JP2019153086A - 学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラム - Google Patents

学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラム Download PDF

Info

Publication number
JP2019153086A
JP2019153086A JP2018037977A JP2018037977A JP2019153086A JP 2019153086 A JP2019153086 A JP 2019153086A JP 2018037977 A JP2018037977 A JP 2018037977A JP 2018037977 A JP2018037977 A JP 2018037977A JP 2019153086 A JP2019153086 A JP 2019153086A
Authority
JP
Japan
Prior art keywords
biopsy
image
data
lesion
learning
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
JP2018037977A
Other languages
English (en)
Other versions
JP6832880B2 (ja
Inventor
將高 菅原
Masataka Sugawara
將高 菅原
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.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
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 Fujifilm Corp filed Critical Fujifilm Corp
Priority to JP2018037977A priority Critical patent/JP6832880B2/ja
Priority to US16/277,360 priority patent/US11205269B2/en
Publication of JP2019153086A publication Critical patent/JP2019153086A/ja
Application granted granted Critical
Publication of JP6832880B2 publication Critical patent/JP6832880B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/776—Validation; Performance evaluation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • 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
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • 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
    • G06T2207/30068—Mammography; Breast
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Pathology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】煩わしい操作を行うことなく学習に必要な学習用データを作成する学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラムを提供する。【解決手段】生検前画像取得手段７２が、生検を行った検査日時より前の予め定められた範囲内の日時に患者の生検の対象部位を撮影した画像を生検前画像として取得し、登録手段７６が、生検データが示す生検結果が病変であることを示す場合に、生検前画像に画像解析処理を施して得られた病変候補を正解データとして登録する。【選択図】図６

Description

本発明は、学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラムに関する。
データの特徴を学習して画像などの認識および分類を行うために機械学習が従来から利用されてきた。近年、様々な学習手法が開発され、かつ、コンピュータの処理能力が向上したことにより処理時間が短縮され、システムが画像データなどの特徴をより深いレベルで学習するディープラーニング（深層学習）を行うことが可能になってきた。ディープラーニングを行うことにより、非常に高い精度で画像などの特徴を認識できるようになり判別性能の向上が期待されている。
医療分野においても、ディープラーニングを利用して学習することで高い精度で画像の特徴を認識する人工知能（ＡＩ）が望まれている。ディープラーニングには、目的に沿った大量かつ良質のデータによる学習が不可欠である。そのためには、効率的に学習用データを用意することが重要である。各医療機関には、ＰＡＣＳ（Picture Archiving and Communication System）の普及に伴い多くの症例の画像データが蓄積されている。そこで、各医療機関に蓄積された様々な症例の画像データを利用して学習させることが検討されている。
また、医療分野では、画像上に現れた腫瘍などの陰影の画像を学習用データとして正解であるか不正解であるかを学習することにより画像上に現れた陰影を判別している。例えば、特許文献１では、実際の患者を撮影した病変の異なる種類の画像が複数の読影医のような専門家により調べられ、複数種類の画像と複数の信頼できる熟練の読影医によって読影された結果に応じて学習用データを作成することにより、学習用データとして信頼性が向上することが記載されている。
特表２００８−５２３８７６号公報
しかしながら、このように人が複数の画像を確認しながら学習用データとして登録する画像を見つけるのは手間がかかり、大量に学習用データを登録することは難しい。
一方、通常の診察では、疾患が疑われるとその部位を撮影して得たＣＴ画像またはＭＲＩ画像などの画像を読影医が読影して疑わしい所見があった場合には、病理医がその箇所の精密検査を行って確定診断が行われる。画像で見つかった疑わしい箇所の精密検査結果（例えば、病理結果）があれば、画像解析処理によって得られた異常陰影の領域が正解データであることを確定することができる。
そこで、本発明では、上述のような問題を解決するために、煩わしい操作を行うことなく学習に必要な学習用データを作成することができる学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラムを提供することを目的とする。
本発明の学習用データ作成支援装置は、患者に対して行われた生検の生検結果を示す生検データを取得する生検データ取得手段と、生検を行った検査日時より前の予め定められた範囲内の日時に患者の生検の対象部位を撮影した画像を生検前画像として取得する生検前画像取得手段と、生検データが示す生検結果が病変であることを示す場合に、生検前画像に画像解析処理を施して得られた病変候補領域の画像、または、生検前画像を正解データとして登録する登録手段と、を備える。
また、学習用データ作成支援方法は、学習用データ作成支援装置が、患者に対して行われた生検の生検結果を示す生検データを取得する生検データ取得ステップと、生検を行った検査日時より前の予め定められた範囲内の日時に患者の生検の対象部位を撮影した画像を生検前画像として取得する生検前画像取得ステップと、生検データが示す生検結果が病変であることを示す場合に、生検前画像に画像解析処理を施して得られた病変候補領域の画像、または、生検前画像を正解データとして登録する登録ステップと、を実行する。
また、学習用データ作成支援プログラムは、コンピュータに、患者に対して行われた生検の生検結果を示す生検データを取得する生検データ取得ステップと、生検を行った検査日時より前の予め定められた範囲内の日時に患者の生検の対象部位を撮影した画像を生検前画像として取得する生検前画像取得ステップと、生検データが示す生検結果が病変であることを示す場合に、生検前画像に画像解析処理を施して得られた病変候補領域の画像、または、生検前画像を正解データとして登録する登録ステップと、を実行させる。
「病変候補領域」とは、画像上の病変である可能性が有る領域をいい、コンピュータの画像解析処理によって抽出された病変の可能性が画像中の他の領域に比べて高い領域を指す。
「正解データ」は、病変候補領域に対して正解ラベルを付したデータをいい、病変候補の領域が病変を撮影した画像であると判定された場合を正解データとする。あるいは、「正解データ」は、生検前画像に対して正解ラベルを付したデータをいい、病変であることを示す画像であると判定された場合を正解データとする。
また、登録手段が、病変候補領域の画像を登録する場合は、対象部位を異なる方向から撮影した２枚の部分画像から、生検前画像中の生検が行われた位置に対応する対応位置を特定し、生検結果が病変であることを示す場合に、生検前画像から得られた複数の病変候補領域の位置のうち対応位置と一致する病変候補領域の画像を正解データとして登録することが望ましい。
「病変候補領域の位置と対応位置と一致」とは、位置が予め定められた規準範囲内であれば一致したと判定しても良く、コンピュータの性能および画像の解像度に応じて適宜決められた範囲内であればよい。
また、病変候補領域の画像を登録した場合は、病変候補領域の画像の正解データを用いて学習させた判別器を用いて病変候補を検出し、登録された病変候補領域の画像の正解データを用いて判別器に再学習を行わせる学習手段をさらに備えることが望ましい。
また、生検前画像を登録した場合は、生検前画像の正解データを用いて学習させた判別器を用いて病変であることを示す画像であるか否かを検出し、登録された生検前画像の正解データを用いて判別器に再学習を行わせる学習手段をさらに備えるようにしてもよい。
また、生検の対象部位を撮影した画像は、マンモグラフィ画像であってもよい。
本発明の他の学習用データ作成支援装置は、コンピュータに実行させるための命令を記憶するメモリと、記憶された命令を実行するよう構成されたプロセッサとを備え、プロセッサは、患者に対して行われた生検の生検結果を示す生検データを取得し、生検を行った検査日時より前の予め定められた範囲内の日時に患者の生検の対象部位を撮影した画像を生検前画像として取得し、生検データが示す生検結果が病変であることを示す場合に、生検前画像に画像解析処理を施して得られた病変候補領域を正解データとして登録する処理を実行する。
本発明によれば、煩わしい操作を行うことなく学習に必要な学習用データを作成することができる。
医療情報システムの概略構成の一例を示す図である。 本実施の形態のマンモグラフィ撮影装置の一例を示す概略構成図である。 圧迫板を上方から見た概略平面図である。 放射線照射部をアームに沿った方向から左右に傾けた場合の様子の一例を示す図である。 放射線照射部の位置と２枚のスカウト画像の関係の一例を示す図である。 学習用データ作成支援装置の概略構成の一例を表す概略構成図である。 マンモグラフィ撮影装置の画像撮影の流れの一例を示すフローチャートである。 学習用データを登録する処理の流れの一例を示すフローチャートである。 判別器を学習させる処理の流れの一例を示すフローチャートである。
以下、図を用いて本発明の第１の実施の形態について説明する。図１に、本発明の第１の実施の形態における学習用データ作成支援装置を設けた医療情報システム１の概略構成を示す。
医療情報システム１は、診療科の医師からの検査オーダーに基づいて、被検体の検査対象部位の撮影および保管、放射線科の読影医による撮影された画像の読影と読影レポートの作成、並びに生検などの病理検査および病理レポートの作成を行うためのシステムである。医療情報システム１は、一例として図１に示すように、モダリティ２、読影医用ワークステーション３、診療科用ワークステーション４、画像データベース５、読影レポートデータベース６、画像処理サーバ７、および、病理検査用ワークステーション８、病理レポートデータベース９が、ネットワーク１０を介して互いに通信可能な状態で接続されて構成されている。各機器には、医療情報システム１の構成要素として機能させるためのアプリケーションプログラムがインストールされている。また、アプリケーションプログラムは、ＣＤ−ＲＯＭなどの記録媒体からインストールされてもよいし、インターネットなどのネットワーク経由で接続されたサーバの記憶装置からダウンロードされた後にインストールされてもよい。
モダリティ２には、被写体の検査対象部位を撮影することにより、その部位を表す検査画像を生成し、その画像にＤＩＣＯＭ（Digital Imaging and COmmunicationin Medicine）規格で規定された付帯情報を付加して出力する装置が含まれる。具体例としては、マンモグラフィ撮影装置、ＣＴ装置（Computed Tomography：コンピュータ断層撮影装置）、ＭＲＩ装置（Magnetic Resonance Imaging：磁気共鳴画像撮影装置）、ＰＥＴ装置（Positron Emission Tomography：陽電子放射断層撮影装置）、超音波装置、または、平面Ｘ線検出器（ＦＰＤ：Flat Panel Detector）を用いたＣＲ装置（Computed Radiography：コンピュータＸ線撮影装置）などが挙げられる。
読影医用ワークステーション３（以下、読影医用ワークステーションを読影医用ＷＳ３という）は、放射線科の読影医が画像の読影および読影レポートの作成に利用するコンピュータである。読影医用ＷＳ３は、ＣＰＵ（Central Processing Unit）、主記憶装置、補助記憶装置、入出力インターフェース、通信インターフェース、入力装置、表示装置、および、データバスなどの周知のハードウェア構成を備え、周知のオペレーションシステムなどがインストールされ、表示装置として１台または複数台の高精細ディスプレイを有している。この読影医用ＷＳ３は、画像データベース５から受信した画像の表示、画像処理サーバで画像中の病変らしき部分を検出した結果の表示、および、読影レポートの作成などの各処理を、各処理のためのソフトウェアプログラムを実行することにより行う。また、読影医用ＷＳ３は、キーボードおよびマウスなど入力装置が用いられることで、読影対象の読影レポートが入力され、読影レポートの入力が完了すると、ネットワーク１０を介して読影レポートデータベース６へ読影レポートの登録を要求する。
診療科用ワークステーション４（以下、診療科用ワークステーションを診療科用ＷＳ４という）は、診療科の医師が画像の詳細観察および読影レポートの閲覧、および、電子カルテの閲覧および入力などに利用するコンピュータである。診療科用ＷＳ４は、ＣＰＵ、主記憶装置、補助記憶装置、入出力インターフェース、通信インターフェース、入力装置、表示装置、および、データバスなどの周知のハードウェア構成を備え、周知のオペレーションシステムなどがインストールされ、表示装置として１台または複数台のディスプレイを有している。この診療科用ＷＳ４では、画像データベース５から受信した画像の表示、画像中の病変らしき部分の自動検出または強調表示、読影レポートデータベース６から受信した読影レポートの表示などの各処理が、各処理のためのソフトウェアプログラムの実行により行われる。
画像データベース５には、汎用のコンピュータにデータベース管理システム（Data Base Management System：DBMS）の機能を提供するソフトウェアプログラムが組み込まれ、ストレージを備えている。このストレージは、ハードディスク装置であってもよいし、ネットワーク１０に接続されているＮＡＳ（Network Attached Storage）またはＳＡＮ（Storage Area Network）に接続されたディスク装置であってもよい。また、モダリティ２で撮影されて得られた画像データは、ＤＩＣＯＭ規格に準拠した格納フォーマットおよび通信規格に従って、ネットワーク１０を介して画像データベース５に送信された後に画像データベース５に格納される。画像データベース５には、複数の患者をモダリティ２で撮影して得た検査画像と付帯情報が登録される。付帯情報には、例えば、個々の画像を識別するための画像ＩＤ（identification）、被写体を識別するための患者ＩＤ、検査画像が生成された検査日、検査時刻、検査画像を取得するための検査で使用されたモダリティの種類、患者氏名と年齢と性別などの患者情報、および検査部位（撮影部位）が記録される。
読影レポートデータベース６には、汎用のコンピュータにデータベース管理システム（DBMS）の機能を提供するソフトウェアプログラムが組み込まれ、大容量ストレージを備えている。このストレージは、大容量のハードディスク装置であってもよいし、ネットワーク１０に接続されているＮＡＳまたはＳＡＮに接続されたディスク装置であってもよい。読影レポートデータベース６には、例えば、読影対象画像を識別する画像ＩＤ、読影を行った画像診断医を識別するための読影医ＩＤ、病変名、病変領域、病変の位置情報、および所見といった情報が記録された読影レポートが登録される。
画像処理サーバ７は、モダリティ２で撮影されて得られた画像に対して様々な画像解析処理を行うために利用するコンピュータであり、ＣＰＵ、主記憶装置、補助記憶装置、入出力インターフェース、通信インターフェース、入力装置、表示装置、および、データバスなどの周知のハードウェア構成を備え、周知のオペレーションシステムなどがインストールされている。また、読影医用ＷＳ３または診療科用ＷＳ４からの要求に従って、画像解析処理を実行し画像中の病変らしき領域の検出などを行う。
病理検査用ワークステーション８（以下、病理検査用ワークステーションを病理検査用ＷＳ８という）は、病理専門の医師が生検結果に基づいた病理レポートの閲覧、および、病理レポートの閲覧および入力などに利用するコンピュータである。病理検査用ＷＳ８は、ＣＰＵ、主記憶装置、補助記憶装置、入出力インターフェース、通信インターフェース、入力装置、表示装置、および、データバスなどの周知のハードウェア構成を備えている。病理検査用ＷＳ８には、周知のオペレーションシステムなどがインストールされている。病理検査用ＷＳ８は、表示装置としてディスプレイを有している。この病理検査用ＷＳ８は、病理レポートの作成などの各処理を、各処理のためのソフトウェアプログラムを実行することにより行う。病理レポートの入力が完了すると、ネットワーク１０を介して病理レポートデータベース９へ病理レポートの登録を病理検査用ＷＳ８が要求する。
病理レポートデータベース９には、汎用のコンピュータにデータベース管理システム（DBMS）の機能を提供するソフトウェアプログラムが組み込まれ、病理レポートデータベース９は、大容量ストレージを備えている。このストレージは、大容量のハードディスク装置であってもよいし、ネットワーク１０に接続されているＮＡＳまたはＳＡＮに接続されたディスク装置であってもよい。病理レポートデータベース９には、例えば、患者ＩＤ，病理医を識別するための病理医ＩＤ、病変名、病変の位置情報、および所見といった情報が記録された病理レポートが登録される。
ネットワーク１０は、病院内の各種装置を接続するローカルエリアネットワークである。読影医用ＷＳ３または病理検査用ＷＳ８が他の病院あるいは診療所に設置されている場合には、ネットワーク１０は、各病院のローカルエリアネットワーク同士をインターネットまたは専用回線で接続した構成としてもよい。いずれの場合にも、ネットワーク１０の一例としては光ネットワークが挙げられる。
以下、本実施の形態では、患者の乳房を撮影して得られたマンモグラフィ画像から生検する位置を特定した後に生検を行う場合を例に具体的に説明する。本実施の形態では、モダリティ２をマンモグラフィ撮影装置２として説明する。ここで、図２〜図５を用いて、本実施の形態のマンモグラフィ撮影装置２について詳細に説明する。
一例として図２に示すように、マンモグラフィ撮影装置２は、内部に放射線照射部１７を収納する放射線収納部１６と撮影台１４とが対向するようにアーム１３に連結される。撮影台１４の内部に、フラットパネルディテクター１５などの画像記録媒体がカセッテなど記録媒体保持部に収容された状態でセットされる。アーム１３はＣ軸１２で基台１１に取り付けられる。また、アーム１３の回転中心がフラットパネルディテクター１５のＸ軸方向（図３参照）の中心となるようにフラットパネルディテクター１５の中心位置に回転の中心となるＣ軸１２を取り付けて、アーム１３を基台１１に設ける。
基台１１には、オペレータが撮影台１４の高さ（つまり、アーム１３の高さ）および撮影台１４の傾き（つまり、アーム１３の傾き）を調整するための操作部２８と、操作部２８からの入力に従ってアーム１３を上下移動および回転移動させるアーム制御部３１と、が設けられる。
アーム制御部３１は、基台１１に取り付けられたＣ軸１２を回転させることでアーム１３の傾きを調整し、アーム１３を上下移動させることで撮影台１４の高さを調整する。
アーム１３の中央部には、撮影台１４の上方に配置されて乳房を押さえつけて圧迫する圧迫板１８と、圧迫板１８を支持する支持部２０と、支持部２０をアーム１３に沿って上下方向に移動させる移動機構１９が設けられる。圧迫板１８の位置および圧迫圧は、圧迫板コントローラ３４により制御される。
図３は、圧迫板１８を上方から見た図である。図３に示すように、圧迫板１８は、撮影台１４と圧迫板１８により乳房を固定した状態で生検（バイオプシ）を行えるように約１０×１０ｃｍ四方の大きさの開口部２５を備えている。
一例として図２に示すバイオプシユニット２６は、乳房に穿刺される生検針２１と生検針ユニット２２とを有し、生検針ユニット２２をＸ、ＹおよびＺ方向に移動させる移動機構２４をさらに備える。生検針ユニット２２の生検針２１の先端の位置は、移動機構２４が備える針位置コントローラ３５により制御される。なお、図３における横方向がＸ方向、縦方向がＹ方向、ＸＹ平面に垂直な方向がＺ方向である。
なお、マンモグラフィ撮影装置２では、穿刺を行う前に生検する乳房のターゲットとなる領域を含むように２方向から撮影したスカウト画像を取得する。スカウト画像は、病理検査する位置を確認するために異なる視点から見た画像である。例えば、図４に示すように、放射線照射部１７をアーム１３に沿った方向から左右に傾けた方向（図４に示す＋θと−θの方向にそれぞれ例えば１５°傾ける）から撮影して得られた２枚の部分画像をスカウト画像とする。また、スカウト画像はネットワーク１０を介して画像データベース５に記憶される。
図５は、放射線照射部１７の位置と２枚のスカウト画像との関係の一例を示す図である。位置Ｐ１に放射線照射部１７を置いて撮影されて得られたスカウト画像Ｉｍｇ１には、ターゲットＴの位置が左寄りに現れ、位置Ｐ２に放射線照射部１７を置いて撮影した時に得られるスカウト画像Ｉｍｇ２には、ターゲットＴの位置が右寄りに現れる。２つのスカウト画像Ｉｍｇ１およびＩｍｇ２のターゲットＴのズレから、圧迫板１８の底面（乳房を押圧する側）からターゲットＴまでの距離ｚとＸＹ平面上の位置を求めてターゲットＴの３次元位置情報を得ることができる。
バイオプシユニット２６の針位置コントローラ３５は、ターゲットＴの位置情報を受け取ると、生検針２１の先端の位置をターゲットＴの位置まで移動させ、生検針２１による乳房の穿刺を行う。
次に、本実施の形態の学習用データ作成支援装置について図６を用いて説明する。本実施の形態では、画像処理サーバ７に学習用データ作成支援プログラムをインストールすることにより、画像処理サーバ７が本発明の学習用データ作成支援装置として機能する。学習用データ作成支援プログラムは、ネットワークに接続されたコンピュータの記憶装置もしくはネットワークストレージに外部からアクセス可能な状態で記憶され、画像処理サーバ７にダウンロードされた後に、インストールされるようにしてもよい。または、学習用データ作成支援プログラムは、ＤＶＤ（digital versatile disc）またはＣＤ−ＲＯＭ（Compact Disc Read only memory）などの記録媒体に記録されて配布され、その記録媒体からコンピュータにインストールされるようにしてもよい。
この画像処理サーバ７の起動時に、主記憶装置（不図示）に学習用データ作成支援プログラムが記憶され、ＣＰＵ７０が主記憶装置に記憶されたプログラムに従いこれらの処理を実行する。以下、画像処理サーバ７を、学習用データ作成支援装置７として説明する。
次に、学習用データ作成支援装置７の機能について説明する。一例として図６に示すように、学習用データ作成支援装置７は、生検データ取得手段７１、生検前画像取得手段７２、画像解析手段７３（以下、画像解析処理７３という）、スカウト画像取得手段７４、対応位置決定手段７５、登録手段７６、学習用データ記憶部７７、および学習手段７８として機能する。
生検データ取得手段７１は、マンモグラフィ撮影装置２で行われた穿刺で採取した組織を検査した検査結果を示す生検データを、病理レポートデータベース９から取得する。取得した生検データには、患者ＩＤ、検査日時、対象部位（例えば、乳房）、およびターゲットの位置（右乳房または左乳房に加え、例えば、乳房の内側上部、内側下部、外側上部、または外側下部などの情報）などの情報が付与されている。
生検前画像取得手段７２は、生検を行った検査日時より前の予め定められた範囲内の日時に患者の生検の対象部位を撮影した画像を生検前画像として取得する。例えば、マンモグラフィ検査は毎年行うことが推奨されているため、一人の患者に対して複数枚のマンモグラフィ画像が画像データベース５に保管されている。生検は、撮影されて得られたマンモグラフィ画像に対して画像解析処理７３を施して異常と判定された陰影（以下、病変候補という）が検出された場合に行われる。生検を行うか否かの判定基準となったマンモグラフィ画像は、生検日時より前の最も新しい画像であるが、生検日時との日時の差が大きい画像、例えば１年以上前の画像は生検の判定基準となった画像ではないと考えられる。そこで、生検前画像取得手段７２は、画像データベース５から、生検データの患者ＩＤと生検対象部位（本実施の形態では、乳房）が一致する画像の中のうち、例えば、生検日時より前の予め定められた範囲内（例えば、２か月内）に生検対象部位が撮影されて得られた画像を検索する。この画像が、検査直前の生検を行うか否かの判定基準となったマンモグラフィ画像であると考えられる。
画像解析処理７３には、判別器７９が設けられ、判別器７９を用いてマンモグラフィ画像に現れた陰影を判別して、腫瘍および石灰化などの病変候補領域の検出と病変候補領域の位置に関する位置情報を取得する。位置情報は、画像中の座標値であってもよいが、解剖学的な位置がわかる情報であればよく、各臓器中の上部、中部、または下部であってもよい。例えば、乳房の場合には、左右の乳房各々に対して内側上部、内側下部、外側上部、および外側下部などの情報であればよい。以下、病変候補領域の検出を行う判別器７９を第１の判別器という。
あるいは、画像解析処理７３は、判別器７９を用いてマンモグラフィ画像が病変が存在する画像であるか否かを検出するようにしてもよい。以下、病変が存在する画像であるか否かを検出する判別器７９を第２の判別器という。例えば、画像がマンモグラフィ画像である場合には、左右乳房のＣＣ撮影画像、および左右乳房のＭＬＯ撮影画像の各々について病変が存在するか否かを検出することができる判別器を用意する。
スカウト画像取得手段７４は、画像データベース５から、生検データの患者ＩＤと検査日が一致するスカウト画像を検索する。上記のマンモグラフィ撮影装置２では、生検直前に対象部位のうち異常が認められる領域を異なる方向から乳房の一部を撮影した部分画像をスカウト画像として取得している。つまり、スカウト画像は、検査日と同じ日に乳房の一部が撮影された部分画像の２枚で構成される。
対応位置決定手段７５は、画像解析処理７３でマンモグラフィ画像から複数の病変候補領域が検出された場合には、複数の病変候補領域からスカウト画像に現れた陰影と一致する陰影の病変候補領域を検索して、スカウト画像に撮影された陰影に対応する対応位置の病変候補領域を決定する。スカウト画像に現れた陰影と一致するマンモグラフィ画像の病変候補領域は、スカウト画像から抽出した特徴量とマンモグラフィ画像の病変候補領域から抽出した特徴量が最も一致する病変候補領域を見つけることで、対応位置決定手段７５は複数の病変候補領域から生検が行われた位置に対応する対応位置を決定することができる。特徴量の一例としては、ヒストグラム、ＳＩＦＴ（Scale-Invariant Feature Transform）、またはＳＵＲＦ（Speeded-Up Robust Features）などの類似画像の検索に用いられる特徴量が挙げられる。
登録手段７６は、生検データが示す生検結果が病変であることを示す場合に、生検前画像に画像解析処理を施して得られた病変候補領域を正解データとして登録する。登録手段７６は、マンモグラフィ画像を画像解析して得られた病変候補領域が１箇所である場合は、生検結果が病変であればそのまま病変候補領域を正解データとして登録する。一方、病変候補領域が複数箇所存在する場合には、対応位置決定手段７５が、２枚のスカウト画像から、マンモグラフィ画像中の生検が行われた位置に対応する対応位置を特定し、複数の病変候補領域のうち対応位置と一致する病変候補領域を正解データとして登録する。
あるいは、登録手段７６は、生検結果が病変であることを示す場合には、生検前画像を正解データとして登録するようにしてもよい。例えば、生検前画像がマンモグラフィ画像である場合には、マンモグラフィ画像の左右乳房のＣＣ撮影画像、および左右乳房のＭＬＯ撮影画像を正解データとして登録する。
学習用データ記憶部７７は、ハードディスクまたはＳＳＤ（Solid State Drive）などの補助記憶装置上に設けられる。あるいは、ネットワークに接続されたＮＡＳに設けられてもよい。
また、学習用データ記憶部７７には、病変候補領域の画像に対して正解データのラベルが付されて学習用データとして記憶される。あるいは、判別器７９が病変が存在することを示す画像の判定を行う場合には、生検前画像取得手段７２で取得した生検前画像に対して正解データのラベルが付されて学習用データとして記憶される。
学習手段７８は、学習用データ記憶部７７に記憶された正解データを判別器７９に再学習させる。画像解析処理７３は、正解データを用いて予め学習させた判別器７９を用いて病変候補領域を検出するが、検出された病変候補領域が病変であるか否かを生検結果から判断した正解データを第１の判別器７９に再学習させる、あるいは、生検前画像が病変が存在することを示す画像であるか否かを生検結果から判断した正解データを第２の判別器７９に再学習させる。これにより、より判別性能を向上させることができる。そこで、ある程度学習用データが蓄積されたときに正解データを判別器７９に学習させて、画像解析処理７３を更新するのが望ましい。
次に、マンモグラフィ撮影装置でマンモグラフィ画像を撮影して生検を行い、画像処理サーバが生検結果に基づいて学習用データを作成する手法について説明する。図７は、マンモグラフィ撮影装置の撮影の流れの一例を示すフローチャートである。図８は、画像処理サーバ（学習用データ作成支援装置）で学習用データを作成する処理の流れの一例を示すフローチャートである。図７および図８のフローチャートに従って、マンモグラフィ画像の撮影から学習用データの作成までの流れについて説明する。
まず、図７のフローチャートに従って画像の撮影の流れについて説明する。マンモグラフィ画像を撮影するために、患者は、マンモグラフィ撮影装置２の撮影台１４に乳房Ｍを載置する。操作者は、操作部２８を操作して、患者の乳房Ｍの高さに応じてアーム１３を上下に移動させて高さを調整する。さらに、操作部２８を操作して、乳房ＭをＭＬＯ（mediolateral oblique：内外斜位方向）またはＣＣ（craniocaudal：頭尾方向）のいずれの方向で撮影を行うかに応じてアーム制御部３１でアーム１３を傾ける。操作者は、撮影台１４の位置が撮影に適した高さと傾きになると、圧迫板コントローラ３４は圧迫板１８に対する圧力が所定の圧力になるまで乳房を圧迫する。さらに、操作者によって種々の撮影条件がマンモグラフィ撮影装置２に入力された後、撮影開始の指示が入力される。放射線照射部１７から撮影条件に従って照射が行われ、マンモグラフィ画像がフラットパネルディテクター１５で取得される（ステップＳＴ１）。取得されたマンモグラフィ画像は、ＤＩＣＯＭ規格に沿った付帯情報が付与されて画像データベース５に送信される。さらに、マンモグラフィ画像は画像処理サーバ７に送信され（ステップＳＴ２）、画像処理サーバ７で画像解析処理７３が実行される。マンモグラフィ撮影装置２は、一旦、乳房Ｍの撮影を終了し、画像処理サーバから生検のターゲットとなる病変候補を受信するまでステップＳＴ３の判定は否定される。
画像処理サーバ７では、マンモグラフィ画像に対して画像解析処理７３が実行され腫瘍および石灰化などの病変候補領域が検出される。検出された病変候補領域とその位置情報が解析結果として、画像処理サーバ７から読影医用ＷＳ３に送信される。読影医用ＷＳ３では、受信した解析結果に従ってマンモグラフィ画像の病変候補領域にマークが付されてディスプレイに表示され、読影医によって読影が行われる。読影医が、マウスなどを用いてディスプレイに表示された複数の病変候補領域のうち生検が必要な病変候補領域を指示すると、指示された病変候補領域の位置情報が、読影医用ＷＳ３から画像処理サーバ７に送信される。例えば、右乳房の内側上部に病変候補領域がある場合には、読影医用ＷＳ３から右乳房の内側上部を示す位置情報が画像処理サーバ７に送信される。さらに、画像処理サーバ７は、生検のターゲットＴとなる病変候補領域の位置情報をマンモグラフィ撮影装置２に送信する。
続いて、マンモグラフィ撮影装置２が、画像処理サーバ７より病変候補領域の位置情報を受信すると、ステップＳＴ３の判定が肯定される。マンモグラフィ撮影装置２を用いて生検を行うために、上述と同様の手順で、再度同じ患者が乳房Ｍを撮影台１４に載置すると、圧迫板コントローラ３４は圧迫板１８で患者の乳房を圧迫する。穿刺を行う前に、一例として図５に示すように、受信した病変候補領域の位置情報に基づいて、生検のターゲットＴとなる乳房Ｍの病変候補領域を含むように右乳房の内側上部を２方向から撮影した２枚のスカウト画像を取得する（ステップＳＴ４）。マンモグラフィ撮影装置２は、２枚のスカウト画像からターゲットＴの３次元位置情報を取得して（ステップＳＴ５）、この３次元位置情報に基づいてバイオプシユニット２６の針位置コントローラ３５が生検針２１の先端の位置をターゲットＴの位置まで移動させ、生検針ユニット２２が生検針２１による乳房の穿刺を行なう（ステップＳＴ６）。
上述では、スカウト画像を撮影するための位置情報を画像処理サーバ７から受信する場合について説明したが、マンモグラフィ撮影装置２の操作者が読影レポートなどを確認して撮影位置をマンモグラフィ撮影装置２に手動で入力して、スカウト画像の撮影を行うようにしてもよい。
さらに、生検によって得られた組織が病理医などによって病理検査が行われ、病理検査用ＷＳ８で生検データを含んだ病理検査レポートが作成され、作成された病理検査レポートは患者ＩＤ、病理医ＩＤ、病変名、病変の位置情報、および所見などとともに病理レポートデータベース９に登録される。
次に、画像処理サーバ７、つまり、学習用データ作成支援装置７が学習用データを作成する処理の流れについて、図８のフローチャートに従って説明する。本実施形態では、病理検査用ＷＳ８で病理検査レポートが作成されると、その患者ＩＤが学習用データ作成支援装置７に送信され、その患者ＩＤを利用してマンモグラフィ画像および生検データを取得して学習用データを作成する場合について説明する。本実施の形態では、病変候補領域の画像を学習用データとして登録するか、生検前画像を学習用データとして登録するかについて、予めユーザによって選択されている場合について説明する。まず、病変候補領域の画像を学習用データとして登録するように設定されている場合について説明する。
まず、病理検査レポートが作成された患者ＩＤが病理検査用ＷＳ８から受け取るとステップＳＴ１１の判定が肯定される。生検データ取得手段７１は、病理レポートデータベース９から患者ＩＤに応じた病理検査レポートを検索し、病理検査レポートから生検データを取得する（ステップＳＴ１２）。生検データが示す生検結果が病変である場合には、ステップＳＴ１３の判定が肯定される。生検前画像取得手段７２は、その患者ＩＤの生検対象の部位である乳房が撮影されて得られたマンモグラフィ画像を画像データベース５から取得する（ステップＳＴ１４）。同じ患者が過去に複数回にわたってマンモグラフィ検査を受け、複数枚のマンモグラフィ画像が画像データベース５に記憶されている可能性が高い。しかし、患者の乳房に対して生検を行うか否かは、生検が行われる直前に撮影されたマンモグラフィ画像で判断されるので、生検を行った患者の患者ＩＤのマンモグラフィ画像の中から、検査日時より前の撮影日時の画像であって検査日時に最も近い画像を取得する（ステップＳＴ１５）。しかし、生検は例えば１年以上前の古い画像を使って判断されることはないので、取得されたマンモグラフィ画像が生検日時より前の例えば２か月以内である場合には、ステップＳＴ１６の判定が肯定される。
一方、取得されたマンモグラフィ画像が生検日時より前の２か月以内でない場合には、ステップＳＴ１６の判定が否定される。この場合は、生検結果に対するマンモグラフィ画像を見つけることができなかったので、登録は行われない。生検データの全てについて正解データがあるか否かの判定が終了するまでステップＳＴ２２の判定が否定され、ステップＳＴ１１に戻って次の患者ＩＤの入力を待つ。
ステップＳＴ１６の判定が肯定された場合は、次に、病変候補領域の登録か、または病変が存在することを示す画像の登録かの判定を行う（スッテプＳＴ１７）。病変候補領域の画像を学習用データとして登録する場合は、スッテプＳＴ１８が肯定され、検査日時に最も近いマンモグラフィ画像に対して画像解析処理７３を実行して得られた病変候補領域を取得する（ステップＳＴ１９）。さらに、スカウト画像取得手段７４は、画像データベース５から、同じ患者ＩＤの生検日に撮影したスカウト画像を取得する（ステップＳＴ２０）。対応位置決定手段７５は、画像解析処理７３でマンモグラフィ画像から複数の病変候補領域が検出された場合には、スカウト画像に現れている陰影と一致している病変候補領域の陰影があるか否かを判別する（ステップＳＴ２１）。
登録手段７６は、スカウト画像と一致する病変候補領域が見つかった場合には、ステップＳＴ２２の判定が肯定され、病変候補領域を正解データとして学習用データ記憶部７７に登録する（ステップＳＴ２３）。一方、スカウト画像と一致する病変候補領域が見つからなかった場合には、ステップＳＴ２０の判定が否定され、正解データは学習用データ記憶部７７に登録されない。また、生検データの全てについて正解データがあるか否かの判定が終了するまでステップＳＴ２４の判定が否定され、ステップＳＴ１１に戻って次の患者ＩＤの入力を待つ。
続いて、別の患者ＩＤが入力されるとステップＳＴ１１の判定が肯定され、生検データ取得手段７１は、病理レポートデータベース９から患者ＩＤに応じた病理検査レポートを検索し、病理検査レポートから生検データを取得する（ステップＳＴ１２）。しかし、生検データが示す生検結果が病変でない場合には（ステップＳＴ１３とステップＳＴ２４は否定される）、ステップＳＴ１１に戻って次の患者ＩＤの入力を待つ。
以上、詳細に説明した通り、生検結果が病変である場合には、生検結果に対応する陰影は、生検結果が病変でない場合に比べ、病変である可能性が高いので、学習用データ作成支援装置７が、生検を行う前に撮影された画像を検索して、検索された画像から検出された病変候補領域を正解データとして登録することで、人手を煩わせることなく学習用データを生成することが可能になる。
上述では、マンモグラフィ画像から複数の病変候補領域が検出された場合について説明したが、１箇所しか病変候補領域が検出されなかった場合は、学習用データ作成支援装置７が、スカウト画像に現れている陰影と病変候補領域の陰影が一致しているか否かを判定することなく、生検結果が病変であることを示している場合には、検出された病変候補領域を正解データとして学習用データ記憶部７７に登録するようにしてもよい。
次に、生検前画像を学習用データとして登録するように設定されている場合について説明する。ステップＳＴ１１〜ステップＳＴ１６の処理を前述と同様に行い生検結果に対する生検前画像であるマンモグラフィ画像を見つける。次に、病変候補領域の登録か、または病変が存在することを示す画像の登録かの判定を行う（スッテプＳＴ１７）。病変が存在することを示す画像を学習用データと登録する場合は、スッテプＳＴ１８が否定され、ステップＳＴ２４で生検結果に対する生検前画像のマンモグラフィ画像を正解データとして登録する。続いて、ステップＳＴ２４に進み、生検データの全てについて正解データがあるか否かの判定が終了するまで、ステップＳＴ１１〜ＳＴ２４の処理を繰り返す。
次に、図９の学習処理のフローチャートに従って、学習用データ記憶部７７に蓄積された正解データを用いて画像解析処理の判別器７９に対して学習を行わせる処理の流れについて説明する。
ある程度、学習用データが蓄積されると、学習手段７８は判別器７９に対して再学習を行わせる。まず、病変候補領域の学習か、または病変が存在することを示す画像の学習かの判定を行う（ステップＳＴ３０）。病変候補領域の学習であれば、ステップＳＴ３１の判定は肯定され、学習手段７８が、学習用データ記憶部７７から病変候補領域の画像の正解データを取り出して（ステップＳＴ３２）、第１の判別器７９に再学習を行わせる（ステップＳＴ３３）。再学習を行わせた判別器７９が画像解析処理に組み込まれて画像処理サーバ７に再インストールされる。
一方、病変が存在することを示す画像の学習である場合には、ステップＳＴ３１の判定が否定され、学習手段７８が、学習用データ記憶部７７から生検前画像のマンモグラフィ画像の正解データを取り出して（ステップＳＴ４０）、第２の判別器７９に再学習を行わせる（ステップＳＴ４１）。再学習を行わせた判別器７９が画像解析処理に組み込まれて画像処理サーバ７に再インストールされる。
このように、生検結果に基づいて作成された正解データを学習させることで、画像解析処理の判別性能を向上させることが可能になる。
以上、詳細に説明したように、判別器が再学習を行うことで画像解析処理の判別性能を向上させ、さらに、その画像解析処理の結果と生検結果を利用して学習用データを作成することを繰り返すことができる。このように学習用データを作成することで、画像解析処理の性能を継続して向上させることが可能になる。
上述では、正解データを作成する場合について説明したが、生検結果が病変であるのに画像解析処理の結果が正常な陰影と判定された領域は、不正解データとして学習用データ記憶部７７に登録されて、正解データのみではなく不正解データも判別器に学習させてもよい。
上述では、乳房を例に説明したが、他の臓器（例えば胃、腸、肝臓、腎臓、または肺）でもよく、各臓器の生検結果に応じて正解データまたは不正解データを作成してもよい。
なお、上記実施の形態において、学習用データ作成支援装置の各種の処理を実行する処理部（processing unit)のハードウェア的な構造は、次に示すような各種のプロセッサ（processor）である。各種のプロセッサには、ソフトウエア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵ、ＦＰＧＡ (Field Programmable Gate Array) などの製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device:ＰＬＤ）、および／またはＡＳＩＣ（Application Specific Integrated Circuit）など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などが含まれる。
１つの処理部は、これら各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合せ（例えば、複数のＦＰＧＡ、またはＣＰＵとＦＰＧＡの組み合わせなど）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントやサーバなどのコンピュータに代表されるように、１つ以上のＣＰＵとソフトウエアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:ＳｏＣ）などに代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。
１ 医療情報システム
２ モダリティ（マンモグラフィ撮影装置）
３ 読影医用ワークステーション
４ 診療科用ワークステーション
５ 画像データベース
６ 読影レポートデータベース
７ 画像処理サーバ（学習用データ作成支援装置）
８ 病理検査用ワークステーション
９ 病理レポートデータベース
１０ ネットワーク
１１ 基台
１２ 軸
１３ アーム
１４ 撮影台
１５ フラットパネルディテクター
１６ 放射線収納部
１７ 放射線照射部
１８ 圧迫板
１９ 移動機構
２０ 支持部
２１ 生検針
２２ 生検針ユニット
２４ 移動機構
２５ 開口部
２６ バイオプシユニット
２８ 操作部
３１ アーム制御部
３４ 圧迫板コントローラ
３５ 針位置コントローラ
７１ 生検データ取得手段
７２ 生検前画像取得手段
７３ 画像解析処理
７４ スカウト画像取得手段
７５ 対応位置決定手段
７６ 登録手段
７７ 学習用データ記憶部
７８ 学習手段
７９ 判別器
Ｍ 乳房
Ｐ１、Ｐ２ 照射位置
Ｔ ターゲット
Ｉｍｇ１、Ｉｍｇ２ スカウト画像
ｚ 距離

Claims (7)

  1. 患者に対して行われた生検の生検結果を示す生検データを取得する生検データ取得手段と、
    前記生検を行った検査日時より前の予め定められた範囲内の日時に前記患者の前記生検の対象部位を撮影した画像を生検前画像として取得する生検前画像取得手段と、
    前記生検データが示す生検結果が病変であることを示す場合に、前記生検前画像に画像解析処理を施して得られた病変候補領域の画像、または、前記生検前画像を正解データとして登録する登録手段と、
    を備えた学習用データ作成支援装置。
  2. 前記登録手段は、前記病変候補領域の画像を登録する場合は、前記対象部位を異なる方向から撮影した２枚の部分画像から、前記生検前画像中の前記生検が行われた位置に対応する対応位置を特定し、前記生検結果が病変であることを示す場合に、前記生検前画像から得られた複数の病変候補領域の位置のうち前記対応位置と一致する病変候補領域の画像を正解データとして登録する請求項１記載の学習用データ作成支援装置。
  3. 前記病変候補領域の画像を登録した場合は、前記病変候補領域の画像の正解データを用いて学習させた判別器を用いて病変候補領域を検出し、
    前記登録された病変候補領域の画像の正解データを用いて前記判別器に再学習を行わせる学習手段をさらに備えた請求項１または２に記載の学習用データ作成支援装置。
  4. 前記生検前画像を登録した場合は、前記生検前画像の正解データを用いて学習させた判別器を用いて病変であることを示す画像であるか否かを検出し、
    前記登録された生検前画像の正解データを用いて前記判別器に再学習を行わせる学習手段をさらに備えた請求項１または２に記載の学習用データ作成支援装置。
  5. 前記生検の対象部位を撮影した画像は、マンモグラフィ画像である請求項１〜４のいずれか１項に記載の学習用データ作成支援装置。
  6. 学習用データ作成支援装置が、
    患者に対して行われた生検の生検結果を示す生検データを取得する生検データ取得ステップと、
    前記生検を行った検査日時より前の予め定められた範囲内の日時に前記患者の前記生検の対象部位を撮影した画像を生検前画像として取得する生検前画像取得ステップと、
    前記生検データが示す生検結果が病変であることを示す場合に、前記生検前画像に画像解析処理を施して得られた病変候補領域の画像、または、前記生検前画像を正解データとして登録する登録ステップと、
    を実行する学習用データ作成支援方法。
  7. コンピュータに、
    患者に対して行われた生検の生検結果を示す生検データを取得する生検データ取得ステップと、
    前記生検を行った検査日時より前の予め定められた範囲内の日時に前記患者の前記生検の対象部位を撮影した画像を生検前画像として取得する生検前画像取得ステップと、
    前記生検データが示す生検結果が病変であることを示す場合に、前記生検前画像に画像解析処理を施して得られた病変候補領域の画像、または、前記生検前画像を正解データとして登録する登録ステップと、
    を実行させるための学習用データ作成支援プログラム。
JP2018037977A 2018-03-02 2018-03-02 学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラム Active JP6832880B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2018037977A JP6832880B2 (ja) 2018-03-02 2018-03-02 学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラム
US16/277,360 US11205269B2 (en) 2018-03-02 2019-02-15 Learning data creation support apparatus, learning data creation support method, and learning data creation support program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018037977A JP6832880B2 (ja) 2018-03-02 2018-03-02 学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラム

Publications (2)

Publication Number Publication Date
JP2019153086A true JP2019153086A (ja) 2019-09-12
JP6832880B2 JP6832880B2 (ja) 2021-02-24

Family

ID=67768680

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018037977A Active JP6832880B2 (ja) 2018-03-02 2018-03-02 学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラム

Country Status (2)

Country Link
US (1) US11205269B2 (ja)
JP (1) JP6832880B2 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021230534A1 (ko) * 2020-05-13 2021-11-18 가톨릭대학교 산학협력단 안와 및 안와주변 병변 예측 장치 및 그 예측 방법
WO2022169340A1 (ko) * 2021-02-08 2022-08-11 주식회사 딥바이오 삼차원 전립선 병리 이미지 생성방법 및 그 시스템

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110960299B (zh) * 2019-12-30 2022-12-13 深圳蓝影医学科技股份有限公司 一种定位乳腺病灶穿刺点的方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007279942A (ja) * 2006-04-05 2007-10-25 Fujifilm Corp 類似症例検索装置、類似症例検索方法およびそのプログラム
JP2010252989A (ja) * 2009-04-23 2010-11-11 Canon Inc 医用診断支援装置及びその制御方法
US20170032090A1 (en) * 2015-07-30 2017-02-02 Siemens Medical Solutions Usa, Inc. Virtual biopsy techniques for analyzing diseases
CN107688815A (zh) * 2017-08-31 2018-02-13 京东方科技集团股份有限公司 医学图像的分析方法和分析系统以及存储介质
WO2018031919A1 (en) * 2016-08-11 2018-02-15 Clearview Diagnostics, Inc. Method and means of cad system personalization to provide a confidence level indicator for cad system recommendations

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0644414B1 (en) * 1993-08-19 2001-11-21 Hitachi, Ltd. Classification and examination device of particles in fluid
EP1828961A2 (en) 2004-12-17 2007-09-05 Koninklijke Philips Electronics N.V. Method and apparatus for automatically developing a high performance classifier for producing medically meaningful descriptors in medical diagnosis imaging

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007279942A (ja) * 2006-04-05 2007-10-25 Fujifilm Corp 類似症例検索装置、類似症例検索方法およびそのプログラム
JP2010252989A (ja) * 2009-04-23 2010-11-11 Canon Inc 医用診断支援装置及びその制御方法
US20170032090A1 (en) * 2015-07-30 2017-02-02 Siemens Medical Solutions Usa, Inc. Virtual biopsy techniques for analyzing diseases
WO2018031919A1 (en) * 2016-08-11 2018-02-15 Clearview Diagnostics, Inc. Method and means of cad system personalization to provide a confidence level indicator for cad system recommendations
JP2019526869A (ja) * 2016-08-11 2019-09-19 コイオス メディカル，インコーポレイテッド Ｃａｄシステム推薦に関する確信レベル指標を提供するためのｃａｄシステムパーソナライゼーションの方法及び手段
CN107688815A (zh) * 2017-08-31 2018-02-13 京东方科技集团股份有限公司 医学图像的分析方法和分析系统以及存储介质

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2021230534A1 (ko) * 2020-05-13 2021-11-18 가톨릭대학교 산학협력단 안와 및 안와주변 병변 예측 장치 및 그 예측 방법
KR20210140836A (ko) * 2020-05-13 2021-11-23 가톨릭대학교 산학협력단 안와 및 안와주변 병변 예측 장치 및 그 예측 방법
KR102412047B1 (ko) 2020-05-13 2022-06-23 가톨릭대학교 산학협력단 안와 및 안와주변 병변 예측 장치 및 그 예측 방법
WO2022169340A1 (ko) * 2021-02-08 2022-08-11 주식회사 딥바이오 삼차원 전립선 병리 이미지 생성방법 및 그 시스템

Also Published As

Publication number Publication date
US11205269B2 (en) 2021-12-21
US20190272640A1 (en) 2019-09-05
JP6832880B2 (ja) 2021-02-24

Similar Documents

Publication Publication Date Title
US10916010B2 (en) Learning data creation support apparatus, learning data creation support method, and learning data creation support program
JP4912015B2 (ja) 類似画像検索装置および方法並びにプログラム
US20160321427A1 (en) Patient-Specific Therapy Planning Support Using Patient Matching
EP3447733B1 (en) Selective image reconstruction
US10769779B2 (en) Method for increasing reading efficiency in medical image reading process using gaze information of user and apparatus using the same
JP2011092681A (ja) 医用画像処理装置および方法並びにプログラム
JP5487157B2 (ja) 画像処理装置および画像処理装置の作動方法並びに画像処理プログラム
AU2004266022A1 (en) Computer-aided decision support systems and methods
US11559273B2 (en) Mammography apparatus and program
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
JP6331922B2 (ja) 医用画像システム及びプログラム
JP7000206B2 (ja) 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム
JP2005199057A (ja) 肺画像データの位置合わせのための方法及び装置
KR20150125436A (ko) 관심 영역별 추가 정보 제공 장치 및 방법
US11205269B2 (en) Learning data creation support apparatus, learning data creation support method, and learning data creation support program
US11468659B2 (en) Learning support device, learning support method, learning support program, region-of-interest discrimination device, region-of-interest discrimination method, region-of-interest discrimination program, and learned model
JP2015104465A (ja) 医用画像システム及びプログラム
US10860894B2 (en) Learning data generation support apparatus, operation method of learning data generation support apparatus, and learning data generation support program
JP2016195655A (ja) 医用画像システム及びプログラム
WO2020066132A1 (ja) 医用画像診断支援装置、方法及びプログラム
US20230326580A1 (en) Information processing apparatus, information processing method, and information processing program
EP4343780A1 (en) Information processing apparatus, information processing method, and information processing program
JP5533198B2 (ja) 医用画像表示装置及びプログラム
JP2024044922A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP2021175454A (ja) 医用画像処理装置、方法およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200127

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20201028

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201104

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201221

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: 20210112

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210202

R150 Certificate of patent or registration of utility model

Ref document number: 6832880

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250