JP2019525320A - 医療デバイス品質を評価するための装置 - Google Patents

Abstract

本発明は、医療デバイス品質を評価するための装置に関する。医療デバイスによって収集された少なくとも１つの医療画像に関連付けられた少なくとも１つの報告を提供する（２１０）ことであって、報告が、対応する医療画像に関連付けられる、提供することが説明される。少なくとも１つの報告は分析され、少なくとも１つの画像品質パラメータが生成され（２２０）、画像品質パラメータは、対応する報告に関連付けられる。少なくとも１つの画像品質パラメータは評価され、医療デバイスに関係する警報情報が生成される（２３０）。

Description

本発明は、医療デバイス品質を評価するための装置、医療デバイス警報を提供するためのシステム、医療デバイス品質を評価するための方法、コンピュータプログラム要素及びコンピュータ可読媒体に関する。

本発明の概略的な背景は、医療デバイスの品質を決定する分野である。医療撮像モダリティのコスト効果的な使用は、高いシステム利用可能性を必要とする。一般に、病院は、保守サービスプロバイダとの契約を有する。たいていの保守は、計画保守又は事後保守（ｃｏｒｒｅｃｔｉｖｅ ｍａｉｎｔｅｎａｎｃｅ）である。後者の場合、システム誤動作が検出されたとき、サービスセンターに対して呼出しが行われ、サービスエンジニアがトラブルシューティングを開始する。

ＵＳ２０１３／０２５１２１９ Ａ１は、医療撮像システムにおいて使用するための医療画像品質報告及び監視システムが、ディスプレイプロセッサと、ディスプレイと、報告生成器とを備える医療画像コンピュータを備えることについて説明している。ディスプレイプロセッサは、ユーザが少なくとも１つの医療画像を画像品質欠陥を有するものとして識別することを可能にする、ユーザ選択可能な画像要素を含む表示のための画像を表すデータを生成する。ディスプレイは画像を提示する。報告生成器は、少なくとも１つの品質低減医療画像を画像品質欠陥を有するものとして識別する、画像要素の選択の検出に応答して、自動的に報告を生成する。報告は、画像品質欠陥を有する匿名化された品質低減画像を表すデータと、品質低減画像の収集の時間と、品質低減画像を収集する際に使用された撮像システム収集設定とを含む。

医療デバイス品質を評価するための改善された装置、及びそのような装置を使用して医療デバイス警報を提供するための改善されたシステムを有することが有利である。

本発明の目的は、独立請求項の主題を用いて解決され、さらなる実施形態が、従属請求項に組み込まれる。本発明の以下の説明される態様及び例は、医療デバイス品質を評価するための装置、医療デバイス警報を提供するためのシステム、医療デバイス品質を評価するための方法、コンピュータプログラム要素及びコンピュータ可読媒体にも適用されることに留意されたい。

第１の態様によれば、
− 入力ユニットと、
− 処理ユニットと
を備える、医療デバイス品質を評価するための装置が提供される。

入力ユニットは、処理ユニットに、医療デバイスによって収集された少なくとも１つの医療画像に関連付けられた少なくとも１つの報告を提供するように構成され、報告は、対応する医療画像に関連付けられる。処理ユニットは、少なくとも１つの報告を分析し、少なくとも１つの画像品質パラメータを生成するための分類器モジュールを実装するように構成され、画像品質パラメータは、対応する報告に関連付けられる。分類器モジュールは、少なくとも１つの画像品質パラメータを生成するために、少なくとも１つの報告に自然言語アルゴリズムを適用するように構成される。自然言語アルゴリズムは学習アルゴリズムを含み、学習アルゴリズムは、少なくとも１つのトレーニングデータに基づいて、画像品質パラメータのための値を生成するように構成される。処理ユニットはまた、少なくとも１つの画像品質パラメータを評価し、医療デバイスに関係する警報情報を生成するための評価モジュールを実装するように構成される。

このようにして、画像品質パラメータは、医療デバイスによって収集された画像に関連付けられた報告から導出され、これは、警報情報を生成するために使用される。これは、医療デバイスの予測保守が行われることを可能にし、ルーチンのスケジュールされた保守が行われるとき、デバイスのための背景情報として使用され、たとえばサービスセンターに対して呼出しが行われた場合、トラブルシューティングを助けることもできる。

言い換えれば、たとえば医療像に関する報告を準備するときに放射線科医によって使用されている言葉としての自然言語が分析され、それにより、医療デバイスに関係する情報を決定するために報告を使用する有効なやり方を提供することができる。

言い換えれば、学習アルゴリズムは、画像品質問題点に関係するテキスト断片が、そのようなものとして手動でラベリングされていることがある（放射線学報告などの）報告を使用してトレーニングされる（教師あり学習）。

このようにして、画像品質パラメータの生成の精度は、より多くの報告が分析されるにつれて、継続的に改善され得る。たとえば、放射線科医によって識別されたそのような画像問題があったことを検証する、上記で説明された報告の周期的手動ラベリングによる当該ラベリングは、画像技術者又は医療デバイスに精通している技術者によって実行され得、それにより、学習アルゴリズムは、そのような「教師あり」入力データに対して演算することを通して改善される。

患者像の分析に関係するデータ保護問題点が、その像を匿名化するための処理が行われたときでも、問題になり得、像の表示及び処理は、かなりの計算リソースを必要とし、困難であり得る。しかしながら、医療デバイスによって収集された画像に関連付けられた報告から画像品質パラメータを導出することによって、像の分析のそのようなデータ保護は争点にならず、処理はより効率的で単純にされる。

したがって、このようにして、本装置は、画像欠陥がいつ検出されたかを自動的に検出する。これは、放射線科医にとってあまり邪魔でないので、放射線科医は画像の評価を続けることができる。

このようにして、医療デバイスによって提供された画像品質に関係する情報が、医療デバイスの働きの評価を助けるために抽出される。

これは、医療デバイスに関する問題を示す画像におけるアーチファクトを識別するために、画像の広範な画像品質分析を行う必要なしに、報告に基づいて、医療デバイスの働きが決定されることを可能にする。

さらに、報告に基づいている医療デバイスの働きの評価は、像の広範な分析が、デバイス問題を識別するために必要とされないことを意味し、ここで、像のそのような関係の薄い分析は、データ保護問題点により問題になり得る。

本装置は、画像処理が行われる必要なしに、医療デバイス品質が評価され得るという利益を有する。また、医療デバイスからの画像品質パラメータが、医療デバイスの品質を評価するために必要とされない。

一例では、少なくとも１つの報告のうちの報告がテキストを含み、分類器モジュールは、画像品質パラメータを生成するために、テキストの少なくとも１つの部分を分析するように構成される。

言い換えれば、（１つ又は複数の）医療画像に関連付けられた１つ又は複数の報告が、個々の画像の品質に関係する自然言語処理を使用して分析され、たとえば、（１つ又は複数の）画像におけるアーチファクトの存在をシグナリングすることができる画像品質パラメータが生成されることを可能にし、医療デバイスに関係する早期警報を生成するために使用可能である警報情報が生成される。

このようにして、画像品質パラメータを生成するための報告の計算効率の良い処理が実施され得る。

一例では、分類器モジュールは、テキストの少なくとも１つの部分における画像品質問題点に基づいて、画像品質パラメータを生成するように構成される。

言い換えれば、撮像問題点に関係するテキストが、医療デバイスの性能に関係する情報を提供するために分析及び使用され、それにより、医療デバイスの完全性を監視し、評価する、有効で計算効率の良いやり方を提供することができる。

このようにして、テキスト報告を分析する有効で単純な様式が、画像関係問題点の大きさを決定するために提供される。

一例では、分類器モジュールは、複数のテキスト断片を含んでいるデータベースを使用するように構成され、分類器モジュールは、画像品質パラメータを生成するために、テキストの少なくとも１つの部分を、複数のテキスト断片のうちの少なくとも１つと比較するように構成される。

これは、画像品質パラメータが単純で効率的な様式で生成されることを可能にし、学習プロセスが実施されることを可能にし、たとえば、ここで、データベースは、時間とともにテキスト断片で拡張される。

一例では、少なくとも１つの報告は、複数の報告を含み、少なくとも１つの品質パラメータは、複数の品質パラメータを含み、評価モジュールは、複数の品質パラメータにおける決定された傾向に基づいて、警報情報を生成するように構成される。

このようにして、品質パラメータにおける傾向が、増大する（たとえば、厳しい）問題点を示すとき、これはキャプチャされ、問題点が医療デバイスの撮像品質に影響を及ぼすか、又は、問題点が、処置されないままにされた場合、それが問題になる前に今それに対処するよりも、解決するのに費用がかかることがある、医療デバイスに関する問題を示す前に、是正措置がとられることを可能にすることができる。

一例では、少なくとも１つの報告は、少なくとも１つの医療画像に基づいて、少なくとも１人のユーザによって生成されている。

このようにして、Ｘ線デバイスである医療デバイスの例をとると、医療像に関係する放射線科医によって行われた報告を分析することによって、Ｘ線撮像デバイスの働きが評価され得る。これは、ＭＲＩデバイス、ＣＴデバイス、超音波デバイスなどに等しく適用される。

一例では、評価モジュールは、少なくとも１つの画像品質パラメータとしきい値との比較に基づいて、警報情報を生成するように構成される。

このようにして、矯正を必要とする医療デバイスに関する問題（又は進行中の問題）があるかどうかを決定するための効率的な手段が提供される。

一例では、少なくとも１つの報告は、複数の報告を含み、少なくとも１つの品質パラメータは、複数の品質パラメータを含み、評価モジュールは、複数の品質パラメータの数がしきい値を超えることに基づいて、警報情報を生成するように構成される。

このようにして、像におけるノイズが、問題を示す警報情報の生成につながらないように、統計的分析が提供され得る。また、永続的低品質など、医療デバイスによって収集された像における永続的問題点があることを報告が示す場合、カスタマーサービスチケットが発行されることを可能にする警報情報が生成される。

第２の態様によれば、
− 情報提供ユニットと、
− 第１の態様による医療デバイス品質を評価するための装置と、
− 出力ユニットと
を備える、医療デバイス警報を提供するためのシステムが提供される。

少なくとも１つの報告は、情報提供ユニットから入力ユニットに提供される。処理ユニットは、情報提供ユニットから提供された少なくとも１つの報告に基づいて、警報情報を生成するように構成される。出力ユニットは、警報情報に基づいて、警報を出力するように構成される。

このようにして、サービス警報が、自動的に、たとえばリモートサービスセンターに出力され得、これにより、必要な場合、たとえばサービス訪問を通した医療デバイスの保守をスケジュールすることができる。

第３の態様によれば、
ｂ） 医療デバイスによって収集された少なくとも１つの医療画像に関連付けられた少なくとも１つの報告を提供するステップであって、報告が、対応する医療画像に関連付けられる、提供するステップと、
ｃ） 少なくとも１つの報告を分析し、少なくとも１つの画像品質パラメータを生成するステップであって、画像品質パラメータが、対応する報告に関連付けられる、分析し、生成するステップと、
ｄ） 少なくとも１つの画像品質パラメータを評価し、医療デバイスに関係する警報情報を生成するステップと
を有する、医療デバイス品質を評価するための方法が提供される。

一例では、本方法は、
ａ） 少なくとも１つの医療画像に基づいて、少なくとも１人のユーザによって少なくとも１つの報告を生成するステップ
を有する。

別の態様によれば、コンピュータプログラム要素が処理ユニットによって実行された場合、前に説明された方法のステップを実施する、コンピュータプログラム要素制御装置が提供される。

別の態様によれば、前に説明されたコンピュータ要素を記憶したコンピュータ可読媒体が提供される。

有利に、上記の態様のいずれかによって提供される利益は、他の態様のすべてに等しく適用され、その逆も同様である。

上記の態様及び例は、以下で説明される実施形態から明らかになり、それらに関して解明されるであろう。

例示的な実施形態が、以下の図面を参照しながら以下で説明される。

医療デバイス品質を評価するための装置の一例の概略セットアップを示す図である。 医療デバイス警報を提供するためのシステムの一例の概略セットアップを示す図である。 医療デバイス品質を評価するための方法を示す図である。 隣接するピクチャアーカイビング通信システム（ＰＡＣＳ）並びに隣接する共通分析器ツール及び早期警報システムとともに、医療警報を提供するためのシステムの詳細なアーキテクチャを示す図である。

図１は、医療デバイス品質を評価するための装置１０の一例を示す。装置１０は、入力ユニット２０と処理ユニット３０とを備える。入力ユニット２０は、処理ユニット３０に、医療デバイスによって収集された少なくとも１つの医療画像に関連付けられた少なくとも１つの報告を提供するように構成され、報告は、対応する医療画像に関連付けられる。処理ユニット３０は、少なくとも１つの報告を分析し、少なくとも１つの画像品質パラメータを生成するための分類器モジュール４０を実装するように構成され、画像品質パラメータは、対応する報告に関連付けられる。処理ユニット３０はまた、少なくとも１つの画像品質パラメータを評価し、医療デバイスに関係する警報情報を生成するための評価モジュール５０を実装するように構成される。

一例では、各報告は、別々の医療画像に関連付けられる。言い換えれば、医療画像が収集されるとき、医療画像の品質の変化が決定され、是正措置を実施するために医療デバイスと相関され得る。

一例では、報告は、１つの医療画像に関連付けられ得る。言い換えれば、品質は、画像にわたって異なり、画像の一方の側において優れた品質であり、画像の中央で許容でき、画像の他方の側において許容できないことがあり、この情報は、是正措置を実施するために使用され得る。したがって、ここで、報告は、画像に関係する情報のいくつかの別々の項目を意味することができるか、又は画像に関係する単一のソース内の情報の項目を意味することができる。言い換えれば、報告は、上記で説明されたように、単一の「報告」において、画像の異なる領域における品質に関するコメントなど、画像に関係する異なる情報が提供されることを意味することができる。

一例では、分類器モジュールは、画像品質パラメータのための数値を生成するように構成される。

このようにして、分析の容易な品質の測度が、数値の形態で提供され、それにより、１つの報告に関連付けられた画像品質が、容易に及び単純に、別の報告に関連付けられた画像品質と比較され、対比されることを可能にする。

一例では、少なくとも１つの画像品質パラメータは、少なくとも１つの医療画像における少なくとも１つのアーチファクトの存在をシグナリングするために使用可能である。

一例では、分類器モジュールは、正の報告と負の報告との間を区別するように構成される。分類器に、いくつかの正の例示的な報告及びいくつかの負の例示的な報告に基づいて、正の報告、すなわち、良い品質の画像に関連付けられた報告と、負の報告、すなわち、悪い品質の画像に関連付けられた報告との間を区別することを教えることによって、分類器は、放射線科医に自動的に適応する。すなわち、放射線科医が、通常、負の意味で自分の考えを述べる場合、これは、おそらく、正の例及び負の例のどちらにも存在する。分類器が区別を行うことができる限り、個人的な好みで対処する際の特有の問題はない。この意味で、分類器は、放射線科医に合わせて分類器自体を個人化（パーソナライズ）する。

一例によれば、少なくとも１つの報告のうちの報告はテキストを含み、分類器モジュール４０は、画像品質パラメータを生成するために、テキストの少なくとも１つの部分を分析するように構成される。

一例では、テキストの少なくとも１つの部分は、報告のテキストと同じである。

一例では、少なくとも１つの報告のうちの各報告は、異なる報告について異なり得るテキストを含み、分類器モジュールは、異なる報告のために、異なる報告について異なり得る画像品質パラメータを生成するために、異なる報告におけるテキストの少なくとも１つの部分を分析するように構成される。

一例では、テキストの少なくとも１つの部分の分析は、テキストの少なくとも１つの部分の構文解析を含む。

一例では、分類器モジュールは、テキストからテキストの少なくとも一部分を生成するように構成される。一例では、分類器モジュールは、テキストの少なくとも一部分を生成するとき、テキストからストップワードを削除するように構成される。たとえば、「image（画像）」、「contrast（コントラスト）」、「low（低い）」などの特徴を抽出するために、「the image contrast is too low（画像コントラストが低すぎる）」というテキストストリングが、分類器モジュールによって処理され得る。一例では、処理された特徴は、「ｉｍａ」、「ｍａｇ」、「ａｇｅ」、「ｃｏｎ」、「ｏｎｔ」などのｎグラムを形成するために、さらに細分される。

一例によれば、分類器モジュール４０は、テキストの少なくとも１つの部分における画像品質問題点に基づいて、画像品質パラメータを生成するように構成される。

一例では、テキストの少なくとも一部分が画像品質問題点に関係すると決定された場合、正のカウントがその部分に関連付けられる。

一例では、テキストの少なくとも一部分が画像品質問題点に関係しないと決定された場合、負のカウントがその部分に関連付けられる。

このようにして、分類器モジュールは、画像に関連付けられた報告において放射線科医によって行われた負のコメントに基づいて、正の画像と負の画像との間の区別を行い、したがって、医療デバイス品質を評価することができる。

一例によれば、分類器モジュール４０は、複数のテキスト断片を含んでいるデータベース６０を使用するように構成される。分類器モジュール４０は、画像品質パラメータを生成するために、テキストの少なくとも１つの部分を、複数のテキスト断片のうちの少なくとも１つと比較するように構成される。

一例では、データベースは、画像品質問題点に関することが知られているテキスト断片を含んでいる（たとえば、「低いコントラスト」、「ブロック」、「ドット」、「ストライプ」、「不鮮明」、「かすんだ」、「あいまい」、「不良」）。

一例では、データベースは辞書を含む。言い換えれば、問題又は問題点を記述するために使用される用語の辞書が提供され得、報告におけるテキスト断片は、問題点を定量化するために画像品質パラメータを生成するための辞書における用語と比較され得る。一例では、辞書は、学習プロセスを助けるために、正のテキスト断片及び負のテキスト断片の両方を含んでいる。正のテキスト断片は、たとえば、「高いコントラスト」、「シャープな画像」などである。負のテキスト断片のみが利用可能である場合、そのようなテキスト断片の不在は、画像品質問題点がないことを示す。しかしながら、正のテキスト断片及び負のテキスト断片の両方を処理する能力を提供することによって、学習プロセスは改善される。

一例によれば、分類器モジュール４０は、少なくとも１つの画像品質パラメータを生成するために、少なくとも１つの報告に自然言語アルゴリズムを適用するように構成される。

一例によれば、自然言語アルゴリズムは学習アルゴリズムを含む。学習アルゴリズムは、少なくとも１つのトレーニングデータに基づいて、画像品質パラメータのための値を生成するように構成される。

一例では、トレーニングデータは、関連付けられた報告を有する医療画像から導出され、ここで、画像に関連付けられた問題点は、定量化又は検証されている。このようにして、相関情報は、学習アルゴリズムがそれに対して演算することができるデータセットを形成する。

一例では、少なくとも１つのトレーニングデータは、少なくとも１つの決定された品質に関係する少なくとも１つの相関情報から導出される。

一例では、相関情報は、関連付けられた報告を有する医療画像から導出され、ここで、画像に関連付けられた問題点は、定量化又は検証されている。このようにして、相関情報は、学習アルゴリズムがそれに対して演算することができるデータセットを形成する。

一例では、学習アルゴリズムは、報告に関連付けられた全文に基づいて、画像品質パラメータのための値を生成するように構成される。一例では、学習アルゴリズムは、報告における関連付けられたテキストから放射線科医の識別情報を決定するように構成される。これは、学習アルゴリズムが、放射線科医を識別するために異なる放射線科医によって使用される言語に基づいて、ある放射線科医を別の放射線科医と区別することができることを意味し、これは、「識別する」の或る意味を意味するものである。しかしながら、データベースにおける異なる放射線科医のための例示的な言語は、次いで、この区別が、放射線科医が特定の放射線科医であったという確率に関係する情報を提供することを可能にするために参照され得、これは、「識別する」の別の意味を意味するものである。このようにして、学習アルゴリズムは、報告で使用される言語の全体的負の意味合い又は全体的正の意味合いに関係する画像品質パラメータに関係する報告のための全体的確率スコアを決定することが可能であり、このプロセスにおいて、放射線科医の識別情報を考慮に入れることができる。たとえば、異なる放射線科医は、放射線科医らが、どんな問題点が画像にあるか、及びそれの重大度を等しく認識しても、負の言語の異なる使用の観点から別様に同じ画像を記述する。一例では、学習アルゴリズムは、トレーニングされた専門の放射線科医及び／又は医療デバイス専門家が、像を検討し、像に関係するベースライン報告情報を提供することを通して、このプロセスにおいて助けられ得る。これは、次いで、異なる放射線科医からのコメントが、放射線科医によって使用される言語が問題点にどのように関係するかの観点から定量化されることを可能にする。

一例では、報告が負のコメントを含んでいない場合、学習アルゴリズムは、全報告から負値性（又は正値性）の確率を決定するように構成され、これは、学習アルゴリズムをさらに発展させ、医療デバイスに関係する情報を提供するために使用される。

一例では、ラベリングされた報告全体が、テキスト断片として使用され得、それにより、画像品質に直接又は明らかに関しないいくつかのテキスト（ワード、ｎグラム）も、学習プロセスにおいて使用され得る。これは、放射線科医に合わせた個人化を可能にし、それにより、装置が、報告を提供するユーザの識別情報を自動的に考慮に入れることを可能にし、このようにして、医療デバイス品質の評価の精度は、異なるユーザが同じ又は同様の撮像問題をどのように定量化するかにおける差異が緩和され得るので、改善され得る。

このようにして、辞書とともに使用され得る学習アルゴリズムを使用することによって、自動検出をさらに改善することを目的として、装置が放射線科医による注釈から学習することを可能にする。

一例では、学習アルゴリズムは、関連付けられた医療画像に関連付けられた報告のセットを備え、学習アルゴリズムは、装置に、前に提示されなかった少なくとも１つの報告のための少なくとも１つの画像品質パラメータを生成するために使用される（統計的）モデルを学習（展開）するために、報告のセットをスキャンする。一例では、機械学習アルゴリズムの出力は、画像が品質問題点を有することがどのくらいあり得るかを示す確率である。たとえば、単純ベイズ分類器では、トレーニング例に基づいて、並びに前の確率及び条件付き確率を使用して、正の事後確率を計算する。この正の事後確率は上述の役割を果たす。同様の確率的出力が、概して、他の分類器を用いて可能である。

学習プロセスに対する拡張として、一例では、正の事後確率が負の事後確率に近いとき、すなわち、正の事後確率と負の事後確率とが両方とも０．５に近いとき、本装置は、放射線科医の明示的画像品質評価を求め、これを正のトレーニングセット及び負のトレーニングセットに追加する。

一例によれば、少なくとも１つの報告は、複数の報告を含み、少なくとも１つの品質パラメータは、複数の品質パラメータを含む。評価モジュール５０は、複数の品質パラメータにおける決定された傾向に基づいて、警報情報を生成するように構成される。

一例によれば、少なくとも１つの報告は、少なくとも１つの医療画像に基づいて、少なくとも１人のユーザによって生成される。

一例では、少なくとも１つの報告のうちの報告が、放射線科医からの口頭入力の処理を通して生成される。このようにして、放射線科医は、画像を口頭で説明することが可能であり、医療デバイス品質を評価するために、本装置によって処理され得る報告が生成される。

一例によれば、評価モジュール５０は、少なくとも１つの画像品質パラメータとしきい値との比較に基づいて、警報情報を生成するように構成される。

一例によれば、少なくとも１つの報告は、複数の報告を含み、少なくとも１つの品質パラメータは、複数の品質パラメータを含む。評価モジュール５０は、複数の品質パラメータの数がしきい値を超えることに基づいて、警報情報を生成するように構成される。

一例では、少なくとも１つの報告は、以下の医療デバイス、すなわち、Ｘ線デバイス、ＭＲＩデバイス、ＰＥＴデバイス、ＣＴデバイス、又は超音波デバイスのうちのいずれか１つ又は２つ以上によって収集された医療データに関連付けられる。

図２は、医療デバイス警報を提供するためのシステム１００の一例を示す。システム１００は、情報提供ユニット１１０と、図１に関して説明された例のいずれかによる医療デバイス品質を評価するための装置１０と、出力ユニット１２０とを備える。少なくとも１つの報告は、情報提供ユニット１１０から入力ユニット２０に提供される。処理ユニット３０は、情報提供ユニット１１０から提供された少なくとも１つの報告に基づいて、警報情報を生成するように構成される。出力ユニット１２０は、警報情報に基づいて、警報を出力するように構成される。

一例では、情報提供ユニットは医療デバイス内に備えられる。言い換えれば、医療デバイスは、像を収集することができ、その医療デバイスの一部は、放射線科医が、像に関係する少なくとも１つの報告を生成することを可能にするか、又は、報告は、作成され、医療デバイスに記憶される。

一例では、情報提供ユニットは情報記憶デバイスである。

図３は、それの基本ステップにおいて医療デバイス品質を評価するための方法２００を示す。方法２００は、以下を有する。
ステップｂ）とも呼ばれる、提供するステップ２１０において、医療デバイスによって収集された少なくとも１つの医療画像に関連付けられた少なくとも１つの報告が提供され、報告は、対応する医療画像に関連付けられる。
ステップｃ）とも呼ばれる、分析し、生成するステップ２２０において、少なくとも１つの報告は分析され、少なくとも１つの画像品質パラメータが生成され、画像品質パラメータは、対応する報告に関連付けられる。
ステップｄ）とも呼ばれる、評価し、生成するステップ２３０において、少なくとも１つの画像品質パラメータは評価され、医療デバイスに関係する警報情報が生成される。

一例では、ステップｃ）は、画像品質パラメータのための数値を生成すること２２１を有する。

一例では、少なくとも１つの報告のうちの報告はテキストを含み、ステップｃ）は、画像品質パラメータを生成するために、テキストの少なくとも１つの部分を分析すること２２２を有する。

一例では、ステップｃ）は、テキストの少なくとも１つの部分における画像品質問題点に基づいて、画像品質パラメータを生成すること２２３を有する。

一例では、ステップｃ）は、複数のテキスト断片を含んでいるデータベースを使用すること２２４を有し、ステップｃ）は、画像品質パラメータを生成するために、テキストの少なくとも１つの部分を、複数のテキスト断片のうちの少なくとも１つと比較すること２２５をさらに有する。

一例では、データベースは辞書を含む。一例では、辞書は２つの部分を含み、ある部分は負のワードに関係し、第２の部分は正のワードに関係する。これは、辞書が、より容易に、構築され、維持されることを可能にする。

一例では、ステップｃ）は、少なくとも１つの画像品質パラメータを生成するために、少なくとも１つの報告に自然言語処理アルゴリズムを適用すること２２６を有する。

一例では、自然言語アルゴリズムは学習アルゴリズムを含み、ステップｃ）は、少なくとも１つのトレーニングデータに基づいて、画像品質パラメータのための値を生成するために、学習アルゴリズムを使用すること２２７を有する。

一例では、少なくとも１つの報告は、複数の報告を含み、少なくとも１つの品質パラメータは、複数の品質パラメータを含み、ステップｄ）は、複数の品質パラメータにおける決定された傾向に基づいて、警報情報を生成することを有する。

一例によれば、本方法は、ステップａ）とも呼ばれる、生成するステップ２４０において、少なくとも１つの報告は、少なくとも１つの医療画像に基づいて、少なくとも１人のユーザによって生成されることを有する。

一例では、ステップｄ）は、少なくとも１つの画像品質パラメータとしきい値との比較に基づいて、警報情報を生成すること２３２を有する。

一例では、少なくとも１つの報告は、複数の報告を含み、少なくとも１つの品質パラメータは、複数の品質パラメータを含み、ステップｄ）は、複数の品質パラメータの数がしきい値を超えることに基づいて、警報情報を生成すること２３４を有する。

次に、医療デバイス品質を評価するための装置及び方法、並びに医療デバイス警報を提供するためのシステムが、図４とともにより詳細に説明される。

図４は、医療デバイス警報を提供するためのシステムの一例がその内部で動作する環境の詳細なアーキテクチャを示し、ここで、システムは、医療デバイス品質を評価するための、装置の一例と方法の一例とを利用する。実線によって画定されている特徴は、ピクチャアーカイビング通信システム（ＰＡＣＳ）であり、医療デバイス警報を提供するためのシステムの一例が、破線によって画定されている。医療デバイス警報を提供するためのシステムは、共通分析器ツール、及びリモートサービス技術者がそれへのアクセスを有する早期警報システムと通信接続している。医療デバイス警報を提供するためのシステムは、ＰＡＣＳの放射線学情報システムとも通信接続している。

図４を参照すると、放射線科医は、画像データベースに含まれている画像を閲覧し、場合によってはボイス入力を使用して、１つ又は複数の放射線学報告を書き込むために、画像データベースへのアクセスを有する。各画像は、それに関連付けられた１つ又はいくつかの報告を有し、いくつかの画像は、それに関連付けられた報告を有しない。報告は、画像の一部が、焦点が外れている、低いコントラストを有する、不良である、或いは逆に非常に正確及び良好又は十分であることを記述することなど、画像の品質に関係する情報を含んでいる。言い換えれば、報告は、画像及びそれらの画像の品質を記述するために放射線科医が使用する、画像に関係する情報を含んでいる。この入力は、音声認識を使用して分析され、放射線学情報システム（ＲＩＳ）のデータベースにテキストとして記憶される。自然言語処理（ＮＬＰ）システムは、画像の品質に関係する情報を抽出するために、テキスト放射線学報告を分析する。放射線科医は、音声を使用するのではなく、手動でテキストで放射線学報告を書き込み、ＮＬＰは、同じ様式で放射線学報告を分析することができる。ＮＬＰシステムは、特に、この情報を見つけるのを助けるように設計された辞書を利用することができる。画像品質評価システムは、共通分析器ツール及び早期警報システムに適合する標準化された入力を、共通分析器ツール及び早期警報システムに提供するために、画像品質データを分析する。学習アルゴリズムは、学習し、このようにして、ＮＬＰシステムの性能を改善するために、注釈を使用する。

引き続き図４を参照すると、具体的な詳細は以下の通りである。

放射線科医は、医療画像データベースから医療画像を取り出し、放射線学情報システムのデータベースに記憶されるテキスト放射線学報告を作成する。

ＮＬＰアーチファクト及びＩＱ問題点分類器が、テキスト放射線学報告を読み取り、画像品質問題点のために注釈を付けられた報告に関して前にトレーニングされた学習アルゴリズムを使用して、テキスト断片を分類する。ＮＬＰアーチファクト及びＩＱ問題点分類器は、画像品質問題点に関することが知られているテキスト断片（たとえば、「低いコントラスト」、「ブロック」、「ドット」、「ストライプ」など）を含んでいる辞書を利用することができる。

ＮＬＰアーチファクト及びＩＱ問題点分類器の出力は、画像の品質に関係する数値スコアのセットである。これらのスコアは画像品質データベースに記憶され、そのデータベースからそれらのスコアが画像品質評価システムによって評価されて、画像品質に関する厳しい又は増大する問題点がある場合に早期警報が生成される。

リモートサービス技術者は、画像品質評価システムが警報を生成したとき、早期警報システムによって通知される。リモートサービス技術者はまた、たとえば、共通分析器ツールを使用してトラブルシューティングを実行するとき、要求に応じて画像品質評価システムにアクセスすることができる。

学習アルゴリズム
学習アルゴリズムは、画像品質問題点に関係するテキスト断片が、そのようなものとして手動でラベリングされた放射線学報告を使用してトレーニングされる（教師あり学習）。したがって、辞書に記憶されたテキスト断片は、正値性及び負値性の異なる程度でラベリングされる。学習アルゴリズムは、ニューラルネットワーク、ランダムフォレスト、サポートベクターマシンなど、機械学習アルゴリズムである。他の機械学習アルゴリズムが使用され得る。

たとえば、「the image contrast is too low（画像コントラストが低すぎる）」などのテキスト断片を仮定すれば、学習アルゴリズムは、最初にストップワードを削除し、「image（画像）」、「contrast（コントラスト）」、「low（低い）」など、特徴を抽出する（一般に、それらの用語は、さらに、「ｉｍａ」、「ｍａｇ」、「ａｇｅ」、「ｃｏｎ」、「ｏｎｔ」など、ｎグラムに再分割される）。次いで、学習アルゴリズムは、テキスト断片が画像品質問題点に関係するとラベリングされた場合、正のカウントをこれらの特徴に関連付けるか、又はそうでない場合、負のカウントをこれらの特徴に関連付ける。注釈付きフラグメントの大きいセットをスキャンすることによって、学習アルゴリズムは、（統計的）モデルを学習し、モデルは、次いで、画像品質問題点に関係する数値スコアを生成するために、前に見られなかったテキスト断片に適用され得る。

他の用途
（画像品質評価システムであると考えられ得る）医療警報を提供するためのシステムからの情報はまた、サービスのための警報として以外の他の目的のために、たとえば、現場での新しいシステム導入における、個別化されたサービスレベル、場所／専門の分野／領域の比較のための顧客層化のために使用され得る。医療デバイス品質を評価するための装置及び方法並びに医療警報を提供するためのシステムの他の用途は、医療デバイスが、最良の画像品質を達成するために適切に使用されているかどうかを検出すること、技術者又は放射線学部長にフィードバックを提供することであり、医療デバイスを使用する技術者をトレーニングするために医療デバイスを較正又はより良くセットアップするために専門家を送るために、システム製造業者又はサービス会社によって使用されることさえある。上記で説明された実施形態から、当業者は、これらの他の用途をどのように実施すべきかを明らかに了解する。

別の例示的な実施形態では、適切なシステム上で、前述の実施形態のうちの１つによる方法の方法のステップを実行するように構成されることによって特徴づけられる、コンピュータプログラム又はコンピュータプログラム要素が提供される。

したがって、コンピュータプログラム要素は、実施形態の一部でもあるコンピュータユニットに記憶される。このコンピューティングユニットは、上記で説明された方法のステップを実行するか又はステップの実行を誘起するように構成される。さらに、コンピューティングユニットは、上記で説明された装置及び／又はシステムの構成要素を動作させるように構成される。コンピューティングユニットは、自動的に動作し、及び／又はユーザの命令を実行するように構成され得る。コンピュータプログラムは、データプロセッサのワーキングメモリにロードされる。したがって、データプロセッサは、前述の実施形態のうちの１つによる方法を行うように装備される。

本発明のこの例示的な実施形態は、まったく始めから本発明を使用するコンピュータプログラムと、更新によって、既存のプログラムを、発明を使用するプログラムに変えるコンピュータプログラムの両方をカバーする。

さらに、コンピュータプログラム要素は、上記で説明された方法の例示的な実施形態の手順を果たすためのすべての必要なステップを提供することが可能である。

本発明のさらなる例示的な実施形態によれば、ＣＤ−ＲＯＭ、ＵＳＢスティックなど、コンピュータ可読媒体が提示され、コンピュータ可読媒体はコンピュータプログラム要素を記憶し、コンピュータプログラム要素は前述のセクションによって説明された。

コンピュータプログラムは、他のハードウェアとともに又は他のハードウェアの一部として供給される光記憶媒体又はソリッドステート媒体など、好適な媒体上に記憶及び／又は配信されるが、インターネット或いは他のワイヤード又はワイヤレス電気通信システムを介してなど、他の形態でも配信される。

しかしながら、コンピュータプログラムはまた、ワールドワイドウェブのようなネットワークを介して提示され、そのようなネットワークからデータプロセッサのワーキングメモリにダウンロードされ得る。本発明のさらなる例示的な実施形態によれば、コンピュータプログラム要素を、ダウンロードのために利用可能にするための媒体が提供され、コンピュータプログラム要素は、本発明の前に説明された実施形態のうちの１つによる方法を実行するように構成される。

本発明の実施形態は異なる主題に関して説明されたことに留意されなければならない。特に、いくつかの実施形態は方法タイプ請求項に関して説明されたが、他の実施形態はデバイスタイプ請求項に関して説明された。ただし、当業者は、上記及び以下の説明から、別段に通知されていない限り、１つのタイプの主題に属する特徴の任意の組合せに加えて、異なる主題に関係する特徴間の任意の組合せも、本出願によって開示されたと見なされることがわかる。ただし、すべての特徴は、組み合わせられ、特徴の単純な加算を超える相乗効果を提供することができる。

本発明は、図面及び上記の説明において、詳細に示され、説明されてきたが、そのような例示及び説明は、例示的（ｉｌｌｕｓｔｒａｔｉｖｅ）又は例示的（ｅｘｅｍｐｌａｒｙ）と見なされるべきであり、限定的でない。本発明は、開示された実施形態に限定されない。開示された実施形態に対する他の変形形態は、図面、開示、及び従属請求項の検討から、請求される本発明を実施する際に当業者によって理解され、実施され得る。

特許請求の範囲において、「備える、有する、含む（ｃｏｍｐｒｉｓｉｎｇ）」という言葉は他の要素又はステップを除外せず、不定冠詞「ａ」又は「ａｎ」は複数を除外しない。単一のプロセッサ又は他のユニットは、特許請求の範囲に記載されているいくつかの項目の機能を果たす。いくつかの方策が、相互に異なる従属請求項に記載されているという単なる事実は、これらの方策の組合せが有利に使用され得ないことを示さない。特許請求の範囲中のいかなる参照符号も、その範囲を限定するものと解釈されるべきではない。

Claims (13)

1. 医療デバイス品質を評価するための装置であって、前記装置は、
   入力ユニットと、
   処理ユニットと
   を備え、
   前記入力ユニットが、前記処理ユニットに、医療デバイスによって収集された少なくとも１つの医療画像に関連付けられた少なくとも１つの報告を提供し、報告が、対応する医療画像に関連付けられ、
   前記処理ユニットが、前記少なくとも１つの報告を分析し、少なくとも１つの画像品質パラメータを生成するための分類器モジュールを実装し、画像品質パラメータが、対応する報告に関連付けられ、前記分類器モジュールが、前記少なくとも１つの画像品質パラメータを生成するために、前記少なくとも１つの報告に自然言語アルゴリズムを適用し、前記自然言語アルゴリズムが学習アルゴリズムを含み、前記学習アルゴリズムが、少なくとも１つのトレーニングデータに基づいて、画像品質パラメータのための値を生成し、
   前記処理ユニットが、前記少なくとも１つの画像品質パラメータを評価し、前記医療デバイスに関係する警報情報を生成するための評価モジュールを実装する、
   装置。
2. 前記少なくとも１つの報告のうちの報告がテキストを含み、前記分類器モジュールが、画像品質パラメータを生成するために、前記テキストの少なくとも１つの部分を分析する、請求項１に記載の装置。
3. 前記分類器モジュールが、前記テキストの前記少なくとも１つの部分における画像品質問題点に基づいて、前記画像品質パラメータを生成する、請求項２に記載の装置。
4. 前記分類器モジュールが、複数のテキスト断片を含んでいるデータベースを使用し、前記分類器モジュールが、前記画像品質パラメータを生成するために、前記テキストの前記少なくとも１つの部分を、前記複数のテキスト断片のうちの少なくとも１つと比較する、請求項２又は３に記載の装置。
5. 前記少なくとも１つの報告が、複数の報告を含み、前記少なくとも１つの品質パラメータが、複数の品質パラメータを含み、前記評価モジュールが、前記複数の品質パラメータにおける決定された傾向に基づいて、警報情報を生成する、請求項１乃至４のいずれか一項に記載の装置。
6. 前記少なくとも１つの報告が、前記少なくとも１つの医療画像に基づいて、少なくとも１人のユーザによって生成されている、請求項１乃至５のいずれか一項に記載の装置。
7. 前記評価モジュールが、前記少なくとも１つの画像品質パラメータとしきい値との比較に基づいて、前記警報情報を生成する、請求項１乃至６のいずれか一項に記載の装置。
8. 前記少なくとも１つの報告が、複数の報告を含み、前記少なくとも１つの品質パラメータが、複数の品質パラメータを含み、前記評価モジュールは、前記複数の品質パラメータの数が前記しきい値を超えることに基づいて、前記警報情報を生成する、請求項７に記載の装置。
9. 医療デバイス警報を提供するためのシステムであって、前記システムは、
   情報提供ユニットと、
   医療デバイス品質を評価するための請求項１乃至８のいずれか一項に記載の装置と、
   出力ユニットと
   を備え、
   前記少なくとも１つの報告が、前記情報提供ユニットから前記入力ユニットに提供され、
   前記処理ユニットが、前記情報提供ユニットから提供された前記少なくとも１つの報告に基づいて、警報情報を生成し、
   前記出力ユニットが、前記警報情報に基づいて、警報を出力する、
   システム。
10. 医療デバイス品質を評価するための方法であって、前記方法は、
    ｂ） 医療デバイスによって収集された少なくとも１つの医療画像に関連付けられた少なくとも１つの報告を提供するステップであって、報告が、対応する医療画像に関連付けられる、提供するステップと、
    ｃ） 学習アルゴリズムを含む自然言語処理アルゴリズムを前記少なくとも１つの報告に適用することと、少なくとも１つのトレーニングデータに基づいて、画像品質パラメータのための値を生成するために前記学習アルゴリズムを使用することとによって、前記少なくとも１つの報告を分析し、少なくとも１つの画像品質パラメータを生成するステップであって、前記画像品質パラメータが、対応する報告に関連付けられる、分析し、生成するステップと、
    ｄ） 前記少なくとも１つの画像品質パラメータを評価し、前記医療デバイスに関係する警報情報を生成するステップと
    を有する、方法。
11. 前記方法が、
    ａ） 前記少なくとも１つの医療画像に基づいて、少なくとも１人のユーザによって前記少なくとも１つの報告を生成するステップ
    を有する、請求項１０に記載の方法。
12. 請求項１乃至９のいずれか一項に記載の装置を制御するためのコンピュータプログラムであって、プロセッサによって実行されたとき、請求項１０又は１１に記載の方法を行う、コンピュータプログラム。
13. 請求項１２に記載のコンピュータプログラムを記憶した、コンピュータ可読媒体。

Images