JP7477906B2 - 認知症診断支援情報の提供装置及びその方法 - Google Patents

認知症診断支援情報の提供装置及びその方法 Download PDF

Info

Publication number
JP7477906B2
JP7477906B2 JP2022177366A JP2022177366A JP7477906B2 JP 7477906 B2 JP7477906 B2 JP 7477906B2 JP 2022177366 A JP2022177366 A JP 2022177366A JP 2022177366 A JP2022177366 A JP 2022177366A JP 7477906 B2 JP7477906 B2 JP 7477906B2
Authority
JP
Japan
Prior art keywords
standard
group
value
control group
divided
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
JP2022177366A
Other languages
English (en)
Other versions
JP2023122529A (ja
Inventor
ジヨン イ
ドンヒョン キム
ミンホ イ
ウンヨン キム
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.)
Neurophet Inc
Original Assignee
Neurophet Inc
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 Neurophet Inc filed Critical Neurophet Inc
Publication of JP2023122529A publication Critical patent/JP2023122529A/ja
Application granted granted Critical
Publication of JP7477906B2 publication Critical patent/JP7477906B2/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
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • A61B5/0035—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room adapted for acquisition of images from more than one imaging mode, e.g. combining MRI and optical tomography
    • 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]
    • A61B6/037—Emission tomography
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/40—Detecting, measuring or recording for evaluating the nervous system
    • A61B5/4076—Diagnosing or monitoring particular conditions of the nervous system
    • A61B5/4088—Diagnosing of monitoring cognitive diseases, e.g. Alzheimer, prion diseases or dementia
    • 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
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A61B5/743—Displaying an image simultaneously with additional graphical information, e.g. symbols, charts, function plots
    • 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
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
    • 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
    • A61B6/52—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
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • 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
    • 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

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Physics & Mathematics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Radiology & Medical Imaging (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Neurology (AREA)
  • Optics & Photonics (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Physiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Psychiatry (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Neurosurgery (AREA)
  • Psychology (AREA)
  • Mathematical Physics (AREA)
  • Hospice & Palliative Care (AREA)
  • Child & Adolescent Psychology (AREA)
  • Developmental Disabilities (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Nuclear Medicine (AREA)

Description

本発明は、認知症診断支援情報の提供装置及び方法に関し、より具体的には、診断対象者の脳画像に対して標準取り込み値比を獲得して、認知症診断支援情報を提供する認知症診断支援情報の提供装置及びその方法に関するものである。
認知症は、後天的に記憶、言語、判断力などの様々な領域の認知機能が減少し、日常生活を正しく行えない臨床症候群を意味する。認知症は、アルツハイマー病と呼ばれる老人性認知症、脳卒中などにより生じる血管性認知症が代表的であり、この他にも様々な原因による認知症があるが、現在認知症患者の５０％～７０％はアルツハイマー病による認知症に該当する。
アルツハイマー病は、２０年前から発病するが、症状が現れる前まで脳に起こる変化に気付かない。記憶力の喪失、言語障害のように目立つ症状が現れている時期は、すでに脳の変化がある程度起こった後である。このような症状は、思考、学習、記憶（認知機能）に関連している脳の神経細胞が損傷又は破壊されたためである。病気が進行するにつれて、脳の他のニューロンが損傷して破壊され、最終的に歩くこと、食べ物の嚥下などの基本的な身体活動に影響を与える。したがって、アルツハイマー病の迅速かつ正確な診断は非常に重要である。
このようなアルツハイマー病及びそれによるアルツハイマー認知症を診断するための方法として、アミロイドＰＥＴ（ＰＥＴ）画像による診断方法がある。ペット（Positron Emission Tomography；ＰＥＴ）は、陽電子放出断層撮影であり、患者に放射線を放出する検査薬を注入し、その薬が放出する放射線を外部から検出して体内を撮影する方法である。検査薬としては、アミロイドβに付着しやすい化合物を投与することにより、アミロイドβのみに標識を付けることができる。その結果、脳のどの部位にどのくらいのアミロイドβが蓄積されているかを画像で確認でき、蓄積部位と量を分析してアルツハイマー病の患者を鑑別するのに活用している。
アミロイドＰＥＴ（ＰＥＴ）画像による診断方法は、アミロイド標準取り込み値比（ＳＵＶＲ）を使用する方式が代表的である。アミロイド標準取り込み値比（ＳＵＶＲ）は、同じアミロイドＰＥＴ画像内の２個の異なる領域（ターゲット及び基準領域）からのアミロイド沈着程度（ＳＵＶ：Standardized uptake value）の割合を示し、アミロイド沈着程度（ＳＵＶ）は、注入された放射能の全身濃度に対する画像放射能濃度の比を表すことができる。
このようなアミロイド標準取り込み値比（ＳＵＶＲ）は、アルツハイマー病の進行を判断するための主要な資料として利用されている。例えば、ペット（ＰＥＴ）画像、認知検査などのデータを収集、検証、活用して研究する団体であるＡＤＮＩ（Alzheimer Disease Neuroimaging Initiative）は、βアミロイド陽性及び陰性を定量的に分類するための基準として、Ｆｌｏｒｂｅｔａｐｉｒトレーサを基準にしてＳＵＶＲ値約１．１０を提案している。このとき、１．１０という値は、５５歳未満の２１人の対照群から得たアミロイド標準取り込み値比（ＳＵＶＲ）分布の上位５％に対する信頼限界値を示す。すなわち、ＡＤＮＩは、アミロイドＰＥＴ画像の分析を介してアミロイド標準取り込み値比（ＳＵＶＲ）１．１０に基づいてアミロイド陽性又は陰性であるかどうかを判別することを提案している。
しかし、従来のアミロイドＰＥＴ画像を用いた診断結果としては、アミロイド陽性又は陰性かどうかを把握することができ、認知症陽性及び陰性を判定するための追加情報を提供できない限界がある。また、アミロイド陽性又は陰性判定の境界値の周囲に標準取り込み値比が分布する場合に、認知症診断を行う医師により有用な情報を提供できないという限界がある。
本発明が解決しようとする課題は、ＰＥＴ画像を用いて認知症診断を行う上で、単に標準取り込み値比（ＳＵＶＲ）を提供することにとどまらず、診断対象の標準取り込み値比（ＳＵＶＲ）が健常人群の平均値及びアルツハイマー患者群の平均値に近接した程度を一緒に示す標準値を生成し、これを対照群と比較するグラフで表示することにより、認知症診断に必要な様々な支援情報を提供する認知症診断支援情報の提供装置及び方法を提供することである。
前述した課題を解決するための本発明の好ましい実施例による、プロセッサ及び所定のコマンドを記憶するメモリを含む認知症診断支援情報の提供装置で行われる認知症診断支援情報の提供方法は、（ａ）診断対象者の脳画像の脳領域を予め定義された複数個に分割した領域（分割領域）のそれぞれに対して、標準取り込み値比（ＳＵＶＲ）を計算するステップと、（ｂ）前記各分割領域の標準取り込み値比を各分割領域毎に予め定義された標準区間にマッピングして、標準値を求めるステップと、（ｃ）各分割領域の標準値を、各分割領域に対する対照群の平均標準値に対する統計情報と一緒に出力するステップとを含む。
また、本発明の他の一実施例において、前記ステップ（ａ）は、（ａ１）診断対象者のＭＲＩ画像に含まれた脳領域を予め定義された複数個の分割領域に分割し、前記診断対象者のＰＥＴ画像と整合するステップと、（ａ２）前記整合された画像のうち前記分割された領域のそれぞれに対して標準取り込み値比（ＳＵＶＲ）を生成するステップを含むことができる。
さらに、本発明の他の一実施例において、前記標準値は、前記標準取り込み値比がアルツハイマー患者群の標準取り込み値比の平均値及び健常人群の標準取り込み値比の平均値との近接程度を示すことができる。
また、本発明の他の一実施例において、前記標準区間は、前記複数の分割領域のそれぞれに対応する領域に対するアルツハイマー患者群の標準取り込み値比の平均値と健常人群の標準取り込み値比の平均値とを、一定の間隔の両端に設定したものであってもよい。
さらに、本発明の他の一実施例において、前記標準区間は、健常人群の標準取り込み値比の平均値を所定の変換式に従って０（ゼロ）に対応するように変換し、アルツハイマー患者群の標準取り込み値比の平均値を前記変換式に従って０より大きい所定数に対応するように変換して生成された区間であり、前記標準値は、前記標準取り込み値比を前記変換式に従って変換して求めるおのであってもよい。
また、本発明の他の一実施例において、前記変換式は、下記数式（１）
（式中、Ａは、アルツハイマー患者群の標準取り込み値比の平均値を表し、Ｂは、健常人群の標準取り込み値比の平均値を表し、ｘは、変換対象パラメータを表す）で定義されるものであってもよい。
さらに、本発明の他の一実施例において、前記ステップ（ｃ）は、各分割領域に対して、対照群の平均標準値から予め定義された値ほど大きく、予め定義された値ほど小さい一対の値と前記標準値を一緒にグラフで出力することができる。
また、本発明の他の一実施例において、前記ステップ（ｃ）は、各分割領域に対して、対照群の平均標準値から標準偏差ほど差のある一対の値と前記標準値を一緒に出力することができる。
さらに、本発明の他の一実施例において、前記対照群は、アルツハイマー患者群、軽度認知障害群、健常人老化群及び健常人群のうちの少なくとも一つを含むことができる。
また、本発明の他の一実施例において、前記ステップ（ｃ）は、前記標準値が前記対照群の一対の値の間に位置する分割領域の割合又は前記標準値が前記対照群の一対の値を外れる分割領域の割合を一緒に表示することができる。
さらに、本発明の他の一実施例において、前記ステップ（ｃ）は、前記標準値が前記対照群の一対の値の間に位置する分割領域の割合が予め定義された閾値以上の場合には、前記診断対象者が該当対照群に属すると推定し、推定結果を一緒に出力することができる。
また、本発明の他の一実施例において、前記ステップ（ｃ）は、前記分割領域に対して、前記標準値を連結したグラフと対照群の平均標準値を連結したグラフとの一致度を一緒に出力することができる。
一方、前述した課題を解決するための本発明の好ましい実施例によるコンピュータプログラムは、非一時的記憶媒体に記憶され、プロセッサを含むコンピュータで実行され、前記した認知症診断支援情報の提供方法を実行する。
一方、前述した課題を解決するための本発明の好ましい実施例による認知症診断支援情報の提供装置は、プロセッサと、所定のコマンドを記憶するメモリとを含み、前記メモリに記憶されたコマンドを実行した前記プロセッサは、（ａ）診断対象者の脳画像の脳領域を予め定義された複数個に分割した領域（分割領域）のそれぞれに対して標準取り込み値比（ＳＵＶＲ）を計算するステップと、（ｂ）前記各分割領域の標準取り込み値比を各分割領域毎に予め定義された標準区間にマッピングして、標準値を求めるステップと、（ｃ）各分割領域の標準値を、各分割領域に対する対照群の平均標準値に対する統計情報と一緒に出力するステップと、を行う。
また、本発明の他の一実施例による認知症診断支援情報の提供装置が実行する前記ステップ（ａ）は、（ａ１）診断対象者のＭＲＩ画像に含まれた脳領域を予め定義された複数個の分割領域に分割し、前記診断対象者のＰＥＴ画像と整合するステップと、（ａ２）前記整合された画像のうち前記分割された領域のそれぞれに対して標準取り込み値比（ＳＵＶＲ）を生成するステップとを含むことができる。
さらに、本発明の他の一実施例による認知症診断支援情報の提供装置において、前記標準値は、前記標準取り込み値比がアルツハイマー患者群の標準取り込み値比の平均値及び健常人群の標準取り込み値比の平均値との近接程度を示すことができる。
また、本発明の他の一実施例による認知症診断支援情報の提供装置において、前記標準区間は、前記複数の分割領域のそれぞれに対応する領域に対するアルツハイマー患者群の標準取り込み値比の平均値と健常人群の標準取り込み値比の平均値を、一定の間隔の両端に設定したものであってもよい。
さらに、本発明の他の一実施例による認知症診断支援情報の提供装置において、前記標準区間は、健常人群の標準取り込み値比の平均値を所定の変換式に従って０に対応するように変換し、アルツハイマー患者群の標準取り込み値比の平均値を前記変換式に従って０より大きい所定数に対応するように変換して生成された区間であり、前記標準値は、前記標準取り込み値比を前記変換式に従って変換して求めるものであってもよい。
また、本発明の他の一実施例による認知症診断支援情報の提供装置において、前記変換式は、前記変換式は、下記数式（１）
（式中、Ａは、アルツハイマー患者群の標準取り込み値比の平均値を表し、Ｂは、健常人群の標準取り込み値比の平均値を表し、ｘは、変換対象パラメータを表す）で定義されるものであてもよい。
さらに、本発明の他の一実施例による認知症診断支援情報の提供装置が実行する前記ステップ（ｃ）は、各分割領域に対して、対照群の平均標準値から予め定義された値ほど大きく、予め定義された値ほど小さい一対の値と前記標準値を一緒にグラフで出力することができる。
また、本発明の他の一実施例による認知症診断支援情報の提供装置が実行する前記ステップ（ｃ）は、各分割領域に対して、対照群の平均標準値から標準偏差ほど差のある一対の値と前記標準値を一緒に出力することができる。
さらに、本発明の他の一実施例による認知症診断支援情報の提供装置において、前記対照群は、アルツハイマー患者群、軽度認知障害群、健常人老化群及び健常人群のうちの少なくとも一つを含むことができる。
また、本発明の他の一実施例による認知症診断支援情報の提供装置が実行する前記ステップ（ｃ）は、前記標準値が前記対照群の一対の値の間に位置する分割領域の割合又は前記標準値が前記対照群の一対の値を外れる分割領域の割合を一緒に表示することができる。
さらに、本発明の他の一実施例による認知症診断支援情報の提供装置が実行する前記ステップ（ｃ）は、前記標準値が前記対照群の一対の値の間に位置する分割領域の割合が予め定義された閾値以上の場合には、前記診断対象者が該当対照群に属すると推定し、推定結果を一緒に出力することができる。
また、本発明の他の一実施例による認知症診断支援情報の提供装置が実行する前記ステップ（ｃ）は、前記分割領域に対して前記標準値を連結したグラフと対照群の平均標準値を連結したグラフとの一致度を一緒に出力することができる。
本発明の好ましい実施例による認知症診断支援情報の提供装置及び方法は、診断対象者のＭＲＩ脳画像とＰＥＴ脳画像が入力され、ＭＲＩ脳画像を複数の領域に分割した後、ＰＥＴ脳画像と整合する。そして、整合画像から各分割領域の標準取り込み値比を求め、各分割領域別に診断対象者の標準取り込み値比と予め記憶されたアルツハイマー患者群の標準取り込み値比の平均値及び健常人群の標準取り込み値比の平均値との近接度を示す標準値を求める。その後、各分割領域別に診断対象者の標準取り込み値比の標準値を各対照群の平均値及び標準偏差範囲と一緒にグラフで表示すると同時に様々な統計情報を提示することにより、認知症診断に有用な様々な情報を提供することができ、最終的には認知症診断の正確性を向上させることができる。
特に、本発明は診断対象者の標準取り込み値比の標準値がアルツハイマー患者群の標準偏差範囲内に含まれると、診断対象者がアルツハイマー性認知症に該当することを高い確率で診断して提供することができ、診断対象者の標準取り込み値比の標準値がアルツハイマー患者群の標準偏差範囲内に含まれていない場合、診断対象者がアルツハイマー性認知症に該当しないが、血管性認知症又はレビー小体型認知症などの他の要因による認知症に該当する可能性があるという情報を提供することにより、医療スタッフに適切な治療計画及び治療方法を選択させることができる。
本発明の好ましい実施例による認知症診断支援情報の提供装置を示す図である。 本発明のメモリに記憶されるアルツハイマー群のデータ、健常人群のデータ、健常人老化群のデータ及び軽度認知障害群のデータの一例を表に示す図である。 本発明の好ましい実施例による認知症診断支援情報の提供方法を説明する流れ図である。 認知症診断支援情報の提供装置に入力されるＭＲＩ脳画像及びＰＥＴ脳画像の一例を示す図である。 本発明の好ましい実施例による脳画像の分割領域の一例を示す図である。 本発明の好ましい実施例による整合画像の一例を示す図である。 本発明の好ましい実施例によってアルツハイマー患者群と健常人群の各領域別標準取り込み値比の平均値から求められた標準区間とそれに対応してマッピングされた診断対象者の領域別の標準値を説明する図である。 本発明の好ましい実施例によって出力される認知症診断支援情報の一例を示す図である。 本発明の好ましい実施例によってアルツハイマー群、健常人群、軽度認知障害群、及び健常人老化群の各分割領域別のＳＵＶＲ平均値を求め、メモリに記憶する過程を説明する流れ図である。
以下、図面を参照して本発明の好ましい実施例を説明する。
ここで、本発明の前記した目的、特徴及び長所は、添付図面に関連する以下の詳細な説明によってより明らかになるであろう。ただし、本発明は、様々な変更を加えることができ、様々な実施例を有することができるが、以下では特定の実施例を図面に例示し、これを詳細に説明する。
明細書全体にわたって同じ参照番号は原則として同じ構成要素を表す。また、各実施例の図面に示される同じ思想の範囲内の機能が同じ構成要素については、同じ参照符号を使用して説明する。
明細書全体において、ある部分がある構成要素を「含む」という場合は、これは、特に反対の記載がない限り、他の構成要素を除外するのではなく、他の構成要素をさらに含む可能性があることを意味する。また、明細書に記載された「．．．部」、「モジュール」等の用語は、少なくとも一つの機能や動作を処理する単位を意味し、これは、ハードウェア又はソフトウェアで実現されるか、ハードウェアとソフトウェアの結合で実現することができる。
本発明に係る公知の機能又は構成の具体的な説明が本発明の要旨を不要に曖昧にする可能性があると判断される場合、その詳細な説明を省略する。また、本明細書の説明過程で使用される数字（例えば、第１、第２等）は、一つの構成要素を他の構成要素と区別するための識別記号にすぎない。
図１は、本発明の好ましい実施例による認知症診断支援情報の提供装置２００を示す図である。
図１を参照すると、本発明の一実施例による認知症診断支援情報の提供装置２００は、第１画像獲得装置１１０及び第２画像獲得装置１２０と有線又は無線通信網を介して接続され、第１画像獲得装置１１０及び第２画像獲得装置１２０からそれぞれＭＲＩ画像及びＰＥＴ画像を受信する。
ここで、有線又は無線通信網は、携帯電話移動通信網、ＬＡＮ（Local Area Network）、ＷＰＡＮ（Wireless Personal Area Network）、ＷＬＡＮ（Wireless Local Area Network）のいずれかで実現されてもよく、２つ以上が結合して実現されてもいい。
本発明の好ましい実施例において、第１画像獲得装置１１０は、診断対象者の脳領域を撮影してＭＲＩ脳画像を出力するＭＲＩ画像撮影装置で実現され、第２画像獲得装置１２０は、診断対象者の脳領域を撮影してＰＥＴ脳画像を出力するＰＥＴ画像撮影装置で実現され、認知症診断支援情報の提供装置２００は、ＭＲＩ脳画像とＰＥＴ脳画像を撮影とを同時にリアルタイムで受信することができる。
また、第１画像獲得装置１１０及び第２画像獲得装置１２０は、ＭＲＩ脳画像とＰＥＴ脳画像を撮影して内部に記憶し、認知症診断支援情報の提供装置２００が診断対象者のＭＲＩ脳画像及びＰＥＴ脳画像をそれぞれ要請すると、第１画像獲得装置１１０及び第２画像獲得装置１２０が認知症診断支援情報の提供装置２００に診断対象者のＭＲＩ脳画像及びＰＥＴ脳画像を提供することもできる。
また、第１画像獲得装置１１０及び第２画像獲得装置１２０は、予め生成された多数の診断対象者のＭＲＩ脳画像とＰＥＴ脳画像を記憶するデータ・ベースサーバなどで実現することができる。
ここで、ＭＲＩ脳画像は、Ｔ１加重ＭＲＩ画像であることが好ましいが、これに限定されるものではなく、ＰＥＴ脳画像は、アミロイドＰＥＴ画像であってもよく、タウ（Tau）ＰＥＴ画像であってもよい。
また、本発明の好ましい実施例による認知症診断支援情報の提供装置２００は、プロセッサ２４０、メモリ２３０、入力部２１０及び出力部２２０を含む。
一方、本発明の好ましい実施例によるメモリ２３０は、プロセッサ２４０により実行可能なコマンド、及びプロセッサ２４０により実行されるプログラムを記憶することができ、入力・出力されるデータを記憶することもできる。メモリ２３０の例には、ハードディスク（ＨＤＤ）、ＳＳＤ、フラッシュメモリ、ロム（ＲＯＭ）、ラム（ＲＡＭ）などがある。メモリ２３０は、インターネット上で記憶媒体の機能を行うウェブストレージ（web storage）又はクラウドサーバに代替運営され得る。
本発明のメモリ２３０を、その内部に記憶されるデータに応じて概念的に区画すると、メモリ２３０は、プログラム記憶部２３３、アルツハイマー群のデータ記憶部２３１、健常人群のデータ記憶部２３２、領域分割アルゴリズム２３４、軽度認知障害群のデータ記憶部２３５、演算データ記憶部２３６、及び健常人老化群のデータ記憶部２３７を含む。
プログラム記憶部２３３は、プロセッサ２４０にロードされ、図３を参照して、後記する認知症診断支援情報の提供方法を実行するコマンドを含むプログラムを記憶する。
アルツハイマー群のデータ記憶部２３１は、予め準備されたアルツハイマー群に属する構成員のＭＲＩ脳画像及びＰＥＴ脳画像を整合した整合画像を記憶し、整合画像を予め定義された数の領域に分割した画像と各分割領域に対して生成されたＳＵＶＲデータを記憶することができる。また、アルツハイマー群のデータ記憶部２３１は、前記分割された各脳領域に、アルツハイマー患者群の全構成員の該当領域のＳＵＶＲの平均値を計算して、記憶することができる。
図２は、本発明のメモリ２３０に記憶されるアルツハイマー群のデータ、健常人群のデータ、健常人老化群のデータ及び軽度認知障害群のデータの一例を表に示す図である。
図２に示すように、アルツハイマー群には、Ｍ名Ａ１～ＡＭの構成員に対するデータが記憶され、各構成員に対して、Ｎ個に分割された構成員の脳画像領域Ｒ１～ＲＮに対するＮ個のＳＵＶＲ値ＶＡ１Ｒ１～ＶＡ１ＲＮ、・・・、ＶＡＭＲ１～ＶＡＭＲＮが記憶されている。また、各領域別に各構成員の該当領域のＳＵＶＲ平均値ＡＶＡＲ１～ＡＶＡＲＮ及び標準偏差σＡＲ１～σＡＲＮが記憶されている。したがって、アルツハイマー２３１には、分割領域数に該当する、Ｎ個の各領域別のＳＵＶＲ平均値ＡＶＡＲ１～ＡＶＡＲＮ及び標準偏差σＡＲ１～σＡＲＮが記憶されている。
本発明の好ましい実施例では、予め定義された脳地図に従って脳画像領域が９７個の領域に分割され、アルツハイマー群のデータ記憶部２３１には９７個の各領域のＳＵＶＲ平均値及び標準偏差が記憶されているが、領域の個数が９７個に限定されるものではない。
また、本発明の認知症診断支援情報の提供過程では、各領域別のＳＵＶＲ平均値及び標準偏差だけが使用されるので、アルツハイマー群のデータ記憶部２３１は、アルツハイマー構成員の脳画像は記憶せず、予め定義された数の分割領域のＳＵＶＲ平均値ＡＶＡＲ１～ＡＶＡＲＮ及び標準偏差σＡＲ１～σＡＲＮだけを記憶することもできる。
一方、健常人群のデータ記憶部２３２は、アルツハイマー群のデータと同じ方式により、図２に示すように、健常人群に属した構成員のＭＲＩ脳画像及びＰＥＴ脳画像を整合した整合画像及び整合画像を予め定義された数の領域に分割した画像を記憶することができる。また、健常人群のデータ記憶部２３２は、全健常人構成員Ｂ１～ＢＭの各分割領域Ｒ１～ＲＮに対して計算されたＳＵＶＲ値ＶＢ１Ｒ１～ＶＢ１ＲＮ、・・・、ＶＢＭＲ１～ＶＢＭＲＮを記憶することができ、分割された各脳領域別に、健常人群の全構成員の該当領域のＳＵＶＲの平均値ＡＶＢＲ１～ＡＶＢＲＮ及び標準偏差σＢＲ１～σＢＲＮを記憶することができる。
本発明の好ましい実施例において、アルツハイマー群と同様に、健常人群についても、予め定義された脳地図に従って脳画像領域が９７個の領域に分割され、９７個の各領域のＳＵＶＲ平均値及び標準偏差が記憶されているが、分割領域の数が９７個に限定されるものではない。また、健常人群のデータ記憶部２３２は、健常人構成員の脳画像は記憶せず、予め定義された数の分割領域のＳＵＶＲ平均値ＡＶＢＲ１～ＡＶＢＲＮ及び標準偏差σＢＲ１～σＢＲＮだけを記憶することもできる。
同様に、軽度認知障害群のデータ記憶部２３５は、健常人群のデータと同じ方式により、図２に示すように、軽度認知障害群に属した構成員のＭＲＩ脳画像及びＰＥＴ脳画像を整合した整合画像及び整合画像を予め定義された数の領域に分割した画像を記憶することができる。また、軽度認知障害群のデータ記憶部２３５は、全軽度認知障害の構成員Ｃ１～ＣＭの各分割領域Ｒ１～ＲＮに対して計算されたＳＵＶＲ値ＶＣ１Ｒ１～ＶＣ１ＲＮ、・・・、ＶＣＭＲ１～ＶＣＭＲＮを記憶することができ、分割された各脳領域別に、軽度認知障害群の全構成員の該当領域のＳＵＶＲの平均値ＡＶＣＲ１～ＡＶＣＲＮ及び標準偏差σＣＲ１～σＣＲＮを記憶することができる。
本発明の好ましい実施例において、アルツハイマー群及び健常人群と同様に、軽度認知障害群についても、予め定義された脳地図に従って脳画像領域が９７個の領域に分割され、９７個の各領域のＳＵＶＲ平均値及び標準偏差が記憶されているが、分割領域の数が９７個に限定されるものではない。また、軽度認知障害群のデータ記憶部２３５は、軽度認知障害の構成員の脳画像は記憶せず、予め定義された数の分割領域のＳＵＶＲ平均値ＡＶＣＲ１～ＡＶＣＲＮ及び標準偏差σＣＲ１～σＣＲＮだけを記憶することもできる。
同様に、健常人老化群のデータ記憶部２３７は、予め定義された年齢範囲の高齢者のうち正常判定を受けた高齢者のデータを記憶する。健常人老化群のデータ記憶部２３７は、健常人群のデータと同じ方式により、図２に示すように、健常人老化群に属した構成員のＭＲＩ脳画像及びＰＥＴ脳画像を整合した整合画像及び整合画像を予め定義された数の領域に分割した画像を記憶することができる。
また、健常人老化群のデータ記憶部２３７は、全体健常人老化群の構成員Ｄ１～ＤＭの各分割領域（Ｒ１～ＲＮに対して計算されたＳＵＶＲ値ＶＤ１Ｒ１～ＶＤ１ＲＮ、・・・、ＶＤＭＲ１～ＶＤＭＲＮ）を記憶できて、分割された各脳領域別に、健常人老化群全体構成員の該当領域のＳＵＶＲの平均値ＡＶＤＲ１～ＡＶＤＲＮ及び標準偏差σＤＲ１～σＤＲＮを記憶することができる。
本発明の好ましい実施例で、アルツハイマー群、健常人群及び軽度認知障害群と同じように、健常人老化群に対しても、予め定義された脳地図にしたがって脳画像領域が９７個の領域に分割されて、９７個の各領域のＳＵＶＲ平均値及び標準偏差が記憶されているが、分割領域の数が９７個に限定されるものではない。また、健常人老化群のデータ記憶部２３７は、健常人老化群の構成員の脳画像は記憶せず、予め定義された数の分割領域のＳＵＶＲ平均値ＡＶＤＲ１～ＡＶＤＲＮ及び標準偏差σＤＲ１～σＤＲＮだけを記憶することもできる。
領域分割アルゴリズム２３４は、深層学習方式で学習され、ＭＲＩ脳画像を予め定義された個数の分割領域に分割するように学習されたアルゴリズムとして記憶される。
一方、認知症診断支援情報の提供装置２００の入力部２１０は、マウス及びキーボードのような典型的な入力手段で実現され、利用者から設定情報及び選択情報などの入力を受け、プロセッサ２４０に出力することができる。また、入力部２１０は、内部に通信モジュール（未図示）を備えて、有線又は無線通信網を介して、第１画像獲得装置１１０及び第２画像獲得装置１２０からＭＲＩ脳画像及びＰＥＴ脳画像を受信することができる。
出力部２２０は、モニタ及びプリンタのような典型的な出力手段で実現され、プロセッサ２４０で生成したデータ及び認知症診断支援情報を利用者に表示することができる。
本発明の好ましい実施例によるプロセッサ２４０は、ＣＰＵ(Central Processing Unit）又は同様の装置で実現することができ、メモリ２３０に記憶されたコマンドを実行することにより、図３を参照して、後記する認知症診断支援情報の提供方法の各ステップを実行する。
図３は、本発明の好ましい実施例による認知症診断支援情報の提供方法を説明する流れ図である。図３をさらに参照して、本発明プロセッサ２４０の処理動作と、本発明の好ましい実施例によるプロセッサ２４０によって実行される認知症診断支援情報の提供方法を説明する。
まず、本発明のメモリ２３０には、前述するように、アルツハイマー群、健常人群、及び軽度認知障害群の脳領域別のＳＵＶＲデータが記憶されている（Ｓ３１０）。メモリ２３０に記憶されたアルツハイマー群、健常人群及び軽度認知障害群の脳領域別のＳＵＶＲデータの一例は、図２を参照して前述した通りである。ステップ（Ｓ３１０）の細部的な構成については、図９を参照して後記する。
その後、認知症診断支援情報の提供装置２００のプロセッサ２４０は、認知症診断対象者のＭＲＩ脳画像及びＰＥＴ脳画像が入力され、脳画像の脳領域を予め定義された複数個の領域に分割し、分割領域のそれぞれに対してＳＵＶＲを生成する（Ｓ３２０）。
ステップ（Ｓ３２０）をより具体的に説明すると、図４（ａ）及び（ｂ）に示すように、プロセッサ２４０は、第１画像獲得装置１１０から診断対象者のＭＲＩ脳画像が入力され、第２画像獲得装置１２０から診断対象者のＰＥＴ脳画像が入力される（Ｓ３２１）。このとき、ＭＲＩ脳画像は、Ｔ１加重ＭＲＩ脳画像であることが好ましく、ＰＥＴ脳画像は、必要に応じてアミロイドＰＥＴ画像であってもよく、タウＰＥＴ画像であってもよい。
プロセッサ２４０は、メモリ２３０に記憶された深層学習基盤の領域分割アルゴリズムを使用して、ＭＲＩ脳画像を予め定義された複数の領域（図５を参照）に分割する（Ｓ３２３）。前述するように、本発明の好ましい実施例において、プロセッサ２４０は、ＭＲＩ脳画像を脳地図に従って９７個の関心領域に分割したが、分割方式と分割領域の個数はこれらに限定されない。
その後、プロセッサ２４０は、ＭＲＩ脳画像とＰＥＴ脳画像を、剛体変換（Rigid transform）を介して２つの画像が同じ空間に位置するように画像整合を行う（Ｓ３２５）。図６は、ＭＲＩ脳画像とＰＥＴ脳画像が整合された画像の一例を示す。図６に示すように、プロセッサ２４０は、整合された画像において、ＭＲＩ脳画像の分割領域を介してＰＥＴ脳画像から分割領域に対応する領域を確認することができる。
プロセッサ２４０は、各分割領域別に標準取り込み値比（ＳＵＶＲ）を生成する（Ｓ３２７）。
標準取り込み値比（ＳＵＶＲ）は、同じアミロイド（又はタウ）ＰＥＴ画像内の２つの異なる領域（ターゲット及び基準領域）からのアミロイド（又はタウ）沈着程度（ＳＵＶ:Standardized uptake value）の割合を表し、アミロイド（又はタウ）沈着程度（ＳＵＶ）は、注入された放射能の全身濃度に対する画像放射能濃度の割合を表すことができる。標準取り込み値比（ＳＵＶＲ）を求める方式は、本発明の技術分野に公知された技術であるので、具体的な説明は省略する。
ステップ（Ｓ３２７）において、各分割領域Ｒ１～ＲＮ別に診断対象者（Subject）の標準取り込み値比（ＳＵＶＲ）が求められると、分割領域Ｒ１～ＲＮ別の標準取り込み値比ＶＳＲ１～ＶＳＲＮは、メモリ２３０に記憶される。
次に、プロセッサ２４０は、診断対象者の各分割領域別の標準取り込み値比ＶＳＲ１～ＶＳＲＮを各分割領域別標準区間にマッピングして、標準値を生成する（Ｓ３３０）。
ここで、標準値は、診断対象者の各分割領域別の標準取り込み値比がアルツハイマー患者群の標準取り込み値比の平均値及び健常人群の標準取り込み値比の平均値との近接程度を示すものである。
また、診断対象者の各領域別の標準取り込み値比がマッピングされる標準区間は、複数の分割領域のそれぞれに対するアルツハイマー患者群の標準取り込み値比の平均値と健常人群の標準取り込み値比の平均値を、一定の間隔の両端に設定したものである。
本発明の好ましい実施例において、標準区間はアルツハイマー患者群の標準取り込み値比の平均値を所定の変換式に従って１００に対応するように変換し、健常人群の標準取り込み値比の平均値を前記変換式に従って０に対応するように変換して生成された区間であり、診断対象者の各領域別の標準取り込み値比の標準値は、同じ変換式に従って変換して求められた値である。このとき、変換式は、下記数式（１）のように定義することができる。
（式中、Ａは、アルツハイマー患者群の標準取り込み値比の平均値を表し、Ｂは、健常人群の標準取り込み値比の平均値を表し、ｘは、変換対象パラメータである診断対象者のＳＵＶＲを表す。）
図７は、本発明の好ましい実施例によるアルツハイマー患者群と健常人群の各領域別の標準取り込み値比の平均値から求められた標準区間とそれに応じてマッピングされた診断対象者の領域別の標準値を説明する図である。
図７を参照すると、第１分割領域Ｒ１のアルツハイマー患者群の平均値ＡＶＡＲ１は２．０であり、健常人群の平均値ＡＶＢＲ１は０．６であり、診断対象者のＳＵＶＲは１．１と仮定すると、分割領域Ｒ１の標準区間で、健常人群の平均値ＡＶＢＲ１０．６が０に対応し、アルツハイマー患者群の平均値ＡＶＡＲ１２．０が１００に対応し、診断対象者のＳＵＶＲ１．１は前記学式（１）に従って３５．７に対応する。
前記の例では、ＰＥＴ陽性及び陰性を判断する基準値が１．１であると仮定すると、診断対象者の分割領域Ｒ１のＳＵＶＲは１．１であり、ＰＥＴ陽性及び陰性を判断する境界線にあるが、標準区間に変換すると、標準値が５０を越えることなく、健常人群にさらに近いため、ＰＥＴ陽性及び陰性を判断する際に有用な情報を提供することができる。
同様に、プロセッサ２４０は、残りの分割領域Ｒ２～ＲＮのそれぞれについても健常人群の平均値を０に変換し、アルツハイマー患者群の平均値を１００に変換して標準区間を生成し、認知症診断対象者のＳＵＶＲを同じ方式で変換して、標準区間にマッピングされる標準値を生成する。
前記の例では、標準区間を０～１００に設定したが、実施例によっては、前記の数式（１）を変形して、アルツハイマー群のＳＵＶＲ平均値を１に変換することにより、標準区間を０～１に設定することができる。
一方、プロセッサ２４０は、診断対象者の各分割領域別の標準取り込み値比の標準値が生成されると、診断対象者の各分割領域の標準値を、各分割領域に対する対照群の平均標準値に対する統計情報と共に認知症診断支援情報として出力する（Ｓ３４０）。
ここで、対照群は、メモリ２３０に記憶されたアルツハイマー患者群、健常人群、健常人老化群及び軽度認知障害群を含むことができる。また、対照群の平均標準値に対する統計情報は、該当分割領域の対照群の平均値を前記学式（１）に従って変換した標準値とそれに対応する標準偏差とを含むことができる。
図８は、本発明の好ましい実施例によるステップ（Ｓ３４０）から出力される認知症診断支援情報の一例を示す図である。
図８を参照して、より具体的な例を説明すると、プロセッサ２４０は、図８に示すように、対照群の平均標準値から予め定義された値ほど大きく、予め定義された値ほど小さい一対の値と、前記認知症診断対象者の標準値を一緒にグラフで出力することができるが、このとき、予め定義された値は、標準偏差であってもよい。参考として、図８に示された例では、説明の便宜のために６つの分割領域のみを表示した。
図８に示された例では、（ａ）は、アルツハイマー群の各分割領域別の平均標準値と標準偏差を示すと同時に、認知症診断対象者の各分割領域別の標準値を示す。図８（ａ）におけるアルツハイマー群の平均値の標準値（平均標準値）は、前記数式（１）に従って、その値が１００と一定の水平線８０１ｃ上に位置し、これを連結すると、値が１００の水平線となる。このとき、各領域別標準偏差に差があるため、１００を中心に互いに対応するように配置され、各分割領域の値を連結すると、２つの標準偏差グラフ８０１ａ、８０１ｂが描かれる。
ここに、分割領域別認知症診断対象者のＳＵＶＲ標準値に対応する点をつけ、これらを連結すると、折れ線グラフ８００が一緒に表示される。
もし、認知症診断対象者のＳＵＶＲ標準値グラフが、すべての分割領域において、アルツハイマー患者群の標準偏差グラフ８０１ａ、８０１ｂの内部に位置する場合に、認知症診断対象者のＳＵＶＲ特性がアルツハイマー患者と同じパターンを示すため、認知症診断対象者が認知症に該当する可能性を高く判断することができ、診断対象者にアルツハイマー性認知症に該当するという診断結果を出力することができる。
しかし、認知症診断対象者のＳＵＶＲ標準値グラフが一部の分割領域でのみアルツハイマー患者群の標準偏差グラフ８０１ａ、８０１ｂの内部に位置する場合に、認知症診断対象者のＳＵＶＲ特性が、アルツハイマー患者と同じパターンを示すわけではないので、アルツハイマー性認知症に該当する可能性を多少低く判断することができる。従って、診断対象者がアルツハイマー性認知症には該当しないが、血管性認知症又はレビー小体型認知症などの他の要因による認知症に該当する可能性があるという診断結果を出力することができる。
同様に、プロセッサ２４０は、軽度認知障害群の各分割領域別の平均値を前記数式（１）に従って変換して計算された各分割領域別の平均標準値、又は事前に計算されてメモリ２３０に記憶された平均標準値を各分割領域別に表示し、それらを連結して折れ線グラフ８０２ｃを表示する。
また、プロセッサ２４０は、各分割領域別に軽度認知障害群の平均標準値を中心とした標準偏差を表示し、標準偏差を連結して標準偏差グラフ８０２ａ、８０２ｂを表示する。また、図８（ａ）に示すように、プロセッサ２４０は、分割領域別の認知症診断対象者のＳＵＶＲ標準値に対応する点をつけ、それらを連結した折れ線グラフ８００を一緒に表示する。
図８の（ｂ）を参照すると、認知症診断対象者のＳＵＶＲ標準値グラフ８００は、軽度認知障害群の標準偏差グラフ８０２ａ、８０２ｂ内にすべて含まれるので、認知症診断対象者は、軽度認知障害群と同じパターンを示すことがわかる。従って、診断対象者が軽度認知障害に該当するという診断結果を出力することができる。
同様に、図８の（ｃ）に示すように、プロセッサ２４０は、健常人老化群の各分割領域別の平均値を前記数式（１）に従って変換し、変換された値を連結したグラフを表示する。さらに、プロセッサ２４０は、健常人老化群の標準偏差を連結した標準偏差グラフ８０３ａ、８０３ｂを一緒に表示する。
合わせて、図８（ａ）に示すように、プロセッサ２４０は、分割領域別の認知症診断対象者のＳＵＶＲ標準値に対応する点をつけ、それらを連結した折れ線グラフ８００を一緒に表示する。
図８（ｃ）を参照すると、認知症診断対象者のＳＵＶＲ標準値グラフ８００は、一般人老化群の標準偏差グラフ８０３ｃ、８０３ｂ内に一部のみ含まれるので、認知症診断対象者は、一般人老化群に属さないことがわかる。
最後に、図８（ｄ）に示すように、プロセッサ２４０は、健常人群の各分割領域別の平均値を前記数式（１）に従って変換し、変換された値を連結したグラフを表示する。さらに、プロセッサ２４０は、健常人群の標準偏差を連結した標準偏差グラフ８０４ａ、８０４ｂを一緒に表示する。
健常人群の各分割領域別の平均値を数式（１）に従って変換した標準値は０になるので、健常人群の標準偏差グラフ８０４ａ、８０４ｂは、原点を通る水平線を中心に互いに対向されるように配置された一対のグラフと表示される。また、プロセッサ２４０は、分割領域別認知症診断対象者のＳＵＶＲ標準値に対応する点をつけ、それらを連結した折れ線グラフ８００を一緒に表示する。
図８（ｄ）に示すように、認知症診断対象者のＳＵＶＲ標準値グラフ８００は、健常人群の標準偏差グラフ８０４ａ、８０４ｂ内に含まれる領域がないため、認知症診断対象者は、健常人群とはかなり異なるパターンを示すことがわかる。
一方、プロセッサ２４０は、認知症診断対象者の各分割領域別の標準値が対照群の一対の値（標準偏差）の間に位置する分割領域の割合又は各分割領域別の標準値が対照群の一対の値（標準偏差）を外れて位置する分割領域の割合を計算し、統計情報としてグラフと一緒に表示することもできる。
例えば、分割領域が９７個に達する場合に、グラフだけではどの程度の分割領域において認知症診断対象者の標準値が標準偏差グラフ内に含まれてきるかを把握することが難しい。従って、プロセッサ２４０は、全分割領域のうち、標準値が標準偏差グラフ内に含まれる分割領域の数をカウントし、全分割領域で占める割合をグラフと一緒に表示することができる。
図８の（ａ）において、表示された６つの分割領域のうち標準値が標準偏差グラフ８０１ａ、８０１ｂの間に含まれた分割領域は３つであるので、「標準偏差グラフ含む領域の割合：１／２」をグラフと一緒に表示することができる。
同様に、図８の（ｂ）において、表示された６つの分割領域のすべてにおいて標準値が標準偏差グラフ８０２ａ、８０２ｂの間に含まれるので、「標準偏差グラフ含む領域の割合：１／１」をグラフと一緒に表示することができる。
また、プロセッサ２４０は、認知症診断対象者のＳＵＶＲ標準値が標準偏差グラフに含まれる領域の割合に対する閾値を設定し、該当比率が閾値以上の場合には、認知症診断対象者が該当対照群に属すると推定し、推定結果をグラフと一緒に出力することもできる。例えば、閾値を９０％に設定したと仮定すると、認知症診断対象者の標準値が軽度認知障害群の標準偏差グラフ８０２ａ、８０２ｂの間に含まれる割合が閾値である９０％を超過するので、プロセッサ２４０は、認知症診断対象者が軽度認知障害に該当すると、グラフと一緒に出力することもできる。
また、プロセッサ２４０は、分割領域について認知症診断対象者のＳＵＶＲ標準値を連結したグラフと対照群の平均標準値を連結したグラフとの一致度を一緒に出力することもできる。例えば、認知症診断対象者のＳＵＶＲ標準値から対照群の平均標準値を減算した絶対値の合計が０に近いほど、両グラフは一致度が高い。従って、プロセッサ２４０は、すべての分割領域に対して、｜認知症診断対象者のＳＵＶＲ標準値－対照群の平均標準値｜を計算し、分割領域すべてについてこれらを合計した値を用いて一致度を計算して一緒に表示することができる。
図９は、図３に示されたステップ（Ｓ３１０）において、本発明の好ましい実施例によるアルツハイマー群、健常人群、軽度認知障害群、及び健常人老化群の各分割領域別のＳＵＶＲ平均値を求めてメモリ２３０に記憶する処理を説明する流れ図である。
アルツハイマー群、健常人群、軽度認知障害群、及び健常人老化群の各分割領域別のＳＵＶＲ平均値を求める過程は、対象がアルツハイマー患者群に属する構成員、健常人群に属する構成員、及び軽度認知障害群に属する構成員、正常が老化群に属する構成員であることを除けば、前述したステップ（Ｓ３２０）と同様である。
従って、図９を参照して全体的な流れのみを簡単に説明すると、プロセッサ２４０は、第１画像獲得装置１１０からアルツハイマー患者、健常人、軽度認知障害判定を受けた者、正常判定を受けた高齢者のＭＲＩ脳画像をそれぞれ入力され、第２画像獲得装置１２０からアルツハイマー患者、健常人、軽度認知障害判定を受けた者及び正常判定を受けた高齢者のＰＥＴ脳画像が入力される（Ｓ３１１）。このとき、ＭＲＩ脳画像は、Ｔ１加重ＭＲＩ脳画像であることが好ましく、ＰＥＴ脳画像は、必要に応じてアミロイドＰＥＴ画像であってもタウＰＥＴ画像であってもよい。
プロセッサ２４０は、メモリ２３０に記憶された深層学習に基づく領域分割アルゴリズムを使用して、図５に示すように、ＭＲＩ脳画像を予め定義された複数の領域に分割する（Ｓ３１３）。前述したように、本発明の好ましい実施例では、プロセッサ２４０は、ＭＲＩ脳画像を脳地図に従って９７個の関心領域に分割したが、分割方式と分割領域の個数はこれに限定されない。
その後、プロセッサ２４０は、ＭＲＩ脳画像とＰＥＴ脳画像を、剛体変換を通じて、２つの画像が同じ空間に位置するように画像整合を行う（Ｓ３１５）。
プロセッサ２４０は、各分割領域別にアルツハイマー患者、健常人、軽度認知障害判定を受けた者、及び正常判定を受けた高齢者の標準取り込み値比（ＳＳＵＶＲ）を生成し、図２に示すように記憶する（Ｓ３１７）。
その後、プロセッサ２４０は、各分割領域Ｒ１～ＲＮ別に、アルツハイマー患者群、健常人群、軽度認知障害群、及び健常人老化群の標準取り込み値比の平均値ＡＶＡＲ１～ＡＶＡＲＮ、ＡＶＢＲ１～ＡＶＢＲＮ、ＡＶＣＲ１～ＡＶＣＲＮ、ＡＶＤＲ１～ＡＶＤＲＮ及び標準偏差σＡＲ１～σＡＲＮ、σＢＲ１～σＢＲＮ、σＣＲ１～σＣＲＮ、σＤＲ１～σＤＲＮを計算し、メモリ２３０に記憶する（Ｓ３１９）。
以上で説明した本発明の好ましい実施例による、認知症診断支援情報の提供方法は、コンピュータで実行可能なコマンドで実現され、非一時的記憶媒体に記憶されたコンピュータプログラムで実現することができる。
記憶媒体は、コンピュータシステムによって読み取られ得るデータが記憶されるすべての種類の記録装置を含む。コンピュータ可読の記憶媒体の例には、ＲＯＭ、ＲＡＭ、ＣＤ－ＲＯＭ、磁気テープ、フロッピーディスク、光データ記憶装置などがある。また、コンピュータ可読の記憶媒体は、ネットワークに連結されたコンピュータシステムに分散され、分散方式でコンピュータ可読のコードを記憶して実行することができる。
以上で、本発明に関してその好ましい実施例を中心に説明した。本発明が属する技術分野に通常の知識を有する者は、本発明が本発明の本質的な特性から逸脱しない囲で変形された形態で実現され得ることを理解するのであろう。従って、開示された実施例は、限定的な観点ではなく説明的な観点でから考慮されるべきである。本発明の範囲は、前述した説明ではなく特許請求の範囲に示されており、それと同等の範囲内にあるすべての相違点は、本発明に含まれるものと解釈されるべきである。

Claims (11)

  1. プロセッサ及び所定のコマンドを記憶するメモリを含む認知症診断支援情報の提供装置で行われる認知症診断支援情報の提供方法であって、
    （ａ）診断対象者の脳画像の脳領域を予め定義された複数個に分割した領域（分割領域）のそれぞれに対して、標準取り込み値比（ＳＵＶＲ）を計算するステップと、
    （ｂ）前記各分割領域の標準取り込み値比を、各分割領域毎に予め定義された標準区間にマッピングして、標準値を求めるステップと、
    （ｃ）各分割領域の標準値を、各分割領域に対する対照群の平均標準値に対する統計情報と一緒に出力するステップと、を含み、
    前記ステップ（ｃ）は、
    各分割領域に対して、対照群の平均標準値から予め定義された値ほど大きく、予め定義された値ほど小さい一対の値と前記標準値を一緒にグラフで出力し、
    前記標準値が、前記対照群の一対の値の間に位置する分割領域の割合又は前記標準値が、前記対照群の一対の値を外れる分割領域の割合を一緒に表示することを特徴とする認知症診断支援情報の提供方法。
  2. 前記ステップ（ｃ）は、
    各分割領域に対して、対照群の平均標準値から標準偏差ほど差のある一対の値と前記標準値を一緒に出力することを特徴とする請求項１に記載の認知症診断支援情報の提供方法。
  3. 前記対照群は、アルツハイマー患者群、軽度認知障害群、健常人老化群及び健常人群のうちの少なくとも一つを含むことを特徴とする請求項１に記載の認知症診断支援情報の提供方法。
  4. 前記ステップ（ｃ）は、
    前記標準値が、前記対照群の一対の値の間に位置する分割領域の割合が予め定義された閾値以上の場合には、前記診断対象者が該当対照群に属すると推定し、推定結果を一緒に出力することを特徴とする請求項１に記載の認知症診断支援情報の提供方法。
  5. 前記ステップ（ｃ）は、
    前記分割領域に対して、前記標準値を連結したグラフと対照群の平均標準値を連結したグラフとの一致度を一緒に出力することを特徴とする請求項１に記載の認知症診断支援情報の提供方法。
  6. 非一時的記憶媒体に記憶され、プロセッサを含むコンピュータで実行され、請求項１～５のいずれか１項に記載の認知症診断支援情報の提供方法を実行するコンピュータプログラム。
  7. 認知症診断支援情報の提供装置であって、
    プロセッサと、
    所定のコマンドを記憶するメモリと
    を含み、
    前記メモリに記憶されたコマンドを実行した前記プロセッサは、
    （ａ）診断対象者の脳画像の脳領域を予め定義された複数個に分割した領域（分割領域）のそれぞれに対して、標準取り込み値比（ＳＵＶＲ）を計算するステップと、
    （ｂ）前記各分割領域の標準取り込み値比を各分割領域毎に予め定義された標準区間にマッピングして、標準値を求めるステップと、
    （ｃ）各分割領域の標準値を、各分割領域に対する対照群の平均標準値に対する統計情報と一緒に出力するステップと、を行い、
    前記ステップ（ｃ）は、
    各分割領域に対して、対照群の平均標準値から予め定義された値ほど大きく、予め定義された値ほど小さい一対の値と前記標準値を一緒にグラフで出力し、
    前記標準値が、前記対照群の一対の値の間に位置する分割領域の割合又は前記標準値が、前記対照群の一対の値を外れる分割領域の割合を一緒に表示することを特徴とする認知症診断支援情報の提供装置。
  8. 前記ステップ（ｃ）は、
    各分割領域に対して、対照群の平均標準値から標準偏差ほど差のある一対の値と前記標準値を一緒に出力することを特徴とする請求項７に記載の認知症診断支援情報の提供装置。
  9. 前記対照群は、アルツハイマー患者群、軽度認知障害群、健常人老化群及び健常人群のうちの少なくとも一つを含むことを特徴とする請求項７に記載の認知症診断支援情報の提供装置。
  10. 前記ステップ（ｃ）は、
    前記標準値が、前記対照群の一対の値の間に位置する分割領域の割合が予め定義された閾値以上の場合には、前記診断対象者が該当対照群に属すると推定し、推定結果を一緒に出力することを特徴とする請求項７に記載の認知症診断支援情報の提供装置。
  11. 前記ステップ（ｃ）は、
    前記分割領域に対して、前記標準値を連結したグラフと対照群の平均標準値を連結したグラフとの一致度を一緒に出力することを特徴とする請求項７に記載の認知症診断支援情報の提供装置。
JP2022177366A 2022-02-22 2022-11-04 認知症診断支援情報の提供装置及びその方法 Active JP7477906B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR1020220023103A KR102444082B1 (ko) 2022-02-22 2022-02-22 치매 진단 보조 정보 제공 장치 및 방법
KR10-2022-0023103 2022-02-22

Publications (2)

Publication Number Publication Date
JP2023122529A JP2023122529A (ja) 2023-09-01
JP7477906B2 true JP7477906B2 (ja) 2024-05-02

Family

ID=83445190

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2022177366A Active JP7477906B2 (ja) 2022-02-22 2022-11-04 認知症診断支援情報の提供装置及びその方法

Country Status (4)

Country Link
US (1) US11730368B1 (ja)
EP (1) EP4230144A1 (ja)
JP (1) JP7477906B2 (ja)
KR (1) KR102444082B1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020054803A1 (ja) 2018-09-12 2020-03-19 株式会社Ｓｐｌｉｎｋ 診断支援システムおよび方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2740073B1 (en) * 2011-06-17 2017-01-18 Quantitative Imaging, Inc. Methods and apparatus for assessing activity of an organ and uses thereof
WO2017011746A1 (en) * 2015-07-15 2017-01-19 Adm Diagnostics, Llc System and methods for determining a brain condition of a patient sybject to multiple disease states
KR102351283B1 (ko) * 2020-05-22 2022-01-14 동아대학교 산학협력단 딥러닝을 이용한 짧은 시간 촬영한 뇌 단층 촬영 이미지 복원 장치

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020054803A1 (ja) 2018-09-12 2020-03-19 株式会社Ｓｐｌｉｎｋ 診断支援システムおよび方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
W. E. Klunk et al.，The Centiloid Project: Standardizing quantitive amyloid plaque estimation by PET，Alzheimer's & Dementia，Alzheimer's Association，2014年10月28日，Vol. 11, Issue 1，pp. 1-15，DOI: 10.1016/j.jalz.2014.07.003

Also Published As

Publication number Publication date
US11730368B1 (en) 2023-08-22
EP4230144A1 (en) 2023-08-23
JP2023122529A (ja) 2023-09-01
KR102444082B1 (ko) 2022-09-16
US20230263394A1 (en) 2023-08-24

Similar Documents

Publication Publication Date Title
CN109447183B (zh) 预测模型训练方法、装置、设备以及介质
US11996172B2 (en) Diagnosis support system, information processing method, and program
JP7357927B2 (ja) 診断支援システムおよび方法
US9265441B2 (en) Assessment of traumatic brain injury
US8170347B2 (en) ROI-based assessment of abnormality using transformation invariant features
JP6036009B2 (ja) 医用画像処理装置、およびプログラム
US20170238879A1 (en) Method of Analyzing the Brain Activity of a Subject
US20200065967A1 (en) Computer system, method, and program for diagnosing subject
JP7492769B2 (ja) 認知症診断に必要な情報の提供方法及び装置
Rodrigues et al. A benchmark for hypothalamus segmentation on T1-weighted MR images
Osmanlıoğlu et al. Connectomic assessment of injury burden and longitudinal structural network alterations in moderate‐to‐severe traumatic brain injury
JP7477906B2 (ja) 認知症診断支援情報の提供装置及びその方法
US20200176120A1 (en) Information output apparatus, information output method, and information output program
JP6788113B2 (ja) 医用画像処理装置、方法およびプログラム
JP2021518205A (ja) 神経学的検査システム
EP4312229A1 (en) Information processing apparatus, information processing method, program, trained model, and learning model generation method
JP6998760B2 (ja) 脳画像解析装置、脳画像解析方法、及び脳画像解析プログラム
Guo et al. A one-stage deep learning architecture for the detection of key points in peri-implant alveolar bone
Liu et al. Deep Neural Network-Based Video Processing to Obtain Dual-Task Upper-Extremity Motor Performance Toward Assessment of Cognitive and Motor Function
JP2023005697A (ja) 診断支援装置、コンピュータプログラム及び診断支援方法
Bai et al. Automated CMR image analysis with fully convolutional networks

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20221104

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20240109

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20240209

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: 20240402

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20240412

R150 Certificate of patent or registration of utility model

Ref document number: 7477906

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150