TW202127468A - 提供有無疾病的相關資訊之方法、電腦程式及裝置 - Google Patents
提供有無疾病的相關資訊之方法、電腦程式及裝置 Download PDFInfo
- Publication number
- TW202127468A TW202127468A TW109136579A TW109136579A TW202127468A TW 202127468 A TW202127468 A TW 202127468A TW 109136579 A TW109136579 A TW 109136579A TW 109136579 A TW109136579 A TW 109136579A TW 202127468 A TW202127468 A TW 202127468A
- Authority
- TW
- Taiwan
- Prior art keywords
- disease
- degree
- mentioned
- agreement
- database
- Prior art date
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 149
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 149
- 238000000034 method Methods 0.000 title claims description 41
- 208000014644 Brain disease Diseases 0.000 title claims description 8
- 238000004590 computer program Methods 0.000 title claims description 3
- 238000009206 nuclear medicine Methods 0.000 claims abstract description 29
- 238000012545 processing Methods 0.000 claims description 31
- 230000003727 cerebral blood flow Effects 0.000 claims description 22
- 210000004556 brain Anatomy 0.000 claims description 19
- 208000024827 Alzheimer disease Diseases 0.000 description 30
- 238000002603 single-photon emission computed tomography Methods 0.000 description 24
- 201000002832 Lewy body dementia Diseases 0.000 description 7
- 208000001089 Multiple system atrophy Diseases 0.000 description 7
- 229940121896 radiopharmaceutical Drugs 0.000 description 7
- 239000012217 radiopharmaceutical Substances 0.000 description 7
- 230000002799 radiopharmaceutical effect Effects 0.000 description 7
- 230000008344 brain blood flow Effects 0.000 description 6
- 238000007621 cluster analysis Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- 201000004810 Vascular dementia Diseases 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000002600 positron emission tomography Methods 0.000 description 5
- 230000002093 peripheral effect Effects 0.000 description 4
- 208000032207 progressive 1 supranuclear palsy Diseases 0.000 description 4
- 230000017531 blood circulation Effects 0.000 description 3
- 210000005013 brain tissue Anatomy 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 239000006185 dispersion Substances 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 210000001152 parietal lobe Anatomy 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 208000011990 Corticobasal Degeneration Diseases 0.000 description 2
- 208000016270 Corticobasal syndrome Diseases 0.000 description 2
- 208000018737 Parkinson disease Diseases 0.000 description 2
- 230000007850 degeneration Effects 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 210000001652 frontal lobe Anatomy 0.000 description 2
- 210000004326 gyrus cinguli Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 210000000869 occipital lobe Anatomy 0.000 description 2
- 201000002212 progressive supranuclear palsy Diseases 0.000 description 2
- 238000002601 radiography Methods 0.000 description 2
- AFLDFEASYWNJGX-UHFFFAOYSA-N 1-(4-iodophenyl)-n-propan-2-ylpropan-2-amine;hydrochloride Chemical compound Cl.CC(C)NC(C)CC1=CC=C(I)C=C1 AFLDFEASYWNJGX-UHFFFAOYSA-N 0.000 description 1
- PMATZTZNYRCHOR-CGLBZJNRSA-N Cyclosporin A Chemical compound CC[C@@H]1NC(=O)[C@H]([C@H](O)[C@H](C)C\C=C\C)N(C)C(=O)[C@H](C(C)C)N(C)C(=O)[C@H](CC(C)C)N(C)C(=O)[C@H](CC(C)C)N(C)C(=O)[C@@H](C)NC(=O)[C@H](C)NC(=O)[C@H](CC(C)C)N(C)C(=O)[C@H](C(C)C)NC(=O)[C@H](CC(C)C)N(C)C(=O)CN(C)C1=O PMATZTZNYRCHOR-CGLBZJNRSA-N 0.000 description 1
- 206010067889 Dementia with Lewy bodies Diseases 0.000 description 1
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 1
- 208000012661 Dyskinesia Diseases 0.000 description 1
- BPNZYADGDZPRTK-UDUYQYQQSA-N Exametazime Chemical compound O/N=C(\C)[C@@H](C)NCC(C)(C)CN[C@H](C)C(\C)=N\O BPNZYADGDZPRTK-UDUYQYQQSA-N 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000003920 cognitive function Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 229960000221 exametazime Drugs 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000008717 functional decline Effects 0.000 description 1
- 210000004884 grey matter Anatomy 0.000 description 1
- 230000002197 limbic effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 210000001259 mesencephalon Anatomy 0.000 description 1
- 208000015122 neurodegenerative disease Diseases 0.000 description 1
- BWUXDKMMCZJFAB-UHFFFAOYSA-N oxotechnetium Chemical compound [Tc]=O BWUXDKMMCZJFAB-UHFFFAOYSA-N 0.000 description 1
- 210000000977 primary visual cortex Anatomy 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 229910052713 technetium Inorganic materials 0.000 description 1
- GKLVYJBZJHMRIY-UHFFFAOYSA-N technetium atom Chemical compound [Tc] GKLVYJBZJHMRIY-UHFFFAOYSA-N 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
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
- 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/501—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of the head, e.g. neuroimaging or craniography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
- A61B6/504—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of blood vessels, e.g. by angiography
-
- 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
-
- 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
- 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
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Radiology & Medical Imaging (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Surgery (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Optics & Photonics (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Biophysics (AREA)
- Veterinary Medicine (AREA)
- Data Mining & Analysis (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Databases & Information Systems (AREA)
- Neurosurgery (AREA)
- Physiology (AREA)
- Neurology (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Vascular Medicine (AREA)
- Nuclear Medicine (AREA)
Abstract
較佳之實施形態包含以下步驟：讀取藉由核醫學之方法而獲得之判定對象資料；讀取根據具有特定疾病之複數位患者之核醫學影像而作成的疾病資料庫；計算上述判定對象資料與上述疾病資料庫之一致度；以及基於上述一致度，提供有無上述特定疾病的相關資訊。根據實施形態，亦可進而包含以下步驟：讀取與分別不同的複數種疾病對應之複數個疾病資料庫；以及針對上述複數個疾病資料庫之各者，計算與上述判定對象資料之一致度，藉此針對上述複數種疾病之各者而提供與該疾病之存在相關的資訊。
Description
本案所揭示之發明係關於一種腦部疾病之診斷輔助技術，尤其是關於一種使用核醫學影像之診斷輔助技術。
為了診斷如VaD(Vascular Dementia：血管性失智症)、AD(Alzheimer's Disease：阿茲海默症)之伴隨腦組織變性之疾病，有時使用PET(Positron Emission Tomography：正電子發射斷層攝影法)、SPECT(Single Photon Emission Computed Tomography：單光子發射電腦斷層攝影法)之類的核醫學方法。使用核醫學之習知方法係收集健康者之資料而作成Normal Data Base(NDB，正常資料庫)，於影像上顯示疾病之資料偏離NDB之程度，並根據其部位、程度及範圍來輔助診斷。
於下述非專利文獻1中揭示，對診斷為有可能患有AD之患者進行腦血流SPECT檢查，對患者之腦血流SPECT影像進行解剖學標準化，從而消除腦形態之個人差異，然後將灰白質之功能資訊朝腦表進行資料抽出，針對每個像素使用統計學方法與NDB進行比較，藉此於三維定位腦表面投射影像上顯示患者之功能下降部位，來輔助診斷。
[先前技術文獻]
[非專利文獻]
[非專利文獻1]Bartenstein P et. Al, 「Quantitative assessment of cerebral blood flow in patients with Alzheimer's disease by SPECT.」, J Nucl Med. 1997 Jul; 38(7): 1095-101.
本說明書所揭示之發明之一例係一種提供有無疾病的相關資訊之方法，其包含以下步驟：
•讀取藉由核醫學之方法而獲得之判定對象資料；
•讀取根據具有特定疾病之複數位患者之核醫學影像而作成之疾病資料庫；
•計算上述判定對象資料與上述疾病資料庫之一致度；以及
•基於上述一致度，提供有無上述特定疾病的相關資訊。
不同於使用NDB之習知技術，上述方法可使用根據具有疾病之患者之核醫學影像而作成之疾病資料庫來進行判定，並計算判定對象資料與疾病資料庫之一致度，藉此提供有無該疾病的相關資訊。例如，能以數值來提示患有該疾病之可能性。因此，可藉由與基於和健康者資料進行比較之習知技術不同的方法，針對該疾病之有無而提供不依存於觀察者之判定結果。
根據實施形態，亦可為，上述疾病資料庫包含複數個像素，並且針對各像素包含像素值、及與像素值之偏差相關的值。
根據實施形態，亦可為，於上述一致度較高之情形時，上述資訊表示上述判定對象資料係根據患有上述特定疾病之受驗者而作成的可能性較高。
根據實施形態，亦可為，上述疾病係腦部疾病，上述核醫學影像係腦血流影像。
根據實施形態，上述方法亦可包含以下步驟：
•讀取與分別不同的複數種疾病對應之複數個疾病資料庫；以及
•針對上述複數個疾病資料庫之各者，計算與上述判定對象資料之一致度，藉此針對上述複數種疾病之各者而提供有無該疾病的相關資訊。
根據該方法，針對複數種疾病之各者提供有無該疾病的相關資訊，因此能夠不依存於觀察者而自動判定所患疾病之種類。
根據實施形態，上述方法亦可包含以下步驟：
•讀取與同一疾病之不同類型分別對應之複數個疾病資料庫；以及
•針對上述複數個疾病資料庫之各者，計算與上述判定對象資料之一致度。
根據該方法，不僅可自動獲得是否患有特定疾病之資訊，亦能自動獲得屬於該疾病之細分類型之哪一類型之資訊。
根據實施形態，上述一致度亦可為相關係數或組內相關係數。
根據實施形態，上述一致度亦可於上述判定對象資料與上述疾病資料庫之間，基於對應像素之像素值之差及與上述偏差相關之值而計算。
根據實施形態，上述方法包含以下步驟：
•針對上述判定對象資料之各像素，使用上述疾病資料庫之對應像素之資料來計算Z-score；
•針對腦部之各局部區域，計算Z-score未滿0之像素之數projection、Z-score未滿0之像素之Z-score之平均值mean、及上述projection與上述mean之積Pro*mean；以及
•基於式1－v2/v1而計算上述一致度。
此處，
•v1係所有局部區域之上述projection之總和之2倍，
•v2係所有局部區域之上述Pro*mean之總和。
根據實施形態，亦可使用雷達圖來顯示上述一致度。
本說明書所揭示之發明之一例係一種電腦程式，其具有程式指令，該程式指令構成為，當被裝置之處理手段執行時，使該裝置執行上述發明之任一者。
本說明書所揭示之發明之一例係一種裝置，其係具備處理手段、及儲存程式指令之記憶手段者；上述程式指令構成為，當被上述處理手段執行時，使上述裝置執行上述發明之任一者。
以下，參照隨附圖式來說明本說明書所揭示之技術思想之較佳實施形態之例。
圖1係用以說明可實施本發明之系統100之硬體構成之圖。如圖1所示，系統100於硬體上與一般的電腦相同，可具備CPU(Central Processing Unit，中央處理單元)102、主記憶裝置104、大容量記憶裝置106、顯示器介面107、周邊機器介面108、網路介面109等。與一般的電腦同樣地，作為主記憶裝置104可使用高速RAM(隨機存取記憶體)，作為大容量記憶裝置106可使用廉價且大容量之硬碟或SSD(Solid State Drive，固態硬碟)等。系統100上可連接用以顯示資訊之顯示器，該顯示器係經由顯示器介面107而連接。又，系統100上可連接如鍵盤、滑鼠、觸控面板之使用者介面，該介面係經由周邊機器介面108而連接。網路介面109可用於經由網路而連接於其他電腦或網際網路。
大容量記憶裝置106內儲存有作業系統(OS)110、配準程式120、一致度計算程式122及資訊輸出程式124。系統100之最基本功能係藉由CPU 102執行OS 110而提供。配準程式120係用以進行疾病資料庫130、132、134與判定對象資料140之尺寸、位置對準(配準；co-registration)之程式。
一致度計算程式122係用以計算疾病資料庫130等與疾病資料庫130等所配準之判定對象資料140之一致度的程式。資訊輸出程式124係基於一致度計算程式122之輸出而提供患有特定疾病之相關資訊的程式。根據實施形態，亦可以例如數值或例如圖表形式提供該資訊。
大容量記憶裝置106內可進而儲存疾病資料庫130、132、134及判定對象資料140。疾病資料庫130、132、134分別係根據具有特定疾病之複數位患者之核醫學影像而作成之資料庫。疾病資料庫130、132、134可為例如藉由對具有各種特定疾病之複數位患者之核醫學影像進行解剖學標準化及像素值標準化後進行加算平均所得之資料。此種資料(疾病資料庫)亦可針對各像素包含像素值(藉由上述加算平均所得之平均像素值)、及與該像素值之偏差相關之值(例如標準偏差或分散)。
判定對象資料140亦為藉由核醫學之方法而獲得之影像資料。如上所述，計算與疾病資料庫130等之一致度，而作成有無疾病的相關資訊。關於疾病資料庫130等、判定對象資料140，將於下文稍作詳細說明。
系統100除了具備圖1所示之要素外，還可具備電源、冷卻裝置等與通常電腦系統所具備之裝置相同的構成。電腦系統之安裝形態已知有利用各種技術之各種形態，例如，利用記憶裝置之分散•冗餘化或虛擬化、複數CPU、使用CPU虛擬化、DSP(Digital signal processing，數位信號處理)等對特定處理特化之處理器、將確定之處理硬體化並與CPU組合等。本說明書所揭示之發明可搭載於任意形態之電腦系統上，其範圍並不受電腦系統之形態限定。本說明書所揭示之技術思想一般而言係，(1)一種程式，其具備如下指令，該指令構成為，藉由被處理手段執行，使具備該處理手段之裝置或系統執行本說明書所說明之各種處理；(2)藉由該處理手段執行該程式而實現之裝置或系統之動作方法；(3)可具現化為具備該程式及以執行該程式之方式構成之處理手段的裝置或系統等。如上所述，亦存在將軟體處理之一部分硬體化之情形。
又，應注意，亦存在於系統100之製造、銷售或啟動時，大容量記憶裝置106中並未記憶疾病資料庫130、132、134或判定對象資料140之情形。疾病資料庫130、132、134或判定對象資料140亦可為例如經由周邊機器介面108或網路介面109而自外部裝置傳送至系統100之資料。謹慎起見而事先說明，本說明書所揭示之發明之範圍並非由記憶裝置中是否儲存有該等資料來限定。
其次，對本發明中成為解析對象之疾病進行說明。本發明中成為解析對象之疾病係可藉由PET或SPECT之類的核醫學方法檢測之疾病。又，於實施例中，將腦組織中產生某些變性之疾病作為解析對象。此種疾病例如有如下所示者。
VaD：Vascular Dementia(血管性失智症)
PSP：Progressive Supranuclear Palsy(進行性核上神經麻痹症)
MSA：Multiple System Atrophy(多系統萎縮症)
MSA-P：(多系統萎縮症中帕金森症狀為主體者)
MSA-C：(多系統萎縮症中小腦運動失調為主體者)
CBS：Corticobasal Syndrome(大腦皮質基底核症候群)
DLB：Dementia With Lewy Bodies(路易體失智症)
PD：Parkinson's Disease(帕金森症)
AD：Alzheimer's Disease(阿茲海默症)
該等疾病因腦組織產生變性，腦血流狀況變化，故而藉由利用核醫學方法使腦部影像化，而可掌握疾病之存在。
再者，核醫學方法並不限於應用在腦部，亦能應用於心臟、骨等生物體之各個部位之疾病，故而根據實施例，本發明之方法不僅可應用於腦部疾病，亦能應用於其他組織之疾病。
其次，對本發明中使用之「疾病資料庫」進行說明。如上所述，「疾病資料庫」係根據具有特定疾病之複數位患者之核醫學影像而作成之資料庫。例如，疾病資料庫可為藉由將具有特定疾病之複數位患者之核醫學影像分別進行解剖學標準化及像素值標準化後進行加算平均所得之資料。此種資料可對應於各像素具有像素之平均值、及與該平均值之偏差相關之值(標準偏差或分散)。
根據實施例，「疾病資料庫」可自PET影像作成。根據實施例，疾病資料庫亦可自SPECT影像作成。
根據實施例，「疾病資料庫」既可對三維之腦部整體之核醫學影像進行加算平均而得，亦可對特定腦部位之核醫學影像進行加算而得。根據實施例，亦可僅對1個或複數個特定之二維切片之核醫學影像進行加算平均而得。
又，「疾病資料庫」亦可與特定之放射性藥劑建立關聯而作成。例如，於使用SPECT使腦血流影像化之情形時，作為放射性藥劑，大多使用123
I或99 m
Tc。作為放射性藥劑，可列舉：鹽酸N-異丙基-4-碘安非他命(4-iodo-N-isopropylamphetamine hydrochloride)(123
I-IMP)、依沙美肟鎝(Exametazime Technetium)(99m
Tc-HMPAO)或[N,N'-伸乙基二-L-半胱胺酸二乙酯(3-)]側氧基鎝(N,N'-ethylenedi-L-cysteinate(3-)oxotechnetium(99m
Tc) diethylester)(99m
Tc-ECD)。「疾病資料庫」應由使用相同放射性藥劑所得之複數個核醫學影像而作成。又，「疾病資料庫」亦可包含所使用之放射性藥劑的相關資訊。
根據實施例，「疾病資料庫」亦可自使患者執行特定任務所得之核醫學影像而作成。根據實施例，「疾病資料庫」亦可與特定之性別、年齡(範圍)、特定之攝像裝置關聯而作成。
「疾病資料庫」較佳係按成為解析對象之每種疾病而作成。較佳為按每種疾病個別作成疾病資料庫，例如DLB用、例如AD用。
「疾病資料庫」係自具有特定疾病之患者之核醫學影像而作成，故作成疾病資料庫時，首先需要篩選具有此種疾病之患者，此類篩選方法為已知者。例如，存在MMSE(Mini-Mental State Examination，簡易智能狀態測驗)等用於認知功能篩選之著名測試，已知於AD與DLB•PD中，得分之表現方式不同。又，亦可藉由積累經驗之放射攝影讀取人員判讀核醫學影像之放射攝影而分辨出各種腦部疾病。例如於AD中，可觀察頂葉、後聯合區、後部扣帶迴、楔前葉之血流減少，於DLB中，可觀察枕葉、初級視覺皮質、頂葉之血流減少，於PSP中，可觀察額葉、前部扣帶迴之血流減少。利用此種習知之鑑別方法，篩選具有特定腦部疾病之患者，並收集該等患者之腦核醫學影像，從而可作成疾病資料庫。
根據實施形態，「疾病資料庫」除了包含針對各像素之像素平均值及偏差外，亦可包含與原核醫學影像關聯之疾病名、放射性藥劑、性別、年齡(範圍)、核醫學影像之數量、區域、切片編號、任務等資訊中之1個或複數個。
繼而，對本發明之解析對象即「判定對象資料」進行說明。該資料係核醫學影像。例如係PET影像或SPECT影像。「判定對象資料」用於與上述「疾病資料庫」進行比較，故而較理想為使用與該疾病資料庫相同之放射性藥劑而作成之核醫學影像。於被比較之疾病資料庫與特定之性別、年齡範圍、任務等建立關聯之情形時，較理想為「判定對象資料」亦為具有相同屬性之資料。
其次，使用圖2，對本案所揭示之新增處理之例、即提供有無疾病的相關資訊之處理200之流程進行說明。處理200例如可為藉由使CPU 102執行配準程式120、一致度計算程式122、資訊輸出程式124等而由系統100執行的處理。
步驟202表示處理開始。於步驟204中，自輔助記憶裝置106載入疾病資料庫(例如疾病資料庫130)。然後，於步驟206中，自輔助記憶裝置106載入判定對象資料(例如判定對象資料140)。於步驟208中，在疾病資料庫130與判定對象資料140之間進行配準(co-registration)。即，於疾病資料庫130與判定對象資料140之間，使腦部之朝向、大小、位置在三維上吻合。藉由進行該處理，容易比較該等2個資料。例如，可針對每個像素而計算像素值之差。通常係使判定對象資料140中表現之腦部之大小、位置、朝向與疾病資料庫130所表現之腦部一致。
亦可為藉由使CPU 102執行配準程式120而由系統100執行之處理。由於進行配準處理之程式已經為可獲得者，故而亦可利用此種程式來安裝配準程式120。
於步驟300中，計算結束配準處理後之判定對象資料140與疾病資料庫130之一致度。
該一致度可使用各種值。例如，亦可將該等2個資料之相關係數作為一致度。相關係數例如可藉由如下方式計算。
於上式中，r係相關係數，xi係判定對象資料140之第i個像素之像素值，yi係疾病資料庫130之第i個像素之像素值。
一致度除了可使用相關係數以外，亦可使用組內相關係數或MSE(Mean-Square Error，均方誤差)、SSIM(Structural SIMillarity，結構相似度)等。
根據實施形態，上述一致度可以於判定對象資料140與疾病資料庫130之間，基於對應像素之像素值之差與疾病資料庫130所具有之該像素之偏差之值來計算。
例如，疾病資料庫130針對第i個像素具有像素值xi
與標準偏差σi
。又，(配準處理後之)判定對象資料140同樣地針對第i個像素具而有像素值x'i
。此時，亦可將該等2個資料之組內相關係數作為一致度。上述一致度C例如亦可藉由如下方式計算。
於該情形時，C越小，判定對象資料140與疾病資料庫130越一致。
根據實施例，亦可計算|xi
-x'i
|小於σi
之像素數，並將其除以總像素數後所得之值作為一致度C。於該情形時，C越大，判定對象資料140與疾病資料庫130越一致。
此外，根據實施例，亦可計算各種「一致度」。
又，根據實施例，「一致度」可使用判定對象資料140與疾病資料庫130之所有像素進行計算。根據實施例，「一致度」亦可僅使用與特定之腦部位對應之像素進行計算。根據實施例，「一致度」亦可僅使用與特定之切片對應之像素進行計算。
於步驟302中，基於步驟300之計算結果，輸出有無疾病的相關資訊。例如，可將步驟300中計算出之一致度直接以數值形式輸出至畫面，亦可將該一致度儲存至輔助記憶裝置106。根據實施形態，亦可基於步驟300中計算出之一致度，將「有疾病之可能性」等判斷結果輸出至畫面。
步驟304表示處理結束。
[第1實施例]
繼而，介紹本發明之更具體之實施例。
於第1實施例中，使用與分別不同之疾病對應之5個疾病資料庫，輸出患有各疾病之可能性。於圖1之例中，作為疾病資料庫，表示了3個疾病資料庫130、132、134，但應理解於本實施例中係將5個疾病資料庫儲存於大容量記憶裝置106等中。
本實施例中，該等5個疾病資料庫分別對應於AD、DLB、PSP、CBD、PD。並且，於判定對象資料140與該等5個疾病資料庫之各者之間計算一致度。針對AD計算出一致度為10，針對DLB計算出一致度為7，針對PSP計算出一致度為8，將結果以數值與雷達圖之形式輸出。將該輸出之例示於圖3。
該實施例中，一致度越高，存在該疾病之可能性越高。即，該例中，表示判定對象資料140係自AD患者作成之核醫學影像資料的可能性較高。
根據實施例，亦可藉由柱狀圖表示結果。例如，亦可按照一致度之值從大到小的順序，將與各疾病資料庫之一致度以柱狀圖顯示。亦可使用其他顯示形態。
[第2實施例]
於第2實施例中，使用3個疾病資料庫。其等均為自AD(阿茲海默症)患者作成之資料庫。但是，該等資料庫係藉由聚類分析而自顯示分別屬於不同聚類之AD患者作成的資料庫。本實施例中，進而亦使用健康者之資料庫。
於該等3個疾病資料庫及健康者資料庫、與5個判定對象資料之間計算一致度，並將結果以雷達圖的形式輸出。將該輸出之例示於圖4。
詳細說明圖4之前，對作成第2實施例中使用之疾病資料庫的方法進行詳細說明。該等3個疾病資料庫係使用對31名AD患者藉由相同機型拍攝之腦血流SPECT影像而作成。首先，將所有腦血流SPECT影像藉由NEUROSTAT/3D-SSP(以下稱為3D-SSP)處理而轉換成標準腦。繼而，對轉換後之31組腦血流SPECT影像之全體進行立體定向抽取估計(SEE，Stereotactic Extraction Estimation)解析，針對31組之各者，計算腦部之每個局部區域中，Z-score未滿0之像素之數projection、Z-score未滿0之像素之Z-score之平均值mean、以及projection與mean之積Pro*mean。然後，使用SPSS ver.25對該等資料進行聚類分析。
將聚類分析之結果示於圖5。如圖5所示，特定出3個聚類(分別表示為AD聚類1、AD聚類2、AD聚類3)。因此，將轉換為標準腦後之上述31組腦血流SPECT影像按每個聚類進行加算平均，作成各像素具有平均像素值及標準偏差之影像資料，並作為與各聚類對應之疾病資料庫。
作為健康者資料庫，使用9300N2_SC-AC+070_10。
第2實施例中使用之「一致度」係以如下方式計算。
步驟1：將判定對象資料轉換為標準腦。
步驟2：針對判定對象資料之各像素，使用疾病資料庫之對應像素之資料而計算Z-score。
步驟3：於判定對象資料中，針對腦部之各局部區域，計算Z-score未滿0之像素之數projection、Z-score未滿0之像素之Z-score之平均值mean、以及上述projection與上述mean之積Pro*mean。
步驟4：藉由下式定義並計算一致度。
一致度=(1－v2/v1)×100(%)
此處，
v1係所有局部區域之projection之總和之2倍，
v2係所有局部區域之Pro*mean之總和。
再者，於上式中，v1係與判定對象資料中之Z-score未滿0之像素之總數之2倍相同的值，v2係與Z-score未滿0之像素之Z-score之總和相同的值。
上述步驟1例如可使用3D-SSP進行。步驟2例如亦可使用3D-SSP進行。步驟2及3例如可藉由SEE解析進行。
又，上述步驟3中使用之局部區域有如下9個。
額葉(Frontal Lobe)
頂葉(Parietal Lobe)
顳葉(Temporal Lobe)
枕葉(Occipital Lobe)
大腦邊緣葉(Limbic Lobe)
中腦(Midbrain)
橋腦(Pons)
前葉(Anterior Lobe)
後葉(Posterior Lobe)
可藉由SEE解析，將判定對象資料之各像素分類至該等9個局部區域中之任一者。
作成上述疾病資料庫時使用之局部區域亦係該等9個局部區域。
其次，詳細說明圖4之雷達圖。圖4之上段左端之以雷達圖顯示一致度之判定對象資料係藉由圖5中說明之聚類分析而特定為包含在AD聚類1的腦血流SPECT影像之一。該腦血流SPECT影像係於圖5中顯示為05AD之受驗者之腦血流SPECT影像。
參照圖4之上段左端之雷達圖，可知一致度最高之資料庫係AD聚類1之疾病資料庫，一致度最低之資料庫係健康者資料庫(NDB)。因此，該受驗者之腦血流分佈與健康者之腦血流分佈差異最大，可認為最接近AD聚類1之腦血流分佈。
圖4之上段中央之以雷達圖顯示一致度之判定對象資料係藉由圖5中說明之聚類分析而特定為包含在AD聚類2的腦血流SPECT影像之一。該腦血流SPECT影像係於圖5中顯示為02AD之受驗者之腦血流SPECT影像。
參照圖4之上段中央之雷達圖，可知一致度最高之資料庫係AD聚類2之疾病資料庫，一致度最低之資料庫係健康者資料庫(NDB)。因此，該受驗者之腦血流分佈與健康者之腦血流分佈差異最大，可認為最接近AD聚類2之腦血流分佈。
圖4之上段右端之以雷達圖顯示一致度之判定對象資料係藉由圖5中說明之聚類分析而特定為包含在AD聚類3的腦血流SPECT影像之一。該腦血流SPECT影像係於圖5中顯示為17AD之受驗者之腦血流SPECT影像。
參照圖4之上段右端之雷達圖，可知一致度最高之資料庫係AD聚類3之疾病資料庫，一致度最低之資料庫係健康者資料庫(NDB)。因此，該受驗者之腦血流分佈與健康者之腦血流分佈差異最大，可認為最接近AD聚類3之腦血流分佈。
於圖4之下段顯示有2個雷達圖。由該等2個雷達圖顯示一致度之判定對象資料兩者均係與一般AD之腦血流分佈不同的受驗者之腦血流SPECT影像。
參照圖4之下段左側之雷達圖，任一疾病資料庫均顯示為一致度接近0或為0以下。右側之雷達圖亦表示同樣之結果。因此，可認為圖4之下段之雷達圖中解析之2名受驗者均存在至少未患有屬於AD聚類1〜3之類型之AD的可能性。
以上，使用較佳之實施例對本發明進行了詳細說明，但上述說明及隨附圖式並非意圖限定本發明之範圍，反而係為了滿足法律要求而提示者。本發明之實施形態除了此處介紹者以外，亦存在各種變化。說明書或圖式所示之各種數值均為例示，該等數值並不意圖限定發明之範圍。說明書或圖式中介紹之各種實施例所含之各特徵並非僅可與直接記載包含此特徵之實施例一起使用，於此處說明之其他實施例、未說明之各種具現化例中亦可組合使用。特別是，由流程圖所介紹之處理順序，並非必須按照介紹之順序執行，亦可根據實施者之喜好或必要性調換順序或並行地同時執行，或者進而將複數個區塊安裝成一體不可分割，或者安裝成作為適當的循環而執行。該等變化均包含於本說明書所揭示之發明範圍內，發明範圍並不受到處理之安裝形態限定。請求項中決定之處理之記載順序亦並非決定處理之必須順序，例如處理順序不同之實施形態、包含循環而執行處理之實施形態等亦包含於請求項之發明之範圍內。
進而，例如一致度計算程式122、資訊輸出程式124之實施形態中，可包含單一程式之形態、或由複數個獨立程式構成之程式群之形態。該等2個程式可根據實施形態而作為單一程式被提供。根據實施形態，以亦包含配準程式120之形態提供。如習知般，程式之安裝形態為各種各樣，其等所有變化均包含於本說明書所揭示之發明之範圍內。
100:系統
102:CPU
104:主記憶裝置
106:大容量記憶裝置(輔助記憶裝置)
107:顯示器介面
108:周邊機器介面
109:網路介面
110:作業系統(OS)
120:配準程式
122:一致度計算程式
124:資訊輸出程式
130,132,134:疾病資料庫
140:判定對象資料
200:處理
圖1係用以說明可實施本發明之系統之硬體構成之圖。
圖2表示本說明書揭示之新增處理之例。
圖3表示第1實施例之結果輸出之例。
圖4表示第2實施例之結果輸出之例。
圖5係用以說明第2實施例中使用之疾病資料庫之作成方法之圖。
200:處理
Claims (13)
- 一種提供有無疾病的相關資訊之方法，其包含以下步驟： •讀取藉由核醫學之方法而獲得之判定對象資料； •讀取根據具有特定疾病之複數位患者之核醫學影像而作成之疾病資料庫； •計算上述判定對象資料與上述疾病資料庫之一致度；以及 •基於上述一致度，提供有無上述特定疾病的相關資訊。
- 如請求項1之方法，其中，上述疾病資料庫包含複數個像素，且針對各像素包含像素值、及與像素值之偏差相關的值。
- 如請求項1之方法，其中，於上述一致度較高之情形時，上述資訊表示上述判定對象資料係根據患有上述特定疾病之受驗者而作成的可能性較高。
- 如請求項1之方法，其中，上述疾病係腦部疾病，上述核醫學影像係腦血流影像。
- 如請求項1之方法，其中，包含以下步驟： •讀取與分別不同的複數種疾病對應之複數個疾病資料庫；以及 •針對上述複數個疾病資料庫之各者，計算與上述判定對象資料之一致度，藉此針對上述複數種疾病之各者而提供有無該疾病的相關資訊。
- 如請求項1之方法，其中，包含以下步驟： •讀取與同一疾病之不同類型分別對應之複數個疾病資料庫；以及 •針對上述複數個疾病資料庫之各者，計算與上述判定對象資料之一致度。
- 如請求項1之方法，其中，使用雷達圖來顯示上述一致度。
- 如請求項1之方法，其中，上述一致度係相關係數或組內相關係數。
- 如請求項1之方法，其中，上述一致度係於上述判定對象資料與上述疾病資料庫之間，基於對應像素之像素值之差及與上述偏差相關之值而計算。
- 如請求項1之方法，其中，包含以下步驟： 針對上述判定對象資料之各像素，使用上述疾病資料庫之對應像素之資料計算Z-score； 針對腦部之各局部區域，計算Z-score未滿0之像素之數projection、Z-score未滿0之像素之Z-score之平均值mean、及上述projection與上述mean之積Pro*mean；以及 基於式1－v2/v1而計算上述一致度； 此處， v1係所有上述局部區域之上述projection之總和之2倍， v2係所有上述局部區域之上述Pro*mean之總和。
- 如請求項1之方法，其中，包含以下步驟： 針對上述判定對象資料之各像素，使用上述疾病資料庫之對應像素之資料計算Z-score；以及 基於式1－v2/v1而計算上述一致度； 此處， v1係Z-score未滿0之像素之總數之2倍， v2係Z-score未滿0之像素之Z-score之總和。
- 一種電腦程式，其具備程式指令，該程式指令構成為，當被裝置之處理手段執行時，使上述裝置執行請求項1至11中任一項之方法。
- 一種裝置，其係具備處理手段及記憶手段者；上述記憶手段儲存程式指令，上述程式指令構成為，當被上述處理手段執行時，使上述裝置執行請求項1至11中任一項之方法。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019-201097 | 2019-11-06 | ||
| JP2019201097 | 2019-11-06 | ||
| JP2020-154622 | 2020-09-15 | ||
| JP2020154622A JP2021076585A (ja) | 2019-11-06 | 2020-09-15 | 疾患データベースとの関連性を用いた診断補助技術 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TW202127468A true TW202127468A (zh) | 2021-07-16 |
Family
ID=75898742
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| TW109136579A TW202127468A (zh) | 2019-11-06 | 2020-10-22 | 提供有無疾病的相關資訊之方法、電腦程式及裝置 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP2021076585A (zh) |
| KR (1) | KR20210054982A (zh) |
| TW (1) | TW202127468A (zh) |
-
2020
- 2020-09-15 JP JP2020154622A patent/JP2021076585A/ja active Pending
- 2020-10-21 KR KR1020200136488A patent/KR20210054982A/ko unknown
- 2020-10-22 TW TW109136579A patent/TW202127468A/zh unknown
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021076585A (ja) | 2021-05-20 |
| KR20210054982A (ko) | 2021-05-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5243865B2 (ja) | 脳疾患診断システム | |
| JP4162242B2 (ja) | 画像診断支援システム | |
| US8170347B2 (en) | ROI-based assessment of abnormality using transformation invariant features | |
| JP4824321B2 (ja) | 画像データの解析システム、方法及びコンピュータプログラム | |
| BRPI0806785A2 (pt) | ferramentas para auxiliar no diagnóstico de doenças neurodegenerativas | |
| EP2747658B1 (en) | Method to compute and present brain amyloid in gray matter | |
| JP5367066B2 (ja) | 代替正常脳データベース生成装置 | |
| EP2312337A1 (en) | Technique for detecting cranial nerve disease | |
| Kuceyeski et al. | The generation and validation of white matter connectivity importance maps | |
| US11978208B2 (en) | Trained model, learning method, learning program, medical information acquisition device, medical information acquisition method, and medical information acquisition program | |
| JP5107538B2 (ja) | 画像診断支援システム及び方法 | |
| Yoder | Basic PET data analysis techniques | |
| US8396266B2 (en) | Characterisation of functional medical image scans | |
| JP4685078B2 (ja) | 画像診断支援システム | |
| Li et al. | Alteration of the individual metabolic network of the brain based on jensen-shannon divergence similarity estimation in elderly patients with type 2 diabetes mellitus | |
| JP6821036B2 (ja) | 医用画像処理装置、方法およびプログラム | |
| JP2006158791A (ja) | 頭蓋内容積および局所脳構造物解析プログラム、記録媒体および頭蓋内容積および局所脳構造物解析方法 | |
| JP2004239782A (ja) | 脳画像データ処理システム、方法、プログラムおよび記録媒体 | |
| TW202127468A (zh) | 提供有無疾病的相關資訊之方法、電腦程式及裝置 | |
| US11335465B2 (en) | Information output apparatus, information output method, and information output program | |
| CN112768054A (zh) | 利用与疾病数据库的关联性的诊断辅助技术 | |
| WO2019003749A1 (ja) | 医用画像処理装置、方法およびプログラム | |
| JP2019045193A (ja) | 画像処理方法、画像処理装置、およびプログラム | |
| US11424022B2 (en) | Method for processing brain images | |
| Evans | Large-scale morphometric analysis of neuroanatomy and neuropathology |