JP2022073363A - 医用データ処理装置、医用データ処理方法及び医用データ処理プログラム - Google Patents

医用データ処理装置、医用データ処理方法及び医用データ処理プログラム Download PDF

Info

Publication number
JP2022073363A
JP2022073363A JP2020183315A JP2020183315A JP2022073363A JP 2022073363 A JP2022073363 A JP 2022073363A JP 2020183315 A JP2020183315 A JP 2020183315A JP 2020183315 A JP2020183315 A JP 2020183315A JP 2022073363 A JP2022073363 A JP 2022073363A
Authority
JP
Japan
Prior art keywords
state
data
timing
estimated
parameters
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
JP2020183315A
Other languages
English (en)
Inventor
淳一 大井田
Junichi Oida
健一 上山
Kenichi Kamiyama
雄一郎 大口
Yuichiro Oguchi
直樹 清原
Naoki Kiyohara
岳人 青山
Takehito Aoyama
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.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems 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 Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Priority to JP2020183315A priority Critical patent/JP2022073363A/ja
Priority to US17/514,360 priority patent/US20220139564A1/en
Priority to EP21205526.3A priority patent/EP3992981A1/en
Priority to CN202111268721.7A priority patent/CN114445324A/zh
Publication of JP2022073363A publication Critical patent/JP2022073363A/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
    • 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
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/503—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the heart
    • 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
    • G06T7/50—Depth or shape recovery
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/20—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for electronic clinical trials or questionnaires
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/40—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to mechanical, radiation or invasive therapies, e.g. surgery, laser therapy, dialysis or acupuncture
    • 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
    • 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
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/08—Detecting organic movements or changes, e.g. tumours, cysts, swellings
    • A61B8/0883—Detecting organic movements or changes, e.g. tumours, cysts, swellings for diagnosis of the heart
    • 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
    • G06T2207/10081—Computed x-ray tomography [CT]
    • 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
    • G06T2207/10088—Magnetic resonance imaging [MRI]
    • 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
    • G06T2207/10104—Positron emission tomography [PET]
    • 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
    • G06T2207/10108—Single photon emission computed tomography [SPECT]
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10132—Ultrasound 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
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30048—Heart; Cardiac
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Quality & Reliability (AREA)
  • Surgery (AREA)
  • Dentistry (AREA)
  • Molecular Biology (AREA)
  • Veterinary Medicine (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Cardiology (AREA)
  • Business, Economics & Management (AREA)
  • Geometry (AREA)
  • General Business, Economics & Management (AREA)
  • Urology & Nephrology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Processing Or Creating Images (AREA)

Abstract

【課題】治療前等のタイミングの被検体の状態に関する情報から治療後等のタイミングの被検体の状態をより適切に推定すること。【解決手段】実施形態に係る医用データ処理装置は、第１の取得部と、算出部と、推定部とを備える。第１の取得部は、第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得する。算出部は、前記推定データと、前記実測のデータとに基づいたパラメータを算出する。推定部は、前記パラメータと所定時相における前記推定データとに基づいて、前記第１のタイミングとは異なる第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する。【選択図】図１

Description

本明細書及び図面に開示の実施形態は、医用データ処理装置、医用データ処理方法及び医用データ処理プログラムに関する。
心臓疾患を有する被検体（患者）に対する治療方針の計画時には、医師は、治療前に得られる被検体の状態や治療対象となる心臓の形態又は流体情報を用いて、医師の知識や経験に基づいて治療方針を決定している。理想的には、医師は、治療後の被検体の状態が最適となる治療方針を計画すべきである。そのためには、治療前の被検体の状態に関する情報から治療後の被検体の状態を推定する技術が必要である。
しかしながら、治療前の状態から治療後の状態を推定する技術の構築は困難である。一因として、心臓の形状、動作、血流等は個人差が大きいことが挙げられる。
Kelm, M., et al. "Model-based therapy planning allows prediction of haemodynamic outcome after aortic valve replacement." Scientific reports 7.1 (2017): 1-12.
本明細書及び図面に開示の実施形態が解決しようとする課題の一つは、治療前等のタイミングの被検体の状態に関する情報から治療後等のタイミングの被検体の状態をより適切に推定することである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置付けることもできる。
実施形態に係る医用データ処理装置は、第１の取得部と、算出部と、推定部とを備える。第１の取得部は、第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得する。算出部は、前記推定データと、前記実測のデータとに基づいたパラメータを算出する。推定部は、前記パラメータと所定時相における前記推定データとに基づいて、前記第１のタイミングとは異なる第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する。
図１は、第１の実施形態に係る医用データ処理システム及び医用データ処理装置の構成の一例を示す図である。 図２は、第１の実施形態に係る医用データ処理装置の処理回路が有する各処理機能によって行われる処理の処理手順を示すフローチャートである。 図３は、第１の実施形態に係るステップＳ２の処理の一例を説明するための図である。 図４は、第１の実施形態に係るユーザインタフェースの一例を示す図である。 図５は、第１の実施形態に係るステップＳ４の処理の一例を説明するための図である。 図６は、第１の実施形態に係る第２の取得機能が実行する処理の一例を説明するための図である。 図７は、第１の実施形態に係る推定機能が実行する処理の一例を説明するための図である。 図８は、変形例４に係る表の一例を示す図である。 図９は、第１の実施形態に係るステップＳ６の処理の一例を説明するための図である。 図１０は、変形例５に係るステップＳ６の処理の一例を説明するための図である。 図１１は、変形例６に係る推定機能が実行する処理の一例を説明するための図である。
以下、図面を参照しながら、医用データ処理装置、医用データ処理方法及び医用データ処理プログラムの実施形態及び変形例について詳細に説明する。なお、本願に係る医用データ処理装置、医用データ処理方法及び医用データ処理プログラムは、以下に示す実施形態及び変形例によって限定されるものではない。また、実施形態は、処理内容に矛盾が生じない範囲で他の実施形態、変形例又は従来技術との組み合わせが可能である。同様に、変形例は、処理内容に矛盾が生じない範囲で実施形態、他の変形例又は従来技術との組み合わせが可能である。
（第１の実施形態）
図１は、第１の実施形態に係る医用データ処理システム及び医用データ処理装置の構成例を示す図である。
図１に示すように、本実施形態に係る医用データ処理システム１００は、Ｘ線ＣＴ（Computed Tomography）装置１１０と、医用画像保管装置１２０と、各部門システム１３０と、医用情報表示装置１４０と、医用データ処理装置１５０とを含む。ここで、各装置及びシステムは、ネットワーク１６０を介して通信可能に接続されている。
Ｘ線ＣＴ装置１１０は、被検体の対象臓器が描出されたＣＴ画像を生成する。具体的には、Ｘ線ＣＴ装置１１０は、被検体を囲む円軌道上でＸ線管及びＸ線検出器を旋回移動させることで、被検体を透過したＸ線の分布を表す投影データを収集する。かかる対象臓器としては、例えば、僧帽弁、心臓、肺等の生体器官が挙げられる。なお、対象臓器はこれらに限られず、生体器官であればよい。そして、Ｘ線ＣＴ装置１１０は、収集された投影データに基づいて、ＣＴ画像を生成する。Ｘ線ＣＴ装置１１０は、医用画像診断装置の一例である。
なお、医用データ処理システム１００は、Ｘ線ＣＴ装置１１０の他に、超音波診断装置、磁気共鳴イメージング（Magnetic Resonance Imaging：ＭＲＩ）装置、Ｘ線診断装置、ＰＥＴ（Positron Emission Tomography）装置、ＳＰＥＣＴ（Single Photon Emission Computed Tomography）装置等の他の医用画像診断装置をさらに含んでもよい。超音波診断装置は、超音波画像を生成する。ＭＲＩ装置は、ＭＲＩ画像を生成する。Ｘ線診断装置は、Ｘ線画像及びアンギオ画像を生成する。ＰＥＴ装置は、ＰＥＴ画像を生成する。ＳＰＥＣＴ装置は、ＳＰＥＣＴ画像を生成する。
ＣＴ画像、超音波画像、ＭＲＩ画像、Ｘ線画像、アンギオ画像、ＰＥＴ画像及びＳＰＥＣＴ画像は、医用画像の一例である。
医用画像保管装置１２０は、各種の医用画像を保管する。具体的には、医用画像保管装置１２０は、ネットワーク１６０を介してＸ線ＣＴ装置１１０からＣＴ画像を取得し、取得されたＣＴ画像を医用画像保管装置１２０内の記憶回路に記憶させて保管する。また、例えば、医用画像保管装置１２０は、ＰＡＣＳ（Picture Archiving and Communication System）等によって実現され、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）に準拠した形式でＣＴ画像を保管する。また、医用画像保管装置１２０は、ＣＴ画像以外の他の医用画像を同様にして取得し、取得された他の医用画像を記憶回路に記憶させて保管してもよい。医用画像保管装置１２０は、サーバやワークステーション等のコンピュータ機器によって実現される。
各部門システム１３０は、電子カルテシステム、病院情報システム（ＨＩＳ：Hospital Information System）、放射線情報システム（ＲＩＳ：Radiology Information System）、診断レポートシステム、臨床検査情報システム（ＬＩＳ：Laboratory Information System）、リハビリ部門システム、透析部門システム、手術部門システムなどの各種のシステムを含む。これらのシステムは、各装置と接続される。各システムと各装置との間では、各種の情報が送受信される。例えば、医用データ処理装置１５０は、システムによって送信された患者情報や、検査情報、治療情報等の各種の情報を受信する。
医用情報表示装置１４０は、各種の医用情報を表示する。例えば、医用情報表示装置１４０は、ネットワーク１６０を介して医用画像保管装置１２０からＣＴ画像や画像処理の処理結果等の医用情報を取得する。そして、医用情報表示装置１４０は、取得された医用情報を医用情報表示装置１４０内のディスプレイに表示させる。また、医用情報表示装置１４０は、他の医用画像等の医用情報を同様に取得してディスプレイに表示させる。例えば、医用情報表示装置１４０は、ワークステーションやパーソナルコンピュータ、タブレット端末等のコンピュータ機器によって実現される。
医用データ処理装置１５０は、医用画像に対して各種の画像処理を行う。例えば、医用データ処理装置１５０は、ネットワーク１６０を介してＸ線ＣＴ装置１１０又は医用画像保管装置１２０からＣＴ画像を取得する。そして、医用データ処理装置１５０は、取得されたＣＴ画像に対して各種の画像処理を行う。また、医用データ処理装置１５０は、ＣＴ画像以外の他の医用画像を同様に取得し、取得された他の医用画像に対して各種の画像処理を行ってもよい。また、医用データ処理装置１５０は、ネットワーク１６０を介して各部門システム１３０により送信された各種の情報を取得し、取得された各種の情報を用いて各種の処理を実行する。例えば、医用データ処理装置１５０は、サーバやワークステーション等のコンピュータ機器によって実現される。
図１に示すように、医用データ処理装置１５０は、ネットワーク（NetWork：ＮＷ）インタフェース１５１と、記憶回路１５２と、入力インタフェース１５３と、ディスプレイ１５４と、処理回路１５５とを備える。
ＮＷインタフェース１５１は、医用データ処理装置１５０と、医用データ処理装置１５０にネットワーク１６０を介して接続された他の装置又は各部門システム１３０との間で送受信される各種情報及び各種データの伝送及び通信を制御する。ＮＷインタフェース１５１は、処理回路１５５に接続されている。ＮＷインタフェース１５１は、他の装置又は各部門システム１３０により送信されたデータを受信する。この場合、ＮＷインタフェース１５１は、受信されたデータを処理回路１５５に送信する。また、ＮＷインタフェース１５１は、処理回路１５５により送信されたデータを受信する。この場合、ＮＷインタフェース１５１は、受信されたデータを他の装置や各部門システム１３０に送信する。例えば、ＮＷインタフェース１５１は、ネットワークカードやネットワークアダプタ、ＮＩＣ（Network Interface Controller）等によって実現される。
記憶回路１５２は、各種データ及び各種プログラムを記憶する。記憶回路１５２は、処理回路１５５に接続されている。記憶回路１５２は、処理回路１５５による制御を受けて、処理回路１５５により送信されたデータを記憶する。また、記憶回路１５２に記憶されているデータは、処理回路１５５により読み出される。例えば、記憶回路１５２は、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子や、ハードディスク、光ディスク等によって実現される。
入力インタフェース１５３は、医師等のユーザから各種指示及び各種情報の入力操作を受け付ける。入力インタフェース１５３は、処理回路１５５に接続されている。入力インタフェース１５３は、ユーザから受け付けた操作を電気信号に変換して処理回路１５５に送信する。例えば、入力インタフェース１５３は、トラックボール、スイッチボタン、マウス、キーボード、操作面へ触れることで操作を受け付けるタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力インタフェース、及び音声入力インタフェース等によって実現される。なお、本明細書において、入力インタフェース１５３は、マウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を処理回路１５５へ送信する電気信号の処理回路も入力インタフェース１５３の例に含まれる。
ディスプレイ１５４は、各種情報及び各種データを表示する。ディスプレイ１５４は、処理回路１５５に接続されている。ディスプレイ１５４は、処理回路１５５による制御を受けて、処理回路１５５により送信された各種情報及び各種データを表示する。例えば、ディスプレイ１５４は、液晶ディスプレイやＣＲＴ（Cathode Ray Tube）ディスプレイ、タッチパネル等によって実現される。ディスプレイ１５４は、表示部の一例である。
処理回路１５５は、医用データ処理装置１５０全体を制御する。例えば、処理回路１５５は、入力インタフェース１５３を介してユーザから受け付けた操作に応じて、各種処理を行う。また、例えば、処理回路１５５は、ネットワーク１６０を介してＸ線ＣＴ装置１１０又は医用画像保管装置１２０により送信されたＣＴ画像を取得する。そして、処理回路１５５は、取得されたＣＴ画像を記憶回路１５２に記憶させる。また、処理回路１５５は、他の医用画像についても同様に取得し、取得された他の医用画像を記憶回路１５２に記憶させてもよい。
以上、本実施形態に係る医用データ処理システム１００及び医用データ処理装置１５０の構成の一例について説明した。例えば、本実施形態に係る医用データ処理システム１００及び医用データ処理装置１５０は、病院や診療所等の医療施設に設置され、医師等のユーザによって行われる各種の疾患についての治療計画の策定等を支援する。
例えば、医用データ処理装置１５０は、被検体の治療後の生体器官の状態（形状、動き、血流、圧力等）を推定するための治療後シミュレーションを実施（実行）する。本実施形態では、治療後シミュレーションを実施する際に、医用データ処理装置１５０は、被検体の個人差を考慮して、治療前の被検体の状態に関する情報から治療後シミュレーションを実行する際に用いられる各種のパラメータを設定する。すなわち、医用データ処理装置１５０は、各被検体に対応するパラメータであって、より適切なパラメータを設定する。したがって、本実施形態に係る医用データ処理装置１５０は、治療前の被検体の状態に関する情報から治療後の被検体の状態をより適切に推定することができる。これにより、患者（被検体）の適切な治療選択や医師による治療時間の短縮につながり、被検体の予後の向上に寄与することができる。
以下、医用データ処理装置１５０が、僧帽弁の弁膜症を患っている被検体（患者）の僧帽弁が対象領域として描出されたＣＴ画像を用いて処理を行う場合について説明する。具体的には、医用データ処理装置１５０が、ＣＴ画像から得られる治療前の僧帽弁の形態情報から、治療後の僧帽弁の形態情報及び血行動態情報を推定する場合について説明する。ただし、医用データ処理装置１５０が、僧帽弁以外の他の生体器官に対して同様の処理を行ってもよい。
図１に示すように、医用データ処理装置１５０の処理回路１５５は、第１の取得機能１５５ａと、算出機能１５５ｂと、第２の取得機能１５５ｃと、推定機能１５５ｄと、表示制御機能１５５ｅとを有する。第１の取得機能１５５ａは、第１の取得部の一例である。算出機能１５５ｂは、算出部の一例である。第２の取得機能１５５ｃは、第２の取得部の一例である。推定機能１５５ｄは、推定部の一例である。表示制御機能１５５ｅは、表示制御部の一例である。
処理回路１５５は、例えば、プロセッサによって実現される。その場合に、上述した各処理機能は、コンピュータによって実行可能なプログラム（医用データ処理プログラム）の形態で記憶回路１５２に記憶される。そして、処理回路１５５は、記憶回路１５２に記憶された各プログラムを読み出し、読み出された各プログラムを実行することで、各プログラムに対応する各処理機能を実現する。換言すると、処理回路１５５は、各プログラムを読み出した状態で、図１に示される各処理機能を有することとなる。
なお、処理回路１５５は、複数の独立したプロセッサを組み合わせて構成され、各プロセッサが各プログラムを実行することによって各処理機能を実現するものとしてもよい。また、処理回路１５５が有する各処理機能は、単一又は複数の処理回路に分散又は統合されて実現されてもよい。また、処理回路１５５が有する各処理機能は、回路等のハードウェアとソフトウェアとの混合によって実現されても構わない。また、ここでは、各処理機能に対応する各プログラムが単一の記憶回路１５２に記憶される場合の例を説明したが、各プログラムが複数の記憶回路に分散して記憶されてもよい。例えば、各処理機能に対応する各プログラムが複数の記憶回路に分散して記憶され、処理回路１５５が、各記憶回路から各プログラムを読み出して実行する構成としても構わない。
次に、医用データ処理装置１５０により実行される処理の手順について、図２を用いて説明する。図２は、第１の実施形態に係る医用データ処理装置の処理回路１５５が有する各処理機能によって行われる処理の処理手順を示すフローチャートである。
なお、処理回路１５５は、入力インタフェース１５３を介してユーザにより入力された指示であって図２に示す処理を実行するための指示を受信した場合に、図２に示す処理を実行する。また、処理回路１５５が、医用画像保管装置１２０を監視しており、新しいＣＴ画像が医用画像保管装置１２０に新たに保管された場合に自動的に図２に示す処理を実行するようにしてもよい。更に、処理回路１５５が、医用画像保管装置１２０に新たに保管された新しいＣＴ画像が予め定める条件を満足するか否かを判定し、満足する場合に図２に示す処理を実行するようにしてもよい。
（ステップＳ１）
図２に示すように、まず、ステップＳ１では、第１の取得機能１５５ａは、被検体のＣＴ画像をＸ線ＣＴ装置１１０又は医用画像保管装置１２０より取得する。なお、本実施形態において医用データ処理装置１５０が処理の対象とする医用画像の種類は、ＣＴ画像に限られない。医用データ処理装置１５０が処理の対象とする医用画像は、処理の対象とする対象臓器の解剖構造の形態情報を含む医用画像であればどのような種類の医用画像であってもよい。例えば、処理の対象となる医用画像は、超音波画像、ＭＲＩ画像、Ｘ線画像、アンギオ画像、ＰＥＴ画像又はＳＰＥＣＴ画像のような他の３次元画像又は２次元画像であってもよい。また、処理の対象となる医用画像は、それらを時間方向に複数撮像することにより得られる４次元画像であってもよい。又は、処理の対象となる医用画像は、心電計、脳波計、脳磁計、心磁計、ＮＩＲＳ（near infrared spectroscopy（近赤外分光法））脳波計等による１次元の電気・磁気・近赤外線等の計測値の時間及び／又は空間方向の分布図等であってもよい。
また、以下では、処理回路１５５が、ＣＴ画像に描出される被検体の僧帽弁を対象臓器とし、僧帽弁を６時点で撮像することにより得られた６位相（６時相）分の３次元データを含む４次元ＣＴ画像をステップＳ１で取得した例について説明するが、本実施形態はこれに限定されない。
（ステップＳ２）
次に、ステップＳ２では、第１の取得機能１５５ａは、ステップＳ１において取得されたＣＴ画像における対象臓器を示す領域を特定する。以下、かかる対象臓器を示す領域を対象領域と称する。つまり、第１の取得機能１５５ａは、本例では、対象領域として、ＣＴ画像上における僧帽弁が示すＣＴ画像における各画素の座標情報を取得する。このようにして、ステップＳ２では、第１の取得機能１５５ａは、僧帽弁の形態情報を取得する。かかる僧帽弁の形態情報は、治療前のタイミングにおける僧帽弁の形態の状態を示す実測のデータの一例である。また、僧帽弁の形態の状態は、僧帽弁の状態の一例である。
例えば、第１の取得機能１５５ａは、入力インタフェース１５３を介してユーザにより入力された対象領域の指定に基づいて、対象領域を特定してもよい。具体的には、第１の取得機能１５５ａは、ユーザにより対象領域として指定された領域を、ステップＳ３以降の処理で用いられる対象領域として特定してもよい。また、第１の取得機能１５５ａは、既知の領域抽出技術によりＣＴ画像に描出される解剖学的構造に基づいて対象領域を特定してもよい。既知の領域抽出技術としては、例えば、ＣＴ値に基づく大津の二値化法、領域拡張法、スネーク法、グラフカット法、ミーンシフト法等がある。
なお、対象領域を特定する手法は、医用画像から対象領域を特定できればどのような手法でもよく、上述した手法に限定されない。例えば、第１の取得機能１５５ａは、機械学習技術（例えば、深層学習を含む機械学習技術）を用いて事前に準備された学習用データを学習することで構築された対象領域の形状モデルに基づいて対象領域を推定して特定してもよい。具体的には、第１の取得機能１５５ａは、ＣＴ画像に当該形状モデルを適用し対象領域を出力することで、対象領域を推定する。対象領域は２次元であってもいいし、３次元であってもよい。
また、第１の取得機能１５５ａが医用画像全体に対してグラフカット法等の処理を実施すると、計算コストが過剰に高くなる可能性がある。このため、第１の取得機能１５５ａは、対象臓器に関連し、且つ、対象臓器よりも大きいが医用画像全体よりは小さい領域を特定する。以下、対象臓器に関連し、且つ、対象臓器よりも大きいが医用画像全体よりは小さい領域を関連領域と称する。例えば、対象臓器が僧帽弁である場合には、関連領域は、心臓領域又は左心房と左心室の和の領域等である。そして、第１の取得機能１５５ａは、特定された関連領域にのみ上記処理を適用し、対象領域を特定してもよい。これにより、計算コストの増大を抑制することができる。
なお、第１の取得機能１５５ａは、入力インタフェース１５３を介してユーザにより入力された関連領域の指定に基づいて、関連領域を特定してもよい。具体的には、第１の取得機能１５５ａは、ユーザにより関連領域として指定された領域を、上記処理が適用される関連領域として特定してもよい。第１の取得機能１５５ａは、対象領域を特定する処理を、ステップＳ１で取得された複数の時点で撮像された複数の位相分のＣＴ画像（本例では、６位相分のデータ）のそれぞれに対して実施する。すなわち、第１の取得機能１５５ａは、時点ごとに、対象領域を特定する。
また、第１の取得機能１５５ａは、対象領域の中で複数の特徴的な領域や複数の特性の異なる領域を個別に特定してもよい。例えば、僧帽弁は、前尖と後尖との２つの弁葉から構成される。このため、第１の取得機能１５５ａは、前尖及び後尖それぞれを個別に特定してもよい。
図３は、第１の実施形態に係るステップＳ２の処理の一例を説明するための図である。図３に示すように、第１の取得機能１５５ａは、時点ｔ１から時点ｔ６までの６時点において撮像することにより得られた６つのＣＴ画像１１～１６のそれぞれから６つの僧帽弁の領域２１～２６のそれぞれを特定する。なお、僧帽弁の領域２１～２６において、斜線のハッチングにより示される領域２１ａ～２６ａは前尖を示す領域であり、ドットのハッチングにより示される領域２１ｂ～２６ｂは後尖を示す領域である。
（ステップＳ３）
次に、ステップＳ３では、算出機能１５５ｂは、後述するステップＳ４で実施される治療前のシミュレーション（治療前シミュレーション）に使用されるパラメータを算出し設定する。ここで、ステップＳ３で設定されるパラメータは、治療の影響を受けない又は受けにくいパラメータである。すなわち、ステップＳ３で設定されるパラメータは、治療の前後で変化しない又は変化が少ないパラメータである。また、ステップＳ３では、１つ又は複数のパラメータが設定される。すなわち、算出機能１５５ｂは、少なくとも１つのパラメータを設定する。パラメータは境界条件を含む。
具体的には、算出機能１５５ｂは、弁葉に関するパラメータとして、弁の硬さ、厚さ及び繊維方向等を設定してもよい。また、算出機能１５５ｂは、腱索に関するパラメータとして、腱索の硬さ、長さ、太さ、接続位置及び数等を設定してもよい。また、算出機能１５５ｂは、心腔又は血管に関するパラメータとして、血管、左心房及び左心室等のそれぞれの硬さ、体積及び表面の平滑さの程度等を設定してもよい。また、算出機能１５５ｂは、血液に関するパラメータとして、血液の粘度、流速、カフ圧（最高血圧、最低血圧）及び全身の総血液量等を設定してもよい。本明細書では、上述した弁の硬さ、厚さ及び繊維方向等の弁葉に関するパラメータ、並びに、腱索の硬さ、長さ、太さ、接続位置及び数等の腱索に関するパラメータは、僧帽弁の形状又は形状の変化に関するパラメータとして説明する。また、上述した血管、左心房及び左心室等のそれぞれの硬さ、体積及び表面の平滑さの程度等の心腔又は血管に関するパラメータ、並びに、血液の粘度、流速、カフ圧（最高血圧、最低血圧）及び全身の総血液量等の血液に関するパラメータは、僧帽弁の動き又は動きの変化に関するパラメータとして説明する。以下、僧帽弁の形状又は形状の変化に関するパラメータを単に「形状に関するパラメータ」と表記し、僧帽弁の動き又は動きの変化に関するパラメータを単に「動きに関するパラメータ」と表記する。なお、形状に関するパラメータ、動きに関するパラメータの分類はどのようなものであってもよく本実施形態はこれに限定されない。血流に関するパラメータを別に設定してもよい。
また、本実施形態では、例えば、形状に関するパラメータが算出される対象の生体器官が、僧帽弁及び腱索である。また、本実施形態では、例えば、動きに関するパラメータが算出される対象の生体器官が、心腔、血管及び血液である。ただし、腱索は、動きに関するパラメータが算出される対象の生体器官にもなりうる。形状に関するパラメータが算出される対象の生体器官は、第１の生体器官の一例である。動きに関するパラメータが算出される対象の生体器官は、第２の生体器官の一例である。
なお、算出機能１５５ｂは、直接パラメータを設定せずに、予め設定されたアルゴリズムに基づいて間接的な指標からパラメータを算出し設定してもよい。例えば、算出機能１５５ｂは、僧帽弁を通過する血液の流速を示すパラメータを直接設定するのではなく、間接的な指標として左心房の体積（容積）及び左心室の体積を算出し設定してもよい。例えば、算出機能１５５ｂは、左心房の体積と左心室の体積の時間方向の変化量に基づいて僧帽弁の上側（左心房側）と下側（左心室側）との間にかかる圧力較差を算出する。そして、算出機能１５５ｂは、圧力較差から血液の流速を算出し、算出された血液の流速をパラメータとして設定する。このように、算出機能１５５ｂは、血液の流速を示すパラメータを算出するための間接的な指標として左心房の体積及び左心室の体積を設定してもよい。
上述したパラメータは一例であり、ステップＳ３で設定されるパラメータは上述したパラメータの種類や数に限定されない。例えば、算出機能１５５ｂにより設定されるパラメータは、生体のシミュレーションに用いられることが可能なパラメータであればどのようなパラメータであってもよい。例えば、本実施形態で用いられる生体器官の形状に関するパラメータは、生体器官の硬さ、厚さ、繊維方向、長さ、太さ、接続位置及び数のうち少なくとも１つを示すパラメータであればよい。また、本実施形態で用いられる生体器官の動きに関するパラメータは、生体器官の硬さ、体積、及び、表面の平滑さの程度、並びに、生体器官を流れる流体（例えば血液）の粘度、流速及び総量のうち少なくとも１つを示すパラメータであればよい。
図４は、第１の実施形態に係るユーザインタフェースの一例を示す図である。図４には、パラメータを設定するためのユーザインタフェースの一例として、パラメータを設定するためのパラメータ設定用画面３１が示されている。本実施形態では、ユーザが、図４に示すようなユーザインタフェースを用いて、手動でパラメータを設定可能としてもよい。例えば、算出機能１５５ｂは、図４に示すパラメータ設定用画面３１を表示するようにディスプレイ１５４を制御する。パラメータ設定用画面３１は、３つのチェックボックス３２～３４及び３つのテキストボックス３５～３７を有する。
チェックボックス３２は、僧帽弁の硬さを示すパラメータを治療前シミュレーションに用いるか否かを選択するためのものである。チェックボックス３２が入力インタフェース１５３を介してユーザにより選択されると、図４に示すように、算出機能１５５ｂは、チェックボックス３２上にチェックマークを表示させ、僧帽弁の硬さを示すパラメータが治療前シミュレーションに用いられるように設定する。一方、チェックボックス３２が選択されない場合、算出機能１５５ｂは、チェックボックス３２上にチェックマークを表示させず、僧帽弁の硬さを示すパラメータが治療前シミュレーションに用いられないように設定する。
チェックボックス３３は、腱索の数を示すパラメータを治療前シミュレーションに用いるか否かを選択するためのものである。チェックボックス３３が入力インタフェース１５３を介してユーザにより選択されると、図４に示すように、算出機能１５５ｂは、チェックボックス３３にチェックマークを表示させ、腱索の数を示すパラメータが治療前シミュレーションに用いられるように設定する。一方、チェックボックス３３が選択されない場合、算出機能１５５ｂは、チェックボックス３３にチェックマークを表示させず、腱索の数を示すパラメータが治療前シミュレーションに用いられないように設定する。
チェックボックス３４は、治療前シミュレーションにおいて乳頭筋の位置を考慮するか否かを選択するためのものである。チェックボックス３４が入力インタフェース１５３を介してユーザにより選択されると、算出機能１５５ｂは、チェックボックス３４にチェックマークを表示させ、治療前シミュレーションにおいて乳頭筋の位置を考慮するように設定する。一方、チェックボックス３４が選択されない場合、図４に示すように、算出機能１５５ｂは、チェックボックス３４にチェックマークを表示させず、治療前シミュレーションにおいて乳頭筋の位置が考慮されないように設定する。
テキストボックス３５は、チェックボックス３２が選択された場合に、入力インタフェース１５３を介してユーザにより弁の硬さを示す数値が入力されることが可能な状態となる。図４の例では、ユーザにより「３」（ＭＰａ）が入力されて指定された場合が示されている。
テキストボックス３６は、チェックボックス３３が選択された場合に、入力インタフェース１５３を介してユーザにより前尖に接続される腱索の数が入力されることが可能な状態となる。図４の例では、前尖に接続される腱索の数「１０」（本）がユーザにより入力されて指定された場合が示されている。
テキストボックス３７は、チェックボックス３３が選択された場合に、入力インタフェース１５３を介してユーザにより後尖に接続される腱索の数が入力されることが可能な状態となる。図４の例では、後尖に接続される腱索の数「１５」（本）がユーザにより入力されて指定された場合が示されている。
そして、図４の例のようにユーザにより各種のパラメータが指定された場合、算出機能１５５ｂは、ユーザにより指定された弁の硬さ「３」（ＭＰａ）並びに前尖に接続される腱索の数「１０」（本）及び後尖に接続される腱索の数「１５」（本）の３つのパラメータを設定する。
なお、このようなユーザインタフェースは一例であり、各種パラメータをユーザが設定することが可能であれば、どのようなユーザインタフェースが用いられてもよい。例えば、ユーザインタフェースが各種論理式（ＡＮＤ，ＯＲ，ＮＯＴ等）をユーザが入力することが可能となるように構成されることで、複雑な条件が設定されることができるようにしてもよい。
また、算出機能１５５ｂは、各種パラメータを、ステップＳ２で特定された対象領域の中の複数の特徴的な領域のそれぞれについて別々に算出し設定してもよい。また、算出機能１５５ｂは、ユーザの手動ではなくステップＳ１で取得されたＣＴ画像を解析して自動で各種パラメータを算出し設定してもよい。例えば、算出機能１５５ｂは、既知の領域抽出技術によりＣＴ画像から心腔領域を抽出し、抽出された心腔領域から心腔の体積を自動で算出し、算出された心腔の体積を示すパラメータを設定してもよい。また、算出機能１５５ｂは、電子カルテシステム、ＨＩＳ、ＲＩＳ等から臨床的な情報を取得し、取得された臨床的な情報に係るパラメータを設定してもよい。または、算出機能１５５ｂは、ユーザにより手動で設定されるパラメータと自動で設定されるパラメータを混合して設定してもよい。
更に、算出機能１５５ｂは、各種パラメータの初期値として予め定められた定数を設定してもよい。例えば、算出機能１５５ｂは、初期値として、被検体の属性に基づいて定められた定数を設定してもよい。例えば、算出機能１５５ｂは、年齢や性別に応じて異なる初期値を設定してもよい。
また、算出機能１５５ｂは、事前定義した全てのパラメータの項目を使用しなくてもよい。例えば、算出機能１５５ｂは、使用するパラメータの項目をユーザインタフェース上で、ユーザによる手動で選択できるようにしてもよい。
他の例では、算出機能１５５ｂは、ＣＴ画像に対して画像処理等を実行することによって自動で取得されるパラメータについては、当該画像処理の信頼度を算出し、信頼度が低いか否かを判定してもよい。具体的には、算出機能１５５ｂは、信頼度が閾値以下であるか否かを判定することにより、信頼度が低いか否かを判定してもよい。信頼度が閾値以下である場合、算出機能１５５ｂは、以下に説明する３つの処理のうち、いずれかの処理を行ってもよい。例えば、算出機能１５５ｂは、１つ目の処理として、画像処理によって得られる計算値ではなく予め定められた定数をパラメータとして設定するようにしてもよい。また、算出機能１５５ｂは、２つ目の処理として、パラメータをユーザに手動で設定させることを促すための画面をディスプレイ１５４に表示させてもよい。また、算出機能１５５ｂは、３つ目の処理として、自動で取得されるパラメータの項目を不使用にするように設定してもよい。なお、信頼度が閾値より大きい場合、算出機能１５５ｂは、自動で取得されたパラメータを設定する。
また、算出機能１５５ｂが、上述したように電子カルテシステム、ＨＩＳ、ＲＩＳ等の各種のシステムからパラメータを取得しようとしたが、各種のシステムからパラメータを取得できない場合について説明する。この場合、算出機能１５５ｂは、上述した信頼度が閾値以下である場合に実行する処理と同様の処理を実行してもよい。例えば、算出機能１５５ｂは、予め定められた定数をパラメータとして設定するようにしてもよい。また、算出機能１５５ｂは、パラメータをユーザに手動で設定させることを促すための画面をディスプレイ１５４に表示させてもよい。また、算出機能１５５ｂは、各種のシステムから取得できないパラメータの項目を不使用にするように設定してもよい。
以下、算出機能１５５ｂが、パラメータとして弁の硬さ、腱索の数（前尖及び後尖のそれぞれに接続された腱索の数）、拡張期及び収縮期のそれぞれの左心房の体積（容積）及び左心室の体積（容積）、カフ圧（最高血圧、最低血圧）を設定する場合について説明する。算出機能１５５ｂは、弁の硬さの初期値として「３」ＭＰａを設定する。また、算出機能１５５ｂは、前尖に接続された腱索の数の初期値として「１０」本を設定し、後尖に接続された腱索の数の初期値として「１５」本を設定する。また、算出機能１５５ｂは、ステップＳ１で取得されたＣＴ画像に対して領域抽出処理を実施することにより、拡張期及び収縮期のそれぞれの左心房の体積及び左心室の体積を取得し、取得された計４つの体積を設定する。また、算出機能１５５ｂは、電子カルテシステムからカフ圧を取得し、取得されたカフ圧を設定する。ここで、上述したように、本実施例においては、弁の硬さ及び腱索の数の各パラメータは、形状に関するパラメータであり、拡張期及び収縮期のそれぞれの左心房の体積及び左心室の体積並びにカフ圧の各パラメータは、動きに関するパラメータである。
（ステップＳ４）
次に、ステップＳ４では、第１の取得機能１５５ａは、ステップＳ３において設定されたパラメータに基づいて治療前シミュレーションを実施し、被検体の治療前における対象臓器の推定データを取得する。本実施形態では、第１の取得機能１５５ａは、僧帽弁の治療前の動きをシミュレーションする。第１の取得機能１５５ａは、既知の手法を用いて治療前シミュレーションを実施する。例えば、第１の取得機能１５５ａは、有限要素法、有限差分法、イマースバウンダリー法等を用いて治療前シミュレーションを実施する。
以下、第１の取得機能１５５ａが、有限要素法を用いて治療前シミュレーションを実施する場合を例に挙げて説明するが、治療前シミュレーションの手法はこれに限られない。第１の取得機能１５５ａは、物体の動作や流体に関する情報を推定することができればどのような手法を用いてもよい。例えば、第１の取得機能１５５ａは、機械学習技術（例えば、深層学習を含む機械学習技術）を用いて事前に準備された学習用データを学習することで構築された形状モデルから対象領域の治療前の形状を推定してもよい。具体的には、第１の取得機能１５５ａは、ＣＴ画像に当該形状モデルを適用し対象領域の治療前の形状を出力することで、対象領域の治療前の形状を推定する。
ステップＳ４の具体的な処理の一例について説明する。第１の取得機能１５５ａは、まず、ステップＳ２で特定された複数の時点（本実施形態では６時点）の対象領域から１つの時点の対象領域を取得する。例えば、第１の取得機能１５５ａは、図３に示す時点ｔ１の僧帽弁の領域２１を取得する。そして、第１の取得機能１５５ａは、取得された僧帽弁の領域２１に対して、予め定められた数、サイズ、形状、要素等の条件に基づいて複数の計算格子（メッシュ）を設定する。そして、第１の取得機能１５５ａは、各計算格子に対してステップＳ３で設定されたパラメータに基づき設定される数学モデル又は物理モデルを適用し、時点ｔ２から時点ｔ６の５つの時点の僧帽弁の形状（形態）を推定する。
なお、第１の取得機能１５５ａは、時点ｔ２から時点ｔ６までの５つの時点における形状のみを推定してもよいし、さらに細かい時間間隔（例えば、時点ｔ１から時点ｔ２までの間の時点等）における形状を推定してもよい。また、第１の取得機能１５５ａは、時点ｔ１の形状及びステップＳ３において設定されたパラメータと、時点ｔ１と推定の対象となる時点との時間間隔の情報のみから時点ｔ２から時点ｔ６までの各時点の形状を推定してもよい。また、第１の取得機能１５５ａは、時間方向に連続する複数の時点のそれぞれの時点の形状の推定において、ある時点において推定された形状に基づいて、その時点の次の時点の形状を推定してもよい。すなわち、第１の取得機能１５５ａは、時点ｔＮ（Ｎは１から５までの整数）の形状及びステップＳ３において設定されたパラメータに基づいて時点ｔ（Ｎ＋１）の形状を推定してもよい。
なお、第１の取得機能１５５ａは、シミュレーションを実施する際に、僧帽弁の形状及びステップＳ３において設定されるパラメータだけでなく、対象となる被検体の臨床的な情報を用いてもよい。例えば、第１の取得機能１５５ａは、電子カルテシステム、ＨＩＳ，ＲＩＳ等のシステムから対象となる臨床的な情報を特定し利用できるように制御してもよい。また、第１の取得機能１５５ａは、入力インタフェース１５３を介してユーザにより入力された、被検体に対する問診やヒアリング等から得られた情報を用いてもよい。
図５は、第１の実施形態に係るステップＳ４の処理の一例を説明するための図である。図５には、ステップＳ４において、第１の取得機能１５５ａが、ステップＳ２で得られた時点ｔ１の僧帽弁の領域２１の形状に基づいて推定した時点ｔ２´から時点ｔ６´までの各時点の僧帽弁の形状の一例が示されている。ここで、時点ｔ２´から時点ｔ６´までの各時点は、時点ｔ２から時点ｔ６までの各時点の心位相と同一の心位相の時点である。図５に示すように、ステップＳ４において、第１の取得機能１５５ａは、時点ｔ２´の僧帽弁の形状４２を推定する。同様に、ステップＳ４において、第１の取得機能１５５ａは、時点ｔ３´から時点ｔ６´までの各時点の僧帽弁の形状４３，４４，４５，４６を推定する。
（ステップＳ５）
次に、ステップＳ５では、算出機能１５５ｂは、ステップＳ４で推定された形状（以下、推定形状）とステップＳ２で特定された対象領域の形状（以下、実測形状）とに基づいて、予め設定された評価指標を用いて、評価する。ここで、推定形状は、治療前のタイミングにおける僧帽弁の状態に関する推定データの一例である。また、実測形状は、治療前のタイミングにおける僧帽弁の状態を示す実測のデータの一例である。また、治療前のタイミングは、第１のタイミングの一例である。
例えば、算出機能１５５ｂは、推定形状と実測形状との全体的な形状の誤差に基づいた評価指標による評価値を算出する。算出機能１５５ｂは、以下の式（１）にしたがって、評価値として全体的な形状の誤差を算出する。
Figure 2022073363000002
ここで、ｐは位相数を表し、ｄｍ（ａ，ｂ）は点ａと面ｂとの間の最小のユークリッド距離を算出する関数を表す。Ｓ（Ｓｎ）はｎ番目の位相における推定形状を表し、Ｓ（Ｇｎ）はｎ番目の位相における実測形状を表す。ｓＳｎはｎ番目の位相における推定形状を構成する点を表す。ｓＧｎはｎ番目の位相における実測形状を構成する点を表す。｜Ｓ（Ｓｎ）｜はｎ番目の位相における推定形状を構成する点の個数を表す。｜Ｓ（Ｇｎ）｜はｎ番目の位相における実測形状を構成する点の個数を表す。
例えば、算出機能１５５ｂは、式（１）にしたがって、時点ｔ２´から時点ｔ６´までの各時点の僧帽弁の形状４２，４３，４４，４５，４６と、時点ｔ２から時点ｔ６までの各時点の僧帽弁の領域２２，２３，２４，２５，２６の形状との誤差（差分）を算出する。この場合、位相数ｐは「５」を示す。このように、算出機能１５５ｂは、推定形状を構成する点及び面、並びに、実測形状を構成する点及び面に基づいて、評価値を算出する。
なお、上記の評価指標は一例にすぎず、本実施形態で用いられる評価指標は、上記の評価指標に限定されない。上述した例では、算出機能１５５ｂが、全体形状に基づいて評価値を算出する場合について説明した。すなわち、算出機能１５５ｂが、ステップＳ４で推定された僧帽弁の全体形状とステップＳ２で特定された僧帽弁（対象領域）の全体形状との誤差を評価値として算出する場合について説明した。
しかしながら、算出機能１５５ｂは、特徴的な領域の形状に基づいて評価値を算出してもよい。例えば、算出機能１５５ｂは、ステップＳ４で推定された僧帽弁の開口部の形状や弁輪の形状と、ステップＳ２で特定された僧帽弁の開口部の形状や弁輪の形状との誤差を評価値として算出してもよい。
また、算出機能１５５ｂは、特徴的な座標の位置に基づいて評価値を算出してもよい。例えば、算出機能１５５ｂは、交連部の位置に基づいて評価値を算出してもよい。具体的には、算出機能１５５ｂは、ステップＳ４で推定された僧帽弁の前交連部及び後交連部の位置と、ステップＳ２で特定された僧帽弁の前交連及び後交連部の位置との誤差を評価値として算出してもよい。
また、上述した例では、算出機能１５５ｂが、複数の時点における複数の誤差の平均値に基づいて評価値を算出する場合について説明したが、特徴的な時点における誤差の平均値に基づいて評価値を算出してもよい。例えば、算出機能１５５ｂは、収縮期と拡張期における誤差の平均値に基づいて評価値を算出してもよい。また、算出機能１５５ｂは、各時点における誤差に重みを設定して評価値を算出してもよい。また、算出機能１５５ｂは、複数の評価指標を組み合わせて評価してもよい。また、算出機能１５５ｂは、対象となる被検体や医用画像の種類、対象臓器の種類等に応じて、複数の評価指標の中から用いられる評価指標を選択してもよい。
算出機能１５５ｂは、予め設定された評価指標による評価値を算出した後は、算出された評価値を基準値と比較し、評価値が基準値を満足するか否かを判定する。ここで、式（１）により算出される評価値は、小さくなるほど誤差が小さくなる。したがって、算出機能１５５ｂは、式（１）により評価値を算出する場合には、評価値が基準値以下であるか否かを判定する。この場合、算出機能１５５ｂは、評価値が基準値以下である場合には、評価値が基準値を満足すると判定する。一方、算出機能１５５ｂは、評価値が基準値より大きい場合には、評価値が基準値を満足しないと判定する。なお、基準値は予め定められていてもよいし、ユーザインタフェースを用いてユーザにより設定されてもよい。ここで、例えば、評価値が基準値を満足するとは、評価値が予め定められた基準を満足することを意味し、評価値が基準値を満足しないとは、評価値が予め定められた基準を満足しないことを意味する。
評価値が基準値を満足する場合（ステップＳ５：Ｙｅｓ）、算出機能１５５ｂは、その時のステップＳ３で設定されたパラメータを記憶回路１５２に記憶させて保管させる。このようにして、算出機能１５５ｂは、推定形状と実測形状とに基づいたパラメータであってステップＳ６において実施される治療後シミュレーションに用いられるパラメータを算出する。例えば、算出機能１５５ｂは、推定形状と実測形状とに基づいて算出される評価値が予め定められた基準を満足する場合の推定形状を推定する際に用いられるパラメータを、ステップＳ６において実施される治療後シミュレーションに用いられるパラメータとして算出する。具体的には、算出機能１５５ｂは、推定形状と実測形状とが類似する場合の推定形状を推定する際に用いられるパラメータを、ステップＳ６において実施される治療後シミュレーションに用いられるパラメータとして算出する。より具体的には、算出機能１５５ｂは、推定形状と実測形状との差分が閾値以下となる場合の推定形状を推定する際に用いられるパラメータを、ステップＳ６において実施される治療後シミュレーションに用いられるパラメータとして算出する。そして、算出機能１５５ｂは、算出されたパラメータを、後述するステップＳ６で治療後シミュレーションを実施する際に用いられるパラメータとして確定する。そして、算出機能１５５ｂは、ステップＳ６に進む。一方、評価値が基準値を満足しない場合（ステップＳ５：Ｎｏ）、算出機能１５５ｂはステップＳ３に戻る。
算出機能１５５ｂは、ステップＳ３に戻る場合、ステップＳ３においてパラメータを再設定する。例えば、算出機能１５５ｂは、ステップＳ３において、複数のパラメータのうち少なくとも１つのパラメータを変更することによりパラメータを新たに算出し、算出されたパラメータを設定する。算出機能１５５ｂは、ユーザインタフェースを介してユーザにより指定された値をパラメータとして再設定してもよい。また、算出機能１５５ｂは、前回設定したパラメータの値に基づいて自動で調整してもよい。例えば、算出機能１５５ｂは、各種パラメータに対して前回設定した値から一定の大きさ又は一定の割合だけ値を変動させることにより、各種パラメータを再設定してもよい。
また、第１の取得機能１５５ａ及び算出機能１５５ｂは、ステップＳ３～Ｓ５を複数回繰り返す場合について説明する。この場合、算出機能１５５ｂは、推定形状と実測形状とに基づいて算出される評価値が基準値を満足するまで、推定形状を推定する際に用いられるパラメータを繰り返し変更する。具体的には、算出機能１５５ｂは、推定形状と実測形状とが類似するまで、推定形状を推定する際に用いられるパラメータを繰り返し変更する。より具体的には、算出機能１５５ｂは、推定形状と実測形状との差分が閾値以下となるまで、推定形状を推定する際に用いられるパラメータを繰り返し変更する。
また、ステップＳ３～Ｓ５が複数回繰り返される場合、算出機能１５５ｂは、全てのパラメータを同様に調整するのではなく、複数のパラメータのうち、算出される評価値が基準値に近づくようなパラメータを推定し、推定されたパラメータを優先的に調整してもよい。例えば、算出機能１５５ｂは、繰り返されるステップＳ３においてパラメータを一つずつ変動させ、評価値が基準値に近づくことに対して最も効果があるパラメータを推定し、推定されたパラメータを優先的に調整してもよい。すなわち、算出機能１５５ｂは、推定形状を推定する際に用いられる複数のパラメータのうち、他のパラメータと比較して推定形状と実測形状とに基づいて算出される評価値が基準値に近づく度合いが高いパラメータを優先的に変更する。そして、第１の取得機能１５５ａは、算出機能１５５ｂにより他のパラメータと比較して評価値が基準値に近づく度合いが高いパラメータが優先的に変更される度に、変更されたパラメータを用いて推定形状を推定する。
また、算出機能１５５ｂは、一度設定した各種パラメータを記憶回路１５２に保管しておき、同じ値の組み合わせのパラメータが再び設定されないように制御してもよい。また、算出機能１５５ｂは、画像処理等によって自動で取得するパラメータを固定値として調整できないように制御してもよい。例えば、算出機能１５５ｂは、拡張期及び収縮期のそれぞれの左心房の体積及び左心室の体積や、電子カルテシステム等のシステムから取得するカフ圧等のパラメータを固定値として調整できないように制御してもよい。
また、算出機能１５５ｂは、評価値が基準値を満足しない場合であっても、予め定められた回数又は処理時間だけ、ステップＳ３からステップＳ５の処理を繰り返したとき、ステップＳ６に進んでもよい。このとき、算出機能１５５ｂは、繰り返した中で最も基準値に近い評価値が算出された際のパラメータ又は最後に算出したパラメータを記憶回路１５２に保管してステップＳ６に進んでもよい。このような場合、例えば、ステップＳ３からＳ５までの処理が複数回実行される。各回のステップＳ４では、第１の取得機能１５５ａは、前回までのステップＳ３で用いられたパラメータとは異なるパラメータを用いて推定形状を推定することにより推定形状を取得する。したがって、複数回のステップＳ４では、第１の取得機能１５５ａは、複数の異なるパラメータを用いて複数の推定形状を推定することにより、複数の推定形状を取得する。また、各回のステップＳ５では、算出機能１５５ｂは、ステップＳ３で取得された推定形状と、ステップＳ２で取得された実測形状とに基づいて算出される評価値が基準値を満足するか否かを判定する。したがって、複数回のステップＳ３～Ｓ５では、算出機能１５５ｂは、複数回のステップＳ４で取得された複数の推定形状、及び、ステップＳ２で取得された実測形状に基づいて、ステップＳ６において僧帽弁の状態を推定する際に用いられるパラメータを算出する。
又は、算出機能１５５ｂは、ステップＳ６に進まず、不図示の警告画面をディスプレイ１５４に表示させて処理を止めるように制御してもよい。警告画面の表示により、ユーザは、処理が停止された理由が、評価値が基準値を満足しないという理由であることを把握することができる。また、処理が停止されることにより、評価値が基準値を満足しないにも関わらず、後述するステップＳ６において治療後シミュレーションが実施されることを抑制することができる。
第１の実施形態に係る医用データ処理装置１５０は、ステップＳ３からステップＳ５の処理により、対象の被検体に適したパラメータを設定することができる。
（ステップＳ６）
ステップＳ６において、第２の取得機能１５５ｃ及び推定機能１５５ｄは、ステップＳ５において評価値が基準値を満足した際のステップＳ３において設定されたパラメータを用いて、治療後のシミュレーション（治療後シミュレーション）を実施する。すなわち、第２の取得機能１５５ｃ及び推定機能１５５ｄは、ステップＳ５において確定されたパラメータを用いて治療後シミュレーションを実施する。例えば、第２の取得機能１５５ｃ及び推定機能１５５ｄは、ステップＳ４と同様に、既知の手法を用いて治療後シミュレーションを実施する。以下では、第２の取得機能１５５ｃ及び推定機能１５５ｄが、僧帽弁に対して僧帽弁接合不全修復術に用いるクリップによる治療を実施した場合の治療後シミュレーションを実施する場合について説明する。
具体的には、第２の取得機能１５５ｃは、まず、ステップＳ２で特定された複数の時点の対象領域から１つの時点の対象領域を取得する。例えば、第２の取得機能１５５ｃは、図３に示す時点ｔ１の僧帽弁の領域２１を取得する。そして、第２の取得機能１５５ｃは、僧帽弁の領域２１に対して、予め定められた数、サイズ、形状、要素等の条件に基づいて計算格子を設定する。第２の取得機能１５５ｃは、ステップＳ４の計算格子の設定と同様の設定で、僧帽弁の領域２１に計算格子を設定してもよいし、ステップＳ４の計算格子の設定とは異なる設定で、僧帽弁の領域２１に計算格子を設定してもよい。なお、第２の取得機能１５５ｃは、ステップＳ６で計算格子を設定することなく、ステップＳ４で計算格子が設定された僧帽弁の領域２１をそのまま用いて以下で説明する処理を行ってもよい。
そして、第２の取得機能１５５ｃは、既知であるクリップのサイズ、重さ、張力等に基づいて予め設定されるクリップに関するパラメータと、ステップＳ５において確定された形状に関するパラメータとに基づいて設定される数学モデル又は物理モデルを、僧帽弁の領域２１に設定された各計算格子に適用する。そして、第２の取得機能１５５ｃは、僧帽弁の領域２１に設定された各計算格子に適用された数学モデル又は物理モデルを用いて、時点ｔ１の心位相と同一の心位相の時点ｔａ１における治療後の僧帽弁の形状を推定する。このように、第２の取得機能１５５ｃは、治療後シミュレーションを実施する際に形状に関するパラメータを用いることで、より高精度に治療後シミュレーションを実施することができる。具体的には、例えば、第２の取得機能１５５ｃは、時点ｔａ１の治療後の僧帽弁の形状を精度よく推定することができる。
図６は、第１の実施形態に係る第２の取得機能１５５ｃが実行する処理の一例を説明するための図である。図６に示すように、ステップＳ６において、第２の取得機能１５５ｃは、時点ｔ１における治療前の僧帽弁の領域２１の形状から、時点ｔａ１における治療後の僧帽弁の形状５１を推定する。このように、第２の取得機能１５５ｃは、ステップＳ５において確定された形状に関するパラメータと時点ｔ１における推定形状とに基づいて、治療前のタイミングとは異なる治療後のタイミングにおける時点ｔａ１の僧帽弁の形状５１を取得する。僧帽弁の形状５１は、僧帽弁の状態に関する状態データの一例である。また、治療後のタイミングは、第２のタイミングの一例である。また、時点ｔ１及び時点ｔａ１は、所定時相の一例である。なお、ステップＳ６において、第２の取得機能１５５ｃではなく、推定機能１５５ｄが上述した処理を行って時点ｔａ１における治療後の僧帽弁の形状５１を推定してもよい。
なお、ユーザがユーザインタフェースを用いて、クリップのサイズやクリップが設置される僧帽弁の位置を任意に設定してもよい。例えば、第２の取得機能１５５ｃは、ユーザインタフェースを介してユーザにより指定されたクリップのサイズやクリップが設置される僧帽弁の位置をパラメータとして設定してもよい。そして、第２の取得機能１５５ｃは、パラメータとして設定されたクリップのサイズやクリップが設置される僧帽弁の位置を用いて、時点ｔａ１における治療後の僧帽弁の形状５１を推定してもよい。
次に、推定機能１５５ｄは、時点ｔａ１における僧帽弁の形状５１に対してステップＳ５で確定された動きに関するパラメータを適用し、治療後の他の時点の僧帽弁の形状を推定する。図７は、第１の実施形態に係る推定機能１５５ｄが実行する処理の一例を説明するための図である。図７に示すように、推定機能１５５ｄは、治療後の他の時点（時点ｔａ２から時点ｔａ６までの５時点）の僧帽弁の形状５２～５６を推定する。すなわち、推定機能１５５ｄは、時点ｔａ１の僧帽弁の形状５１と、ステップＳ５において確定された動きに関するパラメータとに基づいて、治療後のタイミングにおける僧帽弁の状態を複数時相に亘って推定する。ここで、時点ｔａＬ（Ｌは１から６までの整数）は、時点ｔＬと同一の心位相の時点である。なお、ステップＳ６において、推定機能１５５ｄが、時点ｔａ１における僧帽弁の形状５１に対してステップＳ５で確定された動きに関するパラメータ及び形状に関するパラメータの両パラメータを適用し、治療後の他の時点の僧帽弁の形状を推定してもよい。また、推定機能１５５ｄが、時点ｔａ１における僧帽弁の形状５１に対してステップＳ５で確定された形状に関するパラメータを適用し、治療後の他の時点の僧帽弁の形状を推定してもよい。
このように、ステップＳ６では、医用データ処理装置１５０は、対象の被検体に適したパラメータを用いて治療後シミュレーションを実施する。したがって、医用データ処理装置１５０は、個人差を考慮した治療後シミュレーションを実施することができる。
（ステップＳ７）
そして、ステップＳ７では、表示制御機能１５５ｅは、推定機能１５５ｄによる推定結果等を表示するようにディスプレイ１５４を制御する。例えば、表示制御機能１５５ｅは、時点ｔａ１から時点ｔａ６までの６時点における僧帽弁の形状５１～５６を表示するようにディスプレイ１５４を制御する。したがって、本実施形態に係る医用データ処理装置１５０は、治療前の被検体の状態に関する情報からより適切に推定された治療後の被検体の状態をユーザに把握させることができる。また、これにより、患者（被検体）による適切な治療選択や医師による治療時間の短縮につながり、被検体の予後の向上に寄与することができる。
なお、第１の実施形態では、医用データ処理装置１５０が、治療デバイスとしてクリップを留置することにより僧帽弁の形状が変化する治療を実施した場合の治療後シミュレーションを実施する場合について説明した。しかしながら、第１の実施形態は、これに限られない。例えば、医用データ処理装置１５０は、外科手術の弁形成術を始めとする僧帽弁（つまり、対象臓器）自身の形状を変化させる治療を実施した場合の治療後シミュレーションを実施してもよい。この場合は、医用データ処理装置１５０は、１つの時点の僧帽弁の一部の形状を切除又は縫合による変形を与えることで僧帽弁の形状を推定し、その僧帽弁の形状に対してパラメータを適用することで他の時点の治療後の僧帽弁の形状を推定してもよい。
また、医用データ処理装置１５０は、薬物療法のように僧帽弁の形態は変化させず血液の物性値（例えば粘性）を変化させる治療を実施した場合の治療後シミュレーションを実施してもよい。この場合は、医用データ処理装置１５０は、ステップＳ５で確定されたパラメータに対して血液の物性値のみを変化させることで治療後の状態を推定してもよい。
なお、各ステップの処理を実施する装置が、単一の医用データ処理装置１５０内における各処理部として実現してもよいし、独立した装置として実現してもよい。また、各ソフトウェアが、各ステップの処理を実施してもよい。この場合、処理を実施するソフトウェアは、クラウドをはじめとするネットワークを介したサーバ上で動作してもよい。
（第２の実施形態）
上述した第１の実施形態では、ステップＳ６において、第２の取得機能１５５ｃが、ステップＳ５において確定された形状に関するパラメータを用いて、時点ｔａ１における治療後の僧帽弁の形状５１を推定する場合について説明した。しかしながら、第２の取得機能１５５ｃは、形状に関するパラメータではなく、動きに関するパラメータを用いて、時点ｔａ１における治療後の僧帽弁の形状を推定してもよい。そこで、このような実施形態を第２の実施形態として説明する。第２の実施形態の説明において、上述した第１の実施形態と異なる点を主に説明し、上述した第１の実施形態と同様の構成の説明を省略する場合がある。
第２の実施形態において、第２の取得機能１５５ｃは、既知であるクリップのサイズ、重さ、張力等に基づいて予め設定されるクリップに関するパラメータと、ステップＳ５において確定された動きに関するパラメータとに基づいて設定される数学モデル又は物理モデルを、僧帽弁の領域２１に設定された各計算格子に適用する。そして、第２の取得機能１５５ｃは、僧帽弁の領域２１に設定された各計算格子に適用された数学モデル又は物理モデルを用いて時点ｔａ１における治療後の僧帽弁の形状を推定する。このように、第２の実施形態では、第２の取得機能１５５ｃは、治療後シミュレーションを実施する際に動きに関するパラメータを用いることで、時点ｔａ２から時点ｔａ６までの治療後の僧帽弁の形状を精度よく推定することができる。
（第３の実施形態）
なお、ステップＳ６において、第２の取得機能１５５ｃが、ステップＳ５において確定された形状に関するパラメータ及び動きに関するパラメータの両方のパラメータを用いて、時点ｔａ１における治療後の僧帽弁の形状５１を推定してもよい。そこで、このような実施形態を第３の実施形態として説明する。第３の実施形態の説明において、上述した第１の実施形態と異なる点を主に説明し、上述した第１の実施形態と同様の構成の説明を省略する場合がある。
第３の実施形態において、第２の取得機能１５５ｃは、既知であるクリップのサイズ、重さ、張力等に基づいて予め設定されるクリップに関するパラメータと、ステップＳ５において確定された形状に関するパラメータ及び確定された動きに関するパラメータとに基づいて設定される数学モデル又は物理モデルを、僧帽弁の領域２１に設定された各計算格子に適用する。そして、第２の取得機能１５５ｃは、僧帽弁の領域２１に設定された各計算格子に適用された数学モデル又は物理モデルを用いて時点ｔａ１における治療後の僧帽弁の形状を推定する。このように、第３の実施形態では、第２の取得機能１５５ｃは、治療後シミュレーションを実施する際に形状に関するパラメータ及び動きに関するパラメータを用いることで、時点ｔａ１から時点ｔａ６までの治療後の僧帽弁の形状を精度よく推定することができる。なお、ステップＳ６において、第２の取得機能１５５ｃは、ステップＳ５において確定されたパラメータを用いずに、時点ｔａ１における治療後の僧帽弁の形状５１を推定してもよい。
（変形例１）
上述した各実施形態では、医用データ処理装置１５０が、ステップＳ２において形態情報を取得し、ステップＳ４において形態情報を推定し、ステップＳ５において取得された形態情報と推定された形態情報とが類似するように治療前シミュレーションに用いられるパラメータを調整する場合について説明した。しかしながら、医用データ処理装置１５０が用いる情報は、形態情報に限られない。医用データ処理装置１５０は、形態情報に代えて、血流の流体情報を用いて同様の処理を行ってもよい。そこで、このような変形例を変形例１として説明する。変形例１の説明において、上述した各実施形態と異なる点を主に説明し、上述した各実施形態と同様の構成の説明を省略する場合がある。
変形例１では、ステップＳ１において、第１の取得機能１５５ａは、超音波画像、ＭＲＩ画像又は複数時相の造影ＣＴ画像等を取得する。そして、ステップＳ２において、第１の取得機能１５５ａは、血流の状態を取得する。
具体的には、ステップＳ１において超音波画像が取得された場合は、ステップＳ２において、第１の取得機能１５５ａは、ドップラー法に基づいて超音波画像から血流の流体情報を取得する。また、ステップＳ１においてＭＲＩ画像が取得された場合は、ステップＳ２において、第１の取得機能１５５ａは、ＭＲＩ画像に対して既知の４次元流体解析（４次元フロー解析）を行うことにより流体情報を取得する。また、ステップＳ１において複数時相の造影ＣＴ画像が取得された場合は、ステップＳ２において、第１の取得機能１５５ａは、複数時相の造影ＣＴ画像において各種血管位置におけるＣＴ値の変化を解析することで流体情報を取得する。そして、ステップＳ４において、第１の取得機能１５５ａは、流体情報を推定する。そして、ステップＳ５において、算出機能１５５ｂは、取得された流体情報と推定された流体情報とが類似するように、治療前シミュレーションに用いられるパラメータを調整する。
すなわち、変形例１では、第１の取得機能１５５ａは、第１のタイミングにおける生体器官の状態として生体器官の血流の状態に関する推定データと、生体器官の血流の状態を示す実測のデータとを取得する。そして、第２の取得機能１５５ｃは、第２のタイミングにおける所定時相の生体器官の血流の状態を推定する。なお、変形例１では、第１の実施形態と同様に、第２の取得機能１５５ｃに代えて、推定機能１５５ｄが、第２のタイミングにおける所定時相の生体器官の血流の状態を推定してもよい。そして、推定機能１５５ｄは、第２のタイミングにおける所定時相よりも後の複数時相に亘って生体器官の血流の状態を推定する。したがって、変形例１に係る医用データ処理装置１５０は、治療前等のタイミングの被検体の状態に関する情報から治療後等のタイミングの被検体の状態をより適切に推定することができる。
流体情報は、僧帽弁における血流の逆流量又は順流量であってもよい。また、変形例１に係る医用データ処理装置１５０は、更に、上述した各実施形態と同様に、ステップＳ２において形態情報を取得し、ステップＳ４において形態情報を推定してもよい。そして、算出機能１５５ｂは、取得された流体情報と推定された流体情報とが類似するとともに、取得された形態情報と推定された形態情報とが類似するように、パラメータを調整してもよい。この場合はステップＳ４やステップＳ６において流体構造練成（ＦＳＩ解析）によりシミュレーションが実施されてもよい。
（変形例２）
上述した各実施形態では、ステップＳ２において、第１の取得機能１５５ａが、ステップＳ１で取得した全ての時点のＣＴ画像（本例では６位相分のＣＴ画像）から形態情報を取得する場合について説明した。しかしながら、ステップＳ２において、第１の取得機能１５５ａは、ステップＳ１で取得した複数位相分のＣＴ画像のうち一部の位相のＣＴ画像のみから形態情報を取得してもよい。そこで、このような変形例を変形例２として説明する。変形例２の説明において、上述した各実施形態と異なる点を主に説明し、上述した各実施形態と同様の構成の説明を省略する場合がある。
例えば、第１の取得機能１５５ａは、収縮末期と拡張末期の２つの時点のＣＴ画像のみから形態情報を取得してもよい。この場合、第１の取得機能１５５ａは、形態情報を取得する時点を、予め定められた条件に基づいて決定してもよいし、ユーザインタフェースを用いてユーザに設定させてもよい。又は、第１の取得機能１５５ａは、ＣＴ画像に対して画像処理を行うことにより、形態情報を取得する時点を自動で判定して特定してもよい。例えば、第１の取得機能１５５ａは、ＤＩＣＯＭヘッダに記録された心電同期の情報に基づいて収縮末期や拡張末期の時点のＣＴ画像を特定してもよい。また、第１の取得機能１５５ａは、ＣＴ画像に対して画像処理を行うことにより左心室の容積を算出し、算出された左心室の容積に基づいて、収縮末期や拡張末期の時点のＣＴ画像を特定してもよい。
すなわち、変形例２では、第１の取得機能１５５ａは、僧帽弁が描出されたＣＴ画像であって治療前における３つ以上の時相のＣＴ画像のうち少なくとも２つの時相のＣＴ画像を用いて、推定形状と実測形状とを取得する。したがって、変形例２に係る医用データ処理装置１５０は、より少ない処理量で、治療前等のタイミングの被検体の状態に関する情報から治療後等のタイミングの被検体の状態をより適切に推定することができる。
（変形例３）
上述した各実施形態では、ステップＳ３において設定されるパラメータの項目は対象臓器や対象の被検体におけるパラメータ及び境界条件である場合について説明した。そして、上述した各実施形態では、治療前シミュレーション及び治療後シミュレーションを実行するための計算パラメータとして予め設定された条件が用いられる場合について説明した。しかしながら、算出機能１５５ｂが、治療前シミュレーション及び治療後シミュレーションを実行するための計算パラメータを変更してもよい。そこで、このような変形例を変形例３として説明する。変形例３の説明において、上述した各実施形態と異なる点を主に説明し、上述した各実施形態と同様の構成の説明を省略する場合がある。
例えば、算出機能１５５ｂが、計算格子の設定条件（例えば、メッシュの位置、数、形状、要素の種類（１次、２次等））、収束条件（処理のステップ回数（ループ回数）や時間等）を設定してもよい。この場合、ステップＳ５において計算パラメータに関する判定条件を設定し、算出機能１５５ｂは、ステップＳ３に戻る際に、判定条件に基づいて計算パラメータを再設定するようにしてもよい。例えば、計算時間が一定以上長い場合は、算出機能１５５ｂは、ステップＳ３に戻る際に、計算時間が短くなるように計算格子の設定条件を変えてもよい。例えば、算出機能１５５ｂは、計算格子を粗くしたり、要素数を少なくしたりしてもよい。
すなわち、変形例３では、算出機能１５５ｂは、更に、治療前シミュレーションを実行するための計算パラメータを変更する。そして、第１の取得機能１５５ａは、更に、変更された計算パラメータに基づいて治療前シミュレーションを実行する。したがって、変形例３に係る医用データ処理装置１５０は、各被検体に対応する、より適切な計算パラメータを設定する。したがって、変形例３に係る医用データ処理装置１５０は、治療前の被検体の状態に関する情報から治療後の被検体の状態を更に適切に推定することができる。これにより、更に患者（被検体）の適切な治療選択や医師による治療時間の短縮につながり、被検体の予後の向上に寄与することができる。
（変形例４）
医用データ処理装置１５０は、複数回ステップＳ３～Ｓ５を繰り返す場合、各回のステップＳ３～Ｓ５の処理における各種パラメータと評価指標における精度と合否判定との対応関係を示す表を表示してもよい。そこで、このような変形例を変形例４として説明する。変形例４の説明において、上述した各実施形態と異なる点を主に説明し、上述した各実施形態と同様の構成の説明を省略する場合がある。
図８は、変形例４に係る表６１の一例を示す図である。変形例４では、表示制御機能１５５ｅは、図８の表６１を表示するようにディスプレイ１５４を制御する。表６１には、各回（１回目～６回目）の「判定結果」、「精度」及び「パラメータ」の各項目が含まれている。
「判定結果」の項目には、各回のステップＳ５において、上記の式（１）にしたがって算出された評価値が基準値を満足する場合（Ｓ５：Ｙｅｓ）には、記号「〇」が登録される。また、「判定結果」の項目には、各回のステップＳ５において、上記の式（１）にしたがって算出された評価値が基準値を満足しない場合（Ｓ５：Ｎｏ）には、記号「×」が登録される。表６１は、１回目から５回目まで評価値が基準値を満足せず、６回目で評価値が基準値を満足したことを示す。
また、「精度」の項目には、各回のステップＳ５において上記の式（１）にしたがって算出される評価値が登録される。本例における評価値は、推定形状と実測形状との全体的な形状の誤差である。評価値が小さくなるほど誤差が小さくなる。
例えば、基準値が「２．５」ｍｍである場合、１回目から５回目まで評価値が基準値よりも大きいため基準値を満足していないが、６回目の評価値が「２．３」ｍｍであり基準値以下であることがわかる。このように、表６１は、１回目から６回目までの評価値を示す。これにより、ユーザは、基準値を満足していない場合の評価値や基準値を満足している場合の評価値等の臨床的に有用な情報を把握することができる。
また、「パラメータ」の項目には、「弁硬さ」、「腱索数」、「拡張期（容積）」、「収縮期（容積）」及び「カフ圧」の各項目が含まれる。「弁硬さ」の項目には、僧帽弁の硬さを示すパラメータが登録される。例えば、表６１は、１回目の僧帽弁の硬さ「３」ＭＰａから、２回目において「１」ＭＰａだけ僧帽弁の硬さを上げて僧帽弁の硬さを「４」ＭＰａに設定したところ、評価値が「６．３」ｍｍから「４．１」ｍｍに下がったことを示す。また、表６１は、２回目の僧帽弁の硬さ「４」ＭＰａから、３回目において「０．５」ＭＰａだけ僧帽弁の硬さを上げて僧帽弁の硬さを「４．５」ＭＰａに設定したところ、評価値が「５．２」ｍｍと上がってしまい、評価値が基準値から離れたことを示す。また、表６１は、３回目の僧帽弁の硬さ「４．５」ＭＰａから、４回目において「１」ＭＰａだけ僧帽弁の硬さを下げて僧帽弁の硬さを「３．５」ＭＰａに設定しても、４回目の評価値が２回目の評価値と変わらない「４．１」ｍｍであることを示す。したがって、僧帽弁の硬さを示すパラメータが「４」ｍｍ以上に設定されても、評価値が基準値に近づかず、評価値が悪化すると考えられる。また、４回目において僧帽弁の硬さを、「４」ＭＰａ以下「３」ＭＰａ以上の範囲内の「３．５」ＭＰａに設定しても、４回目の評価値が２回目の評価値と変わらないため、弁の硬さを示すパラメータについては、ある程度最適化されたと考えられる。このため、医用データ処理装置１５０は、４回目以降、僧帽弁の硬さを「３．５」ＭＰａのまま変更していない。そして、医用データ処理装置１５０は、４回目以降、僧帽弁の硬さを示すパラメータ以外のパラメータを変更する。具体的には、医用データ処理装置１５０は、４回目以降、腱索の数に関するパラメータを変更する。
また、「腱索数」の項目には、「前尖」及び「後尖」の各項目が含まれる。「前尖」の項目には、前尖に接続される腱索の数を示すパラメータが登録される。「後尖」の項目には、後尖に接続される腱索の数を示すパラメータが登録される。表６１は、４回目の前尖に接続される腱索の数「１０」本から、５回目において「２」本だけ腱索の数を増やして前尖に接続される腱索の数を「１２」本に設定したことを示す。また、表６１は、４回目の後尖に接続される腱索の数「１５」本から、５回目において「３」本だけ腱索の数を増やして後尖に接続される腱索の数を「１８」本に設定したことを示す。
このように腱索の数を増加させたことにより、評価値が「４．１」ｍｍから「３．０」ｍｍに下がっている。また、４回目から５回目にかけて腱索の数に関するパラメータ以外のパラメータが変更されていない。したがって、前尖に接続される腱索の数を示すパラメータ及び後尖に接続される腱索の数を示すパラメータは、評価値が基準値に近づくことに対して効果があるパラメータであると考えられる。また、腱索の数が増加すると、評価値が下がり基準値に近づくと考えられる。このため、医用データ処理装置１５０は、５回目の前尖に接続される腱索の数「１２」本から、６回目において「１」本だけ腱索の数を増やして前尖に接続される腱索の数を「１３」本に設定する。また、医用データ処理装置１５０は、５回目の後尖に接続される腱索の数「１８」本から、６回目において「２」本だけ腱索の数を増やして後尖に接続される腱索の数を「２０」本に設定する。これにより、６回目の評価値が「２．３」ｍｍとなり、基準値を満足するようになる。
「拡張期（容積）」の項目には、「左心房」及び「左心室」の各項目が含まれる。「拡張期（容積）」の項目に含まれる「左心房」の項目には、拡張期の左心房の容積を示すパラメータが登録される。「拡張期（容積）」の項目に含まれる「左心室」の項目には、拡張期の左心室の容積を示すパラメータが登録される。例えば、図８の例では、拡張期の左心房の容積が「１２０」（ｍｌ）であることを示すパラメータ、及び、拡張期の左心室の容積が「１５０」（ｍｌ）であることを示すパラメータが登録されている。
「収縮期（容積）」の項目には、「左心房」及び「左心室」の各項目が含まれる。「収縮期（容積）」の項目に含まれる「左心房」の項目には、収縮期の左心房の容積を示すパラメータが登録される。「収縮期（容積）」の項目に含まれる「左心室」の項目には、収縮期の左心室の容積を示すパラメータが登録される。例えば、図８の例では、収縮期の左心房の容積が「６５」（ｍｌ）であることを示すパラメータ、及び、収縮期の左心室の容積が「５０」（ｍｌ）であることを示すパラメータが登録されている。
「カフ圧」の項目には、「最高」及び「最低」の各項目が含まれる。「最高」の項目には、カフ圧の最高血圧を示すパラメータが登録される。「最低」の項目には、カフ圧の最低血圧を示すパラメータが登録される。例えば、図８の例では、カフ圧の最高血圧が「１２０」（ｍｍＨｇ）であることを示すパラメータ、及び、カフ圧の最低血圧が「９５」（ｍｍＨｇ）であることを示すパラメータが登録されている。
このように、ディスプレイ１５４に表示される表６１に各種のパラメータが含まれることで、ユーザは、各種のパラメータという臨床的に有用な情報を把握することができる。
ここで、表６１は、１回目から６回目までの各回において、拡張期の左心房の容積を示すパラメータ、拡張期の左心室の容積を示すパラメータ、収縮期の左心房の容積を示すパラメータ、収縮期の左心室の容積を示すパラメータ、カフ圧の最高血圧を示すパラメータ、及び、カフ圧の最低血圧を示すパラメータは、変更されていないことを示す。
これらのパラメータが変更されていないことの理由の一例について説明する。例えば、上述したように、拡張期の左心房の容積を示すパラメータ、拡張期の左心室の容積を示すパラメータ、収縮期の左心房の容積を示すパラメータ、及び、収縮期の左心室の容積を示すパラメータは、ＣＴ画像に対して画像処理を施すことにより算出されるパラメータである。また、上述したように、カフ圧の最高血圧を示すパラメータ、及び、カフ圧の最低血圧を示すパラメータは、電子カルテシステムから取得されるパラメータである。したがって、拡張期の左心房の容積を示すパラメータ、拡張期の左心室の容積を示すパラメータ、収縮期の左心房の容積を示すパラメータ、収縮期の左心室の容積を示すパラメータ、カフ圧の最高血圧を示すパラメータ、及び、カフ圧の最低血圧を示すパラメータの６つのパラメータは、比較的正確なパラメータであると考えられる。したがって、医用データ処理装置１５０は、上述した６つのパラメータをできるだけ変化させない。医用データ処理装置１５０は、他のパラメータをある程度の回数だけ変化させても、評価値が基準値を満足しない場合に、上述した６つのパラメータを変化させる。このため、表６１の例では、上述した６つのパラメータは変更されていない。
なお、表示制御機能１５５ｅは、表６１に含まれる全ての項目を表示させずに、一部の項目を表示するようにディスプレイ１５４を制御してもよい。また、表示制御機能１５５ｅは、入力インタフェース１５３を介して入力されたユーザの指示に基づいて、表６１をディスプレイ１５４に表示させるか、それとも表６１を表示させないようにするかを切り替えてもよい。また、表示制御機能１５５ｅは、各回のステップＳ４において推定された僧帽弁の形状を表示するように、ディスプレイ１５４を制御してもよい。また、表示制御機能１５５ｅは、各回のステップＳ４において僧帽弁の形状に設定された計算格子（メッシュ）を表示するように、ディスプレイ１５４を制御してもよい。これにより、ユーザは、僧帽弁の形状及び計算格子の形状という有用な情報を把握することができる。また、表示制御機能１５５ｅは、表６１をログファイルとして、ネットワーク１６０を介して外部の装置に送信するように、ＮＷインタフェース１５１を制御してもよい。これにより、ＮＷインタフェース１５１は、表６１をログファイルとして外部の装置に送信する。なお、表示制御機能１５５ｅは、表６１そのものではなく、表６１に含まれる複数の項目が対応付けられた情報をログファイルとして外部の装置に送信するように、ＮＷインタフェース１５１を制御してもよい。
上述したように、変形例４では、表示制御機能１５５ｅは、複数の推定形状のそれぞれを推定する際に用いられる複数のパラメータのそれぞれと、複数の推定形状のそれぞれと実測形状とに基づく複数の評価値のそれぞれとを表示するようにディスプレイ１５４を制御する。これにより、上述したように、ユーザは、臨床的に有用な情報を把握することができる。
（変形例５）
上述した各実施形態のステップＳ６では、医用データ処理装置１５０が、１つの時点に対して治療による僧帽弁の形状の変化を推定し、推定された１つの時点の治療後の僧帽弁の形状に対してステップＳ５において確定された動きに関するパラメータを適用することで他の時点の僧帽弁の形状を推定する場合について説明した。図９は、第１の実施形態に係るステップＳ６の処理の一例を説明するための図である。図９に示すように、医用データ処理装置１５０は、１つの時点ｔａ１に対して治療による僧帽弁の形状の変化を推定する。そして、医用データ処理装置１５０は、推定された１つの時点ｔａ１の治療後の僧帽弁の形状５１に対してステップＳ５において確定された動きに関するパラメータを適用することで他の時点ｔａ２～ｔａ６の僧帽弁の形状５２～５６を推定する。
しかしながら、ステップＳ６において、医用データ処理装置１５０は、ステップＳ２で特定された全ての時点の対象領域における各計算格子に対して、数学モデル又は物理モデルを適用して、各時点における治療後の僧帽弁の形状を推定してもよい。ここで、例えば、数学モデル又は物理モデルは、クリップに関するパラメータとステップＳ５において確定された形状に関するパラメータとに基づいて設定されるモデルである。なお、数学モデル又は物理モデルは、クリップに関するパラメータとステップＳ５において確定された動きに関するパラメータとに基づいて設定されるモデルであってもよい。また、数学モデル又は物理モデルは、クリップに関するパラメータとステップＳ５において確定された形状に関するパラメータ及び確定された動きに関するパラメータとに基づいて設定されるモデルであってもよい。また、ステップＳ６において、医用データ処理装置１５０は、ステップＳ２で特定された全ての時点の対象領域のうち少なくとも２つ以上の対象領域における各計算格子に対して、上述した数学モデル又は物理モデルを適用して、各時点における治療後の僧帽弁の形状を推定してもよい。そこで、このような変形例を第５の変形例として説明する。変形例５の説明において、上述した各実施形態と異なる点を主に説明し、上述した各実施形態と同様の構成の説明を省略する場合がある。
図１０は、変形例５に係るステップＳ６の処理の一例を説明するための図である。図１０に示すように、推定機能１５５ｄは、ステップＳ２で特定された全ての時点ｔ１～ｔ６の僧帽弁の領域２１～２６のそれぞれに設定された各計算格子に対して、上述した数学モデル又は物理モデルを適用して、治療後の僧帽弁の形状５１，５２ａ～５６ａを推定する。治療後の僧帽弁の形状５１，５２ａ～５６ａのそれぞれは、時点ｔａ１～ｔａ６のそれぞれの僧帽弁の形状である。このように、推定機能１５５ｄは、ステップＳ５において確定されたパラメータと複数の時点ｔ１～ｔ６における複数の推定形状とに基づいて、治療後のタイミングにおける複数の時点ｔａ１～ｔａ６における僧帽弁の状態を推定する。複数の時点ｔ１～ｔ６及び複数の時点ｔａ１～ｔａ６は、複数の所定時相の一例である。そして、表示制御機能１５５ｅは、推定された治療後の僧帽弁の形状５１，５２ａ～５６ａを表示するようにディスプレイ１５４を制御する。
なお、推定機能１５５ｄは、ステップＳ２で特定された全ての時点ｔ１～ｔ６のうち少なくとも２つの時点の僧帽弁の領域のそれぞれに設定された各計算格子に対して、上述した数学モデル又は物理モデルを適用して、治療後の僧帽弁の形状を推定してもよい。例えば、処理の対象が時点ｔ２，ｔ３の僧帽弁の領域２２，２３である場合について説明する。この場合、推定機能１５５ｄは、僧帽弁の領域２２，２３のそれぞれに設定された各計算格子に対して、上述した数学モデル又は物理モデルを適用して、治療後の僧帽弁の形状５２ａ，５３ａを推定する。このように、推定機能１５５ｄは、ステップＳ５において確定されたパラメータに基づいて、治療後のタイミングにおける僧帽弁の状態を複数時相に亘って推定する。そして、表示制御機能１５５ｅは、推定された治療後の僧帽弁の形状５２ａ，５３ａを表示するようにディスプレイ１５４を制御する。
上述したように、変形例５に係る医用データ処理装置１５０は、各被検体に対応するパラメータであって、より適切なパラメータを設定する。したがって、医用データ処理装置１５０は、第１の実施形態と同様に、治療前の被検体の状態に関する情報から治療後の被検体の状態をより適切に推定することができる。
（変形例６）
医用データ処理装置１５０は、上述した各実施形態のステップＳ６において推定される治療後の僧帽弁の形態情報を用いて、治療後の血流情報（流体情報）を更に推定する処理を実施してもよい。そこで、このような変形例を変形例６として説明する。変形例６の説明において、上述した各実施形態と異なる点を主に説明し、上述した各実施形態と同様の構成の説明を省略する場合がある。
図１１は、変形例６に係る推定機能１５５ｄが実行する処理の一例を説明するための図である。例えば、変形例６では、図１１に示す電気回路モデル７１が予め記憶回路１５２に記憶されている。電気回路モデル７１は、生体（例えば人体）の循環動態を模擬するモデルである。例えば、電気回路モデル７１は、生体を電気回路とみなし、血液を電流とみなし、心臓をコンデンサとみなす。推定機能１５５ｄは、電気回路モデル７１に対してステップＳ６において推定された治療後の僧帽弁の形態情報７２を入力することで、治療後の血流状態を示す血流情報７３を取得する。より具体的には、電気回路モデル７１は、僧帽弁の弁口面積に基づいて僧帽弁における血流の逆流量を推定することができるように設計されている。そして、推定機能１５５ｄは、電気回路モデル７１に対してステップＳ６で算出される治療後の僧帽弁の弁口面積を入力することで治療後の僧帽弁における血流の逆流量を推定する。なお、電気回路モデル７１は、既知のウインドケッセルモデルや脈波伝搬モデルに基づいて構築することができる。
上述したように、推定機能１５５ｄは、ステップＳ６において推定された僧帽弁の形態の状態と、予め設定された生体の循環動態に関する電気回路モデル７１とに基づいて、治療後のタイミングにおける血流（流体）の状態に関する血流情報７３を推定する。血流情報７３は、流体の状態に関する状態データの一例でもあり、血流の逆流量の状態を示す状態データの一例でもある。
また、ステップＳ６において、推定機能１５５ｄは、治療後のタイミングにおける僧帽弁の形態情報を推定することにより、僧帽弁の形態情報を取得する。ここで、治療後のタイミングは、特定のタイミングの一例でもある。また、僧帽弁の形態情報は、生体器官の形態の状態に関する状態データの一例である。このように、ステップＳ６において僧帽弁の形態情報を取得する動作を行う推定機能１５５ｄは、取得部の一例でもある。
また、推定機能１５５ｄは、電気回路モデル７１を用いずに、血流情報を算出してもよい。例えば、推定機能１５５ｄは、ナビエスストークス方程式と連続の式やマクスウェル方程式や状態方程式等の必要な方程式を連立し、当該方程式に各種パラメータを入力することで、対象とする血流情報を数値的に求めることにより算出してもよい。
（変形例７）
上述した各実施形態では、医用データ処理装置１５０が僧帽弁を対象臓器として設定した場合について説明したが、対象臓器はこれに限られない。そこで、医用データ処理装置１５０が、僧帽弁以外の生体器官を対象臓器として設定する変形例を変形例７として説明する。変形例７の説明において、上述した各実施形態と異なる点を主に説明し、上述した各実施形態と同様の構成の説明を省略する場合がある。
例えば、医用データ処理装置１５０は、冠動脈を対象臓器として設定してもよい。そして、医用データ処理装置１５０は、冠動脈における壁せん断応力をシミュレートしてもよい。例えば、ステップＳ１において、第１の取得機能１５５ａは、拡張期及び収縮期における複数の時点の医用画像を取得する。そして、ステップＳ２において、第１の取得機能１５５ａは、医用画像から、拡張期における血管の径や形状の情報を取得する。そして、ステップＳ３において、算出機能１５５ｂは、血管壁の硬さや血流流速などのパラメータを設定する。そして、ステップＳ４において、第１の取得機能１５５ａは、ステップＳ３において設定されたパラメータを用いて、拡張期における血管の径や形状の情報を推定する。そして、ステップＳ３～Ｓ５において、第１の取得機能１５５ａ及び算出機能１５５ｂは、ステップＳ２において取得された拡張期における血管の径や形状の情報と、ステップＳ４において推定された拡張期における血管の径や形状の情報とが類似するようにパラメータを調整する。そして、ステップＳ６において、推定機能１５５ｄは、調整されたパラメータを用いて収縮期における壁せん断応力を算出する。
上述したように、変形例７では、第１の取得機能１５５ａは、拡張期における冠動脈の状態に関する推定データと、拡張期における冠動脈の状態を示す実測のデータとを取得する。そして、算出機能１５５ｂは、推定データと、実測のデータとに基づいたパラメータを算出する。そして、推定機能１５５ｄは、パラメータに基づいて、収縮期における冠動脈の状態を推定する。拡張期は、第１のタイミングの一例である。収縮期は、第２のタイミングの一例である。
また、変形例７では、第１の取得機能１５５ａは、冠動脈の形態の状態に関する推定データと、冠動脈の形態の状態を示す実測のデータとを取得する。そして、推定機能１５５ｄは、収縮期における冠動脈の壁せん断応力を推定する。
また、別の例では、医用データ処理装置１５０は、上述した治療後シミュレーションに代えて、心臓における刺激電動系に関する治療のシミュレーションを上述した治療後シミュレーションと同様の方法で実施してもよい。不整脈に対する治療方法としてアブレーション治療がある。医用データ処理装置１５０は、不整脈による治療前の心臓の異常を動きに一致するようにパラメータを設定する。具体的には、ステップＳ２において、第１の取得機能１５５ａは、医用画像から、治療前における心臓の形態情報を取得する。そして、ステップＳ３において、算出機能１５５ｂは、心臓に関するパラメータを設定する。そして、ステップＳ４において、第１の取得機能１５５ａは、ステップＳ３において設定されたパラメータを用いて、治療前における心臓の形態情報を推定する。そして、ステップＳ３～Ｓ５において、第１の取得機能１５５ａ及び算出機能１５５ｂは、ステップＳ２において取得された治療前の心臓の形態情報と、ステップＳ４において推定された治療前における心臓の形態情報とが類似するようにパラメータを調整する。そして、ステップＳ６において、推定機能１５５ｄは、調整されたパラメータを用いて、アブレーション治療によって、心臓の各位置の生体組織を焼き切った後の心臓の動き又は推定される刺激電動系の電気経路を推定する治療後シミュレーションを実施する。
上述したように、変形例７の別の例では、第１の取得機能１５５ａは、治療前のタイミングにおける心臓の状態に関する推定データと、治療前のタイミングにおける心臓の状態を示す実測のデータとを取得する。そして、算出機能１５５ｂは、推定データと、実測のデータとに基づいたパラメータを算出する。第２の取得機能１５５ｃは、治療後のタイミングにおける所定時相の心臓の状態に関する状態データを取得する。推定機能１５５ｄは、状態データと、算出されたパラメータとに基づいて、治療後のタイミングにおける心臓の状態を複数時相に亘って推定する。
また、変形例７の別の例では、第１の取得機能１５５ａは、心臓の状態として心臓の形態の状態に関する推定データと、心臓の形態の状態を示す実測のデータとを取得する。そして、第２の取得機能１５５ｃは、心臓の形態の状態に関する状態データを取得する。推定機能１５５ｄは、治療後のタイミングにおける心臓の形態の状態又は心臓の刺激電動系の電気経路を複数時相に亘って推定する。
また、更に別の例では、医用データ処理装置１５０は、呼吸器における呼吸量を推定するシミュレーションを実施してもよい。例えば、医用データ処理装置１５０は、肺を対象臓器として設定する。そして、ステップＳ２において、第１の取得機能１５５ａは、医用画像から肺の領域を特定する。すなわち、ステップＳ２において、第１の取得機能１５５ａは、医用画像から、手術前における肺の形態情報を取得する。そして、ステップＳ３において、算出機能１５５ｂは、肺及び気管に関するパラメータを設定する。そして、ステップＳ４において、第１の取得機能１５５ａは、ステップＳ３において設定されたパラメータを用いて、手術前の呼吸運動による肺の動きを推定し、複数の時点のそれぞれにおける肺の形態情報を推定する。そして、ステップＳ３～Ｓ５において、第１の取得機能１５５ａ及び算出機能１５５ｂは、ステップＳ２において取得された手術前の肺の形態情報と、ステップＳ４において推定された手術前における肺の形態情報とが類似するようにパラメータを調整する。そして、ステップＳ６において、推定機能１５５ｄは、調整されたパラメータを用いて、手術後の肺による呼吸量を推定する手術後シミュレーションを実施する。
上述したように、変形例７の更に別の例では、第１の取得機能１５５ａは、手術前のタイミングにおける肺の状態に関する推定データと、手術前のタイミングにおける肺の状態を示す実測のデータとを取得する。そして、算出機能１５５ｂは、推定データと、実測のデータとに基づいたパラメータを算出する。第２の取得機能１５５ｃは、手術後のタイミングにおける所定時相の肺の状態に関する状態データを取得する。推定機能１５５ｄは、状態データと、算出されたパラメータとに基づいて、手術後のタイミングにおける肺の状態を複数時相に亘って推定する。手術前のタイミングは、第１のタイミングの一例である。手術後のタイミングは、第２のタイミングの一例である。
また、変形例７の更に別の例では、第１の取得機能１５５ａは、肺の状態として肺の形態の状態に関する推定データと、肺の形態の状態を示す実測のデータとを取得する。そして、第２の取得機能１５５ｃは、肺の形態の状態に関する状態データを取得する。推定機能１５５ｄは、手術後のタイミングにおける肺の呼吸量を複数時相に亘って推定する。
また、上述した第１の実施形態の説明で用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ(Graphics Processing Unit)、又は、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。ここで、記憶回路１５２にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合には、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。また、各実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて一つのプロセッサとして構成され、その機能を実現するようにしてもよい。
ここで、プロセッサによって実行されるプログラムは、ＲＯＭ（Read Only Memory）や記憶回路等に予め組み込まれて提供される。なお、このプログラムは、これらの装置にインストール可能な形式又は実行可能な形式のファイルでＣＤ（Compact Disk）－ＲＯＭ、ＦＤ（Flexible Disk）、ＣＤ－Ｒ（Recordable）、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な非一過性の記憶媒体に記録されて提供されてもよい。また、このプログラムは、インターネット等のネットワークに接続されたコンピュータ上に格納され、ネットワーク経由でダウンロードされることによって提供又は配布されてもよい。例えば、このプログラムは、上述した各処理機能を含むモジュールで構成される。実際のハードウェアとしては、ＣＰＵが、ＲＯＭ等の記憶媒体からプログラムを読み出して実行することにより、各モジュールが主記憶装置上にロードされて、主記憶装置上に生成される。
以上説明した少なくとも一つの実施形態によれば、治療前等のタイミングの被検体の状態に関する情報から治療後等のタイミングの被検体の状態をより適切に推定することができる。
いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
以上の実施形態に関し、発明の一側面及び選択的な特徴として以下の付記を開示する。
（付記１）
第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得する第１の取得部と、
前記推定データと、前記実測のデータとに基づいたパラメータを算出する算出部と、
前記パラメータと所定時相における前記推定データとに基づいて、前記第１のタイミングとは異なる第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する推定部と、
を備える、医用データ処理装置。
（付記２）
前記算出部は、前記パラメータとして、前記推定データと前記実測のデータとに基づいて第１の生体器官の形状に関するパラメータを算出し、
前記推定部は、前記第１の生体器官の形状に関するパラメータと前記所定時相における前記推定データとに基づいて、前記第２のタイミングにおける前記所定時相の前記生体器官の状態を推定してもよい。
（付記３）
前記算出部は、前記形状に関するパラメータとして、前記推定データと前記実測のデータとに基づいて前記第１の生体器官の硬さ、厚さ、繊維方向、長さ、太さ、接続位置及び数のうち少なくとも１つを示すパラメータを算出し、
前記推定部は、前記少なくとも１つを示すパラメータと前記所定時相における前記推定データとに基づいて、前記第２のタイミングにおける前記所定時相の前記生体器官の状態を推定してもよい。
（付記４）
第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得する第１の取得部と、
前記推定データと、前記実測のデータとに基づいたパラメータを算出する算出部と、
前記第１のタイミングとは異なる第２のタイミングにおける所定時相の前記生体器官の状態に関する状態データを取得する第２の取得部と、
前記状態データと、前記パラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を複数時相に亘って推定する推定部と、
を備える、医用データ処理装置。
（付記５）
前記算出部は、前記パラメータとして、前記推定データと前記実測のデータとに基づいて第２の生体器官の動きに関するパラメータを算出し、
前記推定部は、前記状態データと前記第２の生体器官の動きに関するパラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を前記複数時相に亘って推定してもよい。
（付記６）
前記算出部は、前記動きに関するパラメータとして、前記推定データと前記実測のデータとに基づいて前記第２の生体器官の硬さ、体積、及び、表面の平滑さの程度、並びに、前記第２の生体器官を流れる流体の粘度、流速及び総量のうち少なくとも１つを示すパラメータを算出し、
前記推定部は、前記状態データと前記少なくとも１つを示すパラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を前記複数時相に亘って推定してもよい。
（付記７）
前記算出部は、前記推定データと前記実測のデータとに基づいて算出される評価値が予め定められた基準を満足する場合の前記推定データを推定する際に用いられる前記パラメータを算出してもよい。
（付記８）
前記算出部は、前記推定データと前記実測のデータとが類似する場合の前記推定データを推定する際に用いられる前記パラメータを算出してもよい。
（付記９）
前記算出部は、前記推定データと前記実測のデータとの差分が閾値以下となる場合の前記推定データを推定する際に用いられる前記パラメータを算出してもよい。
（付記１０）
前記算出部は、前記推定データを構成する点及び面、並びに、前記実測のデータを構成する点及び面に基づいて前記評価値を算出してもよい。
（付記１１）
前記算出部は、前記評価値が前記基準を満足するまで、前記推定データを推定する際に用いられるパラメータを繰り返し変更してもよい。
（付記１２）
前記算出部は、前記推定データと前記実測のデータとが類似するまで、前記推定データを推定する際に用いられるパラメータを繰り返し変更してもよい。
（付記１３）
前記算出部は、前記差分が前記閾値以下となるまで、前記推定データを推定する際に用いられるパラメータを繰り返し変更してもよい。
（付記１４）
前記第１の取得部は、複数の異なるパラメータを用いて複数の前記推定データを推定することにより、前記複数の推定データを取得し、
前記算出部は、前記複数の推定データ及び前記実測のデータに基づいて、前記生体器官の状態を推定する際に用いられるパラメータを算出してもよい。
（付記１５）
前記算出部は、前記推定データを推定する際に用いられる複数の前記パラメータのうち、他のパラメータと比較して前記評価値が基準値に近づく度合いが高いパラメータを優先的に変更し、
前記第１の取得部は、前記算出部により他のパラメータと比較して前記評価値が前記基準値に近づく度合いが高いパラメータが優先的に変更される度に、変更されたパラメータを用いて前記推定データを推定してもよい。
（付記１６）
前記第１の取得部は、前記第１のタイミングとして治療前のタイミングにおける前記推定データと、前記治療前のタイミングにおける前記実測のデータとを取得し、
前記推定部は、前記第２のタイミングとして治療後のタイミングにおける前記生体器官の状態を推定してもよい。
（付記１７）
前記第１の取得部は、前記生体器官として僧帽弁の状態に関する前記推定データと、前記僧帽弁の状態を示す前記実測のデータとを取得し、
前記推定部は、前記第２のタイミングにおける前記僧帽弁の状態を推定してもよい。
（付記１８）
前記第１の取得部は、前記生体器官の状態として前記生体器官の形態の状態に関する前記推定データと、前記生体器官の形態の状態を示す前記実測のデータとを取得し、
前記推定部は、前記第２のタイミングにおける前記生体器官の形態の状態を推定してもよい。
（付記１９）
前記第１の取得部は、前記生体器官の状態として前記生体器官の血流の状態に関する前記推定データと、前記生体器官の血流の状態を示す前記実測のデータとを取得し、
前記推定部は、前記第２のタイミングにおける前記生体器官の血流の状態を推定してもよい。
（付記２０）
前記第１の取得部は、前記生体器官が描出された前記第１のタイミングにおける３つ以上の時相の医用画像のうち少なくとも２つの時相の医用画像を用いて、前記推定データと前記実測のデータとを取得してもよい。
（付記２１）
前記算出部は、更に、前記推定データを推定する処理を実行するための計算パラメータを変更し
前記第１の取得部は、更に、変更された計算パラメータに基づいて前記推定データを推定してもよい。
（付記２２）
前記医用データ処理装置は、
複数の前記推定データのそれぞれを推定する際に用いられる複数のパラメータのそれぞれと、前記複数の推定データのそれぞれと前記実測のデータとに基づく複数の前記評価値のそれぞれとを表示するように表示部を制御する表示制御部を更に備えてもよい。
（付記２３）
前記推定部は、推定された前記生体器官の形態の状態と、予め設定された生体の循環動態に関する電気回路モデルとに基づいて、前記第２のタイミングにおける流体の状態に関する状態データを推定してもよい。
（付記２４）
前記推定部は、前記パラメータと複数の前記所定時相における複数の前記推定データとに基づいて、前記第２のタイミングにおける前記複数の所定時相の前記生体器官の状態を推定してもよい。
（付記２５）
特定のタイミングにおける生体器官の形態の状態に関する状態データを取得する取得部と、
前記状態データと、予め設定された生体の循環動態に関する電気回路モデルとの両方に基づいて、前記特定のタイミングにおける流体の状態に関する状態データを推定する推定部と、
を備える、医用データ処理装置。
（付記２６）
前記推定部は、前記状態データと、前記電気回路モデルとに基づいて、前記特定のタイミングにおける流体の状態に関する状態データとして血流の逆流量の状態を示す状態データを推定してもよい。
（付記２７）
第１のタイミングにおける冠動脈の状態に関する推定データと、前記第１のタイミングにおける前記冠動脈の状態を示す実測のデータとを取得する第１の取得部と、
前記推定データと、前記実測のデータとに基づいたパラメータを算出する算出部と、
前記パラメータに基づいて、前記第１のタイミングとは異なる第２のタイミングにおける前記冠動脈の状態を推定する推定部と、
を備える、医用データ処理装置。
（付記２８）
前記第１の取得部は、前記冠動脈の形態の状態に関する前記推定データと、前記冠動脈の形態の状態を示す前記実測のデータとを取得し、
前記推定部は、前記第２のタイミングにおける前記冠動脈の壁せん断応力を推定してもよい。
（付記２９）
前記第１の取得部は、前記生体器官として心臓の状態に関する前記推定データと、前記心臓の状態を示す前記実測のデータとを取得し、
前記第２の取得部は、前記所定時相の前記心臓の状態に関する前記状態データを取得し、
前記推定部は、前記第２のタイミングにおける前記心臓の状態を複数時相に亘って推定してもよい。
（付記３０）
前記第１の取得部は、前記心臓の状態として前記心臓の形態の状態に関する前記推定データと、前記心臓の形態の状態を示す前記実測のデータとを取得し、
前記第２の取得部は、前記心臓の形態の状態に関する前記状態データを取得し、
前記推定部は、前記第２のタイミングにおける前記心臓の形態の状態又は前記心臓の刺激電動系の電気経路を複数時相に亘って推定してもよい。
（付記３１）
前記第１の取得部は、前記生体器官として肺の状態に関する前記推定データと、前記肺の状態を示す前記実測のデータとを取得し、
前記第２の取得部は、前記所定時相の前記肺の状態に関する前記状態データを取得し、
前記推定部は、前記第２のタイミングにおける前記肺の状態を複数時相に亘って推定してもよい。
（付記３２）
前記第１の取得部は、前記肺の状態として前記肺の形態の状態に関する前記推定データと、前記肺の形態の状態を示す前記実測のデータとを取得し、
前記第２の取得部は、前記肺の形態の状態に関する前記状態データを取得し、
前記推定部は、前記第２のタイミングにおける前記肺の呼吸量を複数時相に亘って推定してもよい。
（付記３３）
第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得し、
前記推定データと、前記実測のデータとに基づいたパラメータを算出し、
前記パラメータと所定時相における前記推定データとに基づいて、前記第１のタイミングとは異なる第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する、
ことを含む、医用データ処理方法。
（付記３４）
第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得し、
前記推定データと、前記実測のデータとに基づいたパラメータを算出し、
前記第１のタイミングとは異なる第２のタイミングにおける所定時相の前記生体器官の状態に関する状態データを取得し、
前記状態データと、前記パラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を複数時相に亘って推定する、
ことを含む、医用データ処理方法。
（付記３５）
特定のタイミングにおける生体器官の形態の状態に関する状態データを取得し、
前記状態データと、予め設定された生体の循環動態に関する電気回路モデルとの両方に基づいて、前記特定のタイミングにおける流体の状態に関する状態データを推定する、
ことを含む、医用データ処理方法。
（付記３６）
コンピュータに、
第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得し、
前記推定データと、前記実測のデータとに基づいたパラメータを算出し、
前記パラメータと所定時相における前記推定データとに基づいて、前記第１のタイミングとは異なる第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する処理を実行させるための医用データ処理プログラム。
（付記３７）
第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得し、
前記推定データと、前記実測のデータとに基づいたパラメータを算出し、
前記第１のタイミングとは異なる第２のタイミングにおける所定時相の前記生体器官の状態に関する状態データを取得し、
前記状態データと、前記パラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を複数時相に亘って推定する処理を実行させるための医用データ処理プログラム。
（付記３８）
特定のタイミングにおける生体器官の形態の状態に関する状態データを取得し、
前記状態データと、予め設定された生体の循環動態に関する電気回路モデルとの両方に基づいて、前記特定のタイミングにおける流体の状態に関する状態データを推定する処理を実行させるための医用データ処理プログラム。
１００ 医用データ処理システム
１５０ 医用データ処理装置
１５５ 処理回路
１５５ａ 第１の取得機能
１５５ｂ 算出機能
１５５ｃ 第２の取得機能
１５５ｄ 推定機能
１５５ｅ 表示制御機能

Claims (32)

  1. 第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得する第１の取得部と、
    前記推定データと、前記実測のデータとに基づいたパラメータを算出する算出部と、
    前記パラメータと所定時相における前記推定データとに基づいて、前記第１のタイミングとは異なる第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する推定部と、
    を備える、医用データ処理装置。
  2. 前記算出部は、前記パラメータとして、前記推定データと前記実測のデータとに基づいて第１の生体器官の形状に関するパラメータを算出し、
    前記推定部は、前記第１の生体器官の形状に関するパラメータと前記所定時相における前記推定データとに基づいて、前記第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する、請求項１に記載の医用データ処理装置。
  3. 前記算出部は、前記形状に関するパラメータとして、前記推定データと前記実測のデータとに基づいて前記第１の生体器官の硬さ、厚さ、繊維方向、長さ、太さ、接続位置及び数のうち少なくとも１つを示すパラメータを算出し、
    前記推定部は、前記少なくとも１つを示すパラメータと前記所定時相における前記推定データとに基づいて、前記第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する、請求項２に記載の医用データ処理装置。
  4. 第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得する第１の取得部と、
    前記推定データと、前記実測のデータとに基づいたパラメータを算出する算出部と、
    前記第１のタイミングとは異なる第２のタイミングにおける所定時相の前記生体器官の状態に関する状態データを取得する第２の取得部と、
    前記状態データと、前記パラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を複数時相に亘って推定する推定部と、
    を備える、医用データ処理装置。
  5. 前記算出部は、前記パラメータとして、前記推定データと前記実測のデータとに基づいて第２の生体器官の動きに関するパラメータを算出し、
    前記推定部は、前記状態データと前記第２の生体器官の動きに関するパラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を前記複数時相に亘って推定する、請求項４に記載の医用データ処理装置。
  6. 前記算出部は、前記動きに関するパラメータとして、前記推定データと前記実測のデータとに基づいて前記第２の生体器官の硬さ、体積、及び、表面の平滑さの程度、並びに、前記第２の生体器官を流れる流体の粘度、流速及び総量のうち少なくとも１つを示すパラメータを算出し、
    前記推定部は、前記状態データと前記少なくとも１つを示すパラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を前記複数時相に亘って推定する、請求項５に記載の医用データ処理装置。
  7. 前記算出部は、前記推定データと前記実測のデータとに基づいて算出される評価値が予め定められた基準を満足する場合の前記推定データを推定する際に用いられる前記パラメータを算出する、請求項１～６のいずれか１つに記載の医用データ処理装置。
  8. 前記算出部は、前記推定データと前記実測のデータとが類似する場合の前記推定データを推定する際に用いられる前記パラメータを算出する、請求項７に記載の医用データ処理装置。
  9. 前記算出部は、前記推定データと前記実測のデータとの差分が閾値以下となる場合の前記推定データを推定する際に用いられる前記パラメータを算出する、請求項７又は８に記載の医用データ処理装置。
  10. 前記算出部は、前記推定データを構成する点及び面、並びに、前記実測のデータを構成する点及び面に基づいて前記評価値を算出する、請求項７に記載の医用データ処理装置。
  11. 前記算出部は、前記評価値が前記基準を満足するまで、前記推定データを推定する際に用いられるパラメータを繰り返し変更する、請求項７に記載の医用データ処理装置。
  12. 前記算出部は、前記推定データと前記実測のデータとが類似するまで、前記推定データを推定する際に用いられるパラメータを繰り返し変更する、請求項８に記載の医用データ処理装置。
  13. 前記算出部は、前記差分が前記閾値以下となるまで、前記推定データを推定する際に用いられるパラメータを繰り返し変更する、請求項９に記載の医用データ処理装置。
  14. 前記第１の取得部は、複数の異なるパラメータを用いて複数の前記推定データを推定することにより、前記複数の推定データを取得し、
    前記算出部は、前記複数の推定データ及び前記実測のデータに基づいて、前記生体器官の状態を推定する際に用いられるパラメータを算出する、請求項１～６のいずれか１つに記載の医用データ処理装置。
  15. 前記算出部は、前記推定データを推定する際に用いられる複数の前記パラメータのうち、他のパラメータと比較して前記評価値が基準値に近づく度合いが高いパラメータを優先的に変更し、
    前記第１の取得部は、前記算出部により他のパラメータと比較して前記評価値が前記基準値に近づく度合いが高いパラメータが優先的に変更される度に、変更されたパラメータを用いて前記推定データを推定する、請求項１１に記載の医用データ処理装置。
  16. 前記第１の取得部は、前記第１のタイミングとして治療前のタイミングにおける前記推定データと、前記治療前のタイミングにおける前記実測のデータとを取得し、
    前記推定部は、前記第２のタイミングとして治療後のタイミングにおける前記生体器官の状態を推定する、請求項１～１５のいずれか１つに記載の医用データ処理装置。
  17. 前記第１の取得部は、前記生体器官として僧帽弁の状態に関する前記推定データと、前記僧帽弁の状態を示す前記実測のデータとを取得し、
    前記推定部は、前記第２のタイミングにおける前記僧帽弁の状態を推定する、請求項１～１６のいずれか１つに記載の医用データ処理装置。
  18. 前記第１の取得部は、前記生体器官の状態として前記生体器官の形態の状態に関する前記推定データと、前記生体器官の形態の状態を示す前記実測のデータとを取得し、
    前記推定部は、前記第２のタイミングにおける前記生体器官の形態の状態を推定する、請求項１～１７のいずれか１つに記載の医用データ処理装置。
  19. 前記第１の取得部は、前記生体器官の状態として前記生体器官の血流の状態に関する前記推定データと、前記生体器官の血流の状態を示す前記実測のデータとを取得し、
    前記推定部は、前記第２のタイミングにおける前記生体器官の血流の状態を推定する、請求項１～１８のいずれか１つに記載の医用データ処理装置。
  20. 前記第１の取得部は、前記生体器官が描出された前記第１のタイミングにおける３つ以上の時相の医用画像のうち少なくとも２つの時相の医用画像を用いて、前記推定データと前記実測のデータとを取得する、請求項１～１９のいずれか１つに記載の医用データ処理装置。
  21. 前記算出部は、更に、前記推定データを推定する処理を実行するための計算パラメータを変更し
    前記第１の取得部は、更に、変更された計算パラメータに基づいて前記推定データを推定する、請求項１～２０のいずれか１つに記載の医用データ処理装置。
  22. 複数の前記推定データのそれぞれを推定する際に用いられる複数のパラメータのそれぞれと、前記複数の推定データのそれぞれと前記実測のデータとに基づく複数の前記評価値のそれぞれとを表示するように表示部を制御する表示制御部を更に備える、請求項１１に記載の医用データ処理装置。
  23. 前記推定部は、推定された前記生体器官の形態の状態と、予め設定された生体の循環動態に関する電気回路モデルとに基づいて、前記第２のタイミングにおける流体の状態に関する状態データを推定する、請求項１８に記載の医用データ処理装置。
  24. 前記推定部は、前記パラメータと複数の前記所定時相における複数の前記推定データとに基づいて、前記第２のタイミングにおける前記複数の所定時相の前記生体器官の状態を推定する、請求項４～６のいずれか１つに記載の医用データ処理装置。
  25. 特定のタイミングにおける生体器官の形態の状態に関する状態データを取得する取得部と、
    前記状態データと、予め設定された生体の循環動態に関する電気回路モデルとの両方に基づいて、前記特定のタイミングにおける流体の状態に関する状態データを推定する推定部と、
    を備える、医用データ処理装置。
  26. 前記推定部は、前記状態データと、前記電気回路モデルとに基づいて、前記特定のタイミングにおける流体の状態に関する状態データとして血流の逆流量の状態を示す状態データを推定する、請求項２５に記載の医用データ処理装置。
  27. 第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得し、
    前記推定データと、前記実測のデータとに基づいたパラメータを算出し、
    前記パラメータと所定時相における前記推定データとに基づいて、前記第１のタイミングとは異なる第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する、
    ことを含む、医用データ処理方法。
  28. 第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得し、
    前記推定データと、前記実測のデータとに基づいたパラメータを算出し、
    前記第１のタイミングとは異なる第２のタイミングにおける所定時相の前記生体器官の状態に関する状態データを取得し、
    前記状態データと、前記パラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を複数時相に亘って推定する、
    ことを含む、医用データ処理方法。
  29. 特定のタイミングにおける生体器官の形態の状態に関する状態データを取得し、
    前記状態データと、予め設定された生体の循環動態に関する電気回路モデルとの両方に基づいて、前記特定のタイミングにおける流体の状態に関する状態データを推定する、
    ことを含む、医用データ処理方法。
  30. コンピュータに、
    第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得し、
    前記推定データと、前記実測のデータとに基づいたパラメータを算出し、
    前記パラメータと所定時相における前記推定データとに基づいて、前記第１のタイミングとは異なる第２のタイミングにおける前記所定時相の前記生体器官の状態を推定する処理を実行させるための医用データ処理プログラム。
  31. コンピュータに、
    第１のタイミングにおける生体器官の状態に関する推定データと、前記第１のタイミングにおける前記生体器官の状態を示す実測のデータとを取得し、
    前記推定データと、前記実測のデータとに基づいたパラメータを算出し、
    前記第１のタイミングとは異なる第２のタイミングにおける所定時相の前記生体器官の状態に関する状態データを取得し、
    前記状態データと、前記パラメータとに基づいて、前記第２のタイミングにおける前記生体器官の状態を複数時相に亘って推定する処理を実行させるための医用データ処理プログラム。
  32. コンピュータに、
    特定のタイミングにおける生体器官の形態の状態に関する状態データを取得し、
    前記状態データと、予め設定された生体の循環動態に関する電気回路モデルとの両方に基づいて、前記特定のタイミングにおける流体の状態に関する状態データを推定する処理を実行させるための医用データ処理プログラム。
JP2020183315A 2020-10-30 2020-10-30 医用データ処理装置、医用データ処理方法及び医用データ処理プログラム Pending JP2022073363A (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2020183315A JP2022073363A (ja) 2020-10-30 2020-10-30 医用データ処理装置、医用データ処理方法及び医用データ処理プログラム
US17/514,360 US20220139564A1 (en) 2020-10-30 2021-10-29 Medical data processing device, medical data processing method, and non-transitory computer-readable recording medium
EP21205526.3A EP3992981A1 (en) 2020-10-30 2021-10-29 Medical data processing device, and medical data processing method
CN202111268721.7A CN114445324A (zh) 2020-10-30 2021-10-29 医用数据处理装置、医用数据处理方法及非暂时性的计算机可读取的记录介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020183315A JP2022073363A (ja) 2020-10-30 2020-10-30 医用データ処理装置、医用データ処理方法及び医用データ処理プログラム

Publications (1)

Publication Number Publication Date
JP2022073363A true JP2022073363A (ja) 2022-05-17

Family

ID=78414492

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020183315A Pending JP2022073363A (ja) 2020-10-30 2020-10-30 医用データ処理装置、医用データ処理方法及び医用データ処理プログラム

Country Status (4)

Country Link
US (1) US20220139564A1 (ja)
EP (1) EP3992981A1 (ja)
JP (1) JP2022073363A (ja)
CN (1) CN114445324A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023203232A1 (de) 2022-04-27 2023-11-02 Nippon Mektron, Ltd. Flexible gedruckte verdrahtungsplatine und elektrische verdrahtung

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9245091B2 (en) * 2011-03-09 2016-01-26 Siemens Aktiengesellschaft Physically-constrained modeling of a heart in medical imaging
US8920322B2 (en) * 2011-03-09 2014-12-30 Siemens Aktiengesellschaft Valve treatment simulation from medical diagnostic imaging data
US9848856B2 (en) * 2014-12-16 2017-12-26 Siemens Medical Solutions Usa, Inc. Valve modeling with dense chordae from medical scan data

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102023203232A1 (de) 2022-04-27 2023-11-02 Nippon Mektron, Ltd. Flexible gedruckte verdrahtungsplatine und elektrische verdrahtung

Also Published As

Publication number Publication date
EP3992981A1 (en) 2022-05-04
CN114445324A (zh) 2022-05-06
US20220139564A1 (en) 2022-05-05

Similar Documents

Publication Publication Date Title
JP6918912B2 (ja) 画像処理装置、画像処理方法、及びプログラム
JP7206024B2 (ja) 解剖モデリングシステム及びその作動方法
US10299862B2 (en) Three-dimensional quantitative heart hemodynamics in medical imaging
JP5944607B1 (ja) 患者固有の血流のモデリングのための方法およびシステム
US10162932B2 (en) Method and system for multi-scale anatomical and functional modeling of coronary circulation
CN112543618B (zh) 用于进行定量血液动力学流量分析的方法和装置
CN109036551B (zh) 一种冠状动脉生理学指标关系建立及应用方法、装置
CN107851464A (zh) 用于针对个体患者进行疾病进展建模和疗法优化的方法和系统
JP2018509971A (ja) 定量的フロー分析のための方法および装置
KR20150122183A (ko) 환자-특정 기하학적 모델들을 변경함으로써 치료들을 결정하기 위한 방법 및 시스템
EP3624132A1 (en) Calculating boundary conditions for virtual ffr and ifr calculation based on myocardial blush characteristics
US20220151500A1 (en) Noninvasive quantitative flow mapping using a virtual catheter volume
EP3992981A1 (en) Medical data processing device, and medical data processing method
US20240202919A1 (en) Medical image processing apparatus, method, and storage medium
US20220392648A1 (en) Computer implemented method for automated analysis of the bias in measurements performed on medical images of an anatomical structure
JP7443197B2 (ja) 医用画像処理装置、システム及び方法
JP2022171345A (ja) 医用画像処理装置、医用画像処理方法及びプログラム
JP2024085141A (ja) 医用画像処理装置、方法及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20230825

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20240131

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240213

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240412

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240508