WO2011052491A1 - 診断補助装置及び診断補助方法 - Google Patents

診断補助装置及び診断補助方法 Download PDF

Info

Publication number
WO2011052491A1
WO2011052491A1 PCT/JP2010/068663 JP2010068663W WO2011052491A1 WO 2011052491 A1 WO2011052491 A1 WO 2011052491A1 JP 2010068663 W JP2010068663 W JP 2010068663W WO 2011052491 A1 WO2011052491 A1 WO 2011052491A1
Authority
WO
WIPO (PCT)
Prior art keywords
vector
lesion
similarity
index value
vectors
Prior art date
Application number
PCT/JP2010/068663
Other languages
English (en)
French (fr)
Inventor
千葉　亨
Original Assignee
Hoya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 Hoya株式会社 filed Critical Hoya株式会社
Priority to JP2011538390A priority Critical patent/JP5705124B2/ja
Priority to CN201080048494.0A priority patent/CN102595996B/zh
Priority to US13/499,395 priority patent/US8775096B2/en
Priority to DE112010004184.9T priority patent/DE112010004184B4/de
Publication of WO2011052491A1 publication Critical patent/WO2011052491A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
    • A61B1/00002—Operational features of endoscopes
    • A61B1/00004—Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • A61B1/000094—Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope extracting biological structures
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0082—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes
    • A61B5/0084—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence adapted for particular medical purposes for introduction into the body, e.g. by catheters
    • 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
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
    • G16B5/00—ICT specially adapted for modelling or simulations in systems biology, e.g. gene-regulatory networks, protein interaction networks or metabolic networks
    • G16B5/20—Probabilistic models
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • 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
    • G06T2207/10068—Endoscopic 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
    • G06T2207/30092—Stomach; Gastric

Definitions

  • the present invention relates to a diagnostic auxiliary device and a diagnosis for obtaining an index relating to whether or not a living tissue has a lesion and what type of lesion is included in the living tissue from the spectral characteristics of a living tissue such as a mucous membrane. It relates to assistance methods.
  • the spectral characteristics of the biological tissue including the lesioned part are different from the spectral characteristics of the biological tissue including only the healthy part. Therefore, by comparing the spectral characteristics of the living tissue with the spectral characteristics of a known biological tissue that does not include the lesioned part, it is possible to diagnose whether the biological tissue includes the lesioned part.
  • a doctor visually examines a graph of the spectral characteristics of a biological tissue measured by a spectrometer, thereby diagnosing whether or not a lesion is included in the biological tissue.
  • the above-described visual diagnosis of the spectral characteristics is based on the experience of a doctor, and a diagnostic auxiliary device and a diagnostic auxiliary method that can provide an index that can be used as a quantitative determination material in the diagnosis using the spectral characteristics have been desired.
  • An object of the present invention is to solve the above-described problems, that is, to provide a diagnosis assisting apparatus and a diagnosis assisting method capable of obtaining a quantitative index in diagnosis using spectral characteristics.
  • a diagnostic auxiliary apparatus of the present invention includes a vector input means for reading a test vector that is a spectral characteristic vector of a biological tissue to be diagnosed, and a plurality of spectral characteristic vectors of a specific substance.
  • the multiple regression analysis means that obtains the error vector that is the residual component vector by performing multiple regression analysis of the test vector with the independent component vector of, and the error vector features are extracted and diagnosed from the extracted error vector features
  • Index value calculation means for calculating an index value indicating whether or not a lesion part is included in a target biological tissue and what kind of lesion part may be included.
  • an index that is a quantitative determination material in diagnosis that is, an index value that is calculated based on an error vector that is a component of spectral characteristics not included in a healthy tissue. become.
  • the independent component vector is calculated by independent component analysis from the spectral characteristic vectors of a large number of biological tissue samples that are the same site as the biological tissue to be diagnosed and do not include a lesion.
  • the index value calculation means is a residual component vector obtained by multiple regression analysis of spectral characteristic vectors of a large number of biological tissue samples including a specific lesion with a plurality of independent component vectors. An index value is calculated based on a lesion site substance vector obtained by an independent analysis from a lesion site sample error vector.
  • the coefficient s d satisfying the following equation (a) is calculated by multiple regression analysis, the similarity D between the vectors E / s d and E d is calculated by the following equation (b) using the weighting coefficient w ⁇ m , The index value may be obtained based on the similarity D.
  • a diagnostic assistance device and a diagnostic assistance method capable of obtaining a quantitative index in diagnosis using spectral characteristics are realized.
  • FIG. 1 is a block diagram of a diagnostic assistance system according to an embodiment of the present invention.
  • FIG. 2 is a graph showing an example of spectral characteristics of a healthy stomach mucosa.
  • FIG. 3 is a graph of analysis results of independent components of the spectral characteristics of the gastric mucosa shown in FIG.
  • FIG. 4 is a flowchart of the analysis program of this embodiment.
  • FIG. 1 is a block diagram of the diagnostic assistance system of the present embodiment.
  • the diagnosis assisting system 1 includes an electronic endoscope apparatus 100 including an electronic endoscope 110, an electronic endoscope processor 120, and an endoscope image monitor 130, a spectral probe 210, and a spectrometer 220.
  • a spectroscopic device 200, and an analysis device 300 including an analysis computer 310 and an analysis result display monitor 320.
  • the electronic endoscope 110 includes an insertion tube 111, an operation unit 112, and a connector 113.
  • An objective optical system 114a and a solid-state imaging device 114b are built in the distal end portion 111a of the insertion tube 111.
  • An image of the body cavity surface B around the insertion tube distal end portion 111a is formed on the light receiving portion of the solid-state imaging device 114b by the objective optical system 114a.
  • the solid-state imaging device 114b generates a video signal corresponding to an image formed on the light receiving surface by photoelectric conversion.
  • the generated video signal is sent to the electronic endoscope processor 120 via the solid-state imaging device signal cable 114c arranged inside the insertion tube 111, the operation unit 112, and the connector 113.
  • the solid-state imaging device may be one using a CCD or one using CMOS.
  • the solid-state image sensor signal cable 114c is connected to a signal processing circuit 121 built in the electronic endoscope processor 120.
  • the signal processing circuit 121 processes a video signal generated by the solid-state imaging device 114b to generate a video signal (NTSC signal or the like) of a predetermined format, which is an endoscope connected to the electronic endoscope processor 200. It transmits to the monitor 130 for mirror images. As a result, an image of the body cavity surface B around the insertion tube distal end portion 111a imaged by the solid-state imaging device 114b is displayed on the endoscope image monitor 130.
  • a light guide 115 such as an optical fiber bundle is arranged inside the insertion tube 111, the operation unit 112, and the connector 113.
  • the tip 115a of the light guide 115 faces a cover glass (not shown) provided at the insertion tube tip 111a.
  • the base end 115 b of the light guide 115 protrudes from the connector 113, and the base end 115 b enters the inside of the electronic endoscope processor 120 when the connector 113 is attached to the electronic endoscope processor 120. It has become.
  • the electronic endoscope processor 120 includes a light source unit 122 including a lamp 122a and a condenser lens 122b.
  • the illumination light generated by the lamp 122a is incident on the proximal end 115b of the light guide 115 by the condenser lens 122b. It has become.
  • the illumination light incident on the proximal end 115b is emitted from the distal end 115a through the cover glass through the light guide 115, and illuminates the body cavity surface B around the insertion tube distal end portion 111a.
  • the forceps channel 116 is built in the insertion tube 111 of the electronic endoscope 110.
  • the distal end 116 a of the forceps channel 116 is open to the insertion tube distal end portion 111 a, and the proximal end of the forceps channel 116 is a forceps port 116 b provided in the middle of the insertion tube 111.
  • the spectroscopic probe 210 is inserted into the forceps channel 116 from the forceps port 116b.
  • the tip 211 of the spectroscopic probe 210 is disposed at the tip 116 a of the forceps channel 116.
  • the base end 212 of the spectroscopic probe 210 is connected to the spectrometer 220.
  • the spectroscopic probe 210 is a kind of light guide having a condensing lens at the tip, and a part of the reflected light reflected by the body cavity surface B (or inside the body cavity) is incident on the spectroscopic probe 210 via the condensing lens, and the spectral probe 210 Sent to a total of 220.
  • the spectrometer 220 measures the spectral characteristics of the light sent from the spectroscopic probe 210.
  • the measured spectral characteristic data is sent to the analysis computer 310.
  • the analysis computer 310 includes a CPU 311, an I / O controller 312, a storage 313, and a video circuit 314.
  • the analysis computer 310 is, for example, a personal computer or a workstation.
  • the CPU 311 of the analysis computer 310 acquires spectral characteristic data from the spectrometer 220 via the I / O controller 312. Then, by executing an analysis program to be described later, analysis result data indicating whether there is any lesion on the body cavity surface B and what kind of lesion is likely to be obtained is obtained. .
  • the CPU 311 further controls the video circuit 314 to display analysis result data on the analysis result display monitor 320.
  • the analysis program executed by the CPU 311 of the analysis computer 310 will be described below.
  • FIG. 2 is a graph showing an example of the spectral characteristics of a healthy stomach mucosa (that is, the light absorption rate with respect to wavelength).
  • the healthy gastric mucosa has peaks at 480 nm or less, 550 to 560 nm, and 580 to 590 nm, although there are some variations depending on individual differences and observation positions. It is said that the spectral characteristics of a living tissue are determined by a substance that constitutes a surface layer portion of a part to be measured for spectral characteristics.
  • the spectral characteristics of hemoglobin combined with oxygen ie, the spectral characteristics of arteries
  • the spectral characteristics of hemoglobin that is not bonded to oxygen are: It has a peak at 550 to 560 nm.
  • Biological tissues are composed of various substances such as components of body fluids such as red blood cells and substances constituting cells.
  • the type of the main substance constituting the biological tissue is N, and each substance (independent component) has a spectral characteristic vector (for a specific frequency band (for example, 470 nm to 700 nm)) for each specific frequency (for example, 5 nm).
  • the spectral characteristic vector x h of a specific healthy living tissue is approximated by Equation 1 below.
  • the coefficient s n is a value that varies from sample to sample due to individual differences or the like.
  • the biological tissue of the lesioned part contains substances that are not included in the healthy biological tissue, and the type thereof varies depending on the state of the type of lesion. That is, the spectral characteristic vector x u of the lesioned part is approximated by the following formula 2.
  • the spectral characteristic vector A particular biological tissue, be defined coefficient s n satisfying Equation 1, if possible, the living tissue can be said that are likely to be healthy portion.
  • the spectral relative characteristic vector A can not determine the coefficients s n, if an error component E is a residual remains, the living tissue is likely a lesion. Further, the characteristics (peak wavelength, etc.) of the error component E are determined by the type of the lesioned part. Therefore, it is possible to estimate the type of the lesion from the characteristics of the error component E.
  • FIG. 4 shows a flowchart of the analysis program of this embodiment.
  • step S1 is executed.
  • step S ⁇ b> 1 the CPU 311 reads the spectral characteristic vector A measured by the spectrometer 220.
  • the spectral characteristic vector A may be acquired from the spectrometer 220 when executing the analysis program, or acquired by reading the spectral characteristic vector measured in advance by the spectrometer 220 and stored in the storage 313 or the like. May be.
  • step S2 the CPU 311 performs a multiple regression analysis on the spectral characteristic vector of a specific biological tissue using the independent component vector ⁇ n obtained in advance by the independent component analysis, and calculates the coefficient s n and the error component E. I do.
  • known methods such as conjugate gradient method, least square method, attenuated least square method, Newton method, and quasi-Newton method can be used.
  • step S3 the CPU 311 classifies the obtained error component E. Specifically, by performing a multiple regression analysis on the spectral feature vectors of a number of living tissue that is specific lesion it has been found, seek typical error component E d in a particular lesion in advance. Then, an error component E, using the error component E d, obtaining coefficients s d, which satisfy formula 3 below.
  • Coefficient w lambda] m is the weighting coefficient defined by rule of thumb, it is an object to highlight the similarity of the shape of the vector E and E d at a particular frequency range.
  • the biological tissue exhibiting an error component E is, it can be said that there is a high probability that a particular lesion indicated by the error component E d.
  • the error components of the sample body tissue corresponding to the error component E is determined whether it can be said to have a specific lesion corresponding to the error component E d, which is used in determining the error component E d
  • the similarity D dk is obtained in advance based on Equation 5.
  • the analysis program tests whether or not it can be said that the similarity D obtained from the error component E is included in the set D dk of similarity obtained from the error component E dk of many samples. For example, the probability that the similarity D is included in the set D dk is calculated. Alternatively, a confidence interval of the set D dk is obtained, and it is determined whether or not the biological tissue corresponding to the error component E includes a specific lesion part, depending on whether or not the similarity D is included in the obtained confidence interval. . For example, when the similarity D is included in the 99.8% confidence interval, it is determined that the biological tissue corresponding to the error component E may include a specific lesion. Further, when the similarity D is included in the 66.2% confidence interval and not included in the 99.8% confidence interval, it is determined that reexamination is necessary.
  • step S4 the CPU 311 analyzes the analysis result data (probability that the set D dk includes the similarity D or the determination result based on the confidence interval) by the above-described test, and the analysis result display monitor 320 (see FIG. Displayed in 1).
  • the CPU 311 ends the analysis program.
  • a doctor who is a user of the diagnosis assisting system 1 makes a diagnosis with reference to the analysis result displayed on the analysis result display monitor 320.
  • the electronic endoscope processor 120 of the present embodiment includes a CPU that controls each component such as the signal processing circuit 121 and the light source unit 122 built in the electronic endoscope processor 120, and an electronic It has an I / O controller that accepts input from the operation unit 112 of the endoscope 110 and communicates with the I / O controller 312 of the analysis computer 310, and the analysis program of the present embodiment is received from the operation unit 112. It is configured to be executed based on the input.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Pathology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Surgery (AREA)
  • Biotechnology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Theoretical Computer Science (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Veterinary Medicine (AREA)
  • Physiology (AREA)
  • Urology & Nephrology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Evolutionary Biology (AREA)
  • General Physics & Mathematics (AREA)
  • Radiology & Medical Imaging (AREA)
  • Chemical & Material Sciences (AREA)
  • Hematology (AREA)
  • Immunology (AREA)
  • Signal Processing (AREA)
  • Quality & Reliability (AREA)
  • Cell Biology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Optics & Photonics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Microbiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)

Abstract

　診断補助装置が、診断対象となる生体組織の分光特性のベクトルである被検ベクトルを読み込むベクトル入力手段と、特定の物質の分光特性のベクトルである複数の独立成分ベクトルにて、被検ベクトルを重回帰分析し、残差成分のベクトルであるエラーベクトルを得る重回帰分析手段と、エラーベクトルの特徴を抽出し、抽出されたエラーベクトルの特徴から診断対象となる生体組織に病変部が含まれるかどうか、及びどのような病変部が含まれる可能性があるかを示す指標値を演算する指標値演算手段とを有する。

Description

診断補助装置及び診断補助方法
　本発明は、粘膜などの生体組織の分光特性から、生体組織に病変部があるかどうか及び、生体組織にどのような形態の病変部が含まれるのかに関する指標を得るための診断補助装置及び診断補助方法に関する。
　近年、日本特許出願公開公報ＪＰ２００７－１３５９８９Ａに記載されているもののような、分光計としての機能を備えた電子内視鏡が提案されている。このような電子内視鏡によれば、胃や直腸などの消化器の粘膜等の生体組織の分光特性（光の吸収率の周波数ごとの分布）を得ることができる。分光特性は、分光特性の測定対象となる生体組織の表層部に含まれる物質の種類によって決まるものである（Ｂｅｅｒ－Ｌａｍｂｅｒｔの法則）。すなわち、生体組織の分光特性は、その生体組織を構成する主要な複数の物質の分光特性を重畳したものである。
　病変部の生体組織においては、健常部の生体組織には殆ど含まれていない物質が多く含まれる場合がある。そのため、病変部を含む生体組織の分光特性は、健常部のみの生体組織の分光特性とは異なったものとなる。従って、生体組織の分光特性を、病変部を含まない既知の生体組織の分光特性と比較することによって、生体組織に病変部が含まれているかどうかを診断可能である。
　従来は、分光計によって計測される生体組織の分光特性のグラフを医師が目視することによって、生体組織に病変部が含まれているかどうかの診断を行っていた。上記の分光特性の目視による診断は、専ら医師の経験によるものであり、分光特性を用いた診断において定量的な判断材料となる指標が得られる診断補助装置及び診断補助方法が望まれていた。
　本発明は、上記の課題を解決する、すなわち分光特性を用いた診断において定量的な指標が得られる診断補助装置及び診断補助方法を提供することを目的とする。
　上記の目的を達成するため、本発明の診断補助装置は、診断対象となる生体組織の分光特性のベクトルである被検ベクトルを読み込むベクトル入力手段と、特定の物質の分光特性のベクトルである複数の独立成分ベクトルにて、被検ベクトルを重回帰分析し、残差成分のベクトルであるエラーベクトルを得る重回帰分析手段と、エラーベクトルの特徴を抽出し、抽出されたエラーベクトルの特徴から診断対象となる生体組織に病変部が含まれるかどうか、及びどのような病変部が含まれる可能性があるかを示す指標値を演算する指標値演算手段とを有する。
　このような構成とすると、健常な組織には含まれていない分光特性の成分であるエラーベクトルに基づいて演算される指標値という、診断において定量的な判断材料となる指標を得ることができるようになる。
　好ましくは、独立成分ベクトルは、診断対象となる生体組織と同一部位で且つ病変部が含まれていない多数の生体組織サンプルの分光特性のベクトルから、独立成分分析によって算出される。
　また、好ましくは、指標値演算手段は、特定の病変部が含まれる多数の生体組織サンプルの分光特性のベクトルを複数の独立成分ベクトルにて重回帰分析して得られる残差成分のベクトルである病変部サンプルエラーベクトルから独立性分分析によって求められる病変部物質ベクトルに基づいて指標値を演算する。
　また、指標値演算手段は、エラーベクトルをＥ＝［Ｅλ１，Ｅλ２，・・・，ＥλＭ］、病変部物質ベクトルをＥｄ＝［Ｅｄλ１，Ｅｄλ２，・・・，ＥｄλＭ］として、重回帰分析により下式（ａ）を満たす係数ｓｄを演算し、重み付け係数ｗλｍを用いて下式（ｂ）によってベクトルＥ／ｓｄとＥｄとの類似度Ｄを演算し、類似度Ｄに基づいて指標値を求める構成としてもよい。
Figure JPOXMLDOC01-appb-I000005
　さらに、指標値演算手段は、多数の病変部サンプルエラーベクトルをＥｄｋ＝［Ｅｄｋλ１，Ｅｄｋλ２，・・・，ＥｄｋλＭ］（ｋ＝１，２，・・・，Ｋ）として、重回帰分析により求められる下式（ｃ）を満たす係数ｓｄｋと、下式（ｄ）によって求められるベクトルＥｄｋ／ｓｄｋの夫々とＥｄとの類似度の群Ｄｄｋに基づいて、検定によって類似度Ｄが類似度の群Ｄｄｋに含まれる確率の演算を行い、類似度Ｄが類似度の群Ｄｄｋに含まれる確率を指標値とする構成としてもよい。
　以上のように、本発明によれば、分光特性を用いた診断において定量的な指標が得られる診断補助装置及び診断補助方法が実現される。
図１は、本発明の実施の形態の診断補助システムのブロック図である。 図２は、健常な胃の粘膜の分光特性の一例を示すグラフである。 図３は、図２に示される胃の粘膜の分光特性の独立成分の分析結果のグラフである。 図４は、本実施形態の解析プログラムのフローチャートである。
　以下、本発明の実施の形態について図面を用いて詳細に説明する。図１は、本実施形態の診断補助システムのブロック図である。本実施形態の診断補助システム１は、電子内視鏡１１０、電子内視鏡用プロセッサ１２０及び内視鏡画像用モニタ１３０とからなる電子内視鏡装置１００と、分光プローブ２１０及び分光計２２０からなる分光装置２００と、解析用コンピュータ３１０と解析結果表示用モニタ３２０からなる解析装置３００とを有する。
　電子内視鏡１１０は、挿入管１１１、操作部１１２及びコネクタ１１３を有する。挿入管１１１の先端部１１１ａには、対物光学系１１４ａ及び固体撮像素子１１４ｂが内蔵されている。挿入管先端部１１１ａ周囲の体腔表面Ｂの像は、対物光学系１１４ａによって固体撮像素子１１４ｂの受光部に結像するようになっている。固体撮像素子１１４ｂは、光電変換により、受光面に結像した像に対応する映像信号を生成する。生成された映像信号は、挿入管１１１の内部、操作部１１２の内部及びコネクタ１１３の内部に亙って配された固体撮像素子用信号ケーブル１１４ｃを介して電子内視鏡用プロセッサ１２０に送られる。なお、固体撮像素子としては、ＣＣＤを使用したものでもよく、また、ＣＭＯＳを使用したものでもよい。
　固体撮像素子用信号ケーブル１１４ｃは、電子内視鏡用プロセッサ１２０に内蔵されている信号処理回路１２１に接続される。信号処理回路１２１は、固体撮像素子１１４ｂによって生成される映像信号を処理して所定の形式のビデオ信号（ＮＴＳＣ信号など）を生成し、これを電子内視鏡用プロセッサ２００に接続された内視鏡画像用モニタ１３０に送信する。この結果、固体撮像素子１１４ｂによって撮像された挿入管先端部１１１ａ周囲の体腔表面Ｂの映像が、内視鏡画像用モニタ１３０に表示される。
　また、挿入管１１１の内部、操作部１１２の内部及びコネクタ１１３の内部に亙って、光ファイババンドル等のライトガイド１１５が配されている。ライトガイド１１５の先端１１５ａは、挿入管先端部１１１ａに設けられたカバーガラス（図示せず）に臨んでいる。また、ライトガイド１１５の基端１１５ｂは、コネクタ１１３から突出しており、コネクタ１１３を電子内視鏡用プロセッサ１２０に取り付けたときに、基端１１５ｂが電子内視鏡用プロセッサ１２０の内部に入り込むようになっている。
　電子内視鏡用プロセッサ１２０には、ランプ１２２ａと集光レンズ１２２ｂを備えた光源部１２２が内蔵されている。電子内視鏡１１０のコネクタ１１３が電子内視鏡用プロセッサ１２０に接続されている状態では、ランプ１２２ａによって生成される照明光が集光レンズ１２２ｂによってライトガイド１１５の基端１１５ｂに入射するようになっている。基端１１５ｂに入射した照明光は、ライトガイド１１５を通って先端１１５ａからカバーガラスを介して放射され、挿入管先端部１１１ａ周囲の体腔表面Ｂを照明する。
　電子内視鏡１１０の挿入管１１１には、鉗子チャンネル１１６が内蔵されている。鉗子チャンネル１１６の先端１１６ａは、挿入管先端部１１１ａに開口しており、また、鉗子チャンネル１１６の基端は、挿入管１１１の中途に設けられた鉗子口１１６ｂとなっている。
　本実施形態においては、分光プローブ２１０は、鉗子口１１６ｂから鉗子チャンネル１１６に挿通されている。分光プローブ２１０の先端２１１は、鉗子チャンネル１１６の先端１１６ａに配置されている。また、分光プローブ２１０の基端２１２は、分光計２２０に接続されている。分光プローブ２１０は、先端に集光レンズを有する一種のライトガイドであり、体腔表面Ｂ（または体腔内部）で反射した反射光の一部が集光レンズを介して分光プローブ２１０に入射され、分光計２２０に送られる。
　分光計２２０は、分光プローブ２１０から送られた光の分光特性を計測する。計測された分光特性のデータは、解析用コンピュータ３１０に送られる。
　解析用コンピュータ３１０は、ＣＰＵ３１１、Ｉ／Ｏコントローラ３１２、ストレージ３１３及びビデオ回路３１４を有する。なお、解析用コンピュータ３１０は、例えばパーソナルコンピュータ又はワークステーションである。
　解析用コンピュータ３１０のＣＰＵ３１１は、分光計２２０による分光特性のデータをＩ／Ｏコントローラ３１２を介して、取得する。そして、後述する解析プログラムを実行することによって、体腔表面Ｂに何らかの病変がありうるかどうか、また、どのような種類の病変が発生している可能性が高いといえるのかを示す解析結果データを得る。ＣＰＵ３１１はさらに、ビデオ回路３１４を制御して、解析結果データを解析結果表示用モニタ３２０に表示させる。
　解析用コンピュータ３１０のＣＰＵ３１１によって実行される解析プログラムについて以下に説明する。
　図２は、健常な胃の粘膜の分光特性（すなわち、波長に対する光の吸収率）の一例を示すグラフである。図２に示されるように、健常な胃の粘膜は、個人差や観察位置によって多少の変動はあるが、４８０ｎｍ以下、５５０～５６０ｎｍ、５８０～５９０ｎｍにピークを持っている。生体組織の分光特性は、分光特性の計測対象となる部位の表層部を構成する物質によって決まるものといわれている。例えば、酸素と結合したヘモグロビンの分光特性（すなわち動脈の分光特性）は５４０ｎｍ前後及び５７０～５８０ｎｍにピークを持ち、一方、酸素と結合していないヘモグロビンの分光特性（すなわち静脈の分光特性）は、５５０～５６０ｎｍにピークを持つ。
　生体組織は、赤血球等の体液の成分や細胞を構成する物質など、様々な物質で構成されている。健常な組織においては、特定の生体組織を構成する主要な物質の種類には、個人差や観察位置による差は殆どなく、個人差等による分光特性の差異は、構成する物質の比率によるものである。すなわち、生体組織を構成する主要な物質の種類がＮであり、各物質（独立成分）の分光特性ベクトル（特定の周波数帯（例えば、４７０ｎｍ～７００ｎｍ）において、特定の周波数（例えば５ｎｍ）毎に計測した光の吸収率のベクトル）をεｎ（ｎ＝１，２，・・・，Ｎ）とすると、特定の健常な生体組織の分光特性ベクトルｘｈは、以下に示す数１によって近似される。
Figure JPOXMLDOC01-appb-M000007
　上記の数１において、係数ｓｎは、個人差等によってサンプル毎に変動する値である。
　一方、病変部の生体組織は、健常な生体組織には含まれない物質が含まれており、その種類は病変の種類の状態によって異なる。すなわち、病変部の分光特性ベクトルｘｕは、以下に示す数２によって近似される。
Figure JPOXMLDOC01-appb-M000008
　従って、特定の生体組織の分光特性ベクトルＡに対して、数１を満たす係数ｓｎを定めることが可能であれば、その生体組織は健常部である可能性が高いものといえる。一方、分光特性ベクトルＡに対して、係数ｓｎを定めることができず、残差であるエラー成分Ｅが残る場合は、その生体組織は病変部である可能性が高い。また、エラー成分Ｅの特徴（ピーク波長等）は、病変部の種類によって決まるものである。そのため、エラー成分Ｅの特徴から病変部の種類を推定することが可能となる。
　独立成分ベクトルεｎは、互いに無相関と見なせるため、特定の健常な生体組織のサンプルの分光特性を多数計測することによって推定可能である（独立成分分析）。図２に示される胃の粘膜の分光特性の独立成分の分析結果（Ｎ＝３）のグラフを図３に示す。
　本実施形態の解析プログラムのフローチャートを図４に示す。本解析プログラムが実行されると、ステップＳ１が実行される。ステップＳ１では、ＣＰＵ３１１は、分光計２２０によって計測された分光特性ベクトルＡを読み込む。なお、分光特性ベクトルＡは、解析プログラムを実行する際に分光計２２０から取得されてもよく、或いは、あらかじめ分光計２２０によって計測されてストレージ３１３等に保存された分光特性ベクトルを読み出すことによって取得されてもよい。
　次いで、ステップＳ２に進む。ステップＳ２では、ＣＰＵ３１１は、独立成分分析によってあらかじめ求められた独立成分ベクトルεｎを用いて、特定の生体組織の分光特性ベクトルに対して重回帰分析を行い、係数ｓｎ及びエラー成分Ｅの演算を行う。重回帰分析の手法としては、共役勾配法、最小自乗法、減衰最小自乗法、ニュートン法、準ニュートン法などの既知の手法が使用可能である。
　次いで、ステップＳ３に進む。ステップＳ３では、ＣＰＵ３１１は、求められたエラー成分Ｅの分類を行う。具体的には、特定の病変部があることが判明している多数の生体組織の分光特性ベクトルに対して重回帰分析を行い、特定の病変部における典型的なエラー成分Ｅｄをあらかじめ求める。次いで、エラー成分Ｅを、エラー成分Ｅｄを用いて、下記の数３を満たす係数ｓｄを求める。
Figure JPOXMLDOC01-appb-M000009
　そして、ＣＰＵ３１１は、下記の数４を用いて、エラー成分のベクトルＥをｓｄで割ったベクトルＥ／ｓｄ＝［Ｅλ１／ｓｄ，Ｅλ２／ｓｄ，・・・，ＥλＭ／ｓｄ］と、ベクトルＥｄ＝［Ｅｄλ１，Ｅｄλ２，・・・，ＥｄλＭ］の類似度Ｄを求める。
Figure JPOXMLDOC01-appb-M000010
　係数ｗλｍは、経験則によって定められる重み付け係数であり、特定の周波数域でのベクトルＥとＥｄの形状の類似度を強調することを目的とするものである。
　求められた類似度Ｄが０に近い程、エラー成分Ｅが示す生体組織が、エラー成分Ｅｄが示す特定の病変部を有している確率が高いものといえる。解析プログラムは、エラー成分Ｅに対応する生体組織がエラー成分Ｅｄに対応する特定の病変部を有しているといえるかの判定を、エラー成分Ｅｄを求める際に使用したサンプルのエラー成分Ｅｄｋを、Ｅｄに対するＥｄｋの比ｓｄｋで割ったベクトルＥｄｋ／ｓｄｋ＝［Ｅｄｋλ１／ｓｄｋ，Ｅｄｋλ２／ｓｄｋ，・・・，ＥｄｋλＭ／ｓｄｋ］（ｋ＝１，２，・・・，Ｋ）のエラー成分Ｅｄに対する類似度Ｄｄｋに基づいて行う。類似度Ｄｄｋは、数５に基づいてあらかじめ求められている。
Figure JPOXMLDOC01-appb-M000011
　解析プログラムは、多数のサンプルのエラー成分Ｅｄｋから求められる類似度の集合Ｄｄｋに、エラー成分Ｅから求められる類似度Ｄが含まれるといえるかどうかの検定を行う。例えば、集合Ｄｄｋに類似度Ｄが含まれる確率の演算を行う。或いは、集合Ｄｄｋの信頼区間を求め、求められた信頼区間に類似度Ｄが含まれるかどうかにより、エラー成分Ｅに対応する生体組織が特定の病変部を含むといえるかどうかの判定を行う。例えば、類似度Ｄが９９．８％信頼区間に含まれる時は、エラー成分Ｅに対応する生体組織が特定の病変部を含む可能性があるものと判定する。また、類似度Ｄが６６．２％信頼区間に含まれ且つ９９．８％信頼区間に含まれない時は、再検査の必要ありと判定する。
　次いで、ステップＳ４に進む。ステップＳ４では、ＣＰＵ３１１は、上記の検定による解析結果データ（集合Ｄｄｋに類似度Ｄが含まれる確率、或いは、信頼区間に基づく判定結果）を、前述のように解析結果表示用モニタ３２０（図１）に表示する。次いで、ＣＰＵ３１１は、解析プログラムを終了させる。診断補助システム１の使用者である医師は、解析結果表示用モニタ３２０に表示される解析結果を参照して、診断を行う。
　なお、本実施形態の電子内視鏡用プロセッサ１２０は、電子内視鏡用プロセッサ１２０に内蔵される信号処理回路１２１、光源部１２２等の各構成要素を統括的に制御するＣＰＵ、及び、電子内視鏡１１０の操作部１１２からの入力を受け付けて解析用コンピュータ３１０のＩ／Ｏコントローラ３１２と通信するＩ／Ｏコントローラを有しており、本実施形態の解析プログラムは、操作部１１２からの入力に基づいて実行されるように構成されている。
 

Claims (10)

  1. 　診断対象となる生体組織の分光特性のベクトルである被検ベクトルを読み込むベクトル入力手段と、
    　特定の物質の分光特性のベクトルである複数の独立成分ベクトルにて、前記被検ベクトルを重回帰分析し、残差成分のベクトルであるエラーベクトルを得る重回帰分析手段と、
    　前記エラーベクトルの特徴を抽出し、抽出されたエラーベクトルの特徴から前記診断対象となる生体組織に病変部が含まれるかどうか、及びどのような病変部が含まれる可能性があるかを示す指標値を演算する指標値演算手段と
    を有する診断補助装置。
  2. 　前記独立成分ベクトルは、前記診断対象となる生体組織と同一部位で且つ病変部が含まれていない多数の生体組織サンプルの分光特性のベクトルから、独立成分分析によって算出されることを特徴とする請求項１に記載の診断補助装置。
  3. 　前記指標値演算手段は、特定の病変部が含まれる多数の生体組織サンプルの分光特性のベクトルを前記複数の独立成分ベクトルにて重回帰分析して得られる残差成分のベクトルである病変部サンプルエラーベクトルから独立性分分析によって求められる病変部物質ベクトルに基づいて前記指標値を演算することを特徴とする請求項１又は請求項２に記載の診断補助装置。
  4. 　前記指標値演算手段は、
    　　前記エラーベクトルをＥ＝［Ｅλ１，Ｅλ２，・・・，ＥλＭ］、前記病変部物質ベクトルをＥｄ＝［Ｅｄλ１，Ｅｄλ２，・・・，ＥｄλＭ］として、重回帰分析により下式（ａ）を満たす係数ｓｄを演算し、
    　　重み付け係数ｗλｍを用いて下式（ｂ）によってベクトルＥ／ｓｄとＥｄとの類似度Ｄを演算し、
    　　前記類似度Ｄに基づいて前記指標値を求める
    ことを特徴とする請求項３に記載の診断補助装置。
    Figure JPOXMLDOC01-appb-I000001
  5. 　前記指標値演算手段は、
    　　前記多数の病変部サンプルエラーベクトルをＥｄｋ＝［Ｅｄｋλ１，Ｅｄｋλ２，・・・，ＥｄｋλＭ］（ｋ＝１，２，・・・，Ｋ）として、重回帰分析により求められる下式（ｃ）を満たす係数ｓｄｋと、下式（ｄ）によって求められるベクトルＥｄｋ／ｓｄｋの夫々とＥｄとの類似度の群Ｄｄｋに基づいて、検定によって前記類似度Ｄが前記類似度の群Ｄｄｋに含まれる確率の演算を行い、
    　　前記類似度Ｄが前記類似度の群Ｄｄｋに含まれる確率を前記指標値とする
    ことを特徴とする請求項４に記載の診断補助装置。
    Figure JPOXMLDOC01-appb-I000002
  6. 　診断対象となる生体組織の分光特性のベクトルである被検ベクトルを読み込むベクトル入力ステップと、
    　特定の物質の分光特性のベクトルである複数の独立成分ベクトルにて、前記被検ベクトルを重回帰分析し、残差成分のベクトルであるエラーベクトルを得る重回帰分析ステップと、
    　前記エラーベクトルの特徴を抽出し、抽出されたエラーベクトルの特徴から前記診断対象となる生体組織に病変部が含まれるかどうか、及びどのような病変部が含まれる可能性があるかを示す指標値を演算する指標値演算ステップと
    を有する診断補助方法。
  7. 　前記独立成分ベクトルは、前記診断対象となる生体組織と同一部位で且つ病変部が含まれていない多数の生体組織サンプルの分光特性のベクトルから、独立成分分析によって算出されることを特徴とする請求項６に記載の診断補助方法。
  8. 　前記指標値演算ステップは、特定の病変部が含まれる多数の生体組織サンプルの分光特性のベクトルを前記複数の独立成分ベクトルにて重回帰分析して得られる残差成分のベクトルである病変部サンプルエラーベクトルから独立性分分析によって求められる病変部物質ベクトルに基づいて前記指標値を演算することを特徴とする請求項６又は請求項７に記載の診断補助方法。
  9. 　前記指標値演算ステップは、
    　　前記エラーベクトルをＥ＝［Ｅλ１，Ｅλ２，・・・，ＥλＭ］、前記病変部物質ベクトルをＥｄ＝［Ｅｄλ１，Ｅｄλ２，・・・，ＥｄλＭ］として、重回帰分析により下式（ａ）を満たす係数ｓｄを演算し、
    　　重み付け係数ｗλｍを用いて下式（ｂ）によってベクトルＥ／ｓｄとＥｄとの類似度Ｄを演算し、
    　　前記類似度Ｄに基づいて前記指標値を求める
    ことを特徴とする請求項８に記載の診断補助方法。
    Figure JPOXMLDOC01-appb-I000003
  10. 　前記指標値演算ステップは、
    　　前記多数の病変部サンプルエラーベクトルをＥｄｋ＝［Ｅｄｋλ１，Ｅｄｋλ２，・・・，ＥｄｋλＭ］（ｋ＝１，２，・・・，Ｋ）として、重回帰分析により求められる下式（ｃ）を満たす係数ｓｄｋと、下式（ｄ）によって求められるベクトルＥｄｋ／ｓｄｋの夫々とＥｄとの類似度の群Ｄｄｋに基づいて、検定によって前記類似度Ｄが前記類似度の群Ｄｄｋに含まれる確率の演算を行い、
    　　前記類似度Ｄが前記類似度の群Ｄｄｋに含まれる確率を前記指標値とする
    ことを特徴とする請求項９に記載の診断補助方法。
    Figure JPOXMLDOC01-appb-I000004
     
PCT/JP2010/068663 2009-10-29 2010-10-22 診断補助装置及び診断補助方法 WO2011052491A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2011538390A JP5705124B2 (ja) 2009-10-29 2010-10-22 診断補助装置及び診断補助方法
CN201080048494.0A CN102595996B (zh) 2009-10-29 2010-10-22 辅助诊断仪
US13/499,395 US8775096B2 (en) 2009-10-29 2010-10-22 Auxiliary diagnostic apparatus and auxiliary diagnostic method
DE112010004184.9T DE112010004184B4 (de) 2009-10-29 2010-10-22 Hilfsdiagnoseeinrichtung und Hilfsdiagnoseverfahren

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2009-248660 2009-10-29
JP2009248660 2009-10-29

Publications (1)

Publication Number Publication Date
WO2011052491A1 true WO2011052491A1 (ja) 2011-05-05

Family

ID=43921914

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2010/068663 WO2011052491A1 (ja) 2009-10-29 2010-10-22 診断補助装置及び診断補助方法

Country Status (5)

Country Link
US (1) US8775096B2 (ja)
JP (1) JP5705124B2 (ja)
CN (1) CN102595996B (ja)
DE (1) DE112010004184B4 (ja)
WO (1) WO2011052491A1 (ja)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013172156A1 (ja) * 2012-05-18 2013-11-21 Hoya株式会社 電子内視鏡装置
WO2015198772A1 (ja) * 2014-06-26 2015-12-30 オリンパス株式会社 形状推定装置、それを備えた内視鏡システム、形状推定方法及び形状推定のためのプログラム
JP2016530023A (ja) * 2013-09-06 2016-09-29 コビディエン エルピー 光を用いて肺を可視化するためのシステムおよび方法
JP2017000836A (ja) * 2016-09-27 2017-01-05 Hoya株式会社 電子内視鏡装置
WO2017026539A1 (ja) * 2015-08-13 2017-02-16 Hoya株式会社 評価値計算装置及び電子内視鏡システム
US11559186B2 (en) 2015-08-13 2023-01-24 Hoya Corporation Evaluation value calculation device and electronic endoscope system

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5737899B2 (ja) 2010-10-07 2015-06-17 Hoya株式会社 診断システム
JP5923099B2 (ja) 2011-09-29 2016-05-24 Hoya株式会社 診断システム
CN103873846B (zh) * 2014-03-24 2015-09-23 中国人民解放军国防科学技术大学 基于滑窗的众视点真三维显示系统视频同步播放方法
JP6136022B2 (ja) 2014-11-12 2017-05-31 トヨタ自動車株式会社 燃料電池車の制御方法
JP6356051B2 (ja) * 2014-11-21 2018-07-11 Hoya株式会社 分析装置及び分析装置の作動方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002535023A (ja) * 1999-01-22 2002-10-22 インストルメンテーション メトリックス インコーポレイテッド 非侵襲的血液分析測定のためのシステムおよび方法
JP2005504561A (ja) * 2001-03-01 2005-02-17 トラスティーズ・オブ・ダートマウス・カレッジ 蛍光寿命分光計（ｆｌｓ）および病変組織の検出方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6280381B1 (en) 1999-07-22 2001-08-28 Instrumentation Metrics, Inc. Intelligent system for noninvasive blood analyte prediction
US7139598B2 (en) 2002-04-04 2006-11-21 Veralight, Inc. Determination of a measure of a glycation end-product or disease state using tissue fluorescence
CN1327812C (zh) * 2002-03-25 2007-07-25 Tyt技研株式会社 不抽血的血液成分值测量装置
CN100998499B (zh) * 2003-10-28 2013-07-24 薇拉莱特公司 使用组织荧光确定某一糖化终产物或疾病状态
JP2007135989A (ja) 2005-11-21 2007-06-07 Olympus Corp 分光内視鏡
JP2007285922A (ja) * 2006-04-18 2007-11-01 Osaka Univ 近赤外光を用いた臨床血液検査方法
JP5235473B2 (ja) * 2008-04-04 2013-07-10 Ｈｏｙａ株式会社 分光特性推定装置
JP4692786B2 (ja) 2009-01-09 2011-06-01 花王株式会社 肌のテクスチャの解析方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002535023A (ja) * 1999-01-22 2002-10-22 インストルメンテーション メトリックス インコーポレイテッド 非侵襲的血液分析測定のためのシステムおよび方法
JP2005504561A (ja) * 2001-03-01 2005-02-17 トラスティーズ・オブ・ダートマウス・カレッジ 蛍光寿命分光計（ｆｌｓ）および病変組織の検出方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
ETSUHIRO MATSUYAMA ET AL.: "The standard value of lumbar bone mineral density and diagnosis of osteoporosis", CENTRAL JAPAN JOURNAL OF ORTHOPAEDIC SURGERY & TRAUMATOLOGY, vol. 37, no. 1, 1 January 1994 (1994-01-01), pages 199 - 200 *

Cited By (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013240401A (ja) * 2012-05-18 2013-12-05 Hoya Corp 電子内視鏡装置
CN104486983A (zh) * 2012-05-18 2015-04-01 Hoya株式会社 电子内窥镜设备
WO2013172156A1 (ja) * 2012-05-18 2013-11-21 Hoya株式会社 電子内視鏡装置
CN105996965A (zh) * 2012-05-18 2016-10-12 Hoya株式会社 电子内窥镜设备
JP2016530024A (ja) * 2013-09-06 2016-09-29 コビディエン エルピー 光を用いて肺を可視化するためのシステムおよび方法
JP2016530023A (ja) * 2013-09-06 2016-09-29 コビディエン エルピー 光を用いて肺を可視化するためのシステムおよび方法
WO2015198772A1 (ja) * 2014-06-26 2015-12-30 オリンパス株式会社 形状推定装置、それを備えた内視鏡システム、形状推定方法及び形状推定のためのプログラム
JP2016007506A (ja) * 2014-06-26 2016-01-18 オリンパス株式会社 形状推定装置、それを備えた内視鏡システム、形状推定方法及び形状推定のためのプログラム
WO2017026539A1 (ja) * 2015-08-13 2017-02-16 Hoya株式会社 評価値計算装置及び電子内視鏡システム
JP6113386B1 (ja) * 2015-08-13 2017-04-12 Hoya株式会社 評価値計算装置及び電子内視鏡システム
US11559186B2 (en) 2015-08-13 2023-01-24 Hoya Corporation Evaluation value calculation device and electronic endoscope system
US11571108B2 (en) 2015-08-13 2023-02-07 Hoya Corporation Evaluation value calculation device and electronic endoscope system
JP2017000836A (ja) * 2016-09-27 2017-01-05 Hoya株式会社 電子内視鏡装置

Also Published As

Publication number Publication date
DE112010004184B4 (de) 2017-10-12
US8775096B2 (en) 2014-07-08
JPWO2011052491A1 (ja) 2013-03-21
CN102595996A (zh) 2012-07-18
CN102595996B (zh) 2015-11-25
DE112010004184T5 (de) 2012-11-29
US20120191365A1 (en) 2012-07-26
JP5705124B2 (ja) 2015-04-22

Similar Documents

Publication Publication Date Title
JP5705124B2 (ja) 診断補助装置及び診断補助方法
JP6890184B2 (ja) 医療画像処理装置及び医療画像処理プログラム
AU2015284810B2 (en) Raman spectroscopy system, apparatus, and method for analyzing, characterizing, and/or diagnosing a type or nature of a sample or a tissue such as an abnormal growth
JP5580637B2 (ja) 画像処理装置、内視鏡装置の作動方法及びプログラム
JP6230077B2 (ja) 光ファイバーラマン分光法を利用する内視鏡検査でのリアルタイム癌診断に関連する方法
US20060184040A1 (en) Apparatus, system and method for optically analyzing a substrate
WO2020170791A1 (ja) 医療画像処理装置及び方法
JP5923099B2 (ja) 診断システム
WO2012132571A1 (ja) 診断システム
US20140163389A1 (en) In vivo detection of eosinophils
WO2009009175A2 (en) Spectral imaging device for hirschsprung's disease
WO2012046530A1 (ja) 診断システム
KR101921582B1 (ko) 의료 진단 시스템, 서버 및 방법
JP2001037718A (ja) 画像診断装置及び内視鏡装置
KR101782751B1 (ko) 형광현미경에 장착 가능한 플러그앤 플레이 내시경 프로브 시스템
KR20190079187A (ko) 다중 모달 융합 내시경 시스템
JP2020507399A (ja) 分光撮像を用いた微小血管機能障害の評価
KR101542354B1 (ko) 거리 측정 모듈을 포함하는 내시경 장치, 이를 이용한 병변 크기 측정 시스템 및 방법
US11382525B2 (en) Handheld blood-flow imaging device
JP2023519479A (ja) 標的の偏光測定特徴付けの為のシステム
JP2021101900A (ja) 学習データ作成装置、方法及びプログラム並びに医療画像認識装置
JP7142754B1 (ja) 畳み込みニューラルネットワークを使用して食道癌の画像を検出する方法
JP2010022464A (ja) 画像取得方法および装置
WO2022044642A1 (ja) 学習装置、学習方法、プログラム、学習済みモデル、及び内視鏡システム
US20230044280A1 (en) Accessory device for an endoscopic device

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 201080048494.0

Country of ref document: CN

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

Ref document number: 10826623

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2011538390

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 13499395

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 3468/DELNP/2012

Country of ref document: IN

WWE Wipo information: entry into national phase

Ref document number: 1120100041849

Country of ref document: DE

Ref document number: 112010004184

Country of ref document: DE

122 Ep: pct application non-entry in european phase

Ref document number: 10826623

Country of ref document: EP

Kind code of ref document: A1