JP2019149093A - 診断支援システム、診断支援方法、及びプログラム - Google Patents
診断支援システム、診断支援方法、及びプログラム Download PDFInfo
- Publication number
- JP2019149093A JP2019149093A JP2018034573A JP2018034573A JP2019149093A JP 2019149093 A JP2019149093 A JP 2019149093A JP 2018034573 A JP2018034573 A JP 2018034573A JP 2018034573 A JP2018034573 A JP 2018034573A JP 2019149093 A JP2019149093 A JP 2019149093A
- Authority
- JP
- Japan
- Prior art keywords
- organ
- region
- medical image
- unit
- information
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 34
- 210000000056 organ Anatomy 0.000 claims abstract description 244
- 201000010099 disease Diseases 0.000 claims abstract description 51
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 51
- 238000011156 evaluation Methods 0.000 claims abstract description 39
- 238000000605 extraction Methods 0.000 claims abstract description 31
- 238000009795 derivation Methods 0.000 claims abstract description 17
- 238000003745 diagnosis Methods 0.000 claims description 81
- 230000008569 process Effects 0.000 claims description 23
- 238000003384 imaging method Methods 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 15
- 210000004072 lung Anatomy 0.000 claims description 14
- 210000004185 liver Anatomy 0.000 claims description 12
- 210000000952 spleen Anatomy 0.000 claims description 11
- 206010058467 Lung neoplasm malignant Diseases 0.000 claims description 10
- 201000005202 lung cancer Diseases 0.000 claims description 10
- 208000020816 lung neoplasm Diseases 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 206010028980 Neoplasm Diseases 0.000 claims description 7
- 210000001165 lymph node Anatomy 0.000 claims description 7
- 208000001076 sarcopenia Diseases 0.000 claims description 7
- 208000004930 Fatty Liver Diseases 0.000 claims description 6
- 206010019708 Hepatic steatosis Diseases 0.000 claims description 6
- 208000010706 fatty liver disease Diseases 0.000 claims description 6
- 231100000240 steatosis hepatitis Toxicity 0.000 claims description 6
- 210000002097 psoas muscle Anatomy 0.000 claims description 5
- 208000007433 Lymphatic Metastasis Diseases 0.000 claims description 4
- 230000008595 infiltration Effects 0.000 claims description 4
- 238000001764 infiltration Methods 0.000 claims description 4
- 210000003205 muscle Anatomy 0.000 claims description 3
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000013473 artificial intelligence Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000002591 computed tomography Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 206010027476 Metastases Diseases 0.000 description 2
- 238000013170 computed tomography imaging Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000009401 metastasis Effects 0.000 description 2
- 101100459910 Arabidopsis thaliana NCS1 gene Proteins 0.000 description 1
- 241001323321 Pluto Species 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000009607 mammography Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
【課題】複数の臓器情報の組み合わせから疾患の評価を行うことができる診断支援システム、診断支援方法、及びプログラムを得る。【解決手段】診断支援装置１４は、医用画像を取得する取得部４０と、取得部４０により取得された医用画像から臓器が描出された臓器領域を抽出する抽出部４２と、抽出部４２により抽出された臓器領域の臓器情報を導出する第１導出部４６と、取得部４０により取得された第１の医用画像から抽出された第１の臓器領域について導出された第１の臓器情報と、取得部４０により取得された第２の医用画像から抽出された第２の臓器領域について導出された第２の臓器情報と、に基づいて、疾患の評価に関する指標値を導出する第２導出部４８と、を含む。【選択図】図４
Description
本開示は、診断支援システム、診断支援方法、及びプログラムに関する。
従来、多臓器及び多疾病を対象とする診断支援を実現するために、診断支援アルゴリズムを共有化し利用するための仕組みを備える共通プラットフォームが提案されている（非特許文献１参照）。
二村 幸孝、出口 大輔、北坂 孝幸、森 健策、末永 康仁、"PLUTO：医用画像診断支援共通プラットフォーム"、MEDICAL IMAGING TECHNOLOGY Vol.26 No.3、P.187-191、May 2008
しかしながら、非特許文献１には、多臓器及び多疾病を対象とする診断支援を実現するための共通プラットフォームを提供することは記載されているものの、複数の臓器情報を組み合わせて疾患を評価することについては記載されていない。
本開示は、以上の事情を鑑みて成されたものであり、複数の臓器情報の組み合わせから疾患の評価を行うことができる診断支援システム、診断支援方法、及びプログラムを提供することを目的とする。
上記目的を達成するために、本開示の診断支援システムは、医用画像を取得する取得部と、取得部により取得された医用画像から臓器が描出された臓器領域を抽出する抽出部と、抽出部により抽出された臓器領域の臓器情報を導出する第１導出部と、取得部により取得された第１の医用画像から抽出された第１の臓器領域について導出された第１の臓器情報と、取得部により取得された第２の医用画像から抽出された第２の臓器領域について導出された第２の臓器情報と、に基づいて、疾患の評価に関する指標値を導出する第２導出部と、を含む。
なお、本開示の診断支援システムは、第２の医用画像が第１の医用画像と同一の画像であり、画像内に複数の臓器領域を含んでもよい。
また、本開示の診断支援システムは、第１導出部が、少なくとも第１の医用画像から抽出された臓器領域から第１の臓器情報を導出してもよい。
また、本開示の診断支援システムは、抽出部が、医用画像内に存在する臓器全体の臓器領域を抽出した後に、抽出した臓器領域の一部の領域を更に抽出し、第１導出部が、一部の領域から一部臓器情報を導出し、第２導出部が、第１の医用画像から抽出された第１の臓器領域の一部の領域について導出された第１の一部臓器情報と、第２の医用画像から抽出された第２の臓器領域の一部の領域について導出された第２の一部臓器情報と、に基づいて、指標値を導出してもよい。
また、本開示の診断支援システムは、第１の臓器領域と第２の臓器領域とが同じ臓器領域であってもよい。
また、本開示の診断支援システムは、抽出部が、第１の医用画像と、第１の医用画像内に存在する臓器が含まれる医用画像であって、かつ第１の医用画像以外の医用画像とから臓器領域を抽出してもよい。
また、本開示の診断支援システムは、第１の医用画像、及び第１の医用画像以外の医用画像が、同一検査内の異なる画像であってもよい。
また、本開示の診断支援システムは、第１の医用画像以外の医用画像が、第１の医用画像よりも過去に撮影されて得られた医用画像であってもよい。
また、本開示の診断支援システムは、第１の医用画像、及び第１の医用画像以外の医用画像が、異なる撮影方法による撮影によって得られた医用画像であってもよい。
また、本開示の診断支援システムは、臓器情報が、臓器領域のサイズ、臓器領域の画像における各画素の信号値、及び各画素の信号値を用いて算出される値の少なくとも１つを含んでもよい。
また、本開示の診断支援システムは、指標値が、疾患の進行度、及び疾患の評価対象の領域を表す情報の少なくとも一方を含んでもよい。
また、本開示の診断支援システムは、第１の臓器領域が、脾臓の領域であり、第１の臓器情報が、脾臓の領域における画素の信号値の平均値であり、第２の臓器領域が、肝臓の領域であり、第２の臓器情報が、肝臓の領域における各画素の信号値であり、疾患が、脂肪肝であり、指標値が、肝臓の領域における画素の信号値が、脾臓の領域における平均値よりも所定値以上小さい領域を表す情報であってもよい。
また、本開示の診断支援システムは、第１の臓器領域が、肺の領域であり、第１の臓器情報が、肺の領域における腫瘍の大きさと浸潤の有無とであり、第２の臓器領域が、リンパ節の領域と肺及びリンパ節以外の他の臓器の領域とであり、第２の臓器情報が、リンパ節転移の有無と他の臓器の領域における腫瘍の有無とであり、疾患が、肺がんであり、指標値が、肺がんの病期であってもよい。
また、本開示の診断支援システムは、第１の臓器領域が、脊椎の領域であり、第１の臓器情報が、第３腰椎乃至第４腰椎であり、第２の臓器領域が、大腰筋の領域であり、第２の臓器情報が、大腰筋の領域の複数の断面それぞれにおける断面積であり、疾患が、サルコペニアであり、指標値が、第３腰椎乃至第４腰椎における大腰筋の領域の断面積であってもよい。
また、本開示の診断支援システムは、抽出部により抽出された臓器領域の画像を表示部に表示する制御を行う表示制御部と、表示部に表示された臓器領域に対するユーザによる修正を受け付ける受付部と、を更に含み、第１導出部が、受付部により修正が受け付けられた場合、修正後の臓器領域の臓器情報を導出してもよい。
また、本開示の診断支援システムは、第２導出部により導出された指標値を表示部に表示する制御を行う表示制御部を更に含んでもよい。
また、本開示の診断支援システムは、表示制御部が、第１の臓器領域、第２の臓器領域、第１の臓器情報、及び第２の臓器情報の少なくとも１つを表示部に更に表示する制御を行ってもよい。
また、本開示の診断支援システムは、第２導出部により導出された指標値を用いた診断結果を表示部に表示する制御を行う表示制御部を更に含んでもよい。
また、本開示の診断支援システムは、第２導出部により複数種類の疾患の評価に関する指標値が導出された場合、複数種類の指標値それぞれに対応する各臓器領域に、各臓器領域に対応する観察者を割り当てる割当部を更に含んでもよい。
一方、上記目的を達成するために、本開示の診断支援方法は、医用画像を取得し、取得した医用画像から臓器が描出された臓器領域を抽出し、抽出した臓器領域の臓器情報を導出し、取得した第１の医用画像から抽出した第１の臓器領域について導出した第１の臓器情報と、取得した第２の医用画像から抽出した第２の臓器領域について導出した第２の臓器情報と、に基づいて、疾患の評価に関する指標値を導出する処理を診断支援システムが実行するものである。
また、上記目的を達成するために、本開示のプログラムは、医用画像を取得し、取得した医用画像から臓器が描出された臓器領域を抽出し、抽出した臓器領域の臓器情報を導出し、取得した第１の医用画像から抽出した第１の臓器領域について導出した第１の臓器情報と、取得した第２の医用画像から抽出した第２の臓器領域について導出した第２の臓器情報と、に基づいて、疾患の評価に関する指標値を導出する処理をコンピュータに実行させるためのものである。
本開示によれば、複数の臓器情報の組み合わせから疾患の評価を行うことができる。
以下、図面を参照して、本開示の技術を実施するための形態例を詳細に説明する。
まず、図１を参照して、本実施形態に係る診断支援システム１０の構成を説明する。図１に示すように、診断支援システム１０は、画像管理装置１２及び診断支援装置１４を含む。画像管理装置１２及び診断支援装置１４は、各々ネットワークＮに接続され、ネットワークＮを介した通信が可能とされる。画像管理装置１２は、ＣＴ（Computed Tomography）及びＭＲＩ（Magnetic Resonance Imaging）等の医用画像を撮影する撮影装置による撮影により得られた医用画像を示す医用画像データを記憶する。画像管理装置１２の例としては、ＰＡＣＳ（Picture Archiving and Communication System）等が挙げられる。診断支援装置１４は、画像管理装置１２に記憶された医用画像データを用いて診断の支援を行う。診断支援装置１４の例としては、パーソナルコンピュータ及びサーバコンピュータ等の情報処理装置が挙げられる。
次に、図２を参照して、本実施形態に係る診断支援装置１４のハードウェア構成を説明する。図２に示すように、診断支援装置１４は、ＣＰＵ（Central Processing Unit）２０、一時記憶領域としてのメモリ２１、及び不揮発性の記憶部２２を含む。また、診断支援装置１４は、液晶ディスプレイ等の表示部２３、キーボードとマウス等の入力部２４、及びネットワークＮに接続されるネットワークＩ／Ｆ（InterFace）２５を含む。ＣＰＵ２０、メモリ２１、記憶部２２、表示部２３、入力部２４、及びネットワークＩ／Ｆ２５は、バス２６に接続される。
記憶部２２は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、及びフラッシュメモリ等によって実現される。記憶媒体としての記憶部２２には、診断支援プログラム３０が記憶される。ＣＰＵ２０は、記憶部２２から診断支援プログラム３０を読み出してからメモリ２１に展開し、展開した診断支援プログラム３０を実行する。
また、記憶部２２には、割当テーブル３２が記憶される。図３に、割当テーブル３２の一例を示す。図３に示すように、本実施形態に係る割当テーブル３２は、複数種類の臓器のそれぞれと、その臓器を担当する医師とが対応付けられた情報である。医師が観察者の一例である。
次に、図４を参照して、本実施形態に係る診断支援装置１４の機能的な構成について説明する。図４に示すように、診断支援装置１４は、取得部４０、抽出部４２、受付部４４、第１導出部４６、第２導出部４８、表示制御部５０、及び割当部５２を含む。ＣＰＵ２０が診断支援プログラム３０を実行することで、取得部４０、抽出部４２、受付部４４、第１導出部４６、第２導出部４８、表示制御部５０、及び割当部５２として機能する。
取得部４０は、画像管理装置１２から、画像管理装置１２に記憶された医用画像データを、ネットワークＮを介して取得する。本実施形態では、取得部４０は、例えば、一度のＣＴ撮影により得られた複数の医用画像等の同一検査内の複数の医用画像それぞれを示す複数の医用画像データを取得する。
抽出部４２は、取得部４０により取得された複数の医用画像データが示す複数の医用画像から臓器が描出された臓器領域を抽出する。なお、抽出部４２は、異なる複数の医用画像のそれぞれから複数の臓器領域を抽出してもよい。
抽出部４２による臓器領域の抽出処理には、例えば、ＡＩ（Artificial Intelligence）技術を適用することができる。具体的には、例えば、医用画像データを入力とし、抽出される臓器領域を出力としたディープニューラルネットワークを作成する。次に、医用画像データ及びその医用画像データが示す医用画像内の臓器領域を含む教師データを用いて、作成したディープニューラルネットワークを学習させることによって得られた学習済みモデルを記憶部２２に予め記憶しておく。抽出部４２は、取得部４０により取得された複数の医用画像データを学習済みモデルに入力し、学習済みモデルから出力された臓器領域を取得することによって、医用画像から臓器領域を抽出する。図５に、抽出部４２により抽出された臓器領域の一例を示す。なお、抽出部４２は、ユーザにより入力部２４を介して入力された領域を臓器領域として抽出してもよい。
受付部４４は、表示部２３に表示された臓器領域に対するユーザによる修正を、入力部２４を介して受け付ける。
第１導出部４６は、抽出部４２により抽出された複数の臓器領域について、それぞれの臓器領域の画像から得られる臓器情報を導出する。臓器情報の例としては、面積と体積等の臓器領域のサイズ、及び臓器領域の画像の各画素の信号値（例えば、画素値）が挙げられる。また、臓器情報の例としては、臓器領域の画像の各画素の信号値から算出される値（例えば、最大値、最小値、平均値、分散、及び標準偏差等）等も挙げられる。また、第１導出部４６は、受付部４４によりユーザによる修正が受け付けられた場合は、ユーザによる修正後の臓器領域の臓器情報を導出する。
第１導出部４６による臓器情報の導出処理には、例えば、ＡＩ技術を適用することができる。具体的には、例えば、臓器領域の画像を示す画像データを入力とし、臓器情報を出力としたディープニューラルネットワークを作成する。次に、臓器領域の画像を示す画像データ及びその画像データに対応する臓器情報を含む教師データを用いて、作成したディープニューラルネットワークを学習させることによって得られた学習済みモデルを記憶部２２に予め記憶しておく。第１導出部４６は、抽出部４２により抽出された臓器領域の画像を示す画像データを学習済みモデルに入力し、学習済みモデルから出力された臓器情報を取得することによって、抽出部４２により抽出された臓器領域の臓器情報を導出する。
第２導出部４８は、第１導出部４６により複数の臓器領域それぞれについて導出された複数の臓器情報に基づいて、疾患の評価に関する指標値を導出する。なお、臓器情報の数は、２つでもよいし、３つ以上でもよい。
第２導出部４８による指標値の導出処理には、例えば、ＡＩ技術を適用することができる。具体的には、例えば、複数の臓器情報を入力とし、疾患の評価に関する指標値を出力としたディープニューラルネットワークを作成する。次に、複数の臓器情報及びその臓器情報に対応する疾患の評価に関する指標値を含む教師データを用いて、作成したディープニューラルネットワークを学習させることによって得られた学習済みモデルを記憶部２２に予め記憶しておく。第２導出部４８は、複数の臓器領域について第１導出部４６により導出された臓器情報を学習済みモデルに入力し、学習済みモデルから出力された疾患の評価に関する指標値を取得することによって、疾患の評価に関する指標値を導出する。なお、第２導出部４８は、ＡＩ技術を用いるのではなく、予め定義されたルールに従って、疾患の評価に関する指標値を導出してもよい。
表示制御部５０は、抽出部４２により抽出された臓器領域の画像を表示部２３に表示する制御を行う。例えば、表示制御部５０は、臓器領域の抽出対象の医用画像に対し、抽出部４２により抽出された臓器領域を、臓器領域毎に予め定められた色で塗りつぶす画像処理を行って得られた画像を表示部２３に表示する制御を行う。また、表示制御部５０は、第２導出部４８により導出された疾患の評価に関する指標値を表示部２３に表示する制御を行う。
割当部５２は、第２導出部４８により複数種類の疾患の評価に関する指標値が導出された場合、複数種類の指標値それぞれに対応する各臓器領域に、各臓器領域を観察する観察者に割り当てる。具体的には、割当部５２は、割当テーブル３２を参照し、指標値に対応する臓器領域に、その臓器領域を専門とする専門医を観察者として割り当てる。
次に、図６を参照して、本実施形態に係る診断支援装置１４の作用を説明する。ＣＰＵ２０が診断支援プログラム３０を実行することによって、図６に示す診断支援処理が実行される。また、図６に示す診断支援処理は、例えば、ユーザにより入力部２４を介して、診断支援プログラム３０の実行指示が入力された場合に実行される。
図６のステップＳ１０で、取得部４０は、前述したように、画像管理装置１２から、画像管理装置１２に記憶された医用画像データを、ネットワークＮを介して取得する。ステップＳ１２で、抽出部４２は、ステップＳ１０の処理により取得された複数の医用画像データが示す複数の医用画像から臓器が描出された臓器領域を複数抽出する。
ステップＳ１４で、表示制御部５０は、前述したように、ステップＳ１２の処理により抽出された臓器領域の画像を表示部２３に表示する制御を行う。ユーザは、表示部２３に表示された臓器領域を目視にて確認し、正しく抽出されていない場合は、入力部２４を介して臓器領域を修正する。ステップＳ１６で、受付部４４は、ステップＳ１４の処理により臓器領域に対するユーザによる修正を受け付けたか否かを判定する。この判定が否定判定となった場合は、処理はステップＳ２０に移行し、肯定判定となった場合は、処理はステップＳ１８に移行する。ステップＳ１８で、受付部４４は、ステップＳ１６の処理により受け付けられた修正に従い、ステップＳ１２の処理により抽出された臓器領域を修正する。
ステップＳ２０で、第１導出部４６は、前述したように、ステップＳ１２の処理により抽出された複数の臓器領域について、それぞれの臓器領域の画像から得られる臓器情報を導出する。なお、ステップＳ１８の処理により臓器領域が修正されている場合は、第１導出部４６は、修正後の臓器領域の画像から得られる臓器情報を導出する。ステップＳ２２で、第２導出部４８は、前述したように、ステップＳ２０の処理により複数の臓器領域それぞれについて導出された複数の臓器情報に基づいて、疾患の評価に関する指標値を導出する。
ステップＳ２４で、割当部５２は、ステップＳ２２の処理により複数種類の疾患の評価に関する指標値が導出されたか否かを判定する。この判定が否定判定となった場合は、処理はステップＳ２８に移行し、肯定判定となった場合は、処理はステップＳ２６に移行する。ステップＳ２６で、割当部５２は、前述したように、割当テーブル３２を参照し、ステップＳ２２の処理により導出された複数種類の指標値それぞれに対応する各臓器領域に、各臓器領域を観察する観察者を割り当てる。
ステップＳ２８で、表示制御部５０は、ステップＳ２２の処理により導出された疾患の評価に関する指標値を表示部２３に表示する制御を行う。ステップＳ２８の処理が終了すると、診断支援処理が終了する。
次に、診断支援装置１４の具体的な動作例について説明する。
＜動作例１＞
まず、診断支援装置１４が、疾患の評価に関する指標値として、脂肪肝の評価に関する指標値を導出する動作例について説明する。
まず、診断支援装置１４が、疾患の評価に関する指標値として、脂肪肝の評価に関する指標値を導出する動作例について説明する。
抽出部４２は、複数の医用画像から脾臓の領域及び肝臓の領域を抽出する（ステップＳ１２）。第１導出部４６は、脾臓の領域の臓器情報として、脾臓の領域における画素値（例えば、ＣＴ値）の平均値を導出し、肝臓の領域の臓器情報として、肝臓の領域における各画素の画素値を導出する（ステップＳ２０）。
第２導出部４８は、脂肪肝の評価に関する指標値として、肝臓の領域における各画素のうち、画素値が脾臓の領域における画素値の平均値よりも所定値（例えば、１０ＨＵ（Hounsfield Unit））以上小さく、かつ画素値が閾値（例えば、４０ＨＵ）以下の領域を表す情報を導出する（ステップＳ２２）。この領域を表す情報が、疾患の評価対象の領域を表す情報の一例である。
表示制御部５０は、第２導出部４８により導出された領域を表す情報を、視認可能に表示部２３に表示する制御を行う（ステップＳ２８）。医師は、表示部２３に表示された情報に基づいて、脂肪肝に関する評価を行う。
＜動作例２＞
次に、診断支援装置１４が、疾患の評価に関する指標値として、肺がんの評価に関する指標値を導出する動作例について説明する。
次に、診断支援装置１４が、疾患の評価に関する指標値として、肺がんの評価に関する指標値を導出する動作例について説明する。
抽出部４２は、複数の医用画像から肺の領域と、リンパ節の領域と、肺及びリンパ節以外の他臓器の領域とを抽出する（ステップＳ１２）。第１導出部４６は、肺の領域の臓器情報として、肺の領域における腫瘍のサイズ及び浸潤の有無を導出する。また、第１導出部４６は、リンパ節の領域の臓器情報として、リンパ節転移の有無を導出する。また、第１導出部４６は、他臓器の領域の臓器情報として、他臓器における腫瘍（すなわち、遠隔転移）の有無を導出する（ステップＳ２０）。
第２導出部４８は、第１導出部４６により導出された肺の領域における腫瘍のサイズ及び浸潤の有無と、リンパ節転移の有無と、遠隔転移の有無とに基づいて、肺がんの評価に関する指標値として、肺がんの進行度の一例としての病期を導出する（ステップＳ２２）。この肺がんの病期の導出に用いる手法としては、例えば、以下の参考文献１に開示されている手法を適用することができる。
［参考文献１］“病期の分類法”、[online]、［平成３０年２月６日検索］、インターネット（ＵＲＬ：http://ganclass.jp/kind/lung/stage/stage.php）
［参考文献１］“病期の分類法”、[online]、［平成３０年２月６日検索］、インターネット（ＵＲＬ：http://ganclass.jp/kind/lung/stage/stage.php）
表示制御部５０は、第２導出部４８により導出された肺がんの病期を表示部２３に表示する制御を行う（ステップＳ２８）。医師は、表示部２３に表示された情報に基づいて、肺がんに関する評価を行う。
＜動作例３＞
次に、診断支援装置１４が、疾患の評価に関する指標値として、サルコペニアの評価に関する指標値を導出する動作例について説明する。
次に、診断支援装置１４が、疾患の評価に関する指標値として、サルコペニアの評価に関する指標値を導出する動作例について説明する。
抽出部４２は、複数の医用画像から脊椎の領域、及び大腰筋の領域を抽出する（ステップＳ１２）。抽出部４２により抽出された脊椎の領域の一例を図７に示し、大腰筋の領域の一例を図８に示す。第１導出部４６は、脊椎の領域の臓器情報として、第３腰椎乃至第４腰椎を導出し、大腰筋の領域の臓器情報として、大腰筋の複数の断面それぞれの断面積を導出する（ステップＳ２０）。
第２導出部４８は、第３腰椎乃至第４腰椎における大腰筋の断面積をサルコペニアの評価に関する指標値とする（ステップＳ２２）。表示制御部５０は、第２導出部４８により導出された第３腰椎乃至第４腰椎における大腰筋の断面積を表示部２３に表示する制御を行う（ステップＳ２８）。サルコペニアの評価に関する指標値を表示する指標値表示画面の一例を図９に示す。医師は、表示部２３に表示された情報に基づいて、サルコペニアに関する評価を行う。具体的には、第３腰椎乃至第４腰椎における大腰筋の断面積の経時的な変化が、サルコペニアの進行度の指標値として用いられる。
以上説明したように、本実施形態によれば、複数の臓器情報の組み合わせから、疾患の有無も含めた疾患の評価を行うことができる。
なお、上記実施形態では、複数の医用画像から複数の臓器領域を抽出する場合について説明したが、これに限定されない。例えば、１つの医用画像から複数の臓器領域を抽出する形態としてもよい。
また、上記実施形態では、肝臓及び脾臓等の臓器全体の領域を抽出する場合について説明したが、これに限定されない。抽出部４２が臓器全体の領域を抽出した後、抽出した領域から一部の領域を更に抽出してもよい。この場合、第１導出部４６は、抽出部４２により抽出された一部の領域の画像から、一部臓器情報を導出する形態が例示される。また、この場合、第２導出部４８は、第１導出部４６により複数の一部の領域それぞれについて導出された複数の一部臓器情報に基づいて、疾患の評価に関する指標値を導出する形態が例示される。また、この場合、複数の一部の領域は、例えば、肺の左上葉及び肺の右上葉のように、同じ臓器領域から抽出された一部の領域でもよいし、異なる臓器領域から抽出された一部の領域でもよい。また、この場合、疾患の評価に関する指標値の導出に用いる複数の臓器領域は、臓器全体の領域及び臓器の一部の領域の組み合わせでもよい。
また、上記実施形態では、同一検査内の複数の医用画像から臓器領域を抽出する場合について説明したが、これに限定されない。例えば、同一の被写体を撮影した撮影時期の異なる複数の医用画像から臓器領域を抽出する形態としてもよい。また、例えば、同一の被写体を異なる撮影方法により撮影して得られた複数の医用画像から臓器領域を抽出する形態としてもよい。この場合の異なる撮影方法としては、例えば、ＣＴ撮影とＭＲＩ撮影等の異なる撮影装置による撮影が挙げられる。また、この場合の異なる撮影方法としては、例えば、同じ撮影装置による撮影ではあるが、造影剤が体内にある状態での撮影と無い状態での撮影、及びマンモグラフィでの通常撮影とトモシンセシス撮影等も挙げられる。
なお、上記実施形態では、疾患の評価に関する指標値を表示部２３に表示する場合について説明したが、これに限定されない。例えば、疾患の評価に関する指標値に加え、指標値の導出に用いた各臓器情報、及び各臓器情報に対応する各臓器領域の少なくとも１つを更に表示部２３に表示する形態としてもよい。
また、例えば、疾患の評価に関する指標値を用いた診断結果を表示部２３に表示する形態としてもよい。この場合、肝臓の領域における各画素のうち、画素値が脾臓の領域における画素値の平均値よりも所定値以上小さく、かつ画素値が閾値以下の領域の面積が所定値以上の場合に、患者が脂肪肝であることを示す情報を表示部２３に表示する形態が例示される。
また、上記実施形態では、複数種類の臓器のそれぞれに対応して、その臓器を観察する観察者を割り当てる場合について説明したが、これに限定されない。例えば、複数種類の疾患のそれぞれに対応して、その疾患を観察する観察者を割り当てる形態としてもよい。また、例えば、疾患の進行度のそれぞれに対応して、その進行度の疾患を観察する観察者を割り当てる形態としてもよい。
また、上記実施形態でＣＰＵがソフトウェア（プログラム）を実行することにより実行した各種処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Field-Programmable Gate Array）等の製造後に回路構成を変更可能なＰＬＤ（Programmable Logic Device）、及びＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、上記各種処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。
また、上記実施形態では、診断支援プログラム３０が記憶部２２に予め記憶（インストール）されている態様を説明したが、これに限定されない。診断支援プログラム３０は、ＣＤ−ＲＯＭ（Compact Disk Read Only Memory）、ＤＶＤ−ＲＯＭ（Digital Versatile Disk Read Only Memory）、及びＵＳＢ（Universal Serial Bus）メモリ等の記録媒体に記録された形態で提供されてもよい。また、診断支援プログラム３０は、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
１０ 診断支援システム
１２ 画像管理装置
１４ 診断支援装置
２０ ＣＰＵ
２１ メモリ
２２ 記憶部
２３ 表示部
２４ 入力部
２５ ネットワークＩ／Ｆ
２６ バス
３０ 診断支援プログラム
３２ 割当テーブル
４０ 取得部
４２ 抽出部
４４ 受付部
４６ 第１導出部
４８ 第２導出部
５０ 表示制御部
５２ 割当部
Ｎ ネットワーク
１２ 画像管理装置
１４ 診断支援装置
２０ ＣＰＵ
２１ メモリ
２２ 記憶部
２３ 表示部
２４ 入力部
２５ ネットワークＩ／Ｆ
２６ バス
３０ 診断支援プログラム
３２ 割当テーブル
４０ 取得部
４２ 抽出部
４４ 受付部
４６ 第１導出部
４８ 第２導出部
５０ 表示制御部
５２ 割当部
Ｎ ネットワーク
Claims (21)
- 医用画像を取得する取得部と、
前記取得部により取得された医用画像から臓器が描出された臓器領域を抽出する抽出部と、
前記抽出部により抽出された臓器領域の臓器情報を導出する第１導出部と、
前記取得部により取得された第１の医用画像から抽出された第１の臓器領域について導出された第１の臓器情報と、前記取得部により取得された第２の医用画像から抽出された第２の臓器領域について導出された第２の臓器情報と、に基づいて、疾患の評価に関する指標値を導出する第２導出部と、
を含む診断支援システム。 - 前記第２の医用画像は前記第１の医用画像と同一の画像であり、画像内に複数の臓器領域を含む
請求項１に記載の診断支援システム。 - 前記第１導出部は、少なくとも前記第１の医用画像から抽出された臓器領域から前記第１の臓器情報を導出する
請求項１又は請求項２に記載の診断支援システム。 - 前記抽出部は、前記医用画像内に存在する臓器全体の臓器領域を抽出した後に、抽出した臓器領域の一部の領域を更に抽出し、
前記第１導出部は、前記一部の領域から一部臓器情報を導出し、
前記第２導出部は、前記第１の医用画像から抽出された第１の臓器領域の一部の領域について導出された第１の一部臓器情報と、前記第２の医用画像から抽出された第２の臓器領域の一部の領域について導出された第２の一部臓器情報と、に基づいて、前記指標値を導出する
請求項１から請求項３の何れか１項に記載の診断支援システム。 - 前記第１の臓器領域と前記第２の臓器領域とは同じ臓器領域である
請求項４に記載の診断支援システム。 - 前記抽出部は、前記第１の医用画像と、前記第１の医用画像内に存在する臓器が含まれる医用画像であって、かつ前記第１の医用画像以外の医用画像とから前記臓器領域を抽出する
請求項１から請求項５の何れか１項に記載の診断支援システム。 - 前記第１の医用画像、及び前記第１の医用画像以外の医用画像は、同一検査内の異なる画像である
請求項６に記載の診断支援システム。 - 前記第１の医用画像以外の医用画像は、前記第１の医用画像よりも過去に撮影されて得られた医用画像である
請求項６に記載の診断支援システム。 - 前記第１の医用画像、及び前記第１の医用画像以外の医用画像は、異なる撮影方法による撮影によって得られた医用画像である
請求項６に記載の診断支援システム。 - 前記臓器情報は、前記臓器領域のサイズ、前記臓器領域の画像における各画素の信号値、及び前記各画素の信号値を用いて算出される値の少なくとも１つを含む
請求項１から請求項９の何れか１項に記載の診断支援システム。 - 前記指標値は、疾患の進行度、及び疾患の評価対象の領域を表す情報の少なくとも一方を含む
請求項１から請求項１０の何れか１項に記載の診断支援システム。 - 前記第１の臓器領域は、脾臓の領域であり、
前記第１の臓器情報は、脾臓の領域における画素の信号値の平均値であり、
前記第２の臓器領域は、肝臓の領域であり、
前記第２の臓器情報は、肝臓の領域における各画素の信号値であり、
前記疾患は、脂肪肝であり、
前記指標値は、肝臓の領域における画素の信号値が、脾臓の領域における前記平均値よりも所定値以上小さい領域を表す情報である
請求項１から請求項１１の何れか１項に記載の診断支援システム。 - 前記第１の臓器領域は、肺の領域であり、
前記第１の臓器情報は、肺の領域における腫瘍の大きさと浸潤の有無とであり、
前記第２の臓器領域は、リンパ節の領域と肺及びリンパ節以外の他の臓器の領域とであり、
前記第２の臓器情報は、リンパ節転移の有無と前記他の臓器の領域における腫瘍の有無とであり、
前記疾患は、肺がんであり、
前記指標値は、肺がんの病期である
請求項１から請求項１１の何れか１項に記載の診断支援システム。 - 前記第１の臓器領域は、脊椎の領域であり、
前記第１の臓器情報は、第３腰椎乃至第４腰椎であり、
前記第２の臓器領域は、大腰筋の領域であり、
前記第２の臓器情報は、大腰筋の領域の複数の断面それぞれにおける断面積であり、
前記疾患は、サルコペニアであり、
前記指標値は、第３腰椎乃至第４腰椎における大腰筋の領域の断面積である
請求項１から請求項１１の何れか１項に記載の診断支援システム。 - 前記抽出部により抽出された臓器領域の画像を表示部に表示する制御を行う表示制御部と、
前記表示部に表示された臓器領域に対するユーザによる修正を受け付ける受付部と、
を更に含み、
前記第１導出部は、前記受付部により修正が受け付けられた場合、修正後の臓器領域の臓器情報を導出する
請求項１から請求項１４の何れか１項に記載の診断支援システム。 - 前記第２導出部により導出された指標値を表示部に表示する制御を行う表示制御部
を更に含む請求項１から請求項１４の何れか１項に記載の診断支援システム。 - 前記表示制御部は、前記第１の臓器領域、前記第２の臓器領域、前記第１の臓器情報、及び前記第２の臓器情報の少なくとも１つを前記表示部に更に表示する制御を行う
請求項１６に記載の診断支援システム。 - 前記第２導出部により導出された指標値を用いた診断結果を表示部に表示する制御を行う表示制御部
を更に含む請求項１から請求項１４の何れか１項に記載の診断支援システム。 - 前記第２導出部により複数種類の疾患の評価に関する指標値が導出された場合、複数種類の前記指標値それぞれに対応する各臓器領域に、各臓器領域に対応する観察者を割り当てる割当部
を更に含む請求項１から請求項１８の何れか１項に記載の診断支援システム。 - 医用画像を取得し、
取得した医用画像から臓器が描出された臓器領域を抽出し、
抽出した臓器領域の臓器情報を導出し、
取得した第１の医用画像から抽出した第１の臓器領域について導出した第１の臓器情報と、取得した第２の医用画像から抽出した第２の臓器領域について導出した第２の臓器情報と、に基づいて、疾患の評価に関する指標値を導出する
処理を診断支援システムが実行する診断支援方法。 - 医用画像を取得し、
取得した医用画像から臓器が描出された臓器領域を抽出し、
抽出した臓器領域の臓器情報を導出し、
取得した第１の医用画像から抽出した第１の臓器領域について導出した第１の臓器情報と、取得した第２の医用画像から抽出した第２の臓器領域について導出した第２の臓器情報と、に基づいて、疾患の評価に関する指標値を導出する
処理をコンピュータに実行させるためのプログラム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018034573A JP6882216B2 (ja) | 2018-02-28 | 2018-02-28 | 診断支援システム、診断支援方法、及びプログラム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018034573A JP6882216B2 (ja) | 2018-02-28 | 2018-02-28 | 診断支援システム、診断支援方法、及びプログラム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019149093A true JP2019149093A (ja) | 2019-09-05 |
| JP6882216B2 JP6882216B2 (ja) | 2021-06-02 |
Family
ID=67849365
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018034573A Active JP6882216B2 (ja) | 2018-02-28 | 2018-02-28 | 診断支援システム、診断支援方法、及びプログラム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6882216B2 (ja) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021111076A (ja) * | 2020-01-09 | 2021-08-02 | 株式会社アドイン研究所 | Ａｉを用いる診断装置、診断システム、及び、プログラム |
| WO2022138277A1 (ja) * | 2020-12-24 | 2022-06-30 | 富士フイルム株式会社 | 学習装置、方法及びプログラム並びに医用画像処理装置 |
| WO2022270151A1 (ja) * | 2021-06-25 | 2022-12-29 | 富士フイルム株式会社 | 画像処理装置、方法およびプログラム |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001137230A (ja) * | 1999-11-10 | 2001-05-22 | Toshiba Corp | コンピュータ支援診断システム |
| US20070081706A1 (en) * | 2005-09-28 | 2007-04-12 | Xiang Zhou | Systems and methods for computer aided diagnosis and decision support in whole-body imaging |
| US20170032090A1 (en) * | 2015-07-30 | 2017-02-02 | Siemens Medical Solutions Usa, Inc. | Virtual biopsy techniques for analyzing diseases |
| JP2017515574A (ja) * | 2014-05-12 | 2017-06-15 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋ | 症例の難しさに基づくコンピュータ支援患者層別化のための方法及びシステム |
-
2018
- 2018-02-28 JP JP2018034573A patent/JP6882216B2/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001137230A (ja) * | 1999-11-10 | 2001-05-22 | Toshiba Corp | コンピュータ支援診断システム |
| US20070081706A1 (en) * | 2005-09-28 | 2007-04-12 | Xiang Zhou | Systems and methods for computer aided diagnosis and decision support in whole-body imaging |
| JP2017515574A (ja) * | 2014-05-12 | 2017-06-15 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋ | 症例の難しさに基づくコンピュータ支援患者層別化のための方法及びシステム |
| US20170032090A1 (en) * | 2015-07-30 | 2017-02-02 | Siemens Medical Solutions Usa, Inc. | Virtual biopsy techniques for analyzing diseases |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2021111076A (ja) * | 2020-01-09 | 2021-08-02 | 株式会社アドイン研究所 | Ａｉを用いる診断装置、診断システム、及び、プログラム |
| WO2022138277A1 (ja) * | 2020-12-24 | 2022-06-30 | 富士フイルム株式会社 | 学習装置、方法及びプログラム並びに医用画像処理装置 |
| WO2022270151A1 (ja) * | 2021-06-25 | 2022-12-29 | 富士フイルム株式会社 | 画像処理装置、方法およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6882216B2 (ja) | 2021-06-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Eskildsen et al. | Structural imaging biomarkers of Alzheimer's disease: predicting disease progression | |
| KR101887194B1 (ko) | 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치 | |
| Matsumoto et al. | Where do neurologists look when viewing brain CT images? An eye-tracking study involving stroke cases | |
| Powell et al. | Atlas-based segmentation of temporal bone anatomy | |
| WO2018070285A1 (ja) | 画像処理装置、及び画像処理方法 | |
| JP6837376B2 (ja) | 画像処理装置および方法並びにプログラム | |
| JP6882216B2 (ja) | 診断支援システム、診断支援方法、及びプログラム | |
| US11244455B2 (en) | Apparatus, method, and program for training discriminator discriminating disease region, discriminator discriminating disease region, disease region discrimination apparatus, and disease region discrimination program | |
| WO2007000940A1 (ja) | 異常陰影候補検出方法、異常陰影候補検出装置 | |
| JP7129869B2 (ja) | 疾患領域抽出装置、方法及びプログラム | |
| JP6948966B2 (ja) | 診断支援システム、診断支援方法、及びプログラム | |
| JP2007151645A (ja) | 医用画像診断支援システム | |
| JP6843785B2 (ja) | 診断支援システム、診断支援方法、及びプログラム | |
| Üreten et al. | Deep learning methods in the diagnosis of sacroiliitis from plain pelvic radiographs | |
| JP2021182403A (ja) | 変換装置、変換方法、及びプログラム | |
| JP2020071516A (ja) | 情報処理装置、情報処理方法、及びプログラム | |
| US11200978B2 (en) | Information processing apparatus, information processing method, and non-transitory computer-readable storage medium | |
| JP6461743B2 (ja) | 医用画像処理装置および医用画像処理方法 | |
| JP7109345B2 (ja) | 優先度判定装置、方法およびプログラム | |
| WO2019235335A1 (ja) | 診断支援システム、診断支援方法及び診断支援プログラム | |
| JP7213412B2 (ja) | 医用画像抽出装置、医用画像抽出方法、及び、コンピュータプログラム | |
| Ratnaparkhi et al. | Segmentation and identification of fatty infiltration of the erector spinae using deep learning | |
| JP2020054581A (ja) | 疾患領域を判別する判別器の学習装置、方法及びプログラム、疾患領域を判別する判別器、並びに疾患領域判別装置及びプログラム | |
| WO2022220081A1 (ja) | 文書作成支援装置、文書作成支援方法、及び文書作成支援プログラム | |
| US20240037739A1 (en) | Image processing apparatus, image processing method, and image processing program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200121 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200717 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210202 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210301 |
|
| 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: 20210413 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210506 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6882216 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |