JP7198300B2 - 良性腫瘍の進行傾向評価システム、そのサーバコンピュータ装置及びコンピュータ読み取り可能な記憶媒体 - Google Patents
良性腫瘍の進行傾向評価システム、そのサーバコンピュータ装置及びコンピュータ読み取り可能な記憶媒体 Download PDFInfo
- Publication number
- JP7198300B2 JP7198300B2 JP2021029127A JP2021029127A JP7198300B2 JP 7198300 B2 JP7198300 B2 JP 7198300B2 JP 2021029127 A JP2021029127 A JP 2021029127A JP 2021029127 A JP2021029127 A JP 2021029127A JP 7198300 B2 JP7198300 B2 JP 7198300B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- tumor
- module
- local
- benign
- 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
- 206010028980 Neoplasm Diseases 0.000 title claims description 268
- 238000011156 evaluation Methods 0.000 title claims description 46
- 230000000750 progressive effect Effects 0.000 title 1
- 238000004458 analytical method Methods 0.000 claims description 101
- 238000001959 radiotherapy Methods 0.000 claims description 100
- 230000004044 response Effects 0.000 claims description 48
- 238000011282 treatment Methods 0.000 claims description 46
- 238000000605 extraction Methods 0.000 claims description 44
- 206010061309 Neoplasm progression Diseases 0.000 claims description 35
- 230000005751 tumor progression Effects 0.000 claims description 35
- 238000007781 pre-processing Methods 0.000 claims description 34
- 238000003702 image correction Methods 0.000 claims description 10
- 238000001514 detection method Methods 0.000 claims description 9
- 208000014070 Vestibular schwannoma Diseases 0.000 claims description 8
- 208000004064 acoustic neuroma Diseases 0.000 claims description 8
- 230000005855 radiation Effects 0.000 claims description 5
- 208000009798 Craniopharyngioma Diseases 0.000 claims description 4
- 208000007913 Pituitary Neoplasms Diseases 0.000 claims description 4
- 206010027191 meningioma Diseases 0.000 claims description 4
- 208000014500 neuronal tumor Diseases 0.000 claims description 4
- 208000010916 pituitary tumor Diseases 0.000 claims description 4
- 230000004043 responsiveness Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 29
- 238000013528 artificial neural network Methods 0.000 description 18
- 238000000034 method Methods 0.000 description 17
- 238000009826 distribution Methods 0.000 description 12
- 238000009198 gamma knife radiosurgery Methods 0.000 description 11
- 238000013527 convolutional neural network Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 238000002595 magnetic resonance imaging Methods 0.000 description 6
- 238000002203 pretreatment Methods 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 6
- 230000001225 therapeutic effect Effects 0.000 description 5
- 210000001519 tissue Anatomy 0.000 description 5
- 230000004614 tumor growth Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000002560 therapeutic procedure Methods 0.000 description 4
- 238000012357 Gap analysis Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 3
- 230000002349 favourable effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 230000001052 transient effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000012010 growth Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000002673 radiosurgery Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 210000003273 vestibular nerve Anatomy 0.000 description 2
- 206010011878 Deafness Diseases 0.000 description 1
- 208000004929 Facial Paralysis Diseases 0.000 description 1
- 229910052688 Gadolinium Inorganic materials 0.000 description 1
- 238000005481 NMR spectroscopy Methods 0.000 description 1
- 208000009205 Tinnitus Diseases 0.000 description 1
- 206010066901 Treatment failure Diseases 0.000 description 1
- 208000036826 VIIth nerve paralysis Diseases 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 210000002808 connective tissue Anatomy 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 208000002173 dizziness Diseases 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- UIWYJDYFSGRHKR-UHFFFAOYSA-N gadolinium atom Chemical compound [Gd] UIWYJDYFSGRHKR-UHFFFAOYSA-N 0.000 description 1
- 230000010370 hearing loss Effects 0.000 description 1
- 231100000888 hearing loss Toxicity 0.000 description 1
- 208000016354 hearing loss disease Diseases 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 208000023833 nerve sheath neoplasm Diseases 0.000 description 1
- 206010061311 nervous system neoplasm Diseases 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 201000005528 peripheral nervous system neoplasm Diseases 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000006335 response to radiation Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 210000004116 schwann cell Anatomy 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 230000008961 swelling Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 231100000886 tinnitus Toxicity 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- 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
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/693—Acquisition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
- G06V20/695—Preprocessing, e.g. image segmentation
-
- 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
- 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
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- 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
- G06T2207/10—Image acquisition modality
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- 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
- G06T2207/30016—Brain
-
- 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
- G06T2207/30096—Tumor; Lesion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiology & Medical Imaging (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Multimedia (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Probability & Statistics with Applications (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
- Radiation-Therapy Devices (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Description
(参考画像データベース)
参考画像の出所は台北栄民総合病院が1993年ないし2019年に治療した336例の患者であって、これら患者には聴神経腫瘍があったが、腫瘍を切除するような外科手術は行っておらず、しかも放射線外科手術後少なくとも24ヶ月の経過観察を行っている(経過観察の中央値は65.1ヶ月)。本研究を行った患者はいずれも当該院の治験審査委員会(Institutional Review Board,IRB)が批准した告知同意書に署名済みである。参考画像は、1.5-T MR走査装置(Signa Horizon LX2,GE Medical System)を使用して患者が放射線治療を受ける前、放射線治療後及び経過観察で得られたT1W+C画像、T2W画像及びT1W画像を含むMRI画像であって、ここでの放射線治療とはGKRSのことを指す。続いて経験が豊富な神経放射線科の医師によって放射線治療前、放射線治療後及び経過観察時のMRI画像から腫瘍体積に対して縦方向計測を行った(cm3を単位とする)。放射線治療(GKRS)に対するVSの反応によって、患者を更に、腫瘍に反応あり且つ偽進行なし(130例)と、腫瘍に反応があり且つ偽進行あり(135例)と、腫瘍に反応なし(71例)とを含む3つのグループに分けた。表1には前記した3つのグループの患者の臨床特徴を示している。
336例の患者のMRI画像に対しては、前処理を行うことで、画像パラメータの差を減少するとともにラジオミクス(Radiomics)分析の信頼性を向上している。まず、画像明晰度(解像度)の調整を行うことで、全ての画素のサイズを新たに0.50×0.50×3.00mm3にサンプリングするとともに、MR作像毎の連続切片の間の隙間をなくす。続いて、6つパラメータの剛体変換及び相互情報量(mutual information)演算法を用いて、同じ患者にて同時点で撮影したT2W画像及びT1W画像をT1W+C画像で位置補正を行う。その後、良性腫瘍(良性腫瘍の周辺組織を含む)の局部画像を取得するとともに良性腫瘍の位置を囲って選択することで、関心領域画像を得る。
続いて、関心領域画像に対してラジオミクスの分析を行うことで、そのグレーレベル特徴及びテクスチャ特徴を計算するとともに、これら特徴に対して統計比較を行い、3つのグループの患者の間で顕著な相違を有する特徴を分析することで、傾向パスを作成する。
1回目の評価で作成した傾向パスを説明するための図5Aないし図5Cを参照されたい。図5Aないし図5Cは、本発明の良性腫瘍の進行傾向評価システムが腫瘍特徴を用いて腫瘍の進行傾向の分析結果を得る概略図であり、該腫瘍の進行傾向の分析結果は放射線治療に対して腫瘍に反応がないか、又は放射線治療に対して腫瘍に反応があるかである。図5Aに示すように、図5Aには複数の参考画像の腫瘍特徴の3D分布図を示し、腫瘍に反応なしグループは白抜き点であり、腫瘍に反応ありグループは黒塗り点であって、2つのグループのローカルバイナリパターン平均値、標準偏差、二乗平均平方根特徴の3D分布は概ね区別することができる。2つのグループの間には、異なる傾向パスをそれぞれ作成しているグレー表面が形成されている。前述した方法により新たな腫瘍画像のこの3種類の特徴を得たときに、分析を通じてその特徴がグレー表面の黒塗り点寄りの側にあるか、又はグレー表面の白抜き点寄りの側にあることが分かり、つまり、放射線治療に対する該新たな腫瘍画像の腫瘍に反応がなし、又は反応がある、ということが分かる。図5Bに示すように、図5Bは図5Aの腫瘍特徴分布から変換された予測モデルスコア図であり、2つのグループの予測モデルスコアは破線で区別することができ、前述した方法により新たな腫瘍画像のこの3種類の特徴を得たときに、その特徴3D分布図をスコアに変換するとともに、該スコアが破線以上又は以下に収まるかを分析することで、放射線治療に対する該新たな腫瘍画像の腫瘍に反応がなし、又は反応がある、ということが分かる。図5Cに示すように、図5Cは放射線治療に対して腫瘍に反応がないか、又は放射線治療に対して腫瘍に反応があるか否かを評価するための受取者操作特徴グラフである。前記した3種類の特徴を、放射線治療に対して腫瘍に反応がなし、又は反応がありを予測/判断するのに用いるとき、その平均曲線下面積(Area under the curve,AUC) = 0.877(感度= 86.4%,特異性= 90.5%,精度= 88.4%)である。前記した3種類の特徴値は例えば手動、サポートベクターマシン、ギャップ分析等の異なる方式により、図5Aないし図5Cの結果を得るが、これらに限定されない。
2回目の評価で作成した傾向パスを説明するための図6Aないし図6Cを参照されたい。図6Aないし図6Cは、本発明の良性腫瘍の進行傾向評価システムが腫瘍特徴を用いて腫瘍の進行傾向の分析結果を得る概略図であり、該腫瘍の進行傾向の分析結果は放射線治療に対して腫瘍に反応があり且つ偽進行あり、又は放射線治療に対して腫瘍に反応があり且つ偽進行なしである。図6Aに示すように、図6Aには複数の参考画像の腫瘍特徴の3D分布図を示し、腫瘍に反応があり且つ偽進行ありグループは白抜き点であり、腫瘍に反応があり且つ偽進行なしグループは黒塗り点であって、2つのグループのロングラン低グレーレベル強調、標準偏差、歪度特徴の3D分布は概ね区別することができる。2つグループの間には、異なる傾向パスをそれぞれ作成しているグレー表面が形成されている。前述した方法により新たな腫瘍画像のこの3種類の特徴を得たときに、分析を通じてその特徴がグレー表面の黒塗り点寄りの側にあるか、又はグレー表面の白抜き点寄りの側にあることが分かり、つまり、放射線治療に対する該新たな腫瘍画像の腫瘍に反応があり且つ偽進行なし、又は反応があり且つ偽進行がある、ということが分かる。図6Bに示すように、図6Bは図6Aの腫瘍特徴分布から変換された予測モデルスコア図であり、2つのグループの予測モデルスコアは破線で区別することができ、前述した方法により新たな腫瘍画像のこの3種類の特徴を得たときに、その特徴3D分布図をスコアに変換するとともに、該スコアが破線以上又は以下に収まるかを分析することで、放射線治療に対する該新たな腫瘍画像の腫瘍に反応があり且つ偽進行なし、又は反応があり且つ偽進行あり、ということが分かる。図6Cに示すように、図6Cは放射線治療に対して腫瘍に反応があり且つ偽進行があるか、又は放射線治療に対して腫瘍に反応があり且つ偽進行がないことを評価するための受取者操作特徴グラフである。前記した3種類の特徴を、放射線治療に対して腫瘍に反応があり且つ偽進行なし、又は反応があり且つ偽進行ありを予測/判断するのに用いるとき、そのAUC = 0.816(感度= 79.5%,特異性= 84.6%,精度= 82.1%)である。前記した3種類の特徴値は例えば手動、サポートベクターマシン、ギャップ分析等の方法を用いて、図6Aないし図6Cの結果を得るが、これら限定されない。
1 画像出力装置
2 サーバコンピュータ装置
21 画像受取モジュール
22 画像前処理モジュール
221 画像調整ユニット
222 画像補正ユニット
223 局部画像取得ユニット
23 ターゲット抽出モジュール
24 特徴抽出モジュール
25 傾向分析モジュール
26 判断モジュール
27 判断結果出力モジュール
3 ユーザコンピュータ装置
I11 第1の画像
I12 第1の調整画像
I13 第1の補正画像
I14 第1の局部画像
I15 第1の関心領域画像
I21 第2の画像
I22 第2の調整画像
I23 第2の補正画像
I24 第2の局部画像
I25 第2の関心領域画像
S1 プロセッサ
S2 コンピュータ読み取り可能な記憶媒体
S3 通信手段
S4 表示手段
S5 入力手段
Claims (10)
- 良性腫瘍の進行傾向評価システムであって、
良性腫瘍の同じ位置で取得した第1の画像及び第2の画像を出力するための画像出力装置と、
サーバコンピュータ装置と、を備え、
その中、前記第1の画像及び前記第2の画像は前記画像出力装置の異なるパラメータで撮影して得られた画像であり、
前記サーバコンピュータ装置は、
前記第1の画像及び前記第2の画像を受け取る画像受取モジュールと、
それぞれ前記第1の画像及び前記第2の画像に対して画像前処理を行うことで、それぞれ第1の局部画像及び第2の局部画像を得る画像前処理モジュールと、
それぞれ前記第1の局部画像及び前記第2の局部画像に対して自動検出を行うとともに前記良性腫瘍の位置を囲って選択することで、それぞれ第1の関心領域画像及び第2の関心領域画像を得るターゲット抽出モジュールと、
それぞれ前記第1の関心領域画像及び前記第2の関心領域画像に対して自動識別を行うことで、少なくとも一つの第1の特徴及び少なくとも一つの第2の特徴をそれぞれ得る特徴抽出モジュールと、
前記少なくとも一つの第1の特徴及び前記少なくとも一つの第2の特徴を分析することで、腫瘍の進行傾向の判断に供される腫瘍の進行傾向の分析結果を得る傾向分析モジュールと、
前記腫瘍の進行傾向の分析結果に基づいて判断結果を生成する判断モジュールと、を備え、
前記第1の画像及び前記第2の画像は治療前の画像又は治療後の画像であり、前記第1の画像及び前記第2の画像が治療前の画像であるとき、前記腫瘍の進行傾向の分析結果は、放射線治療に対して前記良性腫瘍に反応がないことを予測するか、又は放射線治療に対して前記良性腫瘍に反応があることを予測するものであり、前記第1の画像及び前記第2の画像が治療後の画像であるとき、前記腫瘍の進行傾向の分析結果は、放射線治療に対して前記良性腫瘍に反応がないことを判断するか、又は放射線治療に対して前記良性腫瘍に反応があることを判断するものであり、前記腫瘍の進行傾向の分析結果が放射線治療に対して良性腫瘍に反応があるとき、その分析結果は、放射線に対して前記良性腫瘍に反応があり且つ偽進行があるか、又は放射線治療に対して前記良性腫瘍に反応があり且つ偽進行がないというものであり、
前記第1の画像及び前記第2の画像が治療前の画像であり、且つ前記腫瘍の進行傾向の分析結果が放射線治療に対して前記良性腫瘍に反応がないと予測するものであるとき、前記判断結果はその他の治療を実施するものであり、前記第1の画像及び前記第2の画像が治療前の画像であり、且つ前記腫瘍の進行傾向の分析結果が放射線治療に対して前記良性腫瘍に反応があると予測するものであるとき、前記判断結果は放射線治療を行うよう提案するものであり、
前記第1の画像及び前記第2の画像が治療後の画像であり、且つ前記腫瘍の進行傾向の分析結果が放射線治療に対して前記良性腫瘍に反応がないと判断するものであるとき、前記判断結果はその他の治療を実施するよう提案するものであり、及び、前記第1の画像及び前記第2の画像が治療後の画像であり、且つ前記腫瘍の進行傾向の分析結果が放射線治療に対して前記良性腫瘍に反応があると判断するものであるとき、前記判断結果は引き続き経過観察することを提案するものであることを特徴とする良性腫瘍の進行傾向評価システム。 - 前記画像前処理モジュールは、
それぞれ前記第1の画像及び前記第2の画像の明度、明晰度に対して調整を行うとともに背景を消去して、第1の調整画像及び第2の調整画像を得る画像調整ユニットと、
前記第1の調整画像で前記第2の調整画像の位置を補正することで、第1の補正画像及び第2の補正画像を得る画像補正ユニットと、
それぞれ前記第1の補正画像及び前記第2の補正画像に対して局部画像を取得することで、前記第1の局部画像及び前記第2の局部画像を得る局部画像取得ユニットと、を備え、
前記第1の局部画像及び前記第2の局部画像は前記良性腫瘍及び前記良性腫瘍の周辺組織の画像をカバーする、請求項1に記載のシステム。 - 前記傾向分析モジュールには複数個の傾向パスが格納されており、前記傾向分析モジュールは前記少なくとも一つの第1の特徴及び前記少なくとも一つの第2の特徴により、これら傾向パスとの分析を行うものであり、これら傾向パスは前記傾向分析モジュールが複数の参考画像に対して分析を行うことにより得られる、請求項1に記載のシステム。
- 前記サーバコンピュータ装置は更に、前記判断結果を出力する判断結果出力モジュールと、前記画像受取モジュール、前記画像前処理モジュール、前記ターゲット抽出モジュール、前記特徴抽出モジュール、前記傾向分析モジュール、前記判断モジュール及び判断結果出力モジュールを実行するプロセッサと、を備える、請求項1に記載のシステム。
- 更に、前記サーバコンピュータ装置から出力した前記判断結果を受け取るためのユーザコンピュータ装置を備える、請求項4に記載のシステム。
- 前記第1の画像と前記第2の画像はコントラストが異なっており、前記少なくとも一つの第1の特徴はテクスチャ特徴、又はグレーレベル特徴を含み、前記少なくとも一つの第2の特徴はテクスチャ特徴、又はグレーレベル特徴を含む、請求項1に記載のシステム。
- 前記良性腫瘍は聴神経腫瘍、髄膜腫、下垂体腫瘍、神経細胞性腫瘍、又は頭蓋咽頭腫である、請求項1に記載のシステム。
- 良性腫瘍の進行傾向評価システムに応用されるサーバコンピュータ装置であって、
良性腫瘍の同じ位置で取得した第1の画像及び第2の画像を受け取り、前記第1の画像及び前記第2の画像は画像出力装置の異なるパラメータで撮影して得られた画像である画像受取モジュールと、
それぞれ前記第1の画像及び前記第2の画像に対して画像前処理を行うことで、それぞれ第1の局部画像及び第2の局部画像を得る画像前処理モジュールと、
それぞれ前記第1の局部画像及び前記第2の局部画像に対して自動検出を行うとともに前記良性腫瘍の位置を囲って選択することで、それぞれ第1の関心領域画像及び第2の関心領域画像を得るターゲット抽出モジュールと、
それぞれ前記第1の関心領域画像及び前記第2の関心領域画像に対して自動識別を行うことで、少なくとも一つの第1の特徴及び少なくとも一つの第2の特徴をそれぞれ得る特徴抽出モジュールと、
前記少なくとも一つの第1の特徴及び前記少なくとも一つの第2の特徴を分析することで、腫瘍の進行傾向の判断に供される腫瘍の進行傾向の分析結果を得る傾向分析モジュールと、
前記腫瘍の進行傾向の分析結果に基づいて判断結果を生成する判断モジュールと、前記画像受取モジュール、前記画像前処理モジュール、前記ターゲット抽出モジュール、前記特徴抽出モジュール、前記傾向分析モジュール及び前記判断モジュールを実行するプロセッサと、を備える、ことを特徴とするサーバコンピュータ装置。
- 前記画像前処理モジュールは、
それぞれ前記第1の画像及び前記第2の画像の明度、明晰度に対して調整を行うとともに背景を消去して、第1の調整画像及び第2の調整画像を得る画像調整ユニットと、
前記第1の調整画像で前記第2の調整画像の位置を補正することで、第1の補正画像及び第2の補正画像を得る画像補正ユニットと、
それぞれ前記第1の補正画像及び前記第2の補正画像に対して局部画像を取得することで、前記第1の局部画像及び前記第2の局部画像を得る局部画像取得ユニットと、を備え、
前記第1の局部画像及び前記第2の局部画像は前記良性腫瘍及び前記良性腫瘍の周辺組織の画像をカバーする、請求項8に記載のサーバコンピュータ装置。 - 良性腫瘍の進行傾向評価システムに応用されるコンピュータ読み取り可能な記憶媒体であって、前記記憶媒体は請求項1ないし7のいずれか一項に記載のモジュールを格納しており、これらモジュールはコンピュータ装置のプロセッサでの実行に供される、ことを特徴とする記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
TW109106437 | 2020-02-27 | ||
TW109106437A TWI743693B (zh) | 2020-02-27 | 2020-02-27 | 良性腫瘤發展趨勢評估系統、其伺服計算機裝置及計算機可讀取的儲存媒體 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021133255A JP2021133255A (ja) | 2021-09-13 |
JP7198300B2 true JP7198300B2 (ja) | 2022-12-28 |
Family
ID=74758701
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021029127A Active JP7198300B2 (ja) | 2020-02-27 | 2021-02-25 | 良性腫瘍の進行傾向評価システム、そのサーバコンピュータ装置及びコンピュータ読み取り可能な記憶媒体 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11475563B2 (ja) |
EP (1) | EP3872758A1 (ja) |
JP (1) | JP7198300B2 (ja) |
CN (1) | CN113313667A (ja) |
TW (1) | TWI743693B (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113838071A (zh) * | 2021-09-29 | 2021-12-24 | 杭州海心智医信息科技有限公司 | 一种肿瘤特征提取装置 |
CN114170221B (zh) * | 2021-12-23 | 2023-04-07 | 深圳市铱硙医疗科技有限公司 | 一种基于图像确认脑部疾病方法与系统 |
CN116664563B (zh) * | 2023-07-27 | 2023-11-24 | 浙江杜比医疗科技有限公司 | 新辅助化疗疗效评估系统、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150087957A1 (en) | 2013-09-25 | 2015-03-26 | Siemens Aktiengesellschaft | Early therapy response assessment of lesions |
JP2017518157A (ja) | 2014-06-17 | 2017-07-06 | インテュイティヴ・セラピューティクス・ソシエテ・アノニム | 逆方向治療計画用のシステム及びコンピュータプログラム製品 |
JP2018187384A (ja) | 2017-05-09 | 2018-11-29 | キヤノンメディカルシステムズ株式会社 | 医用情報処理システム及び医用情報処理装置 |
US20190050983A1 (en) | 2017-08-09 | 2019-02-14 | Canon Kabushiki Kaisha | Image processing system, apparatus, method and storage medium |
JP2020010805A (ja) | 2018-07-17 | 2020-01-23 | 大日本印刷株式会社 | 特定装置、プログラム、特定方法、情報処理装置及び特定器 |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
USRE47609E1 (en) * | 2007-12-28 | 2019-09-17 | Exini Diagnostics Ab | System for detecting bone cancer metastases |
US10013638B2 (en) * | 2008-08-14 | 2018-07-03 | Ping Zhang | Cancer diagnostic method and system |
US20120010528A1 (en) * | 2010-04-26 | 2012-01-12 | Aureon Biosciences, Inc. | Systems and methods for predicting disease progression in patients treated with radiotherapy |
PT2779089T (pt) * | 2010-07-30 | 2019-02-19 | Fund D Anna Sommer Champalimaud E Dr Carlos Montez Champalimaud | Sistemas e métodos para segmentação e processamento de imagens de tecidos e extração de características dos mesmos para tratar, diagnosticar ou prever condições médicas |
KR102154733B1 (ko) * | 2013-01-16 | 2020-09-11 | 삼성전자주식회사 | 의료 영상을 이용하여 대상체에 악성 종양이 존재하는지 여부를 예측하는 장치 및 방법 |
US9940709B2 (en) * | 2013-10-12 | 2018-04-10 | H. Lee Moffitt Cancer Center And Research Institute, Inc. | Systems and methods for diagnosing tumors in a subject by performing a quantitative analysis of texture-based features of a tumor object in a radiological image |
SG10201405182WA (en) * | 2014-08-25 | 2016-03-30 | Univ Singapore Technology & Design | Method and system |
US10049770B2 (en) * | 2015-12-30 | 2018-08-14 | Case Western Reserve University | Prediction of recurrence of non-small cell lung cancer |
EP3514756A1 (en) * | 2018-01-18 | 2019-07-24 | Koninklijke Philips N.V. | Medical analysis method for predicting metastases in a test tissue sample |
TWI667996B (zh) * | 2018-03-23 | 2019-08-11 | 中國醫藥大學附設醫院 | 乳房腫瘤輔助檢測模型及乳房腫瘤輔助檢測系統 |
US11334994B2 (en) * | 2019-05-24 | 2022-05-17 | Lunit Inc. | Method for discriminating suspicious lesion in medical image, method for interpreting medical image, and computing device implementing the methods |
-
2020
- 2020-02-27 TW TW109106437A patent/TWI743693B/zh active
- 2020-07-27 US US16/939,881 patent/US11475563B2/en active Active
-
2021
- 2021-02-23 CN CN202110199633.XA patent/CN113313667A/zh active Pending
- 2021-02-25 JP JP2021029127A patent/JP7198300B2/ja active Active
- 2021-02-25 EP EP21159384.3A patent/EP3872758A1/en active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150087957A1 (en) | 2013-09-25 | 2015-03-26 | Siemens Aktiengesellschaft | Early therapy response assessment of lesions |
JP2017518157A (ja) | 2014-06-17 | 2017-07-06 | インテュイティヴ・セラピューティクス・ソシエテ・アノニム | 逆方向治療計画用のシステム及びコンピュータプログラム製品 |
JP2018187384A (ja) | 2017-05-09 | 2018-11-29 | キヤノンメディカルシステムズ株式会社 | 医用情報処理システム及び医用情報処理装置 |
US20190050983A1 (en) | 2017-08-09 | 2019-02-14 | Canon Kabushiki Kaisha | Image processing system, apparatus, method and storage medium |
JP2019030584A (ja) | 2017-08-09 | 2019-02-28 | キヤノン株式会社 | 画像処理システム、装置、方法およびプログラム |
JP2020010805A (ja) | 2018-07-17 | 2020-01-23 | 大日本印刷株式会社 | 特定装置、プログラム、特定方法、情報処理装置及び特定器 |
Non-Patent Citations (2)
Title |
---|
Guotai Wang et al.,Automatic Segmentation of Vestibular Schwannoma from T2-Weighted MRI by Deep Spatial Attention with Hardness-Weighted Loss,arXiv,米国,arXiv.org,2019年06月10日,https://arxiv.org/ |
Patrick P.J.H. Langenhuizen et al.,Prediction of transient tumor enlargement using MRI tumor texture after radiosurgery on vestibular schwannoma,Medical Physics,米国,Medical Physics,2020年,Vol.47(4),1692-1701,Published 18 February 2020 |
Also Published As
Publication number | Publication date |
---|---|
CN113313667A (zh) | 2021-08-27 |
US11475563B2 (en) | 2022-10-18 |
JP2021133255A (ja) | 2021-09-13 |
US20210272276A1 (en) | 2021-09-02 |
EP3872758A1 (en) | 2021-09-01 |
TWI743693B (zh) | 2021-10-21 |
TW202133112A (zh) | 2021-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7198300B2 (ja) | 良性腫瘍の進行傾向評価システム、そのサーバコンピュータ装置及びコンピュータ読み取り可能な記憶媒体 | |
AU2018286569B2 (en) | Personalized image-based guidance for energy-based therapeutic devices | |
EP3021753B1 (en) | Systems and methods for determining hepatic function from liver scans | |
WO2020103289A1 (zh) | 一种高血压视网膜血管改变特征数据分析的方法和系统 | |
CN110458837B (zh) | 一种图像后处理方法、装置、电子设备及存储介质 | |
EP3667615B1 (en) | Determination of metastases in an image of an anatomical body part | |
KR102328229B1 (ko) | 인공지능 기반의 3차원 의료 영상을 이용한 종양 검출 및 진단 방법 | |
CN111631742A (zh) | 一种基于面光源的x射线成像方法和系统 | |
EP3424017A1 (en) | Automatic detection of an artifact in patient image data | |
Li et al. | Quantitative evaluation of the echo intensity of the median nerve and flexor muscles of the forearm in the young and the elderly | |
Jeevakala et al. | A novel segmentation of cochlear nerve using region growing algorithm | |
KR20190014325A (ko) | 구조유사도를 이용한 아티펙트 저감방법 및 프로그램 및 의료영상획득장치 | |
CN114732425A (zh) | 一种提升dr胸片成像质量的方法及系统 | |
CN113012118B (zh) | 图像处理方法以及图像处理装置 | |
US20220157472A1 (en) | Method for enhancing an accuracy of a benign tumor development trend assessment system | |
WO2011122936A2 (en) | A methodology and apparatus for objective assessment and rating of psoriasis lesion thickness using digital imaging | |
Den Boer et al. | Clinical validation of a pressure-standardized compression mammography system | |
US7756359B1 (en) | Use of local or global quality of match to estimate cone beam CT reconstruction artifact correction weight in image registration | |
Diao et al. | Research progress and application of artificial intelligence in thyroid associated ophthalmopathy | |
JP2020174861A (ja) | 情報処理装置、情報処理方法およびプログラム | |
CN113705807B (zh) | 神经网络的训练装置及方法,消融布针规划装置及方法 | |
KR20190087896A (ko) | 방사선 피부염 평가시스템 및 이를 이용한 평가방법 | |
US11803970B2 (en) | Image judgment device, image judgment method, and storage medium | |
US20200261045A1 (en) | Information processing apparatus and program | |
WO2024114798A1 (zh) | 基于静态ct增强扫描的血管识别监测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210225 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220127 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220221 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220520 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220728 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221027 |
|
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: 20221202 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221216 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7198300 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313114 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |