積部２５は、データ解析部２３により得られた医療ナレッジを検索可能に蓄積する。図４は、図１の医療ナレッジ蓄積部２５により管理される、医療ナレッジの記憶テーブルを示す図である。図４のテーブルの例では、医療ナレッジに、算出モデルと、分類数とを関連付けている。ナレッジＡは、図３で発生された類似患者に関する医療ナレッジである。算出モデルとはナレッジを算出するためのモデルであり、ナレッジＡでは算出モデルは「モデルＸ ｆ（ｘ，ｙ）＝｛１，２，３｝」で示されている。これはすなわち、モデルＸは関数ｆで表され、医療情報項目ｘとｙとの２つの引数により出力１、２または３を得ることを意味している。出力１、２または３とはそれぞれ、セグメント１、２または３に分類されることを示す。図５は、図１のデータ解析部２３によって、新たな患者ａを既存のいずれかの集合に分類する説明するための図である。新たな患者ａの属性情報項目または医療情報項目Ｉ（人種）と、属性情報項目または医療情報項目ＩＩ（年齢）とを関数ｆに入力すると、出力３すなわちセグメント３という結果が得られることを意味する。分類数は算出モデルによって得られる分類数であり、ナレッジＡは出力１、２または３すなわち分類数３である。なお図３及び図４では人種と年齢の２つの医療情報項目でデータ解析を行ったが、実際には医療情報項目はより多数になる。

パラメータ値記憶部２９は、複数の解析対象部位とデフォルトパラメータ値を関連付けて記憶する。説明を具体的にするため、以下の説明ではパラメータ値はデフォルト閾値であるとする。なお、パラメータ値はフィルタ処理を施すためのフィルタ値でも良いし、ウィンドウ幅およびウィンドウレベルであっても良い。解析アプリは、解析対象部位に応じて複数の部位の閾値タイプを持つよう設定される。解析アプリは、入力部１１０を介して操作者が選択する。説明を具体的にするため、以降の説明では骨を対象としたＣＴ画像に対して閾値処理を行うものとし、操作者は解析アプリとして図６の骨系アプリ１を選択するとする。骨系アプリ１は閾値タイプとして骨領域、血管領域及びその他の領域を有する。図６のテーブルには、それぞれの閾値タイプそれぞれに応じてデフォルト閾値とランダム化係数とが関連付けて記憶されている。ここでランダム化係数とは、デフォルト閾値を調整し、候補閾値に幅すなわち選択肢を持たせるための係数である。ランダム化係数は使用されなくても良いが、説明を具体的にするため、以下の説明ではランダム化係数を使用するものとする。ランダム化係数は、パラメータ値決定部３１で使用される。以下の説明を簡単にするため、骨系アプリ１における骨領域の閾値タイプ（図６ではデフォルト閾値：９５０ＨＵ、ランダム化係数：１０）のみを用いて閾値処理を行うものとして説明する。

医療ナレッジ検索部２７は、入力部１１０を介した操作者の指示により選択された医療ナレッジを、医療ナレッジ蓄積部２５から検索する。説明を具体的にするため、医療ナレッジ検索部２７は、ナレッジＡ（類似患者）を検索し取得したものとする。

パラメータ値決定部３１は、パラメータ値記憶部２９の関連付けに基づいて、画像処理の候補パラメータ値を決定する。換言すればパラメータ値決定部３１は、医療データ記憶部２１に記憶された関連付け情報のうちの一を用いて、複数種類の医療情報項目と所望の患者に関する属性情報項目と画像処理パラメータとに基づいて、画像処理を行なう際の候補パラメータ値を決定する。具体的にはパラメータ値決定部３１は、パラメータ値記憶部２９の関連付けに基づいて画像処理対象の医用画像データセットの解析対象部位すなわち骨に応じたデフォルト閾値を決定し、決定されたデフォルト閾値と取得された医療ナレッジＡ（類似患者）とに基づいて、画像処理の候補閾値を決定する。パラメータ値決定部３１は、表示部１００に順に示された候補閾値のうちから、入力部１１０を介した操作者の指示により最終的な閾値を選択する。なおパラメータ値決定部３１は、操作者の指示無しで最終的な閾値を決定しても良い。

画像処理部３３は、最終的な閾値により処理対象の医用画像データセットに処理を施す。具体的には画像処理部３３は、パラメータ値決定部３１により決定された候補閾値のうち、入力部１１０を介して操作者により選択された閾値により、処理対象の医用画像データセットすなわち患者ａの医用画像データセットに閾値処理を施す。

実績フィードバック部３５は、入力部１１０を介して操作者により最終的なパラメータ値が決定された場合、当該パラメータ値が最終的なパラメータ値として決定された実績回数をパラメータ値記憶部にフィードバックして記憶させる。図７は、図１の実績フィードバック部３５により、パラメータ値記憶部２９の記憶テーブルに実績回数をフィードバックする説明をするための図である。図７の記憶テーブルには、解析アプリ、医療ナレッジ、最適化候補および支持数が関連付けて記憶される。なお図７の記憶テーブルにおいて、最適化候補としてとして４つの候補が挙げられている。最適化候補は例えば、「Ｉｆ ｆ（ｘ，ｙ）＝３ ｔｈｅｎ 骨領域＝９６０ＨＵ」のように図７のテーブルに記憶されている。これは、「ナレッジＡの関数ｆに医療情報項目ｘおよびｙを入力しセグメント３の場合、骨領域の閾値候補は９６０ＨＵ」ということを意味する。最終的な閾値が「Ｉｆ ｆ（ｘ，ｙ）＝３ ｔｈｅｎ 骨領域＝９６０ＨＵ」に決定された場合、実績フィードバック部３５はパラメータ値記憶部２９に、「Ｉｆ ｆ（ｘ，ｙ）＝３ ｔｈｅｎ 骨領域＝９６０ＨＵ」が選択された実績回数を９から１０に上書きさせる。

以上、本実施形態に係る医用画像処理装置１０の各構成要素について説明してきた。以下に、本実施形態に係る閾値決定の典型的な流れについて説明する。図８は、本実施形態に係る閾値決定の典型的な流れを示す図である。

はじめに制御部２０は医療ナレッジ検索部２７に、患者ａの医療ナレッジを検索させる（ステップＳ１１）。上述したように患者ａは図４の記憶テーブルによって、ナレッジＡのセグメント３に属すると判定されている。医療ナレッジ検索部２７は、患者ａがナレッジＡのセグメント３に属することを医療ナレッジ蓄積部２５から検索する。

ステップＳ１１が行われると制御部２０は、入力部１１０を介した操作者の指示により対象となる解析アプリのパラメータ値を取得し、検索された医療ナレッジに対する候補閾値を決定する（ステップＳ１２）。上述したように操作者は入力部１１０を介して解析アプリとして骨系アプリ１を選択している。図６を参照すると、対象となる骨系アプリ１において骨領域のデフォルト閾値は９５０ＨＵで、ランダム化係数は１０である。したがってパラメータ値決定部３１は、デフォルト閾値にランダム化係数を加減することにより、３つの候補閾値を発生する。すなわち候補閾値は、９５０ＨＵ、および９５０±１０ＨＵの３つが発生される。３つの候補閾値は図９で上から順に示される「Ｉｆ ｆ（ｘ，ｙ）＝３ ｔｈｅｎ 骨領域＝９６０ＨＵ」「Ｉｆ ｆ（ｘ，ｙ）＝３ ｔｈｅｎ 骨領域＝９５０ＨＵ」「Ｉｆ ｆ（ｘ，ｙ）＝３ ｔｈｅｎ 骨領域＝９４０ＨＵ」である。なお、パラメータ値決定部３１は、患者ａが属するセグメント３に近いセグメント２の候補閾値を図９のように４つめの候補閾値として「Ｉｆ ｆ（ｘ，ｙ）＝２ ｔｈｅｎ 骨領域＝９６０ＨＵ」と提示しても良い。

ステップＳ１２が行われると制御部２０は表示部１００に、候補閾値を表示させる（ステップＳ１３）。なお表示部１００は、候補閾値による閾値処理を施したＣＴ画像を表示しても良い。図１０は、図１の表示部１００による、３つの候補閾値を用いて閾値処理を施したＣＴ画像を簡易的に表した図である。表示部１００は、図１０のように３つの候補閾値を用いて閾値処理を施したＣＴ画像を図１０のように表示しても良い。表示部１００は、図９のテーブルに記憶された支持数に基づいて、候補３を強調表示する。図１１は、図１の表示部１００による、３つの候補閾値を用いて閾値処理を施したＣＴ画像を具体的に表した図である。表示部１００は、より具体的には、例えば図１０のような配列で３つの候補閾値を用いて閾値処理を施したＣＴ画像を表示する。表示部１００は、図７のテーブルに記憶された支持数の多い１つを強調表示する。

ステップＳ１３が行われると、候補閾値の中から最終的な閾値を選択させる（ステップＳ１４）。ステップＳ１４において最終的な閾値は入力部１１０を介して操作者によって選択されても良いし、パラメータ値決定部３１が最終的な閾値を決定しても良い。

ステップＳ１４が行われると、実績フィードバック部３５はパラメータ値記憶部２９に、実績回数をフィードバック記憶させる（ステップＳ１５）。具体的には図８で説明したので再度の説明は行わない。

なお、図１２は本実施形態に係る医用画像処理装置のうち、必ずしも装置内に無くても良いユニットを示す図である。医療データ記憶部２１、データ解析部２３、医療ナレッジ蓄積部２５、パラメータ値記憶部２９、実績フィードバック部３５は必ずしも医用画像処理装置１０内に無くても良い。具体的には、上記構成要素はクラウドにあっても良い。例えば医療データ記憶部２１、医療ナレッジ蓄積部２５、パラメータ値記憶部２９等の記憶部、蓄積部がクラウド上にあることにより、単一の病院のみでなく複数の病院間あるいは国際医療機関等で医療データ、医療ナレッジ等を共有できる。すると医療データ量が多く蓄積されるため、データマイニングの精度は向上する。

上記のとおり、本実施形態に係る医用画像処理装置によれば、記憶された医療データにデータ解析を施すことにより、医療ナレッジを検索可能に蓄積することができる。蓄積された医療ナレッジから、処理対象の画像データセットに適した医療ナレッジを検索し取得することができる。取得された医療ナレッジにより、適した閾値を決定することができる。適した閾値により画像処理の精度を向上することができる。

次に本実施形態の種々の応用例について説明する。なお以下の説明において、本実施形態と略同一の機能を有する構成要素については、同一符号を付し、必要な場合にのみ重複説明する。

（応用例）
上記実施形態における医用画像処理装置は、ＣＴ撮像により得られたＣＴ画像への画像処理に用いられた。しかし本実施形態に係る医用画像処理装置はそれに限定されない。応用例に係る医用画像処理装置は、撮影条件設定に利用できる。

図１３は、応用例に係る医用画像処理装置１０’の構成を示す図である。応用例に係る医用画像処理装置１０’は、画像処理部３３の代わりに撮影制御部１４０を有する。パラメータ値決定部３１は、パラメータ値記憶部２９の関連付けと医療ナレッジとに基づいて、候補撮影条件を決定する。パラメータ値決定部３１は、表示部１００に順に示された候補撮影条件のうちから、入力部１１０を介した操作者の指示により最終的な撮影条件を選択する。なおパラメータ値決定部３１は、操作者の指示無しで最終的な撮影条件を決定しても良い。パラメータ値決定部３１により決定された撮影条件を用いて撮影制御部１４０によりＣＴ装置を制御してＣＴ撮影を行う。

具体的には、医療ナレッジ蓄積部２７は、複数の患者に関する医療データセットそれぞれに含まれる複数種類の医療情報項目値の類似性に基づく複数の医療データセットを解析し、検索可能に蓄積された複数の医療ナレッジを蓄積する。

パラメータ値記憶部２９は、複数の撮影対象部位の各々とデフォルトパラメータ値を関連付けて記憶する。

医療ナレッジ検索部２７は、蓄積された医療ナレッジから所望の医療ナレッジを取得する。

パラメータ値決定部３１は、パラメータ値記憶部２９の関連付けに基づいて、撮影対象部位に対応するデフォルトパラメータ値を決定し、決定されたデフォルトパラメータ値と取得された医療ナレッジとに基づいて、候補撮影条件を決定する。

なお、担当医のオーダー例えば薬の処方オーダーや検査オーダーについても、医療ナレッジを用いて撮影条件と同様に決定可能である。

上記のとおり、応用例に係る医用画像処理装置によれば、記憶された医療データにデータ解析を施すことにより、医療ナレッジを検索可能に蓄積することができる。蓄積された医療ナレッジから、処理対象の画像データセットに適した医療ナレッジを検索し取得することができる。取得された医療ナレッジにより、適した撮影条件、薬の処方オーダーあるいは検査オーダーを決定することができる。適した撮影条件、薬の処方オーダーあるいは検査オーダーにより画像処理の精度あるいは医療効率を向上することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１０…医用画像処理装置、２０…制御部、２１…医療データ記憶部、２３…データ解析部、２５…医療ナレッジ蓄積部、２７…医療ナレッジ検索部、２９…パラメータ値記憶部、３１…パラメータ値決定部、３３…画像処理部、３５…実績フィードバック部、１００…表示部、１１０…入力部、１２０…主記憶部、１３０…インターフェース部、１４０…撮影制御部

Claims (17)

1. 複数の患者に関する複数種類の医療情報項目と複数の患者に関する複数種類の属性情報項目とを含む医療データを記憶する医療情報記憶部と、
   前記複数の患者に関する医用画像それぞれを作成する際に用いた画像処理パラメータ値を記憶する画像情報記憶部と、
   前記医療情報項目と前記属性情報項目と前記画像処理パラメータ値とを解析して、前記属性情報項目と前記医療情報項目との少なくとも１つから画像処理パラメータ値を求めるための関連付け情報を出力する解析部と、 前記記憶された関連付け情報のうちの一を用いて、前記複数種類の医療情報項目と所望の患者に関する前記属性情報項目と前記画像処理パラメータ値とに基づいて画像処理を行なう際の候補パラメータ値を決定する候補パラメータ値決定部と、
   を具備する医用画像処理装置。
2. 前記出力された関連付け情報を記憶する関連付け情報記憶部、をさらに備える請求項１記載の医用画像処理装置。
3. 前記医療情報記憶部は、複数の解析対象部位の各々とデフォルトパラメータを関連付けて記憶し、
   前記候補パラメータ値決定部は、複数の解析対象部位の各々とデフォルトパラメータとの関連付けに基づいて画像処理対象の医用画像データセットの解析対象部位に対応するデフォルトパラメータを決定し、前記決定されたデフォルトパラメータ値と前記解析部により出力された関連付け情報とに基づいて画像処理の候補パラメータを決定する、請求項１記載の医用画像処理装置。
4. 前記画像処理パラメータ値は、骨領域を抽出するための閾値を含む、請求項１記載の医用画像処理装置。
5. 前記関連付け情報記憶部は、前記医療データそれぞれに含まれる複数種類の医療情報項目値の類似性に基づいて前記複数の医療データを解析し、複数の集合に分類するデータ解析部を備える、請求項１記載の医用画像処理装置。
6. 前記データ解析部は、データマイニングを施すことにより、前記複数の医療データを複数の集合に分類する、請求項５記載の医用画像処理装置。
7. 前記データ解析部は、前記複数の医療データを前記複数の医療データそれぞれに含まれる複数種類の患者に関する属性情報項目の類似性に基づいて、前記複数の医療データを複数の集合に分類する、請求項５記載の医用画像処理装置。
8. 前記データ解析部は、前記複数の医療データを前記複数の医療データそれぞれに含まれる複数種類の症例に関する属性情報項目の類似性に基づいて、前記複数の医療データを複数の集合に分類する、請求項５記載の医用画像処理装置。
9. 前記データ解析部は、前記複数の医療データを前記複数の医療データそれぞれに含まれる複数種類の医療提供形態に関する属性情報項目の類似性に基づいて、前記複数の医療データを複数の集合に分類する、請求項５記載の医用画像処理装置。
10. 前記候補パラメータ値決定部は、前記求められた関連付け情報と、前記求められた関連付け情報において画像処理対象の医用画像データが属する集合と、前記画像処理対象の医用画像データの解析対象部位とに応じて前記複数の候補パラメータ値を決定し、
    前記候補パラメータ値決定部により前記複数の候補パラメータ値が決定された場合、前記決定された複数の候補パラメータ値の中から最終的なパラメータ値を選択する指示を操作者が入力するための入力部をさらに備える、請求項１記載の医用画像処理装置。
11. 前記最終的なパラメータ値および前記複数の候補パラメータ値を表示する表示部と、
    前記入力部を介して操作者により最終的なパラメータ値が選択された場合、当該パラメータ値が前記最終的なパラメータ値として決定された実績回数をパラメータ値記憶部にフィードバックして記憶させる実績フィードバック部と、をさらに備える、請求項１０記載の医用画像処理装置。
12. 決定された候補パラメータ値により処理対象の医用画像データに処理を施す処理部をさらに備える、請求項１記載の医用画像処理装置。
13. 前記候補パラメータ値は、前記処理部が当該候補パラメータ値によって閾値処理を施すための閾値である、請求項１２記載の医用画像処理装置。
14. 前記候補パラメータ値は、前記処理部が当該候補パラメータ値によってフィルタ処理を施すためのフィルタ値である、請求項１２記載の医用画像処理装置。
15. 前記候補パラメータ値は、ウィンドウ幅およびウィンドウレベルである、請求項１２記載の医用画像処理装置。
16. 記憶する医療情報記憶部と、
    を記憶する画像情報記憶部と、
    複数の患者に関する複数種類の医療情報項目と複数の患者に関する複数種類の属性情報項目とを含む医療データと前記複数の患者に関する医用画像それぞれを作成する際に用いた画像処理パラメータ値とを解析して前記属性情報項目と前記医療情報項目との少なくとも１つから画像処理パラメータ値を求めるための関連付け情報を出力し、前記記憶された関連付け情報のうちの一を用いて、前記複数種類の医療情報項目と所望の患者に関する前記属性情報項目と前記画像処理パラメータ値とに基づいて画像処理を行なう際の候補パラメータ値を決定する、
    ことを具備する医用画像処理方法。
17. 複数の患者に関する複数種類の医療情報項目と複数の患者に関する複数種類の属性情報項目とを含む医療データを記憶する医療情報記憶部と、
    前記複数の患者に関する医用画像それぞれを作成する際に用いた画像処理パラメータ値を記憶する画像情報記憶部と、
    前記医療情報項目と前記属性情報項目と前記画像処理パラメータ値とを解析して、前記属性情報項目と前記医療情報項目との少なくとも１つから画像処理パラメータ値を求めるための関連付け情報を出力する解析部と、
    前記出力された少なくとも一の関連付け情報を記憶する関連付け情報記憶部と、
    前記記憶された関連付けのうちの一に基づいて、撮影対象部位に対応する画像パラメータ値を決定し、前記決定された画像パラメータ値と前記記憶された関連付けのうちの一とに基づいて、候補撮影条件を決定する候補撮影条件決定部と、
    を具備する医用画像処理装置。