JP2019508146A - 異常を識別及び定量化する方法及び装置 - Google Patents
異常を識別及び定量化する方法及び装置 Download PDFInfo
- Publication number
- JP2019508146A JP2019508146A JP2018545854A JP2018545854A JP2019508146A JP 2019508146 A JP2019508146 A JP 2019508146A JP 2018545854 A JP2018545854 A JP 2018545854A JP 2018545854 A JP2018545854 A JP 2018545854A JP 2019508146 A JP2019508146 A JP 2019508146A
- Authority
- JP
- Japan
- Prior art keywords
- normal
- data set
- abnormal
- anomaly
- measurements
- 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
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B45/00—ICT specially adapted for bioinformatics-related data visualisation, e.g. displaying of maps or networks
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- 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
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B20/00—ICT specially adapted for functional genomics or proteomics, e.g. genotype-phenotype associations
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/40—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for data related to laboratory analysis, e.g. patient specimen analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- 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
-
- 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
- G06T2207/30008—Bone
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Physics & Mathematics (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Data Mining & Analysis (AREA)
- Biomedical Technology (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Evolutionary Biology (AREA)
- Biophysics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Genetics & Genomics (AREA)
- Molecular Biology (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Artificial Intelligence (AREA)
- Bioethics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
本願は、2016年3月3日付けで出願されたオーストラリア特許出願第2016900806号に基づき、その出願日及び優先日の利益を主張する。上記出願の内容の全体を参照により本明細書に援用する。
正常母集団又は試料の測定値を含む少なくとも1つの第1選択データセット及び異常母集団又は試料の測定値を含む少なくとも1つの第2選択データセットを生成するステップと、
データセットを表す幾何学的仮想座標を正常又は異常被検者を表す点群をもたらす画像に変換すること等による、データセットの画像化(imagizing)(例えば、データセットの画像又はマップへの変換)により、画像又はマップを生成するステップと、
第1データセットを用いて画像内の正常ゾーンを識別するステップと、
第2データセットを用いて画像内の異常ゾーンを識別するステップと、
正常ゾーン及び異常ゾーン(それらの測度を含む)の比較に基づき異常の定義(形状、方向、及び/又は向きに基づく幾何学的定義等)を求めるステップと、
既知の正常及び異常両方の母集団又は試料の測定値を含む少なくとも1つの第3データセットを受け取る又はこれにアクセスするステップと、
最初に定義された異常の性能を1つ又は複数の予め設定された性能基準に対して試験するステップと、
最適な性能に達したら異常クオンティファイアを出力するステップと
を含み、正常母集団又は試料の測定値及び異常母集団の測定値は、共測定値(共依存又は非共依存パラメータの、共測定値の2次元以上の順序対等)を含む方法。
(i)ゾーン(正常又は異常)の全ての「粗」又は外側輪郭を識別する、すなわち、画像内の全ての正常点又は異常点をそれぞれ用いるステップと、
(ii)粗輪郭描出から、画像内でそれぞれが1つ又は複数の点(ピクセル又はボクセル)の幅を有する複数の関心領域を自動的に定義するステップと、
(iii)関心領域内の各密度プロファイル、強度プロファイル、又は減衰プロファイルを求めるステップと、
(iv)第1物質及び第2物質の一方内で第1基準点を定めて第1基準点を現在基準点として用いることを含む、移行部(junction)の場所を求めるステップと、
(v)各プロファイル上にある現在基準点に最も近い点と、第1物質及び第2物質のうち他方における現在基準点に最も近い点とを求めるステップと、
(vi)現在基準点と最も近い点との間の各プロファイルの線分における、隣接するピーク及びトラフ間の各プロファイルの値の最大差を特定するステップと、
(vii)線分における変曲点を特定するステップと、
(viii)変曲点(x値)に対応する線を新参照点として用いるステップと、
(ix)新参照点を用いて、解析された関心領域におけるゾーンの外縁を識別するステップと、
(x)選択された関心領域を外縁における提案中の基準点のそれぞれの周りで順に360°回転させた後に、ステップ(i)〜(ix)を繰り返すステップと、
(xi)解析された全ての関心領域をマージして、測定値(A)と測定値(B)との間の正常又は異常ゾーンの位置の外縁を識別するステップと
を含む。
i)点pの近傍は、点pから距離r内の範囲である。点pがコア点であるのは、少なくともm個の点がその近傍にある場合である。それらの点はpから直接到達可能であるといえる。非コア点から直接到達可能な点はない。
ii)点qがpから到達可能であるとは、各pi+1がpiから直接到達可能なp1=p且つpn=qであるパスP1,…,pnがあるということである。
iii)他のいずれの点からも到達可能でない点は全て外れ値と判定される。
(xii)ゾーン(正常又は異常)の全ての「粗」又は外側輪郭を識別する、すなわち、画像内の全ての正常点又は異常点を用いるステップと、
(xiii)粗輪郭描出から、画像内でそれぞれが1つ又は複数の点(ピクセル又はボクセル)の幅を有する複数の関心領域を自動的に定義するステップと、
(xiv)関心領域内の各密度プロファイル、強度プロファイル、又は減衰プロファイルを求めるステップと、
(xv)第1物質及び第2物質の一方内で第1基準点を定義して第1基準点を現在基準点として用いることを含む、移行部の場所を求めるステップと、
(xvi)各プロファイル上にある現在基準点に最も近い点と、第1物質及び第2物質のうち他方における現在基準点に最も近い点とを求めるステップと、
(xvii)現在基準点と最も近い点との間の各プロファイルの線分における、隣接するピーク及びトラフ間の各プロファイルの値の最大差を特定するステップと、
(xviii)線分における変曲点を特定するステップと、
(xix)変曲点(x値)に対応する線を新参照点として用いるステップと、
(xx)新参照点を用いて、解析された関心領域におけるゾーンの外縁を識別するステップと、
(xxi)選択された関心領域を外縁における提案中の基準点のそれぞれの周りで順に360°回転させた後に、ステップ(i)〜(ix)を繰り返すステップと、
(xxii)解析された全ての関心領域をマージして、測定値(A)と測定値(B)との間の正常又は異常ゾーンの位置の外縁を識別するステップと
を含む。
さらに2つの画像化されたデータセットで表される少なくとも1つの行列(共測定値を表す)において異常として現れる測定値、
大部分の当該行列で異常として現れる測定値、及び/又は
当該行列において最も少ない異常として現れる測定値。
(i)被検者が異常クオンティファイアによって骨脆弱性を高くしやすい高い異常レベルを有すると識別される場合、医療従事者は、被検者に骨吸収抑制剤を開始させないことを決定する。
(ii)被検者が骨吸収抑制剤を既に開始しており、被検者が脆弱性を高くしやすい高い異常レベルを有すると異常が識別する場合、医療従事者は、治療を止めるか、骨吸収抑制剤の用量を調整するか、又は代替的な治療を考慮することを決定する。
(iii)反復測定中、患者の監視時に骨脆弱性を高くしやすい異常レベルが上昇を示している場合、これは、骨吸収抑制剤治療の結果としての増加に起因する患者の骨折リスクが高いほど高レベルになる前に、医療従事者が骨吸収抑制剤の止め時を決定するか、治療レジメン(容量及び/又は投与間隔)を変更するか、又は他の治療選択肢を考慮する助けとなり得る。
(i)被検者が、異常クオンティファイアによって骨脆弱性を高くしやすい高い異常レベルを有すると識別され、且つこの異常に起因する骨折があり得る場合、医療従事者は、骨吸収抑制剤ではなく同化療法の開始を決定し得る。
(ii)被検者が骨吸収抑制剤を既に開始しており、被検者が脆弱性を高くしやすい高い異常レベルを有すると異常が識別し、且つ骨脆弱性の増加に起因する骨折があり得る場合、医療従事者は、骨吸収抑制剤から利用可能な同化療法の1つへの切り替えを決定する。
Claims (43)
- 異常クオンティファイアを作成する方法であって、
正常母集団又は試料の測定値を含む少なくとも1つの第1選択データセット及び異常母集団又は試料の測定値を含む少なくとも1つの第2選択データセットを生成するステップと、
前記データセットの画像化により画像又はマップを生成するステップと、
前記第1データセットを用いて前記画像又はマップ内の正常ゾーンを識別するステップと、
前記第2データセットを用いて前記画像又はマップ内の異常ゾーンを識別するステップと、
前記正常ゾーン及び前記異常ゾーンの比較に基づき異常の定義を求めるステップと、
既知の正常及び異常両方の母集団又は試料の測定値を含む少なくとも1つの第3データセットを受け取る又はこれにアクセスするステップと、
最初に定義された異常の性能を1つ又は複数の予め設定された性能基準に対して試験するステップと、
最適な性能に達したら異常クオンティファイアを出力するステップと
を含み、前記正常母集団又は試料の前記測定値及び前記異常母集団の前記測定値は、共測定値を含む方法。 - 請求項1に記載の方法において、1つ又は複数の正常試料又は被検者の測定により前記正常母集団又は試料の前記測定値を得るステップと、1つ又は複数の異常試料又は被検者の測定により前記異常母集団又は試料の前記測定値を得るステップとを含む方法。
- 請求項1に記載の方法において、前記第1データセット及び前記第2データセットの画像化は、データセットを表す幾何学的仮想座標を正常又は異常被検者を表す点群としての前記画像又はマップに変換することを含む方法。
- 請求項1に記載の方法において、前記異常の定義の変更により性能を最適化するステップを含む方法。
- 請求項1に記載の方法において、前記試料又は母集団の測定は、コンピュータ断層撮影(CT)、磁気共鳴イメージング(MRI)、又は他の撮像デバイスを用いて画像を取得すること、及び画像処理技法を用いて前記画像を処理することを含む方法。
- 請求項1に記載の方法において、前記試料の測定は、画像処理技法を用いて予め取得された画像を処理することを含む方法。
- 請求項1に記載の方法において、前記試料の測定は、分析技法を用いて生体試料を分析すること及び/又は測定器を用いて測定値を得ることを含む方法。
- 請求項1に記載の方法において、前記試料の測定は、アッセイを含む分析技法を用いて生体試料を分析することを含む方法。
- 請求項1に記載の方法において、前記試料の測定は、アッセイ測定器を含む測定器を用いて測定値を得ることを含む方法。
- 請求項1に記載の方法において、前記試料は生体試料である方法。
- 請求項1に記載の方法において、前記異常は肥満である方法。
- 請求項1に記載の方法において、前記試料は骨を含む方法。
- 請求項1に記載の方法において、前記測定デバイスは撮像デバイスである方法。
- 請求項13に記載の方法において、前記試料は骨を含み、前記測定デバイスは、複数の異なる骨パラメータセットを出力するよう構成される方法。
- 請求項1に記載の方法において、前記骨異常は易骨折性である方法。
- 請求項15に記載の方法において、前記易骨折性は、骨量減少を含む構造異常に起因する方法。
- 請求項16に記載の方法において、骨量減少から骨折が起こり得る時間枠を推定するステップをさらに含む方法。
- 請求項16に記載の方法において、予め分類された被検者を前記異常の定義の調整により再分類するステップをさらに含む方法。
- 請求項1に記載の方法において、前記異常は年齢依存性である方法。
- 請求項1に記載の方法において、前記易骨折性は骨脆弱性に起因する方法。
- 請求項1に記載の方法において、骨量減少に起因する易骨折性を骨脆弱性に起因する易骨折性から区別することを含む、易骨折性タイプを求めるステップをさらに含む方法。
- 請求項21に記載の方法において、前記易骨折性タイプに従って治療を施すステップをさらに含む方法。
- 請求項22に記載の方法において、前記易骨折性タイプに基づき治療を変えるステップを含む方法。
- 請求項22又は23に記載の方法において、前記治療は、
i)ロモソズマブ、アバロパラチド、テリパラチド、若しくは他の同化療法、又は
ii)デノスマブ、アレンドロネート、若しくは他の骨吸収抑制剤
である方法。 - 請求項1に記載の方法において、前記試料の1つ又は複数の測定値における1つ又は複数の異常を識別するステップをさらに含む方法。
- 請求項25に記載の方法において、前記1つ又は複数の異常に基づき治療を施す、設計する、又は変更するステップをさらに含む方法。
- 請求項25に記載の方法において、前記1つ又は複数の異常は骨にある方法。
- 請求項26に記載の方法において、前記1つ又は複数の異常は易骨折性の骨を含む方法。
- 請求項26に記載の方法において、前記治療は同化療法又は他の骨活性介入である方法。
- 1つ又は複数の測定値における異常を識別するコンピュータ実装方法であって、
正常母集団又は試料の測定値を含む少なくとも1つの第1データセット及び異常母集団又は試料の測定値を含む少なくとも1つの第2データセットを受け取る又はこれらにアクセスするステップと、
前記データセットの画像化により画像又はマップを生成するステップと、
前記第1データセットを用いて前記画像又はマップ内の正常ゾーンを識別するステップと、
前記第2データセットを用いて前記画像又はマップ内の異常ゾーンを識別するステップと、
前記正常ゾーン及び前記異常ゾーンの比較に基づき異常の定義を求めるステップと、
未知の母集団又は試料の測定値を含む少なくとも1つの第3データセットを受け取る又はこれにアクセスするステップと、
前記異常の定義から前記1つ又は複数の測定値の測定値のうち異常に相当するものを求めるステップと
を含み、前記正常母集団又は試料の前記測定値及び前記異常母集団の前記測定値は、共測定値を含むコンピュータ実装方法。 - 請求項30に記載のコンピュータ実装方法において、前記第1データセット及び前記第2データセットの画像化は、データセットを表す幾何学的仮想座標を正常又は異常被検者を表す点群としての前記画像又はマップに変換することを含むコンピュータ実装方法。
- 測定値の異常を定義及び定量化するソフトウェアデバイスを作成するコンピュータ実装方法であって、
正常母集団又は試料の測定値を含む少なくとも1つの第1データセット及び異常母集団又は試料の測定値を含む少なくとも1つの第2データセットを受け取る又はこれらにアクセスするステップと、
前記データセットの画像化により画像又はマップを生成するステップと、
前記第1データセットを用いて前記画像又はマップ内の正常ゾーンを識別するステップと、
前記第2データセットを用いて前記画像又はマップ内の異常ゾーンを識別するステップと、
前記正常ゾーン及び前記異常ゾーンの比較に基づき異常の定義を求めるステップと、
1つ又は複数の他のデータセットにおける測定値の異常を定義し異常の程度を定量化するよう構成されたソフトウェアデバイスを出力するステップと
を含み、前記正常母集団又は試料の前記測定値及び前記異常母集団の前記測定値は、共測定値を含むコンピュータ実装方法。 - 請求項32に記載の方法において、1つ又は複数の正常試料又は被検者の測定により前記正常母集団又は試料の前記測定値を得るステップと、1つ又は複数の異常試料又は被検者の測定により前記異常母集団又は試料の前記測定値を得るステップとを含む方法。
- 請求項32に記載のコンピュータ実装方法において、前記データセットの画像化は、データセットを表す幾何学的仮想座標を正常又は異常被検者を表す点群としての前記画像又はマップに変換することを含むコンピュータ実装方法。
- 1つ又は複数の測定値における異常を識別するコンピュータ実装方法であって、
正常母集団又は試料の測定値を含む少なくとも1つの第1データセットを受け取る又はこれにアクセスするステップと、
請求項1又は31に記載の方法に従って生成された異常の定義を受け取る又はこれにアクセスするステップと、
前記異常の定義から前記1つ又は複数の測定値の測定値のうち異常に相当するものを求めるステップと
を含むコンピュータ実装方法。 - 請求項1〜35のいずれか1項に記載の方法を実施するよう構成された装置。
- 1つ又は複数の測定値における異常を識別する装置であって、
プロセッサと、
メモリと、
少なくとも第1データセット及び第2データセットの画像化により画像又はマップを生成するよう構成されたデータ画像化部と、
前記第1データセットを用いて前記画像又はマップ内の正常ゾーンを識別し且つ前記第2データセットを用いて画像又はマップ内の異常ゾーンを識別するよう構成されたゾーン識別部と、
前記正常ゾーン及び前記異常ゾーンの比較に基づき異常の定義を求めるよう構成された異常定義部と、
少なくとも1つの結果を出力する出力部と
を備え、前記第1データセット及び第2データセットは、共測定値を含む装置。 - 請求項37に記載の装置において、前記第1データセット及び前記第2データセットの画像化は、データセットを表す幾何学的仮想座標を正常又は異常被検者を表す点群としての前記画像又はマップに変換することを含む装置。
- 請求項37に記載の装置において、正常の定義を求めるよう構成された正常定義部を含む装置。
- 請求項37に記載の装置において、2値化部を含む装置。
- コンピューティングデバイス又はコンピューティングデバイスのプロセッサにより実行されると前記コンピューティングデバイス又はプロセッサに請求項1〜31に記載の方法のいずれかを実施させる実行可能な命令又はソフトウェア。
- 請求項41に記載の実行可能な命令又はソフトウェアを含むコンピュータ可読媒体。
- コンピューティングデバイスであって、該コンピューティングデバイス又は該コンピューティングデバイスのプロセッサにより実行されると該コンピューティングデバイス又はプロセッサに請求項1〜31に記載の方法のいずれかを実施させる実行可能な命令又はソフトウェアを設けたコンピューティングデバイス。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
AU2016900806A AU2016900806A0 (en) | 2016-03-03 | Method and Apparatus for Identifying and Quantifying Abnormality | |
AU2016900806 | 2016-03-03 | ||
PCT/AU2017/050172 WO2017147648A1 (en) | 2016-03-03 | 2017-02-28 | Method and apparatus for identifying and quantifying abnormality |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019508146A true JP2019508146A (ja) | 2019-03-28 |
JP7160339B2 JP7160339B2 (ja) | 2022-10-25 |
Family
ID=59742404
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018545854A Active JP7160339B2 (ja) | 2016-03-03 | 2017-02-28 | 異常を識別及び定量化する方法及び装置 |
Country Status (7)
Country | Link |
---|---|
US (2) | US11462302B2 (ja) |
EP (1) | EP3423976B1 (ja) |
JP (1) | JP7160339B2 (ja) |
CN (2) | CN116051535A (ja) |
AU (1) | AU2017225901B2 (ja) |
ES (1) | ES2975107T3 (ja) |
WO (1) | WO2017147648A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020162649A (ja) * | 2019-03-28 | 2020-10-08 | 株式会社タニタ | 健康管理装置、健康管理システム、健康管理プログラム、及び健康管理方法 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111613266A (zh) * | 2020-05-20 | 2020-09-01 | 中南大学 | 基于定量构效关系的离群值检测方法 |
CN111680751B (zh) * | 2020-06-09 | 2023-05-30 | 南京农业大学 | 一种谷物产量图异常数据检测算法 |
CN117711593B (zh) * | 2024-02-05 | 2024-04-19 | 苏州绿华科技有限公司 | 一种智慧药房进出药管理*** |
CN118277755A (zh) * | 2024-05-31 | 2024-07-02 | 中环汽研(北京)低碳科技有限公司 | 一种车辆发动机燃油类别识别方法、装置和设备 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005198970A (ja) * | 2004-01-19 | 2005-07-28 | Konica Minolta Medical & Graphic Inc | 医用画像処理装置 |
JP2013504341A (ja) * | 2009-09-11 | 2013-02-07 | ストラックスコープ ピーティワイ リミテッド | 解析方法及び解析システム |
Family Cites Families (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050085705A1 (en) * | 2003-10-21 | 2005-04-21 | Rao Stephen M. | fMRI system for use in detecting neural abnormalities associated with CNS disorders and assessing the staging of such disorders |
JP2009522553A (ja) * | 2005-12-28 | 2009-06-11 | ヒルズ・ペット・ニュートリシャン・インコーポレーテッド | 体重状態または素因の診断方法 |
CN101561878B (zh) * | 2009-05-31 | 2012-11-21 | 河海大学 | 基于改进cure聚类算法的无监督异常检测方法与*** |
WO2011137409A1 (en) * | 2010-04-30 | 2011-11-03 | Vucomp, Inc. | Malignant mass detection and classification in radiographic images |
GB201012519D0 (en) * | 2010-07-26 | 2010-09-08 | Ucl Business Plc | Method and system for anomaly detection in data sets |
US20130044927A1 (en) * | 2011-08-15 | 2013-02-21 | Ian Poole | Image processing method and system |
CN102360378A (zh) * | 2011-10-10 | 2012-02-22 | 南京大学 | 一种时序数据离群点检测方法 |
GB201118000D0 (en) * | 2011-10-19 | 2011-11-30 | Orthox Ltd | An implantable repair device |
JP6075973B2 (ja) * | 2012-06-04 | 2017-02-08 | 富士通株式会社 | 健康状態判定装置およびその作動方法 |
CA2889382C (en) * | 2012-11-05 | 2019-01-22 | Landmark Graphics Corporation | System, method and computer program product for wellbore event modeling using rimlier data |
US10140576B2 (en) | 2014-08-10 | 2018-11-27 | Palo Alto Research Center Incorporated | Computer-implemented system and method for detecting anomalies using sample-based rule identification |
US10318886B2 (en) * | 2015-10-30 | 2019-06-11 | Citrix Systems, Inc. | Anomaly detection with K-means clustering and artificial outlier injection |
-
2017
- 2017-02-28 CN CN202310124797.5A patent/CN116051535A/zh active Pending
- 2017-02-28 ES ES17759003T patent/ES2975107T3/es active Active
- 2017-02-28 JP JP2018545854A patent/JP7160339B2/ja active Active
- 2017-02-28 US US16/081,701 patent/US11462302B2/en active Active
- 2017-02-28 CN CN201780025987.4A patent/CN109074432B/zh active Active
- 2017-02-28 EP EP17759003.1A patent/EP3423976B1/en active Active
- 2017-02-28 AU AU2017225901A patent/AU2017225901B2/en active Active
- 2017-02-28 WO PCT/AU2017/050172 patent/WO2017147648A1/en active Application Filing
-
2022
- 2022-10-03 US US17/959,180 patent/US20230112205A1/en active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005198970A (ja) * | 2004-01-19 | 2005-07-28 | Konica Minolta Medical & Graphic Inc | 医用画像処理装置 |
JP2013504341A (ja) * | 2009-09-11 | 2013-02-07 | ストラックスコープ ピーティワイ リミテッド | 解析方法及び解析システム |
Non-Patent Citations (1)
Title |
---|
VARUN CHANDOLA ET AL.: "Anomaly Detection: A Survey", ACM COMPUTING SURVEYS, vol. 41, no. 3, JPN7020004310, July 2009 (2009-07-01), pages 1 - 58, XP055555147, ISSN: 0004597897, DOI: 10.1145/1541880.1541882 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020162649A (ja) * | 2019-03-28 | 2020-10-08 | 株式会社タニタ | 健康管理装置、健康管理システム、健康管理プログラム、及び健康管理方法 |
JP7301343B2 (ja) | 2019-03-28 | 2023-07-03 | 株式会社タニタ | 健康管理装置、健康管理システム、健康管理プログラム、及び健康管理方法 |
Also Published As
Publication number | Publication date |
---|---|
EP3423976A1 (en) | 2019-01-09 |
AU2017225901A1 (en) | 2018-10-11 |
CN116051535A (zh) | 2023-05-02 |
EP3423976C0 (en) | 2024-02-21 |
US20230112205A1 (en) | 2023-04-13 |
US20210217162A1 (en) | 2021-07-15 |
CN109074432B (zh) | 2023-09-29 |
CN109074432A (zh) | 2018-12-21 |
EP3423976A4 (en) | 2019-03-20 |
AU2017225901B2 (en) | 2022-07-28 |
WO2017147648A1 (en) | 2017-09-08 |
ES2975107T3 (es) | 2024-07-03 |
EP3423976B1 (en) | 2024-02-21 |
JP7160339B2 (ja) | 2022-10-25 |
US11462302B2 (en) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20230112205A1 (en) | Method and apparatus for identifying and quantifying abnormality | |
JP6023235B2 (ja) | 病気の診断およびモニタリングのための医療画像化方法および装置ならびにその用途 | |
US10588589B2 (en) | Systems and methods for prediction of osteoporotic fracture risk | |
NL1024869C2 (nl) | Werkwijze en systeem voor het meten van voor ziekte relevante weefselveranderingen. | |
US10645259B2 (en) | Machine learning based real-time radiation dose assessment | |
CN109381805B (zh) | 确定组织的局部的组织功能的方法,计算单元,医学成像设备和计算机可读的数据载体 | |
US8897533B2 (en) | Medical image processing apparatus | |
Burghardt et al. | Quantitative in vivo HR-pQCT imaging of 3D wrist and metacarpophalangeal joint space width in rheumatoid arthritis | |
CN111602173B (zh) | 脑部断层扫描数据分析方法 | |
TW201935403A (zh) | 肝癌分群預測模型、其預測系統以及肝癌分群判斷方法 | |
US10335105B2 (en) | Method and system for synthesizing virtual high dose or high kV computed tomography images from low dose or low kV computed tomography images | |
Chang et al. | 3-T MR imaging of proximal femur microarchitecture in subjects with and without fragility fracture and nonosteoporotic proximal femur bone mineral density | |
US10762632B2 (en) | Analysis of skeletal trauma using deep learning | |
JP2022546344A (ja) | 脳卒中特徴取得のための画像処理 | |
Borggrefe et al. | Association of 3D geometric measures derived from quantitative computed tomography with hip fracture risk in older men | |
Peters et al. | The reliability of a semi-automated algorithm for detection of cortical interruptions in finger joints on high resolution CT compared to MicroCT | |
JP2007054214A (ja) | 磁気共鳴診断装置 | |
Denier et al. | The role of head circumference and cerebral volumes to phenotype male adults with autism spectrum disorder | |
Daemen et al. | Three-dimensional surface imaging for clinical decision making in pectus excavatum | |
CN115910379B (zh) | 一种肾结石术后疗效评估方法、***、设备及存储介质 | |
EP4254426A2 (en) | Method and system for selecting a region of interest in an image | |
WO2022018942A1 (ja) | 医用画像処理装置、方法およびプログラム | |
US20230419591A1 (en) | Method and Apparatus for Evaluating Surgical Corridors in the Skull | |
Duraivelu et al. | Improving early detection of Osteoporosis by bone densitometry functionalities using convolutional neural network–the systematic future for Para Athletes | |
WO2024046821A1 (en) | Detecting anatomical abnormalities in 2d medical images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200227 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210105 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20201228 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210405 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210921 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211217 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220520 |
|
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: 20220906 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221005 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7160339 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
S533 | Written request for registration of change of name |
Free format text: JAPANESE INTERMEDIATE CODE: R313533 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |