JP2018027273A - 糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法 - Google Patents

Abstract

【課題】糖尿病網膜症の病期の判定を支援する方法を提供する。【解決手段】被験者の眼底を眼底カメラにて撮影して被験者の眼底写真の画像データを得、該被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、その調整で、１番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、２番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、２番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、１番目に明るい部分と２番目に明るい部分との中心間距離を算出し、算出された中心間距離が基準距離の範囲内である場合、前記被験者が増殖糖尿病網膜症または前増殖糖尿病網膜症である確率が高く、算出された中心間距離が基準距離の範囲内でない場合、前記被験者が前増殖糖尿病網膜症でも増殖糖尿病網膜症でもない確率が高いとする。【選択図】図１

Description

本発明は、糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法に関する。より詳細に、撮影された被験者の眼底写真から糖尿病網膜症の病期を簡易的且つ定量的に評価することができる、糖尿病網膜症の病期判定支援システムおよび糖尿病網膜症の病期の判定を支援する方法に関する。

糖尿病網膜症の重症度分類は患者管理や治療方針を決めるうえでの根拠の一つとなる。また、内科医と眼科医が診療情報や治療計画を共有して医療連携を行ううえで、共通言語として重要な意味を有しており、両者が網膜症の重症度分類に対して共通の認識を持つことが望ましい。日本では、Scott分類，改変Davis分類，新福田分類，ETDRS分類，国際重症度分類などが使用されている。
眼底検査によって糖尿病網膜症の病期を、単純糖尿病網膜症（simple diabetic retinopathy）、前増殖糖尿病網膜症（preproliferative diabetic retinopathy）、および増殖糖尿病網膜症（proliferative diabetic retinopathy）の三段階に分けることが一般的に行われている。
単純糖尿病網膜症の段階では、針の先で突いたような小さな点状出血、それよりやや大きめの斑状出血、毛細血管が膨らんでできる毛細血管瘤、脂肪やたんぱく質が沈着してできたシミ(硬性白斑)、血管がつまってできたシミ(軟性白斑)などが眼底所見として見える。この段階では、視力に全く影響なく、血糖コントロールをよくしていると自然に治癒する。
前増殖糖尿病網膜症の段階では、軟性白斑というシミが多数出てきたり、血管がつまって酸素欠乏になった部分があちこちに出てきたりする。静脈が異常に腫れ上がったり、毛細血管の形が不規則になったりすることもある。この段階は、視力に影響ないが、危険な状態に一歩踏み込んだ状態である。この段階でレーザー光凝固などの処置を行うと自然治癒しやすい。
増殖糖尿病網膜症の段階では、新生血管(正常ではないはずの新しい血管が硝子体にのびてくる)、新生血管が破れて起こる硝子体出血、増殖膜、網膜剥離が生じる。新生血管が生じてもまだ自覚症状はない。新生血管が生じただけの段階であればレーザー光凝固を行えば網膜症は治癒することが多い。しかし、硝子体出血や網膜剥離を起こしていると自然治癒は難しい。硝子体出血や網膜剥離を生じた段階になると、目の中に煙のすすがたくさん出たり、赤いカーテンがかかったりなどの自覚症状が出てくる。

眼底検査において一般に用いられている眼底カメラは、撮影画角が４５度程度のものである。撮影画角２００度の超広角眼底カメラも存在するが高価である。撮影画角４５度の眼底カメラによる検査では、黄斑部と視神経乳頭の中央が画像中心になるように位置合わせをして眼底写真を撮影する。撮影画角４５度の眼底写真には全眼底（画角約２６０度）のうちのほんの一部が描出されるにすぎない。そのため、撮影画角の外側の範囲の眼底に病変があっても、見落とすことになる。
眼底写真には乳頭、黄斑(中心窩)、眼底動脈（網膜中心動脈、鼻側動脈、耳側動脈）、眼底静脈が描出される。通常、眼底写真に描出された血管を医師が目視で観察し、新生血管が生じているかどうかで、増殖網膜症かそうでないかの判断を行う。眼底写真には新生血管以外の血管が描出されているので、描出された血管が新生血管であるか否かの判断は、ベテラン医師でも難しく、経験の少ない医師においては見落とすこともある。

眼底写真の画像データに基く病変の判断を簡便に定量的に行うために、種々の画像処理システムが提案されている。

例えば、特許文献１は、被験者の眼底を撮影した眼底画像データを取得し、解析コンピュータを利用して前記眼底画像データの解析を実行することにより、眼底領域の毛細血管瘤を強調する眼底画像解析システムであって、前記解析コンピュータは、眼底カメラを利用して取得された前記被験者の前記眼底画像データの入力を受付ける眼底画像データ入力受付手段と、前記眼底画像データの前記眼底領域を構成するそれぞれの画素に対して適用され、フィルタ処理対象の注目画素を中心とする内輪領域に設定される第一フィルタ、前記第一フィルタの外周を取り囲むようにして設定される空白部、及び前記空白部の外周を取り囲む外郭領域に設定される第二フィルタを有する二重リングフィルタを形成するフィルタ形成手段と、前記眼底画像データに対し、前記二重リングフィルタの前記第一フィルタに基づいて、前記注目画素を中心とする前記内輪領域の各画素の平均値を算出する平均値算出手段と、前記眼底画像データに対し、前記二重リングフィルタの前記第二フィルタに基づいて、前記外郭領域の画素値のヒストグラムを作成するヒストグラム作成手段と、作成された前記ヒストグラムの全ヒストグラム領域の面積に対する、算出された前記平均値以上のヒストグラム領域の面積の割合を算出し、算出された割合値を前記二重リングフィルタによる出力値として生成する出力値生成手段とを具備することを特徴とする眼底画像解析システムを開示している。

特許文献２は、画像における（複数の）病変の有無を評定するシステムであって、ａ）画像の少なくとも１つのサブセットを評価するアルゴリズムを備え、それによって、各サブセットは、所定の可視度を有する病変候補部位であり、上記アルゴリズムは、上記病変候補部位を包囲する部位における画像の背景の変動を評価し、ｂ）上記病変候補部位の可視度を背景の変動によって補正し、上記補正された可視度を、その部位における病変の予め決められた可視度のしきい値と比較すること、又は、予め決められた可視度のしきい値を背景の変動によって補正し、上記病変候補部位の可視度を上記予め決められかつ補正された可視度のしきい値と比較することを行うアルゴリズムと、ｃ）ａ）で検出された上記病変候補部位を、ステップｂ）で取得された上記しきい値に関連して病変として、又は病変でないものとして分類するアルゴリズムと、ｄ）オプションで、すべての病変候補部位が分類されるまでステップａ）乃至ｃ）を反復するアルゴリズムとを備えたシステムを開示している。

非特許文献１は、眼底写真の血管輪郭線をファジィクラスタリングを用いて抽出し、この輪郭線により血管の状態を数値化する方法を開示している。
非特許文献２は、網膜症が原因で生じた出血箇所が、眼底写真において小さな円形のパターンとして表れることを機械学習させることにより、それと同じようなパターンを持つ画像（出血箇所）を検出する方法を開示している。
上記先行技術文献にて開示されるシステムまたは方法は、眼底写真に描出された眼底血管のうちに新生血管が在るか否かなどで主に評価を行っている。眼底血管は低い明度で且つ細いスジで描出されるので、見落としやすい。

特開２０１０−１７８８０２号公報 特表２００５−５０４５９５号公報

増井ら「画像処理による眼底写真の診断支援」バイオメディカル・ファジィ・システム学会誌.2(1) 2000.12、P19〜27 洪ら「機械学習による眼底写真に見られる糖尿病網膜症病変の検出」医療情報学会・人工知能学会 AIM 合同研究会資料 SIG-AIMED-001-07

本発明の課題は、眼底写真により糖尿病網膜症の病期を簡易的且つ定量的に評価することができる、糖尿病網膜症の病期判定支援システムおよび病期判定支援方法を提供することである。

上記課題を解決すべく鋭意検討した結果、下記の形態を包含する本発明を完成するに至った。

〔１〕 糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを含むデータ群に基いて、機械学習アルゴリズムを用いて、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数を生成させ、
被験者の眼底写真の画像データから、前記関数を用いて、該被験者がどの病期の糖尿病網膜症であるかの確率を算出することを含む
糖尿病網膜症の病期の判定を支援する方法。
〔２〕 前記被験者の眼底写真の画像データと医師が下した前記被験者の糖尿病網膜症の病期診断データとを前記データ群に加えて、新たなデータ群を得、該新たなデータ群に基いて、機械学習アルゴリズムを用いて、前記関数を更新することを含む、〔１〕に記載の糖尿病網膜症の病期の判定を支援する方法。

〔３〕 糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数を有し、該関数を用いて被験者の眼底写真の画像データから該被験者がどの病期の糖尿病網膜症であるかの確率を算出する判定手段、
該判定手段に被験者の眼底写真の画像データを入力する手段、および
前記判定手段が算出した前記確率を出力する手段
を具える糖尿病網膜症の病期判定支援システム。
〔４〕 前記関数が、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを含むデータ群に基いて、機械学習アルゴリズムを用いて、生成させたものである、〔３〕に記載の糖尿病網膜症の病期判定支援システム。
〔５〕 前記被験者の眼底写真の画像データと医師が下した前記被験者の糖尿病網膜症の病期診断データとに基いて、前記関数を更新する手段をさらに具える〔３〕または〔４〕に記載の糖尿病網膜症の病期判定支援システム。

〔６〕 糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数が、
被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、
その調整で、１番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、２番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、
２番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、１番目に明るい部分と２番目に明るい部分との中心間距離を算出し、
算出された中心間距離が基準距離の範囲内であるか否かを判定することを含むものである、〔３〕に記載の糖尿病網膜症の病期判定支援システム。

〔７〕 基準直径が画角で１〜３度であり、基準距離が画角で５〜２５度である、〔６〕に記載の糖尿病網膜症の病期判定支援システム。
〔８〕 基準直径が画角で１．５〜２．５度であり、基準距離が画角で６〜２４度である、〔６〕に記載の糖尿病網膜症の病期判定支援システム。
〔９〕 基準直径が画角で１．８〜２．３度であり、基準距離が画角で６．１〜２３．７度である、〔６〕に記載の糖尿病網膜症の病期判定支援システム。

〔１０〕 被験者の眼底を眼底カメラにて撮影して被験者の眼底写真の画像データを得、
該被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、
その調整で、１番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、２番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、
２番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、１番目に明るい部分と２番目に明るい部分との中心間距離を算出し、
算出された中心間距離が基準距離の範囲内であるか否かを判定することを含む糖尿病網膜症の病期の判定を支援する方法。

〔１１〕 基準直径が画角で１〜３度であり、基準距離が画角で５〜２５度である、〔１０〕に記載の糖尿病網膜症の病期の判定を支援する方法。
〔１２〕 基準直径が画角で１．５〜２．５度であり、基準距離が画角で６〜２４度である、〔１０〕に記載の糖尿病網膜症の病期の判定を支援する方法。
〔１３〕 基準直径が画角で１．８〜２．３度であり、基準距離が画角で６．１〜２３．７度である、〔１０〕に記載の糖尿病網膜症の病期の判定を支援する方法。

〔１４〕 中心間距離が画角で９．７度以下である場合、増殖糖尿病網膜症である確率が高く、中心間距離が画角で９．７度超過である場合、前増殖糖尿病網膜症である確率が高いとすることをさらに含む、〔１１〕〜〔１３〕のいずれかひとつに記載の糖尿病網膜症の病期の判定を支援する方法。
〔１５〕 中心間距離が画角で１３．５度以下である場合、増殖糖尿病網膜症である確率が高く、中心間距離が画角で１３．５度超過である場合、前増殖糖尿病網膜症である確率が高いとすることをさらに含む、〔１１〕〜〔１３〕のいずれかひとつに記載の糖尿病網膜症の病期の判定を支援する方法。
〔１６〕 中心間距離が画角で１６．９度以下である場合、増殖糖尿病網膜症である確率が高く、中心間距離が画角で１６．９度超過である場合、前増殖糖尿病網膜症である確率が高いとすることをさらに含む、〔１１〕〜〔１３〕のいずれかひとつに記載の糖尿病網膜症の病期の判定を支援する方法。

〔１７〕 被験者の眼底を撮影して眼底写真の画像データを得るための眼底カメラ、
被験者の眼底写真の画像データのコントラストを画面全体一律に調整する手段、
調整する手段で、１番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、２番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定する手段、
２番目に明るい部分の直径が基準直径の範囲内にあると判定された場合に、１番目に明るい部分と２番目に明るい部分との中心間距離を算出する手段、および
算出された中心間距離が基準距離の範囲内にあるか否かを判定する手段
を有する糖尿病網膜症の病期判定支援システム。

本発明によれば、撮影された被験者の眼底写真から糖尿病網膜症の病期を簡易的且つ定量的に評価することができる。本発明の一実施形態は、高い明度で且つ略円形に描出される部分に着目するので、低い明度で細いスジで描出される血管部分よりも、見落としが低減できる。

軟性白斑を有する撮像画角４５度の眼底写真の画像データの一例を示す図である。 硬性白斑を有する撮像画角４５度の眼底写真の画像データの一例を示す図である。 光凝固斑を有する撮像画角４５度の眼底写真の画像データの一例を示す図である。 増殖膜を有する撮像画角４５度の眼底写真の画像データの一例を示す図である。 内境界膜肥厚を有する撮像画角４５度の眼底写真の画像データの一例を示す図である。 正常者の撮像画角４５度の眼底写真の画像データの一例を示す図である。

本発明の糖尿病網膜症の病期判定支援システムは、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数を有し、該関数を用いて被験者の眼底写真の画像データから該被験者がどの病期の糖尿病網膜症であるかの確率を算出する判定手段、該判定手段に被験者の眼底写真の画像データを入力する手段、および前記判定手段が算出した前記確率を出力する手段を具えるものである。

本発明の糖尿病網膜症の病期の判定を支援する方法は、被験者の眼底写真の画像データから、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数を用いて、該被験者がどの病期の糖尿病網膜症であるかの確率を算出することを含む。

前記関数は、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを含むデータ群に基いて、機械学習アルゴリズムを用いて、生成させることができる。機械学習としては、教師あり学習、半教師あり学習、教師なし学習、深層学習などが挙げられる。本発明においては、機械学習アルゴリズムとして、教師あり学習アルゴリズム若しくは半教師あり学習アルゴリズムまたは深層学習アルゴリズムが好ましく用いられる。深層学習アルゴリズムによると、関数を特徴づける変数が自動的に設定され、計算される。

前記被験者の眼底写真の画像データと医師が下した前記被験者の糖尿病網膜症の病期診断データとを前記データ群に加えて、新たなデータ群を得、該新たなデータ群に基いて、機械学習アルゴリズムを用いて、前記関数を更新することができる。関数の更新は、例えば、データマイニングなどで用いられる手法により行うことができる。該手法の具体例としては、分類、回帰分析、予測、勾配ブースティング、頻出パターン抽出などが挙げられる。

本発明に用いられる関数は、該関数を特徴づける変数を手動で設定し計算したものであってもよい。例えば、本発明に用いられる関数は、被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、 その調整で、１番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、２番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、 ２番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、１番目に明るい部分と２番目に明るい部分との中心間距離を算出し、算出された中心間距離が基準距離の範囲内であるか否かを判定することを含むものであってもよい。本発明の一実施形態によると、機械学習アルゴリズムによって生成した関数も上記のような機能を少なくとも有する関数であった。

被験者の眼底写真の画像データは、黄斑部の中央が画像中心に、視神経乳頭が３時または９時の方向になるように位置合わせをして撮影された被験者の眼底写真の画像データであることが好ましい。右目と左目とでは、黄班部と視神経乳頭との位置関係が逆になるので、画像データ処理を簡便にするために、黄班部と視神経乳頭の位置関係が同じになるように、右目または左目のいずれか一方の画像データは反転させて使用することができる。また、後述する明るい部分の判定において黄班部および視神経乳頭の明部が判定のノイズとならないようにするために、正常者の眼底を撮影して得た眼底写真の標準画像データを用意して、被験者の眼底写真の画像データから眼底写真の標準画像データを差し引いて得られる差分画像データを用いてもよい。

図６は正常者の眼底写真の画像データの一例を示す図である。正常者の画像データは、コントラストを調整しても、画面全体の明度が一律変化するだけで、背景部分に比べて輝点のような明るい部分を観測することがない。一方、糖尿病網膜症患者の眼底写真には、軟性白斑（図１）、硬性白斑（図２）、光凝固班（図３）、増殖膜（図４）、内境界膜肥厚（図５）などによる、背景部分に比べて明るい部分が観測される。明るい部分の大きさや明度は、被験者毎にまたは撮影環境毎に異なる。
そこで、本発明では、被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、 その調整で、１番目に明るい部分L1の直径が基準直径の範囲内になるようにしたときに、２番目に明るい部分L2の直径が基準直径の範囲内にあるか否かを第一の判定基準とした。基準直径は、糖尿病網膜症の判定の感度および特異度が高くなるように、例えば、ＲＯＣ解析などを用いて、適宜設定することができ、例えば、画角で、好ましくは１〜３度、より好ましくは１．５〜２．５度、さらに好ましくは１．８〜２．３度に設定することができる。

上記のコントラスト調整で、２番目に明るい部分の直径が基準直径の範囲内にある場合は、増殖糖尿病網膜症または前増殖糖尿病網膜症である確率が高く、２番目に明るい部分の直径が基準直径の範囲内にない場合は、増殖糖尿病網膜症でも前増殖糖尿病網膜症でもない確率が高いと判定できる。

２番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、１番目に明るい部分と２番目に明るい部分との中心間距離を算出する。そして、本発明では、算出された中心間距離が基準距離の範囲内であるか否かを第二の判定基準とした。基準距離は、糖尿病網膜症の判定の感度および特異度が高くなるように、例えば、ＲＯＣ解析などを用いて、適宜設定することができ、例えば、画角で、好ましくは５〜２５度、より好ましくは６〜２４度、さらに好ましくは６．１〜２３．７度に設定することができる。算出された中心間距離が基準距離の範囲内である場合、前記被験者が増殖糖尿病網膜症または前増殖糖尿病網膜症である確率が高く、算出された中心間距離が基準距離の範囲内でない場合、前記被験者が前増殖糖尿病網膜症でも増殖糖尿病網膜症でもない確率が高いとすることを含むものであってもよい。

算出された中心間距離が基準距離の範囲内のうちの短い側の範囲内である場合、前記被験者が増殖糖尿病網膜症である確率が高いとすることができ、算出された中心間距離が基準距離の範囲内のうちで長い側の領域である場合、前増殖糖尿病網膜症である確率が高いとすることができる。
基準距離の範囲内において短い側と長い側とを区別する閾値は、糖尿病網膜症の判定の感度および特異度が高くなるように、例えば、ＲＯＣ解析などを用いて、適宜設定することができる。該閾値は、例えば、９．７度〜１６．９度の範囲内のある一つの値とすることができる。

以下に実施例を示して本発明をより詳細に説明する。なお、本発明は本実施例によって限定されない。

実施例１
定期健康診断と同じ条件で撮影された撮影画角４５度の眼底写真約１００００枚とそれに対応する精密検査によって診断された糖尿病網膜症病期分類とを対比させた。
眼底写真に、直径が画角で２．０３（対数正規分布で９５％信頼区間１．８５−２．２３、９９％信頼区間１．７９−２．３０）度である少なくとも２つの輝点のような明るい部分が観測された場合、その患者は精密検査による診断で前増殖糖尿病網膜症または増殖糖尿病網膜症であった。
該２つの輝点の中心間距離が画角で１８．２０（正規分布で９５％信頼区間１４．００−２２．３９、９９％信頼区間１２．６８−２３．７２）度であった場合、その患者は精密検査による診断で前増殖糖尿病網膜症であり、前記中心間距離が画角で８．２６（対数正規分布で９５％信頼区間６．５４−１０．４４、９９％信頼区間６．０７−１１．２４）度であった場合、その患者は精密検査による診断で増殖糖尿病網膜症であった。
前増殖糖尿病網膜症であるか増殖糖尿病網膜症であるかの閾値は、ＲＯＣ解析から、９．７度と１６．９度の間、好ましくは１３．５度であった。
本発明のシステムまたは方法は、２つの明るい円形状の部分という明確かつ単純な特徴量をもって前増殖糖尿病網膜症を感度９５％、特異度１００％で判定できた。
２つの円の中心間距離の閾値を、画角で１３．５度に設定した場合、前増殖糖尿病網膜症に対する増殖糖尿病網膜症の感度が９０％、特異度が７８％であった。
２つの円の中心間距離の閾値を、画角で９．７度に設定した場合、前増殖糖尿病網膜症に対する増殖糖尿病網膜症の感度が７５％、特異度が８３％であった。
２つの円の中心間距離の閾値を、画角で１６．９度に設定した場合、前増殖糖尿病網膜症に対する増殖糖尿病網膜症の感度が９５％、特異度が５０％であった。
このように、本発明のシステムまたは方法は、病期判定支援に有用である。

比較例１
眼底写真において硬性白斑または軟性白斑があるということで単純糖尿病網膜症であると判定された７例の患者は、精密検査による診断で前増殖糖尿病網膜症または増殖糖尿病網膜症であることが後に判明した。

実施例２
比較例１で使用した７例の患者の眼底写真の画像データのコントラストを調整したところ、本発明の規定する輝点のような明るい部分が少なくとも２つ観測された。本発明のシステムまたは方法によると前増殖糖尿病網膜症または増殖糖尿病網膜症である確率が高いとの判定ができた。

比較例２
内境界膜肥厚が観測されたが糖尿病網膜症であると判定されなかった２例の患者は、精密検査による診断で前増殖糖尿病網膜症または増殖糖尿病網膜症であることが後に判明した。

実施例３
比較例２で使用した２例の患者の眼底写真の画像データのコントラストを調整したところ、本発明の規定する輝点のような明るい部分が少なくとも２つ観測された。本発明のシステムまたは方法によると前増殖糖尿病網膜症または増殖糖尿病網膜症である確率が高いとの判定ができた。

本発明のシステムまたは方法は、それを眼底カメラ又は電子カルテに組み込むことで、定期健康診断、人間ドック、外来患者診断などにおいて、糖尿病網膜症の病期判定をより正確に行うための支援ができる。

Claims (8)

1. 糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを含むデータ群に基いて、機械学習アルゴリズムを用いて、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数を生成させ、
   被験者の眼底写真の画像データから、前記関数を用いて、該被験者がどの病期の糖尿病網膜症であるかの確率を算出することを含む
   糖尿病網膜症の病期の判定を支援する方法。
2. 前記被験者の眼底写真の画像データと医師が下した前記被験者の糖尿病網膜症の病期診断データとを前記データ群に加えて、新たなデータ群を得、該新たなデータ群に基いて、機械学習アルゴリズムを用いて、前記関数を更新することを含む、請求項１に記載の糖尿病網膜症の病期の判定を支援する方法。
3. 糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数を有し、該関数を用いて被験者の眼底写真の画像データから該被験者がどの病期の糖尿病網膜症であるかの確率を算出する判定手段、
   該判定手段に被験者の眼底写真の画像データを入力する手段、および
   前記判定手段が算出した前記確率を出力する手段
   を具える糖尿病網膜症の病期判定支援システム。
4. 前記関数が、糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを含むデータ群に基いて、機械学習アルゴリズムを用いて、生成させたものである、請求項３に記載の糖尿病網膜症の病期判定支援システム。
5. 前記被験者の眼底写真の画像データと医師が下した前記被験者の糖尿病網膜症の病期診断データとに基いて、前記関数を更新する手段をさらに具える請求項３または４に記載の糖尿病網膜症の病期判定支援システム。
6. 糖尿病網膜症の病期診断データとそれに対応する眼底写真の画像データとを写像する関数が、
   被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、
   その調整で、１番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、２番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、
   ２番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、１番目に明るい部分と２番目に明るい部分との中心間距離を算出し、
   算出された中心間距離が基準距離の範囲内であるか否かを判定することを含むものである、請求項３に記載の糖尿病網膜症の病期判定支援システム。
7. 被験者の眼底を眼底カメラにて撮影して被験者の眼底写真の画像データを得、
   該被験者の眼底写真の画像データのコントラストを画面全体一律に調整し、
   その調整で、１番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、２番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定し、
   ２番目に明るい部分の直径が基準直径の範囲内にあると判定された場合、１番目に明るい部分と２番目に明るい部分との中心間距離を算出し、
   算出された中心間距離が基準距離の範囲内であるか否かを判定することを含む糖尿病網膜症の病期の判定を支援する方法。
8. 被験者の眼底を撮影して眼底写真の画像データを得るための眼底カメラ、
   被験者の眼底写真の画像データのコントラストを画面全体一律に調整する手段、
   調整する手段で、１番目に明るい部分の直径が基準直径の範囲内になるようにしたときに、２番目に明るい部分の直径が基準直径の範囲内にあるか否かを判定する手段、
   ２番目に明るい部分の直径が基準直径の範囲内にあると判定された場合に、１番目に明るい部分と２番目に明るい部分との中心間距離を算出する手段、および
   算出された中心間距離が基準距離の範囲内にあるか否かを判定する手段
   を有する糖尿病網膜症の病期判定支援システム。

Images