JP7220575B2

JP7220575B2 - 医療画像診断支援装置、医療画像撮影装置、画像管理サーバ及び医療画像診断支援方法

Info

Publication number: JP7220575B2
Application number: JP2019016227A
Authority: JP
Inventors: 純一松本; 嘉明一ノ瀬
Original assignee: Modorado
Current assignee: Modorado
Priority date: 2019-01-31
Filing date: 2019-01-31
Publication date: 2023-02-10
Anticipated expiration: 2039-01-31
Also published as: JP2020121049A

Description

本発明は、撮像した医療画像の中から注目病態の存在を迅速に判別することができる医療画像診断支援装置、医療画像撮影装置、画像管理サーバ及び医療画像診断支援方法に関する。

医師が患者を診断する際、医師自身のこれまでの経験や医学書、症例報告書、症例データベース等から調査した情報に基づいて診断を行う。この際、Ｘ線ＣＴ（Computed Tomography）装置、ＭＲＩ（Magnetic Resonance Imaging）装置、超音波ＣＴ装置などによって撮像された断層画像は医師の診断支援に有用なものとなる。

特許文献１には、非造影ＣＴ画像と造影ＣＴ画像との差分画像をもとに、血管に属する石灰化プラークを自動検出するものが記載されている。特許文献１は、造影ＣＴ画像では血流のある臓器や血管が強調される点と、非造影ＣＴ画像では石灰化プラークを容易に見つける点とを利用し、位置特定された血管内の石灰化プラークを検出するものである。

特開２０１６－４１２４７号公報

ところで、近年になって、患者の全身のＣＴ画像を高速にスキャンすることが可能になり、短時間で全身のＣＴスライス画像を得ることができる。このＣＴ画像の情報量は極めて豊富である。しかしながら、このＣＴ画像の中から必要な情報を短時間で拾い上げることは容易ではない。例えば、救急診療や急性期診療においては、血栓や血腫などの注目病態の存在を迅速に判別することが重要であるが、経験豊富な医師であっても、このＣＴ画像から注目病態の存在を見逃す場合がある。この注目病態の存在の見逃しは、救急診療や急性期診療において致命的なものとなる。

本発明は、上記従来技術の課題を解決するためになされたものであって、撮像した医療画像の中から注目病態の存在を迅速に判別することができる医療画像診断支援装置、医療画像撮影装置、画像管理サーバ及び医療画像診断支援方法を提供することを目的とする。

上記の課題を解決するため、本発明は、医療画像撮影装置が撮像した医療画像から注目病態の存在の判別支援を行う医療画像診断支援装置であって、前記医療画像上において前記注目病態が発生する可能性のある組織を含む関心領域を設定する関心領域設定部と、前記関心領域内において前記注目病態の存在可能性を示す画素値を有する領域に対して他の領域と区別可能な態様の表示情報を付与する情報付与部とを備え、前記関心領域設定部は、骨及び臓器を含む解剖学的構造位置を基準に前記関心領域を設定することを特徴とする。

また、本発明は、上記の発明において、前記関心領域設定部は、骨及び臓器を含む解剖学的構造位置を機械学習によって学習しておき、該機械学習によって求めた解剖学的構造位置を基準に、撮像した前記医療画像の前記関心領域を設定することを特徴とする。

また、本発明は、上記の発明において、前記情報付与部は、前記関心領域内において前記注目病態の存在可能性を示す画素値を有する領域に対して所定の色情報を付与することを特徴とする。

また、本発明は、上記の発明において、前記情報付与部は、前記関心領域において前記注目病態が存在しない正常画像と前記注目病態が存在する異常画像とをもとに前記注目病態の存在可能性を機械学習によって学習しておき、撮像した前記医療画像の前記関心領域に前記注目病態の存在可能性の高い領域がある場合、前記注目病態の存在可能性の高い領域に前記色情報を付与することを特徴とする。

また、本発明は、上記の発明において、前記注目病態の存在可能性の高い領域がある場合、その旨のアノテーションを前記医療画像に付加する情報付加部を備えたことを特徴とする。

また、本発明は、上記の発明において、前記画素値は、所定範囲の画素値であることを特徴とする。

また、本発明は、上記の発明において、前記医療画像は、造影剤を用いていない単純検査画像であることを特徴とする。

また、本発明は、上記の発明において、前記医療画像は、Ｘ線ＣＴ画像、ＭＲＩ画像及び超音波画像を含むことを特徴とする。

また、本発明は、上記の発明において、前記医療画像は、Ｘ線ＣＴ画像であり、前記画素値はＣＴ値を変換した値であることを特徴とする。

また、本発明は、上記の発明において、前記注目病態は、血栓及び血腫であることを特徴とする。

また、本発明は、医療画像撮影装置であって、上記の発明のいずれか一つに記載の医療画像診断支援装置を備えたことを特徴とする。

また、本発明は、前記医療画像撮影装置が撮像した前記医療画像を受け付けて管理し、少なくとも前記医療画像の読影支援を行う画像管理サーバであって、上記の発明のいずれか一つに記載の医療画像診断支援装置を備えたことを特徴とする。

また、本発明は、前記医療画像撮影装置が撮像した前記医療画像を受け付けて管理し、少なくとも前記医療画像の読影支援を行うクラウド上の画像管理サーバであって、上記の発明のいずれか一つに記載の医療画像診断支援装置を備えたことを特徴とする。

また、本発明は、医療画像撮影装置が撮像した医療画像から注目病態の存在の判別支援を行う医療画像診断支援装置の医療画像診断支援方法であって、前記医療画像上において前記注目病態が発生する可能性のある組織を含む関心領域を設定する関心領域設定ステップと、前記関心領域内において前記注目病態の存在可能性を示す画素値を有する領域に対して他の領域と区別可能な態様の表示情報を付与する情報付与ステップとを含み、前記関心領域設定ステップは、骨及び臓器を含む解剖学的構造位置を基準に前記関心領域を設定することを特徴とする。

また、本発明は、上記の発明において、前記関心領域設定ステップは、骨及び臓器を含む解剖学的構造位置を機械学習によって学習しておき、該機械学習によって求めた解剖学的構造位置を基準に、撮像した前記医療画像の前記関心領域を設定することを特徴とする。

また、本発明は、上記の発明において、前記情報付与ステップは、前記関心領域内において前記注目病態の存在可能性を示す画素値を有する領域に対して所定の色情報を付与することを特徴とする。

また、本発明は、上記の発明において、前記情報付与ステップは、前記関心領域において前記注目病態が存在しない正常画像と前記注目病態が存在する異常画像とをもとに前記注目病態の存在可能性を機械学習によって学習しておき、撮像した前記医療画像の前記関心領域に前記注目病態の存在可能性の高い領域がある場合、前記注目病態の存在可能性の高い領域に前記色情報を付与することを特徴とする。

また、本発明は、上記の発明において、前記注目病態の存在可能性の高い領域がある場合、その旨のアノテーションを前記医療画像に付加する情報付加ステップを含むことを特徴とする。

本発明によれば、撮像した医療画像の中から注目病態の存在を迅速に判別することができる。

図１は、本実施例に係る医療画像診断支援装置の概要を説明するための説明図である。図２は、図１に示した画像管理サーバの構成を示す機能ブロック図である。図３は、画像管理サーバによる医療画像診断支援処理手順を示すフローチャートである。図４は、変形例１による医療画像撮像装置の構成を示す機能ブロック図である。図５は、変形例２による画像管理サーバの構成を示す機能ブロック図である。図６は、本応用例による画像管理サーバの構成を示す機能ブロック図である。図７は、本応用例による医療画像診断支援処理の一例を示す説明図である。

以下に、添付図面を参照して、本発明に係る医療画像診断支援装置、医療画像撮影装置、画像管理サーバ及び医療画像診断支援方法の好適な実施例を詳細に説明する。

＜医療画像診断支援装置の概要＞
まず、本実施例に係る医療画像診断支援装置１０の概要について説明する。図１は、本実施例に係る医療画像診断支援装置１０の概要を説明するための説明図である。

図１に示すように、画像管理サーバ２は、医療画像診断支援装置１０を有する。画像管理サーバ２は、モダリティ１に接続される。モダリティ１は、例えばＸ線ＣＴ装置であり、Ｘ線ＣＴ装置によって撮像した医療画像は画像管理サーバ２に順次送られる。また、画像管理サーバ２は、端末装置１３に接続される。端末装置１３は、例えば読影医が操作する端末であり、画像管理サーバ２が保存する医療画像に対する読影を行う。画像管理サーバ２は、例えば、ＤＩＣＯＭ規格等で医療画像の管理を行う。

医療画像診断支援装置１０は、医療画像撮影装置としてのモダリティ１が撮像した医療画像から、血栓及び血腫などの注目病態の存在の判別支援を行う。図１（ａ）は、医療画像Ｄの一例を示している。医療画像Ｄは、腹部ＣＴ画像である。ＣＴ画像は、Ｘ線が吸収される度合いに応じたグレースケール画像であり、Ｘ線の吸収が大きい骨は白色となる。例えば、図１(ａ)では、脊柱１０１及び肋骨１１１はＸ線の吸収が大きく白色となる。また、図１（ａ）において黒色となっている部分はＸ線の吸収が小さい脂肪である。ＣＴ値は、水を０、空気を－１０００に設定される条件下で、ＣＴ撮影された組織の密度を水を原点とした相対値で表し、－１０００～１０００の値をもつ。したがって、ＣＴ画像はＣＴ値の分布画像でもある。なお、医療画像Ｄは、非造影ＣＴ画像（単純検査画像）である。

ここで、血栓及び血腫などの注目病態のＣＴ値は、４５～７５である。ＣＴ値は３次元の最小立方体のボクセル値ではあるが、一般的な２５６階調の画素値に変換できる。血栓及び血腫の注目病態が発生する箇所（関心領域）は、下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５である。これらの箇所は、血液のＣＴ値を表すが、これ以外の組織、例えば肝臓１０６のＣＴ値が４５～７５であるため、関心領域との区分が付きにくい。

そこで、医療画像診断支援装置１０は、図１（ｂ）に示すように、まず、医療画像Ｄ上において注目病態が発生する可能性のある組織を含む関心領域Ｅを設定する。この関心領域Ｅは、骨及び臓器を含む解剖学的構造位置を基準に設定する。骨及び臓器を含む解剖学的構造位置が関心領域Ｅの設定のための基準指標となる。例えば、医療画像診断支援装置１０は、脊柱１０１の脊柱管形状をもとに脊柱１０１の中心Ｐを通る中心線Ｃを決定し、中心Ｐを円の中心とし、中心線Ｃを中心に角度θ、半径Ｒの扇形領域を関心領域Ｅとして設定する。なお、図１（ｂ）では、角度θは４５度とし、半径Ｒは５ｃｍとしている。この関心領域Ｅには、上記の下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５が含まれる。なお、関心領域Ｅの設定時、脊柱１０１以外に肋骨１１１が形成する楕円形状を考慮してもよい。また、１枚の医療画像のみではなく、隣接する医療画像（スライス画像）をもとに求めた３次元形状の組織を基準に関心領域Ｅを設定してもよい。

なお、この関心領域Ｅの設定は、注目病態が発生する可能性のある組織には個人差があるため、比較的個人差が小さく、明瞭なＣＴ値を有する骨などの組織を基準にし、この基準位置から注目病態が発生する可能性のある組織の相対的位置を特定するものである。したがって、扇状に限らず、例えば、下向大動脈１０２を囲む円領域を関心領域としてもよい。

その後、医療画像診断支援装置１０は、図１（ｃ）に示すように、関心領域Ｅ内のＣＴ値が４５～７５の画素に対して所定の色情報、例えば、赤色、黄色等を付与する。したがって、上記の下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５のみに色情報が付与される。

この色情報が付与された領域は、血栓及び血腫の注目病態の存在可能性がある領域であり、この領域が強調されることになる。これにより、読影医は、注目病態の存在を迅速に判別することができる。具体的に、読影医は、色情報が付与された領域が、下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５などの本来の組織形状と異なる部分に色付けされていたり、あるいは色付けされた部分が本来の組織形状と異なる形状となっている場合、血栓又は血腫が存在すると判別することができる。

図１（ｃ）では、下向大動脈１０２及び上腸間膜動脈１０４にそれぞれ血腫１０２ａ、１０４ａの病態の存在を確認できる。なお、上記の血栓及び血腫のＣＴ値を血液のＣＴ値として、４５～７５の範囲としていたが、この範囲はさらに血液の新鮮さ等を考慮して狭めてもよいし、逆に広げてもよい。

このように、本実施例では、血栓及び血腫などの注目病態の存在可能性のある組織を含む関心領域Ｅを設定し、この関心領域Ｅ内において注目病態の存在可能性を示す画素値を有する領域に対して所定の色情報を付与するようにしているので、客観的な注目病態の判別が可能で、読影医による注目病態の見逃し率を軽減することができる。特に、救急診療あるいは急性期診療では、読影の迅速性が求められるが、このような時間の制限がある場合であっても、注目病態の判別が容易になる。

＜医療画像診断支援装置を含む画像管理サーバの構成＞
次に、図１に示した画像管理サーバ２の構成について説明する。図２は、図１に示した画像管理サーバ２の構成を示す機能ブロック図である。画像管理サーバ２は、入力部３、表示部４、通信部５、記憶部６、制御部７及び医療画像診断支援装置１０を有する。

入力部３は、キーボード又はマウス等の入力デバイスであり、表示部４は、液晶パネル等の表示デバイスであり、通信部５は、モダリティ１、端末装置１３、あるいは図示しないネットワークを介して他の装置に接続するための通信インタフェース部である。

記憶部６は、ハードディスク装置や不揮発性メモリ等からなる記憶デバイスであり、医療画像Ｄ１を含む医療情報Ｄ１０を記憶する。

医療画像診断支援装置１０は、関心領域設定部１１及び色情報付与部１２を有する。関心領域設定部１１は、モダリティ１から医療画像上において前記注目病態が発生する可能性のある組織を含む関心領域Ｅを設定する。色情報付与部１２は、関心領域Ｅ内において注目病態の存在可能性を示す画素値を有する領域に対して所定の色情報を付与する。

制御部７は、画像管理サーバ２の全体を制御する制御部であり、情報処理制御部８を有する。制御部１５は、情報処理制御部８に対応するプログラムを不揮発性メモリや磁気ディスク装置などの記憶装置に記憶しておき、これらのプログラムをメモリにロードして、ＣＰＵで実行することで、対応するプロセスを実行させることになる。

情報処理制御部８は、接続される装置からの要求に応じて、医療情報Ｄ１０の蓄積、閲覧、複写、移動、削除、さらに特定情報の削除、特定情報の切り出しなどの情報処理を行う。特に、情報処理制御部８は、接続される医療画像診断支援装置１０に対し、モダリティ１が撮像した医療画像Ｄに対する注目病態の存在の判別支援処理を施した医療画像Ｄ１を生成する処理を実行させる。なお、医療画像診断支援装置１０の機能、すなわち医療画像診断支援機能は、ソフトウェアあるいはハードウェアとして制御部７内に設けるようにしてもよい。

＜医療画像診断支援処理＞
次に、画像管理サーバ２による医療画像診断支援処理について説明する。図３は、画像管理サーバ２による医療画像診断支援処理手順を示すフローチャートである。図３に示すように、制御部７は、モダリティ１から医療画像Ｄを受け付ける（ステップＳ１０１）と、関心領域設定部１１に対して、医療画像Ｄ上において、血栓及び血腫の注目病態が発生する可能性のある組織を含む関心領域Ｅを設定する処理を行わせる（ステップＳ１０２）。その後、制御部７は、色情報付与部１２に対して、関心領域Ｅ内において注目病態の存在可能性を示す画素値を有する領域に対して所定の色情報を付与する処理を行わせ（ステップＳ１０３）、医療画像Ｄ１として記憶部６内の医療情報Ｄ１０内に格納し、本処理を終了する。

＜変形例１＞
なお、図４に示すように、医療画像診断支援装置１０は、モダリティ１内に搭載するようにしてもよい。モダリティ１は、撮像した医療画像Ｄを医療画像診断支援装置１０に送り、医療画像診断支援装置１０が医療画像診断支援処理した医療画像Ｄ１をモダリティ１から外部に送出する。

＜変形例２＞
また、図５に示すように、医療画像診断支援装置１０を含む画像管理サーバ２に対応する画像管理サーバ３２をクラウド３０上に配置してもよい。この場合、モダリティ１及び端末装置１３を接続する、例えば医療機関内のローカルサーバ２２は、画像管理サーバ３２に接続される。ローカルサーバ２２は、モダリティ１が撮像した医療画像Ｄを画像管理サーバ３２に送信する。画像管理サーバ３２は、受け付けた医療画像Ｄに対して、医療画像診断支援装置１０を用いて医療画像診断支援処理を行った医療画像Ｄ１を生成して格納する。また、読影医が操作する端末装置１３は、ローカルサーバ２２を介して画像管理サーバ３２にアクセスし、生成された医療画像Ｄ１を読影する。

＜応用例＞
本応用例では、上記の医療画像診断支援装置１０による医療画像診断支援処理を、ディープラーニングを含む機械学習によって学習した機能によって行うようにしている。

図６は、本応用例による画像管理サーバ２の構成を示す機能ブロック図である。図６に示すように、本応用例による画像管理サーバ２は、医療画像診断支援装置１０内の関心領域設定部４１及び色情報付与部４２の処理を、ディープラーニングを含む機械学習によって学習した機能によって行う。また、注目病態の存在可能性の高い領域がある場合、その旨のアノテーションを医療画像Ｄ１に付加する情報付与部４３を有する。その他の構成は、図２に示した構成と同じである。

関心領域設定部４１は、骨及び臓器を含む解剖学的構造位置を機械学習によって学習しておき、該機械学習によって求めた解剖学的構造位置を基準に、撮像した医療画像Ｄの関心領域Ｅを設定する。

例えば、図７（ａ）に示すように、予め骨及び臓器を含む解剖学的構造位置を多数の医療画像を用いて機械学習しておき、この機械学習した脊柱などの解剖学的構造位置を基準に、撮像した医療画像Ｄの関心領域Ｅ１０２～Ｅ１０５を設定する。各関心領域Ｅ１０２～Ｅ１０５は、それぞれ下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５の組織に対応する。なお、下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５の組織の解剖学的構造位置をさらに学習しておき、下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５の組織をさらに詳細に特定するようにしてもよい。この場合、下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５の組織の３次元構造を参照して特定するようにしてもよい。図７(ａ)では、下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５の組織を中心に、下向大動脈１０２、下向大静脈１０３、上腸間膜動脈１０４、上腸間膜静脈１０５の組織を含む円領域を関心領域Ｅ１０２～Ｅ１０５としている。

色情報付与部４２は、関心領域Ｅ１０２～Ｅ１０５において、血栓及び血腫などの注目病態が存在しない正常画像と、血栓及び血腫などの注目病態が存在する異常画像とをもとに注目病態の存在可能性を機械学習によって学習しておき、図７（ｂ）に示すように、撮像した医療画像Ｄの関心領域に注目病態の存在可能性の高い領域があるか否かを判別し、注目病態の存在可能性の高い領域がある場合、図７（ｃ）に示すように、注目病態の存在可能性の高い領域に色情報を付与する。

色情報付与部４２が色情報付与部１２と異なる点は、注目病態が存在する可能性のある組織ではなく、注目病態の存在可能性の高い領域、具体的には注目病態のみに色情報を付与することである。これにより、医療画像診断支援装置１０が医療画像を予備的に読影したことになり、読影医は、この読影結果を確認することになる。

また、本応用例では、色情報付与部１２が、図７（ｃ）に示すように、注目病態の存在可能性の高い領域、例えば血腫１０２ａ，１０４ａがある場合、その旨のアノテーションＡ１，Ａ２を医療画像Ｄ１に付加するようにしている。

本応用例では、機械学習された医療画像診断支援装置１０を用いて、注目病態の存在可能性の高い領域を検出し、色情報を付与するようにしているので、さらに迅速に注目病態の存在を判別することができる。

なお、上記の医療画像は２次元画像として説明したが、これに限らず、複数のスライス画像をもとに注目病態の３次元形状に色情報を付与するようにしてもよい。

また、上記では、医療画像ＤをＸ線ＣＴ画像として説明したが、これに限らず、ＭＲＩ画像、超音波ＣＴ画像であってもよいし、さらに、１枚のＸ線画像、ＭＲＩ画像、超音波画像であってもよい。

さらに、上記では、注目病態の一例として血栓及び血腫について説明したが、血栓及び血腫も、ヒトの部位によって多種存在する。例えば、頭部であれば、クモ膜下出血、急性期脳梗塞、脳静脈洞血栓症があり、胸部であれば、心筋梗塞、大動脈瘤切迫破裂、大動脈解離、肺血栓塞栓症があり、腹部では、上腸間膜動脈閉塞／解離、非閉塞性腸管虚血があり、脊椎には、脊椎硬膜外血腫などがある。

なお、注目病態の一例として血栓及び血腫について説明したが、注目病態は血栓及び血腫に限らず、他の内因性病態であってもよい。さらに、注目病態は、外因性病態、例えば、組織の損傷や挫傷、出血であってもよい。

また、上記一連の説明では、関心領域Ｅ内のＣＴ値が所定の範囲内の値となる画素に対して所定の色情報、例えば、赤色、黄色等を付与する場合を示したが、本発明はこれに限定されるものではなく、色情報以外の態様で該当する画素を強調することもできる。例えば、関心領域Ｅ内のＣＴ値が所定の範囲内の値となる画素の画素値を他の領域の画素の画素値と区別可能な画素値とすることができ、また、これらの画素からなる領域に特定の図形を対応付けて強調表示することもできる。

なお、上記の実施例、変形例及び応用例で図示した各構成は機能概略的なものであり、必ずしも物理的に図示の構成をされていることを要しない。すなわち、各装置の分散・統合の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。

本発明の医療画像診断支援装置、医療画像撮影装置、画像管理サーバ及び医療画像診断支援方法は、撮像した医療画像の中から注目病態の存在を迅速に判別する場合に有用である。

１モダリティ
２画像管理サーバ
３入力部
４表示部
５通信部
６記憶部
７制御部
８情報処理制御部
１０医療画像診断支援装置
１１，４１関心領域設定部
１２，４２色情報付与部
１３端末装置
１５制御部
２２ローカルサーバ
３０クラウド
３２画像管理サーバ
４３情報付与部
１０１脊柱
１０２下向大動脈
１０２ａ，１０４ａ血腫
１０３下向大静脈
１０４上腸間膜動脈
１０５上腸間膜静脈
１０６肝臓
１１１肋骨
Ａ１，Ａ２アノテーション
Ｃ中心線
Ｄ，Ｄ１医療画像
Ｄ１０医療情報
Ｅ，Ｅ１０２～Ｅ１０５関心領域
Ｐ中心
Ｒ半径
θ 角度

Claims

医療画像撮影装置が撮像した医療画像から注目病態の存在の判別支援を行う医療画像診断支援装置であって、
前記医療画像上において前記注目病態が発生する可能性のある組織を含む関心領域を設定する関心領域設定部と、
前記関心領域内において前記注目病態の存在可能性を示す画素値を有する領域に対して他の領域と区別可能な態様の表示情報を付与する情報付与部と
を備え、
前記関心領域設定部は、骨及び臓器を含む解剖学的構造位置を基準に前記関心領域を設定する
ことを特徴とする医療画像診断支援装置。
前記関心領域設定部は、骨及び臓器を含む解剖学的構造位置を機械学習によって学習しておき、該機械学習によって求めた解剖学的構造位置を基準に、撮像した前記医療画像の前記関心領域を設定することを特徴とする請求項１に記載の医療画像診断支援装置。
前記情報付与部は、前記関心領域内において前記注目病態の存在可能性を示す画素値を有する領域に対して所定の色情報を付与することを特徴とする請求項１に記載の医療画像診断支援装置。
前記情報付与部は、前記関心領域において前記注目病態が存在しない正常画像と前記注目病態が存在する異常画像とをもとに前記注目病態の存在可能性を機械学習によって学習しておき、撮像した前記医療画像の前記関心領域に前記注目病態の存在可能性の高い領域がある場合、前記注目病態の存在可能性の高い領域に前記色情報を付与することを特徴とする請求項３に記載の医療画像診断支援装置。
前記注目病態の存在可能性の高い領域がある場合、その旨のアノテーションを前記医療画像に付加する情報付加部を備えたことを特徴とする請求項４に記載の医療画像診断支援装置。
前記画素値は、所定範囲の画素値であることを特徴とする請求項１～５のいずれか一つに記載の医療画像診断支援装置。
前記医療画像は、造影剤を用いていない単純検査画像であることを特徴とする請求項１～６のいずれか一つに記載の医療画像診断支援装置。
前記医療画像は、Ｘ線ＣＴ画像、ＭＲＩ画像及び超音波画像を含むことを特徴とする請求項１～７のいずれか一つに記載の医療画像診断支援装置。
前記医療画像は、Ｘ線ＣＴ画像であり、前記画素値はＣＴ値を変換した値であることを特徴とする請求項１～８のいずれか一つに記載の医療画像診断支援装置。
前記注目病態は、血栓及び血腫であることを特徴とする請求項１～９のいずれか一つに記載の医療画像診断支援装置。
請求項１～１０のいずれか一つに記載の医療画像診断支援装置を備えた医療画像撮影装置。
前記医療画像撮影装置が撮像した前記医療画像を受け付けて管理し、少なくとも前記医療画像の読影支援を行う画像管理サーバであって、
請求項１～１０のいずれか一つに記載の医療画像診断支援装置を備えたことを特徴とする画像管理サーバ。
前記医療画像撮影装置が撮像した前記医療画像を受け付けて管理し、少なくとも前記医療画像の読影支援を行うクラウド上の画像管理サーバであって、
請求項１～１０のいずれか一つに記載の医療画像診断支援装置を備えたことを特徴とする画像管理サーバ。
医療画像撮影装置が撮像した医療画像から注目病態の存在の判別支援を行う医療画像診断支援装置の医療画像診断支援方法であって、
前記医療画像上において前記注目病態が発生する可能性のある組織を含む関心領域を設定する関心領域設定ステップと、
前記関心領域内において前記注目病態の存在可能性を示す画素値を有する領域に対して他の領域と区別可能な態様の表示情報を付与する情報付与ステップと
を含み、
前記関心領域設定ステップは、骨及び臓器を含む解剖学的構造位置を基準に前記関心領域を設定する
ことを特徴とする医療画像診断支援方法。
前記関心領域設定ステップは、骨及び臓器を含む解剖学的構造位置を機械学習によって学習しておき、該機械学習によって求めた解剖学的構造位置を基準に、撮像した前記医療画像の前記関心領域を設定することを特徴とする請求項１４に記載の医療画像診断支援方法。
前記情報付与ステップは、前記関心領域内において前記注目病態の存在可能性を示す画素値を有する領域に対して所定の色情報を付与することを特徴とする請求項１４に記載の医療画像診断支援方法。
前記情報付与ステップは、前記関心領域において前記注目病態が存在しない正常画像と前記注目病態が存在する異常画像とをもとに前記注目病態の存在可能性を機械学習によって学習しておき、撮像した前記医療画像の前記関心領域に前記注目病態の存在可能性の高い領域がある場合、前記注目病態の存在可能性の高い領域に前記色情報を付与することを特徴とする請求項１６に記載の医療画像診断支援方法。
前記注目病態の存在可能性の高い領域がある場合、その旨のアノテーションを前記医療画像に付加する情報付加ステップを含むことを特徴とする請求項１７に記載の医療画像診断支援方法。