KR100332940B1 - 유사 검색 장치 및 유사 검색 프로그램을 기록한 기록 매체 - Google Patents
유사 검색 장치 및 유사 검색 프로그램을 기록한 기록 매체 Download PDFInfo
- Publication number
- KR100332940B1 KR100332940B1 KR1019980015490A KR19980015490A KR100332940B1 KR 100332940 B1 KR100332940 B1 KR 100332940B1 KR 1019980015490 A KR1019980015490 A KR 1019980015490A KR 19980015490 A KR19980015490 A KR 19980015490A KR 100332940 B1 KR100332940 B1 KR 100332940B1
- Authority
- KR
- South Korea
- Prior art keywords
- search
- vector data
- vector
- image
- area
- Prior art date
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)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Biomedical Technology (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Library & Information Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pathology (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Abstract
유사 검색의 정밀도가 향상하고, 또 중요한 유사 데이터가 검색 결과에서 누락되는 가능성이 낮은 유사 검색 장치를 제공한다.
검색 조건 집합 생성부(6)를 구비하고, 검색 조건 집합 생성부(6)에서 생성된 개개의 검색 조건마다에, 검색 조건에 대해 최적화된 웨이트 벡터를 사용해서 대상 벡터 데이터에 대하여 가장 가까운 벡터 데이터를 검색해서 표시한다.
Description
본 발명은, 축적된 데이터군 중에서, 지정된 검색 대상에 대한 데이터에 유사 하는 데이터를 검색하는 유사 검색 장치에 관한 것이다.
종래의 유사 검색 장치로서, 예를 들면 잡지 「"Incremental Instance-based Learning of Independent and Graded Concept Descriptions" D. Aha, Proceedings of the Sixth International Workshop on Machine Learning, 1987」, 및 잡지 「"A Nearest Hyperrectangle Learning Method" S. Salzberg, Machine Learning, 6, pp. 251-176, 1991」에 표시된 것이 있다. 도 8은 이와같은 종래의 유사 검색 장치의 한 예를 표시하는 블록도이다.
도면에서, 1은 검색대상의 화상을 지정하는 대상화상지정부, 2는 대상화상지정부(1)에 의해 지정된 대상화상의 특징을 정량적으로 표시하는 특징량을 추출하는 특징량 추출부, 4는 대상화상에 관한 특징량이외의 대상을 특징지우는 속성을 입력하는 속성 입력부, 5는 특징량 추출부(2)에 의해 추출된 특징량과 속성 입력부(4)에 의해 입력된 속성을 벡터 구성요소로 하는 대상 벡터 데이터를 작성하는 대상벡터 데이터 작성부, 7은 상기와 같이, 특징량과 속성을 벡터구성요소로 하는 벡터 데이터에의해, 복수의 대상에 대해 작성한 복수의 벡터 데이터를 데이터베이스로서 축적한 벡터 데이터베이스, 8은 상기 복수의 대상에 대응하는 복수의 화상을 데이터베이스로해서 축적한 화상 데이터베이스, 13은 유사검색엔진에서 데이터간의 유사도를 산출하기 위해 사용하는 벡터 데이터의 각 구성요소에 붙여진 무게를 구성요소로 하는 중량벡터, 10은 벡터데이터(7)에 축적된 복수의 벡터데이터 중에서, 대상벡터 데이터 작성부(5)에서 작성된 대상벡터데이터에 유사한 벡터 데이터를 찾아내는 유사검색엔진, 11은 유사검색엔진(10)에 의해 검색된 유사한 벡터데이터, 및 이 벡터데이터에 대응하는 화상을 표시하는 검색결과 표시부, 14는 유사검색엔진(10)이 표시한 유사한 벡터 데이터 및 화상이 이용자로서 정해인지 아닌지를 판정하는 회답지정부, 15는 회답지정부(14)에서 판정된 결과를 기초로 중량벡터(13)를 갱신하는 중량벡터갱신부, 12는 새로이 벡터데이터와 화상을 각각 벡터데이터베이스(7)과 화상데이터베이스(8)에 등록하는 신규데이터추가부이다.
다음 동작에 대해 설명한다.
예를 들면 전자 카르테나 의료화상데이터베이스 등의 의료정보, 설계도 등의 설계정보 등에서는, 발생하는 데이터를 축적하고, 그중에서 새로운 목적에 맞는 데이터를 선출해서 참조하는 경우에, 데이터를 벡터 데이터의 형태로 정리해서 데이터 베이스에 축적하고, 새로운 목적을 표현한 검색대상의 벡터데이터와 데이터베이스중의 각 데이터와의 유사도를 산출해서, 데이터베이스 중에서 가장 유사한 데이터를 참조한다는, 벡터데이터의 유사검색기술이 응용되고 있다.
여기서는 1예로서, 병리조직진단의 지원을 목적으로 검사용 병리조직화상에 대해 과거의 증예에서 유사한 병리 조직화상을 검색하는 경우에 대해 설명한다.
병리조직진단이라는 것은, 생체조직을 현미경으로 관찰해서 질병의 종류를 진단하는 것으로, 종양의 양악성의 판별이나 종양종류의 감별 등을 위해 주로 행하여지고 있다.
도 9는 종래의 유사검색장치의 동작을 표시하는 플로차트이다. 우선, 대상화상지정부(1)가 유사검색을 할 대상화상을 검사해야 할 병리조직화상 중에서 지정한다(스텝ST1). 다음, 특징량 추출부(2)에서 지정된 대상화상으로부터, 그 화상의 특징을 정량적으로 표시하는 특징량을 추출한다(스텝ST2). 다음에 속성입력부(4)에서, 대상화상지정부(1)에서 지정된 대상화상의 속성을 입력한다(스텝ST4). 대상화상의 속성으로는, 환자명, 환자ID, 화상ID, 종양의 크기, 연령, 진단명 등이 있으나, 진단명은 이 시점에서는 결정되어 있지 않으므로, 입력되지 않는다. 다음 특징량추출부(2)에서 추출된 특징량과 속성입력부(4)에서 입력된 속성을 벡터구성요소로 하는 대상 벡터데이터를 작성한다(스텝ST101). 도 10에 생성된 대상 벡터 데이터의 1예를 표시한다.
다음에 대상벡터데이터에 대해 유사도가 높은 벡터 데이터를, 중량 벡터(13)를 사용해서, 벡터 데이터베이스(7) 중에서 유사검색엔진(10)에 의해 검색한다(스텝ST102).
즉, 벡터 데이터의 차원(구성요소의 수)를 n로 하고, 대상벡터데이터를 X = ( x1, x2, …, xn ), 벡터데이터베이스에 축적되어, 상기 대상 벡터 데이터와의 유사도를 계산하는 벡터데이터를 Y = ( y1, y2, …, yn ), 중량 벡터를 W = ( w1, w2, …, wn )라고하면 벡터데이터 X, Y간의 유사도 sim(X, Y)는 아래식으로 계산된다.
[수 1]
(단, 속성i의 구간폭이라는 것은 속성i가 취하는 최대치와 최소치의 차의 절대치이다)
즉, sim(X, Y)는 X와 Y의 중량부 거리의 부호를 반전한 것이다.
이렇게 해서 벡터데이터베이스(7)내의 전 벡터데이터를 Y로해서 대상벡터데이터와의 유사도 sim(X, Y)를 산출하고, 유사도가 최대의 것을 선택 함으로써, 가장 유사한 벡터 데이터가 검색된다.
유사도가 최대의 벡터 데이터가 여러개 있는 경우에는, 그들 중의 아무것이나 좋고, 예를 들어, 최초의 벡터데이터로 해도 되고, 랜덤하게 선택해도 된다.
다음, 검색 결과 표시부(11)에서, 검색된 유사벡터데이터의 속성의 일부과, 화상데이터베이스(8)내의 화상중 유사벡터데이터에 대응하는 화상이 표시된다(스텝ST103). 도 11에, 화상과 환자ID와 진단명을 유사도가 높은 순으로 6개 표시하는 경우의 표시 화면예를 표시한다.
이용자는 대상화상과 검색결과 표시된 화상을 비교해서 이것이 참으로 유사하고 있다고 판단되면 대상화상은 그 유사한 화상에 대응하는 진단명에 해당할 가능성이 높은 것을 알수 있다.
따라서 대상화상에 대해 유사 벡터 데이터와 유사화상을 표시하는 것은, 병리조직진단에서 진단명의 결정을 지원하는데 중요한 참고 정보가 된다.
다음에 이용자는 검색결과 표시부(11)에 표시된 도 11과 같은 결과를 참고로해서 진단명을 결정하고, 이 진단명이 유사도가 가장 높은 유사벡터 데이터의 진단명과 일치하면 이용자는 유사검색결과로서 회답지정부(14)에 의해 「정해」를, 일치하지 않으면 회답지정부(14)에 의해 「부정해」를 지정한다(스텝ST104).
다음, 유사검색엔진(10)에 의해 가장 유사하다고 해서 선출된 벡터데이터와 대상벡터데이터와 회답지정부(14)에 의해 이용자로 하여금 정해인지 아닌지를 지정된 결과를 기초로 중량 벡터 갱신부(15)에서 중량벡터(13)를 갱신한다(스텝ST105). 다음에, 신규데이터추가부(12)에 의해, 대상화상의 속성의 진단명의 부분을 이용자가 결정한 진단명으로 변경한 대상 벡터데이터베이스(7)에, 대상화상을 화상데이터베이스(8)에 각각 추가한다(스텝ST106).
종래의 유사검색장치는 이상과 같이 구성되어있으므로, 예를 들면 병리조직진단에 이용하는 경우에는, 유사화상으로 표시되는 화상으로부터 대상화의 올바른 진단명의 화상이 탈락되어 버리는 위험성이 있다는 문제점이 있었다.
예를 들면, 도 11에 표시된 바와 같은 유사검색결과가 표시된 경우, 유사화상으로서 진단명이 종양1, 종양2, 종양3, 종양7의 것이 포함되어 있다.
대상화상이 이들 진단명의 어느 것인가에 해당할때는 좋으나, 대상화상의 올바른 진단명이 종양4나 종양5 등의 유사화상으로 표시되지 않은 진단명이 있을 때, 이용자가 올바른 진단명에 대해 미처 모르고 오진은 하는 위험성이 있었다.
또, 한종류의 중량벡터를 사용하기위해, 중량벡터를 최적화해도 유사검색정밀도의 대폭적인 향상이 곤란하다는 문제점이 있었다.
예를들면 병리조직진단에 이용하는 경우에 대해 설명하면 종양1이라는 하나의 진단명에 속하는 화상중에서 유사화상을 검색할 때의 최적의 중량벡터와, 종양2라는 다른 진단명에 속하는 화상중에서 유사화상을 검색할 때의 최적한 중량벡터는 일반적으로 다르다.
이는 유사도를 측정할 때에 특징량의 개개의 요소의 중요성이 종양1과 종양2에서 통상은 다르기 때문이다.
그리고 종양1과 종양2라는 다른 진단명을 갖는 화상을 맞춘중에서 유사화상을 검색할때의 최적의 중량벡터는, 종양2에 대해 최적한 중량벡터와 종양2에 대해 최적한 중량벡터의 중간적인 중량벡터가 된다.
따라서 예를 들면 종양1의 화상중에서의 유사화상검색을, 그 중간적인 중량벡터를 사용해서 실시한 경우의 유사검색정밀도는 종양2에 대해 최적한 중량벡터를 사용했을 때 보다는 저하해 버린다.
이와 같이, 모든 진단명을 포함하는 전화상으로부터의 유사검색을 한 종류의 중량벡터를 사용해서 실시하는 경우, 중량벡터를 최적화하는 효과가 좀처럼 얻기 힘들다는 문제점이 있었다.
또, 대상벡터데이터의 1부가되는 화상의 특징량으로서 화상에서 추출된 특징량 만을 사용했을때에 추출의 곤란한 특징량이 사용할 수 없고, 또 이용자가 주관적으로 판단한 화상이 특징을 검색에 이용할 수 없다는 문제점이 있었다.
본 발명은 상기한바와 같은 문제점을 해결하기 위해 된 것으로, 유사검색의 정밀도가 향상될 수 있고, 또 중요한 유사데이터가 검색결과로부터 누락될 가능성이 낮은 유사검색장치를 얻는 것을 목적으로 한다.
본 발명의 제 1구성에 관한 유사검색장치는 복수의 대상에 대해 각각 작성되고, 대상을 특징지우는 복수의 속성을 벡터구성요소로 하는 벡터데이터를 복수축적하는 벡터데이터베이스와, 지정된 유사검색대상에 대한 벡터데이터를 작성하는 대상벡터데이터 작성부와, 복수의 검색조건을 생성하는 검색조건집합생성부와, 이 검색조건집합생성부에서 생성된 개개의 검색조건마다에, 상기 벡터데이터베이스에 축적된 복수의 벡터데이터중에서, 상기 검색조건을 만족하고, 또 상기 대상벡터에 가장 가까운 벡터데이터를 검색하는 유사검색엔진과, 상기 유사검색엔진에 의해 검색된 결과를 개개의 검색조건마다에 표시하는 검색결과 표시부를 구비한 것이다.
본 발명의 제 2 의 구성에 관한 유사검색장치는 복수의 대상에 대응하는 복수의 대상화상을 축적하는 화상데이터베이스와, 상기 복수의 대상에 대해 각각 작성되고, 상기 대상화상의 특성을 정량적으로 표시하는 특정량과, 상기 대상을 특징 지우는 속성을 벡터구성요소로 하는 벡터 데이터를 복수 축적하는 벡터 데이터베이스와, 지정된 검색대상의 화상과 속성을 기초로 벡터 데이터를 작성하는 대상벡터 데이터 작성부와, 복수의 검색조건을 생성하는 검색조건 집합생성부와, 이 검색조건 집합생성부에서 생성된 개개의 검색조건마다에, 상기 벡터 데이터 베이스에 축적된 복수의 벡터 데이터중에서, 상기 검색조건을 만족하고, 또 상기 대상 벡터 데이터에 가장 가까운 벡터 데이터를 검색하는 유사검색엔진과, 상기 유사 검색엔진에 의해 검색된 결과를 대응하는 화상과 함께 개개의 검색조건마다에 표시하는 검색결과 표시부를 구비한 것이다.
본 발명의 제 3 의 구성에 관한 유사검색장치는, 화상의 특징량으로서, 핵 영역의 수, 핵 영역의 면적, 핵 영역의 형상, 핵 영역의 원형도, 핵 영역의 색, 핵 영역의 색도, 공극영역의 수, 공극영역의 면적, 공극영역의 형상, 공극영역의 원형도, 간질영역의 수, 간질영역의 면적, 간질영역의 형상, 간질영역의 원형도, 간질영역의 색, 간질영역의 색도, 관공영역의 수, 관공영역의 면적, 관공영역의 형상, 관공영역의 원형도, 화상의 텍스쳐, 웨이브렛 변환치를 사용해서 산출되는 특징량, 상피세포가 근 상피세포를 수반하는 2층구조를 표시하는 정도, 선유화의 정도, 유두상 패턴의 유무, 채상태 패턴의 유무, 괴사물질의 유무, 충실성패턴의 유무, 화상의 색, 및 색도를 사용해서 산출되는 특징량의 적어도 하나를 사용한 것이다.
도 1은 본 발명의 실시의 형태 1에 의한 유사 검색 장치를 표시하는 블록도
도 2는 본 발명의 실시의 형태 1에 의한 유사 검색 장치의 동작을 표시하는 플로차트
도 3은 본 발명의 실시의 형태 1에 관한 대상 벡터 데이터의 1예
도 4는 본 발명의 실시의 형태 1에 관한 검색 조건 집합의 1예
도 5는 본 발명의 실시의 형태 1에 관한 중량(weight) 벡터의 1예
도 6은 본 발명의 실시의 형태 1에 의한 유사 검색 장치로 표시되는 표시 화면의 1예
도 7은 본 발명의 실시의 형태 2에 의한 유사 검색 장치를 표시하는 블록도
도 8은 종래의 유사 검색 장치를 표시하는 블록도
도 9는 종래의 유사 검색 장치의 동작을 표시하는 플로차트
도 10은 종래의 유사 검색 장치에서 사용되는 대상 벡터 데이터의 1예
도 11은 종래의 유사 검색 장치로 표시되는 표시 화면의 1예
< 도면에 나타낸 주요부분에 대한 부호의 설명>
1 : 대상화상지정부 2 : 특징량추출부
3 : 특징량입력부 4 : 속성입력부
5 : 대상벡터데이터작성부 6 : 검색조건집합생성부
7 : 벡터 데이터베이스 8 : 화상 데이터베이스
9 : 중량 벡터 데이터베이스 10 : 유사 검색 엔진
11 : 검색결과표시부 12 : 신규데이터추가부
13 : 중량 벡터 14 : 회답지정부
15 : 중량 벡터 갱신부
실시의 형태 1
이하 본 발명의 실시의 형태 1을 도면을 따라 설명한다.
도 1 은 본 발명의 실시의 형태 1 에 의한 유사검색장치를 표시하는 블록도이다.
도면에서, 1 은 검색대상의 화상을 지정하는 대상화상지정부, 2 는 대상화상지정부(1)에 의해 지정된 대상화상의 특징을 정량적으로 표시하는 특징량을 주출하는 특징량 주출부, 3 은 대상화상에 대해 이용자가 인식한 특징량을 입력하는 특징량 입력부 4 는 대상화상에 관한 특징량이외의 속성을 입력하는 속성입력부, 5 는 특징량 주출부(2)에 의해 추출된 특징량과, 특징량 입력부(3)에 의해 입력된 특징량과, 속성입력부(4)에 의해 입력된 속성을 벡터 구성요소로 하는 대상벡터 데이터를 작성하는 대상벡터 데이터 작성부, 6 은 복수의 검색조건을 생성하는 검색조건집합생성부, 7 은 복수의 대상에 대해 작성된 복수의 벡터 데이터를 데이터베이스로서 축적한 벡터데이터베이스, 8 은 상기 복수의 대상에 대응하는 복수의 화상을 데이터 베이스로서 축적한 화상데이터베이스, 9 는 유사검색에서 벡터데이터간의 유사도를 산출할때에 사용하는 중량벡터를 축적한 중량벡터 데이터베이스이고, 복수의 검색조건에 각각 대응해서 최적화한 복수의 중량벡터를 축적하고 있다.
10 은 중량벡터 데이터베이스(9)에 축적된 중량 벡터를 기초로 벡터 데이터베이스(7)에 축적된 복수의 벡터 데이터중에서 검색조건 집합생성부(6)에 의해 지정된 속성을 갖는 벡터데이터중에서, 대상벡터 데이터에 유사한 벡터데이터를 검색하는 유사검색엔진, 11 은 유사검색엔진(10)에 의해 검색된 대상 벡터 데이터에 가장 가까운 벡터 데이터와, 가장 가까운 벡터 데이터에 대응하는 화상을, 검색조건집합생성부(6)에서 지정된 개개의 검색조건마다에 표시하는 검색결과 표시부, 12 는 새로운 벡터 데이터와 화상을 각각 벡터 데이터 베이스(7)와 화상데이터베이스(8)에 등록하는 신규데이터 추가부이다.
다음 동작에 대해 설명한다.
종래기술의 설명과 같이, 검사용 병리조직화상에 대해 과거의 중상에서 유사한 병리 조직화상을 검색하는 경우에 대해 설명한다.
도 2 는 본 발명의 실시의 형태 1 에 의한 유사검색장치의 동작을 표시하는 플로차트이다.
우선 대상화상지정부(1)가 유사검색을 해야할 대상화상을, 검사해야할 병리조직화상중에서 지정한다(스텝 ST1).
다음에 특징량 주출부(2)에서 지정된 대상화상으로부터 그 화상의 특징을 정량적으로 표시하는 특징량을 주출한다(스텝 ST2). 특징량으로는 예를들면 화상중의 핵영역의 수나, 면적 간질영역의 수나 면적등이 있고, 여기서는 헥영역의 면적과 간질영역의 면적을 추출한다.
또 이들 특징량은 예를들면 계산기를 사용해서 산출된다.
한 예로서 핵영역의 수를 주출하는 방법을 아래에 설명한다.
(1) 그 화소가 핵인지 핵이 아닌지를 판정하는 뉴럴 네트워크를 작성한다.
(2) 이 뉴럴 네트워크로 원화상으로부터 핵만을 추출한 화상을 작성한다.
(3) 라벨링을 한다. 즉 연결되어 있는 핵영역에는 같은 라벨번호를 붙인다.
(4) 라벨의 수를 카운트한다.
여기서, (1)의 핵인지 아닌지를 판정하는 뉴럴 네트워크의 작성방법은 미리 어디가 핵영역인지 알고 있는 화상을 사용하고, 화소마다의 R.G.B 등의 색정보를 입력해서 그 화소가 헥인지 아닌지의 정보를 교사신호로 해서, 핵이 아니면 뉴럴 네트워크의 출력이 1, 헥이면 0 이 되도록 학습함으로써 실시한다.
다음, 특징량 입력부(3)에서 유사검색장치의 이용자가 화상의 특징을 스스로 판단해서 입력한다(스텝 ST3). 이용자가 판단하는 특징량으로는 예를들면 선유화의 정도, 충실성패턴이 존재하는 정도 등이다.
다음에, 속성입력부(4)에서 대상화상지정부(1)에서 지정된 대상화상의 속성을 입력한다(스텝 ST 4). 대상화상의 속성으로는 환자명, 환자 ID , 화상 LD , 종양의 크기, 연령, 진단명등이 있으나, 진단명은 이 시점에서는 결정되어 있지 않으므로 입력되지 않는다.
다음에, 특징량 추출부(2)에서 주출된 특징량과, 특징량입력부(3)에서 입력된 특징량과, 속성입력부(4)에서 입력된 속성을 벡터구성요소로 하는 대상벡터데이터가 생성된다(스텝 ST 5). 도 3 에 생성된 대상 벡터 데이터의 한 예를 표시한다.
다음, 검색 조건집합생성부(6)에서 검색을 할 때의 검색조건의 집합을 생성한다(스텝 ST 6). 도 4 에 진단명을 검색조건으로 한 경우의 검색조건 집합의 1 예를 표시한다.
다음, 검색조건 집합에 속하는 개개의 검색조건에 대해 검색조건에 합치하고, 또 대상 벡터 데이터에 대해 가장 가까운 벡터 데이터를, 중량 벡터 데이터 베이스(9)에 어느 중량벡터 중 검색조건에 대응한 중량벡터를 사용해서 벡터 데이터베이스(7)로부터 유사검색엔진(10)에 의해 검색한다(스텝 ST 7).
중량벡터는 개개의 검색조건에 대해 미리 중량벡터 데이터 베이스(9)에 등록되어 있는 최적의 중량을 사용한다.
도 5 에 도 4에 표시되는 검색조건 집합의 개개의 검색조건에 대해 사용되는 중량벡터의 한예를 표시한다.
도 4 에 표시되는 검색조건 집합의 경우에 검색조건인 진단명을 만족시키는 전화상으로부터 화상의 특징량만을 사용해서 유사화상을 검색하고 싶을때에는, 도 5 에 표시된바와같이 환자명, 종양의 크기 등의 속성에 관한 중량은 0 으로 한다.
또 중량벡터의 최적화는 벡터 데이터 베이스에 등록되어 있는 벡터 데이터를 사용해서 종래의 유사검색장치등으로 사용되고 있는 중량갱신수법을 사용해도 되고, 화상데이터 베이스에 등록되어 있는 화상의 서로의 유사성을 이용자가 결정하고 이것을 평가치로 해서 유사검색결과를 정량적이고 또 자동적으로 평가할 수 있도록 하여두고 벡터 데이터베이스에 등록되어 있는 벡터 데이터를 사용해서 검색결과를 평가해서 그 평가결과가 좋아지는 방향으로 중량을 자동적으로 갱신하도록 해서 실시해도 된다.
검색은 아래와 같이해서 실시된다.
벡터 데이터의 차원(구성요소의 수)를 n 로 하고, 대상벡터데이터를 X = (x1 , x2 , ------- xn)벡터데이터베이스에 축적되고, 상기 대상벡터 데이터와의 유사도를 계산하는 벡터데이터를 Y=(y1 , y2 --------- yn), 중량벡터를 W=(w1, w2 , --------- wn)라고 하면, 벡터데이터 X,Y 간의 유사도 Sim(X,Y)는 종래예와 같이 (1)식, (2)식에 의해 계산된다.
벡터 데이터 베이스(9)내의 벡터 데이터중, 검색조건을 만족하는 전벡터 데이터를 Y 로서 대상 벡터 데이터와의 유사도 sim (X,Y)를 산출하고, 유사도가 최대의 것을 선택함으로써 가장 유사한 벡터 데이터가 검색된다.
유사도가 최대의 벡터 데이터가 여러개 있는 경우에는 그들 중의 어느것이나 무방하고 예를들면 최초의 벡터 데이터로 해도 되고 랜덤으로 선택해도 된다.
다음 검색결과 표시부(11)에서 검색된 대상 벡터데이터에 가까운 벡터 데이터의 속성의 1부와, 화상데이터 베이스(8)내의 화상중 대상 벡터데이터에 가장 가까운 벡터 데이터에 대응하는 화상이 개개의 검색조건마다에 표시된다(스텝 ST8).
도 6 에 화상과 환자 ID 와 진단명이 표시되는 경우의 표시화면 예를 표시한다.
다음, 표시화면등을 참고로 해서 이용자가 진단명을 결정하고 신규데이터 추가부(12)에 의해 대상화상의 속성의 진단명의 부분을 입력한 대상벡터 데이터를 벡터 데이터베이스(7)에, 대상화상을 화상데이터베이스(8)에 각각 추가한다(스텝 ST9).
이상 기술한바와같은 대상 화상의 유사검색연산은, 유사검색용 프로그램에 의해 실현되고, 이 프로그램은 기록 매체에 기록해서 제공된다.
또 상기 실시의 형태에서는 특징량 주출부(2)에서 추출된 특징량은 그대로 대상 벡터 데이터의 일부가 되어 있으나, 추출된 특징량을 이용자가 수정할 수 있도록 해도 된다.
또 상기 실시의 형태에서는 특징량 추출부(2)에서 추출된 특징량과 특징량 입력부(3)에 의해 입력된 특징량을 화상의 특징량으로 사용하고 있으나, 그 한쪽만을 사용하도록 해도 된다.
또, 상기 실시의 형태에서는 화상의 특징량으로서 헥영역의 면적, 간질영역의 면적, 선유화의 정도, 충실성패턴이 존재하는 정도를 사용했을때를 설명하였으나, 특징량은 이에 한하지 않고 이외에도 핵영역의 수, 형상, 원형도, 색, 색도, 공극영역의 수, 면적, 형상 원형도, 간질영역의 수, 원형도, 색, 색도, 관공영역의 수, 면적 형상 원형도, 화상의 텍스쳐, 웨이브렛 변환치를 사용해서 산출되는 특징량, 상피세포가 근상피세포를 수반하는 2층구조를 표시하는 정도, 유두상 패턴의 유무, 괴사물질의 유무, 충실성패턴의 유무, 화상의 색 또는 색도를 사용해서 산출되는 특징량 등을 사용해도 되고, 사용하는 특징량은 이용자가 자유로히 설정할 수 있도록 해도 된다.
또 상기 실시의 형태에서는 벡터 데이터에 포함하는 화상의 속성으로서 환자명, 환자 ID, 화상 ID, 종양의 크기, 연령, 진단명을 사용한 경우를 설명하였으나, 기타의 속성을 사용해도 되고, 이들의 속성을 이용자의 기호에 따라 자유로히 설정할 수 있도록 해도 된다.
또, 상기 실시의 형태에서는 검색조건집합은 검색조건집합 생성부(6)에서 생성되고 있으나, 언제나 사용하도록 검색조건을 미리 작성해두고 이와 같은 검색조건집합을 지정해서 사용하도록 해도 된다.
또 상기 실시의 형태에서는 진단명을 검색조건으로 한 경우를 표시하였으나, 다른 속성이나 특징량등을 검색조건으로 해서 사용해도 된다.
또 상기 실시의 형태에서는, 미리 검색조건마다에 최적화한 중량벡터를 중량벡터 베이스(9)에 저장해두고 사용하고 있으나, 종래의 유사검색장치등에서 시행되고 있는바와같이, 유사검색결과가 정해인지의 여부를 이용자의 판단결과를 기초로 중량벡터를 갱신하도록 해도 된다.
또, 어떤 검색조건에 대응하는 중량벡터가 없을 경우에는 검색조건이 가까운 것이 중량벡터로 대응해도 되고, 검색조건이 가까운것의 중량벡터를 기초로 중량벡터를 새로 생성해도 좋고, 검색조건에 대응하는 중량벡터가 없는 경우에 사용할 중량벡터를 미리 결정해 두고, 그것을 사용하도록 해도 된다.
또 상기 실시의 형태에서는 개개의 검색조건에 대해 유사벡터 데이터가 하나검색되어 화상과 함께 표시되어 있으나 개개의 검색조건에 대해 유사도가 높은 순서로 여러개의 유사벡터 데이터를 검색하고, 대응하는 화상과 함께 표시하도록 해도 된다.
또, 상기 실시의 형태에서는 (1)식과 (2)식을 사용해서 유사도를 산출하였으나, 이것은 1 예이고, 다른 산출법을 사용해도 된다.
또, 상기 실시의 형태에서는 검사용 병리조직화상에 대해 과거의 중예로부터 유사한 병리조직화상을 검색하는 경우의 1예에 대해 설명하였으나, 세포진의 화상이나 X 선 사전을 위시하여 다른 의학용 화상에 관한 유사검색이나, 사과등의 농산물의 등급판별등 다른 여러 가지 화상을 사용한 유사검색에서도 같은 효과를 나타낼수가 있다.
또 반드시 화상을 사용할 필요는 없고, 예를들면 의료상의 진료데이터를 사용한 과거의 유사중에의 검색등, 일반적으로 벡터 데이터의 유사검색에서 같은 효과를 나타낸다.
실시의 형태 2
도 7 은 실시의 형태 2 에 의한 유사검색장치를 표시하는 블록도이고, 화상을 사용하지 않은 유사검색의 예이다.
여기서는, 환자의 진료 데이터로부터 과거의 유사한 진료 데이터를 검색하는 경우에 대해 설명한다.
도면에서, 속성입력부(4)에는 대상을 특징지우는 복수의 속성으로서 예를들면 환자명, 환자 ID, 연령, 직업, 열, 기침의 유무, 코몰의 유무, 목구멍 통증의 유무, 진단명 등이 입력되고, 상기 복수의 속성을 벡터 구성요소로 하는 벡터 데이터가 대상 벡터 데이터작성부에서 작성된다.
또 진단명은 이 시점에서는 결정되어 있지 않으므로 입력되지 않는다.
검색조건 집합생성부(6)에는 예를들면 감기나 꽃가루증 등의 진단명이 검색조건으로서 복수 입력된다.
유사검색엔진(10)에서는, 검색조건 집합생성부(6)에 입력된 검색조건의 개개의 검색조건에 대해, 검색조건에 일치하고, 또 대상벡터 데이터에 대해 유사도가 높은 벡터 데이터를 중량벡터 데이터 베이스(9)에 있는 중량 벡터중 검색조건에 대응한 중량 벡터를 사용해서, 벡터 데이터 베이스(7)중에서 검색한다.
여기서 중량벡터는 실시의 형태 1 과 같이 개개의 검색조건에 대해 미리 중량벡터 데이터 베이스(9)에 등록되어 있는 최적의 중량을 사용한다.
검색결과는 검색결과 표시부(11)에 표시된다.
이상과 같이 본 발명의 제1의 구성에 의하면, 복수의 대상에 대해 각각 작성되고, 대상을 특징지우는 복수의 속성을 벡터 구성요소로 하는 벡터 데이터를 복수 축적하는 벡터 데이터 베이스와, 지정된 검색 대상에 대한 벡터 데이터를 작성하는 대상벡터 데이터 작성부와, 복수의 검색조건을 생성하는 검색조건집합생성부와, 이 검색조건 집합 생성부에서 생성된 개개의 검색조건마다에, 상기 벡터 데이터 베이스에 축적된 복수의 벡터 데이터 중에서, 상기 검색조건을 만족하고, 또 상기 대상 벡터 데이터에 가장 가까운 벡터 데이터를 검색하는 유사검색 엔진과, 상기 유사검색엔진에 의해 검색된 결과를 개개의 검색조건마다에 표시하는 검색결과 표시부를 구비하였으므로, 이용자가 참조하고 싶은 개개의 검색조건에 대응한 유사데이터가 검색되어 표시되고, 중요한 유사데이터가 검색결과로부터 누설되는 가능성이 낮아진다는 효과가 있다.
또 본 발명의 제2의 구성에 의하면 복수의 대상에 대응하는 복수의 대상화상을 축적하는 화상데이터 베이스와, 상기 복수의 대상에 대해 각각 작성되고, 상기 대상화상의 특징을 정량적으로 표시하는 특징량과, 상기 대상을 특징지우는 속성을 벡터 구성요소로 하는 벡터 데이터를 복수 축적하는 벡터 데이터 베이스와, 지정된 유사검색대상의 화상과 속성을 바탕으로 벡터 데이터를 작성하는 대상벡터 작성부와, 복수의 검색조건을 생성하는 검색조건 집합 생성부와, 복수의 검색조건을 생성하는 검색조건 집합생성부와, 이 검색조건 집합생성부에서 생성된 개개의 검색조건마다에, 상기 벡터 데이터 베이스에 축적된 복수의 벡터 데이터중에서, 상기 검색조건을 만족하고, 또 상기 대상벡터 데이터에 가장 가까운 벡터 데이터를 검색하는 유사검색엔진과, 상기 유사검색엔진에 의해 검색된 결과를 대응하는 화상과 함께 개개의 검색조건마다에 표시하는 검색결과 표시부를 구비하였으므로, 화상을 수반한 중요한 유사데이터가 검색결과에서 누락되는 가능성이 낮아진다는 효과가 있다.
또 유사한 벡터 데이터와 함께 유사화상을 표시할 수 있는 효과가 있다.
또, 본 발명의 제 3 의 구성에 의하면 화상의 특징량으로서, 핵영역의 수, 핵영역의 면적, 핵 영역의 형상, 핵 영역의 원형도, 핵 영역의 색, 핵 영역의 색도, 공극영역의 수, 공극영역의 면적, 공극영역의 형상, 공극영역의 원형도, 간질영역의 수, 간질영역의 면적, 간질영역의 형상, 간질영역의 원형도, 간질영역의 색, 간질영역의 색도, 관공영역의 수, 관공영역의 면적, 관공영역의 형상, 관공영역의 원형도, 화상의 텍스쳐, 웨이브렛변환치를 사용해서 산출되는 특징량, 상피세포가 근상피세포를 수반하는 2층구조를 표시하는 정도, 선유화의 정도, 유두상패턴의 유무, 체상태의 패턴의 유무, 괴사물질의 유무, 충실성 패턴의 유무, 화상의 색 및 색도를 사용해서 산출되는 특징량의 적어도 하나를 사용하였으므로, 병리조직진단에서의 검색정밀도를 보다 향상시키는 효과가 있다.
Claims (3)
- 복수의 대상에 대해 각각 작성되고, 대상을 특징지우는 복수의 속성을 벡터 구성요소로 하는 벡터 데이터를 복수 축적하는 벡터 데이터 베이스와, 지정된 검색대상에 대한 벡터 데이터를 작성하는 대상벡터 데이터 작성부와, 복수의 검색조건을 생성하는 검색조건집합생성부와, 이 검색조건집합생성부에서 생성된 개개의 검색조건마다에, 상기 벡터 데이터 베이스에 축적된 복수의 벡터 데이터중에서, 상기 검색조건을 충족하고, 또 상기 대상으로 하는 벡터 데이터에 가장 가까운 벡터 데이터를 검색하는 유사 검색 엔진과, 상기 유사 검색 엔진에 의해 검색된 결과를 개개의 검색조건마다에 표시하는 검색결과 표시부를 구비한 것을 특징으로 하는 유사검색장치.
- 복수의 대상에 대응하는 복수의 대상화상을 축적하는 화상데이터 베이스와, 상기 복수의 대상에 대해 각각 작성되고, 상기 대상화상의 특징을 정량적으로 표시하는 특징량과, 상기 대상을 특징지우는 속성을 벡터 구성요소로 하는 복수의 벡터 데이터를 축적하는 벡터 데이터 베이스와, 지정된 검색대상의 화상과 속성을 기초로 벡터 데이터를 작성하는 대상벡터 데이터 작성부와 복수의 검색조건을 생성하는 검색조건 집합생성부와, 이 검색조건 집합 생성부에서 생성된 개개의 검색조건마다에, 상기 벡터 데이터 베이스에 축적된 복수의 벡터 데이터중에서, 상기 검색조건을 충족하고, 또 상기 대상으로 하는 벡터 데이터에 유사한 벡터 데이터를 검색하는 유사 검색엔진과, 상기 유사검색엔진에 의해 검색된 결과를 대응하는 화상과 함께 개개의 검색조건마다에 표시하는 검색결과 표시부를 구비한 것을 특징으로 하는 유사 검색장치.
- 제 2항에 있어서,화상의 특징량으로서, 핵 영역의 수, 핵영역의 면적, 핵영역의 형상, 핵영역의 원형도, 핵 영역의 색, 핵 영역의 색도, 공극영역의 수, 공극영역의 면적, 공극영역의 형상, 공극영역의 원형도, 간질영역의 수, 간질영역의 면적, 간질영역의 형상, 간질영역의 원형도, 간질영역의 색, 간질영역의 색도, 관공영역의 수, 관공영역의 면적, 관공영역의 형상, 관공영역의 원형도, 화상의 텍스쳐, 웨이브렛 변환치를 사용해서 산출되는 특징량, 상피세포가 근상피 세포를 동반하는 2층구조를 표시하는 정도, 선유화의 정도, 유두상 패턴의 유무, 체상태패턴의 유무, 괴사물질의 유무, 충실성패턴의 유무, 화상의 색 및 색도를 사용해서 산출되는 특징량의 적어도 하나를 사용하는 것을 특징으로 하는 유사검색장치.
Applications Claiming Priority (2)
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 |
JP97-136816 | 1997-05-27 |
Publications (2)
Publication Number | Publication Date |
---|---|
KR19980086683A KR19980086683A (ko) | 1998-12-05 |
KR100332940B1 true KR100332940B1 (ko) | 2002-08-21 |
Family
ID=15184184
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1019980015490A KR100332940B1 (ko) | 1997-05-27 | 1998-04-30 | 유사 검색 장치 및 유사 검색 프로그램을 기록한 기록 매체 |
Country Status (3)
Country | Link |
---|---|
US (1) | US6292577B1 (ko) |
JP (1) | JPH10326286A (ko) |
KR (1) | KR100332940B1 (ko) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220028391A (ko) * | 2020-08-28 | 2022-03-08 | 라크(주) | 의료 영상 판독시스템 |
Families Citing this family (47)
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 |
EP2302595A3 (en) | 1998-11-25 | 2011-04-06 | Wake Forest University Health Sciences | Virtual endoscopy with improved image segmentation and lesion detection |
JP3585844B2 (ja) * | 1999-01-29 | 2004-11-04 | 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方法及び生成方法 |
US7027644B1 (en) * | 1999-02-01 | 2006-04-11 | Lg Electronics Inc. | Multilevel image grid data structure and image search method using the same |
US7016916B1 (en) * | 1999-02-01 | 2006-03-21 | Lg Electronics Inc. | Method of searching multimedia data |
US6785410B2 (en) * | 1999-08-09 | 2004-08-31 | Wake Forest University Health Sciences | Image reporting method and system |
US6819785B1 (en) * | 1999-08-09 | 2004-11-16 | 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 |
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 |
JP4021179B2 (ja) * | 2000-11-29 | 2007-12-12 | 富士通株式会社 | 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) * | 2000-11-29 | 2005-08-02 | Fujitsu Limited | Computer readable recording medium recorded with diagnosis supporting program, diagnosis supporting apparatus and diagnosis supporting method |
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 |
DE10110275A1 (de) * | 2001-03-02 | 2002-09-19 | Daimler Chrysler Ag | Verfahren zur Kennzeichnung von gespeicherter Information |
JP4846138B2 (ja) * | 2001-07-10 | 2011-12-28 | シスメックス株式会社 | 画像検索システム |
WO2003048976A1 (en) * | 2001-12-04 | 2003-06-12 | University Of Southern California | Methods for fast progressive evaluation of polynomial range-sum queries on real-time datacubes |
JP4253498B2 (ja) * | 2002-12-09 | 2009-04-15 | オリンパス株式会社 | 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 |
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 |
JP2006118876A (ja) * | 2004-10-19 | 2006-05-11 | Univ Of Tokyo | 破壊破面解析支援装置 |
CA2609916A1 (en) * | 2005-05-31 | 2006-12-07 | Siemens Medical Solutions Usa, Inc. | System and method for data sensitive filtering of patient demographic record queries |
JP4777059B2 (ja) | 2005-12-22 | 2011-09-21 | パナソニック株式会社 | 画像検索装置および画像検索方法 |
JP4799251B2 (ja) * | 2006-04-05 | 2011-10-26 | 富士フイルム株式会社 | 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 |
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 |
JP2008152619A (ja) | 2006-12-19 | 2008-07-03 | Fuji Xerox Co Ltd | データ処理装置およびデータ処理プログラム |
JP5646128B2 (ja) * | 2007-02-28 | 2014-12-24 | 株式会社東芝 | 医用画像検索システム |
JP4925111B2 (ja) * | 2007-03-05 | 2012-04-25 | Kddi株式会社 | 類似画像検索装置 |
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 |
KR100882275B1 (ko) | 2007-05-25 | 2009-02-06 | 전남대학교산학협력단 | 얼굴영상을 이용한 질병분류시스템 |
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 |
WO2009083844A1 (en) | 2007-12-20 | 2009-07-09 | Koninklijke Philips Electronics N.V. | Method and device for case-based decision support |
JP4883719B2 (ja) * | 2008-03-31 | 2012-02-22 | Kddi株式会社 | 類似画像検索方法および装置 |
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 |
JP5599572B2 (ja) * | 2009-03-12 | 2014-10-01 | 富士フイルム株式会社 | 症例画像検索装置、方法およびプログラム |
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 |
JP6070956B2 (ja) | 2011-10-03 | 2017-02-01 | 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 |
US9201901B2 (en) * | 2011-12-13 | 2015-12-01 | International Business Machines Corporation | Techniques for generating a representative image and radiographic interpretation information for a case |
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 |
US9208173B1 (en) | 2014-06-13 | 2015-12-08 | Globalfoundries Inc. | Techniques for medical image retreival |
JP7019137B2 (ja) * | 2015-08-27 | 2022-02-15 | ムラタオフィス株式会社 | 類似画像検索システム |
US11189367B2 (en) * | 2018-05-31 | 2021-11-30 | Canon Medical Systems Corporation | Similarity determining apparatus and method |
WO2020013814A1 (en) * | 2018-07-11 | 2020-01-16 | Google Llc | Similar image search for radiology |
CN110867241B (zh) * | 2018-08-27 | 2023-11-03 | 卡西欧计算机株式会社 | 类似图像显示控制装置、系统及方法、以及记录介质 |
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 |
DE69535098T2 (de) * | 1994-11-15 | 2007-04-19 | Canon K.K. | Verfahren und -vorrichtung zur Suche von Bildern in einer Datenbank |
EP0811205B1 (en) * | 1994-11-25 | 2003-09-10 | Sophisview Technologies, Ltd | 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 (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20220028391A (ko) * | 2020-08-28 | 2022-03-08 | 라크(주) | 의료 영상 판독시스템 |
KR102589384B1 (ko) | 2020-08-28 | 2023-10-16 | 라크(주) | 의료 영상 판독시스템 |
Also Published As
Publication number | Publication date |
---|---|
US6292577B1 (en) | 2001-09-18 |
JPH10326286A (ja) | 1998-12-08 |
KR19980086683A (ko) | 1998-12-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR100332940B1 (ko) | 유사 검색 장치 및 유사 검색 프로그램을 기록한 기록 매체 | |
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 | |
Kochunov et al. | Regional spatial normalization: toward an optimal target | |
US20070250491A1 (en) | Method for referencing image data | |
US7027627B2 (en) | Medical decision support system and method | |
US8060178B2 (en) | System and method for performing probabilistic classification and decision support using multidimensional medical image databases | |
US8775451B2 (en) | Object based image retrieval | |
US20020065460A1 (en) | Computer readable recording medium recorded with diagnosis supporting program, diagnosis supporting apparatus and diagnosis supporting method | |
US20040003001A1 (en) | Similar image search system | |
US20030028401A1 (en) | Customizable lung report generator | |
US20150205917A1 (en) | Automatic detection and retrieval of prior annotations relevant for an imaging study for efficient viewing and reporting | |
US20020133062A1 (en) | Embedded measurement values in medical reports | |
US20070043774A1 (en) | Method and Apparatus for Incremental Computation of the Accuracy of a Categorization-by-Example System | |
CN109935337B (zh) | 一种基于相似性度量的病案查找方法及系统 | |
JPH07160731A (ja) | 画像検索方法及びその装置 | |
JP2010211413A (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 | |
US20010010732A1 (en) | Inter-image operation apparatus and method and image display apparatus and method | |
Liscia et al. | Use of digital pathology and artificial intelligence for the diagnosis of Helicobacter pylori in gastric biopsies | |
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 | |
CN107862043A (zh) | 检查信息的检索方法及装置 | |
Obukhova et al. | Method of endoscopic images analysis for automatic bleeding detection and segmentation | |
JPH01103735A (ja) | 類似画像検索装置 | |
JP3155033B2 (ja) | 類似尺度構成処理方法 | |
JP2006235971A (ja) | 画像参照装置及び画像分類検索方法 | |
Liu et al. | A content-based medical teaching file assistant for CT lung image retrieval |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A201 | Request for examination | ||
E902 | Notification of reason for refusal | ||
AMND | Amendment | ||
E601 | Decision to refuse application | ||
J201 | Request for trial against refusal decision | ||
B701 | Decision to grant | ||
GRNT | Written decision to grant | ||
FPAY | Annual fee payment |
Payment date: 20050322 Year of fee payment: 4 |
|
LAPS | Lapse due to unpaid annual fee |