JP4480508B2 - 診断支援プログラムおよび診断支援装置 - Google Patents
診断支援プログラムおよび診断支援装置 Download PDFInfo
- Publication number
- JP4480508B2 JP4480508B2 JP2004226159A JP2004226159A JP4480508B2 JP 4480508 B2 JP4480508 B2 JP 4480508B2 JP 2004226159 A JP2004226159 A JP 2004226159A JP 2004226159 A JP2004226159 A JP 2004226159A JP 4480508 B2 JP4480508 B2 JP 4480508B2
- Authority
- JP
- Japan
- Prior art keywords
- value
- feature amount
- input
- neural network
- 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 - Fee Related
Links
- 238000003745 diagnosis Methods 0.000 title claims description 63
- 238000013528 artificial neural network Methods 0.000 claims description 96
- 238000004364 calculation method Methods 0.000 claims description 42
- 238000007689 inspection Methods 0.000 claims description 33
- 238000010276 construction Methods 0.000 claims description 31
- 238000000034 method Methods 0.000 claims description 18
- 206010028980 Neoplasm Diseases 0.000 claims description 3
- 201000011510 cancer Diseases 0.000 claims description 2
- 230000036210 malignancy Effects 0.000 claims description 2
- 230000006870 function Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000000605 extraction Methods 0.000 description 5
- 230000003902 lesion Effects 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000001575 pathological effect Effects 0.000 description 2
- 230000003042 antagnostic effect Effects 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 230000008094 contradictory effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Description
まず、図1を用いて本実施の形態にかかる診断支援装置の構成を説明する。図1は、この発明の診断支援装置を示す図である。診断支援装置100は、制御部102、表示部103および入力部104からなる読影端末101と、画像サーバ105と、電子カルテデータベース(以下、「電子カルテDB」という)106により構成されている。
ここでは、図4のステップS402で行ったニューラルネットワーク構築の詳細な説明を行う。まず、ニューラルネットワークの構造について、図6を用いて説明する。図6は、診断支援装置が構築するニューラルネットワークの構造を表す図である。
次に、良悪判定結果と共に呈示される寄与度の算出方法について詳しく述べる。従来、ニューラルネットワークの場合、非線形の構造であるため、出力層の判定結果に寄与した入力層の項目を特定することは不可能であった。そこで、本実施の形態では、下記の目的と適用条件によって、寄与度を算出する。
1.どの入力項目がどの程度、良悪判別に寄与したのか。
2.上記1.に該当する項目についての入力値の大小関係(学習したサンプルと比較した大小関係)。
3.良悪判定結果にマイナスの要因として働いた項目とその大きさ。
1.ニューラルネットワークは、3層構造をもち、入力項目は、2つ以上であり、中間層のノードは、1つ以上、出力層のノードは1である。
2.入力値は、[−1,1]に規格化されており、出力値は[−1〜1]の値をとり得る。
3.各入力値は、出力値と単純増加/減少の関係にあることが望ましい。
・Ci:i番目の入力項目値(特徴量の値)
・vij:i番目の入力項目とj番目の中間ノードとの重み
・xj:j番目の中間ノードの出力値
・Tj:j番目の中間ノードの閾値
・wj:j番目の中間ノードと出力ノードとの重み
・y:出力値
・T:出力ノードの閾値
寄与度算出式の根拠について、図10を用いて説明する。図10は、寄与度の計算式の根拠を説明するための図表である。1000a部分は、入力から中間層への寄与度Aについて、1000b部分は、中間から出力層への寄与度Bについての各値の符号と寄与度との関係を表す。
1.ある1セットの特徴量をニューラルネットワークへ入力し、出力値の符号sgn(y)が+(悪性)、中間層から出力層への重みの符号sgn(wj)が−(良性)の場合、出力値が+に寄与するのは、中間層の中間ノード(図6参照)の出力値xjの符号が−であるからである。
2.xjの符号が−になるためには、入力層から中間層への値civijが−の必要がある。
3.出力値が−で、sgn(wj)が−のときは、xj値の符号が+の方が寄与する。従ってcivijは+であるほど寄与する。
1.ある1セットの特徴量をニューラルネットワークへ入力し出力値の符号sgn(y)が+(悪性)のとき、出力の値が+になった理由は、中間層から出力層への値xjwjの中に+の値をとるものがあったからである。
2.出力値の符号が−(良性)のとき、出力の値が−の理由は、中間層から出力層への値xjwjの中に−の値をとるものがあったからである。
最後に、図11を用いて、各特徴量の寄与度の呈示について説明する。図11は、各特徴量の寄与度の呈示動作を表すフローチャートである。まず、各特徴量のうちINのフラグが立っている、すなわちユーザに選択された特徴量だけを選択する(ステップS1101)。
前記検査画像と類似した症例の画像の特徴量を画像サーバから呼び出させ、当該診断結果を電子カルテから呼び出させる電子カルテ呼び出し工程と、
前記電子カルテ呼び出し工程により呼び出された画像の前記特徴量と、前記診断結果データとに基づいて、入力層と、中間層と、出力層とが接続された各経路の重み値と、前記中間層の複数の中間ノードの閾値の割り当てを行って階層型のニューラルネットワークを構築させるニューラルネットワーク構築工程と、
前記ニューラルネットワーク構築工程により割り当てられた前記各経路の重み値と、前記中間ノードの閾値とに基づいて、中間ノード値を算出させる中間ノード値算出工程と、
前記検査画像特徴量入力工程により入力された前記特徴量と、前記ニューラルネットワーク構築工程により割り当てられた前記各経路の重み値と、前記ニューラルネットワークの前記出力層が出力する出力値と、前記中間ノード値算出工程により算出された前記中間ノード値に基づき、前記出力値を算出するに至った要因を数値で表した寄与度の値を、入力した特徴量の種別ごとに算出させる寄与度算出工程と、
をコンピュータに実行させることを特徴とする診断支援プログラム。
前記呈示工程は、前記寄与度とともに前記特徴量と、前記ニューラルネットワークの出力値と、前記特徴量比較工程の結果とを同一画面上に呈示させることを特徴とする付記4に記載の診断支援プログラム。
前記検査画像と類似した症例の画像の特徴量を画像サーバから呼び出し、当該診断結果を電子カルテから呼び出す電子カルテ呼び出し手段と、
前記電子カルテ呼び出し手段により呼び出された画像の前記特徴量と、前記診断結果データとに基づいて、入力層と、中間層と、出力層とが接続された各経路の重み値と、前記中間層の複数の中間ノードの閾値の割り当てを行って階層型のニューラルネットワークを構築するニューラルネットワーク構築手段と、
前記ニューラルネットワーク構築手段により割り当てられた前記各経路の重み値と、前記各中間ノードの閾値とに基づいて、中間ノード値を算出する中間ノード値算出手段と、
前記検査画像特徴量入力手段により入力された前記特徴量と、前記ニューラルネットワーク構築手段により割り当てられた前記各経路の重み値と、前記ニューラルネットワークの前記出力層が出力する出力値と、前記中間ノード値算出手段により算出された前記中間ノード値に基づき、前記出力値を算出するに至った要因を数値で表した寄与度の値を、入力した特徴量の種別ごとに算出する寄与度算出手段と、
を備えたことを特徴とする診断支援装置。
101 読影端末
102 制御部
103 表示部
104 入力部
105 画像サーバ
106 電子カルテデータベース
301 画像特徴量抽出部
302 ニューラルネットワーク構築部
303 判定部
304 寄与度算出部
305 寄与度呈示機能部
Claims (4)
- コンピュータに、
診断用の検査画像内の指定した範囲の画像特徴の種別ごとの特徴量を数値化して入力する検査画像特徴量入力工程と、
前記検査画像と類似した症例の画像の特徴量を画像サーバから呼び出させ、当該診断結果を電子カルテから呼び出させる電子カルテ呼び出し工程と、
前記電子カルテ呼び出し工程により呼び出された画像の前記特徴量と、前記診断結果データとに基づいて、入力層と、中間層と、出力層とが接続された各経路の重み値と、前記中間層の複数の中間ノードの閾値の割り当てを行って階層型のニューラルネットワークを構築するニューラルネットワーク構築工程と、
前記ニューラルネットワーク構築工程により割り当てられた前記各経路の重み値と、前記中間ノードの閾値とに基づいて、中間ノード値を算出する中間ノード値算出工程と、
前記検査画像特徴量入力工程により入力された前記特徴量と、前記ニューラルネットワーク構築工程により割り当てられた前記各経路の重み値と、前記ニューラルネットワークの前記出力層が出力する出力値と、前記中間ノード値算出工程により算出された前記中間ノード値に基づき、前記出力値を算出するに至った要因を数値で表した寄与度の値を、入力した特徴量の種別ごとに算出する寄与度算出工程と、
前記検査画像特徴量入力工程により入力された前記特徴量と、前記電子カルテ呼び出し工程により呼び出された画像の特徴量との比較を行わせる特徴量比較工程と、
前記寄与度算出工程により算出された前記寄与度の値と、前記検査画像特徴量入力工程により入力された前記特徴量と、前記ニューラルネットワークの出力値と、前記特徴量比較工程の結果とを同一画面上に呈示する呈示工程と、
を実行させることを特徴とする診断支援プログラム。 - 前記呈示工程は、悪性に寄与する特徴量と、良性に寄与する特徴量とを色分け表示することを特徴とする請求項1に記載の診断支援プログラム。
- 前記呈示工程は、前記画面上に前記特徴量と、前記寄与度とを切り替えて表示自在なことを特徴とする請求項1に記載の診断支援プログラム。
- 診断用の検査画像内の指定した範囲の画像特徴の種別ごとの特徴量を数値化して入力する検査画像特徴量入力手段と、
前記検査画像と類似した症例の画像の特徴量を画像サーバから呼び出し、当該診断結果を電子カルテから呼び出す電子カルテ呼び出し手段と、
前記電子カルテ呼び出し手段により呼び出された画像の前記特徴量と、前記診断結果データとに基づいて、入力層と、中間層と、出力層とが接続された各経路の重み値と、前記中間層の複数の中間ノードの閾値の割り当てを行って階層型のニューラルネットワークを構築するニューラルネットワーク構築手段と、
前記ニューラルネットワーク構築手段により割り当てられた前記各経路の重み値と、前記各中間ノードの閾値とに基づいて、中間ノード値を算出する中間ノード値算出手段と、
前記検査画像特徴量入力手段により入力された前記特徴量と、前記ニューラルネットワーク構築手段により割り当てられた前記各経路の重み値と、前記ニューラルネットワークの前記出力層が出力する出力値と、前記中間ノード値算出手段により算出された前記中間ノード値に基づき、前記出力値を算出するに至った要因を数値で表した寄与度の値を、入力した特徴量の種別ごとに算出する寄与度算出手段と、
前記検査画像特徴量入力手段により入力された前記特徴量と、前記電子カルテ呼び出し手段により呼び出された画像の特徴量との比較を行わせる特徴量比較手段と、
前記寄与度算出手段により算出された前記寄与度の値と、前記検査画像特徴量入力手段により入力された前記特徴量と、前記ニューラルネットワークの出力値と、前記特徴量比較手段の結果とを同一画面上に呈示する呈示手段と、
を備えたことを特徴とする診断支援装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004226159A JP4480508B2 (ja) | 2004-08-02 | 2004-08-02 | 診断支援プログラムおよび診断支援装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2004226159A JP4480508B2 (ja) | 2004-08-02 | 2004-08-02 | 診断支援プログラムおよび診断支援装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2006043007A JP2006043007A (ja) | 2006-02-16 |
JP4480508B2 true JP4480508B2 (ja) | 2010-06-16 |
Family
ID=36022222
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2004226159A Expired - Fee Related JP4480508B2 (ja) | 2004-08-02 | 2004-08-02 | 診断支援プログラムおよび診断支援装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4480508B2 (ja) |
Families Citing this family (33)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5179902B2 (ja) * | 2008-02-29 | 2013-04-10 | 株式会社東芝 | 医用画像読影支援装置 |
JP2010082001A (ja) * | 2008-09-29 | 2010-04-15 | Toshiba Corp | 画像表示装置 |
US20100082506A1 (en) * | 2008-09-30 | 2010-04-01 | General Electric Company | Active Electronic Medical Record Based Support System Using Learning Machines |
JP2010200881A (ja) * | 2009-03-02 | 2010-09-16 | Shigenari Hozawa | 膵嚢胞性疾患診断装置 |
JP5538749B2 (ja) * | 2009-06-03 | 2014-07-02 | キヤノン株式会社 | 診断支援システム及びその診断支援方法、プログラム |
JP5868231B2 (ja) * | 2012-03-16 | 2016-02-24 | 株式会社日立製作所 | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム |
JP5680703B2 (ja) * | 2013-05-08 | 2015-03-04 | 株式会社日立メディコ | 超音波診断装置 |
JP6147304B2 (ja) * | 2015-09-01 | 2017-06-14 | キヤノン株式会社 | 医療診断支援装置及び医療診断支援システム |
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 |
US10163040B2 (en) | 2016-07-21 | 2018-12-25 | Toshiba Medical Systems Corporation | Classification method and apparatus |
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 |
JP6334767B1 (ja) * | 2017-03-21 | 2018-05-30 | 株式会社東芝 | 情報処理装置、プログラム、及び情報処理方法 |
JP6403832B2 (ja) * | 2017-05-18 | 2018-10-10 | キヤノン株式会社 | 診断支援装置、診断支援方法及びプログラム |
WO2018232388A1 (en) * | 2017-06-16 | 2018-12-20 | Rensselaer Polytechnic Institute | Systems and methods for integrating tomographic image reconstruction and radiomics using neural networks |
JP6930283B2 (ja) * | 2017-08-18 | 2021-09-01 | コニカミノルタ株式会社 | 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム |
JP7224757B2 (ja) * | 2017-10-13 | 2023-02-20 | 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 |
JP7032623B2 (ja) * | 2017-10-31 | 2022-03-09 | 株式会社デンソー | 推論装置、推論方法及びプログラム |
JP6893480B2 (ja) * | 2018-01-18 | 2021-06-23 | 株式会社日立製作所 | 分析装置および分析方法 |
JP6554193B1 (ja) | 2018-01-30 | 2019-07-31 | 三菱電機インフォメーションシステムズ株式会社 | 記入領域抽出装置および記入領域抽出プログラム |
US11455493B2 (en) * | 2018-05-16 | 2022-09-27 | International Business Machines Corporation | Explanations for artificial intelligence based recommendations |
US11189367B2 (en) * | 2018-05-31 | 2021-11-30 | Canon Medical Systems Corporation | Similarity determining apparatus and method |
JP7442964B2 (ja) * | 2018-09-26 | 2024-03-05 | キヤノンメディカルシステムズ株式会社 | 医用情報収集システム及び医用情報収集装置 |
JP7325942B2 (ja) | 2018-10-19 | 2023-08-15 | キヤノンメディカルシステムズ株式会社 | 画像処理装置及びプログラム |
CN109522180B (zh) * | 2018-10-22 | 2023-06-30 | 武汉联影医疗科技有限公司 | 基于监控运维系统服务的数据分析方法、装置和设备 |
JP7267044B2 (ja) * | 2019-03-15 | 2023-05-01 | エヌ・ティ・ティ・コミュニケーションズ株式会社 | データ処理装置、データ処理方法及びデータ処理プログラム |
JP7332338B2 (ja) | 2019-05-28 | 2023-08-23 | 富士フイルムヘルスケア株式会社 | 画像診断支援装置、画像診断支援プログラム、および、医用画像取得装置 |
JP7418730B2 (ja) * | 2019-08-28 | 2024-01-22 | 龍一 中原 | 医用画像処理装置、医用画像処理方法および医用画像処理プログラム |
JP2021076602A (ja) * | 2019-11-01 | 2021-05-20 | キヤノン株式会社 | 情報処理装置、及び情報処理装置の制御方法 |
WO2021221008A1 (ja) * | 2020-04-28 | 2021-11-04 | 株式会社Splink | システム、制御方法及びプログラム |
JP6827245B1 (ja) * | 2020-10-23 | 2021-02-10 | 株式会社アドイン研究所 | Aiを用いる診断装置、学習データ生成装置、データ要求装置、診断システム、及び、プログラム |
JPWO2022264608A1 (ja) * | 2021-06-17 | 2022-12-22 | ||
JP2023005697A (ja) * | 2021-06-29 | 2023-01-18 | 大日本印刷株式会社 | 診断支援装置、コンピュータプログラム及び診断支援方法 |
-
2004
- 2004-08-02 JP JP2004226159A patent/JP4480508B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2006043007A (ja) | 2006-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4480508B2 (ja) | 診断支援プログラムおよび診断支援装置 | |
Zopounidis et al. | PREFDIS: a multicriteria decision support system for sorting decision problems | |
US20030218634A1 (en) | System and methods for visualizing diverse biological relationships | |
RU2543563C2 (ru) | Системы и способы поддержки клинических решений | |
CN107665736B (zh) | 用于生成信息的方法和装置 | |
JP2020516428A (ja) | マンモグラフィにおける密度の評価 | |
CN111512322B (zh) | 使用神经网络 | |
US20070179769A1 (en) | Medical risk stratifying method and system | |
JP7010946B2 (ja) | 健康状態の計算解析を容易化するシステム及び方法 | |
JP2020008896A (ja) | 画像識別装置、画像識別方法及びプログラム | |
CN102165453A (zh) | 用于融合临床和图像特征进行计算机辅助诊断的系统和方法 | |
CN111883223B (zh) | 患者样本数据中结构变异的报告解读方法及系统 | |
CN112907555A (zh) | 一种基于影像基因组学的生存预测方法和系统 | |
CN114881968A (zh) | 基于深度卷积神经网络的octa图像血管分割方法、设备及介质 | |
CN111612756A (zh) | 冠状动脉特异性钙化检测方法及装置 | |
CN111028940B (zh) | 肺结节多尺度检测方法、装置、设备及介质 | |
CN107169264B (zh) | 一种复杂疾病诊断系统 | |
KR101595784B1 (ko) | 패혈증 고위험군 예측 방법 및 시스템 | |
Nebbia et al. | Radiomics-informed deep curriculum learning for breast cancer diagnosis | |
JP2003281156A (ja) | 画面表示システム及び医療診断支援システム | |
CN115762796A (zh) | 目标模型的获取方法、预后评估值确定方法、装置、设备及介质 | |
Tyagi et al. | Pc-expo: A metrics-based interactive axes reordering method for parallel coordinate displays | |
JP2019023621A (ja) | 表示制御装置、表示制御方法およびプログラム | |
CN114999661A (zh) | 皮肤癌识别模型的构建方法、皮肤癌识别装置、电子设备 | |
JP4994676B2 (ja) | 遺伝子多型解析支援プログラム、該プログラムを記録した記録媒体、遺伝子多型解析支援装置、および遺伝子多型解析支援方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20061127 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20091202 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091215 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100215 |
|
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: 20100309 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20100316 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130326 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 4480508 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: 20140326 Year of fee payment: 4 |
|
LAPS | Cancellation because of no payment of annual fees |