JP7431317B2 - 文書作成支援装置、方法およびプログラム - Google Patents
文書作成支援装置、方法およびプログラム Download PDFInfo
- Publication number
- JP7431317B2 JP7431317B2 JP2022508379A JP2022508379A JP7431317B2 JP 7431317 B2 JP7431317 B2 JP 7431317B2 JP 2022508379 A JP2022508379 A JP 2022508379A JP 2022508379 A JP2022508379 A JP 2022508379A JP 7431317 B2 JP7431317 B2 JP 7431317B2
- Authority
- JP
- Japan
- Prior art keywords
- area
- description
- image
- images
- document creation
- 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
- 238000000034 method Methods 0.000 title claims description 41
- 238000009795 derivation Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 description 41
- 238000010586 diagram Methods 0.000 description 31
- 238000012545 processing Methods 0.000 description 28
- 238000003384 imaging method Methods 0.000 description 17
- 210000004072 lung Anatomy 0.000 description 14
- 238000013528 artificial neural network Methods 0.000 description 11
- 230000000306 recurrent effect Effects 0.000 description 11
- 238000013527 convolutional neural network Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 238000002591 computed tomography Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000003745 diagnosis Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000002595 magnetic resonance imaging Methods 0.000 description 6
- 238000012549 training Methods 0.000 description 6
- 238000012546 transfer Methods 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 3
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000003902 lesion Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000002308 calcification Effects 0.000 description 2
- 230000009545 invasion Effects 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000002685 pulmonary effect Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 239000002872 contrast media Substances 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 239000005337 ground glass Substances 0.000 description 1
- 210000002216 heart Anatomy 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 210000004224 pleura Anatomy 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
Classifications
-
- 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
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- 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
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based 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
- 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
- G16H50/30—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
- G16H50/70—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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Quality & Reliability (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Description
本開示は、文書作成支援装置、方法およびプログラムに関する。
近年、ＣＴ(Computed Tomography)装置およびＭＲＩ（Magnetic Resonance Imaging）装置等の医療機器の進歩により、より質の高い高解像度の医用画像を用いた画像診断が可能となってきている。とくに、ＣＴ画像およびＭＲＩ画像等を用いた画像診断により、病変の領域の特定および解析を精度よく行うことができるため、適切な治療を実施できるようになってきている。
また、ディープラーニング等により機械学習がなされた学習モデルを用いたＣＡＤ（Computer-Aided Diagnosis）により医用画像を解析して、医用画像に含まれる異常陰影等の関心構造の形状、濃度、位置および大きさ等の性状を判別し、これらを解析結果として取得することも行われている。ＣＡＤにより取得された解析結果は、患者名、性別、年齢および医用画像を取得したモダリティ等の検査情報と対応づけられて、データベースに保存される。医用画像および解析結果は、医用画像の読影を行う読影医の端末に送信される。読影医は、自身の端末において、送信された医用画像および解析結果を参照して医用画像の読影を行い、読影レポートを作成する。
一方、上述したＣＴ装置およびＭＲＩ装置の高性能化に伴い、読影を行う医用画像の数も増大している。しかしながら、読影医の数は医用画像の数に追いついていないことから、読影医の読影業務の負担を軽減することが望まれている。このため、読影レポート等の医療文書の作成を支援するための各種手法が提案されている。例えば、特開２０１９－１５３２５０号公報には、読影医が入力したキーワードおよび医用画像の解析結果に含まれる、関心構造の性状を表す情報（以下、性状情報とする）に基づいて、読影レポートに記載するための文章を自動で生成する手法が提案されている。特開２０１９－１５３２５０号公報に記載された手法においては、入力された性状情報を表す文字から文章を生成するように学習が行われたリカレントニューラルネットワーク等の機械学習がなされた学習モデルを用いて、医療用の文章（以下、医療文章とする）が作成される。特開２０１９－１５３２５０号公報に記載された手法のように、医療文章を自動で生成することにより、読影レポート等の医療文書を作成する際の読影医の負担を軽減することができる。
ところで、患者の経過観察を行う際には、患者の最新の医用画像に基づく読影レポートを作成する際に、過去の医用画像の読影レポートを参照することが多い。このような過去の読影レポートの参照を容易に行うために、同一患者の過去画像を特定し、過去画像に対応づけられた所見情報を取得する手法が提案されている（特開２０１７－２０４０４１号公報参照）。また、同一患者についての同一部位の過去画像が存在する場合、その部位についての現在の画像と過去の画像を同時に表示し、さらにその領域についての所見情報が存在する場合にその所見情報を送信する手法が提案されている（特開２０１１－０２４６２２号公報参照）。また、現在の医用画像についての読影レポートと、過去の医用画像についての読影レポートとを同時に表示する手法が提案されている（特開２０１７－１８９３９０号公報参照）。
一方、ある患者の医用画像に含まれる異常陰影についての所見を記述した読影レポートを作成する場合において、同一患者の過去画像および対応する所見を記述した読影レポート等の文章が複数存在する場合がある。このような場合、過去画像についての読影レポート等の文章を参照できれば、現在の医用画像に含まれる異常陰影についての所見を含む読影レポートを効率よく作成することができる。
本開示は上記事情に鑑みなされたものであり、撮影時期が異なる画像が複数ある場合に、その画像についての文章を効率よく参照できるようにすることを目的とする。
本開示による文書作成支援装置は、少なくとも１つのプロセッサを備え、
プロセッサは、
被写体の第１の画像において特定された第１の領域に関して、第１の画像と撮影時期が異なる被写体の複数の第２の画像のそれぞれにおいて、第１の領域に対応する第２の領域を特定し、
複数の第２の画像のそれぞれに関連する複数の文章に含まれる、特定された第２の領域に関する第２の記述を特定し、
複数の第２の画像のそれぞれについて特定した複数の第２の記述を、切り替え可能に表示するように構成される。
プロセッサは、
被写体の第１の画像において特定された第１の領域に関して、第１の画像と撮影時期が異なる被写体の複数の第２の画像のそれぞれにおいて、第１の領域に対応する第２の領域を特定し、
複数の第２の画像のそれぞれに関連する複数の文章に含まれる、特定された第２の領域に関する第２の記述を特定し、
複数の第２の画像のそれぞれについて特定した複数の第２の記述を、切り替え可能に表示するように構成される。
なお、本開示による文書作成支援装置においては、プロセッサは、第１の領域に関する文章を記述するための記述領域をさらに表示するように構成されるものであってもよい。
また、本開示による文書作成支援装置においては、プロセッサは、記述領域に複数の第２の記述のうちの少なくとも１つを転記するように構成されるものであってもよい。
また、本開示による文書作成支援装置においては、プロセッサは、第１の領域を解析して、第１の領域に関する第１の記述を生成し、
第１の記述を記述領域に表示するように構成されるものであってもよい。
第１の記述を記述領域に表示するように構成されるものであってもよい。
また、本開示による文書作成支援装置においては、プロセッサは、第１の記述に含まれる第１の領域に関する性状と、複数の第２の画像のそれぞれについて特定した第２の記述に含まれる第２の領域に関する性状との相違を導出し
第１の記述に含まれる性状と第２の記述に含まれる性状との相違を視認可能に表示するように構成されるものであってもよい。
第１の記述に含まれる性状と第２の記述に含まれる性状との相違を視認可能に表示するように構成されるものであってもよい。
また、本開示による文書作成支援装置においては、プロセッサは、第１の領域と第２の領域との相違を導出するように構成されるものであってもよい。
また、本開示による文書作成支援装置においては、プロセッサは、相違が導出された場合に、第２の記述を表示するように構成されるものであってもよい。
また、本開示による文書作成支援装置においては、プロセッサは、相違が導出されなかった場合に、相違が導出されなかったことを通知するように構成されるものであってもよい。
本開示による文書作成支援方法は、被写体の第１の画像において特定された第１の領域に関して、第１の画像と撮影時期が異なる被写体の複数の第２の画像のそれぞれにおいて、第１の領域に対応する第２の領域を特定し、
複数の第２の画像のそれぞれに関連する複数の文章に含まれる、特定された第２の領域に関する第２の記述を特定し、
複数の第２の画像のそれぞれについて特定した複数の第２の記述を、切り替え可能に表示する。
複数の第２の画像のそれぞれに関連する複数の文章に含まれる、特定された第２の領域に関する第２の記述を特定し、
複数の第２の画像のそれぞれについて特定した複数の第２の記述を、切り替え可能に表示する。
なお、本開示による文書作成支援方法をコンピュータに実行させるためのプログラムとして提供してもよい。
本開示によれば、撮影時期が異なる画像が複数ある場合に、その画像についての文章を効率よく参照できる。
以下、図面を参照して本開示の実施形態について説明する。まず、本実施形態による文書作成支援装置を適用した医療情報システム１の構成について説明する。図１は、医療情報システム１の概略構成を示す図である。図１に示す医療情報システム１は、公知のオーダリングシステムを用いた診療科の医師からの検査オーダに基づいて、被写体の検査対象部位の撮影、撮影により取得された医用画像の保管、読影医による医用画像の読影と読影レポートの作成、および依頼元の診療科の医師による読影レポートの閲覧と読影対象の医用画像の詳細観察とを行うためのシステムである。
図１に示すように、医療情報システム１は、複数の撮影装置２、読影端末である複数の読影ＷＳ（WorkStation）３、診療ＷＳ４、画像サーバ５、画像データベース（以下、画像ＤＢ（DataBase）とする）６、レポートサーバ７およびレポートデータベース（以下レポートＤＢとする）８が、有線または無線のネットワーク１０を介して互いに通信可能な状態で接続されて構成されている。
各機器は、医療情報システム１の構成要素として機能させるためのアプリケーションプログラムがインストールされたコンピュータである。アプリケーションプログラムは、ＤＶＤ（Digital Versatile Disc）およびＣＤ－ＲＯＭ（Compact Disc Read Only Memory）等の記録媒体に記録されて配布され、その記録媒体からコンピュータにインストールされる。または、ネットワーク１０に接続されたサーバコンピュータの記憶装置、若しくはネットワークストレージに、外部からアクセス可能な状態で記憶され、要求に応じてコンピュータにダウンロードされ、インストールされる。
撮影装置２は、被写体の診断対象となる部位を撮影することにより、診断対象部位を表す医用画像を生成する装置（モダリティ）である。具体的には、単純Ｘ線撮影装置、ＣＴ装置、ＭＲＩ装置、およびＰＥＴ（Positron Emission Tomography)装置等である。撮影装置２により生成された医用画像は画像サーバ５に送信され、画像ＤＢ６に保存される。
読影ＷＳ３は、例えば放射線科の読影医が、医用画像の読影および読影レポートの作成等に利用するコンピュータであり、本実施形態による文書作成支援装置２０を内包する。読影ＷＳ３では、画像サーバ５に対する医用画像の閲覧要求、画像サーバ５から受信した医用画像に対する各種画像処理、医用画像の表示、および医用画像に関する所見文の入力受け付け等が行われる。また、読影ＷＳ３では、医用画像および入力された所見文に対する解析処理、解析結果に基づく読影レポートの作成の支援、レポートサーバ７に対する読影レポートの登録要求と閲覧要求、およびレポートサーバ７から受信した読影レポートの表示が行われる。これらの処理は、読影ＷＳ３が各処理のためのソフトウェアプログラムを実行することにより行われる。
診療ＷＳ４は、診療科の医師が、画像の詳細観察、読影レポートの閲覧、および電子カルテの作成等に利用するコンピュータであり、処理装置、ディスプレイ等の表示装置、並びにキーボードおよびマウス等の入力装置により構成される。診療ＷＳ４では、画像サーバ５に対する画像の閲覧要求、画像サーバ５から受信した画像の表示、レポートサーバ７に対する読影レポートの閲覧要求、およびレポートサーバ７から受信した読影レポートの表示が行われる。これらの処理は、診療ＷＳ４が各処理のためのソフトウェアプログラムを実行することにより行われる。
画像サーバ５は、汎用のコンピュータにデータベース管理システム（DataBase Management System: DBMS）の機能を提供するソフトウェアプログラムがインストールされたものである。また、画像サーバ５は画像ＤＢ６が構成されるストレージを備えている。このストレージは、画像サーバ５とデータバスとによって接続されたハードディスク装置であってもよいし、ネットワーク１０に接続されているＮＡＳ（Network Attached Storage）およびＳＡＮ（Storage Area Network）に接続されたディスク装置であってもよい。また、画像サーバ５は、撮影装置２からの医用画像の登録要求を受け付けると、その医用画像をデータベース用のフォーマットに整えて画像ＤＢ６に登録する。なお、本実施形態においては、疾患に応じた診断ガイドラインも画像サーバ５に保存されているものとするが、これに限定されるものではない。
画像ＤＢ６には、撮影装置２において取得された医用画像の画像データと付帯情報とが登録される。付帯情報には、例えば、個々の医用画像を識別するための画像ＩＤ(identification)、被写体を識別するための患者ＩＤ、検査を識別するための検査ＩＤ、医用画像毎に割り振られるユニークなＩＤ（ＵＩＤ：unique identification）、医用画像が生成された検査日、検査時刻、医用画像を取得するための検査で使用された撮影装置の種類、患者氏名、年齢、性別等の患者情報、検査部位（撮影部位）、撮影情報（撮影プロトコル、撮影シーケンス、撮像手法、撮影条件、造影剤の使用等）、１回の検査で複数の医用画像を取得した場合のシリーズ番号あるいは採取番号等の情報が含まれる。
また、画像サーバ５は、読影ＷＳ３および診療ＷＳ４からの閲覧要求をネットワーク１０経由で受信すると、画像ＤＢ６に登録されている医用画像を検索し、検索された医用画像を要求元の読影ＷＳ３および診療ＷＳ４に送信する。
レポートサーバ７には、汎用のコンピュータにデータベース管理システムの機能を提供するソフトウェアプログラムが組み込まれる。レポートサーバ７は、読影ＷＳ３からの読影レポートの登録要求を受け付けると、その読影レポートをデータベース用のフォーマットに整えてレポートＤＢ８に登録する。
レポートＤＢ８には、読影医が読影ＷＳ３を用いて作成した所見文を少なくとも含む読影レポートが登録される。読影レポートは、例えば、読影対象の医用画像、医用画像を識別する画像ＩＤ、読影を行った読影医を識別するための読影医ＩＤ、病変名、病変の位置情報、特定領域を含む医用画像にアクセスするための情報、および性状情報等の情報を含んでいてもよい。
また、レポートサーバ７は、読影ＷＳ３および診療ＷＳ４からの読影レポートの閲覧要求をネットワーク１０経由で受信すると、レポートＤＢ８に登録されている読影レポートを検索し、検索された読影レポートを要求元の読影ＷＳ３および診療ＷＳ４に送信する。
なお、本実施形態においては、医用画像は診断対象を肺とした、複数の断層画像からなる３次元のＣＴ画像とし、読影ＷＳ３においてＣＴ画像を読影することにより、肺に含まれる異常陰影についての読影レポートを作成するものとする。なお、医用画像はＣＴ画像に限定されるものではなく、ＭＲＩ画像および単純Ｘ線撮影装置により取得された単純２次元画像等の任意の医用画像を用いることができる。
ネットワーク１０は、病院内の各種機器を接続する有線または無線のローカルエリアネットワークである。読影ＷＳ３が他の病院あるいは診療所に設置されている場合には、ネットワーク１０は、各病院のローカルエリアネットワーク同士をインターネットまたは専用回線で接続した構成としてもよい。
次いで、本開示の第１の実施形態による文書作成支援装置について説明する。図２は、第１の実施形態による文書作成支援装置のハードウェア構成を説明する。図２に示すように、文書作成支援装置２０は、ＣＰＵ（Central Processing Unit）１１、不揮発性のストレージ１３、および一時記憶領域としてのメモリ１６を含む。また、文書作成支援装置２０は、液晶ディスプレイ等のディスプレイ１４、キーボードとマウス等の入力デバイス１５、およびネットワーク１０に接続されるネットワークＩ／Ｆ（InterFace）１７を含む。ＣＰＵ１１、ストレージ１３、ディスプレイ１４、入力デバイス１５、メモリ１６およびネットワークＩ／Ｆ１７は、バス１８に接続される。なお、ＣＰＵ１１は、本開示におけるプロセッサの一例である。
ストレージ１３は、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、およびフラッシュメモリ等によって実現される。記憶媒体としてのストレージ１３には、文書作成支援プログラム１２が記憶される。ＣＰＵ１１は、ストレージ１３から文書作成支援プログラムを読み出してからメモリ１６に展開し、展開した文書作成支援プログラム１２を実行する。
次いで、第１の実施形態による文書作成支援装置の機能的な構成を説明する。図３は、第１の実施形態による文書作成支援装置の機能的な構成を示す図である。図３に示すように、第１の実施形態による文書作成支援装置２０は、取得部２１、領域特定部２２、記述特定部２３、表示制御部２４、保存制御部２５および通信部２６を備える。そして、ＣＰＵ１１が、文書作成支援プログラムを実行することにより、ＣＰＵ１１は、取得部２１、領域特定部２２、記述特定部２３、表示制御部２４、保存制御部２５および通信部２６として機能する。
取得部２１は、操作者である読影医による入力デバイス１５からの指示により、画像サーバ５から読影レポートを作成するための第１の医用画像Ｇ１を取得する。また、取得部２１は、第１の医用画像Ｇ１を取得した患者についての、第１の医用画像Ｇ１よりも撮影時期が前の複数の第２の医用画像Ｇ２－ｉ（ｉ＝２～ｎ、ｎは第２の医用画像の数であり、ｎが大きいほど撮影時期が古い）を、画像サーバ５から取得する。また、取得部２１は、レポートサーバ７から、複数の第２の医用画像Ｇ２－ｉについての読影レポートＲ２－ｉを取得する。取得した第１の医用画像Ｇ１および第２の医用画像Ｇ２－ｉ、並びに読影レポートＲ２－ｉは、ストレージ１３に保存される。
領域特定部２２は、被写体の第１の医用画像Ｇ１において特定された第１の領域に関して、複数の第２の医用画像のそれぞれにおいて、第１の領域に対応する第２の領域を特定する。このために、領域特定部２２は、医用画像に含まれる肺についての異常陰影を検出するように学習がなされた学習モデル２２Ａを有する。
学習モデル２２Ａは、例えば医用画像における各画素（ボクセル）が異常陰影を表すものであるか否かを判別するように、教師データを用いてディープラーニング（深層学習）がなされた畳み込みニューラルネットワーク（ＣＮＮ(Convolutional Neural Network)）からなる。
学習モデル２２Ａは、例えば、異常陰影を含む医用画像と、その医用画像における異常陰影の位置を表す正解データの組み合わせを教師データとして用いた機械学習によって構築される。学習モデル２２Ａは、医用画像が入力されると、入力された医用画像に各画素が異常陰影であることのスコアを出力する。スコアは、医用画像における異常陰影の顕著性を示すスコアである。スコアは例えば０以上１以下の値をとり、スコアの値が大きい程、その異常陰影である可能性が高いことを示す。そして、学習モデル２２Ａは、スコアが予め定められたしきい値（例えば０．５）以上となる画素を異常陰影の画素として抽出する。
領域特定部２２は、学習モデル２２Ａにより、第１の医用画像Ｇ１における異常陰影の領域を第１の領域Ａ１として特定する。なお、異常陰影が複数特定される場合があるが、ここでは説明のために第１の医用画像Ｇ１において１つの第１の領域Ａ１が特定されたものとする。
領域特定部２２は、第１の医用画像Ｇ１において特定した第１の領域Ａ１に対応する第２の領域Ａ２－ｉを、複数の第２の医用画像Ｇ２－ｉのそれぞれにおいて特定する。この際、領域特定部２２は、複数の医用画像Ｇ２－ｉのそれぞれについて学習モデル２２Ａにより第２の領域Ａ２－ｉを特定すればよい。また、第２の医用画像Ｇ２－ｉについては、異常陰影がすでに特定されており、特定した異常陰影の位置を表す情報が第２の医用画像Ｇ２－ｉと併せて画像サーバ５に保存されている場合がある。このような場合は、取得部２１により、第２の医用画像Ｇ２－ｉと併せて、異常陰影の位置を表す情報を取得し、その情報を用いて第２の医用画像Ｇ２－ｉにおける第２の領域Ａ２－ｉを特定するようにしてもよい。
図４は医用画像において特定された領域を示す図である。図４に示すように、第１の医用画像Ｇ１においては、第１の領域Ａ１が特定されている。また、２つの第２の医用画像Ｇ２－１，Ｇ２－２においては、それぞれ第２の領域Ａ２－１，Ａ２－２が特定されている。なお、図４に示すように、第１の医用画像Ｇ１および第２の医用画像Ｇ２－１，Ｇ２－２において、撮影時期が新しいほど特定された領域が大きくなっている。
記述特定部２３は、複数の第２の医用画像Ｇ２－ｉのそれぞれに関連する複数の文章における、特定された第２の領域Ａ２－ｉに関する第２の記述を特定する。本実施形態においては、複数の第２の医用画像Ｇ２－ｉのそれぞれに対して読影レポートＲ２－ｉが作成されており、取得部２１により取得されてストレージ１３に保存されている。記述特定部２３は、複数の第２の医用画像Ｇ２－ｉのそれぞれについて、対応する読影レポートＲ２－ｉに含まれる複数の記述のうち、第２の領域Ａ２－ｉに関する第２の記述を特定する。このために、記述特定部２３は、医用画像に含まれる異常陰影についての性状を、予め定められた複数の性状項目のそれぞれについて判別するように学習がなされた学習モデル２３Ａを有する。
ここで、異常陰影について特定される性状項目の例として、異常陰影の場所、異常陰影のサイズ、境界の形状（明瞭および不整形）、吸収値の種類（充実型およびスリガラス型）、スピキュラの有無、腫瘤か結節か、胸膜接触の有無、胸膜陥入の有無、胸膜浸潤の有無、空洞の有無、および石灰化の有無等が挙げられる。
本実施形態においては、学習モデル２３Ａは、医用画像における異常陰影の性状を判別するように、教師データを用いてディープラーニング（深層学習）がなされた畳み込みニューラルネットワークからなる。
学習モデル２３Ａは、例えば、異常陰影を含む医用画像と、異常陰影の性状を表す性状ラベルとの複数の組み合わせを教師データとして用いた機械学習によって学習される。学習モデル２３Ａは、医用画像が入力されると、医用画像に含まれる異常陰影における、性状項目毎に導出される性状スコアを出力する。性状スコアは、各性状項目についての性状の顕著性を示すスコアである。性状スコアは例えば０以上１以下の値をとり、性状スコアの値が大きい程、その性状が顕著であることを示す。
例えば異常陰影の性状項目の１つである「スピキュラの有無」についての性状スコアが例えば０．５以上である場合、異常陰影の「スピキュラの有無」についての性状が「スピキュラ有り（陽性）」であることを特定し、「スピキュラの有無」についての性状スコアが例えば０．５未満である場合、異常陰影のスピキュラの有無についての性状が「スピキュラ無し（陰性）」であることを特定する。なお、性状判定に用いるしきい値０．５は、例示に過ぎず、性状項目毎に適切な値に設定される。
図５は記述特定部２３が特定した性状情報の例を説明するための図である。図５に示すように記述特定部２３が特定した性状情報３０においては、各性状項目についての性状は、「左肺胸膜下」、「４．２ｃｍ」、「不整形」、「充実型」、「スピキュラ有」、「腫瘤」、「胸膜接触有」、「胸膜陥入有」、「胸膜浸潤無」、「空洞無」および「石灰化無」となっている。図５においては、「有り」すなわち陽性の場合は＋、「無し」すなわち陰性の場合は－を付与している。
さらに、記述特定部２３は、第２の領域Ａ２－ｉについて抽出した性状情報３０に基づいて、読影レポートＲ２－ｉに含まれる、第２の領域Ａ２－ｉに関する第２の記述Ｄ２－ｉを特定する。
図６は、第２の記述の特定を説明するための図である。なお、図６においては、１つの第２の医用画像Ｇ２－１についての第２の記述の抽出について説明する。図６に示すように、第２の医用画像Ｇ２－１についての読影レポートＲ２－１は、複数の場所に存在する複数の異常陰影についての複数の記述を含む。一方、第２の医用画像Ｇ２－１に含まれる第２の領域Ａ２－１についての性状情報３１は「腫瘤、空洞有」である。このため、記述特定部２３は、読影レポートＲ２－ｉに含まれる複数の記述のうち、性状情報３１に関連する「右肺Ｓ６の腫瘤影は６．５×４ｃｍ程度で、増大しています。腫瘤の中心部の空洞も前回より拡大しています。」の記述を、第２の記述Ｄ２－１に特定する。
なお、本実施形態においては、複数の第２の医用画像Ｇ２－ｉおよび複数の第２の医用画像Ｇ２－ｉのそれぞれについての複数の第２の読影レポートＲ２－ｉが取得されている。このため、記述特定部２３は、複数の第２の読影レポートＲ２－ｉのそれぞれから、第２の領域Ａ２－ｉのそれぞれに関する第２の記述Ｄ２－ｉを特定する。なお、１つの読影レポートＲ２－ｉにおいて、１つの第２の記述のみならず、複数の第２の記述Ｄ２－ｉが特定される場合もあるものとする。
なお、学習モデル２３Ａとしては、畳み込みニューラルネットワークの他、例えばサポートベクタマシンおよびリカレントニューラルネットワーク等の任意の学習モデルを用いることができる。
また、記述特定部２３は、学習モデル２３Ａにより記述を特定するものに限定されるものではない。腫瘤のサイズ、および診断ガイドラインに含まれる項目をキーワードとして、第２の読影レポートＲ２－ｉを検索することにより、第２の記述Ｄ２－ｉを特定するものであってもよい。
表示制御部２４は、複数の第２の医用画像Ｇ２－ｉのそれぞれについて特定した複数の第２の記述Ｄ２－ｉを、ディスプレイ１４に切り替え可能に表示する。図７は第１の実施形態における表示画面を示す図である。図７に示すように、表示画面５０は、画像表示領域５１および文章表示領域５２を含む。画像表示領域５１には、第１の医用画像Ｇ１が表示され、第１の医用画像Ｇ１の下方に複数の第２の医用画像Ｇ２－ｉが切り替え可能に表示される。図７においては、図４に示す第２の医用画像Ｇ２－１が表示されている。また、第１の医用画像Ｇ１および第２の医用画像Ｇ２－ｉの上方には、各医用画像の撮影日時が表示される。第１の医用画像Ｇ１および第２の医用画像Ｇ２－ｉの下方には、第１の医用画像Ｇ１について表示される断層画像を切り替えるための第１の切り替えボタン５３Ａ，５３Ｂが表示されている。
第２の医用画像Ｇ２－ｉの切り替え表示は、後述する第２の切り替えボタン５６Ａ，５６Ｂを選択することにより行うことができる。
文章表示領域５２には、第１の医用画像Ｇ１についての読影レポートを記述するための第１の記述領域５４、および画像表示領域５１に表示中の第２の医用画像Ｇ２－ｉについての第２の記述Ｄ２－ｉを表示するための第２の記述領域５５を有する。第２の記述領域５５には、第２の医用画像Ｇ２－ｉについての第２の記述Ｄ２－ｉが切り替え可能に表示される。なお、図７においては、第２の記述領域５５には、第２の医用画像Ｇ２－１についての第２の記述Ｄ２－１が表示されている。
第２の記述Ｄ２－ｉの切り替え表示は、文章表示領域５２の下方に表示された切り替えボタン５６Ａ，５６Ｂを選択することにより行うことができる。また、これに連動して、画像表示領域５１に表示される第２の医用画像Ｇ２－ｉも切り替えられる。すなわち、左向きの切り替えボタン５６Ａを選択することにより、画像表示領域５１に表示される第２の医用画像Ｇ２－ｉの撮影日時が新しくなり、かつ第２の記述領域５５に表示される第２の記述Ｄ２－ｉが表示された第２の医用画像Ｇ２－ｉに対応したものとなる。また、右向きの切り替えボタン５６Ｂを選択することにより、画像表示領域５１に表示される第２の医用画像Ｇ２－ｉの撮影日時が古くなり、かつ第２の記述領域５５に表示される第２の記述Ｄ２－ｉが表示された第２の医用画像Ｇ２－ｉに対応したものとなる。
図８は、第２の記述が切り替えられた表示画面を示す図である。図８に示すように、第２の記述領域５５には第２の記述Ｄ２－１に代えて、第２の記述Ｄ２－２が表示され、画像表示領域５１の下側の領域には、第２の医用画像Ｇ２－１に代えて第２の医用画像Ｇ２－２が表示されている。
なお、初期状態においては、撮影日時が最も新しい第２の医用画像Ｇ２－１および第２の医用画像Ｇ２－１についての第２の記述Ｄ２－１が表示されるものとする。
読影医は、画像表示領域５１に表示された第２の医用画像Ｇ２－ｉおよび文章表示領域５２に表示された第２の記述Ｄ２－ｉを参考に、第１の記述領域５４に、第１の医用画像Ｇ１についての所見を記述する。そして、所見を記述した後、確定ボタン５７を選択する。
ここで、図７および図８においては、第１の記述領域５４には初期状態において何も記述されていない。しかしながら、図９に示すように、初期状態で表示された第２の医用画像Ｇ２－１についての第２の記述Ｄ２－１を第１の記述領域５４に転記しておいてもよい。この場合、表示される第２の記述Ｄ２－ｉが切り替え表示されると、第１の記述領域５４に転記される記述も切り替えるようにしてもよい。これにより、第１の医用画像Ｇ１についての所見文を生成する際に、第２の記述Ｄ２－１を転用することが容易となるため、第１の医用画像Ｇ１についての所見文の作成を容易に行うことができる。
保存制御部２５は、操作者による確定ボタン５７の選択により、第１の記述領域５４に記述された所見文を含む読影レポート、および読影レポートを生成する際に参照した第１の医用画像Ｇ１を併せて、ストレージ１３に保存する。
通信部２６は、第１の記述領域５４に記述された所見文を含む読影レポート、および読影レポートを生成する際に参照した第１の医用画像Ｇ１を併せて、ネットワークＩ／Ｆ１７を介してレポートサーバ７に転送する。レポートサーバ７は、第１の記述領域５４に記述された所見文を含む読影レポート、および読影レポートを生成する際に参照した第１の医用画像Ｇ１を併せて保存する。
次いで、第１の実施形態において行われる処理について説明する。図１０は第１の実施形態において行われる処理を示すフローチャートである。なお、読影の対象となる第１の医用画像Ｇ１、複数の第２の医用画像Ｇ２－ｉおよび複数の読影レポートＲ２－ｉは、取得部２１により画像サーバ５およびレポートサーバ７から取得されて、ストレージ１３に保存されているものとする。読影レポートの作成の指示が読影医により行われることにより処理が開始され、領域特定部２２は、第１の医用画像Ｇ１および複数の第２の医用画像Ｇ２－ｉを解析することにより、異常陰影である第１の領域Ａ１および第２の領域Ａ２－ｉを特定する（領域特定；ステップＳＴ１）。
次いで、記述特定部２３は、複数の第２の医用画像Ｇ２－ｉのそれぞれに関連する第２の読影レポートＲ２－ｉにおける、特定された第２の領域Ａ２－ｉに関する第２の記述Ｄ２－ｉを特定する（ステップＳＴ２）。
そして、表示制御部２４は、複数の第２の医用画像Ｇ２－１のそれぞれについて特定した複数の第２の記述Ｄ２－ｉを、ディスプレイ１４に切り替え可能に表示する（ステップＳＴ３）。この状態において、読影医は、第１の記述領域５４に第１の医用画像Ｇ１についての所見文を記述することができる。
一方、表示制御部２４は、第２の切り替えボタン５６Ａ，５６Ｂが選択されたか否かを判定する（ステップＳＴ４）。ステップＳＴ４が肯定されると、表示制御部２４は、画像表示領域５１に表示する第２の医用画像Ｇ２－ｉおよび文章表示領域５２に表示する第２の記述Ｄ２－ｉを切り替え（表示切り替え；ステップＳＴ５）、ステップＳＴ４に戻る。ステップＳＴ４が否定されると、表示制御部２４は、第１の切り替えボタン５３Ａ，５３Ｂが選択されたか否かを判定する（ステップＳＴ６）。ステップＳＴ６が肯定されると、表示制御部２４は、第１の医用画像Ｇ１について、画像表示領域５１に表示する断層画像を切り替え（ステップＳＴ７）、ステップＳＴ１に戻る。ステップＳＴ６が否定されると、確定ボタン５７が選択されたか否かを判定する（ステップＳＴ８）。ステップＳＴ８が否定されるとステップＳＴ４に戻る。
ステップＳＴ８が肯定されると、保存制御部２５は、第１の医用画像Ｇ１についての第１の読影レポートＲ１および第１の医用画像Ｇ１を併せて、ストレージ１３に保存する（読影レポート等保存；ステップＳＴ９）。そして、通信部２６が、第１の読影レポートＲ１および第１の医用画像Ｇ１を併せて、ネットワークＩ／Ｆ１７を介してレポートサーバ７に転送し（読影レポート等転送；ステップＳＴ１０）、処理を終了する。
ここで、ある患者の最新の医用画像を読影して読影レポートを作成するに際し、同一の患者についての過去の複数の医用画像（第２の医用画像Ｇ２－ｉ）のそれぞれについての複数の読影レポート（第２の読影レポートＲ２－ｉ）が存在する場合がある。このような場合、過去画像（すなわち第２の医用画像Ｇ２－ｉ）についての読影レポートに含まれる、異常陰影についての記述を参照できれば、現在の医用画像（すなわち第１の医用画像Ｇ１）に含まれる異常陰影についての所見を含む読影レポートを効率よく作成することができる。
第１の実施形態においては、第１の医用画像Ｇ１についての読影レポートＲ１を作成する際に、複数の医用画像Ｇ２－ｉについての第２の読影レポートＲ２－ｉに含まれる第２の記述Ｄ２－ｉを切り替え可能に表示するようにした。このため、同一患者について、撮影時期が異なる画像が複数ある場合に、その過去画像についての読影レポートＲ２－ｉに含まれる第２の記述Ｄ２－ｉを効率よく参照できる。したがって、第１の医用画像Ｇ１についての読影レポートＲ１の作成を効率よく行うことができる。
次いで、本開示の第２の実施形態について説明する。図１１は第２の実施形態による文書作成支援装置の機能的な構成を示す図である。なお、図１１において図３と同一の構成については同一の参照番号を付与し、詳細な説明は省略する。図１１に示すように、第２の実施形態による文書作成支援装置２０Ａは、文章生成部２７をさらに備えた点が第１の実施形態と異なる。
文章生成部２７は、領域特定部２２が第１の医用画像Ｇ１において特定した第１の領域Ａ１を解析して、第１の領域Ａ１に関する第１の記述Ｄ１を生成する。このために、文章生成部２７は、第１の領域Ａ１の性状を、予め定められた複数の性状項目のそれぞれについて判別するための学習モデル２７Ａを有する。学習モデル２７Ａは、記述特定部２３が有する学習モデル２３Ａと同様に学習がなされた畳み込みニューラルネットワークからなる。学習モデル２７Ａは、第１の領域Ａ１が入力されると、第１の領域Ａ１についての性状を表す性状情報を出力する。
また、文章生成部２７は、導出した性状情報を用いて所見文を生成する。このため、文章生成部２７は、入力された性状情報から文章を生成するように学習が行われた学習モデル２７Ｂを有する。学習モデル２７Ｂとしては、例えばリカレントニューラルネットワークを用いることができる。図１２はリカレントニューラルネットワークの模式的な構成を示す図である。図１２に示すように、リカレントニューラルネットワーク４０は、エンコーダ４１およびデコーダ４２からなる。エンコーダ４１には、学習モデル２７Ａが出力した性状情報が入力される。例えば、エンコーダ４１には、「左肺胸膜下」、「４．２ｃｍ」、「スピキュラ＋」および「腫瘤」の性状情報が入力される。デコーダ４２は、文字情報を文章化するように学習がなされており、入力された性状情報から文章を生成する。具体的には、上述した「左肺胸膜下」、「４．２ｃｍ」、「スピキュラ＋」および「腫瘤」の性状情報から、「左肺胸膜下にスピキュラを有する４．２ｃｍ径の腫瘤が認められます。」の医療文章を生成する。なお、図１２において「ＥＯＳ」は文章の終わりを示す（End Of Sentence）。
このように、性状情報の入力によって所見文を出力するために、リカレントニューラルネットワーク４０は、性状情報と所見文との組み合わせからなる多数の教師データを用いてエンコーダ４１およびデコーダ４２を学習することにより構築されてなる。なお、図１２に示す生成された文章は肺結節についての所見を表すものであり、肺結節の性状情報を入力として学習モデルを学習することにより生成される。
第２の実施形態においては、表示制御部２４は、文章生成部２７が生成した文章、すなわち所見文を第１の記述領域５４に表示する。図１３は第２の実施形態における表示画面を示す図である。なお、図１３において図７と同一の構成については同一の参照番号を付与し、詳細な説明は省略する。図１３に示すように、第２の実施形態における表示画面５０Ａは、初期状態において第１の記述領域５４に第１の医用画像Ｇ１に含まれる第１の領域Ａ１に関する所見文が、第１の記述Ｄ１として表示されている。
次いで、第２の実施形態において行われる処理について説明する。図１４は第２の実施形態において行われる処理を示すフローチャートである。なお、読影の対象となる第１の医用画像Ｇ１、複数の第２の医用画像Ｇ２－ｉおよび複数の読影レポートＲ２－ｉは、取得部２１により画像サーバ５およびレポートサーバ７から取得されて、ストレージ１３に保存されているものとする。読影レポートの作成の指示が読影医により行われることにより処理が開始され、領域特定部２２は、第１の医用画像Ｇ１および複数の第２の医用画像Ｇ２－ｉを解析することにより、異常陰影である第１の領域Ａ１および第２の領域Ａ２－ｉを特定する（領域特定；ステップＳＴ２１）。
次いで、記述特定部２３は、複数の第２の医用画像Ｇ２－ｉのそれぞれに関連する第２の読影レポートＲ２－ｉにおける、特定された第２の領域Ａ２－ｉに関する第２の記述Ｄ２－ｉを特定する（ステップＳＴ２２）。さらに、文章生成部２７が、第１の医用画像Ｇ１に含まれる第１の領域Ａ１に関する第１の記述Ｄ１を生成する（ステップＳＴ２３）。そして、表示制御部２４が、第１の記述Ｄ１を第１の記述領域５４に表示し（ステップＳＴ２４）、図１０におけるステップＳＴ３の処理に進む。なお、ステップＳＴ２３の処理はステップＳＴ２１の処理の前に行ってもよく、ステップＳＴ２１，ＳＴ２２の処理と並列に行ってもよい。また、ステップＳＴ２４の処理は、図１０のステップＳＴ３の処理の後に行ってもよく、ステップＳＴ３の処理と並列に行ってもよい。
このように、第２の実施形態においては、第１の医用画像Ｇ１に含まれる第１の領域Ａ１に関する第１の記述Ｄ１を生成し、第１の記述Ｄ１を第１の記述領域５４に表示するようにした。このため、第１の医用画像Ｇ１に含まれる第１の領域Ａ１についての所見文を生成する読影医の負担を軽減することができる。
なお、上記第２の実施形態においては、第１の記述領域５４に文章生成部２７が生成した第１の記述Ｄ１を表示しているが、第１の記述Ｄ１に加えて、第２の記述領域５５に表示されている第２の記述Ｄ２－ｉを第１の記述領域５４に転記してもよい。この場合、第１の記述領域５４においては、第１の記述Ｄ１および第２の記述Ｄ２－ｉが例えば上下に並べられて表示される。
次いで、本開示の第３の実施形態について説明する。図１５は第３の実施形態による文書作成支援装置の機能的な構成を示す図である。なお、図１５において図１１と同一の構成については同一の参照番号を付与し、詳細な説明は省略する。図１５に示すように、第３の実施形態による文書作成支援装置２０Ｂは、性状相違導出部２８をさらに備えた点が第２の実施形態と異なる。
性状相違導出部２８は、文章生成部２７が生成した第１の記述Ｄ１に含まれる第１の領域Ａ１についての性状と、複数の第２の医用画像Ｇ２－ｉのそれぞれについて特定した第２の記述Ｄ２－ｉに含まれる第２の領域Ａ２－ｉについての性状との相違を導出する。このために、性状相違導出部２８は、２つの文章が入力されると、２つの文章に含まれる性状の相違を出力するように学習がなされた学習モデル２８Ａを有する。学習モデル２８Ａとしては、例えばリカレントニューラルネットワークを用いることができる。学習モデル２８Ａを構成するリカレントニューラルネットワークは、２つの文章および２つの文章の相違を表す語句の組み合わせからなる多数の教師データを用いてリカレントニューラルネットワークを構成するエンコーダおよびデコーダを学習することにより構築されてなる。
これにより、性状相違導出部２８の学習モデル２８Ａに、第１の記述Ｄ１として「右肺Ｓ６にサイズが７×５ｃｍの空洞を伴う腫瘤が見られます。一部胸膜陥入が認められます。」が、第２の記述Ｄ２－ｉとして「右肺Ｓ６の腫瘤影は６．５×４ｃｍ程度で、増大しています。腫瘤の中心部の空洞も前回より拡大しています。」が入力されると、２つの記述に含まれる性状の相違である「７×５ｃｍ」および「胸膜陥入」を出力する。
なお、性状相違導出部２８は、第１の記述Ｄ１に含まれる性状とすべての第２の記述Ｄ２－ｉに含まれる性状との相違を導出する。この際、第１の記述Ｄ１に含まれる性状とすべての第２の記述Ｄ２－ｉに含まれる性状との相違を一度に導出してもよく、第２の記述Ｄ２－ｉが切り替え表示される毎に、表示された第２の記述Ｄ２－ｉに含まれる性状と第１の記述に含まれる性状との相違を導出するものであってもよい。例えば、切り替えた第２の記述Ｄ２－ｉが、「右肺Ｓ６の腫瘤影は３×２ｃｍです。」の場合、性状相違導出部２８は、切り替えた第２の記述に含まれる性状と第１の記述Ｄ１に含まれる性状との相違である「７×５ｃｍ」および「胸膜陥入」を出力する。
第３の実施形態において、表示制御部２４は、性状相違導出部２８により相違が導出された場合に、第１の記述Ｄ１に含まれる性状と第２の記述Ｄ２－ｉに含まれる性状との相違を視認可能にディスプレイ１４に表示する。図１６は第３の実施形態における表示画面を示す図である。なお、図１６において図１３と同一の構成については同一の参照番号を付与し、詳細な説明は省略する。図１６に示すように、第３の実施形態における表示画面５０Ｂは、初期状態において第１の記述領域５４に第１の医用画像Ｇ１に含まれる第１の領域Ａ１に関する第１の記述Ｄ１が表示されている。さらに、第１の記述Ｄ１において、表示されている第２の記述Ｄ２－ｉとの性状の相違箇所である「７×５ｃｍ」および「胸膜陥入」が強調表示されている。なお、図１６においては相違する性状を四角で囲むことにより強調表示を表しているが、これに限定されるものではない。相違する語句に下線を付与したり、相違する性状の背景の色を変更したり、相違する語句の文字色を変更したりしてもよい。
次いで、第３の実施形態において行われる処理について説明する。図１７は第３の実施形態において行われる処理を示すフローチャートである。なお、読影の対象となる第１の医用画像Ｇ１、複数の第２の医用画像Ｇ２－ｉおよび複数の読影レポートＲ２－ｉは、取得部２１により画像サーバ５およびレポートサーバ７から取得されて、ストレージ１３に保存されているものとする。読影レポートの作成の指示が読影医により行われることにより処理が開始され、領域特定部２２は、第１の医用画像Ｇ１および複数の第２の医用画像Ｇ２－ｉを解析することにより、異常陰影である第１の領域Ａ１および第２の領域Ａ２－ｉを特定する（領域特定；ステップＳＴ３１）。
次いで、記述特定部２３は、複数の第２の医用画像Ｇ２－ｉのそれぞれに関連する第２の読影レポートＲ２－ｉにおける、特定された第２の領域Ａ２－ｉに関する第２の記述Ｄ２－ｉを特定する（ステップＳＴ３２）。さらに、文章生成部２７が、第１の医用画像Ｇ１に含まれる第１の領域Ａ１に関する第１の記述Ｄ１を生成する（ステップＳＴ３３）。そして、性状相違導出部２８が、第１の記述Ｄ１に含まれる性状と第２の記述Ｄ２－ｉに含まれる性状との相違を導出する（ステップＳＴ３４）。
次いで、表示制御部２４が、第１の記述Ｄ１を第１の記述領域５４に表示し（ステップＳＴ３５）、さらに第１の記述Ｄ１において第２の記述Ｄ２－ｉとの性状の相違箇所を強調表示し（ステップＳＴ３６）、図１０におけるステップＳＴ３の処理に進む。なお、ステップＳＴ３３の処理はステップＳＴ３１の処理の前に行ってもよく、ステップＳＴ３１，ＳＴ３２の処理と並列に行ってもよい。また、ステップＳＴ３５，ＳＴ３６の処理は、図１０のステップＳＴ３の処理の後に行ってもよく、ステップＳＴ３の処理と並列に行ってもよい。
このように、第３の実施形態においては、第１の医用画像Ｇ１に含まれる第１の領域Ａ１に関する第１の記述Ｄ１を生成し、第１の記述Ｄ１を第１の記述領域５４に表示するようにした。さらにこの際に、第１の記述Ｄ１と第２の記述Ｄ２－ｉとの性状の相違を導出し，相違箇所を強調表示することにより、性状の相違を視認可能に表示するようにした。このため、第１の医用画像Ｇ１に含まれる第１の領域Ａ１についての所見文を生成する読影医の負担を軽減し、かつ生成された第１の記述Ｄ１と第２の記述Ｄ２－ｉとの性状に関する記述内容の相違を確認することが可能となる。
なお、上記第３の実施形態においては、第１の記述Ｄ１において第２の記述Ｄ２－ｉとの性状の相違箇所を強調表示しているが、これに限定されるものではない。第２の記述Ｄ２－ｉにおいて第１の記述の性状との相違箇所を強調表示してもよく、第１の記述Ｄ１および第２の記述Ｄ２－ｉの双方において性状の相違箇所を強調表示するようにしてもよい。
次いで、本開示の第４の実施形態について説明する。図１８は第４の実施形態による文書作成支援装置の機能的な構成を示す図である。なお、図１８において図３と同一の構成については同一の参照番号を付与し、詳細な説明は省略する。図１８に示すように、第４の実施形態による文書作成支援装置２０Ｃは、領域相違導出部２９をさらに備えた点が第１の実施形態と異なる。
領域相違導出部２９は、第１の医用画像Ｇ１から検出された第１の領域Ａ１と、複数の第２の医用画像Ｇ２－ｉのそれぞれから検出された第２の領域Ａ２－ｉとの相違を導出する。このために、領域相違導出部２９は、２つの画像が入力されると２つの画像の相違を出力するように学習がなされた学習モデル２９Ａを有する。学習モデル２９Ａとしては、例えば畳み込みニューラルネットワークを用いることができる。学習モデル２９Ａを構成する畳み込みニューラルネットワークは、２つの画像および２つの画像の相違を表す情報（例えば差分の領域、差分値等）の組み合わせからなる多数の教師データを用いて畳み込みニューラルネットワークを学習することにより構築されてなる。
これにより、領域相違導出部２９の学習モデル２９Ａに、第１の領域Ａ１および第２の領域Ａ２－ｉが入力されると、２つの領域の相違を出力する。図１９は２つの領域の相違の導出を説明するための図である。なお、図１９においては、第１の医用画像Ｇ１および第２の医用画像Ｇ２－ｉにおける異常陰影すなわち第１の領域Ａ１をおよび第２の領域Ａ２－ｉを含む部分領域のみを示している。図１９に示すように、第１の医用画像Ｇ１における第１の領域Ａ１が、第２の医用画像Ｇ２－ｉにおける第２の領域Ａ２－ｉよりも小さくなっている場合、領域相違導出部２９は、図１９に示すように領域の相違６０を導出する。
なお、領域相違導出部２９は、第１の領域Ａ１とすべての第２の領域Ａ２－ｉとの相違を導出する。この際、第１の領域Ａ１とすべての第２の領域Ａ２－ｉとの相違を一度に導出してもよく、第２の医用画像Ｇ２－ｉが切り替え表示される毎に、表示された第２の医用画像Ｇ２－ｉから検出した第２の領域Ａ２－ｉと第１の領域Ａ１との相違を導出するものであってもよい。
第４の実施形態においては、表示制御部２４は、領域相違導出部２９により第１の領域Ａ１と第２の領域Ａ２－ｉとの相違が導出された場合に第２の記述Ｄ２－ｉを表示する。なお、本実施形態においては、複数の第２の医用画像Ｇ２－ｉを取得しており、第２の医用画像Ｇ２－ｉのそれぞれから検出した第２の領域Ａ２－ｉに関して、第１の領域Ａ１と相違があるものとないものとが存在する。このため、表示制御部２４は、第１の領域Ａ１との相違がある第２の領域Ａ２－ｉを含む第２の医用画像Ｇ２－ｉが表示された場合にのみ、第２の記述領域５５に第２の記述Ｄ２－ｉを表示する。一方、第１の領域Ａ１との相違がない第２の領域Ａ２－ｉを含む第２の医用画像Ｇ２－ｉが表示された場合、表示制御部２４は、第２の記述領域５５に、相違がない旨の表示を行う。例えば、表示制御部２４は、図２０の表示画面５０Ｃに示すように、画像表示領域５１に、第１の医用画像Ｇ１に含まれる第１の領域Ａ１と相違がない第２の領域を含む第２の医用画像Ｇ２－３を表示し、第２の記述領域５５に、「２つの医用画像の異常陰影に変化はありません」のテキストを表示する。
次いで、第４の実施形態において行われる処理について説明する。図２１は第４の実施形態において行われる処理を示すフローチャートである。なお、読影の対象となる第１の医用画像Ｇ１、複数の第２の医用画像Ｇ２－ｉおよび複数の読影レポートＲ２－ｉは、取得部２１により画像サーバ５およびレポートサーバ７から取得されて、ストレージ１３に保存されているものとする。読影レポートの作成の指示が読影医により行われることにより処理が開始され、領域特定部２２は、第１の医用画像Ｇ１および複数の第２の医用画像Ｇ２－ｉを解析することにより、異常陰影である第１の領域Ａ１および第２の領域Ａ２－ｉを特定する（領域特定；ステップＳＴ４１）。
次いで、記述特定部２３は、複数の第２の医用画像Ｇ２－ｉのそれぞれに関連する第２の読影レポートＲ２－ｉにおける、特定された第２の領域Ａ２－ｉに関する第２の記述Ｄ２－ｉを特定する（ステップＳＴ４２）。さらに、領域相違導出部２９が、第１の領域Ａ１と第２の領域Ａ２－ｉとの相違を導出する（ステップＳＴ４３）。なお、ステップＳＴ４３の処理は、ステップＳＴ４２の処理の前に行うようにしてもよく、ステップＳＴ４２の処理と並列に行うようにしてもよい。
そして、表示制御部２４が、初期状態において表示する第２の医用画像Ｇ２－ｉについて、第１の領域Ａ１と第２の領域Ａ２－ｉとの相違があるか否かを判定する（ステップＳＴ４４）。ステップＳＴ４４が肯定されると、表示制御部２４は、初期状態で表示する第２の医用画像Ｇ２－１について特定した第２の記述Ｄ２－ｉを、ディスプレイ１４に切り替え可能に表示する（ステップＳＴ４５）。ステップＳＴ４４が否定されると、表示制御部２４は、第２の記述領域５５に相違がない旨の表示を行う（ステップＳＴ４６）。
ステップＳＴ４５，ＳＴ４６に続いて、表示制御部２４は、第２の切り替えボタン５６Ａ，５６Ｂが選択されたか否かを判定する（ステップＳＴ４７）。ステップＳＴ４７が肯定されると、表示制御部２４は、画像表示領域５１に表示する第２の医用画像Ｇ２－ｉを切り替え（表示切り替え；ステップＳＴ４８）、ステップＳＴ４４に戻る。ステップＳＴ４７が否定されると、表示制御部２４は、第１の切り替えボタン５３Ａ，５３Ｂが選択されたか否かを判定する（ステップＳＴ４９）。ステップＳＴ４９が肯定されると、表示制御部２４は、第１の医用画像Ｇ１について、画像表示領域５１に表示する断層画像を切り替え（ステップＳＴ５０）、ステップＳＴ４１に戻る。ステップＳＴ４９が否定されると、表示制御部２４は、確定ボタン５７が選択されたか否かを判定する（ステップＳＴ５１）。ステップＳＴ５１が否定されるとステップＳＴ４７に戻る。ステップＳＴ５１が肯定されると、図１０に示すステップＳＴ９の処理に進む。
このように，第４の実施形態においては、第１の領域Ａ１と第２の領域Ａ２－ｉとの相違を導出し、相違がある場合に第２の記述Ｄ２－ｉを表示するようにした。このため、第１の医用画像Ｇ１と第２の医用画像Ｇ２－ｉとの間において異常陰影に変化がある場合に、その異常陰影についての第２の記述Ｄ２－ｉを参照することができる。したがって、第１の医用画像Ｇ１に関して、異常陰影の変化についての所見文の作成を効率よく行うことができる。
なお、第４の実施形態において、表示制御部２４は、第１の領域Ａ１との相違がない第２の領域Ａ２－ｉを含む第２の医用画像Ｇ２－ｉが表示された場合、表示制御部２４は、第２の記述領域５５に、相違がない旨の表示を行っているが、これに限定されるものではない。第１の領域Ａ１との相違がない第２の領域Ａ２－ｉを含む第２の医用画像Ｇ２－ｉが表示された場合に、第２の記述領域５５にその第２の医用画像Ｇ２－ｉについての第２の記述Ｄ２－ｉを表示し、第１の記述領域５４に相違がない旨の表示を行うようにしてもよい。
また、上記第４の実施形態においては、第１の実施形態において領域相違導出部２９を設けるようにしているが、これに限定されるものではない。第２の実施形態または第３の実施形態において領域相違導出部２９を設けるようにしてもよい。
また、上記各実施形態においては、診断対象を肺とした医用画像を用いて読影レポートを作成する場合に本開示の技術を適用しているが、診断対象は肺に限定されるものではない。肺の他に、心臓、肝臓、脳、および四肢等の人体の任意の部位を診断対象とすることができる。この場合、診断対象の部位に応じた診断ガイドラインを取得して、読影レポートにおける診断ガイドラインの項目と対応する対応部分を特定するようにすればよい。
また、上記各実施形態において、例えば、取得部２１、領域特定部２２、記述特定部２３、表示制御部２４、保存制御部２５、通信部２６、文章生成部２７、性状相違導出部２８および領域相違導出部２９といった各種の処理を実行する処理部（Processing Unit）のハードウェア的な構造としては、次に示す各種のプロセッサ（Processor）を用いることができる。上記各種のプロセッサには、上述したように、ソフトウェア（プログラム）を実行して各種の処理部として機能する汎用的なプロセッサであるＣＰＵに加えて、ＦＰＧＡ（Field Programmable Gate Array）等の製造後に回路構成を変更可能なプロセッサであるプログラマブルロジックデバイス（Programmable Logic Device :PLD）、ＡＳＩＣ（Application Specific Integrated Circuit）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が含まれる。
１つの処理部は、これらの各種のプロセッサのうちの１つで構成されてもよいし、同種または異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡの組み合わせまたはＣＰＵとＦＰＧＡとの組み合わせ）で構成されてもよい。また、複数の処理部を１つのプロセッサで構成してもよい。
複数の処理部を１つのプロセッサで構成する例としては、第１に、クライアントおよびサーバ等のコンピュータに代表されるように、１つ以上のＣＰＵとソフトウェアとの組み合わせで１つのプロセッサを構成し、このプロセッサが複数の処理部として機能する形態がある。第２に、システムオンチップ（System On Chip:SoC）等に代表されるように、複数の処理部を含むシステム全体の機能を１つのＩＣ（Integrated Circuit）チップで実現するプロセッサを使用する形態がある。このように、各種の処理部は、ハードウェア的な構造として、上記各種のプロセッサの１つ以上を用いて構成される。
さらに、これらの各種のプロセッサのハードウェア的な構造としては、より具体的には、半導体素子等の回路素子を組み合わせた電気回路（Circuitry）を用いることができる。
１ 医療情報システム
２ 撮影装置
３ 読影ＷＳ
４ 診療ＷＳ
５ 画像サーバ
６ 画像ＤＢ
７ レポートサーバ
８ レポートＤＢ
１０ ネットワーク
１１ ＣＰＵ
１２ 文書作成支援プログラム
１３ ストレージ
１４ ディスプレイ
１５ 入力デバイス
１６ メモリ
１７ ネットワークＩ／Ｆ
１８ バス
２０，２０Ａ，２０Ｂ，２０Ｃ 文書作成支援装置
２１ 取得部
２２ 領域特定部
２３ 記述特定部
２４ 表示制御部
２５ 保存制御部
２６ 通信部
２７ 文章生成部
２８ 性状相違導出部
２９ 領域相違導出部
３０ 性状情報
４０ リカレントニューラルネットワーク
４１ エンコーダ
４２ デコーダ
５０ 表示画面
５１ 画像表示領域
５２ 文章表示領域
５３Ａ，５３Ｂ，５６Ａ，５６Ｂ 切り替えボタン
５４ 第１の記述領域
５５ 第２の記述領域
Ａ１ 第１の領域
Ａ２－ｉ 第２の領域
Ｄ１ 第１の記述
Ｄ２－ｉ 第２の記述
Ｇ１ 第１の医用画像
Ｇ２ 第２の医用画像
２ 撮影装置
３ 読影ＷＳ
４ 診療ＷＳ
５ 画像サーバ
６ 画像ＤＢ
７ レポートサーバ
８ レポートＤＢ
１０ ネットワーク
１１ ＣＰＵ
１２ 文書作成支援プログラム
１３ ストレージ
１４ ディスプレイ
１５ 入力デバイス
１６ メモリ
１７ ネットワークＩ／Ｆ
１８ バス
２０，２０Ａ，２０Ｂ，２０Ｃ 文書作成支援装置
２１ 取得部
２２ 領域特定部
２３ 記述特定部
２４ 表示制御部
２５ 保存制御部
２６ 通信部
２７ 文章生成部
２８ 性状相違導出部
２９ 領域相違導出部
３０ 性状情報
４０ リカレントニューラルネットワーク
４１ エンコーダ
４２ デコーダ
５０ 表示画面
５１ 画像表示領域
５２ 文章表示領域
５３Ａ，５３Ｂ，５６Ａ，５６Ｂ 切り替えボタン
５４ 第１の記述領域
５５ 第２の記述領域
Ａ１ 第１の領域
Ａ２－ｉ 第２の領域
Ｄ１ 第１の記述
Ｄ２－ｉ 第２の記述
Ｇ１ 第１の医用画像
Ｇ２ 第２の医用画像
Claims (12)
- 少なくとも１つのプロセッサを備え、
前記プロセッサは、
被写体の第１の画像において特定された第１の領域に関して、第１の画像と撮影時期が異なる前記被写体の複数の第２の画像のそれぞれにおいて、前記第１の領域に対応する第２の領域を特定し、
前記複数の第２の画像のそれぞれに関連する複数の文章に含まれる、前記特定された第２の領域に関する第２の記述を特定し、
前記複数の第２の画像のそれぞれについて特定した複数の第２の記述を、切り替え可能に表示するように構成される文書作成支援装置。 - 前記プロセッサは、前記第１の領域に関する文章を記述するための記述領域をさらに表示するように構成される請求項１に記載の文書作成支援装置。
- 前記プロセッサは、前記記述領域に前記複数の第２の記述のうちの少なくとも１つを転記するように構成される請求項２に記載の文書作成支援装置。
- 前記プロセッサは、前記第１の領域を解析して、前記第１の領域に関する第１の記述を生成し、
前記第１の記述を前記記述領域に表示するように構成される請求項２または３に記載の文書作成支援装置。 - 前記プロセッサは、前記第１の記述に含まれる第１の領域に関する性状と、前記複数の第２の画像のそれぞれについて特定した前記第２の記述に含まれる第２の領域に関する性状との相違を導出し
前記第１の記述に含まれる性状と前記第２の記述に含まれる性状との相違を視認可能に表示するように構成される請求項４に記載の文書作成支援装置。 - 前記プロセッサは、前記第１の領域と前記第２の領域との相違を導出するように構成される請求項１から５のいずれか１項に記載の文書作成支援装置。
- 前記プロセッサは、前記相違が導出された場合に、前記第２の記述を表示するように構成される請求項６に記載の文書作成支援装置。
- 前記プロセッサは、前記相違が導出されなかった場合に、前記相違が導出されなかったことを通知するように構成される請求項６または７に記載の文書作成支援装置。
- 前記プロセッサは、前記第１の画像および前記第２の画像を解析することにより、前記第１の領域および前記第２の領域を特定する請求項１から８のいずれか１項に記載の文書作成支援装置。
- 前記プロセッサは、前記第２の記述の切り替えに連動させて、前記第２の画像を切り替え可能に表示する請求項１から９のいずれか１項に記載の文書作成支援装置。
- 被写体の第１の画像において特定された第１の領域に関して、第１の画像と撮影時期が異なる前記被写体の複数の第２の画像のそれぞれにおいて、前記第１の領域に対応する第２の領域を特定し、
前記複数の第２の画像のそれぞれに関連する複数の文章に含まれる、前記特定された第２の領域に関する第２の記述を特定し、
前記複数の第２の画像のそれぞれについて特定した複数の第２の記述を、切り替え可能に表示する文書作成支援方法。 - 被写体の第１の画像において特定された第１の領域に関して、第１の画像と撮影時期が異なる前記被写体の複数の第２の画像のそれぞれにおいて、前記第１の領域に対応する第２の領域を特定する手順と、
前記複数の第２の画像のそれぞれに関連する複数の文章に含まれる、前記特定された第２の領域に関する第２の記述を特定する手順と、
前記複数の第２の画像のそれぞれについて特定した複数の第２の記述を、切り替え可能に表示する手順とをコンピュータに実行させる文書作成支援プログラム。
Applications Claiming Priority (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020046019 | 2020-03-17 | ||
| JP2020046019 | 2020-03-17 | ||
| PCT/JP2021/010610 WO2021187483A1 (ja) | 2020-03-17 | 2021-03-16 | 文書作成支援装置、方法およびプログラム |
Publications (3)
| Publication Number | Publication Date |
|---|---|
| JPWO2021187483A1 JPWO2021187483A1 (ja) | 2021-09-23 |
| JPWO2021187483A5 JPWO2021187483A5 (ja) | 2022-11-18 |
| JP7431317B2 true JP7431317B2 (ja) | 2024-02-14 |
Family
ID=77771551
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2022508379A Active JP7431317B2 (ja) | 2020-03-17 | 2021-03-16 | 文書作成支援装置、方法およびプログラム |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US20230005580A1 (ja) |
| JP (1) | JP7431317B2 (ja) |
| WO (1) | WO2021187483A1 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPWO2021107098A1 (ja) * | 2019-11-29 | 2021-06-03 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009070201A (ja) | 2007-09-14 | 2009-04-02 | Fujifilm Corp | 読影レポート作成システム及び読影レポート作成装置並びに読影レポート作成方法 |
| WO2011033769A1 (ja) | 2009-09-17 | 2011-03-24 | 富士フイルム株式会社 | 医用画像表示装置および方法並びにプログラム |
| JP2019153249A (ja) | 2018-03-06 | 2019-09-12 | 富士フイルム株式会社 | 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 |
| WO2019208130A1 (ja) | 2018-04-24 | 2019-10-31 | 富士フイルム株式会社 | 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2008200373A (ja) * | 2007-02-22 | 2008-09-04 | Fujifilm Corp | 類似症例検索装置、方法、およびプログラム、ならびに、類似症例データベース登録装置、方法、およびプログラム |
| JP6397277B2 (ja) * | 2014-09-05 | 2018-09-26 | キヤノン株式会社 | 読影レポート作成のための支援装置およびその制御方法 |
| JP6746360B2 (ja) * | 2016-04-13 | 2020-08-26 | キヤノン株式会社 | 情報処理システム、情報処理方法及びプログラム |
-
2021
- 2021-03-16 WO PCT/JP2021/010610 patent/WO2021187483A1/ja active Application Filing
- 2021-03-16 JP JP2022508379A patent/JP7431317B2/ja active Active
-
2022
- 2022-09-11 US US17/942,166 patent/US20230005580A1/en active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2009070201A (ja) | 2007-09-14 | 2009-04-02 | Fujifilm Corp | 読影レポート作成システム及び読影レポート作成装置並びに読影レポート作成方法 |
| WO2011033769A1 (ja) | 2009-09-17 | 2011-03-24 | 富士フイルム株式会社 | 医用画像表示装置および方法並びにプログラム |
| JP2019153249A (ja) | 2018-03-06 | 2019-09-12 | 富士フイルム株式会社 | 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 |
| WO2019208130A1 (ja) | 2018-04-24 | 2019-10-31 | 富士フイルム株式会社 | 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021187483A1 (ja) | 2021-09-23 |
| JPWO2021187483A1 (ja) | 2021-09-23 |
| US20230005580A1 (en) | 2023-01-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11139067B2 (en) | Medical image display device, method, and program | |
| US20120250961A1 (en) | Medical report generation apparatus, method and program | |
| JP2019169049A (ja) | 医用画像特定装置、方法およびプログラム | |
| 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 | |
| JP7102509B2 (ja) | 医療文書作成支援装置、医療文書作成支援方法、及び医療文書作成支援プログラム | |
| JP2024009342A (ja) | 文書作成支援装置、方法およびプログラム | |
| JP7431317B2 (ja) | 文書作成支援装置、方法およびプログラム | |
| JP7007469B2 (ja) | 医療文書作成支援装置、方法およびプログラム、学習済みモデル、並びに学習装置、方法およびプログラム | |
| WO2019193983A1 (ja) | 医療文書表示制御装置、医療文書表示制御方法、及び医療文書表示制御プログラム | |
| JP7436636B2 (ja) | 文書作成支援装置、方法およびプログラム | |
| JP7420913B2 (ja) | 情報処理装置、方法およびプログラム | |
| JP7504987B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| JP2021175454A (ja) | 医用画像処理装置、方法およびプログラム | |
| JP7368592B2 (ja) | 文書作成支援装置、方法およびプログラム | |
| JP7436698B2 (ja) | 医用画像処理装置、方法およびプログラム | |
| JP7376715B2 (ja) | 経過予測装置、経過予測装置の作動方法および経過予測プログラム | |
| JP7436628B2 (ja) | 情報保存装置、方法およびプログラム、並びに解析記録生成装置、方法およびプログラム | |
| WO2022215530A1 (ja) | 医用画像装置、医用画像方法、及び医用画像プログラム | |
| JP7361930B2 (ja) | 医用画像処理装置、方法およびプログラム | |
| WO2021107142A1 (ja) | 文書作成支援装置、方法およびプログラム | |
| WO2022196106A1 (ja) | 文書作成装置、方法およびプログラム | |
| US20230281810A1 (en) | Image display apparatus, method, and program | |
| WO2023054645A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
| US20230225681A1 (en) | Image display apparatus, method, and program | |
| WO2024071246A1 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220906 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220906 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230905 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231025 |
|
| 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: 20240109 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240201 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7431317 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |