JP5538749B2 - 診断支援システム及びその診断支援方法、プログラム - Google Patents
診断支援システム及びその診断支援方法、プログラム Download PDFInfo
- Publication number
- JP5538749B2 JP5538749B2 JP2009134297A JP2009134297A JP5538749B2 JP 5538749 B2 JP5538749 B2 JP 5538749B2 JP 2009134297 A JP2009134297 A JP 2009134297A JP 2009134297 A JP2009134297 A JP 2009134297A JP 5538749 B2 JP5538749 B2 JP 5538749B2
- Authority
- JP
- Japan
- Prior art keywords
- case data
- case
- diagnosis support
- learning result
- data
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- 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
- G16H70/00—ICT specially adapted for the handling or processing of medical references
- G16H70/20—ICT specially adapted for the handling or processing of medical references relating to practices or guidelines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/02—Knowledge representation; Symbolic representation
- G06N5/022—Knowledge engineering; Knowledge acquisition
- G06N5/025—Extracting rules from data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
Description
前記症例データのうち前記第1の学習結果と前記第2の学習結果とが一致する第1の症例データと、前記症例データのうち第1の学習結果と第2の学習結果とが一致しない第2の症例データとを取得するデータ取得手段と、
前記第1の症例データと前記第2の症例データとを分ける要因を取得する要因取得手段と、
を有することを特徴とする。
図1は、本発明の一実施の形態に係わる診断支援システムの全体構成の一例を示す図である。なお、本実施形態においては、緑内障の診断支援を行なう場合を例に挙げて説明する。
ここで、図3に示すS101の処理について具体例を挙げて説明する。
次に、図3に示すS102の処理の具体的内容に関して説明する。ここでは、緑内障診断の経験が豊富な医師(経験者)がシステム使用者であるとする。
次に、図3に示すS103の処理について具体例を挙げて説明する。ここでは、本システムを使用する医師(経験豊富であっても、そうでなくても良い)をシステム使用者とする。
次に、図4を用いて、図3に示すS104の処理について具体例を挙げて説明する。
2)症例群m4(FP)と症例群m6(緑内障)
症例群m3(FN)及び症例群m1(正常)に分類された症例は、第2の識別関数f2では、正常と診断されているが、第1の識別関数群f1 nでは、症例群m1は正常、症例群m3は緑内障と診断されている。すなわち、システム使用者となる医師が、正確に診断を行なった症例群が症例群m1(第1のカテゴリ)であり、誤診断を行なった症候群が症例群m3(第2のカテゴリ)である。
ここで、μiは各症例群における特徴量ベクトルの平均ベクトルであり、Swはクラス内変動行列である。症例群m3及び症例群m1に分類された各症例に対する特徴量ベクトルをxとすると、クラス内変動行列Swは「式2」のように示される。
次に、実施形態2について説明する。実施形態1においては、各モダリティを単位として診断画面を表示する場合を例に挙げて説明した。これに対して、実施形態2においては、同じモダリティでも複数の異なる撮影結果や解析結果等がある点に注目する。例えば、OCTというモダリティでは、黄斑部の撮影もあれば、視神経乳頭周辺の撮影もある。また、眼底カメラというモダリティでは、眼底画像内の視神経乳頭部の解析もあれば、神経線維欠損の解析もある。
次に、実施形態3について説明する。実施形態1においては、複数の経験豊富な医師の診断パターンと、本システムを利用する医師の診断パターンとの差異を分析する際に、FP症例群及びFN症例群を一つの集合として取り扱っていた。しかし、例えば、緑内障を見落とす場合(FN症例群)の見落としの要因は、複数存在する。そのため、FN症例群は、その中でも更にクラス分けするべきである。
1−1)症例群m3(FN)−1と症例群m1(正常)、
1−2)症例群m3(FN)−2と症例群m1(正常)、
・・・、
1−k)症例群m3(FN)−k3と症例群m1(正常)
また、
2−1)症例群m4(FP)−1と症例群m6(緑内障)、
2−2)症例群m4(FP)−2と症例群m6(緑内障)、
・・・、
2−k)症例群m4(FP)―k4と症例群m6(緑内障)
となる。
Claims (14)
- 症例データに対する複数の医師による診断結果に基づく第1の学習結果と、前記症例データに対する特定の医師による診断結果に基づく第2の学習結果とを取得する取得手段と、
前記症例データのうち前記第1の学習結果と前記第2の学習結果とが一致する第1の症例データと、前記症例データのうち第1の学習結果と第2の学習結果とが一致しない第2の症例データとを取得するデータ取得手段と、
前記第1の症例データと前記第2の症例データとを分ける要因を取得する要因取得手段と、
を有することを特徴とする診断支援システム。 - 前記要因を表示部に表示させる表示制御手段を更に有することを特徴とする請求項1に記載の診断支援システム。
- 前記要因は、前記第1の症例データと前記第2の症例データとを分ける複数の要素のうち最も大きな値を持つ要素に対応する特徴量であることを特徴とする請求項1または請求項2に記載の診断支援システム。
- 前記要因は、前記症例データを取得したモダリティ毎に算出された前記第1の症例データと前記第2の症例データとを分ける複数の要素の和のうち、前記要素の和が最大となるモダリティであることを特徴とする請求項1または請求項2に記載の診断支援システム。
- 前記要素は、前記第1の症例データと前記第2の症例データとを分けるための処理に用いた変換行列に含まれることを特徴とする請求項3または請求項4に記載の診断支援システム。
- 医師を識別する識別情報を入力する入力手段を更に備え、
前記第2の学習結果は前記識別情報に対応する医師による診断結果に基づくことを特徴とする請求項1乃至5のいずれか1項に記載の診断支援システム。 - 前記第1の学習結果と前記第2の学習結果とを用いて前記症例データを複数のカテゴリに分類する分類手段と、
患者の検査により得られた臨床データが前記分類手段により分類された前記カテゴリのいずれに属するかを識別する識別手段と、
を更に有し、
前記複数のカテゴリは、前記第1の学習結果と前記第2の学習結果とが一致する第1のカテゴリと、前記第1の学習結果と前記第2の学習結果とが一致しない第2のカテゴリを含み、
前記識別手段によって前記臨床データが前記第2のカテゴリに属すると識別された場合に、前記表示制御手段は前記要因を前記表示部に表示させることを特徴とする請求項2に記載の診断支援システム。 - 前記識別手段によって前記臨床データが前記第1のカテゴリに属すると識別された場合に、前記表示制御手段は前記要因とは異なる情報を表示させることを特徴とする請求項7に記載の診断支援システム。
- 前記分類手段により前記第2のカテゴリに分類された症例データを複数のクラスタに分類するクラスタリング手段
を更に具備し、
前記識別手段は、
前記臨床データが前記第2のカテゴリに属する場合に、前記臨床データが前記複数のクラスタ内のいずれに属するかを識別し、
前記表示制御手段は、
前記識別手段により前記臨床データが属すると識別されたクラスタに対応した前記要因を前記表示部に表示させることを特徴とする請求項7記載の診断支援システム。 - 前記要因は、前記症例データを取得したモダリティ毎に算出された前記第1の症例データと前記第2の症例データとを分ける複数の要素の和のうち最大の和となるモダリティによって撮像された箇所であることを特徴とする請求項4に記載の診断支援システム。
- 前記要因は、前記第1の症例データと前記第2の症例データとを分ける複数の要素間における比較結果に基づいて定められた要素に対応する特徴量であることを特徴とする請求項1または請求項2に記載の診断支援システム。
- 前記要因は、前記症例データを取得したモダリティ毎に算出された前記第1の症例データと前記第2の症例データとを分ける複数の要素の和をモダリティ間で比較した比較結果により定められたモダリティであることを特徴とする請求項1または請求項2に記載の診断支援システム。
- 診断支援システムの診断支援方法であって、
症例データに対する複数の医師による診断結果に基づく第1の学習結果と、前記症例データに対する特定の医師による診断結果に基づく第2の学習結果とを取得する取得工程と、
前記症例データのうち前記第1の学習結果と前記第2の学習結果とが一致する第1の症例データと、前記症例データのうち第1の学習結果と第2の学習結果とが一致しない第2の症例データとを取得するデータ取得工程と、
前記第1の症例データと前記第2の症例データとを分ける要因を取得する要因取得工程と、
を有することを特徴とする診断支援システムの診断支援方法。 - 請求項13記載の診断支援方法の各工程をコンピュータに実行させることを特徴とするプログラム。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009134297A JP5538749B2 (ja) | 2009-06-03 | 2009-06-03 | 診断支援システム及びその診断支援方法、プログラム |
PCT/JP2010/001989 WO2010140288A1 (ja) | 2009-06-03 | 2010-03-19 | 診断支援システム及びその診断支援方法、情報処理装置 |
US12/893,989 US20110022553A1 (en) | 2009-06-03 | 2010-09-29 | Diagnosis support system, diagnosis support method therefor, and information processing apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009134297A JP5538749B2 (ja) | 2009-06-03 | 2009-06-03 | 診断支援システム及びその診断支援方法、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2010282366A JP2010282366A (ja) | 2010-12-16 |
JP5538749B2 true JP5538749B2 (ja) | 2014-07-02 |
Family
ID=43297431
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009134297A Expired - Fee Related JP5538749B2 (ja) | 2009-06-03 | 2009-06-03 | 診断支援システム及びその診断支援方法、プログラム |
Country Status (3)
Country | Link |
---|---|
US (1) | US20110022553A1 (ja) |
JP (1) | JP5538749B2 (ja) |
WO (1) | WO2010140288A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7370419B1 (ja) | 2022-04-28 | 2023-10-27 | フジテコム株式会社 | データ収集装置、信号発生位置特定システム、データ収集方法、信号発生位置特定方法、及びプログラム |
Families Citing this family (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5652227B2 (ja) * | 2011-01-25 | 2015-01-14 | ソニー株式会社 | 画像処理装置および方法、並びにプログラム |
EP2698098A4 (en) * | 2011-04-13 | 2014-10-29 | Kowa Co | campimeter |
JP6661144B2 (ja) * | 2015-07-21 | 2020-03-11 | Necソリューションイノベータ株式会社 | 学習支援装置、学習支援方法およびプログラム |
JP2018014059A (ja) * | 2016-07-22 | 2018-01-25 | 株式会社トプコン | 医療情報処理システム及び医療情報処理方法 |
JP6983871B2 (ja) | 2016-08-25 | 2021-12-17 | ノボ・ノルデイスク・エー/エス | 基礎インスリン滴定のスターターキット |
CN110012675B (zh) * | 2016-11-29 | 2024-02-27 | 诺和诺德股份有限公司 | 用于基础率滴定的起始套件 |
JP7078948B2 (ja) * | 2017-06-27 | 2022-06-01 | 株式会社トプコン | 眼科情報処理システム、眼科情報処理方法、プログラム、及び記録媒体 |
EP3814922A4 (en) * | 2018-05-31 | 2022-02-16 | Comptia | SYSTEM AND PROCEDURES FOR AN ADAPTIVE COMPETENCE ASSESSMENT MODEL |
JP7478518B2 (ja) * | 2019-05-22 | 2024-05-07 | キヤノンメディカルシステムズ株式会社 | 読影支援装置および読影支援方法 |
CN111582404B (zh) * | 2020-05-25 | 2024-03-26 | 腾讯科技(深圳)有限公司 | 内容分类方法、装置及可读存储介质 |
JP2021051776A (ja) * | 2020-12-15 | 2021-04-01 | 株式会社トプコン | 医療情報処理システム及び医療情報処理方法 |
CN113488187B (zh) * | 2021-08-03 | 2024-02-20 | 南通市第二人民医院 | 一种麻醉意外案例收集分析方法及系统 |
Family Cites Families (13)
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 |
EP0973116A1 (en) * | 1993-03-01 | 2000-01-19 | Kabushiki Kaisha Toshiba | Medical information processing system for supporting diagnosis |
JPH06259486A (ja) * | 1993-03-09 | 1994-09-16 | Toshiba Corp | 医用診断支援システム |
JP3703858B2 (ja) * | 1993-09-30 | 2005-10-05 | シスメックス株式会社 | 帰属度判別装置 |
JP2852866B2 (ja) * | 1994-03-30 | 1999-02-03 | 株式会社学習情報通信システム研究所 | コンピュータによる画像診断学習支援方法 |
JP4104036B2 (ja) * | 1999-01-22 | 2008-06-18 | 富士フイルム株式会社 | 異常陰影検出処理方法およびシステム |
JP2004305551A (ja) * | 2003-04-09 | 2004-11-04 | Konica Minolta Medical & Graphic Inc | 医用画像読影システム |
JP4480508B2 (ja) * | 2004-08-02 | 2010-06-16 | 富士通株式会社 | 診断支援プログラムおよび診断支援装置 |
JP2006171184A (ja) * | 2004-12-14 | 2006-06-29 | Toshiba Corp | 技能評価システムおよび技能評価方法 |
JP2007286767A (ja) * | 2006-04-13 | 2007-11-01 | Canon Inc | 画像検索システム、及び、画像検索サーバ及びその制御方法、並びに、コンピュータプログラム及びコンピュータ可読記憶媒体 |
JP2008217426A (ja) * | 2007-03-05 | 2008-09-18 | Fujifilm Corp | 症例登録システム |
JP5140359B2 (ja) * | 2007-09-21 | 2013-02-06 | 富士フイルム株式会社 | 評価管理システム及び評価管理装置及び評価管理方法 |
JP5647522B2 (ja) * | 2007-12-21 | 2014-12-24 | コーニンクレッカ フィリップス エヌ ヴェ | クロスモダリティによる事例ベースのコンピュータ支援診断のための方法及びシステム |
-
2009
- 2009-06-03 JP JP2009134297A patent/JP5538749B2/ja not_active Expired - Fee Related
-
2010
- 2010-03-19 WO PCT/JP2010/001989 patent/WO2010140288A1/ja active Application Filing
- 2010-09-29 US US12/893,989 patent/US20110022553A1/en not_active Abandoned
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7370419B1 (ja) | 2022-04-28 | 2023-10-27 | フジテコム株式会社 | データ収集装置、信号発生位置特定システム、データ収集方法、信号発生位置特定方法、及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
WO2010140288A1 (ja) | 2010-12-09 |
JP2010282366A (ja) | 2010-12-16 |
US20110022553A1 (en) | 2011-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5538749B2 (ja) | 診断支援システム及びその診断支援方法、プログラム | |
Tong et al. | Application of machine learning in ophthalmic imaging modalities | |
Burlina et al. | Use of deep learning for detailed severity characterization and estimation of 5-year risk among patients with age-related macular degeneration | |
Loh et al. | Automated detection of ADHD: Current trends and future perspective | |
JP5923445B2 (ja) | 緑内障の組み合わせ解析 | |
Yousefi et al. | Glaucoma progression detection using structural retinal nerve fiber layer measurements and functional visual field points | |
Park et al. | Comparison of glaucoma diagnostic capabilities of Cirrus HD and Stratus optical coherence tomography | |
Hoeft et al. | Morphometric spatial patterns differentiating boys with fragile X syndrome, typically developing boys, and developmentally delayed boys aged 1 to 3 years | |
Zahia et al. | Dyslexia detection using 3D convolutional neural networks and functional magnetic resonance imaging | |
US10733727B2 (en) | Application of deep learning for medical imaging evaluation | |
US9524304B2 (en) | Systems and methods for diagnosing inherited retinal diseases | |
Schmidt et al. | Interpreting PET scans by structured patient data: a data mining case study in dementia research | |
Cai et al. | Clinical correlates of computationally derived visual field defect archetypes in patients from a glaucoma clinic | |
US20230162362A1 (en) | Method and system for estimating early progression of dementia from human head images | |
Alexandrescu et al. | Confocal scanning laser ophthalmoscopy in glaucoma diagnosis and management | |
CN112890815A (zh) | 一种基于深度学习的孤独症辅助评估系统和方法 | |
Goldbaum et al. | Using unsupervised learning with independent component analysis to identify patterns of glaucomatous visual field defects | |
Murugan et al. | An abnormality detection of retinal fundus images by deep convolutional neural networks | |
Zuo et al. | Deep Learning-based Eye-Tracking Analysis for Diagnosis of Alzheimer's Disease Using 3D Comprehensive Visual Stimuli | |
Xia et al. | Dynamic viewing pattern analysis: towards large-scale screening of children with ASD in remote areas | |
Li et al. | A face image classification method of autistic children based on the two-phase transfer learning | |
Kooner et al. | Glaucoma diagnosis through the integration of optical coherence tomography/angiography and machine learning diagnostic models | |
Tobin et al. | A probabilistic framework for content-based diagnosis of retinal disease | |
Paunksnis et al. | The use of information technologies for diagnosis in ophthalmology | |
KR102591797B1 (ko) | 치매조기진단 시스템 및 이를 이용한 치매조기진단 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120507 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20130917 |
|
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: 20140404 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 5538749 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140430 |
|
LAPS | Cancellation because of no payment of annual fees |