JPWO2010050333A1 - 情報処理装置 - Google Patents

情報処理装置 Download PDF

Info

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
Application number
JP2010535737A
Other languages
English (en)
Inventor
大介 梶
大介 梶
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.)
Konica Minolta Medical and Graphic Inc
Original Assignee
Konica Minolta Medical and Graphic Inc
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 Konica Minolta Medical and Graphic Inc filed Critical Konica Minolta Medical and Graphic Inc
Publication of JPWO2010050333A1 publication Critical patent/JPWO2010050333A1/ja
Pending legal-status Critical Current

Links

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。
特開２００８−１１９００号公報
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
本実施の形態に係る情報処理装置を含む医用画像システムを示す図である。 医用画像システムを医療施設に用いたときの、各装置の配置例を示す図である。 情報処理装置の機能的構成を示す図である。 確信度を算出する際に情報処理装置により実行される処理を示すフローチャートである。 ビューア画面の一例を示す図である。 ビューア画面の一例を示す図である。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
Figure 2010050333
 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。
学習データの経験分布ｐ０（ｘ、ｙ）に対し、出力されるデータの発生確率を、学習データｘのクラスｙ以外のクラスｙ′まで形式的に拡張すると、拡張された分布ｐ０（ｘ、ｙ、ｙ′）は、下記のように定義される。
Figure 2010050333
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。
Figure 2010050333
 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。
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。
Figure 2010050333
（３）拡張された分布ｐｔを、下記式によりｐｔ＋１に更新する。
Figure 2010050333
 （４）ｔをｔ＋１に置き換えて設定する。
上記の処理（１）〜（４）を繰り返す結果、識別器３ａの関数ｆλ（ｘ、ｙ）が得られる。
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。
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。
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。
Figure 2010050333
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。
Figure 2010050333
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。
Figure 2010050333
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。
Figure 2010050333
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。
Figure 2010050333
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。
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。
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

Claims (12)

  1. 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。
  2. 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。
  3. 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。
  4. 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。
  5. 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。
  6. 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。
  7. 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。
  8. 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。
  9. 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。
  10. 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。
  11. 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。
  12. 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。
JP2010535737A 2008-10-30 2009-10-02 情報処理装置 Pending JPWO2010050333A1 (ja)

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)

* Cited by examiner, † Cited by third party
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)

* Cited by examiner, † Cited by third party
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

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