JP2021087464A - 医用画像解析システム、プログラム及び医用画像解析方法 - Google Patents

医用画像解析システム、プログラム及び医用画像解析方法 Download PDF

Info

Publication number
JP2021087464A
JP2021087464A JP2019217677A JP2019217677A JP2021087464A JP 2021087464 A JP2021087464 A JP 2021087464A JP 2019217677 A JP2019217677 A JP 2019217677A JP 2019217677 A JP2019217677 A JP 2019217677A JP 2021087464 A JP2021087464 A JP 2021087464A
Authority
JP
Japan
Prior art keywords
medical image
patient
diagnosed
age
image analysis
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.)
Pending
Application number
JP2019217677A
Other languages
English (en)
Inventor
のどか 飯田
Nodoka Iida
のどか 飯田
笠井　聡
Satoshi Kasai
聡 笠井
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.)
Konica Minolta Inc
Original Assignee
Konica Minolta Inc
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 Konica Minolta Inc filed Critical Konica Minolta Inc
Priority to JP2019217677A priority Critical patent/JP2021087464A/ja
Priority to US17/108,056 priority patent/US20210166378A1/en
Publication of JP2021087464A publication Critical patent/JP2021087464A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • 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
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • 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
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Pulmonology (AREA)
  • Quality & Reliability (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】ＣＯＰＤの早期発見及び予防の促進を図るとともに、患者の負担を軽減する。【解決手段】医用画像解析システムでは、診断対象患者の胸部を撮影して得られた医用画像を受信し（ステップＳ１）、診断対象患者の医用画像から肺年齢（呼吸機能を示す指標値）を推定し（ステップＳ２）、推定された肺年齢を表示部に表示させる（ステップＳ３）。医用画像から肺年齢を推定する際には、例えば、予め用意された患者の医用画像を入力データとし、当該患者に対応する肺年齢を出力データとしてディープラーニングを行った学習結果を用いる。【選択図】図５

Description

本発明は、医用画像解析システム、プログラム及び医用画像解析方法に関する。
一般に、慢性閉塞性肺疾患（ＣＯＰＤ：Chronic Obstructive Pulmonary Disease）等の呼吸器の病気が疑われる場合や、病気の状態を判断する場合には、スパイロメーターを用いた検査が行われている。この検査では、患者が実際に息を吸ったり吐いたりして、息を吸う力、吐く力、酸素を取り込む能力等を調べている。
例えば、ＣＯＰＤの早期発見や予防に用いる肺機能情報として、スパイロメーターの測定値から算出された肺年齢が利用されている（特許文献１参照）。肺年齢は、呼吸機能を示す指標の一つであり、性別、身長、１秒量から求められる。肺年齢の算出機能は、検査に使用するスパイロメーターに組み込むこともできる。
国際公開第２０１４／０９７４４９号
しかしながら、スパイロメーターを用いた呼吸機能検査は、専用の装置が必要であるため、簡易的ではなく、ＣＯＰＤの症状が発症している患者以外の患者（健常者等）に対して実施されることは少ない。通常、呼吸機能検査は、自覚症状がある場合か、画像検査によって必要と判断された場合に、行われている。したがって、健常者の肺年齢を測定する機会は少なく、スパイロメーターを用いた呼吸機能検査や肺年齢の測定を行う頃には、既に病状が悪化している場合が多く、ＣＯＰＤの早期発見や予防の促進は困難であった。
また、高齢者の場合、呼吸機能を測定するスパイロメーターでは、息を大きく吸って吐くことを繰り返す検査時の動作が被検者の負担になるという問題もあった。
このため、実際にスパイロメーターを使用することなく、肺年齢等の呼吸機能を示す指標値を得ることが期待されている。
本発明は、上記の従来技術における問題に鑑みてなされたものであって、ＣＯＰＤの早期発見及び予防の促進を図るとともに、患者の負担を軽減することを課題とする。
上記課題を解決するために、請求項１に記載の発明は、診断対象患者を撮影して得られた医用画像を取得する取得部と、当該取得された医用画像から呼吸機能を示す指標値を推定する推定部と、当該推定された指標値を出力部に出力させる制御部と、を備える医用画像解析システムである。
請求項２に記載の発明は、請求項１に記載の医用画像解析システムにおいて、前記指標値は、スパイロメーターにより測定される測定値、又は、当該測定値から算出される値である。
請求項３に記載の発明は、請求項２に記載の医用画像解析システムにおいて、前記指標値は、肺年齢である。
請求項４に記載の発明は、請求項１から３のいずれか一項に記載の医用画像解析システムにおいて、前記医用画像は、胸部単純Ｘ線画像である。
請求項５に記載の発明は、請求項１から３のいずれか一項に記載の医用画像解析システムにおいて、前記医用画像は、動態画像である。
請求項６に記載の発明は、請求項１から５のいずれか一項に記載の医用画像解析システムにおいて、前記出力部は、前記推定された指標値を表示する表示部である。
請求項７に記載の発明は、請求項６に記載の医用画像解析システムにおいて、前記制御部は、前記診断対象患者の過去の医用画像から推定された指標値の全て又は一部と、前記診断対象患者の最新の医用画像から推定された指標値と、を前記表示部に表示させる。
請求項８に記載の発明は、請求項７に記載の医用画像解析システムにおいて、前記制御部は、前記診断対象患者の過去の医用画像から推定された指標値の全て又は一部と、前記診断対象患者の最新の医用画像から推定された指標値と、をグラフ化して前記表示部に表示させる。
請求項９に記載の発明は、請求項６から８のいずれか一項に記載の医用画像解析システムにおいて、前記制御部は、前記診断対象患者の過去の医用画像と前記診断対象患者の最新の医用画像の全て又は一部を前記表示部に表示させる。
請求項１０に記載の発明は、請求項６から９のいずれか一項に記載の医用画像解析システムにおいて、前記制御部は、前記診断対象患者の医用画像と類似した症例の医用画像を前記表示部に表示させる。
請求項１１に記載の発明は、請求項６から１０のいずれか一項に記載の医用画像解析システムにおいて、前記制御部は、前記診断対象患者と所定の条件が同じ健常者の医用画像を前記表示部に表示させる。
請求項１２に記載の発明は、請求項６から１１のいずれか一項に記載の医用画像解析システムにおいて、前記制御部は、前記診断対象患者について予測される将来の指標値を前記表示部に表示させる。
請求項１３に記載の発明は、請求項１から１２のいずれか一項に記載の医用画像解析システムにおいて、前記推定された指標値から異常を検出する異常検出部を備える。
請求項１４に記載の発明は、請求項１から１３のいずれか一項に記載の医用画像解析システムにおいて、前記推定部は、予め用意された患者の医用画像を入力データとし、当該患者に対応する指標値を出力データとしてディープラーニングを行った学習結果に基づいて、前記診断対象患者の医用画像から指標値を推定する。
請求項１５に記載の発明は、請求項１から１３のいずれか一項に記載の医用画像解析システムにおいて、前記推定部は、予め用意された患者の医用画像及び臨床データを入力データとし、当該患者に対応する指標値を出力データとしてディープラーニングを行った学習結果に基づいて、前記診断対象患者の医用画像及び臨床データから指標値を推定する。
請求項１６に記載の発明は、請求項１５に記載の医用画像解析システムにおいて、前記臨床データは、性別、実年齢、身長、体重、血圧、脈拍、ＳｐＯ２の少なくとも一つを含む。
請求項１７に記載の発明は、コンピューターを、診断対象患者を撮影して得られた医用画像を取得する取得部、当該取得された医用画像から呼吸機能を示す指標値を推定する推定部、当該推定された指標値を出力部に出力させる制御部、として機能させるためのプログラムである。
請求項１８に記載の発明は、診断対象患者を撮影して得られた医用画像を取得する取得工程と、当該取得された医用画像から呼吸機能を示す指標値を推定する推定工程と、当該推定された指標値を出力部に出力させる出力工程と、を含む医用画像解析方法である。
本発明によれば、ＣＯＰＤの早期発見及び予防の促進を図るとともに、患者の負担を軽減することができる。
本発明の第１の実施の形態における医用画像解析システムのシステム構成図である。 データ管理サーバーの機能的構成を示すブロック図である。 画像管理テーブルの例である。 画像解析装置の機能的構成を示すブロック図である。 第１の肺年齢推定処理を示すフローチャートである。 肺年齢表示画面の例である。 プリンターにより印刷された肺年齢の出力例である。 第２の実施の形態における第２の肺年齢推定処理を示すフローチャートである。 肺年齢表示画面の例である。 別の肺年齢表示画面の例である。 プリンターにより印刷された肺年齢推移グラフの出力例である。 第２の実施の形態の変形例における肺年齢表示画面の例である。 第３の実施の形態における第３の肺年齢推定処理を示すフローチャートである。 肺年齢表示画面の例である。 第４の実施の形態における第４の肺年齢推定処理を示すフローチャートである。 肺年齢表示画面の例である。 医用画像と構造化レポートとを対応付けて保存する過去データの保存方法を説明するための図である。
以下、本発明の実施の形態について、図面を参照しながら説明する。ただし、本発明の範囲は、実施の形態や図示例に限定されるものではない。
［第１の実施の形態］
図１に、本発明の第１の実施の形態における医用画像解析システム１００のシステム構成を示す。医用画像解析システム１００は、放射線撮影装置１０、コンソール２０、データ管理サーバー３０、画像解析装置４０、プリンター５０、ビューアー端末６０等を備えて構成され、各装置は、通信ネットワークＮを介してデータ通信可能に接続されている。
放射線撮影装置１０は、放射線源、曝射スイッチ、放射線検出部（ＦＰＤ：Flat Panel Detector）、通信部等を備えて構成され、被写体を撮影して医用画像を生成する。放射線撮影装置１０は、診断対象患者の胸部を撮影して、胸部単純Ｘ線画像を生成する。また、放射線撮影装置１０は、動態撮影により動態画像を生成することができる。
動態撮影とは、被写体に対し、Ｘ線等の放射線を所定時間間隔で繰り返し照射するか（パルス照射）、又は、低線量率にして途切れなく継続して照射する（連続照射）ことで、複数の画像を取得することをいう。動態撮影では、例えば、呼吸運動に伴う肺の膨張及び収縮の形態変化、心臓の拍動等、周期性（サイクル）を持つ胸部の動態を連続撮影する。この連続撮影により得られた画像を動態画像と呼ぶ。
コンソール２０は、放射線撮影装置１０に対する操作及び制御を行うためのＰＣ（Personal Computer）や専用の装置で構成されている。
データ管理サーバー３０は、放射線撮影装置１０において生成された医用画像の画像データや、肺年齢等のデータを、患者ごと、検査ごとに管理するコンピューター装置である。データ管理サーバー３０としては、ＰＡＣＳ（Picture Archiving and Communication System）を含む構成であってもよいし、クラウドサーバーを利用したものであってもよい。
以下、各実施の形態では、呼吸機能を示す指標値の一例として、肺年齢を用いる。呼吸機能を示す指標値は、スパイロメーターにより測定される値、又は、スパイロメーターにより測定される測定値から算出される値である。
肺年齢とは、日本呼吸器学会・肺生理専門委員会が定義している１秒量の式を元に、性別、身長、１秒量（ＦＥＶ１）等から算出した値であり、呼吸機能の指標となっている。肺年齢は、以下の式（１）、（２）により求められる。
Figure 2021087464
なお、各実施の形態において、上記式（１）、（２）を用いて肺年齢を算出する（肺年齢の実測値を求める）のは、患者に対してスパイロメーター検査が行われた場合であり、主に学習用データを生成する場合である。詳細については後述するが、本発明は、上記式（１）、（２）を用いずに、医用画像から肺年齢を推定するものである。
画像解析装置４０は、放射線撮影装置１０において生成された医用画像の画像データを解析して、肺年齢を推定するコンピューター装置である。
プリンター５０は、印刷用の画像データに基づいて、用紙等の記録媒体上に画像を印刷する。
ビューアー端末６０は、表示部、操作部等を備える表示装置であり、表示部に各種画面を表示する。
図２に、データ管理サーバー３０の機能的構成を示す。データ管理サーバー３０は、制御部３１、通信部３２、記憶部３３等を備えて構成されており、各部はバス３４により接続されている。
制御部３１は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）等から構成され、データ管理サーバー３０の各部の処理動作を統括的に制御する。具体的には、ＣＰＵは、記憶部３３に記憶されている各種処理プログラムを読み出してＲＡＭに展開し、当該プログラムとの協働により各種処理を行う。
通信部３２は、ネットワークインターフェース等により構成され、通信ネットワークＮを介して接続された外部機器との間でデータの送受信を行う。例えば、通信部３２は、放射線撮影装置１０により患者を撮影して得られた医用画像の画像データを受信する。また、通信部３２は、画像解析装置４０からの要求に応じて、医用画像の画像データや肺年齢等のデータを画像解析装置４０に送信する。
記憶部３３は、ＨＤＤ（Hard Disk Drive）や不揮発性の半導体メモリー等により構成され、各種処理プログラム、当該プログラムの実行に必要なパラメーターやファイル等を記憶している。
記憶部３３には、画像管理テーブルＴ１、患者テーブルＴ２が記憶されている。また、記憶部３３は、医用画像記憶領域３３１を有し、医用画像記憶領域３３１には、医用画像の画像データが記憶されている。
図３に、画像管理テーブルＴ１の例を示す。画像管理テーブルＴ１には、医用画像ごとに、患者ＩＤ、検査ＩＤ、部位、画像ＵＩＤ、検査日、肺年齢等が対応付けられている。
患者ＩＤは、患者の識別情報である。
検査ＩＤは、検査の識別情報である。
部位は、放射線撮影装置１０における検査対象部位である。
画像ＵＩＤは、医用画像を特定するための識別情報である。
検査日は、放射線撮影装置１０において検査（撮影）が行われた日付である。
肺年齢は、画像ＵＩＤにより特定される医用画像から推定された肺年齢である。
患者テーブルＴ２には、患者ごとに、患者ＩＤ、氏名、生年月日、年齢（実年齢）、性別、身長、体重等が対応付けられている。
図４に、画像解析装置４０の機能的構成を示す。画像解析装置４０は、制御部４１、表示部４２、操作部４３、通信部４４、記憶部４５、肺年齢推定部４６等を備えて構成されており、各部はバス４７により接続されている。
制御部４１は、ＣＰＵ、ＲＡＭ等から構成され、画像解析装置４０の各部の処理動作を統括的に制御する。具体的には、ＣＰＵは、記憶部４５に記憶されている各種処理プログラムを読み出してＲＡＭに展開し、当該プログラムとの協働により各種処理を行う。
表示部４２は、ＬＣＤ（Liquid Crystal Display）等のモニターを備えて構成されており、制御部４１から入力される表示信号の指示に従って、各種画面を表示する。
操作部４３は、カーソルキー、文字・数字入力キー及び各種機能キー等を備えたキーボードと、マウス等のポインティングデバイスを備えて構成され、キーボードに対するキー操作やマウス操作により入力された操作信号を制御部４１に出力する。また、操作部４３が、表示部４２に積層されたタッチパネルにより構成される場合には、ユーザーの指等によるタッチ操作の位置に応じた操作信号を制御部４１に出力する。
通信部４４は、ネットワークインターフェース等により構成され、通信ネットワークＮを介して接続された外部機器との間でデータの送受信を行う。例えば、通信部４４は、放射線撮影装置１０により診断対象患者を撮影して得られた医用画像の画像データを受信する。すなわち、通信部４４は、診断対象患者を撮影して得られた医用画像を取得する取得部である。また、通信部４４は、データ管理サーバー３０から、医用画像の画像データや肺年齢等のデータを受信する。
記憶部４５は、ＨＤＤや不揮発性の半導体メモリー等により構成され、各種処理プログラム、当該プログラムの実行に必要なパラメーターやファイル等を記憶している。
肺年齢推定部４６は、取得された医用画像から呼吸機能を示す指標値としての肺年齢を推定する。肺年齢推定部４６は、記憶部４５に格納されたプログラムと制御部４１のＣＰＵとの協働によってソフトウェア処理で実現される。
肺年齢推定部４６は、予め用意された患者の医用画像（胸部Ｘ線画像）を入力データとし、当該患者に対応する肺年齢を出力データとしてディープラーニングを行った学習結果を有している（シングルモーダル）。ディープラーニングに用いる肺年齢は、患者が実際に行ったスパイロメーター検査の測定値（１秒量）から算出した値である。肺年齢推定部４６は、ディープラーニングの学習結果に基づいて、診断対象患者の医用画像から肺年齢を推定する。
なお、診断対象患者の医用画像として静止画像を用いる場合には、静止画像を入力データとしてディープラーニングを行い、診断対象患者の医用画像として動態画像を用いる場合には、動態画像を入力データとしてディープラーニングを行う。
制御部４１は、肺年齢推定部４６により推定された肺年齢を、出力部としての表示部４２に表示させる。
制御部４１は、肺年齢推定部４６により推定された肺年齢を、出力部としてのプリンター５０に印刷させる。
制御部４１は、肺年齢推定部４６により推定された肺年齢を、出力部としての通信部４４を介して、外部機器へ送信する（データ出力）。
次に、第１の実施の形態の医用画像解析システム１００における動作について説明する。
図５は、画像解析装置４０により実行される第１の肺年齢推定処理を示すフローチャートである。
まず、制御部４１は、通信部４４を介して放射線撮影装置１０から診断対象患者の胸部を撮影して得られた医用画像を受信する（ステップＳ１）。なお、制御部４１は、データ管理サーバー３０から診断対象患者の医用画像を取得することとしてもよい。
次に、肺年齢推定部４６は、診断対象患者の医用画像から肺年齢を推定する（ステップＳ２）。具体的には、肺年齢推定部４６は、ディープラーニングを行った学習結果に基づいて、ステップＳ１で受信した医用画像を入力データとして、肺年齢を出力する。
次に、制御部４１は、推定された肺年齢を表示部４２に表示させる（ステップＳ３）。
図６に、表示部４２に表示される肺年齢表示画面４２１の例を示す。肺年齢表示画面４２１には、医用画像表示領域４２１Ａ、患者ＩＤ表示領域４２１Ｂ、肺年齢表示領域４２１Ｃ、実年齢との差表示領域４２１Ｄが含まれている。
医用画像表示領域４２１Ａには、診断対象患者の医用画像が表示される。
患者ＩＤ表示領域４２１Ｂには、診断対象患者の患者ＩＤが表示される。
肺年齢表示領域４２１Ｃには、診断対象患者の医用画像から推定された肺年齢が表示される。
実年齢との差表示領域４２１Ｄには、診断対象患者の肺年齢から診断対象患者の実年齢を引いた値が表示される。
また、制御部４１は、肺年齢推定部４６により推定された肺年齢を、プリンター５０に印刷させることとしてもよい。図７に、プリンター５０により印刷された肺年齢の出力例を示す。
次に、制御部４１は、医用画像から推定された肺年齢を、通信部４４を介して、データ管理サーバー３０に送信する（ステップＳ４）。
データ管理サーバー３０では、制御部３１が、放射線撮影装置１０から受信した診断対象患者の医用画像の画像データを記憶部３３の医用画像記憶領域３３１に記憶させるとともに、当該医用画像に係るデータ（患者ＩＤ、検査ＩＤ、部位、画像ＵＩＤ、検査日、肺年齢）を記憶部３３の画像管理テーブルＴ１に格納する。画像管理テーブルＴ１に格納される肺年齢は、画像解析装置４０から受信したものである。なお、診断対象患者の医用画像の画像データは、画像解析装置４０から受信してもよい。このようにして、データ管理サーバー３０には、医用画像の画像データ、肺年齢等のデータが蓄積されていく。
以上で、第１の肺年齢推定処理が終了する。
以上説明したように、第１の実施の形態によれば、診断対象患者を撮影して得られた医用画像から肺年齢（呼吸機能を示す指標値）を推定するので、ＣＯＰＤの早期発見及び予防の促進を図るとともに、患者の負担を軽減することができる。従来、肺年齢は、ＣＯＰＤの患者や、ＣＯＰＤの疑いがある患者が行う肺機能検査（スパイロメーター検査）により測定（算出）されていたが、第１の実施の形態によれば、定期検診等において放射線撮影装置１０で撮影される胸部Ｘ線画像から肺年齢を推定することができるため、スパイロメーターを通常使わない環境でＣＯＰＤの早期発見が見込める。
［第２の実施の形態］
次に、本発明を適用した第２の実施の形態について説明する。
第２の実施の形態における医用画像解析システムは、第１の実施の形態に示した医用画像解析システム１００と同様の構成によってなるため、図１〜図４を援用し、その構成については図示及び説明を省略する。以下、第２の実施の形態に特徴的な構成及び処理について説明する。
第２の実施の形態における画像解析装置４０の肺年齢推定部４６は、予め用意された患者の医用画像及び臨床データを入力データとし、当該患者に対応する肺年齢を出力データとしてディープラーニングを行った学習結果を有している（マルチモーダル）。肺年齢推定部４６は、ディープラーニングの学習結果に基づいて、診断対象患者の医用画像及び臨床データから肺年齢を推定する。
臨床データは、性別、実年齢、身長、体重、血圧、脈拍、ＳｐＯ２の少なくとも一つを含む。
例えば、予め用意された患者の医用画像の画像データと実年齢・血圧等の数値データを入力データとし、当該患者に対するスパイロメーター検査により測定された肺年齢を出力データ（正解データ）として対応付けてディープラーニングを行うことで、マルチモーダルなデータの学習を行う。これにより、画像データと数値データの特徴量を統合して肺年齢を推定することが可能となり、推定精度が向上する。
制御部４１は、肺年齢推定部４６により推定された肺年齢を出力部としての表示部４２に表示させる。
制御部４１は、診断対象患者の過去の医用画像から推定された肺年齢の全て又は一部と、診断対象患者の最新の医用画像から推定された肺年齢と、を表示部４２に表示させる。
制御部４１は、診断対象患者の過去の医用画像から推定された肺年齢の全て又は一部と、診断対象患者の最新の医用画像から推定された肺年齢と、をグラフ化して表示部４２に表示させる。
制御部４１は、診断対象患者の過去の医用画像と診断対象患者の最新の医用画像の全て又は一部を表示部４２に表示させる。
制御部４１は、肺年齢推定部４６により推定された肺年齢から異常を検出する。すなわち、制御部４１は、異常検出部として機能する。
次に、第２の実施の形態の医用画像解析システムにおける動作について説明する。
図８は、画像解析装置４０により実行される第２の肺年齢推定処理を示すフローチャートである。
まず、制御部４１は、通信部４４を介して放射線撮影装置１０から診断対象患者の胸部を撮影して得られた医用画像を受信する（ステップＳ１１）。
次に、ユーザーが操作部４３から診断対象患者の臨床データを入力すると、制御部４１は、入力された臨床データを取得する（ステップＳ１２）。
次に、肺年齢推定部４６は、診断対象患者の医用画像及び臨床データから肺年齢を推定する（ステップＳ１３）。具体的には、肺年齢推定部４６は、ディープラーニングを行った学習結果に基づいて、診断対象患者の医用画像及び臨床データを入力データとして、肺年齢を出力する。
次に、制御部４１は、同一患者の過去の医用画像及び肺年齢をデータ管理サーバー３０から取得する（ステップＳ１４）。具体的には、制御部４１は、通信部４４を介して、データ管理サーバー３０に、診断対象患者の過去の医用画像及び肺年齢の取得要求を送信する。取得要求には、診断対象患者の患者ＩＤが含まれる。
データ管理サーバー３０の制御部３１は、記憶部３３の画像管理テーブルＴ１を参照して、診断対象患者の患者ＩＤに対応する画像ＵＩＤ、検査日、肺年齢等を取得し、画像ＵＩＤから医用画像を特定する。制御部３１は、通信部３２を介して、診断対象患者の過去の医用画像、検査日、肺年齢を画像解析装置４０に送信する。
画像解析装置４０の制御部４１は、通信部４４を介して、データ管理サーバー３０から診断対象患者の過去の医用画像、検査日、肺年齢を取得する。制御部４１は、最新及び過去の医用画像に対応する検査日、肺年齢に基づいて、検査日に沿って、肺年齢の推移（経時変化）をグラフ化する（ステップＳ１５）。
次に、制御部４１は、診断対象患者の医用画像と、肺年齢のグラフを表示部４２に表示させる（ステップＳ１６）。
図９に、表示部４２に表示される肺年齢表示画面４２２の例を示す。肺年齢表示画面４２２には、医用画像表示領域４２２Ａ、患者ＩＤ表示領域４２２Ｂ、肺年齢推移グラフ表示領域４２２Ｃが含まれている。
医用画像表示領域４２２Ａには、診断対象患者の最新の医用画像（ステップＳ１１で受信した医用画像）が表示される。
患者ＩＤ表示領域４２２Ｂには、診断対象患者の患者ＩＤが表示される。
肺年齢推移グラフ表示領域４２２Ｃには、診断対象患者の最新及び過去の医用画像から推定された肺年齢の推移を示すグラフが表示される。グラフの横軸は時間であり、縦軸は肺年齢である。
肺年齢をグラフ化する際には、過去の医用画像に対応する肺年齢の全てを使用する必要はなく、肺年齢の推移を認識可能な程度にデータを間引いて使用してもよい。また、現在に近い方から所定数分の肺年齢のデータを使用してもよい。
図１０に、表示部４２に表示される別の肺年齢表示画面４２３の例を示す。肺年齢表示画面４２３には、過去画像表示領域４２３Ａ〜４２３Ｃ、最新画像表示領域４２３Ｄ、肺年齢推移グラフ表示領域４２３Ｅが含まれている。
過去画像表示領域４２３Ａ〜４２３Ｃには、診断対象患者の過去の医用画像が表示される。
最新画像表示領域４２３Ｄには、診断対象患者の最新の医用画像が表示される。
肺年齢推移グラフ表示領域４２３Ｅには、診断対象患者の最新及び過去の医用画像から推定された肺年齢の推移を示すグラフが表示される。
また、制御部４１は、肺年齢のグラフを、プリンター５０に印刷させることとしてもよい。図１１に、プリンター５０により印刷された肺年齢推移グラフの出力例を示す。
次に、制御部４１は、肺年齢推定部４６により推定された肺年齢から異常を検出したか否かを判断する（ステップＳ１７）。例えば、制御部４１は、ステップＳ１３で推定された肺年齢が実年齢より所定値以上大きい場合や、過去の肺年齢も含めて、肺年齢の推移から肺の状態が急激に悪化してきている場合（悪化の度合いが予め定められた基準より大きい場合）等に、異常があると判断する。
異常を検出した場合には（ステップＳ１７；ＹＥＳ）、制御部４１は、異常を検出したことを通知する（ステップＳ１８）。具体的には、制御部４１は、異常を検出したことを表示部４２に表示させる。検出した異常の通知方法としては、制御部４１は、推定された肺年齢自体や、実年齢との差分値を表示することで、異常を示してもよいし、表示する数値（異常と判断した数値）を他とは異なる色や太字等で強調表示してもよい。また、制御部４１は、異常の度合いを緊急度等の別の指標値やレベル等で示してもよい。また、異常の度合いが大きいものから診断してもらえるように、患者リスト等で異常の度合いが大きいものを優先的に表示してもよい。
ステップＳ１８の後、又は、ステップＳ１７において、異常を検出しなかった場合には（ステップＳ１７；ＮＯ）、制御部４１は、医用画像から推定された肺年齢を、通信部４４を介して、データ管理サーバー３０に送信する（ステップＳ１９）。
データ管理サーバー３０では、制御部３１が、最新の医用画像の画像データを記憶部３３の医用画像記憶領域３３１に記憶させるとともに、当該医用画像に係るデータ（患者ＩＤ、検査ＩＤ、部位、画像ＵＩＤ、検査日、肺年齢）を記憶部３３の画像管理テーブルＴ１に格納する。
以上で、第２の肺年齢推定処理が終了する。
以上説明したように、第２の実施の形態によれば、診断対象患者を撮影して得られた医用画像から肺年齢（呼吸機能を示す指標値）を推定するので、ＣＯＰＤの早期発見及び予防の促進を図るとともに、患者の負担を軽減することができる。
特に、過去の医用画像から推定された肺年齢と、最新の医用画像から推定された肺年齢と、を表示させることによって、診断対象患者の肺年齢の推移を確認することができる。また、肺年齢の経時変化をグラフ化することで、より見やすくなる。
［変形例］
次に、第２の実施の形態の変形例について説明する。
変形例では、画像解析装置４０の制御部４１は、さらに、診断対象患者について予測される将来の肺年齢を表示部４２に表示させる。具体的には、制御部４１は、ＬＳＴＭ（Long Short-Term Memory）を用いて、一次元時系列データ（肺年齢）の今後の推移を予測する。制御部４１は、予め収集された、予防活動を行っていない患者の肺年齢（スパイロメーター検査により得られた実測値）の推移データを利用して、肺年齢の推移の一部を入力データとし、推移から計算される予測値を出力データとして、実際に推移した値（入力データに用いなかった推移データの一部）と誤差をとることで学習を行い、肺年齢の予測を実現する。
また、制御部４１は、診断対象患者が予防活動を行った場合の肺年齢の予測値を求め、表示部４２に表示させる。具体的には、制御部４１は、予め収集された、予防活動を行った患者の肺年齢（スパイロメーター検査により得られた実測値）の推移データを利用して、肺年齢の推移の一部を入力データとし、推移から計算される予測値を出力データとして、実際に推移した値（入力データに用いなかった推移データの一部）と誤差をとることで学習を行い、肺年齢の予測を実現する。
図１２に、画像解析装置４０の表示部４２に表示される肺年齢表示画面４２４の例を示す。肺年齢表示画面４２４には、過去画像表示領域４２４Ａ，４２４Ｂ、最新画像表示領域４２４Ｃ、肺年齢推移グラフ表示領域４２４Ｄが含まれている。
過去画像表示領域４２４Ａ，４２４Ｂには、診断対象患者の過去の医用画像が表示される。
最新画像表示領域４２４Ｃには、診断対象患者の最新の医用画像が表示される。
肺年齢推移グラフ表示領域４２４Ｄには、診断対象患者の最新及び過去の医用画像から推定された肺年齢の推移に予測値を加えたグラフが表示される。グラフＧ１が予防を行わない場合の予測値であり、グラフＧ２が予防を行う場合の予測値である。
変形例によれば、これまでの診断対象患者の肺年齢（呼吸機能を示す指標値）の推移だけでなく、条件別（予防の有無等）に求めた将来の予測値を示すことで、患者に注意を喚起することができる。
［第３の実施の形態］
次に、本発明を適用した第３の実施の形態について説明する。
第３の実施の形態における医用画像解析システムは、第１の実施の形態に示した医用画像解析システム１００と同様の構成によってなるため、図１〜図４を援用し、その構成については図示及び説明を省略する。以下、第３の実施の形態に特徴的な構成及び処理について説明する。
第３の実施の形態においても、画像解析装置４０の肺年齢推定部４６は、第２の実施の形態と同様、予め用意された患者の医用画像及び臨床データを入力データとし、当該患者に対応する肺年齢を出力データとしてディープラーニングを行った学習結果に基づいて、診断対象患者の医用画像及び臨床データから肺年齢を推定する。
第３の実施の形態では、データ管理サーバー３０は、画像解析装置４０の肺年齢推定部４６と同様、医用画像及び臨床データから肺年齢を推定するためのディープラーニングの学習結果を有している。制御部３１は、予め複数の医用画像（胸部画像）及び臨床データを入力データ、肺年齢を出力データ（正解データ）として予め学習しておく。また、ディープラーニングに用いた医用画像、臨床データ、肺年齢（実測値）のデータ（学習用データ）は、対応付けられて記憶部３３に記憶されている。
データ管理サーバー３０の制御部３１は、画像解析装置４０から診断対象患者の医用画像又は肺年齢を取得し、記憶部３３に記憶されている医用画像（ディープラーニングに用いた医用画像）の中から、診断対象患者の医用画像と類似した症例の医用画像を検索する。例えば、画像同士が似ているものを抽出する場合には、ディープラーニングの特徴量を利用する。制御部３１は、予め学習させた胸部画像の中で、学習したネットワークの推論処理から出力される診断対象患者の胸部画像（特に、肺領域）の特徴ベクトルとの類似度が高いものから順に所定数の画像を、類似画像として取得する。
また、制御部３１は、医用画像に対応する肺年齢が診断対象患者に対して推定された肺年齢に近い医用画像を、類似画像として取得することとしてもよい。肺年齢が近いとは、肺年齢が一致しているか、又は、肺年齢同士の差が所定値以内であることをいう。
画像解析装置４０の制御部４１は、診断対象患者の医用画像と類似した症例の医用画像を表示部４２に表示させる。診断対象患者の医用画像と類似していると判断する際の基準となる範囲や、表示される類似画像の数等のパラメーターは、予め設定されていてもよいし、ユーザーが指定できるものとしてもよい。
次に、第３の実施の形態の医用画像解析システムにおける動作について説明する。
図１３は、画像解析装置４０により実行される第３の肺年齢推定処理を示すフローチャートである。
ステップＳ２１〜ステップＳ２３の処理は、第２の肺年齢推定処理のステップＳ１１〜ステップＳ１３の処理と同様であるため、説明を省略する。
次に、制御部４１は、診断対象患者の医用画像と類似した別患者の医用画像、肺年齢及び実年齢をデータ管理サーバー３０から取得する（ステップＳ２４）。具体的には、制御部４１は、通信部４４を介して、データ管理サーバー３０に、診断対象患者の医用画像と類似した別患者の医用画像、肺年齢及び実年齢の取得要求を送信する。取得要求には、診断対象患者の医用画像が含まれる。
データ管理サーバー３０の制御部３１は、学習に用いた医用画像の中から、診断対象患者の医用画像の特徴ベクトルとの類似度が高いものから順に所定数の画像を抽出する。また、制御部３１は、抽出された医用画像に対応する肺年齢を学習用データから取得し、抽出された医用画像に対応する実年齢を臨床データ（学習用データ）から取得する。制御部３１は、通信部３２を介して、診断対象患者の医用画像と類似した別患者の医用画像、肺年齢及び実年齢を画像解析装置４０に送信する。
肺年齢に基づいて類似画像を取得する場合には、画像解析装置４０からデータ管理サーバー３０に送信される取得要求に、診断対象患者の医用画像に対して推定された肺年齢が含まれる。
データ管理サーバー３０の制御部３１は、記憶部３３の画像管理テーブルＴ１を参照して、診断対象患者の肺年齢と近い「肺年齢」を含むレコードを抽出し、このレコードに対応する患者ＩＤ、画像ＵＩＤ、肺年齢等を取得し、患者ＩＤに対応する実年齢を患者テーブルＴ２から取得するとともに、画像ＵＩＤから医用画像を特定する。制御部３１は、通信部３２を介して、類似した別患者の医用画像、肺年齢及び実年齢を画像解析装置４０に送信する。
なお、肺年齢に基づいて類似画像を抽出する際にも、医用画像の特徴ベクトルを用いる場合と同様、学習用データから類似した別患者の医用画像を抽出してもよい。
画像解析装置４０の制御部４１は、診断対象患者と、別患者のそれぞれについて、医用画像、肺年齢及び実年齢を表示部４２に表示させる（ステップＳ２５）。
図１４に、表示部４２に表示される肺年齢表示画面４２５の例を示す。肺年齢表示画面４２５には、診断対象画像表示領域４２５Ａ、実年齢表示領域４２５Ｂ、肺年齢表示領域４２５Ｃ、類似画像表示領域４２５Ｄ、実年齢表示領域４２５Ｅ、肺年齢表示領域４２５Ｆが含まれている。
診断対象画像表示領域４２５Ａには、診断対象患者の医用画像が表示される。
実年齢表示領域４２５Ｂには、診断対象患者の実年齢が表示される。
肺年齢表示領域４２５Ｃには、診断対象患者の肺年齢が表示される。
類似画像表示領域４２５Ｄには、診断対象患者の医用画像と類似した別患者の医用画像が表示される。
実年齢表示領域４２５Ｅには、別患者の実年齢が表示される。
肺年齢表示領域４２５Ｆには、別患者の肺年齢が表示される。
次に、制御部４１は、医用画像から推定された肺年齢を、通信部４４を介して、データ管理サーバー３０に送信する（ステップＳ２６）。なお、診断対象患者の医用画像と類似した別患者の医用画像を取得する際に、データ管理サーバー３０に診断対象患者の肺年齢を送信している場合には、本ステップで送信する必要はない。
データ管理サーバー３０では、制御部３１が、診断対象患者の医用画像の画像データを記憶部３３の医用画像記憶領域３３１に記憶させるとともに、当該医用画像に係るデータ（患者ＩＤ、検査ＩＤ、部位、画像ＵＩＤ、検査日、肺年齢）を記憶部３３の画像管理テーブルＴ１に格納する。
以上で、第３の肺年齢推定処理が終了する。
以上説明したように、第３の実施の形態によれば、診断対象患者を撮影して得られた医用画像から肺年齢（呼吸機能を示す指標値）を推定するので、ＣＯＰＤの早期発見及び予防の促進を図るとともに、患者の負担を軽減することができる。
また、診断対象患者の医用画像と、類似した症例の医用画像を並べて表示することで、診断対象患者の診断を容易に行うことができる。
診断対象患者と胸部画像（特に、肺領域）が似ている別患者、近い肺年齢を持つ別患者の医用画像の中で、類似度が高い症例から、診断対象患者と抽出された別患者の実年齢を比較することで、特に肺年齢が実年齢より高い場合、患者自身の予防活動を促進することができる。また、医師が診断対象患者の読影を行う際、類似画像の検索結果から、肺年齢が同等の類似画像、すなわち、同じ呼吸機能状態の患者の肺の様子を参考にしながら読影を行えるため、読影を補助することが可能となる。
［第４の実施の形態］
次に、本発明を適用した第４の実施の形態について説明する。
第４の実施の形態における医用画像解析システムは、第１の実施の形態に示した医用画像解析システム１００と同様の構成によってなるため、図１〜図４を援用し、その構成については図示及び説明を省略する。以下、第４の実施の形態に特徴的な構成及び処理について説明する。
第４の実施の形態においても、画像解析装置４０の肺年齢推定部４６は、第２の実施の形態と同様、予め用意された患者の医用画像及び臨床データを入力データとし、当該患者に対応する肺年齢を出力データとしてディープラーニングを行った学習結果に基づいて、診断対象患者の医用画像及び臨床データから肺年齢を推定する。
画像解析装置４０の制御部４１は、診断対象患者と所定の条件が同じ健常者の医用画像を表示部４２に表示させる。所定の条件として、例えば、年代、性別、身長等が挙げられる。「年代が同じ」には、診断対象患者と健常者の年齢が同じか、診断対象患者と健常者の年齢差が所定値（例えば、３歳等）以内の場合が含まれる。また、「身長が同じ」には、診断対象患者と健常者の身長が同じか、診断対象患者と健常者の身長差が所定値（例えば、３ｃｍ等）以内の場合が含まれる。
データ管理サーバー３０の制御部３１は、画像解析装置４０からの取得要求に応じて、例えば、同年代健常者の医用画像を検索する。制御部３１は、診断対象患者と実年齢が同じか、又は、診断対象患者の実年齢に対してプラス・マイナスσ以内であって、実年齢が肺年齢以上の同年代健常者を検索し、何例か抽出する。そして、制御部３１は、抽出された同年代健常者に対応する医用画像を特定する。同年代と判断するために用いる閾値σや、同年代健常者の抽出数等のパラメーターは予め設定されていてもよいし、ユーザーが指定できるものとしてもよい。
次に、第４の実施の形態の医用画像解析システムにおける動作について説明する。
図１５は、画像解析装置４０により実行される第４の肺年齢推定処理を示すフローチャートである。
ステップＳ３１〜ステップＳ３３の処理は、第２の肺年齢推定処理のステップＳ１１〜ステップＳ１３の処理と同様であるため、説明を省略する。
次に、制御部４１は、診断対象患者と同年代の健常者の医用画像、肺年齢及び実年齢をデータ管理サーバー３０から取得する（ステップＳ３４）。具体的には、制御部４１は、通信部４４を介して、データ管理サーバー３０に、診断対象患者と同年代の健常者の医用画像、肺年齢及び実年齢の取得要求を送信する。取得要求には、診断対象患者の実年齢が含まれる。
データ管理サーバー３０の制御部３１は、記憶部３３の患者テーブルＴ２の「年齢」フィールドを参照して、診断対象患者と実年齢が同じか、実年齢に対してプラス・マイナスσ以内の患者を抽出する。そして、制御部３１は、抽出された患者の肺年齢を記憶部３３の画像管理テーブルＴ１から取得し、実年齢が肺年齢以上のものを同年代健常者とする。さらに、制御部３１は、記憶部３３の画像管理テーブルＴ１を参照して、同年代健常者（健常者の患者ＩＤ）に対応する画像ＵＩＤを取得し、画像ＵＩＤから医用画像を特定する。制御部３１は、通信部３２を介して、診断対象患者と同年代の健常者の医用画像、肺年齢、実年齢を画像解析装置４０に送信する。
画像解析装置４０の制御部４１は、診断対象患者と、健常者のそれぞれについて、医用画像、肺年齢及び実年齢を表示部４２に表示させる（ステップＳ３５）。
図１６に、表示部４２に表示される肺年齢表示画面４２６の例を示す。肺年齢表示画面４２６には、診断対象画像表示領域４２６Ａ、実年齢表示領域４２６Ｂ、肺年齢表示領域４２６Ｃ、同年代健常者画像表示領域４２６Ｄ、実年齢表示領域４２６Ｅ、肺年齢表示領域４２６Ｆが含まれている。
診断対象画像表示領域４２６Ａには、診断対象患者の医用画像が表示される。
実年齢表示領域４２６Ｂには、診断対象患者の実年齢が表示される。
肺年齢表示領域４２６Ｃには、診断対象患者の肺年齢が表示される。
同年代健常者画像表示領域４２６Ｄには、同年代健常者の医用画像が表示される。
実年齢表示領域４２６Ｅには、同年代健常者の実年齢が表示される。
肺年齢表示領域４２６Ｆには、同年代健常者の肺年齢が表示される。
肺年齢表示画面４２６において、さらに、同年代の患者における肺年齢の平均値４２６Ｇを表示させることとしてもよい。
次に、制御部４１は、医用画像から推定された肺年齢を、通信部４４を介して、データ管理サーバー３０に送信する（ステップＳ３６）。
データ管理サーバー３０では、制御部３１が、診断対象患者の医用画像の画像データを記憶部３３の医用画像記憶領域３３１に記憶させるとともに、当該医用画像に係るデータ（患者ＩＤ、検査ＩＤ、部位、画像ＵＩＤ、検査日、肺年齢）を記憶部３３の画像管理テーブルＴ１に格納する。
以上で、第４の肺年齢推定処理が終了する。
以上説明したように、第４の実施の形態によれば、診断対象患者を撮影して得られた医用画像から肺年齢（呼吸機能を示す指標値）を推定するので、ＣＯＰＤの早期発見及び予防の促進を図るとともに、患者の負担を軽減することができる。
また、診断対象患者と同年代の健常者の医用画像、実年齢、肺年齢を表示させることで、特に、診断対象患者の肺年齢が実年齢より高い場合に、患者自身の予防活動を促進することができる。
また、同年代の患者における肺年齢の平均値を表示させることで、診断対象患者の肺年齢と比較させることができる。
なお、上記各実施の形態における記述は、本発明に係る医用画像解析システムの例であり、これに限定されるものではない。システムを構成する各装置の細部構成及び細部動作に関しても本発明の趣旨を逸脱することのない範囲で適宜変更可能である。
例えば、各実施の形態において特徴的な処理を組み合わせることとしてもよい。
また、上記各実施の形態では、医用画像から推定する呼吸機能を示す指標値として肺年齢を用いた場合について説明したが、これに限定されるものではない。肺年齢以外の指標値として、肺活量、％肺活量、努力性肺活量、１秒量、１秒率等が挙げられる。
肺活量は、空気を胸いっぱいに吸い込み、それを全て吐き出した時の空気の量である。
％肺活量は、年齢・性別から算出された予測肺活量（基準値）に対しての、実測肺活量の比率である。
努力性肺活量は、胸いっぱいに息を吸い込み、勢いよく一気に吐き出した空気の量である。
１秒量は、努力性肺活量のうちの最初の１秒間に吐き出した空気の量である。
１秒率は、１秒量を努力性肺活量で割った割合（％）である。
また、上記各実施の形態では、医用画像と肺年齢（指標値）との対応関係を、テーブル（画像管理テーブルＴ１）を用いて管理することとしたが、ＤＩＣＯＭ画像の構造化レポート（ＳＲ：Structured Report）にテキストとして保存することとしてもよい。
図１７に、医用画像と構造化レポートとを対応付けて保存する過去データの保存方法を示す。
また、上記各実施の形態では、肺年齢推定部４６がディープラーニングにより得られた学習結果を用いて肺年齢（指標値）を推定する場合について説明したが、動態画像（連続的に撮影したＸ線動画像）の、正面及び側面の画像の肺野内濃度変化値から肺の体積変化を算出し、そこから１秒量・１秒率を算出することで、医用画像から呼吸機能を示す指標値を推定することとしてもよい。
また、肺年齢等の推定データは、医用画像と対応付けて記憶されていてもよいし、医用画像のみを記憶しておき、使用する際にその都度医用画像から推定することとしてもよい。
また、肺年齢に関する情報の表示方法を、ユーザーが選択可能としてもよい。例えば、肺年齢を数値／グラフで表示するか、予測値を含めるか否か、類似画像を表示するか否か、同年代健常者の医用画像を表示するか否か等を、ユーザーが任意に選択できることとする。
また、各処理に含まれる各プロセスは、同一機器上で行われてもよいし、複数の装置上で行われてもよい。
例えば、コンソール２０が、医用画像を取得する取得部と、医用画像から肺年齢（呼吸機能を示す指標値）を推定する推定部と、推定された肺年齢を出力部に出力させる制御部と、を備えていることとしてもよい。この場合、コンソール２０において、放射線撮影装置１０から取得した医用画像から肺年齢を推定し、コンソール２０から肺年齢をビューアー端末６０に送信して、肺年齢をビューアー端末６０の表示部に表示させる。この際、ビューアー端末６０の操作部からの操作に応じて、コンソール２０からビューアー端末６０に肺年齢を送信することとしてもよい。また、コンソール２０から肺年齢を含む印刷用データをプリンター５０に送信して、肺年齢をプリンター５０で印刷させることとしてもよい。
また、患者が保有するスマートフォン等の端末装置において、患者による端末装置の操作部からの操作に応じて、データ管理サーバー３０から最新及び／又は過去の医用画像と肺年齢を取得し、取得した医用画像と肺年齢を端末装置の表示部に表示することとしてもよい。スマートフォン等において、直接患者に肺年齢等の推定結果を提示する際に、予防法や、医師からのコメント（アドバイス）等を表示することとしてもよい。
また、データ管理サーバー３０が、医用画像を取得する取得部と、医用画像から肺年齢（呼吸機能を示す指標値）を推定する推定部と、推定された肺年齢を出力部に出力させる制御部と、を備えていることとしてもよい。この場合、データ管理サーバー３０が、肺年齢をビューアー端末６０の表示部やスマートフォンに表示させたり、肺年齢をプリンター５０に印刷させたりする。
また、医用画像から肺年齢等の呼吸機能を示す指標値を推定する処理を、クラウドサーバー等の遠隔地で行い、推定結果を取得して利用してもよい。
また、ディープラーニングに用いる学習用データとして、健康診断の受診者の医用画像と、受診者に対するスパイロメーター検査により得られた肺年齢と、を利用することとしてもよい。
以上の説明では、各処理を実行するためのプログラムを格納したコンピューター読み取り可能な媒体としてＨＤＤや不揮発性の半導体メモリーを使用した例を開示したが、この例に限定されない。その他のコンピューター読み取り可能な媒体として、ＣＤ−ＲＯＭ等の可搬型記録媒体を適用することも可能である。また、プログラムのデータを通信回線を介して提供する媒体として、キャリアウェーブ（搬送波）を適用することとしてもよい。
１０ 放射線撮影装置
２０ コンソール
３０ データ管理サーバー
３１ 制御部
３２ 通信部
３３ 記憶部
４０ 画像解析装置
４１ 制御部
４２ 表示部
４３ 操作部
４４ 通信部
４５ 記憶部
４６ 肺年齢推定部
５０ プリンター
６０ ビューアー端末
１００ 医用画像解析システム
３３１ 医用画像記憶領域
Ｎ 通信ネットワーク
Ｔ１ 画像管理テーブル
Ｔ２ 患者テーブル

Claims (18)

  1. 診断対象患者を撮影して得られた医用画像を取得する取得部と、
    当該取得された医用画像から呼吸機能を示す指標値を推定する推定部と、
    当該推定された指標値を出力部に出力させる制御部と、
    を備える医用画像解析システム。
  2. 前記指標値は、スパイロメーターにより測定される測定値、又は、当該測定値から算出される値である請求項１に記載の医用画像解析システム。
  3. 前記指標値は、肺年齢である請求項２に記載の医用画像解析システム。
  4. 前記医用画像は、胸部単純Ｘ線画像である請求項１から３のいずれか一項に記載の医用画像解析システム。
  5. 前記医用画像は、動態画像である請求項１から３のいずれか一項に記載の医用画像解析システム。
  6. 前記出力部は、前記推定された指標値を表示する表示部である請求項１から５のいずれか一項に記載の医用画像解析システム。
  7. 前記制御部は、前記診断対象患者の過去の医用画像から推定された指標値の全て又は一部と、前記診断対象患者の最新の医用画像から推定された指標値と、を前記表示部に表示させる請求項６に記載の医用画像解析システム。
  8. 前記制御部は、前記診断対象患者の過去の医用画像から推定された指標値の全て又は一部と、前記診断対象患者の最新の医用画像から推定された指標値と、をグラフ化して前記表示部に表示させる請求項７に記載の医用画像解析システム。
  9. 前記制御部は、前記診断対象患者の過去の医用画像と前記診断対象患者の最新の医用画像の全て又は一部を前記表示部に表示させる請求項６から８のいずれか一項に記載の医用画像解析システム。
  10. 前記制御部は、前記診断対象患者の医用画像と類似した症例の医用画像を前記表示部に表示させる請求項６から９のいずれか一項に記載の医用画像解析システム。
  11. 前記制御部は、前記診断対象患者と所定の条件が同じ健常者の医用画像を前記表示部に表示させる請求項６から１０のいずれか一項に記載の医用画像解析システム。
  12. 前記制御部は、前記診断対象患者について予測される将来の指標値を前記表示部に表示させる請求項６から１１のいずれか一項に記載の医用画像解析システム。
  13. 前記推定された指標値から異常を検出する異常検出部を備える請求項１から１２のいずれか一項に記載の医用画像解析システム。
  14. 前記推定部は、予め用意された患者の医用画像を入力データとし、当該患者に対応する指標値を出力データとしてディープラーニングを行った学習結果に基づいて、前記診断対象患者の医用画像から指標値を推定する請求項１から１３のいずれか一項に記載の医用画像解析システム。
  15. 前記推定部は、予め用意された患者の医用画像及び臨床データを入力データとし、当該患者に対応する指標値を出力データとしてディープラーニングを行った学習結果に基づいて、前記診断対象患者の医用画像及び臨床データから指標値を推定する請求項１から１３のいずれか一項に記載の医用画像解析システム。
  16. 前記臨床データは、性別、実年齢、身長、体重、血圧、脈拍、ＳｐＯ２の少なくとも一つを含む請求項１５に記載の医用画像解析システム。
  17. コンピューターを、
    診断対象患者を撮影して得られた医用画像を取得する取得部、
    当該取得された医用画像から呼吸機能を示す指標値を推定する推定部、
    当該推定された指標値を出力部に出力させる制御部、
    として機能させるためのプログラム。
  18. 診断対象患者を撮影して得られた医用画像を取得する取得工程と、
    当該取得された医用画像から呼吸機能を示す指標値を推定する推定工程と、
    当該推定された指標値を出力部に出力させる出力工程と、
    を含む医用画像解析方法。
JP2019217677A 2019-12-02 2019-12-02 医用画像解析システム、プログラム及び医用画像解析方法 Pending JP2021087464A (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2019217677A JP2021087464A (ja) 2019-12-02 2019-12-02 医用画像解析システム、プログラム及び医用画像解析方法
US17/108,056 US20210166378A1 (en) 2019-12-02 2020-12-01 Medical image analysis system, storage medium, and medical image analysis method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019217677A JP2021087464A (ja) 2019-12-02 2019-12-02 医用画像解析システム、プログラム及び医用画像解析方法

Publications (1)

Publication Number Publication Date
JP2021087464A true JP2021087464A (ja) 2021-06-10

Family

ID=76091815

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019217677A Pending JP2021087464A (ja) 2019-12-02 2019-12-02 医用画像解析システム、プログラム及び医用画像解析方法

Country Status (2)

Country Link
US (1) US20210166378A1 (ja)
JP (1) JP2021087464A (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013081579A (ja) * 2011-10-07 2013-05-09 Konica Minolta Medical & Graphic Inc 動態医用画像生成システム
WO2014097449A1 (ja) * 2012-12-20 2014-06-26 株式会社日立製作所 運動効果分析システム
JP2016508398A (ja) * 2013-02-14 2016-03-22 フル−イドディーエー レスピ 機能的呼吸イメージングに基づいて呼吸疾患を決定する方法
JP2017127369A (ja) * 2016-01-18 2017-07-27 東芝メディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法および医用画像処理プログラム
JP2019122449A (ja) * 2018-01-12 2019-07-25 コニカミノルタ株式会社 動態画像解析装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7447536B2 (en) * 2002-11-12 2008-11-04 G.E. Medical Systems Global Technology Company, Llc System and method for measurement of local lung function using electron beam CT
WO2009078297A1 (ja) * 2007-12-19 2009-06-25 Konica Minolta Medical & Graphic, Inc. 動態画像処理システム
US10642955B2 (en) * 2015-12-04 2020-05-05 Saudi Arabian Oil Company Devices, methods, and computer medium to provide real time 3D visualization bio-feedback
JP2017176202A (ja) * 2016-03-28 2017-10-05 コニカミノルタ株式会社 動態解析システム

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013081579A (ja) * 2011-10-07 2013-05-09 Konica Minolta Medical & Graphic Inc 動態医用画像生成システム
WO2014097449A1 (ja) * 2012-12-20 2014-06-26 株式会社日立製作所 運動効果分析システム
JP2016508398A (ja) * 2013-02-14 2016-03-22 フル−イドディーエー レスピ 機能的呼吸イメージングに基づいて呼吸疾患を決定する方法
JP2017127369A (ja) * 2016-01-18 2017-07-27 東芝メディカルシステムズ株式会社 医用画像処理装置、医用画像処理方法および医用画像処理プログラム
JP2019122449A (ja) * 2018-01-12 2019-07-25 コニカミノルタ株式会社 動態画像解析装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KARARGYRIS ET AL.: "Age prediction using a large chest x-ray detaset", PROC. OF SPIE, vol. 10950, JPN7023001187, March 2019 (2019-03-01), pages 1 - 109501, ISSN: 0005081876 *

Also Published As

Publication number Publication date
US20210166378A1 (en) 2021-06-03

Similar Documents

Publication Publication Date Title
JP6597548B2 (ja) 動態解析システム
US8170312B2 (en) Respiratory motion compensated cardiac wall motion determination system
JP6772873B2 (ja) 動態解析装置及び動態解析システム
JP6418091B2 (ja) 胸部画像表示システム及び画像処理装置
JP6743662B2 (ja) 動態画像処理システム
JP7047574B2 (ja) 動態画像解析装置、動態画像解析システム、動態画像解析プログラム及び動態画像解析方法
US20190148015A1 (en) Medical information processing device and program
US10918351B2 (en) Radiographic-image processing apparatus
CN116246778A (zh) 一种肺功能检测智能诊断平台
JP2013182444A (ja) 電子カルテ装置
JP6938940B2 (ja) 動態解析システム
JP7472573B2 (ja) プログラム、動態解析装置及び診断支援システム
JP2019122449A (ja) 動態画像解析装置
JP2021087464A (ja) 医用画像解析システム、プログラム及び医用画像解析方法
JP2016209267A (ja) 医用画像処理装置及びプログラム
JP2022081681A (ja) 動態画像解析システム及び動態画像解析プログラム
JP2022188611A (ja) 診断支援システム
JP6962030B2 (ja) 動態解析装置、動態解析システム、動態解析プログラム及び動態解析方法
JP2020171427A (ja) 動態画像解析装置、動態画像解析システム及びプログラム
JP7424532B1 (ja) 放射線画像解析装置及びプログラム
JP6888721B2 (ja) 動態画像処理装置、動態画像処理プログラム及び動態画像処理方法
JP6241199B2 (ja) 診断支援情報生成方法
EP4111977A1 (en) A method for x-ray image processing
US11730907B2 (en) Image analysis apparatus, image analysis system, and storage medium
JP7092244B1 (ja) 医療情報管理装置及び医療情報管理プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220927

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230328

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230529

A02 Decision of refusal

Free format text: JAPANESE INTERMEDIATE CODE: A02

Effective date: 20230613