JPWO2012032734A1 - 誤診原因検出装置及び誤診原因検出方法 - Google Patents

誤診原因検出装置及び誤診原因検出方法 Download PDF

Info

Publication number
JPWO2012032734A1
JPWO2012032734A1 JP2011553996A JP2011553996A JPWO2012032734A1 JP WO2012032734 A1 JPWO2012032734 A1 JP WO2012032734A1 JP 2011553996 A JP2011553996 A JP 2011553996A JP 2011553996 A JP2011553996 A JP 2011553996A JP WO2012032734 A1 JPWO2012032734 A1 JP WO2012032734A1
Authority
JP
Japan
Prior art keywords
interpretation
image
result
interpreter
teaching content
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.)
Granted
Application number
JP2011553996A
Other languages
English (en)
Other versions
JP4945705B2 (ja
Inventor
和豊 高田
和豊 高田
貴史 續木
貴史 續木
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.)
Panasonic Corp
Panasonic Holdings Corp
Original Assignee
Panasonic Corp
Matsushita Electric Industrial Co Ltd
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 Panasonic Corp, Matsushita Electric Industrial Co Ltd filed Critical Panasonic Corp
Priority to JP2011553996A priority Critical patent/JP4945705B2/ja
Application granted granted Critical
Publication of JP4945705B2 publication Critical patent/JP4945705B2/ja
Publication of JPWO2012032734A1 publication Critical patent/JPWO2012032734A1/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms
    • 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
    • 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
    • A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223—Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Biomedical Technology (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Image Analysis (AREA)

Abstract

読影教育装置（１００）は、対象読影画像を読影者に提示する読影画像提示部（１０２）と、対象読影画像に対する読影者による読影結果である第１読影結果と読影者が対象読影画像の読影に要した時間である読影時間とを取得する読影結果取得部（１０３）と、対象読影画像に対する確定診断結果と読影結果取得部（１０３）が取得した第１読影結果とを比較することにより、第１読影結果の正誤を判定する読影結果判定部（１０４）と、第１読影結果を誤りであると判定したときに、読影時間に基づいて、読影者に提示する教示コンテンツの教示内容の属性を選択する教示コンテンツ属性選択部（１０５）とを備える。

Description

本発明は、誤診原因検出装置及び誤診原因検出方法に関する。
慢性的な読影医不足により、読影経験の少ない医師の誤診が大きな問題になっている。誤診の中で患者の予後に大きな影響を与えるのは「存在診断の誤り」と「質的診断の誤り」である。存在診断の誤りとは、病変を見落とすことである。質的診断の誤りとは、検出した病変の診断を間違えることである。
このような誤診を防止するために、それぞれの誤りに応じた対策が行われている。「存在診断の誤り」に対しては、コンピュータが自動的に病変領域を検出するＣＡＤ（Ｃｏｍｐｕｔｅｒ Ａｉｄｅｄ Ｄｉａｇｎｏｓｉｓ）等による検出支援のアプローチが行われている。これにより、病変の見落とし防止に効果をあげている。
一方で、「質的診断の誤り」に対しては、ベテランの医師による読影教育により防止策が講じられている。ベテラン医師は、新人医師を教育する場合には、診断の正誤判断に加え、新人医師の誤診原因に応じた細やかな教示を行う。例えば、「Ａ癌」の判定を間違えたときにおいて、Ａ癌と判定するための診断フローが誤っている場合には、その診断フローについての教示を行う。一方、Ａ癌の診断フローに対応する画像パタンの認識が誤っている場合には、画像パタンを教示する。
上記誤診の問題に対し、医師（読影者）の読影時間（読影に要した時間）から誤診の抽出を行う方法が提案されている（例えば、特許文献１参照）。特許文献１に記載の方法では、過去の読影データベースから標準読影時間を算出し、読影時間が標準読影時間を超えた場合に誤診の可能性があると判断する。これにより、一部の症例については誤診判定を瞬時に行うことができる。
特開２００９−８２１８２号公報
しかし、特許文献１に記載の装置では誤診原因の検出を行うことができないという課題がある。
誤診には大きく２つの原因が考えられる。１つ目の原因は、症例と診断フローの対応付けが誤っていることである。２つ目の原因は、症例と画像パタンの対応付けが誤っていることである。
誤診原因を上記２種類に分類できる理由は、読影者の読影技術の学習過程が２段階に分かれることに起因する。
学習過程の初めの段階では、読影者は各症例の診断フローを学習し、診断フローに沿った診断を行う。この段階では、診断フローに含まれる診断項目を逐一確認しながら診断を行う。次の段階では、読影者は各症例と画像パタンとを直接結び付けて記憶し、画像のパタンマッチングにより診断を行う。すなわち、読影者に生じる誤診は、上述のいずれかの学習過程において、誤った知識が得られた場合に生じることになる。
よって、誤診時には、「症例と診断フローの対応付けの誤り」か「症例と画像パタンの対応付けの誤り」か、を判定し、読影者に提示する必要がある。
そこで本発明は、上記課題を解決するためになされたものであり、読影者が誤診をした際に、誤診原因を検出する装置及び誤診原因を検出する方法を提供することを目的とする。
上記課題を解決するために、本発明のある局面に係る誤診原因検出装置は、画像診断のための読影画像と前記読影画像に対する確定診断結果との組である読影レポートのうち、前記読影画像である対象読影画像を読影者に提示する読影画像提示部と、前記対象読影画像に対する前記読影者による読影結果である第１読影結果と前記読影者が前記対象読影画像の読影に要した時間である読影時間とを取得する読影結果取得部と、前記対象読影画像に対する確定診断結果と前記読影結果取得部が取得した前記第１読影結果とを比較することにより、前記第１読影結果の正誤を判定する読影結果判定部と、前記読影結果判定部が前記第１読影結果を誤りであると判定したときに、（ａ）前記読影結果取得部が取得した前記読影時間が閾値よりも大きければ、前記読影者に提示する前記教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の診断フローを教示するための教示コンテンツの属性を選択する第１選択処理、および、（ｂ）前記読影時間が前記閾値以下であれば、前記読影者に提示する前記教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の画像パタンを教示するための教示コンテンツの属性を選択する第２選択処理のうちの少なくとも一方の選択処理を実行する教示コンテンツ属性選択部とを備える。
上述の誤診原因は、読影時間を用いて分類することができる。「症例と診断フローの対応付けの誤り」が生じる場合には、読影者は診断フローを逐一確認しながら診断を行うため、読影時間が大きくなるという特徴がある。一方、「症例と画像パタンの対応付けの誤り」が生じる場合には、既に診断フローの学習は終わっており、読影者は診断フローに熟知しているものと考えられる。このため、読影者は診断フローの確認をする必要が無く、主に画像パタンから診断を下すこととなるため、読影時間は短くなる。よって、読影時間が長い場合は「症例と診断フローの対応付けの誤り」により誤診が生じたものと判断し、読影時間が短い場合は「症例と画像パタンの対応付けの誤り」により誤診が生じたものと判断することができる。
このように、読影時間に基づいて診断フローと画像パタンのどちらが原因で誤診が生じたかを判断できるため、誤診原因に応じた教示コンテンツの属性を自動的に選択することができる。選択した教示コンテンツの属性に従い、読影者は、誤診の原因を適切に正すことができる教示コンテンツを選択することが可能となる。また、誤診時に参照する教示コンテンツの読影者による検索時間を減らすことができ、読影者の学習時間を短縮することができる。
なお、本発明は、このような特徴的な処理部を備える誤診原因検出装置として実現することができるだけでなく、誤診原因検出装置に含まれる特徴的な処理部が実行する処理をステップとする誤診原因検出方法として実現することができる。また、誤診原因検出装置が備える特徴的な処理部としてコンピュータを機能させるためのプログラムとして実現することもできる。また、誤診原因検出方法に含まれる特徴的なステップをコンピュータに実行させるプログラムとして実現することもできる。そして、そのようなプログラムを、ＣＤ−ＲＯＭ（Ｃｏｍｐａｃｔ Ｄｉｓｃ−Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等のコンピュータ読取可能な不揮発性の記録媒体やインターネット等の通信ネットワークを介して流通させることができるのは、言うまでもない。
本発明によると、読影者が誤診をした際に、誤診原因を検出することができる。
図１は、本発明の実施の形態１に係る読影教育装置の特徴的な機能構成を示すブロック図である。 図２Ａは、読影レポートデータベースに記憶されている読影画像としての超音波画像の一例を示す図である。 図２Ｂは、読影レポートデータベースに記憶されている読影情報の一例を示す図である。 図３は、読影画像提示部による提示画像の一例を示す図である。 図４は、代表画像と読影フローの一例を示す図である。 図５は、読影時間のヒストグラムの一例を示す図である。 図６は、教示コンテンツデータベースの一例を示す図である。 図７は、本発明の実施の形態１に係る読影教育装置が実行する全体的な処理の流れを示すフローチャートである。 図８は、教示コンテンツ属性選択部による教示コンテンツ属性選択処理（図７のステップＳ１０５）の詳細な処理の流れを示すフローチャートである。 図９は、出力部により出力媒体へ出力された画面の一例を示す図である。 図１０は、出力部により出力媒体へ出力された画面の一例を示す図である。 図１１は、本発明の実施の形態２に係る読影教育装置の特徴的な機能構成を示すブロック図である。 図１２Ａは、読影画像上の誤診箇所の一例を示す図である。 図１２Ｂは、診断フロー上の誤診箇所の一例を示す図である。 図１３は、本発明の実施の形態２に係る読影教育装置が実行する全体的な処理の流れを示すフローチャートである。 図１４は、誤診箇所抽出部による誤診箇所抽出処理（図１３のステップＳ３０１）の詳細な処理の流れを示すフローチャートである。 図１５は、２つの症例の代表画像と診断項目の例を示す図である。 図１６は、出力部により出力媒体へ出力された画面の一例を示す図である。 図１７は、出力部により出力媒体へ出力された画面の一例を示す図である。
以下、本発明の実施の形態について、図面を用いて詳細に説明する。なお、以下で説明する実施の形態は、いずれも本発明の好ましい一具体例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。本発明は、請求の範囲だけによって限定される。よって、以下の実施の形態における構成要素のうち、本発明の最上位概念を示す独立請求項に記載されていない構成要素については、本発明の課題を達成するのに必ずしも必要ではないが、より好ましい形態を構成するものとして説明される。
本発明の実施の形態に係る誤診原因検出装置は、超音波画像、ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）画像、または核磁気共鳴画像等の画像読影に対して誤診が生じた際に、入力された診断結果（以下、「読影結果」とも言う。）と診断時間（以下、「読影時間」とも言う。）とから、誤診の原因が画像パタンに起因したものであるのか、診断フローに起因したものであるのかを判別して、読影者の誤診原因に適合した教示コンテンツを提示する装置である。
本発明の一実施形態に係る誤診原因検出装置は、画像診断のための読影画像と前記読影画像に対する確定診断結果との組である読影レポートのうち、前記読影画像である対象読影画像を読影者に提示する読影画像提示部と、前記対象読影画像に対する前記読影者による読影結果である第１読影結果と前記読影者が前記対象読影画像の読影に要した時間である読影時間とを取得する読影結果取得部と、前記対象読影画像に対する確定診断結果と前記読影結果取得部が取得した前記第１読影結果とを比較することにより、前記第１読影結果の正誤を判定する読影結果判定部と、前記読影結果判定部が前記第１読影結果を誤りであると判定したときに、（ａ）前記読影結果取得部が取得した前記読影時間が閾値よりも大きければ、前記読影者に提示する前記教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の診断フローを教示するための教示コンテンツの属性を選択する第１選択処理、および、（ｂ）前記読影時間が前記閾値以下であれば、前記読影者に提示する前記教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の画像パタンを教示するための教示コンテンツの属性を選択する第２選択処理のうちの少なくとも一方の選択処理を実行する教示コンテンツ属性選択部とを備える。
誤診原因は、読影時間を用いて分類することができる。「症例と診断フローの対応付けの誤り」が生じる場合には、読影者は診断フローを逐一確認しながら診断を行うため、読影時間が大きくなるという特徴がある。一方、「症例と画像パタンの対応付けの誤り」が生じる場合には、既に診断フローの学習は終わっており、読影者は診断フローに熟知しているものと考えられる。このため、読影者は診断フローの確認をする必要が無く、主に画像パタンから診断を下すこととなるため、読影時間は短くなる。よって、読影時間が長い場合は「症例と診断フローの対応付けの誤り」により誤診が生じたものと判断し、読影時間が短い場合は「症例と画像パタンの対応付けの誤り」により誤診が生じたものと判断することができる。
このように、読影時間に基づいて診断フローと画像パタンのどちらが原因で誤診が生じたかを判断できるため、誤診原因に応じた教示コンテンツの属性を自動的に選択することができる。選択した教示コンテンツの属性に従い、読影者は、誤診の原因を適切に正すことができる教示コンテンツを選択することが可能となる。また、誤診時に参照する教示コンテンツの読影者による検索時間を減らすことができ、読影者の学習時間を短縮することができる。
つまり、読影時間が閾値よりも大きい場合には、「症例と診断フローの対応付けの誤り」により誤診が生じたものと判断することができる。このため、診断フローを教示するための教示コンテンツの属性を選択することができる。これにより、読影者は、誤診の原因となっている診断フローを適切に正すことができる教示コンテンツを選択することが可能となる。また、読影者は誤診時に参照する教示コンテンツとして即座に診断フローを教示するための教示コンテンツを探すことができ、読影者の学習時間を短縮することができる。
読影時間が閾値以下の場合には、「症例と画像パタンの対応付けの誤り」により誤診が生じたものと判断することができる。このため、画像パタンを教示するための教示コンテンツの属性を選択することができる。これにより、読影者は、誤診の原因となっている画像パタンを適切に正すことができる教示コンテンツを選択することが可能となる。また、読影者は誤診時に参照する教示コンテンツとして即座に画像パタンを教示するための教示コンテンツを探すことができ、読影者の学習時間を短縮することができる。
また、前記読影レポートは、さらに、前記読影画像に対して既に行われた読影結果である第２読影結果を含み、前記読影画像提示部は、前記確定診断結果と前記第２読影結果とが一致する前記読影レポートに含まれる前記読影画像を前記読影者に提示してもよい。
読影レポートデータベースには、画像ノイズまたは読影画像の撮影装置の特性により、画像だけからでは確定診断結果と一致する病変を指摘することができない読影画像が存在する。このような画像は、読影画像のみを用いて病変を推定することを目的とした読影教育用の画像としては、不適切な画像となる。逆に、確定診断結果と第２読影結果とが一致する症例は、読影画像から確定診断結果と同じ病変を指摘できることを担保する症例と言える。よって、確定診断結果と第２読影結果とが一致する読影画像のみを選択することにより、読影教育に必要な画像症例の画像のみを提示することが可能になる。
また、上述の誤診原因検出装置は、さらに、症例名ごとに、当該症例名の症例の診断フローを教示するための教示コンテンツと当該症例名の症例の画像パタンを教示するための教示コンテンツとが記憶されている教示コンテンツデータベースから、前記第１読影結果が示す症例名の症例に対する前記教示コンテンツ属性選択部が選択した属性の教示コンテンツを取得し、取得した前記教示コンテンツを出力する出力部を備える。
このように、選択した属性の教示コンテンツを取得し、出力することにより、読影者が教示コンテンツを探す手間を削減することができる。
また、前記読影レポートは、さらに、複数の診断項目の各々に対する診断結果を含み、前記読影結果取得部は、さらに、前記複数の診断項目の各々に対して前記読影者により行われた診断結果を取得し、前記誤診原因検出装置は、さらに、前記読影レポートに含まれる前記診断結果と前記読影結果取得部が取得した前記診断結果とが異なる診断項目を抽出する誤診箇所抽出部を備えていてもよい。
この構成によると、読影者による誤診箇所を抽出することができる。
好ましくは、上述の誤診原因検出装置は、さらに、症例名ごとに、当該症例名の症例の診断フローを教示するための教示コンテンツと当該症例名の症例の画像パタンを教示するための教示コンテンツとが記憶されている教示コンテンツデータベースから、前記第１読影結果が示す症例名の症例に対する前記教示コンテンツ属性選択部が選択した属性の教示コンテンツを取得し、取得した前記教示コンテンツのうち、前記誤診箇所抽出部が抽出した前記診断項目に対応する箇所を強調した教示コンテンツを作成し、作成した前記教示コンテンツを出力する出力部を備える。
この構成によると、読影者の誤診箇所を強調した教示コンテンツを提示することができる。これにより、読影者が誤診した箇所を検出する時間を短縮することができる。このため、誤診箇所の見落としや誤診箇所の検索時間を低減することで、読影者の学習効率を向上させることができる。
また、前記閾値は、前記第１読影結果が示す症例名ごとに異なっていてもよい。
閾値を症例名ごとに異ならせることにより、教示コンテンツ属性選択部による教示コンテンツの属性の選択の精度を向上させることができる。
以下、本発明の誤診原因検出装置及び誤診原因検出方法について説明する。一例として、本発明の誤診原因検出装置を、読影者の読影教育装置に適用した場合について説明するが、本発明は、以下の実施の形態に記載の読影教育装置以外にも適用可能である。
たとえば、実際に、読影者が読影による診断を行っている際、誤診原因の検出を行い、誤診原因を読影者に提示する装置であっても良い。
以下、本発明の実施の形態に係る読影教育装置について、図面を用いて詳細に説明する。
（実施の形態１）
図１は、本発明の実施の形態１に係る読影教育装置１００の特徴的な機能構成を示すブロック図である。図１に示すように、読影教育装置１００は、読影者の読影結果に応じた教育コンテンツを提示する装置である。読影教育装置１００は、読影レポートデータベース１０１、読影画像提示部１０２、読影結果取得部１０３、読影結果判定部１０４、教示コンテンツ属性選択部１０５、教示コンテンツデータベース１０６、及び出力部１０７を備える。
以下、図１に示した、読影教育装置１００の各構成要素の詳細について順に説明する。
読影レポートデータベース１０１は、例えばハードディスク、メモリ等からなる記憶装置である。読影レポートデータベース１０１は、読影者に提示する読影画像と、その読影画像に対応する読影情報とを記憶しているデータベースである。ここで、読影画像とは、画像診断ために用いられる画像であり、電子媒体に格納された画像データを示す。また、読影情報とは、読影画像の読影結果に加え、画像診断後に行われる生検等の確定診断の結果までを示す情報である。
図２Ａ及び図２Ｂは、読影レポートデータベース１０１に記憶されている、読影画像２０としての超音波画像及び読影情報２１の一例をそれぞれ示す図である。読影情報２１は、患者ＩＤ２２、画像ＩＤ２３、確定診断結果２４、読影者ＩＤ２５、診断項目判定結果２６、画像所見２７、および読影時間２８を含む。
患者ＩＤ２２は、読影画像の被写体となる患者を識別するための情報を示す。画像ＩＤ２３は、読影画像２０を識別するための情報を示す。確定診断結果２４は、患者ＩＤ２２で示される患者の確定診断結果を示す。ここで確定診断結果とは、手術または生検で得られた試験体の顕微鏡による病理検査、またはその他様々な手段によって、対象の患者の真の状態が何であったのかを明らかにした診断結果である。読影者ＩＤ２５は、画像ＩＤ２３の読影画像２０に対して読影を行った読影者を識別するための情報を示す。診断項目判定結果２６は、画像ＩＤ２３の読影画像２０に対して定められた各診断項目（図２Ｂでは、項目１、項目２などと記載）に対する診断結果の情報を示す。例えば、画像ＩＤ２３の読影画像２０が乳腺画像であれば、診断項目として、境界性状（明瞭平滑、明瞭粗ぞう、不明瞭、評価困難）および内部エコーレベル（無、極低、低、等、高）等が該当する。画像所見２７は、画像ＩＤ２３の読影画像２０に対して読影者ＩＤ２５の読影者が行った診断結果を示す情報である。画像所見２７は、病名を含む診断結果（読影結果）および診断理由（読影理由）を示す情報である。読影時間２８は、読影開始から読影終了までの時間を示す情報である。
なお、１枚の画像ＩＤ２３の読影画像２０に対して複数の読影者が読影を行った場合は、読影者ＩＤ２５、診断項目判定結果２６、画像所見２７および読影時間２８は、読影者ＩＤ２５毎に記憶される。
なお、本実施の形態では、読影レポートデータベース１０１が読影教育装置１００に備えられる事例について説明するが、本発明が適用される読影教育装置は、このような読影教育装置に限定されるものではない。例えば、読影レポートデータベース１０１は、読影教育装置とネットワークを介して接続されたサーバ上に備えられてもよい。
また、読影情報２１は、読影画像２０内に付属データとして含まれてもよい。
ここで、図１に示した読影教育装置１００の各構成要素の説明に戻る。
読影画像提示部１０２は、読影レポートデータベース１０１から診断テストの対象となる読影画像２０を取得する。また、読影画像提示部１０２は、取得した読影画像２０（対象読影画像）を、読影画像２０に対する診断項目および画像所見の入力フォームと共に、図示しない液晶ディスプレイ、テレビなどのモニタに表示することにより、読影者に提示する。図３は読影画像提示部１０２による提示画面例を示す図である。図３に示すように、提示画面は、診断テスト対象の読影画像２０と、診断項目に対する診断結果の回答フォームとして、診断項目入力領域３０を一例とする入力フォームと、画像所見の入力フォームとして、画像所見入力領域３１を一例とする入力フォームとを含む。診断項目入力領域３０には、読影レポートデータベース１０１の診断項目判定結果２６と対応する項目が記載されている。一方、画像所見入力領域３１には、読影レポートデータベース１０１の画像所見２７と対応する項目が記載されている。
なお、読影画像提示部１０２は読影レポートデータベース１０１から診断テストの対象となる読影画像２０を取得する際、確定診断結果２４と画像所見２７とが一致する読影画像２０のみを選択しても良い。読影レポートデータベース１０１には、画像ノイズまたは読影画像２０の撮影装置の特性により、画像だけからでは確定診断結果と一致する病変を指摘することができない読影画像２０が存在する。このような画像は、読影画像２０のみを用いて病変を推定することを目的とした読影教育用の画像としては、不適切な画像となる。逆に、確定診断結果２４と画像所見２７とが一致する症例は、読影画像２０から確定診断結果と同じ病変を指摘できることを担保する症例と言える。よって、確定診断結果２４と画像所見２７とが一致する読影画像２０のみを選択することにより、読影教育に必要な画像症例の画像のみを提示することが可能になる。なお、１枚の読影画像２０に対して複数の読影者が読影を行った場合には、いずれかの読影者の画像所見２７が確定診断結果２４と一致している場合に、画像ＩＤ２３で示される読影画像２０のみを選択してもよい。
読影結果取得部１０３は、読影画像提示部１０２で提示された読影画像２０に対する読影者の読影結果を取得する。例えば、キーボードまたはマウス等から診断項目入力領域３０および画像所見入力領域３１に入力された情報を取得し、メモリ等に記憶する。また、読影結果取得部１０３は、読影者が読影を開始してから終了するまでの時間（読影時間）を取得する。読影結果取得部１０３は、取得した情報と読影時間とを、読影結果判定部１０４及び教示コンテンツ属性選択部１０５に出力する。なお、読影時間は、読影教育装置１００に設けられた図示しないタイマーにより計測される。
読影結果判定部１０４は、読影レポートデータベース１０１を参照することにより、読影結果取得部１０３から取得した読影者の読影結果と読影レポートデータベース１０１に記録されている読影情報２１とを比較し、読影者の読影結果の正誤を判定する。具体的には、読影結果判定部１０４は、読影結果取得部１０３から取得した読影者の画像所見入力領域３１への入力結果と、読影レポートデータベース１０１から取得した読影画像２０の確定診断結果２４の情報とを比較する。読影結果判定部１０４は、両者が一致する場合には読影結果が正解であると判定し、一致しない場合は読影結果を誤り（誤診）と判定する。
教示コンテンツ属性選択部１０５は、読影結果取得部１０３から取得した読影結果および読影時間と、読影結果判定部１０４から取得した読影結果の正誤判定の結果とを用いて、読影者に提示する教示コンテンツ属性を選択する。また、教示コンテンツ属性選択部１０５は、選択した教示コンテンツ属性を出力部１０７へ通知する。なお、教示コンテンツ属性の具体的な選択方法については後述し、ここでは教示コンテンツ属性について説明する。
教示コンテンツ属性とは、症例の正確な診断方法を教示するための教示用のコンテンツに付与された２種類の識別情報である。教示コンテンツ属性には、具体的には、画像パタン属性と診断フロー属性との２種類の属性が存在する。画像パタン属性が付与された教示コンテンツとは、症例名に対する代表的な読影画像２０に関するコンテンツを示す。一方、診断フロー属性が付与された教示コンテンツとは、症例名に対する診断フローに関するコンテンツを示す。図４は「症例名：硬癌」に対する画像パタン属性のコンテンツと診断フロー属性のコンテンツの一例を示す図である。図４（ａ）に示すように、画像パタン属性コンテンツ４０は硬癌の典型例を示す読影画像２０である。また、図４（ｂ）に示すように、診断フロー属性コンテンツ４１は硬癌と診断するためのフローチャートである。例えば、図４（ｂ）には、「境界不明瞭」または「境界明瞭粗ぞう」であり、「前・後方断裂あり」であり、「後方エコー微弱」であり、かつ「内部エコー極低」または「内部エコー高」であると判断した場合には、硬癌と診断せよとの診断フローが記載されている。
教示コンテンツをこれら２つの属性に分ける理由について、以下、説明する。
誤診は大きく分けて２つの原因によって生じる。１つ目は、読影者が記憶している症例と診断フローの対応付けの誤りである。２つ目は読影者が記憶している症例と画像パタンの対応付けの誤りである。
誤診原因が上記２種類に分類できる理由は、読影技術の学習過程が２段階に分かれることに起因する。
学習過程の前半では、読影者は、読影画像２０に対して個別の診断項目を判定した後、診断フローを参照しながら診断項目の判定結果を組み合わせ、最終的な診断を行う。このように、読影に慣れていない読影者は、診断フローの参照を逐一行うため、読影時間がかかってしまう。一方、前半の学習過程を終えた読影者は、後半の学習過程を行うこととなるが、学習過程の後半では、読影者は、個別の診断項目を判定した後、各症例名に対する典型的な画像パタンを頭の中で構築し、構築された画像パタンを参照しながら瞬時に診断を行う。学習後半の読影者の読影時間は学習前半の読影者の読影時間と比べて相対的に短くなる。これは、同じ症例の読影を多数経験することにより、診断フローを熟知してしまい、診断フローの参照が不要になるためである。このため、学習後半の読影者は主に画像パタンから診断を行う。
すなわち、読影で生じる誤診は、異なる学習過程において、それぞれ誤った知識が得られた場合に生じることになる。よって、読影教育装置１００は、誤診時には、その原因が「症例と診断フローの対応付けの誤り（診断フロー属性）」によるものなのか、「症例と画像パタンの対応付けの誤り（画像パタン属性）」によるものなのかを判別する。その上で、読影教育装置１００は、誤診の原因に対応する教示コンテンツ属性の教示コンテンツを読影者に提示することにより、読影者の誤診原因に合致したコンテンツを提供することができる。
上述の２つの診断プロセスは読影時間を用いて分類することができる。図５はある病院の放射線科における読影時間のヒストグラムの典型例を示す図である。なお、図５では、ヒストグラムにおける頻度（読影件数）を曲線波形で近似している。図５に示すように、ヒストグラムの波形にピークが２つ存在し、読影時間が短い方のピークは画像パタンによる診断によるものであり、読影時間が長い方のピークは診断フロー判定による診断によるものであると判定することができる。このような時間特性の違いは、上述したように、読影の学習過程の違いにより生じるものであり、具体的には診断フローの参照の有無が大きな要因となっている。
このような読影時間の特性を利用することで、読影医が誤診をした時の誤診要因を分類することができる。例えば、短い読影時間Ａで読影を行った結果、誤診が生じた場合は、その読影者の画像パタンによる判定が間違っていたということになる。よって、教示コンテンツとしては正しい画像パタンを提示し、読影者の頭の中に構築されている誤った画像パタンを修正する必要がある。一方、長い読影時間Ｂで読影を行った結果、誤診が生じた場合は、診断フロー判定での誤りとなる。そのため、読影者が記憶している誤った診断フローを修正するためのコンテンツ教示が必要になる。
このように、教示コンテンツを２つの属性に分けて提示することにより、誤診の要因に合致した教示コンテンツを提示できる。これにより、自ら教示コンテンツを検索する時間や余分な教示コンテンツを読む時間が削減されるため、読影者の学習時間を短縮することが可能になる。
ここで、図１に示した読影教育装置１００の各構成要素の説明に戻る。
教示コンテンツデータベース１０６は、教示コンテンツ属性選択部１０５が選択する画像パタン属性と診断フロー属性の２つの属性に関する教示コンテンツをそれぞれ記録しているデータベースである。図６は教示コンテンツデータベース１０６の一例である。図６に示すように、教示コンテンツデータベース１０６は、コンテンツ属性６０と、症例名６１と、コンテンツＩＤ６２とを含む。教示コンテンツデータベース１０６は、コンテンツ属性６０と症例名６１とによりコンテンツＩＤ６２が簡単に取得できるように、コンテンツＩＤ６２がリスト化されている。例えば、コンテンツ属性６０が診断フロー属性であり、症例名６１が硬癌である場合には、教示コンテンツのコンテンツＩＤ６２はＦ＿００１となる。なお、コンテンツＩＤ６２に対応する教示コンテンツは、教示コンテンツデータベース１０６内に格納されている。ただし、教示コンテンツは教示コンテンツデータベース１０６に格納されていなくてもよく、例えば、外部のサーバに格納されていてもよい。
出力部１０７は、教示コンテンツデータベース１０６を参照することにより、教示コンテンツ属性選択部１０５が選択したコンテンツ属性と、読影者が誤診した症例名とに該当するコンテンツＩＤを教示コンテンツデータベース１０６より取得する。また、出力部１０７は、取得したコンテンツＩＤに対応する教示コンテンツを出力媒体へ出力する。出力媒体は、例えば液晶ディスプレイ、テレビなどのモニタである。
以上のように構成された読影教育装置１００の動作について説明する。
図７は、読影教育装置１００が実行する処理の全体的な流れを示すフローチャートである。
まず、読影画像提示部１０２は、読影レポートデータベース１０１から診断テストの対象となる読影画像２０を取得する。読影画像提示部１０２は、取得した読影画像２０を、読影画像２０に対する診断項目および画像所見の入力フォームと共に、図示しない液晶ディスプレイ、テレビなどのモニタに表示することにより、読影者に提示する（ステップＳ１０１）。対象となる読影画像２０は、読影者が選択するようにしてもよいし、ランダムに選択するようにしてもよい。
読影結果取得部１０３は、読影画像提示部１０２が提示した読影画像２０に対する読影者の読影結果を取得する。例えば、読影結果取得部１０３は、キーボード、マウス等から入力された情報をメモリ等に記憶する。そして、読影結果取得部１０３は、取得した入力を、読影結果判定部１０４及び教示コンテンツ属性選択部１０５に通知する（ステップＳ１０２）。具体的に、読影結果取得部１０３は、読影画像提示部１０２から診断項目入力領域３０と画像所見入力領域３１とに入力された情報をそれぞれ取得する。また、読影結果取得部１０３は、読影時間を取得する。
読影結果判定部１０４は、読影レポートデータベース１０１を参照することにより、読影結果取得部１０３から取得した読影者の読影結果と読影レポートデータベース１０１に記録されている読影情報２１とを比較する。読影結果判定部１０４は、比較結果から、読影者の読影結果の正誤を判定する（ステップＳ１０３）。具体的には、読影結果判定部１０４は、読影結果取得部１０３から取得した読影者の画像所見入力領域３１への入力結果と、読影レポートデータベース１０１から取得した読影画像２０の確定診断結果２４の情報とを比較する。読影結果判定部１０４は、両者が一致する場合には読影結果が正解であると判定し、一致しない場合は読影結果を誤り（誤診）と判定する。例えば、読影画像Ａに対して、ステップＳ１０２において取得した読影者の画像所見入力が「硬癌」であり、読影レポートデータベース１０１から取得した確定診断結果が「硬癌」の場合は、両者が一致するため誤診でないと（正解であると）判定する。逆に、読影画像Ａに対して、ステップＳ１０２において取得した読影者の画像所見入力が「硬癌」であり、読影レポートデータベース１０１から取得した確定診断が「硬癌」以外の場合は、両者が不一致となり、誤診と判定する。
なお、ステップＳ１０２から取得した診断名が複数ある場合は、その中の一つが読影レポートデータベース１０１から取得した確定診断結果と一致すれば正解と判断してよい。
教示コンテンツ属性選択部１０５は、読影結果判定部１０４から誤診であるとの判定を取得した場合に（ステップＳ１０４でＹｅｓ）、読影結果取得部１０３から画像所見入力領域３１への入力結果および読影時間をそれぞれ取得する。また、教示コンテンツ属性選択部１０５は、読影時間を用いて教示コンテンツ属性を選択し、選択した教示コンテンツ属性を出力部１０７へ通知する（ステップＳ１０５）。教示コンテンツ属性選択処理（ステップＳ１０５）の詳細については後述する。
最後に、出力部１０７は、教示コンテンツデータベース１０６を参照することにより、教示コンテンツ属性選択部１０５が選択した教示コンテンツ属性と、読影者が誤診した症例名とに該当するコンテンツＩＤを教示コンテンツデータベース１０６より取得する。また、出力部１０７は、取得したコンテンツＩＤに対応する教示コンテンツを、教示コンテンツデータベース１０６より取得し、出力媒体へ出力する（ステップＳ１０６）。
教示コンテンツ属性選択処理（図７のステップＳ１０５）について詳細に説明する。図８は、教示コンテンツ属性選択部１０５による教示コンテンツ属性選択処理（図７のステップＳ１０５）の詳細な処理の流れを示すフローチャートである。以下、図８を用いて読影者の読影時間を用いた教示コンテンツ属性選択方法について説明する。
まず、教示コンテンツ属性選択部１０５は、読影者が入力した画像所見を読影結果取得部１０３から取得する（ステップＳ２０１）。
教示コンテンツ属性選択部１０５は、読影結果取得部１０３から読影者の読影時間を取得する（ステップＳ２０２）。なお、読影者の読影時間は、読影教育装置１００の内部に設けられたタイマーにより計測するようにしてもよい。例えば、読影開始時（読影画像提示時）にユーザが画面上に表示されたスタートボタンを押下し、読影終了時にユーザが画面上に表示されたエンドボタンを押下する。教示コンテンツ属性選択部１０５は、タイマーが計数したスタートボタンが押下されてからエンドボタンが押下されるまでの間の時間を読影時間として取得してもよい。
教示コンテンツ属性選択部１０５は、教示コンテンツ属性を判断するための読影時間の閾値を算出する（ステップＳ２０３）。閾値の算出方法は、例えば読影レポートデータベース１０１に記録されているデータの読影時間から読影時間のヒストグラムを作成し、判別しきい値選定法（非特許文献：「画像処理ハンドブック」，ｐｐ．２７８，昭晃堂，１９９２を参照）を用いて読影時間の閾値を求めればよい。これにより、図５に示すようなヒストグラムにおいて２つのピークの間に位置する谷の部分に閾値を設定することができる。
なお、読影時間の閾値は読影者が判断した症例名毎に求めてもよい。診断フローの発生頻度または症例の発生頻度は診察対象の部位または症例名によって異なる。このため、読影時間もそれぞれ異なる場合がある。例えば、乳腺の超音波画像診断において、診断フローが短い症例名としては、一部の硬癌や浸潤性小葉癌が挙げられる。これらは腫瘤の境界部性状だけで症例名を判定することができるため、症例名を判断する時間も他の症例名に対して短くなる。一方、同じ乳腺の超音波画像診断において、診断フローが長い症例名としては、一部の嚢胞や粘液癌等が挙げられる。これらは、腫瘤の境界部に加え、形状、縦横比を用いて判断できる症例名であるため、一部の硬癌や浸潤性小葉癌に対して読影時間が長くなる。
また、症例名の発生頻度によっても読影時間は異なる。例えば、乳腺疾患における「硬癌」の発生頻度は約３０％であるのに対し、「髄様癌」の発生頻度は約０．５％である。発生頻度の高い症例は、臨床上でも頻繁に目にするため、より早く診断することができるようになり、発生頻度の低い症例と比べて読影時間が短縮される。
そのため、閾値を部位毎または症例名毎に求めることにより、属性分類の精度を高めることができる。
また、読影時間の閾値は読影レポートデータベース１０１の更新と同期して、算出され、読影レポートデータベース１０１に記憶されるようにしてもよい。なお、この閾値の算出は、教示コンテンツ属性選択部１０５が行ってもよいし、その他の処理部が行ってもよい。これにより、読影者が毎回の診断項目入力等を行う度に閾値算出を行う必要がなくなる。このため、読影教育装置１００の処理時間を短縮することができ、より短い時間で読影者に教示コンテンツを提示することができる。
教示コンテンツ属性選択部１０５は、ステップＳ２０２で取得した読影者の読影時間がステップＳ２０３で算出した閾値よりも大きいか否かを判別する（ステップＳ２０４）。読影時間が閾値よりも大きい場合は（ステップＳ２０４のＹｅｓ）、教示コンテンツ属性選択部１０５は、教示コンテンツの属性として診断フロー属性を選択する（ステップＳ２０５）。一方、読影時間が閾値以下の場合は（ステップＳ２０４のＮｏ）、教示コンテンツ属性選択部１０５は、教示コンテンツの属性として画像パタン属性を選択する（ステップＳ２０６）。
以上のステップＳ２０１〜Ｓ２０６の処理が実行されることにより、教示コンテンツ属性選択部１０５は、読影者の誤診原因に応じた教示コンテンツの属性を選択することができる。
図９は、教示コンテンツ属性選択部１０５が画像パタン属性を選択した際に、出力部１０７により出力媒体へ出力された画面の一例を示す図である。図９（ａ）に示すように、出力部１０７は、読影者が判定を誤った読影画像と、読影者の読影結果（読影者回答）と、確定診断結果（正解）とを提示する。また、図９（ｂ）に示すように、出力部１０７は、その提示と共に、読影者回答に対応する症例名の代表画像を提示する。画像パタン属性が選択される場合には、読影者は「硬癌」の診断フローを熟知していると考えられる。このため、このような読影者は主に画像パタンから診断を下すことになるが、「硬癌」に対する読影者の画像パタンの対応付けが間違っていることにより誤診が生じている。よって、読影者回答である「硬癌」に対する代表画像を提示することで、読影者が誤って認識している「硬癌」の代表画像を修正することができる。
また、図１０は、教示コンテンツ属性選択部１０５が診断フロー属性を選択した際に、出力部１０７により出力媒体へ出力された画面の一例を示す図である。図１０（ａ）に示すように、出力部１０７は、図９（ａ）と同様に、読影者が判定を誤った読影画像と、読影者の読影結果（読影者回答）と、確定診断結果（正解）とを提示する。また、図１０（ｂ）に示すように、出力部１０７は、その提示と共に、読影者回答に対応する症例名の診断フローを提示する。図１０に示す例では、「硬癌」に対する読影者の診断フローの対応付けが間違っていることにより誤診が生じている。よって、読影者回答である「硬癌」に対する正しい診断フローを提示することで、読影者が誤って認識している「硬癌」の診断フローの知識を修正することができる。
以上説明したように、図７に示すステップＳ１０１〜ステップＳ１０６の処理が実行されることにより、読影教育装置１００は、読影者の誤診原因に応じた教示コンテンツを提示することができる。このため、学習時間が短縮され、効率的な読影方法の学習を行うことができる。
すなわち、本実施の形態に係る読影教育装置１００によると、読影者の読影時間を用いて誤診原因を判断し、判断した誤診原因に応じた教示コンテンツを自動的に選択することが可能となる。このため、読影者は不要な教示コンテンツを与えられることなく、効率的に読影方法を学習することが可能になる。
（実施の形態２）
本発明の実施の形態２に係る読影教育装置について説明する。
上述のように、実施の形態１に係る読影教育装置１００は、読影時間を用いて読影者の誤診原因を「診断フロー属性」および「画像パタン属性」の２種類の属性のいずれかに分類することで、属性に応じた教示コンテンツを提示している。これに加え、本実施の形態に係る読影教育装置は、読影者が誤診した際に教示するコンテンツに対して、誤診原因となった箇所（誤診箇所）を強調して提示する。
本実施の形態が解決する課題の背景は次の通りである。例えば、読影者が乳腺の超音波画像診断において「乳頭腺管癌」を「硬癌」と誤診した際、「硬癌」の診断フローと「乳頭腺管癌」の診断フローとの差分（異なる部分）は、「内部エコー」「後方エコー」および「境界性状」など多岐に渡る。読影者が読影方法を正しく学習するためには、これらの差分を全て認識する必要がある。しかし、例えば、硬癌と乳頭腺管癌の診断フローを単純に提示するだけでは、２つの診断フローの差分を部分的に見逃してしまい、正しく学習が行われない可能性が生じてしまう。また、２つの診断フローの差分を探す行為自体も学習時間が増加してしまい、結果として学習効率が低下してしまう。
このような問題に対し、本実施の形態に係る読影教育装置は、読影者の誤診箇所を強調して教示コンテンツを提示することができ、学習効率を向上させることができる。
以下、初めに図１１を参照しながら、本実施の形態に係る読影教育装置の各構成について順に説明する。
（実施の形態２の各構成の説明）
図１１は、本発明の実施の形態２に係る読影教育装置２００の特徴的な機能構成を示すブロック図である。図１１において、図１と同じ構成要素については同じ符号を付し、説明を省略する。
読影教育装置２００は、読影レポートデータベース１０１、読影画像提示部１０２、読影結果取得部１０３、読影結果判定部１０４、教示コンテンツ属性選択部１０５、教示コンテンツデータベース１０６、出力部１０７、及び誤診箇所抽出部２０１を備える。
図１１に示す読影教育装置２００が図１に示す読影教育装置１００と相違する点は、読影結果取得部１０３から取得した診断項目入力領域３０に入力された結果から、読影者の誤診箇所を抽出する誤診箇所抽出部２０１を有する点である。
誤診箇所抽出部２０１は、例えば、ＣＰＵ、およびＣＰＵで実行されるプログラムを格納しているメモリ等からなる。誤診箇所抽出部２０１は、読影結果取得部１０３が取得した診断項目入力領域３０に入力された判定結果と、読影レポートデータベース１０１に記憶されている読影情報２１に含まれる診断項目判定結果２６とから、読影者の誤診箇所を抽出し、出力部１０７へ通知する。具体的な誤診箇所抽出方法は後述する。
誤診箇所とは、読影プロセスの中で誤診が生じた診断項目または代表画像上での領域と定義する。具体的には、読影プロセスは大きく「視認」と「診断」の２つのプロセスに分けることができ、視認プロセスにおける誤診箇所とは読影画像２０上の特定の画像領域に対応し、診断プロセスにおける誤診箇所とは診断フロー上の特定の診断項目に対応する。図１２Ａおよび図１２Ｂに乳腺超音波画像における誤診箇所の一例を示す。誤診箇所抽出部２０１で読影者の誤診箇所が腫瘤の内部エコー性状と抽出された場合、図１２Ａに示すように読影画像２０上の誤診箇所は、該当する画像領域である誤診箇所７０を示す。また、図１２Ｂに示すように診断フロー上の誤診箇所は、誤診した診断項目に対応する誤診箇所７１を示す。
これらの誤診箇所を明示的に提示することにより、読影者が誤診した箇所を検出する時間を短縮することができるため、学習効率を向上させることができる。
図１３のフローチャートを参照しながら、図１１に示される読影教育装置２００において行われる全体的な処理の流れを説明する。
図１３は、読影教育装置２００が実行する処理の全体的な流れを示すフローチャートである。なお、図１３において、図７に示される、実施の形態１の読影教育装置１００の処理と同じ処理が実行されるステップについては同じ符号を付している。
本実施の形態に係る読影教育装置２００では、読影結果取得部１０３から取得した診断項目入力領域３０に入力された判定結果から読影者の誤診箇所を抽出する処理が、実施の形態１の読影教育装置１００における処理と異なっている。しかし、その他の処理は実施の形態１の読影教育装置１００の処理と同じである。具体的には、図１３において、読影教育装置２００が実行する、ステップＳ１０１〜Ｓ１０５の処理は、図７に示す実施の形態１の読影教育装置１００の処理と同じため、説明を省略する。
誤診箇所抽出部２０１は、読影結果取得部１０３から取得した診断項目入力領域３０に入力された判定結果を用いて、読影者の誤診箇所を抽出する（ステップＳ３０１）。
出力部１０７は、図７に示したステップＳ１０６と同様に、教示コンテンツを教示コンテンツデータベース１０６より取得し、出力媒体に出力する。ただし、出力部１０７は、出力部１０７は、教示コンテンツを出力する際に、誤診箇所抽出部２０１が抽出した誤診箇所を強調した上で出力を行う（ステップＳ３０２）。強調の具体例については後述する。
図１４は、誤診箇所抽出部２０１による処理（図１３のステップＳ３０１）の詳細な処理の流れを示すフローチャートである。以下、図１４を用いて読影者の誤診箇所の抽出方法について説明する。
まず初めに、誤診箇所抽出部２０１は、読影結果取得部１０３から、診断項目入力領域３０に入力された判定結果を取得する（ステップＳ４０１）。
誤診箇所抽出部２０１は、読影レポートデータベース１０１から診断の対象となる読影画像に対する確定診断結果２４と同じ画像所見２７を有する診断項目判定結果２６を取得する（ステップＳ４０２）。
誤診箇所抽出部２０１は、ステップＳ４０１で取得した読影者の入力した診断項目入力領域３０に入力された判定結果と、ステップＳ４０２で取得した診断項目判定結果２６とが異なる診断項目を抽出する（ステップＳ４０３）。つまり、誤診箇所抽出部２０１は、この異なる診断項目を、誤診箇所として抽出する。
図１５に、「Ａ癌」および「Ｂ癌」の代表画像と診断項目の例を示す。以下、図１５を用いてステップＳ４０３の差分処理について説明する。今、正解がＢ癌の読影対象画像に対して、読影者がＡ癌と誤診したとする。この際、Ａ癌と判定を行った各診断項目に対して、どの部分を誤って学習していたかを特定するためには、Ａ癌と誤診した読影者による診断項目と正解のＢ癌の診断項目との間で判定結果の異なる診断項目を抽出すればよい。図１５の例では、Ａ癌と誤診した読影者による診断項目と正解のＢ癌の診断項目との間で判定結果が異なる診断項目である内部エコー８０と後方エコー８１とが、誤診箇所として抽出される。つまり、内部エコー８０についてはＡ癌の診断結果が「低」であるのに対してＢ癌の診断結果が「極低」であるため、内部エコー８０が誤診箇所として抽出される。また、後方エコー８１についてはＡ癌の診断結果が「減弱」であるのに対してＢ癌の診断結果が「不変」であるため、後方エコー８１が誤診箇所として抽出される。
以上のステップＳ４０１〜Ｓ４０３の処理を実行することにより、誤診箇所抽出部２０１は、読影者の誤診箇所を抽出することができる。
出力部１０７による処理（図１３のステップＳ３０２）について具体例を示して説明する。
図１６は、誤診箇所抽出部２０１で誤診箇所を抽出した際に、出力部１０７により出力媒体へ出力された画面の一例を示す図である。図１６に示すように、出力部１０７は、読影者の誤診した症例名の代表画像上に、正解症例との診断項目の差分となる誤診箇所に対応する画像領域を強調して提示する。この場合では、「硬癌」と「浸潤性乳管癌」との間で判定結果が異なる診断項目である「後方エコー」および「内部エコー」に該当する画像領域が矢印で示されることにより強調表示されている。これにより、読影者回答である「硬癌」に対する代表画像を提示する際に、読影者が誤って認識している画像領域を、自動的に提示することができる。なお、強調する画像領域の位置情報は、診断項目と予め対応付けられて教示コンテンツデータベース１０６に記憶されていてもよい。出力部１０７は、誤診箇所抽出部２０１が抽出した誤診箇所（診断項目）に基づいて、教示コンテンツデータベース１０６を参照することにより、強調する画像領域の位置情報を取得し、取得した位置情報に基づいて強調表示を行う。なお、強調する画像領域の位置情報は教示コンテンツデータベース１０６以外の場所に記憶されていてもよい。また、強調する画像領域の位置情報はいずれの場所にも記憶されていなくてもよい。その場合には、出力部１０７が画像処理を行うことにより、強調する画像領域を検出してもよい。
また、図１７は、誤診箇所抽出部２０１で誤診箇所を抽出した際に、出力部１０７により出力媒体へ出力された画面の一例を示す図である。図１７に示すように、出力部１０７は、読影者の誤診した症例名の診断フロー上に、正解症例との診断項目の差分となる診断フロー領域を提示する。この場合も図１６と同様に、「硬癌」と「浸潤性乳管癌」との間で判定結果が異なる診断項目である「後方エコー」および「内部エコー」に該当する診断フロー領域が破線で囲われて矢印で示されることにより強調表示されている。これにより、読影者回答である「硬癌」に対する診断フローを提示する際に、読影者が誤って認識している診断フロー領域を、自動的に提示することができる。
以上、ステップＳ１０１〜ステップＳ１０６、ステップＳ３０１の処理が実行されることにより、読影教育装置２００は、読影者の誤診箇所を出力部１０７に提示することができ、誤診箇所の見落としや検索時間を低減することで学習効率を向上させることができる。
以上、本発明に係る読影教育装置について、実施の形態に基づいて説明したが、本発明は、これらの実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を本実施の形態に施したもの、異なる実施の形態における構成要素を組み合わせて構築される形態なども、本発明の範囲内に含まれる。
なお、本発明に係る読影教育装置の必須の構成要素は、読影画像提示部１０２と、読影結果取得部１０３と、読影結果判定部１０４と、教示コンテンツ属性選択部１０５とであり、それ以外の構成要素は必ずしも備えられていなくてもよい。
また、上記の各装置は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクドライブ、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムとして構成されても良い。ＲＡＭまたはハードディスクドライブには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、各装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。
さらに、上記の各装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしても良い。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。ＲＡＭには、コンピュータプログラムが記憶されている。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、システムＬＳＩは、その機能を達成する。
さらにまた、上記の各装置を構成する構成要素の一部または全部は、各装置に脱着可能なＩＣカードまたは単体のモジュールから構成されているとしても良い。ＩＣカードまたはモジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。ＩＣカードまたはモジュールは、上記の超多機能ＬＳＩを含むとしても良い。マイクロプロセッサが、コンピュータプログラムに従って動作することにより、ＩＣカードまたはモジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしても良い。
また、本発明は、上記に示す方法であるとしても良い。また、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしても良いし、前記コンピュータプログラムからなるデジタル信号であるとしても良い。
さらに、本発明は、上記コンピュータプログラムまたは上記デジタル信号をコンピュータ読み取り可能な不揮発性の記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ Ｄｉｓｃ（登録商標））、半導体メモリなどに記録したものとしても良い。また、これらの不揮発性の記録媒体に記録されている上記デジタル信号であるとしても良い。
また、本発明は、上記コンピュータプログラムまたは上記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしても良い。
また、本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、上記メモリは、上記コンピュータプログラムを記憶しており、上記マイクロプロセッサは、上記コンピュータプログラムに従って動作するとしても良い。
また、上記プログラムまたは上記デジタル信号を上記不揮発性の記録媒体に記録して移送することにより、または上記プログラムまたは上記デジタル信号を上記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしても良い。
さらに、上記実施の形態及び上記変形例をそれぞれ組み合わせるとしても良い。
本発明は、読影者の読影入力から誤診原因を検出する装置等として利用可能である。
２０ 読影画像
２１ 読影情報
２２ 患者ＩＤ
２３ 画像ＩＤ
２４ 確定診断結果
２５ 読影者ＩＤ
２６ 診断項目判定結果
２７ 画像所見
２８ 読影時間
４０ 画像パタン属性コンテンツ
４１ 診断フロー属性コンテンツ
６０ コンテンツ属性
６１ 症例名
６２ コンテンツＩＤ
７０、７１ 誤診箇所
８０ 内部エコー
８１ 後方エコー
１００、２００ 読影教育装置
１０１ 読影レポートデータベース
１０２ 読影画像提示部
１０３ 読影結果取得部
１０４ 読影結果判定部
１０５ 教示コンテンツ属性選択部
１０６ 教示コンテンツデータベース
１０７ 出力部
２０１ 誤診箇所抽出部

Claims (8)

  1. 画像診断のための読影画像と前記読影画像に対する確定診断結果との組である読影レポートのうち、前記読影画像である対象読影画像を読影者に提示する読影画像提示部と、
    前記対象読影画像に対する前記読影者による読影結果である第１読影結果と前記読影者が前記対象読影画像の読影に要した時間である読影時間とを取得する読影結果取得部と、
    前記対象読影画像に対する確定診断結果と前記読影結果取得部が取得した前記第１読影結果とを比較することにより、前記第１読影結果の正誤を判定する読影結果判定部と、
    前記読影結果判定部が前記第１読影結果を誤りであると判定したときに、（ａ）前記読影結果取得部が取得した前記読影時間が閾値よりも大きければ、前記読影者に提示する教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の診断フローを教示するための教示コンテンツの属性を選択する第１選択処理、および、（ｂ）前記読影時間が前記閾値以下であれば、前記読影者に提示する前記教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の画像パタンを教示するための教示コンテンツの属性を選択する第２選択処理のうちの少なくとも一方の選択処理を実行する教示コンテンツ属性選択部と
    を備える誤診原因検出装置。
  2. 前記読影レポートは、さらに、前記読影画像に対して既に行われた読影結果である第２読影結果を含み、
    前記読影画像提示部は、前記確定診断結果と前記第２読影結果とが一致する前記読影レポートに含まれる前記読影画像を前記読影者に提示する
    請求項１に記載の誤診原因検出装置。
  3. さらに、症例名ごとに、当該症例名の症例の診断フローを教示するための教示コンテンツと当該症例名の症例の画像パタンを教示するための教示コンテンツとが記憶されている教示コンテンツデータベースから、前記第１読影結果が示す症例名の症例に対する前記教示コンテンツ属性選択部が選択した属性の教示コンテンツを取得し、取得した前記教示コンテンツを出力する出力部を備える
    請求項１または２に記載の誤診原因検出装置。
  4. 前記読影レポートは、さらに、複数の診断項目の各々に対する診断結果を含み、
    前記読影結果取得部は、さらに、前記複数の診断項目の各々に対して前記読影者により行われた診断結果を取得し、
    前記誤診原因検出装置は、さらに、
    前記読影レポートに含まれる前記診断結果と前記読影結果取得部が取得した前記診断結果とが異なる診断項目を抽出する誤診箇所抽出部を備える
    請求項１または２に記載の誤診原因検出装置。
  5. さらに、症例名ごとに、当該症例名の症例の診断フローを教示するための教示コンテンツと当該症例名の症例の画像パタンを教示するための教示コンテンツとが記憶されている教示コンテンツデータベースから、前記第１読影結果が示す症例名の症例に対する前記教示コンテンツ属性選択部が選択した属性の教示コンテンツを取得し、取得した前記教示コンテンツのうち、前記誤診箇所抽出部が抽出した前記診断項目に対応する箇所を強調した教示コンテンツを作成し、作成した前記教示コンテンツを出力する出力部を備える
    請求項４に記載の誤診原因検出装置。
  6. 前記閾値は、前記第１読影結果が示す症例名ごとに異なる
    請求項１に記載の誤診原因検出装置。
  7. コンピュータが、画像診断のための読影画像と前記読影画像に対する確定診断結果との組である読影レポートのうち、前記読影画像である対象読影画像を読影者に提示する読影画像提示ステップと、
    コンピュータが、前記対象読影画像に対する前記読影者による読影結果である第１読影結果と前記読影者が前記対象読影画像の読影に要した時間である読影時間とを取得する読影結果取得ステップと、
    コンピュータが、前記対象読影画像に対する確定診断結果と前記読影結果取得ステップにおいて取得された前記第１読影結果とを比較することにより、前記第１読影結果の正誤を判定する読影結果判定ステップと、
    コンピュータが、前記読影結果判定ステップにおいて前記第１読影結果が誤りであると判定されたときに、（ａ）前記読影結果取得ステップにおいて取得された前記読影時間が閾値よりも大きければ、前記読影者に提示する教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の診断フローを教示するための教示コンテンツの属性を選択する第１選択処理、および、（ｂ）前記読影時間が前記閾値以下であれば、前記読影者に提示する前記教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の画像パタンを教示するための教示コンテンツの属性を選択する第２選択処理のうちの少なくとも一方の選択処理を実行する教示コンテンツ属性選択ステップと
    を含む誤診原因検出方法。
  8. 画像診断のための読影画像と前記読影画像に対する確定診断結果との組である読影レポートのうち、前記読影画像である対象読影画像を読影者に提示する読影画像提示ステップと、
    前記対象読影画像に対する前記読影者による読影結果である第１読影結果と前記読影者が前記対象読影画像の読影に要した時間である読影時間とを取得する読影結果取得ステップと、
    前記対象読影画像に対する確定診断結果と前記読影結果取得ステップにおいて取得された前記第１読影結果とを比較することにより、前記第１読影結果の正誤を判定する読影結果判定ステップと、
    前記読影結果判定ステップにおいて前記第１読影結果が誤りであると判定されたときに、（ａ）前記読影結果取得ステップにおいて取得された前記読影時間が閾値よりも大きければ、前記読影者に提示する教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の診断フローを教示するための教示コンテンツの属性を選択する第１選択処理、および、（ｂ）前記読影時間が前記閾値以下であれば、前記読影者に提示する前記教示コンテンツの属性として、前記第１読影結果が示す症例名の症例の画像パタンを教示するための教示コンテンツの属性を選択する第２選択処理のうちの少なくとも一方の選択処理を実行する教示コンテンツ属性選択ステップと
    をコンピュータに実行させるためのプログラム。
JP2011553996A 2010-09-07 2011-08-29 誤診原因検出装置及び誤診原因検出方法 Active JP4945705B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2011553996A JP4945705B2 (ja) 2010-09-07 2011-08-29 誤診原因検出装置及び誤診原因検出方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2010200373 2010-09-07
JP2010200373 2010-09-07
JP2011553996A JP4945705B2 (ja) 2010-09-07 2011-08-29 誤診原因検出装置及び誤診原因検出方法
PCT/JP2011/004780 WO2012032734A1 (ja) 2010-09-07 2011-08-29 誤診原因検出装置及び誤診原因検出方法

Publications (2)

Publication Number Publication Date
JP4945705B2 JP4945705B2 (ja) 2012-06-06
JPWO2012032734A1 true JPWO2012032734A1 (ja) 2014-01-20

Family

ID=45810345

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2011553996A Active JP4945705B2 (ja) 2010-09-07 2011-08-29 誤診原因検出装置及び誤診原因検出方法

Country Status (4)

Country Link
US (1) US20120208161A1 (ja)
JP (1) JP4945705B2 (ja)
CN (1) CN102741849B (ja)
WO (1) WO2012032734A1 (ja)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9355569B2 (en) * 2012-08-30 2016-05-31 Picmonic Inc. Systems, methods, and computer program products for providing a learning aid using pictorial mnemonics
CN102982242A (zh) * 2012-11-28 2013-03-20 徐州医学院 一种医学影像读片差错智能提醒系统
CN103595775B (zh) 2013-11-04 2018-01-19 惠州Tcl移动通信有限公司 媒体文件的共享方法及系统
WO2015079353A1 (en) * 2013-11-26 2015-06-04 Koninklijke Philips N.V. System and method for correlation of pathology reports and radiology reports
WO2015134668A1 (en) * 2014-03-04 2015-09-11 The Regents Of The University Of California Automated quality control of diagnostic radiology
JP6525527B2 (ja) * 2014-08-07 2019-06-05 キヤノン株式会社 読影レポート作成支援装置、読影レポート作成支援方法及びプログラム
JP2016177418A (ja) * 2015-03-19 2016-10-06 コニカミノルタ株式会社 読影結果評価装置及びプログラム
JP6473124B2 (ja) * 2015-12-09 2019-02-20 株式会社ジェイマックシステム 読影訓練支援装置、読影訓練支援方法および読影訓練支援プログラム
US10980085B2 (en) 2017-07-26 2021-04-13 Amazon Technologies, Inc. Split predictions for IoT devices
US11902396B2 (en) 2017-07-26 2024-02-13 Amazon Technologies, Inc. Model tiering for IoT device clusters
US11108575B2 (en) 2017-07-26 2021-08-31 Amazon Technologies, Inc. Training models for IOT devices
JP7319256B2 (ja) * 2017-10-06 2023-08-01 コーニンクレッカ フィリップス エヌ ヴェ 補遺ベースのレポート品質スコアカード作成
US11611580B1 (en) 2020-03-02 2023-03-21 Amazon Technologies, Inc. Malware infection detection service for IoT devices
US11489853B2 (en) 2020-05-01 2022-11-01 Amazon Technologies, Inc. Distributed threat sensor data aggregation and data export
US11989627B1 (en) 2020-06-29 2024-05-21 Amazon Technologies, Inc. Automated machine learning pipeline generation
CN118116584A (zh) * 2024-04-23 2024-05-31 鼎泰(南京)临床医学研究有限公司 一种基于大数据的可调整医疗辅助诊断系统及方法

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6301462B1 (en) * 1999-01-15 2001-10-09 Unext. Com Online collaborative apprenticeship
JP4635681B2 (ja) * 2005-03-29 2011-02-23 コニカミノルタエムジー株式会社 医用画像読影システム
JP2007275408A (ja) * 2006-04-10 2007-10-25 Fujifilm Corp 類似画像検索装置および方法並びにプログラム
JP5337992B2 (ja) * 2007-09-26 2013-11-06 富士フイルム株式会社 医用情報処理システム、医用情報処理方法、及びプログラム
JP2009082182A (ja) * 2007-09-27 2009-04-23 Fujifilm Corp 検査作業支援装置及び方法、並びに検査作業支援システム
JP2009078085A (ja) * 2007-09-27 2009-04-16 Fujifilm Corp 医用画像処理システム、医用画像処理方法、及びプログラム
JP2010057727A (ja) * 2008-09-04 2010-03-18 Konica Minolta Medical & Graphic Inc 医用画像読影システム
US20110039249A1 (en) * 2009-08-14 2011-02-17 Ronald Jay Packard Systems and methods for producing, delivering and managing educational material
CN101706843B (zh) * 2009-11-16 2011-09-07 杭州电子科技大学 一种乳腺cr图像交互式读片方法

Also Published As

Publication number Publication date
JP4945705B2 (ja) 2012-06-06
CN102741849A (zh) 2012-10-17
WO2012032734A1 (ja) 2012-03-15
US20120208161A1 (en) 2012-08-16
CN102741849B (zh) 2016-03-16

Similar Documents

Publication Publication Date Title
JP4945705B2 (ja) 誤診原因検出装置及び誤診原因検出方法
KR102043130B1 (ko) 컴퓨터 보조 진단 방법 및 장치
CN104584018B (zh) 用于有效查看和报告成像研究相关的先前注释的自动检测和检索
JP5475923B2 (ja) 類似症例検索装置および類似症例検索方法
JP5100285B2 (ja) 医用診断支援装置およびその制御方法、プログラム、記憶媒体
JP5462414B2 (ja) 類似症例検索装置および関連度データベース作成装置並びに類似症例検索方法および関連度データベース作成方法
JP5852970B2 (ja) 症例検索装置および症例検索方法
AU2004266022B2 (en) Computer-aided decision support systems and methods
JP2009516551A (ja) 医用画像の定量的および定性的なコンピュータ支援分析方法およびシステム
US20120166211A1 (en) Method and apparatus for aiding imaging diagnosis using medical image, and image diagnosis aiding system for performing the method
JP2006500124A (ja) 医療画像をコンピュータ支援検出（ｃａｄ）のガイドによって読み取る方法及びシステム
JP2007279942A (ja) 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
KR102049336B1 (ko) 컴퓨터 보조 진단 장치 및 방법
WO2013001584A1 (ja) 類似症例検索装置および類似症例検索方法
JP2013039230A (ja) 医療診断支援装置及び医療診断支援方法
JP2007275408A (ja) 類似画像検索装置および方法並びにプログラム
JP2007275440A (ja) 類似画像検索装置および方法並びにプログラム
CN100507928C (zh) 用于确保医学图像中计算机标记的人工审查的计算机辅助检测系统和方法
JP6448588B2 (ja) 医療診断支援装置、医療診断支援システム、情報処理方法及びプログラム
JP2013041428A (ja) 医療診断支援装置及び医療診断支援方法
JP7452068B2 (ja) 情報処理装置、情報処理方法及びプログラム
EP3362925B1 (en) Systems and methods for generating correct radiological recommendations
JP2012143368A (ja) 医用画像表示装置及びプログラム
US20210035687A1 (en) Medical image reading assistant apparatus and method providing hanging protocols based on medical use artificial neural network
JP6316325B2 (ja) 情報処理装置、情報処理装置の作動方法及び情報処理システム

Legal Events

Date Code Title Description
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: 20120214

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20120305

R150 Certificate of patent or registration of utility model

Ref document number: 4945705

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20150309

Year of fee payment: 3