JP2021087729A - 医用画像処理装置及びプログラム - Google Patents
医用画像処理装置及びプログラム Download PDFInfo
- Publication number
- JP2021087729A JP2021087729A JP2019220851A JP2019220851A JP2021087729A JP 2021087729 A JP2021087729 A JP 2021087729A JP 2019220851 A JP2019220851 A JP 2019220851A JP 2019220851 A JP2019220851 A JP 2019220851A JP 2021087729 A JP2021087729 A JP 2021087729A
- Authority
- JP
- Japan
- Prior art keywords
- malignancy
- medical image
- map
- integrated
- time difference
- 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
Links
- 238000012545 processing Methods 0.000 title claims abstract description 48
- 206010028980 Neoplasm Diseases 0.000 claims abstract description 186
- 201000011510 cancer Diseases 0.000 claims abstract description 186
- 230000036210 malignancy Effects 0.000 claims abstract description 185
- 230000003902 lesion Effects 0.000 claims abstract description 107
- 238000010801 machine learning Methods 0.000 claims abstract description 23
- 230000002159 abnormal effect Effects 0.000 claims description 41
- 230000010354 integration Effects 0.000 claims description 26
- 238000011976 chest X-ray Methods 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 5
- 238000003384 imaging method Methods 0.000 abstract 1
- 238000000034 method Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000036962 time dependent Effects 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 4
- 230000003211 malignant effect Effects 0.000 description 3
- 239000003086 colorant Substances 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
Images
Abstract
Description
機械学習とは、大量のデータを使用して機械にデータのパターンや相関を学習させ、識別、認識、検出、予測等を行うものである。機械学習により精度の高い識別器を作成するためには、学習時のデータ量と質の高い正解データ(ラベル)が必要となってくる。
機械学習を用いた病変検出では、対象病変に対する検出精度が高い傾向にあり、確信度の高いヒートマップや悪性度などの情報の提示が可能である。
さらに、単純な検出のみでは、活動性病変と非活動性病変の区別がつかないため、医師等のユーザーが本来確認したい病変情報を提示できず、読影効率の低下に繋がる可能性がある。
第1の医用画像から、機械学習により生成された機械学習モデルを用いて病変情報を生成する病変情報生成手段と、
前記第1の医用画像と同一被写体を異なる時期に撮影することによって得られた第2の医用画像との経時的な変化を表す経時差分画像を生成する経時差分処理手段と、
前記病変情報生成手段により生成された病変情報と前記経時差分処理手段により生成された経時差分画像とを統合する統合手段と、
前記統合手段による統合結果を出力する出力手段と、
を備える。
前記病変情報生成手段は、前記第1の医用画像内の領域ごとに病変の悪性度を算出して悪性度マップを生成する。
前記病変情報生成手段は、病変の種類ごとに前記悪性度マップを生成するか、又は、複数種類の病変の悪性度をマージした前記悪性度マップを生成する。
前記統合手段は、前記悪性度マップと前記経時差分画像を統合して統合悪性度マップを生成する。
前記統合手段は、さらに、前記統合悪性度マップに基づいて悪性度の代表値を算出する。
前記統合手段は、予め設定された悪性度の閾値に基づいて、前記悪性度マップを正常領域と異常領域に分類し、予め設定された濃度値の閾値に基づいて、前記経時差分画像を正常領域と異常領域に分類し、前記悪性度マップと前記経時差分画像の正常領域と異常領域との分類結果の組み合わせに応じて、前記悪性度及び経時差分情報を表示又は非表示にした前記統合悪性度マップを生成する。
前記統合手段は、予め設定された悪性度の閾値に基づいて、前記悪性度マップを正常領域と異常領域に分類し、予め設定された濃度値の閾値に基づいて、前記経時差分画像を正常領域と異常領域に分類し、前記悪性度マップと前記経時差分画像の正常領域と異常領域との分類結果の組み合わせに応じた表示態様で前記悪性度及び経時差分情報を表示した前記統合悪性度マップを生成する。
前記統合手段において用いられる閾値、前記分類結果の組み合わせごとの前記統合悪性度マップにおける前記悪性度及び前記経時差分情報の表示の有無又は表示態様、の少なくとも一方をユーザーが設定するための操作手段を備える。
前記統合手段は、病変の種類ごとに前記統合悪性度マップを生成するか、又は、複数種類の病変の悪性度をマージした前記統合悪性度マップを生成する。
前記統合手段により算出された悪性度の代表値に基づいて読影リストをソート可能な読影リスト画面を生成して前記出力手段に出力させる出力制御手段を備える。
前記出力手段は、前記統合手段による統合結果を表示する表示手段を含む。
前記第1の医用画像及び前記第2の医用画像は、胸部X線画像である。
コンピューターを、
第1の医用画像から、機械学習により生成された機械学習モデルを用いて病変情報を生成する病変情報生成手段、
前記第1の医用画像と同一被写体を異なる時期に撮影することによって得られた第2の医用画像との経時的な変化を表す経時差分画像を生成する経時差分処理手段、
前記病変情報生成手段により生成された病変情報と前記経時差分処理手段により生成された経時差分画像とを統合する統合手段、
前記統合手段による統合結果を出力する出力手段、
として機能させる。
まず、本実施形態の構成を説明する。
図1に示すように、医用画像処理装置1は、制御部11、操作部12、表示部13、記憶部14、通信部15を備えて構成され、各部はバス16により接続されている。
また、医用画像の読影が終了すると、制御部11は、画像DB144における読影が終了した医用画像に対応付けて記憶されている未読影であることを示すフラグを読影済みであることを示すフラグに変更する。
ここで、統合悪性度マップは、悪性度マップと経時差分画像を統合した画像である。
・悪性度マップと経時差分画像の正常領域と異常領域の組み合わせごとの統合悪性度マップにおける表示の有無(表示/非表示等)
・正常領域と異常領域を分類するための悪性度(濃度値(濃度値に対応する画素値))及び面積の閾値(図4参照)
・悪性度マップを生成する病変の種類
・複数種類の病変ごとの悪性度マップを生成する場合、複数種類の病変の悪性度マップをマージするか否か、マージする場合はマージする病変の種類
・医用画像の悪性度の代表値とする病変の種類(マージした場合は、自動的に悪性度の最大値の病変に設定)
ユーザーが「活動性病変のみを表示する」ことを指定した場合、制御部11は、悪性度マップが異常領域で経時差分画像が異常領域に分類された領域、及び悪性度マップが正常領域で経時差分画像が異常領域に分類された領域を統合悪性度マップに表示する領域として設定し、悪性度マップが異常領域で経時差分画像が正常領域に分類された領域、及び悪性度マップと経時差分画像の双方で正常領域に分類された領域を非表示に設定する(図4の設定)。すなわち、「活動性病変のみを表示する」を指定すれば、例えば、悪性度マップで異常とされていない領域であっても、過去画像から変化のあった活動性病変の可能性のある異常領域を表示することができる。また、悪性度マップで異常とされる領域でも、過去から変化のない非活動性病変の領域は非表示とすることができる。
ユーザーが「活動性病変のみを表示する」を指定しない場合、制御部11は、悪性度マップ及び経時差分画像の双方で異常領域に分類された領域、悪性度マップが正常領域で経時差分画像が異常領域に分類された領域、及び悪性度マップが異常領域で経時差分情報が正常領域に分類された領域を統合悪性度マップに表示する領域に設定し、悪性度マップと経時差分画像の双方で正常領域に分類された領域を非表示に設定する。すなわち、活動性病変及び非活動性病変の双方を表示することができる。
以下、医用画像処理装置1の動作について説明する。
従来、機械学習により領域ごとの病変の悪性度を算出し、悪性度の数値や悪性度を色で示すヒートマップ等を出力する技術が知られているが、全ての種類の病変に関する大量の画像データを入手することが困難であるため、全ての種類の病変を網羅的に学習させることができない。また、機械学習では、活動性病変と非活動性病変の区別がつかない。
一方、経時差分画像は、過去から変化のある部分を可視化するため、対象病変を絞ることなく、病変出現疑いのある領域や変化のある活動性病変のみを網羅的に表示することができる。しかし、変化のある領域が必ずしも病変でない可能性がある。
なお、本実施形態において、医用画像及び経時差分画像は、濃度値に対応する画素値からなる画像データであり、画像データの画素値は、黒が低く、白が高いものとする(濃度値は、黒が高く、白が低い)。また、本実施形態では、医用画像が胸部X線画像である場合を例として説明するが、CT画像やMRI画像等の他のモダリティーにより撮影された医用画像であってもよい。
悪性度マップは、例えば、第1の医用画像の領域ごとの悪性度を、例えば、0.0〜1.0で出力する。0.0が最も悪性度が低く、1.0が最も悪性度が高い。ステップS2では、病変の種類ごとの複数の悪性度マップまたは複数種類の病変の悪性度をマージした悪性度マップを生成する。
本実施形態では、経時差分画像は、例えば8ビット256階調とし、差分なしの画素を127(グレー)、濃度が下降した画素を128〜255(白(低濃度))、濃度が上昇した画素を0〜126(黒(高濃度))の画素値で表した経時差分情報からなる画像とする。濃度下降があった領域が、病変の発生又は悪化を示す変化をしている異常領域であり、その他の領域は、変化がないか又は病変の良化を示す変化をしている正常領域である。
図3は、ステップS4により実行される統合処理の流れを示すフローチャートである。
ステップS42においては、統合用設定情報145に含まれる、悪性度マップと経時差分画像の正常領域と異常領域の組み合わせごとの統合悪性度マップにおける表示の有無に基づいて、統合悪性度マップに悪性度及び経時差分情報を表示する領域、非表示とする領域を決定する。
複数種類の病変の悪性度マップをマージすると判断した場合(ステップS43;YES)、制御部11は、複数種類の病変の悪性度マップをマージし(ステップS44)、ステップS45に移行する。
ステップS44において、制御部11は、例えば、複数種類の病変の悪性度マップの異常領域に重なりがあるか否かを判断し、重なりがない異常領域については、異常領域の悪性度の値を採用し、重なりがある場合は、その中で最も高い悪性度をもつ病変の悪性度の値を採用し、その他の領域は正常領域(値なし)として画像化することにより、複数種類の病変の悪性度マップをマージする。
複数の種類の病変の悪性度マップをマージしないと判断した場合(ステップS43;NO)、ステップS45に移行する。
例えば、ステップS42において、制御部11は、悪性度マップと経時差分画像のそれぞれにおいて、表示すると決定された領域に、その領域の悪性度や経時差分情報(濃度値(濃度値に対応する画素値))に応じた色を付してオリジナルの第1の医用画像に重畳することにより、統合悪性度マップを生成する。なお、正常領域は、色なしとして生成される。
例えば、病変ごとに統合悪性度マップを生成した場合は、統合悪性度マップの最大値をその病変の悪性度の代表値とする。また、統合用設定情報145に医用画像の悪性度の代表値として設定されている種類の病変の悪性度の代表値を、医用画像の悪性度の代表値とする。複数種類の病変をマージした統合悪性度マップを生成した場合は、統合悪性度マップの悪性度の最大値を医用画像の悪性度の代表値とする。統合用設定情報145に医用画像の悪性度の代表値とする病変の種類が設定されていない場合には、生成された全ての統合悪性度マップの悪性度のうちの最大値を医用画像の悪性度の代表値とする。
ステップS5において、制御部11は、例えば、悪性度の代表値及び/又は統合悪性度マップを表示部13に表示させる。あるいは、悪性度の代表値及び/又は統合悪性度マップを通信部15により外部装置に出力することとしてもよい。
例えば、悪性度マップ131において、領域R1とR2が異常領域として抽出され、経時差分画像において、領域R1とR3が異常領域として抽出された場合、図4に示す統合用設定情報145に基づき生成された統合悪性度マップ133では、図5(c)に示すように、悪性度マップで異常かつ経時差分画像で異常と判断された領域R1(活動性病変)、及び悪性度マップで正常、経時差分画像で異常とされた領域R3(活動性病変)が表示され、悪性度マップで異常と判断されたが経時差分画像で正常と判断された領域R2(非活動性病変)については非表示となる。
また、例えば、ユーザーが活動性病変及び非活動性病変の双方を観察したい場合には、統合用設定情報145において、図4における悪性度マップの異常領域と経時差分画像の正常領域を表示とする設定に変更すれば、活動性病変及び非活動性病変の双方を表示することができる。
このように、統合情報生成処理では、悪性度マップと経時差分画像を統合した統合悪性度マップを生成して出力するため、網羅的かつ選択的に、精度の高い病変の検出結果を出力することができる。
したがって、ユーザーが本来観察すべき病変の情報を網羅的にかつ選択的に提供することができる。
11 制御部
12 操作部
13 表示部
14 記憶部
141 病変情報生成プログラム
142 経時差分処理プログラム
143 統合情報生成プログラム
144 画像DB
145 統合用設定情報
15 通信部
16 バス
Claims (13)
- 第1の医用画像から、機械学習により生成された機械学習モデルを用いて病変情報を生成する病変情報生成手段と、
前記第1の医用画像と同一被写体を異なる時期に撮影することによって得られた第2の医用画像との経時的な変化を表す経時差分画像を生成する経時差分処理手段と、
前記病変情報生成手段により生成された病変情報と前記経時差分処理手段により生成された経時差分画像とを統合する統合手段と、
前記統合手段による統合結果を出力する出力手段と、
を備える医用画像処理装置。 - 前記病変情報生成手段は、前記第1の医用画像内の領域ごとに病変の悪性度を算出して悪性度マップを生成する請求項1に記載の医用画像処理装置。
- 前記病変情報生成手段は、病変の種類ごとに前記悪性度マップを生成するか、又は、複数種類の病変の悪性度をマージした前記悪性度マップを生成する請求項2に記載の医用画像処理装置。
- 前記統合手段は、前記悪性度マップと前記経時差分画像を統合して統合悪性度マップを生成する請求項2又は3に記載の医用画像処理装置。
- 前記統合手段は、さらに、前記統合悪性度マップに基づいて悪性度の代表値を算出する請求項4に記載の医用画像処理装置。
- 前記統合手段は、予め設定された悪性度の閾値に基づいて、前記悪性度マップを正常領域と異常領域に分類し、予め設定された濃度値の閾値に基づいて、前記経時差分画像を正常領域と異常領域に分類し、前記悪性度マップと前記経時差分画像の正常領域と異常領域との分類結果の組み合わせに応じて、前記悪性度及び経時差分情報を表示又は非表示にした前記統合悪性度マップを生成する請求項4又は5に記載の医用画像処理装置。
- 前記統合手段は、予め設定された悪性度の閾値に基づいて、前記悪性度マップを正常領域と異常領域に分類し、予め設定された濃度値の閾値に基づいて、前記経時差分画像を正常領域と異常領域に分類し、前記悪性度マップと前記経時差分画像の正常領域と異常領域との分類結果の組み合わせに応じた表示態様で前記悪性度及び経時差分情報を表示した前記統合悪性度マップを生成する請求項4又は5に記載の医用画像処理装置。
- 前記統合手段において用いられる閾値、前記分類結果の組み合わせごとの前記統合悪性度マップにおける前記悪性度及び前記経時差分情報の表示の有無又は表示態様、の少なくとも一方をユーザーが設定するための操作手段を備える請求項6又は7に記載の医用画像処理装置。
- 前記統合手段は、病変の種類ごとに前記統合悪性度マップを生成するか、又は、複数種類の病変の悪性度をマージした前記統合悪性度マップを生成する請求項4〜8のいずれか一項に記載の医用画像処理装置。
- 前記統合手段により算出された悪性度の代表値に基づいて読影リストをソート可能な読影リスト画面を生成して前記出力手段に出力させる出力制御手段を備える請求項5に記載の医用画像処理装置。
- 前記出力手段は、前記統合手段による統合結果を表示する表示手段を含む請求項1〜10のいずれか一項に記載の医用画像処理装置。
- 前記第1の医用画像及び前記第2の医用画像は、胸部X線画像である請求項1〜11のいずれか一項に記載の医用画像処理装置。
- コンピューターを、
第1の医用画像から、機械学習により生成された機械学習モデルを用いて病変情報を生成する病変情報生成手段、
前記第1の医用画像と同一被写体を異なる時期に撮影することによって得られた第2の医用画像との経時的な変化を表す経時差分画像を生成する経時差分処理手段、
前記病変情報生成手段により生成された病変情報と前記経時差分処理手段により生成された経時差分画像とを統合する統合手段、
前記統合手段による統合結果を出力する出力手段、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019220851A JP2021087729A (ja) | 2019-12-06 | 2019-12-06 | 医用画像処理装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019220851A JP2021087729A (ja) | 2019-12-06 | 2019-12-06 | 医用画像処理装置及びプログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2021087729A true JP2021087729A (ja) | 2021-06-10 |
Family
ID=76218672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019220851A Pending JP2021087729A (ja) | 2019-12-06 | 2019-12-06 | 医用画像処理装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2021087729A (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004046594A (ja) * | 2002-07-12 | 2004-02-12 | Konica Minolta Holdings Inc | 画像診断支援装置 |
JP2004254742A (ja) * | 2003-02-24 | 2004-09-16 | Konica Minolta Holdings Inc | 医用画像処理装置及び悪性度の判定方法 |
JP2011120747A (ja) * | 2009-12-11 | 2011-06-23 | Fujifilm Corp | 画像表示装置および方法並びにプログラム |
-
2019
- 2019-12-06 JP JP2019220851A patent/JP2021087729A/ja active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004046594A (ja) * | 2002-07-12 | 2004-02-12 | Konica Minolta Holdings Inc | 画像診断支援装置 |
JP2004254742A (ja) * | 2003-02-24 | 2004-09-16 | Konica Minolta Holdings Inc | 医用画像処理装置及び悪性度の判定方法 |
JP2011120747A (ja) * | 2009-12-11 | 2011-06-23 | Fujifilm Corp | 画像表示装置および方法並びにプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8270688B2 (en) | Method for intelligent qualitative and quantitative analysis assisting digital or digitized radiography softcopy reading | |
CN102138827B (zh) | 图像显示装置 | |
US8031917B2 (en) | System and method for smart display of CAD markers | |
US10290101B1 (en) | Heat map based medical image diagnostic mechanism | |
JP2013039230A (ja) | 医療診断支援装置及び医療診断支援方法 | |
US10188361B2 (en) | System for synthetic display of multi-modality data | |
JP2007151645A (ja) | 医用画像診断支援システム | |
JP2017534316A (ja) | 画像レポート注釈同定 | |
JP5995415B2 (ja) | 医療診断支援装置、情報処理方法及びプログラム | |
JP2006346094A (ja) | 検出情報の出力方法及び医用画像処理システム | |
US20100119129A1 (en) | Image processing method, image processing apparatus, and image processing program | |
JP2017010577A (ja) | 医療診断支援装置及び医療診断支援方法 | |
JP2006340835A (ja) | 異常陰影候補の表示方法及び医用画像処理システム | |
JP5556674B2 (ja) | 医用画像表示装置及びプログラム | |
JP7265805B2 (ja) | 画像解析方法、画像解析装置、画像解析システム、制御プログラム、記録媒体 | |
JP4591142B2 (ja) | 医用画像システム | |
JP2009061170A (ja) | 医用画像診断支援装置 | |
JP2021087729A (ja) | 医用画像処理装置及びプログラム | |
JP2009061174A (ja) | 医用画像診断支援装置 | |
JP2019170881A (ja) | コンピュータプログラム、分類装置、分類方法、画像出力装置及び画像出力装置の動作方法 | |
JP6316325B2 (ja) | 情報処理装置、情報処理装置の作動方法及び情報処理システム | |
JP2010227209A (ja) | 読影レポート作成支援装置及びプログラム | |
US20230099284A1 (en) | System and method for prognosis management based on medical information of patient | |
US20230363731A1 (en) | Medical information processing apparatus | |
US20230410981A1 (en) | Medical image display system, medical image display method, and recording medium |
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: 20230526 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230613 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230912 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20230925 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20231006 |