JP7348469B2 - 異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法 - Google Patents
異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法 Download PDFInfo
- Publication number
- JP7348469B2 JP7348469B2 JP2019075675A JP2019075675A JP7348469B2 JP 7348469 B2 JP7348469 B2 JP 7348469B2 JP 2019075675 A JP2019075675 A JP 2019075675A JP 2019075675 A JP2019075675 A JP 2019075675A JP 7348469 B2 JP7348469 B2 JP 7348469B2
- Authority
- JP
- Japan
- Prior art keywords
- abnormal shadow
- candidate
- identified
- shadow
- candidates
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Image Analysis (AREA)
Description
初めに、情報処理システム10の構成について説明を行う。図1は、情報処理システム10の構成について説明する図である。
図2は、新たな画像データ131の特徴量を特定する処理の具体例を説明する図であり、(A)(B)ともに肺のアキシャル断面を示す図である。図2(A)は、診断中の肺LUについての新たな画像データ131に含まれる1枚のスライス画像データ131aの具体例であり、図2(B)は、図2(A)に示すスライス画像データ131aから抽出された異常陰影SHの具体例である。
図4は、画像データ131から抽出した異常陰影SHの具体例について説明する図であり、(A)(B)(C)ともに肺のアキシャル断面を示す図である。なお、図4に示す肺LUa及び肺LUbは、図2で説明した肺LUにおける異なる2つの断面に対応している。
次に、情報処理システム10のハードウエア構成について説明する。図5は、情報処理装置1のハードウエア構成を説明する図である。
次に、情報処理システム10の機能について説明を行う。図6は、情報処理装置1の機能のブロック図である。
次に、第1の実施の形態の概略について説明する。図7は、第1の実施の形態における異常陰影特定処理の概略を説明するフローチャート図である。また、図8及び図9は、第1の実施の形態における異常陰影特定処理の概略を説明する図である。
次に、第1の実施の形態の詳細について説明する。図10から図18は、第1の実施の形態における異常陰影特定処理の詳細を説明するフローチャート図である。また、図19から図25は、第1の実施の形態における異常陰影特定処理の詳細を説明する図である。なお、以下、異常陰影特定処理において特定を行う異常陰影SHが蜂巣状陰影SHであるものとして説明を行う。
図12及び図13は、S12の処理の詳細について説明する図である。
図14及び図15は、S13及びS14の処理の詳細について説明する図である。
図19は、確率情報132の具体例について説明する図である。
図16から図18は、S15からS24の処理の詳細について説明する図である。
図17及び図18は、S143の処理の詳細について説明する図である。
図20から図22は、係数情報133の具体例について説明する図である。具体的に、図20は、第1係数情報133aの具体例について説明する図であり、図21は、第2係数情報133bの具体例について説明する図であり、図22は、第3係数情報133cの具体例について説明する図である。
初めに、第1係数情報133aの具体例について説明を行う。
次に、第2係数情報133bの具体例について説明を行う。
次に、第3係数情報133cの具体例について説明を行う。
図23は、閾値情報134の具体例について説明する図である。
図24は、S145の処理において出力される情報の具体例を説明する図であり、(A)(B)(C)ともに肺のコロナル断面を示す図である。図24(A)は、S12の処理で特定された蜂巣状陰影SHの候補を示す情報であり、図24(B)は、S14の処理で特定された蜂巣状陰影SHを示す情報であり、図24(C)は、S24の処理で特定された蜂巣状陰影SHを示す情報である。
体内の画像から異常陰影の候補を抽出し、
抽出した前記候補のうち、前記体内において検出された位置に基づく特定の値が所定条件を満たす候補を前記異常陰影として特定し、
抽出した前記候補のうち、特定した前記異常陰影に対応する位置において検出された候補であって、特定した前記異常陰影と所定の類似関係を有する候補を、前記異常陰影としてさらに特定する、
処理をコンピュータに実行させることを特徴とする異常陰影特定プログラム。
付記1において、
前記抽出する処理では、異常陰影を含む画像についての複数の学習データと、異常陰影を含まない画像についての複数の学習データとを学習することによって生成した分類器を用いることにより、前記候補の抽出を行う、
ことを特徴とする異常陰影特定プログラム。
付記2において、
前記抽出する処理では、
前記体内の画像に含まれる部分画像ごとに、各部分画像を入力したことに応じて前記分類器から出力された情報を取得し、
前記体内の画像に含まれる部分画像のうち、取得した前記情報が前記候補であること示す情報を含む部分画像を、前記候補として抽出する、
ことを特徴とする異常陰影特定プログラム。
付記1において、
前記所定条件を満たす候補を特定する処理では、
抽出した前記候補ごとに、各候補が前記体内において検出された位置における異常陰影の発生し易さを示す値と、各候補の前記異常陰影としての確からしさを示す値とから前記特定の値を算出し、
抽出した前記候補のうち、算出した前記特定の値が第1の閾値よりも大きい候補を前記異常陰影として特定する、
ことを特徴とする異常陰影特定プログラム。
付記1において、
前記異常陰影と所定の類似関係を有する候補を特定する処理では、
抽出した前記候補ごとに、抽出した前記候補のうち、前記体内において隣接して位置する他の候補を特定し、
抽出した前記候補ごとであって前記他の候補ごとに、抽出した前記候補に含まれる情報と前記他の候補に含まれる情報との類似度を示す値を算出し、
抽出した前記候補と前記他の候補との組み合わせのうち、算出した前記類似度が第2の閾値を上回る組み合わせに含まれる各候補を連結し、
抽出した前記候補のうち、前記所定条件を満たす候補を特定する処理において特定した前記候補と連結する候補を、前記異常陰影として特定する、
ことを特徴とする異常陰影特定プログラム。
付記5において、
前記異常陰影と所定の類似関係を有する候補を特定する処理では、
抽出した前記候補ごとであって前記他の候補ごとに、各候補の前記体内における位置関係と、各候補の前記異常陰影としての確からしさの比較結果とに基づいて前記第2の閾値を決定し、
抽出した前記候補と前記他の候補との組み合わせのうち、算出した前記類似度が各組み合わせに対応する前記第2の閾値を上回る組み合わせに含まれる各候補を連結する、
ことを特徴とする異常陰影特定プログラム。
付記1において、
体内の画像は、肺のスライス画像である、
ことを特徴とする異常陰影特定プログラム。
付記1において、
前記異常陰影は、蜂巣状陰影である、
ことを特徴とする異常陰影特定プログラム。
体内の画像から異常陰影の候補を抽出する候補抽出部と、
抽出した前記候補のうち、前記体内において検出された位置に基づく特定の値が所定条件を満たす候補を前記異常陰影として特定する第1特定部と、
抽出した前記候補のうち、特定した前記異常陰影に対応する位置において検出された候補であって、特定した前記異常陰影と所定の類似関係を有する候補を、前記異常陰影としてさらに特定する第2特定部と、を有する、
ことを特徴とする異常陰影特定装置。
付記9において、
前記第1特定部は、
抽出した前記候補ごとに、各候補が前記体内において検出された位置における異常陰影の発生し易さを示す値と、各候補の前記異常陰影としての確からしさを示す値とから前記特定の値を算出し、
抽出した前記候補のうち、算出した前記特定の値が第1の閾値よりも大きい候補を前記異常陰影として特定する、
ことを特徴とする異常陰影特定装置。
付記9において、
前記第2特定部は、
抽出した前記候補ごとに、抽出した前記候補のうち、前記体内において隣接して位置する他の候補を特定し、
抽出した前記候補ごとであって前記他の候補ごとに、抽出した前記候補に含まれる情報と前記他の候補に含まれる情報との類似度を示す値を算出し、
抽出した前記候補と前記他の候補との組み合わせのうち、算出した前記類似度が第2の閾値を上回る組み合わせに含まれる各候補を連結し、
抽出した前記候補のうち、前記所定条件を満たす候補を特定する処理において特定した前記候補と連結する候補を、前記異常陰影として特定する、
ことを特徴とする異常陰影特定装置。
付記11において、
前記第2特定部は、
抽出した前記候補ごとであって前記他の候補ごとに、各候補の前記体内における位置関係と、各候補の前記異常陰影としての確からしさの比較結果とに基づいて前記第2の閾値を決定し、
抽出した前記候補と前記他の候補との組み合わせのうち、算出した前記類似度が各組み合わせに対応する前記第2の閾値を上回る組み合わせに含まれる各候補を連結する、
ことを特徴とする異常陰影特定装置。
体内の画像から異常陰影の候補を抽出し、
抽出した前記候補のうち、前記体内において検出された位置に基づく特定の値が所定条件を満たす候補を前記異常陰影として特定し、
抽出した前記候補のうち、特定した前記異常陰影に対応する位置において検出された候補であって、特定した前記異常陰影と所定の類似関係を有する候補を、前記異常陰影としてさらに特定する、
ことを特徴とする異常陰影特定方法。
付記13において、
前記所定条件を満たす候補を特定する工程では、
抽出した前記候補ごとに、各候補が前記体内において検出された位置における異常陰影の発生し易さを示す値と、各候補の前記異常陰影としての確からしさを示す値とから前記特定の値を算出し、
抽出した前記候補のうち、算出した前記特定の値が第1の閾値よりも大きい候補を前記異常陰影として特定する、
ことを特徴とする異常陰影特定方法。
付記13において、
前記異常陰影と所定の類似関係を有する候補を特定する工程では、
抽出した前記候補ごとに、抽出した前記候補のうち、前記体内において隣接して位置する他の候補を特定し、
抽出した前記候補ごとであって前記他の候補ごとに、抽出した前記候補に含まれる情報と前記他の候補に含まれる情報との類似度を示す値を算出し、
抽出した前記候補と前記他の候補との組み合わせのうち、算出した前記類似度が第2の閾値を上回る組み合わせに含まれる各候補を連結し、
抽出した前記候補のうち、前記所定条件を満たす候補を特定する処理において特定した前記候補と連結する候補を、前記異常陰影として特定する、
ことを特徴とする異常陰影特定方法。
付記14において、
前記異常陰影と所定の類似関係を有する候補を特定する工程では、
抽出した前記候補ごとであって前記他の候補ごとに、各候補の前記体内における位置関係と、各候補の前記異常陰影としての確からしさの比較結果とに基づいて前記第2の閾値を決定し、
抽出した前記候補と前記他の候補との組み合わせのうち、算出した前記類似度が各組み合わせに対応する前記第2の閾値を上回る組み合わせに含まれる各候補を連結する、
ことを特徴とする異常陰影特定方法。
130:情報格納領域 NW:ネットワーク
Claims (6)
- 体内の画像に含まれる異常陰影の候補のうち、前記体内において検出された位置に基づく特定の値が所定条件を満たす候補を前記異常陰影として特定し、
前記異常陰影の候補ごとに、前記異常陰影の候補のうち、前記体内において隣接して位置する他の候補を特定し、
前記異常陰影の候補ごとであって前記他の候補ごとに、前記異常陰影の候補に含まれる情報と前記他の候補に含まれる情報との類似度を示す値を算出し、
前記異常陰影の候補ごとであって前記他の候補ごとに、各候補の前記体内における位置関係と、各候補の前記異常陰影としての確からしさの比較結果とに基づいて第2の閾値を決定し、
前記異常陰影の候補と前記他の候補との組み合わせのうち、算出した前記類似度が各組み合わせに対応する前記第2の閾値を上回る第1の組み合わせを特定し、
特定した前記第1の組み合わせのうち、前記異常陰影を特定する処理において前記異常陰影として特定された候補を含む組み合わせに含まれる各候補を連結し、
前記第1の組み合わせに含まれる候補のうち、前記異常陰影を特定する処理において特定した前記異常陰影と連結する候補を、前記異常陰影としてさらに特定する、
処理をコンピュータに実行させることを特徴とする異常陰影特定プログラム。 - 請求項1において、
前記所定条件を満たす候補を特定する処理では、
前記体内の画像に含まれる異常陰影の候補ごとに、各候補が前記体内において検出された位置における異常陰影の発生し易さを示す値と、各候補の前記異常陰影としての確からしさを示す値とから前記特定の値を算出し、
前記体内の画像に含まれる異常陰影の候補のうち、算出した前記特定の値が第1の閾値よりも大きい候補を前記異常陰影として特定する、
ことを特徴とする異常陰影特定プログラム。 - 請求項1において、
体内の画像は、肺のスライス画像である、
ことを特徴とする異常陰影特定プログラム。 - 請求項1において、
前記異常陰影は、蜂巣状陰影である、
ことを特徴とする異常陰影特定プログラム。 - 体内の画像に含まれる異常陰影の候補のうち、前記体内において検出された位置に基づく特定の値が所定条件を満たす候補を前記異常陰影として特定する第1特定部と、
前記異常陰影の候補ごとに、前記異常陰影の候補のうち、前記体内において隣接して位置する他の候補を特定し、前記異常陰影の候補ごとであって前記他の候補ごとに、前記異常陰影の候補に含まれる情報と前記他の候補に含まれる情報との類似度を示す値を算出し、前記異常陰影の候補ごとであって前記他の候補ごとに、各候補の前記体内における位置関係と、各候補の前記異常陰影としての確からしさの比較結果とに基づいて第2の閾値を決定し、前記異常陰影の候補と前記他の候補との組み合わせのうち、算出した前記類似度が各組み合わせに対応する前記第2の閾値を上回る第1の組み合わせを特定し、特定した前記第1の組み合わせのうち、前記異常陰影を特定する処理において前記異常陰影として特定された候補を含む組み合わせに含まれる各候補を連結し、前記第1の組み合わせに含まれる候補のうち、前記異常陰影を特定する処理において特定した前記異常陰影と連結する候補を、前記異常陰影としてさらに特定する第2特定部と、を有する、
ことを特徴とする異常陰影特定装置。 - 第1特定部が、体内の画像に含まれる異常陰影の候補のうち、前記体内において検出された位置に基づく特定の値が所定条件を満たす候補を前記異常陰影として特定し、
第2特定部が、前記異常陰影の候補ごとに、前記異常陰影の候補のうち、前記体内において隣接して位置する他の候補を特定し、前記異常陰影の候補ごとであって前記他の候補ごとに、前記異常陰影の候補に含まれる情報と前記他の候補に含まれる情報との類似度を示す値を算出し、前記異常陰影の候補ごとであって前記他の候補ごとに、各候補の前記体内における位置関係と、各候補の前記異常陰影としての確からしさの比較結果とに基づいて第2の閾値を決定し、前記異常陰影の候補と前記他の候補との組み合わせのうち、算出した前記類似度が各組み合わせに対応する前記第2の閾値を上回る第1の組み合わせを特定し、特定した前記第1の組み合わせのうち、前記異常陰影を特定する処理において前記異常陰影として特定された候補を含む組み合わせに含まれる各候補を連結し、前記第1の組み合わせに含まれる候補のうち、前記異常陰影を特定する処理において特定した前記異常陰影と連結する候補を、前記異常陰影としてさらに特定する、
ことを特徴とする異常陰影特定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019075675A JP7348469B2 (ja) | 2019-04-11 | 2019-04-11 | 異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019075675A JP7348469B2 (ja) | 2019-04-11 | 2019-04-11 | 異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020171541A JP2020171541A (ja) | 2020-10-22 |
JP7348469B2 true JP7348469B2 (ja) | 2023-09-21 |
Family
ID=72830251
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019075675A Active JP7348469B2 (ja) | 2019-04-11 | 2019-04-11 | 異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7348469B2 (ja) |
Citations (4)
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 |
US20110075901A1 (en) | 2009-09-30 | 2011-03-31 | Fujifilm Corporation | Medical image processing apparatus and method and computer-readable recording medium |
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 |
JP2018151791A (ja) | 2017-03-10 | 2018-09-27 | 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 |
-
2019
- 2019-04-11 JP JP2019075675A patent/JP7348469B2/ja active Active
Patent Citations (4)
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 |
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 |
US20110075901A1 (en) | 2009-09-30 | 2011-03-31 | Fujifilm Corporation | Medical image processing apparatus and method and computer-readable recording medium |
JP2018151791A (ja) | 2017-03-10 | 2018-09-27 | 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 |
Also Published As
Publication number | Publication date |
---|---|
JP2020171541A (ja) | 2020-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10650518B2 (en) | Computer aided diagnosis (CAD) apparatus and method | |
RU2449365C2 (ru) | Способы и устройство для интегрирования систематического прореживания данных в основанный на генетическом алгоритме выбор подмножества признаков | |
US9317918B2 (en) | Apparatus, method, and computer program product for medical diagnostic imaging assistance | |
US20140101080A1 (en) | Apparatus and method of diagnosis using diagnostic models | |
US10319093B2 (en) | Image processing apparatus, image processing method, and program | |
JP6693278B2 (ja) | 類似画像検索プログラム、類似画像検索方法、及び類似画像検索装置 | |
JP2010165127A (ja) | 情報処理装置および情報処理方法 | |
US11848100B2 (en) | Automatic clinical report generation | |
US11699508B2 (en) | Method and apparatus for selecting radiology reports for image labeling by modality and anatomical region of interest | |
EP3373194B1 (en) | Image retrieval apparatus and image retrieval method | |
JP5676597B2 (ja) | 内容に基づく画像検索についての関連性フィードバック | |
CA3111320A1 (en) | Determination of a growth rate of an object in 3d data sets using deep learning | |
US20220318298A1 (en) | Automated image retrieval with image graph | |
JP2022043631A (ja) | 情報処理装置、情報処理方法及びプログラム | |
JP7348469B2 (ja) | 異常陰影特定プログラム、異常陰影特定装置及び異常陰影特定方法 | |
JP2019522274A (ja) | 共参照解析、情報抽出および類似文書検索のための装置および方法 | |
Dastider et al. | Rescovnet: A deep learning-based architecture for covid-19 detection from chest ct scan images | |
CN114864093B (zh) | 基于眼底图像进行疾病预测的装置、方法及存储介质 | |
US20210398632A1 (en) | Medical information processing apparatus, medical information processing method, and storage medium | |
CN110837494B (zh) | 一种识别病历首页未特指诊断编码错误的方法及装置 | |
Gao et al. | Graph modeling and mining methods for brain images | |
CN112862750A (zh) | 基于多尺度融合和元启发优化的血管影像处理方法及装置 | |
Moosavi et al. | Segmentation and classification of lungs CT-scan for detecting COVID-19 abnormalities by deep learning technique: U-Net model | |
Pedrosa et al. | Lesion-based chest radiography image retrieval for explainability in pathology detection | |
Ravi | Deep fine-tuned efficientnetv2 ensemble deep learning approach for pediatric pneumonia detection using chest radiographs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220111 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221031 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221108 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230404 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230511 |
|
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: 20230808 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230821 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7348469 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |