JP7287151B2 - 医用情報処理装置及びプログラム - Google Patents
医用情報処理装置及びプログラム Download PDFInfo
- Publication number
- JP7287151B2 JP7287151B2 JP2019123307A JP2019123307A JP7287151B2 JP 7287151 B2 JP7287151 B2 JP 7287151B2 JP 2019123307 A JP2019123307 A JP 2019123307A JP 2019123307 A JP2019123307 A JP 2019123307A JP 7287151 B2 JP7287151 B2 JP 7287151B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- region
- extracted
- extraction means
- 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
- 230000010365 information processing Effects 0.000 title claims description 30
- 230000003902 lesion Effects 0.000 claims description 52
- 230000001575 pathological effect Effects 0.000 claims description 47
- 238000000605 extraction Methods 0.000 claims description 39
- 238000000034 method Methods 0.000 claims description 26
- 238000003745 diagnosis Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 13
- 239000000284 extract Substances 0.000 claims description 13
- 238000002604 ultrasonography Methods 0.000 claims description 12
- 238000009607 mammography Methods 0.000 claims description 6
- 238000003780 insertion Methods 0.000 claims description 5
- 230000037431 insertion Effects 0.000 claims description 5
- 150000001413 amino acids Chemical class 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000012252 genetic analysis Methods 0.000 claims description 2
- 230000001744 histochemical effect Effects 0.000 claims description 2
- 238000010186 staining Methods 0.000 claims description 2
- 239000000439 tumor marker Substances 0.000 claims description 2
- 238000001574 biopsy Methods 0.000 description 20
- 230000008569 process Effects 0.000 description 20
- 238000003384 imaging method Methods 0.000 description 17
- 206010028980 Neoplasm Diseases 0.000 description 10
- 238000010191 image analysis Methods 0.000 description 10
- 239000003147 molecular marker Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 239000000523 sample Substances 0.000 description 7
- 240000004050 Pentaglottis sempervirens Species 0.000 description 6
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 6
- 210000000481 breast Anatomy 0.000 description 5
- 201000011510 cancer Diseases 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010827 pathological analysis Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000036210 malignancy Effects 0.000 description 4
- 230000000877 morphologic effect Effects 0.000 description 4
- 238000007689 inspection Methods 0.000 description 3
- 230000003211 malignant effect Effects 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 108091032973 (ribonucleotides)n+m Proteins 0.000 description 2
- 238000002583 angiography Methods 0.000 description 2
- 238000002512 chemotherapy Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000037361 pathway Effects 0.000 description 2
- 238000003752 polymerase chain reaction Methods 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000001959 radiotherapy Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 102000040650 (ribonucleotides)n+m Human genes 0.000 description 1
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004195 computer-aided diagnosis Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000001973 epigenetic effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000011337 individualized treatment Methods 0.000 description 1
- 230000002601 intratumoral effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010208 microarray analysis Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 238000013188 needle biopsy Methods 0.000 description 1
- 102000042567 non-coding RNA Human genes 0.000 description 1
- 108091027963 non-coding RNA Proteins 0.000 description 1
- 239000002773 nucleotide Substances 0.000 description 1
- 125000003729 nucleotide group Chemical group 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 229940126585 therapeutic drug Drugs 0.000 description 1
- 210000000779 thoracic wall Anatomy 0.000 description 1
Images
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Ultra Sonic Daignosis Equipment (AREA)
- Image Analysis (AREA)
Description
また、一般的に、生体組織生検は超音波診断装置のガイド下にて行われているが、超音波診断装置ガイド下での生体検査はリアルタイム性に優れている一方、特に手動スキャンの場合には病変の全体像を瞬時に捉えにくいという課題がある。
被検体を撮影することにより取得された第一画像を解析して、前記第一画像から、前記被検体に含まれる複数の病理学的な特徴を含む病変領域内を、病理学的に同じ特徴を有する領域を一つの領域として複数の領域に分割することにより、複数の領域を抽出する第一抽出手段と、
前記被検体を撮影することにより取得された前記第一画像とは異なる第二画像を解析して、前記第二画像から前記第一抽出手段により抽出された領域と病理学的に同じ特徴を有する領域を抽出する第二抽出手段と、
前記第二画像と、前記第二抽出手段により抽出された領域に関する情報とを対応付けて出力する出力手段と、
を備える。
コンピューターを、
被検体を撮影することにより取得された第一画像を解析して、前記第一画像から、前記被検体に含まれる複数の病理学的な特徴を含む病変領域内を、病理学的に同じ特徴を有する領域を一つの領域として複数の領域に分割することにより、複数の領域を抽出する第一抽出手段、
前記被検体を撮影することにより取得された前記第一画像とは異なる第二画像を解析して、前記第二画像から前記第一抽出手段により抽出された領域と病理学的に同じ特徴を有する領域を抽出する第二抽出手段、
前記第二画像と、前記第二抽出手段により抽出された領域に関する情報とを対応付けて出力する出力手段、
として機能させる。
まず、構成を説明する。
図1に、本実施形態における生体検査支援システム100の全体構成を示す。
図1に示すように、生体検査支援システム100は、第一画像撮影装置1と、第二画像撮影装置2と、情報処理装置(医用情報処理装置)3とがLAN(Local Area Network)等の通信ネットワークNを介して接続されて構成されている。生体検査支援システム100を構成する各装置は、HL7(Health Level Seven)やDICOM(Digital Image and Communications in Medicine)規格に準じており、各装置間の通信は、HL7やDICOMに則って行われる。
本実施形態では、第一画像撮影装置1が乳房X線撮影装置であり、第一画像が、乳房全体を俯瞰的に観察することができるマンモグラフィー画像であることとして説明するが、これに限定されるものではない。
本実施形態では、第二画像撮影装置2がハンドヘルド型の超音波診断装置であり、第二画像が乳房の超音波画像であることとして説明するが、これに限定されるものではない。
図2に、情報処理装置3の機能的構成を示す。図2に示すように、情報処理装置3は、制御部31、操作部32、表示部33、通信部34、記憶部35等を備えて構成されており、各部はバス36により接続されている。
制御部31は、後述する領域情報取得処理を実行することにより、第一抽出手段、第二抽出手段、出力手段、特定手段、算出手段として機能する。また、表示部33との協働により報知手段として機能する。
次に、生体検査支援システム100を用いた生体検査の流れについて説明する。
本実施形態では、乳がんの生体検査を行う場合を例にとり説明する。
医師等の検査者(ユーザー)は、マンモグラフィー画像から病変領域の俯瞰的な位置情報を得て、病変領域を狙って超音波診断装置である第二画像撮影装置2で撮影を行って第二画像としての超音波画像を生成し、情報処理装置3に送信する。
情報処理装置3においては、入力された第一画像及び第二画像に基づいて、領域情報取得処理(図4参照)を実行し、第二画像において検出された病変領域内をさらに病理学的な特徴によって分割し、分割された各領域に関する領域情報(領域位置情報、領域特徴情報)を出力する。
医師等の検査者は、情報処理装置3から出力された第二画像及び領域情報に基づいて、病変領域内における穿刺すべき領域を特定して生体検査を行う。
ここで、領域情報取得処理では、第一画像と第二画像の病変領域内の画像特徴量から病変領域内の病理学的な特徴を推定するための事前学習済みの識別器を用いる。そこで、まず、事前学習済みの識別器を生成するための事前学習処理について説明する。
なお、この事前学習処理は、外部のコンピューター装置等において行って、得られた識別器を記憶部35に記憶しておくこととしてもよい。
本実施形態において、ROIは、病変の存在する病変領域である。ROIの抽出は、CAD(Computer-Aided Diagnosis/Detection:コンピューター支援診断/検出)システムを用いて行うこととしてもよいし、ユーザーが表示部33に表示された入力画像から操作部32を用いて指定してもよい。
ステップS3においては、例えば、画素ごとに、濃度、形状、テクスチャー、ウェーブレット変換に基づく多重解像度特徴等の画像特徴量を抽出する。画像特徴量は、一種類を抽出してもよいし、複数種類を抽出してもよい。
例えば、各入力画像を表示部33に表示して、ユーザー操作に応じて各ROIに対する正解ラベルを入力させ、ROIから抽出された画像特徴量と入力された正解ラベルを対応付けて記憶部35に記憶させる。
また、例えば、ROIに対応する位置から取り出された検体の病理画像から、画素ごとの特徴マップ(病理検査結果の値を示すマップ)を正解ラベルとして作成し、画素ごとに、ROI内にて抽出される画像特徴量と対応付けて記憶部35に記憶させることとしてもよい。
・各種分子マーカー値(組織化学染色や、腫瘍マーカー分析、アミノ酸分析、遺伝子解析(例えば、マイクロアレイ分析、ポリメラーゼ連鎖反応(PCR)、遺伝子(DNA/RNA)配列解析などによって得られる遺伝子経路活性(gene pathway activation)、ノンコーディングRNA(noncoding RNA)、複数のRNA(multiple RNAs)、一塩基多型(single nucleotide polymorphism)、コピー数多型(copy number polymorphism)、エピジェネティック多型(epigenetic polymorphism)等)によって決定される病理検査結果の値)
・上述の分子マーカー値や形態学的診断によって決定される病理診断名
・上述の分子マーカー値や形態学的診断によって決定される良性か悪性かを示す情報
・上述の分子マーカー値や形態学的診断によって決定される病変の悪性度
・上述の分子マーカー値や形態学的診断によって決定されるステージ分類
機械学習のアルゴリズムとしては、例えば、ランダムフォレスト、 決定木、サポートベクタマシン、 ロジスティック回帰、k近傍法、トピックモデル、Deep Learningの各種ネットワークモデル(Alex Net、Google Net等)等を用いることができる。なお、Deep Learningの場合は、ステップS3における画像特徴量の抽出は自動的に行われるため、独立して行わない。
以下、情報処理装置3において実行される領域情報取得処理について説明する。
図4は、領域情報取得処理の流れを示すフローチャートである。図4に示す領域情報取得処理は、制御部31と記憶部35に記憶されているプログラムとの協働により実行される。
次いで、制御部31は、第一画像を対象画像として画像解析処理を実行する(ステップS12)。
ROIは、病変の存在する病変領域である。ROIの抽出は、CADを用いて行うこととしてもよいし、ユーザーが表示部33に表示された対象画像から操作部32を用いて指定してもよい。
ステップS102においては、例えば、画素ごとに、濃度、形状、テクスチャー、ウェーブレット変換に基づく多重解像度特徴等の画像特徴量を抽出する。画像特徴量は、一種類を抽出してもよいし、複数種類を抽出してもよい。
ステップS103で使用される識別器は、上述の事前学習処理によって生成された識別器である。病理学的な特徴を示す情報とは、上述の各種分子マーカー値、病理診断名、良性か悪性かを示す情報、悪性度、ステージ分類等である。
ここで、「病理学的に同じ特徴を有する」とは、例えば、各種分子マーカー値が病理学的な特徴を示す情報として使用されている場合、値が完全に一致していることに限られず、値が病理学的に同じとみなせる範囲(例えば、診断名やステージ分類等が同じとなる範囲)であるものを含む。
例えば、第一画像及び第一画像のROI内から抽出された各領域の領域情報(例えば、抽出された各領域の位置情報、各領域の病理学的な特徴を示す領域特徴情報(例えば、各種分子マーカー値、病理診断名、悪性度、ステージ分類等))を表示部33に出力して表示させる。また、第一画像及び領域情報をプリンター等に出力して用紙に印刷させることとしてもよい。
例えば、以下の一以上に基づいて、対象領域を特定することができる。
・上述の各種分子マーカー値、病理診断名、病変の悪性度、ステージ分類(病期)、良性か悪性か等の病理学的特徴に対して予め設定された優先度(例えば、分子マーカー値が大きい領域ほど優先度が高い等)
・診断の有効性に基づく優先度(得られた病理学的特徴が治療に寄与するかどうか、例えば、治療薬があるか、化学療法や放射線治療の効果があるか等によって優先づけが行われる)
・上記以外の、ユーザーにより予め任意に設定された優先度
・操作部32によるユーザーの領域指定
画像解析処理は、図5を用いて説明したものと同様であるので説明を援用する。
ステップS17においては、画像解析処理の解析結果に基づいて、第二画像のROI内において病理学的に同じ特徴を有する領域を一つの領域として一又は複数の領域を抽出し、抽出された領域の領域特徴情報と、第一画像のROI内において抽出された領域の領域特徴情報を比較又は照合し、第一画像から抽出された各領域と病理学的に同じ特徴を有する領域を抽出する。
また、ステップS17において、第一画像のROI内から抽出された各領域と病理学的に同じ特徴を有する領域が第二画像のROI内から抽出されなかった場合、制御部31は、その旨を表示部33に表示する。
ここでは、第二画像及び領域情報を対応付けて表示部33に出力する。
ステップS19においては、例えば、図7(a)に示すように、第二画像331と領域情報332が並べて表示される。第二画像331においては、例えば、抽出されたROI(病変領域)を示すアノテーションA2が表示される。領域情報332としては、例えば、第二画像においてアノテーションA2で示されたROI内において抽出された、病理学的に同じ特徴を有する領域ごとの位置を示す領域位置情報332a、領域位置情報332aで表示された各領域の病理学的な特徴を示す領域特徴情報332b等が表示される。
または、図7(b)に示すように、第二画像331上に領域情報332(例えば、領域位置情報332a)を重ねて表示してもよい。また、これとは別に、領域情報332を表示してもよい。
または、図7(c)に示すように、第二画像331上に、ROI内から抽出された領域のうち指定された領域の領域位置情報332aのみを重ねて表示することとしてもよい。
または、図示しないが、領域情報332のみを単独で表示部33に単独で表示してもよい。
例えば、図8(a)に示すように、第二画像331に並べて、第二画像の領域情報332及び第一画像の領域情報333を表示することとしてもよい。図8(a)においては領域情報333として領域特徴情報のみを図示しているが、領域位置情報を別途並べて表示することとしてもよい。
あるいは、図8(b)に示すように、第一画像334に領域位置情報333aを重ねたもの、第二画像331に領域位置情報332aを重ねたもの、第二画像の領域情報332を並べて表示することとしてもよい。さらに第一画像334の領域情報333を併せて表示してもよい。
これにより、第一画像で抽出された病変領域内における病理的に重要な特徴を有する領域が第二画像でも見えているか、第一画像の病変領域内から抽出された各領域が第二画像のどこに対応するか等を確認することが可能となる。
穿刺経路の表示が指示されていないと判断した場合(ステップS20;NO)、制御部31は、ステップS22に移行する。
図9は、ステップS21において実行される穿刺経路表示処理を示すフローチャートである。穿刺経路表示処理は、制御部31と記憶部35に記憶されているプログラムとの協働により実行される。
例えば、ユーザーは、表示部33に表示された領域情報332を見て、ROI内から抽出された領域の中から穿刺対象領域を特定する。なお、上述のように、病理検査結果に対して予め設定された優先度、診断の有効性に基づく優先度、上記以外の、ユーザーにより予め任意に設定された優先度等に基づいて、ROI内から抽出された領域の中から制御部31が自動的に穿刺対象領域を指定してもよい。
例えば、乳房に対する穿刺であれば、図10(a)に示すように、穿刺対象領域Rまでの穿刺経路が最短かつ胸壁となるべく平行かつ穿刺対象領域Rの長軸方向となるような経路を算出する。例えば、図10(b)に示すように、第二画像における穿刺対象領域Rの中心O1とその体表(プローブ中心)O2との距離をy、体表O2と穿刺装置の挿入位置O3の距離をxとすると、xとyは既知であるから、x、yから穿刺角度θ及び穿刺経路zを算出することができる。
穿刺経路の情報の表示が終了すると、制御部31は、ステップS22に移行する。
第二画像が受信されたと判断した場合(ステップS22;YES)、制御部31は、ステップS16に戻り、ステップS16~S22の処理を繰り返し実行する。
ステップS22において、第二画像が受信されていないと判断した場合(ステップS22;NO)、制御部31は、第二画像の領域情報取得処理を終了する。
また、より高精細かつ、病変全体の俯瞰性が高く病変の全体像を瞬時に捉えやすい画像を第一画像として、第一画像において病変領域内において同じ病理学的特徴を有する領域の抽出を行い、その結果に基づいて、第二画像から第一画像において抽出された領域と病理学的に同じ特徴を有する領域を抽出することで、病変の全体像を瞬時に捉えやすくなり、所見の見落とし防止、偽陽性や偽陰性の低減、及び検査時間の削減が可能となる。
1 第一画像撮影装置
2 第二画像撮影装置
3 情報処理装置
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)
- 被検体を撮影することにより取得された第一画像を解析して、前記第一画像から、前記被検体に含まれる複数の病理学的な特徴を含む病変領域内を、病理学的に同じ特徴を有する領域を一つの領域として複数の領域に分割することにより、複数の領域を抽出する第一抽出手段と、
前記被検体を撮影することにより取得された前記第一画像とは異なる第二画像を解析して、前記第二画像から前記第一抽出手段により抽出された領域と病理学的に同じ特徴を有する領域を抽出する第二抽出手段と、
前記第二画像と、前記第二抽出手段により抽出された領域に関する情報とを対応付けて出力する出力手段と、
を備える医用情報処理装置。 - 前記第一抽出手段は、組織化学染色、腫瘍マーカー分析、アミノ酸分析、又は遺伝子解析によって決定される病理検査結果と関連付けられた領域抽出処理によって前記第一画像の前記病変領域内から前記複数の領域を抽出する請求項1に記載の医用情報処理装置。
- 前記第一抽出手段は、画像特徴量と病理検査結果を対応付けて学習させた識別器を用いて前記第一画像の前記病変領域内から前記複数の領域を抽出する請求項2に記載の医用情報処理装置。
- 前記第二抽出手段は、前記第一抽出手段と同様の手法によって前記第二画像から領域の抽出を行い、前記第一画像から抽出された領域の病理学的な特徴と前記第二画像から抽出された領域の病理学的な特徴を比較又は照合することにより、前記第一抽出手段により抽出された領域と病理学的に同じ特徴を有する領域を抽出する請求項1~3のいずれか一項に記載の医用情報処理装置。
- 前記第一抽出手段により抽出された複数の領域の中から前記第二抽出手段による領域の抽出に用いる対象領域を特定する特定手段を備え、
前記第二抽出手段は、前記第二画像から前記第一抽出手段により抽出された領域のうち前記特定手段により特定された対象領域と病理学的に同じ特徴を有する領域を抽出する請求項1~4のいずれか一項に記載の医用情報処理装置。 - 前記特定手段は、ユーザーによる領域指定操作、病理検査結果に対して予め定められた優先度、診断の有効性に基づく優先度、及び/又はユーザーにより予め設定された優先度に基づいて前記対象領域を特定する請求項5に記載の医用情報処理装置。
- 表示手段を有し、
前記出力手段は、前記第二画像及び前記第二抽出手段により抽出された領域に関する情報を前記表示手段に出力し、
前記表示手段は、前記第二画像及び前記第二抽出手段により抽出された領域に関する情報を並べて又は重ねて表示する請求項1~6のいずれか一項に記載の医用情報処理装置。 - 前記出力手段は、前記第一画像及び/又は前記第一抽出手段により抽出された領域に関する情報をさらに前記表示手段に出力し、
前記表示手段は、前記第一抽出手段により抽出された領域に関する情報及び前記第二抽出手段により抽出された領域に関する情報を並べて表示するか、前記第一抽出手段により抽出された領域に関する情報を前記第一画像に重ねた画像及び前記第二抽出手段により抽出された領域に関する情報を前記第二画像に重ねた画像を並べて表示するか、又は、前記第二画像に重ねた前記第二抽出手段により抽出された領域に関する情報に、さらに前記第一抽出手段により抽出された領域に関する情報を重ねた画像を表示する請求項7に記載の医用情報処理装置。 - 前記第二抽出手段により抽出された領域の位置に基づいて、生体組織診断のための装置の挿入経路を算出する算出手段を備え、
前記出力手段は、前記算出手段により算出された挿入経路の情報を出力し、
前記表示手段は、出力された前記挿入経路の情報を表示する請求項7又は8に記載の医用情報処理装置。 - 前記第二抽出手段により領域が抽出されなかった場合に、領域が抽出されなかった旨を報知する報知手段を備える請求項1~9のいずれか一項に記載の医用情報処理装置。
- 前記第一画像は、マンモグラフィー画像、MRI画像、超音波画像、又はトモシンセシス画像であり、
前記第二画像は、超音波画像である請求項1~10のいずれか一項に記載の医用情報処理装置。 - コンピューターを、
被検体を撮影することにより取得された第一画像を解析して、前記第一画像から、前記被検体に含まれる複数の病理学的な特徴を含む病変領域内を、病理学的に同じ特徴を有する領域を一つの領域として複数の領域に分割することにより、複数の領域を抽出する第一抽出手段、
前記被検体を撮影することにより取得された前記第一画像とは異なる第二画像を解析して、前記第二画像から前記第一抽出手段により抽出された領域と病理学的に同じ特徴を有する領域を抽出する第二抽出手段、
前記第二画像と、前記第二抽出手段により抽出された領域に関する情報とを対応付けて出力する出力手段、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019123307A JP7287151B2 (ja) | 2019-07-02 | 2019-07-02 | 医用情報処理装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019123307A JP7287151B2 (ja) | 2019-07-02 | 2019-07-02 | 医用情報処理装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021007659A JP2021007659A (ja) | 2021-01-28 |
JP7287151B2 true JP7287151B2 (ja) | 2023-06-06 |
Family
ID=74198769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019123307A Active JP7287151B2 (ja) | 2019-07-02 | 2019-07-02 | 医用情報処理装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7287151B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018516135A (ja) | 2015-06-04 | 2018-06-21 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | がん悪性度マップにより拡張された精密診断及び治療に対するシステム及び方法 |
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 |
-
2019
- 2019-07-02 JP JP2019123307A patent/JP7287151B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018516135A (ja) | 2015-06-04 | 2018-06-21 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | がん悪性度マップにより拡張された精密診断及び治療に対するシステム及び方法 |
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 |
Also Published As
Publication number | Publication date |
---|---|
JP2021007659A (ja) | 2021-01-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6106259B2 (ja) | 医用イメージングと生検データとを統合する臨床ワークステーション及びこれを使用する方法 | |
EP3241176B1 (en) | System for cytopathological and genetic data based treatment protocol identification and tracking | |
JP5263997B2 (ja) | 医用レポート作成装置、医用レポート作成方法および医用レポート作成プログラム | |
EP2316341B1 (en) | Image processing apparatus and method and program | |
US10916010B2 (en) | Learning data creation support apparatus, learning data creation support method, and learning data creation support program | |
JP7000206B2 (ja) | 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム | |
EP2828778B1 (en) | Clinical workstation integrating medical imaging and biopsy data and methods using same | |
JP4755863B2 (ja) | 読影支援装置、読影支援方法、およびそのプログラム | |
US9672625B2 (en) | Method and apparatus to automatically implement a selection procedure on image data to generate a selected image data set | |
JP7287151B2 (ja) | 医用情報処理装置及びプログラム | |
JP2016195655A (ja) | 医用画像システム及びプログラム | |
JP5363962B2 (ja) | 診断支援システム、診断支援プログラムおよび診断支援方法 | |
JP2015221141A (ja) | 医用画像診断支援装置、医用画像診断支援装置の作動方法、および医用画像診断支援プログラム | |
Demetriou et al. | AI-enhanced digital pathology and radiogenomics in precision oncology | |
JP7199839B2 (ja) | X線ct装置及び医用画像処理方法 | |
US10813699B2 (en) | Medical image-processing apparatus, medical diagnostic-imaging apparatus, and medical image-processing method | |
JP2024044921A (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
JP2023047909A (ja) | 医用画像表示装置、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: 20211224 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221115 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221122 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230118 |
|
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: 20230425 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230508 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7287151 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |