JP4652023B2 - 病気の発見に役立つ画像データの処理方法及び装置 - Google Patents
病気の発見に役立つ画像データの処理方法及び装置 Download PDFInfo
- Publication number
- JP4652023B2 JP4652023B2 JP2004336217A JP2004336217A JP4652023B2 JP 4652023 B2 JP4652023 B2 JP 4652023B2 JP 2004336217 A JP2004336217 A JP 2004336217A JP 2004336217 A JP2004336217 A JP 2004336217A JP 4652023 B2 JP4652023 B2 JP 4652023B2
- Authority
- JP
- Japan
- Prior art keywords
- patient
- disease
- airway
- personal computer
- image
- 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
- 201000010099 disease Diseases 0.000 title claims description 69
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims description 69
- 238000001514 detection method Methods 0.000 title claims description 13
- 238000003672 processing method Methods 0.000 title 1
- 238000000034 method Methods 0.000 claims description 68
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 claims description 42
- 238000002591 computed tomography Methods 0.000 claims description 37
- 238000005259 measurement Methods 0.000 claims description 30
- 230000011218 segmentation Effects 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 17
- 238000004458 analytical method Methods 0.000 claims description 15
- 206010006451 bronchitis Diseases 0.000 claims description 15
- 238000011002 quantification Methods 0.000 claims description 15
- 210000003484 anatomy Anatomy 0.000 claims description 14
- 206010006458 Bronchitis chronic Diseases 0.000 claims description 13
- 238000002059 diagnostic imaging Methods 0.000 claims description 12
- 208000007451 chronic bronchitis Diseases 0.000 claims description 10
- 238000002595 magnetic resonance imaging Methods 0.000 claims description 9
- 208000023819 chronic asthma Diseases 0.000 claims 1
- 210000002345 respiratory system Anatomy 0.000 claims 1
- 238000003384 imaging method Methods 0.000 description 37
- 238000012545 processing Methods 0.000 description 30
- 206010014561 Emphysema Diseases 0.000 description 29
- 210000004072 lung Anatomy 0.000 description 20
- 238000003745 diagnosis Methods 0.000 description 16
- 210000004204 blood vessel Anatomy 0.000 description 15
- 229940028444 muse Drugs 0.000 description 15
- GMVPRGQOIOIIMI-DWKJAMRDSA-N prostaglandin E1 Chemical compound CCCCC[C@H](O)\C=C\[C@H]1[C@H](O)CC(=O)[C@@H]1CCCCCCC(O)=O GMVPRGQOIOIIMI-DWKJAMRDSA-N 0.000 description 15
- 210000001519 tissue Anatomy 0.000 description 14
- 230000000694 effects Effects 0.000 description 12
- 238000011282 treatment Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 9
- 206010061818 Disease progression Diseases 0.000 description 8
- 230000005750 disease progression Effects 0.000 description 8
- 238000009826 distribution Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 6
- 230000006378 damage Effects 0.000 description 6
- 230000004044 response Effects 0.000 description 5
- 208000006673 asthma Diseases 0.000 description 4
- 239000002872 contrast media Substances 0.000 description 4
- 230000003902 lesion Effects 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- 239000008280 blood Substances 0.000 description 3
- 210000004369 blood Anatomy 0.000 description 3
- 238000013170 computed tomography imaging Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 239000003814 drug Substances 0.000 description 3
- 238000002651 drug therapy Methods 0.000 description 3
- 238000013399 early diagnosis Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 230000012010 growth Effects 0.000 description 3
- 238000000691 measurement method Methods 0.000 description 3
- 238000012546 transfer Methods 0.000 description 3
- 206010011224 Cough Diseases 0.000 description 2
- 208000019693 Lung disease Diseases 0.000 description 2
- 206010058467 Lung neoplasm malignant Diseases 0.000 description 2
- 206010036790 Productive cough Diseases 0.000 description 2
- 238000003915 air pollution Methods 0.000 description 2
- 208000037883 airway inflammation Diseases 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 210000004556 brain Anatomy 0.000 description 2
- 230000001684 chronic effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000000977 initiatory effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 201000005202 lung cancer Diseases 0.000 description 2
- 208000020816 lung neoplasm Diseases 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000000391 smoking effect Effects 0.000 description 2
- 208000024794 sputum Diseases 0.000 description 2
- 210000003802 sputum Anatomy 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000034826 Genetic Predisposition to Disease Diseases 0.000 description 1
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 description 1
- 208000031481 Pathologic Constriction Diseases 0.000 description 1
- 208000037273 Pathologic Processes Diseases 0.000 description 1
- 208000002200 Respiratory Hypersensitivity Diseases 0.000 description 1
- 208000037656 Respiratory Sounds Diseases 0.000 description 1
- 206010047924 Wheezing Diseases 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000010085 airway hyperresponsiveness Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 210000001367 artery Anatomy 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004040 coloring Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000034994 death Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000002405 diagnostic procedure Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000003255 drug test Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000008103 glucose Substances 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 125000004435 hydrogen atom Chemical group [H]* 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000001727 in vivo Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000007794 irritation Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000033001 locomotion Effects 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 238000010899 nucleation Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 230000009054 pathological process Effects 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000006461 physiological response Effects 0.000 description 1
- 238000011886 postmortem examination Methods 0.000 description 1
- 230000009325 pulmonary function Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000029058 respiratory gaseous exchange Effects 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 208000013220 shortness of breath Diseases 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036262 stenosis Effects 0.000 description 1
- 208000037804 stenosis Diseases 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
- 210000004885 white matter Anatomy 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- 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
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- 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)
- Medical Informatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本発明は病気の発見及び診断に役立つ医学的画像データの処理方法及び装置に関し、より具体的には、慢性閉塞性肺疾患のような病気の発見、数量化(quantifying) 、段階分け(staging) 、報告及び／又は追跡を行うための方法及び装置に関するものである。
慢性閉塞性肺疾患（ＣＯＰＤ）は米国及び他の国において主な死亡原因である。ＣＯＰＤには２つの主な病状過程、すなわち、組織破壊（気腫）と気道の炎症（慢性気管支炎）とがある。現在では、病気の進行を逆転させることのできる治療法は何ら判っていない。最善でも、病気の進行を止めることが可能なだけである。従って、病気の早期の診断及び治療が重視されている。早期の診断及び効果的な治療により、患者の生活の質を改善することができる。
人の肺の病気を発見するために有用なより一般的に使用されている診断用手段は、胸部Ｘ線写真システムである。気管支炎、気腫及び肺癌のような肺の病気はまた胸部放射線写真及びＣＴで発見可能である。しかしながら、ＣＴシステムは一般に１回のＣＴ走査で８０枚以上の別々の画像を提供し、これにより、放射線医師に対して、画像を解釈して、病気を示している可能性のある疑わしい領域を検出するのに使用するために提供される情報はかなりの量になる。
疑わしい領域は、熟練した放射線医師がその後に診断用イメージング、バイオプシー、肺の機能検査、又は他の方法を続けることを勧告するような領域として定義される。１回のＣＴ走査によって提供される大量のデータは放射線医師にとって時間のかかる処理を要求する。従来の肺癌の判別検査では一般に、放射線医師が８０枚以上の画像を手作業で解釈することが必要になる。従って、疲労が、人による読影の有病正診率及び無病正診率に影響を及ぼす重要な因子である。気腫のような他の病気では、放射線医師がＣＴ画像を見ただけで病気の進行の程度を分類することは困難である。
ＣＯＰＤは、咳、喘鳴及び息切れを含む症状に基づいて識別される。ＣＯＰＤは多数の呼吸器系統の病気を含んでおり、それらのうちの最も顕著なものは気腫及び慢性気管支炎である。ＣＯＰＤは患者の太い気道、細い気道及び柔組織を冒す。病気は、典型的には、喫煙や空気汚染によって引き起こされ、またα−アンチエラスターゼ欠乏を引き起こす遺伝子的疾病素質に関連している。
気腫、すなわち、気室破壊は、ＣＯＰＤ患者における実質性変化の最も顕著な特徴である。気腫は、肺組織の弾性収縮力の喪失の結果である。気腫には４つのタイプ、すなわち、中心小葉性気腫、汎小葉性気腫又は全葉性気腫、末梢細葉性気腫又は傍隔壁性気腫、及び不規則性気腫がある。最初の２つのタイプは、気腫性ＣＯＰＤの大部分を占める。分類は、（一群の細葉である）小葉内での気室破壊の解剖学的分布に基づいてなされる。現在では、気腫は死後検査によってのみ分類することができる。気腫は、典型的には、全生理学的反応、医用イメージング、及び死後の解剖検査によって診断される。高分解能ＣＴ画像データを使用することは、診断目的で肺容量を測定するための有望な手法である。しかしながら、より顕著な病気指標の一つは、肺胞の崩壊及び肺の他の組織変化であり、これらはＣＴ画像データから測定するのが現在では困難である。
気腫を初期段階で発見することが最も望ましい。気腫によって生じた損傷は病気の後期段階で検出されることが多く、影響は永続する。これらの気腫の影響は回復させることができないけれども、気腫の早期診断により、病気によって生じた損傷の更なる進行を防止するための処置を患者が取ることが可能になる。更に、ますます多くのセラピー（薬や手術によらない治療法）及び薬物治療法が発見されるにつれて、このような治療法に対する患者の反応を監視することが望ましい。
慢性気管支炎は気道狭窄を引き起こし、気道狭窄は肺機能を減じる。気道の変異は、典型的には、喫煙及び／又は空気汚染による刺激によって始まり、また生物学的感染によって引き起こされ又は悪化することがある。慢性気管支炎は、臨床的には、２年の期間内での３ヶ月以上にわたる持続性の咳及び喀痰によって定義される。慢性気管支炎は、単純な慢性気管支炎と、閉塞性気管支炎と、慢性喘息性気管支炎とに分類することができる。単純な慢性気管支炎では、痰は生成されない。慢性喘息性気管支炎は気道の過敏反応が関係する。閉塞性慢性気管支炎では、空気流が気道の変異によって妨げられる。慢性気管支炎は、現在では、死体リード指数(Reid index post mortem)を使用して段階分けされている。高分解能ＣＴでは、生体リード指数(Reid index in vivo)を使用して慢性気管支炎を点数で表すことが可能である。
気管支壁横断面の面積はＣＯＰＤの診断及び段階分けにおける重要な指標である。医学的画像（例えば、ＣＴ画像）から気道横断面の面積を測定することにより、内科医は病気の進行を追跡して臨床試験を速めることが可能になる。気管支の気道は、ＣＴ画像では、明るい領域によって囲まれた小さい暗い領域として現れる。暗い領域は内腔(lumen) であり、明るい領域は気管支壁と任意の付着又は隣接している血管との両方から成る。気道壁横断面の面積を測定する際、付着又は隣接している血管の厚さを取り込まないようにする必要がある。
気道が分離されていて、何ら付着又は隣接している血管が無い場合、様々な標準的な画像処理及びコンピュータ視覚手法を使用して、気道を測定することができる。撮像される気道に血管が付着又は隣接しているとき、従来の手法の一例では、内腔の中心から、何ら血管の無い場所で気道壁を通過する射線を手作業で選択する必要があった。気道横断面の面積を推定するために、この単一の射線に沿った壁厚の測定値が使用されている。
米国特許第６３３６０８２号
既知の診断手法の幾つかでは、気腫を数量化しようとして簡単なコンピュータ断層撮影（ＣＴ）画像を使用する試みがなされている。しかしながら、既知の手法は病気の基本的なモデルに基づいたものではなく、これらの手法により得られる結果の信頼性は、可変の走査パラメータ及びスキャナ較正、並びに他の病理によって影響を受ける恐れがある。その上、既知の手法では、組織破壊の割合や位置の推定値が得られない。
従って、本発明は、幾つかの構成では、病気の発見、数量化、段階分け、報告又は追跡のうちの少なくとも１つを実行するための方法を提供する。本方法は、患者の画像を利用して病気を発見、数量化、段階分け、報告及び／又は追跡するように構成された分析ソフトウエアを供給する工程を含んでいる。該分析ソフトウエアは患者のパーソナル・コンピュータ上で実行可能である。次いで、医用イメージング装置を利用して患者を撮像し、このイメージング装置によって生成された患者の医学的画像を患者のパーソナル・コンピュータへダウンロードする。前記撮像する工程及び前記ダウンロードする工程は、患者の病気を発見、数量化、段階分け、報告及び／又は追跡するのに充分な画像を分析ソフトウエアに供給するように選択された間隔で、複数回繰り返す。
本発明の幾つかの構成では、病気の発見、数量化、段階分け、報告及び／又は追跡を実行するためのネットワークを提供する。本ネットワークは、患者のパーソナル・コンピュータ上で実行可能である分析ソフトウエアを含んでいる。このソフトウエアは、患者の画像を利用して病気を発見、数量化、段階分け、報告及び／又は追跡するようにパーソナル・コンピュータに指示する構成にされた命令を含んでいる。ネットワークには少なくとも１つのイメージング装置も含まれている。イメージング装置は、患者の医学的画像を生成するように構成されている。また、患者の走査画像をその撮像された患者のパーソナル・コンピュータへ転送するためのインターフェースも設けられている。
本発明の幾つかの構成では、携帯用コンピューティング装置を提供する。携帯用コンピューティング装置は、イメージング装置によって生成された患者の医学的画像を該携帯用コンピューティング装置へダウンロードするように構成されている。また、携帯用コンピューティング装置は、患者の病気を発見、数量化、段階分け、報告及び／又は追跡するように前記ダウンロードされた医学的画像を分析して、分析結果を患者へ報告し、且つ分析結果を遠隔のデータベースへ伝送するように構成されている。
本発明の更に別の構成では、薬物治療試験を実行する方法を提供する。本方法は、患者の画像を利用して病気を発見、数量化、段階分け、報告及び／又は追跡するように構成された分析ソフトウエアを供給する工程を含んでいる。この分析ソフトウエアは複数の患者のパーソナル・コンピュータ上で実行可能である。本方法は更に、医用イメージング装置により患者を撮像して、患者の医学的画像を生成する工程と、各々の撮像された患者の医学的画像を該撮像された患者のパーソナル・コンピュータへダウンロードする工程とを含んでいる。前記撮像する工程及び前記ダウンロードする工程は、各患者の病気を発見、数量化、段階分け、報告及び／又は追跡するのに充分な画像を分析ソフトウエアに供給するように選択された間隔で、複数回繰り返す。本方法は更に、各患者のパーソナル・コンピュータを利用して医学的画像を分析して、該患者の病気を発見、数量化、段階分け、報告及び／又は追跡する工程と、各患者のパーソナル・コンピュータからの分析の結果を、更なる分析及び評価のためにデータベースへアップロードする工程とを含んでいる。
本発明の更に別の構成では、人又は物体の一方又は両方の変化し得るパラメータを、このような人又は物体の集団内で追跡するための方法及び装置を提供する。本方法は、人又は物体の画像を利用して少なくとも１つの変化し得るパラメータを追跡するように構成されている分析ソフトウエアを供給する工程を含んでいる。分析ソフトウエアは、人が所有するパーソナル・コンピュータ、又は物体を所有する人が所有するパーソナル・コンピュータで実行可能である。また、本方法は、イメージング装置によって人又は物体を撮像する工程と、イメージング装置によって生成された人又は物体の画像をパーソナル・コンピュータへダウンロードする工程とを含んでいる。前記撮像する工程及び前記ダウンロードする工程は、前記の変化し得るパラメータを追跡するのに充分な画像を分析ソフトウエアに供給するように選択された間隔で、複数回繰り返される。
本発明の更に別の構成では、病気の発見、数量化、段階分け、報告又は追跡のうちの少なくとも１つを実行するための方法を提供する。本方法は、患者の画像を利用して病気の発見、数量化、段階分け、報告又は追跡のうちの少なくとも１つを実行するように構成されている分析ソフトウエアを供給する工程と、医用イメージング装置により患者を撮像する工程と、イメージング装置によって生成された患者の医学的画像をコンピュータへダウンロードする工程と、前記撮像する工程及び前記ダウンロードする工程を複数回繰り返す工程とを含んでいる。前記繰り返す工程は、患者の病気を発見、数量化、段階分け、報告及び／又は追跡するのに充分な画像を分析ソフトウエアに供給するように選択された間隔で実行される。
本発明の更に別の構成では、病気の発見、数量化、段階分け、報告又は追跡のうちの少なくとも１つを実行するためのネットワークを提供する。本ネットワークは、コンピュータ上で実行可能である分析ソフトウエアを含んでいる。このソフトウエアは、患者の画像を利用して病気を発見、数量化、段階分け、報告及び／又は追跡するようにコンピュータに指示する構成にされた命令を含んでいる。ネットワークはまた、患者の医学的画像を生成するように構成されている少なくとも１つのイメージング装置と、患者の走査画像をコンピュータへ転送するためのインターフェースとを含んでいる。
本発明のまた別の構成では、薬物治療試験を実行する方法を提供する。本方法は、患者の画像を利用して病気の発見、数量化、段階分け、報告又は追跡のうちの少なくとも１つを実行するように構成されている分析ソフトウエアを供給する工程を含んでいる。分析ソフトウエアはコンピュータ上で実行可能である。本方法は更に、医用イメージング装置により患者を撮像して、患者の医学的画像を生成する工程と、各々の撮像された患者の医学的画像をコンピュータへダウンロードする工程と、前記撮像する工程及び前記ダウンロードする工程を複数回繰り返す工程とを含んでいる。前記繰り返す工程は、各患者の病気を発見、数量化、段階分け、報告及び／又は追跡するのに充分な画像を分析ソフトウエアに供給するように選択された間隔で実行される。本方法は更に、コンピュータを利用して医学的画像を分析して、各患者の病気を発見、数量化、段階分け、報告及び／又は追跡する工程と、コンピュータからの分析の結果を、更なる分析及び評価のためにデータベースへアップロードする工程とを含んでいる。
本発明の様々な構成は、コンピュータ断層撮影スキャンのような医学的画像からＣＯＰＤの診断、記述及び予測を可能にすることが理解されよう。パーソナル・コンピュータ及びソフトウエアを介して本発明によって提供される自動化機能は、経験を積んだ医師又は科学者の監視が有っても無くても、実行することができ、また患者の生活の質を改善できるような効果的な病気診断及び治療を可能にする。他の構成は、中央位置にあるイメージング装置と個人の携帯用コンピュータのようなパーソナル・コンピュータとを利用して、人又は物体のいずれかの変化し得るパラメータの追跡を経済的に行う。
病気の発見、数量化、段階分け、報告及び／又は追跡を容易にするシステム及び方法の構成例を以下に詳しく説明する。適切な修正により、人又は物体に関する他の変化し得るパラメータもまた、本発明の構成を利用して追跡することができることが理解されよう。本書で説明するシステム及び方法の技術的効果には、患者の病気に関する変化し得るパラメータ又は他の測定可能なパラメータの自動追跡を容易にし、及び／又は複数の個人又は他の追跡対象の物体からのこれらのパラメータの自動抽出を容易にすることが含まれる。
図１を参照して説明すると、病気の発見のためのシステム１００の全体的なブロック図が示されている。図１に記載されているシステム１００の技術的効果を達成するには、使用者によって患者又は他の物体の画像を収集して伝送する。システム１００はイメージング装置１１０を含んでおり、このイメージング装置は複数の画像を生成するために当該技術分野で知られている多数の医用イメージング装置から選択することができる。最も一般的には、コンピュータ断層撮影（ＣＴ）及び磁気共鳴イメージング（ＭＲＩ）システムが、複数の医学的画像を生成するために使用される。
ＣＴイメージング動作の際、患者をイメージング装置内に配置し、患者に複数のＸ線を照射して、一連のＸ線検出器で測定する。Ｘ線ビームが患者の特定の薄い横断面すなわち「スライス」を通過する。検出器は透過した放射線の量を測定する。この情報は身体内のサンプル点についてＸ線減衰係数を算出するために使用される。次いで、算出されたＸ線減衰係数に基づいてグレースケール画像が構成される。画像内のグレーの濃淡は、スライス内の全ての点の各々におけるＸ線吸収量を表す。ＣＴ動作の際に求められるスライスは、Ｘ線を照射した身体内の関心領域を解剖学的に正しく表現するように再構成することができる。
ＭＲイメージング動作の際は、大形の磁石によって発生された強力な磁界の内部に患者が配置される。水素原子のような、患者内の磁化された陽子が、磁石によって発生された磁界と整列する。主磁界に直交する振動磁界を生成する無線波が患者の特定のスライスに照射される。スライスはイメージング動作を行う医師又は技術者（以後、「オペレータ」と呼ぶ）によって選択された任意の平面で取ることができる。患者の身体内の陽子は先ず無線波を吸収し、次いで磁界との整列から外れるように動くことによって無線波を放出する。陽子がそれらの最初の状態（励起前の状態）に戻るとき、患者の身体から放出された無線波に基づいて診断用の像が作成される。ＣＴ像のスライスと同様に、複数のＭＲ像のスライスは、身体の関心領域についての全体の画像を得るように再構成することができる。高レベルの信号を生じる身体部分はＭＲ画像内で白色で表示されるのに対し、最低レベルの信号を生じる身体部分は黒色で表示される。高レベルと低レベルとの間の様々な信号強度を持つ他の身体部分は、灰色の濃さで表示される。
最初のＭＲ又はＣＴ画像（或いは、任意の他の種類の画像）が得られた後、これらの画像は一般にセグメント化される。セグメント化(segmentation)処理により、画像のピクセル又はボクセルが或る特性（すなわち、強度、テクスチャなど）に関して同質である特定数のクラスに分類される。例えば、脳のセグメント化された画像では、脳の物質を３つのクラス、すなわち、灰白質と、白質と、脳脊髄液とに分類することができる。セグメント化を完了した後で各クラスの区域を示すために個別の色を使用することができる。セグメント化された画像を生成した後、外科医はセグメント化された画像を使用して手術手法を計画することができる。
一般的に云えば、セグメント化されたＣＴ又はＭＲ画像を生成するには、幾つかの工程を必要とする。複数のＣＴ又はＭＲスライスのデータを取得することによって一データ・セットが生成される。セグメント化処理により、データ・セット内の各点にグレースケール値が割り当てられる。幾つかの構成では、データ内の各タイプの物質に特定の値が割り当てられ、従って、その物質が出現する毎にグレースケール値は同じ値にされる。例えば、特定の画像内で骨の全ての出現部分は特定の明るい灰色の濃さで現れる。この着色基準により、画像を観察する個人は画像内に表されている物体を容易に理解することができる。
幾つかの構成では、図１を参照して説明すると、医用イメージング・システム１００が、イメージング装置１１０と、処理装置１２０と、インターフェース・ユニット１３０とを含んでいる。イメージング装置１１０は複数の画像データ・セット２４０を作成するように適応するものであり、限定ではなく例として挙げると、コンピュータ断層撮影（ＣＴ）装置、磁気共鳴（ＭＲ）スキャナ、又はＸ線イメージング装置（これは複数ビューＸ線イメージング装置を含んでいてよい）である。ＣＴ及びＭＲの場合には、画像データは「走査」中に取得される。幾つかの構成では、画像はＣＴイメージング装置を使用して取得される。処理装置１２０は、図２を参照して以下に詳しく説明するように構成されている。処理装置１２０はまた、再構成、画像データ記憶、セグメント化などのような周知の画像処理手法のための演算及び制御機能を実行するように構成されている。幾つかの構成における処理装置１２０は、中央処理装置（ＣＰＵ）を有しており、これはマイクロプロセッサのような単一の集積回路であってよく、或いは中央処理装置の機能を与える任意の適当な数の集積回路及び／又は回路板を有するものであってよい。処理装置１２０は更に、当業者に知られている任意のタイプのメモリを含んでいてよい。このようなメモリ（図１には別個に示していない）としては、ダイナミック・ランダム・アクセス・メモリ（ＤＲＡＭ）、スタティックＲＡＭ（ＳＲＡＭ）、フラッシュ・メモリ、キャッシュ・メモリなどが挙げられ、また一種類のメモリ部品又は異なる種類のメモリ部品の組合せで構成してよい。処理装置１２０はそのメモリ内にある内蔵プログラムを実行することができると共に、画像取得及び画像観察の際に生じることのある様々な作業に応答する。
本書で用いる「適応する」、「構成され」などの用語は、記述する効果をもたらすように共働することのできる要素相互の間の機械的又は構造的関係を表すものである。これらの用語はまた、アナログ又はディジタル・コンピュータ、或いは所与の入力に応答して出力を供給するために一連の動作を実行するようにプログラムされている特定用途向け装置（例えば、特定用途向け集積回路（ＡＳＩＣ））のように電気的要素の動作能力をも表す。
インターフェース・ユニット１３０は処理装置１２０に結合されていて、使用者とシステム１００との間で通信を行えるように構成されている。処理装置１２０は更に、演算を実行すると共に、その結果を、使用者が伝送された情報を解釈することができるような態様で、インターフェース・ユニット１３０へ伝送するように構成されている。伝送される情報には、２Ｄ又は３Ｄ、カラー及びグレースケール画像の形態の画像と、診断及び検出情報に関するテキスト・メッセージとを含むことができる。インターフェース・ユニット１３０は、パーソナル・コンピュータ、画像ワークステーション、手持ち式画像表示装置、又はＣＴ又はＭＲＩシステムの一部として一般にグループ化された任意の従来の画像表示プラットフォームであってよい。
患者についての多数の走査から収集された全てのデータは、１つのデータ・セットと見なされる。各々のデータ・セットは、ピクセル又はボクセルのいずれかである相対的に小さい単位を有する。二次元データ・セットの場合、画像はピクセル単位を有する。本書で用いる「ピクセル」とは、二次元空間内の点であり、これらは通常ｘ及びｙの二次元座標を使用して表すことができる。画像内の各ピクセルは８個の他のピクセルによって囲まれており、従って、９個のピクセルが３×３の正方形を形成している。（当業者には理解されるように、画像の縁及び角にあるピクセルはその全ての辺が他のピクセルによって囲まれることはなく、従って、３×３の正方形の中心のピクセルになることはない。）。中心のピクセルを囲むこれらの８個の他のピクセルは、中心ピクセルの８個の連結隣接ピクセルと見なされる。データ・セットが三次元であるとき、画像はボクセルと呼ばれる単位で表示される。ボクセルは三次元空間内の点であり、これは通常ｘ、ｙ、ｚの三次元座標を使用して表すことができる。各ボクセルは２６個の他のボクセルによって囲まれている。（ピクセルの場合と同様に、三次元空間の縁及び角にあるボクセルはその全ての辺が他のボクセルによって囲まれることはなく、従って、３×３×３の立方体の中心のピクセルになることはない。）。これらの２６個のボクセルは、元点のボクセルの２６個の連結隣接ピクセルと見なすことができる。
画像を取得するために適切な患者走査プロトコルが使用される。例えば、ＣＴ又はＭＲＩを用いる胸部検査では、典型的には、患者の呼吸に起因して生じる画像データ内のモーション・アーティファクトを低減するために、患者は息を止めることが要求される。通常、ＣＴ又はＭＲＩによる検査は、息を一杯に吸った状態で、又は息を完全に吐いた状態で行われる。更に、特定の身体領域においてＸ線を減衰させるために造影剤が使用されことがある。造影剤は、造影剤の影響を受けた組織と影響を受けない組織との間の相違を改善する。ＣＴ画像では、造影される組織と造影されない組織との間でＣＴナンバーの差が増大する。造影剤は患者に対して経口投与、静脈内投与又は直腸投与される。
一旦上述のイメージング方法によって画像データが取得されると、画像処理装置１２０は病気に関連した組織の変化（例えば、気管支壁横断面の面積）を測定する処理を実行するように適応する。気管支壁横断面の面積は慢性気管支炎の診断及び段階分けに使用され、これに対して組織の変化及び肺容量は気腫の診断及び段階分けに使用される。慢性気管支炎及び気腫は共に慢性閉塞性肺疾患（ＣＯＰＤ）に関係している。
「気道」とも呼ばれる気管支壁の横断面の面積を医学的画像（例えば、ＣＴ画像データ）から測定することは、医師が病気の進行を追跡して臨床試験を速めることを可能にする。気管支の気道は、典型的には、ＣＴ画像では明るい領域に囲まれた小さい暗い領域として現れる。暗い領域は内腔であり、明るい領域は気管支壁と任意の付着又は隣接している血管との両方から成る。気道壁横断面の面積を測定する際、付着又は隣接している血管から気道を分離して、厚さ測定値がこのような血管を取り込んでいないようにする必要がある。
本発明の幾つかの構成では、管状構造を測定する方法を提供する。本書で用いる「管状構造」とは、内壁と外壁とを持っていて、形状が円形又は楕円形である中空の解剖学的構造を表す。管状構造の例としては、気管支壁及び気道が挙げられる。本書で述べる様々な構成の測定手法は、動脈及び他の主要な又は重要な血管のような他の解剖学的構造にも役立ち、また同様に工業用又は非破壊試験の分野における他の非解剖学的管状構造にも役立つ。例えば、取得した画像データから管状の解剖学的構造を測定する方法の一構成では、少なくとも１つのセグメント化処理を利用して、選択された関心のある管状の解剖学的構造を分離する工程と、該選択された構造の少なくとも１つの属性を測定する工程とを有する。
本発明の様々な構成では、図２を参照して説明すると、管状の解剖学的構造を測定する。図２に表された構成の技術的効果は、使用者によってコンピュータ自動化手順を開始して、管状構造の測定を行うことによって、達成される。この手順は肺内の内腔の自動化識別及び測定を含んでいてよい。図２に表された構成で解剖学的構造を測定するには、イメージング装置を利用して、構造のＣＴ又はＭＲＩ画像データを取得することを含む。取得した画像データは複数の同質領域にセグメント化し、気道内腔を次の方法によって検出する。該方法は、セグメント化する工程２１０（これは任意の既知の手法によって行うことができる）、（例えば、強度値を使用して）同様な構造を検出する工程２２０、及び同様な構造をグループ化する工程２３０を含む。測定する工程２４０は、内腔の中心を識別する工程２５０を含む。内腔の中心は、血管の存在によって偏りが導入されることなく、識別することができる。
図２によって表されるような実施形態では、内腔の中心を識別する工程２５０は、気道に沿った幾つかの場所で、内腔の内側境界に内側の楕円を当てはめると共に、内腔の外側境界に外側の楕円を当てはめる工程を含む。工程２４０における楕円による測定は、管状構造の属性を測定するために使用される。強制的に内腔の中心に一致する中心を持つようにした２つの同心の楕円を当てはめる。内側の楕円は、内腔境界がその境界に沿って数個の外れ値(outlier) を持っているので、Ｍ推定量(M-estimator) を使用して当てはめられる。 外側の楕円は、Ｍｕｓｅと、既知のロバスト推定手法と、一連のＭ推定量との組合せを使用して、当てはめられる。Ｍｕｓｅは、気道の外部境界に円を当てはめて、外側気道境界の短軸のロバスト推定値と外側境界の複数の位置におけるノイズのロバスト推定値を与えるように使用される。これらのロバスト推定値と共に、Ｍｕｓｅは外側境界に沿った点の各々を外側気道境界に対する内在値(inlier)として又は気道境界に対する外れ値（例えば、血管）として扱う。次いで、Ｍｕｓｅの円に対する内在値がＭ推定量を使用して楕円に当てはめられる。Ｍ推定量にはＭｕｓｅの円とスケール（ノイズ）のＭｕｓｅ推定値とがシード(seed)される。幾つかの構成では、Ｍ推定量は楕円のパラメータを決定するために使用されるが、スケール（ノイズ）の新しい推定値を算出するためには使用されない。Ｍ推定量が収斂するとき、楕円に対する新しい一組の内在値が、Ｍｕｓｅスケールを距離判断基準として使用して元の一組の境界点（Ｍｕｓｅの円に対する内在値だけではない）から決定される。この新しい一組の内在値はＭ推定量に供給され、Ｍ推定量には前の楕円パラメータ及びＭｕｓｅスケール推定値がシードされる。幾つかの構成では、第２のＭ推定量が楕円を再推定するが、スケールを再推定しない。この処理は、内在値の組及び楕円の当てはめが収斂するまで繰り返される。上述したような処理を採用することによって、隣接する血管が気道測定値内に取り込まれないロバストな方法が提供される。内腔の中心点を不変点として扱うことによって、楕円当てはめ問題は６つのパラメータから４つのパラメータへ有利に低減される。従って、本書で述べる構成の幾つかにおいて、内腔の中心を原点として見なして、楕円の位置パラメータを推定する必要がないようにする。
内腔検出段階は、明るい領域によって完全に囲まれた暗い領域を識別する。明るい領域の中心が決定され、射線２６０が内腔の中心から投射される。射線は一定の間隔又は弧長で内腔境界（内壁）と交差するように分布させる。各射線について、内腔境界（内壁）との交点及び気道（外壁）との交点が記録される。後者の交点は気道壁上か又は隣接する血管上にあることがある。次いで、これらの２組の交点は楕円を当てはめるために使用される。データは、数値安定性を改善するために単位正方形（−１，１）内に当てはまるように拡縮される。Ｍｕｓｅを使用して、外側気道境界のための楕円の短軸（Ｍｕｓｅの円の半径）を確実に推定し且つ外側気道境界の複数の位置におけるノイズを確実に推定する。Ｍｕｓｅはまた、最初の一組の内在値、すなわち、血管に属する点ではなく気道に属する点を識別する。Ｍ推定量にこれらの内在値、Ｍｕｓｅの円及びＭｕｓｅスケールをシードすること（並びに、スケールを推定するＭ推定量を持たないこと）により、Ｍ推定量が全境界（気道及び血管）に対する最小二乗の当てはめに退化しないようにする。円のみを推定するためにＭｕｓｅを使用することは、推定するパラメータの数を少なくし、従って推定処理を大幅に速める。このやり方での反復的「囲い入れ(corralling)」により、推定をロバストで高速に留めることができる。上述した推定処理は反復的に実行される。
内側及び外側境界が決定されると、幾つかの構成では、壁厚が気道境界の楕円と内腔境界の楕円との間の面積の差として決定される。この差は、幾つかの構成では、サブピクセル精度で決定される。その後、壁厚測定値は、平均壁厚、壁厚変動、体積測定値、二次元面積測定値、及びボリューム面積分布を計算するために使用することができる。これらの測定値は、様々な病気の進行及びＣＯＰＤの段階を診断し追跡するために使用することができる。上述の分離工程及び測定工程は、構造の全長にわたって上述の測定値を求めるために関心のある構造の長さに対応する画像データを得るように繰り返される。
上述の処理が完了したとき、本発明の幾つかの構成では、病気のレベル及び進行度についての出力を発生する。例えば、出力は患者の病気を段階分けし、治療に対する反応を測定し、薬物試験に参加するかどうかの患者の選択のためにフェノタイピング(phenotyping) を行い、解剖学的構造の安定性を測定し、病気の変化率を予測するために使用することができる。本書で用いる「フェノタイピング」とは、遺伝子構造及び環境の影響の両方によって決定されるような物理的又は生化学的特性を観察し、これらの影響に基づいた身長や血液型のような特定の形質を表現することを表す。フェノタイプ(phenotype) は、特定のフェノタイプを示す個々の又は一群の有機体である。
幾つかの構成では、取得した画像データを使用して肺の気道を測定するための装置を提供する。本装置は、画像データを取得するように構成されているイメージング装置と、イメージング装置に応答して画像を処理する画像処理装置とを有する。再び図１を参照して説明すると、画像処理装置１２０は、少なくとも１つのセグメント化処理を利用して関心のある気道を分離するように構成されている。画像処理装置１２０は更に、気道の一点で統計的手法を使用して、気道の内側境界に内側の楕円を当てはめ且つ気道の構造の外側境界に外側の楕円を当てはめるように構成されており、また更に、内側及び外側の楕円を使用して気道の測定値を生成するように構成されている。測定値は、平均壁厚、壁厚変動、体積測定値、二次元面積測定値、及び／又はボリューム面積分布の少なくとも１つを含む。これらの１つ又は複数の測定値は、病気の診断及び／又は病気の進行の追跡の少なくとも１つのために使用され、その病気とは慢性閉塞性肺疾患又は喘息である。幾つかの構成では、本装置は、 画像処理装置１２０に結合されていて、本装置の使用者に測定値を報告するように構成されている表示装置（インターフェース・ユニット１３０）を含む。
これまでの段落で説明した本発明の構成は、ＣＴによる肺の走査において疑わしい領域を突き止める。しかしながら、本書に開示する測定手法はまた、特定の病気の追跡及び診断のためにほぼ管状の解剖学的構造の測定値を使用することができる場合は、ＭＲＩ、Ｘ線、超音波及びポジトロン放出型断層撮影（ＰＥＴ）のような他のイメージング・モダリティにも有用である。
幾つかの構成では、図３を参照して説明すると、病気関連変化を測定、数量化及び／又は予測する方法を提供する。図３に表された構成の技術的効果は、使用者が病気関連変化のコンピュータ自動化測定、数量化及び／又は予測を開始したときに遂行される。本書で用いる用語「病気関連変化」とは、関心のある病気に関連した変化を表す。例えば、肺組織領域の縁の数、肺の病変領域の強度及び肺の病変領域の面積が、気腫の存在の指標であり、これらの事項の変化は病気の進行を示す。画像データは工程３１０で取得され、工程３２０で複数のセグメント化工程によってセグメント化される。セグメント化は、強度、面積、境界面、アスペクト比、直径、分散、導関数、及び病気について関心が持たれることのある他の特性のような、異なる特性を持つ領域に区分けする。セグメント化工程は、多数の既知のセグメント化手法から選択することができる。工程３３０で、セグメント化された画像データについて特徴抽出を実行して、病気についての関連する特徴を抽出する。これらの特徴は、例えば、縁の数、面積及び強度を含んでいてよい。取得、セグメント化及び特徴抽出には既知の手法を用いて、病気について関連する画像情報、又は、幾つかの構成では、疑わしい領域を抽出することができる。しかしながら、幾つかの構成では、工程３４０で更なる処理を実行して、病気を予測、数量化又は診断するのに使用するために特定の区域又は疑わしい領域に関する予測を行う。その後、区域又は疑わしい領域は、当該技術分野で知られている１つ又は複数の手法を使用して、使用者に対して画像として表示することができる。幾つかの構成では、着色したポリゴンが画像データの上部に表示される。着色したポリゴン又は同様な強調表示した領域は、以下により詳しく説明する分析の結果生じる値に対応する。セグメント化された領域の結果は、元の画像データに重なる強調表示した領域として表示される。表示は二次元（２Ｄ）、又は、構成によっては、三次元（３Ｄ）であってよい。
本発明の幾つかの構成では、画像データから得られた病気関連変化についての数量化、診断及び／又は予測の少なくとも１つを実行する方法を提供する。本方法は、画像データに対して少なくとも１つのセグメント化工程を適用して、複数のセグメント化された関心のある領域を生成する工程と、セグメント化された領域から病気に関連する特徴を抽出して、抽出された特徴を生成する工程を含んでいる。抽出された特徴は、所与の病気を表す変化についての診断、数量化及び／又は予測の少なくとも１つを実行する際に使用するためにモデル化される。例えば、幾つかの構成におけるセグメント化工程は、肺内の複数の小領域をセグメント化し、また小領域内のパラメータについて更にセグメント化することを含む。パラメータとしては、縁、面積や強度、又は他のセグメント化パラメータ、或いはそれらの組合せを含んでいてよい。
様々な構成では、図３を更に参照して説明すると、数学的モデル化工程３５０により、既知の物理的モデル化原理を使用して生物学的現象を物理的にモデル化することができる。例えば、 数学的モデル化は、フォン・ノイマンの法則に従うもののような自由境界モデルを使用して実行される。フォン・ノイマンの法則は、複数の領域から成るバブル構造又は結晶格子構造を説明するために使用される既知の原理である。フォン・ノイマンの法則によれば、多数の縁を持つ領域は成長する傾向があり、縁の数が少ない領域は収縮する傾向がある。肺及び肺領域のような解剖学的構造及び対応する領域をモデル化することによって、モデルは多数の縁を持つ領域及び少数の縁を持つ領域を検出する。縁の数は、病気の進行の確率を予測するために使用される。フォン・ノイマンの法則によれば、６つの縁を持つ領域は安定である。フォン・ノイマンの法則についての式は次のように表される。
（ｄａN ）／（ｄｔ）＝κ（Ｎ−Ｎ0 ） 式（１）
ここで、Ｎは縁の数であり、Ｎ0 は６であり、κはモデル化された構造の物理的及び化学的特性に依存するスケーリング・パラメータである。フォン・ノイマンの法則を利用した、モデルの生物学的変化は、領域が直線的な率(rate)で成長又は収縮するとき、病気の成長又は進行を推定又は予測することを可能にする。気腫の影響はこのときに回復させることができないが、上述した原理を使用して気腫の成長又は進行を監視することができる。従って、各領域の挙動は位相幾何学的変化まで予測することができる。
ここで、Ｎは縁の数であり、Ｎ0 は６であり、κはモデル化された構造の物理的及び化学的特性に依存するスケーリング・パラメータである。フォン・ノイマンの法則を利用した、モデルの生物学的変化は、領域が直線的な率(rate)で成長又は収縮するとき、病気の成長又は進行を推定又は予測することを可能にする。気腫の影響はこのときに回復させることができないが、上述した原理を使用して気腫の成長又は進行を監視することができる。従って、各領域の挙動は位相幾何学的変化まで予測することができる。
多数の自由境界モデルの１つの特性は、スケール不変性である。この特性を持つモデルでは、正規化分布ｆX（Ｘ／μ）／μは次の微分方程式を満足する。
（∂ｆX ／∂ｘ）ｘ＋（∂ｆX ／∂μ）μ＋ｆX ＝０ 式（２）
ここで、Ｘは、モデル化された構造を形成する一群の領域の中の一領域の幾何学的測度に関連した確率変数であり、また、μはＸの平均値である。
ここで、Ｘは、モデル化された構造を形成する一群の領域の中の一領域の幾何学的測度に関連した確率変数であり、また、μはＸの平均値である。
この特性を持つモデルでは、面積や周囲長のような幾何学的パラメータの確率分布を、同じパラメータの正規化分布によって与えられる基準と比較することができ、またこの比較による偏差又は差を病気についての診断及び数量化ツールとして用いることができる。
気腫に関連する特徴には、肺の病変領域の面積、肺の領域の強度、及び肺内の領域の縁の数が含まれる。これらの特徴は、フォン・ノイマンの法則を使用してモデル化することができる。他の病気もまたフォン・ノイマンの法則によってモデル化することができる。
格子又はバブル構造を持つ上述の領域について、ポッツ・モデル、マルコフ連鎖、ギブス連鎖、モンテカルロ・アルゴリズム、拡散方程式、又は位相場モデルのような他の既知の原理及び手法を、フォン・ノイマンの法則の代わりに、又はそれに加えて使用することができる。
更に図３を参照して説明すると、工程３４０で、モデル化された領域及び抽出された特徴を分析して、重症度及び進行度についての局部的な点数(score) 及び全体的な点数を付ける。幾つかの構成では、局部的な分析は選択された領域又は関心のある領域に注目し、全体的な点数は病気の進行に注目する。多くの場合、健康な組織の面積と比べた病変組織の面積、病変区域の変化率及び空間分布を含む因子を利用して、病気の段階を決定する。患者の診断及び治療の一部として、患者を段階分けするために点数付けが使用される。
本発明の幾つかの構成では、抽出された特徴を分析して、病気の重症度及び進行度を評定する。その上、グローバル分析工程３６０を実行し、該工程において、少なくとも１つのヒストグラム分析を使用して、抽出された特徴を処理する。
本発明の幾つかの構成は更に、工程３７０で病気のレベル及び進行度を表す出力を生成することを含む。例えば、この出力は、患者の病気を段階分けし、治療法に対する反応を測定し、薬物試験に参加するかどうかの患者の選択のためにフェノタイピング(phenotyping) を行い、解剖学的構造の安定性を測定し、及び／又は所与の病気の変化率を予測するために使用することができる。本書で用いる「フェノタイピング」とは、遺伝子構造及び環境の影響の両方によって決定されるような物理的又は生化学的特性を観察し、これらの影響に基づいた身長や血液型のような特定の形質を表現することを表す。フェノタイプ(phenotype) は、特定のフェノタイプを示す個々の又は一群の有機体である。
更に、上記出力は、分析結果の表示、及び上述の方法を使用して抽出された疑わしい区域の識別を含むことができる。表示は、分析による値に対応して画像内の領域を強調することができる。幾つかの構成では、着色したポリゴンが画像データの上部に表示される。表示は二次元（２Ｄ）、又は構成によっては三次元（３Ｄ）であってよい。
本発明の幾つかの構成では、取得した画像データを利用して病気関連変化の数量化、診断及び／又は予測の少なくとも１つを実行する装置を提供する。本装置は、画像データを取得するイメージング装置と、画像処理装置とを含んでいる。画像処理装置は、画像データに対して少なくとも１つのセグメント化工程を適用して、複数のセグメント化された関心のある領域を生成すると共に、セグメント化された領域から病気に関連する特徴を抽出して、抽出された特徴を生成するように構成されている。また、画像処理装置は更に、病気を表す変化についての診断、数量化及び予測のうちの１つを実行する際に使用するために上記特徴を数学的にモデル化するように構成されている。
上述した本発明の実施形態は、ＣＴによる肺の走査において疑わしい領域を突き止めるものであるが、上述した測定手法は、ＭＲＩ、Ｘ線、超音波及びポジトロン放出型断層撮影（ＰＥＴ）のような他のイメージング・モダリティに直ちに転用することができる。更に、上述した本発明の構成は肺内の気腫に関する変化のモデル化を利用するが、これらの手法は他の解剖学的領域における生化学的変化をモデル化するために使用することができる。
図４は、患者又は物体についての変化し得る病気パラメータ（又は他のパラメータ）の自動化測定を使用者により開始することによって、及び／又は（例えば、製薬会社による）分析のために患者からのデータの収集を容易にすることによって達成される技術的効果を持つシステムを表す。幾つかの構成では、図４を参照して説明すると、デスクトップ型、ラップトップ型、パームトップ型、又は他の適当な形態のパーソナル・コンピュータ４００が、ＣＯＰＤを持つ患者４０２に対して、その患者の病気の管理のために提供される。ソフトウエア又はファームウエアもまた、例えば、１つ又は複数の機械読取り可能な媒体４０４を介して、或いはインターネットのようなパブリック（又はプライベート）ネットワーク４０８上のネットワーク接続のサーバ４０６を介して提供される。（本発明の幾つかの構成で使用されるパブリック又はプライベート・ネットワークの別の例は病院ネットワークである。）。このように構成されているとき、パーソナル・コンピュータ４００は携帯用又は個人用ＣＯＰＤ記録装置４００と呼ばれる。個人用ＣＯＰＤ記録装置４００に使用するためのソフトウエア又はファームウエアは、処理装置１２０に関して前に述べた方法及びモデル化の１つ又は複数の構成を利用して、患者の肺内の組織の劣化及び気道の炎症についての測定基準を決定し、且つ再モデル化するように構成されている。例えば、図１の処理装置１２０及びインターフェース・ユニット１３０の機能は個人用ＣＯＰＤ記録装置の中に一緒にグループ化され、パーソナル・コンピュータ４００の処理装置が処理装置１２０及びインターフェース・ユニット１３０の両方の機能のうちの特定の機能を実行する。これらの機能には、気腫及び／又は気管支炎を持つ患者における病気関連変化を診断、段階分け、測定、数量化及び／又は予測するための上述の機能、並びに／或いは他の病気処理のための同様な機能を含むことができる。しかしながら、個人用ＣＯＰＤ記録装置４００は、必ずしも画像取得中に起こり得る活動に応答する必要はない。代わりに、多くの構成では、個人用ＣＯＰＤ記録装置４００は、イメージング装置１１０との直接接続又は（例えば、機械読取り可能な媒体及び／又はコンピュータ・ネットワーク接続を介しての）任意の他の適当なデータ転送のいずれかにより、イメージング装置１１０からデータを受け取るように構成される。更に、個人用ＣＯＰＤ記録装置４００の多くの構成は、実時間よりはむしろ患者によって選択された時にこのデータを分析するように構成される。個人用ＣＯＰＤ記録装置４００として使用されるパーソナル・コンピュータに既に存在する処理装置とは別個の処理装置を任意の特定の構成において必要とするかどうかは設計上の選択の問題である。この選択は、パーソナル・コンピュータ内の処理装置によって提供される速度及び演算能力によって左右されることがある。
幾つかの構成では、気道の位置及び寸法に関する統計データを使用して、母集団の中で患者を比較することができる。気腫についての自由境界（すなわち、フォーム(foam)）モデルを使用することにより、共通のモデルに対して全ての患者を比較し、且つ更なる変化の予測及び位置確認を行うことが可能になる。モデルをベースとした方法ではまた、先験的情報を取り入れることができる。前に述べたように、気道の自動化セグメント化のような手法を使用して、セグメント化の対策のためにスキャナのモデルが直接取り入れられる。追跡フレームワークは、異なる区域にある気道を見つける際に役立つ。多重仮想追跡（ＭＨＴ）能力により、気道が特定の画像スライス内に存在しているか否かの決定を、近隣のスライスから情報を収集するまで遅延させることができる。更に、幾つかの構成では、ＭＨＴは、気道の存在を予測するために使用される予測モデルを取り入れている。また、ＭＨＴは、気道のトポロジーを表すツリー(tree)を生成すると共に、解剖学的地図を生成するために使用される。従って、横断面像から多重仮想追跡を使用して、完全な気管支ツリーをつなぎ合わせて形成することができる。
個人用ＣＯＰＤ記録装置４００によって決定された測定基準からの結果がファイル・フォーマットに書き込まれ、これはデータベース４１４にインポートすることができる。このフォーマット及び能力により、データベース・アーキテクチャ内で結果の伝送、集積及び保管が可能になる。幾つかの構成では、データベース４１４を備えているコンピュータ又は記憶装置システムを、ネットワーク接続のサーバ４０６とすることができ、該サーバ４０６からは個人用ＣＯＰＤ記録装置４００用のソフトウエア・プログラムをダウンロードすることができる。他の構成では、データベース４１４は全く異なるコンピュータ又はファイル・サーバーに設けられる。幾つかの構成では、ソフトウエアは物理的媒体の形態でのみ入手可能にされており、従って、ソフトウエアがそこから個人用ＣＯＰＤ記録装置４００へダウンロード可能であるようなネットワーク接続のサーバ４０６は何ら設けられない。また、データベース４１４が設けられていない幾つかの構成では、患者４０２のような患者が、データベース４１４によって表される種類のデータベースから得られるような分析の支援を受けることなく、彼等自身の個人用ＣＯＰＤ記録装置４００の測定基準及び監視能力を使用する。別の構成では、データベース４１４は設けられているが、全ての患者４０２，４１６，４１８，４２０，４２２等がデータベース４１４へデータをアップロードするとは限らず、及び／又は全ての患者４０２，４１６，４１８，４２０，４２２等がデータベース４１４の使用によって得ることのできる利益を受けるとは限らない。
携帯用ＣＯＰＤ記録装置４００は複数の患者４０２，４１６，４１８，４２０，４２２等に提供される。携帯用ＣＯＰＤ記録装置４００は或る点では個人用血液グルコース監視装置と類似している。と云うのは、ＣＯＰＤ記録装置４００を持つ個人がこの装置を使用して、その人自身のＣＯＰＤ状態を追跡することができるからである。幾つかの構成では、個人用ＣＯＰＤ記録装置４００は、患者４０２についての必要性に従って医師によって決定された間隔で、ＣＴイメージング装置１１０又は他の適当なイメージング装置（例えば、ＭＲＩ装置）から画像データを受け取る。このデータを転送するために任意の適当な方法を使用することができ、転送は必ずしも患者４０２を走査している時に行う必要はない。画像データは、病気を発見、数量化、段階分け、報告及び／又は追跡するために適時に役立つように転送することだけが必要である。画像データはＣＯＰＤ記録装置４００のメモリに記憶されて、患者のＣＯＰＤ状態を生成するために使用され、そのＣＯＰＤ状態は要求があった時に患者４０２に対して表示画面４１２上に表示することができる。幾つかの構成では、個人用ＣＯＰＤ記録装置４００はまた、インターネットのようなプライベート又はパブリック・ネットワーク４０８を介してデータベース４１４（これは分散型データベースであってよい）へ自動化した報告を行う。例えば、個人用ＣＯＰＤ記録装置４００は、製薬会社のデータベースのような遠隔のデータベース４１４へファイルを生成して送る。記録装置４００からの情報は、他の患者４１６，４１８，４２０，４２２等が所有している他のＣＯＰＤ記録装置４００から収集された情報と共に、製薬会社の職員によって検討され、且つ、例えば、薬物治療試験を評価するため及び／又は個人治療の監視を行うために使用される。各患者の結果を普遍的な尺度に従って評価することによって、任意の数の患者４０２，４１６，４１８，４２０，４２２等の病気の重症度を、診断及び治療優先順位の決定のために直接に比較することができる。
個人用ＣＯＰＤ記録装置４００から受け取った定期的なデータを用いて、気腫についてのモデルをベースとした方式は病気の成長率の予測を可能にする。この予測は医師によって使用して、患者にとって有利である薬物治療スケジュール及び追跡検査用スケジュールを作成することができる。ＣＯＰＤ記録装置４００は、自動化した気道セグメント化及び多重仮想追跡を利用することによって、病気の位置測定、特徴付け及び診断を規定する。モデルをベースとした方式はまた、人口統計、診断及び治療法を含む自動化した診断プロセスに、他の情報を取り入れることができる。幾つかの構成では、肺組織における局部的な変化を予測する気腫についてのフォーム・モデルのような予測モデルが使用され、また階段の上り下り及び息の吐き出し検査のような治療外試験が取り入れられる。更に、ＣＯＰＤ記録装置４００は低照射線量ＣＴ検査を使用して動作し、且つ反復可能でロバストな傾向測定基準を提供することができる。
本発明の幾つかの構成では、病院、医師の事務所、又は医師の職場にある１台又は複数台のコンピュータが、患者のパーソナル・コンピュータが使用されるのと同じ態様で使用される。このような構成では、病院又は医師のコンピュータは、必然的に患者によってではなく、医師や技師や看護士によって操作され、患者は医学的画像の分析のために居ても居なくてもよい。これらの構成のいくつかでは、病院又は医師のコンピュータはネットワーク上にあり、ネットワークは病院又は他のパブリック又はプライベート医用ネットワーク、或いはインターネットであってよい。幾つかの構成では、自動化コンピュータ分析が医師のために、或いは患者の直接的な利益のためよりはむしろ薬物治療試験についてのデータを収集するために実行される。
以上のように、本発明の様々な構成は、コンピュータ断層撮影スキャンのような医学的画像からＣＯＰＤの診断、記述及び／又は予測を可能にすることが理解されよう。パーソナル・コンピュータ及びソフトウエアを介して本発明によって提供される自動化した機能は、熟練の医師又は科学者による監視があってもなくても実行することができ、また患者の生活の質を改善できるような効果的な病気の診断及び治療を可能にする。
本発明の構成は医学用途に制限されず、より一般的に、イメージング装置を利用して撮像することのできる人又は物体のいずれかの変化し得るパラメータを追跡するために利用することができる。追跡は複数の人又は物体について行うことができ、人又は物体の各々は追跡の目的で別々の関連したパーソナル・コンピュータを利用する。結果は遠隔のデータベースに集積して、上述の薬物試験に関係する構成と同様なやり方で検査することができる。
更に、本書で述べた構成の多くはまた、慢性閉塞性肺疾患群の一部である他の病気、限定ではなく一例を挙げると、喘息を含む、他の病気の診断及び／又は段階分け等を行うのに有用である。また、強度に加えて、又は強度に代えて、画像の様々な特性、限定ではなく例として挙げると、強度の標準偏差、領域の長さ、及び領域の丸みを分析することができる。
本発明を様々な特定の実施形態について説明したが、当業者には本発明を特許請求の範囲の精神および範囲内で変更して実施できることが理解されよう。
１００ 病気の発見のためのシステム
２５０ 内腔の中心を識別する工程
２６０ 射線
４１２ 表示画面
２５０ 内腔の中心を識別する工程
２６０ 射線
４１２ 表示画面
Claims (7)
- 病気の発見、数量化、段階分け、報告又は追跡のうちの少なくとも１つを実行するためのネットワークであって、
サーバから患者（４０２）のパーソナル・コンピュータ（４００）にダウンロード可能であり、前記パーソナル・コンピュータ（４００）上で実行可能である分析ソフトウエア（４０４）であって、患者の複数の医学的画像のコンピュータ分析により患者（４０２）の病気の発見、数量化、段階分け、報告又は追跡（３３０，３４０，３５０，３６０，３７０）のうちの少なくとも１つを実行するようにパーソナル・コンピュータに指示する構成にされた命令（３２０，３３０，３４０，３５０，３６０，３７０）を含んでいる分析ソフトウエア（４０４）と、
医用イメージング装置（１１０）によって生成された患者の複数の医学的画像を、患者のパーソナル・コンピュータへ転送するためのインターフェース（１３０）と、
を有しており、
前記患者の病気の発見、数量化、段階分け、報告又は追跡のうちの少なくとも１つの前記実行が、セグメント化処理を利用した、選択された関心のある管状の解剖学的構造の分離と、該選択された構造の少なくとも１つの属性の測定を含み、
前記病気は慢性閉塞性肺疾患であり、前記管状の解剖学的構造が気道であり、
前記セグメント化処理及び前記測定は、前記管状の解剖学的構造の長さにわたって前記属性の測定値を得るために複数の医学的画像で繰り返され、
前記測定が、前記気道の内腔の中心を識別することを含み、
前記気道の内側境界に内側の楕円を当てはめ、前記気道の外側境界に外側の楕円を当てはめ、前記内側及び外側の楕円を使用して前記気道の測定値を生成する、ネットワーク。 - 前記病気は慢性気管支炎及び喘息より成る群から選ばれたものである、請求項１記載のネットワーク。
- 前記ネットワークは遠隔のデータベース（４１４）を更に含んでおり、前記分析ソフトウエアは、患者の病気の状態に関する情報を前記遠隔のデータベースへ伝送するようにパーソナル・コンピュータに指示する構成にされている、請求項１又は２に記載のネットワーク。
- 前記医用イメージング装置（１１０）がコンピュータ断層撮影（ＣＴ）装置である、請求項１乃至３のいずれかに記載のネットワーク。
- 前記医用イメージング装置（１１０）が磁気共鳴イメージング（ＭＲＩ）装置である、請求項１乃至３のいずれかに記載のネットワーク。
- 前記医用イメージング装置（１１０）及び前記パーソナル・コンピュータ（４００）を有する、請求項１乃至５のいずれかに記載のネットワーク。
- 前記測定値が、平均壁厚、壁厚変動、体積測定値及び、二次元面積測定値の少なくとも１つを含む、請求項１に記載のネットワーク。
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US10/717,861 US7346203B2 (en) | 2003-11-19 | 2003-11-19 | Methods and apparatus for processing image data to aid in detecting disease |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2005199040A JP2005199040A (ja) | 2005-07-28 |
| JP2005199040A5 JP2005199040A5 (ja) | 2009-12-17 |
| JP4652023B2 true JP4652023B2 (ja) | 2011-03-16 |
Family
ID=34574626
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2004336217A Expired - Fee Related JP4652023B2 (ja) | 2003-11-19 | 2004-11-19 | 病気の発見に役立つ画像データの処理方法及び装置 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US7346203B2 (ja) |
| JP (1) | JP4652023B2 (ja) |
| CN (1) | CN1663530B (ja) |
| DE (1) | DE102004055767A1 (ja) |
| NL (1) | NL1027538C2 (ja) |
Families Citing this family (75)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7778877B2 (en) * | 2001-07-09 | 2010-08-17 | Linkshare Corporation | Enhanced network based promotional tracking system |
| US8376946B2 (en) | 2002-05-16 | 2013-02-19 | Barbara Ann Karamanos Cancer Institute | Method and apparatus for combined diagnostic and therapeutic ultrasound system incorporating noninvasive thermometry, ablation control and automation |
| US7454045B2 (en) * | 2003-10-10 | 2008-11-18 | The United States Of America As Represented By The Department Of Health And Human Services | Determination of feature boundaries in a digital representation of an anatomical structure |
| US8737699B2 (en) * | 2004-09-02 | 2014-05-27 | Siemens Medical Solutions Usa, Inc. | Combinational computer aided diagnosis |
| US8162834B2 (en) | 2006-10-18 | 2012-04-24 | Board Of Regents, The University Of Texas System | Hemoglobin contrast in ultrasound and optical coherence tomography for diagnosing diseased tissue, cancers, and the like |
| US7272762B2 (en) * | 2005-06-16 | 2007-09-18 | General Electric Company | Method and apparatus for testing an ultrasound system |
| US20070239482A1 (en) * | 2005-07-22 | 2007-10-11 | Siemens Medical Solutions Health Services Corporation | Vision Based Data Acquisition System and Method For Acquiring Medical and Other Information |
| DE102005036998B4 (de) * | 2005-08-05 | 2014-11-20 | Siemens Aktiengesellschaft | Vorrichtung zur automatischen Detektion von Auffälligkeiten in medizinischen Bilddaten |
| US8050734B2 (en) * | 2005-09-07 | 2011-11-01 | General Electric Company | Method and system for performing patient specific analysis of disease relevant changes of a disease in an anatomical structure |
| WO2007034346A2 (en) * | 2005-09-23 | 2007-03-29 | Koninklijke Philips Electronics N.V. | A method, a system and a computer program for image segmentation |
| ES2292327B1 (es) * | 2005-12-26 | 2009-04-01 | Consejo Superior Investigaciones Cientificas | Mini camara gamma autonoma y con sistema de localizacion, para uso intraquirurgico. |
| US20080009722A1 (en) * | 2006-05-11 | 2008-01-10 | Constantine Simopoulos | Multi-planar reconstruction for ultrasound volume data |
| US8923577B2 (en) * | 2006-09-28 | 2014-12-30 | General Electric Company | Method and system for identifying regions in an image |
| US7961944B2 (en) * | 2006-11-08 | 2011-06-14 | Siemens Audiologische Technik Gmbh | System and method for variational ball skinning for geometric modeling of ordered balls |
| EP2146631A4 (en) | 2007-04-13 | 2013-03-27 | Univ Michigan | SYSTEMS AND METHODS FOR FABRIC IMAGING |
| US8184878B2 (en) * | 2007-04-25 | 2012-05-22 | Kabushiki Kaisha Toshiba | Image diagnosis support system and image diagnosis support method |
| US8870771B2 (en) | 2007-05-04 | 2014-10-28 | Barbara Ann Karmanos Cancer Institute | Method and apparatus for categorizing breast density and assessing cancer risk utilizing acoustic parameters |
| US10201324B2 (en) | 2007-05-04 | 2019-02-12 | Delphinus Medical Technologies, Inc. | Patient interface system |
| JP2010528750A (ja) * | 2007-06-07 | 2010-08-26 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 管状構造の検査 |
| US20090012382A1 (en) * | 2007-07-02 | 2009-01-08 | General Electric Company | Method and system for detection of obstructions in vasculature |
| US9118635B2 (en) * | 2007-11-02 | 2015-08-25 | General Electric Company | Medical imaging system |
| US20090292213A1 (en) * | 2008-05-21 | 2009-11-26 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Circulatory monitoring systems and methods |
| US20090292214A1 (en) * | 2008-05-22 | 2009-11-26 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Circulatory monitoring systems and methods |
| US20090292222A1 (en) * | 2008-05-14 | 2009-11-26 | Searete Llc | Circulatory monitoring systems and methods |
| US20090163856A1 (en) * | 2007-12-19 | 2009-06-25 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Treatment indications informed by a prior implant information |
| US8636670B2 (en) * | 2008-05-13 | 2014-01-28 | The Invention Science Fund I, Llc | Circulatory monitoring systems and methods |
| US20100036263A1 (en) * | 2008-08-07 | 2010-02-11 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Circulatory monitoring systems and methods |
| US9717896B2 (en) * | 2007-12-18 | 2017-08-01 | Gearbox, Llc | Treatment indications informed by a priori implant information |
| US20090287120A1 (en) | 2007-12-18 | 2009-11-19 | Searete Llc, A Limited Liability Corporation Of The State Of Delaware | Circulatory monitoring systems and methods |
| WO2009102930A2 (en) * | 2008-02-13 | 2009-08-20 | Kitware, Inc. | Method and system for measuring tissue damage and disease risk |
| US9289140B2 (en) | 2008-02-29 | 2016-03-22 | The Regents Of The University Of Michigan | Systems and methods for imaging changes in tissue |
| CN101677799B (zh) * | 2008-03-25 | 2012-05-30 | 株式会社东芝 | 医用图像处理装置以及x射线诊断装置 |
| US20090252392A1 (en) * | 2008-04-08 | 2009-10-08 | Goyaike S.A.A.C.I.Y.F | System and method for analyzing medical images |
| US8428688B2 (en) * | 2008-11-10 | 2013-04-23 | Siemens Aktiengesellschaft | Automatic femur segmentation and condyle line detection in 3D MR scans for alignment of high resolution MR |
| WO2010093772A1 (en) | 2009-02-12 | 2010-08-19 | Alcon Research, Ltd. | Method and apparatus for ocular surface imaging |
| US9241622B2 (en) | 2009-02-12 | 2016-01-26 | Alcon Research, Ltd. | Method for ocular surface imaging |
| US7995702B2 (en) * | 2009-08-25 | 2011-08-09 | General Electric Company | System and method of data interpolation in fast kVp switching dual energy CT |
| US8611627B2 (en) | 2009-12-23 | 2013-12-17 | General Electric Company | CT spectral calibration |
| RU2012132278A (ru) * | 2010-01-12 | 2014-02-20 | Ф. Хоффманн-Ля Рош Аг | Трициклические гетероциклические соединения, содержащие их композиции и способы их применения |
| JP2013519455A (ja) | 2010-02-12 | 2013-05-30 | デルフィヌス メディカル テクノロジーズ，インコーポレイテッド | 患者の組織を特徴づける方法 |
| WO2011100691A1 (en) | 2010-02-12 | 2011-08-18 | Delphinus Medical Technologies, Inc. | Method of characterizing the pathological response of tissue to a treatmant plan |
| JP4981938B2 (ja) * | 2010-03-08 | 2012-07-25 | 富士フイルム株式会社 | 診断支援装置、冠動脈解析プログラムおよび冠動脈解析方法 |
| US10380735B2 (en) * | 2010-04-16 | 2019-08-13 | Koninklijke Philips N.V. | Image data segmentation |
| ES2581543T3 (es) * | 2010-05-06 | 2016-09-06 | Novartis Ag | Dispositivos y métodos para evaluar cambios en la salud corneal |
| US9014456B2 (en) * | 2011-02-08 | 2015-04-21 | University Of Louisville Research Foundation, Inc. | Computer aided diagnostic system incorporating appearance analysis for diagnosing malignant lung nodules |
| AU2012275114A1 (en) | 2011-06-29 | 2014-01-16 | The Regents Of The University Of Michigan | Analysis of temporal changes in registered tomographic images |
| US9053534B2 (en) | 2011-11-23 | 2015-06-09 | The Regents Of The University Of Michigan | Voxel-based approach for disease detection and evolution |
| WO2013140374A2 (en) * | 2012-03-23 | 2013-09-26 | Koninklijke Philips N.V. | Volume rendering |
| EP2845023A1 (en) | 2012-05-04 | 2015-03-11 | The Regents of the University of Michigan | Mean diffusivity measurement corrections for gradient non-linearity |
| US9763641B2 (en) | 2012-08-30 | 2017-09-19 | Delphinus Medical Technologies, Inc. | Method and system for imaging a volume of tissue with tissue boundary detection |
| JP6242572B2 (ja) * | 2012-11-29 | 2017-12-06 | 東芝メディカルシステムズ株式会社 | 医用画像撮影装置および画像処理装置 |
| BR112015017602A2 (pt) * | 2013-01-28 | 2017-07-11 | Koninklijke Philips Nv | aparelho para determinar dados médicos para uma primeira imagem com o uso de processamento de imagens, método para determinar dados médicos para uma primeira imagem com o uso de processamento de imagens, e produto de programa de computador |
| US10123770B2 (en) | 2013-03-13 | 2018-11-13 | Delphinus Medical Technologies, Inc. | Patient support system |
| US20150003204A1 (en) * | 2013-06-27 | 2015-01-01 | Elwha Llc | Tactile feedback in a two or three dimensional airspace |
| US9804675B2 (en) | 2013-06-27 | 2017-10-31 | Elwha Llc | Tactile feedback generated by non-linear interaction of surface acoustic waves |
| WO2015023732A1 (en) * | 2013-08-13 | 2015-02-19 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Systems, methods and devices for analyzing quantitative information obtained from radiological images |
| DE102014207449A1 (de) * | 2014-04-17 | 2015-10-22 | Friedrich-Alexander-Universität Erlangen-Nürnberg | Automatische Erkennung eines potenziellen Pleuraergusses |
| US10285667B2 (en) | 2014-08-05 | 2019-05-14 | Delphinus Medical Technologies, Inc. | Method for generating an enhanced image of a volume of tissue |
| WO2016030792A1 (en) * | 2014-08-29 | 2016-03-03 | Koninklijke Philips N.V. | Handling undetermined quantifiable lesions |
| US10806372B2 (en) * | 2014-09-09 | 2020-10-20 | Siemens Healthcare Gmbh | Method and system for simultaneous evaluation of airway wall density and airway wall inflammation |
| US10039510B2 (en) * | 2015-09-22 | 2018-08-07 | Siemens Healthcare Gmbh | Visualizing different types of airway wall abnormalities |
| JP6503327B2 (ja) * | 2015-10-15 | 2019-04-17 | ダイキン工業株式会社 | 生理状態判定装置及び生理状態判定方法 |
| WO2017117144A1 (en) * | 2015-12-28 | 2017-07-06 | Dexcom, Inc. | Wearable apparatus for continuous blood glucose monitoring |
| US10650512B2 (en) | 2016-06-14 | 2020-05-12 | The Regents Of The University Of Michigan | Systems and methods for topographical characterization of medical image data |
| JP2018122093A (ja) * | 2017-02-02 | 2018-08-09 | 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、ｘ線ｃｔ装置、及び医用画像処理方法 |
| US11664114B2 (en) * | 2017-05-25 | 2023-05-30 | Enlitic, Inc. | Medical scan assisted review system |
| CN107292103B (zh) * | 2017-06-19 | 2020-07-31 | 京东方科技集团股份有限公司 | 一种预测图像生成方法及装置 |
| US10803579B2 (en) | 2017-10-13 | 2020-10-13 | Beijing Keya Medical Technology Co., Ltd. | Interactive clinical diagnosis report system |
| CN109378043A (zh) | 2017-10-13 | 2019-02-22 | 北京昆仑医云科技有限公司 | 基于患者的医学图像生成诊断报告的系统和方法及介质 |
| US10803581B2 (en) * | 2017-11-06 | 2020-10-13 | Beijing Keya Medical Technology Co., Ltd. | System and method for generating and editing diagnosis reports based on medical images |
| US10918309B2 (en) * | 2019-04-11 | 2021-02-16 | Siemens Healthcare Gmbh | Artificial intelligence-based COPD assessment |
| CN110364259B (zh) * | 2019-05-30 | 2022-05-31 | 中国人民解放军总医院 | 一种高原疾病预测方法、系统、介质及电子设备 |
| CN110458817B (zh) * | 2019-08-05 | 2023-07-18 | 上海联影医疗科技股份有限公司 | 医学图像的质量预测方法、装置、设备及存储介质 |
| CN113261944B (zh) * | 2021-06-29 | 2022-12-27 | 上海长征医院 | 气道阻力获取装置、方法、诊断装置、介质及电子设备 |
| CN114010215B (zh) * | 2021-12-14 | 2022-08-05 | 清华大学 | 用于医学影像辅助诊断支气管扩张的方法及装置 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000051207A (ja) * | 1998-08-13 | 2000-02-22 | Toshiba Corp | 医用画像処理装置 |
| JP2003038476A (ja) * | 2001-08-03 | 2003-02-12 | Konica Corp | コンピュータ支援診断システム |
| JP2003070781A (ja) * | 2001-09-04 | 2003-03-11 | Hitachi Medical Corp | 医用画像診断支援装置 |
Family Cites Families (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5235510A (en) * | 1990-11-22 | 1993-08-10 | Kabushiki Kaisha Toshiba | Computer-aided diagnosis system for medical use |
| US5878746A (en) * | 1993-08-25 | 1999-03-09 | Lemelson; Jerome H. | Computerized medical diagnostic system |
| US5782762A (en) * | 1994-10-27 | 1998-07-21 | Wake Forest University | Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen |
| CN1095354C (zh) * | 1996-06-04 | 2002-12-04 | 浙江大学 | 用于心血管疾病的无损定量诊断系统的使用方法 |
| CN1185307A (zh) * | 1996-12-18 | 1998-06-24 | 杨宏伟 | 医用影像计算机诊断系统 |
| UA64743C2 (uk) * | 1997-03-13 | 2004-03-15 | Фьост Опініон Корпорейшн | Автоматизований спосіб керування лікуванням (варіанти) та система керування лікуванням захворювань (варіанти) шляхом здійснення способів оптимізації лікування і медичної діагностики за допомогою вибору варіантів питань, медичної діагностики, терапевтичних змін, режиму попереднього перегляду, визначення відсутності відповіді, оцінювання здоров'я, визначення значущого симптому |
| JP3336241B2 (ja) * | 1997-12-25 | 2002-10-21 | 富士通株式会社 | 医療情報システム及び患者用端末装置 |
| JPH11239165A (ja) * | 1998-02-20 | 1999-08-31 | Fuji Photo Film Co Ltd | メディカルネットワークシステム |
| US6336082B1 (en) | 1999-03-05 | 2002-01-01 | General Electric Company | Method for automatic screening of abnormalities |
| US6819785B1 (en) * | 1999-08-09 | 2004-11-16 | Wake Forest University Health Sciences | Image reporting method and system |
| US6418334B1 (en) * | 1999-10-19 | 2002-07-09 | General Electric Company | Method and apparatus for logging and dynamically configuring performance analysis of a medical diagnostic imaging system |
| US6356780B1 (en) * | 1999-12-22 | 2002-03-12 | General Electric Company | Method and apparatus for managing peripheral devices in a medical imaging system |
| JP3945974B2 (ja) * | 2000-11-13 | 2007-07-18 | 富士フイルム株式会社 | 画像送信装置および画像送信方法 |
| US6876759B2 (en) * | 2001-02-01 | 2005-04-05 | Fuji Photo Film Co., Ltd. | Image transmitting system, image transmitting method and storage medium |
| US6901277B2 (en) * | 2001-07-17 | 2005-05-31 | Accuimage Diagnostics Corp. | Methods for generating a lung report |
| WO2003017833A1 (en) * | 2001-08-31 | 2003-03-06 | Jong-Won Park | Method and apparatus for a medical image processing system |
| AU2002331850A1 (en) * | 2001-09-11 | 2003-03-24 | Pulmonx | Methods of endobronchial diagnosis using imaging |
| US7158692B2 (en) * | 2001-10-15 | 2007-01-02 | Insightful Corporation | System and method for mining quantitive information from medical images |
| US7058210B2 (en) | 2001-11-20 | 2006-06-06 | General Electric Company | Method and system for lung disease detection |
| WO2003070102A2 (en) * | 2002-02-15 | 2003-08-28 | The Regents Of The University Of Michigan | Lung nodule detection and classification |
| CA2486309A1 (en) * | 2002-05-13 | 2003-11-20 | Magnolia Medical Technologies Ltd. | System and method for analysis of medical image data |
-
2003
- 2003-11-19 US US10/717,861 patent/US7346203B2/en active Active
-
2004
- 2004-11-17 NL NL1027538A patent/NL1027538C2/nl not_active IP Right Cessation
- 2004-11-18 DE DE102004055767A patent/DE102004055767A1/de not_active Withdrawn
- 2004-11-19 CN CN2004100942108A patent/CN1663530B/zh not_active Expired - Fee Related
- 2004-11-19 JP JP2004336217A patent/JP4652023B2/ja not_active Expired - Fee Related
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000051207A (ja) * | 1998-08-13 | 2000-02-22 | Toshiba Corp | 医用画像処理装置 |
| JP2003038476A (ja) * | 2001-08-03 | 2003-02-12 | Konica Corp | コンピュータ支援診断システム |
| JP2003070781A (ja) * | 2001-09-04 | 2003-03-11 | Hitachi Medical Corp | 医用画像診断支援装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| US20050105788A1 (en) | 2005-05-19 |
| CN1663530A (zh) | 2005-09-07 |
| DE102004055767A1 (de) | 2005-06-23 |
| CN1663530B (zh) | 2010-12-22 |
| NL1027538A1 (nl) | 2005-05-23 |
| US7346203B2 (en) | 2008-03-18 |
| NL1027538C2 (nl) | 2009-05-26 |
| JP2005199040A (ja) | 2005-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4652023B2 (ja) | 病気の発見に役立つ画像データの処理方法及び装置 | |
| JP4469594B2 (ja) | 疾患関連組織変化を測定するシステム | |
| NL1024858C2 (nl) | Werkwijze en systeem voor luchtwegmeting. | |
| JP5081390B2 (ja) | 腫瘍量を監視する方法及びシステム | |
| Yoshida et al. | Computerized detection of colonic polyps at CT colonography on the basis of volumetric features: pilot study | |
| Brown et al. | Lung micronodules: automated method for detection at thin-section CT—initial experience | |
| CN105431089B (zh) | 根据肝脏扫描确定肝功能的系统和方法 | |
| US8050734B2 (en) | Method and system for performing patient specific analysis of disease relevant changes of a disease in an anatomical structure | |
| US20030095692A1 (en) | Method and system for lung disease detection | |
| US20090022375A1 (en) | Systems, apparatus and processes for automated medical image segmentation | |
| JP2008521468A (ja) | デジタル医療画像分析 | |
| US20080304616A1 (en) | Segmenting colon wall via level set techniques | |
| US10918309B2 (en) | Artificial intelligence-based COPD assessment | |
| JP2019082881A (ja) | 画像検索装置、方法およびプログラム | |
| WO2020110519A1 (ja) | 類似度決定装置、方法およびプログラム | |
| Zhou et al. | Computerized analysis of coronary artery disease: performance evaluation of segmentation and tracking of coronary arteries in CT angiograms | |
| US20220076421A1 (en) | Method for identifying bone images | |
| Joseph et al. | Lungecho-resource constrained lung ultrasound video analysis tool for faster triaging and active learning | |
| Edmund et al. | Artificial intelligence-assisted internet of medical things enabling medical image processing | |
| Abdihamzehkolaei et al. | An observer comparison study to evaluate a machine learning model to quantify the infected pneumonia on lung CT images | |
| Rohini et al. | Digital transformation technology and tools: shaping the future of primary health care | |
| Qureshi | Computer aided assessment of CT scans of traumatic brain injury patients | |
| REEVES | New Directions in The Computer Aided Measurement and Analysis of CT Images of The Lungs | |
| Xue | A New Image Quantitative Method for Diagnosis and Therapeutic Response | |
| Mencattini et al. | Metrological assessment of a CAD system for the early diagnosis of breast cancer in digital mammography |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20071115 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20091030 |
|
| RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20091030 |
|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20091030 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20091124 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100208 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100601 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100714 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20100803 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101025 |
|
| A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20101108 |
|
| 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: 20101130 |
|
| 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: 20101215 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 4652023 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: 20131224 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| LAPS | Cancellation because of no payment of annual fees |