特開 2024-171546 医用画像処理装置、医用画像処理方法、及びプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024171546

(43)【公開日】2024-12-12

(54)【発明の名称】医用画像処理装置、医用画像処理方法、及びプログラム

(51)【国際特許分類】

   A61B 6/03 20060101AFI20241205BHJP

   G16H 30/00 20180101ALI20241205BHJP

【ＦＩ】

A61B6/03 360T

A61B6/03 377

A61B6/03 360D

G16H30/00

【審査請求】未請求

【請求項の数】12

【出願形態】ＯＬ

(21)【出願番号】P 2023088612

(22)【出願日】2023-05-30

(71)【出願人】

【識別番号】594164542

【氏名又は名称】キヤノンメディカルシステムズ株式会社

(74)【代理人】

【識別番号】110001634

【氏名又は名称】弁理士法人志賀国際特許事務所

(72)【発明者】

【氏名】山▲崎▼ 優大

(72)【発明者】

【氏名】村口 陽平

(72)【発明者】

【氏名】山▲崎▼ 杏莉

(72)【発明者】

【氏名】坂口 卓弥

【テーマコード（参考）】

4C093

5L099

【Ｆターム（参考）】

4C093AA22

4C093AA26

4C093FF17

4C093FF18

4C093FF28

4C093FH03

4C093FH08

5L099AA26

(57)【要約】

【課題】偶発的所見の確信度を高めることができるようにする。
【解決手段】実施形態の医用画像処理装置は、取得部と、特定部と、を持つ。取得部は、診断目的に関する第１の条件で生成された第１の医用画像を取得する。特定部は、前記第１の医用画像に基づいて、前記診断目的と異なる病態に関する画像特徴を有し、前記第１の医用画像とは異なる第２の条件で生成された第２の医用画像を特定する。
【選択図】図１

【特許請求の範囲】

【請求項1】

診断目的に関する第１の条件で生成された第１の医用画像を取得する取得部と、
前記第１の医用画像に基づいて、前記診断目的と異なる病態に関する画像特徴を有し、前記第１の医用画像とは異なる第２の条件で生成された第２の医用画像を特定する特定部と、を備える、
医用画像処理装置。

【請求項2】

前記第２の条件は、前記病態に関する条件を含む、
請求項１に記載の医用画像処理装置。

【請求項3】

前記第１の医用画像を入力とし、前記第２の医用画像を出力とした学習を行うことにより学習済モデルを生成する学習部、を更に備える、
請求項１に記載の医用画像処理装置。

【請求項4】

前記第１の医用画像に基づいて、前記診断目的と異なる病態に関する画像特徴の有無を判定する判定部を更に備える、
請求項１に記載の医用画像処理装置。

【請求項5】

前記特定部は、前記診断目的と異なる病態に関する画像特徴を有する前記第１の医用画像を撮像した患者を撮像した医用画像の中から、前記第２の条件で生成された医用画像を検索し、検索された前記医用画像を前記第２の医用画像として特定する、
請求項４に記載の医用画像処理装置。

【請求項6】

前記特定部は、前記第２の条件で生成された医用画像のうち、前記第１の医用画像を撮像した後に撮像された医用画像を前記第２の医用画像として特定する、
請求項５に記載の医用画像処理装置。

【請求項7】

前記第１の条件は、医用画像を撮像する際の撮像条件または前記医用画像を再構成する再構成条件のうち少なくとも一つを含む、
請求項１に記載の医用画像処理装置。

【請求項8】

前記特定部は、前記診断目的と異なる病態の診断に要する必要領域を含む医用画像を前記第２の医用画像として特定する、
請求項１に記載の医用画像処理装置。

【請求項9】

前記第１の医用画像は、患者の全身を撮像した画像を含む、
請求項１に記載の医用画像処理装置。

【請求項10】

前記第２の医用画像を変換して前記第１の条件で生成した医用画像に相当する擬似医用画像を生成する変換処理部を更に備え、
前記学習部は、前記擬似医用画像を入力とし、前記第２の医用画像を出力として学習を行うことにより学習済モデルを生成する、
請求項３に記載の医用画像処理装置。

【請求項11】

コンピュータが、
診断目的に関する第１の条件で生成された第１の医用画像を取得し、
前記第１の医用画像に基づいて、前記診断目的と異なる病態に関する画像特徴を有し、前記第１の医用画像とは異なる第２の条件で生成された第２の医用画像を特定する、
医用画像処理方法。

【請求項12】

コンピュータに、
診断目的に関する第１の条件で生成された第１の医用画像を取得し、
前記第１の医用画像に基づいて、前記診断目的と異なる病態に関する画像特徴を有し、前記第１の医用画像とは異なる第２の条件で生成された第２の医用画像を特定する、ことを行わせる、
プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本明細書及び図面に開示の実施形態は、医用画像処理装置、医用画像処理方法、及びプログラムに関する。

【背景技術】

【0002】

例えば、所定の病変の発見などの目的をもって画像検査を行っているときに、目的と異なる病変等（以下、偶発的所見）が発見されることがある。偶発的所見に対しても迅速な措置が必要となることがあるが、偶発的所見を発見した際の画像検査は、偶発的所見に適していない条件で行われていることが多い。このため、画像検査の結果のみでさらなる診断を行うことが難しかった。さらに、偶発的所見の対処の緊急性が高い場合には、偶発的所見の確信度を高める必要もある。

【0003】

偶発的所見の確信度を高める方法として、類似症例の経過を追う方法がある。類似症例の経過を追うことで偶発的所見に相当する疾患に適した撮像条件での画像を特定でいる可能性はある。しかし、類似症例は、他の患者の画像であることが多いため、偶発的所見の確信度を高めることは難しい。

【0004】

さらに、偶発的所見の画像から再検査した画像の対応を学習し、画像変換モデルを構築することで推奨条件の画像を提示することができ、偶発的所見の確信度を高められる可能性がある。ところが、偶発的所見がある画像と再検査した推奨条件での画像の対応関係が記録されていることがないため、画像の変換モデルの学習が難しかった。

【先行技術文献】

【特許文献】

【0005】

【特許文献1】国際公開第２０２１／７５４１８号

【発明の概要】

【発明が解決しようとする課題】

【0006】

本明細書及び図面に開示の実施形態が解決しようとする課題は、偶発的所見の確信度を高めることができるようにすることである。ただし、本明細書及び図面に開示の実施形態により解決しようとする課題は上記課題に限られない。後述する実施形態に示す各構成による各効果に対応する課題を他の課題として位置づけることもできる。

【課題を解決するための手段】

【0007】

実施形態の医用画像処理装置は、取得部と、特定部と、を持つ。取得部は、診断目的に関する第１の条件で生成された第１の医用画像を取得する。特定部は、前記第１の医用画像に基づいて、前記診断目的と異なる病態に関する画像特徴を有し、前記第１の医用画像とは異なる第２の条件で生成された第２の医用画像を特定する。

【図面の簡単な説明】

【0008】

【図1】実施形態の病院内システム１の構成の一例を示すブロック図。

【図2】実施形態の医用画像処理装置１００の構成の一例を示すブロック図。

【図3】実施形態の医用画像処理装置１００における処理の一例を示すフローチャート。

【図4】学習済モデル１５２の機能を概念的に示す図。

【図5】偶発的所見医用画像に基づいて推奨条件医用画像を検索して特定する具体的手順の一例を説明する図。

【図6】連続して撮像される複数の医用画像を時系列で並べて示した図。

【図7】連続して撮像される複数の医用画像を時系列で並べて示した図。

【図8】各疾患の最適な撮像条件、各局所画像の撮像条件、及び疾患と局所画像の対応付け結果を示す図。

【図9】第３変形例の病院内システム１の構成の一例を示すブロック図。

【図10】変形例３の医用画像処理装置１００における処理の一例を示すフローチャート。

【図11】学習済モデル１５２の機能を概念的に示す図。

【発明を実施するための形態】

【0009】

以下、図面を参照しながら、実施形態の医用画像処理装置、医用画像処理方法、及びプログラム説明する。

【0010】

図１は、実施形態の病院内システム１の構成の一例を示すブロック図である。実施形態の病院内システム１は、例えば、病院情報システム（Hospital Information System：以下、ＨＩＳ）１０と、放射線科情報システム（Radiology Information System：以下、ＲＩＳ）２０と、医用画像診断装置（モダリティ）３０と、画像保存通信システム（ＰＡＣＳ：Picture Archiving and Communication System）４０と、医用画像処理装置１００とを備える。

【0011】

ＨＩＳ１０は、病院内での業務支援を行うコンピュータシステムである。具体的には、ＨＩＳ１０は、各種サブシステムを有する。各種サブシステムとしては、例えば、電子カルテシステム、医療会計システム、診療予約システム、来院受付システム、入退院管理システムが含まれる。

【0012】

ＨＩＳ１０は、例えば、ＣＰＵ（Central Processing Unit）等のプロセッサ、ＲＯＭ（Read Only Memory）やＲＡＭ（Random Access Memory）等のメモリ、ディスプレイ、入力インターフェース及び通信インターフェースを備えるサーバ装置やクライアント端末等のコンピュータを含む。

【0013】

ユーザは、ＨＩＳ１０に含まれる電子カルテシステムを用いて、患者に関する情報（以下、患者情報）を入力したり参照したりする。ユーザは、ＨＩＳ１０に対して画像検査オーダーを発行する。ＨＩＳ１０は、画像検査オーダーに応じたオーダー情報をＲＩＳ２０などの他のシステムに転送する。

【0014】

ＲＩＳ２０は、画像診断部門での業務支援を行うコンピュータシステムである。ＲＩＳ２０は、ＨＩＳ１０と連携した画像検査オーダーの予約管理のほか、検査機器への予約情報連携、検査情報の管理などを行う。ＲＩＳ２０は、例えば、ＣＰＵ等のプロセッサ、ＲＯＭやＲＡＭ等のメモリ、ディスプレイ、入力インターフェース及び通信インターフェースを備えるサーバ装置やクライアント端末等のコンピュータを含む。

【0015】

モダリティ３０は、例えば、画像検査指示等に基づき決定される撮影条件（撮影プロトコル）に従い撮像（撮影）を実行する。モダリティ３０としては、例えば、Ｘ線コンピュータ断層撮影装置（Ｘ線ＣＴ装置）、Ｘ線診断装置、磁気共鳴イメージング装置、超音波診断装置、核医学診断装置等が挙げられる。モダリティ３０は、例えば、医師（放射線科医）や診療放射線技師等のオペレータにより操作される。モダリティ３０は、撮像により生成した医用画像（画像データ）をＰＡＣＳ４０及び医用画像処理装置１００に送信する。

【0016】

医用画像は、例えば、モダリティ３０において撮像されたデータに基づいて、所定の再構成条件で再構成された画像を含む。例えば、モダリティ３０がＸ線ＣＴ装置である場合、医用画像は、Ｘ線ＣＴ装置が備えるＸ線検出器により検出された検出データや検出データに基づいて生成された投影データを、フィルタ補正逆投影法や逐次近似再構成法等により再構成した再構成画像を含む。

【0017】

ＰＡＣＳ４０は、モダリティ３０により送信された医用画像を受信してデータベースに保存するコンピュータシステムである。ＰＡＣＳ４０は、クライアントからのリクエストに応じて、データベースに保存された医用画像を送信（転送）する。ＰＡＣＳ４０は、ＣＰＵ等のプロセッサ、ＲＯＭやＲＡＭ等のメモリ、ディスプレイ、入力インターフェース、通信インターフェースを含むサーバ・コンピュータを含む。

【0018】

医用画像には、撮影対象の患者や撮影に関する情報が付帯情報として付帯されている。付帯情報は、例えば、ＤＩＣＯＭ（Digital Imaging and Communication in Medicine）規格に準拠した形式で、患者ＩＤ、検査ＩＤ、撮影条件（撮影プロトコル）、診断目的（病態や疾患）、読影レポート等の情報を含む。

【0019】

病院内システム１の構成は上記に限定されない。病院内システム１は、例えば、読影レポート作成装置等を含んでいてもよい。また、病院内システム１のいくつかの要素が統合されていてもよい。例えば、ＨＩＳ１０とＲＩＳ２０とが１個のシステムに統合されていてもよい。

【0020】

図２は、実施形態の医用画像処理装置１００の構成の一例を示すブロック図である。医用画像処理装置１００は、例えば、通信インターフェース１１０と、入力インターフェース１２０と、ディスプレイ１３０と、処理回路１４０と、メモリ１５０と、を備える。医用画像処理装置１００における通信インターフェース１１０、入力インターフェース１２０、及びディスプレイ１３０は、ＨＩＳ１０が備える通信インターフェース、入力インターフェース及びディスプレイとは別個に設けられているが、これらが共通していてもよい。

【0021】

通信インターフェース１１０は、例えば、ＬＡＮ(Local Area Network)などのネットワークＮＷを介してＲＩＳ２０、モダリティ３０、ＰＡＣＳ４０等の外部装置と通信する。通信インターフェース１１０は、例えば、ＮＩＣ（Network Interface Card）等の通信インターフェースを含む。ネットワークＮＷは、ＬＡＮに代えてまたは加えて、インターネット、セルラー網、Ｗｉ－Ｆｉ網、ＷＡＮ（Wide Area Network）等を含んでもよい。

【0022】

入力インターフェース１２０は、診療医等からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路１４０に出力する。入力インターフェース１２０は、例えば、診療医等により入力操作が行われた場合に、入力操作に応じた情報を生成する。入力インターフェース１２０に対する入力操作としては、例えば、検査目的や患者の症状、既往歴などの情報の入力操作が含まれる場合がある。検査目的や患者の症状、既往歴などの情報は、健常とは異なる対象患者の人体構造を推定し得る有用な情報である。

【0023】

入力操作としては、例えば、オーダー情報の生成、参照画像候補の選択、編集画像の添付、編集画像の編集に関する操作がある。これらの場合の入力操作が実行された場合には、入力インターフェース１２０は、生成指示情報、添付要求情報、選択情報、画像編集情報をそれぞれ生成する。入力インターフェース１２０は、生成した入力操作に応じた情報を処理回路１４０に出力する。

【0024】

入力インターフェース１２０は、例えば、マウス、キーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパネル等を含む。入力インターフェース１２０は、例えば、マイク等の音声入力を受け付けるユーザインターフェースであってもよい。入力インターフェース１２０がタッチパネルである場合、入力インターフェース１２０は、ディスプレイ１３０の表示機能を兼ね備えるものであってもよい。

【0025】

なお、本明細書において入力インターフェースはマウス、キーボード等の物理的な操作部品を備えるものだけに限られない。例えば、装置とは別体に設けられた外部の入力機器から入力操作に対応する電気信号を受け取り、この電気信号を制御回路へ出力する電気信号の処理回路も入力インターフェースの例に含まれる。

【0026】

ディスプレイ１３０は、各種の情報を表示する。例えば、ディスプレイ１３０は、処理回路１４０によって生成された画像や、操作者からの各種の入力操作を受け付けるためのＧＵＩ（Graphical User Interface）等を表示する。例えば、ディスプレイ１３０は、ＬＣＤ（Liquid Crystal Display）や、ＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等である。

【0027】

処理回路１４０は、例えば、取得機能１４１と、判定機能１４２と、特定機能１４３と、学習機能１４４と、送信機能１４５とを備える。処理回路１４０は、例えば、ハードウェアプロセッサ（コンピュータ）がメモリ（記憶回路）１５０に記憶されたプログラムを実行することにより、これらの機能を実現するものである。

【0028】

ハードウェアプロセッサとは、例えば、ＣＰＵ、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（Application Specific Integrated Circuit; ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device; ＳＰＬＤ）または複合プログラマブル論理デバイス（Complex Programmable Logic Device; ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array; ＦＰＧＡ）などの回路（circuitry）を意味する。

【0029】

メモリ１５０にプログラムを記憶させる代わりに、ハードウェアプロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、ハードウェアプロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。上記のプログラムは、予めメモリ１５０に格納されていてもよいし、ＤＶＤやＣＤ－ＲＯＭ等の非一時的記憶媒体に格納されており、非一時的記憶媒体が医用画像処理装置１００のドライブ装置（不図示）に装着されることで非一時的記憶媒体からメモリ１５０にインストールされてもよい。

【0030】

ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。医用画像処理装置１００におけるハードウェアプロセッサやメモリ等は、ＨＩＳ１０のハードウェアプロセッサやメモリ等とは別個に設けられているが、これらが共通していてもよい。

【0031】

メモリ１５０は、医用画像データベース（以下、ＤＢ）１５１及び学習済モデル１５２を記憶している。医用画像ＤＢ１５１は、例えば、モダリティ３０及びＰＡＣＳ４０により送信される医用画像をデータベースとして記憶する。学習済モデル１５２は、例えば、学習機能１４４により生成され、更新されたモデルである。

【0032】

医用画像には、診断目的が付帯されている。モダリティ３０において、医用画像は、診断目的に適した条件で撮像されている。このため、医用画像ＤＢ１５１に含まれる医用画像は、特定の疾患の診断に適した条件（以下、推奨条件）下で撮像された医用画像（以下、診断対象医用画像）である。

【0033】

メモリ１５０は、例えば、モダリティ３０を用いて診断対象医用画像を撮像している間にモダリティ３０により送信される医用画像を診断対象医用画像として記憶する。医用画像処理装置１００は、例えば、モダリティ３０による診断対象医用画像の撮像が所定回数終了した後にまとめて更新される。

【0034】

取得機能１４１は、モダリティ３０及びＰＡＣＳ４０により送信される医用画像（例えば、診断対象医用画像）を取得する。取得機能１４１は、取得部の一例である。取得機能１４１により取得される診断対象医用画像は、例えば、診断目的に関する第１の条件で生成された医用画像である。診断対象医用画像は、第１の医用画像の一例である。診断目的に関する第１の条件は、診断目的に関する条件であればどのような条件でもよく、例えば、ＣＴ画像を撮像する際の撮像条件でもよいし、データを再構成してＣＴ画像を生成する際の再構成条件でもよい。

【0035】

診断目的の対象となる診断は、例えば、特定の疾患を対象とした診断でもよいし、健康診断などの特定の疾患を対象とすることなく行う診断でもよい。第１の条件は、診断目的に適した条件であり、例えば、診断目的が特定の疾患の診断である場合には、特定の診断に適した条件である。ここでの条件は、例えば撮像条件を含む。撮像条件は、例えば、疾患ガイドラインや検査ガイドラインから取得された条件でよい。取得機能１４１は、取得した医用画像を医用画像ＤＢ１５１に含めてメモリ１５０に記憶させる。

【0036】

判定機能１４２は、取得機能１４１により取得された診断対象医用画像における診断目的と異なる病態などの所見（以下、偶発的所見）に関する画像特徴の有無を判定する。判定機能１４２は、例えば、診断対象医用画像に基づいて偶発的所見を判定してもよいし、診断対象医用画像に付帯する付帯情報に含まれる読影レポート等に基づいて偶発的所見を判定してもよい。

【0037】

偶発的所見は、例えば、診断目的が特定の疾患である場合には、特定の疾患とは異なる病態などの所見である。診断目的が健康診断である場合には、偶発的所見は、どのような疾患をも含む。判定機能１４２は、偶発的所見に関する画像特徴がある診断対象医用画像を偶発的所見医用画像と判定する。判定機能１４２は、判定部の一例である。

【0038】

診断対象医用画像が偶発的所見医用画像であると判定した場合に、判定機能１４２は、ＰＡＣＳ４０に保管されている診断対象医用画像を撮像した患者の過去の医用画像の提供を要求する。医用画像の提供の要求を受けたＰＡＣＳ４０は、要求された患者の過去の医用画像を医用画像処理装置１００に送信する。医用画像処理装置１００は、送信された医用画像を取得機能１４１により取得し、医用画像ＤＢ１５１に含めてメモリ１５０に記憶させる。

【0039】

特定機能１４３は、診断対象医用画像が偶発的所見医用画像であると判定された場合に、偶発的所見に関する画像特徴を有し、診断目的に関する条件とは異なる第２の条件（以下、推奨条件）で生成された医用画像（以下、推奨条件医用画像）を特定する。偶発的所見に関する画像特徴とは、偶発的所見に関する病態を診断するために適した画像特徴である。推奨条件は、偶発的所見の病態に関する条件を含む。推奨条件医用画像は、第２の医用画像の一例である。

【0040】

特定機能１４３は、例えば、メモリ１５０に記憶された医用画像ＤＢ１５１に含まれ、診断対象医用画像を撮像した患者を撮像した医用画像の中から、推奨条件医用画像を検索して特定する。特定機能１４３は、さらに、偶発的所見医用画像を撮像した後に撮像された医用画像の中から推奨条件医用画像を特定する。

【0041】

特定機能１４３は、判定機能１４２により診断対象医用画像が偶発的所見医用画像あると判定された場合に、ＰＡＣＳ４０に含まれる医用画像の中から推奨条件医用画像を特定してもよい。特定機能１４３は、診断対象医用画像を撮像した患者以外の者の医用画像や偶発的所見医用画像を撮像する前に撮像された医用画像の中から推奨条件医用画像を特定してもよい。特定機能１４３は、特定部の一例である。

【0042】

学習機能１４４は、特定機能１４３により特定された偶発的所見医用画像を入力データとし、判定機能１４２により判定された推奨条件医用画像を出力データとしたデータセットを用いて、学習済モデル１５２を生成してメモリ１５０に記憶させる。学習機能１４４は、例えば、偶発的所見医用画像を入力データとし、推奨条件医用画像を出力データとしたデータセットを用いて、メモリ１５０に記憶された学習済モデル１５２を更新する。学習機能１４４は、学習部の一例である。

【0043】

送信機能１４５は、特定機能１４３により特定された推奨条件医用画像を、医師等が操作中となっているモダリティ３０に送信する。送信機能１４５は、推奨条件医用画像を他の装置、例えば、ＰＡＣＳ４０などの装置に送信してもよい。送信機能１４５は、送信部の一例である。

【0044】

次に、医用画像処理装置１００における処理について説明する。図３は、実施形態の医用画像処理装置１００における処理の一例を示すフローチャートである。医用画像処理装置は、まず、モダリティ３０により送信される診断対象医用画像を取得機能１４１により取得する（ステップＳ１０１）。

【0045】

続いて、判定機能１４２は、取得機能１４１により取得された診断対象医用画像に偶発的所見に関する画像特徴が含まれるか否かを判定する（ステップＳ１０３）。診断対象医用画像に偶発的所見に関する画像特徴が含まれないと判定した場合、医用画像処理装置１００は、取得した診断態様医用画像をメモリ１５０に格納して、図３に示す処理を終了する。

【0046】

診断対象医用画像に偶発的所見に関する画像特徴が含まれると判定した場合、判定機能１４２は、診断対象医用画像を偶発的所見医用画像と判定する。続いて、特定機能１４３は、診断対象医用画像を撮像した患者を撮像した医用画像の中から、推奨条件医用画像を検索して特定する（ステップＳ１０５）。

【0047】

続いて、学習機能１４４は、判定機能１４２により判定された偶発的所見医用画像及び特定機能１４３により特定された推奨条件医用画像に基づいて、学習済モデル１５２を生成する（ステップＳ１０７）。図４は、学習済モデル１５２の機能を概念的に示す図である。学習済モデル１５２は、偶発的所見医用画像を入力データとし、推奨条件医用画像を出力データとする。偶発的所見医用画像及び推奨条件医用画像は、いずれも単数であってもよいし複数であってもよい。

【0048】

学習済モデル１５２は、例えば、入力層と中間層と出力層とを有する。入力層には、偶発的所見医用画像のデータが入力される。出力層からは、複数の推奨条件医用画像が出力される。中間層は、例えば、入力層と出力層をつなぐ多層のニューラルネットワークを有する。学習済モデルとしては、例えば、トランスフォーマー、バートが用いられる。学習済モデルとしては、ＴＦ－ＩＤＦ（Term Frequency - Inverse Document Frequency）等が用いられてもよい。学習機能１４４による処理を終えた後、医用画像処理装置１００は、図３に示す処理を終了する。

【0049】

続いて、特定機能１４３において、偶発的所見医用画像に基づいて推奨条件医用画像を検索して特定する具体的手順の一例について説明する。図５は、偶発的所見医用画像に基づいて推奨条件医用画像を検索して特定する具体的手順の一例を説明する図である。例えば、判定機能１４２における診断対象医用画像に対する判定の結果、偶発的所見医用画像ＧＰがあると判定されたとする。

【0050】

判定機能１４２では、例えば、コンピュータ検出支援ソフトウェア(ＣＡＤｅ：Computer Aided Detection)により偶発的所見に関する画像特徴（以下、病変）が検出されたとする。判定機能１４２は、例えば、コンピュータ診断支援ソフトウェアによる自動鑑別（ＣＡＤｘ：Computer-Aided Diagnosis）やトリアージ型コンピュータ診断支援ソフトウェアによるトリアージ（ＣＡＤｘ：Computer-Aided Triage）により病変を検出してもよいし、これらを組み合わせて病変を検出してもよい。

【0051】

判定機能１４２により偶発的所見医用画像と判定されたら、特定機能１４３は、例えば、同一患者で偶発的所見医用画像よりも後に撮影された画像を検索対象とし、同一病変が写り、病変の推奨条件で撮影された画像を検索する。例えば、ＣＡＤｅにより偶発的所見の病変として心肥大が偶発的所見医用画像ＧＰに含まれると判定されたとする。この場合、特定機能１４３は、偶発的所見医用画像ＧＰが撮像された後に撮像された医用画像ＭＰ１，ＭＰ２，・・・の中から、病変として心肥大が含まれ、心肥大を診断するために適した医用画像を推奨条件医用画像として特定する。図５に示す例では、第２医用画像ＭＰ２及び第３医用画像ＭＰ３を推奨条件医用画像として特定する。

【0052】

推奨条件医用画像を特定するにあたり、特定機能１４３は、時間的に後に撮像された医用画像との時間差に基づいて、推奨条件を絞り込んでもよい。例えば、特定機能１４３は、偶発的所見医用画像が撮像されてから過去数年、例えば過去１０年以内の医用画像の中から推奨条件医用画像を特定してもよい。

【0053】

例えば、過去１０年を超える医用画像については、例えば、医用画像におけるスライス幅、ウィンドウ値、心電同期などに条件を付し、ウィンドウ幅には条件を付することなく、条件を満たす医用画像の中から推奨条件医用画像を特定してよい。これらの条件は、予め規定しておいてよい。あるいは、新旧の臨床ガイドライン等に基づいて、自然言語処理等を利用して推奨条件を更新してもよい。条件をある程度緩和することで、データセットの減少を防ぐことができる。

【0054】

あるいは、特定機能１４３は、過去１０年を超える医用画像に対して厳しい条件を付け、過去１０年以内の医用画像からは緩い条件で推奨条件医用画像を特定してもよい。あるいは、特定機能１４３は、偶発的所見医用画像から、石灰化した部位を含むＣＴ画像を特定し、石灰化した心血管を含むＣＴ画像から、石灰化した心血管を含む超音波画像を検索するように、再帰的な検索を行ってもよい。

【0055】

学習済モデル１５２を生成し更新するにあたり、入力データとなる偶発的所見医用画像は複数でもよいが１つでもよく、出力データとなる推奨条件医用画像も複数でもよいし１つでもよい。偶発的所見医用画像と推奨条件医用画像は、画像の種類が同じでもよいし異なっていてもよい。

【0056】

実施形態では、画像の種類は、偶発的所見医用画像及び推奨条件医用画像のいずれもＣＴ画像であるが、例えば、偶発的所見医用画像がＣＴ画像であり、推奨条件医用画像が超音波画像であってもよい。入力データ及び出力データは、画像に代えて、他の情報、例えば、画像化前の信号値、サイノグラム、ＭＲＩ信号などの信号値でもよい。

【0057】

学習機能１４４は、時間情報を利用して、偶発的所見医用画像を入力データとし、任意の時間、例えばｔ時間後の推奨条件医用画像を出力データとする学習済モデルを生成して更新してもよい。学習済モデルの入力データまたは出力データは、偶発的所見医用画像に加えて、撮像条件の推奨度、モダリティ３０の種類を含んでもよい。撮像条件の推奨度は、例えば、推奨条件で撮像された医用画像のモダリティ３０及び撮像条件の頻度を入力データとして学習してもよい。

【0058】

実施形態の医用画像処理装置１００は、診断対象医用画像に偶発的所見が見つかった場合に、偶発的所見に適した推奨条件で撮像された推奨条件医用画像を特定する。医用画像処理装置１００は、偶発的所見が見つかった偶発的所見医用画像を入力データとし、水曜条件医用画像を出力データとした学習済モデル１５２を生成し更新する。このため、学習済モデル１５２の更新（学習）に適したデータセットで学習を行うことができるので、偶発的所見の確信度を高めることができる。

【0059】

（変形例１）
続いて、本発明の変形例として、変形例１について説明する。変形例１では、診断対象が心血管の石灰化であり、心臓を撮像するために適した撮像条件で医用画像を撮像した際に、偶発的所見として肝腫大の可能性がある画像が撮像された例を示す。図６は、連続して撮像される複数の医用画像を時系列で並べて示した図である。

【0060】

変形例１では、まず、心血管の石灰化を診断するために、図６に示す第１医用画像ＲＰ１を撮像したとする。第１医用画像ＲＰ１では、心臓Ｈのほかに、肝臓Ｒの一部が撮像されており、肝臓Ｒを表す領域から肝腫大の可能性が見いだされたとする。このときの第１医用画像ＲＰ１は、心血管の石灰化の診断に適した条件として心臓Ｈを表す領域の全体が写っているが、肝臓Ｒを表す領域については必ずしも全体が写っていないことがある。

【0061】

ここで、時系列で撮像される医用画像には、肝臓Ｒを表す領域の全体が写っている医用画像がある。特定機能１４３は、時系列で撮像された医用画像の中から、肝臓Ｒを表す領域の全体が写っている医用画像を推奨条件医用画像として特定する。特定機能１４３により特定される推奨条件医用画像は、単数でもよいし、複数でもよい。

【0062】

学習機能１４４は、例えば、心臓Ｈを表す領域の全体が写っている医用画像のうち、肝臓Ｒを表す領域の一部が写っている第１医用画像ＲＰ１を入力データとし、肝臓Ｒを表す領域の全体が写っている第２医用画像ＲＰ２を出力データとして学習済モデルを生成し更新する。このように、医用画像処理装置１００は、偶発的所見が含まれる領域に基づいて、推奨条件医用画像を特定してもよい。

【0063】

（変形例２）
続いて、変形例２について説明する。変形例２では、患部を位置合わせするために、患者の全身を撮像したＣＴ画像（以下、全身ＣＴ画像）に偶発的所見となる疾患が見つかった場合の例について説明する。変形例２では、診断対象が脂肪肝であり、患者の全身の画像を撮像した際に、偶発的所見として心血管の石灰化及び骨腫瘍の可能性がある画像が撮像された例を示す。図７は、連続して撮像される複数の医用画像を時系列で並べて示した図である。

【0064】

変形例２では、まず、患者の部位を位置合わせするための位置合わせ画像として、患者Ｐの全身を含む第１全身ＣＴ画像ＡＰ１を撮像する。続いて、診断対象となる脂肪肝の診断に適した条件で患者Ｐの全身を含む第２全身ＣＴ画像ＡＰ２を撮像する。ここでは、患者Ｐの全身が写っており、その中に心臓Ｈや脚部Ｌを表す領域が撮像されており、心臓Ｈを表す領域から心血管の石灰化、脚部Ｌを表す領域から骨腫瘍の可能性が見いだされたとする。

【0065】

この場合、例えば、まず、診断対象となる脂肪肝の本検査を行うために、肝臓Ｒを表す領域を含む第１局所画像ＰＰ１を撮像する。続いて、骨腫瘍の追加検査を行うために、脚部Ｌを表す領域第２局所画像ＰＰ２を撮像し、心血管の石灰化の追加検査を行うために、心臓Ｈを表す領域を含む第３局所画像ＰＰ３を撮像する。取得機能１４１は、各全身ＣＴ画像及び各局所画像を取得し、判定機能１４２は、各全身ＣＴ画像から偶発的所見の有無を判定する。ここでの心臓Ｈや脚部Ｌは、診断目的と異なる病態の診断に要する必要領域の一例である。

【0066】

メモリ１５０には、各疾患の最適な撮像条件が記憶されている。特定機能１４３は、各疾患の最適な撮像条件と各局所画像の撮像条件とを比較することにより、推奨条件医用画像となる局所画像を特定する。特定機能１４３は、特定した全身ＣＴ画像及び局所画像を対応付ける。学習機能１４４は、対応付けられた全身ＣＴ画像、例えば第１全身ＣＴ画像ＡＰ１を入力データとし、各局所画像ＰＰ１～ＰＰ３を出力データとした学習済モデルを生成し更新する。

【0067】

図８は、各疾患の最適な撮像条件、各局所画像の撮像条件、及び疾患と局所画像の対応付け結果を示す図である。特定機能１４３は、各疾患の最適な撮像条件と各局所画像の撮像条件とを比較し、一度合いが高いペアを対応付ける。例えば、骨腫瘍に最適な撮像条件には、第２局所画像ＰＰ２に設定された撮像条件が対応付けられ、心血管の石灰化に最適な撮像条件には、第３局所画像ＰＰ３に設定された撮像条件が対応付けられる。このように、医用画像処理装置１００は、各医用画像の撮像条件に基づいて、推奨条件医用画像を特定してもよい。

【0068】

（変形例３）
続いて、変形例３について説明する。図９は、第３変形例の病院内システム１の構成の一例を示すブロック図である。第３変形例は、上記の実施形態と比較して、処理回路１４０に変換処理機能１４６が設けられている点において異なる。変形例３において、変換処理機能１４６は、特定機能１４３により特定された推奨条件医用画像を画像変換して擬似的な診断対象医用画像として変換後画像を生成する。変換後画像は、例えば、診断対象医用画像に相当する画像である。変換後画像は、擬似医用画像の一例である。変換処理機能１４６は、変換処理部の一例である。

【0069】

変換処理機能１４６は、特定機能１４３により特定された推奨条件医用画像を画像変換する。画像変換は、任意の変換でよく、例えば、アフィン変換でもよいし、回転、輝度値変換でもよい。また、任意のテクスチャのオーバーレイ（病変の一部を掛けさせる変換）であったり、画像から任意の領域のみを抽出したり、任意のフィルタを畳み込んだり、周波数変換などを行ったりして画像変換を行う。

【0070】

また、画像変換は、４次元画像（３Ｄの動画像）から３次元画像や２次元画像への変換であったり、２次元画像から二次元画像への変換であったりしてもよい。画像変換に代えて画像化前の信号値を変換するようにしてもよい。信号値を変換する場合にあたり、例えば、信号値が超音波画像の元となる音響信号やＣＴ画像のサイノグラムの信号値である場合には、変換処理機能１４６は、信号値に対してフィルタの種類や再構成の方法を変更して画像を生成してもよい。

【0071】

続いて、変形例３の医用画像処理装置１００における処理について説明する。図１０は、変形例３の医用画像処理装置１００における処理の一例を示すフローチャートである。医用画像処理装置１００は、まず、推奨条件医用画像を取得する（ステップＳ２０１）。推奨条件医用画像としては、例えば、上記の実施形態のように、特定機能１４３により特定された推奨条件医用画像を取得してもよいし、ＰＡＣＳ４０などの外部装置により提供される推奨条件医用画像を取得してもよい。

【0072】

続いて、変換処理機能１４６は、取得された推奨条件医用画像を画像変換することにより、変換後画像を生成する（ステップＳ２０３）。続いて、変換処理機能１４６は、生成した変換後画像を偶発的所見医用画像と擬制した擬似偶発的所見医用画像とする（ステップＳ２０５）。

【0073】

続いて、学習機能１４４は、疑似偶発的所見医用画像を入力データとし、推奨条件医用画像を出力データとした学習済モデルを生成し更新する（ステップＳ２０７）。図１１は、学習済モデル１５２の機能を概念的に示す図である。学習済モデル１５２は、擬似偶発的所見医用画像を入力データとし、推奨条件医用画像を出力データとする入力層と中間層と出力層とを有する。中間層は、例えば、入力層と出力層をつなぐ多層のニューラルネットワークを有する。学習機能１４４による処理を終えた後、医用画像処理装置１００は、図１１に示す処理を終了する。

【0074】

以上説明した少なくとも１つの実施形態によれば、診断目的に関する第１の条件で生成された第１の医用画像を取得する取得部と、前記第１の医用画像に基づいて、前記診断目的と異なる病態に関する画像特徴を有し、前記第１の医用画像とは異なる第２の条件で生成された第２の医用画像を特定する特定部と、を持つことにより、偶発的所見の確信度を高めることができる。

【0075】

いくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

【符号の説明】

【0076】

１…病院内システム
１０…ＨＩＳ
１１…電子カルテシステム
２０…ＲＩＳ
３０…モダリティ
４０…ＰＡＣＳ
１００…医用画像処理装置
１１０…通信インターフェース
１２０…入力インターフェース
１３０…ディスプレイ
１４０…処理回路
１４１…取得機能
１４２…判定機能
１４３…特定機能
１４４…学習機能
１４５…送信機能
１５０…メモリ
１５１…医用画像ＤＢ
１５２…学習済モデル

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】