WO2018016113A1 - 診断支援プログラム - Google Patents

診断支援プログラム Download PDF

Info

Publication number
WO2018016113A1
WO2018016113A1 PCT/JP2017/007859 JP2017007859W WO2018016113A1 WO 2018016113 A1 WO2018016113 A1 WO 2018016113A1 JP 2017007859 W JP2017007859 W JP 2017007859W WO 2018016113 A1 WO2018016113 A1 WO 2018016113A1
Authority
WO
WIPO (PCT)
Prior art keywords
image
specified
lung
images
support program
Prior art date
Application number
PCT/JP2017/007859
Other languages
English (en)
French (fr)
Inventor
阿部　武彦
吉田　典史
Original Assignee
ラドウィスプ プライベート リミテッド
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 ラドウィスプ プライベート リミテッド filed Critical ラドウィスプ プライベート リミテッド
Priority to KR1020197003768A priority Critical patent/KR102255109B1/ko
Priority to EP17830635.3A priority patent/EP3488782B1/en
Priority to CA3031175A priority patent/CA3031175C/en
Priority to US16/318,839 priority patent/US11004201B2/en
Priority to EP21192214.1A priority patent/EP3936048A1/en
Priority to CN201780044834.4A priority patent/CN109561863B/zh
Priority to JP2018528393A priority patent/JP6746114B2/ja
Priority to AU2017299238A priority patent/AU2017299238C1/en
Publication of WO2018016113A1 publication Critical patent/WO2018016113A1/ja
Priority to US17/230,960 priority patent/US20210233243A1/en

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/48—Diagnostic techniques
    • A61B6/486—Diagnostic techniques involving generating temporal series of image data
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G06T7/0014—Biomedical image inspection using an image reference approach
    • G06T7/0016—Biomedical image inspection using an image reference approach involving temporal comparison
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
    • A61B5/316—Modalities, i.e. specific diagnostic methods
    • A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • A61B6/502—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications for diagnosis of breast, i.e. mammography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5205—Devices using data or image processing specially adapted for radiation diagnosis involving processing of raw data to produce diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data extracting a diagnostic or physiological parameter from medical diagnostic data
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5288—Devices using data or image processing specially adapted for radiation diagnosis involving retrospective matching to a physiological signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/168—Segmentation; Edge detection involving transform domain methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00—ICT specially adapted for the handling or processing of medical images
    • G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52—Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5258—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise
    • A61B6/5264—Devices using data or image processing specially adapted for radiation diagnosis involving detection or reduction of artifacts or noise due to motion
    • 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
    • G06T2207/10016—Video; Image sequence
    • 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
    • G06T2207/30061—Lung
    • 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
    • G06T2207/30101—Blood vessel; Artery; Vein; Vascular
    • G06T2207/30104—Vascular flow; Blood flow; Perfusion

Definitions

  • the present invention relates to a technique for analyzing an image of a human body and displaying an analysis result.
  • Non-Patent Document 1 discloses a technique for generating a difference image indicating a difference in signal values between a plurality of frame images constituting a dynamic image, and obtaining and displaying the maximum value of each signal value from the difference image. Is disclosed.
  • Patent Document 1 a lung field region is extracted from each frame image of a plurality of frame images indicating the dynamics of the human chest, and the lung field region is divided into a plurality of small regions.
  • a technique for analyzing the divided small areas in association with each other is disclosed. According to this technique, the feature quantity indicating the movement of the divided small area is displayed.
  • Non-Patent Document 1 it is not easy for a doctor to grasp the disease state simply by displaying the maximum value of the inter-frame difference value for each pixel of the dynamic image. Further, just displaying the feature amount as in the technique described in Patent Document 1 is still not sufficient for grasping the disease state. For this reason, it is desirable to display an image that matches the state of breathing and pulmonary blood vessels. That is, it is possible to grasp the whole respiratory state and vascular dynamics of the human body that is the subject, and display an image showing the movement supported by them based on the waveform or frequency of breathing, heart, hilar blood vessels or blood flow desirable.
  • This invention is made in view of such a situation, and it aims at providing the diagnostic assistance program which can display the motion of the area
  • the diagnosis support program is a diagnosis support program for analyzing an image of a human body and displaying an analysis result, and a process of acquiring a plurality of frame images from a database storing the image; A process for specifying a respiratory cycle based on pixels in a specific area of each frame image, a process for detecting a lung field based on the specified respiratory cycle, and dividing the detected lung field into a plurality of block areas Then, a process for calculating an image change in the block area in each frame image, a process for performing a Fourier analysis on the image change in each block area in each frame image, and displaying each image after the Fourier analysis on the display And causing the computer to execute the processing.
  • a diagnosis support program is a diagnosis support program that analyzes an image of a human body and displays an analysis result, and acquires a plurality of frame images from a database that stores the image. Processing, processing for specifying the vascular beat cycle of the subject, processing for specifying the respiratory cycle based on the pixels in the specific region of each frame image, and processing for detecting the lung field based on the specified respiratory cycle And dividing the detected lung field into a plurality of block regions, calculating a change in the image in the block region in each frame image, and each block in each frame image based on the specified vascular beat period A process for performing Fourier analysis on the change in the image of the region and a process for displaying each image after the Fourier analysis on a display are executed on a computer. And wherein the Rukoto.
  • a diagnosis support program is a diagnosis support program that analyzes an image of a human body and displays an analysis result, and acquires a plurality of frame images from a database that stores the image.
  • a process a process for specifying a vascular beat cycle of a subject, a process for dividing an analysis range set for each frame image into a plurality of block areas, and calculating a change in an image in the block area in each frame image;
  • the computer executes a process of performing a Fourier analysis on an image change of each block region in each frame image and a process of displaying each image after the Fourier analysis on a display. It is characterized by.
  • diagnosis support program is characterized in that the breathing cycle of the subject is specified based on other data including diaphragm movement, thorax movement, or spirogram.
  • the diagnosis support program specifies the vascular beat cycle of the subject based on a measurement result by another modality device including an electrocardiogram or a pulse meter, or each frame image
  • the movement of the diaphragm and thorax is extracted based on the diaphragm image and the thorax image included in at least, the respiratory cycle of the subject is specified, the lung field is detected based on the specified respiratory cycle, and the detected From the lung field, the position of the heart, the position of the hilar, the main pulmonary blood vessels, the large blood vessels and other vascular cycles are specified, and the vascular beat cycle is specified based on the change in the image of each specified part.
  • the diagnosis support program calculates a relative positional relationship between the lung field and blood vessels based on the specified respiratory cycle, and specifies the shape of the lung of the subject as a standard lung In addition, the blood flow dynamics of the subject is specified as a standard blood vessel region.
  • diagnosis support program plots a plurality of points according to a certain rule on the opposing contours of the lung field, and connects the opposing points with line segments. Is divided into a plurality of block areas.
  • the Fourier analysis process includes performing Fourier transform on the image of each block region in each frame image, and substantially respiration from the waveform after Fourier transform. Only a waveform indicating a cycle or a vascular beat cycle is extracted, and inverse Fourier transform is performed.
  • the present invention it is possible to display the movement of a region whose shape changes for each breath or one heartbeat. That is, it is possible to generate an image for assisting diagnosis by calculating numerical values for assisting diagnosis and imaging these numerical values. As a result, it is possible to visualize the difference between normal motion and abnormal motion and visually recognize the difference, which is suitable for the field of image medical care.
  • the entire time or a partial range is constant repetition or constant movement on the time axis. (Lucin) is measured as a wave.
  • the calculation may be performed several times.
  • the artifacts for the results are excluded again, and the functions are extracted by extracting from the new data extraction waveform, the first base data waveform, other modality waveforms, surroundings, and multiple waveforms.
  • the number of times may be one time or a plurality of times.
  • multiple modalities for example, a certain density, volumetry, thorax movement, diaphragm movement, spirometry, thoracoabdominal respiration sensor
  • multiple time waveform measurement complements each other's component extraction and increases accuracy. This makes it possible to reduce the artifacts and increase the accuracy based on a certain expectation such as a line.
  • the axis, width, range, and fluctuations and width of Hz due to mutual component extraction are estimated. That is, the axis setting of Hz is averaged by overlapping a plurality of times, and the optimum range of axis, width, range, and Hz is calculated by dispersion. At that time, Hz (noise) of other actions is extracted, and if there is a wave, the degree to which it does not enter may be relatively measured.
  • master data can be obtained.
  • a new object to be measured is extracted with a certain width and range of the waveform of the master data and the wave Hz.
  • extraction is performed with a width and a range as a framework of the degree of extraction of only blood vessels or blood vessels.
  • waveform and the width of Hz relative, using waveform elements in other functions, artifacts such as noise, waveforms of other modalities considered to have other synchrony, reproducibility performed multiple times, Comprehensive judgment based on statistics. Adjustment and experience are required (machine learning can also be applied).
  • numerical values that assist the diagnosis are calculated by digitizing the originally captured wave shape, the coincidence rate with respect to Hz, and other inconsistency rates. For example, it is possible to apply to a diagnostic assistant by measuring the waveform coincidence rate of the master's disease and calculating the coincidence rate of the disease waveform together with eliminating pulse meter and auscultation noise.
  • an image that assists diagnosis is calculated by imaging the wave shape, the matching rate with respect to Hz, and other mismatch rates that were originally captured. For example, the difference between normal swallowing and patient swallowing is visualized, and the difference between the action that has been performed so far and the action that is currently being performed is represented. For example, how to carry a walking foot, change of swing, difference.
  • ⁇ Visualize the amount of change in extraction and draw it on an image. This is the respiratory function analysis and blood vessel analysis described below. The change rate of the rib cage and diaphragm is visualized. In this case, it is also possible to exclude the artifacts from the results again and extract the function from the new data extraction waveform, the first base data waveform, other modality waveforms, surroundings, and multiple waveforms. is there.
  • the feature amount may be grasped even if the extracted change component is excluded from the ones other than those extracted above. For example, when grasping the movement of the abdominal intestinal tract, the influence of breathing and the influence of blood vessels are excluded from the abdomen to extract the movement of the abdominal intestinal tract.
  • the images that take a certain amount of time are corrected based on the rate of change due to the extraction to provide a clearer and more accurate image. For example, it is effective for ascending aorta heart correction, heart shape correction, bronchial blur correction, thorax circumference evaluation, and imaging in a state where breath cannot be held (the patient and imaging takes several minutes).
  • FIG. 1A is a diagram illustrating a schematic configuration of a diagnosis support system according to the present embodiment.
  • This diagnosis support system exhibits a specific function by causing a computer to execute a diagnosis support program.
  • the basic module 1 includes a respiratory function analysis unit 3, a pulmonary blood flow analysis unit 5, another blood flow analysis unit 7, a Fourier analysis unit 9, a waveform analysis unit 10, and a visualization / numerization unit 11.
  • the basic module 1 acquires image data from the database 15 via the input interface 13.
  • the database 15 stores, for example, images by DICOM (Digital Imaging and COmmunication in Medicine).
  • DICOM Digital Imaging and COmmunication in Medicine
  • the respiratory cycle is analyzed based on the following indices. That is, the respiratory cycle is analyzed using at least one of density / intensity, diaphragm movement, and thorax movement in a certain region in the lung field. Moreover, it is obtained from other measurement methods such as a range constituted by a certain volume density / intensity measured at a site where X-rays (other types of modalities such as CT and MRI) are highly transmissive, and a spirogram. Data may be used. It is desirable to compare the analysis results for each breath and analyze the trend from a plurality of data to increase the accuracy of the data.
  • the vascular beat is analyzed based on the following indices. That is, the heart, hilar position, and main blood vessels are identified from the measurement results of other modalities such as an electrocardiogram and a pulse meter, or the lung contour, and the blood vessel pulse is analyzed using the change in density / intensity of each part. Moreover, it may be plotted on an image manually to analyze the change in density / intensity of the target part. Note that it is desirable to compare the analysis results for each beat and analyze the tendency from a plurality of data to increase the accuracy of the data.
  • the lung field is divided into a plurality of block areas, and the change of each block area is calculated.
  • the size of the block area may be determined according to the shooting speed. When the photographing speed is slow, it is difficult to specify the corresponding part in the next frame image of a certain frame image, so the block area is enlarged. On the other hand, when the shooting speed is high, the number of frame images per unit time is large, and it is possible to follow even if the block area is small. Further, the size of the block area may be calculated depending on which timing is selected in the respiratory cycle. Here, it may be necessary to correct the displacement of the lung field region.
  • the movement of the thorax, the movement of the diaphragm, and the positional relationship of the blood vessels in the entire lung field are identified, and the relative position of the lung contour is grasped and relatively evaluated based on the movement.
  • the block area is too small, image flicker may occur. In order to prevent this, the block area needs to have a certain size.
  • the first method is a method of plotting points in the longitudinal direction of the lungs and dividing the lungs transversely.
  • a distance on the mediastinum side of the lung and a distance on the outside of the lung can be obtained, and points obtained by equally dividing the distance can be plotted.
  • division is performed with the enlargement ratios of the mediastinum and the outside being determined.
  • the lung moves more greatly on the diaphragm side than on the apex side of the lung, and therefore, points closer to the diaphragm side may be plotted more finely.
  • a vertical line (dotted line) may be additionally drawn and divided into a plurality of rectangular (square) block areas. This makes it possible to more accurately represent lung motion.
  • the second method is also a method of dividing the lungs transversely. As shown in FIG. 1C, a parallel line is drawn between the lung apex and the end of the diaphragm (or the vicinity thereof) in the lung region, Plot multiple points. Then, division is performed by setting an enlargement ratio at the portions facing each other.
  • the second method has an advantage that the calculation amount is small because the length of the curve portion of the lung is not calculated.
  • a vertical line (dotted line) may be additionally drawn and divided into a plurality of rectangular (square) block areas.
  • the third method is a method of plotting points in the lateral direction of the lungs and longitudinally dividing the lungs.
  • a distance on the mediastinum side of the lung and a distance on the outside of the lung can be obtained, and points obtained by equally dividing the distance can be plotted.
  • division is performed by setting an enlargement ratio at the portions facing each other. Note that the lung moves more greatly on the diaphragm side than on the apex side of the lung, and therefore, points closer to the diaphragm side may be plotted more finely.
  • a horizontal line may be additionally drawn so as to be divided into a plurality of rectangular (square) block regions.
  • the fourth method is also a method of longitudinally dividing the lung, but as shown in FIG. 1E, parallel lines are parallel to the vertical direction of the lung apex and the vertical direction of the end of the diaphragm (or the vicinity thereof) in the lung region. And plot multiple points in the meantime. Then, division is performed by setting an enlargement ratio at the portions facing each other.
  • the fourth method has an advantage that the calculation amount is small because the length of the curve portion of the lung is not calculated.
  • a horizontal line may be additionally drawn so as to be divided into a plurality of rectangular (square) block regions.
  • a tangent line at the apex of the lung and a tangent line at the diaphragm are drawn, a point where the tangent line intersects is determined as a center point, and a certain constant is obtained from a straight line including the point (for example, a vertical line).
  • the lungs may be divided in a manner that is close to the horizontal way of division, or may be divided in a manner that is close to the longitudinal way of division.
  • vertical or horizontal lines may be additionally drawn so as to be divided into a plurality of rectangular (square) block regions.
  • the sixth method is a method considered in 3D.
  • the lung may be cut along a plurality of planes orthogonal to a straight line connecting the apex of the lung (or hilar) to the end of the diaphragm.
  • the lungs may be divided by a set (plane) of points having the same amount of displacement accompanying the movement of the diaphragm.
  • vertical or horizontal lines may be additionally drawn so as to be divided into a plurality of rectangular (square) block regions.
  • the image data is interpolated by eliminating artifacts. That is, if a bone or the like is included in the analysis range, it appears as noise, so it is desirable to remove the noise using a noise cut filter.
  • the X-ray image is black because the X-ray is easily transmitted around the position where the blood vessel and the bone do not exist in the lung field region. That is, the pixel value of the X-ray image increases.
  • the X-ray image is white at the position where the blood vessel and the bone are present because X-rays are hardly transmitted. That is, the pixel value of the X-ray image is lowered.
  • CT and MRI based on the result of the above respiratory cycle analysis, based on the waveform per breath, it is possible to interpolate data using values of the same phase and eliminate artifacts.
  • FIG. 2A is a diagram illustrating an intensity change of a specific block and a result of Fourier analysis thereof.
  • FIG. 2B is a diagram illustrating a Fourier transform result obtained by extracting a frequency component close to the heartbeat, and an intensity change of the frequency component close to the heartbeat by performing inverse Fourier transform on the result.
  • the intensity change of a specific block is Fourier transformed (Fourier analysis)
  • a result as shown in FIG. 2A is obtained.
  • a frequency component close to a heartbeat is extracted from the frequency component shown in FIG.
  • the Fourier transform When executing the Fourier transform, it is possible to use an AR method (Autoregressive Moving average model) so that calculation can be performed in a short time.
  • AR method there are methods using the Yule-Walker equation (Yule-walker equiation) and the Kalman filter in the autoregressive moving average model.
  • the Yule-walker estimator Yule-walker estimates
  • PARCOR method least square method Can be used to supplement the calculation.
  • By such Fourier analysis it is possible to extract and display the image properties in each block region.
  • Waveform analysis is performed on blood vessels, brain waves, and other things that are recognized as certain waveforms in the examination. It includes actions that are repeated in a certain state, such as the movement of a foot. For example, in the case of the lung, the left and right differences are compared. Further, it is analyzed whether or not there is the same tendency by repeating the Hz of repeated operations. The waveform data is compared, and the coincidence rate between the two data is calculated. Then, the data after Fourier analysis is compared.
  • the relative positional relationship in the lung field is calculated using the result of the respiratory cycle analysis.
  • the standard lung is created using a line that averages the thoracic line, density, diaphragm, etc. of a plurality of patients.
  • the distance can be measured radially from the hilar to the lung end.
  • it is necessary to correct according to the movement of the thorax and the diaphragm. Further, it may be calculated in combination taking into account the distance from the lung apex.
  • a state in which the diaphragm is moving as a whole is acquired in advance, and necessary diaphragm movement is used in accordance with the measurement of each part.
  • respiratory synchrony and vascular synchronism are achieved with respect to the hertz of the overall diaphragm movement.
  • the synchrony, the coincidence rate, and the discrepancy rate can be numerically presented. Moreover, the deviation from the normal state can be displayed.
  • the present embodiment by performing Fourier analysis, it is possible to discover the possibility of a new disease, compare with a normal self, compare a hand with a foot, or compare with a hand and a foot on the opposite side. Become. Furthermore, it becomes possible to grasp what is wrong with the movement of the foot, swallowing, etc. by the numerical value of synchrony. In addition, it is possible to determine whether or not a sick person has changed after a lapse of a certain time, and when it has changed, it is possible to compare before and after the change.
  • the standard lung when the standard lung is set to 100, it is possible to grasp what percentage of the human body is different and display the rate of change. It is possible to grasp the difference not only in the whole lung but also in a part of the lung.
  • the standard blood flow can also be specified by performing “Variation classification”. That is, it is possible to specify the respiratory cycle, calculate the relative positional relationship of the blood vessels, and specify the blood flow dynamics of the subject as the standard blood flow.
  • FIG. 3 is a flowchart showing an outline of the respiratory function analysis according to the present embodiment.
  • the basic module 1 extracts a DICOM image from the database 15 (step S1). Here, at least a plurality of frame images included in one respiratory cycle are acquired. Next, in each acquired frame image, the respiratory cycle is specified using at least the density (density / intensity) in a certain region in the lung field (step S2). A periodic function is fitted to this respiratory cycle to specify the lung field range.
  • the identification of the respiratory cycle can further use the movement of the diaphragm and the movement of the thorax.
  • Data obtained from other measurement methods such as a range constituted by a certain volume density / intensity, a spirogram, or the like measured at a site having high X-ray permeability may be used.
  • the lung field is automatically detected (step S3).
  • the lung contour in each frame image is specified by interpolating each frame image based on the respiratory cycle specified in step S2. .
  • the detected lung field is divided into a plurality of block regions (step S4).
  • the change of each block area in each frame image is calculated (step S5).
  • the value of the change in each block area is averaged and expressed as one data.
  • Fourier analysis is performed on the density / intensity value of each block region and the amount of change based on the respiratory cycle (step S6). This makes it possible to extract and display the image properties in each block area.
  • step S7 noise removal is performed on the result obtained by Fourier analysis.
  • step S7 The operations from step S5 to step S7 are performed one or more times, and it is determined whether or not to complete (step S8). If not completed, the process proceeds to step S5. If completed, the result obtained by the Fourier analysis is displayed on the display as a pseudo color image (step S9). A black and white image may be displayed. As described above, the accuracy of data can be increased by repeating a plurality of cycles.
  • FIG. 4 is a flowchart showing an outline of pulmonary blood flow analysis according to the present embodiment.
  • the basic module 1 extracts a DICOM image from the database 15 (step T1).
  • a DICOM image is acquired.
  • the vascular beat cycle is specified based on each acquired frame image (step T2).
  • the cardiac cycle is measured by other modalities such as an electrocardiogram and a pulse meter, or the heart, hilar position, and main blood vessels are identified from the lung contour, and the change in density / intensity of each part is used.
  • the cardiac cycle is measured by other modalities such as an electrocardiogram and a pulse meter, or the heart, hilar position, and main blood vessels are identified from the lung contour, and the change in density / intensity of each part is used.
  • the respiratory cycle is specified by the method described above (step T3), and the lung field is automatically detected using the respiratory cycle (step T4).
  • the lung contour in each frame image is identified by interpolating each frame image based on the respiratory cycle identified in step T3. .
  • the detected lung field is divided into a plurality of block regions (step T5).
  • the change of each block area in each frame image is calculated (step T6).
  • the value of the change in each block area is averaged and expressed as one data.
  • Fourier analysis is performed on the value of density / intensity of each block region and the amount of change thereof based on the vascular beat cycle (step T7). This makes it possible to extract and display the image properties in each block area.
  • step T8 noise removal is performed on the result obtained by Fourier analysis.
  • the operations from step T6 to step T8 are performed once or more, and it is determined whether or not to complete (step T9). If not completed, the process proceeds to step T6. If completed, the result obtained by the Fourier analysis is displayed on the display as a pseudo color image (step T10). A black and white image may be displayed. As a result, the accuracy of data can be increased.
  • FIG. 5 is a flowchart showing an outline of another blood flow analysis according to the present embodiment.
  • the basic module 1 extracts a DICOM image from the database 15 (step R1). Here, at least a plurality of frame images included in one beat cycle are acquired. Next, the blood vessel beat cycle is specified based on each acquired frame image (step R2).
  • the cardiac cycle is measured by other modalities such as an electrocardiogram and a pulse meter, or the heart, hilar position, and main blood vessels are identified from the lung contour, and the change in density / intensity of each part is used.
  • modalities such as an electrocardiogram and a pulse meter, or the heart, hilar position, and main blood vessels are identified from the lung contour, and the change in density / intensity of each part is used.
  • an analysis range is set (step R3), and the set analysis range is divided into a plurality of block areas (step R4). Then, the values of changes in each block area are averaged and expressed as one data. Next, Fourier analysis is performed on the density / intensity value of each block region and the amount of change thereof based on the vascular beat cycle (step R5). This makes it possible to extract and display the image properties in each block area.
  • Step R6 noise removal is performed on the result obtained by Fourier analysis.
  • the operations from Step R5 to Step R6 are performed once or more, and it is determined whether or not the operation is completed (Step R7). If not completed, the process proceeds to step R5. If completed, the result obtained by the Fourier analysis is displayed on the display as a pseudo color image (step R8). A black and white image may be displayed. As a result, the accuracy of data can be increased.
  • the estimated function quantity from the amount and ratio of one frame and the rate of change of the area Can be estimated.
  • lung ventilation can be estimated from the respiratory volume
  • pulmonary blood flow analysis pulmonary blood flow can be estimated from cardiac (pulmonary blood vessel) output, and other blood
  • the X-ray moving image apparatus using the flat panel detector can be calculated almost well with the existing facility apparatus, and the introduction cost is low.
  • the X-ray moving image apparatus using the flat panel detector it is possible to simply inspect the subject.
  • pulmonary blood flow can be screened for pulmonary thromboembolism.
  • useless examination can be excluded by executing the diagnosis support program according to the present embodiment before performing CT.
  • the examination since the examination is simple, it is possible to detect a highly urgent disease at an early stage and deal with it preferentially.
  • other modalities such as CT and MRI, detailed diagnosis of each region is possible.
  • the lung respiration data is effective as a partial function test of the lung and can be used as a lung function test. It is also possible to identify diseases such as COPD and emphysema. Furthermore, it can be applied to grasping pre- and post-operative properties. Furthermore, by performing Fourier analysis of the respiratory cycle and blood flow cycle, and removing the respiratory waveform and blood flow waveform from the abdominal X-ray image, it is possible to observe the remaining changes in biological motion, for example, intestinal ileus become.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Optics & Photonics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Physiology (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Cardiology (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Quality & Reliability (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)
  • Image Analysis (AREA)
  • Magnetic Resonance Imaging Apparatus (AREA)

Abstract

一呼吸または一心拍ごとに形状が変化する領域の動きを表示する。人体の画像を解析し、解析結果を表示する診断支援プログラムであって、前記画像を格納するデータベースから複数のフレーム画像を取得する処理（Ｓ１）と、前記各フレーム画像の特定領域の画素に基づいて、呼吸周期を特定する処理（Ｓ２）と、前記特定した呼吸周期に基づいて、肺野を検出する処理（Ｓ３）と、前記検出した肺野を複数のブロック領域に分割し（Ｓ４）、前記各フレーム画像におけるブロック領域における画像の変化を計算する処理（Ｓ５）と、前記各フレーム画像における各ブロック領域の画像の変化をフーリエ解析する処理（Ｓ６）と、前記フーリエ解析後の各画像を疑似カラー画像としてディスプレイに表示する処理（Ｓ７）と、をコンピュータに実行させる。

Description

診断支援プログラム
　本発明は、人体の画像を解析し、解析結果を表示する技術に関する。
　医師が胸部の動態画像によって肺の診断を行なう際、被写体が自然呼吸の状態で撮影された時系列の胸部動態画像の観察が重要である。生理学的なデータを取得しやすいスパイロメータ、ＲＩ（Radio Isotope）検査、形態的なデータが得られる単純Ｘ線写真、ＣＴ（Computed Tomography）などが肺機能を評価するための手法として知られている。しかし、生理学的なデータと形態的なデータの両者を効率良く取得することは容易ではない。
　近年、ＦＰＤ（Flat panel detector）などの半導体イメージセンサを利用して、人体の胸部の動態画像を撮影し、診断に用いる方法が試みられている。例えば、非特許文献１には、動態画像を構成する複数のフレーム画像の間で、信号値の差を示す差分画像を生成し、その差分画像から各信号値の最大値を求めて表示する技術が開示されている。
　また、特許文献１には、人体の胸部の動態を示す複数のフレーム画像のそれぞれのフレーム画像から肺野領域を抽出し、その肺野領域を複数の小領域に分割し、複数のフレーム画像の間において、分割された小領域を互いに対応付けて解析する技術が開示されている。この技術によれば、分割された小領域の動きを示す特徴量が表示される。
特許第５８７４６３６号明細書
　しかしながら、非特許文献１に記載されている技術のように、単に動態画像の画素ごとのフレーム間差分値の最大値を表示するだけでは、医師が病態を把握することは容易ではない。また、特許文献１に記載されている技術のように、特徴量を表示するだけでは、やはり病態の把握には十分ではない。このため、呼吸や肺血管の状態に即した画像を表示することが望ましい。すなわち、被写体である人体の呼吸状態および血管動態全体を把握し、呼吸、心臓、肺門部の血管または血流の波形または周波数に基づいて、それらに裏付けられた動きを示す画像を表示することが望ましい。
　本発明は、このような事情に鑑みてなされたものであり、一呼吸または一心拍ごとに形状が変化する領域の動きを表示することが可能な診断支援プログラムを提供することを目的とする。より具体的には、計測しようとしている新たな対象のデータに対し、既に取得している波の形およびＨｚに対する一致率やその他の不一致率を数値化することによって、診断の補助となる数値を算出し、さらに、これらの数値を画像化することにより、診断の補助となる画像を生成することを目的とする。
　（１）上記の目的を達成するために、本願は、以下のような手段を講じた。すなわち、本発明の一態様に係る診断支援プログラムは、人体の画像を解析し、解析結果を表示する診断支援プログラムであって、前記画像を格納するデータベースから複数のフレーム画像を取得する処理と、前記各フレーム画像の特定領域の画素に基づいて、呼吸周期を特定する処理と、前記特定した呼吸周期に基づいて、肺野を検出する処理と、前記検出した肺野を複数のブロック領域に分割し、前記各フレーム画像におけるブロック領域における画像の変化を計算する処理と、前記各フレーム画像における各ブロック領域の画像の変化をフーリエ解析する処理と、前記フーリエ解析後の各画像をディスプレイに表示する処理と、をコンピュータに実行させることを特徴とする。
　（２）また、本発明の一態様に係る診断支援プログラムは、人体の画像を解析し、解析結果を表示する診断支援プログラムであって、前記画像を格納するデータベースから複数のフレーム画像を取得する処理と、被写体の血管拍周期を特定する処理と、前記各フレーム画像の特定領域の画素に基づいて、呼吸周期を特定する処理と、前記特定した呼吸周期に基づいて、肺野を検出する処理と、前記検出した肺野を複数のブロック領域に分割し、前記各フレーム画像におけるブロック領域における画像の変化を計算する処理と、前記特定した血管拍周期に基づいて、前記各フレーム画像における各ブロック領域の画像の変化をフーリエ解析する処理と、前記フーリエ解析後の各画像をディスプレイに表示する処理と、をコンピュータに実行させることを特徴とする。
　（３）また、本発明の一態様に係る診断支援プログラムは、人体の画像を解析し、解析結果を表示する診断支援プログラムであって、前記画像を格納するデータベースから複数のフレーム画像を取得する処理と、被写体の血管拍周期を特定する処理と、前記各フレーム画像について設定された解析範囲を複数のブロック領域に分割し、前記各フレーム画像におけるブロック領域における画像の変化を計算する処理と、前記特定した血管拍周期に基づいて、前記各フレーム画像における各ブロック領域の画像の変化をフーリエ解析する処理と、前記フーリエ解析後の各画像をディスプレイに表示する処理と、をコンピュータに実行させることを特徴とする。
　（４）また、本発明の一態様に係る診断支援プログラムは、被写体の呼吸周期を、横隔膜の動き、胸郭の動き、またはスパイログラムを含む他のデータに基づいて特定することを特徴とする。
　（５）また、本発明の一態様に係る診断支援プログラムは、前記被写体の血管拍周期を、心電図若しくは脈拍計を含む他のモダリティ装置による計測結果に基づいて特定し、または、前記各フレーム画像に少なくとも含まれる横隔膜の画像および胸郭の画像に基づいて、横隔膜および胸郭の動きを抽出し、被写体の呼吸周期を特定し、前記特定した呼吸周期に基づいて、肺野を検出し、前記検出した肺野から心臓の位置、肺門の位置、主要肺血管、大血管その他の血管周期を特定し、特定した各部位の画像の変化に基づいて血管拍周期を特定することを特徴とする。
　（６）また、本発明の一態様に係る診断支援プログラムは、特定した呼吸周期に基づいて、肺野内および血管の相対的な位置関係を計算し、前記被写体の肺の形状を標準肺として特定すると共に、前記被写体の血流の動態を標準血管領域として特定することを特徴とする。
　（７）また、本発明の一態様に係る診断支援プログラムは、肺野の対向する輪郭上に一定の規則に従って複数の点をプロットし、対向する点を線分で連結することによって、肺野を複数のブロック領域に分割することを特徴とする。
　（８）また、本発明の一態様に係る診断支援プログラムにおいて、前記フーリエ解析する処理は、前記各フレーム画像における各ブロック領域の画像をフーリエ変換し、フーリエ変換後の波形から、実質的に呼吸周期または血管拍周期を示す波形のみを抽出してフーリエ逆変換することを特徴とする。
　本発明の一態様によれば、一呼吸または一心拍ごとに形状が変化する領域の動きを表示することが可能となる。すなわち、診断の補助となる数値を算出し、さらに、これらの数値を画像化することにより、診断の補助となる画像を生成することが可能となる。その結果、通常の運動と異常な運動との違いを可視化し、その違いを視覚的に認識することが可能となるため、画像診療の分野に好適となる。
本実施形態に係る診断支援システムの概略構成を示す図である。 肺領域の分割手法の一例を示す図である。 肺領域の分割手法の一例を示す図である。 肺領域の分割手法の一例を示す図である。 肺領域の分割手法の一例を示す図である。 肺領域の分割手法の一例を示す図である。 肺領域の分割手法の一例を示す図である。 肺領域の分割手法の一例を示す図である。 特定ブロックのｉｎｔｅｎｓｉｔｙ変化と、それをフーリエ解析した結果を示す図である。 心拍に近い周波数成分を抜き出したフーリエ変換結果と、これをフーリエ逆変換して心拍に近い周波数成分のｉｎｔｅｎｓｉｔｙ変化を示す図である。 肺の変化率を模式的に表した図である。 本実施形態に係る呼吸機能解析の概要を示すフローチャートである。 本実施形態に係る肺血流解析の概要を示すフローチャートである。 本実施形態に係るその他の血流解析の概要を示すフローチャートである。
　まず、本発明の基本的な概念について説明する。本発明では、人体における呼吸や血管、その他の生体運動において、一定の周期で反復するように捉えられる動きに対し、全体若しくはある部分的な範囲について、時間軸における一定の反復若しくは一定の運き（ルーチーン）を、波として捉え、計測する。
　波の計測結果については、（ア）波の形態自体、若しくは、（イ）波の間隔（Hz）を用いる。
　同時期に同じようにリンクされる波が存在し得る。例えば、呼吸であれば、以下の近似を概念することができる。
（ある大雑把な範囲のdensity変化の平均）≒（胸郭の変化）≒（横隔膜の動き）≒（肺機能検査）≒（胸腹呼吸センサ）
　これらのいずれかのデータ、またはこれらを組み合わせたデータを用いて、より精度の高い画像の抽出を可能とする。この際、何度も相互的に計算させることもある。その際、再度結果に対するアーティファクト（artifact）を除外し、新しいデータ抽出波形や最初のベースとなるデータ波形、その他のモダリティなどの波形、周囲、複数回の波形から抽出して、機能の抽出を行なう。その際、回数は一回でも複数回でも良い。
　ここで、ベースデータを作る際、複数のモダリティ（例えば、ある一定のdensity、volumetry、胸郭の動き、横隔膜の動き、spirometry、胸腹呼吸センサの2つ以上）、または、同じ呼吸周回などの複数回の波形測定により、お互いの成分抽出を補足し合い、精度を高めていく。これにより、アーティファクトの軽減、ライン（line）などのある一定の予想をもとに精度を高めることが可能となる。
　また、お互いの成分抽出による軸、幅、範囲およびＨｚの揺らぎ、幅を推定する。すなわち、複数回の重ね合わせによって、Ｈｚの軸設定が平均化、分散によって軸、幅、範囲、Ｈｚの最適レンジ（range）が計算される。その際に他の行動のＨｚ（ノイズ）が抽出され、その波があればそれが入らない程度も相対的に計測していく場合がある。
　以上により、マスターデータを得ることが可能となる。上記マスターデータに対し、計測したい新たな対象について、上記マスターデータの波形、波のＨｚのある一定の幅、範囲で抽出する。例えば、呼吸抽出のみや、血管抽出程度の枠組みとしての幅、範囲で抽出する。なお、この波形、Ｈｚの幅に関しては、他の機能における波形要素、ノイズなどのａｒｔｉｆａｃｔ、他の同調性があると思われる他のｍｏｄａｒｉｔｙの波形、複数回行なう再現性など用いて、相対的、統計をもとに総合的に判断される。そこに調整、経験が必要となる（機械学習を適用することも可能である）。これは、幅、範囲を広げると他の機能の要素が入り始める一方、狭すぎると機能自体の要素がそぎ落とされてしまうので、そのレンジに関しては、調整が必要となるからである。例えば、複数回のデータがあると、レンジ、Ｈｚと測定一致幅などが規定しやすい。
　次に、その計測したい新たな対象のデータに対し、元々捉えられていた波の形、Ｈｚに対する一致率やその他不一致率を数値化することで診断の補助となる数値を算定する。例えば、脈拍計、聴診の雑音排除と共に、マスターの病気の波形合致率を測定し、病気波形の一致率を算定することで診断補助器に応用することが可能となる。
　また、その計測したい新たな対象のデータに対し、元々捉えられていた波の形、Ｈｚに対する一致率やその他不一致率を画像化することにより、診断の補助となる画像を算定する。例えば、通常の嚥下と患者の嚥下の違いを可視化し、今まで行なっていた動作と現在行なっている動作との相違を表す。例えば、歩く足の運び方、スイングの変化、相違などである。
　その抽出変化量を可視化して、画像に描出する。これが、以下に説明する呼吸機能解析、血管解析である。そして、胸郭や横隔膜の変化率を可視化する。その際に、再度結果に対するアーティファクトを除外し、新しいデータ抽出波形や最初のベースとなるデータ波形、その他のモダリティなどの波形、周囲、複数回の波形から抽出して、機能の抽出を行なう場合もある。
　また、上記抽出したもの以外から抽出した変化成分を除外したものでも特徴量を把握する場合がある。例えば、腹部腸管の動きを把握する際、腹部から呼吸の影響と血管の影響を除外して、腹部腸管の動きの抽出を図る。
　また、その抽出による変化率より、ある一定の撮影時間がかかる画像（CT、MRI、特殊レントゲン撮影、PET/シンチグラフィーなど）に補正をかけて、より明瞭で正確な画像を提供する。例えば、上行大動脈心臓補正、心臓形態補正、気管支のブレの補正、胸郭周囲の評価、息止めできない状態での撮影（患者や撮影に数分かかる）に有効となる。
　以下、本発明の実施形態について図面を参照して説明する。図１Ａは、本実施形態に係る診断支援システムの概略構成を示す図である。この診断支援システムは、コンピュータに診断支援プログラムを実行させることにより特定の機能を発揮する。基本モジュール１は、呼吸機能解析部３、肺血流解析部５、その他の血流解析部７、フーリエ解析部９、波形解析部１０および視覚化・数値化部１１から構成されている。基本モジュール１は、入力インタフェース１３を介してデータベース１５から画像データを取得する。データベース１５には、例えば、ＤＩＣＯＭ（Digital Imaging and COmmunication in Medicine）による画像が格納されている。基本モジュール１から出力された画像信号は、出力インタフェース１７を介してディスプレイ１９に表示される。次に、本実施形態に係る基本モジュールの機能について説明する。
　［呼吸周期解析］
　本実施形態では、以下の指標に基づいて呼吸周期を解析する。すなわち、肺野内のある一定領域におけるｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙ、横隔膜の動き、胸郭の動きの少なくとも一つを用いて呼吸周期を解析する。また、Ｘ線（その他ＣＴ、ＭＲＩなどの複数種類のモダリティ）の透過性が高い部位で測定されるある一定のｖｏｌｕｍｅ　ｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙで構成される範囲、スパイログラムなどの他の測定方法から得られるデータを用いても良い。なお、一呼吸毎の解析結果を比較し、複数のデータから傾向を解析して、データの確度を高めることが望ましい。
　［血管拍解析］
　本実施形態では、以下の指標に基づいて血管拍を解析する。すなわち、心電図や脈拍計などの他のモダリティの計測結果、または肺輪郭から心臓・肺門位置・主要血管を特定し、各部位のｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙの変化を用いて血管拍を解析する。また、マニュアルで画像上にプロットし、対象部位のｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙの変化を解析しても良い。なお、一拍毎の解析結果を比較し、複数のデータから傾向を解析して、データの確度を高めることが望ましい。
　［肺野同定］
　データベース（ＤＩＣＯＭ）から画像を抽出し、上記の呼吸周期解析結果を用いて、肺輪郭を自動検出する。この肺輪郭の自動検出については、従来から知られている技術を用いることができる。例えば、特開昭６３－２４０８３２号公報、または特開平２－２５０１８０号公報に開示されている技術を用いることが可能である。
　次に、肺野を複数のブロック領域に分けて、各ブロック領域の変化を計算する。ここで、撮影速度に応じてブロック領域の大きさを定めても良い。撮影速度が遅い場合は、あるフレーム画像の次のフレーム画像で対応する部位が特定しにくくなるため、ブロック領域を大きくする。一方、撮影速度が速い場合は、単位時間当たりのフレーム画像数が多いため、ブロック領域が小さくても追従することが可能となる。また、呼吸周期のうちどのタイミングを選ぶかに応じて、ブロック領域の大きさを計算しても良い。ここで、肺野領域のずれを補正することが必要になる場合がある。その際には、胸郭の動き、横隔膜の動き、肺野全体の血管の位置関係を同定し、また、肺輪郭の相対位置を把握し、その動きに基づいて相対的に評価する。なお、ブロック領域が小さすぎると、画像のちらつきが発生する場合がある。これを防止するため、ブロック領域は一定の大きさを有する必要がある。
　［ブロック領域の作成：第１の手法］
　肺野を複数のブロック領域に分ける手法について説明する。第１の手法は、図１Ｂに示すように、肺の縦方向に点をプロットし、肺を横断的に分ける手法である。第１の手法では、例えば、肺の縦隔側の距離と、肺の外側の距離とを求め、それぞれを均等に分割した点をプロットすることができる。そして、縦隔側と外側の拡大率を定めて分割を行なう。なお、肺は、肺尖側よりも横隔膜側の方が大きく動くため、横隔膜側に近いほど細かく分割した点をプロットするようにしても良い。なお、図１Ｂにおいて、縦方向の線（点線）を追加的に描画し、複数の矩形（正方形）のブロック領域に分けても良い。これにより、肺の動作をより正確に表すことが可能となる。
　［ブロック領域の作成：第２の手法］
　第２の手法も肺を横断的に分ける手法であるが、図１Ｃに示すように、肺の領域のうち、肺尖と横隔膜の端部（またはその付近）に平行線を引いて、その間において、複数の点をプロットする。そして、相互に向き合った部分で拡大率を定めて分割を行なう。第２の手法では、肺の曲線部分の長さを算出しないため、計算量が少なくて済むというメリットがある。なお、図１Ｂに示すように、縦方向の線（点線）を追加的に描画し、複数の矩形（正方形）のブロック領域に分けても良い。
　［ブロック領域の作成：第３の手法］
　第３の手法は、図１Ｄに示すように、肺の横方向に点をプロットし、肺を縦断的に分ける手法である。第３の手法では、例えば、肺の縦隔側の距離と、肺の外側の距離とを求め、それぞれを均等に分割した点をプロットすることができる。そして、相互に向き合った部分で拡大率を定めて分割を行なう。なお、肺は、肺尖側よりも横隔膜側の方が大きく動くため、横隔膜側に近いほど細かく分割した点をプロットするようにしても良い。なお、図１Ｂに示すように、複数の矩形（正方形）のブロック領域に分けられるよう、横方向の線を追加的に描画しても良い。
　［ブロック領域の作成：第４の手法］
　第４の手法も肺を縦断的に分ける手法であるが、図１Ｅに示すように、肺の領域のうち、肺尖の縦方向と横隔膜の端部の縦方向（またはその付近）に平行線を引いて、その間において、複数の点をプロットする。そして、相互に向き合った部分で拡大率を定めて分割を行なう。第４の手法では、肺の曲線部分の長さを算出しないため、計算量が少なくて済むというメリットがある。なお、図１Ｂに示すように、複数の矩形（正方形）のブロック領域に分けられるよう、横方向の線を追加的に描画しても良い。
　［ブロック領域の作成：第５の手法］
　第５の手法は、図１Ｆに示すように、肺尖部における接線と横隔膜における接線を引き、その接線が交わる点を中心点として定め、その点を含む直線（例えば、鉛直線）からある一定の角度で引いた線分で肺を分割する。第５の手法では、中心点の定め方によって、肺を横断的な分け方に近い分け方になったり、縦断的な分け方に近い分け方になったりする。なお、図１Ｂに示すように、複数の矩形（正方形）のブロック領域に分けられるよう、縦方向または横方向の線を追加的に描画しても良い。
　［ブロック領域の作成：第６の手法］
　第６の手法は、３Ｄで考える手法である。図１Ｇに示すように、肺を肺尖（または肺門）から横隔膜端部を結ぶ直線と直交する複数の平面で切断しても良い。また、横隔膜は、体表面側よりも体幹部側の方が大きく動くため、横隔膜は場所によってばね係数が異なるとも言える。そこで、図１Ｈに示すように、横隔膜の動きに伴う変位量が等しい点の集合（面）によって肺を分けても良い。なお、図１Ｂに示すように、複数の矩形（正方形）のブロック領域に分けられるよう、縦方向または横方向の線を追加的に描画しても良い。
　次に、アーティファクトを排除して画像データを補間する。すなわち、解析範囲内に骨などが含まれるとノイズとして表れてしまうため、ノイズカットフィルタを用いてノイズを除去することが望ましい。Ｘ線画像においては、肺野領域内で、血管や骨が存在しない位置の周辺は、Ｘ線が透過しやすいため、Ｘ線画像は黒くなる。つまり、Ｘ線画像の画素値が高くなる。一方、血管や骨が存在する位置は、Ｘ線が透過し難いため、Ｘ線画像は白くなる。つまり、Ｘ線画像の画素値が低くなる。その他ＣＴ、ＭＲＩにおいても同様のことが言える。ここで、上記の呼吸周期解析の結果から、一呼吸あたりの波形に基づいて、同一位相の値を用いてデータを補間し、アーティファクトを排除することが可能となる。
　［フーリエ解析］
　上記のように解析した呼吸周期および血管拍周期に基づいて、各ブロック領域のｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙの値や、また、その変化量について、フーリエ解析を実施する。図２Ａは、特定ブロックのｉｎｔｅｎｓｉｔｙ変化と、それをフーリエ解析した結果を示す図である。図２Ｂは、心拍に近い周波数成分を抜き出したフーリエ変換結果と、これをフーリエ逆変換して心拍に近い周波数成分のｉｎｔｅｎｓｉｔｙ変化を示す図である。例えば、特定ブロックのｉｎｔｅｎｓｉｔｙ変化をフーリエ変換（フーリエ解析）すると、図２Ａに示すような結果が得られる。そして、図２Ａに示した周波数成分から、例えば、バンドパスフィルタを用いて、心拍に近い周波数成分を抜き出すと、図２Ｂの紙面に対して右側に示すような結果が得られる。これをフーリエ逆変換することによって、図２Ｂの紙面に対して左側に示すように、心拍の変化に同調したｉｎｔｅｎｓｉｔｙ変化を得ることができる。
　なお、フーリエ変換を実行する際には、短時間で計算ができるように、ＡＲ法（Autoregressive Moving average model）を用いることが可能である。ＡＲ法では、自己回帰移動平均モデルにおいて、ユールウォーカー方程式（Yule-walker equiation）やカルマンフィルタを用いる方法があり、そこで導きだされるユールウォーカー推定値（Yule-walker estimates）、ＰＡＲＣＯＲ法、最小二乗法を用いて、計算を補足することができる。これにより、より早く、リアルタイムに近い画像を取得したり、計算の補助やアーティファクト（artifact）の補正を行なうことが可能となる。このようなフーリエ解析により、各ブロック領域における画像の性質を抜き出して表示することが可能となる。
　［波形解析］
　血管、脳波、その他検査にて一定の波形として認識されるものについて波形解析を行なう。足の動きなど、一定の状態で繰り返される動作を含む。例えば肺の場合は、左右差を比較する。また、繰り返し行なわれる動作のＨｚを重ねて同じ傾向があるのかどうかを解析する。波形データを比較し、２つのデータの一致率を算出する。そして、フーリエ解析後のデータを比較する。
　［視覚化・数値化］
　上記のように解析した結果を、視覚化および数値化する。ｓｔａｎｄａｒｄ　ｕｐｔａｋｅとして、計測された肺野全域のｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙから平均値を１として相対的／対数的に値を表示する。また、血流の方向だけを採用するため、特定方向への変化を切り出す。これにより、意味のある方法のデータだけを取り出すことが可能となる。肺野同定結果を用いて、解析範囲の変化に追従して疑似カラー化を行なう。すなわち、フェーズに合わせた特定の形（最小、最大、平均、中央値）に沿って、各個人（被写体）の解析結果を相対的な領域に当てはめる。また、複数の解析結果を比較できる特定の形状・フェーズに変形させる。さらに、標準肺を作成する際、上記呼吸周期解析の結果を用いて、肺野内の相対的な位置関係を計算する。なお、標準肺は、複数の患者の胸郭ライン、ｄｅｎｓｉｔｙ、横隔膜などを総合的に平均化したラインを用いて作成する。標準肺の作成の際、肺血流の場合は、肺門から肺端部にかけて放射状に距離を測ることができる。また、呼吸の場合は、胸郭や横隔膜の動きに応じて補正する必要がある。さらに、肺尖からの距離を考慮して複合的に計算しても良い。なお、本実施形態では、横隔膜が全体的に動いている様子を予め取得しておき、各部位の計測に合わせて、必要となる横隔膜の動きを利用する。すなわち、全体的な横隔膜の動きのヘルツに対して、呼吸同期性、血管同期性を取っている。
　標準肺が作成できると、同調性、一致率、不一致率を数値化して提示することが可能となる。また、正常な状態からの逸脱が表示できる。本実施形態によれば、フーリエ解析を実行することにより、新しい病気の可能性の発見、普通の自分との比較、手と足との比較や、反対側の手および足との比較が可能となる。さらに、足の動かし方、嚥下などでどこがおかしいのかを同調性の数値化で把握することが可能となる。また、病気の状態の人が一定時間経過後に変化しているかどうかを判断したり、変化している場合は、変化の前後を比較することが可能となる。
　図２Ｃに示すように、標準肺を１００としたときに、当該人体において、何パーセントの相違があるのかどうかを把握し、変化率を表示することが可能となる。なお、肺全体のみならず、肺の一部分でも相違を把握することが可能である。なお、「Variation分類」をすることによって、標準血流の特定も可能である。すなわち、呼吸周期を特定し、血管の相対的な位置関係を計算し、被写体の血流動態を標準血流として特定することが可能となる。
　これにより、ある患者と他の患者との比較や数値化が可能となる。また、正常肺または正常血管と、典型的な異常肺機能または異常血流との比較や数値化が可能となる。さらに、ある患者の異なる時間における肺機能や肺血流の相対評価として、標準肺および標準血流を使用することが可能となる。このような標準肺および標準血流は、種々のタイプの典型患者、健康な人の典型例を集合させ、標準肺および標準血流とし、ある患者に形態的に当てはめて評価する際の指標として用いることが可能である。次に、本実施形態に係る各モジュールの動作について説明する。
　［呼吸機能解析］
　まず、呼吸機能解析について説明する。図３は、本実施形態に係る呼吸機能解析の概要を示すフローチャートである。基本モジュール１がデータベース１５からＤＩＣＯＭの画像を抽出する（ステップＳ１）。ここでは、少なくとも、一呼吸周期内に含まれる複数のフレーム画像を取得する。次に、取得した各フレーム画像において、少なくとも肺野内のある一定領域における密度（density/intensity）を用いて、呼吸周期を特定する（ステップＳ２）。この呼吸周期に周期関数をフィッティングし、肺野のレンジを特定する。
　呼吸周期の特定は、さらに、横隔膜の動き、胸郭の動きを用いることも可能である。また、Ｘ線の透過性が高い部位で測定される、ある一定のｖｏｌｕｍｅ　ｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙで構成される範囲、スパイログラムなどの他の測定方法から得られるデータを用いても良い。
　次に、図３において、肺野を自動検出する（ステップＳ３）。肺の輪郭の自動検出では、フレーム画像毎に、ばらつきが生ずることもあるが、ステップＳ２において特定した呼吸周期に基づいて、各フレーム画像を補間することによって、各フレーム画像における肺輪郭を特定する。次に、検出した肺野を複数のブロック領域に分割する（ステップＳ４）。そして、各フレーム画像における各ブロック領域の変化を計算する（ステップＳ５）。ここでは、各ブロック領域内での変化の値を平均化し、１つのデータとして表現する。次に、各ブロック領域のｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙの値や、また、その変化量について、上記呼吸周期に基づいて、フーリエ解析を実施する（ステップＳ６）。これにより、各ブロック領域における画像の性質を抜き出して表示することが可能となる。
　次に、フーリエ解析により得られた結果について、ノイズ除去を行なう（ステップＳ７）。以上のステップＳ５からステップＳ７の動作を１回以上行ない、完了するかどうかを判断する（ステップＳ８）。完了しない場合は、ステップＳ５に遷移し、完了する場合は、フーリエ解析により得られた結果を、疑似カラー画像としてディスプレイに表示する（ステップＳ９）。なお、白黒画像を表示しても良い。このように、複数のサイクルを繰り返すことによって、データの確度を高めることが可能となる。
　［肺血流解析］
　次に、肺血流解析について説明する。図４は、本実施形態に係る肺血流解析の概要を示すフローチャートである。基本モジュール１がデータベース１５からＤＩＣＯＭの画像を抽出する（ステップＴ１）。ここでは、少なくとも、一心拍周期内に含まれる複数のフレーム画像を取得する。次に、取得した各フレーム画像に基づいて、血管拍周期を特定する（ステップＴ２）。血管拍周期は、上述したように、例えば、心電図や脈拍計などの他のモダリティの計測結果、または肺輪郭から心臓・肺門位置・主要血管を特定し、各部位のｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙの変化を用いて血管拍を解析する。
　次に、図４において、上述した方法で呼吸周期を特定し（ステップＴ３）、その呼吸周期を用いて肺野を自動検出する（ステップＴ４）。肺の輪郭の自動検出では、フレーム画像毎に、ばらつきが生ずることもあるが、ステップＴ３において特定した呼吸周期に基づいて、各フレーム画像を補間することによって、各フレーム画像における肺輪郭を特定する。次に、検出した肺野を複数のブロック領域に分割する（ステップＴ５）。そして、各フレーム画像における各ブロック領域の変化を計算する（ステップＴ６）。ここでは、各ブロック領域内での変化の値を平均化し、１つのデータとして表現する。次に、各ブロック領域のｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙの値や、また、その変化量について、上記血管拍周期に基づいて、フーリエ解析を実施する（ステップＴ７）。これにより、各ブロック領域における画像の性質を抜き出して表示することが可能となる。
　次に、フーリエ解析により得られた結果について、ノイズ除去を行なう（ステップＴ８）。以上のステップＴ６からステップＴ８の動作を１回以上行ない、完了するかどうかを判断する（ステップＴ９）。完了しない場合は、ステップＴ６に遷移し、完了する場合は、フーリエ解析により得られた結果を、疑似カラー画像としてディスプレイに表示する（ステップＴ１０）。なお、白黒画像を表示しても良い。これにより、データの確度を高めることが可能となる。
　［その他の血流解析］
　次に、その他の血流解析について説明する。本発明の一態様は、大動脈、腹部血管、頭頸動脈などの血流解析についても適用可能である。図５は、本実施形態に係るその他の血流解析の概要を示すフローチャートである。基本モジュール１がデータベース１５からＤＩＣＯＭの画像を抽出する（ステップＲ１）。ここでは、少なくとも、一拍周期内に含まれる複数のフレーム画像を取得する。次に、取得した各フレーム画像に基づいて、血管拍周期を特定する（ステップＲ２）。血管拍周期は、上述したように、例えば、心電図や脈拍計などの他のモダリティの計測結果、または肺輪郭から心臓・肺門位置・主要血管を特定し、各部位のｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙの変化を用いて血管拍を解析する。
　次に、解析範囲を設定し（ステップＲ３）、設定した解析範囲を複数のブロック領域に分割する（ステップＲ４）。そして、各ブロック領域内での変化の値を平均化し、１つのデータとして表現する。次に、各ブロック領域のｄｅｎｓｉｔｙ／ｉｎｔｅｎｓｉｔｙの値や、また、その変化量について、上記血管拍周期に基づいて、フーリエ解析を実施する（ステップＲ５）。これにより、各ブロック領域における画像の性質を抜き出して表示することが可能となる。
　次に、フーリエ解析により得られた結果について、ノイズ除去を行なう（ステップＲ６）。以上のステップＲ５からステップＲ６の動作を１回以上行ない、完了するかどうかを判断する（ステップＲ７）。完了しない場合は、ステップＲ５に遷移し、完了する場合は、フーリエ解析により得られた結果を、疑似カラー画像としてディスプレイに表示する（ステップＲ８）。なお、白黒画像を表示しても良い。これにより、データの確度を高めることが可能となる。
　なお、上述したように、３Ｄで考える場合、呼吸量、心拍出量、中枢の血流量を別の装置で測定することによって、それらの割合からそれぞれの区域において「部分肺換気量」、「肺血流量」、「血流割合」を測定することが可能となる。これらの定量測定として、他のｍｏｄａｒｉｔｙなどで呼吸量、心拍出量、中枢側の血流の測定が可能となった場合、一フレームの分量やその割合、領域の変化量割合より推定機能量を推定することが可能になる。すなわち、呼吸機能解析の場合は、呼吸量から肺換気量の推定が可能となり、肺血流解析の場合は、心（肺血管）拍出量から肺血流量の推定が可能となり、その他の血流量解析の場合は、中枢側の血流量（割合）から描出される分岐血管における推定血流量（割合）の推定が可能となる。
　以上説明したように、本実施形態によれば、現時点における撮影方法ではＣＴやＭＲＩなどの他のｍｏｄａｒｉｔｙではいくつかの課題があるが、人体の画像を評価することが可能となる。少なくとも、Ｆｌａｔ　ｐａｎｅｌ　ｄｅｔｅｃｔｏｒを用いたＸ線動画装置に関しては、現存施設装置で概ね良好に計算可能であり、導入費用が安価で済む。また、Ｆｌａｔ　ｐａｎｅｌ　ｄｅｔｅｃｔｏｒを用いたＸ線動画装置において、被写体の検査を簡便に済ませることが可能となる。また、肺血流については、肺血栓塞栓症のスクリーニングが可能となる。例えば、Ｆｌａｔ　ｐａｎｅｌ　ｄｅｔｅｃｔｏｒを用いたＸ線動画装置においては、ＣＴを行なう前に本実施形態に係る診断支援プログラムを実行することによって、無駄な検査を除外することができる。また、検査が簡便であるため、緊急性の高い疾患を早期に発見し、優先的に対応することが可能となる。さらに、ＣＴ、ＭＲＩなど、他のｍｏｄａｒｉｔｙにおいて、各領域の細かい診断が可能となる。
　また、各種の血管、例えば、頸部血流狭小化のスクリーニングにも適用可能であり、また、大血管の血流評価やスクリーニングにも適用可能である。また、肺呼吸データについては、肺の部分機能検査として有効となり、肺機能検査として使用することが可能となる。また、ＣＯＰＤ、肺気腫などの疾患の同定も可能となる。さらに、術前、術後の性状の把握にも適用可能である。さらに、呼吸周期および血流周期をフーリエ解析し、腹部のＸ線画像において、呼吸の波形および血流の波形を除去することで、残りの生体運動の異変、例えば、腸管イレウスなどが観察可能となる。
　なお、本国際出願は２０１６年７月１９日に出願した日本国特許出願第２０１６－１４１６５８号に基づく優先権を主張するものであり、日本国特許出願第２０１６－１４１６５８号の全内容を本国際出願に援用する。
１　基本モジュール
３　呼吸機能解析部
５　肺血流解析部
７　その他の血流解析部
９　フーリエ解析部
１０　波形解析部
１１　視覚化・数値化部
１３　入力インタフェース
１５　データベース
１７　出力インタフェース
１９　ディスプレイ

Claims (8)

  1. 　人体の画像を解析し、解析結果を表示する診断支援プログラムであって、
    　前記画像を格納するデータベースから複数のフレーム画像を取得する処理と、
    　前記各フレーム画像の特定領域の画素に基づいて、呼吸周期を特定する処理と、
    　前記特定した呼吸周期に基づいて、肺野を検出する処理と、
    　前記検出した肺野を複数のブロック領域に分割し、前記各フレーム画像におけるブロック領域における画像の変化を計算する処理と、
    　前記各フレーム画像における各ブロック領域の画像の変化をフーリエ解析する処理と、
    　前記フーリエ解析後の各画像をディスプレイに表示する処理と、をコンピュータに実行させることを特徴とする診断支援プログラム。
  2. 　人体の画像を解析し、解析結果を表示する診断支援プログラムであって、
    　前記画像を格納するデータベースから複数のフレーム画像を取得する処理と、
    　被写体の血管拍周期を特定する処理と、
    　前記各フレーム画像の特定領域の画素に基づいて、呼吸周期を特定する処理と、
    　前記特定した呼吸周期に基づいて、肺野を検出する処理と、
    　前記検出した肺野を複数のブロック領域に分割し、前記各フレーム画像におけるブロック領域における画像の変化を計算する処理と、
    　前記特定した血管拍周期に基づいて、前記各フレーム画像における各ブロック領域の画像の変化をフーリエ解析する処理と、
    　前記フーリエ解析後の各画像をディスプレイに表示する処理と、をコンピュータに実行させることを特徴とする診断支援プログラム。
  3. 　人体の画像を解析し、解析結果を表示する診断支援プログラムであって、
    　前記画像を格納するデータベースから複数のフレーム画像を取得する処理と、
    　被写体の血管拍周期を特定する処理と、
    　前記各フレーム画像について設定された解析範囲を複数のブロック領域に分割し、前記各フレーム画像におけるブロック領域における画像の変化を計算する処理と、
    　前記特定した血管拍周期に基づいて、前記各フレーム画像における各ブロック領域の画像の変化をフーリエ解析する処理と、
    　前記フーリエ解析後の各画像をディスプレイに表示する処理と、をコンピュータに実行させることを特徴とする診断支援プログラム。
  4. 　被写体の呼吸周期を、横隔膜の動き、胸郭の動き、またはスパイログラムのデータに基づいて特定することを特徴とする請求項１または請求項２記載の診断支援プログラム。
  5. 　前記被写体の血管拍周期を、心電図若しくは脈拍計を含む他のモダリティ装置による計測結果に基づいて特定し、または、前記各フレーム画像に少なくとも含まれる横隔膜の画像および胸郭の画像に基づいて、横隔膜および胸郭の動きを抽出し、被写体の呼吸周期を特定し、前記特定した呼吸周期に基づいて、肺野を検出し、前記検出した肺野から心臓の位置、肺門の位置、主要肺血管、大血管その他の血管周期を特定し、特定した各部位の画像の変化に基づいて血管拍周期を特定することを特徴とする請求項２または請求項３記載の診断支援プログラム。
  6. 　前記特定した呼吸周期に基づいて、肺野内および血管の相対的な位置関係を計算し、被写体の肺の形状を標準肺として特定すると共に、前記被写体の血流の動態を標準血管領域として特定することを特徴とする請求項１または請求項２記載の診断支援プログラム。
  7. 　肺野の対向する輪郭上に一定の規則に従って複数の点をプロットし、対向する点を線分で連結することによって、肺野を複数のブロック領域に分割することを特徴とする請求項１から請求項３のいずれかに記載の診断支援プログラム。
  8. 　前記フーリエ解析する処理は、前記各フレーム画像における各ブロック領域の画像をフーリエ変換し、フーリエ変換後の波形から、実質的に呼吸周期または血管拍周期を示す波形のみを抽出してフーリエ逆変換することを特徴とする請求項１から請求項３のいずれかに記載の診断支援プログラム。
     
     
PCT/JP2017/007859 2016-07-19 2017-02-28 診断支援プログラム WO2018016113A1 (ja)

Priority Applications (9)

Application Number Priority Date Filing Date Title
KR1020197003768A KR102255109B1 (ko) 2016-07-19 2017-02-28 진단 지원 프로그램이 저장된 컴퓨터 판독가능한 기록매체
EP17830635.3A EP3488782B1 (en) 2016-07-19 2017-02-28 Diagnosis support program
CA3031175A CA3031175C (en) 2016-07-19 2017-02-28 Diagnosis support program
US16/318,839 US11004201B2 (en) 2016-07-19 2017-02-28 Diagnosis support program
EP21192214.1A EP3936048A1 (en) 2016-07-19 2017-02-28 Diagnosis support program
CN201780044834.4A CN109561863B (zh) 2016-07-19 2017-02-28 诊断辅助程序
JP2018528393A JP6746114B2 (ja) 2016-07-19 2017-02-28 診断支援プログラム
AU2017299238A AU2017299238C1 (en) 2016-07-19 2017-02-28 Diagnostic assistance program
US17/230,960 US20210233243A1 (en) 2016-07-19 2021-04-14 Diagnostic support program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-141658 2016-07-19
JP2016141658 2016-07-19

Related Child Applications (2)

Application Number Title Priority Date Filing Date
US16/318,839 A-371-Of-International US11004201B2 (en) 2016-07-19 2017-02-28 Diagnosis support program
US17/230,960 Continuation US20210233243A1 (en) 2016-07-19 2021-04-14 Diagnostic support program

Publications (1)

Publication Number Publication Date
WO2018016113A1 true WO2018016113A1 (ja) 2018-01-25

Family

ID=60993251

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/007859 WO2018016113A1 (ja) 2016-07-19 2017-02-28 診断支援プログラム

Country Status (8)

Country Link
US (2) US11004201B2 (ja)
EP (2) EP3488782B1 (ja)
JP (1) JP6746114B2 (ja)
KR (1) KR102255109B1 (ja)
CN (1) CN109561863B (ja)
AU (1) AU2017299238C1 (ja)
CA (1) CA3031175C (ja)
WO (1) WO2018016113A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021052999A (ja) * 2019-09-27 2021-04-08 国立大学法人三重大学 評価システム、評価方法、学習方法、学習済みモデル、プログラム
CN113576487A (zh) * 2021-06-18 2021-11-02 深圳技术大学 特征的确定、心电预测方法及装置、电子设备和存储介质

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111867471A (zh) * 2018-01-05 2020-10-30 帕拉梅维亚私人有限公司 诊断辅助程序
TWI684433B (zh) * 2019-04-19 2020-02-11 鉅怡智慧股份有限公司 生物影像處理方法以及生理資訊檢測裝置
TW202116253A (zh) * 2019-07-04 2021-05-01 新加坡商派拉梅維爾私人有限公司 診斷支援程式
WO2021226508A1 (en) * 2020-05-08 2021-11-11 The Regents Of The University Of Michigan Ultrasound signal correlation phase estimation of lung motion
CN111916186A (zh) * 2020-08-17 2020-11-10 北京赛迈特锐医疗科技有限公司 序贯型ai诊断模型对胸部x线智能诊断系统及方法
CN112998689B (zh) * 2021-02-08 2022-01-18 南京泓鼎感知技术有限责任公司 非接触式多人实时呼吸状况评估系统、设备和存储介质
CN112927230A (zh) * 2021-04-26 2021-06-08 常州市第一人民医院 一种影像图像的处理分析系统
CN113592804B (zh) * 2021-07-27 2024-05-07 东软医疗系统股份有限公司 图像处理方法、装置及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010187723A (ja) * 2009-02-16 2010-09-02 Konica Minolta Medical & Graphic Inc 画像処理装置、画像処理方法、およびプログラム
JP2012192255A (ja) * 2012-07-13 2012-10-11 Konica Minolta Holdings Inc 画像表示装置およびプログラム
WO2014192505A1 (ja) * 2013-05-28 2014-12-04 コニカミノルタ株式会社 画像処理装置及びプログラム

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07100060B2 (ja) 1987-03-30 1995-11-01 コニカ株式会社 肺野部輪郭線を求める画像計測方法
JP2851057B2 (ja) 1988-08-02 1999-01-27 株式会社東芝 ディジタルｘ線画像における自動化分析のための方法および装置
US7951083B2 (en) * 2004-02-05 2011-05-31 Siemens Medical Solutions Usa, Inc. Motion analysis improvements for medical diagnostic ultrasound
US7733224B2 (en) * 2006-06-30 2010-06-08 Bao Tran Mesh network personal emergency response appliance
JP5029702B2 (ja) * 2008-01-25 2012-09-19 コニカミノルタホールディングス株式会社 画像生成装置、画像生成方法およびプログラム
CN104887258B (zh) * 2010-08-27 2018-04-03 柯尼卡美能达医疗印刷器材株式会社 诊断支援系统
CN103079466B (zh) * 2010-08-27 2015-11-25 柯尼卡美能达医疗印刷器材株式会社 胸部诊断辅助系统
JP2012110400A (ja) * 2010-11-22 2012-06-14 Konica Minolta Medical & Graphic Inc 動態診断支援情報生成システム
US9414773B2 (en) * 2011-06-21 2016-08-16 Koninklijke Philips N.V. Respiratory motion determination apparatus
US8660634B2 (en) * 2012-04-23 2014-02-25 The Brigham and Woman's Hospital System and method for improved lung fourier decomposition magnetic resonance imaging
US10143377B2 (en) * 2012-05-02 2018-12-04 Augusta University Research Institute, Inc. Single channel imaging measurement of dynamic changes in heart or respiration rate
JP5962237B2 (ja) * 2012-06-11 2016-08-03 コニカミノルタ株式会社 胸部診断支援情報生成方法
JP6350522B2 (ja) * 2013-05-16 2018-07-04 コニカミノルタ株式会社 画像処理装置及びプログラム
US20160189394A1 (en) * 2014-12-30 2016-06-30 Huazhong University Of Science And Technology Method for iteratively extracting motion parameters from angiography images
JP2016141658A (ja) 2015-02-03 2016-08-08 株式会社日本触媒 環状エーテルの水素化開環による有機化合物の連続製造方法
JP6638729B2 (ja) * 2015-07-22 2020-01-29 コニカミノルタ株式会社 コンソール及び動態画像撮影診断システム
JP6264361B2 (ja) * 2015-11-30 2018-01-24 コニカミノルタ株式会社 動態画像解析装置
JP6701880B2 (ja) * 2016-03-30 2020-05-27 コニカミノルタ株式会社 動態解析装置、動態解析システム、動態解析方法及びプログラム
WO2018102446A2 (en) * 2016-11-29 2018-06-07 Washington University Single-impulse panoramic photoacoustic computed tomography (sip-pact)

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010187723A (ja) * 2009-02-16 2010-09-02 Konica Minolta Medical & Graphic Inc 画像処理装置、画像処理方法、およびプログラム
JP2012192255A (ja) * 2012-07-13 2012-10-11 Konica Minolta Holdings Inc 画像表示装置およびプログラム
WO2014192505A1 (ja) * 2013-05-28 2014-12-04 コニカミノルタ株式会社 画像処理装置及びプログラム

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3488782A4 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2021052999A (ja) * 2019-09-27 2021-04-08 国立大学法人三重大学 評価システム、評価方法、学習方法、学習済みモデル、プログラム
JP7369437B2 (ja) 2019-09-27 2023-10-26 国立大学法人三重大学 評価システム、評価方法、学習方法、学習済みモデル、プログラム
CN113576487A (zh) * 2021-06-18 2021-11-02 深圳技术大学 特征的确定、心电预测方法及装置、电子设备和存储介质
CN113576487B (zh) * 2021-06-18 2023-06-13 深圳技术大学 特征的确定、心电预测方法及装置、电子设备和存储介质

Also Published As

Publication number Publication date
EP3488782A1 (en) 2019-05-29
CA3031175A1 (en) 2018-01-25
US11004201B2 (en) 2021-05-11
JP6746114B2 (ja) 2020-08-26
AU2017299238B2 (en) 2020-09-17
CA3031175C (en) 2021-11-09
US20190287248A1 (en) 2019-09-19
KR102255109B1 (ko) 2021-05-21
KR20190026870A (ko) 2019-03-13
EP3488782A4 (en) 2020-03-11
US20210233243A1 (en) 2021-07-29
AU2017299238C1 (en) 2021-03-18
CN109561863A (zh) 2019-04-02
JPWO2018016113A1 (ja) 2019-09-05
EP3488782B1 (en) 2021-09-29
EP3936048A1 (en) 2022-01-12
CN109561863B (zh) 2023-04-28
AU2017299238A1 (en) 2019-02-21

Similar Documents

Publication Publication Date Title
US20210233243A1 (en) Diagnostic support program
JP7310048B2 (ja) 診断支援プログラム
EP2829231B1 (en) Image-generating apparatus
JP6772908B2 (ja) 動態解析システム及びプログラム
TWI828661B (zh) 診斷支援系統
JP7255329B2 (ja) 動態画像解析装置、動態画像解析システム及びプログラム
EP3995081A1 (en) Diagnosis assisting program
OA20419A (en) Diagnostic support program
EA040692B1 (ru) Программа поддержки диагностики
JP2021132994A (ja) 動態解析装置及びプログラム

Legal Events

Date Code Title Description
DPE2 Request for preliminary examination filed before expiration of 19th month from priority date (pct application filed from 20040101)
ENP Entry into the national phase

Ref document number: 2018528393

Country of ref document: JP

Kind code of ref document: A

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

Ref document number: 17830635

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 3031175

Country of ref document: CA

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 20197003768

Country of ref document: KR

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2017299238

Country of ref document: AU

Date of ref document: 20170228

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2017830635

Country of ref document: EP

Effective date: 20190219