CN112970043B - 信息处理装置、信息处理方法及计算机程序产品 - Google Patents

信息处理装置、信息处理方法及计算机程序产品 Download PDF

Info

Publication number
CN112970043B
CN112970043B CN201980071175.2A CN201980071175A CN112970043B CN 112970043 B CN112970043 B CN 112970043B CN 201980071175 A CN201980071175 A CN 201980071175A CN 112970043 B CN112970043 B CN 112970043B
Authority
CN
China
Prior art keywords
subject
group
medical image
information processing
extracted
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.)
Active
Application number
CN201980071175.2A
Other languages
English (en)
Other versions
CN112970043A (zh
Inventor
山田健太
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.)
Fujifilm Corp
Original Assignee
Fujifilm Corp
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 Fujifilm Corp filed Critical Fujifilm Corp
Publication of CN112970043A publication Critical patent/CN112970043A/zh
Application granted granted Critical
Publication of CN112970043B publication Critical patent/CN112970043B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0077—Devices for viewing the surface of the body, e.g. camera, magnifying lens
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4504—Bones
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • A61B5/748—Selection of a region of interest, e.g. using a graphics tablet
    • A61B5/7485—Automatic selection of region of interest
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • 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
    • G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
    • 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
    • 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
    • G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/06—Children, e.g. for attention deficit diagnosis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2576/00—Medical imaging apparatus involving image processing or analysis
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
    • A61B5/0073—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by tomography, i.e. reconstruction of 3D images from 2D projections
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
    • A61B5/1077—Measuring of profiles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4887—Locating particular structures in or on the body
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • 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
    • G06T2207/30008—Bone
    • 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
    • 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
    • G06V2201/033—Recognition of patterns in medical or anatomical images of skeletal patterns

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • General Physics & Mathematics (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Data Mining & Analysis (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Signal Processing (AREA)
  • Mathematical Physics (AREA)
  • Psychiatry (AREA)
  • Physiology (AREA)
  • General Engineering & Computer Science (AREA)
  • Fuzzy Systems (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Quality & Reliability (AREA)
  • Dentistry (AREA)

Abstract

本发明提供一种信息处理装置，其从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息，使用所提取的表示所述受检体的体格的信息来确定所述受检体被分类的组，在通过使用了每个所述组的学习用数据的机器学习而针对每个所述组预先得到的学习完毕模型中，对与所确定的组对应的所述学习完毕模型输入表示通过拍摄所述受检体而得到的医学图像的图像数据，获取表示从通过所述输入而从所述学习完毕模型输出的所述医学图像中提取的区域的信息。

Description

信息处理装置、信息处理方法及计算机程序产品
技术领域
本发明涉及一种信息处理装置、信息处理方法及计算机程序产品。
背景技术
公开了一种脸部检测方法，其针对包括在输入图像中的脸部，一边改变应检测脸部的倾斜度，一边进行检测(参考日本特开2007-128127号公报)。在该脸部检测方法中，根据应检测脸部的倾斜度，通过第1检测处理及第2检测处理中的任一种检测处理而进行脸部检测。
并且，公开了一种图像处理装置，其使用与输入图像的类型对应的脸部检测方法从输入图像中检测脸部(参考日本特开2009-070099号公报)。
发明内容
发明要解决的技术课题
若能够从医学图像中高精度地提取目标区域，则在医生进行诊断的方面是优选的。然而，在日本特开2007-128127号公报及日本特开2009-070099号公报中记载的技术中，无法从医学图像中高精度地提取目标区域。
本发明的目的在于提供一种能够从医学图像中高精度地提取目标区域的信息处理装置、信息处理方法及计算机程序产品。
用于解决技术课题的手段
本发明的信息处理装置具备：提取部，从通过拍摄受检体而得到的图像中获取表示受检体的体格的信息；确定部，使用由提取部提取的表示受检体的体格的信息来确定受检体被分类的组；输入部，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与由确定部确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据；及获取部，获取表示从通过输入部的输入而从学习完毕模型输出的医学图像中提取的区域的信息。
表示受检体的体格的信息可以是受检体的骨骼。
并且，表示受检体的体格的信息可以是受检体的体表。
并且，用于提取表示受检体的体格的信息的图像可以是医学图像。
并且，组可以是根据受检体的年龄、性别、人种或种族来分类受检体的组。
在本发明的信息处理方法中，由计算机执行如下处理：从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息，使用所提取的表示受检体的体格的信息来确定受检体被分类的组，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与所确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据，获取表示从通过输入而从学习完毕模型输出的医学图像中提取的区域的信息。
并且，本发明的程序使计算机执行如下处理：从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息，使用所提取的表示受检体的体格的信息来确定受检体被分类的组，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与所确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据，获取表示从通过输入而从学习完毕模型输出的医学图像中提取的区域的信息。
本发明的非临时记录介质记录使计算机执行如下处理的程序：从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息，使用所提取的表示受检体的体格的信息来确定受检体被分类的组，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与所确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据，获取表示从通过输入而从学习完毕模型输出的医学图像中提取的区域的信息。
并且，本发明的信息处理装置具有存储器和连接于存储器的处理器，处理器构成为如下：从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息，使用所提取的表示受检体的体格的信息来确定受检体被分类的组，在通过使用了每个组的学习用数据的机器学习而针对每个组预先得到的学习完毕模型中，对与所确定的组对应的学习完毕模型输入表示通过拍摄受检体而得到的医学图像的图像数据，获取表示从通过输入而从学习完毕模型输出的医学图像中提取的区域的信息。
发明效果
根据本发明，能够从医学图像中高精度地提取目标区域。
附图说明
图1是表示实施方式所涉及的诊断支持系统的结构的一例的框图。
图2是表示实施方式所涉及的信息处理装置的硬件结构的一例的框图。
图3是表示实施方式所涉及的学习完毕模型的一例的图。
图4是表示实施方式所涉及的信息处理装置的功能结构的一例的框图。
图5是表示实施方式所涉及的诊断支持处理的一例的流程图。
具体实施方式
以下，参考附图对本发明的实施方式例进行详细说明。
首先，参考图1对本实施方式所涉及的诊断支持系统10的结构进行说明。如图1所示，诊断支持系统10包括图像管理装置12及信息处理装置14。图像管理装置12及信息处理装置14连接于各网络N，可以经由网络N进行通信。图像管理装置12存储图像数据(以下，称为“医学图像数据”)，该图像数据表示通过由CT(Computed Tomography：电子计算机断层扫描)及MRI(Mag netic Resonance Imaging：核磁共振成像)等拍摄医学图像的摄影装置来拍摄受检体而得到的医学图像。作为图像管理装置12的示例，可以举出PACS(PictureArchiving and Communication System：图片存档及通信系统)等。信息处理装置14使用存储在图像管理装置12中的医学图像数据来支持诊断。作为信息处理装置14的示例，可以举出个人电脑及服务器计算机等信息处理装置。
接着，参考图2对本实施方式所涉及的信息处理装置14的硬件结构进行说明。如图2所示，信息处理装置14包括CPU(Central Processing Unit：中央处理器)20、作为临时存储区域的存储器21及非易失性存储部22。并且，信息处理装置14包括液晶显示器等显示部23，键盘、鼠标等输入部24，以及连接于网络N的网络I/F(Inter Face：接口)25。CPU20、存储器21、存储部22、显示部23、输入部24及网络I/F25连接于总线26。
存储部22可以是HDD(Hard Disk Drive：硬盘驱动器)、SSD(Solid State Drive：固态驱动器)及闪存等非暂时性记录介质。在存储部22中存储信息处理程序30。CPU20从存储部22读取信息处理程序30之后，将其扩展到存储器21，下载并执行所扩展的信息处理程序30。
并且，在存储部22中存储多个(本实施方式中为两个)学习完毕模型32。参考图3对学习完毕模型32进行说明。如图3所示，在本实施方式中，作为学习完毕模型32的一例，对适用包括输入层、多个中间层及输出层的神经网络的方式例进行说明。
在本实施方式中，学习完毕模型32针对受检体被分类的每个组存储于存储部22。具体而言，根据受检体的年龄被分类的与儿童组对应的学习完毕模型32和与成人组对应的学习完毕模型32存储于存储部22。另外，在此所谓的儿童是指小于预先确定的年龄的孩子，成人是指预先确定的年龄以上的人。并且，儿童与成人的边界年龄不受特别的限定，例如可以设为15岁，也可以设为18岁。并且，将受检体进行分类的组数并不限定于两个，也可以是三个以上。
作为输入数据的一例，通过由CT拍摄受检体而得到的医学图像数据输入到学习完毕模型32。并且，从学习完毕模型32输出表示从所输入的医学图像数据表示的医学图像中提取的区域的信息来作为输出数据的一例。在本实施方式中，学习完毕模型32提取所输入的医学图像数据表示的医学图像中的肺区域，并输出表示用预先确定的颜色(例如红色)填满所提取的肺区域的图像的图像数据。在图3中，用斜线区域来示出所提取的肺区域。
另外，在本实施方式中，对学习完毕模型32提取左右两个肺区域的情况进行说明，但是并不限定于此。学习完毕模型32可以提取左右任一个肺区域，也可以提取除了肺以外的区域，也可以提取多种类型的区域。作为学习完毕模型32提取的区域的示例，可以举出各种器官区域、骨骼区域、血管区域及皮下脂肪区域等。
学习完毕模型32是通过将多组医学图像数据及医学图像数据中的表示肺区域的信息作为学习用数据(也称为教师数据)针对前述每个组进行机器学习而预先得到的模型。即，与儿童组对应的学习完毕模型32是通过将拍摄分类为儿童的受检体而得到的医学图像数据及医学图像数据中的表示肺区域的信息用作学习用数据的机器学习而预先得到的模型。并且，与成人组对应的学习完毕模型32是通过将拍摄分类为成人的受检体而得到的医学图像数据及医学图像数据中的表示肺区域的信息用作学习用数据的机器学习而预先得到的模型。另外，作为用于此时的机器学习的方法例，可以举出误差反向传播方法等。
接着，参考图4对本实施方式所涉及的信息处理装置14的功能结构进行说明。如图4所示，信息处理装置14包括提取部40、确定部42、输入部44、获取部46及输出部48。CPU20通过执行信息处理程序30，作为提取部40、确定部42、输入部44、获取部46及输出部48而发挥功能。
提取部40从由后述输入部44从图像管理装置12获取的医学图像数据所表示的医学图像中，提取表示受检体的体格的信息。在本实施方式中，提取部40通过对医学图像进行图像分析处理而提取受检体的骨骼作为表示受检体的体格的信息。具体而言，例如，与其他区域相比，骨骼区域的CT图像的信号值高，因此提取部40通过从医学图像中提取信号值为阈值以上的区域而提取受检体的骨骼。此时，提取部40识别所提取的骨骼中的椎骨及骨盆的特征，并且识别头部、胸部、腹部及下肢等部位。
确定部42使用由提取部40提取的表示受检体的体格的信息来确定受检体被分类的组。在本实施方式中，确定部42使用由提取部40提取的受检体的骨骼来确定该受检体被分类的组是儿童还是成人。具体而言，例如，确定部42根据全身中的头部比例对受检体的骨骼确定该受检体被分类的组是儿童还是成人。另外，关于全身中的头部比例，多数情况下，从婴儿至小学生为15％～25％左右，高中生以上小于15％。因此，例如，通过将15％设为阈值，能够确定受检体被分类的组。
输入部44从图像管理装置12获取医学图像数据，并将所获取的医学图像数据输入到存储在存储部22中的学习完毕模型32中、与由确定部42确定的组对应的学习完毕模型32。获取部46获取表示与输入部44的输入对应地从学习完毕模型32输出的医学图像中提取的区域的信息。
输出部48将表示从由获取部46获取的医学图像中提取的区域的信息输出到显示部23。通过该输出，在显示部23上例如显示肺区域被预先确定的颜色填满的图像。用户使用显示于显示部23上的图像来诊断受检体。另外，输出部48可以将表示从由获取部46获取的医学图像中提取的区域的信息输出(存储)到存储部22，也可以输出(发送)到图像管理装置12。
接着，参考图5对本实施方式所涉及的信息处理装置14的作用进行说明。CPU20通过执行信息处理程序30来执行图5所示的诊断支持处理。图5所示的诊断支持处理例如在用户经由输入部24输入了诊断支持处理的执行指示时被执行。
在图5的步骤S10中，输入部44从图像管理装置12中获取医学图像数据。在步骤S12中，如上所述，提取部40从通过步骤S10的处理而获取的医学图像数据所表示的医学图像中，提取表示受检体的体格的信息。在步骤S14中，如上所述，确定部42使用通过步骤S12的处理而提取的表示受检体的体格的信息来确定受检体被分类的组。
在步骤S16中，输入部44将在步骤S10中获取的医学图像数据输入到存储在存储部22中的学习完毕模型32中、与通过步骤S14的处理而确定的组对应的学习完毕模型32。在步骤S18中，获取部46获取表示从与基于步骤S16的处理的输入对应地从学习完毕模型32输出的医学图像中提取的区域的信息。
在步骤S20中，如上所述，输出部48将从通过步骤S18的处理而获取的医学图像中提取的区域的信息输出到显示部23。若步骤S20的处理结束，则诊断支持处理结束。
如以上说明，根据本实施方式，使用表示受检体的体格的信息来确定受检体被分类的组，对与所确定的组对应的学习完毕模型32输入表示通过拍摄受检体而得到的医学图像的图像数据。然后，获取表示从学习完毕模型32输出的医学图像中提取的区域的信息。
关于通过拍摄受检体而得到的医学图像，根据是儿童还是成人，拍摄时的放射线量、器官的大小及脂肪量等不同。具体而言，具有如下特征：与成人相比，儿童在拍摄时放射线量少、器官小以及脂肪小等。从而，如本实施方式那样，通过分开使用与儿童对应的学习完毕模型32和与成人对应的学习完毕模型32，能够从医学图像中高精度地提取目标区域。
并且，根据本实施方式，从通过拍摄受检体而得到的医学图像中提取表示受检体的体格的信息，并使用所提取的信息来确定受检体被分类的组。从而，不需要用于提取受检体的体格的专用图像，并且用户无需设定组便能够确定组，其结果，能够有效地确定受检体被分类的组。
另外，在上述实施方式中，对作为表示受检体的体格的信息而适用受检体的骨骼的情况进行了说明，但是并不限定于此。例如，也可以设为如下方式：作为表示受检体的体格的信息而适用受检体的体表。在该情况下，例示出如下方式：确定部42从所提取的受检体的体表中导出受检体的腹围及肩宽等，并根据所导出的受检体的腹围及肩宽等体格来确定受检体被分类的组。在该情况下，例如作为用于确定性别的阈值，能够适用代谢综合症的判定基准。
并且，在上述实施方式中，对作为受检体被分类的组而适用根据受检体的年龄来分类受检体的组(上述实施方式作为儿童及成人)的情况进行了说明，但是并不限定于此。例如，作为受检体被分类的组，可以设为适用根据受检体的性别来分类的组的方式，也可以设为适用根据受检体的人种来分类的组的方式。并且，例如可以设为如下方式：作为受检体被分类的组而适用根据人、狗及猫等受检体的种族来分类的组。并且，可以通过以上示例的多种组合将受检体进行分类。在该情况下，例示出如下方式：如“儿童/男性”、“儿童/女性”、“成人/男性”、及“成人/女性”那样，将受检体分类成通过受检体的年龄及性别的组合而分类的组。
例如，关于骨盆中央的孔形状，对男性而言接近三角形，对女性而言接近圆形。从而，能够根据骨盆中央的孔形状来确定受检体的性别。并且，能够根据骨骼总数、有无尾骨及牙齿数量等来确定受检体是人还是非人。
并且，在上述实施方式中，对从医学图像中获取表示受检体的体格的信息的情况进行了说明，但是并不限定于此。例如，可以设为如下方式：从由非医学摄影装置拍摄的图像中，提取表示受检体的体格的信息。在该情况下，例示出如下方式：对通过由数码相机拍摄受检体而得到的图像进行图像分析处理，由此从图像中提取受检体的体表。
并且，在上述实施方式中，可以设为如下方式：预先准备所有组共同通用的学习完毕模型32，在未能够从医学图像中确定受检体被分类的组的情况下，使用通用的学习完毕模型32。
并且，在上述各实施方式中，例如，作为提取40、确定部42、输入部44、获取部46及输出部48等执行各种处理的处理部(processing unit)的硬件结构，能够使用以下所示各种处理器(processor)。在上述各种处理器中，如上所述，除了执行软件(程序)而作为各种处理部发挥功能的通用的处理器即CPU以外，还包括FPGA(Field Programmable GateArray：现场可编程门阵列)等在制造之后可以变更电路结构的处理器即可编程逻辑器件(Programm able Logic Device：PLD)、ASIC(Application Specific Integrated Circuit：专用集成电路)等具有为了执行特定处理而专门设计的电路结构的处理器，即专用电路等。
一个处理部可以由这些各种处理器中的一个构成，也可以由相同类型或不同类型的两个以上处理器的组合(例如多个FPGA的组合或CPU和FPGA的组合)来构成。并且，可以由一个处理器构成多个处理部。
作为由一个处理器构成多个处理部的示例，第一，有如下方式：以客户端、服务器等的计算机为代表，由一个以上CPU和软件的组合来构成一个处理器，该处理器作为多个处理部发挥功能。第二，有如下方式：以片上系统(System on Chip：SoC)等为代表，使用由一个IC(Integrated Circuit：集成电路)芯片实现包括多个处理部的整体系统的功能的处理器。如此，各种处理部使用一个以上上述各种处理器构成为硬件结构。
此外，作为这些各种处理器的硬件结构，更具体而言，能够使用将半导体元件等电路元件经过组合的电路(circuitry)。
并且，在上述实施方式中，对信息处理程序30预先存储(安装)在存储部22中的方式进行了说明，但是并不限定于此。信息处理程序30可以以记录在CD-ROM(Compact DiscRead Only Memory：光盘只读存储器)、DVD-ROM(Digital Versatile Disc Read OnlyMemory：数字多功能光盘只读存储器)及USB(Universal Serial Bus：通用串行总线)存储器等记录介质中的方式被提供。并且，信息处理程序30可以设为经由网络从外部装置下载的方式。
本申请主张基于2018年10月29日申请的日本专利申请第2018-202949号的优先权，将其全文通过参考而援用于本说明书。

Claims (7)

1.一种信息处理装置，其具备：
提取部，从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息；
确定部，使用由所述提取部提取的表示所述受检体的体格的信息来确定所述受检体被分类的组；
输入部，在通过使用了每个所述组的学习用数据的机器学习而针对每个所述组预先得到的学习完毕模型中，对与由所述确定部确定的组对应的所述学习完毕模型输入表示通过拍摄所述受检体而得到的医学图像的图像数据；及
获取部，获取表示从通过所述输入部的输入而从所述学习完毕模型输出的所述医学图像中提取的区域的信息。
2.根据权利要求1所述的信息处理装置，其中，
表示所述受检体的体格的信息是所述受检体的骨骼。
3.根据权利要求1所述的信息处理装置，其中，
表示所述受检体的体格的信息是所述受检体的体表。
4.根据权利要求1至3中任一项所述的信息处理装置，其中，
用于提取表示所述受检体的体格的信息的所述图像是所述医学图像。
5.根据权利要求1至3中任一项所述的信息处理装置，其中，
所述组是根据所述受检体的年龄、性别、人种或种族来分类所述受检体的组。
6.一种信息处理方法，其由计算机执行如下处理：
从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息；
使用所提取的表示所述受检体的体格的信息来确定所述受检体被分类的组；
在通过使用了每个所述组的学习用数据的机器学习而针对每个所述组预先得到的学习完毕模型中，对与所确定的组对应的所述学习完毕模型输入表示通过拍摄所述受检体而得到的医学图像的图像数据；及
获取表示从通过所述输入而从所述学习完毕模型输出的所述医学图像中提取的区域的信息。
7.一种计算机程序产品，包括使计算机执行如下处理的程序：
从通过拍摄受检体而得到的图像中提取表示受检体的体格的信息；
使用所提取的表示所述受检体的体格的信息来确定所述受检体被分类的组；
在通过使用了每个所述组的学习用数据的机器学习而针对每个所述组预先得到的学习完毕模型中，对与所确定的组对应的所述学习完毕模型输入表示通过拍摄所述受检体而得到的医学图像的图像数据；及
获取表示从通过所述输入而从所述学习完毕模型输出的所述医学图像中提取的区域的信息。
CN201980071175.2A 2018-10-29 2019-09-12 信息处理装置、信息处理方法及计算机程序产品 Active CN112970043B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018202949 2018-10-29
JP2018-202949 2018-10-29
PCT/JP2019/035852 WO2020090246A1 (ja) 2018-10-29 2019-09-12 情報処理装置、情報処理方法、及びプログラム

Publications (2)

Publication Number Publication Date
CN112970043A CN112970043A (zh) 2021-06-15
CN112970043B true CN112970043B (zh) 2024-05-14

Family

ID=70463035

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980071175.2A Active CN112970043B (zh) 2018-10-29 2019-09-12 信息处理装置、信息处理方法及计算机程序产品

Country Status (5)

Country Link
US (1) US11925481B2 (zh)
JP (1) JP6968298B2 (zh)
CN (1) CN112970043B (zh)
DE (1) DE112019005378T5 (zh)
WO (1) WO2020090246A1 (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004267450A (ja) * 2003-03-07 2004-09-30 Canon Inc 画像処理装置
JP2006175036A (ja) * 2004-12-22 2006-07-06 Fuji Photo Film Co Ltd 肋骨形状推定装置、肋骨形状推定方法およびそのプログラム
JP2007048172A (ja) * 2005-08-12 2007-02-22 Fuji Xerox Co Ltd 情報分類装置
JP2007105164A (ja) * 2005-10-12 2007-04-26 Hitachi Medical Corp 医用画像診断支援装置
JP2007128127A (ja) * 2005-11-01 2007-05-24 Fujifilm Corp 顔検出方法および装置並びにプログラム
JP2009070099A (ja) * 2007-09-12 2009-04-02 Ricoh Co Ltd 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP2014023640A (ja) * 2012-07-25 2014-02-06 Konica Minolta Inc 画像処理装置及びプログラム
CN103679133A (zh) * 2012-08-29 2014-03-26 巴法络股份有限公司 图像处理装置及方法
CN107622281A (zh) * 2017-09-20 2018-01-23 广东欧珀移动通信有限公司 图像分类方法、装置、存储介质及移动终端
JP2018134051A (ja) * 2017-02-23 2018-08-30 大学共同利用機関法人情報・システム研究機構 情報処理装置、情報処理方法及び情報処理プログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11406333B2 (en) * 2016-05-09 2022-08-09 Canon Medical Systems Corporation Medical image diagnosis apparatus and management apparatus
US10540764B2 (en) * 2016-05-09 2020-01-21 Canon Medical Systems Corporation Medical image capturing apparatus and method
JP6932554B2 (ja) 2017-05-31 2021-09-08 株式会社シマノ 自転車用ドライブユニット
JP7187244B2 (ja) * 2018-10-10 2022-12-12 キヤノンメディカルシステムズ株式会社 医用画像処理装置、医用画像処理システム及び医用画像処理プログラム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004267450A (ja) * 2003-03-07 2004-09-30 Canon Inc 画像処理装置
JP2006175036A (ja) * 2004-12-22 2006-07-06 Fuji Photo Film Co Ltd 肋骨形状推定装置、肋骨形状推定方法およびそのプログラム
JP2007048172A (ja) * 2005-08-12 2007-02-22 Fuji Xerox Co Ltd 情報分類装置
JP2007105164A (ja) * 2005-10-12 2007-04-26 Hitachi Medical Corp 医用画像診断支援装置
JP2007128127A (ja) * 2005-11-01 2007-05-24 Fujifilm Corp 顔検出方法および装置並びにプログラム
JP2009070099A (ja) * 2007-09-12 2009-04-02 Ricoh Co Ltd 画像処理装置、画像処理方法、プログラムおよび記録媒体
JP2014023640A (ja) * 2012-07-25 2014-02-06 Konica Minolta Inc 画像処理装置及びプログラム
CN103679133A (zh) * 2012-08-29 2014-03-26 巴法络股份有限公司 图像处理装置及方法
JP2018134051A (ja) * 2017-02-23 2018-08-30 大学共同利用機関法人情報・システム研究機構 情報処理装置、情報処理方法及び情報処理プログラム
CN107622281A (zh) * 2017-09-20 2018-01-23 广东欧珀移动通信有限公司 图像分类方法、装置、存储介质及移动终端

Also Published As

Publication number Publication date
US11925481B2 (en) 2024-03-12
DE112019005378T5 (de) 2021-07-15
WO2020090246A1 (ja) 2020-05-07
JPWO2020090246A1 (ja) 2021-10-21
JP6968298B2 (ja) 2021-11-17
CN112970043A (zh) 2021-06-15
US20210248742A1 (en) 2021-08-12

Similar Documents

Publication Publication Date Title
US11580642B2 (en) Disease region extraction apparatus, disease region extraction method, and disease region extraction program
US11244455B2 (en) Apparatus, method, and program for training discriminator discriminating disease region, discriminator discriminating disease region, disease region discrimination apparatus, and disease region discrimination program
US20230298759A1 (en) Information processing apparatus, information processing method, and program
US20190087960A1 (en) Method and apparatus for fully automated segmentation of joint using patient-specific optimal thresholding and watershed algorithm
US11049251B2 (en) Apparatus, method, and program for learning discriminator discriminating infarction region, discriminator for discriminating infarction region, and apparatus, method, and program for discriminating infarction region
US10910101B2 (en) Image diagnosis support apparatus, image diagnosis support method, and image diagnosis support program
US11334990B2 (en) Information processing apparatus, information processing method, and program
JP6843785B2 (ja) 診断支援システム、診断支援方法、及びプログラム
US11348677B2 (en) Conversion apparatus, conversion method, and program
CN112970043B (zh) 信息处理装置、信息处理方法及计算机程序产品
JP6309417B2 (ja) 検出器生成装置、方法およびプログラム並びに画像検出装置
US20220245797A1 (en) Information processing apparatus, information processing method, and information processing program
US11443430B2 (en) Diagnosis support device, diagnosis support method, and diagnosis support program
US11455728B2 (en) Diagnosis support device, diagnosis support method, and diagnosis support program
US11176413B2 (en) Apparatus, method, and program for training discriminator discriminating disease region, discriminator discriminating disease region, disease region discrimination apparatus, and disease region discrimination program
US11494913B2 (en) Medical care support device, medical care support method, and medical care support program
US20210210206A1 (en) Medical image diagnosis support device, method, and program
US20240037739A1 (en) Image processing apparatus, image processing method, and image processing program
US20220245925A1 (en) Information processing apparatus, information processing method, and information processing program
US20240037738A1 (en) Image processing apparatus, image processing method, and image processing program

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant