JPWO2010050333A1 - 情報処理装置 - Google Patents
情報処理装置 Download PDFInfo
- Publication number
- JPWO2010050333A1 JPWO2010050333A1 JP2010535737A JP2010535737A JPWO2010050333A1 JP WO2010050333 A1 JPWO2010050333 A1 JP WO2010050333A1 JP 2010535737 A JP2010535737 A JP 2010535737A JP 2010535737 A JP2010535737 A JP 2010535737A JP WO2010050333 A1 JPWO2010050333 A1 JP WO2010050333A1
- Authority
- JP
- Japan
- Prior art keywords
- estimated value
- class
- certainty factor
- image
- information processing
- 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.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 51
- 238000003384 imaging method Methods 0.000 claims description 79
- 238000012545 processing Methods 0.000 claims description 70
- 238000000034 method Methods 0.000 claims description 22
- 210000000038 chest Anatomy 0.000 description 26
- 230000006870 function Effects 0.000 description 16
- 238000006243 chemical reaction Methods 0.000 description 13
- 210000001015 abdomen Anatomy 0.000 description 10
- 238000004891 communication Methods 0.000 description 7
- 210000002683 foot Anatomy 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000010606 normalization Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 3
- 230000003187 abdominal effect Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 210000000115 thoracic cavity Anatomy 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/56—Details of data transmission or power supply, e.g. use of slip rings
- A61B6/563—Details of data transmission or power supply, e.g. use of slip rings involving image data transmission via a network
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/44—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device
- A61B8/4416—Constructional features of the ultrasonic, sonic or infrasonic diagnostic device related to combined acquisition of different diagnostic modalities, e.g. combination of ultrasound and X-ray acquisitions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/12—Diagnosis using ultrasonic, sonic or infrasonic waves in body cavities or body tracts, e.g. by using catheters
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/13—Tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B8/00—Diagnosis using ultrasonic, sonic or infrasonic waves
- A61B8/56—Details of data transmission or power supply
- A61B8/565—Details of data transmission or power supply involving data transmission via a network
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10116—X-ray image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/03—Recognition of patterns in medical or anatomical images
- G06V2201/031—Recognition of patterns in medical or anatomical images of internal organs
-
- 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
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/40—ICT specially adapted for the handling or processing of medical images for processing medical images, e.g. editing
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Medical Informatics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Heart & Thoracic Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Surgery (AREA)
- Molecular Biology (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Probability & Statistics with Applications (AREA)
- High Energy & Nuclear Physics (AREA)
- Optics & Photonics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
識別器の判別結果に対する確信度を算出する。情報処理装置は、画像を解析して得られた特徴量から、複数のクラスのうち当該画像が各クラスに属する確率を推定値として出力し、当該推定値に基づいて画像が属するクラスを判別する識別器と、前記識別器により出力された各クラスの推定値を用いて、前記識別器による判別結果に対する確信度を算出する制御手段と、を備える。
Description
本発明は、情報処理装置に関する。
一般に、ユーザの意思決定をサポートするため、機械学習の手法が用いられている。例えば、X線画像を画像処理する際、X線撮影が行われた撮影部位や撮影方向によって、適切な画像処理の種類やパラメータがあるため、X線画像の撮影部位や撮影方向をまず特定する必要がある。そこで、機械学習の手法によって識別器を作成し、当該識別器によりX線画像の撮影部位や撮影方向を判別し、判別された撮影部位及び/又は撮影方向に応じた画像処理を選択することが行われている(例えば、特許文献1参照)。
機械学習の手法としては、サポートベクトルマシンやニューラルネットワークの他、ブースティング手法の1つであるAdaBoostやAdaBoostMltが挙げられる。
機械学習を利用した識別器による判別は常に正解が得られるわけではない。例えば、胸部が撮影されたX線画像と、胸椎が撮影されたX線画像は、画像の特徴が似ているため、誤判別する場合もある。このような場合にも無理に撮影部位を判別して、その撮影部位に特化した画像処理を選択すると、誤判別であった場合に不適切な画像処理を施してしまうことになる。判別が難しい場面では、無理に判別せずに撮影部位に依存しない汎用的な画像処理を選択することが好ましい。しかし、ユーザに対しては識別器による判別結果のみが提供されるため、ユーザは判別結果を信頼してよいかどうか、判断ができない。
本発明の課題は、識別器の判別結果に対する確信度を算出することである。
請求項1に記載の発明によれば、
画像を解析して得られた特徴量から、複数のクラスのうち当該画像が各クラスに属する確率を推定値として出力し、当該推定値に基づいて画像が属するクラスを判別する識別器と、
前記識別器により出力された各クラスの推定値を用いて、前記識別器による判別結果に対する確信度を算出し、当該算出された確信度を表示手段に表示する制御手段と、
を備える情報処理装置が提供される。
画像を解析して得られた特徴量から、複数のクラスのうち当該画像が各クラスに属する確率を推定値として出力し、当該推定値に基づいて画像が属するクラスを判別する識別器と、
前記識別器により出力された各クラスの推定値を用いて、前記識別器による判別結果に対する確信度を算出し、当該算出された確信度を表示手段に表示する制御手段と、
を備える情報処理装置が提供される。
請求項2に記載の発明によれば、
前記制御手段は、前記識別器により出力された各クラスの推定値のうち、最大の推定値と、それ以外の推定値との差を求め、当該差が閾値以内にあるクラスが所定数以上あるか否かによって2値の確信度を出力する請求項1に記載の情報処理装置が提供される。
前記制御手段は、前記識別器により出力された各クラスの推定値のうち、最大の推定値と、それ以外の推定値との差を求め、当該差が閾値以内にあるクラスが所定数以上あるか否かによって2値の確信度を出力する請求項1に記載の情報処理装置が提供される。
請求項3に記載の発明によれば、
前記制御手段は、前記識別器により出力された各クラスの推定値のうちの最大の推定値と、2番目に大きい推定値との差の絶対値を、確信度として出力する請求項1に記載の情報処理装置が提供される。
前記制御手段は、前記識別器により出力された各クラスの推定値のうちの最大の推定値と、2番目に大きい推定値との差の絶対値を、確信度として出力する請求項1に記載の情報処理装置が提供される。
請求項4に記載の発明によれば、
前記制御手段は、前記識別器により出力された各クラスの推定値のうちの最大の推定値と、2番目に大きい推定値との差の絶対値を求め、当該差の絶対値が閾値より小さいか否かによって2値の確信度を出力する請求項1に記載の情報処理装置が提供される。
前記制御手段は、前記識別器により出力された各クラスの推定値のうちの最大の推定値と、2番目に大きい推定値との差の絶対値を求め、当該差の絶対値が閾値より小さいか否かによって2値の確信度を出力する請求項1に記載の情報処理装置が提供される。
請求項5に記載の発明によれば、
前記制御手段は、前記識別器により出力された各クラスの推定値のうち、最大の推定値が閾値以下であるか否かによって2値の確信度を出力する請求項1に記載の情報処理装置が提供される。
前記制御手段は、前記識別器により出力された各クラスの推定値のうち、最大の推定値が閾値以下であるか否かによって2値の確信度を出力する請求項1に記載の情報処理装置が提供される。
請求項6に記載の発明によれば、
前記制御手段は、前記識別器により出力された各クラスの推定値を正規化し、当該正規化された推定値を用いて前記確信度を算出する請求項1〜5の何れか一項に記載の情報処理装置が提供される。
前記制御手段は、前記識別器により出力された各クラスの推定値を正規化し、当該正規化された推定値を用いて前記確信度を算出する請求項1〜5の何れか一項に記載の情報処理装置が提供される。
請求項7に記載の発明によれば、
前記制御手段は、前記算出された確信度の値に基づいて当該確信度が高いか低いかを判定し、確信度が低いと判定された場合、クラスの判定結果とともに確信度が低いことを警告する警告情報を前記表示手段に表示させる請求項1〜6の何れか一項に記載の情報処理装置が提供される。
前記制御手段は、前記算出された確信度の値に基づいて当該確信度が高いか低いかを判定し、確信度が低いと判定された場合、クラスの判定結果とともに確信度が低いことを警告する警告情報を前記表示手段に表示させる請求項1〜6の何れか一項に記載の情報処理装置が提供される。
請求項8に記載の発明によれば、
前記画像は、画像生成装置により患者が撮影された医用画像であり、
前記制御手段は、算出された確信度が高いか低いかを判定し、
前記制御手段により確信度が高いと判定された場合、前記医用画像に対し最大の推定値を持つクラスに特化した画像処理を施し、確信度が低いと判定された場合、前記医用画像に対し汎用の画像処理を施す画像処理手段を備える請求項1〜7の何れか一項に記載の情報処理装置が提供される。
前記画像は、画像生成装置により患者が撮影された医用画像であり、
前記制御手段は、算出された確信度が高いか低いかを判定し、
前記制御手段により確信度が高いと判定された場合、前記医用画像に対し最大の推定値を持つクラスに特化した画像処理を施し、確信度が低いと判定された場合、前記医用画像に対し汎用の画像処理を施す画像処理手段を備える請求項1〜7の何れか一項に記載の情報処理装置が提供される。
請求項9に記載の発明によれば、
前記医用画像のクラスは、医用画像の撮影が行われた画像生成装置の種類毎のクラスである請求項8に記載の情報処理装置が提供される。
前記医用画像のクラスは、医用画像の撮影が行われた画像生成装置の種類毎のクラスである請求項8に記載の情報処理装置が提供される。
請求項10に記載の発明によれば、
前記医用画像のクラスは、医用画像が撮影された撮影部位毎のクラス、撮影方向毎のクラス又は撮影部位と撮影方向の組合せ毎のクラスの何れかである請求項8に記載の情報処理装置が提供される。
前記医用画像のクラスは、医用画像が撮影された撮影部位毎のクラス、撮影方向毎のクラス又は撮影部位と撮影方向の組合せ毎のクラスの何れかである請求項8に記載の情報処理装置が提供される。
請求項11に記載の発明によれば、
前記識別器は、AdaBoostMltの手法により構成され、少なくとも3クラス以上のクラスの判別を行い、
前記識別器により出力される推定値は、前記確信度に相当する値を伴って与えられる請求項1〜10の何れか一項に記載の情報処理装置が提供される。
前記識別器は、AdaBoostMltの手法により構成され、少なくとも3クラス以上のクラスの判別を行い、
前記識別器により出力される推定値は、前記確信度に相当する値を伴って与えられる請求項1〜10の何れか一項に記載の情報処理装置が提供される。
請求項12に記載の発明によれば、
前記制御手段は、前記算出された確信度を表示手段に表示する請求項1〜11の何れか一項に記載の情報処理装置が提供される。
前記制御手段は、前記算出された確信度を表示手段に表示する請求項1〜11の何れか一項に記載の情報処理装置が提供される。
本発明によれば、識別器の判別結果に対する確信度を算出することができ、判別結果とともに、その確信度の情報を提供することが可能となる。
以下、図面を参照して本発明の実施の形態について説明する。
本実施形態では、医用画像を処理する医用画像システムにおいて、識別器により医用画像が属するクラス(撮影部位毎のクラス)を判別し、その判別結果に対する確信度の情報を提供する情報処理装置の例を説明する。
本実施形態では、医用画像を処理する医用画像システムにおいて、識別器により医用画像が属するクラス(撮影部位毎のクラス)を判別し、その判別結果に対する確信度の情報を提供する情報処理装置の例を説明する。
図1は、本実施形態に係る情報処理装置3を含む医用画像システム1のシステム構成を示す図である。図2は、医用画像システム1が小規模の医療施設に用いられたときの各装置の配置例を示している。
医用画像システム1は、開業医やクリニックのように比較的小規模の医療施設用に構築され、患者の検査撮影を行って医用画像を生成、管理する。医用画像は患者情報により管理されるが、この医用画像と患者情報の対応関係は医師により決定され、決定された対応関係の情報は医師の操作により医用画像システム1に入力される。医用画像システム1は入力に応じて医用画像と患者情報とを対応付けて記憶する。総合病院のように大規模な医療施設用に構築された医用画像システムでは、患者情報や検査情報が含まれるオーダ情報が発行され、このオーダ情報によって医用画像が管理されている。この点が小規模の医療施設用の医用画像システム1とは異なる。大規模な医療施設用の医用画像システムでは、オーダ情報によって医用画像の撮影部位及び撮影方向を容易に判別することができるが、小規模の医療施設用の医用画像システム1でオーダー情報が得られない場合は、医師自身が医用画像の撮影部位や撮影方向を特定する必要がある。医用画像システム1では、このような医師の負担を軽減するため、撮影部位や撮影方向を識別器により判別することが行われる。
医用画像システム1は、図1に示すように超音波診断装置2a、内視鏡装置2b、CR(Computed Radiography)装置2cを含んで構成されている。超音波診断装置2a、内視鏡装置2b、CR装置2cは、医用画像を生成する画像生成装置の1種である。
また、医用画像システム1は、図1に示すように情報処理装置3、受付装置4を含んで構成されている。情報処理装置3は、医師の常駐場所である診察室に設けられたWS(ワークステーション)であることが好ましい。
また、医用画像システム1は、図1に示すように情報処理装置3、受付装置4を含んで構成されている。情報処理装置3は、医師の常駐場所である診察室に設けられたWS(ワークステーション)であることが好ましい。
超音波診断装置2a、内視鏡装置2b、CR装置2c、情報処理装置3、受付装置4は、図示しないスイッチングハブ等を介してネットワーク5に接続されている。ネットワーク5は、例えばLAN(Local Area Network)である。通信規格としては、一般に医療関連のデータを扱う通信規格であるDICOM(Digital Imaging and Communication in Medicine)が用いられている。
次に、上記医用画像システム1を構成する各装置を説明する。
超音波診断装置2aは、超音波を照射し、その反射波に基づいて医用画像を生成する。
超音波診断装置2aには変換装置21が接続され、この変換装置21を介してネットワーク5に接続されている。変換装置21は、アナログ信号からデジタル信号への変換を行うとともに、医用画像がDICOMに準拠しない形式である場合にその形式をDICOMに準拠する形式に変換する。また、変換装置21は医用画像システム1において医用画像を個々に特定するためのUID(ユニークID)を医用画像に付加する。UIDは、例えば超音波診断装置2a固有の装置ID、撮影日時を組み合わせて作成される。
超音波診断装置2aは、超音波を照射し、その反射波に基づいて医用画像を生成する。
超音波診断装置2aには変換装置21が接続され、この変換装置21を介してネットワーク5に接続されている。変換装置21は、アナログ信号からデジタル信号への変換を行うとともに、医用画像がDICOMに準拠しない形式である場合にその形式をDICOMに準拠する形式に変換する。また、変換装置21は医用画像システム1において医用画像を個々に特定するためのUID(ユニークID)を医用画像に付加する。UIDは、例えば超音波診断装置2a固有の装置ID、撮影日時を組み合わせて作成される。
内視鏡装置2bは、管の先端部に設けられた小型の撮影装置を備え、当該撮影装置によって撮影を行い、医用画像を生成する。
CR装置2cはX線を照射するX線源、X線を検出するX線検出器等を備えて構成されている。X線検出器は、X線エネルギーを蓄積する揮尽性蛍光体プレートが内蔵されたカセッテであってもよいし、FPD(Flat Panel Detector)であってもよい。FPDはマトリクス状にX線検出素子、光電変換素子が配置されてなり、X線検出素子によって検出されたX線を光電変換素子が光電変換して医用画像を生成する。カセッテを用いる場合、CR装置2c内に読取部が設けられる。読取部は揮尽性蛍光体プレートに励起光を照射し、揮尽性蛍光体プレートから発光される輝尽光を光電変換して医用画像を生成する。
CR装置2cはX線を照射するX線源、X線を検出するX線検出器等を備えて構成されている。X線検出器は、X線エネルギーを蓄積する揮尽性蛍光体プレートが内蔵されたカセッテであってもよいし、FPD(Flat Panel Detector)であってもよい。FPDはマトリクス状にX線検出素子、光電変換素子が配置されてなり、X線検出素子によって検出されたX線を光電変換素子が光電変換して医用画像を生成する。カセッテを用いる場合、CR装置2c内に読取部が設けられる。読取部は揮尽性蛍光体プレートに励起光を照射し、揮尽性蛍光体プレートから発光される輝尽光を光電変換して医用画像を生成する。
内視鏡装置2b、CR装置2cは、それぞれが生成した医用画像にUIDを付与する。UIDは、それぞれ医用画像の生成を行った内視鏡装置2bの装置ID又は超音波診断装置2aの装置IDに、撮影日時を組合せて作成される。
情報処理装置3は、例えば医用画像、患者情報、電子カルテ情報の情報処理を行い、医師の診察に必要な情報を表示したり、医用画像に画像処理を施したりする。
図3は、情報処理装置3の機能的構成を示す図である。
図3に示すように、情報処理装置3は、制御部31、操作部32、表示部33、通信部34、記憶部35、画像処理部36を備えて構成されている。
図3は、情報処理装置3の機能的構成を示す図である。
図3に示すように、情報処理装置3は、制御部31、操作部32、表示部33、通信部34、記憶部35、画像処理部36を備えて構成されている。
制御部31は、CPU(Central Processing Unit)、RAM(Random Access Memory)を備えて構成されている。制御部31は、記憶部35に記憶されている各種プログラムを読み出してRAMに展開し、展開されたプログラムに従って各種演算を行ったり、各構成部を集中制御したりする。
また、制御部31は、入力データが属するクラスを判別する識別器3aを構成する。識別器3aは医用画像を入力データとして、当該医用画像の撮影部位のクラスを判別し、その判別結果を出力する。制御部31は識別器3aによる判別結果に対する確信度を算出し、表示部33に表示させる制御手段である。
操作部32は、例えばキーボードやマウスを備え、ユーザの操作に応じた操作信号を生成して制御部31に出力する。なお、操作部32と表示部33のディスプレイが一体化したタッチパネルを用いてもよい。
表示部33はディスプレイを備え、制御部31の表示制御に従ってディスプレイに医用画像や各種操作画面を表示する表示手段である。
通信部34は通信用のインターフェイスを備え、ネットワーク5上の外部装置と通信を行う。例えば、CR装置2cから医用画像を受信する。
表示部33はディスプレイを備え、制御部31の表示制御に従ってディスプレイに医用画像や各種操作画面を表示する表示手段である。
通信部34は通信用のインターフェイスを備え、ネットワーク5上の外部装置と通信を行う。例えば、CR装置2cから医用画像を受信する。
記憶部35は制御部31で用いられるプログラム、プログラムの実行に必要なパラメータ、ファイルを記憶している。記憶部35としては、ハードディスクや半導体の不揮発性メモリを用いることができる。
記憶部35は、医用画像のデータベースを記憶している。このデータベースは、例えば医用画像、当該医用画像に付与されたUID、当該医用画像に対応付けられた患者情報からなる。
記憶部35は、医用画像のデータベースを記憶している。このデータベースは、例えば医用画像、当該医用画像に付与されたUID、当該医用画像に対応付けられた患者情報からなる。
記憶部35は、医用画像の撮影部位(例えば、胸部、腹部、頭部)毎に、それぞれの撮影部位に特化した画像処理の種類とパラメータの情報を記憶している。撮影部位に特化した画像処理のパラメータとは、撮影部位に応じて適切な処理結果が得られるように設計されたパラメータをいう。例えば、記憶部35は胸部に対し、階調変換処理のパラメータ1、周波数強調処理のパラメータ2の情報を記憶し、腹部に対しては階調変換処理のパラメータ1を記憶している。また、記憶部35は汎用の画像処理の種類とパラメータの情報とを記憶している。汎用の画像処理のパラメータとは、撮影部位に関係なくどの撮影部位の医用画像にも適用できるように設計されたパラメータをいう。
画像処理部36は、医用画像に各種画像処理を施す画像処理手段である。画像処理は画像処理用のプログラムを記憶部35に記憶しておき、当該プログラムとCPUとの協働によるソフトウェア処理として実現することとしてもよい。また、画像処理回路のようにハードウェアによって各種画像処理を実現することとしてもよい。
画像処理としては、例えば階調変換処理、周波数強調処理、ダイナミックレンジ圧縮処理、粒状抑制処理、拡大縮小処理、表示位置調整処理、白黒反転処理が挙げられる。
このような画像処理のパラメータとしては、階調変換処理に用いられる階調変換曲線(出力画素値が目標階調となるように、入力画素値と出力画素値の関係を定めた曲線)、階調変換処理に用いられる正規化曲線の傾き(G値;コントラストを示す値)、正規化曲線のy切片(S値;濃度補正値)、周波数強調処理時の強調度、拡大縮小処理時の拡大率(縮小率)が挙げられる。
このような画像処理のパラメータとしては、階調変換処理に用いられる階調変換曲線(出力画素値が目標階調となるように、入力画素値と出力画素値の関係を定めた曲線)、階調変換処理に用いられる正規化曲線の傾き(G値;コントラストを示す値)、正規化曲線のy切片(S値;濃度補正値)、周波数強調処理時の強調度、拡大縮小処理時の拡大率(縮小率)が挙げられる。
受付装置4は、例えば来院した患者の受付登録、会計計算、保険点数計算を行う。
次に、上記医用画像システム1による処理の流れを、医師や患者のワークフローとともに説明する。
図2に示すように、入口10付近には患者の受付11と待合室12がある。受付11には受付装置4が配置されている。一方、診察室13には情報処理装置3、超音波診断装置2aが配置され、X線撮影室15にはCR装置2cが配置されている。また、検査室16には内視鏡装置2bが配置されている。
図2に示すように、入口10付近には患者の受付11と待合室12がある。受付11には受付装置4が配置されている。一方、診察室13には情報処理装置3、超音波診断装置2aが配置され、X線撮影室15にはCR装置2cが配置されている。また、検査室16には内視鏡装置2bが配置されている。
患者が来院すると、受付11では受付担当者が来院した患者に、各患者を識別するための受付番号が印刷された受付番号札を付与する。受付担当者は患者の氏名や年齢、住所等の患者情報と、当該患者に付与された受付番号を受付装置4に入力する。受付装置4では、患者情報がデータベース化されて保存されるとともに、受付番号順に患者の氏名等を並べた患者リストが作成される。患者リストは情報処理装置3に送信される。
受付番号が付与された患者は受付順に診察室13に移動し、医師による診察を受ける。医師は診察によって検査撮影が必要と判断すると、情報処理装置3において患者リストを表示するよう操作する。情報処理装置3では操作に応じて患者リストの表示が行われるので、医師は患者リストの中から撮影対象の患者の選択操作を行う。その後、医師は患者を例えばCR装置2cまで案内し、撮影部位、撮影方向を設定すると、CR装置2cにおいて撮影の指示操作を行う。CR装置2cでは撮影の後、医用画像が生成され、当該医用画像にUIDが付されて情報処理装置3に送信される。撮影終了後、医師と患者は診察室13に戻る。
情報処理装置3では、識別器3aにより医用画像の撮影部位の判別が行われる。例えば、制御部31により医用画像の特徴量が算出され、当該特徴量が入力データとして識別器3aに入力される。医用画像の特徴量としては、画素値の平均値、標準偏差、分散、エッジ情報、高次自己相関関数、濃度勾配情報が挙げられる。識別器3aではこれら特徴量から、胸部、腹部、足のように、撮影部位が判別される。撮影部位に応じた画像処理のパラメータが記憶部35に記憶されているので、画像処理部36により当該パラメータを用いた画像処理が施される。
このように、識別器3aは医用画像の撮影部位を判別するために用いられ、医師が撮影部位を特定する作業を補助している。識別器3aは、例えばAdaBoost、AdaBoostMlt、人工ニューラルネットワーク、サポートベクトルマシンのような機械学習の手法によって構成される。本実施形態では、AdaBoostMltの手法により学習データを用いて構成された識別器3aの例を示す。学習データとしては、撮影部位が既に判明している医用画像の特徴量が用いられる。AdaBoostMltは複数の弱識別器の線形結合により最終的な識別器を作成するアルゴリズムである。弱識別器とは、判別精度が低くてもよい識別器をいう。個々の弱識別器の判別精度が低くても、弱識別器が十分な多様性を有することにより、学習データの経験分布に近似することが可能である。
AdaBoostMltの手法による識別器3aの構成方法について説明する。
一般に、AdaBoostは2クラスに分類する識別器を構成する手法であるが、AdaBoostMltは2クラス以上の多クラス分類のための識別器を構成する手法である。
一般に、AdaBoostは2クラスに分類する識別器を構成する手法であるが、AdaBoostMltは2クラス以上の多クラス分類のための識別器を構成する手法である。
x∈X⊂Rn(Rnはn次元空間を示す。Xはn次元空間の部分集合であり、xの集合である。)である入力値xから出力値の集合Y={1、…、K}のべき集合2Yへの写像の集合を下記のように表す。
Wmlt={hmlt:X→2Y}
このとき、弱識別器hの集合Wは、下記のように表される。
W={h:X×Y→R|h(x、y)=[y∈hmlt(x)、hmlt∈Wmlt]}
なお、[]は[]内の条件が成立するときに1、それ以外のときは0を出力する関数を示す。
Wmlt={hmlt:X→2Y}
このとき、弱識別器hの集合Wは、下記のように表される。
W={h:X×Y→R|h(x、y)=[y∈hmlt(x)、hmlt∈Wmlt]}
なお、[]は[]内の条件が成立するときに1、それ以外のときは0を出力する関数を示す。
また、学習データを(x1、y1)、…、(xN、yN)で表すと、学習データにより与えられる経験分布p0(x、y)は下記のように定義される。
xは学習データとして採用された医用画像の特徴量群により定義されるベクトルデータ、yはその医用画像について判明しているクラスを示す。Nは学習データ数を示す。
さらに、各弱識別器hに関する判別エラー関数et(h)、正解判別結果の総評価点p+(h、p)、誤判別結果の総評価点p−(h、p)、損失関数L(f)は、下記のように定義される。
なお、[]は[]内の条件が成立するときに1、それ以外のときは0を出力する関数を示す。
上記定義の下、T回の学習で得られる弱識別器h1、…、hTを結合して、最終的に得られる識別器3aの関数fλ(x、y)を下記のように表す。
fλ(x、y)=λ1h1(x、y)+、…、λThT(x、y)
なお、λ1〜λTは各弱識別器h1〜hTの重み付け係数である。
fλ(x、y)=λ1h1(x、y)+、…、λThT(x、y)
なお、λ1〜λTは各弱識別器h1〜hTの重み付け係数である。
この識別器3aの関数fλ(x、y)を得るため、まず制御部31は学習データ(x1、y1)、…、(xN、yN)を入力し、重み付け係数λt、学習回数tの初期化を行う。λtを上記関数fλ(x、y)におけるλ1〜λTを要素とするベクトルデータλt=(λ1、…、λT)で示すと、初期化により重み付け係数はλ0=(0、…、0)、学習回数はt=0に設定される。また、制御部31は拡張された学習データの分布をptとして設定する。初期値t=0の場合、p0は、上記p0(x、y、y′)の式で表される。
次に、制御部31は以下の処理(1)〜(4)を、t=1、…、Tまで繰り返して行う。
(1)判別エラー関数e(pt、ht)が最小となる弱識別器hを選択する。つまり、複数の弱識別器hの組合せを変えながら判別エラー関数e(pt、ht)を算出し、そのうち判別エラー関数が最小となる組合せの弱識別器hを選択する。
(2)λtをλt−1+(0、…、αt、…、0)に置き換えて設定する。ここで、αtは注目する弱識別器htの重み付け係数λtを調整するパラメータであり、下記のように表される。
(1)判別エラー関数e(pt、ht)が最小となる弱識別器hを選択する。つまり、複数の弱識別器hの組合せを変えながら判別エラー関数e(pt、ht)を算出し、そのうち判別エラー関数が最小となる組合せの弱識別器hを選択する。
(2)λtをλt−1+(0、…、αt、…、0)に置き換えて設定する。ここで、αtは注目する弱識別器htの重み付け係数λtを調整するパラメータであり、下記のように表される。
次に、図4を参照して、医用画像に画像処理を施す際に情報処理装置3により実行される処理を説明する。この処理では、識別器3aにより医用画像の撮影部位のクラスが判別され、制御部31によりその判別結果に対する確信度が算出されて表示される。確信度とは、識別器3aの判別結果に対する信頼性の度合いをいう。
図4に示すように、まず画像処理部36が医用画像の画像解析を行い、特徴量を算出する(ステップS1)。画像解析により得られた特徴量は識別器3aに入力され、識別器3aは当該特徴量から医用画像が各撮影部位のクラスに属する可能性の程度(これを推定値という)を出力する。推定値は識別器3aの判別結果に対する確信度に相当する値を伴って与えられる。具体的には、識別器3aの関数fλ(x、y)により、医用画像が入力された特徴量がxであるとき、クラスkである可能性の程度を示す推定値yが各クラスkについて出力される。そして、識別器3aは各クラスの推定値yのうち、最大の推定値yが出力されたクラスの撮影部位が、医用画像の撮影部位であると判別する(ステップS2)。例えば、胸部、腹部、足の3つの撮影部位のクラスについて判別する場合、胸部の推定値y、腹部の推定値y、足の推定値yが得られる。そのうち、胸部の推定値yが最大であった場合、医用画像の撮影部位は胸部であると判別される。
関数fλ(x、y)によって識別器3aから出力された推定値yをそのまま用いて確信度を算出してもよいが、関数fλ(x、y)による推定値yは、線形結合された複数の弱識別器の出力の和である。その値域は弱識別器の数によって変動するので、制御部31は推定値yの正規化を行う(ステップS3)。
推定値yの値域を0≦y≦1とする正規化を行う場合、正規化された推定値yを出力する識別器3aの確率関数f′λ(x|y)は、下記式により示される。
f′λ(x|y)=1/Z(y)・(λ1h1(x、y)+…+λThT(x、y))
ここで、Z(y)は各推定値yのときのZの総和が1になるように定められた正規化定数である。
推定値yの値域を0≦y≦1とする正規化を行う場合、正規化された推定値yを出力する識別器3aの確率関数f′λ(x|y)は、下記式により示される。
f′λ(x|y)=1/Z(y)・(λ1h1(x、y)+…+λThT(x、y))
ここで、Z(y)は各推定値yのときのZの総和が1になるように定められた正規化定数である。
なお、推定値yの指数を正規化し、この指数が正規化された推定値yを確信度の算出に用いてもよい。推定値yの指数が正規化された正規化値は、条件付き確率分布の下での推定値yである。条件付き確率分布の下での識別器3aの確率関数p(x|y)は、下記式により示される。
p(y|x)=1/Z・efλ(x、y)
Zは正規化定数を示す。
p(y|x)=1/Z・efλ(x、y)
Zは正規化定数を示す。
次に、制御部31は、正規化された推定値yを用いて識別器3aによる判別結果についての確信度を算出する。確信度を算出する際、制御部31は、各クラスの正規化された推定値yのうちの最大の推定値yと、その他の推定値yとの差を求める(ステップS4)。次いで、制御部31は求めた差が閾値以下となるクラスが所定数以上ある場合(ステップS5;Y)、確信度を0の値に設定して出力し(ステップS6)、所定数以上無い場合(ステップS5;N)、確信度を1の値に設定して出力する(ステップS7)。
ここで、1の値は確信度が高いことを示し、0の値は確信度が低いことを示している。識別器3aの判別結果として最大の推定値yのクラスが出力されるが、他のクラスの推定値yとこの最大の推定値yとの差が小さければ判別が困難であったと考えられる。このような場合、判別結果に対する信頼性が低いと考えられるので、最大の推定値yとその他の推定値の差が小さいクラスがいくつあるかによって2値の確信度が出力される。
例えば、胸部、腹部、足の3クラスについて、下記表1に示す推定値y(0.00〜1.00の値域に正規化された値)が得られた場合、3クラスの中で最大の推定値yは、胸部のクラスの推定値y=0.80である。この推定値y=0.80と、他の腹部、足のクラスの推定値yとの差は、表1にも示すように0.60、0.50である。閾値が0.20、閾値以下のクラスの所定数が2と定められているとすると、腹部、足のクラスの推定値yは何れも閾値を超えていることから、閾値以下のクラスの数は0である。このクラスの数は、所定数の2以上無いので、確信度は1に設定される。
同様の条件下で、得られた推定値yが下記表2に示す推定値yであった場合、最大の推定値yは胸部の推定値y=0.40である。そうすると、他の腹部、足のクラスの推定値yと最大推定値yとの差はそれぞれ閾値以下となり、閾値以下のクラスの数は2である。このクラスの数2は所定数の2以上であるので、確信度は0に設定される。
なお、確信度は識別器3aの判定結果に対する信頼性の度合いを示すことができる指標であればよく、他の方法によって確信度を算出することとしてもよい。例えば、最大推定値yと2番目に大きい推定値y(以下、準推定値yという)との差が閾値以下か否かによって2値の確信度を求める方法が挙げられる。この方法では最大推定値のクラスが準推定値yとどれだけ離れているのか、相対的に最大推定値yを位置づけることに着目して確信度が決定される。
具体的には、制御部31は最大推定値yと、準推定値yとの差の絶対値を求め、求められた絶対値が閾値以下なら確信度の値を0に設定して出力し、閾値以下でなければ確信度の値を1に設定して出力する。1の値は確信度が高いことを示し、0の値は確信度が低いことを示している。準推定値との差が閾値以下であれば準推定値のクラスとの判別が困難であったことから信頼性が低いと考えられ、逆に差が閾値より大きければ最大推定値のクラスである可能性が高く信頼性が高いと考えられるからである。
例えば、胸部、腹部、足の3クラスについて下記表3に示す推定値yが得られた場合、最大推定値yは胸部の0.30であり、準推定値yは腹部の0.20である。最大推定値yと準推定値yとの差の絶対値は0.10であるので、閾値が0.15と定められているとすると、差の絶対値は閾値以下であるとして、確信度は0に設定されて出力される。
なお、最大推定値yと準推定値yとの差の絶対値そのものを確信度として算出してもよい。当該差の絶対値は、そのクラスに属する可能性が一番大きい最大推定値yのクラスが、2番目に可能性が大きい準推定値yのクラスと、どれぐらい可能性の差があるかを示す指標となり、判別結果に対する信頼性を示す。
また、確信度を算出する他の方法の1つとしては、最大の推定値yが閾値以下であれば確信度を0の値に設定し、閾値以下でなければ確信度を1の値に設定する方法も挙げられる。他のクラスとの比較では最大の推定値yとなるが、最大の推定値y自体が一定の値に達しないほど小さいのであれば、判別結果に対する信頼性が低いと考えられるからである。
例えば、胸部、腹部、足の3クラスについて下記表4に示す推定値yが得られた場合、最大の推定値yは胸部の0.30である。ここで、閾値が0.5であるとすると、最大の推定値yは閾値以下であるので、0の値の確信度が出力される。
さらに、確信度を算出する他の方法の1つとして、予め判別が容易であるクラスの組合せを設定しておき、最大の推定値yと、当該最大の推定値yのクラスと組合せられているクラスの推定値yとの差が閾値以下であるか否かによって確信度を決定する方法が挙げられる。閾値以下であれば、確信度として、確信度が高いことを示す1の値が設定され、閾値以下でなければ確信度が低いことを示す0の値が設定される。これは、判別が容易なクラス間において推定値yの差が小さい場合、判別が容易であるにも拘わらず、うまく判別できておらず、判別結果に対する信頼性が低いと考えられるからである。
例えば、胸部、腹部、足の3クラスについて下記表5に示す推定値yが得られた場合、最大の推定値yは胸部の0.50である。ここで、胸部と足は判別が容易であるクラスの組合せとして設定されており、閾値は0.20であるとすると、胸部と足の推定値yの差は0.03であり、閾値以下である。胸部と足は画像の特徴が大きく異なり、判別が容易であるにも拘わらず推定値yの差が閾値以下であり、信頼性が低いと考えられるので確信度は0として出力される。
このようにして確信度が算出されると、制御部31が算出された確信度の値に基づいて確信度が高いか低いかを判定する(ステップS8)。上述のように確信度の算出方法によっては、確信度が1又は0の2値で出力される場合と、最大推定値と準推定値との差の絶対値のように連続値で出力される場合とがある。確信度が2値で出力される場合、0の値は確信度が低いことを示し、1の値は確信度が高いことを示しているので、0又は1の何れの値であるかによって確信度が高いか低いかを判定すればよい。一方、確信度が連続値で出力される場合、閾値との比較によって高いか低いかを判定すればよい。例えば、制御部31は、最大推定値と準推定値との差の絶対値が閾値以下であれば確信度が低く、そうでなければ確信度が高いと判定する。
ここでは、2値で確信度が出力された場合を例に説明する。確信度が1の値であれば、制御部31は確信度が高いと判定し(ステップS8;Y)、識別器3aにより判別結果として出力されたクラスに特化した画像処理が画像処理部36により医用画像に施される(ステップS9)。例えば、識別器3aにより医用画像の撮影部位のクラスは胸部だと判別された場合、制御部31は胸部について定められている画像処理の種類とパラメータの情報を記憶部35から取得し、画像処理部36に出力する。画像処理部36は、胸部について定められている種類の画像処理を定めされたパラメータを用いて実行する。
一方、確信度が0の値であれば、制御部31は確信度が低いと判定し(ステップS8;N)、画像処理部36は汎用の画像処理を医用画像に施す(ステップS10)。例えば、識別器3aにより医用画像の撮影部位のクラスは胸部だと判別されている場合であっても、制御部31は汎用の画像処理の種類とパラメータの情報を記憶部35から取得し、画像処理部36に出力する。画像処理部36は、汎用として定められている種類の画像処理を定められたパラメータを用いて実行する。
このように、医用画像の撮影部位の判別結果に対する確信度が算出され、画像処理が施されると、制御部31の表示制御により、図5に示すようなビューア画面D1が表示部13に表示される。
図5に示すように、ビューア画面D1には患者情報欄d1、画像表示欄d2、画像調整欄d3が表示されている。患者情報欄d1は、医用画像が表示されている患者の患者情報の表示欄である。画像表示欄d2は、検査撮影によって得られた医用画像の表示欄である。画像調整欄d3は、表示された医用画像に施す画像処理のパラメータを操作するのに用いられる操作ボタンの表示欄である。
図5に示すように、ビューア画面D1には患者情報欄d1、画像表示欄d2、画像調整欄d3が表示されている。患者情報欄d1は、医用画像が表示されている患者の患者情報の表示欄である。画像表示欄d2は、検査撮影によって得られた医用画像の表示欄である。画像調整欄d3は、表示された医用画像に施す画像処理のパラメータを操作するのに用いられる操作ボタンの表示欄である。
画像表示欄d2は、表示された医用画像の撮影部位の情報d21を含む。この撮影部位は、識別器3aによって判別された結果である。患者情報欄d1に表示された患者情報と、画像表示欄d2に表示された医用画像が対応し、画像表示欄d2に表示された撮影部位が正しければ、医師はOKボタンd22を操作すればよい。また、対応関係や撮影部位が誤っている場合、医師はNGボタンd23を操作すればよい。
OKボタンd22が操作された場合、情報処理装置3では医用画像、患者情報、医用画像に付与されたUID等が制御部31によりデータベース化され、記憶部35に記憶される。NGボタンd23が操作された場合、制御部31の表示制御により撮影部位を修正操作できる修正画面が表示されるので、医師は目視により判断した撮影部位をこの修正画面において入力する。情報処理装置3では画像処理部36により入力された撮影部位に応じたパラメータで画像処理が再度行われ、再画像処理された医用画像により上記ビューア画面の表示が行われる。
撮影部位の判別結果に対する確信度が低いと判定された場合、ビューア画面D1において、制御部31は確信度が低いと判定された医用画像の撮影部位の文字に網掛けする、或いは色を付して表示することにより、確信度が低いことを警告する。また、制御部31は例えば「撮影部位を確認してください」のようなメッセージd4を表示して、確信度が低いことを警告する。
医師は目視により医用画像の撮影部位を容易に判断できるため、メッセージd4により識別器3aの判別結果が誤判別かどうかはすぐに確認できるが、詳細を把握したい医師のために、図6に示すようなビューア画面D2をさらに表示することとしてもよい。ビューア画面D2は医用画像1枚毎に詳細な情報を表示する画面である。このビューア画面D2では、図6に示すように識別器3aの判別結果として、判別された撮影部位が胸部であり、その推定値が0.4、確信度が0であることを示す情報d5が表示されている。また、確信度が低いため、胸部に特化した画像処理ではなく、汎用の画像処理が医用画像に施されたことを通知するメッセージd6が表示されている。
以上のように、本実施形態によれば、識別器3aは医用画像を解析して得られた特徴量から、複数の撮影部位のクラスのうち当該医用画像が各撮影部位のクラスに属する確率を推定値として出力し、当該推定値に基づいて医用画像の撮影部位のクラスを判別し、制御部31は前記識別器3aにより出力された各撮影部位のクラスの推定値を用いて、前記識別器3aによる判別結果に対する確信度を算出し、表示部33が前記算出された確信度を表示する。これにより、識別器3aによる撮影部位の判別結果とともに、その判別結果に対する確信度の情報を提供することができる。
また、前記制御部31は算出された確信度が高いか低いかを判定し、確信度が高いと判定された場合、画像処理部36は前記医用画像に対し最大の推定値を持つ撮影部位のクラスに特化した画像処理を施し、確信度が低いと判定された場合、前記医用画像に対し汎用の画像処理を施す。これにより、誤判別の可能性が高い場合には汎用の画像処理を選択することができ、不適切な画像処理の実施を防ぐことができる。
また、制御部31は確信度が低いことを警告するメッセージや色、網掛け等の警告情報を表示部33に表示するので、ユーザは確信度が低いことを容易に把握することができる。
なお、上述の実施形態は本発明の好適な一例であり、これに限定されない。
例えば、撮影方向や医用画像の撮影が行われた画像生成装置によっても、医用画像の特徴は異なってくるので、適する画像処理の種類、パラメータが異なってくる。よって、撮影部位毎のクラスではなく、撮影方向毎のクラスの判別の場合に本発明を適用してもよいし、撮影部位及び撮影方向の組合せ毎のクラスの判別の場合に適用してもよい。或いは、画像生成装置毎のクラスの判別の場合にも適用可能である。
例えば、撮影方向や医用画像の撮影が行われた画像生成装置によっても、医用画像の特徴は異なってくるので、適する画像処理の種類、パラメータが異なってくる。よって、撮影部位毎のクラスではなく、撮影方向毎のクラスの判別の場合に本発明を適用してもよいし、撮影部位及び撮影方向の組合せ毎のクラスの判別の場合に適用してもよい。或いは、画像生成装置毎のクラスの判別の場合にも適用可能である。
また、医用画像に限らず、画像一般について識別器による判別を行う場合にも本発明を適用することができる。
また、上述の情報処理装置3に用いられるプログラムのコンピュータ読み取り可能な媒体としては、ROM、フラッシュメモリ等の不揮発性メモリ、CD-ROM等の可搬型記録媒体を適用することが可能である。また、当該プログラムのデータを通信回線を介して提供する媒体として、キャリアウエーブ(搬送波)も適用可能である。
識別器を用いて判別を行う情報処理装置に利用することができる。
1 医用画像システム
2a 超音波診断装置
2b 内視鏡装置
2c CR装置
3 情報処理装置
31 制御部
3a 識別器
32 操作部
33 表示部
35 記憶部
36 画像処理部
4 受付装置
2a 超音波診断装置
2b 内視鏡装置
2c CR装置
3 情報処理装置
31 制御部
3a 識別器
32 操作部
33 表示部
35 記憶部
36 画像処理部
4 受付装置
Claims (12)
- 画像を解析して得られた特徴量から、複数のクラスのうち当該画像が各クラスに属する確率を推定値として出力し、当該推定値に基づいて画像が属するクラスを判別する識別器と、
前記識別器により出力された各クラスの推定値を用いて、前記識別器による判別結果に対する確信度を算出する制御手段と、
を備える情報処理装置。 - 前記制御手段は、前記識別器により出力された各クラスの推定値のうち、最大の推定値と、それ以外の推定値との差を求め、当該差が閾値以内にあるクラスが所定数以上あるか否かによって2値の確信度を出力する請求項1に記載の情報処理装置。
- 前記制御手段は、前記識別器により出力された各クラスの推定値のうちの最大の推定値と、2番目に大きい推定値との差の絶対値を、確信度として出力する請求項1に記載の情報処理装置。
- 前記制御手段は、前記識別器により出力された各クラスの推定値のうちの最大の推定値と、2番目に大きい推定値との差の絶対値を求め、当該差の絶対値が閾値より小さいか否かによって2値の確信度を出力する請求項1に記載の情報処理装置。
- 前記制御手段は、前記識別器により出力された各クラスの推定値のうち、最大の推定値が閾値以下であるか否かによって2値の確信度を出力する請求項1に記載の情報処理装置。
- 前記制御手段は、前記識別器により出力された各クラスの推定値を正規化し、当該正規化された推定値を用いて前記確信度を算出するか、或いは各クラスの推定値の指数の請求項1〜5の何れか一項に記載の情報処理装置。
- 前記制御手段は、前記算出された確信度の値に基づいて当該確信度が高いか低いかを判定し、確信度が低いと判定された場合、クラスの判定結果とともに確信度が低いことを警告する警告情報を前記表示手段に表示させる請求項1〜6の何れか一項に記載の情報処理装置。
- 前記画像は、画像生成装置により患者が撮影された医用画像であり、
前記制御手段は、算出された確信度が高いか低いかを判定し、
前記制御手段により確信度が高いと判定された場合、前記医用画像に対し最大の推定値を持つクラスに特化した画像処理を施し、確信度が低いと判定された場合、前記医用画像に対し汎用の画像処理を施す画像処理手段を備える請求項1〜7の何れか一項に記載の情報処理装置。 - 前記医用画像のクラスは、医用画像の撮影が行われた画像生成装置の種類毎のクラスである請求項8に記載の情報処理装置。
- 前記医用画像のクラスは、医用画像が撮影された撮影部位毎のクラス、撮影方向毎のクラス又は撮影部位と撮影方向の組合せ毎のクラスの何れかである請求項8に記載の情報処理装置。
- 前記識別器は、AdaBoostMltの手法により構成され、少なくとも3クラス以上のクラスの判別を行い、
前記識別器により出力される推定値は、前記確信度に相当する値を伴って与えられる請求項1〜10の何れか一項に記載の情報処理装置。 - 前記制御手段は、前記算出された確信度を表示手段に表示する請求項1〜11の何れか一項に記載の情報処理装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2008279285 | 2008-10-30 | ||
JP2008279285 | 2008-10-30 | ||
PCT/JP2009/067205 WO2010050333A1 (ja) | 2008-10-30 | 2009-10-02 | 情報処理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPWO2010050333A1 true JPWO2010050333A1 (ja) | 2012-03-29 |
Family
ID=42128699
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2010535737A Pending JPWO2010050333A1 (ja) | 2008-10-30 | 2009-10-02 | 情報処理装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JPWO2010050333A1 (ja) |
WO (1) | WO2010050333A1 (ja) |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012170781A (ja) * | 2011-02-24 | 2012-09-10 | Toshiba Corp | 医用画像診断装置及び医用画像表示装置 |
JP5868231B2 (ja) | 2012-03-16 | 2016-02-24 | 株式会社日立製作所 | 医用画像診断支援装置、医用画像診断支援方法ならびにコンピュータプログラム |
WO2016130879A1 (en) * | 2015-02-13 | 2016-08-18 | Prairie Ventures, Llc | System and method to objectively measure quality assurance in anatomic pathology |
WO2018012090A1 (ja) * | 2016-07-13 | 2018-01-18 | メディアマート株式会社 | 診断支援システム、医療診断支援装置及び診断支援方法 |
JP6251945B1 (ja) * | 2016-07-13 | 2017-12-27 | メディアマート株式会社 | 診断支援システム、医療診断支援装置及び診断支援方法 |
WO2019054045A1 (ja) | 2017-09-15 | 2019-03-21 | 富士フイルム株式会社 | 医療画像処理装置、医療画像処理方法及び医療画像処理プログラム |
CN112367915A (zh) * | 2018-06-15 | 2021-02-12 | 佳能株式会社 | 医学图像处理装置、医学图像处理方法和程序 |
JP7114358B2 (ja) * | 2018-06-15 | 2022-08-08 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
US11207055B2 (en) * | 2018-10-08 | 2021-12-28 | General Electric Company | Ultrasound Cardiac Doppler study automation |
WO2020075345A1 (ja) | 2018-10-10 | 2020-04-16 | キヤノン株式会社 | 医用画像処理装置、医用画像処理方法及びプログラム |
WO2020183791A1 (ja) | 2019-03-11 | 2020-09-17 | キヤノン株式会社 | 画像処理装置および画像処理方法 |
JP7269778B2 (ja) * | 2019-04-04 | 2023-05-09 | 富士フイルムヘルスケア株式会社 | 超音波撮像装置、および、画像処理装置 |
JP2021117927A (ja) * | 2020-01-29 | 2021-08-10 | キヤノン株式会社 | 医用情報処理システム、医用情報処理装置、医用情報処理システムの制御方法、及びプログラム |
TW202407640A (zh) * | 2022-07-20 | 2024-02-16 | 日商索尼半導體解決方案公司 | 資訊處理裝置、資訊處理方法、及程式 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3800892B2 (ja) * | 1999-10-29 | 2006-07-26 | コニカミノルタホールディングス株式会社 | 放射線画像処理装置 |
JP2005044330A (ja) * | 2003-07-24 | 2005-02-17 | Univ Of California San Diego | 弱仮説生成装置及び方法、学習装置及び方法、検出装置及び方法、表情学習装置及び方法、表情認識装置及び方法、並びにロボット装置 |
US20070263929A1 (en) * | 2004-10-12 | 2007-11-15 | Daisuke Kaji | Image Processing Apparatus, Image Processing Method and Image Processing Program |
JP4690190B2 (ja) * | 2004-12-22 | 2011-06-01 | 富士フイルム株式会社 | 画像処理方法および装置並びにプログラム |
JPWO2007029467A1 (ja) * | 2005-09-05 | 2009-03-19 | コニカミノルタエムジー株式会社 | 画像処理方法及び画像処理装置 |
JP2008011900A (ja) * | 2006-07-03 | 2008-01-24 | Fujifilm Corp | 画像種類判別装置および方法並びにプログラム |
-
2009
- 2009-10-02 WO PCT/JP2009/067205 patent/WO2010050333A1/ja active Application Filing
- 2009-10-02 JP JP2010535737A patent/JPWO2010050333A1/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
WO2010050333A1 (ja) | 2010-05-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2010050333A1 (ja) | 情報処理装置 | |
JP5533662B2 (ja) | 情報処理装置 | |
EP3975197A1 (en) | Device and method for processing medical image using predicted metadata | |
US20090103796A1 (en) | Method of discriminating between right and left breast images and breast radiographing system | |
JP2005198970A (ja) | 医用画像処理装置 | |
JP2006325638A (ja) | 異常陰影候補の検出方法及び医用画像処理システム | |
US8036443B2 (en) | Image processing method and image processor | |
EP3644273A1 (en) | System for determining image quality parameters for medical images | |
US11779288B2 (en) | Methods, systems, and apparatus for determining radiation doses | |
JP2003284713A (ja) | 医用画像処理装置、画像処理パラメータの補正方法、プログラム、記憶媒体 | |
JP4727476B2 (ja) | 医用画像情報の処理装置および確認作業支援プログラム | |
JP2010246705A (ja) | 画像処理装置、画像処理方法及びプログラム | |
JP2010086449A (ja) | 情報処理装置 | |
JP2020027507A (ja) | 医用情報処理装置及び医用情報処理方法、プログラム | |
US20240062367A1 (en) | Detecting abnormalities in an x-ray image | |
JP2006034521A (ja) | 医用画像処理装置及び医用画像処理方法 | |
JP6326812B2 (ja) | 画像処理装置及び照射野認識方法 | |
JP2004321457A (ja) | 画像処理条件決定方法および画像処理条件決定装置 | |
JP2014121346A (ja) | 医用画像処理装置及びプログラム | |
JP2001224576A (ja) | 画像処理方法および画像処理装置 | |
JP7370694B2 (ja) | 医用情報処理装置及び医用情報処理方法、プログラム | |
JP2013169212A (ja) | 医用画像処理装置及びプログラム | |
JP2007260062A (ja) | 医用画像情報の処理装置および確認作業支援プログラム | |
US20210232967A1 (en) | Methods and systems for tuning a static model | |
US20240127431A1 (en) | Method and apparatus for providing confidence information on result of artificial intelligence model |