JP2018151791A - 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法 - Google Patents

類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法 Download PDF

Info

Publication number
JP2018151791A
JP2018151791A JP2017046736A JP2017046736A JP2018151791A JP 2018151791 A JP2018151791 A JP 2018151791A JP 2017046736 A JP2017046736 A JP 2017046736A JP 2017046736 A JP2017046736 A JP 2017046736A JP 2018151791 A JP2018151791 A JP 2018151791A
Authority
JP
Japan
Prior art keywords
image
region
lung field
similar case
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2017046736A
Other languages
English (en)
Other versions
JP6855850B2 (ja
Inventor
康貴 森脇
Yasutaka Moriwaki
康貴 森脇
昌彦 杉村
Masahiko Sugimura
昌彦 杉村
遠藤　進
Susumu Endo
進 遠藤
武部　浩明
Hiroaki Takebe
浩明 武部
馬場　孝之
Takayuki Baba
孝之 馬場
上原　祐介
Yusuke Uehara
祐介 上原
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2017046736A priority Critical patent/JP6855850B2/ja
Priority to EP18763395.3A priority patent/EP3594830B1/en
Priority to CN201880003543.5A priority patent/CN109716445B/zh
Priority to PCT/JP2018/002089 priority patent/WO2018163633A1/ja
Priority to ES18763395T priority patent/ES2875919T3/es
Publication of JP2018151791A publication Critical patent/JP2018151791A/ja
Priority to US16/291,016 priority patent/US10964020B2/en
Application granted granted Critical
Publication of JP6855850B2 publication Critical patent/JP6855850B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • 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
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • 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
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
    • 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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • 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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • 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
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

【課題】びまん性肺疾患などの臓器内に病変が分布する疾患における病変の分布に基づいて類似症例を検索できるようにする。【解決手段】類似症例画像検索プログラムであって、医用画像より臓器領域を抽出して、前記臓器領域を複数の領域に分割し、分割した前記領域のそれぞれの病変を示す画素の個数を計数し、領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する、処理をコンピュータに実行させる。【選択図】図１

Description

本発明は、類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法に関する。
従来より、医療の現場では、診断対象の医用画像の症例に類似する過去の症例（類似症例）を参照して診断を行う比較読影が行われており、類似症例の医用画像を検索する装置として、類似症例画像検索装置が利用されている。
比較読影の際に、読影医等にとって画像診断が困難な症例の一つとしてびまん性肺疾患が挙げられる。びまん性肺疾患とは、肺野領域の広範囲にわたって病変が分布する疾患であり、びまん性肺疾患などの臓器内に病変が分布する疾患の画像診断においては、肺野領域内のどの領域に病変が分布しているかを特定することが重要となってくる。このため、類似症例画像検索装置では、診断対象の医用画像において、肺野領域を、画像診断に適した領域（例えば、中枢領域、末梢領域等）に分割することが求められる。
これに対して、例えば、下記特許文献１では、診断対象の医用画像から、患者の体の中心位置を抽出し、抽出した中心位置からの距離に基づいて特定領域を分割する分割方法が提案されている。
特開２００９−９００５４号公報
しかしながら、肺野領域は複雑な形状を有しているうえに、体の中心位置に対して左右方向及び前後方向に対称ではない。このため、上記分割方法では、肺野領域を、画像診断に適した領域に分割することはできず、病変が分布している領域を判定し類似症例を検索しようとしても、精度よく検索することは困難である。
一つの側面では、びまん性肺疾患などの臓器内に病変が分布する疾患における病変の分布に基づいて類似症例を検索できるようにすることを目的とする。
一態様によれば、類似症例画像検索プログラムは、
医用画像より臓器領域を抽出して、前記臓器領域を複数の領域に分割し、
分割した前記領域のそれぞれの病変を示す画素の個数を計数し、
領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する、処理をコンピュータに実行させる。
びまん性肺疾患などの臓器内に病変が分布する疾患における病変の分布に基づいて類似症例を検索することが可能になる。
ＣＴ画像処理システムの一例を示す図である。 類似症例画像検索装置のハードウェア構成を示す図である。 類似症例画像検索装置の表示画面の一例を示す第１の図である。 類似症例画像検索装置の表示画面の一例を示す第２の図である。 特徴量情報ＤＢに格納される特徴量情報の一例を示す第１の図である。 画像ＤＢに格納されるＣＴ画像情報の一例を示す図である。 類似症例画像検索装置の登録部の機能構成の一例を示す第１の図である。 病変検出部による病変検出処理の具体例を示す図である。 輪郭特定部による輪郭特定処理の一例を示す図である。 中枢領域モデルの一例を示す図である。 分割曲線作成部による分割曲線作成処理の具体例を示す図である。 類似症例画像検索装置の検索部の機能構成の一例を示す図である。 類似度算出部による類似度算出処理の具体例を示す図である。 ＣＴ画像処理システムにおける類似症例画像検索処理のシーケンス図である。 類似症例画像検索装置の登録部の機能構成の一例を示す第２の図である。 両肺野統合画像作成部による統合画像作成処理の具体例を示す図である。 統合画像収縮部による統合画像収縮処理の具体例を示す図である。 特徴量情報ＤＢに格納される特徴量情報の一例を示す第２の図である。
以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省く。
［第１の実施形態］
＜ＣＴ画像処理システムのシステム構成＞
はじめに、第１の実施形態における類似症例画像検索装置を含むＣＴ画像処理システムについて説明する。図１は、ＣＴ画像処理システムの一例を示す図である。
ＣＴ画像処理システム１００は、ＣＴ（Computed Tomography）装置１１０と類似症例画像検索装置１２０と画像データベース（以下、データベースをＤＢと略す）１３０とを有する。ＣＴ装置１１０と類似症例画像検索装置１２０とは配線１１１を介して接続されており、両装置間では各種データの送受信が行われる。また、類似症例画像検索装置１２０と画像ＤＢ１３０とは配線１１２を介して接続されており、両装置間においても各種データの送受信が行われる。
ＣＴ装置１１０は、放射線等を利用して患者の体内を走査し、コンピュータを用いて処理することで、医用画像として、患者の複数のスライス画像を含むＣＴ画像を生成する（以下、このような処理を“ＣＴ画像を撮影する”と称する）。ＣＴ装置１１０は、撮影したＣＴ画像を類似症例画像検索装置１２０に送信する。
類似症例画像検索装置１２０には、類似症例画像検索プログラムがインストールされており、類似症例画像検索プログラムがコンピュータにより実行されることで、類似症例画像検索装置１２０は類似症例画像検索部１４０として機能する。
類似症例画像検索部１４０は、登録部１４１と、検索部１４２と、表示制御部１４３とを有する。登録部１４１は、ＣＴ装置１１０において撮影されたＣＴ画像を、画像ＤＢ１３０に格納する。また、登録部１４１は、当該ＣＴ画像の各スライス画像について、肺野領域内の各領域の病変を示す画素の個数（病変画素数）を計数することでヒストグラムを生成し、特徴量情報ＤＢ１５０に格納する。
検索部１４２は、ＣＴ装置１１０において撮影された診断対象のＣＴ画像の各スライス画像について、肺野領域内の各領域の病変画素数を計数することでヒストグラムを生成する。また、検索部１４２は、特徴量情報ＤＢ１５０に格納された、検索対象のＣＴ画像についてのヒストグラムの中から、診断対象のＣＴ画像について生成したヒストグラムに類似するヒストグラムを検索する。これにより、検索部１４２は、診断対象のＣＴ画像の症例に類似する類似症例のＣＴ画像を検索する。また、検索部１４２は、検索結果を表示制御部１４３に通知する。
表示制御部１４３は、読影医等が、診断対象のＣＴ画像について比較読影を行うための表示画面を表示する。表示画面には、診断対象のＣＴ画像を表示するための表示機能が含まれる。また、表示画面には、読影医等が、診断対象のＣＴ画像の症例に類似する類似症例のＣＴ画像を検索するための指示機能が含まれる。更に、表示画面には、検索部１４２からの検索結果に基づいて画像ＤＢ１３０から読み出したＣＴ画像を、類似症例のＣＴ画像として、診断対象のＣＴ画像と対比表示するための対比表示機能が含まれる。
画像ＤＢ１３０は、ＣＴ装置１１０において撮影されたＣＴ画像を格納する。また、画像ＤＢ１３０は、格納したＣＴ画像を、類似症例画像検索装置１２０からの指示に基づき、類似症例画像検索装置１２０に送信する。
＜類似症例画像検索装置のハードウェア構成＞
次に、類似症例画像検索装置１２０のハードウェア構成について説明する。図２は、類似症例画像検索装置のハードウェア構成を示す図である。図２に示すように、類似症例画像検索装置１２０は、ＣＰＵ（Central Processing Unit）２０１、ＲＯＭ（Read Only Memory）２０２、ＲＡＭ（Random Access Memory）２０３を備える。ＣＰＵ２０１とＲＯＭ２０２とＲＡＭ２０３とは、いわゆるコンピュータを形成する。
また、類似症例画像検索装置１２０は、補助記憶装置２０４、接続装置２０５、表示装置２０６、操作装置２０７、ドライブ装置２０８を備える。なお、類似症例画像検索装置１２０の各ハードウェアは、バス２０９を介して相互に接続されている。
ＣＰＵ２０１は、補助記憶装置２０４に格納された各種プログラム（例えば、類似症例画像検索プログラム等）を実行する。
ＲＯＭ２０２は不揮発性メモリである。ＲＯＭ２０２は、補助記憶装置２０４に格納された各種プログラムをＣＰＵ２０１が実行するために必要な各種プログラム、データ等を格納する、主記憶部として機能する。具体的には、ＲＯＭ２０２は、ＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する。
ＲＡＭ２０３は揮発性メモリであり、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等を含む。ＲＡＭ２０３は、補助記憶装置２０４に格納された各種プログラムがＣＰＵ２０１によって実行される際に展開される作業領域を提供する、主記憶部として機能する。
補助記憶装置２０４は、類似症例画像検索装置１２０にインストールされた各種プログラムや、各種プログラムが実行されることで生成されるデータ等を記録するコンピュータ読み取り可能な補助記憶部として機能する。特徴量情報ＤＢ１５０は、補助記憶装置２０４において実現される。
接続装置２０５は、ＣＴ装置１１０及び画像ＤＢ１３０と接続され、ＣＴ装置１１０及び画像ＤＢ１３０との間で、各種データの送受信を行う。表示装置２０６は、表示制御部１４３による制御のもとで、読影医等が診断対象のＣＴ画像について比較読影を行う際に用いる表示画面を表示する。操作装置２０７は、読影医等が類似症例画像検索装置１２０に対して行う各種操作を受け付ける。
ドライブ装置２０８は記録媒体２１０をセットするためのデバイスである。ここでいう記録媒体２１０には、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。あるいは、記録媒体２１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
なお、補助記憶装置２０４に格納される各種プログラムは、例えば、配布された記録媒体２１０がドライブ装置２０８にセットされ、該記録媒体２１０に記録された各種プログラムがドライブ装置２０８により読み出されることでインストールされる。あるいは、補助記憶装置２０４に格納される各種プログラムは、接続装置２０５を介してネットワークからダウンロードされることでインストールされてもよい。
＜表示画面の表示例＞
次に、表示装置２０６に表示される表示画面について説明する。図３及び図４は、類似症例画像検索装置の表示画面の一例を示す第１及び第２の図である。
図３に示すように、表示画面３００には、ＣＴ装置１１０により撮影された診断対象のＣＴ画像を表示する、診断対象画像表示領域３１０が含まれる。
また、表示画面３００には、検索ボタン３３０が含まれる。検索ボタン３３０は、検索部１４２に対して、検索を指示するためのボタンである。
また、表示画面３００には、検索結果表示領域３４０が含まれる。検索結果表示領域３４０には、特徴量情報ＤＢ１５０に格納された、検索対象のＣＴ画像についてのヒストグラムの中から、検索部１４２が、診断対象のＣＴ画像について生成したヒストグラムに類似するヒストグラムを検索することで得た検索結果が表示される。
また、表示画面３００には、類似症例検索結果表示領域３５０が含まれる。類似症例検索結果表示領域３５０には、検索結果表示領域３４０に表示された検索結果のうち、読影医等により指定されたＣＴ画像が表示される。
図３（ａ）は、表示画面３００の診断対象画像表示領域３１０に、ＣＴ装置１１０により撮影された診断対象のＣＴ画像が表示された様子を示している。
図３（ｂ）は、表示画面３００の診断対象画像表示領域３１０に、診断対象のＣＴ画像が表示された状態で、読影医等により検索ボタン３３０が押圧された様子を示している。なお、検索ボタン３３０が押圧されると、図４に示す表示画面３００に遷移する。
図４（ａ）は、検索ボタン３３０が押圧されたことで、検索部１４２により検索が行われ、検索結果が検索結果表示領域３４０に表示された様子を示している。
図４（ａ）に示すように、検索結果表示領域３４０に表示される検索結果には、情報の項目として、“ＩＤ”、“サムネイル”、“類似度”が含まれる。“ＩＤ”には、検索部１４２により検索された各ＣＴ画像を識別するための識別子が格納される。“サムネイル”には、“ＩＤ”により識別されるＣＴ画像のサムネイル画像が表示される。“類似度”には、検索部１４２により検索された各ＣＴ画像についてのヒストグラムと、診断対象のＣＴ画像についてのヒストグラムとの類似度に関する情報が格納される。
図４（ｂ）は、検索結果表示領域３４０に表示された検索結果のうち、読影医等により所定の検索結果が選択され、選択された検索結果に対応するＣＴ画像が、類似症例検索結果表示領域３５０に表示された様子を示している。
具体的には、図４（ｂ）の例は、ＩＤ＝“ＩＤ００１”が選択されて、対応するＣＴ画像が、類似症例のＣＴ画像として、類似症例検索結果表示領域３５０に表示された様子を示している。これにより、読影医等は、診断対象のＣＴ画像の症例に類似する類似症例のＣＴ画像を参照しながら、比較読影により診断対象のＣＴ画像について画像診断を行うことができる。
なお、表示画面３００の表示内容は図３、図４に示したものに限定されず、例えば、診断する患者の患者情報が表示されてもよい。あるいは、類似症例検索結果表示領域３５０に表示されたＣＴ画像に対応付けて画像ＤＢ１３０に格納された各種情報が表示されてもよい。
＜特徴量情報ＤＢ及び画像ＤＢ＞
次に、特徴量情報ＤＢ１５０に格納される特徴量情報及び画像ＤＢ１３０に格納されるＣＴ画像情報の詳細について説明する。
（１）特徴量情報の詳細
図５は、特徴量情報ＤＢに格納される特徴量情報の一例を示す第１の図である。図５（ａ）に示すように、特徴量情報５００には、情報の項目として、“ＩＤ”、“スライス番号”、“サムネイル画像”、“右肺野”、“左肺野”が含まれる。
“ＩＤ”には、画像ＤＢ１３０に格納されたＣＴ画像を識別するための識別子が格納される。“スライス番号”には、ＣＴ画像に含まれる複数のスライス画像それぞれを識別するための番号が格納される。“サムネイル画像”には、ＣＴ画像に含まれる複数のスライス画像それぞれのサムネイル画像が、スライス番号と対応付けて格納される。
“右肺野”には、更に、“末梢領域に含まれる病変画素数”と“中枢領域に含まれる病変画素数”とが含まれる。“末梢領域に含まれる病変画素数”には、右肺野のうち末梢領域に分布する病変の病変画素数が格納される。また、“中枢領域に含まれる病変画素数”には、右肺野のうち中枢領域に分布する病変の病変画素数が格納される。
同様に、“左肺野”には、更に、“末梢領域に含まれる病変画素数”と“中枢領域に含まれる病変画素数”とが含まれる。“末梢領域に含まれる病変画素数”には、左肺野のうち末梢領域に分布する病変の病変画素数が格納される。また、“中枢領域に含まれる病変画素数”には、左肺野のうち中枢領域に分布する病変の病変画素数が格納される。
図５（ｂ）は、特徴量情報５００に基づいて生成される病変画素数のヒストグラムを示しており、横軸は病変画素数を表し、縦軸は、スライス番号を表している。このうち、ヒストグラム５０１は、右肺野の末梢領域に含まれる病変画素数のヒストグラムであり、ヒストグラム５０２は、右肺野の中枢領域に含まれる病変画素数のヒストグラムである。また、ヒストグラム５０３は、左肺野の末梢領域に含まれる病変画素数のヒストグラムであり、ヒストグラム５０４は、左肺野の中枢領域に含まれる病変画素数のヒストグラムである。ヒストグラム５０１〜５０４は、特徴量情報５００の“ＩＤ”と対応付けて特徴量情報ＤＢ１５０に格納される。
（２）ＣＴ画像情報の詳細
図６は、画像ＤＢに格納されるＣＴ画像情報の一例を示す図である。図６に示すように、ＣＴ画像情報６００には、情報の項目として、“ＩＤ”、 “画像”、“患者情報”、“診断結果”、“診断者”が含まれる。
“ＩＤ”には、画像ＤＢ１３０に格納されたＣＴ画像を識別するための識別子が格納される。“画像”には、画像ＤＢ１３０に格納されたＣＴ画像のファイル名が格納される。“患者情報”には、ＣＴ画像が撮影された患者についての詳細情報（患者ＩＤ、氏名、年齢、性別等）が格納される。“診断結果”には、ＣＴ画像についての読影医等による診断結果が格納される。“診断者”には、対応するＣＴ画像について、画像診断を行った読影医等を識別するためのＩＤが格納される。第１の実施形態において、画像ＤＢ１３０に格納されるＣＴ画像についての画像診断は、ＣＴ画像の撮影時に行われるものとする。
なお、ＣＴ画像情報６００には、診断結果に加えて、当該患者に対して行った処置の内容や処置後の状態等の各種情報が診断結果と対応付けて格納されていてもよい。
＜類似症例画像検索装置の各部の詳細及び各部による処理の具体例＞
次に、類似症例画像検索装置１２０の各部（登録部１４１、検索部１４２、表示制御部１４３）のうち、登録部１４１と検索部１４２の詳細及び登録部１４１と検索部１４２による処理の具体例について順次説明する。
（１）登録部の詳細
はじめに、登録部１４１の詳細について説明する。図７は、類似症例画像検索装置の登録部の機能構成の一例を示す第１の図である。図７に示すように、登録部１４１は、スライス画像取得部７１０、病変検出部７２０、輪郭特定部７３０、中枢領域モデル取得部７４０、分割曲線作成部７５０、ヒストグラム生成部７６０を有する。
読影医等が、患者情報を入力した後に、ＣＴ装置１１０にて当該患者についてＣＴ画像の撮影を行い、撮影したＣＴ画像についての診断結果を入力すると、画像ＤＢ１３０には、撮影したＣＴ画像が格納される。また、ＣＴ画像情報６００には、格納されたＣＴ画像を識別するためのＩＤと、ファイル名と、患者情報と、診断結果と、画像診断した読影医を識別するためのＩＤとがＣＴ画像と対応付けて格納される。
画像ＤＢ１３０に新たにＣＴ画像が格納され、かつ、ＣＴ画像情報６００に、ＩＤ、ファイル名、患者情報、診断結果、画像診断した読影医を識別するためのＩＤが格納されると、図７に示す登録部１４１の各部が動作する。
スライス画像取得部７１０は、画像ＤＢ１３０に新たに格納されたＣＴ画像に含まれる各スライス画像を読み出し、病変検出部７２０及び輪郭特定部７３０に送信する。
病変検出部７２０は、病変検出処理を実行する。具体的には、病変検出部７２０は、各スライス画像を、指定された大きさのグリッドに区切ることで、部分画像（以下、“ブロック”と称す）を生成する。また、病変検出部７２０は、生成したブロックごとに、ブロック内に含まれる各画素の輝度値を統計処理することで多次元ベクトルを算出する。更に、病変検出部７２０は、算出した多次元ベクトルに基づいて、各ブロックが、病変に該当するか否かを識別する。
なお、算出した多次元ベクトルに基づいて、各ブロックが病変に該当するか否かを識別するにあたり、病変検出部７２０は、予め病変を示す代表ベクトルを保持しているものとする。病変検出部７２０は、各ブロックより算出した多次元ベクトルと、予め保持している病変を示す代表ベクトルとの距離を算出することで、各ブロックが病変に該当するか否かを識別し、病変を検出する。
また、病変検出部７２０は、検出した病変の位置を示す病変情報をヒストグラム生成部７６０に通知する。
輪郭特定部７３０は、各スライス画像について輪郭特定処理を実行する。具体的には、輪郭特定部７３０は、各スライス画像より肺野領域を抽出し、抽出した肺野領域の輪郭を特定する。また、輪郭特定部７３０は、特定した各スライス画像の肺野領域の輪郭を、中枢領域モデル取得部７４０及び分割曲線作成部７５０に通知する。
中枢領域モデル取得部７４０は、中枢領域モデル取得処理を実行する。具体的には、中枢領域モデル取得部７４０は、モデル情報格納部７７０に予め格納された中枢領域モデルを読み出す。中枢領域モデルとは、各スライス位置の肺野領域における、中枢領域と末梢領域との割合を規定したモデルである。
中枢領域モデル取得部７４０は、中枢領域モデルを取得することで、各スライス画像の肺野領域における中枢領域と末梢領域との割合を識別し、分割曲線作成部７５０に通知する。
分割曲線作成部７５０は分割部の一例であり、分割曲線作成処理を実行する。具体的には、分割曲線作成部７５０は、輪郭特定部７３０より通知された各スライス画像の肺野領域の輪郭を、中枢領域モデル取得部７４０よりスライス画像ごとに通知された割合に基づいて内分し、内分点を算出する。また、分割曲線作成部７５０は、算出した内分点をつなぎ合わせることで、肺野領域を中枢領域と末梢領域とに分割する分割曲線を作成する。更に、分割曲線作成部７５０は、各スライス画像について作成した分割曲線を、ヒストグラム生成部７６０に通知する。
ヒストグラム生成部７６０は計数部の一例であり、病変検出部７２０より通知された各スライス画像における病変情報と、分割曲線作成部７５０より通知された各スライス画像における分割曲線とを対比する。これにより、ヒストグラム生成部７６０では、各スライス画像において、各病変が、中枢領域に分布しているのか末梢領域に分布しているのかを判定することができる。
また、ヒストグラム生成部７６０は、スライス画像ごとに、右肺野及び左肺野それぞれについて、中枢領域に分布していると判定された病変の病変画素数と、末梢領域に分布していると判定された病変の病変画素数とを計数する。ヒストグラム生成部７６０は、計数した病変画素数を、特徴量情報ＤＢ１５０の特徴量情報５００に格納する。
更に、ヒストグラム生成部７６０は、計数した病変画素数に基づいてヒストグラムを生成し、特徴量情報５００の“ＩＤ”と対応付けて格納する。
（２）登録部による処理の具体例
次に、類似症例画像検索装置１２０の登録部１４１による処理の具体例について説明する。
（ｉ）病変検出部による病変検出処理の具体例
はじめに、登録部１４１の病変検出部７２０による病変検出処理の具体例について説明する。図８は、病変検出部による病変検出処理の具体例を示す図である。
このうち、図８（ａ）は、スライス画像の一例を示している。図８（ａ）に示すように、スライス画像８００には、患者の右肺の肺野領域８１０と、患者の左肺の肺野領域８２０とが含まれる。スライス画像８００上のブロック（例えば、ブロック８３０等）は、病変検出部７２０により生成されたブロックを示している。
図８（ｂ）は、病変検出部７２０により生成された各ブロックが病変に該当するかを識別した様子を示している。図８（ｂ）に示す各ブロックのうち、太線で示したブロック（例えば、ブロック８４０、８５０）は、病変と識別されたブロックであることを示している。一方、太線で示したブロック（例えば、ブロック８４０、８５０）以外のブロックは、病変でないと識別されたブロックであることを示している。
（ｉｉ）輪郭特定部による輪郭特定処理の具体例
続いて、輪郭特定部７３０による輪郭特定処理の具体例について説明する。図９は、輪郭特定部による輪郭特定処理の具体例を示す図である。このうち、図９（ａ）は、輪郭特定部７３０により輪郭特定処理が行われる前のスライス画像８００を示している。一方、図９（ｂ）は、輪郭特定部７３０が、スライス画像８００より肺野領域８１０、８２０を抽出し、肺野領域８１０、８２０の輪郭９１１、９１２を特定した様子を示している。
（ｉｉｉ）中枢領域モデル取得部による中枢領域モデル取得処理の具体例
続いて、中枢領域モデル取得部７４０による中枢領域モデル取得処理の具体例について説明する。一般に、肺の組織は肺門と呼ばれる部位から３次元的に広がっており、各スライス位置における中枢領域に関して、以下のような医学的知見が得られている。
・肺門のあるスライス位置において、中枢領域の面積は最大となる。
・肺門のあるスライス位置からスライス位置が離れるに従って、中枢領域の面積は小さくなり、やがてなくなる。
・肺野領域の上端から中枢領域の上端までは一定の間隔が空いている。また、肺野領域の下端から中枢領域の下端までは一定の間隔が空いている。
中枢領域モデル取得部７４０が取得する中枢領域モデルは、上記医学的知見に基づいて生成されたものである。図１０は、中枢領域モデルの一例を示す図であり、患者の肺を正面から見た場合の肺野領域１０１０、１０２０に、中枢領域モデル１０５０を重畳した様子を示している。
中枢領域モデル１０５０において、スライス位置１０３４は、肺門を通っており、当該スライス位置１０３４において、中枢領域の面積は最大となっている。スライス位置１０３１は、肺野領域１０１０、１０２０の上端を通っており、スライス位置１０３２は、中枢領域１０４０の上端を通っている。スライス位置１０３１とスライス位置１０３２との間にはβの間隔が空いている。また、スライス位置１０３６は、肺野領域１０１０、１０２０の下端を通っており、スライス位置１０３５は、中枢領域１０４０の下端を通っている。スライス位置１０３６とスライス位置１０３５との間にはγの間隔が空いている。
中枢領域モデル１０５０は、スライス位置１０３４において面積が最大となる中枢領域が、スライス位置１０３２及びスライス位置１０３５においてそれぞれ面積がゼロとなるように線形近似されている。
また、中枢領域モデル１０５０は、各スライス位置において、中心から中枢領域モデル１０５０の境界までの長さと、中枢領域モデル１０５０の境界から肺野領域１０１０、１０２０の境界までの長さとの割合を規定している。図１０の例では、中枢領域モデル１０５０が、スライス位置１０３３において、中心から中枢領域モデル１０５０の境界までの長さと、中枢領域モデル１０５０の境界から肺野領域１０１０の境界までの長さとの割合を、α：（１−α）と規定している。
中枢領域モデル取得部７４０は、中枢領域モデル取得処理を実行することで、中枢領域モデル１０５０を取得する。また、中枢領域モデル取得部７４０は、中枢領域モデル１０５０に基づいて、各スライス位置における中心から中枢領域モデル１０５０の境界までの長さと、中枢領域モデル１０５０の境界から肺野領域１０１０、１０２０の境界までの長さとの割合を識別する。
（ｉｖ）分割曲線作成部による分割曲線作成処理の具体例
続いて、分割曲線作成部７５０による分割曲線作成処理の具体例について説明する。図１１は、分割曲線作成部による分割曲線作成処理の具体例を示す図である。図１１の例は、スライス位置１０３３におけるスライス画像について、肺野領域を中枢領域と末梢領域とに分割する分割曲線１１１１、１１２１を作成した様子を示している。
分割曲線作成部７５０は、スライス画像より患者の体の中心位置１１３０を抽出する。また、分割曲線作成部７５０は、中心位置１１３０から放射状に直線を延ばし、輪郭特定部７３０より通知された肺野領域１１１０、１１２０の輪郭との交点（内側（縦隔）の交点及び外側（胸壁）の交点）を抽出する。
例えば、分割曲線作成部７５０は、中心位置１１３０から直線１１４０を延ばし、肺野領域１１１０の輪郭との交点（内側（縦隔）の交点１１５０と外側（胸壁）の交点１１６０）を抽出する。
続いて、分割曲線作成部７５０は、内側（縦隔）の交点と外側（胸壁）の交点との間の線分を、中枢領域モデル取得部７４０より通知された割合に基づいて内分することで、内分点を特定する。
例えば、分割曲線作成部７５０は、内側（縦隔）の交点１１５０と外側（胸壁）の交点１１６０との間の線分を、α：（１−α）の割合で内分することで、内分点１１７０を特定する。
分割曲線作成部７５０は、中心位置１１３０から放射状に延びる各直線について内分点を特定し、特定した各内分点を繋ぎ合わせることで、肺野領域１１１０、１１２０の形状に基づく分割曲線を作成する。これにより、分割曲線作成部７５０は、肺野領域１１１０についての分割曲線１１１１と、肺野領域１１２０についての分割曲線１１２１とを作成することができる。つまり、肺野領域１１１０、１１２０をそれぞれ、医学的知見に基づき中枢領域と末梢領域とに分割することができる。
（３）検索部の詳細
次に、類似症例画像検索装置１２０の各部（登録部１４１、検索部１４２、表示制御部１４３）のうち、検索部１４２の詳細について説明する。
図１２は、類似症例画像検索装置の検索部の機能構成の一例を示す図である。図１２に示すように、検索部１４２は、スライス画像取得部１２１０、病変検出部１２２０、輪郭特定部１２３０、中枢領域モデル取得部１２４０、分割曲線作成部１２５０、ヒストグラム生成部１２６０、類似度算出部１２７０、出力部１２８０を有する。
読影医等が検索部１４２を起動し、診断する患者の患者情報を入力した後に、ＣＴ装置１１０にて当該患者についてのＣＴ画像の撮影が行われると、表示制御部１４３は、撮影されたＣＴ画像を診断対象のＣＴ画像として表示画面３００に表示する。表示制御部１４３により表示画面３００が表示され、読影医等により検索指示が入力されることで、図１２に示す検索部１４２の各部が動作する。
なお、検索部１４２の各部のうち、類似度算出部１２７０、出力部１２８０を除く各部は、表示画面３００に表示された診断対象のＣＴ画像について処理を行うことのほかは、図７に示した登録部１４１の各部と同様の処理を行う。このため、ここでは説明を省略する。
類似度算出部１２７０は画像特定部の一例である。類似度算出部１２７０は、診断対象のＣＴ画像についてのヒストグラムと、特徴量情報ＤＢ１５０より読み出した検索対象のＣＴ画像についてのヒストグラムとの間の類似度を算出する。類似度算出部１２７０は、右肺野の中枢領域及び末梢領域のヒストグラムについてそれぞれ類似度を算出し、左肺野の中枢領域及び末梢領域のヒストグラムについてそれぞれ類似度を算出する。また、類似度算出部１２７０は、算出した各類似度を足し合せることで、合計値（総合類似度）を算出する。類似度算出部１２７０は、診断対象のＣＴ画像と、各検索対象のＣＴ画像との間で算出した総合類似度を出力部１２８０に通知する。
出力部１２８０は、類似度算出部１２７０より通知された総合類似度について、ソート処理を行い、総合類似度を高い順に並べ替える。出力部１２８０は、総合類似度が高い所定数の検索対象について、対応するＩＤ、サムネイル画像を特徴量情報ＤＢ１５０から読み出し、総合類似度とともに検索結果として表示制御部１４３に通知する。
（４）検索部による処理の具体例
次に、類似症例画像検索装置１２０の検索部１４２による処理のうち、類似度算出部１２７０による類似度算出処理の具体例について説明する。図１３は、類似度算出部による類似度算出処理の具体例を示す図である。
図１３において、ヒストグラム１３１１〜１３１４は、診断対象のＣＴ画像についてのヒストグラムである。このうち、ヒストグラム１３１１は、右肺野の末梢領域についてのヒストグラムであり、ヒストグラム１３１２は、右肺野の中枢領域についてのヒストグラムである。また、ヒストグラム１３１３は、左肺野の末梢領域についてのヒストグラムであり、ヒストグラム１３１４は、左肺野の中枢領域についてのヒストグラムである。
一方、ヒストグラム１３２１〜１３２４は、検索対象のＣＴ画像についてのヒストグラムである。このうち、ヒストグラム１３２１は、右肺野の末梢領域についてのヒストグラムであり、ヒストグラム１３２２は、右肺野の中枢領域についてのヒストグラムである。また、ヒストグラム１３２３は、左肺野の末梢領域についてのヒストグラムであり、ヒストグラム１３２４は、左肺野の中枢領域についてのヒストグラムである。
類似度算出部１２７０は、対応するヒストグラム同士の類似度を算出し、それぞれの類似度を足し合せることで総合類似度を算出する。図１３の例は、右肺野の末梢領域についてのヒストグラム同士の類似度がＳ１で、右肺野の中枢領域についてのヒストグラム同士の類似度がＳ２であったことを示している。また、図１３の例は、左肺野の末梢領域についてのヒストグラム同士の類似度がＳ３で、左肺野の中枢領域についてのヒストグラム同士の類似度がＳ４であったことを示している。したがって、類似度算出部１２７０は、診断対象のＣＴ画像と、検索対象のＣＴ画像との総合類似度を、Ｓ＝Ｓ１＋Ｓ２＋Ｓ３＋Ｓ４と算出する。
＜ＣＴ画像処理システムにおける類似症例画像検索処理全体の流れ＞
次に、ＣＴ画像処理システム１００における類似症例画像検索処理全体の流れについて説明する。図１４は、ＣＴ画像処理システムにおける類似症例画像検索処理のシーケンス図である。
図１４に示すように、ＣＴ画像処理システム１００における類似症例画像検索処理は、登録フェーズと検索フェーズとに大別することができる。はじめに、登録フェーズについて説明する。
ステップＳ１４０１において、ＣＴ装置１１０は、患者のＣＴ画像を撮影する。ＣＴ画像の撮影に際して、類似症例画像検索装置１２０には、患者情報が入力される。
ステップＳ１４０２において、ＣＴ装置１１０は、撮影により得られたＣＴ画像を、検索対象のＣＴ画像として、類似症例画像検索装置１２０の登録部１４１に送信する。
ステップＳ１４０３において、登録部１４１は、ＣＴ装置１１０より送信された検索対象のＣＴ画像を取得し、識別子を付したうえで、患者情報とともに、画像ＤＢ１３０に格納する。なお、登録部１４１がＣＴ画像を画像ＤＢ１３０に格納するにあたり、読影医等は、当該ＣＴ画像についての画像診断を行う。登録部１４１では、このときの診断結果を当該ＣＴ画像と対応付けて画像ＤＢ１３０に格納する。
ステップＳ１４０４において、登録部１４１は、格納した検索対象のＣＴ画像の各スライス画像について、病変検出処理を実行し、病変を検出する。
ステップＳ１４０５において、登録部１４１は、格納した検索対象のＣＴ画像の各スライス画像について、輪郭特定処理、中枢領域モデル取得処理、分割曲線作成処理を実行することで、肺野領域を中枢領域と末梢領域とに分割する。
ステップＳ１４０６において、登録部１４１は、中枢領域に分布している病変の病変画素数と末梢領域に分布している病変の病変画素数とを計数し、ヒストグラム１３２１〜１３２４を生成する。
ステップＳ１４０７において、登録部１４１は、計数した病変画素数及び生成したヒストグラムを特徴量情報ＤＢ１５０の特徴量情報５００に格納する。
以上で、登録フェーズが完了する。なお、図１４は、登録フェーズにおける患者一人分の処理の例であり、実際には、登録フェーズにおいて、複数患者分の処理が行われるものとする。
続いて、検索フェーズについて説明する。ステップＳ１４１１において、ＣＴ装置１１０は、診断する患者のＣＴ画像を撮影する。ステップＳ１４１１におけるＣＴ画像の撮影に際して、類似症例画像検索装置１２０には、診断する患者の患者情報が入力される。
ステップＳ１４１２において、ＣＴ装置１１０は、撮影により得られたＣＴ画像を、診断対象のＣＴ画像として、類似症例画像検索装置１２０の検索部１４２に送信する。
ステップＳ１４１３において、検索部１４２は、ＣＴ装置１１０より送信された診断対象のＣＴ画像を取得する。また、検索部１４２は、取得した診断対象のＣＴ画像を表示制御部１４３に通知する。
ステップＳ１４１４において、表示制御部１４３は、表示装置２０６に表示画面３００を表示し、検索部１４２より通知されたＣＴ画像に含まれるいずれかのスライス画像を、当該表示画面３００の診断対象画像表示領域３１０に表示する。
ステップＳ１４１５において、表示制御部１４３は、表示画面３００の検索ボタン３３０を介して入力された検索指示を受け付ける。
ステップＳ１４１６において、表示制御部１４３は、受け付けた検索指示を検索部１４２に通知する。
ステップＳ１４１７において、検索部１４２は、表示制御部１４３より検索指示の通知を受けると、診断対象のＣＴ画像の各スライス画像について、病変検出処理を実行し、病変を検出する。
ステップＳ１４１８において、検索部１４２は、診断対象のＣＴ画像の各スライス画像について、輪郭特定処理、中枢領域モデル取得処理、分割曲線作成処理を実行することで、肺野領域を中枢領域と末梢領域とに分割する。
ステップＳ１４１９において、検索部１４２は、中枢領域に分布している病変の病変画素数と末梢領域に分布している病変の病変画素数とを計数し、ヒストグラム１３１１〜１３１４を生成する。
ステップＳ１４２０において、検索部１４２は、特徴量情報ＤＢ１５０より特徴量情報５００を読み出し、各検索対象のＣＴ画像についてのヒストグラム（例えば、ヒストグラム１３２１〜１３２４）を取得する。
ステップＳ１４２１において、検索部１４２は、取得した検索対象のＣＴ画像についてのヒストグラム１３２１〜１３２４と、生成した診断対象のＣＴ画像についてのヒストグラム１３１１〜１３１４との間で、対応する領域ごとに類似度を算出する。また、検索部１４２は、対応する領域ごとに算出した類似度を足し合せることで、総合類似度を算出し、算出した総合類似度を、高い順にソートする。
ステップＳ１４２２において、検索部１４２は、総合類似度の高い所定数の検索対象のＣＴ画像に対応付けられたＩＤ及びサムネイル画像を、総合類似度とともに、検索結果として、表示制御部１４３に通知する。
ステップＳ１４２３において、表示制御部１４３は、検索部１４２より通知された検索結果を、検索結果表示領域３４０に表示する。
ステップＳ１４２４において、表示制御部１４３は、検索結果表示領域３４０において、読影医等により所定の検索結果が選択された場合に、ＣＴ画像表示指示として受け付ける。
ステップＳ１４２５において、表示制御部１４３は、選択された検索結果に含まれるＩＤを特定し、特定したＩＤにより識別されるＣＴ画像を、画像ＤＢ１３０より読み出す。
ステップＳ１４２６において、表示制御部１４３は、読み出したＣＴ画像のいずれかのスライス画像を、類似症例検索結果表示領域３５０に表示する。これにより、読影医等は、診断対象のＣＴ画像の症例に類似する類似症例のＣＴ画像のスライス画像を参照しながら、比較読影により診断対象のＣＴ画像について画像診断を行うことができる。
以上の説明から明らかなように、びまん性肺疾患などの臓器内に病変が分布する疾患の場合、肺野領域の広範囲にわたって病変が分布する一方で、従来は肺野領域を中枢領域と末梢領域とに適切に分割することができなかった。このため、病変が分布している領域を判定し類似症例を検索しようとしても、精度よく検索することが困難であった。
これに対して、類似症例画像検索装置１２０は、医学的知見に基づき、各スライス画像について、胸壁と縦隔との間を内分する位置を特定することで、肺野領域を中枢領域と末梢領域とに分割する。このため、類似症例画像検索装置１２０によれば、肺野領域を、診断に適した領域に分割することができる。
また、類似症例画像検索装置１２０は、各スライス画像より検出した病変について、中枢領域に分布している病変の病変画素数と末梢領域に分布している病変の病変画素数とを計数し、ヒストグラムを生成する。更に、類似症例画像検索装置１２０は、生成したヒストグラムを用いて類似度を算出し、類似症例画像を特定する。このため、類似症例画像検索装置１２０によれば、病変が分布している領域を判定して類似症例を検索することができる。
この結果、類似症例画像検索装置１２０によれば、びまん性肺疾患などの臓器内に病変が分布する疾患における病変の分布に基づいて類似症例を精度よく検索することが可能になる。
［第２の実施形態］
上記第１の実施形態では、各スライス画像について、分割曲線を作成して肺野領域を中枢領域と末梢領域とに分割する方法について説明した。しかしながら、肺野領域を中枢領域と末梢領域とに分割する方法はこれに限定されない。第２の実施形態では、上記第１の実施形態とは異なる方法により肺野領域を中枢領域と末梢領域とに分割する場合について説明する。なお、以下では、上記第１の実施形態との相違点を中心に説明する。
＜類似症例画像検索装置の登録部の機能構成＞
はじめに、第２の実施形態に係る類似症例画像検索装置１２０の登録部１４１の機能構成について説明する。図１５は、類似症例画像検索装置の登録部の機能構成の一例を示す第２の図である。図７に示した機能構成との相違点は、両肺野統合画像作成部１５１０、統合画像収縮部１５２０を有している点である。
両肺野統合画像作成部１５１０は、統合画像作成処理を実行する。具体的には、両肺野統合画像作成部１５１０は、輪郭特定部７３０より通知された各スライス画像における左右肺それぞれの肺野領域の輪郭に基づいて、胸壁と縦隔とを端点とする基準線分を算出する。また、両肺野統合画像作成部１５１０は、輪郭特定部７３０より通知された各スライス画像における左右肺それぞれの肺野領域の輪郭に基づいて、両肺野領域を統合した画像（統合画像）を作成する。更に、両肺野統合画像作成部１５１０は、算出した基準線分と、作成した統合画像とを、統合画像収縮部１５２０に通知する。
統合画像収縮部１５２０は分割部の一例であり、統合画像収縮処理を実行する。具体的には、統合画像収縮部１５２０は、両肺野統合画像作成部１５１０より通知された統合画像を収縮させ、基準線分を所定の割合で内分することで、肺野領域を中枢領域と末梢領域とに分割する。なお、統合画像収縮部１５２０は、基準線分を内分する割合を、モデル情報格納部７７０より取得した中枢領域モデルに基づいて識別し、識別した割合に基づいて内分点を特定する。
また、統合画像収縮部１５２０は、分割した中枢領域及び末梢領域を、ヒストグラム生成部７６０に通知する。
＜類似症例画像検索装置の登録部による処理の具体例＞
次に、類似症例画像検索装置１２０の登録部１４１による処理の具体例について説明する。
（１）両肺野統合画像作成部による統合画像作成処理の具体例
はじめに、登録部１４１の両肺野統合画像作成部１５１０による統合画像作成処理の具体例について説明する。図１６は、両肺野統合画像作成部による統合画像作成処理の具体例を示す図である。図１６の例は、スライス位置１０３３におけるスライス画像について、基準線分を算出し、統合画像を作成する様子を示している。
図１６（ａ）に示すように、両肺野統合画像作成部１５１０は、輪郭特定部７３０より通知された輪郭に基づいて、肺野領域１６１０、１６２０それぞれの重心位置１６１１、１６２１を算出する。続いて、両肺野統合画像作成部１５１０は、算出した重心位置１６１１を通る水平線１６１２と、算出した重心位置１６２１を通る水平線１６２２とを算出する。
続いて両肺野統合画像作成部１５１０は、水平線１６１２と肺野領域１６１０の外側の輪郭（胸壁）との交点１６１３と、水平線１６２２と肺野領域１６２０の外側の輪郭（胸壁）との交点１６２３とを抽出する。
続いて両肺野統合画像作成部１５１０は、水平線１６１２上において、重心位置１６１１に対して交点１６１３と反対側に位置する点であって、重心位置１６１１からの距離が、交点１６１３から重心位置１６１１までの距離と等しい点１６１４を抽出する。同様に、両肺野統合画像作成部１５１０は、水平線１６２２上において、重心位置１６２１に対して交点１６２３と反対側に位置する点であって、重心位置１６２１からの距離が、交点１６２３から重心位置１６２１までの距離と等しい点１６２４を抽出する。
なお、両肺野統合画像作成部１５１０によるこれらの処理は、胸壁と肺野領域の重心位置との距離と、肺野領域の重心位置と縦隔との距離が解剖学的に等しくなることを利用して縦隔を抽出する処理である。
これにより、両肺野統合画像作成部１５１０は、胸壁（交点１６１３、１６２３）と縦隔（点１６１４、１６２４）とを端点とする基準線分１６１５、１６２５を算出することができる。
また、両肺野統合画像作成部１５１０は、図１６（ｂ）に示すように、肺野領域１６１０、１６２０の輪郭（胸壁）の形状に基づいて、肺野領域１６１０、１６２０を統合した統合画像１６３０を作成する。両肺野統合画像作成部１５１０は、作成した統合画像１６３０と、基準線分１６１５、１６２５とを、統合画像収縮部１５２０に通知する。
（２）統合画像収縮部による統合画像収縮処理の具体例
次に、登録部１４１の統合画像収縮部１５２０による統合画像収縮処理の具体例について説明する。図１７は、統合画像収縮部による統合画像収縮処理の具体例を示す図である。
図１７（ａ）に示すように、統合画像収縮部１５２０は、両肺野統合画像作成部１５１０から通知された統合画像１６３０の大きさを縮小し、縮小統合画像１７０１を生成する。統合画像収縮部１５２０は、縮小統合画像１７０１と基準線分１６１５との交点１７１１が、基準線分１６１５を（つまり、胸壁と縦隔との間を）、α：（１−α）の割合で内分する内分点となるように、縮小統合画像１７０１を生成する。
これにより、統合画像収縮部１５２０は、右肺の肺野領域において、中枢領域の境界１７２１を算出することができる。統合画像収縮部１５２０は、中枢領域の境界１７２１の内側を中枢領域、外側を末梢領域として、ヒストグラム生成部７６０に通知する。
同様に、図１７（ｂ）に示すように、統合画像収縮部１５２０は、両肺野統合画像作成部１５１０から通知された統合画像１６３０の大きさを縮小し、縮小統合画像１７０２を生成する。統合画像収縮部１５２０は、縮小統合画像１７０２と基準線分１６２５との交点１７１２が、基準線分１６２５を（つまり、胸壁と縦隔との間を）、α：（１−α）の割合で内分する内分点となるように、縮小統合画像１７０２を生成する。
これにより、統合画像収縮部１５２０は、左肺の肺野領域において、中枢領域の境界１７２２を算出することができる。統合画像収縮部１５２０は、中枢領域の境界１７２２の内側を中枢領域、外側を末梢領域として、ヒストグラム生成部７６０に通知する。
以上の説明から明らかなように、第２の実施形態では、各スライス画像の各肺野領域において、胸壁と縦隔とをそれぞれ１点ずつ抽出して基準線分を算出し、当該基準線分を医学的知見に基づく割合で内分するように、統合画像の大きさを縮小する。また、第２の実施形態では、縮小した統合画像に基づき中枢領域の境界を算出して、肺野領域を中枢領域と末梢領域とに分割する。このため、第２の実施形態によれば、肺野領域を、診断に適した領域に分割することができる。
また、第２の実施形態では、縦隔の抽出に際して、一般に高精度での抽出が困難な肺野領域の縦隔側の輪郭を用いずに、胸壁側の輪郭と、肺野領域の重心位置とを用いる。このため、第２の実施形態によれば、中枢領域の境界を算出する際の算出精度が向上し、肺野領域を中枢領域と末梢領域とに適切に分割することが可能となる。
［第３の実施形態］
上記第１及び第２の実施形態では、肺野領域を中枢領域と末梢領域とに２分割する場合について説明した。しかしながら、肺野領域の分割数はこれに限定されず、中枢領域内あるいは末梢領域内を更に細かく分割してもよい。これにより、検出した病変の病変画素数を細分化した領域ごとに計数することが可能になる。
図１８は、特徴量情報ＤＢに格納される特徴量情報の一例を示す第２の図である。図５との相違点は、特徴量情報１８００の場合、右肺野及び左肺野それぞれが３分割以上に細分化されており、それぞれの領域において計数された病変の病変画素数が格納されている点である。
このように、肺野領域を複数の領域に分割し、それぞれの領域において計数された病変画素数に基づいてヒストグラムを生成することで、類似症例の検索精度を向上させることができる。
［その他の実施形態］
上記第２の実施形態では、検索部の機能構成について言及しなかったが、第１の実施形態と同様、第２の実施形態の検索部についても、登録部の機能構成（図１５）に、類似度算出部１２７０、出力部１２８０を追加した機能構成により実現されるものとする。
また、上記各実施形態では、ヒストグラムを生成して類似度を算出するものとして説明したが、類似度の算出方法はこれに限定されず、各領域の病変画素数を用いて算出する方法であれば、他の算出方法により類似度を算出してもよい。
また、上記各実施形態では、特徴量情報５００とＣＴ画像情報６００とを異なるＤＢに分けて格納する場合について説明したが、特徴量情報５００とＣＴ画像情報６００とは、同じＤＢに格納してもよい。
また、上記各実施形態では、検索指示を受け付けてから診断対象のＣＴ画像についてのヒストグラムを生成するものとして説明したが、診断対象のＣＴ画像についてのヒストグラムは、検索指示を受け付ける前に生成するようにしてもよい。
また、上記各実施形態では、医用画像としてＣＴ画像を検索する場合について説明したが、ＣＴ画像以外の医用画像（例えば、ＭＲＩ（Magnetic resonance imaging）画像）を検索する場合に適用してもよい。
なお、開示の技術では、以下に記載する付記のような形態が考えられる。
（付記１）
医用画像より臓器領域を抽出して、前記臓器領域を複数の領域に分割し、
分割した前記領域のそれぞれの病変を示す画素の個数を計数し、
領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する、
処理をコンピュータに実行させる類似症例画像検索プログラム。
（付記２）
医用画像より肺野領域を抽出して、胸壁と縦隔とを含む肺野領域の輪郭を特定し、
前記胸壁と前記縦隔との間を内分する位置を特定して、前記肺野領域の形状に基づき前記肺野領域を中枢領域と末梢領域とに分割し、
分割した前記中枢領域と前記末梢領域のそれぞれの病変を示す画素の個数を計数し、
領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する、
処理をコンピュータに実行させる類似症例画像検索プログラム。
（付記３）
前記医用画像に含まれる複数のスライス画像それぞれにおいて、領域ごとに計数した各スライス位置での病変を示す画素の個数に基づいて、領域ごとのヒストグラムを生成し、
領域ごとのヒストグラムを記憶した記憶部を参照して、生成した領域ごとのヒストグラムとの類似度に応じた類似症例画像を特定することを特徴とする付記２に記載の類似症例画像検索プログラム。
（付記４）
前記医用画像に含まれる複数のスライス画像それぞれにおける、前記胸壁と前記縦隔との間を内分する割合を規定したモデルを参照することで、前記医用画像に含まれる複数のスライス画像それぞれにおける、前記胸壁と前記縦隔との間を内分する位置を特定することを特徴とする付記３に記載の類似症例画像検索プログラム。
（付記５）
前記医用画像に含まれる複数のスライス画像それぞれにおいて、体の中心位置を抽出し、該中心位置から放射状に延びる複数の直線と、特定した前記肺野領域の輪郭との交点を、前記胸壁または前記縦隔として抽出することを特徴とする付記４に記載の類似症例画像検索プログラム。
（付記６）
前記医用画像に含まれる複数のスライス画像それぞれにおいて、前記胸壁と前記縦隔との間を内分する複数の位置をつなぐ分割曲線を作成し、前記肺野領域を中枢領域と末梢領域とに分割することを特徴とする付記５に記載の類似症例画像検索プログラム。
（付記７）
前記医用画像に含まれる複数のスライス画像それぞれにおいて、前記肺野領域の重心位置を通る水平線と、特定した前記肺野領域の輪郭との交点を、前記胸壁として抽出し、前記水平線において、前記重心位置に対して前記胸壁とは反対側に位置する点であって、前記重心位置までの距離が、前記胸壁から前記重心位置までの距離に等しい点を、前記縦隔として抽出することを特徴とする付記４に記載の類似症例画像検索プログラム。
（付記８）
前記医用画像に含まれる複数のスライス画像それぞれにおいて、２つの前記肺野領域を統合する統合画像を作成し、作成した該統合画像を、前記胸壁と前記縦隔との間を内分する位置を通る大きさまで縮小し、縮小した該統合画像に基づいて、前記肺野領域を中枢領域と末梢領域とに分割することを特徴とする付記７に記載の類似症例画像検索プログラム。
（付記９）
医用画像より肺野領域を抽出して、胸壁と縦隔とを含む肺野領域の輪郭を特定する輪郭特定部と、
前記胸壁と前記縦隔との間を内分する位置を特定して、前記肺野領域の形状に基づき前記肺野領域を中枢領域と末梢領域とに分割する分割部と、
分割した前記中枢領域と前記末梢領域のそれぞれの病変を示す画素の個数を計数する計数部と、
領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する画像特定部と
を有することを特徴とする類似症例画像検索装置。
（付記１０）
医用画像より肺野領域を抽出して、胸壁と縦隔とを含む肺野領域の輪郭を特定し、
前記胸壁と前記縦隔との間を内分する位置を特定して、前記肺野領域の形状に基づき前記肺野領域を中枢領域と末梢領域とに分割し、
分割した前記中枢領域と前記末梢領域のそれぞれの病変を示す画素の個数を計数し、
領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する、
処理をコンピュータが実行する類似症例画像検索方法。
なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。
１００ ：ＣＴ画像処理システム
１１０ ：ＣＴ装置
１２０ ：類似症例画像検索装置
１４０ ：類似症例画像検索部
１４１ ：登録部
１４２ ：検索部
１４３ ：表示制御部
３００ ：表示画面
５００ ：特徴量情報
５０１〜５０４ ：ヒストグラム
６００ ：ＣＴ画像情報
７１０ ：スライス画像取得部
７２０ ：病変検出部
７３０ ：輪郭特定部
７４０ ：中枢領域モデル取得部
７５０ ：分割曲線作成部
７６０ ：ヒストグラム生成部
１２１０ ：スライス画像取得部
１２２０ ：病変検出部
１２３０ ：輪郭特定部
１２４０ ：中枢領域モデル取得部
１２５０ ：分割曲線作成部
１２６０ ：ヒストグラム生成部
１２７０ ：類似度算出部
１２８０ ：出力部
１５１０ ：両肺野統合画像作成部
１５２０ ：統合画像収縮部
１６３０ ：統合画像

Claims (10)

  1. 医用画像より臓器領域を抽出して、前記臓器領域を複数の領域に分割し、
    分割した前記領域のそれぞれの病変を示す画素の個数を計数し、
    領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する、
    処理をコンピュータに実行させる類似症例画像検索プログラム。
  2. 医用画像より肺野領域を抽出して、胸壁と縦隔とを含む肺野領域の輪郭を特定し、
    前記胸壁と前記縦隔との間を内分する位置を特定して、前記肺野領域の形状に基づき前記肺野領域を中枢領域と末梢領域とに分割し、
    分割した前記中枢領域と前記末梢領域のそれぞれの病変を示す画素の個数を計数し、
    領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する、
    処理をコンピュータに実行させる類似症例画像検索プログラム。
  3. 前記医用画像に含まれる複数のスライス画像それぞれにおいて、領域ごとに計数した各スライス位置での病変を示す画素の個数に基づいて、領域ごとのヒストグラムを生成し、
    領域ごとのヒストグラムを記憶した記憶部を参照して、生成した領域ごとのヒストグラムとの類似度に応じた類似症例画像を特定することを特徴とする請求項２に記載の類似症例画像検索プログラム。
  4. 前記医用画像に含まれる複数のスライス画像それぞれにおける、前記胸壁と前記縦隔との間を内分する割合を規定したモデルを参照することで、前記医用画像に含まれる複数のスライス画像それぞれにおける、前記胸壁と前記縦隔との間を内分する位置を特定することを特徴とする請求項３に記載の類似症例画像検索プログラム。
  5. 前記医用画像に含まれる複数のスライス画像それぞれにおいて、体の中心位置を抽出し、該中心位置から放射状に延びる複数の直線と、特定した前記肺野領域の輪郭との交点を、前記胸壁または前記縦隔として抽出することを特徴とする請求項４に記載の類似症例画像検索プログラム。
  6. 前記医用画像に含まれる複数のスライス画像それぞれにおいて、前記胸壁と前記縦隔との間を内分する複数の位置をつなぐ分割曲線を作成し、前記肺野領域を中枢領域と末梢領域とに分割することを特徴とする請求項５に記載の類似症例画像検索プログラム。
  7. 前記医用画像に含まれる複数のスライス画像それぞれにおいて、前記肺野領域の重心位置を通る水平線と、特定した前記肺野領域の輪郭との交点を、前記胸壁として抽出し、前記水平線において、前記重心位置に対して前記胸壁とは反対側に位置する点であって、前記重心位置までの距離が、前記胸壁から前記重心位置までの距離に等しい点を、前記縦隔として抽出することを特徴とする請求項４に記載の類似症例画像検索プログラム。
  8. 前記医用画像に含まれる複数のスライス画像それぞれにおいて、２つの前記肺野領域を統合する統合画像を作成し、作成した該統合画像を、前記胸壁と前記縦隔との間を内分する位置を通る大きさまで縮小し、縮小した該統合画像に基づいて、前記肺野領域を中枢領域と末梢領域とに分割することを特徴とする請求項７に記載の類似症例画像検索プログラム。
  9. 医用画像より肺野領域を抽出して、胸壁と縦隔とを含む肺野領域の輪郭を特定する輪郭特定部と、
    前記胸壁と前記縦隔との間を内分する位置を特定して、前記肺野領域の形状に基づき前記肺野領域を中枢領域と末梢領域とに分割する分割部と、
    分割した前記中枢領域と前記末梢領域のそれぞれの病変を示す画素の個数を計数する計数部と、
    領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する画像特定部と
    を有することを特徴とする類似症例画像検索装置。
  10. 医用画像より肺野領域を抽出して、胸壁と縦隔とを含む肺野領域の輪郭を特定し、
    前記胸壁と前記縦隔との間を内分する位置を特定して、前記肺野領域の形状に基づき前記肺野領域を中枢領域と末梢領域とに分割し、
    分割した前記中枢領域と前記末梢領域のそれぞれの病変を示す画素の個数を計数し、
    領域ごとの病変を示す画素の個数を記憶した記憶部を参照して、病変を示す画素の個数の類似度に応じた類似症例画像を特定する、
    処理をコンピュータが実行する類似症例画像検索方法。
JP2017046736A 2017-03-10 2017-03-10 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法 Active JP6855850B2 (ja)

Priority Applications (6)

Application Number Priority Date Filing Date Title
JP2017046736A JP6855850B2 (ja) 2017-03-10 2017-03-10 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法
EP18763395.3A EP3594830B1 (en) 2017-03-10 2018-01-24 Similar case image search program, similar case image search device, and similar case image search method
CN201880003543.5A CN109716445B (zh) 2017-03-10 2018-01-24 类似病例图像检索程序、类似病例图像检索装置以及类似病例图像检索方法
PCT/JP2018/002089 WO2018163633A1 (ja) 2017-03-10 2018-01-24 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法
ES18763395T ES2875919T3 (es) 2017-03-10 2018-01-24 Programa de búsqueda de imagen de caso similar, dispositivo de búsqueda de imagen de caso similar y método de búsqueda de imagen de caso similar
US16/291,016 US10964020B2 (en) 2017-03-10 2019-03-04 Similar case image search program, similar case image search apparatus, and similar case image search method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017046736A JP6855850B2 (ja) 2017-03-10 2017-03-10 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法

Publications (2)

Publication Number Publication Date
JP2018151791A true JP2018151791A (ja) 2018-09-27
JP6855850B2 JP6855850B2 (ja) 2021-04-07

Family

ID=63447603

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017046736A Active JP6855850B2 (ja) 2017-03-10 2017-03-10 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法

Country Status (6)

Country Link
US (1) US10964020B2 (ja)
EP (1) EP3594830B1 (ja)
JP (1) JP6855850B2 (ja)
CN (1) CN109716445B (ja)
ES (1) ES2875919T3 (ja)
WO (1) WO2018163633A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020058418A (ja) * 2018-10-05 2020-04-16 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及びｃｔスキャン実行プログラム
JP2020061000A (ja) * 2018-10-11 2020-04-16 富士通株式会社 画像検索プログラム、画像検索装置、及び画像検索方法
JP2020099539A (ja) * 2018-12-21 2020-07-02 富士通株式会社 肺画像処理プログラム、肺画像処理方法および肺画像処理システム
CN111507956A (zh) * 2020-04-15 2020-08-07 广西科技大学 一种纳米线数量统计方法及系统
JP2020171541A (ja) * 2019-04-11 2020-10-22 富士通株式会社 異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法
EP3882819A1 (en) 2020-03-16 2021-09-22 Fujitsu Limited Image processing program, image processing apparatus, and image processing method

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7034306B2 (ja) * 2018-08-31 2022-03-11 富士フイルム株式会社 領域分割装置、方法およびプログラム、類似度決定装置、方法およびプログラム、並びに特徴量導出装置、方法およびプログラム
CN112601494A (zh) * 2018-08-31 2021-04-02 富士胶片株式会社 相似度确定装置、方法及程序
CN110706794B (zh) * 2019-09-26 2022-10-25 中国科学院深圳先进技术研究院 一种医学图像处理系统和医学图像处理方法
KR102516154B1 (ko) * 2019-12-31 2023-03-30 주식회사 코어라인소프트 정량화 파라미터를 이용하는 의료 영상 분석 시스템 및 유사 증례 검색 시스템, 및 그 시스템에서 실행되는 방법
CN111445463A (zh) * 2020-03-31 2020-07-24 上海联影智能医疗科技有限公司 相似肺部疾病病例的检索方法、装置和计算机设备
CN117576321A (zh) * 2023-12-05 2024-02-20 上海长征医院 一种辅助肝脏手术规划建模系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020191827A1 (en) * 2001-06-15 2002-12-19 Arch Development Corporation Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease
CN102429679A (zh) * 2011-09-09 2012-05-02 华南理工大学 基于胸部ct图像的肺气肿计算机辅助诊断系统
WO2013076927A1 (ja) * 2011-11-24 2013-05-30 パナソニック株式会社 診断支援装置および診断支援方法
JP2014085851A (ja) * 2012-10-24 2014-05-12 Nippon Telegr & Teleph Corp <Ntt> 画像類似度算出装置およびその動作方法
JP2015203920A (ja) * 2014-04-11 2015-11-16 キヤノン株式会社 類似症例検索システム、類似症例検索方法及びプログラム

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5881124A (en) * 1994-03-31 1999-03-09 Arch Development Corporation Automated method and system for the detection of lesions in medical computed tomographic scans
JPH08320923A (ja) * 1995-05-26 1996-12-03 Toshiba Medical Eng Co Ltd 異常陰影自動検出システム
JP4035216B2 (ja) * 1997-12-25 2008-01-16 キヤノン株式会社 画像処理方法及び画像処理装置
US7206462B1 (en) * 2000-03-17 2007-04-17 The General Hospital Corporation Method and system for the detection, comparison and volumetric quantification of pulmonary nodules on medical computed tomography scans
US7274810B2 (en) * 2000-04-11 2007-09-25 Cornell Research Foundation, Inc. System and method for three-dimensional image rendering and analysis
US20050207630A1 (en) * 2002-02-15 2005-09-22 The Regents Of The University Of Michigan Technology Management Office Lung nodule detection and classification
JP2006006359A (ja) 2004-06-22 2006-01-12 Fuji Photo Film Co Ltd 画像生成装置、画像生成装置方法、およびそのプログラム
US7940975B2 (en) 2004-07-30 2011-05-10 Hitachi Medical Corporation Medical image diagnosing support method and apparatus, and image processing program configured to extract and correct lesion candidate region
JP2006181025A (ja) 2004-12-27 2006-07-13 Fuji Photo Film Co Ltd 異常陰影検出方法および装置並びにプログラム
JP2008200368A (ja) 2007-02-21 2008-09-04 Osaka Univ 間質性肺炎の定量的評価を自動的に実行する装置およびプログラム
JP5224768B2 (ja) 2007-10-12 2013-07-03 インフォコム株式会社 胸部正面ｘ線画像の検像方法及び検像装置
CN102053963B (zh) * 2009-10-28 2012-08-08 沈阳工业大学 一种胸部x线图像检索方法
JP2011118543A (ja) 2009-12-01 2011-06-16 Shizuoka Prefecture 症例画像検索装置、方法およびプログラム
JP2015136480A (ja) 2014-01-22 2015-07-30 富士フイルム株式会社 ３次元医用画像表示制御装置およびその作動方法並びに３次元医用画像表示制御プログラム
CN104036109A (zh) * 2014-03-14 2014-09-10 上海大图医疗科技有限公司 基于图像的病例检索、勾画及治疗计划系统和方法
JP6099593B2 (ja) * 2014-03-27 2017-03-22 富士フイルム株式会社 類似症例検索装置、類似症例検索方法、及び類似症例検索プログラム
JP6109778B2 (ja) * 2014-03-27 2017-04-05 富士フイルム株式会社 類似症例検索装置、類似症例検索方法、及び類似症例検索プログラム
US10599810B2 (en) * 2014-06-04 2020-03-24 Panasonic Corporation Control method and recording system
US10748661B2 (en) * 2014-10-30 2020-08-18 Panasonic Corporation Method for controlling information terminal, and recording medium
CN105957094B (zh) * 2016-06-15 2018-09-25 深圳维影医疗科技有限公司 一种基于轮廓检测的胸片肺野快速自动分割方法及其系统
WO2018107371A1 (zh) * 2016-12-13 2018-06-21 上海联影医疗科技有限公司 图像搜索系统及方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020191827A1 (en) * 2001-06-15 2002-12-19 Arch Development Corporation Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease
CN102429679A (zh) * 2011-09-09 2012-05-02 华南理工大学 基于胸部ct图像的肺气肿计算机辅助诊断系统
WO2013076927A1 (ja) * 2011-11-24 2013-05-30 パナソニック株式会社 診断支援装置および診断支援方法
JP2014085851A (ja) * 2012-10-24 2014-05-12 Nippon Telegr & Teleph Corp <Ntt> 画像類似度算出装置およびその動作方法
JP2015203920A (ja) * 2014-04-11 2015-11-16 キヤノン株式会社 類似症例検索システム、類似症例検索方法及びプログラム

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020058418A (ja) * 2018-10-05 2020-04-16 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及びｃｔスキャン実行プログラム
JP7236239B2 (ja) 2018-10-05 2023-03-09 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及びｃｔスキャン実行プログラム
JP2020061000A (ja) * 2018-10-11 2020-04-16 富士通株式会社 画像検索プログラム、画像検索装置、及び画像検索方法
JP7082287B2 (ja) 2018-10-11 2022-06-08 富士通株式会社 画像検索プログラム、画像検索装置、及び画像検索方法
JP2020099539A (ja) * 2018-12-21 2020-07-02 富士通株式会社 肺画像処理プログラム、肺画像処理方法および肺画像処理システム
JP7151464B2 (ja) 2018-12-21 2022-10-12 富士通株式会社 肺画像処理プログラム、肺画像処理方法および肺画像処理システム
JP2020171541A (ja) * 2019-04-11 2020-10-22 富士通株式会社 異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法
JP7348469B2 (ja) 2019-04-11 2023-09-21 富士通株式会社 異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法
EP3882819A1 (en) 2020-03-16 2021-09-22 Fujitsu Limited Image processing program, image processing apparatus, and image processing method
US11925492B2 (en) 2020-03-16 2024-03-12 Fujitsu Limited Image processing apparatus and image processing method
CN111507956A (zh) * 2020-04-15 2020-08-07 广西科技大学 一种纳米线数量统计方法及系统
CN111507956B (zh) * 2020-04-15 2023-04-07 广西科技大学 一种纳米线数量统计方法及系统

Also Published As

Publication number Publication date
WO2018163633A1 (ja) 2018-09-13
US20190197688A1 (en) 2019-06-27
EP3594830A1 (en) 2020-01-15
JP6855850B2 (ja) 2021-04-07
EP3594830A4 (en) 2020-03-18
CN109716445B (zh) 2023-03-24
CN109716445A (zh) 2019-05-03
US10964020B2 (en) 2021-03-30
EP3594830B1 (en) 2021-05-26
ES2875919T3 (es) 2021-11-11

Similar Documents

Publication Publication Date Title
WO2018163633A1 (ja) 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法
US8417009B2 (en) Apparatus, method, and computer readable medium for assisting medical image diagnosis using 3-D images representing internal structure
US8380013B2 (en) Case image search apparatus, method and computer-readable recording medium
US8483467B2 (en) Medical image diagnosis assisting apparatus and method, and computer readable recording medium on which is recorded program for the same
KR102154733B1 (ko) 의료 영상을 이용하여 대상체에 악성 종양이 존재하는지 여부를 예측하는 장치 및 방법
US6925199B2 (en) Computer readable recording medium recorded with diagnosis supporting program, diagnosis supporting apparatus and diagnosis supporting method
JP4912015B2 (ja) 類似画像検索装置および方法並びにプログラム
JP4874701B2 (ja) 類似画像検索装置および方法並びにプログラム
RU2493593C2 (ru) Способ извлечения данных из набора данных медицинских изображений
JP4640845B2 (ja) 画像処理装置およびそのプログラム
JP5812841B2 (ja) 画像診断支援装置、画像診断支援方法、画像診断支援プログラム
JP6719421B2 (ja) 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム
US20170221204A1 (en) Overlay Of Findings On Image Data
EP3373194B1 (en) Image retrieval apparatus and image retrieval method
KR20150125436A (ko) 관심 영역별 추가 정보 제공 장치 및 방법
JP6981940B2 (ja) 画像診断支援装置、方法及びプログラム
US10860894B2 (en) Learning data generation support apparatus, operation method of learning data generation support apparatus, and learning data generation support program
US8306354B2 (en) Image processing apparatus, method, and program
CN111445463A (zh) 相似肺部疾病病例的检索方法、装置和计算机设备
US10699426B2 (en) Registration apparatus, registration method, and registration program
JP4554921B2 (ja) 異常陰影検出装置の作動方法および異常陰影検出装置並びにプログラム
JP2018183431A (ja) 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法
WO2006123272A2 (en) Automatic organ mapping method an device
JP2005087470A (ja) 異常陰影候補検出装置およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20191212

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201208

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210201

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

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210216

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210301

R150 Certificate of patent or registration of utility model

Ref document number: 6855850

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150