[发明专利]图像诊断辅助装置、医用图像取得装置以及计算机可读记录介质

说明书

本发明提供一种图像诊断辅助装置、医用图像取得装置以及计算机可读记录介质，选择多个图像中的对于诊断对象最适当的图像，不管所选择的图像的种类或模态等如何，都能够提示精度良好的诊断辅助信息。图像诊断辅助装置具备：诊断信息生成部，其根据多个医用图像生成诊断信息；可靠度计算部，其对于多个医用图像评价画质并计算画质的可靠度；以及贡献度计算部，其使用可靠度计算部计算出的可靠度以及表示各医用图像对诊断对象的适合度的内部参数计算上述多个医用图像对上述诊断信息的贡献度。根据贡献度生成诊断信息生成部所使用的检测用图像。

技术领域

本发明涉及利用磁共振拍摄装置(以下，称为MRI装置)、X射线拍摄装置、CT装置等医用图像取得装置取得的图像进行诊断辅助的技术。

背景技术

在医疗现场，广泛进行根据由MRI装置、CT装置拍摄到的图像来诊断疾病、病变的图像诊断。近年来，还开发了使用通过机器学习而得到的AI，对测量出的图像判断有无病变、进展程度或恶性度等的诊断辅助技术(非专利文献1等)。

在使用机器学习的图像诊断辅助中，使用对于疾病的每个种类、每个部位学习它们与图像之间的关系而得到的AI，将1个或多个测量图像作为输入来判定有无病变等。在非专利文献1中公开了通过使用由MRI装置取得的磁化率加权图像(SWI)进行学习而得到的机器学习模型来自动检测脑的小血管病变的技术。

在图像诊断中，根据疾病或病变，有适合诊断的拍摄方法或图像类型，需要根据诊断对象选择适当模态的图像、图像类型。例如，对于MRI图像而言，能够通过变换拍摄条件来取得T1加权图像(T1W)、T2加权图像(T2W)、磁化率加权图像(SWI)等使组织的对比度不同的各种图像，适合于哪种病变检测根据图像类型而不同。

另一方面，已知为了提高疾病或病变的诊断精度，不只参照一个图像，而是参照多种图像、在多个模态下取得的图像，这对提高诊断精度是有效的。在专利文献1中公开了如下技术：为了客观地表示对于诊断对象哪种模态的图像有效，提示用于表示多个模态中的哪个模态有效的指标。

在图像诊断时，在对于同一被检体测量多种图像，并从这些多种图像中选择并使用最适合诊断对象的1个或多个图像的情况下，由于身体运动等影响或根据拍摄条件等，产生在应该选择的图像的应该诊断的部位或区域产生伪影，从而无法用于诊断的情况。在该情况下，虽然考虑作为替代使用其他图像，但是其选择不容易。即使是在图像类型不同的模态下取得的图像，例如MR图像、CT图像、X射线图像等，该问题也同样存在，专利文献1记载的技术也无法解决。

另外，即使选择预定的图像，图像的对比度会根据医用图像取得装置的制造商(供应商)、拍摄条件而不同，例如，如果是MRI装置，图像的对比度根据磁场强度、拍摄参数的不同而不同，所选择的图像未必与生成已学习的AI时使用的图像的对比度相同，所以在使用既有的AI时，无法进行精度良好的图像诊断辅助。

专利文献1：日本特开2007－275440号公报

非专利文献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

发明内容

本发明的课题在于提供用于从多个图像中选择对于诊断对象最恰当的图像的手段，并且提供不管所选择的图像的种类、模态等如何，都能够提示高精度的诊断辅助信息的手段。

为了解决上述课题，在本发明的第一方式中，具备一单元，其使用2个指标，即表示针对诊断对象的适合性的指标(内部参数)以及与图像本身的画质有关的指标(可靠度)自动选择图像。另外，在本发明的第二方式中，具备一单元，其将为了预定的诊断对象的诊断辅助而选择的图像转换为对该诊断对象进行学习而得到的已学习AI的输入图像。