JP2021151430A - 肝腫瘍知能分析方法 - Google Patents
肝腫瘍知能分析方法 Download PDFInfo
- Publication number
- JP2021151430A JP2021151430A JP2020193955A JP2020193955A JP2021151430A JP 2021151430 A JP2021151430 A JP 2021151430A JP 2020193955 A JP2020193955 A JP 2020193955A JP 2020193955 A JP2020193955 A JP 2020193955A JP 2021151430 A JP2021151430 A JP 2021151430A
- Authority
- JP
- Japan
- Prior art keywords
- liver tumor
- tumor
- image
- unit
- liver
- 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
- 208000014018 liver neoplasm Diseases 0.000 title claims abstract description 193
- 206010019695 Hepatic neoplasm Diseases 0.000 title claims abstract description 182
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000001514 detection method Methods 0.000 claims abstract description 20
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 15
- 238000013135 deep learning Methods 0.000 claims abstract description 12
- 206010073069 Hepatic cancer Diseases 0.000 claims abstract description 11
- 238000002604 ultrasonography Methods 0.000 claims description 67
- 230000003211 malignant effect Effects 0.000 claims description 25
- 206010028980 Neoplasm Diseases 0.000 claims description 23
- 238000003745 diagnosis Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 5
- 239000000523 sample Substances 0.000 claims description 5
- 201000011510 cancer Diseases 0.000 claims description 4
- 210000004185 liver Anatomy 0.000 claims description 4
- 230000000007 visual effect Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000003187 abdominal effect Effects 0.000 abstract description 3
- 201000007270 liver cancer Diseases 0.000 description 10
- 238000002591 computed tomography Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 238000002595 magnetic resonance imaging Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000013399 early diagnosis Methods 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000004083 survival effect Effects 0.000 description 3
- 231100000504 carcinogenesis Toxicity 0.000 description 2
- 208000019425 cirrhosis of liver Diseases 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000003325 tomography Methods 0.000 description 2
- 229930195730 Aflatoxin Natural products 0.000 description 1
- 206010073306 Exposure to radiation Diseases 0.000 description 1
- 208000004930 Fatty Liver Diseases 0.000 description 1
- 241000711549 Hepacivirus C Species 0.000 description 1
- 241000700721 Hepatitis B virus Species 0.000 description 1
- 208000005176 Hepatitis C Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 241000700605 Viruses Species 0.000 description 1
- 238000009557 abdominal ultrasonography Methods 0.000 description 1
- 239000005409 aflatoxin Substances 0.000 description 1
- 102000013529 alpha-Fetoproteins Human genes 0.000 description 1
- 108010026331 alpha-Fetoproteins Proteins 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 238000010241 blood sampling Methods 0.000 description 1
- 230000007882 cirrhosis Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 208000002672 hepatitis B Diseases 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 230000003908 liver function Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000002980 postoperative effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 150000003626 triacylglycerols Chemical class 0.000 description 1
Images
Landscapes
- Ultra Sonic Daignosis Equipment (AREA)
Abstract
【課題】本発明は、肝腫瘍知能分析方法を提供する。【解決手段】深層学習アルゴリズムに合わせた、超音波検知を利用する分析方法で、肝腫瘍の良性や悪性のリスクを判断する。この肝腫瘍知能分析方法は、豊富経験を有する腹部エコー検査専門医者が、マーキングした肝腫瘍像点部位を有する超音波画像に基づいて、それらのエクスペリエンスデータのパラメーター及び係数を利用して、深層学習アルゴリズムで、正確さが86%にもなる分類器模型をセットアップする。これにより、超音波検知走査画像に基づいて、医者や超音波検査技師は、肝腫瘍知能分析方法を利用して、直ちに、肝腫瘍の良性や悪性のリスクを判読でき、医者に肝腫瘍類型の診断参考になる。【選択図】図１
Description
本発明は、肝腫瘍知能分析方法に関し、特に、超音波検知と深層学習アルゴリズムがロードされた分析方法で、肝腫瘍の良性や悪性のリスクを判断するものに関し、更に特に、超音波検知走査画像に基づいて、医者や超音波検査技師は、当該肝腫瘍知能分析方法を利用して、直ちに、肝腫瘍の良性や悪性のリスクを判読でき、医者に肝腫瘍類型診断参考になるものに関する。
肝癌が、地球全体の癌死因の第四位になり、また、台湾人の十大癌死因の第二位になる。肝癌は、アジアにおいて、殆どB型やC型肝炎ウイルスやアフラトキシンによるものであり、欧米諸国において、殆どC型肝炎ウイルスによるものであり、それから、脂肪性肝炎や糖尿病及び高トリグリセリドによる肝癌の生成も、多くなる。
外科手術は、目前において、もっとも直接的な肝癌治療方法であるが、肝癌の早期診断や術後患者の関連予後指標も、重大の課題になる。早期確定診断された肝癌病者は、一般として、より多い治療選択があり、治療の効能は、よく、患者の生存率によって反応される。そのため、定期検査と早期診断早期治療は、患者の生存品質や生存期の延長にとって、極めて重要である。
早期診断は、採血して、肝機能やB型C型肝炎ウイルス及びαフェトプロテインを検査する他に、研究によれば、腹部エコー検査が、肝病の重要検査の一つであり、また、台湾の国立台湾大学の名誉教授許金川教授の初年研究によれば、1/3の小型肝癌病者について、肝癌指数-αフェトプロテインを採血検査しても、正常であるため、それとともに、超音波検査を行わないと、早期に肝癌を発見できなく、そして、腹部エコー検査は、検査特性が、快速と便利且つ放射線無しであるから、肝癌スクリーニングのキーツールとなる。
肝癌診断は、その他の癌と異なり、その確定診断が、病理切片を必要としなく、直接に、例えば、腹部エコー検査（abdominal ultrasound, US）やコンピューター断層撮影（computed tomography, CT）及び磁気共鳴断層撮影（magnetic resonance imaging, MRI）等の画像検査を利用して、確定診断でき、また、その感度（sensitivity）や特異度（specificity）は、それぞれ、0.78〜0.73と0.89〜0.93で、0.84〜0.83と0.99〜0.91であって、そして、0.83と0.88である。
超音波検査は、便利性を有するが、制限があり、例えば、操作者の経験や病者の肥満度、肝纖維化或いは肝硬変の有無等の因子が、超音波の正確さに影響を与えるため、超音波検査に基づいて、悪性腫瘍と疑う場合、二番目の画像検査を行い、例えば、CTやMRIを、確定診断の補助とするが、この二つの検査は、医療費が高くて検査スケジュールが遅いだけでなく、CT検査により、より多い放射線被曝のリスクがある。
上記のように、関連技術分野において、人工知能分析技術を必要とし、補助超音波検知は、有効的に肝腫瘍の良性や悪性を分析できる方法であり、磁気共鳴断層撮影結像及び／或いはコンピューター断層撮影と比較しても、本肝腫瘍知能分析方法によって、超音波画像分析の正確さが、高くなり、また、CTとMRIの正確さに相当し、これにより、医者が、超音波検査を利用することにより、快速的に、正確な肝腫瘍類型を診断できる。
本発明者は、上記欠点を解消するため、慎重に研究し、また、学理を活用して、有効に上記欠点を解消でき、設計が合理である本発明を提案する。
本発明の主な目的は、従来の技術の上記らの問題を解消できる、深層学習アルゴリズムに合わせた超音波検知の分析方法を利用して、肝腫瘍性質を判断でき、その正確さが、CTやMRIの正確さに類似する86%に達し、そのため、医者が、放射線無し且つ安全的な超音波検査で、快速的に正確な肝腫瘍類型を診断できる。
本発明は、上記目的を達成するための肝腫瘍知能分析方法であり、複数の、肝腫瘍良性と悪性の超音波画像が含まれる複数の参考肝腫瘍超音波画像を入力するステップ１と、既存の肝腫瘍超音波画像の明暗或いは影の面積や形状に基づいて、その肝腫瘍を分類して、それに基づいて、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別するステップ２と、深層学習アルゴリズムに合わせて、当該らの腫瘍像点部位を有する肝腫瘍超音波画像について、分類器模型を訓練して、肝腫瘍類型を識別するステップ３と、当該標的肝腫瘍超音波画像に対して、当該分類器模型で分析させて、当該標的肝腫瘍超音波画像に関連する肝腫瘍類型を生成し、また、当該標的肝腫瘍超音波画像について、当該肝腫瘍の良性や悪性のリスク発生確率を予測するステップ４と、が含まれる。
本発明の実施例によれば、更に、超音波検知モジュールと、当該超音波検知モジュールに連接される分析モジュールと、が含まれる。
本発明の実施例によれば、当該超音波検知モジュールは、超音波を発射し、走査することにより、標的肝腫瘍超音波画像を取得する超音波プローブが、含まれる。
本発明の実施例によれば、当該分析モジュールは、制御ユニットや、当該制御ユニットに連接される画像採集ユニット、当該制御ユニットに連接される参考貯蓄ユニット、当該制御ユニットに連接される肝腫瘍マーキングユニット、当該制御ユニットに連接される分類ユニット、当該制御ユニットに連接される対比ユニット及び、当該制御ユニットに連接される肝腫瘍の良性や悪性のリスク予測報告生成ユニットが、含まれる。
本発明の実施例によれば、当該制御ユニットは、中央処理装置であり、当該画像採集ユニットや当該参考貯蓄ユニット、当該肝腫瘍マーキングユニット、当該分類ユニット、当該対比ユニット及び当該肝腫瘍の良性や悪性のリスク予測報告生成ユニットが稼働する時の演算、制御、処理、符号化、復号化及び各種駆動指令の指示を行う。
本発明の実施例によれば、当該画像採集ユニットは、デジタル ビジュアル インターフェース（Digital Visual Interface, DVI）であり、標的肝腫瘍超音波画像を獲得する。
本発明の実施例によれば、当該参考貯蓄ユニットは、ハードディスクであり、良性と悪性の肝腫瘍超音波画像が含まれる複数の参考肝腫瘍超音波画像が貯蓄される。
本発明の実施例によれば、当該肝腫瘍マーキングユニットは、既存の肝腫瘍超音波画像の明暗或いは影の面積や形状に基づいて、その肝腫瘍を分類して、それに基づいて、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別する。
本発明の実施例によれば、当該肝腫瘍マーキングユニットは、エクスペリエンスデータに合わせた係数及び／或いはパラメーターに基づいて、当該複数の参考肝腫瘍超音波画像から、自動的に、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングする。
本発明の実施例によれば、当該分類ユニットは、深層学習アルゴリズムに合わせて、当該らの腫瘍像点部位を有する肝腫瘍超音波画像について、分類器模型を訓練して、肝腫瘍類型を識別する。
本発明の実施例によれば、当該対比ユニットは、当該標的肝腫瘍超音波画像に対して、当該分類器模型で分析させて、当該標的肝腫瘍超音波画像に関連する肝腫瘍類型を生成し、また、当該標的肝腫瘍超音波画像について、当該肝腫瘍の良性や悪性のリスク発生確率を予測する。
本発明の実施例によれば、当該肝腫瘍の良性や悪性のリスク予測報告生成ユニットは、当該対比ユニットによって生成された、標的肝腫瘍超音波画像に関連する肝腫瘍類型と、当該標的肝腫瘍の良性や悪性のリスク確率の予測値を、当該肝腫瘍の良性や悪性のリスク予測報告生成ユニットに入力し、肝腫瘍性質診断報告を作製する。
本発明の実施例によれば、当該肝腫瘍類型は、良性腫瘍と悪性腫瘍が含まれる。
以下、図面を参照しながら、本発明の特徴や技術内容について、詳しく説明するが、それらの図面等は、参考や説明のためであり、本発明は、それによって制限されることが無い。
図１と図２は、それぞれ、本発明の流れ概念図と、本発明のブロック概念図である。図１のように、本発明は、肝腫瘍知能分析方法であり、下記のステップが含まれる。
ステップ１（s1）は、複数の、肝腫瘍良性と悪性の超音波画像が含まれる複数の参考肝腫瘍超音波画像を入力する。
ステップ２（s2）は、既存の肝腫瘍超音波画像の明暗或いは影の面積や形状に基づいて、その肝腫瘍を分類して、それに基づいて、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別する。
ステップ３（s3）は、経験則に基づいて格別な規則をセットアップし、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別する。
ステップ４（s4）は、当該標的肝腫瘍超音波画像に対して、当該分類器模型で分析させて、当該標的肝腫瘍超音波画像に関連する肝腫瘍類型を生成し、また、当該標的肝腫瘍超音波画像について、当該肝腫瘍の良性や悪性のリスク発生確率を予測する。
上記のように、新規の肝腫瘍知能分析方法が構成される。
本発明のより良い具体的な実施例によれば、更に、超音波検知モジュール１と分析モジュール２が含まれる。
上記の超音波検知モジュール１は、超音波プローブ１１が含まれる。
当該分析モジュール２は、当該超音波検知モジュール１に連接され、画像採集ユニット２１や参考貯蓄ユニット２２、制御ユニット２３、肝腫瘍マーキングユニット２４、分類ユニット２５、対比ユニット２６及び肝腫瘍の良性や悪性のリスク予測報告生成ユニット２７が、含まれる。その中、当該制御ユニット２３は、中央処理装置（Central Processing Unit, CPU）であり、当該画像採集ユニット２１や当該参考貯蓄ユニット２２、当該肝腫瘍マーキングユニット２４、当該分類ユニット２５、当該対比ユニット２６及び当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット２７が稼働する時の演算、制御、処理、符号化、復号化及び各種駆動指令の指示を行う。
本発明によれば、本発明の肝腫瘍知能分析方法が、コンピューターによって実行されることができ、それから、当該制御ユニット２３は、コンピューターの中央処理装置であり、当該肝腫瘍マーキングユニット２４や当該分類ユニット２５、当該対比ユニット２６及び当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット２７は、コンピューターのプログラムであって、ハードディスクやメモリーに貯蓄され、当該画像採集ユニット２１は、コンピューターのデジタル ビジュアル インターフェース（Digital Visual Interface, DVI）であり、当該参考貯蓄ユニット２２は、ハードディスクであり、更に、出力と操作のためのスクリーンやマウス及びキーボードがある。また、本発明に係る肝腫瘍知能分析方法は、サーバーにも実行されることができる。
本発明によると、当該超音波検知モジュール１の超音波プローブ１１から超音波を発射し、被験者の外部において、肝臓に対応する部位を走査して、当該被験者の複数の肝腫瘍超音波画像を取得し、走査期間においても、医者が、標的肝腫瘍超音波画像として、少なくとも一枚の不審な腫瘍超音波画像を選別することができる。
当該分析モジュール２は、当該画像採集ユニット２１を利用して、当該超音波検知モジュール１によって結像された当該被験者の標的肝腫瘍超音波画像を獲得し、また、当該参考貯蓄ユニット２２に、良性と悪性の肝腫瘍超音波画像が含まれる、複数の参考肝腫瘍超音波画像が貯蓄される。当該分析モジュール２には、プログラムが貯蓄され、当該プログラムは、当該制御ユニット２３によって実行される時、臨床スタッフの当該被験者の肝腫瘍類型に対する判断や当該被験者の肝腫瘍の良性や悪性のリスク発生確率の予測を提供し、当該プログラムには、当該肝腫瘍マーキングユニット２４と当該分類ユニット２５、当該対比ユニット２６及び当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット２７が含まれる。
当該肝腫瘍マーキングユニット２４は、エクスペリエンスデータに合わせた係数及び／或いはパラメーターに基づいて、当該複数の参考肝腫瘍超音波画像から、自動的に、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別する。例えば、当該肝腫瘍マーキングユニット２４は、医者の経験に従ってマーキングすることができる。当該分類ユニット２５は、当該らの腫瘍像点部位を有する肝腫瘍超音波画像を利用して、深層学習アルゴリズム（人工神経回路網の構成で、データに対して表現学習を行うアルゴリズムであり、既存技術である）に合わせて、分離機模型（人工神経回路網を利用して、画像に対して、特徴析出を行い、それから、Fully connected neural networks (FCNNs)で、特徴について分類する）を訓練し、肝腫瘍種類を識別する。当該対比ユニット２６は、当該標的肝腫瘍超音波画像に対して、当該分類器模型で分析して、当該被験者の肝腫瘍性質を判断する臨床スタッフに提供し、そして、当該被験者の肝腫瘍の良性や悪性のリスク発生確率を予測する。最後に、当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット２７に、当該対比ユニット２６によって生成された臨床スタッフの当該被験者の肝腫瘍類型に対する判断と、当該被験者の肝腫瘍の良性や悪性のリスク発生確率の予測が入力されて、当該肝腫瘍の良性や悪性のリスク予測報告生成ユニット２７によって、医者の判断に助ける肝腫瘍性質診断報告を作製する。
これにより、本発明に係る肝腫瘍知能分析方法は、既存の肝腫瘍超音波画像の明暗或いは影の面積や形状に基づいて、その肝腫瘍を分類して、それに基づいて、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、深層学習アルゴリズムに合わせて、正確さが86%にもなる分類器模型を訓練して、肝腫瘍の類型を識別する。これにより、超音波検知走査画像に基づいて、医者や超音波検査技師は、肝腫瘍知能分析方法を利用して、直ちに、肝腫瘍の良性や悪性のリスクを判読でき、医者に肝腫瘍類型の診断参考になる。
以上のように、本発明に係る肝腫瘍知能分析方法は、有効的に従来の諸欠点を解消でき、超音波検知モジュールと深層学習アルゴリズムがロードされた分析モジュールを利用して、肝腫瘍の良性や悪性のリスクを判断し、また、既存の肝腫瘍超音波画像の明暗或いは影の面積や形状に基づいて、その肝腫瘍を分類して、それに基づいて、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングし、、また、深層学習アルゴリズムに合わせて、正確さが86%になる分類器模型を訓練して、肝腫瘍の類型を識別でき、そのため、医者が、放射線無し且つ安全的な超音波検査で、快速的に正確な肝腫瘍類型を診断できるから、本発明は、より進歩的かつより実用的で、法に従って特許登録請求を出願する。
以上は、ただ、本発明のより良い実施例であり、本発明は、それによって制限されることが無く、本発明に係わる特許請求の範囲や明細書の内容に基づいて行った等価の変更や修正は、全てが、本発明の特許請求の範囲内に含まれる。
１ 超音波検知モジュール
１１ 超音波プローブ
２ 分析モジュール
２１ 画像採集ユニット
２２ 参考貯蓄ユニット
２３ 制御ユニット
２４ 肝腫瘍マーキングユニット
２５ 分類ユニット
２６ 対比ユニット
２７ 肝腫瘍の良性や悪性のリスク予測報告生成ユニット
s1〜s5 ステップ１〜ステップ４
１１ 超音波プローブ
２ 分析モジュール
２１ 画像採集ユニット
２２ 参考貯蓄ユニット
２３ 制御ユニット
２４ 肝腫瘍マーキングユニット
２５ 分類ユニット
２６ 対比ユニット
２７ 肝腫瘍の良性や悪性のリスク予測報告生成ユニット
s1〜s5 ステップ１〜ステップ４
Claims (13)
- 少なくとも、
複数の、肝腫瘍良性と悪性の超音波画像が含まれる複数の参考肝腫瘍超音波画像を入力するステップ１と、
既存の肝腫瘍超音波画像の明暗或いは影の面積や形状に基づいて、その肝腫瘍を分類して、それに基づいて、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別するステップ２と、
深層学習アルゴリズムに合わせて、当該らの腫瘍像点部位を有する肝腫瘍超音波画像について、分類器模型を訓練して、肝腫瘍類型を識別するステップ３と、
当該標的肝腫瘍超音波画像に対して、当該分類器模型で分析させて、当該標的肝腫瘍超音波画像に関連する肝腫瘍類型を生成し、また、当該標的肝腫瘍超音波画像について、当該肝腫瘍の良性や悪性のリスク発生確率を予測するステップ４と、が含まれる、
ことを特徴とする肝腫瘍知能分析方法。 - 更に、超音波検知モジュールと、当該超音波検知モジュールに連接される分析モジュールと、が含まれることを特徴とする請求項１に記載の肝腫瘍知能分析方法。
- 当該超音波検知モジュールには、超音波を発射し、走査することにより、標的肝腫瘍超音波画像を取得する超音波プローブが、含まれることを特徴とする請求項２に記載の肝腫瘍知能分析方法。
- 当該分析モジュールには、制御ユニットや当該制御ユニットに連接される画像採集ユニット、当該制御ユニットに連接される参考貯蓄ユニット、当該制御ユニットに連接される肝腫瘍マーキングユニット、当該制御ユニットに連接される分類ユニット、当該制御ユニットに連接される対比ユニット及び当該制御ユニットに連接される肝腫瘍の良性や悪性のリスク予測報告生成ユニットが、含まれることを特徴とする請求項２に記載の肝腫瘍知能分析方法。
- 当該制御ユニットは、中央処理装置であり、当該画像採集ユニットや当該参考貯蓄ユニット、当該肝腫瘍マーキングユニット、当該分類ユニット、当該対比ユニット及び当該肝腫瘍の良性や悪性のリスク予測報告生成ユニットが稼働する時の演算や制御、処理、符号化、復号化等前述の駆動指令の指示を行うことを特徴とする請求項４に記載の肝腫瘍知能分析方法。
- 当該画像採集ユニットは、標的肝腫瘍超音波画像を獲得できる、デジタル ビジュアル インターフェースであることを特徴とする請求項４に記載の肝腫瘍知能分析方法。
- 当該参考貯蓄ユニットは、ハードディスクであり、良性と悪性の肝腫瘍の超音波画像を含む複数の参考肝腫瘍超音波画像が貯蓄されることを特徴とする請求項４に記載の肝腫瘍知能分析方法。
- 当該肝腫瘍マーキングユニットは、既存の肝腫瘍超音波画像の明暗或いは影の面積や形状に基づいて、その肝腫瘍を分類して、それに基づいて、自動的に、当該複数の参考肝腫瘍超音波画像から、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングして、肝腫瘍の類型を識別することを特徴とする請求項４に記載の肝腫瘍知能分析方法。
- 当該肝腫瘍マーキングユニットは、エクスペリエンスデータに合わせた係数及び／或いはパラメーターに基づいて、当該複数の参考肝腫瘍超音波画像から、自動的に、腫瘍像点部位を有する肝腫瘍超音波画像をマーキングすることを特徴とする請求項８に記載の肝腫瘍知能分析方法。
- 当該分類ユニットは、当該肝腫瘍マーキングユニットによってマーキングされた、腫瘍像点部位を有する肝腫瘍超音波画像に対して、深層学習アルゴリズムに合わせて、当該らの腫瘍像点部位を有する肝腫瘍超音波画像について、分類器模型を訓練して、肝腫瘍類型を識別することを特徴とする請求項４に記載の肝腫瘍知能分析方法。
- 当該対比ユニットは、当該画像採集ユニットが獲得した標的肝腫瘍超音波画像を、当該分類ユニットにセットアップされた分類器模型で分析して、当該標的肝腫瘍超音波画像に対して、当該分類器模型で分析させて、当該標的肝腫瘍超音波画像に関連する肝腫瘍類型を生成し、また、当該標的肝腫瘍超音波画像について、当該肝腫瘍の良性や悪性のリスク発生確率を予測することを特徴とする請求項４に記載の肝腫瘍知能分析方法。
- 当該肝腫瘍の良性や悪性のリスク予測報告生成ユニットは、当該対比ユニットによって生成された、標的肝腫瘍超音波画像に関連する肝腫瘍類型と、当該標的肝腫瘍の良性や悪性のリスク確率の予測値が入力されて、肝腫瘍性質診断報告を作製することを特徴とする請求項４に記載の肝腫瘍知能分析方法。
- 当該肝腫瘍類型は、良性腫瘍と悪性腫瘍が含まれることを特徴とする請求項１に記載の肝腫瘍知能分析方法。
Applications Claiming Priority (4)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| TW108142298 | 2019-11-21 | ||
| TW108142298 | 2019-11-21 | ||
| JP2020047225 | 2020-03-18 | ||
| JP2020047225 | 2020-03-18 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021151430A true JP2021151430A (ja) | 2021-09-30 |
| JP7236109B2 JP7236109B2 (ja) | 2023-03-09 |
Family
ID=77886938
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020193955A Active JP7236109B2 (ja) | 2019-11-21 | 2020-11-23 | 肝腫瘍知能分析装置およびその作動方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7236109B2 (ja) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007524461A (ja) * | 2003-06-25 | 2007-08-30 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 乳房撮像の自動診断及び決定支援システム及び方法 |
| JP2010029481A (ja) * | 2008-07-29 | 2010-02-12 | Univ Of Tsukuba | 腫瘍の経過観察レポート自動作成診断支援システム |
| US8798345B2 (en) * | 2009-09-17 | 2014-08-05 | Sharp Kabushiki Kaisha | Diagnosis processing device, diagnosis processing system, diagnosis processing method, diagnosis processing program and computer-readable recording medium, and classification processing device |
| US9066654B2 (en) * | 2011-01-19 | 2015-06-30 | Kabushiki Kaisha Toshiba | Medical image processing apparatus, an X-ray CT scanner, and a medical image processing program |
| JP2017524461A (ja) * | 2014-07-11 | 2017-08-31 | メリッタ シングル ポーションズ ゲゼルシャフト ミット ベシュレンクテル ハフツング ウント コンパニー コマンディートゲゼルシャフトＭｅｌｉｔｔａ Ｓｉｎｇｌｅ Ｐｏｒｔｉｏｎｓ ＧｍｂＨ ＆ Ｃｏ． ＫＧ | 抽出飲料を調製する装置および方法 |
| US10383602B2 (en) * | 2014-03-18 | 2019-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for visualizing anatomical elements in a medical image |
-
2020
- 2020-11-23 JP JP2020193955A patent/JP7236109B2/ja active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007524461A (ja) * | 2003-06-25 | 2007-08-30 | シーメンス メディカル ソリューションズ ユーエスエー インコーポレイテッド | 乳房撮像の自動診断及び決定支援システム及び方法 |
| JP2010029481A (ja) * | 2008-07-29 | 2010-02-12 | Univ Of Tsukuba | 腫瘍の経過観察レポート自動作成診断支援システム |
| US8798345B2 (en) * | 2009-09-17 | 2014-08-05 | Sharp Kabushiki Kaisha | Diagnosis processing device, diagnosis processing system, diagnosis processing method, diagnosis processing program and computer-readable recording medium, and classification processing device |
| US9066654B2 (en) * | 2011-01-19 | 2015-06-30 | Kabushiki Kaisha Toshiba | Medical image processing apparatus, an X-ray CT scanner, and a medical image processing program |
| US10383602B2 (en) * | 2014-03-18 | 2019-08-20 | Samsung Electronics Co., Ltd. | Apparatus and method for visualizing anatomical elements in a medical image |
| JP2017524461A (ja) * | 2014-07-11 | 2017-08-31 | メリッタ シングル ポーションズ ゲゼルシャフト ミット ベシュレンクテル ハフツング ウント コンパニー コマンディートゲゼルシャフトＭｅｌｉｔｔａ Ｓｉｎｇｌｅ Ｐｏｒｔｉｏｎｓ ＧｍｂＨ ＆ Ｃｏ． ＫＧ | 抽出飲料を調製する装置および方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JP7236109B2 (ja) | 2023-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| TWI810498B (zh) | 肝腫瘤智慧分析裝置 | |
| US11170545B2 (en) | Systems and methods for diagnostic oriented image quality assessment | |
| La Salvia et al. | Deep learning and lung ultrasound for Covid-19 pneumonia detection and severity classification | |
| CN108464840B (zh) | 一种乳腺肿块自动检测方法及系统 | |
| JP4469594B2 (ja) | 疾患関連組織変化を測定するシステム | |
| JP2020126598A (ja) | 人工知能の検出出力から疾患の進行を決定するシステムおよび方法 | |
| US11488306B2 (en) | Immediate workup | |
| JP3228085U (ja) | 肝腫瘍知能分析装置 | |
| US11321841B2 (en) | Image analysis method, image analysis device, image analysis system, and storage medium | |
| US20050105788A1 (en) | Methods and apparatus for processing image data to aid in detecting disease | |
| JP2004000609A (ja) | 多重エネルギ画像による計算機支援診断 | |
| Yan et al. | A fully automatic artificial intelligence–based CT image analysis system for accurate detection, diagnosis, and quantitative severity evaluation of pulmonary tuberculosis | |
| US11915822B2 (en) | Medical image reading assistant apparatus and method for adjusting threshold of diagnostic assistant information based on follow-up examination | |
| JP2020144700A (ja) | 画像診断装置、画像処理方法及びプログラム | |
| KR102531400B1 (ko) | 인공 지능 기반 대장 내시경 영상 진단 보조 시스템 및 방법 | |
| Sun et al. | Detection and staging of chronic obstructive pulmonary disease using a computed tomography–based weakly supervised deep learning approach | |
| WO2021209887A1 (en) | Rapid, accurate and machine-agnostic segmentation and quantification method and device for coronavirus ct-based diagnosis | |
| US20230386033A1 (en) | Image Processing Apparatus, Image Processing Method, and Program | |
| Das et al. | Digital image analysis of ultrasound images using machine learning to diagnose pediatric nonalcoholic fatty liver disease | |
| US10957038B2 (en) | Machine learning to determine clinical change from prior images | |
| Xing et al. | Automatic detection of A‐line in lung ultrasound images using deep learning and image processing | |
| JP2021151430A (ja) | 肝腫瘍知能分析方法 | |
| Mese et al. | ChatGPT-assisted deep learning model for thyroid nodule analysis: beyond artifical intelligence | |
| Caban et al. | Monitoring pulmonary fibrosis by fusing clinical, physiological, and computed tomography features | |
| US20240225588A1 (en) | Method and Apparatus of Intelligent Analysis for Liver Tumor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210105 |
|
| AA64 | Notification of invalidation of claim of internal priority (with term) |
Free format text: JAPANESE INTERMEDIATE CODE: A241764 Effective date: 20210112 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210526 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220527 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220613 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220913 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220930 |
|
| 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: 20230117 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230216 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 7236109 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |