CN112107313A - 医用数据处理装置以及医用数据处理方法 - Google Patents

医用数据处理装置以及医用数据处理方法 Download PDF

Info

Publication number
CN112107313A
CN112107313A CN202010558126.6A CN202010558126A CN112107313A CN 112107313 A CN112107313 A CN 112107313A CN 202010558126 A CN202010558126 A CN 202010558126A CN 112107313 A CN112107313 A CN 112107313A
Authority
CN
China
Prior art keywords
data
medical
processing
medical data
post
Prior art date
Legal status (The legal status 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 status listed.)
Pending
Application number
CN202010558126.6A
Other languages
English (en)
Inventor
竹岛秀则
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Canon Medical Systems Corp
Original Assignee
Canon Medical Systems Corp
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 Canon Medical Systems Corp filed Critical Canon Medical Systems Corp
Publication of CN112107313A publication Critical patent/CN112107313A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/0002Inspection of images, e.g. flaw detection
    • G06T7/0012Biomedical image inspection
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/05Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7203Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/725Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/72Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235Details of waveform analysis
    • A61B5/7264Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • A61B6/032Transmission computed tomography [CT]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/04Positioning of patients; Tiltable beds or the like
    • A61B6/0407Supports, e.g. tables or beds, for the body or parts of the body
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/52Devices using data or image processing specially adapted for radiation diagnosis
    • A61B6/5211Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5217Devices 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
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/06Measuring blood flow
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/44Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/48Diagnostic techniques
    • A61B8/488Diagnostic techniques involving Doppler signals
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/60Protecting data
    • G06F21/62Protecting access to data via a platform, e.g. using keys or access control rules
    • G06F21/6218Protecting access to data via a platform, e.g. using keys or access control rules to a system of files or objects, e.g. local or distributed file system or database
    • G06F21/6245Protecting personal data, e.g. for financial or medical purposes
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00Machine learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • G06N3/04Architecture, e.g. interconnection topology
    • G06N3/045Combinations of networks
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H10/00ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H15/00ICT specially adapted for medical reports, e.g. generation or transmission thereof
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/20ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H30/00ICT specially adapted for the handling or processing of medical images
    • G16H30/40ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20ICT 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
    • GPHYSICS
    • G16INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16HHEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B1/00Instruments 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
    • A61B1/00002Operational features of endoscopes
    • A61B1/00004Operational features of endoscopes characterised by electronic signal processing
    • A61B1/00009Operational features of endoscopes characterised by electronic signal processing of image signals during a use of endoscope
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0062Arrangements for scanning
    • A61B5/0066Optical coherence imaging
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00Measuring for diagnostic purposes; Identification of persons
    • A61B5/0093Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy
    • A61B5/0095Detecting, measuring or recording by applying one single type of energy and measuring its conversion into another type of energy by applying light and detecting acoustic waves, i.e. photoacoustic measurements
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B8/00Diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/52Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves
    • A61B8/5215Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data
    • A61B8/5223Devices using data or image processing specially adapted for diagnosis using ultrasonic, sonic or infrasonic waves involving processing of medical diagnostic data for extracting a diagnostic or physiological parameter from medical diagnostic data
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2200/00Indexing scheme for image data processing or generation, in general
    • G06T2200/24Indexing scheme for image data processing or generation, in general involving graphical user interfaces [GUIs]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10072Tomographic images
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20081Training; Learning
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20092Interactive image processing based on input by user
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/30Subject of image; Context of image processing
    • G06T2207/30004Biomedical image processing
    • G06T2207/30096Tumor; Lesion

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Signal Processing (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Physics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Optics & Photonics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioethics (AREA)
  • Fuzzy Systems (AREA)
  • Pulmonology (AREA)
  • Computer Security & Cryptography (AREA)
  • Computer Hardware Design (AREA)
  • Computing Systems (AREA)

Abstract

技术问题在于提高机器学习的精度。医用数据处理装置具备:取得部,取得与被检体有关的医用数据;以及输出部,对所述医用数据实施规定的处理而输出医用诊断数据,并且对所述医用数据不实施所述规定的处理的一部分或者全部而输出被标准化为机器学习用的基于所述医用数据的标准化医用数据。

Description

医用数据处理装置以及医用数据处理方法
相关申请的交叉引用
本申请基于并主张2019年6月19日提交的日本专利申请第2019-113447号的优先权权益,其全部内容通过参照而引用于本申请。
技术领域
本发明涉及医用数据处理装置以及医用数据处理方法。
背景技术
进行了使用医用图像等医用数据的机器学习。在基于由单一的医用图像诊断装置收集到的医用数据进行机器学习的情况下,使用了专用协议等,该专用协议等用于将机器学习中使用的医用数据的条件统一。但是,在基于由各种医用图像诊断装置收集到的医用数据进行机器学习的情况下,设置设施或装置改型等的不同,由此在医用数据中产生波动。例如,在同一设施中,医用数据的各种收集条件不是完全随机的,同一设定较多,因此容易产生统计上的偏差。由于这样的医用数据的波动,机器学习的精度降低。
现有技术文献
专利文献1:日本特开2019-10410号公报
专利文献2:日本特表2019-502418号公报
专利文献3:日本特开2006-301965号公报
专利文献4:国际公开第2007/029467号
发明内容
本发明要解决的课题在于提高机器学习的精度。
实施方式的医用数据处理装置具备:取得部,取得与被检体有关的医用数据;以及输出部,对所述医用数据实施规定的处理而输出医用诊断数据,并且不实施所述规定的处理的一部分或者全部而输出被标准化为机器学习用的基于所述医用数据的标准化医用数据。
发明效果
能够提高机器学习的精度。
附图说明
图1是表示第一实施方式的磁共振成像装置的构成的图。
图2是表示处理电路的数据输出处理的流程的图。
图3是表示基于处理电路的其他数据输出处理的流程的图。
图4是表示基于处理电路的其他数据输出处理的流程的图。
图5是表示基于处理电路的其他数据输出处理的流程的图。
图6是示意性地表示医用诊断数据和标准化医用数据的输出形式的图。
图7是表示与数据输出处理有关的GUI画面的一例的图。
图8是表示显示有医用诊断数据和标注了注释的标准化医用数据的图7的GUI画面的一例的图。
图9是表示第二实施方式的X射线计算机断层摄影装置的构成的图。
图10是表示第二实施方式的处理电路的数据输出处理的流程的图。
图11是表示第三实施方式的超声波诊断装置的构成的图。
图12是表示第三实施方式的处理电路的数据输出处理的流程的图。
附图标记说明
51 处理电路
52 存储器
53 显示器
54 输入接口
55 通信接口
511 取得功能
512 输出功能
513 显示控制功能
具体实施方式
一个实施方式的医用数据处理装置具备取得部和输出部。取得部取得与被检体有关的医用数据。输出部对所述医用数据实施规定的处理而输出医用诊断数据,并且不实施所述规定的处理的一部分或全部而输出被标准化为机器学习用的基于所述医用数据的标准化医用数据。
本实施方式的医用数据处理装置,是对由医用装置收集到的医用数据进行处理的计算机或处理器。作为本实施方式的医用装置,能够利用医用图像诊断装置、生物体信息计测器。医用图像诊断装置通过各种摄像原理对被检体实施医用摄像来收集医用图像。作为医用图像诊断装置,例如有磁共振成像装置、X射线计算机断层摄影装置、超声波诊断装置、核医学诊断装置、X射线诊断装置、光干涉断层计、光超声波装置、内窥镜等。生物体信息计测器通过各种计测原理来收集与被检体的生物体信息有关的波形数据。作为生物体信息计测器,例如有自动分析装置、心电图仪、呼吸计、血压计、脉搏血氧仪等。
本实施方式的医用数据处理装置,可以是搭载于医用装置的计算机或者处理器,也可以是与医用装置分体的计算机或者处理器。为了具体地进行说明,第一实施方式的医用数据处理装置是搭载于磁共振成像装置的计算机,第二实施方式的医用数据处理装置是搭载于X射线计算机断层摄影装置的计算机,第三实施方式的医用数据处理装置是搭载于超声波诊断装置的计算机。
(第一实施方式)
图1是表示第一实施方式的磁共振成像装置1的构成的图。如图1所示,磁共振成像装置1具有架台10、诊视床30、倾斜磁场电源21、发送电路23、接收电路25、诊视床驱动装置27、序列控制电路29以及医用数据处理装置50。
架台10具有静磁场磁铁41和倾斜磁场线圈43。静磁场磁铁41和倾斜磁场线圈43容纳于架台10的壳体。在架台10的壳体上形成有具有中空形状的孔。在架台10的孔内配置有发送线圈45和接收线圈47。
静磁场磁铁41具有中空的大致圆筒形状,在大致圆筒内部产生静磁场。作为静磁场磁铁41,例如使用永久磁铁、超导磁铁或常导磁铁等。在此,将静磁场磁铁41的中心轴规定为Z轴,将与Z轴铅垂正交的轴规定为Y轴,将与Z轴水平正交的轴规定为X轴。X轴、Y轴以及Z轴构成正交三维坐标系。
倾斜磁场线圈43是安装在静磁场磁铁41的内侧且形成为中空的大致圆筒形状的线圈单元。倾斜磁场线圈43接受来自倾斜磁场电源21的电流的供给而产生倾斜磁场。更详细而言,倾斜磁场线圈43具有与相互正交的X轴、Y轴、Z轴对应的3个线圈。该3个线圈形成磁场强度沿着X轴、Y轴、Z轴各轴变化的倾斜磁场。沿X轴、Y轴、Z轴各轴的倾斜磁场被合成,而在所希望的方向上形成相互正交的切片选择倾斜磁场Gs、相位编码倾斜磁场Gp及频率编码倾斜磁场Gr。切片选择倾斜磁场Gs用于任意地决定摄像断面(切片)。相位编码倾斜磁场Gp用于根据空间位置来改变磁共振信号(以下称为MR信号)的相位。频率编码倾斜磁场Gr用于根据空间位置来改变MR信号的频率。另外,在以下的说明中设为,切片选择倾斜磁场Gs的倾斜方向是Z轴,相位编码倾斜磁场Gp的倾斜方向是Y轴,频率编码倾斜磁场Gr的倾斜方向是X轴。
倾斜磁场电源21按照来自序列控制电路29的序列控制信号向倾斜磁场线圈43供给电流。倾斜磁场电源21通过向倾斜磁场线圈43供给电流,而由倾斜磁场线圈43产生沿着X轴、Y轴以及Z轴各轴的倾斜磁场。该倾斜磁场与由静磁场磁铁41形成的静磁场叠加后被施加于被检体P。
发送线圈45例如配置在倾斜磁场线圈43的内侧,从发送电路23接受电流的供给而产生高频磁场脉冲(以下,称为RF磁场脉冲)。
发送电路23为了经由发送线圈45对被检体P施加用于激发存在于被检体P内的对象质子的RF磁场脉冲,而向发送线圈45供给电流。RF磁场脉冲以对象质子固有的共振频率振动,激发对象质子。从被激发的对象质子产生MR信号,该MR信号由接收线圈47检测。发送线圈45例如是全身用线圈(WB线圈)。全身用线圈也可以作为收发线圈使用。
接收线圈47接收受到RF磁场脉冲的作用而从存在于被检体P内的对象质子发出的MR信号。接收线圈47具有能够接收MR信号的多个接收线圈元件。接收到的MR信号通过有线或无线被供给至接收电路25。在图1中虽未图示,但接收线圈47具有并列安装的多个接收通道。接收通道具有接收MR信号的接收线圈元件以及对MR信号进行放大的放大器等。按每个接收通道输出MR信号。接收通道的总数与接收线圈元件的总数可以相同,接收通道的总数既可以比接收线圈元件的总数多,也可以比接收线圈元件的总数少。
接收电路25经由接收线圈47接收从被激发的对象质子产生的MR信号。接收电路25对接收到的MR信号进行信号处理而产生数字的MR信号。数字的MR信号能够通过由空间频率规定的k空间来表现。因此,以下,将数字的MR信号称为k空间数据。k空间数据是供图像重建的原始数据的一种。k空间数据经由有线或无线被供给至医用数据处理装置50。
另外,上述的发送线圈45和接收线圈47只不过是一个例子。也可以使用具备发送功能和接收功能的收发线圈来代替发送线圈45和接收线圈47。另外,也可以组合发送线圈45、接收线圈47以及收发线圈。
与架台10相邻地设置有诊视床30。诊视床30具有顶板33和基台31。在顶板33上载置被检体P。基台31将顶板33支承为能够分别沿着X轴、Y轴、Z轴滑动。在基台31容纳有诊视床驱动装置27。诊视床驱动装置27接受来自序列控制电路29的控制而使顶板33移动。诊视床驱动装置27例如可以包括伺服马达、步进马达等任何马达等。
序列控制电路29具有CPU(Central Processing Unit:中央处理单元)或MPU(Micro Processing Unit:微处理单元)的处理器、ROM(Read Only Memory:只读存储器)、RAM(Random Access Memory:随机存取存储器)等存储器作为硬件资源。序列控制电路29基于由处理电路51等决定的摄像协议,同步地控制倾斜磁场电源21、发送电路23以及接收电路25,按照与该摄像协议对应的脉冲序列对被检体P执行MR摄像,收集与被检体P有关的原始数据。
如图1所示,医用数据处理装置50是具有处理电路51、存储器52、显示器53、输入接口54以及通信接口55的计算机。
处理电路51具有CPU等处理器作为硬件资源。处理电路51作为磁共振成像装置1的中枢发挥功能。例如,处理电路51通过执行各种程序而具有取得功能511、输出功能512以及显示控制功能513。
在取得功能511中,处理电路51取得与被检体P有关的医用数据。所取得的医用数据例如是经由接收电路25收集的原始数据,换言之,是k空间数据。
在输出功能512中,处理电路51对原始数据实施规定的处理而输出医用诊断数据,并且不实施该规定的处理的一部分或全部而输出被标准化为机器学习用的基于原始数据的标准化医用数据。医用诊断数据是基于原始数据生成的数据,是供医用诊断的数据。标准化医用数据是用于机器学习的医用数据,为了机器学习而被标准化。例如,标准化医用数据用作在机器学习模型的参数学习中使用的输入数据。
在显示控制功能513中,处理电路51将各种信息显示于显示器53。例如,处理电路51将由输出功能512生成的医用诊断数据、标准化医用数据等显示于显示器53。
存储器52是存储各种信息的HDD(Hard Disk Drive:硬盘驱动器)、SSD(SolidState Drive:固态硬盘驱动器)、集成电路存储装置等存储装置。另外,存储器52也可以是与CD-ROM驱动器或DVD驱动器、闪存存储器等可移动存储介质之间读写各种信息的驱动装置等。例如,存储器52存储原始数据、k空间数据、医用诊断数据、标准化医用数据以及各种程序等。
显示器53通过显示控制功能513显示各种信息。例如,显示器53显示由输出功能512输出的医用诊断数据、标准化医用数据等。作为显示器53,例如能够适当利用CRT显示器、液晶显示器、有机EL显示器、LED显示器、等离子显示器、或者本技术领域中已知的其他任意的显示器。
输入接口54包括受理来自用户的各种指令的输入设备。作为输入设备,能够利用键盘、鼠标、各种开关、触摸屏、触摸板等。此外,输入设备不仅限于鼠标、键盘等具有物理性的操作部件的设备。例如,从与磁共振成像装置1分体设置的外部的输入设备接收与输入操作对应的电信号,并将接收到的电信号向各种电路输出那样的电信号的处理电路也包含在输入接口54的例子中。
通信接口55是将磁共振成像装置1与机器学习用的计算机连接的接口。机器学习用的计算机例如是在PACS(Picture Archiving and Communication System:医学影像存档与通讯***)、HIS(Hospital Information System:医院信息***)、RIS(RadiologyInformation System:放射信息管理***)等中包括的计算机。此外,机器学习用的计算机可以通过LAN(Local Area Network:局域网)连接,也可以通过其他线路连接。
此外,上述的构成是一个例子,并不限定于此。例如,序列控制电路29也可以组装于医用数据处理装置50。另外,序列控制电路29和处理电路51也可以安装于同一基板。
以下,说明本实施方式的磁共振成像装置1的实施例。
如上所述,处理电路51通过实现输出功能512,对原始数据实施规定的处理而输出医用诊断数据。以下,将用于从原始数据变换为医用诊断数据的规定的处理称为数据生成处理。数据生成处理的参数能够由用户经由输入接口54等进行设定变更。因此,数据生成处理的参数可能因装置的设置设施或改型等而产生偏离。该偏离成为机器学习的输入数据的统计上的偏差,成为机器学习的精度劣化的一个原因。
因此,本实施方式的处理电路51通过输出功能512的实现,对原始数据实施数据生成处理而输出医用诊断数据,并且不实施该数据生成处理的一部分或者全部,而输出被标准化为机器学习用的基于原始数据的标准化医用数据。根据输出功能512,对原始数据不实施作为统计上的偏差的一个原因的数据生成处理的一部分或全部,而输出为了机器学习而被标准化的医用数据。由此,降低或消除机器学习的输入数据的统计上的偏差,提高机器学习的精度。
以下,对处理电路51的处理的详细情况进行说明。在以下的实施例中设为,医用诊断数据以及标准化医用数据是MR图像,数据生成处理包括空间变换处理、换言之图像重建。原始数据是k空间数据。原始数据可以是二维的k空间数据,也可以是三维的k空间数据。
图2是表示处理电路51的数据输出处理的流程的图。如图2所示,处理电路51通过实现取得功能511,从接收电路25取得通过MR摄像而收集到的原始数据(步骤SA1)。另外,由接收电路25收集到的原始数据可以暂时存储在存储器52中,接受数据生成处理的请求后处理电路51可以从存储器52读出处理对象的原始数据。
进行步骤SA1时,处理电路51通过实现输出功能512,对在步骤SA1中取得的原始数据实施数据生成处理(步骤SA2)。数据生成处理SA2包括用于从原始数据生成医用诊断数据即医用诊断用的MR图像的一系列的处理。例如,数据生成处理SA2包括空间变换处理SA21和后处理SA22。空间变换处理SA21是从原始数据变换为医用诊断数据的图像重建。另外,供数据生成处理SA2的原始数据可以是通过MR摄像而收集到的原始的k空间数据,也可以是对原始的k空间数据进行了数据压缩处理、分辨率分解处理、数据插补处理、分辨率合成处理等任意的数据处理后的数据。
图像重建只要是将原始数据变换为MR图像的处理即可,可以是任何处理,例如,既可以是傅立叶变换或者傅立叶逆变换,也可以是使用了机器学习的重建法。
后处理是对MR图像实施的后处理滤波器(后置滤波器)。后处理的种类根据医用诊断数据所要求的画质、目的等而不同。例如,将去噪、平滑化滤波器、边缘增强、分割、三维图像处理等被设定为后处理。去噪是用于去除或降低MR图像中描绘出的各种原因的噪声的图像处理。平滑化滤波器是去除高频成分的图像处理。在原始数据是三维k空间数据时执行三维图像处理。作为三维图像处理,可以举出体绘制、表面绘制、MPR(Multi-planarreconstruction:多平面重建)、像素值投影法等。
处理电路51对原始数据实施空间变换处理SA21而生成MR图像,对所生成的MR图像实施后处理SA22,将医用诊断用的后处理SA22后的MR图像OA1作为医用诊断数据输出(步骤SA3)。另外,处理电路51对通过空间变换处理SA21生成的MR图像不实施全部后处理SA22,将机器学习用的无后处理的MR图像OA2作为标准化医用数据输出(步骤SA4)。处理电路51例如对单一的原始数据实施空间变换处理SA21而生成MR图像,将所生成的MR图像复制,对一方的MR图像实施后处理SA22而输出医用诊断用的MR图像OA1,将另一方的MR图像作为机器学习用的MR图像OA2输出。作为其他方法,处理电路51例如可以复制原始数据,对一方的原始数据实施空间变换处理SA21而生成MR图像,并对所生成的MR图像实施后处理SA22,输出医用诊断用的MR图像OA1,对另一方的原始数据实施空间变换处理SA21而生成MR图像,并将所生成的MR图像作为机器学习用的MR图像OA2输出。
MR图像OA2与MR图像OA1并行地大致同时被输出。例如,MR图像OA1通过处理电路51的显示控制功能513的实现,为了用户等的医用诊断目的而显示于显示器53。例如,MR图像OA2通过通信接口55,为了机器学习处理而被发送至机器学习用的计算机。作为机器学习处理,既可以是机器学习模型的参数学习,也可以是利用了学习完毕模型的各种处理。
如图2所示,处理电路51对原始数据实施空间变换处理SA21以及后处理SF22而生成以及输出MR图像OA1,并且对该原始数据实施空间变换处理SA21,不实施后处理SA22的全部而生成以及输出MR图像OA2。即,MR图像OA2是不经由伴有由设置设施或装置改型引起的统计性偏差的后处理SA22而生成的,所以可以说是标准化后的数据。通过将不具有统计性偏差的标准化医用数据即MR图像OA2用于机器学习处理,由此能够提高机器学习处理的精度。处理电路51与作为医用诊断数据的MR图像OA1并行地自动地输出作为标准化医用数据的MR图像OA2,所以能够维持医用诊断的工作流程,同时提高机器学习的精度。
图3是表示处理电路51的其他数据输出处理的流程的图。如图3所示,处理电路51通过实现取得功能511的,从接收电路25取得通过数据收集序列的执行而收集到的原始数据(步骤SB1)。步骤SB1与步骤SA1相同,因此省略说明。
进行步骤SB1后,处理电路51通过实现输出功能512,对在步骤SB1中取得的原始数据实施数据生成处理(步骤SB2)。图3的数据生成处理SB2包括空间变换处理SB21和后处理SB22。空间变换处理SB21与图2的空间变换处理SA21相同。后处理SB22包括两个以上的后处理。例如,后处理SB22包括磁场畸变校正SB221和DICOM变换SB222。磁场畸变校正SB221是用于去除由静磁场等的畸变引起的噪声的图像处理,是为了医用诊断数据和标准化医用数据的双方而执行的。DICOM变换SB222仅为了医用诊断数据而执行。
处理电路51对原始数据实施空间变换处理SB21而生成MR图像,对所生成的MR图像实施后处理SB22的全部SB221以及SB222,将DICOM标准的MR图像OB1作为医用诊断数据输出(步骤SB3)。另外,处理电路51对通过空间变换处理SB21生成的MR图像仅实施后处理SB22的一部分(磁场畸变校正)SB221,不实施其他部分(DICOM变换)SB222,将非DICOM标准的MR图像OB2作为标准化医用数据输出(步骤SB4)。
如上所述,根据图3的数据生成处理SB2,关于标准化医用数据,执行到后处理SB22中的必须的后处理SB22为止1。必须的后处理SB221不仅限于磁场畸变校正。对于标准化医用数据也是应实施的处理,只要是不易产生伴有设置设施或装置改型的差异的统计性偏差的校正,则能够作为必须的后处理SB221来实施。例如,作为必须的后处理SB221,也可以进行接收线圈47的增益调整等。
如图3所示,处理电路51对原始数据实施空间变换处理SB21以及后处理SB22而生成并输出MR图像OB1,并且对该原始数据实施空间变换处理SB21和后处理SB22中的必须的后处理SB221,不实施后处理SA22中的不是必须的后处理SB222,而生成及输出MR图像OB2。即,MR图像OB2实施不伴有统计性偏差的后处理SB221,不经由伴有统计性偏差的后处理SB222而生成,所以可以说是被标准化的数据。通过将不具有统计性偏差的作为标准化医用数据的MR图像OB2用于机器学习处理,由此能够提高机器学习处理的精度。处理电路51与作为医用诊断数据的MR图像OB1并行地自动地输出作为标准化医用数据的MR图像OB2,所以能够在维持医用诊断的工作流程的同时提高机器学习的精度。
图4是表示处理电路51的其他数据输出处理的流程的图。如图4所示,处理电路51通过实现取得功能511,从接收电路25取得通过数据收集序列的执行而收集到的原始数据(步骤SC1)。步骤SC1与步骤SA1相同,因此省略说明。
进行步骤SC1后,处理电路51通过实现输出功能512,对在步骤SC1中取得的原始数据实施数据生成处理(步骤SC2)。图4的数据生成处理SC2包括空间变换处理SC21和后处理SC22。空间变换处理SC21与图2的空间变换处理SA21相同。后处理SC22是能够进行参数调整的图像处理。后处理SC22的种类可以是与图2的后处理SA22相同种类的后处理。后处理SC22的参数在用于医用诊断数据的参数(以下,称为第一参数)和用于标准化医用数据的参数(以下,称为第二参数)间被设定为不同的值。第一参数以成为适于医用诊断的画质的MR图像的方式由用户设定为任意的值即可。第二参数被设定为为了机器学习的输入数据而被标准化后的值。
处理电路51对原始数据实施空间变换处理SC1而生成MR图像,对所生成的MR图像实施被设定为第一参数的后处理SC22,将MR图像OC1作为医用诊断数据输出(步骤SC3)。另外,处理电路51对通过空间变换处理SC21生成的MR图像实施被设定为第二参数的后处理SC22,将MR图像OC2作为标准化医用数据输出(步骤SC4)。
如图4所示,处理电路51对原始数据实施空间变换处理SC21和第一参数的后处理SC22而生成以及输出MR图像OC1,并且对该原始数据实施空间变换处理SC21和第二参数的后处理SC22而生成以及输出MR图像OC2。即,MR图像OC2是实施为了机器学习而被统一的第二参数的后处理SC 22而生成的,所以可以说是标准化后的数据。通过将不具有统计性偏差的作为标准化医用数据的MR图像OC2用于机器学习处理,由此能够提高机器学习处理的精度。处理电路51与作为医用诊断数据的MR图像OC1并行地自动地输出作为标准化医用数据的MR图像OC2,所以能够维持医用诊断的工作流程的同时提高机器学习的精度。
图5是表示处理电路51的其他数据输出处理的流程的图。如图5所示,处理电路51通过实现取得功能511,从接收电路25取得通过数据收集序列的执行而收集到的原始数据(步骤SD1)。步骤SD1与步骤SA1相同,因此省略说明。
进行步骤SD1后,处理电路51通过实现输出功能512,对在步骤SD1中取得的原始数据实施数据生成处理(步骤SD2)。图5的数据生成处理SD2包括前处理SD21和空间变换处理SD22。前处理SD21是对原始数据实施的空间变换处理以外的处理。前处理SD21的参数能够由用户经由输入接口54设定为任意的值,是可能产生伴有设置设施或装置改型的差异的统计性偏差的处理。作为前处理SD21,例如举出去噪和平滑滤波器。空间变换处理SD22与图2的空间变换处理SA21相同。
在步骤SD2中,处理电路51对原始数据实施前处理SD21,对前处理后的原始数据实施空间变换处理SD22,将MR图像OD1作为医用诊断数据输出(步骤SD3)。另外,处理电路51不对原始数据实施前处理SD21而实施空间变换处理SD22,将MR图像OD2作为标准化医用数据输出(步骤SD4)。
如图5所示,处理电路51对原始数据实施前处理SD21以及空间变换处理SD22而生成以及输出MR图像OD1,并且对该原始数据不实施前处理SD21而实施空间变换处理SD22而生成以及输出MR图像OD2。即,MR图像OD2不经由伴有统计性偏差的前处理SD21而生成,所以可以说是标准化后的数据。通过将不具有统计性偏差的作为标准化医用数据的MR图像OD2用于机器学习处理,由此能够提高机器学习处理的精度。处理电路51与作为医用诊断数据的MR图像OD1并行地自动地输出作为标准化医用数据的MR图像OD2,所以能够维持医用诊断的工作流程的同时提高机器学习的精度。
另外,在准备多种前处理且其中存在不能成为统计性偏差的前处理的情况下,该前处理也可以为了标准化医用数据而执行。另外,在图5的数据输出处理中,也可以在空间变换处理SD22之后,如图2、图3以及图4所示那样进行后处理。
如上所述,通过处理电路51进行各种数据生成处理。
另外,在上述的说明中,原始数据也可以不是k空间数据,而是混合数据。混合数据是沿着k空间数据的至少1轴执行了傅立叶变换或逆傅立叶变换等的数据。混合数据可以是原始的混合数据,也可以是对原始的混合数据进行数据压缩处理、分辨率分解处理、数据插补处理、分辨率合成处理等任意的数据处理后的数据。
接着,对基于输出功能512的实现的医用诊断数据和标准化医用数据的输出形式进行说明。
图6是示意性地表示医用诊断数据和标准化医用数据的输出形式的图。例如,如图6所示,处理电路51可以将医用诊断数据和标准化医用数据存储于单一的DICOM(DigitalImaging and Communications in Medicine:医学数字成像和通信)文件并输出。在该情况下,处理电路51在数据生成处理中对医用诊断数据和标准化医用数据双方实施DICOM变换。DICOM变换是将MR图像的数据形式从非DICOM标准的数据形式变换为DICOM标准的数据形式的处理。处理电路51将DICOM变换后的医用诊断数据和标准化医用数据存储在DICOM文件中。将医用诊断数据和标准化医用数据存储在DICOM文件中的方法没有特别限定。例如,处理电路51将医用诊断数据和标准化医用数据作为同一体的不同系列输出。即,医用诊断数据作为医用诊断用系列、标准化医用数据作为机器学习用系列输出。
可以对医用诊断数据赋予表示不是机器学习用的数据这一情况的信息,对标准化医用数据附加表示是机器学习用的数据这一情况的信息。例如,该信息可以以标志的形式成为各数据。例如,作为表示不是机器学习用的数据这一情况的标志,可以附加“NO”或“0”、作为表示是机器学习用的数据这一情况的标志,可以附加“YES”或“1”等任意的信息。另外,并不限定于标志形式,也可以在医用诊断数据以及标准化医用数据的DICOM附带信息中编入该信息。
另外,表示是机器学习用的数据这一情况的信息以及表示不是机器学习用的数据这一情况的信息,也可以是表现该意思的文本信息。该文本信息既可以保存在各数据的DICOM专用标签中,也可以直接附于各数据的实际数据(例如,MR图像)。
处理电路51在生成的同时将标准化医用数据供给至机器学习用的计算机或机器学习用的存储器。例如,在向机器学习用的计算机供给的情况下,处理电路51经由通信接口55发送标准化医用数据。由机器学习用的计算机接收到的标准化医用数据供机器学习。此时,医用诊断数据也可以不向机器学习用的计算机发送。医用诊断数据可以保存在磁共振成像装置1的存储器52中,也可以经由通信接口55发送至PACS。此外,在机器学习用的计算机由与磁共振成像装置1的设置设施不同的设施管理的情况下,仅具有使用权限的人能够访问标准化医用数据,因此处理电路51对标准化医用数据进行加密即可。由此,在所谓的交叉站点的状况下,能够提高与个人信息即标准化医用数据的管理有关的安全性,防止个人信息的泄漏。
作为机器学习用的存储器,既可以是搭载于磁共振成像装置1的存储器52,也可以是可移动式记录介质,还可以是其他计算机。存储在这些机器学习用的存储器中的标准化医用数据适当地被供给至机器学习用的计算机,以供机器学习。
另外,医用诊断数据以及标准化医用数据中的一方或者双方也可以不被变换为DICOM标准。如果通过DICOM变换产生统计性偏差,则标准化医用数据不进行DICOM变换为好。
接着,对医用诊断数据以及标准化医用数据的显示进行说明。
图7是表示与数据输出处理有关的GUI画面I1的一例的图。GUI画面I1在图2至图5的数据输出处理开始前显示于显示器53。如图7所示,在GUI画面I1中显示有指示可否输出医用诊断数据的GUI按钮IB1和指示可否输出标准化医用数据的GUI按钮IB2。例如,在经由输入接口54等按下GUI按钮IB1的情况下,指示医用诊断数据的输出,在经由输入接口54等按下GUI按钮IB2的情况下,指示标准化医用数据的输出。
在按下GUI按钮IB1以及GUI按钮IB2的情况下,处理电路51通过图2至图5所示的数据生成处理SA2、SB2、SC2以及SD2等,输出医用诊断数据以及标准化医用数据。标准化医用数据通过通信接口55与输出大致同时自动地被发送至机器学习用的计算机。由机器学习用的计算机接收到的标准化医用数据供机器学习处理。例如,在机器学习用的计算机进行基于医用图像的自动诊断的情况下,将自动诊断结果发送至磁共振成像装置1。作为自动诊断,有利用CNN(Convolutional Neural Networks:卷积神经网络)等的病变自动检测。在该情况下,机器学习用的计算机对标准化医用数据应用机器学习模型来检测病变位置,并对病变检测位置标注注释。然后,机器学习用的计算机将标注了注释的标准化医用数据发送至磁共振成像装置1。被标注了注释的标准化医用数据由通信接口55接收。处理电路51通过实现显示控制功能513,将医用诊断数据和标注了注释的标准化医用数据显示于显示器53。
图8是表示显示有医用诊断数据I2和标注有注释M1的标准化医用数据I3的、图7的GUI画面I1的一例的图。如图8所示,在GUI画面I1上并排地显示医用诊断数据(MR图像)I2和标准化医用数据(MR图像)I3。标准化医用数据I3是从机器学习用的计算机发送的机器学习的结果数据。在标准化医用数据I3中的病变的自动检测位置标注有注释M1。用户观察标准化医用数据I3而评价自动检测结果,观察医用诊断数据I2而做出诊断。通过显示医用诊断数据I2和标准化医用数据I3,能够参照反映了基于被降低了统计性偏差的标准化医用数据的高精度的机器学习结果的标准化医用数据I3,并基于实施了用户喜好的数据生成处理的医用诊断数据I2来实施医用诊断。
(第二实施方式)
第二实施方式的医用数据处理装置是搭载于X射线计算机断层摄影装置的计算机。以下,对第二实施方式进行说明。另外,在以下的说明中,对具有与第一实施方式大致相同的功能的构成要素标注相同的附图标记,并仅在必要的情况下进行重复说明。
图9是表示第二实施方式的X射线计算机断层摄影装置1-2的构成的图。另外,在图9中为了便于说明而描绘有多个CT架台10-2,但典型的是X射线计算机断层摄影装置1-2装备的架台10-2为1台。
如图9所示,X射线计算机断层摄影装置1-2具有架台10-2、诊视床30-2以及医用数据处理装置(控制台)50-2。架台10-2是具有用于对被检体P进行X射线CT摄影的构成的扫描装置。诊视床30-2是用于载置作为X射线CT摄影的对象的被检体P并对被检体P进行定位的搬送装置。医用数据处理装置50-2是控制架台10-2的计算机。例如,架台10-2及诊视床30-2设置在检查室中,医用数据处理装置50-2设置在与检查室相邻的控制室中。架台10-2、诊视床30-2以及医用数据处理装置50-2以能够相互通信的方式有线或无线地连接。
如图9所示,架台10-2具有X射线管11、X射线检测器12、旋转框架13、X射线高电压装置14、控制装置15、楔形滤波器16、准直器17以及数据收集电路(DAS:Data AcquisitionSystem,数据采集***)18。
X射线管11产生X射线。具体而言,X射线管11包括产生热电子的阴极、接受从阴极飞翔的热电子而产生X射线的阳极、以及保持阴极和阳极的真空管。X射线管11经由高压电缆与X射线高电压装置14连接。通过X射线高电压装置14向阴极供给灯丝电流。通过灯丝电流的供给而从阴极产生热电子。在阴极与阳极之间,由X射线高电压装置14施加管电压。由于管电压的施加,热电子从阴极朝向阳极飞翔并与阳极碰撞,产生X射线。所产生的X射线照射到被检体P。热电子从阴极朝向阳极飞翔,从而流动管电流。
X射线检测器12检测从X射线管11产生并通过了被检体P的X射线,并将与检测出的X射线的线量对应的电信号输出到DAS18。X射线检测器12具有将沿通道方向排列有多个X射线检测元件的X射线检测元件列在切片方向(列方向)上排列有多个而成的构造。X射线检测器12例如是具有栅格、闪烁器阵列以及光传感器阵列的间接变换型的检测器。闪烁器阵列具有多个闪烁器。闪烁器输出与入射X射线量对应的光量的光。栅格配置于闪烁器阵列的X射线入射面侧,具有吸收散射X射线的X射线遮蔽板。另外,栅格有时也被称为准直器(一维准直器或二维准直器)。光传感器阵列变换成与来自闪烁器的光的光量对应的电信号。作为光传感器,例如使用光电二极管。
旋转框架13是将X射线管11和X射线检测器12支承为能够绕旋转轴Z旋转的圆环状的框架。具体而言,旋转框架13对置支承X射线管11和X射线检测器12。旋转框架13以能够绕旋转轴Z旋转的方式支承于固定框架(未图示)。通过控制装置15使旋转框架13绕旋转轴Z旋转,由此使X射线管11和X射线检测器12绕旋转轴Z旋转。对旋转框架13的开口部29-2设定图像视野(FOV:Field Of View)。
另外,在本实施方式中,将非倾斜状态下的旋转框架13的旋转轴或诊视床30-2的顶板33-2的长度方向定义为Z方向,将与Z方向正交且相对于地面为水平的方向定义为X方向,将与Z方向正交且相对于地面垂直的方向定义为Y方向。
X射线高电压装置14具有高电压产生装置和X射线控制装置。高电压产生装置具有变压器(transformer)及整流器等电路,产生向X射线管11施加的高电压及向X射线管11供给的灯丝电流。X射线控制装置控制对X射线管11施加的高电压和向X射线管11供给的灯丝电流。高电压产生装置可以是变压器方式,也可以是逆变器方式。X射线高电压装置14可以设置于架台10-2内的旋转框架13,也可以设置于架台10-2内的固定框架(未图示)。
楔形滤波器26-2对照射到被检体P的X射线的线量进行调节。具体而言,楔块26-2以使从X射线管11向被检体P照射的X射线的线量成为预先规定的分布的方式使X射线衰减。例如,作为楔块26-2,使用通过加工铝等金属而形成的金属过滤器。楔形滤波器26-2被加工成具有规定的目标角度或规定的厚度。另外,楔形滤波器26-2也被称为蝴蝶结滤波器(bow-tie filter)。
准直器27-2限定透过楔形滤波器26-2后的X射线的照射范围。准直器27-2将遮蔽X射线的多个铅板支承为能够滑动,对由多个铅板形成的狭缝的形态进行调节。准直器27-2也被称为X射线光阑。
DAS18从X射线检测器12读出与由X射线检测器12检测出的X射线的线量对应的电信号,对所读出的电信号进行放大,并遍及观察期间对电信号进行积分,由此收集具有与遍及该观察期间的X射线的线量对应的数字值的投影数据。投影数据是原始数据的一种。DAS18例如通过搭载了能够生成投影数据的电路元件的ASIC来实现。由DAS18生成的投影数据从具有设置于旋转框架13的发光二极管(LED)的发送机通过光通信被发送至具有在架台10-2的非旋转部(例如固定框架)设置的发光二极管(LED)的接收机,从接收机传送到医用数据处理装置3-2。另外,从旋转框架13向架台10-2的非旋转部的投影数据的发送方式不限于上述的光通信,只要是非接触型的数据传送即可,可以是任何方式。
诊视床30-2具备基台35-2以及顶板33-2。基台35-2设置于地面。基台35-2是将支承框架支承为能够相对于地面向垂直方向(Y方向)移动的构造体。支承框架是设置于基台35-2的上部的框架。支承框架将顶板33-2支承为能够沿着中心轴Z滑动。顶板33-2是载置被检体P的具有柔软性的板状构造体。诊视床驱动装置容纳于诊视床30-2。诊视床驱动装置是产生用于使载置有被检体P的顶板33-2移动的动力的马达或者致动器。诊视床驱动装置按照控制装置15或医用数据处理装置50-2等的控制进行工作。
控制装置15为了按照基于处理电路51的摄影控制来执行X射线CT摄影,而控制X射线高电压装置14、DAS18以及诊视床30-2。控制装置15具有:具有CPU等的处理电路和马达以及致动器等驱动装置。处理电路作为硬件资源具有CPU等处理器和ROM、RAM等存储器。控制装置15例如按照来自在医用数据处理装置50-2、架台10-2以及诊视床30-2等设置的输入接口54的操作信号来控制架台10-2以及诊视床30-2。例如,控制装置15控制旋转框架13的旋转、架台10-2的倾斜、顶板33及诊视床30-2的动作。
医用数据处理装置(控制台)50-2是具有处理电路51、存储器52、显示器53、输入接口54以及通信接口55的计算机。医用数据处理装置50-2与第一实施方式的医用数据处理装置50相同,因此省略说明。
图10是表示第二实施方式的处理电路51的数据生成处理的流程的图。如图10所示,处理电路51通过实现取得功能511,从DAS18取得通过X射线CT摄影而收集到的原始数据(投影数据)(步骤SE1)。另外,也可以将通过DAS18收集到的原始数据暂时存储在存储器52中,接受数据生成处理的请求后、处理电路51从存储器52读出处理对象的原始数据。原始数据可以是通过X射线CT摄影收集到的原始的投影数据,也可以是对原始的投影数据进行数据压缩处理、分辨率分解处理、数据插补处理、分辨率合成处理等任意的数据处理的数据。
进行步骤SE1后,处理电路51通过实现输出功能512,对在步骤SE1中取得的原始数据实施数据生成处理(步骤SE2)。数据生成处理SE2包括前处理SE21和逐次近似重建SE22。前处理SE21是对数变换或偏移校正。逐次近似重建SE22是基于投影数据来重建CT图像的图像重建法的一种。作为逐次近似重建SE22,有EM(expectation maximization:期望最大化)法、ART(algebraic reconstruction technique:代数重建算法)法等或者它们的应用等。另外,逐次近似重建SE22也可以是在上述逐次近似重建中组合了FBP(Filtered BackProjection:滤波反投影)等解析学重建法的方法。作为逐次近似重建SE22,也可以使用编入了基于统计学的模型、扫描仪模型、解剖学的模型及/或机器学习的噪声降低的方法。在逐次近似重构SE22中,作为能够调整的参数,已知有初始图像与更新图像的合成的比率即被称为混合比的参数。在本实施方式中,将用于医用诊断数据的混合比(以下称为第一混合比)和用于标准化医用数据的混合比(以下称为第二混合比)设定为不同的值。第一混合比由用户设定为任意的值即可。第二混合比被设定为为了机器学习的输入数据而标准化的值。
处理电路51对原始数据实施前处理SE21,对实施了前处理SE21后的原始数据,实施被设定为第一混合比的逐次近似重建SE22,将CT图像OE1作为医用诊断数据输出(步骤SE3)。另外,处理电路51对前处理SE21后的CT图像,实施被设定为第二混合比的逐次近似重建SE22,将CT图像OE2作为标准化医用数据输出(步骤SE4)。
如图10所示,处理电路51对原始数据实施前处理SE21和第一混合比的逐次近似重建SE22而生成并输出CT图像OE1,并且对该原始数据实施前处理SE21和第二混合比的逐次近似重建SE22而生成并输出CT图像OE2。即,CT图像OE2是实施为了机器学习而被统一的第二混合比的逐次近似重建SE22而生成的,所以可以说是标准化后的数据。通过将不具有统计性偏差的作为标准化医用数据的CT图像OE2用于机器学习处理,由此能够提高机器学习处理的精度。处理电路51与作为医用诊断数据的CT图像OE1并行地自动地输出作为标准化医用数据的CT图像OE2,所以能够维持医用诊断的工作流程的同时提高机器学习的精度。
另外,也可以对逐次近似重建SE22的混合比以外的其他参数准备用于医用诊断数据的参数和用于标准化医用数据的参数。另外,关于X射线计算机断层摄影装置1-2,通过将k空间数据置换为投影数据,将MR图像置换为CT图像,由此也能够与第一实施方式的磁共振成像装置1同样地进行图2-图5所示的数据生成处理。
(第三实施方式)
第三实施方式的医用数据处理装置是搭载于超声波诊断装置的计算机。以下,对第三实施方式进行说明。另外,在以下的说明中,对具有与第一实施方式大致相同的功能的构成要素标注相同的附图标记,仅在必要的情况下进行重复说明。
图11是表示第三实施方式的超声波诊断装置1-3的构成的图。如图11所示,超声波诊断装置1-3具有超声波探头10-3和医用数据处理装置(装置主体)50-3。
超声波探头10-3例如按照医用数据处理装置50-3的控制,对患者等生物体内的扫描区域执行超声波扫描。超声波探头10-3例如具有多个压电振子、匹配层以及背衬材料等。在本实施方式中,超声波探头10-3例如具有沿着规定的方向排列的多个压电振子。超声波探头10-3与医用数据处理装置50-3装卸自如地连接。
多个压电振子根据从医用数据处理装置50-3所具有的超声波发送电路57供给的驱动信号而产生超声波。由此,从超声波探头10-3向生物体发送超声波。当从超声波探头10-3向生物体发送超声波时,所发送的超声波在生物体的体内组织中的声阻抗的不连续面上依次被反射,作为反射波信号被多个压电振子接收。所接收的反射波信号的振幅依赖于反射超声波的不连续面中的声阻抗的差。另外,所发送的超声波脉冲在移动的血流或者放射线吸收性组织隔膜等的表面被反射的情况下的反射波信号根据多普勒效应,依赖于移动体的超声波发送方向的速度成分而受到频率偏移。超声波探头10-3接收来自生物体的反射波信号并变换为电信号。电信号被供给至医用数据处理装置50-3。
图11所示的医用数据处理装置50-3是基于由超声波探头10-3接收到的反射波信号生成并显示超声波图像的计算机。如图11所示,医用数据处理装置50-3具有超声波发送电路57、超声波接收电路56、处理电路51、存储器52、显示器53、输入接口54以及通信接口55。
超声波发送电路57是向超声波探头10-3供给驱动信号的处理器。超声波发送电路57例如由触发产生电路、延迟电路以及脉冲电路等实现。触发产生电路以规定的速率频率反复产生用于形成发送超声波的速率脉冲。延迟电路对触发产生电路产生的各速率脉冲赋予延迟时间,该延迟时间用于将从超声波探头10-3产生的超声波会聚成束状而决定发送指向性所需的每个压电振子的延迟时间。脉冲产生器电路在基于速率脉冲的定时向设置于超声波探头10-3的多个超声波振子施加驱动信号(驱动脉冲)。通过延迟电路使对各速率脉冲赋予的延迟时间任意地变化,从而任意地调整来自压电振子面的发送方向。
超声波接收电路56是对超声波探头10-3接收到的反射波信号实施各种处理并生成接收信号的处理器。超声波接收电路56例如通过放大器电路、A/D变换器、接收延迟电路以及加法器等来实现。放大器电路按每个通道来放大超声波探头10-3接收到的反射波信号,进行增益校正处理。A/D变换器将增益校正后的反射波信号变换为数字信号。接收延迟电路对数字信号赋予决定接收指向性所需的延迟时间。加法器对被赋予了延迟时间的多个数字信号进行加法运算。通过加法器的加法运算处理,产生强调了来自与接收指向性对应的方向的反射成分的接收信号。接收信号是原始数据的一种。
处理电路51例如是作为超声波诊断装置1-3的中枢发挥功能的处理器。处理电路51通过执行存储在存储器52中的程序来实现与该程序对应的功能。处理电路51例如具有取得功能511、输出功能512、显示控制功能513、B模式处理功能514以及多普勒模式处理功能515。
在B模式处理功能514中,处理电路51基于从超声波接收电路56接收到的接收信号,生成B模式数据。具体而言,处理电路51例如对从超声波接收电路56接收到的接收信号实施包络线检波处理、以及对数放大处理等,生成以亮度的明亮度来表现信号强度的数据(B模式数据)。所生成的B模式数据作为二维的超声波扫描线(光栅)上的数据被存储在未图示的RAW数据存储器中。B模式数据是原始数据的一种。
在多普勒模式处理功能515中,处理电路51通过对从超声波接收电路56接收到的接收信号进行频率解析,从而生成数据(多普勒数据),该数据(多普勒数据)提取出了在扫描区域设定的ROI(Region Of Interest:关心区域)内的血流的基于多普勒效应的运动信息。具体而言,处理电路51生成分别在多个采样点推定出平均速度、平均方差值、平均能量值等作为血流的运动信息的多普勒数据。所生成的多普勒数据作为二维的超声波扫描线上的数据被存储在未图示的RAW数据存储器中。
处理电路51在多普勒模式处理功能515中,进行彩色血流映射(CFM:Color FlowMapping)法的彩色多普勒法。在CFM法中,在多个扫描线上多次进行超声波的收发。处理电路51通过对同一位置的数据列施加MTI(Moving Target Indicator:运动目标指示)滤波器,来抑制来自静止的组织或运动较慢的组织的信号(杂波信号),提取源于血流的信号。然后,处理电路51根据所提取出的信号来推定血流的速度、方差或者能量等信息。多普勒数据是原始数据的一种。
关于存储器523、显示器53、输入接口54、通信接口55、取得功能511、输出功能512和显示控制功能513,省略说明。
图12是表示第三实施方式的处理电路51的数据输出处理的流程的图。如图12所示,处理电路51通过实现取得功能511,从超声波接收电路56取得通过超声波扫描收集到的原始数据(步骤SF1)。在超声波扫描中,实时收集时间序列的多个帧的原始数据。以下的处理工序针对所收集到的多个帧的全部或每规定帧进行。另外,也可以是由超声波接收电路56收集到的原始数据被暂时存储在存储器52中,接受数据生成处理的请求后、处理电路51从存储器52读出处理对象的原始数据。原始数据可以是通过超声波扫描收集到的原始的原始数据,也可以是对原始的原始数据进行数据压缩处理、分辨率分解处理、数据插补处理、分辨率合成处理等任意的数据处理的数据。
进行步骤SF1后,处理电路51通过实现输出功能512,对在步骤SF1中取得的原始数据实施数据生成处理(步骤SF2)。数据生成处理SF2包括用于从原始数据生成作为医用诊断数据的医用诊断用的超声波图像的一系列的处理。例如,数据生成处理SF2包括空间变换处理SF21和后处理SF22。空间变换处理SF21是将B模式数据变换为对B模式数据值的空间分布进行表示的B模式图像、或者将多普勒模式数据变换为对多普勒模式数据值的空间分布进行表示的多普勒模式图像的扫描变换处理。
后处理是对超声波图像实施的后处理滤波(后置滤波器)。后处理的种类根据医用诊断数据所要求的画质、目的等而不同。例如,将去噪、平滑化滤波器、边缘增强、分割、三维图像处理等设定为后处理。
处理电路51对原始数据实施空间变换处理SF21而生成超声波图像,对所生成的超声波图像实施后处理SF22,将医用诊断用的后处理后的超声波图像OF1作为医用诊断数据输出(步骤SF3)。另外,处理电路51对由空间变换处理SF21生成的超声波图像不实施全部后处理SF22,将机器学习用的无后处理的超声波图像OF2作为标准化医用数据输出(步骤SF4)。
如图12所示,处理电路51对原始数据实施空间变换处理SF21以及后处理SF22而生成以及输出超声波图像OF1,并且对该原始数据实施空间变换处理SF21并不实施后处理SF22,而生成并输出超声波图像OF2。即,超声波图像OF2由于不经由伴有设置设施或装置改型引起的统计性偏差的后处理SF22而生成,所以可以说是标准化后的数据。通过将不具有统计性偏差的作为标准化医用数据的超声波图像OF2用于机器学习处理,由此能够提高机器学习处理的精度。处理电路51与作为医用诊断数据的超声波图像OF1并行地自动地输出作为标准化医用数据的超声波图像OF2,所以能够维持医用诊断的工作流程的同时提高机器学习的精度。
另外,对于超声波诊断装置1-3,通过将k空间数据置换为B模式数据或者多普勒数据,并将MR图像置换为超声波图像,从而能够与第一实施方式的磁共振成像装置1同样地进行图2-图5所示的数据生成处理。
另外,不需要针对所收集到的全部帧的原始数据来生成以及输出标准化医用数据。例如,对所收集到的全部帧的原始数据实施空间变换处理SF21以及后处理SF22,将全部帧的超声波图像OF1作为动画显示于显示器53。用户在发现了适于机器学习的帧的超声波图像的情况下,按下冻结按钮。在冻结按钮被按下的情况下,处理电路51可以确定在冻结按钮被按下的时刻显示于显示器53的有后处理的超声波图像OF1,并将与所确定的有后处理SF22的超声波图像OF1对应的后处理SF22前的超声波图像OF2作为标准化医用数据输出。
(其他实施方式)
在上述第一、第二以及第三实施方式中,数据生成处理的处理对象的数据是由医用图像诊断装置收集到的原始数据。然而,本实施方式并不限定于此,也能够应用于由其他医用图像诊断装置收集到的原始数据,还能够应用于由生物体信息计测器收集到的波形数据。在将波形数据作为处理对象的情况下,不生成医用图像,因此不需要进行空间变换处理作为数据生成处理。对于波形数据,作为数据生成处理,例如进行噪声降低处理、平滑化处理、偏移处理等后处理。这些后处理的参数可能产生由设置设施或装置改型引起的波动,因此也有产生统计性偏差的参数。
处理电路51对波形数据实施后处理而生成以及输出后处理后的波形数据(以下,称为已处理波形数据),并且对该波形数据不实施全部后处理而输出该波形数据(以下,称为未处理波形数据)。另外,也可以如图3所示,将后处理分类为对医用诊断数据以及标准化医用数据双方实施的必须的后处理和仅对医用诊断数据实施的任意的后处理。由于未处理波形数据是不经由伴有统计性偏差的后处理而生成的,所以可以说是标准化后的数据。通过将不具有统计性偏差的作为标准化医用数据的未处理波形数据用于机器学习处理,由此能够提高机器学习处理的精度。处理电路51与作为医用诊断数据的已处理波形数据并行地自动地输出作为标准化医用数据的未处理波形数据,所以能够维持医用诊断的工作流程的同时提高机器学习的精度。
根据上述几个实施方式,医用数据处理装置50具有处理电路51,该处理电路51取得与被检体有关的医用数据,对医用数据实施数据生成处理而输出医用诊断数据,并且不实施数据生成处理的一部分或者全部而输出被标准化为机器学习用的基于该医用数据的标准化医用数据。根据上述构成,与将医用诊断数据用于机器学习的输入数据的情况相比,机器学习的输入数据的生成条件(收集条件)稳定,能够降低或去除输入数据的统计性偏差。
根据以上说明的至少一个实施方式,能够提高机器学习的精度。
在上述说明中使用的“处理器”这样的用语例如是CPU、GPU、或者面向特定用途的集成电路(Application Specific Integrated Circuit:ASIC)、可编程逻辑器件(例如,简单可编程逻辑器件(Simple Programmable Logic Device:SPLD)、复合可编程逻辑器件(Complex Programmable Logic Device:CPLD)、以及现场可编程门阵列(FieldProgrammable Gate Array:FPGA))等电路。处理器通过读出并执行保存在存储电路中的程序来实现功能。另外,也可以代替在存储电路中保存程序,而构成为在处理器的电路内直接装入程序。在此情况下,处理器通过读出并执行装入到电路内的程序来实现功能。另外,也可以不执行程序,而是通过逻辑电路的组合来实现与该程序对应的功能。另外,本实施方式的各处理器不限于按每个处理器构成为单一的电路的情况,也可以将多个独立的电路组合而构成为1个处理器,实现其功能。并且,也可以将图1、图9以及图11中的多个构成要素整合为一个处理器来实现其功能。
对本发明的实施方式进行了说明,但本发明的实施方式是作为例子而提出的,并不意图限定发明的范围。本发明的实施方式能够以其他各种方式实施,在不脱离发明的主旨的范围内,能够进行各种省略、置换、变更。本发明的实施方式及其变形包含在发明的范围和主旨中,同样地包含在权利要求书所记载的发明及其等同的范围内。

Claims (12)

1.一种医用数据处理装置,具备:
取得部,取得与被检体有关的医用数据;以及
输出部,对所述医用数据实施规定的处理而输出医用诊断数据,并且对所述医用数据不实施所述规定的处理的一部分或全部而输出被标准化为机器学习用的基于所述医用数据的标准化医用数据。
2.根据权利要求1所述的医用数据处理装置,其中,
所述医用数据,是由医用图像诊断装置收集到的与所述被检体有关的原始数据,
所述输出部,
对所述原始数据实施空间变换处理而生成变换后数据,所述空间变换处理作为所述规定的处理的所述一部分,
对所述变换后数据实施后处理而生成后处理后数据,并将所述后处理后数据作为所述医用诊断数据输出,所述后处理作为所述规定的处理的其他部分,
不实施所述后处理的全部,而将所述变换后数据作为所述标准化医用数据输出。
3.根据权利要求1所述的医用数据处理装置,其中,
所述医用数据,是由医用图像诊断装置收集到的与所述被检体有关的原始数据,
所述输出部,
对所述原始数据实施空间变换处理而生成变换后数据,所述空间变换处理作为所述规定的处理的所述一部分,
对所述变换后数据实施后处理的全部而生成第一后处理后数据,并将所述第一后处理后数据作为所述医用诊断数据输出,所述后处理作为所述规定的处理的其他部分,
对所述变换后数据实施所述后处理的一部分而生成第二后处理后数据,并将所述第二后处理后数据作为所述标准化医用数据输出。
4.根据权利要求1所述的医用数据处理装置,其中,
所述医用数据,是由医用图像诊断装置收集到的与所述被检体有关的原始数据,
所述输出部,
对所述原始数据实施空间变换处理而生成变换后数据,所述空间变换处理作为所述规定的处理的所述一部分,
对所述变换后数据实施由用户设定的第一参数的后处理,并将图像处理后数据作为所述医用诊断数据输出,所述由用户设定的第一参数的后处理作为所述规定的处理的其他部分,
对所述变换后数据实施为了机器学习而被标准化的第二参数的所述后处理,并输出所述标准化医用数据。
5.根据权利要求1所述的医用数据处理装置,其中,
所述医用数据,是由医用图像诊断装置收集到的与所述被检体有关的原始数据,
所述输出部,
对所述原始数据实施前处理而生成前处理后数据,对所述前处理后数据实施图像变换处理,并输出所述医用诊断数据,所述前处理作为所述规定的处理的一部分,所述图像变换处理作为所述规定的处理的其他部分,
对所述原始数据实施所述图像变换处理,并输出所述标准化医用数据。
6.根据权利要求1所述的医用数据处理装置,其中,
所述输出部,对所述标准化医用数据进行加密。
7.根据权利要求1所述的医用数据处理装置,其中,
所述输出部,输出存储有所述医用诊断数据和所述标准化医用数据的单一的DICOM文件即医学数字成像和通信文件。
8.根据权利要求1所述的医用数据处理装置,其中,
所述输出部,将所述标准化医用数据自动地发送至机器学习用的计算机。
9.根据权利要求8所述的医用数据处理装置,其中,还具备:
显示部,显示所述医用诊断数据和来自所述机器学习用的计算机的机器学习的结果数据。
10.根据权利要求1所述的医用数据处理装置,其中,还具备:
显示部,显示用于对所述医用诊断数据的能否输出和/或所述标准化医用数据的能否输出进行选择的画面。
11.根据权利要求1所述的医用数据处理装置,其中,
所述输出部,对所述医用诊断数据附加意为不用于机器学习的信息和/或对所述标准化医用数据附加意为用于机器学习的信息。
12.一种医用数据处理方法,具备如下步骤:
取得与被检体有关的医用数据;
对所述医用数据实施规定的处理而输出医用诊断数据,并且对所述医用数据不实施所述规定的处理的一部分或全部而输出被标准化为机器学习用的基于所述医用数据的标准化医用数据。
CN202010558126.6A 2019-06-19 2020-06-18 医用数据处理装置以及医用数据处理方法 Pending CN112107313A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-113447 2019-06-19
JP2019113447A JP7334073B2 (ja) 2019-06-19 2019-06-19 医用データ処理装置及び医用データ処理方法

Publications (1)

Publication Number Publication Date
CN112107313A true CN112107313A (zh) 2020-12-22

Family

ID=73798999

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010558126.6A Pending CN112107313A (zh) 2019-06-19 2020-06-18 医用数据处理装置以及医用数据处理方法

Country Status (3)

Country Link
US (1) US11587680B2 (zh)
JP (1) JP7334073B2 (zh)
CN (1) CN112107313A (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102475392B1 (ko) * 2021-03-25 2022-12-07 주식회사 에어스메디컬 의료 영상 복원 및 전송 시스템 및 그 방법
CN116611025B (zh) * 2023-05-19 2024-01-26 贵州师范大学 一种脉冲星候选信号的多模态特征融合方法

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006212420A (ja) * 2005-01-06 2006-08-17 Toshiba Corp 画像診断システムおよび磁気共鳴イメージング装置
CN102938013A (zh) * 2011-08-15 2013-02-20 株式会社东芝 医用图像处理装置及医用图像处理方法
US20170053402A1 (en) * 2014-04-30 2017-02-23 Samsung Electronics Co., Ltd. Magnetic resonance imaging device and method for generating magnetic resonance image
US20170296032A1 (en) * 2015-03-06 2017-10-19 Fujifilm Corporation Branching structure determination apparatus, method, and program
JP2017202315A (ja) * 2016-05-09 2017-11-16 東芝メディカルシステムズ株式会社 医用画像診断装置
US20180144466A1 (en) * 2016-11-23 2018-05-24 General Electric Company Deep learning medical systems and methods for image acquisition
US20190148006A1 (en) * 2017-11-15 2019-05-16 Medstreaming, Llc Registry and image data analytics (rida) system
CN109843176A (zh) * 2016-07-29 2019-06-04 诺瓦达克技术有限公司 用于利用机器学习来表征受验者的组织的方法和***

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006301965A (ja) 2005-04-20 2006-11-02 Canon Inc 情報処理装置、画像処理装置、画像処理システム及び方法、並びに記憶媒体
JPWO2007029467A1 (ja) 2005-09-05 2009-03-19 コニカミノルタエムジー株式会社 画像処理方法及び画像処理装置
JP2010086449A (ja) * 2008-10-02 2010-04-15 Konica Minolta Medical & Graphic Inc 情報処理装置
US8712120B1 (en) * 2009-09-28 2014-04-29 Dr Systems, Inc. Rules-based approach to transferring and/or viewing medical images
US11074495B2 (en) * 2013-02-28 2021-07-27 Z Advanced Computing, Inc. (Zac) System and method for extremely efficient image and pattern recognition and artificial intelligence platform
JP6785307B2 (ja) 2015-10-28 2020-11-18 スペクトラル エムディー, インコーポレイテッドSpectral Md, Inc. 組織分類システム
JP7005191B2 (ja) 2017-06-30 2022-01-21 キヤノンメディカルシステムズ株式会社 画像処理装置、医用画像診断装置、及びプログラム
EP3438869A1 (en) * 2017-08-02 2019-02-06 Koninklijke Philips N.V. Anonymizing data
US11457871B2 (en) * 2018-11-21 2022-10-04 Enlitic, Inc. Medical scan artifact detection system and methods for use therewith

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006212420A (ja) * 2005-01-06 2006-08-17 Toshiba Corp 画像診断システムおよび磁気共鳴イメージング装置
CN102938013A (zh) * 2011-08-15 2013-02-20 株式会社东芝 医用图像处理装置及医用图像处理方法
US20170053402A1 (en) * 2014-04-30 2017-02-23 Samsung Electronics Co., Ltd. Magnetic resonance imaging device and method for generating magnetic resonance image
US20170296032A1 (en) * 2015-03-06 2017-10-19 Fujifilm Corporation Branching structure determination apparatus, method, and program
JP2017202315A (ja) * 2016-05-09 2017-11-16 東芝メディカルシステムズ株式会社 医用画像診断装置
CN109843176A (zh) * 2016-07-29 2019-06-04 诺瓦达克技术有限公司 用于利用机器学习来表征受验者的组织的方法和***
US20180144466A1 (en) * 2016-11-23 2018-05-24 General Electric Company Deep learning medical systems and methods for image acquisition
US20190148006A1 (en) * 2017-11-15 2019-05-16 Medstreaming, Llc Registry and image data analytics (rida) system

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
唐宋元等: "微弱信号处理理论", 31 October 2018, 北京:北京理工大学出版社, pages: 202 - 203 *

Also Published As

Publication number Publication date
US20200402661A1 (en) 2020-12-24
JP2020203018A (ja) 2020-12-24
US11587680B2 (en) 2023-02-21
JP7334073B2 (ja) 2023-08-28

Similar Documents

Publication Publication Date Title
JP6843924B2 (ja) 医用データ処理装置、磁気共鳴イメージング装置及び学習済みモデル生成方法
US20220254021A1 (en) Medical image diagnostic apparatus
JP4871506B2 (ja) 画像処理のシステム及び方法
EP0982001A1 (en) Protocol driven image reconstruction, display, and processing in a multislice imaging system
US20150281564A1 (en) Medical imaging apparatus and method of displaying user interface image
JP2024001297A (ja) 医用データ処理装置、医用画像診断装置、医用データ処理方法、および医用データ処理プログラム
CN112107313A (zh) 医用数据处理装置以及医用数据处理方法
US10413252B2 (en) Medical image display apparatus and medical image management system
JP7462433B2 (ja) 医用診断システム、医用診断装置、および医用情報処理装置
US11666297B2 (en) Medical system, medical image diagnosis apparatus and terminal device
US11404159B2 (en) Medical information processing system and medical information processing apparatus
JP7437887B2 (ja) 医用情報処理装置及びx線ct装置
CN115211882A (zh) 医学图像中的图像处理方法、图像显示方法及成像***
JP2018068819A (ja) 医用画像診断装置、医用画像撮像装置および医用画像表示装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination