[發明專利]圖像診斷輔助裝置、醫用圖像取得裝置以及計算機可讀記錄介質

有效

• 申請號: 202010473421.1
• 申請日: 2020-05-29
• 公開（公告）號: CN113096061B
• 公開（公告）日: 2023-09-15
• 發明（設計）人: 佐藤良太;雨宮知樹;白豬亨;尾藤良孝
• 申請（專利權）人: 富士膠片醫療健康株式會社
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/62;G16H50/20;A61B6/03
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 范勝杰;文志

本發明提供一種圖像診斷輔助裝置、醫用圖像取得裝置以及計算機可讀記錄介質，選擇多個圖像中的對于診斷對象最適當的圖像，不管所選擇的圖像的種類或模態等如何，都能夠提示精度良好的診斷輔助信息。圖像診斷輔助裝置具備：診斷信息生成部，其根據多個醫用圖像生成診斷信息；可靠度計算部，其對于多個醫用圖像評價畫質并計算畫質的可靠度；以及貢獻度計算部，其使用可靠度計算部計算出的可靠度以及表示各醫用圖像對診斷對象的適合度的內部參數計算上述多個醫用圖像對上述診斷信息的貢獻度。根據貢獻度生成診斷信息生成部所使用的檢測用圖像。

技術領域

本發明涉及利用磁共振拍攝裝置(以下，稱為MRI裝置)、X射線拍攝裝置、CT裝置等醫用圖像取得裝置取得的圖像進行診斷輔助的技術。

背景技術

在醫療現場，廣泛進行根據由MRI裝置、CT裝置拍攝到的圖像來診斷疾病、病變的圖像診斷。近年來，還開發了使用通過機器學習而得到的AI，對測量出的圖像判斷有無病變、進展程度或惡性度等的診斷輔助技術(非專利文獻1等)。

在使用機器學習的圖像診斷輔助中，使用對于疾病的每個種類、每個部位學習它們與圖像之間的關系而得到的AI，將1個或多個測量圖像作為輸入來判定有無病變等。在非專利文獻1中公開了通過使用由MRI裝置取得的磁化率加權圖像(SWI)進行學習而得到的機器學習模型來自動檢測腦的小血管病變的技術。

在圖像診斷中，根據疾病或病變，有適合診斷的拍攝方法或圖像類型，需要根據診斷對象選擇適當模態的圖像、圖像類型。例如，對于MRI圖像而言，能夠通過變換拍攝條件來取得T1加權圖像(T1W)、T2加權圖像(T2W)、磁化率加權圖像(SWI)等使組織的對比度不同的各種圖像，適合于哪種病變檢測根據圖像類型而不同。

另一方面，已知為了提高疾病或病變的診斷精度，不只參照一個圖像，而是參照多種圖像、在多個模態下取得的圖像，這對提高診斷精度是有效的。在專利文獻1中公開了如下技術：為了客觀地表示對于診斷對象哪種模態的圖像有效，提示用于表示多個模態中的哪個模態有效的指標。

在圖像診斷時，在對于同一被檢體測量多種圖像，并從這些多種圖像中選擇并使用最適合診斷對象的1個或多個圖像的情況下，由于身體運動等影響或根據拍攝條件等，產生在應該選擇的圖像的應該診斷的部位或區域產生偽影，從而無法用于診斷的情況。在該情況下，雖然考慮作為替代使用其他圖像，但是其選擇不容易。即使是在圖像類型不同的模態下取得的圖像，例如MR圖像、CT圖像、X射線圖像等，該問題也同樣存在，專利文獻1記載的技術也無法解決。

另外，即使選擇預定的圖像，圖像的對比度會根據醫用圖像取得裝置的制造商(供應商)、拍攝條件而不同，例如，如果是MRI裝置，圖像的對比度根據磁場強度、拍攝參數的不同而不同，所選擇的圖像未必與生成已學習的AI時使用的圖像的對比度相同，所以在使用既有的AI時，無法進行精度良好的圖像診斷輔助。

專利文獻1：日本特開2007－275440號公報

非專利文獻1：Chen?Y他，《Toward?Automatic?Detection?of?Radiation－Induced?Cerebral?Microbleeds?Using?a?3D?Deep?Residual?Netword》，J?DigitImaging，2019年10月，32(5)766～772

發明內容

本發明的課題在于提供用于從多個圖像中選擇對于診斷對象最恰當的圖像的手段，并且提供不管所選擇的圖像的種類、模態等如何，都能夠提示高精度的診斷輔助信息的手段。

為了解決上述課題，在本發明的第一方式中，具備一單元，其使用2個指標，即表示針對診斷對象的適合性的指標(內部參數)以及與圖像本身的畫質有關的指標(可靠度)自動選擇圖像。另外，在本發明的第二方式中，具備一單元，其將為了預定的診斷對象的診斷輔助而選擇的圖像轉換為對該診斷對象進行學習而得到的已學習AI的輸入圖像。