JP6076702B2 - Computer program, apparatus and method for X-ray image diagnosis support - Google Patents
Computer program, apparatus and method for X-ray image diagnosis support Download PDFInfo
- Publication number
- JP6076702B2 JP6076702B2 JP2012246116A JP2012246116A JP6076702B2 JP 6076702 B2 JP6076702 B2 JP 6076702B2 JP 2012246116 A JP2012246116 A JP 2012246116A JP 2012246116 A JP2012246116 A JP 2012246116A JP 6076702 B2 JP6076702 B2 JP 6076702B2
- Authority
- JP
- Japan
- Prior art keywords
- fractal
- disease
- subject
- calculating
- probability
- 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
Links
- 238000000034 method Methods 0.000 title claims description 75
- 238000003745 diagnosis Methods 0.000 title claims description 41
- 238000004590 computer program Methods 0.000 title claims description 10
- 201000010099 disease Diseases 0.000 claims description 108
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 108
- 238000004364 calculation method Methods 0.000 claims description 21
- 238000012952 Resampling Methods 0.000 claims description 16
- 238000003384 imaging method Methods 0.000 claims description 15
- 238000013500 data storage Methods 0.000 description 32
- 238000004458 analytical method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 238000009607 mammography Methods 0.000 description 5
- 210000000481 breast Anatomy 0.000 description 4
- 201000011510 cancer Diseases 0.000 description 4
- 239000000284 extract Substances 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Description
本発明は、Ｘ線画像診断支援のための技術に関し、特にＸ線画像から求めたフラクタル次元のフラクタル値を用いて診断支援を行う技術に関する。 The present invention relates to a technique for supporting X-ray image diagnosis, and more particularly to a technique for supporting diagnosis using a fractal value of a fractal dimension obtained from an X-ray image.
従来、Ｘ線画像を医師が読影して被験者の診断を行うことが行われている。このとき、正しく診断を下すためには高度な読影スキルを必要とする。従って、Ｘ線画像から正しく診断を行えるか否かは、診断を行う医師に依存してしまうことになる。 Conventionally, a doctor interprets an X-ray image and diagnoses a subject. At this time, in order to make a diagnosis correctly, advanced interpretation skills are required. Therefore, whether or not diagnosis can be performed correctly from the X-ray image depends on the doctor who performs the diagnosis.
ところで、被験者を撮像した画像からフラクタル次元を算出して、診断支援を行う技術がある（例えば特許文献１）。 By the way, there is a technique for calculating a fractal dimension from an image of a subject and performing diagnosis support (for example, Patent Document 1).
上記の通り、Ｘ線画像診断を支援するための技術が必要とされているが、特に近年、女性の乳房のＸ線画像（マンモグラフィー）を撮影する乳がん検診が普及しつつある。マンモグラフィーは歴史が浅いため、正しく読影できる医師は通常のＸ線画像の読影ができる医師よりもさらに少ない。そのため、上記の問題がより深刻である。 As described above, a technique for supporting X-ray image diagnosis is required, but in recent years, breast cancer screening for taking an X-ray image (mammography) of a woman's breast is becoming widespread. Because mammography has a short history, there are fewer doctors that can interpret correctly than doctors that can interpret normal X-ray images. Therefore, the above problem is more serious.
そこで、本発明の目的は、Ｘ線画像に基づく診断を支援する技術を提供することである。 Therefore, an object of the present invention is to provide a technique for supporting diagnosis based on an X-ray image.
本発明の別の目的は、マンモグラフィーに基づく診断を支援する技術を提供することである。 Another object of the present invention is to provide a technique that supports diagnosis based on mammography.
本発明の一つの実施態様に従うＸ線画像診断支援のためのコンピュータプログラムは、被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、疾患別に、第１のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータに実行されると、前記Ｘ線画像の被写体の形状の特徴を抽出する第１の画像処理ステップと、前記抽出された形状の特徴から第１のフラクタル次元の第１のフラクタル値を算出する第１のフラクタル次元算出ステップと、前記疾患別データベースに記憶されているデータ及び前記第１のフラクタル値に基づいて、前記被験者が各疾患である確率を示す指標を算出する第１の確率指標算出ステップと、前記算出された確率を示す第１の指標を出力するステップと、を行う。 According to one embodiment of the present invention, a computer program for supporting X-ray image diagnosis includes a storage unit that stores image data of an X-ray image obtained by imaging a predetermined region of a subject, and a first fractal dimension for each disease. And a disease-specific database storing data relating to the first image processing step of extracting a shape feature of the subject of the X-ray image, and a first image processing step for extracting the shape feature from the extracted shape feature. Based on the first fractal dimension calculating step for calculating the first fractal value of one fractal dimension, the data stored in the disease-specific database, and the first fractal value, the subject has each disease. A first probability index calculating step of calculating an index indicating probability; and a step of outputting a first index indicating the calculated probability; It is carried out.
本発明の一つの実施態様に従うＸ線画像診断支援のためのコンピュータプログラムは、被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、疾患別に、第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータに実行されると、前記Ｘ線画像の被写体の濃度分布の特徴を抽出する第２の画像処理ステップと、前記抽出された濃度分布の特徴から第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出ステップと、前記疾患別データベースに記憶されているデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す指標を算出する第２の確率指標算出ステップと、前記算出された確率を示す第２の指標を出力するステップと、を行う。 A computer program for supporting X-ray image diagnosis according to one embodiment of the present invention includes a storage unit that stores image data of an X-ray image obtained by imaging a predetermined part of a subject as a subject, and a second fractal dimension for each disease. A second image processing step for extracting a feature of the density distribution of the subject of the X-ray image, and a feature of the extracted density distribution. Based on the second fractal dimension calculating step for calculating the second fractal value of the second fractal dimension from the data, the data stored in the disease-specific database, and the second fractal value, A second probability index calculating step for calculating an index indicating the probability of the second and a second index for outputting the second index indicating the calculated probability. Tsu and up, is carried out.
本発明の一つの実施態様に従うＸ線画像診断支援のためのコンピュータプログラムは、被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、疾患別に、第１及び第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータに実行されると、前記Ｘ線画像の被写体の形状の特徴を抽出する第１の画像処理ステップと、前記抽出された形状の特徴から第１のフラクタル次元の第１のフラクタル値を算出する第１のフラクタル次元算出ステップと、前記疾患別データベースに記憶されているデータ及び前記第１のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第１の指標を算出する第１の確率指標算出ステップと、前記Ｘ線画像の被写体の濃度分布の特徴を抽出する第２の画像処理ステップと、前記抽出された濃度分布の特徴から第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出ステップと、前記疾患別データベースに記憶されているデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第２の指標を算出する第２の確率指標算出ステップと、前記算出された確率を示す第１及び第２の指標を出力するステップと、を行う。 According to one embodiment of the present invention, a computer program for supporting X-ray image diagnosis includes storage means for storing image data of an X-ray image obtained by imaging a predetermined part of a subject as a subject, and first and second for each disease. A disease-specific database storing data relating to the fractal dimension of the first image processing step of extracting a feature of the shape of the subject of the X-ray image, Based on the first fractal dimension calculation step for calculating the first fractal value of the first fractal dimension from the characteristics, the data stored in the disease-specific database and the first fractal value, A first probability index calculation step for calculating a first index indicating the probability of being a disease, and a feature of the density distribution of the subject in the X-ray image are extracted. A second image processing step, a second fractal dimension calculating step for calculating a second fractal value of the second fractal dimension from the extracted density distribution feature, and the disease-specific database. Based on the data and the second fractal value, a second probability index calculating step for calculating a second index indicating the probability that the subject has each disease, and first and second indicating the calculated probability And outputting an index of
好適な実施態様では、前記第１の画像処理ステップでは、前記Ｘ線画像を所定の閾値で２値化された２値化画像を生成し、前記第１のフラクタル次元算出ステップでは、前記第１の画像処理ステップにより生成された２値化画像にボックスカウンティング法を適用して前記第１のフラクタル値を算出するようにしてもよい。 In a preferred embodiment, in the first image processing step, a binarized image obtained by binarizing the X-ray image with a predetermined threshold value is generated, and in the first fractal dimension calculating step, the first fractal dimension calculation step is performed. The first fractal value may be calculated by applying a box counting method to the binarized image generated by the image processing step.
好適な実施態様では、前記第２の画像処理ステップでは、それぞれ異なる画素値の範囲を定め、前記Ｘ線画像において各範囲に属する画素値を有する画素数を計数し、前記第２のフラクタル次元算出ステップでは、前記第２の画像処理ステップにより計数された各範囲に属する画素値を有する画素数から第２のフラクタル値を算出するようにしてもよい。 In a preferred embodiment, in the second image processing step, different pixel value ranges are defined, the number of pixels having pixel values belonging to each range in the X-ray image is counted, and the second fractal dimension calculation is performed. In the step, the second fractal value may be calculated from the number of pixels having pixel values belonging to each range counted in the second image processing step.
好適な実施態様では、前記所定部位は乳房であってもよい。 In a preferred embodiment, the predetermined site may be a breast.
好適な実施態様では、前記確率を示す指標はオッズまたはオッズ比であってもよい。 In a preferred embodiment, the index indicating the probability may be an odds or an odds ratio.
好適な実施態様では、前記第１及び／または第２の確率指標算出ステップでは、前記疾患別データベースに記憶されている複数の症例のフラクタル値にリサンプリング法を適用し、リサンプリング法適用後のデータに基づいて前記確率を示す第１及び／または第２の指標を算出するようにしてもよい。 In a preferred embodiment, in the first and / or second probability index calculation step, a resampling method is applied to fractal values of a plurality of cases stored in the disease-specific database, and after the resampling method is applied You may make it calculate the 1st and / or 2nd parameter | index which shows the said probability based on data.
以下、本発明の一実施形態に係るＸ線画像診断支援装置について、図面を参照して説明する。本実施形態にかかるＸ線画像診断支援装置は、被験者のＸ線画像を解析してフラクタル次元のフラクタル値を算出し、そのフラクタル値に基づいて所定の疾患であるか否かの診断を支援する情報を出力する。 Hereinafter, an X-ray image diagnosis support apparatus according to an embodiment of the present invention will be described with reference to the drawings. The X-ray image diagnosis support apparatus according to the present embodiment analyzes an X-ray image of a subject, calculates a fractal value of a fractal dimension, and supports diagnosis of whether the disease is a predetermined disease based on the fractal value. Output information.
図１は、Ｘ線画像診断支援装置１の全体構成を示す。Ｘ線画像診断支援装置１は、Ｘ線画像診断支援装置本体１０と、ポインティングデバイス、キーボード、タッチパネルなどの入力装置５と、液晶ディスプレイなどの表示装置６とを有する。 FIG. 1 shows the overall configuration of an X-ray image diagnosis support apparatus 1. The X-ray image diagnosis support apparatus 1 includes an X-ray image diagnosis support apparatus main body 10, an input device 5 such as a pointing device, a keyboard, and a touch panel, and a display device 6 such as a liquid crystal display.
この装置１のオペレータは、入力装置５を操作することによって、本装置に対して後述する様々な入力を行うことができる。 An operator of the device 1 can perform various inputs described later on the device by operating the input device 5.
表示装置６は、後述する様々なインターフェース画面を表示する。 The display device 6 displays various interface screens to be described later.
Ｘ線画像診断支援装置本体１０は、例えば汎用的なコンピュータシステムにより構成され、以下に説明するＸ線画像診断支援装置本体１０内の個々の構成要素または機能は、例えば、所定のコンピュータプログラムを実行することにより実現される。 The X-ray image diagnosis support apparatus main body 10 is configured by, for example, a general-purpose computer system, and each component or function in the X-ray image diagnosis support apparatus main body 10 described below executes, for example, a predetermined computer program It is realized by doing.
Ｘ線画像診断支援装置本体１０は、被験者Ｘ線画像データ記憶部１１と、被験者フラクタルデータ記憶部１３と、疾患別フラクタルデータ記憶部１５と、疾患別確率指標データ記憶部１７と、ＵＩ処理部１９と、ＲＯＩ設定部２１と、２値化処理部２３と、ボックスカウント処理部２５と、濃度調整部２７と、ピクセルカウント処理部２９と、統計処理部３１とを有する。 The X-ray image diagnosis support apparatus body 10 includes a subject X-ray image data storage unit 11, a subject fractal data storage unit 13, a disease-specific fractal data storage unit 15, a disease-specific probability index data storage unit 17, and a UI processing unit. 19, an ROI setting unit 21, a binarization processing unit 23, a box count processing unit 25, a density adjustment unit 27, a pixel count processing unit 29, and a statistical processing unit 31.
被験者Ｘ線画像データ記憶部１１は、被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する。ここで、所定部位は、例えば乳房、特に女性の乳房でもよい。すなわち、本実施形態では、マンモグラフィー画像を対象として用いる。このＸ線画像は、所定の造影剤を用いて撮影された画像でもよい。 The subject X-ray image data storage unit 11 stores image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject. Here, the predetermined part may be, for example, a breast, particularly a female breast. That is, in this embodiment, a mammography image is used as a target. This X-ray image may be an image taken using a predetermined contrast agent.
被験者フラクタルデータ記憶部１３は、ボックスカウント処理部２５及びピクセルカウント処理部２９で算出された被験者のフラクタル値を記憶する。 The subject fractal data storage unit 13 stores the fractal value of the subject calculated by the box count processing unit 25 and the pixel count processing unit 29.
疾患別フラクタルデータ記憶部１５は、疾患別に、ボックスカウント法で算出したフラクタル次元（第１のフラクタル次元）にかかるデータ、及びピクセルカウント法で算出したフラクタル次元（第２のフラクタル次元）にかかるデータを記憶する。例えば、疾患別フラクタルデータ記憶部１５は、複数の患者のＸ線画像を解析してボックスカウント法及びピクセルカウント法で算出したフラクタル次元のフラクタル値を疾患別に統計処理した統計データを記憶する。例えば、疾患別フラクタルデータ記憶部１５は、上記２種類のフラクタル次元について、疾患別のフラクタル値の平均値、標準偏差（ＳＤ）、標準誤差（ＳＥ）等を記憶する。 The disease-specific fractal data storage unit 15 includes data relating to the fractal dimension (first fractal dimension) calculated by the box count method and data relating to the fractal dimension (second fractal dimension) calculated by the pixel count method for each disease. Remember. For example, the disease-specific fractal data storage unit 15 stores statistical data obtained by statistically processing the fractal values of the fractal dimension calculated by the box count method and the pixel count method for each disease by analyzing X-ray images of a plurality of patients. For example, the disease-specific fractal data storage unit 15 stores an average value, standard deviation (SD), standard error (SE), and the like of disease-specific fractal values for the two types of fractal dimensions.
疾患別確率指標データ記憶部１７は、統計処理部３１で統計処理された結果のデータを記憶する。例えば、疾患別確率指標データ記憶部１７には、疾患別平均値と被験者のフラクタル値の差分及びユークリッド距離、各被験者が各疾患である確率、帰無仮説を立てた場合の各被験者が各疾患である確率、オッズ及びオッズ比等が保存される。 The disease-specific probability index data storage unit 17 stores data obtained as a result of statistical processing by the statistical processing unit 31. For example, in the disease-specific probability index data storage unit 17, the difference between the disease-specific average value and the fractal value and the Euclidean distance of each subject, the probability that each subject is each disease, The probability, odds, odds ratio, etc. are stored.
ＵＩ処理部１９は、所定のＵＩ（Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）画面を表示装置６に表示させ、その画面に対する入力装置５からの入力を受け付ける。ＵＩ処理部１９が受け付けた入力は、以下に説明するように、各処理部での処理に利用される。ＵＩ処理部１９は、ＵＩ画面を表示させる際に必要なデータを、被験者Ｘ線画像データ記憶部１１，被験者フラクタルデータ記憶部１３、疾患別フラクタルデータ記憶部１５，疾患別確率指標データ記憶部１７等から取得する。 The UI processing unit 19 displays a predetermined UI (User Interface) screen on the display device 6 and receives an input from the input device 5 for the screen. The input received by the UI processing unit 19 is used for processing in each processing unit as described below. The UI processing unit 19 uses the data necessary for displaying the UI screen as the subject X-ray image data storage unit 11, the subject fractal data storage unit 13, the disease-specific fractal data storage unit 15, and the disease-specific probability index data storage unit 17. Etc.
図２は、フラクタル次元算出画面１００の例を示す。フラクタル次元算出画面１００は、画像表示領域１１０と、第１フラクタル次元表示領域１２０と、第２フラクタル次元表示領域１３０とを有する。 FIG. 2 shows an example of the fractal dimension calculation screen 100. The fractal dimension calculation screen 100 includes an image display area 110, a first fractal dimension display area 120, and a second fractal dimension display area 130.
画像表示領域１１０は、処理対象の被験者の画像を表示する。ここに表示される画像は、被験者Ｘ線画像データ記憶部１１に記憶されている画像データに基づく原画像、２値化処理部２３で生成された２値化画像、あるいは、濃度調整部２７で生成された所定の濃度範囲が限定された濃度限定画像である。いずれの画像を表示させるかは、後述するようにオペレータが選択可能である。図２では、画像表示領域１１０に表示されている画像にはＲＯＩ（Ｒｅｇｉｏｎ ｏｆ Ｉｎｔｅｒｅｓｔ）１１０Ａが設定されている。 The image display area 110 displays an image of a subject to be processed. The image displayed here is an original image based on the image data stored in the subject X-ray image data storage unit 11, a binarized image generated by the binarization processing unit 23, or the density adjustment unit 27. It is a density limited image in which the generated predetermined density range is limited. Which image is to be displayed can be selected by the operator as will be described later. In FIG. 2, ROI (Region of Interest) 110 </ b> A is set in the image displayed in the image display area 110.
第１フラクタル次元表示領域１２０及び第２フラクタル次元表示領域１３０は、いずれか一方が選択されるようになっている（図２では第１フラクタル次元表示領域１２０が選択されている）。選択されている領域がオペレータからの入力を受付可能となっている。 One of the first fractal dimension display area 120 and the second fractal dimension display area 130 is selected (the first fractal dimension display area 120 is selected in FIG. 2). The selected area can accept input from the operator.
第１フラクタル次元表示領域１２０は、第１のフラクタル次元に関する情報が表示される。本実施形態では、第１のフラクタル次元はボックスカウント法を用いて算出する、形状の特徴に基づく形状フラクタル次元である。ボクセルカウント法の詳細については後述する。図２に示すように、第１フラクタル次元表示領域１２０には、フラクタル値を算出するための両対数グラフを含む、フラクタル値を算出するための解析結果の表示領域１２１、画像表示領域１１０に表示させる画像の選択領域１２２、フラクタル値を算出するための解析条件（閾値、解析対象画像）の入力領域１２３等が含まれる。選択領域１２２では、「２値画像」が選択されているので、画像表示領域１１０には２値画像が表示されている。選択領域１２２で画像の選択を切り替えることにより、画像表示領域１１０に表示される画像が切り替わる。入力領域１２２は、原画像を２値化する際の「閾値」の入力領域を有する。入力領域１２２は、ボックスカウント法でボックス数をカウントする対象の画像を、閉領域の輪郭線のみとするか、閉領域全体とするかの選択領域を有する。 In the first fractal dimension display area 120, information related to the first fractal dimension is displayed. In the present embodiment, the first fractal dimension is a shape fractal dimension based on a shape feature, which is calculated using the box count method. Details of the voxel counting method will be described later. As shown in FIG. 2, the first fractal dimension display area 120 includes a log-log graph for calculating the fractal value, and displays the analysis result display area 121 for calculating the fractal value and the image display area 110. An image selection region 122 to be performed, an input region 123 of analysis conditions (threshold value, analysis target image) for calculating a fractal value, and the like are included. Since “binary image” is selected in the selection area 122, a binary image is displayed in the image display area 110. By switching the image selection in the selection area 122, the image displayed in the image display area 110 is switched. The input area 122 has a “threshold” input area for binarizing the original image. The input area 122 has an area for selecting whether the target image for counting the number of boxes by the box counting method is only the outline of the closed area or the entire closed area.
第２フラクタル次元表示領域１３０は、第２のフラクタル次元に関する情報が表示される。本実施形態では、第２のフラクタル次元はピクセルカウント法を用いて算出する、画像の濃度の特徴に基づく濃度フラクタル次元である。ピクセルカウント法の詳細については後述する。図２に示すように、第２フラクタル次元表示領域１３０にも、第１フラクタル次元表示領域１２０と同様に、フラクタル値を算出するための両対数グラフを含む、フラクタル値を算出するための解析結果の表示領域１３１、画像表示領域１１０に表示させる画像の選択領域１３２、フラクタル値を算出するための解析条件の入力領域１３３等が含まれる。選択領域１３２は、画像表示領域１１０に表示させる画像として「原画像」か「検査画像」かの選択を受け付ける。本実施形態では、検査画像は後述する濃度限定画像である。入力領域１３３は、濃度限定画像を生成する際の解析条件の入力を受け付ける。ここでは、濃度の下限値、上限値及び分割数の指定を受け付ける。この濃度の下限値、上限値及び分割数については後述する。 In the second fractal dimension display area 130, information related to the second fractal dimension is displayed. In the present embodiment, the second fractal dimension is a density fractal dimension based on image density characteristics, which is calculated using the pixel count method. Details of the pixel count method will be described later. As shown in FIG. 2, the second fractal dimension display area 130 also includes an analysis result for calculating a fractal value including a log-log graph for calculating a fractal value, as in the first fractal dimension display area 120. Display area 131, an image selection area 132 to be displayed in the image display area 110, an analysis condition input area 133 for calculating a fractal value, and the like. The selection area 132 accepts selection of “original image” or “inspection image” as an image to be displayed in the image display area 110. In the present embodiment, the inspection image is a density-limited image described later. The input area 133 accepts input of analysis conditions when generating a density limited image. Here, designation of a lower limit value, an upper limit value, and a division number of the density is accepted. The lower limit value, the upper limit value, and the number of divisions will be described later.
図１に戻ると、ＲＯＩ設定部２１は、被験者のＸ線画像に対してＲＯＩを設定する。例えば、ＲＯＩ設定部２１は、図２に示すフラクタル次元算出画面１００が表示装置６に表示されているとき、オペレータが入力装置５を用いて画像表示領域１１０上で指定した領域にＲＯＩを設定してもよい。なお、オペレータは、画像表示領域１１０に原画像が表示されているときにＲＯＩを設定するようにしてもよい。 Returning to FIG. 1, the ROI setting unit 21 sets the ROI for the X-ray image of the subject. For example, when the fractal dimension calculation screen 100 shown in FIG. 2 is displayed on the display device 6, the ROI setting unit 21 sets the ROI in the region designated on the image display region 110 by using the input device 5. May be. The operator may set the ROI when the original image is displayed in the image display area 110.
２値化処理部２３は、Ｘ線画像（原画像）を所定の閾値で２値化する。この閾値は、第１フラクタル次元表示領域１２０の入力領域１２２においてオペレータに指定された値を用いてもよい。Ｘ線画像を２値化することにより、原画像に写っている被写体の形状の特徴が抽出される。従って、本実施形態では２値化によってＸ線画像の被写体の形状の特徴を抽出しているが、これ以外の方法でＸ線画像の被写体の形状の特徴を抽出するようにしてもよい。 The binarization processing unit 23 binarizes the X-ray image (original image) with a predetermined threshold. As this threshold value, a value designated by the operator in the input area 122 of the first fractal dimension display area 120 may be used. By binarizing the X-ray image, the feature of the shape of the subject in the original image is extracted. Therefore, in this embodiment, the feature of the shape of the subject of the X-ray image is extracted by binarization, but the feature of the shape of the subject of the X-ray image may be extracted by other methods.
ボックスカウント処理部２５は、２値化処理部２３で生成された２値化画像にボックスカウント法を適用して、第１のフラクタル値を算出する。ボックスカウント処理部２５は、２値化以外の方法で形状の特徴が抽出された画像に対してボックスカウント法を適用してもよい。 The box count processing unit 25 applies a box counting method to the binarized image generated by the binarization processing unit 23 to calculate a first fractal value. The box count processing unit 25 may apply the box count method to an image from which shape features are extracted by a method other than binarization.
図３は、ボックスカウント法の説明図である。この図に従ってボックスカウント法の概要を説明する。 FIG. 3 is an explanatory diagram of the box count method. The outline of the box count method will be described with reference to this figure.
まず、原画像７０に対して、被写体の形状の特徴を抽出する処理（本実施形態では２値化処理）が行われ、形状の特徴を示す形状画像７２が生成される。形状画像７２を生成する際、原画像７０に対してＲＯＩが設定されているときは、ＲＯＩ内を処理対象領域としてもよい。ボックスカウント処理部２５は、形状画像７２に、同じサイズを有するボックス（正方形）を並べたメッシュ状のボックスシート７４−１〜ｎを重ね、形状の特徴を示す画素（本実施形態では白画素）が属するボックス数を計数（カウント）する。ボックスカウント処理部２５は、これをボックスサイズが異なる複数のボックスシートについてそれぞれ行い、ボックスサイズごとにボックス数Ｎｂ１〜ｎを計数（カウント）する。そして、ボックスカウント処理部２５が、これらのボックスサイズ及びそれぞれのボックス数の対数をとり、両対数グラフ（図２の第１フラクタル次元表示領域１２０参照）により、フラクタル値が求まる。 First, a process for extracting the shape feature of the subject (binarization process in this embodiment) is performed on the original image 70, and a shape image 72 showing the shape feature is generated. When generating the shape image 72, if the ROI is set for the original image 70, the inside of the ROI may be set as the processing target area. The box count processing unit 25 superimposes mesh-shaped box sheets 74-1 to 74-n in which boxes (squares) having the same size are arranged on the shape image 72, and indicates the shape characteristics (white pixels in the present embodiment). Count the number of boxes to which. The box count processing unit 25 performs this for each of a plurality of box sheets having different box sizes, and counts (counts) the number of boxes Nb1 to n for each box size. Then, the box count processing unit 25 takes the logarithm of these box sizes and the respective box numbers, and obtains the fractal value from the bilogarithmic graph (see the first fractal dimension display area 120 in FIG. 2).
このとき、２値化画像の閉領域に関して、その領域全体を白画素としてボックスカウント法を適用するか、または、その閉領域の輪郭のみを対象としてボックスカウント法を適用するかの２通りの手法がある。これらは、フラクタル次元算出画面１００の第１フラクタル次元表示領域１２０においてオペレータが選択可能である。 At this time, regarding the closed region of the binarized image, there are two methods of applying the box count method with the entire region as a white pixel or applying the box count method only to the contour of the closed region. There is. These can be selected by the operator in the first fractal dimension display area 120 of the fractal dimension calculation screen 100.
図１に戻ると、濃度調整部２７及びピクセルカウント処理部２９は、Ｘ線画像の被写体の濃度分布の特徴を抽出する。例えば、濃度調整部２７及びピクセルカウント処理部２９は、それぞれ異なる画素値の範囲を定め、被験者のＸ線画像において各範囲に属する画素値を有する画素数を計数する。 Returning to FIG. 1, the density adjustment unit 27 and the pixel count processing unit 29 extract the characteristics of the density distribution of the subject of the X-ray image. For example, the density adjustment unit 27 and the pixel count processing unit 29 define different pixel value ranges, and count the number of pixels having pixel values belonging to each range in the X-ray image of the subject.
ここで、画素値の範囲について説明する。画素値の範囲とは、画素値の所定の下限値から所定の上限値までの範囲を言う。その下限値及び上限値は、フラクタル次元算出画面１００の第２フラクタル次元表示領域１３０において、解析条件としてオペレータが指定してもよい。従って、例えばＸ線画像が５１６階調（画素値が０から５１５まで）であるとしたとき、画素値の範囲として、下限値が全体の３５％の濃度（画素値１８０）、上限値が１００％の濃度（画素値５１５）と指定されたとする。このとき、濃度調整部２７は、対象のＸ線画像において、下限値から上限値までの画素値を有する画素のみからなる濃度限定画像を生成する。ピクセルカウント処理部２９は、この濃度限定画像に含まれる画素数を計数する。濃度調整部２７は、複数の画素値の範囲（下限値及び上限値の組み合わせ）について濃度限定画像を生成する。複数の画素値の範囲の指定の仕方は任意であるが、例えば、本実施形態では以下のように行っている。すなわち、オペレータが第２フラクタル次元表示領域１３０の入力領域１３３で指定した上限値を固定し、オペレータが指定した分割数分だけ、下限値をオペレータが入力領域１３３で指定した下限値（最下限値）から段階的に移動させて、複数の画素値の範囲を定めている。 Here, the range of pixel values will be described. The pixel value range refers to a range from a predetermined lower limit value to a predetermined upper limit value of the pixel value. The lower limit value and the upper limit value may be specified by the operator as analysis conditions in the second fractal dimension display area 130 of the fractal dimension calculation screen 100. Therefore, for example, when the X-ray image has 516 gradations (pixel values from 0 to 515), the lower limit value is a density of 35% of the entire pixel value (pixel value 180) and the upper limit value is 100. It is assumed that% density (pixel value 515) is designated. At this time, the density adjusting unit 27 generates a density limited image including only pixels having pixel values from the lower limit value to the upper limit value in the target X-ray image. The pixel count processing unit 29 counts the number of pixels included in this density limited image. The density adjusting unit 27 generates a density limited image for a plurality of pixel value ranges (combination of lower limit value and upper limit value). The method of specifying the range of the plurality of pixel values is arbitrary, but for example, in the present embodiment, the following is performed. That is, the upper limit value specified by the operator in the input area 133 of the second fractal dimension display area 130 is fixed, and the lower limit value (the lowest limit value) specified by the operator in the input area 133 is equal to the number of divisions specified by the operator. ) In a stepwise manner to define a range of a plurality of pixel values.
ピクセルカウント処理部２９は、抽出された濃度分布の特徴から第２のフラクタル値を算出する。例えば、ピクセルカウント処理部２９は、濃度調整部２７が生成した複数の濃度限定画像の画素数をそれぞれ計数し、ピクセルカウント法によるフラクタル次元のフラクタル値を算出する。 The pixel count processing unit 29 calculates a second fractal value from the extracted density distribution feature. For example, the pixel count processing unit 29 counts the number of pixels of the plurality of density limited images generated by the density adjustment unit 27, and calculates a fractal value of a fractal dimension by the pixel count method.
図４は、ピクセルカウント法の説明図である。この図に従って、ピクセルカウント法について説明する。 FIG. 4 is an explanatory diagram of the pixel count method. The pixel count method will be described with reference to this figure.
まず、濃度調整部２７が、原画像７０に対して、被写体の濃度分布の特徴を抽出する処理、つまり本実施形態では画素値の範囲を定め、その範囲内の画素値を有する画素からなる画像（濃度限定画像）を生成する。このとき、濃度調整部２７は、定められた範囲に入らない画素値を有する画素の画素値を０とする。本実施形態では、画素値の範囲を複数定めることにより、複数の濃度限定画像７６−１〜ｎが生成される。なお、濃度限定画像７６−１〜ｎを生成する際、濃度調整部２７は原画像７０に対してＲＯＩを設定し、ＲＯＩ内を処理対象領域としてもよい。 First, the density adjustment unit 27 extracts a feature of the density distribution of the subject from the original image 70, that is, an image including pixels having a pixel value within the range in the present embodiment by defining a range of pixel values. (Density limited image) is generated. At this time, the density adjustment unit 27 sets the pixel value of a pixel having a pixel value that does not fall within the predetermined range to 0. In the present embodiment, a plurality of density limited images 76-1 to 76-n are generated by defining a plurality of pixel value ranges. Note that when the density limited images 76-1 to 76-n are generated, the density adjustment unit 27 may set an ROI for the original image 70 and set the ROI as a processing target area.
ピクセルカウント処理部２９は、さらに、各濃度限定画像７６−１〜ｎで値を有する画素数（ピクセル数）Ｎｐ１〜Ｎｐｍを計数する。そして、ピクセルカウント処理部２９は、各濃度限定画像７６−１〜ｎの画素値の範囲及び画素数から第２のフラクタル値を算出する。本実施形態では、ピクセルカウント処理部２９が、各画素値の範囲の上限値と下限値との差分（下限値から上限値までの変化量）の対数と画素数の対数をとり、両対数グラフ（図２の第２フラクタル次元表示領域１３０参照）によりフラクタル値を定める。 The pixel count processing unit 29 further counts the number of pixels (number of pixels) Np1 to Npm having a value in each density limited image 76-1 to 76-n. Then, the pixel count processing unit 29 calculates a second fractal value from the range of pixel values and the number of pixels of each density limited image 76-1 to 76-n. In the present embodiment, the pixel count processing unit 29 takes the logarithm of the difference between the upper limit value and the lower limit value of each pixel value range (the amount of change from the lower limit value to the upper limit value) and the logarithm of the pixel number, The fractal value is determined by (see the second fractal dimension display area 130 in FIG. 2).
図１に戻ると、統計処理部３１は、疾患別フラクタルデータ記憶部１５に記憶されているデータ及びボックスカウント処理部２５が算出した第１のフラクタル値に基づいて、被験者が各疾患である確率を示す指標を算出する。統計処理部３１は、疾患別フラクタルデータ記憶部１５に記憶されているデータ及びピクセルカウント処理部２９が算出した第２のフラクタル値に基づいて、被験者が各疾患である確率を示す指標を算出する。統計処理部３１が算出した各指標は疾患別確率指標データ記憶部１７に記憶される。 Returning to FIG. 1, the statistical processing unit 31 determines the probability that the subject has each disease based on the data stored in the disease-specific fractal data storage unit 15 and the first fractal value calculated by the box count processing unit 25. An index indicating is calculated. The statistical processing unit 31 calculates an index indicating the probability that the subject has each disease based on the data stored in the disease-specific fractal data storage unit 15 and the second fractal value calculated by the pixel count processing unit 29. . Each index calculated by the statistical processing unit 31 is stored in the disease probability index data storage unit 17.
統計処理部３１は、疾患別フラクタルデータ記憶部１５を参照して、統計処理によって、被験者ごとに、所定の疾患に対して、例えば以下の指標を算出してもよい。例えば、統計処理部３１は、疾患別フラクタル値の平均値と被験者のフラクタル値の差分及びユークリッド距離を算出する。また、統計処理部３１は、疾患別フラクタル値の平均値及び標準偏差値に基づいて、被験者のフラクタル値からｔ値、またはＺ値を算出してもよい。統計処理部３１は、ロジット解析を実施して、各被験者が各疾患である確率、帰無仮説を立てた場合の各被験者が各疾患である確率、オッズ及びオッズ比等を算出する。ここで、各疾患における平均値及び標準偏差値の算出に使用した症例数が少ないために、検定結果へ少数例の過誤危険がある場合、統計処理部３１は、リスク分析法を付加して、上記の各指標を算出してもよい。例えば、統計処理部３１は、症例数が少ないときには、Ｊａｃｋｋｎｉｆｅ法、Ｂｏｏｔｓｔｒａｐ法あるいはＬｅａｖｅ ｏｎｅ ｏｕｔ法などのリサンプリング法を適用してから、上述の値を算出してもよい。リサンプリング法は、第１のフラクタル値及び第２のフラクタル値の両方または何れか一方を算出するときに適用してもよい。また、被験者の画像が1例（１画像）のみの場合、統計処理部３１は等分散として計算できる機能を有してもよい。 The statistical processing unit 31 may calculate, for example, the following indices for a predetermined disease for each subject by statistical processing with reference to the disease-specific fractal data storage unit 15. For example, the statistical processing unit 31 calculates the difference between the fractal value by disease and the fractal value of the subject and the Euclidean distance. The statistical processing unit 31 may calculate the t value or the Z value from the fractal value of the subject based on the average value and the standard deviation value of the fractal values for each disease. The statistical processing unit 31 performs logit analysis, and calculates the probability that each subject has each disease, the probability that each subject has each disease when the null hypothesis is established, the odds, the odds ratio, and the like. Here, since the number of cases used for calculation of the average value and the standard deviation value in each disease is small, when there is a small number of errors in the test result, the statistical processing unit 31 adds a risk analysis method, Each of the above indices may be calculated. For example, when the number of cases is small, the statistical processing unit 31 may calculate the above-described value after applying a resampling method such as the Jackknife method, the Bootstrap method, or the Leave one out method. The resampling method may be applied when calculating one or both of the first fractal value and the second fractal value. In addition, when there is only one example (one image) of the subject, the statistical processing unit 31 may have a function that can be calculated as equal variance.
ＵＩ処理部１９が、疾患別フラクタルデータ記憶部１５及び疾患別確率指標データ記憶部１７を参照して、処理結果を示す画面を表示装置６に表示させる。 The UI processing unit 19 refers to the disease-specific fractal data storage unit 15 and the disease-specific probability index data storage unit 17 and causes the display device 6 to display a screen showing the processing result.
図５は、フラクタル値表示画面２００、２１０の一例を示す図である。同図では、ボックスカウント法で算出してフラクタル値及びピクセルカウント法で算出したフラクタル値を、各疾患別データと対比して表示している。すなわち、同図（Ａ）に示すフラクタル値表示画面２１０は、ボックスカウント法で算出したフラクタル値の疾患別の平均値、平均値±標準誤差（ＳＥ）、平均値±標準偏差（ＳＥ）と、被験者のフラクタル値が表示されている。同図（Ｂ）に示すフラクタル値表示画面２２０は、ピクセルカウント法で算出したフラクタル値について、同様に疾患別の平均値、平均値±標準誤差（ＳＥ）、平均値±標準偏差（ＳＥ）と、被験者のフラクタル値が表示されている。 FIG. 5 is a diagram illustrating an example of the fractal value display screens 200 and 210. In the figure, the fractal value calculated by the box count method and the fractal value calculated by the pixel count method are displayed in comparison with the disease-specific data. That is, the fractal value display screen 210 shown in FIG. 5A is an average value for each disease of fractal values calculated by the box count method, average value ± standard error (SE), average value ± standard deviation (SE), The fractal value of the subject is displayed. In the fractal value display screen 220 shown in FIG. 5B, the fractal value calculated by the pixel count method is similarly calculated as an average value for each disease, an average value ± standard error (SE), and an average value ± standard deviation (SE). The fractal value of the subject is displayed.
これにより、被験者のフラクタル値と疾患別のデータとを比較することができ、医師が診断を行うために有益な情報が提供される。 Accordingly, the fractal value of the subject can be compared with the data for each disease, and useful information is provided for the doctor to make a diagnosis.
図６は、統計指標表示画面３００の一例を示す図である。同図に示すように、被験者のフラクタル値と疾患Ａ〜Ｃの患者のフラクタル値とから算出された統計指標が表示される。特に、３００には、被験者が疾患Ａ〜Ｃである確率及びオッズと、一つの疾患と他の一つの疾患とを比較したときのオッズ比が表示されている。さらに、統計指標表示画面３００に、この統計指標と合わせて、次に推奨される検査などのコメントを合わせて表示するようにしてもよい。医師は、この確率指標及びコメントを参照することにより、より適切な対応を取ることができる。 FIG. 6 is a diagram illustrating an example of the statistical index display screen 300. As shown in the figure, a statistical index calculated from the fractal value of the subject and the fractal values of the patients with diseases A to C is displayed. In particular, 300 shows the probability and odds that the subject has the diseases A to C, and the odds ratio when one disease is compared with another disease. Further, on the statistical index display screen 300, a comment such as a next recommended examination may be displayed together with the statistical index. The doctor can take a more appropriate action by referring to the probability index and the comment.
図７は、本実施形態にかかるＸ線画像診断支援装置１が行う処理手順を示すフローチャートである。 FIG. 7 is a flowchart showing a processing procedure performed by the X-ray image diagnosis support apparatus 1 according to the present embodiment.
Ｘ線画像診断支援装置１は、図２に示すフラクタル次元算出画面１００が表示装置６に表示されているときに、オペレータが指定する解析条件に従って、以下の処理を行ってもよい。 The X-ray image diagnosis support apparatus 1 may perform the following processing according to the analysis conditions designated by the operator when the fractal dimension calculation screen 100 shown in FIG.
まず、オペレータが画像表示領域１１０に原画像が表示されているときに、入力装置５を用いてＲＯＩを設定する。ＲＯＩ設定部２１は、この操作を受け付けて原画像に対してＲＯＩを設定する（Ｓ１１）。 First, when an original image is displayed in the image display area 110, the operator sets an ROI using the input device 5. The ROI setting unit 21 receives this operation and sets the ROI for the original image (S11).
ボックスカウント法によるフラクタル値を算出する場合には、２値化処理部２３及びボックスカウント処理部２５が、オペレータが第１フラクタル次元表示領域１２０の入力領域１２２において指定した閾値及び解析対象画像の処理条件を取得する（Ｓ１３）。 When calculating the fractal value by the box count method, the binarization processing unit 23 and the box count processing unit 25 process the threshold value and analysis target image specified by the operator in the input region 122 of the first fractal dimension display region 120. A condition is acquired (S13).
２値化処理部２３及びボックスカウント処理部２５が、被験者Ｘ線画像データ記憶部１１から被験者のＸ線画像データを読み出し、上述したような処理手順で、ステップＳ１３で指定された処理条件に従いボックスカウント法によりフラクタル値を算出する（Ｓ１５）。ここで算出されたフラクタル値は被験者フラクタルデータ記憶部１３に保存される。 The binarization processing unit 23 and the box count processing unit 25 read the subject's X-ray image data from the subject X-ray image data storage unit 11, and in the processing procedure as described above, the box is processed according to the processing conditions specified in step S13. A fractal value is calculated by the counting method (S15). The fractal value calculated here is stored in the subject fractal data storage unit 13.
一方、ステップＳ１１のあと、ピクセルカウント法によるフラクタル値を算出する場合には、濃度調整部２７及びピクセルカウント処理部２９が、オペレータが第２フラクタル次元表示領域１３０の入力領域１３３において指定した上限値、下限値及び分割数を取得する（Ｓ３３）。 On the other hand, when calculating the fractal value by the pixel count method after step S11, the density adjustment unit 27 and the pixel count processing unit 29 specify the upper limit value specified by the operator in the input region 133 of the second fractal dimension display region 130. The lower limit value and the number of divisions are acquired (S33).
濃度調整部２７及びピクセルカウント処理部２９が、被験者Ｘ線画像データ記憶部１１から被験者のＸ線画像データを読み出し、上述したような処理手順で、ステップＳ３３で指定された処理条件に従いピクセルカウント法によりフラクタル値を算出する（Ｓ３５）。ここで算出されたフラクタル値は被験者フラクタルデータ記憶部１３に保存される。ボクセルカウント法によるフラクタル値の算出と、ピクセルカウント法によるフラクタル値の算出のいずれを先に行ってもよい。 The density adjustment unit 27 and the pixel count processing unit 29 read out the subject's X-ray image data from the subject X-ray image data storage unit 11, and the pixel count method according to the processing conditions specified in step S 33 in the processing procedure as described above. To calculate the fractal value (S35). The fractal value calculated here is stored in the subject fractal data storage unit 13. Either fractal value calculation by the voxel count method or fractal value calculation by the pixel count method may be performed first.
ボクセルカウント法及びピクセルカウント法の少なくともいずれか一方でフラクタル値が算出されると、統計処理部３１は、疾患別フラクタルデータ記憶部１５に記憶されているデータを参照して、所定の統計処理を行う（Ｓ１７）。算出された統計指標は１７に保存される。 When the fractal value is calculated by at least one of the voxel counting method and the pixel counting method, the statistical processing unit 31 refers to the data stored in the disease-specific fractal data storage unit 15 and performs predetermined statistical processing. Perform (S17). The calculated statistical index is stored in 17.
ＵＩ処理部１９が、疾患別確率指標データ記憶部１７に保存されている統計指標を表示装置６に出力する（Ｓ１９）。 The UI processing unit 19 outputs the statistical index stored in the disease-specific probability index data storage unit 17 to the display device 6 (S19).
本実施形態によれば、第１のフラクタル値（形状フラクタル値）及び第２のフラクタル値（濃度フラクタル値）の少なくともいずれか一方を医師に提供することができる。これにより、ある被験者の第１または第２のフラクタル値のいずれか一方が提供された場合であっても、これらは画像処理結果に基づく定量的なデータであるので、医師に対して有効な診断支援情報となる。例えば、第１のフラクタル値が第１閾値を下回ると悪性腫瘍の可能性が高い、第２のフラクタル値が第２閾値を下回ると悪性腫瘍の可能性が高い、などが予め分かっている場合には、第１または第２のフラクタル値の何れか一方が提供されたとしても、診断を行う医師に対して有益な情報となる。 According to this embodiment, at least one of the first fractal value (shape fractal value) and the second fractal value (concentration fractal value) can be provided to the doctor. Thus, even if one of the first or second fractal values of a subject is provided, since these are quantitative data based on the image processing results, effective diagnosis for the doctor It becomes support information. For example, when the first fractal value falls below the first threshold, the possibility of a malignant tumor is high, and when the second fractal value falls below the second threshold, the possibility of a malignant tumor is high. Even if one of the first and second fractal values is provided, it is useful information for the doctor who makes the diagnosis.
また、第１及び第２のフラクタル値が同時に提供されると、上記に加えて、両者の組み合わせによってさらに有効な診断支援情報となる。例えば、第１のフラクタル値が第３閾値を下回ると石灰化悪性腫瘍の可能性が高い、第２のフラクタル値が第４閾値を下回ると腫瘤型悪性腫瘍の可能性が高い、などが予め分かっていれば、第１及び第２のフラクタル値の組み合わせによって、さらに疾患を絞り込んでいくことも可能となる。 Further, when the first and second fractal values are provided at the same time, in addition to the above, the combination of both provides more effective diagnosis support information. For example, if the first fractal value is below the third threshold, the possibility of a calcified malignant tumor is high, and if the second fractal value is below the fourth threshold, the possibility of a tumor-type malignant tumor is high. If so, it is possible to further narrow down the disease by a combination of the first and second fractal values.
上述した本発明の実施形態は、本発明の説明のための例示であり、本発明の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。 The above-described embodiments of the present invention are examples for explaining the present invention, and are not intended to limit the scope of the present invention only to those embodiments. Those skilled in the art can implement the present invention in various other modes without departing from the gist of the present invention.
例えば、本実施形態ではＸ線画像としてマンモグラフィーを使用しているが、本発明はこれ以外のＸ線画像に対しても適用可能である。 For example, in the present embodiment, mammography is used as the X-ray image, but the present invention can also be applied to other X-ray images.
１ Ｘ線画像診断支援装置
１０ Ｘ線画像診断支援装置本体
１１ Ｘ線画像データ記憶部
１３ 被験者フラクタルデータ記憶部
１５ 疾患別フラクタルデータ記憶部
１７ 疾患別確率指標データ記憶部
１９ ＵＩ処理部
２１ ＲＯＩ設定部
２３ ２値化処理部
２５ ボックスカウント処理部
２７ 濃度調整部
２９ ピクセルカウント処理部
３１ 統計処理部
1 X-ray image diagnosis support device 10 X-ray image diagnosis support device main body 11 X-ray image data storage unit 13 Subject fractal data storage unit 15 Disease-specific fractal data storage unit 17 Disease-specific probability index data storage unit 19 UI processing unit 21 ROI setting Unit 23 binarization processing unit 25 box count processing unit 27 density adjustment unit 29 pixel count processing unit 31 statistical processing unit
Claims (12)
被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、
疾患別に、第１のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータに実行されると、
前記Ｘ線画像の被写体の形状の特徴を抽出する第１の画像処理ステップと、
前記抽出された形状の特徴から第１のフラクタル次元の第１のフラクタル値を算出する第１のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されている複数の症例のフラクタル値にリサンプリング法を適用して得たリサンプリング法適用後のデータ及び前記第１のフラクタル値に基づいて、前記被験者が各疾患である確率を示す指標を算出する第１の確率指標算出ステップと、
前記算出された確率を示す第１の指標を出力するステップと、を行うコンピュータプログラム。 A computer program for supporting X-ray image diagnosis,
Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
When executed on a computer having a disease-specific database storing data related to the first fractal dimension for each disease,
A first image processing step of extracting features of the shape of the subject of the X-ray image;
A first fractal dimension calculating step of calculating a first fractal value of the first fractal dimension from the extracted feature of the shape;
Based on the data after applying the resampling method obtained by applying the resampling method to the fractal values of a plurality of cases stored in the disease-specific database and the first fractal value, the subject has each disease. A first probability index calculation step of calculating an index indicating probability;
And outputting a first index indicating the calculated probability.
被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、
疾患別に、第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータに実行されると、
前記Ｘ線画像の被写体の濃度分布の特徴を抽出する第２の画像処理ステップと、
第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されている複数の症例のフラクタル値にリサンプリング法を適用して得たリサンプリング法適用後のデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す指標を算出する第２の確率指標算出ステップと、
前記算出された確率を示す第２の指標を出力するステップと、を行うコンピュータプログラム。 A computer program for supporting X-ray image diagnosis,
Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
When executed on a computer having a disease-specific database storing data related to the second fractal dimension for each disease,
A second image processing step of extracting the characteristics of the density distribution of the subject of the X-ray image;
A second fractal dimension calculating step for calculating a second fractal value of the second fractal dimension;
Based on the data after applying the resampling method obtained by applying the resampling method to the fractal values of a plurality of cases stored in the disease-specific database and the second fractal value, the subject has each disease. A second probability index calculation step for calculating an index indicating probability;
And outputting a second index indicating the calculated probability.
被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、
疾患別に、第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータに実行されると、
それぞれ異なる画素値の範囲を定め、前記Ｘ線画像において各範囲に属する画素値を有する画素数を計数する第２の画像処理ステップと、
前記第２の画像処理ステップにより計数された各範囲に属する画素値を有する画素数から第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されているデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す指標を算出する第２の確率指標算出ステップと、
前記算出された確率を示す第２の指標を出力するステップと、を行うコンピュータプログラム。 A computer program for supporting X-ray image diagnosis,
Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
When executed on a computer having a disease-specific database storing data related to the second fractal dimension for each disease,
A second image processing step of defining different pixel value ranges and counting the number of pixels having pixel values belonging to each range in the X-ray image ;
A second fractal dimension calculating step of calculating a second fractal value of the second fractal dimension from the number of pixels having pixel values belonging to each range counted by the second image processing step ;
A second probability index calculating step for calculating an index indicating the probability that the subject has each disease based on the data stored in the disease-specific database and the second fractal value;
And outputting a second index indicating the calculated probability.
被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、
疾患別に、第１及び第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータに実行されると、
前記Ｘ線画像の被写体の形状の特徴を抽出する第１の画像処理ステップと、
前記抽出された形状の特徴から第１のフラクタル次元の第１のフラクタル値を算出する第１のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されている複数の症例のフラクタル値にリサンプリング法を適用して得たリサンプリング法適用後のデータ及び前記第１のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第１の指標を算出する第１の確率指標算出ステップと、
前記Ｘ線画像の被写体の濃度分布の特徴を抽出する第２の画像処理ステップと、
第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されている複数の症例のフラクタル値にリサンプリング法を適用して得たリサンプリング法適用後のデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第２の指標を算出する第２の確率指標算出ステップと、
前記算出された確率を示す第１及び第２の指標を出力するステップと、を行うコンピュータプログラム。 A computer program for supporting X-ray image diagnosis,
Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
When executed on a computer having a disease-specific database storing data related to the first and second fractal dimensions for each disease,
A first image processing step of extracting features of the shape of the subject of the X-ray image;
A first fractal dimension calculating step of calculating a first fractal value of the first fractal dimension from the extracted feature of the shape;
Based on the data after applying the resampling method obtained by applying the resampling method to the fractal values of a plurality of cases stored in the disease-specific database and the first fractal value, the subject has each disease. A first probability index calculating step for calculating a first index indicating a probability;
A second image processing step of extracting the characteristics of the density distribution of the subject of the X-ray image;
A second fractal dimension calculating step for calculating a second fractal value of the second fractal dimension;
Based on the data after applying the resampling method obtained by applying the resampling method to the fractal values of a plurality of cases stored in the disease-specific database and the second fractal value, the subject has each disease. A second probability index calculating step for calculating a second index indicating the probability;
Outputting a first and a second index indicating the calculated probability.
被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、
疾患別に、第１及び第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータに実行されると、
前記Ｘ線画像の被写体の形状の特徴を抽出する第１の画像処理ステップと、
前記抽出された形状の特徴から第１のフラクタル次元の第１のフラクタル値を算出する第１のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されているデータ及び前記第１のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第１の指標を算出する第１の確率指標算出ステップと、
それぞれ異なる画素値の範囲を定め、前記Ｘ線画像において各範囲に属する画素値を有する画素数を計数する第２の画像処理ステップと、
前記第２の画像処理ステップにより計数された各範囲に属する画素値を有する画素数から第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されているデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第２の指標を算出する第２の確率指標算出ステップと、
前記算出された確率を示す第１及び第２の指標を出力するステップと、を行うコンピュータプログラム。 A computer program for supporting X-ray image diagnosis,
Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
When executed on a computer having a disease-specific database storing data related to the first and second fractal dimensions for each disease,
A first image processing step of extracting features of the shape of the subject of the X-ray image;
A first fractal dimension calculating step of calculating a first fractal value of the first fractal dimension from the extracted feature of the shape;
A first probability index calculating step for calculating a first index indicating the probability that the subject has each disease based on the data stored in the disease-specific database and the first fractal value;
A second image processing step of defining different pixel value ranges and counting the number of pixels having pixel values belonging to each range in the X-ray image ;
A second fractal dimension calculating step of calculating a second fractal value of the second fractal dimension from the number of pixels having pixel values belonging to each range counted by the second image processing step ;
A second probability index calculation step of calculating a second index indicating the probability that the subject has each disease based on the data stored in the disease-specific database and the second fractal value;
Outputting a first and a second index indicating the calculated probability.
前記第１のフラクタル次元算出ステップでは、前記第１の画像処理ステップにより生成された２値化画像にボックスカウンティング法を適用して前記第１のフラクタル値を算出する、請求項１に記載のコンピュータプログラム。 In the first image processing step, a binary image obtained by binarizing the X-ray image with a predetermined threshold value is generated.
2. The computer according to claim 1, wherein in the first fractal dimension calculation step, the first fractal value is calculated by applying a box counting method to the binarized image generated in the first image processing step. program.
前記Ｘ線画像の被写体の形状の特徴を抽出する第１の画像処理手段と、
前記第１の画像処理手段で抽出された形状の特徴から第１のフラクタル次元の第１のフラクタル値を算出する第１のフラクタル次元算出手段と、
疾患別に、第１のフラクタル次元にかかるデータを記憶した疾患別データベースと、
前記疾患別データベースに記憶されている複数の症例のフラクタル値にリサンプリング法を適用して得たリサンプリング法適用後のデータ及び前記第１のフラクタル値に基づいて、前記被験者が各疾患である確率を示す指標を算出する第１の確率指標算出手段と、
前記第１の確率指標算出手段で算出された確率を示す指標を出力する手段と、を有するＸ線画像診断支援装置。 Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
First image processing means for extracting features of the shape of the subject of the X-ray image;
First fractal dimension calculating means for calculating a first fractal value of the first fractal dimension from the feature of the shape extracted by the first image processing means;
A disease-specific database storing data relating to the first fractal dimension for each disease;
Based on the data after applying the resampling method obtained by applying the resampling method to the fractal values of a plurality of cases stored in the disease-specific database and the first fractal value, the subject has each disease. First probability index calculating means for calculating an index indicating probability;
Means for outputting an index indicating the probability calculated by the first probability index calculating means.
それぞれ異なる画素値の範囲を定め、前記Ｘ線画像において各範囲に属する画素値を有する画素数を計数する第２の画像処理手段と、
前記第２の画像処理手段により計数された各範囲に属する画素値を有する画素数から第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出手段と、
疾患別に、第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、
前記疾患別データベースに記憶されているデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す指標を算出する第２の確率指標算出手段と、
前記第２の確率指標算出手段で算出された確率を示す指標を出力する手段と、を有するＸ線画像診断支援装置。 Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
Second image processing means for defining different pixel value ranges and counting the number of pixels having pixel values belonging to each range in the X-ray image ;
Second fractal dimension calculating means for calculating a second fractal value of the second fractal dimension from the number of pixels having pixel values belonging to each range counted by the second image processing means ;
A disease-specific database storing data relating to the second fractal dimension for each disease;
Second probability index calculating means for calculating an index indicating the probability that the subject has each disease based on the data stored in the disease-specific database and the second fractal value;
Means for outputting an index indicating the probability calculated by the second probability index calculating means.
前記Ｘ線画像の被写体の形状の特徴を抽出する第１の画像処理手段と、
前記抽出された形状の特徴から第１のフラクタル次元の第１のフラクタル値を算出する第１のフラクタル次元算出手段と、
それぞれ異なる画素値の範囲を定め、前記Ｘ線画像において各範囲に属する画素値を有する画素数を計数する第２の画像処理手段と、
前記第２の画像処理手段により計数された各範囲に属する画素値を有する画素数から第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出手段と、
疾患別に、第１及び第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、
前記疾患別データベースに記憶されているデータ及び前記第１のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第１の指標を算出する第１の確率指標算出手段と、
前記疾患別データベースに記憶されているデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第２の指標を算出する第２の確率指標算出手段と、
前記算出された確率を示す第１及び第２の指標を出力する手段と、を有するＸ線画像診断支援装置。 Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
First image processing means for extracting features of the shape of the subject of the X-ray image;
First fractal dimension calculating means for calculating a first fractal value of a first fractal dimension from the extracted feature of the shape;
Second image processing means for defining different pixel value ranges and counting the number of pixels having pixel values belonging to each range in the X-ray image ;
Second fractal dimension calculating means for calculating a second fractal value of the second fractal dimension from the number of pixels having pixel values belonging to each range counted by the second image processing means ;
A disease-specific database storing data relating to the first and second fractal dimensions for each disease;
First probability index calculating means for calculating a first index indicating the probability that the subject has each disease based on the data stored in the disease-specific database and the first fractal value;
Second probability index calculating means for calculating a second index indicating the probability that the subject has each disease based on the data stored in the disease-specific database and the second fractal value;
Means for outputting first and second indices indicating the calculated probabilities, and an X-ray image diagnosis support apparatus.
被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、
疾患別に、第１のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータが、
前記Ｘ線画像の被写体の形状の特徴を抽出する第１の画像処理ステップと、
前記抽出された形状の特徴から第１のフラクタル次元の第１のフラクタル値を算出する第１のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されている複数の症例のフラクタル値にリサンプリング法を適用して得たリサンプリング法適用後のデータ及び前記第１のフラクタル値に基づいて、前記被験者が各疾患である確率を示す指標を算出する第１の確率指標算出ステップと、
前記算出された確率を示す指標を出力するステップと、を行う方法。 An X-ray image diagnosis support method,
Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
A computer having a disease-specific database storing data related to the first fractal dimension for each disease,
A first image processing step of extracting features of the shape of the subject of the X-ray image;
A first fractal dimension calculating step of calculating a first fractal value of the first fractal dimension from the extracted feature of the shape;
Based on the data after applying the resampling method obtained by applying the resampling method to the fractal values of a plurality of cases stored in the disease-specific database and the first fractal value, the subject has each disease. A first probability index calculation step of calculating an index indicating probability;
Outputting an index indicating the calculated probability.
被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、
疾患別に、第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータが、
それぞれ異なる画素値の範囲を定め、前記Ｘ線画像において各範囲に属する画素値を有する画素数を計数する第２の画像処理ステップと、
前記第２の画像処理ステップにより計数された各範囲に属する画素値を有する画素数から第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されているデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す指標を算出する第２の確率指標算出ステップと、
前記算出された確率を示す指標を出力するステップと、を行う方法。 An X-ray image diagnosis support method,
Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
A computer having a disease-specific database storing data related to a second fractal dimension for each disease,
A second image processing step of defining different pixel value ranges and counting the number of pixels having pixel values belonging to each range in the X-ray image ;
A second fractal dimension calculating step of calculating a second fractal value of the second fractal dimension from the number of pixels having pixel values belonging to each range counted by the second image processing step ;
A second probability index calculating step for calculating an index indicating the probability that the subject has each disease based on the data stored in the disease-specific database and the second fractal value;
Outputting an index indicating the calculated probability.
被験者の所定部位を被写体として撮像したＸ線画像の画像データを記憶する記憶手段と、
疾患別に、第１及び第２のフラクタル次元にかかるデータを記憶した疾患別データベースと、を有するコンピュータが、
前記Ｘ線画像の被写体の形状の特徴を抽出する第１の画像処理ステップと、
前記抽出された形状の特徴から第１のフラクタル次元の第１のフラクタル値を算出する第１のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されているデータ及び前記第１のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第１の指標を算出する第１の確率指標算出ステップと、
それぞれ異なる画素値の範囲を定め、前記Ｘ線画像において各範囲に属する画素値を有する画素数を計数する第２の画像処理ステップと、
前記第２の画像処理ステップにより計数された各範囲に属する画素値を有する画素数から第２のフラクタル次元の第２のフラクタル値を算出する第２のフラクタル次元算出ステップと、
前記疾患別データベースに記憶されているデータ及び前記第２のフラクタル値に基づいて、前記被験者が各疾患である確率を示す第２の指標を算出する第２の確率指標算出ステップと、
前記算出された確率を示す第１及び第２の指標を出力するステップと、を行う方法。
An X-ray image diagnosis support method,
Storage means for storing image data of an X-ray image obtained by imaging a predetermined part of the subject as a subject;
A computer having a disease-specific database storing data related to the first and second fractal dimensions for each disease,
A first image processing step of extracting features of the shape of the subject of the X-ray image;
A first fractal dimension calculating step of calculating a first fractal value of the first fractal dimension from the extracted feature of the shape;
A first probability index calculating step for calculating a first index indicating the probability that the subject has each disease based on the data stored in the disease-specific database and the first fractal value;
A second image processing step of defining different pixel value ranges and counting the number of pixels having pixel values belonging to each range in the X-ray image ;
A second fractal dimension calculating step of calculating a second fractal value of the second fractal dimension from the number of pixels having pixel values belonging to each range counted by the second image processing step ;
A second probability index calculation step of calculating a second index indicating the probability that the subject has each disease based on the data stored in the disease-specific database and the second fractal value;
Outputting first and second indices indicating the calculated probabilities.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012246116A JP6076702B2 (en) | 2012-11-08 | 2012-11-08 | Computer program, apparatus and method for X-ray image diagnosis support |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012246116A JP6076702B2 (en) | 2012-11-08 | 2012-11-08 | Computer program, apparatus and method for X-ray image diagnosis support |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014094067A JP2014094067A (en) | 2014-05-22 |
| JP6076702B2 true JP6076702B2 (en) | 2017-02-08 |
Family
ID=50937726
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012246116A Active JP6076702B2 (en) | 2012-11-08 | 2012-11-08 | Computer program, apparatus and method for X-ray image diagnosis support |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6076702B2 (en) |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH11120350A (en) * | 1997-10-14 | 1999-04-30 | Sony Corp | Discrimination method of variable and discrimination device for variable |
| JP2004351100A (en) * | 2003-05-30 | 2004-12-16 | Konica Minolta Medical & Graphic Inc | System and method for medical image processing |
| US7693315B2 (en) * | 2003-06-25 | 2010-04-06 | Siemens Medical Solutions Usa, Inc. | Systems and methods for providing automated regional myocardial assessment for cardiac imaging |
| US7865000B2 (en) * | 2004-06-10 | 2011-01-04 | Kurume University | Medical image processing apparatus for analyzing properties of living body based on image data thereof |
| JP2010019572A (en) * | 2008-07-08 | 2010-01-28 | Fujifilm Ri Pharma Co Ltd | Image processing device and method |
-
2012
- 2012-11-08 JP JP2012246116A patent/JP6076702B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2014094067A (en) | 2014-05-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11250048B2 (en) | Control method and non-transitory computer-readable recording medium for comparing medical images | |
| Lotter et al. | Robust breast cancer detection in mammography and digital breast tomosynthesis using an annotation-efficient deep learning approach | |
| CN110264469B (en) | System and method for improving workflow efficiency in tomosynthesis medical image data reading | |
| US20190304092A1 (en) | Systems and methods for automatic detection of an indication of abnormality in an anatomical image | |
| Ekpo et al. | Assessment of interradiologist agreement regarding mammographic breast density classification using the fifth edition of the BI-RADS atlas | |
| US9480439B2 (en) | Segmentation and fracture detection in CT images | |
| US10049445B2 (en) | Image processing apparatus and image processing method of a three-dimensional medical image | |
| US20190336097A1 (en) | Systems and methods for prediction of osteoporotic fracture risk | |
| US8086002B2 (en) | Algorithms for selecting mass density candidates from digital mammograms | |
| CN109363699B (en) | Method and device for identifying focus of breast image | |
| CN109363698B (en) | Method and device for identifying mammary gland image signs | |
| WO2016013004A1 (en) | Systems and methods for prediction of osteoporotic fracture risk | |
| JP4911029B2 (en) | Abnormal shadow candidate detection method, abnormal shadow candidate detection device | |
| WO2006126384A1 (en) | Abnormal shadow candidate display method, and medical image processing system | |
| US20230298737A1 (en) | System and method for automated annotation of radiology findings | |
| Saunders et al. | Simulation of mammographic lesions | |
| US9256799B2 (en) | Marking system for computer-aided detection of breast abnormalities | |
| CN109363697B (en) | Method and device for identifying focus of breast image | |
| He et al. | Breast image pre-processing for mammographic tissue segmentation | |
| US20130236078A1 (en) | X-ray imaging apparatus | |
| Tortajada et al. | Breast peripheral area correction in digital mammograms | |
| JP4453321B2 (en) | Medical image processing apparatus and program | |
| JP2005253685A (en) | Diagnostic imaging support device and program | |
| JP2006325640A (en) | Method of displaying abnormal shadow candidate and medical image processing system | |
| Kim et al. | Breast mass detection using slice conspicuity in 3D reconstructed digital breast volumes |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150728 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160617 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160705 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160822 |
|
| 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: 20170110 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170111 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6076702 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| 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 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313111 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |