JP2023014455A - 情報処理装置、情報処理方法、および、コンピュータプログラム - Google Patents

Abstract

【課題】患者負担を軽減し、鏡視下手術の際に視野が狭くなることを抑制し、かつ、精度良く肺漏を検出する情報処理装置、情報処理方法、プログラム及び記録媒体を提供する。【解決手段】肺の画像から肺漏を検出するための情報処理装置は、肺の画像である対象画像を取得する対象画像取得部と、肺漏検出モデルを取得するモデル取得部と、検出実行部と、を備える。肺漏検出モデルは、複数の肺の画像と、複数の肺の画像のそれぞれにおける肺漏部位を示す肺漏情報と、が対応付けられた訓練データを用いた深層学習により生成されたモデルである。検出実行部は、対象画像と、肺漏検出モデルとを用いて、対象画像における肺漏部位を特定する肺漏検出を実行し、肺漏検出の結果を出力する。【選択図】図１

Description

本明細書に開示される技術は、肺の画像から肺漏を検出するための情報処理装置等に関する。

例えば気胸や肺切除の合併症の１つとして、肺漏（肺瘻）がある。肺漏は、肺の表面が損傷し、空気が肺実質内から胸腔内へ漏れている状態である。肺漏の治療方法としては、手術を含めて種々の方法があるが、肺漏部位を特定することが治療の第１歩である。

従来、肺漏部位の特定は、リーク試験により実施されている。リーク試験は、胸腔内に水（生理食塩水）を注入した後、肺に空気を送り込んで膨らまし、肺の表面において気泡が漏れているところを探すことにより、肺漏部位を特定する試験である（例えば、非特許文献１参照）。

上田和弘、「胸腔鏡補助下肺癌手術における吸収性メッシュとフィブリン接着剤を用いた肺瘻閉鎖の有用性」、山口医学、２０１０年、第５９巻、第４号、１６１頁～１６５頁

肺漏部位特定のためのリーク試験は、全身麻酔下で行う必要があるため、患者負担が大きく、また、圧力のかけ方によっては肺漏を検出することができないことがあるため、肺漏検出精度に向上の余地があり、さらに、肺を膨らませる必要があるため、鏡視下手術の際の視野確保が困難である、という課題がある。

本明細書では、上述した課題を解決することが可能な技術を開示する。

本明細書に開示される技術は、例えば、以下の形態として実現することが可能である。

（１）本明細書に開示される情報処理装置は、肺の画像から肺漏を検出するための情報処理装置であって、対象画像取得部と、モデル取得部と、検出実行部とを備える。対象画像取得部は、肺の画像である対象画像を取得する。モデル取得部は、肺漏検出モデルを取得する。肺漏検出モデルは、複数の肺の画像と、前記複数の肺の画像のそれぞれにおける肺漏部位を示す肺漏情報と、が対応付けられた訓練データを用いた深層学習により生成されたモデルである。検出実行部は、前記対象画像と、前記肺漏検出モデルとを用いて、前記対象画像における肺漏部位を特定する肺漏検出を実行し、前記肺漏検出の結果を出力する。

本情報処理装置によれば、肺の画像である対象画像と、深層学習により生成された肺漏検出モデルとを用いて、対象画像における肺漏部位を特定する肺漏検出を実行し、肺漏検出の結果を出力することができる。すなわち、本情報処理装置によれば、肺の画像である対象画像を取得しさえすれば、それ以外に肺に対する何らかの処置を実行することなく、肺漏検出を実現することができる。そのため、本情報処理装置によれば、従来のリーク試験による肺漏検出のように全身麻酔を必須とせず、局所麻酔下において胸腔鏡を用いた撮影により生成・取得された対象画像を用いて肺漏を検出することができ、患者負担を軽減することができる。また、本情報処理装置によれば、従来のリーク試験による肺漏検出のように肺に圧力をかける必要がないため、圧力のかけ方に起因して肺漏の検出漏れが発生することを抑制することができ、肺漏検出精度を向上させることができる。また、本情報処理装置によれば、従来のリーク試験による肺漏検出のように肺を膨らませる必要がなく、肺を虚脱させた状態で肺を撮影することにより生成・取得された対象画像を用いて肺漏を検出することができるため、鏡視下手術の際に視野が狭くなることを抑制することができる。

なお、Ｘ線画像を用いた病態スクリーニングや消化器官を対象とした内視鏡カメラ画像内の病変検出について、機械学習を用いた診断が行われることがある。しかしながら、このような機械学習を用いた診断は、従来、専門家が画像を目視することにより行っていた診断を、機械学習を用いて自動化するものである。一方、上述したように、肺漏の検出は、一貫してリーク試験により実行されており、肺の画像から肺漏を検出するという技術的思想は何ら知られていない。本願発明者は、鋭意研究を重ねることにより、肺の画像から肺漏を検出するという技術的思想に着眼し、さらに、肺の画像から肺漏を検出するための具体的手段を構築することによって、本願発明を完成するに至った。このように、本願発明は、従来技術ではまったく想定されていない肺の画像から肺漏を検出するという技術的思想を用いたものであり、従来技術から容易に想到できるものではない。

（２）上記情報処理装置において、さらに、前記訓練データを取得する訓練データ取得部を備え、前記モデル取得部は、前記訓練データを用いた前記深層学習によって前記肺漏検出モデルを作成することにより、前記肺漏検出モデルを取得する構成としてもよい。本情報処理装置によれば、他の装置を用いずとも肺漏検出モデルを取得することができ、該モデルを用いて対象画像からの肺漏検出を実行することができる。

（３）上記情報処理装置において、前記肺漏情報は、肺漏の程度を示す情報を含み、前記検出実行部の実行する前記肺漏検出は、前記対象画像の各肺漏部位における肺漏の程度を特定する処理を含む構成としてもよい。本情報処理装置によれば、対象画像を取得するだけで肺漏部位における肺漏の程度を把握することができ、肺漏の治療のためのより有用な情報を得ることができる。

（４）上記情報処理装置において、前記対象画像取得部は、撮像装置により撮像された肺の動画像を前記対象画像としてリアルタイムで取得する構成としてもよい。本情報処理装置によれば、患者の肺の動画像を撮像しつつ、リアルタイムで肺漏検出を行うことができ、肺漏の診断や治療を効率よく実行することができる。

なお、本明細書に開示される技術は、種々の形態で実現することが可能であり、例えば、情報処理装置、情報処理方法、それらの方法を実現するコンピュータプログラム、そのコンピュータプログラムを記録した一時的でない記録媒体等の形態で実現することができる。

本実施形態における情報処理装置１００の概略構成を示す説明図 本実施形態における肺漏検出モデル取得処理を示すフローチャート 訓練データＴＤの一例を模式的に示す説明図 肺漏検出モデルＭＯの一例を概念的に示す説明図 本実施形態における肺漏検出処理を示すフローチャート

Ａ．実施形態：
Ａ－１．情報処理装置１００の構成：
図１は、本実施形態における情報処理装置１００の概略構成を示す説明図である。情報処理装置１００は、肺の画像から肺漏を検出するためのコンピュータ（ＰＣ、サーバ等）である。なお、本明細書において、肺の画像からの肺漏の検出とは、該画像により表された肺における肺漏部位を特定することを意味する。また、本実施形態では、肺の画像からの肺漏の検出は、肺漏の程度を特定することを含む。

情報処理装置１００は、制御部１１０と、記憶部１２０と、表示部１３０と、操作入力部１４０と、インターフェース部１５０とを備える。これらの各部は、バス１９０を介して互いに通信可能に接続されている。

情報処理装置１００の表示部１３０は、例えば液晶ディスプレイ等により構成され、各種の画像や情報を表示する。また、操作入力部１４０は、例えばキーボードやマウス、ボタン、マイク等により構成され、管理者の操作や指示を受け付ける。なお、表示部１３０がタッチパネルを備えることにより、操作入力部１４０として機能するとしてもよい。また、インターフェース部１５０は、例えばＬＡＮインターフェースやＵＳＢインターフェース等により構成され、有線または無線により他の装置との通信を行う。

情報処理装置１００の記憶部１２０は、例えばＲＯＭやＲＡＭ、ハードディスクドライブ（ＨＤＤ）等により構成され、各種のプログラムやデータを記憶したり、各種のプログラムを実行する際の作業領域やデータの一時的な記憶領域として利用されたりする。例えば、記憶部１２０には、後述する肺漏検出モデル取得処理や肺漏検出処理を実行するためのコンピュータプログラムである肺漏検出プログラムＣＰが格納されている。肺漏検出プログラムＣＰは、例えば、ＣＤ－ＲＯＭやＤＶＤ－ＲＯＭ、ＵＳＢメモリ等のコンピュータ読み取り可能な記録媒体（不図示）に格納された状態で提供され、情報処理装置１００にインストールすることにより記憶部１２０に格納される。

また、情報処理装置１００の記憶部１２０には、後述する肺漏検出モデル取得処理や肺漏検出処理の実行中に、訓練データＴＤと、肺漏検出モデルＭＯと、対象画像Ｉｏと、肺漏検出結果データＲＤとが格納される。これらの情報の内容については、後述する肺漏検出モデル取得処理および肺漏検出処理の説明に合わせて説明する。

情報処理装置１００の制御部１１０は、例えばＣＰＵ等により構成され、記憶部１２０から読み出したコンピュータプログラムを実行することにより、情報処理装置１００の動作を制御する。例えば、制御部１１０は、記憶部１２０から肺漏検出プログラムＣＰを読み出して実行することにより、後述の肺漏検出モデル取得処理および肺漏検出処理を実行するための訓練データ取得部１１２と、モデル取得部１１４と、対象画像取得部１１５と、検出実行部１１６として機能する。これら各部の機能については、後述の肺漏検出モデル取得処理および肺漏検出処理の説明に合わせて説明する。

Ａ－２．肺漏検出モデル取得処理：
次に、本実施形態の情報処理装置１００により実行される肺漏検出モデル取得処理について説明する。図２は、本実施形態における肺漏検出モデル取得処理を示すフローチャートである。肺漏検出モデル取得処理は、肺の画像から肺漏を検出するために用いられる学習モデルである肺漏検出モデルＭＯを取得する処理である。本実施形態では、情報処理装置１００は、所定の深層学習によって肺漏検出モデルＭＯを作成することにより、肺漏検出モデルＭＯを取得する。肺漏検出モデル取得処理は、ユーザが情報処理装置１００の操作入力部１４０を操作して開始指示を入力したことに応じて開始される。

肺漏検出モデル取得処理では、はじめに、情報処理装置１００の訓練データ取得部１１２（図１）が、訓練データＴＤを取得する（Ｓ１１０）。訓練データＴＤは、インターフェース部１５０を介して取得され、記憶部１２０に格納される。

図３は、訓練データＴＤの一例を模式的に示す説明図である。訓練データＴＤは、肺を撮影することにより生成された複数の肺の画像である訓練用画像データＩｔ（Ｎ）と、各訓練用画像データＩｔ（Ｎ）により表される肺における肺漏部位および肺漏の程度を示す肺漏情報と、が対応付けられたデータである。すなわち、図３に示すように、訓練データＴＤは、各訓練用画像データＩｔ（Ｎ）について、肺漏部位を取り囲む矩形領域（以下、「肺漏領域Ｒｘ」という。）を特定する情報（例えば、肺漏領域Ｒｘの左上点および右下点の座標を特定する情報）と、予め設定された複数段階の肺漏の程度（例えば、最も重度な「重」、中間程度の「中」、最も軽度な「軽」の３段階の程度）のうちの１つを特定する情報とを含んでいる。図３の例では、訓練データＴＤを構成する複数の訓練用画像データＩｔ（Ｎ）のうち、１番目の訓練用画像データＩｔ（１）は、肺漏が有る肺の画像であり、訓練用画像データＩｔ（１）上には肺漏領域Ｒｘが特定されており、肺漏の程度が「重」と特定されている。なお、４番目の訓練用画像データＩｔ（４）のように、肺漏が無い肺の画像については、肺漏情報において、肺漏部位および肺漏の程度が「無し」として特定される。

訓練データＴＤのうち、肺漏が有る肺の画像については、例えば、従来のリーク試験によって肺漏が有ることが確認された肺を撮影することにより得ることができる。また、肺漏が有る肺の画像についての肺漏情報（肺漏部位および肺漏の程度を示す情報）は、該リーク試験の結果に基づき特定することができる。また、肺漏が無い肺の画像については、例えば、従来のリーク試験によって肺漏が無いことが確認された肺を撮影することにより得ることができる。訓練データＴＤを構成する肺の画像（訓練用画像データＩｔ（Ｎ））は、複数の人物のそれぞれの肺を撮影することにより生成された複数の画像を含んでいる。なお、訓練データＴＤを構成する肺の画像が、同一人物の肺を複数回撮影することにより生成された複数の画像を含んでいてもよい。

次に、情報処理装置１００のモデル取得部１１４（図１）が、訓練データＴＤを用いた所定の深層学習により、肺漏検出モデルＭＯを作成する（Ｓ１２０）。図４は、肺漏検出モデルＭＯの一例を概念的に示す説明図である。図４に示すように、肺漏検出モデルＭＯは、肺を撮影することにより生成された対象画像Ｉｏから、肺漏を検出するためのモデルである。すなわち、肺漏検出モデルＭＯは、対象画像Ｉｏから、肺漏部位である肺漏領域Ｒｘを特定すると共に肺漏の程度を特定するためのモデルである。

モデル取得部１１４は、訓練データＴＤに含まれる訓練用画像データＩｔ（Ｎ）を入力データとし、各訓練用画像データＩｔ（Ｎ）に対応付けられた肺漏情報（肺漏部位および肺漏の程度を示す情報）を目的変数とし、所定の評価指標（例えば、平均二乗平方根誤差（ＲＭＳＥ）、平均絶対誤差（ＭＡＥ）、決定係数（Ｒ^２））を用いた公知の深層学習を実行することにより、肺漏検出モデルＭＯを作成する。肺漏検出モデルＭＯの作成には、公知の種々の深層学習のアルゴリムを利用可能であるが、例えば、リアルタイムオブジェクト検出アルゴリズムであるＹＯＬＯを用いることができる。作成された肺漏検出モデルＭＯは、情報処理装置１００の記憶部１２０に格納される。以上の工程により、肺漏検出モデルＭＯを取得する肺漏検出モデル取得処理が完了する。

Ａ－３．肺漏検出処理：
次に、本実施形態の情報処理装置１００により実行される肺漏検出処理について説明する。図５は、本実施形態における肺漏検出処理を示すフローチャートである。肺漏検出処理は、肺の画像から肺漏を検出する処理である。より具体的には、肺漏検出処理は、肺を撮影することにより生成された対象画像Ｉｏと、上述した肺漏検出モデルＭＯとを用いて、対象画像Ｉｏから肺漏を検出する、すなわち、肺漏部位である肺漏領域Ｒｘを特定すると共に肺漏の程度を特定し、検出結果を出力する処理である。肺漏検出処理は、ユーザが情報処理装置１００の操作入力部１４０を操作して開始指示を入力したことに応じて開始される。

肺漏検出処理では、はじめに、情報処理装置１００の対象画像取得部１１５（図１）が、肺を撮影することにより生成された画像である対象画像Ｉｏを取得する（Ｓ２１０）。対象画像Ｉｏは、例えば、局所麻酔下において胸腔鏡を用いた撮影により生成された画像であり、インターフェース部１５０を介して取得され、記憶部１２０に格納される。対象画像Ｉｏは、１枚または複数枚の静止画像であってもよいし、複数のフレームから構成された動画像であってもよい。なお、対象画像取得部１１５は、取得された対象画像Ｉｏに対して、肺漏検出モデルＭＯへの入力として適切な形式になるように所定の処理（例えば、トリミング）を実行してもよい。

次に、情報処理装置１００の検出実行部１１６（図１）は、Ｓ２１０において取得された対象画像Ｉｏと、上述した肺漏検出モデルＭＯとを用いて、対象画像Ｉｏからの肺漏検出を実行する（Ｓ２２０）。検出実行部１１６は、図４に示すように、肺漏検出モデルＭＯに対象画像Ｉｏのデータを入力し、肺漏検出モデルＭＯから出力される肺漏情報（肺漏部位である肺漏領域Ｒｘを特定する情報、および、肺漏の程度を特定する情報）を取得することにより、肺漏検出を実現する。例えば図４に示す例では、対象画像Ｉｏにおいて肺漏領域Ｒｘが特定されており、かつ、肺漏程度が「中」と特定されている。検出実行部１１６は、肺漏検出結果を示す情報である肺漏検出結果データＲＤを生成し、情報処理装置１００の記憶部１２０に格納する。

次に、情報処理装置１００の検出実行部１１６は、肺漏検出結果データＲＤに基づき肺漏検出結果を出力する（Ｓ２３０）。例えば、検出実行部１１６は、肺漏検出結果を表示部１３０に表示させる。この際には、例えば、表示部１３０に対象画像Ｉｏが表示され、対象画像Ｉｏ上に肺漏領域Ｒｘを示す矩形の線が表示される。また、各肺漏部位における肺漏の程度が、文字により表示される。なお、肺漏の程度の表示方法は、文字による表示に限られず、例えば色による表示等の他の表示方法を採用することもできる。また、肺漏領域Ｒｘが複数検出された場合には、各肺漏部位についての肺漏の程度が表示される。このような表示により、情報処理装置１００のユーザは、対象画像Ｉｏにおける肺漏検出結果を把握することができる。

なお、肺漏検出処理において、対象画像取得部１１５は、撮像装置により撮像された肺の動画像を対象画像Ｉｏとしてリアルタイムで取得するとしてもよい。また、検出実行部１１６は、対象画像Ｉｏを用いて、リアルタイムで肺漏検出を実行し、肺漏検出結果を出力するとしてもよい。

Ａ－４．本実施形態の効果：
以上説明したように、本実施形態の情報処理装置１００は、対象画像取得部１１５と、モデル取得部１１４と、検出実行部１１６とを備える。対象画像取得部１１５は、肺の画像である対象画像Ｉｏを取得する。モデル取得部１１４は、肺漏検出モデルＭＯを取得する。肺漏検出モデルＭＯは、複数の肺の画像である訓練用画像データＩｔ（Ｎ）と、各訓練用画像データＩｔ（Ｎ）における肺漏部位を示す肺漏情報と、が対応付けられた訓練データＴＤを用いた深層学習により生成されたモデルである。検出実行部１１６は、対象画像Ｉｏと肺漏検出モデルＭＯとを用いて、対象画像Ｉｏにおける肺漏部位を特定する肺漏検出を実行し、肺漏検出の結果を出力する。

このように、本実施形態の情報処理装置１００によれば、肺の画像である対象画像Ｉｏと、深層学習により生成された肺漏検出モデルＭＯとを用いて、対象画像Ｉｏにおける肺漏部位を特定する肺漏検出を実行し、肺漏検出の結果を出力することができる。すなわち、本実施形態の情報処理装置１００によれば、肺の画像である対象画像Ｉｏを取得しさえすれば、それ以外に肺に対する何らかの処置を実行することなく、肺漏検出を実現することができる。そのため、本実施形態の情報処理装置１００によれば、従来のリーク試験による肺漏検出のように全身麻酔を必須とせず、局所麻酔下において胸腔鏡を用いた撮影により生成・取得された対象画像Ｉｏを用いて肺漏を検出することができ、患者負担を軽減することができる。また、本実施形態の情報処理装置１００によれば、従来のリーク試験による肺漏検出のように肺に圧力をかける必要がないため、圧力のかけ方に起因して肺漏の検出漏れが発生することを抑制することができ、肺漏検出精度を向上させることができる。また、本実施形態の情報処理装置１００によれば、従来のリーク試験による肺漏検出のように肺を膨らませる必要がなく、肺を虚脱させた状態で肺を撮影することにより生成・取得された対象画像Ｉｏを用いて肺漏を検出することができるため、鏡視下手術の際に視野が狭くなることを抑制することができる。

また、本実施形態の情報処理装置１００は、さらに、訓練データＴＤを取得する訓練データ取得部１１２を備える。モデル取得部１１４は、訓練データＴＤを用いた深層学習によって肺漏検出モデルＭＯを作成することにより、肺漏検出モデルＭＯを取得する。そのため、本実施形態の情報処理装置１００によれば、他の装置を用いずとも肺漏検出モデルＭＯを取得することができ、該モデルを用いて対象画像Ｉｏからの肺漏検出を実行することができる。

また、本実施形態の情報処理装置１００では、肺漏情報は、肺漏の程度を示す情報を含み、検出実行部１１６の実行する肺漏検出は、対象画像Ｉｏの各肺漏部位における肺漏の程度を特定する処理を含む。そのため、本実施形態の情報処理装置１００によれば、対象画像Ｉｏを取得するだけで肺漏部位における肺漏の程度を把握することができ、肺漏の治療のためのより有用な情報を得ることができる。

また、本実施形態の情報処理装置１００において、対象画像取得部１１５は、撮像装置により撮像された肺の動画像を対象画像Ｉｏとしてリアルタイムで取得する構成としてもよい。このような構成とすれば、患者の肺の動画像を撮像しつつ、リアルタイムで肺漏検出を行うことができ、肺漏の診断や治療を効率よく実行することができる。

Ａ－５．実施例：
上述した本実施形態の情報処理装置１００による肺漏検出の精度を検証するために行った実施例について、以下説明する。まず、訓練データＴＤとして、従来のリーク試験によって肺漏が有ることが確認された肺の画像を１１０枚準備して訓練用画像データＩｔとした。なお、各画像は、胸腔鏡を用いた撮影により生成された動画像から、４１６画素×４１６画素の静止画を切り出すことにより取得した。また、肺漏が有る各画像について、リーク試験の結果に基づき、肺漏部位を示す矩形の肺漏領域Ｒｘの座標を特定した。

また、本実施例では、上述した訓練データＴＤを用いて、リアルタイムオブジェクト検出アルゴリズムであるＹＯＬＯを利用して、肺漏検出モデルＭＯを作成した。

次に、テストデータとして、肺漏が有る肺の画像を１７枚準備すると共に、肺漏が無い肺の画像を１０枚準備した。テストデータを構成する各画像について、肺漏検出モデルＭＯを用いて肺漏検出を行った。その結果、肺漏が有る肺の画像１７枚のうち、１５枚で、正しい位置に肺漏部位が検出された。すなわち、検出率は、８８．２％（＝１５／１７）であり、検出漏れが非常に少ないことが確認された。また、肺漏が無い肺の画像１０枚のすべてについて、肺漏部位が検出されなかった。すなわち、誤検出率は、０％（＝０／１０）であり、誤検出が非常に少ないことが確認された。このように、本実施例によれば、本実施形態の情報処理装置１００を用いて肺の画像から肺漏検出を行うことにより、非常に高い精度で肺漏検出を実現できることが確認された。

Ｂ．変形例：
本明細書で開示される技術は、上述の実施形態に限られるものではなく、その要旨を逸脱しない範囲において種々の形態に変形することができ、例えば次のような変形も可能である。

上記実施形態における情報処理装置１００の構成は、あくまで一例であり、種々変形可能である。また、上記実施形態における肺漏検出モデル取得処理および肺漏検出処理の内容は、あくまで一例であり、種々変形可能である。例えば、上記実施形態では、情報処理装置１００が、肺漏検出モデルＭＯを作成することによって肺漏検出モデルＭＯを取得しているが、情報処理装置１００が、他の装置により生成された肺漏検出モデルＭＯを取得するとしてもよい。この場合には、情報処理装置１００が訓練データ取得部１１２を有する必要はない。

上記実施形態では、肺漏情報は、肺漏の程度を示す情報を含んでいるが、肺漏情報が、肺漏の程度を示す情報を含んでいなくてもよい。

上記実施形態において、ハードウェアによって実現されている構成の一部をソフトウェアに置き換えるようにしてもよく、反対に、ソフトウェアによって実現されている構成の一部をハードウェアに置き換えるようにしてもよい。

１００：情報処理装置 １１０：制御部 １１２：訓練データ取得部 １１４：モデル取得部 １１５：対象画像取得部 １１６：検出実行部 １２０：記憶部 １３０：表示部 １４０：操作入力部 １５０：インターフェース部 １９０：バス ＣＰ：肺漏検出プログラム Ｉｏ：対象画像 Ｉｔ：訓練用画像データ ＭＯ：肺漏検出モデル ＲＤ：肺漏検出結果データ Ｒｘ：肺漏領域 ＴＤ：訓練データ

Claims (6)

1. 肺の画像から肺漏を検出するための情報処理装置であって、
   肺の画像である対象画像を取得する対象画像取得部と、
   肺漏検出モデルを取得するモデル取得部であって、前記肺漏検出モデルは、複数の肺の画像と、前記複数の肺の画像のそれぞれにおける肺漏部位を示す肺漏情報と、が対応付けられた訓練データを用いた深層学習により生成されたモデルである、モデル取得部と、
   前記対象画像と、前記肺漏検出モデルとを用いて、前記対象画像における肺漏部位を特定する肺漏検出を実行し、前記肺漏検出の結果を出力する検出実行部と、
   を備える、情報処理装置。
2. 請求項１に記載の情報処理装置であって、さらに、
   前記訓練データを取得する訓練データ取得部を備え、
   前記モデル取得部は、前記訓練データを用いた前記深層学習によって前記肺漏検出モデルを作成することにより、前記肺漏検出モデルを取得する、情報処理装置。
3. 請求項１または請求項２に記載の情報処理装置であって、
   前記肺漏情報は、肺漏の程度を示す情報を含み、
   前記検出実行部の実行する前記肺漏検出は、前記対象画像の各肺漏部位における肺漏の程度を特定する処理を含む、情報処理装置。
4. 請求項１から請求項３までのいずれか一項に記載の情報処理装置であって、
   前記対象画像取得部は、撮像装置により撮像された肺の動画像を前記対象画像としてリアルタイムで取得する、情報処理装置。
5. 肺の画像から肺漏を検出するための情報処理方法であって、
   肺の画像である対象画像を取得する工程と、
   肺漏検出モデルを取得する工程であって、前記肺漏検出モデルは、複数の肺の画像と、前記複数の肺の画像のそれぞれにおける肺漏部位を示す肺漏情報と、が対応付けられた訓練データを用いた深層学習により生成されたモデルである、肺漏検出モデルを取得する工程と、
   前記対象画像と、前記肺漏検出モデルとを用いて、前記対象画像における肺漏部位を特定する肺漏検出を実行し、前記肺漏検出の結果を出力する工程と、
   を備える、情報処理方法。
6. 肺の画像から肺漏を検出するためのコンピュータプログラムであって、
   コンピュータに、
   肺の画像である対象画像を取得する処理と、
   肺漏検出モデルを取得する処理であって、前記肺漏検出モデルは、複数の肺の画像と、前記複数の肺の画像のそれぞれにおける肺漏部位を示す肺漏情報と、が対応付けられた訓練データを用いた深層学習により生成されたモデルである、肺漏検出モデルを取得する処理と、
   前記対象画像と、前記肺漏検出モデルとを用いて、前記対象画像における肺漏部位を特定する肺漏検出を実行し、前記肺漏検出の結果を出力する処理と、
   を実行させる、コンピュータプログラム。

Images