データセット構造

スキーマ概要

データ型は、分析用のデータフレームまたはSQLデータベースに最適なものが選択されています。

フィールド名 推奨型 説明 サンプル値
Gender Categorical / String 患者の生物学的性別。 Male, Female
Age String (Mixed) 患者の年齢。
注意: ソース画像タイプによって異なる場合があります。
Varies
Modality String 文書タイプ。すべてのエントリはSC(セカンダリキャプチャ)です。 SC
Description String ソース画像タイプとコンテンツカテゴリ。 Dose Report Screenshot, Clinical Photo, Scanned Document
Size_raw String UI上に表示されたファイルサイズ。 500 KB, 2 MB
Size_bytes Float / Int (派生) 分析用に標準的な数値単位に変換されたファイルサイズ。 500000, 2000000

使用方法と考慮事項

セカンダリキャプチャ(SC)
の技術的特性

セカンダリ
キャプチャの目的

SCオブジェクトは、DICOMフォーマットを使用して非DICOM画像をPACS内に保存することを可能にします。一般的なソースには次のものが含まれます:非DICOMモダリティまたはアプリケーションからのスクリーンショット、スキャンされた紙の文書やレポート、臨床写真(創傷・皮膚病変・手術部位・ダーモスコピー)、CD/DVDに保存された外部施設からのインポートされた検査、ネイティブDICOMサポートのないレガシーシステムからの画像、線量モニタリングのスクリーンショット、患者同意書や診療文書。

画像ソースの
多様性

SC画像は、品質が大きく異なる異種ソースから取得されます:スマートフォンまたはデジタルカメラ(解像度・照明・ホワイトバランスが様々)、フラットベッドスキャナー(傾きやアーティファクトが発生する可能性のある紙文書のデジタル化)、ワークステーションからのスクリーンキャプチャ(解像度と圧縮が様々)、他施設からの外部メディア(取得パラメータが不明なCD/DVDインポート)、非医療撮像デバイス。この多様性は、自動画像解析と品質評価に影響します。

DICOM
カプセル化

SCオブジェクトは既存の画像(JPEG・PNG・TIFF・BMPなど)をDICOMメタデータ構造でラップし、患者人口統計・検査コンテキスト・PACS統合機能を提供します。ただし、元のモダリティ固有の取得メタデータは通常存在しないか不完全です。SC画像には、医療撮像機器のネイティブDICOMに典型的な技術パラメータ(kVp・mAs・視野・ピクセル間隔)がありません。Conversion Type属性は、画像がデジタル化フィルム(DF)・デジタルインターフェース(DI)・合成画像(SYN)・誤った提示(WSD)のいずれかを示します。

品質に関する
考慮事項

SC画像にはしばしば次の問題があります:解像度とアスペクト比の不一致(低品質の電話写真から高解像度スキャンまで)、ソースフォーマットによる可変圧縮アーティファクト、非標準化の患者ポジショニングと解剖学的向き、ソースシステムからの埋め込みテキストアノテーションや計測グラフィック、スクリーンショット内のPHI表示(患者名・カルテ番号・インターフェースに見える日付)、正確な測定を妨げる幾何学的キャリブレーション情報の欠如、臨床写真の色の不一致と照明のばらつき、文書スキャンのアーティファクト(影・折り目・紙の汚れ)。

臨床文書の
ユースケース

SCは、一次診断画像を補完する補助的な視覚文書を組み込むことで、包括的な患者記録を可能にします。創傷ケア写真は時系列での治癒経過を追跡します。術前および術後の手術部位画像は解剖学的外観と手術結果を記録します。スキャンされた外部施設のレポートは比較検査と過去の撮像履歴を提供します。皮膚科写真は遠隔皮膚科コンサルテーションと縦断的モニタリングのために皮膚病変を記録します。同意書・患者アンケート・臨床試験文書はPACS内に完全な電子健康記録を維持します。

ワークフロー
統合

SCオブジェクトは、すべての患者関連画像を統合アーカイブに統合することでPACS中心のワークフローを促進します。放射線科医は現在の検査とともにインポートされた外部検査をレビューできます。臨床医は別のシステムに切り替えることなく、PACSから直接、創傷写真や臨床文書にアクセスできます。品質保証チームは放射線安全モニタリングのために線量レポートのスクリーンショットを取得します。IT部門はSCをレガシーシステムの移行に使用し、歴史的なフィルムアーカイブや独自フォーマット画像をDICOM準拠オブジェクトに変換します。

主なユースケース

  • SCオブジェクト全体にわたる異種画像ソースと大きな品質ばらつきを処理する堅牢な画像分類システムの開発。
  • スクリーンショットやスキャン文書に表示される機密情報を自動的に識別・削除するテキスト検出とPHIスクラビングモデルのトレーニング。
  • SC画像をコンテンツタイプ(臨床写真・線量レポート・外部検査・スキャン文書・同意書・その他の文書カテゴリ)で分類する文書分類システムの構築。
  • 診断品質が不十分なSC画像・誤った向き・過度の圧縮アーティファクト・共有前に削除が必要な埋め込みPHIをフラグするQA自動化モデルの作成。
  • ストレージ割り当ての最適化・ワークフローの非効率性の特定・エンタープライズイメージング戦略の開発を支援するためのPACSワークフローパターンとSC使用傾向の分析。
  • 創傷ケアと皮膚科撮像のための最適な照明・ポジショニング・距離・解剖学的ビューに関するガイダンスを提供する臨床写真標準化システムの開発。
  • SCオブジェクトが一般的な異種臨床環境でのデプロイのために、実世界の画像多様性(多様なソース・解像度・照明条件)に対してレジリエントなモデルのトレーニング。
  • SCオブジェクトとしてキャプチャされたスキャンレポート・同意書・臨床文書から構造化データを抽出する自動文書処理パイプラインの構築。

真のスピードでス
ケールを解き放つ

本番環境でスケーラブル・セキュア・測定可能なAI実行を実現します。