JP7334073B2 - 医用データ処理装置及び医用データ処理方法 - Google Patents

医用データ処理装置及び医用データ処理方法 Download PDF

Info

Publication number
JP7334073B2
JP7334073B2 JP2019113447A JP2019113447A JP7334073B2 JP 7334073 B2 JP7334073 B2 JP 7334073B2 JP 2019113447 A JP2019113447 A JP 2019113447A JP 2019113447 A JP2019113447 A JP 2019113447A JP 7334073 B2 JP7334073 B2 JP 7334073B2
Authority
JP
Japan
Prior art keywords
data
processing
medical
post
standardized
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
Application number
JP2019113447A
Other languages
English (en)
Other versions
JP2020203018A (ja
Inventor
秀則 竹島
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Priority to JP2019113447A priority Critical patent/JP7334073B2/ja
Priority to US16/894,208 priority patent/US11587680B2/en
Priority to CN202010558126.6A priority patent/CN112107313A/zh
Publication of JP2020203018A publication Critical patent/JP2020203018A/ja
Application granted granted Critical
Publication of JP7334073B2 publication Critical patent/JP7334073B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/02—Devices for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computerised tomographs
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/04—Positioning of patients; Tiltable beds or the like
    • A61B6/0407—Supports, e.g. tables or beds, for the body or parts of the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus for radiation diagnosis, e.g. combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06—Measuring blood flow
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48—Diagnostic techniques
    • A61B8/488—Diagnostic techniques involving Doppler signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60—Protecting data
    • G06F21/62—Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218—Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245—Protecting personal data, e.g. for financial or medical purposes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00—ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • G—PHYSICS
    • 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
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • 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
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062—Arrangements for scanning
    • A61B5/0066—Optical coherence imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0093—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
    • A61B5/0095—Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy by applying light and detecting acoustic waves, i.e. photoacoustic measurements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00—Indexing scheme for image data processing or generation, in general
    • G06T2200/24—Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • 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
    • 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
    • G06T2207/20092—Interactive image processing based on input by user
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • Fuzzy Systems (AREA)
  • Pulmonology (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)

Description

本発明の実施形態は、医用データ処理装置及び医用データ処理方法に関する。
医用画像等の医用データを用いた機械学習が行われている。単一の医用画像診断装置により収集された医用データに基づき機械学習を行う場合、機械学習に使用する医用データの条件を統一するための専用プロトコル等を使用している。しかしながら、種々の医用画像診断装置により収集された医用データに基づき機械学習を行う場合、設置施設や装置バージョン等の違いにより、医用データにゆらぎが生じる。例えば、同一施設では、医用データの各種収集条件は完全ランダムではなく、同一設定が多いため、統計的バイアスが生じやすい。このような医用データのゆらぎにより機械学習の精度が低減してしまう。
特開２０１９－１０４１０号公報 特表２０１９－５０２４１８号公報 特開２００６－３０１９６５号公報 国際公開第２００７／０２９４６７号
本発明が解決しようとする課題は、機械学習の精度を向上することである。
実施形態に係る医用データ処理装置は、被検体に関する医用データを取得する取得部と、前記医用データに対し所定の処理を施して医用診断データを出力すると共に、前記所定の処理の一部又は全てを施さずに、機械学習用に規格化された、前記医用データに基づく規格化医用データを出力する出力部と、を具備する。
図１は、第１実施形態に係る磁気共鳴イメージング装置の構成を示す図である。 図２は、処理回路によるデータ出力処理の流れを示す図である。 図３は、処理回路による他のデータ出力処理の流れを示す図である。 図４は、処理回路による他のデータ出力処理の流れを示す図である。 図５は、処理回路による他のデータ出力処理の流れを示す図である。 図６は、医用診断データと規格化医用データとの出力形式を模式的に示す図である。 図７は、データ出力処理に関するＧＵＩ画面の一例を示す図である。 図８は、医用診断データとアノテーションが付された規格化医用データとが表示された、図７のＧＵＩ画面の一例を示す図である。 図９は、第２実施形態に係るＸ線コンピュータ断層撮影装置の構成を示す図である。 図１０は、第２実施形態に係る処理回路によるデータ出力処理の流れを示す図である。 図１１は、第３実施形態に係る超音波診断装置の構成を示す図である。 図１２は、第３実施形態に係る処理回路によるデータ出力処理の流れを示す図である。
以下、図面を参照しながら本実施形態に係る医用データ処理装置及び方法を説明する。
本実施形態に係る医用データ処理装置は、医用装置により収集された医用データを処理するコンピュータ又はプロセッサである。本実施形態に係る医用装置としては、医用画像診断装置や生体情報計測器が利用可能である。医用画像診断装置は、種々の撮像原理により被検体に医用撮像を施して医用画像を収集するものである。医用画像診断装置としては、例えば、磁気共鳴イメージング装置、Ｘ線コンピュータ断層撮影装置、超音波診断装置、核医学診断装置、Ｘ線診断装置、光干渉断層計、光超音波装置、内視鏡等がある。生体情報計測器は、種々の計測原理により被検体の生体情報に関する波形データを収集するものである。生体情報計測器としては、例えば、自動分析装置、心電計、呼吸計、血圧計、パルスオキシメータ等がある。
本実施形態に係る医用データ処理装置は、医用装置に搭載されたコンピュータ又はプロセッサでもよいし、医用装置とは別体のコンピュータ又はプロセッサでもよい。説明を具体的に行うため、第１実施形態に係る医用データ処理装置は、磁気共鳴イメージング装置に搭載されたコンピュータであり、第２実施形態に係る医用データ処理装置は、Ｘ線コンピュータ断層撮影装置に搭載されたコンピュータであり、第３実施形態に係る医用データ処理装置は、超音波診断装置に搭載されたコンピュータであるとする。
（第１実施形態）
図１は、第１実施形態に係る磁気共鳴イメージング装置１の構成を示す図である。図１に示すように、磁気共鳴イメージング装置１は、架台１０、寝台３０、傾斜磁場電源２１、送信回路２３、受信回路２５、寝台駆動装置２７、シーケンス制御回路２９及び医用データ処理装置５０を有する。
架台１０は、静磁場磁石４１と傾斜磁場コイル４３とを有する。静磁場磁石４１と傾斜磁場コイル４３とは架台１０の筐体に収容されている。架台１０の筐体には中空形状を有するボアが形成されている。架台１０のボア内には送信コイル４５と受信コイル４７とが配置される。
静磁場磁石４１は、中空の略円筒形状を有し、略円筒内部に静磁場を発生する。静磁場磁石４１としては、例えば、永久磁石、超伝導磁石または常伝導磁石等が使用される。ここで、静磁場磁石４１の中心軸をＺ軸に規定し、Ｚ軸に対して鉛直に直交する軸をＹ軸に規定し、Ｚ軸に水平に直交する軸をＸ軸に規定する。Ｘ軸、Ｙ軸及びＺ軸は、直交３次元座標系を構成する。
傾斜磁場コイル４３は、静磁場磁石４１の内側に取り付けられ、中空の略円筒形状に形成されたコイルユニットである。傾斜磁場コイル４３は、傾斜磁場電源２１からの電流の供給を受けて傾斜磁場を発生する。より詳細には、傾斜磁場コイル４３は、互いに直交するＸ軸、Ｙ軸、Ｚ軸に対応する３つのコイルを有する。当該３つのコイルは、Ｘ軸、Ｙ軸、Ｚ軸の各軸に沿って磁場強度が変化する傾斜磁場を形成する。Ｘ軸、Ｙ軸、Ｚ軸の各軸に沿う傾斜磁場は合成されて互いに直交するスライス選択傾斜磁場Ｇｓ、位相エンコード傾斜磁場Ｇｐ及び周波数エンコード傾斜磁場Ｇｒが所望の方向に形成される。スライス選択傾斜磁場Ｇｓは、任意に撮像断面（スライス）を決めるために利用される。位相エンコード傾斜磁場Ｇｐは、空間的位置に応じて磁気共鳴信号（以下、ＭＲ信号と呼ぶ）の位相を変化させるために利用される。周波数エンコード傾斜磁場Ｇｒは、空間的位置に応じてＭＲ信号の周波数を変化させるために利用される。なお、以下の説明においてスライス選択傾斜磁場Ｇｓの傾斜方向はＺ軸、位相エンコード傾斜磁場Ｇｐの傾斜方向はＹ軸、周波数エンコード傾斜磁場Ｇｒの傾斜方向はＸ軸であるとする。
傾斜磁場電源２１は、シーケンス制御回路２９からのシーケンス制御信号に従い傾斜磁場コイル４３に電流を供給する。傾斜磁場電源２１は、傾斜磁場コイル４３に電流を供給することにより、Ｘ軸、Ｙ軸及びＺ軸の各軸に沿う傾斜磁場を傾斜磁場コイル４３により発生させる。当該傾斜磁場は、静磁場磁石４１により形成された静磁場に重畳されて被検体Ｐに印加される。
送信コイル４５は、例えば、傾斜磁場コイル４３の内側に配置され、送信回路２３から電流の供給を受けて高周波磁場パルス（以下、ＲＦ磁場パルスと呼ぶ）を発生する。
送信回路２３は、被検体Ｐ内に存在する対象プロトンを励起するためのＲＦ磁場パルスを、送信コイル４５を介して被検体Ｐに印加するために、送信コイル４５に電流を供給する。ＲＦ磁場パルスは、対象プロトンに固有の共鳴周波数で振動し、対象プロトンを励起させる。励起された対象プロトンからＭＲ信号が発生され、受信コイル４７により検出される。送信コイル４５は、例えば、全身用コイル（ＷＢコイル）である。全身用コイルは、送受信コイルとして使用されても良い。
受信コイル４７は、ＲＦ磁場パルスの作用を受けて被検体Ｐ内に存在する対象プロトンから発せられるＭＲ信号を受信する。受信コイル４７は、ＭＲ信号を受信可能な複数の受信コイルエレメントを有する。受信されたＭＲ信号は、有線又は無線を介して受信回路２５に供給される。図１に図示しないが、受信コイル４７は、並列的に実装された複数の受信チャネルを有している。受信チャネルは、ＭＲ信号を受信する受信コイルエレメント及びＭＲ信号を増幅する増幅器等を有している。ＭＲ信号は、受信チャネル毎に出力される。受信チャネルの総数と受信コイルエレメントの総数とは同一であっても良いし、受信チャネルの総数が受信コイルエレメントの総数に比して多くても良いし、少なくても良い。
受信回路２５は、励起された対象プロトンから発生されるＭＲ信号を受信コイル４７を介して受信する。受信回路２５は、受信されたＭＲ信号を信号処理してデジタルのＭＲ信号を発生する。デジタルのＭＲ信号は、空間周波数により規定されるｋ空間にて表現することができる。よって、以下、デジタルのＭＲ信号をｋ空間データと呼ぶことにする。ｋ空間データは、画像再構成に供される生データの一種である。ｋ空間データは、有線又は無線を介して医用データ処理装置５０に供給される。
なお、上記の送信コイル４５と受信コイル４７とは一例に過ぎない。送信コイル４５と受信コイル４７との代わりに、送信機能と受信機能とを備えた送受信コイルが用いられても良い。また、送信コイル４５、受信コイル４７及び送受信コイルが組み合わされても良い。
架台１０に隣接して寝台３０が設置される。寝台３０は、天板３３と基台３１とを有する。天板３３には被検体Ｐが載置される。基台３１は、天板３３をＸ軸、Ｙ軸、Ｚ軸各々に沿ってスライド可能に支持する。基台３１には寝台駆動装置２７が収容される。寝台駆動装置２７は、シーケンス制御回路２９からの制御を受けて天板３３を移動する。寝台駆動装置２７は、例えば、サーボモータやステッピングモータ等の如何なるモータ等を含んでも良い。
シーケンス制御回路２９は、ハードウェア資源として、ＣＰＵ（Central Processing Unit）あるいはＭＰＵ（Micro Processing Unit）のプロセッサとＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等のメモリとを有する。シーケンス制御回路２９は、処理回路５１等により決定された撮像プロトコルに基づいて傾斜磁場電源２１、送信回路２３及び受信回路２５を同期的に制御し、当該撮像プロトコルに応じたパルスシーケンスに従い被検体ＰにＭＲ撮像を実行し、被検体Ｐに関する生データを収集する。
図１に示すように、医用データ処理装置５０は、処理回路５１、メモリ５２、ディスプレイ５３、入力インタフェース５４及び通信インタフェース５５を有するコンピュータである。
処理回路５１は、ハードウェア資源としてＣＰＵ等のプロセッサを有する。処理回路５１は、磁気共鳴イメージング装置１の中枢として機能する。例えば、処理回路５１は、各種プログラムの実行により取得機能５１１、出力機能５１２及び表示制御機能５１３を有する。
取得機能５１１において処理回路５１は、被検体Ｐに関する医用データを取得する。取得される医用データは、例えば、受信回路２５を介して収集される生データ、換言すれば、ｋ空間データである。
出力機能５１２において処理回路５１は、生データに対し所定の処理を施して医用診断データを出力すると共に、当該所定の処理の一部又は全てを施さずに、機械学習用に規格化された、生データに基づく規格化医用データを出力する。医用診断データは、生データに基づいて生成されるデータであり、医用診断に供されるデータである。規格化医用データは、機械学習に用いられる医用データであり、機械学習のために規格化されている。例えば、規格化医用データは、機械学習モデルのパラメータ学習のために用いられる入力データとして使用される。
表示制御機能５１３において処理回路５１は、種々の情報をディスプレイ５３に表示する。例えば、処理回路５１は、出力機能５１２により生成された医用診断データや規格化医用データ等をディスプレイ５３に表示する。
メモリ５２は、種々の情報を記憶するＨＤＤ（Hard Disk Drive）やＳＳＤ（Solid State Drive）、集積回路記憶装置等の記憶装置である。また、メモリ５２は、ＣＤ－ＲＯＭドライブやＤＶＤドライブ、フラッシュメモリ等の可搬性記憶媒体との間で種々の情報を読み書きする駆動装置等であっても良い。例えば、メモリ５２は、生データ、ｋ空間データ、医用診断データ、規格化医用データ及び各種プログラム等を記憶する。
ディスプレイ５３は、表示制御機能５１３により種々の情報を表示する。例えば、ディスプレイ５３は、出力機能５１２により出力された医用診断データや規格化医用データ等を表示する。ディスプレイ５３としては、例えば、ＣＲＴディスプレイや液晶ディスプレイ、有機ＥＬディスプレイ、ＬＥＤディスプレイ、プラズマディスプレイ、又は当技術分野で知られている他の任意のディスプレイが適宜利用可能である。
入力インタフェース５４は、ユーザからの各種指令を受け付ける入力機器を含む。入力機器としては、キーボードやマウス、各種スイッチ、タッチスクリーン、タッチパッド等が利用可能である。なお、入力機器は、マウス、キーボードなどの物理的な操作部品を備えるものだけに限らない。例えば、磁気共鳴イメージング装置１とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、受け取った電気信号を種々の回路へ出力するような電気信号の処理回路も入力インタフェース５４の例に含まれる。
通信インタフェース５５は、磁気共鳴イメージング装置１と機械学習用のコンピュータとを接続するインタフェースである。機械学習用のコンピュータは、例えば、ＰＡＣＳ（Picture Archiving and Communication System）、ＨＩＳ（Hospital Information System）、ＲＩＳ（Radiology Information System）等に含まれるコンピュータである。なお機械学習用のコンピュータは、ＬＡＮ（Local Area Network）により接続されてもよいし、他の回線により接続されてもよい。
なお、上記の構成は一例であって、これに限定されない。例えば、シーケンス制御回路２９は、医用データ処理装置５０に組み込まれても良い。また、シーケンス制御回路２９と処理回路５１とが同一の基板に実装されても良い。
以下、本実施形態に係る磁気共鳴イメージング装置１の実施例を説明する。
上記の通り、処理回路５１は、出力機能５１２の実現により、生データに対し所定の処理を施して医用診断データを出力する。以下、生データから医用診断データに変換するための所定の処理をデータ生成処理と呼ぶことにする。データ生成処理のパラメータは、ユーザにより入力インタフェース５４等を介して設定変更が可能である。そのため、データ生成処理のパラメータは、装置の設置施設やバージョン等により偏りが生じうる。この偏りは機械学習の入力データの統計的バイアスとなり、機械学習の精度が劣化する一因になっている。
そこで、本実施形態に係る処理回路５１は、出力機能５１２の実現により、生データに対しデータ生成処理を施して医用診断データを出力すると共に、当該データ生成処理の一部又は全てを施さずに、機械学習用に規格化された、生データに基づく規格化医用データを出力する。出力機能５１２によれば、統計的バイアスの一因であるデータ生成処理の一部又は全てを生データに施さずに、機械学習のために規格化された医用データが出力される。これにより、機械学習の入力データの統計的バイアスが低減又は解消され、機械学習の精度が向上する。
以下、処理回路５１による処理の詳細について説明する。以下の実施例において、医用診断データ及び規格化医用データはＭＲ画像であり、データ生成処理は、空間変換処理、換言すれば、画像再構成を含むものとする。生データはｋ空間データであるとする。生データは、２次元のｋ空間データでもよいし、３次元のｋ空間データでもよい。
図２は、処理回路５１によるデータ出力処理の流れを示す図である。図２に示すように、処理回路５１は、取得機能５１１の実現により、ＭＲ撮像により収集された生データを受信回路２５から取得する（ステップＳＡ１）。なお、受信回路２５により収集された生データは一旦メモリ５２に記憶され、データ生成処理の要求を受けて処理回路５１は、メモリ５２から処理対象の生データを読み出してもよい。
ステップＳＡ１が行われると処理回路５１は、出力機能５１２の実現により、ステップＳＡ１において取得した生データにデータ生成処理を施す（ステップＳＡ２）。データ生成処理ＳＡ２は、生データから医用診断データである医用診断用のＭＲ画像を生成するための一連の処理を含む。例えば、データ生成処理ＳＡ２は、空間変換処理ＳＡ２１と後処理ＳＡ２２とを含む。空間変換処理ＳＡ２１は、生データから医用診断データに変換する画像再構成である。なお、データ生成処理ＳＡ２に供される生データは、ＭＲ撮像により収集されたオリジナルのｋ空間データでもよいし、オリジナルのｋ空間データに対してデータ圧縮処理や解像度分解処理、データ補間処理、解像度合成処理等の任意のデータ処理がなされたデータであってもよい。
画像再構成は、生データをＭＲ画像に変換する処理であれば如何なる処理でもよいが、例えば、フーリエ変換又はフーリエ逆変換でもよいし、機械学習を用いた再構成法でもよい。
後処理は、ＭＲ画像に施される後処理フィルタ（ポストフィルタ）である。後処理の種類は、医用診断データに要求される画質や目的等に応じて異なる。例えば、ノイズ除去や平滑化フィルタ、エッジ強調、セグメンテーション、３次元画像処理等が後処理に設定される。ノイズ除去は、ＭＲ画像に描出されている種々の要因のノイズを除去又は低減するための画像処理である。平滑化フィルタは高周波成分を除去する画像処理である。３次元画像処理は、生データが３次元のｋ空間データであるときに実行される。３次元画像処理としては、ボリュームレンダリング、サーフェスレンダリング、ＭＰＲ（Multi-planar reconstruction）、画素値投影法等が挙げられる。
処理回路５１は、生データに空間変換処理ＳＡ２１を施してＭＲ画像を生成し、生成されたＭＲ画像に後処理ＳＡ２２を施し、医用診断用の後処理ＳＡ２２後のＭＲ画像ＯＡ１を医用診断データとして出力する（ステップＳＡ３）。また、処理回路５１は、空間変換処理ＳＡ２１により生成されたＭＲ画像に後処理ＳＡ２２の全てを施さず、機械学習用の後処理無しのＭＲ画像ＯＡ２を規格化医用データとして出力する（ステップＳＡ４）。処理回路５１は、例えば、単一の生データに空間変換処理ＳＡ２１を施してＭＲ画像を生成し、生成されたＭＲ画像を複製し、一方のＭＲ画像に後処理ＳＡ２２を施して医用診断用のＭＲ画像ＯＡ１を出力し、他方のＭＲ画像を機械学習用のＭＲ画像ＯＡ２として出力する。他の方法として、処理回路５１は、例えば、生データを複製して、一方の生データに空間変換処理ＳＡ２１を施してＭＲ画像を生成し、生成されたＭＲ画像に後処理ＳＡ２２を施して医用診断用のＭＲ画像ＯＡ１を出力し、他方の生データに空間変換処理ＳＡ２１を施してＭＲ画像を生成し、生成されたＭＲ画像を機械学習用のＭＲ画像ＯＡ２として出力してもよい。
ＭＲ画像ＯＡ２はＭＲ画像ＯＡ１に並行して略同時に出力される。例えば、ＭＲ画像ＯＡ１は、処理回路５１の表示制御機能５１３の実現により、ユーザ等による医用診断目的のためディスプレイ５３に表示される。例えば、ＭＲ画像ＯＡ２は、通信インタフェース５５により、機械学習処理のため、機械学習用のコンピュータに送信される。機械学習処理としては、機械学習モデルのパラメータ学習でもよいし、学習済モデルを利用した各種処理でもよい。
図２に示すように、処理回路５１は、生データに空間変換処理ＳＡ２１及び後処理ＳＦ２２を施してＭＲ画像ＯＡ１を生成及び出力すると共に、当該生データに空間変換処理ＳＡ２１を施し、後処理ＳＡ２２の全てを施さずに、ＭＲ画像ＯＡ２を生成及び出力する。すなわち、ＭＲ画像ＯＡ２は、設置施設又は装置バーションによる統計的バイアスを伴う後処理ＳＡ２２を介さないで生成されるので、規格化されたデータであるといえる。統計的バイアスを有しない規格化医用データであるＭＲ画像ＯＡ２を機械学習処理に用いることにより、機械学習処理の精度を向上させることが可能になる。処理回路５１は、医用診断データであるＭＲ画像ＯＡ１に並行して規格化医用データであるＭＲ画像ＯＡ２を自動的に出力するので、医用診断のワークフローを維持しつつ、機械学習の精度を向上させることができる。
図３は、処理回路５１による他のデータ出力処理の流れを示す図である。図３に示すように、処理回路５１は、取得機能５１１の実現により、データ収集シーケンスの実行により収集された生データを受信回路２５から取得する（ステップＳＢ１）。ステップＳＢ１はステップＳＡ１と同一であるので説明を省略する。
ステップＳＢ１が行われると処理回路５１は、出力機能５１２の実現により、ステップＳＢ１において取得した生データにデータ生成処理を施す（ステップＳＢ２）。図３のデータ生成処理ＳＢ２は、空間変換処理ＳＢ２１と後処理ＳＢ２２とを含む。空間変換処理ＳＢ２１は、図２の空間変換処理ＳＡ２１と同一である。後処理ＳＢ２２は、２以上の後処理を含む。例えば、後処理ＳＢ２２は、磁場歪み補正ＳＢ２２１とＤＩＣＯＭ変換ＳＢ２２２とを含む。磁場歪み補正ＳＢ２２１は、静磁場等の歪みによるノイズを除去するための画像処理であり、医用診断データと規格化医用データとの双方のために実行される。ＤＩＣＯＭ変換ＳＢ２２２は、医用診断データのみのために実行される。
処理回路５１は、生データに空間変換処理ＳＢ２１を施してＭＲ画像を生成し、生成されたＭＲ画像に後処理ＳＢ２２の全てＳＢ２２１及びＳＢ２２２を施して、ＤＩＣＯＭ規格のＭＲ画像ＯＢ１を医用診断データとして出力する（ステップＳＢ３）。また、処理回路５１は、空間変換処理ＳＢ２１により生成されたＭＲ画像に後処理ＳＢ２２の一部（磁場歪み補正）ＳＢ２２１のみを施し、他部（ＤＩＣＯＭ変換）ＳＢ２２２を施さず、非ＤＩＣＯＭ規格のＭＲ画像ＯＢ２を規格化医用データとして出力する（ステップＳＢ４）。
上記の通り、図３のデータ生成処理ＳＢ２によれば、規格化医用データについては、後処理ＳＢ２２のうちの必須の後処理ＳＢ２２１まで実行される。必須の後処理ＳＢ２２１は、磁場歪み補正のみに限定されない。規格化医用データについても実施すべき処理であり、設置施設や装置バージョンの相違に伴う統計的バイアスが生じ難い補正であれば、必須の後処理ＳＢ２２１として実施可能である。例えば、必須の後処理ＳＢ２２１としては、受信コイル４７のゲイン調整等が行われてもよい。
図３に示すように、処理回路５１は、生データに空間変換処理ＳＢ２１及び後処理ＳＢ２２を施してＭＲ画像ＯＢ１を生成及び出力すると共に、当該生データに空間変換処理ＳＢ２１と後処理ＳＢ２２のうちの必須の後処理ＳＢ２２１とを施し、後処理ＳＡ２２のうちの必須でない後処理ＳＢ２２２を施さずに、ＭＲ画像ＯＢ２を生成及び出力する。すなわち、ＭＲ画像ＯＢ２は、統計的バイアスを伴わない後処理ＳＢ２２１を施し、統計的バイアスを伴う後処理ＳＢ２２２を介さないで生成されるので、規格化されたデータであるといえる。統計的バイアスを有しない規格化医用データであるＭＲ画像ＯＢ２を機械学習処理に用いることにより、機械学習処理の精度を向上させることが可能になる。処理回路５１は、医用診断データであるＭＲ画像ＯＢ１に並行して規格化医用データであるＭＲ画像ＯＢ２を自動的に出力するので、医用診断のワークフローを維持しつつ、機械学習の精度を向上させることができる。
図４は、処理回路５１による他のデータ出力処理の流れを示す図である。図４に示すように、処理回路５１は、取得機能５１１の実現により、データ収集シーケンスの実行により収集された生データを受信回路２５から取得する（ステップＳＣ１）。ステップＳＣ１はステップＳＡ１と同一であるので説明を省略する。
ステップＳＣ１が行われると処理回路５１は、出力機能５１２の実現により、ステップＳＣ１において取得した生データにデータ生成処理を施す（ステップＳＣ２）。図４のデータ生成処理ＳＣ２は、空間変換処理ＳＣ２１と後処理ＳＣ２２とを含む。空間変換処理ＳＣ２１は、図２の空間変換処理ＳＡ２１と同一である。後処理ＳＣ２２は、パラメータ調整可能な画像処理である。後処理ＳＣ２２の種類は、図２の後処理ＳＡ２２と同種のものでよい。後処理ＳＣ２２のパラメータは、医用診断データのためのパラメータ（以下、第１パラメータと呼ぶ）と規格化医用データのためのパラメータ（以下、第２パラメータと呼ぶ）とで異なる値に設定される。第１パラメータは、医用診断に適した画質のＭＲ画像になるように、ユーザにより任意の値に設定されればよい。第２パラメータは、機械学習の入力データのために規格化された値に設定される。
処理回路５１は、生データに空間変換処理ＳＣ１を施してＭＲ画像を生成し、生成されたＭＲ画像に、第１パラメータに設定された後処理ＳＣ２２を施して、ＭＲ画像ＯＣ１を医用診断データとして出力する（ステップＳＣ３）。また、処理回路５１は、空間変換処理ＳＣ２１により生成されたＭＲ画像に、第２パラメータに設定された後処理ＳＣ２２を施して、ＭＲ画像ＯＣ２を規格化医用データとして出力する（ステップＳＣ４）。
図４に示すように、処理回路５１は、生データに空間変換処理ＳＣ２１と第１パラメータの後処理ＳＣ２２とを施してＭＲ画像ＯＣ１を生成及び出力すると共に、当該生データに空間変換処理ＳＣ２１と第２パラメータの後処理ＳＣ２２とを施してＭＲ画像ＯＣ２を生成及び出力する。すなわち、ＭＲ画像ＯＣ２は、機械学習のために統一された第２パラメータの後処理ＳＣ２２を施して生成されるので、規格化されたデータであるといえる。統計的バイアスを有しない規格化医用データであるＭＲ画像ＯＣ２を機械学習処理に用いることにより、機械学習処理の精度を向上させることが可能になる。処理回路５１は、医用診断データであるＭＲ画像ＯＣ１に並行して規格化医用データであるＭＲ画像ＯＣ２を自動的に出力するので、医用診断のワークフローを維持しつつ、機械学習の精度を向上させることができる。
図５は、処理回路５１による他のデータ出力処理の流れを示す図である。図５に示すように、処理回路５１は、取得機能５１１の実現により、データ収集シーケンスの実行により収集された生データを受信回路２５から取得する（ステップＳＤ１）。ステップＳＤ１はステップＳＡ１と同一であるので説明を省略する。
ステップＳＤ１が行われると処理回路５１は、出力機能５１２の実現により、ステップＳＤ１において取得した生データにデータ生成処理を施す（ステップＳＤ２）。図５のデータ生成処理ＳＤ２は、前処理ＳＤ２１と空間変換処理ＳＤ２２とを含む。前処理ＳＤ２１は、生データに施す、空間変換処理以外の処理である。前処理ＳＤ２１は、パラメータがユーザにより入力インタフェース５４を介して任意の値に設定可能であり、設置施設や装置バージョンの相違に伴う統計的バイアスが生じ得る処理であるとする。前処理ＳＤ２１としては、例えば、ノイズ除去や平滑化フィルタが挙げられる。空間変換処理ＳＤ２２は、図２の空間変換処理ＳＡ２１と同一である。
ステップＳＤ２において処理回路５１は、生データに前処理ＳＤ２１を施し、前処理後の生データに空間変換処理ＳＤ２２を施して、ＭＲ画像ＯＤ１を医用診断データとして出力する（ステップＳＤ３）。また、処理回路５１は、生データに前処理ＳＤ２１を施さずに空間変換処理ＳＤ２２を施して、ＭＲ画像ＯＤ２を規格化医用データとして出力する（ステップＳＤ４）。
図５に示すように、処理回路５１は、生データに前処理ＳＤ２１及び空間変換処理ＳＤ２２を施してＭＲ画像ＯＤ１を生成及び出力すると共に、当該生データに前処理ＳＤ２１を施さずに、空間変換処理ＳＤ２２を施してＭＲ画像ＯＤ２を生成及び出力する。すなわち、ＭＲ画像ＯＤ２は、統計的バイアスを伴う前処理ＳＤ２１を介さずに生成されるので、規格化されたデータであるといえる。統計的バイアスを有しない規格化医用データであるＭＲ画像ＯＤ２を機械学習処理に用いることにより、機械学習処理の精度を向上させることが可能になる。処理回路５１は、医用診断データであるＭＲ画像ＯＤ１に並行して規格化医用データであるＭＲ画像ＯＤ２を自動的に出力するので、医用診断のワークフローを維持しつつ、機械学習の精度を向上させることができる。
なお、複数種の前処理が用意され、その中に統計的バイアスになり得ない前処理がある場合、その前処理は、規格化医用データのために実行されてもよい。また、図５のデータ出力処理において空間変換処理ＳＤ２２の後続に、図２、図３及び図４のように、後処理が行われてもよい。
以上のように、処理回路５１により種々のデータ生成処理が行われる。
なお、上記の説明において生データは、ｋ空間データではなく、ハイブリッドデータでもよい。ハイブリッドデータは、ｋ空間データの少なくとも１軸に沿ってフーリエ変換又は逆フーリエ変換等が実行されたデータである。ハイブリッドデータは、オリジナルのハイブリッドデータでもよいし、オリジナルのハイブリッドデータに対してデータ圧縮処理や解像度分解処理、データ補間処理、解像度合成処理等の任意のデータ処理がなされたデータであってもよい。
次に出力機能５１２の実現による医用診断データと規格化医用データとの出力形式について説明する。
図６は、医用診断データと規格化医用データとの出力形式を模式的に示す図である。例えば、処理回路５１は、図６に示すように、医用診断データと規格化医用データとを単一のＤＩＣＯＭ（Digital Imaging and Communications in Medicine）ファイルに格納して出力してもよい。この場合、処理回路５１は、データ生成処理において医用診断データと規格化医用データとの双方にＤＩＣＯＭ変換を施す。ＤＩＣＯＭ変換は、ＭＲ画像のデータ形式を、非ＤＩＣＯＭ規格のデータ形式からＤＩＣＯＭ規格のデータ形式に変換する処理である。処理回路５１は、ＤＩＣＯＭ変換された医用診断データと規格化医用データとをＤＩＣＯＭファイルに格納する。医用診断データと規格化医用データとをＤＩＣＯＭファイルに格納する方法については特に限定されない。例えば、処理回路５１は、医用診断データと規格化医用データとを同一スタディの別々のシリーズとして出力する。すなわち、医用診断データは医用診断用のシリーズ、規格化医用データは機械学習用のシリーズとして出力される。
医用診断データには機械学習用のデータでないことを示す情報が付され、規格化医用データには機械学習用のデータであることを示す情報が付されるとよい。例えば、当該情報はフラグの形式で各データにされるとよい。例えば、機械学習用のデータでないことを示すフラグとして「ＮＯ」又は「０」、機械学習用のデータであることを示すフラグとして「ＹＥＳ」又は「１」等の任意の情報が付されるとよい。また、フラグ形式に限定されず、医用診断データ及び規格化医用データのＤＩＣＯＭ付帯情報に当該情報が組み込まれてもよい。
また、機械学習用のデータであることを示す情報及び機械学習用のデータでないことを示す情報は、その旨を表現するテキスト情報でもよい。当該テキスト情報は、各データのＤＩＣＯＭプライベートタグに格納されてもよいし、各データの実データ（例えば、ＭＲ画像）に直接的に付されてもよい。
処理回路５１は、生成と同時に規格化医用データを機械学習用のコンピュータ又は機械学習用のメモリに供給する。例えば、機械学習用のコンピュータへの供給の場合、処理回路５１は、通信インタフェース５５を介して規格化医用データを送信する。機械学習用のコンピュータにより受信された規格化医用データは、機械学習に供される。この際、医用診断データは機械学習用のコンピュータに送信されなくてよい。医用診断データは、磁気共鳴イメージング装置１のメモリ５２に格納されてもよいし、通信インタフェース５５を介してＰＡＣＳに送信されるとよい。なお、機械学習用のコンピュータが磁気共鳴イメージング装置１の設置施設とは異なる施設により管理されている場合、使用権限を有する者のみが規格化医用データにアクセスすることを可能にするため、処理回路５１は、規格化医用データを暗号化するとよい。これにより、いわゆるクロスサイトの状況下において、個人情報である規格化医用データの管理に関するセキュリティを高め、個人情報の漏洩を防止することができる。
機械学習用のメモリとしては、磁気共鳴イメージング装置１に搭載されたメモリ５２でもよいし、可搬型記録媒体でもよいし、他のコンピュータでもよい。これら機械学習用のメモリに格納された規格化医用データは、適宜、機械学習用のコンピュータに供給され、機械学習に供される。
なお、医用診断データ及び規格化医用データの一方又は双方は、ＤＩＣＯＭ規格に変換されなくてもよい。ＤＩＣＯＭ変換により統計的バイアスが生じるのであれば、規格化医用データはＤＩＣＯＭ変換されない方がよい。
次に、医用診断データ及び規格化医用データの表示について説明する。
図７は、データ出力処理に関するＧＵＩ画面Ｉ１の一例を示す図である。ＧＵＩ画面Ｉ１は、図２－図５のデータ出力処理の開始前にディスプレイ５３に表示される。図７に示すように、ＧＵＩ画面Ｉ１には、医用診断データの出力の可否を指示するＧＵＩボタンＩＢ１と規格化医用データの出力の可否を指示するＧＵＩボタンＩＢ２とが表示される。例えば、ＧＵＩボタンＩＢ１が入力インタフェース５４等を介して押下された場合、医用診断データの出力が指示され、ＧＵＩボタンＩＢ２が入力インタフェース５４等を介して押下された場合、規格化医用データの出力が指示される。
ＧＵＩボタンＩＢ１及びＧＵＩボタンＩＢ２が押下された場合、処理回路５１は、図２－５に示すデータ生成処理ＳＡ２、ＳＢ２、ＳＣ２及びＳＤ２等により、医用診断データ及び規格化医用データが出力される。規格化医用データは、通信インタフェース５５により、出力と略同時に機械学習用のコンピュータに自動的に送信される。機械学習用のコンピュータにより受信された規格化医用データは、機械学習処理に供される。例えば、機械学習用のコンピュータが、医用画像に基づく自動診断を行う場合、自動診断結果を磁気共鳴イメージング装置１に送信する。自動診断としては、ＣＮＮ（Convolutional Neural Networks）等を利用した病変自動検出がある。この場合、機械学習用のコンピュータは、規格化医用データに機械学習モデルを適用して病変位置を検出し、病変検出位置にアノテーションを付す。そして機械学習用のコンピュータは、アノテーションが付された規格化医用データを磁気共鳴イメージング装置１に送信する。アノテーションが付された規格化医用データは、通信インタフェース５５により受信される。処理回路５１は、表示制御機能５１３の実現により、医用診断データとアノテーションが付された規格化医用データとをディスプレイ５３に表示する。
図８は、医用診断データＩ２とアノテーションＭ１が付された規格化医用データＩ３とが表示された、図７のＧＵＩ画面Ｉ１の一例を示す図である。図８に示すように、ＧＵＩ画面Ｉ１には医用診断データ（ＭＲ画像）Ｉ２と規格化医用データ（ＭＲ画像）Ｉ３とが並べて表示される。規格化医用データＩ３は、機械学習用のコンピュータから送信された機械学習の結果データである。規格化医用データＩ３のうちの病変の自動検出位置にはアノテーションＭ１が付されている。ユーザは、規格化医用データＩ３を観察して自動検出結果を評価し、医用診断データＩ２を観察して診断を下す。医用診断データＩ２と規格化医用データＩ３とを表示することにより、統計的バイアスが低減された規格化医用データに基づく高精度の機械学習結果が反映された規格化医用データＩ３を参照しつつ、ユーザ好みのデータ生成処理が施された医用診断データＩ２に基づき医用診断を実施することができる。
（第２実施形態）
第２実施形態に係る医用データ処理装置は、Ｘ線コンピュータ断層撮影装置に搭載されたコンピュータであるとする。以下、第２実施形態について説明する。なお以下の説明において、第１実施形態と略同一の機能を有する構成要素については、同一符号を付し、必要な場合にのみ重複説明する。
図９は、第２実施形態に係るＸ線コンピュータ断層撮影装置１－２の構成を示す図である。なお、図９には説明の都合のため複数のＣＴ架台１０－２が描画されているが、典型的にはＸ線コンピュータ断層撮影装置１－２が装備する架台１０－２は１台である。
図９に示すように、Ｘ線コンピュータ断層撮影装置１－２は、架台１０－２、寝台３０－２及び医用データ処理装置（コンソール）５０－２を有する。架台１０－２は、被検体ＰをＸ線ＣＴ撮影するための構成を有するスキャン装置である。寝台３０－２は、Ｘ線ＣＴ撮影の対象となる被検体Ｐを載置し、被検体Ｐを位置決めするための搬送装置である。医用データ処理装置５０－２は、架台１０－２を制御するコンピュータである。例えば、架台１０－２及び寝台３０－２は検査室に設置され、医用データ処理装置５０－２は検査室に隣接する制御室に設置される。架台１０－２、寝台３０－２及び医用データ処理装置５０－２は互いに通信可能に有線または無線で接続されている。
図９に示すように、架台１０－２は、Ｘ線管１１、Ｘ線検出器１２、回転フレーム１３、Ｘ線高電圧装置１４、制御装置１５、ウェッジフィルタ１６、コリメータ１７及びデータ収集回路（ＤＡＳ：Data Acquisition System）１８を有する。
Ｘ線管１１は、Ｘ線を発生する。具体的には、Ｘ線管１１は、熱電子を発生する陰極と、陰極から飛翔する熱電子を受けてＸ線を発生する陽極と、陰極と陽極とを保持する真空管とを含む。Ｘ線管１１は、高圧ケーブルを介してＸ線高電圧装置１４に接続されている。陰極には、Ｘ線高電圧装置１４によりフィラメント電流が供給される。フィラメント電流の供給により陰極から熱電子が発生する。陰極と陽極との間には、Ｘ線高電圧装置１４により管電圧が印加される。管電圧の印加により陰極から陽極に向けて熱電子が飛翔して陽極に衝突し、Ｘ線が発生する。発生されたＸ線は、被検体Ｐに照射される。陰極から陽極に向けて熱電子が飛翔することにより管電流が流れる。
Ｘ線検出器１２は、Ｘ線管１１から発生され被検体Ｐを通過したＸ線を検出し、検出されたＸ線の線量に対応した電気信号をＤＡＳ１８に出力する。Ｘ線検出器１２は、チャネル方向に複数のＸ線検出素子が配列されたＸ線検出素子列がスライス方向（列方向）に複数配列された構造を有する。Ｘ線検出器１２は、例えば、グリッド、シンチレータアレイ及び光センサアレイを有する間接変換型の検出器である。シンチレータアレイは、複数のシンチレータを有する。シンチレータは、入射Ｘ線量に応じた光量の光を出力する。グリッドは、シンチレータアレイのＸ線入射面側に配置され、散乱Ｘ線を吸収するＸ線遮蔽板を有する。なお、グリッドは、コリメータ（１次元コリメータ又は２次元コリメータ）と呼ばれることもある。光センサアレイは、シンチレータからの光の光量に応じた電気信号に変換する。光センサとしては、例えば、フォトダイオードが用いられる。
回転フレーム１３は、Ｘ線管１１とＸ線検出器１２とを回転軸Ｚ回りに回転可能に支持する円環状のフレームである。具体的には、回転フレーム１３は、Ｘ線管１１とＸ線検出器１２とを対向支持する。回転フレーム１３は、固定フレーム（図示せず）に回転軸Ｚ回りに回転可能に支持される。制御装置１５により回転フレーム１３が回転軸Ｚ回りに回転することによりＸ線管１１とＸ線検出器１２とを回転軸Ｚ回りに回転させる。回転フレーム１３の開口部２９－２には、画像視野（ＦＯＶ：Field Of View）が設定される。
なお、本実施形態では、非チルト状態での回転フレーム１３の回転軸又は寝台３０－２の天板３３－２の長手方向をＺ方向、Ｚ方向に直交し床面に対し水平である方向をＸ方向、Ｚ方向に直交し床面に対し垂直である方向をＹ方向と定義する。
Ｘ線高電圧装置１４は、高電圧発生装置とＸ線制御装置とを有する。高電圧発生装置は、変圧器（トランス）及び整流器等の電気回路を有し、Ｘ線管１１に印加する高電圧及びＸ線管１１に供給するフィラメント電流を発生する。Ｘ線制御装置は、Ｘ線管１１に印加する高電圧とＸ線管１１に供給フィラメント電流とを制御する。高電圧発生装置は、変圧器方式であってもよいし、インバータ方式であっても構わない。Ｘ線高電圧装置１４は、架台１０－２内の回転フレーム１３に設けられてもよいし、架台１０－２内の固定フレーム（図示しない）に設けられても構わない。
ウェッジフィルタ２６－２は、被検体Ｐに照射されるＸ線の線量を調節する。具体的には、ウェッジ２６－２は、Ｘ線管１１から被検体Ｐへ照射されるＸ線の線量が予め定められた分布になるようにＸ線を減衰する。例えば、ウェッジ２６－２としては、アルミニウム等の金属が加工されることにより形成された金属フィルタが用いられる。ウェッジフィルタ２６－２は、所定のターゲット角度や所定の厚みを有するように加工される。なおウェッジフィルタ２６－２はボウタイフィルタ（bow-tie filter）とも呼ばれる。
コリメータ２７－２は、ウェッジフィルタ２６－２を透過したＸ線の照射範囲を限定する。コリメータ２７－２は、Ｘ線を遮蔽する複数の鉛板をスライド可能に支持し、複数の鉛板により形成されるスリットの形態を調節する。なお、コリメータ２７－２は、Ｘ線絞りとも呼ばれる。
ＤＡＳ１８は、Ｘ線検出器１２により検出されたＸ線の線量に応じた電気信号をＸ線検出器１２から読み出し、読み出した電気信号を増幅し、ビュー期間に亘り電気信号を積分することにより当該ビュー期間に亘るＸ線の線量に応じたデジタル値を有する投影データを収集する。投影データは、生データの一種である。ＤＡＳ１８は、例えば、投影データを生成可能な回路素子を搭載したＡＳＩＣにより実現される。ＤＡＳ１８により生成された投影データは、回転フレーム１３に設けられた発光ダイオード（ＬＥＤ）を有する送信機から光通信によって架台１０－２の非回転部（例えば、固定フレーム）に設けられた発光ダイオード（ＬＥＤ）を有する受信機に送信され、受信機から医用データ処理装置３－２に伝送される。なお、回転フレーム１３から架台１０－２の非回転部への投影データの送信方式は、前述の光通信に限定されず、非接触型のデータ伝送であれば如何なる方式であってもよい。
寝台３０－２は、基台３５－２及び天板３３－２を備える。基台３５－２は、床面に設置される。基台３５－２は、支持フレームを、床面に対して垂直方向（Ｙ方向）に移動可能に支持する構造体である。支持フレームは、基台３５－２の上部に設けられるフレームである。支持フレームは、天板３３－２を中心軸Ｚに沿ってスライド可能に支持する。天板３３－２は、被検体Ｐが載置される柔軟性を有する板状構造体である。寝台駆動装置は、寝台３０－２に収容される。寝台駆動装置は、被検体Ｐが載置された天板３３－２を移動させるための動力を発生するモータ又はアクチュエータである。寝台駆動装置は、制御装置１５又は医用データ処理装置５０－２等による制御に従い作動する。
制御装置１５は、処理回路５１による撮影制御に従いＸ線ＣＴ撮影を実行するためにＸ線高電圧装置１４、ＤＡＳ１８及び寝台３０－２を制御する。制御装置１５は、ＣＰＵ等を有する処理回路と、モータ及びアクチュエータ等の駆動装置とを有する。処理回路は、ハードウェア資源として、ＣＰＵ等のプロセッサとＲＯＭやＲＡＭ等のメモリとを有する。制御装置１５は、例えば、医用データ処理装置５０－２、架台１０－２及び寝台３０－２等に設けられた入力インタフェース５４からの操作信号に従い架台１０－２及び寝台３０－２を制御する。例えば、制御装置１５は、回転フレーム１３の回転、架台１０－２のチルト、天板３３及び寝台３０－２の動作を制御する。
医用データ処理装置（コンソール）５０－２は、処理回路５１、メモリ５２、ディスプレイ５３、入力インタフェース５４及び通信インタフェース５５を有するコンピュータである。医用データ処理装置５０－２は第１実施形態に係る医用データ処理装置５０と同等であるので、説明を省略する。
図１０は、第２実施形態に係る処理回路５１によるデータ生成処理の流れを示す図である。図１０に示すように、処理回路５１は、取得機能５１１の実現により、Ｘ線ＣＴ撮影により収集された生データ（投影データ）をＤＡＳ１８から取得する（ステップＳＥ１）。なお、ＤＡＳ１８により収集された生データは一旦メモリ５２に記憶され、データ生成処理の要求を受けて処理回路５１は、メモリ５２から処理対象の生データを読み出してもよい。生データは、Ｘ線ＣＴ撮影により収集されたオリジナルの投影データでもよいし、オリジナルの投影データに対してデータ圧縮処理や解像度分解処理、データ補間処理、解像度合成処理等の任意のデータ処理がなされたデータであってもよい。
ステップＳＥ１が行われると処理回路５１は、出力機能５１２の実現により、ステップＳＥ１において取得した生データにデータ生成処理を施す（ステップＳＥ２）。データ生成処理ＳＥ２は、前処理ＳＥ２１と逐次近似再構成ＳＥ２２とを含む。前処理ＳＥ２１は、対数変換やオフセット補正である。逐次近似再構成ＳＥ２２は、投影データに基づいてＣＴ画像を再構成する画像再構成法の一種である。逐次近似再構成ＳＥ２２としては、ＥＭ（expectation maximization）法、ＡＲＴ（algebraic reconstruction technique）法等又はこれらの応用等がある。また、逐次近似再構成ＳＥ２２は、上記逐次近似再構成にＦＢＰ（Filtered Back Projection）等の解析学的再構成法が組み合わされた方法でもよい。逐次近似再構成ＳＥ２２としては統計学的モデルやスキャナモデル、解剖学的モデル及び／又は機械学習に基づくノイズ低減が組み込まれた方法が用いられてもよい。逐次近似再構成ＳＥ２２では、調整可能なパラメータとして、初期画像と更新画像との合成の比率であるブレンド比と呼ばれるパラメータが知られている。本実施形態においては、医用診断データのためのブレンド比（以下、第１ブレンド比と呼ぶ）と規格化医用データのためのブレンド比（以下、第２ブレンド比と呼ぶ）とで異なる値に設定される。第１ブレンド比は、ユーザにより任意の値に設定されればよい。第２ブレンド比は、機械学習の入力データのために規格化された値に設定される。
処理回路５１は、生データに前処理ＳＥ２１を施し、前処理ＳＥ２１後の生データ、第１ブレンド比に設定された逐次近似再構成ＳＥ２２を施して、ＣＴ画像ＯＥ１を医用診断データとして出力する（ステップＳＥ３）。また、処理回路５１は、前処理ＳＥ２１後のＣＴ画像に、第２ブレンド比に設定された逐次近似再構成ＳＥ２２を施して、ＣＴ画像ＯＥ２を規格化医用データとして出力する（ステップＳＥ４）。
図１０に示すように、処理回路５１は、生データに前処理ＳＥ２１と第１ブレンド比の逐次近似再構成ＳＥ２２とを施してＣＴ画像ＯＥ１を生成及び出力すると共に、当該生データに前処理ＳＥ２１と第２ブレンド比の逐次近似再構成ＳＥ２２とを施してＣＴ画像ＯＥ２を生成及び出力する。すなわち、ＣＴ画像ＯＥ２は、機械学習のために統一された第２ブレンド比の逐次近似再構成ＳＥ２２を施して生成されるので、規格化されたデータであるといえる。統計的バイアスを有しない規格化医用データであるＣＴ画像ＯＥ２を機械学習処理に用いることにより、機械学習処理の精度を向上させることが可能になる。処理回路５１は、医用診断データであるＣＴ画像ＯＥ１に並行して規格化医用データであるＣＴ画像ＯＥ２を自動的に出力するので、医用診断のワークフローを維持しつつ、機械学習の精度を向上させることができる。
なお、逐次近似再構成ＳＥ２２のブレンド比以外の他のパラメータに医用診断データのためのパラメータと規格化医用データのためのパラメータとが用意されてもよい。また、Ｘ線コンピュータ断層撮影装置１－２についても、ｋ空間データを投影データに、ＭＲ画像をＣＴ画像に置き換えることにより、第１実施形態の磁気共鳴イメージング装置１と同様、図２－図５に示すデータ生成処理を行うことが可能である。
（第３実施形態）
第３実施形態に係る医用データ処理装置は、超音波診断装置に搭載されたコンピュータであるとする。以下、第３実施形態について説明する。なお以下の説明において、第１実施形態と略同一の機能を有する構成要素については、同一符号を付し、必要な場合にのみ重複説明する。
図１１は、第３実施形態に係る超音波診断装置１－３の構成を示す図である。図１１に示すように、超音波診断装置１－３は、超音波プローブ１０－３と医用データ処理装置（装置本体）５０－３とを有する。
超音波プローブ１０－３は、例えば、医用データ処理装置５０－３の制御に従い、患者等の生体内の走査領域について超音波走査を実行する。超音波プローブ１０－３は、例えば、複数の圧電振動子、整合層及びバッキング材等を有する。本実施形態においては、超音波プローブ１０－３は、例えば、所定の方向に沿って配列された複数の圧電振動子を有する。超音波プローブ１０－３は、医用データ処理装置５０－３と着脱自在に接続される。
複数の圧電振動子は、医用データ処理装置５０－３が有する超音波送信回路５７から供給される駆動信号に従い超音波を発生する。これにより、超音波プローブ１０－３から生体へ超音波が送信される。超音波プローブ１０－３から生体へ超音波が送信されると、送信された超音波は、生体の体内組織における音響インピーダンスの不連続面で次々と反射され、反射波信号として複数の圧電振動子にて受信される。受信される反射波信号の振幅は、超音波が反射される不連続面における音響インピーダンスの差に依存する。また、送信された超音波パルスが、移動している血流又は放射線吸収性組織スペーサ等の表面で反射された場合の反射波信号は、ドプラ効果により、移動体の超音波送信方向の速度成分に依存して、周波数偏移を受ける。超音波プローブ１０－３は、生体からの反射波信号を受信して電気信号に変換する。電気信号は、医用データ処理装置５０－３に供給される。
図１１に示される医用データ処理装置５０－３は、超音波プローブ１０－３により受信された反射波信号に基づいて超音波画像を生成及び表示するコンピュータである。医用データ処理装置５０－３は、図１１に示されるように、超音波送信回路５７、超音波受信回路５６、処理回路５１、メモリ５２、ディスプレイ５３、入力インタフェース５４及び通信インタフェース５５を有する。
超音波送信回路５７は、超音波プローブ１０－３に駆動信号を供給するプロセッサである。超音波送信回路５７は、例えば、トリガ発生回路、遅延回路、及びパルサ回路等により実現される。トリガ発生回路は、所定のレート周波数で、送信超音波を形成するためのレートパルスを繰り返し発生する。遅延回路は、超音波プローブ１０－３から発生される超音波をビーム状に集束して送信指向性を決定するために必要な圧電振動子毎の遅延時間を、トリガ発生回路が発生する各レートパルスに対し与える。パルサ回路は、レートパルスに基づくタイミングで、超音波プローブ１０－３に設けられる複数の超音波振動子へ駆動信号（駆動パルス）を印加する。遅延回路により各レートパルスに対し与える遅延時間を任意に変化させることで、圧電振動子面からの送信方向が任意に調整される。
超音波受信回路５６は、超音波プローブ１０－３が受信した反射波信号に対して各種処理を施し、受信信号を生成するプロセッサである。超音波受信回路５６は、例えば、アンプ回路、Ａ／Ｄ変換器、受信遅延回路及び加算器等により実現される。アンプ回路は、超音波プローブ１０－３が受信した反射波信号をチャンネル毎に増幅してゲイン補正処理を行う。Ａ／Ｄ変換器は、ゲイン補正された反射波信号をデジタル信号に変換する。受信遅延回路は、デジタル信号に受信指向性を決定するのに必要な遅延時間を与える。加算器は、遅延時間が与えられた複数のデジタル信号を加算する。加算器の加算処理により、受信指向性に応じた方向からの反射成分が強調された受信信号が発生する。受信信号は生データの一種である。
処理回路５１は、例えば、超音波診断装置１－３の中枢として機能するプロセッサである。処理回路５１は、メモリ５２に記憶されているプログラムを実行することで、当該プログラムに対応する機能を実現する。処理回路５１は、例えば、取得機能５１１、出力機能５１２、表示制御機能５１３、Ｂモード処理機能５１４及びドプラモード処理機能５１５を有する。
Ｂモード処理機能５１４において処理回路５１は、超音波受信回路５６から受け取った受信信号に基づき、Ｂモードデータを生成する。具体的には、処理回路５１は、例えば、超音波受信回路５６から受け取った受信信号に対して包絡線検波処理、及び対数増幅処理等を施し、信号強度が輝度の明るさで表現されるデータ（Ｂモードデータ）を生成する。生成されたＢモードデータは、２次元的な超音波走査線（ラスタ）上のデータとして不図示のＲＡＷデータメモリに記憶される。Ｂモードデータは生データの一種である。
ドプラモード処理機能５１５において処理回路５１は、超音波受信回路５６から受け取った受信信号を周波数解析することで、スキャン領域に設定されるＲＯＩ（Region Of Interest：関心領域）内にある血流のドプラ効果に基づく運動情報を抽出したデータ（ドプラデータ）を生成する。具体的には、処理回路５１は、血流の運動情報として、平均速度、平均分散値、平均パワー値等を、複数のサンプル点それぞれで推定したドプラデータを生成する。生成されたドプラデータは、２次元的な超音波走査線上のデータとして不図示のＲＡＷデータメモリに記憶される。
処理回路５１は、ドプラモード処理機能５１５において、カラーフローマッピング（ＣＦＭ：Color Flow Mapping）法と称されるカラードプラ法を実行可能である。ＣＦＭ法では、超音波の送受信が複数の走査線上で複数回行なわれる。処理回路５１は、同一位置のデータ列に対してＭＴＩ（Moving Target Indicator）フィルタを掛けることで、静止している組織又は動きの遅い組織に由来する信号（クラッタ信号）を抑制し、血流に由来する信号を抽出する。そして、処理回路５１は、抽出した信号から血流の速度、分散又はパワー等の情報を推定する。ドプラデータは生データの一種である。
メモリ５２３、ディスプレイ５３、入力インタフェース５４、通信インタフェース５５、取得機能５１１、出力機能５１２及び表示制御機能５１３については説明を省略する。
図１２は、第３実施形態に係る処理回路５１によるデータ出力処理の流れを示す図である。図１２に示すように、処理回路５１は、取得機能５１１の実現により、超音波走査により収集された生データを超音波受信回路５６から取得する（ステップＳＦ１）。超音波走査においては、時系列の複数フレームの生データがリアルタイムで収集される。以下の処理工程は収集された複数フレームの全て又は所定フレーム毎に行われるものとする。なお、超音波受信回路５６により収集された生データは一旦メモリ５２に記憶され、データ生成処理の要求を受けて処理回路５１は、メモリ５２から処理対象の生データを読み出してもよい。生データは、超音波走査により収集されたオリジナルの生データでもよいし、オリジナルの生データに対してデータ圧縮処理や解像度分解処理、データ補間処理、解像度合成処理等の任意のデータ処理がなされたデータであってもよい。
ステップＳＦ１が行われると処理回路５１は、出力機能５１２の実現により、ステップＳＦ１において取得した生データにデータ生成処理を施す（ステップＳＦ２）。データ生成処理ＳＦ２は、生データから医用診断データである医用診断用の超音波画像を生成するための一連の処理を含む。例えば、データ生成処理ＳＦ２は、空間変換処理ＳＦ２１と後処理ＳＦ２２とを含む。空間変換処理ＳＦ２１は、ＢモードデータをＢモードデータ値の空間分布を示すＢモード画像に変換する、あるいは、ドプラモードデータをドプラモードデータ値の空間分布を示すドプラモード画像に変換するスキャンコンバート処理である。
後処理は、超音波画像に施される後処理フィルタ（ポストフィルタ）である。後処理の種類は、医用診断データに要求される画質や目的等に応じて異なる。例えば、ノイズ除去や平滑化フィルタ、エッジ強調、セグメンテーション、３次元画像処理等が後処理に設定される。
処理回路５１は、生データに空間変換処理ＳＦ２１を施して超音波画像を生成し、生成された超音波画像に後処理ＳＦ２２を施して、医用診断用の後処理後の超音波画像ＯＦ１を医用診断データとして出力する（ステップＳＦ３）。また、処理回路５１は、空間変換処理ＳＦ２１により生成された超音波画像に後処理ＳＦ２２の全てを施さず、機械学習用の後処理無しの超音波画像ＯＦ２を規格化医用データとして出力する（ステップＳＦ４）。
図１２に示すように、処理回路５１は、生データに空間変換処理ＳＦ２１及び後処理ＳＦ２２を施して超音波画像ＯＦ１を生成及び出力すると共に、当該生データに空間変換処理ＳＦ２１を施し、後処理ＳＦ２２の全てを施さずに、超音波画像ＯＦ２を生成及び出力する。すなわち、超音波画像ＯＦ２は、設置施設又は装置バーションによる統計的バイアスを伴う後処理ＳＦ２２を介さないで生成されるので、規格化されたデータであるといえる。統計的バイアスを有しない規格化医用データである超音波画像ＯＦ２を機械学習処理に用いることにより、機械学習処理の精度を向上させることが可能になる。処理回路５１は、医用診断データである超音波画像ＯＦ１に並行して規格化医用データである超音波画像ＯＦ２を自動的に出力するので、医用診断のワークフローを維持しつつ、機械学習の精度を向上させることができる。
なお、超音波診断装置１－３についても、ｋ空間データをＢモードデータ又はドプラデータに、ＭＲ画像を超音波画像に置き換えることにより、第１実施形態の磁気共鳴イメージング装置１と同様、図２－図５に示すデータ生成処理を行うことが可能である。
また、収集された全てのフレームの生データについて規格化医用データを生成及び出力する必要はない。例えば、収集された全てのフレームの生データについて空間変換処理ＳＦ２１及び後処理ＳＦ２２が施され、全てのフレームの超音波画像ＯＦ１が動画としてディスプレイ５３に表示される。ユーザは、機械学習に適したフレームの超音波画像を発見した場合、フリーズボタンを押下する。フリーズボタンが押下された場合、処理回路５１は、フリーズボタンが押下された時点にディスプレイ５３に表示されている後処理有りの超音波画像ＯＦ１を特定し、特定された後処理ＳＦ２２有りの超音波画像ＯＦ１に対応する後処理ＳＦ２２前の超音波画像ＯＦ２を、規格化医用データとして出力してもよい。
（その他の実施形態）
上記第1、第２及び第３実施形態では、データ生成処理の処理対象のデータは、医用画像診断装置により収集された生データであるとした。しかしながら、本実施形態はこれに限定されず、他の医用画像診断装置により収集された生データにも適用可能であるし、生体情報計測器により収集された波形データにも適用可能である。波形データを処理対象とする場合、医用画像を生成しないので、データ生成処理として空間変換処理を行う必要はない。波形データに対しては、データ生成処理として、例えば、ノイズ低減処理や平滑化処理、オフセット処理等の後処理が行われる。これら後処理のパラメータは、設置施設又は装置バーションによる揺らぎが生じ得るため、統計的バイアスを生じさせるものもある。
処理回路５１は、波形データに後処理を施して後処理後の波形データ（以下、処理済波形データと呼ぶ）を生成及び出力すると共に、当該波形データに後処理の全てを施さずに当該波形データ（以下、未処理波形データと呼ぶ）を出力する。なお、図３に示すように、後処理を、医用診断データ及び規格化医用データの双方に施す必須の後処理と、医用診断データのみに施す任意の後処理とに分類してもよい。未処理波形データは、統計的バイアスを伴う後処理を介さないで生成されるので、規格化されたデータであるといえる。統計的バイアスを有しない規格化医用データである未処理波形データを機械学習処理に用いることにより、機械学習処理の精度を向上させることが可能になる。処理回路５１は、医用診断データである処理済波形データに並行して規格化医用データである未処理波形データを自動的に出力するので、医用診断のワークフローを維持しつつ、機械学習の精度を向上させることができる。
上記の幾つかの実施形態によれば、医用データ処理装置５０は、被検体に関する医用データを取得し、医用データに対しデータ生成処理を施して医用診断データを出力すると共に、データ生成処理の一部又は全てを施さずに、機械学習用に規格化された、当該医用データに基づく規格化医用データを出力する処理回路５１を有する。上記の構成によれば、医用診断データを機械学習の入力データに用いる場合に比して、機械学習の入力データの生成条件（収集条件）が安定し、入力データの統計的バイアスを低減又は除去することができる。
以上説明した少なくとも１つの実施形態によれば、機械学習の精度を向上することができる。
上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ、ＧＰＵ、或いは、特定用途向け集積回路（Application Specific Integrated Circuit：ＡＳＩＣ））、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device：ＳＰＬＤ）、複合プログラマブル論理デバイス（Complex Programmable Logic Device：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Field Programmable Gate Array：ＦＰＧＡ））等の回路を意味する。プロセッサは記憶回路に保存されたプログラムを読み出し実行することで機能を実現する。なお、記憶回路にプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。また、プログラムを実行するのではなく、論理回路の組合せにより当該プログラムに対応する機能を実現しても良い。なお、本実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。さらに、図１、図９及び図１１における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。
本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。
５１ 処理回路
５２ メモリ
５３ ディスプレイ
５４ 入力インタフェース
５５ 通信インタフェース
５１１ 取得機能
５１２ 出力機能
５１３ 表示制御機能

Claims (12)

  1. 医用データを取得する取得部と、
    前記医用データに対し所定の処理を施して医用診断データを出力すると共に、前記所定の処理の一部又は全てを施さずに、機械学習の学習データとして用いるために規格化された、前記医用データに基づく規格化医用データを出力する出力部と、
    を具備する医用データ処理装置。
  2. 前記医用データは、医用画像診断装置により収集された、被検体に関する生データであり、
    前記出力部は、前記生データに前記所定の処理の前記一部として空間変換処理を施して変換後データを生成し、前記変換後データに前記所定の処理の他部として後処理を施して後処理後データを生成し、前記後処理後データを前記医用診断データとして出力し、前記後処理の全てを施さずに、前記変換後データを前記規格化医用データとして出力する、
    請求項１記載の医用データ処理装置。
  3. 前記医用データは、医用画像診断装置により収集された、被検体に関する生データであり、
    前記出力部は、前記生データに前記所定の処理の前記一部として空間変換処理を施して変換後データを生成し、前記変換後データに前記所定の処理の他部として後処理の全てを施して第１の後処理後データを生成し、前記第１の後処理後データを前記医用診断データとして出力し、前記変換後データに前記後処理の一部を施して第２の後処理後データを生成し、前記第２の後処理後データを前記規格化医用データとして出力する、
    請求項１記載の医用データ処理装置。
  4. 前記医用データは、医用画像診断装置により収集された、被検体に関する生データであり、
    前記出力部は、前記生データに前記所定の処理の前記一部として空間変換処理を施して変換後データを生成し、前記変換後データに前記所定の処理の他部として、ユーザにより設定される第１のパラメータの後処理を施して画像処理後データを前記医用診断データとして出力し、前記変換後データに、機械学習のために規格化された第２のパラメータの前記後処理を施して前記規格化医用データを出力する、
    請求項１記載の医用データ処理装置。
  5. 前記医用データは、医用画像診断装置により収集された、被検体に関する生データであり、
    前記出力部は、前記生データに前記所定の処理の一部として前処理を施して前処理後データを生成し、前記前処理後データに前記所定の処理の他部として画像変換処理を施して前記医用診断データを出力し、前記生データに前記画像変換処理を施して前記規格化医用データを出力する、
    請求項１記載の医用データ処理装置。
  6. 前記出力部は、前記規格化医用データを暗号化する、請求項１記載の医用データ処理装置。
  7. 前記出力部は、前記医用診断データと前記規格化医用データとが格納された単一のＤＩＣＯＭファイルを出力する、請求項１記載の医用データ処理装置。
  8. 前記出力部は、前記規格化医用データを、機械学習用のコンピュータに自動的に送信する、請求項１記載の医用データ処理装置。
  9. 前記医用診断データと前記機械学習用のコンピュータからの機械学習の結果データとを表示する表示部を更に備える、請求項８記載の医用データ処理装置。
  10. 前記医用診断データの出力の可否及び／又は前記規格化医用データの出力の可否を選択するための画面を表示する表示部を更に備える、請求項１記載の医用データ処理装置。
  11. 前記出力部は、前記医用診断データに機械学習用でない旨の情報を付す及び／又は前記規格化医用データに機械学習用である旨の情報を付す、請求項１記載の医用データ処理装置。
  12. 医用データに対し所定の処理を施して医用診断データを出力すると共に、前記所定の処理の一部又は全てを施さずに、機械学習の学習データとして用いるために規格化された、前記医用データに基づく規格化医用データを出力する、
    ことを具備する医用データ処理方法。
JP2019113447A 2019-06-19 2019-06-19 医用データ処理装置及び医用データ処理方法 Active JP7334073B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2019113447A JP7334073B2 (ja) 2019-06-19 2019-06-19 医用データ処理装置及び医用データ処理方法
US16/894,208 US11587680B2 (en) 2019-06-19 2020-06-05 Medical data processing apparatus and medical data processing method
CN202010558126.6A CN112107313A (zh) 2019-06-19 2020-06-18 医用数据处理装置以及医用数据处理方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019113447A JP7334073B2 (ja) 2019-06-19 2019-06-19 医用データ処理装置及び医用データ処理方法

Publications (2)

Publication Number Publication Date
JP2020203018A JP2020203018A (ja) 2020-12-24
JP7334073B2 true JP7334073B2 (ja) 2023-08-28

Family

ID=73798999

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019113447A Active JP7334073B2 (ja) 2019-06-19 2019-06-19 医用データ処理装置及び医用データ処理方法

Country Status (3)

Country Link
US (1) US11587680B2 (ja)
JP (1) JP7334073B2 (ja)
CN (1) CN112107313A (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102475392B1 (ko) * 2021-03-25 2022-12-07 주식회사 에어스메디컬 의료 영상 복원 및 전송 시스템 및 그 방법
CN116611025B (zh) * 2023-05-19 2024-01-26 贵州师范大学 一种脉冲星候选信号的多模态特征融合方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010086449A (ja) 2008-10-02 2010-04-15 Konica Minolta Medical & Graphic Inc 情報処理装置
JP2016163609A (ja) 2015-03-06 2016-09-08 富士フイルム株式会社 分岐構造判定装置、方法およびプログラム
US20180144466A1 (en) 2016-11-23 2018-05-24 General Electric Company Deep learning medical systems and methods for image acquisition

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006212420A (ja) * 2005-01-06 2006-08-17 Toshiba Corp 画像診断システムおよび磁気共鳴イメージング装置
JP2006301965A (ja) 2005-04-20 2006-11-02 Canon Inc 情報処理装置、画像処理装置、画像処理システム及び方法、並びに記憶媒体
CN101252884A (zh) 2005-09-05 2008-08-27 柯尼卡美能达医疗印刷器材株式会社 图像处理方法和图像处理装置
US8712120B1 (en) * 2009-09-28 2014-04-29 Dr Systems, Inc. Rules-based approach to transferring and/or viewing medical images
US20130044927A1 (en) * 2011-08-15 2013-02-21 Ian Poole Image processing method and system
US11074495B2 (en) * 2013-02-28 2021-07-27 Z Advanced Computing, Inc. (Zac) System and method for extremely efficient image and pattern recognition and artificial intelligence platform
RU2568929C1 (ru) * 2014-04-30 2015-11-20 Самсунг Электроникс Ко., Лтд. Способ и система для быстрой реконструкции изображения мрт из недосемплированных данных
WO2017074505A1 (en) 2015-10-28 2017-05-04 Spectral Md, Inc. Reflective mode multi-spectral time-resolved optical imaging methods and apparatuses for tissue classification
JP6951117B2 (ja) * 2016-05-09 2021-10-20 キヤノンメディカルシステムズ株式会社 医用画像診断装置
WO2018018160A1 (en) * 2016-07-29 2018-02-01 Novadaq Technologies ULC Methods and systems for characterizing tissue of a subject utilizing machine learning
JP7005191B2 (ja) 2017-06-30 2022-01-21 キヤノンメディカルシステムズ株式会社 画像処理装置、医用画像診断装置、及びプログラム
EP3438869A1 (en) * 2017-08-02 2019-02-06 Koninklijke Philips N.V. Anonymizing data
US20190148006A1 (en) * 2017-11-15 2019-05-16 Medstreaming, Llc Registry and image data analytics (rida) system
US11457871B2 (en) * 2018-11-21 2022-10-04 Enlitic, Inc. Medical scan artifact detection system and methods for use therewith

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010086449A (ja) 2008-10-02 2010-04-15 Konica Minolta Medical & Graphic Inc 情報処理装置
JP2016163609A (ja) 2015-03-06 2016-09-08 富士フイルム株式会社 分岐構造判定装置、方法およびプログラム
US20180144466A1 (en) 2016-11-23 2018-05-24 General Electric Company Deep learning medical systems and methods for image acquisition

Also Published As

Publication number Publication date
CN112107313A (zh) 2020-12-22
JP2020203018A (ja) 2020-12-24
US20200402661A1 (en) 2020-12-24
US11587680B2 (en) 2023-02-21

Similar Documents

Publication Publication Date Title
JP7139474B2 (ja) 医用データ処理装置、ｘ線コンピュータ断層撮影装置及び学習済みモデル生成方法
JP2019208990A (ja) 医用画像診断装置
US10061488B2 (en) Medical imaging apparatus and method of displaying user interface image
JP5525797B2 (ja) 医用画像処理装置、超音波診断装置および医用画像処理方法
JP2024001297A (ja) 医用データ処理装置、医用画像診断装置、医用データ処理方法、および医用データ処理プログラム
JP2018134199A (ja) 医用撮像装置、画像処理方法及びプログラム
JP7334073B2 (ja) 医用データ処理装置及び医用データ処理方法
US20180235701A1 (en) Systems and methods for intervention guidance using pre-operative planning with ultrasound
JP2002143150A (ja) 画像表示方法及び装置
KR20150010860A (ko) 초음파 영상 장치 및 그 제어 방법
JP7098294B2 (ja) 医用情報処理装置
US20220273266A1 (en) Ultrasound diagnosis apparatus and image processing apparatus
US11587215B2 (en) Image processing device, image processing method, image processing program, image display device, image display method, and image display program
US11266377B2 (en) Support apparatus and support method
JP2019153180A (ja) 画像処理装置、３ｄ造形装置及びデータ構造
US11404159B2 (en) Medical information processing system and medical information processing apparatus
JP2022018415A (ja) 医用データ処理装置及び方法
KR20150087835A (ko) 의료 영상 처리 장치 및 그에 따른 의료 영상 처리 방법
JP2022186050A (ja) Ｘ線コンピュータ断層撮影装置、学習装置及び超音波診断装置

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220425

RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20230106

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230119

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230131

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230403

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: 20230718

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230816

R150 Certificate of patent or registration of utility model

Ref document number: 7334073

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150