ES2875919T3 - Programa de búsqueda de imagen de caso similar, dispositivo de búsqueda de imagen de caso similar y método de búsqueda de imagen de caso similar - Google Patents

Programa de búsqueda de imagen de caso similar, dispositivo de búsqueda de imagen de caso similar y método de búsqueda de imagen de caso similar Download PDF

Info

Publication number
ES2875919T3
ES2875919T3 ES18763395T ES18763395T ES2875919T3 ES 2875919 T3 ES2875919 T3 ES 2875919T3 ES 18763395 T ES18763395 T ES 18763395T ES 18763395 T ES18763395 T ES 18763395T ES 2875919 T3 ES2875919 T3 ES 2875919T3
Authority
ES
Spain
Prior art keywords
image
area
lung field
unit
similar case
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.)
Active
Application number
ES18763395T
Other languages
English (en)
Inventor
Yasutaka Moriwaki
Masahiko Sugimura
Susumu Endo
Hiroaki Takebe
Takayuki Baba
Yusuke Uehara
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.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
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 Fujitsu Ltd filed Critical Fujitsu Ltd
Application granted granted Critical
Publication of ES2875919T3 publication Critical patent/ES2875919T3/es
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • A61B6/50—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
    • A61B6/52—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
    • A61B6/5211—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
    • G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
    • G06F16/5854—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using shape and object relationship
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • 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
    • 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
    • G06T7/12—Edge-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/42—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation
    • G06V10/421—Global feature extraction by analysis of the whole pattern, e.g. using frequency domain transformations or autocorrelation by analysing segments intersecting the pattern
    • 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
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • 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
    • G16H70/00—ICT specially adapted for the handling or processing of medical references
    • G16H70/60—ICT specially adapted for the handling or processing of medical references relating to pathologies
    • 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
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • 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
    • A61B6/5229—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image
    • A61B6/5235—Devices using data or image processing specially adapted for radiation diagnosis involving processing of medical diagnostic data combining image data of a patient, e.g. combining a functional image with an anatomical image combining images from the same or different ionising radiation imaging techniques, e.g. PET and CT
    • 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
    • G06T2207/30096—Tumor; Lesion
    • 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
    • G06T2207/30242—Counting objects in image

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Radiology & Medical Imaging (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Biophysics (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • Dentistry (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Apparatus For Radiation Diagnosis (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

Programa de búsqueda de imagen de caso similar que hace que un ordenador ejecute un procedimiento, que comprende: extraer un área de campo pulmonar a partir de una imagen médica e identificar (S1405) un contorno del área de campo pulmonar que incluye una pared torácica y un mediastino; identificar una posición en la que se dividen internamente la pared torácica y el mediastino y dividir el área de campo pulmonar en un área central y un área periférica basándose en la forma del área de campo pulmonar; contar (S1406) el número de píxeles que indican lesiones en cada una del área central y el área periférica divididas; e identificar una imagen de caso similar correspondiente a un nivel de similitud del número contado de píxeles que indican lesiones haciendo referencia a una unidad de almacenamiento que almacena el número de píxeles que indican lesiones en cada una de las áreas.

Description

DESCRIPCIÓN
Programa de búsqueda de imagen de caso similar, dispositivo de búsqueda de imagen de caso similar y método de búsqueda de imagen de caso similar
Campo
Las realizaciones comentadas en el presente documento se refieren a un programa de búsqueda de imagen de caso similar, a un aparato de búsqueda de imagen de caso similar y a un método de búsqueda de imagen de caso similar.
Antecedentes
Convencionalmente, en centros de asistencia sanitaria, se ha realizado una interpretación comparativa de remisión con casos anteriores similares a un caso de una imagen médica de un sujeto de diagnóstico (caso similar) para lograr un diagnóstico, y se ha usado un aparato de búsqueda de imagen de caso similar como aparato para buscar la imagen médica del caso similar.
En la interpretación comparativa, uno de los casos que son difíciles de diagnosticar mediante imágenes para radiólogos y similares, es la enfermedad pulmonar difusa. La enfermedad pulmonar difusa es una enfermedad cuyas lesiones se distribuyen a lo largo de un amplio margen de un área de campo pulmonar. En el diagnóstico mediante imagen de enfermedades cuyas lesiones se distribuyen en órganos, tales como la enfermedad pulmonar difusa, es importante identificar qué sitio del área de campo pulmonar incluye las lesiones. Por este motivo, el aparato de búsqueda de imagen de caso similar divide preferiblemente el área de campo pulmonar en la imagen médica del sujeto de diagnóstico en áreas adecuadas para el diagnóstico mediante imagen (por ejemplo, área central, área periférica, etcétera).
Por ejemplo, para abordar esto, el documento de patentes 1 a continuación propone un método de división de extraer el centro del cuerpo del paciente a partir de la imagen médica del sujeto de diagnóstico, y dividir un área particular basándose en la distancia desde el centro extraído.
Documento de la técnica anterior
Documento de patentes 1: publicación de patente japonesa abierta a consulta por el público n.° 2009-90054 Puede considerarse que el documento US7206462 B1 divulga el uso de regiones del pulmón a diversas distancias desde el centro y menciona el uso de coincidencia/registro de imágenes similares mediante interpolación de imágenes segmentadas usando coincidencia de plantillas.
Problemas
Sin embargo, el área de campo pulmonar tiene una forma complicada, y no es simétrica alrededor del centro en la dirección derecha-izquierda, así como la dirección longitudinal. Por este motivo, según el método de división, el área de campo pulmonar puede no dividirse en áreas adecuadas para el diagnóstico mediante imagen, y en un esfuerzo para determinar el área en la que se distribuyen las lesiones y para buscar el caso similar, es difícil buscar de manera precisa el caso similar.
A partir de un aspecto, un objeto de la presente divulgación es buscar el caso similar basándose en la distribución de lesiones en enfermedades cuyas lesiones se distribuyen en órganos, tales como la enfermedad pulmonar difusa. Sumario
Según un aspecto de las realizaciones, un método de búsqueda de imagen de caso similar incluye: extraer un área de campo pulmonar a partir de una imagen médica e identificar un contorno del área de campo pulmonar que incluye una pared torácica y un mediastino; identificar una posición en la que se dividen internamente la pared torácica y el mediastino y dividir el área de campo pulmonar en un área central y un área periférica basándose en la forma del área de campo pulmonar; contar el número de píxeles que indican lesiones en cada una del área central y el área periférica divididas; e identificar una imagen de caso similar correspondiente a un nivel de similitud del número de píxeles que indican lesiones haciendo referencia a una unidad de almacenamiento que almacena el número de píxeles que indican lesiones en cada una de las áreas.
Efecto resultante
Se pone a disposición una búsqueda del caso similar basándose en la distribución de lesiones en enfermedades cuyas lesiones se distribuyen en órganos, tales como la enfermedad pulmonar difusa.
Breve descripción de los dibujos
La figura 1 es una vista que ilustra un ejemplo de un sistema de procesamiento de imágenes de TC;
la figura 2 es una vista que ilustra la configuración de hardware de un aparato de búsqueda de imagen de caso similar; las figuras 3A y 3B son primeras vistas que ilustran un ejemplo de una pantalla de visualización del aparato de búsqueda de imagen de caso similar;
las figuras 4A y 4B son segundas vistas que ilustran un ejemplo de la pantalla de visualización del aparato de búsqueda de imagen de caso similar;
las figuras 5A y 5B son primeras vistas que ilustran un ejemplo de información de características almacenada en una BD de información de características;
la figura 6 es una vista que ilustra un ejemplo de información de imágenes de TC almacenada en una BD de imágenes; la figura 7 es una primera vista que ilustra un ejemplo de la configuración funcional de una unidad de registro del aparato de búsqueda de imagen de caso similar;
las figuras 8A y 8B son vistas que ilustran un ejemplo específico de procesamiento de detección de lesión de una unidad de detección de lesión;
las figuras 9A y 9B son vistas que ilustran un ejemplo de procesamiento de identificación de contorno de una unidad de identificación de contorno;
la figura 10 es una vista que ilustra un ejemplo de un modelo de área central;
la figura 11 es una vista que ilustra un ejemplo específico de procesamiento de generación de curva de división de una unidad de generación de curva de división;
la figura 12 es una vista que ilustra un ejemplo de la configuración funcional de una unidad de búsqueda del aparato de búsqueda de imagen de caso similar;
la figura 13 es una vista que ilustra un ejemplo específico de procesamiento de cálculo de nivel de similitud de una unidad de cálculo de nivel de similitud;
la figura 14 es un diagrama de secuencias que ilustra el procesamiento de búsqueda de imagen de caso similar de un sistema de procesamiento de imágenes de TC;
la figura 15 es una segunda vista que ilustra un ejemplo de la configuración funcional de la unidad de registro del aparato de búsqueda de imagen de caso similar;
las figuras 16A y 16B son vistas que ilustran un ejemplo específico de procesamiento de generación de imagen integrada de una unidad de generación de imagen integrada de campo pulmonar;
las figuras 17A y 17B son vistas que ilustran un ejemplo específico de procesamiento de reducción de imagen integrada de una unidad de reducción de imagen integrada; y
la figura 18 es una segunda vista que ilustra un ejemplo de la información de características almacenada en la BD de información de características.
Descripción de realizaciones
A continuación se describirán realizaciones con referencia a las figuras adjuntas. En esta memoria descriptiva y las figuras, a los constituyentes que tienen sustancialmente las mismas funciones se les proporcionan los mismos números de referencia y se omita la descripción redundante de los mismos.
[Primera realización]
<Estructura de sistema del sistema de procesamiento de imágenes de TC>
En primer lugar, se describirá un sistema de procesamiento de imágenes de TC que incluye un aparato de búsqueda de imagen de caso similar según una primera realización. La figura 1 es una vista que ilustra un ejemplo del sistema de procesamiento de imágenes de TC.
Un sistema 100 de procesamiento de imágenes de TC tiene un dispositivo 110 de tomografía computarizada (TC), un aparato 120 de búsqueda de imagen de caso similar y una base 130 de datos de imágenes (base de datos se abreviará a continuación en el presente documento como BD). El dispositivo 110 de TC y el aparato 120 de búsqueda de imagen de caso similar están conectados entre sí a través de cableado 111 e intercambian diversos datos. El aparato 120 de búsqueda de imagen de caso similar y la BD 130 de imágenes están conectados entre sí a través de cableado 112 e intercambian diversos datos.
El dispositivo 110 de TC explora el interior del cuerpo del paciente mediante radiación o similar, y ejecuta el procesamiento mediante el uso de un ordenador para generar una imagen de TC que incluye una pluralidad de imágenes de corte del paciente, como imagen médica (tal procesamiento se denominará a continuación en el presente documento “captar la imagen de TC”). El dispositivo 110 de TC transmite la imagen de TC captada al aparato 120 de búsqueda de imagen de caso similar.
El aparato 120 de búsqueda de imagen de caso similar instala un programa de búsqueda de imagen de caso similar en el mismo, y el programa de búsqueda de imagen de caso similar lo ejecuta el ordenador, lo que hace que el aparato 120 de búsqueda de imagen de caso similar funcione como unidad 140 de búsqueda de imagen de caso similar.
La unidad 140 de búsqueda de imagen de caso similartiene una unidad 141 de registro, una unidad 142 de búsqueda y una unidad 143 de control de visualización. La unidad 141 de registro almacena la imagen de TC captada por el dispositivo 110 de TC en la BD 130 de imágenes. Para cada una de las imágenes de corte de la imagen de Tc , la unidad 141 de registro cuenta el número de píxeles que representan lesiones (el número de píxeles de lesión) en cada uno de los campos pulmonares, generando un histograma, y almacena el histograma en una BD 150 de información de características.
Para cada una de las imágenes de corte de la imagen de TC de un sujeto de diagnóstico captada por el dispositivo 110 de TC, la unidad 142 de búsqueda cuenta el número de píxeles de lesión en cada uno de los campos pulmonares para generar histogramas. La unidad 142 de búsqueda busca un histograma que sea similar al histograma generado para la imagen de TC del sujeto de diagnóstico entre histogramas para imágenes de TC de sujetos de búsqueda, que están almacenados en la BD 150 de información de características. De esta manera, la unidad 142 de búsqueda busca la imagen de TC de un caso similar, similar a la imagen de TC del sujeto de diagnóstico. La unidad 142 de búsqueda notifica un resultado de búsqueda a la unidad 143 de control de visualización.
La unidad 143 de control de visualización visualiza una pantalla de visualización para que un radiólogo o similar compare e interprete la imagen de TC del sujeto de diagnóstico. La pantalla de visualización incluye una función de visualización de visualizar la imagen de TC del sujeto de diagnóstico. La pantalla de visualización también incluye una función de instrucción de búsqueda de la imagen de TC del caso similar, similar al caso de la imagen de TC del sujeto de diagnóstico del radiólogo o similar. La pantalla de visualización también incluye una función de visualización de comparación de comparar la imagen de TC leída a partir de la BD 130 de imágenes basándose en los resultados de búsqueda de la unidad 142 de búsqueda, como la imagen de TC del caso similar, con la imagen de TC del sujeto de diagnóstico.
La BD 130 de imágenes almacena la imagen de TC captada por el dispositivo 110 de TC. En respuesta a una instrucción desde el aparato 120 de búsqueda de imagen de caso similar, la BD 130 de imágenes transmite la imagen de TC almacenada al aparato 120 de búsqueda de imagen de caso similar.
<Configuración de hardware del aparato de búsqueda de imagen de caso similar>
A continuación, se describirá la configuración de hardware del aparato 120 de búsqueda de imagen de caso similar. La figura 2 es una vista que ilustra la configuración de hardware del aparato de búsqueda de imagen de caso similar. Tal como se ilustra en la figura 2, el aparato 120 de búsqueda de imagen de caso similar incluye una unidad 201 central de procesamiento (CPU), una memoria 202 de sólo lectura (ROM) y una memoria 203 de acceso aleatorio (RAM). La CPU 201, la ROM 202 y la RAM 203 constituyen un denominado ordenador.
El aparato 120 de búsqueda de imagen de caso similar incluye un dispositivo 204 de almacenamiento auxiliar, un dispositivo 205 de conexión, un dispositivo 206 de visualización, un dispositivo 207 de operación y un dispositivo 208 de disco. Los constituyentes de hardware del aparato 120 de búsqueda de imagen de caso similar están interconectados a través de un bus 209.
La CPU 201 ejecuta diversos programas (por ejemplo, el programa de búsqueda de imagen de caso similar) almacenados en el dispositivo 204 de almacenamiento auxiliar.
La ROM 202 es una memoria no volátil. La ROM 202 funciona como unidad de almacenamiento principal, que almacena diversos programas y datos para que la CPU 201 ejecute los diversos programas almacenados en el dispositivo 204 de almacenamiento auxiliar. Específicamente, la ROM 202 almacena programas de arranque incluyendo un sistema básico de entrada/salida (BIOS) y una interfaz de firmware extensible (EFI).
La RAM 203 es una memoria volátil e incluye una memoria de acceso aleatorio dinámica (DRAM) y una memoria de acceso aleatorio estática (SRAM). La RAM 203 funciona como unidad de almacenamiento principal, que proporciona un área de trabajo ampliada cuando la CPU 201 ejecuta los diversos programas almacenados en el dispositivo 204 de almacenamiento auxiliar.
El dispositivo 204 de almacenamiento auxiliar funciona como unidad de almacenamiento auxiliar legible por ordenador, que almacena los diversos programas instalados en el aparato 120 de búsqueda de imagen de caso similar, y los datos generados ejecutando los diversos programas. La BD 150 de información de características se implementa en el dispositivo 204 de almacenamiento auxiliar.
El dispositivo 205 de conexión se conecta al dispositivo 110 de TC y la BD 130 de imágenes, y transmite y recibe diversos datos a y desde el dispositivo 110 de TC y la BD 130 de imágenes. Bajo el control de la unidad 143 de control de visualización, el dispositivo 206 de visualización visualiza la pantalla de visualización usada cuando el radiólogo o similar compara e interpreta la imagen de TC del sujeto de diagnóstico. El dispositivo 207 de operación acepta diversas operaciones del radiólogo o similar con respecto al aparato 120 de búsqueda de imagen de caso similar.
El dispositivo 208 de disco es un dispositivo para establecer un medio 210 de grabación. El medio 210 de grabación descrito en el presente documento incluye medios que graban datos óptica, eléctrica o magnéticamente, por ejemplo, CD-ROM, discos flexibles y discos magnetoópticos. Alternativamente, el medio 210 de grabación puede incluir memorias de semiconductor que graban datos eléctricamente, por ejemplo, ROM y memorias flash.
Los diversos programas almacenados en el dispositivo 204 de almacenamiento auxiliar se instalan, por ejemplo, estableciendo el medio 210 de grabación distribuido en el dispositivo 208 de disco y leyendo diversos programas almacenados en el medio 210 de grabación usando el dispositivo 208 de disco. Alternativamente, los diversos programas almacenados en el dispositivo 204 de almacenamiento auxiliar pueden instalarse descargándolos de una red a través del dispositivo 205 de conexión.
<Ejemplo de visualización de la pantalla de visualización>
A continuación, se describirá la pantalla de visualización visualizada en el dispositivo 206 de visualización. Las figuras 3A a las figuras 4B son primeras vistas y segundas vistas que ilustran un ejemplo de la pantalla de visualización del aparato de búsqueda de imagen de caso similar, respectivamente.
Tal como se ilustra en las figuras 3A y 3B, una pantalla 300 de visualización incluye un área 310 de visualización de imágenes de sujeto de diagnóstico, que visualiza una imagen de TC del sujeto de diagnóstico, que se capta mediante el dispositivo 110 de TC.
La pantalla 300 de visualización incluye un botón 330 de búsqueda. El botón 330 de búsqueda es un botón para dar orden a la unidad 142 de búsqueda de realizar una búsqueda.
La pantalla 300 de visualización incluye un área 340 de visualización de resultados de búsqueda. El área 340 de visualización de resultados de búsqueda visualiza resultados de búsqueda adquiridos haciendo que la unidad 142 de búsqueda busque el histograma similar al histograma generado para la imagen de TC del sujeto de diagnóstico, entre los histogramas almacenados en la BD 150 de información de características para las imágenes de TC de los sujetos de búsqueda.
La pantalla 300 de visualización incluye un área 350 de visualización de resultados de búsqueda de caso similar. El área 350 de visualización de resultados de búsqueda de caso similar visualiza una imagen de TC designada por el radiólogo o similar en los resultados de búsqueda visualizados en el área 340 de visualización de resultados de búsqueda.
La figura 3A ilustra el caso en el que la imagen de TC del sujeto de diagnóstico, que se capta mediante el dispositivo 110 de TC, se visualiza en el área 310 de visualización de imagen de sujeto de diagnóstico de la pantalla 300 de visualización.
La figura 3B ilustra el caso en el que el radiólogo o similar pulsa el botón 330 de búsqueda en el estado en el que la imagen de TC del sujeto de diagnóstico se visualiza en el área 310 de visualización de imagen de sujeto de diagnóstico de la pantalla 300 de visualización. Cuando se pulsa el botón 330 de búsqueda, la pantalla de visualización cambia a la pantalla 300 de visualización ilustrada en las figuras 4A y 4B.
La figura 4A ilustra el caso en el que se pulsa el botón 330 de búsqueda, haciendo que la unidad 142 de búsqueda realice la búsqueda y se visualicen los resultados de búsqueda en el área 340 de visualización de resultados de búsqueda.
Tal como se ilustra en la figura 4A, los elementos de información en los resultados de búsqueda visualizados en el área 340 de visualización de resultados de búsqueda incluyen “ ID”, “miniatura” y “nivel de similitud”. La “ID” almacena identificadores para identificar imágenes de TC buscadas por la unidad 142 de búsqueda. La “miniatura” visualiza imágenes en miniatura de las imágenes de TC identificadas basándose en la “ ID”. El “nivel de similitud” almacena el nivel de similitud entre el histograma para cada imagen de TC buscada por la unidad 142 de búsqueda y el histograma para la imagen de TC del sujeto de diagnóstico.
La figura 4B ilustra el caso en el que se selecciona un resultado de búsqueda prescrito a partir de los resultados de búsqueda visualizados en el área 340 de visualización de resultados de búsqueda por el radiólogo o similar, y la imagen de TC correspondiente al resultado de búsqueda seleccionado se visualiza en el área 350 de visualización de resultados de búsqueda de caso similar.
Específicamente, en el ejemplo ilustrado en la figura 4B, se selecciona ID = “ ID001”, y la imagen de TC correspondiente se visualiza como la imagen de TC del caso similar en el área 350 de visualización de resultados de búsqueda de caso similar. De ese modo, el radiólogo o similar puede realizar un diagnóstico de la imagen de TC del sujeto de diagnóstico mediante interpretación comparativa a la vez que se hace referencia a la imagen de TC del caso similar, similar con respecto a la imagen de TC del sujeto de diagnóstico.
El contenido de visualización de la pantalla 300 de visualización no se limita al ilustrado en las figuras 3A a 4B y puede visualizarse información de paciente del paciente que va a diagnosticarse. Alternativamente, la pantalla de visualización puede visualizar diversa información que está asociada con la imagen de TC visualizada en el área 350 de visualización de resultados de búsqueda de caso similar y almacenada en la BD 130 de imágenes.
<BD de información de características y BD de imágenes>
A continuación, se describirán detalles de información de características almacenada en la BD 150 de información de características e información de imágenes de TC almacenada en la BD 130 de imágenes.
(1) Detalles de información de características
Las figuras 5A y 5B son primeras vistas que ilustran un ejemplo de la información de características almacenada en la BD de información de características. Tal como se ilustra en la figura 5A, la información 500 de características incluye “ID”, “número de corte”, “ imagen en miniatura”, “campo pulmonar derecho” y “campo pulmonar izquierdo” como elementos de información.
La “ ID” almacena identificadores para identificar imágenes de CT almacenadas en la BD 130 de imágenes. El “número de corte” almacena números para identificar una pluralidad de imágenes de corte incluidas en cada imagen de TC. La “ imagen en miniatura” almacena imágenes en miniatura de la pluralidad de imágenes de corte incluidas en la imagen de TC, que están asociadas con el número de corte respectivo.
El “campo pulmonar derecho” incluye además “número de píxeles de lesión en el área periférica” y “número de píxeles de lesión en el área central”. El “número de píxeles de lesión en el área periférica” almacena el número de píxeles de lesión de lesiones distribuidas en un área periférica del campo pulmonar derecho. El “número de píxeles de lesión en el área central” almacena el número de píxeles de lesión de lesiones distribuidas en un área central del campo pulmonar derecho.
De manera similar, el “campo pulmonar izquierdo” incluye además “número de píxeles de lesión en el área periférica” y “número de píxeles de lesión en el área central”. El “número de píxeles de lesión en el área periférica” almacena el número de píxeles de lesión de lesiones distribuidas en un área periférica del campo pulmonar izquierdo. El “número de píxeles de lesión en el área central” almacena el número de píxeles de lesión de lesiones distribuidas en un área central del campo pulmonar izquierdo.
La figura 5B ilustra histogramas del número de píxeles de lesión generados basándose en la información 500 de características, un eje horizontal representa el número de píxeles de lesión y un eje vertical representa el número de corte. Entre los histogramas, un histograma 501 es un histograma del número de píxeles de lesión en el área periférica del campo pulmonar derecho y un histograma 502 es un histograma del número de píxeles de lesión en el área central del campo pulmonar derecho. Un histograma 503 es un histograma del número de píxeles de lesión en el área periférica del campo pulmonar izquierdo y un histograma 504 es un histograma del número de píxeles de lesión en el área central del campo pulmonar izquierdo. Los histogramas 501 a 504 están asociados con la “ ID” en la información 500 de características y están almacenados en la BD 150 de información de características.
(2) Detalles de información de imágenes de TC
La figura 6 es una vista que ilustra la información de imágenes de TC almacenada en la BD de imágenes. Tal como se ilustra en la figura 6, una información 600 de imágenes de TC incluye “ ID”, “ imagen”, “ información de paciente”, “resultado de diagnóstico”, “diagnosticador” como elementos de información.
La “ ID” almacena identificadores para identificar imágenes de TC almacenadas en la BD 130 de imágenes. La “ imagen” incluye nombres de archivo de las imágenes de TC almacenadas en la BD 130 de imágenes. La “ información de paciente” almacena información detallada (ID de paciente, nombre, edad y sexo) del paciente cuya imagen de TC se capta. El “resultado de diagnóstico” almacena resultados de diagnóstico de las imágenes de TC, que se adquieren por los radiólogos o similares. El “diagnosticador” almacena las ID de los radiólogos o similares que diagnostican imágenes de TC respectivas. En la primera realización, el diagnóstico de la imagen de TC almacenada en la BD 130 de imágenes puede realizarse cuando se toma la imagen de TC.
La información 600 de imágenes de TC puede almacenar, además del resultado de diagnóstico, diversa información incluyendo contenido de un procedimiento para el paciente, y el estado después del procedimiento, que está asociado con el resultado de diagnóstico.
<Detalles de cada unidad de aparato de búsqueda de imagen de caso similar y ejemplos específicos de procesamiento de cada unidad>
A continuación, entre las unidades (la unidad 141 de registro, la unidad 142 de búsqueda y la unidad 143 de control de visualización) del aparato 120 de búsqueda de imagen de caso similar, se describirán secuencialmente detalles de la unidad 141 de registro y la unidad 142 de búsqueda y ejemplos específicos del procesamiento de la unidad 141 de registro y la unidad 142 de búsqueda.
(1) Detalles de la unidad de registro
En primer lugar, se describirán detalles de la unidad 141 de registro. La figura 7 es una primera vista que ilustra un ejemplo de la configuración funcional de la unidad de registro del aparato de búsqueda de imagen de caso similar. Tal como se ilustra en la figura 7, la unidad 141 de registro tiene una unidad 710 de adquisición de imagen de corte, una unidad 720 de detección de lesión, una unidad 730 de identificación de contorno, una unidad 740 de adquisición de modelo de área central, una unidad 750 de generación de curva de división y una unidad 760 de generación de histograma.
Cuando el radiólogo o similar introduce la información de paciente y luego capta una imagen de TC del paciente en el dispositivo 110 de TC e introduce el resultado de diagnóstico de la imagen de TC captada, la imagen de TC captada se almacena en la BD 130 de imágenes. La información 600 de imágenes de TC almacena la ID para identificar la imagen de TC almacenada, el nombre de archivo, la información de paciente, el resultado de diagnóstico y la ID para identificar al radiólogo que realiza el diagnóstico de la imagen de TC, que están asociados con la imagen de TC.
Cuando se almacena una nueva imagen de TC en la BD 130 de imágenes, y la ID para identificar la imagen de TC almacenada, el nombre de archivo, la información de paciente, el resultado de diagnóstico y la ID para identificar al radiólogo que realiza el diagnóstico con la imagen de TC se almacenan en la información 600 de imágenes de TC, se activa cada unidad de la unidad 141 de registro en la figura 7.
La unidad 710 de adquisición de imagen de corte lee cada una de las imágenes de corte incluidas en la imagen de TC almacenada recientemente en la BD 130 de imágenes, y transmite la imagen de corte a la unidad 720 de detección de lesión y la unidad 730 de identificación de contorno.
La unidad 720 de detección de lesión ejecuta un procesamiento de detección de lesión. Específicamente, la unidad 720 de detección de lesión divide cada imagen de corte en cuadrículas que tienen, cada una, un tamaño designado para generar imágenes parciales (denominadas a continuación en el presente documento “bloque”). La unidad 720 de detección de lesión procesa estadísticamente el valor de brillo de cada píxel de cada uno de los bloques generados, calculando de ese modo un vector multidimensional. Además, basándose en el vector multidimensional calculado, la unidad 720 de detección de lesión determina si cada bloque corresponde o no a una lesión.
En la determinación de si cada bloque corresponde o no a la lesión basándose en el vector multidimensional calculado, se supone que la unidad 720 de detección de lesión contiene previamente un vector representativo que indica la lesión. La unidad 720 de detección de lesión calcula la distancia entre el vector multidimensional calculado a partir de cada bloque y el vector representativo contenido previamente que indica la lesión, determinando de ese modo si cada bloque corresponde o no a la lesión para detectar la lesión.
La unidad 720 de detección de lesión notifica información de lesión que indica la posición de la lesión detectada a la unidad 760 de generación de histograma.
La unidad 730 de identificación de contorno ejecuta un procesamiento de identificación de contorno para cada imagen de corte. Específicamente, la unidad 730 de identificación de contorno extrae el área de campo pulmonar a partir de cada imagen de corte e identifica el contorno del área de campo pulmonar extraída. La unidad 730 de identificación de contorno notifica el contorno identificado del área de campo pulmonar de cada imagen de corte a la unidad 740 de adquisición de modelo de área central y la unidad 750 de generación de curva de división.
La unidad 740 de adquisición de modelo de área central ejecuta un procesamiento de adquisición de modelo de área central. Específicamente, la unidad 740 de adquisición de modelo de área central lee un modelo de área central almacenado previamente en una unidad 770 de almacenamiento de información de modelo. El modelo de área central es un modelo que define la proporción del área central y el área periférica en el área de campo pulmonar en cada posición de corte.
La unidad 740 de adquisición de modelo de área central adquiere el modelo de área central para identificar la proporción del área central y el área periférica en el área de campo pulmonar de cada imagen de corte y notifica la proporción a la unidad 750 de generación de curva de división.
La unidad 750 de generación de curva de división es un ejemplo de la unidad de división y ejecuta un procesamiento de generación de curva de división. Específicamente, la unidad 750 de generación de curva de división divide internamente el contorno del área de campo pulmonar de cada imagen de corte, que se notifica a partir de la unidad 730 de identificación de contorno, basándose en la proporción notificada desde la unidad 740 de adquisición de modelo de área central para cada imagen de corte, calculándose de ese modo puntos de división. La unidad 750 de generación de curva de división conecta los puntos de división calculados entre sí para generar una curva de división que divide el área de campo pulmonar en el área central y el área periférica. Además, la unidad 750 de generación de curva de división notifica la curva de división generada para cada imagen de corte a la unidad 760 de generación de histograma.
La unidad 760 de generación de histograma es un ejemplo de una unidad de recuento y compara la información de lesión acerca de cada imagen de corte, que se notifica desde la unidad 720 de detección de lesión, con la curva de división en cada imagen de corte, que se notifica desde la unidad 750 de generación de curva de división. De ese modo, la unidad 760 de generación de histograma puede determinar si cada lesión en cada imagen de corte se distribuye en el área central o el área periférica.
Para cada imagen de corte en el campo pulmonar derecho y el campo pulmonar izquierdo, la unidad 760 de generación de histograma cuenta el número de píxeles de lesión de lesiones distribuidas en el área central y el número de píxeles de lesión de lesiones distribuidas en el área periférica. La unidad 760 de generación de histograma almacena el número contado de píxeles de lesión en la información 500 de características de la BD 150 de información de características.
Además, la unidad 760 de generación de histograma genera un histograma basándose en el número contado de píxeles de lesión y almacena el histograma en asociación con la “ ID” en la información 500 de características.
(2) Ejemplos específicos de procesamiento de la unidad de registro
A continuación, se describirán ejemplos específicos de la unidad 141 de registro del aparato 120 de búsqueda de imagen de caso similar.
(i) Ejemplo específico de procesamiento de detección de lesión de la unidad de detección de lesión
En primer lugar, se describirá un ejemplo específico del procesamiento de detección de lesión de la unidad 720 de detección de lesión de la unidad 141 de registro. Las figuras 8A y 8B son vistas que ilustran el ejemplo específico del procesamiento de detección de lesión de la unidad de detección de lesión.
La figura 8A ilustra un ejemplo de la imagen de corte. Tal como se ilustra en la figura 8A, una imagen 800 de corte incluye un área 810 de campo pulmonar del pulmón derecho de un paciente y un área 820 de campo pulmonar del pulmón izquierdo del paciente. Los bloques (por ejemplo, el bloque 830) en la imagen 800 de corte son bloques generados por la unidad 720 de detección de lesión.
La figura 8B ilustra el caso de determinar si cada bloque generado por la unidad 720 de detección de lesión corresponde o no a la lesión. Entre los bloques ilustrados en la figura 8B, los bloques representados por líneas gruesas (por ejemplo, los bloques 840 y 850) son bloques determinados como lesiones. Por el contrario, los bloques distintos de los bloques representados por las líneas gruesas (por ejemplo, los bloques 840 y 850) son bloques determinados como distintos de lesiones.
(ii) Ejemplo específico de procesamiento de identificación de contorno de la unidad de identificación de contorno
Posteriormente, se describirá un ejemplo específico de procesamiento de identificación de contorno de la unidad 730 de identificación de contorno. Las figuras 9A y 9B son vistas que ilustran el ejemplo específico del procesamiento de identificación de contorno de la unidad de identificación de contorno. La figura 9A ilustra la imagen 800 de corte adquirida antes del procesamiento de identificación de contorno de la unidad 730 de identificación de contorno. La figura 9B ilustra el caso en el que la unidad 730 de identificación de contorno extrae las áreas 810, 820 de campo pulmonar a partir de la imagen 800 de corte e identifica los contornos 911, 912 de las áreas 810, 820 de campo pulmonar.
(iii) Ejemplo específico de procesamiento de adquisición de modelo de área central de la unidad de adquisición de modelo de área central
Posteriormente, se describirá un ejemplo específico de procesamiento de adquisición de modelo de área central de la unidad 740 de adquisición de modelo de área central. Habitualmente, los tejidos pulmonares se extienden de manera tridimensional desde un sitio denominado el hilio del pulmón y se obtienen hallazgos médicos sucesivos alrededor del área central en cada posición de corte.
■ En la posición de corte que incluye el hilio del pulmón, el área del área central pasa a ser máxima.
■ Cuando la posición de corte está lejos de la posición de corte que incluye el hilio del pulmón, el área del área central pasa a ser más pequeña y finalmente, pasa a ser 0.
■ Existe un cierto hueco entre el extremo superior del área de campo pulmonar y el extremo superior del área central. Existe un cierto hueco entre el extremo inferior del área de campo pulmonar y el extremo inferior del área central.
El modelo de área central adquirido por la unidad 740 de adquisición de modelo de área central se genera basándose en los hallazgos médicos mencionados anteriormente. La figura 10 es una vista que ilustra un ejemplo del modelo de área central e ilustra el caso en el que un modelo 1050 de área central se superpone sobre las áreas 1010, 1020 de campo pulmonar cuando se observa el pulmón del paciente desde delante.
En el modelo 1050 de área central, una posición 1034 de corte pasa por el hilio del pulmón, el área del área central pasa a ser máxima en la posición 1034 de corte. Una posición 1031 de corte pasa por los extremos superiores de las áreas 1010, 1020 de campo pulmonar y una posición 1032 de corte pasa por el extremo superior de un área 1040 central. Hay presente un hueco p entre la posición 1031 de corte y la posición 1032 de corte. Una posición 1036 de corte pasa por los extremos inferiores de las áreas 1010, 1020 de campo pulmonar y una posición 1035 de corte pasa por el extremo inferior del área 1040 central. Hay presente un hueco y entre la posición 1036 de corte y la posición 1035 de corte.
El modelo 1050 de área central se aproxima de manera lineal de tal manera que el área del área central pasa a ser máxima en la posición 1034 de corte y pasa a ser 0 en la posición 1032 de corte y la posición 1035 de corte.
El modelo 1050 de área central define, en cada posición de corte, una proporción de una longitud desde el centro hasta un límite del modelo 1050 de área central y una longitud desde el límite del modelo 1050 de área central hasta cada uno de los límites de las áreas 1010, 1020 de campo pulmonar. En el ejemplo ilustrado en la figura 10, el modelo 1050 de área central define, en una posición 1033 de corte, la proporción de la longitud desde el centro hasta el límite del modelo 1050 de área central y la longitud desde el límite del modelo 1050 de área central hasta el límite del área 1010 de campo pulmonar como a :(1 - a ).
La unidad 740 de adquisición de modelo de área central ejecuta el procesamiento de adquisición de modelo de área central para adquirir el modelo 1050 de área central. Basándose en el modelo 1050 de área central, la unidad 740 de adquisición de modelo de área central determina la proporción de la longitud desde el centro de cada posición de corte hasta el límite del modelo 1050 de área central y la longitud desde el límite del modelo 1050 de área central hasta el límite de cada una de las áreas 1010, 1020 de campo pulmonar.
(iv) Ejemplo específico de procesamiento de generación de curva de división de la unidad de generación de curva de división
Posteriormente, se describirá un ejemplo específico de procesamiento de generación de curva de división de la unidad 750 de generación de curva de división. La figura 11 es una vista que ilustra el ejemplo específico del procesamiento de generación de curva de división de la unidad de generación de curva de división. La figura 11 ilustra el caso en el que se generan curvas 1111, 1121 de división que dividen el área de campo pulmonar en el área central y el área periférica en la imagen de corte en la posición 1033 de corte.
La unidad 750 de generación de curva de división extrae una posición 1130 central del cuerpo del paciente a partir de la imagen de corte. La unidad 750 de generación de curva de división extiende radialmente líneas rectas desde la posición 1130 central y extrae intersecciones entre las líneas rectas y los contornos de las áreas 1110, 1120 de campo pulmonar, que se notifican desde la unidad 730 de identificación de contorno (intersecciones interiores (mediastino) e intersecciones exteriores (pared torácica)).
Por ejemplo, la unidad 750 de generación de curva de división extiende una línea 1140 recta desde la posición 1130 central y extrae intersecciones entre la línea recta y el contorno del área 1110 de campo pulmonar (una intersección 1150 interior (mediastino) y una intersección 1160 exterior (pared torácica)).
Posteriormente, la unidad 750 de generación de curva de división divide internamente segmentos de línea entre las intersecciones interiores (mediastino) y las intersecciones exteriores (pared torácica) basándose en la proporción notificada desde la unidad 740 de adquisición de modelo de área central, para identificar los puntos de división.
Por ejemplo, la unidad 750 de generación de curva de división divide internamente el segmento de línea entre la intersección 1150 interior (mediastino) y la intersección 1160 exterior (pared torácica) basándose en la proporción a :(1 - a ) para identificar un punto 1170 de división.
La unidad 750 de generación de curva de división identifica cada línea recta que se extiende radialmente desde la posición 1130 central para identificar el punto de división y conecta los puntos de división identificados entre sí, generando de ese modo curvas de división basándose en la forma de las áreas 1110, 1120 de campo pulmonar. De ese modo, la unidad 750 de generación de curva de división puede generar la curva 1111 de división para el área 1110 de campo pulmonary la curva 1121 de división para el área 1120 de campo pulmonar. Es decir, las áreas 1110, 1120 de campo pulmonar pueden dividirse cada una en el área central y el área periférica basándose en hallazgos médicos.
(3) Detalles de la unidad de búsqueda
A continuación, entre las unidades (la unidad 141 de registro, la unidad 142 de búsqueda y la unidad 143 de control de visualización) del aparato 120 de búsqueda de imagen de caso similar, se describirá con detalle la unidad 142 de búsqueda.
La figura 12 es una vista que ilustra un ejemplo de la configuración funcional de la unidad de búsqueda del aparato de búsqueda de imagen de caso similar. Tal como se ilustra en la figura 12, la unidad 142 de búsqueda tiene una unidad 1210 de adquisición de imagen de corte, una unidad 1220 de detección de lesión, una unidad 1230 de identificación de contorno, una unidad 1240 de adquisición de modelo de área central, una unidad 1250 de adquisición de modelo de área central, una unidad 1260 de generación de histograma, una unidad 1270 de cálculo de nivel de similitud y una unidad 1280 de salida.
Cuando el radiólogo o similar activa la unidad 142 de búsqueda e introduce información de paciente acerca del paciente que va a diagnosticarse y luego, el dispositivo 110 de TC capta una imagen de TC del paciente, la unidad 143 de control de visualización visualiza la imagen de TC captada como la imagen de TC del sujeto de diagnóstico en la pantalla 300 de visualización. La unidad 143 de control de visualización visualiza la pantalla 300 de visualización y el radiólogo o similar introduce una instrucción de búsqueda, que activa cada una de las unidades de la unidad 142 de búsqueda en la figura 12.
Entre las unidades de la unidad 142 de búsqueda, las unidades a excepción de la unidad 1270 de cálculo de nivel de similitud y la unidad 1280 de salida ejecutan un procesamiento para la imagen de TC del sujeto de diagnóstico en la pantalla 300 de visualización, así como el mismo procesamiento que el procesamiento de la unidad 141 de registro en la figura 7. Por tanto, se omite la descripción del mismo procesamiento.
La unidad 1270 de cálculo de nivel de similitud es un ejemplo de la unidad de identificación de imágenes. La unidad 1270 de cálculo de nivel de similitud calcula el nivel de similitud entre histogramas para la imagen de TC del sujeto de diagnóstico e histogramas para la imagen de TC del sujeto de búsqueda, que se lee a partir de la BD 150 de información de características. La unidad 1270 de cálculo de nivel de similitud calcula el nivel de similitud sobre cada uno de los histogramas del área central y el área periférica en el campo pulmonar derecho y el nivel de similitud sobre cada uno de los histogramas del área central y el área periférica en el campo pulmonar izquierdo. La unidad 1270 de cálculo de nivel de similitud suma el nivel de similitud calculado para calcular un valor total (nivel de similitud global). La unidad 1270 de cálculo de nivel de similitud notifica el nivel de similitud global calculado entre la imagen de TC del sujeto de diagnóstico y la imagen de TC de cada sujeto de búsqueda a la unidad 1280 de salida.
La unidad 1280 de salida clasifica el nivel de similitud global notificado desde la unidad 1270 de cálculo de nivel de similitud y reorganiza el nivel de similitud global en orden descendente. La unidad 1280 de salida lee las ID y las imágenes en miniatura que corresponden a un número predeterminado de sujetos de búsqueda que tienen un alto nivel de similitud global a partir de la BD 150 de información de características y notifica las ID y las imágenes en miniatura junto con el nivel de similitud global como los resultados de búsqueda a la unidad 143 de control de visualización.
(4) Ejemplos específicos de procesamiento de la unidad de búsqueda
A continuación, del procesamiento de la unidad 142 de búsqueda del aparato 120 de búsqueda de imagen de caso similar, se describirá un ejemplo específico de procesamiento de cálculo de nivel de similitud de la unidad 1270 de cálculo de nivel de similitud. La figura 13 es una vista que ilustra un ejemplo específico del procesamiento de cálculo de nivel de similitud de la unidad de cálculo de nivel de similitud.
En la figura 13, los histogramas 1311 a 1314 son histogramas de la imagen de TC del sujeto de diagnóstico. Entre los histogramas, el histograma 1311 es el histograma para el área periférica en el campo pulmonar derecho y el histograma 1312 es el histograma para el área central en el campo pulmonar derecho. El histograma 1313 es el histograma para el área periférica en el campo pulmonar izquierdo y el histograma 1314 es el histograma para el área central en el campo pulmonar izquierdo.
Los histogramas 1321 a 1324 son histogramas de la imagen de TC del sujeto de diagnóstico. Entre los histogramas, el histograma 1321 es el histograma para el área periférica en el campo pulmonar derecho y el histograma 1322 es el histograma para el área central en el campo pulmonar derecho. El histograma 1323 es el histograma para el área periférica en el campo pulmonar izquierdo y el histograma 1324 es el histograma para el área central en el campo pulmonar izquierdo.
La unidad 1270 de cálculo de nivel de similitud calcula el nivel de similitud de histogramas mutuos y suma el nivel de similitud para calcular el nivel de similitud global. En el ejemplo ilustrado en la figura 13, el nivel de similitud para los histogramas para el área periférica en el campo pulmonar derecho es S1 y el nivel de similitud para los histogramas del área central en el campo pulmonar derecho es S2. En el ejemplo ilustrado en la figura 13, el nivel de similitud para los histogramas del área periférica en el campo pulmonar izquierdo es S3 y el nivel de similitud para el área central en el campo pulmonar izquierdo es S4. Por consiguiente, la unidad 1270 de cálculo de nivel de similitud calcula el nivel de similitud global entre la imagen de TC del sujeto de diagnóstico y la imagen de TC del sujeto de búsqueda como S = S1 S2 S3 S4.
<Flujo completo de procesamiento de búsqueda de imagen de caso similar en el sistema de procesamiento de imágenes de TC>
A continuación, se describirá el flujo completo de procesamiento de búsqueda de imagen de caso similar en el sistema 100 de procesamiento de imágenes de TC. La figura 14 es un diagrama de secuencias del procesamiento de búsqueda de imagen de caso similar en el sistema de procesamiento de imágenes de TC.
Tal como se ilustra en la figura 14, el procesamiento de búsqueda de imagen de caso similar en el sistema 100 de procesamiento de imágenes de TC puede dividirse aproximadamente en una fase de registro y una fase de búsqueda. En primer lugar, se describirá la fase de registro.
En la etapa S1401, el dispositivo 110 de TC una imagen de TC de un paciente. En la captación de la imagen de TC, se introduce información de paciente al aparato 120 de búsqueda de imagen de caso similar.
En la etapa S1402, el dispositivo 110 de TC transmite la imagen de TC captada como la imagen de TC del sujeto de búsqueda a la unidad 141 de registro del aparato 120 de búsqueda de imagen de caso similar.
En la etapa S1403, la unidad 141 de registro recibe la imagen de TC del sujeto de búsqueda desde el dispositivo 110 de TC, añade un identificador a la imagen de TC y almacena la imagen de Tc junto con la información de paciente en la BD 130 de imágenes. Cuando la unidad 141 de registro almacena la imagen de TC en la BD 130 de imágenes, el radiólogo o similar realiza el diagnóstico con la imagen de TC. La unidad 141 de registro asocia un resultado de diagnóstico con la imagen de TC y los almacena en la BD 130 de imágenes.
En la etapa S1404, la unidad 141 de registro aplica el procesamiento de detección de lesión a cada imagen de corte de la imagen de TC almacenada del sujeto de búsqueda y detecta lesiones.
En la etapa S1405, la unidad 141 de registro aplica el procesamiento de identificación de contorno, el procesamiento de adquisición de modelo de área central y el procesamiento de generación de curva de división a cada imagen de corte de la imagen de TC almacenada del sujeto de búsqueda, dividiendo de ese modo el área de campo pulmonar en el área central y el área periférica.
En la etapa S1406, la unidad 141 de registro cuenta el número de píxeles de lesión de lesiones distribuidas en el área central y el número de píxeles de lesión de lesiones distribuidas en el área periférica para generar los histogramas 1321 a 1324.
En la etapa S1407, la unidad 141 de registro almacena el número contado de píxeles de lesión y los histogramas generados en la información 500 de características de la BD 150 de información de características.
Por tanto, se completa la fase de registro. La figura 14 ilustra el ejemplo del procesamiento para un paciente en la fase de registro. De hecho, sin embargo, una pluralidad de pacientes se someten al procesamiento en la fase de registro.
Posteriormente, se describirá la fase de búsqueda. En la etapa S1411, el dispositivo 110 de TC capta una imagen de TC de un paciente que va a diagnosticarse. En la captación de la imagen de TC en la etapa S1411, se introduce información de paciente sobre el paciente que va a diagnosticarse en el aparato 120 de búsqueda de imagen de caso similar.
En la etapa S1412, el dispositivo 110 de TC transmite la imagen de TC captada como la imagen de TC del sujeto de diagnóstico a la unidad 142 de búsqueda del aparato 120 de búsqueda de imagen de caso similar.
En la etapa S1413, la unidad 142 de búsqueda recibe la imagen de TC del sujeto de diagnóstico desde el dispositivo 110 de TC. La unidad 142 de búsqueda notifica la imagen de TC adquirida del sujeto de diagnóstico a la unidad 143 de control de visualización.
En la etapa S1414, la unidad 143 de control de visualización visualiza la pantalla 300 de visualización en el dispositivo 206 de visualización y visualiza cualquier imagen de corte inclinada en la imagen de TC notificada desde la unidad 142 de búsqueda en el área 310 de visualización de imagen de sujeto de diagnóstico de la pantalla 300 de visualización.
En la etapa S1415, la unidad 143 de control de visualización acepta una instrucción de búsqueda introducida a través del botón 330 de búsqueda de la pantalla 300 de visualización.
En la etapa S1416, la unidad 143 de control de visualización notifica la instrucción de búsqueda aceptada a la unidad 142 de búsqueda.
En la etapa S1417, cuando se recibe la instrucción de búsqueda desde la unidad 143 de control de visualización, la unidad 142 de búsqueda ejecuta el procesamiento de detección de lesión para cada imagen de corte de la imagen de TC del sujeto de diagnóstico y detecta lesiones.
En la etapa S1418, la unidad 142 de búsqueda ejecuta el procesamiento de identificación de contorno, el procesamiento de adquisición de modelo de área central y el procesamiento de generación de curva de división para cada imagen de corte de la imagen de TC del sujeto de diagnóstico, dividiendo de ese modo el área de campo pulmonar en el área central y el área periférica.
En la etapa S1419, la unidad 142 de búsqueda cuenta el número de píxeles de lesión de lesiones distribuidas en el área central y el número de píxeles de lesión de lesiones distribuidas en el área periférica y genera los histogramas 1311 a 1314.
En la etapa S1420, la unidad 142 de búsqueda lee la información 500 de características a partir de la BD 150 de información de características y adquiere histogramas (por ejemplo, los histogramas 1321 a 1324) de la imagen de TC de cada sujeto de búsqueda.
En la etapa S1421, la unidad 142 de búsqueda calcula el nivel de similitud para cada área entre los histogramas 1321 a 1324 adquiridos para la imagen de TC del sujeto de búsqueda y los histogramas 1311 a 1314 generados para la imagen de TC del sujeto de diagnóstico, respectivamente. La unidad 142 de búsqueda suma el nivel de similitud calculado para cada área para calcular el nivel de similitud global y clasifica el nivel de similitud global calculado en orden descendente.
En la etapa S1422, la unidad 142 de búsqueda notifica las ID y las imágenes en miniatura que están asociadas con las imágenes de TC de un número predeterminado de sujetos de búsqueda que tienen un alto nivel de similitud global, junto con el nivel de similitud global, como los resultados de búsqueda a la unidad 143 de control de visualización. En la etapa S1423, la unidad 143 de control de visualización visualiza el resultado de búsqueda notificado desde la unidad 142 de búsqueda en el área 340 de visualización de resultados de búsqueda.
En la etapa S1424, cuando el radiólogo o similar selecciona un resultado de búsqueda prescrito en el área 340 de visualización de resultados de búsqueda, la unidad 143 de control de visualización lo acepta como instrucción para visualizar la imagen de TC.
En la etapa S1425, la unidad 143 de control de visualización identifica la ID incluida en el resultado de búsqueda seleccionado y lee la imagen de TC determinada basándose en la ID identificada a partir de la BD 130 de imágenes. En la etapa S1426, la unidad 143 de control de visualización visualiza cualquier imagen de corte de la imagen de TC leída en el área 350 de visualización de resultados de búsqueda de caso similar. De ese modo, el radiólogo o similar puede diagnosticar la imagen de TC del sujeto de diagnóstico mediante interpretación comparativa a la vez que se hace referencia a la imagen de corte de la imagen de TC del caso similar, similar al caso de la imagen de TC del sujeto de diagnóstico.
Tal como resulta evidente a partir de la descripción anterior, en el caso de enfermedades cuyas lesiones se distribuyen en órganos, tales como la enfermedad pulmonar difusa, las lesiones se distribuyen a lo largo de un amplio margen del área de campo pulmonar. Convencionalmente, sin embargo, el área de campo pulmonar puede dividirse de manera apropiada en el área central y el área periférica. Por este motivo, cuando se intenta determinar el área distribuida de lesiones y buscar un caso similar, es difícil buscar de manera precisa el caso similar.
En cambio, el aparato 120 de búsqueda de imagen de caso similar identifica la posición en la que se dividen internamente la pared torácica y el mediastino en cada imagen de corte, basándose en hallazgos médicos, para dividir el área de campo pulmonar en el área central y el área periférica. Por este motivo, el aparato 120 de búsqueda de imagen de caso similar puede dividir el área de campo pulmonar en áreas adecuadas para el diagnóstico.
Para las lesiones detectadas en cada imagen de corte, el aparato 120 de búsqueda de imagen de caso similar cuenta el número de píxeles de lesión de lesiones distribuidas en el área central y el número de píxeles de lesión de lesiones distribuidas en el área periférica y genera histogramas. Además, el aparato 120 de búsqueda de imagen de caso similar calcula el nivel de similitud usando los histogramas generados para identificar la imagen de caso similar. Por tanto, el aparato 120 de búsqueda de imagen de caso similar puede determinar el área distribuida de lesiones para buscar el caso similar.
Como resultado, el aparato 120 de búsqueda de imagen de caso similar puede buscar de manera precisa el caso similar basándose en la distribución de lesiones en enfermedades cuyas lesiones se distribuyen en órganos, tales como la enfermedad pulmonar difusa.
[Segunda realización]
En la primera realización, para cada imagen de corte, se genera la curva de división para dividir el área de campo pulmonar en el área central y el área periférica. Sin embargo, el método de dividir el área de campo pulmonar en el área central y el área periférica no se limita a esto. En una segunda realización, el área de campo pulmonar se divide en el área central y el área periférica mediante un método que es diferente al método en la primera realización. A continuación se describirá principalmente una diferencia entre esta realización y la primera realización.
<Configuración funcional de la unidad de registro del aparato de búsqueda de imagen de caso similar>
En primer lugar, se describirá la configuración funcional de una unidad 141 de registro de un aparato 120 de búsqueda de imagen de caso similar según la segunda realización. La figura 15 es una segunda vista que ilustra un ejemplo de la configuración funcional de la unidad de registro del aparato de búsqueda de imagen de caso similar. La diferencia entre la configuración funcional y la configuración funcional ilustrada en la figura 7 es que la unidad 141 de registro tiene una unidad 1510 de generación de imagen integrada de campo pulmonar y una unidad 1520 de reducción de imagen integrada.
La unidad 1510 de generación de imagen integrada de campo pulmonar ejecuta un procesamiento de generación de imagen integrada. Específicamente, la unidad 1510 de generación de imagen integrada de campo pulmonar calcula un segmento de línea de referencia que incluye la pared torácica y el mediastino como puntos finales, basándose en los contornos de las áreas de campo pulmonar de los pulmones izquierdo y derecho en cada imagen de corte, que se notifican desde la unidad 730 de identificación de contorno. La unidad 1510 de generación de imagen integrada de campo pulmonar genera una imagen formada integrando ambas áreas de campo pulmonar (imagen integrada), basándose en los contornos de las áreas de campo pulmonar de los pulmones izquierdo y derecho en cada imagen de corte, que se notifican desde la unidad 730 de identificación de contorno. Además, la unidad 1510 de generación de imagen integrada de campo pulmonar notifica el segmento de línea de referencia calculado y la imagen integrada generada a la unidad 1520 de reducción de imagen integrada.
La unidad 1520 de reducción de imagen integrada es un ejemplo de una unidad de división y ejecuta el procesamiento de reducción de imagen integrada. Específicamente, la unidad 1520 de reducción de imagen integrada reduce la imagen integrada notificada desde la unidad 1510 de generación de imagen integrada de campo pulmonar, y divide internamente el segmento de línea de referencia en una proporción prescrita para dividir el área de campo pulmonar en el área central y el área periférica. La unidad 1520 de reducción de imagen integrada determina la proporción en la que se divide internamente el segmento de línea de referencia basándose en el modelo de área central adquirido a partir de la unidad 770 de almacenamiento de información de modelo e identifica el punto de división basándose en la proporción determinada.
La unidad 1520 de reducción de imagen integrada notifica el área central dividida y el área periférica a la unidad 760 de generación de histograma.
<Ejemplos específicos de procesamiento de la unidad de registro del aparato de búsqueda de imagen de caso similar>
A continuación, se describirá un ejemplo específico de procesamiento de la unidad 141 de registro del aparato 120 de búsqueda de imagen de caso similar.
(1) Ejemplo específico de procesamiento de generación de imagen integrada de la unidad de generación de imagen integrada de campo pulmonar
En primer lugar, se describirá un ejemplo específico de procesamiento de generación de imagen integrada de la unidad 1510 de generación de imagen integrada de campo pulmonar de la unidad 141 de registro. Las figuras 16A y 16B son vistas que ilustran el ejemplo específico del procesamiento de generación de imagen integrada de la unidad de generación de imagen integrada de campo pulmonar. Las figuras 16A y 16B ilustran el caso en el que se calcula un segmento de línea de referencia para la imagen de corte en la posición 1033 de corte para generar una imagen integrada.
Tal como se ilustra en la figura 16A, la unidad 1510 de generación de imagen integrada de campo pulmonar calcula posiciones 1611, 1621 de centroide de las áreas 1610, 1620 de campo pulmonar basándose en los contornos notificados desde la unidad 730 de identificación de contorno. Posteriormente, la unidad 1510 de generación de imagen integrada de campo pulmonar calcula una línea 1612 horizontal que pasa por la posición 1611 de centroide calculada y una línea 1622 horizontal que pasa por la posición 1621 de centroide calculada.
Posteriormente, la unidad 1510 de generación de imagen integrada de campo pulmonar extrae una intersección 1613 entre la línea 1612 horizontal y el contorno exterior (pared torácica) del área 1610 de campo pulmonar y una intersección 1623 entre la línea 1622 horizontal y el contorno exterior (pared torácica) del área 1620 de campo pulmonar.
Posteriormente, la unidad 1510 de generación de imagen integrada de campo pulmonar extrae un punto 1614 en la línea 1612 horizontal, que está ubicado en el lado opuesto a la intersección 1613 a través de la posición 1611 de centroide lejos de la posición 1611 de centroide con la misma distancia que la distancia entre la intersección 1613 y la posición 1611 de centroide. De manera similar, la unidad 1510 de generación de imagen integrada de campo pulmonar extrae un punto 1624 en la línea 1622 horizontal, que está ubicado en el lado opuesto a la intersección 1623 a través de la posición 1621 de centroide lejos de la posición 1621 de centroide con la misma distancia que la distancia entre la intersección 1623 y la posición 1621 de centroide.
El procesamiento de la unidad 1510 de generación de imagen integrada de campo pulmonar es el procesamiento de extracción del mediastino usando el hecho de que la distancia entre la pared torácica y la posición de centroide del área de campo pulmonar es anatómicamente igual a la distancia entre la posición de centroide del área de campo pulmonar y el mediastino.
Por tanto, la unidad 1510 de generación de imagen integrada de campo pulmonar puede calcular segmentos 1615, 1625 de línea de referencia que tienen la pared torácica (la intersección 1613, 1623) y el mediastino (los puntos 1614, 1624) como puntos finales.
Tal como se ilustra en la figura 16B, la unidad 1510 de generación de imagen integrada de campo pulmonar genera una imagen 1630 integrada formada integrando las áreas 1610, 1620 de campo pulmonar basándose en la forma de los contornos (pared torácica) del área 1610, 1620 de campo pulmonar. La unidad 1510 de generación de imagen integrada de campo pulmonar notifica la imagen 1630 integrada generada y los segmentos 1615, 1625 de línea de referencia a la unidad 1520 de reducción de imagen integrada.
(2) Ejemplo específico de procesamiento de reducción de imagen integrada de la unidad de reducción de imagen integrada
A continuación, se describirá un ejemplo específico de procesamiento de reducción de imagen integrada de la unidad 1520 de reducción de imagen integrada de la unidad 141 de registro. Las figuras 17A y 17B son vistas que ilustran el ejemplo específico del procesamiento de reducción de imagen integrada de la unidad de reducción de imagen integrada.
Tal como se ilustra en la figura 17A, la unidad 1520 de reducción de imagen integrada reduce el tamaño de la imagen 1630 integrada notificada desde la unidad 1510 de generación de imagen integrada de campo pulmonar y genera una imagen 1701 integrada reducida. La unidad 1520 de reducción de imagen integrada genera la imagen 1701 integrada reducida de tal manera que una intersección 1711 entre la imagen 1701 integrada reducida y el segmento 1615 de línea de referencia (es decir, entre la pared torácica y el mediastino) pasa a ser un punto de división en el que el segmento 1615 de línea de referencia se divide internamente en una proporción de a :(1 - a ).
Por tanto, la unidad 1520 de reducción de imagen integrada puede calcular un límite 1721 del área central en el área de campo pulmonar del pulmón derecho. La unidad 1520 de reducción de imagen integrada notifica el lado interior del límite 1721 del área central como el área central, y el lado exterior del límite 1721 del área central como el área periférica a la unidad 760 de generación de histograma.
De manera similar, tal como se ilustra en la figura 17B, la unidad 1520 de reducción de imagen integrada reduce el tamaño de la imagen 1630 integrada notificada desde la unidad 1510 de generación de imagen integrada de campo pulmonar y genera una imagen 1702 integrada reducida. La unidad 1520 de reducción de imagen integrada genera la imagen 1702 integrada reducida de tal manera que una intersección 1712 entre la imagen 1702 integrada reducida y el segmento 1625 de línea de referencia (es decir, entre la pared torácica y el mediastino) pasa a ser un punto de división en el que el segmento 1625 de línea de referencia se divide internamente en una proporción de a :(1 - a ).
Por tanto, la unidad 1520 de reducción de imagen integrada puede calcular un límite 1722 del área central en el área de campo pulmonar del pulmón izquierdo. La unidad 1520 de reducción de imagen integrada notifica el lado interior del límite 1722 del área central como el área central y el lado exterior del límite 1722 del área central como el área periférica a la unidad 760 de generación de histograma.
Tal como resulta evidente a partir de la descripción anterior, en la segunda realización, en cada área de campo pulmonar de cada imagen de corte, se extrae un punto en cada uno de la pared torácica y el mediastino para calcular el segmento de línea de referencia y se reduce el tamaño de la imagen integrada para dividir internamente el segmento de línea de referencia en una proporción basándose en hallazgos médicos. En la segunda realización, el límite del área central se calcula basándose en la imagen integrada reducida para dividir el área de campo pulmonar en el área central y el área periférica. Por este motivo, en la segunda realización, el área de campo pulmonar puede dividirse en áreas adecuadas para el diagnóstico.
En la segunda realización, para extraer el mediastino, se usa el contorno del límite del área de campo pulmonar en el lado de la pared torácica y la posición de centroide del área de campo pulmonar sin usar el contorno del límite del área de campo pulmonar en el lado del mediastino, que es difícil de extraer de manera precisa el mediastino. Por este motivo, en la segunda realización, la precisión de cálculo del límite del área central puede mejorarse, dividiendo de manera apropiada el área de campo pulmonar en el área central y el área periférica.
[Tercera realización]
En la primera y segunda realizaciones mencionadas anteriormente, el área de campo pulmonar se divide en el área central y el área periférica. Sin embargo, el número de áreas divididas del área de campo pulmonar no se limita a dos, y el área central y el área periférica pueden subdividirse. Esto puede contar el número de píxeles de lesión de lesiones detectadas en cada una de las áreas subdivididas.
La figura 18 es una segunda vista que ilustra un ejemplo de la información de características almacenada en la BD de información de características. Una diferencia entre la figura 18 y la figura 5A es que, en la información 1800 de características, cada uno del campo pulmonar derecho y el campo pulmonar izquierdo se dividen en tres o más áreas y se almacena el número de píxeles de lesión de lesiones contadas en cada una de las áreas.
De esta manera, el área de campo pulmonar se divide en una pluralidad de áreas y se generan histogramas basándose en el número de píxeles de lesión contado en cada una de las áreas, mejorando de ese modo la precisión de búsqueda del caso similar.
[Otras realizaciones]
La segunda realización mencionada anteriormente no menciona la configuración funcional de la unidad de búsqueda. Sin embargo, como en la primera realización, la segunda realización de unidad de búsqueda se implementa añadiendo la unidad 1270 de cálculo de nivel de similitud y la unidad 1280 de salida a la unidad de registro (figura 15).
En las realizaciones mencionadas anteriormente, los histogramas se generan para calcular el nivel de similitud. Sin embargo, el método de calcular el nivel de similitud no se limita a esto y puede ser cualquier método de calcular el nivel de similitud usando el número de píxeles de lesión en cada área.
En las realizaciones mencionadas anteriormente, la información 500 de características y la información 600 de imágenes de TC se almacenan en diferentes BD. Sin embargo, la información 500 de características y la información 600 de imágenes de TC pueden almacenarse en la misma BD.
En las realizaciones mencionadas anteriormente, los histogramas para la imagen de TC del sujeto de diagnóstico se generan después de la aceptación de la instrucción de búsqueda. Sin embargo, los histogramas para la imagen de TC del sujeto de diagnóstico pueden generarse antes de la aceptación de la instrucción de búsqueda.
En las realizaciones mencionadas anteriormente, se busca la imagen de TC como la imagen médica. Sin embargo, pueden buscarse imágenes médicas distintas de la imagen de TC (por ejemplo, imagen mediante obtención de imágenes de resonancia magnética (IRM)).
La presente divulgación no se limita a la configuración descrita en el presente documento y puede ser cualquier combinación de la configuración en las realizaciones descritas anteriormente y otros constituyentes. En relación con esto, tales realizaciones pueden modificarse dentro del alcance del contenido de la presente divulgación y pueden adaptarse de manera apropiada a aplicaciones prácticas.
Explicación de referencias
100 : sistema de procesamiento de imágenes de TC
110 : dispositivo de TC
120 : aparato de búsqueda de imagen de caso similar
140 : unidad de búsqueda de imagen de caso similar
141 : unidad de registro
142 : unidad de búsqueda
143 : unidad de control de visualización
300 : pantalla de visualización
500 : información de características
501-504: histogramas
600 : información de imágenes de TC
710 : unidad de adquisición de imagen de corte
720 : unidad de detección de lesión
730 : unidad de identificación de contorno
740 : unidad de adquisición de modelo de área central
750 : unidad de generación de curva de división
760 : unidad de generación de histograma
1210 : unidad de adquisición de imagen de corte
1220 : unidad de detección de lesión
1230 : unidad de identificación de contorno
1240 : unidad de adquisición de modelo de área central
1250 : unidad de adquisición de modelo de área central
1260 : unidad de generación de histograma
1270 : unidad de cálculo de nivel de similitud
1280 : unidad de salida
1510 : unidad de generación de imagen integrada de campo pulmonar 1520 : unidad de reducción de imagen integrada
1630 : imagen integrada

Claims (8)

  1. REIVINDICACIONES
    i. Programa de búsqueda de imagen de caso similar que hace que un ordenador ejecute un procedimiento, que comprende:
    extraer un área de campo pulmonar a partir de una imagen médica e identificar (S1405) un contorno del área de campo pulmonar que incluye una pared torácica y un mediastino;
    identificar una posición en la que se dividen internamente la pared torácica y el mediastino y dividir el área de campo pulmonar en un área central y un área periférica basándose en la forma del área de campo pulmonar; contar (S1406) el número de píxeles que indican lesiones en cada una del área central y el área periférica divididas; e
    identificar una imagen de caso similar correspondiente a un nivel de similitud del número contado de píxeles que indican lesiones haciendo referencia a una unidad de almacenamiento que almacena el número de píxeles que indican lesiones en cada una de las áreas.
  2. 2. Programa de búsqueda de imagen de caso similar según la reivindicación 1, en el que
    para cada una de una pluralidad de imágenes de corte incluidas en la imagen médica, se genera un histograma basándose en el número contado de píxeles que indican lesiones en cada posición de corte, e identificar una imagen de caso similar correspondiente a un nivel de similitud del histograma generado en cada una de las áreas haciendo referencia a la unidad de almacenamiento que almacena el histograma en cada una de las áreas.
  3. 3. Programa de búsqueda de imagen de caso similar según la reivindicación 2, en el que
    para cada una de la pluralidad de imágenes de corte incluidas en la imagen médica, se identifica una posición en la que se dividen internamente la pared torácica y el mediastino en cada una de la pluralidad de imágenes de corte incluidas en la imagen médica haciendo referencia a un modelo que define una proporción en la que se dividen internamente la pared torácica y el mediastino.
  4. 4. Programa de búsqueda de imagen de caso similar según la reivindicación 3, en el que
    para cada una de la pluralidad de imágenes de corte incluidas en la imagen médica, se extrae una posición central de un cuerpo, y se extraen intersecciones entre una pluralidad de líneas rectas que se extienden radialmente desde la posición central y un contorno del área de campo pulmonar identificada como la pared torácica o el mediastino.
  5. 5. Programa de búsqueda de imagen de caso similar según la reivindicación 4, en el que
    para cada una de la pluralidad de imágenes de corte incluidas en la imagen médica, se genera una curva de división que conecta la pluralidad de posiciones en las que se dividen internamente la pared torácica y el mediastino, y el área de campo pulmonar se divide en un área central y un área periférica.
  6. 6. Programa de búsqueda de imagen de caso similar según la reivindicación 3, en el que
    para cada una de la pluralidad de imágenes de corte incluidas en la imagen médica, una intersección entre una línea horizontal que pasa por una posición de centroide del área de campo pulmonar y el contorno del área de campo pulmonar identificada se extrae como la pared torácica, y un punto en la línea horizontal, que está ubicado en un lado opuesto a la pared torácica a través de la posición de centroide lejos de la posición de centroide con la misma distancia que la distancia entre la pared torácica y la posición de centroide, se extrae como el mediastino.
  7. 7. Programa de búsqueda de imagen de caso similar según la reivindicación 6, en el que
    para cada una de la pluralidad de imágenes de corte incluidas en la imagen médica, se genera una imagen integrada formada integrando las dos áreas de campo pulmonar, la imagen integrada generada se reduce para que pase por una posición en la que se dividen internamente la pared torácica y el mediastino, y basándose en la imagen integrada reducida, se divide el área de campo pulmonar en un área central y un área periférica.
  8. 8. Aparato de búsqueda de imagen de caso similar, que comprende:
    una unidad (730; 1230) de identificación de contorno configurada para extraer un área de campo pulmonar a partir de una imagen médica e identificar un contorno del área de campo pulmonar que incluye una pared torácica y un mediastino;
    una unidad (750) de división configurada para identificar una posición en la que se dividen internamente la pared torácica y el mediastino y dividir el área de campo pulmonar en un área central y un área periférica basándose en la forma del área de campo pulmonar;
    una unidad de recuento configurada para contar el número de píxeles que indican lesiones en cada una del área central y el área periférica divididas; y
    una unidad (1270) de identificación de imágenes configurada para hacer referencia a una unidad de almacenamiento que almacena el número de píxeles que indican lesiones en cada una de las áreas, e identificar una imagen de caso similar correspondiente a un nivel de similitud del número contado de píxeles que indican lesiones.
    Método de búsqueda de imagen de caso similar realizado por un ordenador, comprendiendo el método: extraer un área de campo pulmonar a partir de una imagen médica e identificar un contorno del área de campo pulmonar que incluye una pared torácica y un mediastino;
    identificar (S1405) una posición en la que se dividen internamente la pared torácica y el mediastino y dividir el área de campo pulmonar en un área central y un área periférica basándose en la forma del área de campo pulmonar;
    contar (S1406) el número de píxeles que indican lesiones en cada una del área central y el área periférica divididas; e
    identificar una imagen de caso similar correspondiente a un nivel de similitud del número contado de píxeles que indican lesiones haciendo referencia a una unidad de almacenamiento que almacena el número de píxeles que indican lesiones en cada una de las áreas.
ES18763395T 2017-03-10 2018-01-24 Programa de búsqueda de imagen de caso similar, dispositivo de búsqueda de imagen de caso similar y método de búsqueda de imagen de caso similar Active ES2875919T3 (es)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017046736A JP6855850B2 (ja) 2017-03-10 2017-03-10 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法
PCT/JP2018/002089 WO2018163633A1 (ja) 2017-03-10 2018-01-24 類似症例画像検索プログラム、類似症例画像検索装置及び類似症例画像検索方法

Publications (1)

Publication Number Publication Date
ES2875919T3 true ES2875919T3 (es) 2021-11-11

Family

ID=63447603

Family Applications (1)

Application Number Title Priority Date Filing Date
ES18763395T Active ES2875919T3 (es) 2017-03-10 2018-01-24 Programa de búsqueda de imagen de caso similar, dispositivo de búsqueda de imagen de caso similar y método de búsqueda de imagen de caso similar

Country Status (6)

Country Link
US (1) US10964020B2 (es)
EP (1) EP3594830B1 (es)
JP (1) JP6855850B2 (es)
CN (1) CN109716445B (es)
ES (1) ES2875919T3 (es)
WO (1) WO2018163633A1 (es)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2020044736A1 (ja) * 2018-08-31 2021-08-10 富士フイルム株式会社 類似度決定装置、方法およびプログラム
JP7034306B2 (ja) * 2018-08-31 2022-03-11 富士フイルム株式会社 領域分割装置、方法およびプログラム、類似度決定装置、方法およびプログラム、並びに特徴量導出装置、方法およびプログラム
JP7236239B2 (ja) * 2018-10-05 2023-03-09 キヤノンメディカルシステムズ株式会社 Ｘ線ｃｔシステム及びｃｔスキャン実行プログラム
JP7082287B2 (ja) * 2018-10-11 2022-06-08 富士通株式会社 画像検索プログラム、画像検索装置、及び画像検索方法
JP7151464B2 (ja) * 2018-12-21 2022-10-12 富士通株式会社 肺画像処理プログラム、肺画像処理方法および肺画像処理システム
JP7348469B2 (ja) * 2019-04-11 2023-09-21 富士通株式会社 異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法
CN110706794B (zh) * 2019-09-26 2022-10-25 中国科学院深圳先进技术研究院 一种医学图像处理***和医学图像处理方法
KR102516154B1 (ko) * 2019-12-31 2023-03-30 주식회사 코어라인소프트 정량화 파라미터를 이용하는 의료 영상 분석 시스템 및 유사 증례 검색 시스템, 및 그 시스템에서 실행되는 방법
JP2021149145A (ja) 2020-03-16 2021-09-27 富士通株式会社 画像処理プログラム、画像処理装置、及び画像処理方法
CN111445463A (zh) * 2020-03-31 2020-07-24 上海联影智能医疗科技有限公司 相似肺部疾病病例的检索方法、装置和计算机设备
CN111507956B (zh) * 2020-04-15 2023-04-07 广西科技大学 一种纳米线数量统计方法及***
CN117576321B (zh) * 2023-12-05 2024-07-19 上海长征医院 一种辅助肝脏手术规划建模***

Family Cites Families (26)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5881124A (en) * 1994-03-31 1999-03-09 Arch Development Corporation Automated method and system for the detection of lesions in medical computed tomographic scans
JPH08320923A (ja) * 1995-05-26 1996-12-03 Toshiba Medical Eng Co Ltd 異常陰影自動検出システム
JP4035216B2 (ja) * 1997-12-25 2008-01-16 キヤノン株式会社 画像処理方法及び画像処理装置
US7206462B1 (en) * 2000-03-17 2007-04-17 The General Hospital Corporation Method and system for the detection, comparison and volumetric quantification of pulmonary nodules on medical computed tomography scans
AU2001251539A1 (en) * 2000-04-11 2001-10-23 Cornell Research Foundation Inc. System and method for three-dimensional image rendering and analysis
US6577752B2 (en) * 2001-06-15 2003-06-10 Arch Development Corporation Automated method and system for the delineation of the chest wall in computed tomography scans for the assessment of pleural disease
WO2003070102A2 (en) * 2002-02-15 2003-08-28 The Regents Of The University Of Michigan Lung nodule detection and classification
JP2006006359A (ja) 2004-06-22 2006-01-12 Fuji Photo Film Co Ltd 画像生成装置、画像生成装置方法、およびそのプログラム
CN1988850B (zh) 2004-07-30 2010-08-11 株式会社日立医药 医用图像诊断辅助方法、装置和图像处理程序
JP2006181025A (ja) 2004-12-27 2006-07-13 Fuji Photo Film Co Ltd 異常陰影検出方法および装置並びにプログラム
JP2008200368A (ja) 2007-02-21 2008-09-04 Osaka Univ 間質性肺炎の定量的評価を自動的に実行する装置およびプログラム
JP5224768B2 (ja) 2007-10-12 2013-07-03 インフォコム株式会社 胸部正面ｘ線画像の検像方法及び検像装置
CN102053963B (zh) * 2009-10-28 2012-08-08 沈阳工业大学 一种胸部x线图像检索方法
JP2011118543A (ja) 2009-12-01 2011-06-16 Shizuoka Prefecture 症例画像検索装置、方法およびプログラム
CN102429679A (zh) * 2011-09-09 2012-05-02 华南理工大学 基于胸部ct图像的肺气肿计算机辅助诊断***
WO2013076927A1 (ja) * 2011-11-24 2013-05-30 パナソニック株式会社 診断支援装置および診断支援方法
JP2014085851A (ja) * 2012-10-24 2014-05-12 Nippon Telegr & Teleph Corp <Ntt> 画像類似度算出装置およびその動作方法
JP2015136480A (ja) 2014-01-22 2015-07-30 富士フイルム株式会社 ３次元医用画像表示制御装置およびその作動方法並びに３次元医用画像表示制御プログラム
CN104036109A (zh) * 2014-03-14 2014-09-10 上海大图医疗科技有限公司 基于图像的病例检索、勾画及治疗计划***和方法
JP6109778B2 (ja) * 2014-03-27 2017-04-05 富士フイルム株式会社 類似症例検索装置、類似症例検索方法、及び類似症例検索プログラム
JP6099593B2 (ja) * 2014-03-27 2017-03-22 富士フイルム株式会社 類似症例検索装置、類似症例検索方法、及び類似症例検索プログラム
JP2015203920A (ja) * 2014-04-11 2015-11-16 キヤノン株式会社 類似症例検索システム、類似症例検索方法及びプログラム
US10599810B2 (en) * 2014-06-04 2020-03-24 Panasonic Corporation Control method and recording system
US10748661B2 (en) * 2014-10-30 2020-08-18 Panasonic Corporation Method for controlling information terminal, and recording medium
CN105957094B (zh) * 2016-06-15 2018-09-25 深圳维影医疗科技有限公司 一种基于轮廓检测的胸片肺野快速自动分割方法及其***
WO2018107371A1 (zh) * 2016-12-13 2018-06-21 上海联影医疗科技有限公司 图像搜索***及方法

Also Published As

Publication number Publication date
EP3594830A4 (en) 2020-03-18
CN109716445A (zh) 2019-05-03
EP3594830A1 (en) 2020-01-15
US10964020B2 (en) 2021-03-30
EP3594830B1 (en) 2021-05-26
JP6855850B2 (ja) 2021-04-07
JP2018151791A (ja) 2018-09-27
WO2018163633A1 (ja) 2018-09-13
US20190197688A1 (en) 2019-06-27
CN109716445B (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
ES2875919T3 (es) Programa de búsqueda de imagen de caso similar, dispositivo de búsqueda de imagen de caso similar y método de búsqueda de imagen de caso similar
US11538575B2 (en) Similar case retrieval apparatus, similar case retrieval method, non-transitory computer-readable storage medium, similar case retrieval system, and case database
US8483467B2 (en) Medical image diagnosis assisting apparatus and method, and computer readable recording medium on which is recorded program for the same
US8194946B2 (en) Aligning apparatus, aligning method, and the program
JP5613235B2 (ja) 関心腫瘍領域の画成のための生体構造モデリング
US20110237938A1 (en) Medical image diagnosis assisting apparatus and method, and computer readable recording medium on which is recorded program for the same
ES2941688T3 (es) Aparato de recuperación de imágenes y método de recuperación de imágenes
US20110052028A1 (en) Method and system of liver segmentation
US9678988B2 (en) Image processing apparatus and image processing method
CN111754553A (zh) 多模态扫描图像配准方法、装置、计算机设备和存储介质
US20210271914A1 (en) Image processing apparatus, image processing method, and program
JP2007135858A (ja) 画像処理装置
US8306354B2 (en) Image processing apparatus, method, and program
US9436889B2 (en) Image processing device, method, and program
US20120308109A1 (en) Image processing method, image processing apparatus and program
Cabrera et al. Segmentation of axillary and supraclavicular tumoral lymph nodes in PET/CT: A hybrid CNN/component-tree approach
US20140341452A1 (en) System and method for efficient assessment of lesion development
JP2006181025A (ja) 異常陰影検出方法および装置並びにプログラム
JP2017099721A (ja) 画像処理装置及び画像処理方法
Wang et al. A 3D cross-hemisphere neighborhood difference Convnet for chronic stroke lesion segmentation
US8369588B2 (en) Method and apparatus for registering at least three different image data records for an object
US20240112786A1 (en) Image processing apparatus, image processing method, and image processing program
JP4554921B2 (ja) 異常陰影検出装置の作動方法および異常陰影検出装置並びにプログラム
EP4343781A1 (en) Information processing apparatus, information processing method, and information processing program
WO2006123272A2 (en) Automatic organ mapping method an device