JP5320335B2 - 診断支援システム、診断支援装置、診断支援方法および診断支援プログラム - Google Patents

診断支援システム、診断支援装置、診断支援方法および診断支援プログラム Download PDF

Info

Publication number
JP5320335B2
JP5320335B2 JP2010081000A JP2010081000A JP5320335B2 JP 5320335 B2 JP5320335 B2 JP 5320335B2 JP 2010081000 A JP2010081000 A JP 2010081000A JP 2010081000 A JP2010081000 A JP 2010081000A JP 5320335 B2 JP5320335 B2 JP 5320335B2
Authority
JP
Japan
Prior art keywords
lesion
diagnosis
information
diagnostic
patient
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.)
Active
Application number
JP2010081000A
Other languages
English (en)
Other versions
JP2011212094A (ja
Inventor
彩華 王
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujifilm Corp filed Critical Fujifilm Corp
Priority to JP2010081000A priority Critical patent/JP5320335B2/ja
Publication of JP2011212094A publication Critical patent/JP2011212094A/ja
Application granted granted Critical
Publication of JP5320335B2 publication Critical patent/JP5320335B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Description

本発明は、被写体の画像診断を支援する診断支援システム、診断支援装置、診断支援方法および診断支援プログラムに関するものである。
近年、医療分野における画像診断において、被写体を表す医用画像中の病変を自動抽出する等の診断支援を行う計算機診断支援（ＣＡＤ）装置が注目されている。これらのＣＡＤ装置には、病変や目的に応じた種々の種類があり、目的に応じたＣＡＤ装置を適切に選択して使い分けることは、読影医らの読影精度や読影効率を向上させるために非常に重要である。
特許文献１では、ネットワークを介して接続された複数のＣＡＤ装置の中から、入力された部位と疾患に適合したＣＡＤ装置を選択し、選択したＣＡＤ装置による診断支援結果を受信して、その診断支援結果を読影情報データベースに登録することにより、適切なＣＡＤ装置からの診断支援結果を得ることができるネットワーク画像診断支援システムを開示している。
特開２００１−１０４２５３号公報
一方、実際の診断プラクティスでは、すでに病変の病名が確定した確定診断が存在する場合と確定診断が存在しない場合では、診断内容が異なるため、異なるＣＡＤ装置が適用される。例えば、確定診断が存在しない場合では、原発病巣の異常陰影の有無および／または異常陰影の判別をするために、原発病巣の病変抽出および／または原発病巣の判別を行うＣＡＤ装置を適用することに対し、確定診断が存在する医用画像に対しては、病変の再発や転移、合併症などのフォロー診断を行うために、病変の再発や転移を抽出する追加診断用のＣＡＤ装置を適用する必要がある。特に、悪性腫瘍を手術で摘出した後など、再発や転移の状態を観察してその後の経過を診断する必要があるため原発病巣の異常陰影を検出するＣＡＤ装置では最適な画像診断支援を行うことはできない。特許文献１においては、部位と疾患に応じたＣＡＤ装置を選択することはできても、このように確定診断の有無に応じてＣＡＤ装置をうまく選択することはできなかった。
そこで、本発明は、かかる課題に鑑み、確定診断の有無に応じて、診断内容に適したＣＡＤ装置を選択することのできる診断支援システム、診断支援装置、診断支援方法および診断支援プログラムを提供することを目的とする。
本発明による診断支援システムは、患者情報および診断目的を入力する入力手段と、患者の診断画像を記憶する画像記憶手段と、前記診断画像から病変を抽出する病変抽出手段と、該病変抽出手段によって抽出された病変を表示する表示手段とを備えた診断支援システムにおいて、前記病変抽出手段は、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部を有するものであり、前記患者の確定診断の有無と結果および診断目的を含む診断情報を記憶する診断情報記憶手段と、前記診断情報を前記病変抽出部と対応付ける対応付け情報を記憶する対応付け情報記憶手段と、前記入力手段により入力された前記患者情報に基づいて前記診断情報記憶手段から前記患者の診断情報を取得し、該診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、前記診断情報のうち前記確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、前記診断目的に対応付けられた病変抽出部を決定し、決定された前記病変抽出部に前記診断画像からの病変抽出を行わせる病変抽出制御手段とを備えたことを特徴とするものである。
本発明による診断支援装置は、患者情報および診断目的を入力する入力手段と、患者の診断画像を記憶する画像記憶手段と、前記診断画像から病変を抽出する病変抽出手段と、該病変抽出手段によって抽出された病変を表示する表示手段とを備えた診断支援システムに接続される診断支援装置であって、前記病変抽出手段は、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部を有するものであり、前記患者の確定診断の有無と結果および診断目的を含む診断情報を記憶する診断情報記憶手段と、前記診断情報を前記病変抽出部と対応付ける対応付け情報を記憶する対応付け情報記憶手段と、前記入力手段により入力された前記患者情報に基づいて前記診断情報記憶手段から前記患者の診断情報を取得し、該診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、前記診断情報のうち前記確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、前記診断目的に対応付けられた病変抽出部を決定し、決定された前記病変抽出部に前記診断画像からの病変抽出を行わせる病変抽出制御手段とを備えたことを特徴とするものである。
また、本発明による診断支援方法は、患者情報および診断目的を入力し、患者の確定診断の有無と結果および診断目的を含む診断情報を、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部とそれぞれ対応付ける対応付け情報を取得し、入力された前記患者情報に基づいて前記患者の診断情報を取得し、該診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、前記診断情報のうち前記確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、前記診断目的に対応付けられた病変抽出部を決定し、決定された前記病変抽出部に前記診断画像からの病変抽出を行わせ、抽出された病変を表示することを特徴とするものである。
本発明による診断支援プログラムは、コンピュータを、患者情報および診断目的を入力する入力手段と、患者の診断画像を記憶する画像記憶手段と、前記診断画像から病変を抽出する病変抽出手段として機能させる診断支援プログラムであって、前記病変抽出手段は、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部を有するものであり、前記患者の確定診断の有無と結果および診断目的を含む診断情報を記憶する診断情報記憶手段と、前記診断情報を前記病変抽出部と対応付ける対応付け情報を記憶する対応付け情報記憶手段と、前記入力手段により入力された前記患者情報に基づいて前記診断情報記憶手段から前記患者の診断情報を取得し、該診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、前記診断情報のうち前記確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、前記診断目的に対応付けられた病変抽出部を決定し、決定された前記病変抽出部に前記診断画像からの病変抽出を行わせる病変抽出制御手段として機能させることを特徴とすることを特徴とするものである。
ここで、患者情報とは、患者を特定する情報であり、少なくとも患者を特定する情報を一つ以上含むものであれば何でもよく、例えば、患者ＩＤ、患者氏名等があげられる、また、住所、生年月日、年齢、性別、家族構成、及び既往歴やアレルギーの有無などをさらに含んでもよい。
また、確定診断とは、担当医がそれまでに行われた問診、身体所見、各種の検査結果を総合的に判断して下した最終的診断である。確定診断の結果は、診断によって確定した病名を少なくとも含むものであり、病変が悪性か良性かの判別および病変の位置や病変の個数等の情報も適宜含んでもよい。
また、本発明による診断支援システムにおいて、前記確定診断の結果に対応付けられた病変抽出部は、病変の再発および／または転移を抽出する追加診断用病変抽出部であることが好ましい。
また、本発明による診断支援システムにおいて、前記診断目的に対応付けられた病変抽出部は、前記診断目的に対応する病変を抽出するものであることが好ましい。
ここでいう、診断目的とは、診断や検診の目的を表し、例えば、大腸がん検診、胃がん検診等の検査オーダー情報があげられる。「診断目的に対応する」病変とは、診断目的の対象となる病変および／または診断目的の対象となる病変に関連して生じる病変である。例えば、診断目的が、大腸がん検診のように病名を含むものであれば、その病名を診断目的に対応する病変としてよく、また診断目的に胃、肺等の臓器名を含むものであれば、その臓器名に生じ得る病変を診断目的に対応する病変としてもよい。
また、本発明による診断支援システムは、前記診断画像に基づいて病変の病変名を推定する病変名推定手段をさらに備え、前記病変抽出制御手段は、確定診断がなかった場合に、抽出された病変に対し、前記病変名推定手段によって病変名を推定させるものであり、前記表示手段は前記推定された病変名を表示するものであってもよい。
また、本発明による診断支援システムは、病変に治療方法および該治療方法を適用した場合の効果を対応付けた治療効果予測情報を記憶する治療効果予測記憶手段と、前記病変抽出手段によって抽出された病変に基づいて、前記治療効果予測記憶手段に記憶された前記治療効果予測情報から治療方法および効果を選択する治療効果予測手段をさらに備え、前記表示手段は選択された治療方法および効果を表示するものであることが好ましい。
また、本発明による診断支援システムによる前記病変抽出手段は、機械学習法により構築されたものであることが好ましい。
本発明による診断支援システム、診断支援装置、診断支援方法、および診断支援プログラムによれば、入力された患者情報に基づいて患者の診断情報を取得し、診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、診断情報のうち確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、診断目的に対応付けられた病変抽出部を決定し、決定された前記病変抽出部に診断画像からの病変抽出を行わせ、抽出された病変を表示するものであるため、確定診断の有無に応じて、確定診断の結果または診断目的に沿った、診断内容に適した病変抽出部を使用して診断支援を行えるため、ユーザによる読影精度や読影効率を向上させることができる。
また、本発明による診断支援システムにおいて、前記確定診断の結果に対応付けられた病変抽出部は、病変の再発および／または転移を抽出する追加診断用病変抽出部である場合には、確定診断の結果に沿った、診断内容に適した病変抽出部を使用して診断支援を行えるため、ユーザによる読影精度や読影効率を向上させることができる。
また、本発明による診断支援システムにおいて、前記診断目的に対応付けられた病変抽出部は、前記診断目的に対応する病変を抽出するものである場合には、診断目的に沿った、診断内容に適した病変抽出部を使用して診断支援を行えるため、ユーザによる読影精度や読影効率を向上させることができる。
また、本発明による診断支援システムは、前記診断画像に基づいて病変の病変名を推定する病変名推定手段をさらに備え、前記病変抽出制御手段は、確定診断がなかった場合に、抽出された病変に対し、前記病変名推定手段によって病変名を推定させるものであり、前記表示手段は前記推定された病変名を表示するものである場合には、診断目的に沿った、診断内容に適した病変抽出部により抽出された病変に応じて、病変名を予測できるため、ユーザによる読影精度や読影効率を向上させることができる。
また、本発明による診断支援システムは、病変に治療方法および該治療方法を適用した場合の効果を対応付けた治療効果予測情報を記憶する治療効果予測記憶手段と、前記病変抽出手段によって抽出された病変に基づいて、前記治療効果予測記憶手段に記憶された前記治療効果予測情報から治療方法および効果を選択する治療効果予測手段をさらに備え、前記表示手段は選択された治療方法および効果を表示するものである場合には、診断目的又は確定診断の結果に沿った、診断内容に適した病変抽出部により抽出された病変に応じて、治療方法及び効果を予測できるため、ユーザによる読影精度や読影効率を向上させることができる。
また、本発明による診断支援システムによる前記病変抽出手段は、機械学習法により構築されたものである場合には、精度よく病変抽出を行うことができるため、ユーザによる読影精度や読影効率を向上させることができる。
第１の実施形態による画像診断支援ネットワークの図 第１の実施形態による診断支援システムの機能ブロック図 第１の実施形態による診断支援処理の流れを示すフロー図 第１の実施形態による診断情報の例を説明する図 第１の実施形態による対応付けテーブルの例を説明する図 第２の実施形態による診断支援システムの機能ブロック図 第２の実施形態による治療効果予測テーブルの例を示す図 第２の実施形態による効果予測テーブルの例を示す図 第２の実施形態による診断支援処理の流れを示すフロー図
以下、図面を参照して本発明の実施形態について説明する。なお、本明細書において、同じ構成要素には同じ構成番号を付して説明を省略する。図１は本発明の実施形態における診断支援処理システムが導入された医療情報システムの概略構成を示す図である。このシステムは、公知のオーダリングシステムを用いた診療科の医師からの検査オーダーに基づいて、被検体の検査対象部位の撮影および保管、放射線科の読影医による撮影された画像の読影および読影レポートの作成、依頼元の診療科の医師による読影レポートの閲覧および読影対象だった画像の詳細観察を行うためのシステムである。図１に示すように、医用画像の撮影装置（モダリティ）１、画像品質チェック用ワークステーション（ＱＡ−ＷＳ）２、放射線科用ワークステーション３、診療科用ワークステーション４、画像情報管理サーバ５、画像情報データベース６、読影レポートサーバ７、および読影レポートデータベース８、情報管理サーバ１０が、ネットワーク９を介して互いに通信可能な状態で接続されて構成されている。各機器は、ＣＤ−ＲＯＭ等の記録媒体からインストールされたプログラムによって制御される。また、プログラムは、インターネット等のネットワーク経由で接続されたサーバの記憶装置からダウンロードされた後にインストールされたものであってもよい。
モダリティ１には、被検体の検査対象部位を撮影することにより、その部位を表す画像の画像データを生成し、その画像データにＤＩＣＯＭ規格で規定された付帯情報を付加して、画像情報として出力する装置が含まれる。具体例としては、ＣＴ、ＭＲ、ＰＥＴ、超音波撮影装置、平面Ｘ線検出器（ＦＰＤ）を用いたＸ線撮影装置等が挙げられる。なお、以下では、被写体を表す画像データと画像データの付帯情報の組を「画像情報」と称することとする。すなわち「画像情報」の中には画像に係るテキスト情報も含まれる。
ＱＡ−ＷＳ２は、汎用の処理装置（コンピュータ）と１台または２台の高精細ディスプレイとキーボード・マウス等の入力機器により構成される。処理装置には、検査技師の作業を支援するためのソフトウェアが組み込まれている。ＱＡ−ＷＳ２は、そのソフトウェアプログラムの実行によって実現される機能により、モダリティ１からＤＩＣＯＭに準拠した画像情報を受信し、受信した画像情報に含まれる画像データと付帯情報の内容を画面に表示することで検査技師に確認を促す。そして、検査技師による確認が済んだ画像情報を、ネットワーク９を介して画像情報管理サーバ５に転送し、その画像情報の画像情報データベース６への登録を要求する。
放射線科用ワークステーション３は、放射線科の画像診断医が画像の読影や読影レポートの作成に利用するコンピュータであり、ＣＰＵ、主記憶装置、補助記憶装置、入出力インターフェース、通信インターフェース、入力装置、表示装置、およびデータバス等の周知のハードウェア構成を備え、周知のオペレーションシステム等がインストールされたものであるが、表示装置と１台または２台の高精細ディスプレイを有している。この装置では、画像情報管理サーバ５に対する画像の閲覧要求や、画像情報管理サーバ５から受信した画像の表示、画像中の病変らしき部分の自動検出・強調表示、読影レポートの作成の支援、読影レポートサーバ７に対する読影レポートの登録要求や閲覧要求、読影レポートサーバ７から受信した読影レポートの表示、情報管理サーバ１０に対する患者情報等の登録要求や閲覧要求、情報管理サーバ１０から受診した患者情報等の表示等の各処理が、各処理のためのソフトウェアプログラムの実行により行われる。
診療科用ワークステーション４は、診療科の医師が画像の詳細観察や読影レポートの閲覧、電子カルテの閲覧・入力等に利用するコンピュータであり、ＣＰＵ、主記憶装置、補助記憶装置、入出力インターフェース、通信インターフェース、入力装置、表示装置、およびデータバス等の周知のハードウェア構成を備え、周知のオペレーションシステム等がインストールされたものであるが、表示装置と１台または２台の高精細ディスプレイを有している。この装置では、画像情報管理サーバ５に対する画像の閲覧要求や、画像情報管理サーバ５から受信した画像の表示、画像中の病変らしき部分の自動検出・強調表示、読影レポートサーバ７に対する読影レポートの閲覧要求、読影レポートサーバ７から受信した読影レポートの表示、情報管理サーバ１０に対する患者情報等の登録要求や閲覧要求、情報管理サーバ１０から受診した患者情報等の表示等の各処理が、各処理のためのソフトウェアプログラムの実行により行われる。本発明の診断支援システムおよび診断支援装置の一部は、この診療科用ワークステーション４に実装されており、本明細書の診断支援処理ためのソフトウェアプログラムがインストールされ、かかるソフトウェアプログラムの実行により本明細書の診断支援処理が行われるが、これについては後述する。
画像情報管理サーバ５は、汎用の比較的処理能力の高いコンピュータにデータベース管理システム（DataBase Management System: DBMS）の機能を提供するソフトウェアプログラムを組み込んだものである。画像情報管理サーバ５はいわゆるＰＡＣＳ(Picture Archiving and Communication Systems)サーバである。画像情報管理サーバ５は画像情報データベース６が構成される大容量ストレージを備えている。このストレージは、画像情報管理サーバ５とデータバスによって接続された大容量のハードディスク装置であってもよいし、ネットワーク９に接続されているＮＡＳ（Network Attached Storage）やＳＡＮ（Storage Area Network）に接続されたディスク装置であってもよい。
画像情報データベース６には、被写体画像を表す画像データと付帯情報とが登録される。付帯情報には、例えば、個々の画像を識別するための画像ＩＤ、被写体を識別するための患者ＩＤ、検査を識別するための検査ＩＤ、画像情報ごとに割り振られるユニークなＩＤ（ＵＩＤ）、その画像情報が生成された検査日、検査時刻、その画像情報を取得するための検査で使用されたモダリティの種類、患者氏名、年齢、性別等の患者情報、検査部位（撮影部位）、撮影条件（造影剤の使用有無や、放射線量等）、１回の検査で複数の画像を取得したときのシリーズ番号あるいは採取番号等の情報が含まれうる。画像情報は、例えばＸＭＬやＳＧＭＬデータとして管理されうる。
画像情報管理サーバ５は、ＱＡ−ＷＳ２からの画像情報の登録要求を受け付けると、その画像情報をデータベース用のフォーマットに整えて画像情報データベース６に登録する。
また、画像情報管理サーバ５は、放射線科用ワークステーション３および診療科用ワークステーション４からの閲覧要求をネットワーク９経由で受信すると、上記画像情報データベース６に登録されている画像情報を検索し、抽出された画像情報を要求元の放射線科用ワークステーション３および診療科用ワークステーション４に送信する。
放射線科用ワークステーション３および診療科用ワークステーション４は、画像診断医や診療科医等のユーザによって読影・観察対象画像の閲覧を要求する操作が行われると、画像情報管理サーバ５に対して閲覧要求を送信し、必要な画像情報を取得する。そして、その画像情報をモニタ画面に表示し、ユーザからの要求に応じて病変の自動検出処理等を実行する。また、画像診断医や診療科医等のユーザによる患者情報等の閲覧要求等を情報管理サーバ１０に送信し、必要な情報を取得し、画面に表示する。
放射線科用ワークステーション３は、読影レポートの作成を支援するレポート作成画面をモニタに表示し、放射線科医によって読影に基づいて行った所見等の内容を示すテキストが入力されたときに、入力された情報と読影の対象とされた画像（以下、読影対象画像）を記録した読影レポートを生成する。読影対象画像が複数あるときは、読影レポートには、読影所見を最も顕著に表す代表的な画像（以下、代表画像）を記録する。放射線科用ワークステーション３は、生成した読影レポートを、ネットワーク９を介して読影レポートサーバ７に転送し、その読影レポートの読影レポートデータベース８への登録を要求する。
読影レポートサーバ７は、汎用の比較的処理能力の高いコンピュータにデータベース管理システム（DataBase Management System: DBMS）の機能を提供するソフトウェアプログラムを組み込んだものであり、放射線科用ワークステーション３からの読影レポートの登録要求を受け付けると、その読影レポートをデータベース用のフォーマットに整えて読影レポートデータベース８に登録する。
読影レポートデータベース８には、例えば、読影対象画像もしくは代表画像を識別する画像ＩＤや、読影を行った画像診断医を識別するための読影者ＩＤ、関心領域の位置情報、所見、および所見の確信度といった情報が登録される。この他、画像の読影時に画像情報の付帯情報を参照することで取得された検査番号、患者番号、さらには、読影対象画像または代表画像の画像データ自体も等も含まれうる。読影対象画像または代表画像の画像データは、画像情報データベース６に登録されている画像データよりも画素数が少ない（間引きされた）縮小画像データとすることができる。本実施形態においては、この縮小画像データの生成のもとになる、画像情報データベース６に登録されている画像データへのアクセスを可能にするためのリンク情報（画像情報データベース６に登録されている画像データのアドレスやフォルダ名、ファイル名等）も読影レポートデータベース８に登録される。また、画像情報データベース６に登録されている画像データをそのままコピーしたものを読影レポートデータベース８に登録しておいてもよい。また、関心領域の位置情報は、読影レポートデータベース８ではなく、画像データの付帯情報として画像情報データベース６に登録しておいてもよい。なお、読影レポートは、例えばＸＭＬやＳＧＭＬデータとして管理されうる。
読影レポートサーバ７は、放射線科用ワークステーション３あるいは診療科用ワークステーション４からの閲覧要求をネットワーク９経由で受信すると、読影レポートデータベース８に登録されている読影レポートを検索し、抽出された読影レポートを要求元の放射線科用ワークステーション３あるいは診療科用ワークステーション４に送信する。
ネットワーク９は病院内の各種装置を接続するローカルエリアネットワークである。但し、放射線科用ワークステーション３あるいは診療科用ワークステーション４が他の病院あるいは診療所にも設置されている場合には、ネットワーク９は、各病院のローカルエリアネットワーク同士をインターネットもしくは専用回線で接続した構成としてもよい。いずれの場合にも、ネットワーク９は光ネットワーク等画像情報の高速転送を実現できるものとすることが好ましい。
情報管理サーバ１０は、いわゆるＲＩＳ（Radiology Information System：放射線科情報システム）サーバである。情報管理サーバ１０は、放射線科内および内科や外科等の依頼料に設置されている端末３または４からネットワーク９を介して、各依頼科からの患者の撮影等を放射線科に依頼する検査や診断のオーダーや、モダリティ１の撮影状況などの情報伝達、患者情報等の登録要求や閲覧要求等を行う情報処理を行う。また、情報管理サーバ１０は、患者情報、診療情報、検査情報、会計情報等の種々の情報を患者毎に管理する。患者情報は、各患者を特定する情報であり、例えば、患者氏名、患者ＩＤ等があげられる、また現住所、生年月日、年齢、性別、家族構成、及び既往歴やアレルギーの有無などを含む場合もある。
診療情報は、患者について診断の情報であり、例えば、診療日付、診療科、病名、診断結果、治療期間、投薬の種類及び量、処方薬局名等を含む。なお、治療期間は、一つの病気を治療するために医療機関に通院した期間である。また、本明細書における実施形態においては、診断結果は確定診断の有無および結果を含み、診療情報に検査情報を含むものとする。検査情報は、診断に際して撮影された医用画像等の情報であり、具体的には、検査日付、検査機器、検査方法、検査部位などが含まれる。なお、検査方法とは、撮影の際のモダリティに対する患者の向きや、造影剤の有無を指す。また、検査部位とは、検査の対象となっている部位であり、例えば、頭部、頸部、胸部、腹部、骨盤部、脚部、及びこれらの複数の部位を含む部位などが含まれる。また、会計情報は、例えば、診察、投薬、検査等の医療に対する費用および医療保険の適用の有無を表す情報等を含む場合もある。
図２は、上記医療情報システムに実装された本発明の第１の実施形態による医用画像処理装置を適用した医用画像表示システムの構成を模式的に示したブロック図である。図２に示したように、第１の実施形態による診断支援システムは、患者情報および診断目的を入力する入力手段１１と、患者の診断画像を記憶する画像記憶手段１７と、診断画像から病変を抽出する病変抽出手段１５と、病変抽出手段によって抽出された病変を表示する表示手段１６とを備えた診断支援システムにおいて、病変抽出手段１５は、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部を有するものであり、患者の確定診断の有無と結果および診断目的を含む診断情報を記憶する診断情報記憶手段１３と、診断情報を病変抽出部と対応付ける対応付け情報を記憶する対応付け情報記憶手段１２と、入力手段により入力された患者情報に基づいて診断情報記憶手段１３から患者の診断情報を取得し、診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、診断情報のうち確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、診断目的に対応付けられた病変抽出部を決定し、決定された病変抽出部に診断画像からの病変抽出を行わせる病変抽出制御手段１４とを備えたことを特徴とするものである。
入力手段１１は、主に診療科用ワークステーション４に接続されたマウスやキーボード等の入力機器によって構成され、診断医等のユーザの入力機器の操作に応じて患者情報および診断目的を入力する。
画像記憶手段１７は、主に画像管理サーバ５および画像情報データベース６によって構成され、患者ごとに診断画像を記憶する。
病変抽出手段１５は、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部、すなわちＣＡＤを備えたものであり、病変の再発および／または転移を抽出する追加診断用病変抽出部および原発病巣に生じる病変を抽出する病変抽出部を含んでいる。また、病変抽出手段１５は、診療科用ワークステーション４にインストールされたプログラムとして備えられ、主にＣＰＵやメモリによって構成されるものとする。なお、本実施形態に限られず、病変抽出手段１５は、ネットワークを介して接続された病変抽出部データベース等として種々の形態で設けられてもよい。
追加診断用病変抽出部とは、確定診断を受けた病変に対して、病変の追加診断に必要な病変抽出を行うものであり、具体的には、病変の転移、再発を抽出するものであり、さらに転移、再発した病変の合併症を抽出するものを含む。また、病変の転移を抽出するとは、原発病巣から転移した病変の有無及び形態を抽出することであり、病変の再発を抽出するとは、再発した病変の有無及び形態を抽出することである。形態には、例えば、大きさ、濃淡値、全体的な形状、部分的な形状等がある。
また、原発病巣に生じる病変を抽出する病変抽出部とは、患者の診断画像に対して、転移または再発によって生じたものでない病変の有無および形態を抽出するものである。
本明細書の実施形態における全ての病変抽出部は、機械学習により構築されたものである。以下に、追加診断用病変抽出部の構築方法を説明する。本実施形態による病変抽出部は、アダブースティングアルゴリズム（Adaboosting Algorithm）を用いて、病変の領域が既知である病変を含む複数の正のサンプル画像および病変を含まないことが既知である複数の負のサンプル画像における各画素の特徴量を予め機械学習することにより、その各画素が病変を示す画素であるかどうかを評価する評価関数Ｆを取得したものである。特徴量は、各サンプル画像からランダムに選んだ複数の画素の特徴量を用いるものとする。病変抽出部は、取得された評価関数Ｆによって、任意の医用画像中の各画素が病変を示す画素であるかどうかを評価することにより、病変を抽出することができる。
また、原発病巣の病変を抽出するＣＡＤは、病変を含む複数の正のサンプル画像として原発病巣の病変を含む複数のサンプル画像を用い、原発病巣の病変を抽出するために適した機械学習を行って構築されたものとする。さらに、追加診断用病変抽出部のうち、再発した病変を抽出するＣＡＤは、病変を含む複数の正のサンプル画像として再発した病変を含む複数のサンプル画像を用い、再発した病変の抽出に適した機械学習により構築されたものとする。同様に、転移した病変を抽出するＣＡＤは、病変を含む複数の正のサンプル画像として転移した病変を含む複数のサンプル画像を用い、再発した病変の抽出に適した機械学習により構築されたものとする。
本実施形態に限られず、機械学習の手法としては、種々の方法が適用でき、他にも、例えば、ニューラルネットワーク、サポートベクタマシン、最近傍識別器等の手法を適用してもよい。
また、本実施形態における各病変抽出部として、機械学習でない周知の様々な方法による病変抽出部を適用することも可能である。
なお、原発病巣の病変領域検出に、機械学習でない方法で病変を抽出するＣＡＤを使用することもでき、利用できる技術の例として、特開２００３−２２５２３１号、特開２００３−２７１９２４号、および、久保田等、「ヘリカルCT像を用いた肺がん計算機診断支援システムの評価」、電子情報通信学会、信学技報、pp.41-46、MI2001-41(2001-09)に示す肺がんを検出する技術、脇田等、「びまん性肺疾患の知的CAD」、文部科学省科学研究費補助金特定領域研究"多次元医用画像の知的診断支援"、第４回シンポジウム論文集、pp. 45-54、２００７に示すコンソリデーション、Ground-Glass Opacity(GGO)、Crazy-Paving、蜂巣状陰影、肺気腫陰影、粒状影等のびまん性肺疾患の検出技術、脇田等、「多時相腹部Ｘ線ＣＴ像の時相間濃度特徴計測に基づく肝臓がん検出」、コンピュータ支援画像診断学会論文誌、Vol.10、No.1、Mar 2007に示す肝臓がん検出技術、「正常構造の理解に基づく知的CAD」、文部科学省科学研究費補助金特定領域研究"多次元医用画像の知的診断支援"、第４回シンポジウム論文集pp.55-60、２００７に示す肝細胞がん、肝のう胞、肝血管種、肝臓領域における出血、脳領域における出血を検出する技術を用いることができる。
また、特開２００４−３２９９２９号に示すような血管の異常を検出する技術、本出願人の出願である特開平１０−９７６２４号に示す異常陰影候補の検出技術、特開平８−２１５１８３号に示すような石灰化領域の検出技術を用いることもできる。
表示手段１６は、診療科用ワークステーション４に備えられたディスプレイ等の表示機器によって構成される。
診断情報記憶手段１３は、主に情報管理サーバ１０および読影レポートサーバ７および読影レポートデータベース８によって構成される。診断情報は、患者ごとに記憶され、診療情報を少なくとも含み、好ましくは読影レポートデータベース８に記憶された読影レポートの内容を含むものである。また、確定診断の有無とその結果および入力された検査目的は、患者ごとに診断情報として記憶される。確定診断とは、担当医がそれまでに行われた問診、身体所見、各種の検査結果を総合的に判断して下した最終的診断である。確定診断の結果は、診断によって確定した病名を少なくとも含むものであり、病変の位置や病変の個数等の情報も適宜含んでもよい。なお、図４は、本明細書の実施形態の診断情報の一例を示す図である。図４の例では、説明のために読影レポートの内容を詳細には表していないが、本実施形態においては、診断情報には、患者情報に対応付けられて、過去に作成された読影レポートがあれば、過去の治療として読影レポートの一部または全ての内容を含んでいるものとする。本実施形態において確定診断の有無および結果は、診療情報に含まれているものとするが、診断情報に確定診断の有無および結果が含まれていれば、これに限られず、確定診断が読影レポートに含まれていてもよい。
対応付け情報記憶手段１２は、診療科用ワークステーション４に備えられ、主にＨＤＤ等の記憶媒体によって構成されるものとする。図５は、対応付けテーブルの例を示す図である。図５に示すように、対応付け情報記憶手段１２は、対応付け情報として、病変名および診断目的に病変抽出部を対応付けた対応付けテーブルを記憶する。
対応付けテーブルには、病名や確定診断の有無および診断目的に応じて、診断内容に適したＣＡＤを種々の知見により予め対応付けて記憶する。図５に示した対応付けテーブルでは、確定診断の結果に対応付けられた各病変抽出部は、病変の再発および／または転移を抽出する追加診断用病変抽出部である。具体的には、病名「大腸がん」に病変抽出部として「大腸転移腫瘍抽出ＣＡＤ」、「肝臓転移腫瘍抽出ＣＡＤ」、「肺転移結節抽出ＣＡＤ」が対応付けられている。確定診断があった場合は、病変の再発、転移および合併症などを診断することが一般的であるため、確定診断があった場合は、確定診断の結果の病名に、病変の再発および／または転移を抽出する追加診断用病変抽出部を対応付けることが好ましい。また、例えば、肺において、転移腫瘍は孤立結節が多く、原発腫瘍は多発結節が多いなどの傾向等も考慮してＣＡＤを対応付けることが好ましい。一例として、確定診断の結果、病名が肺がんである場合に、肺での病変の転移を抽出するＣＡＤとして転移した孤立結節を抽出する病変抽出部を対応付けることが考えられる。
また、確定診断がない場合には、診断目的から診断内容を推定可能な場合が多いため、診断目的に病変抽出部を対応付けることが好ましく、診断目的に対応する病変を抽出する病変抽出部を対応付けることがさらに好ましい。なお、「診断目的に対応する」病変とは、診断目的の対象となる病変および／または診断目的の対象となる病変に関連して生じる病変、診断目的の対象となる臓器等に生じる病変などである。例えば、診断目的が、大腸がん検診のように病名を含むものであれば、その病名を診断目的に対応する病変としてよく、また診断目的に胃、肺等の臓器名を含むものであれば、その臓器に生じ得る病変を診断目的に対応する病変としてもよい。確定診断がない場合には、原発病巣での病変の有無および形態を診断することが一般的であるため、発病巣の異常陰影の有無や形態を抽出するＣＡＤを対応付けることが好ましい。図５に示すように、本実施形態においては、診断目的に対応する病変を抽出する病変抽出部として、原発病巣の異常陰影の有無や形態を抽出するＣＡＤを用いる。具体的には、対応付けテーブルに、診断目的である「大腸がん診断」に大腸腫瘍抽出ＣＡＤが対応付けている。
また、対応付けテーブルの病名および／または診断目的には、一つのＣＡＤを対応付けてもよく、複数のＣＡＤを対応付けてもよい。また、確定診断があった場合に、追加診断用ＣＡＤと併せて原発病巣抽出用ＣＡＤを対応付けてもよい。
病変抽出制御手段１４は、入力手段により入力された患者情報に基づいて診断情報記憶手段１３から患者の診断情報を取得し、診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、診断情報のうち確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、診断目的に対応付けられた病変抽出部を決定し、決定された病変抽出部に診断画像からの病変抽出を行わせるものであり、診療科用ワークステーション４にインストールされたプログラムとして備えられ、主にＣＰＵやメモリによって構成されるものとする。
図３は、第１の実施形態による診断支援処理の流れを示すフロー図である。以下、図３を用いて、第１の実施形態による診断支援処理の流れを説明する。
まず、入力手段１１により患者情報および診断目的が入力される（Ｓ１０１）。例えば、診療科のワークステーション４から診断医等により患者ＩＤ等の患者情報および大腸がん診断等の診断目的が入力される。なお、診断目的とは、診断や検診の目的を表し、例えば、大腸がん検診、胃がん検診等の検査オーダー情報があげられる。
次に、病変抽出制御手段１４は、入力された患者情報に基づいて、ここでは、患者情報のうちの患者ＩＤ等に基づいて、患者ＩＤに対応する診断情報を診断情報記憶手段１３から取得する（Ｓ１０２）。例えば、図４に示すように、患者ＩＤ「101」が入力された場合、患者ＩＤ「101」を含む診断情報が取得される。
病変抽出制御手段１４は、診断情報に確定診断の有無を判別する（Ｓ１０３）。診断情報に確定診断があれば（Ｓ１０３のＹ）、病変抽出制御手段１４は、確定診断の結果のうちの病名に対応付けられた病変抽出部を決定する（Ｓ１０４）。図４に示す診断情報の例によれば、患者ＩＤ「101」が入力されたとすると、患者ＩＤ「101」に対応付けられた診断情報には、確定診断が有り、確定診断の結果として、病名「直腸がん」、病変の位置「直腸」、病変の個数「１」が設定されている。よって、確定診断があると判別できる。この場合、病変抽出制御手段１４は、図５に示す対応付けテーブルを参照して、確定診断の結果に含まれる病名「大腸がん」に対応付けられた病変抽出部として「大腸転移腫瘍抽出ＣＡＤ」、「肝臓転移腫瘍抽出ＣＡＤ」、「肺転移結節抽出ＣＡＤ」をそれぞれ決定する。
次に、決定された病変抽出部により、診断画像から病変を抽出する（Ｓ１０６）。すなわち、病変抽出制御手段１４は、決定された「大腸転移腫瘍抽出ＣＡＤ」に画像記憶手段１７から患者情報に基づいて大腸を含む診断画像を取得して入力し、その診断画像から病変抽出を行わせ、「肝臓転移腫瘍抽出ＣＡＤ」に同様に肝臓を含む診断画像を入力してその診断画像から病変抽出を行わせ、「肺転移結節抽出ＣＡＤ」に同様に肺を含む診断画像を入力してその診断画像から病変抽出を行わせる。
そして、表示手段１６は、病変抽出手段１５が抽出した病変を表示する（Ｓ１０７）。上記の例では、表示手段１６は、「大腸転移腫瘍抽出ＣＡＤ」、「肝臓転移腫瘍抽出ＣＡＤ」、「肺転移結節抽出ＣＡＤ」によってそれぞれ抽出された病変をディスプレイに表示する。
また、確定診断がなかった場合には（Ｓ１０３のＮ）、病変抽出制御手段１４は、診断情報のうち診断目的に対応付けられた病変抽出部を決定する（Ｓ１０５）。具体的には、図４の患者ＩＤ「102」に示すように、確定診断が存在しない場合には、診断目的である「大腸がん診断」に対応付けられた大腸腫瘍抽出ＣＡＤを決定する。この大腸腫瘍抽出ＣＡＤは、大腸の原発腫瘍を抽出するＣＡＤである。
そして、病変抽出制御手段１４は、先ほどと同様に、決定された「大腸腫瘍抽出ＣＡＤ」に画像記憶手段１７から患者情報に基づいて大腸を含む診断画像を取得して入力し、その診断画像から病変抽出を行わせる（Ｓ１０６）。そして、表示手段１６は、大腸腫瘍抽出ＣＡＤから得られた病変を表示する（Ｓ１０７）。
本第１の実施形態によれば、確定診断の有無に応じて、確定診断の結果または診断目的に沿った適切な病変抽出部を使用して診断支援を行えるため、ユーザによる読影精度や読影効率を向上させることができる。また、実際の診断プラクティスに沿った病変抽出部を適切に選択できるため、ユーザによる読影精度や読影効率を向上させることができる。
ここで、第１の実施形態による各病変抽出部は、機械学習法によって構築されたものであるため、線形判別法のＣＡＤ等を用いた場合よりも精度よく病変抽出を行うことができ、ユーザによる読影精度や読影効率を向上させることができる。
また、第１の実施形態において、確定診断の結果に対応付けられた病変抽出部は、病変の再発および／または転移を抽出する追加診断用病変抽出部であるため、確定診断の結果に沿った、診断内容に適した病変抽出部を使用して診断支援を行えるため、ユーザによる読影精度や読影効率を向上させることができる。また、実際の診断プラクティスに沿った病変抽出部を適切に選択できるため、ユーザによる読影精度や読影効率を向上させることができる。
また、第１の実施形態において、診断目的に対応付けられた病変抽出部は、診断目的に対応する病変を抽出するものであるため、診断目的に沿った、診断内容に適した病変抽出部を使用して診断支援を行えるため、ユーザによる読影精度や読影効率を向上させることができる。
また、本実施形態による追加診断用病変抽出部は、機械学習法によって追加診断に適したサンプルを用いて構築されたものであるため、高精度に病変を抽出することができ、ユーザによる読影精度や読影効率を向上させることができる。
なお、本第１の実施形態の変形例として、本実施形態の診断支援システムは、診断画像に基づいて病変の病変名を推定する病変名推定手段２０をさらに備え、病変抽出制御手段１４は、確定診断がなかった場合に、抽出された病変に対し、病変名推定手段２０によって病変名を推定させるものであり、表示手段１６は推定された病変名を表示するものであってもよい。
病変名推定手段２０は、いわゆる病変の判別を行う判別ＣＡＤである。本実施形態の変形例では、病変抽出制御手段１４は、確定診断がなかった場合に、Ｓ１０５のステップの後に病変抽出部によって抽出された病変に対して、病変名推定手段２０に病変名を推定させる。病変名には、腺がん、細胞がん、孤立性のがん等の腫瘍の分類等、様々な分類による病気名を含むものである。そして、Ｓ１０６のステップに併せて、表示手段１６は推定された病変名を表示する。病変名推定手段２０は、病変の病変名を推定する機能を有するものであれば何でもよく、周知の種々の判別ＣＡＤを用いることができる。
本第１の実施形態の変形例によれば、診断目的に沿った、診断内容に適した病変抽出部により抽出された病変に応じて、病変名を推定できるため、ユーザによる読影精度や読影効率を向上させることができる。
なお、同一の患者に対して、本第１の実施形態の変形例の診断支援処理を行った後、再度本明細書の診断支援処理を行う場合には、第１の実施形態の変形例による病変名推定手段２０によって推定された病変名を、確定診断の結果に併せてまたは確定診断の結果に替えて用いてもよい。また、推定された病変名に基づいて病変抽出部を決定するか、確定診断の結果に基づいて病変抽出部を決定するか、ユーザの設定により選択可能としてもよい。確定診断がなくとも、推定された病変が重大なものである場合など、病変の転移等を診断する要求がある場合に、過去の診断情報に応じた病変抽出部により病変抽出を行えるため、ユーザによる読影精度や読影効率を向上させることができる。
第1の実施形態では、確定診断がない場合に、診断目的に対応付けられた病変抽出部を決定したが、これに限定されず、応用例として、病変抽出制御手段１４は、診断目的に替えて、または診断目的に併せて診断情報に存在する臓器名などの解剖学的構造物名や、疑いのある病名等を取得し、対応付けテーブルから診断目的および／または診断情報に存在する解剖学的構造物名、疑いのある病名等に対応付けられた病変抽出部を決定してもよい。診断目的および／または診断情報に応じた病変抽出部により病変抽出を行えるため、ユーザによる読影精度や読影効率を向上させることができる。
また、対応付けテーブルには、さらに、病変が悪性か良性か等の病変の性質に応じて対応付けるＣＡＤを異ならせて設定しても良い。病変抽出制御手段１４は、確定診断の結果から、病変名および病変が悪性か良性か等の病変の性質を判別し、病変名および病変の性質に基づいてＣＡＤを決定する。例えば、確定診断の結果悪性の病変であれば、転移を抽出する複数の追加診断用ＣＡＤを対応付け、確定診断の結果良性の病変であれば、原発病巣の病変を抽出するＣＡＤを対応付ける等、診断内容に適したＣＡＤを対応付けることが好ましい。
また、対応付けテーブルには、さらに、手術によって病変を摘出した後か前かに応じて対応付けるＣＡＤを異ならせて設定してもよい。病変抽出制御手段１４は、診断情報から、病変名および手術によって病変を摘出した後か前かを判別し、病変名および術前術後の判別結果に基づいてＣＡＤを決定する。例えば、病変の摘出前であれば、原発病巣の病変を抽出するＣＡＤおよび転移を抽出する追加診断用のＣＡＤを対応付け、病変の摘出後であれば、原発病巣の病変の再発を抽出するＣＡＤおよび転移を抽出する追加診断用のＣＡＤを対応付ける等、診断内容に適したＣＡＤを対応付けることが好ましい。
以上のように、確定診断の結果のうち病変の性質や病変の摘出前後等、種々の情報に応じて、診断プラクティスに沿った病変抽出部を適切に対応付けることにより、診断内容に適した病変抽出部を使用して診断支援を行えるため、ユーザによる読影精度や読影効率を向上させることができる。
また、本第１の実施形態において、病変抽出手段１５を、放射線科ワークステーション４に替えてネットワークを介して接続された不図示の大容量ストレージに記憶し、本第１の実施形態の診断支援システムを入力手段１１と、画像記憶手段１７と、病変抽出手段１５と、表示手段１６とを備えた診断支援システムとして構成して、放射線科ワークステーション４および情報管理サーバ１０からなる装置を、診断情報記憶手段１３と、対応付け情報記憶手段１２と、病変抽出制御手段１４とを備えた診断支援装置として構成しても、同様の効果が得られる。なお、本実施形態に限定されず、第１の診断支援システムの構成要素の一部または全部は、1台のワークステーションにより構成されたものであってもよく、ネットワークを介して接続された一台以上のワークステーション、サーバ、記憶装置によって構成されたものであってもよい。なお、各機器は、ＣＤ−ＲＯＭ等の記録媒体からインストールされた本明細書の診断支援処理を行うプログラムによって制御される。また、プログラムは、インターネット等のネットワーク経由で接続されたサーバの記憶装置からダウンロードされた後にインストールされたものであってもよい。
以下、第２の実施形態による診断支援システムについて説明する。図６は、第２の実施形態による診断支援システムの機能ブロック図である。第２の実施形態による診断支援システムでは、病変に治療方法および治療方法を適用した場合の効果を対応付けた治療効果予測情報を記憶する治療効果予測記憶手段１８と、病変抽出手段によって抽出された病変に基づいて、治療効果予測記憶手段に記憶された治療効果予測情報から治療方法および効果を選択する治療効果予測手段１９をさらに備え、表示手段１６は選択された治療方法および効果をさらに表示するものである点のみが第１の実施形態による診断支援システムと異なる。
治療効果予測記憶手段１８は、診療科用ワークステーション４に備えられ、主にＨＤＤ等の記憶媒体によって構成されるものとする。治療効果予測記憶手段１８は、治療効果予測情報として、病変を表す情報に治療を適用した場合の効果を対応付けた治療効果予測テーブル１８１および効果予測テーブル１８２を記憶する。図７は、第２の実施形態による治療効果予測テーブル１８１の例を示す図である。治療効果予測テーブル１８１には、病変の特徴量および治療方法をキーとして、期待される効果が設定される。病変の特徴量とは、病変の特徴を表す１以上の情報を含む。例えば、病変のサイズＳ、病変の陰影の濃淡値、病変の形態、病変の数、病変の位置を含む。病変の形態は、円形、細長形状等の病変の全体形状および、病変を構成する部分の線状、網状等の態様、病変中の空洞の有無等の情報が含まれる。また、図７の検査データ欄に示すように、患者の診断情報や検査データなどの診断情報を含んでもよい。また、治療方法は、例えば、外科的手術、放射線療法、化学療法等、周知の種々の治療方法を対応付けることができる。
なお、図７に示す治療効果予測テーブル１８１の例では、病変特徴量として、病変のサイズＳ、病変の濃淡値の幅Ｗ１−Ｗ２、病変の形態（円形、線状、空洞有り）が設定されており、検査データとして、診断情報から血液検査結果Ｅ、病変の進行度Ｔ４、病変の転移状況（肝臓転移２個、大腸への転移１個）が設定されており、治療方法「方法１」、方法１を病変特徴量に対応する病変に適用したときに期待される効果である治療効果番号「３」が設定されている。
図８は、第２の実施形態による効果予測テーブル１８２の例を示す図である。図７、８に示す治療効果番号には、治療によって期待される病変の改善量（効果）とその確率を組としたもののリストを用いる。治療効果予測テーブル１８１および効果予測テーブル１８２は、特開２００６−３１８１６２に記載された方法を用い、多数の患者について、治療前の病変の特徴量および治療法および治療による効果を治療成績データベースに蓄積し、治療成績データベースから治療効果の確率分布を算出して作成したものとする。なお、図８の効果の例では、効果として、腫瘍サイズが０以上Ｓ１未満になる確率が０．５０、Ｓ１以上Ｓ２未満になる確率０．２５、Ｓ２以上になる確率が０．２５と設定されている。
治療効果予測手段１８は、診療科用ワークステーション４にインストールされたプログラムとして備えられ、主にＣＰＵやメモリによって構成されるものとする。
図９は、第２の実施形態による診断支援処理の流れを示すフロー図である。以下、図９を用いて、第２の実施形態による診断支援処理の流れを説明する。
Ｓ２０１からＳ２０７は、第１の実施形態におけるＳ１０１からＳ１０７と同じであるため、説明を省略する。
第２の実施形態の診断支援処理においては、病変抽出部が診断画像から病変を抽出すると、治療効果予測手段１９が、抽出された病変に基づいて治療効果予測テーブル１８１から治療および効果を選択する（Ｓ２０８）。具体的には、治療効果予測手段１９は、効果予測テーブル１８２に登録された各病変の特徴量について、抽出された病変の特徴量との類似度をそれぞれ算出し、これらのそれぞれの類似度を加算して総合評価することにより、最も近い症例に対する治療方法および効果を、治療効果予測テーブル１８１から選択する。このような類似度の評価方法および治療方法の選択方法は、特開２００６−３１８１６２に記載された方法を用いるものとする。つまり、特開２００６−３１８１６２に記載された類似度の評価方法および治療方法の選択方法において、本第２の実施形態の抽出された病変の特徴量をクエリーとして、効果予測テーブル１８２に登録された全てのレコード、即ち病変の特徴量との距離を算出し、距離が最も小さいものを選択する。なお、本実施形態に限定されず、複数の特徴量の類似度の評価をできるものであれば、周知の様々な類似度の評価方法を用いることができる。
治療効果予測手段１９は、原発病巣から病変を抽出するＣＡＤによって抽出された病変について、治療効果を予測してもよく、追加診断用のＣＡＤによって抽出された病変について、治療効果を予測してもよい。
次に、表示手段１６は、選択された治療および効果を表示する（Ｓ２０９）。具体的には、図７における症例１が選択された場合には、治療方法である方法１と方法１に対応する治療効果番号３に対応する効果予測テーブル１８２を表示する。
なお、類似度が所定値を満たす治療方法および効果が複数有る場合、複数の治療方法および効果を選択してもよく、治療方法ごとに効果を表示してもよい。効果は、グラフや図などで種々の方法で表示してもよい。
なお、Ｓ２０８のステップで、これらの病変の特徴量に加えて、患者情報および、検査データ等の診断情報についてもそれぞれ類似度を算出し、さらに加算して総合評価してもよい。種々の患者データにより類似度を評価することにより、より精度良く類似症例とその治療法を選択することができるため、効率よくかつ精度良く診断する支援を行うことができる。
また、治療効果予測方法には、病変に応じて治療方法と効果を予測できるものであれば、種々の治療効果予測方法を用いることができる。一例として、特表２００７−５０７８１４に記載された方法を用いてもよい。
本第２の実施形態によれば、診断目的又は確定診断の結果に沿った、診断内容に適した病変抽出部により抽出された病変に応じて、治療方法及び効果を予測できるため、ユーザによる読影精度や読影効率を向上させることができる。
類似度が所定値を満たす複数の治療方法および効果を選択して、治療方法ごとに効果を表示した場合には、病変に対する様々な治療方法および効果の多くの情報を参考にできるため、ユーザによる読影精度や読影効率を向上させることができる。
治療効果予測手段１９および治療効果予測記憶手段１８は、本実施形態に限定されず、ネットワークを介して接続された外部サーバおよび外部ストレージによって構成されていてもよい。
以上の実施形態は、その本質を変容させることなく、他の実施形態にも適用できる。
１１ 入力手段
１２ 対応付け情報記憶手段
１３ 診断情報記憶手段
１４ 病変抽出制御手段
１５ 病変抽出手段
１６ 表示手段
１７ 画像記憶手段
１８ 治療効果予測記憶手段
１９ 治療効果予測手段
２０ 病変名推定手段

Claims (9)

  1. 患者情報および診断目的を入力する入力手段と、
    患者の診断画像を記憶する画像記憶手段と、
    前記診断画像から病変を抽出する病変抽出手段と、
    該病変抽出手段によって抽出された病変を表示する表示手段とを備えた診断支援システムにおいて、
    前記病変抽出手段は、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部を有するものであり、
    前記患者の確定診断の有無と結果および診断目的を含む診断情報を記憶する診断情報記憶手段と、
    前記診断情報を前記病変抽出部と対応付ける対応付け情報を記憶する対応付け情報記憶手段と、
    前記入力手段により入力された前記患者情報に基づいて前記診断情報記憶手段から前記患者の診断情報を取得し、該診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、前記診断情報のうち前記確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、前記診断目的に対応付けられた病変抽出部を決定し、決定された前記病変抽出部に前記診断画像からの病変抽出を行わせる病変抽出制御手段とを備えたことを特徴とする診断支援システム。
  2. 前記確定診断の結果に対応付けられた病変抽出部は、病変の再発および／または転移を抽出する追加診断用病変抽出部であることを特徴とする請求項１記載の診断支援システム。
  3. 前記診断目的に対応付けられた病変抽出部は、前記診断目的に対応する病変を抽出するものであることを特徴とする請求項１または２項に記載の診断支援システム。
  4. 前記診断画像に基づいて病変の病変名を推定する病変名推定手段をさらに備え、
    前記病変抽出制御手段は、確定診断がなかった場合に、抽出された病変に対し、前記病変名推定手段によって病変名を推定させるものであり、
    前記表示手段は前記推定された病変名を表示するものであることを特徴とする請求項１から３のいずれか１項記載の診断支援システム。
  5. 病変に治療方法および該治療方法を適用した場合の効果を対応付けた治療効果予測情報を記憶する治療効果予測記憶手段と、
    前記病変抽出手段によって抽出された病変に基づいて、前記治療効果予測記憶手段に記憶された前記治療効果予測情報から治療方法および効果を選択する治療効果予測手段をさらに備え、
    前記表示手段は選択された治療方法および効果を表示するものであることを特徴とする請求項１から４項のいずれか1項記載の診断支援システム。
  6. 前記病変抽出手段は、機械学習法により構築されたものであることを特徴とする請求項１から５のいずれか１項記載の診断支援システム。
  7. 患者情報および診断目的を入力する入力手段と、
    患者の診断画像を記憶する画像記憶手段と、
    前記診断画像から病変を抽出する病変抽出手段と、
    該病変抽出手段によって抽出された病変を表示する表示手段とを備えた診断支援システムに接続される診断支援装置であって、
    前記病変抽出手段は、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部を有するものであり、
    前記患者の確定診断の有無と結果および診断目的を含む診断情報を記憶する診断情報記憶手段と、
    前記診断情報を前記病変抽出部と対応付ける対応付け情報を記憶する対応付け情報記憶手段と、
    前記入力手段により入力された前記患者情報に基づいて前記診断情報記憶手段から前記患者の診断情報を取得し、該診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、前記診断情報のうち前記確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、前記診断目的に対応付けられた病変抽出部を決定し、決定された前記病変抽出部に前記診断画像からの病変抽出を行わせる病変抽出制御手段とを備えたことを特徴とする診断支援装置。
  8. 患者情報および診断目的を入力し、
    患者の確定診断の有無と結果および診断目的を含む診断情報を、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部とそれぞれ対応付ける対応付け情報を取得し、
    入力された前記患者情報に基づいて前記患者の診断情報を取得し、該診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、前記診断情報のうち前記確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、前記診断目的に対応付けられた病変抽出部を決定し、決定された前記病変抽出部に前記診断画像からの病変抽出を行わせ、
    抽出された病変を表示することを特徴とする診断支援方法。
  9. コンピュータを、
    患者情報および診断目的を入力する入力手段と、
    患者の診断画像を記憶する画像記憶手段と、
    前記診断画像から病変を抽出する病変抽出手段として機能させる診断支援プログラムであって、
    前記病変抽出手段は、種類の異なる複数の病変をそれぞれ抽出可能な複数の病変抽出部を有するものであり、
    前記患者の確定診断の有無と結果および診断目的を含む診断情報を記憶する診断情報記憶手段と、
    前記診断情報を前記病変抽出部と対応付ける対応付け情報を記憶する対応付け情報記憶手段と、
    前記入力手段により入力された前記患者情報に基づいて前記診断情報記憶手段から前記患者の診断情報を取得し、該診断情報から確定診断の有無を判別し、確定診断が有ると判別した場合は、前記診断情報のうち前記確定診断の結果に対応付けられた病変抽出部を決定し、確定診断がないと判別した場合は、前記診断目的に対応付けられた病変抽出部を決定し、決定された前記病変抽出部に前記診断画像からの病変抽出を行わせる病変抽出制御手段として機能させることを特徴とすることを特徴とする診断支援プログラム。
JP2010081000A 2010-03-31 2010-03-31 診断支援システム、診断支援装置、診断支援方法および診断支援プログラム Active JP5320335B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2010081000A JP5320335B2 (ja) 2010-03-31 2010-03-31 診断支援システム、診断支援装置、診断支援方法および診断支援プログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2010081000A JP5320335B2 (ja) 2010-03-31 2010-03-31 診断支援システム、診断支援装置、診断支援方法および診断支援プログラム

Publications (2)

Publication Number Publication Date
JP2011212094A JP2011212094A (ja) 2011-10-27
JP5320335B2 true JP5320335B2 (ja) 2013-10-23

Family

ID=44942510

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2010081000A Active JP5320335B2 (ja) 2010-03-31 2010-03-31 診断支援システム、診断支援装置、診断支援方法および診断支援プログラム

Country Status (1)

Country Link
JP (1) JP5320335B2 (ja)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102043130B1 (ko) 2012-11-16 2019-11-11 삼성전자주식회사 컴퓨터 보조 진단 방법 및 장치
JP6316546B2 (ja) * 2013-06-05 2018-04-25 キヤノンメディカルシステムズ株式会社 治療計画策定支援装置及び治療計画策定支援システム
JP6898969B2 (ja) * 2015-03-30 2021-07-07 キヤノン株式会社 眼科情報処理システムおよび眼科情報処理方法
JP6568375B2 (ja) * 2015-03-30 2019-08-28 キヤノン株式会社 眼科情報処理システム、画像処理装置、および画像処理方法
CN110913746B (zh) 2017-07-20 2022-02-18 奥林巴斯株式会社 诊断辅助装置、诊断辅助方法及存储介质
KR101977645B1 (ko) 2017-08-25 2019-06-12 주식회사 메디웨일 안구영상 분석방법
WO2019138773A1 (ja) * 2018-01-10 2019-07-18 富士フイルム株式会社 医療画像処理装置、内視鏡システム、医療画像処理方法及びプログラム
JP7370694B2 (ja) * 2018-08-14 2023-10-30 キヤノン株式会社 医用情報処理装置及び医用情報処理方法、プログラム
JP7273470B2 (ja) 2018-08-14 2023-05-15 キヤノン株式会社 医用情報処理装置及び医用情報処理方法、プログラム
WO2020188682A1 (ja) * 2019-03-18 2020-09-24 オリンパス株式会社 診断支援装置、診断支援方法及びプログラム
EP3751582B1 (en) * 2019-06-13 2024-05-22 Canon Medical Systems Corporation Radiotherapy system, and therapy planning method
KR102100699B1 (ko) * 2019-07-01 2020-04-16 (주)제이엘케이인스펙션 병변 통합 학습 모델을 구축하는 장치와 방법, 및 상기 병변 통합 학습 모델을 사용하여 병변을 진단하는 장치와 방법
JP7179707B2 (ja) * 2019-10-03 2022-11-29 富士フイルム株式会社 診療支援装置、診療支援方法、及び診療支援プログラム
WO2021193022A1 (ja) * 2020-03-27 2021-09-30 テルモ株式会社 情報処理装置、情報処理方法及びプログラム
EP4299008A1 (en) * 2021-02-26 2024-01-03 Kyocera Corporation Assessment system, assessment system control method, and control program
KR20240108636A (ko) * 2023-01-02 2024-07-09 아주대학교산학협력단 눈 주변부 실화상 이미지를 이용한 질병 진단 시스템 및 이의 제어 방법

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3530431B2 (ja) * 1999-10-14 2004-05-24 日本電信電話株式会社 ネットワーク画像診断支援システムおよび読影サーバ
CN1839391A (zh) * 2003-06-25 2006-09-27 美国西门子医疗解决公司 用于乳房成像的自动诊断和决策支持的系统和方法
JP2008253681A (ja) * 2007-04-09 2008-10-23 Toshiba Corp 医用支援システム、及び医用支援プログラム
JP2008293294A (ja) * 2007-05-24 2008-12-04 Fuji Xerox Co Ltd 医療情報処理システム、および情報処理方法、並びにコンピュータ・プログラム
JP5159242B2 (ja) * 2007-10-18 2013-03-06 キヤノン株式会社 診断支援装置、診断支援装置の制御方法、およびそのプログラム

Also Published As

Publication number Publication date
JP2011212094A (ja) 2011-10-27

Similar Documents

Publication Publication Date Title
JP5320335B2 (ja) 診断支援システム、診断支援装置、診断支援方法および診断支援プログラム
JP5263997B2 (ja) 医用レポート作成装置、医用レポート作成方法および医用レポート作成プログラム
AU2004266022B2 (en) Computer-aided decision support systems and methods
US8934687B2 (en) Image processing device, method and program including processing of tomographic images
JP6945474B2 (ja) 学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラム
JP2011092681A (ja) 医用画像処理装置および方法並びにプログラム
JP6865678B2 (ja) 縦断的特徴に基づく関心組織の健康状態の分類
JP7080304B2 (ja) 学習支援装置、学習支援方法、学習支援プログラム、関心領域判別装置、関心領域判別方法、関心領域判別プログラム及び学習済みモデル
JP2019149005A (ja) 医療文書作成支援装置、方法およびプログラム
Napel et al. Special section guest editorial: radiomics and imaging genomics: quantitative imaging for precision medicine
US10803986B2 (en) Automatic layout apparatus, automatic layout method, and automatic layout program
WO2020129385A1 (ja) 医療文書作成支援装置、方法およびプログラム
Zhang et al. Deep learning system assisted detection and localization of lumbar spondylolisthesis
Yuba et al. Systematic analysis of the test design and performance of AI/ML-based medical devices approved for triage/detection/diagnosis in the USA and Japan
JP5172262B2 (ja) レポート作成支援システム及びレポート作成支援方法
Giger Update on the potential of computer-aided diagnosis for breast cancer
Linda et al. The utility of multidetector computed tomography for detection of parathyroid disease in the setting of primary hyperparathyroidism
Allapakam et al. RETRACTED ARTICLE: A hybrid feature pyramid network and Efficient Net-B0-based GIST detection and segmentation from fused CT-PET image
JP7376715B2 (ja) 経過予測装置、経過予測装置の作動方法および経過予測プログラム
Lin et al. Identifying Acute Aortic Syndrome and Thoracic Aortic Aneurysm from Chest Radiography in the Emergency Department Using Convolutional Neural Network Models
Fonnegra et al. LA-Breast: A Latin American multiparametric breast DCE-MRI dataset with benign and malignant annotations.
Padilla-Thornton et al. Current evaluation of breast health concerns and diagnosis of breast cancer
JP2024044922A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP2023143436A (ja) 情報処理装置、情報処理方法及び情報処理プログラム
JP2011110303A (ja) 医用画像表示システム及びプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20120703

TRDD Decision of grant or rejection written
A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20130627

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130702

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130712

R150 Certificate of patent or registration of utility model

Ref document number: 5320335

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

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

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250