JP2022013077A - 情報処理装置、情報処理方法およびプログラム - Google Patents

Abstract

【課題】複数の推論器のうち、推論対象の医用画像データに適した推論器をユーザの手間を削減しながら選択することを目的とする。【解決手段】本発明の一態様に係る情報処理装置は、複数の推論器を構成するそれぞれの推論器に関する情報を取得する推論器情報取得部と、被検体を撮像して得られた推論対象の医用画像データに付帯する付帯情報を取得する付帯情報取得部と、推論器に関する情報と付帯情報とに基づいて、複数の推論器のうち推論対象の医用画像データに適用する推論器を選択する推論器選択部と、を備える。【選択図】図１

Description

本発明は、推論対象の医用画像データに付帯する付帯情報に基づいて、複数の推論器の中から適切な推論器を選択する情報処理装置、情報処理方法およびプログラムに関する。

機械学習を始めとする人工知能技術の発展に伴って、例えば疾患に関する推論を行う推論器を医療クラウドサービスや医用画像データ処理用のワークステーションといったプラットフォーム上に複数設け、ユーザが所望の推論器に対して、推論対象の医用画像データを入力することで推論結果を受けとることが可能となっている。推論器を学習する際の医用画像データは、推論の対象とする疾患（例えば気胸、肺結節、脳梗塞）や、医用画像データの種類（撮像装置の種別、撮影部位）などに応じて、推論器ごとに異なる場合が多い。

多くの場合、推論対象である医用画像データに対して適用する推論器をユーザが選択し、選択された推論器に対して医用画像データを入力することによって推論処理が実行される。もちろん推論器の選択をせずに複数の推論器を適用することもできるが、複数の推論器がそれぞれ異なる条件で学習をされた推論器であるため、推論器に応じて入力する医用画像データを確認する必要があったり、複数の推論器による複数の推論結果からユーザが適切な結果を確認する必要があったりと効率が悪い。そのため、推論対象となる医用画像データに適した推論器をユーザの手間を削減しながら選択できることが求められている。

ここで、画像データ処理装置に入力される医用画像データが処理対象（処理に適しているか）か否かを判別する技術が知られている。例えば特許文献１には、医用画像データの付帯情報を取得して、該医用画像データが経時差分処理の処理対象（処理に適している）か否かを判別する技術が開示されている。

特開２０１９－０１２９９８９

しかしながら、特許文献１に開示されている技術では、複数の推論器の中から、推論対象の医用画像データに適した推論器を選択することはできない。

そこで、本発明は、複数の推論器のうち、推論対象の医用画像データに適した推論器をユーザの手間を削減しながら選択することを目的とする。

本発明に記載の情報処理装置は、複数の推論器を構成するそれぞれの推論器に関する情報を取得する推論器情報取得部と、被検体を撮像して得られた推論対象の医用画像データに付帯する付帯情報を取得する付帯情報取得部と、推論器に関する情報と付帯情報とに基づいて、複数の推論器のうち推論対象の医用画像データに適用する推論器を選択する推論器選択部と、を有することを特徴とする。

本発明によれば、複数の推論器のうち、推論対象の医用画像データに適した推論器をユーザの手間を削減しながら選択することができる。

実施形態１における情報処理装置の構成 情報処理装置のハードウェア構成図 実施形態１の動作を示すフロー図 実施形態１において取得される情報の一例 実施形態１における推論器の選択結果の一例 付帯情報が一致しているか否かを表現するマップの一例 実施形態２の動作を示すフロー図 実施形態２における推論器の一致度の算出結果の一例 実施形態３における推論器の一致度の算出結果の一例 実施形態４における情報処理装置の構成 実施形態４の動作を示すフロー図 図１０のＳ１００２の結果取得される情報の一例

以下、図面を参照しながら本発明を実施するための好適な実施形態について説明する。なお、本発明は、図示例に限定されるものではない。

＜実施形態１＞
本実施形態では、推論対象の医用画像データに付帯する付帯情報を構成する項目を複数の推論器を構成するそれぞれの推論器に関する情報を構成する項目と照らし合わせて、それぞれの項目が一致するかどうかを判定し、判定結果を受けて、複数の推論器の中から推論対象の医用画像データに適用する推論器を選択する。以下図面を用いて詳述する。

まず、図１を用いて本発明における情報処理装置の構成を示す。

図１に示すように情報処理装置１００は、推論対象の医用画像データに付帯した付帯情報を取得する付帯情報取得部１０１と、所定の疾患に関する推論を行う複数の推論器を構成するそれぞれの推論器に関する情報を取得する推論器情報取得部１０２と、付帯情報と推論器に関する情報に基づいて、複数の推論器のうち、推論対象の医用画像データに適用する推論器を選択する推論器選択部１０３と、推論器選択部１０３はさらに付帯情報と、推論器に関する情報とが一致しているかを判定する推論器判定部１０６をさらに有する。また情報処理装置１００は、通信ネットワーク１０４を介してデータベース１０５と接続されている。以下、各部のそれぞれについて詳細に説明を行う。

付帯情報取得部１０１は、被検体を撮像した推論対象の医用画像データに付帯している各種情報（以下、付帯情報）を取得する。ここで付帯情報は、例えば撮像装置の種別、撮像部位、撮像条件といった情報である。以下、各種付帯情報に関して説明する。

付帯情報取得部１０１が取得をする付帯情報のうち、撮像装置種別の項目は、推論対象の医用画像データを生成した医用画像データ撮像装置の種別を示す情報であり、医用画像データ撮像装置の種類としては例えば下記が挙げられる。

・ＣＲ（Ｃｏｍｐｕｔｅｄ Ｒａｄｉｏｇｒａｐｈｙ）装置、
・ＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）装置、
・ＭＲＩ（Ｍａｇｎｅｔｉｃ Ｒｅｓｏｎａｎｃｅ Ｉｍａｇｉｎｇ）装置、
・ＰＥＴ（Ｐｏｓｉｔｒｏｎ Ｅｍｉｓｓｉｏｎ Ｔｏｍｏｇｒａｐｈｙ）装置、
・ＳＰＥＣＴ画像データ（Ｓｉｎｇｌｅ Ｐｈｏｔｏｎ Ｅｍｉｓｓｉｏｎ Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）、
・超音波装置（ＵＳ；Ｕｌｔｒａｓｏｕｎｄ Ｓｙｓｔｅｍ）
また付帯情報取得部１０１が取得をする付帯情報のうち、撮像部位の項目は、撮像装置により被検体を撮影した部位を示す情報である。具体的には、頭部、頚部、胸部、腹部、骨盤部、四肢といった特定の部位を示す情報、あるいは全身、胸腹部といった範囲を示す情報である。

さらに付帯情報取得部１０１が取得をする付帯情報のうち、撮像条件は、撮像時の条件に関する複数の項目を含む情報であり、例えば、造影剤使用の有無、スライス厚といった情報である。なお、撮像条件は、撮像装置特有の条件に関する情報を含んでいてもよい。例えば、医用画像データを撮像した撮像装置がＣＴ装置であれば、縦郭条件、肺野条件といった医用画像データ表示時のウィンドウレベル、ウィンドウ幅を示す情報、撮像装置がＭＲＩ装置であれば、Ｔ１、Ｔ２、ＦＬＡＩＲといった撮像シーケンスを示す情報を含んでいてもよい。

推論器情報取得部１０２は、通信ネットワーク１０４を介して接続されたデータベース１０５から推論器に関する情報を取得する。ここで、推論器に関する情報とは、推論器を学習する際の教師データに関連する情報であって、該教師データを構成する正解ラベルに関連する疾患名および／または推論器の学習に用いられた正解画像データに関する情報である。データベース１０５には、複数の推論器のそれぞれの推論器に関してモデル情報と上述の推論器に関する情報が対応付けて記憶され、それらの情報を所望のタイミングで取得することができる。ここで、推論器のモデル情報は、推論器が推論を実行するのに必要な情報を指す。例えば、ニューラルネットワークを推論手法とする推論器であれば、ネットワークの構造と重みの情報である。なお、図１においてデータベース１０５は通信ネットワークを介して接続されているが、これに限らず、情報処理装置１００が推論器に関する情報を取得できる媒体であればよい。例えば、情報処理装置１００に物理的に紐づけられたハードディスクのストレージ領域などであってもよい。

推論器選択部１０３は、推論器情報取得部１０２で取得した複数の推論器の中から推論器判定部１０６による判定結果を受けて一つの推論器を選択する。

推論器判定部１０６は、医用画像データの付帯情報取得部１０１で取得した付帯情報と推論器選択部１０３で取得した推論器に関する情報に基づいて、推論対象の医用画像データに対して推論器のそれぞれが推論を行う推論器に適しているか否かを判定し、推論器選択部１０３に対して判定結果を送信する。

図２は情報処理装置１００におけるハードウェア構成の一例を示す図である。ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）２０１は、主として各構成要素の動作を制御する。主メモリ２０２は、ＣＰＵ２０１が実行する制御プログラムを格納したり、ＣＰＵ２０１によるプログラム実行時の作業領域を提供したりする。磁気ディスク２０３は、ＯＳ（Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍ）、周辺機器のデバイスドライバ、後述する処理等を行うためのプログラムを含む各種アプリケーションソフトを実現するためのプログラムを格納する。ＣＰＵ２０１が主メモリ２０２、磁気ディスク２０３等に格納されているプログラムを実行することにより、図１に示した情報処理装置１００の機能（ソフトウェア）及び後述するフローチャートにおける処理が実現される。

表示メモリ２０４は、表示用データを一時記憶する。モニタ２０５は、例えばＣＲＴモニタや液晶モニタ等であり、表示メモリ２０４からのデータに基づいて画像データやテキスト等の表示を行う。マウス２０６及びキーボード２０７は、ユーザによるポインティング入力及び文字等の入力を夫々行う。上記各構成要素は、共通バス２０８により互いに通信可能に接続されている。

ＣＰＵ２０１はプロセッサの一例に相当する。画像データ処理装置１００は、ＣＰＵ２０１に加えて、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）の少なくともいずれかを有していてもよい。また、ＣＰＵ２０１に代えて、ＧＰＵやＦＰＧＡの少なくともいずれかを有していてもよい。主メモリ２０２、磁気ディスク２０３はメモリの一例に相当する。

次に図３を用いて、本実施形態における情報処理装置１００の処理フローを説明する。

ステップＳ３０１において、付帯情報取得部１０１は、推論対象の医用画像データにおける付帯情報を取得する。付帯情報取得１０１による推論対象の医用画像データに対応する付帯情報は、例えばＤＩＣＯＭヘッダを用いて取得される。ＤＩＣＯＭヘッダには、４桁の数字のペアをタグとして各項目に対応する情報を記載することが定められている。そのため、付帯情報取得部１０１は所定のタグの情報を参照することで、前述した付帯情報を取得することができる。具体的には、（０００８、００６０）タグには撮像装置の種別、（００１８、００１５）には検査部位の情報が記録されている。また、（００１８、１０４６）タグには造影流量、（００１８、１０４７）には造影剤流れ期間の情報が記載されており、造影剤の投与のありなしを判定することができる。

図４（Ａ）を用いて、付帯情報取得部１０１が取得した推論対象の医用画像データに付帯する付帯情報の例として、ＣＴ装置を用いて、造影剤の投与を行わずに被検体の胸部を撮影した医用画像データに対応する付帯情報の例を示す。尚、付帯情報取得部１０１が取得をする付帯情報はＤＩＣＯＭヘッダ情報から取得する場合に限らず、医用画像データに対応付けられたテキストファイルから取得してもよい。

ステップＳ３０２において、推論器情報取得部１０２は、データベース１０５から推論器に関する情報を取得する。推論器情報取得部１０２が取得した推論器に関する情報の例を図４（Ｂ）に示す。図４（Ｂ）の複数の推論器に関するそれぞれの情報は、複数の推論器のそれぞれを学習する際の教師データに関する情報を示している。それぞれの情報の対象疾患名は例えば教師データを構成する情報のうち、正解ラベルに関連する情報であり、撮像装置の種別や、撮像部位、撮像条件、造影剤の有無、スライス厚等は、正解画像データに関連する情報である。推論器を学習する際には、例えば、該正解ラベルに関連する情報と、正解画像データとを対にした教師データを用いる。

ステップＳ３０３において、推論器選択部１０３は、Ｓ３０２で取得した図４（Ｂ）推論器に関する情報の中から一つを選択し、推論器判定部１０６に送信する。

ステップＳ３０４からＳ３０６において、推論器判定部１０６は、Ｓ３０１で取得された推論対象の医用画像データにおける付帯情報とＳ３０３で推論器選択部１０３によって送信された推論器情報に基づいて、推論器に関する情報が示す推論器が推論対象の医用画像データの推論に適しているかを判定する。

まず、ステップＳ３０４において、推論器判定部１０６は推論器に関する情報および付帯情報を構成する項目のうち撮像装置が一致するか否かを判定する。

次に、ステップＳ３０５において、推論器判定部１０６は推論器に関する情報および付帯情報を構成する項目のうち撮像部位が一致するか否かを判定する。

次に、ステップＳ３０６において、推論器判定部１０６は推論器に関する情報および付帯情報を構成する項目のうち造影剤使用の有無が一致するかを判定する。

以上のように、推論器判定部１０６は、推論対象の医用画像データの付帯情報と推論器に関する情報の個々の項目に入力された情報が同じであるか否かを順に判定し、全て一致する場合、ステップＳ３０７に進む。いずれかの項目が一致しない場合、ステップＳ３０８に進む。尚、推論器判定部１０６によって判定する項目は、撮像装置、撮像部位、造影剤有無等の内、いずれか一つを用いて判定がされてもよいし、判定する項目をユーザが選択し、選択された項目に対して判定が行われてもよい。

ステップＳ３０７において、推論器判定部１０６は、Ｓ３０３で推論器選択部１０３によって送信された推論器に関する情報を推論器選択部１０３への出力候補として記憶する。

ステップＳ３０８において、推論器選択部１０３は、ステップＳ３０４からＳ３０６の判定を実施していない推論器に関する情報が存在するかを判定する。存在する場合、ステップＳ３０３に戻る。存在しない場合、ステップＳ３０９に進む。

ステップＳ３０９において、推論器選択部１０３は、ステップＳ３０７で推論器判定部１０６によって項目間が一致すると判定された推論器に関する情報を取得し、複数の推論器から推論対象の医用画像データを推論するための推論器を選択する。

図５に、図４（Ａ）に示す推論対象の医用画像データの付帯情報および図４（Ｂ）に示す推論器に関する付帯情報に基づいて、推論器選択部１０３によって選択された付帯情報が完全に一致する推論器の情報の例を示す。

以上、本実施形態によれば、複数の推論器が選択可能な場合に、推論対象の医用画像データに適した推論器をユーザの負担を軽減しながら選択することができる。

（実施形態１の変形例１）
本実施形態において、推論器判定部１０６は、医用画像データの付帯情報のうち、撮像装置、撮像部位および造影剤使用の有無の項目が一致するか否かを判定しているが、判定のために照らし合わせる情報は、それらに限定しない。例えば、推論器判定部１０６が判定するための項目としてスライス厚や、ウィンドウレベル、ウィンドウ幅など他の付帯情報を加えてもよいし、取得した付帯情報を構成する項目のうち、どの情報を照らし合わせるかをあらかじめ設定できてもよい。

（実施形態１の変形例２）
本実施形態において、推論器判定部１０６は、ステップＳ３０４からＳ３０６において、付帯情報を構成する各項目が一致するか否かを判定しているが、一致するかの判定において、項目間の情報が完全に一致する方法に限定されるものではない。

例えば、撮像部位のように項目に対して入力される情報が文字列情報である場合に、推論器判定部１０６は特定の文字列に対して一致するとみなすマップをあらかじめ用意しておき、マップを参照することで一致するか否かを判定してもよい。

具体的には、推論器判定部１０６によって比較をする項目が撮像部位の情報の場合に参照するマップの一例を図６に示す。図６におけるマップは、推論対象の医用画像データの付帯情報のひとつである撮像部位の項目における情報と推論器に関する情報のひとつである撮像部位の項目における情報を照らし合わせた際に、一致すると判定するための情報の対応を丸印で示している。

例えば、推論器判定部１０６によって図６のマップを参照すると、推論対象の医用画像データに関する撮像部位の項目における情報が胸腹部であって、推論器に関する情報を構成する項目のひとつである撮像部位の項目における情報が胸部や腹部であった場合にも、付帯情報が一致すると判定される。これにより、胸腹部を撮像した医用画像データを推論したい場合に、推論器判定部１０６は胸部あるいは腹部を対象とした推論器を一致すると判定でき、推論器判定部１０６による判定結果を受けて、推論器選択部１０３は複数の推論器から適切な推論器をユーザの手間を削減しながら選択することができる。文字列間の関係を示すマップを用いる方法は、撮像部位の胸部、腹部といった情報のように限られた単語を照らし合わせる場合に特に有効である。

推論器判定部１０６によって判定を行う項目が例えばスライス厚やウィンドウレベルであって、項目に対して入力される情報が数値情報の場合には、推論器判定部１０６によって一致すると判定する数値の範囲を予め定めておいてもよい。例えば、推論器判定部１０６は推論対象の医用画像データの付帯情報のひとつであるスライス厚の項目に対して入力された情報が３ｍｍであった場合に、推論器に関する情報のひとつであるスライス厚の項目に入力された情報が２ｍｍから４ｍｍの前後１ｍｍの範囲であれば、スライス厚の項目間に入力されている情報が一致すると判定する。

また、推論器判定部１０６によって付帯情報が一致するかを判定する方法は、項目ごとに異なっていても、項目に入力される情報の形態によって設定されていてもよい。さらに、項目間の情報が一致するかを判定するためにあらかじめ設定されるマップや、閾値、数値の範囲といった条件等は、推論器ごとに設定されてもよい。

＜実施形態２＞
実施形態１では、推論器選択部１０３における推論器判定部１０６が付帯情報取得部１０１によって取得された推論対象の医用画像データの付帯情報と、推論器情報取得部１０２によって取得された推論器に関する情報とのそれぞれの項目に入力された情報を照らし合わせて、それぞれの項目が一致する場合に、推論器選択部１０３が一致した推論器を複数の推論器から選択をすることで当該医用画像データを推論する推論器として選択する方法について説明をした。

本実施形態では、推論器判定部１０６によって推論対象の医用画像データの付帯情報を構成する項目と、推論器に関する情報を構成する項目との一致度を算出し、一致度に基づいて推論器選択部１０３は推論対象の医用画像データを推論する推論器を選択する。推論器判定部１０６は、算出された一致度に対して閾値を適用し、推論器が推論対象の医用画像に対して適切か否かを判定する。

図７を用いて、情報処理装置１００において推論器が適しているかを判定し、判定結果を受けて推論対象の医用画像に対して適用する推論器を複数の推論器から選択するまでの処理フローについて説明する。

ステップＳ７０１、Ｓ７０２およびＳ７０３は、実施形態１における図３のフローチャートにおけるステップＳ３０１、Ｓ３０２およびＳ３０３と同様であるため、説明を省略する。

ステップＳ７０４において、推論器判定部１０６は、撮像装置や撮像部位など、付帯情報および推論器に関する情報を構成する各項目に対する一致度ｒｉｊ（ｊ＝１、．．．、ｎ）を算出する。ｊは各項目に対して割り当てられたインデックス番号、ｎは項目の数である。推論器判定部１０６によって算出される各項目の一致度ｒｉｊは、例えば、項目間の情報が完全に一致する場合はｒｉｊ＝１、一致しない場合はｒｉｊ＝０とする。ここで、項目ｊに入力されている情報が文字列情報の場合、推論器判定部１０６は実施形態１において説明した類似度を一致度としてもよい。また、項目ｊに入力されている情報が数値情報の場合は、推論器判定部１０６は項目間の数値の差の絶対値を算出し一致度としてもよい。項目間の数値情報の差の絶対値から一致度を算出する場合には、推論器判定部１０６によって算出される項目間の一致度ｒｉｊは、推論対象の医用画像データの付帯情報の項目ｊの数値をｘｊ、推論器ｉの推論器に関する情報の項目ｊの数値をｙｉｊとして式１により算出される。

ここで、ｍａｘは、ｘｊおよびｙｉｊ（ｉ＝１、．．．、Ｎ）における最大値、ｍｉｎは最小値を示す。

例として、スライス厚の項目に関して、推論対象の医用画像データの付帯情報におけるスライス厚の項目に入力された数値情報が１．５ｍｍであった場合の推論器判定部１０６によるスライス厚の項目に対する一致度の算出方法を示す。

例えば、複数の推論器が３つ推論器（ｉ＝１、２、３）から構成され、それぞれの推論器に関する情報を構成するスライス厚の項目に入力された情報が１．０ｍｍ、１．５ｍｍ、３．０ｍｍであった場合に、推論器判定部１０６によって当該項目における一致度はそれぞれｒ１ｊ＝０．７５、ｒ２ｊ＝０．００、ｒ３ｊ＝０．２５と算出される。

ステップＳ７０５において、推論器判定部１０６は、推論対象の医用画像の付帯情報と推論器に関する情報の情報間の一致度Ｒｉ（ｉ＝１、．．．、Ｎ）を算出する。ここで、ｉは推論器に対して割り当てられたインデックス番号、Ｎは入力推論器の数である。Ｒｉは、式２に示すように、ステップＳ７０４で算出された推論器判定部１０６による各項目ｊの一致度ｒｉｊ（ｊ＝１、．．．、ｎ）の和を取ることによって算出する。

図８に、図４（Ａ）に示す推論対象の医用画像データの付帯情報および図４（Ｂ）に示す推論器に関する情報を用いて、推論器判定部１０６が式（２）に基づいて各推論器の付帯情報の一致度を算出した例を図８に示す。図８（Ｃ）は、推論器判定部１０６によって各項目の一致度を算出した結果である。なお、推論器判定部１０６におけるスライス厚の項目に関する一致度は、式（１）に基づいて算出している。また図８（Ｃ）の結果を用いて推論器判定部１０６が式（２）に基づいて、推論対象の医用画像に付帯する付帯情報と、推論器に関する情報との情報間の一致度を算出した結果が図８（Ｄ）である。

ステップＳ７０６において、推論器判定部１０６は、図８（Ｄ）に示したように算出された一致度に対して閾値を設け、算出された一致度が該設定された閾値以上か否かを判定することによって、推論器が入力の医用画像データに適しているか否かを判定する。そして推論器判定部１０６によって判定された結果を受けて、推論器選択部１０３によって複数の推論器のうち、推論対象の医用画像を推論する推論器を選択する。

なお、推論器判定部１０６で用いる閾値は、ユーザにより任意に設定できるものとする。例えば、図８（Ｄ）の算出結果において閾値を０．７とした場合、推論器判定部１０６によって推論器２、４が推論対象の医用画像データに適していると判定される。

ステップＳ７０７、Ｓ７０８およびＳ７０９は、実施形態１におけるステップＳ３０７、Ｓ３０８およびＳ３０９と同様であるため、説明を省略する。

以上、本実施形態によれば、推論器判定部１０６によって推論対象の医用画像の付帯情報と推論器に関する情報との一致度を算出し、算出された一致度に対して閾値を適用して推論器に関する情報が示す推論器が推論対象の医用画像データに適しているか否かを判定することで、推論器選択部１０３が疾患を推論する複数の推論器のうち、柔軟に推論器を選択することが可能となる。

＜実施形態３＞
実施形態２では、推論器判定部１０６によって付帯情報の一致度を算出し、算出された一致度に対して閾値を適用することで推論器に関する情報が示す推論器が推論対象の医用画像データに適しているか否かを判定する方法を説明した。

本実施形態では、推論器判定部１０６は付帯情報の項目ごとの優先度を考慮して一致度を算出し、算出された一致度に基づいて推論器選択部１０３が複数の推論器から推論対象の医用画像を推論する推論器を選択する方法を説明する。本実施形態において、推論器選択部１０３は、項目に関して重みを設定し、各項目の一致度と項目に対する重みに基づいて推論器を選択する。

本実施形態における処理フローは、実施形態２と同様である。ただし、ステップＳ７０５における推論対象の医用画像の付帯情報と、推論器に関する情報との情報間の一致度Ｒｉの算出方法が異なる。

本実施形態では、推論器判定部１０６による情報間の一致度Ｒｉの算出において、両情報を構成する各項目ｊに対して重みを設定し、加重和を算出する。推論器判定部１０６により算出される情報間の一致度Ｒｉは、項目ｊに対する重みをｗｊ（ｊ＝１、．．．、ｎ）とし、式（３）により算出される。なお、重みｗｊは和が１になるように設定されているものとする。

推論器判定部１０６において算出する項目ごとに対する重みとして、例えば、両情報を構成する項目である装置種別、撮像部位、造影剤の有無、スライス厚に対して、重みをｗ＝［０．５、０．２、０．２、０．１］のように設定する。推論器判定部１０６において設定された項目ごとの重み、および図８（Ｃ）に示す各項目の一致度に基づいて、推論器の一致度を算出した例を図９に示す。

実施形態２のステップＳ７０６と同様に、推論器判定部１０６によって図９（Ｅ）のように算出された情報の一致度に対して閾値を設け、算出された一致度が閾値以上か否かを判定することによって、推論器に関する情報が示す推論器が推論対象の医用画像データの推論に適しているか否かを判定する。図９（Ｅ）の算出結果において、推論器判定部１０６によって適用する閾値を０．７とした場合、推論器２、４および５が推論対象の医用画像データに対して推論を行う推論器に適していると判定される。

以上、本実施形態によれば、推論器判定部１０６によって各項目の優先度を考慮して一致度を算出することにより、推論器選択部１０３は、項目ごとの重要度に応じて、疾患を推論する複数の推論器のうち推論致傷の医用画像データに適用する推論器を選択することができる。

＜実施形態４＞
実施形態１、２、３では、推論対象の医用画像データの付帯情報と、推論器に関する情報とを利用して、適切な推論器を選択する方法を説明した。

本実施形態では、付帯情報取得部１００１はさらに被検体に関する情報を取得し、取得した被検体に関する情報を疾患予測部に送信する。そして疾患予測部は取得した被検体に関する情報に基づいて疾患候補を予測し、推論器選択部１００３はさらに疾患予測部による予測結果を踏まえて、複数の推論器から適切な推論器を選択する。

まず、本実施形態における本発明の構成について図１０を用いて説明する。情報処理装置１０００は、実施形態１で説明した構成に加えて被検体に関する情報から疾患の候補を予測する疾患予測部１００５を有する。また、情報処理装置１０００は、通信ネットワーク１００６を介してデータベース１００７、医用情報システム１００８と接続されている。なお、病院情報システム（ＨＩＳ：Ｈｏｓｐｉｔａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｓｙｓｔｅｍ）、電子カルテシステムなど、病院で使用されるシステムを総称して医用情報システム１００８と称している。

推論器情報取得部１００２に関しては、実施形態１と同様であるため説明を省略する。

推論対象の医用画像データの付帯情報取得部１００１では、通信ネットワーク１００６を介して接続された医用情報システム１００８よりさらに被検体情報を取得する。ここで、付帯情報取得部１００１が取得する被検体情報とは例えば問診情報あるいは電子カルテに記載された情報を指す。なお、付帯情報取得部１００１における被検体情報の取得先のシステムとして、病院情報システムおよび電子カルテシステムを例示しているが、被検体情報が取得可能であれば、情報の取得先はそれらのシステムに限らない。

疾患予測部１００５は、付帯情報取得部１００１がさらに取得した被検体情報に基づいて、疾患候補を予測する。

推論器判定部１００４は、医用画像データの付帯情報取得部１００１で取得した付帯情報と推論器選択情報取得部１００２が取得した推論器に関する情報および疾患予測部１００５で予測結果である疾患候補に基づいて、推論器に関する情報が示す推論器が推論対象の医用画像データの推論を行う推論器として適しているか否かを判定する。

以上、実施形態４における本発明の情報処理装置１０００の構成である。

次に、図１１を用いて、本実施形態における情報処理装置１０００の処理フローを説明する。

ステップＳ１１０１において、付帯情報取得部１００１は、推論対象の医用画像に付帯する付帯情報を取得する。

ステップＳ１１０２で推論器情報取得部１００２によって、推論器に関する情報を取得するまでは、実施形態１、２、３と同様である。

ステップＳ１１０３において、付帯情報取得部１００１は、さらに医用情報システム１００８からさらに被検体情報を取得する。付帯情報取得部１００１が取得する被検体情報として、被検体の問診情報または電子カルテあるいはそれらの両方を医用情報システム１００８より取得する。具体的には、ＤＩＣＯＭヘッダには被検体名、被検体ＩＤといった項目が記載されており、それらを用いて医用情報システム１００８を構成する例えば電子カルテシステムといった各システムのデータベースに問い合わせることで、該当する被検体の情報を取得することができる。

ステップＳ１１０４において、疾患予測部１１０５は、ステップＳ１１０３で付帯情報取得部１００１が取得した被検体情報である問診情報または電子カルテの情報もしくはそれら両方の情報に基づいて疾患候補を予測する。ここで、ステップＳ１１０４では、疾患予測部１１０５による予測結果における疾患候補として、可能性のある疾患名がリストアップされればよく、リストアップする手段は上記で説明した手段に問わない。例えば、付帯情報取得部１００１が取得した被検体情報が問診情報の場合、問診の回答内容に対してあらかじめ登録した規則に照らし合わせて疾患候補を決定してもよいし、問診の回答内容に基づいて機械学習等の公知技術によって推定してもよい。規則に基づいて疾患候補をリストアップする場合、例えば、症状に胸痛が含まれた場合は気胸と大動脈解離を疾患候補として追加するといったように設定する。また、電子カルテの場合、既往歴の情報を抽出し、疾患候補に加える。さらに、既往歴から他の合併症の可能性のある疾患を辞書のようなルールベースあるいは機械学習によって予測して、疾患候補として加えてもよい。以上により、図１２（Ａ）に示すように推論対象の医用画像データの付帯情報に対して、対象疾患名にステップＳ１１０４で予測した疾患候補の情報が追加される。

ステップＳ１１０５において、推論器選択部１００３は、Ｓ１１０２で取得した推論器に関する情報の中から一つを選択する。

ステップＳ１１０６において、推論器判定部１００４はＳ１１０５で選択した推論器情報の対象疾患名が、Ｓ１１０４で予測した疾患候補に含まれるかを判定する。推論器判定部１００４によって含まれると判定された場合、ステップＳ１１０７に進む。推論器判定部１００４により含まれないと判定された場合、ステップＳ１１１１に進む。

ステップＳ１１０７からＳ１１１２は、実施形態１におけるステップＳ３０４からＳ３０９と同様であるため説明を省略する。なお、ステップＳ１１０７からステップＳ１１１２の処理フローは、実施形態２のステップＳ７０５からステップＳ７０９で置き換えられてもよい。

以上、本実施形態によれば、付帯情報取得部１００１がさらに被検体に関する情報を取得し、取得した被検体に関する情報に基づいて疾患予測部１００５が疾患候補を予測することで、推論器判定部１００４は、推論対象の医用画像を推論する推論器が適切かどうかを判定でき、さらに推論器判定部１００４による判定結果を受けて、推論器選択部１００３複数推論器のうち、推論対象の医用画像を推論するのに適切な推論器を選択することができる。

（その他の実施例）
また、本発明は、以下の処理を実行することによっても実現される。即ち、上述した実施形態の機能を実現するソフトウェア（プログラム）を、ネットワーク又は各種記憶媒体を介してシステム或いは装置に供給し、そのシステム或いは装置のコンピュータ（またはＣＰＵやＭＰＵ等）がプログラムを読み出して実行する処理である。

Claims (12)

1. 複数の推論器を構成するそれぞれの推論器に関する情報を取得する推論器情報取得部と、
   被検体を撮像して得られた推論対象の医用画像データに付帯する付帯情報を取得する付帯情報取得部と、
   前記推論器に関する情報と前記付帯情報とに基づいて、前記複数の推論器のうち前記推論対象の医用画像データに適用する推論器を選択する推論器選択部と、
   を有することを特徴とする情報処理装置。
2. 前記推論器情報取得部によって取得される前記推論器に関する情報は、前記それぞれの推論器の学習に用いられた教師データに関する情報であることを特徴とする請求項１に記載の情報処理装置。
3. 前記推論器情報取得部は前記教師データに関する情報として、正解画像データに関する情報を取得することを特徴する請求項２に記載の情報処理装置。
4. 前記付帯情報および前記推論器に関する情報は、撮像装置の種別、撮像部位、撮像条件の少なくとも一つを含む情報であることを特徴とする請求項１乃至３のいずれか一項に記載の情報処理装置。
5. 前記推論器選択部は、前記推論器に関する情報を構成する項目と、前記推論対象の医用画像データに付帯する付帯情報を構成する項目との一致度を算出し、算出した一致度に基づいて前記推論対象の医用画像データに適用する推論器を選択することを特徴とする請求項１乃至４のいずれか一項に記載の情報処理装置。
6. 前記推論器選択部は、前記項目に対して重みを設定し、前記項目間の一致度と前記項目に対する重みとに基づいて前記推論器を選択することを特徴とする請求項５に記載の情報処理装置。
7. 前記推論器情報取得部は、さらに前記教師データに関する情報として正解ラベルに関連する疾患名を取得することを特徴とする請求項２または３のいずれか一項に記載の情報処理装置。
8. 前記付帯情報取得部は、前記被検体に関する情報をさらに取得し、
   前記被検体に関する情報から前記被検体の疾患名を予測する疾患予測部をさらに有し、
   前記推論器選択部は、前記疾患予測部による予測結果として前記被検体の疾患候補を取得することを特徴とする請求項７に記載の情報処理装置。
9. 前記推論器選択部は、前記推論器情報取得部によって取得された前記正解ラベルに関連する疾患名と、前記付帯情報取得部によって取得された被検体の疾患候補とに基づいて一致度を算出し、算出した一致度に基づいて前記複数の推論器のうち前記推論対象の医用画像データに適用する推論器を選択することを特徴とする請求項８に記載の情報処理装置。
10. 前記付帯情報取得部がさらに取得する前記被検体に関する情報は、前記被検体の問診情報および電子カルテの情報のいずれかの情報を含む情報であることを特徴とする請求項８に記載の情報処理装置。
11. 複数の推論器を構成するそれぞれの推論器に関する情報を取得する推論器情報取得ステップと、
    被検体を撮像して得られた推論対象の医用画像データに付帯する付帯情報を取得する付帯情報取得ステップと、
    前記推論器に関する情報と前記付帯情報とに基づいて、前記複数の推論器のうち前記推論対象の医用画像データに適用する推論器を選択する推論器選択ステップと、
    を有することを特徴とする情報処理方法。
12. 請求項１１に記載の情報処理方法をコンピュータで実行するためのプログラム。
    
    

Images