JP6980785B2 - マンモグラフィ品質分析を提供する装置 - Google Patents
マンモグラフィ品質分析を提供する装置 Download PDFInfo
- Publication number
- JP6980785B2 JP6980785B2 JP2019531634A JP2019531634A JP6980785B2 JP 6980785 B2 JP6980785 B2 JP 6980785B2 JP 2019531634 A JP2019531634 A JP 2019531634A JP 2019531634 A JP2019531634 A JP 2019531634A JP 6980785 B2 JP6980785 B2 JP 6980785B2
- Authority
- JP
- Japan
- Prior art keywords
- mammogram
- breast
- quality
- parameters
- information
- 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
- 238000009607 mammography Methods 0.000 title claims description 45
- 210000000481 breast Anatomy 0.000 claims description 112
- 238000003908 quality control method Methods 0.000 claims description 35
- 238000000034 method Methods 0.000 claims description 27
- 238000012545 processing Methods 0.000 claims description 27
- 238000004590 computer program Methods 0.000 claims description 18
- 210000003205 muscle Anatomy 0.000 claims description 17
- 210000000115 thoracic cavity Anatomy 0.000 claims description 14
- 238000011156 evaluation Methods 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 11
- 210000002445 nipple Anatomy 0.000 claims description 9
- 230000006835 compression Effects 0.000 claims description 7
- 238000007906 compression Methods 0.000 claims description 7
- 210000002976 pectoralis muscle Anatomy 0.000 claims description 4
- 210000001519 tissue Anatomy 0.000 claims description 4
- 230000002596 correlated effect Effects 0.000 claims 1
- 238000003384 imaging method Methods 0.000 description 8
- 230000006872 improvement Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000007246 mechanism Effects 0.000 description 6
- 230000000246 remedial effect Effects 0.000 description 6
- 238000003909 pattern recognition Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000001419 dependent effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000013079 data visualisation Methods 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 2
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000000275 quality assurance Methods 0.000 description 2
- 238000010972 statistical evaluation Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000003936 working memory Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 210000001015 abdomen Anatomy 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000011511 automated evaluation Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 208000006599 histidinemia Diseases 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000002195 synergetic effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/04—Positioning of patients; Tiltable beds or the like
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
- A61B6/5294—Devices using data or image processing specially adapted for radiation diagnosis involving using additional data, e.g. patient information, image labeling, acquisition parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/68—Analysis of geometric attributes of symmetry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30068—Mammography; Breast
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30168—Image quality inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- Pathology (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Veterinary Medicine (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Dentistry (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Geometry (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明は、マンモグラフィ品質分析を提供する装置、マンモグラフィ品質分析を提供するシステム、マンモグラフィ品質分析を提供する方法並びにコンピュータプログラム要素及びコンピュータ可読媒体に関する。
本発明の一般的な背景は、マンモグラフィである。マンモグラフィは、乳がん検診及び精密検査の両方に最も重要な撮像法である。マンモグラフィ画像データが高品質であることは、高品質診断結果を可能にするための必須条件である。品質保証及び品質管理は、医学的転帰に影響を与えるだけでなく、財務上の影響（証明、償還）もある医療提供者にとって重要な要素である。現在、１つの機関で取得された画像の全体的な品質の概観を得ることは困難で労働集約的である。この情報がなければ、品質改善措置を、撮像部門／機関の特定のニーズに合わせて調整することができない。
マンモグラフィ品質分析を提供する改良型装置があることが有利である。
本発明の目的は、独立請求項の主題によって解決され、更なる実施形態は従属請求項に組み込まれる。本発明の以下に説明する態様及び実施例は、マンモグラフィ品質分析を提供する装置、マンモグラフィ品質分析を提供するシステム、マンモグラフィ品質分析を提供する方法並びにコンピュータプログラム要素及びコンピュータ可読媒体にも適用されることに留意されたい。
第１の態様によれば、入力ユニットと処理ユニットとを含むマンモグラフィ品質分析を提供する装置が提供される。
入力ユニットは、少なくとも１つのマンモグラムを処理ユニットに提供する。入力ユニットはまた、複数のマンモグラム取得パラメータを処理ユニットに提供する。少なくとも１つのマンモグラム取得パラメータは、対応するマンモグラムに関連付けられる。処理ユニットは、少なくとも１つのマンモグラムを分析し、複数の乳房ポジショニング品質パラメータを生成するポジショニング評価モジュールを実装する。少なくとも１つの乳房ポジショニング品質パラメータは、対応するマンモグラムに関連付けられる。処理ユニットはまた、複数のマンモグラム取得パラメータ及び複数の乳房ポジショニング品質パラメータを分析し、品質管理情報を生成する品質管理評価モジュールを実装する。
つまり、マンモグラムの画質は、マンモグラムの取得中の乳房のポジショニングの品質の観点から決定され、これは、画像を撮影したオペレータ、オペレータがどれくらい作業をしているか、時刻、左右どちらの乳房が撮像されたのか、及び、年齢、体格指数等といった患者特性といった関連する取得パラメータと相関している。
したがって、乳房ポジショニングに関して決定又は生成された品質パラメータと共に、多数の画像取得パラメータを分析して、どこの位置的品質が最適ではないか及びそれをどのように改善できるかについての統計的洞察を提供することができる。
このようにして、是正措置が必要であるかどうか、及び、乳房ポジショニングの不備がどこにあるのかを自動的に判断することができる。したがって、改善措置を自動的に生成することができる。改善措置は、オペレータ特有のものでも、患者の特定の特性に適用するものでもよく、例えば一定時間作業した後にすべてのオペレータが休憩を取るべきといったことであってもよい。
したがって、オペレータは、患者をマンモグラフィのためにセットアップするときに、彼ら及び／又は検査下の患者のタイプに関連するカスタム情報が自動的に提供され、マンモグラムのために乳房をより正確にポジショニングすることが可能になる。
一実施例では、処理ユニットは、品質管理評価モジュールの一部として、根本原因分析モジュールを実装する。根本原因分析モジュールは、品質管理情報の生成の一部として、複数の乳房ポジショニング品質パラメータにおける少なくとも１つの反復パターンを決定する。
つまり、一組のマンモグラフィ検査の品質管理測定及び統計的評価は、画質問題における反復パターンの決定を可能にし、これらの問題はそれらの根本原因に関連付けられる。したがって、是正措置を、品質管理情報の形で生成することができ、オペレータによって行われるべき行動に関して改善が可能にされる。
一実施例では、処理ユニットは、品質管理情報を分析し、乳房ポジショニング情報を生成するアクションモジュールを実装する。
このようにして、オペレータは、例えば体格指数を考慮に入れて、特定のタイプの患者に関連付けられる問題に対処することができ、マンモグラム中の乳房のポジショニングに関する自身の不備に気付くことができる。したがって、マンモグラム取得における全体的な改善が容易になる。
一実施例では、複数の取得パラメータは、Ｘ線機器オペレータ情報を含む。
したがって、特定のオペレータに対して特定の問題を特定することができ、オペレータにカスタム修正措置を提供することができる。
一実施例では、複数の取得パラメータは、時刻、曜日、乳房への圧迫力、患者特性、及び、マンモグラムが右乳房に関連するのか又は左乳房に関連するのか、のうちの１つ以上を含む。
このようにして、すべてのオペレータ又は一部のオペレータのみに影響を及ぼしうる時刻といった全体的な問題や、例えば一部のオペレータが他のオペレータよりも乳房をうまく配置するかどうかに関連する撮像問題を特定することができる。
このようにして、生成された乳房ポジショニング品質パラメータを使用して、所与の一組の境界条件（ＢＭＩ、患者の年齢、時刻、オペレータＩＤ等）についてのアウトカムを予測することができ、注意点について、個別化した提案を導き出すことができる。
一実施例では、少なくとも１つのマンモグラムは、少なくとも１つの内外斜位方向（ＭＬＯ）画像を含み、複数の乳房ポジショニング品質パラメータは、胸筋が乳頭レベルまで示されているかどうか、胸筋の角度、胸筋の角度が２０度より大きいかどうか、乳頭が断面で示されているかどうか、乳房下角がはっきりと示されているかどうか、すべての乳房組織がはっきりと示されているかどうか、胸筋下部範囲がゼロより大きいかどうか、及び、少なくとも１つのマンモグラムが同一人物の左右の乳房のマンモグラムを含む場合、左右のマンモグラムは対称的であるかどうか、のうちの１つ以上を含む。
一実施例では、少なくとも１つのマンモグラムは、少なくとも１つの頭尾方向（ＣＣ）画像を含み、複数の乳房ポジショニング品質パラメータは、乳頭が断面で示されているかどうか、乳房の外側面が示されている範囲、胸筋の影が乳房の後端に示されているかどうか、乳房の内側縁が示されているかどうか、及び、少なくとも１つのマンモグラムが同一人物の左右の乳房のマンモグラムを含む場合、左右のマンモグラムは対称的であるかどうか、のうちの１つ以上を含む。
一実施例では、少なくとも１つのマンモグラムが、同じ乳房の少なくとも１つの内外斜位方向（ＭＬＯ）画像及び少なくとも１つの頭尾方向（ＣＣ）画像を含み、複数の乳房ポジショニング品質パラメータは、ＣＣ画像における乳頭から後縁までの距離と、ＭＬＯ画像における乳頭から胸筋までの距離との差を含む。
一実施例では、複数の乳房ポジショニング品質パラメータは、距離の差が１０ｍｍ未満であるかどうかを含む。
第２の態様によれば、マンモグラフィ品質分析を提供するシステムが提供される。システムは、
少なくとも１つの情報提供ユニットと、
第１の態様によるマンモグラフィ品質分析を提供する装置と、
出力ユニットとを含む。
少なくとも１つの情報提供ユニットと、
第１の態様によるマンモグラフィ品質分析を提供する装置と、
出力ユニットとを含む。
少なくとも１つのマンモグラムは、少なくとも１つの情報提供ユニットから入力ユニットに提供される。複数のマンモグラム取得パラメータは、少なくとも１つの情報提供ユニットから入力ユニットに提供される。出力ユニットは、品質管理情報を出力する。
第３の態様によれば、マンモグラフィ品質分析を提供する方法が提供される。方法は、
少なくとも１つのマンモグラムを提供するステップと、
複数のマンモグラム取得パラメータを提供するステップと、
少なくとも１つのマンモグラムを分析し、複数の乳房ポジショニング品質パラメータを生成するステップと、
複数のマンモグラム取得パラメータ及び複数の乳房ポジショニング品質パラメータを分析し、品質管理情報を生成するステップとを含み、
少なくとも１つのマンモグラム取得パラメータは、対応するマンモグラムに関連付けられ、少なくとも１つの乳房ポジショニング品質パラメータは、対応するマンモグラムに関連付けられる。
少なくとも１つのマンモグラムを提供するステップと、
複数のマンモグラム取得パラメータを提供するステップと、
少なくとも１つのマンモグラムを分析し、複数の乳房ポジショニング品質パラメータを生成するステップと、
複数のマンモグラム取得パラメータ及び複数の乳房ポジショニング品質パラメータを分析し、品質管理情報を生成するステップとを含み、
少なくとも１つのマンモグラム取得パラメータは、対応するマンモグラムに関連付けられ、少なくとも１つの乳房ポジショニング品質パラメータは、対応するマンモグラムに関連付けられる。
一実施例では、ステップｄ）は、品質管理情報の生成の一部として、複数の乳房ポジショニング品質パラメータにおける少なくとも１つの反復パターンを決定するステップを含む。
一実施例では、方法は、品質管理情報を分析し、乳房ポジショニング情報を生成するステップｅ）を含む。
別の態様によれば、処理ユニットによって実行される場合、上記方法ステップを行い、前述の通りに装置を制御するコンピュータプログラム要素が提供される。
別の態様によれば、上記コンピュータ要素が格納されているコンピュータ可読媒体が提供される。
有利には、上記態様の何れかによって提供される利益は、他の態様のすべてに等しく当てはまり、逆もまた同様である。
上記態様及び実施例は、以下に説明される実施形態から明らかになり、当該実施形態を参照して説明される。
例示的な実施形態は、添付図面を参照して以下に説明される。
図１は、マンモグラフィ品質分析を提供する装置１０の一実施例を示す。装置１０は、入力ユニット２０と処理ユニット３０とを含む。入力ユニット２０は、少なくとも１つのマンモグラムを処理ユニット３０に提供する。これは有線又は無線通信を介して行われる。入力ユニット２０はまた、複数のマンモグラム取得パラメータを処理ユニット３０に提供する。これは有線又は無線通信を介して行われる。少なくとも１つのマンモグラム取得パラメータが、対応するマンモグラムと関連付けられている。処理ユニット３０は、少なくとも１つのマンモグラムを分析して複数の乳房ポジショニング品質パラメータを生成するポジショニング評価モジュール４０を実装する。少なくとも１つの乳房ポジショニング品質パラメータが、対応するマンモグラムに関連付けられている。処理ユニット３０はまた、複数のマンモグラム取得パラメータ及び複数の乳房ポジショニング品質パラメータを分析し、品質管理情報を生成する品質管理評価モジュール５０を実装する。
一実施例では、マンモグラムの複数のマンモグラム取得パラメータは、本質的に画像データと関連付けられており、例えば医用におけるデジタル撮像及び通信（ＤＩＣＯＭ）ヘッダに含まれている。
一実施例では、ポジショニング評価モジュールは、例えば以下の論文：Ｔｈｏｍａｓ Ｂｕｌｏｗ、Ｋｉｒｓｔｅｎ Ｍｅｅｔｚ、Ｄｏｍｉｎｉｋ Ｋｕｔｒａ、Ｔｈｏｍａｓ Ｎｅｔｓｃｈ、Ｒａｆａｅｌ Ｗｉｅｍｋｅｒ、Ｍａｒｔｉｎ Ｂｅｒｇｔｈｏｌｄｔ、Ｊｏｒｇ Ｓａｂｃｚｙｎｓｋｉ、 Ｎａｔａｌｙ Ｗｉｅｂｅｒｎｅｉｔ、Ｍａｎｕｅｌａ Ｆｒｅｕｎｄ及びＩｎｇｒｉｄ Ｓｃｈｕｌｚｅ−Ｗｅｎｃｋによる「Automatic assessment of the quality of patient positioning in mammography」（ＳＰＩＥ Ｍｅｄｉｃａｌ Ｉｍａｇｉｎｇ、ｐｐ８６７０２４−８６７０２４。Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｓｏｃｉｅｔｙ ｆｏｒ Ｏｐｔｉｃｓ ａｎｄ Ｐｈｏｔｏｎｉｃｓ、２０１３年）に記載されているように、マンモグラムの品質の自動評価アルゴリズムを含む。
一実施例によれば、処理ユニット３０は、品質管理評価モジュール５０の一部として根本原因分析モジュール６０を実装する。根本原因分析モジュール６０は、品質管理情報の生成の一部として、複数の乳房ポジショニング品質パラメータにおける少なくとも１つの反復パターンを決定する。
一実施例では、根本原因分析モジュールは、複数のマンモグラム取得パラメータ及び複数の乳房ポジショニング品質パラメータに基づいて、欠陥パターンが生じる理由（根本原因）を決定する。つまり、欠陥パターンが発生する１つ又は複数の理由（根本原因）に対して相関関係が提供される。
一実施例では、根本原因分析モジュールは、生成された乳房ポジショニング品質パラメータとグランドトゥルース情報との比較に基づいて、生成された乳房ポジショニング品質パラメータが不十分であるかどうかを決定する。一実施例では、根本原因分析モジュールは、この品質パラメータが不十分である理由、例えばオペレータが何を正しく行わなかったのかを特定する。
一実施例では、上記グラウンドトゥルース情報は、多数のマンモグラムを点検し、マンモグラム中の乳房のポジショニングに関するフィードバック、又は、加えられた圧迫力が低過ぎる若しくは高過ぎるといった他のマンモグラム取得パラメータを提供する医療関係者を介して提供される。
一実施例によれば、処理ユニット３０は、品質管理情報を分析し、乳房ポジショニング情報を生成するアクションモジュール７０を実装する。
一実施例によれば、複数の取得パラメータは、Ｘ線機器オペレータ情報を含む。
一実施例では、オペレータ情報はオペレータ識別情報を含む。一実施例では、オペレータ情報はオペレータがシフトで働いている時間を含む。一実施例では、オペレータ情報はオペレータが撮影したマンモグラム数を含む。
一実施例によれば、複数の取得パラメータは、時刻、曜日、乳房への圧迫力、患者特性、及び、マンモグラムが右乳房に関連するのか又は左乳房に関連するのか、のうちの１つ以上を含む。
一実施例では、患者特性は体格指数（ＢＭＩ）を含む。一実施例では、患者特性は身体部分の厚さを含む。
一実施例によれば、少なくとも１つのマンモグラムは、少なくとも１つの内外斜位方向（ＭＬＯ）画像を含み、複数の乳房ポジショニング品質パラメータは、胸筋が乳頭レベルまで示されているかどうか、胸筋の角度、胸筋の角度が２０度より大きいかどうか、乳頭が断面で示されているかどうか、乳房下角がはっきりと示されているかどうか、すべての乳房組織がはっきりと示されているかどうか、胸筋下部範囲がゼロより大きいかどうか、及び、少なくとも１つのマンモグラムが同一人物の左右の乳房のマンモグラムを含む場合、左右のマンモグラムは対称的であるかどうか、のうちの１つ以上を含む。
一実施例によると、少なくとも１つのマンモグラムは、少なくとも１つの頭尾方向（ＣＣ）画像を含み、複数の乳房ポジショニング品質パラメータは、乳頭が断面で示されているかどうか、乳房の外側面が示されている範囲、胸筋の影が乳房の後端に示されているかどうか、乳房の内側縁が示されているかどうか、及び、少なくとも１つのマンモグラムが同一人物の左右の乳房のマンモグラムを含む場合、左右のマンモグラムは対称的であるかどうか、のうちの１つ以上を含む。
一実施例によれば、少なくとも１つのマンモグラムは、同じ乳房の少なくとも１つの内外斜位方向（ＭＬＯ）画像及び少なくとも１つの頭尾方向（ＣＣ）画像を含み、複数の乳房ポジショニング品質パラメータは、ＣＣ画像における乳頭から後端までの距離と、ＭＬＯ画像における乳頭から胸筋までの距離との差を含む。
一実施例によれば、複数の乳房ポジショニング品質パラメータは、距離の差が１０ｍｍ未満であるかどうかを含む。
図２は、マンモグラフィ品質分析を提供するシステム１００の一実施例を示す。システム１００は、少なくとも１つの情報提供ユニット１１０と、図１に関して説明したようなマンモグラフィ品質分析を提供する装置１０と、出力ユニット１２０とを含む。少なくとも１つのマンモグラムは、少なくとも１つの情報提供ユニットから入力ユニットに提供される。これは有線又は無線通信を介して行われる。複数のマンモグラム取得パラメータは、少なくとも１つの情報提供ユニットから入力ユニットに提供される。これは有線又は無線通信を介して行われる。出力ユニットは、品質管理情報を出力する。
一実施例では、情報提供ユニットは、データベースといった情報ストレージデバイスである。
図３は、マンモグラフィ品質分析を提供する方法２００の基本ステップを示す。方法２００は、
−ステップａ）とも呼ばれる提供ステップ２１０において、少なくとも１つのマンモグラムを提供する。
−ステップｂ）とも呼ばれる提供ステップ２２０において、複数のマンモグラム取得パラメータを提供する。少なくとも１つのマンモグラム取得パラメータは、対応するマンモグラムと関連付けられる。
−ステップｃ）とも呼ばれる分析及び生成ステップ２３０において、少なくとも１つのマンモグラムを分析し、複数の乳房ポジショニング品質パラメータを生成する。少なくとも１つの乳房ポジショニング品質パラメータは、対応するマンモグラムと関連付けられる。
−ステップｄ）とも呼ばれる分析及び生成ステップ２４０において、複数のマンモグラム取得パラメータ及び複数の乳房ポジショニング品質パラメータを分析し、品質管理情報を生成する。
−ステップａ）とも呼ばれる提供ステップ２１０において、少なくとも１つのマンモグラムを提供する。
−ステップｂ）とも呼ばれる提供ステップ２２０において、複数のマンモグラム取得パラメータを提供する。少なくとも１つのマンモグラム取得パラメータは、対応するマンモグラムと関連付けられる。
−ステップｃ）とも呼ばれる分析及び生成ステップ２３０において、少なくとも１つのマンモグラムを分析し、複数の乳房ポジショニング品質パラメータを生成する。少なくとも１つの乳房ポジショニング品質パラメータは、対応するマンモグラムと関連付けられる。
−ステップｄ）とも呼ばれる分析及び生成ステップ２４０において、複数のマンモグラム取得パラメータ及び複数の乳房ポジショニング品質パラメータを分析し、品質管理情報を生成する。
一実施例では、ステップａ）は、少なくとも１つのマンモグラムを、入力ユニットから処理ユニットに提供するステップを含む。
一実施例では、ステップｂ）は、複数のマンモグラム取得パラメータを、入力ユニットから処理ユニットに提供するステップを含む。
一実施例では、ステップｃ）は、処理ユニットがポジショニング評価モジュールを実装するステップを含む。
一実施例では、ステップｄ）は、処理ユニットが品質管理評価モジュールを実装するステップを含む。
一実施例によれば、ステップｄ）は、品質管理情報の生成の一部として、複数の乳房ポジショニング品質パラメータにおける少なくとも１つの反復パターンを決定するステップ２４２を含む。
一実施例によれば、方法は、ステップｅ）を含み、このステップは、品質管理情報を分析し、乳房ポジショニング情報を生成するステップ２５０を含む。一実施例では、ステップｅ）は、処理ユニットがアクションモジュールを実装するステップを含む。一実施例では、複数の取得パラメータは、Ｘ線機器オペレータ情報を含む。
一実施例では、複数の取得パラメータは、時刻、曜日、乳房への圧迫力、患者特性、及び、マンモグラムが右乳房に関連するのか又は左乳房に関連するのか、のうちの１つ以上を含む。
一実施例では、少なくとも１つのマンモグラムは、少なくとも１つの内外斜位方向（ＭＬＯ）画像を含み、複数の乳房ポジショニング品質パラメータは、胸筋が乳頭レベルまで示されているかどうか、胸筋の角度、胸筋の角度が２０度より大きいかどうか、乳頭が断面で示されているかどうか、乳房下角がはっきりと示されているかどうか、すべての乳房組織がはっきりと示されているかどうか、胸筋下部範囲がゼロより大きいかどうか、及び、少なくとも１つのマンモグラムが同一人物の左右の乳房のマンモグラムを含む場合、左右のマンモグラムは対称的であるかどうか、のうちの１つ以上を含む。
一実施例では、少なくとも１つのマンモグラムは、少なくとも１つの頭尾方向（ＣＣ）画像を含み、複数の乳房ポジショニング品質パラメータは、乳頭が断面で示されているかどうか、乳房の外側面が示されている範囲、胸筋の影が乳房の後端に示されているかどうか、乳房の内側縁が示されているかどうか、及び、少なくとも１つのマンモグラムが同一人物の左右の乳房のマンモグラムを含む場合、左右のマンモグラムは対称的であるかどうか、のうちの１つ以上を含む。
一実施例によれば、少なくとも１つのマンモグラムは、同じ乳房の少なくとも１つの内外斜位方向（ＭＬＯ）画像及び少なくとも１つの頭尾方向（ＣＣ）画像を含み、複数の乳房ポジショニング品質パラメータは、ＣＣ画像における乳頭から後端までの距離と、ＭＬＯ画像における乳頭から胸筋までの距離との差を含む。
一実施例では、複数の乳房ポジショニング品質パラメータは、距離の差が１０ｍｍ未満であるかどうかを含む。
マンモグラフィ品質分析を提供する装置、システム及び方法について、以下に添付される図４から図８及び表１から表４を参照して、より詳細に説明する。
マンモグラフィに関する品質保証及び管理は時間のかかる作業であり、現在、個々の撮像検査を読む人間の観察者によって視覚的に行われている。この現在のスキームでは、１つの機関で取得された画像の全体的な品質の概観を得ることは実際的に実行不可能である。この情報がなければ、品質改善措置を、撮像部門／機関の特定のニーズに合わせて調整することができない。現在の手動分析は、評価プロセスに時間がかかるために、画質の連続的なモニタリング及び向上に特に適していない。
本明細書に説明されるマンモグラフィ品質分析を提供する装置、システム及び方法は、これらの問題に対処する。詳細には、システムに関して、当該システムは、一般的に認められている臨床品質基準に基づいてマンモグラムのポジショニング品質を自動的に分析するモジュールを有し、これはＤＩＣＯＭヘッダから利用可能な品質管理パラメータ及び大規模（ＰＡＣＳレベル）でのその適用と組み合わされる。結果として得られる品質情報は、累積的に、例えば特定の時間間隔に亘って集約されてユーザに報告することができる。当該品質情報は、ユーザがオペレータ、時刻、左対右乳房等といった外部要因との品質の相関関係を検査することを可能にするインタラクティブデータ視覚化を含む。根本原因分析モジュールは、例えば時刻、実施するオペレータ、更には患者の特性に関する情報を所与として、次回の検査においてオペレータが行うべき改善措置提案を自動的に生成する。
したがって、システムの要素は、以下に詳述される通りである。
−一般に認められている臨床品質基準に基づいて、ポジショニングだけでなく、ＤＩＣＯＭヘッダから入手可能な追加情報に関して、マンモグラムの品質を自動的に分析するメカニズム。
−技術的品質管理測定及び一組のマンモグラフィ検査の統計的評価と組み合わせた上記基準による自動分析メカニズムであって、画質問題における反復パターンに関するデータの分析（これは「記述分析（Descriptive Analytics）」と呼ぶことができる）を可能にするメカニズム。
−ユーザが、オペレータ、時刻、左対右乳房等といった外部要因との品質の相関関係を検査することを可能にするインタラクティブデータ視覚化を含む（例えば特定の時間間隔に亘って集約される）全体的な画質を報告するメカニズム。この情報は、既知の一組の境界条件／外部要因を所与として、予想アウトカムを導き出すために使用することができる。（これは「予測分析（Predictive Analytics」と呼ぶことができる）。
−観察された問題をそれらの根本原因に関連付ける根本原因分析メカニズム（これは「診断解析（Diagnostic Analytics）」と呼ぶことができる）。
−オペレータによって行われるべきアクションに関して、改善のためのフィードバック、命令及び／又は提案を生成する自動生成メカニズム。（これは「規範的分析（Prescriptive Analytics）」と呼ぶことができる）。
−一般に認められている臨床品質基準に基づいて、ポジショニングだけでなく、ＤＩＣＯＭヘッダから入手可能な追加情報に関して、マンモグラムの品質を自動的に分析するメカニズム。
−技術的品質管理測定及び一組のマンモグラフィ検査の統計的評価と組み合わせた上記基準による自動分析メカニズムであって、画質問題における反復パターンに関するデータの分析（これは「記述分析（Descriptive Analytics）」と呼ぶことができる）を可能にするメカニズム。
−ユーザが、オペレータ、時刻、左対右乳房等といった外部要因との品質の相関関係を検査することを可能にするインタラクティブデータ視覚化を含む（例えば特定の時間間隔に亘って集約される）全体的な画質を報告するメカニズム。この情報は、既知の一組の境界条件／外部要因を所与として、予想アウトカムを導き出すために使用することができる。（これは「予測分析（Predictive Analytics」と呼ぶことができる）。
−観察された問題をそれらの根本原因に関連付ける根本原因分析メカニズム（これは「診断解析（Diagnostic Analytics）」と呼ぶことができる）。
−オペレータによって行われるべきアクションに関して、改善のためのフィードバック、命令及び／又は提案を生成する自動生成メカニズム。（これは「規範的分析（Prescriptive Analytics）」と呼ぶことができる）。
図７に、様々な品質分析レベルを示す。
マンモグラフィ品質分析を提供するためワークフローを以下に詳細に説明する。
−最初の段階として、マンモグラム品質自動評価アルゴリズムが、マンモグラムに適用される。当該アルゴリズムの例は、上で参照したＢｕｌｏｗ他に説明されている。提供されるマンモグラムは、図４に示すように、ＭＬＯ図及びＣＣ図である。評価される品質基準は、以下の表１Ａ及び表１Ｂに示される特徴を含むがこれらに限定されない。
−例えば検診センターの過去四半期／過去１年のデータである一組のマンモグラムに対して、様々な品質基準が自動的に評価され、画質問題における反復パターンに関してデータの分析が可能になる。
−マンモグラフィ品質データベース（ＭＱＤ）が、
−様々なポジショニング品質基準の結果
−通常の品質管理測定及びファントム測定（ＡＣＲファントム分析）、ＣＮＲから導き出された技術的品質尺度
−反復分析／不合格分析といった性能尺度
−二次的品質尺度及び画像のＤＩＣＯＭヘッダから利用可能である追加情報（例えば圧迫力と身体部分の厚さ、取得日時、オペレータ名／ＩＤ）
を含むデータを保持するように構成される。
−不十分な画質基準を根本原因及び改善措置に関係付ける辞書が確立される（表２参照）。
−分析エンジンがＭＱＤに適用されて、図４及び図５に示されるような代表的なレポートが生成される。図５は、マンモグラフィ品質ダッシュボードの一例を示す。一定期間について、オペレータ間のスキャン分布（左上）、スキャン品質分布（右上）、及び、１時間間隔当たりのスキャン数（下のグラフ）が表示される。図６は、マンモグラフィ品質ダッシュボードの別の例を示す。ここでは、品質分布は、オペレータ毎に示されている。
−品質特徴を、個々のオペレータレベル又は集約レベルで分析及び提示することができる。
−全体的な品質特徴と個々の品質特徴とを、患者のＢＭＩ、曜日、圧迫力等でグループ分けした左乳房対右乳房の結果を比較するオペレータによって別々にプロットすることができる。
−前のステップである記述的品質分析を使用して、所与の一組の境界条件（ＢＭＩ、患者の年齢、時刻、オペレータＩＤ）のアウトカムを予測し、注意点に関する個別化した提案（例えば「次の患者について、乳房下溝をはっきりと撮像するために、腹部を引き下げるように特に注意して下さい。」）を導き出す。
−品質分析の結果を根本原因へのリンクと組み合わせることで、改善措置及び訓練行動のための提案を自動的に導き出すことができる。考えられる改善提案の例としては、
−「オペレータｘは、右乳房のＭＬＯ図のためにポジショニングする際に、乳房を持ち上げるように注意を払って下さい」
−「時間の経過と共に品質が下がる傾向があるため、オペレータは連続して６０分間以上作業しないで下さい」
との提案が挙げられる。
−提案改善措置と共にベースライン評価が確立された後、上述のワークフローを使用して、画質を継続的にモニタリングすることができる。
−最初の段階として、マンモグラム品質自動評価アルゴリズムが、マンモグラムに適用される。当該アルゴリズムの例は、上で参照したＢｕｌｏｗ他に説明されている。提供されるマンモグラムは、図４に示すように、ＭＬＯ図及びＣＣ図である。評価される品質基準は、以下の表１Ａ及び表１Ｂに示される特徴を含むがこれらに限定されない。
−マンモグラフィ品質データベース（ＭＱＤ）が、
−様々なポジショニング品質基準の結果
−通常の品質管理測定及びファントム測定（ＡＣＲファントム分析）、ＣＮＲから導き出された技術的品質尺度
−反復分析／不合格分析といった性能尺度
−二次的品質尺度及び画像のＤＩＣＯＭヘッダから利用可能である追加情報（例えば圧迫力と身体部分の厚さ、取得日時、オペレータ名／ＩＤ）
を含むデータを保持するように構成される。
−不十分な画質基準を根本原因及び改善措置に関係付ける辞書が確立される（表２参照）。
−品質特徴を、個々のオペレータレベル又は集約レベルで分析及び提示することができる。
−全体的な品質特徴と個々の品質特徴とを、患者のＢＭＩ、曜日、圧迫力等でグループ分けした左乳房対右乳房の結果を比較するオペレータによって別々にプロットすることができる。
−前のステップである記述的品質分析を使用して、所与の一組の境界条件（ＢＭＩ、患者の年齢、時刻、オペレータＩＤ）のアウトカムを予測し、注意点に関する個別化した提案（例えば「次の患者について、乳房下溝をはっきりと撮像するために、腹部を引き下げるように特に注意して下さい。」）を導き出す。
−品質分析の結果を根本原因へのリンクと組み合わせることで、改善措置及び訓練行動のための提案を自動的に導き出すことができる。考えられる改善提案の例としては、
−「オペレータｘは、右乳房のＭＬＯ図のためにポジショニングする際に、乳房を持ち上げるように注意を払って下さい」
−「時間の経過と共に品質が下がる傾向があるため、オペレータは連続して６０分間以上作業しないで下さい」
との提案が挙げられる。
−提案改善措置と共にベースライン評価が確立された後、上述のワークフローを使用して、画質を継続的にモニタリングすることができる。
図7には、様々な品質分析レベルが視覚化されている。上で言及した４つの品質分析レベルが図示され、この図は、マンモグラフィ品質分析を提供する装置、システム及び方法の視覚的概要を与える。図７に示されるように、記述分析中に、マンモグラフィの品質が測定され、集約され、報告される。観察された品質不足のそれぞれの根本原因への関連付けは、診断分析の一部である。予測分析は、この情報を使用して、所与の境界条件下でのアウトカムを予測する。ユーザのアクションや注意点についての具体的な提案を導き出すことは、規範的分析の最終段階の一部である。
画像特徴の根本原因への関連付け
根本原因分析モジュールについて更に詳細に説明する。表３は、マンモグラフィにおける患者のポジショニングに関する技師のコンピテンシーを評価するためのチェックリストを示す。これらのコンピテンシー評価を１つ以上満たさない場合、準最適なマンモグラムの根本原因と考えられる。撮像情報に加えて、このチェックリストによるデータの収集は、結果として得られるマンモグラムからポジショニング手順において欠けている／誤って行われたステップを予測するように作られているパターン認識システムを訓練するために必要なデータを提供する。図８は、パターン認識技術の象徴的表現を示し、このパターン認識技術は、根本原因分析モジュール内で使用される。このパターン認識技術は、この例では、単一の隠れ層を有するフィードフォワードニューラルネットワークとして示されている。パターン認識システムへの入力は、表１による画像特徴であり、出力はコンピテンシーチェックリストを表すベクトルである。ニューラルネットワークとしての視覚的表現に関係なく、サポートベクターマシン（ＳＶＭ）といった他のパターン認識アルゴリズムを、このタスクのために訓練することができる。このようなシステムを訓練することは、統計的に信頼性があるためには大量のデータを必要とする（＞１０００のマンモグラム＋コンピテンシー情報）。このような大量のデータからの特定の画像欠陥の根本原因に関する洞察が得られることの引き換えに、熟練した専門家であっても推定を試みることは非常に難しい。
根本原因分析モジュールについて更に詳細に説明する。表３は、マンモグラフィにおける患者のポジショニングに関する技師のコンピテンシーを評価するためのチェックリストを示す。これらのコンピテンシー評価を１つ以上満たさない場合、準最適なマンモグラムの根本原因と考えられる。撮像情報に加えて、このチェックリストによるデータの収集は、結果として得られるマンモグラムからポジショニング手順において欠けている／誤って行われたステップを予測するように作られているパターン認識システムを訓練するために必要なデータを提供する。図８は、パターン認識技術の象徴的表現を示し、このパターン認識技術は、根本原因分析モジュール内で使用される。このパターン認識技術は、この例では、単一の隠れ層を有するフィードフォワードニューラルネットワークとして示されている。パターン認識システムへの入力は、表１による画像特徴であり、出力はコンピテンシーチェックリストを表すベクトルである。ニューラルネットワークとしての視覚的表現に関係なく、サポートベクターマシン（ＳＶＭ）といった他のパターン認識アルゴリズムを、このタスクのために訓練することができる。このようなシステムを訓練することは、統計的に信頼性があるためには大量のデータを必要とする（＞１０００のマンモグラム＋コンピテンシー情報）。このような大量のデータからの特定の画像欠陥の根本原因に関する洞察が得られることの引き換えに、熟練した専門家であっても推定を試みることは非常に難しい。
別の例示的な実施形態では、適切なシステム上で、前述の実施形態のうちの１つによる方法の方法ステップを実行するように構成されていることを特徴とするコンピュータプログラム又はコンピュータプログラム要素が提供される。
したがって、コンピュータプログラム要素は、コンピュータユニットに格納されてもよく、これも実施形態の一部である。このコンピュータユニットは、上記方法のステップを実行するか、又は、実行を誘導する。更に、コンピュータユニットは、上記装置及び／又はシステムの構成要素を動作させる。コンピュータユニットは、自動的に動作する、及び／又は、ユーザの命令を実行する。コンピュータプログラムが、データプロセッサの作業メモリにロードされてよい。したがって、データプロセッサは、上記実施形態のうちの１つによる方法の実行に対応している。
本発明のこの例示的な実施形態は、最初から本発明を使用するコンピュータプログラムと、アップデートによって、既存のプログラムを、本発明を使用するプログラムに変えるコンピュータプログラムとの両方を対象とする。
更に、コンピュータプログラム要素は、上記方法の例示的な実施形態の手順を満たすすべての必要なステップを提供することができる。
本発明の更なる例示的な実施形態によれば、ＣＤ−ＲＯＭ、ＵＳＢスティック等といったコンピュータ可読媒体が提示される。コンピュータ可読媒体に、コンピュータプログラム要素が記憶され、コンピュータプログラム要素は上記セクションに説明されている。
コンピュータプログラムは、他のハードウェアと共に又は他のハードウェアの一部として供給される光学記憶媒体又は固体媒体といった適切な媒体上に記憶される及び／又は分散配置されるが、インターネット又は他の有線若しくは無線通信システムを介した形態といった他の形態で分配されてもよい。
しかし、コンピュータプログラムは、ワールドワイドウェブといったネットワークを介して提示され、当該ネットワークからデータプロセッサの作業メモリにダウンロードされてもよい。本発明の更なる例示的な実施形態によれば、ダウンロード用にコンピュータプログラム要素を利用可能にする媒体が提供され、当該コンピュータプログラム要素は、本発明の上記実施形態のうちの１つによる方法を行うように構成される。
なお、本発明の実施形態は、様々な主題を参照して説明されている。具体的には、方法を参照して説明される実施形態もあれば、装置を参照して説明される実施形態もある。しかし、当業者であれば、上記から、特に明記されない限り、１つの主題に属する特徴の任意の組み合わせに加えて、様々な主題に関連する特徴の任意の組み合わせも、本願によって開示されていると見なされると理解できるであろう。しかし、すべての特徴は、特徴の単なる足し合わせ以上の相乗効果を提供する限り、組み合わされることが可能である。
本発明は、図面及び上記説明において詳細に例示され、説明されたが、当該例示及び説明は、例示的に見なされるべきであり、限定的に見なされるべきではない。本発明は、開示される実施形態に限定されない。開示された実施形態の他の変形態様は、図面、開示内容及び従属請求項の検討から、請求項に係る発明を実施する当業者によって理解され、実施される。
請求項において、「含む」との用語は、他の要素又はステップを排除するものではなく、また、「ａ」又は「ａｎ」との不定冠詞も、複数形を排除するものではない。単一のパラメータ、特徴又は他の要素が、請求項に引用される幾つかのアイテムの機能を果たしてもよい。特定の手段が相互に異なる従属請求項に記載されることだけで、これらの手段の組み合わせを有利に使用することができないことを示すものではない。請求項における任意の参照符号は、範囲を限定するものと解釈されるべきではない。
Claims (15)
- 入力ユニットと、
処理ユニットと、
を含む、マンモグラフィ品質分析を提供する装置であって、
前記入力ユニットは、少なくとも１つのマンモグラムを前記処理ユニットに提供し、
前記入力ユニットは、複数のマンモグラム取得パラメータを前記処理ユニットに提供し、前記マンモグラム取得パラメータは、前記少なくとも１つのマンモグラムの各々のマンモグラムに関連付けられ、
前記処理ユニットは、前記少なくとも１つのマンモグラムを分析し、複数の乳房ポジショニング品質パラメータを生成するポジショニング評価モジュールを実装し、前記乳房ポジショニング品質パラメータは、前記少なくとも１つのマンモグラムの各々のマンモグラムに関連付けられ、
前記処理ユニットは、前記複数のマンモグラム取得パラメータ及び前記複数の乳房ポジショニング品質パラメータを分析し、前記マンモグラム取得パラメータを、前記少なくとも１つのマンモグラムの各々のマンモグラムに対して関連付けられた前記乳房ポジショニング品質パラメータと相関させ、品質管理情報を生成する品質管理評価モジュールを実装する、
装置。 - 前記処理ユニットは、前記品質管理評価モジュールの一部として、根本原因分析モジュールを実装し、前記根本原因分析モジュールは、前記品質管理情報の生成の一部として、前記複数の乳房ポジショニング品質パラメータにおける少なくとも１つの反復パターンを決定する、請求項１に記載の装置。
- 前記処理ユニットは、前記品質管理情報を分析し、乳房ポジショニング情報を生成するアクションモジュールを実装する、請求項１又は２に記載の装置。
- 前記複数のマンモグラム取得パラメータは、Ｘ線機器オペレータ情報を含む、請求項１から３の何れか一項に記載の装置。
- 前記複数のマンモグラム取得パラメータは、時刻、曜日、乳房への圧迫力、患者特性、及び、マンモグラムが右乳房に関連するのか又は左乳房に関連するのか、のうちの１つ以上を含む、請求項１から４の何れか一項に記載の装置。
- 前記少なくとも１つのマンモグラムは、少なくとも１つの内外斜位方向（ＭＬＯ）画像を含み、前記複数の乳房ポジショニング品質パラメータは、胸筋が乳頭レベルまで示されているかどうか、胸筋の角度、胸筋の角度が２０度より大きいかどうか、乳頭が断面で示されているかどうか、乳房下角がはっきりと示されているかどうか、すべての乳房組織がはっきりと示されているかどうか、胸筋下部範囲がゼロより大きいかどうか、及び、前記少なくとも１つのマンモグラムが同一人物の左右の乳房のマンモグラムを含む場合、左右のマンモグラムは対称的であるかどうか、のうちの１つ以上を含む、請求項１から５の何れか一項に記載の装置。
- 前記少なくとも１つのマンモグラムは、少なくとも１つの頭尾方向（ＣＣ）画像を含み、前記複数の乳房ポジショニング品質パラメータは、乳頭が断面で示されているかどうか、乳房の外側面が示されている範囲、胸筋の影が乳房の後端に示されているかどうか、乳房の内側縁が示されているかどうか、及び、前記少なくとも１つのマンモグラムが同一人物の左右の乳房のマンモグラムを含む場合、左右のマンモグラムは対称的であるかどうか、のうちの１つ以上を含む、請求項１から６の何れか一項に記載の装置。
- 前記少なくとも１つのマンモグラムが、同じ乳房の少なくとも１つの内外斜位方向（ＭＬＯ）画像及び少なくとも１つの頭尾方向（ＣＣ）画像を含み、前記複数の乳房ポジショニング品質パラメータは、ＣＣ画像における乳頭から後縁までの距離と、ＭＬＯ画像における乳頭から胸筋までの距離との差を含む、請求項１から７の何れか一項に記載の装置。
- 前記複数の乳房ポジショニング品質パラメータは、前記距離の差が１０ｍｍ未満であるかどうかを含む、請求項８に記載の装置。
- 少なくとも１つの情報提供ユニットと、
マンモグラフィ品質分析を提供する請求項１から９の何れか一項に記載の装置と、
出力ユニットと、
を含む、マンモグラフィ品質分析を提供するシステムであって、
前記少なくとも１つのマンモグラムは、前記少なくとも１つの情報提供ユニットから前記入力ユニットに提供され、
前記複数のマンモグラム取得パラメータは、前記少なくとも１つの情報提供ユニットから前記入力ユニットに提供され、
前記出力ユニットは、前記品質管理情報を出力する、
システム。 - 少なくとも１つのマンモグラムを提供するステップａ）と、
複数のマンモグラム取得パラメータを提供するステップｂ）であって、前記マンモグラム取得パラメータは、前記少なくとも１つのマンモグラムの各々のマンモグラムに関連付けられる、ステップｂ）と、
前記少なくとも１つのマンモグラムを分析し、複数の乳房ポジショニング品質パラメータを生成するステップｃ）であって、前記乳房ポジショニング品質パラメータは、前記少なくとも１つのマンモグラムの各々のマンモグラムに関連付けられる、ステップｃ）と、
前記複数のマンモグラム取得パラメータ及び前記複数の乳房ポジショニング品質パラメータを分析し、前記マンモグラム取得パラメータを、前記少なくとも１つのマンモグラムの各々のマンモグラムに対して関連付けられた前記乳房ポジショニング品質パラメータと相関させ、品質管理情報を生成するステップｄ）と、
を含む、マンモグラフィ品質分析を提供する方法。 - 前記ステップｄ）は、前記品質管理情報の生成の一部として、前記複数の乳房ポジショニング品質パラメータにおける少なくとも１つの反復パターンを決定するステップを含む、請求項１１に記載の方法。
- 前記品質管理情報を分析し、乳房ポジショニング情報を生成するステップｅ）を含む、請求項１１又は１２に記載の方法。
- プロセッサによって実行されると、請求項１１から１３の何れか一項に記載の方法を実行する、請求項１から９の何れか一項に記載の装置及び／又は請求項１０に記載のシステムを制御する、コンピュータプログラム。
- 請求項１４に記載のコンピュータプログラムを格納している、コンピュータ可読媒体。
Applications Claiming Priority (5)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US201662435156P | 2016-12-16 | 2016-12-16 | |
| US62/435156 | 2016-12-16 | ||
| EP17156873.6 | 2017-02-20 | ||
| EP17156873.6A EP3363364A1 (en) | 2017-02-20 | 2017-02-20 | Apparatus for providing mammography quality analytics |
| PCT/EP2017/083084 WO2018109178A1 (en) | 2016-12-16 | 2017-12-15 | Apparatus for providing mammography quality analytics |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JP2020513875A JP2020513875A (ja) | 2020-05-21 |
| JP2020513875A5 JP2020513875A5 (ja) | 2021-01-28 |
| JP6980785B2 true JP6980785B2 (ja) | 2021-12-15 |
Family
ID=58162445
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019531634A Active JP6980785B2 (ja) | 2016-12-16 | 2017-12-15 | マンモグラフィ品質分析を提供する装置 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US20190313992A1 (ja) |
| EP (2) | EP3363364A1 (ja) |
| JP (1) | JP6980785B2 (ja) |
| CN (1) | CN110087549A (ja) |
| WO (1) | WO2018109178A1 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019070829A1 (en) * | 2017-10-03 | 2019-04-11 | Infinite Computer Solutions Inc. | HEALTHCARE SYSTEM TO HELP WITH SORT MANAGEMENT |
| WO2020102914A1 (en) * | 2018-11-24 | 2020-05-28 | Densitas Incorporated | System and method for assessing medical images |
| CN111445983B (zh) * | 2020-03-31 | 2023-10-27 | 杭州依图医疗技术有限公司 | 用于乳腺扫描的医疗信息处理方法、系统及存储介质 |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004105437A (ja) * | 2002-09-18 | 2004-04-08 | Fuji Photo Film Co Ltd | 医用画像処理装置及び医用画像撮影システム |
| AU2003265178A1 (en) * | 2003-09-22 | 2005-04-11 | Sectra Imtec Ab | Automatic positioning quality assessment for digital mammography |
| US7189000B2 (en) * | 2003-12-22 | 2007-03-13 | Kabushiki Kaisha Toshiba | Image-quality control system |
| EP1754200B1 (en) * | 2004-05-28 | 2017-07-12 | Koninklijke Philips N.V. | A method, a computer program, an apparatus and an imaging system for image processing |
| JP2006014931A (ja) * | 2004-07-01 | 2006-01-19 | Fuji Photo Film Co Ltd | 画像読影支援システム、および、画像位置合わせ装置、画像出力装置、ならびにプログラム |
| JP2006051198A (ja) * | 2004-08-12 | 2006-02-23 | Fuji Photo Film Co Ltd | 医用画像処理システム |
| EP1878239A2 (en) * | 2005-04-28 | 2008-01-16 | Bruce Reiner | Method and apparatus for automated quality assurance in medical imaging |
| EP1925254A1 (en) * | 2006-11-24 | 2008-05-28 | Ion Beam Applications S.A. | Method and device for quality management in a mammography apparatus |
| JP5026939B2 (ja) * | 2007-12-04 | 2012-09-19 | 富士フイルム株式会社 | 画像処理装置およびそのプログラム |
| JP5145170B2 (ja) * | 2008-08-27 | 2013-02-13 | 富士フイルム株式会社 | 医用画像の評価装置 |
| JP5145169B2 (ja) * | 2008-08-27 | 2013-02-13 | 富士フイルム株式会社 | 医用画像の撮影支援装置及びプログラム |
| US20130138016A1 (en) * | 2011-11-30 | 2013-05-30 | General Electric Company | Method of generating an alert while imaging a breast of a subject during a mammogram |
| DE102011090047A1 (de) * | 2011-12-28 | 2013-07-25 | Klinikum der Universität München - Campus Innenstadt | Kontrollverfahren und Kontrollsystem |
| WO2014167463A2 (en) * | 2013-04-10 | 2014-10-16 | Koninklijke Philips N.V. | Image quality index and/or imaging parameter recommendation based thereon |
-
2017
- 2017-02-20 EP EP17156873.6A patent/EP3363364A1/en not_active Withdrawn
- 2017-12-15 CN CN201780077621.1A patent/CN110087549A/zh active Pending
- 2017-12-15 US US16/468,741 patent/US20190313992A1/en not_active Abandoned
- 2017-12-15 WO PCT/EP2017/083084 patent/WO2018109178A1/en unknown
- 2017-12-15 EP EP17821550.5A patent/EP3554374A1/en not_active Withdrawn
- 2017-12-15 JP JP2019531634A patent/JP6980785B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| US20190313992A1 (en) | 2019-10-17 |
| CN110087549A (zh) | 2019-08-02 |
| JP2020513875A (ja) | 2020-05-21 |
| EP3363364A1 (en) | 2018-08-22 |
| EP3554374A1 (en) | 2019-10-23 |
| WO2018109178A1 (en) | 2018-06-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US8856053B2 (en) | Methods and systems for employing artificial intelligence in automated orthodontic diagnosis and treatment planning | |
| US11734825B2 (en) | Segmentation device and method of generating learning model | |
| US7729524B2 (en) | Assessment of radiographic systems and operators using task-based phantom | |
| US9517111B2 (en) | Methods and systems for employing artificial intelligence in automated orthodontic diagnosis and treatment planning | |
| JP6980785B2 (ja) | マンモグラフィ品質分析を提供する装置 | |
| Olate et al. | A systematic review of soft-to-hard tissue ratios in orthognathic surgery. Part IV: 3D analysis–Is there evidence? | |
| US20210174503A1 (en) | Method, system and storage medium with a program for the automatic analysis of medical image data | |
| JP6040327B2 (ja) | 肺の測定 | |
| Vinayahalingam et al. | Automated chart filing on panoramic radiographs using deep learning | |
| US11776677B2 (en) | Computer vision-based analysis of provider data | |
| US20210217166A1 (en) | Automated screening of medical data | |
| CN106471547A (zh) | 在乳房x光照相期间产生的乳房的x光图像的分析处理 | |
| Rohlin et al. | Through the quality kaleidoscope: reflections on research in dentomaxillofacial imaging | |
| Orosz et al. | Novel artificial intelligence algorithm: an accurate and independent measure of spinopelvic parameters | |
| Desrosiers-Gregoire et al. | Rodent Automated Bold Improvement of EPI Sequences (RABIES): A standardized image processing and data quality platform for rodent fMRI | |
| Radwan et al. | Artificial intelligence‐based algorithm for cervical vertebrae maturation stage assessment | |
| CN109983502A (zh) | 用于医学图像数据集的质量评估的设备和方法 | |
| CN108618797A (zh) | 光谱ct图像数据的对比度增强再现 | |
| Dzemidzic et al. | Computer based assessment of cervical vertebral maturation stages using digital lateral cephalograms | |
| Marrugo et al. | Image analysis in modern ophthalmology: from acquisition to computer assisted diagnosis and telemedicine | |
| EP3048968B1 (en) | System and method for context-aware imaging | |
| Varga et al. | Classification of the level of mandibular atrophy–A computer-assisted study based on 500 CT scans | |
| Botelho et al. | A comparison of visual identification of dental radiographic and nonradiographic images using eye tracking technology | |
| CN117015799A (zh) | 检测x射线图像中的异常 | |
| KR20190045515A (ko) | 인공지능에 기반한 이미지 화질 분석 및 권장 촬영 조건 제안을 위한 시스템 및 방법 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201211 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201211 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210922 |
|
| 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: 20211019 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20211117 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6980785 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |