[go: up one dir, main page]

WO2013175683A1 - 病理診断結果判定システム、病理診断結果判定方法および病理診断結果判定装置 - Google Patents

病理診断結果判定システム、病理診断結果判定方法および病理診断結果判定装置 Download PDF

Info

Publication number
WO2013175683A1
WO2013175683A1 PCT/JP2013/001451 JP2013001451W WO2013175683A1 WO 2013175683 A1 WO2013175683 A1 WO 2013175683A1 JP 2013001451 W JP2013001451 W JP 2013001451W WO 2013175683 A1 WO2013175683 A1 WO 2013175683A1
Authority
WO
WIPO (PCT)
Prior art keywords
report
unit
diagnosis
feature
pathological diagnosis
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.)
Ceased
Application number
PCT/JP2013/001451
Other languages
English (en)
French (fr)
Inventor
丸亀　敦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Priority to JP2014516635A priority Critical patent/JP5958534B2/ja
Priority to US14/395,166 priority patent/US9383347B2/en
Publication of WO2013175683A1 publication Critical patent/WO2013175683A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/483—Physical analysis of biological material
    • G01N33/4833—Physical analysis of biological material of solid biological material, e.g. tissue samples, cell cultures
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • 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
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T2207/30024—Cell structures in vitro; Tissue sections in vitro

Definitions

  • the present invention relates to a pathological diagnosis result determination system, a pathological diagnosis result determination method, and a pathological diagnosis result determination apparatus for finding a discrepancy between a result of diagnosis of a tissue specimen image and a report content.
  • pathological diagnosis method there is a method in which a specimen (pathological specimen) such as a diseased tissue or cell collected from a human body is pasted on a glass slide and observed and diagnosed using a microscope.
  • pathological diagnosis image diagnosis
  • a scanner that captures a specimen on a slide as a digital image
  • pathological diagnosis is performed with a microscope or digital image
  • the pathologist summarizes the result in a pathological diagnosis report.
  • Japanese Patent Application Laid-Open No. 2010-035756 uses gaze detection to detect which feature and how much time in a medical diagnostic image is viewed, and has been set in advance by feature extraction. Methods have been proposed to give warnings about oversight of areas. This method is effective when a gaze detection device can be introduced at the diagnosis site and a warning is given.
  • the objective of this invention is providing the technique which solves the above-mentioned subject.
  • the pathological diagnosis result determination system performs a pathological diagnosis of a tissue specimen image, generates a diagnostic record information, and accumulates a report describing the pathological diagnosis result of the tissue specimen image
  • the report storage unit that performs analysis, the report analysis unit that analyzes the diagnosis results described in the reports stored in the report storage unit, the diagnosis results analyzed by the report analysis unit, and the diagnosis record information are compared, and diagnosis is performed.
  • a report verification unit for determining the degree of coincidence of the results.
  • the pathological diagnosis result determination method of the present invention performs a pathological diagnosis of a tissue specimen image, generates a diagnostic record information, and accumulates a report describing the pathological diagnosis result of the tissue specimen image in a report storage unit. Compare the diagnosis record information with the report accumulation step, the report analysis step that analyzes the diagnosis results described in the reports accumulated in the report accumulation unit, and the diagnosis record information. And a report verification step for determining the degree of coincidence.
  • the pathological diagnosis result determination apparatus of the present invention includes a diagnostic unit that performs pathological diagnosis of a tissue specimen image and generates diagnostic record information, and a report storage unit that accumulates a report in which the pathological diagnosis result of the tissue specimen image is described.
  • the report analysis unit that analyzes the diagnosis results described in the reports stored in the report storage unit, the diagnosis results analyzed by the report analysis unit, and the diagnosis record information are compared, and the degree of coincidence of the diagnosis results is determined.
  • a report verification unit for judging.
  • the present invention it is possible to prevent a difference between the result of diagnosing the tissue specimen image and the report contents and to reduce the risk of misdiagnosis.
  • Embodiment 1 FIG.
  • exemplary embodiments of the present invention will be described in detail with reference to the drawings.
  • the components described in the following embodiments are merely examples, and are not intended to limit the technical scope of the present invention.
  • FIG. 1 is a block diagram showing a configuration example of a first embodiment of a pathological diagnosis determination system according to the present invention.
  • the image storage unit 101 reads a specimen slide of a diseased tissue with an imaging device such as a scanner, and stores the generated tissue specimen image.
  • the diagnosis unit 102 requests the image storage unit 101 to transmit the tissue specimen image, and extracts the outline of the tissue in the obtained tissue image. Furthermore, the diagnosis unit 102 has a function of extracting various features existing in the tissue.
  • features used for pathological diagnosis include nuclei, gland ducts, signet ring cells, mucus, and necrotic cells.
  • the diagnosis unit 102 extracts a feature region from the target region using a general image processing unit such as an edge extraction filter or template matching after limiting the rough region including the target region with the color value of the pixel.
  • the feature region is a region including a feature used for pathological diagnosis.
  • the diagnosis unit 102 determines and analyzes a gaze area (ROI) based on various features extracted from the tissue specimen image, and performs pathological diagnosis. At this time, values (feature amounts) relating to the color and shape of the features are collectively used as a feature vector.
  • the diagnosis unit 102 inputs a feature vector to a classifier previously learned by a machine learning method such as a neural network (NN) or a support vector machine (SVM), and performs pathological diagnosis.
  • NN neural network
  • SVM support vector machine
  • Tissue specimen identification information is information for identifying a tissue specimen.
  • a barcode including identification information is attached to the tissue specimen.
  • a gaze area is an area to be a pathological diagnosis target in a tissue specimen image including an important feature in pathological diagnosis.
  • the diagnosis result is a pathological diagnosis result of the tissue specimen.
  • the diagnosis result indicates whether the tissue specimen is “malignant” or “benign”.
  • the pathological report is accumulated in the report accumulation unit 104.
  • the pathology report includes patient information (tissue specimen identification information (ID), age, gender), pathologist information, specimen information (organ name, biopsy sampling position in the organ, sampling method) ), Text information such as diagnostic information (diagnosis results, findings) is described.
  • patient information tissue specimen identification information (ID)
  • age, gender a registered trademark
  • pathologist information a registered trademark
  • specimen information an extracted material
  • organ name organ name, biopsy sampling position in the organ, sampling method
  • Text information such as diagnostic information (diagnosis results, findings) is described.
  • other items necessary for pathological diagnosis may be added as necessary.
  • the report analysis unit 105 extracts a diagnosis result by syntax analysis of natural language processing based on the description content of the pathology report.
  • the diagnosis result indicates whether the tissue specimen is “malignant” or “benign”.
  • the diagnosis result is accumulated as diagnosis record information in the report analysis unit 105 together with the tissue specimen identification information (ID) and the gaze area (ROI).
  • the report verification unit 106 determines the degree of coincidence between the diagnosis result stored in the diagnosis unit 102 and the diagnosis record information stored in the report storage unit 104. In the first embodiment, the report verification unit 106 determines the degree of coincidence between the diagnosis record information accumulated in the diagnosis unit 102 and the diagnosis record information accumulated in the report accumulation unit 104.
  • FIG. 2 is a flowchart showing an example of an operation procedure of the pathological diagnosis determination system according to the first embodiment.
  • the diagnosis unit 102 requests the tissue specimen image stored in the image storage unit 101 (S100).
  • the diagnosis unit 102 extracts the tissue contour in the requested tissue specimen image by the same method as the feature extraction described above. Further, the diagnosis unit 102 extracts various features existing in the organization, and calculates feature amounts that are attribute information (representing feature density, feature shape, size, etc.) of the various features (S101a, b).
  • the diagnosis unit 102 determines a gaze area (ROI) based on the extracted various feature information, and performs pathological diagnosis (S102).
  • the diagnosis unit 102 may use a method described in Japanese Patent Application Laid-Open No. 2009-175040 as a method of determining a gaze area (ROI), or may use another method.
  • the diagnosis record information in the first embodiment is information on tissue specimen identification information (ID), a gaze area (ROI), and a diagnosis result.
  • the diagnostic information storage unit 103 stores the diagnostic record information obtained by the diagnostic unit 102 as a table as shown in FIG. 3A (S103).
  • the report analysis unit 105 requests a report stored in the report storage unit 104 (S200).
  • the report analysis unit 105 extracts the diagnostic record information described in the report (S201), and records it in the report analysis unit 105 itself as a table as shown in FIG. 3b (S202).
  • the report verification unit 106 compares the diagnosis record information (FIGS. 3a and 3b) recorded in the diagnosis unit 102 and the report analysis unit 105, and determines the degree of coincidence between them.
  • diagnosis record information (FIGS. 3a and 3b) recorded in the diagnosis unit 102 and the report analysis unit 105, and determines the degree of coincidence between them.
  • the report verification unit 106 first compares tissue specimen identification information (ID) (S300). If the tissue specimen identification information (ID) matches, the report verification unit 106 then compares the gaze area (ROI) (S301). If the tissue specimen identification information (ID) does not match, the flow ends there (S303).
  • Step S300 If the tissue specimen identification information (ID) matches in step S300, the report verification unit 106 next compares the gaze area (ROI) (S301).
  • ROI gaze area
  • the report verification unit 106 sets a rectangular region (bounding box) in contact with the upper end, lower end, left end, and right end of the tissue region extracted by the diagnosis unit 102.
  • the report verification unit 106 divides the inside of the rectangular area into a plurality of blocks. For example, the report verification unit 106 divides the vertical direction into four parts and the horizontal direction into four parts, generates a total of 16 blocks, and assigns each block a number from 1 to 16.
  • Correlation of path information and location information of each block is performed as follows.
  • Information regarding the gaze area (ROI) described in the pathology report is often indicated only by a rough position such as “upper right”.
  • the correspondence between the gaze area (ROI) and the block number in advance can be specified.
  • the report analysis unit 105 performs syntax analysis of the pathology report and acquires gaze area (ROI) information.
  • ROI gaze area
  • the word “upper right” can be extracted as the attention area (ROI) information.
  • the position in the tissue specimen image corresponding to the “upper right” of the pathology report is defined as block numbers 3, 4 and 8 as shown in FIG. It can be determined (S301). If the gaze areas do not match, the flow ends there (S303).
  • the report verification unit 106 compares the diagnosis results recorded in the diagnosis unit 102 and the report analysis unit 105 (S302). If both diagnosis results match with “benign”, the report verification unit 106 sets the final diagnosis result to “benign”, and the flow ends (S303).
  • the report verification unit 106 sets the final diagnosis result to “malignant”, and the flow ends (S303).
  • the report verification unit 106 may perform detailed evaluation of cancer malignancy (for example, grading). At this time, the report verification unit 106 may display the diagnostic record information on the display screen.
  • the report verification unit 106 displays a warning on the display screen, and the flow ends (S303).
  • the present invention it is possible to prevent the difference between the result of diagnosis of the tissue specimen image and the report content created by the pathologist.
  • Embodiment 2 features and attribute information necessary for pathological diagnosis are extracted based on the description contents of the pathological report accumulated in the report accumulation unit 104. Then, the features included in the diagnostic record information stored in the diagnostic information storage unit 103 are compared with the attribute information, and the degree of coincidence between them is determined. Further, at this time, a score corresponding to the degree of coincidence between the two is calculated, and a warning is displayed when the calculated score is more than a predetermined value beyond a preset standard value.
  • FIG. 7 is a block diagram showing a configuration example of the second embodiment of the pathological diagnosis determination system according to the present invention.
  • the diagnosis unit 102 includes a diagnosis feature recognition unit 112 and a diagnosis feature analysis unit 122.
  • the report verification unit 106 includes a feature-specific importance table recording unit 126 and a score calculation unit 136. Note that the description of the configuration common to the first embodiment is omitted.
  • the diagnosis unit 102 includes a diagnosis feature recognition unit 112, a diagnosis feature analysis unit 122, and a diagnosis recording unit 132.
  • the diagnostic feature recognition unit 112 requests the image storage unit 101 to transmit a tissue specimen image, and extracts the tissue contour in the obtained tissue image. Further, the diagnostic feature recognition unit 112 has a function of extracting various features existing in the tissue.
  • features used for pathological diagnosis include nucleus, gland duct, signet ring cell, mucus, necrotic cell and the like. Since the feature extraction method is the same as that of the first embodiment, the description thereof is omitted here.
  • the diagnostic feature analysis unit 122 analyzes the tissue and features in the tissue image extracted by the diagnostic feature recognition unit 112, and performs pathological diagnosis.
  • the diagnostic feature analysis unit 122 extracts a feature region from the tissue image.
  • the diagnostic feature analysis unit 122 determines the amount of the area shape (area, circumference, circularity, major axis / minor axis and ratio thereof, number of thinned pixels and geodesic lines, end points, intersections), and The average value and variance of the color elements (RGB, HSV, etc.) of the pixels in the region are calculated as features.
  • the diagnostic feature analysis unit 122 collects these values into a feature vector, and uses a threshold learning or a machine learning method represented by a neural network (NN), support vector machine (SVM), or the like to perform benign or malignant. Determine the degree.
  • NN neural network
  • SVM support vector machine
  • Diagnostic feature analysis unit 122 may determine the degree by binary values such as 0 and 1. Further, the diagnostic feature analysis unit 122 may determine the degree using a continuous value such as a distance from the threshold or a numerical value calculated by a machine learning method. The diagnostic feature analysis unit 122 may use generally known technology of feature analysis methods including the above method.
  • the diagnosis recording unit 132 records tissue specimen identification information (ID), gaze area (ROI), feature name, feature attribute information, and the like of the tissue specimen image analyzed by the diagnostic feature analysis unit 122 as diagnostic record information.
  • the report analysis unit 105 includes an extraction unit 115 and a recording unit 125.
  • the extraction unit 115 extracts features and attribute information of the features by syntax analysis of natural language processing based on the description content of the pathology report.
  • the feature attribute information represents feature density, feature shape, size, and the like.
  • the extraction unit 115 performs pathological diagnosis based on the obtained features and feature attribute information. As shown in FIG. 10, the diagnostic result is accumulated as diagnostic record information in the diagnostic information accumulating unit 103 together with the tissue specimen identification information (ID) and the gaze area (ROI).
  • the recording unit 125 records the feature extracted by the extracting unit 115 and its attribute information as shown in FIG.
  • the report verification unit 106 includes a comparison unit 116, a feature-specific importance table recording unit 126, and a score calculation unit 136.
  • the comparison unit 116 compares the diagnostic record information stored in the diagnostic information storage unit 103 with the features and attribute information recorded in the recording unit 125 of the report analysis unit 105.
  • the feature-specific importance table recording unit 126 records the weighting values used for score calculation as shown in FIG. This weighting value is set in advance corresponding to each of the feature and its attribute information.
  • the weighting value is extremely large as it strongly supports malignant judgment based on the presence or absence of such features as signet ring cells in gastric cancer diagnosis and comedoednecrosis in prostate cancer diagnosis.
  • a weighting value is set according to the malignancy occurrence rate and the seriousness (according to cancer, the progress is fast, etc.) based on the attribute information.
  • the attribute information includes words representing size, density, shape, and the like.
  • a finding such as “the gland ducts having different sizes are densely packed” is described in the pathological report.
  • a weighting value of +5 is set for the item “the gland ducts are dense” and +7 is set for the item “the size of the gland ducts are different”.
  • the score calculation unit 136 calculates a warning score by a weighted sum or the like using the matching score given by the comparison unit 116 and the weighting value recorded in the feature-specific importance table recording unit 126.
  • the coincidence score is a score given by the degree of coincidence when features are compared.
  • the diagnostic record information of the same tissue specimen image recorded in the diagnostic information recording unit 103 and the recording unit 125 of the report analysis unit 105 when the features of the two are compared, if the features of the two match, +1 If they do not match, ⁇ 1 is assigned as the matching score.
  • the warning score is a score derived by multiplying the feature or attribute information matching items by a feature matching score and a preset weighting value as shown in FIG. 11 and calculating the sum. is there.
  • the warning score is an index indicating how far the pathological diagnosis results of the diagnostic information recording unit 103 and the report analysis unit 105 are far apart.
  • the diagnostic feature recognition unit 112 extracts the tissue and various feature regions in the tissue specimen image. Further, the diagnostic feature analysis unit 122 determines a gaze area (ROI) based on the extracted various feature information and performs pathological diagnosis. Since the steps up to here are the same as those in the first embodiment, description thereof will be omitted.
  • ROI gaze area
  • FIG. 12 shows that a plurality of gaze regions (ROI) are set based on the tissue in the tissue specimen image recognized by the diagnostic feature recognition unit 112 and the feature information, and one gaze region (ROI) is determined. It is explanatory drawing shown.
  • the diagnostic feature analysis unit 122 sets the feature existing in the gaze area to a magnification suitable for diagnosis. Since the pathological diagnosis method of the gaze area (ROI) performed by the diagnostic feature analysis unit 122 is the same as that in the first embodiment, the description thereof is omitted.
  • the diagnostic feature analysis unit 122 sends the tissue specimen identification information (ID), gaze region (ROI) information, feature name, and attribute information obtained when analyzing the gland duct to the diagnostic information storage unit 103.
  • the diagnostic information storage unit 103 records the sent information as shown in FIG.
  • the report accumulated in the report accumulation unit 104 is transmitted to the report analysis unit 105.
  • the extraction unit 115 of the report analysis unit 105 extracts pathological specimen identification information (ID), gaze area (ROI), feature name and attribute information described in the report, and records them in a table format as shown in FIG. Recorded in section 125.
  • the report analysis unit 105 extracts the feature name and the attribute information thereof based on the description contents of the report accumulated in the report accumulation unit 104 . For example, suppose that there is a finding in the pathology report that gland ducts of different sizes are dense. In this case, the report analysis unit 105 extracts “gland duct” as a feature, “different in size”, and “dense” as attribute information. The information obtained here is recorded in the recording unit 125 of the report analysis unit 105 in a table format as shown in FIG.
  • the comparison unit 116 of the report verification unit 106 compares the diagnostic record information including the characteristics recorded in the recording unit 125 and the attribute information thereof with the diagnostic record information stored in the diagnostic information storage unit 103, The degree of matching is determined.
  • the flow of this determination process will be described with reference to FIG.
  • the report verification unit 106 compares the tissue specimen identification information (ID) accumulated in the diagnostic information accumulation unit 103 with the tissue specimen identification information (ID) of the report analyzed by the report analysis unit 105 (S600). If they match, the report verification unit 106 compares the gaze area (ROI) (S601). If the gaze area (ROI) does not match, the flow ends here (S607).
  • the report verification unit 106 compares the diagnosis record information accumulated in the diagnosis information accumulation unit 103 with the gaze area (ROI) in the diagnosis record information of the report analyzed by the report analysis unit 105 (S601). Since the comparison method here is the same as that of the first embodiment, a description thereof will be omitted.
  • the comparison unit 116 of the report verification unit 106 starts with the information stored in the diagnosis information storage unit 103 (FIG. 9a) and the features and attribute information (FIG. 10) stored in the report analysis unit 105.
  • the features are compared (S602).
  • the feature is both “gland duct”. For this reason, the comparison unit 116 determines that the features match and adds +1 as the feature matching score.
  • the comparison unit 116 of the report verification unit 106 compares the diagnostic information storage unit 103 and the attribute information of the features recorded in the report analysis unit 105.
  • a threshold condition corresponding to each attribute information is set in advance. When the attribute information recorded in the diagnostic record information 103 and the report analysis unit 105 satisfies the threshold condition, the comparison unit 116 determines that the two match.
  • the diagnostic information storage unit 103 stores information (FIG. 9a) indicating “density 70%”. This means that the gland duct occupies the entire gaze area (ROI).
  • the report analysis unit 105 stores information (FIG. 10) indicating “crowded”.
  • the diagnostic information storage unit 103 stores information (FIG. 9a) indicating “size variation: large”, and the report analysis unit 105 stores information indicating that “the sizes are different” ( FIG. 10) is stored. At this time, both satisfy a predetermined threshold condition. Therefore, the report verification unit 106 determines that the two match.
  • the score calculation unit 136 of the report verification unit 106 multiplies the feature or attribute information matching item by the matching score of each feature and the weighting value set in advance in the feature-specific importance table recording unit 126.
  • the warning score is derived by calculating the total sum (S604).
  • the feature score is “+1” because it is determined that the feature is “gland duct”. Further, from the information recorded in the feature-specific importance table recording unit 126, the item “differing in size” in the gland duct has a weighting value +7, and the item “densely” has a weighting value +5.
  • the score calculation unit 136 derives a warning score by multiplying two weighting values by the matching score +1 obtained in this way and calculating a sum.
  • the warning score calculated here is +12. Note that the score calculation unit 136 may add and / or subtract the warning score calculated as necessary according to the feature in the report sentence and the arrangement order of the attribute information.
  • the warning score calculated by the score calculation unit 136 of the report verification unit 106 is sent to the warning display unit 107.
  • the warning display unit 107 compares the preset threshold value with the warning score transmitted from the report verification unit 106 (S605).
  • the warning display unit 107 displays a warning for the user (S606) and ends the process (S607).
  • the warning display unit 107 ends the process as it is (S607). In any case, the warning display unit 107 may display the warning score simultaneously with the warning display (S607).
  • the comparison unit 116 of the report verification unit 106 starts with the diagnosis record information stored in the diagnosis information storage unit 103 (FIG. 9b) and the diagnosis record information stored in the report analysis unit 105 (FIG. 10). Compare features.
  • the features are “gland duct” and “signature ring cell”, respectively. Therefore, the comparison unit 116 determines that the features do not match and sets the matching score to -1. The result is sent to the warning display unit 107.
  • the warning display unit 107 displays a warning that the features used for the pathological diagnosis do not match (S603), and the flow ends as it is (S607). Further, the warning display unit 107 displays that the features do not match, and the features and their attribute information (S606).
  • the present embodiment it is possible to prevent the difference between the result of diagnosis of the tissue specimen image and the report content created by the pathologist, and it is possible to evaluate not only the pathological diagnosis result but also the detailed reason.
  • Embodiment 3 the diagnosis record information described in the report accumulated in the report accumulation unit 104 is compared with the diagnosis record information accumulated in the diagnosis information accumulation unit 103, and the degree of coincidence between them is determined. .
  • the difference from the second embodiment is that there are a plurality of pieces of diagnostic record information stored in the diagnostic information storage unit 103.
  • tissue specimen identification information (ID) and the gaze area (ROI) extraction method and comparison method recorded in the diagnostic information storage unit 103 and the report analysis unit 105 are the same as those in the first embodiment, here The description is omitted (S600, S601).
  • FIG. 9 a flow for comparing features and their attribute information when there are a plurality of pieces of diagnostic result information recorded in the diagnostic information storage unit 103 will be described with reference to FIGS. 9 and 10.
  • FIG. 9 a flow for comparing features and their attribute information when there are a plurality of pieces of diagnostic result information recorded in the diagnostic information storage unit 103 will be described with reference to FIGS. 9 and 10.
  • the pathology report stored in the report storage unit 104 states that “the gland ducts of different sizes are dense”. Since the feature and its attribute information are extracted by the same method as in the first embodiment, the description thereof is omitted here.
  • the extracted feature is “gland duct”, and the extracted attribute information is “different in size” and “dense”.
  • the pathological report (FIG. 10) recorded in the diagnostic information storage unit 103 and stored in the report storage unit 104 matches the pathological specimen identification information (ID) and the gaze area (ROI).
  • ID pathological specimen identification information
  • ROI gaze area
  • the comparison unit 116 of the report verification unit 106 compares the gaze area 1 recorded in the diagnostic information storage unit 103 with the feature described in the pathology report and its attribute information (S602). First, the comparison unit 116 compares the diagnostic record information (FIG. 9 a) stored in the diagnostic information storage unit 103 with the characteristics of the diagnostic record information (FIG. 10) stored in the report analysis unit 105. To do. In this example, the feature is both “gland duct”. Therefore, the comparison unit 116 determines that the features match and sets the match score to +1.
  • the comparison unit 116 compares the attribute information of the features.
  • the diagnostic information storage unit 103 stores information (FIG. 9a) indicating “density 70%”, and the report analysis unit 105 stores information indicating “crowded” (FIG. 10). .
  • the comparison unit 116 determines that they match.
  • the comparison unit 116 compares information on the feature size.
  • the diagnostic information storage unit 103 stores information indicating that “there is a variation in size”, and the report analysis unit 105 stores information indicating that the size is different (FIG. 10). Has been. Also in this case, using the same method as in the second embodiment, the comparison unit 116 determines that they match.
  • the item “different in size” in the gland duct has a weighting value +7
  • the item “dense” has a weighting value +5.
  • the score calculation unit 136 calculates a warning score using the matching score and the weighted value thus obtained (S604). Since the method for calculating the warning score is the same as that in the second embodiment, description thereof is omitted here.
  • the comparison unit 116 compares the diagnostic record information (FIG. 9 b) accumulated in the diagnostic information accumulation unit 103 with the characteristics of the diagnostic record information (FIG. 10) stored in the report analysis unit 105. In this example, the features are different. Therefore, the comparison unit 116 determines that the features do not match and sets the matching score to -1.
  • the warning display unit 107 displays that the features do not match, the calculated warning score, the features, and their attribute information. At this time, the warning display unit 107 may display these pieces of information in order from the lowest matching score.
  • the comparison unit 116 compares the characteristics of the diagnostic record information (FIG. 9 c) stored in the diagnostic information storage unit 103 and the diagnostic record information (FIG. 10) stored in the report analysis unit 105. This method is also the same as the method for comparing the diagnostic record information stored in the diagnostic information storage unit 103 (FIG. 9b) and the diagnostic record information stored in the report analysis unit 105 (FIG. 10). . Therefore, the description is omitted here.
  • the present embodiment it is possible to prevent the difference between the result of diagnosing the tissue specimen image and the report content created by the pathologist, and to evaluate not only the pathological diagnosis result but also the detailed reason.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Chemical & Material Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Public Health (AREA)
  • Hematology (AREA)
  • Molecular Biology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Food Science & Technology (AREA)
  • Urology & Nephrology (AREA)
  • Immunology (AREA)
  • Optics & Photonics (AREA)
  • Biophysics (AREA)
  • Medicinal Chemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Radiology & Medical Imaging (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Data Mining & Analysis (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Description

病理診断結果判定システム、病理診断結果判定方法および病理診断結果判定装置
　本発明は、組織標本画像を診断した結果とレポート内容の乖離を発見する病理診断結果判定システム、病理診断結果判定方法および病理診断結果判定装置に関する。
　一般的な病理診断方法として、人体より採取された病変組織や細胞などの標本（病理標本）を、ガラスのスライド上に貼り付けて顕微鏡を用いて観察・診断する方法がある。近年、顕微鏡による病理診断以外にも、スライド上の標本をデジタル画像として取り込むスキャナを用いた病理診断（画像診断）が行われている。
　通常、顕微鏡やデジタル画像によって病理診断が行われた後、病理医はその結果を病理診断報告書として書面にまとめる。このとき、事務手続き上のミスや書面管理の不徹底により、病理診断結果と病理診断報告書の記載内容に乖離が生じることがある。
　この対策として、特開２０１０－０３５７５６号公報では、視線検出を用いて医療診断画像のどの位置のどの特徴、どの程度の時間を見たかを検出し、あらかじめ特徴抽出により設定しておいた要注意領域の見落としの警告をあげる方法が提案されている。この方法は、診断現場に視線検出装置を導入でき、警告を与えるような場合には有効である。
特開２０１０－０３５７５６号公報
　しかし、視線検出装置の導入は、経済的負担、病理医への心理的負担があり、このような装置を導入することに抵抗は大きい。本発明の目的は、上述の課題を解決する技術を提供することにある。
　上記目的を達成するため、本発明の病理診断結果判定システムは、組織標本画像の病理診断を行い、診断記録情報を生成する診断部と、組織標本画像の病理診断結果が記載されたレポートを蓄積するレポート蓄積部と、レポート蓄積部に蓄積されているレポートに記載されている診断結果を解析するレポート解析部と、レポート解析部で解析された診断結果と、診断記録情報とを比較し、診断結果の一致度を判断するレポート検証部とを備えたことを特徴とする。
　また、本発明の病理診断結果判定方法は、組織標本画像の病理診断を行い、診断記録情報を生成する診断ステップと、組織標本画像の病理診断結果が記載されたレポートをレポート蓄積部に蓄積するレポート蓄積ステップと、レポート蓄積部に蓄積されているレポートに記載されている診断結果を解析するレポート解析ステップと、レポート解析ステップで解析された診断結果と、診断記録情報とを比較し、診断結果の一致度を判断するレポート検証ステップとを含むことを特徴とする。
　また、本発明の病理診断結果判定装置は、組織標本画像の病理診断を行い、診断記録情報を生成する診断部と、組織標本画像の病理診断結果が記載されたレポートを蓄積するレポート蓄積部と、レポート蓄積部に蓄積されているレポートに記載されている診断結果を解析するレポート解析部と、レポート解析部で解析された診断結果と、診断記録情報とを比較し、診断結果の一致度を判断するレポート検証部とを備えたことを特徴とする。
　本発明によれば、組織標本画像を診断した結果とレポート内容の乖離を防止し、誤診リスクの低減を図ることができる。
本発明による病理診断判定システムの第１の実施形態の構成例を示すブロック図である。 第１の実施形態の病理診断判定システムの動作手順の例を示すフロー図である。 第１の実施形態の診断部１０２に記録されている診断結果情報の例を示す説明図である。 第１の実施形態のレポート解析部１０５に記録されている診断結果情報の例を示す説明図である。 レポート蓄積部１０４に蓄積されている病理レポートの例を示す説明図である。 組織領域のブロック分割例を示す説明図である。 ブロック番号と注視領域（ＲＯＩ）の対応付け表の例を示す説明図である。 本発明による病理診断判定システムの第２の実施形態の構成例を示すブロック図である。 第２の実施形態の病理診断判定結果システムの動作手順の例を示すフロー図である。 診断情報蓄積部１０３に記録されている診断記録情報の例を示す説明図である。 診断情報蓄積部１０３に記録されている診断記録情報の例を示す説明図である。 診断情報蓄積部１０３に記録されている診断記録情報の例を示す説明図である。 レポート解析部１０５に記録されている診断記録情報の例を示す説明図である。 各種特徴とその属性情報に対応する重み付け値の例を示す説明図である。 注視領域（ＲＯＩ）を高倍率で観察した例を示す説明図である。
実施形態１．
　以下、図面を参照して、本発明の実施形態について例示的に詳しく説明する。ただし、以下の実施形態に記載されている構成要素はあくまでも例示であり、本発明の技術的範囲をそれらのみに限定する趣旨のものではない。
　図１は、本発明による病理診断判定システムの第１の実施形態の構成例を示すブロック図である。画像蓄積部１０１は、病変組織の標本スライドをスキャナなどの撮像装置で読み込み、生成された組織標本画像を蓄積する。
　診断部１０２は、画像蓄積部１０１に組織標本画像の送信を要求し、得られた組織画像中の組織の輪郭を抽出する。さらに、診断部１０２は、組織内に存在する各種特徴を抽出する機能を有する。ここで、病理診断に用いる特徴の例としては、核、腺管、印環細胞、粘液、壊死細胞などが挙げられる。
　また、診断部１０２は、画素の色の値で対象領域を含む大まかな領域を限定した後、エッジ抽出フィルタやテンプレートマッチングなどの一般的な画像処理手段を用いて対象領域から特徴領域を抽出する。なお、ここで特徴領域とは、病理診断に用いる特徴を含む領域のことである。
　さらに、診断部１０２は、組織標本画像から抽出された各種特徴を基に注視領域（ＲＯＩ）を決めて解析し、病理診断を行う。このとき、特徴の色、形などに関する値（特徴量）がまとめて特徴ベクトルとされる。診断部１０２は、ニューラルネットワーク（ＮＮ）やサポートベクターマシン（ＳＶＭ）などの機械学習方式で予め学習された識別器に特徴ベクトルを入力し、病理診断を行う。
　得られた診断結果は、図３ａに示すように、組織標本の識別情報（ＩＤ）、注視領域（ＲＯＩ）とともに診断部１０２に診断記録情報として蓄積される。組織標本識別情報（ＩＤ）とは、組織標本を識別するための情報である。本実施形態では、組織標本に識別情報を含んだバーコードが付されている。
　注視領域（ＲＯＩ：Ｒｅｇｉｏｎ　Ｏｆ　Ｉｎｔｅｒｅｓｔ）とは、病理診断上の重要な特徴を含む組織標本画像中の病理診断対象となる領域のことである。また、診断結果とは、組織標本の病理診断結果である。本実施形態では、診断結果は、その組織標本が「悪性」か「良性」かということを示している。
　レポート蓄積部１０４には、病理レポートが蓄積されている。一般に、図４に示すように、病理レポートには、患者情報（組織標本識別情報（ＩＤ）、年齢、性別）、病理医情報、標本情報（臓器名、臓器内における生検採取位置、採取方法）、診断情報（診断結果、所見）などのテキスト情報が記載されている。病理レポートには、その他必要に応じて病理診断に必要な項目を追加しても良い。
　レポート解析部１０５は、病理レポートの記載内容を基に、自然言語処理の構文解析により診断結果を抽出する。診断結果は、その組織標本が「悪性」か「良性」かということを示している。診断結果は、図３ｂに示すように、組織標本の識別情報（ＩＤ）、注視領域（ＲＯＩ）とともにレポート解析部１０５に診断記録情報として蓄積される。
　レポート検証部１０６は、診断部１０２に蓄積されている診断結果とレポート蓄積部１０４に蓄積されている診断記録情報の一致度を判定する。第１の実施形態では、レポート検証部１０６は、診断部１０２に蓄積されている診断記録情報とレポート蓄積部１０４に蓄積されている診断記録情報の一致度を判定する。
　図２は、第１実施形態の病理診断判定システムの動作手順の例を示すフロー図である。診断部１０２は、画像蓄積部１０１に蓄積された組織標本画像を要求する（Ｓ１００）。診断部１０２は、要求した組織標本画像中の組織の輪郭を、先述の特徴抽出と同様の方法で抽出する。さらに診断部１０２は、組織内に存在する各種特徴を抽出し、各種特徴の属性情報（特徴の密度、特徴の形状、大小などを表す。）である特徴量を算出する（Ｓ１０１ａ，ｂ）。
　また、診断部１０２は、抽出した各種特徴情報をもとに、注視領域（ＲＯＩ）を決め、病理診断を行う（Ｓ１０２）。診断部１０２は、注視領域（ＲＯＩ）を決定する方法に、特開２００９－１７５０４０に記載されている手法を用いても良いし、その他の手法を用いても良い。
　第１実施形態における診断記録情報とは、組織標本識別情報（ＩＤ）、注視領域（ＲＯＩ）、診断結果に関する情報のことである。診断情報蓄積部１０３は、診断部１０２で得られた診断記録情報を、図３ａに示すようなテーブルとして蓄積する（Ｓ１０３）。
　一方、レポート解析部１０５は、レポート蓄積部１０４に蓄積されたレポートを要求する（Ｓ２００）。レポート解析部１０５は、レポートに記載されている診断記録情報を抽出し（Ｓ２０１）、図３ｂに示すようなテーブルとしてレポート解析部１０５自身に記録する（Ｓ２０２）。
　レポート検証部１０６は、診断部１０２とレポート解析部１０５に記録されている診断記録情報（図３ａ、図３ｂ）とを比較し、両者の一致度を判断する。以下、診断記録情報を比較するフローを説明する。
＜組織標本識別情報（ＩＤ）の比較＞
　レポート検証部１０６は、まず、組織標本識別情報（ＩＤ）を比較する（Ｓ３００）。組織標本識別情報（ＩＤ）が一致したら、次に、レポート検証部１０６は、注視領域（ＲＯＩ）を比較する（Ｓ３０１）。組織標本識別情報（ＩＤ）が一致しなかった場合には、そこでフローは終了する（Ｓ３０３）。
＜注視領域の比較＞
　ステップＳ３００において、組織標本識別情報（ＩＤ）が一致したら、次にレポート検証部１０６は、注視領域（ＲＯＩ）を比較する（Ｓ３０１）。以下、注視領域（ＲＯＩ）を比較するフローを説明する。
　図５に示すように、レポート検証部１０６は、診断部１０２で抽出された組織領域の上端、下端、左端、右端に接する矩形領域（バウンディングボックス）を設定する。レポート検証部１０６は、この矩形領域内部を複数のブロックに分割する。レポート検証部１０６は、例えば、縦方向に４分割、横方向に４分割し、合計１６個のブロックを生成し、各ブロックに１～１６までの番号を付ける。
　病理レポートと各ブロックとの位置情報の対応付けは次のように行われる。病理レポートに記載されている注視領域（ＲＯＩ）に関する情報は、「右上」のような大まかな位置のみで示されることが多い。図６に示すように注視領域（ＲＯＩ）とブロック番号の対応をあらかじめ定義しておくことで、病理レポートに記載されている注視領域と組織標本画像中の注視領域との対応関係を特定できる。
　一方、レポート解析部１０５は、病理レポートの構文解析を行い、注視領域（ＲＯＩ）情報を取得する。例えば、ここで注視領域（ＲＯＩ）情報として、「右上」という言葉が抽出できたとする。このとき、病理レポートの「右上」に該当する組織標本画像中の位置は図６のようにブロック番号３, ４，８と定義されているため、注視領域（ＲＯＩ）情報に関して、両者は一致すると判断できる（Ｓ３０１）。ここで、注視領域が一致しなかった場合には、そこでフローは終了する（Ｓ３０３）。
＜診断結果の比較＞
　さらに、レポート検証部１０６は、診断部１０２とレポート解析部１０５に記録されている診断結果を比較する（Ｓ３０２）。両者の診断結果が、「良性」で一致した場合、レポート検証部１０６は、最終診断結果を「良性」とし、フローが終了する（Ｓ３０３）。
　一方、両者の診断結果が、「悪性」で一致した場合、レポート検証部１０６は、最終診断結果を「悪性」とし、フローが終了する（Ｓ３０３）。ここで、レポート検証部１０６は、がんの悪性の詳細評価（例えば、グレーディングなど）を行っても良い。このとき、レポート検証部１０６は、表示画面に診断記録情報を表示しても良い。
　また、両者の診断結果が一致しなかった場合には、レポート検証部１０６は、表示画面に警告表示し、フローが終了する（Ｓ３０３）。
　本発明によれば、組織標本画像を診断した結果と病理医が作成したレポート内容の乖離を防止できる。
実施形態２．
　第２の実施形態では、レポート蓄積部１０４に蓄積されている病理レポートの記載内容を基に病理診断に必要な特徴とその属性情報が抽出される。そして、診断情報蓄積部１０３に蓄積されている診断記録情報に含まれる特徴とその属性情報とが比較され、両者の一致度が判断される。また、このとき両者の一致度に応じたスコアが算出され、算出されたスコアが予め設定された標準値よりも一定値以上かけ離れている場合には、警告表示が行われる。
　図７は、本発明による病理診断判定システムの第２の実施形態の構成例を示すブロック図である。第１の実施形態との違いは、診断部１０２が、診断特徴認識部１１２と診断特徴解析部１２２とを含むことである。さらに、第１の実施形態との違いは、レポート検証部１０６が、特徴別重要度テーブル記録部１２６と、スコア算出部１３６とを含むことである。なお、第１実施形態と共通している構成については、説明を省略する。
　診断部１０２は、診断特徴認識部１１２と、診断特徴解析部１２２と、診断記録部１３２とを含む。
　診断特徴認識部１１２は、画像蓄積部１０１に組織標本画像の送信を要求し、得られた組織画像中の組織の輪郭を抽出する。さらに、診断特徴認識部１１２は、組織内に存在する各種特徴を抽出する機能を有する。ここで、病理診断に用いる特徴の例としては核、腺管、印環細胞、粘液、壊死細胞などが挙げられる。特徴抽出の方法は、第１の実施形態と同様の方法が用いられるため、ここでは説明を省略する。
　診断特徴解析部１２２は、診断特徴認識部１１２で抽出された組織画像中の組織、及び特徴を解析し、病理診断を行う。
　診断特徴解析部１２２は、組織画像中から特徴となる領域を抽出する。そして、診断特徴解析部１２２は、その領域の形状に関する量（面積、周囲長、円形度、長軸・短軸及びその比、細線化画素数とその測地線、端点、交差点数）、およびその領域内の画素の色要素（ＲＧＢ、ＨＳＶ等）の平均値、分散を特徴として計算する。診断特徴解析部１２２は、それらの値をまとめて特徴量ベクトルとし、閾値処理、もしくはニューラルネットワーク（ＮＮ）、サポートベクターマシン（ＳＶＭ）などに代表される機械学習法を用いて、良性もしくは悪性の程度を判定する。
　診断特徴解析部１２２は、０と１などの２値で程度を判定してもよい。また、診断特徴解析部１２２は、閾値からの離れ具合や、機械学習法で計算される数値などの連続値を用いて程度を判定してもよい。なお、診断特徴解析部１２２は、上記方法を含め、一般的に知られた特徴解析方法の技術を利用しても良い。
　診断記録部１３２は、診断特徴解析部１２２で解析された組織標本画像の組織標本識別情報（ＩＤ）、注視領域（ＲＯＩ）、特徴名、特徴の属性情報などを診断記録情報として記録する。
　レポート解析部１０５は、抽出部１１５と、記録部１２５とを含む。
　抽出部１１５は、病理レポートの記載内容を基に、特徴とその特徴の属性情報を自然言語処理の構文解析により抽出する。特徴の属性情報とは、特徴の密度、特徴の形状、大小などを表す。抽出部１１５は、得られた特徴、及び特徴の属性情報を基に病理診断を行う。診断結果は、図１０に示すように、組織標本の識別情報（ＩＤ）、注視領域（ＲＯＩ）とともに診断情報蓄積部１０３に診断記録情報として蓄積される。
　記録部１２５は、抽出部１１５で抽出された特徴とその属性情報を図１０に示すように記録する。
　レポート検証部１０６は、比較部１１６と、特徴別重要度テーブル記録部１２６と、スコア算出部１３６とを含む。
　比較部１１６は、診断情報蓄積部１０３に蓄積されている診断記録情報と、レポート解析部１０５の記録部１２５に記録されている特徴およびその属性情報とを比較する。
　特徴別重要度テーブル記録部１２６は、スコア算出に用いられる重み付け値を図１１に示すように記録する。この重み付け値は、特徴とその属性情報の各々に対応して予め設定されている。
　具体的には、胃がん診断における印環細胞や前立腺がん診断におけるcomedo necrosis といったその特徴の有無で悪性判断を強く支持するようなものほど、重み付け値は極めて大きな値を示す。
　また、腺管のようにその特徴のみでは悪性判断を必ずしも支持できない特徴もある。この場合、その属性情報による悪性発生率や深刻度（がんであった場合、進行が早いなど）に応じた重み付け値が設定される。例えば、特徴が「腺管」の場合、その属性情報には大きさ、密度、形状などを表す語がある。例えば、「大きさの異なる腺管が密集している」といった所見が病理レポートに記載されていたとする。この場合、図１１に示すように、「腺管が密集している」という項目に対して＋５、「腺管の大きさが異なる」という項目には＋７といった重み付け値が設定される。
　スコア算出部１３６は、比較部１１６で付与された一致度スコアと、特徴別重要度テーブル記録部１２６に記録されている重み付け値を用いて、加重和などにより警告スコアを算出する。
　一致度スコアとは、特徴を比較したときその一致度により付与されるスコアのことである。診断情報記録部１０３、及びレポート解析部１０５の記録部１２５に記録されている同一の組織標本画像の診断記録情報において、両者の特徴を比較した場合に、両者の特徴が一致した場合には＋１、一致しなかった場合には－１がそれぞれ一致度スコアとして付与される。
　また、警告スコアとは、特徴の一致度スコアと、図１１に示すような予め設定された重み付け値を、特徴、または属性情報の一致項目に乗じ、総和を算出することで導出されるスコアである。警告スコアは、診断情報記録部１０３、及びレポート解析部１０５の病理診断結果がどの程度かけ離れているかを示す指標となる。
　本例では、胃がんの疑いがある組織標本を用いて病理診断が行われる場合を挙げて説明する。また、特徴として「腺管」、属性情報として「大きさ、形状、密集度など」を用いて病理診断が行われる場合を想定して説明する。
　診断特徴認識部１１２は、組織標本画像中の組織、及び各種特徴領域を抽出する。さらに、診断特徴解析部１２２は、抽出した各種特徴情報をもとに、注視領域（ＲＯＩ）を決め病理診断を行う。ここまでのステップは、第１の実施形態と同様のため、説明を省略する。
　図１２は、診断特徴認識部１１２で認識された組織標本画像中の組織、及び特徴情報をもとに注視領域（ＲＯＩ）が複数設定され、そのうち注視領域（ＲＯＩ）を１つ決定したことを示す説明図である。注視領域（ＲＯＩ）が決定されると、診断特徴解析部１２２は、注視領域内に存在する特徴を、診断するために適した倍率に設定する。診断特徴解析部１２２で行われる注視領域（ＲＯＩ）の病理診断方法は、第１の実施形態と同様であるため、説明を省略する。
　診断特徴解析部１２２は、腺管を解析した際に得られた組織標本識別情報（ＩＤ）、注視領域（ＲＯＩ）情報、特徴名とその属性情報を診断情報蓄積部１０３に送る。診断情報蓄積部１０３は、送られた情報を図９に示すように記録する。
　一方、レポート蓄積部１０４に蓄積されたレポートは、レポート解析部１０５に送信される。レポート解析部１０５の抽出部１１５は、レポートに記載されている病理標本識別情報（ＩＤ）、注視領域（ＲＯＩ）、特徴名とその属性情報を抽出し、図１０に示すようなテーブル形式で記録部１２５に記録する。
　以下、レポート解析部１０５がレポート蓄積部１０４に蓄積されているレポートの記載内容を基に、特徴名とその属性情報を抽出するフローを説明する。例えば、病理レポートに、「大きさの異なる腺管が密集している」という所見があるとする。この場合、レポート解析部１０５は、特徴として「腺管」、属性情報として「大きさが異なる」、「密集」を抽出する。ここで得られた情報は、図１０に示すようなテーブル形式でレポート解析部１０５の記録部１２５に記録される。
　次に、レポート検証部１０６の比較部１１６は、記録部１２５に記録した特徴とその属性情報を含む診断記録情報と、診断情報蓄積部１０３に蓄積されている診断記録情報とを比較し、両者の一致度を判定する。以下、この判定処理のフローを図８を用いて説明する。
＜組織標本識別情報（ＩＤ）の比較＞
　レポート検証部１０６は、診断情報蓄積部１０３に蓄積された組織標本識別情報（ＩＤ）と、レポート解析部１０５で解析されたレポートの組織標本識別情報（ＩＤ）とを比較する（Ｓ６００）。一致していた場合、続いてレポート検証部１０６は、注視領域（ＲＯＩ）を比較する（Ｓ６０１）。注視領域（ＲＯＩ）が一致していない場合、ここでフローは終了する（Ｓ６０７）。
＜注視領域（ＲＯＩ）の比較＞
　レポート検証部１０６は、診断情報蓄積部１０３に蓄積された診断記録情報と、レポート解析部１０５で解析されたレポートの診断記録情報のうち注視領域（ＲＯＩ）とを比較する（Ｓ６０１）。ここでの比較方法は、第１の実施形態と同様のため、説明を省略する。
＜特徴とその属性情報の比較＞
　レポート検証部１０６の比較部１１６は、診断情報蓄積部１０３に蓄積された情報（図９ａ）と、レポート解析部１０５に保存されている特徴とその属性情報（図１０）のうち、まず最初に特徴を比較する（Ｓ６０２）。本例の場合、特徴は両者ともに「腺管」である。そのため、比較部１１６は、特徴が一致すると判断し、特徴の一致度スコアとして＋１を付与する。
　次に、レポート検証部１０６の比較部１１６は、診断情報蓄積部１０３と、レポート解析部１０５に記録されている特徴の属性情報とを比較する。レポート検証部１０６には、予め属性情報の記載ごとに、それに対応する閾値の条件が設定されている。比較部１１６は、診断記録情報１０３、及びレポート解析部１０５に記録されている属性情報がその閾値の条件を満たしているとき、両者が一致していると判断する。
　ここで、特徴の属性情報を比較する例として、密度に関する情報を比較する場合について説明する。診断情報蓄積部１０３には、「密度７０％」を表わす情報（図９ａ）が蓄積されている。これは、注視領域（ＲＯＩ）全体のうち腺管が占める割合を意味している。一方、レポート解析部１０５には、「密集している」ことを表わす情報（図１０）が保存されている。
　このとき、特徴の属性情報である「密度７０％」および「密集している」が、ともに予め設定された閾値の条件を満たす。そのため、レポート検証部１０６は、両者が一致していると判断する。
　次に、特徴の属性情報の比較する例として、特徴の大きさに関する情報を比較する場合について説明する。診断情報蓄積部１０３には、「大きさのばらつき：大」であることを表わす情報（図９ａ）が蓄積されており、レポート解析部１０５には、「大きさは異なる」ことを表わす情報（図１０）が保存されている。このとき、両者ともに予め設定された閾値の条件を満たす。そのため、レポート検証部１０６は、両者が一致していると判断する。
　さらに、レポート検証部１０６のスコア算出部１３６は、各特徴の一致度スコアと、特徴別重要度テーブル記録部１２６に予め設定された重み付け値とを、特徴、または属性情報の一致項目に乗じ、全体の和を算出することで警告スコアを導出する（Ｓ６０４）。
　本例において、特徴は「腺管」で一致していると判断されたため、一致度スコアは＋１になる。さらに、特徴別重要度テーブル記録部１２６に記録された情報から、腺管のうち「大きさが異なる」という項目は重み付け値＋７、「密集している」という項目は重み付け値＋５になる。
　スコア算出部１３６は、このようにして得られた一致度スコア＋１を２つの重み付け値に乗じ、総和を算出することで警告スコアを導出する。ここで算出された警告スコアは、＋１２になる。なお、スコア算出部１３６は、レポート文中の特徴と、その属性情報の配列順序により、必要に応じて算出された警告スコアに加点および／または減点してもよい。
　レポート検証部１０６のスコア算出部１３６で算出された警告スコアは、警告表示部１０７へと送られる。警告表示部１０７は、予め設定された閾値とレポート検証部１０６から送信された警告スコアを比較する（Ｓ６０５）。
　警告スコアが閾値と一定以上かけ離れている場合、警告表示部１０７は、ユーザに対し警告表示を行い（Ｓ６０６）、処理を終了する（Ｓ６０７）。警告スコアが閾値と一定以上かけ離れていない場合、警告表示部１０７は、そのまま処理を終了する（Ｓ６０７）。いずれの場合においても、警告表示部１０７は、警告表示と同時に警告スコアを表示してもよい（Ｓ６０７）。
　続いて、診断情報蓄積部１０３に蓄積されている診断記録情報（図９ｂ）と、レポート解析部１０５に記録されている診断記録情報（図１０）における特徴が一致しなかった場合の処理を説明する。
　レポート検証部１０６の比較部１１６は、診断情報蓄積部１０３に蓄積された診断記録情報（図９ｂ）と、レポート解析部１０５に保存されている診断記録情報（図１０）のうち、まず最初に特徴を比較する。特徴は、それぞれ「腺管」、「印環細胞」である。そのため、比較部１１６は、特徴が一致していないと判断し、一致度スコアを－１とする。その結果は、警告表示部１０７へと送られる。
　警告表示部１０７は、病理診断に用いた特徴が一致しない旨の警告表示を行い（Ｓ６０３）、フローはそのまま終了する（Ｓ６０７）。さらに、警告表示部１０７は、特徴が一致しなかった旨と、特徴とその属性情報を表示する（Ｓ６０６）。
　本実施形態によれば、組織標本画像を診断した結果と病理医が作成したレポート内容の乖離を防止でき、また、病理診断結果のみならず、詳細な理由を評価できる。
実施形態３．
　第３実施形態では、レポート蓄積部１０４に蓄積されているレポートに記載された診断記録情報と、診断情報蓄積部１０３に蓄積された診断記録情報とが比較され、両者の一致度が判断される。第２実施形態との違いは、診断情報蓄積部１０３に蓄積されている診断記録情報が複数存在することである。
　診断情報蓄積部１０３とレポート解析部１０５に記録されている組織標本識別情報（ＩＤ）、および、注視領域（ＲＯＩ）の抽出方法と比較方法は、第１の実施形態と同様であるため、ここでは説明を省略する（Ｓ６００、Ｓ６０１）。
　以下、診断情報蓄積部１０３に記録されている診断結果情報が複数存在する場合に、特徴とその属性情報を比較するフローを図９、及び図１０を用いて説明する。
　レポート蓄積部１０４に蓄積されている病理レポートに、「大きさの異なる腺管が密集している」と記載されている場合を考える。特徴とその属性情報は、第１の実施形態と同様の方法で抽出されるため、ここでは説明を省略する。本例の場合、抽出された特徴は「腺管」、抽出された属性情報は「大きさの異なる」、「密集している」である。
　診断情報蓄積部１０３に記録されていて、レポート蓄積部１０４に蓄積されている病理レポート（図１０）と、病理標本識別情報（ＩＤ）、及び注視領域（ＲＯＩ）が一致したものが、図９に示すように３つ（図９ａ、図９ｂ、図９ｃ）存在する場合を考える。この場合、該当する診断記録情報の各々について、病理レポートに記載されている特徴とその属性情報が比較される（Ｓ６０２）。
＜特徴、及び特徴の属性情報が一致する場合＞
　レポート検証部１０６の比較部１１６は、診断情報蓄積部１０３に記録された注視領域１と、病理レポートに記載された特徴とその属性情報の比較を行う（Ｓ６０２）。まず最初に、比較部１１６は、診断情報蓄積部１０３に蓄積された診断記録情報（図９ａ）と、レポート解析部１０５に保存されている診断記録情報（図１０）のうちの特徴とを比較する。本例の場合、特徴は両者ともに「腺管」である。そのため比較部１１６は、特徴が一致すると判断し、一致度スコアを＋１とする。
　次に、比較部１１６は、特徴の属性情報を比較する。診断情報蓄積部１０３には、「密度７０％」を表わす情報（図９ａ）が蓄積され、レポート解析部１０５には、「密集している」ことを表わす情報（図１０）が保存されている。第２の実施形態と同様の方法を用いて、比較部１１６は、両者が一致していると判断する。
　続いて、比較部１１６は、特徴の大きさに関する情報を比較する。診断情報蓄積部１０３には、「大きさのばらつきがある」ことを表わす情報が蓄積されており、レポート解析部１０５には、保「大きさは異なる」ことを表わす情報（図１０）が保存されている。この場合も、第２の実施形態と同様の方法を用いて、比較部１１６は、両者が一致していると判断する。
　特徴別重要度テーブル記録部１２６に記録された情報から、腺管のうち「大きさが異なる」という項目は重み付け値＋７、「密集している」という項目は重み付け値＋５になる。
　スコア算出部１３６は、このようにして得られた一致度スコア、及び重み付け値を用いて警告スコアを算出する（Ｓ６０４）。警告スコアの算出方法は、第２の実施形態と同様であるため、ここでは説明を省略する。
＜特徴、及び特徴の属性情報が一致しない場合＞
　比較部１１６は、診断情報蓄積部１０３に蓄積された診断記録情報（図９ｂ）と、レポート解析部１０５に保存されている診断記録情報（図１０）のうちの特徴とを比較する。本例の場合、特徴が異なる。そのため比較部１１６は、特徴が一致しないと判断し、一致度スコアを－１とする。
　特徴の一致度スコアとして－１が付与された場合、それ以後、警告スコアは算出されない。ここで、一致度スコアが－１になる場合、診断情報蓄積部１０３に蓄積されている診断記録情報に含まれる特徴が、病理レポートには記載されていなかった新たな情報であることを意味する。
　警告表示部１０７は、特徴が一致しなかった旨と、算出された警告スコア、特徴とその属性情報を表示する。このとき、警告表示部１０７は、一致度の値が低い方から順にこれらの情報を表示させても良い。
　また、比較部１１６は、診断情報蓄積部１０３に蓄積された診断記録情報（図９ｃ）と、レポート解析部１０５に保存されている診断記録情報（図１０）のうちの特徴を比較する。この方法も、先述した、診断情報蓄積部１０３に蓄積された診断記録情報（図９ｂ）と、レポート解析部１０５に保存されている診断記録情報（図１０）とを比較する方法と同様である。そのため、ここでは説明を省略する。
　以上のように、本実施形態によれば、組織標本画像を診断した結果と病理医が作成したレポート内容の乖離を防止でき、また、病理診断結果のみならず、詳細な理由を評価できる。
　以上、実施形態及び実施例を参照して本願発明を説明したが、本願発明は上記実施形態および実施例に限定されるものではない。本願発明の構成や詳細には、本願発明のスコープ内で当業者が理解し得る様々な変更をすることができる。
　この出願は、２０１２年５月２４日に出願された日本特許出願２０１２－１１８７２６を基礎とする優先権を主張し、その開示の全てをここに取り込む。
　１０１　画像蓄積部
　１０２　診断部
　１０３　診断情報蓄積部
　１０４　レポート蓄積部
　１０５　レポート解析部
　１０６　レポート検証部
　１０７　警告表示部
　１１２　診断特徴認識部
　１２２　診断特徴解析部
　１３２　診断記録部
　１１５　抽出部
　１２５　記録部
　１１６　比較部
　１２６　特徴別重要度テーブル記録部
　１３６　スコア算出部

Claims (15)

  1. 　組織標本画像の病理診断を行い、診断記録情報を生成する診断部と、
    　前記組織標本画像の病理診断結果が記載されたレポートを蓄積するレポート蓄積部と、
    　前記レポート蓄積部に蓄積されているレポートに記載されている診断結果を解析するレポート解析部と、
    　前記レポート解析部で解析された診断結果と、前記診断記録情報とを比較し、診断結果の一致度を判断するレポート検証部とを備えた
    　ことを特徴とする病理診断結果判定システム。
  2. 　組織標本画像の病理診断を行い、診断記録情報を蓄積する診断記録蓄積部を備え、
    　レポート解析部は、レポート蓄積部に蓄積されているレポートから注視領域、特徴名、及びその属性情報を抽出し、
    　レポート検証部は、前記レポート解析部で抽出された注視領域、特徴名、及び当該特徴の属性情報と、前記診断記録蓄積部の診断記録情報とを比較し、特徴名の一致により一致度スコアを設定し、当該一致度スコアと、特徴名及びその属性情報毎に予め設定された重み付け値を用いて警告スコアを算出する
    　請求項１に記載の病理診断結果判定システム。
  3. 　重み付け値は、特徴と当該特徴の属性情報に応じて設定される請求項２に記載の病理診断結果判定システム。　
  4. 　診断部は、複数の注視領域を抽出し、
    　レポート検証部は、前記複数の注視領域ごとに診断記録情報を比較し、設定された一致度スコアを用いて警告スコアを算出する
    　請求項２または請求項３に記載の病理診断結果判定システム。
  5. 　一致していない特徴に加え、一致した特徴を警告スコア順に表示する警告表示部を備えた
    　請求項４に記載の病理診断結果判定システム。
  6. 　組織標本画像の病理診断を行い、診断記録情報を生成する診断ステップと、
    　前記組織標本画像の病理診断結果が記載されたレポートをレポート蓄積部に蓄積するレポート蓄積ステップと、
    　前記レポート蓄積部に蓄積されているレポートに記載されている診断結果を解析するレポート解析ステップと、
    　前記レポート解析ステップで解析された診断結果と、前記診断記録情報とを比較し、診断結果の一致度を判断するレポート検証ステップとを含む
    　ことを特徴とする病理診断結果判定方法。
  7. 　組織標本画像の病理診断を行い、診断記録情報を診断記録蓄積部に蓄積する診断記録蓄積ステップを含み、
    　レポート解析ステップで、レポート蓄積部に蓄積されているレポートから注視領域、特徴名、及びその属性情報を抽出し、
    　レポート検証ステップで、前記レポート解析ステップで抽出された注視領域、特徴名、及び当該特徴の属性情報と、前記診断記録蓄積部の診断記録情報とを比較し、特徴名の一致により一致度スコアを設定し、当該一致度スコアと、特徴名及びその属性情報毎に予め設定された重み付け値を用いて警告スコアを算出する
    　請求項６に記載の病理診断結果判定方法。
  8. 　重み付け値は、特徴と当該特徴の属性情報に応じて設定される請求項７に記載の病理診断結果判定方法。　
  9. 　診断ステップで、複数の注視領域を抽出し、
    　レポート検証ステップで、前記複数の注視領域ごとに診断記録情報を比較し、設定された一致度スコアを用いて警告スコアを算出する
    　請求項７または請求項８に記載の病理診断結果判定方法。
  10. 　一致していない特徴に加え、一致した特徴を警告スコア順に表示する警告表示ステップを含む
    　請求項９に記載の病理診断結果判定方法。
  11. 　組織標本画像の病理診断を行い、診断記録情報を生成する診断部と、
    　前記組織標本画像の病理診断結果が記載されたレポートを蓄積するレポート蓄積部と、
    　前記レポート蓄積部に蓄積されているレポートに記載されている診断結果を解析するレポート解析部と、
    　前記レポート解析部で解析された診断結果と、前記診断記録情報とを比較し、診断結果の一致度を判断するレポート検証部とを備えた
    　ことを特徴とする病理診断結果判定装置。
  12. 　組織標本画像の病理診断を行い、診断記録情報を蓄積する診断記録蓄積部を備え、
    　レポート解析部は、レポート蓄積部に蓄積されているレポートから注視領域、特徴名、及びその属性情報を抽出し、
    　レポート検証部は、前記レポート解析部で抽出された注視領域、特徴名、及び当該特徴の属性情報と、前記診断記録蓄積部の診断記録情報とを比較し、特徴名の一致により一致度スコアを設定し、当該一致度スコアと、特徴名及びその属性情報毎に予め設定された重み付け値を用いて警告スコアを算出する
    　請求項１１に記載の病理診断結果判定装置。
  13. 　重み付け値は、特徴と当該特徴の属性情報に応じて設定される請求項１２に記載の病理診断結果判定装置。　
  14. 　診断部は、複数の注視領域を抽出し、
    　レポート検証部は、前記複数の注視領域ごとに診断記録情報を比較し、設定された一致度スコアを用いて警告スコアを算出する
    　請求項１２または請求項１３に記載の病理診断結果判定装置。
  15. 　一致していない特徴に加え、一致した特徴を警告スコア順に表示する警告表示部を備えた
    　請求項１４に記載の病理診断結果判定装置。
PCT/JP2013/001451 2012-05-24 2013-03-07 病理診断結果判定システム、病理診断結果判定方法および病理診断結果判定装置 Ceased WO2013175683A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2014516635A JP5958534B2 (ja) 2012-05-24 2013-03-07 病理診断結果判定システム、病理診断結果判定方法および病理診断結果判定装置
US14/395,166 US9383347B2 (en) 2012-05-24 2013-03-07 Pathological diagnosis results assessment system, pathological diagnosis results assessment method, and pathological diagnosis results assessment device

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012118726 2012-05-24
JP2012-118726 2012-05-24

Publications (1)

Publication Number Publication Date
WO2013175683A1 true WO2013175683A1 (ja) 2013-11-28

Family

ID=49623399

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/001451 Ceased WO2013175683A1 (ja) 2012-05-24 2013-03-07 病理診断結果判定システム、病理診断結果判定方法および病理診断結果判定装置

Country Status (3)

Country Link
US (1) US9383347B2 (ja)
JP (1) JP5958534B2 (ja)
WO (1) WO2013175683A1 (ja)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015134668A1 (en) * 2014-03-04 2015-09-11 The Regents Of The University Of California Automated quality control of diagnostic radiology
WO2016130879A1 (en) * 2015-02-13 2016-08-18 Prairie Ventures, Llc System and method to objectively measure quality assurance in anatomic pathology
CN109564622A (zh) * 2016-08-12 2019-04-02 威里利生命科学有限责任公司 增强病理诊断
CN112562816A (zh) * 2020-11-13 2021-03-26 陈卫霞 肿瘤影像报告诊断结果与病理结果对应与评价系统及方法
JP2022049586A (ja) * 2020-09-16 2022-03-29 ＢｏｎＢｏｎ株式会社 プログラム、情報処理装置、方法

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5557091B2 (ja) * 2010-03-30 2014-07-23 日本電気株式会社 画像処理装置、画像読取装置、画像処理方法及び画像処理プログラム
KR20160054992A (ko) * 2014-11-07 2016-05-17 삼성전자주식회사 관심영역의 재검출 회피 장치 및 방법
CN106296638A (zh) * 2015-06-04 2017-01-04 欧姆龙株式会社 显著性信息取得装置以及显著性信息取得方法
US10269114B2 (en) * 2015-06-12 2019-04-23 International Business Machines Corporation Methods and systems for automatically scoring diagnoses associated with clinical images
US9858385B2 (en) 2015-07-23 2018-01-02 International Business Machines Corporation Identifying errors in medical data
JP6897042B2 (ja) * 2016-09-27 2021-06-30 日本電気株式会社 画像検査装置、画像検査方法および画像検査プログラム
JP7224757B2 (ja) * 2017-10-13 2023-02-20 キヤノン株式会社 診断支援装置、情報処理方法、診断支援システム及びプログラム
CN108172276A (zh) * 2017-12-01 2018-06-15 杭州远舟医疗科技有限公司 一种红外影像自动评估方法、电子设备及存储介质
US10832808B2 (en) 2017-12-13 2020-11-10 International Business Machines Corporation Automated selection, arrangement, and processing of key images
EP3493213B1 (en) * 2018-02-13 2020-12-30 Siemens Healthcare GmbH Method, system, computer program product and computer-readable medium for supporting a visual analysis of a medical image data set
JP2019170621A (ja) 2018-03-28 2019-10-10 富士フイルム株式会社 読影支援装置、読影支援プログラム
WO2020033593A1 (en) * 2018-08-07 2020-02-13 Britescan, Llc Portable scanning device for ascertaining attributes of sample materials
US10740901B2 (en) * 2018-12-17 2020-08-11 Nvidia Corporation Encoder regularization of a segmentation model
KR20230021665A (ko) 2020-05-08 2023-02-14 페이지.에이아이, 인크. 디지털 병리학에서 현저한 정보를 결정하기 위해 전자 이미지들을 처리하는 시스템들 및 방법들

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2918663B2 (ja) * 1990-09-06 1999-07-12 株式会社日立製作所 顕微鏡視野内表示装置及びこれを含む顕微鏡画像処理装置
JP2001059842A (ja) * 1999-08-25 2001-03-06 Nec Corp 病理診断装置
JP3451307B2 (ja) * 1994-01-13 2003-09-29 独立行政法人放射線医学総合研究所 染色体画像表示装置
JP3916395B2 (ja) * 1997-07-17 2007-05-16 アキュメッド インターナショナル インコーポレイテッド 検体の予備処理機能を備えた検査体系
JP2007192821A (ja) * 2006-01-20 2007-08-02 Sakura Finetex Usa Inc 生物学的標本を処理するための自動システムおよび方法
JP2011181015A (ja) * 2010-03-03 2011-09-15 Olympus Corp 診断情報配信装置および病理診断システム
JP2012073179A (ja) * 2010-09-29 2012-04-12 Dainippon Screen Mfg Co Ltd 病理診断支援装置、病理診断支援方法、病理診断支援のための制御プログラムおよび該制御プログラムを記録した記録媒体
WO2012157201A1 (ja) * 2011-05-18 2012-11-22 日本電気株式会社 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6148096A (en) * 1995-09-15 2000-11-14 Accumed International, Inc. Specimen preview and inspection system
US6091842A (en) * 1996-10-25 2000-07-18 Accumed International, Inc. Cytological specimen analysis system with slide mapping and generation of viewing path information
US6430309B1 (en) * 1995-09-15 2002-08-06 Monogen, Inc. Specimen preview and inspection system
US20030215936A1 (en) * 2000-12-13 2003-11-20 Olli Kallioniemi High-throughput tissue microarray technology and applications
JP2010035756A (ja) 2008-08-04 2010-02-18 Fujifilm Corp 診断支援装置及び診断支援方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2918663B2 (ja) * 1990-09-06 1999-07-12 株式会社日立製作所 顕微鏡視野内表示装置及びこれを含む顕微鏡画像処理装置
JP3451307B2 (ja) * 1994-01-13 2003-09-29 独立行政法人放射線医学総合研究所 染色体画像表示装置
JP3916395B2 (ja) * 1997-07-17 2007-05-16 アキュメッド インターナショナル インコーポレイテッド 検体の予備処理機能を備えた検査体系
JP2001059842A (ja) * 1999-08-25 2001-03-06 Nec Corp 病理診断装置
JP2007192821A (ja) * 2006-01-20 2007-08-02 Sakura Finetex Usa Inc 生物学的標本を処理するための自動システムおよび方法
JP2011181015A (ja) * 2010-03-03 2011-09-15 Olympus Corp 診断情報配信装置および病理診断システム
JP2012073179A (ja) * 2010-09-29 2012-04-12 Dainippon Screen Mfg Co Ltd 病理診断支援装置、病理診断支援方法、病理診断支援のための制御プログラムおよび該制御プログラムを記録した記録媒体
WO2012157201A1 (ja) * 2011-05-18 2012-11-22 日本電気株式会社 情報処理システム、情報処理方法、情報処理装置およびその制御方法と制御プログラム

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2015134668A1 (en) * 2014-03-04 2015-09-11 The Regents Of The University Of California Automated quality control of diagnostic radiology
US10438347B2 (en) 2014-03-04 2019-10-08 The Regents Of The University Of California Automated quality control of diagnostic radiology
WO2016130879A1 (en) * 2015-02-13 2016-08-18 Prairie Ventures, Llc System and method to objectively measure quality assurance in anatomic pathology
CN109564622A (zh) * 2016-08-12 2019-04-02 威里利生命科学有限责任公司 增强病理诊断
CN109564622B (zh) * 2016-08-12 2023-09-01 威里利生命科学有限责任公司 增强病理诊断
JP2022049586A (ja) * 2020-09-16 2022-03-29 ＢｏｎＢｏｎ株式会社 プログラム、情報処理装置、方法
CN112562816A (zh) * 2020-11-13 2021-03-26 陈卫霞 肿瘤影像报告诊断结果与病理结果对应与评价系统及方法

Also Published As

Publication number Publication date
JPWO2013175683A1 (ja) 2016-01-12
JP5958534B2 (ja) 2016-08-02
US9383347B2 (en) 2016-07-05
US20150072371A1 (en) 2015-03-12

Similar Documents

Publication Publication Date Title
JP5958534B2 (ja) 病理診断結果判定システム、病理診断結果判定方法および病理診断結果判定装置
Li et al. A comprehensive review of computer-aided whole-slide image analysis: from datasets to feature extraction, segmentation, classification and detection approaches
Koh et al. Detection of meibomian glands and classification of meibography images
US20220207730A1 (en) Systems and Methods for Automated Image Analysis
KR102531400B1 (ko) 인공 지능 기반 대장 내시경 영상 진단 보조 시스템 및 방법
TW202105245A (zh) 用於分析活檢樣本影像以決定其癌變機率之方法
CN107230198B (zh) 胃镜图像智能处理方法及装置
Diao et al. Weakly supervised framework for cancer region detection of hepatocellular carcinoma in whole-slide pathologic images based on multiscale attention convolutional neural network
JP2016087370A (ja) 大腸拡大内視鏡画像診断支援装置
Zhang et al. Deep learning‐based detection and classification of lumbar disc herniation on magnetic resonance images
Srivastava et al. Computer-aided identification of ovarian cancer in confocal microendoscope images
US10430905B2 (en) Case search device and method
Kalbhor et al. DeepCerviCancer-deep learning-based cervical image classification using colposcopy and cytology images
Geva et al. Pneumothorax detection in chest radiographs using local and global texture signatures
Tang et al. Splat feature classification: Detection of the presence of large retinal hemorrhages
Govind et al. Automated erythrocyte detection and classification from whole slide images
Corredor et al. Training a cell-level classifier for detecting basal-cell carcinoma by combining human visual attention maps with low-level handcrafted features
JP4925111B2 (ja) 類似画像検索装置
KR20130082849A (ko) 진단 근거를 제공하는 의료영상 진단 장치 및 방법
Yap et al. Breast ultrasound lesions classification: a performance evaluation between manual delineation and computer segmentation
Guo et al. Anatomical landmark segmentation in uterine cervix images using deep learning
Li et al. Comparison of deep learned and texture features in mammographic mass classification
Gandomkar et al. Predicting radiologists' true and false positive decisions in reading mammograms by using gaze parameters and image-based features
Fuhrman et al. Detection and classification of coronary artery calcifications in low dose thoracic CT using deep learning
US20220277451A1 (en) Systems, methods and apparatuses for visualization of imaging data

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13794460

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2014516635

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 14395166

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13794460

Country of ref document: EP

Kind code of ref document: A1