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
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 Download PDFInfo
- Publication number
- JP2023014455A JP2023014455A JP2021118387A JP2021118387A JP2023014455A JP 2023014455 A JP2023014455 A JP 2023014455A JP 2021118387 A JP2021118387 A JP 2021118387A JP 2021118387 A JP2021118387 A JP 2021118387A JP 2023014455 A JP2023014455 A JP 2023014455A
- Authority
- JP
- Japan
- Prior art keywords
- lung
- leakage
- pulmonary
- target image
- information processing
- 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.)
- Pending
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B1/00—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor
- A61B1/04—Instruments for performing medical examinations of the interior of cavities or tubes of the body by visual or photographical inspection, e.g. endoscopes; Illuminating arrangements therefor combined with photographic or television appliances
- A61B1/045—Control thereof
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H30/00—ICT specially adapted for the handling or processing of medical images
- G16H30/20—ICT specially adapted for the handling or processing of medical images for handling medical images, e.g. DICOM, HL7 or PACS
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Radiology & Medical Imaging (AREA)
- Surgery (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Optics & Photonics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Image Analysis (AREA)
- Medical Treatment And Welfare Office Work (AREA)
- Apparatus For Radiation Diagnosis (AREA)
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。
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。
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。
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(R2))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。
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。
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。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021118387A JP2023014455A (ja) | 2021-07-19 | 2021-07-19 | 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 |
PCT/JP2022/027930 WO2023002960A1 (ja) | 2021-07-19 | 2022-07-15 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021118387A JP2023014455A (ja) | 2021-07-19 | 2021-07-19 | 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 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023014455A true JP2023014455A (ja) | 2023-01-31 |
Family
ID=84979302
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021118387A Pending JP2023014455A (ja) | 2021-07-19 | 2021-07-19 | 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 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2023014455A (ja) |
WO (1) | WO2023002960A1 (ja) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6632020B1 (ja) * | 2019-09-20 | 2020-01-15 | 株式会社Micotoテクノロジー | 内視鏡画像処理システム |
-
2021
- 2021-07-19 JP JP2021118387A patent/JP2023014455A/ja active Pending
-
2022
- 2022-07-15 WO PCT/JP2022/027930 patent/WO2023002960A1/ja unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023002960A1 (ja) | 2023-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8270688B2 (en) | Method for intelligent qualitative and quantitative analysis assisting digital or digitized radiography softcopy reading | |
US9761004B2 (en) | Method and system for automatic detection of coronary stenosis in cardiac computed tomography data | |
US8994720B2 (en) | Diagnosis assisting apparatus, diagnosis assisting program, and diagnosis assisting method | |
US20160004917A1 (en) | Output control method, image processing apparatus, and information processing apparatus | |
CN108766554A (zh) | 用户操纵的即时路径规划 | |
US8693759B2 (en) | Image processing device and image processing method | |
JP2003180679A (ja) | 医療映像処理システム及び処理方法 | |
JP2010075403A (ja) | 情報処理装置およびその制御方法、データ処理システム | |
JP5943353B2 (ja) | 画像処理装置及び画像処理方法 | |
CN111080583A (zh) | 医学图像检测方法、计算机设备和可读存储介质 | |
US10290099B2 (en) | Image processing device and image processing method | |
JP2013052245A (ja) | 情報処理装置および情報処理方法 | |
CN113506277A (zh) | 图像处理方法及装置 | |
JP2019208903A (ja) | 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム | |
WO2023002960A1 (ja) | 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 | |
WO2013037702A1 (en) | Method and a system for medical imaging | |
JP4738236B2 (ja) | 画像表示装置 | |
JP7407799B2 (ja) | 画像処理システム及び方法 | |
JP5192751B2 (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
JP2009045110A (ja) | 画像処理装置、画像処理方法、および画像処理プログラム | |
JP2001087228A (ja) | 読影支援装置 | |
JP5403431B2 (ja) | 断層画像処理方法及び装置 | |
JP6792340B2 (ja) | 医用画像処理装置、医用画像処理方法、及び医用画像処理プログラム | |
CN113610840B (zh) | 图像处理方法、装置、存储介质及电子设备 | |
Kadomatsu et al. | A novel system applying artificial intelligence in the identification of air leak sites |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7426 Effective date: 20210719 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20210720 |