JP2024009108A - 文書作成支援装置、文書作成支援方法及びプログラム - Google Patents

文書作成支援装置、文書作成支援方法及びプログラム Download PDF

Info

Publication number
JP2024009108A
JP2024009108A JP2023195360A JP2023195360A JP2024009108A JP 2024009108 A JP2024009108 A JP 2024009108A JP 2023195360 A JP2023195360 A JP 2023195360A JP 2023195360 A JP2023195360 A JP 2023195360A JP 2024009108 A JP2024009108 A JP 2024009108A
Authority
JP
Japan
Prior art keywords
texts
text
property
creation support
document creation
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
JP2023195360A
Other languages
English (en)
Inventor
佳児 中村
Yoshiji Nakamura
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.)
Fujifilm Corp
Original Assignee
Fujifilm 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 Fujifilm Corp filed Critical Fujifilm Corp
Publication of JP2024009108A publication Critical patent/JP2024009108A/ja
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/55—Rule-based translation
    • G06F40/56—Natural language generation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/10—Text processing
    • G06F40/166—Editing, e.g. inserting or deleting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/42—Data-driven translation
    • G06F40/44—Statistical methods, e.g. probability models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • 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
    • 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
    • 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
    • G16H40/67—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 remote 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
    • G16H50/70—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
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing
    • G06T2207/30061—Lung
    • 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
    • G06T2207/30096—Tumor; Lesion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Engineering & Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Pathology (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • General Business, Economics & Management (AREA)
  • Business, Economics & Management (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

【課題】画像に基づいてテキストを自動生成する場合に、記載内容または表現が変化に富んだ複数のテキストを生成する。【解決手段】文書作成支援装置は、少なくとも１つのプロセッサを備える。プロセッサは、医用画像に含まれる少なくとも１つの特徴部分の性状を複数の性状項目の各々について特定し、特定された性状の少なくとも１つが複数のテキストの各々に記述され、且つ複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが複数のテキスト間で互いに異なるように、特徴部分の特定された性状について前記複数のテキストを生成し、特徴部分の位置を示すマークが付与された医用画像及び複数のテキストを表示部に表示させる制御を行う。【選択図】図６

Description

開示の技術は、文書作成支援装置、文書作成支援方法及びプログラムに関する。
医用画像に基づいて読影レポート等の文書に適用し得るテキストを作成する文書作成支援装置に関する技術として、以下の技術が知られている。例えば、特開２０１９－１５３２５０号公報には、表示された医用画像に基づく所見を表すキーワードの入力を受け付ける入力受付部と、医用画像の解析結果を取得する解析結果取得部と、キーワードおよび解析結果に基づいて、医用画像に関する医療文書を作成する文書作成部とを備えた医療文書作成支援装置が記載されている。
また、特開２００９－２５９０００号公報には、予め用意された複数の用語から所望の用語を選択させ、選択された用語の組み合わせに応じて生成された定型文、あるいは入力候補から、文として使用するものを選択させ、選択された文への修正加筆を受け付け修正文とする操作入力制御手段と、操作入力制御手段で選択された用語の組み合わせと修正文とを関連付けて辞書に登録する登録手段と、操作入力制御手段で選択された用語の組み合わせと、登録手段で関連付けられた用語の組み合わせが一致する修正文を、辞書から検索する検索手段と、検索手段で検索された修正文を、操作入力制御手段で選択される文の入力候補として表示させる表示制御手段とを備えた文書作成支援装置が記載されている。
医用画像に基づいて自動生成されるテキストには、重要事項が欠落していたり、重要でない事項が含まれていたりする場合があり、必ずしもユーザの要求に合致した内容のテキストが生成されない場合がある。これに対処するために、記載が互いに異なる複数の候補テキストを提示し、複数の候補テキストの中からユーザの要求に合致したテキストをユーザに選択させることが考えられる。この場合、複数の候補テキストは、記載内容または表現が変化に富んでいることが好ましい。これにより、複数の候補テキストの中にユーザの要求に合致したものが含まれる可能性が高くなる。
開示の技術は、上記の点に鑑みてなされたものであり、画像に基づいてテキストを自動生成する場合に、記載内容または表現が変化に富んだ複数のテキストを生成することを目的とする。
開示の技術に係る文書作成支援装置は、少なくとも１つのプロセッサを備える。プロセッサは、医用画像に含まれる少なくとも１つの特徴部分の性状を複数の性状項目の各々について特定し、特定された性状の少なくとも１つが複数のテキストの各々に記述され、且つ複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが複数のテキスト間で互いに異なるように、特徴部分の特定された性状について複数のテキストを生成し、特徴部分の位置を示すマークが付与された医用画像及び複数のテキストを表示部に表示させる制御を行う。
プロセッサは、特徴部分について特定された、性状項目毎の性状を示す性状ラベルを表示部に表示させる制御を行ってもよい。プロセッサは、複数のテキストの各々の近傍に、当該テキストに記述されている性状を示す性状ラベルを表示させる制御を行ってもよい。プロセッサは、複数のテキストのいずれかの選択を受け付け、選択されたテキストを、ユーザが作成する文書の一部又は全部として利用可能に提供してもよい。
開示の技術に係る文書作成支援方法は、医用画像に含まれる少なくとも１つの特徴部分の性状を複数の性状項目の各々について特定し、特定された性状の少なくとも１つが複数のテキストの各々に記述され、且つ複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが複数のテキスト間で互いに異なるように、特徴部分の特定された性状について複数のテキストを生成し、特徴部分の位置を示すマークが付与された医用画像及び複数のテキストを表示部に表示させる制御を行う処理を文書作成支援装置が有するプロセッサが実行するものである。
開示の技術に係るプログラムは、医用画像に含まれる少なくとも１つの特徴部分の性状を複数の性状項目の各々について特定し、特定された性状の少なくとも１つが複数のテキストの各々に記述され、且つ複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが複数のテキスト間で互いに異なるように、特徴部分の特定された性状について複数のテキストを生成し、特徴部分の位置を示すマークが付与された医用画像及び複数のテキストを表示部に表示させる制御を行う処理を文書作成支援装置が有するプロセッサに実行させるためのプログラムである。
開示の技術によれば、画像に基づいてテキストを自動生成する場合に、記載内容または表現が変化に富んだ複数のテキストを作成することが可能である。
開示の技術の実施形態に係る医療情報システムの概略構成を示す図である。 開示の技術の実施形態に係る文書作成支援装置のハードウェア構成の一例を示す図である。 開示の技術の実施形態に係る文書作成支援装置の機能的な構成の一例を示す機能ブロック図である。 開示の技術の実施形態に係る文書作成支援装置の機能を説明するための図である。 開示の技術の実施形態に係るテキスト生成部を構成するリカレントニューラルネットワークの模式的な構成の一例を示す図である。 開示の技術の実施形態に係る表示画面に表示される情報の表示態様の一例を示す図である。 開示の技術の実施形態に係る文書作成支援処理の流れの一例を示すフローチャートである。 開示の技術の実施形態に係る性状スコアの一例を示す図である。 開示の技術の実施形態に係る表示画面に表示される情報の表示態様の一例を示す図である。 開示の技術の実施形態に係るテキスト生成部によって生成された複数のテキストの一例を示す図である。 開示の技術の実施形態に係るテキスト生成部によって生成された複数のテキストの一例を示す図である。 開示の技術の実施形態に係るテキスト生成部によって生成された複数のテキストの一例を示す図である。 開示の技術の実施形態に係る文書作成支援装置の機能的な構成の一例を示す機能ブロック図である。 開示の技術の実施形態に係るテーブルの一例を示す図である。 開示の技術の実施形態に係るテキスト生成部によって生成された複数のテキストの一例を示す図である。 開示の技術の実施形態に係る文書作成支援処理の流れの一例を示すフローチャートである。 開示の技術の実施形態に係るテキスト生成部によって生成された複数のテキストの一例を示す図である。 開示の技術の実施形態に係るテキスト生成部によって生成された複数のテキストの一例を示す図である。 開示の技術の実施形態に係る文書作成支援装置の機能的な構成の一例を示す機能ブロック図である。
以下、開示の技術の実施形態について図面を参照しつつ説明する。尚、各図面において、実質的に同一又は等価な構成要素又は部分には同一の参照符号を付している。
［第１の実施形態］
図１は開示の技術の実施形態に係る文書作成支援装置を適用した医療情報システム１の概略構成を示す図である。医療情報システム１は、公知のオーダリングシステムを用いた診療科の医師からの検査オーダに基づいて、被写体の検査対象部位の撮影、撮影により取得された医用画像の保管、読影医による医用画像の読影と読影レポートの作成、及び依頼元の診療科の医師による読影レポートの閲覧と読影対象の医用画像の詳細観察とを行うためのシステムである。
医療情報システム１は、複数の撮影装置２、読影端末である複数の読影ワークステーション（ＷＳ）３、診療科ワークステーション（ＷＳ）４、画像サーバ５、画像データベース６、読影レポートサーバ７、及び読影レポートデータベース８が、有線または無線のネットワーク９を介して互いに通信可能な状態で接続されて構成されている。
各機器は、医療情報システム１の構成要素として機能させるためのアプリケーションプログラムがインストールされたコンピュータである。アプリケーションプログラムは、ＤＶＤ（Digital Versatile Disc）あるいはＣＤ－ＲＯＭ（Compact Disc Read Only Memory）等の記録媒体に記録されて配布され、その記録媒体からコンピュータにインストールされる。または、ネットワーク９に接続されたサーバコンピュータの記憶装置、もしくはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じてコンピュータにダウンロードされ、インストールされる。
撮影装置２は、被写体の診断対象となる部位を撮影することにより、診断対象部位を表す医用画像を生成する装置である。撮影装置２は、例えば、単純Ｘ線撮影装置、ＣＴ装置、ＭＲＩ装置、及びＰＥＴ（Positron Emission Tomography)装置等であってもよい。撮影装置２により生成された医用画像は画像サーバ５に送信され、保存される。
診療科ＷＳ４は、診療科の医師が医用画像の詳細観察、読影レポートの閲覧、及び電子カルテの作成等に利用するコンピュータであり、処理装置、ディスプレイ等の表示装置、並びにキーボード及びマウス等の入力装置により構成される。診療科ＷＳ４では、患者のカルテ（電子カルテ）の作成、画像サーバ５に対する画像の閲覧要求、画像サーバ５から受信した医用画像の表示、医用画像中の疾患を疑う領域の自動検出または強調表示、読影レポートサーバ７に対する読影レポートの閲覧要求、及び読影レポートサーバ７から受信した読影レポートの表示等の各処理が、各処理のためのソフトウェアプログラムを実行することにより行われる。
画像サーバ５は、汎用のコンピュータにデータベース管理システム（DataBase Management System: DBMS）の機能を提供するソフトウェアプログラムがインストールされたものである。また、画像サーバ５は、ストレージを含んで構成される画像データベース６を備えている。画像データベース６は、画像サーバ５とデータバスによって接続されたハードディスク装置であってもよいし、ネットワーク９に接続されているＮＡＳ（Network Attached Storage）及びＳＡＮ（Storage Area Network）に接続されたディスク装置であってもよい。また、画像サーバ５は、撮影装置２からの医用画像の登録要求を受け付けると、その医用画像をデータベース用のフォーマットに整えて画像データベース６に登録する。
画像データベース６には、撮影装置２において取得された医用画像の画像データと、画像データに付帯する付帯情報とが登録される。付帯情報には、例えば、個々の医用画像を識別するための画像ＩＤ、被写体である患者を識別するための患者ＩＤ(identification)、検査内容を識別するための検査ＩＤ、医用画像毎に割り当てられるユニークなＩＤ（ＵＩＤ：unique identification）、医用画像が生成された検査日、検査時刻、医用画像を取得するための検査で使用された撮影装置の種類、患者氏名、年齢、性別等の患者情報、検査部位（撮影部位）、撮影情報（撮影プロトコル、撮影シーケンス、撮像手法、撮影条件、造影剤の使用有無等）、１回の検査で複数の医用画像を取得したときのシリーズ番号あるいは採取番号等の情報が含まれる。また、画像サーバ５は、読影ＷＳ３からの閲覧要求をネットワーク９経由で受信すると、画像データベース６に登録されている医用画像を検索し、検索された医用画像を要求元の読影ＷＳ３に送信する。
読影レポートサーバ７には、汎用のコンピュータにデータベース管理システムの機能を提供するソフトウェアプログラムが組み込まれる。読影レポートサーバ７は、読影ＷＳ３からの読影レポートの登録要求を受け付けると、その読影レポートをデータベース用のフォーマットに整えて読影レポートデータベース８に登録する。また、読影レポートの検索要求を受け付けると、その読影レポートを読影レポートデータベース８から検索する。
読影レポートデータベース８には、例えば、読影対象の医用画像を識別する画像ＩＤ、読影を行った画像診断医を識別するための読影医ＩＤ、病変名、病変の位置情報、所見、及び所見の確信度等の情報が記録された読影レポートが登録される。
ネットワーク９は、病院内の各種機器を接続する有線または無線のローカルエリアネットワークである。読影ＷＳ３が他の病院あるいは診療所に設置されている場合には、ネットワーク９は、各病院のローカルエリアネットワーク同士をインターネットまたは専用回線で接続した構成としてもよい。いずれの場合にも、ネットワーク９は光ネットワーク等の医用画像の高速転送が実現可能な構成にすることが好ましい。
読影ＷＳ３は、画像サーバ５に対する医用画像の閲覧要求、画像サーバ５から受信した医用画像に対する各種画像処理、医用画像の表示、医用画像に対する解析処理、解析結果に基づく医用画像の強調表示、解析結果に基づく読影レポートの作成、読影レポートの作成の支援、読影レポートサーバ７に対する読影レポートの登録要求と閲覧要求、並びに読影レポートサーバ７から受信した読影レポートの表示等の各処理を、各処理のためのソフトウェアプログラムを実行することにより行う。読影ＷＳ３は、後述する文書作成支援装置１０を内包しており、上記の各処理のうち、文書作成支援装置１０が行う処理以外の処理は、周知のソフトウェアプログラムにより行われるため、ここでは詳細な説明は省略する。また、文書作成支援装置１０が行う処理以外の処理を読影ＷＳ３において行わず、別途その処理を行うコンピュータをネットワーク９に接続しておき、読影ＷＳ３からの処理の要求に応じて、そのコンピュータにおいて要求された処理を行うようにしてもよい。以下、読影ＷＳ３に内包される文書作成支援装置１０について詳細に説明する。
図２は、文書作成支援装置１０のハードウェア構成の一例を示す図である。文書作成支援装置１０は、ＣＰＵ（Central Processing Unit）１０１、メモリ１０２、記憶部１０３、液晶ディスプレイ等の表示部１０４、キーボード及びマウス等の入力部１０５、及び外部Ｉ／Ｆ（InterFace）１０６を含む。なお、入力部１０５は音声による入力を受け付けるマイクロフォンを備えていてもよい。ＣＰＵ１０１、メモリ１０２、記憶部１０３、表示部１０４、入力部１０５、及び外部Ｉ／Ｆ１０６は、バス１０７に接続される。文書作成支援装置１０は、外部Ｉ／Ｆ１０６を介して、医療情報システム１のネットワーク９に接続される。なお、ＣＰＵ１０１は、開示の技術におけるプロセッサの一例である。
記憶部１０３は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、又はフラッシュメモリ等によって実現される。記憶部１０３には、文書作成支援プログラム１０８が記憶される。文書作成支援プログラム１０８は、ＤＶＤあるいはＣＤ－ＲＯＭ等の記録媒体に記録されて配布され、その記録媒体から文書作成支援装置１０にインストールされる。または、ネットワークに接続されたサーバコンピュータの記憶装置、もしくはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じて文書作成支援装置１０にダウンロードされ、インストールされる。ＣＰＵ１０１は、記憶部１０３から文書作成支援プログラム１０８を読み出してからメモリ１０２に展開し、展開した文書作成支援プログラム１０８を実行する。
図３は、文書作成支援装置１０の機能的な構成の一例を示す機能ブロック図である。文書作成支援装置１０は、画像取得部１１、特徴抽出部１２、解析部１３、テキスト生成部１４及び表示制御部１５を有する。文書作成支援装置１０は、ＣＰＵ１０１が文書作成支援プログラム１０８を実行することで、画像取得部１１、特徴抽出部１２、解析部１３、テキスト生成部１４及び表示制御部１５として機能する。
画像取得部１１は、診断対象となる医用画像（以下診断対象画像と称する）を取得する。診断対象画像は、画像データベース６に保存されており、文書作成支援装置１０（読影ワークステーション３）からの要求に応じて画像データベース６から文書作成支援装置１０に送信され、記憶部１０３に保存される。画像取得部１１は、記憶部１０３に保存されている診断対象画像を取得する。なお、画像取得部１１は、画像データベース６に保存されている診断対象画像を、画像データベース６から直接取得してもよい。なお、以下において、診断対象画像が、胸部ＣＴ画像である場合を例に説明する。
特徴抽出部１２は、画像取得部１１によって取得された診断対象画像から、結節や腫瘤等の疾患を疑う陰影（以下、異常陰影という）を、特徴部分として抽出する。特徴抽出部１２は、例えば、ディープラーニング等の機械学習によって学習された学習済みモデルを用いて異常陰影を抽出してもよい。上記の学習済みモデルは、例えば、異常陰影を含む医用画像と、その異常陰影が存在する画像中の領域を特定した情報との複数の組み合わせを学習用データとして用いた機械学習によって学習される。上記の学習用済みモデルは、医用画像を入力とし、当該医用画像における異常陰影の領域を特定した結果を出力とする。図４には、診断対象画像２００から異常陰影ＳＨが抽出された例が示されている。
解析部１３は、特徴抽出部１２によって抽出された異常陰影について解析を行うことにより、異常陰影の性状を、予め定められた複数の性状項目の各々について特定する。異常陰影について特定される性状項目の例として、当該異常陰影における、位置、大きさ、スピキュラの有無、辺縁不整の有無、胸膜陥入の有無、疾患の種類などが挙げられる。
解析部１３は、例えば、ディープラーニング等の機械学習によって学習された学習済みモデルを用いて異常陰影の性状を特定してもよい。上記の学習済みモデルは、例えば、異常陰影を含む医用画像と、当該異常陰影の性状を表す性状ラベルとの複数の組み合わせを学習用データとして用いた機械学習によって学習される。上記の学習用済みモデルは、医用画像を入力とし、当該医用画像に含まれる異常陰影における、性状項目毎に導出される性状スコアを出力とする。性状スコアは、当該性状項目についての性状の顕著性を示すスコアである。性状スコアは例えば０以上１以下の値をとり、性状スコアの値が大きい程、その性状が顕著であることを示す。
解析部１３は、例えば異常陰影の性状項目の１つである「スピキュラの有無」についての性状スコアが例えば０．５以上である場合、当該異常陰影の「スピキュラの有無」についての性状が「スピキュラ有り（陽性）」であることを特定し、「スピキュラ有無」についての性状スコアが例えば０．５未満である場合、当該異常陰影のスピキュラの有無についての性状が「スピキュラ無し（陰性）」であることを特定する。なお、性状判定に用いる閾値０．５は、例示に過ぎず、性状項目毎に適切な値に設定される。
図４には、診断対象画像２００から抽出された異常陰影ＳＨの性状項目毎の性状として、「左上葉」、「胸膜陥入＋」、「辺縁不整＋」、「スピキュラ＋」、「４．２ｃｍ」、「腫瘤」が特定された例が示されている。なお、特定された性状における「＋」表記は、その性状が陽性であることを示している。
テキスト生成部１４は、特徴抽出部１２によって抽出された異常陰影について、当該異常陰影の性状を記述した互いに異なる複数のテキストを候補テキストとして生成する。テキスト生成部１４は、解析部１３によって特定された複数の性状項目の各々についての性状の少なくとも１つが各テキストに記述されるように複数のテキストを生成する。また、テキスト生成部１４は、複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが複数のテキスト間で互いに異なるように複数のテキストを生成する。
図４には、テキスト生成部１４が、異常陰影ＳＨの性状を記述した互いに異なる４つのテキストを生成した例が示されている。テキスト生成部１４は、複数の性状項目の各々について特定された性状のうち、例えば「左上葉」、「腫瘤」に基づいて「左上葉に腫瘤が認められます。」という記述を含む第１のテキストＴ１を生成する。また、テキスト生成部１４は、複数の性状項目の各々について特定された性状のうち、例えば「左上葉」、「胸膜陥入＋」、「４．２ｃｍ」、「腫瘤」に基づいて「左上葉に胸膜陥入を伴う、４．２ｃｍ大の腫瘤が認められます。」という記述を含む第２のテキストＴ２を生成する。また、テキスト生成部１４は、複数の性状項目の各々について特定された性状のうち、例えば「左上葉」、「胸膜陥入＋」、「スピキュラ＋」、「腫瘤」に基づいて「左上葉に胸膜陥入を伴うスピキュラを有する腫瘤が認められます。」という記述を含む第３のテキストＴ３を生成する。また、テキスト生成部１４は、複数の性状項目の各々について特定された性状のうち、例えば「左上葉」、「胸膜陥入＋」、「辺縁不整＋」、「スピキュラ＋」、「４．２ｃｍ」、「腫瘤」に基づいて「左上葉に辺縁不整で胸膜陥入を伴うスピキュラを有する４．２ｃｍ大の腫瘤が認められます。」という記述を含むテキスト第４のテキストＴ４を生成する。
このように、テキスト生成部１４は、予め定められた複数の性状項目の各々について特定された性状の少なくとも１つが複数のテキストの各々に記述され、且つ複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが複数のテキスト間で互いに異なるように複数のテキストを生成する。なお、テキスト生成部１４が生成するテキストの数は、３つ以下であってもよいし、５つ以上であってもよい。また、テキスト生成部１４は、Ｎ個の性状項目の中から、Ｍ個（Ｍ＜Ｎ）以上の性状項目を選択する組み合わせの全てについてテキストを生成してもよい。また、各テキストに含まれる性状項目の数は、複数のテキストの間で互いに異なっていてもよいし、同じであってもよい。また、複数のテキストの各々に必ず含めるべき必須の性状項目をユーザが指定してもよい。この場合、テキスト生成部１４は、上記必須の性状項目に関する記述を含み且つ上記必須の性状項目以外の性状項目の組み合わせが互いに異なる複数のテキストを生成してもよい。
テキスト生成部１４は、入力された単語からテキストを作成するように学習が行われたリカレントニューラルネットワークを含んで構成されている。図５はリカレントニューラルネットワークの模式的な構成を示す図である。図５に示すように、リカレントニューラルネットワーク２０は、エンコーダ２１及びデコーダ２２を含んで構成される。エンコーダ２１には、解析部１３によって特定された性状に対応する文字が入力される。例えば、テキスト生成部１４が図４に例示する第４のテキストＴ４を生成する場合、エンコーダ２１には、解析部１３によって特定された性状を文字化した「左上葉」、「胸膜陥入」、「辺縁不整」、「スピキュラ」、「４．２ｃｍ」、「腫瘤」、が入力される。デコーダ２２は、エンコーダ２１に入力された単語を文章化するように学習がなされており、上記の入力単語から、「左上葉に辺縁不整で胸膜陥入を伴うスピキュラを有する４．２ｃｍ大の腫瘤が認められます。」という第４のテキストＴ４を生成する。なお、図５において「ＥＯＳ」は文章の終わりを示す（End Of Sentence）。
表示制御部１５は、テキスト生成部１４によって生成された複数のテキストを表示部１０４に表示させる制御を行う。図６は、表示制御部１５による制御によって表示部１０４の表示画面３００に表示される情報の表示態様の一例を示す図である。図６に示すように、テキスト生成部１４によって生成された第１～第４のテキストＴ１～Ｔ４が表示画面３００に表示される。また、第１～第４のテキストＴ１～Ｔ４に対応する、異常陰影ＳＨを含む診断対象画像２００が表示画面３００に表示される。診断対象画像２００には、異常陰影ＳＨの位置を示すマーク２０１が付与されていてもよい。また、表示画面３００には、異常陰影ＳＨについて特定された、性状項目毎の性状を示す性状ラベル２０２が表示される。また、第１～第４のテキストＴ１～Ｔ４の各々の近傍には、当該テキストに記述されている性状を示す性状ラベル２０３が表示される。ユーザは、表示画面３００に表示された複数のテキストの中から任意の１つを選択し、選択したテキストを自身が作成する文書（読影レポート）の一部または全部として利用することが可能である。テキストの選択は、例えば、選択したいテキストの表示領域をポインタでクリックすることにより行うことが可能である。
以下に、文書作成支援装置１０の作用について説明する。図７は、ＣＰＵ１０１が、文書作成支援プログラム１０８を実行することによって実施される文書作成支援処理の流れの一例を示すフローチャートである。文書作成支援プログラム１０８は、例えば、ユーザによって入力部１０５を介して実行開始の指示が入力された場合に実行される。なお、診断対象画像は、画像サーバ５から文書作成支援装置１０（読影ワークステーション３）にダウンロードされ、記憶部１０３に保存されているものとする。
ステップＳＴ１において、画像取得部１１は、記憶部１０３に保存されている診断対象画像を取得する。ステップＳＴ２において、特徴抽出部１２は、画像取得部１１によって取得された診断対象画像から、異常陰影を特徴部分として抽出する。ステップＳＴ３において、解析部１３は、診断対象画像から抽出された異常陰影について解析を行い、予め定められた複数の性状項目の各々について、異常陰影の性状を特定する。
ステップＳＴ４において、テキスト生成部１４は、ステップＳＴ３において特定された性状を記述した互いに異なる複数のテキストを生成する。テキスト生成部１４は、予め定められた複数の性状項目の各々についての性状の少なくとも１つが複数のテキストの各々に記述され、且つ複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが複数のテキスト間で互いに異なるように複数のテキストを生成する。
ステップＳＴ５において、表示制御部１５は、テキスト生成部１４によって生成された複数のテキストを表示部１０４の表示画面に表示させる制御を行う。ユーザは、表示部１０４に表示された複数のテキストの中から任意の１つを選択し、選択したテキストを自身が作成する文書（読影レポート）の一部または全部として利用することが可能である。
以上のように、開示の技術の実施形態に係る文書作成支援装置１０によれば、診断対象画像から抽出された異常陰影の性状を記述した互いに異なる複数のテキストが候補文書として生成される。複数のテキストにおいて、各テキストに記述される性状に対応する性状項目の組み合わせが互いに異なる。これにより、記載内容が変化に富んだ複数のテキストを作成することが可能となる。これにより、複数のテキストの中にユーザの要求に合致したものが含まれる可能性が高くなり、ユーザによる文書（読影レポート）の作成を効果的に支援することが可能となる。
［第２の実施形態］
図８は、解析部１３によって導出される性状スコアの一例を示す図である。上記したように、解析部１３は、特徴抽出部１２によって抽出された異常陰影を解析することによって当該異常陰影について、性状項目毎に、その性状の顕著性を示す性状スコアを導出する。本実施形態において、性状スコアは０以上１以下の値をとる。性状スコアが大きい程、その性状が顕著であることを示す。なお、性状スコアの範囲は、０以上１以下に限らず、適宜定めることが可能である。
テキスト生成部１４は、第１の実施形態と同様、複数のテキストの各々に記述される性状項目の組み合わせが複数のテキスト間で互いに異なるように複数のテキストを生成する。本実施形態において、テキスト生成部１４は、解析部１３によって導出された性状スコアに基づいて、複数のテキストの各々に記述される性状項目の組み合わせを定める。テキスト生成部１４は、例えば、性状スコアが例えば０．９以上の性状のみを記述したテキストを第１のテキストとして生成し、性状スコアが例えば０．７以上の性状のみを記述したテキストを第２のテキストとして生成し、性状スコアが例えば０．５以上の性状のみを記述したテキストを第３のテキストとして生成する。なお、性状スコアの閾値は、上記した０．９、０．７、０．５に限定されず、適宜定めることが可能である。
例えば、図８に示すような性状スコアが導出されている場合、テキスト生成部１４は、性状スコアが０．９以上の性状「左上葉」及び「腫瘤」に基づいて「左上葉に、腫瘤が認められます。」という記述を含む第１のテキストを生成する。また、テキスト生成部１４は、性状スコアが０．７以上の性状「左上葉」、「胸膜陥入＋」、「４．２ｃｍ」及び「腫瘤」に基づいて「左上葉に胸膜陥入を伴う４．２ｃｍ大の腫瘤が認められます。」という記述を含む第２のテキストを生成する。また、テキスト生成部１４は、性状スコアが０．５以上の性状「左上葉」、「辺縁不整＋」、「胸膜陥入＋」、「スピキュラ＋」、「４．２ｃｍ」及び「腫瘤」に基づいて「左上葉に辺縁不整で胸膜陥入を伴うスピキュラを有する４．２ｃｍ大の腫瘤が認められます。」という記述を含む第３のテキストを生成する。
開示の技術の第２の実施形態に係る文書作成支援装置によれば、第１の実施形態と同様、記載内容が変化に富んだ複数のテキストを作成することが可能となる。また、性状スコアに応じてテキストに記述される性状項目の組み合わせを定めることで、記述内容の確度が互いに異なる複数のテキストを生成することが可能となる。例えば、確度が高い性状項目に関する記述を含む第１のテキスト、確度が中程度の性状項目に関する記述を含む第２のテキスト、確度が低い性状項目に関する記述を含む第３のテキストを含む複数のテキストを生成することが可能となる。
［第３の実施形態］
上記の第１及び第２の実施形態に係るテキスト生成部１４は、複数のテキストの各々に記述される性状項目の組み合わせが、複数のテキスト間で互いに異なるように、複数のテキストを生成するものであった。開示の技術の第３の実施形態に係るテキスト生成部１４は、複数のテキスト間で互いに表現が異なる同一内容の記述が各テキストに含まるように複数のテキストを生成する。
図９は、開示の技術の第３の実施形態に係る、表示画面３００に表示される情報の表示態様の一例を示す図である。図９には、診断対象画像２００から抽出された異常陰影ＳＨの性状として、「左上葉」、「部分充実型」、「腫瘤」が解析部１３によって特定された例が示されている。表示画面３００には、異常陰影ＳＨついて特定された上記の各性状を示す性状ラベル２０２が表示されている。
この例において、テキスト生成部１４は、異常陰影ＳＨについて特定された性状である「左上葉」、「部分充実型」、「腫瘤」に基づいて、「左上葉に部分充実型の腫瘤が認められます。」という記述を含む第１のテキストＴ１を生成する。また、テキスト生成部１４は、異常陰影ＳＨについて特定された性状である「左上葉」、「部分充実型」、「腫瘤」に基づいて、「左上葉に中心が充実性であり、周囲がすりガラス状の腫瘤が認められます。」という記述を含む第２のテキストＴ２を生成する。ここで、第１のテキストＴ１に記述された「部分充実型」と、第２のテキストＴ２に記述された「中心が充実性であり、周囲がすりガラス状」は、表現が異なるものの、これらの意味内容は同じである。このように、開示の技術の第３の実施形態に係るテキスト生成部１４は、複数のテキスト間で互いに表現が異なる同一内容の記述を含むように複数のテキストを生成する。本実施形態に係るテキスト生成部１４は、入力された単語から、表現が異なる同一内容の複数のテキストを作成するように学習された学習済みモデルを用いることによって実現可能である。
開示の技術の第３の実施形態に係る文書作成支援装置によれば、第１の実施形態と同様、記載内容が変化に富んだ複数のテキストを作成することが可能となる。また、複数のテキストには、互いに表現が異なる同一内容の記述が含まれるので、複数のテキストの中にユーザの要求に合致したものが含まれる可能性が高くなり、ユーザによる文書（読影レポート）の作成を効果的に支援することが可能となる。
なお、テキスト生成部１４は、異常陰影について特定された複数の性状のうち、指定された性状についての記述が複数のテキスト間で互いに表現が異なる同一内容となるように複数のテキストを生成してもよい。互いに異なる表現で記述すべき性状をユーザが指定できるようにすることで、ユーザの要求に合致した表現を用いたテキストが生成される可能性を更に高めることが可能となる。
［第４の実施形態］
上記の第１乃至第３の実施形態に係る文書作成支援装置は、特徴部分の性状を記述した互いに異なる複数のテキストを生成するものであった。開示の技術の第４の実施形態に係る文書作成支援装置は、特徴部分に対応する疾患の分類を記述した互いに異なる複数のテキストを生成する。なお、後述する第５乃至第７の実施形態に係る文書作成支援装置についても同様である。疾患の分類とは、例えば、結節、血管腫、嚢胞、リンパ節腫大、胸水貯留、過誤腫等の病名及び診断名を含み、また、その疾患が良性であるか悪性（がん）であるかの分類も含む。
本実施形態において、解析部１３は、診断対象画像から抽出された異常陰影について解析を行い、当該異常陰影に対応する疾患の分類を推定する。解析部１３は、例えば、ディープラーニング等の機械学習によって学習された学習済みモデルを用いて疾患の分類を推定してもよい。上記の学習済みモデルは、例えば、異常陰影を含む医用画像に、当該異常陰影に対応する疾患の分類を正解ラベルとして付与した学習用データを用いた機械学習によって学習される。解析部１３は、異常陰影に対応する疾患の分類の候補毎に、当該疾患がその分類に該当する確率を示す分類判定スコアを導出する。
テキスト生成部１４は、診断対象画像から抽出された異常陰影に対応する疾患の分類を記述した互いに異なる複数のテキストを生成する。より具体的には、テキスト生成部１４は、複数のテキストの各々に記述される疾患の分類が複数のテキスト間で互いに異なるように複数のテキストを生成する。テキスト生成部１４は、例えば、解析部１３において分類判定スコアの導出対象とされた疾患の分類の候補の全部又は一部を記述対象の分類としてもよい。
図１０には、テキスト生成部１４が診断対象画像から抽出された異常陰影に対応する互いに異なる疾患の分類を記述した３つのテキストを生成した例が示されている。テキスト生成部１４は、異常陰影に対応する疾患の分類に関する記述として「結節を認めます」という記述を含む第１のテキストＴ１を生成する。また、テキスト生成部１４は、異常陰影に対応する疾患の分類に関する記述として「血管腫を認めます」という記述を含む第２のテキストＴ２を生成する。また、テキスト生成部１４は、異常陰影に対応する疾患の分類に関する記述として「嚢胞を認めます」という記述を含む第３のテキストＴ３を生成する。
表示制御部１５は、テキスト生成部１４によって生成された複数のテキストを、解析部１３における疾患の分類の推定結果に応じた順に並べて表示部１０４に表示させる制御を行う。例えば、解析部１３によって疾患の分類の候補毎に導出された分類判定スコアのうち、「結節」の分類判定スコアが最も高い場合、表示制御部１５は、「結節を認めます。」という記述を含む第１のテキストＴ１を、他のテキストＴ２、Ｔ３に対して表示画面上の上方に配置して表示させてもよい。
図１１は、テキスト生成部１４によって生成された複数のテキストの他の例を示す図である。テキスト生成部１４は、異常陰影に対応する疾患の分類に関する記述として「原発性肺がんを疑います。」という記述を含む第１のテキストＴ１を生成する。また、テキスト生成部１４は、異常陰影に対応する疾患の分類に関する記述として「良性の可能性が高いです。」という記述を含む第２のテキストＴ２を生成する。このように、疾患の分類は、当該疾患が良性であるか悪性であるかの分類であってもよく、テキスト生成部１４は、当該疾患が悪性である旨の記述を含むテキスト及び当該疾患が良性である旨の記述を含むテキストの両方を生成してもよい。また、図１１に例示されるように、複数のテキストの各々には、疾患の分類に関する記述のみならず、当該異常陰影の性状に関する記述が含まれていてもよい。
開示の技術の第４の実施形態に係る文書作成支援装置によれば、複数のテキストには、それぞれ、疾患の分類が記述されるので、ユーザによる文書（読影レポート）の作成支援を効果的に行うことが可能となる。また、各テキストに記述される疾患の分類が複数のテキスト間で互いに異なるように複数のテキストが生成されるので、複数のテキストの中にユーザの要求に合致したものが含まれる可能性を高めることができる。また、表示制御部１５は、テキスト生成部１４によって生成された複数のテキストを、解析部１３における疾患の分類の推定結果に応じた順に並べて表示部１０４に表示させる制御を行うので、ユーザによるテキストの選択を容易にすることができる。
［第５の実施形態］
開示の技術の第５の実施形態に係るテキスト生成部１４は、上記した第４の実施形態の場合と同様、診断対象画像から抽出された異常陰影に対応する疾患の分類を記述した互いに異なる複数のテキストを生成する。本実施形態において、テキスト生成部１４は、疾患の分類に関する記述における、その疾患がその分類に該当する確度を示す表現が複数のテキスト間で異なるように複数のテキストを生成する。
図１２には、テキスト生成部１４が、疾患の分類（原発性肺がん）について、その疾患がその分類に該当する確度を示す表現が互いに異なる３つのテキストを生成した例が示されている。テキスト生成部１４は、疾患の分類に関する記述として「原発性肺がんです。」という断定的な表現を用いた記述を含む第１のテキストＴ１を生成する。すなわち第１のテキストＴ１は、当該疾患が原発性肺がんに該当する確度が極めて高いことを示す表現を含む。また、テキスト生成部１４は、疾患の分類に関する記述として「原発性肺がんを疑います。」という、推測的な表現を用いた記述を含む第２のテキストＴ２を生成する。すなわち第２のテキストＴ２は、当該疾患が原発性肺がんに該当する確度が比較的高いことを示す表現を含む。また、テキスト生成部１４は、疾患の分類に関する記述として「原発性肺がんの可能性を否定できません。」という、肯定的でも否定的でもない表現を用いた記述を含む第３のテキストＴ３を生成する。すなわち第３のテキストＴ３は、当該疾患が原発性肺がんに該当する確度が比較的低いことを示す表現を含む。なお、図１２に例示されるように、複数のテキストの各々には、疾患の分類に関する記述のみならず、当該異常陰影の性状に関する記述が含まれていてもよい。
本実施形態に係る文書作成支援装置において、解析部１３は、診断対象画像から抽出された異常陰影について解析を行い、当該異常陰影に対応する疾患の分類を推定してもよい。すなわち、解析部１３は、異常陰影に対応する疾患の分類の候補毎に、当該疾患がその分類に該当する確率を示す分類判定スコアを導出してもよい。この場合、テキスト生成部１４は、解析部１３によって導出された分類判定スコアが最も高い疾患の分類について、上記のように表現が互いに異なる複数のテキストを生成してもよい。また、テキスト生成部１４は、解析部１３によって導出されたスコアが相対的に高い２つ以上の疾患の分類のそれぞれについて、上記のように表現が互いに異なる複数のテキストを生成してもよい。
開示の技術の第５の実施形態に係る文書作成支援装置によれば、複数のテキストには、疾患の分類に関し、その分類に該当する確度を示す表現が互いに異なる記述が含まれるので、複数のテキストの中にユーザの要求に合致したものが含まれる可能性が高くなり、ユーザによる文書（読影レポート）の作成を効果的に支援することが可能となる。
［第６の実施形態］
図１３は、開示の技術の第６の実施形態に係る文書作成支援装置の機能的な構成の一例を示す機能ブロック図である。本実施形態に係る文書作成支援装置１０は、特徴部分解析部１３Ａ及び関連部分解析部１３Ｂを含む。
特徴部分解析部１３Ａは、診断対象画像から抽出された異常陰影について解析を行い、当該異常陰影に対応する疾患の分類を推定する。具体的には、特徴部分解析部１３Ａは、異常陰影に対応する疾患の分類の候補毎に、当該疾患がその分類に該当する確率を示す分類判定スコアを導出する。すなわち、特徴部分解析部１３Ａの機能は、上記した第４の実施形態に係る解析部１３と同じである。
関連部分解析部１３Ｂは、特徴部分解析部１３Ａによって導出された分類判定スコアが最も高い疾患の分類に関連する関連部分を特定し、特定した関連部分についての所定の判定項目について判定を行う。関連部分とは、異常陰影（特徴部分）に対応する疾患の分類とともに発症することが想定される他の疾患の分類が発症し得る診断対象画像中の部分である。
図１４は、関連部分解析部１３Ｂによって参照されるテーブル３０の一例である。テーブル３０は、記憶部１０３に記憶されている。例えば、「肺結節」は、「胸水貯留」及び「リンパ節腫大」とともに発症することが想定される。従って、テーブル３０において、「肺結節」には、「胸水貯留」が発症し得る「臓側胸膜と壁側胸膜の間」が第１の関連部分として対応付けられるとともに、「リンパ節腫大」が発症し得る「リンパ節」が第２の関連部分として対応付けられている。また、テーブル３０において、第１の関連部分についての判定項目として「胸水貯留の有無」が対応付けられており、第２の関連部分についての判定項目として「リンパ節腫大の有無」が対応付けられている。
関連部分解析部１３Ｂは、分類判定スコアが最も高い疾患の分類が「肺結節」である場合、テーブル３０に基づいて「臓側胸膜と壁側胸膜の間」を第１の関連部分として特定し、第１の関連部分について「胸水貯留の有無」を判定する。また、関連部分解析部１３Ｂは、テーブル３０に基づいて「リンパ節」を第２の関連部分として特定し、第２の関連部分について「リンパ節腫大の有無」を判定する。
なお、疾患の分類によっては、対応付けるべき関連部分が存在しない場合がある。例えば、「無気肺」については、無気肺とともに発症することが想定される他の疾患が存在しないので、テーブル３０において「無気肺」に対応付けられる関連部分の欄はブランクとなる。
テキスト生成部１４は、上記した第４及び第５の実施形態の場合と同様、診断対象画像から抽出された異常陰影に対応する疾患の分類を記述した互いに異なる複数のテキストを生成する。本実施形態において、テキスト生成部１４は、特徴部分解析部１３Ａによって導出された分類判定スコアが最も高い疾患の分類に関する記述を、複数のテキストの各々に含める。また、テキスト生成部１４は、複数のテキストの各々に記述される異常陰影に対応する疾患の分類に関連する関連部分に関する記述を複数のテキストの各々に含める。テキスト生成部１４は、関連部分に関する記述を、関連部分解析部１３Ｂによって導出された、関連部分についての判定結果に基づいて生成する。本実施形態において、テキスト生成部１４は、複数のテキストに記述される関連部分の数又は組み合わせが複数のテキスト間で互いに異なるように複数のテキストを生成する。
図１５は、テキスト生成部１４によって生成された複数のテキストの一例を示す図である。ここでは、特徴部分解析部１３Ａによって導出された分類判定スコアが最も高い疾患の分類が「充実性結節」であったものとする。これに応じて関連部分解析部１３Ｂが、臓側胸膜と壁側胸膜の間を第１の関連部分として特定し、第１の関連部分についての判定結果として「胸水貯留なし」を導出したものとする。また、関連部分解析部１３Ｂが、リンパ節を第２の関連部分として特定し、第２の関連部分についての判定結果として「リンパ節腫大なし」を導出したものとする。
テキスト生成部１４は、「左上葉に長径２．１ｃｍの充実性結節を認めます。胸水貯留は認められません。」という記述を含む第１のテキストＴ１を生成する。すなわち第１のテキストＴ１は、異常陰影に対応する疾患の分類に関する記述として「充実性結節」を含み、関連部分に関する記述として「胸水貯留は認められません。」という記述を含む。
また、テキスト生成部１４は、「左上葉に長径２．１ｃｍの充実性結節を認めます。リンパ節腫大は認められません。」という記述を含む第２のテキストＴ２を生成する。すなわち第２のテキストＴ２は、異常陰影に対応する疾患の分類に関する記述として「充実性結節」という記述を含み、関連部分に関する記述として「リンパ節腫大は認められません。」という記述を含む。
また、テキスト生成部１４は、「左上葉に長径２．１ｃｍの充実性結節を認めます。胸水貯留は認められません。リンパ節腫大は認められません。」という記述を含む第３のテキストＴ３を生成する。すなわち第３のテキストＴ３は、異常陰影に対応する疾患の分類に関する記述として「充実性結節」という記述を含み、関連部分に関する記述として「胸水貯留は認められません」という記述及び「リンパ節腫大は認められません。」という記述を含む。なお、テキスト生成部１４は、異常陰影に対応する疾患の分類に関する記述を含み且つ関連部分に関する記述を含まない第４のテキスト（図示せず）を更に生成してもよい。
表示制御部１５は、テキスト生成部１４によって生成された複数のテキストを、表示部１０４に表示させる制御を行う。
以下に、本実施形態に係る文書作成支援装置の作用について説明する。図１６は、ＣＰＵ１０１が、本実施形態に係る文書作成支援プログラム１０８を実行することによって実施される文書作成支援処理の流れの一例を示すフローチャートである。
ステップＳＴ１１において、画像取得部１１は、記憶部１０３に保存されている診断対象画像を取得する。ステップＳＴ１２において、特徴抽出部１２は、画像取得部１１によって取得された診断対象画像から異常陰影を特徴部分として抽出する。ステップＳＴ１３において、特徴部分解析部１３Ａは、診断対象画像から抽出された異常陰影について解析を行い、異常陰影に対応する疾患の分類の候補毎に、当該疾患がその分類に該当する確率を示す分類判定スコアを導出する。
ステップＳ１４において、関連部分解析部１３Ｂは、ステップＳＴ１３において特徴部分解析部１３Ａによって導出された分類判定スコアが最も高い疾患の分類に関連する関連部分を、テーブル３０に基づいて特定する。ステップＳＴ１５において、関連部分解析部１３Ｂは、ステップＳＴ１４において特定された関連部分について解析を行い、関連部分についての所定の判定項目について判定を行う。関連部分解析部１３Ｂは、テーブル３０に基づいて判定項目を特定する。
ステップＳＴ１６において、テキスト生成部１４は、ステップＳＴ１３において特徴部分解析部１３Ａによって導出された分類判定スコアが最も高い疾患の分類に関連する記述及びステップＳＴ１５において関連部分解析部１３Ｂによって導出された関連部分についての判定結果に関する記述をそれぞれ含む複数のテキストを生成する。
ステップＳＴ１７において、表示制御部１５は、ステップＳＴ１６においてテキスト生成部１４によって生成された複数のテキストを表示部１０４の表示画面に表示させる制御を行う。ユーザは、表示部１０４に表示された複数のテキストの中から任意の１つを選択し、選択したテキストを自身が作成する文書（読影レポート）の一部または全部として利用することが可能である。
開示の技術の第６の実施形態に係る文書作成支援装置によれば、複数のテキストの各々には、異常陰影に対応する疾患の分類に関する記述のみならず、その疾患の分類に関連する関連部分に関する記述が含まれるので、ユーザによる文書（読影レポート）の作成支援を効果的に行うことが可能となる。また、各テキストに記述される関連部分の数又は組み合わせが複数のテキスト間で互いに異なるように複数のテキストが生成されるので、複数のテキストの中にユーザの要求と一致したものが含まれる可能性を高めることができる。
なお、本実施形態においては、テキスト生成部１４が、特徴部分解析部１３Ａによって導出された分類判定スコアが最も高い疾患の分類に関する記述を複数のテキストの各々に含める場合を例示したが、この態様に限定されない。テキスト生成部１４は、上記した第４の実施形態の場合と同様、複数のテキストの各々に記述される疾患の分類が複数のテキスト間で互いに異なるように複数のテキストを生成してもよい。テキスト生成部１４は、例えば、特徴部分解析部１３Ａにおいて分類判定スコアの導出対象とされた疾患の分類の候補の全部又は一部を記述対象の分類としてもよい。この場合、関連部分解析部１３Ｂは、分類判定スコアの導出対象とされた疾患の分類の候補の全部又は一部の分類の各々について、関連部分を特定し、特定した関連部分についての所定の判定項目について判定を行う。テキスト生成部１４は、各テキストに記述される疾患の分類に対応する関連部分に関する記述を、関連部分解析部１３Ｂによって導出される関連部分についての判定結果に基づいて生成し、これを対応するテキストに含める。なお、テーブル３０（図１４参照）に示されるように、異常陰影に対応する疾患の分類に関連する関連部分が存在しない場合、そのような疾患の分類が記述されるテキストには関連部分に関する記述は含まれないことになる。すなわち、テキスト生成部１４は、異常陰影について記述される疾患の分類が特定の分類であるテキストにのみ関連部分に関する記述を含める。
図１７は、テキスト生成部１４によって生成され得る複数のテキストの他の例を示す図である。テキスト生成部１４は、「左上葉に長径２．１ｃｍの充実性結節を認めます。胸水貯留は認められません。リンパ節腫大は認められません。」という記述を含む第１のテキストＴ１を生成する。すなわち第１のテキストＴ１は、異常陰影に対応する疾患の分類に関する記述として「充実性結節」を含み、関連部分に関する記述として「胸水貯留は認められません」という記述及び「リンパ節腫大は認められません。」という記述を含む。
また、テキスト生成部１４は、「左上葉に長径２．１ｃｍの無気肺を認めます。」という記述を含む第２のテキストＴ２を生成する。すなわち第２のテキストＴ２は、異常陰影に対応する疾患の分類に関する記述として「無気肺」という記述を含み、関連部分に関する記述を含んでいない。第２のテキストＴ２が関連部分に関する記述を含んでいないのは、「無気肺」に関連する関連部分が存在せず、関連部分についての判定結果が存在しないためである。
図１８は、テキスト生成部１４によって生成される複数のテキストの他の例を示す図である。テキスト生成部１４は、「左上葉に長径２．１ｃｍの充実性結節を認めます。原発性肺がんを疑います。胸水貯留は認められません。リンパ節腫大は認められません。」という記述を含む第１のテキストＴ１を生成する。すなわち第１のテキストＴ１は、異常陰影に対応する疾患の分類に関する記述として「充実性結節」という記述及び「原発性肺がんを疑います。」という記述を含み、関連部分に関する記述として「胸水貯留は認められません」という記述及び「リンパ節腫大は認められません。」という記述を含む。また、テキスト生成部１４は、「左上葉に長径２．１ｃｍの充実性結節を認めます。良性の可能性が高いです。」という記述を含む第２のテキストを生成する。すなわち第２のテキストＴ２は、異常陰影に対応する疾患の分類に関する記述として「充実性結節」という記述及び「良性の可能性が高いです。」という記述を含み、関連部分に関する記述を含んでいない。
このように、テキスト生成部１４は、複数のテキストのうち、異常陰影について記述される疾患の分類が悪性であるテキストには関連部分に関する記述を含める一方、異常陰影について記述される疾患の分類が良性であるテキストには関連部分に関する記述を含めなくてもよい。これは、良性疾患については、関連部分が存在しない又は存在したとしても関連部分に関心がないことが一般的であるからである。
［第７の実施形態］
図１９は、開示の技術の第７の実施形態に係る文書作成支援装置の機能的な構成の一例を示す機能ブロック図である。本実施形態に係る文書作成支援装置１０は、特徴抽出部１２に代えて指定受付部１６を有する点が、上記した第６の実施形態に係る文書作成支援装置１０（図１３参照）と異なる。
指定受付部１６は、診断対象画像に含まれる異常陰影（特徴部分）の指定を受け付ける。異常陰影の指定は、例えば、表示部１０４の表示画面上に表示される診断対象画像中の部分領域を、ユーザがマウス等の入力デバイスを用いてクリック又はドラッグすることで行うことが可能である。
特徴部分解析部１３Ａは、指定受付部１６が受け付けた指定に係る異常陰影について解析を行い、当該異常陰影に対応する疾患の分類を推定する。具体的には、特徴部分解析部１３Ａは、指定された異常陰影に対応する疾患の分類の候補毎に、当該疾患がその分類に該当する確率を示す分類判定スコアを導出する。
関連部分解析部１３Ｂは、特徴部分解析部１３Ａによって導出された分類判定スコアが最も高い疾患の分類に関連する関連部分を特定し、特定した関連部分についての所定の判定項目について判定を行う。
テキスト生成部１４は、指定受付部１６が受け付けた指定に係る異常陰影に対応する疾患の分類を記述した互いに異なる複数のテキストを生成する。本実施形態において、テキスト生成部１４は、特徴部分解析部１３Ａによって導出された分類判定スコアが最も高い疾患の分類に関する記述を、複数のテキストの各々に含める。テキスト生成部１４は、複数のテキストの各々に記述される異常陰影に対応する疾患の分類に関連する関連部分に関する記述を複数のテキストの各々に含める。テキスト生成部１４は、関連部分に関する記述を、関連部分解析部１３Ｂによって導出される関連部分についての判定結果に基づいて生成する。テキスト生成部１４は、複数のテキストに記述される関連部分の数又は組み合わせが複数のテキスト間で互いに異なるように複数のテキストを生成する。表示制御部１５は、テキスト生成部１４によって生成された複数のテキストを表示部１０４に表示させる制御を行う。
開示の技術の第７の実施形態に係る文書作成支援装置によれば、ユーザが指定する異常陰影（特徴部分）について複数のテキストが生成されるので、ユーザによる文書（読影レポート）の作成支援を効果的に行うことが可能となる。
なお、本実施形態においては、テキスト生成部１４が、特徴部分解析部１３Ａによって導出された分類判定スコアが最も高い疾患の分類に関する記述を複数のテキストの各々に含める場合を例示したが、この態様に限定されない。テキスト生成部１４は、上記した第４の実施形態の場合と同様、複数のテキストの各々に記述される疾患の分類が複数のテキスト間で互いに異なるように複数のテキストを生成してもよい。テキスト生成部１４は、例えば、特徴部分解析部１３Ａにおいて分類判定スコアの導出対象とされた疾患の分類の候補の全部又は一部を記述対象の分類としてもよい。この場合、関連部分解析部１３Ｂは、分類判定スコアの導出対象とされた疾患の分類の候補の全部又は一部の分類の各々について、関連部分を特定し、特定した関連部分についての所定の判定項目について判定を行う。テキスト生成部１４は、各テキストに記述される疾患の分類に対応する関連部分に関する記述を、関連部分解析部１３Ｂにおける解析結果に基づいて生成し、これを対応するテキストに含める。
文書管理作成支援装置は、以下のようにして複数のテキストを生成及び表示してもよい。例えば、ユーザによる異常陰影（特徴部分）の指定を受付ける前に、複数の異常陰影（特徴部分）のそれぞれについて予め複数のテキストを生成しておいてもよい。その後、ユーザによって異常陰影（特徴部分）の指定がなされた場合、指定された異常陰影（特徴部分）に関する複数のテキストを、予め生成しておいた複数のテキストの中から選択し、選択した複数のテキストを表示部１０４に表示させる制御を行ってもよい。表示される複数のテキストには、関連部分に関する記述が含まれていてもよいし、含まれていなくてもよい。
また、複数のテキストの各々に含まれる異常陰影（特徴部分）の性状に関する記述が、当該異常陰影（特徴部分）のサイズに関するものであってもよい。すなわち、テキスト生成部１４は、異常陰影（特徴部分）のサイズに関する記述が、複数のテキスト間で互いに異なるように複数のテキストを生成してもよい。例えば、テキスト生成部１４は、「嚢胞を認めます。」という記述を含む第１のテキストを生成し、「小嚢胞を認めます。」という記述を含む第２のテキストを生成し、「微小嚢胞を認めます。」という記述を含む第３のテキストを生成してもよい。
また、複数のテキストの各々に含まれる異常陰影（特徴部分）の性状に関する記述が、当該異常陰影（特徴部分）の個数、多寡、密集度又は分布状態に関するものであってもよい。すなわち、テキスト生成部１４は、異常陰影（特徴部分）の個数、多寡、密集度又は分布状態に関する記述が、複数のテキスト間で互いに異なるように複数のテキストを生成してもよい。例えば、テキスト生成部１４は、「嚢胞を認めます。」という記述を含む第１のテキストを生成し、「嚢胞が散在しています。」という記述を含む第２のテキストを生成し、「多発嚢胞を認めます。」という記述を含む第３のテキストを生成してもよい。
上記した第１乃至第７の実施形態に係る文書作成支援装置１０の各機能部等の各種の処理を実行する処理部（processing unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（processor）を用いることができる。上記各種のプロセッサには、前述したように、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（field-programmable gate array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device：PLD）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。
１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせや、ＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。
複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアント及びサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip：SoC）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。
更に、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（circuitry）を用いることができる。
なお、２０２０年２月７日に出願された日本国特許出願２０２０－０２０１４４及び２０２０年１２月２２日に出願された日本国特許出願２０２０－２１２８４２の開示は、その全体が参照により本明細書に取り込まれる。また、本明細書に記載された全ての文献、特許出願および技術規格は、個々の文献、特許出願、および技術規格が参照により取り込まれることが具体的かつ個々に記された場合と同程度に、本明細書中に参照により取り込まれる。

Claims (6)

  1. 少なくとも１つのプロセッサを備えた文書作成支援装置であって、
    前記プロセッサが、
    医用画像に含まれる少なくとも１つの特徴部分の性状を複数の性状項目の各々について特定し、
    特定された性状の少なくとも１つが複数のテキストの各々に記述され、且つ前記複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが前記複数のテキスト間で互いに異なるように、前記特徴部分の特定された性状について前記複数のテキストを生成し、
    前記特徴部分の位置を示すマークが付与された前記医用画像及び前記複数のテキストを表示部に表示させる制御を行う
    文書作成支援装置。
  2. 前記プロセッサは、前記特徴部分について特定された、性状項目毎の性状を示す性状ラベルを前記表示部に表示させる制御を行う
    請求項１に記載の文書作成支援装置。
  3. 前記プロセッサは、前記複数のテキストの各々の近傍に、当該テキストに記述されている性状を示す性状ラベルを表示させる制御を行う
    請求項１又は請求項２の記載の文書作成支援装置。
  4. 前記プロセッサは、
    前記複数のテキストのいずれかの選択を受け付け、
    選択されたテキストを、ユーザが作成する文書の一部又は全部として利用可能に提供する
    請求項１から請求項３のいずれか１項に記載の文書作成支援装置。
  5. 医用画像に含まれる少なくとも１つの特徴部分の性状を複数の性状項目の各々について特定し、
    特定された性状の少なくとも１つが複数のテキストの各々に記述され、且つ前記複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが前記複数のテキスト間で互いに異なるように、前記特徴部分の特定された性状について前記複数のテキストを生成し、
    前記特徴部分の位置を示すマークが付与された前記医用画像及び前記複数のテキストを表示部に表示させる制御を行う
    処理を文書作成支援装置が有する少なくとも１つのプロセッサが実行する文書作成支援方法。
  6. 医用画像に含まれる少なくとも１つの特徴部分の性状を複数の性状項目の各々について特定し、
    特定された性状の少なくとも１つが複数のテキストの各々に記述され、且つ前記複数のテキストの各々に記述される性状に対応する性状項目の組み合わせが前記複数のテキスト間で互いに異なるように、前記特徴部分の特定された性状について前記複数のテキストを生成し、
    前記特徴部分の位置を示すマークが付与された前記医用画像及び前記複数のテキストを表示部に表示させる制御を行う
    処理を文書作成支援装置が有する少なくとも１つのプロセッサに実行させるためのプログラム。
JP2023195360A 2020-02-07 2023-11-16 文書作成支援装置、文書作成支援方法及びプログラム Pending JP2024009108A (ja)

Applications Claiming Priority (6)

Application Number Priority Date Filing Date Title
JP2020020144 2020-02-07
JP2020020144 2020-02-07
JP2020212842 2020-12-22
JP2020212842 2020-12-22
JP2021576194A JP7479405B2 (ja) 2020-02-07 2021-02-05 文書作成支援装置、文書作成支援方法及びプログラム
PCT/JP2021/004410 WO2021157718A1 (ja) 2020-02-07 2021-02-05 文書作成支援装置、文書作成支援方法及びプログラム

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2021576194A Division JP7479405B2 (ja) 2020-02-07 2021-02-05 文書作成支援装置、文書作成支援方法及びプログラム

Publications (1)

Publication Number Publication Date
JP2024009108A true JP2024009108A (ja) 2024-01-19

Family

ID=77200258

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2021576194A Active JP7479405B2 (ja) 2020-02-07 2021-02-05 文書作成支援装置、文書作成支援方法及びプログラム
JP2023195360A Pending JP2024009108A (ja) 2020-02-07 2023-11-16 文書作成支援装置、文書作成支援方法及びプログラム

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2021576194A Active JP7479405B2 (ja) 2020-02-07 2021-02-05 文書作成支援装置、文書作成支援方法及びプログラム

Country Status (4)

Country Link
US (1) US20220382967A1 (ja)
JP (2) JP7479405B2 (ja)
DE (1) DE112021000934T5 (ja)
WO (1) WO2021157718A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2023199956A1 (ja) * 2022-04-12 2023-10-19 富士フイルム株式会社 情報処理装置、情報処理方法及び情報処理プログラム

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS62197864A (ja) * 1986-02-26 1987-09-01 Toshiba Corp 言語情報提供装置
JPS62197354A (ja) * 1986-02-26 1987-09-01 トヨタ自動車株式会社 炭化ケイ素焼結体の製造方法
JP3332104B2 (ja) * 1993-07-19 2002-10-07 株式会社東芝 読影レポート作成支援装置
US6785410B2 (en) * 1999-08-09 2004-08-31 Wake Forest University Health Sciences Image reporting method and system
JP5153281B2 (ja) * 2007-09-28 2013-02-27 キヤノン株式会社 診断支援装置及びその制御方法
JP5288866B2 (ja) 2008-04-16 2013-09-11 富士フイルム株式会社 文書作成支援装置、文書作成支援方法、並びに文書作成支援プログラム
EP3182366B1 (en) * 2015-12-17 2020-10-07 Leibniz-Institut für Photonische Technologien e.V. Property measurement on a biological tissue sample
JP2019153250A (ja) 2018-03-06 2019-09-12 富士フイルム株式会社 医療文書作成支援装置、方法およびプログラム
JP2020020144A (ja) 2018-07-31 2020-02-06 カヤバ システム マシナリー株式会社 エレクター装置
US11923070B2 (en) * 2019-11-28 2024-03-05 Braid Health Inc. Automated visual reporting technique for medical imaging processing system

Also Published As

Publication number Publication date
US20220382967A1 (en) 2022-12-01
DE112021000934T5 (de) 2022-12-15
JP7479405B2 (ja) 2024-05-08
WO2021157718A1 (ja) 2021-08-12
JPWO2021157718A1 (ja) 2021-08-12

Similar Documents

Publication Publication Date Title
JP2019153250A (ja) 医療文書作成支援装置、方法およびプログラム
JP2014029644A (ja) 類似症例検索装置および類似症例検索方法
JP7102509B2 (ja) 医療文書作成支援装置、医療文書作成支援方法、及び医療文書作成支援プログラム
US20190267120A1 (en) Medical document creation support apparatus, method, and program
US11062448B2 (en) Machine learning data generation support apparatus, operation method of machine learning data generation support apparatus, and machine learning data generation support program
US20220028510A1 (en) Medical document creation apparatus, method, and program
US20220285011A1 (en) Document creation support apparatus, document creation support method, and program
JP2024009108A (ja) 文書作成支援装置、文書作成支援方法及びプログラム
JP2024009342A (ja) 文書作成支援装置、方法およびプログラム
US20220375562A1 (en) Document creation support apparatus, document creation support method, and program
US20230005580A1 (en) Document creation support apparatus, method, and program
WO2019193983A1 (ja) 医療文書表示制御装置、医療文書表示制御方法、及び医療文書表示制御プログラム
US11978274B2 (en) Document creation support apparatus, document creation support method, and document creation support program
US20220392595A1 (en) Information processing apparatus, information processing method, and information processing program
WO2022158173A1 (ja) 文書作成支援装置、文書作成支援方法及びプログラム
US20230070906A1 (en) Information processing apparatus, method, and program
WO2022230641A1 (ja) 文書作成支援装置、文書作成支援方法、及び文書作成支援プログラム
WO2022215530A1 (ja) 医用画像装置、医用画像方法、及び医用画像プログラム
WO2022239593A1 (ja) 文書作成支援装置、文書作成支援方法、及び文書作成支援プログラム
JP7371220B2 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
WO2022196106A1 (ja) 文書作成装置、方法およびプログラム
WO2022224848A1 (ja) 文書作成支援装置、文書作成支援方法、及び文書作成支援プログラム
WO2021172477A1 (ja) 文書作成支援装置、方法およびプログラム
WO2024071246A1 (ja) 情報処理装置、情報処理方法及び情報処理プログラム
EP4310853A1 (en) Information management device, method, and program, and information processing device, method, and program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20231116