JP4021179B2 - 診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 - Google Patents
診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 Download PDFInfo
- Publication number
- JP4021179B2 JP4021179B2 JP2001357478A JP2001357478A JP4021179B2 JP 4021179 B2 JP4021179 B2 JP 4021179B2 JP 2001357478 A JP2001357478 A JP 2001357478A JP 2001357478 A JP2001357478 A JP 2001357478A JP 4021179 B2 JP4021179 B2 JP 4021179B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- similarity
- database
- disease name
- feature
- 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.)
- Expired - Lifetime
Links
- 238000003745 diagnosis Methods 0.000 title claims description 69
- 238000000034 method Methods 0.000 title claims description 23
- 230000003902 lesion Effects 0.000 claims description 116
- 201000010099 disease Diseases 0.000 claims description 65
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 65
- 210000000056 organ Anatomy 0.000 claims description 29
- 230000006870 function Effects 0.000 claims description 28
- 238000000605 extraction Methods 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 21
- 238000002591 computed tomography Methods 0.000 description 29
- 238000012545 processing Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 210000004072 lung Anatomy 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000000354 decomposition reaction Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 239000012925 reference material Substances 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 1
- 238000011976 chest X-ray Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 201000005202 lung cancer Diseases 0.000 description 1
- 208000020816 lung neoplasm Diseases 0.000 description 1
- 230000003211 malignant effect Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Processing Or Creating Images (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Image Analysis (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、画像の読影による診断を支援する診断支援技術において、特に、診断精度を向上させる技術に関する。
【０００２】
【従来の技術】
従来から、ＣＴ（Computed Tomography）画像，ＭＲＩ（Magnetic Resonance Imaging）画像等（以下「ＣＴ画像」という）の読影は、放射線科医等の医師が長い間かけて培ってきた経験をもとに、主観的判断によって行なわれてきた。しかし、主観的判断のみによる画像診断では、見落としや思い違いによる誤診は避けることができない。このような誤診を避けるために、複数の医師がＣＴ画像を読影するなど、様々な工夫がなされているが、時間の制約などの問題も多く残されている。
【０００３】
一方、現在では、ＣＴ画像のディジタル化が急速に進み、単純写真から血管造影像に至るまで、ほぼすべてのＣＴ画像がディジタル化されている。そして、ディジタル化されたすべてのＣＴ画像を診断に役立つものとするため、画像の伝送及び蓄積を迅速に行なうＰＡＣＳ（Picture Archiving and Communication System）が開発された。
【０００４】
【発明が解決しようとする課題】
ところで、ＣＴ画像の読影では、過去に撮影されたＣＴ画像の中から類似した症例を有するものを参照すると、診断精度が向上することが知られている。しかし、従来のＰＡＣＳでは、ディジタル画像を蓄積及び参照するだけであっため、蓄積された多量のＣＴ画像の中から、適切な参照画像を選び出すことは極めて困難であった。このため、ＰＡＣＳが開発されたにもかかわらず、過去に撮影されたＣＴ画像の活用が不十分となり、医師の主観的判断による診断が依然として行なわれ、診断精度の向上が困難な状況であった。
【０００５】
そこで、本発明は以上のような従来の問題点に鑑み、ＣＴ画像の読影に際して、画像の特徴量を用いて類似症例の検索を可能にし、診断精度を向上させることができる診断支援技術を提供することを目的とする。
【０００６】
【課題を解決するための手段】
このため、本発明に係る診断支援技術では、診断画像から検出された病変位置の画像的な特徴量を抽出し、参照画像及びその特徴量が蓄積されたデータベースから、抽出された特徴量に基づいて画像的に類似する参照画像を検索することを特徴とする。
【０００７】
かかる構成によれば、診断画像から検出された病変位置の特徴量に基づいて、データベースに蓄積された参照画像の中から、画像的に類似する参照画像が検索される。このため、診断画像を読影して診断を行なう医師は、診断画像に表れた病変部の症例に類似した過去の症例を容易に参照できるようになる。
また、診断画像及びその特徴量をデータベースに登録することが望ましい。このようにすれば、診断済みの診断画像及びその特徴量は、データベースに登録され、以後の診断において参照画像及びその特徴量として検索対象となる。このため、診断画像の読影が進むにつれて、参照資料が次第に充実するようになる。
【０００８】
さらに、データベースに蓄積された参照画像の特徴量と診断画像の特徴量とを照合して画像的な類似度を演算し、類似度の高いものから所定規則に従って複数の参照画像を選択する。ここで、類似度は、臓器別に設定された重み付けを考慮して演算されることが望ましく、重み付けは、変更可能に構成されたテーブルに設定されていることが望ましい。
【０００９】
かかる構成によれば、画像的な類似度によって診断画像と参照画像との類似性が定義され、類似性の強い参照画像から順に選択されることとなる。このため、診断画像の読影に際して、参照画像となり得る可能性が強いものから参照されるので、無駄な参照を行なうことが防止され、診断効率が向上する。ここで、臓器別に設定された重み付けを考慮して類似度を演算するようにすれば、臓器の特性に応じた類似度が演算されることとなり、類似度の演算精度が向上する。また、変更可能に構成されたテーブルに重み付けが設定されていれば、例えば、ＣＴ装置固有の特性に応じた補正が可能となり、類似度の演算精度が一層向上する。
【００１０】
この他には、検索された参照画像に関連付けられた所見を表示することが望ましい。このようにすれば、参照画像に加えて、その所見をも参照することができ、患者の病名が判然としないときであっても、類似症例の所見から病名を診断することができるようになる。
さらに、診断画像から病変位置を検出する際、指定された臓器の病変位置を検出することが望ましい。また、画像的な特徴量としては、診断画像のすべての病変位置に対して、広域的な特徴量，局所的な特徴量及び共通的な特徴量を抽出することが望ましい。
【００１１】
かかる構成によれば、診断対象とならない臓器の検出処理が行なわれず、処理速度が向上する。また、画像的な特徴量として、広域的な特徴量，局所的な特徴量及び共通的な特徴量を検出するようにすれば、疾病の特性に応じた特徴量の抽出が可能となり、例えば、腫瘍の見落としが防止される。
【００１２】
【発明の実施の形態】
以下、添付された図面を参照して本発明を詳述する。
図１は、本発明に係る診断支援技術を具現化した診断支援装置の構成を示す。診断支援装置は、少なくとも、中央処理装置（ＣＰＵ）とメモリとを備えたコンピュータシステム上に構築され、メモリにロードされたプログラムにより作動する。
【００１３】
診断支援装置は、画像データベース１０と、特徴データベース１２と、所見データベース１４と、病変位置検出部１６と、病変特徴量抽出部１８と、病変特徴量照合部２０と、病名確率演算部２２と、を含んで構成される。なお、以下の説明では、データベースをＤＢと表わすことにする。
画像ＤＢ１０には、ＣＴ画像，ＭＲＩ画像等の画像データが、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）に準拠したフォーマットで蓄積される。ここで、ＤＩＣＯＭとは、米国で開発された医用ディジタル画像と通信とに関する規格であって、日本においても採用された標準規格である。そして、画像ＤＢ１０と特徴ＤＢ１２と所見ＤＢ１４とを相互に関連付けるために、画像ＤＢ１０のインデックスには、図２に示すように、少なくとも、患者ＩＤ，検査ＩＤ及び画像ファイル名が登録される。なお、画像ファイルのＤＩＣＯＭヘッダには、検査日や目的部位（臓器名）などの情報が登録される。
【００１４】
特徴ＤＢ１２には、画像データから抽出された病変特徴量が蓄積される。病変特徴量とは、画像的な類似を用いて画像データの検索を可能にする情報であって、例えば、病変の大きさ（体積又は面積），形状（球状度又は円形度），輝度の統計量（平均，偏差など），テクスチャ統計量（空間周波数分解，フーリエ変換，ウェーブレット変換など）が用いられる。病変特徴量は、患者ＩＤ及び検査ＩＤに関連付けられた特徴データとして一括りにされる。そして、特徴ＤＢ１２のインデックスには、図３に示すように、少なくとも、目的部位，検査日及び特徴データが登録される。ここで、特徴データを画像データと１対１に対応させるべく分割しておくと、検索時のファイルアクセスに長時間要するので、例えば、１ヶ月単位で一元化しておくことが望ましい。この場合、検査日には、検査をした年及び月のみが登録される。また、目的部位毎に特徴データを分けておくことで、検索効率を高めることができる。
【００１５】
所見ＤＢ１４には、ＣＴ画像の読影結果である所見が蓄積される。そして、所見ＤＢ１４のインデックスには、図４に示すように、少なくとも、患者ＩＤ，検査ＩＤ，担当医師名及び所見が登録される。なお、所見には、少なくとも、ＣＴ画像を読影して診断した病名が含まれる。
病変位置検出部１６では、ＣＴ画像から、診断対象となる臓器又は部位（以下「臓器」という）における病変位置が検出される。病変位置の検出は、例えば、仁木登「肺癌ＣＴ検診支援システム」日本放射線技術学会誌，Vol.56 No.3, March(2000), pp.337-340に示される技術により行なわれる。
【００１６】
病変特徴量抽出部１８では、病変位置検出部１６により検出された全ての病変位置に対して、画像的な類似を統計量で表わした病変特徴量が抽出される。病変特徴量の抽出は、例えば、近藤真樹ら「３次元胸部Ｘ線ＣＴ像による腫瘍影の含気型と充実型への分類およびその良悪性鑑別への応用」Technical Report of IEICE MI2000-16(2000-05), pp.27-32に示される技術により行なわれる。
【００１７】
病変特徴量照合部２０では、診断対象となる臓器について、病変特徴量抽出部１８により抽出された病変特徴量と特徴ＤＢ１２に蓄積された病変特徴量とが照合され、画像類似の尺度を表わす類似度が演算される。
病名確率演算部２２では、病変特徴量照合部２０により演算された類似度に基づいて、診断対象となる臓器の病名の確率が演算される。そして、病名及びその確率は、図示しないディスプレイ装置に表示され、医師による診断が支援される。
【００１８】
次に、かかる構成からなる診断支援装置の概要について説明する。
Ｘ線ＣＴ装置により断層撮影が行なわれると、ＣＴ画像は画像ＤＢ１０に蓄積されると共に、病変位置検出部１６により病変位置が検出される。病変位置が検出されると、すべての病変位置に対して病変特徴量が抽出される。抽出された病変特徴量は、特徴ＤＢ１２に登録されると共に、病変特徴量照合部２０により、特徴ＤＢ１２に蓄積されている過去の症例に係るＣＴ画像の類似度が演算される。そして、病名確率演算部２２によりＣＴ画像の類似度に応じた病名の確率が演算され、確率順に、病名と共にその確率が医師に示される。
【００１９】
このため、ＣＴ画像の読影により診断を行なう医師は、診断対象となる症例と類似した過去の症例を容易に参照することが可能となり、その所見を参照することで、主観を排して客観的な診断を行なうことができるようになる。このとき、診断対象となる症例の病名及びその確率が併せて表示されるので、患者の病名が判然としないときでも、表示された病名及びその確率を参照して病名を診断することができる。このようにして、医師による診断精度を向上することができる。
【００２０】
図５〜図７は、診断支援装置の制御内容を示すフローチャートを示す。なお、かかる制御は、例えば、Ｘ線ＣＴ装置によりＣＴ画像が撮影され、臓器の指定並びに患者ＩＤ及び検査ＩＤが入力された後、実行される。
メインルーチンを示す図５において、ステップ１（図では「Ｓ１」と略記する。以下同様）では、撮影されたＣＴ画像（以下「診断画像」という）が、画像ＤＢ１０に登録される。このとき、画像ＤＢ１０のインデックスには、患者ＩＤ及び検査ＩＤに対応付けて画像を特定すべく、患者ＩＤ，検査ＩＤ及び画像ファイル名が追加登録される。なお、ステップ１における処理が、データベース登録手段及びデータベース登録工程の一部に該当する。
【００２１】
ステップ２では、病変位置検出部１６から提供される機能により、診断画像から、指定された臓器における病変位置が検出される。即ち、診断画像に対して、輝度値又はＣＴ値による絞り込みやモルフォロジーなどのフィルタリング処理が施され、臓器の輪郭が検出される。次に、検出された臓器の輪郭が、正常な範囲からどれだけずれているかを示す差分が算出される。正常な臓器の範囲は、例えば肺の場合、肋骨の内輪郭であるとみなすことで定義される。そして、算出された差分が所定幅以上になった部分が、病変位置とみなされる。
【００２２】
なお、ステップ２における処理が、病変位置検出手段及び病変位置検出工程に該当する。ステップ３では、検出されたすべての病変位置に対して病変特徴量を抽出すべく、図６に示す病変特徴量抽出のためのサブルーチンがコールされる。なお、ステップ３における処理、即ち、図６における処理全体が、特徴量抽出手段及び特徴量抽出工程に該当する。
【００２３】
なお、ステップ２における処理が、病変位置検出機能，病変位置検出手段及び病変位置検出工程に該当する。
ステップ３では、検出されたすべての病変位置に対して病変特徴量を抽出すべく、図６に示す病変特徴量抽出のためのサブルーチンがコールされる。なお、ステップ３における処理、即ち、図６における処理全体が、特徴量抽出機能，特徴量抽出手段及び特徴量抽出工程に該当する。
【００２４】
ステップ４では、抽出された病変特徴量が、特徴ＤＢ１２に登録される。このとき、病変特徴量は、検索効率向上のために、目的部位及び検査日に対応した特徴データに取り込まれ一元化される。但し、検査日が異なるとき、又は、対応した特徴データが未登録であるときには、特徴ＤＢ１２のインデックスに、目的部位，検査日及び特徴データが追加登録される。なお、ステップ４における処理が、データベース登録手段及びデータベース登録工程の一部に該当する。
【００２５】
ステップ５では、病変特徴量照合部２０から提供される機能により、診断対象となる臓器について、診断画像の病変特徴量と特徴ＤＢ１２に蓄積された病変特徴量とが照合され、蓄積されたＣＴ画像（以下「参照画像」という）の類似度が演算される。即ち、診断画像及び参照画像の病変特徴量は、図８に示すように、画像単位（検査単位）毎に第１要素から順に、例えば、体積，輝度の平均，輝度の偏差，球状度，テクスチャ統計量・・・のようにベクトル的に並べられている。各要素は、同レベルで比較できるように、０から１の範囲で正規化される。例えば、体積については、対象部位が肺の場合、病変部の体積は必ず肺の体積よりも小さいことから正規化できる。
【００２６】
そして、２つの特徴ベクトルＡ，Ｂを、
Ａ＝（ｆ1 ｆ2 ｆ3 ・・・・）
Ｂ＝（ｇ1 ｇ2 ｇ3 ・・・・）
と定義し、重み付けベクトルＷを
Ｗ＝（ｗ1 ｗ2 ｗ3 ・・・・）
とすると、類似度Ｓは、例えば、
のようにして演算される。ここで、Ｅは各成分が０のベクトル、|Ｗ|は重み付けベクトルＷの成分の和を表わす。また、重み付けベクトルＷは、図９に示すように、臓器別にテーブル形式で設定されることが望ましい。
【００２７】
なお、重み付けベクトルＷの各成分は、ユーザが自由に変更することができることが望ましい。また、病変特徴量と所見の対応を神経回路網によって予め学習させておくことで、最適な重み付け値が設定されるようにしてもよい。
ここで、ステップ５における処理が、類似度演算手段及び類似度演算工程に該当する。
【００２８】
ステップ６では、診断画像に表れた病変部の病名の確率を演算すべく、図７に示す病名確率演算のためのサブルーチンがコールされる。
ステップ７では、病名及びその確率が、例えば、図１０に示すような画面によって表示される。なお、ステップ７における処理が、所見表示手段及び所見表示工程に該当する。
【００２９】
ステップ８では、医師による最終的な診断である所見が、所見ＤＢ１４に登録される。このとき、医師は、診断画像に加え、診断画像から推定された病名及びその確率、並びに、参照画像及びその所見を参照することで、主観を排して客観的な診断を行なうことができる。そして、ここで登録された所見は、以後の診断において参照画像の所見として利用されることとなり、所見の登録数の増加に伴って、診断支援のための資料が充実されることとなる。
【００３０】
なお、診断支援装置の運用開始時には、参照画像，特徴データ及び所見が蓄積されていないため、初期状態として、典型的な症例を表わす参照画像，特徴データ及び所見を各ＤＢに登録しておくことが望ましい。
図６は、病変特徴量抽出のためのサブルーチンを示す。なお、病変特徴量の抽出は、病変特徴量抽出部１８から提供される機能によって行なわれる。
【００３１】
ステップ１１では、病変部が広域に亘る広域特徴量が抽出される。即ち、検出された病変部全体に対して、例えば、空間周波数分解，フーリエ変換，ウェーブレット変換が施され、広域特徴量としてのテクスチャ統計量が抽出される。
ステップ１２では、病変部が局所に留まる局所特徴量が抽出される。即ち、検出された局所的な病変部に対して、例えば、球状度（３次元）又は円形度（２次元）が抽出される。
【００３２】
ステップ１３では、病変部に共通する共通特徴量が抽出される。即ち、検出された病変部に対して、例えば、大きさ（体積又は面積），輝度の統計量（平均，偏差など）が抽出される。
図７は、病名確率演算のためのサブルーチンを示す。なお、病名確率の演算は、病名確率演算部２２から提供される機能によって行なわれる。
【００３３】
ステップ２１では、特徴ＤＢ１２に蓄積された特徴データのうち類似度が演算されたものが、図１１に示すように、順位，検査ＩＤ，類似度，病名が一括りにされつつ、類似度順に整列される。このとき、病名は、特徴データに含まれる患者ＩＤ及び検査ＩＤをキーとして所見ＤＢ１４を検索することで、所見から取得することができる。
【００３４】
ステップ２２では、診断画像の診断に役立てる参照症例として、類似度順に整列された特徴データから、例えば、上位１０位までの特徴データ、又は、類似度が５０％以上の特徴データが選択される。
ステップ２３では、選択されたすべての参照症例に対して、病名毎に類似度を平均した病名確率が演算される。
【００３５】
ステップ２４では、病名確率順に、病名及びその確率が表示される。
なお、神経回路網で病変特徴量と所見との対応が学習済みであれば、病変特徴量から病名及びその確率を直接演算することができる。
以上説明した診断支援装置によれば、指定した臓器について、診断画像から病変位置が検出され、検出されたすべての病変位置における病変特徴量が抽出される。抽出された病変特徴量は、特徴ＤＢ１２に蓄積された同一臓器に関する特徴データと照合され、参照画像となり得る症例の類似度が演算される。そして、演算された類似度に基づいて病名及びその確率が演算され、これがディスプレイ装置に表示される。
【００３６】
このため、診断画像を読影して診断を行なう医師は、診断画像に表れた病変部の症例に類似した過去の症例を参照することができ、主観を排して客観的な診断を行なうことができる。そして、客観的な診断が可能となることから、例えば、読影経験が不足する医師であっても、誤診する可能性が激減し、診断精度を向上することができる。また、参照症例を活用することで、診断画像だけからでは病名が依然としないときであっても、その病名を推定することができ、診断精度を向上することができる。
【００３７】
さらに、診断が終了した診断画像は、その病変特徴量及び所見と共にデータベースに登録され、以後の診断において参照画像として活用される。このため、診断画像の読影が進むにつれて、参照資料が次第に充実することとなり、診断精度を一層向上することができる。
なお、本実施形態における診断支援装置は、スタンドアロン型のコンピュータシステム上に構築されたが、ネットワークを介して接続されたクライアント／サーバモデル上に構築するようにしてもよい。この場合、全国的規模又は世界的規模で参照症例が蓄積され得るので、医療技術の向上にも資することとなり、公益の立場からも極めて有用である。
【００３８】
このような機能を実現するプログラムを、例えば、磁気テープ，磁気ディスク，磁気ドラム，ＩＣカード，ＣＤ−ＲＯＭ，ＤＶＤ−ＲＯＭ等のコンピュータ読取可能な記録媒体に記録しておけば、本発明に係る診断支援プログラムを市場に流通させることができる。そして、かかる記録媒体を取得した者は、一般的なコンピュータシステムを利用して、本発明に係る診断支援装置を容易に構築することができる。
【００３９】
また、インターネットに接続されたサーバ上に、本発明に係る診断支援プログラムを登録させておけば、電気通信回線を介して、かかるプログラムをダウンロードすることで、本発明に係る診断支援装置を容易に構築することができる。
【００４０】
（付記１）診断画像から病変位置を検出する病変位置検出機能と、該病変位置検出機能により検出された病変位置の画像的な特徴量を抽出する特徴量抽出機能と、参照画像及びその特徴量が蓄積されたデータベースから、前記特徴量抽出機能により抽出された特徴量に基づいて画像的に類似する参照画像を検索する参照画像検索機能と、をコンピュータに実現させるための診断支援プログラム。
【００４１】
（付記２）診断画像から病変位置を検出する病変位置検出機能と、該病変位置検出機能により検出された病変位置の画像的な特徴量を抽出する特徴量抽出機能と、参照画像及びその特徴量が蓄積されたデータベースから、前記特徴量抽出機能により抽出された特徴量に基づいて画像的に類似する参照画像を検索する参照画像検索機能と、をコンピュータに実現させるための診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４２】
（付記３）前記診断画像及びその特徴量を前記データベースに登録するデータベース登録機能を備えたことを特徴とする付記２記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４３】
（付記４）前記データベースに蓄積された参照画像の特徴量と診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算機能を備え、前記参照画像検索機能は、前記類似度演算機能により演算された類似度順に参照画像を検索することを特徴とする付記２又は付記３に記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４４】
（付記５）前記類似度演算機能は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする付記４記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４５】
（付記６）前記重み付けは、変更可能に構成されたテーブルに設定されていることを特徴とする付記５記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４６】
（付記７）前記参照画像検索機能により検索された参照画像に関連付けられた所見を表示する所見表示機能を備えたことを特徴とする付記２〜付記６のいずれか１つに記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４７】
（付記８）前記病変位置検出機能は、指定された臓器の病変位置を検出することを特徴とする付記２〜付記７のいずれか１つに記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４８】
（付記９）前記特徴量抽出機能は、前記診断画像のすべての病変位置に対して、広域的な特徴量，局所的な特徴量及び共通的な特徴量を抽出することを特徴とする付記２〜付記８のいずれか１つに記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４９】
（付記１０）診断画像から病変位置を検出する病変位置検出手段と、該病変位置検出手段により検出された病変位置の画像的な特徴量を抽出する特徴量抽出手段と、参照画像及びその特徴量が蓄積されたデータベースから、前記特徴量抽出手段により抽出された特徴量に基づいて画像的に類似する参照画像を検索する参照画像検索手段と、を含んで構成されたことを特徴とする診断支援装置。
【００５０】
（付記１１）前記診断画像及びその特徴量を前記データベースに登録するデータベース登録手段を備えたことを特徴とする付記１０記載の診断支援装置。
【００５１】
（付記１２）前記データベースに蓄積された参照画像の特徴量と診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算手段を備え、前記参照画像検索手段は、前記類似度演算手段により演算された類似度順に参照画像を検索することを特徴とする付記１０又は付記１１に記載の診断支援装置。
【００５２】
（付記１３）前記類似度演算手段は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする付記１２記載の診断支援装置。
【００５３】
（付記１４）前記重み付けは、変更可能に構成されたテーブルに設定されていることを特徴とする付記１３記載の診断支援装置。
【００５４】
（付記１５）前記参照画像検索手段により検索された参照画像に関連付けられた所見を表示する所見表示手段を備えたことを特徴とする付記１０〜付記１４のいずれか１つに記載の診断支援装置。
【００５５】
（付記１６）前記病変位置検出手段は、指定された臓器の病変位置を検出することを特徴とする付記１０〜付記１５のいずれか１つに記載の診断支援装置。
【００５６】
（付記１７）前記特徴量抽出手段は、前記診断画像のすべての病変位置に対して、広域的な特徴量，局所的な特徴量及び共通的な特徴量を抽出することを特徴とする付記１０〜付記１６のいずれか１つに記載の診断支援装置。
【００５７】
（付記１８）診断画像から病変位置を検出する病変位置検出工程と、該病変位置検出工程により検出された病変位置の画像的な特徴量を抽出する特徴量抽出工程と、参照画像及びその特徴量が蓄積されたデータベースから、前記特徴量抽出工程により抽出された特徴量に基づいて画像的に類似する参照画像を検索する参照画像検索工程と、を備えたことを特徴とする診断支援方法。
【００５８】
（付記１９）前記診断画像及びその特徴量を前記データベースに登録するデータベース登録工程を備えたことを特徴とする付記１８記載の診断支援方法。
【００５９】
（付記２０）前記データベースに蓄積された参照画像の特徴量と診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算工程を備え、前記参照画像検索工程は、前記類似度演算工程により演算された類似度順に参照画像を検索することを特徴とする付記１８又は付記１９に記載の診断支援方法。
【００６０】
（付記２１）前記類似度演算工程は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする付記２０記載の診断支援方法。
【００６１】
（付記２２）前記重み付けは、変更可能に構成されたテーブルに設定されていることを特徴とする付記２１記載の診断支援方法。
【００６２】
（付記２３）前記参照画像検索工程により検索された参照画像に関連付けられた所見を表示する所見表示工程を備えたことを特徴とする付記１８〜付記２２のいずれか１つに記載の診断支援方法。
【００６３】
（付記２４）前記病変位置検出工程は、指定された臓器の病変位置を検出することを特徴とする付記１８〜付記２３のいずれか１つに記載の診断支援方法。
【００６４】
（付記２５）前記特徴量抽出工程は、前記診断画像のすべての病変位置に対して、広域的な特徴量，局所的な特徴量及び共通的な特徴量を抽出することを特徴とする付記１８〜付記２４のいずれか１つに記載の診断支援方法。
【００６５】
【発明の効果】
以上説明したように、本発明に係る診断支援技術によれば、診断画像を読影して診断を行なう医師は、診断画像に表れた病変部の症例に類似した過去の症例を容易に参照できるようになる。このため、主観を排して客観的な診断を行なうことができる。そして、客観的な診断が可能となることから、例えば、読影経験が不足する医師であっても、誤診する可能性が激減し、診断精度を向上することができる。また、参照症例を活用することで、診断画像だけからでは病名が判然としないときであっても、その病名を推定することができ、診断精度を向上することができる。
【図面の簡単な説明】
【図１】本発明に係る診断支援装置の構成図である。
【図２】画像ＤＢのインデックスの説明図である。
【図３】特徴ＤＢのインデックスの説明図である。
【図４】所見ＤＢのインデックスの説明図である。
【図５】制御内容を示すメインルーチンのフローチャートである。
【図６】病変特徴量抽出のためのサブルーチンのフローチャートである。
【図７】病名確率演算のためのサブルーチンのフローチャートである。
【図８】類似度の算出方法の説明図である。
【図９】重み付けベクトルテーブルの説明図である。
【図１０】病名及びその確率を表示する画面の説明図である。
【図１１】類似度順に整列された参照症例の説明図である。
【符号の説明】
１０ 画像ＤＢ
１２ 特徴ＤＢ
１４ 所見ＤＢ
１６ 病変位置検出部
１８ 病変特徴量抽出部
２０ 病変特徴量照合部
２２ 病名確率演算部
【発明の属する技術分野】
本発明は、画像の読影による診断を支援する診断支援技術において、特に、診断精度を向上させる技術に関する。
【０００２】
【従来の技術】
従来から、ＣＴ（Computed Tomography）画像，ＭＲＩ（Magnetic Resonance Imaging）画像等（以下「ＣＴ画像」という）の読影は、放射線科医等の医師が長い間かけて培ってきた経験をもとに、主観的判断によって行なわれてきた。しかし、主観的判断のみによる画像診断では、見落としや思い違いによる誤診は避けることができない。このような誤診を避けるために、複数の医師がＣＴ画像を読影するなど、様々な工夫がなされているが、時間の制約などの問題も多く残されている。
【０００３】
一方、現在では、ＣＴ画像のディジタル化が急速に進み、単純写真から血管造影像に至るまで、ほぼすべてのＣＴ画像がディジタル化されている。そして、ディジタル化されたすべてのＣＴ画像を診断に役立つものとするため、画像の伝送及び蓄積を迅速に行なうＰＡＣＳ（Picture Archiving and Communication System）が開発された。
【０００４】
【発明が解決しようとする課題】
ところで、ＣＴ画像の読影では、過去に撮影されたＣＴ画像の中から類似した症例を有するものを参照すると、診断精度が向上することが知られている。しかし、従来のＰＡＣＳでは、ディジタル画像を蓄積及び参照するだけであっため、蓄積された多量のＣＴ画像の中から、適切な参照画像を選び出すことは極めて困難であった。このため、ＰＡＣＳが開発されたにもかかわらず、過去に撮影されたＣＴ画像の活用が不十分となり、医師の主観的判断による診断が依然として行なわれ、診断精度の向上が困難な状況であった。
【０００５】
そこで、本発明は以上のような従来の問題点に鑑み、ＣＴ画像の読影に際して、画像の特徴量を用いて類似症例の検索を可能にし、診断精度を向上させることができる診断支援技術を提供することを目的とする。
【０００６】
【課題を解決するための手段】
このため、本発明に係る診断支援技術では、診断画像から検出された病変位置の画像的な特徴量を抽出し、参照画像及びその特徴量が蓄積されたデータベースから、抽出された特徴量に基づいて画像的に類似する参照画像を検索することを特徴とする。
【０００７】
かかる構成によれば、診断画像から検出された病変位置の特徴量に基づいて、データベースに蓄積された参照画像の中から、画像的に類似する参照画像が検索される。このため、診断画像を読影して診断を行なう医師は、診断画像に表れた病変部の症例に類似した過去の症例を容易に参照できるようになる。
また、診断画像及びその特徴量をデータベースに登録することが望ましい。このようにすれば、診断済みの診断画像及びその特徴量は、データベースに登録され、以後の診断において参照画像及びその特徴量として検索対象となる。このため、診断画像の読影が進むにつれて、参照資料が次第に充実するようになる。
【０００８】
さらに、データベースに蓄積された参照画像の特徴量と診断画像の特徴量とを照合して画像的な類似度を演算し、類似度の高いものから所定規則に従って複数の参照画像を選択する。ここで、類似度は、臓器別に設定された重み付けを考慮して演算されることが望ましく、重み付けは、変更可能に構成されたテーブルに設定されていることが望ましい。
【０００９】
かかる構成によれば、画像的な類似度によって診断画像と参照画像との類似性が定義され、類似性の強い参照画像から順に選択されることとなる。このため、診断画像の読影に際して、参照画像となり得る可能性が強いものから参照されるので、無駄な参照を行なうことが防止され、診断効率が向上する。ここで、臓器別に設定された重み付けを考慮して類似度を演算するようにすれば、臓器の特性に応じた類似度が演算されることとなり、類似度の演算精度が向上する。また、変更可能に構成されたテーブルに重み付けが設定されていれば、例えば、ＣＴ装置固有の特性に応じた補正が可能となり、類似度の演算精度が一層向上する。
【００１０】
この他には、検索された参照画像に関連付けられた所見を表示することが望ましい。このようにすれば、参照画像に加えて、その所見をも参照することができ、患者の病名が判然としないときであっても、類似症例の所見から病名を診断することができるようになる。
さらに、診断画像から病変位置を検出する際、指定された臓器の病変位置を検出することが望ましい。また、画像的な特徴量としては、診断画像のすべての病変位置に対して、広域的な特徴量，局所的な特徴量及び共通的な特徴量を抽出することが望ましい。
【００１１】
かかる構成によれば、診断対象とならない臓器の検出処理が行なわれず、処理速度が向上する。また、画像的な特徴量として、広域的な特徴量，局所的な特徴量及び共通的な特徴量を検出するようにすれば、疾病の特性に応じた特徴量の抽出が可能となり、例えば、腫瘍の見落としが防止される。
【００１２】
【発明の実施の形態】
以下、添付された図面を参照して本発明を詳述する。
図１は、本発明に係る診断支援技術を具現化した診断支援装置の構成を示す。診断支援装置は、少なくとも、中央処理装置（ＣＰＵ）とメモリとを備えたコンピュータシステム上に構築され、メモリにロードされたプログラムにより作動する。
【００１３】
診断支援装置は、画像データベース１０と、特徴データベース１２と、所見データベース１４と、病変位置検出部１６と、病変特徴量抽出部１８と、病変特徴量照合部２０と、病名確率演算部２２と、を含んで構成される。なお、以下の説明では、データベースをＤＢと表わすことにする。
画像ＤＢ１０には、ＣＴ画像，ＭＲＩ画像等の画像データが、ＤＩＣＯＭ（Digital Imaging and Communications in Medicine）に準拠したフォーマットで蓄積される。ここで、ＤＩＣＯＭとは、米国で開発された医用ディジタル画像と通信とに関する規格であって、日本においても採用された標準規格である。そして、画像ＤＢ１０と特徴ＤＢ１２と所見ＤＢ１４とを相互に関連付けるために、画像ＤＢ１０のインデックスには、図２に示すように、少なくとも、患者ＩＤ，検査ＩＤ及び画像ファイル名が登録される。なお、画像ファイルのＤＩＣＯＭヘッダには、検査日や目的部位（臓器名）などの情報が登録される。
【００１４】
特徴ＤＢ１２には、画像データから抽出された病変特徴量が蓄積される。病変特徴量とは、画像的な類似を用いて画像データの検索を可能にする情報であって、例えば、病変の大きさ（体積又は面積），形状（球状度又は円形度），輝度の統計量（平均，偏差など），テクスチャ統計量（空間周波数分解，フーリエ変換，ウェーブレット変換など）が用いられる。病変特徴量は、患者ＩＤ及び検査ＩＤに関連付けられた特徴データとして一括りにされる。そして、特徴ＤＢ１２のインデックスには、図３に示すように、少なくとも、目的部位，検査日及び特徴データが登録される。ここで、特徴データを画像データと１対１に対応させるべく分割しておくと、検索時のファイルアクセスに長時間要するので、例えば、１ヶ月単位で一元化しておくことが望ましい。この場合、検査日には、検査をした年及び月のみが登録される。また、目的部位毎に特徴データを分けておくことで、検索効率を高めることができる。
【００１５】
所見ＤＢ１４には、ＣＴ画像の読影結果である所見が蓄積される。そして、所見ＤＢ１４のインデックスには、図４に示すように、少なくとも、患者ＩＤ，検査ＩＤ，担当医師名及び所見が登録される。なお、所見には、少なくとも、ＣＴ画像を読影して診断した病名が含まれる。
病変位置検出部１６では、ＣＴ画像から、診断対象となる臓器又は部位（以下「臓器」という）における病変位置が検出される。病変位置の検出は、例えば、仁木登「肺癌ＣＴ検診支援システム」日本放射線技術学会誌，Vol.56 No.3, March(2000), pp.337-340に示される技術により行なわれる。
【００１６】
病変特徴量抽出部１８では、病変位置検出部１６により検出された全ての病変位置に対して、画像的な類似を統計量で表わした病変特徴量が抽出される。病変特徴量の抽出は、例えば、近藤真樹ら「３次元胸部Ｘ線ＣＴ像による腫瘍影の含気型と充実型への分類およびその良悪性鑑別への応用」Technical Report of IEICE MI2000-16(2000-05), pp.27-32に示される技術により行なわれる。
【００１７】
病変特徴量照合部２０では、診断対象となる臓器について、病変特徴量抽出部１８により抽出された病変特徴量と特徴ＤＢ１２に蓄積された病変特徴量とが照合され、画像類似の尺度を表わす類似度が演算される。
病名確率演算部２２では、病変特徴量照合部２０により演算された類似度に基づいて、診断対象となる臓器の病名の確率が演算される。そして、病名及びその確率は、図示しないディスプレイ装置に表示され、医師による診断が支援される。
【００１８】
次に、かかる構成からなる診断支援装置の概要について説明する。
Ｘ線ＣＴ装置により断層撮影が行なわれると、ＣＴ画像は画像ＤＢ１０に蓄積されると共に、病変位置検出部１６により病変位置が検出される。病変位置が検出されると、すべての病変位置に対して病変特徴量が抽出される。抽出された病変特徴量は、特徴ＤＢ１２に登録されると共に、病変特徴量照合部２０により、特徴ＤＢ１２に蓄積されている過去の症例に係るＣＴ画像の類似度が演算される。そして、病名確率演算部２２によりＣＴ画像の類似度に応じた病名の確率が演算され、確率順に、病名と共にその確率が医師に示される。
【００１９】
このため、ＣＴ画像の読影により診断を行なう医師は、診断対象となる症例と類似した過去の症例を容易に参照することが可能となり、その所見を参照することで、主観を排して客観的な診断を行なうことができるようになる。このとき、診断対象となる症例の病名及びその確率が併せて表示されるので、患者の病名が判然としないときでも、表示された病名及びその確率を参照して病名を診断することができる。このようにして、医師による診断精度を向上することができる。
【００２０】
図５〜図７は、診断支援装置の制御内容を示すフローチャートを示す。なお、かかる制御は、例えば、Ｘ線ＣＴ装置によりＣＴ画像が撮影され、臓器の指定並びに患者ＩＤ及び検査ＩＤが入力された後、実行される。
メインルーチンを示す図５において、ステップ１（図では「Ｓ１」と略記する。以下同様）では、撮影されたＣＴ画像（以下「診断画像」という）が、画像ＤＢ１０に登録される。このとき、画像ＤＢ１０のインデックスには、患者ＩＤ及び検査ＩＤに対応付けて画像を特定すべく、患者ＩＤ，検査ＩＤ及び画像ファイル名が追加登録される。なお、ステップ１における処理が、データベース登録手段及びデータベース登録工程の一部に該当する。
【００２１】
ステップ２では、病変位置検出部１６から提供される機能により、診断画像から、指定された臓器における病変位置が検出される。即ち、診断画像に対して、輝度値又はＣＴ値による絞り込みやモルフォロジーなどのフィルタリング処理が施され、臓器の輪郭が検出される。次に、検出された臓器の輪郭が、正常な範囲からどれだけずれているかを示す差分が算出される。正常な臓器の範囲は、例えば肺の場合、肋骨の内輪郭であるとみなすことで定義される。そして、算出された差分が所定幅以上になった部分が、病変位置とみなされる。
【００２２】
なお、ステップ２における処理が、病変位置検出手段及び病変位置検出工程に該当する。ステップ３では、検出されたすべての病変位置に対して病変特徴量を抽出すべく、図６に示す病変特徴量抽出のためのサブルーチンがコールされる。なお、ステップ３における処理、即ち、図６における処理全体が、特徴量抽出手段及び特徴量抽出工程に該当する。
【００２３】
なお、ステップ２における処理が、病変位置検出機能，病変位置検出手段及び病変位置検出工程に該当する。
ステップ３では、検出されたすべての病変位置に対して病変特徴量を抽出すべく、図６に示す病変特徴量抽出のためのサブルーチンがコールされる。なお、ステップ３における処理、即ち、図６における処理全体が、特徴量抽出機能，特徴量抽出手段及び特徴量抽出工程に該当する。
【００２４】
ステップ４では、抽出された病変特徴量が、特徴ＤＢ１２に登録される。このとき、病変特徴量は、検索効率向上のために、目的部位及び検査日に対応した特徴データに取り込まれ一元化される。但し、検査日が異なるとき、又は、対応した特徴データが未登録であるときには、特徴ＤＢ１２のインデックスに、目的部位，検査日及び特徴データが追加登録される。なお、ステップ４における処理が、データベース登録手段及びデータベース登録工程の一部に該当する。
【００２５】
ステップ５では、病変特徴量照合部２０から提供される機能により、診断対象となる臓器について、診断画像の病変特徴量と特徴ＤＢ１２に蓄積された病変特徴量とが照合され、蓄積されたＣＴ画像（以下「参照画像」という）の類似度が演算される。即ち、診断画像及び参照画像の病変特徴量は、図８に示すように、画像単位（検査単位）毎に第１要素から順に、例えば、体積，輝度の平均，輝度の偏差，球状度，テクスチャ統計量・・・のようにベクトル的に並べられている。各要素は、同レベルで比較できるように、０から１の範囲で正規化される。例えば、体積については、対象部位が肺の場合、病変部の体積は必ず肺の体積よりも小さいことから正規化できる。
【００２６】
そして、２つの特徴ベクトルＡ，Ｂを、
Ａ＝（ｆ1 ｆ2 ｆ3 ・・・・）
Ｂ＝（ｇ1 ｇ2 ｇ3 ・・・・）
と定義し、重み付けベクトルＷを
Ｗ＝（ｗ1 ｗ2 ｗ3 ・・・・）
とすると、類似度Ｓは、例えば、
【００２７】
なお、重み付けベクトルＷの各成分は、ユーザが自由に変更することができることが望ましい。また、病変特徴量と所見の対応を神経回路網によって予め学習させておくことで、最適な重み付け値が設定されるようにしてもよい。
ここで、ステップ５における処理が、類似度演算手段及び類似度演算工程に該当する。
【００２８】
ステップ６では、診断画像に表れた病変部の病名の確率を演算すべく、図７に示す病名確率演算のためのサブルーチンがコールされる。
ステップ７では、病名及びその確率が、例えば、図１０に示すような画面によって表示される。なお、ステップ７における処理が、所見表示手段及び所見表示工程に該当する。
【００２９】
ステップ８では、医師による最終的な診断である所見が、所見ＤＢ１４に登録される。このとき、医師は、診断画像に加え、診断画像から推定された病名及びその確率、並びに、参照画像及びその所見を参照することで、主観を排して客観的な診断を行なうことができる。そして、ここで登録された所見は、以後の診断において参照画像の所見として利用されることとなり、所見の登録数の増加に伴って、診断支援のための資料が充実されることとなる。
【００３０】
なお、診断支援装置の運用開始時には、参照画像，特徴データ及び所見が蓄積されていないため、初期状態として、典型的な症例を表わす参照画像，特徴データ及び所見を各ＤＢに登録しておくことが望ましい。
図６は、病変特徴量抽出のためのサブルーチンを示す。なお、病変特徴量の抽出は、病変特徴量抽出部１８から提供される機能によって行なわれる。
【００３１】
ステップ１１では、病変部が広域に亘る広域特徴量が抽出される。即ち、検出された病変部全体に対して、例えば、空間周波数分解，フーリエ変換，ウェーブレット変換が施され、広域特徴量としてのテクスチャ統計量が抽出される。
ステップ１２では、病変部が局所に留まる局所特徴量が抽出される。即ち、検出された局所的な病変部に対して、例えば、球状度（３次元）又は円形度（２次元）が抽出される。
【００３２】
ステップ１３では、病変部に共通する共通特徴量が抽出される。即ち、検出された病変部に対して、例えば、大きさ（体積又は面積），輝度の統計量（平均，偏差など）が抽出される。
図７は、病名確率演算のためのサブルーチンを示す。なお、病名確率の演算は、病名確率演算部２２から提供される機能によって行なわれる。
【００３３】
ステップ２１では、特徴ＤＢ１２に蓄積された特徴データのうち類似度が演算されたものが、図１１に示すように、順位，検査ＩＤ，類似度，病名が一括りにされつつ、類似度順に整列される。このとき、病名は、特徴データに含まれる患者ＩＤ及び検査ＩＤをキーとして所見ＤＢ１４を検索することで、所見から取得することができる。
【００３４】
ステップ２２では、診断画像の診断に役立てる参照症例として、類似度順に整列された特徴データから、例えば、上位１０位までの特徴データ、又は、類似度が５０％以上の特徴データが選択される。
ステップ２３では、選択されたすべての参照症例に対して、病名毎に類似度を平均した病名確率が演算される。
【００３５】
ステップ２４では、病名確率順に、病名及びその確率が表示される。
なお、神経回路網で病変特徴量と所見との対応が学習済みであれば、病変特徴量から病名及びその確率を直接演算することができる。
以上説明した診断支援装置によれば、指定した臓器について、診断画像から病変位置が検出され、検出されたすべての病変位置における病変特徴量が抽出される。抽出された病変特徴量は、特徴ＤＢ１２に蓄積された同一臓器に関する特徴データと照合され、参照画像となり得る症例の類似度が演算される。そして、演算された類似度に基づいて病名及びその確率が演算され、これがディスプレイ装置に表示される。
【００３６】
このため、診断画像を読影して診断を行なう医師は、診断画像に表れた病変部の症例に類似した過去の症例を参照することができ、主観を排して客観的な診断を行なうことができる。そして、客観的な診断が可能となることから、例えば、読影経験が不足する医師であっても、誤診する可能性が激減し、診断精度を向上することができる。また、参照症例を活用することで、診断画像だけからでは病名が依然としないときであっても、その病名を推定することができ、診断精度を向上することができる。
【００３７】
さらに、診断が終了した診断画像は、その病変特徴量及び所見と共にデータベースに登録され、以後の診断において参照画像として活用される。このため、診断画像の読影が進むにつれて、参照資料が次第に充実することとなり、診断精度を一層向上することができる。
なお、本実施形態における診断支援装置は、スタンドアロン型のコンピュータシステム上に構築されたが、ネットワークを介して接続されたクライアント／サーバモデル上に構築するようにしてもよい。この場合、全国的規模又は世界的規模で参照症例が蓄積され得るので、医療技術の向上にも資することとなり、公益の立場からも極めて有用である。
【００３８】
このような機能を実現するプログラムを、例えば、磁気テープ，磁気ディスク，磁気ドラム，ＩＣカード，ＣＤ−ＲＯＭ，ＤＶＤ−ＲＯＭ等のコンピュータ読取可能な記録媒体に記録しておけば、本発明に係る診断支援プログラムを市場に流通させることができる。そして、かかる記録媒体を取得した者は、一般的なコンピュータシステムを利用して、本発明に係る診断支援装置を容易に構築することができる。
【００３９】
また、インターネットに接続されたサーバ上に、本発明に係る診断支援プログラムを登録させておけば、電気通信回線を介して、かかるプログラムをダウンロードすることで、本発明に係る診断支援装置を容易に構築することができる。
【００４０】
（付記１）診断画像から病変位置を検出する病変位置検出機能と、該病変位置検出機能により検出された病変位置の画像的な特徴量を抽出する特徴量抽出機能と、参照画像及びその特徴量が蓄積されたデータベースから、前記特徴量抽出機能により抽出された特徴量に基づいて画像的に類似する参照画像を検索する参照画像検索機能と、をコンピュータに実現させるための診断支援プログラム。
【００４１】
（付記２）診断画像から病変位置を検出する病変位置検出機能と、該病変位置検出機能により検出された病変位置の画像的な特徴量を抽出する特徴量抽出機能と、参照画像及びその特徴量が蓄積されたデータベースから、前記特徴量抽出機能により抽出された特徴量に基づいて画像的に類似する参照画像を検索する参照画像検索機能と、をコンピュータに実現させるための診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４２】
（付記３）前記診断画像及びその特徴量を前記データベースに登録するデータベース登録機能を備えたことを特徴とする付記２記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４３】
（付記４）前記データベースに蓄積された参照画像の特徴量と診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算機能を備え、前記参照画像検索機能は、前記類似度演算機能により演算された類似度順に参照画像を検索することを特徴とする付記２又は付記３に記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４４】
（付記５）前記類似度演算機能は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする付記４記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４５】
（付記６）前記重み付けは、変更可能に構成されたテーブルに設定されていることを特徴とする付記５記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４６】
（付記７）前記参照画像検索機能により検索された参照画像に関連付けられた所見を表示する所見表示機能を備えたことを特徴とする付記２〜付記６のいずれか１つに記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４７】
（付記８）前記病変位置検出機能は、指定された臓器の病変位置を検出することを特徴とする付記２〜付記７のいずれか１つに記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４８】
（付記９）前記特徴量抽出機能は、前記診断画像のすべての病変位置に対して、広域的な特徴量，局所的な特徴量及び共通的な特徴量を抽出することを特徴とする付記２〜付記８のいずれか１つに記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
【００４９】
（付記１０）診断画像から病変位置を検出する病変位置検出手段と、該病変位置検出手段により検出された病変位置の画像的な特徴量を抽出する特徴量抽出手段と、参照画像及びその特徴量が蓄積されたデータベースから、前記特徴量抽出手段により抽出された特徴量に基づいて画像的に類似する参照画像を検索する参照画像検索手段と、を含んで構成されたことを特徴とする診断支援装置。
【００５０】
（付記１１）前記診断画像及びその特徴量を前記データベースに登録するデータベース登録手段を備えたことを特徴とする付記１０記載の診断支援装置。
【００５１】
（付記１２）前記データベースに蓄積された参照画像の特徴量と診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算手段を備え、前記参照画像検索手段は、前記類似度演算手段により演算された類似度順に参照画像を検索することを特徴とする付記１０又は付記１１に記載の診断支援装置。
【００５２】
（付記１３）前記類似度演算手段は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする付記１２記載の診断支援装置。
【００５３】
（付記１４）前記重み付けは、変更可能に構成されたテーブルに設定されていることを特徴とする付記１３記載の診断支援装置。
【００５４】
（付記１５）前記参照画像検索手段により検索された参照画像に関連付けられた所見を表示する所見表示手段を備えたことを特徴とする付記１０〜付記１４のいずれか１つに記載の診断支援装置。
【００５５】
（付記１６）前記病変位置検出手段は、指定された臓器の病変位置を検出することを特徴とする付記１０〜付記１５のいずれか１つに記載の診断支援装置。
【００５６】
（付記１７）前記特徴量抽出手段は、前記診断画像のすべての病変位置に対して、広域的な特徴量，局所的な特徴量及び共通的な特徴量を抽出することを特徴とする付記１０〜付記１６のいずれか１つに記載の診断支援装置。
【００５７】
（付記１８）診断画像から病変位置を検出する病変位置検出工程と、該病変位置検出工程により検出された病変位置の画像的な特徴量を抽出する特徴量抽出工程と、参照画像及びその特徴量が蓄積されたデータベースから、前記特徴量抽出工程により抽出された特徴量に基づいて画像的に類似する参照画像を検索する参照画像検索工程と、を備えたことを特徴とする診断支援方法。
【００５８】
（付記１９）前記診断画像及びその特徴量を前記データベースに登録するデータベース登録工程を備えたことを特徴とする付記１８記載の診断支援方法。
【００５９】
（付記２０）前記データベースに蓄積された参照画像の特徴量と診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算工程を備え、前記参照画像検索工程は、前記類似度演算工程により演算された類似度順に参照画像を検索することを特徴とする付記１８又は付記１９に記載の診断支援方法。
【００６０】
（付記２１）前記類似度演算工程は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする付記２０記載の診断支援方法。
【００６１】
（付記２２）前記重み付けは、変更可能に構成されたテーブルに設定されていることを特徴とする付記２１記載の診断支援方法。
【００６２】
（付記２３）前記参照画像検索工程により検索された参照画像に関連付けられた所見を表示する所見表示工程を備えたことを特徴とする付記１８〜付記２２のいずれか１つに記載の診断支援方法。
【００６３】
（付記２４）前記病変位置検出工程は、指定された臓器の病変位置を検出することを特徴とする付記１８〜付記２３のいずれか１つに記載の診断支援方法。
【００６４】
（付記２５）前記特徴量抽出工程は、前記診断画像のすべての病変位置に対して、広域的な特徴量，局所的な特徴量及び共通的な特徴量を抽出することを特徴とする付記１８〜付記２４のいずれか１つに記載の診断支援方法。
【００６５】
【発明の効果】
以上説明したように、本発明に係る診断支援技術によれば、診断画像を読影して診断を行なう医師は、診断画像に表れた病変部の症例に類似した過去の症例を容易に参照できるようになる。このため、主観を排して客観的な診断を行なうことができる。そして、客観的な診断が可能となることから、例えば、読影経験が不足する医師であっても、誤診する可能性が激減し、診断精度を向上することができる。また、参照症例を活用することで、診断画像だけからでは病名が判然としないときであっても、その病名を推定することができ、診断精度を向上することができる。
【図面の簡単な説明】
【図１】本発明に係る診断支援装置の構成図である。
【図２】画像ＤＢのインデックスの説明図である。
【図３】特徴ＤＢのインデックスの説明図である。
【図４】所見ＤＢのインデックスの説明図である。
【図５】制御内容を示すメインルーチンのフローチャートである。
【図６】病変特徴量抽出のためのサブルーチンのフローチャートである。
【図７】病名確率演算のためのサブルーチンのフローチャートである。
【図８】類似度の算出方法の説明図である。
【図９】重み付けベクトルテーブルの説明図である。
【図１０】病名及びその確率を表示する画面の説明図である。
【図１１】類似度順に整列された参照症例の説明図である。
【符号の説明】
１０ 画像ＤＢ
１２ 特徴ＤＢ
１４ 所見ＤＢ
１６ 病変位置検出部
１８ 病変特徴量抽出部
２０ 病変特徴量照合部
２２ 病名確率演算部
Claims (12)
- 診断済みの参照画像，その特徴量及び参照画像に関する所見としての病名が関連付けられた状態で蓄積されたデータベースを備えたコンピュータを、
診断画像から病変位置を検出する病変位置検出手段と、
該病変位置検出手段により検出された病変位置の画像的な特徴量を抽出する特徴量抽出手段と、
前記データベースに蓄積された参照画像毎にその特徴量と前記特徴量抽出手段により抽出された診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算手段と、
前記類似度の高いものから所定規則に従って複数の参照画像を選択し、選択した複数の参照画像に関連付けられた病名を前記データベースから夫々検索するとともに、診断画像と選択した複数の各参照画像との類似度及び参照画像の病名に基づいて、病名毎に類似度を平均した病名確率を演算し、該病名確率順に病名及びその確率を所見として表示する所見表示手段と、
として機能させるための診断支援プログラム。 - 前記コンピュータを、
前記診断画像及びその特徴量を前記データベースに登録するデータベース登録手段としてさらに機能させることを特徴とする請求項１記載の診断支援プログラム。 - 前記類似度演算手段は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする請求項１又は請求項２に記載の診断支援プログラム。
- 診断済みの参照画像，その特徴量及び参照画像に関する所見としての病名が関連付けられた状態で蓄積されたデータベースを備えたコンピュータを、
診断画像から病変位置を検出する病変位置検出手段と、
該病変位置検出手段により検出された病変位置の画像的な特徴量を抽出する特徴量抽出手段と、
前記データベースに蓄積された参照画像毎にその特徴量と前記特徴量抽出手段により抽出された診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算手段と、
前記類似度の高いものから所定規則に従って複数の参照画像を選択し、選択した複数の参照画像に関連付けられた病名を前記データベースから夫々検索するとともに、診断画像と選択した複数の各参照画像との類似度及び参照画像の病名に基づいて、病名毎に類似度を平均した病名確率を演算し、該病名確率順に病名及びその確率を所見として表示する所見表示手段と、
として機能させるための診断支援プログラムを記録したコンピュータ読取可能な記録媒体。 - 前記コンピュータを、
前記診断画像及びその特徴量を前記データベースに登録するデータベース登録手段としてさらに機能させることを特徴とする請求項４記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。 - 前記類似度演算手段は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする請求項４又は請求項５に記載の診断支援プログラムを記録したコンピュータ読取可能な記録媒体。
- 診断済みの参照画像，その特徴量及び参照画像に関する所見としての病名が関連付けられた状態で蓄積されたデータベースと、
診断画像から病変位置を検出する病変位置検出手段と、
該病変位置検出手段により検出された病変位置の画像的な特徴量を抽出する特徴量抽出手段と、
前記データベースに蓄積された参照画像毎にその特徴量と前記特徴量抽出手段により抽出された診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算手段と、
前記類似度の高いものから所定規則に従って複数の参照画像を選択し、選択した複数の参照画像に関連付けられた病名を前記データベースから夫々検索するとともに、診断画像と選択した複数の各参照画像との類似度及び参照画像の病名に基づいて、病名毎に類似度を平均した病名確率を演算し、該病名確率順に病名及びその確率を所見として表示する所見表示手段と、
を含んで構成されたことを特徴とする診断支援装置。 - 前記診断画像及びその特徴量を前記データベースに登録するデータベース登録手段をさらに備えたことを特徴とする請求項７記載の診断支援装置。
- 前記類似度演算手段は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする請求項７又は請求項８に記載の診断支援装置。
- 診断済みの参照画像，その特徴量及び参照画像に関する所見としての病名が関連付けられた状態で蓄積されたデータベースを備えたコンピュータに、
診断画像から病変位置を検出する病変位置検出工程と、
該病変位置検出工程により検出された病変位置の画像的な特徴量を抽出する特徴量抽出工程と、
前記データベースに蓄積された参照画像毎にその特徴量と前記特徴量抽出工程により抽出された診断画像の特徴量とを照合して画像的な類似度を演算する類似度演算工程と、
前記類似度の高いものから所定規則に従って複数の参照画像を選択し、選択した複数の参照画像に関連付けられた病名を前記データベースから夫々検索するとともに、診断画像と選択した複数の各参照画像との類似度及び参照画像の病名に基づいて、病名毎に類似度を平均した病名確率を演算し、該病名確率順に病名及びその確率を所見として表示する所見表示工程と、
を実行させることを特徴とする診断支援方法。 - 前記診断画像及びその特徴量を前記データベースに登録するデータベース登録工程をさらに実行させることを特徴とする請求項１０記載の診断支援方法。
- 前記類似度演算工程は、臓器別に設定された重み付けを考慮して類似度を演算することを特徴とする請求項１０又は請求項１１に記載の診断支援方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2001357478A JP4021179B2 (ja) | 2000-11-29 | 2001-11-22 | 診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 |
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2000-362779 | 2000-11-29 | ||
| JP2000362779 | 2000-11-29 | ||
| JP2001357478A JP4021179B2 (ja) | 2000-11-29 | 2001-11-22 | 診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2002230518A JP2002230518A (ja) | 2002-08-16 |
| JP4021179B2 true JP4021179B2 (ja) | 2007-12-12 |
Family
ID=26604807
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2001357478A Expired - Lifetime JP4021179B2 (ja) | 2000-11-29 | 2001-11-22 | 診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4021179B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010082001A (ja) * | 2008-09-29 | 2010-04-15 | Toshiba Corp | 画像表示装置 |
Families Citing this family (48)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004326245A (ja) * | 2003-04-22 | 2004-11-18 | Hitachi Medical Corp | 電子カルテシステム |
| JP2005284846A (ja) * | 2004-03-30 | 2005-10-13 | Fuji Photo Film Co Ltd | 診断支援システム並びにそれに用いる方法及びサーバ |
| JP2006034585A (ja) * | 2004-07-27 | 2006-02-09 | Fuji Photo Film Co Ltd | 画像表示装置、画像表示方法およびそのプログラム |
| US20070160275A1 (en) * | 2006-01-11 | 2007-07-12 | Shashidhar Sathyanarayana | Medical image retrieval |
| JP4799251B2 (ja) * | 2006-04-05 | 2011-10-26 | 富士フイルム株式会社 | 類似症例検索装置、類似症例検索方法およびそのプログラム |
| JP5128154B2 (ja) * | 2006-04-10 | 2013-01-23 | 富士フイルム株式会社 | レポート作成支援装置、レポート作成支援方法およびそのプログラム |
| JP2007280229A (ja) * | 2006-04-11 | 2007-10-25 | Fujifilm Corp | 類似症例検索装置、類似症例検索方法およびそのプログラム |
| JP2007287018A (ja) | 2006-04-19 | 2007-11-01 | Fujifilm Corp | 診断支援システム |
| JP4997892B2 (ja) * | 2006-09-19 | 2012-08-08 | 富士ゼロックス株式会社 | 検索システム、検索方法及び検索プログラム |
| JP4905099B2 (ja) * | 2006-12-07 | 2012-03-28 | 富士ゼロックス株式会社 | データ検索システム、およびデータ検索方法、並びにコンピュータ・プログラム |
| JP5646128B2 (ja) * | 2007-02-28 | 2014-12-24 | 株式会社東芝 | 医用画像検索システム |
| KR100882275B1 (ko) | 2007-05-25 | 2009-02-06 | 전남대학교산학협력단 | 얼굴영상을 이용한 질병분류시스템 |
| US8527296B2 (en) | 2007-09-26 | 2013-09-03 | Fujifilm Corporation | Medical information processing system, medical information processing method, and computer readable medium |
| JP5337992B2 (ja) * | 2007-09-26 | 2013-11-06 | 富士フイルム株式会社 | 医用情報処理システム、医用情報処理方法、及びプログラム |
| JP2010029481A (ja) * | 2008-07-29 | 2010-02-12 | Univ Of Tsukuba | 腫瘍の経過観察レポート自動作成診断支援システム |
| JP5056695B2 (ja) * | 2008-09-24 | 2012-10-24 | 富士ゼロックス株式会社 | 類似画像提示装置及びプログラム |
| JP5173700B2 (ja) * | 2008-09-25 | 2013-04-03 | キヤノン株式会社 | データ検索装置およびその制御方法、データ検索システム |
| JP5599572B2 (ja) * | 2009-03-12 | 2014-10-01 | 富士フイルム株式会社 | 症例画像検索装置、方法およびプログラム |
| JP2011048672A (ja) * | 2009-08-27 | 2011-03-10 | Fujifilm Corp | 症例画像登録装置、方法およびプログラム |
| JP5398518B2 (ja) * | 2009-12-25 | 2014-01-29 | キヤノン株式会社 | 医療診断支援装置 |
| JP5340204B2 (ja) * | 2010-03-01 | 2013-11-13 | キヤノン株式会社 | 推論装置、その制御方法およびプログラム |
| JP5618787B2 (ja) * | 2010-11-29 | 2014-11-05 | キヤノン株式会社 | レポート作成支援装置及びその作成支援方法、並びにプログラム |
| JP5728212B2 (ja) * | 2010-11-30 | 2015-06-03 | キヤノン株式会社 | 診断支援装置、診断支援装置の制御方法、およびプログラム |
| JP5744631B2 (ja) * | 2011-06-06 | 2015-07-08 | キヤノン株式会社 | 診療支援装置、診療支援方法 |
| MX2013014196A (es) * | 2011-06-06 | 2014-03-21 | Koninkl Philips Nv | Aplicación modal cruzada de firmas en combinacion indicadoras de un fenotipo. |
| JP4979842B1 (ja) * | 2011-06-30 | 2012-07-18 | パナソニック株式会社 | 類似症例検索装置および類似症例検索方法 |
| CN102958425B (zh) * | 2011-06-30 | 2015-09-23 | 松下电器产业株式会社 | 类似病例检索装置以及类似病例检索方法 |
| JP5635467B2 (ja) * | 2011-09-14 | 2014-12-03 | オリンパスメディカルシステムズ株式会社 | 画像検索システム |
| DE112012004814T5 (de) | 2011-12-13 | 2014-08-14 | International Business Machines Corporation | Verfahren, Vorrichtung und Computerprogramm zum Suchen nach medizinischen Bildern |
| JP6208243B2 (ja) * | 2013-08-27 | 2017-10-04 | 株式会社日立製作所 | 罹患率評価装置、罹患率評価方法及び罹患率評価プログラム |
| US9208173B1 (en) | 2014-06-13 | 2015-12-08 | Globalfoundries Inc. | Techniques for medical image retreival |
| JP5863916B2 (ja) * | 2014-09-18 | 2016-02-17 | キヤノン株式会社 | レポート作成支援装置及びその作成支援方法、並びにプログラム |
| CN105989092A (zh) * | 2015-02-12 | 2016-10-05 | 东芝医疗系统株式会社 | 医学图像处理设备、医学图像处理方法以及医学成像系统 |
| JP6257564B2 (ja) * | 2015-09-01 | 2018-01-10 | キヤノン株式会社 | 診断支援装置、診断支援システム、診断支援装置の作動方法及びプログラム |
| JP6818424B2 (ja) * | 2016-04-13 | 2021-01-20 | キヤノン株式会社 | 診断支援装置、情報処理方法、診断支援システム及びプログラム |
| JP6761717B2 (ja) * | 2016-09-29 | 2020-09-30 | ケーディーアイコンズ株式会社 | 情報処理装置及びプログラム |
| JP6220435B2 (ja) * | 2016-10-05 | 2017-10-25 | キヤノン株式会社 | 診断支援装置及びその制御方法 |
| JP6755192B2 (ja) * | 2017-01-11 | 2020-09-16 | キヤノン株式会社 | 診断支援装置および診断支援装置の作動方法 |
| JP6906347B2 (ja) | 2017-04-10 | 2021-07-21 | 富士フイルム株式会社 | 医用画像分類装置、方法およびプログラム |
| JP6530841B2 (ja) * | 2018-06-18 | 2019-06-12 | キヤノン株式会社 | 診断支援システム、その作動方法、診断支援装置、およびプログラム |
| JP7129058B2 (ja) * | 2018-07-17 | 2022-09-01 | 大日本印刷株式会社 | 医用画像診断支援装置、プログラム及び医用画像診断支援方法 |
| CN112601494A (zh) * | 2018-08-31 | 2021-04-02 | 富士胶片株式会社 | 相似度确定装置、方法及程序 |
| WO2020044735A1 (ja) * | 2018-08-31 | 2020-03-05 | 富士フイルム株式会社 | 類似度決定装置、方法およびプログラム |
| JP7134805B2 (ja) * | 2018-09-20 | 2022-09-12 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置および医用情報処理システム |
| WO2020093987A1 (zh) * | 2018-11-05 | 2020-05-14 | 上海联影智能医疗科技有限公司 | 医学图像处理方法、系统、计算机设备以及可读存储介质 |
| JP7239701B2 (ja) * | 2018-12-11 | 2023-03-14 | シナジー エイ．アイ． カンパニー リミテッド | 人工神経網を利用する臓器の体積測定方法及びその装置 |
| KR101981202B1 (ko) * | 2018-12-11 | 2019-05-22 | 메디컬아이피 주식회사 | 의료영상 재구성 방법 및 그 장치 |
| JP2024061696A (ja) * | 2021-03-24 | 2024-05-08 | ソニーグループ株式会社 | 医療用画像解析装置、医療用画像解析方法及び医療用画像解析システム |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2967450B2 (ja) * | 1993-03-29 | 1999-10-25 | 株式会社学習情報通信システム研究所 | コンピュータによる画像診断支援装置およびその方法 |
| JPH10326286A (ja) * | 1997-05-27 | 1998-12-08 | Mitsubishi Electric Corp | 類似検索装置及び類似検索プログラムを記録した記録媒体 |
-
2001
- 2001-11-22 JP JP2001357478A patent/JP4021179B2/ja not_active Expired - Lifetime
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2010082001A (ja) * | 2008-09-29 | 2010-04-15 | Toshiba Corp | 画像表示装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2002230518A (ja) | 2002-08-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4021179B2 (ja) | 診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 | |
| US6925199B2 (en) | Computer readable recording medium recorded with diagnosis supporting program, diagnosis supporting apparatus and diagnosis supporting method | |
| US7374077B2 (en) | Similar image search system | |
| JP4912015B2 (ja) | 類似画像検索装置および方法並びにプログラム | |
| JP4874701B2 (ja) | 類似画像検索装置および方法並びにプログラム | |
| JP4087640B2 (ja) | 疾患候補情報出力システム | |
| JP5383431B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
| JP4905967B2 (ja) | 類似症例検索装置、方法、およびプログラム | |
| JP6807820B2 (ja) | 画像検索装置、方法およびプログラム | |
| EP3100209B1 (en) | Extraction of information from an image and inclusion thereof in a clinical report | |
| US11875897B2 (en) | Medical image processing apparatus, method, and program, and diagnosis support apparatus, method, and program | |
| JP5026939B2 (ja) | 画像処理装置およびそのプログラム | |
| US8260810B2 (en) | Case image registration apparatus, method and recording medium, and case image search apparatus, method, recording medium and system | |
| JP4976164B2 (ja) | 類似症例検索装置、方法、およびプログラム | |
| JP5647522B2 (ja) | クロスモダリティによる事例ベースのコンピュータ支援診断のための方法及びシステム | |
| JP2011118543A (ja) | 症例画像検索装置、方法およびプログラム | |
| JP6719421B2 (ja) | 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム | |
| US11669960B2 (en) | Learning system, method, and program | |
| Aggarwal et al. | Semantic and content-based medical image retrieval for lung cancer diagnosis with the inclusion of expert knowledge and proven pathology | |
| JP2008200373A (ja) | 類似症例検索装置、方法、およびプログラム、ならびに、類似症例データベース登録装置、方法、およびプログラム | |
| CN113743463B (zh) | 一种基于影像数据和深度学习的肿瘤良恶性识别方法和系统 | |
| JP2007275440A (ja) | 類似画像検索装置および方法並びにプログラム | |
| JP6738305B2 (ja) | 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム | |
| JP2011118540A (ja) | 症例検索装置、方法およびプログラム | |
| JP2018175366A (ja) | 自動レイアウト装置および自動レイアウト方法並びに自動レイアウトプログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20040823 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20070330 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20070403 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20070528 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20070925 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20070926 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101005 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4021179 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101005 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111005 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111005 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121005 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121005 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131005 Year of fee payment: 6 |
|
| EXPY | Cancellation because of completion of term |