JP7035569B2 - 医用画像処理装置 - Google Patents
医用画像処理装置 Download PDFInfo
- Publication number
- JP7035569B2 JP7035569B2 JP2018014246A JP2018014246A JP7035569B2 JP 7035569 B2 JP7035569 B2 JP 7035569B2 JP 2018014246 A JP2018014246 A JP 2018014246A JP 2018014246 A JP2018014246 A JP 2018014246A JP 7035569 B2 JP7035569 B2 JP 7035569B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- medical image
- processing
- medical
- processed
- 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
- 238000012545 processing Methods 0.000 title claims description 204
- 238000000034 method Methods 0.000 claims description 63
- 230000008569 process Effects 0.000 claims description 60
- 238000003384 imaging method Methods 0.000 claims description 46
- 230000004044 response Effects 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 description 18
- 238000007689 inspection Methods 0.000 description 6
- 230000003313 weakening effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 3
- 230000037182 bone density Effects 0.000 description 2
- 238000002591 computed tomography Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 230000010365 information processing Effects 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 210000004072 lung Anatomy 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000005549 size reduction Methods 0.000 description 2
- 238000013526 transfer learning Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000001739 density measurement Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Description
所定の処理の処理対象の候補となる医用画像をサーバーに要求する要求手段と、
前記要求に応じて前記サーバーから送信された医用画像の少なくとも画像データを用いて、当該医用画像が前記所定の処理の処理対象の画像であるか否かを判別する判別手段と、
前記処理対象の画像と判別された医用画像に対して前記所定の処理を施す処理手段と、
外部装置から前記所定の処理の実施が指示された医用画像に対しては、前記判別手段による判別を行うことなく、その全ての医用画像に対して前記処理手段により前記所定の処理を行うように制御する制御手段と、
を備える。
第1の医用画像を取得する取得手段と、
前記第1の医用画像とともに所定の処理の処理対象となる第2の医用画像の候補となる医用画像をサーバーに要求する要求手段と、
前記要求に応じて前記サーバーから送信された医用画像の少なくとも画像データを用いて、当該医用画像が前記所定の処理の処理対象となる医用画像であるか否かを判別する判別手段と、
前記第1の医用画像及び前記所定の処理の処理対象となる医用画像であると判別された第2の医用画像に対して前記所定の処理を施す処理手段と、
外部装置から前記所定の処理の実施が指示された医用画像に対しては、前記判別手段による判別を行うことなく、その全ての医用画像に対して前記処理手段により前記所定の処理を行うように制御する制御手段と、
を備える。
前記処理手段は、前記第1の医用画像と前記第2の医用画像に対して所定の演算処理を施す。
前記処理手段は、前記第1の医用画像と前記第2の医用画像に対して経時差分処理を施す。
前記判別手段は、前記医用画像の撮影部位と撮影方向の少なくとも一方を判別し、その判別結果に基づいて、当該医用画像が前記所定の処理の処理対象の画像であるか否かを判別する。
前記判別手段は、前記医用画像の付帯情報から前記医用画像が前記所定の処理の処理対象の画像であるか否かを判別可能な場合は、前記付帯情報を用いて当該医用画像が前記所定の処理の処理対象の画像であるか否かを判別し、前記医用画像の付帯情報から前記医用画像が前記所定の処理の処理対象の画像であるか否かを判別不可能な場合は、前記医用画像の画像データを解析することにより当該医用画像が前記所定の処理の処理対象の画像であるか否かを判別する。
前記要求手段は、患者識別情報、撮影部位、撮影方向、撮影モダリティーの少なくとも一つの条件を指定して、前記所定の処理の処理対象の候補となる医用画像を前記サーバーに要求する。
前記処理手段による処理結果を前記サーバーに送信する送信手段を備える。
前記処理手段による処理結果を表示する表示手段を備える。
前記処理手段による処理結果は、数値又は画像である。
前記医用画像の画像識別情報と前記判別手段による判別結果とを対応付けて保存するためのデータベースを備える。
前記制御手段は、前記外部装置から前記所定の処理の実施が指示された医用画像の画像識別情報と前記医用画像が前記処理対象の画像の条件を満たすことを示す情報とを対応付けて前記データベースに保存させる。
(医用画像処理システム100の構成)
まず、第1の実施形態の構成を説明する。
図1に、本実施形態における医用画像処理システム100のシステム構成を示す。
図1に示すように、医用画像処理システム100は、モダリティー1、画像サーバー2、医用画像処理装置3、ビューアー4等を備えて構成されている。これら各装置1~4は、LAN(Local Area Network)等の医療機関内で構築された通信ネットワークNを介して相互にデータを送受信可能に接続されている。通信ネットワークNは、DICOM(Digital Imaging and Communication in Medicine)規格が適用されている。なお、各装置の台数は、特に限定されない。
モダリティー1は、人体を撮影し、その撮影画像(医用画像)の画像データを生成するものであり、例えば、CR(Computed Radiography)、FPD(Flat Panel Detector)、CT(Computed Tomography)、MRI(Magnetic Resonance Imaging)等を適用可能である。本実施形態においては、モダリティー1が単純X線画像を撮影するCR又はFPDであることとして説明するが、他の種類のモダリティーが含まれていてもよい。
具体的に、画像サーバー2は、ハードディスク等により構成される記憶部21を有する。この記憶部21は、医用画像や差分画像等の画像データを格納する医用画像DB(Data Base)211、医用画像DB211に記憶されている画像に関する付帯情報を検索可能に格納する付帯情報DB212を記憶している。
画像サーバー2は、医用画像処理装置3及びビューアー4から要求された医用画像を医用画像DB211から読み出して要求元の装置に送信する。
図2に、医用画像処理装置3の機能構成例を示す。
図2に示すように、医用画像処理装置3は、制御部31、操作部32、表示部33、通信部34、記憶部35を備えて構成され、各部はバス36により接続されている。
制御部31は、要求手段、判別手段、処理手段、制御手段として機能する。
通信部34は、取得手段、送信手段として機能する。
次に、医用画像処理システム100の動作について説明する。
図3に、医用画像処理システム100において実行される経時差分処理の流れを示す。以下、図3を参照して経時差分処理の流れについて説明する。
ここで、経時差分処理の処理対象となる画像は、胸部正面の画像である。
ここで、不明とは、ヘッダー部のタグ内の文字列が事前に登録されている文字以外であることを指す。
付帯情報の撮影部位情報が「胸部」ではないと判別した場合(ステップS72;NO)、制御部31は、当該候補画像が処理対象外であると判別し(ステップS79)、ステップS81に移行する。
付帯情報の撮影部位情報が「胸部」であると判別した場合(ステップS72;YES)、ステップS75に移行する。
判別結果が「胸部」ではないと判別した場合(ステップS74;NO)、制御部31は、当該候補画像が処理対象外であると判別し(ステップS79)、ステップS81に移行する。
付帯情報の撮影方向が「空又は不明」ではないと判別した場合(ステップS75;NO)、制御部31は、付帯情報の撮影方向が「正面」であるか否かを判別する(ステップS76)。
付帯情報の撮影部位情報が「正面」ではないと判別した場合(ステップS76;NO)、制御部31は、当該医用画像が処理対象外であると判別し(ステップS79)、ステップS81に移行する。
付帯情報の撮影部位情報が「正面」であると判別した場合(ステップS76;YES)、制御部31は、当該候補画像が処理対象である(第2の医用画像である)と判別し(ステップS80)、ステップS81に移行する。
ステップS77の処理では、例えば、3層CNNを用いて行うことができる。ステップS77においては、例えば、候補画像の画像データに対し、8bit正規化、ヒストグラム均一化、画像サイズ縮小等の前処理を行った後、胸部正面と胸部側面を分けるための特徴量を学習済みの3層CNNモデルにて推論処理を実行して候補画像が胸部正面であるか胸部側面であるかを判別する。
なお、胸部正面であるか胸部側面であるかの判別は、参照文献2に記載の、画像データの横方向の濃度値の変化を示すプロジェクションのパターンを用いた判別手法等の他の公知の手法を用いてもよい(参照文献2:木戸淳、竹内博著,「肺正面、側面の自動識別」,Medical Imaging Technology,9 巻 4 号(1991))。また、ディープラーニングの分類問題において一般的なAlexNetの転移学習モデルを利用して、候補画像の画像データが肺正面であるか側面であるかを判定することとしてもよい。
判別結果が「正面」ではないと判別した場合(ステップS78;NO)、制御部31は、当該候補画像が処理対象外であると判別し(ステップS79)、ステップS81に移行する。
受信した全ての候補画像についてステップS71~S80の処理が終了していないと判断した場合(ステップS81;NO)、制御部31は、ステップS71に戻る。
受信した全ての候補画像についてステップS71~S80の処理が終了したと判断した場合(ステップS81;YES)、制御部31は、図3のステップS8に移行する。
画像サーバー2においては、医用画像処理装置3から差分画像を受信すると、受信した差分画像を医用画像DB211に保存する(ステップS10)。差分画像の保存が終了すると、医用画像処理システム100における経時差分処理は終了する。
次に、本発明の第2の実施形態について説明する。
第2の実施形態における構成は、第1の実施形態で説明した構成と同様であるので説明を援用し、以下、第2の実施形態における医用画像処理システム100の動作について説明する。
撮影部位が「胸部」以外であると明確に判断できる画像とは、付帯情報の撮影部位情報として、胸部以外の部位が記載されている画像であり、ステップS23においては、付帯情報の撮影部位が胸部の医用画像とともに、付帯情報の撮影部位が空や不明な医用画像が医用画像処理装置3に送信される。
なお、本実施形態では、医用画像処理装置3から胸部画像の要求を受信すると、画像サーバー2において、付帯情報に基づき撮影部位が「胸部」以外であると明確に判断できる画像を除いた医用画像を医用画像DB211から検索することとしたが、医用画像処理装置3側から「撮影部位が「胸部」以外であると明確に判断できる画像を除いた医用画像」を条件として画像サーバー2に医用画像を要求することとしてもよい。
ここで、肋骨減弱処理の処理対象となる画像は、胸部正面の画像である。ステップS25において、制御部31は、図4に示す判別処理を実行する。判別処理については、第1の実施形態で説明したので説明を援用する。判別処理により、候補画像の付帯情報の撮影部位や撮影方向の情報が空又は不明であっても処理対象の画像であるか否かを判別することができる。
画像サーバー2においては、医用画像処理装置3から肋骨減弱済みの医用画像を受信すると、受信した医用画像を医用画像DB211に保存する(ステップS28)。肋骨減弱済みの医用画像の保存が終了すると、医用画像処理システム100における肋骨減弱処理は終了する。
したがって、候補画像の付帯情報の撮影部位や撮影方向の情報が空又は不明であり、付帯情報から候補画像が処理対象画像であるか否かを判別することができない場合であっても、候補画像が処理対象画像であるか否かを判別することができる。
1 モダリティー
2 画像サーバー
21 記憶部
211 医用画像DB
212 付帯情報DB
3 医用画像処理装置
31 制御部
32 操作部
33 表示部
34 通信部
35 記憶部
36 バス
Claims (12)
- 所定の処理の処理対象の候補となる医用画像をサーバーに要求する要求手段と、
前記要求に応じて前記サーバーから送信された医用画像の少なくとも画像データを用いて、当該医用画像が前記所定の処理の処理対象の画像であるか否かを判別する判別手段と、
前記処理対象の画像と判別された医用画像に対して前記所定の処理を施す処理手段と、
外部装置から前記所定の処理の実施が指示された医用画像に対しては、前記判別手段による判別を行うことなく、その全ての医用画像に対して前記処理手段により前記所定の処理を行うように制御する制御手段と、
を備える医用画像処理装置。 - 第1の医用画像を取得する取得手段と、
前記第1の医用画像とともに所定の処理の処理対象となる第2の医用画像の候補となる医用画像をサーバーに要求する要求手段と、
前記要求に応じて前記サーバーから送信された医用画像の少なくとも画像データを用いて、当該医用画像が前記所定の処理の処理対象となる医用画像であるか否かを判別する判別手段と、
前記第1の医用画像及び前記所定の処理の処理対象となる医用画像であると判別された第2の医用画像に対して前記所定の処理を施す処理手段と、
外部装置から前記所定の処理の実施が指示された医用画像に対しては、前記判別手段による判別を行うことなく、その全ての医用画像に対して前記処理手段により前記所定の処理を行うように制御する制御手段と、
を備える医用画像処理装置。 - 前記処理手段は、前記第1の医用画像と前記第2の医用画像に対して所定の演算処理を施す請求項2に記載の医用画像処理装置。
- 前記処理手段は、前記第1の医用画像と前記第2の医用画像に対して経時差分処理を施す請求項3に記載の医用画像処理装置。
- 前記判別手段は、前記医用画像の撮影部位と撮影方向の少なくとも一方を判別し、その判別結果に基づいて、当該医用画像が前記所定の処理の処理対象の画像であるか否かを判別する請求項1~4のいずれか一項に記載の医用画像処理装置。
- 前記判別手段は、前記医用画像の付帯情報から前記医用画像が前記所定の処理の処理対象の画像であるか否かを判別可能な場合は、前記付帯情報を用いて当該医用画像が前記所定の処理の処理対象の画像であるか否かを判別し、前記医用画像の付帯情報から前記医用画像が前記所定の処理の処理対象の画像であるか否かを判別不可能な場合は、前記医用画像の画像データを解析することにより当該医用画像が前記所定の処理の処理対象の画像であるか否かを判別する請求項1~5のいずれか一項に記載の医用画像処理装置。
- 前記要求手段は、患者識別情報、撮影部位、撮影方向、撮影モダリティーの少なくとも一つの条件を指定して、前記所定の処理の処理対象の候補となる医用画像を前記サーバーに要求する請求項1~6のいずれか一項に記載の医用画像処理装置。
- 前記処理手段による処理結果を前記サーバーに送信する送信手段を備える請求項1~7のいずれか一項に記載の医用画像処理装置。
- 前記処理手段による処理結果を表示する表示手段を備える請求項1~8のいずれか一項に記載の医用画像処理装置。
- 前記処理手段による処理結果は、数値又は画像である請求項1~9のいずれか一項に記載の医用画像処理装置。
- 前記医用画像の画像識別情報と前記判別手段による判別結果とを対応付けて保存するためのデータベースを備える請求項1~10のいずれか一項に記載の医用画像処理装置。
- 前記制御手段は、前記外部装置から前記所定の処理の実施が指示された医用画像の画像識別情報と前記医用画像が前記処理対象の画像の条件を満たすことを示す情報とを対応付けて前記データベースに保存させる請求項11に記載の医用画像処理装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018014246A JP7035569B2 (ja) | 2018-01-31 | 2018-01-31 | 医用画像処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018014246A JP7035569B2 (ja) | 2018-01-31 | 2018-01-31 | 医用画像処理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019129989A JP2019129989A (ja) | 2019-08-08 |
JP7035569B2 true JP7035569B2 (ja) | 2022-03-15 |
Family
ID=67546981
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018014246A Active JP7035569B2 (ja) | 2018-01-31 | 2018-01-31 | 医用画像処理装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7035569B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7100901B2 (ja) * | 2019-10-25 | 2022-07-14 | 直己 岡田 | 重症度評価装置、重症度評価方法、及びプログラム |
JP2022018415A (ja) * | 2020-07-15 | 2022-01-27 | キヤノンメディカルシステムズ株式会社 | 医用データ処理装置及び方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003010166A (ja) | 2001-04-25 | 2003-01-14 | Fuji Photo Film Co Ltd | 画像処理方法および装置並びにプログラム |
JP2013126575A (ja) | 2004-06-14 | 2013-06-27 | Canon Inc | 画像処理装置及び方法、並びにプログラム |
JP2016202721A (ja) | 2015-04-27 | 2016-12-08 | コニカミノルタ株式会社 | 医用画像表示装置及びプログラム |
-
2018
- 2018-01-31 JP JP2018014246A patent/JP7035569B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003010166A (ja) | 2001-04-25 | 2003-01-14 | Fuji Photo Film Co Ltd | 画像処理方法および装置並びにプログラム |
JP2013126575A (ja) | 2004-06-14 | 2013-06-27 | Canon Inc | 画像処理装置及び方法、並びにプログラム |
JP2016202721A (ja) | 2015-04-27 | 2016-12-08 | コニカミノルタ株式会社 | 医用画像表示装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2019129989A (ja) | 2019-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thian et al. | Convolutional neural networks for automated fracture detection and localization on wrist radiographs | |
KR102243830B1 (ko) | 통합 의료 진단 서비스 제공 시스템 및 그 방법 | |
KR101887194B1 (ko) | 피검체의 의료 영상의 판독을 지원하는 방법 및 이를 이용한 장치 | |
US8306960B2 (en) | Medical image retrieval system | |
JP4911029B2 (ja) | 異常陰影候補検出方法、異常陰影候補検出装置 | |
KR102289277B1 (ko) | 복수의 의료 영상 판독 알고리듬들에 대한 평가 스코어를 생성하는 의료 영상 판독 지원 장치 및 방법 | |
JP2019153250A (ja) | 医療文書作成支援装置、方法およびプログラム | |
US20120250961A1 (en) | Medical report generation apparatus, method and program | |
JP6719421B2 (ja) | 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム | |
JP6894001B2 (ja) | 診断支援装置、内視鏡装置、管理装置、診断支援方法、管理方法、診断支援プログラム、及び管理プログラム | |
WO2019193982A1 (ja) | 医療文書作成支援装置、医療文書作成支援方法、及び医療文書作成支援プログラム | |
JP7035569B2 (ja) | 医用画像処理装置 | |
JP6738305B2 (ja) | 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム | |
JP2024009342A (ja) | 文書作成支援装置、方法およびプログラム | |
CN111226287B (zh) | 用于分析医学成像数据集的方法、系统、程序产品和介质 | |
CN113610824A (zh) | 穿刺路径规划方法及装置,电子设备及存储介质 | |
Cheng et al. | Report of clinical bone age assessment using deep learning for an Asian population in Taiwan | |
Zhang et al. | Deep learning system assisted detection and localization of lumbar spondylolisthesis | |
JP2009039221A (ja) | 医用画像処理システム、医用画像処理方法、及びプログラム | |
US10839299B2 (en) | Non-leading computer aided detection of features of interest in imagery | |
WO2010026791A1 (ja) | 画像診断支援装置 | |
JP2012143368A (ja) | 医用画像表示装置及びプログラム | |
KR102360615B1 (ko) | 내시경 영상에 대한 복수의 의료 영상 판독 알고리듬들을 이용하는 의료 영상 판독 지원 장치 및 방법 | |
KR102536369B1 (ko) | 인공 지능 기반 위 내시경 영상 진단 보조 시스템 및 방법 | |
JP6653765B2 (ja) | 画像解析装置、方法およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200928 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210813 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210817 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211012 |
|
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: 20220201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220214 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7035569 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |