JP2018075069A - 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 - Google Patents

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 Download PDF

Info

Publication number
JP2018075069A
JP2018075069A JP2016217182A JP2016217182A JP2018075069A JP 2018075069 A JP2018075069 A JP 2018075069A JP 2016217182 A JP2016217182 A JP 2016217182A JP 2016217182 A JP2016217182 A JP 2016217182A JP 2018075069 A JP2018075069 A JP 2018075069A
Authority
JP
Japan
Prior art keywords
image
contour
similar case
unit
search
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.)
Granted
Application number
JP2016217182A
Other languages
English (en)
Other versions
JP6805736B2 (ja
Inventor
武部　浩明
Hiroaki Takebe
浩明 武部
康貴 森脇
Yasutaka Moriwaki
康貴 森脇
昌彦 杉村
Masahiko Sugimura
昌彦 杉村
遠藤　進
Susumu Endo
進 遠藤
馬場　孝之
Takayuki Baba
孝之 馬場
上原　祐介
Yusuke Uehara
祐介 上原
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
Priority to JP2016217182A priority Critical patent/JP6805736B2/ja
Priority to ES17198587T priority patent/ES2941688T3/es
Priority to EP17198587.2A priority patent/EP3373194B1/en
Priority to US15/798,115 priority patent/US10653378B2/en
Priority to CN201711046380.2A priority patent/CN108073676B/zh
Publication of JP2018075069A publication Critical patent/JP2018075069A/ja
Application granted granted Critical
Publication of JP6805736B2 publication Critical patent/JP6805736B2/ja
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
    • A61B6/52—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
    • A61B6/02—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
    • A61B6/46—Arrangements for interfacing with the operator or the patient
    • A61B6/461—Displaying means of special interest
    • 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
    • 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
    • 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
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/174—Segmentation; Edge detection involving the use of two or more images
    • G—PHYSICS
    • 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
    • G06T7/33—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • G06T7/337—Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/755—Deformable models or variational models, e.g. snakes or active contours
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10072—Tomographic images
    • G06T2207/10081—Computed x-ray tomography [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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/03—Recognition of patterns in medical or anatomical images
    • G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs

Landscapes

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

Abstract

【課題】びまん性疾患について、類似症例の医用画像の検索を可能にする検索技術を提供する。【解決手段】類似症例画像検索プログラムであって、びまん性疾患の診断において、医用画像における臓器領域内の異常陰影の位置に基づいて類似症例の医用画像を検索する場合に、前記異常陰影が前記臓器領域内の第１の部位に分布しているのか、該第１の部位とは異常陰影の発生部位が組織的に異なる第２の部位に分布しているのかが識別可能となるように、前記医用画像における前記臓器領域を、所定形状の画像に写像し、写像後の前記異常陰影の前記所定形状の画像内での位置を算出する処理をコンピュータに実行させる。【選択図】図１

Description

本発明は、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に関する。
従来より、医療の現場では、診断対象の医用画像の症例に類似する過去の症例（類似症例）を参照して診断を行う比較読影が行われており、類似症例の医用画像を検索する装置として、類似症例画像検索装置が利用されている。
比較読影の際に、読影医等にとって診断が困難な症例の一つにびまん性肺疾患が挙げられる。びまん性肺疾患とは、肺野領域の広範囲の機能が損なわれて異常陰影として現れる疾患であり、形状及び分布が複雑かつ多岐にわたるといった特性がある。このため、孤立性肺結節の癌等と比較して診断が困難であり、類似症例の医用画像の検索が重要となる。
これに対して、例えば、下記特許文献１乃至３では、診断対象の医用画像内の各領域の異常陰影の形状について算出した画像特徴量に基づいて、類似症例の医用画像を検索する方式が提案されている。更に、下記特許文献４では、診断対象の医用画像内での異常陰影の位置と類似した位置に異常陰影がある医用画像を検索する方式が提案されている。
特開２００９−４５１２１号公報 特開２００７−２７５２１６号公報 特開２００７−２８６９４５号公報 特開２００６−３４５８５号公報
しかしながら、びまん性肺疾患の場合、読影医等は、医用画像内の各領域の異常陰影それぞれの形状の特徴だけでなく、肺野領域全体における異常陰影の分布の特徴も加味して診断を行うことが多い。このため、上記特許文献１乃至３のように各異常陰影の画像特徴量に基づいて医用画像を検索する方式では、類似症例の医用画像を検索することは困難である。
これに対して、特許文献４では、診断対象の医用画像内での異常陰影の位置を加味して医用画像を検索する。しかしながら、びまん性肺疾患の場合、肺野領域の広範囲に異常陰影が分布するという特性があり、異常陰影の位置が類似していなくても類似症例となるケースもあれば、反対に、異常陰影の位置が類似していても、類似症例とはならないケースもある。つまり、異常陰影の位置の類否を加味しても、類似症例の医用画像を検索することは困難である。
一つの側面では、びまん性疾患について、類似症例の医用画像の検索を可能にする検索技術を提供することを目的とする。
一態様によれば、類似症例画像検索プログラムは、
びまん性疾患の診断において、医用画像における臓器領域内の異常陰影の位置に基づいて類似症例の医用画像を検索する場合に、
前記異常陰影が前記臓器領域内の第１の部位に分布しているのか、該第１の部位とは異常陰影の発生部位が組織的に異なる第２の部位に分布しているのかが識別可能となるように、前記医用画像における前記臓器領域を、所定形状の画像に写像し、
写像後の前記異常陰影の前記所定形状の画像内での位置を算出する、
処理をコンピュータに実行させる。
びまん性疾患について、類似症例の医用画像の検索を可能にする検索技術を提供できる。
ＣＴ画像処理システムの一例を示す図である。 類似症例画像検索装置のハードウェア構成を示す図である。 類似症例画像検索装置の表示画面の一例を示す第１の図である。 類似症例画像検索装置の表示画面の一例を示す第２の図である。 特徴量情報の一例を示す図である。 ＣＴ画像情報の一例を示す図である。 類似症例画像検索装置の登録部の機能構成の一例を示す図である。 陰影抽出部による陰影抽出処理の一例を示す図である。 分布変換部による輪郭抽出処理の一例を示す図である。 分布変換部による境界点抽出処理の一例を示す図である。 分布変換部による非線形写像処理の一例を示す図である。 分布変換部による異常陰影ブロック写像処理の一例を示す図である。 分布変換部による分布特徴量算出処理の一例を示す図である。 類似症例画像検索装置の検索部の機能構成の一例を示す図である。 照合部による照合処理の一例を示す図である。 ＣＴ画像処理システムにおける類似症例画像検索処理のシーケンス図である。 類似症例画像検索処理結果の一例を示す図である。 分布変換部による非線形写像処理の他の一例を示す図である。
以下、各実施形態について添付の図面を参照しながら説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複した説明を省く。
［第１の実施形態］
＜ＣＴ画像処理システムのシステム構成＞
はじめに、第１の実施形態における類似症例画像検索装置を含むＣＴ画像処理システムについて説明する。図１は、ＣＴ画像処理システムの一例を示す図である。
ＣＴ画像処理システム１００は、ＣＴ（Computed Tomography）装置１１０と類似症例画像検索装置１２０と画像データベース（以下、データベースをＤＢと略す）１３０とを有する。ＣＴ装置１１０と類似症例画像検索装置１２０とは配線１１１を介して接続されており、両装置間では各種データの送受信が行われる。また、類似症例画像検索装置１２０と画像ＤＢ１３０とは配線１１２を介して接続されており、両装置間においても各種データの送受信が行われる。
ＣＴ装置１１０は、放射線等を利用して患者の体内を走査し、コンピュータを用いて処理することで、医用画像として、患者のスライス画像であるＣＴ画像を生成する（以下、このような処理を“ＣＴ画像を撮影する”と称する）。ＣＴ装置１１０は、撮影したＣＴ画像を類似症例画像検索装置１２０に送信する。
類似症例画像検索装置１２０には、類似症例画像検索プログラムがインストールされており、類似症例画像検索プログラムがコンピュータにより実行されることで、類似症例画像検索装置１２０は類似症例画像検索部１４０として機能する。
類似症例画像検索部１４０は、登録部１４１と、検索部１４２と、表示制御部１４３とを有する。登録部１４１は、ＣＴ装置１１０において撮影されたＣＴ画像を、画像ＤＢ１３０に格納するとともに、当該ＣＴ画像について、分布特徴量（詳細は後述）を算出し、特徴量情報ＤＢ１５０に格納する。
検索部１４２は、ＣＴ装置１１０において撮影された診断対象のＣＴ画像について分布特徴量を算出する。また、検索部１４２は、特徴量情報ＤＢ１５０の検索対象の中から、算出した分布特徴量に類似する分布特徴量を検索することで、診断対象のＣＴ画像の症例に類似する類似症例のＣＴ画像を検索する。また、検索部１４２は、検索したＣＴ画像を識別する識別子を表示制御部１４３に通知する。
表示制御部１４３は、読影医等が、診断対象のＣＴ画像について比較読影を行うための表示画面を表示する。表示画面には、診断対象のＣＴ画像を表示するための表示機能が含まれる。また、表示画面には、読影医等が、診断対象のＣＴ画像の症例に類似する類似症例のＣＴ画像を検索するための指示機能が含まれる。更に、表示画面には、検索部１４２からの通知に基づいて画像ＤＢ１３０から読み出したＣＴ画像を、診断対象のＣＴ画像と対比表示するための対比表示機能が含まれる。
画像ＤＢ１３０は、ＣＴ装置１１０において撮影されたＣＴ画像を格納する。また、画像ＤＢ１３０、格納したＣＴ画像を、類似症例画像検索装置１２０からの指示に基づき、類似症例画像検索装置１２０に送信する。
＜類似症例画像検索装置のハードウェア構成＞
次に、類似症例画像検索装置１２０のハードウェア構成について説明する。図２は、類似症例画像検索装置のハードウェア構成を示す図である。図２に示すように、類似症例画像検索装置１２０は、ＣＰＵ（Central Processing Unit）２０１、ＲＯＭ（Read Only Memory）２０２、ＲＡＭ（Random Access Memory）２０３を備える。ＣＰＵ２０１とＲＯＭ２０２とＲＡＭ２０３とは、いわゆるコンピュータを形成する。
また、類似症例画像検索装置１２０は、補助記憶装置２０４、接続装置２０５、表示装置２０６、操作装置２０７、ドライブ装置２０８を備える。なお、類似症例画像検索装置１２０の各ハードウェアは、バス２０９を介して相互に接続されている。
ＣＰＵ２０１は、補助記憶装置２０４に格納された各種プログラム（例えば、類似症例画像検索プログラム等）を実行する。
ＲＯＭ２０２は不揮発性メモリである。ＲＯＭ２０２は、補助記憶装置２０４に格納された各種プログラムをＣＰＵ２０１が実行するために必要な各種プログラム、データ等を格納する主記憶部として機能する。具体的には、ＲＯＭ２０２は、ＢＩＯＳ（Basic Input/Output System）やＥＦＩ（Extensible Firmware Interface）等のブートプログラム等を格納する。
ＲＡＭ２０３は揮発性メモリであり、ＤＲＡＭ（Dynamic Random Access Memory）やＳＲＡＭ（Static Random Access Memory）等を含む。ＲＡＭ２０３は、補助記憶装置２０４に格納された各種プログラムがＣＰＵ２０１によって実行される際に展開される、作業領域を提供する主記憶部である。
補助記憶装置２０４は、類似症例画像検索装置１２０にインストールされた各種プログラムや、各種プログラムが実行されることで生成されるデータ等を記録するコンピュータ読み取り可能な補助記憶部である。特徴量情報ＤＢ１５０は、補助記憶装置２０４において実現される。
接続装置２０５は、ＣＴ装置１１０及び画像ＤＢ１３０と接続され、ＣＴ装置１１０及び画像ＤＢ１３０との間で、各種データの送受信を行う。表示装置２０６は、表示制御部１４３による制御のもとで、読影医等が診断対象のＣＴ画像について比較読影を行う際に用いる表示画面を表示する。操作装置２０７は、読影医が類似症例画像検索装置１２０に対して行う各種操作を受け付ける。
ドライブ装置２０８は記録媒体２１０をセットするためのデバイスである。ここでいう記録媒体２１０には、ＣＤ−ＲＯＭ、フレキシブルディスク、光磁気ディスク等のように情報を光学的、電気的あるいは磁気的に記録する媒体が含まれる。あるいは、記録媒体２１０には、ＲＯＭ、フラッシュメモリ等のように情報を電気的に記録する半導体メモリ等が含まれていてもよい。
なお、補助記憶装置２０４に格納される各種プログラムは、例えば、配布された記録媒体２１０がドライブ装置２０８にセットされ、該記録媒体２１０に記録された各種プログラムがドライブ装置２０８により読み出されることでインストールされる。あるいは、補助記憶装置２０４に格納される各種プログラムは、接続装置２０５を介してネットワークからダウンロードされることでインストールされてもよい。
＜表示画面の表示例＞
次に、表示制御部１４３により表示装置２０６に表示される表示画面について説明する。図３及び図４は、類似症例画像検索装置の表示画面の一例を示す第１及び第２の図である。
図３に示すように、表示画面３００には、ＣＴ装置１１０により撮影された診断対象のＣＴ画像を表示する、診断対象画像表示領域３１０が含まれる。
また、表示画面３００には、診断対象画像表示領域３１０に表示された診断対象のＣＴ画像の症例に類似する類似症例のＣＴ画像を検索する際の検索条件を指定する、検索条件指定領域３２０が含まれる。
検索条件指定領域３２０は、診断対象のＣＴ画像より抽出される異常陰影のうち、所定の種類の異常陰影について算出された分布特徴量に基づいて、特徴量情報ＤＢ１５０の検索対象を検索することを、読影医等が指定するための指定領域である。
なお、第１の実施形態において、ＣＴ装置１１０により撮影されたＣＴ画像より抽出される陰影は、画像特徴量に基づいて、５種類の異常陰影または１種類の通常陰影のいずれかに分類されるものとする。５種類の異常陰影には、“浸潤影”、“すりガラス影”、“蜂巣影”、“嚢胞影”、“粒状影”が含まれるものとする。検索部１４２では、このうち、５種類の異常陰影のいずれかを読影医等が指定した場合に、当該指定した異常陰影について算出した分布特徴量に基づいて、特徴量情報ＤＢ１５０の検索対象を検索する。
また、表示画面３００には、検索ボタン３３０が含まれる。検索ボタン３３０は、検索部１４２に対して、検索条件に基づく検索を指示するためのボタンである。
また、表示画面３００には、検索結果表示領域３４０が含まれる。検索結果表示領域３４０には、診断対象のＣＴ画像について算出した分布特徴量に基づいて、特徴量情報ＤＢ１５０の検索対象を検索した検索結果が表示される。
また、表示画面３００には、類似症例検索結果表示領域３５０が含まれる。類似症例検索結果表示領域３５０には、検索結果表示領域３４０に表示された検索結果のうち、読影医等により指定されたＣＴ画像が表示される。
図３（ａ）は、表示画面３００の診断対象画像表示領域３１０に、ＣＴ装置１１０により撮影された診断対象のＣＴ画像が表示された様子を示している。
図３（ｂ）は、表示画面３００の診断対象画像表示領域３１０に、診断対象のＣＴ画像が表示された状態で、検索条件指定領域３２０において、検索条件が指定された様子を示している。図３（ｂ）の例は、検索条件として、“浸潤影”、“すりガラス影”が指定されたことを示している。
図３（ｂ）に示す状態で、読影医等により検索ボタン３３０が押圧されると、図４に示す表示画面３００に遷移する。
図４（ａ）は、検索ボタン３３０が押圧されたことで、検索部１４２により、特徴量情報ＤＢ１５０の検索対象を検索することで得られた検索結果である、ＣＴ画像の識別子等が検索結果表示領域３４０に表示された様子を示している。
図４（ａ）に示すように、検索結果表示領域３４０に表示される検索結果には、情報の項目として、“ＩＤ”、“サムネイル”、“類似度”が含まれる。“ＩＤ”には、検索部１４２により検索された各ＣＴ画像を識別するための識別子が格納される。“サムネイル”には、“ＩＤ”により識別されるＣＴ画像のサムネイル画像が表示される。“類似度”には、検索部１４２により検索された各ＣＴ画像の、診断対象のＣＴ画像との分布特徴量の類似度が格納される。なお、検索結果表示領域３４０に表示される複数の検索結果は、類似度の高い順に配列されているものとする。
図４（ｂ）は、検索結果表示領域３４０に表示された検索結果のうち、読影医等により所定の検索結果が選択され、選択された検索結果に対応するＣＴ画像が、類似症例検索結果表示領域３５０に表示された様子を示している。
具体的には、図４（ｂ）の例は、類似度が最も高い検索結果（ＩＤ＝“ＩＤ００１”）が選択されて、対応するＣＴ画像（類似症例のＣＴ画像）が類似症例検索結果表示領域３５０に表示された様子を示している。これにより、読影医等は、診断対象のＣＴ画像の症例に類似する類似症例のＣＴ画像を参照しながら、診断対象のＣＴ画像について診断を行う比較読影を行うことができる。
なお、表示画面３００の表示内容は図３、図４に示したものに限定されず、例えば、診断対象の患者の患者情報が表示されてもよい。あるいは、類似症例検索結果表示領域３５０に表示されたＣＴ画像に対応付けて画像ＤＢ１３０に格納された各種情報が表示されてもよい。
＜特徴量情報ＤＢ及び画像ＤＢ＞
次に、特徴量情報ＤＢ１５０に格納される特徴量情報及び画像ＤＢ１３０に格納されるＣＴ画像情報の詳細について説明する。図５は、特徴量情報ＤＢに格納される特徴量情報の一例を示す図である。
図５に示すように、特徴量情報５００には、情報の項目として、“ＩＤ”、“サムネイル画像”、“種類”、“個数”、“分布特徴量”が含まれる。
“ＩＤ”には、画像ＤＢ１３０に格納されたＣＴ画像を識別するための識別子が格納される。“サムネイル画像”には、ＣＴ画像のサムネイル画像のファイル名が格納される。“種類”には、ＣＴ画像より抽出された陰影の種類を示す情報が格納される。上述したとおり、第１の実施形態では、ＣＴ画像より抽出された陰影は、５種類の異常陰影または１種類の通常陰影のいずれかに分類される。このため、“種類”には、５種類の異常陰影と、１種類の通常陰影とが格納される（なお、ここでは便宜上、異常陰影１〜５としている）。“個数”には、ＣＴ画像において、各種類の陰影と識別された後述するブロックの数が格納される。
また、“分布特徴量”には、ＣＴ画像より抽出された各陰影の座標（ｘ，ｙ）であって、“個数”に格納された数に応じた数の座標が格納される。なお、“分布特徴量”に格納される座標は、ＣＴ画像を、所定形状の画像に写像した場合の、写像後の画像における各陰影の座標を指す。所定形状の画像とは、肺野領域内（臓器領域内）の第１の部位（中枢部位）と、該第１の部位とは発生部位が組織的に異なる第２の部位（末梢部位）のいずれの部位に異常陰影が分布しているのかが識別可能となる形状を有する画像である。なお、第１の実施形態において、所定形状の画像は、長方形の画像として説明する。
図６は、画像ＤＢに格納されるＣＴ画像情報の一例を示す図である。図６に示すように、ＣＴ画像情報６００には、情報の項目として、“ＩＤ”、 “画像”、“患者情報”、“診断結果”、“診断者”が含まれる。
“ＩＤ”には、画像ＤＢ１３０に格納されたＣＴ画像を識別するための識別子が格納される。“画像”には、ＣＴ画像ファイルのファイル名が格納される。“患者情報”には、ＣＴ画像が撮影された患者についての詳細情報（患者ＩＤ、氏名、年齢、性別等）が格納される。“診断結果”には、ＣＴ画像についての診断結果が格納される。“診断者”には、対応するＣＴ画像について、診断を行った読影医を識別するためのＩＤが格納される。
なお、画像ＤＢに格納されるＣＴ画像についての診断は、ＣＴ画像の撮影時に行われても、撮影後の所定のタイミングで行われてもよい。また、診断結果に加えて、当該患者に対する処置の内容や処置後の状態等の各種情報を診断結果と対応付けて格納してもよい。
＜類似症例画像検索装置の登録部の機能構成＞
次に、類似症例画像検索装置１２０の各部（登録部１４１、検索部１４２、表示制御部１４３）のうち、登録部１４１と検索部１４２について順次詳細を説明する。はじめに、登録部１４１の詳細について説明する。
図７は、類似症例画像検索装置の登録部の機能構成の一例を示す図である。図７に示すように、登録部１４１は、陰影抽出部７１０と分布変換部７２０とを有する。
読影医等が登録部１４１を起動し、患者情報を入力した後に、ＣＴ装置１１０にて当該患者についてのＣＴ画像の撮影が行われると、登録部１４１の陰影抽出部７１０及び分布変換部７２０が動作する。
陰影抽出部７１０は、ＣＴ装置１１０により撮影されたＣＴ画像（例えば、ファイル名＝“ＩＭＡＧＥ００１”）を取得し、ＩＤを付したうえで患者情報ととともに、画像ＤＢ１３０に格納する。また、陰影抽出部７１０は、取得したＣＴ画像から陰影を抽出する陰影抽出処理を行う。
具体的には、陰影抽出部７１０は、まず、ＣＴ画像を、指定された大きさのグリッドに区切ることで、部分画像（以下、“ブロック”と称す）を生成する。また、陰影抽出部７１０は、生成したブロックごとに、ブロック内に含まれる各画素の輝度値を統計処理することで算出される多次元ベクトルを、画像特徴量として抽出する。更に、陰影抽出部７１０は、抽出した多次元ベクトルに基づいて、各ブロックが、いずれの陰影（浸潤影、すりガラス影、蜂巣影、嚢胞影、粒状影、通常）に該当するかを識別する。
なお、抽出した多次元ベクトルに基づいて、各ブロックがいずれの陰影に該当するかを識別するにあたり、陰影抽出部７１０は、予めそれぞれの陰影（浸潤影、すりガラス影、蜂巣影、嚢胞影、粒状影、通常）を示す代表ベクトルを算出しているものとする。陰影抽出部７１０は、各ブロックより抽出した多次元ベクトルと、予め算出したそれぞれの陰影を示す代表ベクトルとの距離を算出することで、最も距離が短い代表ベクトルに対応する陰影を識別する。
陰影抽出部７１０は、識別した陰影のブロックの数を、陰影の種類ごとにカウントし、ＣＴ画像のＩＤ及びサムネイル画像とともに、特徴量情報５００に格納する。
分布変換部７２０は、輪郭抽出部７２１、境界点抽出部７２２、非線形写像部７２３、異常陰影ブロック写像部７２４、分布特徴量算出部７２５を有する。分布変換部７２０が有する各部７２１〜７２５が動作することで、分布変換部７２０は、陰影抽出部７１０により生成されたＣＴ画像内の各ブロックを、長方形の画像に写像するとともに、写像後の画像における各ブロックの座標を算出する。
具体的には、輪郭抽出部７２１は輪郭抽出処理を行い、ＣＴ画像より肺野領域の輪郭を抽出する。また、輪郭抽出部７２１は、抽出した輪郭を縮小することで得られる縮小輪郭（第１の縮小輪郭と称する）を抽出する。更に、輪郭抽出部７２１は、抽出した第１の縮小輪郭を縮小することで得られる第２の縮小輪郭を抽出する。以下、同様に、輪郭抽出部７２１は、第ｎの縮小輪郭（ｎは３以上の整数）まで抽出する。
境界点抽出部７２２は、輪郭抽出部７２１により抽出された肺野領域の輪郭から、中枢部位と末梢部位とを分けるための境界点を抽出する境界点抽出処理を行う。境界点抽出部７２２は、ＣＴ画像内の左右の肺野領域それぞれから、中枢部位の両端部を示す境界点を２点、末梢部位の両端部を示す境界点を２点抽出する。
なお、境界点抽出部７２２は、第１乃至第ｎの縮小輪郭についても同様の処理を行い、それぞれの縮小輪郭から、中枢部位の両端部を示す境界点を２点、末梢部位の両端部を示す境界点を２点抽出する。
非線形写像部７２３は非線形写像処理を行い、輪郭抽出部７２１により抽出された肺野領域の輪郭のうち、中枢部位の輪郭を、中枢部位の両端部を示す境界点が、長方形の画像の輪郭の２つの頂点位置に配置されるように写像する。また、非線形写像部７２３は、輪郭抽出部７２１により抽出された肺野領域の輪郭のうち、末梢部位の輪郭を、末梢部位の両端部を示す境界点が、長方形の画像の輪郭の他の２つの頂点位置に配置されるように写像する。
更に、非線形写像部７２３は、第１乃至第ｎの縮小輪郭についても、同様の方法により、縮小長方形の輪郭に写像する。なお、縮小長方形の輪郭とは、長方形の画像の輪郭を縮小することで得られる輪郭である。
異常陰影ブロック写像部７２４は、写像部の一例であり、異常陰影ブロック写像処理を行い、非線形写像部７２３により写像された肺野領域の輪郭及び第１乃至第ｎの縮小輪郭の間に位置する各ブロックを、長方形の画像に写像する。異常陰影ブロック写像部７２４は、肺野領域の輪郭及び第１乃至第ｎの縮小輪郭に対する各ブロックの位置関係が、写像の前後において維持されるように、各ブロックを長方形の画像に写像する。
分布特徴量算出部７２５は、算出部の一例であり、分布特徴量算出処理を行い、異常陰影ブロック写像部７２４により写像された各ブロックの、写像後の位置（長方形の画像におけるｘ座標及びｙ座標）を、分布特徴量として算出する。また、分布特徴量算出部７２５は、ＣＴ画像のＩＤと対応付けて特徴量情報５００に格納する。
＜類似症例画像検索装置の登録部の処理の具体例＞
次に、類似症例画像検索装置１２０の登録部１４１による各処理の具体例について説明する。はじめに、登録部１４１の陰影抽出部７１０による陰影抽出処理について説明する。図８は、陰影抽出部による陰影抽出処理の具体例を示す図である。
図８（ａ）は、陰影抽出部７１０がＣＴ装置１１０より取得した、ＣＴ画像の一例を示している。図８（ａ）に示すように、ＣＴ画像８００には、患者の右肺の肺野領域８１０と、患者の左肺の肺野領域８２０とが含まれる。ＣＴ画像８００上のグリッド（例えば、グリッド８３０等）は、陰影抽出部７１０により生成されたブロックを示している。
図８（ｂ）は、陰影抽出部７１０により、生成された各ブロックがいずれの陰影に該当するかを識別した様子を示している。図８（ｂ）に示す各ブロックのうち、太線で示したブロック（例えば、ブロック８４０、８５０）は、異常陰影（例えば、浸潤影）と識別されたブロックであることを示している。一方、太線で示したブロック（例えば、ブロック８４０、８５０）以外のブロックは、通常陰影と識別されたブロックであることを示している。
続いて、分布変換部７２０の輪郭抽出部７２１による輪郭抽出処理について説明する。図９は、分布変換部による輪郭抽出処理の具体例を示す図である。図９（ａ）は、分布変換部７２０の輪郭抽出部７２１により輪郭抽出処理が行われる前のＣＴ画像８００を示している。一方、図９（ｂ）は、分布変換部７２０の輪郭抽出部７２１が、ＣＴ画像８００より肺野領域８１０、８２０を抽出し、肺野領域８１０、８２０の輪郭９１１、９１２を抽出した様子を示している。
続いて、分布変換部７２０の境界点抽出部７２２による境界点抽出処理について説明する。図１０は、分布変換部による境界点抽出処理の具体例を示す図である。分布変換部７２０の境界点抽出部７２２は、左右の肺野領域８１０、８２０について、それぞれ重心を算出し、更に、算出した重心の中点１０１１を算出する（図１０（ａ）参照）。
また、境界点抽出部７２２は、中点１０１１を中心とする所定サイズの楕円１０２１を求め、肺野領域８１０、８２０の輪郭９１１、９１２との交点を算出する（図１０（ｂ）参照）。
また、境界点抽出部７２２は、楕円１０２１と輪郭９１１、９１２との交点を、中枢部位の両端を示す境界点１０３１、１０３２、１０５１、１０５２として抽出する（図１０（ｃ）参照）。
また、境界点抽出部７２２は、輪郭９１１の全長に所定係数（α）をかけあわせることで長さＬ１を算出し、輪郭９１１上の位置であって、境界点１０５１から反時計回りに長さＬ１離れた位置を特定する。また、輪郭９１１上の位置であって、境界点１０３１から時計回りに長さＬ１離れた位置を特定する（図１０（ｄ））。
同様に、境界点抽出部７２２は、輪郭９１２の全長に所定係数（α）をかけあわせることで長さＬ２を算出し、輪郭９１２上の位置であって、境界点１０５２から時計回りに長さＬ２離れた位置を特定する。また、輪郭９１２上の位置であって、境界点１０３２から反時計回りに長さＬ２離れた位置を特定する（図１０（ｄ））。
また、境界点抽出部７２２は、境界点１０３１から時計回りに長さＬ１離れた位置を境界点１０７１、境界点１０５１から反時計回りに長さＬ１離れた位置を境界点１０７２として抽出する（図１０（ｅ））。また、境界点抽出部７２２は、境界点１０３２から反時計回りに長さＬ２離れた位置を境界点１０７３、境界点１０５２から時計回りに長さＬ２離れた位置を境界点１０７４として抽出する（図１０（ｅ））。
更に、境界点抽出部７２２は、輪郭９１１のうち、境界点１０３１と境界点１０５１とを両端部とする輪郭１０８１を、右肺の中枢部位の輪郭として抽出する。また、境界点抽出部７２２は、輪郭９１１のうち、境界点１０７１と境界点１０７２とを両端部とする輪郭１０８２を、右肺の末梢部位の輪郭として抽出する。
また、境界点抽出部７２２は、輪郭９１２のうち、境界点１０３２と境界点１０５２とを両端部とする輪郭１０８３を、左肺の中枢部位の輪郭として抽出する。また、境界点抽出部７２２は、輪郭９１２のうち、境界点１０７３と境界点１０７４とを両端部とする輪郭１０８４を、左肺の末梢部位の輪郭として抽出する。
続いて、分布変換部７２０の非線形写像部７２３による非線形写像処理について説明する。図１１は、分布変換部による非線形写像処理の具体例を示す図である。図１１（ａ）に示すように、分布変換部７２０の非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８１を、長方形の画像１１１０の輪郭の一部である固定輪郭に写像する。具体的には、中枢部位の両端部を示す境界点１０３１、１０５１が、長方形の画像１１１０の輪郭の２つの頂点１１１１、１１１２に配置されるように、輪郭１０８１を写像する。
また、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８２を、長方形の画像１１１０の輪郭の一部である他方の固定輪郭に写像する。具体的には、末梢部位の両端部を示す境界点１０７１、１０７２が、長方形の画像１１１０の輪郭の２つの頂点１１１３、１１１４に配置されるように、輪郭１０８２を写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１０８１、１０８２よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する（図１１（ｂ）の丸印参照）。
また、図１１（ａ）に示すように、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８３を、長方形の画像１１２０の輪郭の一部である固定輪郭に写像する。具体的には、中枢部位の両端部を示す境界点１０３２、１０５２が、長方形の画像１１２０の輪郭の２つの頂点１１２１、１１２２に配置されるように、輪郭１０８３を写像する。
また、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８４を、長方形の画像１１２０の輪郭の一部である他方の固定輪郭に写像する。具体的には、末梢部位の両端部を示す境界点１０７３、１０７４が、長方形の画像１１２０の輪郭の２つの頂点１１２３、１１２４に配置されるように、輪郭１０８４を写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１０８３、１０８４よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する（図１１（ｂ）の丸印参照）。
また、図１１（ａ）に示すように、非線形写像部７２３は、境界点１０５１と境界点１０７２との間の輪郭１１３１を、長方形の画像１１１０の輪郭の一部である固定輪郭に写像する。具体的には、境界点１０５１と境界点１０７２が、長方形の画像１１１０の輪郭の２つの頂点１１１２、１１１４に配置されるように、輪郭１１３１を写像する。
また、非線形写像部７２３は、境界点１０３１と境界点１０７１との間の輪郭１１３２を、長方形の画像１１１０の輪郭の一部である他方の固定輪郭に写像する。具体的には、境界点１０３１と境界点１０７１が、長方形の画像１１１０の輪郭の２つの頂点１１１１、１１１３に配置されるように、輪郭１１３２を写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１１３１、１１３２よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する（図１１（ｂ）の丸印参照）。
同様に、非線形写像部７２３は、境界点１０５２と境界点１０７４との間の輪郭１１３３を、長方形の画像１１２０の輪郭の一部である固定輪郭に写像する。具体的には、境界点１０５２と境界点１０７４が、長方形の画像１１２０の輪郭の２つの頂点１１２２、１１２４に配置されるように、輪郭１１３３を写像する。
また、非線形写像部７２３は、境界点１０３２と境界点１０７３との間の輪郭１１３４を、長方形の画像１１２０の輪郭の一部である他方の固定輪郭に写像する。具体的には、境界点１０３２と境界点１０７３が、長方形の画像１１２０の輪郭の２つの頂点１１２１、１１２３に配置されるように、輪郭１１３４を写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１１３３、１１３４よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する（図１１（ｂ）の丸印参照）。
また、図１１（ｃ）に示すように、非線形写像部７２３は、右肺の第１の縮小輪郭１１４１及び左肺の第１の縮小輪郭１１４２についても上記と同様の処理を行い、縮小長方形１１５０、１１６０の輪郭の一部である縮小固定輪郭に写像する。ここで、右肺では、境界点１０３１、１０５１、１０７１、１０７２に対応する点を縮小輪郭１１４１上で、それぞれの点に最も近い点として求める。また、左肺でも、境界点に対応する点を同様に求める。なお、写像するにあたり非線形写像部７２３は、右肺の第１の縮小輪郭１１４１及び左肺の第１の縮小輪郭１１４２よりサンプル点を等間隔で抽出する。そして、非線形写像部７２３は、各サンプル点が縮小長方形１１５０、１１６０の輪郭の一部である縮小固定輪郭において等間隔になるように写像する。
更に、非線形写像部７２３は、右肺の第２乃至第ｎの縮小輪郭及び左肺の第２乃至第ｎの縮小輪郭についても同様の処理を行い、右肺の第２乃至第ｎ及び左肺の第２乃至第ｎの縮小長方形の輪郭の一部である縮小固定輪郭にそれぞれ写像する。なお、写像するにあたり非線形写像部７２３は、右肺の第２乃至第ｎの縮小輪郭及び左肺の第２乃至第ｎの縮小輪郭よりサンプル点を等間隔で抽出する。そして、非線形写像部７２３は、各サンプル点が、第２乃至第ｎの縮小長方形の輪郭の一部である縮小固定輪郭それぞれにおいて等間隔になるように写像する。
続いて、分布変換部７２０の異常陰影ブロック写像部７２４による異常陰影ブロック写像処理について説明する。図１２は、分布変換部による異常陰影ブロック写像処理の具体例を示す図である。上述したとおり、分布変換部７２０の異常陰影ブロック写像部７２４は、非線形写像部７２３により写像された長方形の画像１１１０、１１２０の輪郭及び第１乃至第ｎの縮小輪郭の間に位置する各ブロックを、長方形の画像１１１０、１１２０に写像する。このとき、異常陰影ブロック写像部７２４は、長方形の画像１１１０、１１２０の輪郭及び第１乃至第ｎの縮小輪郭に対する各ブロックの位置関係が、写像の前後において維持されるように、各ブロックを長方形の画像１１１０、１１２０に写像する。
図１２を用いて具体的に説明する。図１２（ａ）の符号１２１０は、ＣＴ画像８００の一部を拡大して示した画像であり、サンプル点１２１１、１２１２は、右肺の第１の縮小輪郭上のサンプル点であり、サンプル点１２２１、１２２２は、右肺の第２の縮小輪郭上のサンプル点である。また、ブロックＸは、サンプル点１２１１、１２１２、１２２１、１２２２により囲まれた位置にあるブロックである。
異常陰影ブロック写像部７２４は、ブロックＸを写像するにあたり、ブロックＸを囲むサンプル点１２１１〜１２２２のうち、距離の近い点３点（サンプル点１２１２、１２２１、１２２２）を抽出する（図１２（ａ）参照）。また、異常陰影ブロック写像部７２４は、非線形写像部７２３により写像された写像先のサンプル点１２１２’、１２２１’、１２２２’の、長方形の画像１１１０上の位置を特定する（図１２（ｂ）参照）。なお、図１２（ｂ）の符号１２１０’は、長方形の画像１１１０の一部を拡大して示した画像である。
更に、異常陰影ブロック写像部７２４は、３つのサンプル点１２１２、１２２１、１２２２に対するブロックＸの相対位置を算出する。異常陰影ブロック写像部７２４は、算出した相対位置が維持されるように、ブロックＸを長方形の画像１１１０に写像する（図１２（ｂ）参照）。
異常陰影ブロック写像部７２４は、肺野領域８１０、８２０内の全てのブロックを、同様の方法により長方形の画像１１１０、１１２０に写像する。
続いて、分布変換部７２０の分布特徴量算出部７２５による分布特徴量算出処理について説明する。図１３は、分布変換部による分布特徴量算出処理の具体例を示す図である。異常陰影ブロック写像部７２４が、肺野領域８１０、８２０内の全てのブロックについて、長方形の画像１１１０、１１２０に写像した後、分布特徴量算出部７２５は、異常陰影の長方形の画像１１１０、１１２０上での座標を算出する。
図１３において、長方形の画像１１１０、１１２０上のブロック８４０、８５０等は、それぞれ、異常陰影ブロック写像部７２４によりＣＴ画像８００より抽出された異常陰影のブロック８４０、８５０等の写像後の位置を示している。分布特徴量算出部７２５は、長方形の画像１１１０、１１２０上における各異常陰影のブロック８４０、８５０等の座標を算出し、分布特徴量として特徴量情報５００に格納する。
＜類似症例画像検索装置の検索部の機能構成＞
次に、類似症例画像検索装置１２０の各部（登録部１４１、検索部１４２、表示制御部１４３）のうち、検索部１４２の詳細について説明する。
図１４は、類似症例画像検索装置の検索部の機能構成の一例を示す図である。図１４に示すように、検索部１４２は、陰影抽出部１４１０と分布変換部１４２０と照合部１４３０とを有する。
読影医等が検索部１４２を起動し、患者情報を入力した後に、ＣＴ装置１１０にて当該患者についてのＣＴ画像の撮影が行われると、表示制御部１４３は、撮影されたＣＴ画像を診断対象のＣＴ画像として表示画面３００に表示する。表示制御部１４３により表示画面３００が表示され、読影医等により各種指示が入力されることで、検索部１４２の陰影抽出部１４１０、分布変換部１４２０、照合部１４３０が動作する。
なお、陰影抽出部１４１０及び分布変換部１４２０は、診断対象のＣＴ画像について処理を行うことのほかは、図７に示した登録部１４１の陰影抽出部７１０及び分布変換部７２０が行う処理と同様の処理を行うため、ここでは説明を省略する。
照合部１４３０は照合処理を行い、診断対象のＣＴ画像に基づいて算出された、異常陰影の分布特徴量と、特徴量情報ＤＢ１５０の検索対象（画像ＤＢ１３０に格納された各ＣＴ画像に含まれる異常陰影の分布特徴量）との間の総合類似度を算出する。照合部１４３０は、右肺について算出した類似度と、左肺について算出した類似度とを足し合せることで、合計値（総合類似度）を算出する。また、異常陰影の種類が複数の場合、照合部１４３０は、異常陰影の種類ごとに類似度を算出し、各種類の異常陰影について算出した類似度を足し合せることで、合計値（総合類似度）を算出する。ただし、検索条件として、特定の種類の異常陰影が指定されていた場合には、指定された種類の異常陰影について算出した類似度を総合類似度とする。第１の実施形態において、照合部１４３０は、例えば、Ｅａｒｔｈ Ｍｏｖｅｒ’ｓ Ｄｉｓｔａｎｃｅを用いて分布特徴量の類似度を算出する。
また、照合部１４３０はソート処理を行い、特徴量情報ＤＢ１５０の検索対象に対応付けられたＩＤ等について、総合類似度の高い順にソートする。これにより、診断対象のＣＴ画像について算出した分布特徴量に類似する分布特徴量が検索されたことになる。更に、照合部１４３０は、総合類似度の高い検索対象に対応付けられたＩＤ等を検索結果として、表示制御部１４３に通知する。
＜類似症例画像検索装置の検索部の処理の具体例＞
次に、類似症例画像検索装置１２０の検索部１４２による各処理のうち、照合部１４３０による照合処理の具体例について説明する。図１５は、照合部による照合処理の具体例を示す図である。
図１５において、ＣＴ画像１５００は、陰影抽出部１４１０がＣＴ装置１１０より取得した診断対象のＣＴ画像の一例である。また、長方形の画像１５１０、１５２０は、診断対象のＣＴ画像１５００より抽出された異常陰影のブロックを、分布変換部１４２０が写像した後の状態を示している。分布変換部１４２０は、長方形の画像１５１０、１５２０内の異常陰影の各ブロック（例えば、ブロック１５４０、１５５０）の座標を、分布特徴量として算出する。
一方、ＣＴ画像８００は、登録部１４１により分布特徴量が格納されたＣＴ画像であって、照合部１４３０がＣＴ画像１５００との総合類似度を算出する対象となるＣＴ画像である。照合部１４３０は、特徴量情報ＤＢ１５０より分布特徴量を読み出して総合類似度を算出するが、ここでは説明を分かり易くするため、読み出した分布特徴量に対応するＣＴ画像８００を示している。
図１５において、長方形の画像１１１０、１１２０は、ＣＴ画像８００より抽出された異常陰影のブロックを、分布変換部７２０が写像した後の状態を示している。照合部１４３０は、長方形の画像１１１０、１１２０内の異常陰影の各ブロック（例えば、ブロック８４０、８５０）の座標を、分布特徴量として特徴量情報ＤＢ１５０より読み出す。
図１５に示すように、照合部１４３０は、診断対象のＣＴ画像１５００のうちの右肺の長方形の画像１５１０より算出した分布特徴量と、ＣＴ画像８００のうちの右肺の長方形の画像１１１０より算出した分布特徴量との間の類似度を算出する。具体的には、長方形の画像１５１０内の異常陰影の各ブロック（例えば、ブロック１５４０）と、長方形の画像１１１０内の異常陰影の各ブロック（例えば、ブロック８４０）との間の距離Ｄ１を、Ｅａｒｔｈ Ｍｏｖｅｒ’ｓ Ｄｉｓｔａｎｃｅにより算出する。
また、照合部１４３０は、診断対象のＣＴ画像１５００のうちの左肺の長方形の画像１５２０より算出した分布特徴量と、ＣＴ画像８００のうちの左肺の長方形の画像１１２０より算出した分布特徴量との間の類似度を算出する。具体的には、長方形の画像１５２０内の異常陰影の各ブロック（例えば、ブロック１５５０）と、長方形の画像１１２０内の異常陰影の各ブロック（例えば、ブロック８５０）との間の距離Ｄ２を、Ｅａｒｔｈ Ｍｏｖｅｒ’ｓ Ｄｉｓｔａｎｃｅにより算出する。
更に、照合部１４３０は、各肺ごとに算出した類似度を足し合せることで、総合類似度を算出する。具体的には、照合部１４３０は、総合類似度として、Ｄ＝Ｄ１＋Ｄ２を算出する。
＜ＣＴ画像処理システムにおける類似症例画像検索処理＞
次に、ＣＴ画像処理システム１００における類似症例画像検索処理全体の流れについて説明する。図１６は、ＣＴ画像処理システムにおける類似症例画像検索処理を示すシーケンス図である。
図１６に示すように、類似症例画像検索処理は、登録フェーズと検索フェーズとに大別することができる。はじめに、登録フェーズについて説明する。
ステップＳ１６０１において、ＣＴ装置１１０は、患者のＣＴ画像８００を撮影する。ＣＴ画像８００の撮影に際して、類似症例画像検索装置１２０には、患者情報が入力される。
ステップＳ１６０２において、ＣＴ装置１１０は、撮影により得られたＣＴ画像８００を、類似症例画像検索装置１２０の登録部１４１に送信する。
ステップＳ１６０３において、登録部１４１は、ＣＴ装置１１０より送信されたＣＴ画像８００を取得し、識別子を付したうえで、患者情報とともに、画像ＤＢ１３０に格納する。なお、登録部１４１がＣＴ画像８００を画像ＤＢ１３０に格納するにあたり、読影医等が、当該ＣＴ画像８００についての診断を行い、診断結果をあわせて格納するようにしてもよい。
ステップＳ１６０４において、登録部１４１は、取得したＣＴ画像８００を複数のブロックに分割するとともに、各ブロックについて陰影の種類を識別する。
ステップＳ１６０５において、登録部１４１は、陰影の種類が識別された各ブロックを長方形の画像１１１０、１１２０に写像することで、分布特徴量を算出する。
ステップＳ１６０６において、登録部１４１は、算出した分布特徴量を、ＣＴ画像８００の識別子と対応付けて、識別した陰影の種類ごとに特徴量情報ＤＢ１５０に格納する。
以上で、登録フェーズが完了する。なお、図１６は、登録フェーズにおける患者一人分の処理の例であり、実際には、登録フェーズにおいて、複数患者分の処理が行われるものとする。
続いて、検索フェーズについて説明する。ステップＳ１６１１において、ＣＴ装置１１０は、診断対象の患者のＣＴ画像１５００を撮影する。ＣＴ画像１５００の撮影に際して、類似症例画像検索装置１２０には、診断対象の患者の患者情報が入力される。
ステップＳ１６１２において、ＣＴ装置１１０は、撮影により得られたＣＴ画像１５００を、類似症例画像検索装置１２０の検索部１４２に送信する。
ステップＳ１６１３において、検索部１４２は、ＣＴ装置１１０より送信されたＣＴ画像１５００を取得する。また、検索部１４２は、取得したＣＴ画像１５００を表示制御部１４３に通知する。
ステップＳ１６１４において、表示制御部１４３は、表示画面３００を表示し、検索部１４２より通知されたＣＴ画像１５００を、表示画面３００の診断対象画像表示領域３１０に表示する。
ステップＳ１６１５において、表示制御部１４３は、表示画面３００の検索条件指定領域３２０において指定された検索条件を受け付ける。また、表示制御部１４３は、表示画面３００の検索ボタン３３０を介して入力された検索指示を受け付ける。
ステップＳ１６１６において、表示制御部１４３は、受け付けた検索条件及び検索指示を検索部１４２に通知する。
ステップＳ１６１７において、検索部１４２は、表示制御部１４３より検索指示の通知を受けると、取得したＣＴ画像１５００を複数のブロックに分割し、検索条件に応じた種類の異常陰影のブロック（例えば、ブロック１５４０、１５５０）を識別する。
ステップＳ１６１８において、検索部１４２は、ＣＴ画像１５００の各ブロックを長方形の画像１５１０、１５２０に写像することで、検索条件に応じた種類の異常陰影のブロック（例えば、ブロック１５４０、１５５０）の分布特徴量を算出する。
ステップＳ１６１９において、検索部１４２は、特徴量情報ＤＢ１５０より特徴量情報５００を読み出す。
ステップＳ１６２０において、検索部１４２は、読み出した特徴量情報５００に含まれる各検索対象の分布特徴量と、ステップＳ１６１８において算出した診断対象のＣＴ画像１５００の分布特徴量との間で総合類似度を算出する。また、検索部１４２は、算出した総合類似度の高い順に、特徴量情報５００の各検索対象に対応付けられたＩＤ等をソートする。
ステップＳ１６２１において、検索部１４２は、総合類似度の高い所定数の検索対象に対応付けられたＩＤ等と総合類似度とを、検索結果として、表示制御部１４３に通知する。
ステップＳ１６２２において、表示制御部１４３は、検索部１４２より通知された検索結果を、検索結果表示領域３４０に表示する。
ステップＳ１６２３において、表示制御部１４３は、検索結果表示領域３４０において、読影医等により所定の検索結果が選択された場合に、ＣＴ画像表示指示として受け付ける。
ステップＳ１６２４において、表示制御部１４３は、選択された検索結果に含まれるＩＤを特定し、特定したＩＤにより識別されるＣＴ画像８００を、画像ＤＢ１３０より読み出す。
ステップＳ１６２５において、表示制御部１４３は、読み出したＣＴ画像８００を、類似症例検索結果表示領域３５０に表示する。これにより、読影医等は、診断対象のＣＴ画像１５００の症例に類似する類似症例のＣＴ画像８００を参照しながら、診断対象のＣＴ画像１５００について診断を行うことができる。
＜類似症例画像検索処理結果＞
次に、類似症例画像検索処理の処理結果について説明する。図１７は、類似症例画像検索処理結果の一例を示す図である。図１７において、ＣＴ画像１５００は診断対象のＣＴ画像であり、ＣＴ画像８００及びＣＴ画像１７００は、登録部１４１により分布特徴量が特徴量情報ＤＢ１５０に登録されたＣＴ画像である。
図１７に示すように、診断対象のＣＴ画像１５００の場合、異常陰影のブロック（例えば、ブロック１５４０、１５５０等）は、肺野領域内の末梢部位に分布している。また、登録部１４１により分布特徴量が登録されたＣＴ画像のうち、ＣＴ画像８００については、異常陰影のブロック（例えば、ブロック８４０、８５０等）が肺野領域内の末梢部位に分布している。一方、ＣＴ画像１７００については、異常陰影のブロック（例えば、ブロック１７１０、１７２０等）が肺野領域内の中枢部位に分布している。
ここで、診断対象のＣＴ画像１５００より抽出された異常陰影のブロック（例えば、ブロック１５４０、１５５０等）と、ＣＴ画像８００より抽出された異常陰影のブロック（例えば、ブロック８４０、８５０等）との間の距離をＤ１０とする。つまり、距離Ｄ１０は、異常陰影のブロックのＣＴ画像上の位置に基づいて算出された距離である。
また、診断対象のＣＴ画像１５００より抽出された異常陰影のブロック（例えば、ブロック１５４０、１５５０等）と、ＣＴ画像１７００より抽出された異常陰影のブロック（例えば、ブロック１７１０、１７２０等）との間の距離をＤ２０とする。つまり、距離Ｄ２０は、異常陰影のブロックのＣＴ画像上の位置に基づいて算出された距離である。
距離Ｄ１０と距離Ｄ２０とを比較すると、距離Ｄ２０の方が距離が短い。つまり、ＣＴ画像１５００における異常陰影のブロックの位置は、ＣＴ画像８００における異常陰影のブロックの位置よりも、ＣＴ画像１７００における異常陰影のブロックの位置に類似している。このため、ＣＴ画像上の位置に基づいて類似度を算出した場合、ＣＴ画像１７００の方が、高い類似度が算出されることとなり、ＣＴ画像８００が類似症例のＣＴ画像として検索されなくなってしまう。
ここで、ＣＴ画像１５００の異常陰影のブロックと、ＣＴ画像１７００の異常陰影のブロックとは、比較的近い位置に分布しているが、前者は末梢部位に発生した異常陰影であり、後者は中枢部位に発生した異常陰影である。つまり、両者は、発生部位が組織的に異なる異常陰影であり、類似症例のＣＴ画像ではない。
一方、ＣＴ画像１５００の異常陰影のブロックとＣＴ画像の８００の異常陰影のブロックとは、比較的離れた位置に分布しているが、両者とも末梢部位に発生した異常陰影である。つまり、発生部位が組織的に同じ異常陰影であり、類似症例のＣＴ画像である。
ここで、第１の実施形態における類似症例画像検索装置１２０の場合、元のＣＴ画像と比較して、中枢部位と末梢部位との間の距離が離れるように各ブロックが写像されたうえで、分布特徴量が算出される。つまり、発生部位が組織的に異なる異常陰影が、より識別しやすくなるようにＣＴ画像の写像が行われて、分布特徴量が算出される。
この結果、ＣＴ画像１５００の分布特徴量とＣＴ画像８００の分布特徴量とは類似することとなり、両者に基づいて算出される総合類似度Ｄは大きくなる。一方、ＣＴ画像１５００の分布特徴量とＣＴ画像１７００の分布特徴量とは非類似となり、両者に基づいて算出される総合類似度Ｄ’は小さくなる。つまり、ＣＴ画像８００が、類似症例のＣＴ画像として検索されることになる。
以上の説明から明らかなように、びまん性肺疾患の場合、ＣＴ画像上の位置の類否に基づく検索では、類似症例のＣＴ画像の検索が困難であった。これに対して、類似症例画像検索装置１２０では、発生部位の組織的観点から所定形状の画像に写像したうえで異常陰影の位置（分布特徴量）を算出し、当該分布特徴量を用いてＣＴ画像の検索を行う。これにより、第１の実施形態における類似症例画像検索装置１２０によれば、びまん性肺疾患について、類似症例のＣＴ画像の検索を可能にする検索技術を提供できる。
［第２の実施形態］
上記第１の実施形態では、ＣＴ画像内の各ブロックを長方形の画像に写像するものとして説明した。しかしながら、写像先は長方形の画像に限定されない。
図１８は、分布変換部による非線形写像処理の他の一例を示す図である。図１８（ａ）の例は、ＣＴ画像内の各ブロックを台形の画像に写像する場合を示している。図１８（ａ）の場合、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８１を、中枢部位の両端部を示す境界点１０３１、１０５１が、台形の画像１８１０の輪郭の２つの頂点１８１１、１８１２に配置されるように写像する。また、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８２を、末梢部位の両端部を示す境界点１０７１、１０７２が、台形の画像１８１０の輪郭の２つの頂点１８１３、１８１４に配置されるように写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１０８１、１０８２よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する。
また、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８３を、中枢部位の両端部を示す境界点１０３２、１０５２が、台形の画像１８２０の輪郭の２つの頂点１８２１、１８２２に配置されるように写像する。また、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８４を、末梢部位の両端部を示す境界点１０７３、１０７４が、台形の画像１８２０の輪郭の２つの頂点１８２３、１８２４に配置されるように写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１０８３、１０８４よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する。
また、非線形写像部７２３は、境界点抽出部７２２より抽出された輪郭１１３１を、境界点１０５１、１０７２が、台形の画像１８１０の輪郭の２つの頂点１８１２、１８１４に配置されるように写像する。また、非線形写像部７２３は、境界点抽出部７２２より抽出された輪郭１１３２を、境界点１０３１、１０７１が、台形の画像１８１０の輪郭の２つの頂点１８１１、１８１３に配置されるように写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１１３１、１１３２よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する。
また、非線形写像部７２３は、境界点抽出部７２２より抽出された輪郭１１３３を、境界点１０５２、１０７４が、台形の画像１８２０の輪郭の２つの頂点１８２２、１８２４に配置されるように写像する。また、非線形写像部７２３は、境界点抽出部７２２より抽出された輪郭１１３４を、境界点１０３２、１０７３が、台形の画像１８２０の輪郭の２つの頂点１８２１、１８２３に配置されるように写像する。
図１８（ｂ）の例は、ＣＴ画像内の各ブロックを２つの曲線と２つの直線により囲まれた所定形状の画像に写像する場合を示している。図１８（ｂ）の場合、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８１を、中枢部位の両端部を示す境界点１０３１、１０５１が、所定形状の画像１８３０の輪郭の２つの頂点１８３１、１８３２に配置されるように写像する。
また、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８２を、末梢部位の両端部を示す境界点１０７１、１０７２が、所定形状の画像１８３０の２つの頂点１８３３、１８３４に配置されるように写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１０８１、１０８２よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する。
また、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８３を、中枢部位の両端部を示す境界点１０３２、１０５２が、所定形状の画像１８４０の輪郭の２つの頂点１８４１、１８４２に配置されるように写像する。また、非線形写像部７２３は、境界点抽出部７２２により抽出された輪郭１０８４を、末梢部位の両端部を示す境界点１０７３、１０７４が、所定形状の画像１８４０の輪郭の２つの頂点１８４３、１８４４に配置されるように写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１０８３、１０８４よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する。
また、非線形写像部７２３は、境界点抽出部７２２より抽出された輪郭１１３１を、境界点１０５１、１０７２が、台形の画像１８３０の輪郭の２つの頂点１８３２、１８３４に配置されるように写像する。また、非線形写像部７２３は、境界点抽出部７２２より抽出された輪郭１１３２を、境界点１０３１、１０７１が、台形の画像１８３０の輪郭の２つの頂点１８３１、１８３３に配置されるように写像する。
なお、写像するにあたり非線形写像部７２３は、輪郭１１３１、１１３２よりサンプル点を等間隔で抽出し、各サンプル点が写像先で等間隔になるように写像する。
また、非線形写像部７２３は、境界点抽出部７２２より抽出された輪郭１１３３を、境界点１０５２、１０７４が、台形の画像１８４０の輪郭の２つの頂点１８４２、１８４４に配置されるように写像する。また、非線形写像部７２３は、境界点抽出部７２２より抽出された輪郭１１３４を、境界点１０３２、１０７３が、台形の画像１８４０の輪郭の２つの頂点１８４１、１８４３に配置されるように写像する。
このように、写像先の画像は、ＣＴ画像内において分布する異常陰影が、肺野領域内の中枢部位に分布しているのか、末梢部位に分布しているのかが識別可能となる形状を有する画像であれば、長方形の画像に写像するのと同様の効果が得られる。つまり、発生部位の組織的観点から算出した異常陰影の位置（分布特徴量）を用いて検索を行うことができるため、びまん性疾患について、類似症例のＣＴ画像の検索を可能にする検索技術を提供できる。
［その他の実施形態］
上記第１及び第２の実施形態では、ＣＴ画像内のブロックを写像する所定形状の画像の縦横比について特に言及しなかったが、“縦の長さ＜横の長さ”を満たしていれば、任意の縦横比を適用することが可能である。
また、上記第１及び第２の実施形態では、中枢部位及び末梢部位の輪郭を、所定形状の画像の輪郭の一部として、縦の固定輪郭に写像するものとして説明した。しかしながら、中枢部位及び末梢部位の輪郭を、所定形状の画像の輪郭の一部として、横の固定輪郭に写像するようにしてもよい。写像先において、中枢部位の輪郭と末梢部位の輪郭とが、互いに対向する位置の固定輪郭に写像されていれば、同様の効果が得られるからである。ただし、この場合、所定形状の画像の縦横比は、“縦の長さ＞横の長さ”を満たすことが必要となる。
また、上記第１及び第２の実施形態では、特徴量情報５００とＣＴ画像情報６００とを異なるＤＢに分けて格納する場合について説明したが、特徴量情報５００とＣＴ画像情報６００とは、同じＤＢに格納してもよい。
また、上記第１及び第２の実施形態では、検索指示を受け付けてから診断対象のＣＴ画像１５００について分布特徴量を算出するものとして説明したが、診断対象のＣＴ画像１５００の分布特徴量は、検索指示を受け付ける前に算出しておいてもよい。
また、上記第１及び第２の実施形態では、びまん性肺疾患のＣＴ画像に適用する例を説明したが、びまん性の疾患であれば、肺以外の臓器の疾患についてのＣＴ画像に適用してもよい。
また、上記第１及び第２の実施形態では、医用画像としてＣＴ画像を表示する場合について説明したが、ＣＴ画像以外の医用画像（例えば、ＭＲＩ（Magnetic resonance imaging）画像）を表示する場合に適用してもよい。
なお、開示の技術では、以下に記載する付記のような形態が考えられる。
（付記１）
びまん性疾患の診断において、医用画像における臓器領域内の異常陰影の位置に基づいて類似症例の医用画像を検索する場合に、
前記異常陰影が前記臓器領域内の第１の部位に分布しているのか、該第１の部位とは異常陰影の発生部位が組織的に異なる第２の部位に分布しているのかが識別可能となるように、前記医用画像における前記臓器領域を、所定形状の画像に写像し、
写像後の前記異常陰影の前記所定形状の画像内での位置を算出する、
処理をコンピュータに実行させるための類似症例画像検索プログラム。
（付記２）
前記医用画像における前記臓器領域を、前記第１の部位と前記第２の部位との距離が離れるように写像することを特徴とする付記１に記載の類似症例画像検索プログラム。
（付記３）
診断対象の前記医用画像における前記臓器領域を、前記所定形状の画像に写像した場合の、該臓器領域内の前記異常陰影の該所定形状の画像内での位置を示す第１の座標と、
検索対象の医用画像における臓器領域を、前記所定形状の画像に写像した場合の、該臓器領域内の異常陰影の該所定形状の画像内での位置を示す第２の座標と、
に基づいて、前記診断対象の医用画像に類似する医用画像を、検索対象の医用画像の中から検索する処理をコンピュータに実行させる付記１または２に記載の類似症例画像検索プログラム。
（付記４）
前記第１の座標と前記第２の座標との間の距離に基づいて、前記診断対象の医用画像に類似する医用画像を、検索対象の医用画像の中から検索することを特徴とする付記３に記載の類似症例画像検索プログラム。
（付記５）
前記臓器領域は肺野領域であり、右肺について算出した前記第１の座標と前記第２の座標との間の距離と、左肺について算出した前記第１の座標と前記第２の座標との間の距離との合計値に基づいて、前記診断対象の医用画像に類似する医用画像を、検索対象の医用画像の中から検索することを特徴とする付記４に記載の類似症例画像検索プログラム。
（付記６）
前記臓器領域の輪郭のうち、前記第１の部位に対応する第１の輪郭を、前記所定形状の画像の輪郭の一部である第１の固定輪郭に写像し、前記第２の部位に対応する第２の輪郭を、前記所定形状の画像の輪郭のうち前記第１の輪郭に対向する位置の第２の固定輪郭に写像することを特徴とする付記１に記載の類似症例画像検索プログラム。
（付記７）
前記臓器領域の輪郭を縮小した縮小輪郭のうち、前記第１の部位に対応する第１の縮小輪郭を、前記所定形状の画像の輪郭を縮小した縮小輪郭の一部である第１の縮小固定輪郭に写像し、前記第２の部位に対応する第２の縮小輪郭を、前記所定形状の画像の輪郭を縮小した縮小輪郭のうち、前記第１の縮小固定輪郭に対向する位置の第２の縮小固定輪郭に写像することを特徴とする付記６に記載の類似症例画像検索プログラム。
（付記８）
前記臓器領域の輪郭と、前記臓器領域の輪郭を縮小した前記縮小輪郭との間の領域を、該輪郭及び該縮小輪郭との位置関係が維持されるように、前記所定形状の画像に写像することを特徴とする付記７に記載の類似症例画像検索プログラム。
（付記９）
前記臓器領域の輪郭を縮小したｎ番目の縮小輪郭と、前記臓器領域の輪郭を更に縮小した（ｎ＋１）番目の縮小輪郭との間の領域を、該ｎ番目の縮小輪郭及び該（ｎ＋１）番目の縮小輪郭との位置関係が維持されるように、前記所定形状の画像に写像することを特徴とする付記７に記載の類似症例画像検索プログラム。
（付記１０）
びまん性疾患の診断において、医用画像における臓器領域内の異常陰影の位置に基づいて類似症例の医用画像を検索する類似症例画像検索装置であって、
前記異常陰影が前記臓器領域内の第１の部位に分布しているのか、該第１の部位とは異常陰影の発生部位が組織的に異なる第２の部位に分布しているのかが識別可能となるように、前記医用画像における前記臓器領域を、所定形状の画像に写像する写像部と、
写像後の前記異常陰影の前記所定形状の画像内での位置を算出する算出部と
を有することを特徴とする類似症例画像検索装置。
（付記１１）
びまん性疾患の診断において、医用画像における臓器領域内の異常陰影の位置に基づいて類似症例の医用画像を検索する場合に、
前記異常陰影が前記臓器領域内の第１の部位に分布しているのか、該第１の部位とは異常陰影の発生部位が組織的に異なる第２の部位に分布しているのかが識別可能となるように、前記医用画像における前記臓器領域を、所定形状の画像に写像し、
写像後の前記異常陰影の前記所定形状の画像内での位置を算出する、
処理をコンピュータが実行する類似症例画像検索方法。
なお、上記実施形態に挙げた構成等に、その他の要素との組み合わせ等、ここで示した構成に本発明が限定されるものではない。これらの点に関しては、本発明の趣旨を逸脱しない範囲で変更することが可能であり、その応用形態に応じて適切に定めることができる。
１００ ：ＣＴ画像処理システム
１１０ ：ＣＴ装置
１２０ ：類似症例画像検索装置
１４０ ：類似症例画像検索部
１４１ ：登録部
１４２ ：検索部
１４３ ：表示制御部
３００ ：表示画面
５００ ：特徴量情報
６００ ：ＣＴ画像情報
７１０ ：陰影抽出部
７２０ ：分布変換部
７２１ ：輪郭抽出部
７２２ ：境界点抽出部
７２３ ：非線形写像部
７２４ ：異常陰影ブロック写像部
７２５ ：分布特徴量算出部
１４１０ ：陰影抽出部
１４２０ ：分布変換部
１４２１ ：輪郭抽出部
１４２２ ：境界点抽出部
１４２３ ：非線形写像部
１４２４ ：異常陰影ブロック写像部
１４２５ ：分布特徴量算出部
１４３０ ：照合部

Claims (11)

  1. びまん性疾患の診断において、医用画像における臓器領域内の異常陰影の位置に基づいて類似症例の医用画像を検索する場合に、
    前記異常陰影が前記臓器領域内の第１の部位に分布しているのか、該第１の部位とは異常陰影の発生部位が組織的に異なる第２の部位に分布しているのかが識別可能となるように、前記医用画像における前記臓器領域を、所定形状の画像に写像し、
    写像後の前記異常陰影の前記所定形状の画像内での位置を算出する、
    処理をコンピュータに実行させるための類似症例画像検索プログラム。
  2. 前記医用画像における前記臓器領域を、前記第１の部位と前記第２の部位との距離が離れるように写像することを特徴とする請求項１に記載の類似症例画像検索プログラム。
  3. 診断対象の前記医用画像における前記臓器領域を、前記所定形状の画像に写像した場合の、該臓器領域内の前記異常陰影の該所定形状の画像内での位置を示す第１の座標と、
    検索対象の医用画像における臓器領域を、前記所定形状の画像に写像した場合の、該臓器領域内の異常陰影の該所定形状の画像内での位置を示す第２の座標と、
    に基づいて、前記診断対象の医用画像に類似する医用画像を、検索対象の医用画像の中から検索する処理をコンピュータに実行させる請求項１または２に記載の類似症例画像検索プログラム。
  4. 前記第１の座標と前記第２の座標との間の距離に基づいて、前記診断対象の医用画像に類似する医用画像を、検索対象の医用画像の中から検索することを特徴とする請求項３に記載の類似症例画像検索プログラム。
  5. 前記臓器領域は肺野領域であり、右肺について算出した前記第１の座標と前記第２の座標との間の距離と、左肺について算出した前記第１の座標と前記第２の座標との間の距離との合計値に基づいて、前記診断対象の医用画像に類似する医用画像を、検索対象の医用画像の中から検索することを特徴とする請求項４に記載の類似症例画像検索プログラム。
  6. 前記臓器領域の輪郭のうち、前記第１の部位に対応する第１の輪郭を、前記所定形状の画像の輪郭の一部である第１の固定輪郭に写像し、前記第２の部位に対応する第２の輪郭を、前記所定形状の画像の輪郭のうち前記第１の輪郭に対向する位置の第２の固定輪郭に写像することを特徴とする請求項１に記載の類似症例画像検索プログラム。
  7. 前記臓器領域の輪郭を縮小した縮小輪郭のうち、前記第１の部位に対応する第１の縮小輪郭を、前記所定形状の画像の輪郭を縮小した縮小輪郭の一部である第１の縮小固定輪郭に写像し、前記第２の部位に対応する第２の縮小輪郭を、前記所定形状の画像の輪郭を縮小した縮小輪郭のうち、前記第１の縮小固定輪郭に対向する位置の第２の縮小固定輪郭に写像することを特徴とする請求項６に記載の類似症例画像検索プログラム。
  8. 前記臓器領域の輪郭と、前記臓器領域の輪郭を縮小した前記縮小輪郭との間の領域を、該輪郭及び該縮小輪郭との位置関係が維持されるように、前記所定形状の画像に写像することを特徴とする請求項７に記載の類似症例画像検索プログラム。
  9. 前記臓器領域の輪郭を縮小したｎ番目の縮小輪郭と、前記臓器領域の輪郭を更に縮小した（ｎ＋１）番目の縮小輪郭との間の領域を、該ｎ番目の縮小輪郭及び該（ｎ＋１）番目の縮小輪郭との位置関係が維持されるように、前記所定形状の画像に写像することを特徴とする請求項７に記載の類似症例画像検索プログラム。
  10. びまん性疾患の診断において、医用画像における臓器領域内の異常陰影の位置に基づいて類似症例の医用画像を検索する類似症例画像検索装置であって、
    前記異常陰影が前記臓器領域内の第１の部位に分布しているのか、該第１の部位とは異常陰影の発生部位が組織的に異なる第２の部位に分布しているのかが識別可能となるように、前記医用画像における前記臓器領域を、所定形状の画像に写像する写像部と、
    写像後の前記異常陰影の前記所定形状の画像内での位置を算出する算出部と
    を有することを特徴とする類似症例画像検索装置。
  11. びまん性疾患の診断において、医用画像における臓器領域内の異常陰影の位置に基づいて類似症例の医用画像を検索する場合に、
    前記異常陰影が前記臓器領域内の第１の部位に分布しているのか、該第１の部位とは異常陰影の発生部位が組織的に異なる第２の部位に分布しているのかが識別可能となるように、前記医用画像における前記臓器領域を、所定形状の画像に写像し、
    写像後の前記異常陰影の前記所定形状の画像内での位置を算出する、
    処理をコンピュータが実行する類似症例画像検索方法。
JP2016217182A 2016-11-07 2016-11-07 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 Active JP6805736B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2016217182A JP6805736B2 (ja) 2016-11-07 2016-11-07 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
ES17198587T ES2941688T3 (es) 2016-11-07 2017-10-26 Aparato de recuperación de imágenes y método de recuperación de imágenes
EP17198587.2A EP3373194B1 (en) 2016-11-07 2017-10-26 Image retrieval apparatus and image retrieval method
US15/798,115 US10653378B2 (en) 2016-11-07 2017-10-30 Image retrieval apparatus and image retrieval method
CN201711046380.2A CN108073676B (zh) 2016-11-07 2017-10-31 图像检索设备以及图像检索方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016217182A JP6805736B2 (ja) 2016-11-07 2016-11-07 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 (2)

Publication Number Publication Date
JP2018075069A true JP2018075069A (ja) 2018-05-17
JP6805736B2 JP6805736B2 (ja) 2020-12-23

Family

ID=60190654

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016217182A Active JP6805736B2 (ja) 2016-11-07 2016-11-07 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

Country Status (5)

Country Link
US (1) US10653378B2 (ja)
EP (1) EP3373194B1 (ja)
JP (1) JP6805736B2 (ja)
CN (1) CN108073676B (ja)
ES (1) ES2941688T3 (ja)

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6805736B2 (ja) * 2016-11-07 2020-12-23 富士通株式会社 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
WO2020044840A1 (ja) * 2018-08-31 2020-03-05 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
WO2021155000A1 (en) 2020-01-29 2021-08-05 ReportsNow, Inc. Systems, methods, and devices for image processing
CN112258500B (zh) * 2020-11-10 2023-08-04 北京深睿博联科技有限责任公司 ***分区方法、装置、设备及计算机可读存储介质
US11158031B1 (en) * 2021-05-24 2021-10-26 ReportsNow, Inc. Systems, methods, and devices for image processing

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006034585A (ja) * 2004-07-27 2006-02-09 Fuji Photo Film Co Ltd 画像表示装置、画像表示方法およびそのプログラム
JP2007280229A (ja) * 2006-04-11 2007-10-25 Fujifilm Corp 類似症例検索装置、類似症例検索方法およびそのプログラム
JP2010167042A (ja) * 2009-01-21 2010-08-05 Canon Inc 医用診断支援装置及びその制御方法、並びに、プログラム
JP2011250811A (ja) * 2008-09-25 2011-12-15 Konica Minolta Medical & Graphic Inc 医用画像処理装置及びプログラム
US20140184608A1 (en) * 2011-05-05 2014-07-03 Richard A. Robb Systems and methods for analyzing in vivo tissue volumes using medical imaging data
WO2015015699A1 (ja) * 2013-08-01 2015-02-05 パナソニック株式会社 類似症例検索装置、症例データベース、類似症例検索方法、およびプログラム

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20020051515A1 (en) * 2000-06-06 2002-05-02 Fuji Photo Film Co., Ltd. Method of and system for detecting prospective abnormal shadow
DE602004015739D1 (de) * 2004-05-18 2008-09-25 Agfa Healthcare Nv Verfahren zur automatischen Positionierung von geometrischen Objekten in medizinischen Bildern
US7738683B2 (en) * 2005-07-22 2010-06-15 Carestream Health, Inc. Abnormality detection in medical images
JP4912015B2 (ja) 2006-04-05 2012-04-04 富士フイルム株式会社 類似画像検索装置および方法並びにプログラム
JP4874701B2 (ja) 2006-04-18 2012-02-15 富士フイルム株式会社 類似画像検索装置および方法並びにプログラム
US7643662B2 (en) * 2006-08-15 2010-01-05 General Electric Company System and method for flattened anatomy for interactive segmentation and measurement
JP5052123B2 (ja) * 2006-12-27 2012-10-17 富士フイルム株式会社 医用撮像システム及び方法
JP2008259622A (ja) * 2007-04-11 2008-10-30 Fujifilm Corp レポート作成支援装置およびそのプログラム
JP2009045121A (ja) 2007-08-14 2009-03-05 Fujifilm Corp 医用画像処理システム、医用画像処理方法、及びプログラム
JP5421756B2 (ja) * 2009-12-11 2014-02-19 富士フイルム株式会社 画像表示装置および方法並びにプログラム
AU2011207453A1 (en) * 2010-01-22 2012-08-02 The Research Foundation Of The State University Of New York System and method for prostate visualization and cancer detection
JP5662082B2 (ja) * 2010-08-23 2015-01-28 富士フイルム株式会社 画像表示装置および方法、並びに、プログラム
JP5931418B2 (ja) * 2011-11-25 2016-06-08 オリンパス株式会社 画像処理装置、画像処理装置の作動方法、及び画像処理プログラム
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
JP6805736B2 (ja) * 2016-11-07 2020-12-23 富士通株式会社 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

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006034585A (ja) * 2004-07-27 2006-02-09 Fuji Photo Film Co Ltd 画像表示装置、画像表示方法およびそのプログラム
JP2007280229A (ja) * 2006-04-11 2007-10-25 Fujifilm Corp 類似症例検索装置、類似症例検索方法およびそのプログラム
JP2011250811A (ja) * 2008-09-25 2011-12-15 Konica Minolta Medical & Graphic Inc 医用画像処理装置及びプログラム
JP2010167042A (ja) * 2009-01-21 2010-08-05 Canon Inc 医用診断支援装置及びその制御方法、並びに、プログラム
US20140184608A1 (en) * 2011-05-05 2014-07-03 Richard A. Robb Systems and methods for analyzing in vivo tissue volumes using medical imaging data
WO2015015699A1 (ja) * 2013-08-01 2015-02-05 パナソニック株式会社 類似症例検索装置、症例データベース、類似症例検索方法、およびプログラム

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
ALEX M. AISEN ET AL.: ""Automated Storage and Retrieval of Thin-Section CT Images to Assist Diagnosis: System Description a", RADIOLOGY, vol. vol. 228, Number 1, JPN6020019420, 2003, pages 265 - 270, ISSN: 0004380250 *
SUSHRAVYA RAGHUNATH ET AL.: ""Quantitative Stratification of Diffuse Parenchymal Lung Diseases"", PLOS ONE, vol. Volume 9, Issue 3, JPN6020019421, 2014, pages 93229, ISSN: 0004380248 *
山下 洋平 他: ""３次元胸部ＣＴ画像を用いたびまん性肺疾患に対する類似画像検索"", 信学技報, vol. ＭＩ２０１３−１２５, JPN6020019423, 2014, ISSN: 0004380247 *
武部 浩明 他: ""病変の性状と３次元分布に基づくＣＴ画像に対する類似症例画像検索"", 信学技報, vol. ＰＲＭＵ２０１７−３５、ＳＰ２０１７−１, JPN6020019418, 2017, ISSN: 0004380249 *

Also Published As

Publication number Publication date
ES2941688T3 (es) 2023-05-24
JP6805736B2 (ja) 2020-12-23
EP3373194B1 (en) 2023-03-01
EP3373194A1 (en) 2018-09-12
US20180125443A1 (en) 2018-05-10
CN108073676B (zh) 2022-10-11
US10653378B2 (en) 2020-05-19
CN108073676A (zh) 2018-05-25

Similar Documents

Publication Publication Date Title
US20200320336A1 (en) Control method and recording medium
JP6855850B2 (ja) 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
JP6805736B2 (ja) 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
JP4542591B2 (ja) 画像処理システム、画像保管装置、および、画像処理装置、並びに、画像処理方法、プログラム
US8417009B2 (en) Apparatus, method, and computer readable medium for assisting medical image diagnosis using 3-D images representing internal structure
US10261681B2 (en) Method for displaying a medical image and a plurality of similar medical images obtained from a case search system
US10950019B2 (en) Automatic layout apparatus, automatic layout method, and automatic layout program
JP2022058397A (ja) 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム
Emrich et al. CT slice localization via instance-based regression
JP2019030584A (ja) 画像処理システム、装置、方法およびプログラム
US10803986B2 (en) Automatic layout apparatus, automatic layout method, and automatic layout program
KR101885562B1 (ko) 제1 의료 영상의 관심 영역을 제2 의료 영상 위에 맵핑하는 방법 및 이를 이용한 장치
EP3954277A1 (en) Medical document generation device, method, and program
US20230320679A1 (en) Medical image display apparatus, method, and program
KR20160140194A (ko) Pacs 이미지의 개인화 분석 기반 이상 검출 방법 및 그 장치
US11978274B2 (en) Document creation support apparatus, document creation support method, and document creation support program
US7609876B2 (en) Virtual grid alignment of sub-volumes
US10699426B2 (en) Registration apparatus, registration method, and registration program
JP2018183431A (ja) 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
US10929990B2 (en) Registration apparatus, method, and program
US20100063977A1 (en) Accessing medical image databases using anatomical shape information
US20230088616A1 (en) Progression prediction apparatus, progression prediction method, and progression prediction program
US20240046028A1 (en) Document creation support apparatus, document creation support method, and document creation support program
US20230420096A1 (en) Document creation apparatus, document creation method, and document creation program
JP2005087470A (ja) 異常陰影候補検出装置およびプログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190709

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200520

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200609

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200728

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20201104

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20201117

R150 Certificate of patent or registration of utility model

Ref document number: 6805736

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150