JP2021124818A

JP2021124818A - 画像診断支援装置、画像診断支援方法および画像診断支援プログラム

Info

Publication number: JP2021124818A
Application number: JP2020016211A
Authority: JP
Inventors: 司古瀬; Tsukasa Furuse; 卓箱石; Taku Hakoishi
Original assignee: J Mac System Inc
Current assignee: J Mac System Inc
Priority date: 2020-02-03
Filing date: 2020-02-03
Publication date: 2021-08-30
Anticipated expiration: 2040-02-03
Also published as: JP7097035B2

Abstract

【課題】対象部位を診断する読影医の負担を軽減して支援性能を高めることができる、画像診断支援装置、画像診断支援方法および画像診断支援プログラムを提供する。
【解決手段】画像診断支援装置１０は、単一または複数の医用画像に基づく診断を支援する装置であり、ＣＰＵ１２ｐｒによって以下の処理が実行される。まず、医用画像の少なくとも１つが、サブモニタ１２ｍ２に表示される。依頼コメントに対する読影医の見解は、キーボード／マウス１２ｋｍを通して取得され、メインモニタ１２ｍ１上の読影レポート画面に表示される。その後、医用画像を含む画像情報に基づく候補疾患提示要求と、病変位置情報提示要求とが、機械学習システム４０（４０Ａ，４０Ｂ）に向けて発行される。機械学習システム４０から返送された解析結果は、読影レポート画面に多重表示される。
【選択図】図１１

Description

この発明は、画像診断支援装置、画像診断支援方法および画像診断支援プログラムに関し、特に、読影医による画像診断を支援する、画像診断支援装置、画像診断支援方法および画像診断支援プログラムに関する。

医療施設において、読影医は、患者を撮影するモダリティから出力された複数の医用画像を解析して、読影レポートを作成する。読影レポートには、病変を表す医用画像が添付されるとともに、添付された医用画像から診断された病名や治療方法などが記載される。健診のような膨大な量の画像を読影する環境において、昨今病変の見落としが報告されており、それに伴い読影医の負担も増加している。そこで、読影医の負担軽減のため、医用画像が示す身体状態に関する診断支援情報を出力する機能を有する診断支援装置が提案されている（例えば、特許文献１参照。）。だが、前記装置においては、所見の位置情報までを特定するものではない。また、病状部位の存在有無を確認し、位置情報を表示する方法に関する技術も提案されているが（例えば、特許文献２参照。）、検出された全ての病状部位の位置情報を表示するため、膨大な量の画像を読影する際の、読影医の負担増加が懸念される。

特許第６２５１９４５号公報特許第６５８２１７１号公報

特許文献１および２のいずれも、結局のところ読影医の負担軽減の点では十分なものではなかった。そこで、本発明は、対象部位を診断する読影医の負担を軽減して支援性能を高めることができる、画像診断支援装置、画像診断支援方法および画像診断支援プログラムを提供することを主たる目的とする。

この発明に係る画像診断支援装置(10：実施例で相当する参照符号。以下同じ)は、単一または複数の医用画像に基づく診断を支援する画像診断支援装置であって、医用画像を含む画像情報に基づいて患者の疾患を解析する第１解析処理を解析装置(40A)に要求する第１解析要求手段(S27)、患者の疾患の病変位置を解析する第２解析処理を第１解析要求手段の処理に関連して解析装置(40B)に要求する第２解析要求手段(S35)、および第１解析処理によって得られた第１解析結果と第２解析処理によって得られた第２解析結果とを出力する解析結果出力手段(S33, S39)を備える。

好ましくは、解析結果出力手段は、第１解析結果において病変位置情報が必要とされる所見があった場合のみ、前記第１解析結果および第２解析結果を診断者に向けて同時に出力する。

或る局面では、依頼文欄（ＲＥＱ）および見解記入欄（ＲＭＫ，ＤＧＮ）を有する読影レポートを第１モニタ(12m1)に表示する読影レポート表示手段(S7)、および医用画像の少なくとも１つを診断者に向けて出力する医用画像出力手段(S9)をさらに備え、医用画像出力手段は医用画像の少なくとも１つを第１モニタに付随する第２モニタ(12m2)に表示する医用画像表示手段(S9)を含む。

他の局面では、解析結果出力手段は第１解析結果および第２解析結果を第１モニタに追加表示する追加表示手段(S33, S39)を含む。

好ましくは、第１解析要求手段および第２解析要求手段の各々は要求発行操作を受け付けたとき解析装置に向けて解析要求を発行する。

好ましくは、第１解析結果は複数の候補疾患名と各疾患候補の該当確率とを含む。

好ましくは、第２解析結果は、病変位置情報を含む。

この発明に係る画像診断支援方法は、単一または複数の医用画像に基づく診断を支援する画像診断支援装置(10)によって実行される画像診断支援方法であって、医用画像を含む画像情報に基づいて患者の疾患を解析する第１解析処理を解析装置(40A)に要求する第１解析要求ステップ(S27)、患者の疾患の病変位置を解析する第２解析処理を第１解析要求ステップの処理に関連して解析装置(40B)に要求する第２解析要求ステップ(S35)、および第１解析処理によって得られた第１解析結果と第２解析処理によって得られた第２解析結果とを出力する解析結果出力ステップ(S33, S39)を備える。

この発明に係る画像診断支援プログラムは、単一または複数の医用画像に基づく診断を支援する画像診断支援装置(10)のプロセッサ(12pr)に、医用画像を含む画像情報に基づいて患者の疾患を解析する第１解析処理を解析装置(40A)に要求する第１解析要求ステップ(S27)、患者の疾患の病変位置を解析する第２解析処理を第１解析要求ステップの処理に関連して解析装置(40B)に要求する第２解析要求ステップ(S35)、および第１解析処理によって得られた第１解析結果と第２解析処理によって得られた第２解析結果とを出力する解析結果出力ステップ(S33, S39)を実行させるための、画像診断支援プログラムである。

本発明によると、対象部位を診断する読影医の負担を軽減して支援性能を高めることができる、画像診断支援装置、画像診断支援方法および画像診断支援プログラムを提供することができる。健診のような膨大な量の画像を読影する環境において、病変位置情報が必要とされる所見があった場合のみ、病変位置に関する解析結果を表示する事ができる。その結果、読影医の負担軽減を図ることができ、診断支援性能の向上が図られる。

この発明の上述の目的，その他の目的，特徴および利点は、図面を参照して行う以下の実施例の詳細な説明から一層明らかとなろう。

この実施例に適用される医療診断支援システムの構成を示すブロック図である。機械学習システムによって参照されるテーブルの構成の一例を示す図解図である。モダリティによって作成されたＤＩＣＯＭファイルの構造の一例を示す図解図である。画像診断支援装置のメインモニタに表示される診断支援画面のトップ画面の一例を示す図解図である。画像診断支援装置のメインモニタに表示される診断支援画面の読影レポート画面の一例を示す図解図である。画像診断支援装置のサブモニタに表示される診断支援画面の一例を示す図解図である。画像診断支援装置のメインモニタに表示される診断支援画面の読影レポート画面の他の一例を示す図解図である。画像診断支援装置のメインモニタに表示される診断支援画面の読影レポート画面のその他の一例を示す図解図である。画像診断支援装置のメインモニタに表示される診断支援画面のトップ画面の他の一例を示す図解図である。画像診断支援装置のメインモニタに表示される診断支援画面の読影レポート画面に解析結果画面が追加表示された一例を示す図解図である。画像診断支援装置のメインモニタに表示される診断支援画面の読影レポート画面に解析結果画面が追加表示された他の一例を示す図解図である。画像診断支援装置のメインモニタに表示される診断支援画面の読影レポート画面のさらにその他の一例を示す図解図である。画像診断支援装置に設けられたＣＰＵの動作の一部を示すフロー図である。画像診断支援装置に設けられたＣＰＵの動作の他の一部を示すフロー図である。画像診断支援装置に設けられたＣＰＵの動作のその他の一部を示すフロー図である。

図１を参照して、この実施例の医療診断支援システムは、院内ＬＡＮ５０を介して互いに接続された画像診断支援装置１０，モダリティ２０，ＰＡＣＳ３０および機械学習システム（解析装置）４０によって構成される。

画像診断支援装置１０において、バスＢＳ１には、通信Ｉ／Ｆ１２ｃｍ，ＣＰＵ１２ｐｒ，キーボード／マウス１２ｋｍ，ＤＲＡＭ１２ｍｍ，ＨＤＤ１２ｈｄ，メインモニタ（第１モニタ）１２ｍ１およびサブモニタ（第２モニタ）１２ｍ２が接続される。

サブモニタ１２ｍ２は、メインモニタ１２ｍ１に付随する。読影医（診断者）は、メインモニタ１２ｍ１およびサブモニタ１２ｍ２と向き合い、キーボード／マウス１２ｋｍを操作して画像診断を行う。

機械学習システム４０は、たとえば、ＮＩＨ分類専門機械学習システム４０Ａ、および病変位置専門機械学習システム４０Ｂによって構成される。図２に示す疾患候補テーブルは、ＮＩＨの１５種類の所見を示すものであり、ＮＩＨ分類専門機械学習システム４０Ａ、および病変位置専門機械学習システム４０Ｂのいずれからもアクセス可能に、機械学習システム４０に設けられる。ここで、ＮＩＨ分類専門機械学習システムとは、アメリカ国立衛生研究所（ＮａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅｓｏｆＨｅａｌｔｈ）がオープンにしている胸部レントゲン撮影画像の所見付きデータを、１５分類に仕分けてディープラーニングを使って学習させた機械学習システムである。

図２によれば、“無気肺”，“心肥大，心臓肥大”，“浮腫”，“浸出，滲出”，“肺気腫”，“線維症”，“ヘルニア”，“浸潤”，“塊まり”，“結節”，“胸膜肥厚”，“肺炎”，“気胸”，“肺実質の吸収値の均等な上昇”，“所見なし”の分類が疾患候補テーブルに登録される。

モダリティ２０は、たとえば、患者の胸部写真のような一般Ｘ線画像ファイルを出力するデジタルＸ線撮影装置である。モダリティ２０を操作する検査技師は、主治医からの依頼コメントを踏まえてモダリティ２０を操作する。これによって、所望の位置の撮影画像が医用画像として作成され、作成された医用画像がＤＩＣＯＭファイルに収められる。こうして作成されたＤＩＣＯＭファイルは、図３に示すデータ構造を有し、院内ＬＡＮ５０を介してＰＡＣＳ３０に保存される。

図３を参照して、ＤＩＣＯＭファイルには、複数の医用画像に加えて付属情報が収められる。ここで、付属情報は、検査属性を各々が示す複数の項目（検査日付，患者名，患者の検査時年齢，アクセッション番号など）によって構成される。

画像診断支援装置１０に設けられたＣＰＵ１２ｐｒは、機械学習システム４０と連携して読影医による画像診断を支援するべく、図１３〜図１５に示す診断支援処理を実行する。なお、このフロー図に相当するプログラムは、診断支援プログラムとしてＨＤＤ１２ｈｄに記憶される。

図１３を参照して、ステップＳ１では、トップ画面をＤＲＡＭ１２ｍｍに展開する。展開されたトップ画面は、メインモニタ１２ｍ１によって読み出され、図４に示す要領で表示される。図４によれば、トップ画面は、複数の検査をそれぞれ表す複数の見出しが列挙された見出し欄ＩＤＸを有する。また、図４に示すトップ画面においては、いずれも見出しに対応する読影レポートも“保留”とされる。

ステップＳ３では、キーボード／マウス１２ｋｍによって見出し選択操作（＝見出し欄ＩＤＸに列挙された複数の見出しのいずれか１つを選択する操作）が行われたか否かを判別する。また、ステップＳ５では、キーボード／マウス１２ｋｍによって他の操作が行われたか否かを判別する。ステップＳ３の判別結果およびステップＳ５の判別結果のいずれもがＮＯであればステップＳ３に戻り、ステップＳ３の判別結果がＹＥＳであればステップＳ７に進み、ステップＳ５の判別結果がＹＥＳであれば他の処理に進む。

ステップＳ７では、見出し選択操作によって選択された見出しに対応する読影レポート画面をＤＲＡＭ１２ｍｍに展開する。ＤＲＡＭ１２ｍｍ上のトップ画面は、読影レポート画面によって更新される。

更新された読影レポート画面はメインモニタ１２ｍ１によって読み出され、図５に示す要領で表示される。図５によれば、読影レポート画面には、依頼コメント欄（依頼文欄）ＲＥＱ，所見欄ＲＭＫおよび診断欄ＤＧＮが設けられる。このうち、依頼コメント欄ＲＥＱにある“胸痛”の文字列は、主治医によって記載されたものである。また、この実施例では、所見欄ＲＭＫおよび診断欄ＤＧＮを“見解記入欄”と総称し、所見欄ＲＭＫに記載される所見および診断欄ＤＧＮに記載される診断コメントを“見解”と総称する。

ステップＳ９では、通信Ｉ／Ｆ１２ｃｍを通してＰＡＣＳ３０にアクセスし、選択中の見出しに割り当てられたアクセッション番号に対応するＤＩＣＯＭファイルをＰＡＣＳ３０から取得する。ステップＳ９ではまた、取得されたＤＩＣＯＭファイルに収められた単一または複数の医用画像のいずれか１つをＤＲＡＭ１２ｍｍに展開する。展開された医用画像はサブモニタ１２ｍ２によって読み出され、図６に示す要領で表示される。

ステップＳ１１では、キーボード／マウス１２ｋｍによって所見入力操作（所見欄ＲＭＫを指定して所望の文字列を入力する操作）が行われたか否かを判別する。判別結果がＮＯであれば、そのままステップＳ１５に進む。

一方、判別結果がＹＥＳであればステップＳ１３に進み、所見入力操作によって取得した文字列を図７に示す要領で所見欄ＲＭＫに表示する。図７によれば、所見欄ＲＭＫには、“冠動脈起始部に石灰化を認める。”の文字列が表示される。文字列の表示が完了すると、ステップＳ１５に進む。

ステップＳ１５では、キーボード／マウス１２ｋｍによって診断コメント入力操作（診断欄ＤＧＮを指定して所望の文字列を入力する操作）が行われたか否かを判別する。判別結果がＮＯであれば、そのままステップＳ１９に進む。

一方、判別結果がＹＥＳであればステップＳ１７に進み、診断コメント入力操作によって取得した文字列を図８に示す要領で診断欄ＤＧＮに表示する。図８によれば、診断欄ＤＧＮには、“１．狭心症の疑い”の文字列が表示される。文字列の表示が完了すると、ステップＳ１９に進む。

ステップＳ１９では、診断欄ＤＧＮ下に表示された「確認」ボタン（図７，図８参照）がキーボード／マウス１２ｋｍによってクリックされたか否か（要求発行操作が行われたか否か）を判別する。ステップＳ１９の判別結果がＮＯであれば、読影レポート画面の右上に表示された「確定」ボタンがキーボード／マウス１２ｋｍによってクリックされたか否かをステップＳ２１で判別し、キーボード／マウス１２ｋｍによって他の操作が行われたか否かをステップＳ２５で判別する。

ステップＳ２１の判別結果およびステップＳ２５の判別結果のいずれもがＮＯであればステップＳ１１に戻り、ステップＳ２５の判別結果がＹＥＳであれば他の処理に進み、ステップＳ２１の判別結果がＹＥＳであればステップＳ２３で確定処理を行ってからステップＳ１に戻る。

この結果、メインモニタ１２ｍ１の表示が読影レポート画面からトップ画面に復帰する。ただし、図９に太丸で示すように、確定処理を施された読影レポートに対応する見出しには、“保留”に代えて“確定”の文字列が付される。

ステップＳ１９の判別結果がＹＥＳであれば、ステップＳ２７に進む。ステップＳ２７では、候補疾患提示要求（解析要求）をＮＩＨ分類専門機械学習システム４０Ａに送信する。候補疾患提示要求は、通信Ｉ／Ｆ１２ｃｍを介して発行される。

ステップＳ２７で送信される候補疾患提示要求には、ステップＳ９で取得したＤＩＣＯＭファイル内の全ての医用画像を画像情報として付随させてもよい。

ＮＩＨ分類専門機械学習システム４０Ａは、医用画像に基づいて患者の疾患を診断した経験が豊富な医師の知能と同様の人工知能を有し、候補疾患提示要求に付随する画像情報に基づいて患者の疾患を解析する解析処理（第１解析処理）を実行する。

ＮＩＨ分類専門機械学習システム４０Ａは、画像情報に基づく解析処理によって図２に示す候補疾患テーブルから複数の候補疾患を抽出し、抽出した複数の疾患候補と各疾患候補に該当する確率とを含む回答を要求元に返送する。

ステップＳ２７の処理が完了すると、ＮＩＨ分類専門機械学習システム４０Ａから回答があったか否かをステップＳ２９で繰り返し判別する。

判別結果がＮＯからＹＥＳに更新されると、ステップＳ３１に進む。ステップＳ３１では、探知された候補疾患名の上位３位以内に“結節”または“塊まり”があるか否かを判別する。判別結果がＮＯであれば、ステップＳ３３に進み、解析結果画面をＤＲＡＭ１２ｍｍに展開する。展開された解析結果画面はメインモニタ１２ｍ１によって読み出され、図１０に示す要領で読影レポート画面に多重表示（追加表示）される。表示処理が完了すると、ステップＳ１１に戻る。

図１０を参照して、画像情報に基づく解析結果を表す候補疾患名および該当確率は解析結果画面に表示される。ここでは、画像情報に基づく解析結果は、“所見無７０％”，“心肥大１５％”，“線維症１０％”の順で並ぶ。「所見無」と解析された読影結果は、院内ＬＡＮ５０を介してレポートシステムサーバー（ＰＡＣＳ３０）に送信され保存される。

一方、ステップＳ３１での判別結果がＹＥＳであれば、ステップＳ３５に進む。ステップＳ３５では、病変位置情報提示要求（解析要求）を病変位置専門機械学習システム４０Ｂに送信する。ステップＳ３５で送信される病変位置情報提示要求には、ステップＳ９で取得したＤＩＣＯＭファイル内の全ての医用画像が画像情報として付随する。

病変位置専門機械学習システム４０Ｂは、医用画像に基づいて患者の疾患を診断した経験が豊富な医師の知能と同様の人工知能を有し、候補疾患提示要求に付随する画像情報に基づいて病変位置を解析する解析処理（第２解析処理）を実行する。

ステップＳ３５の処理が完了すると、病変位置専門機械学習システム４０Ｂから回答があったか否かをステップＳ３７で繰り返し判別する。

判別結果がＮＯからＹＥＳに更新されると、ステップＳ３９に進み、解析結果画面をＤＲＡＭ１２ｍｍに展開する。展開された解析結果画面はメインモニタ１２ｍ１によって読み出され、図１１に示す要領で読影レポート画面に多重表示（追加表示）される。表示処理が完了すると、ステップＳ１１に戻る。

図１１を参照して、候補疾患名および該当確率は解析結果画面の左側に表示され、病変位置の解析結果情報を加えた画像は解析結果画面の右側に表示される。病変位置の解析結果情報としては、結節”または“塊まり”として探知された位置を表示した画像が表示される。前記探知された位置は、図１１中「病変位置情報」で四角で示す部分である。同図においては、前記探知された位置が３箇所ある。これらの解析結果は、同時に表示される。ここでは、画像情報に基づく解析結果は、“結節７０％”，“心肥大１５％”，“肺炎５％”の順で並ぶ。

探知された候補疾患名の上位３位以内に“結節”または“塊まり”がある場合には、病変位置情報を加えた画像が同時に表示される（図１１）。医師は解析結果を再確認して、見落とし等がないか確認し、必要であれば修正を行う（ステップＳ１１）。異常の有無、精密検査の要否を判断した後の確定された読影結果は、院内ＬＡＮ５０を介してレポートシステムサーバー（ＰＡＣＳ３０）に送信され保存される。

ＤＩＣＯＭファイルに収められた医用画像のうちＮＩＨ分類専門機械学習システム４０Ａによって異常所見が探知された場合（たとえば、候補疾患名の上位３位以内に“結節”または“塊まり”がある場合）のみ、病変位置専門機械学習システム４０Ｂによる解析処理の対象とすることで、読影医の負担軽減を図ることができ、病変が表れた医用画像に注力しての診断が可能となり、病変を見落として診断が行われる懸念が軽減される。

解析結果画面の表示が完了した後にステップＳ１１に戻ることで、ステップＳ１１からステップＳ１７までの処理が再起動され、所見欄ＲＭＫおよび診断欄ＤＧＮの各々に表示される文字列の編集が可能となる（図１２参照）。

図１２に示す太枠内の記載によれば、“右下肺野に結節所見を認める。”の文字列が所見欄ＲＭＫに追加され、診断欄ＤＧＮの記載が“１．肺癌疑い”および“２．狭心症疑い”に改められる。編集の後に“確認”ボタンがクリックされると、ステップＳ２７からステップＳ３９までの処理が再起動され、解析結果画面が更新される。

以上の説明から分かるように、画像診断支援装置１０は、単一または複数の医用画像に基づく診断を支援する装置であり、これを構成するＣＰＵ１２ｐｒによって以下の処理が実行される。

まず、医用画像の少なくとも１つが、読影医と向き合うサブモニタ１２ｍ２に表示される(S9)。また、依頼コメントに対する読影医の見解（所見および／または診断コメント）は、キーボード／マウス１２ｋｍを通して取得され、メインモニタ１２ｍ１上の読影レポート画面に表示される(S11~S17)。

その後、医用画像が付随する候補疾患提示要求が、ＮＩＨ分類専門機械学習システム４０Ａに向けて発行される(S27)。前記候補疾患提示要求は画像情報に基づいて患者の疾患の解析を要求するものである。

ＮＩＨ分類専門機械学習システム４０Ａによる解析の結果、異常所見が探知された場合には、病変位置情報提示要求が病変位置専門機械学習システム４０Ｂに向けて発行される(S35)。異常所見が探知されなかった場合には、ＮＩＨ分類専門機械学習システム４０Ａによる解析結果が、メインモニタ１２ｍ１上の読影レポート画面に多重表示される(S33)。また、異常所見が探知された場合には、ＮＩＨ分類専門機械学習システム４０Ａによる解析結果および病変位置専門機械学習システム４０Ｂによる解析結果が、メインモニタ１２ｍ１上の読影レポート画面に多重表示される(S39)。

医用画像をＮＩＨ分類専門機械学習システム４０Ａおよび病変位置専門機械学習システム４０Ｂによる解析処理の対象とすることで、病変位置情報が必要とされる所見があった場合のみ、病変位置に関する解析結果を表示することにより読影医の負担を軽減することができ、ひいては、病変が表れた医用画像を見落として診断が行われる懸念が軽減される。

また、この実施例では、「確認」ボタンがクリックされたときに、画像診断支援装置１０が、ＮＩＨ分類専門機械学習システム４０Ａに対して候補疾患提示要求を送信する（図１５のステップＳ２７参照）。また、ＮＩＨ分類専門機械学習システム４０Ａは、送信された候補疾患提示要求に付随する画像情報に基づいて患者の疾患を解析し、解析結果を画像診断支援装置１０に返送する。

しかし、これに代えて、ＤＩＣＯＭファイルがＰＡＣＳ３０に保存された時点で、ＰＡＣＳ３０が、ＮＩＨ分類専門機械学習システム４０Ａに対して解析要求（ＤＩＣＯＭファイル内の全ての医用画像とＤＩＣＯＭファイル番号とが付随）を送信し、「確認」ボタンがクリックされたときに、画像診断支援装置１０が、ＮＩＨ分類専門機械学習システム４０Ａに対して候補疾患提示要求（ＤＩＣＯＭファイル番号が付随）を送信するようにしてもよい。

この場合、ＮＩＨ分類専門機械学習システム４０Ａは、解析要求に付随する画像情報に基づいて患者の疾患を解析し、候補疾患提示要求に応答して解析結果を画像診断支援装置１０に返送する。

これによって、ＮＩＨ分類専門機械学習システム４０Ａは、「確認」ボタンがクリックされる前に患者の疾患を解析することができる。この結果、「確認」ボタンのクリックに対する応答特性が向上する。

なお、ＰＡＣＳ３０からＮＩＨ分類専門機械学習システム４０Ａに対して解析要求を送信する場合、画像診断支援装置１０およびＰＡＣＳ３０によって構成された装置が、この発明の“画像診断支援装置”に相当する。

１０ …画像診断支援装置
１２ｐｒ …ＣＰＵ
１２ｋｍ …キーボード／マウス
１２ｈｄ …ＨＤＤ
１２ｍ１ …メインモニタ
１２ｍ２ …サブモニタ
４０ …機械学習システム
４０Ａ …ＮＩＨ分類専門機械学習システム
４０Ｂ …病変位置専門機械学習システム

Claims

単一または複数の医用画像に基づく診断を支援する画像診断支援装置であって、
前記医用画像を含む画像情報に基づいて前記患者の疾患を解析する第１解析処理を解析装置に要求する第１解析要求手段、
前記患者の疾患の病変位置を解析する第２解析処理を前記第１解析要求手段の処理に関連して前記解析装置に要求する第２解析要求手段、および
前記第１解析処理によって得られた第１解析結果と前記第２解析処理によって得られた第２解析結果とを出力する解析結果出力手段を備える、画像診断支援装置。
前記解析結果出力手段は、前記第１解析結果において病変位置情報が必要とされる所見があった場合のみ、前記第１解析結果および前記第２解析結果を前記診断者に向けて同時に出力する、請求項１記載の画像診断支援装置。
依頼文欄および見解記入欄を有する読影レポートを第１モニタに表示する読影レポート表示手段、および
前記医用画像の少なくとも１つを診断者に向けて出力する医用画像出力手段をさらに備え、
前記医用画像出力手段は、前記医用画像の少なくとも１つを前記第１モニタに付随する第２モニタに表示する医用画像表示手段を含む、請求項１または２記載の画像診断支援装置。
前記解析結果出力手段は、前記第１解析結果および前記第２解析結果を前記第１モニタに追加表示する追加表示手段を含む、請求項１ないし３のいずれかに記載の画像診断支援装置。
前記第１解析要求手段および前記第２解析要求手段の各々は、要求発行操作を受け付けたとき前記解析装置に向けて解析要求を発行する、請求項１ないし４のいずれかに記載の画像診断支援装置。
前記第１解析結果は、複数の候補疾患名と各疾患候補の該当確率とを含む、請求項１ないし５のいずれかに記載の画像診断支援装置。
前記第２解析結果は、病変位置情報を含む、請求項１ないし６のいずれかに記載の画像診断支援装置。
単一または複数の医用画像に基づく診断を支援する画像診断支援装置によって実行される画像診断支援方法であって、
前記医用画像を含む画像情報に基づいて前記患者の疾患を解析する第１解析処理を解析装置に要求する第１解析要求ステップ、
前記患者の疾患の病変位置を解析する第２解析処理を前記第１解析要求ステップの処理に関連して前記解析装置に要求する第２解析要求ステップ、および
前記第１解析処理によって得られた第１解析結果と前記第２解析処理によって得られた第２解析結果とを出力する解析結果出力ステップを備える、画像診断支援方法。
単一または複数の医用画像に基づく診断を支援する画像診断支援装置のプロセッサに、
前記医用画像を含む画像情報に基づいて前記患者の疾患を解析する第１解析処理を解析装置に要求する第１解析要求ステップ、
前記患者の疾患の病変位置を解析する第２解析処理を前記第１解析要求ステップの処理に関連して前記解析装置に要求する第２解析要求ステップ、および
前記第１解析処理によって得られた第１解析結果と前記第２解析処理によって得られた第２解析結果とを出力する解析結果出力ステップを実行させるための、画像診断支援プログラム。