(19)【発行国】日本国特許庁(JP)
(12)【公報種別】特許公報(B2)
(11)【特許番号】
(24)【登録日】2024-09-24
(45)【発行日】2024-10-02
(54)【発明の名称】医用画像処理装置、医用画像処理システム及び医用画像処理方法
(51)【国際特許分類】
A61B 6/46 20240101AFI20240925BHJP
G16H 30/40 20180101ALI20240925BHJP
【ＦＩ】
A61B6/46 506Z
A61B6/46 506B
G16H30/40
【請求項の数】
17
(21)【出願番号】P 2020111624
(22)【出願日】2020-06-29
(65)【公開番号】P2022010859
(43)【公開日】2022-01-17
【審査請求日】2023-04-28
(73)【特許権者】
【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】110001771
【氏名又は名称】弁理士法人虎ノ門知的財産事務所
(72)【発明者】
【氏名】佐藤 基裕
(72)【発明者】
【氏名】倉富 奈央子
(72)【発明者】
【氏名】前濱 登美男
(72)【発明者】
【氏名】伊東 敬祐
(72)【発明者】
【氏名】小林 信夫
(72)【発明者】
【氏名】都丸 岳人
(72)【発明者】
【氏名】小島 訓
(72)【発明者】
【氏名】望月 明
(72)【発明者】
【氏名】小倉 智明
【審査官】清水 裕勝
(56)【参考文献】
【文献】特開２０２０－０４８６８５（ＪＰ，Ａ）
【文献】特開２００４－２９５１８４（ＪＰ，Ａ）
【文献】特開２００５－１０３０５５（ＪＰ，Ａ）
【文献】特開２００２－１６３６３３（ＪＰ，Ａ）
【文献】特開２０１０－２６８８２０（ＪＰ，Ａ）
【文献】米国特許出願公開第２０２０／０１６０１２２（ＵＳ，Ａ１）
【文献】特開２００３－１５９２６２（ＪＰ，Ａ）
【文献】特開２０１４－０３０５５６（ＪＰ，Ａ）
(58)【調査した分野】(Int.Cl.，ＤＢ名)
Ａ６１Ｂ ６／００－６／５８
(57)【特許請求の範囲】
【請求項1】
第１の検査における第１の診断目的と、前記第１の検査において収集された医用画像とに基づいて、前記第１の診断目的と分野が異なる第２の診断目的に応じた診断支援処理を実行する診断支援部と、前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知し、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師のリストを作成し、当該リストを前記患者に通知する通知部と
を備える、医用画像処理装置。
【請求項2】
前記診断支援部は、前記第２の診断目的に応じて、前記医用画像に対するコンピュータ支援診断（Ｃｏｍｐｕｔｅｒ－Ａｉｄｅｄ Ｄｉａｇｎｏｓｉｓ：ＣＡＤ）処理を行なうことにより、前記診断支援処理を実行する、請求項１に記載の医用画像処理装置。
【請求項3】
前記診断支援部は、前記第２の診断目的に応じて、前記医用画像に対する画像処理を行なって処理済み画像を生成し、生成した処理済み画像に対するＣＡＤ処理を行なうことにより、前記診断支援処理を実行する、請求項１に記載の医用画像処理装置。
【請求項4】
前記診断支援部は、前記医用画像の入力を受け付けて前記ＣＡＤ処理の結果を出力するように機能付けられた学習済みモデルを用いて、前記診断支援処理を実行する、請求項２又は３に記載の医用画像処理装置。
【請求項5】
前記診断支援部は、前記医用画像の入力を受け付けて前記処理済み画像を生成するように機能付けられた学習済みモデルを用いて、前記処理済み画像を生成し、生成した処理済み画像に対するＣＡＤ処理を行なうことにより前記診断支援処理を実行する、請求項３に記載の医用画像処理装置。
【請求項6】
前記診断支援部は、前記医用画像と、前記診断支援処理の結果に基づいて前記患者に対して行なわれた第２の検査の結果とを学習データとして用いて、前記学習済みモデルを更新する、請求項４又は５に記載の医用画像処理装置。
【請求項7】
前記通知部は、前記診断支援処理の結果に基づいて前記医用画像上の病変が疑われる箇所にマーカを付した画像を生成し、当該画像を含んだレポートにより、前記患者及び前記ユーザの少なくとも一方に対して前記診断支援処理の結果を通知する、請求項１～６のいずれか一項に記載の医用画像処理装置。
【請求項8】
前記診断支援処理の結果を表示させる表示制御部を更に備え、前記通知部は、前記診断支援処理の結果を参照した第１のユーザから受け付けた入力操作に応じて前記診断支援処理の結果を示すレポートを作成し、前記患者、及び、前記第１の検査を実行したユーザであって前記第１のユーザと異なる第２のユーザの少なくとも一方に対して前記レポートを通知する、請求項１～７のいずれか一項に記載の医用画像処理装置。
【請求項9】
前記通知部は、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師を特定し、特定した病院又は医師に対して、前記患者の受診を予約する、請求項１～８のいずれか一項に記載の医用画像処理装置。
【請求項10】
第１の検査における第１の診断目的に応じて医用画像を収集する収集部と、前記第１の診断目的と前記医用画像とに基づいて、前記第１の診断目的と分野が異なる第２の診断目的に応じた診断支援処理を実行する診断支援部と、
前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知し、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師のリストを作成し、当該リストを前記患者に通知する通知部と
を備える、医用画像処理システム。
【請求項11】
第１の検査における第１の診断目的と、前記第１の検査において収集された医用画像とに基づいて、前記第１の診断目的と分野が異なる第２の診断目的に応じた診断支援処理を実行し、前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知し、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師のリストを作成し、当該リストを前記患者に通知する
ことを含む、医用画像処理方法。
【請求項12】
第１の検査における第１の診断目的と、前記第１の検査において収集された医用画像とに基づいて、前記第１の診断目的と異なる第２の診断目的に応じた診断支援処理を実行する診断支援部と、前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知し、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師のリストを作成し、当該リストを前記患者に通知する通知部と
を備える、医用画像処理装置。
【請求項13】
第１の検査における第１の診断目的と、前記第１の検査において収集された医用画像とに基づいて、前記第１の診断目的と異なる第２の診断目的に応じた診断支援処理を実行する診断支援部と、前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知し、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師を特定し、特定した病院又は医師に対して、前記患者の受診を予約する通知部と
を備える、医用画像処理装置。
【請求項14】
第１の検査における第１の診断目的に応じて医用画像を収集する収集部と、前記第１の診断目的と前記医用画像とに基づいて、前記第１の診断目的と異なる第２の診断目的に応じた診断支援処理を実行する診断支援部と、
前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知し、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師のリストを作成し、当該リストを前記患者に通知する通知部と
を備える、医用画像処理システム。
【請求項15】
第１の検査における第１の診断目的に応じて医用画像を収集する収集部と、前記第１の診断目的と前記医用画像とに基づいて、前記第１の診断目的と異なる第２の診断目的に応じた診断支援処理を実行する診断支援部と、
前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知し、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師を特定し、特定した病院又は医師に対して、前記患者の受診を予約する通知部と
を備える、医用画像処理システム。
【請求項16】
第１の検査における第１の診断目的と、前記第１の検査において収集された医用画像とに基づいて、前記第１の診断目的と異なる第２の診断目的に応じた診断支援処理を実行し、前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知し、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師のリストを作成し、当該リストを前記患者に通知する
ことを含む、医用画像処理方法。
【請求項17】
第１の検査における第１の診断目的と、前記第１の検査において収集された医用画像とに基づいて、前記第１の診断目的と異なる第２の診断目的に応じた診断支援処理を実行し、前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知し、更に、前記診断支援処理の結果に応じて前記患者に受診を推薦する病院又は医師を特定し、特定した病院又は医師に対して、前記患者の受診を予約する
ことを含む、医用画像処理方法。
【発明の詳細な説明】
【技術分野】
【0001】
本明細書等に開示の実施形態は、医用画像処理装置、医用画像処理システム及び医用画像処理方法に関する。
【背景技術】
【0002】
患者は何か症状があって病院を訪れる場合が多い。また、病院では、患者の来院理由に応じて医用画像を収集し、収集した医用画像を用いて診断が行われる。例えば、患者が肩の痛みを訴えて来院した場合には肩を含む範囲についてＸ線画像が収集され、医師は、Ｘ線画像を参照しつつ患者の肩関節に異常がないかを確認する。
【先行技術文献】
【特許文献】
【0003】
【文献】特表２００６－５１１８８２号公報
【文献】特許第４７９９２５１号明細書
【文献】特許第６２７５８７６号明細書
【発明の概要】
【発明が解決しようとする課題】
【0004】
本明細書等に開示の実施形態が解決しようとする課題の一つは、収集された医用画像をより有効に活用することである。ただし、本明細書等に開示の実施形態により解決され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、本明細書等に開示の実施形態が解決する他の課題として位置付けることもできる。
【課題を解決するための手段】
【0005】
実施形態の医用画像処理装置は、診断支援部と、通知部とを備える。診断支援部は、第１の検査における第１の診断目的と、前記第１の検査において収集された医用画像とに基づいて、前記第１の診断目的と異なる第２の診断目的に応じた診断支援処理を実行する。通知部は、前記診断支援処理の結果を、前記第１の検査の対象となった患者及び前記第１の検査を実行したユーザの少なくとも一方に対して通知する。
【図面の簡単な説明】
【0006】
【発明を実施するための形態】
【0007】
以下、図面を参照しながら、医用画像処理装置、医用画像処理システム及び医用画像処理方法の実施形態について詳細に説明する。
【0008】
（第１の実施形態）
第１の実施形態では、医用画像処理装置３０を含んだ医用画像処理システム１を例として説明する。例えば、医用画像処理システム１は、図１に示すように、医用画像診断装置１０及び医用画像処理装置３０を備える。医用画像診断装置１０及び医用画像処理装置３０は、ネットワークＮＷを介して接続される。なお、図１は、第１の実施形態に係る医用画像処理システム１の構成の一例を示すブロック図である。
第１の実施形態では、医用画像処理装置３０を含んだ医用画像処理システム１を例として説明する。例えば、医用画像処理システム１は、図１に示すように、医用画像診断装置１０及び医用画像処理装置３０を備える。医用画像診断装置１０及び医用画像処理装置３０は、ネットワークＮＷを介して接続される。なお、図１は、第１の実施形態に係る医用画像処理システム１の構成の一例を示すブロック図である。
【0009】
医用画像診断装置１０は、患者Ｐ１から医用画像を収集する装置である。例えば、医用画像診断装置１０は、Ｘ線診断装置やＸ線ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）装置、超音波診断装置、磁気共鳴イメージング（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ：ＭＲＩ）装置、ＳＰＥＣＴ（Ｓｉｎｇｌｅ Ｐｈｏｔｏｎ Ｅｍｉｓｓｉｏｎ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）装置、ＰＥＴ（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）装置等である。なお、図１においては医用画像診断装置１０を１つ示すが、医用画像処理システム１は、医用画像診断装置１０を複数含んでもよい。
【0010】
医用画像処理装置３０は、医用画像診断装置１０によって収集された医用画像に基づく各種の処理を実行する。例えば、医用画像処理装置３０は、図１に示すように、入力インタフェース３１と、ディスプレイ３２と、メモリ３３と、処理回路３４とを有する。
【0011】
入力インタフェース３１は、ユーザ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３４に出力する。例えば、入力インタフェース３１は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力回路、音声入力回路等により実現される。なお、入力インタフェース３１は、医用画像処理装置３０本体と無線通信可能なタブレット端末等で構成されることにしても構わない。また、入力インタフェース３１は、マウスや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、医用画像処理装置３０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、この電気信号を処理回路３４へ出力する電気信号の処理回路も入力インタフェース３１の例に含まれる。
【0012】
ディスプレイ３２は、各種の情報を表示する。例えば、ディスプレイ３２は、後述する診断支援処理の結果を表示する。また、例えば、ディスプレイ３２は、入力インタフェース３１を介してユーザから各種の指示や設定等を受け付けるためのＧＵＩ（Ｇｒａｐｈｉｃａｌ Ｕｓｅｒ Ｉｎｔｅｒｆａｃｅ）を表示する。例えば、ディスプレイ３２は、液晶ディスプレイやＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイである。ディスプレイ３２は、デスクトップ型でもよいし、医用画像処理装置３０本体と無線通信可能なタブレット端末等で構成されることにしても構わない。
【0013】
メモリ３３は、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等により実現される。例えば、メモリ３３は、医用画像処理装置３０に含まれる回路がその機能を実現するためのプログラムを記憶する。また、メモリ３３は、医用画像診断装置１０から取得した各種の画像を記憶する。なお、メモリ３３は、医用画像処理装置３０とネットワークＮＷを介して接続されたサーバ群（クラウド）により実現されることとしてもよい。
【0014】
処理回路３４は、制御機能３４ａ、診断支援機能３４ｂ、通知機能３４ｃ及び表示制御機能３４ｄを実行することで、医用画像処理装置３０全体の動作を制御する。ここで、診断支援機能３４ｂは、診断支援部の一例である。また、通知機能３４ｃは、通知部の一例である。また、表示制御機能３４ｄは、表示制御部の一例である。
【0015】
例えば、処理回路３４は、制御機能３４ａに対応するプログラムをメモリ３３から読み出して実行することにより、入力インタフェース３１を介してユーザから受け付けた各種の入力操作に基づいて、診断支援機能３４ｂ、通知機能３４ｃ及び表示制御機能３４ｄといった各種の機能を制御する。また、制御機能３４ａは、ネットワークＮＷを介したデータの送受信を制御する。
【0016】
また、例えば、処理回路３４は、診断支援機能３４ｂに対応するプログラムをメモリ３３から読み出して実行することにより、医用画像診断装置１０により収集された医用画像を用いた診断支援処理を実行する。また、例えば、処理回路３４は、通知機能３４ｃに対応するプログラムをメモリ３３から読み出して実行することにより、診断支援機能３４ｂによる診断支援処理の結果の通知を行なう。また、例えば、処理回路３４は、表示制御機能３４ｄに対応するプログラムをメモリ３３から読み出して実行することにより、診断支援機能３４ｂによる診断支援処理の結果をディスプレイ３２に表示させる。なお、診断支援機能３４ｂ、通知機能３４ｃ及び表示制御機能３４ｄによる処理については後述する。
【0017】
次に、医用画像診断装置１０の一例として、図２に示すＸ線診断装置１１０について説明する。図２は、第１の実施形態に係るＸ線診断装置１１０の構成の一例を示すブロック図である。例えば、Ｘ線診断装置１１０は、Ｘ線高電圧装置１１１と、Ｘ線管１１２と、Ｘ線絞り器１１３と、Ｘ線検出器１１４と、入力インタフェース１１５と、ディスプレイ１１６と、メモリ１１７と、処理回路１１８とを備える。
【0018】
Ｘ線高電圧装置１１１は、処理回路１１８による制御の下、Ｘ線管１１２に高電圧を供給する。例えば、Ｘ線高電圧装置１１１は、変圧器（トランス）及び整流器等の電気回路を有し、Ｘ線管１１２に印加する高電圧を発生する高電圧発生装置と、Ｘ線管１１２が照射するＸ線に応じた出力電圧の制御を行うＸ線制御装置とを有する。高電圧発生装置は、変圧器方式であってもよいし、インバータ方式であってもよい。
【0019】
Ｘ線管１１２は、熱電子を発生する陰極（フィラメント）と、熱電子の衝突を受けてＸ線を発生する陽極（ターゲット）とを有する真空管である。Ｘ線管１１２は、Ｘ線高電圧装置１１１から供給される高電圧を用いて、陰極から陽極に向けて熱電子を照射することにより、Ｘ線を発生する。
【0020】
Ｘ線絞り器１１３は、Ｘ線の照射範囲を絞り込むコリメータと、Ｘ線を調節するフィルタとを有する。例えば、コリメータは、スライド可能な４枚の絞り羽根を有し、これら絞り羽根をスライドさせることで、Ｘ線管１１２が発生したＸ線を絞り込んで患者Ｐ１に照射させる。ここで、絞り羽根は、鉛などで構成された板状部材であり、Ｘ線の照射範囲を調整するためにＸ線管１１２のＸ線照射口付近に設けられる。また、フィルタは、患者Ｐ１に対する被曝線量の低減とＸ線画像の画質向上を目的として、その材質や厚みによって透過するＸ線の線質を変化させ、患者Ｐ１に吸収されやすい軟線成分を低減したり、Ｘ線画像のコントラスト低下を招く高エネルギー成分を低減したりする。また、フィルタは、その材質や厚み、位置などによってＸ線の線量及び照射範囲を変化させ、患者Ｐ１へ照射されるＸ線が予め定められた分布になるようにＸ線を減衰させる。
【0021】
例えば、Ｘ線絞り器１１３は、モータ及びアクチュエータ等の駆動機構を有し、後述する処理回路１１８による制御の下、駆動機構を動作させることによりＸ線の照射を制御する。例えばＸ線絞り器１１３は、処理回路１１８から受け付けた制御信号に応じて駆動電圧を駆動機構に付加することにより、コリメータの絞り羽根の開度を調整して、患者Ｐ１に対して照射されるＸ線の照射範囲を制御する。また、例えば、Ｘ線絞り器１１３は、処理回路１１８から受け付けた制御信号に応じて駆動電圧を駆動機構に付加することにより、フィルタの位置を調整することで、患者Ｐ１に対して照射されるＸ線の線量の分布を制御する。
【0022】
Ｘ線検出器１１４は、例えば、マトリクス状に配列された検出素子を有するＸ線平面検出器（Ｆｌａｔ Ｐａｎｅｌ Ｄｅｔｅｃｔｏｒ：ＦＰＤ）である。Ｘ線検出器１１４は、Ｘ線管１１２から照射されて患者Ｐ１を透過したＸ線を検出して、検出したＸ線量に対応した検出信号を処理回路１１８へと出力する。なお、Ｘ線検出器１１４は、グリッド、シンチレータアレイ及び光センサアレイを有する間接変換型の検出器であってもよいし、入射したＸ線を電気信号に変換する半導体素子を有する直接変換型の検出器であっても構わない。
【0023】
入力インタフェース１１５は、操作者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１１８に出力する。例えば、入力インタフェース１１５は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック、操作面へ触れることで入力操作を行うタッチパッド、表示画面とタッチパッドとが一体化されたタッチスクリーン、光学センサを用いた非接触入力回路、音声入力回路等により実現される。なお、入力インタフェース１１５は、処理回路１１８と無線通信可能なタブレット端末等で構成されることにしても構わない。また、入力インタフェース１１５は、マウスや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、Ｘ線診断装置１１０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、この電気信号を処理回路１１８へ出力する電気信号の処理回路も入力インタフェース１１５の例に含まれる。
【0024】
ディスプレイ１１６は、各種の情報を表示する。例えば、ディスプレイ１１６は、Ｘ線画像や、後述する診断支援処理の結果を表示する。また、例えば、ディスプレイ１１６は、処理回路１１８による制御の下、ユーザの指示を受け付けるためのＧＵＩを表示する。例えば、ディスプレイ１１６は、液晶ディスプレイやＣＲＴディスプレイである。なお、ディスプレイ１１６はデスクトップ型でもよいし、処理回路１１８と無線通信可能なタブレット端末等で構成されることにしても構わない。
【0025】
メモリ１１７は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等により実現される。例えば、メモリ１１７は、処理回路１１８によって収集されたＸ線画像を受け付けて記憶する。また、メモリ１１７は、処理回路１１８によって読み出されて実行される各種機能に対応するプログラムを記憶する。なお、メモリ１１７は、Ｘ線診断装置１１０とネットワークを介して接続されたサーバ群（クラウド）により実現されることとしてもよい。
【0026】
処理回路１１８は、制御機能１１８ａ、収集機能１１８ｂ、診断支援機能１１８ｃ及び表示制御機能１１８ｄを実行することで、Ｘ線診断装置１１０全体の動作を制御する。例えば、処理回路１１８は、制御機能１１８ａに対応するプログラムをメモリ１１７から読み出して実行することにより、入力インタフェース１１５を介してユーザから受け付けた各種の入力操作に基づいて、収集機能１１８ｂ、診断支援機能１１８ｃ及び表示制御機能１１８ｄ等の各種の機能を制御する。また、制御機能１１８ａは、ネットワークＮＷを介したデータの送受信を制御する。
【0027】
また、例えば、処理回路１１８は、収集機能１１８ｂに対応するプログラムをメモリ１１７から読み出して実行することにより、患者Ｐ１からＸ線画像を収集する。例えば、収集機能１１８ｂは、Ｘ線高電圧装置１１１を制御し、Ｘ線管１１２に供給する電圧を調整することで、Ｘ線管１１２から患者Ｐ１に対して照射されるＸ線量やオン／オフを制御する。また、収集機能１１８ｂは、Ｘ線絞り器１１３の動作を制御し、コリメータが有する絞り羽根の開度を調整することで、患者Ｐ１に対して照射されるＸ線の照射範囲を制御する。また、収集機能１１８ｂは、Ｘ線絞り器１１３の動作を制御し、フィルタの位置を調整することで、Ｘ線の線量の分布を制御する。また、収集機能１１８ｂは、Ｘ線検出器１１４から受信した検出信号に基づいてＸ線画像を生成し、生成したＸ線画像をメモリ１１７に格納する。なお、収集機能１１８ｂは、生成したＸ線画像について各種画像処理を行なってもよい。例えば、収集機能１１８ｂは、生成したＸ線画像に対して、画像処理フィルタによるノイズ低減処理や散乱線補正を実行する。
【0028】
また、例えば、処理回路１１８は、メモリ１１７から診断支援機能１１８ｃに相当するプログラムを読み出して実行することにより、Ｘ線画像を用いた診断支援処理を実行する。また、例えば、処理回路１１８は、メモリ１１７から表示制御機能１１８ｄに対応するプログラムを読み出して実行することにより、診断支援機能１１８ｃによる診断支援処理の結果をディスプレイ１１６に表示させる。
【0029】
以上、医用画像処理システム１の一例について説明した。かかる構成の下、医用画像処理装置３０における処理回路３４は、収集された医用画像をより有効に活用することを可能とする。
【0030】
以下、医用画像の収集及び使用の一例について、図３を用いて説明する。図３は、第１の実施形態に係る一連の処理を示す概略図である。なお、図３においては、ステップＳ１に示すように、肩の痛みを訴える患者Ｐ１が来院したケースについて説明する。
【0031】
来院した患者Ｐ１に対しては、まず、第１の検査が行われる。例えば、患者Ｐ１が肩の痛みを訴えている場合には、ステップＳ２に示すように、整形外科において来院理由に応じた診断が行われる。
【0032】
具体的には、患者Ｐ１が整形外科を受診した際、医師等のユーザは患者Ｐ１から症状についてのヒアリングを行なう。ここで、診断のためにＸ線画像が必要であると判断した場合、ユーザは、Ｘ線診断装置１１０を用いて、患者Ｐ１の肩を含むＸ線画像を収集する。例えば、収集機能１１８ｂは、入力インタフェース１１５を介してユーザから受け付けた入力操作に基づいて患者Ｐ１に対する胸部レントゲンを実行し、Ｘ線画像Ｉ１を収集する。
【0033】
次に、診断支援機能１１８ｃは、Ｘ線画像Ｉ１に基づく診断支援処理を実行する。例えば、診断支援機能１１８ｃは、肩関節を観察しやすくなるように、Ｘ線画像Ｉ１におけるウィンドウ値（Ｗｉｎｄｏｗ Ｌｅｖｅｌ）やウィンドウ幅（Ｗｉｎｄｏｗ Ｗｉｄｔｈ）を調整して、Ｘ線画像Ｉ１１を生成する。また、例えば、診断支援機能１１８ｃは、Ｘ線画像Ｉ１１に対するコンピュータ支援診断（Ｃｏｍｐｕｔｅｒ－Ａｉｄｅｄ Ｄｉａｇｎｏｓｉｓ：ＣＡＤ）処理を実行し、Ｘ線画像Ｉ１１において骨折等の病変が疑われる箇所にマーカを付したＸ線画像Ｉ１１１を生成する。
【0034】
次に、表示制御機能１１８ｄは、診断支援機能１１８ｃによる診断支援処理の結果をディスプレイ１１６に表示させる。例えば、表示制御機能１１８ｄは、Ｘ線画像Ｉ１１やＸ線画像Ｉ１１１等のＸ線画像をディスプレイ１１６に表示させる。なお、診断支援機能１１８ｃによる診断支援処理については省略することとしてもよい。この場合、表示制御機能１１８ｄは、収集されたＸ線画像Ｉ１をディスプレイ１１６に表示させる。そして、ユーザは、ディスプレイ１１６に表示されたＸ線画像を参照して患者Ｐ１の肩関節に病変が生じていないかを確認し、診断を行なうことができる。
【0035】
なお、収集されたＸ線画像Ｉ１は、一般に、メモリ１１７又は外部装置において一定期間保管された後に破棄される。即ち、収集されたＸ線画像Ｉ１は、患者Ｐ１の来院理由に応じて行なわれる検査の診断目的で使用された後に、適宜破棄される。これに対し、医用画像処理装置３０は、収集されたＸ線画像Ｉ１を用いた各種の処理を更に行なって、Ｘ線画像Ｉ１をより有効に活用する。
【0036】
以下、第１の検査における診断目的については、第１の診断目的とも記載する。例えば、図３に示す場合、肩の痛みの原因となっている肩関節の病変を特定することが、第１の診断目的となる。また、第１の診断目的と異なる診断目的については、第２の診断目的とも記載する。即ち、医用画像処理装置３０は、第１の診断目的での使用に加えて、Ｘ線画像Ｉ１を第２の診断目的でも使用することにより、Ｘ線画像Ｉ１をより有効に活用する。
【0037】
具体的には、Ｘ線診断装置１１０における制御機能１１８ａは、図３のステップＳ３に示すように、ネットワークＮＷを介して、Ｘ線画像Ｉ１を医用画像処理装置３０に対して送信する。ここで、ネットワークＮＷは、院内で閉じたローカルネットワークにより構成されてもよいし、インターネットを介したネットワークでもよい。即ち、Ｘ線診断装置１１０と医用画像処理装置３０とは、同一施設内に設置されてもよいし、異なる施設に設置されてもよい。
【0038】
次に、図３のステップＳ４に示すように、来院理由と異なる診断が行われる。例えば、上述したように、Ｘ線画像Ｉ１に基づいて、肩関節の病変を特定するための診断が既に行われている。しかしながら、Ｘ線画像Ｉ１には、肩関節の病変以外の病変が含まれている可能性がある。例えば、胸部レントゲン検査により収集されたＸ線画像Ｉ１には、肩関節に加えて肺が含まれており、肺がんや肺結核、気胸といった病変が現れている可能性がある。そこで、医用画像処理装置３０は、肺がん等の有無を判定するための診断支援処理を実行する。なお、「肺がんの有無を判定すること」、「肺結核の有無を判定すること」及び「気胸の有無を判定すること」は、第２の診断目的の一例である。
【0039】
例えば、診断支援機能３４ｂは、まず、第２の診断目的に応じたＣＡＤを取得する。例えば、診断支援機能３４ｂは、メモリ３３に格納された複数のＣＡＤの中から、胸部のＸ線画像に対して適用できるＣＡＤを抽出する。また、診断支援機能３４ｂは、抽出したＣＡＤのうち、Ｘ線画像Ｉ１に対して既に使用されているＣＡＤを除外する。即ち、診断支援機能３４ｂは、抽出したＣＡＤのうち、第１の診断目的に応じたＣＡＤを除外する。以下では一例として、肺がんの有無を判定するためのＣＡＤｃ１、肺結核の有無を判定するためのＣＡＤｃ２、及び、気胸の有無を判定するためのＣＡＤｃ３が抽出された場合について説明する。
【0040】
なお、診断支援機能３４ｂによる診断支援処理については、機械学習の手法で行なうこととしてもよい。この点は後述する。
【0041】
次に、診断支援機能３４ｂは、Ｘ線画像Ｉ１に対する画像処理を行なってＸ線画像Ｉ１２を生成し、生成したＸ線画像Ｉ１２にＣＡＤｃ１を適用する。一例を挙げると、診断支援機能３４ｂは、肺を観察しやすくなるようにＸ線画像Ｉ１におけるウィンドウ値やウィンドウ幅を調整して、Ｘ線画像Ｉ１２を生成する。また、一例を挙げると、診断支援機能３４ｂは、肺を観察しやすくなるようにＸ線画像Ｉ１におけるウィンドウ値やウィンドウ幅を調整するとともに、Ｘ線画像Ｉ１から骨を除去する処理を行なうことにより、Ｘ線画像Ｉ１２を生成する。そして、診断支援機能３４ｂは、Ｘ線画像Ｉ１２及びＣＡＤｃ１を用いて、ＣＡＤ処理を実行する。同様に、診断支援機能３４ｂは、Ｘ線画像Ｉ１に対する画像処理を行なってＸ線画像Ｉ１３を生成し、生成したＸ線画像Ｉ１３にＣＡＤｃ２を適用する。同様に、診断支援機能３４ｂは、Ｘ線画像Ｉ１に対する画像処理を行なってＸ線画像Ｉ１４を生成し、生成したＸ線画像Ｉ１４にＣＡＤｃ３を適用する。
【0042】
次に、通知機能３４ｃは、診断支援機能３４ｂによる診断支援処理の結果の通知を行なう。例えば、通知機能３４ｃは、図３のステップＳ５に示すように、診断支援機能３４ｂによる診断支援処理の結果に基づいてレポートＲ１を生成し、生成したレポートＲ１を患者Ｐ１にフィードバックする。
【0043】
一例を挙げると、通知機能３４ｃは、図３に示すように、肺がんの疑いがあることを記載したレポートＲ１を生成する。ここで、レポートＲ１においては、肺がんの疑いがあることをテキストで表示してもよいし、画像で表示してもよい。一例を挙げると、通知機能３４ｃは、ＣＡＤｃ１を用いたＣＡＤ処理の結果に基づいて、Ｘ線画像Ｉ１２において肺がんが疑われる箇所にマーカを付したＸ線画像Ｉ１２１を生成し、Ｘ線画像Ｉ１２１を含んだレポートＲ１を生成する。
【0044】
また、通知機能３４ｃは、診断支援機能３４ｂによる診断支援処理の結果について、医用画像処理装置３０のユーザからコンサルを受けることとしてもよい。例えば、まず、表示制御機能３４ｄは、診断支援機能３４ｂによる診断支援処理の結果をディスプレイ３２に表示させる。一例を挙げると、表示制御機能３４ｄは、肺がんが疑われる箇所にマーカを付したＸ線画像Ｉ１２１を、ディスプレイ３２に表示させる。ここで、ユーザは、Ｘ線画像Ｉ１２１におけるマーカが適当か否かを検討し、マーカが適当でない場合には、Ｘ線画像Ｉ１２１におけるマーカを修正するための入力操作を行なう。或いは、マーカが適当である場合には、マーカが適当であると判断した旨の情報を付加するための入力操作を行なう。そして、通知機能３４ｃは、ユーザから受け付けた入力操作に応じて、レポートＲ１を生成する。
【0045】
なお、医用画像処理装置３０のユーザは、Ｘ線診断装置１１０のユーザと同一であってもよいし、異なる人物であってもよい。即ち、ステップＳ２の診断を行なったユーザと、診断支援機能３４ｂによる診断支援処理の結果についてコンサルを行なうユーザとは同一であってもよいし、異なる人物であってもよい。
【0046】
また、通知機能３４ｃは、診断支援処理の結果の通知を、デジタルの手法で行なってもよいし、アナログの手法で行なってもよい。例えば、通知機能３４ｃは、電子メールや、患者Ｐ１が所持する端末にインストールされたアプリケーションを介して、レポートＲ１の通知を行なうことができる。或いは、通知機能３４ｃは、レポートＲ１をプリントアウトした書面を、患者Ｐ１の自宅や職場に送付することにより、レポートＲ１の通知を行なうことができる。
【0047】
また、通知機能３４ｃは、診断支援処理の結果を、患者Ｐ１以外の者に通知してもよい。例えば、通知機能３４ｃは、第１の検査を実行したユーザに対して、レポートＲ１を通知することとしてもよい。ここで、ユーザは、レポートＲ１を参照し、レポートＲ１の内容を患者Ｐ１に知らせるべきか否かを判断することができる。なお、一般に、第１の検査が実行された病院では患者Ｐ１の連絡先を把握しており、ユーザは、患者Ｐ１に対して適宜連絡を行なうことができる。
【0048】
診断支援処理の結果の通知を受けた患者Ｐ１は、診断支援処理の結果に応じて追加の検査を受けることができる。以下では、診断支援処理の結果に基づいて患者Ｐ１に対して行なわれる検査を、第２の検査とも記載する。例えば、肺がんの疑いがある旨のレポートＲ１を参照した患者Ｐ１は、図３のステップＳ６に示すように、呼吸器科を受診して第２の検査を受けることができる。なお、ステップＳ１において受診した整形外科とステップＳ６において受診した呼吸器科とは同じ病院であってもよいし、異なる病院であってもよい。
【0049】
なお、通知機能３４ｃは、診断支援処理の結果の通知を行なう際、更に、患者Ｐ１に受診を推薦する病院のリストを作成し、作成したリストを患者Ｐ１に通知してもよい。例えば、通知機能３４ｃは、肺がんの疑いがある旨のレポートＲ１に基づいて、肺がんに関する検査を実行可能な病院のリストを作成し、患者Ｐ１に通知する。なお、通知機能３４ｃは、かかるリストを、レポートＲ１に含めることとしてもよい。これにより、患者Ｐ１は、第２の検査を受けるためにいずれの病院を選択すればよいかを容易に判断することができる。
【0050】
ここで、通知機能３４ｃは、地域の病院を優先的にリストに含めることができる。例えば、通知機能３４ｃは、患者Ｐ１の住所や勤務地等の情報に基づいて、患者Ｐ１が通院しやすい病院を優先的にリストに追加する。また、第１の検査が実行された病院は、少なくとも一度来院をしていることから患者Ｐ１にとって通いやすい病院である場合が多く、その近隣の病院も患者Ｐ１にとって通いやすい場合が多い。そこで、通知機能３４ｃは、第１の検査が実行された病院の近隣の病院を優先的にリストに含めることとしてもよい。更に、通知機能３４ｃは、肺がんに関する治療実績に基づいて、リスト中の病院について優先度を付してもよい。
【0051】
また、通知機能３４ｃは、患者Ｐ１に受診を推薦する医師のリストを作成し、作成したリストを患者Ｐ１に通知してもよい。例えば、通知機能３４ｃは、肺がんの疑いがある旨のレポートＲ１に応じて、肺がんに関する専門医のリストを作成する。ここで、通知機能３４ｃは、地域の病院に勤務する医師を優先的にリストに含めることができる。また、通知機能３４ｃは、肺がんに関する治療実績に基づいて、リスト中の医師について優先度を付してもよい。
【0052】
また、通知機能３４ｃは、診断支援処理の結果に応じて、患者Ｐ１に受診を推薦する病院又は医師を特定し、特定した病院又は医師に対して、患者Ｐ１の受診を予約してもよい。即ち、通知機能３４ｃは、第２の検査の予約を行なってもよい。通知機能３４ｃによる予約の処理は、患者Ｐ１が希望する場合にのみ行なうこととしてもよいし、自動で行なうこととしてもよい。これにより、通知機能３４ｃは、第２の検査を実行するまでの各種手続きを簡略化することができる。
【0053】
図３のステップＳ７に示すように、第２の検査では、レポートＲ１に応じた診断が行われる。例えば、レポートＲ１に肺がんの疑いがある旨が記載されている場合には、第２の検査として、肺の詳細検査が行われる。一例を挙げると、第２の検査では、患者Ｐ１の肺のＸ線ＣＴ画像を用いた画像診断や、細胞診等の病理診断が行われ、医師による確定診断が行われる。このような第２の検査による詳細検査結果により、患者Ｐ１は、病変がある場合にはこれを早期発見することができる。また、第２の検査を行なう際、医師は、レポートＲ１を参照することができるため、患者Ｐ１から医師への説明負担を軽減することができる。
【0054】
次に、診断支援機能３４ｂによる診断支援処理を機械学習の手法で行なう場合について、図４Ａを用いて説明する。図４Ａは、第１の実施形態に係る学習済みモデルの生成処理について説明するための図である。なお、図４Ａにおいては、学習済みモデルがニューラルネットワーク（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）により構成されるものとして説明する。
【0055】
また、診断支援機能３４ｂによる診断支援処理を機械学習の手法で行なう場合、第２の検査を実行した病院は、図３のステップＳ８に示すように、詳細検査結果を医用画像処理装置３０に対して送信する。また、医用画像処理装置３０は、第２の検査の結果を取得して学習データとして使用する。
【0056】
例えば、診断支援機能３４ｂは、メモリ３３から、Ｘ線画像の入力を受け付けてＣＡＤ処理の結果を出力するように機能付けられた学習済みモデルＭ１を取得する。学習済みモデルＭ１は、後述する手法で診断支援機能３４ｂが生成したものであってもよいし、外部装置において生成されたものであってもよい。
【0057】
次に、診断支援機能３４ｂは、図４Ａに示すように、第１の検査において患者Ｐ１から収集されたＸ線画像Ｉ１を学習済みモデルＭ１（ニューラルネットワーク）に対して入力する。また、学習済みモデルＭ１は、診断結果を出力する。例えば、学習済みモデルＭ１は、Ｘ線画像Ｉ１に対する画像処理を行なって処理済み画像を生成し、処理済み画像に対するＣＡＤ処理を行なって、ＣＡＤ処理の結果を出力する。一例を挙げると、学習済みモデルＭ１は、上述したＣＡＤｃ１、ＣＡＤｃ２及びＣＡＤｃ３に相当するＣＡＤ処理を行なってその結果を出力する。
【0058】
次に、通知機能３４ｃは、診断支援処理の結果（診断結果）を患者Ｐ１に対して通知する。次に、診断結果に基づいて患者Ｐ１に対する第２の検査が行われ、詳細検査結果が医用画像処理装置３０に対して送信される。そして、診断支援機能３４ｂは、Ｘ線画像Ｉ１と詳細検査結果とに基づいて、学習済みモデルＭ１の生成処理を実行する。換言すると、診断支援機能３４ｂは、図４Ａに示すように、学習済みモデルＭ１を更新（アップデート）する。
【0059】
ここで、ニューラルネットワークとは、層状に並べた隣接層間が結合した構造を有し、情報が入力層側から出力層側に伝播するネットワークである。例えば、診断支援機能３４ｂは、上述した学習データを用いて多層のニューラルネットワークについて深層学習（ディープラーニング）を実行することで、学習済みモデルＭ１を生成する。なお、多層のニューラルネットワークは、例えば、入力層と、複数の中間層（隠れ層）と、出力層とにより構成される。
【0060】
一例を挙げると、診断支援機能３４ｂは、まず、患者Ｐ１に関するＸ線画像Ｉ１及び詳細検査結果を含む学習用データセットを生成する。なお、これまで患者Ｐ１についてのみ述べたが、診断支援機能３４ｂは、患者Ｐ１を含む複数の患者から学習データを収集し、Ｘ線画像及び詳細検査結果の組を多数含んだ学習用データセットを生成することができる。
【0061】
次に、診断支援機能３４ｂは、Ｘ線画像を入力側データとしてニューラルネットワークに入力する。ここで、ニューラルネットワークにおいては、入力層側から出力層側に向かって一方向に隣接層間でのみ結合しながら情報が伝播し、出力層からは、入力されたＸ線画像に基づくＣＡＤ処理の結果が出力される。一例を挙げると、Ｘ線画像Ｉ１が入力された際、ニューラルネットワークにおいては、Ｘ線画像Ｉ１から処理済み画像が生成され、処理済み画像に対して各種のＣＡＤ処理が行なわれる。なお、入力層側から出力層側に向かって一方向に情報が伝播するニューラルネットワークについては、畳み込みニューラルネットワーク（Ｃｏｎｖｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＣＮＮ）とも呼ばれる。
【0062】
診断支援機能３４ｂは、入力側データを入力した際にニューラルネットワークが好ましい結果を出力することができるよう、ニューラルネットワークのパラメータを調整することで、学習済みモデルＭ１を生成する。例えば、診断支援機能３４ｂは、ニューラルネットワークから出力されるＣＡＤ処理の結果と、詳細検査結果（第２の検査の結果）とを比較し、これらの間の差が閾値を下回るまで、ニューラルネットワークのパラメータを調整しながら処理を繰り返す。これにより、診断支援機能３４ｂは、Ｘ線画像の入力を受け付けてＣＡＤ処理の結果を出力するように機能付けられた学習済みモデルＭ１を生成することができる。また、診断支援機能３４ｂは、生成した学習済みモデルＭ１をメモリ３３に記憶させる。
【0063】
上述した通り、診断支援機能３４ｂは、学習済みモデルＭ１を用いて診断支援処理を実行し、更に、学習済みモデルＭ１の生成処理を行なうことができる。従って、診断支援機能３４ｂは、患者が来院し、第１の検査及び第２の検査が行われるごとに学習済みモデルＭ１をアップデートし、診断支援処理の精度を次第に向上させることができる。
【0064】
なお、これまで、Ｘ線画像Ｉ１に対する画像処理を行なって処理済み画像を生成し、生成した処理済み画像に対するＣＡＤ処理を行なうものとして説明した。しかしながら実施形態はこれに限定されるものではない。即ち、診断支援機能３４ｂは、画像処理のステップを省略し、Ｘ線画像Ｉ１（元データ）に対するＣＡＤ処理を行なうこととしてもよい。この点は、学習済みモデルＭ１を用いて診断支援処理を実行する場合についても同様である。
【0065】
また、図４Ａにおいては、少なくともＣＡＤ処理を実行する学習済みモデルＭ１について説明したが、実施形態はこれに限定されるものではない。例えば、診断支援機能３４ｂは、Ｘ線画像の入力を受け付けて処理済み画像を生成するように機能付けられた学習済みモデルＭ２を用いて診断支援処理を実行することとしてもよい。以下、学習済みモデルＭ２について、図４Ｂを用いて説明する。図４Ｂは、第１の実施形態に係る学習済みモデルの生成処理について説明するための図である。
【0066】
例えば、診断支援機能３４ｂは、メモリ３３から、Ｘ線画像の入力を受け付けて処理済み画像を出力するように機能付けられた学習済みモデルＭ２を取得する。学習済みモデルＭ２は、後述する手法で診断支援機能３４ｂが生成したものであってもよいし、外部装置において生成されたものであってもよい。
【0067】
次に、診断支援機能３４ｂは、図４Ｂに示すように、第１の検査において患者Ｐ１から収集されたＸ線画像Ｉ１を学習済みモデルＭ２（ニューラルネットワーク）に対して入力する。また、学習済みモデルＭ２は、Ｘ線画像Ｉ１に対する画像処理を行なって処理済み画像を生成する。例えば、学習済みモデルＭ２は、上述したＸ線画像Ｉ１２、Ｘ線画像Ｉ１３及びＸ線画像Ｉ１４に相当する処理済み画像を生成する。
【0068】
次に、診断支援機能３４ｂは、学習済みモデルＭ２を用いて生成した処理済み画像に対するＣＡＤ処理を実行する。例えば、診断支援機能３４ｂは、学習済みモデルＭ２を用いて生成した処理済み画像に対して、上述したＣＡＤｃ１、ＣＡＤｃ２及びＣＡＤｃ３等の各種ＣＡＤ処理を実行する。
【0069】
次に、通知機能３４ｃは、診断支援処理の結果（診断結果）を患者Ｐ１に対して通知する。次に、診断結果に基づいて患者Ｐ１に対する第２の検査が行われ、詳細検査結果が医用画像処理装置３０に対して送信される。そして、診断支援機能３４ｂは、Ｘ線画像Ｉ１と詳細検査結果とに基づいて、学習済みモデルＭ２の生成処理を実行する。換言すると、診断支援機能３４ｂは、図４Ｂに示すように、学習済みモデルＭ２をアップデートする。
【0070】
一例を挙げると、診断支援機能３４ｂは、まず、患者Ｐ１に関するＸ線画像Ｉ１及び詳細検査結果を含む学習用データセットを生成する。また、診断支援機能３４ｂは、Ｘ線画像Ｉ１を入力側データとしてニューラルネットワークに入力する。ここで、ニューラルネットワークにおいては、入力層側から出力層側に向かって一方向に隣接層間でのみ結合しながら情報が伝播し、出力層からは、入力されたＸ線画像Ｉ１に基づく処理済み画像が出力される。そして、診断支援機能３４ｂは、入力側データを入力した際にニューラルネットワークが好ましい結果を出力することができるよう、ニューラルネットワークのパラメータを調整することで、学習済みモデルＭ２を生成する。
【0071】
一例を挙げると、ニューラルネットワークの出力層からは、Ｘ線画像Ｉ１におけるウィンドウ値やウィンドウ幅を調整した処理済み画像が出力される。また、一例を挙げると、ニューラルネットワークの出力層からは、Ｘ線画像Ｉ１から骨を除去した処理済み画像が出力される。ここで、診断支援機能３４ｂは、ニューラルネットワークから出力された処理済み画像に対してＣＡＤｃ１、ＣＡＤｃ２及びＣＡＤｃ３等の各種ＣＡＤ処理を実行する。また、診断支援機能３４ｂは、ＣＡＤ処理の結果と、詳細検査結果（第２の検査の結果）とを比較し、これらの間の差が閾値を下回るまで、ニューラルネットワークのパラメータを調整しながら処理を繰り返す。
【0072】
即ち、画像処理がより適切に行なわれているほどＣＡＤ処理の精度も向上するところ、診断支援機能３４ｂは、より適切な画像処理を行なうことができるように、ニューラルネットワークを学習させる。これにより、診断支援機能３４ｂは、Ｘ線画像の入力を受け付けて処理済み画像を出力するように機能付けられた学習済みモデルＭ２を生成することができる。また、診断支援機能３４ｂは、生成した学習済みモデルＭ２をメモリ３３に記憶させる。
【0073】
上述した通り、診断支援機能３４ｂは、学習済みモデルＭ２を用いて処理済み画像を生成し、生成した処理済み画像に対するＣＡＤ処理を行ない、更に、学習済みモデルＭ２の生成処理を行なうことができる。従って、診断支援機能３４ｂは、患者が来院し、第１の検査及び第２の検査が行われるごとに学習済みモデルＭ２をアップデートし、画像処理の精度を次第に向上させることができる。例えば、診断支援機能３４ｂは、学習済みモデルＭ２をアップデートするごとに、Ｘ線画像におけるウィンドウ値やウィンドウ幅の調整や、骨の除去処理についての精度を向上させることができる。
【0074】
なお、これまで、学習済みモデルＭ１及び学習済みモデルＭ２が畳み込みニューラルネットワーク（ＣＮＮ）により構成されるものとして説明したが、診断支援機能３４ｂは、全結合ニューラルネットワークや、再帰型ニューラルネットワーク（Ｒｅｃｕｒｒｅｎｔ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ：ＲＮＮ）等の他種のニューラルネットワークにより学習済みモデルＭ１及び学習済みモデルＭ２を構成してもよい。
【0075】
また、診断支援機能３４ｂは、ニューラルネットワーク以外の機械学習手法により、学習済みモデルＭ１及び学習済みモデルＭ２を生成してもよい。例えば、診断支援機能３４ｂは、ロジスティック（Ｌｏｇｉｓｔｉｃ）回帰分析、非線形判別分析、サポートベクターマシン（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ：ＳＶＭ）、ランダムフォレスト（Ｒａｎｄｏｍ Ｆｏｒｅｓｔ）、ナイーブベイズ（Ｎａｉｖｅ Ｂａｙｅｓ）等のアルゴリズムを用いて機械学習を行ない、学習済みモデルＭ１及び学習済みモデルＭ２を生成することとしても構わない。
【0076】
次に、Ｘ線診断装置１１０及び医用画像処理装置３０による処理の手順の一例を、図５を用いて説明する。図５は、第１の実施形態に係るＸ線診断装置１１０及び医用画像処理装置３０の処理の一連の流れを説明するためのフローチャートである。
【0077】
ステップＳ１０１は、処理回路１１８の収集機能１１８ｂに対応する。ステップＳ１０２は、処理回路１１８の表示制御機能１１８ｄに対応する。ステップＳ１０３は、処理回路１１８の制御機能１１８ａに対応する。ステップＳ１０４、ステップＳ１０５、ステップＳ１１１及びステップＳ１１２は、処理回路３４の診断支援機能３４ｂに対応する。ステップＳ１０６は、処理回路３４の表示制御機能３４ｄに対応する。ステップＳ１０７、ステップＳ１０８、ステップＳ１０９及びステップＳ１１０は、処理回路３４の通知機能３４ｃに対応する。
【0078】
まず、処理回路１１８は、第１の検査において、患者Ｐ１からＸ線画像Ｉ１を収集する（ステップＳ１０１）。次に、処理回路１１８は、収集したＸ線画像Ｉ１をユーザに提示する（ステップＳ１０２）。なお、処理回路１１８は、ステップＳ１０２において、収集したＸ線画像Ｉ１をそのままディスプレイ１１６に表示させてもよいし、Ｘ線画像Ｉ１に基づく診断支援処理の結果をディスプレイ１１６に表示させてもよい。ここで、Ｘ線診断装置１１０のユーザは、第１の診断目的に応じた診断を実行する。例えば、患者Ｐ１が肩の痛みを訴えて来院した場合、ユーザは、Ｘ線画像Ｉ１を参照して患者Ｐ１の肩関節に病変が生じていないかを確認し、診断を行なう。
【0079】
次に、処理回路３４は、Ｘ線画像Ｉ１を医用画像処理装置３０に送信する（ステップＳ１０３）。また、処理回路３４は、Ｘ線画像Ｉ１に基づくＣＡＤを実行する（ステップＳ１０４）。具体的には、処理回路３４は、第１の診断目的とＸ線画像Ｉ１とに基づいて、第１の診断目的と異なる第２の診断目的に応じたＣＡＤを実行する。例えば、第１の検査において肩関節の病変を特定するための診断が行われていた場合、処理回路３４は、肺がんや肺結核、気胸等に関するＣＡＤを実行する。なお、処理回路３４は、Ｘ線画像Ｉ１に対する画像処理を実行し、処理済み画像についてＣＡＤ処理を実行することしてもよい。また、処理回路３４は、学習済みモデルＭ１又は学習済みモデルＭ２を用いて、画像処理やＣＡＤを実行することとしても構わない。
【0080】
次に、処理回路３４は、ＣＡＤ処理の結果について、ユーザによる確認（コンサル）を受けるか否かを判定する（ステップＳ１０５）。ユーザによる確認を受ける場合（ステップＳ１０５肯定）、処理回路３４は、ＣＡＤ処理の結果をディスプレイ３２に表示させる（ステップＳ１０６）。また、ステップＳ１０６の後、又は、ユーザによる確認を受けない場合（ステップＳ１０５否定）、処理回路３４は、レポートＲ１を作成する（ステップＳ１０７）。例えば、ステップＳ１０６の後、処理回路３４は、ユーザから受け付けた入力操作に応じてレポートＲ１を作成する。
【0081】
次に、処理回路３４は、レポートＲ１を患者Ｐ１に対して送信する（ステップＳ１０８）。ここで、処理回路３４は、患者Ｐ１に受診を推薦する病院又は医師のリストを作成し、作成したリストを併せて患者Ｐ１に通知することとしてもよい。また、処理回路３４は、予約を行なうか否かを判定する（ステップＳ１０９）。予約を行なう場合（ステップＳ１０９肯定）、処理回路３４は、レポートＲ１に応じて患者Ｐ１に受診を推薦する病院又は医師を特定し、特定した病院又は医師に対して予約を実行する（ステップＳ１１０）。
【0082】
ステップＳ１１０の後、又は、予約を行なわない場合（ステップＳ１０９否定）、処理回路３４は、詳細検査結果を受診したか否かを判定する（ステップＳ１１１）。即ち、処理回路３４は、第２の検査の結果を受診したか否かを判定する。詳細検査結果を受信した場合（ステップＳ１１１肯定）、処理回路３４は、Ｘ線画像Ｉ１と詳細検査結果とを学習データとして用いて、学習済みモデルＭ１又は学習済みモデルＭ２を更新する（ステップＳ１１２）。そして、ステップＳ１１２の後、又は、詳細検査結果を受信しなかった場合（ステップＳ１１１）、処理回路３４は、処理を終了する。
【0083】
上述したように、第１の実施形態によれば、診断支援機能３４ｂは、第１の検査における第１の診断目的と、第１の検査において収集されたＸ線画像Ｉ１とに基づいて、第１の診断目的と異なる第２の診断目的に応じた診断支援処理を実行する。また、通知機能３４ｃは、診断支援処理の結果を、第１の検査の対象となった患者Ｐ１及び第１の検査を実行したユーザの少なくとも一方に対して通知する。従って、第１の実施形態に係る医用画像処理装置３０は、Ｘ線画像Ｉ１について、第１の診断目的のみならず第２の診断目的でも使用して、より有効に活用することができる。
【0084】
また、一般に、医師はそれぞれが専門分野を有する。例えば、整形外科の医師であれば、肩の痛みを訴える患者Ｐ１に対しては、肩関節に着目した診断を行なう。しかしながら、肩に痛みがある場合でもその原因が肩にあるとは限らない。かかる場合、整形外科を何度受診しても痛みは軽減されず、患者にとってはストレスとなり、病院側にとっても負担が増加することとなる。これに対し、第１の実施形態によれば、医用画像処理装置３０は、医師の専門分野に関わらずに痛みの原因を検出することができ、患者及び病院の負担を軽減することができる。例えば、医師にとっては、読影の負担が軽減される。また、ひいては、医療費も削減されることとなる。
【0085】
また、上述したように、第１の実施形態によれば、通知機能３４ｃは、診断支援処理の結果に応じて患者Ｐ１に受診を推薦する病院又は医師のリストを作成して通知したり、受診を推薦する病院又は医師の予約を行なったりすることができる。即ち、医用画像処理装置３０は、専門の異なる複数の病院や医師を連携させて、患者Ｐ１の診断に向けることができる。これにより、各医師は、自らの専門分野に集中して診断を行なうことができるようになり、診断の効率を向上させることができる。
【0086】
（第２の実施形態）
上述した第１の実施形態では、肩の痛みを訴える患者Ｐ１に対して第１の検査が行われたケースを例として説明した。これに対し、第２の実施形態では、腹部の痛みを訴える患者Ｐ２に対して第１の検査が行われるケースについて説明する。第２の実施形態に係る医用画像処理システム１は、図１及び図２に示した医用画像処理システム１と同様の構成を有する。以下、第１の実施形態において説明した点については、図１及び図２と同一の符号を付し、説明を省略する。
上述した第１の実施形態では、肩の痛みを訴える患者Ｐ１に対して第１の検査が行われたケースを例として説明した。これに対し、第２の実施形態では、腹部の痛みを訴える患者Ｐ２に対して第１の検査が行われるケースについて説明する。第２の実施形態に係る医用画像処理システム１は、図１及び図２に示した医用画像処理システム１と同様の構成を有する。以下、第１の実施形態において説明した点については、図１及び図２と同一の符号を付し、説明を省略する。
【0087】
例えば、腹部の痛みを訴える患者Ｐ２が内科を受診した際、医師等のユーザは患者Ｐ２から症状についてのヒアリングを行なう。ここで、診断のためにＸ線画像が必要であると判断した場合、ユーザは、Ｘ線診断装置１１０を用いて、患者Ｐ２の腹部を含むＸ線画像Ｉ２を収集する。
【0088】
次に、診断支援機能１１８ｃは、Ｘ線画像Ｉ２に基づく診断支援処理を実行する。例えば、診断支援機能１１８ｃは、Ｘ線画像Ｉ２に対するＣＡＤ処理を実行し、Ｘ線画像Ｉ１２に描出された消化管のうち穿孔が疑われる箇所にマーカを付したＸ線画像Ｉ２１を生成する。次に、表示制御機能１１８ｄは、Ｘ線画像Ｉ２１をディスプレイ１１６に表示させる。或いは、表示制御機能１１８ｄは、収集されたＸ線画像Ｉ２をそのままディスプレイ１１６に表示させてもよい。そして、ユーザは、ディスプレイ１１６に表示されたＸ線画像を参照して、患者Ｐ２の消化管における穿孔の有無を検討し、診断を行なう。また、制御機能１１８ａは、Ｘ線画像Ｉ２を医用画像処理装置３０に送信する。
【0089】
次に、診断支援機能３４ｂは、Ｘ線画像Ｉ２に基づいて、第２の診断目的に応じた診断支援処理を実行する。例えば、診断支援機能３４ｂは、消化管の穿孔を判定するＣＡＤ以外のＣＡＤであって、腹部のＸ線画像に対して適用可能なＣＡＤを取得し、取得したＣＡＤを用いたＣＡＤ処理を実行する。かかるＣＡＤの例としては、例えば、胆石を検出するＣＡＤ、腎嚢胞を検出するＣＡＤ等が挙げられる。また、診断支援機能３４ｂは、上述した学習済みモデルＭ１又は学習済みモデルＭ２を用いて、Ｘ線画像Ｉ２に基づく診断支援処理を実行することとしても構わない。
【0090】
次に、通知機能３４ｃは、診断支援処理の結果を、患者Ｐ２、又は、患者Ｐ２に対する第１の検査を実行したユーザの少なくとも一方に対して通知する。例えば、通知機能３４ｃは、診断支援機能３４ｂによる診断支援処理の結果に基づいてレポートＲ２を生成し、生成したレポートＲ２を患者Ｐ２にフィードバックする。なお、通知機能３４ｃは、レポートＲ２について、医用画像処理装置３０のユーザからコンサルを受けることとしてもよい。また、通知機能３４ｃは、患者Ｐ２に受診を推薦する病院又は医師のリストを作成し、作成したリストを患者Ｐ２に通知してもよい。また、通知機能３４ｃは、患者Ｐ２に受診を推薦する病院又は医師を特定し、特定した病院又は医師に対して、患者Ｐ２の受診を予約してもよい。
【0091】
次に、診断支援処理の結果に基づいて、患者Ｐ２に対する第２の検査が実行される。例えば、Ｘ線画像Ｉ２から腎嚢胞が検出された場合、腎臓に対する詳細検査が行われる。これにより、患者Ｐ２は、腎臓における病変を早期発見することができる。また、診断支援機能３４ｂは、第２の検査の結果を受信した場合、Ｘ線画像Ｉ２と、第２の検査の結果とを学習データとして用いて、学習済みモデルＭ１又は学習済みモデルＭ２の更新を行なうことができる。
【0092】
（第３の実施形態）
さて、これまで第１～第２の実施形態について説明したが、上述した実施形態以外にも、種々の異なる形態にて実施されてよいものである。
さて、これまで第１～第２の実施形態について説明したが、上述した実施形態以外にも、種々の異なる形態にて実施されてよいものである。
【0093】
例えば、図１においては、医用画像診断装置１０と医用画像処理装置３０とが別体であるものとして説明した。しかしながら、実施形態はこれに限定されるものではない。例えば、医用画像診断装置１０が備えるコンソールが、医用画像処理装置３０として機能する場合であってもよい。一例を挙げると、Ｘ線診断装置１１０の処理回路１１８が、上述した診断支援機能３４ｂ、通知機能３４ｃ、表示制御機能３４ｄといった機能を実行する場合であってもよい。
【0094】
或いは、診断支援機能３４ｂ、通知機能３４ｃ、表示制御機能３４ｄといった各種の機能を有する処理回路が、複数の装置に分散して配置されていてもよい。例えば、上述した診断支援機能３４ｂを医用画像処理装置３０の処理回路３４が実行し、通知機能３４ｃをＸ線診断装置１１０の処理回路１１８が実行する場合であってもよい。
【0095】
また、上述した実施形態では、第１の検査において収集された医用画像として、Ｘ線画像Ｉ１及びＸ線画像Ｉ２について説明した。しかしながら実施形態はこれに限定されるものではない。例えば、第１の検査においてＸ線ＣＴ画像や、超音波画像、ＭＲ画像、ＳＰＥＣＴ画像、ＰＥＴ画像等が収集された場合においても、同様に適用が可能である。また、例えば、第１の検査において透視像が収集された場合においても、同様に適用が可能である。なお、透視像とは、収集と並行して表示される医用画像である。
【0096】
なお、第１の検査においては、収集された医用画像の全体が使用されない場合がある。例えば、Ｘ線ＣＴ画像等の３次元画像が収集された場合、第１の検査において医師が参照するのは、レンダリング処理等を行なって生成された２次元画像である。かかる２次元画像は、３次元画像に基づいて多数生成することが可能であり、その全てについて医師が読影を行なうことは容易ではない。
【0097】
ここで、診断支援機能３４ｂは、医用画像のうち、第１の検査において使用されなかった部分について診断支援処理を実行してもよい。例えば、診断支援機能３４ｂは、第１の検査において収集されたＸ線ＣＴ画像に基づいて、第１の検査において生成されなかった位置又は角度の２次元画像を生成し、生成した２次元画像に対するＣＡＤ処理を行なうこととしてもよい。或いは、診断支援機能３４ｂは、Ｘ線ＣＴ画像（元データ）に対するＣＡＤ処理を行なうこととしてもよい。
【0098】
また、上述した実施形態では、第２の検査の結果として、医師による確定診断について説明した。しかしながら実施形態はこれに限定されるものではなく、第２の検査の結果は、第２の検査におけるＣＡＤ処理の結果であってもよい。また、診断支援機能３４ｂは、第１の検査において収集された医用画像と、第２の検査におけるＣＡＤ処理の結果とを学習データとして用いて、学習済みモデルＭ１又は学習済みモデルＭ２を更新してもよい。
【0099】
例えば、図３において、ステップＳ４では、肩関節に関する診断を目的として収集されたＸ線画像Ｉ１を用いたＣＡＤ処理により、肺がんの有無が判定される。一方で、ステップＳ７では、肺がんに関する診断を目的として収集された医用画像を用いたＣＡＤ処理により、肺がんの有無が判定される。このため、ステップＳ７におけるＣＡＤ処理の結果は、ステップＳ４におけるＣＡＤ処理の結果と比較して高精度である。以上より、診断支援機能３４ｂは、ステップＳ７におけるＣＡＤ処理の結果を正解データとして用いて、学習済みモデルＭ１又は学習済みモデルＭ２を更新することができる。
【0100】
或いは、診断支援機能３４ｂは、第１の検査を受けた後の患者の症状の推移に基づいて、学習済みモデルＭ１又は学習済みモデルＭ２を更新することもできる。例えば、図３に示した通り肺がんの疑いがある旨のレポートＲ１が通知された場合においても、患者Ｐ１が第２の検査を受診しないケースが想定される。かかる場合、診断支援機能３４ｂは、患者Ｐ１が実際に肺がんを発症したか否かを正解データとして用いて、学習済みモデルＭ１又は学習済みモデルＭ２を更新することができる。
【0101】
上記説明において用いた「プロセッサ」という文言は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、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）、複合プログラマブル論理デバイス（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ））等の回路を意味する。プロセッサが例えばＣＰＵである場合、プロセッサは記憶回路に保存さ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。一方、プロセッサが例えばＡＳＩＣである場合、記憶回路にプログラムを保存する代わりに、当該機能がプロセッサの回路内に論理回路として直接組み込まれる。なお、実施形態の各プロセッサは、プロセッサごとに単一の回路として構成される場合に限らず、複数の独立した回路を組み合わせて１つのプロセッサとして構成し、その機能を実現するようにしてもよい。さらに、各図における複数の構成要素を１つのプロセッサへ統合してその機能を実現するようにしてもよい。
【0102】
上述した実施形態に係る各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。即ち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部又は一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的又は物理的に分散・統合して構成することができる。更に、各装置にて行われる各処理機能は、その全部又は任意の一部が、ＣＰＵ及び当該ＣＰＵにて解析実行されるプログラムにて実現され、あるいは、ワイヤードロジックによるハードウェアとして実現されうる。
【0103】
また、上述した実施形態で説明した医用画像処理方法は、予め用意された医用画像処理プログラムをパーソナルコンピュータやワークステーション等のコンピュータで実行することによって実現することができる。この医用画像処理プログラムは、インターネット等のネットワークを介して配布することができる。また、この医用画像処理プログラムは、ハードディスク、フレキシブルディスク（ＦＤ）、ＣＤ－ＲＯＭ、ＭＯ、ＤＶＤ等のコンピュータで読み取り可能な非一過性の記録媒体に記録され、コンピュータによって記録媒体から読み出されることによって実行することもできる。
【0104】
以上説明した少なくとも１つの実施形態によれば、収集された医用画像をより有効に活用することができる。
【0105】
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、実施形態同士の組み合わせを行なうことができる。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】
【0106】
１ 医用画像処理システム
１１０ Ｘ線診断装置
１１８ 処理回路
１１８ａ 制御機能
１１８ｂ 収集機能
１１８ｃ 診断支援機能
１１８ｄ 表示制御機能
３０ 医用画像処理装置
３４ 処理回路
３４ａ 制御機能
３４ｂ 診断支援機能
３４ｃ 通知機能
３４ｄ 表示制御機能
１１０ Ｘ線診断装置
１１８ 処理回路
１１８ａ 制御機能
１１８ｂ 収集機能
１１８ｃ 診断支援機能
１１８ｄ 表示制御機能
３０ 医用画像処理装置
３４ 処理回路
３４ａ 制御機能
３４ｂ 診断支援機能
３４ｃ 通知機能
３４ｄ 表示制御機能
【図1】
【図2】
【図3】
【図4A】
【図4B】
【図5】