JP2024044922A - 情報処理装置、情報処理方法及び情報処理プログラム - Google Patents
情報処理装置、情報処理方法及び情報処理プログラム Download PDFInfo
- Publication number
- JP2024044922A JP2024044922A JP2022150755A JP2022150755A JP2024044922A JP 2024044922 A JP2024044922 A JP 2024044922A JP 2022150755 A JP2022150755 A JP 2022150755A JP 2022150755 A JP2022150755 A JP 2022150755A JP 2024044922 A JP2024044922 A JP 2024044922A
- Authority
- JP
- Japan
- Prior art keywords
- finding information
- information
- information processing
- lesion
- finding
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 68
- 238000003672 processing method Methods 0.000 title abstract description 6
- 230000003902 lesion Effects 0.000 claims abstract description 124
- 238000003384 imaging method Methods 0.000 description 27
- 238000000034 method Methods 0.000 description 25
- 201000010099 disease Diseases 0.000 description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 17
- 238000005516 engineering process Methods 0.000 description 16
- 238000002591 computed tomography Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 210000004072 lung Anatomy 0.000 description 11
- 238000002595 magnetic resonance imaging Methods 0.000 description 10
- 206010028980 Neoplasm Diseases 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 5
- 238000003745 diagnosis Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 210000000056 organ Anatomy 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000003211 malignant effect Effects 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 3
- 210000004185 liver Anatomy 0.000 description 3
- 206010061218 Inflammation Diseases 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 230000004054 inflammatory process Effects 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 208000020816 lung neoplasm Diseases 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000001394 metastastic effect Effects 0.000 description 2
- 206010061289 metastatic neoplasm Diseases 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000000306 recurrent effect Effects 0.000 description 2
- 210000001519 tissue Anatomy 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—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
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Epidemiology (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
【課題】医用画像の読影を支援できる情報処理装置、情報処理方法及び情報処理プログラムを提供する。【解決手段】情報処理装置１０は、少なくとも１つのプロセッサを備え、プロセッサは、複数の病変領域を含む医用画像を取得し、複数の病変領域の各々について複数の第１所見情報を特定し、複数の第１所見情報の組合せに基づいて、複数の病変領域のうち少なくとも１つの病変領域についての第２所見情報を特定する。【選択図】図５
Description
本開示は、情報処理装置、情報処理方法及び情報処理プログラムに関する。
従来、ＣＴ（Computed Tomography）装置及びＭＲＩ（Magnetic Resonance Imaging）装置等の撮影装置により得られる医用画像を用いての画像診断が行われている。また、ディープラーニング等により学習がなされた判別器を用いたＣＡＤ（Computer Aided Detection/Diagnosis）により医用画像を解析して、医用画像に含まれる構造物及び病変等を含む関心領域を検出及び／又は診断することが行われている。医用画像及びＣＡＤによる解析結果は、医用画像の読影を行う読影医等の医療従事者の端末に送信される。読影医等の医療従事者は、自身の端末を用いて医用画像及び解析結果を参照して医用画像の読影を行い、読影レポートを作成する。
また、医用画像の読影を支援する各種手法が提案されている。例えば、特許文献１には、読影医が入力したキーワード及び医用画像の解析結果に基づいて、読影レポートを作成する技術が開示されている。特許文献１に記載の技術では、入力された文字から文章を生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用いて、読影レポートに記載するための文章が作成される。
また例えば、特許文献２には、検査画像内に存在する複数の関心領域毎の特徴量を、症例画像内の症例病変の特徴量と比較して、関心領域毎の個別類似度を算出し、算出した複数の個別類似度に基づいて、類似症例を検索する技術が開示されている。すなわち、特許文献２に記載の技術では、複数の関心領域のそれぞれの特徴量に着目して類似症例が検索される。
また例えば、特許文献３には、医用画像に含まれる病変候補領域を特定し、病変候補領域を複数の部分領域に分割し、分割された複数の部分領域に対応する特徴量をそれぞれ抽出することが記載されている。すなわち、特許文献３に記載の技術では、１つの病変候補領域を複数の部分領域に分割することによって、１つの病変候補領域についての診断能が向上する。
ところで、医用画像には複数の病変が含まれる場合があり、ある病変単体に基づき推定される病名と、他の病変についても加味して推定される病名とが異なることがある。例えば、肺の医用画像に複数の結節が含まれる場合に、悪性腫瘍と推定される結節が存在したり、結節の数が多かったりすると、単体では良性腫瘍と推定される結節についても、転移性（悪性）腫瘍であると推定病名が覆ることがある。また例えば、ＣＴ画像のみ、及びＭＲＩ画像のみからは診断できない病変が、ＣＴ画像とＭＲＩ画像とを組み合わせることによって診断可能になることがある。そこで、医用画像に含まれる複数の病変に基づく診断を支援できる技術が望まれている。
本開示は、医用画像の読影を支援できる情報処理装置、情報処理方法及び情報処理プログラムを提供する。
本開示の第１態様は、情報処理装置であって、少なくとも１つのプロセッサを備え、プロセッサは、複数の病変領域を含む医用画像を取得し、複数の病変領域の各々について複数の第１所見情報を特定し、複数の第１所見情報の組合せに基づいて、複数の病変領域のうち少なくとも１つの病変領域についての第２所見情報を特定する。
本開示の第２態様は、上記第１態様において、第１所見情報は、病変領域の種類、性状、位置及び大きさのうち少なくとも１つを示し、プロセッサは、複数の第１所見情報によって示される病変領域の種類、性状、位置、大きさ及び数のうち少なくとも１つに基づいて、第２所見情報を特定してもよい。
本開示の第３態様は、上記第１態様又は第２態様において、プロセッサは、複数の第１所見情報及び医用画像に基づいて、第２所見情報を特定してもよい。
本開示の第４態様は、上記第１態様から第３態様の何れか１つにおいて、第２所見情報は、複数の病変領域の各々についての第１所見情報を更新するものであってもよい。
本開示の第５態様は、上記第１態様から第４態様の何れか１つにおいて、第２所見情報は、複数の第１所見情報から特定される総合的な所見であってもよい。
本開示の第６態様は、上記第１態様から第５態様の何れか１つにおいて、プロセッサは、病変領域を入力とし、第１所見情報を出力とするよう予め学習された第１学習モデルを用いて、複数の第１所見情報を特定し、複数の第１所見情報を入力とし、第２所見情報を出力とするよう予め学習された第２学習モデルを用いて、第２所見情報を特定してもよい。
本開示の第７態様は、上記第６態様において、第２学習モデルは、複数の第１所見情報及び医用画像を入力としてもよい。
本開示の第８態様は、上記第１態様から第７態様の何れか１つにおいて、医用画像は複数の画像を含んで構成されるものであってもよい。
本開示の第９態様は、情報処理方法であって、複数の病変領域を含む医用画像を取得し、複数の病変領域の各々について複数の第１所見情報を特定し、複数の第１所見情報の組合せに基づいて、複数の病変領域のうち少なくとも１つの病変領域についての第２所見情報を特定する処理を含む。
本開示の第１０態様は、情報処理プログラムであって、複数の病変領域を含む医用画像を取得し、複数の病変領域の各々について複数の第１所見情報を特定し、複数の第１所見情報の組合せに基づいて、複数の病変領域のうち少なくとも１つの病変領域についての第２所見情報を特定する処理をコンピュータに実行させるためのものである。
上記態様によれば、本開示の情報処理装置、情報処理方法及び情報処理プログラムは、医用画像の読影を支援できる。
以下、図面を参照して本開示の実施形態について説明する。まず、本開示の情報処理装置１０を適用した情報処理システム１の構成について説明する。図１は、情報処理システム１の概略構成を示す図である。図１に示す情報処理システム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、被検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を行う。また、読影医による医用画像の読影作業及び読影レポートの作成、並びに、依頼元の診療科の医師による読影レポートの閲覧を行う。
図１に示すように、情報処理システム１は、撮影装置２、読影端末である読影ＷＳ（WorkStation）３、診療ＷＳ４、画像サーバ５、画像ＤＢ（DataBase）６、レポートサーバ７及びレポートＤＢ８を含む。撮影装置２、読影ＷＳ３、診療ＷＳ４、画像サーバ５、画像ＤＢ６、レポートサーバ７及びレポートＤＢ８は、有線又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いる。
各機器は、情報処理システム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、例えば、ＤＶＤ－ＲＯＭ（Digital Versatile Disc Read Only Memory）及び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てもよい。また例えば、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又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、インストールされてもよい。
撮影装置２は、被検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（モダリティ）である。撮影装置２の一例としては、単純Ｘ線撮影装置、ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置、ＰＥＴ（Positron Emission Tomography)装置、超音波診断装置、内視鏡及び眼底カメラ等が挙げられる。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、画像ＤＢ６に保存される。
図２は、撮影装置２によって取得される医用画像の一例を模式的に示す図である。図２に示す医用画像Ｔは、例えば、１人の被検体（人体）の頭部から腰部までの断層面をそれぞれ表す複数の断層画像Ｔ１～Ｔｍ（ｍは２以上）からなるＣＴ画像である。
図３は、複数の断層画像Ｔ１～Ｔｍのうちの１枚の断層画像Ｔｘの一例を模式的に示す図である。図３に示す断層画像Ｔｘは、肺を含む断層面を表す。各断層画像Ｔ１～Ｔｍには、人体の各種器官及び臓器（例えば肺及び肝臓等）、並びに、各種器官及び臓器を構成する各種組織（例えば血管、神経及び筋肉等）等を示す構造物の領域ＳＡが含まれ得る。また、各断層画像には、例えば結節、腫瘍、損傷、欠損及び炎症等の病変領域ＡＡが含まれ得る。図３に示す断層画像Ｔｘにおいては、肺の領域が構造物の領域ＳＡであり、結節の領域が病変領域ＡＡである。なお、１枚の断層画像に複数の構造物の領域ＳＡ及び／又は病変領域ＡＡが含まれていてもよい。以下、医用画像に含まれる構造物の領域ＳＡ、及び医用画像に含まれる病変領域ＡＡの少なくとも一方を「関心領域」という。
読影ＷＳ３は、例えば放射線科の読影医等の医療従事者が、医用画像の読影及び読影レポートの作成等に利用するコンピュータであり、本実施形態に係る情報処理装置１０を内包する。読影ＷＳ３では、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、及び、医用画像に関する文章の入力受付が行われる。また、読影ＷＳ３では、医用画像に対する解析処理、解析結果に基づく読影レポートの作成の支援、レポートサーバ７に対する読影レポートの登録要求及び閲覧要求、並びに、レポートサーバ７から受信した読影レポートの表示が行われる。これらの処理は、読影ＷＳ３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。
診療ＷＳ４は、例えば診療科の医師等の医療従事者が、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を含んで構成される。診療ＷＳ４では、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の表示、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、レポートサーバ７から受信した読影レポートの表示が行われる。これらの処理は、診療ＷＳ４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。画像サーバ５は、画像ＤＢ６と接続される。なお、画像サーバ５と画像ＤＢ６との接続形態は特に限定されず、データバスによって接続される形態でもよいし、ＮＡＳ（Network Attached Storage）及びＳＡＮ（Storage Area Network）等のネットワークを介して接続される形態でもよい。
画像ＤＢ６は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）及びフラッシュメモリ等の記憶媒体によって実現される。画像ＤＢ６には、撮影装置２において取得された医用画像と、医用画像に付帯された付帯情報と、が対応付けられて登録される。
付帯情報には、例えば、医用画像を識別するための画像ＩＤ(identification)、医用画像に含まれる断層画像ごとに割り振られる断層ＩＤ、被検体を識別するための被検体ＩＤ、及び検査を識別するための検査ＩＤ等の識別情報が含まれてもよい。また、付帯情報には、例えば、医用画像の撮影に関する撮影方法、撮影条件、撮影目的及び撮影日時等の撮影に関する情報が含まれていてもよい。「撮影方法」及び「撮影条件」とは、例えば、撮影装置２の種類、撮影部位、撮影プロトコル、撮影シーケンス、撮像手法、造影剤の使用有無及び断層撮影におけるスライス厚等である。また、付帯情報には、被検体の名前、生年月日、年齢及び性別等の被検体に関する情報が含まれていてもよい。
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信すると、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ＤＢ６に登録する。また、画像サーバ５は、読影ＷＳ３及び診療ＷＳ４からの閲覧要求を受信すると、画像ＤＢ６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閲覧要求元の読影ＷＳ３及び診療ＷＳ４に送信する。
レポートサーバ７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インストールされたものである。レポートサーバ７は、レポートＤＢ８と接続される。なお、レポートサーバ７とレポートＤＢ８との接続形態は特に限定されず、データバスによって接続される形態でもよいし、ＮＡＳ及びＳＡＮ等のネットワークを介して接続される形態でもよい。
レポートＤＢ８は、例えば、ＨＤＤ、ＳＳＤ及びフラッシュメモリ等の記憶媒体によって実現される。レポートＤＢ８には、読影ＷＳ３において作成された読影レポートが登録される。また、レポートＤＢ８には、医用画像に関する所見情報が記憶されていてもよい。所見情報とは、例えば読影ＷＳ３がＣＡＤ（Computer Aided Detection/Diagnosis）技術及びＡＩ（Artificial Intelligence）技術等を用いて医用画像を画像解析して得た情報、並びにユーザが医用画像を読影して入力した情報等である（詳細は後述）。
また、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信すると、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レポートＤＢ８に登録する。また、レポートサーバ７は、読影ＷＳ３及び診療ＷＳ４からの読影レポートの閲覧要求を受信すると、レポートＤＢ８に登録されている読影レポートを検索し、検索された読影レポートを閲覧要求元の読影ＷＳ３及び診療ＷＳ４に送信する。
ネットワーク９は、例えば、ＬＡＮ（Local Area Network）及びＷＡＮ（Wide Area Network）等のネットワークである。なお、情報処理システム１に含まれる撮影装置２、読影ＷＳ３、診療ＷＳ４、画像サーバ５、画像ＤＢ６、レポートサーバ７及びレポートＤＢ８は、それぞれ同一の医療機関に配置されていてもよいし、異なる医療機関等に配置されていてもよい。また、撮影装置２、読影ＷＳ３、診療ＷＳ４、画像サーバ５、画像ＤＢ６、レポートサーバ７及びレポートＤＢ８の各装置の台数は図１に示す台数に限らず、各装置はそれぞれ同様の機能を有する複数台の装置で構成されていてもよい。
ところで、医用画像には複数の病変が含まれる場合があり、ある病変単体に基づき推定される病名と、他の病変についても加味して推定される病名とが異なることがある。例えば、肺の医用画像に複数の結節が含まれる場合に、悪性腫瘍と推定される結節が存在したり、結節の数が多かったりすると、単体では良性腫瘍と推定される結節についても、転移性（悪性）腫瘍であると推定病名が覆ることがある。また例えば、ＣＴ画像のみ、及びＭＲＩ画像のみからは診断できない病変が、ＣＴ画像とＭＲＩ画像とを組み合わせることによって診断可能になることがある。
そこで、本実施形態に係る情報処理装置１０は、医用画像に複数の病変が含まれる場合に、当該複数の病変に基づく所見を特定することによって、医用画像の読影を支援する機能を有する。以下、情報処理装置１０について説明する。上述したように、情報処理装置１０は読影ＷＳ３に内包される。
まず、図４を参照して、本実施形態に係る情報処理装置１０のハードウェア構成の一例を説明する。図４に示すように、情報処理装置１０は、ＣＰＵ（Central Processing Unit）２１、不揮発性の記憶部２２、及び一時記憶領域としてのメモリ２３を含む。また、情報処理装置１０は、液晶ディスプレイ等のディスプレイ２４、キーボード及びマウス等の入力部２５、並びにネットワークＩ／Ｆ（Interface）２６を含む。ネットワークＩ／Ｆ２６は、ネットワーク９に接続され、有線及び／又は無線通信を行う。ＣＰＵ２１、記憶部２２、メモリ２３、ディスプレイ２４、入力部２５及びネットワークＩ／Ｆ２６は、システムバス及びコントロールバス等のバス２８を介して相互に各種情報の授受が可能に接続されている。
記憶部２２は、例えば、ＨＤＤ、ＳＳＤ及びフラッシュメモリ等の記憶媒体によって実現される。記憶部２２には、情報処理装置１０における情報処理プログラム２７が記憶される。ＣＰＵ２１は、記憶部２２から情報処理プログラム２７を読み出してからメモリ２３に展開し、展開した情報処理プログラム２７を実行する。ＣＰＵ２１が本開示のプロセッサの一例である。情報処理装置１０としては、例えば、パーソナルコンピュータ、サーバコンピュータ、スマートフォン、タブレット端末及びウェアラブル端末等を適宜適用できる。
次に、図５～図９を参照して、本実施形態に係る情報処理装置１０の機能的な構成の一例について説明する。図５に示すように、情報処理装置１０は、取得部３０、第１特定部３２、第２特定部３４及び制御部３６を含む。ＣＰＵ２１が情報処理プログラム２７を実行することにより、ＣＰＵ２１が取得部３０、第１特定部３２、第２特定部３４及び制御部３６の各機能部として機能する。
取得部３０は、画像サーバ５から、被検体を撮影して得られた複数の病変領域を含む医用画像を取得する。ここで、取得部３０が取得する医用画像は、１つの画像からなるものであってもよいし、例えば図２の断層画像Ｔ１～Ｔｍからなる医用画像Ｔのように、複数の画像を含んで構成されていてもよい。したがって例えば、１つの画像に複数の病変領域が含まれていてもよいし、複数の画像のそれぞれに病変領域が含まれていてもよい。また例えば、医用画像が複数の画像を含んで構成される場合、少なくとも一部の画像に病変領域が含まれていればよく、一部の画像には病変領域が含まれていなくてもよい。
以下、取得部３０が、図６に示す医用画像Ｔ１０を取得したものとして説明する。医用画像Ｔ１０は、肺を含む断層面を表す画像であり、構造物（肺）の領域ＳＡと、複数（３つ）の病変領域Ａ１～Ａ３が含まれている。
第１特定部３２は、取得部３０により取得された医用画像Ｔ１０から関心領域を抽出する。すなわち、第１特定部３２は、医用画像Ｔ１０から複数の病変領域Ａ１～Ａ３を少なくとも抽出し、その他にも構造物の領域ＳＡ等を抽出してもよい。関心領域の抽出手法としては、公知のＣＡＤ技術及びＡＩ技術を用いた方法等を適宜適用できる。例えば、第１特定部３２は、医用画像を入力とし、当該医用画像に含まれる関心領域を抽出して出力するよう学習されたＣＮＮ(Convolutional Neural Network)等の学習モデルを用いて、医用画像から関心領域を抽出してもよい。また例えば、第１特定部３２は、入力部２５を介したユーザによる手動での関心領域の位置指定を受け付け、当該位置指定に基づき、関心領域を抽出してもよい。
また、第１特定部３２は、抽出した複数の病変領域Ａ１～Ａ３の各々について複数の第１所見情報を特定する。例えば図７に示すように、第１特定部３２は、医用画像Ｔ１０から抽出した複数の病変領域Ａ１～Ａ３の各々を第１識別器３３に入力することによって、複数の病変領域Ａ１～Ａ３の各々について複数の第１所見情報を特定してもよい。第１識別器３３は、病変領域を入力とし、第１所見情報を出力とするよう予め学習されたＣＮＮ等の学習モデルである。第１識別器３３の学習フェーズにおいては、学習用データとして、病変領域と、第１所見情報との組合せが用いられる。第１識別器３３が、本開示の第１学習モデルの一例である。
第１所見情報とは、例えば、医用画像Ｔ１０に含まれる関心領域の種類（名称）、性状、位置、大きさ等の測定値、及び推定病名等の各種所見を示す。種類（名称）の例としては、「肺」及び「肝臓」等の構造物の種類、並びに、「結節」及び「腫瘤」等の病変の種類が挙げられる。性状とは、主に病変の特徴を意味する。例えば肺結節の場合、「充実型」及び「すりガラス型」等の吸収値、「明瞭／不明瞭」、「平滑／不整」、「スピキュラ」、「分葉状」及び「鋸歯状」等の辺縁形状、並びに、「類円形」及び「不整形」等の全体形状を示す所見が挙げられる。また例えば、「胸膜接触」及び「胸膜陥入」等の周辺組織との関係、並びに、造影有無及びウォッシュアウト等に関する所見が挙げられる。
位置とは、解剖学的な位置、医用画像中の位置、並びに、「内部」、「辺縁」及び「周囲」等の他の関心領域との相対的な位置関係等を意味する。解剖学的な位置とは、「肺」及び「肝臓」等の臓器名で示されてもよいし、肺を「右肺」、「上葉」、及び肺尖区（「Ｓ１」）のように細分化した表現で表されてもよい。測定値とは、医用画像から定量的に測定可能な値であり、例えば、関心領域の大きさ及び信号値の少なくとも一方である。大きさは、例えば、関心領域の長径、短径、面積及び体積等で表される。信号値は、例えば、関心領域の画素値、及び単位をＨＵとするＣＴ値等で表される。推定病名とは、病変に基づいて推定した評価結果であり、例えば、「がん」及び「炎症」等の病名、並びに、病名及び性状に関する「陰性／陽性」、「良性／悪性」及び「軽症／重症」等の評価結果が挙げられる。
なお、図７においては、１つの病変領域Ａ１について「結節」、「辺縁平滑」、「良性腫瘍」の３つの第１所見情報が特定されているように、それぞれの病変領域Ａ１～Ａ３について複数の第１所見情報が特定されている例を示しているが、これに限らない。それぞれの病変領域Ａ１～Ａ３については、少なくとも１つずつの第１所見情報が特定されればよい。すなわち、本開示の第１特定部３２によって特定される「複数の第１所見情報」とは、複数の病変領域Ａ１～Ａ３の各々についての第１所見情報が合わせて複数あることを意味する。
第２特定部３４は、第１特定部３２により特定された複数の第１所見情報の組合せに基づいて、複数の病変領域Ａ１～Ａ３のうち少なくとも１つの病変領域についての第２所見情報を特定する。第２所見情報とは、例えば第１所見情報と同様の、医用画像Ｔ１０に含まれる関心領域の種類（名称）、性状、位置、大きさ等の測定値、及び推定病名等の各種所見を示す。
具体的には、第２特定部３４は、複数の第１所見情報によって示される病変領域の種類、性状、位置、大きさ等の測定値及び数のうち少なくとも１つに基づいて、第２所見情報を特定してもよい。例えば、第２特定部３４は、ある種類Ａの病変の数が予め定められた閾値以上である場合に、当該種類Ａの病変が単体で存在する場合には推定されないような推定病名αを示す第２所見情報を特定してもよい。また例えば、第２特定部３４は、互いに異なる種類Ｂ及び種類Ｃの病変の組合せに基づいて、それぞれが単体で存在する場合には推定されないような推定病名βを示す第２所見情報を特定してもよい。
また例えば、第２特定部３４は、上記各例において病変の性状及び大きさ等の測定値に関する条件も適宜組み合わせてもよい。例えば、第２特定部３４は、性状Ｘを有する種類Ａの病変の数が予め定められた閾値以上である場合に、推定病名γを示す第２所見情報を特定してもよい。また例えば、第２特定部３４は、性状Ｙを有する種類Ｂの病変と、性状Ｚを有する種類Ｃの病変との組合せに基づいて、推定病名δを示す第２所見情報を特定してもよい。
また例えば、第２特定部３４は、上記各例において病変の位置に関する条件も適宜組み合わせてもよい。例えば、第２特定部３４は、予め定められた範囲内に存在する種類Ａの病変の数が予め定められた閾値以上である場合に、推定病名εを示す第２所見情報を特定してもよい。また例えば、第２特定部３４は、互いに異なる種類Ｂ及び種類Ｃの病変が予め定められた範囲内に両方存在する場合に、推定病名ζを示す第２所見情報を特定してもよい。
なお、第２特定部３４は、第１特定部３２により特定された複数の第１所見情報、及び取得部３０により取得された医用画像に基づいて、第２所見情報を特定してもよい。例えば、病変領域同士の相対的な位置関係等の、病変領域の位置については、第１所見情報によって示すことが困難な場合がある。この場合、第２特定部３４が、医用画像に基づいて病変領域の位置を特定し、第２所見情報の特定に用いてもよい。
なお、第２所見情報は、複数の病変領域Ａ１～Ａ３の各々についての第１所見情報を更新するものであってもよい。例えば、第１所見情報として「良性」が特定されていた場合に、第２特定部３４は、「良性」という第１所見情報を「悪性」という第２所見情報に置き換えてもよい。
また、第２所見情報は、第１特定部３２により特定された複数の第１所見情報から特定される総合的な所見であってもよい。例えば、第２特定部３４は、第１所見情報単体では特定が困難な「多発性」という第２所見情報を新たに追加してもよい。
第２所見情報の特定方法としては、複数の第１所見情報を入力とし、第２所見情報を出力とするよう予め学習されたＣＮＮ等の学習モデルを用いることができる。また、上述したように第２所見情報の特定に医用画像も用いる場合は、複数の第１所見情報に加えて、医用画像も入力とする学習モデルを用いてもよい。以下、図８を参照して、このような学習モデルである第２識別器３５を用いた第２所見情報の特定方法について説明する。第２識別器３５が、本開示の第２学習モデルの一例である。
まず、図８に示すように、第２特定部３４は、第１特定部３２により特定された複数の第１所見情報に基づき、医用画像Ｔ１０の画素ごとに第１所見情報を埋め込んだマップＣ１～Ｃｎを生成する。マップＣ１～Ｃｎは、「結節」、「辺縁平滑」、「スピキュラ」、「良性腫瘍」及び「肺がん」等の、第１特定部３２により特定された第１所見情報の種類ごとに生成される。すなわち、ｎは第１所見情報の種類数に対応し、１以上である。
例えば、「結節」を示す第１所見情報が病変領域Ａ１～Ａ３のそれぞれについて特定されている場合、第２特定部３４は、「結節」に対応するマップにおける病変領域Ａ１～Ａ３のそれぞれに対応する画素に「１」を付与し、その他の画素に「０」を付与する。また例えば、「スピキュラ」を示す第１所見情報が病変Ａ３には特定され、病変Ａ１及びＡ２には特定されていない場合、第２特定部３４は、「スピキュラ」に対応するマップにおける病変領域Ａ３に対応する画素に「１」を付与し、病変領域Ａ１及びＡ２を含むその他の画素に「０」を付与する。
なお、マップＣ１～Ｃｎは、第１所見情報の有無を示す「１」又は「０」により表されるものに限らない。例えば、第１識別器３３は、病変領域の第１所見情報を特定する場合に、確信度も出力するものであってもよい。この場合、第２特定部３４は、当該確信度に応じたマップ（例えばヒートマップ）を生成してもよい。
このようにして、第２特定部３４は、第１特定部３２により特定された全ての種類の第１所見情報についてマップＣ１～Ｃｎを生成する。マップＣ１～Ｃｎによって、第１所見情報が医用画像Ｔ１０のどの画素（位置）に基づいて特定されたかが分かる。第２識別器３５の学習フェーズにおいては、学習用データとして、このマップＣ１～Ｃｎと、第２所見情報との組合せが用いられる。
次に、第２特定部３４は、マップＣ１～Ｃｎ及び医用画像Ｔ１０を第２識別器３５に入力することによって、複数の病変領域Ａ１～Ａ３のうち少なくとも１つの病変領域についての第２所見情報を特定する。図８においては、複数の病変領域Ａ１～Ａ３についての第１所見情報（図７参照）としては特定されなかった第２所見情報として、総合的な推定病名「多発性肺がん」が特定されている。
また、第２特定部３４は、特定した第２所見情報を含む所見文を生成してもよい。所見文の生成手法としては、公知のＣＡＤ技術及びＡＩ技術を用いた方法等を適宜適用できる。例えば、第２特定部３４は、上記特許文献１に記載のリカレントニューラルネットワーク等の機械学習を用いた手法を用いて所見文を生成してもよい。また例えば、第２特定部３４は、予め定められたテンプレートに第２所見情報を埋め込むことによって所見文を生成してもよい。
制御部３６は、第２特定部３４により特定された第２所見情報をディスプレイ２４に表示させる制御を行ってもよい。図９に、制御部３６によってディスプレイ２４に表示される画面Ｄ１の一例を示す。画面Ｄ１には、第２所見情報９０が含まれている。
また、制御部３６は、第２特定部３４により生成された所見文をディスプレイ２４に表示させる制御を行ってもよい。画面Ｄ１には、病変領域Ａ１～Ａ３のそれぞれに関する所見文９２が含まれている。
また、制御部３６は、第１特定部３２により特定された複数の病変領域Ａ１～Ａ３を強調表示して、医用画像Ｔ１０をディスプレイ２４に表示させる制御を行ってもよい。画面Ｄ１には医用画像Ｔ１０が含まれ、そのうち病変領域Ａ１～Ａ３がそれぞれバウンディングボックスＢ１～Ｂ３で囲われることによって強調されている。
なお、強調表示の方法としては、図９に示すようなバウンディングボックスＢ１～Ｂ３を用いた方法に限定されない。例えば、制御部３６は、病変領域の付近に矢印等のマーカを付したり、病変領域Ａ１～Ａ３とその他の領域で色等の表示方法を異ならせたり（所謂マスク処理）、医用画像Ｔ１０における病変領域Ａ１～Ａ３の部分を拡大表示したりしてもよい。
次に、図１０を参照して、本実施形態に係る情報処理装置１０の作用を説明する。情報処理装置１０において、ＣＰＵ２１が情報処理プログラム２７を実行することによって、図１０に示す情報処理が実行される。情報処理は、例えば、ユーザにより入力部２５を介して実行開始の指示があった場合に実行される。
ステップＳ１０で、取得部３０は、画像サーバ５から、被検体を撮影して得られた複数の病変領域を含む医用画像を取得する。ステップＳ１２で、第１特定部３２は、ステップＳ１０で取得された医用画像から複数の病変領域を抽出し、抽出した複数の病変領域の各々について複数の第１所見情報を特定する。
ステップＳ１４で、第２特定部３４は、ステップＳ１２で特定された複数の第１所見情報の組合せに基づいて、複数の病変領域のうち少なくとも１つの病変領域についての第２所見情報を特定する。ステップＳ１６で、制御部３６は、ステップＳ１４で特定された第２所見情報をディスプレイ２４に表示させる制御を行い、本情報処理を終了する。
以上説明したように、本開示の一態様に係る情報処理装置１０は、少なくとも１つのプロセッサを備え、プロセッサは、複数の病変領域を含む医用画像を取得し、複数の病変領域の各々について複数の第１所見情報を特定し、複数の第１所見情報の組合せに基づいて、複数の病変領域のうち少なくとも１つの病変領域についての第２所見情報を特定する。
すなわち、本実施形態に係る情報処理装置１０によれば、医用画像に複数の病変が含まれる場合に、当該複数の病変に基づく所見情報を特定できるので、医用画像の読影を支援できる。
なお、上記実施形態の図６～図８を用いた説明においては、１つの医用画像Ｔ１０に複数の病変領域Ａ１～Ａ３が含まれている形態について説明したが、これに限らない。上述したように、取得部３０が取得する医用画像は、例えば図２の断層画像Ｔ１～Ｔｍからなる医用画像Ｔのように、複数の画像を含んで構成されるものであってもよい。したがって例えば、第１特定部３２及び第２特定部３４は、それぞれ異なる画像から抽出された複数の病変領域について、第１所見情報及び第２所見情報を特定してもよい。
また例えば、取得部３０が取得する医用画像は、ＣＴ画像とＭＲＩ画像の組合せのように、同一部位を異なる種類の撮影装置２で撮影して得られるものであってもよい。この場合、ＣＴ画像に含まれる病変領域と、ＭＲＩ画像に含まれる病変領域とは実質的には同一の病変を撮影したものであるが、本開示においては別の病変領域（すなわち「複数の病変領域」）とみなすものとする。
また、上記実施形態において、第１特定部３２及び第２特定部３４は、第１所見情報及び第２所見情報について、入力部２５を介したユーザによる手動での追加及び修正を受け付けてもよい。したがって例えば、第１所見情報についてユーザによる修正を受け付けた場合、第２特定部３４は、修正後の第１所見情報に基づいて、第２所見情報を特定してもよい。
また、上記実施形態において、例えば、取得部３０、第１特定部３２、第２特定部３４及び制御部３６といった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。
さらに、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、半導体素子など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。
また、上記実施形態では、情報処理プログラム２７が記憶部２２に予め記憶（インストール）されている態様を説明したが、これに限定されない。情報処理プログラム２７は、ＣＤ－ＲＯＭ（Compact Disc Read Only Memory）、ＤＶＤ－ＲＯＭ（Digital Versatile Disc Read Only Memory）、及びＵＳＢ（Universal Serial Bus）メモリ等の記録媒体に記録された形態で提供されてもよい。また、情報処理プログラム２７は、ネットワークを介して外部装置からダウンロードされる形態としてもよい。さらに、本開示の技術は、情報処理プログラムに加えて、情報処理プログラムを非一時的に記憶する記憶媒体にもおよぶ。
本開示の技術は、上記実施形態例及び実施例を適宜組み合わせることも可能である。以上に示した記載内容及び図示内容は、本開示の技術に係る部分についての詳細な説明であり、本開示の技術の一例に過ぎない。例えば、上記の構成、機能、作用及び効果に関する説明は、本開示の技術に係る部分の構成、機能、作用及び効果の一例に関する説明である。よって、本開示の技術の主旨を逸脱しない範囲内において、以上に示した記載内容及び図示内容に対して、不要な部分を削除したり、新たな要素を追加したり、置き換えたりしてもよいことはいうまでもない。
１ 情報処理システム
２ 撮影装置
３ 読影ＷＳ
４ 診療ＷＳ
５ 画像サーバ
６ 画像ＤＢ
７ レポートサーバ
８ レポートＤＢ
９ ネットワーク
１０ 情報処理装置
２１ ＣＰＵ
２２ 記憶部
２３ メモリ
２４ ディスプレイ
２５ 入力部
２６ ネットワークＩ／Ｆ
２７ 情報処理プログラム
２８ バス
３０ 取得部
３２ 第１特定部
３３ 第１識別器
３４ 第２特定部
３５ 第２識別器
３６ 制御部
９０ 第２所見情報
９２ 所見文
Ａ１～Ａ３、ＡＡ 病変領域
Ｂ１～Ｂ３ バウンディングボックス
Ｃ１～Ｃｎ マップ
Ｄ１ 画面
ＳＡ 構造物の領域
Ｔ、Ｔ１０ 医用画像
Ｔ１～Ｔｍ、Ｔｘ 断層画像
２ 撮影装置
３ 読影ＷＳ
４ 診療ＷＳ
５ 画像サーバ
６ 画像ＤＢ
７ レポートサーバ
８ レポートＤＢ
９ ネットワーク
１０ 情報処理装置
２１ ＣＰＵ
２２ 記憶部
２３ メモリ
２４ ディスプレイ
２５ 入力部
２６ ネットワークＩ／Ｆ
２７ 情報処理プログラム
２８ バス
３０ 取得部
３２ 第１特定部
３３ 第１識別器
３４ 第２特定部
３５ 第２識別器
３６ 制御部
９０ 第２所見情報
９２ 所見文
Ａ１～Ａ３、ＡＡ 病変領域
Ｂ１～Ｂ３ バウンディングボックス
Ｃ１～Ｃｎ マップ
Ｄ１ 画面
ＳＡ 構造物の領域
Ｔ、Ｔ１０ 医用画像
Ｔ１～Ｔｍ、Ｔｘ 断層画像
Claims (10)
- 少なくとも１つのプロセッサを備え、
前記プロセッサは、
複数の病変領域を含む医用画像を取得し、
前記複数の病変領域の各々について複数の第１所見情報を特定し、
前記複数の第１所見情報の組合せに基づいて、前記複数の病変領域のうち少なくとも１つの病変領域についての第２所見情報を特定する
情報処理装置。 - 前記第１所見情報は、前記病変領域の種類、性状、位置及び大きさのうち少なくとも１つを示し、
前記プロセッサは、
前記複数の第１所見情報によって示される病変領域の種類、性状、位置、大きさ及び数のうち少なくとも１つに基づいて、前記第２所見情報を特定する
請求項１に記載の情報処理装置。 - 前記プロセッサは、
前記複数の第１所見情報及び前記医用画像に基づいて、前記第２所見情報を特定する
請求項１に記載の情報処理装置。 - 前記第２所見情報は、前記複数の病変領域の各々についての前記第１所見情報を更新するものである
請求項１に記載の情報処理装置。 - 前記第２所見情報は、前記複数の第１所見情報から特定される総合的な所見である
請求項１に記載の情報処理装置。 - 前記プロセッサは、
前記病変領域を入力とし、前記第１所見情報を出力とするよう予め学習された第１学習モデルを用いて、前記複数の第１所見情報を特定し、
前記複数の第１所見情報を入力とし、前記第２所見情報を出力とするよう予め学習された第２学習モデルを用いて、前記第２所見情報を特定する
請求項１に記載の情報処理装置。 - 前記第２学習モデルは、前記複数の第１所見情報及び前記医用画像を入力とする
請求項６に記載の情報処理装置。 - 前記医用画像は複数の画像を含んで構成される
請求項１に記載の情報処理装置。 - 複数の病変領域を含む医用画像を取得し、
前記複数の病変領域の各々について複数の第１所見情報を特定し、
前記複数の第１所見情報の組合せに基づいて、前記複数の病変領域のうち少なくとも１つの病変領域についての第２所見情報を特定する
処理を含む情報処理方法。 - 複数の病変領域を含む医用画像を取得し、
前記複数の病変領域の各々について複数の第１所見情報を特定し、
前記複数の第１所見情報の組合せに基づいて、前記複数の病変領域のうち少なくとも１つの病変領域についての第２所見情報を特定する
処理をコンピュータに実行させるための情報処理プログラム。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022150755A JP2024044922A (ja) | 2022-09-21 | 2022-09-21 | 情報処理装置、情報処理方法及び情報処理プログラム |
| EP23196986.6A EP4343781A1 (en) | 2022-09-21 | 2023-09-12 | Information processing apparatus, information processing method, and information processing program |
| US18/466,830 US20240095915A1 (en) | 2022-09-21 | 2023-09-14 | Information processing apparatus, information processing method, and information processing program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2022150755A JP2024044922A (ja) | 2022-09-21 | 2022-09-21 | 情報処理装置、情報処理方法及び情報処理プログラム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2024044922A true JP2024044922A (ja) | 2024-04-02 |
Family
ID=88018157
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022150755A Pending JP2024044922A (ja) | 2022-09-21 | 2022-09-21 | 情報処理装置、情報処理方法及び情報処理プログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20240095915A1 (ja) |
| EP (1) | EP4343781A1 (ja) |
| JP (1) | JP2024044922A (ja) |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8014576B2 (en) * | 2005-11-23 | 2011-09-06 | The Medipattern Corporation | Method and system of computer-aided quantitative and qualitative analysis of medical images |
| JP6109778B2 (ja) | 2014-03-27 | 2017-04-05 | 富士フイルム株式会社 | 類似症例検索装置、類似症例検索方法、及び類似症例検索プログラム |
| JP6510189B2 (ja) | 2014-06-23 | 2019-05-08 | キヤノンメディカルシステムズ株式会社 | 医用画像処理装置 |
| 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 |
| US11610306B2 (en) * | 2020-12-16 | 2023-03-21 | Industrial Technology Research Institute | Medical image analysis method and device |
| CN114140378A (zh) * | 2021-09-26 | 2022-03-04 | 上海联影智能医疗科技有限公司 | 扫描图像处理方法、电子设备和可读介质 |
-
2022
- 2022-09-21 JP JP2022150755A patent/JP2024044922A/ja active Pending
-
2023
- 2023-09-12 EP EP23196986.6A patent/EP4343781A1/en active Pending
- 2023-09-14 US US18/466,830 patent/US20240095915A1/en active Pending
Also Published As
| Publication number | Publication date |
|---|---|
| US20240095915A1 (en) | 2024-03-21 |
| EP4343781A1 (en) | 2024-03-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2022058397A (ja) | 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム | |
| WO2020209382A1 (ja) | 医療文書作成装置、方法およびプログラム | |
| US20230005601A1 (en) | Document creation support apparatus, method, and program | |
| US11978274B2 (en) | Document creation support apparatus, document creation support method, and document creation support program | |
| WO2022153702A1 (ja) | 医用画像表示装置、方法およびプログラム | |
| JP2021175454A (ja) | 医用画像処理装置、方法およびプログラム | |
| EP4343781A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| JP7436698B2 (ja) | 医用画像処理装置、方法およびプログラム | |
| EP4343780A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| US20230326580A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| US20230102418A1 (en) | Medical image display apparatus, method, and program | |
| JP7376715B2 (ja) | 経過予測装置、経過予測装置の作動方法および経過予測プログラム | |
| WO2023199957A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| EP4343695A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| WO2023199956A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| US20230102745A1 (en) | Medical image display apparatus, method, and program | |
| US20230121783A1 (en) | Medical image processing apparatus, method, and program | |
| WO2022113587A1 (ja) | 画像表示装置、方法およびプログラム | |
| US20230245316A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| US20230225681A1 (en) | Image display apparatus, method, and program | |
| US20230289534A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| 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 | |
| US20230223124A1 (en) | Information processing apparatus, information processing method, and information processing program | |
| EP4287195A1 (en) | Information processing device, method, and program | |
| 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 |