JPH10326286A - 類似検索装置及び類似検索プログラムを記録した記録媒体 - Google Patents
類似検索装置及び類似検索プログラムを記録した記録媒体Info
- Publication number
- JPH10326286A JPH10326286A JP9136816A JP13681697A JPH10326286A JP H10326286 A JPH10326286 A JP H10326286A JP 9136816 A JP9136816 A JP 9136816A JP 13681697 A JP13681697 A JP 13681697A JP H10326286 A JPH10326286 A JP H10326286A
- Authority
- JP
- Japan
- Prior art keywords
- search
- vector data
- vector
- image
- target
- 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.)
- Pending
Links
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
- Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y10S707/00—Data processing: database and file management or data structures
- Y10S707/99931—Database or file accessing
- Y10S707/99933—Query processing, i.e. searching
- Y10S707/99936—Pattern matching access
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Epidemiology (AREA)
- Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- General Physics & Mathematics (AREA)
- Biomedical Technology (AREA)
- Primary Health Care (AREA)
- Data Mining & Analysis (AREA)
- Library & Information Science (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
(57)【要約】
【課題】 類似検索の精度が向上し、また重要な類似デ
ータが検索結果からぬけおちる可能性が低い類似検索装
置を提供する。 【解決手段】 検索条件集合生成部６を備え、検索条件
集合生成部６で生成された個々の検索条件ごとに、検索
条件に対して最適化された重みベクトルを用いて対象ベ
クトルデータに対する類似ベクトルデータを検索し表示
する。
ータが検索結果からぬけおちる可能性が低い類似検索装
置を提供する。 【解決手段】 検索条件集合生成部６を備え、検索条件
集合生成部６で生成された個々の検索条件ごとに、検索
条件に対して最適化された重みベクトルを用いて対象ベ
クトルデータに対する類似ベクトルデータを検索し表示
する。
Description
【０００１】
【発明の属する技術分野】この発明は、蓄積されたデー
タ群の中から、指定された検索対象に対するデータに類
似するデータを検索する類似検索装置、及びこのような
類似検索プログラムを記録した記録媒体に関するもので
ある。
タ群の中から、指定された検索対象に対するデータに類
似するデータを検索する類似検索装置、及びこのような
類似検索プログラムを記録した記録媒体に関するもので
ある。
【０００２】
【従来の技術】従来の類似検索装置として、例えば雑誌
「”Ｉｎｃｒｅｍｅｎｔａｌ Ｉｎｓｔａｎｃｅ−ｂａ
ｓｅｄ Ｌｅａｒｎｉｎｇ ｏｆ Ｉｎｄｅｐｅｎｄｅ
ｎｔａｎｄ Ｇｒａｄｅｄ Ｃｏｎｃｅｐｔ Ｄｅｓｃ
ｒｉｐｔｉｏｎｓ”Ｄ．Ａｈａ，Ｐｒｏｃｅｅｄｉｎｇ
ｓ ｏｆ ｔｈｅ Ｓｉｘｔｈ Ｉｎｔｅｒｎａｔｉｏ
ｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｍａｃｈｉｎｅ Ｌ
ｅａｒｎｉｎｇ，１９８７」、及び雑誌「”Ａ Ｎｅａ
ｒｅｓｔ Ｈｙｐｅｒｒｅｃｔａｎｇｌｅ Ｌｅａｒｎ
ｉｎｇ Ｍｅｔｈｏｄ”Ｓ．Ｓａｌｚｂｅｒｇ， Ｍａ
ｃｈｉｎｅ Ｌｅａｒｎｉｎｇ，６，ｐｐ．２５１−２
７６，１９９１」に示されたものがある。図８はこのよ
うな従来の類似検索装置の―例を示すブロック図であ
る。
「”Ｉｎｃｒｅｍｅｎｔａｌ Ｉｎｓｔａｎｃｅ−ｂａ
ｓｅｄ Ｌｅａｒｎｉｎｇ ｏｆ Ｉｎｄｅｐｅｎｄｅ
ｎｔａｎｄ Ｇｒａｄｅｄ Ｃｏｎｃｅｐｔ Ｄｅｓｃ
ｒｉｐｔｉｏｎｓ”Ｄ．Ａｈａ，Ｐｒｏｃｅｅｄｉｎｇ
ｓ ｏｆ ｔｈｅ Ｓｉｘｔｈ Ｉｎｔｅｒｎａｔｉｏ
ｎａｌ Ｗｏｒｋｓｈｏｐ ｏｎ Ｍａｃｈｉｎｅ Ｌ
ｅａｒｎｉｎｇ，１９８７」、及び雑誌「”Ａ Ｎｅａ
ｒｅｓｔ Ｈｙｐｅｒｒｅｃｔａｎｇｌｅ Ｌｅａｒｎ
ｉｎｇ Ｍｅｔｈｏｄ”Ｓ．Ｓａｌｚｂｅｒｇ， Ｍａ
ｃｈｉｎｅ Ｌｅａｒｎｉｎｇ，６，ｐｐ．２５１−２
７６，１９９１」に示されたものがある。図８はこのよ
うな従来の類似検索装置の―例を示すブロック図であ
る。
【０００３】図において、１は検索対象の画像を指定す
る対象画像指定部、２は対象画像指定部１により指定さ
れた対象画像の特徴を定量的に表す特徴量を抽出する特
徴量抽出部、４は対象画像に関する特徴量以外の、対象
を特徴づける属性を入力する属性入力部、５は特徴量抽
出部２により抽出された特徴量と属性入力部４により入
力された属性とをベクトル構成要素とする対象ベクトル
データを作成する対象ベクトルデータ作成部、７は上記
と同様、特徴量と属性とをベクトル構成要素とするベク
トルデータにより、複数の対象に対して作成された複数
のベクトルデータをデータベースとして蓄えたベクトル
データベース、８は上記複数の対象に対応する複数の画
像をデータベースとして蓄えた画像データベース、１３
は類似検索エンジンにおいてデータ間の類似度を算出す
るために用いるベクトルデータの各構成要素につけられ
た重みを構成要素とする重みベクトル、１０はベクトル
データベース７に蓄えられた複数のベクトルデータの中
から、対象ベクトルデータ作成部５で作成された対象ベ
クトルデータに類似したベクトルデータを探し出す類似
検索エンジン、１１は類似検索エンジン１０により検索
された類似するベクトルデータ、およびこのベクトルデ
ータに対応する画像を表示する検索結果表示部、１４は
類似検索エンジン１０が示した類似するベクトルデータ
および画像が利用者にとって正解であるかどうかを判定
する回答指定部、１５は回答指定部１４において判定さ
れた結果をもとに、重みベクトル１３を更新する重みベ
クトル更新部、１２は新たにベクトルデータと画像をそ
れぞれベクトルデータベース７と画像データベース８に
登録する新規データ追加部である。
る対象画像指定部、２は対象画像指定部１により指定さ
れた対象画像の特徴を定量的に表す特徴量を抽出する特
徴量抽出部、４は対象画像に関する特徴量以外の、対象
を特徴づける属性を入力する属性入力部、５は特徴量抽
出部２により抽出された特徴量と属性入力部４により入
力された属性とをベクトル構成要素とする対象ベクトル
データを作成する対象ベクトルデータ作成部、７は上記
と同様、特徴量と属性とをベクトル構成要素とするベク
トルデータにより、複数の対象に対して作成された複数
のベクトルデータをデータベースとして蓄えたベクトル
データベース、８は上記複数の対象に対応する複数の画
像をデータベースとして蓄えた画像データベース、１３
は類似検索エンジンにおいてデータ間の類似度を算出す
るために用いるベクトルデータの各構成要素につけられ
た重みを構成要素とする重みベクトル、１０はベクトル
データベース７に蓄えられた複数のベクトルデータの中
から、対象ベクトルデータ作成部５で作成された対象ベ
クトルデータに類似したベクトルデータを探し出す類似
検索エンジン、１１は類似検索エンジン１０により検索
された類似するベクトルデータ、およびこのベクトルデ
ータに対応する画像を表示する検索結果表示部、１４は
類似検索エンジン１０が示した類似するベクトルデータ
および画像が利用者にとって正解であるかどうかを判定
する回答指定部、１５は回答指定部１４において判定さ
れた結果をもとに、重みベクトル１３を更新する重みベ
クトル更新部、１２は新たにベクトルデータと画像をそ
れぞれベクトルデータベース７と画像データベース８に
登録する新規データ追加部である。
【０００４】次に動作について説明する。例えば電子カ
ルテや医療画像データベースなどの医療情報、設計図な
どの設計情報などにおいては、発生するデータを蓄積
し、その中から新しい目的に見合ったデータを選び出し
て参照する場合に、データをベクトルデータの形に整理
してデータベースに蓄え、新しい目的を表現した検索対
象のベクトルデータとデータベース中の各データとの類
似度を算出して、データベースの中で最も類似するデー
タを参照するという、ベクトルデータの類似検索技術が
応用されている。ここでは、一例として、病理組織診断
の支援を目的として、検査用の病理組織画像に対して過
去の症例から類似した病理組織画像を検索する場合につ
いて説明する。病理組織診断とは、生体組織を顕微鏡で
観察し疾病の種類を診断するものであり、腫瘍の良悪性
の判別や腫瘍の種類の鑑別などのために主に行われてい
る。
ルテや医療画像データベースなどの医療情報、設計図な
どの設計情報などにおいては、発生するデータを蓄積
し、その中から新しい目的に見合ったデータを選び出し
て参照する場合に、データをベクトルデータの形に整理
してデータベースに蓄え、新しい目的を表現した検索対
象のベクトルデータとデータベース中の各データとの類
似度を算出して、データベースの中で最も類似するデー
タを参照するという、ベクトルデータの類似検索技術が
応用されている。ここでは、一例として、病理組織診断
の支援を目的として、検査用の病理組織画像に対して過
去の症例から類似した病理組織画像を検索する場合につ
いて説明する。病理組織診断とは、生体組織を顕微鏡で
観察し疾病の種類を診断するものであり、腫瘍の良悪性
の判別や腫瘍の種類の鑑別などのために主に行われてい
る。
【０００５】図９は従来の類似検索装置の動作を示すフ
ローチャートである。まず、対象画像指定部１が、類似
検索をおこなうべき対象画像を、検査すべき病理組織画
像の中から指定する（ステップＳＴ１）。次に、特徴量
抽出部２において、指定された対象画像から、その画像
の特徴を定量的に表す特徴量を抽出する（ステップＳＴ
２）。次に属性入力部４において、対象画像指定部１で
指定された対象画像の属性を入力する（ステップＳＴ
４）。対象画像の属性としては、患者名、患者ＩＤ、画
像ＩＤ、腫瘍の大きさ、年齢、診断名などがあるが、診
断名はこの時点では決まっていないので、入力されな
い。次に、特徴量抽出部２で抽出された特徴量と属性入
力部４で入力された属性とをベクトル構成要素とする対
象ベクトルデータを作成する（ステップＳＴ１０１）。
図１０に生成された対象ベクトルデータの一例を示す。
次に、対象ベクトルデータに対して類似度が高いベクト
ルデータを、重みベクトル１３を用いて、ベクトルデー
タベース７の中から類似検索エンジン１０によって検索
する（ステップＳＴ１０２）。
ローチャートである。まず、対象画像指定部１が、類似
検索をおこなうべき対象画像を、検査すべき病理組織画
像の中から指定する（ステップＳＴ１）。次に、特徴量
抽出部２において、指定された対象画像から、その画像
の特徴を定量的に表す特徴量を抽出する（ステップＳＴ
２）。次に属性入力部４において、対象画像指定部１で
指定された対象画像の属性を入力する（ステップＳＴ
４）。対象画像の属性としては、患者名、患者ＩＤ、画
像ＩＤ、腫瘍の大きさ、年齢、診断名などがあるが、診
断名はこの時点では決まっていないので、入力されな
い。次に、特徴量抽出部２で抽出された特徴量と属性入
力部４で入力された属性とをベクトル構成要素とする対
象ベクトルデータを作成する（ステップＳＴ１０１）。
図１０に生成された対象ベクトルデータの一例を示す。
次に、対象ベクトルデータに対して類似度が高いベクト
ルデータを、重みベクトル１３を用いて、ベクトルデー
タベース７の中から類似検索エンジン１０によって検索
する（ステップＳＴ１０２）。
【０００６】即ち、ベクトルデータの次元（構成要素の
数）をｎとし、対象ベクトルデータをＸ＝（ｘ1 、ｘ2
、・・、ｘn ）、ベクトルデータベースに蓄積され、
上記対象ベクトルデータとの類似度を計算するベクトル
データをＹ＝（ｙ1 、ｙ2 、・・、ｙn ）、重みベクト
ルをＷ＝（ｗ1 、ｗ2 、・・、ｗn ）とすると、ベクト
ルデータＸ、Ｙ間の類似度ｓｉｍ（Ｘ，Ｙ）は以下の式
で計算される。
数）をｎとし、対象ベクトルデータをＸ＝（ｘ1 、ｘ2
、・・、ｘn ）、ベクトルデータベースに蓄積され、
上記対象ベクトルデータとの類似度を計算するベクトル
データをＹ＝（ｙ1 、ｙ2 、・・、ｙn ）、重みベクト
ルをＷ＝（ｗ1 、ｗ2 、・・、ｗn ）とすると、ベクト
ルデータＸ、Ｙ間の類似度ｓｉｍ（Ｘ，Ｙ）は以下の式
で計算される。
【０００７】
【数１】
【０００８】つまり、ｓｉｍ（Ｘ，Ｙ）はＸとＹの重み
付き距離の符号を反転したものである。このようにして
ベクトルデータベース７内の全ベクトルデータをＹとし
て対象ベクトルデータとの類似度ｓｉｍ（Ｘ，Ｙ）を算
出し、類似度が最大のものを選択することにより、最も
類似したベクトルデータが検索される。類似度が最大の
ベクトルデータが複数ある場合には、それらの中のどれ
でも良く、例えば、最初のベクトルデータとしても良い
し、ランダムに選んでも良い。
付き距離の符号を反転したものである。このようにして
ベクトルデータベース７内の全ベクトルデータをＹとし
て対象ベクトルデータとの類似度ｓｉｍ（Ｘ，Ｙ）を算
出し、類似度が最大のものを選択することにより、最も
類似したベクトルデータが検索される。類似度が最大の
ベクトルデータが複数ある場合には、それらの中のどれ
でも良く、例えば、最初のベクトルデータとしても良い
し、ランダムに選んでも良い。
【０００９】次に、検索結果表示部１１において、検索
された類似ベクトルデータの属性の一部と、画像データ
ベース８内の画像のうち類似ベクトルデータに対応する
画像が表示される（ステップＳＴ１０３）。図１１に、
画像と患者ＩＤと診断名を類似度の高い順番に６つ表示
する場合の表示画面例を示す。利用者は対象画像と検索
の結果表示された画像を比較し、それが真に類似してい
ると判断すれば、対象画像はその類似している画像に対
応する診断名に該当する可能性が高いことがわかる。従
って、対象画像に対して類似ベクトルデータと類似画像
を表示することは、病理組織診断において診断名の決定
を支援する上で重要な参考情報となる。次に、利用者は
検索結果表示部１１に表示された図１１のような結果な
どを参考にして診断名を決定し、その診断名が類似度が
最も高い類似ベクトルデータの診断名と一致すれば、利
用者は類似検索の結果として回答指定部１４により「正
解」を、一致しなければ回答指定部１４により「不正
解」を指定する（ステップＳＴ１０４）。次に、類似検
索エンジン１０により最も類似するとして選び出された
ベクトルデータと、対象ベクトルデータと、回答指定部
１４により利用者により正解であるかどうかを指定され
た結果とをもとに、重みベクトル更新部１５において重
みベクトル１３を更新する（ステップＳＴ１０５）。次
に、新規データ追加部１２によって、対象画像の属性の
診断名の部分を利用者が決定した診断名に変更した対象
ベクトルデータをベクトルデータベース７に、対象画像
を画像データベース８にそれぞれ追加する（ステップＳ
Ｔ１０６）。
された類似ベクトルデータの属性の一部と、画像データ
ベース８内の画像のうち類似ベクトルデータに対応する
画像が表示される（ステップＳＴ１０３）。図１１に、
画像と患者ＩＤと診断名を類似度の高い順番に６つ表示
する場合の表示画面例を示す。利用者は対象画像と検索
の結果表示された画像を比較し、それが真に類似してい
ると判断すれば、対象画像はその類似している画像に対
応する診断名に該当する可能性が高いことがわかる。従
って、対象画像に対して類似ベクトルデータと類似画像
を表示することは、病理組織診断において診断名の決定
を支援する上で重要な参考情報となる。次に、利用者は
検索結果表示部１１に表示された図１１のような結果な
どを参考にして診断名を決定し、その診断名が類似度が
最も高い類似ベクトルデータの診断名と一致すれば、利
用者は類似検索の結果として回答指定部１４により「正
解」を、一致しなければ回答指定部１４により「不正
解」を指定する（ステップＳＴ１０４）。次に、類似検
索エンジン１０により最も類似するとして選び出された
ベクトルデータと、対象ベクトルデータと、回答指定部
１４により利用者により正解であるかどうかを指定され
た結果とをもとに、重みベクトル更新部１５において重
みベクトル１３を更新する（ステップＳＴ１０５）。次
に、新規データ追加部１２によって、対象画像の属性の
診断名の部分を利用者が決定した診断名に変更した対象
ベクトルデータをベクトルデータベース７に、対象画像
を画像データベース８にそれぞれ追加する（ステップＳ
Ｔ１０６）。
【００１０】
【発明が解決しようとする課題】従来の類似検索装置は
以上のように構成されているので、例えば病理組織診断
に利用する場合には、類似画像として表示される画像か
ら対象画像の正しい診断名の画像が抜け落ちる危険性が
あるという問題点があった。例えば、図１１に示される
ような類似検索結果が表示された場合、類似画像として
診断名が腫瘍１、腫瘍２、腫瘍３、腫瘍７のものが含ま
れている。対象画像がそれらの診断名のいずれかに該当
する場合には良いが、対象画像の正しい診断名が腫瘍４
や腫瘍５などの類似画像として表示されなかった診断名
であった場合、利用者が正しい診断名に気づかずに診断
を誤ってしまう危険性があった。また、１種類の重みベ
クトルを使用するため、重みベクトルを最適化しても類
似検索精度の大幅な向上が困難であるという問題点があ
った。例えば病理組織診断に利用する場合について説明
すると、腫瘍１という一つの診断名に属する画像の中で
類似画像を検索する際の最適な重みベクトルと、腫瘍２
という別の診断名に属する画像の中で類似画像を検索す
る際の最適な重みベクトルは一般に異なる。これは類似
度を測る上で、特徴量の個々の要素の重要性が腫瘍１と
腫瘍２で通常は異なるからである。そして、腫瘍１と腫
瘍２という異なる診断名を持つ画像を合わせた中から類
似画像を検索する際の最適な重みベクトルは、腫瘍１に
対して最適な重みベクトルと腫瘍２に対して最適な重み
ベクトルの中間的な重みベクトルとなる。従って、例え
ば腫瘍１の画像の中での類似画像検索を、その中間的な
重みベクトルを用いて行った場合の類似検索精度は、腫
瘍１に対して最適な重みベクトルを用いた場合よりは低
下してしまう。このように、全ての診断名を含む全画像
からの類似検索を１種類の重みベクトルを用いて行う場
合、重みベクトルを最適化する効果がなかなか得られに
くいという問題点があった。また、対象ベクトルデータ
の一部となる画像の特徴量として画像から抽出された特
徴量だけを用いた場合、抽出の困難な特徴量が使用でき
ず、また利用者が主観的に判断した画像の特徴を検索に
利用できないという問題点があった。
以上のように構成されているので、例えば病理組織診断
に利用する場合には、類似画像として表示される画像か
ら対象画像の正しい診断名の画像が抜け落ちる危険性が
あるという問題点があった。例えば、図１１に示される
ような類似検索結果が表示された場合、類似画像として
診断名が腫瘍１、腫瘍２、腫瘍３、腫瘍７のものが含ま
れている。対象画像がそれらの診断名のいずれかに該当
する場合には良いが、対象画像の正しい診断名が腫瘍４
や腫瘍５などの類似画像として表示されなかった診断名
であった場合、利用者が正しい診断名に気づかずに診断
を誤ってしまう危険性があった。また、１種類の重みベ
クトルを使用するため、重みベクトルを最適化しても類
似検索精度の大幅な向上が困難であるという問題点があ
った。例えば病理組織診断に利用する場合について説明
すると、腫瘍１という一つの診断名に属する画像の中で
類似画像を検索する際の最適な重みベクトルと、腫瘍２
という別の診断名に属する画像の中で類似画像を検索す
る際の最適な重みベクトルは一般に異なる。これは類似
度を測る上で、特徴量の個々の要素の重要性が腫瘍１と
腫瘍２で通常は異なるからである。そして、腫瘍１と腫
瘍２という異なる診断名を持つ画像を合わせた中から類
似画像を検索する際の最適な重みベクトルは、腫瘍１に
対して最適な重みベクトルと腫瘍２に対して最適な重み
ベクトルの中間的な重みベクトルとなる。従って、例え
ば腫瘍１の画像の中での類似画像検索を、その中間的な
重みベクトルを用いて行った場合の類似検索精度は、腫
瘍１に対して最適な重みベクトルを用いた場合よりは低
下してしまう。このように、全ての診断名を含む全画像
からの類似検索を１種類の重みベクトルを用いて行う場
合、重みベクトルを最適化する効果がなかなか得られに
くいという問題点があった。また、対象ベクトルデータ
の一部となる画像の特徴量として画像から抽出された特
徴量だけを用いた場合、抽出の困難な特徴量が使用でき
ず、また利用者が主観的に判断した画像の特徴を検索に
利用できないという問題点があった。
【００１１】この発明は上記のような問題点を解決する
ためになされたもので、類似検索の精度が向上でき、ま
た重要な類似データが検索結果からぬけおちる可能性が
低い類似検索装置、及び類似検索プログラムを記録した
記録媒体を得ることを目的とする。
ためになされたもので、類似検索の精度が向上でき、ま
た重要な類似データが検索結果からぬけおちる可能性が
低い類似検索装置、及び類似検索プログラムを記録した
記録媒体を得ることを目的とする。
【００１２】
【課題を解決するための手段】この発明の第１の構成に
係る類似検索装置は、複数の対象に対して各々作成さ
れ、対象を特徴づける複数の属性をベクトル構成要素と
するベクトルデータを複数蓄積するベクトルデータベー
スと、指定された類似検索対象に対するベクトルデータ
を作成する対象ベクトルデータ作成部と、複数の検索条
件を生成する検索条件集合生成部と、この検索条件集合
生成部で生成された個々の検索条件ごとに、上記ベクト
ルデータベースに蓄積された複数のベクトルデータの中
から、上記検索条件を満足し、かつ上記対象ベクトルデ
ータに類似するベクトルデータを検索する類似検索エン
ジンと、上記類似検索エンジンにより検索された結果を
個々の検索条件ごとに表示する検索結果表示部とを備え
たものである。
係る類似検索装置は、複数の対象に対して各々作成さ
れ、対象を特徴づける複数の属性をベクトル構成要素と
するベクトルデータを複数蓄積するベクトルデータベー
スと、指定された類似検索対象に対するベクトルデータ
を作成する対象ベクトルデータ作成部と、複数の検索条
件を生成する検索条件集合生成部と、この検索条件集合
生成部で生成された個々の検索条件ごとに、上記ベクト
ルデータベースに蓄積された複数のベクトルデータの中
から、上記検索条件を満足し、かつ上記対象ベクトルデ
ータに類似するベクトルデータを検索する類似検索エン
ジンと、上記類似検索エンジンにより検索された結果を
個々の検索条件ごとに表示する検索結果表示部とを備え
たものである。
【００１３】この発明の第２の構成に係る類似検索装置
は、複数の対象に対応する複数の対象画像を蓄積する画
像データベースと、上記複数の対象に対して各々作成さ
れ、上記対象画像の特徴を定量的に表す特徴量と、上記
対象を特徴づける属性とをベクトル構成要素とするベク
トルデータを複数蓄積するベクトルデータベースと、指
定された類似検索対象の画像と属性を基にベクトルデー
タを作成する対象ベクトルデータ作成部と、複数の検索
条件を生成する検索条件集合生成部と、この検索条件集
合生成部で生成された個々の検索条件ごとに、上記ベク
トルデータベースに蓄積された複数のベクトルデータの
中から、上記検索条件を満足し、かつ上記対象ベクトル
データに類似するベクトルデータを検索する類似検索エ
ンジンと、上記類似検索エンジンにより検索された結果
を対応する画像と共に個々の検索条件ごとに表示する検
索結果表示部とを備えたものである。
は、複数の対象に対応する複数の対象画像を蓄積する画
像データベースと、上記複数の対象に対して各々作成さ
れ、上記対象画像の特徴を定量的に表す特徴量と、上記
対象を特徴づける属性とをベクトル構成要素とするベク
トルデータを複数蓄積するベクトルデータベースと、指
定された類似検索対象の画像と属性を基にベクトルデー
タを作成する対象ベクトルデータ作成部と、複数の検索
条件を生成する検索条件集合生成部と、この検索条件集
合生成部で生成された個々の検索条件ごとに、上記ベク
トルデータベースに蓄積された複数のベクトルデータの
中から、上記検索条件を満足し、かつ上記対象ベクトル
データに類似するベクトルデータを検索する類似検索エ
ンジンと、上記類似検索エンジンにより検索された結果
を対応する画像と共に個々の検索条件ごとに表示する検
索結果表示部とを備えたものである。
【００１４】この発明の第３の構成に係る類似検索装置
は、画像の特徴量を抽出する特徴量抽出部と画像の特徴
量を入力する特徴量入力部との少なくとも一方を備え、
画像の特徴を定量的に表す特徴量として、上記特徴量抽
出部において抽出された特徴量と上記特徴量入力部より
入力された特徴量との少なくとも一方を用いたものであ
る。
は、画像の特徴量を抽出する特徴量抽出部と画像の特徴
量を入力する特徴量入力部との少なくとも一方を備え、
画像の特徴を定量的に表す特徴量として、上記特徴量抽
出部において抽出された特徴量と上記特徴量入力部より
入力された特徴量との少なくとも一方を用いたものであ
る。
【００１５】この発明の第４の構成に係る類似検索装置
は、画像として生体組織の画像を用い、検索条件として
病理組織診断における診断名を用いたものである。
は、画像として生体組織の画像を用い、検索条件として
病理組織診断における診断名を用いたものである。
【００１６】この発明の第５の構成に係る類似検索装置
は、画像の特徴量として、核領域の数、核領域の面積、
核領域の形状、核領域の円形度、核領域の色、核領域の
色度、空隙領域の数、空隙領域の面積、空隙領域の形
状、空隙領域の円形度、間質領域の数、間質領域の面
積、間質領域の形状、間質領域の円形度、間質領域の
色、間質領域の色度、管空領域の数、管空領域の面積、
管空領域の形状、管空領域の円形度、画像のテクスチ
ャ、ウェーブレット変換値を用いて算出される特徴量、
上皮細胞が筋上皮細胞を伴う２層構造を示す程度、線維
化の程度、乳頭状パターンの有無、ふるい状パターンの
有無、壊死物質の有無、充実性パターンの有無、画像の
色、及び色度を用いて算出される特徴量の少なくとも一
つを用いたものである。
は、画像の特徴量として、核領域の数、核領域の面積、
核領域の形状、核領域の円形度、核領域の色、核領域の
色度、空隙領域の数、空隙領域の面積、空隙領域の形
状、空隙領域の円形度、間質領域の数、間質領域の面
積、間質領域の形状、間質領域の円形度、間質領域の
色、間質領域の色度、管空領域の数、管空領域の面積、
管空領域の形状、管空領域の円形度、画像のテクスチ
ャ、ウェーブレット変換値を用いて算出される特徴量、
上皮細胞が筋上皮細胞を伴う２層構造を示す程度、線維
化の程度、乳頭状パターンの有無、ふるい状パターンの
有無、壊死物質の有無、充実性パターンの有無、画像の
色、及び色度を用いて算出される特徴量の少なくとも一
つを用いたものである。
【００１７】この発明の第６の構成に係る類似検索装置
は、複数の検索条件にそれぞれ対応した複数の重みベク
トルを蓄積する重みベクトルデータベースを備え、類似
検索エンジンが用いる重みベクトルが、検索条件ごとに
特定されているものである。
は、複数の検索条件にそれぞれ対応した複数の重みベク
トルを蓄積する重みベクトルデータベースを備え、類似
検索エンジンが用いる重みベクトルが、検索条件ごとに
特定されているものである。
【００１８】この発明の第１の構成に係る類似検索プロ
グラムを記録した記録媒体は、類似検索対象に対して、
対象を特徴づける複数の属性をベクトル構成要素とする
ベクトルデータを作成する対象ベクトルデータ作成手順
と、複数の検索条件に対して、個々の検索条件ごとに、
ベクトルデータベースに蓄積された複数の対象に対する
複数のベクトルデータの中から、上記検索条件を満足
し、かつ上記対象ベクトルデータに類似するベクトルデ
ータを検索する類似検索手順と、検索された結果を個々
の検索条件ごとに出力する検索結果出力手順とをコンピ
ュータに実行させるものである。
グラムを記録した記録媒体は、類似検索対象に対して、
対象を特徴づける複数の属性をベクトル構成要素とする
ベクトルデータを作成する対象ベクトルデータ作成手順
と、複数の検索条件に対して、個々の検索条件ごとに、
ベクトルデータベースに蓄積された複数の対象に対する
複数のベクトルデータの中から、上記検索条件を満足
し、かつ上記対象ベクトルデータに類似するベクトルデ
ータを検索する類似検索手順と、検索された結果を個々
の検索条件ごとに出力する検索結果出力手順とをコンピ
ュータに実行させるものである。
【００１９】この発明の第２の構成に係る類似検索プロ
グラムを記録した記録媒体は、類似検索対象の画像と上
記対象を特徴づける属性を基に、対象画像の特徴を定量
的に表す特徴量と上記対象の属性とをベクトル構成要素
とするベクトルデータを作成する対象ベクトルデータ作
成手順と、複数の検索条件に対して、個々の検索条件ご
とに、ベクトルデータベースに蓄積された複数の対象に
対する複数のベクトルデータの中から、上記検索条件を
満足し、かつ上記対象ベクトルデータに類似するベクト
ルデータを検索する類似検索手順と、検索された結果を
個々の検索条件ごとに対応する画像と共に出力する検索
結果出力手順とをコンピュータに実行させるものであ
る。
グラムを記録した記録媒体は、類似検索対象の画像と上
記対象を特徴づける属性を基に、対象画像の特徴を定量
的に表す特徴量と上記対象の属性とをベクトル構成要素
とするベクトルデータを作成する対象ベクトルデータ作
成手順と、複数の検索条件に対して、個々の検索条件ご
とに、ベクトルデータベースに蓄積された複数の対象に
対する複数のベクトルデータの中から、上記検索条件を
満足し、かつ上記対象ベクトルデータに類似するベクト
ルデータを検索する類似検索手順と、検索された結果を
個々の検索条件ごとに対応する画像と共に出力する検索
結果出力手順とをコンピュータに実行させるものであ
る。
【００２０】
実施の形態１．以下に本発明の実施の形態１を図に従っ
て説明する。図１は、この発明の実施の形態１による類
似検索装置を示すブロック図である。図において、１は
検索対象の画像を指定する対象画像指定部、２は対象画
像指定部１により指定された対象画像の特徴を定量的に
表す特徴量を抽出する特徴量抽出部、３は対象画像に対
して利用者が認識した特徴量を入力する特徴量入力部、
４は対象画像に関する特徴量以外の属性を入力する属性
入力部、５は特徴量抽出部２により抽出された特徴量
と、特徴量入力部３により入力された特徴量と、属性入
力部４により入力された属性とをベクトル構成要素とす
る対象ベクトルデータを作成する対象ベクトルデータ作
成部、６は複数の検索条件を生成する検索条件集合生成
部、７は複数の対象に対して作成された複数のベクトル
データをデータベースとして蓄えたベクトルデータベー
ス、８は上記複数の対象に対応する複数の画像をデータ
ベースとして蓄えた画像データベース、９は類似検索に
おいてベクトルデータ間の類似度を算出する際に用いる
重みベクトルを蓄えた重みベクトルデータベースであ
り、複数の検索条件にそれぞれ対応して最適化した複数
の重みベクトルを蓄積している。１０は重みベクトルデ
ータベース９に蓄えられた重みベクトルを元に、ベクト
ルデータベース７に蓄えられた複数のベクトルデータの
中で検索条件集合生成部６により指定された属性を持つ
ベクトルデータの中から、対象ベクトルデータに類似し
たベクトルデータを検索する類似検索エンジン、１１は
類似検索エンジン１０により検索された類似するベクト
ルデータと、類似するベクトルデータに対応する画像と
を、検索条件集合生成部６で指定された個々の検索条件
ごとに表示する検索結果表示部、１２は新たなベクトル
データと画像をそれぞれベクトルデータベース７と画像
データベース８に登録する新規データ追加部である。
て説明する。図１は、この発明の実施の形態１による類
似検索装置を示すブロック図である。図において、１は
検索対象の画像を指定する対象画像指定部、２は対象画
像指定部１により指定された対象画像の特徴を定量的に
表す特徴量を抽出する特徴量抽出部、３は対象画像に対
して利用者が認識した特徴量を入力する特徴量入力部、
４は対象画像に関する特徴量以外の属性を入力する属性
入力部、５は特徴量抽出部２により抽出された特徴量
と、特徴量入力部３により入力された特徴量と、属性入
力部４により入力された属性とをベクトル構成要素とす
る対象ベクトルデータを作成する対象ベクトルデータ作
成部、６は複数の検索条件を生成する検索条件集合生成
部、７は複数の対象に対して作成された複数のベクトル
データをデータベースとして蓄えたベクトルデータベー
ス、８は上記複数の対象に対応する複数の画像をデータ
ベースとして蓄えた画像データベース、９は類似検索に
おいてベクトルデータ間の類似度を算出する際に用いる
重みベクトルを蓄えた重みベクトルデータベースであ
り、複数の検索条件にそれぞれ対応して最適化した複数
の重みベクトルを蓄積している。１０は重みベクトルデ
ータベース９に蓄えられた重みベクトルを元に、ベクト
ルデータベース７に蓄えられた複数のベクトルデータの
中で検索条件集合生成部６により指定された属性を持つ
ベクトルデータの中から、対象ベクトルデータに類似し
たベクトルデータを検索する類似検索エンジン、１１は
類似検索エンジン１０により検索された類似するベクト
ルデータと、類似するベクトルデータに対応する画像と
を、検索条件集合生成部６で指定された個々の検索条件
ごとに表示する検索結果表示部、１２は新たなベクトル
データと画像をそれぞれベクトルデータベース７と画像
データベース８に登録する新規データ追加部である。
【００２１】次に動作について説明する。従来技術の説
明と同様、検査用の病理組織画像に対して過去の症例か
ら類似した病理組織画像を検索する場合について説明す
る。図２はこの発明の実施の形態１による類似検索装置
の動作を示すフローチャートである。まず、対象画像指
定部１が、類似検索をおこなうべき対象画像を、検査す
べき病理組織画像の中から指定する（ステップＳＴ
１）。
明と同様、検査用の病理組織画像に対して過去の症例か
ら類似した病理組織画像を検索する場合について説明す
る。図２はこの発明の実施の形態１による類似検索装置
の動作を示すフローチャートである。まず、対象画像指
定部１が、類似検索をおこなうべき対象画像を、検査す
べき病理組織画像の中から指定する（ステップＳＴ
１）。
【００２２】次に、特徴量抽出部２において、指定され
た対象画像から、その画像の特徴を定量的に表す特徴量
を抽出する（ステップＳＴ２）。特徴量としては、例え
ば画像中の核領域の数や面積、間質領域の数や面積など
があり、ここでは核領域の面積と間質領域の面積を抽出
する。なお、これらの特徴量は例えば計算機を用いて算
出される。一例として核領域の数を抽出する方法を以下
に説明する。 （１）その画素が核か核でないかを判定するニューラル
ネットワークを作成する。 （２）そのニューラルネットワークで原画像から核だけ
を抽出した画像を作成する。 （３）ラベリングを行う。即ち、繋がっている核領域に
は同じラベル番号をつける。 （４）ラベルの数をカウントする。 ここで、（１）の核か核でないかを判定するニューラル
ネットワークの作成方法は、予めどこが核領域か判って
いる画像を用い、画素毎のＲＧＢ等の色情報を入力し、
その画素が核かどうかの情報を教師信号として、核でな
いならニューラルネットワークの出力が１、核なら０と
なるように学習することにより行う。
た対象画像から、その画像の特徴を定量的に表す特徴量
を抽出する（ステップＳＴ２）。特徴量としては、例え
ば画像中の核領域の数や面積、間質領域の数や面積など
があり、ここでは核領域の面積と間質領域の面積を抽出
する。なお、これらの特徴量は例えば計算機を用いて算
出される。一例として核領域の数を抽出する方法を以下
に説明する。 （１）その画素が核か核でないかを判定するニューラル
ネットワークを作成する。 （２）そのニューラルネットワークで原画像から核だけ
を抽出した画像を作成する。 （３）ラベリングを行う。即ち、繋がっている核領域に
は同じラベル番号をつける。 （４）ラベルの数をカウントする。 ここで、（１）の核か核でないかを判定するニューラル
ネットワークの作成方法は、予めどこが核領域か判って
いる画像を用い、画素毎のＲＧＢ等の色情報を入力し、
その画素が核かどうかの情報を教師信号として、核でな
いならニューラルネットワークの出力が１、核なら０と
なるように学習することにより行う。
【００２３】次に、特徴量入力部３において、類似検索
装置の利用者が画像の特徴を自ら判断し、入力する（ス
テップＳＴ３）。利用者が判断する特徴量としては、例
えば、線維化の程度、充実性パターンの存在する程度な
どである。
装置の利用者が画像の特徴を自ら判断し、入力する（ス
テップＳＴ３）。利用者が判断する特徴量としては、例
えば、線維化の程度、充実性パターンの存在する程度な
どである。
【００２４】次に、属性入力部４において、対象画像指
定部１で指定された対象画像の属性を入力する（ステッ
プＳＴ４）。対象画像の属性としては、患者名、患者Ｉ
Ｄ、画像ＩＤ、腫瘍の大きさ、年齢、診断名などがある
が、診断名はこの時点では決まっていないので、入力さ
れない。
定部１で指定された対象画像の属性を入力する（ステッ
プＳＴ４）。対象画像の属性としては、患者名、患者Ｉ
Ｄ、画像ＩＤ、腫瘍の大きさ、年齢、診断名などがある
が、診断名はこの時点では決まっていないので、入力さ
れない。
【００２５】次に、特徴量抽出部２で抽出された特徴量
と、特徴量入力部３で入力された特徴量と、属性入力部
４で入力された属性とをベクトル構成要素とする対象ベ
クトルデータが生成される（ステップＳＴ５）。図３に
生成された対象ベクトルデータの一例を示す。
と、特徴量入力部３で入力された特徴量と、属性入力部
４で入力された属性とをベクトル構成要素とする対象ベ
クトルデータが生成される（ステップＳＴ５）。図３に
生成された対象ベクトルデータの一例を示す。
【００２６】次に、検索条件集合生成部６において、類
似検索を行う際の検索条件の集合を生成する（ステップ
ＳＴ６）。図４に診断名を検索条件とした場合の検索条
件集合の一例を示す。
似検索を行う際の検索条件の集合を生成する（ステップ
ＳＴ６）。図４に診断名を検索条件とした場合の検索条
件集合の一例を示す。
【００２７】次に、検索条件集合に属する個々の検索条
件について、検索条件に合致し、かつ対象ベクトルデー
タに対して類似度が高いベクトルデータを、重みベクト
ルデータベース９にある重みベクトルのうち検索条件に
対応した重みベクトルを用いて、ベクトルデータベース
７から類似検索エンジン１０によって検索する（ステッ
プＳＴ７）。重みベクトルは個々の検索条件に対して予
め重みベクトルデータベース９に登録されている最適な
重みを用いる。図５に、図４に示される検索条件集合の
個々の検索条件について用いられる重みベクトルの一例
を示す。図４に示される検索条件集合の場合に、検索条
件である診断名を満足する全画像から画像の特徴量のみ
を用いて類似画像を検索したい場合には、図５に示され
るように、患者名、腫瘍の大きさなどの属性に関する重
みは０とする。なお、重みベクトルの最適化は、ベクト
ルデータベースに登録されているベクトルデータを用い
て、従来の類似検索装置などで使用されている重み更新
手法を用いて行っても良いし、画像データベースに登録
されている画像のお互いの類似性を利用者が決め、それ
を評価値として類似検索結果を定量的かつ自動的に評価
できるようにしておいて、ベクトルデータベースに登録
されているベクトルデータを用いて類似検索結果を評価
し、その評価結果が良くなる方向へ重みを自動的に更新
するようにして行っても良い。類似検索は以下のように
して行われる。ベクトルデータの次元（構成要素の数）
をｎとし、対象ベクトルデータをＸ＝（ｘ1 、ｘ2 、・
・、ｘn ）、ベクトルデータベースに蓄積され、上記対
象ベクトルデータとの類似度を計算するベクトルデータ
をＹ＝（ｙ1 、ｙ2 、・・、ｙn）、重みベクトルをＷ
＝（ｗ1 、ｗ2 、・・、ｗn ）とすると、ベクトルデー
タＸ、Ｙ間の類似度ｓｉｍ（Ｘ，Ｙ）は従来例と同様に
（１）式、（２）式により計算される。ベクトルデータ
ベース９内のベクトルデータのうち、検索条件を満足す
る全ベクトルデータをＹとして対象ベクトルデータとの
類似度ｓｉｍ（Ｘ，Ｙ）を算出し、類似度が最大のもの
を選択することにより、最も類似したベクトルデータが
検索される。類似度が最大のベクトルデータが複数ある
場合には、それらの中のどれでも良く、例えば、最初の
ベクトルデータとしても良いし、ランダムに選んでも良
い。
件について、検索条件に合致し、かつ対象ベクトルデー
タに対して類似度が高いベクトルデータを、重みベクト
ルデータベース９にある重みベクトルのうち検索条件に
対応した重みベクトルを用いて、ベクトルデータベース
７から類似検索エンジン１０によって検索する（ステッ
プＳＴ７）。重みベクトルは個々の検索条件に対して予
め重みベクトルデータベース９に登録されている最適な
重みを用いる。図５に、図４に示される検索条件集合の
個々の検索条件について用いられる重みベクトルの一例
を示す。図４に示される検索条件集合の場合に、検索条
件である診断名を満足する全画像から画像の特徴量のみ
を用いて類似画像を検索したい場合には、図５に示され
るように、患者名、腫瘍の大きさなどの属性に関する重
みは０とする。なお、重みベクトルの最適化は、ベクト
ルデータベースに登録されているベクトルデータを用い
て、従来の類似検索装置などで使用されている重み更新
手法を用いて行っても良いし、画像データベースに登録
されている画像のお互いの類似性を利用者が決め、それ
を評価値として類似検索結果を定量的かつ自動的に評価
できるようにしておいて、ベクトルデータベースに登録
されているベクトルデータを用いて類似検索結果を評価
し、その評価結果が良くなる方向へ重みを自動的に更新
するようにして行っても良い。類似検索は以下のように
して行われる。ベクトルデータの次元（構成要素の数）
をｎとし、対象ベクトルデータをＸ＝（ｘ1 、ｘ2 、・
・、ｘn ）、ベクトルデータベースに蓄積され、上記対
象ベクトルデータとの類似度を計算するベクトルデータ
をＹ＝（ｙ1 、ｙ2 、・・、ｙn）、重みベクトルをＷ
＝（ｗ1 、ｗ2 、・・、ｗn ）とすると、ベクトルデー
タＸ、Ｙ間の類似度ｓｉｍ（Ｘ，Ｙ）は従来例と同様に
（１）式、（２）式により計算される。ベクトルデータ
ベース９内のベクトルデータのうち、検索条件を満足す
る全ベクトルデータをＹとして対象ベクトルデータとの
類似度ｓｉｍ（Ｘ，Ｙ）を算出し、類似度が最大のもの
を選択することにより、最も類似したベクトルデータが
検索される。類似度が最大のベクトルデータが複数ある
場合には、それらの中のどれでも良く、例えば、最初の
ベクトルデータとしても良いし、ランダムに選んでも良
い。
【００２８】次に、検索結果表示部１１において、検索
された類似ベクトルデータの属性の一部と、画像データ
ベース８内の画像のうち類似ベクトルデータに対応する
画像が個々の検索条件ごとに表示される（ステップＳＴ
８）。図６に、画像と患者ＩＤと診断名が表示される場
合の表示画面例を示す。
された類似ベクトルデータの属性の一部と、画像データ
ベース８内の画像のうち類似ベクトルデータに対応する
画像が個々の検索条件ごとに表示される（ステップＳＴ
８）。図６に、画像と患者ＩＤと診断名が表示される場
合の表示画面例を示す。
【００２９】次に、表示画面などを参考にして利用者が
診断名を決定し、新規データ追加部１２によって、対象
画像の属性の診断名の部分を入力した対象ベクトルデー
タをベクトルデータベース７に、対象画像を画像データ
ベース８にそれぞれ追加する（ステップＳＴ９）。
診断名を決定し、新規データ追加部１２によって、対象
画像の属性の診断名の部分を入力した対象ベクトルデー
タをベクトルデータベース７に、対象画像を画像データ
ベース８にそれぞれ追加する（ステップＳＴ９）。
【００３０】以上述べたような対象画像の類似検索演算
は、類似検索用プログラムにより実現され、該プログラ
ムは記録媒体に記録して提供される。
は、類似検索用プログラムにより実現され、該プログラ
ムは記録媒体に記録して提供される。
【００３１】なお、上記実施の形態では、特徴量抽出部
２で抽出された特徴量はそのまま対象ベクトルデータの
一部となっているが、抽出された特徴量を利用者が修正
できるようにしても良い。
２で抽出された特徴量はそのまま対象ベクトルデータの
一部となっているが、抽出された特徴量を利用者が修正
できるようにしても良い。
【００３２】また、上記実施の形態では、特徴量抽出部
２で抽出された特徴量と特徴量入力部３により入力され
た特徴量を画像の特徴量として用いているが、その一方
だけを用いるようにしても良い。
２で抽出された特徴量と特徴量入力部３により入力され
た特徴量を画像の特徴量として用いているが、その一方
だけを用いるようにしても良い。
【００３３】また、上記実施の形態では、画像の特徴量
として、核領域の面積、間質領域の面積、線維化の程
度、充実性パターンの存在する程度を用いた場合を説明
したが、特徴量はこれだけに限らず、この他にも核領域
の数，形状，円形度，色，色度、空隙領域の数，面積，
形状，円形度、間質領域の数，形状，円形度，色，色
度、管空領域の数，面積，形状，円形度、画像のテクス
チャ、ウェーブレット変換値を用いて算出される特徴
量、上皮細胞が筋上皮細胞を伴う２層構造を示す程度、
乳頭状パターンの有無、壊死物質の有無、充実性パター
ンの有無、画像の色あるいは色度を用いて算出される特
徴量などを用いても良いし、使用する特徴量は利用者が
自由に設定できるようにしても良い。
として、核領域の面積、間質領域の面積、線維化の程
度、充実性パターンの存在する程度を用いた場合を説明
したが、特徴量はこれだけに限らず、この他にも核領域
の数，形状，円形度，色，色度、空隙領域の数，面積，
形状，円形度、間質領域の数，形状，円形度，色，色
度、管空領域の数，面積，形状，円形度、画像のテクス
チャ、ウェーブレット変換値を用いて算出される特徴
量、上皮細胞が筋上皮細胞を伴う２層構造を示す程度、
乳頭状パターンの有無、壊死物質の有無、充実性パター
ンの有無、画像の色あるいは色度を用いて算出される特
徴量などを用いても良いし、使用する特徴量は利用者が
自由に設定できるようにしても良い。
【００３４】また、上記実施の形態では、ベクトルデー
タに含める画像の属性として、患者名、患者ＩＤ、画像
ＩＤ、腫瘍の大きさ、年齢、診断名を用いた場合を説明
したが、この他の属性を用いても良いし、これらの属性
を利用者の好みに応じて自由に設定できるようにしても
良い。
タに含める画像の属性として、患者名、患者ＩＤ、画像
ＩＤ、腫瘍の大きさ、年齢、診断名を用いた場合を説明
したが、この他の属性を用いても良いし、これらの属性
を利用者の好みに応じて自由に設定できるようにしても
良い。
【００３５】また、上記実施の形態では、検索条件集合
は検索条件集合生成部６において生成されているが、い
つも使用するような検索条件を予め作成しておき、この
ような検索条件集合を指定して使用するようにしても良
い。
は検索条件集合生成部６において生成されているが、い
つも使用するような検索条件を予め作成しておき、この
ような検索条件集合を指定して使用するようにしても良
い。
【００３６】また、上記実施の形態では、診断名を検索
条件とした場合を示したが、他の属性や特徴量などを検
索条件として用いても良い。
条件とした場合を示したが、他の属性や特徴量などを検
索条件として用いても良い。
【００３７】また、上記実施の形態では、予め検索条件
ごとに最適化した重みベクトルを重みベクトルデータベ
ース９に蓄えておいて使用しているが、従来の類似検索
装置などで行われているように、類似検索結果が正解か
どうかの利用者の判断結果などを元に重みベクトルを更
新するようにしても良い。また、ある検索条件に対応す
る重みベクトルがなかった場合には、検索条件が近いも
のの重みベクトルで代用しても良いし、検索条件が近い
ものの重みベクトルを元に重みベクトルを新たに生成し
ても良いし、検索条件に対応する重みベクトルがない場
合に使用すべき重みベクトルを予め決めておき、それを
使用するようにしても良い。
ごとに最適化した重みベクトルを重みベクトルデータベ
ース９に蓄えておいて使用しているが、従来の類似検索
装置などで行われているように、類似検索結果が正解か
どうかの利用者の判断結果などを元に重みベクトルを更
新するようにしても良い。また、ある検索条件に対応す
る重みベクトルがなかった場合には、検索条件が近いも
のの重みベクトルで代用しても良いし、検索条件が近い
ものの重みベクトルを元に重みベクトルを新たに生成し
ても良いし、検索条件に対応する重みベクトルがない場
合に使用すべき重みベクトルを予め決めておき、それを
使用するようにしても良い。
【００３８】また、上記実施の形態では、個々の検索条
件に対して類似ベクトルデータが一つ検索され画像と共
に表示されているが、個々の検索条件に対して類似度が
高い順番に複数の類似ベクトルデータを検索し、対応す
る画像と共に表示するようにしても良い。
件に対して類似ベクトルデータが一つ検索され画像と共
に表示されているが、個々の検索条件に対して類似度が
高い順番に複数の類似ベクトルデータを検索し、対応す
る画像と共に表示するようにしても良い。
【００３９】また、上記実施の形態では、（１）式と
（２）式を用いて類似度を算出したが、これは一例であ
り、他の算出法を用いても良い。
（２）式を用いて類似度を算出したが、これは一例であ
り、他の算出法を用いても良い。
【００４０】また、上記実施の形態では、検査用の病理
組織画像に対して過去の症例から類似した病理組織画像
を検索する場合の一例について説明したが、細胞診の画
像やＸ線写真を初めとした他の医用画像を関する類似検
索やりんごなどの農産物の等級の判別など、他の様々な
画像を用いた類似検索においても同様の効果を奏する。
また、必ずしも画像を用いる必要はなく、例えば医療上
の診療データを用いた過去の類似症例の検索など、一般
にベクトルデータの類似検索において同様の効果を奏す
る。
組織画像に対して過去の症例から類似した病理組織画像
を検索する場合の一例について説明したが、細胞診の画
像やＸ線写真を初めとした他の医用画像を関する類似検
索やりんごなどの農産物の等級の判別など、他の様々な
画像を用いた類似検索においても同様の効果を奏する。
また、必ずしも画像を用いる必要はなく、例えば医療上
の診療データを用いた過去の類似症例の検索など、一般
にベクトルデータの類似検索において同様の効果を奏す
る。
【００４１】実施の形態２．図７は実施の形態２による
類似検索装置を示すブロック図であり、画像を用いない
類似検索の例である。ここでは患者の診療データから過
去の類似した診療データを検索する場合について説明す
る。図において、属性入力部４には対象を特徴づける複
数の属性として、例えば、患者名、患者ＩＤ、年齢、職
業、熱、せきの有無、鼻水の有無、のど痛の有無、診断
名等が入力され、上記複数の属性を、ベクトル構成要素
とするベクトルデータが対象ベクトルデータ作成部５で
作成される。なお、診断名はこの時点では決まっていな
いので、入力されない。検索条件集合生成部６には例え
ば風邪や花粉症等の診断名が検索条件として複数入力さ
れる。類似検索エンジン１０では、検索条件集合生成部
６に入力された検索条件の個々の検索条件について、検
索条件に合致し、かつ対象ベクトルデータに対して類似
度が高いベクトルデータを、重みベクトルデータベース
９にある重みベクトルのうち検索条件に対応した重みベ
クトルを用いて、ベクトルデータベース７の中から検索
する。ここで重みベクトルは、実施の形態１と同様、個
々の検索条件に対して予め重みベクトルデータベース９
に登録されている最適な重みを用いる。検索結果は検索
結果表示部１１に表示される。
類似検索装置を示すブロック図であり、画像を用いない
類似検索の例である。ここでは患者の診療データから過
去の類似した診療データを検索する場合について説明す
る。図において、属性入力部４には対象を特徴づける複
数の属性として、例えば、患者名、患者ＩＤ、年齢、職
業、熱、せきの有無、鼻水の有無、のど痛の有無、診断
名等が入力され、上記複数の属性を、ベクトル構成要素
とするベクトルデータが対象ベクトルデータ作成部５で
作成される。なお、診断名はこの時点では決まっていな
いので、入力されない。検索条件集合生成部６には例え
ば風邪や花粉症等の診断名が検索条件として複数入力さ
れる。類似検索エンジン１０では、検索条件集合生成部
６に入力された検索条件の個々の検索条件について、検
索条件に合致し、かつ対象ベクトルデータに対して類似
度が高いベクトルデータを、重みベクトルデータベース
９にある重みベクトルのうち検索条件に対応した重みベ
クトルを用いて、ベクトルデータベース７の中から検索
する。ここで重みベクトルは、実施の形態１と同様、個
々の検索条件に対して予め重みベクトルデータベース９
に登録されている最適な重みを用いる。検索結果は検索
結果表示部１１に表示される。
【００４２】
【発明の効果】以上のように、この発明の第１の構成に
よれば、複数の対象に対して各々作成され、対象を特徴
づける複数の属性をベクトル構成要素とするベクトルデ
ータを複数蓄積するベクトルデータベースと、指定され
た類似検索対象に対するベクトルデータを作成する対象
ベクトルデータ作成部と、複数の検索条件を生成する検
索条件集合生成部と、この検索条件集合生成部で生成さ
れた個々の検索条件ごとに、上記ベクトルデータベース
に蓄積された複数のベクトルデータの中から、上記検索
条件を満足し、かつ上記対象ベクトルデータに類似する
ベクトルデータを検索する類似検索エンジンと、上記類
似検索エンジンにより検索された結果を個々の検索条件
ごとに表示する検索結果表示部とを備えたので、利用者
が参照したい個々の検索条件に対応した類似データが検
索され表示され、重要な類似データが検索結果から漏れ
る可能性が低くなるという効果がある。
よれば、複数の対象に対して各々作成され、対象を特徴
づける複数の属性をベクトル構成要素とするベクトルデ
ータを複数蓄積するベクトルデータベースと、指定され
た類似検索対象に対するベクトルデータを作成する対象
ベクトルデータ作成部と、複数の検索条件を生成する検
索条件集合生成部と、この検索条件集合生成部で生成さ
れた個々の検索条件ごとに、上記ベクトルデータベース
に蓄積された複数のベクトルデータの中から、上記検索
条件を満足し、かつ上記対象ベクトルデータに類似する
ベクトルデータを検索する類似検索エンジンと、上記類
似検索エンジンにより検索された結果を個々の検索条件
ごとに表示する検索結果表示部とを備えたので、利用者
が参照したい個々の検索条件に対応した類似データが検
索され表示され、重要な類似データが検索結果から漏れ
る可能性が低くなるという効果がある。
【００４３】また、この発明の第２の構成によれば、複
数の対象に対応する複数の対象画像を蓄積する画像デー
タベースと、上記複数の対象に対して各々作成され、上
記対象画像の特徴を定量的に表す特徴量と、上記対象を
特徴づける属性とをベクトル構成要素とするベクトルデ
ータを複数蓄積するベクトルデータベースと、指定され
た類似検索対象の画像と属性を基にベクトルデータを作
成する対象ベクトルデータ作成部と、複数の検索条件を
生成する検索条件集合生成部と、この検索条件集合生成
部で生成された個々の検索条件ごとに、上記ベクトルデ
ータベースに蓄積された複数のベクトルデータの中か
ら、上記検索条件を満足し、かつ上記対象ベクトルデー
タに類似するベクトルデータを検索する類似検索エンジ
ンと、上記類似検索エンジンにより検索された結果を対
応する画像と共に個々の検索条件ごとに表示する検索結
果表示部とを備えたので、画像を伴った重要な類似デー
タが検索結果から漏れる可能性が低くなるという効果が
ある。また、類似したベクトルデータと共に類似画像を
表示できる効果がある。
数の対象に対応する複数の対象画像を蓄積する画像デー
タベースと、上記複数の対象に対して各々作成され、上
記対象画像の特徴を定量的に表す特徴量と、上記対象を
特徴づける属性とをベクトル構成要素とするベクトルデ
ータを複数蓄積するベクトルデータベースと、指定され
た類似検索対象の画像と属性を基にベクトルデータを作
成する対象ベクトルデータ作成部と、複数の検索条件を
生成する検索条件集合生成部と、この検索条件集合生成
部で生成された個々の検索条件ごとに、上記ベクトルデ
ータベースに蓄積された複数のベクトルデータの中か
ら、上記検索条件を満足し、かつ上記対象ベクトルデー
タに類似するベクトルデータを検索する類似検索エンジ
ンと、上記類似検索エンジンにより検索された結果を対
応する画像と共に個々の検索条件ごとに表示する検索結
果表示部とを備えたので、画像を伴った重要な類似デー
タが検索結果から漏れる可能性が低くなるという効果が
ある。また、類似したベクトルデータと共に類似画像を
表示できる効果がある。
【００４４】また、この発明の第３の構成によれば、画
像の特徴量を抽出する特徴量抽出部と画像の特徴量を入
力する特徴量入力部との少なくとも一方を備え、画像の
特徴を定量的に表す特徴量として、上記特徴量抽出部に
おいて抽出された特徴量と上記特徴量入力部より入力さ
れた特徴量との少なくとも一方を用いたので、画像の特
徴量として、画像から抽出された特徴量の他に利用者が
自ら判断した主観的な特徴量を使用でき、抽出の困難な
特徴量が利用できたり、利用者の好みに応じた類似検索
ができる効果がある。
像の特徴量を抽出する特徴量抽出部と画像の特徴量を入
力する特徴量入力部との少なくとも一方を備え、画像の
特徴を定量的に表す特徴量として、上記特徴量抽出部に
おいて抽出された特徴量と上記特徴量入力部より入力さ
れた特徴量との少なくとも一方を用いたので、画像の特
徴量として、画像から抽出された特徴量の他に利用者が
自ら判断した主観的な特徴量を使用でき、抽出の困難な
特徴量が利用できたり、利用者の好みに応じた類似検索
ができる効果がある。
【００４５】また、この発明の第４の構成によれば、画
像として生体組織の画像を用い、検索条件として病理組
織診断における診断名を用いたので、病理組織診断を有
効に支援できる効果がある。特に、稀な診断名に対して
も、その診断名に属する画像から対象画像に類似する画
像が少なくとも一画像表示されるため、稀な診断名を見
落とす危険性が低くなる効果がある。また、画像が紛ら
わしい診断名の場合も、紛らわしい診断名全てについて
類似画像を表示できるため、それらを比較検討すること
により、紛らわしい場合に診断を誤る危険性を低減でき
る効果がある。
像として生体組織の画像を用い、検索条件として病理組
織診断における診断名を用いたので、病理組織診断を有
効に支援できる効果がある。特に、稀な診断名に対して
も、その診断名に属する画像から対象画像に類似する画
像が少なくとも一画像表示されるため、稀な診断名を見
落とす危険性が低くなる効果がある。また、画像が紛ら
わしい診断名の場合も、紛らわしい診断名全てについて
類似画像を表示できるため、それらを比較検討すること
により、紛らわしい場合に診断を誤る危険性を低減でき
る効果がある。
【００４６】また、この発明の第５の構成によれば、画
像の特徴量として、核領域の数、核領域の面積、核領域
の形状、核領域の円形度、核領域の色、核領域の色度、
空隙領域の数、空隙領域の面積、空隙領域の形状、空隙
領域の円形度、間質領域の数、間質領域の面積、間質領
域の形状、間質領域の円形度、間質領域の色、間質領域
の色度、管空領域の数、管空領域の面積、管空領域の形
状、管空領域の円形度、画像のテクスチャ、ウェーブレ
ット変換値を用いて算出される特徴量、上皮細胞が筋上
皮細胞を伴う２層構造を示す程度、線維化の程度、乳頭
状パターンの有無、ふるい状パターンの有無、壊死物質
の有無、充実性パターンの有無、画像の色、及び色度を
用いて算出される特徴量の少なくとも一つを用いたの
で、病理組織診断における検索精度をより向上できる効
果がある。
像の特徴量として、核領域の数、核領域の面積、核領域
の形状、核領域の円形度、核領域の色、核領域の色度、
空隙領域の数、空隙領域の面積、空隙領域の形状、空隙
領域の円形度、間質領域の数、間質領域の面積、間質領
域の形状、間質領域の円形度、間質領域の色、間質領域
の色度、管空領域の数、管空領域の面積、管空領域の形
状、管空領域の円形度、画像のテクスチャ、ウェーブレ
ット変換値を用いて算出される特徴量、上皮細胞が筋上
皮細胞を伴う２層構造を示す程度、線維化の程度、乳頭
状パターンの有無、ふるい状パターンの有無、壊死物質
の有無、充実性パターンの有無、画像の色、及び色度を
用いて算出される特徴量の少なくとも一つを用いたの
で、病理組織診断における検索精度をより向上できる効
果がある。
【００４７】また、この発明の第６の構成によれば、複
数の検索条件にそれぞれ対応した複数の重みベクトルを
蓄積する重みベクトルデータベースを備え、類似検索エ
ンジンが用いる重みベクトルが、検索条件ごとに特定さ
れているので、類似検索精度をさらに向上できる効果が
ある。
数の検索条件にそれぞれ対応した複数の重みベクトルを
蓄積する重みベクトルデータベースを備え、類似検索エ
ンジンが用いる重みベクトルが、検索条件ごとに特定さ
れているので、類似検索精度をさらに向上できる効果が
ある。
【００４８】また、この発明の第１の構成に係る類似検
索プログラムを記録した記録媒体によれば、類似検索対
象に対して、対象を特徴づける複数の属性をベクトル構
成要素とするベクトルデータを作成する対象ベクトルデ
ータ作成手順と、複数の検索条件に対して、個々の検索
条件ごとに、ベクトルデータベースに蓄積された複数の
対象に対する複数のベクトルデータの中から、上記検索
条件を満足し、かつ上記対象ベクトルデータに類似する
ベクトルデータを検索する類似検索手順と、検索された
結果を個々の検索条件ごとに出力する検索結果出力手順
とをコンピュータに実行させるようにしたので、重要な
類似データが検索結果から漏れる可能性が低くなるとい
う効果がある。
索プログラムを記録した記録媒体によれば、類似検索対
象に対して、対象を特徴づける複数の属性をベクトル構
成要素とするベクトルデータを作成する対象ベクトルデ
ータ作成手順と、複数の検索条件に対して、個々の検索
条件ごとに、ベクトルデータベースに蓄積された複数の
対象に対する複数のベクトルデータの中から、上記検索
条件を満足し、かつ上記対象ベクトルデータに類似する
ベクトルデータを検索する類似検索手順と、検索された
結果を個々の検索条件ごとに出力する検索結果出力手順
とをコンピュータに実行させるようにしたので、重要な
類似データが検索結果から漏れる可能性が低くなるとい
う効果がある。
【００４９】また、この発明の第２の構成に係る類似検
索プログラムを記録した記録媒体によれば、類似検索対
象の画像と上記対象を特徴づける属性を基に、対象画像
の特徴を定量的に表す特徴量と上記対象の属性とをベク
トル構成要素とするベクトルデータを作成する対象ベク
トルデータ作成手順と、複数の検索条件に対して、個々
の検索条件ごとに、ベクトルデータベースに蓄積された
複数の対象に対する複数のベクトルデータの中から、上
記検索条件を満足し、かつ上記対象ベクトルデータに類
似するベクトルデータを検索する類似検索手順と、検索
された結果を個々の検索条件ごとに対応する画像と共に
出力する検索結果出力手順とをコンピュータに実行させ
るようにしたので、画像を伴った重要な類似データが検
索結果から漏れる可能性が低くなるという効果がある。
また、類似したベクトルデータと共に類似画像を表示で
きる効果がある。
索プログラムを記録した記録媒体によれば、類似検索対
象の画像と上記対象を特徴づける属性を基に、対象画像
の特徴を定量的に表す特徴量と上記対象の属性とをベク
トル構成要素とするベクトルデータを作成する対象ベク
トルデータ作成手順と、複数の検索条件に対して、個々
の検索条件ごとに、ベクトルデータベースに蓄積された
複数の対象に対する複数のベクトルデータの中から、上
記検索条件を満足し、かつ上記対象ベクトルデータに類
似するベクトルデータを検索する類似検索手順と、検索
された結果を個々の検索条件ごとに対応する画像と共に
出力する検索結果出力手順とをコンピュータに実行させ
るようにしたので、画像を伴った重要な類似データが検
索結果から漏れる可能性が低くなるという効果がある。
また、類似したベクトルデータと共に類似画像を表示で
きる効果がある。
【図１】 この発明の実施の形態１による類似検索装置
を示すブロック図である。
を示すブロック図である。
【図２】 この発明の実施の形態１による類似検索装置
の動作を示すフローチャートである。
の動作を示すフローチャートである。
【図３】 この発明の実施の形態１に係わる対象ベクト
ルデータの一例である。
ルデータの一例である。
【図４】 この発明の実施の形態１に係わる検索条件集
合の一例である。
合の一例である。
【図５】 この発明の実施の形態１に係わる重みベクト
ルの一例である。
ルの一例である。
【図６】 この発明の実施の形態１のよる類似検索装置
で表示される表示画面の一例である。
で表示される表示画面の一例である。
【図７】 この発明の実施の形態２による類似検索装置
を示すブロック図である。
を示すブロック図である。
【図８】 従来の類似検索装置を示すブロック図であ
る。
る。
【図９】 従来の類似検索装置の動作を示すフローチャ
ートである。
ートである。
【図１０】 従来の類似検索装置で用いる対象ベクトル
データの一例である。
データの一例である。
【図１１】 従来の類似検索装置で表示される表示画面
の一例である。
の一例である。
１ 対象画像指定部、２ 特徴量抽出部、３ 特徴量入
力部、４ 属性入力部、５ 対象ベクトルデータ作成
部、６ 検索条件集合生成部、７ ベクトルデータベー
ス、８ 画像データベース、９ 重みベクトルデータベ
ース、１０ 類似検索エンジン、１１ 検索結果表示
部、１２ 新規データ追加部、１３ 重みベクトル、１
４ 回答指定部、１５ 重みベクトル更新部。
力部、４ 属性入力部、５ 対象ベクトルデータ作成
部、６ 検索条件集合生成部、７ ベクトルデータベー
ス、８ 画像データベース、９ 重みベクトルデータベ
ース、１０ 類似検索エンジン、１１ 検索結果表示
部、１２ 新規データ追加部、１３ 重みベクトル、１
４ 回答指定部、１５ 重みベクトル更新部。
Claims (8)
- 【請求項１】 複数の対象に対して各々作成され、対象
を特徴づける複数の属性をベクトル構成要素とするベク
トルデータを複数蓄積するベクトルデータベースと、指
定された類似検索対象に対するベクトルデータを作成す
る対象ベクトルデータ作成部と、複数の検索条件を生成
する検索条件集合生成部と、この検索条件集合生成部で
生成された個々の検索条件ごとに、上記ベクトルデータ
ベースに蓄積された複数のベクトルデータの中から、上
記検索条件を満足し、かつ上記対象ベクトルデータに類
似するベクトルデータを検索する類似検索エンジンと、
上記類似検索エンジンにより検索された結果を個々の検
索条件ごとに表示する検索結果表示部とを備えたことを
特徴とする類似検索装置。 - 【請求項２】 複数の対象に対応する複数の対象画像を
蓄積する画像データベースと、上記複数の対象に対して
各々作成され、上記対象画像の特徴を定量的に表す特徴
量と、上記対象を特徴づける属性とをベクトル構成要素
とするベクトルデータを複数蓄積するベクトルデータベ
ースと、指定された類似検索対象の画像と属性を基にベ
クトルデータを作成する対象ベクトルデータ作成部と、
複数の検索条件を生成する検索条件集合生成部と、この
検索条件集合生成部で生成された個々の検索条件ごと
に、上記ベクトルデータベースに蓄積された複数のベク
トルデータの中から、上記検索条件を満足し、かつ上記
対象ベクトルデータに類似するベクトルデータを検索す
る類似検索エンジンと、上記類似検索エンジンにより検
索された結果を対応する画像と共に個々の検索条件ごと
に表示する検索結果表示部とを備えたことを特徴とする
類似検索装置。 - 【請求項３】 画像の特徴量を抽出する特徴量抽出部と
画像の特徴量を入力する特徴量入力部との少なくとも一
方を備え、画像の特徴を定量的に表す特徴量として、上
記特徴量抽出部において抽出された特徴量と上記特徴量
入力部より入力された特徴量との少なくとも一方を用い
ることを特徴とする請求項２記載の類似検索装置。 - 【請求項４】 画像として生体組織の画像を用い、検索
条件として病理組織診断における診断名を用いることを
特徴とする請求項２または３記載の類似検索装置。 - 【請求項５】 画像の特徴量として、核領域の数、核領
域の面積、核領域の形状、核領域の円形度、核領域の
色、核領域の色度、空隙領域の数、空隙領域の面積、空
隙領域の形状、空隙領域の円形度、間質領域の数、間質
領域の面積、間質領域の形状、間質領域の円形度、間質
領域の色、間質領域の色度、管空領域の数、管空領域の
面積、管空領域の形状、管空領域の円形度、画像のテク
スチャ、ウェーブレット変換値を用いて算出される特徴
量、上皮細胞が筋上皮細胞を伴う２層構造を示す程度、
線維化の程度、乳頭状パターンの有無、ふるい状パター
ンの有無、壊死物質の有無、充実性パターンの有無、画
像の色、及び色度を用いて算出される特徴量の少なくと
も一つを用いることを特徴とする請求項４記載の類似検
索装置。 - 【請求項６】 複数の検索条件にそれぞれ対応した複数
の重みベクトルを蓄積する重みベクトルデータベースを
備え、類似検索エンジンが用いる重みベクトルが、検索
条件ごとに特定されていることを特徴とする請求項１な
いし５のいずれかに記載の類似検索装置。 - 【請求項７】 類似検索対象に対して、対象を特徴づけ
る複数の属性をベクトル構成要素とするベクトルデータ
を作成する対象ベクトルデータ作成手順と、複数の検索
条件に対して、個々の検索条件ごとに、ベクトルデータ
ベースに蓄積された複数の対象に対する複数のベクトル
データの中から、上記検索条件を満足し、かつ上記対象
ベクトルデータに類似するベクトルデータを検索する類
似検索手順と、検索された結果を個々の検索条件ごとに
出力する検索結果出力手順とをコンピュータに実行させ
る類似検索プログラムを記録した記録媒体。 - 【請求項８】 類似検索対象の画像と上記対象を特徴づ
ける属性を基に、対象画像の特徴を定量的に表す特徴量
と上記対象の属性とをベクトル構成要素とするベクトル
データを作成する対象ベクトルデータ作成手順と、複数
の検索条件に対して、個々の検索条件ごとに、ベクトル
データベースに蓄積された複数の対象に対する複数のベ
クトルデータの中から、上記検索条件を満足し、かつ上
記対象ベクトルデータに類似するベクトルデータを検索
する類似検索手順と、検索された結果を個々の検索条件
ごとに対応する画像と共に出力する検索結果出力手順と
をコンピュータに実行させる類似検索プログラムを記録
した記録媒体。
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9136816A JPH10326286A (ja) | 1997-05-27 | 1997-05-27 | 類似検索装置及び類似検索プログラムを記録した記録媒体 |
| KR1019980015490A KR100332940B1 (ko) | 1997-05-27 | 1998-04-30 | 유사 검색 장치 및 유사 검색 프로그램을 기록한 기록 매체 |
| US09/070,739 US6292577B1 (en) | 1997-05-27 | 1998-05-01 | Resemblance retrieval apparatus, and recording medium for recording resemblance retrieval program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP9136816A JPH10326286A (ja) | 1997-05-27 | 1997-05-27 | 類似検索装置及び類似検索プログラムを記録した記録媒体 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH10326286A true JPH10326286A (ja) | 1998-12-08 |
Family
ID=15184184
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP9136816A Pending JPH10326286A (ja) | 1997-05-27 | 1997-05-27 | 類似検索装置及び類似検索プログラムを記録した記録媒体 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US6292577B1 (ja) |
| JP (1) | JPH10326286A (ja) |
| KR (1) | KR100332940B1 (ja) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002085434A (ja) * | 2000-09-18 | 2002-03-26 | Fuji Photo Film Co Ltd | テンプレートデータ保存装置および記録媒体 |
| JP2002230518A (ja) * | 2000-11-29 | 2002-08-16 | Fujitsu Ltd | 診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 |
| JP2002245048A (ja) * | 2001-02-20 | 2002-08-30 | Mitsubishi Electric Corp | 画像検索方法および画像検索装置 |
| JP2002536731A (ja) * | 1999-02-01 | 2002-10-29 | エルジー エレクトロニクス インコーポレーテッド | マルチメディアデータのサーチ方法 |
| JP2002536730A (ja) * | 1999-01-29 | 2002-10-29 | エルジー エレクトロニクス インコーポレーテッド | マルチメディアデータの検索又はブラウジング方法 |
| JP2003030202A (ja) * | 2001-07-10 | 2003-01-31 | Sysmex Corp | 画像検索システム |
| JP2004192156A (ja) * | 2002-12-09 | 2004-07-08 | Olympus Corp | 画像検索プログラム、そのプログラムを記憶した記憶媒体、画像検索装置及び画像検索方法 |
| JP2006118876A (ja) * | 2004-10-19 | 2006-05-11 | Univ Of Tokyo | 破壊破面解析支援装置 |
| JP2007172384A (ja) * | 2005-12-22 | 2007-07-05 | Matsushita Electric Ind Co Ltd | 画像検索装置および画像検索方法 |
| JP2007279942A (ja) * | 2006-04-05 | 2007-10-25 | Fujifilm Corp | 類似症例検索装置、類似症例検索方法およびそのプログラム |
| JP2008216066A (ja) * | 2007-03-05 | 2008-09-18 | Kddi Corp | 類似画像検索装置 |
| JP2008546098A (ja) * | 2005-05-31 | 2008-12-18 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 患者の人口統計的レコード照会のデータ依存型フィルタリングシステム及び方法 |
| KR100882275B1 (ko) | 2007-05-25 | 2009-02-06 | 전남대학교산학협력단 | 얼굴영상을 이용한 질병분류시스템 |
| JP2009245315A (ja) * | 2008-03-31 | 2009-10-22 | Kddi Corp | 類似画像検索方法および装置 |
| JP2010211749A (ja) * | 2009-03-12 | 2010-09-24 | Fujifilm Corp | 症例画像検索装置、方法およびプログラム |
| JP2011511337A (ja) * | 2007-12-20 | 2011-04-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ケースベースの意思決定支援のための方法及び装置 |
| US8001061B2 (en) | 2006-12-19 | 2011-08-16 | Fuji Xerox Co., Ltd. | First and second unsupervised learning processes combined using a supervised learning apparatus |
| WO2013051619A1 (ja) | 2011-10-03 | 2013-04-11 | 日本電気株式会社 | 類似性検出装置及び指向性近傍検出方法 |
| WO2013088806A1 (ja) * | 2011-12-13 | 2013-06-20 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 医用画像を検索する方法、装置及びコンピュータプログラム |
| US9208173B1 (en) | 2014-06-13 | 2015-12-08 | Globalfoundries Inc. | Techniques for medical image retreival |
| JP2017045291A (ja) * | 2015-08-27 | 2017-03-02 | ムラタオフィス株式会社 | 類似画像検索システム |
| JP2019212296A (ja) * | 2018-05-31 | 2019-12-12 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、方法及びプログラム |
| JP2021530787A (ja) * | 2018-07-11 | 2021-11-11 | グーグル エルエルシーGoogle LLC | 放射線医学のための類似画像の検索 |
Families Citing this family (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5782762A (en) * | 1994-10-27 | 1998-07-21 | Wake Forest University | Method and system for producing interactive, three-dimensional renderings of selected body organs having hollow lumens to enable simulated movement through the lumen |
| US8682045B2 (en) * | 1997-02-25 | 2014-03-25 | Wake Forest University Health Sciences | Virtual endoscopy with improved image segmentation and lesion detection |
| JP3640518B2 (ja) * | 1998-02-09 | 2005-04-20 | 富士写真フイルム株式会社 | ネットワークフォトサービスシステムおよび方法 |
| EP2302594A3 (en) | 1998-11-25 | 2011-04-06 | Wake Forest University | Virtual endoscopy with improved image segmentation and lesion detection |
| US7027644B1 (en) * | 1999-02-01 | 2006-04-11 | Lg Electronics Inc. | Multilevel image grid data structure and image search method using the same |
| CN1378677A (zh) * | 1999-08-09 | 2002-11-06 | 韦克森林大学 | 生成电子多媒体报告的一种方法和计算机实现程序 |
| US6785410B2 (en) * | 1999-08-09 | 2004-08-31 | Wake Forest University Health Sciences | Image reporting method and system |
| US8538770B2 (en) * | 2000-08-01 | 2013-09-17 | Logical Images, Inc. | System and method to aid diagnoses using cross-referenced knowledge and image databases |
| WO2002015559A2 (en) * | 2000-08-10 | 2002-02-21 | The Regents Of The University Of California | High-resolution digital image processing in the analysis of pathological materials |
| US6925199B2 (en) * | 2000-11-29 | 2005-08-02 | Fujitsu Limited | Computer readable recording medium recorded with diagnosis supporting program, diagnosis supporting apparatus and diagnosis supporting method |
| DE10110275A1 (de) * | 2001-03-02 | 2002-09-19 | Daimler Chrysler Ag | Verfahren zur Kennzeichnung von gespeicherter Information |
| US8090730B2 (en) * | 2001-12-04 | 2012-01-03 | University Of Southern California | Methods for fast progressive evaluation of polynomial range-sum queries on real-time datacubes |
| JP2005334298A (ja) * | 2004-05-27 | 2005-12-08 | Fuji Photo Film Co Ltd | 異常陰影検出方法および装置並びにプログラム |
| US8243999B2 (en) | 2006-05-03 | 2012-08-14 | Ut-Battelle, Llc | Method and system for the diagnosis of disease using retinal image content and an archive of diagnosed human patient data |
| US20070280561A1 (en) * | 2006-05-30 | 2007-12-06 | General Electric Company | System, method and computer instructions for aiding image analysis |
| DE102006031937A1 (de) * | 2006-07-06 | 2008-01-10 | Friedrich-Schiller-Universität Jena | Verfahren und Vorrichtung zur Bewertung eines Bildes und/oder einer zeitlichen Bildsequenz von Gewebe oder Gewebeproben |
| JP5646128B2 (ja) * | 2007-02-28 | 2014-12-24 | 株式会社東芝 | 医用画像検索システム |
| JP5139716B2 (ja) * | 2007-05-16 | 2013-02-06 | キヤノン株式会社 | 画像検索装置及び画像検索方法 |
| JP5033580B2 (ja) * | 2007-10-31 | 2012-09-26 | 株式会社リコー | 画像処理装置及び画像処理方法 |
| US8218838B2 (en) * | 2008-11-03 | 2012-07-10 | Ut-Battelle, Llc | Method and system for assigning a confidence metric for automated determination of optic disc location |
| JP5728212B2 (ja) * | 2010-11-30 | 2015-06-03 | キヤノン株式会社 | 診断支援装置、診断支援装置の制御方法、およびプログラム |
| WO2013088807A1 (ja) | 2011-12-13 | 2013-06-20 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 症例ごとの代表画像及び読影情報を生成する方法、装置及びコンピュータプログラム |
| US9262442B2 (en) * | 2012-09-20 | 2016-02-16 | International Business Machines Corporation | Techniques for generating a representative image and radiographic interpretation information for a case |
| CN117438053A (zh) * | 2018-08-27 | 2024-01-23 | 卡西欧计算机株式会社 | 显示控制装置、显示控制系统、显示控制方法及记录介质 |
| KR102589384B1 (ko) * | 2020-08-28 | 2023-10-16 | 라크(주) | 의료 영상 판독시스템 |
Family Cites Families (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS60196856A (ja) * | 1984-03-20 | 1985-10-05 | Olympus Optical Co Ltd | 画像検索登録装置 |
| US4817050A (en) * | 1985-11-22 | 1989-03-28 | Kabushiki Kaisha Toshiba | Database system |
| US6182069B1 (en) * | 1992-11-09 | 2001-01-30 | International Business Machines Corporation | Video query system and method |
| US5878746A (en) * | 1993-08-25 | 1999-03-09 | Lemelson; Jerome H. | Computerized medical diagnostic system |
| US6173275B1 (en) * | 1993-09-20 | 2001-01-09 | Hnc Software, Inc. | Representation and retrieval of images using context vectors derived from image information elements |
| US6246804B1 (en) * | 1994-11-15 | 2001-06-12 | Canon Kabushiki Kaisha | Image retrieval method and apparatus using a compound image formed from a plurality of detected regions |
| AU4594796A (en) * | 1994-11-25 | 1996-06-19 | Yuriy Alexandrov | System and method for diagnosis of living tissue diseases |
| US5659742A (en) * | 1995-09-15 | 1997-08-19 | Infonautics Corporation | Method for storing multi-media information in an information retrieval system |
| JP3639883B2 (ja) * | 1995-10-03 | 2005-04-20 | 国立大学法人東北大学 | 瞬時認識機能を有する演算回路及び瞬時認識方式 |
| JP3040945B2 (ja) * | 1995-11-29 | 2000-05-15 | 松下電器産業株式会社 | 文書検索装置 |
| US5893095A (en) * | 1996-03-29 | 1999-04-06 | Virage, Inc. | Similarity engine for content-based retrieval of images |
| US5974201A (en) * | 1996-10-01 | 1999-10-26 | Siemens Corporate Research, Inc. | Smart image system |
| US5899999A (en) * | 1996-10-16 | 1999-05-04 | Microsoft Corporation | Iterative convolution filter particularly suited for use in an image classification and retrieval system |
| US5901245A (en) * | 1997-01-23 | 1999-05-04 | Eastman Kodak Company | Method and system for detection and characterization of open space in digital images |
| JP3195752B2 (ja) * | 1997-02-28 | 2001-08-06 | シャープ株式会社 | 検索装置 |
| US6016487A (en) * | 1997-03-26 | 2000-01-18 | National Research Council Of Canada | Method of searching three-dimensional images |
-
1997
- 1997-05-27 JP JP9136816A patent/JPH10326286A/ja active Pending
-
1998
- 1998-04-30 KR KR1019980015490A patent/KR100332940B1/ko not_active IP Right Cessation
- 1998-05-01 US US09/070,739 patent/US6292577B1/en not_active Expired - Fee Related
Cited By (30)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002536730A (ja) * | 1999-01-29 | 2002-10-29 | エルジー エレクトロニクス インコーポレーテッド | マルチメディアデータの検索又はブラウジング方法 |
| US6643643B1 (en) | 1999-01-29 | 2003-11-04 | Lg Electronics Inc. | Method of searching or browsing multimedia data and data structure |
| JP2002536731A (ja) * | 1999-02-01 | 2002-10-29 | エルジー エレクトロニクス インコーポレーテッド | マルチメディアデータのサーチ方法 |
| JP2002085434A (ja) * | 2000-09-18 | 2002-03-26 | Fuji Photo Film Co Ltd | テンプレートデータ保存装置および記録媒体 |
| JP2002230518A (ja) * | 2000-11-29 | 2002-08-16 | Fujitsu Ltd | 診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 |
| JP2002245048A (ja) * | 2001-02-20 | 2002-08-30 | Mitsubishi Electric Corp | 画像検索方法および画像検索装置 |
| JP2003030202A (ja) * | 2001-07-10 | 2003-01-31 | Sysmex Corp | 画像検索システム |
| JP2004192156A (ja) * | 2002-12-09 | 2004-07-08 | Olympus Corp | 画像検索プログラム、そのプログラムを記憶した記憶媒体、画像検索装置及び画像検索方法 |
| JP2006118876A (ja) * | 2004-10-19 | 2006-05-11 | Univ Of Tokyo | 破壊破面解析支援装置 |
| JP2008546098A (ja) * | 2005-05-31 | 2008-12-18 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 患者の人口統計的レコード照会のデータ依存型フィルタリングシステム及び方法 |
| US8560551B2 (en) | 2005-12-22 | 2013-10-15 | Panasonic Corporation | Image search apparatus and image search method |
| JP2007172384A (ja) * | 2005-12-22 | 2007-07-05 | Matsushita Electric Ind Co Ltd | 画像検索装置および画像検索方法 |
| US8150854B2 (en) | 2005-12-22 | 2012-04-03 | Panasonic Corporation | Image search apparatus and image search method |
| JP2007279942A (ja) * | 2006-04-05 | 2007-10-25 | Fujifilm Corp | 類似症例検索装置、類似症例検索方法およびそのプログラム |
| US8001061B2 (en) | 2006-12-19 | 2011-08-16 | Fuji Xerox Co., Ltd. | First and second unsupervised learning processes combined using a supervised learning apparatus |
| JP2008216066A (ja) * | 2007-03-05 | 2008-09-18 | Kddi Corp | 類似画像検索装置 |
| KR100882275B1 (ko) | 2007-05-25 | 2009-02-06 | 전남대학교산학협력단 | 얼굴영상을 이용한 질병분류시스템 |
| JP2011511337A (ja) * | 2007-12-20 | 2011-04-07 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | ケースベースの意思決定支援のための方法及び装置 |
| JP2009245315A (ja) * | 2008-03-31 | 2009-10-22 | Kddi Corp | 類似画像検索方法および装置 |
| JP2010211749A (ja) * | 2009-03-12 | 2010-09-24 | Fujifilm Corp | 症例画像検索装置、方法およびプログラム |
| WO2013051619A1 (ja) | 2011-10-03 | 2013-04-11 | 日本電気株式会社 | 類似性検出装置及び指向性近傍検出方法 |
| US9530081B2 (en) | 2011-10-03 | 2016-12-27 | Nec Corporation | Similarity detecting apparatus and directional nearest neighbor detecting method |
| WO2013088806A1 (ja) * | 2011-12-13 | 2013-06-20 | インターナショナル・ビジネス・マシーンズ・コーポレーション | 医用画像を検索する方法、装置及びコンピュータプログラム |
| GB2511686A (en) * | 2011-12-13 | 2014-09-10 | Ibm | Medical-image retrieval method, device, and computer program |
| JPWO2013088806A1 (ja) * | 2011-12-13 | 2015-04-27 | インターナショナル・ビジネス・マシーンズ・コーポレーションＩｎｔｅｒｎａｔｉｏｎａｌ Ｂｕｓｉｎｅｓｓ Ｍａｃｈｉｎｅｓ Ｃｏｒｐｏｒａｔｉｏｎ | 医用画像を検索する方法、装置及びコンピュータプログラム |
| US9201902B2 (en) | 2011-12-13 | 2015-12-01 | Globalfoundries Inc. | Techniques for medical image retrieval |
| US9208173B1 (en) | 2014-06-13 | 2015-12-08 | Globalfoundries Inc. | Techniques for medical image retreival |
| JP2017045291A (ja) * | 2015-08-27 | 2017-03-02 | ムラタオフィス株式会社 | 類似画像検索システム |
| JP2019212296A (ja) * | 2018-05-31 | 2019-12-12 | キヤノンメディカルシステムズ株式会社 | 医用情報処理装置、方法及びプログラム |
| JP2021530787A (ja) * | 2018-07-11 | 2021-11-11 | グーグル エルエルシーGoogle LLC | 放射線医学のための類似画像の検索 |
Also Published As
| Publication number | Publication date |
|---|---|
| KR100332940B1 (ko) | 2002-08-21 |
| KR19980086683A (ko) | 1998-12-05 |
| US6292577B1 (en) | 2001-09-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH10326286A (ja) | 類似検索装置及び類似検索プログラムを記録した記録媒体 | |
| JP7150036B2 (ja) | 術前画像に基づく手術ビデオ検索 | |
| JP4021179B2 (ja) | 診断支援プログラム、診断支援プログラムを記録したコンピュータ読取可能な記録媒体、診断支援装置及び診断支援方法 | |
| US6925199B2 (en) | Computer readable recording medium recorded with diagnosis supporting program, diagnosis supporting apparatus and diagnosis supporting method | |
| US20040003001A1 (en) | Similar image search system | |
| US8380013B2 (en) | Case image search apparatus, method and computer-readable recording medium | |
| CN102395975B (zh) | 临床决策支持系统和方法 | |
| CN110291535B (zh) | 用于通过卷积神经网络创建医学图像数据库的方法和系统 | |
| US7130457B2 (en) | Systems and graphical user interface for analyzing body images | |
| US8060178B2 (en) | System and method for performing probabilistic classification and decision support using multidimensional medical image databases | |
| JP5502346B2 (ja) | 症例画像登録装置、方法およびプログラムならびに症例画像検索装置、方法、プログラムおよびシステム | |
| JP6807820B2 (ja) | 画像検索装置、方法およびプログラム | |
| CN110335665A (zh) | 一种应用于医学图像辅助诊断分析的以图搜图方法及系统 | |
| JP2021530773A (ja) | 画像に基づく関係分析の方法およびそのシステム | |
| JP2014029644A (ja) | 類似症例検索装置および類似症例検索方法 | |
| US20220020457A1 (en) | Medical data evaluation utilization system and medical data evaluation utilization method | |
| JP5677348B2 (ja) | 症例検索装置、症例検索方法及びプログラム | |
| Priya et al. | Adaptive fruitfly based modified region growing algorithm for cardiac fat segmentation using optimal neural network | |
| JP2010237930A (ja) | 症例画像検索装置、方法およびプログラム | |
| JP2967450B2 (ja) | コンピュータによる画像診断支援装置およびその方法 | |
| Gu et al. | Complex Organ Mask Guided Radiology Report Generation | |
| JP2685456B2 (ja) | 類似画像検索装置 | |
| JP5655327B2 (ja) | プログラムおよび情報処理装置 | |
| CN116934657A (zh) | 医用图像处理装置和医用图像处理方法 | |
| JP3155033B2 (ja) | 類似尺度構成処理方法 |