JP7479805B2 - 医用情報処理装置、医用情報処理方法、医用情報処理プログラムおよび医用情報処理システム - Google Patents
医用情報処理装置、医用情報処理方法、医用情報処理プログラムおよび医用情報処理システム Download PDFInfo
- Publication number
- JP7479805B2 JP7479805B2 JP2019160574A JP2019160574A JP7479805B2 JP 7479805 B2 JP7479805 B2 JP 7479805B2 JP 2019160574 A JP2019160574 A JP 2019160574A JP 2019160574 A JP2019160574 A JP 2019160574A JP 7479805 B2 JP7479805 B2 JP 7479805B2
- Authority
- JP
- Japan
- Prior art keywords
- medical
- signal processing
- signal
- diagnostic
- processed
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims description 55
- 238000003672 processing method Methods 0.000 title claims description 5
- 238000012545 processing Methods 0.000 claims description 219
- 230000006870 function Effects 0.000 claims description 113
- 238000003745 diagnosis Methods 0.000 claims description 43
- 238000000034 method Methods 0.000 claims description 39
- 206010028980 Neoplasm Diseases 0.000 claims description 34
- 230000008569 process Effects 0.000 claims description 28
- 201000011510 cancer Diseases 0.000 claims description 17
- 201000010099 disease Diseases 0.000 claims description 17
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 17
- 238000012549 training Methods 0.000 claims description 15
- 230000036210 malignancy Effects 0.000 claims description 13
- 238000004891 communication Methods 0.000 description 31
- 238000002405 diagnostic procedure Methods 0.000 description 20
- 230000003211 malignant effect Effects 0.000 description 15
- 238000010586 diagram Methods 0.000 description 14
- 238000010801 machine learning Methods 0.000 description 14
- 238000003860 storage Methods 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 238000013500 data storage Methods 0.000 description 11
- 238000007726 management method Methods 0.000 description 10
- 238000002591 computed tomography Methods 0.000 description 9
- 239000002131 composite material Substances 0.000 description 7
- 238000001914 filtration Methods 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000011218 segmentation Effects 0.000 description 4
- 238000004195 computer-aided diagnosis Methods 0.000 description 3
- 238000002595 magnetic resonance imaging Methods 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 229940079593 drug Drugs 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 210000002216 heart Anatomy 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 238000002600 positron emission tomography Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000002603 single-photon emission computed tomography Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000001356 surgical procedure Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000001052 transient effect Effects 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000747 cardiac effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000010339 dilation Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005401 electroluminescence Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 210000004072 lung Anatomy 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012148 non-surgical treatment Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
以下、一実施形態について図面を用いて説明する。
図1は、第1の実施形態に係る医用情報処理装置10が設けられる病院情報システム1の構成例を示すブロック図である。図1に示される病院情報システム1は、医用情報処理装置10、電子カルテシステム20、医用画像管理システム(PACS:Picture Archiving and Communication System)30、及び通信端末40を具備する。医用情報処理装置10、電子カルテシステム20、医用画像管理システム30、及び通信端末40は、LAN(Local Area Network)等の病院内ネットワークを介してデータ通信可能に接続されている。なお、病院内ネットワークへの接続は、有線接続、及び無線接続を問わない。また、セキュリティが確保されるのであれば、接続される回線は病院内ネットワークに限定されない。例えば、VPN(Virtual Private Network)等を介し、インターネット等、公衆の通信回線に接続するようにしても構わない。
画像信号に基づく画像は、例えば、超音波画像、CT(Computed Tomography)画像、MR(Magnetic Resonance)画像、PET(Positron Emission Tomography)画像、およびSPECT(Single Photon Emission Computed Tomography)画像である。生データまたは中間データは、例えば、磁気共鳴イメージング装置で取得されるk空間データ、X線CT装置で取得される投影データまたはサイノグラムデータ、フォトンカウンティングCT装置で取得される、スペトラルデータ、エネルギー帯が異なる画像データまたは物質弁別された画像データ、超音波診断装置で取得されるエコーデータ、PET装置で取得されるコインシデンスデータまたはサイノグラムデータ、SPECT装置で取得される投影データまたはサイノグラムデータ、および心電図で取得されるECG波形が挙げられるが、他のデータであってもよい。
なお、信号処理機能113により生成される複数の加工医用信号は、学習時には、学習用データとして用いることができるため、取得機能111及び信号処理機能113は学習用データ生成装置の一部を構成してもよい。
診断結果は、例えば、腫瘍の良性及び悪性の判定結果を想定するが、これに限らず、疾患の良悪の判定結果、疾患の疑いがあるか否かといった正常では無い状態の判定結果でもよいし、臓器位置などの領域の自動抽出結果、投薬の種類、用法及び用量に関する情報でもよい。または、診断結果は、ある疾患について手術するか、手術以外の治療をするか、経過観察をするかといった疾患に対する治療及び手術の要否判定結果でもよい。さらに、診断結果はこれら上述した情報の組合せであってもよい。
また、処理回路11は、診断結果として「癌が検出された位置」を示す情報を出力してもよい。例えば、処理回路11は異なる信号処理で得られた加工医用信号に基づく画像に対して癌の位置を検出し、それぞれの検出した位置を出力する。この場合、各加工医用信号に基づく画像において同じ位置に癌が検出されれば、これまで以上に診断結果の信頼度が増すということに繋がる。
図3は、学習済みモデル121を生成する学習システムの一例を示すブロック図である。図3に示される医用情報処理システムは、医用情報処理装置10と、学習データ保管装置50と、モデル学習装置60とを含む。
(1)入力医用信号xを一個の画像データとし、各成分xp(p=1,2,・・・,N)を当該一個の画像データを構成する位置毎の値(ピクセル値或いはボクセル値)として規定する形式。
(2)入力医用信号xをM個の画像データ(例えば、互いに撮像条件の異なる複数の画像データ)とし、各成分xpのうちの1≦p≦qまでを一個目の画像データ、q+1≦p≦rまでを二個目の画像データ、r+1≦p≦sまでを三個目の画像データ、・・・として、入力層において画像データ毎に入力ユニットの範囲を割り当てる形式。
(3)入力医用信号xをM個の画像データとし、各成分xpを一個の画像データの位置毎の値(ピクセル値或いはボクセル値)を縦に並べたベクトルとして規定する形式。
(4)入力医用信号xを、k空間データや投影データ等の生データ(RAWデータ)として、(1)~(3)等を採用する形式。
(5)入力医用信号xを、畳み込み処理が施された画像データ又は生データとして、(1)~(3)等を採用する形式。
式(6-1)又は式(6-3)に従って、現在のpを負の勾配方向に少し動かし、これを逐次繰り返すことで、誤差関数E(p)を極小にするパラメータpを決定することができる。
図5は、医用信号が入力されてから診断結果が出力されるまでの第1の処理例に係るデータフローを示す概念図である。
これにより、複数段の処理が施された後の解析済み画像が表示画面に表示され、当該解析済み画像にも残っているような特徴的なパターンがあれば、どの信号処理過程にも当該パターンが残存していると考えられる。そのため、当該パターンが診断機能による処理によって、より抽出されやすくなる。
図5に示す第1の処理例では、3つの加工医用信号に基づいて、1つの診断結果を出力する場合であるが、図6では、診断機能115を実行することにより処理回路11は、3つの加工医用信号それぞれに対して1つの診断結果を出力する、つまり3つの診断結果を出力する。
図6に示す第2の処理例では、加工医用信号それぞれに対し、同じ学習済みモデルを用いて診断処理を実行するが、図7に示す第3の処理例では、診断機能115を実行することにより処理回路11は、3つの加工医用信号に対し、それぞれ異なる学習済みモデルを用いて診断処理を実行する。ここで、異なる学習済みモデルとは、それぞれ異なるパラメータを有する学習済みモデルである。
このように加工医用信号それぞれに対し、最適化させた学習済みモデルを用いることで、加工医用信号に対して、より高精度の診断を実行することができる。
例えば、画像を変形させる処理としては、リサイズ、回転、トリミング、検出器レベルで信号をまとめるバインディング、および変形などが挙げられる。上述した処理のうちの3つの処理をそれぞれ、第1信号処理、第2信号処理および第3信号処理として実行すればよい。具体的には、第1信号処理として画像のリサイズを実行し、第2信号処理として画像の回転を実行し、第3信号処理として画像のトリミングを実行すればよい。
なお、第1信号処理機能から第3信号処理機能のそれぞれから出力される加工医用信号が異なれば、1つの処理が複数回繰り返されてもよい。具体例としては、第1信号処理として画像を1024×1024にリサイズし、第2信号処理として画像を512×512にリサイズし、第3信号処理として256×256にリサイズする処理を実行すればよい。
画像の濃淡を変更する処理としては、ウィンドウ幅およびウィンドウレベル(WW/WL)の変更、ガンマ補正、ダイナミックレンジ変更、コントラスト変換、対数変換、およびビット変換処理などが挙げられる。
空間フィルタ処理としては、平均フィルタ、メディアンフィルタ、ノイズ低減フィルタ、および非局所平均(Non-local mean)フィルタなどが挙げられる。
周波数変換処理としては、ハイパスフィルタ、ローパスフィルタ、および、1つ以上の周波数帯を通過させるバンドパスフィルタなどが挙げられる。
サンプリング処理としては、アップサンプリングまたはダウンサンプリングなどが挙げられる。
画像補正処理としては、動き補正、レジストレーション、セグメンテーション、エッジ強調、細線化、ダイレーション、補間などが挙げられる。
画像再構成処理に関して変更可能な項目としては、アルゴリズム、再構成パラメータ、解像度、係数、スライス厚、取得するビュー角度(フルスキャン、ハーフスキャン、70%スキャンなど)、スパースなデータの取得位置、超解像の種別などが挙げられる。
X線CT装置に関して変更可能な項目としては、デュアルエナジーにおけるそれぞれの管電圧、Decompositionする際の基準物質、Subtractionの係数、フォトンカウンティングのエネルギー・ビンなどが挙げられる。なお、X線CT装置に関して変更可能な項目は、異なる撮影方法として医用信号取得前に設定されてもよい。
時間方向のずれに関して変更する場合の処理としては、フレーム加算、リカーシブフィルタの係数、サンプリング数、散乱線用のグリッドを揺らすことによりモアレの無い画像を得るための揺動グリッド、時間方向に少しずれたデータなどが挙げられる。
処理するデータの違いとしては、k空間データで処理するか、サイノグラムで処理するかが挙げられる。その他、圧縮処理の違いや色変換(RGBからCMYK)の違いなども挙げられる。
例えば、最大吸気位相のタイミングのデータを選択する前に平均フィルタをかけることは一般的に想定されない。そのため、最大吸気位相のタイミングのデータを選択することが第1信号処理として設定され、平均フィルタをかけることが第2信号処理として設定されればよい。
また、症例に応じてどのような信号処理を組み合わせるかを経験的または販売する機器の用途などにより予め決定しておき、症例に応じた信号処理の組み合わせが実行されてもよい。
また、学習済みモデルも、各加工医用信号に対して用意することができるため、1つの学習済みモデルに信号処理まで含むようなモデルとは異なり、加工医用信号にあわせて1つだけ学習済みモデルを変更するなど、スケーラブルな変更を行うことができる。
結果として、ユーザの労力を大幅に低減しつつ、より精度の高い診断結果をユーザに提供することができ、CADによる診断結果に対する信頼性を向上できる。
第2の実施形態では、医用情報処理装置10からの診断結果の出力を、いわゆるセカンドオピニオン等で用いられる場合を想定する。
図8に示す医用情報処理装置10では、医用信号が診断機能115に入力される。診断機能115を実行することにより処理回路11は、入力された医用信号について、第1診断処理S15-1、第2診断処理S15-2及び第3診断処理S15-3が別個に行われる。なお、医用信号に限らず、フィルタ処理など何らかの信号処理後の加工医用信号でもよい。すなわち、各診断処理S15に入力される信号が同一であればよい。
異なる学習済みモデルの取得手法としては、例えば、異なる病院で学習された学習済みモデルを用いればよい。病院毎に撮像装置のメーカー及び型番、技師が異なるので、同じ撮像部位の医用信号を元に機械学習をおこなっても異なる学習済みモデルが得られる。また、昼の時間帯に撮影された画像と、夜の時間帯に撮影された画像など、撮影された時間帯が異なっても異なる学習済みモデルが得られる。
例えば、学習済みモデルが異なる3つの診断処理による診断結果が全て同じ出力である場合、当該診断結果を信頼してもよいと考えられる。一方、3つの診断処理による診断結果がそれぞれ異なる診断結果を出力した場合、ユーザは再検査や追加検査を希望するといった対応を検討してもよい。
図9では、医用信号が画像である場合を想定しており、第2の処理例は、同じ学習済みモデルに対して少し異なる画像処理を実行した複数の加工画像を入力とすることで、複数の診断結果が出力される例である。
異なる画像処理としては、例えば、種類としてはフィルタ処理であるが、手法が異なるフィルタ処理を実行すればよい。具体的には、第1信号処理S31として、移動平均フィルタが実行され、第2信号処理S33として、メディアンフィルタが実行され、第3信号処理S35として、細線化処理が実行されればよい。
10 医用情報処理装置
11 処理回路
12 メモリ
13 通信インタフェース
20 電子カルテシステム
21 サーバ装置
22,40 通信端末
30 医用画像管理システム
31 サーバ装置
50 学習データ保管装置
60 モデル学習装置
111 取得機能
113 信号処理機能
115 診断機能
117 表示制御機能
119 通信制御機能
121 学習済みモデル
1131 第1信号処理機能
1133 第2信号処理機能
1135 第3信号処理機能
Claims (10)
- 被検体に対する医用信号に対して複数の信号処理を行い、信号処理ごとに得られる複数の加工医用信号を生成する信号処理部と、
加工医用信号を入力とし、疾患の悪性度に関する診断結果を正解とした学習用データに基づいてモデルを学習することで生成される学習済みモデルを用いて、前記複数の加工医用信号それぞれについて疾患の悪性度に関する診断結果を出力し、複数の診断結果の多数決に基づいて、1つの診断結果を出力する診断部と、
を具備し、
前記信号処理部は、第1信号処理により生成される第1加工医用信号を後段の第2信号処理への入力とする医用情報処理装置。 - 前記信号処理部は、被検体に関する医用信号に対してそれぞれ異なる複数の信号処理を行うことにより信号処理ごとに前記加工医用信号を生成する、請求項1に記載の医用情報処理装置。
- 前記信号処理部は、前記複数の信号処理において、前記医用信号を各信号処理への入力とする請求項2に記載の医用情報処理装置。
- 前記診断部は、前記複数の加工医用信号それぞれに対し、1つの診断結果を出力することで前記複数の診断結果を得る請求項1から請求項3のいずれか1項に記載の医用情報処理装置。
- 前記診断部は、前記複数の加工医用信号それぞれに対して、同じ学習済みモデルを用いる請求項1から請求項4のいずれか1項に記載の医用情報処理装置。
- 前記診断部は、前記複数の加工医用信号に対して、それぞれ異なるパラメータを有する学習済みモデルを用いる請求項1から請求項4のいずれか1項に記載の医用情報処理装置。
- 前記診断部は、異なるタスクを処理するように学習させた、異なる学習済みモデルを用いる請求項6に記載の医用情報処理装置。
- 被検体に対する医用信号に対して複数の信号処理を行い、信号処理ごとに得られる複数の加工医用信号を生成し、
加工医用信号を入力とし、疾患の悪性度に関する診断結果を正解とした学習用データに基づいてモデルを学習することで生成される学習済みモデルを用いて、前記複数の加工医用信号それぞれについて疾患の悪性度に関する診断結果を出力し、複数の診断結果の多数決に基づいて、1つの診断結果を出力し、
第1信号処理により生成される第1加工医用信号を後段の第2信号処理への入力とする医用情報処理方法。 - コンピュータに、
被検体に対する医用信号に対して複数の信号処理を行い、信号処理ごとに得られる複数の加工医用信号を生成する信号処理機能と、
加工医用信号を入力とし、疾患の悪性度に関する診断結果を正解とした学習用データに基づいてモデルを学習することで生成される学習済みモデルを用いて、前記複数の加工医用信号それぞれについて疾患の悪性度に関する診断結果を出力し、複数の診断結果の多数決に基づいて、1つの診断結果を出力する診断機能と、を実現させ、
前記信号処理機能は、第1信号処理により生成される第1加工医用信号を後段の第2信号処理への入力とする医用情報処理プログラム。 - 医用信号を格納する医用情報管理装置と、
前記医用信号に対して複数の信号処理を行い、信号処理ごとに得られる複数の加工医用信号を生成する信号処理装置と、
加工医用信号を入力とし、疾患の悪性度に関する診断結果を正解とした学習用データに基づいてモデルを学習することで生成される学習済みモデルと、を具備し、
前記信号処理装置は、前記学習済みモデルを用いて、、前記複数の加工医用信号それぞれについて疾患の悪性度に関する診断結果を出力し、複数の診断結果の多数決に基づいて、1つの診断結果を出力する診断部を具備し、
前記信号処理装置は、第1信号処理により生成される第1加工医用信号を後段の第2信号処理への入力とする、医用情報処理システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/561,851 US20200090810A1 (en) | 2018-09-06 | 2019-09-05 | Medical information processing apparatus, method and system |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018167029 | 2018-09-06 | ||
JP2018167029 | 2018-09-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042810A JP2020042810A (ja) | 2020-03-19 |
JP7479805B2 true JP7479805B2 (ja) | 2024-05-09 |
Family
ID=69798528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019160574A Active JP7479805B2 (ja) | 2018-09-06 | 2019-09-03 | 医用情報処理装置、医用情報処理方法、医用情報処理プログラムおよび医用情報処理システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7479805B2 (ja) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6954568B2 (ja) * | 2020-03-31 | 2021-10-27 | クラシエホールディングス株式会社 | 健康管理支援システム、健康管理支援方法、及びプログラム |
CN112466462B (zh) * | 2020-11-26 | 2023-03-07 | 华侨大学 | 一种基于图深度学习的emr信息关联及演化方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009512528A (ja) | 2005-10-25 | 2009-03-26 | ブラッコ イメージング ソチエタ ペル アチオニ | 診断画像の自動的処理および評価のための方法およびシステム |
JP2010086537A (ja) | 2008-09-30 | 2010-04-15 | General Electric Co <Ge> | 学習機械を使用したアクティブ電子カルテベースのサポートシステム |
-
2019
- 2019-09-03 JP JP2019160574A patent/JP7479805B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009512528A (ja) | 2005-10-25 | 2009-03-26 | ブラッコ イメージング ソチエタ ペル アチオニ | 診断画像の自動的処理および評価のための方法およびシステム |
JP2010086537A (ja) | 2008-09-30 | 2010-04-15 | General Electric Co <Ge> | 学習機械を使用したアクティブ電子カルテベースのサポートシステム |
Also Published As
Publication number | Publication date |
---|---|
JP2020042810A (ja) | 2020-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10129553B2 (en) | Dynamic digital image compression based on digital image characteristics | |
US10347010B2 (en) | Anomaly detection in volumetric images using sequential convolutional and recurrent neural networks | |
Siegersma et al. | Artificial intelligence in cardiovascular imaging: state of the art and implications for the imaging cardiologist | |
US10282588B2 (en) | Image-based tumor phenotyping with machine learning from synthetic data | |
US10304198B2 (en) | Automatic medical image retrieval | |
CA2982526C (en) | Dual energy x-ray coronary calcium grading | |
CN111563523B (zh) | 利用机器训练的异常检测的copd分类 | |
US20200210767A1 (en) | Method and systems for analyzing medical image data using machine learning | |
KR101874348B1 (ko) | 피검체의 흉부 pa 영상의 판독을 지원하는 방법 및 이를 이용한 장치 | |
CN102855618B (zh) | 用于图像产生和图像分析的方法 | |
US11430119B2 (en) | Spatial distribution of pathological image patterns in 3D image data | |
US10867375B2 (en) | Forecasting images for image processing | |
WO2010115885A1 (en) | Predictive classifier score for cancer patient outcome | |
JP2018175226A (ja) | 医用画像分類装置、方法およびプログラム | |
US20070133851A1 (en) | Method and apparatus for selecting computer-assisted algorithms based on protocol and/or parameters of an acquisistion system | |
EP3828818A1 (en) | Method and system for identifying pathological changes in follow-up medical images | |
Koshino et al. | Narrative review of generative adversarial networks in medical and molecular imaging | |
JP7479805B2 (ja) | 医用情報処理装置、医用情報処理方法、医用情報処理プログラムおよび医用情報処理システム | |
EP3748648A1 (en) | Artificial intelligence dispatch in healthcare | |
US20220399107A1 (en) | Automated protocoling in medical imaging systems | |
US20200090810A1 (en) | Medical information processing apparatus, method and system | |
Doğanay et al. | A hybrid lung segmentation algorithm based on histogram-based fuzzy C-means clustering | |
US12008759B2 (en) | Method and system for identifying pathological changes in follow-up medical images | |
US20240153082A1 (en) | Deep learning model for diagnosis of hepatocellular carcinoma on non-contrast computed tomography | |
Akpan et al. | XAI for medical image segmentation in medical decision support systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220722 |
|
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: 20230719 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230829 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20231027 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
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: 20240326 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240424 |