JP2020009160A - 機械学習装置、画像診断支援装置、機械学習方法及び画像診断支援方法 - Google Patents
機械学習装置、画像診断支援装置、機械学習方法及び画像診断支援方法 Download PDFInfo
- Publication number
- JP2020009160A JP2020009160A JP2018129776A JP2018129776A JP2020009160A JP 2020009160 A JP2020009160 A JP 2020009160A JP 2018129776 A JP2018129776 A JP 2018129776A JP 2018129776 A JP2018129776 A JP 2018129776A JP 2020009160 A JP2020009160 A JP 2020009160A
- Authority
- JP
- Japan
- Prior art keywords
- identification value
- image
- local
- diagnosis support
- overall
- 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.)
- Granted
Links
Classifications
-
- 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
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- 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
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/20—Ensemble learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- 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
- G06T2207/10072—Tomographic images
- G06T2207/10088—Magnetic resonance imaging [MRI]
-
- 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
- G06T2207/10132—Ultrasound 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
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- 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
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computational Linguistics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Quality & Reliability (AREA)
- Radiology & Medical Imaging (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Image Analysis (AREA)
- Investigating Or Analysing Biological Materials (AREA)
Abstract
Description
図1は、本発明の実施形態による画像診断支援装置1の機能構成を示すブロック図である。画像診断支援装置1は、入力部10と、特徴抽出部11と、局所識別部12と、全体識別部13と、描画部14と、記録部15と、学習部16と、制御部91と、記憶装置90と、を有している。
図2は、本発明の実施形態による画像診断支援装置1のハードウェア構成例を示す図である。
以下、各要素の構成と処理について詳細に説明する。
特徴抽出部11は、入力画像の特徴量を算出する。一例として、各特徴量を算出する例を図3に示す。図3のCNNは、Convolutional Neural Networkを表す。
局所識別部12は、図5に示すように、前記特徴抽出部11で算出した特徴抽出器Aの特徴量FAiと非線形関数(例えば、sigmoid関数等)を用いて、式2により、局所領域毎に物体らしさ(例えば、病変らしさ等)の値を算出して、入力画像A1内の物体が検出すべき物体か否か(例えば、正常細胞、もしくは異常細胞等)を判定する。
全体識別部13は、図6に示すように、前記局所識別部12で算出した局所識別値LSもしくは局所識別値LSおよび後述する追加識別値ASと非線形関数(例えば、sigmoid関数等)を用いて、指定パターンがある場合は以下の式3、または、指定パターンがない場合は以下の式4により、入力画像内の各物体の物体らしさ(例えば、病変らしさ等)の値を示す計算結果Rを算出する。そして、全体識別部13は、入力画像A1内の物体が検出すべき物体か否か(例えば、正常細胞、もしくは異常細胞等)を判定する。
学習部16は、前記の特徴抽出部11、局所識別部12、全体識別部13、後述する追加識別部17から構成される。追加識別部17は、局所識別値LSと指定パターンを用いて画像内の指定パターンの箇所を優先して識別するように追加識別値ASを算出する。
描画部14は、全体識別部13において、画像内の物体を所定の物体(例えば、異常組織や異常細胞)と判定された場合、図8に示すように、検出すべき物体の箇所(例えば、異常組織や異常細胞が疑われる箇所等)を示すために、入力した対象画像内に検出枠を描画して出力装置204に出力する。
記録部15は、描画部14で入力した対象画像上に検出枠を描画するための座標情報と当該対象画像を記憶装置90に保存する。
図9は、本発明の実施例1による画像診断支援装置1の学習部16で行われる処理の一例を説明するためのフローチャートである。以下では、学習部16を処理の主体として記述するが、CPU201を処理の主体とし、CPU201がプログラムとしての各処理部を実行するように読み替えても良い。
入力部10は、学習用に入力された画像を受け付け、当該入力画像を学習部16に出力する。
学習部16は、機械学習によって、上述の式1により、フィルタを用いて入力画像A1の物体(例えば、組織や細胞等)の特徴量FAiを算出し、特徴抽出器Aを生成する。学習部16は、特徴量FAiについて、フィルタ係数wj、オフセット値biを算出する。
学習部16は、機械学習によって、上述の式2により、特徴量FAiから局所識別値LSを算出し、局所領域毎に物体らしさ(例えば、病変らしさ等)の値を算出して、入力画像A1内の物体が検出すべき物体か否か(例えば、正常細胞、もしくは異常細胞等)を判定するように、局所識別値LSを算出するための式2の各パラメータ(フィルタWの係数、オフセット値B等)を算出する。
学習部16は、機械学習によって、上述の式7により、局所識別値LSと指定パターン(Pattern)B1を用いて、優先して指定パターンB1で示す画像内の領域の特徴を捉えるように、追加識別値ASを算出する。
学習部16は、機械学習によって、上述の式3もしくは式4により、局所識別値LSから算出した基礎識別値BSと追加識別値ASを用いて、各対象物体を所定の対象物体(例えば、異常組織や異常細胞を異常組織や異常細胞、正常組織や正常細胞を正常組織や正常細胞)と判定するように、式5の各パラメータ(フィルタWの係数、オフセット値B等)を算出する。そして、学習部16は、上記式3または式4により、入力画像内の各物体の物体らしさ(例えば、病変らしさ等)の値を示す計算結果Rを算出する。
学習部16は、式1、式2および式5の各パラメータ(フィルタ係数wj、フィルタWの係数、オフセット値bi、B等)を記憶装置90に保存する。
入力部10は、当該入力画像A1を特徴抽出部11に出力する。
特徴抽出部11は、記憶装置90から特徴抽出器Aのフィルタ係数wjと、オフセットbiを読込み、上述の式1により、フィルタを用いて入力画像A1の画像内の物体(例えば、組織・細胞等)の特徴量FAiを算出する。
局所識別部12は、記憶装置90からフィルタ係数Wの係数、オフセットBを読込み、式2により、特徴量FAiから局所識別値LSを算出する。
全体識別部13は、記憶装置90からフィルタ係数Wの係数、オフセットBを読込み、式5と式3もしくは式4により、計算結果Rを算出する。
全体識別部13は、算出した計算結果Rと閾値Th1を比較する。すなわち、計算結果R≧閾値Th1の場合、処理はステップS1006に移行する。一方、計算結果R<閾値Th1の場合、処理はステップS1007に移行する。
全体識別部13は、入力画像内の物体が検出すべき対象物体(例えば、異常組織・異常細胞等)であると判定し、分類結果resに例えば、「1」を設定する。
全体識別部13は、入力画像内の物体が検出すべき物体ではない(例えば、正常組織・正常細胞等)と判定し、分類結果resに例えば、「0」を設定する。
全体識別部13は、分類結果resから病変らしさを分類する。例えば、前立腺については、分類結果resには、非腫瘍、腫瘍等の結果が設定される。従って、機械学習時に追加識別値を反映して算出した各パラメータを用いることで、分類結果resにより、病変有無(例えば、腫瘍等)や病変らしさ(R=0.69:値域(0〜1))を精度よく算出することが可能となる。
描画部14は、検出すべき物体(例えば、異常組織や異常細胞等)として分類した場合は、図8に示すように、異常組織や異常細胞を示す検出枠を画像上に描画して出力装置204に表示する。
記録部15は、描画部14で入力した対象画像上に検出枠を描画するための座標情報と当該対象画像を記憶装置90(記憶装置203に相当)に保存する。
以下、図1と異なる各要素の構成と処理について詳細に説明する。
画像生成部20は、特に重点的に特徴量を捉えたい物体を含む複数の学習用画像P1を用いて、事前に機械学習を行って、図13Aと図13Bで示す基礎識別値BSを算出する過程で算出した図5に示す局所識別値から成るパターンを指定パターンとして生成する。
学習部26は、画像生成部20で生成した指定パターンと学習用画像P1を含む学習用画像P2を用いて、実施例1の学習部16と同様に機械学習を行い、識別器Cを生成する。また、学習部26は、前記実施例1に示した、式1、式2および式5に示す各パラメータ(フィルタ係数wj、フィルタWの係数、オフセット値biとB等)を算出し、記憶装置90に格納する。
本発明の実施例2による画像診断支援装置1のハードウェア構成例は、前記実施例1の図2と同様の構成を有するが、画像診断支援装置1と異なり、メモリ202に画像生成部20を含む。
入力部10は、指定パターンと学習用画像P1を含む学習用画像P2と、入力画像A1とを受け付けて、学習用画像P1を画像生成部20に出力する。
画像生成部20は、学習用画像P1から指定パターンの画像D1を生成する。
学習部26は、学習用画像P2と指定パターンの画像D1を用いて機械学習を行い、前記実施例1の式1、式2および式5に示す各パラメータ(フィルタ係数wj、フィルタWの係数、オフセット値biとB等)を算出し、記憶装置90に格納する。
特徴抽出部11は、記憶装置90から式1に示す各パラメータ(フィルタ係数wj、オフセット値bi)を読込み、上述の式1により、フィルタを用いて入力部10から渡された入力画像A1の物体の特徴量FAiを算出する。
局所識別部12は、記憶装置90から上述の式2に示す各パラメータ(フィルターWの係数、オフセットB)を読込み、式2により、局所識別値LSを算出する。
全体識別部13は、記憶装置90から上述の式5に示す各パラメータ(フィルターWの係数、オフセットB)を読込み、式5と式6、式3もしくは式4により、基礎識別値BSと計算結果Rを算出する。
全体識別部13は、算出した計算結果Rと閾値Th1を比較する。すなわち、計算結果R≧閾値Th1の場合、処理はステップS1408に移行する。一方、計算結果R<閾値Th1の場合、処理はステップS1409に移行する。
全体識別部13は、分類結果resに検出すべき対象物体(例えば、異常組織・異常細胞等)であると判定し、分類結果resに例えば、「1」を設定する。
全体識別部13は、検出すべき物体ではない(例えば、正常組織・正常細胞等)と判定し、分類結果resに例えば、「0」を設定する。
全体識別部13は、分類結果resから病変らしさを分類する。例えば、前立腺については、分類結果resには、非腫瘍、腫瘍等の結果が設定される。従って、機械学習時に追加識別値を反映して算出した各パラメータを用いることで、分類結果resにより、物体(例えば、病変等)有無(例えば、腫瘍等)や物体(例えば、病変等)らしさ(R=0.69:値域(0〜1))を精度よく算出することが可能となる。
描画部14は、検出すべき物体(例えば、異常組織や異常細胞等)と分類された場合は、前記実施例1の図8で示したように、異常組織や異常細胞を示す検出枠を画像上に描画して表示する。描画部14は、検出すべき物体ではない(例えば、正常組織や正常細胞等)と分類された場合は、検出枠を画像上に描画することはしない。また、描画部14は、図11に示すように、入力画像から算出した検出すべき物体らしさ(例えば、病変らしさ等)の値を表示する。
記録部15は、描画部14で入力した対象画像上に検出枠を描画するための座標情報とその対象画像を記憶装置90(記憶装置203に相当)に保存する。
特許請求の範囲に記載した以外の本発明の観点の代表的なものとして、次のものがあげ
られる。
画像データを撮影する撮像装置を有する画像取得装置と、
<4>または<7>に記載の画像診断支援装置として機能するサーバーと、を有し、
前記画像取得装置は、前記サーバーに前記画像データを送信し、
前記サーバーは、受信した前記画像データを前記画像診断支援装置で処理して前記判定された物体の画像と判定結果をメモリに格納するとともに、前記画像取得装置に送信し、前記画像取得装置は、受信した前記判定された物体の画像と判定結果を表示装置に表示することを特徴とする遠隔診断支援システム。
画像データを撮影する撮像装置を有する画像取得装置と、
<4>または<7>に記載の画像診断支援装置として機能するサーバーと、を有し、
前記画像取得装置は、前記サーバーに前記画像データを送信し、
前記サーバーは、受信した前記画像データを前記画像診断支援装置で処理して前記判定された物体の画像と識別器をメモリに格納するとともに、前記判定された物体の画像と識別器を前記画像取得装置に送信し、
前記画像取得装置は、受信した前記判定された物体の画像と識別器を格納し、
前記画像取得装置内の<4>または<7>に記載の画像診断支援装置は、識別器を用いて他の画像を判定するとともに、判定結果を表示装置に表示することを特徴とするネット受託サービス提供システム。
10 入力部
11 特徴抽出部
12 局所識別部
13 全体識別部
14 描画部
15 記録部
16、26 学習部
20 画像生成部
91 制御部
1500 遠隔診断支援システム
1600 ネット受託サービス提供システム
Claims (15)
- プロセッサとメモリを有する機械学習装置であって、
前記プロセッサは、画像を受け付けて、前記画像に含まれる物体の特徴量を算出し、
前記プロセッサは、前記特徴量から局所を識別して局所識別値を算出し、
前記プロセッサは、前記局所識別値を用いて全体識別値を算出し、
前記プロセッサは、前記局所識別値と前記全体識別値を用いて識別器を生成し、前記メモリへ格納することを特徴とする機械学習装置。 - 請求項1に記載の機械学習装置であって、
前記プロセッサは、指定された画像を指定パターンとして受け付けて、
前記プロセッサは、前記局所識別値と前記指定パターンから追加識別値を算出し、
前記全体識別値を算出する際には、前記追加識別値と前記局所識別値から前記全体識別値を算出することを特徴とする機械学習装置。 - 請求項1に記載の機械学習装置であって、
前記プロセッサは、特定の領域を示した指定パターンの画像を生成し、
前記プロセッサは、前記局所識別値と前記指定パターンから追加識別値を算出し、
前記全体識別値を算出する際には、前記追加識別値と前記局所識別値から前記全体識別値を算出することを特徴とする機械学習装置。 - プロセッサとメモリを有する画像診断支援装置であって、
前記プロセッサは、画像を受け付けて、前記画像に含まれる物体の特徴量を算出し、
前記プロセッサは、前記特徴量から局所を識別して局所識別値を算出し、
前記プロセッサは、前記局所識別値を用いて全体識別値を算出し、
前記プロセッサは、前記局所識別値と前記全体識別値を用いて識別結果を算出することを特徴とする画像診断支援装置。 - 請求項4に記載の画像診断支援装置であって、
前記プロセッサは、指定された画像を指定パターンとして受け付けて、
前記プロセッサは、前記局所識別値と前記指定パターンから追加識別値を算出し、
前記全体識別値を算出する際には、前記追加識別値と前記局所識別値から前記全体識別値を算出することを特徴とする画像診断支援装置。 - 請求項4に記載の画像診断支援装置であって、
前記プロセッサは、前記識別結果を用いて、前記画像内の物体の有無および物体の確からしさを判定することを特徴とする画像診断支援装置。 - 請求項4に記載の画像診断支援装置であって、
前記プロセッサは、特定の領域を示した指定パターンの画像を生成し、
前記プロセッサは、前記局所識別値と前記指定パターンから追加識別値を算出し、
前記全体識別値を算出する際には、前記追加識別値と前記局所識別値から前記全体識別値を算出することを特徴とする画像診断支援装置。 - 請求項7に記載の画像診断支援装置であって、
前記プロセッサは、前記識別結果を用いて、前記画像内の物体の有無および物体の確からしさを判定することを特徴とする画像診断支援装置。 - プロセッサとメモリを有する計算機で、画像の機械学習を行う機械学習方法であって、
前記計算機が、画像を受け付けて、前記画像に含まれる物体の特徴量を算出する特徴量算出ステップと、
前記計算機が、前記特徴量から局所を識別して局所識別値を算出する局所識別値算出ステップと、
前記計算機が、前記局所識別値を用いて全体識別値を算出する全体識別値算出ステップと、
前記計算機が、前記局所識別値と前記全体識別値を用いて識別器を生成し、前記メモリへ格納する識別器生成ステップと、
を含むことを特徴とする機械学習方法。 - 請求項9に記載の機械学習方法であって、
前記計算機が、指定された画像を指定パターンとして受け付ける指定パターン受け付けステップと、
前記計算機が、前記局所識別値と前記指定パターンから追加識別値を算出する追加識別値算出ステップと、
をさらに含み、
前記全体識別値算出ステップは、
前記追加識別値と前記局所識別値から前記全体識別値を算出することを特徴とする機械学習方法。 - 請求項9に記載の機械学習方法であって、
前記計算機が、特定の領域を示した指定パターンの画像を生成する指定パターン生成ステップと、
前記計算機が、前記局所識別値と前記指定パターンから追加識別値を算出する追加識別値算出ステップと、
をさらに含み、
前記全体識別値算出ステップは、
前記追加識別値と前記局所識別値から前記全体識別値を算出することを特徴とする機械学習方法。 - プロセッサとメモリを有する計算機で、画像の診断を支援する画像診断支援方法であって、
前記計算機が、画像を受け付けて、前記画像に含まれる物体の特徴量を算出する特徴量算出ステップと、
前記計算機が、前記特徴量から局所を識別して局所識別値を算出する局所識別値算出ステップと、
前記計算機が、前記局所識別値を用いて全体識別値を算出する全体識別値算出ステップと、
前記計算機が、前記局所識別値と前記全体識別値を用いて識別結果を算出する識別結果算出ステップと、
を含むことを特徴とする画像診断支援方法。 - 請求項12に記載の画像診断支援方法であって、
前記計算機が、指定された画像を指定パターンとして受け付ける指定パターン受け付けステップと、
前記計算機が、前記局所識別値と前記指定パターンから追加識別値を算出する追加識別値算出ステップと、
をさらに含み、
前記全体識別値算出ステップは、
前記追加識別値と前記局所識別値から前記全体識別値を算出することを特徴とする画像診断支援方法。 - 請求項12に記載の画像診断支援方法であって、
前記計算機が、前記識別結果を用いて、前記画像内の物体の有無および物体の確からしさを判定する判定ステップを、さらに含むことを特徴とする画像診断支援方法。 - 請求項12に記載の画像診断支援方法であって、
前記計算機が、特定の領域を示した指定パターンの画像を生成する指定パターン生成ステップと、
前記計算機が、前記局所識別値と前記指定パターンから追加識別値を算出する追加識別値算出ステップ
と、
をさらに含み、
前記全体識別値算出ステップは、
前記追加識別値と前記局所識別値から前記全体識別値を算出することを特徴とする画像診断支援方法。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018129776A JP7046745B2 (ja) | 2018-07-09 | 2018-07-09 | 機械学習装置、画像診断支援装置、機械学習方法及び画像診断支援方法 |
US17/254,547 US11972560B2 (en) | 2018-07-09 | 2019-06-24 | Machine learning device, image diagnosis support device, machine learning method and image diagnosis support method |
PCT/JP2019/024953 WO2020012935A1 (ja) | 2018-07-09 | 2019-06-24 | 機械学習装置、画像診断支援装置、機械学習方法及び画像診断支援方法 |
EP19833707.3A EP3822911A4 (en) | 2018-07-09 | 2019-06-24 | MACHINE LEARNING DEVICE, IMAGE DIAGNOSTIC ASSISTING DEVICE, MACHINE LEARNING METHOD AND IMAGE DIAGNOSTIC ASSISTING METHOD |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018129776A JP7046745B2 (ja) | 2018-07-09 | 2018-07-09 | 機械学習装置、画像診断支援装置、機械学習方法及び画像診断支援方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020009160A true JP2020009160A (ja) | 2020-01-16 |
JP7046745B2 JP7046745B2 (ja) | 2022-04-04 |
Family
ID=69142934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018129776A Active JP7046745B2 (ja) | 2018-07-09 | 2018-07-09 | 機械学習装置、画像診断支援装置、機械学習方法及び画像診断支援方法 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11972560B2 (ja) |
EP (1) | EP3822911A4 (ja) |
JP (1) | JP7046745B2 (ja) |
WO (1) | WO2020012935A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022185905A1 (ja) * | 2021-03-03 | 2022-09-09 | 株式会社日立ハイテク | 画像診断支援装置、画像診断支援方法、遠隔診断支援システム、ネット受託サービスシステム |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11443193B2 (en) * | 2020-04-24 | 2022-09-13 | Adobe Inc. | Domain adaptation for machine learning models |
EP4156093A4 (en) * | 2020-06-30 | 2023-12-06 | Sony Group Corporation | EVALUATION SUPPORT DEVICE, INFORMATION PROCESSING DEVICE AND LEARNING METHOD |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215883A (ja) * | 2010-03-31 | 2011-10-27 | Secom Co Ltd | 対象物検知装置及びその学習装置 |
JP2018026040A (ja) * | 2016-08-12 | 2018-02-15 | キヤノン株式会社 | 情報処理装置および情報処理方法 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4846924B2 (ja) * | 2001-05-31 | 2011-12-28 | キヤノン株式会社 | パターン認識装置 |
JP2008152611A (ja) * | 2006-12-19 | 2008-07-03 | Seiko Epson Corp | 画像認識装置、電子機器、画像認識方法及び画像認識プログラム |
JP4796599B2 (ja) * | 2008-04-17 | 2011-10-19 | 日本電信電話株式会社 | 画像識別装置、画像識別方法、プログラム |
JP5547597B2 (ja) | 2010-09-29 | 2014-07-16 | 大日本スクリーン製造株式会社 | 病理診断支援装置、病理診断支援方法、病理診断支援のための制御プログラムおよび該制御プログラムを記録した記録媒体 |
KR101608283B1 (ko) | 2010-12-10 | 2016-04-01 | 지멘스 악티엔게젤샤프트 | 기술 시스템의 컴퓨터―보조 모델링을 위한 방법 |
US9740925B2 (en) * | 2012-11-19 | 2017-08-22 | Imds America Inc. | Method and system for the spotting of arbitrary words in handwritten documents |
JP2016029568A (ja) * | 2014-07-23 | 2016-03-03 | 国立大学法人電気通信大学 | 線形識別器、大規模一般物体認識装置、電子計算機、モバイル端末、データ処理装置、および画像認識システム |
JP7098272B2 (ja) | 2017-02-10 | 2022-07-11 | 日本電信電話株式会社 | 通信装置、通信方法及び通信プログラム |
-
2018
- 2018-07-09 JP JP2018129776A patent/JP7046745B2/ja active Active
-
2019
- 2019-06-24 EP EP19833707.3A patent/EP3822911A4/en active Pending
- 2019-06-24 US US17/254,547 patent/US11972560B2/en active Active
- 2019-06-24 WO PCT/JP2019/024953 patent/WO2020012935A1/ja unknown
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215883A (ja) * | 2010-03-31 | 2011-10-27 | Secom Co Ltd | 対象物検知装置及びその学習装置 |
JP2018026040A (ja) * | 2016-08-12 | 2018-02-15 | キヤノン株式会社 | 情報処理装置および情報処理方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022185905A1 (ja) * | 2021-03-03 | 2022-09-09 | 株式会社日立ハイテク | 画像診断支援装置、画像診断支援方法、遠隔診断支援システム、ネット受託サービスシステム |
Also Published As
Publication number | Publication date |
---|---|
EP3822911A1 (en) | 2021-05-19 |
JP7046745B2 (ja) | 2022-04-04 |
EP3822911A4 (en) | 2022-04-20 |
WO2020012935A1 (ja) | 2020-01-16 |
US11972560B2 (en) | 2024-04-30 |
US20210271929A1 (en) | 2021-09-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10872411B2 (en) | Diagnostic imaging assistance apparatus and system, and diagnostic imaging assistance method | |
US10453192B2 (en) | Cytologic diagnosis support apparatus, cytologic diagnosis support method, remote diagnosis support system, service providing system, and image processing method | |
KR102251242B1 (ko) | 컴퓨터 보조 진단 장치 및 방법 | |
US11676268B2 (en) | Image diagnosis assisting apparatus, image diagnosis assisting system and image diagnosis assisting method | |
WO2020012935A1 (ja) | 機械学習装置、画像診断支援装置、機械学習方法及び画像診断支援方法 | |
JP2015207280A (ja) | 目標識別方法及び目標識別装置 | |
TW202014984A (zh) | 一種圖像處理方法、電子設備及存儲介質 | |
US10186030B2 (en) | Apparatus and method for avoiding region of interest re-detection | |
CN111445457B (zh) | 网络模型的训练方法及装置、识别方法及装置、电子设备 | |
CN113256672B (zh) | 图像处理方法及装置,模型的训练方法及装置,电子设备 | |
JP2009211138A (ja) | 対象領域抽出方法および装置ならびにプログラム | |
KR20190087681A (ko) | 자궁경부암에 대한 피검체의 발병 여부를 판정하는 방법 | |
JP2023517058A (ja) | 画像処理に基づく腫瘍の自動検出 | |
Major et al. | Interpreting medical image classifiers by optimization based counterfactual impact analysis | |
CN113261012A (zh) | 处理图像的方法、装置及系统 | |
JP6785181B2 (ja) | 物体認識装置、物体認識システム、及び物体認識方法 | |
GB2457022A (en) | Creating a fuzzy inference model for medical image analysis | |
JP6041781B2 (ja) | 医用画像処理装置およびその作動方法並びに医用画像処理プログラム | |
WO2021065937A1 (ja) | 機械学習装置 | |
JP7412279B2 (ja) | 画像診断方法、画像診断支援装置、及び計算機システム | |
CN113990432A (zh) | 基于rpa和ai的影像报告推送方法、装置及计算设备 | |
WO2023248788A1 (ja) | 識別器生成装置および画像診断支援装置 | |
JP2022133479A (ja) | 予後推定装置及び予後推定方法 | |
WO2022185905A1 (ja) | 画像診断支援装置、画像診断支援方法、遠隔診断支援システム、ネット受託サービスシステム | |
Chen | Deep Learning for Lesion Detection on Medical Retinal Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201105 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211214 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220105 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220308 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220323 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7046745 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |