JP2020086698A

JP2020086698A - 画像処理装置、画像処理システム、および画像処理プログラム

Info

Publication number: JP2020086698A
Application number: JP2018217104A
Authority: JP
Inventors: クワイベンフェルナンドハビエルウォン; Javier Wong Kwai Ben Fernando; ヒラルドホラシオサンソン; Sanson Giraldo Horacio
Original assignee: Allm Inc
Current assignee: Allm Inc
Priority date: 2018-11-20
Filing date: 2018-11-20
Publication date: 2020-06-04
Anticipated expiration: 2038-11-20
Also published as: JP6590386B1

Abstract

【課題】医用画像から異常部を抽出した診断結果画像を生成する画像処理装置を提供すること。【解決手段】画像処理装置は、入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成し、対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成し、異常部抽出画像生成手段によって生成された異常部抽出画像と特有部推定画像生成手段によって生成された特有部推定画像の差分を算出して、異常部抽出画像内から特有部を排除した診断結果画像を生成する。【選択図】図９

Description

本発明は、画像処理装置、画像処理システム、および画像処理プログラムに関する。

次のような生体画像処理装置が知られている。この生体画像処理装置では、目的物を含む生体画像である入力用訓練画像、目的物を含まない生体画像である出力用訓練画像、及び目的物を含む生体画像である入力画像を受け付け、入力用訓練画像及び出力用訓練画像を用いて、目的物を含む生体画像から目的物を含まない生体画像を生成する画像処理を行うニューラルネットワークを学習し、学習結果であるニューラルネットワークの画像処理を用いて、入力画像から目的物を除去した出力画像を生成する（例えば、特許文献１）。

特開２０１８−８９３０１号公報

従来の生体画像処理装置では、目的物を含む生体画像から目的物を含まない生体画像を生成する画像処理を行うニューラルネットワークを学習し、学習結果であるニューラルネットワークの画像処理を用いて、入力画像から目的物を除去した出力画像を生成していた。しかしながら、画像を用いた診断では、医用画像の中から異常がある可能性がある部位を見つけ出すことが求められることも多く、その精度も求められる。しかしながら、従来の技術では、医用画像から精度高く異常部を抽出して、診断者による診断を支援する仕組みについては、何ら検討されていなかった。

本発明による画像処理装置は、入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する異常部抽出画像生成手段と、対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成する特有部推定画像生成手段と、異常部抽出画像生成手段によって生成された異常部抽出画像と特有部推定画像生成手段によって生成された特有部推定画像の差分を算出して、異常部抽出画像内から特有部を排除した診断結果画像を生成する診断結果画像生成手段とを備えることを特徴とする。
本発明による画像処理システムは、入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する異常部抽出画像生成手段と、対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成する特有部推定画像生成手段と、異常部抽出画像生成手段によって生成された異常部抽出画像と特有部推定画像生成手段によって生成された特有部推定画像の差分を算出して、異常部抽出画像内から特有部を排除した診断結果画像を生成する診断結果画像生成手段とを備えることを特徴とする。
本発明による画像処理プログラムは、入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する異常部抽出画像生成手順と、対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成する特有部推定画像生成手順と、異常部抽出画像生成手順で生成した異常部抽出画像と特有部推定画像生成手順で生成した特有部推定画像の差分を算出して、異常部抽出画像内から特有部を排除した診断結果画像を生成する診断結果画像生成手順とをコンピュータに実行させるためのプログラムである。

本発明によれば、対象医用画像内から異常部を抽出した異常部抽出画像を生成するとともに、異常部抽出画像内から特有部を排除した診断結果画像を生成することができるため、診断者が精度高く異常部の特定することができる画像を提供することができる。

画像処理装置１００の一実施の形態の構成を示すブロック図である。異常部検出器による処理の流れを模式的に示した第一の図である。異常部検出器による処理の流れを模式的に示した第二の図である。特有部推定器による処理の流れを模式的に示した第一の図である。特有部推定器による処理の流れを模式的に示した第二の図である。異常部抽出画と特有部推定画像を用いて診断結果画像を生成する方法を模式的に示した図である。トレーニングステップと診断結果画像を生成するステップの流れを一つにまとめて模式的に示した図である。トレーニングステップの流れを示すフローチャート図である。診断結果画像生成処理の流れを示すフローチャート図である。

図１は、本実施の形態における画像処理装置１００の一実施の形態の構成を示すブロック図である。画像処理装置１００は、あらかじめ撮影された医用画像、例えば、ＭＲＩ画像、ＣＴ画像、Ｘ線画像を用いて、医用画像内から医学的に異常と認められる部位を抽出し、視覚化するための処理を実行する。画像処理装置１００としては、例えばサーバ装置やパソコンなどが用いられる。図１は、本実施の形態における画像処理装置１００として、パソコンを用いた場合の一実施の形態の構成を示すブロック図である。

画像処理装置１００は、操作部材１０１と、制御装置１０２と、記憶媒体１０３と、表示装置１０４とを備えている。

操作部材１０１は、画像処理装置１００の操作者によって操作される種々の装置、例えばキーボードやマウスを含む。

制御装置１０２は、ＣＰＵ、メモリ、およびその他の周辺回路によって構成され、画像処理装置１００の全体を制御する。なお、制御装置１０２を構成するメモリは、例えばＳＤＲＡＭ等の揮発性のメモリである。このメモリは、ＣＰＵがプログラム実行時にプログラムを展開するためのワークメモリや、データを一時的に記録するためのバッファメモリとして使用される。例えば、接続インターフェース１０２を介して読み込まれたデータは、バッファメモリに一時的に記録される。

記憶媒体１０３は、画像処理装置１００が蓄える種々のデータや、制御装置１０２が実行するためのプログラムのデータ等を記録するための記憶媒体であり、例えばＨＤＤ（ＨａｒｄＤｉｓｋＤｒｉｖｅ）やＳＳＤ（ＳｏｌｉｄＳｔａｔｅＤｒｉｖｅ）等が用いられる。なお、記憶媒体１０３に記録されるプログラムのデータは、ＣＤ−ＲＯＭやＤＶＤ−ＲＯＭなどの記録媒体に記録されて提供されたり、ネットワークを介して提供され、操作者が取得したプログラムのデータを記憶媒体１０３にインストールすることによって、制御装置１０２がプログラムを実行できるようになる。本実施の形態では、以下に説明する処理で用いるプログラムや種々のデータは、記憶媒体１０３に記録されている。

表示装置１０４は、例えば液晶モニタであって、制御装置１０２から出力される種々の表示用データが表示される。

本実施の形態では、制御装置１０２は、入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成し、対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成し、異常部抽出画像と特有部推定画像の差分を算出して、異常部抽出画像内から特有部を排除した診断結果画像を生成するための処理を実行する。

まず、対象医用画像内から異常部を抽出した異常部抽出画像を生成するための処理について説明する。本実施の形態では、対象医用画像内から異常部を抽出した異常部抽出画像を出力することができる異常部検出器をあらかじめ用意しておき、制御装置１０２は、この異常部検出器に対象医用画像を入力することにより、対象医用画像内から健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する。

図２に示すように、異常部検出器Ｄ（Ｘｈ）は、対象医用画像Ｘｈを入力すると、対象医用画像Ｘｈ内から医学的に異常がみられない正常な患者との相違部が異常部として抽出された異常部抽出画像Ａｈが出力されるように構成されている。

異常部検出器の構成は特に限定されないが、本実施の形態では、健康者を撮影した異常がない医用画像の画像パターンを学習させ、入力された医用画像に対して異常がない医用画像を復元して出力するように構成されたオートエンコーダを用い、このオートエンコーダに対象医用画像を入力すると、オートエンコーダへの入力画像と出力画像の差分を算出して得た差分画像を異常部抽出画像として出力するように構成されている。なお、異常部検出器で用いるオートエンコーダは、入力と出力が同じになるようにニューラルネットワークを学習させることができるもの、例えば公知のディープ・オートエンコーダとすればよい。

これによって、対象医用画像に医学的に異常と認められる部分が現れている場合、オートエンコーダへの入力画像には異常部が含まれている一方で、出力画像は異常がない画像、すなわち異常部が表示されていない画像となるため、オートエンコーダへの入力画像と出力画像の差分をとれば、対象医用画像内から異常部を抽出した異常部抽出画像を出力することができる。

なお、上述した異常がない医用画像は、画像内に医学的に異常と認められる部位を含まない画像であって、例えば、医学的に異常がみられない人物の診断対象部位を撮影した画像、すなわち健康者な患者の特定部位を撮影した画像を用いればよい。

上述したように、異常部検出器から出力される異常部抽出画像は、対象医用画像内から異常部検出器が学習した異常がない医用画像との相違部を抽出した画像となる。このため、異常部検出器から出力される異常部抽出画像には、医学的に異常と認められる箇所以外にも、対象医用画像とオートエンコーダが学習した画像パターンとの差異が抽出されてしまう可能性がある。この場合、異常部位抽出画像には、医学的に異常と認められる部分と、医学的に異常とは認められないが、個人差や画像の特性などによって生じる対象医用画像に特有な部分とが含まれることになる。

例えば、図２においては、健康な患者の異常部がない医用画像を対象医用画像Ｘｈとして入力した結果を示している。この場合、異常部検出器Ｄ（Ｘｈ）から出力される異常部抽出画像Ａｈには、医学的に異常と認められる部分は現れていないが、医学的な異常ではない対象医用画像に特有な部分が現れてしまっている。

また、図３に示すように、異常部検出器Ｄ（Ｘａ）に、医学的に異常とみとめられる異常部３ａを含む脳画像が対象医用画像Ｘａとして入力された場合には、出力される異常部抽出画像Ａａには、医学的な異常部３ａ以外にも、医学的な異常ではない対象医用画像に特有な箇所も画像上に現れてしまっている。

本実施の形態では、このように本来は異常部ではないのに、異常部抽出画像上に現れてしまう特有部を削除するために、対象医用画像内に含まれる特有部を推定した特有部推定画像を生成し、異常部抽出画像と特有部推定画像の差分をとる。これによって、本来は異常部ではないのに、異常部抽出画像上に現れてしまう特有部を排除して、本来の医学的に異常な部分を精度高く抽出した診断結果画像を生成することができる。

このために、本実施の形態では、対象医用画像内から特有部を推定した特有部推定画像を出力することができる特有部推定器をあらかじめ用意しておき、制御装置１０２は、この特有部推定器に対象医用画像を入力することにより、対象医用画像内から特有部を推定した特有部推定画像を生成する。以下、本実施の形態で用いる特有部推定器について説明する。

本実施の形態では、事前に、異常がない患者の特定部位を撮影した医用画像を取り込んで、異常がない医用画像における特有部の画像パターンを学習するためのトレーニングステップが実行される。

トレーニングステップでは、上述したように、異常がない医用画像が入力画像として用いられる。制御装置１０２は、医用画像Ｘｈが入力されると、上述した異常部検出器Ｄ（Ｘｈ）に医用画像Ｘｈを入力して、異常部抽出画像Ａｈを生成する。

また、制御装置１０２は、図４に示すように、異常がない医用画像Ｘｈをニューラルネットワークである特有部推定器Ｑ（Ｘｈ）に入力して、異常がない医用画像Ｘｈを上述した異常部検出器に入力したときに出力される異常部抽出画像Ａｈに近似する特有部画像Ａ´ｈを予測する。このとき、制御装置１０２は、損失Ｌ＝ｄ（Ａ´ｈ，Ａｈ）が最小になるまでネットワーク重みを調整しながら処理を繰り返す。制御装置１０２は、損失Ｌが最小になったときに設定されていた重み値を特有部推定器の重みとして設定する。これによって、特有部推定器に、異常部抽出画像Ａｈに近似する特有部画像Ａ´ｈを出力するように学習させることができる。

これによって、特有部推定器は、対象医用画像が入力されると、異常がない医用画像Ｘｈを異常部検出器に入力したときに出力される異常部抽出画像Ａｈに近似する画像パターンを出力するように訓練されることになる。トレーニングステップで入力画像として用いられる異常がない医用画像Ｘｈは、医学的な異常部は含まないが、医学的には異常ではない医用画像に特有な特有部を含んでいる。このため、トレーニングステップを完了した特有部推定器を用いることにより、特有部推定器に対象医用画像を入力すると特有部が推定された特有部推定画像を出力することができる。

例えば、図５に示すように、図３に示したような医学的に異常とみとめられる異常部３ａを含む脳画像を対象医用画像Ｘａとして特有部推定器Ｑ（Ｘａ）に入力すると、異常部３ａは含まずに特有部のみを推定した特有部推定画像Ａ´ａが出力される。

制御装置１０２は、図６に示すように、次式（１）により、対象医用画像Ｘａを入力した結果、異常部検出器Ｄ（Ｘａ）から出力された異常部抽出画像Ａａと特有部推定器Ｑ（Ｘａ）から出力された特有部推定画像Ａ´ａとの差分を算出することによって、対象医用画像Ｘａ内から異常部３ａを抽出するとともに、医学的な異常部ではない特有部を排除した診断結果画像を生成することができる。
診断結果画像＝Ａａ−Ａ´ａ・・・（１）

図７は、上述したトレーニングステップと診断結果画像を生成するステップの流れを一つにまとめて模式的に示した図である。なお、図７に示した処理の流れは、図２〜図６を用いて説明した内容と同一のため説明を省略する。

図８は、本実施の形態におけるトレーニングステップの流れを示すフローチャートである。図８に示す処理は、異常部がない正常状態の医用画像、例えば健康な人物の脳画像が入力されると起動するプログラムとして、制御装置１０２によって実行される。

ステップＳ１０において、制御装置１０２は、異常がない医用画像Ｘｈを異常部検出器Ｄ（Ｘｈ）に入力して異常部抽出画像Ａｈを生成する。その後、ステップＳ２０へ進む。

ステップＳ２０では、異常がない医用画像Ｘｈを特有部推定器Ｑ（Ｘｈ）に入力して、異常がない医用画像Ｘｈを上述した異常部検出器に入力したときに出力される異常部抽出画像Ａｈに近似する特有部画像Ａ´ｈを予測する。その後、ステップＳ３０へ進む。

ステップＳ３０では、制御装置１０２は、上述した損失Ｌ＝ｄ（Ａ´ｈ，Ａｈ）を算出する。その後、ステップＳ４０へ進む。

ステップＳ４０では、制御装置１０２は、ステップＳ４０で算出した損失Ｌが最小になったか否かを判断する。ステップＳ４０で肯定判断した場合には、そのときの重みを採用して処理を終了する。これに対して、ステップＳ４０で否定判断した場合には、ステップＳ５０へ進む。

ステップＳ５０では、制御装置１０２は、上述したように、特有部推定器のネットワーク重みを調整して、ステップＳ１０へ戻る。

図９は、本実施の形態における診断結果画像生成処理の流れを示すフローチャートである。図９に示す処理は、診断対象患者の医用画像、すなわち上述した対象医用画像が入力されると起動するプログラムとして、制御装置１０２によって実行される。

ステップＳ１１０において、制御装置１０２は、対象医用画像Ｘａを異常部検出器Ｄ（Ｘａ）に入力して異常部抽出画像Ａａを生成する。その後、ステップＳ１２０へ進む。

ステップＳ１２０では、制御装置１０２は、対象医用画像Ｘａを特有部推定器Ｑ（Ｘａ）に入力して特有部推定画像Ａ´ａを生成する。その後、ステップＳ１３０へ進む。

ステップＳ１３０では、制御装置１０２は、式（１）を用いて異常部抽出画像Ａａと特有部推定画像Ａ´ａの差分画像を得る。その後、ステップＳ１４０へ進む。

ステップＳ１４０では、制御装置１０２は、ステップＳ１３０で生成した差分画像を診断結果画像として表示装置１０４へ出力することにより、表示装置１０４に診断結果画像を表示する。その後、処理を終了する。

以上説明した実施の形態によれば、以下のような作用効果を得ることができる。
（１）制御装置１０２は、入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成し、対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成し、異常部抽出画像と特有部推定画像の差分を算出して、異常部抽出画像内から特有部を排除した診断結果画像を生成するようにした。これによって、対象医用画像内から医学的な異常部のみを抽出した診断結果画像を生成して、画像を用いた診断を支援することができる。

（２）制御装置１０２は、生成した診断結果画像を表示装置１０４に表示するようにした。これによって、医師等の操作者は、診断結果画像を表示装置１０４上で確認することができる。

（３）制御装置１０２は、異常がない医用画像の画像パターンを学習させ、入力された医用画像に対して異常がない医用画像を復元して出力するように構成されたオートエンコーダに対象医用画像を入力し、オートエンコーダへの入力画像と出力画像の差分を算出して得た差分画像に基づいて異常部抽出画像を生成するようにした。これによって、あらかじめオートエンコーダに異常がない医用画像の画像パターンを学習させておけば、対象医用画像を入力するだけで異常部抽出画像を生成することができる。

（４）制御装置１０２は、異常がない医用画像における特有部の画像パターンを学習させ、入力された医用画像に対して、異常がない医用画像における特有部を含んだ医用画像を復元して出力するように構成されたニューラルネットワークに対象医用画像を入力し、ニューラルネットワークからの出力画像を特有部推定画像とするようにした。これによって、あらかじめニューラルネットワークに異常がない医用画像における特有部の画像パターンを学習させておけば、対象医用画像を入力するだけで特有部推定画像を生成することができる。

―変形例―
なお、上述した実施の形態の画像処理装置は、以下のように変形することもできる。
（１）上述した実施の形態では、画像処理装置１００はパソコンであって、制御装置１０２が上述した処理を実行する例について説明した。しかしながら、操作者が操作する端末からインターネットなどの通信回線を介して画像処理装置１００へ接続できるようにし、上述した入力画像ＸｈやＸａは、操作端末から画像処理装置１００へ送信されることにより入力されてもよい。また、その場合は、診断結果画像は、操作端末に送信して、操作端末上で表示されるようにしてもよい。これによって、操作端末と画像処理装置１００とを通信回線を介して接続することで、クライアントサーバー型やクラウド型の画像処理システムを構築することができる一方で、画像処理装置１００を単体で用いることにより、スタンドアロン型の装置として利用することもできる。

（２）上述した実施の形態では、トレーニングステップのための処理は、画像処理装置１００で制御装置１０２が実行する例について説明した。しかしながら、トレーニングステップのための処理は他の装置で実行するようにして、トレーニングステップによって得られたデータを記憶媒体１０３に記録しておくようにしてもよい。この場合は、画像処理装置１００でのトレーニングステップのための処理は不要となる。

なお、本発明の特徴的な機能を損なわない限り、本発明は、上述した実施の形態における構成に何ら限定されない。また、上述の実施の形態と複数の変形例を組み合わせた構成としてもよい。

１００画像処理装置
１０１操作部材
１０２制御装置
１０３記憶媒体
１０４表示装置

本発明による画像処理装置は、入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する異常部抽出画像生成手段と、対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成する特有部推定画像生成手段と、異常部抽出画像生成手段によって生成された異常部抽出画像と特有部推定画像生成手段によって生成された特有部推定画像の差分を算出して、異常部抽出画像内から特有部を排除した診断結果画像を生成する診断結果画像生成手段とを備え、異常部抽出画像生成手段は、異常がない医用画像の画像パターンを学習させ、入力された医用画像に対して異常がない医用画像を復元して出力するように構成されたオートエンコーダに対象医用画像を入力し、オートエンコーダへの入力画像と出力画像の差分を算出して得た差分画像に基づいて、異常部抽出画像を生成し、特有部推定画像生成手段は、特有部を含んだ異常がない医用画像を入力したときに、該特有部を含んだ異常がない医用画像を異常部抽出画像生成手段に入力して抽出された画像を復元して出力するように学習させたニューラルネットワークに対象医用画像を入力し、ニューラルネットワークからの出力画像を前記特有部推定画像とすることを特徴とする。
本発明による画像処理システムは、入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する異常部抽出画像生成手段と、対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成する特有部推定画像生成手段と、異常部抽出画像生成手段によって生成された異常部抽出画像と特有部推定画像生成手段によって生成された特有部推定画像の差分を算出して、異常部抽出画像内から特有部を排除した診断結果画像を生成する診断結果画像生成手段とを備え、異常部抽出画像生成手段は、異常がない医用画像の画像パターンを学習させ、入力された医用画像に対して異常がない医用画像を復元して出力するように構成されたオートエンコーダに対象医用画像を入力し、オートエンコーダへの入力画像と出力画像の差分を算出して得た差分画像に基づいて、異常部抽出画像を生成し、特有部推定画像生成手段は、特有部を含んだ異常がない医用画像を入力したときに、該特有部を含んだ異常がない医用画像を異常部抽出画像生成手段に入力して抽出された画像を復元して出力するように学習させたニューラルネットワークに対象医用画像を入力し、ニューラルネットワークからの出力画像を特有部推定画像とすることを特徴とする。
本発明による画像処理プログラムは、入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する異常部抽出画像生成手順と、対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成する特有部推定画像生成手順と、異常部抽出画像生成手順で生成した異常部抽出画像と特有部推定画像生成手順で生成した特有部推定画像の差分を算出して、異常部抽出画像内から特有部を排除した診断結果画像を生成する診断結果画像生成手順とをコンピュータに実行させるためのプログラムであって、異常部抽出画像生成手順は、異常がない医用画像の画像パターンを学習させ、入力された医用画像に対して異常がない医用画像を復元して出力するように構成されたオートエンコーダに対象医用画像を入力し、オートエンコーダへの入力画像と出力画像の差分を算出して得た差分画像に基づいて、異常部抽出画像を生成し、特有部推定画像生成手順は、特有部を含んだ異常がない医用画像を入力したときに、該特有部を含んだ異常がない医用画像を異常部抽出画像生成手段に入力して抽出された画像を復元して出力するように学習させたニューラルネットワークに対象医用画像を入力し、ニューラルネットワークからの出力画像を特有部推定画像とすることを特徴とする。

Claims

入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する異常部抽出画像生成手段と、
前記対象医用画像内に含まれる、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として推定した特有部推定画像を生成する特有部推定画像生成手段と、
前記異常部抽出画像生成手段によって生成された前記異常部抽出画像と前記特有部推定画像生成手段によって生成された前記特有部推定画像の差分を算出して、前記異常部抽出画像内から前記特有部を排除した診断結果画像を生成する診断結果画像生成手段とを備えることを特徴とする画像処理装置。
請求項１に記載の画像処理装置において、
前記診断結果画像生成手段によって生成された前記診断結果画像を表示装置に表示する画像表示手段をさらに備えることを特徴とする画像処理装置。
請求項１または２に記載の画像処理装置において、
前記異常部抽出画像生成手段は、異常がない医用画像の画像パターンを学習させ、入力された医用画像に対して異常がない医用画像を復元して出力するように構成されたオートエンコーダに前記対象医用画像を入力し、前記オートエンコーダへの入力画像と出力画像の差分を算出して得た差分画像に基づいて、前記異常部抽出画像を生成することを特徴とする画像処理装置。
請求項１〜３のいずれか一項に記載の画像処理装置において、
前記特有部推定画像生成手段は、異常がない医用画像における前記特有部の画像パターンを学習させ、入力された医用画像に対して、異常がない医用画像における特有部を含んだ医用画像を復元して出力するように構成されたニューラルネットワークに前記対象医用画像を入力し、前記ニューラルネットワークからの出力画像を前記特有部推定画像とすることを特徴とする画像処理装置。
入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する異常部抽出画像生成手段と、
前記対象医用画像内から、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として抽出した特有部推定画像を生成する特有部推定画像生成手段と、
前記異常部抽出画像生成手段によって生成された前記異常部抽出画像と前記特有部推定画像生成手段によって生成された前記特有部推定画像の差分を算出して、前記異常部抽出画像内から前記特有部を排除した診断結果画像を生成する診断結果画像生成手段とを備えることを特徴とする画像処理システム。
請求項５に記載の画像処理システムにおいて、
前記診断結果画像生成手段によって生成された前記診断結果画像を表示装置に表示する画像表示手段をさらに備えることを特徴とする画像処理システム。
請求項５または６に記載の画像処理システムにおいて、
前記異常部抽出画像生成手段は、異常がない医用画像の画像パターンを学習させ、入力された医用画像に対して異常がない医用画像を復元して出力するように構成されたオートエンコーダに前記対象医用画像を入力し、前記オートエンコーダへの入力画像と出力画像の差分を算出して得た差分画像に基づいて、前記異常部抽出画像を生成することを特徴とする画像処理システム。
請求項５〜７のいずれか一項に記載の画像処理システムにおいて、
前記特有部推定画像生成手段は、異常がない医用画像における前記特有部の画像パターンを学習させ、入力された医用画像に対して、異常がない医用画像における特有部を含んだ医用画像を復元して出力するように構成されたニューラルネットワークに前記対象医用画像を入力し、前記ニューラルネットワークからの出力画像を前記特有部推定画像とすることを特徴とする画像処理システム。
入力された対象医用画像内から、健康者を撮影した医用画像との差異部を異常部として抽出した異常部抽出画像を生成する異常部抽出画像生成手順と、
前記対象医用画像内から、健康者を撮影した医用画像との差異部ではあるが、医学的には異常ではない画像特有の差異部を特有部として抽出した特有部推定画像を生成する特有部推定画像生成手順と、
前記異常部抽出画像生成手順で生成した前記異常部抽出画像と前記特有部推定画像生成手順で生成した前記特有部推定画像の差分を算出して、前記異常部抽出画像内から前記特有部を排除した診断結果画像を生成する診断結果画像生成手順とをコンピュータに実行させるための画像処理プログラム。
請求項９に記載の画像処理プログラムにおいて、
前記診断結果画像生成手順で生成した前記診断結果画像を表示装置に表示する画像表示手段をさらに備えることを特徴とする画像処理プログラム。
請求項９または１０に記載の画像処理プログラムにおいて、
前記異常部抽出画像生成手順は、異常がない医用画像の画像パターンを学習させ、入力された医用画像に対して異常がない医用画像を復元して出力するように構成されたオートエンコーダに前記対象医用画像を入力し、前記オートエンコーダへの入力画像と出力画像の差分を算出して得た差分画像に基づいて、前記異常部抽出画像を生成することを特徴とする画像処理プログラム。
請求項９〜１１のいずれか一項に記載の画像処理プログラムにおいて、
前記特有部推定画像生成手順は、異常がない医用画像における前記特有部の画像パターンを学習させ、入力された医用画像に対して、異常がない医用画像における特有部を含んだ医用画像を復元して出力するように構成されたニューラルネットワークに前記対象医用画像を入力し、前記ニューラルネットワークからの出力画像を前記特有部推定画像とすることを特徴とする画像処理プログラム。