JP5142011B2 - 或る期間にわたる病気の治療の進展又は進展不足を示す複合重症度スコアを生成する命令を持つコンピュータ・アクセス可能な記憶媒体 - Google Patents

Description

本発明は一般的に云えば医学的診断に関し、より具体的には患者の画像から医学的状態を診断することに関するものである。

医学的状態すなわち病気の一形態に神経変性障害（ＮＤＤ）がある。ＮＤＤは初期段階で検出することが困難であると共に、相異なる患者集団の間で比較するために標準化された態様で定量化することが難しい。研究者により、ノーマル（すなわち、健常な）患者集団からの統計的偏差を決定するための方法が開発されている。

これらの初期の方法は、２種類の標準化、すなわち、解剖学的標準化及び強度標準化を使用して患者画像を変換することを含む。解剖学的標準化では、画像を患者の座標系から標準化した基準座標系へ変換する。また、強度標準化では、基準画像に等価な強度を持つように患者の画像を調節することを含む。その結果得られる変換後の画像は基準データベースと比較される。このデータベースは年齢及びトレーサ別の基準データを含む。その結果の分析の殆どは、点又は領域に関する統計的偏差の形態、典型的には、Ｚスコアの形態を取っている。或る実施形態では、トレーサは核イメージングにおいて使用される放射性トレーサである。

ＮＤＤの検出にとって重要な要素は、年齢及びトレーサ別のノーマル・データベースを開発することである。このようなノーマル値との比較は、標準化されたドメイン(domain)で、例えば、Talairach ドメイン又はモントリオール神経学研究所（ＭＮＩ）ドメインで行われるしかない。ＭＮＩは、大きな一連の磁気共鳴イメージング（ＭＲＩ）走査を使用することによって標準脳を定義する。Talairach ドメインは、Talairach 及びTournouxアトラス(atlas) のために解剖されて写真撮影された脳を基準とする。Talairach ドメイン及びＭＮＩドメインの両方において、整合手法を使用してこの標準ドメインにデータをマッピングしなければならない。上記の方法の変形を使用する現在の方法は、トレーサＮｅｕｒｏＱ（登録商標）、統計的パラメータ・マッチング（ＳＰＭ）、３Ｄ定位表面投影（３Ｄ−ＳＳＰ）など含む。

比較が行われた後、解剖学的構造の統計的偏差を表す画像が画面表示され、その後、これらの画像を参照して病気の診断を行うことが可能である。診断は非常に専門的な仕事であり、熟練した医学的画像専門家によってのみ行うことができる。このような専門家であっても、病気の重症度(severity)に関して主観的な判定しかできない。従って、診断は一貫せず且つ標準化されない傾向がある。診断は科学と云うよりは芸術の分野に入るとも云える。

以上の理由で、また本明細書を読んで理解したときに当業者に明らかになる他の理由で、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法が当該技術分野で要望されている。

本書では上述の短所、欠点及び問題に対処する。これは以下の説明を読み且つ検討することによって理解されよう。

一面では、医学的診断用画像の規範的な分類インデックスを生成するための方法を提供し、該方法は、少なくとも１つの解剖学的領域の画像データにアクセスする段階であって、該解剖学的画像データがイメージング時における解剖学的領域内の少なくとも１つのトレーサに関連した機能的情報の表示と合致している段階と、前記解剖学的画像データから及び人の判定基準に基づいた規範的な標準化された解剖学的画像データから偏差データを決定する段階と、少なくとも１つの解剖学的領域の各々について偏差データを提示する段階と、少なくとも１つの解剖学的領域の各々について一重症度レベルに分類される予想画像偏差を提示する段階と、重症度インデックスの選択の表示を受け取る段階と、規則に基づいたプロセスを参照して複数の重症度インデックスから複合重症度スコアを作成する段階と、を含む。

別の面では、医学的診断用画像の規範的な分類インデックスについて人を教育するための方法を提供し、該方法は、少なくとも１つの解剖学的領域についての画像データにアクセスする段階であって、該解剖学的画像データがイメージング時における解剖学的領域内の少なくとも１つのトレーサに関連した機能的情報の表示と合致している段階と、前記解剖学的画像データから及び規範的な標準化された解剖学的画像データから偏差データを決定する段階と、少なくとも１つの解剖学的領域の各々について偏差データを提示する段階と、少なくとも１つの解剖学的領域の各々について一重症度レベルに分類される専門家の決定した画像偏差を提示する段階と、画面表示(display) された画像の視覚的類似性及び専門家の決定した画像偏差に基づいて重症度インデックスの選択の表示を選択する際に人を導く段階と、を含む。

更に別の面では、病気の状態の変化を識別するための方法を提供し、該方法は、解剖学的特徴の少なくとも２つの縦方向画像データにアクセスする段階であって、該縦方向解剖学的画像データがイメージング時における解剖学的特徴内の少なくとも１つのトレーサに関連した機能的情報の表示と合致している段階と、縦方向の解剖学的画像データの各々から及び人の判定基準に基づいた規範的な標準化された解剖学的画像データから偏差データを決定する段階と、解剖学的特徴について偏差データを提示する段階と、解剖学的特徴の各々について一重症度レベルに分類される予想画像偏差を提示する段階と、各々の縦方向データ・セットについて重症度インデックスの選択の表示を受け取る段階と、規則に基づいたプロセスを参照して複数の重症度インデックスから複合重症度変化スコアを作成する段階と、を含む。

また更に別の面では、病気の状態の変化を識別するための方法を提供し、該方法は、解剖学的特徴の縦方向画像データにアクセスする段階と、解剖学的縦方向画像データを、イメージング時における解剖学的特徴内の少なくとも１つのトレーサに関連した規範的な標準化された解剖学的画像データと比較する段階と、解剖学的特徴の各々について偏差データを提示する段階と、解剖学的特徴の各々について一重症度レベルに分類される予想画像偏差を提示する段階と、解剖学的特徴の縦方向画像データの各々について重症度インデックスの選択の表示を受け取る段階であって、該解剖学的縦方向画像データがイメージング時における解剖学的特徴内の少なくとも１つのトレーサに関連した機能的情報の表示と合致している段階と、規則に基づいたプロセスを参照して複数の重症度インデックスから複合重症度変化スコアを作成する段階と、該複合重症度変化スコアを提示する段階と、を含む。

また別の面では、診断用医学的画像の模範的な知識ベースを生成するための方法を提供し、該方法は、少なくとも１つの解剖学的特徴の画像偏差データにアクセスする段階と、画像偏差データの各々に一重症度分類レベルを割り当てる段階と、画像偏差データと該画像偏差データの各々に対する重症度分類レベルとのデータベースを作成する段階と、を含む。

本書では様々な範囲のシステム、クライアント、サーバ、方法及びコンピュータ読取り可能な媒体を記述する。本項目で述べた様々な面及び利点に加えて、更なる面及び利点が図面を参照し且つ以下の詳しい説明を読むことによって明らかになろう。

以下の詳しい説明では、その一部を形成する添付図面を参照する。図面には、実施することのできる特定の実施形態を例として示している。これらの実施形態について、当業者が該実施形態を実施することができるように充分詳しく説明する。また、他の実施形態を利用することができること、並びに実施形態の範囲から逸脱することなく論理的、機械的、電気的及びその他の変更を行うことができることを理解されたい。従って、以下の説明は、限定を表すものと解釈されるべきではない。

詳しい説明は５つの部分に分けてある。第１の部分では、システム全体の概要を説明する。第２の部分では、方法の実施形態を説明する。第３の部分では、ハードウエアと、様々な実施形態を実施することができる動作環境とを説明する。第４の部分では、装置の実施形態を説明する。最後に、第５の部分では、この詳しい説明の結論を提供する。

［システム全体の概要］
図１は、ノーマル患者集団からの統計的偏差を決定するためのシステムの概要を表すブロック図である。システム１００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

システム１００はノーマル画像データベース１０２を含む。ノーマル画像データベース１０２は、病気のない解剖学的構造の画像を含む。ノーマル画像データベース１０２は、病気のある解剖学的構造の画像を識別するのに役立つ比較のためのベースラインを提供する。比較ベースラインは、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供する。

或る実施形態では、ノーマル画像データベース１０２は、ノーマル解剖学的画像を標準化して解剖学的特徴を抽出する手段１０４によって、また抽出した解剖学的特徴画像を平均化する別の手段１０６によって、作成される。平均化した解剖学的特徴画像は、充分に、ノーマル解剖学的特徴と見なされる典型的な病気のない解剖学的特徴の範囲内にある。ノーマル画像データベース１０２を作成する例を後述の図１１及び図１２に示す。

システム１００はまた、患者の解剖学的画像を標準化して、該標準化した患者画像の解剖学的特徴を抽出する手段１０８を含む。抽出した解剖学的特徴の画像及びノーマル画像データベース１０２内の画像は、比較を行えるようにするフォーマットで符号化される。

システム１００はまた、抽出した解剖学的特徴の画像とノーマル画像データベース１０２内の画像との間の比較を遂行する手段１１０を含む。或る実施形態では、画素毎の比較が行われる。或る実施形態では、比較により静的比較ワークフロー１１２が作られる。静的比較ワークフローの一実施形態が図３に示されている。或る実施形態では、比較により、特定の解剖学的特徴に特有であるＺスコアのデータベース１１４が作られる。或る実施形態では、比較により縦方向比較ワークフロー１１６が作られる。縦方向はまた時間に関するものとして知られている。縦方向比較は、或る時間間隔にわたって画像を比較することである。関連する一実施形態を後述する図１５の装置１５００に示す。

或る実施形態は、図１４のコンピュータ１４０２のようなコンピュータ上で多重処理マルチスレッド式(multi-threaded)動作環境内で動作する。システム１００は任意の特定のノーマル画像データベース１０２、ノーマル解剖学的画像を標準化して解剖学的特徴を抽出する手段１０４、抽出した解剖学的特徴画像を平均化する手段１０６、患者の解剖学的画像を標準化して、標準化した患者画像の解剖学的特徴を抽出する手段１０８、抽出した解剖学的特徴の画像とノーマル画像データベース内の画像との間の比較を遂行する手段１１０、静的比較ワークフロー１１２、特定の解剖学的特徴に特有であるＺスコアのデータベース１１４、及び縦方向比較ワークフロー１１６に限定されないが、明確にするために、簡略化したノーマル画像データベース１０２、ノーマル解剖学的画像を標準化して解剖学的特徴を抽出する手段１０４、抽出した解剖学的特徴画像を平均化する手段１０６、患者の解剖学的画像を標準化して、標準化した患者画像の解剖学的特徴を抽出する手段１０８、抽出した解剖学的特徴の画像とノーマル画像データベース内の画像との間の比較を遂行する手段１１０、静的比較ワークフロー１１２、特定の解剖学的特徴に特有であるＺスコアのデータベース１１４、及び縦方向比較ワークフロー１１６について説明する。

［方法の実施形態］
前の部分において、一実施形態の動作についてシステム全体の概要を説明した。本部分では、このような実施形態の特定の方法を一連の流れ図を参照して説明する。流れ図を参照しての方法の説明により、当業者なら、方法を適当なコンピュータで実施するためのインストラクションを含み、またコンピュータ読取り可能な媒体からのインストラクションを実行するような、プログラム、ファームウエア又はハードウエアを開発することができよう。同様に、サーバ・コンピュータ・プログラム、ファームウエア又はハードウエアによって遂行される方法はまた、コンピュータ実行可能なインストラクションで構成される。方法２００〜１３００は図１４のコンピュータ１４０２のようなコンピュータで実行するプログラムによって遂行され、又はコンピュータの一部であるファームウエア又はハードウエアによって遂行される。

図２は、ノーマル患者集団からの統計的偏差を決定するための方法２００の流れ図である。方法２００は、ノーマル解剖学的画像を標準化して解剖学的特徴を抽出する段階２０２を含む。或る実施形態では、標準化は、ノーマル解剖学的画像を、Talairach ドメイン又はモントリオール神経学研究所（ＭＮＩ）ドメインのような定義されたアトラス／座標系にマッピングすることを含む。方法２００はまた、抽出した解剖学的特徴画像を平均化して、ノーマルな、病気のない解剖学的特徴のデータベースを作る段階２０４を含む。

方法２００は、患者の解剖学的画像を標準化して、標準化した患者画像から解剖学的特徴を抽出する段階２０６を含む。方法２００はまた、抽出した患者の解剖学的特徴とノーマル画像データベース内の画像とを比較する段階２０８を含む。

方法２００はまた、静的比較ワークフローを作成する段階２１０、特定の解剖学的特徴に特有であるＺスコアのデータベース１１４を作成する段階２１２、及び縦方向比較ワークフローを作成する段階２１４を含む。縦方向はまた時間として知られている。縦方向比較は、或る時間間隔にわたる画像を比較する。

方法２００の或る実施形態では、特定の解剖学的特徴に特有であるＺスコアのデータベース１１４を作成する段階２１２の後、方法２００は更に、解剖学的構造特有のＺインデックスのデータベース内の特定のトレーサに関連している脳のような１つ以上の特定の解剖学的特徴の１つ以上の画像にアクセスする段階と、検索された脳画像データを、同じトレーサに関連している規範的な標準化された脳画像データ１０２と比較し、これにより１つ以上の重症度スコアを作る段階と、重症度スコアに関連したＺスコア・データベース１１４を更新する段階と、随意選択により、重症度スコアを編集し、改良し、及び／又は更新する段階と、模範的な画像とＺスコア・データベース１１４からの関連した重症度スコアとを提示する段階とを含む。

図３は、重症度インデックスにリーダ(reader)を導くための静的比較ワークフローの略図である。静的比較ワークフロー３００は、解剖学的特徴「Ａ」３０２、解剖学的特徴「Ｂ」３０４、解剖学的特徴「Ｃ」３０６及び「ｎ」番目の解剖学的特徴３０８のような多数の解剖学的特徴について動作可能である。解剖学的特徴の例としては、脳又は心臓についてのものが挙げられる。

各々の解剖学的特徴について、或る病気又は状態の程度に様々な変化を持つ多数の画像が提供される。例えば、解剖学的特徴「Ａ」３０２について、病気又は状態の程度に様々な変化を持つ多数の画像３１０が提供され、また解剖学的特徴「Ｂ」３０４について、病気又は状態の程度に様々な変化を持つ多数の画像３１２が提供され、また解剖学的特徴「Ｃ」３０６について、病気又は状態の程度に様々な変化を持つ多数の画像３１４が提供され、また解剖学的特徴「Ｎ」３０８について、病気又は状態の程度に様々な変化を持つ多数の画像３１６が提供される。

各々の解剖学的特徴について、解剖学的特徴の画像を病気又は状態の重症度に従って順序付け（３１８）する。例えば、解剖学的特徴「Ａ」３０２について、画像３１０を、病気又は状態が最小の程度又は大きさから、病気又は状態が最大の程度又は大きさまで、昇順に順序付けする。

その後、画像３２０を評価検討することにより、一連の順序付けした画像と比較して画像３２０における病気又は状態の程度を決定する。例えば、画像３２０を評価検討することにより、解剖学的特徴「Ａ」３０２の一連の順序付けした画像３１０と比較して画像３２０における病気又は状態の程度を決定する。或る実施形態では、複数の解剖学的構造３０２、３０４、３０６及び３０８について患者からの複数の画像３２０を評価検討する。

比較により、患者画像３２０における病気の程度を示す又は表す重症度インデックス３２２が作成される。或る実施形態では、複数の患者画像３２０における病気の程度を示す又は表す複数の重症度インデックス３２２が作成される。別の実施形態では、統計的分析３２６を使用して総合患者重症度スコア３２４が作成される。

静的比較ワークフロー３００は或る数の解剖学的特徴及び或る数の実例データについて動作可能である。しかしながら、これらの解剖学的特徴の数及び実例データの数は、多数の解剖学的特徴及び多数の実例データの単なる一実施形態にすぎない。他の実施形態では、他の数の解剖学的特徴及び他の数の実例データが用いられる。

図４は、一実施形態に従って構造化された固有の医学的診断用インストラクション援助を生成するための方法４００の流れ図である。方法４００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法４００は、解剖学的特徴の画像の重症度インデックスの表示を受け取る段階４０２を含む。重症度インデックスは、病気のない解剖学的構造と比較した解剖学的構造内の病気の程度を示す。解剖学的構造の例は、脳及び心臓である。予想された／専門家により手引きされた画像をユーザによって指定することにより、各々の解剖学的位置及びトレーサについての重症度インデックスをトリガする。

各々の画像は、解剖学的特徴が少なくとも１つのトレーサを含んでいる間に作成されたものである。画像の取得には、磁気共鳴イメージング、ポジトロン放出断層撮影、コンピュータ断層撮影、単一フォトン放出コンピュータ断層撮影、超音波及び光学的イメージングのような、多数の通常のイメージング技術の内の任意のものを使用した。

重症度インデックスを受け取る段階４０２は、或る実施形態では、グラフィカル・ユーザ・インターフェースから又はそれを介して選択された重症度インデックスを受け取ることを含み、該選択された重症度インデックスは人によってグラフィカル・ユーザ・インターフェースに手動で入力される。他の実施形態では、人により重症度インデックスを作成し、重症度インデックスをコンピュータのキーボードに入力することによって重症度インデックスを伝送し、もって重症度インデックスは該コンピュータから受け取ることになる。或る実施形態では、多数の画像の各々について重症度インデックスを受け取る（段階４０２）。

方法４００はまた、動作段階４０２で受け取った複数の重症度インデックスから複合重症度スコアを作成する段階４０４を含む。複合重症度スコアは規則に基づいたプロセスを参照して作成される。或る実施形態では、複合重症度スコアは、規則に基づいたプロセスを参照して複数の重症度インデックスから作成又は合算される。或る実施形態では、各々の解剖学的及びトレーサ重症度インデックスは規則に基づいた方法を使用して集められて、病気の状態についての総合重症度スコアを形成する。

図５は、図４の方法４００の受け取り段階４０２より前に行われる動作段階の一実施形態による方法５００の流れ図である。方法５００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法５００は、脳又は他の解剖学的特徴に特有である画像データにアクセスする段階５０２を含む。脳の画像データは、イメージング時における脳内の少なくとも１つのトレーサに関連した機能的情報の表示と合致している。或る実施形態では、Ｆ１８デオキシグルコース又はフルオロデオキシグルコース（ＦＤＧ）、Ceretec （登録商標）、Trodat（登録商標）などのような、放射性トレーサ又は放射性医薬品を使用して、特定の解剖学的及び機能的情報を得るために患者のイメージングを行う。各々の放射性トレーサは、機能及び代謝に関する別々の特性情報を提供する。アクセスされる患者画像は、関連したトレーサ及び年齢群に対応して標準化されたものである。

方法５００はまた、脳画像データから及び人の判定基準に基づいた規範的な標準化された脳画像データから偏差データを決定する段階５０４を含む。人の判定基準の例は、患者の年齢及び／又は性別である。或る実施形態では、偏差データを決定する段階は、脳の画像データを、前に図３に示したようにイメージング時における脳内の少なくとも１つのトレーサに関連した規範的な標準化された脳画像データと比較する段階を含む。或る実施形態では、画像は標準化したノーマルな患者の基準画像に対して画素毎に比較される。

その後、方法５００は、脳についての重症度偏差データをユーザに画面表示する段階５０６を含む。或る実施形態では、これらの差画像は、各々の解剖学的位置及びトレーサについてノーマル値からの偏差をカラー又はグレースケールで表現する形態にすることができる。

他の実施形態では、偏差データは、紙への印刷のような他の媒体で提示される。

その後、予想画像偏差が脳に関連した一重症度レベルに分類され、該予想画像偏差はユーザに提示される（段階５０８）。この重症度インデックスは、脳の病気の程度、状態又は異常性についての定量化を提供する。

図６は、一実施形態に従って構造化された固有の医学的診断用インストラクション援助を生成するための方法６００の流れ図である。方法６００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法６００では、アクセスする動作段階５０２、決定する動作段階５０４、提示する動作段階５０６及び５０８、並びに受け取る動作段階４０２は、作成する動作段階４０４を遂行する前に、複数回遂行される。特に、アクセスする動作段階５０２、決定する動作段階５０４、提示する動作段階５０６及び５０８、並びに受け取る動作段階４０２は、解剖学的データが処理のためにそれ以上入手できなくなるまで、遂行される。例えば、図３において、各々の解剖学的特徴「Ａ」３０２、解剖学的特徴「Ｂ」３０４、解剖学的特徴「Ｃ」３０６、及び［ｎ］番目の解剖学的特徴３０８についてのインデックスが動作段階５０２〜５０８で作成される。

動作段階５０２〜５０８の全ての繰り返し動作が完了した後、複合重症度スコアが作成される（段階４０４）。重症度スコアは相対的に多量のデータから作成され、これはより数学的に信頼性のある複合重症度スコアを提供すると見なされ又は考えられることがある。

上記の方法６００で述べた実施形態では、各解剖学的特徴についてインデックス及びスコアが直列に作成される。しかしながら、方法６００の他の実施形態では、各解剖学的特徴についてインデックス及びスコアを並列に作成する。

図７は、一実施形態に従って医学的診断用画像の規範的な分類インデックスについて人を教育するための方法７００の流れ図である。方法７００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法７００は、一重症度レベルに分類した脳についての専門家の決定した予想画像偏差をユーザに提示する段階７０２を含む。この重症度インデックスは、脳の病気の程度、状態又は異常性についての定量化を提供する。

その後、方法７００は、画面表示された画像の視覚的類似性及び専門家の決定した画像偏差に基づいて重症度インデックスの選択の表示を選択する際に人を導く段階７０４を含む。画像は、患者について重症度評価をするようにユーザを導く。

図８は、図７の方法７００より前に遂行される動作段階の一実施形態による方法８００の流れ図である。方法８００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法８００は、脳又は他の解剖学的特徴に特有である画像データにアクセスする段階８０２を含む。脳の画像データは、イメージング時における脳内の少なくとも１つのトレーサに関連した機能的情報の表示と合致している。

方法８００はまた、脳画像データから及び人の判定基準に基づいた規範的な標準化された脳画像データから偏差データを決定する段階８０４を含む。人の判定基準の例は、患者の年齢及び／又は性別である。或る実施形態では、偏差データを決定する段階は、脳画像データを、前に図３に示したようにイメージング時における脳内の少なくとも１つのトレーサに関連した規範的な標準化された脳画像データと比較する段階を含む。

その後、方法８００は、脳についての重症度偏差データをユーザに画面表示する段階８０６を含む。他の実施形態では、偏差データは、紙への印刷のような他の媒体で提示される。

図９は、一実施形態に従って構造化された固有の医学的診断用インストラクション援助を生成するための方法９００の流れ図である。方法９００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法９００では、アクセスする動作段階８０２、決定する動作段階８０４、提示する動作段階８０６及び７０２、並びに導く動作段階７０４は、複合重症度スコアを作成する前に、複数回遂行される。

図１０は、一実施形態に従って病気の状態の変化を識別するための方法１０００の流れ図である。方法１０００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法１０００の或る実施形態では、少なくとも２つの解剖学的特徴に特有である縦方向画像データにアクセスする段階１００２を含む。縦方向解剖学的画像データは、イメージング時における解剖学的特徴内の少なくとも１つのトレーサに関連した機能的情報を表示する。解剖学的特徴は、例えば、脳又は心臓を含む。縦方向はまた時間として知られている。縦方向比較は或る時間間隔にわたって画像を比較する。

これらの画像は、磁気共鳴イメージング、ポジトロン放出断層撮影、コンピュータ断層撮影、単一フォトン放出コンピュータ断層撮影、超音波及び光学的イメージングのような、多数の通常のイメージング技術の内の任意のものを使用して取得されたものである。２つの異なる時点でトレーサを使用して、特定の解剖学的及び機能的情報を得るために患者のイメージングが行われる。各々のトレーサは、機能及び代謝に関する別々の特性情報を提供する。各時点にアクセスされる患者画像は、関連したトレーサ及び年齢群に対応して標準化されたものである。

その後、方法１０００の或る実施形態では、縦方向解剖学的画像データの各々から及び人の判定基準に基づいた規範的な標準化された解剖学的画像データから偏差データを決定する段階１００４を含む。人の判定基準の例は、患者の年齢及び／又は性別である。或る実施形態では、偏差データを決定する段階は、解剖学的縦方向画像データを、イメージング時における解剖学的特徴内のトレーサに関連した規範的な標準化された解剖学的画像データと比較する段階を含む。或る実施形態では、縦方向分析における各時点の画像が標準化したノーマル患者の基準画像に対して画素毎に比較される。

それに続いて、方法１０００は、解剖学的特徴からの重症度偏差データをユーザに提示する段階１００６を含む。或る実施形態では、偏差データは、縦方向解剖学的画像と規範的な標準化された解剖学的画像との間の差を示す差画像の形態である。更に、差画像は、これらの差画像は、縦方向分析の全ての各時点について各々の解剖学的位置及びトレーサについてノーマル値からの偏差をカラー又はグレースケールで表現する形態にすることができる。

その後、方法１０００は、解剖学的特徴に関連した一重症度レベルに分類される予想画像偏差をユーザに提示する段階１００８を含む。或る実施形態では、ユーザは予想画像を整合させ、これにより、縦方向分析の全ての時点における各々の解剖学的位置及びトレーサについての重症度インデックスをトリガする。

その後、方法１０００は、各々の縦方向データ・セットについて重症度インデックスの選択の表示をユーザから受け取る段階１０１０を含む。重症度インデックスの選択の表示を受け取る段階１０１０は、或る実施形態では、グラフィカル・ユーザ・インターフェースから、選択された重症度インデックスを受け取ることを含み、該選択された重症度インデックスは人によってグラフィカル・ユーザ・インターフェースに手動で入力される。或る実施形態では、予想画像が関連した重症度レベルと共にユーザに対して画面表示される。これらの画像は、縦方向分析の経時的な時点の各々において現患者についての重症度評価を行うためにユーザを導く。

その後、方法１０００は、複数の重症度インデックスから複合重症度変化スコアを作成する段階１０１２を含む。或る実施形態では、複合重症度変化スコアは規則に基づいたプロセスを参照して作成され、次いで複合重症度変化スコアはユーザに提示される。或る実施形態では、複合重症度スコアを作成する段階は、規則に基づいたプロセスを参照して複数の重症度インデックスを合算することを含む。或る実施形態では、各々の解剖学的及びトレーサ重症度インデックスは規則に基づいた方法を使用して個別に又は比較的に（縦方向研究の事例の差として）収集されて、縦方向研究の全ての事例における病気の状態について総合変化重症度スコアを形成する。変化決定の両方の方法は具現化することができ、その一方は解剖学的位置の変化をより表すことができ、また他方は全体的な病気の状態の重症度スコアの変化を提供する。

方法１０００の或る実施形態では、縦方向画像データにアクセスする段階１００２、偏差を決定する段階１００４、提示する段階１００６及び１００８、並びに重症度インデックスを受け取る段階１０１０は、複合重症度変化スコアを作成する段階１０１２及び画面表示する段階１０１４より前に、複数回遂行される。或る実施形態では、或る期間にわたって特定の解剖学的構造について多数の重症度インデックスが画面表示され、これは該期間にわたる病気の治療の進展又は進展不足を示す。

図１１は、一実施形態に従って診断用医学的画像の模範的又はノーマル知識ベースを生成するための方法１１００の流れ図である。方法１１００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法１１００は、特定のトレーサに関連している１つ以上の特定の解剖学的特徴の画像にアクセスする段階１１０２を含む。偏差データは、ノーマルな解剖学的状態すなわち病気のない解剖学的構造を表していると見なされる画像からのずれ又は差を表すデータである。或る実施形態では、偏差画像データは、後で図１２の方法１２００について説明するように、ノーマルな被検体のデータベースと病気の全ての重症度に関するデータを含んでいる病気の疑いのある画像データベースとからの画像とを比較することによって、方法１１００の遂行の前に導き出される。

或る実施形態では、画像偏差データを導き出した画像は、患者内にトレーサを使用することなく生成又は作成された。他の実施形態では、画像偏差データを導き出した画像は、患者内にトレーサを使用することにより生成又は作成された。

方法１１００はまた、病気の全ての重症度に関する機能的情報の表示と合致する偏差データの画像の各々に一重症度分類レベルを割り当てる段階１１０４を含む。重症度分類レベルは、或る特定の範囲内にある病気の重症度又は医学的状態の程度を表す。或る実施形態では、重症度分類レベルは模範的な画像からの画像の偏差の測度を表す。病気又は状態の程度の例が図３に昇順３１８の画像に関して表されており、その場合、昇順３１８になっている各画像が病気又は状態の一重症度分類レベルを表す。

その後、方法１１００は、画像偏差データと該画像偏差データの各々に対する重症度分類レベルとのデータベース又は知識ベースを作成する段階１１０６を含む。一例では、図１のノーマル画像データベース１０２は作成され又は画像偏差データにより更新され且つ画像偏差データの重症度分類レベルと関連付けられる。

方法１１００の或る実施形態では、また、模範的な重症度偏差画像を改善又は更新する段階を含む。より詳しく述べると、模範的な重症度偏差データベースは、既存の重症度画像（１つ又は複数）と共に新しく割り当てられた重症度偏差画像を集めることによって改善され、或いは新しい分類の重症度偏差画像を導入することによって又は既存の分類を除くことによって更新される。

図１２は、一実施形態に従って偏差データを作成するするための方法１２００の流れ図である。方法１２００は、方法１１００で必要とされる偏差データを作成するために上記の方法１１００の前に遂行することができる。方法１２００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法１２００は、特定のトレーサに関連した、脳のような１つ以上の特定の解剖学的特徴の１つ以上の画像にアクセスする段階１１０２を含む。

方法１２００はまた、上記脳画像データを、上記の図３に示されているような、同じトレーサに関連した規範的な標準化された脳画像データと比較して、脳内の病気の疑わしい領域を表す画像とデータベース内の画像との間の偏差を生じるようにする段階１２０２を含む。或る実施形態では、比較段階１２０２はトレーサに関して遂行され、又は他の実施形態では、トレーサに関して遂行されない。

方法１２００はまた、比較から偏差画像データを作成する段階１２０４を含む。

図１３は、一実施形態に従って基準診断用医学的画像を作成するするための方法１３００の流れ図である。方法１３００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

方法１３００は、トレーサに関連するノーマルな臨床前の解剖学的特徴についての複数の画像を収容しているデータベースにアクセスする段階１３０２を含む。或る実施形態では、動作段階１３０２は、トレーサに関連する機能的情報を用いることによりノーマルな被検体を使用して規範的なデータベースを生成する段階を含む。

方法１３００はその後、解剖学的特徴内の病気の疑わしい領域を表す画像にアクセスする段階５０２と、解剖学的特徴内の病気の疑わしい領域を表す画像をデータベース内の画像と比較して、解剖学的特徴内の病気の疑わしい領域を表す画像とデータベース内の画像との間の偏差を生じるようにする段階１２０２とを含む。或る実施形態では、画像にアクセスする段階は、トレーサの使用による潜在的に病気の様々な重症度に対応する機能的情報の表示と合致する疑わし画像のデータベースにアクセスする段階を含む。

次いで、各々の解剖学的特徴について偏差を表す複数の画像が作成され（段階１２０４）、偏差を表す複数の画像の各々に対して一重症度分類レベルが割り当てられ（段階１１０４）、そして、偏差を表す複数の画像と該偏差を表す複数の画像の各々についての重症度分類レベルとのデータベースが作成される（段階１１０６）。

方法１３００の或る実施形態では、模範的な重症度偏差データベースが、既存の重症度画像（１つ又は複数）と共に新しく割り当てられた重症度偏差画像を集めることによって改善され、或いは新しい分類の重症度偏差画像を導入することによって又は既存の分類を除くことによって更新される。

或る実施形態では、方法２００〜１３００は、図１４の処理装置１４０４のような処理装置によって実行されたときに該処理装置にそれぞれの方法を遂行させる一連のインストラクション（命令）を表す、搬送波内に具現化されたコンピュータ・データ信号で、実現される。他の実施形態では、方法２００〜１３００は、それぞれの方法を遂行するように、図１４の処理装置１４０４のような処理装置に指令することのできる実行可能なインストラクション（命令）を持つコンピュータ・アクセス可能な媒体で、実現される。様々な実施形態において、媒体は磁気媒体、電子媒体、又は光学媒体である。

より詳しく述べると、コンピュータ読取り可能なプログラムの実施形態では、プログラムは、Java（商標）、Smalltalk 、Ｃ＋＋のようなオブジェクト指向言語を使用してオブジェクト指向で構成することができ、また、プログラムは、COBOL 又はＣのような手続き型言語を使用して手続き指向で構成することができる。このようなソフトウエア・コンポーネントは、アプリケーション・プログラム・インターフェース（ＡＰＩ）、或いは遠隔手続き呼出し（ＲＰＣ）、共通オブジェクト要求ブローカ・アーキテクチャ（ＣＯＲＢＡ）、コンポーネント・オブジェクト・モデル（ＣＯＭ）、分散コンポーネント・オブジェクト・モデル（ＤＣＯＭ）、分散システム・オブジェクト・モデル（ＤＳＯＭ）及び遠隔メソッド・イノベーション（ＲＭＩ）のようなプロセス間通信手法のような当業者に周知の多数の手段の内のいずれかで通信する。これらのコンポーネントは、図１４のコンピュータ１４０２のような僅か１台のコンピュータで、又は少なくともコンポーネントと同じ数のコンピュータで実行される。

［ハードウエア及び動作環境］
図１４は、異なる実施形態を実用化することのできるハードウエア及び動作環境１４００を示すブロック図である。図１４の説明では、コンピュータ・ハードウエアと、或る実施形態をそれに関連して実現できる適当なコンピューティング環境とについての概要を提供する。コンピュータ実行可能なインストラクションを実行するコンピュータについて実施形態を説明する。しかしながら、或る実施形態は、コンピュータ実行可能なインストラクションを読出し専用メモリに入れるようにしたコンピュータ・ハードウエアで完全に実現することができる。或る実施形態はまた、通信ネットワークを介して遠隔の装置を連結したクライアント／サーバ・コンピューティング環境で実現することができる。分散コンピューティング環境でローカル及びリモート記憶装置の両方にプログラム・モジュールを配置することができる。

コンピュータ１４０２が、Intel 社、Motorola社、Cyrix 社などから商業上入手できる処理装置１４０４を含む。コンピュータ１４０２はまた、ランダム・アクセス・メモリ（ＲＡＭ）１４０６、読出し専用メモリ（ＲＯＭ）１４０８及び１つ以上の大容量記憶装置１４１０を含むと共に、様々なシステム・コンポーネントを処理装置１４０４に作動接続するシステム母線１４１２を含む。メモリ１４０６及び１４０８、並びに大容量記憶装置１４１０は、コンピュータ・アクセス可能な媒体の型式である。大容量記憶装置１４１０は、より詳しく述べると、不揮発性コンピュータ・アクセス可能な媒体の型式であり、１つ以上のハードディスク駆動装置、フロッピー（商標）ディスク駆動装置、光ディスク駆動装置、及びテープ・カートリッジ駆動装置を含む。処理装置１４０４は、コンピュータ・アクセス可能な媒体上に保存されているコンピュータ・プログラムを実行する。

コンピュータ１４０２は通信装置１４１６を介してインターネット１４１４に通信接続することができる。インターネット１４１４への接続は当該技術分野で周知である。一実施形態では、通信装置１４１６は、通信駆動装置に応答して当該分野で「ダイアルアップ接続」として知られているものを介してインターネットに接続するモデムである。別の実施形態では、通信装置１４１６は、当該分野で「直接接続」（例えば、Ｔ１ラインなど）として知られているものを介してインターネットに接続されるローカル・エリア・ネットワーク（ＬＡＮ）に接続されたイーサネット（登録商標）又は同様なハードウエア・ネットワーク・カードである。

ユーザは、キーボード１４１８又はポインティング装置１４２０のような入力装置を介してコンピュータ１４０２に指令及び情報を入力する。キーボード１４１８は、当該分野で知られているように、コンピュータ１４０２へのテキスト情報の入力を可能にし、実施形態はどんな特定の型式のキーボードにも制限されない。ポインティング装置１４２０は、Microsoft Windows （登録商標）の各バージョンのようなオペレータ・システムのグラフィカル・ユーザ・インターフェース（ＧＵＩ）によって提供されるスクリーン・ポインターの制御を可能にする。実施形態はどんな特定のポインティング装置１４２０にも制限されない。このようなポインティング装置には、マウス、タッチパッド、トラックボール、遠隔制御器及びポイント・スティックが挙げられる。他の入力装置（図示せず）として、マイクロホン、ジョイスティック、ゲーム・パッド、衛星放送受信アンテナ、スキャナなどを挙げることができる。

或る実施形態では、コンピュータ１４０２は画面表示装置１４２２に作動結合される。画面表示装置１４２２はシステム母線１４１２に接続される。画面表示装置１４２２は、コンピュータのユーザによる観察のために、コンピュータ、ビデオ及び他の情報を含む情報を画面表示することができる。実施形態はどんな特定の画面表示装置１４２２にも制限されない。このような画面表示装置は陰極線管（ＣＲＴ）画面表示装置（モニタ）と共に、液晶画面表示装置（ＬＣＤ）のようなフラットパネル画面表示装置を含む。モニタに加えて、コンピュータは典型的にはプリンタ（図示せず）のような他の周辺入力／出力装置を含む。スピーカ１４２４及び１４２６が信号の音声出力を提供する。スピーカ１４２４及び１４２６はまたシステム母線１４１２に接続される。

コンピュータ１４０２はまた、コンピュータ・アクセス可能な媒体ＲＡＭ１４０６、ＲＯＭ１４０８及び大容量記憶装置１４１０上に記憶され且つ処理装置１４０４によって実行されるオペレーティング・システムを含む。オペレーティング・システムの例は、Microsoft Windows （商標）、Apple MacOS （商標）、Linux （商標）、UNIX（商標）を含む。しかしながら、例はどんな特定のオペレーティング・システムにも制限されず、このようなオペレーティング・システムの構成及び使用法は当該分野でよく知られている。

コンピュータ１４０２の例はどんな型式のコンピュータ１４０２にも制限されない。様々な実施形態では、コンピュータ１４０２はＰＣ互換性コンピュータ、ＭａｃＯＳ（商標）互換性コンピュータ、Linux （商標）互換性コンピュータ、又はＵＮＩＸ（商標）互換性コンピュータで構成される。このようなコンピュータの構成及び動作は当該分野でよく知られている。

コンピュータ１４０２は少なくとも１つのオペレーティング・システムを使用して動作させて、ユーザ制御可能なポインタを含むグラフィカル・ユーザ・インターフェース（ＧＵＩ）を提供することができる。コンピュータ１４０２は、コンピュータ１４０２のユーザがイントラネット、エクストラネットワーク、又はユニバーサル・リソース・ロケータ（ＵＲＬ）アドレスによって指定されたインターネット・ワールド−ワイド−ウェブ・ページにアクセスすることができるように、少なくとも１つのオペレーティング・システム内で実行する少なくとも１つのウェブ・ブラウザ・アプリケーション・プログラムを持つことができる。ブラウザ・アプリケーション・プログラムの例は、Netscape Navigator（商標）及びMicrosoft Internet Explorer （商標）を含む。

コンピュータ１４０２は、遠隔のコンピュータ１４２８のような１つ以上の遠隔のコンピュータに対する論理接続を使用してネットワーク接続された環境で動作させることができる。これらの論理接続は、コンピュータ１４０２に結合され又はその一部に結合された通信装置によって達成される。実施形態はどんな特定の型式の通信装置にも制限されない。遠隔のコンピュータ１４２８は別のコンピュータ、サーバ、ルーター、ネットワークＰＣ、クライアント、ピア装置又は他の共通のネットワーク・ノードであってよい。図１４に示されている論理接続は、ローカル・エリア・ネットワーク（ＬＡＮ）１４３０及びワイド・エリア・ネットワーク（ＷＡＮ）１４３２を含む。このようなネットワーク接続環境は、オフィス、企業全体のコンピュータ・ネットワーク、イントラネット、エクストラネット及びインターネットにおいて当たり前のことである。

ＬＡＮネットワーク接続環境で使用されるとき、コンピュータ１４０２及び遠隔のコンピュータ１４２８は、通信装置１４１６の一型式であるネットワーク・インターフェース又はアダプタ１４３４を介してローカル・ネットワーク１４３０に接続される。遠隔のコンピュータ１４２８はまたネットワーク装置１４３６を含む。通常のＷＡＮネットワーク接続環境で使用されるとき、コンピュータ１４０２及び遠隔のコンピュータ１４２８がモデム（図示せず）を介してＷＡＮ１４３２と通信する。モデム（内蔵であっても、外付けであってもよい）はシステム母線１４１２に接続される。ネットワーク接続された環境では、コンピュータ１４０２に対して示されたプログラム・モジュール又はその一部を、遠隔のコンピュータ１４２８に記憶させることができる。

コンピュータ１４０２はまた電源装置１４３８を含む。各々の電源装置は蓄電池であってよい。

［装置の実施形態］
前の部分で、方法を説明した。この部分では、このような実施形態の特定の装置を説明する。

図１５は、一実施形態に従って基準診断用医学的画像を作成するするための装置１５００のブロック図である。装置１５００は、医学的解剖学的画像から医学的状態及び病気についてのより一貫した、公式化された、信頼性のある診断法を提供すると云う当該技術分野での要望を解決する。

装置１５００では、画像データについて４つの異なる比較を遂行することができる。それらは、生の画像についての比較１５０２、標準偏差画像についての比較１５０４、重症度画像についての比較１５０６、及び重症度スコアについての比較１５０８である。比較は段階１５０２、１５０４、１５０６又は１５０８のいずれかで起こることができる。比較１５０２〜１５０８の各々は、検査時間Ｔ_１ １５１０及び検査時間Ｔ_２ １５１２のような縦方向（時間的）ドメインの間に遂行される。

検査時間Ｔ_１ １５１０及び検査時間Ｔ_２ １５１２において、複数の生の元の画像１５１４及び１５１６，１５１８及び１５２０はそれぞれディジタル・イメージング装置によって作成される。

検査時間Ｔ_１ １５１０及び検査時間Ｔ_２ １５１２の後、生の元の画像から及び１つ以上の標準化した画像（図示せず）から次の３つのデータの内のいずれか１つが作成される。それらは、複数の標準化した偏差画像１５２２及び１５２４，１５２６及び１５２８と、重症度インデックス１５３０〜１５３６と、重症度スコア１５３８及び１５４０である。偏差画像１５２２〜１５２８は生の元の画像１５１４〜１５２０と標準化した画像との間の偏差を図形で表す。重症度インデックス１５３０〜１５３６は生の元の画像１５１４〜１５２０と標準化した画像との間の臨床的に認識された偏差を数値で表す。重症度スコア１５３８及び１５４０は重症度インデックス１５３０〜１５３６から作成される。重症度スコア１５３８及び１５４０は生の画像１５１４〜１５２０の状態の複合臨床的表示を数値で表す。

［結論］
コンピュータをベースとした医学的診断システムについて説明した。特定の実施形態を本書に例示し説明したが、当業者に理解されるように、同じ目的を達成するように計算された任意の配置構成を図示の特定の実施形態の代わりに用いることができる。本出願は任意の改変又は変形もカバーするものである。例えば、手続き的用語で説明されているが、当業者に理解されるように、手続き的設計環境又は所要の関係を提供する任意の他の設計環境で実現することができる。

特に、当業者に容易に理解されるように、方法及び装置の名称は実施形態を制限しようとするものではない。更に、構成部品に追加の方法及び装置を付加することができ、また構成部品の間で機能を再編成することができ、また将来の改善に対応し且つ実施形態で用いられた物理的デバイスに対応する新しいコンポーネントを、実施形態の範囲から逸脱することなく導入することができる。また、当業者に容易に認識されるように、本実施形態は将来の通信装置、異なるファイル・システム及び新しいデータ型式に適用可能である。

本出願で用いる用語は、全てのオブジェクト指向のデータベース及び通信環境、並びに本書で述べたのと同じ機能を与える代替技術を含むことを意味するものである。

ノーマル患者集団からの統計的偏差を決定するためのシステムの概要を示すブロック図である。 ノーマル患者集団からの統計的偏差を決定するための方法のフローチャートである。 重症度インデックスにリーダを導くための静的比較ワークフローの略図である。 一実施形態に従って構造化された固有の医学的診断用インストラクション援助を生成するための方法の流れ図である。 図４の方法より前に行われる動作段階の一実施形態による方法の流れ図である。 一実施形態に従って構造化された固有の医学的診断用インストラクション援助を生成するための方法の流れ図である。 一実施形態に従って医学的診断用画像の規範的な分類インデックスについて人を教育するための方法の流れ図である。 図７の方法より前に行われる動作段階の一実施形態による方法の流れ図である。 一実施形態に従って構造化された固有の医学的診断用インストラクション援助を生成するための方法の流れ図である。 一実施形態に従って病気の状態の変化を識別するための方法の流れ図である。 一実施形態に従って診断用医学的画像の模範的又はノーマル知識ベースを生成するための方法の流れ図である。 一実施形態に従って偏差データを作成するするための方法の流れ図である。 一実施形態に従って基準診断用医学的画像を作成するするための方法の流れ図である。 異なる実施形態を実施することのできるハードウエア及び動作環境を示すブロック図である。 一実施形態に従って基準診断用医学的画像を作成するするための装置のブロック図である。

符号の説明

１００ ノーマル患者集団からの統計的偏差を決定するシステム
２００ ノーマル患者集団からの統計的偏差を決定する方法
３１０、３１２、３１４、３１６ 病気又は状態の程度が変化した多数の画像
３２０ 患者画像
３２２ 重症度インデックス
４００ 構造化された固有の医学的診断用インストラクション援助を生成する方法
５００ 方法４００の受け取り段階４０２より前に行われる方法
６００ 構造化された固有の医学的診断用インストラクション援助を生成する方法
７００ 医学的診断用画像の規範的な分類インデックスについて人を教育する方法
８００ 方法７００より前に遂行される方法
９００ 構造化された固有の医学的診断用インストラクション援助を生成する方法
１０００ 病気の状態の変化を識別する方法
１１００ 診断用医学的画像の模範的又はノーマル知識ベースを生成する方法
１２００ 偏差データを作成するする方法
１３００ 基準診断用医学的画像を作成する方法
１４００ ハードウエア及び動作環境
１４０２ コンピュータ
１４１２ システム母線
１５００ 基準診断用医学的画像を作成するするための装置

Claims (9)

1. 或る期間にわたる病気の治療の進展又は進展不足を示す複合重症度スコアを生成することを処理装置に指令することのできる実行可能な命令を持つコンピュータ・アクセス可能な記憶媒体であって、
   前記或る期間にわたる、トレーサに基づく患者の複数の時系列脳画像を、各々が脳内に同じトレーサを含んでいる間に作成された病気でない脳の規範的な標準化された解剖学的画像と比較して、人の判定基準に基づいた偏差重症度画像データを決定する段階と、
   前記複数の脳画像の各々について前記複数の規範的な標準化された解剖学的画像（３１０，３１２，３１４，３１６）からの偏差の重症度インデックスを生成する段階（４０２）と、
   規則に基づいたプロセスを参照して複数の重症度インデックスを合算して複合重症度スコア（３２２）を作成する段階（４０４）と、
   或る期間にわたる病気の治療の進展又は進展不足を示すように前記期間にわたって複合重症度スコアを提示する段階と、
   を実行するように処理装置に指令することのできる命令を含んでいる記憶媒体。
2. 更に、前記生成する動作段階の前に、脳に関連した重症度偏差データを提示する段階（５０４）と、脳に関連した一重症度レベルに分類される画像偏差を提示する段階（５０８）と、を実行するように処理装置に指令することのできる命令を含んでいる請求項１記載の記憶媒体。
3. 前記偏差データを決定する段階は更に、脳画像データを、イメージング時における脳内の少なくとも１つのトレーサに関連した規範的な標準化された脳画像データと比較する段階（１２０２）を含んでいる、請求項２記載の記憶媒体。
4. 前記画像が磁気共鳴イメージング、ポジトロン放出断層撮影、コンピュータ断層撮影、単一フォトン放出コンピュータ断層撮影、超音波及び光学的イメージングのいずれかにより取得される、請求項１乃至３のいずれかに記載の記憶媒体。
5. 前記偏差の重症度インデックスを生成する段階を実行する前に、
   偏差重症度画像データを決定する段階と、
   複合重症度スコア（３２２）を作成する段階（４０４）と、
   提示する段階と、
   が実行される、請求項１乃至４のいずれかに記載の記憶媒体。
6. 前記偏差データを決定する段階は更に、解剖学的画像データを、イメージング時における解剖学的領域内の前記同じトレーサに関連した規範的な標準化された解剖学的画像データと比較する段階（１２０２）を含んでいる、請求項１乃至５のいずれかに記載の記憶媒体。
7. グラフィカル・ユーザ・インターフェースから選択された重症度インデックスを受け取る段階（４０２）を実行するように処理装置に指令することのできる命令を含み、該選択された重症度インデックスは人によってグラフィカル・ユーザ・インターフェースに手動で入力される、請求項１乃至６のいずれかに記載の記憶媒体。
8. 前記複合重症度スコアを作成する段階は更に、規則に基づいたプロセスを参照して複数の重症度インデックスを組み合わせる段階（４０４）を含んでいる、請求項１乃至７のいずれかに記載の記憶媒体。
9. 前記同じトレーサが、放射性トレーサである、請求項１乃至８のいずれかに記載の記憶媒体。

Images