JP2020086519A - 医用画像処理装置、医用画像処理方法、およびプログラム - Google Patents

Abstract

【課題】教師データの品質を明確化することである。【解決手段】実施形態の医用画像処理装置は、取得部と、信頼度付与部とを持つ。取得部は、医用画像に関する教師データを取得する。信頼度付与部は、前記取得部により取得された教師データに、前記教師データの作成状況または前記教師データを作成した作成者に関する情報のうち、一方または双方に基づく信頼度情報を付与する。【選択図】図１

Description

本発明の実施形態は、医用画像処理装置、医用画像処理方法、およびプログラムに関する。

従来、機械学習の技術を医療分野に適用することについて、実用化が進められている。機械学習技術による従来のラーニングでは、予め十分な量の教師データ（ＧＴ（ground truth）データ）を集め、品質の悪い教師データは使用しないことが前提となる。その上、医用分野における教師データは患者数の少なさや、医師の管理下で教師データを作成する必要がある等の制約が多く、数少ない貴重なデータとなる。また、複数のサイトや医師によって作成される場合が多く、複数のソース(医療機関端末等)から集まる教師データの品質が安定しない場合があった。

特開２０１３−２５７４５号公報 特開２００９−２８２６８６号公報 特開２０１８−５５３７６号公報

本発明が解決しようとする課題は、教師データの品質を明確化することである。

実施形態の医用画像処理装置は、取得部と、信頼度付与部とを持つ。取得部は、医用画像に関する教師データを取得する。信頼度付与部は、前記取得部により取得された教師データに、前記教師データの作成状況または前記教師データを作成した作成者に関する情報のうち、一方または双方に基づく信頼度情報を付与する。

第１の実施形態の医用画像処理装置を含む医用画像処理システム１の一例を示す図。 第１の実施形態の医用画像にラベルを付与する画像Ｓ１の一例を示す図。 第１の実施形態の医師情報ＤＢ１５４の内容の一例を示す図。 第１の実施形態の画像Ｓ２の一例を示す図。 第１の実施形態の信頼度付き教師データ１５６の内容の一例を示す図。 第１の実施形態の重み付けテーブル２５４の内容の一例を示す図。 第１の実施形態の複数の項目用の重み付けテーブル２５４ａの一例を示す図。 第１の実施形態の重み付き教師データ２５６の内容の一例を示す図。 第１の実施形態の医療機関端末１００の処理回路１４０の一連の処理の流れを示すフローチャート。 第１の実施形態の情報処理サーバ２００の処理回路２４０の一連の処理の流れを示すフローチャート。 第２の実施形態の情報処理サーバ２００Ａを含む医用画像処理システム２の一例を示す図。 第２の実施形態の教師データ１５８の内容の一例を示す図。 第２の実施形態の医療機関端末１００Ａの処理回路１４０Ａの一連の処理の流れを示すフローチャート。 第２の実施形態の情報処理サーバ２００Ａの処理回路２４０Ａの一連の処理の流れを示すフローチャート。 第３の実施形態の情報処理サーバ２００Ｂの構成の一例を示す図。 第３の実施形態の情報処理サーバ２００Ｂの処理回路２４０Ｂの一連の処理の流れを示すフローチャート。

以下、実施形態の医用画像処理装置、医用画像処理方法、およびプログラムを、図面を参照して説明する。

（第１の実施形態）
図１は、第１の実施形態の医用画像処理装置を含む医用画像処理システム１の一例を示す図である。医用画像処理システム１は、例えば、一以上の医療機関端末１００−１〜１００−ｎと、情報処理サーバ２００とを備える。医療機関端末１００−１〜１００−ｎと情報処理サーバ２００とは、例えば、ＷＡＮ（Wide Area Network）やＬＡＮ（Local Area Network）、インターネット、専用回線、無線基地局、プロバイダ等のネットワークＮＷを介して接続される。以下の説明において、医療機関端末１００−１〜１００−ｎは、何れの医療機関端末であるかを区別しないときは、何れかの医療機関端末であるかを示すハイフン以降の符号を省略し、「医療機関端末１００」と称して説明する。また、ハイフンを用いて説明する他の構成についても同様とする。第１の実施形態において、医療機関端末１００は、「医用画像処理装置」の一例である。

医療機関端末１００は、クラウドコンピューティングシステムに含まれるコンピュータであってもよいし、他の機器に依存せずに単独で動作するコンピュータであってもよい。医療機関端末１００は、例えば、健診センターや病院、診療所等の各種医療施設に設置される端末、または各種医療施設が所属する医師等が所有する端末である。医療機関端末１００は、医用画像に対するラベル等の指示を受け付け、受け付けたラベルを用いて医用画像の教師データを作成する。医用画像とは、例えば、医療や医学のために人体の部位を撮影、または計測した結果を画像化したものである。医用画像には、ＣＴ（Computed Tomography）画像、ＭＲ（Magnetic Resonance）画像、マンモグラフィ画像、内視鏡画像、レントゲン画像等が含まれる。また、医用画像は、二次元画像でもよく、三次元画像でもよい。医用画像は、例えば、医療機関端末１００が設置された医療施設内に設けられる医用画像生成装置（不図示）から取得してもよく、ネットワークＮＷに接続される外部装置から取得してもよい。

医用画像生成装置は、例えば、ＭＲＩ（Magnetic Resonance Imaging）装置や、ＣＴ装置、マンモグラフィ装置、内視鏡画像生成装置、レントゲン画像生成装置等を含む。ＭＲＩ装置は、例えば、被検体（例えば人体）に磁場を与えて、核磁気共鳴現象によって被検体内の水素原子核から発生する電磁波を、コイルを利用して受信し、その受信した電磁波に基づく信号を再構成することでＭＲ画像を生成する。ＣＴ装置は、例えば、被検体の周囲を回転するＸ線管から被検体にＸ線を照射すると共に、その被検体を通過したＸ線を検出し、検出したＸ線に基づく信号を再構成することでＣＴ画像を生成する。マンモグラフィ装置は、例えば、被検体の乳房にＸ線を照射し、乳房を透過したＸ線を検出してマンモグラフィ画像を生成する。内視鏡画像撮影装置は、例えば、内視鏡カメラを体内の所定の部位付近まで挿入し、部位付近を撮像することで、所定の部位の内視鏡画像を生成する。レントゲン画像生成装置は、例えば、Ｘ線照射装置とフィルムの間に被検体を置き、焼き付けて画像化することでレントゲン画像を生成する。

また、医療機関端末１００は、教師データに信頼度を付与した信頼度付き教師データを生成し、生成した信頼度付き教師データを情報処理サーバ２００に出力する。医療機関端末１００の機能の詳細については後述する。

情報処理サーバ２００は、クラウドコンピューティングシステムに含まれるコンピュータであってもよいし、他の機器に依存せずに単独で動作するコンピュータであってもよい。情報処理サーバ２００は、各医療機関端末１００から信頼度付き教師データを取得し、取得した信頼度付き教師データに重みを付与する。また、情報処理サーバ２００は、教師データの重み付けデータに基づいて学習を行い、学習済みモデルを生成する。情報処理サーバ２００の機能の詳細については後述する。

次に、医療機関端末１００の機能の詳細について説明する。図１において、医療機関端末１００は、例えば、通信インターフェース１１０と、入力インターフェース１２０と、ディスプレイ１３０と、処理回路１４０と、メモリ１５０とを備える。入力インターフェース１２０は、「入力部」の一例である。ディスプレイ１３０は、「表示部」の一例である。メモリ１５０は、「記憶部」の一例である。

通信インターフェース１１０は、例えば、ＮＩＣ（Network Interface Card）等の通信インターフェースを含む。通信インターフェース１１０は、ネットワークＮＷを介して情報処理サーバ２００と通信し、情報処理サーバ２００に信頼度付き教師データを送信する。また、通信インターフェース１１０は、処理回路１４０による制御を受けて、ネットワークＮＷを介して接続された他の外部装置と通信を行ってもよい。

入力インターフェース１２０は、医師等の操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路１４０に出力する。例えば、入力インターフェース１２０は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパネル等により実現される。また、入力インターフェース１２０は、例えば、マイク等の音声入力を受け付けるユーザインターフェースによって実現されてもよい。入力インターフェース１２０がタッチパネルである場合、後述するディスプレイ１３０は入力インターフェース１２０と一体として形成されてよい。

ディスプレイ１３０は、各種の情報を表示する。例えば、ディスプレイ１３０は、処理回路１４０によって生成された画像を表示したり、操作者からの各種の入力操作を受け付けるためのＧＵＩ（Graphical User Interface）等を表示したりする。例えば、ディスプレイ１３０は、ＬＣＤ（Liquid Crystal Display）や、ＣＲＴ（Cathode Ray Tube）ディスプレイ、有機ＥＬ（Electro Luminescence）ディスプレイ等である。

処理回路１４０は、例えば、教師データ作成機能１４２と、信頼度付与機能１４４とを備える。処理回路１４０は、例えば、ハードウェアプロセッサがメモリ（記憶回路）１５０に記憶されたプログラム（信頼度付き教師データ作成ツール）を実行することにより、これらの機能を実現するものである。

ハードウェアプロセッサとは、例えば、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing Unit）、特定用途向け集積回路（Application Specific Integrated Circuit; ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Simple Programmable Logic Device; ＳＰＬＤ）または複合プログラマブル論理デバイス（Complex Programmable Logic Device; ＣＰＬＤ）、フィールドプログラマブルゲートアレイ（Field Programmable Gate Array; ＦＰＧＡ））等の回路（circuitry）を意味する。メモリ１５０にプログラムを記憶させる代わりに、ハードウェアプロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、ハードウェアプロセッサは、回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。上記のプログラムは、予めメモリ１５０に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭ等の非一時的記憶媒体に格納されており、非一時的記憶媒体が医療機関端末１００のドライブ装置（不図示）に装着されることで非一時的記憶媒体からメモリ１５０にインストールされてもよい。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。第１の実施形態において、教師データ作成機能１４２は、「取得部」の一例である。信頼度付与機能１４４は、「信頼度付与部」の一例である。

メモリ１５０は、例えば、ＲＡＭ（Random Access Memory）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等によって実現される。非一過性の記憶媒体を含むこれらの記憶媒体は、ＮＡＳ（Network Attached Storage）や外部ストレージサーバ装置といったネットワークＮＷを介して接続される他の記憶装置によって実現されてもよい。また、メモリ１５０には、ＲＯＭ（Read Only Memory）やレジスタ等の一過性の記憶媒体が含まれてもよい。メモリ１５０には、例えば、医用画像ＤＢ（Database）１５２、医師情報ＤＢ１５４、信頼度付き教師データ１５６、およびその他の情報が格納される。医用画像ＤＢ１５２は、例えば、医療機関端末１００が設置された医療施設に設けられる医用画像生成装置またはネットワークＮＷに接続される外部装置から取得した一以上の医用画像が格納されたデータベースである。また、医用画像ＤＢ１５２に格納される医用画像には、医用画像に関する情報が対応付けられていてもよい。医用画像に関する情報には、医用画像の識別情報である医用画像ＩＤや、画像フォーマット、解像度、アーチファクトの有無、ＳＮＲ（Signal to Noise Ratio）の違い、その他の医用画像の撮像条件等が含まれる。医師情報ＤＢ１５４は、例えば、医療機関端末１００に所属する医師に関する情報である。信頼度付き教師データ１５６は、例えば、教師データに信頼度が付与されたデータである。医師情報ＤＢ１５４および信頼度付き教師データ１５６の詳細については、後述する。

教師データ作成機能１４２は、例えば、ディスプレイ１３０に医用画像を表示させた状態で、入力インターフェース１２０により受け付けられた入力操作に基づいて、医用画像に関する教師データを生成する。具体的には、教師データ作成機能１４２は、医用画像ＤＢ１５２に含まれる医用画像を一画像ごと、または関連する画像ごとにディスプレイ１３０に表示させ、入力インターフェース１２０によるラベルの付与を受け付ける。ラベルには、例えば、医用画像に対する病変の有無、病変種類の識別、またはＲＯＩ（Region of Interest；注目領域）等の特定領域の指定のうち少なくとも一つが含まれる。また、ラベルには、医用画像に対する検体（例えば、人体）の部位の特定や、部位に対する疾患の有無、疾患している領域（例えば、肺の線維化、肺結節、脳腫瘍の領域）等の指定、疾患の深刻度（例えば、脂肪肝のレベル）の数値等が含まれてもよい。

図２は、第１の実施形態の医用画像にラベルを付与する画像Ｓ１の一例を示す図である。図２に示す画像Ｓ１における各項目のレイアウトや表示内容については、これに限定されるものではない。以降に説明する他の画像についても同様とする。画像Ｓ１には、例えば、医用画像表示領域Ａ１１と、テキスト情報表示領域Ａ１２と、ＧＵＩスイッチ表示領域Ａ１３とが含まれる。医用画像表示領域Ａ１１には、医用ＤＢ１５２に含まれる医用画像ＭＩ１が表示される。図２の例では、医用画像ＩＭ１として、脳のＣＴ画像が示されている。また、医用画像表示領域Ａ１１には、医用画像ＩＭに含まれる部位に対して、操作者（教師データ作成者）が入力インターフェース１２０により入力したＲＯＩに関するラベル情報Ｌ１を含んでもよい。

テキスト情報表示領域Ａ１２には、例えば、医師に関する情報や、医用画像に関する情報、医用画像ＭＩ１に対して付与されたラベルに関する情報が含まれる。医師に関する情報には、医療機関端末１００にログイン時に入力された識別情報（例えば、ログインＩＤ）や、教師データ作成機能１４２の開始時に入力される操作者の識別情報（例えば、医師ＩＤ）が含まれる。また、医師に関する情報には、教師データ作成機能１４２により医師情報ＤＢ１５４から取得された情報が含まれてもよい。

図３は、第１の実施形態の医師情報ＤＢ１５４の内容の一例を示す図である。医師情報ＤＢ１５４は、医師を識別する識別情報である「医師ＩＤ」に、「氏名」、「年令」、「経験年数」、「技術スコア」、「資格」、および「勤怠情報」等の項目の情報が対応付けられている。「経験年数」には、例えば、医師としての治療や施術を行った経験年数が含まれる。「経験年数」は、医療分野ごとの経験年数でもよい。また、「経験年数」とは、その医師が診断した症例数であってもよい。

「技術スコア」とは、例えば、教師データ作成に関する技術レベルに関する情報である。例えば、「技術スコア」は、教師データを過去に作成した累積数に基づく技術レベルでもよく、予めラベルの正解がある医用画像に対して、正解を教えずにラベルを付与させ、付与したラベルと正解ラベルとの差に基づいて導出された技術レベルでもよい。ラベルの差とは、例えば、医用画像に対して付与したラベルの誤差であり、ＲＯＩの位置の違いや疾患の有無、疾患の内容の差である。また、「技術スコア」には、例えば、同一分野（症例）に関する教師データを作成した回数が含まれてもよい。また、「技術スコア」は、診断の分野、教師データで設定される臓器や病変の種類別に割り振られていてもよい。

「資格」には、例えば、その医師が所有する医療分野に関する資格や実績等の情報が含まれる。また、「資格」は、教師データで設定される臓器や病変の種類別の資格情報であってもよい。「勤怠情報」には、例えば、識別情報で識別される医師ごとの所定期間（例えば、１週間から１か月程度）における勤務時間、休日に関する情報等が含まれる。「勤怠情報」は、例えば、医療機関端末１００が設置された医療施設内の勤怠管理システム若しくはネットワークＮＷを介して接続される外部装置等から取得してもよい。

教師データ作成機能１４２は、例えば、操作者から入力されたログインＩＤや医師ＩＤに基づいて、医師情報ＤＢ１５４の「医師ＩＤ」を参照し、合致する医師ＩＤに対応付けられた医師に関する情報を取得して、テキスト情報表示領域Ａ１２に表示させる。図２の例において、テキスト情報表示領域Ａ１２には、医師情報ＤＢから取得した医師ＩＤおよび氏名が示されている。なお、テキスト情報表示領域Ａ１２に表示される医師に関する情報は、教師データ作成機能１４２により一連の医用画像に対するラベルの付与が完了するまで、すなわち、教師データ作成機能１４２が継続して実行している間、同一の情報が表示される。

また、医用画像に関する情報は、医用画像ＤＢ１５２から取得した情報であってもよく、教師データ作成機能１４２により医用画像を解析して得られる情報でもよい。図２の例において、テキスト情報表示領域Ａ１２には、医用画像に関する情報として、医用画像ＩＤおよびアーチファクトの有無が示されている。また、図２の例において、テキスト情報表示領域Ａ１２には、操作者が入力インターフェース１２０により入力したラベルに関する情報として、医用画像ＭＩ１に関する疾患の有無に関する情報が示されている。

ＧＵＩスイッチ表示領域Ａ１３には、例えば、医用画像表示領域Ａ１１に表示される医用画像を切り替えるアイコンや教師データ作成機能１４２を終了するアイコン等が含まれる。図２の例において、ＧＵＩスイッチ表示領域Ａ１３には、医用画像ＤＢ１５２に格納される複数の医用画像のうち、現在表示している医用画像の前に格納された医用画像を表示させるアイコンＩＣ１１、現在表示している医用画像の次に格納された医用画像を表示させるアイコンＩＣ１２、および教師データ作成機能１４２の実行を終了させるアイコンＩＣ３が示されている。

教師データ作成機能１４２は、上述した画像Ｓ１を生成して、ディスプレイ１３０に表示させ、操作者からのラベルの入力を受け付ける。そして、教師データ作成機能１４２は、ＧＵＩスイッチ表示領域Ａ１３に示されたアイコンＩＣ１〜ＩＣ３のうち何れかのアイコンの操作を受け付けた場合に、受け付けた情報を医用画像と対応付けて信頼度付き教師データ１５６に記憶させる。また、ＧＵＩスイッチ表示領域Ａ１３に示されたアイコンＩＣ１〜ＩＣ３のうち何れかのアイコンの操作を受け付けた場合に、信頼度付与機能１４４を実行させる。

信頼度付与機能１４４は、医用画像にラベルを付与した教師データの信頼度を設定するための問い合わせ画面に対応する画像Ｓ２を生成し、生成した画像Ｓ２をディスプレイ１３０に表示させる。この場合、信頼度付与機能１４４は、画像Ｓ１の表示を終了して画像Ｓ２を表示させてもよく、表示された画像Ｓ１の上（前面）に重畳させて画像Ｓ２を表示させてもよい。

図４は、第１の実施形態の画像Ｓ２の一例を示す図である。画像Ｓ２には、例えば、回答入力領域Ａ２１と、テキスト表示領域Ａ２２と、ＧＵＩスイッチ表示領域Ａ２３とが含まれる。回答入力領域Ａ２１には、例えば、医師等に対する問い合わせ内容と、問い合わせ内容に対して、医師に、複数の回答項目の中から少なくとも一つを選択させる選択項目情報とが含まれる。図２の例では、問い合わせに対して予め定義された複数の選択肢の中から一つを選択するラジオボタンが示されている。なお、選択項目情報は、上述したラジオボックスに代えて（または、加えて）、複数の選択肢の中から複数項目を選択可能なチェックボックスや、文字を入力することができるテキストボックス等が含まれてもよい。

テキスト表示領域Ａ２２には、例えば、画像Ｓ１のテキスト表示領域Ａ１２に表示される情報と同一の情報または簡略化した情報が表示される。図４の例では、医師ＩＤ、氏名、および医用画像ＩＤが表示されている。また、ＧＵＩスイッチ表示領域Ａ２３には、例えば、問い合わせ画面で指示した内容を確定せずに、画像Ｓ１を表示させるアイコンＩＣ２１と、問い合わせに対する回答を終了してアイコンＡ１１〜Ａ１３の何れかのアイコンに対応付けられた処理を実行するアイコンＩＣ２２とが含まれる。

図４の例において、回答入力領域Ａ２１には、ラベルを付与するまでの時間に対する問い合わせ情報（以下、「第１の問い合わせ情報」と称する）と、付与したラベルに対する自信度に対する問い合わせ情報（以下、「第２の問い合わせ情報」と称する）とが示されている。第１の問い合わせ情報には、「充分に足りた」、「足りた」、「少し足りなかった」、「足りなかった」の選択肢が表示され、第２の問い合わせ情報には、「自信あり」、「普通」、「自信なし」の選択肢が表示されている。信頼度付与機能１４４は、それぞれの選択肢から、操作者による何れかの選択を受け付ける。信頼度付与機能１４４は、画像Ｓ２の問い合わせに対する回答を受け付けることで、教師データ作成者の自覚情報を取得することができる。なお、上述した問い合わせは、医用画像に複数のラベルを付与した場合に、ラベルごとに行ってもよく、医用画像ごとにまとめて行ってもよい。そして、信頼度付与機能１４４は、アイコンＩＣ２２を選択する操作を受け付けた場合に、画像Ｓ２の問い合わせ画面により得られる情報を医用画像と対応付けて信頼度付き教師データ１５６に記憶させ、画像Ｓ２の表示を終了させる。

図５は、第１の実施形態の信頼度付き教師データ１５６の内容の一例を示す図である。信頼度付き教師データ１５６は、教師データの識別情報である「教師データＩＤ」に、「医用画像」、「ラベル情報」、「作業状況」、および「作成者情報」等の項目の情報が対応付けられている。「作業状況」および「作成者情報」の一部または全部は、「信頼度情報」の一例である。「ラベル情報」には、例えば、上述した画像Ｓ１に対して入力されたラベル（例えば、図２に示すラベルＬ１、Ｌ２）に関する情報が含まれる。

「作業状況」には、例えば、「作成所要時間」、「自信度」、「新鮮度」、「品質」等の項目に対応付けられた情報が含まれる。「作成所要時間」とは、例えば、画像Ｓ２の第１の問い合わせ情報に対する回答情報の選択肢に対応付けられた作成所要時間の過不足に関する自覚の度合を示す指標である。信頼度付与機能１４４は、第１の問い合わせ情報に対する回答結果に基づく自信度を設定する。例えば、信頼度付与機能１４４は、ラベルを付けるための時間が足りたと操作者が自覚している場合に、時間が足りないと自覚しているよりも自信度を高く設定する。「作成所要時間」は、例えば、医用画像を表示させてから、終了するまでの時間に基づく指標値であってもよい。信頼度付与機能１４４は、ラベルを付ける対象の医用画像が表示されてから、次の医用画像が表示されるまで、または教師データ作成機能１４２が終了するまでの時間を計測し、計測した時間が長いほど、指標値の値を大きくして作成所要時間の項目に格納する。

「自信度」とは、教師データ作成者の自覚的な教師データの品質（その教師データが正しいと信頼する信頼度）である。「自信度」は、画像Ｓ２の第２の問い合わせ情報に対する回答結果に基づく度合を設定する。その場合、信頼度付与機能１４４は、自信があると回答している場合に、普通または自信がないと回答している場合よりも自信度の値を高くし、普通であると回答している場合に、自信がないと回答している場合よりも自信度の値を高くする。

「新鮮度」とは、例えば、医用画像の作成時刻或いは教師データの作成時刻である。作成時刻には、日時情報が含まれる。また、「新鮮度」は、作成時刻に対する経過日数であってもよい。「品質」とは、例えば、医用画像の品質に関する情報であり、画像フォーマットやアーチファクトの有無、ＳＮＲの違い、その他の医用画像の撮像条件等が含まれる。

「作成者情報」には、例えば、「経験年数」、「技術スコア」、「資格」、および「繁忙度」等の項目の情報が含まれる。「経験年数」、「技術スコア」、および「資格」は、医師ＩＤに基づいて医師情報ＤＢ１５４から取得される情報である。「繁忙度」は、医師情報に含まれる勤怠情報に基づいて推定される、忙しさや疲労度の指標値である。信頼度付与機能１４４は、教師データを継続して作成している時間が長くなるほど繁忙度の値が高くなるように設定する。また、信頼度付与機能１４４は、操作者に対して忙しさに対する問い合わせを行い、その回答結果に基づく繁忙度を格納してもよい。また、信頼度付与機能１４４は、教師データの作成者に取り付けた生体センサ等からネットワークＮＷを介して取得された作成時の生体情報（例えば、脈拍、脳波）を取得し、取得した生体情報から緊張状態や負荷状態等を推定し、推定結果に基づいて、繁忙度を推定してもよい。この場合、信頼度付与機能１４４は、緊張状態や負荷状態が高いほど、または緊張状態や負荷状態が閾値以上である期間が長くなるほど繁忙度の値が高くなるように設定する。

また、信頼度付与機能１４４は、メモリ１５０に記憶された信頼度付き教師データを、ネットワークＮＷを介して情報処理サーバ２００に出力する。

次に、情報処理サーバ２００の機能の詳細について説明する。図１に戻り、情報処理サーバ２００は、例えば、通信インターフェース２１０と、入力インターフェース２２０と、ディスプレイ２３０と、処理回路２４０と、メモリ２５０とを備える。入力インターフェース２２０は、「入力部」の一例である。ディスプレイ２３０は、「表示部」の一例である。メモリ２５０は、「記憶部」の一例である。

通信インターフェース２１０は、例えば、ＮＩＣ等の通信インターフェースを含む。通信インターフェース２１０は、ネットワークＮＷを介して医療機関端末１００と通信し、医療機関端末１００から信頼度付き教師データ１５６を受信する。

入力インターフェース２２０は、操作者からの各種の入力操作を受け付け、受け付けた入力操作を電気信号に変換して処理回路２４０に出力する。例えば、入力インターフェース２２０は、マウスやキーボード、トラックボール、スイッチ、ボタン、ジョイスティック、タッチパネル等により実現される。また、入力インターフェース２２０は、例えば、マイク等の音声入力を受け付けるユーザインターフェースによって実現されてもよい。入力インターフェース２２０がタッチパネルである場合、後述するディスプレイ２３０は入力インターフェース２２０と一体として形成されてよい。

ディスプレイ２３０は、各種の情報を表示する。例えば、ディスプレイ２３０は、処理回路２４０によって生成された画像を表示したり、操作者からの各種の入力操作を受け付けるためのＧＵＩ等を表示したりする。例えば、ディスプレイ１３０は、ＬＣＤや、ＣＲＴディスプレイ、有機ＥＬディスプレイ等である。

処理回路２４０は、例えば、取得機能２４２と、重み付与機能２４４と、学習機能２４６とを備える。処理回路２４０は、例えば、ハードウェアプロセッサがメモリ（記憶回路）２５０に記憶されたプログラムを実行することにより、これらの機能を実現するものである。

ハードウェアプロセッサとは、例えば、ＣＰＵ、ＧＰＵ、特定用途向け集積回路、プログラマブル論理デバイス、フィールドプログラマブルゲートアレイ等の回路（circuitry）を意味する。メモリ２５０にプログラムを記憶させる代わりに、ハードウェアプロセッサの回路内にプログラムを直接組み込むように構成しても構わない。この場合、ハードウェアプロセッサは、回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。上記のプログラムは、予めメモリ２５０に格納されていてもよいし、ＤＶＤやＣＤ−ＲＯＭ等の非一時的記憶媒体に格納されており、非一時的記憶媒体が情報処理サーバ２００のドライブ装置（不図示）に装着されることで非一時的記憶媒体からメモリ２５０にインストールされてもよい。ハードウェアプロセッサは、単一の回路として構成されるものに限らず、複数の独立した回路を組み合わせて１つのハードウェアプロセッサとして構成され、各機能を実現するようにしてもよい。また、複数の構成要素を１つのハードウェアプロセッサに統合して各機能を実現するようにしてもよい。重み付与機能２４４は、「重み付与部」の一例である。学習機能２４６は、「学習部」の一例である。

メモリ２５０は、例えば、ＲＡＭ、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等によって実現される。非一過性の記憶媒体を含むこれらの記憶媒体は、ＮＡＳや外部ストレージサーバ装置といったネットワークＮＷを介して接続される他の記憶装置によって実現されてもよい。また、メモリ２５０には、ＲＯＭやレジスタ等の一過性の記憶媒体が含まれてもよい。メモリ２５０には、例えば、信頼度付き教師データ２５２、重み付けテーブル２５４、重み付き教師データ２５６、学習済みモデル２５８、およびその他の情報が格納される。重み付けテーブル２５４および重み付き教師データ２５６の詳細については、後述する。

取得機能２４２は、医療機関端末１００から信頼度付き教師データ１５６を取得し、取得した信頼度付き教師データ２５２を、メモリ２５０に記憶させる。信頼度付き教師データ２５２は、信頼度付き教師データ１５６と同様の項目であってもよく、どの医療機関端末１００から取得した信頼度付き教師データであるかを識別するため、医療機関端末１００の識別情報である医療機関端末ＩＤが付加されていてもよい。

重み付与機能２４４は、信頼度付き教師データ２５２と、重み付けテーブル２５４とに基づいて、信頼度付き教師データ２５２に含まれる信頼度情報（作業状況および作業者情報）に対し、正規化された重みを付与する。例えば、重み付与機能２４４は、信頼度付き教師データ２５２の信頼度情報に含まれる項目ごとに、それぞれの項目の内容に基づいて、１〜５等の所定の数値範囲で正規化した重みスコアを付与する。

図６は、第１の実施形態の重み付けテーブル２５４の内容の一例を示す図である。図６に示す重み付けテーブル２５４は、「作成所要時間」に、「重みスコア」が対応付けられたテーブルである。作成所要時間は、教師データの作成者のキャリアや熟練度でもそれぞれ異なり、短時間でも高品質な教師データを作成できる場合もある。教師データの品質のばらつきは、例えば、作業時間と作成者のスキルの関係性によって生じる。つまり、作成者のスキルに応じた時間設定ではない状況下で作業が行われると、付与するラベルの内容を誤るといったミスやエラーが生じる可能性が増加し、教師データの品質の低下を招く恐れがある。したがって、重み付与機能２４４は、時間的に足りたと感じている度合に応じた重みスコアが設定された重み付けテーブル２５４を用いて、作成所要時間に対する作成者の自覚情報に基づく重みスコアを設定する。

また、重み付与機能２４４は、作成所要時間に対する作成者の自覚情報に基づく重みスコアを設定するのに代えて（または加えて）、予め設定された最適作成所要時間と、作成所要時間との差分（つまり、最適作成所要時間との乖離度合）に基づいて、重みスコアを設定してもよい。最適作成所要時間とは、例えば、作成者の属性情報によって定まる値であり、熟練度が高いまたはキャリアが長い作成者に対しては、短い時間が設定され、その逆の不慣れな作成者に対しては長い時間が設定される。これにより、熟練した作成者であるにも拘わらず作成所要時間が長すぎる場合や、不慣れな作成者であるにもかかわらず作成所要時間が短すぎる場合には、信頼度が低くなるように重みの割り当てを行うことができる。

なお、第１の実施形態では、「作成所要時間」以外の他の項目（「自信度」、「新鮮度」、「品質」、「経験年数」、「技術スコア」、「資格」、「繁忙度」）についても、図６と同様の重み付けテーブルが設けられる。重み付与機能２４４は、それぞれの項目に対応する重み付けテーブルを用いて、各項目に対する重みスコアを付与する。ここで、上述した「作成所要時間」以外の各項目に対する重み付けを行う意味について説明する。

「自信度」は、教師データ作成者のコンディションによる教師データの品質のばらつき、または非常に判断が困難な事例で作成者に迷いが生じたり、逆に教師データの作成に迷いが生じない場合といった教師データを作成する上で遭遇する様々な事態によって、変化する値である。重み付与機能２４４は、作成者本人の自覚的な指標値に基づく重みスコアを付与することで、教師データの価値を作成時の作成者の状態に対応づけることができ、教師データの品質の判断等に用いることができる。

「新鮮度」は、病気の診断や治療選択等、医学上の判断は必ずしも不変なものではなく、時期を経て、法整備やガイドラインの改定、医学の進歩等によりその判断にも変化が生じるものである。そのため、教師データの作成時期の違いによって、答えが異なる教師データが存在してしまう事態が起こることも想定される。そこで、重み付与機能２４４は、作成時期等に応じて重みスコアを付与する。具体的には、重み付与機能２４４は、取得機能２４２により取得された医用画像または教師データの作成時刻が新しいほど、信頼度が高くなるように重みスコアを付与する。これにより、現時点で正しい教師データを効率よく取得することができるとともに、安定した品質の教師データを取得する。

「品質」は、アーチファクトの有無やＳＮＲの違い、異なる画像条件の教師データでも教師データの品質にばらつきが生じることが予想される。そこで、重み付与機能２４４は、画像品質に対して重みスコアを付与することで、学習に求められる最適な画像条件の学習データを効率よく選択することができる。

「経験年数」は、教師データの作成者の経験年数によって、疾患や病変部位の判断に違いが生じ、教師データの品質が変化することが考えられる。例えば、一般に病変部位と正常部位の境界は教科書的な定義があるが、病気が初期である場合や、微細な疾患である場合、複合的で複雑な疾患であり、その境界が顕著でない場合には、病変部の判定は、作成者の経験に基づくものになる。したがって、重み付与機能２４４は、経験年数に対して重みスコアを付与することで、医師の経験による教師データの品質の違いを教師データに反映させることができる。

「技術スコア」は、教師データを作成する作成者の技量（スキル）を測定する指標値であり、医師によって異なるものである。そこで、重み付与機能２４４は、技術スコアに対して重みスコアを付与することで、教師データの品質を作成者の技術スコアにより判断することができる。

「資格」について、医師は、その教育や経験によって各々専門性を持っており、その専門領域で一定の技術を有することを示す資格を有している場合がある。例えば、日本においては各専門領域の学会がそのような資格を認定・付与しており、多くの場合はその資格に登録医・認定医・専門医・指導医等の区分を設けている。海外においては、各国の制度によるが、米国の専門医評議会（American Board of Medical Specialty；ＡＢＭＳ）や英国の卒後医学教育・研修委員会（Postgraduate Medical Education and Training Board ;ＰＭＥＴＢ）が同様の資格として専門医の評価・認定を行っている。このような医師の資格の情報は、公的団体や学術団体に評価された医師の技量を現す情報である。したがって、重み付与機能２４４は、資格に対して重みスコアを付与することで、教師データの品質を、より正確に把握することができる。

「繁忙度」は、医師のコンディションに関する指標値である。連続勤務日数や、勤務時間が長いとラベル付与の判断の正確性を欠く場合がある。したがって、重み付与機能２４４は、は、繁忙度に対する重みスコアを設定することで、教師データの品質を、より正確に把握することができる。

なお、重み付与機能２４４は、上述した一つの項目ごとに重み付けを行うだけでなく、複数の項目を組み合わせた結果で重みスコアを付与してもよい。図７は、第１の実施形態の複数の項目用の重み付けテーブル２５４ａの一例を示す図である。重み付けテーブル２５４ａは、「作成所要時間」および「経験年数」に、「重みスコア」が対応付けられている。例えば、図７に示すような重み付けテーブル２５４ａを用いることで、例えば、作成所要時間が充分に足りた場合であっても、経験年数が短い場合には、経験不足等により、ラベル付けされていない箇所や判断が誤っている可能性があるものと推定される。したがって、重み付与機能２４４は、重み付けテーブル２５４ａを用いることで、充分に足した場合であっても経験年数が短いほど値が低くなるように重みスコアを設定することができる。このように複数の項目を組み合わせて重みスコアを付与するテーブルを用いることで、重みスコアを付与することで、より適切な重みを設定することができる。

図８は、第１の実施形態の重み付き教師データ２５６の内容の一例を示す図である。重み付き教師データ２５６には、例えば、「教師データＩＤ」に、「医用画像」、「ラベル情報」、「作業状況スコア」、および「作成者情報スコア」等の項目の情報が対応付けられている。「作業状況スコア」には、例えば、「作成所要時間」、「自信度」、「新鮮度」、および「品質」等の項目の情報が含まれる。「作成者情報スコア」には、例えば、「経験年数」、「技術スコア」、「資格」、および「繁忙度」等の項目の情報が含まれる。重み付き教師データ２５６には、例えば、重み付与機能２４４により導出された「作業状況スコア」または「作成者情報スコア」のうち、一方または双方の合計スコアや平均スコアが含まれていてもよい。

図１に戻り、学習機能２４６は、メモリに記憶された重み付き教師データ２５６に対して、所定の機械学習アルゴリズムを用いて、医用画像を入力とし、ラベル情報を出力とする学習済みモデル２５８を生成する。

学習機能２４６は、例えば、ＣＮＮ（Convolutional Neural Network）を利用したＤＮＮ（Deep Neural Network）を備える。例えば、学習機能２４６は、ＤＮＮに対して誤差逆伝搬法等の機械学習アルゴリズムにより、ニューラルネットワークを学習させる。例えば、学習機能２４６は、機械学習における教師あり学習において、入力ｄに対してパラメータｗを用いて関数ｆ（ｗ、ｄ）を構築し、教師データｔに対する損失Ｌ（ｔ、ｆ（ｗ，ｄ））を定義し、これを最小化する処理を行う。また、学習機能２４６は、損失Ｌ（ｔ，ｆ（ｗ，ｄ））を、色々な入力ｄと教師データｔの組（dｉ，ｔｉ）に対して計算し、損失Ｌ（ｔ，ｆ（ｗ，ｄ））が各組に対して小さくなるようにパラメータｗを決めることで学習を行う。

例えば、複数の教師データをＴ＝｛ｔ１、ｔ２、…、ｔｎ｝とし、複数の入力される医用画像をＤ＝｛ｄ１、ｄ２、…、ｄｎ｝とした場合、学習機能２４６は、以下に示す損失関数ＬＯＳＳ（（１）式）を用いて、教師データｔと関数の出力ｆ（ｗ、ｄ）が近くなるようにパラメータｗを調整する。

また、学習機能２４６は、上述した学習を行う場合に、重み付き教師データ２５６の重みスコアに基づいて、ニューラルネットワークのノード間の係数（例えば、上述したパラメータｗ）の変更度合を加減する。また、学習機能２４６は、重みスコアに基づいて、正解データと学習モデルのデータとの差分（損失）が０になるよう学習モデルを修正する際に、差分を学習モデルに反映させる分量を重みによって加減してもよい。このように、上述した重みスコアに基づいて、学習済みモデル２５８を生成することで、学習済みモデル２５８の品質を向上させることができる。

学習機能２４６は、生成した学習済みモデル２５８をメモリ２５０に記憶させる。また、記憶された学習済みモデル２５８は、ネットワークＮＷを介して医療機関端末１００に送信されてもよい。この場合は、医療機関端末１００の処理回路１４０は、医用画像の入力に対して学習済みモデル２５８を用いて、ラベルの有無の判定やラベルの付与を行う。

次に、第１の実施形態における医療機関端末１００の処理回路１４０の一連の処理の流れについて図を用いて説明する。図９は、第１の実施形態の医療機関端末１００の処理回路１４０の一連の処理の流れを示すフローチャートである。図９の処理は、所定の周期またはタイミングで繰り返し実行されてよい。図９の例において、教師データ作成機能１４２は、医用画像ＤＢ１５２に記憶された医用画像をディスプレイ１３０に表示する（ステップＳ１００）。次に、教師データ作成機能１４２は、医用画像に対するラベルの入力を受け付ける（ステップＳ１０２）。次に、教師データ作成機能１４２は、医用画像に対するラベルの入力が終了したか否かを判定する（ステップＳ１０４）。ステップＳ１０４の処理において、教師データ作成機能１４２は、例えば、上述した画像Ｓ１に含まれるアイコンＩＣ１１〜ＩＣ１３のうち、何れかの選択を受け付けた場合に、ラベルの入力が終了したと判定してもよく、画像Ｓ１が表示されてから入力が受け付けられていない状態が所定時間以上継続した場合にラベルの入力が終了したと判定してもよい。また、上述した条件を満たしていない場合、教師データ作成機能１４２は、ラベルの入力が終了すると判定されるまで待機する。

ラベルの入力が終了したと判定された場合、信頼度付与機能１４４は、問い合わせ画像Ｓ２をディスプレイ１３０に表示させる（ステップＳ１０６）。次に、信頼度付与機能１４４は、問い合わせに対する回答の入力を受け付ける（ステップＳ１０８）。次に、信頼度付与機能１４４は、問い合わせに対する回答の入力が終了したか否かを判定する（ステップＳ１１０）。ステップＳ１１０の処理において、信頼度付与機能１４４は、例えば、上述した画像Ｓ２に含まれるアイコンＩＣ２２の選択を受け付けた場合に、回答の入力が終了したと判定してもよく、画像Ｓ２が表示されてから入力が受け付けられていない状態が所定時間以上継続した場合に回答の入力が終了したと判定してもよい。また、上述した条件を満たしていない場合、信頼度付与機能１４４は、回答の入力が終了すると判定されるまで待機する。

回答の入力が終了したと判定された場合、信頼度付与機能１４４は、作業状況と作成者状況とに基づく信頼度情報を医用画像に付与し（ステップＳ１１２）、信頼度情報が付与された信頼度付き教師データ１５４をメモリ１５０に記憶させる（ステップＳ１１４）。次に、処理回路１４０は、処理対象の全ての医用画像に対して処理を行ったか否かを判定する（ステップＳ１１６）。処理対象の全ての医用画像に対して処理を行っていない場合、ステップＳ１００に戻り、次の画像を表示させる。また、全ての医用画像に対して処理を行っていない場合、本フローチャートを終了する。

次に、第１の実施形態における情報処理サーバ２００の処理回路２４０の一連の処理に流れについて図を用いて説明する。

図１０は、第１の実施形態の情報処理サーバ２００の処理回路２４０の一連の処理の流れを示すフローチャートである。図１０の処理は、所定の周期またはタイミングで繰り返し実行されてよい。図１０の例において、取得機能２４２は、各医療機関端末１００から信頼度付き教師データ２５２を取得する（ステップＳ１５０）。次に、重み付与機能２４４は、取得された信頼度付き教師データの信頼度情報に基づいて、医用画像に付与されたラベルに対する重みスコアを付与して重み付き教師データを生成する（ステップＳ１５２）。

次に、学習機能２４６は、重み付き教師データを用いて、医用画像の入力に対してラベル情報を出力する学習済みモデル２５８を生成し（ステップＳ１５４）、生成した学習済みモデル２５８をメモリ２５０に記憶させる（ステップＳ１５６）。なお、ステップＳ１５６の処理では、生成した学習済みモデル２５８を、ネットワークＮＷを介して医療機関端末１００に送信してもよい。

以上説明した第１の実施形態によれば、医用分野において、品質が不安定な限られた教師データであっても、教師データの品質を明確化することができる。また、第１の実施形態によれば、教師データの品質を加味した安定した学習結果を得ることができる。

（第２の実施形態）
以下、第２の実施形態について説明する。第２の実施形態では、信頼度付与機能を医用処理装置に備える点で上述した第１の実施形態と相違する。したがって、以下では、第１の実施形態との相違点を中心に説明し、第１の実施形態と共通する部分については同一の名称および符号を付するものとし、その具体的な説明を省略する。

図１１は、第２の実施形態の情報処理サーバ２００Ａを含む医用画像処理システム２の一例を示す図である。医用画像処理システム２は、例えば、一以上の医療機関端末１００Ａ−１〜１００Ａ−ｎと、情報処理サーバ２００Ａとを備える。第２の実施形態において、情報処理サーバ２００Ａは、「医用画像処理装置」の一例である。

医療機関端末１００Ａは、例えば、通信インターフェース１１０と、入力インターフェース１２０と、ディスプレイ１３０と、処理回路１４０Ａと、メモリ１５０Ａとを備える。医療機関端末１００Ａは、第１の実施形態の医療機関端末１００の構成と比較すると、処理回路１４０およびメモリ１５０に代えて処理回路１４０Ａおよびメモリ１５０Ａとを備える。処理回路１４０Ａは、例えば、教師データ作成機能１４２Ａを備える。メモリ１５０Ａは、医用画像ＤＢ１５２と、医師情報ＤＢ１５４と、教師データ１５８とを備える。

図１２は、第２の実施形態の教師データ１５８の内容の一例を示す図である。教師データ１５８には、例えば、「教師データＩＤ」に、「医用画像」、「ラベル情報」、および「付帯情報」等の項目の情報が対応付けられている。「付帯情報」には、例えば、「作成所要時間」と、「新鮮度」と、「品質」と、「医師情報」等の項目の情報が含まれる。「付帯情報」に含まれる作成所要時間は、作成者の自覚情報ではなく、ラベルが付与されるまでの所要時間であり、具体的には医用画像を表示させてから表示が終了するまでの所要時間である。「医師情報」とは、例えば、医師情報ＤＢ１５４から取得可能な医師に関する情報のうち、少なくとも一つの情報である。

教師データ作成機能１４２Ａは、上述した画面Ｓ１で表示される医用画像についてラベルの入力を受け付け、入力が終了した時点で教師データの作成に対する付帯情報を付与した教師データ１５８をメモリ１５０Ａに記憶させる。また、教師データ作成機能１４２Ａは、情報処理サーバ２００Ａからの問い合わせを受け付けた場合や、所定周期等の所定のタイミングで、教師データ１５８を情報処理サーバ２００Ａに送信する。

情報処理サーバ２００Ａは、例えば、通信インターフェース２１０と、入力インターフェース２２０と、ディスプレイ２３０と、処理回路２４０Ａと、メモリ２５０Ａとを備える。情報処理サーバ２００Ａは、第１の実施形態の情報処理サーバ２００の構成と比較すると、処理回路２４０およびメモリ２５０に代えて処理回路２４０Ａおよびメモリ２５０Ａとを備える。

処理回路２４０Ａは、例えば、取得機能２４２Ａと、信頼度付与機能２４３と、重み付与機能２４４と、学習機能２４６とを備える。取得機能２４２Ａは、ネットワークＮＷを介して医療機関端末１００Ａから教師データ１５８を取得し、取得した教師データを、教師データ２５１として、メモリ２５０Ａに記憶させる。教師データ２５１には、医療機関端末ＩＤが付与されてもよい。

信頼度付与機能２４３は、メモリ２５０Ａに記憶された教師データ２５１に基づいて、信頼度付き教師データ２５２を生成する。具体的には、信頼度付与機能２４３は、教師データ１５８に対する付帯情報に基づいて、上述した「作業状況」および「作業者情報」の各項目を生成する。これらの各項目のうち、付帯情報から取得できない情報については、この項目に対する値を入力しなくてもよく、予め設定された値を入力してもよい。

また、信頼度付与機能２４３は、上述した画像Ｓ１および画像Ｓ２をディスプレイ２３０に表示させ、情報処理サーバ２００Ａの操作者によりラベル情報や信頼度情報を付与させてもよい。信頼度が付与された教師データは、信頼度付き教師データ２５２としてメモリ２５０Ａに記憶される。

次に、第２の実施形態における医療機関端末１００の処理回路１４０Ａの一連の処理の流れについて図を用いて説明する。

図１３は、第２の実施形態の医療機関端末１００Ａの処理回路１４０Ａの一連の処理の流れを示すフローチャートである。図１３の処理は、所定の周期またはタイミングで繰り返し実行されてよい。図１３の例において、ステップＳ２００〜Ｓ２０４の処理は、上述する図９に示すステップＳ１００〜Ｓ１０４の処理と同様の処理を行うため、ここでの具体的な説明は省略する。

教師データ作成機能１４２Ａは、ステップＳ２０４の処理において、ラベルの入力が終了した場合、作成した教師データをメモリ１５０Ａに記憶させる（ステップＳ２０６）。次に、教師データ作成機能１４２は、処理対象の全ての医用画像に対して処理を行ったか否かを判定する（ステップＳ２０８）。処理対象の全ての医用画像に対して処理を行っていない場合、教師データ作成機能１４２Ａは、ステップＳ２００に戻り、次の画像を表示させる。また、処理対象の全ての医用画像に対して処理を行っている場合、本フローチャートの処理は終了する。

次に、第２の実施形態における情報処理サーバ２００Ａの処理回路２４０Ａの一連の処理に流れについて図を用いて説明する。

図１４は、第２の実施形態の情報処理サーバ２００Ａの処理回路２４０Ａの一連の処理の流れを示すフローチャートである。図１４におけるステップＳ２５８〜ステップＳ２６２の処理は、上述したステップＳ１５２〜ステップＳ１５６と同様の処理を行うため、ここでの具体的な説明は省略し、主にステップＳ２５０〜Ｓ２５６の処理を中心に説明する。

取得機能２４２は、各医療機関端末１００から教師データ２５２を取得する（ステップＳ２５０）。次に、信頼度付与機能２４３は、取得した教師データの付帯情報に基づく信頼度情報を医用画像に付与する（ステップＳ２５２）。次に、信頼度付与機能２４３は、信頼度情報が付与された信頼度付き教師データ２５２をメモリ２５０Ａに記憶させる（ステップＳ２５４）。次に、信頼度付与機能２４３は、処理対象の全ての教師データに対して処理を行ったか否かを判定する（ステップＳ２５６）。処理対象の全ての医用画像に対して処理を行っていない場合、ステップＳ２５０の処理に戻り、次の教師データのレコードを入力する。また、処理対象の全ての教師データに対して処理を行った場合、ステップＳ２５６以降の処理を行う。

以上説明した第２の実施形態によれば、第１の実施形態と同様の効果を奏する他、情報処理サーバ２００Ａで信頼度情報を付与することで、医療機関端末１００の負荷や教師データの作成者の負担を軽減させることができる。

一般に医用分野では、医用画像の数が限られるために十分な数の教師データを準備することが難しく、また教師データの作成が人手で行われる場合には、教師データの品質にばらつきが生じることがある。第２の実施形態では、そのような品質が不安定な限られた教師データであっても、教師データの品質を向上させることができる。また、第２の実施形態によれば、教師データの品質を加味した安定した学習結果を得ることができる。

（第３の実施形態）
以下、第３の実施形態について説明する。第２の実施形態と比較すると、医用画像処理サーバに、重みスコアを調整したり、学習されるデータに含めるか否かを調整する機能を有する点で相違する。したがって、以下では、第２の実施形態との相違点を中心に説明し、第２の実施形態と共通する部分については同一の名称および符号を付するものとし、その説明を省略する。また、第３の実施形態において医療機関端末１００Ａは、第２の実施形態と同様の構成であるため、ここでの説明は省略する。

図１５は、第３の実施形態の情報処理サーバ２００Ｂの構成の一例を示す図である。第３の実施形態において、情報処理サーバ２００Ｂは、「医用画像処理装置」の一例である。情報処理サーバ２００Ｂは、例えば、通信インターフェース２１０と、入力インターフェース２２０と、ディスプレイ２３０と、処理回路２４０Ｂと、メモリ２５０Ａとを備える。情報処理サーバ２００Ｂは、第２の実施形態の情報処理サーバ２００Ａの構成と比較すると、処理回路２４０に代えて処理回路２４０Ｂを備える。

処理回路２４０Ｂは、例えば、取得機能２４２Ａと、信頼度付与機能２４３と、重み付与機能２４４と、調整機能２４８とを備える。調整機能２４８は、「調整部」の一例である。調整機能２４８は、例えば、重み付けテーブル２５４や重み付き教師データ２５６に含まれる重みスコアを調整する。例えば、調整機能２４８は、重み付けテーブル２５４や重み付き教師データ２５６に関する情報をディスプレイに表示させる画像を生成し、生成した画像を用いて操作者により変更された情報に基づいて、重み付けテーブル２５４や重み付き教師データ２５６を更新する。

また、調整機能２４８は、重み付けテーブル２５４が更新された場合に、更新後の重み付けテーブルを用いて、重み付与機能２４４に重み付き教師データ２５６の再生成を実行させる。また、調整機能２４８は、重み付き教師データ２５６が更新された場合に、更新後の重み付き教師データを用いて、学習機能２４６に学習済みモデル２５８の再生成を行わせてもよい。これにより、より最新の医療分野の状況に応じた重み付き教師データ２５６や学習済みモデル２５８を生成することができる。

また、調整機能２４８は、医療のガイドラインの改定等により基準となる内容が変更された場合、変更された内容に基づいて重み付けテーブル２５４の対象部分を更新してもよい。この場合、調整機能２４８は、例えば、教師データに含まれるラベル（例えば、設定した臓器や病変の種類）に対応した診断ガイドラインが更新された場合、ガイドラインの更新日よりも古い重み付き教師データの「新鮮度」に対する重みスコアを下げる調整を行う。

また、調整機能２４８は、重み付き教師データ２５６のうち、作業状況スコアまたは作成者情報スコアの値が所定値以下の教師データを学習機能２４６の入力から除外してもよい。これにより、より信頼度の高い教師データを用いて学習済みモデル２５８を生成することができる。また、無駄な教師データを省くことができるため、学習済みモデル２５８を生成する時間を短縮させることができる。

また、調整機能２４８は、重み付き教師データ２５６のうち、作業状況スコアまたは作成者情報スコアの値が所定値以下の教師データを重み付き教師データ２５６から削除してもよい。これにより、メモリ２５０Ａのデータ容量を削減することができる。

次に、第３の実施形態における情報処理サーバ２００Ｂの処理回路２４０Ｂの一連の処理の流れについて図を用いて説明する。

図１６は、第３の実施形態の情報処理サーバ２００Ｂの処理回路２４０Ｂの一連の処理の流れを示すフローチャートである。図１６の処理は、上述した図１４の処理と比較して、ステップＳ３５０およびステップＳ３５０の処理が追加されている点で相違する。したがって、以下では、主にステップＳ３５０およびステップＳ３５０の処理を中心に説明する。

ステップＳ２６０の処理が終了後、調整機能２４８は、学習済みモデルの修正の調整が必要であるか否かを判定する（ステップＳ３５０）。学習済みモデルの修正が必要である場合、調整機能２４８は、重み付き教師データの重みを調整し、ステップＳ２６０の処理に戻る。また、学習済みモデルの調整が必要でない場合、調整機能２４８は、学習済みモデルをメモリ２５０Ａに記憶し（ステップＳ２６２）、本フローチャートの処理を終了する。

なお、調整機能２４８は、ステップＳ３５２の処理において、重み付けテーブルの重みスコアを調整してもよい。この場合、ステップＳ３５２の処理後、ステップＳ２５８の処理に戻る。また、調整機能２４８は、ステップＳ３５２の処理において、学習機能２４６における学習用の入力データとして、作業状況スコアまたは作成者情報スコアの値が所定値以下の重み付き教師データを除外する処理を行ってもよい。

以上説明した第３の実施形態によれば、第１および第２の実施形態と同様の効果を奏する他、重みスコアや教師データの入力を調整可能とすることで、より適切な学習結果を取得することができる。なお、上述した第１〜第３の実施形態のそれぞれは、他の実施形態の一部または全部を組み合わせてもよい。また、上述した各実施形態において、医用画像処理システム１（２）は、情報処理サーバ２００（２００Ａ、２００Ｂ）と、医療機関端末１００（１００Ａ）とがネットワークＮＷで接続されていたが、これに限定されるものではなく、それぞれがネットワークＮＷに接続されていなくてもよい。例えば、情報処理サーバ２００が、医療機関端末１００のメモリ１５０内のデータにアクセスできる場合には、医療機関端末１００内のデータをＵＳＢ（Universal Serial Bus）メモリ等の可搬型の記憶媒体に記憶し、情報処理サーバ２００で記憶媒体から上述したデータを読み取らせることで、医療機関端末１００から本実施形態の処理に係る情報を取得することができる。また、同様の手法を用いることで、医療機関端末１００は、情報処理サーバ２００から本実施形態の処理に係る情報を取得することができる。

上記説明したいずれかの実施形態は、以下のように表現することができる。
プログラムを格納するストレージと、
プロセッサと、を備え、
前記プロセッサは、前記プログラムを実行することにより、
医用画像に関する教師データを取得し、
取得された教師データに、前記教師データの作成状況または前記教師データを作成した作成者に関する情報のうち、一方または双方に基づく信頼度情報を付与する、
ように構成されている、医用画像処理装置。

以上説明した少なくともひとつの実施形態によれば、医用画像処理装置において、医用画像の教師データを取得する教師データ作成機能１４２と、教師データ作成機能１４２により取得された教師データに、教師データの作成状況または教師データを作成した作成者情報のうち、一方または双方に基づく信頼度情報を付与する信頼度付与機能１４４と、を持つことにより、教師データの品質を明確化することができる。また、第１の実施形態によれば、教師データの品質を加味して、より適切な学習済みモデルや学習結果を取得することができる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１、２…医用画像処理システム、１００…医療機関端末、１１０、２１０…通信インターフェース、１２０、２２０…入力インターフェース、１３０、２３０…ディスプレイ、１４０、２４０…処理回路、１４２…教師データ作成機能、１４４、２４３…信頼度付与機能、１５０、２５０…メモリ、２００…情報処理サーバ、２４２…取得機能、２４４…重み付与機能、２４６…学習機能、２４８…調整機能

Claims (17)

1. 医用画像に関する教師データを取得する取得部と、
   前記取得部により取得された教師データに、前記教師データの作成状況または前記教師データを作成した作成者に関する情報のうち、一方または双方に基づく信頼度情報を付与する信頼度付与部と、
   を備える、医用画像処理装置。
2. 操作者の入力操作を受け付ける入力部と、
   前記医用画像を表示する表示部と、を更に備え、
   前記取得部は、前記表示部に前記医用画像を表示させた状態で、前記入力部により受け付けられた入力操作に基づいて、前記医用画像に関する教師データを生成する、
   請求項１に記載の医用画像処理装置。
3. 前記取得部は、前記医用画像または前記教師データの作成時刻を取得し、
   前記信頼度付与部は、前記取得部により取得された前記作成時刻が新しいほど信頼度が高くなるように前記信頼度情報を付与する、
   請求項１または２に記載の医用画像処理装置。
4. 前記教師データには、前記医用画像に対する病変の有無、病変種類の識別、または特定領域の指定のうち少なくとも一つが含まれる、
   請求項１から３のうち何れか１項に記載の医用画像処理装置。
5. 前記作成状況は、前記作成者の自覚に関する情報が含まれる、
   請求項１から４のうち何れか１項に記載の医用画像処理装置。
6. 前記自覚に関する情報は、前記作成者による前記教師データの作成所要時間または前記教師データの作成に対する自信度のうち、一方または双方を含む、
   請求項５に記載の医用画像処理装置。
7. 前記作成者に関する情報は、前記作成者が所有する医療分野に関する資格に関する情報または前記作成者の繁忙度に関する情報のうち、一方または双方を含む、
   請求項１から６のうち何れか１項に記載の医用画像処理装置。
8. 画像を表示する表示部と、
   操作者による入力を受け付ける入力部と、を更に備え、
   前記信頼度付与部は、前記医用画像に対する教師データを前記入力部から前記操作者に入力させる画像を、前記表示部に表示させる、
   請求項１から７のうち何れか１項に記載の医用画像処理装置。
9. 前記信頼度付与部により付与された信頼度に基づいて、前記教師データに重み付けを行う重み付与部と、
   前記重み付与部により重み付けされた教師データを用いて学習済みモデルを生成する学習部と、を更に備える、
   請求項１から８のうち何れか１項に記載の医用画像処理装置。
10. 前記重み付与部は、前記作成状況および前記作成者に関する情報に含まれる項目ごとに重みスコアを付与する、
    請求項９に記載の医用画像処理装置。
11. 前記重み付与部は、前記作成状況および前記作成者に関する情報に含まれる複数の項目の組み合わせに対して重みスコアを付与する、
    請求項１０に記載の医用画像処理装置。
12. 前記学習部は、前記重み付与部により付与された重みスコアに基づいて、前記学習済みモデルを生成する、
    請求項１０または１１に記載の医用画像処理装置。
13. 前記教師データに付与された重みスコアを調整する調整部を更に備え、
    前記調整部は、前記教師データの内容に対応付けられたガイドラインが変更された場合に、前記教師データに付与された重みを調整する、
    請求項９から１２のうち何れか１項に記載の医用画像処理装置。
14. 前記調整部は、重みスコアが付与された複数の教師データのうち、前記重み付与部により付与された重みスコアが所定値以下の教師データを、前記学習部に入力される教師データから除外する、
    請求項１３に記載の医用画像処理装置。
15. 前記重み付与部により重みスコアが付与された教師データを記憶する記憶部を更に備え、
    前記調整部は、前記記憶部に記憶された複数の教師データのうち、前記重みスコアが所定値以下の教師データを、前記記憶部から削除する、
    請求項１３に記載の医用画像処理装置。
16. 医用画像処理装置のコンピュータが、
    医用画像に関する教師データを取得し、
    取得された教師データに、前記教師データの作成状況または前記教師データを作成した作成者に関する情報のうち、一方または双方に基づく信頼度情報を付与する、
    医用画像処理方法。
17. 医用画像処理装置のコンピュータに、
    医用画像に関する教師データを取得させ、
    取得された教師データに、前記教師データの作成状況または前記教師データを作成した作成者に関する情報のうち、一方または双方に基づく信頼度情報を付与させる、
    プログラム。

Images