JP6830068B2 - 意味的にカテゴライズされたタイムラインを表示するための装置、システム及び方法 - Google Patents
意味的にカテゴライズされたタイムラインを表示するための装置、システム及び方法 Download PDFInfo
- Publication number
- JP6830068B2 JP6830068B2 JP2017561997A JP2017561997A JP6830068B2 JP 6830068 B2 JP6830068 B2 JP 6830068B2 JP 2017561997 A JP2017561997 A JP 2017561997A JP 2017561997 A JP2017561997 A JP 2017561997A JP 6830068 B2 JP6830068 B2 JP 6830068B2
- Authority
- JP
- Japan
- Prior art keywords
- concepts
- concept
- semantic
- semantic category
- category
- 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 50
- 238000012360 testing method Methods 0.000 claims description 88
- 238000003384 imaging method Methods 0.000 claims description 85
- 238000007689 inspection Methods 0.000 claims description 79
- 230000004044 response Effects 0.000 claims description 5
- 230000002085 persistent effect Effects 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 2
- 230000003252 repetitive effect Effects 0.000 claims description 2
- 238000011017 operating method Methods 0.000 claims 8
- 238000009795 derivation Methods 0.000 description 29
- 206010028980 Neoplasm Diseases 0.000 description 18
- 210000000038 chest Anatomy 0.000 description 12
- 201000011510 cancer Diseases 0.000 description 11
- 206010006187 Breast cancer Diseases 0.000 description 10
- 208000026310 Breast neoplasm Diseases 0.000 description 10
- 210000003734 kidney Anatomy 0.000 description 10
- 210000002414 leg Anatomy 0.000 description 9
- 206010061599 Lower limb fracture Diseases 0.000 description 8
- 238000004458 analytical method Methods 0.000 description 7
- 206010060862 Prostate cancer Diseases 0.000 description 6
- 208000000236 Prostatic Neoplasms Diseases 0.000 description 6
- 238000000605 extraction Methods 0.000 description 6
- 210000000133 brain stem Anatomy 0.000 description 4
- 208000010392 Bone Fractures Diseases 0.000 description 3
- 208000026292 Cystic Kidney disease Diseases 0.000 description 3
- 208000023275 Autoimmune disease Diseases 0.000 description 2
- 206010017076 Fracture Diseases 0.000 description 2
- 208000032612 Glial tumor Diseases 0.000 description 2
- 206010018338 Glioma Diseases 0.000 description 2
- 208000015914 Non-Hodgkin lymphomas Diseases 0.000 description 2
- 206010038423 Renal cyst Diseases 0.000 description 2
- 210000000481 breast Anatomy 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 208000019622 heart disease Diseases 0.000 description 2
- 208000014674 injury Diseases 0.000 description 2
- 230000007170 pathology Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 208000030159 metabolic disease Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 208000023504 respiratory system disease Diseases 0.000 description 1
- 210000005005 sentinel lymph node Anatomy 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 230000008733 trauma Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/358—Browsing; Visualisation therefor
-
- 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
- G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/353—Clustering; Classification into predefined classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/355—Class or cluster creation or modification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- 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
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明は、意味的にカテゴライズされたタイムラインを表示するための装置、システム及び方法に関する。
放射線検査を実行する前に、放射線医は、現在の検査のための適切なコンテキストを確立するため、１つ以上の先行する画像検査を調べ得る。総合的な放射線解釈は、関連する以前の検査に対する比較を含む。コンテキストの確立は些末なタスクではなく、このことは特に、患者の履歴が複数の臨床的なエピソードに跨る関連する所見を含み得ることによる。既存の放射線機器は、基本的なタイムラインに沿って患者の過去の画像検査を提供し得る。しかしながら、該タイムラインは、複数の検査で一杯であり得、適切なコンテキストを確立する困難性を増大させる。
放射線医は一般に、効果的に患者を診断し処置するため、大量の先行する検査を熟知する必要がある。先行する検査の利用は、現在の検査のための適切なコンテキストを確立し得る。特に、患者は頻繁に画像検査を受け得、その結果、大量の先行する検査が放射線医により閲覧されることとなる。本明細において、「放射線医」とは、患者の医療記録を参照する個人を指すが、該個人は代替として、医師、看護師又はその他の医療の専門家といった、他のいずれの適切なユーザであっても良いことは、当業者には明らかであろう。
特定の臨床の質問により決定されたコンテキストに依存する見解が重要である。関連する先行検査を識別するための、簡単なマニュアル又は自動化された方法はない。特に、モダリティ及び生体組織を含む、チェックが簡単な基準は、複雑な臨床の質問に対処するための関連する検査を取得するのに、常に十分であるというわけではない。例えば、複雑な臨床の質問に対処するため、放射線医は、患者が腫瘍検査又は手術の履歴を持つか否かを知る必要があり得、当該履歴を反映する画像検査を必要とし得る。従って、放射線医は、放射線医が広範囲に及ぶ画像検査の履歴を容易に閲覧し、画像検査のタイムライン上で関連する検査を検出することを可能とするため、意味的なカテゴリにより、先行する画像検査をフィルタリング及びグループ化するための効率の良い方法を必要とする。
画像検査のためのレポートを取得するステップと、前記レポートからテキストを解析するステップと、前記解析されたテキストをオントロジーにマッピングするステップと、前記画像検査のためのレポートから抽出されたオントロジー概念からカテゴライズ方式を自動的に導出するステップと、前記オントロジー概念及び前記カテゴライズ方式を用いて、意味的カテゴリを前記画像検査に割り当てるステップと、前記割り当てられた意味的カテゴリに基づいて、前記画像検査を他の画像検査とグループ化するステップと、を有する方法。
実行可能なプログラムを保存する持続性コンピュータ読み取り可能記憶媒体と、プロセッサに、画像検査のためのレポートを取得し、前記レポートからテキストを解析し、前記解析されたテキストをオントロジーにマッピングし、前記画像検査のためのレポートから抽出されたオントロジー概念からカテゴライズ方式を自動的に導出し、前記オントロジー概念及び前記カテゴライズ方式を用いて、意味的カテゴリを前記画像検査に割り当て、前記割り当てられた意味的カテゴリに基づいて、前記画像検査を他の画像検査とグループ化させる、実行可能なプログラムを実行するプロセッサと、を有するシステム。
プロセッサにより実行可能な命令のセットを含む、実行可能なプログラムを保存する持続性コンピュータ読み取り可能記憶媒体であって、前記命令のセットは、前記プロセッサにより実行されるときに、画像検査のためのレポートを取得するステップと、前記レポートからテキストを解析するステップと、前記解析されたテキストをオントロジーにマッピングするステップと、前記画像検査のためのレポートから抽出されたオントロジー概念からカテゴライズ方式を自動的に導出するステップと、前記オントロジー概念及び前記カテゴライズ方式を用いて、意味的カテゴリを前記画像検査に割り当てるステップと、前記割り当てられた意味的カテゴリに基づいて、前記画像検査を他の画像検査とグループ化するステップと、を有する動作を前記プロセッサに実行させる、持続性コンピュータ読み取り可能記憶媒体。
実施例は、以下の説明及び添付図面を参照しながら更に理解され、ここで同様の要素は同じ参照番号で示されている。実施例は、複数の画像検査を伴う患者のための患者画像タイムラインにおいて意味的カテゴリにより画像検査をグループ化するためのシステム及び方法に関する。実施例は画像検査のグループ化を具体的に説明するが、本開示のシステム及び方法は、種々の病院の設定のいずれかにおける、いずれのタイプの調査又は検査をグループ化するためにも用いられ得ることは、当業者には理解されるであろう。
図１に示されるように、本発明の実施例によるシステム１００は、意味的カテゴリにより画像検査をグループ化する。図１は、複数の画像検査を伴う患者のための患者画像タイムラインにおいて、意味的カテゴリにより画像検査をフィルタリングするためのシステムの例１００を示す。システム１００は、プロセッサ１０２、ユーザインタフェース１０４、及びメモリ１０８を有する。メモリ１０８は、先行する及び現在の画像検査、並びに患者についての放射線レポートを保存する、データベース１３０を含む。画像検査は、ＭＲＩ、ＣＴ、超音波等で実行された検査を含み得る。本開示の方法は、いずれのタイプの画像検査をグループ化及びフィルタリングするために用いられても良いことは、当業者は理解するであろう。更に、放射線レポートは例えば、患者についての画像検査の結果の読み取り結果であり、追跡推奨及び提案と共に画像における所見及び診断に関する関連情報を含み得る。患者タイムライン上における画像検査は例えば、画像保存通信システム（ＰＡＣＳ）のためのディスプレイ１０６において表示されても良く、画像検査は、ユーザインタフェース１０４を介してフィルタリング及び閲覧されても良い。
プロセッサ１０２は、レポート取得エンジン１１０、文書解析エンジン１１１、概念抽出エンジン１１２、カテゴリ方式導出エンジン１１３、意味的カテゴライズエンジン１１７、検査グループ化エンジン１１８、関連性推論エンジン１１９、及びユーザインタフェース（ＵＩ）エンジン１２０を含む。
エンジン１１１乃至１２０は、例えばプロセッサ１０２により実行されるコードの行として、プロセッサ１０２により実行されるファームウェアとして、特定用途向け集積回路（ＡＳＩＣ）であるプロセッサ１０２の機能として、等のように、プロセッサ１０２により実装されても良いことは、当業者は理解するであろう。レポート取得エンジン１１０は、例えばデータベース１３０から、所与の画像検査についてのレポートを取得する。文書解析エンジン１１１は、該画像検査に含まれるテキストを解析する。例えば、文書解析エンジン１１１は、レポートの医療文書における文節、段落及び文のヘッダを解析し、これらヘッダを所定のヘッダのセットに対して正規化しても良い。概念抽出エンジン１１２は、句を検出して、該句を外部のオントロジーにマッピングする。外部のオントロジーの例は、ＳＮＯＭＥＤ、ＵＭＬＳ又はＲａｄＬｅｘを含み得る。
カテゴリ方式導出エンジン１１３は次いで、画像検査のレポートから抽出された概念から、カテゴリ方式を自動的に導出する。一実施例においては、該カテゴリ方式は静的であり、即ち、画像検査が、該画像検査についてのレポートに基づいて現在生成されたものではない、予め定義された方式に従ってカテゴライズされる。予め定義された方式の例は、腫瘍、自己免疫不全、又は心疾患等を含む。
他の実施例においては、該カテゴリ方式は動的に導出され、２つの概念間の意味的類似度を決定するための方法を利用する。カテゴリ方式導出エンジン１１３は、例えば意味的類似度エンジン１１４、及び動的カテゴリ導出モジュール１１５を含む、幾つかのエンジン及びモジュールにより実装されても良い。意味的類似度は、例えば概念間の「である（is-a）」型親子関係（例えば「左腎」は「腎臓」のひとつのタイプである）を含む、概念間のオントロジー関係に基づいて、決定されても良い。一実施例においては、同じオントロジーからの２つの概念に応答して、意味的類似度エンジン１１４は、ブーリアン型応答（ｙｅｓ又はｎｏ）又は概念の意味的類似度を示す数値を提供する。他の実施例においては、１つの概念に応答して、意味的類似度エンジン１１４は、全ての意味的に類似する概念を返す。
他の実施例においては、動的カテゴリ導出モジュール１１５は、概念に割り当てられた重みに基づいて、類似する概念のグループを生成する。他の実施例においては、動的カテゴリ導出モジュール１１５は、グループに割り当てられた重みに基づいて、類似する概念のグループを生成する。高い重みをもつグループは特殊化されても良く、例えば低い重みのサブグループに分割される。又は、低い重みをもつグループが一般化されても良く、例えば低い重みをもつ他のグループと併合される。該特殊化及び一般化手法は、概念のグループを生成し、各概念グループは、単一のカテゴリ方式である。各グループは、１つ以上の代表概念（例えば「呼吸器疾患」のような、グループの最も一般的な概念）を持っても良い。
意味的カテゴライズエンジン１１７は次いで、カテゴリ方式導出エンジン１１３により導出されたカテゴリ方式からの画像検査に、１つ以上の意味的カテゴリを割り当てる。一実施例においては、意味的カテゴライズエンジン１１７は、オントロジー概念の意味的カテゴリのリストに、所与の概念をマッチングする。他の実施例においては、意味的カテゴライズサブエンジンが、オントロジーの関係を通じて、所与の入力概念と代表概念のリストとの間の意味的関係を確立するよう試みる。反復的な概念の走査を抑制するため、特殊な走査論理規則が適用されても良く、入力概念からカテゴリについての代表オントロジー概念までオントロジーが走査され得る場合、該入力概念が該カテゴリに属する。他の実施例においては、複数の入力概念が、全体として共にカテゴライズされる。例えば、各入力概念がカテゴライズされても良く、該入力概念が最初に規定の規則に基づいて共に集められ、該集められた入力概念がカテゴリの中に配置されても良い。
次いで、検査グループ化エンジン１１８が、意味的カテゴライズエンジン１１７の出力に基づいて、現在の画像検査を、他の画像検査と共に、同じ意味的カテゴリにグループ化する。一実施例においては、意味的カテゴライズエンジン１１７によって画像検査から抽出された概念を通して、２つの画像検査が同じカテゴリと関連付けられた場合には、検査グループ化エンジン１１８が、画像検査を同じ意味的カテゴリにグループ化する。検査グループ化エンジン１１８はまた、現在の画像検査のグループ化を参照して、以上に説明された実施例に従って、意味的カテゴライズエンジン１１７の出力に基づき、先行する保存されている画像検査を意味的カテゴリにグループ化する。
関連性推論エンジン１１９は、所与の現在選択されている画像検査に対して、先行する画像検査が関連するか否かを決定する。一実施例においては、関連性推論エンジン１１９は、検査グループ化エンジン１１８により同じ意味的カテゴリにグループ化された全ての画像検査が関連するものであると決定する。ユーザインタフェースエンジン１２０は、画像検査のタイムライン、意味的グループ及び関連する画像検査をディスプレイ１０６に表示し、例えばキーボード、マウス又はディスプレイ１０６上のタッチディスプレイのような入力装置を含んでも良いユーザインタフェース１０４を介して、タイムライン上の以前の関連する画像検査及び他の画像検査のユーザ閲覧を支援する。
図２は、上述したシステム１００を用いた、複数の画像検査を伴う患者についての患者画像タイムライン上における、意味的カテゴリによる画像検査のフィルタリング及びグループ化のための方法２００を示す。方法２００は、所与の画像検査についてレポートを閲覧するステップと、例えば画像保存通信システム（ＰＡＣＳ）のクライアントにおいて表示されても良い、患者画像検査タイムライン上において、意味的カテゴリにより画像検査をフィルタリング及びグループ化するステップと、を有する。
ステップ２１０において、レポート取得エンジン１１０が、所与の画像検査についてのレポートを取得する。ステップ２１１において、文書解析エンジン１１１が、レポートの医療文書から文節、段落及び文のヘッダを解析する。一実施例においては、これらヘッダは次いで、所定のヘッダのセットに対して正規化されても良い。例えば、所定の文節ヘッダは「印象」であっても良く、所定の段落ヘッダは「肝臓」であっても良い。規則ベースの又は機械学習手法が、文書解析エンジン１１１を実装するために用いられても良い。最大エントロピーモデルが、文書解析エンジン１１１を実装するために用いられても良い。
ステップ２１２において、概念抽出エンジン１１２が、レポート中の医療文書における句を検出し、例えばＳＮＯＭＥＤ、ＵＭＬＳ又はＲａｄＬｅｘのような外部のオントロジーに該句をマッピングする。ＭｅｔａＭａｐは、概念抽出エンジンの一例である。当業者は、他のオントロジー及び概念抽出エンジンが用いられても良いことを、理解するであろう。
ステップ２１３において、カテゴリ方式導出エンジン１１３が、画像検査についてのレポートから抽出された概念から、カテゴリ方式を自動的に導出する。該カテゴリ方式は、画像検査をカテゴライズするために用いられるカテゴリのセットである。各カテゴリは、オントロジーからの一意な概念に対応しても良い。例えば、腫瘍のカテゴリは、概念「癌」に対応し得る。ひとつの手法例においては、ステップ２１４に示されるように、カテゴリ方式は静的であり、即ち、画像検査が、該画像検査についてのレポートに基づいて現在生成されたものではない、予め定義された方式に従ってカテゴライズされる。予め定義された方式の例は、腫瘍、自己免疫不全、心疾患、感染性疾患、代謝異常、兆候及び症状、外傷及び負傷等を含んでも良い。
別の手法の例においては、カテゴリ方式は動的に計算されても良く、２つの概念間の意味的類似度を決定するための方法を有する。例えば、ＳＮＯＭＥＤ及びＲａｄＬｅｘのようなオントロジーは、概念間の関係に対する医療知識を記述する。オントロジーは、概念間の意味的類似度を決定するために用いられる概念間の複数の関係を記述し、関係のタイプの例は、人口知能における「である型関係」である。「である型関係」は、概念間の親子関係であり、例えば「左腎」は「腎臓」であるという関係は、左腎が腎臓ひとつのタイプであることを意味する。他の関係の例は、「所見の部位を持つ」及び「一部である」であり、「腎嚢胞」は「腎臓」の所見の部位を持ち、「橋」は「脳幹」の一部である。即ち、腎嚢胞は、腎臓の部位において見出され得るものであり、橋は脳幹の一部である。更に、これら関係は反復的に反転されても良く、「左腎」は「腎臓」であるという関係は、反転された「所見の部位を持つ」型の関係である。「腎嚢胞」及び「橋」は「脳幹」の一部であり、「脳幹」は「脳」の一部である。カテゴリ方式導出エンジン１１３は、例えば意味的類似度エンジン１１４及び動的カテゴリ導出モジュール１１５のような、幾つかのエンジン及びモジュールを用いて実装されても良い。
ステップ２１５において、カテゴリ方式導出エンジン１１３が、画像検査のレポートから概念を抽出する。ステップ２１６において、一実施例においては、同じオントロジーから２つの概念を提示されると、カテゴリ方式導出エンジン１１３の一部である意味的類似度エンジン１１４が、２つの概念の意味的な類似度を示唆する。意味的な類似度を決定するために用いられ得る手法の例は、ブーリアン型の回答（ｙｅｓ又はｎｏ）を返すこと、又は数値を生成することであり得る。例えば、意味的類似度エンジン１１４は、概念「癌」と「前立腺癌」との対についてはブーリアン型の「ｙｅｓ」を返し、「癌」は「前立腺癌」の一般化であるため、これら２つの概念が意味的に類似していることを示す。数値の例は、「癌」と「前立腺癌」との２つの概念について３分の１であっても良く、ここでは、これら２つの概念の間の最短のオントロジー関係において３つの介在ステップを持つ（例えば「癌」；Ｘ１；Ｘ２；「前立腺癌」）。３つのステップが概念「癌」と「前立腺癌」とを接続するため、３の逆数（３分の１）が、これら２つの概念の間の意味的類似度を表す数値なのである。他の例としては、概念ＡとＢとを接続するオントロジー関係がない場合、これら概念の間の意味的類似度はゼロであっても良い。ステップ２１６の他の実施例においては、概念「前立腺癌」を提示された意味的類似度エンジンは、これに意味的に類似する全ての概念を返すように要求され、意味的に類似する概念は、ブーリアン型の「ｙｅｓ」を返すか、又は意味的類似度閾値を超える数値を返す。他の例においては、「所見の部位を持つ」型のような他の意味的関係が、意味的類似度エンジンに入力されて、同様の態様で概念の意味的類似度を決定しても良い。
ステップ２１７において、カテゴリ方式導出エンジン１１３の一部である動的カテゴリ導出モジュール１１５が、抽出された概念を用いて、類似する概念のグループを生成する。一実施例においては、動的カテゴリ導出モジュール１１５は、類似する概念の各グループに重みを割り当て、該重みは、グループのメンバーである概念の頻度に比例する。他の実施例においては、動的カテゴリ導出モジュール１１５は、データ源の信頼性及び正式度に基づいて、抽出された概念に重みを割り当てる。例えば、病理学レポートから抽出された概念は、オフィスのノートから抽出された概念よりも、高い重みを持つ。他の実施例においては、重みはオントロジー内の語の位置に基づいて、動的カテゴリ導出モジュール１１５により割り当てられ、例えばより一般的な概念は、高い重みを割り当てられる。例えば、癌腫瘍のタイプのひとつである「グリオーマ」よりも「癌」のほうが一般的であるため、概念「グリオーマ」は「癌」よりも低い重みを持つ。更なる実施例は、重み割り当てのための動的カテゴリ導出モジュール１１５の手法における上述した実施例の混合された組み合わせを利用する。
高い重みを持つグループは、低い重みを持つグループよりも好適とされる。一実施例においては、好適なグループの最大数を設定する閾値が確立されても良い。高い重みを持つグループは特殊化されても良く、例えば、それぞれがより低い重みを持つサブグループに分割される。低い重みを持つグループは一般化されても良く、例えば低い重みを持つ他のグループと併合される。更に、各グループは、例えば「癌」及び「非ホジキンリンパ腫」といった１つ以上の代表概念を持っても良く、代表グループ概念は、例えば「非ホジキンリンパ腫」の代わりに「癌」のように、該グループの最も一般的な概念であっても良い。該特殊化及び一般化手法は、概念のグループを生成し、各概念のグループは、単一カテゴリ方式である。
図３は、図２におけるステップ２１７におけるような概念の一般化により概念グループを生成するための方法を、より詳細に示す。ステップ３０１において、一実施例においては、意味的類似度エンジン１１４が、画像検査のレポートからの抽出された概念を取得する。各抽出された概念について、ステップ３０２において、意味的類似度エンジン１１４は、該抽出された概念に意味的に類似する全ての概念を取得する。ステップ３０３において、動的カテゴリ導出モジュール１１５が、各意味的に類似する概念の主に、頻度を追加する。例えば、該頻度は、画像検査のレポートから該取得された概念が抽出された回数である。該重みは、意味的に類似する概念の数であっても良い。
ステップ３０４において、動的カテゴリ導出モジュール１１５が、最も一般的な概念セットである、ゼロよりも大きな重みを持つ概念のセットを選択し、該概念セットをバッファリストに置く。例えば、最も一般的な概念セットは、「である」型関係階層内により一般的な概念を持たない概念セットであっても良い。ステップ３０５において、動的カテゴリ導出モジュール１１５が、閾値数以下の概念を持つバッファリストを決定する。
ステップ３０６において、動的カテゴリ導出モジュール１１５は、好適度によりバッファリスト中の概念を並び替える。例えば、高い重みを持つ概念はより一般的であり、より好適なものである。ステップ３０７において、動的カテゴリ導出モジュール１１５は、最も高い好適度を持つ概念を特定する。ステップ３０８において、動的カテゴリ導出モジュール１１５は、最も好適な概念を持つ全てのサブ概念、例えば最も好適な概念を持つ「である」型関係における全ての概念を、バッファリストに追加する。
ステップ３０９において、動的カテゴリ導出モジュール１１５は、バッファリスト中の他の概念に対して低い重みを持つ概念をフィルタリングして取り除く。ステップ３１０において、動的カテゴリ導出モジュール１１５は、概念のバッファリストを返す。全体として、概念のバッファリストは、閾値数以下の概念が残るまで一般化される。その結果の概念のバッファリストは、動的に導出されたカテゴリ方式である。
図２に戻ると、ステップ２１８において、意味的カテゴライズエンジン１１７が、カテゴリ方式導出エンジン１１３により導出されたカテゴリ方式から、画像検査レポートに基づいて、１つ以上の意味的カテゴリを画像検査に割り当てる。オントロジー概念のリストが、各カテゴリに関連付けられる。一実施例においては、意味的カテゴライズエンジン１１７は、所与の入力概念を、概念のカテゴリのリストにマッチングさせる。他の実施例においては、代表概念のリストが、カテゴリ毎に保持され、意味的カテゴライズサブエンジンが、オントロジー概念を通して、１つの入力概念と代表概念のリストとの間の意味的関係を確立するよう試みる。概念の反復的な走査を制限するため、特別な論理が利用されても良い。例えば、論理のタイプは、「である」型関係のみが走査されることができると規定しても良いし、又は、特定の順序の関係の走査を規定しても良い。例えば、該論理は、最初に、いずれかの数の「である」型関係が走査され得、次いで、１つの「所見の部位を持つ」型関係が走査され得、次に、いずれかの数の「である」型関係が走査され得ることを要求しても良い。特定の走査論理に対して、１つの入力概念からカテゴリの代表概念の１つまでオントロジーが走査され得る場合、入力概念は当該カテゴリに属する。
意味的なカテゴリ割り当ての他の実施例においては、複数の入力概念が、全体として合わせてカテゴライズされる。入力概念のリスト内の各個々の入力概念についてのカテゴリが最初に得られ、結果が収集される。収集方法の例は、以下のいずれかが真である場合、即ち、リストの少なくとも１つの入力概念が当該カテゴリに関連する場合、リストの入力概念の大部分が当該カテゴリに関連する場合、又はリストの入力概念の全てが当該カテゴリに関連する場合、入力概念のリストを意味的カテゴリに配置することを含む。複数の入力概念をカテゴライズする他の実施例においては、カテゴリ概念のリストは外部的に構成可能であっても良く、それにより、ユーザがリストファイルを修正することにより、特定のカテゴリに属する概念を操作し得る。複数の入力概念をカテゴライズする他の実施例においては、ユーザが、概念の新たなリストを追加することにより、カテゴリを追加しても良い。意味的類似度エンジン１１４はこのとき、入力位置における全ての概念リストを閲覧し、リストの内容に基づいて、画像検査についての意味的カテゴリの割り当てを決定しても良い。
ステップ２１９において、検査グループ化エンジン１１８は、意味的カテゴライズエンジン１１７の出力に基づいて、現在の画像検査を、他の画像検査と共に、同一の意味的カテゴリにグループ化する。一実施例においては、検査グループ化エンジン１１８は、画像検査レポートから抽出された概念を通して、画像検査が同じ意味的カテゴリに関連付けられた場合には、２つ以上の画像検査が、同一の意味的カテゴリに属することを決定する。他の実施例においては、検査グループ化エンジン１１８は、組織及びモダリティを含むコンテキストパラメータに基づいて、画像検査を意味的カテゴリにグループ化する。ステップ２１９において、検査グループ化エンジン１１８はまた、現在の画像検査のグループ化に関して以上に説明された実施例に従って、意味的カテゴライズエンジン１１７の出力に基づいて、以前に保存された画像検査を意味的カテゴリにグループ化する。
ステップ２２０において、関連性推論エンジン１１９は、現在選択されている画像検査に対して、以前の関連する画像検査を特定する。一実施例においては、関連性推論エンジン１１９は、検査グループ化エンジン１１８決定された、同一の意味的カテゴリに属する全ての画像検査を返す。
ステップ２２１において、ユーザインタフェース（ＵＩ）エンジン１２０は、画像検査のタイムライン、意味的グループ、及び関連する画像検査を表示し、これらはディスプレイ１０６に表示されても良い。
ステップ２２２において、ＵＩエンジン１２０は、タイムライン上の以前の関連する画像検査及びその他の画像検査のユーザ閲覧を支援する。ユーザは、例えばキーボード、マウス又はディスプレイ１０６上のタッチディスプレイのような入力装置を含んでも良いユーザインタフェース１０４を介して、タイムラインを閲覧しても良い。
図４は、ディスプレイ１０６におけるタイムラインの表示の一実施例を示し、画像検査タイムライン４００は、複数の層から成り、各層は、同じ意味的グループに属する画像検査のタイムラインを含む。画像検査タイムライン４００は、全ての先行する関連画像検査を含んでも良いが、タイムライン４００を層４１０と層４２０とに分離することにより、ユーザが意味的グループ毎に関連する画像検査を閲覧することを可能とする。例えば、層４１０は、意味的グループ「乳癌」に属する画像検査を含み、他の層４２０は、意味的グループ「脚の骨折」に属する画像検査を含む。例えば、意味的グループ「乳癌」に属する層４１０における検査は、２０１１年５月の胸部（CHES）のコンピューテッドラジオグラフィ（ＣＲ）スキャン、２０１１年５月の胸郭（THORAX）のＣＡＴ（ＣＴ）スキャン、２０１１年６月の別の２つのＣＲ胸部スキャン、及び２０１０年７月のＣＲ胸部スキャンを含んでも良い。ここで例えば、層４１０において、ユーザは、ＣＲ胸部スキャン及びＣＴ胸郭スキャン等の検査を含む、意味的グループ「乳癌」に属する関連する画像検査を閲覧し得る。意味的グループ「脚の骨折」に属する検査は、例えば、２０１１年５月の脚部のＣＲスキャン、２０１１年５月の右脚のＣＲスキャン、２０１１年６月の右脚の２つのＣＲスキャン、及び２０１０年７月の右脚のＣＲスキャンを含んでも良い。例えば、層４２０において、ユーザは、脚部のＣＲスキャン等を含む、意味的グループ「脚の骨折」に属する関連する画像検査を閲覧し得る。
斯くして、本例から、乳癌に関連する画像検査を閲覧することに関心があるユーザは、関連しない画像検査（例えば脚の骨折に関連する検査）を苦労して閲覧する必要はなく、便利なタイムラインに関連する画像検査が配置されることとなることが分かる。更に、該タイムラインは、関連しない検査により乱されないため、関連する画像検査についての詳細を表示するための、より多くの空間が利用可能となる。本図に示された詳細は単に例であり、関連する画像検査について示される具体的な詳細は、ユーザ又はシステム管理者により設定可能であることを、当業者は理解するであろう。
図５は、画像検査タイムライン５００の近くに意味的カテゴリの例を表示する、ディスプレイ１０６におけるタイムラインの表示の別の実施例を示す。画像検査タイムライン５００は、全ての先行する関連画像検査を含んでも良いが、タイムライン５００を意味的カテゴリ５１０と意味的カテゴリ５２０とに視覚的にグループ化することにより、ユーザが意味的グループ毎に関連する画像検査を閲覧することを可能とする。
例えば、図５において、意味的カテゴリ５１０の例「乳癌」、及び意味的カテゴリ５２０の例「脚の骨折」が表示され、併せて、「乳癌」についての固形腫瘍、センチネルリンパ節及び腫瘍マーカ、並びに「脚の骨折」についての骨の亀裂、膝の骨折が、画像検査タイムライン５００の近くに表示される。タイムライン５００の近くにおける意味的カテゴリの例（５１０、５２０）の表示は、ユーザが別個の意味的カテゴリを閲覧することを可能とし、ここで意味的カテゴリは、それぞれの抽出された概念の例によりグループ化される。
例えば、タイムライン５００における意味的カテゴリ５１０の例「乳癌」についての検査は、２０１１年５月の胸部のＣＲスキャン、２０１１年５月の胸郭のＣＴスキャン、２０１１年６月の２つのＣＲ胸部スキャン、及び２０１０年７月のＣＲ胸部スキャンを含んでも良い。ここで、意味的カテゴリ５１０についての検査の視覚的なグループ化は、タイムライン５００において、他の関連する検査とは別に、「乳癌」のカテゴリ５１０についての検査をユーザが閲覧することを可能とする。タイムライン５００における意味的カテゴリ５２０の例「脚の骨折」についての検査は、２０１１年６月の右脚の２つのＣＲスキャン、及び２０１０年７月の右脚のＣＲスキャンを含んでも良い。意味的カテゴリ５２０についての検査の視覚的なグループ化は、タイムライン５００において、他の関連する検査とは別に、「脚の骨折」のカテゴリ５２０についての検査をユーザが閲覧することを可能とする。
当該表示の別の実施例においては、意味的カテゴリの例（「乳癌」（５１０）及び「脚の骨折」（５２０））は、ユーザインタフェース１０４を介してクリックされても良く、該クリックが、タイムライン５００上の適切な画像検査を強調しても良いし、又は不適切な画像検査を除外しても良い。意味的カテゴリの当該強調は、タイムライン５００上の他の検査から特定の意味的カテゴリについての検査を視覚的に区別することにより、関心のある意味的カテゴリについての検査のみをユーザが閲覧することを可能とする。不適切な画像検査の除外は、関心のある意味的カテゴリについての検査のみをユーザが閲覧することを可能とし、また、タイムライン５００上の適切な意味的カテゴリについての関連する検査を視覚的に分離する。
ディスプレイ１０６におけるタイムラインの表示の他の実施例においては、ユーザが該タイムライン上の画像検査をクリックし、ユーザインタフェース１０４の制御を通して該タイムライン上の全ての関連する画像検査を取得しても良く、例えば、右マウスクリックで、該ユーザインタフェース上でドロップダウンメニュー内の「関連を表示」選択肢を選択しても良い。
ディスプレイ１０６におけるタイムラインの表示の他の実施例においては、カテゴライズ処理のための意味的推論が、タイムライン上に表示されても良い。例えば、ポップアップ画面が、意味的カテゴリが導出された概念を表示しても良い。他の実施例においては、抽出された概念は、画像検査についてのレポートの医療文章コンテキストに記述されても良い。更なる実施例においては、ユーザインタフェース１０４を介して概念又はレポートのテキストがクリックされても良く、このことがユーザを例えば病理学レポート又はオフィスのノートのような元のデータ源に導いても良い。
ディスプレイ１０６におけるタイムラインの表示の更なる実施例においては、選択された画像検査がタイムライン上で展開され、該展開された検査が同一の意味的カテゴリに属する。例えば、ユーザは、関連する特定の意味的カテゴリについての画像検査を展開することを選択しても良い。一例としては、ユーザは、意味的カテゴリ「乳癌」に属する、タイムライン上の画像検査を展開することを選択しても良い。
以上に説明された実施例は、別個のソフトウェアモジュールとして、ハードウェアとソフトウェアとの組み合わせとして等を含む、いずれの数の態様で実装されても良いことを、当業者は理解するであろう。例えば、レポート取得エンジン１１０、文書解析エンジン１１１、概念抽出エンジン１１２、カテゴリ方式導出エンジン１１３、意味的類似度エンジン１１４及び動的カテゴリ導出モジュール１１５、意味的カテゴライズエンジン１１７、検査グループ化エンジン１１８、関連性推論エンジン１１９、並びにユーザインタフェース（ＵＩ）エンジン１２０は、コンパイルされたときにプロセッサ上で実行され得るコードの行を含むプログラムであっても良い。
本開示の精神及び範囲から逸脱することなく、開示された実施例及び方法並びに代替例に対する種々の変更が、当業者によって為され得ることは明らかであろう。従って、本開示は、添付される請求項及びそれと同等なものの範囲内となる限り、変更及び修正をカバーすることが意図される。
Claims (15)
- システムに含まれるプロセッサの作動方法において、
画像検査のためのレポートを取得するステップと、
前記レポートからテキストを解析するステップと、
前記解析されたテキストをオントロジーにマッピングするステップと、
前記画像検査のためのレポートから抽出されたオントロジー概念に基づき、リストに含まれる他の概念に対して低い意味的類似度を持つ概念を除いたリストとしてカテゴライズ方式を自動的に導出するステップと、
前記カテゴライズ方式に含まれる概念に関連付けられる意味的カテゴリを前記画像検査に割り当てるステップと、
前記割り当てられた意味的カテゴリに基づいて、前記画像検査を他の画像検査とグループ化するステップと、
前記画像検査に関連する他の画像検査を決定するステップであって、前記決定するステップは、同一の意味的カテゴリからの画像検査を前記画像検査として特定するステップを有する、ステップと、
画像タイムライン上に、前記画像検査及び前記関連する他の画像検査を表示するステップと
を有する作動方法。 - 前記テキストは、テキストヘッダを含み、前記作動方法は、
テキストヘッダの所定のセットに対して、前記解析されたテキストヘッダを正規化するステップ
を更に有する、請求項１に記載の作動方法。 - 前記カテゴライズ方式を自動的に導出するステップは、
前記カテゴライズ方式の予め定義されたカテゴリに画像検査を配置することにより前記カテゴライズ方式を静的に決定するステップ
を更に有する、請求項１に記載の作動方法。 - 前記カテゴライズ方式を自動的に導出するステップは、
前記カテゴライズ方式を動的に計算するステップ
を更に有し、前記動的に計算するステップは、意味的に類似する概念を返すステップと、類似する概念のグループを生成するステップと、を有する、請求項１に記載の作動方法。 - 前記意味的に類似する概念を返すステップは、
入力概念に応答して、ブーリアン型応答の「ｙｅｓ」又は閾値を超える値を返す概念を供給するステップ
を有する、請求項４に記載の作動方法。 - 前記類似する概念のグループを生成するステップは、
各グループに重みを割り当てるステップであって、前記重みは、前記グループのメンバーである概念の頻度に比例するステップ
を有する、請求項４に記載の作動方法。 - 前記類似する概念のグループを生成するステップは、
概念に前記概念のデータ源の信頼性に基づいて重みを割り当てるステップ
を有する、請求項４に記載の作動方法。 - 前記類似する概念のグループを生成するステップは、
概念に前記オントロジーにおける前記概念の特異度に基づいて重みを割り当てるステップ
を有する、請求項４に記載の作動方法。 - 前記類似する概念のグループを生成するステップは、
各グループに重みを割り当てるステップであって、前記重みは、前記グループのメンバーである概念の頻度に比例するステップと、
概念に前記概念のデータ源の信頼性に基づいて重みを割り当てるステップと、
概念に前記オントロジーにおける前記概念の特異度に基づいて重みを割り当てるステップと、
の組み合わせを有する、請求項４に記載の作動方法。 - 前記意味的カテゴリを前記画像検査に割り当てるステップは、
オントロジー概念のリストを各意味的カテゴリに割り当てるステップと、
前記意味的カテゴリのオントロジー概念のリストに対して概念をマッチングするステップと、
を有する、請求項１に記載の作動方法。 - 前記意味的カテゴリを前記画像検査に割り当てるステップは、
各意味的カテゴリについて代表オントロジー概念のリストを保持するステップと、
概念の反復的な走査を制限するための論理規則を適用するステップと、
入力概念から、前記意味的カテゴリについての代表概念の１つまで、前記論理規則に従って、前記入力概念が前記オントロジーを走査する場合に、前記入力概念が前記意味的カテゴリに属すると決定するステップと、
を更に有する、請求項１に記載の作動方法。 - 前記意味的カテゴリを前記画像検査に割り当てるステップは、
概念についての意味的カテゴリを決定するステップと、
概念を収集するステップと、
を有し、前記収集するステップは、
概念のリストにおける概念の少なくとも１つが、前記意味的カテゴリに関連する場合、
前記リストにおける概念の大部分が、前記意味的カテゴリに関連する場合、及び
前記リストにおける概念の全てが、前記意味的カテゴリに関連する場合
のうちの少なくとも１つの状況において、前記概念のリストが前記意味的カテゴリに属すると決定するステップを有する、請求項１に記載の作動方法。 - 実行可能なプログラムを保存する持続性コンピュータ読み取り可能媒体と、
プロセッサに、
画像検査のためのレポートを取得させ、
前記レポートからテキストを解析させ、
前記解析されたテキストをオントロジーにマッピングさせ、
前記画像検査のためのレポートから抽出されたオントロジー概念に基づき、リストに含まれる他の概念に対して低い意味的類似度を持つ概念を除いたリストとしてカテゴライズ方式を自動的に導出させ、
前記カテゴライズ方式に含まれる概念に関連付けられる意味的カテゴリを前記画像検査に割り当てさせ、
前記割り当てられた意味的カテゴリに基づいて、前記画像検査を他の画像検査とグループ化させ、
前記画像検査に関連する他の画像検査を決定させ、
画像タイムライン上に、前記画像検査及び前記関連する他の画像検査を表示させる、
実行可能なプログラムを実行するプロセッサと、
を有するシステム。 - 前記プロセッサは、前記プロセッサに
同一の意味的カテゴリからの画像検査を前記画像検査として特定させ、
それぞれが同一の意味的カテゴリに属する画像検査を表示する複数の層を持つ画像タイムラインを表示させる
実行可能なプログラムを実行する、請求項１３に記載のシステム。 - 前記類似する概念のグループを生成するステップは、
各グループに重みを割り当てるステップであって、前記重みは、前記グループのメンバーである概念の頻度に比例するステップと、
概念に前記概念のデータ源の信頼性に基づいて重みを割り当てるステップと、
概念に前記オントロジーにおける前記概念の特異度に基づいて重みを割り当てるステップと、
のうち少なくとも１つを有する、請求項１３に記載のシステム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201562174590P | 2015-06-12 | 2015-06-12 | |
| US62/174,590 | 2015-06-12 | ||
| PCT/IB2016/052963 WO2016198977A1 (en) | 2015-06-12 | 2016-05-20 | Apparatus, system and method for displaying a semantically categorized timeline |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2018521394A JP2018521394A (ja) | 2018-08-02 |
| JP2018521394A5 JP2018521394A5 (ja) | 2019-06-13 |
| JP6830068B2 true JP6830068B2 (ja) | 2021-02-17 |
Family
ID=56087473
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2017561997A Active JP6830068B2 (ja) | 2015-06-12 | 2016-05-20 | 意味的にカテゴライズされたタイムラインを表示するための装置、システム及び方法 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20180357307A1 (ja) |
| EP (1) | EP3308306A1 (ja) |
| JP (1) | JP6830068B2 (ja) |
| CN (1) | CN107750383B (ja) |
| WO (1) | WO2016198977A1 (ja) |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10289963B2 (en) * | 2017-02-27 | 2019-05-14 | International Business Machines Corporation | Unified text analytics annotator development life cycle combining rule-based and machine learning based techniques |
| US20210050092A1 (en) * | 2018-03-14 | 2021-02-18 | Koninklijke Philips N.V. | Intelligent scheduler for centralized control of imaging examinations |
| US11036779B2 (en) * | 2018-04-23 | 2021-06-15 | Verso Biosciences, Inc. | Data analytics systems and methods |
| JP6981940B2 (ja) * | 2018-08-29 | 2021-12-17 | 富士フイルム株式会社 | 画像診断支援装置、方法及びプログラム |
| JP6806345B2 (ja) * | 2019-02-14 | 2021-01-06 | エンブレース株式会社 | 医療・介護分野における多職種連携支援方法及びシステム |
| CN110556173A (zh) * | 2019-08-09 | 2019-12-10 | 刘丽丽 | 一种检查报告单智能分类管理系统及方法 |
| US11200376B2 (en) * | 2019-08-20 | 2021-12-14 | International Business Machines Corporation | Expanded concept matching |
| EP3796236A1 (en) * | 2019-09-18 | 2021-03-24 | Vieviewer Entreprise | Modeling and analysis of complex systems |
| CN112967773A (zh) * | 2021-03-12 | 2021-06-15 | 武汉大学 | 基于大数据共享平台的慢性疾病临床版报告方法及系统 |
Family Cites Families (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6996273B2 (en) * | 2001-04-24 | 2006-02-07 | Microsoft Corporation | Robust recognizer of perceptually similar content |
| US7890498B1 (en) * | 2001-11-26 | 2011-02-15 | Koninklijke Philips Electronics N.V. | User interface for a medical informatics system that incorporates an examination timeline |
| US6946715B2 (en) * | 2003-02-19 | 2005-09-20 | Micron Technology, Inc. | CMOS image sensor and method of fabrication |
| US7831599B2 (en) * | 2005-03-04 | 2010-11-09 | Eastman Kodak Company | Addition of new images to an image database by clustering according to date/time and image content and representative image comparison |
| JP2009093544A (ja) * | 2007-10-11 | 2009-04-30 | Toshiba Corp | 医用レポート装置 |
| US20110035208A1 (en) * | 2009-08-05 | 2011-02-10 | Hale Charles R | System and Method for Extracting Radiological Information Utilizing Radiological Domain Report Ontology and Natural Language Processing |
| JP5553578B2 (ja) * | 2009-11-05 | 2014-07-16 | 株式会社日立メディコ | 医用診断レポートシステム、当該システムとして機能させるためのプログラム、および医用診断レポートの作成支援方法 |
| US8392175B2 (en) * | 2010-02-01 | 2013-03-05 | Stratify, Inc. | Phrase-based document clustering with automatic phrase extraction |
| CN102844761B (zh) * | 2010-04-19 | 2016-08-03 | 皇家飞利浦电子股份有限公司 | 用于查看描述放射学图像的医学报告的方法和报告查看器 |
| WO2012012664A2 (en) * | 2010-07-21 | 2012-01-26 | Moehrle Armin E | Image reporting method |
| JP2012063919A (ja) * | 2010-09-15 | 2012-03-29 | Fujifilm Corp | 医用レポート評価装置、医用レポート評価方法、医用レポート評価プログラム、並びに医用ネットワークシステム |
| JP5899239B2 (ja) * | 2010-12-23 | 2016-04-06 | コーニンクレッカ フィリップス エヌ ヴェＫｏｎｉｎｋｌｉｊｋｅ Ｐｈｉｌｉｐｓ Ｎ．Ｖ． | 解剖学的構造内の病変の画像報告図の生成 |
| WO2012141330A1 (ja) * | 2011-04-14 | 2012-10-18 | 株式会社 東芝 | 医療情報システム及び医療情報表示装置 |
| EP3074897A1 (en) * | 2013-11-26 | 2016-10-05 | Koninklijke Philips N.V. | Iterative construction of clinical history sections |
| CN104636430B (zh) * | 2014-12-30 | 2018-03-13 | 东软集团股份有限公司 | 案例知识库表示及案例相似度获取方法及系统 |
-
2016
- 2016-05-20 WO PCT/IB2016/052963 patent/WO2016198977A1/en unknown
- 2016-05-20 US US15/576,040 patent/US20180357307A1/en not_active Abandoned
- 2016-05-20 CN CN201680034273.5A patent/CN107750383B/zh active Active
- 2016-05-20 JP JP2017561997A patent/JP6830068B2/ja active Active
- 2016-05-20 EP EP16725937.3A patent/EP3308306A1/en not_active Withdrawn
Also Published As
| Publication number | Publication date |
|---|---|
| WO2016198977A1 (en) | 2016-12-15 |
| JP2018521394A (ja) | 2018-08-02 |
| EP3308306A1 (en) | 2018-04-18 |
| US20180357307A1 (en) | 2018-12-13 |
| CN107750383A (zh) | 2018-03-02 |
| CN107750383B (zh) | 2023-06-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6830068B2 (ja) | 意味的にカテゴライズされたタイムラインを表示するための装置、システム及び方法 | |
| Wu et al. | Comparison of chest radiograph interpretations by artificial intelligence algorithm vs radiology residents | |
| JP5952835B2 (ja) | 撮像プロトコルの更新及び／又はリコメンダ | |
| RU2543563C2 (ru) | Системы и способы поддержки клинических решений | |
| JP5982368B2 (ja) | レポート作成 | |
| JP2015524107A (ja) | 患者情報を臨床基準にマッチングするシステム及び方法 | |
| JP6875993B2 (ja) | 臨床の所見のコンテキストによる評価のための方法及びシステム | |
| JP2017534117A (ja) | 最適化された解剖学的関心構造ラベリング | |
| US20190114304A1 (en) | Systems and methods for modeling free-text clinical documents into a hierarchical graph-like data structure based on semantic relationships among clinical concepts present in the documents | |
| US10650923B2 (en) | Automatic creation of imaging story boards from medical imaging studies | |
| US20190108175A1 (en) | Automated contextual determination of icd code relevance for ranking and efficient consumption | |
| JP2022036125A (ja) | 検査値のコンテキストによるフィルタリング | |
| WO2017198461A1 (en) | Clinical report retrieval and/or comparison | |
| US11080326B2 (en) | Intelligently organizing displays of medical imaging content for rapid browsing and report creation | |
| CN108604463A (zh) | 认知患者护理事件重建 | |
| del Mar Roldán-García et al. | Towards an ontology-driven clinical experience sharing ecosystem: Demonstration with liver cases | |
| JP2016212846A (ja) | テスト・スイート最小化を利用した方法、装置、およびコンピュータ・プログラム | |
| Hafidi et al. | Graph‐based tag recommendations using clusters of patients in clinical decision support system | |
| US20210217535A1 (en) | An apparatus and method for detecting an incidental finding | |
| Isac et al. | A survey on ontology-based systems to support the prospection, diagnosis and treatment of breast cancer | |
| Qassimi et al. | A Graph-Based Model for Tag Recommendations in Clinical Decision Support System | |
| Hsu | Representing Evidence from Biomedical Literature for Clinical Decision Support: Challenges on Semantic Computing and Biomedicine |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190509 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190509 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200212 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200331 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20200625 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200903 |
|
| 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: 20210105 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210125 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6830068 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |