JP2019136519A - Medical image display processing method, device and program - Google Patents
Medical image display processing method, device and program Download PDFInfo
- Publication number
- JP2019136519A JP2019136519A JP2019073402A JP2019073402A JP2019136519A JP 2019136519 A JP2019136519 A JP 2019136519A JP 2019073402 A JP2019073402 A JP 2019073402A JP 2019073402 A JP2019073402 A JP 2019073402A JP 2019136519 A JP2019136519 A JP 2019136519A
- Authority
- JP
- Japan
- Prior art keywords
- atrophy
- disease
- specific disease
- region
- interest
- 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
Links
Landscapes
- Medical Treatment And Welfare Office Work (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
Description
本発明は、ＭＲＩ等により撮像された脳画像に基づき脳疾患の診断支援を行う診断支援技術に関し、特に、複数の疾患が想定される場合に適した診断支援を行う技術に関する。 The present invention relates to a diagnosis support technology for providing diagnosis support for brain diseases based on brain images captured by MRI or the like, and more particularly to a technology for providing diagnosis support suitable for cases where a plurality of diseases are assumed.
近年、ＳＰＥＣＴ（Ｓｉｎｇｌｅ Ｐｈｏｔｏｎ Ｅｍｉｓｓｉｏｎ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）やＰＥＴ（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇａｒｐｈｙ）等の核医学検査や、ＣＴ（Ｃｏｍｐｕｔｅｒｉｚｅｄ Ｔｏｍｏｇｒａｐｈｙ）やＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｃｅ Ｉｍａｇｉｎｇ）によって脳の状態に関する情報が取得可能になってきている。 In recent years, nuclear medicine examinations such as SPECT (Single Photon Emission Tomography) and PET (Positron Emission Tomography), CT (Computerized Tomography) and MRI (Magnetic State) are available. .
特に、脳の組織の萎縮に関しては、ＭＲＩ画像によって特定部位の容積を求め、その相対的な大きさを比較して異常の有無を判別できる。例えば、特許文献１では、アルツハイマー型認知症の診断支援を行うシステムが開示されており、ＭＲＩ画像を用いて内側側頭部の萎縮を定量的に評価することで、アルツハイマー型認知症の診断支援を行うことを可能としている。 In particular, regarding the atrophy of brain tissue, the volume of a specific part can be obtained from an MRI image, and the relative size can be compared to determine the presence or absence of an abnormality. For example, Patent Document 1 discloses a system that supports diagnosis of Alzheimer-type dementia, and quantitatively evaluates atrophy of the medial temporal region using MRI images, thereby providing diagnosis support for Alzheimer-type dementia. It is possible to do.
しかしながら、従来の診断支援システム等においては、特定の疾患を対象とした有効な診断支援情報は得られるものの、同時に異なる疾患が想定される場合に、これら疾患を比較する有効な診断支援情報を提供するまでには至っていない。 However, the conventional diagnosis support system and the like provide effective diagnosis support information for specific diseases, but provide effective diagnosis support information for comparing these diseases when different diseases are assumed at the same time. It hasn't been done yet.
本発明は、上述した課題に鑑みてなされたものであり、その目的は、異なる疾患の比較に適した診断支援装置等を提供することにある。 The present invention has been made in view of the above-described problems, and an object thereof is to provide a diagnosis support apparatus and the like suitable for comparison of different diseases.
前述した目的を達成するための第１の発明は、想定される複数の疾患から特定の疾患を判定する診断支援装置であって、脳画像から、特定の疾患の関心領域における脳の萎縮の評価値を、複数の組織で算出する算出手段と、算出した各組織の萎縮の評価値のそれぞれに前記特定の疾患を判定するための条件を設定する設定手段と、算出した各組織の萎縮の評価値のそれぞれが対応する前記条件を満たす場合に、前記特定の疾患であると判定する判定手段と、を備えることを特徴とする診断支援装置である。 A first invention for achieving the above-described object is a diagnostic support apparatus for determining a specific disease from a plurality of assumed diseases, and evaluating brain atrophy in a region of interest of the specific disease from a brain image A calculation means for calculating a value in a plurality of tissues, a setting means for setting a condition for determining the specific disease in each of the calculated evaluation values of atrophy of each tissue, and an evaluation of the calculated atrophy of each tissue A diagnosis support apparatus comprising: a determination unit that determines that the value is the specific disease when each of the values satisfies the corresponding condition.
前述した目的を達成するための第２の発明は、コンピュータが、想定される複数の疾患から特定の疾患を判定する診断支援方法であって、前記コンピュータが、脳画像から、特定の疾患の関心領域における脳の萎縮の評価値を、複数の組織で算出する算出ステップと、算出した各組織の萎縮の評価値のそれぞれに前記特定の疾患を判定するための条件を設定する設定ステップと、算出した各組織の萎縮の評価値のそれぞれが対応する前記条件を満たす場合に、前記特定の疾患であると判定する判定ステップと、を実行することを特徴とする診断支援方法である。 A second invention for achieving the above-described object is a diagnosis support method in which a computer determines a specific disease from a plurality of assumed diseases, and the computer is interested in a specific disease from a brain image. A calculation step of calculating an evaluation value of brain atrophy in a region in a plurality of tissues, a setting step of setting a condition for determining the specific disease in each of the calculated evaluation values of atrophy of each tissue, and calculation A determination step of determining that the disease is the specific disease when each of the evaluated evaluation values of the atrophy of each tissue satisfies the corresponding condition.
前述した目的を達成するための第３の発明は、コンピュータを、想定される複数の疾患から特定の疾患を判定する診断支援装置として機能させるプログラムであって、前記コンピュータを、脳画像から、特定の疾患の関心領域における脳の萎縮の評価値を、複数の組織で算出する算出手段、算出した各組織の萎縮の評価値のそれぞれに前記特定の疾患を判定するための条件を設定する設定手段、算出した各組織の萎縮の評価値のそれぞれが対応する前記条件を満たす場合に、前記特定の疾患であると判定する判定手段、として機能させることを特徴とするプログラムである。 A third invention for achieving the above-described object is a program for causing a computer to function as a diagnosis support apparatus for determining a specific disease from a plurality of assumed diseases, and specifying the computer from a brain image. Calculating means for calculating an evaluation value of brain atrophy in a region of interest of the disease in a plurality of tissues, setting means for setting a condition for determining the specific disease in each of the calculated evaluation values of atrophy of each tissue When the calculated evaluation value of each tissue atrophy satisfies the corresponding condition, the program functions as a determination unit that determines that the disease is the specific disease.
本発明により、異なる疾患の比較に適した診断支援装置等を提供することができる。特に、複数の疾患が想定される場合において、特定の疾患を精度よく判別することができる。 According to the present invention, it is possible to provide a diagnosis support apparatus and the like suitable for comparing different diseases. In particular, when a plurality of diseases are assumed, a specific disease can be accurately determined.
以下図面に基づいて、本発明の実施形態を詳細に説明する。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
図１は、診断支援装置１の機能を示すブロック図である。診断支援装置１は、ユーザインターフェース部１０、処理部２０、データベース部３０を有している。 FIG. 1 is a block diagram illustrating functions of the diagnosis support apparatus 1. The diagnosis support apparatus 1 includes a user interface unit 10, a processing unit 20, and a database unit 30.
ユーザインターフェース部１０は、主に、ＭＲＩ画像の入力を受付ける画像入力機能１１と、処理部２０で処理された結果を表示する表示機能１３とを有する。 The user interface unit 10 mainly has an image input function 11 that accepts input of an MRI image, and a display function 13 that displays a result processed by the processing unit 20.
処理部２０は、主に、ユーザインターフェース部１０から入力されたＭＲＩ画像を処理する画像処理機能２１と、Ｚスコア等の各種統計指標を算出する統計処理機能２３と、比較する各疾患に特異的な部位（関心領域）を特定する部位特定機能２５、萎縮度を算出する萎縮度算出機能２７、萎縮比を算出する萎縮比算出機能２９等を有する。 The processing unit 20 is mainly specific to each disease to be compared with an image processing function 21 that processes an MRI image input from the user interface unit 10 and a statistical processing function 23 that calculates various statistical indexes such as a Z score. A region specifying function 25 for specifying a specific region (region of interest), an atrophy degree calculating function 27 for calculating an atrophy degree, an atrophy ratio calculating function 29 for calculating an atrophy ratio, and the like.
また、データベース部３０には、処理部２０の処理に供する灰白質脳画像テンプレート３１、白質脳画像テンプレート３３、健常者画像データベース３５、関心領域ＲＯＩ３７等が保存されている。 The database unit 30 stores a gray matter brain image template 31, a white matter brain image template 33, a healthy person image database 35, a region of interest ROI 37, and the like that are used for the processing of the processing unit 20.
上記の灰白質脳画像テンプレート３１、白質脳画像テンプレート３３は、灰白質と白質それぞれについて作成されたものが予め前記データベース部３０に保存されているものとする。各テンプレートは年齢や性別などの被験者の属性に応じて層別に作成されていてもよい。
尚、本実施形態においては、上記テンプレートを作成する際の解剖学的標準化の手法としてＤＡＲＴＥＬ（Ｄｉｆｆｅｏｍｏｒｐｈｉｃ Ａｎａｔｏｍｉｃａｌ Ｒｅｇｉｓｔｒａｔｉｏｎ Ｔｈｒｏｕｇｈ Ｅｘｐｏｎｅｎｔｉａｔｅｄ Ｌｉｅ ａｌｇｅｂｒａ）を採用する。ＤＡＲＴＥＬを用いたテンプレート作成の処理は、特許文献１と同様であるため、記載を省略する。
It is assumed that the gray matter brain image template 31 and the white matter brain image template 33 are created in advance for the gray matter and the white matter, respectively, and stored in the database unit 30 in advance. Each template may be created by layer according to the subject's attributes such as age and sex.
In the present embodiment, DARTEL (Differential Morphological Through Exponential Lie Algebra) is adopted as a method of anatomical standardization when creating the template. Since the template creation process using DARTEL is the same as that in Patent Document 1, description thereof is omitted.
［診断支援装置１の処理］
図２は、本実施形態に係る診断支援装置１の処理を示すフローチャートである。尚、この処理はコンピュータからなる処理部２０においてプログラムにより実行可能なものである。
[Processing of Diagnosis Support Device 1]
FIG. 2 is a flowchart showing processing of the diagnosis support apparatus 1 according to the present embodiment. This process can be executed by a program in the processing unit 20 comprising a computer.
ステップＳ１において、診断支援装置１（画像入力機能１１）は、被験者のＭＲＩ脳画像の入力を受付ける。 In step S1, the diagnosis support apparatus 1 (image input function 11) receives an input of an MRI brain image of a subject.
ステップＳ２において、診断支援装置１は、ステップＳ１において入力された被験者のＭＲＩ脳画像に基づき脳の萎縮の程度を表す「萎縮スコア」を算出する。 In step S2, the diagnosis support apparatus 1 calculates an “atrophy score” representing the degree of brain atrophy based on the MRI brain image of the subject input in step S1.
＜萎縮スコア算出処理＞
ここで、図３のフローチャートを参照しながら、上記ステップＳ２における萎縮スコアの算出処理を説明する。
<Atrophy score calculation process>
Here, with reference to the flowchart of FIG. 3, the atrophy score calculation process in step S2 will be described.
（画像再構成）
診断支援装置１は、入力された被験者のＭＲＩ脳画像に対し「画像再構成」を行う（ステップＳ２１）。
(Image reconstruction)
The diagnosis support apparatus 1 performs “image reconstruction” on the input MRI brain image of the subject (step S21).
画像再構成は、最初に、入力された被験者のＭＲＩ脳画像を、脳全体を含むように所定の厚さのスライス状に撮像した、例えば１００〜２００枚のＴ１強調ＭＲＩ画像に変換する。この際、各スライス画像におけるボクセルの各辺の長さが予め等しくなるようにスライス画像のリサンプリングを行う。 In the image reconstruction, first, an inputted MRI brain image of a subject is converted into, for example, 100 to 200 T1-weighted MRI images obtained by imaging a slice of a predetermined thickness so as to include the entire brain. At this time, resampling of the slice image is performed so that the length of each side of the voxel in each slice image becomes equal in advance.
そして、上記処理を施した被験者のＭＲＩ脳画像に対し、標準的な脳画像と空間的な位置合わせを行う。具体的には、被験者のＭＲＩ脳画像に対して、線形変換（アフィン変換）、トリミング等を施し、標準的な脳画像と位置、角度、サイズ等を合わせる。これにより、ＭＲＩ撮影時の被験者の頭の位置のずれ等が画像上で補正され、標準的な脳画像と比較する際の精度が向上する。 Then, the MRI brain image of the subject subjected to the above processing is spatially aligned with the standard brain image. Specifically, the MRI brain image of the subject is subjected to linear transformation (affine transformation), trimming, etc., and the standard brain image is matched with the position, angle, size, and the like. Thereby, the shift of the head position of the subject at the time of MRI imaging is corrected on the image, and the accuracy when compared with a standard brain image is improved.
（組織分割）
ステップＳ２１の画像再構成がなされた後、診断支援装置１は「組織分割」を行い、灰白質と白質を抽出した灰白質脳画像と白質脳画像を作成する（ステップＳ２２）。
(Organization)
After the image reconstruction in step S21, the diagnosis support apparatus 1 performs “tissue division” to create a gray matter brain image and a white matter brain image in which gray matter and white matter are extracted (step S22).
前述のＴ１強調ＭＲＩ脳画像には、神経線維に対応する高い信号値を呈する白質、神経細胞に対応する中間の信号値を呈する灰白質、低い信号値を呈する脳脊髄液の３種類の組織が含まれているため、この信号値の差に着目して灰白質と白質とをそれぞれ抽出する処理を行う。この処理は、特許文献１や特許文献１より抽出精度を高めた特許文献２に記載されている処理と同様であるため、記載を省略する。 The T1-weighted MRI brain image includes three types of tissues: white matter that exhibits a high signal value corresponding to nerve fibers, gray matter that exhibits an intermediate signal value corresponding to nerve cells, and cerebrospinal fluid that exhibits a low signal value. Therefore, the gray matter and white matter are extracted by paying attention to the difference between the signal values. Since this process is the same as the process described in Patent Document 1 and Patent Document 2 with higher extraction accuracy than Patent Document 1, description thereof is omitted.
（解剖学的標準化）
そして、診断支援装置１は、ステップＳ２２において作成された灰白質脳画像及び白質脳画像に対し「解剖学的標準化」を行う（ステップＳ２３）。
(Anatomical standardization)
Then, the diagnosis support apparatus 1 performs “anatomical standardization” on the gray matter brain image and the white matter brain image created in step S22 (step S23).
解剖学的標準化とは、標準脳画像へのボクセルの位置合わせを行うものである。本実施形態では、ＤＡＲＴＥＬによる解剖学的標準化を実行する。ＤＡＲＴＥＬの処理については特許文献１と同様であるため、記載を省略する。 Anatomical standardization is the alignment of voxels to a standard brain image. In this embodiment, anatomical standardization by DARTEL is executed. Since DARTEL processing is the same as that of Patent Document 1, description thereof is omitted.
ＤＡＲＴＥＬによる解剖学的標準化を施した灰白質脳画像と白質脳画像に対して、Ｓ／Ｎ比の向上等を目的に、画像平滑化の処理を行う。このように画像平滑化を行うことにより、解剖学的標準化処理で完全に一致しない個体差を低減させることができる。こちらも具体的な処理については、特許文献１と同様である。 An image smoothing process is performed on the gray matter brain image and the white matter brain image subjected to anatomical standardization by DARTEL for the purpose of improving the S / N ratio. By performing image smoothing in this way, individual differences that do not completely match in the anatomical standardization processing can be reduced. The specific processing is the same as that of Patent Document 1.
また、その後、比較対象となる健常者の画像群におけるボクセル値の分布と合わせるために、脳全体のボクセル値を補正する濃度値補正を行う。 After that, density value correction is performed to correct the voxel values of the entire brain in order to match the distribution of voxel values in the image group of healthy subjects to be compared.
（比較）
ステップＳ２４において、診断支援装置１は、健常者のＭＲＩ画像との比較を行い、被験者の脳の萎縮の程度を示す「萎縮スコア」を算出する。本実施形態では、萎縮スコアとして統計的指標である「Ｚスコア」を用いる。
(Comparison)
In step S <b> 24, the diagnosis support apparatus 1 compares the MRI image of a healthy person and calculates an “atrophy score” indicating the degree of brain atrophy of the subject. In the present embodiment, a “Z score” that is a statistical index is used as the atrophy score.
具体的には、上記したステップＳ２３により解剖学的標準化、画像平滑化等を施した被験者の灰白質脳画像及び白質脳画像と、予め収集して前記データベース部３０の健常者画像データベース３５に保存してある健常者の灰白質及び白質のＭＲＩ脳画像群との統計的比較を行い、ＭＲＩ脳画像の全ボクセル又は特定領域のボクセルについて灰白質及び白質のＺスコアを次のように算出する。以降、灰白質のＺスコアをＺ[灰白質]、白質のＺスコアをＺ[白質]と表す。 Specifically, the gray matter brain image and white matter brain image of the subject subjected to anatomical standardization, image smoothing, and the like in step S23 described above are collected in advance and stored in the healthy subject image database 35 of the database unit 30. A statistical comparison is made with the gray matter and white matter MRI brain image groups of a healthy person, and the Z score of the gray matter and white matter is calculated as follows for all voxels of the MRI brain image or voxels in a specific region. Hereinafter, the Z score of gray matter is expressed as Z [gray matter], and the Z score of white matter is expressed as Z [white matter].
上式に示すように、Ｚスコアは、被験者画像のボクセル値と、健常者画像群の対応するボクセル値の平均との差を、標準偏差によってスケーリングした値であり、灰白質及び白質の容積の相対的低下の度合を示すものである。 As shown in the above equation, the Z score is a value obtained by scaling the difference between the voxel value of the subject image and the average of the corresponding voxel values of the healthy subject image group by the standard deviation, and the gray matter and the white matter volume. It indicates the degree of relative decline.
尚、Ｚスコアに限らず、被験者画像と健常者画像とのボクセル値の大小が判断できるその他の指標を萎縮の程度を示す萎縮スコアとして用いてもよい（例えばｔスコア等）。 In addition, you may use not only Z score but the other parameter | index which can judge the magnitude of the voxel value of a test subject image and a healthy subject image as an atrophy score which shows the grade of atrophy (for example, t score etc.).
また、ステップＳ２４において使用した健常者画像データベース３５に保存される健常者の灰白質及び白質のＭＲＩ脳画像は、予め収集した健常者の画像群のそれぞれに対しステップＳ２１〜ステップＳ２３の「画像再構成」→「組織分割」→「解剖学的標準化」及び画像平滑化等の同様の処理を順次適用して作成されたものである。尚、この処理はコンピュータからなる処理部２０においてプログラムにより実行可能なものである。 In addition, the gray matter and white matter MRI brain images of the healthy person stored in the healthy person image database 35 used in step S24 are stored in the “image re-production” in steps S21 to S23 for each of the previously collected healthy person image groups. It is created by sequentially applying similar processes such as “configuration” → “tissue division” → “anatomical standardization” and image smoothing. This process can be executed by a program in the processing unit 20 comprising a computer.
以上説明した処理により、被験者のＭＲＩ脳画像から萎縮スコア（本実施形態ではＺスコア）が算出される。 Through the processing described above, an atrophy score (Z score in the present embodiment) is calculated from the MRI brain image of the subject.
図２のフローチャートに戻る。ステップＳ３において、診断支援装置１は、比較する各疾患に特異的な脳の部位（関心領域）を特定する。これは主に、処理部２０の部位特定機能２５により実現される。 Returning to the flowchart of FIG. In step S3, the diagnosis support apparatus 1 specifies a brain region (region of interest) specific to each disease to be compared. This is mainly realized by the part specifying function 25 of the processing unit 20.
例えば、診断支援装置１は、統計的処理に基づいて各疾患に関連する関心領域を特定する。具体的には、ある疾患に対応する関心領域を特定する場合、その疾患を持つ患者のＭＲＩ画像群（疾患画像群）と、それ以外の人の画像群（非疾患者画像群）とについて、ボクセル単位で２群間の有意差を統計的に検定する２標本t検定を行い、有意差が認められたボクセルを、その疾患における特徴的なボクセルとみなし、その座標の集合をその疾患に対応する関心領域（Ｒｅｇｉｏｎ Ｏｆ Ｉｎｔｅｒｅｓｔ：ＲＯＩ）として特定する。
また、特許５０９８３９３号記載のように有意水準と経験則の両方を考慮してＲＯＩを特定してもよい。
また、疾患画像（群）のみからＲＯＩを特定してもよい。例えば、疾患画像（群）について、脳全体における萎縮の大きさに相関して萎縮が大きい部位をＲＯＩとして特定してもよい。
その他、診断者等の主観により手動でＲＯＩを特定してもよい。
For example, the diagnosis support apparatus 1 specifies a region of interest related to each disease based on statistical processing. Specifically, when specifying a region of interest corresponding to a certain disease, an MRI image group (disease image group) of a patient having the disease and an image group (non-disease person image group) of other people, A two-sample t-test is performed to statistically test the significant difference between two groups in units of voxels. Voxels with significant differences are regarded as characteristic voxels in the disease, and the set of coordinates corresponds to the disease. Region of interest (ROI).
Further, as described in Japanese Patent No. 5098393, the ROI may be specified in consideration of both the significance level and the rule of thumb.
Alternatively, the ROI may be specified only from the disease image (group). For example, for a disease image (group), a region with large atrophy may be identified as an ROI in correlation with the magnitude of atrophy in the entire brain.
In addition, you may specify ROI manually by subjectivity, such as a diagnostician.
以降、本実施形態においては異なる疾患Ａと疾患Ｂを想定し、疾患Ａの関心領域ＲＯＩＡ、疾患Ｂの関心領域ＲＯＩＢが、ステップＳ３において特定されたものとして説明を行う。 Hereinafter, assuming a different disease A and disease B in this embodiment, the region of interest ROI A disease A, the region of interest ROI B disease B, will be described as those identified at step S3.
（比較表示）
ステップＳ４において、診断支援装置１は、ステップＳ３において特定した各部位の診断支援情報等を比較表示する。
(Comparison display)
In step S4, the diagnosis support apparatus 1 compares and displays the diagnosis support information and the like of each part specified in step S3.
ここで、ステップＳ４において表示される「萎縮度」及び「萎縮比」について説明する。これらの指標は、主に、処理部２０の主に萎縮度算出機能２５、萎縮比算出機能２７により算出される。 Here, the “atrophy degree” and the “atrophy ratio” displayed in step S4 will be described. These indexes are mainly calculated by the atrophy degree calculation function 25 and the atrophy ratio calculation function 27 of the processing unit 20.
＜萎縮度＞
診断支援装置１は、「関心領域内」における萎縮の程度を示す「萎縮度」を算出する。また、萎縮度を灰白質及び白質の組織毎に算出することで、各疾患に関連する部位の萎縮の程度を組織毎に定量的に評価することができるようにする。
<Atrophy degree>
The diagnosis support apparatus 1 calculates the “atrophy degree” indicating the degree of atrophy in “the region of interest”. Further, by calculating the degree of atrophy for each gray matter and white matter tissue, the degree of atrophy of the site related to each disease can be quantitatively evaluated for each tissue.
具体的には、関心領域ＲＯＩＡ内の「灰白質」の萎縮度（数式３）、及び「白質」の萎縮度（数式４）は次のようにＺスコアから算出される。 Specifically, the “gray matter” atrophy degree (Equation 3) and the “white matter” atrophy degree (Equation 4) in the region of interest ROI A are calculated from the Z score as follows.
また、関心領域ＲＯＩＢ内の「灰白質」の萎縮度（数式５）、及び「白質」の萎縮度（数式６）は次のように算出される。 In addition, the degree of atrophy of “gray matter” (Formula 5) and the degree of atrophy of “White matter” (Formula 6) in the region of interest ROI B are calculated as follows.
尚、本実施形態では、萎縮度として関心領域内の「正のＺスコアの平均値」を採用しているが、これに限らず、任意に閾値を定めた「閾値を超えるＺスコアの平均値」または単に「Ｚスコアの平均値」を採用してもよい。また、ＲＯＩ内の総ボクセル数に対してＺスコアが閾値を超えるボクセルが占める割合を採用してもよい。 In the present embodiment, the “average value of positive Z scores” in the region of interest is adopted as the degree of atrophy, but this is not restrictive, and an “average value of Z scores exceeding the threshold value” is arbitrarily set. Or simply “average value of Z scores” may be adopted. Moreover, you may employ | adopt the ratio for which the voxel which Z score exceeds a threshold value with respect to the total number of voxels in ROI.
＜萎縮比＞
診断支援装置１は、上記した萎縮度に基づき更に「萎縮比」を算出する。ここで、「萎縮比」とは異なる疾患が想定されるときにある疾患を基準として他の疾患の特徴がどれだけ大きいかを示す指標のことを言う。前述した萎縮度は、疾患毎の関心領域における萎縮の程度を個別的に把握できるものの、各疾患の関連性を一意に把握できる指標ではないため、各疾患を鑑別支援する指標としては十分ではない。そこで、本実施形態では、更に、上記算出した各疾患の萎縮度の比である「萎縮比」を定義し、これを各疾患の鑑別支援の指標として用いる。
例えば、疾患Ａ、疾患Ｂが想定される場合、疾患Ａを基準とした疾患Ｂの萎縮比は次のように算出される。
<Atrophy ratio>
The diagnosis support apparatus 1 further calculates the “atrophy ratio” based on the atrophy degree described above. Here, an “atrophy ratio” refers to an index indicating how large the characteristics of other diseases are based on a certain disease when a different disease is assumed. Although the degree of atrophy described above can individually grasp the degree of atrophy in the region of interest for each disease, it is not an index that can uniquely grasp the relevance of each disease, so it is not sufficient as an index to support differentiation of each disease. . Therefore, in the present embodiment, the “atrophy ratio” that is a ratio of the atrophy degree of each disease calculated as described above is defined and used as an index for assisting in identifying each disease.
For example, when disease A and disease B are assumed, the atrophy ratio of disease B with respect to disease A is calculated as follows.
萎縮比も萎縮度と同様に、灰白質及び白質について算出する。尚、基準となる疾患Ａの萎縮度（数式の分母）については、疾患Ａの患者においてＲＯＩＡ内で萎縮の傾向が強く現れる組織（「灰白質」又は「白質」のいずれか）を選択することが望ましい。
上式により、萎縮比の値が小さいと疾患Ａの傾向が強く、萎縮比の値が大きいと疾患Ｂの傾向が強いものと判断でき、各疾患の鑑別を支援する指標となりうる。例えば、適切な閾値を設定し、数式（７）（８）の萎縮比が閾値より小さい場合には疾患Ａ、萎縮比が閾値より大きい場合には疾患Ｂ、といった具合に各疾患を判別可能である。
The atrophy ratio is calculated for gray matter and white matter as well as the degree of atrophy. In addition, regarding the degree of atrophy (the denominator of the mathematical formula) of reference disease A, a tissue (either “gray matter” or “white matter”) in which the tendency of atrophy in ROI A strongly appears in the patient with disease A is selected. It is desirable.
According to the above formula, it can be determined that the tendency of the disease A is strong when the value of the atrophy ratio is small, and the tendency of the disease B is strong when the value of the atrophy ratio is large, and can be an index that supports the discrimination of each disease. For example, an appropriate threshold value is set, and each disease can be discriminated such as disease A when the atrophy ratio in Expressions (7) and (8) is smaller than the threshold, disease B when the atrophy ratio is larger than the threshold, and so on. is there.
尚、本実施形態においては、灰白質と白質の萎縮度及び萎縮比を個別的に算出しているが、灰白質と白質を合成して１つの萎縮度及び萎縮比を算出してもよい。これにより、両方の組織の萎縮を１つの指標を用いて評価できる。これは、例えば、ある疾患において灰白質及び白質の両方の組織が萎縮するような場合、若しくは、灰白質及び白質のいずれの組織が萎縮するかを判断できないような場合に有効な指標となりうる。
但し、この場合、健常者データベース３５には予め灰白質脳画像と白質脳画像を合成した健常者画像群が予め用意されており、これら画像群と被験者の灰白質脳画像及び白質脳画像を合成した被験者画像との比較により、Ｚスコアを算出し、当該Ｚスコアから萎縮度及び萎縮比を算出する。
In this embodiment, the gray matter and white matter atrophy and atrophy ratio are individually calculated, but the gray matter and white matter may be synthesized to calculate one atrophy degree and atrophy ratio. Thereby, atrophy of both tissues can be evaluated using one index. This can be an effective index when, for example, both gray matter and white matter tissues atrophy in a certain disease, or when it is impossible to determine which gray matter or white matter tissue atrophy.
However, in this case, the healthy subject database 35 is prepared in advance with a group of healthy subjects obtained by combining the gray matter brain image and the white matter brain image in advance, and the image group and the gray matter brain image and white matter brain image of the subject are synthesized. The Z score is calculated by comparison with the subject image, and the degree of atrophy and the atrophy ratio are calculated from the Z score.
例えば、Ｚスコアは下記のように算出される。 For example, the Z score is calculated as follows.
また、疾患Ａの関心領域ＲＯＩＡ、疾患Ｂの関心領域ＲＯＩＢにおける萎縮度は次のように算出される。 The degree of atrophy in the region of interest ROI A of disease A and the region of interest ROI B of disease B is calculated as follows.
さらに、上記した萎縮度から例えば疾患Ａを基準とした疾患Ｂの萎縮比は次のように算出される。 Further, for example, the atrophy ratio of the disease B based on the disease A is calculated from the above-described degree of atrophy as follows.
尚、基準となる疾患Ａの萎縮度（数式の分母）については、疾患Ａの患者においてＲＯＩＡ内で萎縮の傾向が強く現れる組織の形態（「灰白質及び白質」、「灰白質」、又は「白質」のいずれか）を選択することが望ましい。 Incidentally, atrophy of the disease A serving as a reference for the (denominators of equations) in the form of atrophy trend appears strong tissue within ROI A in the patient's disease A ( "gray matter and white matter", "gray matter", or It is desirable to select “white matter”).
以上説明した種々の指標（Ｚスコア、萎縮度、萎縮比）は、ユーザインターフェース部１０（表示機能１３）に表示される。
図４は、診断支援装置１のユーザインターフェース部１０の表示例を示す。
The various indexes described above (Z score, degree of atrophy, atrophy ratio) are displayed on the user interface unit 10 (display function 13).
FIG. 4 shows a display example of the user interface unit 10 of the diagnosis support apparatus 1.
図４の表示エリア４１には、脳のスライス画像が所定間隔おきに並べて表示される。そして、スライス画像上に「灰白質」のＺスコア（数式１）の分布（Ｚスコアマップ）が重ねて表示され、また、スライス画像上に疾患Ａの関心領域と疾患Ｂの関心領域が表示される。 In the display area 41 of FIG. 4, brain slice images are displayed side by side at predetermined intervals. Then, the distribution (Z score map) of the “gray matter” Z score (Formula 1) is displayed on the slice image, and the region of interest of disease A and the region of interest of disease B are displayed on the slice image. The
図５は、一枚のスライス画像を拡大した図である。スライス画像上に、Ｚスコアマップ５ａが表示され、また、スライス画像面での疾患Ａの関心領域５ｂが実線、疾患Ｂの関心領域５ｃが破線で表示される。これにより、スライス画像全体での萎縮の程度を把握できるとともに、スライス画像中の着目部位（関心領域５ｂ、５ｃ）の萎縮の程度を把握することができる。 FIG. 5 is an enlarged view of one slice image. The Z score map 5a is displayed on the slice image, and the region of interest 5b of the disease A on the slice image surface is displayed by a solid line, and the region of interest 5c of the disease B is displayed by a broken line. Thereby, while being able to grasp | ascertain the degree of atrophy in the whole slice image, it is possible to grasp the degree of atrophy of the region of interest (region of interest 5b, 5c) in the slice image.
図４の表示エリア４２には、表示エリア４１と同様に脳のスライス画像が所定間隔おきに並べて表示される。但し、表示エリア４２においては、スライス画像上に「白質」のＺスコア（数式２）の分布が重ねて表示される。 In the display area 42 of FIG. 4, similarly to the display area 41, brain slice images are displayed at predetermined intervals. However, in the display area 42, the distribution of the “white matter” Z score (Formula 2) is displayed over the slice image.
このように表示エリア４１及び表示エリア４２において、組織毎（灰白質、白質）にＺスコアの分布を表示することで、組織毎の萎縮の違いを把握することができる。 In this way, in the display area 41 and the display area 42, by displaying the distribution of the Z score for each tissue (gray matter, white matter), it is possible to grasp the difference in atrophy for each tissue.
尚、Ｚスコアの表示の手段は様々であり、例えば、Ｚスコアの値に応じて濃淡を変えて表示してもよいし、等高線を用いて表示してもよい。また、各疾患における関心領域の表示の手段も様々であり、例えば、疾患ごとに関心領域を色分けして表示するようにしてもよい。 There are various means for displaying the Z score. For example, the Z score may be displayed in different shades according to the value of the Z score, or may be displayed using contour lines. There are various means for displaying the region of interest in each disease. For example, the region of interest may be displayed in different colors for each disease.
図４の表示エリア４３には、疾患Ａの関心領域（図４では部位Ａと示す）の「灰白質」の萎縮度（数式３）、及び「白質」の萎縮度（数式４）が数値表示され、また、疾患Ｂの関心領域（図４では部位Ｂと示す）の「灰白質」の萎縮度（数式５）、及び「白質」の萎縮度（数式６）が数値表示される。 In the display area 43 of FIG. 4, the “gray matter” atrophy (formula 3) and the “white matter” atrophy (formula 4) of the region of interest of disease A (shown as site A in FIG. 4) are numerically displayed. Further, the “gray matter” atrophy degree (Formula 5) and the “white matter” atrophy degree (Formula 6) of the region of interest of disease B (shown as site B in FIG. 4) are numerically displayed.
そして、図４の表示エリア４４には、疾患Ａを基準とした疾患Ｂの「灰白質」の萎縮比（数式７）、及び「白質」の萎縮比（数式８）が数値表示される。 In the display area 44 of FIG. 4, the “gray matter” atrophy ratio (Equation 7) and the “white matter” atrophy ratio (Equation 8) of the disease B based on the disease A are numerically displayed.
以上、本実施形態においては、診断支援装置１によって、各疾患の関心領域が特定され、特定した各疾患の関心領域に関する種々の指標を用いて各疾患を比較表示する。これにより、異なる疾患を比較又は鑑別支援する有効な診断支援情報が診断者に提供される。 As described above, in the present embodiment, the diagnosis support apparatus 1 identifies the region of interest of each disease, and compares and displays each disease using various indexes related to the identified region of interest of each disease. Thereby, effective diagnosis support information for comparing or differentiating different diseases is provided to the diagnostician.
[実施例]
ここでは、一実施例として、アルツハイマー型認知症（以下、「ＡＤ」と呼ぶ）とレビー小体型認知症（以下、「ＤＬＢ」と呼ぶ）の２つの疾患を対象として鑑別支援の可能性を検証した。
[Example]
Here, as an example, the possibility of differentiation support for two diseases of Alzheimer type dementia (hereinafter referred to as “AD”) and Lewy body type dementia (hereinafter referred to as “DLB”) is verified. did.
このうち、ＡＤにおいては、内側側頭部の灰白質に強い萎縮が観測されるため、ＭＲＩ画像を用いて内側側頭部の萎縮を定量的に評価することで、ＡＤの診断支援が可能であることは既に知られている。 Among these, in AD, strong atrophy is observed in the gray matter of the inner temporal head, and therefore, diagnosis of AD can be supported by quantitatively evaluating the inner head temporal atrophy using MRI images. It is already known that there is.
一方、ＤＬＢに関しては、ＭＲＩにおける疾患特異性について未だエビデンスが少ないのが現状である。しかしながら、近年の研究により、ＤＬＢは中脳（背側）の灰白質が萎縮するとの報告がなされている（ Whitwell, Jennifer L．et al．”Focal atrophy in dementia with Lewy bodies on MRI: a distinct
pattern from Alzeimer’s disease．” Brain(2007) ）。また、別の研究によれば、ＤＬＢは中脳（背側）・橋（背側）・小脳の白質が萎縮するとの報告がなされている（ Nakatsuka, et al．
“Discrimination of dementia with Lewy
bodies from Alzheimer’s disease using voxel-based
morphometry of white matter by statistical parametric mapping 8 plus
diffeomorphic anatomic registration through exponentiated Lie algebra．
”Neuroradiology(2013) ）。これら先行研究の知見によれば、ＤＬＢにおいては後部脳幹付近に特異な傾向があるものと推測される。
On the other hand, regarding DLB, there is still little evidence regarding disease specificity in MRI. However, recent studies have reported that DLB atrophy of gray matter in the midbrain (dorsal) (Whitwell, Jennifer L. et al. “Focal atrophy in dementia with Lewy bodies on MRI: a distinct
pattern from Alzeimer's disease. Brain (2007)) According to another study, DLB has been reported to atrophy white matter in the midbrain (dorsal), bridge (dorsal), and cerebellum (Nakatsuka, et al.
“Discrimination of dementia with Lewy
bodies from Alzheimer's disease using voxel-based
morphometry of white matter by statistical parametric mapping 8 plus
diffeomorphic anatomic registration through exponentiated Lie algebra.
"Neuroradiology (2013)). According to the findings of these previous studies, it is speculated that DLB has a unique tendency near the posterior brainstem.
実際に、診断支援装置１の部位特定機能２５によりＡＤ及びＤＬＢに特異的な部位（萎縮が大きい部位）を特定した結果、ＡＤの場合は「内側側頭部」付近が特異的な部位として現れ、ＤＬＢの場合は「後部脳幹」付近が特異的な部位として現れた。そこで、本実施例では、これら部位をＡＤとＤＬＢの関心領域に設定した。ここで、ＡＤの関心領域（内側側頭部付近）をＲＯＩＡ、ＤＬＢの関心領域（後部脳幹付近）をＲＯＩＢとする。 Actually, as a result of specifying a part specific to AD and DLB (part with large atrophy) by the part specifying function 25 of the diagnosis support apparatus 1, in the case of AD, the vicinity of the “inside temporal region” appears as a specific part. In the case of DLB, the vicinity of the “rear brainstem” appeared as a specific site. Therefore, in this embodiment, these parts are set as regions of interest of AD and DLB. Here, the region of interest of AD (near the inner side of the head) is ROI A and the region of interest of DLB (near the posterior brainstem) is ROI B.
次に、診断支援装置１の萎縮度算出機能２７により算出する萎縮度を検討する。ＡＤにおいては、前述したように内側側頭部付近の灰白質の萎縮が大きいため、数式３に基づく「灰白質」の萎縮度を採用した。ＤＬＢにおいては、前述した先行研究によれば、後部脳幹付近の灰白質、白質のいずれか又はその両方に影響が出る可能性があるため、組織毎に評価することとした。そこで、ＤＬＢの萎縮度として、数式５に基づく「灰白質」の萎縮度、及び数式６に基づく「白質」の萎縮度の両方を利用することとした。 Next, the degree of atrophy calculated by the atrophy degree calculation function 27 of the diagnosis support apparatus 1 is examined. In AD, since the gray matter atrophy near the inner temporal region is large as described above, the “gray matter” atrophy degree based on Equation 3 was adopted. In DLB, according to the previous research described above, gray matter and / or white matter in the vicinity of the posterior brainstem may be affected. Therefore, as the degree of DLB atrophy, both the “gray matter” atrophy degree based on Formula 5 and the “white matter” atrophy degree based on Formula 6 were used.
そして、診断支援装置１の萎縮比算出機能２９により算出する萎縮比として、数式７に基づく灰白質の萎縮比（以降、「τ１」と示す）、及び数式８に基づく白質の萎縮比（以降、「τ２」と示す）を採用した。ここで、数式７、８の萎縮比の分母に相当するＲＯＩＡ（内側側頭部付近）内のＡＤの萎縮度は、ＡＤ患者に萎縮の傾向が大きく表れる「灰白質」の萎縮度を用いた。 Then, as the atrophy ratio calculated by the atrophy ratio calculation function 29 of the diagnosis support apparatus 1, the atrophy ratio of gray matter based on Formula 7 (hereinafter referred to as “τ1”) and the atrophy ratio of white matter based on Formula 8 (hereinafter, “Τ2”) was adopted. Here, the degree of AD atrophy in ROI A (near the inner temporal region) corresponding to the denominator of the atrophy ratio of Equations 7 and 8 is the “gray matter” atrophy degree that shows a great tendency to atrophy in AD patients. It was.
図６は、上記した灰白質の萎縮比τ１及び白質の萎縮比τ２によりＡＤとＤＬＢを判別する一例を示す。
図６に示すように、萎縮比τ１に対して閾値α１、萎縮比τ２に対して閾値α２を設定し、τ１＞α１及びτ２＞α２の両方を満たす場合、ＤＬＢの疑いがあると判別できる。それ以外の場合は、ＡＤの疑いがあると判別できる。
FIG. 6 shows an example in which AD and DLB are discriminated based on the gray matter atrophy ratio τ1 and the white matter atrophy ratio τ2.
As shown in FIG. 6, when a threshold value α1 is set for the atrophy ratio τ1 and a threshold value α2 is set for the atrophy ratio τ2, and both τ1> α1 and τ2> α2 are satisfied, it can be determined that there is a suspicion of DLB. In other cases, it can be determined that there is a suspicion of AD.
図７は、実際にＡＤの患者とＤＬＢの患者を対象として上記した萎縮比τ１及び萎縮比τ２を診断支援装置１により算出した値を、模式的にプロットした図を
示す。灰色のドットがＡＤと診断された患者を示し、黒色のドットがＤＬＢと診断された患者を示す。本実施形態では閾値α１、α２はともに０．２に設定した。
図７に示すようにτ１＞α１及びτ２＞α２を満たすエリアにＤＬＢ患者が多く分布し、それ以外のエリアにＡＤ患者が多く分布しているのが分かり、良好な判別結果が得られた。これにより「萎縮比」がＡＤとＤＬＢを対象とした鑑別支援の指標として有効であることが確認された。
FIG. 7 is a diagram in which the values calculated by the diagnosis support apparatus 1 for the above-described atrophy ratio τ1 and atrophy ratio τ2 for AD patients and DLB patients are schematically plotted. Gray dots indicate patients diagnosed with AD, and black dots indicate patients diagnosed with DLB. In this embodiment, the threshold values α1 and α2 are both set to 0.2.
As shown in FIG. 7, it can be seen that many DLB patients are distributed in an area satisfying τ1> α1 and τ2> α2, and many AD patients are distributed in other areas, and a good discrimination result was obtained. As a result, it was confirmed that the “atrophy ratio” is effective as an index of differentiation support for AD and DLB.
以上、添付図面を参照しながら、本発明の好適な実施形態について説明したが、本発明はかかる例に限定されない。当業者であれば、本願で開示した技術的思想の範疇内において、各種の変更例又は修正例に想到し得ることは明らかであり、それらについても当然に本発明の技術的範囲に属するものと了解される。 The preferred embodiments of the present invention have been described above with reference to the accompanying drawings, but the present invention is not limited to such examples. It will be apparent to those skilled in the art that various changes or modifications can be conceived within the scope of the technical idea disclosed in the present application, and these naturally belong to the technical scope of the present invention. Understood.
１・・・・診断支援装置
１０・・・ユーザインターフェース部
１１・・・画像入力機能
１３・・・表示機能
２０・・・処理部
２１・・・画像処理機能
２３・・・統計処理機能
２５・・・部位特定機能
２７・・・萎縮度算出機能
２９・・・萎縮比算出機能
３０・・・データベース部
３１・・・灰白質脳画像テンプレート
３３・・・白質脳画像テンプレート
３５・・・健常者データベース
３７・・・関心領域ＲＯＩ
DESCRIPTION OF SYMBOLS 1 ... Diagnosis support apparatus 10 ... User interface part 11 ... Image input function 13 ... Display function 20 ... Processing part 21 ... Image processing function 23 ... Statistical processing function 25 .. Site identification function 27 ... Atrophy degree calculation function 29 ... Atrophy ratio calculation function 30 ... Database part 31 ... Gray matter brain image template 33 ... White matter brain image template 35 ... Healthy person Database 37 ... Region of interest ROI
Claims (6)
脳画像から、特定の疾患の関心領域における脳の萎縮の評価値を、複数の組織で算出する算出手段と、
算出した各組織の萎縮の評価値のそれぞれに前記特定の疾患を判定するための条件を設定する設定手段と、
算出した各組織の萎縮の評価値のそれぞれが対応する前記条件を満たす場合に、前記特定の疾患であると判定する判定手段と、
を備えることを特徴とする診断支援装置。 A diagnosis support apparatus for determining a specific disease from a plurality of assumed diseases,
From a brain image, a calculation means for calculating an evaluation value of brain atrophy in a region of interest of a specific disease in a plurality of tissues,
A setting means for setting a condition for determining the specific disease in each of the calculated evaluation values of atrophy of each tissue;
When each of the calculated evaluation values of the atrophy of each tissue satisfies the corresponding condition, a determination unit that determines that the specific disease is present;
A diagnostic support apparatus comprising:
ことを特徴とする請求項１に記載の診断支援装置。 The calculation means uses a plurality of atrophy ratios as a ratio of the atrophy degree in the region of interest of the specific disease to the atrophy degree in the region of interest of another disease different from the specific disease as the evaluation value of the atrophy. The diagnosis support apparatus according to claim 1, wherein the diagnosis support apparatus is calculated by an organization.
ことを特徴とする請求項２に記載の診断支援装置。 When calculating the atrophy ratio, the calculating means uses a degree of tissue atrophy in which a tendency of atrophy strongly appears in the region of interest of the other disease as the degree of atrophy in the region of interest of the other disease. The diagnosis support apparatus according to claim 2.
前記設定手段は、各組織の萎縮比がともに０．２以下の閾値より大きいことを、レビー小体型認知症を判定するための条件として設定する
ことを特徴とする請求項２または請求項３に記載の診断支援装置。 The specific disease is dementia with Lewy bodies, and the other disease is dementia with Alzheimer type,
The said setting means sets that the atrophy ratio of each tissue is larger than a threshold value of 0.2 or less as a condition for determining Lewy body dementia. The diagnosis support apparatus described.
前記コンピュータが、
脳画像から、特定の疾患の関心領域における脳の萎縮の評価値を、複数の組織で算出する算出ステップと、
算出した各組織の萎縮の評価値のそれぞれに前記特定の疾患を判定するための条件を設定する設定ステップと、
算出した各組織の萎縮の評価値のそれぞれが対応する前記条件を満たす場合に、前記特定の疾患であると判定する判定ステップと、
を実行することを特徴とする診断支援方法。 A computer-aided diagnosis support method for determining a specific disease from a plurality of assumed diseases,
The computer is
From the brain image, a calculation step of calculating an evaluation value of brain atrophy in a region of interest of a specific disease in a plurality of tissues,
A setting step for setting a condition for determining the specific disease in each of the calculated evaluation values of atrophy of each tissue;
When each of the calculated evaluation values of the atrophy of each tissue satisfies the corresponding condition, a determination step for determining that the specific disease is present;
A diagnostic support method comprising:
前記コンピュータを、
脳画像から、特定の疾患の関心領域における脳の萎縮の評価値を、複数の組織で算出する算出手段、
算出した各組織の萎縮の評価値のそれぞれに前記特定の疾患を判定するための条件を設定する設定手段、
算出した各組織の萎縮の評価値のそれぞれが対応する前記条件を満たす場合に、前記特定の疾患であると判定する判定手段、
として機能させることを特徴とするプログラム。 A program that causes a computer to function as a diagnosis support apparatus that determines a specific disease from a plurality of possible diseases,
The computer,
A calculation means for calculating an evaluation value of brain atrophy in a region of interest of a specific disease from a brain image in a plurality of tissues,
Setting means for setting a condition for determining the specific disease in each of the calculated evaluation values of atrophy of each tissue;
A determination means for determining that the calculated disease is the specific disease when each of the calculated evaluation values of the atrophy of each tissue satisfies the corresponding condition;
A program characterized by functioning as
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019073402A JP6705528B2 (en) | 2019-04-08 | 2019-04-08 | Medical image display processing method, medical image display processing apparatus and program |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019073402A JP6705528B2 (en) | 2019-04-08 | 2019-04-08 | Medical image display processing method, medical image display processing apparatus and program |
Related Parent Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2014194786A Division JP2016064004A (en) | 2014-09-25 | 2014-09-25 | Medical image display processing method, medical image display processing device and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2019136519A true JP2019136519A (en) | 2019-08-22 |
| JP6705528B2 JP6705528B2 (en) | 2020-06-03 |
Family
ID=67692608
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019073402A Active JP6705528B2 (en) | 2019-04-08 | 2019-04-08 | Medical image display processing method, medical image display processing apparatus and program |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6705528B2 (en) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102321601B1 (en) * | 2020-11-19 | 2021-11-05 | 주식회사 휴런 | Biological Classification Devices and Methods for Alzheimer's Disease Using Multimodal Brain Image |
| WO2023276563A1 (en) * | 2021-06-29 | 2023-01-05 | 大日本印刷株式会社 | Diagnosis assistance device, computer program, and diagnosis assistance method |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009005013A1 (en) * | 2007-06-29 | 2009-01-08 | Toshinori Kato | White matter enhancing device, white matter enhancing method, and program |
| WO2011040473A1 (en) * | 2009-09-29 | 2011-04-07 | 大日本印刷株式会社 | Method, device and program for medical image processing |
| WO2012032940A1 (en) * | 2010-09-07 | 2012-03-15 | 株式会社 日立メディコ | Dementia diagnosis support device and dementia diagnosis support method |
-
2019
- 2019-04-08 JP JP2019073402A patent/JP6705528B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2009005013A1 (en) * | 2007-06-29 | 2009-01-08 | Toshinori Kato | White matter enhancing device, white matter enhancing method, and program |
| WO2011040473A1 (en) * | 2009-09-29 | 2011-04-07 | 大日本印刷株式会社 | Method, device and program for medical image processing |
| WO2012032940A1 (en) * | 2010-09-07 | 2012-03-15 | 株式会社 日立メディコ | Dementia diagnosis support device and dementia diagnosis support method |
Non-Patent Citations (1)
| Title |
|---|
| ALEXANDER V. LEBEDEV ET AL.: "Cortical changes associated with depression and antidepressant use in Alzheimer and Lewy body dement", THE AMERICAN JOURNAL OF GERIATRIC PSYCHIATRY, vol. vo. 22, no.1, JPN6020007350, January 2014 (2014-01-01), pages 4 - 13, ISSN: 0004223047 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR102321601B1 (en) * | 2020-11-19 | 2021-11-05 | 주식회사 휴런 | Biological Classification Devices and Methods for Alzheimer's Disease Using Multimodal Brain Image |
| CN114343605A (en) * | 2020-11-19 | 2022-04-15 | 和人人工知能科技有限公司 | Biological classification device and method for Alzheimer's disease by using brain image |
| WO2023276563A1 (en) * | 2021-06-29 | 2023-01-05 | 大日本印刷株式会社 | Diagnosis assistance device, computer program, and diagnosis assistance method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6705528B2 (en) | 2020-06-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP2016064004A (en) | Medical image display processing method, medical image display processing device and program | |
| Rorden et al. | Age-specific CT and MRI templates for spatial normalization | |
| US8280482B2 (en) | Method and apparatus for evaluating regional changes in three-dimensional tomographic images | |
| JP6036009B2 (en) | Medical image processing apparatus and program | |
| JP5699936B2 (en) | Method, apparatus and program for operating medical image processing apparatus | |
| US8170347B2 (en) | ROI-based assessment of abnormality using transformation invariant features | |
| US20060239524A1 (en) | Dedicated display for processing and analyzing multi-modality cardiac data | |
| JP5601378B2 (en) | Medical image processing device | |
| JP2005237441A (en) | Method and apparatus for supporting diagnosis of encephalopathy | |
| EP1542589B1 (en) | Display of image data information | |
| WO2019007952A1 (en) | Method for assessing a likelihood that an ischemia in a brain tissue area results in an infarction of this brain tissue area by image analysis | |
| JP2011505949A (en) | Image analysis of brain image data | |
| JP4022587B2 (en) | Diagnosis support method and apparatus for brain disease | |
| JP2008237747A (en) | Device for region of interest determination | |
| Braga et al. | Investigation of the cingulate cortex in idiopathic generalized epilepsy | |
| Sun et al. | Automated template-based PET region of interest analyses in the aging brain | |
| JP2019136519A (en) | Medical image display processing method, device and program | |
| Cizadlo et al. | Image registration issues in the analysis of multiple injection 15OH2O PET studies: BRAINFIT | |
| Paniagua et al. | 3D of brain shape and volume after cranial vault remodeling surgery for craniosynostosis correction in infants | |
| JP2011115270A (en) | Diagnosis support system, method and computer program | |
| Fahmi et al. | Image based automated aspect score for acute ischemic stroke patients | |
| Gransjøen | Cortical thickness analysis–The methods | |
| Ochoa et al. | Exploring anatomical brain heterogeneity in subjects with mild cognitive impairment | |
| Iacono et al. | A method for morphological characterization of dural ectasia in Marfan syndrome | |
| Wong et al. | A CAD system for assessment of MRI findings to track the progression of multiple sclerosis |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190423 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200226 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200303 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200316 |
|
| 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: 20200414 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200427 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6705528 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |