WO2010026791A1 - 画像診断支援装置 - Google Patents

画像診断支援装置 Download PDF

Info

Publication number
WO2010026791A1
WO2010026791A1 PCT/JP2009/054625 JP2009054625W WO2010026791A1 WO 2010026791 A1 WO2010026791 A1 WO 2010026791A1 JP 2009054625 W JP2009054625 W JP 2009054625W WO 2010026791 A1 WO2010026791 A1 WO 2010026791A1
Authority
WO
WIPO (PCT)
Prior art keywords
abnormal shadow
image
shadow candidate
patient
support apparatus
Prior art date
Application number
PCT/JP2009/054625
Other languages
English (en)
French (fr)
Inventor
慎介 勝原
淳 坂本
Original Assignee
コニカミノルタエムジー株式会社
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 コニカミノルタエムジー株式会社 filed Critical コニカミノルタエムジー株式会社
Publication of WO2010026791A1 publication Critical patent/WO2010026791A1/ja

Links

Images

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
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10116—X-ray image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Definitions

  • the present invention relates to an image diagnosis support apparatus.
  • doctors display medical images generated in modalities such as CR (Computed Radiography), FPD (Flat Panel Detector), CT (Computed Tomography), and MRI (Magnetic Resonance Imaging) devices. Interpretation diagnosis is performed to observe the state of lesions and changes over time.
  • CR Computer Radiography
  • FPD Fluorescence Detector
  • CT Computer Tomography
  • MRI Magnetic Resonance Imaging
  • Patent Document 1 has a plurality of detection algorithms so that an abnormal shadow candidate detection algorithm can be selected according to the type and detection purpose of abnormal shadow candidates.
  • a diagnostic imaging support apparatus is described.
  • Patent Document 2 describes a technique for changing processing conditions in abnormal shadow candidate detection processing according to a difference in imaging conditions.
  • An object of the present invention is to improve the detection accuracy of abnormal shadow candidates in a medical image by setting parameters when detecting abnormal shadow candidates based on patient information.
  • an image diagnosis support apparatus comprises: An abnormal shadow candidate detecting means for detecting an abnormal shadow candidate from a medical image; Patient information acquisition means for acquiring patient information of a patient of a medical image to be detected by the abnormal shadow candidate detection means from a storage device that stores patient information; Parameter setting means for setting parameters used in the abnormal shadow candidate detection means based on the acquired patient information; Is provided.
  • the parameter setting means sets parameters used in the abnormal shadow candidate detection means based on the gender included in the patient information of the patient.
  • the medical image is a chest image;
  • the parameter setting means preliminarily sets a threshold value of an image feature amount used for detection of an abnormal shadow candidate existing in a lower lung region in the abnormal shadow candidate detection means. It is preferable to set so as to be different from a predetermined threshold value.
  • the parameter setting means has a predetermined contrast threshold used for detecting an abnormal shadow candidate existing in a lower lung field region in the abnormal shadow candidate detecting means.
  • the threshold value is set lower than the threshold value, and the standard deviation threshold value is set higher than a predetermined threshold value.
  • the parameter setting means sets parameters used in the abnormal shadow candidate detection means based on the age included in the patient information of the patient.
  • the medical image is a chest image;
  • the parameter setting unit sets a threshold value of an image feature amount used for detection of an abnormal shadow candidate existing in a lung field region by the abnormal shadow candidate detection unit. It is preferable to set so as to be different from a predetermined threshold value.
  • the parameter setting means predetermines a contrast threshold value used in the abnormal shadow candidate detection means for detecting an abnormal shadow candidate existing in a lung field region. It is preferable to set it lower than the threshold value.
  • the parameter setting means sets parameters used in the abnormal shadow candidate detection means based on the body temperature included in the patient information of the patient.
  • the medical image is a chest image;
  • the parameter setting unit preliminarily sets a threshold value of an image feature amount used for detection of an abnormal shadow candidate existing in a tracheal region by the abnormal shadow candidate detection unit. It is preferable to set so as to be different from a predetermined threshold value.
  • the parameter setting means When the body temperature included in the patient information of the patient is equal to or higher than a predetermined value, the parameter setting means has a predetermined contrast threshold used for detecting an abnormal shadow candidate existing in the tracheal region in the abnormal shadow candidate detecting means. It is preferable to set it lower than the threshold value.
  • the parameter setting means sets parameters used in the abnormal shadow candidate detection means based on an inquiry result included in the patient information of the patient.
  • the medical image is a chest image;
  • the parameter setting unit preliminarily sets a threshold value of an image feature amount used for detection of an abnormal shadow candidate existing in a lung field region by the abnormal shadow candidate detection unit. It is preferable to set so as to be different from a predetermined threshold value.
  • the parameter setting means is configured to determine in advance a contrast threshold value used for detection of an abnormal shadow candidate existing in a lung field region in the abnormal shadow candidate detection means when the inquiry result included in the patient information of the patient is pneumonia. It is preferable to set it lower than the threshold value.
  • parameters for detecting abnormal shadow candidates are set based on patient information, so that the accuracy of detecting abnormal shadow candidates in medical images can be improved.
  • FIG. 1 It is a figure which shows the function structural example of the system in a hospital in embodiment of this invention. It is a figure which shows the example of data storage of electronic medical chart information DB of FIG. It is a block diagram which shows the functional structure of the image diagnosis assistance apparatus of FIG. It is a flowchart which shows the diagnostic assistance process performed by CPU of FIG. It is a figure which shows the data storage example of the parameter setting table memorize
  • FIG. 1 shows a system configuration of the hospital system 100.
  • the in-hospital system 100 includes a modality 10, an image management server 20, an image diagnosis support device 30, an electronic medical record input device 40, and the like.
  • Each device has a local area network (LAN), Data is transmitted and received via a communication network N formed of a communication line such as a WAN (Wide Area Network).
  • LAN local area network
  • N Wide Area Network
  • Each device constituting the in-hospital system 100 conforms to the DICOM (Digital Image and Communications in Medicine) standard, and communication between the devices is performed according to DICOM.
  • DICOM Digital Image and Communications in Medicine
  • the number of each device is not particularly limited.
  • the modality 10 captures a part of the patient to be examined, digitally converts the captured image, generates a medical image, and outputs the medical image to the image management server 20.
  • the modality 10 includes, for example, a CR device, an FPD device, and the like.
  • the image management server 20 is a computer device that accumulates, stores, and manages image data of medical images generated by the modality 10 and incidental information related to medical images.
  • the image management server 20 includes a storage unit 25 configured by a hard disk or the like.
  • the storage unit 25 stores a medical image DB (Data Base) 251.
  • the medical images stored in the medical image DB 251 are stored in a DICOM file format that conforms to the DICOM standard.
  • the DICOM file is composed of an image part and a header part. Actual data of the medical image is written in the image portion, and supplementary information related to the medical image is written in the header portion.
  • the medical image DB 251 has a medical image management table that stores supplementary information of medical images, and stores medical images so as to be searchable.
  • the incidental information includes, for example, patient information, examination information, and detailed image information.
  • the patient information includes patient identification information for identifying the patient (for example, patient ID), various information related to the patient of the medical image such as the patient's name, sex, date of birth, and the like.
  • the examination information includes examination identification information (for example, examination ID) for identifying the examination, examination date, modality type, examination site, and various types of information related to the examination such as a doctor in charge.
  • the detailed image information includes various information related to the medical image such as an image ID, an image generation time, and a file path name indicating a storage location of the medical image.
  • the image management server 20 stores the received medical image in the medical image DB 251 and registers the incidental information in the medical image management table.
  • the storage unit 25 of the image management server 20 includes an electronic medical record information DB 252 that stores electronic medical record information input from the electronic medical record input device 40.
  • FIG. 2 shows an example of data storage in the electronic medical record information DB 252.
  • the electronic medical record information DB 252 stores patient information for each item such as patient ID, name, sex, age, weight, height, body temperature, medical examination result, and entry date.
  • the image diagnosis support apparatus 30 is an apparatus that detects abnormal shadow candidates from medical images acquired from the image management server 20. The detailed configuration of the image diagnosis support apparatus 30 will be described later.
  • the electronic medical record input device 40 is a device for inputting electronic medical record information such as patient information and an inquiry result.
  • FIG. 3 shows a functional configuration of the image diagnosis support apparatus 30.
  • the diagnostic imaging support apparatus 30 includes a CPU 31, an operation unit 32, a display unit 33, a communication unit 34, a RAM 35, a storage unit 36, and the like, and each unit is connected by a bus 37.
  • the CPU 31 reads out the system program stored in the storage unit 36 and various processing programs for executing the diagnosis support processing shown in FIG. 4, develops it in a work area formed in the RAM 35, and controls each unit according to the program. To do.
  • the operation unit 32 includes a keyboard having cursor keys, numeric input keys, various function keys, and the like, and a pointing device such as a mouse, and sends an instruction signal input to the CPU 31 by key operation or mouse operation on the keyboard. Output.
  • the display unit 33 is configured by a monitor such as an LCD (Liquid Crystal Display) or a CRT (Cathode Ray Tube), and displays various screens, medical images, and the like according to instructions of a display signal input from the CPU 31.
  • a monitor such as an LCD (Liquid Crystal Display) or a CRT (Cathode Ray Tube)
  • LCD Liquid Crystal Display
  • CRT Cathode Ray Tube
  • the communication unit 34 includes a LAN adapter, a router, a TA (Terminal Adapter), and the like, and transmits and receives data to and from each device connected to the communication network N.
  • the RAM 35 temporarily stores various programs, input or output data, parameters, and the like read from the storage unit 36 in various processes controlled and executed by the CPU 31.
  • the storage unit 36 includes an HDD (Hard Disc Drive), a semiconductor nonvolatile memory, or the like.
  • the storage unit 36 is a system program executed by the CPU 31, various programs for performing various processes including a diagnosis support process and an abnormal shadow candidate detection process, and data necessary for executing these programs (for example, FIG. 5).
  • Various programs are stored in the storage unit 36 in the form of computer-readable program code, and the CPU 31 sequentially executes operations according to the program code.
  • FIG. 4 shows a flow of diagnosis support processing in the image diagnosis support apparatus 30.
  • the process shown in FIG. 4 is realized by the cooperation of the CPU 31 and the diagnosis support processing program stored in the storage unit 36.
  • a medical image (hereinafter referred to as a medical image Sa) that is a detection target of an abnormal shadow candidate is acquired from the image management server 20 (step S1). Specifically, when a medical image Sa that is a detection target of an abnormal shadow candidate is selected from the medical image list screen displayed on the display unit 33 by the operation of the operation unit 32, a request for acquiring the medical image Sa is transmitted to the communication unit. 34 to the image management server 20.
  • the image management server 20 when the acquisition request for the medical image Sa is received, the requested medical image Sa is read from the medical image DB 251 and transmitted to the image diagnosis support apparatus 30.
  • the diagnostic imaging support apparatus 30 the medical image Sa transmitted from the image management server 20 is received and acquired by the communication unit 34.
  • the acquired medical image Sa is stored in the RAM 35.
  • step S2 electronic medical record information of a patient ID that matches the patient ID attached to the medical image Sa is acquired from the image management server 20 (step S2). Specifically, a patient ID is transmitted to the image management server 20, and an acquisition request for electronic medical record information in which the patient ID matches the patient ID is transmitted.
  • electronic medical record information in which the received patient ID matches the patient ID is read from the electronic medical record DB 252 and transmitted to the image diagnosis support apparatus 30.
  • the electronic medical record information with the latest “entry date” is read and transmitted.
  • the electronic medical record information transmitted from the image management server 20 is received and acquired by the communication unit 34.
  • the acquired electronic medical chart information is stored in the RAM 35.
  • parameters used in the subsequent abnormal shadow candidate detection process are set based on the acquired electronic medical chart information (step S3).
  • various parameters used in the abnormal shadow candidate detection process are determined in advance and stored in the storage unit 36.
  • detection may not be performed with high accuracy using predetermined parameters. For example, if the patient is a woman, in the medical image taken of the chest, the breast is reflected in the lower lung area, so the density of the lower lung area is low, and the contrast between the abnormal shadow and the lung field is normal (here, Lower than male). Therefore, when the patient is a woman, if the contrast threshold used in the abnormal shadow candidate detection process is set to a predetermined threshold, the abnormal shadow candidate may not be detected with high accuracy.
  • the contrast threshold used in the abnormal shadow candidate detection process is set to a predetermined threshold, the abnormal shadow candidate may not be detected accurately. is there.
  • parameters used in the abnormal shadow candidate detection process are set based on the electronic medical record information.
  • the parameter setting is performed with reference to a parameter setting table 361 stored in the storage unit 36.
  • FIG. 5 shows an example of the parameter setting table 361 used when the examination site of the medical image Sa is the chest.
  • the parameter setting table 361 the contents of the electronic medical record information, which is a parameter change condition, are stored in association with the area where the parameter should be changed, the type of parameter to be changed, and the amount of change when the contents correspond to the contents. Has been. Specifically, as shown in FIG.
  • the “item” indicating the item of the electronic medical record information related to the parameter change, the “condition” indicating the content corresponding to the parameter change condition in the item, and the parameter are changed.
  • a “change area” indicating the image area to be changed, a “change parameter” indicating the type of the parameter to be changed, and a “change amount” indicating the parameter change amount are stored in association with each other.
  • the contrast threshold and the standard deviation threshold, which are parameters shown in FIG. 5, are parameters used in the false positive deletion step of the abnormal shadow candidate detection process described later.
  • the change amount of each parameter in the parameter setting table 361 is a value obtained experimentally and empirically. For example, when the content of the “sex” item is “female”, the amount of change in the contrast threshold is calculated as follows. First, true positive and false positive shadow images existing in the lower lung region of a woman are accumulated, and the contrast of each of the true positive and false positive shadows is calculated. The calculation of contrast will be described later. Next, a contrast is calculated such that the ratio of the Mahalanobis distance from the true positive group to the Mahalanobis distance from the false positive group when the contrast is a variable is 1. This contrast value is determined as a contrast threshold used for the lower lung region in the abnormal shadow candidate detection process. Then, the amount of change is calculated based on the difference between the determined threshold and a predetermined threshold. The change amounts of other change parameters are values calculated in the same manner.
  • step S3 the process of step S3 will be described.
  • the parameter setting table 361 is referred to, and the item (“age” in FIG. 5) specified first in the “item” of the parameter setting table 361 is searched from the electronic medical record information.
  • the “change area”, “change parameter”, and “change amount” associated with this “condition” are parameter setting tables.
  • the data is read from 361 and stored in the RAM 35.
  • each item defined in the parameter setting table 361 is sequentially searched from the electronic medical record information, and it is determined whether or not the content of the item corresponds to “condition”. If it is determined that the “condition” is met, the “change area”, “change parameter”, and “change amount” associated with the “condition” are read from the parameter setting table 361 and stored in the RAM 35. Is done.
  • the parameters are set based on the predetermined parameters stored in the storage unit 36, the change area, the type of change parameter, and the change amount stored in the RAM 35.
  • the above processing causes the RAM 35 to display “change area: lower lung field, change parameter: contrast threshold, change amount. : -9 "and" change area: lower lung field, change parameter: standard deviation threshold, change amount: +8 "are stored. Therefore, when the predetermined contrast threshold is 25 and the standard deviation threshold is 20, the contrast threshold of the lower lung field region is set to 16 and the standard deviation threshold is set to 28.
  • the above processing causes the RAM 35 to display “change area: lung field area, change parameter: contrast threshold, change Amount: ⁇ 3 ”is stored. Therefore, when the predetermined contrast threshold is 25, the contrast threshold of the lung field region is set to 22.
  • the above processing causes the RAM 35 to display “change area: trachea area, change parameter: contrast threshold, change amount. : -3 ”is stored. Therefore, when the predetermined contrast threshold is 25, the contrast threshold of the tracheal region is set to 22.
  • the RAM 35 stores “change area: lung field area, change parameter: contrast” by the above processing. “Threshold value, change amount: ⁇ 4” is stored. Accordingly, when the predetermined contrast threshold is 25, the contrast threshold of the lung field region is set to 21. When the change area and the change parameter overlap, the parameter with the larger amount of change is set with priority. For example, in the case of a woman over 65 years old, “contrast threshold: 16” is set in the lower lung region. In the other lung field regions, “contrast threshold value: 22” is set. Predetermined parameters are set for areas other than the change area and parameters other than the change parameter even in the change area. The set parameters are stored in the RAM 35.
  • step S4 an abnormal shadow candidate detection process is executed (step S4).
  • detection of an abnormal shadow candidate when the examination site is the chest will be described as an example of the process of step S4 of FIG.
  • an example of detecting a nodule-like shadow candidate from the lung field region will be described.
  • FIG. 6 shows a flow of abnormal shadow candidate detection processing executed in step S4.
  • the abnormal shadow candidate detection process is realized by the cooperation of the CPU 31 and the abnormal shadow candidate detection process program stored in the storage unit 36.
  • a lung field region is detected from the medical image Sa (step S101).
  • a technique described in Japanese Patent Application Laid-Open No. 2003-6661 can be used to extract the lung field region.
  • an extension direction-specific contour detection mask and an extension direction-specific edge detection mask in six different directions are used.
  • six images in which the contour extending in the direction corresponding to each contour detection mask is emphasized and three images in which the edge extending in the direction corresponding to each edge detection mask is emphasized are created from the medical image Sa.
  • the extension direction-specific contour detection mask is a mask for detecting a straight line extending in a specific angle direction.
  • the extension direction edge detection mask is a mask that detects edges extending in a specific angle direction and having a specific density gradient directionality.
  • the internal smoothed image of the chest is subjected to polar coordinate conversion around a reference point (a point that is substantially equidistant from the contour portion at the top of the lung field), and a template for detecting the contour of the rib cage in the obtained polar coordinate converted image (clinical)
  • the outline of the rib cage is detected by performing template matching using an average of a large number of cardio-thoracic rib contours obtained in a typical manner.
  • the lung field region is extracted by returning the detection result to the medical image Sa, performing spline interpolation and connecting with a closed curve.
  • the extraction of the lung field region is not limited to the above.
  • the horizontal direction and the vertical direction of the medical image Sa are sequentially scanned to create a signal value profile in each direction, and based on the inflection points in the profile.
  • a technique for extracting a lung field region can be used.
  • the extracted position information of the lung field region is stored in the RAM 35.
  • step S102 initial detection of abnormal shadow candidates in the lung region extracted from the medical image Sa is performed.
  • step S101 an example of detecting a nodular shadow candidate as an abnormal shadow candidate will be described (Shigehiko Katsurakawa: “Computer-Aided Diagnosis” radiology) Physics).
  • an image in which the contrast of the nodular shadow is enhanced by the matched filter and an image in which the contrast is attenuated by the smoothing filter are created from the medical image Sa, and a difference image is created by taking the difference between the corresponding pixel values of both. Is done.
  • the matched filter is designed so that, for example, the contrast-to-noise ratio of a nodular shadow having a diameter of 9 mm is maximized.
  • the difference image the contrast of a normal chest structure such as a rib is lowered, and the contrast of a nodular shadow is enhanced.
  • threshold processing is performed a plurality of times on the difference image.
  • the threshold processing is processing for converting a pixel value equal to or greater than a predetermined threshold to 1 and converting the others to 0 to binarize.
  • the threshold value is a value expressed by the area ratio of the histogram of the pixel values of the difference image.
  • the threshold processing is performed a plurality of times by changing the threshold in the upper 1% to 40% range of the histogram of the difference image.
  • the effective diameter is the diameter of a circle having the same area as the shadow area (indicated by S in FIG. 7), as indicated by D in FIG.
  • Equation 1 shows a formula for calculating the effective radius.
  • the circularity is a ratio of the area of the shadow (number of pixels, indicated by A in FIG. 7) included in the circle when a circle having the same area as the shadow area S is superimposed on the center of gravity of the shadow.
  • [Formula 2] shows a formula for calculating the circularity.
  • the degree of irregularity represents the degree of fraud of the edge of the shadow, and the ratio of the circumference of the circle (indicated by C in FIG. 7) to the length of the shadow (indicated by L in FIG. 7). It is a value obtained by subtracting from 1.
  • [Formula 3] shows a formula for calculating the degree of irregularity.
  • FIG. 8A shows a relationship between a change in threshold value in threshold processing and a change in effective radius of nodular shadow and blood vessel shadow extracted by the threshold processing.
  • FIG. 8B shows the relationship between the threshold value change in the threshold value process, the nodular shadow extracted by the threshold value process, and the change in the circularity of the pulmonary blood vessel.
  • 8A and 8B are graphs showing the results obtained based on experimental experience.
  • the effective radius of the nodular shadow changes gently with an increase in the threshold value, and maintains a relatively high degree of circularity, whereas the blood vessel shadow sharply increases at the threshold value of 16%.
  • step S103 When the initial detection of abnormal shadow candidates is completed, false positive candidates are deleted from the detected initial candidates (step S103).
  • the parameters of each area set in the RAM 35 are referred to.
  • processing for extracting the area is performed.
  • the lower lung field is extracted.
  • the breasts overlap in the lower lung field, so the density is lower than that of the surrounding lung fields. Therefore, the lower lung region can be extracted by the following method.
  • Next, for each ROI the difference in the average value of the pixel values from the ROI adjacent in the vertical direction is calculated. When the calculated difference exceeds a predetermined threshold value, a pixel located at the center in the vertical direction of the ROI is extracted as a boundary of the lower lung region.
  • the trachea region is extracted.
  • the tracheal region can be extracted using a known method.
  • a method of detecting an anatomical feature position using a plurality of artificial images representing the structure of a subject can be used.
  • a plurality of artificial images representing the trachea each of which is accompanied by the shape information of the trachea represented by the artificial image, is stored in the storage unit 36 in advance.
  • an artificial image having a structure that substantially matches the medical image Sa is selected from the stored artificial images, and the tracheal region in the medical image Sa is extracted based on the shape information attached to the selected artificial image. .
  • image feature amounts (contrast and standard deviation) are calculated for each of the initial candidate areas detected in step S102.
  • the contrast is calculated as follows. First, as shown in FIG. 9, a circle at a distance d3 from the center of gravity of the initial candidate region to one point on the edge is designated as the candidate edge. Next, an outer area and an inner area are set based on the distance d3. For example, as shown in FIG. 9, a circular region at a distance of 0.8d3 from the center of gravity is set as an inner region, and a region at a distance of 1.2d3 or more and a distance of 1.7d3 or less from the center of gravity is set as an outer region. Next, an average value of pixel values is calculated for each of the outer region and the inner region. Then, the difference between the average values is calculated. The difference between the average values is the contrast.
  • each initial candidate is a true positive candidate or false based on the parameters (contrast threshold and standard deviation threshold) set in the area where each initial candidate is located. It is determined whether or not it is a positive candidate. As a result of the determination, the initial candidate determined to be a true positive candidate is finally detected as an abnormal shadow candidate, and the position information is stored in the storage unit 36 in association with the image ID. Then, the abnormal shadow candidate detection process ends.
  • the detection result is displayed on the display unit 33 (step S5).
  • the medical image Sa is displayed on the display unit 33, and an annotation or the like is displayed at the position of the detected abnormal shadow candidate.
  • the diagnosis support process ends and the RAM 35 is released.
  • the electronic medical record information of the medical image that is the detection target of the abnormal shadow candidate is acquired from the image management server 20, and the abnormal shadow candidate process is performed based on the acquired electronic medical record information.
  • the parameters used in are the parameters used in.
  • the parameters for detecting abnormal shadow candidates are set based on the electronic medical record information such as the sex of the patient and the result of the inquiry, the detection accuracy of the abnormal shadow candidates in the medical image can be improved.
  • abnormal shadow candidates can be detected using parameters according to the patient's gender, improving detection accuracy.
  • the diagnostic imaging support apparatus 30 sets a contrast threshold used for detection of an abnormal shadow candidate existing in the lower lung region lower than a predetermined threshold, and sets a standard deviation threshold in advance. Since it is set higher than the threshold value, the detection accuracy can be improved.
  • the abnormal shadow candidate can be detected using the parameter according to the age of the patient, and the detection accuracy Can be improved.
  • the medical image is a chest image and the patient's age is greater than or equal to a predetermined age
  • the density of the entire lung field decreases and the contrast between the abnormal shadow and the surroundings decreases.
  • the diagnostic imaging support apparatus 30 sets the contrast threshold used for detecting abnormal shadow candidates to be lower than a predetermined threshold, so that the detection accuracy can be improved.
  • parameters for abnormal shadow candidates are set based on the body temperature included in the electronic medical record information of the patient, so that abnormal shadow candidates can be detected using parameters according to the patient's body temperature, and the detection accuracy Can be improved.
  • the medical image is a chest image and the patient's body temperature is equal to or higher than a predetermined value, the density of the trachea region decreases and the contrast between the abnormal shadow and the surroundings decreases.
  • the diagnostic imaging support apparatus 30 sets the contrast threshold used for detecting abnormal shadow candidates to be lower than a predetermined threshold, so that the detection accuracy can be improved.
  • the abnormal shadow candidates can be detected using parameters according to the patient's interview results. Detection accuracy can be improved. For example, when the medical image is a chest image and the patient has pneumonia, the density of the entire lung field decreases, and the contrast between the abnormal shadow and the surroundings decreases. In consideration of this feature, the diagnostic imaging support apparatus 30 sets the contrast threshold used for detecting an abnormal shadow candidate to be lower than a predetermined threshold, so that the detection accuracy of the abnormal shadow candidate can be improved.
  • the description content in the said embodiment is a suitable example of this invention, and is not limited to this.
  • the case where parameters used for abnormal shadow candidate detection are set based on the patient information of the electronic medical record information has been described as an example, but the patient information is not limited to that of the electronic medical record information.
  • Patient information incidental to medical images may be used.
  • an HDD or a semiconductor nonvolatile memory is used as a computer-readable medium of the program according to the present invention, but the present invention is not limited to this example.
  • a portable recording medium such as a CD-ROM can be applied.
  • a carrier wave is also applied as a medium for providing program data according to the present invention via a communication line.
  • the medical field it may be used as an image diagnosis support device for detecting abnormal shadow candidates from medical images.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

　患者情報に基づいて異常陰影候補検出時のパラメータを設定することで、医用画像における異常陰影候補の検出精度を向上させる。 　本発明に係る画像診断支援装置によれば、異常陰影候補の検出対象となる医用画像の電子カルテ情報を画像管理サーバから取得し、取得した電子カルテ情報に基づいて異常陰影候補処理において用いるパラメータを設定する。

Description

画像診断支援装置
　本発明は、画像診断支援装置に関する。
　医療の分野では、ＣＲ（Computed Radiography）装置、ＦＰＤ（Flat Panel Detector）装置、ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置等のモダリティにおいて生成された医用画像を表示して、医師が病変部の状態や経時変化を観察する読影診断が行われている。
　読影診断を支援するため、医用画像から異常陰影候補を検出する各種技術が提案されている。また、異常陰影候補の検出精度を向上させるため、例えば、特許文献１には、複数の検出アルゴリズムを保有し、異常陰影候補の種類や検出目的に応じて異常陰影候補検出アルゴリズムを選択できるようにした画像診断支援装置が記載されている。特許文献２には、撮影条件の差に応じて異常陰影候補検出処理における処理条件を変更する技術が記載されている。
　ところで、異常陰影候補の検出においては、偽陽性候補を削除する際のコントラスト閾値等、様々なパラメータが用いられている。従来、異常陰影候補の検出に用いられるパラメータは患者の性別、問診結果等に拘わらず一定である。
特開２００２－１１２９８６号公報 特開２００２－１９１５８５号公報
　しかしながら、例えば、胸部を撮影した医用画像においては、性別が女性である場合、肺野下部に乳房が写り込み異常陰影候補と周囲の肺野部とのコントラストが低くなる。そのため、偽陽性削除に用いるコントラスト閾値として周囲の肺野部と同じものを用いると、精度良く異常陰影候補が検出できないという問題があった。また、問診結果が肺炎である場合、肺野全体の濃度が低くなるため、正常時と同じコントラスト閾値を用いると、精度良く異常陰影候補が検出できないという問題があった。
　本発明の課題は、患者情報に基づいて異常陰影候補検出時のパラメータを設定することで、医用画像における異常陰影候補の検出精度を向上させることである。
　上記課題を解決するために、本発明の第１の側面によると、画像診断支援装置は、
　医用画像から異常陰影候補を検出する異常陰影候補検出手段と、
　患者情報を記憶する記憶装置から前記異常陰影候補検出手段の検出対象となる医用画像の患者の患者情報を取得する患者情報取得手段と、
　前記取得した患者情報に基づいて前記異常陰影候補検出手段において用いるパラメータを設定するパラメータ設定手段と、
　を備える。
　前記パラメータ設定手段は、前記患者の患者情報に含まれる性別に基づいて前記異常陰影候補検出手段において用いるパラメータを設定することが好ましい。
前記医用画像は、胸部画像であり、
　前記パラメータ設定手段は、前記患者の患者情報に含まれる性別が女性である場合、前記異常陰影候補検出手段において肺野下部領域に存在する異常陰影候補の検出に用いられる画像特徴量の閾値を予め定められた閾値と異ならせるように設定することが好ましい。
　前記パラメータ設定手段は、前記患者の患者情報に含まれる性別が女性である場合、前記異常陰影候補検出手段において肺野下部領域に存在する異常陰影候補の検出に用いられるコントラストの閾値を予め定められた閾値より低く設定し、標準偏差の閾値を予め定められた閾値より高く設定することが好ましい。
　前記パラメータ設定手段は、前記患者の患者情報に含まれる年齢に基づいて前記異常陰影候補検出手段において用いるパラメータを設定することが好ましい。
　前記医用画像は、胸部画像であり、
　前記パラメータ設定手段は、前記患者の患者情報に含まれる年齢が所定年齢以上である場合、前記異常陰影候補検出手段において肺野領域に存在する異常陰影候補の検出に用いられる画像特徴量の閾値を予め定められた閾値と異ならせるように設定することが好ましい。
　前記パラメータ設定手段は、前記患者の患者情報に含まれる年齢が所定年齢以上である場合、前記異常陰影候補検出手段において肺野領域に存在する異常陰影候補の検出に用いられるコントラストの閾値を予め定められた閾値より低く設定することが好ましい。
　前記パラメータ設定手段は、前記患者の患者情報に含まれる体温に基づいて前記異常陰影候補検出手段において用いるパラメータを設定することが好ましい。
　前記医用画像は、胸部画像であり、
　前記パラメータ設定手段は、前記患者の患者情報に含まれる体温が所定値以上である場合、前記異常陰影候補検出手段において気管領域に存在する異常陰影候補の検出に用いられる画像特徴量の閾値を予め定められた閾値と異ならせるように設定することが好ましい。
　前記パラメータ設定手段は、前記患者の患者情報に含まれる体温が所定値以上である場合、前記異常陰影候補検出手段において気管領域に存在する異常陰影候補の検出に用いられるコントラストの閾値を予め定められた閾値より低く設定することが好ましい。
　前記パラメータ設定手段は、前記患者の患者情報に含まれる問診結果に基づいて前記異常陰影候補検出手段において用いるパラメータを設定することが好ましい。
　前記医用画像は、胸部画像であり、
　前記パラメータ設定手段は、前記患者の患者情報に含まれる問診結果が肺炎である場合、前記異常陰影候補検出手段において肺野領域に存在する異常陰影候補の検出に用いられる画像特徴量の閾値を予め定められた閾値と異ならせるように設定することが好ましい。
　前記パラメータ設定手段は、前記患者の患者情報に含まれる問診結果が肺炎である場合、前記異常陰影候補検出手段において肺野領域に存在する異常陰影候補の検出に用いられるコントラストの閾値を予め定められた閾値より低く設定することが好ましい。
　本発明によれば、患者情報に基づいて異常陰影候補検出時のパラメータを設定するので、医用画像における異常陰影候補の検出精度を向上させることができる。
本発明の実施の形態における病院内システムの機能構成例を示す図である。 図１の電子カルテ情報ＤＢのデータ格納例を示す図である。 図１の画像診断支援装置の機能的構成を示すブロック図である。 図３のＣＰＵにより実行される診断支援処理を示すフローチャートである。 図３の記憶部に記憶されるパラメータ設定用テーブルのデータ格納例を示す図である。 図３のＣＰＵにより実行される異常陰影候補検出処理を示すフローチャートである。 図６の異常陰影候補検出処理において用いられる有効直径、円形度、不整度を説明するための図である。 図６の異常陰影候補検出処理において行われる閾値処理の閾値と有効半径の関係を示す図である。 図６の異常陰影候補検出処理において行われる閾値処理の閾値と円形度の関係を示す図である。 コントラストの算出方法を説明するための図である。
〔病院内システム１００の構成〕
　図１に、病院内システム１００のシステム構成を示す。
　図１に示すように、病院内システム１００は、モダリティ１０、画像管理サーバ２０、画像診断支援装置３０、電子カルテ入力装置４０等を含んで構成され、各装置は、ＬＡＮ（Local Area Network）やＷＡＮ（Wide Area Network）等の通信回線からなる通信ネットワークＮを介してデータ送受信可能に接続されている。病院内システム１００を構成する各装置は、ＤＩＣＯＭ（Digital Image and Communications in Medicine）規格に準じており、各装置間の通信は、ＤＩＣＯＭに則って行われる。なお、各装置の台数は、特に限定されない。
　モダリティ１０は、患者の検査対象の部位を撮影し、撮影した画像をデジタル変換して医用画像を生成し、画像管理サーバ２０に出力する。モダリティ１０は、例えば、ＣＲ装置、ＦＰＤ装置等が含まれる。
　画像管理サーバ２０は、モダリティ１０により生成された医用画像の画像データ、及び医用画像に関する付帯情報を蓄積記憶・管理するコンピュータ装置である。具体的に、画像管理サーバ２０は、ハードディスク等により構成される記憶部２５を有する。この記憶部２５は、医用画像ＤＢ（Data Base）２５１を記憶している。
　医用画像ＤＢ２５１において記憶される医用画像は、ＤＩＣＯＭ規格に則ったＤＩＣＯＭファイル形式で保存されている。ＤＩＣＯＭファイルは、画像部とヘッダ部とから構成される。画像部には医用画像の実データ、ヘッダ部に当該医用画像に関する付帯情報が書き込まれている。医用画像ＤＢ２５１は、医用画像の付帯情報を格納する医用画像管理テーブルを有し、医用画像を検索可能に格納する。
　付帯情報は、例えば、患者情報、検査情報、画像詳細情報を含んで構成されている。
　患者情報は、患者を識別するための患者識別情報（例えば、患者ＩＤ）、患者の名前、性別、生年月日等の医用画像の患者に関する各種情報が含まれる。
　検査情報は、検査を識別するための検査識別情報（例えば、検査ＩＤ）、検査日付、モダリティの種類、検査部位、担当医師等の検査に関する各種情報とが含まれる。
　画像詳細情報は、画像ＩＤ、画像生成時刻、医用画像の格納場所を示すファイルパス名等の医用画像に関する各種情報が含まれる。
　画像管理サーバ２０は、モダリティ１０から医用画像が受信されると、受信された医用画像を医用画像ＤＢ２５１に格納し、その付帯情報を医用画像管理テーブルに登録する。
　また、画像管理サーバ２０の記憶部２５は、電子カルテ入力装置４０から入力された電子カルテ情報を格納する電子カルテ情報ＤＢ２５２を有している。
　図２に、電子カルテ情報ＤＢ２５２のデータ格納例を示す。図２に示すように、電子カルテ情報ＤＢ２５２には、患者ＩＤ、氏名、性別、年齢、体重、身長、体温、問診結果、記入日付等の各項目の患者情報が格納されている。
　画像診断支援装置３０は、画像管理サーバ２０から取得した医用画像から異常陰影候補を検出する装置である。画像診断支援装置３０の詳細構成については後述する。
　電子カルテ入力装置４０は、患者情報や問診結果等の電子カルテ情報を入力するための装置である。
〔画像診断支援装置３０の構成〕
　図３に、画像診断支援装置３０の機能的構成を示す。
　図３に示すように、画像診断支援装置３０は、ＣＰＵ３１、操作部３２、表示部３３、通信部３４、ＲＡＭ３５、記憶部３６等を備えて構成され、各部はバス３７により接続されている。
　ＣＰＵ３１は、記憶部３６に記憶されているシステムプログラムや図４に示す診断支援処理を実行するための各種処理プログラムを読み出し、ＲＡＭ３５内に形成されたワークエリアに展開し、該プログラムに従って各部を制御する。
　操作部３２は、カーソルキー、数字入力キー、及び各種機能キー等を備えたキーボードと、マウス等のポインティングデバイスを備えて構成され、キーボードに対するキー操作やマウス操作により入力された指示信号をＣＰＵ３１に出力する。
　表示部３３は、ＬＣＤ（Liquid Crystal Display）やＣＲＴ(Cathode Ray Tube)等のモニタにより構成され、ＣＰＵ３１から入力される表示信号の指示に従って、各種画面や医用画像等を表示する。
　通信部３４は、ＬＡＮアダプタ、ルータ、ＴＡ（Terminal Adapter）等を備え、通信ネットワークＮに接続された各装置とデータの送受信を行う。
　ＲＡＭ３５は、ＣＰＵ３１により実行制御される各種処理において、記憶部３６から読み出された各種プログラム、入力若しくは出力データ、及びパラメータ等を一時的に格納する。
　記憶部３６は、ＨＤＤ（Hard Disc Drive）や半導体の不揮発性メモリ等により構成される。
　記憶部３６は、ＣＰＵ３１で実行されるシステムプログラムや、診断支援処理及び異常陰影候補検出処理を始めとする各種処理を行うための各種プログラム、これらのプログラムの実行に必要なデータ（例えば、図５に示すパラメータ設定用テーブル３６１）を記憶する。各種プログラムは、コンピュータ読み取り可能なプログラムコードの形態で記憶部３６に格納され、ＣＰＵ３１は、当該プログラムコードに従った動作を逐次実行する。
〔画像診断支援装置３０の動作〕
　次に、画像診断支援装置３０の動作について説明する。
　図４に、画像診断支援装置３０における診断支援処理のフローを示す。図４に示す処理は、ＣＰＵ３１と記憶部３６に記憶されている診断支援処理プログラムとの協働により実現される。
　まず、操作部３２の操作に応じて、異常陰影候補の検出対象となる医用画像（以下、医用画像Ｓａと呼ぶ）が画像管理サーバ２０から取得される（ステップＳ１）。
　具体的には、操作部３２の操作により、表示部３３に表示された医用画像リスト画面から異常陰影候補の検出対象となる医用画像Ｓａが選択されると、医用画像Ｓａの取得要求が通信部３４を介して画像管理サーバ２０に送信される。画像管理サーバ２０においては、医用画像Ｓａの取得要求が受信されると、要求された医用画像Ｓａが医用画像ＤＢ２５１から読み出され、画像診断支援装置３０に送信される。画像診断支援装置３０においては、画像管理サーバ２０から送信された医用画像Ｓａが通信部３４により受信され、取得される。取得された医用画像Ｓａは、ＲＡＭ３５に格納される。
　次いで、医用画像Ｓａに付帯されている患者ＩＤと一致する患者ＩＤの電子カルテ情報が画像管理サーバ２０から取得される（ステップＳ２）。
　具体的には、画像管理サーバ２０に患者ＩＤが送信され、当該患者ＩＤと患者ＩＤが一致する電子カルテ情報の取得要求が送信される。画像管理サーバ２０においては、受信された患者ＩＤと患者ＩＤが一致する電子カルテ情報が電子カルテＤＢ２５２から読み出され、画像診断支援装置３０に送信される。患者ＩＤが一致する電子カルテ情報が複数存在する場合には、「記入日付」が最新の電子カルテ情報が読み出されて送信される。画像診断支援装置３０においては、画像管理サーバ２０から送信された電子カルテ情報が通信部３４により受信され、取得される。取得された電子カルテ情報は、ＲＡＭ３５に格納される。
　次いで、取得された電子カルテ情報に基づいて、後段の異常陰影候補検出処理で用いられるパラメータが設定される（ステップＳ３）。
　ここで、異常陰影候補検出処理で用いられる各種パラメータは予め定められており、記憶部３６に記憶されている。しかし、患者の状態によっては、予め定められたパラメータでは精度良く検出を行えない場合がある。
　例えば、患者が女性である場合、胸部を撮影した医用画像では肺野下部領域に乳房が写り込むので肺野下部領域の濃度が低く、異常陰影と肺野部とのコントラストが通常（ここでは、男性）より低くなる。そのため、患者が女性の場合に、異常陰影候補検出処理で用いられるコントラスト閾値を予め定められた閾値とすると、精度よく異常陰影候補の検出が行えない場合がある。
　また、例えば、患者が肺炎である場合、胸部を撮影した医用画像では正常時より肺野全体の濃度が低下し、異常陰影と肺野部とのコントラストが通常（正常時）より低くなる。そのため、患者が問診により肺炎の疑いがあると診断されている場合に、異常陰影候補検出処理で用いられるコントラスト閾値を予め定められた閾値とすると、精度よく異常陰影候補の検出が行えない場合がある。
　そこで、本実施の形態においては、電子カルテ情報に基づいて異常陰影候補検出処理で用いられるパラメータが設定される。パラメータの設定は、記憶部３６に記憶されているパラメータ設定用テーブル３６１を参照して行われる。
　図５に、医用画像Ｓａの検査部位が胸部である場合に用いられるパラメータ設定用テーブル３６１の一例を示す。パラメータ設定用テーブル３６１には、パラメータ変更の条件となる電子カルテ情報の内容と、その内容に該当したときにパラメータを変更すべき領域、変更すべきパラメータの種類及び変更量とが対応付けて格納されている。具体的には、図５に示すように、パラメータ変更に関係する電子カルテ情報の項目を示す「項目」と、その項目においてパラメータ変更の条件に該当する内容を示す「条件」と、パラメータを変更すべき画像領域を示す「変更領域」と、変更すべきパラメータの種類を示す「変更パラメータ」と、パラメータの変更量を示す「変更量」と、が対応付けて格納されている。図５に示すパラメータであるコントラスト閾値及び標準偏差閾値は、後述する異常陰影候補検出処理の偽陽性削除ステップで用いられるパラメータである。
　なお、パラメータ設定用テーブル３６１の各パラメータの変更量は、実験的経験的に求められた値である。例えば、「性別」項目の内容が「女性」である場合のコントラスト閾値の変更量は以下のようにして算出されたものである。まず、女性でかつ肺野下部領域に存在する真陽性及び偽陽性の陰影の画像が集積され、真陽性、偽陽性の各陰影のコントラストが算出される。コントラストの算出については後述する。次いで、コントラストを変量としたときの真陽性群からのマハラノビス距離と偽陽性群からのマハラノビス距離との比が１となるコントラストが算出される。このコントラストの値が異常陰影候補検出処理において肺野下部領域に用いるコントラスト閾値として決定される。そして、決定された閾値と予め定められた閾値との差分により、変更量が算出される。他の変更パラメータの変更量も同様にして算出された値である。
　以下、ステップＳ３の処理について説明する。
　まず、パラメータ設定用テーブル３６１が参照され、パラメータ設定用テーブル３６１の「項目」において一番目に指定されている項目（図５では“年齢”）が電子カルテ情報から検索される。
　次いで、電子カルテ情報の検索された項目の内容が、パラメータ設定用テーブル３６１の一番目の「項目」に対応付けられている「条件」に該当するか否かが判断される。電子カルテ情報の検索された項目の内容が「条件」に該当すると判断されると、この「条件」に対応付けられている「変更領域」「変更パラメータ」及び「変更量」がパラメータ設定用テーブル３６１から読み出され、ＲＡＭ３５に記憶される。
　同様に、パラメータ設定用テーブル３６１で規定されている各項目が順次電子カルテ情報から検索され、その項目の内容が「条件」に該当するか否かの判断が行われる。「条件」に該当すると判断された場合には、その「条件」に対応付けられている「変更領域」「変更パラメータ」及び「変更量」がパラメータ設定用テーブル３６１から読み出され、ＲＡＭ３５に記憶される。
　全ての項目についての検索が終了すると、記憶部３６に記憶されている予め定められたパラメータと、ＲＡＭ３５に記憶された変更領域、変更パラメータの種類及び変更量に基づいてパラメータが設定される。
　例えば、医用画像Ｓａの検査部位が胸部であり、電子カルテ情報の性別が女性であった場合、上記の処理により、ＲＡＭ３５には「変更領域：肺野下部領域、変更パラメータ：コントラスト閾値、変更量：－９」及び「変更領域：肺野下部領域、変更パラメータ：標準偏差閾値、変更量：＋８」が記憶されている。従って、予め定められたコントラスト閾値が２５、標準偏差閾値が２０である場合、肺野下部領域のコントラスト閾値は１６、標準偏差閾値は２８に設定される。
　例えば、医用画像Ｓａの検査部位が胸部であり、電子カルテ情報の年齢が６０歳以上であった場合、上記の処理により、ＲＡＭ３５には「変更領域：肺野領域、変更パラメータ：コントラスト閾値、変更量：－３」が記憶されている。従って、予め定められたコントラスト閾値が２５である場合、肺野領域のコントラスト閾値は２２に設定される。
　例えば、医用画像Ｓａの検査部位が胸部であり、電子カルテ情報の体温が３８℃以上であった場合、上記の処理により、ＲＡＭ３５には「変更領域：気管領域、変更パラメータ：コントラスト閾値、変更量：－３」が記憶されている。従って、予め定められたコントラスト閾値が２５である場合、気管領域のコントラスト閾値は２２に設定される。
　例えば、医用画像Ｓａの検査部位が胸部であり、電子カルテ情報の問診結果に“肺炎”が含まれていた場合、上記の処理により、ＲＡＭ３５には「変更領域：肺野領域、変更パラメータ：コントラスト閾値、変更量：－４」が記憶されている。従って、予め定められたコントラスト閾値が２５である場合、肺野領域のコントラスト閾値は２１に設定される。
　なお、変更領域及び変更パラメータが重複する場合には、パラメータの変更量の多い方が優先して設定される。例えば、６５歳以上の女性の場合には、肺野下部領域においては「コントラスト閾値：１６」が設定される。それ以外の肺野領域では「コントラスト閾値：２２」が設定される。また、変更領域以外の領域や、変更領域であっても変更パラメータ以外のパラメータについては、予め定められたパラメータが設定される。
　設定されたパラメータは、ＲＡＭ３５に記憶される。
　パラメータの設定が終了すると、異常陰影候補検出処理が実行される（ステップＳ４）。
　以下、図４のステップＳ４の処理の一例として、検査部位が胸部である場合の異常陰影候補の検出について説明する。ここでは、肺野領域から結節状陰影の候補を検出する例について説明する。
　図６に、ステップＳ４において実行される異常陰影候補検出処理のフローを示す。異常陰影候補検出処理は、ＣＰＵ３１と記憶部３６に記憶されている異常陰影候補検出処理プログラムとの協働により実現される。
　まず、医用画像Ｓａから肺野領域が検出される（ステップＳ１０１）。
　肺野領域の抽出は、例えば、特開２００３－６６６１に記載の手法を用いることができる。この抽出方法では、まず、異なる６方向（０°、３０°、６０°、９０°、１２０°、１５０°の６方向）の延在方向別輪郭検出マスク及び延在方向別エッジ検出マスクを用いて、医用画像Ｓａから各輪郭検出マスクに対応した方向に延在する輪郭が強調された６つの画像及び各エッジ検出マスクに対応した方向に延在するエッジが強調された３つの画像が作成される。次いで、これら９つの画像の画素を対応させて最低濃度となる画素を選択することにより概略輪郭画像が作成される。延在方向別輪郭検出マスクとは、特定角度方向に延びる直線を検出するマスクである。延在方向別エッジ検出マスクとは、特定角度方向に延び、かつ特定の濃度傾斜方向性を有するエッジを検出するマスクである。
　次いで、医用画像Ｓａに平滑化処理を施すことにより肋骨や鎖骨が目立たない平滑化画像が作成され、概略輪郭画像と平滑化画像の画素値を対応する画素毎に乗じ合わせることにより胸郭内部平滑化画像が作成される。
　次いで、胸部内部平滑化画像が基準点（肺野上端の輪郭部分から略等距離にある点）を中心に極座標変換され、得られた極座標変換画像に胸郭の輪郭を検出するためのテンプレート（臨床的に得られている多数の心胸郭の輪郭の平均的なもの）を用いたテンプレートマッチングを行うことにより、胸郭の輪郭が検出される。そして、検出結果を医用画像Ｓａに戻してスプライン補間し閉曲線で接続することによって、肺野領域が抽出される。
　なお、肺野領域の抽出は、上記に限定されず、例えば、医用画像Ｓａの水平方向及び垂直方向を順次走査してそれぞれの方向における信号値のプロファイルを作成し、プロファイルにおける変曲点に基づいて肺野領域を抽出する手法を用いることができる。
　抽出された肺野領域の位置情報は、ＲＡＭ３５に記憶される。
　次いで、医用画像Ｓａから抽出された肺野領域における異常陰影候補の初期検出が行われる（ステップＳ１０２）。
　以下、ステップＳ１０１の処理の一例として、異常陰影候補として、結節状陰影の候補を検出する例について説明する（桂川茂彦：「胸部単純Ｘ線写真におけるコンピュータ支援診断（Computer-Aided Diagnosis）」放射線医学物理　参照）。
　まず、医用画像Ｓａから、マッチドフィルタにより結節状陰影のコントラストを増強した画像と、平滑化フィルタによりコントラストを減弱した画像が作成され、両者の対応する画素値の差分をとることによって差分画像が作成される。マッチドフィルタは、例えば、直径９ｍｍの結節状陰影のコントラスト対雑音比が最大となるように設計されたものである。差分画像では肋骨などの胸部正常構造のコントラストは低下し、結節状陰影のコントラストが強調される。
　次いで、差分画像に対して複数回の閾値処理が行われる。閾値処理は、予め定めた閾値以上の画素値を１、それ以外を０に変換して二値化する処理である。閾値は、差分画像の画素値のヒストグラムの面積比率で表現した値である。例えば、差分画像のヒストグラムの上位１％～４０％の範囲で閾値を変化させて複数回の閾値処理が行われる。この閾値処理によって、異常陰影、胸郭、血管影などの陰影が抽出される。抽出された陰影のうち、ステップＳ１０１で抽出した肺野領域以外の陰影は削除される。
　次いで、複数回の閾値処理により抽出された陰影のそれぞれの有効直径、円形度、不整度等の特徴量が算出される。
　有効直径は、図７においてＤで示すように、陰影の面積（図７においてＳで示す）と同じ面積をもつ円の直径である。〔数１〕に、有効半径の算出式を示す。
Figure JPOXMLDOC01-appb-M000001
 　円形度は、陰影の面積Ｓと同じ面積をもつ円を陰影の重心に重ねたときに、円内に含まれる陰影の面積（画素数。図７においてＡで示す）の割合である。〔数２〕に、円形度の算出式を示す。
Figure JPOXMLDOC01-appb-M000002
 　不整度は、陰影の辺縁の不正の程度を表すものであり、陰影の周囲の長さ（図７においてＬで示す）に対する上記の円の円周（図７においてＣで示す）の比を１から差し引いた値である。〔数３〕に、不整度の算出式を示す。
Figure JPOXMLDOC01-appb-M000003
　次いで、算出された特徴量に基づいて、抽出された陰影から異常陰影の初期候補が絞り込まれる。
　図８Ａに、閾値処理における閾値の変化と閾値処理によって抽出される結節状陰影及び血管影の有効半径の変化の関係を示す。図８Ｂに、閾値処理における閾値の変化と閾値処理によって抽出される結節状陰影及び肺血管の円形度の変化の関係を示す。図８Ａ、図８Ｂは、実験的経験的に基づいて得られた結果をグラフ化したものである。図８Ａ、図８Ｂに示すように、結節状陰影は閾値の増大とともに有効半径は穏やかに変化し、また、比較的高い円形度を保持しているのに対し、血管影は閾値１６％で急激な有効半径の増加と円形度の低下が見られる。
　従って、各陰影における閾値１６％付近での有効半径、円形度の変化に基づき、異常陰影の初期候補を絞り込むことができる。
　異常陰影候補の初期検出が終了すると、検出された初期候補の中から偽陽性候補が削除される（ステップＳ１０３）。
　ここで、偽陽性候補の削除処理では、まず、ＲＡＭ３５に設定された各領域のパラメータが参照される。予め定められたパラメータと異なるパラメータが設定されている領域が存在する場合には、その領域を抽出する処理が行われる。
　例えば、肺野下部領域のパラメータが変更されている場合には、肺野下部領域が抽出される。肺野下部領域のパラメータが変更されている場合、肺野下部領域では乳房が重なって写っているので、周辺の肺野部に比べて濃度が低くなる。そこで、以下の手法により肺野下部領域を抽出することができる。
　まず、左右それぞれの肺野領域について、ｎ画素×ｎ画素のＲＯＩ（関心領域）が最下部から水平方向及び垂直方向にずらしながら順次設定され、各ＲＯＩの画素値の平均値が算出される。次いで、各ＲＯＩについて、垂直方向下に隣り合うＲＯＩとの画素値の平均値の差分がそれぞれ算出される。算出された差分が予め定めた閾値を超えた場合、そのＲＯＩの垂直方向中央部に位置する画素が肺野下部領域の境界として抽出される。
　また、例えば、気管領域のパラメータが変更されている場合には、気管領域が抽出される。気管領域の抽出は、公知の手法を用いて抽出することができる。例えば、特開２００４－８４１９号公報に記載のように、被写体（ここでは、気管領域）の構造を表す複数の人工画像を用いて解剖学的特徴位置を検出する手法を用いることができる。この手法では、気管を表す複数の人工画像であってそれぞれが表す気管の形状情報が付帯された人工画像を予め記憶部３６に保存しておく。そして、保存された人工画像の中から医用画像Ｓａと略合致する構造を有する人工画像が選択され、選択された人工画像に付帯された形状情報に基づいて医用画像Ｓａにおける気管領域が抽出される。
　次いで、ステップＳ１０２で検出された初期候補の領域のそれぞれについて、画像特徴量（コントラスト及び標準偏差）が算出される。
　コントラストは、以下のようにして算出される。
　まず、図９に示すように初期候補の領域の重心から辺縁の１点までの距離ｄ３にある円が候補辺縁として指定される。次に、距離ｄ３を元に外側領域と内側領域が設定される。例えば、図９に示すように重心から距離０．８ｄ３にある円領域が内側領域、重心から距離１．２ｄ３以上で距離１．７ｄ３以下の領域が外側領域として設定される。
　次いで、外側領域と内側領域のそれぞれについて画素値の平均値が算出される。そして、各平均値の差が算出される。この平均値の差がコントラストである。
　各初期候補についてコントラスト及び標準偏差が算出されると、各初期候補が位置する領域に設定されているパラメータ（コントラスト閾値及び標準偏差閾値）に基づいて、各初期候補が真陽性候補であるか偽陽性候補であるか否かが判断される。判断の結果、真陽性候補であると判断された初期候補が最終的に異常陰影候補として検出され、その位置情報が画像ＩＤと対応付けて記憶部３６に記憶される。そして、異常陰影候補検出処理は終了する。
　図４に戻り、異常陰影候補検出処理が終了すると、検出結果が表示部３３に表示される（ステップＳ５）。例えば、表示部３３に医用画像Ｓａが表示されるとともに、検出された異常陰影候補の位置にアノテーション等が表示される。
　検出結果の表示の終了が指示されると、診断支援処理は終了し、ＲＡＭ３５は開放される。
　以上説明したように、画像診断支援装置３０によれば、異常陰影候補の検出対象となる医用画像の電子カルテ情報を画像管理サーバ２０から取得し、取得した電子カルテ情報に基づいて異常陰影候補処理において用いるパラメータを設定する。
　従って、患者の性別、問診結果等の電子カルテ情報に基づいて、異常陰影候補検出時のパラメータを設定するので、医用画像における異常陰影候補の検出精度を向上させることができる。
　例えば、患者の電子カルテ情報に含まれる性別に基づいて異常陰影候補時のパラメータを設定するので、患者の性別に応じたパラメータを用いて異常陰影候補の検出を行うことができ、検出精度を向上させることができる。
　例えば、医用画像が胸部画像であり、患者の性別が女性である場合、乳房の写り込みにより肺野下部領域における異常陰影と周辺とのコントラストが男性より低下するとともに異常陰影の標準偏差が高くなる。画像診断支援装置３０では、この特徴を考慮し、肺野下部領域に存在する異常陰影候補の検出に用いられるコントラスト閾値を予め定められた閾値より低く設定し、標準偏差の閾値を予め定められた閾値より高く設定するので、検出精度を向上させることができる。
　また、例えば、患者の電子カルテ情報に含まれる年齢に基づいて異常陰影候補時のパラメータを設定するので、患者の年齢に応じたパラメータを用いて異常陰影候補の検出を行うことができ、検出精度を向上させることができる。
　例えば、医用画像が胸部画像であり、患者の年齢が所定年齢以上である場合、肺野全体の濃度が低下し異常陰影と周辺とのコントラストが低下する。画像診断支援装置３０においてはこの特徴を考慮し、異常陰影候補の検出に用いられるコントラスト閾値を予め定められた閾値より低く設定するので、検出精度を向上させることができる。
　また、例えば、患者の電子カルテ情報に含まれる体温に基づいて異常陰影候補時のパラメータを設定するので、患者の体温に応じたパラメータを用いて異常陰影候補の検出を行うことができ、検出精度を向上させることができる。
　例えば、医用画像が胸部画像であり、患者の体温が所定値以上である場合、気管領域の濃度が低下し異常陰影と周辺とのコントラストが低下する。画像診断支援装置３０においてはこの特徴を考慮し、異常陰影候補の検出に用いられるコントラスト閾値を予め定められた閾値より低く設定するので、検出精度を向上させることができる。
　また、例えば、患者の電子カルテ情報に含まれる問診結果に基づいて異常陰影候補時のパラメータを設定するので、患者の問診結果に応じたパラメータを用いて異常陰影候補の検出を行うことができ、検出精度を向上させることができる。
　例えば、医用画像が胸部画像であり、患者が肺炎である場合、肺野全体の濃度が低下し異常陰影と周辺とのコントラストが低下する。画像診断支援装置３０においてはこの特徴を考慮し、異常陰影候補の検出に用いられるコントラスト閾値を予め定められた閾値より低く設定するので、異常陰影候補の検出精度を向上させることができる。
　なお、上記実施形態における記述内容は、本発明の好適な一例であり、これに限定されるものではない。
　例えば、上記実施の形態においては、電子カルテ情報の患者情報に基づき異常陰影候補検出に用いるパラメータを設定する場合を例にとり説明したが、患者情報は、電子カルテ情報のものに限定されず、例えば、医用画像に付帯される患者情報を用いても良い。
　また、検査対象部位が胸部である医用画像を例にとり説明したが、医用画像の種類はこれに限定されない。また、異常陰影候補の検出手法やパラメータについても、上述したものに限定されない。
　また、例えば、上記の説明では、本発明に係るプログラムのコンピュータ読み取り可能な媒体としてＨＤＤや半導体の不揮発性メモリ等を使用した例を開示したが、この例に限定されない。その他のコンピュータ読み取り可能な媒体として、ＣＤ-ＲＯＭ等の可搬型記録媒体を適用することが可能である。また、本発明に係るプログラムのデータを通信回線を介して提供する媒体として、キャリアウエーブ(搬送波)も適用される。
　その他、病院内システム１００及び病院内システム１００を構成する各装置の細部構成及び細部動作に関しても、発明の趣旨を逸脱することのない範囲で適宜変更可能である。
　なお、明細書、請求の範囲、図面及び要約を含む２００８年９月４日に出願された日本特許出願Ｎｏ．２００８－２２７０３６号の全ての開示は、そのまま本出願の一部に組み込まれる。
　医療の分野において、医用画像から異常陰影候補を検出する画像診断支援装置として利用可能性がある。
符号の説明
　１００　病院内システム
　１０　モダリティ
　２０　画像管理サーバ
　２５　記憶部
　２５１　医用画像ＤＢ
　２５２　電子カルテ情報ＤＢ
　３０　画像診断支援装置
　３１　　ＣＰＵ
　３２　　操作部
　３３　　表示部
　３４　　通信部
　３５　　ＲＡＭ
　３６　　記憶部
　３６１　パラメータ設定用テーブル
　３７　　バス

Claims (13)

  1. 　医用画像から異常陰影候補を検出する異常陰影候補検出手段と、
    　患者情報を記憶する記憶装置から前記異常陰影候補検出手段の検出対象となる医用画像の患者の患者情報を取得する患者情報取得手段と、
    　前記取得した患者情報に基づいて前記異常陰影候補検出手段において用いるパラメータを設定するパラメータ設定手段と、
    　を備える画像診断支援装置。
  2. 　前記パラメータ設定手段は、前記患者の患者情報に含まれる性別に基づいて前記異常陰影候補検出手段において用いるパラメータを設定する請求項１に記載の画像診断支援装置。
  3. 　前記医用画像は、胸部画像であり、
    　前記パラメータ設定手段は、前記患者の患者情報に含まれる性別が女性である場合、前記異常陰影候補検出手段において肺野下部領域に存在する異常陰影候補の検出に用いられる画像特徴量の閾値を予め定められた閾値と異ならせるように設定する請求項２に記載の画像診断支援装置。
  4. 　前記パラメータ設定手段は、前記患者の患者情報に含まれる性別が女性である場合、前記異常陰影候補検出手段において肺野下部領域に存在する異常陰影候補の検出に用いられるコントラストの閾値を予め定められた閾値より低く設定し、標準偏差の閾値を予め定められた閾値より高く設定する請求項３に記載の画像診断支援装置。
  5. 　前記パラメータ設定手段は、前記患者の患者情報に含まれる年齢に基づいて前記異常陰影候補検出手段において用いるパラメータを設定する請求項１に記載の画像診断支援装置。
  6. 　前記医用画像は、胸部画像であり、
    　前記パラメータ設定手段は、前記患者の患者情報に含まれる年齢が所定年齢以上である場合、前記異常陰影候補検出手段において肺野領域に存在する異常陰影候補の検出に用いられる画像特徴量の閾値を予め定められた閾値と異ならせるように設定する請求項５に記載の画像診断支援装置。
  7. 　前記パラメータ設定手段は、前記患者の患者情報に含まれる年齢が所定年齢以上である場合、前記異常陰影候補検出手段において肺野領域に存在する異常陰影候補の検出に用いられるコントラストの閾値を予め定められた閾値より低く設定する請求項６に記載の画像診断支援装置。
  8. 　前記パラメータ設定手段は、前記患者の患者情報に含まれる体温に基づいて前記異常陰影候補検出手段において用いるパラメータを設定する請求項１に記載の画像診断支援装置。
  9. 　前記医用画像は、胸部画像であり、
    　前記パラメータ設定手段は、前記患者の患者情報に含まれる体温が所定値以上である場合、前記異常陰影候補検出手段において気管領域に存在する異常陰影候補の検出に用いられる画像特徴量の閾値を予め定められた閾値と異ならせるように設定する請求項８に記載の画像診断支援装置。
  10. 　前記パラメータ設定手段は、前記患者の患者情報に含まれる体温が所定値以上である場合、前記異常陰影候補検出手段において気管領域に存在する異常陰影候補の検出に用いられるコントラストの閾値を予め定められた閾値より低く設定する請求項９に記載の画像診断支援装置。
  11. 　前記パラメータ設定手段は、前記患者の患者情報に含まれる問診結果に基づいて前記異常陰影候補検出手段において用いるパラメータを設定する請求項１に記載の画像診断支援装置。
  12. 　前記医用画像は、胸部画像であり、
    　前記パラメータ設定手段は、前記患者の患者情報に含まれる問診結果が肺炎である場合、前記異常陰影候補検出手段において肺野領域に存在する異常陰影候補の検出に用いられる画像特徴量の閾値を予め定められた閾値と異ならせるように設定する請求項１１に記載の画像診断支援装置。
  13. 　前記パラメータ設定手段は、前記患者の患者情報に含まれる問診結果が肺炎である場合、前記異常陰影候補検出手段において肺野領域に存在する異常陰影候補の検出に用いられるコントラストの閾値を予め定められた閾値より低く設定する請求項１２に記載の画像診断支援装置。
PCT/JP2009/054625 2008-09-04 2009-03-11 画像診断支援装置 WO2010026791A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2008227036A JP2011239797A (ja) 2008-09-04 2008-09-04 画像診断支援装置
JP2008-227036 2008-09-04

Publications (1)

Publication Number Publication Date
WO2010026791A1 true WO2010026791A1 (ja) 2010-03-11

Family

ID=41796967

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2009/054625 WO2010026791A1 (ja) 2008-09-04 2009-03-11 画像診断支援装置

Country Status (2)

Country Link
JP (1) JP2011239797A (ja)
WO (1) WO2010026791A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111772655A (zh) * 2020-08-03 2020-10-16 上海联影医疗科技有限公司 医疗成像设备参数确定方法、成像方法及装置
WO2023119666A1 (ja) * 2021-12-24 2023-06-29 富士通株式会社 医用画像処理プログラム，医用画像処理方法および情報処理装置

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6642048B2 (ja) * 2016-01-28 2020-02-05 富士通株式会社 医療画像表示システム、医療画像表示プログラム及び医療画像表示方法
JP6930411B2 (ja) * 2017-12-15 2021-09-01 コニカミノルタ株式会社 情報処理装置及び情報処理方法

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001351090A (ja) * 2000-06-06 2001-12-21 Fuji Photo Film Co Ltd 異常陰影候補検出方法および検出システム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001351090A (ja) * 2000-06-06 2001-12-21 Fuji Photo Film Co Ltd 異常陰影候補検出方法および検出システム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
KIMINORI FUJIMOTO ET AL.: "Kyobu Tanjun Shashin Soku Gazo ni Okeru Retrosternal Space to Retrocardiac Space ni Tsuite no Kento", JAPAN RADIOLOGICAL SOCIETY ZASSHI, vol. 56, no. 5, 25 April 1996 (1996-04-25), pages 251 - 256 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111772655A (zh) * 2020-08-03 2020-10-16 上海联影医疗科技有限公司 医疗成像设备参数确定方法、成像方法及装置
WO2023119666A1 (ja) * 2021-12-24 2023-06-29 富士通株式会社 医用画像処理プログラム，医用画像処理方法および情報処理装置

Also Published As

Publication number Publication date
JP2011239797A (ja) 2011-12-01

Similar Documents

Publication Publication Date Title
US20210158531A1 (en) Patient Management Based On Anatomic Measurements
JP5383431B2 (ja) 情報処理装置、情報処理方法及びプログラム
JP4911029B2 (ja) 異常陰影候補検出方法、異常陰影候補検出装置
US8064677B2 (en) Systems and methods for measurement of objects of interest in medical images
JP6074455B2 (ja) 診断支援装置、診断支援装置の制御方法、プログラム、及び診断支援システム
US20160321427A1 (en) Patient-Specific Therapy Planning Support Using Patient Matching
JP6755192B2 (ja) 診断支援装置および診断支援装置の作動方法
JP6945474B2 (ja) 学習用データ作成支援装置、学習用データ作成支援方法、および学習用データ作成支援プログラム
US11468659B2 (en) Learning support device, learning support method, learning support program, region-of-interest discrimination device, region-of-interest discrimination method, region-of-interest discrimination program, and learned model
JP2007151645A (ja) 医用画像診断支援システム
JP2019008349A (ja) 学習データ生成支援装置および学習データ生成支援方法並びに学習データ生成支援プログラム
JP6738305B2 (ja) 学習データ生成支援装置および学習データ生成支援装置の作動方法並びに学習データ生成支援プログラム
WO2010026791A1 (ja) 画像診断支援装置
JP2011103095A (ja) 医用画像表示システム及びプログラム
US9672600B2 (en) Clavicle suppression in radiographic images
JP2010057727A (ja) 医用画像読影システム
JP5556674B2 (ja) 医用画像表示装置及びプログラム
JP5343615B2 (ja) 医用画像表示装置及びプログラム
JP4475054B2 (ja) 乳房画像処理方法及び乳房画像出力システム
JP5223545B2 (ja) 画像診断支援システム
JP4483250B2 (ja) 画像診断支援装置、画像診断支援方法及びプログラム
JP2011101759A (ja) 医用画像表示システム及びプログラム
JP2009066060A (ja) 医用画像システム、所見レポート生成装置、所見レポート生成方法及びプログラム
JP6353382B2 (ja) 特徴量管理装置とその作動方法および作動プログラム、並びに特徴量管理システム
JP2010075327A (ja) 画像診断支援装置、画像診断支援方法及びプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09811320

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

NENP Non-entry into the national phase

Ref country code: JP

122 Ep: pct application non-entry in european phase

Ref document number: 09811320

Country of ref document: EP

Kind code of ref document: A1